H.262/MPEG-2 الجزء 2

تُنتج كاميرا تلفزيون عالي الوضوح (HDTV) ذات معدل أخذ عينات 8 بت دفق فيديو خام بحجم 25  ×  1920  ×  1080  ×  3  =  155,520,000 بايت في الثانية  لفيديو بمعدل 25 إطارًا في الثانية (باستخدام تنسيق أخذ العينات 4:4:4 ). يجب ضغط هذا الدفق من البيانات لكي يتناسب البث التلفزيوني الرقمي مع عرض النطاق الترددي للقنوات التلفزيونية المتاحة، ولكي تتناسب الأفلام مع أقراص DVD. يُعد ضغط الفيديو عمليًا لأن البيانات في الصور غالبًا ما تكون زائدة في المساحة والوقت. على سبيل المثال، قد تظهر السماء باللون الأزرق في الجزء العلوي من الصورة، وقد يستمر هذا اللون الأزرق لعدة إطارات. أيضًا، نظرًا لطريقة عمل العين، من الممكن حذف أو تقريب بعض البيانات من صور الفيديو مع تدهور طفيف أو معدوم في جودة الصورة.

إحدى الحيل الشائعة (والقديمة) لتقليل حجم البيانات هي فصل كل "إطار" فيديو كامل إلى "حقلين" عند البث/الترميز: "الحقل العلوي"، وهو الخطوط الأفقية ذات الأرقام الفردية، و"الحقل السفلي"، وهو الخطوط ذات الأرقام الزوجية. عند الاستقبال/فك الترميز، يُعرض الحقلان بالتناوب، حيث تتداخل خطوط كل حقل مع خطوط الحقل السابق؛ ويُسمى هذا التنسيق بالفيديو المتداخل . يبلغ معدل الحقول النموذجي 50 حقلاً في الثانية (أوروبا/PAL) أو 59.94 حقلاً في الثانية (الولايات المتحدة/NTSC)، أي ما يعادل 25 إطارًا كاملاً في الثانية (أوروبا/PAL) أو 29.97 إطارًا كاملاً في الثانية (أمريكا الشمالية/NTSC). إذا لم يكن الفيديو متداخلًا، يُسمى حينها فيديو المسح التدريجي ، وتُمثل كل صورة إطارًا كاملاً. يدعم معيار MPEG-2 كلا الخيارين.

يتطلب التلفزيون الرقمي تحويل هذه الصور إلى صيغة رقمية ليتم معالجتها بواسطة أجهزة الكمبيوتر. يُمثَّل كل عنصر من عناصر الصورة ( بكسل ) برقم إضاءة واحد ورقمين للون . يصف هذان الرقمان سطوع ولون البكسل (انظر YCbCr ). وبالتالي، تُمثَّل كل صورة رقمية مبدئيًا بثلاث مصفوفات مستطيلة من الأرقام.

من الممارسات الشائعة الأخرى لتقليل حجم البيانات المراد معالجتها، أخذ عينات فرعية من مستويي اللون (بعد تطبيق مرشح تمرير منخفض لتجنب التشويش ). ينجح هذا الأسلوب لأن النظام البصري البشري يُميّز تفاصيل السطوع بشكل أفضل من تفاصيل درجة اللون وتشبعها. يُستخدم مصطلح 4:2:2 للفيديو الذي تُؤخذ فيه عينات اللون بنسبة 2:1 أفقيًا، بينما يُستخدم مصطلح 4:2:0 للفيديو الذي تُؤخذ فيه عينات اللون بنسبة 2:1 رأسيًا وأفقيًا. أما الفيديو الذي تكون فيه دقة الإضاءة واللون متطابقة فيُسمى 4:4:4 . تتناول وثيقة فيديو MPEG-2 جميع أنواع أخذ العينات الثلاثة، مع أن 4:2:0 هو الأكثر شيوعًا في فيديوهات المستهلكين، ولا توجد "ملفات تعريف" مُحددة لفيديوهات 4:4:4 في MPEG-2 (انظر أدناه لمزيد من التفاصيل حول ملفات التعريف).

بينما يصف النقاش الوارد أدناه في هذا القسم ضغط الفيديو بتقنية MPEG-2 بشكل عام، إلا أن هناك العديد من التفاصيل التي لم تُناقش، بما في ذلك تفاصيل تتعلق بالحقول، وتنسيقات اللون، والاستجابات لتغييرات المشهد، والرموز الخاصة التي تُصنّف أجزاء دفق البتات، وغيرها من المعلومات. وباستثناء ميزات معالجة الحقول للترميز المتداخل، فإن فيديو MPEG-2 يُشبه إلى حد كبير فيديو MPEG-1 (بل ويُشبه إلى حد كبير معيار H.261 السابق )، لذا فإن الوصف الوارد أدناه ينطبق تمامًا على MPEG-1.

يتضمن MPEG-2 ثلاثة أنواع أساسية من الإطارات المشفرة: الإطارات المشفرة داخليًا ( إطارات I )، والإطارات المشفرة تنبؤيًا ( إطارات P )، والإطارات المشفرة تنبؤيًا ثنائي الاتجاه ( إطارات B ).

الإطار I هو نسخة مضغوطة بشكل منفصل من إطار واحد غير مضغوط (خام). تستفيد عملية ترميز الإطار I من التكرار المكاني وعدم قدرة العين على رصد بعض التغييرات في الصورة. على عكس الإطارات P وB، لا تعتمد الإطارات I على البيانات في الإطارات السابقة أو اللاحقة، لذا فإن ترميزها مشابه جدًا لترميز الصور الثابتة (مشابه تقريبًا لترميز صور JPEG ). باختصار، يُقسّم الإطار الخام إلى كتل بحجم 8×8 بكسل. تُحوّل البيانات في كل كتلة باستخدام تحويل جيب التمام المنفصل (DCT). والنتيجة هي مصفوفة 8×8 من المعاملات ذات القيم العددية الحقيقية . يحوّل هذا التحويل التغيرات المكانية إلى تغيرات ترددية، لكنه لا يُغيّر المعلومات الموجودة في الكتلة؛ فإذا حُسب التحويل بدقة تامة، يُمكن إعادة إنشاء الكتلة الأصلية بدقة تامة بتطبيق تحويل جيب التمام العكسي (أيضًا بدقة تامة). يؤدي تحويل البيانات من أعداد صحيحة ذات 8 بت إلى معاملات تحويل حقيقية إلى زيادة حجم البيانات المستخدمة في هذه المرحلة من المعالجة، ولكن ميزة هذا التحويل تكمن في إمكانية تقريب بيانات الصورة عن طريق تكميم المعاملات. ستصبح العديد من معاملات التحويل، وخاصةً مكونات الترددات العالية، أصفارًا بعد التكميم، وهي عملية تقريب في الأساس. يُؤدي هذا إلى فقدان بعض الفروق الدقيقة في السطوع واللون. يمكن أن يكون التكميم دقيقًا أو خشنًا، حسب اختيار المُشفِّر. إذا لم يكن التكميم خشنًا جدًا، وطُبِّق التحويل العكسي على المصفوفة بعد تكميمها، فستحصل على صورة تُشبه الصورة الأصلية إلى حد كبير، ولكنها ليست مطابقة لها تمامًا. بعد ذلك، تُضغط مصفوفة المعاملات المُكمَّمة. عادةً، تحتوي إحدى زوايا مصفوفة المعاملات 8×8 على أصفار فقط بعد تطبيق التكميم. بالبدء من الزاوية المقابلة للمصفوفة، ثم المرور عبرها بشكل متعرج لدمج المعاملات في سلسلة نصية، ثم استبدال الأصفار المتتالية في تلك السلسلة برموز طول التشغيل ، ثم تطبيق ترميز هوفمان على النتيجة، يتم اختزال المصفوفة إلى كمية بيانات أصغر. هذه البيانات المشفرة بالإنتروبيا هي التي تُبث أو تُوضع على أقراص DVD. في جهاز الاستقبال أو المشغل، تُعكس العملية برمتها، مما يُمكّن جهاز الاستقبال من إعادة بناء الإطار الأصلي بدقة عالية.

تُشابه معالجة الإطارات B معالجة الإطارات P، باستثناء أن الإطارات B تستخدم الصورة في إطار مرجعي لاحق بالإضافة إلى الصورة في إطار مرجعي سابق. ونتيجةً لذلك، توفر الإطارات B عادةً ضغطًا أكبر من الإطارات P. ولا تُعتبر الإطارات B أبدًا إطارات مرجعية في فيديو MPEG-2.

عادةً، يتم تحويل كل إطار خامس عشر تقريبًا إلى إطار I. قد تتبع إطارات P وB إطار I على النحو التالي: IBBPBBPBBPBB(I)، لتشكيل مجموعة صور (GOP) ؛ ومع ذلك، فإن المعيار مرن في هذا الشأن. يختار المُشفِّر الصور التي يتم ترميزها كإطارات I وP وB.

توفر إطارات P ضغطًا أكبر من إطارات I لأنها تستفيد من البيانات الموجودة في إطار I أو P سابق - وهو إطار مرجعي . لإنشاء إطار P، يُعاد بناء الإطار المرجعي السابق، تمامًا كما هو الحال في جهاز استقبال التلفزيون أو مشغل أقراص DVD. يُقسّم الإطار المراد ضغطه إلى كتل ماكرو بحجم 16 بكسل × 16 بكسل . بعد ذلك، لكل كتلة ماكرو، يُبحث في الإطار المرجعي المُعاد بناؤه للعثور على منطقة بحجم 16 × 16 بكسل تُطابق محتوى كتلة الماكرو المراد ضغطها بدقة. يُشفّر الإزاحة على شكل "متجه حركة". غالبًا ما تكون الإزاحة صفرًا، ولكن إذا كان هناك شيء متحرك في الصورة، فقد تكون الإزاحة حوالي 23 بكسل إلى اليمين و4.5 بكسل إلى الأعلى. في معياري MPEG-1 وMPEG-2، يمكن أن تُمثل قيم متجه الحركة إزاحات صحيحة أو إزاحات نصف صحيحة. غالبًا ما لا يكون التطابق بين المنطقتين مثاليًا. لتصحيح هذا الخطأ، يقوم المُشفِّر بحساب الفرق بين جميع البكسلات المتناظرة في المنطقتين، ثم يُجري على هذا الفرق تحويل جيب التمام المنفصل (DCT) وسلاسل قيم المعاملات للمناطق الأربع 8×8 في الكتلة الكبيرة 16×16 كما هو موضح أعلاه. تُضاف هذه القيمة المتبقية إلى متجه الحركة، وتُرسل النتيجة إلى جهاز الاستقبال أو تُخزَّن على قرص DVD لكل كتلة كبيرة يتم ضغطها. في بعض الأحيان، لا يتم العثور على تطابق مناسب، وفي هذه الحالة، تُعامل الكتلة الكبيرة ككتلة كبيرة من نوع I-frame.