Nén ảnh động dùng Wavelet

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
thuật nén ảnh với những tính năng cao. Kỹ thuật Wavelet cũng đợc nghiên
cứu trong nhiều phần mềm nh Matlap
Mục đích của luận văn này nhằm nghiên cứu một số phơng pháp nén
ảnh động đang đợc quan tâm. Luận văn này đợc trình bày thành bốn
chơng và một phụ lục. Chơng Một là tổng quan về nén ảnh động. Chơng
này giới thiệu một số chuẩn nén ảnh động là MPEG1,MPEG2,MPEG4 và
MPEG7. Đồng thời cũng trình bày cấu trúc của video. Chơng Hai trình bày
phơng pháp nén Scalable video. Chơng này đề cập đến thuật toán LZC và
3D-SPIHT. Chơng Ba đi sâu vào nghiên cứu đối tợng mã hoá của video dựa
trên biến đổi Wavelet. Chơng Bốn nêu khái quát cách thiết kế và cài đặt
chơng trình. Chơng này mang tính chất minh hoạ cho những gì đã đợc
trình bày ở các chơng trớc. Phần phụ lục nêu một số chơng trình nguồn
thông dụng viết trên Visual C + + 6. 0.
Do thời gian có hạn nên tôi chỉ mới nghiên cứu đợc phần nào trong kỹ
thuật nén ảnh động do vậy chắc chắn không tránh khỏi thiếu sót. Cuối cùng
tôi xin chân thành cảm ơn sự giúp đỡ nhiệt tình và hiệu quả của PGS TS Hồ
Anh Tuý đã giúp đỡ tôi hoàn thành luận văn này.

Hà nội ngày 20/10/2005
Đồ án cao học ĐTVT 2003
Nguyễn Hữu Phát
5

Chơng 1
TổNG QUAN Về NéN ảNH Video THEO CHUẩN MPEG

1.1. Khái niệm về
Video
và phơng pháp nén
Video

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
U = 0.493 (B - Y)
V = 0.877 (R - Y)
trong đó: Y là thành phần chói và U, V là hai thành phần màu.
Đặc biệt: khi R = G = B thì Y = R = G = B và U = V = 0.
Một định dạng màu khác là, tơng tự YUV là Y, C
B
, C
R
với Y tơng tự
nh trên và hai thành phần nh sau:
C
B
= U/2 + 0.5
C
R
= V/1.6 + 0.5
Do đó, màu C
B
, C
R
luôn nằm trong khoảng [0, 1].
Với u điểm trên hệ YC
B
C
R
đợc áp dụng rộng rãi trong việc số hoá
Video.
1.1.1.2. Các cơ cấu số hoá tín hiệu Video

Hình 1.1.
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
Điểm ảnh đầu tiên lấy mẫu đủ Y, C
R
, C
B
, 3 điểm kế tiếp chỉ lấy mẫu Y,
không lấy mẫu tín hiệu màu. Khi giải mã, mầu của 3 điểm ảnh phải suy ra từ
điểm ảnh đầu. Tuần tự nh vậy, cứ 4 lần lấy mẫu Y, có 1 lần lấy mẫu C
R
, 1 lần
lấy mẫu C
B
.
Cấu trúc lấy mẫu 4: 2: 0
Đồ án cao học ĐTVT 2003
Nguyễn Hữu Phát
8
Lấy mẫu tín hiệu Y tại tất cả các điểm ảnh của dòng, còn tín hiệu màu thì
cứ 4 Y, có 2 màu C
R
và C
B
cách nhau theo từng hàng.

Hình 1.4. Cấu trúc lấy mẫu 4: 2: 0
Cấu trúc lấy mẫu 4: 4: 4
Lấy mẫu tín hiệu Y, C
R
, C
B
tại tất cả các điểm ảnh của dòng.

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
Meaning Bit). Việc ta cắt giảm các bit của nhóm LMB sẽ không ảnh hởng
nhiều tới chất lợng của ảnh. Tuy nhiên, phơng pháp này không đợc chấp
nhận trong các giải pháp giảm dải thông hiện tại, nên cũng sẽ không đợc đề
cập đến.
Phần lớn các định dạng số thành phần hiện nay đều sử dụng tần số lấy
mẫu 13.5MHz đối với tín hiệu chói. Theo chuẩn CCIR 601, nếu 2 tín hiệu màu
đợc lấy màu đợc lấy mẫu với tần số nh tín hiệu chói, chúng ta sẽ có định
dạng 4: 4: 4.Định dạng này đợc sử dụng trong các thiết bị dựng phim phi
tuyến và trong đồ hoạ vi tính liên quan đến phim nhựa. Tốc độ bit của định
dạng này cho hệ PAL là:
Với l
ợng tử hoá 8 bit: (720 + 720 +720) x 576 x 8 x 25 = 249
Mbit/s

Với lợng tử hóa 10 bit: (720 + 720 +720) x 576 x 10 x 25 = 311
Mbit/s.
Trong đó: 720 x 576 là độ phân giải màn hình (576 là số dòng /frame).
25 là tốc độ chuyển ảnh (25 frames/s).
Đồ án cao học ĐTVT 2003
Nguyễn Hữu Phát
10
Hiện nay, các thiết bị sử dụng kỹ thuật số ở thị trờng thiết bị Video
chuyên dụng thờng sử dụng chuẩn CCIR 601 4: 2: 2. Theo định dạng số hoá
này, tín hiệu Video thành phần đợc lấy mẫu với tần số 13.5 MHz đối với tín
hiệu chói, và 6,75 MHz đối với hai tín hiệu màu.
Tốc độ dòng dữ liệu của định dạng này đợc tính nh sau:
Khi lấy mẫu 8 bit: (720 +360 +360) x 576 x 8 x 25 = 166 Mbit/s.
10 bit: (720 +360 +360) x 576 x 10 x 25 = 207 Mbit/s.
Nh vậy, so với phơng pháp lẫy mẫu không cắt giảm (4: 4: 4), phơng
pháp này cho phép cắt giảm đợc 33% tốc độ dòng bit.
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
Video là JPEG và MPEG, cùng các phiên bản của nó.
1.1.2.3. Nén dòng tín hiệu theo thời gian.
Các frame trong Video có quan hệ mật thiết với nhau, thậm chí các
frame hiện tại chỉ thay đổi chút ít so với các frame trớc và sau đó. Để giảm
bớt thông tin truyền tải, ngời ta chỉ truyền những phần thông tin sai lệch và
kết hợp với thông tin cũ. Có nhiều phơng pháp khác nhau để xác định sự thay
đổi giữa các frame, đó là các phơng pháp xác định véctơ chuyển động. Ngoài
ra còn nhiều phơng pháp khác, những giải thuật này có chất lợng cao,
nhng mức độ tính toán phức tạp và còn đang trong giai đoạn nghiên cứu.
1.1.2.4. Nén hỗn hợp sử dụng tổ hợp các phơng pháp trên
Để đạt đợc hiệu quả nén cao mà vẫn đảm bảo chất lợng hình ảnh,
ngời ta sử dụng tổ hợp các phơng pháp trên. Phơng pháp nén Video theo
chuẩn MPEG là một phơng pháp nén tổ hợp của các phơng pháp trên.
1.1.3. Tham số nén Video.
Tham số nén Video đợc đề cập đến ở đây là định dạng ảnh và tỉ số
nén, tỉ số nén cho phép đánh giá hiệu quả của hệ thống nén. Khi so sánh tỉ số
nén của các hệ thống nén khác nhau, thì định dạng ảnh của các hệ thống nén
trên phải giống nhau.
Định dạng bao gồm:

Số dòng/ảnh và số pixel/dòng.
Đồ án cao học ĐTVT 2003
Nguyễn Hữu Phát
12

Số frame/s.
Và cấu trúc lấy mẫu bao gồm: 4: 4: 4, 4: 2: 2, 4: 2: 0, 4: 1: 1, độ phân
giải của mẫu là 8/10 bit (hoặc 12 bit).
Tốc độ bit của ảnh gốc (trớc khi nén) có thể rút ra từ công thức:

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

MPEG-4 (~1998): mã ISO/IEC 14496, là chuẩn chủ yếu dành cho các ứng
dụng đa phơng tiện tơng tác, phân loại khung cảnh đa phơng tiện thành
các đối tợng nội dung media, tập trung vào dồn kênh, đồng bộ dữ liệu với
các đối tợng media để truyền qua mạng. MPEG-4 sử dụng tốc độ bit
(Video) rất thấp: 5ữ64 Kb/s. Vai trò nén ít đợc đề cập trong phiên bản
này.

MPEG-7 (~2001): MPEG-7 là chuẩn mô tả thông tin của rất nhiều loại
phơng tiện. Mô tả này cho khả năng tìm kiếm nhanh và hiệu quả theo yêu
cầu ngời dùng. Tuy nhiên, chuẩn MPEG-7 đợc mô tả về phần nội dung
giống nh MPEG-4, và đợc gọi chính thức là Giao thức mô tả nội dung
đa phơng tiện (Multimedia Content Description Interface). MPEG-7 đặc
trng cho một tập tiêu chuẩn biểu diễn nhiều loại thông tin multimedia
khác nhau. MPEG-7 không phải là chuẩn nén.
Sơ đồ giới thiệu các chuẩn nén và các công nghệ nén xem hình 1.6:

Hình 1.6.
Các chuẩn, các công nghệ nén, truyền thông đa phơng tiện

Xem chi tiết: Nén ảnh động dùng Wavelet