วัตถุประสงค์ของโครงการ H.264/AVC คือการสร้างมาตรฐานที่สามารถให้คุณภาพวิดีโอที่ดีด้วยอัตราบิตที่ต่ำกว่ามาตรฐานเดิมมาก (เช่น ครึ่งหนึ่งของอัตราบิตของ MPEG-2, H.263 หรือ MPEG- หรือ มากกว่า). ต่ำ). 4 ส่วนที่ 2) โดยไม่เพิ่มความซับซ้อนของการออกแบบเพื่อให้ใช้งานไม่ได้หรือแพงเกินไป อีกเป้าหมายหนึ่งคือการให้ความยืดหยุ่นเพียงพอในการทำให้มาตรฐานสามารถนำไปใช้กับแอพพลิเคชั่นต่างๆ บนเครือข่ายและระบบต่างๆ รวมถึงอัตราบิตต่ำและสูง วิดีโอความละเอียดต่ำและสูง การออกอากาศ พื้นที่จัดเก็บดีวีดี เครือข่าย RTP/IP Packet และ ITU-T ระบบโทรศัพท์มัลติมีเดีย มาตรฐาน H.264 ถือได้ว่าเป็น "ตระกูลมาตรฐาน" ที่ประกอบด้วยไฟล์การกำหนดค่าต่างๆ มากมาย ตัวถอดรหัสเฉพาะจะถอดรหัสโปรไฟล์อย่างน้อยหนึ่งโปรไฟล์ แต่ไม่จำเป็นต้องทั้งหมด ข้อมูลจำเพาะของตัวถอดรหัสจะอธิบายว่าไฟล์การกำหนดค่าใดที่สามารถถอดรหัสได้ โดยปกติแล้ว H.264 จะใช้สำหรับการบีบอัดแบบสูญเสียข้อมูล แม้ว่าจะสามารถสร้างขอบเขตการเข้ารหัสแบบไม่สูญเสียอย่างแท้จริงในภาพที่เข้ารหัสแบบสูญเสียข้อมูล หรือเพื่อรองรับกรณีการใช้งานที่หายากซึ่งการเข้ารหัสทั้งหมดไม่มีการสูญเสีย
H.264 ได้รับการพัฒนาโดย ITU-T Video Coding Expert Group (VCEG) ร่วมกับกลุ่มผู้เชี่ยวชาญด้านภาพเคลื่อนไหว ISO/IEC JTC1 (MPEG) ความร่วมมือของโครงการนี้เรียกว่าทีมวิดีโอร่วม (JVT) มาตรฐาน ITU-T H.264 และมาตรฐาน ISO/IEC MPEG-4 AVC (อย่างเป็นทางการคือ ISO/IEC 14496-10-MPEG-4 ตอนที่ 10, Advanced Video Coding) จึงมีเนื้อหาทางเทคนิคเหมือนกัน การร่างมาตรฐานฉบับพิมพ์ครั้งแรกฉบับสุดท้ายเสร็จสมบูรณ์ในเดือนพฤษภาคม พ.ศ. 2003 และมีการเพิ่มฟังก์ชันต่างๆ ของมาตรฐานฉบับต่อไปในฉบับต่อๆ ไป High Efficiency Video Coding (HEVC) ได้แก่ H.265 และ MPEG-H Part 2 เป็นผู้สืบทอดของ H.264/MPEG-4 AVC ที่พัฒนาโดยองค์กรเดียวกัน และมาตรฐานก่อนหน้านี้ยังคงใช้กันโดยทั่วไป
H.264 ที่มีชื่อเสียงที่สุดน่าจะเป็นหนึ่งในมาตรฐานการเข้ารหัสวิดีโอสำหรับแผ่นดิสก์ Blu-ray; เครื่องเล่นดิสก์ Blu-ray ทั้งหมดต้องสามารถถอดรหัส H.264 ได้ นอกจากนี้ยังใช้กันอย่างแพร่หลายโดยการสตรีมทรัพยากรทางอินเทอร์เน็ต เช่น วิดีโอจาก Vimeo, YouTube และ iTunes Store ซอฟต์แวร์เครือข่าย เช่น Adobe Flash Player และ Microsoft Silverlight และการออกอากาศ HDTV ต่างๆ บนพื้นดิน (ATSC, ISDB-T, DVB)- T หรือ DVB-T2), เคเบิล (DVB-C) และดาวเทียม (DVB-S และ DVB-S2)
H.264 ได้รับการคุ้มครองโดยสิทธิบัตรที่เป็นของทุกฝ่าย ใบอนุญาตที่ครอบคลุมสิทธิบัตรส่วนใหญ่ (แต่ไม่ทั้งหมด) ที่จำเป็นสำหรับ H.264 ได้รับการจัดการโดยกลุ่มสิทธิบัตร MPEG LA 3 การใช้เทคโนโลยี H.264 ที่จดสิทธิบัตรในเชิงพาณิชย์จำเป็นต้องชำระค่าลิขสิทธิ์ให้กับ MPEG LA และเจ้าของสิทธิบัตรรายอื่นๆ MPEG LA อนุญาตให้ใช้เทคโนโลยี H.264 ได้ฟรี เพื่อให้ผู้ใช้ปลายทางได้รับวิดีโอทางอินเทอร์เน็ตแบบสตรีมฟรี และ Cisco Systems จ่ายค่าลิขสิทธิ์ให้กับ MPEG LA ในนามของผู้ใช้ไฟล์ไบนารีตัวเข้ารหัส H.264 แบบโอเพนซอร์ส
1. การตั้งชื่อ
ชื่อ H.264 เป็นไปตามหลักการตั้งชื่อ ITU-T ซึ่งเป็นสมาชิกของมาตรฐานการเข้ารหัสวิดีโอ VCEG ซีรีส์ H.26x ชื่อ MPEG-4 AVC เกี่ยวข้องกับหลักการตั้งชื่อใน ISO/IEC MPEG โดยที่มาตรฐานคือ ISO/IEC 14496 Part 10, ISO/IEC 14496 คือชุดมาตรฐานที่เรียกว่า MPEG-4 มาตรฐานดังกล่าวได้รับการพัฒนาร่วมกันโดยความร่วมมือระหว่าง VCEG และ MPEG และโครงการ VCEG ที่เรียกว่า H.26L ได้ดำเนินการใน ITU-T ก่อนหน้านี้ ดังนั้น ชื่อต่างๆ เช่น H.264/AVC, AVC/H.264, H.264/MPEG-4AVC หรือ MPEG-4/H.264 AVC มักใช้เพื่ออ้างถึงมาตรฐานเพื่อเน้นย้ำถึงมรดกร่วมกัน บางครั้งเรียกอีกอย่างว่า "ตัวแปลงสัญญาณ JVT" หมายถึงองค์กรร่วมทีมวิดีโอ (JVT) ที่พัฒนาขึ้น (การเป็นหุ้นส่วนประเภทนี้และการตั้งชื่อหลายชื่อไม่ใช่เรื่องแปลก ตัวอย่างเช่น มาตรฐานการบีบอัดวิดีโอที่เรียกว่า MPEG-2 ก็มาจากความร่วมมือระหว่าง MPEG และ ITU-T โดยที่ชุมชน ITU-T เรียกวิดีโอ MPEG-2 ว่า H. 262) โปรแกรมซอฟต์แวร์บางโปรแกรม (เช่น VLC media player) ระบุภายในมาตรฐานนี้เป็น AVC4
2 ประวัติความเป็นมา
ในตอนต้นของปี 1998 กลุ่มผู้เชี่ยวชาญการเข้ารหัสวิดีโอ (VCEG-ITU-T SG16 Q.6) ได้เรียกร้องให้มีข้อเสนอสำหรับโครงการที่เรียกว่า H.26L โดยมีเป้าหมายเพื่อเพิ่มประสิทธิภาพการเข้ารหัสเป็นสองเท่า (ซึ่งหมายความว่าบิตเรตที่ต้องการ ลดลงครึ่งหนึ่ง) ระดับความเที่ยงตรงที่กำหนดเมื่อเทียบกับมาตรฐานการเข้ารหัสวิดีโออื่นๆ ที่มีอยู่ซึ่งใช้สำหรับแอปพลิเคชันต่างๆ VCEG เป็นประธานโดย Gary Sullivan (Microsoft, เดิมชื่อ PictureTel, USA) การออกแบบร่างฉบับแรกของมาตรฐานใหม่นี้ถูกนำมาใช้ในเดือนสิงหาคม 1999 ในปี 2000 Thomas Wiegand (สถาบัน Heinrich Hertz ประเทศเยอรมนี) กลายเป็นประธานร่วมของ VCEG
ในเดือนธันวาคม 2001 VCEG และกลุ่มผู้เชี่ยวชาญด้านภาพเคลื่อนไหว (MPEG-ISO / IEC JTC 1 / SC 29 / WG 11) ได้จัดตั้งกลุ่มวิดีโอร่วม (JVT) และกฎบัตรได้สรุปมาตรฐานการเข้ารหัสวิดีโอ [5] ข้อกำหนดนี้ได้รับการอนุมัติอย่างเป็นทางการในเดือนมีนาคม 2003 JVT มี Gary Sullivan, Thomas Wiegand และ Ajay Luthra เป็นประธาน (Motorola, USA: ภายหลัง Arris, USA) ในเดือนมิถุนายน 2004 โครงการ Fidelity Scope Extension (FRExt) ได้รับการสรุปผล ตั้งแต่มกราคม 2005 ถึงพฤศจิกายน 2007 JVT กำลังทำงานเพื่อขยาย H.264/AVC ไปสู่ความสามารถในการปรับขนาดผ่านไฟล์แนบ (G) ที่เรียกว่า Scalable Video Coding (SVC) ทีมผู้บริหาร JVT ได้รับการขยายโดย Jens-Rainer Ohm (มหาวิทยาลัย Aachen ประเทศเยอรมนี) ตั้งแต่เดือนกรกฎาคม 2006 ถึงพฤศจิกายน 2009 JVT ได้เปิดตัว Multi-Video Video Coding (MVC) ซึ่งเป็นส่วนขยายของ H.264/AVC ไปยังทีวีดูฟรีและทีวี 3 มิติ งานนี้รวมถึงการพัฒนาสองโปรไฟล์มาตรฐานใหม่: Multiview High Profile และ Stereo High Profile
การกำหนดมาตรฐานของ H.264/AVC เวอร์ชันแรกเสร็จสมบูรณ์ในเดือนพฤษภาคม 2003 ในโครงการแรกเพื่อขยายมาตรฐานเดิม ต่อมา JVT ได้พัฒนาสิ่งที่เรียกว่า Fidelity Range Extensions (FRExt) ส่วนขยายเหล่านี้ให้การเข้ารหัสวิดีโอคุณภาพสูงขึ้นโดยสนับสนุนความแม่นยำของความลึกบิตการสุ่มตัวอย่างที่สูงขึ้นและข้อมูลสีที่มีความละเอียดสูงกว่า ซึ่งรวมถึงสิ่งที่เรียกว่า Y'CbCr 4:2:2 (= YUV 4:2:2) และการสุ่มตัวอย่าง Y 'CbCr 4:4 โครงสร้าง: 4. โปรเจ็กต์ Fidelity Range Extensions ยังมีฟังก์ชันอื่นๆ เช่น การสลับแบบปรับได้ระหว่างการแปลงจำนวนเต็ม 4 × 4 และ 8 × 8 เมทริกซ์การถ่วงน้ำหนักตามปริมาณตามการรับรู้ที่ระบุโดยตัวเข้ารหัส การเข้ารหัสแบบไม่สูญเสียข้อมูลที่มีประสิทธิภาพระหว่างรูปภาพ และการสนับสนุนเพิ่มเติม ช่องว่างสี งานออกแบบส่วนขยาย Fidelity Range Extensions เสร็จสมบูรณ์ในเดือนกรกฎาคม 2004 และงานร่างเสร็จสมบูรณ์ในเดือนกันยายน 2004
การขยายมาตรฐานเพิ่มเติมเมื่อเร็วๆ นี้รวมถึงการเพิ่มโปรไฟล์ใหม่อีกห้าโปรไฟล์ [ซึ่ง? ] ส่วนใหญ่ใช้สำหรับแอปพลิเคชันระดับมืออาชีพ เพิ่มการสนับสนุนพื้นที่สีที่ขยายออกไป กำหนดตัวบ่งชี้อัตราส่วนภาพเพิ่มเติม กำหนด "ข้อมูลการเพิ่มประสิทธิภาพเพิ่มเติม" อีกสองประเภท (คำแนะนำหลังตัวกรองและการจับคู่โทนสี) และการยกเลิกไฟล์การกำหนดค่า FRExt ก่อนหน้า หนึ่ง (สูง โปรไฟล์ 4:4:4) ข้อเสนอแนะของอุตสาหกรรม [โดยใคร? ] คำแนะนำควรได้รับการออกแบบให้แตกต่างออกไป
คุณสมบัติหลักถัดไปที่เพิ่มเข้ามาในมาตรฐานคือ Scalable Video Coding (SVC) มีการกำหนดไว้ในภาคผนวก G ของ H.264/AVC ว่า SVC อนุญาตให้สร้างบิตสตรีมที่มีบิตสตรีมย่อยที่สอดคล้องกับมาตรฐาน รวมถึงบิตสตรีมดังกล่าวที่เรียกว่า "เลเยอร์ฐาน" ซึ่งสามารถถอดรหัสได้โดย H.264/ ตัวแปลงสัญญาณ AVC ที่รองรับ SVC สำหรับความสามารถในการปรับขนาดบิตสตรีมชั่วคราว (กล่าวคือ มีบิตสตรีมย่อยที่มีอัตราการสุ่มตัวอย่างชั่วคราวน้อยกว่าบิตสตรีมหลัก) หน่วยการเข้าถึงที่สมบูรณ์จะถูกลบออกจากบิตสตรีมเมื่อได้รับบิตสตรีมย่อย ในกรณีนี้ ไวยากรณ์ระดับสูงและรูปภาพอ้างอิงการทำนายระหว่างกันในบิตสตรีมจะถูกสร้างขึ้นตามลำดับ ในทางกลับกัน สำหรับความสามารถในการปรับขนาดบิตสตรีมเชิงพื้นที่และคุณภาพ (เช่น มีบิตสตรีมย่อยที่มีความละเอียด/คุณภาพเชิงพื้นที่ต่ำกว่าบิตสตรีมหลัก) ให้ลบ NAL ออกจากบิตสตรีมเมื่อรับบิตสตรีมย่อย (เลเยอร์ที่เป็นนามธรรมของเครือข่าย) . ในกรณีนี้ การทำนายระหว่างชั้น (เช่น การทำนายสัญญาณความละเอียด/คุณภาพเชิงพื้นที่ที่สูงขึ้นจากข้อมูลของสัญญาณความละเอียด/คุณภาพเชิงพื้นที่ที่ต่ำกว่า) โดยทั่วไปจะใช้สำหรับการเข้ารหัสที่มีประสิทธิภาพ ส่วนขยายการเข้ารหัสวิดีโอที่ปรับขนาดได้เสร็จสมบูรณ์ในเดือนพฤศจิกายน 2007
คุณสมบัติหลักถัดไปที่เพิ่มเข้ามาในมาตรฐานคือ Multi-View Video Coding (MVC) ระบุไว้ในภาคผนวก H ของ H.264/AVC ว่า MVC เปิดใช้งานการสร้างบิตสตรีมที่แสดงฉากวิดีโอมากกว่าหนึ่งมุมมอง ตัวอย่างที่สำคัญของคุณลักษณะนี้คือการเข้ารหัสวิดีโอสามมิติแบบสามมิติ สองโปรไฟล์ได้รับการพัฒนาในงาน MVC: Multiview High Profile รองรับการดูจำนวนเท่าใดก็ได้ และ Stereo High Profile ได้รับการออกแบบมาเป็นพิเศษสำหรับวิดีโอสเตอริโอสองมุมมอง ส่วนขยายการเข้ารหัสวิดีโอ Multiview เสร็จสมบูรณ์ในเดือนพฤศจิกายน 3
3 ใบสมัคร
รูปแบบวิดีโอ H.264 มีแอปพลิเคชันที่หลากหลาย ครอบคลุมทุกรูปแบบของวิดีโอบีบอัดแบบดิจิทัลตั้งแต่แอปพลิเคชันการสตรีมอินเทอร์เน็ตอัตราบิตต่ำไปจนถึงการออกอากาศ HDTV และแอปพลิเคชันภาพยนตร์ดิจิทัลที่เข้ารหัสโดยไม่สูญเสียข้อมูล โดยใช้ H.264 เมื่อเทียบกับ MPEG-2 ตอนที่ 2 อัตราบิตสามารถบันทึกได้ 50% หรือมากกว่า ตัวอย่างเช่น มีรายงานว่าคุณภาพของทีวีดาวเทียมดิจิทัลที่จัดทำโดย H.264 นั้นเหมือนกับการใช้งาน MPEG-2 ในปัจจุบัน โดยมีอัตราบิตน้อยกว่าครึ่งหนึ่ง อัตราการใช้งานปัจจุบันของ MPEG-2 อยู่ที่ประมาณ 3.5 Mbit/s ในขณะที่ H.264 อยู่ที่ 1.5 Mbit เท่านั้น /s. [23] Sony อ้างว่าโหมดบันทึก AVC 9 Mbit/s เทียบเท่ากับคุณภาพของภาพในรูปแบบ HDV ซึ่งใช้ประมาณ 18-25 Mbit/s
เพื่อให้มั่นใจในความเข้ากันได้ของ H.264/AVC และการนำไปใช้โดยปราศจากปัญหา องค์กรมาตรฐานหลายแห่งได้แก้ไขหรือเพิ่มมาตรฐานที่เกี่ยวข้องกับวิดีโอเพื่อให้ผู้ใช้มาตรฐานเหล่านี้สามารถใช้ H.264/AVC ได้ ทั้งรูปแบบ Blu-ray Disc และรูปแบบ HD DVD ที่เลิกใช้ไปแล้วในขณะนี้ ใช้โปรไฟล์สูง H.264 / AVC เป็นหนึ่งในสามรูปแบบการบีบอัดวิดีโอที่จำเป็น โครงการแพร่ภาพวิดีโอดิจิทัล (DVB) อนุมัติการใช้ H.264/AVC สำหรับการออกอากาศทางโทรทัศน์เมื่อปลายปี 2004
คณะกรรมการระบบโทรทัศน์ขั้นสูงของอเมริกา (ATSC) ได้อนุมัติ H.264/AVC สำหรับการออกอากาศทางโทรทัศน์ในเดือนกรกฎาคม 2008 แม้ว่ามาตรฐานดังกล่าวจะยังไม่ถูกนำมาใช้สำหรับการออกอากาศ ATSC แบบตายตัวในสหรัฐอเมริกา [25] [26] นอกจากนี้ยังได้รับการอนุมัติสำหรับมาตรฐาน ATSC-M/H (มือถือ/มือถือ) ล่าสุด โดยใช้ชิ้นส่วน AVC และ SVC ของ H.264
ตลาดกล้องวงจรปิด (โทรทัศน์วงจรปิด) และกล้องวงจรปิดได้รวมเทคโนโลยีนี้ไว้ในผลิตภัณฑ์มากมาย กล้อง DSLR ทั่วไปจำนวนมากใช้วิดีโอ H.264 ที่อยู่ในคอนเทนเนอร์ QuickTime MOV เป็นรูปแบบการบันทึกดั้งเดิม
4. รูปแบบที่ได้รับ
AVCHD เป็นรูปแบบการบันทึกความละเอียดสูงที่ออกแบบโดย Sony และ Panasonic โดยใช้ H.264 (สอดคล้องกับ H.264 พร้อมเพิ่มฟังก์ชันและข้อจำกัดเฉพาะแอปพลิเคชันอื่นๆ)
AVC-Intra คือรูปแบบการบีบอัดข้อมูลภายในเฟรมที่พัฒนาโดย Panasonic
XAVC เป็นรูปแบบการบันทึกที่ออกแบบโดย Sony และใช้ระดับ 5.2 ของ H.264/MPEG-4 AVC ซึ่งเป็นระดับสูงสุดที่มาตรฐานวิดีโอนี้รองรับ [28] [29] XAVC สามารถรองรับความละเอียด 4K (4096×2160 และ 3840×2160) ด้วยความเร็วสูงสุด 60 เฟรมต่อวินาที (fps) [28] [29] Sony ประกาศว่ากล้องที่เปิดใช้งาน XAVC ประกอบด้วยกล้อง CineAlta สองตัว ได้แก่ Sony PMW-F55 และ Sony PMW-F5 [30] Sony PMW-F55 สามารถบันทึก XAVC ได้ ความละเอียด 4K คือ 30 fps ความเร็ว 300 Mbit/s ความละเอียด 2K 30 fps 100 Mbit/s [31] XAVC สามารถบันทึกความละเอียด 4K ที่ 60 fps และทำการสุ่มตัวอย่างโครมาแบบ 4:2:2 ที่ 600 Mbit/s
5 คุณลักษณะเด่น
แผนภาพบล็อกของ H.264
H.264 / AVC / MPEG-4 ตอนที่ 10 มีคุณสมบัติใหม่มากมายที่ช่วยให้บีบอัดวิดีโอได้อย่างมีประสิทธิภาพมากกว่ามาตรฐานเดิม และให้ความยืดหยุ่นมากขึ้นสำหรับแอปพลิเคชันในสภาพแวดล้อมเครือข่ายต่างๆ โดยเฉพาะอย่างยิ่ง หน้าที่หลักบางอย่างเหล่านี้ได้แก่:
1) การทำนายภาพระหว่างภาพหลายภาพมีคุณสมบัติดังต่อไปนี้:
ใช้รูปภาพที่เข้ารหัสก่อนหน้านี้เป็นข้อมูลอ้างอิงในรูปแบบที่ยืดหยุ่นกว่ามาตรฐานก่อนหน้า ทำให้สามารถใช้กรอบอ้างอิงได้ถึง 16 เฟรม (หรือฟิลด์อ้างอิง 32 ฟิลด์ในกรณีของการเข้ารหัสแบบอินเทอร์เลซ) ในบางกรณี ในโปรไฟล์ที่สนับสนุนเฟรมที่ไม่ใช่ IDR ระดับส่วนใหญ่ระบุว่าควรมีการบัฟเฟอร์เพียงพอที่จะอนุญาตเฟรมอ้างอิงอย่างน้อย 4 หรือ 5 เฟรมที่ความละเอียดสูงสุด ซึ่งตรงกันข้ามกับมาตรฐานที่มีอยู่ ซึ่งมักจะมีขีดจำกัด 1; หรือในกรณีของ "ภาพ B" แบบดั้งเดิม (เฟรม B) สองภาพ คุณสมบัติพิเศษนี้มักจะช่วยให้มีการปรับปรุงเล็กน้อยในด้านอัตราบิตและคุณภาพในสถานการณ์ส่วนใหญ่ [ต้องการการอ้างอิง] แต่ในฉากบางประเภท เช่น ฉากที่มีการกระทำซ้ำๆ หรือการสลับฉากไปมาหรือพื้นที่พื้นหลังที่ไม่ได้ปิดบัง จะช่วยลดอัตราบิตลงได้อย่างมากในขณะที่ยังคงความชัดเจน
การชดเชยการเคลื่อนที่ของขนาดบล็อกแบบแปรผัน (VBSMC) ขนาดบล็อกคือ 16 × 16 ซึ่งเล็กเพียง 4 × 4 ซึ่งสามารถรับรู้การแบ่งส่วนที่แม่นยำของพื้นที่เคลื่อนที่ได้ ขนาดบล็อกการทำนาย luma ที่รองรับ ได้แก่ 16×16, 16×8, 8×16, 8×8, 8×4, 4×8 และ 4×4 ซึ่งหลายขนาดสามารถใช้ร่วมกันในบล็อกมาโครเดียว ตามการสุ่มตัวอย่างย่อยของโครมาที่ใช้ ขนาดบล็อกการทำนายสีจะเล็กลงตามลำดับ
ในกรณีของมาโครบล็อก B ที่ประกอบด้วยพาร์ติชั่นขนาด 16×4 จำนวน 4 พาร์ติชั่น มาโครบล็อคแต่ละตัวสามารถใช้เวกเตอร์การเคลื่อนไหวได้หลายตัว (หนึ่งหรือสองอันสำหรับแต่ละพาร์ติชั่น) สูงสุด 32 ภาพเวกเตอร์การเคลื่อนที่ของแต่ละพื้นที่พาร์ติชั่นขนาด 8×8 ขึ้นไปสามารถชี้ได้ ไปเป็นภาพอ้างอิงอื่น
สามารถใช้มาโครบล็อกประเภทใดก็ได้ใน B-frame รวมถึง I-macroblock ส่งผลให้การเข้ารหัสมีประสิทธิภาพมากขึ้นเมื่อใช้ B-frames ลักษณะนี้สามารถเห็นได้จาก MPEG-4 ASP
การกรองแบบแตะหกครั้งใช้เพื่อให้ได้ตัวอย่างการคาดคะเนตัวอย่างความส่องสว่างครึ่งพิกเซลเพื่อการชดเชยการเคลื่อนที่ของพิกเซลย่อยที่ชัดเจนยิ่งขึ้น การเคลื่อนที่ของพิกเซลหนึ่งส่วนสี่นั้นมาจากการแก้ไขเชิงเส้นของค่าครึ่งสีเพื่อประหยัดพลังงานในการประมวลผล
ความแม่นยำในสี่พิกเซลที่ใช้สำหรับการชดเชยการเคลื่อนไหวสามารถอธิบายการกระจัดของพื้นที่เคลื่อนที่ได้อย่างแม่นยำ สำหรับ Chroma ความละเอียดจะลดลงครึ่งหนึ่งในแนวตั้งและแนวนอน (ดู 4:2:0) ดังนั้นการชดเชยการเคลื่อนไหวของ Chroma จะใช้หน่วยตารางพิกเซลสีหนึ่งในแปด
การคาดคะเนแบบถ่วงน้ำหนักช่วยให้ตัวเข้ารหัสสามารถระบุการใช้มาตราส่วนและออฟเซ็ตเมื่อทำการชดเชยการเคลื่อนไหว และให้ข้อได้เปรียบด้านประสิทธิภาพที่สำคัญในสถานการณ์พิเศษ เช่น เฟดอินและเฟดออก เฟดอินและเฟดอินและเฟดอินและเฟดเอาตการเปลี่ยนภาพ ซึ่งรวมถึงการคาดการณ์แบบถ่วงน้ำหนักโดยนัยของเฟรม B และการคาดคะเนแบบถ่วงน้ำหนักอย่างชัดเจนของเฟรม P
การคาดคะเนเชิงพื้นที่สำหรับขอบของบล็อกที่อยู่ติดกันสำหรับการเข้ารหัส "ภายใน" แทนที่จะเป็นการคาดการณ์ "DC" ที่พบใน MPEG-2 ตอนที่ 2 และการทำนายค่าสัมประสิทธิ์การแปลงใน H.263v2 และ MPEG-4 ตอนที่ 2:
ซึ่งรวมถึงขนาดบล็อกการทำนาย luma ที่ 16×16, 8×8 และ 4×4 (ซึ่งสามารถใช้ได้เพียงประเภทเดียวเท่านั้นในแต่ละมาโครบล็อก)
2) ฟังก์ชันการเข้ารหัสมาโครบล็อกแบบไม่สูญเสียข้อมูล ได้แก่:
"PCM macroblock" แบบไม่สูญเสียแสดงถึงโหมดซึ่งแสดงตัวอย่างข้อมูลวิดีโอโดยตรง [34] ช่วยให้แสดงพื้นที่เฉพาะได้อย่างสมบูรณ์แบบ และอนุญาตให้จำกัดปริมาณข้อมูลที่เข้ารหัสสำหรับมาโครบล็อกแต่ละรายการอย่างเข้มงวด
โหมดการแสดง Macroblock แบบไม่สูญเสียที่ปรับปรุงแล้วช่วยให้สามารถแสดงพื้นที่เฉพาะได้อย่างสมบูรณ์แบบ ในขณะที่โดยทั่วไปใช้บิตน้อยกว่าโหมด PCM มาก
ฟังก์ชันการเข้ารหัสวิดีโอแบบอินเทอร์เลซที่ยืดหยุ่น ได้แก่:
การเข้ารหัส Macroblock adaptive frame-field (MBAFF) ใช้โครงสร้างคู่ของ macroblock สำหรับภาพที่เข้ารหัสเป็นเฟรม อนุญาตให้มาโครบล็อกขนาด 16 × 16 ในโหมดฟิลด์ (เทียบกับ MPEG-2 ซึ่งการประมวลผลโหมดฟิลด์จะดำเนินการในภาพ ส่งผลให้มีการประมวลผลกึ่งมาโครบล็อกขนาด 16×8)
Image adaptive frame and field coding (PAFF หรือ PicAFF) อนุญาตให้ผสมและเข้ารหัสรูปภาพที่เลือกได้อย่างอิสระเป็นเฟรมที่สมบูรณ์ โดยที่ทั้งสองฟิลด์จะรวมกันเพื่อเข้ารหัสหรือเป็นฟิลด์เดียว
คุณสมบัติการออกแบบการแปลงใหม่ ได้แก่ :
การแปลงบล็อกเชิงพื้นที่จำนวนเต็ม 4 × 4 ที่ตรงกัน ทำให้สามารถจัดตำแหน่งสัญญาณตกค้างได้อย่างแม่นยำ แทบไม่มี "เสียงเรียกเข้า" ทั่วไปในการออกแบบตัวแปลงสัญญาณก่อนหน้า การออกแบบนี้คล้ายกับแนวคิดในการแปลงโคไซน์แบบไม่ต่อเนื่อง (DCT) ที่รู้จักกันดีซึ่งเปิดตัวในปี 1974 โดย N. Ahmed, T. Natarajan และ KR Rao และเป็นข้อมูลอ้างอิง 1 ในการแปลงโคไซน์แบบไม่ต่อเนื่อง อย่างไรก็ตาม มีความเรียบง่ายและให้การถอดรหัสที่ระบุอย่างแม่นยำ
จับคู่การแปลงบล็อกเชิงพื้นที่จำนวนเต็ม 8 × 8 ได้อย่างแม่นยำ ช่วยให้บีบอัดพื้นที่ที่มีความสัมพันธ์สูงได้อย่างมีประสิทธิภาพมากกว่าการแปลง 4 × 4 การออกแบบมีความคล้ายคลึงกันในแนวคิดกับ DCT ที่รู้จักกันดี แต่มีความเรียบง่ายและจัดเตรียมไว้เพื่อให้ถอดรหัสได้อย่างแม่นยำ
การเลือกตัวเข้ารหัสแบบปรับได้ระหว่างขนาดบล็อกการแปลง 4×4 และ 8×8 สำหรับการดำเนินการแปลงจำนวนเต็ม
การแปลง Hadamard ทุติยภูมิจะดำเนินการบนสัมประสิทธิ์ "DC" ของการแปลงสเปซหลักที่ใช้กับค่าสัมประสิทธิ์ chrominance DC (และในกรณีพิเศษรวมถึงความส่องสว่างด้วย) เพื่อให้ได้การบีบอัดที่มากขึ้นในบริเวณที่ราบเรียบ
3) การออกแบบเชิงปริมาณประกอบด้วย:
การควบคุมขนาดขั้นตอนแบบลอการิทึม การจัดการอัตราบิตที่ง่ายกว่า และการปรับสเกลเชิงปริมาณผกผันที่ง่ายขึ้นผ่านตัวเข้ารหัส
เมทริกซ์การปรับสเกลการควอนไทซ์ที่กำหนดความถี่ซึ่งเลือกโดยตัวเข้ารหัสนั้นใช้สำหรับการปรับให้เหมาะสมเชิงปริมาณตามการรับรู้
ตัวกรองการดีบล็อกแบบวนซ้ำช่วยป้องกันเอฟเฟ็กต์การบล็อกที่พบได้ทั่วไปในเทคโนโลยีการบีบอัดภาพแบบ DCT อื่นๆ เพื่อให้ได้รูปลักษณ์และประสิทธิภาพการบีบอัดข้อมูลที่ดีขึ้น
4) การออกแบบการเข้ารหัสเอนโทรปีรวมถึง:
Context-adaptive binary arithmetic coding (CABAC) ซึ่งเป็นอัลกอริทึมสำหรับการบีบอัดองค์ประกอบทางไวยากรณ์แบบไม่สูญเสียข้อมูลในสตรีมวิดีโอที่ทราบความน่าจะเป็นขององค์ประกอบทางไวยากรณ์ในบริบทที่กำหนด CABAC บีบอัดข้อมูลอย่างมีประสิทธิภาพมากกว่า CAVLC แต่ต้องใช้การประมวลผลมากกว่าในการถอดรหัส
Context Adaptive Variable Length Coding (CAVLC) ซึ่งเป็นทางเลือกที่มีความซับซ้อนต่ำกว่า CABAC ที่ใช้ในการเข้ารหัสค่าสัมประสิทธิ์การแปลงเชิงปริมาณ แม้ว่าความซับซ้อนจะต่ำกว่า CABAC แต่ CAVLC ก็ได้รับการขัดเกลาและมีประสิทธิภาพมากกว่าวิธีที่ใช้กันทั่วไปในการเข้ารหัสสัมประสิทธิ์ในการออกแบบอื่นๆ ที่มีอยู่
เทคนิคการเข้ารหัสความยาวผันแปร (VLC) ที่ง่ายและมีโครงสร้างสูงทั่วไปที่ใช้สำหรับองค์ประกอบไวยากรณ์จำนวนมากที่ไม่ได้เข้ารหัสโดย CABAC หรือ CAVLC เรียกว่า Exponential Golomb coding (หรือ Exp-Golomb)
5) ฟังก์ชั่นการกู้คืนการสูญเสียรวมถึง:
คำจำกัดความของเลเยอร์นามธรรมของเครือข่าย (NAL) อนุญาตให้ใช้ไวยากรณ์วิดีโอเดียวกันในสภาพแวดล้อมเครือข่ายจำนวนมาก แนวคิดการออกแบบขั้นพื้นฐานของ H.264 คือการสร้างแพ็กเก็ตข้อมูลในตัวเองเพื่อลบส่วนหัวที่ซ้ำกัน เช่น MPEG-4 Header Extension Code (HEC) ทำได้โดยการแยกข้อมูลที่เกี่ยวข้องกับสไลซ์หลายๆ ส่วนจากสตรีมสื่อ การรวมกันของพารามิเตอร์ขั้นสูงเรียกว่าชุดพารามิเตอร์ [35] ข้อมูลจำเพาะ H.264 ประกอบด้วยชุดพารามิเตอร์สองประเภท: ชุดพารามิเตอร์ลำดับ (SPS) และชุดพารามิเตอร์รูปภาพ (PPS) ชุดพารามิเตอร์ลำดับที่มีประสิทธิภาพยังคงไม่เปลี่ยนแปลงในลำดับวิดีโอที่เข้ารหัสทั้งหมด และชุดพารามิเตอร์รูปภาพที่มีประสิทธิภาพยังคงไม่เปลี่ยนแปลงภายในภาพที่เข้ารหัส โครงสร้างชุดพารามิเตอร์ลำดับและรูปภาพประกอบด้วยข้อมูล เช่น ขนาดรูปภาพ โหมดการเข้ารหัสที่เลือกใช้ และการแมปกลุ่ม macroblock-to-slice
การจัดลำดับมาโครบล็อกแบบยืดหยุ่น (FMO) หรือที่เรียกว่ากลุ่มสไลซ์ และการจัดลำดับสไลซ์ตามอำเภอใจ (ASO) เป็นเทคนิคที่ใช้ในการสร้างการเรียงลำดับการแสดงพื้นที่พื้นฐาน (แมคโครบล็อก) ในรูปภาพขึ้นใหม่ โดยทั่วไปถือว่าเป็นฟังก์ชันความทนทานต่อข้อผิดพลาด/การสูญเสีย FMO และ ASO ยังใช้เพื่อวัตถุประสงค์อื่น
การแบ่งพาร์ติชั่นข้อมูล (DP) ซึ่งเป็นฟังก์ชันที่สามารถแบ่งองค์ประกอบทางไวยากรณ์ที่สำคัญและสำคัญน้อยกว่าออกเป็นแพ็กเก็ตข้อมูลที่แตกต่างกัน สามารถใช้ Unequal Error Protection (UEP) และการปรับปรุงความทนทานต่อข้อผิดพลาด/การสูญเสียประเภทอื่นๆ
Redundant slice (RS) ซึ่งเป็นคุณสมบัติด้านความทนทานสำหรับข้อผิดพลาด/การสูญเสีย ซึ่งช่วยให้ตัวเข้ารหัสส่งการแสดงเพิ่มเติมของพื้นที่ภาพ (โดยปกติมีความเที่ยงตรงต่ำกว่า) ซึ่งสามารถใช้ได้หากการแสดงหลักเสียหายหรือสูญหาย
หมายเลขเฟรม อนุญาตให้สร้างฟังก์ชัน "ลำดับย่อย" บรรลุความสามารถในการขยายเวลาโดยเลือกรวมรูปภาพเพิ่มเติมระหว่างรูปภาพอื่น และการตรวจจับและซ่อนการสูญเสียของรูปภาพทั้งหมด ซึ่งอาจเกิดจากการสูญหายของแพ็กเก็ตเครือข่ายหรือช่องสัญญาณ เกิดข้อผิดพลาดขึ้น
การสลับสไลซ์ เรียกว่าสไลซ์ SP และ SI อนุญาตให้ตัวเข้ารหัสสั่งให้ตัวถอดรหัสข้ามไปยังสตรีมวิดีโอต่อเนื่องเพื่อวัตถุประสงค์ เช่น การสลับบิตเรตของสตรีมวิดีโอและการดำเนินการ "โหมดหลอกลวง" เมื่อตัวถอดรหัสใช้ฟังก์ชัน SP/SI เพื่อข้ามไปยังตรงกลางของสตรีมวิดีโอ จะได้รับการจับคู่แบบตรงทั้งหมดกับภาพที่ถอดรหัสที่ตำแหน่งนั้นในสตรีมวิดีโอ แม้จะใช้รูปภาพอื่นหรือไม่มีรูปภาพเลยก็ตาม การอ้างอิงก่อนหน้า สวิตซ์.
กระบวนการอัตโนมัติอย่างง่ายที่ใช้เพื่อป้องกันการจำลองรหัสเริ่มต้นโดยไม่ได้ตั้งใจ ซึ่งเป็นลำดับบิตพิเศษในข้อมูลที่เข้ารหัส ช่วยให้เข้าถึงบิตสตรีมแบบสุ่มและกู้คืนการจัดตำแหน่งไบต์ในระบบที่อาจสูญเสียการซิงโครไนซ์ไบต์
ข้อมูลการเพิ่มประสิทธิภาพเสริม (SEI) และข้อมูลการใช้งานวิดีโอ (VUI) เป็นข้อมูลเพิ่มเติมที่สามารถแทรกลงในบิตสตรีมเพื่อปรับปรุงวิดีโอเพื่อวัตถุประสงค์ต่างๆ [ต้องการคำชี้แจง] SEI FPA (Frame Encapsulation Arrangement) มีการจัดเรียงข้อความ 3 มิติ:
รูปภาพเสริม ซึ่งสามารถใช้ในการสังเคราะห์อัลฟ่าและเพื่อวัตถุประสงค์อื่นๆ
รองรับการสุ่มตัวอย่างโครมาแบบขาวดำ (4:0:0), 4:2:0, 4:2:2 และ 4:4:4 (ขึ้นอยู่กับโปรไฟล์ที่เลือก)
รองรับความแม่นยำของความลึกบิตในการสุ่มตัวอย่าง ตั้งแต่ 8 ถึง 14 บิตต่อตัวอย่าง (ขึ้นอยู่กับโปรไฟล์ที่เลือก)
สามารถเข้ารหัสระนาบสีแต่ละสีให้เป็นภาพที่แตกต่างกันด้วยโครงสร้างสไลซ์ของมัน โหมดมาโครบล็อก เวกเตอร์การเคลื่อนไหว ฯลฯ ทำให้สามารถใช้โครงสร้างคู่ขนานอย่างง่ายในการออกแบบตัวเข้ารหัส (รองรับไฟล์การกำหนดค่าเพียง 4 ไฟล์ที่รองรับ 4:4:XNUMX เท่านั้น) ) .
การนับลำดับภาพใช้เพื่อรักษาลำดับของภาพและลักษณะของค่าตัวอย่างในภาพถอดรหัสที่แยกจากข้อมูลเวลา ทำให้ระบบสามารถดำเนินการและควบคุม/เปลี่ยนข้อมูลเวลาแยกกันโดยไม่กระทบต่อเนื้อหาของ ภาพที่ถอดรหัส
เทคโนโลยีเหล่านี้และเทคโนโลยีอื่นๆ หลายอย่างช่วยให้ H.264 ทำงานได้ดีกว่ามาตรฐานก่อนหน้านี้ในสภาพแวดล้อมแอปพลิเคชันต่างๆ ในสถานการณ์ต่างๆ โดยทั่วไปแล้ว H.264 จะทำงานได้ดีกว่าวิดีโอ MPEG-2 ซึ่งมักจะมีคุณภาพเท่ากันที่อัตราบิตเพียงครึ่งเดียวหรือต่ำกว่า โดยเฉพาะอย่างยิ่งที่อัตราบิตสูงและความละเอียดสูง
เช่นเดียวกับมาตรฐานวิดีโอ ISO/IEC MPEG อื่นๆ H.264/AVC มีการใช้งานซอฟต์แวร์อ้างอิงที่สามารถดาวน์โหลดได้ฟรี จุดประสงค์หลักของมันคือเพื่อให้ตัวอย่างของฟังก์ชัน H.264/AVC ไม่ใช่แอปพลิเคชันที่มีประโยชน์ในตัวมันเอง กลุ่มผู้เชี่ยวชาญด้านภาพยนตร์ยังทำงานออกแบบฮาร์ดแวร์อ้างอิงอีกด้วย ด้านบนเป็นคุณสมบัติที่สมบูรณ์ของ H.264/AVC ซึ่งครอบคลุมไฟล์การกำหนดค่าทั้งหมดของ H.264 โปรไฟล์ของตัวแปลงสัญญาณคือชุดคุณลักษณะของตัวแปลงสัญญาณ ซึ่งระบุให้ตรงตามชุดข้อกำหนดเฉพาะสำหรับแอปพลิเคชันที่ต้องการ ซึ่งหมายความว่าไฟล์คอนฟิกูเรชันบางไฟล์ไม่รองรับฟังก์ชันหลายอย่างในรายการ ไฟล์การกำหนดค่าต่างๆ ของ H.264/AVC จะกล่าวถึงในหัวข้อถัดไป
สินค้าอื่น ๆ ของเรา:
