TEKTRONIX

Transcrição

1 MPEG

2 Este Guia é um novo paradigma das medições para as indústrias de televisão e telecomunicações. Informações teóricas, dados experimentais, documentos apresentados em conferências e seminários, artigos publicados em jornais e revistas, serão divulgados em próximas edições. Para expressar o seu interesse por novas tecnologias e obter informações e novidades técnicas e teóricas, produtos disponíveis na área, resumos técnicos ou outros recursos para auxiliar engenheiros que trabalham com tecnologia avançada, visite nossos sites ou entre em contato direto. A Tektronix possui uma coleção bastante abrangente sobre o assunto. TEKTRONIX

3 MPEG Editora SENAI Rio de Janeiro 2009

4 2009. TEKTRONIX Direitos da obra original em inglês. Tradução e impressão autorizadas para o SENAI Departamento Nacional. Tradutor Dalton Vilella Camilher Revisora Técnica Nelia Caetano Catalogação-na-Publicação (CIP) - Brasil T 235 m Tektronix. MPEG / Tektronix ; tradução Dalton Vilella Camilher. - Rio de Janeiro : Ed. SENAI, p. : il. ; 23 cm. - (Coleção TV Digital) Tradução de: MPEG fundamentals and protocol analysis including DVD and ATSC Inclui glossário ISBN Engenharia eletrônica e comunicação. 2. MPEG. I. SENAI Departamento Nacional. II. Título. CDD: Editora SENAI Rua São Francisco Xavier, Maracanã Rio de Janeiro - RJ Tel.: (0XX21) editorasenai@rj.senai.br

5 SUMÁRIO Seção 1 Introdução ao MPEG... 9 Seção 2 Compressão de Vídeo...27 Seção 3 Compressão de Áudio O Mecanismo da Audição Codificação da Sub-Banda MPEG Camada MPEG Camada Codificação por Transformada MPEG Camada MPEG-2 Áudio MPEG-4 Áudio AC Seção 4 Os Padrões O que é MPEG? Quem é ITU? Evolução dos Padrões Performance do Vídeo Licenciamento MPEG MPEG Perfis e Níveis em MPEG MPEG Documentos Padrões do MPEG Codificação do Objeto Codificação de Áudio e Vídeo Escalabilidade Tamanho Variável do Macrobloco Perfis e Níveis em MPEG-4 parte 10 (AVC/H.264) MP4 Formato Contêiner SMPTE VC Transformada de Bloco de Dimensão Variável... 91

6 4.7.2 Compensação de Movimento Decodificando Blocos e Suavizando Imagens Compensação do Efeito Fading (Desbotamento) Perfis e Níveis MPEG-7 e MXF MPEG Seção 5 Fluxos Elementares Sintaxe de Fluxo Elementar de Vídeo Fluxos Elementares de Áudio...99 Seção 6 Empacotamento de Fluxos Elementares (PES) Pacotes PES Marcas de Tempo PTS/DTS Seção 7 - Programa Stream Gravação vs. Transmissão Introdução a Programa Stream Seção 8 Transporte Stream O Trabalho do Transporte Stream Pacotes Referência do Clock de Programa (PCR) Identificação do Pacote (PID) Informação Específica do Programa (PSI) Seção 9 Modulação Digital Princípios de Modulação Modulação Analógica Modulação em Quadratura Sistemas Simples de Modulação Digital Chaveamento do Deslocamento de Fase

7 Um Guia para Fundamentos de MPEG e Análise de Protocolo Turbo 8PSK DBV S Modulação de Amplitude de Quadratura QUAM Modulação de Banda Lateral Vestigial VSB Multiplex de Divisão de Freqüência Ortogonal Codificado - COFDM Multimedia Digital Broadcast da China-Terrestre/Handheld DMB-T/H Serviço de Dado Integrado Broadcasting (ISDB) Sistema de Satélite ISDB-S Sistema a Cabo ISDB-C Modulação Terrestre ISDB-T Modulação Móvel ISDB-Tss ISDB em Resumo Sistemas Broadcast Móveis DVB-H T-DMB DAB IP FLO Segmento Único ISDB Seção 10 Introdução a DVB e ATSC Uma Visão Geral Remultiplexação Informação de Serviço (SI) Correção de Erro Codificação Turbo Codificação de Canal; Dipersão de Energia Codificação Interna Transmitindo Dígitos Seção 11 Transmissão de Dados Aplicações Dados Relativos ao Programa Dados Oportunistas Rede de Dados

8 TV Aprimorada TV Interativa Encapsulamento de Conteúdo Encapsulamento de Dados MPEG Encapsulamento de Dados DVB Encapsulamento de Dados ATSC A/ Encapsulamento de Dados ARIB Conteúdo de Dados Broadcasting Como Carrosséis de Objetos são Transmitidos Sincronização de Dados MPEG Sinalizando Conteúdos de Dados Apresentação de Conteúdo Set Top Box Middleware Histórico de Padrões Middleware Abertos A Plataforma Doméstica de Multimedia DVB (MHP) ATSC Plataforma de Aplicação Comum Avançada (ACAP) Seção 12 Teste de MPEG Requerimentos de Teste Analisando o Transporte Stream Visão Hierárquica Padrões de Verificação de Conformidade Orientações de Medição de DVB, TR Verificações do Transporte Stream ATSC, A/ Visão do Pacote Análises de Sintaxe e CRC Análises de Tempo Teste de Stream Elementar Análise de Stream Elementar SINCRONIZAÇÃO Áudio Visual Criando um Transporte Stream Geração de Imprecisão de PCR Análise de Carrossel de Dados Broadcast Glossário...211

9 Seção 1 Introdução ao MPEG MPEG é uma das técnicas de compressão de áudio e vídeo mais populares porque não é apenas um simples padrão, mas uma gama de padrões adequados para diferentes aplicações e baseados em princípios similares. MPEG são as iniciais de Moving Picture Experts Group (Grupo de Especialistas em Movimento de Imagem), parte do Joint Technical Committee (Comitê de Junta Técnica), JTC1, estabelecida pela ISO (Organização Internacional de Padrões) e IEC (Comissão Eletrotécnica Internacional). JTC1 é responsável pela tecnologia da informação; dentro do JTC1 o subgrupo SG29 é responsável pela codificação do áudio, Imagem e Informação de multimedia e hipermedia. Há vários grupos de trabalho dentro do SG29, incluindo o JPEG (Joint Photographic Experts Group) e o Grupo de Trabalho 11 para compressão de imagem em movimento. ISO/IEC JTC1/SG29/ WG11 é o MPEG.

10 MPEG pode ser descrito como uma interação de siglas. Como estabelece o ETSI, O CAT é o indicador que possibilita o IRD a encontrar o EMMs associado com o sistema CA que ele usa. Se você consegue entender esta sentença, você não precisa deste livro!

11 Um Guia para Fundamentos de MPEG e Análise de Protocolo 1.1 Convergência Técnicas Digitais têm progredido rapidamente em áudio e vídeo por inúmeras razões. A informação digital é mais robusta e pode ser codificada para substancialmente eliminar erros. O CD (Compact Disc) foi o primeiro produto de consumo a demonstrar isto. Mesmo que o CD possui uma qualidade de som aprimorada com respeito ao seu predecessor, o vinil, a comparação somente da qualidade não é relevante. O que realmente importa é que as técnicas de gravação e transmissão digitais permitem a manipulação do conteúdo a um nível que é impossível com o processo analógico. Quando o áudio ou o vídeo é digitalizado o conteúdo é em forma de dados. Tais dados podem ser manuseados da mesma maneira que qualquer outro tipo de dados; assim, áudio e vídeo digitais tornam - se domínio da tecnologia do computador. A convergência de computadores e sinais de áudio/vídeo é uma conseqüência inevitável das invenções da computação e da modulação por código de pulso (PCM). A media digital pode armazenar qualquer tipo de informação, logo é fácil usar um dispositivo de armazenamento do computador para vídeo digital. As Ilhas de Edição não linear foi o primeiro exemplo da aplicação da tecnologia convergente que não teve precursor analógico. Outro exemplo, a multimedia, combina o armazenamento de áudio, vídeo, gráficos, textos e dados na mesma media. Multimedia não tem equivalência no domínio analógico. 1.2 Por que é Necessária a Compressão? O início do sucesso do vídeo digital foi em aplicação de pós-produção, onde o alto custo do vídeo digital foi compensado por camadas ilimitadas e por capacidade de efeitos. Entretanto, produção padrão de vídeo digital gera acima de 200 megabits de dados por segundo, e este bit rate requer extensa capacidade de armazenamento e banda larga para transmissão. O vídeo digital somente poderia ser usado em aplicações mais amplas se os requisitos de armazenamento e da largura de banda pudessem ser facilitados; este é o propósito da compressão. 11

12 Seção 1 Compressão é um modo de expressar áudio e vídeo digital empregando menos dados. A compressão tem as seguintes vantagens: Uma menor quantidade de armazenamento é necessária para uma dada quantidade de material fonte; Quando trabalhando em tempo real, a compressão reduz a largura de banda necessária; adicionalmente, a compressão permite transferência mais rápida em tempo real entre medias, por exemplo, entre fita e disco; Um formato de gravação comprimido usa uma densidade de gravação mais baixa e isto pode permitir um gravador menos sensível a fatores ambientais e a manutenção. 1.3 Princípios de Compressão Existem duas técnicas fundamentalmente diferentes que podem ser usadas para reduzir a quantidade de dados empregada para transportar o conteúdo da informação. Em sistemas de práticas de compressão, estas são usualmente combinadas, freqüentemente de maneiras bastante complexas. A primeira técnica é aprimorar a eficiência da codificação. Há muitas maneiras de codificar qualquer informação, e a representação mais simples de dados de vídeo e áudio contém uma quantidade substancial de redundância. O conceito de entropia é discutido abaixo. Muitos truques de codificação podem ser usados para reduzir ou eliminar redundâncias; exemplos incluem os sistemas de codificação run-lenght e variable-lenght como os códigos Huffman. Quando devidamente empregados, estas técnicas são completamente reversíveis de maneira que após a descompressão a informação é idêntica àquela na entrada do sistema. Este tipo de compressão é conhecido como lossless (sem perda). Programas de arquivamento de computadores como o PKZip empregam a compressão lossless. Obviamente, a compressão sem perdas é a ideal, mas infelizmente não proporciona usualmente o nível de redução de dados necessário para aplicação em áudio e vídeo. Entretanto, por não ter perdas, pode ser aplicado 12

13 Um Guia para Fundamentos de MPEG e Análise de Protocolo em qualquer ponto do sistema e é freqüentemente usado na saída de dados de compressores com perdas. Se a eliminação de redundância não reduz os dados tanto quanto necessário, alguma informação terá que ser descartada. Sistemas de compressão com perdas alcançam a redução de dados pela remoção de informação irrelevante ou de relevância menor. Estas não são técnicas gerais que podem ser aplicadas a qualquer stream de dados; a avaliação da relevância só pode ser feita no contexto da aplicação, compreendendo o que os dados representam e como serão usados. No caso da televisão, a aplicação é a apresentação de imagens e sons aos sistemas visuais e auditivos humanos, e os fatores humanos precisam ser bem compreendidos para se projetar um sistema de compressão efetivo. Algumas informações de sinais de vídeo não podem ser percebidas pelo sistema visual humano, assim sendo, são realmente irrelevantes neste contexto. Um sistema de compressão que descarta somente informações de imagens irrelevantes é conhecido como visualmente sem perdas. 1.4 Compressão em Aplicações de Televisão Sinais de televisão, analógico ou digital, sempre representaram um grande envolvimento de informação e técnicas de redução de largura de banda têm sido usadas desde o início. Provavelmente o exemplo mais inicial seja o entrelaçado. Para um dado número de linhas e uma dada taxa de imagem, o entrelaçado oferece uma redução de largura de banda de 2:1. O processo produz perdas; o entrelaçado gera artefatos causados pela interferência entre a informação vertical e a temporal e reduz a resolução vertical útil da imagem. Todavia, a maioria do que é rejeitado é irrelevante, assim, o entrelaçado representava uma técnica bastante simples e muito compensadora em seu tempo. Infelizmente, o entrelaçado e os artefatos gerados são muito inconsistentes para esquemas digitais de compressão mais sofisticados. Muito da complexidade do MPEG-2 resulta da necessidade de lidar com sinais entrelaçados, e há ainda uma perda significativa na eficiência da codificação quando comparado aos sinais progressivos. 13

14 Seção 1 Os próximos passos mais importantes vieram com o advento das cores. Câmeras coloridas produzem sinais GBR (Green, Blue, Red), assim, existe nominalmente três vezes mais informação que em um sinal monocromático mas, sinais coloridos deveriam ser transmitidos nos mesmos canais usados pelos monocromáticos. A primeira parte da solução foi transformar os sinais GBR em um sinal de brilho, luminância (normalmente designado Y) mais dois sinais de diferença de cor, U e V, ou I e Q. A geração de um sinal de luminância passou por um longo processo para resolver o problema da compatibilidade com receptores monocromáticos, mas, o passo importante para minimizar a largura de banda veio com os sinais de diferença de cores. Descobriu-se que o sistema visual humano usa sensores que são sensíveis ao brilho e que pode ver imagens de resolução muito alta. Outros sensores captam informação de cores, mas com resolução muito menor. O resultado final é que, dentro de certos limites, uma imagem nítida monocromática de uma cena brilhante sobreposta a uma de informação de cor de menor definição (baixa largura de banda) aparecerá como figura colorida nítida. Não é possível tirar vantagem disto quando lidamos com sinais GBR, pois cada sinal contém ambas as informações de brilho e cor. Entretanto, no sistema YUV, a maioria da informação de brilho esta contida no sinal Y, e muito pouco nos sinais de diferença de cor. Assim, é possível filtrar os sinais de diferença de cor e reduzir bastante a informação a ser transmitida. Este é um exemplo de como eliminar a maioria da informação irrelevante. Sob o aspecto da visão, o sistema visual humano não responde significativamente às informações de alta freqüência nos sinais de diferença de cor, logo pode ser descartado. As transmissões de televisão em NTSC têm aproximadamente 500 khz em cada sinal de diferença de cor, e as imagens são adequadamente nítidas para muitas aplicações. O passo final no processo de redução da largura de banda do NTSC e PAL foi esconder os sinais de diferença de cor em partes não usadas do espectro do sinal monocromático. Embora o processo não seja estritamente sem perdas, isto pode ser considerado como um aumento da eficiência da codificação do sinal. 14

15 Um Guia para Fundamentos de MPEG e Análise de Protocolo Algumas das técnicas no mundo digital são bastante diferentes, mas princípios similares se aplicam. Por exemplo, o MPEG transforma sinais em um domínio diferente para permitir a isolação da informação irrelevante. A transformação para sinais de diferença de cor ainda é empregada, mas as técnicas digitais permitem filtrar o sinal de diferença de cor para reduzir a resolução vertical para outras aplicações. A figura 1-1a mostra que no sistema de televisão tradicional, o sinal GBR da câmera é convertido para componentes Y, Pb, Pr para produção e codificação do sinal analógico composto para transmissão. A figura 1-1b mostra o equivalente moderno. Os sinais Y, Pb, Pr são digitalizados e transportados como sinais Y, Cb, Cr na forma SDI através do processo de produção, antes de serem codificados em MPEG para transmissão. Claramente, o MPEG pode ser considerado pela radiodifusão como uma substituição mais eficiente para o vídeo composto. Além disso, o MPEG tem maior flexibilidade porque a taxa de bits necessária pode ser ajustada para se adequar à aplicação. Em baixas taxas de bits e baixas resoluções, o MPEG pode ser usado para vídeo conferência e vídeo telefone. Digital Vídeo Broadcasting (DVB) (Radiodifusão de Vídeo Digital) e o Advanced Television Systems Committee (ATSC)(Comitê de Sistemas de Televisão Avançados), padrões de radiodifusão digital europeu e americano originais não seriam viáveis sem a compressão, porque a largura de banda necessária seria demasiadamente grande. A compressão estende o tempo de execução do DVD (digital video/versatile disk) permitindo filmes longa 15

16 Seção 1 metragem em um simples disco. A compressão também reduz o custo de ENG e outras contribuições para a produção de televisão. DVB, ATSC e disco de vídeo digital (DVD) são todos baseados na compressão MPEG-2. Na gravação de fitas, a compressão moderada facilita e adiciona confiabilidade em Betacam Digital e Digital-S, enquanto em SX, DVC, DVCPRO e DVCAM a meta é a miniaturização. Em servidores de vídeo com base em disco, a compressão diminui o custo de armazenamento. A compressão também reduz a largura de banda, o que permite que mais usuários tenham acesso a um dado servidor. Esta característica é também importante para aplicações em VOD (video on demand vídeo por encomenda). 1.5 Introdução à Compressão de Vídeo Digital Em todo material de programa real, há dois tipos de componentes de sinal: aqueles que são inesperados e imprevisíveis e aqueles que podem ser antecipados. O componente inesperado é chamado de entropia e é a informação real do sinal. O restante é chamado de redundância porque não é essencial. A redundância pode ser espacial, como em grandes áreas planas de uma imagem onde os pixels adjacentes têm quase o mesmo valor. A redundância também pode ser temporal, quando são usadas semelhanças entre imagens sucessivas. Todos os sistemas de compressão trabalham separando a entropia da redundância no encoder. Somente a entropia é gravada ou transmitida e o decoder computa a redundância do sinal transmitido. A figura 1-2a (ver próxima página) mostra este conceito. Um codificador ideal extrairia toda a entropia e somente esta seria transmitida para o decoder. Um decoder ideal, então, reproduziria o sinal original. Na prática, este ideal não pode ser alcançado. Um codificador ideal seria complexo e causaria um atraso muito longo para usar a redundância temporal. Em certas aplicações, tais como gravação ou broadcasting, algum delay é aceitável, mas em videoconferência não. Em alguns casos, um codificador muito complexo seria dispendioso demais. Isto quer dizer que não existe um sistema de compressão ideal. 16

17 Um Guia para Fundamentos de MPEG e Análise de Protocolo Na prática, é necessária uma gama de codificadores que tenha uma faixa de processamento de delays e complexidades. A força do MPEG é que ele não é apenas um formato simples de compressão, mas uma variedade de ferramentas de codificações padronizadas que podem ser flexivelmente combinadas para se adequarem a uma variedade de aplicações. A maneira na qual a codificação foi engendrada é incluída nos dados comprimidos de tal forma que o decoder pode lidar automaticamente com qualquer decisão que o codificador tome. Em MPEG-2 e MPEG-4 a codificação é dividida em vários profiles que têm diferentes complexidades e cada profiles pode ser implementado em diferentes níveis dependendo da resolução da imagem de entrada. A seção 4 considera os profiles e níveis em detalhes. Existem muitos formatos de vídeo digitais diferentes e cada um tem uma taxa de bits diferente. Por exemplo, um sistema de alta definição deve ter 6 vezes a taxa de bits de um sistema padrão de definição. Conseqüentemente, só conhecer a taxa de bits do codificador não é muito útil. O que importa é o fator de compressão, que é a razão entre a taxa de bits de entrada e a taxa de bits comprimidos, por exemplo, 2:1, 5:1 e assim por diante. 17

18 Seção 1 Infelizmente, o número de variáveis envolvidas torna muito difícil determinar um fator de compressão adequado. A figura 1-2a mostra que para um codificador ideal, se toda a entropia é enviada, a qualidade é boa. Entretanto, se o fator de compressão for aumentado, a fim de reduzir a taxa de bits, nem toda a entropia é enviada e com isso a qualidade cai. Note que em um sistema de compressão, quando ocorre a perda de qualidade, ela é acentuada (Figura 1-2b). Se a taxa de bits disponível for inadequada, é melhor evitar esta área pela redução da entropia da imagem de entrada. Isto pode ser feito através de filtragem. A perda de resolução causada pela filtragem é subjetivamente mais aceitável que os artefatos de compressão. Para identificar perfeitamente a entropia, um compressor ideal teria que ser extremamente complexo. Um compressor prático pode ser menos complexo por razões econômicas e precisa enviar mais dados para assegurar o transporte de toda a entropia. A figura 1-2b mostra a relação entre a complexidade e a performance do codificador. Quanto maior o fator de compressão requerido, mais complexo o codificador tem que ser. A entropia em sinais de vídeo varia. A gravação de um locutor anunciando as notícias tem muita redundância e é fácil de comprimir. Em contraste, é mais difícil comprimir uma gravação com folhas ao sabor do vento ou uma torcida de futebol que está se movendo constantemente e desta forma, tem menos redundância (mais informação ou entropia). Em cada caso, se toda a entropia não for enviada, haverá perda de qualidade. Assim, nós podemos escolher entre um canal de taxa de bits constante com qualidade variável ou um canal de qualidade constante com taxa de bits variável. As operadoras de telecomunicações tende a preferir uma taxa de bits constante por motivos práticos, mas uma memória temporária (buffer) pode ser usada para mediar variações da entropia se o aumento do delay resultante for aceitável. Em gravação, uma taxa de bits variável pode ser mais fácil de lidar e os DVDs usam taxas variáveis de bits, usando memória temporária de tal forma que a média da taxa de bits permaneça dentro das capacidades do sistema de disco. A intra-codificação (intra = interna) é uma técnica que explora a redundância espacial, ou redundância dentro da imagem; a inter-codificação 18

19 Um Guia para Fundamentos de MPEG e Análise de Protocolo (inter = entre) é uma técnica que explora a redundância temporal. A intracodificação pode ser empregada isoladamente, como no padrão JPEG para imagens estáticas, ou combinada com inter-codificação como em MPEG. A intra-codificação se baseia em duas características típicas da imagem. Primeira, nem todas as freqüências espacial estão simultaneamente presentes, e segunda, quanto maior a freqüência espacial, menor deverá ser a amplitude. Intra-codificação requer análise das freqüências espacial em uma imagem. Esta análise tem o propósito de transformar tais ondas em DCT (transformada discreta do cosseno). A transformada produz coeficientes que descrevem a magnitude de cada freqüência espacial. Tipicamente, muitos coeficientes serão zero, ou próximos de zero, e estes coeficientes podem ser omitidos, resultando em uma redução da taxa de bits. A inter-codificação se baseia em encontrar similaridades entre imagens sucessivas. Se uma dada imagem está disponível no decoder, a próxima imagem pode ser criada enviando somente as diferenças das imagens. As diferenças na imagem aumentarão quando houver movimento de objetos, mas este aumento pode ser contrabalanceado usando compensação de movimento; uma vez que um objeto em movimento geralmente não altera muito sua aparência de uma imagem para a próxima. Se o movimento pode ser medido, uma aproximação maior da imagem atual pode ser criada pela substituição de parte da imagem anterior para uma nova localização. O processo de substituição é controlado por um par de valores de deslocamento horizontal e vertical (conhecido como vetor de movimento) que é transmitido ao decoder. A transmissão do vetor de movimento requer menos dados que o envio de dados da diferença da imagem. O MPEG pode lidar com ambas as imagens entrelaçadas e não entrelaçadas. Uma imagem, em algum ponto do eixo do tempo, é chamada de picture (foto, quadro, tela), se é um campo ou um quadro. O entrelaçado não é uma fonte ideal de compressão digital porque é, em si mesmo, uma técnica de compressão. A codificação temporal é mais complexa porque os pixels de um campo estão em posição diferente daqueles do próximo. A compensação de movimento minimiza, mas não elimina as diferenças entre imagens sucessivas. A diferença de imagem é em si mesma, uma imagem espacial e pode ser comprimida usando intra-codificação baseada em 19

20 Seção 1 transformada, como descrito previamente. A compensação de movimento simplesmente reduz a quantidade de dados na diferença de imagens. A eficiência de um codificador temporal aumenta com a duração do tempo sobre o qual ele pode agir. A figura 1-2c mostra que se um alto fator de compressão for necessário, uma duração maior de tempo na entrada precisa ser considerada e assim uma codificação de delay mais longa será experimentada. Claramente, sinais codificados temporalmente são difíceis de serem editados porque o conteúdo de uma dada imagem de saída pode estar baseado em dados de imagens que foram transmitidos em algum tempo anterior. Sistemas de produção terão que limitar o grau de codificação temporal para permitir a edição e esta limitação irá, por sua vez, limitar o fator de compressão disponível. 1.6 Introdução à Compressão de Áudio A taxa de bits de um canal de áudio digital PCM é em torno de 1,5 megabits por segundo, o que é aproximadamente 0,5% do 4:2:2 do vídeo digital. Com esquemas moderados de compressão de vídeo, tal como o Betacam Digital, a compressão do áudio é desnecessária, mas à medida que o fator de compressão de vídeo aumenta, torna-se importante comprimir o áudio também. A compressão de áudio leva vantagem sobre dois fatos: primeiro, em sinais típicos de áudio, nem todas as freqüências estão presentes simultaneamente; segundo, por causa do fenômeno do mascaramento, a audição humana não pode discernir todos os detalhes de um sinal de áudio. A compressão de áudio separa o espectro de áudio em faixas através de filtragem ou transformadas, e inclui menos dado quando descreve faixas em que o nível é baixo. Onde o mascaramento previne ou reduz a audibilidade de uma faixa particular, ainda menos dados são necessários para serem enviados. 20

21 Um Guia para Fundamentos de MPEG e Análise de Protocolo A compressão de áudio não é tão fácil de executar quanto à compressão de vídeo por causa da sensibilidade da audição. O mascaramento somente funciona adequadamente quando este e o som mascarado coincidem espacialmente. A coincidência espacial é sempre o caso em gravações mono, mas não em gravações estéreo, onde sinais de baixo nível podem ser ouvidos se estiverem em partes diferentes do estágio do som. Conseqüentemente, em sistemas de som estéreo e surround (envolvente), um fator de compressão mais baixo é permissível para uma dada qualidade. Outro fator complicador da compressão de áudio é que ressonâncias de retardo em alto-falantes de baixa qualidade realmente mascaram os artefatos de compressão. Testar uma compressão com alto-falantes de baixa qualidade ocasiona um resultado falso, e sinais que são aparentemente satisfatórios podem trazer desapontamento quando ouvidos em equipamentos de boa qualidade. 1.7 MPEG Streams A saída de um simples codificador MPEG de áudio ou vídeo é conhecida como stream elementar. Um stream elementar é um sinal interminável em tempo quase real. Por conveniência, o stream elementar pode ser dividido em blocos de dados de tamanhos controláveis, formando um empacotado de stream elementar (PES). Estes blocos de dados precisam de informação de cabeçalho para identificar o início dos pacotes e precisam incluir um sinal de time, porque o empacotamento causa interrupções no eixo do tempo. 21

22 Seção 1 A figura 1-3 mostra que um vídeo PES e um número de áudio PES podem ser combinados para formar um programa stream, desde que todos os codificadores sejam controlados por um clock comum. A marcação de time em cada PES pode ser usada para assegurar o sincronismo labial entre o vídeo e o áudio. Programas stream têm pacotes de tamanhos variáveis de cabeçalhos. Eles são usados em transferência de dados em discos óticos e HDs (Hard Disk), os quais são essencialmente livres de erros e dos quais são esperados arquivos de tamanhos arbitrários. Os DVDs usam programa stream. Para transmissão e radiodifusão digital, vários programas e seus PES associados podem ser multiplexados em um simples transporte stream. Um transporte stream difere de um programa stream onde os pacotes PES são subdivididos mais adiante em pequenos pacotes de tamanho fixo e onde múltiplos programas codificados com diferentes clocks podem ser transportados. Isto é possível porque um transporte stream tem um mecanismo de programa de referência de clock (PCR) que permite a transmissão de múltiplos clocks, um dos quais é selecionado e restaurado no decoder. Um programa único de transporte stream (SPTS) também é possível e isto pode ser encontrado entre um codificador e um multiplexador. Desde que um transporte stream possa sincronizar (genlock) o clock do decoder com o clock do encoder, o SPTS é mais comum que o Programa stream. Um transporte stream é mais que um simples multiplexador de áudio e vídeo PES. Além do áudio, vídeo e dados comprimidos, um transporte stream inclui metadados descrevendo o bit stream. Isto inclui a tabela de associação de programa (PAT) que lista todos os programas no transporte stream. Cada entrada na tabela PAT aponta para uma tabela de mapa de programa (PMT) que lista os streams elementares complementando cada programa. Alguns programas serão abertos, mas alguns poderão estar sujeitos a acesso condicional (criptografados) e esta informação é também carregada nos metadados. O transporte stream consiste de pacotes de dados de tamanho fixo, cada um contendo 188 bytes. Cada pacote leva um código identificador de programa (PID). Os pacotes no mesmo stream elementar têm todos os mesmos PID, de tal forma que o decoder (ou o demultiplexador) pode selecionar stream(s) elementar que quiser e rejeitar o restante. A contagem 22

23 Um Guia para Fundamentos de MPEG e Análise de Protocolo contínua de pacotes assegura que todos os pacotes necessários para decodificar o stream sejam recebidos. Um sistema de sincronização efetivo é necessário para que os decoders possam identificar corretamente o início de cada pacote e decodificar o bit stream em palavras. 1.8 Necessidade de Monitorar e Analisar O MPEG transporte stream é uma estrutura extremamente complexa que usa tabelas interligadas e identificadores codificados para separar os programas e o elementar streams dentro dos programas. Dentro de cada stream elementar, há uma estrutura complexa, permitindo o decoder distinguir entre, por exemplo, vetores, tabelas de coeficientes e tabelas de quantização. Falhas podem ser divididas em duas categorias gerais. Na primeira categoria, o sistema de transporte libera informação corretamente de um encoder/multiplexer para um decoder sem erros de bits ou jitter adicional, mas o encoder/multiplexer ou o decoder tem uma falha. Na segunda categoria, o encoder/multiplexer e o decoder estão corretos, mas o transporte de dados de um para outro está defeituoso. É muito importante saber se a falha está no encoder/multiplexer, no transporte ou no decoder quando se pretende encontrar uma solução. Sincronizar problemas, tais como perda ou corrupção de padrões de sincronismo pode impedir a recepção do transporte stream completo. Defeitos do protocolo de transporte stream podem impedir que o decoder encontre todos os dados para um programa, talvez liberando o vídeo, mas não o som. A liberação correta de dados, mas com jitter excessivo pode causar problemas de timing no decoder. Se um sistema que usa um transporte stream MPEG falha, esta pode estar no encoder, no multiplexer ou no decoder. Como podemos isolar esta falha? Primeiro, verifique se o transporte stream está em conformidade com a codificação padrão MPEG. Se o stream não estiver adequado, um decoder dificilmente poderá ser acusado de defeitos. Se o stream estiver adequado, o decoder necessita de atenção. 23

24 Seção 1 Ferramentas de teste de vídeo tradicionais, como o gerador de sinais, o monitor de forma de ondas e o vectorscope, não são apropriados na análise de sistemas MPEG, exceto para assegurar que os sinais de vídeo que entram e que saem de um sistema MPEG são de qualidade adequada. Em seu lugar, uma fonte confiável de sinais de teste válidos MPEG é essencial para testar equipamentos de recepção e decoders. Com um analisador adequado, a performance de encoders, sistemas de transmissão, multiplexers e remultiplexers pode ser avaliada com alto grau de confiança. Como fornecedor de longa reputação de equipamentos de teste de alta qualidade para a indústria de vídeo, A Tektronix continua a prover soluções de testes e medidas à medida que a tecnologia evolui, proporcionando ao usuário de MPEG a confiança de que os sistemas de compressão complexos estão funcionando corretamente e permitindo diagnósticos rápidos quando não estão. 1.9 Armadilhas da Compressão Compressão MPEG causa perdas porque o que é decodificado não é idêntico ao original. A entropia da fonte varia, e quando esta é alta, o sistema de compressão pode liberar artefatos visíveis quando decodificada Na compressão temporal, supõe - se a redundância entre imagens sucessivas. Quando não é este o caso, o sistema pode falhar. Um exemplo é o vídeo de uma coletiva de imprensa onde os flashes são disparados. Imagens individuais contendo o flash são totalmente diferentes de imagens próximas, e os artefatos de codificação podem se tornar óbvios. Movimento irregular ou vários objetos em movimentos independentes na tela exigem muita largura de banda de vetor e esta exigência só pode ser satisfeita pela redução da largura de banda disponível para dados de imagem. Novamente, artefatos visíveis podem ocorrer cujos níveis variam e dependem do movimento. Este problema freqüentemente ocorre em vídeo de cobertura de esportes. Quantificação grosseira resulta em iluminação de contorno e cores de fundo. Estes podem ser visto como sombras manchadas e blocos em grandes áreas de cores descoradas. Subjetivamente, a compressão de artefatos é mais irritante que os danos relativamente constantes dos sistemas de transmissão de televisão analógicos. 24

25 A única solução para estes problemas é reduzir o fator de compressão. Conseqüentemente, o usuário de compressão terá de fazer um julgamento de valor entre a economia de um alto fator de compressão e o nível de artefatos. Além de aumentar o delay da codificação e da decodificação, a codificação temporal também causa dificuldade na edição. De fato, o bit stream MPEG não pode ser editado arbitrariamente. Esta restrição ocorre porque, na codificação temporal, a decodificação de uma imagem pode requerer o conteúdo de uma imagem anterior e o conteúdo pode não estar disponível após uma edição. O fato de que as imagens podem ser enviadas fora de seqüência complica a edição. Se a codificação apropriada estiver sendo usada, as edições podem ser feitas, mas somente em pontos de emendas que sejam relativamente espaçosos. Se for necessária uma edição arbitrária, o stream MPEG precisa ser submetido a um processo de decodificar-modificar-recodificar, o que resultará em perda de geração.

26

27 Seção 2 Compressão de Vídeo Esta seção mostra como a compressão de vídeo está baseada na percepção dos olhos. Técnicas importantes, tais como compensação de transformações e de movimentos, são consideradas como uma introdução à estrutura de um codificador MPEG.

28

29 Um Guia para Fundamentos de MPEG e Análise de Protocolo 2.1 Codificação Espacial ou Temporal? Como foi visto na seção 1, a compressão de vídeo pode levar vantagem em ambas às redundâncias espacial e temporal. Em MPEG, a redundância temporal é reduzida primeiro, pelo emprego de similaridades entre imagens sucessivas. Tanto quanto possível, a imagem corrente é criada ou predita pelo uso de informação de imagens já enviadas. Quando esta técnica é empregada, é necessário enviar apenas a diferença da imagem, o que elimina as diferenças entre a imagem atual e a predita. A diferença da imagem é assim sujeita à compressão espacial. Na prática é mais fácil explicar a compressão espacial antes de explicar a compressão temporal. A compressão espacial baseia-se em similaridades entre pixels adjacentes em áreas planas da imagem e no domínio de freqüências espacial em áreas de padronização. O sistema JPEG usa somente compressão espacial, desde que é projetado para transmitir imagens estáticas individuais. Entretanto, JPEG pode ser usada para codificar uma sucessão de imagens individuais para vídeo. Na assim chamada aplicação de Movimento JPEG, o fator de compressão não será tão bom quanto se fosse empregada a codificação temporal, mas o bit stream será livremente editado na base de imagempor-imagem. 2.2 Codificação Espacial O primeiro passo na codificação espacial é executar uma análise das freqüências de espaço usando uma transformada. Uma transformada é sim- 29

30 Seção 2 plesmente uma maneira de expressar uma forma de onda em um domínio diferente, neste caso, no domínio da freqüência. A saída de uma transformada é um conjunto de coeficientes que descrevem o quanto uma dada freqüência está presente. Uma transformada inversa reproduz a forma de onda original. Se os coeficientes são manipulados com suficiente precisão, a saída da transformada inversa é idêntica à forma de onda original. A transformada mais conhecida é a de Fourier. Esta transformada identifica cada freqüência na entrada do sinal. Ela identifica cada freqüência pela multiplicação da forma de onda de entrada pela amostra da freqüência alvo, chamada de função base, e integrando o produto. A figura 2-1 mostra que quando a forma de onda de entrada não contém a freqüência alvo, a integral será zero; mas quando esta está presente, a integral será um coeficiente que descreve a amplitude da freqüência componente. O resultado será como descrito se a freqüência componente estiver em fase com a função base. Entretanto, se a freqüência componente estiver em quadratura com a função base, a integral será ainda zero. Desta forma, faz-se necessário executar duas pesquisas para cada freqüência, com as funções bases em quadratura uma da outra, de tal forma que cada fase da entrada seja detectada. A transformada de Fourier tem a desvantagem de requerer coeficientes para ambos os componentes de seno e co-seno de cada freqüência. Na transformada do co-seno, a forma de onda de entrada é espelhada no tempo consigo mesma antes da multiplicação pelas funções de base. A figura 2-2 mostra que este espelhamento cancela todos os componentes 30

31 Um Guia para Fundamentos de MPEG e Análise de Protocolo do seno e duplicam todos os componentes do co-seno. A função de base do seno é desnecessária e somente um coeficiente é necessário para cada freqüência. A transformada discreta do co-seno (DCT) é uma amostra da versão da transformada do co-seno e é usada extensivamente na forma de duas dimensões em MPEG. Um bloco de 8x8 pixels é transformado para se tornar um bloco de 8x8 coeficientes. Uma vez que a transformada requer a multiplicação por frações, que tem a extensão de uma palavra resulta em coeficientes que têm comprimento de palavra maior que os valores em pixels. Tipicamente, um bloco de pixel de 8 bits resulta em um bloco de coeficientes de 11 bits. Assim, uma DCT não resulta em qualquer compressão de fato, o resultado é o oposto. Entretanto, a DCT converte a fonte de pixels em um grupo onde a compressão se torna mais fácil. A figura 2-3 mostra os resultados de uma transformada inversa de cada um dos coeficientes individuais de uma DCT de 8x8. No caso do sinal de luminância, o coeficiente superior esquerdo é o brilho médio ou componente DC do bloco inteiro. Acompanhando a linha superior, a freqüência espacial horizontal aumenta. Descendo a coluna da esquerda, a freqüência espacial vertical aumenta. Em imagens reais, diferentes freqüências espaciais verticais e horizontais podem ocorrer simultaneamente e um coeficiente no mesmo ponto dentro do bloco representará todas as combinações verticais e horizontais possíveis. A figura 2-3 também mostra 8 coeficientes como formas de ondas de dimensão horizontais. Combinar estas formas de ondas com várias amplitudes e uma e outra polaridade pode reproduzir qualquer combinação de 8 pixels. Assim, combinando os 64 coeficientes da DCT 2-D (duas dimensões) resultará no bloco original de 8x8 pixels. 31

32 Seção 2 Claramente, para imagens coloridas, as amostras de diferença de cor também precisarão ser trabalhadas. Os dados de Y, Cb e Cr são montados em arranjos separados de 8x8 e são transformados individualmente. Em material de programas mais autênticos, muitos dos coeficientes terão valor zero ou quase zero, e assim, não serão transmitidos. Este fato resulta em significante compressão que é virtualmente sem perdas. Se for necessário um fator de compressão maior, então o comprimento da palavra de coeficientes que não seja zero terá que ser reduzido. Esta redução diminuirá a acuidade destes coeficientes e irão introduzir perdas no processo. Cuidadosamente, as perdas podem ser introduzidas de certa maneira que seja menos visível ao expectador. 2.3 Ponderação A figura 2-4 mostra que a percepção humana aos ruídos de imagens não é uniforme, mas é em função da freqüência espacial. Mais ruído pode ser tolerado em altas freqüências espacial. Também, ruído no vídeo é efetivamente mascarado por detalhes finos na imagem, enquanto que em áreas maiores é altamente visível. O leitor esteja ciente de que medidas tradicionais de ruído são freqüentemente ponderadas de tal forma que medidas técnicas relatam mais precisamente os resultados subjetivos. 32

33 Um Guia para Fundamentos de MPEG e Análise de Protocolo A compressão reduz a acuidade dos coeficientes e tem efeito similar ao uso de amostras de palavras mais curtas em PCM; o que significa dizer, o nível de ruído aumenta. Em PCM, o resultado de encurtar o comprimento da palavra é que o nível de ruído aumenta igualmente em todas as freqüências. Como o DCT divide o sinal em freqüências diferentes, torna-se possível controlar o espectro do ruído. Efetivamente, coeficientes de baixa freqüência são renderizados mais precisamente que os coeficientes de alta freqüência pelo processo de ponderação. A figura 2-5 mostra que, no processo de ponderação, os coeficientes da DCT são divididos por constantes que são uma função da freqüência de duas dimensões. Coeficientes de baixa freqüência serão divididos por números pequenos e coeficientes de alta freqüência serão divididos por números grandes. Seguindo a divisão, o resultado é deslocado para o inteiro mais próximo. Este deslocamento é uma forma de requantização. Na ausência de ponderação, esta requantização teria o efeito de aumentar uniformemente o tamanho do passo de quantização, mas com a ponderação, isto aumenta o tamanho do passo de acordo com o fator de divisão. 33

34 Seção 2 Como resultado, coeficientes que representam baixas freqüências espacial são requantizados com passos relativamente pequenos e sofrem pequeno aumento de ruído. Coeficientes que representam freqüências espacial maiores são requantizados com grandes passos e sofrem mais ruídos. Entretanto, menos passos significam que menos bits são necessários para identificar o passo e a compressão é obtida. No decoder, zeros de baixa ordem serão adicionados para restituir os coeficientes ponderados às suas magnitudes corretas. Estes serão então multiplicados pelos fatores ponderados inversos. Claramente, em freqüências altas os fatores de multiplicação serão maiores, então o ruído requantizado será maior. Seguindo a ponderação inversa, os coeficientes terão seus valores originais DCT de saída, mais o erro requantizado, que será maior em freqüência alta que em freqüência baixa. Como uma alternativa, coeficientes ponderados podem ser requantizados não linearmente de tal forma que o tamanho do passo quantificado aumenta com a magnitude do coeficiente. Esta técnica permite fatores maiores de compressão, mas piora os níveis de artefatos. Claramente, o grau de compressão obtido e, desse jeito, o bit rate de saída obtido, é em função da rigorosidade do processo de requantificação. Diferentes bit rates exigem diferentes tabelas de ponderação. Em MPEG, é possível usar várias tabelas diferentes de ponderação e a tabela em uso pode ser transmitida ao decoder, para assegurar a correta decodificação. 34

35 Um Guia para Fundamentos de MPEG e Análise de Protocolo 2.4 Varredura (Scanning) Em material típico de programa, o mais significante coeficiente DCT é geralmente encontrado dentro ou próximo do canto superior esquerdo da matriz. Após a ponderação, coeficientes de baixo valor podem ser deslocados para zero. Transmissão mais eficiente pode ser obtida se todos os coeficientes diferentes de zero forem enviados primeiro, seguidos por um código indicativo de que os restantes são todos zero. A varredura é uma técnica que aumenta a probabilidade de alcançar este resultado, porque envia coeficientes em ordem descendente de nível de probabilidade. A figura 2-6a (veja na próxima página) mostra que em um sistema não entrelaçado, a probabilidade de um coeficiente ter um alto valor é mais alta no canto superior esquerdo e mais baixa no canto inferior direito. A varredura diagonal em ziguezague de 45 graus é a melhor seqüência a ser usada aqui. 35

36 Seção 2 Na figura 2-6b, é mostrado um padrão alternativo de varredura que pode ser usado em fontes entrelaçadas. Em uma imagem entrelaçada, um bloco DCT de 8x8 de um campo se estende sobre duas vezes a área da tela vertical, tal que para um detalhe de uma imagem dada, freqüências verticais parecerão ser duas vezes maiores que as freqüências horizontais. Assim, a varredura ideal para uma imagem entrelaçada estará em uma diagonal que é duas vezes mais profundo. A figura 2-6b, mostra que uma dada freqüência espacial vertical é varrida antes da mesma freqüência espacial horizontal. 2.5 Codificação da Entropia No vídeo real, nem todas as freqüências espacial estão presentes simultaneamente; assim sendo, a matriz de coeficiente DCT terá termos zero dentro dela. A requantização aumentará o número de zeros pela eliminação de valores pequenos. Não obstante o uso da varredura, coeficientes zero irão ainda aparecer entre valores significantes. A codificação Run lenght (RLC) permite que estes coeficientes sejam trabalhados mais eficientemente. Onde estão presentes valores repetidos, tal como uma linha de zeros, o RLC simplesmente transmite o número de zeros em vez de cada bit individualmente. 36

37 Um Guia para Fundamentos de MPEG e Análise de Protocolo A probabilidade de ocorrer valores de coeficientes específicos em vídeo real pode ser estudada. Na prática, alguns valores ocorrem muito freqüentemente. A informação estatística pode ser usada para alcançar futuras compressões usando código de comprimento variável (VLC Variable Lenght Coding). Valores que ocorrem com freqüência são convertidos em palavras de códigos curtos e valores não freqüentes são convertidos em palavras de códigos longos. Para auxiliar na decodificação, nenhum código de palavra pode ser o prefixo de outra. 2.6 Codificador Espacial A figura 2-7 mostra reunidos todos os conceitos de codificação espacial precedentes. O sinal de entrada é considerado como SDI 4:2:2 (Serial Digital Interface), que pode ter comprimento de palavra de 8 ou 10 bits. MPEG usa somente resolução de 8-bits; assim sendo, uma etapa de arredondamento será necessária quando o sinal SDI contiver palavras de 10 bits. A maioria dos profiles MPEG opera com amostragem de 4:2:0; desta forma, um estágio de interpolação com filtro passa-baixa vertical será necessário. Arredondamento e sub amostragem de cor introduz uma pequena perda irreversível de informação e uma redução proporcional no bit rate. O formato de entrada de varredura necessitará ser armazenado para que possa ser convertidos em blocos de 8x8 pixels. 37

38 Seção 2 O estágio DCT transforma a informação da imagem para o domínio da freqüência. O DCT em si mesmo não realiza qualquer compressão. Após o DCT, os coeficientes são ponderados e deslocados, proporcionando a primeira compressão significante. Os coeficientes são então varridos em ziguezague para aumentar a probabilidade de que os coeficientes significantes ocorram primeiro na varredura. Após o último coeficiente que não seja zero, um código de final de bloco EOB (end of block) é gerado. Os dados dos coeficientes são comprimidos mais adiante pelas codificações RLC e pela VLC. Em um sistema de bit rate variável, a quantização pode ser fixa, mas em um sistema de bit rate fixo, um buffer de memória é usado para absorver variações de difícil codificação. Imagens altamente detalhadas tenderão a preencher este buffer, enquanto que imagens sem detalhes permitirão que este seja esvaziada. Se ocorrer o risco deste buffer ser sobrecarregado, os passos da requantização terão que ser ampliados, para que o fator de compressão seja aumentado. No decoder, o bit stream é deserializado e a codificação da entropia é revertida para reproduzir os coeficientes ponderados. Os coeficientes são postos em uma matriz de acordo com a varredura em zigzag, e a ponderação inversa é aplicada para recriar o bloco de coeficientes DCT. Após a transformar inversa, um bloco de 8x8 pixel é recriado. Para obter a saída de varredura, os blocos são armazenados em uma RAM, que é lida uma linha de cada vez. Para obter uma saída 4:2:2 de dados 4:2:0, um processo de interpolação vertical será necessário, como mostrado na figura