- •Методические указания
- •Введение
- •Практическая работа № 1
- •Тема 1. Цифровое сжатие информации
- •Т ема 2. Применение цифрового сжатия
- •Практическоя работа № 2
- •Тема 1. Технология цифрового сжатия
- •Практическая работа № 3
- •Тема 1. Разновидности цифрового сжатия
- •Тема 2. Принципы сжатия звуковых сигналов
- •Практическая работа № 4
- •Тема 1. Принципы сжатия видеосигнала
- •Практическая работа № 5
- •Тема 1. Основы цифрового преобразования
- •Практическая работа № 6
- •Тема 1. Дискретизация сигнала
- •Тема 2. Чересстрочная развертка телекадра
- •Тема 3. Квантование
- •Практическая работа № 7
- •Тема 1. Цифровой видеосигнал
- •Тема 2. Цифровой звуковой сигнал
- •Тема 3. Средства цифрового сжатия
- •Тема 4. Предфильтрация
- •Практическая работа № 8
- •Тема 1. Повышение частоты дискретизации
- •Тема 2. Спектральные преобразования
- •Тема 3. Преобразование Фурье
- •Практическая работа № 9
- •Тема 1. Дискретное косинусное преобразование
- •Тема 2. Метод сжатия видеоинформации мреg
- •Контрольные вопросы
- •Требования к отчету по практическому занятию
- •Библиографический список
- •Содержание
- •Методические указания
- •394026 Воронеж, Московский проспект, 14
Практическая работа № 4
Тема 1. Принципы сжатия видеосигнала
Сжатие видеосигналов основано на двух исходных положениях. Во-первых, видность шума на изображении, наблюдаемого человеком, существенно зависит от частотного состава шума. Во-вторых, даже при наличии движения имеется большая степень сходства между соседними видеокадрами. Объем данных можно уменьшить посредством повышения уровня шума там, где его нельзя обнаружить, и передачи только разностей соседних видеокадров. Рис. 4 иллюстрирует тот факт, что крупные объекты изображения дают низкие пространственные частоты (несколько периодов на единицу длины), а мелкие — высокие пространственные частоты (много периодов на единицу длины). Как показано на рис. 4, зрение человека обнаруживает шум на низких пространственных частотах гораздо эффективнее, чем на высоких. Пример этого явления — большая заметность мерцания крупных участков изображения.
Рис. 4. Распределение частот по величине объекта
Сжатие достигается благодаря укорачиванию (усечению) длины слов данных. При этом снижается разрешающая способность величины данных, это эквивалентно увеличению шума. Поскольку требуется, чтобы этот шум генерировался способом, минимизирующим его видность, усечение сложно изменяться в зависимости от пространственной частоты. Практические видеокодеры сжатия должны выполнять пространственный частотный анализ входного сигнала, а затем производить усечение сигнала каждой частоты индивидуально с учетом весовой функции. Более того, такой пространственный частотный анализ часто показывает, что на многих участках изображения доминируют лишь несколько частот, а остальные, в основном, отсутствуют. Ясно, что при отсутствии сигнала данной частоты передавать какие-либо данные о нем вообще не требуется. В декодере сжатия просто осуществляется процесс, обратный частотному анализу: он производит синтез или обратное преобразование. Простая концепция кодера сжатия предполагает индивидуальную обработку каждого видеокадра; она известна как внутрикадровое кодирование. Методы сжатия, разработанные для неподвижных изображений, такие, как стандарт JРЕG (joint photographic expert group- совместная группа экспертов по фотографии), предусматривают именно такой режим работы. В случае движущихся изображений использование избыточности между видеокадрами, известное как межкадровое кодирование, позволяет получать большие значения коэффициента сжатия. Этого добиваются благодаря вычитанию каждого последующего кодера из предыдущего и передачи только их разности. Этой простой системе свойственен ряд проблем. Каждая коммутация сигнала в канале передачи делает его непригодным для декодирования. На практике приходится периодически передавать полный видеокадр, подвергнутый только внутрикадровому кодированию, — так называемый I-видеокадр. Это дает возможность переключать каналы и корректировать ошибки. Видеосигналы, подвергнутые межкадровому кодированию, создают трудности для видеомонтажа, так как для получения текущего видеокадра необходимы данные предшествующих кадров. Лучшее, что можно сделать, — это переключить поток сжатых данных непосредственно перед появлением I-видеокадра. В кодере производится сравнение последовательных видеокадров и измерение величины смещения участков изображения от кадра к кадру, т.е. вычисляются векторы движения. Кодер сжатия пытается моделировать новое положение объекта посредством смещения элементов предыдущего видеокадра с использованием векторов движения. Любые несоответствия п этом процесс- устраняются посредством сравнения моделированного изображения с фактическим входным изображением. Кодер сжатия передает векторы движения и результирующие разностные сигналы. Декодер сдвигает предыдущий видеокадр с использованием этих векторов и добавляет разностный сигнал, чтобы получить следующий видеокадр. Кодирование с компенсацией движения позволяет увеличить коэффициент сжатия, что вполне оправдывает повышенную сложность кодера и декодера.