MPEG-4 parte 10 - MPEG-4-AVC - H-264

Prévia do material em texto

Transição para HDTV – 32
MPEG-4 parte 10, MPEG-4/AVC ou H.264
albino da silva
O
objetivo da parte 10 do documento 
14496/H.264/AVC (Advanced Video Co-
ding) da ISO/IEC, ou do Anexo G da norma 
H.264/AVC do ITU, foi criar uma norma de 
codificação avançada capaz de disponi-
bilizar vídeo de boa qualidade com cadências 
de dados pelos menos 50% inferiores às das 
normas anteriores (sejam estas as MPEG-2 ou 
a MPEG-4-2), que fosse suficientemente flexível 
para ser usada em variadas redes e sistemas com 
cadências de dados e resoluções baixas ou ele-
vadas, sem que isso prejudicasse a sua aplicabili-
dade em termos técnicos e econômicos. 
A codificação avançada de vídeo descreve a 
construção de um feixe de dados que, adequan-
do-se ao MPEG-4, desenvolve as suas caracte-
rísticas e aumenta as suas funcionalidades. Para 
isso, proporciona novas possibilidades derivadas 
de compressões muito mais eficientes que as das 
normas anteriores, tal como a predição espacial 
de imagens derivadas de múltiplas imagens (1), 
ou a partir dos contornos de blocos vizinhos (2), 
a codificação sem perdas de macro-blocos (3), a 
codificação flexível do vídeo entrelaçado (4), de 
planos diferentes da mesma imagem em função 
das cores primárias (5), e da entropia da codi-
ficação (6). Esse tipo de codificação avançada 
prevê ainda o suporte preciso das variações da 
dimensão das palavras (7), o desenvolvimen-
to da quantificação (8), a introdução de novas 
características no desenvolvimento das trans-
formadas (9), do desbloqueio por filtragem em 
anel (10), ou da comutação de fatias (11), além 
de incorporar técnicas de prevenção da emula-
ção acidental de códigos de inicialização (12), 
de informação suplementar de reforço e da uti-
lização do vídeo (13), de imagens auxiliares (14), 
da contagem ordenadas das imagens (15), do 
suporte de amostragens subcromáticas 4:2:0, 
4:2:2 e 4:4:4 (16) e uma flexibilidade muitíssimo 
superior (17).
ponto a ponto 
A predição espacial entre imagens derivadas 
de múltiplas imagens (1) faz-se usando imagens 
previamente codificadas como referência, que 
podem ir até às 16 ou, quando de varrimento 
entrelaçado, aos 32 campos, com compensações 
de movimento feitas com blocos de dimensão 
variável (VBSMC – Variable Block-Size Motion 
Compensation). Para a luminância, esses blocos 
podem ser de 16x16, 16x8, 8x16, 8x8, 8x4 ou 
4x4 com os de crominância a poderem ser de 
menores dimensões em função da subamostra-
gem utilizada – o que permite segmentar com 
precisão as regiões com movimento e múltiplos 
vetores de movimento por macro-bloco – com 
até 32 vetores nos macro-blocos dos quadros B 
construídos de 16 partições de 4x4 - podendo 
a sua filtragem ter seis níveis para que possa 
atingir precisões de meio pixel nas amostras de 
luminância e fazer predição ponderada.
A predição espacial a partir dos bordos de 
blocos vizinhos (2) para codificação interna (in-
tra) utiliza blocos de predição da luminância de 
16x16, 8x8 ou 4x4 desde que a cada um dos 
blocos corresponda só uma dessas dimensões.
A codificação sem perdas dos macro-blocos 
(3) faz-se com representação PCM (Pulse Coded 
Modulation) e com a data das amostras de ví-
deo a ser representada diretamente, ou com um 
modo de representação reforçada desses mes-
mos macro-blocos para se usarem ainda menos 
bits que nesse modo PCM.
A codificação flexível do vídeo entrelaçado 
(4) é feita com a codificação adaptativa qua-
Depois de termos descrito os diversos perfis e níveis correspondentes à norma MPEG-4, vamos 
continuar a descrever as suas ferramentas de codificação, focando-nos agora sobre as diferentes 
técnicas de codificação avançada de vídeo, tal como propõe a norma H.264/AVC.
Macroblocos 
visíveis na 
compressão 
de um sinal 
de televisão 
emitido 
em HD e o 
mesmo sinal 
emitido sem 
artefatos
as técnicas de codificação com 
compensações de movimento 
feitas com blocos de dimensão 
variável são usadas nos formatos 
de vídeo atuais, pós-MpEG-2, 
incluindo o MpEG-4 asp e aVC 
assim como o formato sMpTE 
VC-1 da Microsoft
Produção Profissional | juLho 200956
téc
nic
a
www.videosystems.com.br
vendas@videosystems.com.br
Tel: (11) 3835-9777
Fax: (11) 3832-5433
®
V3HD
Super Slow Motion. 
Até1000 FPS.
HD nativo.
dro-campo dos macro-blocos (MBAFF – Macro-
Block-Adaptive Frame-Field) usando estruturas 
de imagem, constituídas por pares de macro-
blocos, que são codificadas como quadros, 
ou com codificação adaptativa quadro-campo 
(PAFF ou PicAFF – Picture-Adaptive Frame-Field) 
o que permite que misturas selecionadas de 
imagens codificadas MBAFF sejam depois codi-
ficadas como campos de vídeo entrelaçado. 
As codificações de planos diferentes de uma 
mesma imagem como imagens diferentes (5) 
em função das suas cores primárias com a sua 
própria estrutura de fatias, modos dos macro-
blocos, vetores de movimentação, etc., permite 
desenvolver codificadores com estruturas para-
lelas simples para os perfis 4:4:4.
O desenvolvimento da entropia da codi-
ficação (6) é alcançado com codificação arit-
mética binária adaptada ao contexto (CABAC 
– Context-Adaptive Binary Arthmetic Coding) 
ou com codificação com comprimento variável 
adaptada ao contexto (CAVLAC – Context-
Adaptive Variable-Lenght Coding) ou com uma 
codificação simples mas altamente estrutura-
da da codificação com comprimento variável 
(VLC – Variable Lenght Coding). O CABAC é 
um algoritmo que comprime sem perdas os 
elementos da sintaxe do feixe de vídeo a partir 
das probabilidades desses elementos existirem 
num dado contexto, sendo o CAVLAC uma al-
ternativa de menor complexidade a usar com 
as transformadas quantificadas dos valores dos 
coeficientes. A codificação VLC, que também 
é denominada como codificação exponencial 
Golomb, ou Exp-Golomb, é uma técnica utili-
zada com alguns elementos da sintaxe não su-
jeitos à CABAC ou à CAVLAC.
O suporte da precisão da variação das di-
mensões das palavras com que as amostras 
podem ser representadas (7), pode ir de 8 a 
14 bit por palavra.
O desenvolvimento da quantificação com 
controle dos processamentos logarítmicos (8) 
para que os codificadores possam gerir mais fa-
Tr
an
si
çã
o 
pa
ra
 H
D
TV
Detectar se um sinal de vídeo é de varrimento progressivo ou entrelaçado é um pro-
cesso crítico na codificação avançada, estando dependente de algoritmos que agem 
ao nível da imagem ou ao nível dos blocos. Na especificação MPEG-4/AVC, existem 
duas formas de gerir o varrimento entrelaçado: uma ao nível da imagem, referida 
como PAFF (Picture Adaptive Frame Field); e outra ao nível de macroblocos ou super-
macorblocos (um par de macroblocos verticais, por exemplo), referida como MBAFF 
(Macroblock Adaptive Frame Field). Na imagem da página 60, vemos a interpretação 
das duas abordagens. Na codificação de frame, os dois campos são codificados entre-
laçados, enquanto na codificação de campo, estes são codificados de forma separada. 
No processo PAFF, a decisão é tomada ao nível da imagem: para cada imagem, escolhe-
se se a imagem é codificada como dois campos separados ou um frame (quadro). Na 
abordagem MBAFF, a decisão é tomada para cada macrobloco. É também possível 
usar as duas técnicas - usar PAFF a um campo selecionado ou codificação de frame e 
MBAFF quando a codificação de frame é selecionada. Na base do esquema da página 
58, mostramos um quadro com as eficiências conseguidas por essas abordagens, tendo 
como exemplo a implementação feita pela Thomson no Mustang ASIC que se encontra 
na origem dos seus equipamentos de codificação MPEG-4
Codificação sobre sinal progressivo ou entrelaçado
 juLho 2009 | Produção Profissional 57
téc
nic
a
Tr
an
si
çã
o 
pa
ra
 H
D
TV
cilmente as cadências de dados, simplifica o es-
calamento das quantificações inversas e efetua 
um escalamento mais elaborado das quantifica-
ções das matrizes de freqüências.
Nas novas características introduzidas pelo 
desenvolvimento das transformadas (9), in-
cluem-se blocos de 4x4, para tratamento maispreciso dos sinais residuais com poucas sobre-
oscilações, ou blocos de 8x8, para que a com-
pressão de regiões estreitamente correlaciona-
das seja mais eficiente que com os blocos de 
4x4. Por outro lado, a seleção de codificação 
adaptativa entre blocos de 8x8 e de 4x4 para 
operações com transformadas integrais, ou com 
segundas transformadas Hadamard dos coefi-
cientes DC das transformadas espaciais primá-
rias, é aplicada aos coeficientes DC das cromi-
nâncias (em alguns casos especiais, também aos 
de luminância) para se obterem maiores com-
pressões das regiões muito uniformes.
Os filtros de desbloqueio em anel (10) aju-
dam a evitar os artefatos de bloqueio comuns 
a outras compressões de imagem baseadas em 
DCT, o que resulta em compressões mais efi-
cientes e imagens com melhor percepção ob-
jetiva e subjetiva.
A comutação de fatias de quadros P (SP – 
Slice P) ou I (SI – Slice I) (11) permite que o 
codificador diga ao decodificador para saltar 
entre partes do fluxo de dados em função da 
cadência dos dados dessas partes, de forma a 
encontrar as referências corretas para a recons-
trução da imagem.
Para se evitar a emulação acidental de có-
digos de inicialização (12), que são seqüências 
especiais de bits na data codificada, é utilizado 
um processamento simples e automático que 
possibilita o acesso aleatório ao feixe de da-
dos de forma recuperar-se o alinhamento dos 
bytes nos sistemas que tendam a perder a sua 
sincronização.
A informação suplementar de reforço (SEI 
– Supplemental Enhancement Information) e a 
forma de utilizar a informação de vídeo (VUI 
– Video Usability Information) (13) são infor-
mações extra que podem ser inseridas no feixe 
para facilitar o uso do vídeo numa grande va-
riedade de aplicações.
Imagens auxiliares (14) podem ser usadas para, 
por exemplo, composição alfa (transparências).
7
As descrições PAFF e MBAFF com as linhas ímpares em amarelo e as pares em azul 
E�ciência relativa das técnicas de codi�cação MBAFF e PAFF no ASIC Mustang da Thomson. Os valores negativos correspondem a percentagem (%)
da diminuição em cadência de dados (bit-rate). 
Frame FieldFrame Field MBAFFFrame Field MBAFF
Frame PAFF MBAFF PAFF+MBAFF
∆ bit rate (%) 0 -10 -16 -18
As descrições PAFF e MBAFF com as linhas ímpares em amarelo e as pares em azul 
Eficiência relativa das técnicas de codificação MBAFF e PAFF no ASIC Mustang da Thomson. Os valores negativos correspondem 
a percentagem (%) da diminuição em cadência de dados (bit-rate). 
Produção Profissional | juLho 200958
téc
nic
a
A contagem ordenada das imagens (15) ser-
ve para manter o seu ordenamento, com os va-
lores das amostras das imagens decodificadas 
isolados da informação de temporização para, 
assim, possibilitar que essa informação seja 
transportada, controlada, ou alterada, separa-
damente pelo sistema, sem afetar o conteúdo 
da imagem decodificada.
Na melhoria das características de recupe-
ração (16), são introduzidas uma camada da 
abstração da rede (NAL – Network Abstraction 
Layer), para que a mesma sintaxe possa ser 
usada com várias redes e conjuntos de parâ-
metros das imagens (PPS – Picture Parameter 
Sets), e das seqüências (SPS – Sequence Pa-
rameter Sets), para melhorar a robustez e a 
flexibilidade de operação. Este técnica prevê 
ainda uma cadência flexível na gestão dos ma-
cro-blocos (FMO – Flexible Macro-Blocks Orde-
ring) e ordenamento arbitrário das fatias (ASO 
– Arbitrary Slice Ordering), que são técnicas 
de re-ordenamento dos macro-blocos de uma 
imagem, incluindo as técnicas de partição da 
data (DP- Data Partitioning), a redundância das 
fatias (RS – Redundancy of Slices) e a numera-
ção dos quadros. A camada de abstração da 
rede (NAL) permite o uso da mesma sintaxe do 
vídeo em vários ambientes de rede, o que me-
lhora a robustez e a flexibilidade da operação. 
As técnicas de gestão FMO e ASO são técnicas 
de reordenamento dos macro-blocos corres-
pondentes a regiões fundamentais das ima-
gens. A técnica de partição DP permite separar 
os elementos de sintaxe mais importantes dos 
menos importantes e a sua distribuição por di-
ferentes pacotes de data de forma a permitir a 
aplicação de diferentes proteções contra erros 
(UEP – Unequal Error Protection) e/ou de outras 
técnicas destinadas a aumentar a robustez de 
funcionamento. A técnica de redundância das 
fatias (RS) faz com que o codificador envie re-
presentações extra, mas de menor qualidade, 
de regiões da imagem, para que estas possam 
ser usadas se a representação normal se perder 
ou seja sujeita a perdas que prejudiquem a sua 
utilização. A numeração dos quadros permite a 
criação de seqüências e a escalabilidade tem-
poral através da inclusão otimizada de imagens 
extra entre outras imagens, permitindo a de-
tecção e anulação das perdas de imagens in-
teiras devidas à perda de pacotes ou a erros no 
canal de transmissão. n
Figura 2
Conteúdo orientado para aplicação MBaFF Conteúdo orientado para aplicação paFF ou MBaFF 
Ferramentas de codificação H.264, MBaFF e paFF
Tr
an
si
çã
o 
pa
ra
 H
D
TV
Produção Profissional | juLho 200960
téc
nic
a