    
Раздел: Документация
0 ... 19 20 21 22 23 24 25 ... 122  реляционной функции естественного видеоизображения (рис. 3.4), на котором высота над каждой позицией по вертикали указывает на близость между исходным изображением и его пространственным сдвигом. Пик в центре соответствует нулевому сдвигу. По мере увеличения сдвига копии в любом направлении наблюдается плавное уменьшение этой функции, а наклон графика указывает на высокую корреляцию сэмплов в малых окрестностях изображения. Рис. 3.24. Двухмерна* автокорреляционная функция изображения. Остаточное изображение, полученное с помощью компенсации движения, имеет автокорреляционную функцию, график которой построен на рис. 3.25. Видно, как быстро она убывает при увеличении сдвига копии изображения. Это указывает на слабую корреляцию близких сэмплов. Эффективная компенсация движения сокращает локальную корреляцию сэмплов на остаточном кадре, позволяя его сжимать эффективнее по сравнению с исходным видеокадром. Целью модели изображения является дальнейшая декорреляция исходного кадра или его остатка и приведение его к форме, допускающей хорошее сжатие энтропийным кодером. Модель изображения имеет обычно три компоненты: преобразование (декорреляция и компактификация данных), квантование (уменьшение точности представления данных) и переупорядочение (группирование данных в соответствии с их численными значениями и величинами).  100 о о  о о Рис. 3.25. Двухмерная автокорреляционная функция разности. 3.4.1. Кодирование изображений с предсказанием Компенсация движения является примером кодирования с предсказанием, при котором кодер делает прогноз для текущей области на основе предыдущих (или будущих) кадров и вычитает эту область-прогноз из текущей области. Если предсказание сделано правильно, то полученную разность (остаток) можно представить меньшим числом бит. Таким же образом можно сформировать прогноз или предсказание сэмпла изображения или области на основе ранее отправленных сэмплов того же изображения или кадра. Кодирование с предсказанием использовалось в ранних алгоритмах сжатия изображений и остается важной компонентой mtra-кодирования стандарта Н.264 (применяемое в преобразованной области, см. гл. 6). Пространственное предсказание иногда называется дифференциальной кодо-импульснои модуляцией DPCM (Differential Pulse Code Modulation). Этот термин позаимствован из метода дифференциального кодирования РСМ сэмплов в телекоммуникационных системах. На рис. 3.26 показан пиксел X, который надо закодировать. Если кадр обрабатывается в растровом порядке, то пикселы А, В и С (со- седние пикселы этой и предыдущей строки) будут доступны кодеру и декодеру (так как они уже были декодированы раньше X). Кодер формирует предсказание; (прогноз) для X на основе комбинации ранее декодированных пикселов, вычитает это предсказание из X и кодирует их разность (результат вычитания). Декодер вычисляет это предсказание, добавляет его к принятой разности и тем самым восстанавливает пиксел X. ♦ растровый ПОРЯДОК -» сканированы текущий пиксел Рис. 3.26. Пространственное предсказание (DPCM). Пример- Предсказание кодера Р(Х) = (2А + В + С)/4. Разность (остаток) R(X) = X — Р(Х) кодируется и передается. Декодер декодирует R(X) и формирует то же предсказание Р(Х) = (2А + В + С)/4. Восстановленный пиксел X = R(X) - Р(Х). Конец примера Если кодирование осуществлялось с потерей информации (т.е. делается квантование разности, см. § 3.4.3), то декодированные пикселы А, В и С могут отличаться от исходных пикселов А, В и С (из-за потерь при кодировании), поэтому в описанном процессе будет происходить накопление ошибок (дрейф) от кодера к декодеру. В этом случае кодеру надо также декодировать разность R(X) и восстанавливать каждый пиксел. Кодер использует декодированные пикселы А, В и С" и формирует предсказание, т.е. Р(Х) = (2А + В 4- С)/4 в предыдущем примере. В этом случае и кодер и декодер будут использовать одинаковые предсказания Р(Х), и дрейф ошибки будет устранен. Эффективность сжатия при таком подходе зависит от точности предсказания Р(Х). Если предсказание Р(Х) хорошо приближает X, то энергия разности будет малой. Однако на практике бывает невозможно выбрать формулу предсказания, которая одинаково хорошо работала бы во всех областях сложного изображения, и 0 ... 19 20 21 22 23 24 25 ... 122 |
