FACULDADE FARIAS BRITO CIÊNCIA DA COMPUTAÇÃO VILKER SILVA BEZERRA COMPRESSÃO DIGITAL: UM ESTUDO COMPARATIVO ENTRE CODECS PADRÃO MPGE-4 AVC/H.

Transcrição

1 FACULDADE FARIAS BRITO CIÊNCIA DA COMPUTAÇÃO VILKER SILVA BEZERRA COMPRESSÃO DIGITAL: UM ESTUDO COMPARATIVO ENTRE CODECS PADRÃO MPGE-4 AVC/H.264 Fortaleza CE 2009

2 VILKER SILVA BEZERRA COMPRESSÃO DIGITAL: UM ESTUDO COMPARATIVO ENTRE CODECS PADRÃO MPGE-4 AVC/H.264 Monografia apresentada para obtenção dos créditos da disciplina Trabalho de Conclusão do Curso da Faculdade Farias Brito, como parte das exigências para graduação no Curso de Ciência da Computação. Orientadora: Prof. Dra. Wietske Ineke Meyering. Fortaleza CE 2009

3 COMPRESSÃO DIGITAL: UM ESTUDO COMPARATIVO ENTRE CODECS PADRÃO MPGE-4 AVC/H.264 Vilker Silva Bezerra NOTA: FINAL (0 10): Data: / / BANCA EXAMINADORA: Profa. Dra. Wietske Ineke Meyering (Orientadora) Prof. Me. José Belo Aragão Júnior (Examinador) Prof. Me. José Helano Matos Nogueira (Examinador)

4 AGRADECIMENTOS Primeiramente a Deus, senhor de minha vida, o centro de nossa existência. Aos meus pais e irmãos, orgulhos e formadores do meu caráter, pelo total apoio, confiança e pelos momentos de felicidade. Aos amigos, pela descontração e companheirismo. Aos meus professores por proporcionarem minha formação, através de seus conhecimentos. A minha namorada Maria das Graças Leite pela inspiração.

5 Critica o tolo, e ele te odiará, critica o sábio, e ele te amará Provérbios 9:8

6 RESUMO Compressão digital: um estudo comparativo entre codecs padrão MPGE-4 AVC/H.264 é uma monografia inserida numa linha de pesquisa que retrata como utilizar melhor a capacidade de armazenamento e os meios de transmissão de dados existentes. Recentemente, a implantação da Televisão Digital Brasileira tem influenciado pesquisas sobre a utilização da transmissão das informações de forma que possa usufruir plenamente dos recursos oferecidos por essa tecnologia. Nessa monografia são analisadas as etapas no processo de compressão de imagens e vídeos compatíveis com o formato adotado pelo padrão escolhido para a Televisão Digital Brasileira. Para isso, foi desenvolvida uma ferramenta de comparação, capaz de identificar diferenças entre imagens. Outro aspecto verificado foi o tempo entre métodos de compressão e o tamanho final do vídeo. Tal comparação torna-se muito vantajosa no aspecto em que as inovações tecnológicas estão mudando o perfil de negócio tradicional de um dos principais meios de comunicação do país.

7 SUMÁRIO LISTA DE FIGURAS... 9 LISTA DE TABELAS LISTA DE ABREVIAÇÕES INTRODUÇÃO COMPRESSÃO DE IMAGENS E VIDEO DIGITAL Definições iniciais Compressão de dados Redundância Modelos de compressão Métodos de compressão de imagens Técnicas para redução de codificação Fidelidade Padronizações de compressão de Imagens CODECS H.264 E A TV DIGITAL BRASILEIRA TV Digital Brasileira H.264/AVC Predição Intra-quadro Codificação por transformadas Codificação de Entropia Perfis do H.264/AVC Codecs H PROPOSTA DE CODIFICAÇÃO DE VÍDEOS Comparador de Imagens Estrutura do programa Detecção de diferenças Interface Casos de Testes... 43

8 3.3 Resultados CONCLUSÃO REFERÊNCIAS APÊNDICE A CLASSE COMPARADOR APÊNDICE B CLASSE IMAGEM APÊNDICE C CLASSE FORMPRINCIPAL APÊNDICE D DIAGRAMA DE CLASSES... 67

9 LISTA DE FIGURAS Figura 1 - Sistema genérico de codificação e compressão de dados. 19 Figura 2 - Modelo de (a) codificador fonte e (b) decodificador fonte. 19 Figura 3 - Esquema do codificador H Figura 4 - Classe ImagemResultante. 36 Figura 5 - Classe Comparador. 36 Figura 6 - Algoritmo para detecção de pixels diferentes. 38 Figura 7 - Aba Imagem Original. 40 Figura 8 - Aba Imagem Comparação. 41 Figura 9 - Aba Imagem Resultado. 42 Figura 10 - Aba Histogramas. 43 Figura 11 - Quadro 00 codificado com o MainConcept H Figura 12 - Quadro 00 codificado com o x Figura 13 - Quadro 290 codificado com o MainConcept H Figura 14 - Quadro 290 codificado com o x Figura 15 - Histogramas x264 do quadro Figura 16 - Histogramas MainConcept H.264 do quadro Figura 17 - Histogramas x264 do quadro Figura 18 - Histogramas MainConcept H.264 do quadro

10 LISTA DE TABELAS Tabela 1: Imagem 4x8 pixels em escala de cinza para efeito do cálculo. 17 Tabela 2: Probabilidade de nível de cinza. 18 Tabela 3: Notas para um critério de avaliação subjetivo usando HDTV. 24 Tabela 4: Marcos na evolução da TV. 27 Tabela 5: Softwares para codecs MPEG-4 AVC/H Tabela 6: Softwares OPEN-SOURCE para codecs H Tabela 7: Diferença entre tamanhos e taxa média entre os codec. 45 Tabela 8: Diferença entre níveis RGB do quadro 00 das imagens comparadas. 50 Tabela 9: Diferença entre níveis RGB do quadro 10 das imagens comparadas. 50 Tabela 10: Diferença entre níveis RGB do quadro 100 das imagens comparadas. 50 Tabela 11: Diferença entre níveis RGB do quadro 200 das imagens comparadas. 50 Tabela 12: Diferença entre níveis RGB do quadro 290 das imagens comparadas. 50

11 LISTA DE ABREVIAÇÕES ABNT ASCII AVC CABAC CAVLC CCITT CODEC DCT DFT EQM HDTV ISO ITU-T JVT KLT LZ LZW MPEG REL RGB SBTV VCEG WHT Associação Brasileira de Normas e Técnicas American Standard Code for Information Interchange Advanced Video Coding Context-Based Adaptive Binary Arithmetic Coding Context-Based Adaptive Variable Length Coding Consultative Comittee of International Telephone em Telegraph Codificador/Decodificador Discrete Cosine Transform Transformada discreta de Fourier Erro Quadrático médio High Definiton TV International Organization for Standardization International Telecommunication Union Joint Video Team Karhunen-Loève Team Abraham Lempel e Jacob Ziv Abraham Lempel, Jacob Ziv e Terry Welch Moving Picture Experts Group Run-Lenght Encoding Red, Green and Blue Sistema Brasileiro de Televisão Digital Terrestre Vídeo Coding Experts Group Walsh-Hadamard

12 INTRODUÇÃO A rápida evolução tecnológica exige uma crescente melhora dos aspectos relacionados à comunicação. A televisão é um meio de comunicação presente em cerca de 90% dos lares brasileiros e recentemente uma mudança no panorama de transmissão das imagens tem influenciado pesquisas relacionadas ao usufruto pleno de uma nova tecnologia: a TV digital. A tecnologia digital permite uma transmissão maior de dados e consequentemente uma melhor exibição final. Além disso, esses dados que estão sendo transmitidos ainda podem ser reduzidos sem causar impacto na qualidade da informação. A compressão digital diminui o volume dos dados a serem trafegados, buscando a preservação do conteúdo original. Compressão digital tem sido um tema estudado por especialistas há muitos anos, principalmente após a popularização da Internet Banda Larga e das câmeras de vídeos digitais que utilizam programas de compressão de vídeo. A correta utilização desse recurso permite a exibição de imagens e vídeos ricos em detalhes, o que antes só seria possível a um alto custo de armazenamento e transmissão. Trazer essa realidade para a TV digital não se trata de reinventar a roda, mas sim de buscar um meio de aplicação para as vantagens que a compressão digital proporciona. Essa monografia apresenta informações pertinentes à compressão de vídeos e imagens digitais, bem como os formatos de compressão de vídeo compatíveis com o padrão adotado para a TV Digital Brasileira. Provendo um estudo comparativo dos compressores de vídeo através de análise entre o resultado final dos métodos de compressão.

13 13 Para realizar a comparação entre os diversos formatos de vídeo existentes, foi criado um software capaz de apontar e quantificar as diferenças entre imagens de uma mesma resolução. O percurso desde a revisão bibliográfica até uma análise comparativa entre codecs (Codificador/Decodificador), feito através da construção do software, está compreendido da forma como se segue abaixo. O primeiro capítulo dessa monografia destina-se a apresentação de conceitos fundamentais sobre compressão digital. O segundo capítulo explana os aspectos dos codecs compatíveis com o formato H.264/AVC, que é o padrão definido para a compressão de vídeo e imagens digitais para a TV Digital Brasileira. No terceiro capítulo serão analisadas propostas de implementações para codificação de imagens e vídeos, comparando as etapas no processo de compressão entre codecs que atendam ao padrão MPEG-4 AVC/H.264. Nesse capítulo também será apresentado o software desenvolvido para avaliar os codecs. Por fim, no quarto capítulo, serão analisados e discutidos os resultados obtidos na comparação entre os codecs.

14 1 COMPRESSÃO DE IMAGENS E VIDEO DIGITAL Neste capítulo serão abordados conceitos relacionados à compressão digital. A abordagem aqui estabelecida tratará desde definições iniciais até uma explicação específica (modelo, algoritmos, metodologias e padrões) necessária para distinção entre as etapas no processo de compressão de imagens e vídeos digitais. 1.1 Definições iniciais Para que se possa iniciar o estudo aqui pretendido, faz-se necessário a diferenciação entre dados e informação. Valdemar Setzer (2001) e Ida Pu (2006) definem dados como uma sequência de símbolos quantificados ou quantificáveis e informação como uma abstração informal que está na mente de alguém e representa algo significativo que acrescenta conhecimento para essa pessoa. Em concordância, Luciano Floridi (2005) define dados como tudo que pode ser processado e as informações como dados que descrevem um domínio físico ou abstrato. De posse dessas definições, atribui-se ao computador a função de uma máquina que processa dados. Ao trabalhar com tais conceitos, pode-se verificar em que medida os dados podem ser eliminados sem que para isso se altere a estrutura informacional estabelecida na imagem com a qual se quer trabalhar. Segundo Ida Pu (2006) existem três tipos básicos de fonte de dados no computador: texto, imagem e som. O estudo da compressão nesse trabalho envolve solucionar o problema de como despender dados redundantes especificamente em imagens.

15 Compressão de dados No contexto da informática, segundo Ida Pu (2006, p.42), compressão de dados é: A ciência (e arte) de representar as informações de forma compacta. Esta tem sido uma das habilidades tecnológicas críticas para a revolução digital multimídia em curso há décadas. Já para Cliff Wootton (2005), o termo compressão é análogo à tentativa de colocar um grande piano numa caixa de correio ou passar um elefante através do buraco de uma agulha. Apesar das maneiras bastante distintas para apresentarem o mesmo conceito, ambos fazem referência à importância e a dificuldade necessária para diminuir o volume utilizado para armazenar informações. O objetivo da compressão de dados é eliminar os bits desnecessários (dados) para a representação da informação contida em uma fonte. Dessa forma, a melhor taxa de compressão possível será aquela que permita a melhor interpretação da informação comprimida, comparando-a a fonte original (REED, 2007). Para cumprir com o objetivo descrito por Reed (2007), é imprescindível descobrir elementos desnecessários em uma informação. Gonzalez e Woods (2000) comentam sobre as diversas formas de transmitir uma mesma informação. Quando em um conjunto de dados é percebido que, em uma determinada forma de transmissão, existem dados não essenciais, por serem irrelevantes ou simplesmente por repetirem algo conhecido, caracteriza-se, então, uma transmissão de dados redundante Redundância A redundância de dados é um tema central em compressão de imagens digitais (GONZALEZ; WOODS, 2000, p.219). Sobre diversos aspectos, a compressão de imagens é a redução da quantidade de dados necessários para a representação de uma informação. Basicamente, para a identificação de bits desnecessários em uma determinada imagem, quatro redundâncias podem ser exploradas. São elas: redundância de codificação, redundância inter-pixels, redundância espectral e redundância psicovisual (GONZALEZ; WOODS, 2000). A primeira delas, redundância de codificação, revela que uma grande parte da informação sobre a aparência de uma imagem pode ser obtida de um histograma dos níveis de

16 16 cinza dessa imagem. Quando os níveis de cinza são codificados usando mais símbolos de codificação do que o necessário, diz-se que a imagem contém redundância de codificação (GONZALEZ; WOODS, 2000). As imagens normalmente são compostas por objetos que possuem forma previsível e regular e, por conseguinte, alguns níveis de cinza são mais prováveis do que outros. Redundância de codificação também pode ser referenciada como redundância de codificação de tons ou cor. Um bom exemplo seria uma imagem que contém apenas oito cores que necessitaria de apenas três bits em compartimento, no entanto, ao ser codificada usando um byte (8 bits), é reservado um espaço que poderia ser usado para definir 256 tons de cinza (AZEVEDO; CONCI; LETA, 2008). Nesse exemplo, o espaço alocado para armazenar a imagem é maior do que aquele realmente necessário, caracterizando um desperdício de recurso computacional. A segunda delas, a redundância inter-pixel, afirma que as relações entre os pixels de uma imagem resultam das relações geométricas ou estruturais entre os objetos que a compõem. O valor de um determinado pixel é previsível a partir dos seus vizinhos (GONZALEZ; WOODS, 2000). O volume de informação será menor caso um objeto possa ser representado ou identificado apenas pela descrição de seu contorno na imagem (AZEVEDO; CONCI; LETA, 2008). Com isso, vários pixels que compõem uma imagem não precisam estar armazenados. Eles poderão ser calculados em vez de estarem contidos na imagem propriamente dita. A terceira delas, a redundância espectral, ocorre em imagens com mais de uma faixa espectral. Existe uma correlação entre as diferentes bandas espectrais de uma imagem e, quando valores espectrais para a mesma posição na matriz de pixels estão correlacionados, é necessário apenas um canal com informações detalhadas, em vez de vários canais como normalmente são utilizados (AZEVEDO; CONCI; LETA, 2008). Nesse caso, a exemplo da redundância de codificação, ocorre um desperdício de alocação de espaço para guardar informações que podem ser computadas. A última delas, redundância psicovisual, elimina informações não essenciais para o processamento visual humano. O olho não responde com a mesma sensibilidade às informações visuais de uma imagem. Fatores como o brilho, por exemplo, não depende simplesmente da luz refletida em uma determinada região. A redundância psicovisual é

17 17 diferente das anteriores por estar associada a uma informação visual quantificável ou real (GONZALEZ; WOODS, 2000). A eliminação de informações psicovisualmente redundantes não acarreta uma perda de percepção da imagem. O ser humano não detecta ruídos no meio das imagens ou pequenas variações de tons (AZEVEDO; CONCI; LETA, 2008). Isso significa dizer que em um processo de redução que se utilize uma diminuição de dados sem que haja prejuízo para a correta compreensão do conteúdo, estará presente uma otimização, não só desejável, como imperceptível ao ser humano. É importante existir formas de identificar se uma imagem apresenta ou não redundância. Segundo a teoria da informação, quanto menos bits forem necessários para conter todos os valores ou significados, sobre um sistema, menor será sua entropia. O cálculo da entropia de uma imagem pode ser utilizado para descobrir a quantidade de redundância baseado na utilização da seguinte relação: Onde representa cada símbolo do alfabeto-fonte A definido como,,,,. Para imagens o alfabeto pode ser definido como sendo o tom de cinza, a tabela de cores ou cada um dos valores RGB (AZEVEDO; CONCI; LETA, 2008). Considerando uma imagem de tamanho 4x8 pixels em escala de cinza conforme a tabela 1, calcula-se a entropia dessa imagem a partir da probabilidade de cada nível de cinza presente nela, segundo a tabela 2. Tabela 1: Imagem 4x8 em escala de cinza para efeito do cálculo. Fonte: (AZEVEDO; CONCI; LETA, 2008)

18 18 Tabela 2: Probabilidade de nível de cinza. Fonte: (AZEVEDO; CONCI; LETA, 2008). Cor Total Probabilidade /32 = 3/ /32 = 1/ /32 = 1/ /32 = 3/8 Utilizando a relação de entropia, supondo que a imagem tenha 256 níveis de cinza e que a unidade usada seja bits, a base do logaritmo usado na relação depende da unidade utilizada para medir a informação, temos que: H(A) = -p(4) * log 2 (p(4)) p(16) * log 2 (p(16)) p(64) * log 2 (p(64)) p(128) * log 2 (p(128)) H(A) = -[3/8 * log 2 (3/8) + 1/8 * log 2 (1/8) + 1/8 * log 2 (1/8) + 3/8 * log 2 (3/8)] H(A) = -[3/4 * log 2 (3/8) + ¼ * log 2 (1/8)] H(A) = -[3/4 * (log 2 3- log 2 8) + ¼ * (log 2 1 log 2 8)] H(A) = -[3/4 * (log 2 3-3) + ¼ * (0-3)] = 0,81 bits/pixel A entropia dessa imagem então é de 0,81 bits por pixel. No caso de uma imagem 4x8, temos: 0,81 * 32 = 25 bits de informações redundantes. 1.3 Modelos de compressão Um sistema de compressão de dados ou imagens consiste em dois blocos: um codificador e um decodificador. O codificador irá criar um conjunto de símbolos a partir da imagem de entrada. A imagem é transmitida ao longo de um canal e repassada no decodificador para gerar e reconstruir uma imagem de saída (AZEVEDO; CONCI; LETA, 2008). Essa estrutura (codificador-decodificador) é a básica para compreensão de modelos de compressão mais complexos como aqueles que serão abordados posteriormente nesse trabalho.

19 19 Fig. 1 - Sistema genérico de codificação e compressão de dados. Fonte: (MARQUES FILHO; VIEIRA NETO, 1999). Na figura 1, o codificador fonte é o responsável pela eliminação de qualquer redundância existente na entrada (MARQUES FILHO; VIEIRA NETO, 1999). Os codificadores e decodificadores de canal são responsáveis por amenizar o impacto do ruído do canal através da inserção de uma forma controlada de redundância nos dados codificados (GONZALEZ; WOODS, 2000). O codificador fonte e o decodificador fonte podem seguir diversas abordagens de redundâncias modeladas em operações distintas (MARQUES FILHO; VIEIRA NETO, 1999). Definir as operações, tanto para o codificador fonte quanto para o decodificador, determina a abordagem de compressão para cada padrão existente. Fig. 2 - Modelo de (a) codificador fonte e (b) decodificador fonte. Fonte: (GONZALEZ; WOODS, 2000). O modelo de codificador fonte na figura 2 (a), primeiramente projeta a entrada em um formato para reduzir as redundâncias inter-pixel e facilitar nos estágios posteriores. Tal operação é conhecida como mapeamento. Uma segunda operação seria de reduzir a aproximação dos valores ao valor real da saída após o mapeamento pela eliminação de redundâncias psicovisuais. Esse estágio é denominado de quantizador. Um terceiro estágio, o codificador de símbolos, cria um código de comprimento fixo ou variável para representar a

20 saída do quantizador e mapeia a saída de acordo com o código (GONZALEZ; WOODS, 2000). Estágios semelhantes ocorrem em outros padrões de codificação existente. 20 O decodificador de fonte na figura 2 (b) desempenha as operações inversas do estágio do codificador de símbolos e da operação de mapeamento (GONZALEZ; WOODS, 2000). Outras operações para padrões de compressão mais robustos são inseridas ao conjunto que compõe todas as etapas entre o codificador e o decodificador. O tempo para compressão e descompressão nem sempre são iguais. Quando o tempo de compressão de vídeo é muito superior ao de descompressão, denomina-se compressão assimétrica. Para compressão de vídeo, a compressão assimétrica permite, por exemplo, que um vídeo possa ser armazenado em servidores e acessado por uma decodificação mais rápida pelos usuários (AZEVEDO; CONCI; LETA, 2008). Esse tempo para compressão e descompressão está diretamente relacionado ao nível de complexidade, ao número de operações feitas no modelo e ao método de compressão. 1.4 Métodos de compressão de imagens Duas são as categorias de métodos compressão: com e sem perdas. Métodos que não mudam os valores no arquivo de imagem são descritos como técnicas de compressão sem perdas, e as que criam mudanças nas cores são referenciadas como técnicas de compressão com perdas (HEARN; BAKER, 2004). O padrão que será abordado nesse trabalho está inserido na categoria de compressão com perdas. Na compressão com perdas, são retiradas informações não significantes de acordo com a necessidade e os critérios de fidelidade desejados. A compressão com perdas não preserva todos os dados da informação, entretanto é mais eficiente com relação ao espaço necessário para o armazenamento das imagens (AZEVEDO; CONCI; LETA, 2008). Nesse caso, não preservar todos os dados, não implica em uma distorção da interpretação da informação, mas apenas a retirada de dados dispensáveis. Compressão sem perdas, também conhecida como compressão com preservação da informação, explora a redundância entre os pixels na reprodução de uma imagem ou vídeo sem que nenhum dado seja perdido durante o processo de compressão (AZEVEDO; CONCI;

21 LETA, 2008). Diferente do outro método de compressão, na compressão sem perdas todos os dados da informação são preservados. 21 Técnicas de compressão sem perdas são úteis para dados e imagens especiais. Um bom exemplo seria a análise de imagens na biomedicina. Nesses casos, a perda de qualquer informação da imagem pode acarretar em falhas de proporções catastróficas (AZEVEDO; CONCI; LETA, 2008). Em situações especiais, a consequência que a perda de qualquer dado possa causar deve ser muito bem avaliada. Os métodos de compressão com e sem perdas cumprem um papel importante no desenvolvimento e adoção dos principais padrões de compressão de imagens atuais (GONZALEZ; WOODS, 2000). Gonzalez e Woods se referem, neste caso, que ao adaptar o método de compressão a cada necessidade, define-se qual o padrão de compressão será o ideal. Em síntese, de acordo com a técnica para redução de codificação, o método utilizado para eliminação de dados redundantes é o que permite a informação contida na fonte ser reconstruída após o processo de compressão e descompressão. 1.5 Técnicas para redução de codificação Existem várias técnicas e algoritmos que se propõem a reduzir significantemente a redundância de codificação. Os mais usados são as codificações RLE (Run-Lenght Encoding), LZ (assim chamado devido aos seus idealizadores Abraham Lempel e Jacob Ziv), LZW (um aperfeiçoamento do LZ feita por Terry Welch) e o algoritmo de Huffman (MARQUES FILHO; VIEIRA NETO, 1999). É importante a identificação dos algoritmos para entender como as operações para um determinado padrão de compressão funcionam. Abaixo pode-se observar a explicação de algumas dessas técnicas. Quando aplicado à codificação de cada símbolo da fonte, individualmente, o código de Huffman fornece o menor número inteiro possível de unidades de informação (bits) por símbolo de fonte (MARQUES FILHO; VIEIRA NETO, 1999, p. 180). O algoritmo ou técnica de Huffman exemplifica de maneira simples como se conseguir uma redução de codificação.

22 22 A técnica de Huffman foi um método utilizado com sucesso, inicialmente, para compressão de textos. Em todo o texto, alguns caracteres ocorrem mais frequentemente do que outros. Por exemplo, em textos em Inglês, as letras E, A, O, T são normalmente mais usadas do que J, Q, X (PU, 2006). Para simular cada ocorrência de uma letra em um texto, utiliza-se normalmente um código de comprimento fixo, como os 8 bits da tabela ASCII (American Standard Code for Information Interchange). A ideia de Huffman era de representar cada cadeia de caracteres com a menor quantificação de dados possível e a frequência de ocorrência ao longo do texto. Reduzindo assim, o número total de bits para representar o texto (PU, 2006). Em outras palavras isso significaria dizer que, de posse da informação de quantas vezes um determinado dado ocorre, a informação poderia ser reconstruída. Outra perspectiva de aplicação das técnicas de compressão pode ser visualizada na eliminação da redundância baseada na compressão por transformada (AZEVEDO; CONCI; LETA, 2008). Compressão por transformada, assim como a técnica de Huffman, tem como objetivo buscar os dados redundantes que podem ser eliminados. Para o foco de atenção neste trabalho veremos sua aplicação em relação às imagens. Nas técnicas baseadas em transformada, a imagem é mapeada para um conjunto de coeficientes que são quantificados e codificados por uma transformação linear inversível. Na maioria das imagens, existem coeficientes de pequena magnitude que podem ser descartados sem causar distorção significativa. A meta desse processo é descorrelacionar os pixels ou usar a correlação de forma a compactar, o máximo possível, a informação em um número menor de coeficientes (AZEVEDO; CONCI; LETA, 2008). Os métodos que definem o processo para o descorrelacionamento dos pixels serão listados abaixo. Sistemas de codificação por transformada com base nas transformadas de Karhunen-Loève (KLT), Fourier discreta (DFT), cosseno discreta (DCT), Walsh-Hadamard (WHT) e muitas outras têm sido construídos e/ou estudados extensivamente sic (GONZALEZ; WOODS, 2000, p. 267). Para efeito de estudo desse trabalho, a DCT projetase como a codificação mais importante por fazer parte do padrão que será acometido posteriormente. A DCT é o método de codificação por transformada mais frequentemente usada. Algoritmos de implementação eficientes para a DCT fornecem uma melhor fidelidade na

23 23 reconstrução de cores da imagem, uma taxa de compressão maior, além de serem executados rapidamente (HEARN; BAKER, 2004). Para imagens de alta resolução, como ocorre na TV Digital, a DCT é, portanto, o método preferencial. DCT é uma transformada ortogonal cuja propriedade de concentração de energia em poucos coeficientes constitui um atrativo para seu uso em compressão de imagens (LINHARES; DINIZ; CORREIA, 2007). A concentração de energia de uma matriz de pixels em poucos coeficientes proporciona o descorrelacionamento dos pixels vizinhos e torna possível eliminar ou reduzir a presença das altas frequências de uma imagem durante o processo de quantização (LINHARES; DINIZ; CORREIA, 2007, p. 22). maneira: A formulação matemática da DCT direta 1-D pode ser representada da seguinte A DCT em si não compacta os dados. A análise dos valores resultantes permite escolher os dados que podem ser descartados sem perda visível de qualidade (MARQUES FILHO; VIEIRA NETO, 1999). O interesse na DCT desponta por está presente diretamente no padrão de compressão da TV Digital. A DCT foi descrita como a responsável por identificar dados que podem ser eliminados. Depois de identificados esses dados, os fatores de padronização e fidelidade das fontes são então questionados, tratando-se dos próximos assuntos a serem abordados neste trabalho. 1.6 Fidelidade A qualificação dos resultados de uma compressão de imagens pode ser avaliada segundo a taxa de compressão, que é a razão do tamanho do dado ou imagem original pelo tamanho após a compressão. Em uma técnica de compressão sem perdas, quanto maior a taxa, melhor a técnica. Para técnicas com perdas, deve-se considerar a qualidade final (AZEVEDO; CONCI; LETA, 2008). Nas técnicas com perdas é necessário comparar a imagem original com a imagem pós-processo de compressão para identificar o quanto a qualidade entre ambas está próxima.

24 24 Considerando os processos de compressão pela eliminação de redundância, informações de interesse podem ser perdidas. Para quantificar a extensão dessas perdas, são utilizados dois grupos gerais de critérios: critérios de fidelidade objetiva e critérios de fidelidade subjetiva (MARQUES FILHO; VIEIRA NETO, 1999). Verificar os aspectos de fidelidade entre imagens será a funcionalidade desempenhada pela ferramenta desenvolvida nesse trabalho. Critérios de fidelidade objetivos são assim denominados quando os critérios entre os aspectos dos dados ou imagens são expressos numericamente a fim de permitir a comparação das técnicas de compressão, através de uma função entre as imagens. Quando os critérios são estabelecidos por um observador humano, denominam-se critérios de fidelidade subjetivos (AZEVEDO; CONCI; LETA, 2008). Para melhor compreensão, a tabela 3 representa os critérios utilizados para a HDTV (High Definiton TV ou televisão de alta definição). Tabela 3: Notas para um critério de avaliação subjetivo usando HDTV. Adaptado de: (AZEVEDO; CONCI; LETA, 2008). Valor Avaliação Descrição 1 Excelente Imagem de extrema qualidade, o máximo desejável. 2 Muito bom Imagem de alta qualidade e visualização agradável. Interferência não é visível. 3 Passável Imagem de qualidade aceitável. A interferência não é desagradável. 4 Marginal Imagem de qualidade pobre. A interferência é de alguma forma desagradável. 5 Inferior Imagem muito pobre, mas pode-se vê-la. Interferência muito presente. 6 Não usável Imagem tão ruim que não se consegue ver. Neste trabalho, o enfoque será dado aos critérios de fidelidade objetivos, uma vez que a aplicação a ser desenvolvida utiliza algoritmos e cálculos matemáticos para determinar os aspectos diferenciais entre as imagens. 1.7 Padronizações de compressão de Imagens Para compressão de imagens biníveis (binárias), por exemplo, os padrões do Grupo 3 e 4 do Consultative Committee of International Telephone en Telegraph (CCITT) são amplamente usados. Esses padrões foram originalmente projetados para transmissão de documentos em redes de telefone, mas existe uma grande variedade aplicada em computadores (GONZALEZ; WOODS, 2000). Para entender como funciona a padronização

25 que é foco de interesse para o trabalho, será descrito o funcionamento dos padrões do Grupo 3 e Na padronização do Grupo 3 é aplicada uma técnica não-adaptativa por código de corrida unidimensional, em que pelo menos K-1 linhas de cada grupo de K linhas (para K=2 ou 4) são codificadas otimamente de uma maneira bidimensional. A padronização do Grupo 4 é uma simplificação do Grupo 3, em que apenas codificação bidimensional não-adaptativa é permitida (GONZALEZ; WOODS, 2000). Os padrões são normalmente evolutivos, as experiências anteriores são reutilizadas para aprimorar os novos padrões. Para compressão de imagens de tons contínuos, a CCITT e a ISO (International Organization for Standardization) definiram várias padronizações que tratam de imagens monocromáticas, coloridas, aplicações de imagens estáticas e as de sequência de quadros (vídeo) (GONZALEZ; WOODS, 2000). A CCITT foi responsável pela difusão de padrões de vídeos mais utilizados atualmente. Seguindo uma breve linha cronológica, a padronização H.261 (também chamada de Px64) criada pela CCITT e desenvolvida pela ITU-T (International Telecommunication Union, Telecommunication Standardization Sector), foi o primeiro padrão de codificação de vídeo difundido com sucesso, projetado para aplicações de teleconferência por vídeo, capaz de comprimir vídeos para as taxas de transmissão mais comuns na época (entre 80 e 320 kbit/s para comunicações em vídeo digital) (GONZALEZ; WOODS, 2000; FONSECA, 2008). O padrão que será avaliado nesse trabalho é a versão mais atual do padrão H.261. As padronizações MPEG I e MPEG II, desenvolvidas pelo Moving Picture Experts Group (MPEG), propunham uma padronização de compressão de vídeo com qualidade de entretenimento para o armazenamento de imagens comprimidas em meios digitais (GONZALEZ; WOODS, 2000). Tanto a padronização MPEG como a H.261 estendem abordagens bastante semelhantes. O ITU-T, inicialmente, focou-se na compressão de vídeo digital priorizando aplicações em telefonia, enquanto o MPEG considerou outros aspectos como a codificação de áudio, sincronização e multiplexação de áudio e vídeo mais relevantes (MANUEL, 2007). Atualmente o ITU-T e o ISO/IEC MPEG são os principais órgãos responsáveis pela definição de tais padronizações.

26 26 As diferenças entre as padronizações MPEG e a H.261 estão na maneira como são estimados os movimentos. A padronização H.261 especifica que cada quadro seja comparado apenas com o quadro anterior, enquanto a padronização MPEG não define quantos quadros podem ser usados para estimação de movimento (GONZALEZ; WOODS, 2000). Ambos os padrões utilizam a DCT descrita na seção 1.5. Inserido nesse contexto, sobre informações pertinentes aos padrões de compressão de imagens atuais, o H.264/AVC (Advanced Video Coding), evolução dos padrões citados, será o padrão analisado nesse trabalho.

27 2 CODECS H.264 E A TV DIGITAL BRASILEIRA O presente capítulo aborda como os equipamentos de vídeo digital necessitam de uma padronização de técnicas de codificação para que possam se comunicar. Aqui serão esclarecidos a definição e o comportamento do padrão de codificação H.264/AVC, bem como o seu relacionamento com a TV Digital Brasileira. 2.1 TV Digital Brasileira Estamos presenciando a implantação de uma nova geração de sistemas de TV: a Televisão Digital e a TV de Alta Definição (STOLFI, 2004). A TV Digital ao longo dos próximos anos irá substituir a TV analógica. Segundo Stolfi (2004) a introdução do modelo de TV a cores, ocorreu em Entretanto, o formato da TV manteve-se praticamente inalterado até os dias atuais. Tabela 4: Marcos na evolução da TV. Adaptado de: (STOLFI, 2004). Ano Marco 1884 Varredura de Imagens por discos rotativos (Paul Nipkov) 1900 Conceito de Televisão (Constantin Persky) 1925 Primeiras transmissões de TV (J. Baird, C. Jenkins) 1928 Transmissões comerciais de TV (Hugo Gernsback) 1940 Testes de transmissão de TV a cores 1941 Transmissões no padrão M (CBS) 1948 Padrão de 50 Hz / 625 linhas é adotado na Europa 1952 Transmissão de TV em UHF 1953 TV a Cores padrão NTSC (RCA) 1965 Sistema PAL de transmissão de TV a Cores 1986 Transmissão de som estéreo na TV (BTSC) 1989 Sistema Hi-Vision (NHK)

28 28 A HDTV possibilita a transmissão em uma resolução superior a tradicional. A TV analógica tem 480 linhas verticais e normalmente 640 linhas horizontais, enquanto a HDTV chega a uma resolução de até 1080 linhas verticais por 1920 linhas horizontais (BENOIT, 2008). O aproveitamento dos recursos da TV em alta definição deverá trazer à população brasileira a possibilidade real de interatividade. Os equipamentos vídeo digital necessitam de uma padronização de técnicas de codificação de vídeo para se comunicarem. Durante o final da década de 80 e o início da década de 90, os primeiros esforços para a padronização aconteceram através do ITU-T Vídeo Coding Experts Group (VCEG), com a criação do padrão H.261 (MANUEL, 2007). A norma ABNT (Associação Brasileira de Normas e Técnicas) NBR especifica a codificação de vídeo em alta definição, resolução-padrão e resolução reduzida, incluindo os parâmetros para os sinais na entrada do codificador e as restrições ao processo de codificação, aplicáveis ao sistema brasileiro de televisão digital terrestre (SBTVD). Ela especifica que a ferramenta de compressão de vídeo do sistema de televisão digital terrestre brasileiro deve obrigatoriamente estar de acordo com a ITU-T Recommendation H H.264/AVC H.264/AVC é o mais novo padrão de compressão de vídeo, resultante da colaboração entre as equipes ISO/IEC Moving Picture Experts Group (MPEG) e ITU-T Video Coding Experts Group (VCEG) sob a agregação denominada Joint Video Team (JVT) (FONSENCA, 2008; HANZO; CHERRIMAN; STREIT, 2007). O H.264 é uma evolução dos padrões de vídeos mais difundidos. O H.264/AVC oferece elevada eficiência de compressão de uma classe específica de sinais de vídeo resultantes da captura de cenas reais (e não sintéticas), além de proporcionar representação de vídeo conveniente à transmissão tanto para aplicações interativas quanto não-interativas (FONSENCA, 2008). Em vista disso, é notável sua grande aceitação nos meios de comunicação digital. O interesse pelo padrão H.264 tem sido crescente com relação ao seu uso em novos sistemas de armazenamento e de transmissão de vídeo digital por possuir um ótimo desempenho com taxas de bits 50% menor do que seu antecessor MPEG-2, mantendo a

29 mesma qualidade (MANUEL, 2007). O H.264, comparado aos outros padrões, torna-se mais eficiente por diminuir a relação de distorção causada no processo de compressão. 29 Como Manuel (2007, p.09) explica: A compressão sem perdas limita-se a um pequeno nicho de aplicações que não toleram qualquer distorção, como vídeos médicos ou sistemas de arquivamento. Por sua vez, a compressão com perdas é a mais usada e difundida, já que certas distorções podem ser imperceptíveis ao olho humano, ou mesmo toleradas é este o tipo de compressão que trata o padrão H.264. O H.264 possui uma série de vantagens em relação a seus antecessores, com respeito às etapas de predição, transformação e codificação (MANUEL, 2007, p. 4). Cada etapa na compressão H.264 possui melhoramentos que serão listados posteriormente. O codec H.264 oferece substancialmente uma codificação com melhor eficiência na mesma qualidade de vídeo comparado ao MPEG-4 ou H.263 (HANZO; CHERRIMAN; STREIT, 2007). Esses padrões citados são os antecessores imediatos do H.264/AVC. A evolução do H.264 será alcançada com o investimento em diferentes pontos do codificador, resultando provavelmente em um conjunto de pequenas melhorias nos processos de predição, transformação e codificação (MANUEL, 2007). Ainda segundo Manuel (2007), provavelmente em 2010 o padrão será denominado H.265. Um dos conceitos fundamentais de H.264 é a separação do vídeo em duas camadas distintas: camada de codificação e camada de adaptação de rede. A camada de codificação do vídeo é responsável pela codificação eficiente representando o conteúdo do vídeo, enquanto a camada de adaptação de rede é responsável pelo empacotamento dos dados codificados de forma adequada para transmissão através da rede (HANZO; CHERRIMAN; STREIT, 2007). Significando dizer que, além da abordagem de eliminação de redundância, o H.264/AVC também busca um melhor desempenho a reprodução do vídeo. O processo de transformação é aplicado para transformar valores de um bloco visando transformar o sinal para o domínio de frequência espacial para reduzir as redundâncias espaciais e descorrelacionar a concentração de informação nos coeficientes (MANUEL, 2007). Manuel (2007) explica ainda que o H.264 utiliza uma transformada simples que utiliza apenas números inteiros cujos resultados se aproximam muito da transformada DCT 4 4.

30 30 Fig. 3 - Esquema do codificador H.264. Fonte: (HANZO; CHERRIMAN; STREIT, 2007). A figura 3 representa o esquema do codificador H.264. O fluxo de dados pelo codificador é formado por dois caminhos, um caminho "Direto" orientado da esquerda para a direita e um caminho evolutivo de "Reconstrução" da direita para a esquerda (HANZO; CHERRIMAN; STREIT, 2007). Manuel (2007) lista algumas vantagens do H.264 com relação às transformadas: predição intra-quadro, codificação por transformada e sua codificação por entropia Predição Intra-quadro A estrutura do H.264/AVC é definida por uma técnica de predição Intra-quadro em que amostras do sinal de vídeo agrupadas em macroblocos de pixels. A predição existe para como unidade básica para identificar informações de macroblocos já codificados e pertencentes ao mesmo quadro (MANUEL, 2007). Predição, neste contexto, tem o mesmo significado de prognóstico Codificação por transformadas Fonseca (2004) descreve como o H.264/AVC emprega a codificação por transformadas para viabilizar a codificação do sinal residual. Essa melhora é efetuada por meio da redução da redundância espacial existente no erro de predição.

31 31 O H.264/AVC não aplica a DCT bidimensional em blocos de 8 8 pixels, como nos padrões MPEG-1 e MPEG-2. No H.264/AVC são usadas transformadas inteiras reversíveis com tamanhos variados de 8 8, 4 4 a 2 2 amostras. Por conseguir utilizar transformadas menores que a DCT de 8 8, isso acaba permitindo ao compressor codificar melhor o resíduo de predição no caso em que são selecionadas partições de tamanhos menores que 8 8 (MANUEL, 2007). Isso explica a garantia de uma melhor compactação do sinal devido à menor variação encontrada em pequenas regiões de um quadro digital Codificação de Entropia O padrão H.264/AVC possui um alto grau adaptativo às fontes por incorporar um modelamento de contextos do sistema de codificação de entropia. Esse sistema analisa a hipótese de que a estatística dos sinais seria estacionária e levanta, de antemão, códigos de comprimento variável de tamanho excelente para os elementos sintáticos normatizados (MANUEL, 2007). Como essa hipótese nem sempre era verificada em outros padrões, o H.264 é então mais hábil na remoção da redundância do sinal. 2.3 Perfis do H.264/AVC O H.264/AVC foi desenvolvido para ser o mais genérico possível e capaz de atender uma vasta gama de aplicações, taxas, resoluções, qualidades e serviços (FONSECA, 2008). Entretanto, as demandas das aplicações podem ser bastante diferentes. Em vista disso, a especificação do H.264/AVC define perfis e níveis de forma a maximizar a interoperabilidade e proporcionar uma maior aceitação do padrão. Nas palavras de Manuel (2007) um perfil é definido como sendo um subconjunto da sintaxe completa do bitstream (método de conversão Digital/Analógica que emprega a leitura bit por bit em vez do método convencional de 16 bits por vez) ou um subconjunto de ferramentas de codificação. Um perfil deve operar elementos sintáticos específicos para indicar a presença ou ausência de elementos sintáticos que venham a ser aproveitados em seguida no bitstream (MANUEL, 2007). Isso significa dizer que os decodificadores compatíveis com um mesmo perfil suportam as mesmas ferramentas de codificação. Várias implementações, tanto em

32 32 softwares quanto em hardware, para codecs H.264 foram desenvolvidas desde o final do ano de 2003, quando o padrão foi lançado. 2.4 Codecs H.264 A implementação de codecs existem para exibição de vídeos em formatos próprios para o computador. Das aplicações de softwares desenvolvidas para o padrão H.264, até julho de 2007, pode-se citar várias dezenas (31 itens segundo o departamento The Graphics & Media Laboratory de Ciência da Computação do MSU) compostas tanto por softwares pagos, como também softwares com código fonte aberto (MSU, 2009). Tabela 5: Softwares para codecs MPEG-4 AVC/H Ateme H.264/MPEG-4 AVC Codec (Ateme) Fonte: (MSU, 2009). 2. Elecard Elecard Mobile Converter v 2.0 with AVC support (Elecard) 3. Mainconcept H.264 (MainConcept AG) 4. QuickTime 7 H.264 (Apple Computer, Inc.) 5. Intel IPP H.264 codec (Intel Corporation) 6. VSS H.264 Video Codec (Vanguard Software Solutions, Inc.) 7. Sorenson AVC Pro (part of Sorenson Squeeze 4) (Sorenson Media, Inc.) 8. SONY Video Editor Vegas 6c with AVC support (Sony Corp.) 9. FastVDO H.264 (FastVDO LLC) LEAD H.264 Video codec (LEAD Technologies) PowerEncoder MPEG-4 AVC (CyberLink Corp.) AMD ATI Avivo H.264 (ATI Technologies Inc. - now part of Advanced Micro Devices Inc.) Mpegable AVC Codec (dicas digital image coding GmbH) Expert H.264 (PixelTools Corporation) MPEG-2/HDV/H.264 software (KDDI R&D Labs. Inc.)

33 MiraVid Inc. H.264 decoder (MiraVid Inc.) bsoft ltd MPEG-X/H.26X Encoder and Decoder (bsoft ltd.) Fraunhofer IIS H.264 Codec (Fraunhofer IIS) Scientific Atlanta - UBLive-264-C64 (Scientific Atlanta (was UB Video Incorporated)) Roxio Popcorn with AVC encoder (Sonic Solutions) NEX VISION H.264 (NEX VISION) Video Labs H.264/AVC (Video Laboratories Ltd was Imagicity, UK) SPIRIT H.264 Video Codec (SPIRIT) CoreAVC H.264 Video Codec (CoreCodec, Inc.) CINEMA CRAFT HD encoder (Omni Communications.) A tabela 5 é uma lista de vinte e cinco implementações para o codec H.264 desenvolvidas por empresas com finalidades comerciais. Tabela 6: Softwares OPEN-SOURCE para codecs H.264 Fonte: (MSU, 2009). 1. x264 HP encoder (free, supported by VideoLAN) 2. JM 9.6 reference H.264 encodec (free, supported by Joint Video Team ISO&ITU-T) 3. libavcodec H.264 Decoder (Project FFMPEG) 4. Minimal H.264 decoder (by Martin Fiedler) 5. Hdot264 Pre-Alpha (Project Hdot264) 6. t264 (Project t264) A tabela 6 exibe seis implementações para o padrão H.264 cujos códigos estão abertos para usuários e desenvolvedores. Esses últimos codecs são de utilização livre, não

34 necessitando de uma licença para utilização. Desenvolvedores podem contribuir na correção de erros e na documentação, desde que a condição de liberdade seja mantida. 34 Com a finalidade de avaliar os codecs do padrão H.264, as implementações MainConcept H.264 da tabela 5 e o x264 da tabela 6 foram escolhidas para serem comparadas. Aliado a isso, uma pesquisa, sobre aplicativos que pudessem quantificar a qualidade entre os vídeos, foi efetuada. Devido ao déficit para encontrar tais ferramentas, criou-se a necessidade de desenvolvimento de uma aplicação que atendesse essa premissa.

35 3 PROPOSTA DE CODIFICAÇÃO DE VÍDEOS Este capítulo apresenta o desenvolvimento de uma aplicação que utiliza conceitos de Computação Gráfica para comparar imagens. Sua utilização nesse trabalho será aplicada sobre vídeos codificados a partir de codecs relacionados no capítulo Comparador de Imagens A aplicação foi desenvolvida usando a linguagem de programação C# sob a plataforma de desenvolvimento Microsoft Visual Studio O principal objetivo dessa ferramenta é apontar os pixels distintos entre as imagens e fornecer subsídios para quantificar as diferenças entre elas Estrutura do programa O programa é constituído basicamente por duas classes. A primeira classe contém as funções para controle e processamento das imagens. A segunda representa uma entidade para armazenamento das informações conseguidas após o processamento dos algoritmos de varredura. Ambas as classe serão apresentadas abaixo e suas utilizações descritas na seção

36 36 Fig. 4 - Classe ImagemResultante. A figura 4 representa a classe ImagemResultante. Essa classe é a responsável por armazenar informações sobre a comparação entre a imagem original e a imagem após o processo de compressão. Nela são registrados valores que representam as quantidades de níveis azuis, vermelhos e verdes não coincidentes, bem como o total de pixels que possuem qualquer diferenciação nas imagens que forem comparadas. Os resultados guardados nessa classe são exibidos posteriormente ao usuário da aplicação. A exibição dos resultados calculados é exposta de duas formas distintas: através de valores em forma de porcentagem e na forma de uma imagem resultante. A segunda forma é uma imagem na qual os pixels distintos entre as imagens são realçados. Fig. 5 - Classe Comparador. A figura 5 representa a principal classe da aplicação. Nela estão implementadas as funções Comparar, CalcularHistogramaRGB e a função PorcentagemDiferença. A função Comparar executa um algoritmo desenvolvido para buscar os pixels distintos entre imagens. A função CalcularHistogramaRGB calcula o histograma das imagens e a PorcentagemDiferença a porcentagem de distinção entre as imagens.