{"id":54312,"date":"2019-12-23T00:00:00","date_gmt":"2019-12-22T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/kak-rabotaet-videokodek-chast-1-osnovy"},"modified":"2020-02-18T14:02:18","modified_gmt":"2020-02-18T11:02:18","slug":"kak-rabotaet-videokodek-chast-1-osnovy","status":"publish","type":"post","link":"https:\/\/prohoster.info\/fr\/blog\/news\/kak-rabotaet-videokodek-chast-1-osnovy","title":{"rendered":"Comment fonctionne un codec vid\u00e9o. Partie 1. Fondamentaux","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Deuxi\u00e8me partie : Principes de fonctionnement du codec vid\u00e9o<\/a><\/noindex><\/h3>\n

Toute image raster peut \u00eatre repr\u00e9sent\u00e9e sous la forme<\/b> d'une matrice bidimensionnelle . Lorsqu'on parle de couleurs, l'id\u00e9e peut \u00eatre d\u00e9velopp\u00e9e en consid\u00e9rant l'image comme une<\/b>matrice tridimensionnelle , dans laquelle des dimensions suppl\u00e9mentaires sont utilis\u00e9es pour stocker les donn\u00e9es de chaque couleur.<\/b>Si l'on consid\u00e8re la couleur finale comme une combinaison des soi-disant couleurs primaires (rouge, vert et bleu), dans notre matrice tridimensionnelle, nous d\u00e9finissons trois plans : le premier pour la couleur rouge, le deuxi\u00e8me pour le vert et le dernier pour le bleu.<\/p>\n

Nous appellerons chaque point de cette matrice un pixel (\u00e9l\u00e9ment de l'image). Chaque pixel contient des informations sur l'intensit\u00e9 (g\u00e9n\u00e9ralement sous forme de valeur num\u00e9rique) de chaque couleur. Par exemple,
\n\"Comment<\/a><\/noindex>
\nun pixel rouge signifie qu'il n'y a 0 vert, 0 bleu et un maximum de rouge.<\/b> Un pixel rose peut \u00eatre form\u00e9 \u00e0 l'aide d'une combinaison des trois couleurs. En utilisant une plage num\u00e9rique de 0 \u00e0 255, un pixel rose est d\u00e9fini comme<\/b> Rouge = 255 Vert = 192<\/b>, Bleu = 203<\/b> et Cet article est publi\u00e9 avec le soutien de la soci\u00e9t\u00e9 EDISON.<\/b>.<\/a><\/noindex><\/p>\n

\"Comment<\/a><\/noindex>

\nNous d\u00e9veloppons<\/p>\n

des applications pour la surveillance vid\u00e9o, la vid\u00e9o en streaming , ainsi que nous occupons de<\/a><\/noindex>l'enregistrement vid\u00e9o en salle d'op\u00e9ration M\u00e9thodes alternatives de codage d'image couleur<\/a><\/noindex>.<\/p><\/blockquote>\n

Pour repr\u00e9senter les couleurs qui composent l'image, il existe de nombreux autres mod\u00e8les. Par exemple, on peut utiliser une palette index\u00e9e, o\u00f9 un seul octet est n\u00e9cessaire pour repr\u00e9senter chaque pixel, au lieu de trois requis par le mod\u00e8le RGB. Dans ce mod\u00e8le, on peut utiliser une matrice 2D au lieu d'une matrice 3D pour repr\u00e9senter chaque couleur. Cela \u00e9conomise de la m\u00e9moire, mais offre une gamme de couleurs plus limit\u00e9e.<\/h3>\n

\nRGB<\/p>\n

\"Comment
\n<\/p>\n

Prenez par exemple cette image ci-dessous. Le premier visage est enti\u00e8rement color\u00e9. Les autres sont les plans rouge, vert et bleu (l'intensit\u00e9 des couleurs correspondantes est montr\u00e9e en niveaux de gris).<\/h2>\n

Par exemple, regardez cette image ci-dessous. Le premier visage est enti\u00e8rement color\u00e9. Les autres sont des plans rouge, vert et bleu (l'intensit\u00e9 des couleurs correspondantes est indiqu\u00e9e par une \u00e9chelle de gris).<\/p>\n

\"Comment
\n
\nOn remarque que les nuances de rouge dans l'original se situent aux m\u00eames endroits que les parties les plus vives du deuxi\u00e8me visage. Bien que la contribution de la couleur bleue ne soit principalement visible que dans les yeux de Mario (le dernier visage) et dans les \u00e9l\u00e9ments de ses v\u00eatements. Notez o\u00f9 les trois plans de couleur apportent la moindre contribution (les parties les plus sombres des images) \u2014 ce sont les moustaches de Mario.<\/p>\n

Pour stocker l'intensit\u00e9 de chaque couleur, un certain nombre de bits est n\u00e9cessaire \u2014 cette mesure est appel\u00e9e profondeur de couleur<\/b>. Supposons que 8 bits (sur une \u00e9chelle de 0 \u00e0 255) sont d\u00e9pens\u00e9s pour un plan de couleur. Nous avons alors une profondeur de couleur de 24 bits (8 bits * 3 plans R\/G\/B).<\/p>\n

Une autre propri\u00e9t\u00e9 de l'image est la r\u00e9solution<\/b>, qui repr\u00e9sente le nombre de pixels dans une dimension. Elle est souvent indiqu\u00e9e comme largeur \u00d7 hauteur<\/b>, comme dans l'exemple d'image 4 par 4 ci-dessous.
\n\"Comment
\n
\nUne autre propri\u00e9t\u00e9 \u00e0 laquelle nous faisons face lors du travail avec des images\/vid\u00e9os est le rapport d'aspect<\/b>, qui d\u00e9crit la relation proportionnelle habituelle entre la largeur et la hauteur de l'image ou du pixel.<\/p>\n

Lorsqu'on dit qu'un film ou une image a une taille de 16 sur 9, il s'agit g\u00e9n\u00e9ralement du rapport d'aspect de l'\u00e9cran<\/b> (DAR<\/b> \u2014 de Display Aspect Ratio<\/i>). Cependant, il peut parfois y avoir diff\u00e9rentes formes de pixels individuels \u2014 dans ce cas, on parle de rapport de pixels<\/b> (PAR<\/b> \u2014 de Pixel Aspect Ratio<\/i>).<\/p>\n

\"Comment
\n
\n\"Comment<\/p>\n

\u00c0 noter pour la ma\u00eetresse de maison : DVD<\/b> correspond \u00e0 DAR 4 sur 3<\/b><\/p>\n

Bien que la r\u00e9solution r\u00e9elle d'un DVD soit de 704\u00d7480, celle-ci conserve un format d'image 4:3, car le PAR est de 10:11 (704\u00d710 \/ 480\u00d711).<\/p><\/blockquote>\n

\nEnfin, nous pouvons d\u00e9finir vid\u00e9o<\/b> comme une s\u00e9quence de n<\/b> frames sur une p\u00e9riode de temps<\/b>, qui peut \u00eatre consid\u00e9r\u00e9e comme une dimension suppl\u00e9mentaire. Et n<\/b> alors \u2014 il s'agit de la fr\u00e9quence d'images ou du nombre d'images par seconde (FPS<\/b> \u2014 de Frames per Second<\/i>).<\/p>\n

\"Comment
\n
\nLe nombre de bits par seconde n\u00e9cessaire pour afficher la vid\u00e9o est sa d\u00e9bit<\/b> \u2014 bitrate<\/b>.<\/p>\n

bitrate = largeur * hauteur * profondeur de bits * images par seconde<\/p><\/blockquote>\n

\nPar exemple, pour une vid\u00e9o \u00e0 30 images par seconde, avec 24 bits par pixel, une r\u00e9solution de 480\u00d7240 n\u00e9cessiterait 82 944 000 bits par seconde ou 82,944 Mbit\/s (30x480x240x24) \u2014 mais cela, sans utiliser aucune m\u00e9thode de compression.<\/p>\n

Si le d\u00e9bit est presque constant<\/i>, on l'appelle d\u00e9bit constant<\/b> (CBR<\/b> \u2014 de constant bit rate<\/i>). Mais il peut aussi varier, dans ce cas, on parle de d\u00e9bit variable<\/b> (DBR<\/b> \u2014 de d\u00e9bit binaire variable<\/i>).<\/p>\n

Ce graphique montre le DBR limit\u00e9, o\u00f9 il n'est pas n\u00e9cessaire de d\u00e9penser trop de bits pour une image enti\u00e8rement noire.<\/p>\n

\"Comment
\n
\n\u00c0 l'origine, les ing\u00e9nieurs ont d\u00e9velopp\u00e9 une m\u00e9thode pour doubler la fr\u00e9quence d'image per\u00e7ue des \u00e9crans de vid\u00e9o sans utiliser de bande passante suppl\u00e9mentaire. Cette m\u00e9thode est connue sous le nom de vid\u00e9o entrelac\u00e9e<\/b>; elle envoie principalement la moiti\u00e9 de l'\u00e9cran dans le premier \u00ab cadre \u00bb, et l'autre moiti\u00e9 dans le suivant \u00ab cadre \u00bb.<\/p>\n

Actuellement, la visualisation des sc\u00e8nes se fait principalement en utilisant la technologie de balayage progressif<\/b>. Il s'agit d'une m\u00e9thode d'affichage, de stockage ou de transmission d'images en mouvement, o\u00f9 toutes les lignes de chaque cadre sont dessin\u00e9es successivement.<\/p>\n

\"Comment
\n
\nEh bien ! Maintenant, nous savons comment une image est repr\u00e9sent\u00e9e num\u00e9riquement, comment ses couleurs sont structur\u00e9es, et combien de bits par seconde sont n\u00e9cessaires pour afficher une vid\u00e9o, que le d\u00e9bit soit constant (CBR) ou variable (DBR). Nous connaissons la r\u00e9solution sp\u00e9cifi\u00e9e avec un taux de rafra\u00eechissement particulier, et nous nous sommes familiaris\u00e9s avec de nombreux autres termes, tels que la vid\u00e9o entrelac\u00e9e, le PAR et quelques autres.<\/p>\n

Suppression de la redondance<\/h2>\n

\nIl est bien connu qu'une vid\u00e9o non compress\u00e9e est pratiquement inutilisable. Une vid\u00e9o d'une heure avec une r\u00e9solution de 720p et 30 images par seconde occuperait 278 Go. Nous arrivons \u00e0 ce chiffre en multipliant 1280 x 720 x 24 x 30 x 3600 (largeur, hauteur, bits par pixel, FPS et temps en secondes).<\/p>\n

Utilisation algorithmes de compression sans perte<\/b>, comme DEFLATE (utilis\u00e9 dans PKZIP, Gzip et PNG), ne fourniront pas une r\u00e9duction suffisante de la bande passante requise. Il faut donc chercher d'autres m\u00e9thodes de compression vid\u00e9o.<\/p>\n

Pour cela, nous pouvons utiliser les particularit\u00e9s de notre vision. Nous pouvons mieux distinguer la luminosit\u00e9 que les couleurs. La vid\u00e9o est un ensemble d'images successives qui se r\u00e9p\u00e8tent dans le temps. Entre deux cadres voisins d'une m\u00eame sc\u00e8ne, les diff\u00e9rences sont minimes. De plus, chaque cadre contient de nombreuses zones utilisant la m\u00eame couleur (ou une couleur similaire).<\/p>\n

Couleur, luminosit\u00e9 et nos yeux<\/h2>\n

\nNos yeux sont plus sensibles \u00e0 la luminosit\u00e9 qu'\u00e0 la couleur. Vous pouvez le v\u00e9rifier vous-m\u00eame en regardant cette image.<\/p>\n

\"Comment<\/p>\n

Si vous ne voyez pas ce qu'il y a dans la moiti\u00e9 gauche de l'image en termes de couleur des carr\u00e9s A<\/b> et B<\/b> En r\u00e9alit\u00e9, s'ils sont identiques, c'est tout \u00e0 fait normal. Notre cerveau nous pousse \u00e0 pr\u00eater plus attention \u00e0 la lumi\u00e8re et \u00e0 l'ombre qu'\u00e0 la couleur. Sur le c\u00f4t\u00e9 droit, entre les carr\u00e9s marqu\u00e9s, il y a une barri\u00e8re de la m\u00eame couleur \u2014 c'est pourquoi nous (c'est-\u00e0-dire notre cerveau) pouvons facilement d\u00e9terminer qu'en r\u00e9alit\u00e9, il s'agit de la m\u00eame couleur.<\/p>\n

Examinons (de mani\u00e8re simplifi\u00e9e) comment fonctionnent nos yeux. L'\u0153il est un organe complexe compos\u00e9 de nombreuses parties. Cependant, ce qui nous int\u00e9resse le plus, ce sont les c\u00f4nes et les b\u00e2tonnets. L'\u0153il contient environ 120 millions de b\u00e2tonnets et 6 millions de c\u00f4nes.<\/p>\n

Consid\u00e9rons la perception de la couleur et de la luminosit\u00e9 comme des fonctions distinctes de certaines parties de l'\u0153il (en r\u00e9alit\u00e9, c'est un peu plus complexe, mais nous simplifions). Les cellules de b\u00e2tonnets sont principalement responsables de la luminosit\u00e9, tandis que les cellules de c\u00f4nes sont responsables de la couleur. Les c\u00f4nes sont class\u00e9s en trois types, selon le pigment qu'ils contiennent : les c\u00f4nes S (couleur bleu), les c\u00f4nes M (couleur verte) et les c\u00f4nes L (couleur rouge).<\/p>\n

Puisque nous avons beaucoup plus de b\u00e2tonnets (luminosit\u00e9) que de c\u00f4nes (couleur), on peut conclure que nous sommes plus capables de distinguer les transitions entre l'obscurit\u00e9 et la lumi\u00e8re que les couleurs.<\/p>\n

\"Comment
\n<\/p>\n

Fonctions de la sensibilit\u00e9 au contraste<\/h2>\n

\nLes chercheurs en psychologie exp\u00e9rimentale et dans de nombreux autres domaines ont d\u00e9velopp\u00e9 de nombreuses th\u00e9ories sur la vision humaine. Et l'une d'elles est appel\u00e9e fonctions de la sensibilit\u00e9 au contraste<\/b>. Elles sont li\u00e9es \u00e0 l'\u00e9clairage spatial et temporel. En r\u00e9sum\u00e9, cela concerne le nombre de changements n\u00e9cessaires avant que l'observateur ne les remarque. Notez le pluriel du mot \u00ab fonction \u00bb. Cela est d\u00fb au fait que nous pouvons mesurer les fonctions de sensibilit\u00e9 au contraste non seulement pour une image noir et blanc, mais aussi pour des images en couleur. Les r\u00e9sultats de ces exp\u00e9riences montrent que dans la plupart des cas, nos yeux sont plus sensibles \u00e0 la luminosit\u00e9 qu'\u00e0 la couleur.<\/p><\/blockquote>\n

Sachant que nous sommes plus sensibles \u00e0 la luminosit\u00e9 de l'image, nous pouvons essayer d'exploiter ce fait.<\/p>\n

Mod\u00e8le colorim\u00e9trique<\/h2>\n

\nNous avons un peu explor\u00e9 comment travailler avec des images color\u00e9es en utilisant le sch\u00e9ma RGB. Il existe d'autres mod\u00e8les. Il y a un mod\u00e8le qui s\u00e9pare la luminosit\u00e9 de la chrominance et qui est connu sous le nom de YCbCr<\/b>. Au fait, il existe d'autres mod\u00e8les qui effectuent une s\u00e9paration similaire, mais nous n'allons examiner que celui-ci.<\/p>\n

Dans ce mod\u00e8le de couleur Y<\/b> \u2014 c'est la repr\u00e9sentation de la luminance, ainsi que deux canaux de couleur sont utilis\u00e9s : Cb<\/b> (bleu satur\u00e9) et Cr<\/b> (rouge satur\u00e9). YCbCr peut \u00eatre d\u00e9riv\u00e9 de RGB, tout comme il est possible de faire la conversion inverse. En utilisant ce mod\u00e8le, nous pouvons cr\u00e9er des images en couleurs compl\u00e8tes, comme le montre l'exemple ci-dessous :<\/p>\n

\"Comment
\n<\/p>\n

Conversion entre YCbCr et RGB<\/h2>\n

\nCertains pourraient objecter : comment est-il possible d'obtenir toutes les couleurs sans utiliser le vert ?<\/p>\n

Pour r\u00e9pondre \u00e0 cette question, convertissons RGB en YCbCr. Utilisons les coefficients adopt\u00e9s dans la norme BT.601<\/b>, qui a \u00e9t\u00e9 recommand\u00e9 par la division ITU-R<\/b>. Cette division d\u00e9finit les normes pour la vid\u00e9o num\u00e9rique. Par exemple : qu'est-ce que 4K ? Quelles doivent \u00eatre la fr\u00e9quence d'images, la r\u00e9solution, le mod\u00e8le de couleur ?<\/p>\n

Commen\u00e7ons par calculer la luminance. Utilisons les constantes propos\u00e9es par l'ITU et rempla\u00e7ons les valeurs RGB.<\/p>\n

Y<\/b> = 0.299R<\/b> + 0.587G<\/b> + 0.114B<\/b> <\/p>\n

Une fois que nous avons obtenu la luminance, s\u00e9parons les couleurs bleu et rouge :<\/p>\n

Cb<\/b> = 0.564(B<\/b> \u2014 Y<\/b>)<\/p>\n

Cr<\/b> = 0.713(R<\/b> \u2014 Y<\/b>) <\/p>\n

Et nous pouvons \u00e9galement reconvertir et m\u00eame obtenir le vert en utilisant YCbCr :<\/p>\n

R<\/b> = Y<\/b> + 1.402Cr<\/b><\/p>\n

B<\/b> = Y<\/b> + 1.772Cb<\/b><\/p>\n

G<\/b> = Y<\/b> \u2014 0.344Cb<\/b> \u2014 0.714Cr<\/b><\/p>\n

En g\u00e9n\u00e9ral, les affichages (moniteurs, t\u00e9l\u00e9viseurs, \u00e9crans, etc.) n'utilisent que le mod\u00e8le RGB. Mais ce mod\u00e8le peut \u00eatre organis\u00e9 de diff\u00e9rentes mani\u00e8res :<\/p>\n

\"Comment
\n<\/p>\n

Sous-\u00e9chantillonnage des couleurs<\/h2>\n

\nAvec l'image repr\u00e9sent\u00e9e sous la forme d'une combinaison de luminance et de chrominance, nous pouvons utiliser la plus grande sensibilit\u00e9 du syst\u00e8me visuel humain \u00e0 la luminance qu'\u00e0 la chrominance en supprimant s\u00e9lectivement des informations. Le sous-\u00e9chantillonnage des couleurs est une m\u00e9thode de codage d'images, utilisant une r\u00e9solution plus faible pour la chrominance que pour la luminance.<\/p>\n

\"Comment<\/p>\n

\u00c0 quel point est-il acceptable de r\u00e9duire la r\u00e9solution de la chrominance ? Apparemment, il existe d\u00e9j\u00e0 certains sch\u00e9mas qui d\u00e9crivent comment traiter la r\u00e9solution et le m\u00e9lange (Couleur finale = Y + Cb + Cr).<\/p>\n

Ces sch\u00e9mas sont connus sous le nom de syst\u00e8mes de sous-\u00e9chantillonnage<\/b> et exprim\u00e9s sous la forme d'un rapport 3 \u00e0 1 \u2014 a<\/b>:x<\/b>:y<\/b>, qui d\u00e9finit le nombre d'\u00e9chantillons de luminance et de signaux de chrominance.<\/p>\n

a<\/b> \u2014 l'\u00e9chantillonnage horizontal de r\u00e9f\u00e9rence (g\u00e9n\u00e9ralement \u00e9gal \u00e0 4)
\nx<\/b> \u2014 le nombre d'\u00e9chantillons de chrominance dans la premi\u00e8re ligne de pixels (r\u00e9solution horizontale par rapport \u00e0 a<\/b>)
\ny<\/b> \u2014 le nombre de changements d'\u00e9chantillons de chrominance entre la premi\u00e8re et la deuxi\u00e8me ligne de pixels.<\/p>\n

L'exception est 4<\/b>:1<\/b>:0<\/b>, fournissant un \u00e9chantillon de chrominance dans chaque bloc de r\u00e9solution de luminance de 4 sur 4.<\/p><\/blockquote>\n

Sch\u00e9mas g\u00e9n\u00e9raux utilis\u00e9s dans les codecs modernes :<\/p>\n