CHƯƠNG 1 - CƠ SỞ VỀ NÉN DỮ LIỆU VIDEO 1.1 SỰ CẦN THIẾT CỦA NÉN DỮ LIỆU Một chuỗi video số thường chứa một lượng lớn dữ liệu, do đó sẽ gặp rất nhiều khó khăn trong việc lưu trữ và truyền đi trong một băng thông kênh truyền hạn chế. Với sự phát triển của khoa học kỹ thuật, ngày nay đã sản xuất được bộ cảm biến màu có độ phân giải lên đến 16 triệu pixel tương đương với một bức ảnh có độ phân giải 4096x4096 pixels, nhưng thực tế các chuẩn video hiện tại chỉ dừng lại ở 1920x1080 pixel, do đó cần phải nén tín hiệu. Quá trình nén ảnh thực hiện được là do thông tin trong bức ảnh có tổ chức, có trật tự, vì vậy nếu xem xét kỹ tính trật tự, cấu trúc ảnh sẽ phát hiện và loại bỏ được các lượng thông tin dư thừa, chỉ giữa lại các thông tin quan trọng nhằm giảm số lượng bit khi lưu trữ cũng như khi truyền mà vẫn đảm bảo tính thẩm mỹ của bức ảnh. Tại đầu thu, bộ giải mã sẽ tổ chức, sắp xếp lại được bức ảnh xấp xỉ gần chính xác so với ảnh gốc nhưng vẫn đảm bảo thông tin cần thiết.
Tín hiệu video thường chứa đựng một lượng lớn các thông tin dư thừa, chúng thường được chia thành 5 loại như sau: Có sự dư thừa thông tin về không gian: sự tương tự giữa các điểm ảnh lân cận trong phạm vi một bức ảnh hay một khung video, còn gọi là thừa tĩnh bên trong từng frame. Có sự dư thừa thông tin về thời gian: sự tương tự giữa các điểm ảnh của các khung video trong chuỗi ảnh video, còn gọi là thừa động giữa các frame Có sự dư thừa thông tin về phổ: sự tương tự giữa các mẫu của các dữ liệu thu được từ các bộ cảm biến trong camera, máy quay… Có sự dư thừa tâm thị giác: do các hạn chế của hệ thần kinh thị giác mắt người không thể cảm nhận được những tần số quá cao Ưu điểm của việc nén tín hiệu: Tiết kiệm băng thông kênh truyền ( trong thời gian thực hoặc nhanh hơn). Kéo dài thời giản sử dụng của thiết bị lưu trữ, giảm chi phí đầu tư cho thiết bị lưu trữ. Có nhiều phương pháp nén tín hiệu, phương pháp nén bằng cách số hóa tín hiệu vẫn tỏ ra hữu hiệu trong mọi thời đại, một mặt nó có thể làm giảm lượng thông tin không quan trọng một cách đáng kể, mặt khác nó còn giúp cho tín hiệu được bảo mật hơn.
3 TIEU LUAN MOI download : skknchat@gmail.2 QUÁ TRÌNH BIẾN ĐỔI DỮ LIỆU MÀU Hiện nay các cảm biến hỉnh ảnh màu gốc thường được lưu giữ với không gian màu RGB, tuy nhiên các tiêu chuẩn truyền hình màu lại sử dụng YUV mà không sử dụng RGB vì vậy cần một công thức biến đổi từ không gian màu RGB sang YUV. Quá trình biến đổi màu Một bức ảnh được chuyển từ RGB sang YUV nhằm giảm dung lượng lưu trữ cũng như truyền đi, trong quá trình giải mã, trước khi hiển thị ảnh thì nó được biến đổi ngược lại thành RGB. Quá trình biến đổi giữa hai hệ màu được tổ chức quốc tế ITU_T quy chuẩn theo công thức sau: Y k r R (1 k b k r )G k b B 0.5 Cr (R Y ) 1 kr Với k b k r k g 1 , kb = 0.299, khi thế vào công thức (1) thì ta được: Y 0.299 Nên ta có ma trận biến đổi từ RGB sang YUV như sau: Y 0.081 B Thực hiện tương tự ta suy ra được ma trận biến đổi từ YUV sang RGB như sau: 4 TIEU LUAN MOI download : skknchat@gmail.3 CÁC TIÊU CHUẨN LẤY MẪU DỮ LIỆU VIDEO SỐ Kiểu lấy mẫu cho ảnh video cũng là một vấn đề khá quan trọng của kỹ thuật nén ảnh. Một số kiểu lấy mẫu phổ biến minh họa như hình 1.2 và có đặc điểm như sau: Tốc độ lấy mẫu 4:1:1 - tức là tương ứng với sáu thành phần chói Y có hai thành phần màu Cb và hai thành phần màu Cr Tốc độ lấy mẫu 4:2:2 - tức là tương ứng với bốn thành phần chói Y có hai thành phần màu Cb và hai thành phần màu Cr Tốc độ lấy mẫu 4:4:4 - cả 3 thành phần có cùng độ phân giải, với mỗi bốn thành phần chói Y có tương ứng bốn thành phần màu Cb và bốn thành phần màu Cr Tốc độ lấy mẫu 4:2:0 - là kiểu phổ biến, tương ứng với mỗi bốn thành phần chói Y thì có một thành phần màu Cb và một thành phần màu Cr Ví dụ : Một bức ảnh có độ phân giải 720 × 576 pixels Độ phân giải của thành phần Y là 720 × 576 pixels được mã hóa bằng từ mã 8 bits.
Nếu sử dụng kiểu lấy mẫu 4:4:4 thì độ phân giải của thành phần Cb, Cr là 720 × 576 mẫu cũng được mã hóa bằng từ mã 8 bits. => Vậy tổng số bits sử dụng để mã hóa bức ảnh là 720 × 576 × 8 × 3 = 9 953 280 bits Nếu sử dụng kiểu lấy mẫu 4:2:0 thì độ phân giải của thành phần Cb, Cr là 360 × 288 mẫu, cũng được mã hóa bằng từ mã 8 bits. => Vậy tổng số bits sử dụng là (720 × 576 × 8) + (360 × 288 × 8) × 2 = 4 976 640 bits 5 TIEU LUAN MOI download : skknchat@gmail. Các tiêu chuẩn lấy mẫu phổ biến [1] Trong kiểu 4:4:4, tổng số mẫu cần thiết là 12 mẫu, do đó tổng số bit là 12 × 8 = 96 bits, và trung bình là 96/4 = 24 bits/pixel Trong kiểu 4:2:0, tín hiệu được quét xen kẽ, do đó chỉ cần thiết 6 mẫu, 4 mẫu cho thành phần Y, 1 mẫu cho thành phần Cb, 1 mẫu cho thành phần Cr, do đó tổng số bits cần thiết là 6 × 8 = 48 bits, và trung bình là 48/4 = 12 bits/pixel.
Ta thấy kiểu lấy mẫu 4:2:0 giảm một ½ số lượng bits so với 4:4:4, đó cũng chính là lý do mà kiểu lấy mẫu này được sử dụng phổ biến.4 CÁC KHÁI NIỆM CƠ BẢN TRONG CÁC CHUẨN NÉN VIDEO Các tiêu chuẩn nén dữ liệu Video định nghĩa kiểu phân cấp cấu trúc trong dữ liệu như sau: Video Sequence (Chuỗi ảnh): bắt đầu với một Sequence Header, bao gồm một hoặc một nhóm khung hình và kết thúc với mã End-of-sequence. Một chuỗi các khung hình liên tục về mặt thời gian được gọi là cảnh (Scene). 6 TIEU LUAN MOI download : skknchat@gmail.3 Chuỗi Video GOP (Group of picture): một dãy liên tiếp các ảnh (picture) trong cảnh. Frame/ Picture (khung hình): Dãy video được chia thành các ảnh là các frame để lấy mẫu.
Macroblock và phân vùng Macroblock: Ảnh được chia thành số nguyên các Macroblock (MB), tương ứng với mỗi MB là các ma trận 16x16 mẫu thành phần sáng và 8x8 mẫu các thành phần mầu. Các MB được đánh số và quét theo thứ tự nhất định trong khung. Ngoài ra, mỗi một MB sẽ được chia thành nhiều phân vùng nhỏ hơn được gọi là subblock và block.4 cho thấy các kích cỡ phần vùng của Macroblock.4 Macroblock và phân vùng Macroblock [5] 7 TIEU LUAN MOI download : skknchat@gmail.com Trong quá trình mã hóa, các MB được đính kèm thêm các thành phần thông tin như mb_type, mb_pred,. để mô tả cách thức mã hóa dữ liệu bên trong MB.
Dựa trên những thông tin này bộ giải mã có thể tổng hợp lại được MB ban đầu. Slice: Slice là một dãy các MB được quét theo một thứ tự nhất định. Mỗi slice chứa một số nguyên các MB. Trong một ảnh có thể được chia thành một hoặc nhiều slice: I, P, B, SP và SI.
Ý nghĩa của các slice sẽ được đề cập tới trong phần sau. 8 TIEU LUAN MOI download : skknchat@gmail.com CHƯƠNG 2 - KỸ THUẬT NÉN VIDEO 2.1 PHÂN LOẠI CÁC KỸ THUẬT NÉN Các kỹ thuật nén video được chia thành hai họ lớn: Kỹ thuật nén không tổn hao và kỹ thuật nén tổn hao. Kỹ thuật nén không tổn hao là quy trình biểu diễn các ký hiệu trong dòng bit nguồn thành dòng các từ mã sao cho dữ liệu được khôi phục hoàn toàn giống dữ liệu gốc, các thuật toán chỉ phụ thuộc vào cách thống kê nội dung dữ liệu và thường dựa trên việc thay thế một nhóm các ký tự trùng lặp bởi một nhóm các ký tự đặc biệt khác ngắn hơn mà không quan tâm đến ý nghĩa của dòng bit dữ liệu, nên đòi hỏi phải có thiết bị lưu trữ và đường truyền lớn hơn. Kỹ thuật nén có tổn hao, tức là dữ liệu được khôi phục không hoàn toàn giống dữ liệu gốc.
Các dạng nén này thường có hệ số nén cao hơn so với nén không tổn hao nhưng gây nên tổn hao dữ liệu và sự suy giảm dữ liệu sau khi giải nén. Trong các chuẩn video bao gồm cả nén tổn hao và không tổn hao.2 MÔ HÌNH NÉN VIDEO Hình 2.1 Một bộ mã hóa điển hình [5] Quá trình mã hóa bao gồm một số giai đoạn sau: 1. Giảm bớt độ dư thừa (Motion Estimation – Motion Copensation): Việc giảm bớt dư thừa cả về mặt không gian và thời gian. Những dư thừa về mặt thời gian là những hình ảnh giống nhau, lặp đi lặp lại từ khung này sang khung khác (ví dụ: phần phông nền).
Dư thừa về không gian là những chi tiết giống nhau xuất hiện trong cùng một khung ( ví dụ: các điểm ảnh trong hình ảnh bầu trời xanh). Chế độ phỏng đoán liên ảnh, nội ảnh: Bộ giải mã quyết định loại khung cần nén và chọn chế độ phỏng đoán phù hợp. Hai chế độ phỏng đoán bao gồm: phỏng 9 TIEU LUAN MOI download : skknchat@gmail.com đoán nội ảnh (Intra Prediction) và phỏng đoán liên ảnh (Inter Prediction). Phỏng đoán nội ảnh tạo ra ảnh I và phỏng đoán liên ảnh tạo ra ảnh P hoặc B.
Nén theo miền thời gian: Khi bộ mã hóa hoạt động ở chế độ phỏng đoán liên ảnh, khối này sẽ thực hiện quá trình dự đoán chuyển động. Quá trình này sẽ phát hiện ra bất kỳ chuyển động nào diễn ra giữa khối đó và một khối tương ứng với một hoặc hơn một ảnh tham chiếu đã được lưu trữ từ trước. Sau đó tạo ra một khối dư thừa. Công đoạn này sẽ giảm bớt dữ liệu trong mỗi khối.
Khi bộ mã hóa hoạt động ở chế độ dự đoán nội ảnh sẽ không có quá trình dự đoán chuyển động và tới thẳng giai đoạn biến đổi cosin rời rạc (DCT). Biến đổi cosin rời rạc (DCT): Giai đoạn này biến đổi các giá trị điểm ảnh của khối thành ma trận gồm các hệ số tần số ngang, dọc đặt trong không gian tần số.