流媒体 6——MPEG电视

1.电视图像的数据率

1.1 ITU-R BT.601标准数据率

　　按照奈奎斯特(Nyquist)采样理论，模拟电视信号经过采样(把连续的时间信号变成离散的时间信号)和量化 (把连续的幅度变成离散的幅度信号)之后，数字电视信号的数据量大得惊人，当前的存储器和网络都还没有足够的能力支持这种数据传输率，因此就要对数字电视信号进行压缩。为了在PAL、NTSC和SECAM彩色电视制之间确定一个共同的数字化参数，早在1982年国际无线电咨询委员会 (CCIR)就制定了演播室质量的数字电视编码标准，这就是非常有名的ITU-R BT.601标准。按照这个标准，使用4:2:2的采样格式，亮度信号Y的采样频率选择为13.5 MHz/s，而色差信号Cr和Cb的采样频率选择为6.75 MHz/s，在传输数字电视信号通道上的数据传输率就达到为270 Mb/s(兆比特/秒)
　　亮度(Y):
　　　858样本/行×525行/帧×30帧/秒×10比特/样本 ≌ 13.5兆比特/秒(NTSC)
　　　864样本/行×625行/帧×25帧/秒×10比特/样本 ≌ 13.5兆比特/秒(PAL)
　　Cr (R-Y):
　　　429样本/行×525行/帧×30帧/秒×10比特/样本 ≌ 6.8兆比特/秒(NTSC)
　　　429样本/行×625行/帧×25帧/秒×10比特/样本 ≌ 6.8兆比特/秒(PAL)
　　Cb (B-Y):
　　　429样本/行×525行/帧×30帧/秒×10比特/样本 ≌ 6.8兆比特/秒(NTSC)
　　　429样本/行×625行/帧×25帧/秒×10比特/样本 ≌ 6.8兆比特/秒(PAL)
　　总计:

　　　　27兆样本/秒×10比特/样本 = 270兆比特/秒
实际上，在荧光屏上显示出来的有效图像的数据传输率并没有那么高，
　　　亮度(Y)： 720×480×30×10 ≌ 104 Mb/s (NTSC)
　　　　　　　　720×576×25×10 ≌ 104 Mb/s (PAL)
　　　色差(Cr，Cb)：2×360×480×30×10 ≌ 104 Mb/s (NTSC)
　　　　　　　　　　2×360×576×25×10 ≌ 104 Mb/s (PAL)
　　　总计: ～ 207 Mb/s
　　如果每个样本的采样精度由10比特降为8比特，彩色数字电视信号的数据传输率就降为166 Mb/s。

 

2. 数据压缩算法

　电视图像本身在时间上和空间上都含有许多冗余信息，图像自身的构造也有冗余性。此外，正如前面所介绍的，利用人的视觉特性也可对图像进行压缩，这叫做视觉冗余。

电视图像压缩利用的各种冗余信息

种类		内容	目前用的主要方法
统计	空间冗余	像素间的相关性	变换编码，预测编码
特性	时间冗余	时间方向上的相关性	帧间预测，移动补偿
图像构造冗余		图像本身的构造	轮廓编码，区域分割
知识冗余		收发两端对人物的共有认识	基于知识的编码
视觉冗余		人的视觉特性	非线性量化，位分配
其他		不确定性因素

　　MPEG-Video图像压缩技术基本方法和方法可以归纳成两个要点：
　　　　① 在空间方向上，图像数据压缩采用JPEG(Joint Photographic Experts Group)压缩算法来去掉冗余信息。
　　　　② 在时间方向上，图像数据压缩采用移动补偿(motion compensation)算法来去掉冗余信息。
　 　为了在保证图像质量基本不降低而又能够获得高的压缩比，MPEG专家组定义了三种图像：帧内图像I(intra)，预测图像P(predicted)和 双向预测图像B(bidirectionally interpolated )，这三种图像将采用三种不同的算法进行压缩。

 

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　MPEG专家组定义的三种图像

补充：

　　视频压缩中，每帧代表一幅静止的图像。而在实际压缩时，会采取各种算法减少数据的容量，其中IPB就是最常见的。简单地说，I帧是关键帧，属于帧内压缩。就是和AVI的压缩是一样的。 P是向前搜索的意思。B是双向搜索。他们都是基于I帧来压缩数据。I帧表示关键帧，你可以理解为这一帧画面的完整保留；解码时只需要本帧数据就可以完成（因为包含完整画面）。P帧表示的是这一帧跟之前的一个关键帧（或P帧）的差别，解码时需要用之前缓存的画面叠加上本帧定义的差别，生成最终画面。（也就是差别帧，P帧没有完整画面数据，只有与前一帧的画面差别的数据）。B帧是双向差别帧，也就是B帧记录的是本帧与前后帧的差别（具体比较复杂，有4种情况），换言之，要解码B帧，不仅要取得之前的缓存画面，还要解码之后的画面，通过前后画面的与本帧数据的叠加取得最终的画面。B帧压缩率高，但是解码时CPU会比较累~。
　　从上面的解释看，我们知道I和P的解码算法比较简单，资源占用也比较少，I只要自己完成就行了，P呢，也只需要解码器把前一个画面缓存一下，遇到P时就使用之前缓存的画面就好了，如果视频流只有I和P，解码器可以不管后面的数据，边读边解码，线性前进，大家很舒服。但网络上的电影很多都采用了B帧，因为B帧记录的是前后帧的差别，比P帧能节约更多的空间，但这样一来，文件小了，解码器就麻烦了，因为在解码时，不仅要用之前缓存的画面，还要知道下一个I或者P的画面（也就是说要预读预解码），而且，B帧不能简单地丢掉，因为B帧其实也包含了画面信息，如果简单丢掉，并用之前的画面简单重复，就会造成画面卡（其实就是丢帧了），并且由于网络上的电影为了节约空间，往往使用相当多的B帧，B帧用的多，对不支持B帧的播放器就造成更大的困扰，画面也就越卡。一般平均来说，I的压缩率是7（跟JPG差不多），P是20，B可以达到50，可见使用B帧能节省大量空间，节省出来的空间可以用来保存多一些I帧，这样在相同码率下，可以提供更好的画质。

 

2.1.帧内图像I的压缩编码算法

　　如果电视图像是用RGB空间表示的，则首先把它转换成YCrCb空间表示的图像。每个图像平面分成8×8的图块，对每个图块进行离散余弦变换 DCT(discrete Cosine Transform)。DCT变换后经过量化的交流分量系数按照Zig-zag的形状排序，然后再使用无损压缩技术进行编码。DCT变换后经过量化的直流分量系数用差分脉冲编码DPCM(DifferentialPulse Code Modulation)，交流分量系数用行程长度编码RLE(run-length encoding)，然后再用霍夫曼(Huffman)编码或者用算术编码。

2.2.预测图像P的压缩编码算法

　　预测图像的编码也是以图像宏块(macroblock)为基本编码单元，一个宏块定义为I×J像素的图像块，一般取16×16。预测图像P使用两种类型的参数来表示：一种参数是当前要编码的图像宏块与参考图像的宏块之间的差值，另一种参数是宏块的移动矢量。假设编码图像宏块MPI是参考图像宏块MRJ的最佳匹配块，它们的差值就是这两个宏块中相应像素值之差。对所求得的差值进行彩色空间转换，并作4:1:1的子采样得到Y，Cr和Cb分量值，然后仿照JPEG压缩算法对差值进行编码，计算出的移动矢量也要进行霍夫曼编码。

2.3.双向预测图像B的压缩编码算法

2.4.图像结构

　　MPEG 编码器算法允许选择I图像的频率和位置。I图像的频率是指每秒钟出现I图像的次数，位置是指时间方向上帧所在的位置。一般情况下，I图像的频率为2。 MPEG编码器也允许在一对I图像或者P图像之间选择B图像的数目。I图像、P图像和B图像数目的选择依据主要是根节目的内容。例如，对于快速运动的图像，I图像的频率可以选择高一些，B图像的数目可以选择少一点；对于满速运动的图像I图像的频率可以低一点，而B图像的数目可以选择多一点。此外，在实际应用中还要考虑媒体的速率。
　　一个典型的I、P、B图像安排如图所示。编码参数为：帧内图像I的距离为N=15，预测图像(P)的距离为M=3。

MPEG电视帧编排

　　I、P和B图像压缩后的大小如表所示，单位为比特。从表中可以看到，I帧图像的数据量最大，而B帧图像的数据量最小。

 MPEG三种图像的压缩后的典型值(比特)

图像类型	I	P	B	平均数据/帧
MPEG-1 CIF 格式(1.15 Mb/s)	150 000	50 000	20 000	38 000
MPEG-2 601 格式(4.00 Mb/s)	400 000	200 000	80 000	130 000