Institutionen för systemteknik Department of Electrical Engineering

Transkript

1 Institutionen för systemteknik Department of Electrical Engineering Examensarbete Digital videoväxel Examensarbete utfört i bildkodning av Henrik Länger Olle Eriksson LITH-ISY-EX--04/3669--SE Linköping den 11 oktober 2004 Department of Electrical Engineering Linköpings universitet SE Linköping, Sweden Linköpings tekniska högskola Linköpings universitet Linköping

2

3 Digital videoväxel Examensarbete utfört i bildkodning vid Linköpings Tekniska högskola av Henrik Länger Olle Eriksson LITH-ISY-EX--04/3669--SE Handledare: Göran Davidsson, AerotechTelub Examinator: Robert Forchheimer, ISY Linköping den 11 oktober 2004

4

5 Avdelning, Institution Division, Department Institutionen för systemteknik LINKÖPING Datum Date Språk Language X Svenska/Swedish Engelska/English Rapporttyp Report category Licentiatavhandling X Examensarbete C-uppsats D-uppsats Övrig rapport ISBN ISRN LITH-ISY-EX--04/3669--SE Serietitel och serienummer Title of series, numbering ISSN URL för elektronisk version Titel Title Författare Author Digital videoväxel Digital video switch Henrik Länger, Olle Eriksson Sammanfattning Abstract This thesis discusses the possibilities to distribute digital video in a military vehicle. Today, an analogue system is used, which has a maximum capacity of eighteen video sources and the same number of monitors. The purpose of this thesis is to increase the systems capabilities regarding secure distribution and additional functions. Both software and hardware tests are made to investigate the features of the digital video standard MPEG-2. Both the coding delay and the image quality are of great interest. Another digital video standard, DV, is considered as an alternative to MPEG-2. Apart from different coding techniques, this work describes some distribution techniques like TCP/IP, DVB-C and USB. Nyckelord Keyword MPEG-2, PAL, DV, DVB, DVB-C, bildkodning, digital-tv, kompet

6

7 Sammanfattning Examensarbetet undersöker möjligheterna att överföra video digitalt i ett stridsfordon. Idag används ett analogt system med en maximal kapacitet på arton videokällor och lika många mottagare. Målet med arbetet är att med hjälp av digital teknik öka prestandan hos systemet i fråga om överföringssäkerhet (kryptering) och utökade funktioner (bild i bild, målföljning). Med hjälp av mjuk- och hårdvarutester utreds möjligheterna hos den digitala videostandarden MPEG-2. Stor vikt läggs på tidsfördröjningarna hos digitala system, men även på den upplevda kvaliteten hos en MPEG-2- kodad videosekvens. Digital Video, DV, behandlas också som ett alternativ till MPEG-2. Utöver de olika bildkodningsteknikerna behandlar arbetet också överföringstekniker som TCP/IP, DVB-C och USB. Det största frågetecknet är egenskaperna hos den överföringskanal som används i fordonet, ett så kallat släpringsdon, om vilket vi vet mycket lite. Rapporten avslutas med en samling lösningsförslag, vars möjligheter bör undersökas ytterligare. iii

8 iv

9 Innehåll 1 Inledning Bakgrund Den analoga videoväxeln Stridsfordon Syfte Den digitala videoväxeln Mål Teori Analog tv TV-signalen enligt PAL Bildfrekvens Signalutseende för svart-vit PAL Färg-tv Kompositsignalen Digitalisering av video Separering av luminans och krominans Sampling enligt BT MPEG Ingredienser Tre olika bildtyper DCT-transformering Kvantisering Skurlängds- och variabellängdskodning Rörelseestimering Profiler och nivåer Överföring av MPEG DV Digital Video DCT-block Skyffling av makroblock Kvantisering Variabellängdskodning Framing v

10 vi INNEHÅLL FireWire och DVTS DVB Digital Video Broadcasting Transportströmmen i DVB Dataöverföring enligt DVB-C Frekvens och kanaler Ethernet TCP/IP USB Tester Kvalitetsstudie av mjukvarukodare MPEG-2 Encoder / Decoder Kommersiell videoserver Express 6 Video Server Kommersiella videokodare Trust USB2 Audio Video Editor Terratec Cinergy 250 USB Fördröjningsstudie hos hårdvarukodare Sensoray PCI MPEG-2 Codec model Testresultat Kvalitetsstudie av mjukvarukodare Kommersiell videoserver Bildtakt Fördröjning Bildkvalitet och upplösning Kommersiella videokodare Fördröjningsstudie hos hårdvarukodare Diskussion Datainsamling Analog kompositkälla Digital källa Kodning DV MPEG Multiplexering TCP/IP DVB-C Eget format Transmission DVB-C Ethernet... 69

11 INNEHÅLL vii USB Eget format Sammanfattning av diskussionen Konstruktionsförslag DVB DVB-C USB TCP/IP över Ethernet Distribuerad DV över USB/ Om tidsfördröjningen Hårdvaruförslag Slutsats Förslag på framtida studier Digital kommunikation över släpringen Studie av MPEG

12 viii INNEHÅLL

13 Förord Författarna vill passa på att rikta sina tack till ett antal personer utan vilkas stöd och muntra tillrop vårt arbete inte skulle vara vad det är. Tack till vår examinator och handledare vid Linköpings Tekniska Högskola, Robert Forchheimer. Dessutom vill vi tacka vår handledare på AerotechTelub i Linköping, Göran Davidsson, för hjälp och stöd. Vi vill också sända en tacksamhetens tanke till Arne på samma företag för hans nyanserade inlägg i den feministiska debatten och till Mattias och Fredrik för sina lågmälda diskussioner om regeltolkningar i kubb och andra viktiga sammanhang. Till övriga på AerotechTelub vill vi, utan att behöva namnge er alla (ni vet vilka ni är), också säga tack! Tack även till våra opponenter Magnus Andersson och Kristofer Severinson för deras värdefulla synpunkter på vårt arbete. Naturligtvis förtjänar också våra flickvänner Sara och Maria stort tack för att de stått ut med oss under denna tid, samt för deras ovärdeliga insats i samband med vårt exöl. Tack, tack, tack! 1

14

15 Kapitel 1 Inledning 1.1 Bakgrund Den analoga videoväxeln AerotechTelub i Linköping (fortsättningsvis benämnt AT) har utvecklat en analog videoväxel för videoöverföring i stridsfordon. Trenden för stridsfordon är att dessa byggs mer och mer slutna. Prismor och luckor för visuell observation är av naturliga skäl sårbara punkter och man vill därför alltmer kunna förlita sig på elektroniska observationsmetoder. Fordonet är därför försett med ett antal videokameror, för både dag- och nattobservation. Dessa är placerade i olika riktningar, både på chassit och tornet. Personal, både i tornet och chassit, ska kunna se bilder från valfri kamera. För detta ändamål är videoväxeln utvecklad. Videoväxeln har sex analoga videoingångar och sex analoga videoutgångar. Vidare är det möjligt att koppla samman upp till tre videoväxlar. Detta ger en total kapacitet på arton ingångar och arton utgångar. Varje utgång kan styras att visa valfri videokälla från valfri videoväxel. Detta system kan liknas med ett analogt kabel-tv-nät med arton kanaler. En komplikation i sammanhanget är att tornet kan rotera fritt i förhållande till chassit, varför all kommunikation mellan torn och chassi är hänvisad till ett så kallat släpringsdon. Det råder hård konkurrens mellan olika system inom fordonet om förbindelsetilldelning över släpringsdonet. Därför är det intressant att göra videoöverföringen på så få fysiska förbindelser som möjligt. Tillämpningen idag är Alvis Hägglunds Stridsfordon 90. I fordonet sitter en analog videoväxel i chassit och en i tornet. Dessa är sammankopplade över en fysisk kopparförbindelse över släpringsdonet. Videokanalerna överförs modulerade på VHF- och UHF-banden mellan cirka 200 och 600 MHz. 3

16 4 KAPITEL 1. INLEDNING Stridsfordon 90 För den intresserade kan nämnas att Försvarsmaktens Stridsfordon 90 tillverkas av Alvis Hägglunds i Örnsköldsvik. Under perioden levererades 509 fordon till försvaret. För framdrivning svarar en 550 hk dieselmotor. Beväpningen är bland annat en 40 mm automatkanon och en 7,62 mm kulspruta. Fordonet väger kg och är 6,55 m långt och 3,17 m brett. Besättningen består av vagnchef, skytt och förare. Föraren sitter i chassit och vagnschefen samt skytten i tornet, som är vridbart horisonten runt. Besättningen observerar omgivningen med hjälp av luckor, periskop samt videomonitorer. Figur 1.1: Stridsfordon 90 Släpringsdonet i Stridsfordon 90 har 42 släpringar indelade i olika grupper. I den första gruppen ingår två släpringar med vardera 10 borstkontakter. Dessa används för kraftöverföring och har märkström på 600 A. Signalen från videoväxeln ligger i en grupp för sambandssignaler där släpringen utgörs av guldtråd som löper på guldpläterad mässing. Dessa har en märkström på 5 A och mätningar AT gjort visar att de är bandbegränsade till 600 MHz. En bild på släpringsdonet i genomskärning återfinns i figur Syfte Den digitala videoväxeln Den analoga videoväxeln är störkänslig. Eventuellt är den också avlyssningsbar i den händelse signalen skulle gå att uppfatta utanför fordonet.

17 1.3. MÅL 5 Figur 1.2: Släpringsdonet i Stridsfordon 90 Genom att digitalisera videosignalerna vill AerotechTelub erhålla en mer robust produkt som dessutom kan innehålla fler funktioner, exempelvis bild i bild, målföljning och kryptering. En önskan är att kunna behålla så mycket befintlig teknik som möjligt för att inte kunden ska behöva göra extra investeringar. Dessutom ska inte priset på den digitala videoväxeln skilja väsentligt från den analoga. 1.3 Mål Målet med examensarbetet är att undersöka vilka möjligheter som finns för att digitalisera och distribuera video i realtid. Olika tekniker ska jämföras ur följande perspektiv: Kostnad Hur mycket kommer det att kosta? De komponenter som ska användas i en eventuell produkt måste vara billiga, dvs kostnaden för kunden får inte bli avsevärt större än i fallet med den befintliga analoga lösningen. Kvalitet Hur påverkar digitaliseringen kvaliteten hos videosignalen? Kommer viktig information att försvinna? Små rörliga objekt kan vara livsviktig information för att personalen skall kunna lösa sin uppgift.

18 6 KAPITEL 1. INLEDNING Fördröjning Hur stor tidsfördröjning kommer digitaliseringen att innebära? Vid navigering och sikte med hjälp av en videomonitor får inte fördröjningen vara större än cirka 100 ms, motsvarande ett par bildrutor.

19 Kapitel 2 Teori 2.1 Analog tv Videokällorna som används idag är kameror som levererar en kompositsignal enligt PAL-standarden. För att ge inblick i vilken detaljrikedom och kvalitet en sådan här signal kan bära, vilket naturligtvis blir en teoretisk övre gräns för hela systemet, redogörs här för hur kompositsignalen är uppbyggd TV-signalen enligt PAL Färg-tv i större delen av Europa sänds enligt standarden PAL, Phase Alternating Lines. PAL utvecklades i dåvarande Västtyskland av Walter Bruch på då statliga Telefunken. Premiärsändningen ägde rum sommaren Tekniken är i princip densamma som använts för svartvit television i USA och Europa sedan 30-talet. Den nu gällande standarden heter ITU-R BT.470. ITU-R är radiokommunikationsdelen av standardiseringsorganet ITU, internationella teleunionen, som är en del av FN. Ibland refereras felaktigt till standarden som CCIR. CCIR, Comité Consultatif International des Radiocommunications, ärdet äldre namnet på organisationen, som senare blev ITU-R. I större delen av Europa, bland annat i Sverige, används en variant av PAL som heter PAL-B/G. Det finns flera andra varianter. I fortsättningen är det underförstått att med PAL menas ITU-R BT.470 PAL-B/G. Tekniken bygger på katodstråleröret (eng. cathode ray tube, CRT) och dess egenskaper. Elektronstrålen i en tv ritar bilden genom att svepa från vänster till höger över bilden i linjer. Linjerna ritas uppifrån och ned och bygger på så sätt en hel bild bestående av 575 linjer 1. Svepet åstadkoms 1 Själva signalen innehåller 625 linjer, eller tidsluckor. Av dessa benämns 575 aktiva och ritas på skärmen. 7

20 8 KAPITEL 2. TEORI genom att elektronstrålen avlänkas med horisontella och vertikala magnetfält. Samtidigt som elektronstrålen sveper över bilden varierar man dess intensitet. På bildskärmens insida sitter fosfor som efterlyser när strålen passerat över det. Se figur 2.1. Efterlysningens styrka står i proportion till elektronstrålens intensitet. Genom att låta denna bestämmas av en insignal kan bilder återskapas på bildrutan. Katod Flourocerande lager Kolskikt (Anod) Avlänkande spolar Bildrör Figur 2.1: Katodstrålerörets princip En annan tillämpning av katodstråleröret är oscilloskopet. Här är oftast intensiteten hos elektronstrålen konstant och man låter istället insignalen styra avlänkningen Bildfrekvens En PAL-signal överför 25 bilder per sekund. Det vill säga en ny bild presenteras var 40 ms. Fosforns efterlysning har sitt maximum omedelbart efter att elektronstrålen svept över den och börjar sedan mattas. Om tv-bilden endast uppdaterades när det finns en ny bild att visa skulle detta ge upphov till ett irriterande 25 Hz flimmer. För att undvika detta används halvbildsteknik (eng. interlace) vilket ger en upplevd uppdateringsfrekvens om 50 Hz. Denna frekvens ligger för högt för att betraktaren ska hinna uppfatta flimret. Signalen överför två halvbilder istället för en helbild varje 40 ms. Första halvbilden ritar alla udda linjer på skärmen. Därefter ritar andra halvbilden alla jämna linjer, som passas in mellan de udda. Tekniken kallas även radsprång, som kommer av att varannan rad hoppas över vid varje radbyte. Ett exempel på hur en helbild byggs upp av två halvbilder visas i figur 2.2. Som jämförelse kan nämnas att 35 mm biofilm enligt internationell standard innehåller 24 bilder per sekund. Flimmerproblematiken löses då genom att varje bild visas två gånger och på så vis ges en upplevd bildfrekvens om 48 Hz. Notera dock att detta endast gäller vår förmåga att

21 2.1. ANALOG TV 9 Figur 2.2: Ett exempel på radsprångstekniken. Två halvbilder bygger upp en helbild. I detta fall har motivet (vänsterfoten), som följd av en panorering, förskjutits mellan de två halvbilderna, varför bilden upplevs oskarp (randig). upptäcka flimmer. Gränsen för när vi upplever bilden som rörlig utan ryckighet ligger betydligt lägre, runt 16 bilder per sekund. Att uppdatera hela bilden på en gång utan radsprång, så som på bio eller på en dataskärm, kallas progressiv visning. Att det blev just bildfrekvensen 25 Hz, eller halvbildsfrekvensen 50 Hz, kommer från det europeiska elnätet som har en periodicitet på 50 Hz. Man hade tänkt sig att detta var ett bra sätt att undvika störningar från elnätet, och också ett smidigt sätt att ha en bra referensfrekvens. Man skall komma ihåg att detta är en gammal teknik, som har funnits och fungerat långt innan vår digitala tidsålder. Idag hade det knappast funnits anledning att i informationssignalen kompensera för brister i presentationsutrustningen. I Nordamerika, där elnätets frekvens är 60 Hz, används en standard som heter NTSC efter det amerikanska standardiseringsorganet National Television Standards Committee. Inom ITU-T heter standarden BT.470 M/NTSC. Här uppdateras bilden 30 gånger per sekund 2. I gengäld har NTSC bara 525 linjer i signalen, varav cirka 480 aktiva. Detta ger i stort sett samma tid per linje, det vill säga samma bandbredd, som PAL. Vilket som är bäst av PAL och NTSC är därför till största delen en filosofisk fråga. Dock är PAL något bättre på färgåtergivning, vilket vi skall se. I Frankrike utvecklades, parallellt med PAL, ett system som heter SE- CAM 3. Tekniskt är det mest likt, fast inkompatibelt med, PAL. Det utvecklades inte av praktiska, utan av politiska, skäl för att markera Frankrikes 2 Egentligen närmare 29,97 Hz, en avvikelse vars bakgrund inte utreds här. 3 Sequential Couleur Avec Mémoire, även BT.470 L/SECAM

22 10 KAPITEL 2. TEORI oberoende och för att skydda franska tillverkare från billiga utländska tvapparater. Detta var en taktik som visat sig fungera då en tv-apparat i Frankrike under lång tid varit markant dyrare än i resten av världen. SE- CAM används, förutom i Frankrike, i en egen variant i de forna östländerna. Där var syftet att skydda konsumenterna från utländska tv-program. Att biofilm, europeisk, fransk och amerikansk tv alla är inkompatibla med varandra ställer naturligtvis till problem när video skall överföras mellan formaten. Detta kommer dock inte utredas närmare här. I fortsättningen diskuteras endast den europeiska standarden, PAL Signalutseende för svart-vit PAL Då färg-tv är en påbyggnad av svart-vit tv diskuteras först principerna för den svart-vita tv-signalen. tv-signalen delas in i tidsluckor per sekund. Varje tidslucka är 64 µs och representerar en linje. Det vill säga 625 linjer visas 25 gånger per sekund eller 312,5 linjer 50 gånger per sekund. Tidsluckan, eller linjen, består av 12 µs synkronisering och 52 µs information. Amplitudmässigt finns tre referensnivåer. Synknivå (eng. synchronizing level), svartnivå (eng. blanking level) och vitnivå (eng. peak whitelevel). Dessa förhåller sig till varandra som 0 till 3 till 10. Elektriskt representeras normalt synknivå av 0 V, svartnivå av 0,3 V och vitnivå av 1,0 V. Linjesynkronisering Synkroniseringsfasen inleds med 1,5 µs svart, därefter sänds en synkpuls med 4,7 µs synknivå varefter signalen återgår till svart. 10,5 µs efter synkpulsens flank, det vill säga 12 µs in i tidsluckan, börjar bildfasen som pågår under 52 µs. Under denna fas ligger signalen hela tiden mellan svartnivå och vitnivå. Svartnivå är det som ger en mörk färg på tv-skärmen och vitnivå ger en ljus. Alla nivåer av gråskalor återfinns däremellan. Signalen är bandbegränsad till 5 MHz, vilket ger att under bildfasen kan maximalt 52µs 5MHz 2 = 520 växlingar mellan svart- och vitnivå göras. Detta utgör den övre gränsen för upplösning i horistontalled. Av tv-bildens 625 linjer används endast, som tidigare nämnts, 575 till aktiv bildvisning. Den kritiske granskaren har säkert redan reflekterat över att vare sig 625 eller 575 är delbart på två. Faktiskt är det så att varje halvbild består av 287,5 aktiva bildlinjer. Delbildssynkronisering För att mottagaren skall veta var varje bild och halvbild börjar finns en delbildssynk mellan varje halvbild. Delbildssynken (eng. field blanking interval) består av 25 linjeperioder. De 2,5 första av dessa är de sista på före-

23 2.1. ANALOG TV 11 gående halvbild. Varje halvbild inleds följdaktligen med 22,5 linjeperioder synkronisering. Det bör noteras att under hela synkroniseringsfasen, och under hela övriga bilden också, sänds linjesynk enligt ovan först under varje linje. Linjesynken upphör alltså aldrig, utan sänds regelbundet var 64 µs. Vid övergång mellan första och andra delbilden ligger synkperioderna i fas med linjerna, och vid övergång mellan andra och första delbild ligger de i motfas. På så sätt vet mottagaren vilken delbild som följer. Första delbilden inleds med 5 linjeperioder innehållande synkroniseringspulser. Dessa sammanfaller med linjerna 1 5. Med linjenummer avses den kronologiska ordningen i vilken bilden sänds. Linje 1 är bildens och första halvbildens första linje. Linje 625 är bildens och andra halvbildens sista linje. Halvbildsskiftet sker mitt i linje 313. Linjerna 6 22 är lediga och används normalt för överföring av annan information så som text-tv, Macrovision 4 eller Closed Captioning 5. Dessa standarder utreds inte närmare här. Aktiv bild Den aktiva bilden börjar med andra halvan av linje 23. Denna ritas överst och med början i mitten av tv-skärmen. Alla linjer ritas från vänster till höger. Därefter ritas samtliga följande linjer fram till och med linje 310. Då har 287,5 linjer ritats. Linjerna 311 till halva 318 innehåller synkpulser för andra halvbilden. Den aktiva delen av andra halvbilden börjar med linje 336. Andra halvbildens aktiva linjer ritas mellan första halvbildens linjer, i tur och ordning uppifrån och ned på skärmen. Linje 336 ritas mellan linje 23 (som endast var halv) och linje 24. Därefter följer aktiva linjer fram till linje 623 varav endast den första halvan ritas. Detta är bildens lägsta linje och ligger under linje 310. På så sätt ritas 575 linjer, eller egentligen 574 och två halva Färg-tv Hittills har endast den svart-vita signalen, eller luminansen, diskuterats. I det nedanstående diskuteras hur man påför färginformation, benämnd krominans, för att bygga en komplett färgsignal. Denna kallas kompositsignal (eng. composite). En färgbild representeras av röda, gröna och blå bildelement. Dessa tre färger kallas primärfärger och är valda för att stimulera var och en av våra tre typer av färgkänsliga tappar på näthinnan. Det vi upplever som en bra färgbild på tv eller en datorskärm är alltså en mycket grov förenkling, direkt anpassad för vår fysiologi. För alla som 4 System för kopieringsskydd utvecklat av Macrovision Corp. 5 Standard för textning av tv-program, vanlig i Nordamerika.

24 12 KAPITEL 2. TEORI inte har ögon konstruerade som våra ser bilden troligtvis mycket felaktig ut. Detta ligger egentligen inte inom ramen för rapporten, men det är ändå intressant att nämna. Redan i inspelningsögonblicket sker den kanske grövsta komprimeringen under hela processen. Ett bildrör för färg är uppbyggt med tre elektronkanoner och tre typer av fosforelement för vardera primärfärg. Mellan kanonerna och fosforelementen finns masker som är konstruerade så att varje kanon bara ser sina fosforelement. Två krav vid utvecklingen av färg-tv var att dels behålla bakåtkompatibiliteten mot svart-vit tv, och dels att inte öka bandbredden. En till synes omöjlig uppgift. Lösningen åstadkoms genom två steg. Först görs ett basbyte av färgkomponenterna. Färgerna delas upp i en luminansdel (ljusstyrka) och en krominansdel (färg). Sedan blandas krominansen in i luminansens frekvensområde. Luminans Luminansens sammansättning bestämdes empiriskt genom att låta försökspersoner subjektivt avgöra vilken blandning av färgkomponenter som gav den bästa svartvita bilden. Luminansen definieras som det viktade medelvärdet av färgprimärerna enligt E Y = 0, 299E R +0, 587E G +0, 114E B (2.1) Där E R, E G, E B är mätvärden för rött, grönt och blått och normaliserat till {0...1}. Luminanssignalen sänds som den svartvita signalen enligt På så sätt erhålls bakåtkompatibiliteten och en svart-vit tv kan tillgodogöra sig endast luminanssignalen. Krominans Krominansen består av två komponenter blåkrominans (E U ) och rödkrominans (E V ). Dessa definieras som den skalade differensen mellan blått respektive rött och luminansen. E U = 0, 493(E B E Y ) (2.2) E V = 0, 877(E R E Y ) (2.3) Grönkrominans förekommer inte eftersom denna kan bestämmas analytiskt givet luminans och blå- och rödkrominans. Vad som nu gjorts är helt enkelt ett basbyte från en primärfärgsvektor, (E R E G E B ) T till en luminans/krominans-vektor (E Y E U E V ) T. Poängen, förutom att erhålla bakåtkompatibilitet, är att färginformationen kan komprimeras mycket hårdare än ljusinformationen. Ögats egenskaper gör

25 2.1. ANALOG TV 13 att en lägre detaljrikedom inom färginformationen inte upptäcks lika lätt som inom ljusinformationen. Människan är helt enkelt känsligare för ljus och mörker än för färg. E U och E V, som från början håller samma bandbredd som luminansen (E Y ), 5 MHz, lågpassfiltreras därför till 1 MHz. Modulering av krominanssignalen Krominansen modulerar en färgbärvåg enligt E C = E U sin 2πf SC t ± E V cos 2πf SC t (2.4) = EU 2 + E2 E U ±E V sin 2πf SC t + V cos 2πf SC t EU 2 + E2 V EU 2 + E2 V = EU 2 + E2 V sin (2πf SCt + α) (2.5) där sin α = E U E 2 U + E2 V och cos α = ±E V EU 2 + E2 V Krominansen fas- och amplitudmodulerar alltså en färgbärvåg med frekvensen f SC. Hela färginformationen överförs då på en bärvågsfrekvens där fasen bär information om nyans (eng. hue) och amplituden mättnaden (eng. saturation). Fasen hos rödkrominansen växlar med varje linje. (Därav tecknet ± ovan.) Vid visningen medelvärdesbildar tv-mottagaren krominansvärdet för varje linje med föregående linje. Visserligen sker då i praktiken en lågpassfiltrering av krominansen i vertikalled, men det anses ha mindre betydelse. Signalen är ju ändå lågpassfiltrerad till 1 MHz (cirka 100 bildelement) i horisontalled. Vinsten däremot, är en mycket stor okänslighet mot systematiska fasfel. På grund av fasskiftet ger ett visst fasfel avvikelse i olika riktningar på två på varandra följande linjer. Vid medelvärdesbildningen tar felen ut varandra. Det här är ett centralt koncept i PAL-definitionen, och också det som gett PAL dess namn, Phase Alternating Lines, eller på svenska, fas-växlande linjer. Upphovet är problemet NTSC har med att hantera fasförvrängningar av krominansinformationen. En liten fasförskjutning kan ge upphov till att en helt annan färg än den avsedda visas. 6 Detta är också anledningen till att tv-apparater för NTSC är försedda med en liten trimratt för krominansfasläget, kallad tint. 6 Det är därför NTSC ibland lite spydigt kallas Never Twice the Same Color.

26 14 KAPITEL 2. TEORI Färgbärvågsfrekvensen är fastställd till f SC = ( ) f H (2.6) = , 75 Hz (2.7) Där f H är linjesvepfrekvensen, Hz. Faktorn gör att färgbärvågen släpar efter med en kvarts våg per rad och faktorn gör så att den jobbar ikapp en period under en hel sida. Bägge dessa faktorer är valda för att ge minimal interferens med luminanssignalen. Färgsynkronisering För att mottagaren skall kunna tolka fas och amplitud i färgsignalen rätt måste den ha kännedom om en referens. Denna överförs 7,1 µs in i synkroniseringsfasen och består av tio perioder, 2,25 µs, krominansbärvåg med topp-topp-värde motsvarande 3 7 av skillnaden mellan luminanssignalens svart- och vitnivå, normalt 0,3 V. Färgsynken kallas även färgburst (eng. burst). Fasläget hos färgsynken ligger 135 förskjutet från E U -axeln och har samma tecken som E V -axeln. Intressant är att här notera att fasläget hos färgsynken, som också är det färgområde som ges bäst precision i främst äldre helt analoga tv-apparater, ligger mitt i det orange området. Här återfinns nämligen de färger som representerar hud. Det har empiriskt visat sig att vi är mycket känsliga för felaktigt representerad hudfärg, som exempelvis drar sig mot blått eller grönt. Färgsynkens fasläge har valts med detta i åtanke Kompositsignalen Luminans och krominans kombineras till en signal, kompositsignalen. E M = E Y + E C (2.8) Det är kompositsignalen vi menar när vi dagligt tal pratar om en PALsignal. Kompositsignalen kallas även CVBS som står för Composite Video with Blanking and Sync. Vid tv-utsändning i det analoga marknätet adderas ljudinformation på två ytterligare underbärvågor för ljud varefter signalen får modulera en högfrekvent bärvåg för utsändning. Då vi uteslutande arbetar med PALsignaler i basband fördjupar vi oss inte i vare sig ljud eller högfrekvensmodulering här.

27 2.2. DIGITALISERING AV VIDEO Digitalisering av video Innan tv-signalen kan hanteras av digital utrustning måste den samplas och kvantiseras. De standarder som föreskriver hur digitaliseringen skall gå till heter ITU-R BT.601 och BT.656. BT.601 behandlar samplingsfrekvens och kvantisering medan BT.656 behandlar multiplexering och gränssnitt. Dessa standarder utgår dock från luminans- och krominanssignalerna som separata signaler. Hur det skall gå till att separera kompositsignal till komponentsignaler är alltså inte standardiserat. Det visar sig att denna process inte är trivial, och aldrig ideal Separering av luminans och krominans I kompositsignalen är luminans och krominans blandade i samma signal. I frekvensplanet sträcker sig luminans från DC-komponent till cirka 5 MHz. Krominansen ligger centrerad kring sin bärvåg på 4,43 MHz 7 och återfinns mellan ungefär 3 och 6 MHz beroende på färgdynamiken i bilden. Innan digitalisering kan göras måste luminans- och krominanskomponenterna separeras. Det finns flera metoder, av varierande komplexitet, att göra detta på. Ingen metod ger perfekt resultat. Att man gjort det så här krångligt för sig beror, som nämnts tidigare, på kravet att färg-tv-signalen inte fick ta upp mer bandbredd än den äldre svart-vita. Därför blandades färginformationen in i den befintliga signalen. Två metoder för separering kommer ytligt behandlas här. Bandpassfiltrering Den mest grovhuggna och rättframma metoden är att använda en kombination av låg- och högpassfilter. Man bestämmer helt enkelt att all information under en viss gränsfrekvens är luminans och resten krominans. Eftersom överensstämmelsen med verkligheten är låg är nackdelarna uppenbara. Luminansen blir starkt lidande. tv-bildens upplösning i horisontalled är direkt kopplad till luminansens bandbredd. Om exempelvis bandbredden halveras, halveras även horisontalupplösningen. De ursprungliga 520 bildelementen per linje vid 5 MHz sjunker till storleksordningen 300 bildelement vid 3 MHz. Det är vad som händer i det här fallet eftersom alla högfrekventa komponenter försvinner ur luminanssignalen. Krominansen blir kanske ännu mer lidande då den uppblandas med stor mängd luminansinformation. Det är därför spökfärger, vandrande regnbågsmönster, otydliga färgövergångar och motsvarande uppträder. Sammanfattningsvis är en sådan lågpass/högpass-filtrering inte en bra metod. 7 Egentligen ,75 Hz, se

28 16 KAPITEL 2. TEORI En annan variant är att använda en kombination av bandpass- och bandspärrfilter. Ett område kring 4,43 MHz filtreras bort. Detta bestäms vara krominans, och återstoden luminans. Den omvända situationen erhålls då, där mycket krominansdata återfinns i luminansen. Så länge färgen är konstant ligger krominansen nära 4,43 MHz och blandas inte med luminansen. Men vid skarpa horisontella färgövergångar, när krominansen avviker från sin bärfrekvens, får man ett fenomen med vertikala mörka och ljusa streck precis intill färgövergången. Det är krominanssignalen som syns som luminans. Ett annat problem är att luminansinformation i en omgivning av 4,43 MHz helt enkelt saknas. Det kan exempelvis ge effekten att vid en utzoomning från ett spjälstaket eller en randig slips försvinner mönstret vid ett visst avstånd, skiftar i regnbågsmönster, för att därefter återkomma. Krominansen däremot, utsätts i detta fall för en stark bandbegränsning. Från ursprungliga cirka 100 färgövergångar vid 1 MHz sjunker färgupplösningen till kanske hälften. Det gör att skarpa färgövergångar, som i exempelvis tecknad film, blir diffusa och otydliga. Dessa metoder, med enbart passiva filter, hör tv:s barndom till. Senare generationer använder sig av fördröjningskretsar för att titta på flera rader samtidigt. 2- och 3-linjes kamfilter På två temporalt efterföljande linjer ligger krominansbärvågen 90 förskjuten. Dessutom är E V -komponenterna i motfas. Studeras däremot två linjer med temporalt avstånd två är E V -komponenterna i fas samtidigt som hela färgbärvågen ligger i motfas. Om dessa två linjer är relativt lika, vilket de ofta är, ger deras summa och differens skattningar av luminans respektive krominans. Adderas signalerna släcker krominanserna, som ju ligger i motfas, ut varandra och en dubbel luminans erhålls. På samma sätt erhålls en dubbel krominans när signalerna subtraheras. Är linjerna likadana är metoden ideal. Är de det inte det uppkommer defekter i bilden. Exempelvis ger skarpa vertikala färgövergångar upphov till en spökfärg under två linjer i övergången. Likaså blir tunna horisontella eller diagonala linjer suddiga i kanterna. Bilden har helt enkelt lågpassfiltrerats i vertikalled. Nästa nivå är att jobba med tre linjer som viktas. Om linjerna viktas n ± 2 med vardera 1/4 och den aktuella linjen, n, med 1/2 kommer man lite längre. Vid skarpa vertikala övergångar kommer fel linje aldrig att påverka resultatet mer än med 1/4. En annan teknik är logik som undersöker flera linjer samtidigt och väljer ut de som är mest lika enligt någon modell. Denna klass kallas adaptiva kamfilter. Namnet kamfilter kommer av att fördröjningskretsen ger upp-

29 2.2. DIGITALISERING AV VIDEO 17 hov till att filtrets impulssvar ser ut som en kam. Filret filtrerar smala band på jämna avstånd från mittfrekvensen. En variant av 3-linjesfiltret är att titta på linjerna omedelbart före och efter den man är intresserad av. Deras bärvågor ligger ±90 förskjutna från linjen emellan, men 180 från varandra. Krominansen skattas för dessa två, E U och E V separeras, varefter E V fasvändes och en ny bärvåg i rätt fas moduleras. Denna användes som skattning för krominansen hos den sökta linjen. Differensen mellan linjen och den skattade krominansen används som skattning av luminansen. På så sätt har vi ett filter som endast lågpassfiltrerar krominans. Det finns många varianter av så kallade kamfilter, där de mer avancerade analyserar många linjer, separerade i både temporal- och spatialled, skattar rörelse och kanter för kunna göra så bra gissningar som möjligt. Tanken är inte att göra en fullständig analys av kamfilter här utan att endast belysa svårigheterna som finns. Inget filter gör en fullständig filtrering. Det finns alltid lite krominansinformation kvar i luminansen eller vice versa. Detta syns på tv dagligen, där det vanligaste exemplet är felaktigheter som uppstår på tätt randade slipsar eller andra kläder. Dock finns en liten räddningsplanka kvar i standarden. Den observante noterade säkert krominansbärvågens avdrift med en period per bild. Denna faktor finns till för att när luminans/krominans-artefakter uppstår skall de vandra över bilden för att ögat lättare skall filtrera bort dem. Avdriften är 25 Hz, vilket med en bärvåg på 4,43 MHz ger en vandringsfart på en hel bildbredd per cirka 9 sekunder. Sammanfattningsvis kan sägas att man i det längsta bör undvika att sammanblanda luminans och krominans. Så långt det är möjligt bör komponentsignaler användas. Då hanteras R,G,B-signalerna (eller Y,U,V) helt separerade. Till nöds kan även de facto-standarden Super-VHS (SVHS eller S-video) användas. Där moduleras U och V samman till krominanssignalen C men hålls fortfarande åtskild från Y. Komponentsignal har tre fysiska ledare, Super-VHS har två och kompositsignal en. Med risk för att bli tjatig, följande kan inte nog emfaseras. Så fort luminans och krominans sammanblandats till komposit kan dessa aldrig fullständigt separeras Sampling enligt BT.601 Efter kamfiltrering återfinns E Y, E U och E V som tre separata tidssignaler. Digitaliseringen görs därefter i följande steg. 1. Normalisering 2. Sampling 3. Subsampling av krominans

30 18 KAPITEL 2. TEORI 4. Kvantisering 5. Multiplexering Normalisering Samtliga signaler skall översättas till Y-U-V och normaliseras till ett topptill-topp värde på 1 volt. Detta görs lite olika beroende på vad som utgås från. Med färgprimärsignalerna (R-G-B) användes definitionen av luminans E Y = 0, 299E R +0, 587E G +0, 114E B och därefter bildas differenssignalerna E R E Y och E B E Y som normaliseras. Vid komposit- eller SVHS-källa är topp-till-topp-värden för krominasen (se 2.1.4) E U = ±0, 493 0, 886 ±0, 437 E V = ±0, 887 0, 701 ±0, 615 Luminansen normaliseras till 0 1 V och krominanskomponenterna till ±0, 5 V. Sampling Signalerna samplas med en sampelfrekvens f S =13, 5 MHz. Under en linjeperiod (64 µs) erhålls 864 sampel per signal och linje eller totalt 40,5 miljoner sampel per sekund. Upplösningen är normalt tio bitar. Standarden ger dock utrymme även för nio och åtta bitar. Detta ger ett rådataflöde på maximalt 405 Mbit/s för en videokälla. Subsampling av krominans Krominanssamplen representerar en signal som oftast är eller skall lågpassfiltreras. Normalt är att redan i samplingsskedet subsampla denna för att minska dataflödet. Notationen för att ange nivå av krominanssubsampling är a:b:c. Detta kan utläsas ungefär: I två på varandra följande rader finns b respektive c krominanssampel för varje a luminanssampel. De vanligaste subsamplingarna är 4:4:4, 4:2:2 och 4:2:0. I ord är dessa i tur och ordning ingen subsampling, subsampling till halva datamängden i horisontalled och subsampling till halva datamängden i både horisontaloch vertikalled. Se figur 2.3. Tyvärr är betydelsen av detta skrivsätt inte helt entydig. Ursprungligen syftade talen på samlingsfrekvens för respektive signalkomponent där 4 är

31 2.2. DIGITALISERING AV VIDEO 19 full samplingsfrekvens, eller 13,5 MHz. Exempelvis 4:2:0 skulle då betyda att den ena krominanskomponenten helt förkastas vilket självklart inte är fallet. Betydelsen har helt enkelt förskjutits till en mer spatial innebörd, och skrivsättet har förlorat sin exakthet[19]. 4:4:4 4:2:2 4:2:0 Figur 2.3: Krominanssubsamplingar Kvadraterna representerar sampelställen, prickarna luminanssampel och de skuggade cirklarna krominanssampel. Krominanssamplen skall sammanfalla spatialt med varandra och med ett luminanssampel. Ingen medelvärdesbildning sker alltså, ej heller sparas respektive krominansvärde (rött och blått) varannan gång. Antingen sparas både röd- och blåkrominans eller så förkastas båda. Formatet 4:2:2 är vanligast i professionella sammanhang. Pratas det om broadcast-kvalitet är det denna som avses. Denna representerar bäst en analog tv-signal där krominansen ändå är lågpassfiltrerad men full upplösning bevaras i vertikalled. Formatet 4:2:0 används i DVD 8 och DVB 9 -sammanhang. Man har resonerat att den minskade färgupplösningen i vertikalled inte är värre än den man ändå gör i horisontalled. Skall signalen senare kamfiltreras kommer ändå sammanblandning av krominanslinjerna ske. Dessutom ger denna subsampling bekvämt upphov till två krominansblock och fyra luminansblock per makroblock under MPEG-kodningen. Detta utreds närmare i avsnittet om MPEG-2, se Digital Versatile Disc 9 Digital Video Broadcasting, se 2.5.

32 20 KAPITEL 2. TEORI Kvantisering Luminansen kvantiseras likformigt till 220 nivåer vid åtta bitars upplösning. Luminansvärdet representeras av en byte enligt Y = 219E Y +16 (2.9) Alltså en byte inom intervallet Krominanssamplen kvantiseras likformigt till 225 nivåer enligt C = 224E C (2.10) Intervallet blir med nollnivå vid 128. Anledningen att knappt 90% av bytens värdemängd används är att tillåta viss överstyrning av signalen samt att orden 00 hex och FF hex reserveras för synkroniseringsändamål. Om nio eller tio bitars upplösning används bär dessa information efter en tänkt binärpunkt, det vill säga bit nio är värd 1/2 och bit tio 1/4. Vid åtta bitars upplösning är vi nere i 216 Mbit/s vid subsampling enligt 4:2:2 och 162 Mbit/s vid 4:2:0. Multiplexering Multiplexering och transmission av den digitala signalen defineras i standarden ITU-R BT.656. Standarden förutsätter krominanssubsampling enligt 4:2:2 vilket motsvaras av en datatakt på 270 Mbit/s vid 10 bitars upplösning. Luminans och krominans multiplexeras enligt: C B,Y,C R,Y,C B,Y,C R,Y,C B,... där varannat Y-sampel spatialt sammanfaller med föregående C B -sampel och efterföljande C R -sampel. Varannat Y-sampel saknar krominanssampel. Standarden definierar både ett parallellt gränssnitt på 8 10 bitar och ett seriellt gränssnitt med 10 bitars upplösning. I det senare görs signalen om något för att göras polaritetsfri och spekralt utjämnad. En videoström enligt ovan kallas ibland en CCIR656-ström efter ITU s föregångare CCIR. Ibland förekommer också namnen D1 för 8-bitarsvarianten och D5 för tio bitar. Dessa namn kommer efter namnen på de bandspelare Sony utvecklat för att spela in respektive ström. Av 864 sampelpunkter per rad representerar endast 720 aktiv video. Egentligen upptar den aktiva delen av linjen endast 13,5 MHz 52 µs = 702 sampel. Man har valt att ändå behålla 720 för att denna linjelängd används vid sampling av NTSC och det är då smidigare att konvertera mellan formaten. Dessutom är 720 en jämn multipel av 16 vilket visar sig ha betydelse under MPEG-kodningen.

33 2.2. DIGITALISERING AV VIDEO 21 De resterande 144 sampeln infaller under synkroniseringsfasen. Då analog synkronisering inte är särskilt intressant ur ett digitalt perspektiv kan dessa istället användas att bära nyttodata av olika slag. Fyra sampel åtgår för digital synkronisering, två för att markera slut på en rad och två för att markera början. Här finns också information om bildbörjan respektive bildslut och om det är första eller andra halvbild som visas. Då återstår 140 sampelpunkter, eller 280 ord vid 4:2:2-sampling för användardata. Exempel på användardata är tidssynkronisering, markörer för redigeringsändamål och ljud. Det är också så att endast 576 av bildens linjer innehåller aktiv video. Det finns en variant av gränssnittet där endast aktiva sampelpunkter under aktiva rader (samt viss synkronisering) överförs. Vid 8 bitars upplösning representerar det en datatakt på knappt 170 Mbit/s. För att sammanfatta; Full upplösning för en PAL-signal i digitala sammanhang är 720x576 pixel med 25 bilder per sekund. Krominansen är i allmänhet subsamplad. Okomprimerad digital video ger dataströmmar på i storleksordningen 200 Mbit/s.

34 22 KAPITEL 2. TEORI 2.3 MPEG-2 MPEG, Moving Pictures Experts Group, har utvecklat flera standarder för representation av rörliga bilder och ljud, MPEG-1, -2 och -4. MPEG-2 är den standard som används i DVD- och DVB-sammanhang och som kommer att presenteras närmare i det följande. Det formella namnet på videokodning enligt MPEG-2 är ITU-T H.262[7] eller ISO/IEC Ljudbehandlingen kommer att utelämnas, då den saknar betydelse i detta arbete Ingredienser Receptet för att komprimera video enligt MPEG-2 innehåller några huvudingredienser: DCT-transformering Kvantisering Skurlängds- och variabellängdskodning Rörelseestimering Standarden styr endast hur resultaten från de olika delarna ska representeras och tolkas, inte hur de genereras. Detta innebär att resultaten från två olika kodare inte behöver vara identiska i fråga om upplevd kvalitet olika krav på snabbhet och bildkvalitet ställer olika krav på de ingående algoritmerna. Standarden är så generell att arbetet med en speciell standard för HDTV (High Definition Television), MPEG-3 11, avbröts och vävdes in i MPEG Tre olika bildtyper Tre olika typer av bilder används i MPEG-2: I-, B- och P-bilder. I-bilderna tar endast hänsyn till spatial korrelation, medan B- och P-bilderna även utnyttjar den temporala korrelationen. I-bilder I-bilder (eng. intra coded, I-frames) kodas utan referenser till andra bilder och kodningen liknar i flera avseenden JPEG-kodning. 10 Standarden ingår i både standardiseringsorganen ISO och ITU 11 Ett vanligt missförstånd är att det populära ljudformatet MP3 skulle syfta på MPEG-3. MP3 står för MPEG-1 layer III som är den tredje och mest avancerade nivån av ljudkodning inom MPEG-1.

35 2.3. MPEG-2 23 Eftersom, som nedan kommer att beskrivas, P- och B-bilder använder sig av rörelseestimering och återanvänder gammal information, behövs I-bilderna för att förhindra felfortplantning. Dessutom måste P- och B-bilderna ha en bild att utgå från. Den bilden är I-bilden originalet. P-bilder P-bilderna (eng. predicive coded, P-frames) använder sig av rörelseestimering från föregående bild (I eller P) för att öka kompressionsgraden eftersom kontinuerliga bildsekvenser innehåller mycket liknande information i närliggande bilder. Genom att estimera förflyttningen mellan två bilder räcker det i princip att flytta bildblock till nya platser för att erhålla den nya bilden. Rörelseestimering är beräkningstungt, men ger ökad kompression. Kompressionsgraden hos en P-bild är generellt väsentligt högre än hos en I-bild. B-bilder B-bilderna (eng. bi-directionally predictive coded, B-frames) använder både tidigare och senare bilder för rörelseestimeringen för att ta hänsyn till snabba scenförändringar som exempelvis uppkommer vid klipp i en videosekvens. Det faktum att B-bilderna använder sig av efterföljande bilder ger upphov till fördröjningar, eftersom bilden inte kan återskapas förrän de bilder som den skapades av kommit till avkodaren. Detta gör att B-bilder är olämpliga vid realtidsöverföring där så liten fördröjning som möjligt önskas. Group of Pictures GOP De olika bildtyperna sätts samman till en GOP (eng. Group of Pictures) som innehåller minst en I-bild. En GOP kan exempelvis vara av strukturen {I,B,B,P,B,B,P,B,B,P,B,B,I} eller {I, P, P, P, P}. Vilken struktur en GOP ska ha avgörs av tillämpningen. En avkodare behöver utgå från en I-bild för att kunna använda P- och B-bilder, vilket innebär att avståndet mellan I-bilderna påverkar hur lång tid betraktaren får vänta innan den första bilden visas vid uppstart eller efter kanalbyte. I figur 2.4 visas en GOP och bildernas inbördes beroende DCT-transformering Den diskreta cosinustransformen (DCT) har fått sitt namn av att de N N elementen i transformmatrisen erhålls som funktioner av cosinus.

36 24 KAPITEL 2. TEORI I B B P B B P B B I Figur 2.4: En GOP-struktur med bildernas beroende inritade. P-bilderna predikteras från föregående I- eller P-bild, medan B-bilderna dessutom använder sig av efterföljande I- eller P-bild. 1 C ij = N i =0, j =0, 1,...,N 1 2 N (2j+1)iπ cos 2N i =1, 2,...,N 1, j =0, 1,...,N 1 (2.11) Transformeringen sker genom X = CxC T, där x är det ursprungliga bildblocket och C transformmatrisen. Raderna i en transformmatris med N =8visas i figur 2.5. Variationen (frekvensen) i raderna ökar med stigande radnummer. Rad 1 Rad 5 Rad 2 Rad 6 Rad 3 Rad 7 Rad 4 Rad 8 Figur 2.5: Raderna i transformmatrisen C De yttre produkterna mellan raderna genererar basmatriserna B i figur 2.6. Basmatris B ij erhålls av den yttre produkten mellan rad i och j i C,

37 2.3. MPEG-2 25 dvs B ij = C i T C j. Lägg märke till att frekvensen i basmatriserna ökar med stigande i och j. Figur 2.6: Basmatriserna B ij för en 8 8-DCT DCT-transformeringen är ett basbyte där bilden byggs upp som en linjärkombination av basmatriserna. Koefficienterna i linjärkombinationen är det resultat som erhålls av transformeringen. Ett typiskt bildblock på 8 8 pixlar visas i figur 2.7(a) och resultatet efter DCT-transformeringen åskådliggörs i 2.7(b). Lägg märke till att koefficienterna motsvarande höga frekvenser är betydligt mindre än de som motsvarar låga frekvenser. Detta tas hänsyn till i den följande kodningen Kvantisering Vid kvantiseringen tas hänsyn till att det mänskliga ögat är mer känsligt för avvikelser i det låga frekvensområdet än i det höga. Hos intrablock kvantiseras därför DC-komponenten 12 och de låga frekvenserna lite, medan hårdare kvantisering används för de högre frekvenskomponenterna. I figur 2.7(d) visas resultatet efter kvantisering av DCT-koefficienterna och i 2.7(c) visas den efter inverstransformering resulterande bilden. Det är vid jämförelse med originalblocket i figur 2.7(a) lätt att inse att kvantiseringen av DCT-koefficienterna inte förstör så mycket de två bildblocken 12 Förkortningarna DC och AC används ofta inom signalbehandling trots att det inte alltid handlar om elektricitet. DC motsvarar likströmskomponenten och AC övriga komponenter.

38 26 KAPITEL 2. TEORI (a) (b) (c) (d) Figur 2.7: Ett typiskt bildblock om 8 8 pixlar visas i 2.7(a) och den tillhörande DCT-transformen i 2.7(b). Ett kvantiserat transformblock visas i 2.7(d) och det inverstransformerade resultatet i 2.7(c). är ganska lika varandra trots kvantiseringen. Vid 4:2:0-sampling används två kvantiseringsmatriser, en för intrablock (I-bilder) och en för icke intrablock (B- och P-bilder). Kvantiseringsmatrisen är, enkelt uttryckt, ett mått på kvantiseringen för olika komponenter. Ju större värde i en viss position, desto hårdare kvantiseras motsvarande komponent. I tabell 2.1 visas de två matriserna. Vid 4:2:2 och 4:4:4-sampling används ytterligare två matriser för krominansblocken. Det är också möjligt att sända över användardefinierade kvantiseringsmatriser. Utöver kvantiseringsmatriserna används en skalfaktor som reglerar datatakt och kvalitet. Skalfaktorn kan ändras på makroblocksnivå och kan således ändras ofta för att kontrollera datatakten. Det finns två olika intervall för skalfaktorn ett linjärt som sträcker sig mellan 2 och 62 och ett olinjärt mellan 1 och 112. Inverskvantisering Vid återskapandet av DCT-koefficienterna som kommer in till avkodaren använder vi oss av följande beteckningar:

39 2.3. MPEG Tabell 2.1: Vänster: Kvantiseringsmatrisen för intrablock vid 4:2:0- sampling. Höger: Kvantiseringsmatrisen för icke intrablock vid 4:2:0- sampling. QF [v][u] låter vi vara de inkommande kvantiserade värdena. W [w][v][u] får representera värdena i viktningsmatrisen, där w styr vilken av de fyra matriserna som ska användas. Viktningsmatriserna är vad vi på kodarsidan kallar för kvantiseringsmatriser, men byter här namn för att bättre beskriva hur de används på avkodarsidan. S betecknar skalfaktorn som används för att reglera bittakten. Med dessa betecknigar beräknar vi F [v][u] enligt: där F [v][u] = (2 QF [v][u]+m) W [w][v][u] S 32 { 0 intrablock m = icke intrablock QF [v][u] QF [v][u] (2.12) (2.13) Undantaget ovan är fallet med DC-komponenten i ett intrablock som återskapas enligt: F [0][0] = QF [0][0] k (2.14) där k {1, 2, 4, 8} och beror av den vid kvantiseringen valda precisionen. En möjlig kvantiserare Hur kvantiseringen ska genomföras finns inte specificerat i standarden, men givet inverskvantiseringen kan en möjlig kvantiserare arbeta enligt följande: Om vi låter F [v][u] vara DCT-koefficienterna, W [v][u] steglängden hämtad ur kvantiseringsmatrisen och S skalfaktorn så kvantiseras AC-koefficienterna i ett intrablock enligt