Capitolo 1 - La compressione

Transcript

1 Capitolo 1 - La compressione Per compressione di un segnale si intende la riduzione del flusso dei suoi dati, basata sull eliminazione delle ridondanze, ovvero delle informazioni ripetitive in esso contenute 1. La compressione dei segnali audio e video è una caratteristica del segnale digitale. Le potenzialità offerte da questa procedura hanno permesso di trattare quantità di dati sempre superiori, mantenendo un alto grado di qualità dei due flussi. Il principio si basa sull eliminazione delle ridondanze, delle informazioni che vengono ripetute per un certo tempo, siano esse frequenze, parti di immagine o colori simili. Quando a metà degli anni 90 si concretizzò la possibilità di fare multimedia con i computer di casa, si pensò di integrare i principali formati audio e video che stavano nascendo nei sistemi operativi più diffusi, in modo da fornire al programmatore e all utente la possibilità di sfruttare le potenzialità multimediali del PC. Nacquero i formati AVI 2 di Video for Windows, per i sistemi operativi Microsoft e MOV 3 di Quicktime per i sistemi Apple. In seguito Quicktime è stato portato anche nel mondo Windows e oggi lo sviluppo di questo software prosegue parallelamente per i due sistemi operativi. Allo stato attuale della tecnologia, il vantaggio principale di Quicktime risiede proprio nella sua natura multipiattaforma e ne fa il candidato ideale per lo sviluppo di applicazioni multimediali che abbiano come obiettivo entrambi gli ambienti operativi. Video for windows, tuttavia, per la sua natura aperta, gode di un supporto e di uno sviluppo costanti non solo da parte di Microsoft, e presenta attualmente all utente un insieme più completo di soluzioni. 1 Solarino, Carlo, Video produzione digitale, Milano, Vertical Editrice, 1999, pag L AVI è un formato per la memorizzazione di filmati sviluppato da Microsoft, acronimo di Audio Video Interface. 3 Il MOV è l estensione con la quale sono contrassegnati i filmati QuickTime.

2 Uno dei problemi principali nella creazione di un video digitale è la grande quantità di informazione che esso contiene, e conseguentemente lo spazio che risulta necessario; supponiamo di voler gestire una sequenza di immagini alla risoluzione di 640x480 pixel, 24 bit di colore, composta da 25 fps. Per ogni pixel abbiamo bisogno di 3 byte, ogni fotogramma occuperà 900 Kb e, di conseguenza, un secondo di video occuperà oltre 20 Mb. E evidente che l utilizzo di video ad alta risoluzione non compresso è accettabile solo per brevissimi spezzoni. Diventa quindi indispensabile utilizzare un modo per diminuire lo spazio occupato dai dati preservandone la qualità. Una prima classificazione delle tecniche di compressione distingue tra tecniche che mantengono perfettamente inalterate le informazioni dopo la compressione (tecniche lossless cioè senza perdita) e tecniche che prevedono un certo degrado delle informazioni (lossy). E' abbastanza ovvio che nel comprimere informazioni come testi, documenti o programmi non ci si possa permettere la perdita di nessun bit di informazione, per cui dovremo utilizzare necessariamente tecniche lossless come quelle adottate dal formato ZIP 4. Nel caso dell'audio, delle immagini e dei filmati, un certo livello di degradazione è un compromesso accettabile per ridurre (e di molto) l'occupazione o la banda richiesta dal file. Cinque concetti chiave I cinque i principali concetti chiave della compressione sono: il bitrate il datarate il frame rate il key frame il buffering 4 Formato di file compresso. Un file zip è un archivio, contenente al suo interno un certo numero di files compressi. Mediante la compressione, un file può occupare mediamente il 40-50% dello spazio originale. Questo naturalmente non vale per files MP3 o MPEG, che sono già compressi all'origine.

3 Il bitrate è la grandezza che esprime la quantità di informazione digitale necessaria a memorizzare un secondo di video. Dipende dalla risoluzione del filmato e dal tipo di compressione utilizzata. Il datarate indica la quantità di dati inviati in un secondo e normalmente si misura in Kb/s (Kilobit per secondo). Il valore ottimale è quello che corrisponde alla reale capacità di ricezione del target previsto, tenendo conto dei possibili disturbi di connessione e della occupazione di banda da parte del target. Il frame rate indica il numero di fotogrammi trasmessi in un secondo. Il valore ottimale dipende dal data rate e dal tipo di immagini trasmesse. Più variazioni ci sono nell intervallo di tempo, più dovranno essere i fotogrammi; a uguale data rate occorrerà diminuire il frame rate con l aumentare delle dimensioni del fotogramma. Il key frame (fotogramma chiave) indica la frequenza dei frame di tipo Interframe (I). Frequenze ridotte pregiudicano la qualità dell interpolazione nei frame (P) e (B); frequenze eccessive, con un limitato data rate, pregiudicano la compressione. Il buffering indica il tempo di pre-elaborazione delle sequenze GOP (group of frames). Il ritardo della ricezione aumenta a vantaggio, però, di una migliore resa della decodifica e di una maggiore stabilità della trasmissione in presenza di irregolarità nella continuità del flusso. Questi ultimi quattro concetti si riferiscono prevalentemente alla fruizione via rete e allo streaming. Gli algoritmi di compressione video Gli algoritmi di compressione sono procedure matematiche che servono per eliminare informazioni ridondanti e per ridurre quindi il peso del file video o audio. Diversi algoritmi si basano sulla codifica Interframe che sfrutta il fatto che tra due fotogrammi consecutivi, che non rappresentino un cambio di scena, le

4 differenze sono minime. Invece di codificare l informazione relativa a ciascun fotogramma, si crea una versione modificata di quello che lo precede, ovvero si cerca di rendere un fotogramma tramite la differenza con il precedente. Per scene che contengono poco movimento si riescono a ottenere bitrate molto bassi. Per evitare di decodificare tutti i fotogrammi creati sulla differenza dei precedenti, si utilizzano dei fotogrammi chiave (keyframes) che vengono indicizzati in modo da consentire un accesso diretto immediato. I principali algoritmi sono i seguenti: RLE (Run Lenght Encoding): basato sulla sostituzione di valori identici con una codifica che indica quante volte quel valore deve essere ripetuto. Indeo: basato sulla rappresentazione spettrale del segnale, ovvero sulla sua scomposizione in somma di segnali elementari. Cinepak: utilizza tecniche di quantizzazione vettoriale e codifica interframe. Motion JPEG: (M-JPEG) utilizza l algoritmo di compressione JPEG per le singole immagini (Fig. 1.1), senza alcuna codifica interframe che consentirebbe di raggiungere maggiori livelli di compressione, ma che rende più rapido l accesso ai singoli fotogrammi, e che lo rende adatto a fasi intermedie di lavorazione come il montaggio, fase dove è molto importante la compressione. Fig.1.1 Il calcolo del fotogramma MJPEG

5 MPEG-1: nato nel 1993 per la codifica di video in qualità VHS su supporto digitale, presenta due specifiche diverse a seconda dello standard video: 352 x 288 pixel a 25 fps per il PAL 352 x 240 pixel a 30 fps per l NTSC L audio è stereo di qualità CD e il bitrate complessivo è di 1377,6 Kbps. I CD contenenti video in questo formato sono chiamati VideoCD 5. Il vantaggio del CD è dato sostanzialmente dalla grande diffusione dello standard, poiché multipiattaforma e compatibile con i lettori DVD e VideoCD; MPEG-2: usato nella televisione digitale via satellite e nei DVD, presenta un formato dell immagine come quello televisivo: 720 x 576 pixel a 50 semiquadri/sec per il PAL 720 x 480 pixel a 60 semiquadri/sec per l NTSC L elevato flusso di dati consente di ottenere un elevata qualità d immagine. Il campionamento e la compressione di ogni singolo fotogramma avvengono suddividendo l immagine in sezioni orizzontali alte 16 pixel; queste strisce sono poi suddivise in blocchi di 16x16 punti (macroblocchi), a loro volta divisi in quattro blocchi di 8x8 pixel 6. La compressione avviene cercando di raggruppare in un solo pixel i punti che compongono un blocco, di fondere in un solo macroblocco i blocchi che lo costituiscono e condensare più macroblocchi in zone di colore uniforme. Tutto ciò causa, ovviamente, una perdita di dettaglio proporzionale al livello di compressione che si vuole 5 Il VCD (Video CD) è un Compact Disc che può contenere video, audio stereo e immagini. Il formato VCD può contenere oltre 98 tracce A/V. 6 Un pixel (picture element) corrisponde a ogni quadratino in cui viene suddivisa un'immagine per poterla rappresentare in modo digitale.

6 ottenere. La massima compressione si ottiene con scene con colori uniformi, mentre la riduzione non raggiunge valori elevati quando la scena contiene oggetti con molti dettagli. L MPEG-2 sfrutta la codifica Interframe: i fotogrammi sono distinti in tre tipologie diverse: I-Frame: fotogrammi principali, di riferimento, di norma ogni 15 frames; grazie a questi si assicura che eventuali errori, nei passaggi da un fotogramma a quello successivo, non si propaghino lungo tutto il filmato. P-Frame: fotogrammi compressi con gli algoritmi di motion compensation e motion estimation che confrontano il frame corrente con l I-Frame o con il P-Frame precedente, memorizzando solo le zone dell immagine che sono differenti tra i due fotogrammi. B-Frame: fotogramma che prende come riferimento i due I-Frame precedente e successivo. Il livello di compressione è massimo. L insieme di questi fotogrammi, di norma in gruppi di 15, viene chiamato GOP, Groups of Frames e risulta essere: I-B-B-P-B-B-P-B- B-P-B-B-P-B-B. Dopo l ultimo B-Frame inizia un nuovo GOP con struttura identica. (Fig. 1.2) Fig. 1.2 Il Group of Pictures Un altra caratteristica dell MPEG-2 è il VBR (bit-rate variabile) che permette di mantenere un flusso di dati medio abbastanza contenuto senza rinunciare alla qualità complessiva: il bitrate cambia in

7 funzione della complessità dei singoli fotogrammi che compongono la sequenza video. Gli algoritmi di compressione audio Il segnale audio è per sua natura analogico: varia in modo continuo nel tempo (Fig. 1.3). Il segnale digitale, per contro, è un segnale discreto: varia in modo netto nell unità di tempo, prendendo come valore 1 o 0. Fig. 1.3 La rappresentazione grafica dei due segnali analogico e digitale Per rappresentare un segnale audio, per sua natura analogico e dunque con un andamento morbido, con un segnale digitale, mantenendo l informazione, occorre campionare il segnale, ovvero prelevare, ad intervalli regolari, il valore del segnale audio: il risultato sarà quello di approssimare la funzione analogica, che rappresenta le curve del segnale, con una funzione fatta a rettangoli (Fig. 1.4). Fig. 1.4 L approssimazione del segnale analogico in digitale. Ovviamente, più aumentano i rettangoli nell unità di tempo, più alta sarà la fedeltà nella traduzione da analogico a digitale

8 Lo standard PCM, usato per maneggiare un segnale audio in forma digitale non compressa, prevede l impiego di campioni al secondo, ovvero rettangoli al secondo. Il WAV è il formato per computer che organizza i dati campionati in modo simile al PCM. L' aumento progressivo di potenza dei calcolatori ha però favorito negli ultimi decenni lo sviluppo e la diffusione dei sistemi di compressione dei dati audio che permettono una forte riduzione delle dimensioni dei files. Le codifiche di compressione dell'audio sono numerose ed utilizzano tecniche anche molto differenti l'una dall'altra. Esistono però tre categorie principali: - le codifiche nel dominio del tempo: si tratta di algoritmi che, elaborano il segnale campionato direttamente senza estrarre le informazioni spettrali(frequenze). L'obiettivo è quello di trovare correlazioni tra i campioni e/o proprietà dalla sorgente e della destinazione che permettano di ridurre il numero di bit usati per descrivere il valore di un campione audio. Sono storicamente le prime ad essere state elaborate, hanno bassa efficienza e sono state ampiamente superate dai nuovi algoritmi - le codifiche per modelli: le codifiche per modelli sono tecniche legate ad una particolare sorgente sonora (come la voce) che si tenta di emulare tramite un modello più o meno semplificato. Le corde vocali e la gola hanno delle ben precise caratteristiche fisiche, il loro comportamento sarà quindi prevedibile sulla base di un modello. Queste codifiche rappresentano una scelta ottimale per la compressione della voce, tanto che vengono utilizzate nella telefonia mobile (GSM) e anche su Internet. - le codifiche nel dominio delle frequenze: Questi algoritmi sono accomunati dal fatto di esaminare e processare il segnale non nel dominio del tempo, ma nel dominio della frequenza. Ogni strumento musicale, ogni suono, e anche la voce, hanno una propria impronta spettrale caratteristica; è, cioè, costituita da una combinazione di frequenze contenute in uno spettro più o meno ampio. Lavorando su

9 tale spettro si può comprimere il segnale in misura molto maggiore di quanto non si riesca a fare nel dominio del tempo. Di quest ultimo tipo di codifica fa parte il formato MP3, giunto alla ribalta negli ultimi anni per aver permesso la diffusione, spesso senza il rispetto dei diritti d autore, di brani musicali, ma che si rivela un formato altamente competitivo per il suo rapporto qualità/compressione. MP3 è l acronimo di MPEG1 layer 3, ovvero livello 3, una versione migliore dei due livelli precedenti, e si basa sul modello psico-acustico: durante la compressione vengono eliminate tutte le frequenze non udibili dall orecchio umano. Il fattore di compressione che tipicamente si ottiene è quello di 1:11 (128Kbit/s), per cui è possibile immagazzinare un minuto di musica in poco meno di un megabyte. Un evoluzione dell MP3 è l'mp3pro che permette un fattore di compressione quasi doppio a parità di qualità sonora. I formati video I formati video oggigiorno presenti sono: AVI: acronimo per Audio Video Interleave; può contenere video e audio, e queste informazioni possono essere non compresse, o compresse con uno dei numerosi codec che il formato supporta. ASF: inventato da Microsoft per contrastare il dominio di Real Media nel campo dello streaming video sia in Internet che su reti locali veloci. Come AVI, non è un formato video a sé stante, ma un contenitore in grado di consentire lo streaming di alcuni formati video. Oggi in disuso, è stato sostituito dal nuovo formato WMV. MPEG: La compressione MPEG viene utilizzata da formati come AVI e QuickTime, ma può essere anche un formato a sé stante, identificato usualmente con l estensione MPG. Permette di mantenere un buon rapporto qualità/compressione.

10 MOV o QT: come AVI, consente di comprimere le informazioni audio e video per mezzo di numerosi algoritmi. RAM o RA: la RealNetworks, creatrice degli standard RealVideo e RealAudio, è la casa software con la maggiore esperienza nel settore del video per il web; i suoi sviluppatori intuirono che la ricerca nel campo della diffusione del video sul web non doveva solo svilupparsi nella direzione del conseguimento di bitrate molto bassi tramite algoritmi di compressione sempre più sofisticati, ma anche nella creazione di sistemi che ne garantissero la fruibilità nelle varie tipologie di connessione. Nacque così il concetto di streaming, tecnica che permette la riproduzione del video parallelamente al download e il sistema di codifica con bitrate multiplo che consente al video di adattarsi alle condizioni di bitrate. Tra i vantaggi di questo formato si può rilevare la buona qualità a bassi bitrate, sia per l audio, sia per il video. Sotto i 56Kbit/sec Real Video è una delle poche soluzioni per diffondere video a qualità accettabile. WMV: (altre estensioni WMA, WMS, WMP) Tentativo di sostituire definitivamente i formati precedenti, primo tra tutti la piattaforma Video for Windows, con aggiuntive capacità di streaming per la trasmissione sul web. Sfrutta il codec mpeg4 e pertanto risulta molto performante anche a bassi bit rate. DivX: versione modificata e open source dell MPEG-4, è un nuovo standard di compressione video che permette di avere un'alta qualità con bassi bitrate. Tali bitrate sono ridotti circa al 15% di quelli di un normale DVD. La compressione del digital-video Fissato da un consorzio di aziende nel 1994, il formato DV Digital video, riguarda un organizzazione del segnale digitale indirizzato ad un uso professionale e consumer, e definisce nel contempo alcuni parametri di videoregistrazione, tra cui il formato del nastro, stabilito in ¼ di pollice.

11 Lo standard DV ha le seguenti caratteristiche: - formato 4:1:1 o 4:2:0 - compressione M-JPEG con rapporto 5:1 - bitrate video a 25Mbps Non sempre tra apparecchiature di diverse marche c è reciproca compatibilità per la lettura delle cassette, ma l interfacciamento è sempre consentito dal segnale digitale. Esistono tre standard principali: - DV: formato di registrazione digitale utilizzato dai camcorder per uso consumer. Le cassette usate sono di ridotte dimensioni, consentono registrazioni fino a 120 minuti che diventano 180 con velocità LP (Long Play) - DVCAM: lavora su un formato di segnale 4:1:1 nel NTSC e 4:2:0 nel PAL. L audio è a 2 canali 48 khz a 16 bit, con possibilità di commutare a 4 canali 32 khz a 12 bit. Le informazioni riportate sul nastro sono di quattro tipi: Video, Audio, Subcode (con le indicazioni del timecode) e ITI (Insert Track Information, che supporta in particolare la compatibilità di lettura con i nastri consumer DV) - DVCPRO: definito anche come D-7, è compatibile con i lettori DVCAM e DV. Lavora su segnali 4:1:1 in entrambi i sistemi NTSC e PAL. I canali audio sono 2 da 48 khz a 16 bit. Il bitrate è 25Mbps. La tabella 1.1 riassume le caratteristiche dei tre standard. Standard Formato nastro (pollici/mm) DV ¼ DVCAM ¼ Formato Compressione Rapporto segnale compressione Bitrate Audio (n.canali (Mbps) /campionamento /quantizzazione) 4:1:1 2/48/16 M-JPEG 5:1 25 4:2:0 (4/32/12) Durata max cassette (90-180) 4:1:1 M-JPEG 5:1 25 2/48/ :2:0 DVCPRO ¼ 4:1:1 M-JPEG 5:1 25 2/48/ DVCPRO- 50 ¼ 4:2:2 M-JPEG 3,3:1 50 4/48/ Tab1.1 Caratteristiche formati DV, DVCAM, DVCPRO

12 L ultima riga riporta anche lo standard DVCPRO-50, simile al DVCPRO ma con un bitrate doppio e un rapporto di compressione più basso. In questa sezione non si parlerà degli altri formati digitali, come i D-n e il Digital Betacam, poiché esula dalla ricerca condotta sulla gestione dei flussi video impiegati nella televisione presa in considerazione nel capitolo 5. Principali player I principali player attualmente utilizzabili per la fruizione dei contenuti video e audio presenti su supporti multimediali sono tutti scaricabili liberamente dai siti ufficiali delle relative software houses. Permettono di decodificare il segnale compresso e forniscono delle funzioni di base, quali play, stop, avanti veloce, riavvolgimento e scalabilità della finestra. Esistono anche lettori creati da software house minori o da singoli privati che, utilizzando vari algoritmi di compressione/decompressione, hanno creato programmi che, a volte, sono riusciti ad ottenere un alto livello di popolarità. Mi soffermerò soltanto su quelli principali. Windows Media Player: è il client che Microsoft ha sviluppato per permettere agli utenti l accesso ai contenuti. La versione recente è la 9.0 ed è in grado di gestire la connessione a server di streaming e i files locali di video, compresi i DVD, e musica MP3. I formati supportati sono molti e espandibili grazie all uso di plug-ins. Viene distribuito con le versioni dei sistemi operativi Microsoft, ma può anche essere scaricato e installato separatamente. (Fig. 1.5) Fig. 1.5 Il lettore Microsoft Windows Media Player

13 Quicktime: Fin dal 1991 Apple computer ha sviluppato la tecnologia Quicktime per la produzione, elaborazione, gestione e diffusione di contenuti multimediali (audio, video, grafica, testi, animazione). La sua maturità gli permette di accedere a quasi tutti i formati grafici, audio e video, comprese tracce Macromedia Flash 7. Questo player è oggi il più diffuso al mondo. (Fig. 1.6) Fig. 1.6 Il lettore Quicktime Real One Player: ultima versione del lettore della Real. Nato come fruitore di flussi audio e ottimizzato per lo streaming, quest ultima versione si compone di tutte le funzionalità degli altri due lettori, permettendo di utilizzarlo per la visione di pressoché tutti i formati video e audio, compresi i DVD. Uno dei punti di forza è la compatibilità con il linguaggio marcatore SMIL che permette di realizzare ambienti multimediali in streaming. (Fig. 1.7) Fig. 1.7 Il lettore Real Player e il nuovo Real One Nullsoft Winamp: il lettore più utilizzato per ascoltare gli mp3 in locale, permette anche di sintonizzarsi su canali radio per ascoltare musica in streaming. Tramite la scelta del genere, è possibile collegare Winamp ai server per la gestione del flusso audio tramite la tecnologia Shoutcast. Sul 7 Macromedia FLASH rappresenta lo standard per la realizzazione di animazioni multimediali ed interattive per il Web.

14 lettore, a seconda della canzone trasmessa, verrà visualizzato titolo e autore. E da segnalare che tramite un plug-in e un applicazione che funziona da server 8, è possibile, tramite una semplice procedura, creare una propria stazione radio in streaming visualizzabile e selezionabile sul sito (Fig. 1.8) Fig Il lettore WinAmp 8 Il server è un computer che consente a tutti coloro che sono connessi ad una rete di utilizzare le risorse condivise (dati, programmi e dispositivi hardware).