هدف از پروژه H.264 / AVC ایجاد استانداردی است که بتواند کیفیت فیلم خوب را با نرخ بیت بسیار پایین تری نسبت به استانداردهای قبلی (یعنی نیمی از نرخ بیت MPEG-2 ، H.263 یا MPEG- یا بیشتر). کم). 4 قسمت 2) ، بدون افزایش پیچیدگی طراحی ، به طوری که اجرای آن غیر عملی یا بسیار گران است. هدف دیگر فراهم آوردن انعطاف پذیری کافی است تا بتواند استاندارد را برای برنامه های مختلف در شبکه ها و سیستم های مختلف اعمال کند ، از جمله بیت ریت های کم و زیاد ، فیلم با وضوح پایین و بالا ، پخش ، ذخیره سازی DVD ، شبکه RTP / IP Packet و ITU-T سیستم تلفنی چندرسانه ای. استاندارد H.264 را می توان به عنوان یک "خانواده استاندارد" در نظر گرفت که از چندین پرونده پیکربندی مختلف تشکیل شده است. یک رمزگشای خاص حداقل یک پروفایل را رمزگشایی می کند اما لزوماً تمام پروفایل ها نیست. مشخصات رسیور توصیف می کند که کدام پرونده های پیکربندی قابل رمزگشایی است. H.264 معمولاً برای فشرده سازی با ضرر مورد استفاده قرار می گیرد ، اگرچه ایجاد مناطق برنامه نویسی بدون ضرر در تصاویر با رمزگذاری بی ضرر یا حمایت از موارد استفاده نادر که کل برنامه نویسی بدون ضرر است نیز امکان پذیر است.
H.264 توسط گروه متخصص برنامه نویسی ویدئویی ITU-T (VCEG) همراه با گروه کارشناسان متحرک تصویر متحرک ISO / IEC JTC1 (MPEG) ساخته شده است. مشارکت پروژه Team Video Team (JVT) نامیده می شود. استاندارد ITU-T H.264 و استاندارد ISO / IEC MPEG-4 AVC (به طور رسمی ISO / IEC 14496-10-MPEG-4 قسمت 10 ، کدگذاری پیشرفته ویدئو) به طور مشترک حفظ می شوند تا محتوای فنی آنها یکسان باشد. پیش نویس نهایی اولین نسخه استاندارد در مه 2003 به اتمام رسید ، و پسوندهای مختلف عملکرد آن به نسخه های بعدی آن اضافه شد. کدگذاری ویدئویی با راندمان بالا (HEVC) ، یعنی H.265 و MPEG-H Part 2 ، جانشینان H.264 / MPEG-4 AVC هستند که توسط همان سازمان توسعه یافته اند و از استاندارد های قبلی هنوز معمولاً استفاده می شود.
مشهورترین H.264 احتمالاً یکی از استانداردهای رمزگذاری ویدئو برای دیسک های Blu-ray است. همه دستگاه های پخش دیسک Blu-ray باید قادر به رمزگشایی H.264 باشند. همچنین با استفاده از منابع اینترنتی جریانی ، مانند فیلم های Vimeo ، YouTube و iTunes Store ، نرم افزار شبکه مانند Adobe Flash Player و Microsoft Silverlight و پخش های مختلف HDTV روی زمین (ATSC ، ISDB-T ، DVB) - T یا DVB-T2) ، کابل (DVB-C) و ماهواره (DVB-S و DVB-S2).
H.264 توسط حق ثبت اختراع متعلق به همه طرف ها محافظت می شود. مجوزهایی که اکثر (اما نه همه) حق ثبت اختراع لازم برای H.264 را پوشش می دهند توسط مجموعه ثبت اختراعات MPEG LA مدیریت می شوند. 3 استفاده تجاری از فناوری H.264 ثبت اختراع مستلزم پرداخت حق امتیاز به MPEG LA و دیگر دارندگان حق ثبت اختراع است. MPEG LA امکان استفاده رایگان از فناوری H.264 را فراهم می کند تا کاربران نهایی ویدیوی اینترنتی را به صورت رایگان در اختیار کاربران قرار دهند و Cisco Systems به نمایندگی از کاربران پرونده باینری کدگذار H.264 منبع باز ، حق امتیاز به MPEG LA پرداخت می کند.
1. نامگذاری
نام H.264 از کنوانسیون نامگذاری ITU-T پیروی می کند ، که عضوی از سری H.26x از استانداردهای کدگذاری ویدیوی VCEG است. نام MPEG-4 AVC مربوط به قرارداد نامگذاری در ISO / IEC MPEG است ، جایی که استاندارد ISO / IEC 14496 قسمت 10 است ، ISO / IEC 14496 مجموعه ای از استاندارد به نام MPEG-4 است. این استاندارد به طور مشترک در همکاری بین VCEG و MPEG تهیه شده است و یک پروژه VCEG به نام H.26L قبلاً در ITU-T انجام شده است. بنابراین ، نام هایی مانند H.264 / AVC ، AVC / H.264 ، H.264 / MPEG-4AVC یا MPEG-4 / H.264 AVC اغلب برای اشاره به استاندارد برای تأکید بر میراث مشترک استفاده می شوند. گاهی اوقات ، آن را "کدک JVT" نیز می نامند ، به سازمان تیم ویدیویی مشترک (JVT) که آن را توسعه داده است مراجعه کنید. (این نوع مشارکت و نامگذاری متعدد غیرمعمول نیست. به عنوان مثال ، استاندارد فشرده سازی فیلم MPEG-2 نیز از مشارکت MPEG و ITU-T نشأت گرفته است ، جایی که فیلم MPEG-2 توسط انجمن ITU-T H نامیده می شود. 262. 4) برخی از برنامه های نرم افزاری (مانند VLC media player) این استاندارد را به صورت AVC1 شناسایی می كنند.
2. تاریخ
در ابتدای سال 1998 ، گروه متخصص برنامه نویسی کدگذاری ویدئو (VCEG-ITU-T SG16 Q.6) با هدف دو برابر کردن کارایی کدگذاری (که به معنای Bitrate مورد نیاز است نصف شده) سطح مشخصی از وفاداری در مقایسه با سایر استانداردهای کدگذاری ویدیوی موجود که برای کاربردهای مختلف استفاده می شود. VCEG توسط گری سالیوان (مایکروسافت ، PictureTel سابق ، ایالات متحده) اداره می شود. اولین طرح پیش نویس استاندارد جدید در آگوست 26 تصویب شد. در سال 1999 ، توماس ویگاند (موسسه هاینریش هرتز ، آلمان) به عنوان رئیس مشترک VCEG انتخاب شد.
در دسامبر 2001 ، VCEG و گروه متخصصان متحرک (MPEG-ISO / IEC JTC 1 / SC 29 / WG 11) یک گروه ویدیویی مشترک (JVT) تشکیل دادند و اساسنامه آن استاندارد کدگذاری ویدیو را نهایی کرد. [5] مشخصات به طور رسمی در مارس 2003 تأیید شد. ریاست JVT را گری سالیوان ، توماس ویگاند و آجی لوترا بر عهده داشتند (موتورولا ، آمریكا: بعداً آریس ، آمریكا). در ژوئن 2004 ، پروژه Fidelity Scope Extension (FRExt) نهایی شد. از ژانویه 2005 تا نوامبر 2007 ، JVT در حال کار بر روی توسعه H.264 / AVC به مقیاس پذیری از طریق یک پیوست (G) به نام کدگذاری ویدئو مقیاس پذیر (SVC) است. تیم مدیریت JVT توسط Jens-Rainer Ohm (دانشگاه آخن ، آلمان) گسترش یافت. از ژوئیه 2006 تا نوامبر 2009 ، JVT کدگذاری ویدئو چند ویدئویی (MVC) را راه اندازی کرد ، که پسوند H.264 / AVC برای مشاهده رایگان تلویزیون و تلویزیون های سه بعدی است. این کار شامل توسعه دو نمایه استاندارد جدید است: Multiview High Profile و Stereo High Profile.
استاندارد سازی اولین نسخه H.264 / AVC در ماه مه 2003 به پایان رسید. در اولین پروژه برای گسترش استاندارد اصلی ، JVT متعاقباً به اصطلاح Fidelity Range Extensions (FRExt) را توسعه داد. این برنامه های افزودنی با پشتیبانی از دقت عمق بیت نمونه برداری بالاتر و اطلاعات رنگی با وضوح بالاتر ، از کدگذاری ویدیوی با کیفیت بالاتر برخوردار می شوند ، از جمله Y'CbCr 4: 2: 2 (= YUV 4: 2: 2) و نمونه برداری Y 'CbCr 4: 4 ساختار: 4. پروژه Fidelity Range Extensions همچنین شامل توابع دیگری مانند سوئیچینگ تطبیقی بین تبدیل های عدد صحیح 4 transform 4 و 8 × 8 ، ماتریس وزن کوانتیزاسیون مبتنی بر ادراک ، مشخص شده توسط رمزگذار ، کدگذاری بدون ضرر بین تصاویر و پشتیبانی از موارد اضافی فضاهای رنگی کار طراحی Fidelity Range Extensions در ژوئیه 2004 و کار تهیه آن در سپتامبر 2004 به پایان رسید.
گسترش بیشتر استاندارد اخیر شامل پنج نمایه جدید دیگر است [کدام؟ ] عمدتا برای برنامه های حرفه ای ، اضافه کردن پشتیبانی از فضای گسترده طیف رنگی ، تعریف شاخص های نسبت ابعادی اضافی ، تعریف دو نوع دیگر "اطلاعات بهبود تکمیلی" (نکات پس از فیلتر و نگاشت لحن) و دور انداختن فایل پیکربندی FRExt قبلی یک (زیاد) مشخصات 4: 4: 4) ، بازخورد صنعت [توسط چه کسی؟ ] دستورالعمل ها باید متفاوت طراحی شوند.
ویژگی اصلی بعدی که به استاندارد اضافه شده ، کدگذاری ویدئو مقیاس پذیر (SVC) است. در پیوست G از H.264 / AVC شرط بندی شده است که SVC اجازه می دهد تا جریانهای بیتی حاوی جریانهای فرعی نیز مطابق با استاندارد باشد ، از جمله یکی از این جریانهای جریان به نام "لایه پایه" ، که می تواند توسط H.264 رمزگشایی شود / کدک AVC که از SVC پشتیبانی می کند. برای مقیاس پذیری جریان بیت موقتی (به عنوان مثال ، جریانهای فرعی با نرخ نمونه گیری زمانی کوچکتر از جریان اصلی اصلی وجود دارد) ، واحدهای دسترسی کامل از جریان جریان پایین خارج می شوند. در این حالت ، تصاویر نحوی سطح بالا و تصاویر مرجع پیش بینی در جریان bit بر این اساس ساخته می شوند. از طرف دیگر ، برای مقیاس پذیری جریان بیتی و مکانی (به عنوان مثال ، جریانهای فرعی و فرعی با وضوح / کیفیت فضایی کمتری نسبت به جریان اصلی وجود دارد) ، NAL را از جریان bit حذف کنید (لایه انتزاع شبکه). . در این حالت ، پیش بینی بین لایه ای (به عنوان مثال ، پیش بینی سیگنال تفکیک پذیری / کیفیت بالاتر از داده های سیگنال تفکیک پذیری / کیفیت پایین تر) به طور کلی برای کدگذاری کارآمد استفاده می شود. برنامه افزودنی برنامه نویسی ویدئویی مقیاس پذیر در نوامبر 2007 تکمیل شد.
ویژگی اصلی بعدی که به استاندارد اضافه شده است ، کدگذاری ویدئو با چند نمایش (MVC) است. در ضمیمه H از H.264 / AVC مشخص شده است که MVC ساخت یک جریان bit را نشان می دهد که بیش از یک نمای صحنه ویدیویی را نشان می دهد. یک نمونه مهم از این ویژگی رمزگذاری تصویری سه بعدی استریوسکوپی است. در پروفایل MVC دو پروفایل ایجاد شده است: Multiview High Profile از هر تعداد بازدید پشتیبانی می کند و Stereo High Profile مخصوص فیلم های استریو با دو نمایش طراحی شده است. برنامه افزودنی کدگذاری ویدئو Multiview در نوامبر 3 به پایان رسید.
3 کاربرد
فرمت ویدئویی H.264 طیف وسیعی از برنامه ها را شامل می شود ، همه اشکال فیلم فشرده شده دیجیتال از برنامه های کم سرعت اینترنت تا پخش HDTV و برنامه های فیلم دیجیتال رمزگذاری تقریبا بدون ضرر را پوشش می دهد. با استفاده از H.264 ، در مقایسه با MPEG-2 Part 2 ، نرخ بیت می تواند 50٪ یا بیشتر ذخیره شود. به عنوان مثال ، گزارش شده است که کیفیت تلویزیون ماهواره ای دیجیتال ارائه شده توسط H.264 با اجرای فعلی MPEG-2 برابر است و سرعت بیت آن کمتر از نصف است. میزان اجرای فعلی MPEG-2 حدود 3.5 مگابیت در ثانیه است ، در حالی که H.264 فقط 1.5 مگابیت است. / ثانیه [23] سونی ادعا می کند که حالت ضبط 9 مگابیت در ثانیه AVC معادل کیفیت تصویر فرمت HDV است که حدود 18-25 مگابیت در ثانیه استفاده می کند.
به منظور اطمینان از سازگاری H.264 / AVC و تصویب بدون دردسر ، بسیاری از سازمانهای استاندارد استانداردهای مربوط به ویدئو خود را اصلاح یا به آنها افزوده اند تا کاربران این استاندارد بتوانند از H.264 / AVC استفاده کنند. هر دو قالب Blu-ray Disc و فرمت HD DVD که اکنون قطع شده است ، از H.264 / AVC High Profile به عنوان یکی از سه قالب فشرده سازی فیلم اجباری استفاده می کنند. پروژه پخش ویدیوی دیجیتال (DVB) استفاده از H.264 / AVC را برای تلویزیون پخش شده در پایان سال 2004 تأیید کرد.
کمیته استاندارد کمیته سیستم تلویزیون های پیشرفته آمریکایی (ATSC) H.264 / AVC را برای پخش تلویزیونی در جولای 2008 تأیید کرد ، اگرچه این استاندارد هنوز برای پخش های ثابت ATSC در ایالات متحده استفاده نشده است. [25] [26] همچنین با استفاده از قطعات AVC و SVC H.264 برای آخرین استاندارد ATSC-M / H (موبایل / دستی) تأیید شده است.
بازارهای مداربسته (تلویزیون مدار بسته) و نظارت تصویری این فناوری را در بسیاری از محصولات گنجانده اند. بسیاری از دوربین های رایج DSLR از فیلم H.264 موجود در ظرف QuickTime MOV به عنوان قالب ضبط بومی استفاده می کنند.
4. قالب مشتق شده
AVCHD یک قالب ضبط با کیفیت بالا است که توسط Sony و Panasonic با استفاده از H.264 طراحی شده است (سازگار با H.264 ، در حالی که سایر توابع و محدودیت های خاص برنامه را نیز اضافه می کند).
AVC-Intra یک قالب فشرده سازی درون قاب است که توسط Panasonic ساخته شده است.
XAVC یک قالب ضبط شده است که توسط سونی طراحی شده است و از سطح 5.2 H.264 / MPEG-4 AVC استفاده می کند که بالاترین سطح پشتیبانی شده توسط این استاندارد ویدیویی است. [28] [29] XAVC می تواند از وضوح 4K (4096 2160 3840 و 2160 60 28) با سرعت حداکثر 29 فریم در ثانیه (فریم در ثانیه) پشتیبانی کند. [55] [5] سونی اعلام کرد که دوربین های دارای XAVC شامل دو دوربین CineAlta-Sony PMW-F30 و Sony PMW-F55 هستند. [4] Sony PMW-F30 می تواند XAVC را ضبط کند ، وضوح 300K 2 فریم در ثانیه ، سرعت 30 مگابیت در ثانیه ، وضوح 100K ، 31 فریم در ثانیه ، 4 مگابیت در ثانیه است. [60] XAVC می تواند رزولوشن 4K را با سرعت 2 فریم در ثانیه ضبط کند و نمونه برداری کروم 2: 600: XNUMX را با سرعت XNUMX مگابیت در ثانیه انجام دهد.
5. امکانات
نمودار بلوک H.264
H.264 / AVC / MPEG-4 Part 10 شامل بسیاری از ویژگی های جدید است که آن را قادر می سازد فیلم را با کارایی بیشتری نسبت به استاندارد قدیمی فشرده کند و انعطاف پذیری بیشتری را برای برنامه های کاربردی در محیط های مختلف شبکه فراهم کند. به طور خاص ، برخی از این توابع کلیدی عبارتند از:
1) پیش بینی بین تصویر چند تصویر شامل ویژگی های زیر است:
از تصاویر قبلاً کدگذاری شده به عنوان مرجع به روشی منعطف تر از استانداردهای قبلی استفاده کنید ، در برخی موارد اجازه استفاده از حداکثر 16 فریم مرجع (یا 32 فیلد مرجع در مورد کدگذاری درهم) را می دهد. در نمایه هایی که از فریم های غیر IDR پشتیبانی می کنند ، اکثر سطوح مشخص می کنند که باید بافر بافی کافی وجود داشته باشد تا حداقل 4 یا 5 فریم مرجع در حداکثر وضوح مجاز باشند. این در تضاد با استانداردهای موجود است که معمولاً محدودیت 1 دارند. یا ، در مورد "تصاویر B" سنتی (فریم B) ، دو. این ویژگی خاص معمولاً در اکثر سناریوها می تواند باعث بهبود متوسط نرخ بیت و کیفیت شود. [نیاز به استناد] اما در انواع خاصی از صحنه ها ، مانند صحنه هایی با عملکردهای تکراری یا جابجایی صحنه ها به جلو و عقب یا مناطق پس زمینه بدون پوشش ، این امکان را می دهد تا با حفظ وضوح ، سرعت بیت را به میزان قابل توجهی کاهش دهید.
جبران حرکت اندازه بلوک متغیر (VBSMC) ، اندازه بلوک 16 × 16 ، به اندازه 4 × 4 است که می تواند تقسیم بندی دقیق منطقه متحرک را درک کند. اندازه بلوک پیش بینی luma شامل 16 × 16 ، 16 × 8 ، 8 × 16 ، 8 × 8 ، 8 × 4 ، 4 × 8 و 4 × 4 است ، که بسیاری از آنها را می توان با هم در یک بلوک ماکرو واحد استفاده کرد. با توجه به نمونه برداری فرعی از کروم در حال استفاده ، اندازه بلوک پیش بینی رنگ به ترتیب کمتر است.
در مورد ماکروبلاک B متشکل از 16 پارتیشن 4 × 4 ، هر ماکروبلاک می تواند از بردارهای حرکت چندگانه (یک یا دو مورد برای هر پارتیشن) حداکثر 32 استفاده کند. بردار حرکت هر یک از مناطق پارتیشن 8 × 8 یا بزرگتر می تواند نشان دهد به یک تصویر مرجع دیگر.
از هر نوع ماکروبلاک می توان در فریم های B استفاده کرد ، از جمله I-macroblocks ، و در نتیجه کدگذاری کارآمدتری هنگام استفاده از فریم B انجام می شود. این ویژگی را می توان از MPEG-4 ASP مشاهده کرد.
فیلتر شش شیر برای بدست آوردن پیش بینی نمونه درخشندگی نیم پیکسل برای جبران واضح تر حرکت زیر پیکسل استفاده می شود. حرکت ربع پیکسل از طریق درون یابی خطی مقادیر نیمه رنگ برای صرفه جویی در قدرت پردازش بدست می آید.
دقت ربع پیکسل مورد استفاده برای جبران حرکت می تواند جابجایی ناحیه متحرک را با دقت توصیف کند. برای کروم ، رزولوشن معمولاً در جهت عمودی و افقی نصف می شود (نگاه کنید به 4: 2: 0) ، بنابراین جبران حرکت کروما از واحد شبکه پیکسل یک هشتم کروم استفاده می کند.
پیش بینی وزنی به رمزگذار اجازه می دهد تا هنگام انجام جبران حرکت ، استفاده از مقیاس گذاری و جابجایی را مشخص کند ، و مزایای عملکرد قابل توجهی را در موقعیت های خاص فراهم می کند - مانند محو شدن و محو شدن ، محو شدن و محو شدن و محو شدن و محو شدن انتقال. این شامل پیش بینی وزنی ضمنی فریم های B و پیش بینی وزنی صریح قاب P است.
پیش بینی فضایی برای لبه های بلوک های مجاور برای برنامه نویسی "درون" ، به جای پیش بینی "DC" موجود در MPEG-2 قسمت 2 و پیش بینی ضریب تبدیل در H.263v2 و MPEG-4 قسمت 2:
این شامل اندازه بلوک پیش بینی luma از 16 × 16 ، 8 × 8 و 4 × 4 (که در آن فقط یک نوع می تواند در هر ماکروبلاک استفاده شود).
2) توابع رمزگذاری ماکروبلاک بدون ضرر شامل:
"ماکروبلاک PCM" بدون ضرر ، حالت را نشان می دهد که به طور مستقیم نمونه های داده های ویدئویی را نشان می دهد ، [34] نمایش کامل یک منطقه خاص را فراهم می کند و محدودیت های شدیدی را در مقدار داده های کدگذاری شده برای هر ماکروبلاک فراهم می کند.
حالت نمایشی ماکروبلاک بدون ضرر ، نمایش کاملی از یک منطقه خاص را امکان پذیر می کند ، در حالی که بیت های بسیار کمتری نسبت به حالت PCM استفاده می کند.
توابع رمزگذاری ویدئویی قابل انعطاف ، از جمله:
برنامه نویسی تطبیقی قاب میکروبلاک (MBAFF) از یک ساختار جفت ماکروبلاک برای تصویر رمزگذاری شده به عنوان یک قاب استفاده می کند که به شما امکان می دهد 16 × 16 ماکروبلاک را در حالت زمینه (در مقایسه با MPEG-2 ، که در آن پردازش حالت زمینه در تصویر رمزگذاری شده به عنوان یک قاب اجرا می شود منجر به پردازش 16 × 8 نیمه ماکروبلاک می شود).
رمزگذاری قاب و زمینه تطبیقی تصویر (PAFF یا PicAFF) اجازه می دهد تصاویر آزادانه انتخاب شده به عنوان یک قاب کامل مخلوط و کدگذاری شوند ، جایی که دو فیلد برای رمزگذاری یا به صورت یک قسمت منفرد ترکیب می شوند.
ویژگی های جدید طراحی تبدیل ، از جمله:
دقیقاً منطبق شدن تبدیل بلوک فضایی 4 × 4 عدد صحیح ، امکان قرار دادن دقیق سیگنال های باقیمانده ، تقریباً هیچ "زنگی" در طرح های قبلی کدک وجود ندارد. این طرح از نظر مفهوم مشابه تبدیل کسینوس گسسته شناخته شده (DCT) است که در سال 1974 توسط N. Ahmed ، T. Natarajan و KR Rao معرفی شد و یک مرجع 1 در تبدیل کسینوس گسسته است. با این حال ، آن ساده است و رمزگشایی دقیقاً مشخص شده را ارائه می دهد.
مطابقت دقیق عدد صحیح 8 × 8 تبدیل بلوک فضایی ، امکان فشرده سازی کارآمدتر مناطق بسیار همبسته از 4 × 4 تبدیل را فراهم می کند. این طرح از نظر مفهوم مشابه DCT شناخته شده است اما برای ارائه رمزگشایی دقیقاً ساده و ساده ارائه شده است.
انتخاب رمزگذار انطباقی بین اندازه های بلوک تبدیل 4 × 4 و 8 × 8 برای عملیات تبدیل عدد صحیح.
یک تبدیل ثانویه هادامارد بر روی ضرایب "DC" تبدیل اصلی فضای اعمال شده به ضرایب DC کرومینانس (و در یک مورد خاص همچنین درخشندگی) انجام می شود تا فشرده سازی بیشتر حتی در منطقه صاف حاصل شود.
3) طراحی کمی شامل موارد زیر است:
کنترل اندازه گام لگاریتمی ، مدیریت ساده تر نرخ بیت و مقیاس گذاری اندازه گیری معکوس ساده از طریق رمزگذار
ماتریس مقیاس سازی مقداردهی سفارشی توسط فرکانس که توسط رمزگذار انتخاب شده است برای بهینه سازی کمی سازی مبتنی بر ادراک استفاده می شود
فیلتر رفع انسداد حلقه به جلوگیری از اثر بلوک مشترک در سایر فن آوری های فشرده سازی تصویر مبتنی بر DCT کمک می کند تا ظاهر بصری و بازده فشرده سازی بهتری به دست آید
4) طراحی کدگذاری آنتروپی شامل موارد زیر است:
رمزگذاری محاسباتی دودویی متناسب با زمینه (CABAC) ، الگوریتمی برای فشرده سازی بدون تلفات عناصر نحوی در یک جریان ویدئویی که احتمال عناصر نحو را در زمینه داده شده می داند. CABAC با کارایی بیشتری نسبت به CAVLC اطلاعات را فشرده می کند ، اما برای رمزگشایی به پردازش بیشتری نیاز دارد.
متن برنامه نویسی طول متغیر تطبیقی (CAVLC) ، که یک گزینه پیچیدگی پایین تر برای CABAC است که برای رمزگذاری مقادیر ضریب تبدیل کوانتیزه استفاده می شود. اگرچه پیچیدگی کمتر از CABAC است ، CAVLC نسبت به روشهایی که معمولاً برای رمزگذاری ضرایب در سایر طرحهای موجود استفاده می شود ، تصفیه شده و موثرتر است.
یک روش برنامه نویسی ساده و بسیار ساختاری با طول متغیر (VLC) که برای بسیاری از عناصر نحوی که با CABAC یا CAVLC رمزگذاری نشده اند استفاده می شود ، کدگذاری Exponential Golomb (یا Exp-Golomb) نامیده می شود.
5) عملکردهای از دست دادن شامل:
تعریف لایه انتزاع شبکه (NAL) اجازه می دهد تا از همان نحو ویدئو در بسیاری از محیط های شبکه استفاده شود. یک مفهوم اساسی طراحی H.264 تولید بسته های داده ای مستقل برای حذف سرصفحه های تکراری است ، مانند کد ضمیمه هدر MPEG-4 (HEC). این امر با جدا کردن اطلاعات مربوط به چندین برش از جریان رسانه به دست می آید. به ترکیب پارامترهای پیشرفته مجموعه پارامترها گفته می شود. [35] مشخصات H.264 شامل دو نوع مجموعه پارامتر است: مجموعه پارامتر توالی (SPS) و مجموعه پارامتر تصویر (PPS). مجموعه پارامترهای توالی موثر در کل توالی ویدئویی رمزگذاری شده بدون تغییر باقی می مانند و مجموعه پارامترهای تصویر موثر بدون تغییر در تصویر رمزگذاری شده باقی می مانند. ترتیب مجموعه و پارامتر تصویر شامل اطلاعاتی از قبیل اندازه تصویر ، حالت کدگذاری اختیاری و نقشه برداری گروه ماکروبلاک به برش است.
سفارش ماکروبلاک انعطاف پذیر (FMO) ، همچنین به عنوان برش گروهی و سفارش برش دلخواه (ASO) شناخته می شود ، روشی است که برای بازسازی ترتیب نمایش مناطق اساسی (ماکروبلاک ها) در تصویر استفاده می شود. به طور کلی به عنوان توابع مقاومت در برابر خطا / از دست دادن ، FMO و ASO همچنین می توانند برای اهداف دیگر استفاده شوند.
پارتیشن بندی داده (DP) ، تابعی که می تواند عناصر نحوی مهمتر و کم اهمیت را به بسته های مختلف داده تقسیم کند ، می تواند از محافظت از خطای نابرابر (UEP) و سایر انواع بهبود مقاومت در برابر خطا / از دست دادن استفاده کند.
برش زائد (RS) ، یک ویژگی قوی برای خطا / از دست دادن ، که به رمزگذار اجازه می دهد نمایشی اضافی از منطقه تصویر (معمولاً با اطمینان کمتر) ارسال کند ، که در صورت خراب شدن یا از بین رفتن نمایندگی اصلی ، می تواند مورد استفاده قرار گیرد.
شماره قاب ، ایجاد تابع "زیرمجموعه ها" ، دستیابی به مقیاس پذیری زمانی با در نظر گرفتن تصاویر اضافی بین تصاویر دیگر و تشخیص و پنهان کردن از دست دادن کل تصویر ، که ممکن است به دلیل از دست دادن بسته شبکه یا کانال باشد ، خطایی رخ داده است.
برشهای سوئیچینگ ، که برشهای SP و SI نامیده می شوند ، به رمزگذار اجازه می دهد تا رمزگشای را برای پرش به جریان ویدئویی در حال انجام برای اهداف مانند سوئیچینگ بیت جریان جریان فیلم و "حالت ترفند" آموزش دهد. هنگامی که رسیور از عملکرد SP / SI برای پرش به وسط جریان ویدئو استفاده می کند ، می تواند مطابقت دقیق با تصویر رمزگشایی شده در آن موقعیت در جریان ویدئو را بدست آورد ، علی رغم اینکه از عکس دیگری استفاده می کند یا اصلاً تصویری ندارد ، مرجع قبلی تعویض.
یک فرایند اتوماتیک ساده که برای جلوگیری از شبیه سازی تصادفی کد شروع استفاده می شود ، که یک توالی بیتی خاص در داده های رمزگذاری شده است ، امکان دسترسی تصادفی به جریان بیت را فراهم می کند و ترازبندی بایت را در سیستم هایی که ممکن است همگام سازی بایت از بین برود ، بازیابی می کند.
اطلاعات تکمیلی تکمیلی (SEI) و اطلاعات کاربرد ویدیو (VUI) اطلاعات اضافی هستند که می توانند برای تقویت ویدئو برای اهداف مختلف در جریان bit قرار گیرند. [نیاز به توضیحات] SEI FPA (آرایش کپسوله قاب) شامل ترتیب سه بعدی پیام ها است:
تصویر کمکی ، که می تواند برای سنتز آلفا و اهداف دیگر استفاده شود.
پشتیبانی از تک نمونه (4: 0: 0) ، 4: 2: 0 ، 4: 2: 2 و 4: 4: 4 زیر نمونه برداری از کروم (بسته به مشخصات انتخاب شده).
از دقت عمق بیت نمونه برداری پشتیبانی می کند ، از 8 تا 14 بیت در هر نمونه (بسته به مشخصات انتخاب شده).
قادر به رمزگذاری هر صفحه رنگی در تصاویر مختلف با ساختار برش خاص خود ، حالت ماکروبلاک ، بردار حرکت ، و غیره ، اجازه می دهد تا از یک ساختار موازی ساده برای طراحی رمزگذار استفاده کنید (فقط سه فایل پیکربندی که از 4: 4: 4 پشتیبانی می کنند پشتیبانی می شود )
شمارش توالی تصویر برای حفظ ترتیب تصاویر و خصوصیات مقادیر نمونه در تصویر رمزگشایی شده جدا شده از اطلاعات زمانبندی استفاده می شود ، به سیستم اجازه می دهد تا اطلاعات زمان بندی را جداگانه و بدون تأثیر بر محتوای تصویر رمزگشایی شده
این فن آوری ها و چندین فناوری دیگر به H.264 کمک می کند تا در شرایط مختلف ، عملکرد بهتری نسبت به هر استاندارد قبلی در محیط های مختلف برنامه داشته باشد. H.264 عموماً بهتر از MPEG-2 ویدئو عمل می کند - معمولاً با همان کیفیت در نیمی از نرخ بیت یا پایین تر ، به خصوص در بیت ریت بالا و وضوح بالا.
مانند سایر استانداردهای تصویری ISO / IEC MPEG ، H.264 / AVC دارای یک نرم افزار مرجع است که می تواند به صورت رایگان بارگیری شود. هدف اصلی آن ارائه نمونه هایی از توابع H.264 / AVC است و به خودی خود یک کاربرد مفید نیست. گروه متخصصین Motion Picture همچنین کارهای طراحی سخت افزار مرجع را انجام می دهند. موارد فوق ویژگیهای کامل H.264 / AVC است که تمام فایلهای پیکربندی H.264 را پوشش می دهد. مشخصات یک کدک مجموعه ای از ویژگی های کدک است که برای مطابقت با مجموعه خاصی از مشخصات برای برنامه مورد نظر مشخص می شود. این بدان معنی است که برخی از پرونده های پیکربندی بسیاری از عملکردهای ذکر شده را پشتیبانی نمی کنند. پرونده های مختلف پیکربندی H.264 / AVC در بخش بعدی مورد بحث قرار خواهد گرفت.
محصول دیگر ما:
