Chương 1: Giới thiệu một số khái niệm tổng quan về video và các kỹ thuật nén video. Chương 2: Trình bày một số nội dung chính của chuẩn nén H. Do thuật toán Deblocking là một thành phần được tích hợp trong trong bộ nén và giải nén nên luận văn sẽ trình bày chi tiết vào các vấn đề chính của H.264 liên quan đến quá trình triển khai và xây dựng phần mềm mô phỏng. Chương 3: Trình bày thuật toán Deblocking.
Chương 4: Chương trình mô phỏng và đánh giá kết qủa. Do thời gian có hạn nên luận văn chỉ mới đề cập được một phần các vấn đề trong kỹ thuật nén H.264 nói chung và thuật toán Deblocking nói riêng do vậy chắc chắn không tránh khỏi thiếu sót. Vì vậy, tác giả xin trân trọng những đóng góp của các Thày cô và các đồng nghiệp xa gần để luận văn ngày càng hoàn chỉnh hơn. Mọi ý kiến đóng góp xin gửi về cho tác giả theo địa chỉ vtanh78@yahoo.
Cuối cùng, tôi xin chân thành cảm ơn sự giúp đỡ và sự chỉ bảo tận tình của Thày giáo hướng dẫn luận văn, TS. Lê Vũ Hà - Bộ môn Xử lý thông tin - Khoa Điện tử Viễn thông - Trường Đại học Công nghệ - Đại học Quốc gia Hà Nội, đã giúp đỡ tôi hoàn thành luận văn này. Hà nội, ngày 02 tháng 11 năm 2009 xii LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 1 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com CHƢƠNG 1: GIỚI THIỆU TỔNG QUAN VỀ NÉN VIDEO 1. Khái niệm về video Một cảnh video tự nhiên có tính liên tục về không gian và thời gian.
Khi biểu diễn dưới dạng dữ liệu video số thì video là chuỗi các hình ảnh liên tiếp, còn gọi là khung hình. Chuỗi các khung hình xuất hiện liên tục với tốc độ đủ nhanh sẽ cho ta cảm giác chuyển động của một hình ảnh với sự chuyển động của các đối tượng trong khung cảnh (tối thiểu để có cảm giác chuyển động tự nhiên là khoảng 25 khung hình/giây do thời gian lưu ảnh trong võng mạc là khoảng 1/25 giây) [1]. Một tín hiệu video có thể được lấy mẫu đầy đủ một chuỗi các khung hình (lấy mẫu liên tục) hoặc lấy mẫu xen kẽ. Mỗi khung hình được lấy mẫu xen kẽ gồm hai thành phần là Top field và Bottom field.
Top field bao gồm các dòng có thứ tự chẵn còn Bottom field bao gồm các dòng có thứ tự lẻ trong một khung hình đầy đủ như được mô tả trong hình vẽ sau: Hình vẽ 1.1: Chuỗi video xen kẽ Việc lấy mẫu xen kẽ có ưu điểm là làm cho chuyển động của cảnh trong video ít bị giật hình hơn. Không gian màu: Theo lý thuyết về biểu diễn màu sắc, mỗi một màu sắc tự nhiên đều có thể được tạo từ một tổ hợp của ba màu đơn sắc: màu đỏ, màu lục và màu lam (Còn được gọi là ba màu cơ sở của không gian màu RGB). Trong không gian màu RGB, các màu khác nhau có thể được mô tả như là các điểm bên trong một hình lập phương đơn vị: Gốc tọa độ (0, 0, 0) biểu diễn cho màu đen và điểm (1, 1, 1) tương ứng với màu trắng; ba thành phần R (đỏ), G (lục) và B (lam) là ba trục của không gian. Biểu diễn màu sắc 1 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com theo ba thành phần RGB rất thuận tiện cho việc hiển thị hình ảnh trên màn hình máy tính hay máy thu hình.
Một hệ thống biểu diễn màu khác thường được sử dụng chủ yếu trong lĩnh vực truyền hình là không gian màu YUV, với mỗi màu sắc được biểu diễn bởi một tổ hợp của ba thành phần: Y là độ chói và U, V là hai thành phần biểu diễn sắc độ. Biểu diễn hình ảnh video trong không gian màu này cho phép đạt được hiệu suất truyền hình ảnh cao hơn và giữ được tính tương thích giữa các chuẩn truyền hình màu với truyền hình đen trắng. Thành phần độ chói (luminance) mang thông tin về cường độ ánh sáng, hai thành phần còn lại mang thông tin về sắc độ (chrominance) của các điểm ảnh. Dưới đây là biểu diễn mối quan hệ giữa hai không gian màu YUV và RGB (theo chuẩn CCIR 601): Y = 0,299R + 0,587G + 0,114B (1.3) Trong đó: Y là thành phần chói còn U, V là hai thành phần sắc độ.
Một định dạng màu khác tương tự như YUV và cũng hay được sử dụng là YCBCR. Với Y tương tự như trên còn hai thành phần sắc độ được biểu diễn như sau: CB = U/2 + 0,5 (1.5) Trong đó, các giá trị thành phần sắc độ CB, CR luôn nằm trong khoảng [0, 1]. YCBCR được sử dụng trong các hệ thống truyền hình màu tương tự truyền thống, trong khi YUV được sử dụng trong truyền hình số. Số hoá tín hiệu video Trong một chuỗi video với các khung hình có độ phân giải là 720x576 điểm ảnh, tốc độ khung hình là 25Hz hoặc 30Hz.
Mỗi khung hình trong chuỗi video được lấy mẫu và số hoá như hình vẽ 1.2: 2 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 720 RGB 576 R G B 360 YUV Y U V 4:2:2 YUV U V 280 Y 4:2:0 180 YUV Y U V 4:1:1 Hình vẽ 1.2: Cấu trúc lấy mẫu Cấu trúc lấy mẫu 4:2:2 Mẫu Y text text text text text text text text text Mẫu U Mẫu V text text text text text text text text Hình vẽ 1.3: Cấu trúc lấy mẫu 4:2:2 Việc lấy mẫu sẽ diễn ra một cách tuần tự như sau: Điểm ảnh đầu lấy mẫu thành phần độ chói (Y) và lấy mẫu hai thành phần sắc độ U và V. Điểm ảnh tiếp theo chỉ lấy mẫu thành phần chói (Y) mà không lấy mẫu hai thành phần sắc độ. Khi giải mã, thành phần sắc độ của điểm ảnh bị thiếu phải được suy ra từ điểm ảnh trước đó. Cứ như vậy, bốn lần lấy mẫu thành phần Y thì có hai lần lấy mẫu thành phần U và hai lần lấy mẫu thành phần V.
3 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Cấu trúc lấy mẫu 4:1:1 text text text text text text text text text text text text text text text text Hình vẽ 1.4: Cấu trúc lấy mẫu 4:1:1 Điểm ảnh đầu lấy mẫu đủ các thành phần Y, U, V. Ba điểm ảnh kế tiếp chỉ lấy mẫu thành phần độ chói Y mà không lấy mẫu thành phần sắc độ. Khi giải mã, thành phần sắc độ của ba điểm ảnh kế tiếp này phải suy ra từ điểm ảnh đầu. Tuần tự như vậy, cứ bốn lần lấy mẫu thành phần Y có một lần lấy mẫu thành phần U và một lần lấy mẫu thành phần V.
Cấu trúc lấy mẫu 4:2:0 text text text text text text text text text text text text text text text text text text text text text text text text text text text text text Hình vẽ 1.5: Cấu trúc lấy mẫu 4:2:0 Lấy mẫu thành phần độ chói Y tại tất cả các điểm ảnh. Với thành phần sắc độ thì cứ bốn thành phần Y lấy mẫu hai thành phần U và V cách nhau theo từng hàng. Các định dạng video Chuẩn nén H.264 có thể thực hiện việc nén đối với các định dạng khung hình video khác nhau. Trong thực tế, nó thường thu hoặc chuyển đổi sang các định dạng trung gian trước khi thực hiện nén và truyền đi.
Định dạng trung gian thông thường (CIF) là cơ sở cho một tập hợp các định dạng phổ biến được đưa ra trong bảng 1. 4 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.1: Các định dạng khung hình video Độ phân giải của khung Số bit mã hoá cho mỗi khung Định dạng hình thành phần độ chói hình (4:2:2, 8bit cho mỗi mẫu) Sub-QCIF 128x96 147456 QCIF 176x144 304128 CIF 352x288 1216512 4CIF 704x576 4866048 Hình vẽ dưới đây là một ví dụ về thành phần độ chói của một khung hình video được lấy mẫu ở các độ phân giải từ 4CIF tới Sub-QCIF.6: Khung hình video lấy mẫu ở các độ phân giải khác nhau Việc chọn độ phân giải của khung hình tuỳ thuộc vào ứng dụng và khả năng lưu trữ cũng như khả năng truyền dẫn. Ví dụ: 4CIF là phù hợp với truyền hình độ nét tiêu chuẩn và video DVD; CIF và QCIF phù hợp cho các ứng dụng video hội nghị; QCIF hoặc SQCIF phù hợp cho các ứng dụng đa phương tiện trên các điện thoại di động.2 mô tả số các bit cần thiết để mã hoá một khung hình theo mỗi định dạng (với cấu trúc lấy mẫu 4:2:0 và 8 bit biểu diễn cho một mẫu). Một định dạng được sử dụng rộng rãi cho các dữ liệu video số trong các ứng dụng truyền hình là khuyến nghị ITUT-R BT.
Thành phần độ chói của tín hiệu 5 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com video được lấy mẫu với tốc độ 13,5MHz và 6,75MHz đối với các thành phần sắc độ để tạo ra các thành phần Y:U:V theo tỷ lệ 4:2:2. Các thông số của tín hiệu video số đã được lấy mẫu phụ thuộc vào tốc độ khung hình (30Hz đối với tín hiệu NTSC và 25Hz đối với tín hiệu PAL/SECAM) 1. Các phƣơng pháp nén video Mục tiêu chính của việc nén dữ liệu video là biểu diễn một nguồn dữ liệu video bởi một số lượng bit ít nhất có thể được mà vẫn đảm bảo yêu cầu chất lượng cảm thụ hình ảnh của mắt người. Với tín hiệu video, giới hạn dải thông của tín hiệu video tương tự ở vào khoảng 6MHz.
Tín hiệu video sau khi số hoá theo tiểu chuẩn CCIR 601 với tốc độ bit là 270Mbit/s chiếm dải thông không dưới 189MHz, tức là lớn hơn 31,5 lần so với dải thông của tín hiệu tương tự. Do vậy, giảm dải thông là vấn đề quan trọng với công nghệ video số. Về cơ bản việc giảm yêu cầu về dải thông được thực hiện theo bốn cách: Giảm tốc độ dòng bit (Bit Rate Reduction). Nén dòng dữ liệu video số theo không gian - giảm độ dư thừa trong nội tại một khung hình.
Nén dòng dữ liệu theo thời gian - giảm độ dư thừa theo thời gian. Nén hỗn hợp sử dụng tổ hợp các phương pháp trên. Giảm tốc độ dòng bit dựa trên đặc điểm của thị giác ngƣời Do mắt người thường ít nhạy cảm đối với các thành phần sắc độ hơn là thành phần độ chói của hình ảnh nên trong phương pháp này, người ta có thể giảm bớt độ phân giải của thành phần sắc độ mà không làm ảnh hưởng nhiều đến sự cảm thụ về chất lượng hình ảnh (ví dụ như trong các định dạng YUV 4:2:2, 4:2:0, 4:1:1). Phần lớn các định dạng video số hiện nay đều sử dụng tần số lấy mẫu 13,5MHz đối với thành phần độ chói.