Die betekenis van videokodering
Groot stoorplek vir oorspronklike videodata, 'n 1080P 7 s-video benodig 817 MB
Die oorspronklike video-data-oordrag neem 'n groot bandwydte in beslag en dit neem 11 minute om bogenoemde 7 s-video met 'n bandwydte van 10 Mbps uit te stuur.
Na H.264-kodering en -kompressie is die videogrootte slegs 708 k, en die bandbreedte van 10 Mbps benodig net 500 ms, wat aan die behoeftes van real-time uitsending kan voldoen. Daarom moet die oorspronklike video wat van die video-verkrygingsensor versamel is, video-gekodeer wees.
Fundamentele
Waarom kan 'n groot oorspronklike video dan in 'n baie klein video gekodeer word? Wat is die tegnologie hierin? Voordat ons oor tegnologie praat, moet ons eers die konsep van video wat deurlopende foto's is, vasstel.
Die kernidee is om oortollige inligting te verwyder:
Ruimtelike oortolligheid: daar is 'n sterk korrelasie tussen aangrensende pixels van 'n prent
Tydelike oortolligheid: soortgelyke inhoud tussen aangrensende prente in 'n video-reeks
Koderingsoortolligheid: verskillende pixelwaardes het verskillende waarskynlikhede
Visuele oortolligheid: die menslike visuele stelsel is nie sensitief vir sekere besonderhede nie
Kennisoortolligheid: die struktuur van reëlmaat kan verkry word uit voorkennis en agtergrondkennis
Video is in wese 'n reeks foto's wat deurlopend en vinnig gespeel word, dus die maklikste manier om 'n video saam te pers, is om elke raam van die prentjies saam te pers. Die ouer MJPEG-kodering is byvoorbeeld om elke raam prente in die video saam te pers. Hierdie koderingsmetode. Daar is slegs intra-raamkodering, wat ruimtelike voorbeeldvoorspelling gebruik om te kodeer. Die beeldmetafoor is om elke raamwerk as 'n prentjie te behandel en die JPEG-koderingsformaat te gebruik om die prentjie saam te pers. Hierdie soort kodering neem slegs die kompressie van oortollige inligting in 'n prentjie in ag.
Vanweë die tydkorrelasie tussen rame is daar egter gevorderde enkodeerders ontwikkel wat tussen raamkodering kan gebruik. Eenvoudig gestel, sekere areas op die raam word deur die soekalgoritme gekies, en dan word die huidige raam bereken. Dit is 'n vorm van kodering met die vektorverskil tussen die voorste en agterste verwysingsraamwerke. Deur die volgende twee opeenvolgende rame in Figuur 2 kan ons sien dat die skiër vorentoe skuif, maar in werklikheid skuif die sneeutoneel agteruit, en daar word verwys na die P-raam. Frames (I of ander P-rame) kan gekodeer word, die grootte is na kodering is baie klein, en die kompressieverhouding is baie hoog.
Verwysings skakel oor die raam http://mp.weixin.qq.com/s/ox6MsWx71b-GFsZihaOwww
Sommige studente stel dalk belang in hoe hierdie twee prente vandaan kom. Hier is twee reëls om FFmpeg-opdragte te bereik. Raadpleeg die volgende hoofstukke vir meer inligting oor FFmpeg:
Die eerste reël genereer 'n video met 'n bewegende vektor
Die tweede lyn voer elke raam as 'n prentjie uit
Gebruik die opdrag
ffmpeg -flags2 + export_mvs -i tutu.mp4 -vf codecview = mv = pf + bf + bb tutudebug2.mp4
ffmpeg -i tutudebug2.mp4'tutunormal-% 03d.bmp '
Benewens ruimtelike oortolligheid en tydelike oortolligheidskompressie, is daar hoofsaaklik kodering van kompressie en visuele kompressie. Die volgende is die hoofvloeidiagram van 'n kodeerder:
Figuur 3 en Figuur 4 is twee prosesse. Figuur 3 is intra-raamkodering, en Figuur 4 is interraamkodering. Die belangrikste verskil in die figuur is dat die eerste stap anders is. In werklikheid word hierdie twee prosesse ook saamgevoeg. Oor die algemeen gebruik ek raam- en P-raamkodering onderskeidelik binne-raamkodering en interraamkodering.
Encoder seleksie
Ek het die beginsel en basiese proses van die kodeerder uitgesorteer. Die kodeerder het dekades van ontwikkeling beleef. Dit het ontwikkel van die ondersteuning van slegs intra-raamkodering tot die nuwe generasie enkodeerders wat vandag deur H.265 en VP9 verteenwoordig word. Op die oomblik word enkele gewone enkodeerders geanaliseer, en ons neem u na die wêreld van enkodeerders.
H.264
Inleiding
Die H.264 / AVC-projek is van plan om 'n videostandaard te skep. In vergelyking met die ou standaard, kan dit video's van hoë gehalte lewer met 'n laer bandwydte (met ander woorde net die helfte van die bandwydte van MPEG-2, H.263 of MPEG-4 Deel 2 of minder) sonder om te veel ontwerpkompleksiteit by te voeg. dit is onmoontlik om te bereik of die koste van die implementering is te hoog. 'N Ander doel is om voldoende buigsaamheid te bied om gebruik te word in verskillende toepassings, netwerke en stelsels, insluitend hoë en lae bandwydte, hoë en lae video-resolusies, uitsaai, DVD-berging, RTP / IP-netwerke en ITU-T multimedia-telefoonsisteem.
H.264 / AVC bevat 'n reeks nuwe funksies wat dit nie net meer doeltreffend maak as vorige codecs nie, maar ook gebruik kan word in toepassings in verskillende netwerkomgewings. Hierdie tegniese grondslag maak dat H.264 die belangrikste codec word wat gebruik word deur aanlynvideo-ondernemings, insluitend YouTube, maar dit is nie baie maklik om dit te gebruik nie. Teoreties vereis baie geld om H.264 te gebruik. Patentgelde.
Patentlisensie
Soos die eerste en tweede deel van MPEG-2 en die tweede deel van MPEG-4, moet produkvervaardigers en diensverskaffers wat H.264 / AVC gebruik, patentlisensiegeld aan patenthouers betaal. Die hoofbron van hierdie patentlisensies is 'n private organisasie genaamd MPEG-LA LLC. Hierdie organisasie het niks met die MPEG-standaardiseringsorganisasie te doen nie, maar hierdie organisasie bestuur ook die MPEG-2 Part One-stelsel, Part Two-video en MPEG-4 Part One. Tweedelige video- en ander patentlisensies vir tegnologie.
Ander patentlisensies moet van toepassing wees op 'n ander private organisasie genaamd VIA Licensing, wat ook patentlisensies bestuur vir klankkompressiestandaarde soos MPEG-2 AAC en MPEG-4 Audio.
Open source implementering van H.264
openh264 is 'n open source H.264-koderingsprogram wat deur Cisco geïmplementeer word. Alhoewel H.264 'n hoë patentfooi vereis, is daar 'n jaarlikse beperking op die patentfooi. Nadat Cisco die jaarlikse patentgeld vir OpenH264 betaal het, is OpenH264 eintlik gratis. Gebruik dit gratis.
x264 is 'n video-kodering gratis sagteware gelisensieer onder GPL. Die belangrikste funksie van x264 is om H.264 / MPEG-4 AVC-videokodering uit te voer, nie as 'n dekodeerder nie.
Uitsluit die kosteprobleem vir vergelyking:
Die gebruik van die CPU van openh264 is baie laer as die van x264
openh264 ondersteun slegs basislynprofiel, x264 ondersteun meer profiele
HEVC / H.265
Inleiding
High Efficiency Video Coding (HEVC) is 'n videokompressiestandaard (ook H.265 genoem) wat beskou word as die opvolger van die ITU-T H.264 / MPEG-4 AVC-standaard. In 2004 het die ISO / IEC Moving Picture Experts Group (MPEG) en ITU-T Video Coding Experts Group (VCEG) begin ontwikkel as ISO / IEC 23008-2 MPEG-H Part 2 of ITU-T H.265. Die eerste weergawe van die HEVC / H.265-videokompressie-standaard is op 13 April 2013 aanvaar as die amptelike standaard van die Internasionale Telekommunikasie-unie (ITU-T). HEVC word nie net beskou as die verbetering van die videokwaliteit nie, maar ook om twee keer te bereik die kompressiesnelheid van H.264 / MPEG-4 AVC (gelykstaande aan 'n 50% vermindering van die bitsnelheid onder dieselfde beeldkwaliteit), en kan 4K-resolusie en selfs ultra-hoë-definisie TV (UHDTV) ondersteun, kan die hoogste resolusie bereik 8192 × 4320 (resolusie van 8K).
Patentlisensie
HEVC vereis dat alle inhoudvervaardigers wat H.265-tegnologie gebruik, insluitend Apple, YouTube, Netflix, Facebook en Amazon, 0.5% van hul inhoudinkomste betaal as tegnologiese gebruiksfooi. Die hele mark vir streaming media bereik elke jaar ongeveer 100 miljard Amerikaanse dollars, en dit gaan voort. In die groei is die heffing van 0.5% beslis 'n groot fooi. En hulle het nie toerustingvervaardigers laat vaar nie, waaronder TV-vervaardigers 1.5 Amerikaanse dollar per eenheid moet betaal en vervaardigers van mobiele toestelle 0.8 Amerikaanse dollar per eenheid aan patentgelde. Hulle het nie eens produsente soos Blu-ray-spelers, spelkonsoles en video-opnemers losgelaat wat $ 1.1 elk moet betaal nie.
Open source implementering van H.265 / HEVC
libde265 HEVC word verskaf deur struktur-onderneming onder die open source lisensie GNU Lesser General Public License (LGPL), en kykers kan beelde van die hoogste gehalte teen laer internetsnelheid geniet. In vergelyking met vorige dekodeerders wat op die H.264-standaard gebaseer is, kan die libde265 HEVC-dekodeerder u volledige HD-inhoud tot twee keer die gehoor bring, of die bandbreedte wat benodig word vir streaming met 50% verminder.
x265 is ontwikkel deur MulticoreWare en is oop onder die GPL-ooreenkoms.
VP8
Inleiding
VP8 is 'n oop videokompressie-formaat wat eers deur On2 Technologies ontwikkel is en daarna deur Google vrygestel is. Terselfdertyd het Google ook die VP8-gekodeerde implementeringsbiblioteek vrygestel: libvpx, wat vrygestel is in die vorm van BSD-lisensievoorwaardes, en daarna die reg toegevoeg om die patent te gebruik. Na 'n paar argumente is die magtiging van VP8 uiteindelik bevestig as 'n oopbronmagtiging.
Die webblaaiers wat VP8 ondersteun, is tans Opera, Firefox en Chrome.
Patentlisensie
In Maart 2013 bereik Google 'n ooreenkoms met MPEG LA en 11 patenthouers om Google toe te laat om VP8 en sy vorige VPx en ander koderinge te verkry wat op patente oortree kan word. Terselfdertyd kan Google ook verwante patente gratis magtig vir VP8-gebruikers. , Hierdie ooreenkoms is ook geskik vir die volgende generasie VPx-kodering. Tot dusver het MPEG LA die oprigting van die VP8-patent-gesentraliseerde lisensieverbond prysgegee, en gebruikers van VP8 sal kan besluit om hierdie kode gratis te gebruik sonder om hulself te bekommer oor tantieme vir patentskending.
Open source implementering van VP8
Libvpx is die enigste open source implementering van VP8. Dit is ontwikkel deur On2 Technologies. Nadat Google dit aangeskaf het, het dit sy bronkode oopgemaak. Die lisensie is baie los en kan vrylik gebruik word.
VP9
Inleiding
Die ontwikkeling van VP9 het in die derde kwartaal van 2011 begin. Die doel is om die lêergrootte met 50% te verminder in vergelyking met die VP8-kodering onder dieselfde beeldkwaliteit. 'N Ander doel is om HEVC-kodering te oortref in koderingsdoeltreffendheid.
Op 13 Desember 2012 het die Chromium-blaaier ondersteuning vir VP9-kodering toegevoeg. Chrome-blaaier het op 9 Februarie 21 begin met die afspeel van VP2013-gekodeerde video.
Google het aangekondig dat hulle die ontwikkeling van die VP9-kode op 17 Junie 2013 sal voltooi, wanneer die Chrome-blaaier die VP9-kode standaard sal lei. Op 18 Maart 2014 het Mozilla VP9-ondersteuning by die Firefox-blaaier gevoeg.
Op 3 April 2015 het Google libvpx1.4.0 vrygestel, wat ondersteuning bied vir 10-bit en 12-bit bitdiepte, 4: 2: 2 en 4: 4: 4 chroma-steekproefneming, en VP9 multi-kern kodering / dekodering.
Patentlisensie
VP9 is 'n oop formaat, royalty-vrye video-koderingsformaat.
Open source implementering van VP9
libvpx is die enigste open source implementering van VP9, ontwikkel en onderhou deur Google. Sommige van die kodes word deur VP8 en VP9 gedeel, en die res is die codec-implementasies van onderskeidelik VP8 en VP9.
Vergelyking van VP9 en H.264 en HEVC
Vergelyking van HEVC en H.264 met verskillende resolusies
In vergelyking met H.264 / MPEG-4 is die gemiddelde bitsnelheidsverlaging van HEVC:
Daar kan gesien word dat die bitsnelheid met meer as 60% gedaal het
HEVC (H.265) het 'n groter voordeel in bitsnelheidbesparing vir VP9 en H.264, wat onderskeidelik 48.3% en 75.8% bespaar onder dieselfde PSNR
H.264 het 'n groot voordeel in die koderingstyd. In vergelyking met VP9 en HEVC (H.265) is HEVC 6 keer dié van VP9, en VP9 is byna 40 keer dié van H.264.
