ਵੀਡੀਓ ਕੋਡੇਕ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ? ਭਾਗ 1: ਮੂਲ ਗੱਲਾਂ

ਦੂਜਾ ਭਾਗ: ਵੀਡੀਓ ਕੋਡੇਕ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ

ਕੋਈ ਰਾਸਟਰ ਚਿੱਤਰ ਰੂਪ ਵਿੱਚ ਦਰਸਾਇਆ ਜਾ ਸਕਦਾ ਹੈ ਦੋ-ਅਯਾਮੀ ਮੈਟ੍ਰਿਕਸ. ਜਦੋਂ ਰੰਗਾਂ ਦੀ ਗੱਲ ਆਉਂਦੀ ਹੈ, ਤਾਂ ਵਿਚਾਰ ਨੂੰ ਇੱਕ ਚਿੱਤਰ ਨੂੰ ਦੇਖ ਕੇ ਵਿਕਸਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਤਿੰਨ-ਅਯਾਮੀ ਮੈਟ੍ਰਿਕਸ, ਜਿਸ ਵਿੱਚ ਹਰੇਕ ਰੰਗ ਲਈ ਡਾਟਾ ਸਟੋਰ ਕਰਨ ਲਈ ਵਾਧੂ ਮਾਪਾਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।

ਜੇ ਅਸੀਂ ਅੰਤਮ ਰੰਗ ਨੂੰ ਅਖੌਤੀ ਦੇ ਸੁਮੇਲ ਵਜੋਂ ਮੰਨਦੇ ਹਾਂ. ਪ੍ਰਾਇਮਰੀ ਰੰਗ (ਲਾਲ, ਹਰਾ ਅਤੇ ਨੀਲਾ), ਸਾਡੇ ਤਿੰਨ-ਅਯਾਮੀ ਮੈਟ੍ਰਿਕਸ ਵਿੱਚ ਅਸੀਂ ਤਿੰਨ ਪਲੇਨ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦੇ ਹਾਂ: ਲਾਲ ਲਈ ਪਹਿਲਾ, ਹਰੇ ਲਈ ਦੂਜਾ ਅਤੇ ਨੀਲਾ ਲਈ ਆਖਰੀ।

ਅਸੀਂ ਇਸ ਮੈਟਰਿਕਸ ਵਿੱਚ ਹਰੇਕ ਬਿੰਦੂ ਨੂੰ ਇੱਕ ਪਿਕਸਲ (ਚਿੱਤਰ ਤੱਤ) ਕਹਾਂਗੇ। ਹਰੇਕ ਪਿਕਸਲ ਵਿੱਚ ਹਰੇਕ ਰੰਗ ਦੀ ਤੀਬਰਤਾ (ਆਮ ਤੌਰ 'ਤੇ ਇੱਕ ਸੰਖਿਆਤਮਕ ਮੁੱਲ ਵਜੋਂ) ਬਾਰੇ ਜਾਣਕਾਰੀ ਹੁੰਦੀ ਹੈ। ਉਦਾਹਰਣ ਲਈ, ਲਾਲ ਪਿਕਸਲ ਮਤਲਬ ਕਿ ਇਸ ਵਿੱਚ 0 ਹਰਾ, 0 ਨੀਲਾ ਅਤੇ ਅਧਿਕਤਮ ਲਾਲ ਹੈ। ਗੁਲਾਬੀ ਪਿਕਸਲ ਤਿੰਨ ਰੰਗਾਂ ਦੇ ਸੁਮੇਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਬਣਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। 0 ਤੋਂ 255 ਤੱਕ ਇੱਕ ਸੰਖਿਆਤਮਕ ਰੇਂਜ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਇੱਕ ਗੁਲਾਬੀ ਪਿਕਸਲ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ ਲਾਲ = 255, ਹਰੇ = 192 и ਨੀਲਾ = 203.

ਇਹ ਲੇਖ EDISON ਦੇ ਸਹਿਯੋਗ ਨਾਲ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਸੀ।

ਅਸੀਂ ਵਿਕਾਸ ਕਰ ਰਹੇ ਹਾਂ ਵੀਡੀਓ ਨਿਗਰਾਨੀ, ਵੀਡੀਓ ਸਟ੍ਰੀਮਿੰਗ ਲਈ ਐਪਲੀਕੇਸ਼ਨ, ਅਤੇ ਅਸੀਂ ਵੀ ਲੱਗੇ ਹੋਏ ਹਾਂ ਸਰਜੀਕਲ ਕਮਰੇ ਵਿੱਚ ਵੀਡੀਓ ਰਿਕਾਰਡਿੰਗ.

ਇੱਕ ਰੰਗ ਚਿੱਤਰ ਨੂੰ ਏਨਕੋਡ ਕਰਨ ਦੇ ਵਿਕਲਪਿਕ ਤਰੀਕੇ

ਚਿੱਤਰ ਬਣਾਉਣ ਵਾਲੇ ਰੰਗਾਂ ਨੂੰ ਦਰਸਾਉਣ ਲਈ ਬਹੁਤ ਸਾਰੇ ਹੋਰ ਮਾਡਲ ਹਨ। ਉਦਾਹਰਨ ਲਈ, ਤੁਸੀਂ ਇੱਕ ਇੰਡੈਕਸਡ ਪੈਲੇਟ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ, ਜਿਸ ਲਈ RGB ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਨ ਵੇਲੇ ਲੋੜੀਂਦੇ ਤਿੰਨ ਦੀ ਬਜਾਏ, ਹਰੇਕ ਪਿਕਸਲ ਨੂੰ ਦਰਸਾਉਣ ਲਈ ਸਿਰਫ਼ ਇੱਕ ਬਾਈਟ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਅਜਿਹੇ ਮਾਡਲ ਵਿੱਚ, ਹਰੇਕ ਰੰਗ ਨੂੰ ਦਰਸਾਉਣ ਲਈ 2D ਮੈਟ੍ਰਿਕਸ ਦੀ ਬਜਾਏ 3D ਮੈਟ੍ਰਿਕਸ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਸੰਭਵ ਹੈ। ਇਹ ਮੈਮੋਰੀ ਨੂੰ ਬਚਾਉਂਦਾ ਹੈ, ਪਰ ਇੱਕ ਛੋਟਾ ਰੰਗ ਗਰਾਮਟ ਦਿੰਦਾ ਹੈ।

RGB

ਉਦਾਹਰਨ ਲਈ, ਹੇਠਾਂ ਦਿੱਤੀ ਤਸਵੀਰ 'ਤੇ ਇੱਕ ਨਜ਼ਰ ਮਾਰੋ। ਪਹਿਲਾ ਚਿਹਰਾ ਪੂਰੀ ਤਰ੍ਹਾਂ ਪੇਂਟ ਕੀਤਾ ਗਿਆ ਹੈ. ਬਾਕੀ ਲਾਲ, ਹਰੇ ਅਤੇ ਨੀਲੇ ਪਲੇਨ ਹਨ (ਅਨੁਸਾਰੀ ਰੰਗਾਂ ਦੀ ਤੀਬਰਤਾ ਗ੍ਰੇਸਕੇਲ ਵਿੱਚ ਦਿਖਾਈ ਗਈ ਹੈ)।

ਅਸੀਂ ਦੇਖਦੇ ਹਾਂ ਕਿ ਅਸਲ ਵਿੱਚ ਲਾਲ ਰੰਗ ਦੇ ਸ਼ੇਡ ਉਸੇ ਥਾਂ 'ਤੇ ਹੋਣਗੇ ਜਿੱਥੇ ਦੂਜੇ ਚਿਹਰੇ ਦੇ ਸਭ ਤੋਂ ਚਮਕਦਾਰ ਹਿੱਸੇ ਦੇਖੇ ਗਏ ਹਨ. ਜਦੋਂ ਕਿ ਨੀਲੇ ਦਾ ਯੋਗਦਾਨ ਮੁੱਖ ਤੌਰ 'ਤੇ ਸਿਰਫ ਮਾਰੀਓ ਦੀਆਂ ਅੱਖਾਂ (ਆਖਰੀ ਚਿਹਰਾ) ਅਤੇ ਉਸਦੇ ਕੱਪੜਿਆਂ ਦੇ ਤੱਤਾਂ ਵਿੱਚ ਦੇਖਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਧਿਆਨ ਦਿਓ ਕਿ ਸਾਰੇ ਤਿੰਨ ਰੰਗਾਂ ਦੇ ਪਲੇਨ ਸਭ ਤੋਂ ਘੱਟ ਯੋਗਦਾਨ ਪਾਉਂਦੇ ਹਨ (ਚਿੱਤਰਾਂ ਦੇ ਸਭ ਤੋਂ ਹਨੇਰੇ ਹਿੱਸੇ) - ਮਾਰੀਓ ਦੀਆਂ ਮੁੱਛਾਂ।

ਹਰੇਕ ਰੰਗ ਦੀ ਤੀਬਰਤਾ ਨੂੰ ਸਟੋਰ ਕਰਨ ਲਈ, ਬਿੱਟਾਂ ਦੀ ਇੱਕ ਨਿਸ਼ਚਿਤ ਗਿਣਤੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ - ਇਸ ਮਾਤਰਾ ਨੂੰ ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਬਿੱਟ ਡੂੰਘਾਈ. ਮੰਨ ਲਓ ਕਿ 8 ਬਿੱਟ ਖਰਚ ਕੀਤੇ ਜਾਂਦੇ ਹਨ (0 ਤੋਂ 255 ਤੱਕ ਮੁੱਲ ਦੇ ਅਧਾਰ ਤੇ) ਪ੍ਰਤੀ ਰੰਗ ਪਲੇਨ. ਫਿਰ ਸਾਡੇ ਕੋਲ 24 ਬਿੱਟ (8 ਬਿੱਟ * 3 R/G/B ਪਲੇਨ) ਦੀ ਰੰਗ ਦੀ ਡੂੰਘਾਈ ਹੈ।

ਇੱਕ ਚਿੱਤਰ ਦੀ ਇੱਕ ਹੋਰ ਵਿਸ਼ੇਸ਼ਤਾ ਹੈ ਅਧਿਕਾਰ, ਜੋ ਕਿ ਇੱਕ ਅਯਾਮ ਵਿੱਚ ਪਿਕਸਲ ਦੀ ਸੰਖਿਆ ਹੈ। ਅਕਸਰ ਵਜੋਂ ਦਰਸਾਇਆ ਜਾਂਦਾ ਹੈ ਚੌੜਾਈ × ਉਚਾਈ, ਜਿਵੇਂ ਕਿ ਹੇਠਾਂ 4 ਗੁਣਾ 4 ਉਦਾਹਰਨ ਚਿੱਤਰ ਵਿੱਚ।


ਚਿੱਤਰਾਂ/ਵੀਡੀਓਜ਼ ਨਾਲ ਕੰਮ ਕਰਦੇ ਸਮੇਂ ਅਸੀਂ ਜਿਸ ਨਾਲ ਨਜਿੱਠਦੇ ਹਾਂ ਉਹ ਹੈ ਆਕਾਰ ਅਨੁਪਾਤ, ਕਿਸੇ ਚਿੱਤਰ ਜਾਂ ਪਿਕਸਲ ਦੀ ਚੌੜਾਈ ਅਤੇ ਉਚਾਈ ਵਿਚਕਾਰ ਆਮ ਅਨੁਪਾਤਕ ਸਬੰਧਾਂ ਦਾ ਵਰਣਨ ਕਰਦਾ ਹੈ।

ਜਦੋਂ ਉਹ ਕਹਿੰਦੇ ਹਨ ਕਿ ਇੱਕ ਖਾਸ ਫਿਲਮ ਜਾਂ ਤਸਵੀਰ ਦਾ ਆਕਾਰ 16 ਗੁਣਾ 9 ਹੈ, ਤਾਂ ਉਹਨਾਂ ਦਾ ਆਮ ਤੌਰ 'ਤੇ ਮਤਲਬ ਹੁੰਦਾ ਹੈ ਡਿਸਪਲੇ ਆਕਾਰ ਅਨੁਪਾਤ (DAR - ਤੋਂ ਡਿਸਪਲੇ ਅਸਪੈਕਟ ਰੇਸ਼ੋ). ਹਾਲਾਂਕਿ, ਕਈ ਵਾਰ ਵਿਅਕਤੀਗਤ ਪਿਕਸਲ ਦੇ ਵੱਖੋ-ਵੱਖਰੇ ਆਕਾਰ ਹੋ ਸਕਦੇ ਹਨ - ਇਸ ਮਾਮਲੇ ਵਿੱਚ ਅਸੀਂ ਗੱਲ ਕਰ ਰਹੇ ਹਾਂ ਪਿਕਸਲ ਅਨੁਪਾਤ (PAR - ਤੋਂ ਪਿਕਸਲ ਅਸਪੈਕਟ ਰੇਸ਼ੋ).

ਹੋਸਟੇਸ ਨੂੰ ਨੋਟ ਕਰੋ: ਡੀਵੀਡੀ ਨਾਲ ਸੰਬੰਧਿਤ ਹੈ DAR 4 ਤੋਂ 3

ਹਾਲਾਂਕਿ ਅਸਲ DVD ਰੈਜ਼ੋਲਿਊਸ਼ਨ 704x480 ਹੈ, ਇਹ ਅਜੇ ਵੀ 4:3 ਆਕਾਰ ਅਨੁਪਾਤ ਨੂੰ ਕਾਇਮ ਰੱਖਦਾ ਹੈ ਕਿਉਂਕਿ PAR 10:11 (704x10 / 480x11) ਹੈ।

ਅਤੇ ਅੰਤ ਵਿੱਚ, ਅਸੀਂ ਨਿਰਧਾਰਤ ਕਰ ਸਕਦੇ ਹਾਂ видео ਦੇ ਇੱਕ ਕ੍ਰਮ ਦੀ ਤਰ੍ਹਾਂ n ਮਿਆਦ ਲਈ ਫਰੇਮ ਸਮੇਂ ਦੀ, ਜਿਸ ਨੂੰ ਇੱਕ ਵਾਧੂ ਮਾਪ ਮੰਨਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਏ n ਫਿਰ ਫਰੇਮ ਰੇਟ ਜਾਂ ਫਰੇਮਾਂ ਦੀ ਗਿਣਤੀ ਪ੍ਰਤੀ ਸਕਿੰਟ ਹੈ (FPS - ਤੋਂ ਫਰੇਮ ਪ੍ਰਤੀ ਸਕਿੰਟ).

ਇੱਕ ਵੀਡੀਓ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਨ ਲਈ ਪ੍ਰਤੀ ਸਕਿੰਟ ਬਿੱਟ ਦੀ ਗਿਣਤੀ ਦੀ ਲੋੜ ਹੈ ਪ੍ਰਸਾਰਣ ਦੀ ਗਤੀ - ਬਿੱਟਰੇਟ.

ਬਿੱਟਰੇਟ = ਚੌੜਾਈ * ਉਚਾਈ * ਬਿੱਟ ਡੂੰਘਾਈ * ਫਰੇਮ ਪ੍ਰਤੀ ਸਕਿੰਟ

ਉਦਾਹਰਨ ਲਈ, ਇੱਕ 30 fps, 24 bps, 480x240 ਵੀਡੀਓ ਲਈ 82,944,000 bps ਜਾਂ 82,944 Mbps (30x480x240x24) ਦੀ ਲੋੜ ਹੋਵੇਗੀ - ਪਰ ਅਜਿਹਾ ਉਦੋਂ ਹੁੰਦਾ ਹੈ ਜੇਕਰ ਕੋਈ ਕੰਪਰੈਸ਼ਨ ਵਿਧੀ ਨਹੀਂ ਵਰਤੀ ਜਾਂਦੀ।

ਜੇ ਟ੍ਰਾਂਸਫਰ ਦੀ ਗਤੀ ਲਗਭਗ ਸਥਿਰ, ਫਿਰ ਇਸਨੂੰ ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਨਿਰੰਤਰ ਪ੍ਰਸਾਰਣ ਦੀ ਗਤੀ (ਸੀ.ਬੀ.ਆਰ. - ਤੋਂ ਸਥਿਰ ਬਿੱਟ ਦਰ). ਪਰ ਇਹ ਵੱਖਰਾ ਵੀ ਹੋ ਸਕਦਾ ਹੈ, ਇਸ ਕੇਸ ਵਿੱਚ ਇਸਨੂੰ ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਵੇਰੀਏਬਲ ਬੌਡ ਦਰ (ਵੀ.ਬੀ.ਆਰ. - ਤੋਂ ਵੇਰੀਏਬਲ ਬਿੱਟ ਰੇਟ).

ਇਹ ਗ੍ਰਾਫ ਸੀਮਤ VBR ਦਿਖਾਉਂਦਾ ਹੈ, ਜਿੱਥੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਗੂੜ੍ਹੇ ਫਰੇਮ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਬਿੱਟ ਬਰਬਾਦ ਨਹੀਂ ਹੁੰਦੇ ਹਨ।

ਇੰਜੀਨੀਅਰਾਂ ਨੇ ਸ਼ੁਰੂ ਵਿੱਚ ਵਾਧੂ ਬੈਂਡਵਿਡਥ ਦੀ ਵਰਤੋਂ ਕੀਤੇ ਬਿਨਾਂ ਇੱਕ ਵੀਡੀਓ ਡਿਸਪਲੇਅ ਦੀ ਸਮਝੀ ਹੋਈ ਫਰੇਮ ਦਰ ਨੂੰ ਦੁੱਗਣਾ ਕਰਨ ਲਈ ਇੱਕ ਢੰਗ ਵਿਕਸਿਤ ਕੀਤਾ। ਇਸ ਵਿਧੀ ਦੇ ਰੂਪ ਵਿੱਚ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ ਇੰਟਰਲੇਸਡ ਵੀਡੀਓ; ਅਸਲ ਵਿੱਚ, ਇਹ ਅੱਧੀ ਸਕ੍ਰੀਨ ਨੂੰ ਪਹਿਲੇ "ਫ੍ਰੇਮ" ਵਿੱਚ ਭੇਜਦਾ ਹੈ ਅਤੇ ਦੂਜਾ ਅੱਧਾ ਅਗਲੇ "ਫ੍ਰੇਮ" ਵਿੱਚ।

ਵਰਤਮਾਨ ਵਿੱਚ, ਦ੍ਰਿਸ਼ਾਂ ਨੂੰ ਜਿਆਦਾਤਰ ਵਰਤ ਕੇ ਪੇਸ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਪ੍ਰਗਤੀਸ਼ੀਲ ਸਕੈਨਿੰਗ ਤਕਨਾਲੋਜੀਆਂ. ਇਹ ਮੂਵਿੰਗ ਚਿੱਤਰਾਂ ਨੂੰ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਨ, ਸਟੋਰ ਕਰਨ ਜਾਂ ਪ੍ਰਸਾਰਿਤ ਕਰਨ ਦਾ ਇੱਕ ਤਰੀਕਾ ਹੈ ਜਿਸ ਵਿੱਚ ਹਰੇਕ ਫਰੇਮ ਦੀਆਂ ਸਾਰੀਆਂ ਲਾਈਨਾਂ ਕ੍ਰਮਵਾਰ ਖਿੱਚੀਆਂ ਜਾਂਦੀਆਂ ਹਨ।

ਖੈਰ! ਹੁਣ ਅਸੀਂ ਇਸ ਗੱਲ ਤੋਂ ਜਾਣੂ ਹਾਂ ਕਿ ਇੱਕ ਚਿੱਤਰ ਨੂੰ ਡਿਜੀਟਲ ਰੂਪ ਵਿੱਚ ਕਿਵੇਂ ਪ੍ਰਸਤੁਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਇਸਦੇ ਰੰਗਾਂ ਨੂੰ ਕਿਵੇਂ ਵਿਵਸਥਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਅਸੀਂ ਵੀਡੀਓ ਦਿਖਾਉਣ ਲਈ ਕਿੰਨੇ ਬਿੱਟ ਪ੍ਰਤੀ ਸਕਿੰਟ ਖਰਚ ਕਰਦੇ ਹਾਂ, ਜੇਕਰ ਬਿੱਟ ਰੇਟ ਸਥਿਰ ਹੈ (CBR) ਜਾਂ ਵੇਰੀਏਬਲ (VBR)। ਅਸੀਂ ਇੱਕ ਦਿੱਤੇ ਗਏ ਫਰੇਮ ਰੇਟ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਇੱਕ ਦਿੱਤੇ ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਬਾਰੇ ਜਾਣਦੇ ਹਾਂ, ਅਸੀਂ ਕਈ ਹੋਰ ਸ਼ਰਤਾਂ ਤੋਂ ਜਾਣੂ ਹਾਂ, ਜਿਵੇਂ ਕਿ ਇੰਟਰਲੇਸਡ ਵੀਡੀਓ, PAR ਅਤੇ ਕੁਝ ਹੋਰ।

ਰਿਡੰਡੈਂਸੀ ਨੂੰ ਹਟਾਉਣਾ

ਇਹ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ ਕਿ ਕੰਪਰੈਸ਼ਨ ਤੋਂ ਬਿਨਾਂ ਵੀਡੀਓ ਨੂੰ ਆਮ ਤੌਰ 'ਤੇ ਵਰਤਿਆ ਨਹੀਂ ਜਾ ਸਕਦਾ ਹੈ। 720p ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਅਤੇ 30 ਫ੍ਰੇਮ ਪ੍ਰਤੀ ਸਕਿੰਟ 'ਤੇ ਇੱਕ ਘੰਟਾ-ਲੰਬਾ ਵੀਡੀਓ 278 GB ਤੱਕ ਲੈ ਜਾਵੇਗਾ। ਅਸੀਂ 1280 x 720 x 24 x 30 x 3600 (ਚੌੜਾਈ, ਉਚਾਈ, ਬਿੱਟ ਪ੍ਰਤੀ ਪਿਕਸਲ, FPS ਅਤੇ ਸਮਾਂ ਸਕਿੰਟਾਂ ਵਿੱਚ) ਗੁਣਾ ਕਰਕੇ ਇਸ ਮੁੱਲ 'ਤੇ ਪਹੁੰਚਦੇ ਹਾਂ।

ਵਰਤੋਂ ਕਰੋ ਨੁਕਸਾਨ ਰਹਿਤ ਕੰਪਰੈਸ਼ਨ ਐਲਗੋਰਿਦਮ, ਜਿਵੇਂ ਕਿ DEFLATE (PKZIP, Gzip ਅਤੇ PNG ਵਿੱਚ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ), ਲੋੜੀਂਦੀ ਬੈਂਡਵਿਡਥ ਨੂੰ ਕਾਫ਼ੀ ਘੱਟ ਨਹੀਂ ਕਰੇਗਾ। ਸਾਨੂੰ ਵੀਡੀਓ ਨੂੰ ਸੰਕੁਚਿਤ ਕਰਨ ਦੇ ਹੋਰ ਤਰੀਕੇ ਲੱਭਣੇ ਪੈਣਗੇ।

ਅਜਿਹਾ ਕਰਨ ਲਈ, ਤੁਸੀਂ ਸਾਡੇ ਦਰਸ਼ਨ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ. ਅਸੀਂ ਰੰਗ ਨਾਲੋਂ ਚਮਕ ਨੂੰ ਵੱਖ ਕਰਨ ਵਿੱਚ ਬਿਹਤਰ ਹਾਂ। ਇੱਕ ਵੀਡੀਓ ਕ੍ਰਮਵਾਰ ਚਿੱਤਰਾਂ ਦੀ ਇੱਕ ਲੜੀ ਹੈ ਜੋ ਸਮੇਂ ਦੇ ਨਾਲ ਦੁਹਰਾਉਂਦੀ ਹੈ। ਇੱਕੋ ਦ੍ਰਿਸ਼ ਦੇ ਨਾਲ ਲੱਗਦੇ ਫਰੇਮਾਂ ਵਿੱਚ ਛੋਟੇ ਅੰਤਰ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਹਰੇਕ ਫਰੇਮ ਵਿੱਚ ਇੱਕੋ (ਜਾਂ ਸਮਾਨ) ਰੰਗ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਬਹੁਤ ਸਾਰੇ ਖੇਤਰ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ।

ਰੰਗ, ਚਮਕ ਅਤੇ ਸਾਡੀਆਂ ਅੱਖਾਂ

ਸਾਡੀਆਂ ਅੱਖਾਂ ਰੰਗ ਨਾਲੋਂ ਚਮਕ ਪ੍ਰਤੀ ਜ਼ਿਆਦਾ ਸੰਵੇਦਨਸ਼ੀਲ ਹੁੰਦੀਆਂ ਹਨ। ਇਸ ਤਸਵੀਰ ਨੂੰ ਦੇਖ ਕੇ ਤੁਸੀਂ ਖੁਦ ਦੇਖ ਸਕਦੇ ਹੋ।

ਜੇਕਰ ਤੁਸੀਂ ਚਿੱਤਰ ਦੇ ਖੱਬੇ ਅੱਧ 'ਤੇ ਵਰਗਾਂ ਦੇ ਰੰਗ ਨਹੀਂ ਦੇਖਦੇ ਹੋ A и B ਅਸਲ ਵਿੱਚ ਉਹੀ ਹਨ, ਫਿਰ ਇਹ ਆਮ ਗੱਲ ਹੈ। ਸਾਡਾ ਦਿਮਾਗ ਸਾਨੂੰ ਰੰਗਾਂ ਦੀ ਬਜਾਏ ਰੌਸ਼ਨੀ ਅਤੇ ਰੰਗਤ ਵੱਲ ਜ਼ਿਆਦਾ ਧਿਆਨ ਦੇਣ ਲਈ ਮਜਬੂਰ ਕਰਦਾ ਹੈ। ਮਨੋਨੀਤ ਵਰਗਾਂ ਦੇ ਵਿਚਕਾਰ ਸੱਜੇ ਪਾਸੇ ਇੱਕੋ ਰੰਗ ਦਾ ਇੱਕ ਜੰਪਰ ਹੁੰਦਾ ਹੈ - ਇਸ ਲਈ ਅਸੀਂ (ਅਰਥਾਤ ਸਾਡਾ ਦਿਮਾਗ) ਆਸਾਨੀ ਨਾਲ ਇਹ ਨਿਰਧਾਰਤ ਕਰ ਲੈਂਦੇ ਹਾਂ ਕਿ, ਅਸਲ ਵਿੱਚ, ਉਹ ਇੱਕੋ ਰੰਗ ਦੇ ਹਨ।

ਆਓ ਦੇਖੀਏ (ਇੱਕ ਸਰਲ ਤਰੀਕੇ ਨਾਲ) ਸਾਡੀਆਂ ਅੱਖਾਂ ਕਿਵੇਂ ਕੰਮ ਕਰਦੀਆਂ ਹਨ। ਅੱਖ ਇੱਕ ਗੁੰਝਲਦਾਰ ਅੰਗ ਹੈ ਜਿਸ ਵਿੱਚ ਕਈ ਭਾਗ ਹੁੰਦੇ ਹਨ। ਹਾਲਾਂਕਿ, ਅਸੀਂ ਕੋਨ ਅਤੇ ਡੰਡੇ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਦਿਲਚਸਪੀ ਰੱਖਦੇ ਹਾਂ. ਅੱਖ ਵਿੱਚ ਲਗਭਗ 120 ਮਿਲੀਅਨ ਡੰਡੇ ਅਤੇ 6 ਮਿਲੀਅਨ ਕੋਨ ਹੁੰਦੇ ਹਨ।

ਆਉ ਅੱਖ ਦੇ ਕੁਝ ਹਿੱਸਿਆਂ ਦੇ ਵੱਖਰੇ ਫੰਕਸ਼ਨਾਂ ਵਜੋਂ ਰੰਗ ਅਤੇ ਚਮਕ ਦੀ ਧਾਰਨਾ 'ਤੇ ਵਿਚਾਰ ਕਰੀਏ (ਅਸਲ ਵਿੱਚ, ਹਰ ਚੀਜ਼ ਕੁਝ ਹੋਰ ਗੁੰਝਲਦਾਰ ਹੈ, ਪਰ ਅਸੀਂ ਇਸਨੂੰ ਸਰਲ ਬਣਾਵਾਂਗੇ). ਰੌਡ ਸੈੱਲ ਮੁੱਖ ਤੌਰ 'ਤੇ ਚਮਕ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹੁੰਦੇ ਹਨ, ਜਦੋਂ ਕਿ ਕੋਨ ਸੈੱਲ ਰੰਗ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹੁੰਦੇ ਹਨ। ਸ਼ੰਕੂਆਂ ਨੂੰ ਤਿੰਨ ਕਿਸਮਾਂ ਵਿੱਚ ਵੰਡਿਆ ਜਾਂਦਾ ਹੈ, ਉਹਨਾਂ ਵਿੱਚ ਮੌਜੂਦ ਪਿਗਮੈਂਟ ਦੇ ਅਧਾਰ ਤੇ: ਐਸ-ਕੋਨ (ਨੀਲਾ), ਐਮ-ਸ਼ੰਕੂ (ਹਰਾ), ਅਤੇ ਐਲ-ਕੋਨ (ਲਾਲ)।

ਕਿਉਂਕਿ ਸਾਡੇ ਕੋਲ ਕੋਨ (ਰੰਗ) ਨਾਲੋਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਡੰਡੇ (ਚਮਕ) ਹਨ, ਅਸੀਂ ਇਹ ਸਿੱਟਾ ਕੱਢ ਸਕਦੇ ਹਾਂ ਕਿ ਅਸੀਂ ਰੰਗਾਂ ਨਾਲੋਂ ਹਨੇਰੇ ਅਤੇ ਰੋਸ਼ਨੀ ਵਿੱਚ ਫਰਕ ਕਰਨ ਦੇ ਵਧੇਰੇ ਸਮਰੱਥ ਹਾਂ।

ਕੰਟ੍ਰਾਸਟ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ

ਪ੍ਰਯੋਗਾਤਮਕ ਮਨੋਵਿਗਿਆਨ ਅਤੇ ਹੋਰ ਬਹੁਤ ਸਾਰੇ ਖੇਤਰਾਂ ਵਿੱਚ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਮਨੁੱਖੀ ਦ੍ਰਿਸ਼ਟੀ ਦੇ ਕਈ ਸਿਧਾਂਤ ਵਿਕਸਿਤ ਕੀਤੇ ਹਨ। ਅਤੇ ਉਹਨਾਂ ਵਿੱਚੋਂ ਇੱਕ ਨੂੰ ਬੁਲਾਇਆ ਜਾਂਦਾ ਹੈ ਵਿਪਰੀਤ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਫੰਕਸ਼ਨ. ਉਹ ਸਥਾਨਿਕ ਅਤੇ ਅਸਥਾਈ ਰੋਸ਼ਨੀ ਨਾਲ ਸਬੰਧਤ ਹਨ। ਸੰਖੇਪ ਵਿੱਚ, ਇਹ ਇਸ ਬਾਰੇ ਹੈ ਕਿ ਇੱਕ ਨਿਰੀਖਕ ਦੁਆਰਾ ਉਹਨਾਂ ਨੂੰ ਨੋਟਿਸ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਕਿੰਨੀਆਂ ਤਬਦੀਲੀਆਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। "ਫੰਕਸ਼ਨ" ਸ਼ਬਦ ਦੇ ਬਹੁਵਚਨ ਵੱਲ ਧਿਆਨ ਦਿਓ। ਇਹ ਇਸ ਤੱਥ ਦੇ ਕਾਰਨ ਹੈ ਕਿ ਅਸੀਂ ਨਾ ਸਿਰਫ਼ ਕਾਲੇ ਅਤੇ ਚਿੱਟੇ ਚਿੱਤਰਾਂ ਲਈ, ਸਗੋਂ ਰੰਗਾਂ ਲਈ ਵੀ ਵਿਪਰੀਤ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਫੰਕਸ਼ਨਾਂ ਨੂੰ ਮਾਪ ਸਕਦੇ ਹਾਂ। ਇਹਨਾਂ ਪ੍ਰਯੋਗਾਂ ਦੇ ਨਤੀਜੇ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਜ਼ਿਆਦਾਤਰ ਮਾਮਲਿਆਂ ਵਿੱਚ ਸਾਡੀਆਂ ਅੱਖਾਂ ਰੰਗ ਦੀ ਬਜਾਏ ਚਮਕ ਪ੍ਰਤੀ ਵਧੇਰੇ ਸੰਵੇਦਨਸ਼ੀਲ ਹੁੰਦੀਆਂ ਹਨ।

ਕਿਉਂਕਿ ਅਸੀਂ ਜਾਣਦੇ ਹਾਂ ਕਿ ਅਸੀਂ ਚਿੱਤਰ ਦੀ ਚਮਕ ਪ੍ਰਤੀ ਵਧੇਰੇ ਸੰਵੇਦਨਸ਼ੀਲ ਹਾਂ, ਅਸੀਂ ਇਸ ਤੱਥ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਸਕਦੇ ਹਾਂ।

ਰੰਗ ਮਾਡਲ

ਅਸੀਂ ਥੋੜਾ ਜਿਹਾ ਪਤਾ ਲਗਾਇਆ ਹੈ ਕਿ RGB ਸਕੀਮ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਰੰਗ ਚਿੱਤਰਾਂ ਨਾਲ ਕਿਵੇਂ ਕੰਮ ਕਰਨਾ ਹੈ। ਹੋਰ ਮਾਡਲ ਵੀ ਹਨ. ਇੱਕ ਮਾਡਲ ਹੈ ਜੋ ਕ੍ਰੋਮਾ ਤੋਂ ਲਿਊਮਿਨੈਂਸ ਨੂੰ ਵੱਖ ਕਰਦਾ ਹੈ ਅਤੇ ਇਸ ਨੂੰ ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਵਾਈ.ਸੀ.ਬੀ.ਸੀ.ਆਰ.. ਤਰੀਕੇ ਨਾਲ, ਇੱਥੇ ਹੋਰ ਮਾਡਲ ਹਨ ਜੋ ਸਮਾਨ ਵੰਡ ਕਰਦੇ ਹਨ, ਪਰ ਅਸੀਂ ਸਿਰਫ ਇਸ 'ਤੇ ਵਿਚਾਰ ਕਰਾਂਗੇ.

ਇਸ ਰੰਗ ਦੇ ਮਾਡਲ ਵਿੱਚ Y ਚਮਕ ਦੀ ਨੁਮਾਇੰਦਗੀ ਹੈ, ਅਤੇ ਦੋ ਰੰਗ ਚੈਨਲਾਂ ਦੀ ਵਰਤੋਂ ਵੀ ਕਰਦਾ ਹੈ: Cb (ਅਮੀਰ ਨੀਲਾ) ਅਤੇ Cr (ਅਮੀਰ ਲਾਲ) YCbCr ਨੂੰ RGB ਤੋਂ ਲਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਅਤੇ ਉਲਟਾ ਪਰਿਵਰਤਨ ਵੀ ਸੰਭਵ ਹੈ। ਇਸ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਸੀਂ ਪੂਰੇ ਰੰਗ ਦੇ ਚਿੱਤਰ ਬਣਾ ਸਕਦੇ ਹਾਂ ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਹੇਠਾਂ ਦੇਖਦੇ ਹਾਂ:

YCbCr ਅਤੇ RGB ਵਿਚਕਾਰ ਬਦਲੋ

ਕੋਈ ਇਤਰਾਜ਼ ਕਰੇਗਾ: ਜੇ ਹਰੇ ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕੀਤੀ ਜਾਂਦੀ ਤਾਂ ਸਾਰੇ ਰੰਗ ਪ੍ਰਾਪਤ ਕਰਨਾ ਕਿਵੇਂ ਸੰਭਵ ਹੈ?

ਇਸ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦੇਣ ਲਈ, ਆਓ RGB ਨੂੰ YCbCr ਵਿੱਚ ਬਦਲੀਏ। ਆਉ ਮਿਆਰ ਵਿੱਚ ਅਪਣਾਏ ਗਏ ਗੁਣਾਂਕ ਦੀ ਵਰਤੋਂ ਕਰੀਏ ਬੀਟੀ .601, ਜਿਸ ਦੀ ਯੂਨਿਟ ਦੁਆਰਾ ਸਿਫ਼ਾਰਿਸ਼ ਕੀਤੀ ਗਈ ਸੀ ਆਈ.ਟੀ.ਯੂ.-ਆਰ. ਇਹ ਡਿਵੀਜ਼ਨ ਡਿਜੀਟਲ ਵੀਡੀਓ ਲਈ ਮਾਪਦੰਡ ਨਿਰਧਾਰਤ ਕਰਦੀ ਹੈ। ਉਦਾਹਰਨ ਲਈ: 4K ਕੀ ਹੈ? ਫਰੇਮ ਰੇਟ, ਰੈਜ਼ੋਲਿਊਸ਼ਨ, ਰੰਗ ਮਾਡਲ ਕੀ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ?

ਪਹਿਲਾਂ ਆਓ ਚਮਕ ਦੀ ਗਣਨਾ ਕਰੀਏ. ਆਓ ITU ਦੁਆਰਾ ਪ੍ਰਸਤਾਵਿਤ ਸਥਿਰਾਂਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰੀਏ ਅਤੇ RGB ਮੁੱਲਾਂ ਨੂੰ ਬਦਲੀਏ।

Y = 0.299R 0.587 +G 0.114 +B

ਸਾਡੇ ਕੋਲ ਚਮਕ ਹੋਣ ਤੋਂ ਬਾਅਦ, ਅਸੀਂ ਨੀਲੇ ਅਤੇ ਲਾਲ ਰੰਗਾਂ ਨੂੰ ਵੱਖ ਕਰਾਂਗੇ:

Cb = 0.564(B - Y)

Cr = 0.713(R - Y)

ਅਤੇ ਅਸੀਂ YCbCr ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਵਾਪਸ ਬਦਲ ਸਕਦੇ ਹਾਂ ਅਤੇ ਹਰਾ ਵੀ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹਾਂ:

R = Y 1.402 +Cr

B = Y 1.772 +Cb

G = Y - ਐਕਸਐਨਯੂਐਮਐਕਸCb - ਐਕਸਐਨਯੂਐਮਐਕਸCr

ਆਮ ਤੌਰ 'ਤੇ, ਡਿਸਪਲੇ (ਮਾਨੀਟਰ, ਟੀਵੀ, ਸਕ੍ਰੀਨ, ਆਦਿ) ਸਿਰਫ਼ RGB ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ। ਪਰ ਇਸ ਮਾਡਲ ਨੂੰ ਵੱਖ-ਵੱਖ ਤਰੀਕਿਆਂ ਨਾਲ ਸੰਗਠਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ:

ਰੰਗ ਉਪ-ਨਮੂਨਾ

ਲੂਮਿਨੈਂਸ ਅਤੇ ਕ੍ਰੋਮਿਨੈਂਸ ਦੇ ਸੁਮੇਲ ਦੇ ਰੂਪ ਵਿੱਚ ਪ੍ਰਸਤੁਤ ਕੀਤੇ ਗਏ ਚਿੱਤਰ ਦੇ ਨਾਲ, ਅਸੀਂ ਜਾਣਕਾਰੀ ਨੂੰ ਚੋਣਵੇਂ ਰੂਪ ਵਿੱਚ ਹਟਾ ਕੇ ਕ੍ਰੋਮਿਨੈਂਸ ਦੀ ਬਜਾਏ ਲਿਊਮਿਨੈਂਸ ਪ੍ਰਤੀ ਮਨੁੱਖੀ ਵਿਜ਼ੂਅਲ ਸਿਸਟਮ ਦੀ ਵਧੇਰੇ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਦਾ ਸ਼ੋਸ਼ਣ ਕਰ ਸਕਦੇ ਹਾਂ। ਕ੍ਰੋਮਾ ਸਬ-ਸੈਂਪਲਿੰਗ ਕ੍ਰੋਮਾ ਲਈ ਪ੍ਰਕਾਸ਼ ਦੀ ਬਜਾਏ ਘੱਟ ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਚਿੱਤਰਾਂ ਨੂੰ ਏਨਕੋਡਿੰਗ ਕਰਨ ਦਾ ਇੱਕ ਤਰੀਕਾ ਹੈ।

ਕਲਰ ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਨੂੰ ਘਟਾਉਣਾ ਕਿੰਨਾ ਕੁ ਜਾਇਜ਼ ਹੈ?! ਇਹ ਪਤਾ ਚਲਦਾ ਹੈ ਕਿ ਪਹਿਲਾਂ ਹੀ ਕੁਝ ਚਿੱਤਰ ਹਨ ਜੋ ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਅਤੇ ਵਿਲੀਨਤਾ ਨੂੰ ਕਿਵੇਂ ਸੰਭਾਲਦੇ ਹਨ (ਨਤੀਜੇ ਵਾਲਾ ਰੰਗ = Y + Cb + Cr) ਦਾ ਵਰਣਨ ਕਰਦੇ ਹਨ।

ਇਹ ਸਕੀਮਾਂ ਵਜੋਂ ਜਾਣੀਆਂ ਜਾਂਦੀਆਂ ਹਨ ਡਾਊਨਸੈਪਲਿੰਗ ਸਿਸਟਮ ਅਤੇ 3-ਗੁਣਾ ਅਨੁਪਾਤ ਦੇ ਰੂਪ ਵਿੱਚ ਦਰਸਾਏ ਗਏ ਹਨ - a:x:y, ਜੋ ਕਿ ਪ੍ਰਕਾਸ਼ ਅਤੇ ਰੰਗ ਅੰਤਰ ਸਿਗਨਲਾਂ ਦੇ ਨਮੂਨਿਆਂ ਦੀ ਸੰਖਿਆ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ।

a - ਹਰੀਜੱਟਲ ਸੈਂਪਲਿੰਗ ਸਟੈਂਡਰਡ (ਆਮ ਤੌਰ 'ਤੇ 4 ਦੇ ਬਰਾਬਰ)
x — ਪਿਕਸਲਾਂ ਦੀ ਪਹਿਲੀ ਕਤਾਰ ਵਿੱਚ ਕ੍ਰੋਮਾ ਨਮੂਨਿਆਂ ਦੀ ਗਿਣਤੀ (ਦੇ ਅਨੁਸਾਰੀ ਹਰੀਜੱਟਲ ਰੈਜ਼ੋਲਿਊਸ਼ਨ a)
y — ਪਿਕਸਲਾਂ ਦੀਆਂ ਪਹਿਲੀਆਂ ਅਤੇ ਦੂਜੀਆਂ ਕਤਾਰਾਂ ਵਿਚਕਾਰ ਕ੍ਰੋਮਾ ਨਮੂਨਿਆਂ ਵਿੱਚ ਤਬਦੀਲੀਆਂ ਦੀ ਗਿਣਤੀ।

ਅਪਵਾਦ ਹੈ 4:1:0, ਹਰੇਕ 4-ਬਾਈ-4 ਲਿਊਮਿਨੈਂਸ ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਬਲਾਕ ਵਿੱਚ ਇੱਕ ਕ੍ਰੋਮਾ ਨਮੂਨਾ ਪ੍ਰਦਾਨ ਕਰਨਾ।

ਆਧੁਨਿਕ ਕੋਡੇਕਸ ਵਿੱਚ ਵਰਤੀਆਂ ਜਾਂਦੀਆਂ ਆਮ ਸਕੀਮਾਂ:

• 4:4:4 (ਕੋਈ ਨਮੂਨਾ ਨਹੀਂ)
• 4:2:2
• 4:1:1
• 4:2:0
• 4:1:0
• 3:1:1

YCbCr 4:2:0 - ਫਿਊਜ਼ਨ ਉਦਾਹਰਨ

ਇੱਥੇ YCbCr 4:2:0 ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਵਿਲੀਨ ਕੀਤਾ ਗਿਆ ਚਿੱਤਰ ਹੈ। ਨੋਟ ਕਰੋ ਕਿ ਅਸੀਂ ਸਿਰਫ 12 ਬਿੱਟ ਪ੍ਰਤੀ ਪਿਕਸਲ ਖਰਚ ਕਰ ਰਹੇ ਹਾਂ।

ਇਹ ਉਹੀ ਚਿੱਤਰ ਦਿਸਦਾ ਹੈ, ਮੁੱਖ ਕਿਸਮਾਂ ਦੇ ਰੰਗ ਉਪ-ਸੈਂਪਲਿੰਗ ਨਾਲ ਏਨਕੋਡ ਕੀਤਾ ਗਿਆ ਹੈ। ਪਹਿਲੀ ਕਤਾਰ ਅੰਤਿਮ YCbCr ਹੈ, ਹੇਠਲੀ ਕਤਾਰ ਕ੍ਰੋਮਾ ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਦਿਖਾਉਂਦੀ ਹੈ। ਗੁਣਵੱਤਾ ਵਿੱਚ ਮਾਮੂਲੀ ਨੁਕਸਾਨ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦੇ ਹੋਏ, ਬਹੁਤ ਵਧੀਆ ਨਤੀਜੇ.

ਯਾਦ ਰੱਖੋ ਜਦੋਂ ਅਸੀਂ 278p ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਅਤੇ 720 ਫਰੇਮਾਂ ਪ੍ਰਤੀ ਸਕਿੰਟ 'ਤੇ ਇੱਕ ਘੰਟਾ-ਲੰਬੀ ਵੀਡੀਓ ਫਾਈਲ ਸਟੋਰ ਕਰਨ ਲਈ 30 GB ਸਟੋਰੇਜ ਸਪੇਸ ਗਿਣਿਆ ਸੀ? ਜੇਕਰ ਅਸੀਂ YCbCr 4:2:0 ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ, ਤਾਂ ਇਹ ਆਕਾਰ ਅੱਧਾ - 139 GB ਤੱਕ ਘੱਟ ਜਾਵੇਗਾ। ਹੁਣ ਤੱਕ, ਇਹ ਅਜੇ ਵੀ ਇੱਕ ਸਵੀਕਾਰਯੋਗ ਨਤੀਜੇ ਤੋਂ ਬਹੁਤ ਦੂਰ ਹੈ.

ਤੁਸੀਂ FFmpeg ਦੀ ਵਰਤੋਂ ਕਰਕੇ YCbCr ਹਿਸਟੋਗ੍ਰਾਮ ਖੁਦ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹੋ। ਇਸ ਚਿੱਤਰ ਵਿੱਚ, ਨੀਲਾ ਲਾਲ ਉੱਤੇ ਹਾਵੀ ਹੈ, ਜੋ ਕਿ ਹਿਸਟੋਗ੍ਰਾਮ ਵਿੱਚ ਸਪਸ਼ਟ ਤੌਰ ਤੇ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ।

ਰੰਗ, ਚਮਕ, ਰੰਗ ਕ੍ਰਮ - ਵੀਡੀਓ ਸਮੀਖਿਆ

ਅਸੀਂ ਇਸ ਸ਼ਾਨਦਾਰ ਵੀਡੀਓ ਨੂੰ ਦੇਖਣ ਦੀ ਸਿਫ਼ਾਰਿਸ਼ ਕਰਦੇ ਹਾਂ। ਇਹ ਦੱਸਦਾ ਹੈ ਕਿ ਚਮਕ ਕੀ ਹੈ, ਅਤੇ ਆਮ ਤੌਰ 'ਤੇ ਸਾਰੇ ਬਿੰਦੀਆਂ ਬਿੰਦੀਆਂ ਵਾਲੇ ਹਨ ё ਚਮਕ ਅਤੇ ਰੰਗ ਬਾਰੇ.

ਫਰੇਮ ਦੀਆਂ ਕਿਸਮਾਂ

ਚਲੋ ਅੱਗੇ ਵਧਦੇ ਹਾਂ। ਆਓ ਸਮੇਂ ਦੀ ਫਾਲਤੂਤਾ ਨੂੰ ਖਤਮ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੀਏ। ਪਰ ਪਹਿਲਾਂ, ਆਓ ਕੁਝ ਬੁਨਿਆਦੀ ਸ਼ਬਦਾਵਲੀ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੀਏ। ਮੰਨ ਲਓ ਕਿ ਸਾਡੇ ਕੋਲ 30 ਫਰੇਮ ਪ੍ਰਤੀ ਸਕਿੰਟ ਵਾਲੀ ਇੱਕ ਫਿਲਮ ਹੈ, ਇੱਥੇ ਇਸਦੇ ਪਹਿਲੇ 4 ਫਰੇਮ ਹਨ:

ਅਸੀਂ ਫਰੇਮਾਂ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਦੁਹਰਾਓ ਦੇਖ ਸਕਦੇ ਹਾਂ: ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਨੀਲਾ ਬੈਕਗ੍ਰਾਉਂਡ ਜੋ ਇੱਕ ਫਰੇਮ ਤੋਂ ਫਰੇਮ ਵਿੱਚ ਨਹੀਂ ਬਦਲਦਾ। ਇਸ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ, ਅਸੀਂ ਉਹਨਾਂ ਨੂੰ ਤਿੰਨ ਕਿਸਮਾਂ ਦੇ ਫਰੇਮਾਂ ਵਿੱਚ ਸੰਖੇਪ ਰੂਪ ਵਿੱਚ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰ ਸਕਦੇ ਹਾਂ।

ਆਈ-ਫ੍ਰੇਮ (Iਐਨਟਰੋ ਫਰੇਮ)

ਆਈ-ਫ੍ਰੇਮ (ਰੈਫਰੈਂਸ ਫਰੇਮ, ਕੁੰਜੀ ਫਰੇਮ, ਅੰਦਰੂਨੀ ਫਰੇਮ) ਸਵੈ-ਨਿਰਮਿਤ ਹੈ। ਤੁਸੀਂ ਜੋ ਵੀ ਕਲਪਨਾ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ, ਇੱਕ ਆਈ-ਫ੍ਰੇਮ ਅਸਲ ਵਿੱਚ ਇੱਕ ਸਥਿਰ ਫੋਟੋ ਹੈ। ਪਹਿਲਾ ਫ੍ਰੇਮ ਆਮ ਤੌਰ 'ਤੇ ਇੱਕ I-ਫ੍ਰੇਮ ਹੁੰਦਾ ਹੈ, ਪਰ ਅਸੀਂ ਨਿਯਮਿਤ ਤੌਰ 'ਤੇ I-ਫ੍ਰੇਮਾਂ ਦਾ ਨਿਰੀਖਣ ਕਰਾਂਗੇ ਭਾਵੇਂ ਕਿ ਪਹਿਲੇ ਫਰੇਮਾਂ ਵਿੱਚ ਨਹੀਂ।

ਪੀ-ਫਰੇਮ (Pਸੋਧਿਆ ਫਰੇਮ)

ਪੀ-ਫ੍ਰੇਮ (ਅਨੁਮਾਨੀ ਫਰੇਮ) ਇਸ ਤੱਥ ਦਾ ਫਾਇਦਾ ਉਠਾਉਂਦਾ ਹੈ ਕਿ ਲਗਭਗ ਹਮੇਸ਼ਾ ਮੌਜੂਦਾ ਚਿੱਤਰ ਨੂੰ ਪਿਛਲੇ ਫਰੇਮ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਦੁਬਾਰਾ ਤਿਆਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਦੂਜੇ ਫਰੇਮ ਵਿੱਚ ਸਿਰਫ ਇੱਕ ਤਬਦੀਲੀ ਗੇਂਦ ਨੂੰ ਅੱਗੇ ਵਧਣਾ ਹੈ। ਅਸੀਂ ਫਰੇਮ 2 ਨੂੰ ਥੋੜਾ ਜਿਹਾ ਸੋਧ ਕੇ ਫਰੇਮ 1 ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹਾਂ, ਸਿਰਫ ਇਹਨਾਂ ਫਰੇਮਾਂ ਵਿੱਚ ਅੰਤਰ ਦੀ ਵਰਤੋਂ ਕਰਕੇ. ਫਰੇਮ 2 ਬਣਾਉਣ ਲਈ, ਅਸੀਂ ਪਿਛਲੇ ਫਰੇਮ 1 ਦਾ ਹਵਾਲਾ ਦਿੰਦੇ ਹਾਂ।

←

ਬੀ-ਫਰੇਮ (Bi-ਅਨੁਮਾਨੀ ਫਰੇਮ)

ਨਾ ਸਿਰਫ਼ ਅਤੀਤ ਦੇ ਲਿੰਕਾਂ ਬਾਰੇ, ਸਗੋਂ ਭਵਿੱਖ ਦੇ ਫਰੇਮਾਂ ਨੂੰ ਵੀ ਬਿਹਤਰ ਸੰਕੁਚਨ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਕੀ?! ਇਹ ਮੂਲ ਰੂਪ ਵਿੱਚ ਇੱਕ ਬੀ-ਫਰੇਮ (ਬਾਈਡਾਇਰੈਕਸ਼ਨਲ ਫਰੇਮ) ਹੈ।

← →

ਇੰਟਰਮੀਡੀਏਟ ਆਉਟਪੁੱਟ

ਇਹ ਫਰੇਮ ਕਿਸਮਾਂ ਦੀ ਵਰਤੋਂ ਸਭ ਤੋਂ ਵਧੀਆ ਸੰਭਵ ਸੰਕੁਚਨ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਅਸੀਂ ਅਗਲੇ ਭਾਗ ਵਿੱਚ ਦੇਖਾਂਗੇ ਕਿ ਇਹ ਕਿਵੇਂ ਹੁੰਦਾ ਹੈ। ਹੁਣ ਲਈ, ਆਓ ਨੋਟ ਕਰੀਏ ਕਿ ਖਪਤ ਕੀਤੀ ਗਈ ਮੈਮੋਰੀ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਸਭ ਤੋਂ "ਮਹਿੰਗੀ" ਆਈ-ਫ੍ਰੇਮ ਹੈ, ਪੀ-ਫ੍ਰੇਮ ਕਾਫ਼ੀ ਸਸਤਾ ਹੈ, ਪਰ ਵੀਡੀਓ ਲਈ ਸਭ ਤੋਂ ਲਾਭਦਾਇਕ ਵਿਕਲਪ ਬੀ-ਫ੍ਰੇਮ ਹੈ।

ਅਸਥਾਈ ਰਿਡੰਡੈਂਸੀ (ਅੰਤਰ-ਫਰੇਮ ਪੂਰਵ ਅਨੁਮਾਨ)

ਆਓ ਦੇਖੀਏ ਕਿ ਸਮੇਂ ਦੇ ਨਾਲ ਦੁਹਰਾਓ ਨੂੰ ਘੱਟ ਤੋਂ ਘੱਟ ਕਰਨ ਲਈ ਸਾਡੇ ਕੋਲ ਕਿਹੜੇ ਵਿਕਲਪ ਹਨ। ਅਸੀਂ ਕਰਾਸ-ਪੂਰਵ-ਅਨੁਮਾਨ ਵਿਧੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇਸ ਕਿਸਮ ਦੀ ਰਿਡੰਡੈਂਸੀ ਨੂੰ ਹੱਲ ਕਰ ਸਕਦੇ ਹਾਂ।

ਅਸੀਂ ਫਰੇਮਾਂ 0 ਅਤੇ 1 ਦੇ ਕ੍ਰਮ ਨੂੰ ਏਨਕੋਡ ਕਰਨ ਲਈ ਜਿੰਨਾ ਸੰਭਵ ਹੋ ਸਕੇ ਕੁਝ ਬਿੱਟ ਖਰਚਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਾਂਗੇ।

ਅਸੀਂ ਪੈਦਾ ਕਰ ਸਕਦੇ ਹਾਂ ਘਟਾਓ, ਅਸੀਂ ਸਿਰਫ਼ ਫਰੇਮ 1 ਤੋਂ ਫਰੇਮ 0 ਨੂੰ ਘਟਾਉਂਦੇ ਹਾਂ। ਸਾਨੂੰ ਫਰੇਮ 1 ਮਿਲਦਾ ਹੈ, ਸਿਰਫ ਇਸਦੇ ਅਤੇ ਪਿਛਲੇ ਫਰੇਮ ਵਿੱਚ ਅੰਤਰ ਦੀ ਵਰਤੋਂ ਕਰੋ, ਅਸਲ ਵਿੱਚ ਅਸੀਂ ਸਿਰਫ ਨਤੀਜੇ ਵਜੋਂ ਬਾਕੀ ਬਚੇ ਨੂੰ ਏਨਕੋਡ ਕਰਦੇ ਹਾਂ।

ਪਰ ਉਦੋਂ ਕੀ ਜੇ ਮੈਂ ਤੁਹਾਨੂੰ ਦੱਸਿਆ ਕਿ ਇੱਕ ਹੋਰ ਵਧੀਆ ਤਰੀਕਾ ਹੈ ਜੋ ਘੱਟ ਬਿੱਟਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ?! ਪਹਿਲਾਂ, ਆਉ ਫਰੇਮ 0 ਨੂੰ ਇੱਕ ਸਪਸ਼ਟ ਗਰਿੱਡ ਵਿੱਚ ਤੋੜੀਏ ਜਿਸ ਵਿੱਚ ਬਲਾਕ ਸ਼ਾਮਲ ਹਨ। ਅਤੇ ਫਿਰ ਅਸੀਂ ਫਰੇਮ 0 ਦੇ ਬਲਾਕਾਂ ਨੂੰ ਫਰੇਮ 1 ਨਾਲ ਮੇਲਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਾਂਗੇ। ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਅਸੀਂ ਫਰੇਮਾਂ ਦੇ ਵਿਚਕਾਰ ਦੀ ਗਤੀ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਵਾਂਗੇ।

ਵਿਕੀਪੀਡੀਆ ਤੋਂ - ਬਲਾਕ ਮੋਸ਼ਨ ਮੁਆਵਜ਼ਾ

ਬਲਾਕ ਮੋਸ਼ਨ ਮੁਆਵਜ਼ਾ ਮੌਜੂਦਾ ਫਰੇਮ ਨੂੰ ਗੈਰ-ਓਵਰਲੈਪਿੰਗ ਬਲਾਕਾਂ ਵਿੱਚ ਵੰਡਦਾ ਹੈ ਅਤੇ ਮੋਸ਼ਨ ਮੁਆਵਜ਼ਾ ਵੈਕਟਰ ਬਲਾਕਾਂ ਦੇ ਮੂਲ ਦੀ ਰਿਪੋਰਟ ਕਰਦਾ ਹੈ (ਇੱਕ ਆਮ ਗਲਤ ਧਾਰਨਾ ਇਹ ਹੈ ਕਿ ਪਿਛਲੇ ਫਰੇਮ ਨੂੰ ਗੈਰ-ਓਵਰਲੈਪਿੰਗ ਬਲਾਕਾਂ ਵਿੱਚ ਵੰਡਿਆ ਗਿਆ ਹੈ, ਅਤੇ ਮੋਸ਼ਨ ਕੰਪਨਸੇਸ਼ਨ ਵੈਕਟਰ ਦੱਸਦੇ ਹਨ ਕਿ ਉਹ ਬਲਾਕ ਕਿੱਥੇ ਜਾਂਦੇ ਹਨ। ਪਰ ਵਾਸਤਵ ਵਿੱਚ, ਇਹ ਬਿਲਕੁਲ ਉਲਟ ਹੈ - ਇਹ ਪਿਛਲਾ ਫਰੇਮ ਨਹੀਂ ਹੈ ਜਿਸਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਗਿਆ ਹੈ, ਪਰ ਅਗਲਾ; ਇਹ ਸਪੱਸ਼ਟ ਨਹੀਂ ਹੈ ਕਿ ਬਲਾਕ ਕਿੱਥੇ ਚੱਲ ਰਹੇ ਹਨ, ਪਰ ਉਹ ਕਿੱਥੋਂ ਆਏ ਹਨ)। ਆਮ ਤੌਰ 'ਤੇ ਸਰੋਤ ਬਲਾਕ ਸਰੋਤ ਫਰੇਮ ਵਿੱਚ ਓਵਰਲੈਪ ਹੁੰਦੇ ਹਨ। ਕੁਝ ਵਿਡੀਓ ਕੰਪਰੈਸ਼ਨ ਐਲਗੋਰਿਦਮ ਮੌਜੂਦਾ ਫਰੇਮ ਨੂੰ ਇੱਕ ਵੀ ਨਹੀਂ, ਪਰ ਕਈ ਪਹਿਲਾਂ ਪ੍ਰਸਾਰਿਤ ਕੀਤੇ ਫਰੇਮਾਂ ਦੇ ਹਿੱਸਿਆਂ ਤੋਂ ਇਕੱਠੇ ਕਰਦੇ ਹਨ।

ਮੁਲਾਂਕਣ ਪ੍ਰਕਿਰਿਆ ਦੇ ਦੌਰਾਨ, ਅਸੀਂ ਦੇਖਦੇ ਹਾਂ ਕਿ ਗੇਂਦ ( ਤੋਂ ਚਲੀ ਗਈ ਹੈx= 0, y=25) ਤੋਂ (x= 6, y=26), ਮੁੱਲ x и y ਮੋਸ਼ਨ ਵੈਕਟਰ ਨਿਰਧਾਰਤ ਕਰੋ। ਇੱਕ ਹੋਰ ਕਦਮ ਜੋ ਅਸੀਂ ਬਿੱਟਾਂ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੱਖਣ ਲਈ ਕਰ ਸਕਦੇ ਹਾਂ ਉਹ ਹੈ ਆਖਰੀ ਬਲਾਕ ਪੋਜੀਸ਼ਨ ਅਤੇ ਪੂਰਵ ਅਨੁਮਾਨ ਦੇ ਵਿਚਕਾਰ ਮੋਸ਼ਨ ਵੈਕਟਰ ਦੇ ਅੰਤਰ ਨੂੰ ਐਨਕੋਡ ਕਰਨਾ, ਇਸ ਲਈ ਅੰਤਿਮ ਮੋਸ਼ਨ ਵੈਕਟਰ (x=6-0=6, y=26-25=1) ਹੋਵੇਗਾ। ).

ਇੱਕ ਅਸਲ ਸਥਿਤੀ ਵਿੱਚ, ਇਸ ਗੇਂਦ ਨੂੰ ਵੰਡਿਆ ਜਾਵੇਗਾ n ਬਲਾਕ, ਪਰ ਇਸ ਨਾਲ ਮਾਮਲੇ ਦਾ ਸਾਰ ਨਹੀਂ ਬਦਲਦਾ।

ਫਰੇਮ ਵਿੱਚ ਵਸਤੂਆਂ ਤਿੰਨ ਅਯਾਮਾਂ ਵਿੱਚ ਚਲਦੀਆਂ ਹਨ, ਇਸਲਈ ਜਦੋਂ ਗੇਂਦ ਚਲਦੀ ਹੈ, ਇਹ ਦ੍ਰਿਸ਼ਟੀਗਤ ਤੌਰ 'ਤੇ ਛੋਟੀ ਹੋ ​​ਸਕਦੀ ਹੈ (ਜਾਂ ਜੇਕਰ ਇਹ ਦਰਸ਼ਕ ਵੱਲ ਵਧਦੀ ਹੈ ਤਾਂ ਵੱਡੀ) ਹੋ ਸਕਦੀ ਹੈ। ਇਹ ਆਮ ਗੱਲ ਹੈ ਕਿ ਬਲਾਕਾਂ ਵਿਚਕਾਰ ਸੰਪੂਰਨ ਮੈਚ ਨਹੀਂ ਹੋਵੇਗਾ। ਇੱਥੇ ਸਾਡੇ ਅੰਦਾਜ਼ੇ ਅਤੇ ਅਸਲ ਤਸਵੀਰ ਦਾ ਸੰਯੁਕਤ ਦ੍ਰਿਸ਼ ਹੈ।

ਪਰ ਅਸੀਂ ਦੇਖਦੇ ਹਾਂ ਕਿ ਜਦੋਂ ਅਸੀਂ ਗਤੀ ਦੇ ਅੰਦਾਜ਼ੇ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ, ਤਾਂ ਫ੍ਰੇਮ ਦੇ ਵਿਚਕਾਰ ਡੈਲਟਾ ਦੀ ਗਣਨਾ ਕਰਨ ਦੀ ਇੱਕ ਸਰਲ ਵਿਧੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਨਾਲੋਂ ਕੋਡਿੰਗ ਲਈ ਘੱਟ ਡਾਟਾ ਹੁੰਦਾ ਹੈ।

ਅਸਲ ਮੋਸ਼ਨ ਮੁਆਵਜ਼ਾ ਕਿਹੋ ਜਿਹਾ ਦਿਖਾਈ ਦੇਵੇਗਾ

ਇਹ ਤਕਨੀਕ ਇੱਕੋ ਸਮੇਂ ਸਾਰੇ ਬਲਾਕਾਂ 'ਤੇ ਲਾਗੂ ਹੁੰਦੀ ਹੈ। ਅਕਸਰ ਸਾਡੀ ਕੰਡੀਸ਼ਨਲ ਮੂਵਿੰਗ ਗੇਂਦ ਨੂੰ ਇੱਕੋ ਸਮੇਂ ਕਈ ਬਲਾਕਾਂ ਵਿੱਚ ਵੰਡਿਆ ਜਾਵੇਗਾ।

ਤੁਸੀਂ ਇਹਨਾਂ ਸੰਕਲਪਾਂ ਲਈ ਆਪਣੇ ਆਪ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਮਹਿਸੂਸ ਕਰ ਸਕਦੇ ਹੋ ਜੁਪੀਟਰ.

ਮੋਸ਼ਨ ਵੈਕਟਰ ਦੇਖਣ ਲਈ, ਤੁਸੀਂ ਇਸਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇੱਕ ਬਾਹਰੀ ਭਵਿੱਖਬਾਣੀ ਵੀਡੀਓ ਬਣਾ ਸਕਦੇ ਹੋ ffmpeg.

ਤੁਸੀਂ ਵੀ ਵਰਤ ਸਕਦੇ ਹੋ ਇੰਟੇਲ ਵੀਡੀਓ ਪ੍ਰੋ ਐਨਾਲਾਈਜ਼ਰ (ਇਹ ਭੁਗਤਾਨ ਕੀਤਾ ਗਿਆ ਹੈ, ਪਰ ਇੱਥੇ ਇੱਕ ਮੁਫਤ ਅਜ਼ਮਾਇਸ਼ ਹੈ ਜੋ ਸਿਰਫ ਪਹਿਲੇ ਦਸ ਫਰੇਮਾਂ ਤੱਕ ਸੀਮਿਤ ਹੈ)।

ਸਥਾਨਿਕ ਰਿਡੰਡੈਂਸੀ (ਅੰਦਰੂਨੀ ਪੂਰਵ ਅਨੁਮਾਨ)

ਜੇਕਰ ਅਸੀਂ ਇੱਕ ਵੀਡੀਓ ਵਿੱਚ ਹਰੇਕ ਫ੍ਰੇਮ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੇ ਹਾਂ, ਤਾਂ ਅਸੀਂ ਬਹੁਤ ਸਾਰੇ ਆਪਸ ਵਿੱਚ ਜੁੜੇ ਖੇਤਰ ਲੱਭਾਂਗੇ।

ਆਓ ਇਸ ਉਦਾਹਰਨ ਰਾਹੀਂ ਚੱਲੀਏ। ਇਹ ਦ੍ਰਿਸ਼ ਮੁੱਖ ਤੌਰ 'ਤੇ ਨੀਲੇ ਅਤੇ ਚਿੱਟੇ ਰੰਗ ਦੇ ਹੁੰਦੇ ਹਨ।

ਇਹ ਇੱਕ ਆਈ-ਫ੍ਰੇਮ ਹੈ। ਅਸੀਂ ਭਵਿੱਖਬਾਣੀ ਲਈ ਪਿਛਲੇ ਫਰੇਮਾਂ ਨੂੰ ਨਹੀਂ ਲੈ ਸਕਦੇ, ਪਰ ਅਸੀਂ ਇਸਨੂੰ ਸੰਕੁਚਿਤ ਕਰ ਸਕਦੇ ਹਾਂ। ਆਉ ਲਾਲ ਬਲਾਕ ਦੀ ਚੋਣ ਨੂੰ ਏਨਕੋਡ ਕਰੀਏ. ਜੇ ਅਸੀਂ ਇਸਦੇ ਗੁਆਂਢੀਆਂ ਨੂੰ ਵੇਖਦੇ ਹਾਂ, ਤਾਂ ਅਸੀਂ ਦੇਖਦੇ ਹਾਂ ਕਿ ਇਸਦੇ ਆਲੇ ਦੁਆਲੇ ਕੁਝ ਰੰਗਾਂ ਦੇ ਰੁਝਾਨ ਹਨ.

ਅਸੀਂ ਮੰਨਦੇ ਹਾਂ ਕਿ ਰੰਗ ਫਰੇਮ ਵਿੱਚ ਲੰਬਕਾਰੀ ਤੌਰ 'ਤੇ ਫੈਲਦੇ ਹਨ। ਜਿਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਅਣਜਾਣ ਪਿਕਸਲ ਦੇ ਰੰਗ ਵਿੱਚ ਇਸਦੇ ਗੁਆਂਢੀਆਂ ਦੇ ਮੁੱਲ ਸ਼ਾਮਲ ਹੋਣਗੇ।

ਅਜਿਹੀ ਭਵਿੱਖਬਾਣੀ ਗਲਤ ਸਾਬਤ ਹੋ ਸਕਦੀ ਹੈ। ਇਹ ਇਸ ਕਾਰਨ ਹੈ ਕਿ ਤੁਹਾਨੂੰ ਇਸ ਵਿਧੀ (ਅੰਦਰੂਨੀ ਪੂਰਵ ਅਨੁਮਾਨ) ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਲੋੜ ਹੈ, ਅਤੇ ਫਿਰ ਅਸਲ ਮੁੱਲਾਂ ਨੂੰ ਘਟਾਓ। ਇਹ ਸਾਨੂੰ ਇੱਕ ਬਕਾਇਆ ਬਲਾਕ ਦੇਵੇਗਾ, ਜਿਸਦੇ ਨਤੀਜੇ ਵਜੋਂ ਅਸਲੀ ਦੇ ਮੁਕਾਬਲੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਸੰਕੁਚਿਤ ਮੈਟਰਿਕਸ ਹੋਵੇਗਾ।

ਜੇਕਰ ਤੁਸੀਂ ਅੰਦਰੂਨੀ ਪੂਰਵ-ਅਨੁਮਾਨਾਂ ਨਾਲ ਅਭਿਆਸ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ffmpeg ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਮੈਕਰੋਬਲਾਕ ਅਤੇ ਉਹਨਾਂ ਦੀਆਂ ਭਵਿੱਖਬਾਣੀਆਂ ਦਾ ਵੀਡੀਓ ਬਣਾ ਸਕਦੇ ਹੋ। ਹਰੇਕ ਬਲਾਕ ਰੰਗ ਦੇ ਅਰਥ ਨੂੰ ਸਮਝਣ ਲਈ, ਤੁਹਾਨੂੰ ffmpeg ਦਸਤਾਵੇਜ਼ ਨੂੰ ਪੜ੍ਹਨਾ ਹੋਵੇਗਾ।

ਜਾਂ ਤੁਸੀਂ ਇੰਟੇਲ ਵੀਡੀਓ ਪ੍ਰੋ ਐਨਾਲਾਈਜ਼ਰ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ (ਜਿਵੇਂ ਕਿ ਮੈਂ ਉੱਪਰ ਦੱਸਿਆ ਹੈ, ਮੁਫਤ ਅਜ਼ਮਾਇਸ਼ ਸੰਸਕਰਣ ਪਹਿਲੇ 10 ਫਰੇਮਾਂ ਤੱਕ ਸੀਮਿਤ ਹੈ, ਪਰ ਇਹ ਤੁਹਾਡੇ ਲਈ ਪਹਿਲਾਂ ਕਾਫ਼ੀ ਹੋਵੇਗਾ)।

ਦੂਜਾ ਭਾਗ: ਵੀਡੀਓ ਕੋਡੇਕ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ

ਸਰੋਤ: www.habr.com