ΕΝΙΣΧΥΤΙΚΗ. Η µαγική τεχνολογία της ψηφιακής εικόνας και οι µαθητευόµενοι µάγοι της ελληνικής τηλεόρασης! Γ MPEG 1 2 4

Transcript

1 Λίγο πριν τις εκρήξεις µολότοφ και τις χειροβοµβίδες κρότουλάµψης στις «µάχες των Αθη - νών» είχε σκάσει µία άλλη βόµ βα, ψηφιακή αυτή τη φορά! Είχε µόλις ανακοινωθεί ότι τα ιδιωτικά κανάλια θα εκπέµ ψουν ψηφιακή εικόνα σε δια φο ρετι - κό πρότυπο από αυτό που εκπέ - µπει η κρατική τηλεόραση! MPEG Η µαγική τεχνολογία της ψηφιακής εικόνας και οι µαθητευόµενοι µάγοι της ελληνικής τηλεόρασης! Γ ια άλλη µια φορά, η Ελλάδα εξελίσσεται τεχνολογικά χωρίς σχέδιο, χωρίς συνεννόηση, ανάλογα µε τα λεφτά, τα κέφια και τις γνώσεις σχετικών και άσχετων, που έτυχε να «µπλέξουν» µε το θέµα και είναι αναγκασµένοι να βρουν λύσεις! Η κρατική τηλεόραση ξεκίνησε τις ψηφιακές εκποµπές πριν δύο χρόνια, χωρίς άδεια, χρησιµοποιώντας το πρότυπο συµπίεσης MPEG-2 και το πρότυπο εκποµπής DVB-T. Τα ιδιωτικά κανάλια αποφάσισαν να εκπέµψουν στο περισσότερο εξελιγµένο DVB-T/MPEG-4. Μετά από νό- µους, ρυθµιστικές αποφάσεις, κανονιστικά πλαίσια, εγκρίσεις των αρ- µόδιων επιτροπών και ατέλειωτες συζητήσεις, φτάσαµε στο κλασικό ελληνικό αποτέλεσµα 1. Καθένας θα κάνει ό,τι θέλει! Χαµένοι στην ψηφιακή µετάβαση! Οι ιδιωτικοί τηλεοπτικοί σταθµοί αποφάσισαν να ακολουθήσουν το πρότυπο συµπίεσης MPEG-4, στο πρότυπο εκποµπής DVB-T 2. Εφόσον το σχέδιο υλοποιηθεί, τα ιδιωτικά κανάλια εθνικής εµβέλειας θα έχουν κάνει ένα σηµαντικό τεχνολογικό βήµα, αλλά θα προκαλέσουν αναστάτωση στο υπάρχον τηλεοπτικό σκηνικό. Η χρήση του προτύπου MPEG-4 έχει τρεις σηµαντικές επιπτώσεις: (α) άρση του περιορισµού ότι «µία συχνότητα UHF χωράει 4 ψηφιακά κανάλια», καθώς µε το MPEG-4 µπορούν να εκπέµπουν τουλάχιστον τα διπλάσια, (β) δυνατότητα παροχής καναλιών υψηλής ευκρίνειας (HD) σε συχνότητες UHF και όχι µόνο σε δορυφορικές µεταδόσεις, (γ) α- συµβατότητα των δεκτών DVB-T/MPEG-2 µε τα πρότυπα DVB- T/MPEG-4. Αυτό πρακτικά σηµαίνει ότι οι δέκτες DVB-T/MPEG-2 (αυτόνοµοι ή ενσωµατωµένοι σε τηλεοράσεις) που λαµβάνουν σή- µερα τα ψηφιακά κανάλια της ΕΡΤ, δεν θα µπορούν να λάβουν τα ι- διωτικά κανάλια. Αντίθετα, οι κάτοχοι δεκτών DVB-T/MPEG-4 δεν θα έχουν πρόβληµα στη λήψη των καναλιών της ΕΡΤ. Εναλλακτικά, θα αναγκαστεί η ΕΡΤ να αναβαθµιστεί στο βελτιωµένο πρωτόκολλο, µε αποτέλεσµα όσοι βιάστηκαν να πάρουν αποκωδικοποιητές για την ΕΡΤ digital (πάνω από ), να τους πετάξουν 1 Ο Ο νέος νόµος προβλέπει µόνο τη µετάδοση σε πρότυπο DVB-T µε συµπίεση MPEG2. Καθορίζει εκποµπή τεσσάρων τηλεοπτικών διαύλων ανά συχνότητα, ενώ τώρα το «σύστηµα» σηκώνει ως και 9 κανάλια ανά συχνότητα. Εποµένως, χρειάζεται νέος νόµος πριν καν εφαρµοστεί ο παλιός. 2 Είναι λανθασµένη η αντίληψη ότι η συµπίεση MPEG4 δεν υποστηρίζεται από το πρότυπο DVB-T, αλλά απαιτεί το πρότυπο εκποµπής DVB-T2. Η συµπίεση είναι άσχετη µε το πρότυπο εκποµπής. 114

2 Μάλιστα, µετά την καθυστέρηση και τις ατέρµονες διαπραγµατεύσεις, τώρα παρατηρείται ανυποµονησία! Σύµφωνα µε τον εκπρόσωπο των ιδιωτικών καναλιών, οι πρώτες εκποµπές στο νέο πρότυπο θα αρχίσουν τους πρώτους δύο µήνες του 2009.Το θέµα είναι πού θα βρουν θεατές, αφού δεν έχουν ακόµη κυκλοφορήσει στην Ελλάδα κατάλληλες συσκευές λήψης. Πάντως, οι παλαιότεροι θα θυµούνται ότι κάπως έτσι ξεκίνησε και η έγχρωµη τηλεόραση στη χώρα µας. Η «βόµβα» -όπως χαρακτηρίστηκε από τους ειδήµονες του τηλεοπτικού χώρου - της επιλογής της ψηφιακής κωδικοποίησης MPEG 4, προσθέτει νέα προβλήµατα. Σκεφτείτε ότι µέχρι τώρα δεν έχουν δοθεί ούτε άδειες λειτουργίας στα ιδιωτικά κανάλια, τα οποία είτε εκπέµπουν παράνοµα είτε µε προσωρινές άδειες που έχουν λήξει! Η ύπαρξη ήδη δύο τεχνολογικών προτύπων, αυξάνει τη σύγχυση, α- φού οι περισσότεροι καταναλωτές δεν είναι εξοικειωµένοι µε τη νέα τεχνολογία και τους καινούριους όρους. Η οικογένεια MPEG Την τελευταία δεκαετία, η ταχύτατη πρόοδος της τεχνολογίας εικόνας έδωσε εντυπωσιακά επιτεύγµατα: την ψηφιακή τηλεόραση (DVB), τη µετάδοση εικονοροής (video streaming) και την υψηλή ευκρίνεια. Όλες αυτές οι τεχνολογίες έχουν στον πυρήνα τους τη «µηχανή» συµπίεσης εικόνας (και ήχου) MPEG. Το µεγάλο πρόβληµα της µεταβαλλόµενης εικόνας (motion picture) είναι ο µεγάλος όγκος της πληροφορίας που περιέχει. Όταν µάλιστα µετατραπεί σε ψηφιακή µορφή, η κατάσταση γίνεται απελπιστική. Οι πρώτες προσπάθειες για τον «ψηφιακό χειρισµό» εικόνας εµφανίστηκαν στη δεκαετία του 1980, µε την οµάδα εργασίας JPEG (Joint Photographic Experts Group). Το επιτυχηµένο αποτέλεσµα έγραψε ιστορία και µέχρι σή- µερα παραµένει αξεπέραστο. Ανάλογη προσπάθεια για την κινούµενη εικόνα οδήγησε στη δηµιουργία της επιτροπής MPEG (Motion Pictures Expert Group). Από το 1991 έχει σχεδιάσει τρεις επιτυχη- µένες τεχνολογίες εικόνας: τα πρότυπα MPEG-1, MPEG-2 και το πρόσφατο MPEG-4. MPEG-1: Αναπτύχθηκε για την αποθήκευση και ανάκτηση κινού- µενης εικόνας και ήχου, µε ρυθµό µετάδοσης µέχρι 1,5 Μbits/sec. Η εικόνα έχει ανάλυση 352 x 288 pixels (PAL) και η ποιότητά της βρίσκεται σε επίπεδο VHS video. Χρησιµοποιείται κυρίως για την αποθήκευση video σε CD-ROM και Video-CD. Ωστόσο, η ποιότητά του δεν ήταν κατάλληλη για µετάδοση εικόνας. Έτσι, η οµάδα MPEG δούλεψε για τον καθορισµό ενός πιο εξελιγµένου προτύπου µετάδοσης εικόνας. Από την τεχνολογία αυτή ζει και βασιλεύει η κωδικοποίηση ήχου MP3, η οποία αποτελούσε τον ηχητικό πυλώνα της. MPEG-2: Σχεδιάστηκε για την ψηφιακή τηλεόραση. Η βασική ανάλυση της εικόνας ακολουθεί το τηλεοπτικό πρότυπο PAL (704x576 pixels) και υποστηρίζει εικόνα πλεκτής σάρωσης (interlaced). Ο ρυθ- µός µετάδοσης κυµαίνεται από 3 ως 10 Mbits/sec. Εφαρµόστηκε µε µεγάλη επιτυχία στη δορυφορική (DVB-S) και στην επίγεια τηλεόραση (DVB-T). Χρησιµοποιείται επίσης στην εικόνα DVD (Digital Video Disk). Ο ακουστικός πυλώνας αποτελείται από τα αρχεία ήχου AAC (χρησιµοποιούνται στο ipod). 1 Αλληλουχία και συνηθέστερη διάταξη των εικονοπλαισίων MPEG. Συνήθως παρεµβάλλονται περισσότερα Β πλαίσια. Οι εικόνες τύπου Β έχουν το µεγαλύτερο βαθµό συµπίεσης. Πολλές τέτοιες εικόνες υπάρ - χουν στη µετάδοση ενός δελτίου ειδήσεων, όπου το «σκηνικό» είναι στα - τικό. Σε µια πιο δυναµική σειρά εικόνων, όπως για παράδειγµα κάποιος ποδοσφαιρικός αγώνας ή µια ταινία δράσης, το ποσοστό των εικόνων P και Ι είναι µεγαλύτερο. MPEG-4: Είναι ένα πρότυπο για εφαρµογές επικοινωνίας πολυµέσων (multimedia), όπως: εικονοτηλέφωνο (video-phone), τηλεδιάσκεψη (video-conference), ηλεκτρονικό ταχυδροµείο εικόνας (video ), εικονοροή σε περιβάλλον µικρού εύρους ζώνης (video streaming). Η ανάλυση της εικόνας υποστηρίζει ανάλυση από 176 x 144 pixels σε σχετικά χαµηλούς ρυθµούς µετάδοσης, που κυµαίνονται ανάµεσα στα 4,8 και 64 Κbit/sec, κατάλληλα δηλαδή για µετάδοση σε δίκτυα µε µικρό διαθέσιµο bandwidth ανά συνδροµητή, όπως το Internet, και φτάνει µέχρι την εξωτική 4096 x 2048 σε πλεγ- µένη σάρωση (interlaced) µε ρυθµό µετάδοσης 960Mbit/sec. Υπάρχει στα σχέδια και το MPEG-7, αλλά το µέλλον του είναι αβέβαιο. Ενδιάµεσα εµφανίστηκε και το MPEG-3 το οποίο ήταν προσανατολισµένο στην τεχνολογία της Τηλεόρασης Υψηλής Ευκρίνειας (HDTV), αλλά εγκαταλείφθηκε όταν διαπιστώθηκε ότι το MPEG- 2 µπορεί µε κάποιες αλλαγές στις προδιαγραφές να χρησιµοποιηθεί το ίδιο καλά. Συµπίεση της κινούµενης εικόνας Η ψηφιακή µετατροπή κινούµενων εικόνων αποδέχεται κάποιο ποσοστό παραµόρφωσης σε «δύσκολες» σκηνές, µε αντάλλαγµα τη συµπίεση του εύρους και του κόστους. Αναζητεί µία χρυσή τοµή, που πολλές φορές βασίζεται σε υποκειµενικές εκτιµήσεις. Ενώ ο ή- χος προσφέρεται για µεγάλα ποσοστά συµπίεσης χωρίς αισθητή υ- ποβάθµιση ποιότητας, στην εικόνα τα πράγµατα είναι πιο δύσκολα. Οι ατέλειες γίνονται εύκολα αντιληπτές και καταβάλλεται προσπάθεια ώστε να µην είναι ενοχλητικές. Η θεµελιώδης αρχή πάνω στην οποία στηρίζονται όλες οι µέθοδοι ψηφιακής συµπίεσης, είναι το γεγονός ότι κάθε εικόνα εµπεριέχει ένα ποσοστό πλεονασµού (redundancy). Ο πιο γνωστός είναι ο στατικός, κατά τον οποίο οι εικόνες «σχετίζονται» µεταξύ τους και η επόµενη µπορεί να «προβλεφθεί» από την προηγούµενη. Λέγεται πλεονασµός του «δελτίου ειδήσεων», αφού 115

3 2 Η µικρότερη οµάδα πλαισίων που µπορεί να αποκωδικοποιηθεί, ονοµάζεται GOP (Group of Pictures). Περιέχει όλα τα I, P, B πλαίσια που χρειάζονται. Η διαδοχή και η αλληλουχία των εικόνων περιγράφεται από τους αριθµητικούς συντελεστές Μ, που είναι η απόσταση (σε αριθµό εικόνων) ανάµεσα σε δύο διαδοχικές εικόνες Ρ, και Ν που είναι η από - σταση ανάµεσα σε δύο διαδοχικές εικόνες Ι. Συνηθισµένες τιµές για ικα - νο ποιητική ποιότητα, είναι Μ = 3 και Ν = 12. Με αυτές τις παραµέ τρους, η συγκρότηση µιας τυπικής οπτικής ακολουθίας, είναι: 1/12 εικόνες Ι (8.33%), 3/12 εικόνες Ρ (25%) και 8/12 εικόνες Β (66%). στα τηλεοπτικά ενηµερωτικά δελτία, µεγάλο τµήµα της εικόνας (φόντο) παραµένει αµετάβλητο και µόνο το µέρος που καταλαµβάνει ο παρουσιαστής αλλάζει. Κάθε νέα εικόνα προκύπτει από την προηγούµενη, µε ένθεση των διαφορών που έχουν προκύψει, χωρίς να ενσωµατώνεται η πλεονάζουσα πληροφορία. Υπάρχουν δύο βασικές προσεγγίσεις για τη συµπίεση της κινούµενης εικόνας: Η ενδοπλαισιακή (Intraframe), κατά την οποία κάθε εικόνα αντιµετωπίζεται αυτοτελώς και ψηφιοποιείται ανεξάρτητα από τις υπόλοιπες και η διαπλαισιακή (Interframe), όπου λαµβάνονται υπόψη οι πιθανές οµοιότητες µεταξύ των πλαισίων και «εξάγεται» η διαφορά τους. Έτσι, στο τελικό τµήµα υπάρχει εξάρτηση µεταξύ των διαδοχικών εικόνων. Ο επανασχηµατισµός των εικόνων απαιτεί πληροφορία από τις προηγούµενες, αλλά και τις επόµενες, ενώ γίνεται επεξεργασία µόνο των διαφορών µεταξύ των εικόνων. Προφίλ Μία από τις πιο έξυπνες και σηµαντικές καινοτοµίες του προτύπου MPEG4 σε σχέση µε το MPEG2, είναι η χρήση τεχνολογίας διαχωρισµού του περιεχοµένου. Μία ταινία µπορεί να διαχωριστεί στα ε- πίπεδα: ήχος, εικόνα, τίτλοι και υπότιτλοι. Τέσσερα διαφορετικά α- ντικείµενα, που µαζί διαµορφώνουν µία πλήρη ταινία. Για να προκύψει η καλύτερη δυνατή ποιότητα και ο ελάχιστος ψηφιακός ό- γκος, θα πρέπει να αναλυθεί κάθε ένα από αυτά τα αντικείµενα ξεχωριστά και να επιλεγεί ο κατάλληλος τύπος συµπίεσης για το καθένα. Αν σε ένα τµήµα της ταινίας ο πρωταγωνιστής είναι ακίνητος και µιλάει στο τηλέφωνο, θα χρησιµοποιηθεί τρόπος συµπίεσης του ήχου, που απαιτεί λιγότερη ποιότητα από τη σκηνή στην οποία παρακολουθεί µία συναυλία. Επειδή είναι σχεδόν ακίνητος, απαιτείται χαµηλότερη ποιότητα εικόνας από ό,τι σε µια εικόνα έντονης δράσης. Η διαφορετική αντιµετώπιση σκηνών και ήχων µε διαφορετικές απαιτήσεις, οδηγεί στη σηµαντική ιδέα των «προφίλ». Το θέµα είναι εξαιρετικά πολύπλοκο και δύσκολο στην κατανόησή του. Χρειάστηκαν πολλά χρόνια ανάλυσης και σχεδιασµού και εργάστηκαν εκατοντάδες ειδικοί για να φτάσουµε στο σηµερινό επίπεδο. Το µέγεθος του εγχειρήµατος φαίνεται από το γεγονός ότι χρειάστηκε σύµπραξη πάνω από 100 εταιρειών που ειδικεύονται στο χώρο της Πληροφορικής, για να αντιµετωπιστεί τόσο το κόστος όσο και η πολυπλοκότητα της ανάπτυξης του MPEG4. Το MPEG-4 παρέχει ένα µεγάλο και πλούσιο σύνολο εργαλείων για την κωδικοποίηση των οπτικοακουστικών αντικειµένων και την κατάταξή τους σε οµάδες µε ειδικές απαιτήσεις χειρισµού. Η ιδέα των προφίλ προσπαθεί να περιορίσει την υπολογιστική πολυπλοκότητα. Η προσέγγιση είναι παρεµφερής µε το MPEG-2, όπου ο πιο γνωστός συνδυασµός προφίλ/ επιπέδου είναι Βασικό προφίλ στο Βασικό Επίπεδο (Main Main Level). Τα προφίλ αντιστοιχούν σε κάποιο περιεχόµενο και το περιγράφουν. Για παράδειγµα, για τη σκηνή µε το τηλεφώνηµα θα χρησιµοποιούσαµε το ακουστικό προφίλ (Speech Audio Profile), ενώ η ορχήστρα θα απαιτούσε το υψηλής ποιότητας ακουστικό προφίλ (High Quality Audio Profile). Οι ί- διοι κανόνες ισχύουν και για το βίντεο και οι δύο ταινίες θα απαιτούσαν ένα διαφορετικό οπτικό προφίλ (visual profile). Τα αντικείµενα του MPEG-4, µπορούν επίσης να εµφανιστούν αυτόνοµα. Για παράδειγµα, το ακουστικό φορµάτ (audio format) που 3 Αναδιάταξη των εικόνων. Η ακολουθία των εικόνων µετά τη λήψη, δεν έχει την ίδια σειρά µε την αρχική ακολουθία πριν την εκποµπή! Με τιµές των παραµέτρων Μ = 3, Ν = 12, η σειρά διαδοχής των εικο νο - πλαισίων κατά την εκποµπή, είναι: Ι Β Β Ρ Β Β Ρ Β Β Ρ Β Β Ι... Όµως, για µία εικόνα Β απαιτείται προγενέστερη και επόµενη εικόνα Ι ή Ρ. Αυτό απαιτεί αναδιάταξη της αρχικής ακολουθίας εικόνων κατά τη λήψη, έτσι ώστε να είναι διαθέσιµες οι απαιτούµενες Ι και Ρ εικόνες, πριν την επε - ξεργασία των πλαισίων Β. Η αναδιάταξη δίνει την ακολουθία: Ι Ρ Β Β Ρ Β Β Ρ Β Β Ι Β Β... Είναι προφανές ότι οι εικόνες τύπου Β είναι αυτές που καθορίζουν το βαθµό συµπίεσης. Το γεγονός πως την πληροφορία των εικόνων Β και εν µέρει των εικόνων Ρ, στην ουσία, την πετάµε και τη συν θέτουµε από άλλες εικόνες, είναι και ο λόγος για τον οποίο η συµπίε - ση αυτή ονοµάζεται απωλεστική. Η σύνθεση των εικόνων Β από άλλες, η εκτίµηση για το περιεχόµενο µιας εικόνας Ρ από αυτήν που έχει προηγη - θεί, αλλά και η κατάταξη των εικόνων σε κατηγορίες, είναι διαδικασίες πολύ απαιτητικές υπολογιστικά και γίνονται µόνον κατά την κωδικο ποίη - ση του σήµατος, πριν µεταδοθεί από το δορυφόρο. Οι υπολογιστικές απαι τήσεις στο δέκτη είναι µεν υψηλές, αλλά όχι απελπιστικές. Αν ήταν ίδιες µε αυτές της εκποµπής, τότε ο αποκωδικοποιητής στο σπίτι µας θα κόστιζε µια περιουσία! 116

4 χρησιµοποιήθηκε στο τηλεφώνηµα, θα µπορούσε επίσης να χρησι- µοποιηθεί για το λογισµικό που είναι σε θέση να υποστηρίξει τα τηλεφωνήµατα µέσω του ιαδικτύου. Το περιεχόµενο του MPEG-4 δεν είναι απαραίτητο να περιοριστεί σε ταινίες ή ηχητικά κοµµάτια, µπορεί επίσης να χρησιµοποιηθεί για διαδραστικές εφαρµογές και παιχνίδια. Τα τµήµατα του MPEG-4 αναλαµβάνουν την περιγραφή της σχέσης µεταξύ των οπτικοακουστικών συστατικών που αποτελούν µία σκηνή. Η σχέση περιγράφεται σε δύο κύρια επίπεδα. Το δυαδικό φορµάτ για τις σκηνές (BIFS, Binary Format for Scenes) περιγράφει τις χώρο-χρονικές θέσεις των αντικειµένων στη σκηνή. Οι θεατές µπορεί να έχουν τη δυνατότητα αλληλεπίδρασης µε τα αντικεί- µενα, παραδείγµατος χάρη, να επαναπροσδιορίζουν τη θέση τους στη σκηνή ή να αλλάζουν την οπτική τους γωνία, µέσω ενός τρισδιάστατου εικονικoύ περιβάλλοντος. Σε χαµηλότερο επίπεδο, οι περιγραφείς αντικειµένου (Ods, Object Descriptors) καθορίζουν τη σχέση µεταξύ των στοιχειωδών ροών για κάθε αντικείµενο. Το πρότυπο εικόνας του MPEG-4 θα επιτρέψει την υβριδική κωδικοποίηση των φυσικών εικόνων (βασισµένη σε εικονοστοιχεία) και του βίντεο, µαζί µε τις συνθετικές σκηνές (αυτές που παράγονται από η- λεκτρονικούς υπολογιστές). Για αυτόν το λόγο, τα πρότυπα εικόνας περιλαµβάνουν εργαλεία και αλγόριθµους, που υποστηρίζουν την κωδικοποίηση των φυσικών εικόνων (βασισµένη σε εικονοστοιχεία) και των ακολουθιών βίντεο, καθώς επίσης και εργαλεία για να υποστηρίξουν τη συµπίεση των συνθετικών 2D δισδιάστατων και 3D τρισδιάστατων γεωµετρικών παραµέτρων γραφιστικής απεικόνισης µέσω ηλεκτρονικού υπολογιστή. 4 Το MPEG ορίζει µια ιεραρχία στην οπτική ακολουθία, που είναι η εξής: Η οµάδα εικόνων (GOP), η οποία αποτελείται συνήθως από 12 εικόνες. Κάθε εικόνα µπορεί να είναι Ι, Ρ ή Β και χωρίζεται σε φέτες ενδοπλαισιακής ψηφιοποίησης. Κάθε φέτα αποτελείται από µακροµπλόκ που χρησιµοποιούνται για εκτίµηση/ αντιστάθµιση κίνησης. Ένα µακρο - µπλόκ έχει µέγεθος 16x16 εικονοστοιχείων και αποτελείται από τέσσερα µπλοκ φωτεινότητας και δύο µπλοκ χρωµατικότητας. Υπάρχουν πέντε προφίλ για το φυσικό περιεχόµενο εικόνας: Το α- πλό οπτικό προφίλ παρέχει την αποδοτική, ελαστική στα λάθη κωδικοποίηση βίντεο, κατάλληλη για εφαρµογές κινητών δικτύων (mobile netwroks). Το απλό οπτικό προφίλ κλιµάκωσης προσθέτει την υποστήριξη για την κωδικοποίηση των αντικειµένων, µε χωρική ή χρονική κλιµάκωση στο απλό οπτικό προφίλ. Είναι χρήσιµο για τις απλές εφαρµογές εικόνας στο Internet. Το οπτικό προφίλ πυρήνων προσθέτει την υποστήριξη για την κωδικοποίηση αυθαίρετα δια- µορφωµένων και χρονικά κλιµακωτών αντικειµένων στο απλό οπτι-

5 5 ιαδικασία MPEG. Αρχικά το σήµα ψηφιοποιείται. Στη συνέχεια, σε κάθε εικόνα εφαρµόζεται ο µετασχηµατισµός συµπίεσης και οι αριθ µητικοί συντελεστές που προκύπτουν, στρογγυλοποιούνται και οµα - δοποιούνται. Για να µειωθεί ακόµη περισσότερο ο ψηφιακός όγκος του σήµατος, χρησιµοποιούνται δύο επιπλέον αλγόριθµοι, που µετατρέπουν κάθε εικόνα σε αρχείο JPEG. Το επόµενο βήµα είναι η διαδικασία αντι - στάθµισης της κίνησης, κατά την οποία, σε µια σειρά από εικόνες, αφαι - ρείται το κοινό µέρος τους και διατηρείται µόνον η µεταβολή της πληρο - φορίας. Με τη διαδικασία αυτή, δηµιουργούνται τρεις κατηγορίες εικό - νων: Οι Ι, Ρ και Β. Με αυτές σχηµατίζεται η οµάδα εικόνων GOP, η οποία εκπέµπεται. Όλη αυτή η διαδικασία γίνεται µέσα σε ένα ολοκληρωµένο κύκλωµα, που στοιχίζει σήµερα λιγότερο από 20 ευρώ! κό προφίλ. Είναι χρήσιµο για τις εφαρµογές πολυµέσων ιαδικτύου. Το κύριο οπτικό προφίλ προσθέτει την υποστήριξη για την κωδικοποίηση συµπλεγµένων (interlaced) ηµιδιάφανων (semitransparent) αντικειµένων στο οπτικό προφίλ πυρήνων. Είναι χρήσιµο για διαδραστική και ψυχαγωγική ποιότητα εκποµπής, καθώς και εφαρµογές DVD. Το οπτικό προφίλ Ν-bit προσθέτει την υποστήριξη κωδικοποίησης βίντεο αντικειµένων, που το βάθος των εικονοστοιχείων τους κυµαίνεται από 4 έως 12 bit στο οπτικό προφίλ πυρήνων. Είναι κατάλληλο για χρήση σε εφαρµογές επιτήρησης (surveillance). Ανάλογα προφίλ υπάρχουν για τις συνθετικές εικόνες, αλλά και για τη συνένωση φυσικών και τεχνητών εικόνων. Τύποι εικόνων MPEG Η διαδικασία συµπίεσης της πληροφορίας που περιέχεται σε ροή α- πό εικόνες, ξεκινάει µε το διαχωρισµό τους σε τρεις κατηγορίες: Βασικές εικόνες ή ενδοπλαίσια- Ι (Intra frames): κωδικοποιούνται χωρίς αναφορά σε άλλες εικόνες, εποµένως περιέχουν όλες τις απαραίτητες πληροφορίες για την ανακατασκευή τους. Ο βαθµός συ- µπίεσης των Ι εικόνων είναι χαµηλός. Κατά συνέπεια, περιέχουν λιγότερο αλλοιωµένα δεδοµένα. Η παρουσία τους λειτουργεί ως ση- µείο αναφοράς και οι υπόλοιπες ανάγονται σ αυτές. Γι αυτό επιβάλλεται να µεταδίδονται τακτικά. Έτσι, υπάρχει τουλάχιστον ένα I πλαίσιο κάθε 15. Προβλεπόµενα πλαίσια - Ρ (Predicted frames): σχηµατίζονται από το προηγούµενο πλαίσιο, µε τη χρήση τεχνικών πρόβλεψης. Οι Ρ εικόνες µπορεί να χρησιµοποιηθούν ως η βάση και για τις επόµενες εικόνες του ίδιου τύπου. Πάντως, δεν είναι δυνατό να αυξηθεί υπερβολικά ο αριθµός των Ρ εικόνων που βρίσκονται ανάµεσα σε δύο Ι. Ο βαθµός συµπίεσης των Ρ είναι σηµαντικά υψηλότερος απ ό,τι στα εικονοπλαίσια Ι. Αµφιπλαίσια - Β (Bi-dire - ctio nal frames): κωδικοποιούνται µε αµφίπλευρη παρεµβολή ανά- µεσα σε εικόνα Ι ή Ρ, η οποία ή προπορεύεται ή ακολουθεί. εν χρησιµοποιούνται για την κωδικοποίηση διαδοχικών εικόνων, εποµένως δεν µεταδίδουν λάθη. Ο «κύκλος της ζωής» τους είναι περιορισµένος και δεν κληροδοτούν πληροφορίες σε άλλα πλαίσια. Απαιτούν υ- ψηλή ισχύ επεξεργασίας, γεγονός που τα κάνει δύσχρηστα και αιτία καθυστέρησης στη λήψη. Ο κύριος λόγος ύπαρξης των Β-πλαισίων είναι το ενδεχόµενο κάποιες πληροφορίες της εικόνας να υπάρχουν σε επόµενα πλαίσια, αλλά να απαιτούνται και στο προηγούµενο! Οι εικόνες Β προσφέρουν το µέγιστο ρυθµό συµπίεσης. Αφού τα πλαίσια P κατασκευάζονται µε βάση τα Ι, και τα Β µε βάση τα Ι και P, είναι προφανές ότι τα Ι πρέπει να έχουν σταλεί πριν τα α- ντίστοιχα P (εικόνα 1). Επίσης, τόσο τα P όσο και τα I πρέπει να έ- χουν σταλεί πριν από τα αντίστοιχα Β, παρόλο που στη µετάδοση αυτά παρεµβάλλονται ανάµεσά τους. Τραγέλαφος! Ας είναι καλά οι µικροεπεξεργαστές, γιατί χωρίς αυτούς δεν υπήρχε καµία δυνατότητα υλοποίησης του MPEG. H µικρότερη οµάδα πλαισίων που µπορεί να αποκωδικοποιηθεί, ο- νοµάζεται GOP (Group of Pictures). Περιέχει όλα τα I, P, B πλαίσια που χρειάζονται. Η διαδοχή και η αλληλουχία των εικόνων µέσα σε µια οµάδα εικόνων GOP, περιγράφεται από δύο αριθµητικούς συντελεστές, που είναι γνωστοί σαν παράµετροι Μ και Ν. Μ είναι η α- πόσταση (σε αριθµό εικόνων) ανάµεσα σε δύο διαδοχικές εικόνες Ρ, ενώ Ν είναι η απόσταση ανάµεσα σε δύο διαδοχικές εικόνες Ι (εικόνα 2). Συνηθισµένες τιµές για ικανοποιητική οπτική ποιότητα, είναι Μ = 3 και Ν = 12. Με αυτές τις παραµέτρους, η συγκρότηση µιας τυπικής οπτικής ακολουθίας, είναι: 1/12 εικόνες Ι (8.33%), 3/12 εικόνες Ρ (25%) και 8/12 εικόνες Β (66%). Ανατοµία του σήµατος ΜPEG Ένα σήµα MPEG αποτελείται από τρία επίπεδα: system, video και audio: Το επίπεδο system περιλαµβάνει πληροφορίες σχετικά µε το συγχρονισµό, ελέγχει τη ροή του σήµατος για να µην παρατηρείται έλλειψη ή πλεονασµός δεδοµένων, παρέχει πληροφορίες για το συγχρονισµό της εικόνας και του ήχου. Τα επίπεδα video και audio περιέχουν κωδικοποιηµένη την εικόνα και τον ήχο. Σε κάθε περίπτωση, τα δεδοµένα των τριών επιπέδων συνενώνονται σε ένα ενιαίο σήµα (bit-stream), µέσω µιας διαδικασίας που ονοµάζεται πολυπλεξία (multiplexing ή muxing). Μερικά συστήµατα κάνουν την πολυπλεξία σε πραγµατικό χρόνο (real-time) και άλλα όχι. Για να γίνει η επεξεργασία της εικόνας και η διαδικασία πρόβλεψης της κίνησης, κάθε πλαίσιο (frame) της εικόνας χωρίζεται σε τµήµατα που ονοµάζονται «φέτες» (slices). Οι φέτες περιέχουν µία σειρά «ολοτµήµατα» (macroblocks), τα οποία, όπως δείχνει και το όνοµά τους, περιέχουν µία σειρά από blocks. Τα blocks είναι τµήµατα της εικόνας διαστάσεων 8x8 pixels. Ο ρόλος των slices είναι να περιορίσουν τη διάδοση των λαθών (error propagation). Αν ένα slice ληφθεί µε λάθος, παραλείπεται χωρίς να χάνουµε όλη την εικόνα. Γενικά, τα slices βοηθούν στην απόκρυψη των σφαλµάτων. Κάθε macroblock περιέχει έ- ναν πίνακα µε πληροφορίες φωτεινότητας (16x16) και δύο πίνακες του µισού µεγέθους (8x8) για το χρώµα. 118