Tiểu luận công nghệ MPEG4

TÌM HIỂU VỀ CÔNG NGHỆ MPEG4
I.Lời nói đầu
Với sự phát triển của công nghệ thông tin, và cùng với đó là sự phát triển ngày
càng mạnh mẽ của các ứng dụng truyền thông đa phương tiện , đòi hỏi con người
không ngừng tìm tòi sáng tạo để đáp ứng kịp với xu thế phát triển ấy. Nhờ vào sự
phát triển của các ứng dụng truyền thông đa phương tiện mà chúng ta có thể đưa
âm thanh, hình ảnh, hay các đoạn video đi xa một cách nhanh chóng và thuận tiện.
Song với việc truyền tải một đoạn video có dung lượng lớn đi xa gặp khá nhiều
khó khăn bởi khả năng có hạn của kênh dẫn.Vì vậy các nhà sản xuất đã áp dụng
một số kỹ thuật nén để giúp tối ưu hóa các đoạn video trên, làm giảm dung lượng
phải truyền đi mà chất lượng hình ảnh tương đương với hình ảnh gốc. Một trong
các kỹ thuật nén được sử dụng rộng rãi đó là kỹ thuật nén chuyển động mà tiêu
biểu là chuẩn nén MPEG. Qua quá trình nghiên cứu các chuyên gia đã cho ra đời
chuẩn nén MPEG-4 với nhiều tính năng ưu việt và nó đã nhanh chóng được ứng
dụng rộng rãi trong hệ thống thông tin video nén. MPEG-4 sử dụng một phương
pháp mã hóa video theo từng đối tượng thay vì mã hóa toàn bộ cả một đoạn video,
vì vậy dung lượng video được giảm đi đáng kể mà chất lượng lại không có nhiều
thay đổi .
II. Tổng quan về MPEG4
Tại sao chúng ta cần phải nén video ?
Để xem được 1 đoạn video có chất lượng cao mà dung lượng không quá lớn là 1
điều rất quan trọng và cần thiết. Đó chính là lí do cần phải sử dụng 1 công cụ nén
video nhằm giảm tối đa dung lượng của đoạn video mà chất lượng vẫn đáp ứng
được yêu cầu
Nhu cầu truyền phát các dịch vụ Multimedia mới trên hạ tầng kỹ thuật mạng
Internet đã làm nảy sinh các yêu cầu chức năng không có trong các chuẩn MPEG-
1, MPEG-2,H.26X và các chuẩn nén video trước đó. Sự xuất hiện của chuẩn
MPEG-4 (10/1998) và H264 đã tạo ra một phương thức thiết lập và tương tác mới
1

Tiểu luận công nghệ MPEG4

MPEG-4 là sản phẩm của nhóm MPEG (Moving Picture Expert Group) được
thành lập tháng 01/1988 với nhiệm vụ phát triển các chuẩn xử lý, mã hoá và hiển
thị các ảnh động, audio và các tổ hợp của chúng
Mpeg-4 là chuẩn cho các ứng dụng MultiMedia. Mpeg-4 trở thành một tiêu
chuẩn cho nén ảnh kỹ thuật truyền hình số, các ứng dụng về đồ hoạ và Video
tương tác hai chiều(Games,Videoconferencing) và các ứng dụng Multimedia
tương tác hai chiều (World Wide Web hoặc các ứng dụng nhằm phân phát dữ liệu
Video như truyền hình cáp, Internet Video ).
Mpeg-4 đã trở thành một tiêu chuẩn công nghệ trong quá trình sản xuất, phân
phối và truy cập vào các hệ thống Video. Nó đã góp phần giải quyết vấn đề về
dung lượng cho các thiết bị lưu trữ, giải quyết vấn đề về băng thông của đường
truyền tín hiệu Video hoặc kết hợp cả hai vấn đề trên.
Với MPEG-4, các đối tượng khác nhau trong một khung hình có thể được mô
tả, mã hoá và truyền đi một cách riêng biệt đến bộ giải mã trong các dòng cơ bản
ES (Elementary Stream) khác nhau. Cũng nhờ xác định, tách và xử lý riêng các
đối tượng (như nhạc nền, âm thanh xa gần, đồ vật, đối tượng ảnh video như con
người hay động vật, nền khung hình …), nên người sử dụng có thể loại bỏ riêng
từng đối tượng khỏi khuôn hình. Sự tổ hợp lại thành khung hình chỉ được thực
hiện sau khi giải mã các đối tượng này.
H.264 ( MPEG-4 AVC hay MPEG-4 part 10), hiện đang là phương thức tiên
tiến nhất trong lĩnh vực nén video. H.264 cho chất lượng hình ảnh tốt nhất khi có
cùng dung lượng so với các chuẩn nén khác. H.264 cũng được ứng dụng như thuật
nén chính trong video độ phân giải cao (HD)
Mục tiêu chính của chuẩn nén H.264 đang phát triển nhằm cung cấp Video có
chất lượng tốt hơn nhiều so với những chuẩn nén Video trước đây. Điều này có thể
đạt được nhờ sự kế thừa các lợi điểm của các chuẩn nén Video trước đây. Không
chỉ thế, chuẩn nén H.264 còn kế thừa phần lớn lợi điểm của các tiêu chuẩn trước
đó là H.263 và MPEG-4.

đổi cosine rời rạc (DCT - discrete cosine transform), có nhiệm vụ chuyển đổi một
khối 8x8 pixel thành một tập các hệ số
4
Tiểu luận công nghệ MPEG4

b. MPEG-4 đem lại công cụ nén mới.
Ta hãy xem xét các cộng cụ nén mới mà chuẩn MPEG-4 mang tới lĩnh vực
nén ảnh. Hình 1 so sánh các công cụ của chuẩn MPEG-2 và MPEG-4.
Hình 2.1: công cụ nén mới của MPEG-4 so với MPEG-2.
Chuẩn MPEG-4 đi xa hơn, theo hình 2, nó có thể dự đoán hệ số của toàn bộ
các khối trên một hàng hay hệ số của các khối ở cột bên trái từ một khối đầu tiên.
Hình 2.2: MPEG4 có thể dự đoán các tham số trên 1 hàng, hay các thông số của
cột bên trái từ một khối đầu tiên.
5
Tiểu luận công nghệ MPEG4

Việc dự đoán các hệ số của hàng hay của cột dựa trên nội dung của hình ảnh.
Ví dụ, một ảnh chứa một vật thể theo chiều đứng như cái cọc chẳng hạn. Khi đó
quét ảnh này theo chiều ngang sẽ tạo ra sự thay đổi lớn trong các hệ số sau DCT
khi gặp hình ảnh cái cọc này. Trái lại, khi quét theo chiều đứng thì các khối nằm
trong một cột có các hệ số DCT gần giống nhau, từ đó có thể nén với tỉ lệ nén cao
hơn.
MPEG-4 mở rộng cách dự đoán vector chuyển động. MPEG-4 có thể dự đoán
vector cho một macroblock từ các macroblock ở trên hay ở bên trái, và nó chỉ gửi
đi sự sai khác so với các vector cũ mà thôi. Do đó giảm đi dữ liệu cần thiết dùng
để mã hoá một vector, cho phép có thể dùng một vector cho mỗi khối DCT. Việc
dự đoán chuyển động sẽ tốt hơn với 4 vector, giảm nhỏ lỗi khi dự đoán.
Chất lượng hình ảnh có thể được cải thiện đáng kể bằng cách dùng tỉ lệ nén dữ
liệu lớn hơn mà không cần thay đổi độ phân giải. Mpeg không phải là một công cụ
nén đơn lẻ mà ưu điểm của nén Mpeg chính là ở chỗ nó có một tập hợp các công

Truyền thông multimedia theo dòng (Multimedia stream), trong đó dòng audio
và video sẽ được biến đổi thích nghi với yêu cầu băng thông và chất lượng hình
nhờ loại bỏ những đối tượng (hình ảnh, âm thanh) không cần thiết khỏi dòng dữ
liệu và đồng bộ các thông tin được nhúng trong dòng dữ liệu đó. Thêm vào đó,
MPEG-4 sẽ cho phép người sử dụng khả năng tương tác trực tiếp với dòng dữ liệu
(dừng tiến hay lùi nhanh, kích chuột để kích hoạt các tuỳ chọn video và audio…)
Lưu giữ và phục hồi dữ liệu audio và video: do MPEG-4 phân chia các khung
hình thành các đối tượng, việc trình duyệt Browser trên cơ sở nội dung (đối tượng)
mong muốn sẽ được thực hiện một cách dễ dàng và nhờ vậy, các ứng dụng lưu giữ
hay phục hồi thông tin trên cơ sở nội dung MPEG-4 sẽ được thuận lợi hơn.
8
Tiểu luận công nghệ MPEG4

Truyền thông báo đa phương tiện: các thông báo dưới dạng text, audio và
video MPEG-4 sẽ được truyền đi với yêu cầu băng thông ít hơn, và có khả năng tự
điều chỉnh chất lượng cho phù hợp với khả năng băng thông của thiết bị giải mã.
Thông tin giải trí: những sự trình diễn nghe nhìn tương tác (thế giới ảo, trò
chơi tương tác …) có thể được triển khai trên cơ sở chuẩn MPEG-4 sẽ làm giảm
yêu cầu về băng thông và làm cho thế giới ảo trở nên sinh động và giống như thực
tế trên các trang web
3.Nhược điểm
Tuy nhiên cũng có một số nhược điểm là bộ giải mã phải có khả năng giải mã hết
tất cả các luồng bit mà nó hổ trợ và có khả năng kết hợp. Do đó phần cứng của bộ
giải mã MPEG-4 phức tạp hơn so với bộ giải mã MPEG-2. Và ngày nay thì càng có
nhiều bộ mã thực hiện giải mã bằng phần mềm nhưng bộ giải mã bằng phần cứng có
thể bị hạn chế về khả năng linh hoạt
9
Tiểu luận công nghệ MPEG4

III. Công nghệ mã hóa video trong MPEG-4

từng đối tượng khỏi khuôn hình. Sự tổ hợp lại thành khung hình chỉ được thực
hiện sau khi giải mã các đối tượng này.
Hình 3.1. Cấu trúc của bộ mã hoá và giải mã video MPEG-4
3.1.Các bộ phận chức năng chính trong các thiết bị MPEG-4 bao gồm:
- Bộ mã hoá hình dạng ngoài Shape Coder dùng để nén đoạn thông tin, giúp
xác định khu vực và đường viền bao quanh đối tượng trong khung hình scene.
- Bộ dự đoán và tổng hợp động để giảm thông tin dư thừa theo thời gian.
- Bộ mã kết cấu mặt ngoài Texture coder dùng để xử lý dữ liệu bên trong và
các dữ liệu còn lại sau khi đã bù chuyển động.
11
Tiểu luận công nghệ MPEG4

Hình 3.2. Sơ đồ cấu trúc giải mã video MPEG-4
Hình 3.2 là một ví dụ về tổng hợp khung hình video sử dụng trong MPEG-4.
Nhiều đối tượng được tách ra khỏi video đầu vào. Mỗi đối tượng video sau đó
được mã hóa bởi bộ mã hoá đối tượng video VO (Video Object) và sau đó được
truyền đi trên mạng. Tại vị trí thu, những đối tượng này được giải mã riêng rẽ nhờ
bộ giải mã riêng VO và gửi tới bộ compositor. Người sử dụng có thể tương tác với
thiết bị để cấu trúc lại khung hình gốc, hay để xử lý các đối tượng tạo ra một
khung hình khác. Ngoài ra, người sử dụng có thể download các đối tượng khác từ
các thư viện cơ sở dữ liệu (có sẵn trên thiết bị hay từ xa thông qua mạng LAN,
WAN hay Internet) để chèn thêm vào hay thay thế các đối tượng có trong khuôn
hình gốc.
Để có thể thực hiện việc tổ hợp khung hình, MPEG-4 sử dụng một ngôn ngữ
mô tả khung hình riêng, được gọi là định dạng nhị phân cho khung hình BiFS
(Binary Format for Scenes). BiFS không chỉ mô tả ở đâu và khi nào các đối tượng
xuất hiện trong khung hình, nó cũng mô tả cách thức hoạt động của đối tượng (làm
cho một đối tượng xoay tròn hay chồng mờ hai đối tượng lên nhau) và cả điều
kiện hoạt động đối tượng và tạo cho MPEG-4 có khả năng tương tác. Trong
12

13
Tiểu luận công nghệ MPEG4

Hình 3.3 sơ đồ thuật toán nén ảnh (a)
Hình 3.4 sơ đồ thuật toán nén ảnh (b)
3.3 Dự đoán và tổng hợp động
Mỗi lớp video bao gồm các đối tượng riêng rẽ . Mỗi đối tượng riêng rẽ ấy gọi
là VOP. Khi 1 VOP được tách ra,VOP đó sẽ được đưa vào bộ mã hóa và được
thực hiện mã hóa như sau :
14
Tiểu luận công nghệ MPEG4

Hình 3.6 Cấu trúc mã hóa một VOP
3.3.1 Ước lượng chuyển động
Nén Mpeg là sự kết hợp hài hoà của bốn kỹ thuật cơ bản: Tiền xử lý
(Preprocessing), đoán trước sự chuyển động của các khung hình (Picture) ở bộ mã
hoá (Temporal Prediction), bù chuyển động ở bộ giải mã (Motion Compensation)
và mã lượng tử hoá (Quatization Coding).Các bộ lọc tiền xử lý sẽ lọc ra những
thông tin không cần thiết từ tín hiệu Video và những thông tin khó mã hoá nhưng
không quan trọng cho sự cảm nhận của mắt người. Kỹ thuật đoán chuyển động
dựa trên nguyên tắc là các khung hình trong một cảnh Video (Video Sequence)
dường như có liên quan mật thiết với nhau theo thời gian: Mỗi khung hình tại một
thời điểm nhất định sẽ có nhiều khả năng giống với các khung hình đứng ngay
phía trước và ngay phía sau nó. Các bộ mã hoá sẽ tiến hành quét lần lượt từng
phần nhỏ trong mỗi khung hình gọi là MB, sau đó nó sẽ phát hiện MB nào không
thay đổi từ khung hình này tới khung hình khác. Bộ mã hoá sẽ dự đoán trước sự
xuất hiện của các MB khi biết vị trí và hướng chuyển động của nó. Do đó chỉ
những sự thay đổi giữa các MB trong khung hình hiện tại và các MB được dự
đoán mới được truyền tới bên phía thu.
15

Tiểu luận công nghệ MPEG4

Hình 3.7 : Cấu trúc giải mã VOP
3.5 Mã hóa theo lớp video
MPEG-4 cho phép mã hóa nhiều lớp của video. Những bit nén của VOP
trong chuỗi video bao gồm một số lớp, bao gồm các lớp cơ sở và một số (1 hoặc
nhiều hơn) về lớp tăng cường.
Các lớp cơ sở là rất cần thiết cho tái tạo lại các đoạn video, trong khi lớp tăng
cường đóng góp vào nâng cao chất lượng tại các bít bổ xung. Các tỉ lệ nén của lớp
tăng cường là sự kết hợp giữa hiệu quả mã hóa và chất lượng video. Tính hữu
dụng của mã hóa đa lớp được sản xuất trong một đoạn video mở rộng. Nếu các
kênh có thể xử lý theo tốc độ cao, nhiều lớp tăng cường được sử dụng để cải thiện
chất lượng dịch vụ. Ngược lại, trong tình huống như nghẽn mạng lưới liên kết, chỉ
có các cơ sở là lớp truyền để tránh nghẽn mạng và đảm bảo tối đa chất lượng của
video có thể thực hiện được. Các lớp nâng cao được hình thành bởi các dự đoán
bỏ qua các khung của chuỗi từ các mã lớp cơ sở, thông thường người ta sử dụng
lượng tử hóa
Tuy nhiên, chỉ có mã hóa lớp cơ sở thì sự giảm bit với một tỷ lệ không đáng
kể. Điều này nghĩa là đối với giới hạn băng thông của các kênh hoặc sự nghẽn
mạng khi quá trình truyền bit thấp, các lớp tăng cường có thể bỏ qua mà không
gây thiệt hại nghiêm trọng đến khôi phục chất lượng hình ảnh.
17
Tiểu luận công nghệ MPEG4

3.6 Đánh giá hiệu quả
Như ta đã biết , MPEG-4 mã hóa video theo định hướng đối tượng, mỗi VOP
được phát hiện trong một khung xem như là một tổ chức được mã hóa riêng biệt.
MPEG-4 sử dụng kỹ thuật chất lượng nâng cao như dự đoán 1/2 điểm ảnh chuyển
động, những dự đoán cao cấp và các chế độ véc tơ chuyển động không bị giới hạn.
Vì vậy,chúng ta sẽ kết luận rằng các cơ sở mã hóa video MPEG-4 cho kết quả dự

Khai thác sự phụ thuộc tạm thời của các Block của các hình ảnh liên tiếp bởi
vậy chỉ cần mã hoá những chi tiết thay đổi giữa các ảnh liên tiếp. Việc này được
thực hiện thông qua dự đoán và bù chuyển động. Với bất kỳ Block nào cũng có thể
được thực hiện từ một hoặc vài ảnh mã hoá trước đó hay ảnh được mã hoá sau đó
để quyết định véc tơ chuyển động, các véc tơ này được sử dụng trong bộ mã hoá
và giải mã để dự đoán các loại Block.
Khai thác tất cả sự dư thừa về không gian còn lại trong ảnh bằng việc mã các
block dư thừa. Ví dụ như sự khác biệt giữa block gốc và Block dự đoán sẽ được
mã hoá thông qua quá trình biến đổi, lượng tử hoá và mã hoá Entropy.
4.1. Cơ chế nén ảnh của MPEG-4 AVC (H.264)
Với chuẩn nén H.264, mỗi hình ảnh được phân chia thành nhiều Block, mỗi
block tương ứng với một số lượng nhất định các MacroBlock.
Ví dụ một hình ảnh có độ phân giải QCIF (tương đương với số lượng điểm ảnh
176x144) sẽ được chia thành 99 MacroBlock với kích cỡ 16x16. Một sự phân
đoạn các MacroBlock tương tự được sử dụng các kích cỡ ảnh khác. Thành phần
chói của ảnh được lấy mẫu tương ứng với độ phân giải của ảnh đó, trong khi đó
thành phần màu CR và CB được lấy mẫu với tần số thấp hơn theo 2 chiều ngang
và dọc. Thêm vào đó mỗi hình ảnh có thể được phân thành số nguyên lần các lát
mỏng (slice), việc này rất có giá trị cho việc tái đồng bộ trong trường hợp lỗi dữ
liệu.
Mỗi hình ảnh thu được được xem như một ảnh I. Ảnh I là ảnh được mã hoá bởi
việc áp dụng trực tiếp các phép biến đổi lên các MacroBlock khác nhau trong ảnh.
Các ảnh I được mã hoá sẽ có kích cỡ lớn bởi nó được xây dựng từ một khối lượng
lớn thông tin của bản thân ảnh hiện tại mà không sử dụng bất cứ thông tin nào từ
miền thời gian trong quá trình xử lý mã hoá để tăng hiệu quả xử lý mã hoá bên
trong trong H.264.
4.1.1. Giảm bớt độ dư thừa
Cũng giống như các bộ lập giải mã khác, H.264 nén video bằng cách giảm bớt
độ dư thừa cả về không gian và thời gian trong hình ảnh. Những dư thừa về mặt
thời gian là những hình ảnh giống nhau lặp đi lặp lại từ khung (frame) này sang

cao, năng lượng thấp và có giá trị thấp. Hệ số DC và một vài hệ số tần số thấp sẽ
hàm chứa phần lớn thông tin được mô tả trong khối ban đầu. Điều này có nghĩa là
bộ lập mã có thể loại bỏ phần lớn hệ số tần số cao còn lại mà không làm giảm
đáng kể chất lượng hình ảnh của khối.
Bộ lập mã chuẩn bị các hệ số cho công đoạn này bằng cách quét chéo mạng
lưới theo đường zig-zag, bắt đầu từ hệ số DC và qua vị trí của các hệ số ngang dọc
tăng dần. Do vậy nó tạo ra được một chuỗi hệ số được sắp xếp theo tần số.
* Lượng tử hoá và mã hoá entropy:
Tại đây thao tác nén không gian mới thực sự diễn ra. Dựa trên một hệ số tỷ lệ
(có thể điều chỉnh bởi bộ mã hoá), bộ lượng tử hoá sẽ cân đối tất cả các giá trị hệ
số. Do phần lớn hệ số đi ra từ DCT đều mang năng lượng cao nhưng giá trị thấp
nên bộ lượng tử hoá sẽ làm tròn chúng thành 0. Kết quả là một chuỗi các giá trị hệ
số đã được lượng tử hoá bắt đầu bằng một số giá trị cao ở đầu chuỗi, theo sau là
một hàng dài các hệ số đã được lượng tử hoá về 0. Bộ lập mã entropy có thể theo
dõi số lượng các giá trị 0 liên tiếp trong một chuỗi mà không cần mã hoá chúng,
nhờ vậy giảm bớt được khối lượng dữ liệu trong mỗi chuỗi.
4.2. Các ưu điểm nổi bật của chuẩn nén MPEG4-AVC
4.2.1. Ưu điểm của nén không gian
Chuẩn nén MPEG-4 AVC có hai cải tiến mới trong lĩnh vực nén không gian.
Trước hết, bộ lập mã này có thể tiến hành nén không gian tại các macroblock
16x16 điểm ảnh thay vì các block 8x8 như trước đây. Điều này giúp tăng cường
đáng kể khả năng nén không gian đối với các hình ảnh có chứa nhiều khoảng lớn
các điểm ảnh giống nhau.
Thứ hai là thao tác nén được tiến hành trong miền không gian trước khi công
đoạn DCT diễn ra. Chuẩn nén MPEG-4 AVC so sánh macroblock hiện thời với
các macroblock kế bên trong cùng một khung, tính toán độ chênh lệch, và sau đó
sẽ chỉ gửi đoạn chênh lệch tới DCT. Hoặc là nó có thể chia nhỏ macroblock 16x16
điểm ảnh thành các khối 4x4 nhỏ hơn và so sánh từng khối này với các khối kế
bên trong cùng một macroblock. Điều này giúp cải thiện khả năng nén ảnh chi tiết.
4.2.2. Ưu điểm của nén thời gian

điểm ảnh, trong khi các chuẩn MPEG trước đây chỉ dừng lại ở mức 1/2 điểm ảnh.
Khả năng đạt mức chính xác 1/8 ảnh điểm của MPEG-4 AVC giúp tăng hiệu suất
mã hoá tại tốc độ bit cao và độ phân giải video cao. Các thử nghiệm cho thấy độ
chính xác đến 1/4 điểm ảnh có thể làm giảm tốc độ bit xuống hơn 15% so với độ
chính xác 1 điểm ảnh.
* Chọn nhiều hình tham chiếu:
Chuẩn nén MPEG-2 chỉ dựa trên 2 khung tham chiếu để dự đoán các chuyển
động mang tính chu kỳ, giống như trong trò kéo quân. Tuy nhiên, khi camera thay
đổi góc quay hay chuyển qua chuyển lại giữa các cảnh, việc chỉ sử dụng 2 khung
tham chiếu không còn phù hợp để dự đoán chính xác chuyển động. Tương tự như
vậy, để đoán trước các chuyển động phức tạp như sóng biển hay một vụ nổ, ta cần
phải có nhiều hơn 2 khung tham chiếu. Vì thế, chuẩn MPEG-4 AVC cho phép có
tới 5 khung tham chiếu phục vụ cho việc mã hoá giữa khung. Kết quả là chất
lượng video tốt hơn và hiệu suất nén cao hơn.
* Giải khối tích hợp:
Video số sau khi nén thường tạo ra một hiệu ứng gọi là "kết khối", có thể thấy
rõ tại điểm giao nhau giữa các khối, đặc biệt là khi có tốc độ bit thấp. Hiệu ứng
này là do công đoạn xử lý sử dụng nhiều loại chuyển động và bộ lượng tử khác
nhau. Đối với MPEG-2, cách duy nhất để ngăn chặn hiệu ứng này là sử dụng các
cơ chế hậu xử lý phù hợp, tuy nhiên các cơ chế này lại không tương thích được với
tất cả các máy thu. Chuẩn nén MPEG-4 AVC đưa vào sử dụng một bộ lọc giải
khối hoạt động ở hai cấp độ: macroblock 16x16 và khối 4x4. Việc giải khối
thường tạo ra một tỉ số tín hiệu trên nhiễu (PSNR) cực điểm thấp hơn, tuy nhiên
nhìn một cách chủ quan thì nó tạo ra hình ảnh chất lượng tốt hơn.