LUẬN VĂN

Nén ảnh động dùng
Wavelet
0
Bộ giáo dục và đào tạo
TRờNG ĐạI Học BáCH KHOA Hà Nội
------------------------------------------------

Luận văn thạc sĩ khoa học

nén ảnh động dùng wavelet

Ngành: Điện tử viễn thông Nguyễn Hữu phát Ngời hớng dẫn khoa học
: PGS TS. Hồ Anh Tuý
....................................................... 11

1.1.2.4. Nén hỗn hợp sử dụng tổ hợp các phơng pháp trên.......................... 11

1.1.3. Tham số nén Video............................................................................... 11

1.2. Giới thiệu chung về chuẩn MPEG ........................................................... 12

1.3. Các khái niệm cơ bản trong nén Video theo chuẩn MPEG.
..................... 14

1.3.1. Cấu trúc phân cấp Video theo chuẩn MPEG. ...................................... 14

1.3.2. Phân loại frame Video.......................................................................... 17

1.3.3. Nhóm ảnh (GOP: Group Of Picture).
................................................... 19

1.4. Phơng pháp nén ảnh Video theo chuẩn MPEG.
..................................... 21

1.4.1. Mô hình tổng quát bộ mã hoá Video theo chuẩn MPEG...................... 21

1.4.2. Lấy mẫu thông tin về màu..................................................................... 22

1.4.3. Lợng tử hoá.
........................................................................................ 23

1.4.4. Nội suy ảnh.
.......................................................................................... 23

1.6.3. Mô hình mã hoá scalable theo MPEG-2. ............................................38

Chơng 2 M hoá SCALABLE VIDEO ..............................................42

2.1. Băng lọc 1/2 pixel biến đổi ngợc theo thời gian - tính toán bù chuyển
động................................................................................................................42

2.1.1. Giới thiệu............................................................................................... 44

2.1.2. Thuật toán
............................................................................................. 46

2.1.2.1 Mô hình Video phổ biến
...................................................................... 46

2.1.2.2. Quét luỹ tiến Video với véctơ chuyển động chính xác 1/2 điểm ảnh .49

2.1.2.3. Di chuyển cục bộ mở rộng ................................................................. 51

2.1.3. Ba tham số mã hoá băng con sử dụng IMCTF
..................................... 54

2.1.4. Kết quả thực nghiệm
............................................................................. 55

2.1.5. Tóm tắt và kết luận
................................................................................ 59

2.2. Mã hoá scalable video.............................................................................. 61


2.2.5.1. So sánh với mã hoá Nonscalable....................................................... 81

2.2.5.2. So sánh mã hoá LZC và 3D-SPIHT........................................................ 83

2.2.5.3. Mã hoá tốc độ đa phân giải
................................................................... 86

2.2.6. Tóm tắt và kết luận
................................................................................ 91

Chơng 3 Đối tợng-cơ sở m hoá SCALABLE ............... 95

3.1. Đối tợng cơ bản - Cơ sở mã hoá............................................................. 97

3.1.1 Mặt phẳng đối tợng Video.................................................................... 97

3.1.2. Công cụ mã hoá cho đối tợng Video................................................... 98

3.1.2.1. Định dạng mã hoá
.............................................................................. 98

3.1.2.2. Cấu trúc mã hoá
................................................................................ 99

3.2. Đối tợng-Cơ sở mã hoá sử dụng EZBC................................................ 100

3
3.2.1. Tổng quan
........................................................................................... 101


Kết luận
..................................................................................................118

1.
ứ
ng dụng luận văn
.................................................................................... 118

2. Hớng phát triển cho tơng lai
................................................................. 119

TàI LIệU THAM KHảO ............................................................................. 120

PHụ LụC...................................................................................................... 122

THUậT NGữ tiếng anh ......................................................................... 122

4
Lời nói đầu

Trong những năm gần đây do sự phát triển mạnh mẽ của Internet nên vấn
đề truyền dữ liệu trên mạng đặc biệt là truyền ảnh và âm thanh đợc quan
tâm. Do đó việc nén dữ liệu đặc biệt dữ liệu phim ảnh là cần thiết hơn bao giờ
hết. Trong phạm vi luận văn này tôi tập trung vào việc nén dữ liệu video.
Đối với nén ảnh động, chuẩn MPEG(Moving Photographic Experts
Group) đã đợc xác lập bởi ISO và IEC. Đây là một kỹ thuật nén ảnh động đã
mang lại nhiều thành công. Nó có thể đạt tỷ lệ nén khá cao 10:1 mà mắt
thờng khó phân biệt đợc. Tuy nhiên đây vẫn cha phải là tỷ lệ cao tối u.
Sự ra đời của Wavelet đã mở ra một công nghệ mới. Đó là chuẩn
MJPEG2000. Sự ra đời của MJPEG2000 mở ra một tơng lai mới cho kỹ


1.1.1. Khái niệm Video
Video là sự biểu diễn điện tử của một chuỗi các ảnh liên tiếp. Những
ảnh này là những ảnh tĩnh và đợc gọi là các frame. Chuỗi các frame xuất
hiện với tốc độ rất nhanh sẽ cho ta cảm giác chuyển động liên tục (tối thiểu là
25frame/giây). Mặc dù mỗi frame có sự khác nhau, cần thiết phải có tốc độ
frame cao để đạt đợc cảm giác chuyển động thực sự. Tốc độ frame và độ
phân giải của mỗi frame là các nhân tố quan trọng ảnh hởng trực tiếp đến
chất lợng Video. Trong truyền hình, độ phân giải của truyền hình là 720x576
và tốc độ frame là 25 hoặc 30 Hz.
1.1.1.1. Không gian mầu (Color Space)
Dựa theo lý thuyết về ảnh màu, cảm thụ về màu của mắt trên cơ sở 3
màu cơ bản: màu đỏ (Red), màu lục (Green) và màu lam (Blue).
Trong hệ màu RGB, các màu có thể đợc mô tả là các điểm bên trong
hình lập phơng đơn vị, với gốc toạ độ (0, 0, 0) là màu đen; 3 thành phần R
(đỏ), G (lục), B (lam) biểu diễn cho 3 trục.
Một hệ thống biểu diễn màu khác đợc sử dụng chính trong lĩnh vực
truyền hình nhằm giúp việc số hóa đợc thuận lợi hơn là hệ màu YUV, miêu
tả mỗi ảnh trong Video gồm các thành phần độ chói (Y) và sắc màu (UV). Hệ
màu này nhằm đạt đợc hiệu suất truyền cao hơn, và giữ nguyên tính tơng
thích với hệ số truyền hình màu đen trắng. Thành phần chói (
luminance) cung
cấp giá trị mức xám của ảnh, hai thành phần còn lại mang thông tin về màu
sắc (chrominance) để chuyển đổi từ ảnh xám sang ảnh màu.
Đồ án cao học ĐTVT 2003
Nguyễn Hữu Phát
6
Chuyển đổi RGB sang YUV đợc thực hiện theo chuẩn CCIR 601 nh
sau:
Y = 0.299R + 0.587G + 0.114B

Cấu trúc lấy mẫu

Đồ án cao học ĐTVT 2003
Nguyễn Hữu Phát
7
Trong truyền hình, các frame trong chuỗi Video có độ phân giải là 720
x 576 điểm và có tốc độ frame là 25 hoặc 30Hz. Mỗi ảnh trong chuỗi Video
đợc lấy số hoá nh hình 1.1.
Cấu trúc 4: 2: 2
Giả sử một dòng ngang của TV gồm 720 điểm ảnh.

Hình 1.2.
Cấu trúc lấy mẫu 4: 2: 2
Việc lấy mẫu sẽ tuần tự diễn ra nh sau:
- Điểm đầu lấy mẫu tín hiệu chói (Y) và lấy mẫu 2 màu (C
B
, C
R
).
- Điểm tiếp theo chỉ lấy mẫu tín hiệu chói (Y) và không lấy mẫu 2 tín
hiệu. Khi giải mã, màu suy ra từ điểm ảnh trớc.
Tuần tự nh vậy, cứ 4 lần lấy mẫu Y, có 2 lần lấy mẫu C
R
, 2 lần lấy mẫu C
B
.
Cấu trúc 4: 1: 1

Hình 1.3.
Cấu trúc lấy mẫu 4: 1: 1


Hình 1.5.
Cấu trúc lấy mẫu 4: 4: 4
1.1.2. Các phơng pháp nén Video
Mục tiêu chính của việc nén tín hiệu Video là biểu diễn một nguồn tín
hiệu Video bằng một số bit ít nhất có thể đợc mà vẫn đảm bảo yêu cầu chất
lợng cảm thụ. Với tín hiệu Video, giới hạn dải thông của tín hiệu tơng tự
khoảng 6MHz, trong khi tín hiệu Video số hoá theo tiểu chuẩn CCIR 601 với
tốc độ bit là 270Mbit/s chiếm dải thông không dới 189MHz, tức là lớn hơn
31,5 lần so với dải thông của tín hiệu tơng tự. Chính vì vậy, giảm dải thông là
vấn đề quan trọng với công nghệ Video số.
Về cơ bản giảm dải thông đợc thực hiện bằng 4 cách:
- Giảm tốc độ dòng bit (bit Rate Reduction - BRR).
Đồ án cao học ĐTVT 2003
Nguyễn Hữu Phát
9
- Nén dòng tín hiệu Video số theo không gian, tức giảm độ d thừa
trong một số frame (spatial redundancy).
-
Nén dòng tín hiệu theo thời gian, tức giảm độ d thừa theo thời
gian (temporal redundancy).
- Nén hỗn hợp sử dụng tổ hợp các phơng pháp trên.
1.1.2.1. Giảm tốc độ dòng bit.
Có hai phơng pháp giảm tốc độ dòng bit.
Cách thứ nhất dựa trên đặc điểm sinh lý của mắt ngời. Mắt ngời
không nhạy cảm với các tín hiệu màu nên trong phơng pháp này, ngời ta
giảm bớt độ phân giải các tín hiệu màu.
Cách thứ hai dựa trên ý nghĩa của các bit lợng tử hoá các điểm ảnh.
Với 8 bit lợng tử hoá, các bit của byte này đợc chia làm hai nhóm: nhóm có
ý nghĩa hơn (MMB-More Meaning Bit) và nhóm ít ý nghĩa hơn (LMB-Less

Với định dạng 4: 1: 1 và 4: 2: 0, tốc độ dòng bit còn đợc cắt giảm
nhiều hơn. Với 8 bit lấy mẫu, tốc độ dòng bit tính cho PAL là:
(720 +180 +180) x 576 x 8 x 25 = 124.4 Mbit/s.
tức là giảm đợc 50% so với nguyên mẫu 4: 4: 4.
1.1.2.2. Nén dòng tín hiệu Video số theo không gian
Gần nh tất cả các ảnh đều chứa một số lợng lớn các giá trị dữ liệu
thông tin giống nhau. Trong các hệ thống không giảm dữ liệu, các dữ liệu
giống nhau này đợc lặp lại để tạo lại các vùng đều nhau trong một ảnh (ví dụ,
bầu trời xanh), và do đó có thông tin d thừa trong dòng dữ liệu.
Để giảm độ d thừa trong một frame, ta sử dụng các phơng pháp nén
ảnh. Các phơng pháp nén ảnh có thể chia làm 2 loại:

Nén không tổn hao (lossless compression): là phơng pháp nén mà tín hiệu
gốc đối chiếu với tín hiệu đợc nén (mã hoá), sau đó giải nén (giải mã) thì
không có sự phân biệt.

Nén có tổn hao (lossy compression): là phơng pháp nén mà tín hiệu gốc
có sự khác biệt với tín hiệu đợc khôi phục sau khi nén và giải nén.

Chất lợng hình ảnh của các thiết bị dùng phơng pháp nén không tổn hao
là rất tốt, có thể so sánh đợc với chất lợng ảnh không nén. Tuy nhiên, tỉ
số nén của phơng pháp này rất thấp. Chính vì vậy, các u điểm của việc
Đồ án cao học ĐTVT 2003
Nguyễn Hữu Phát
11
nén tín hiệu không đợc phát huy một cách tối đa, giá thành thiết bị vẫn
còn rất cao.
Để nâng tỉ số nén, phát huy tối đa u điểm của việc nén tín hiệu,
phơng pháp nén có tổn hao đợc sử dụng trong hầu hết các thiết bị hiện nay.
Có hai định dạng nén đợc áp dụng rộng rãi trong các thiết bị truyền hình, nén

Ví dụ: với tốc độ bit dữ liệu ảnh gốc 166 Mbit/s ở trên áp dụng vào máy
ghi hình đĩa PDR-100 (Tektronix), và giả sử chất lợng nén tơng đơng
24Mbit/s, thì tỉ số nén là 166/24 = 6.92.
1.2. Giới thiệu chung về chuẩn MPEG
Chuẩn MPEG (Moving Picture Expert Group) đợc xây dựng và phát
triển bởi các tổ chức ISO và IEC (International Electrotechnical Commission)
với mục đích mã hoá tín hiệu hình ảnh và âm thanh cho DSM (
Digital Storage
Media), DSS (Digital Satellite System), HDTV (High Definition Television),
VideoConferencing, Internet Video, và các ứng dụng Video số. Chuẩn MPEG
ngày càng đợc sử dụng rộng rãi trong nhiều ứng dụng lu trữ, truyền thông
đa phơng tiện, và đợc biết đến với các chuẩn MPEG-1, MPEG-2, MPEG-4,
MPEG-7.

MPEG-1 (~1992): mã ISO/IEC 11172, là chuẩn đầu tiên của MPEG nhằm
mục đích nén Video có kích thớc khuôn hình 320x240 cho dòng dữ liệu
có tốc độ từ 1 đến 1.5 Mb/s trong các ứng dụng DSM (nh công nghệ ghi
VCD), vô tuyến truyền hình.

MPEG-2 (~1995): mã ISO/IEC 13818, là chuẩn dành cho giải pháp cao
hơn dùng trong studio số, DVD, truyền hình số và HDTV. Khác với
MPEG-1 tín hiệu Video luôn là quét liên tục (progressive), MPEG-2 áp
dụng cho cả quét liên tục và quét xen kẽ (interlace). Tốc độ dòng dữ liệu
lên tới 15 Mb/s.
Tốc độ dữ liệu ảnh gốc
Tỉ số nén =
Tốc độ dữ liệu ảnh nén
Đồ án cao học ĐTVT 2003
Nguyễn Hữu Phát
13

Block: Là các khối kích thớc 8x8 điểm ảnh của tín hiệu chói và màu đợc
dùng để biến đổi DCT.

Macroblock: Một Macroblock là một nhóm các khối DCT (theo nội dung
thông tin) trong ảnh gốc. Header của Marcroblock chứa thông tin về các
khối độ chói và độ màu, và thông tin bù chuyển động. Có ba loại
Macroblock (phân loại theo phơng pháp mã hoá Macroblock):
u
Skipped MB:
sử dụng dự đoán từ
frame
giải mã trớc đó với véctơ
chuyển động bằng 0. Không có thông tin về Macroblock đợc giải
mã cũng nh đợc truyền đến nơi nhận.
u Inter MB: sử dụng dự đoán bù chuyển động từ frame trớc đó. Do
đó, cần truyền đi kiểu MB, địa chỉ MB, vectơ chuyển động, các hệ
số DCT và kích thớc bớc lợng tử.
u Intra MB: không dùng dự đoán từ frame trớc đó. Nên chỉ cần
truyền kiểu MB, địa chỉ MB, các hệ số DCT và kích thớc bớc
lợng tử đến nơi nhận.

Slice: Slice cung cấp khả năng phòng ngừa sự sai lệch dữ liệu. Khi gặp lỗi
trong dòng bit của một ảnh, bộ giải mã có thể khôi phục bằng cách đợi
Slice tiếp theo mà không phải huỷ bỏ toàn bộ ảnh. Slice chứa header và một
hoặc nhiều Macroblock liên tiếp. Kích thớc Slice cực đại có thể là toàn
cảnh, kích thớc cực tiểu có thể là một
Macroblock
. Header của
Slice
chứa

ngang và đứng của mỗi ảnh, tỉ lệ pixel, tốc độ bit của ảnh trong chuỗi, tốc
độ ảnh và các kích thớc tối thiểu của bộ nhớ cho bộ giải mã, . . . . để khởi
gán trạng thái của bộ giải mã. Chuỗi Video và thông tin header tạo thành
dòng bit mã hoá, đợc gọi là dòng sơ cấp Video ES (elementary stream).
§å ¸n cao häc §TVT 2003
NguyÔn H÷u Ph¸t
16

H×nh 1.7.
C¸c líp video theo chuÈn MPEG

H×nh 1.8. C
Êu tróc dßng d÷ liÖu MPEG
Đồ án cao học ĐTVT 2003
Nguyễn Hữu Phát
17
1.3.2. Phân loại frame Video.
Căn cứ vào đặc tính của
Video
có sự d thừa không gian và d thừa thời
gian để đa ra hai phơng pháp nén giảm độ d thừa không gian (mã hoá
intraframe) và nén giảm độ d thừa thời gian tơng ứng (mã hoá
intrerframe), và do đó chia các frame Video thành 3 loại là: frame I, frame
P, frame B.

Frame I (
I
ntra
C
oded

Frame B (
B
idirectionally
P
redicted
0
icture):
Bộ mã hoá cũng có thể sử dụng đồng thời dự đoán thuận và ngợc. Những
frame này gọi là frame dự đoán nội suy 2 chiều (Bi-directional
Interpolated Prediction), hay frame B. Không nh frame I (đợc dự đoán
độc lập) và frame P (đợc dự đoán dựa vào frame I hoặc P trớc đó), frame
B đợc dự đoán 2 chiều dựa vào cặp frame I và P, hoặc P và P, hoặc P và I
(với
frame
I của nhóm ảnh tiếp theo). Việc sử dụng thông tin lấy từ ảnh
trong tơng lai hoàn toàn có thể thực hiện đợc vì tại thời điểm mã hoá thì
bộ mã hoá đã sẵn sàng truy cập tới ảnh phía sau. Frame B cho tỉ lệ nén cao
nhất, và không đợc dùng làm frame tham chiếu.
Theo phơng pháp nén này, frame I gọi là frame intra (sử dụng kỹ thuật
mã hoá intraframe), frame P và B gọi là các frame Inter (sử dụng kỹ thuật mã
hoá interframe).
Đồ án cao học ĐTVT 2003
Nguyễn Hữu Phát
19
Một thuận lợi khi sử dụng nhiều loại frame là để theo dõi dữ liệu trong
quá trình truyền, nếu có frame bị mất (thờng là frame P hoặc frame B) thì
chất lợng Video cũng không bị ảnh hởng nhiều.
Kích thớc các frame đợc minh hoạ trong hình vẽ sau:

Hình 1.10. K

ảnh trong một nhóm và m - số khoảng cách cho ảnh B. Nh ví dụ trên n=9 và
m=3.
Đồ án cao học ĐTVT 2003
Nguyễn Hữu Phát
21
1.4. Phơng pháp nén ảnh
Video
theo chuẩn MPEG.
1.4.1. Mô hình tổng quát bộ mã hoá Video theo chuẩn MPEG.
Nén Video số nhằm mục đích loại bỏ d thừa không gian và d thừa
thời gian trong chuỗi Video mà không ảnh hởng đến mức độ cảm thụ của mắt
ngời.
Trong phơng pháp nén Video theo chuẩn MPEG có hai kỹ thuật nén
đợc sử dụng là:

Kỹ thuật mã hoá Intra frame: Kỹ thuật mã hoá Intra frame nhằm giảm
độ d thừa không gian trong một frame. Kỹ thuật này xuất phát từ mối
tơng quan không gian giữa các điểm ảnh trong một ảnh, từ đó để nén ảnh
hiệu quả. Phơng pháp đợc sử dụng để giảm d thừa không gian là kỹ
thuật mã hoá biến đổi Cosine rời rạc (DCT) trên các khối 8x8 điểm ảnh.
Kỹ thuật này đã đợc sử dụng trong phơng pháp nén ảnh tĩnh trình bày ở
Chơng 2.

Kỹ thuật mã hoá Inter frame: nhằm giảm độ d thừa thời gian giữa các
frame ảnh: Kỹ thuật mã hoá Inter frame tính giá trị của một điểm ảnh
riêng biệt bằng cách dự đoán từ các điểm ảnh trong ảnh lân cận. Kỹ thuật
này xuất phát từ mối tơng quan thời gian giữa các điểm ảnh trong các ảnh
lân cận. Phơng pháp để giảm độ d thừa thời gian là kỹ thuật mã hoá
DPCM dựa trên dự đoán bù chuyển động giữa các frame.


theo lý thuyết Nyquist hoặc Shannon.
Mắt ngời nhạy cảm nhất với độ phân giải thành phần độ chói của ảnh
và ít nhạy cảm với thông tin về màu. Lấy mẫu là một phơng pháp giảm dữ
Đồ án cao học ĐTVT 2003
Nguyễn Hữu Phát
23
liệu rất có hiệu quả, nhng sự tổn thất độ phân giải ảnh và các thành phần
chồng phổ sẽ làm giảm chất lợng nội dung ảnh gốc. Vì lý do này, nên không
dùng lấy mẫu thấp cho tín hiệu chói. Cấu trúc lấy mẫu thờng dùng là 4: 2: 2
và 4: 2: 0. MPEG dùng cấu trúc 4: 2: 0.
1.4.3. Lợng tử hoá.
Lợng tử hoá đợc thực hiện bằng cách chia mỗi hệ số DCT cho các giá trị
kích thớc bớc lợng tử tơng ứng trong bảng lợng tử, sau đó làm tròn về số
nguyên gần nhất.

(,)
(,)
(,)
q
Suv
Suv
Quv

=



trong đó:
-
[] là làm tròn về số nguyên gần nhất.