Цифровые системы видеонаблюдения: передача информации и алгоритмы сжатия

Цифровые  системы видеонаблюдения: передача информации и алгоритмы сжатия

В современных технологиях CCTV наметилась устойчивая тенденция  к переходу на цифровое оборудование и сетевые системы видеонаблюдения. Согласно маркетинговым исследованиям, все большим спросом пользуются веб-камеры, цифровые видеорегистраторы, видеосерверы и другие цифровые устройства. Возрастающая популярность цифрового оборудования объясняется не только его высокой функциональностью и удобством хранения видеоинформации, но и реализованной в нем возможностью дистанционного видеонаблюдения и управления как цифровой системой видеонаблюдения в целом, так и отдельными ее составляющими.

Для удобства хранения и передачи по сети видеоизображение подвергают сжатию. Если локальная  сеть, с которой работает цифровая система видеонаблюдения, обеспечивает ограниченную полосу пропускания, то целесообразно  сократить объем передаваемой информации, посылая меньшее количество кадров в секунду или снизив разрешение кадров. Используемые в цифровых системах видеонаблюдения алгоритмы сжатия обеспечивают разумный компромисс между  этими двумя решениями. Для получения  оцифрованного потока с полосой  пропускания 64 кбит – 2 Мбит (в такой  полосе пропускания потоки видеоданных  могут работать параллельно с  другими потоками данных) применяются  алгоритмы сжатия, основанные на дискретном косинусном преобразовании сигнала (JPEG, MJPEG, MPEG2, MPEG4, H.263), а также Wavelet и JPEG2000. Эти алгоритмы сжатия видео изображений служат для адаптации цифровых потоков к передаче по компьютерным сетям. На других страницах раздела описаны алгоритмы сжатия, наиболее популярные в цифровых системах видеонаблюдения.

Практически все  применяемые в видеонаблюдении  алгоритмы сжатия базируются на технологии сжатия с потерями (алгоритм сжатия JPEG 2000 имеет защищенное патентами  приложение, которое осуществляет сжатие без потерь), когда после декомпрессии получить изображение первоначального  качества практически невозможно. Однако устройство человеческого зрения таково, что при невысокой степени  сжатия искажения на полученной картинке не влияют или мало влияют на восприятие. Было установлено, что любое изображение  содержит в себе избыточную информацию, не воспринимаемую человеческим глазом. Эта избыточность вызвана сильными корреляционными связями между  элементами изображения - изменения  от пикселя к пикселю в пределах некоторого участка кадра можно  считать несущественными. Кроме  того, известно, что человеческий глаз более чувствителен к яркости  картинки, чем к цветности. Этот эффект на начальном этапе компрессии используют практически все алгоритмы сжатия, и объем информации на этой стадии сокращается до 2 раз без потери качества картинки.

Современные алгоритмы сжатия: классификация

Существующие  на сегодняшний день алгоритмы сжатия классифицируются по следующим параметрам.

• Потоковые и статические алгоритмы сжатия

Потоковые алгоритмы  сжатия работают с последовательностями кадров, кодируя разностную информацию между опорными кадрами (алгоритмы  сжатия семейства MPEG, алгоритм сжатия JPEG 2000), тогда как статические  алгоритмы сжатия работают с каждым изображением в отдельности (алгоритмы  сжатия JPEG и MJPEG).

• Алгоритмы сжатия с потерями и без потерь данных

Если получившееся после декомпрессии изображение  полностью (с точностью до бита) идентично  исходному, значит используемый алгоритм сжатия осуществляет компрессию без потерь. В CCTV, как правило, используются алгоритмы сжатия с потерями данных. В зависимости от степени сжатия, различают:

• Сжатие без заметных потерь с точки зрения восприятия. Как отмечалось выше, в силу своих физиологических особенностей человеческий глаз менее чувствителен к цветоразностной составляющей изображения, чем к яркостной. При невысоких коэффициентах компрессии алгоритмы сжатия дают картинку, которая воспринимается глазом как точная копия оригинала, тогда как данный алгоритм сжатия работает с потерями данных, и полученное после декомпрессии изображение не совпадает с исходным.
• Сжатие с естественной потерей качества характеризуется появлением воспринимаемых глазом, но незначительных искажений изображения. Это проявляется в уменьшении детализации сцены, а алгоритмы сжатия, основанные на дискретном косинусном преобразовании, могут продуцировать незначительные блочные искажения картинки. Базирующиеся на вейвлет-преобразовании алгоритмы сжатия дают размытость вблизи резких границ, однако такие артефакты даже при довольно больших коэффициентах сжатия мало влияют на процесс зрительного восприятия картинки.
• Сжатие с неестественной потерей качества характеризуется нарушением самой важной с точки зрения восприятия характеристики изображения – контуров. При высоких коэффициентах компрессии алгоритм сжатия JPEG вносит в картинку блочные искажения, которые сильно влияют на восприятие изображения человеческим глазом, в то время как алгоритмы сжатия, использующие вейвлет-преобразование, делают изображение «затуманенным», с размытыми контурами, не изменяя их формы. Поэтому алгоритмы сжатия типа Wavelet обеспечивают более высокие по сравнению с алгоритмом JPEG коэффициенты сжатия.

Основные  характеристики наиболее распространенных алгоритмов сжатия

Алгоритмы сжатия

Алгоритм  сжатия JPEG

Изначально предназначенный  для компрессии статических изображений, алгоритм сжатия JPEG широко применяется  в веб-камерах, видеосерверах и других сетевых устройствах (например, веб-камеры и сетевые видеосерверы компании AXIS Communications используют алгоритм сжатия JPEG в режиме передачи отдельных кадров; также схема JPEG сжатия встроена в видео сервер VN-A1U компании JVC Professional). Название этого алгоритма сжатия происходит от комитета Joint Photographic Expert Group (Объединенная группа экспертов по фотографии), входящего в состав ISO. Принцип работы алгоритма JPEG основан на так называемом дискретном косинусном преобразовании (Discrete-Cosine Transform, DCT). Базирующиеся на DCT алгоритмы сжатия всегда осуществляют сжатие данных с потерями, но способны обеспечить довольно высокую степень компрессии при минимальной потере данных. Помимо JPEG, дискретное косинусное преобразование используют такие алгоритмы сжатия, как JPEG, Motion JPEG, H-263. Процедура DCT будет рассмотрена ниже на примере алгоритма сжатия JPEG.

Картинка, сжатая в  формат JPEG, показана на первом рисунке. При больших коэффициентах сжатия JPEG дает блочные искажения, являющиеся следствием используемого алгоритма. Для сравнения справа приведено то же изображение, сжатое по алгоритму Wavelet. При сильном сжатии появляется размытость изображения, которая меньше влияет на восприятие, чем "мозаика" JPEG.

Сжатие изображение  в формат JPEG осуществляется в несколько  этапов:

• Преобразование цветового пространства
• Сегментация
• Дискретное косинусное преобразование
• Квантование
• Кодирование

Декодирование JPEG осуществляется в обратном порядке.

Преобразование  цветового пространства

Несмотря на то, что  алгоритм сжатия JPEG способен кодировать изображения, основанные на любом типе цветового пространства (RGB, HSI или CMYK), наилучшая степень сжатия достигается  при использовании цветового  пространства типа яркость/цветность, когда каждый пиксель изображения  описывается тремя числами Y (яркость) и U, V (цветность). Переход в цветовое пространство яркость/цветность осуществляется путем несложных математических преобразований.  

Сегментация изображения для  алгоритма сжатия JPEG

Большая часть визуальной информации, воспринимаемой человеческим глазом, состоит из компонентов яркости Y, тогда как к компонентам цветности U, V глаз менее чувствителен. Причина  этого явления лежит в устройстве человеческого глаза. Следовательно, часть информации о цветности  можно отбросить и тем самым  сократить объем учитываемой  информации.

Исходное изображение  разбивается на блоки по несколько  пикселей (чаще всего 8х8). Затем для Y, U, V формируются так называемые рабочие матрицы. Для компонента Y рабочая матрица составляется из значений яркости для каждого  пикселя, входящего в блок. Для  компонентов цветности матрицы  формируются через ряд и через  строку. На этом этапе теряется 3/4 информации о цветности, за счет чего объем изображения  уменьшается в 2 раза.

Дискретное  косинусное преобразование (DCT)

Дискретное косинусное преобразование представляет собой  разновидность преобразования Фурье  и имеет обратное преобразование. В DCT картинка рассматривается как  совокупность пространственных волн, для которых оси X и Y проводятся параллельно  продольной и поперечной осям картинки, а по оси Z откладывается значение цвета соответствующего пикселя  изображения.

С помощью дискретного  косинусного преобразования алгоритм сжатия JPEG осуществляет переход от представления картинки в виде совокупности пространственных волн к ее спектральной интерпретации. Каждая пространственная волна раскладывается на множество  гармоник, и наименее значимые из них  отбрасываются. От количества оставшихся гармоник зависит степень сжатия изображения. DCT преобразует полученную на предыдущем этапе рабочую матрицу  в матрицу частотных коэффициентов  соответствующего размера. В матрице  коэффициентов высокочастотные  элементы концентрируются в левом  верхнем углу, а низкочастотные –  в правом нижнем. Большинство графических  образов на экране компьютера состоит  из низкочастотной информации, поэтому  высокочастотные элементы получившейся матрицы можно отбросить. Эта  процедура выполняется на следующем  этапе.

Квантование матрицы частотных  коэффициентов

На этом шаге матрица  частотных коэффициентов поэлементно  делится на так называемую матрицу  квантования. Для каждого компонента Y, U, V задается своя матрица квантования. Она формируется таким образом, чтобы значения элементов в левом  верхнем углу были небольшими, а  коэффициенты в правом нижнем углу, наоборот, имели большие значения. Это позволяет отбросить не воспринимаемую глазом высокочастотную информацию, которой соответствуют элементы из правого нижнего угла матрицы  частотных коэффициентов. Далее  элементы результирующей матрицы округляются  до ближайшего целого числа. В итоге  в правом нижнем углу образуются нулевые  значения, которые впоследствии отбрасываются.

Кодирование

Округленная матрица  коэффициентов, полученная на этапе  квантования, имеет определенное количество нулевых элементов. Для того чтобы  объединить нулевые элементы в группы, производится зигзагообразное сканирование матрицы, начиная с левого верхнего угла. Таким образом, элементы матрицы записываются в цепочку.

Полученный вектор сворачивается с помощью алгоритма  группового кодирования (RLE – Run Length Encoding). Каждый ненулевой элемент вектора представляется в виде пары чисел, первое из которых равно количеству нулей перед этим числом, а второе – значению данного элемента вектора. Затем полученные пары чисел кодируются с помощью алгоритма Хаффмана с фиксированной таблицей.

Алгоритм сжатия Хаффмана был разработан для кодирования  текстовых сообщений, и суть его  состоит в том, что часто встречающимся  в тексте символам ставятся в соответствие найденные по определенному алгоритму  короткие двоичные коды, а редко  встречающимся символам – более  длинные коды. Для кодирования  каждого сообщения может использоваться своя собственная таблица соответствий или же общая, фиксированная таблица. При кодировании пар чисел, осуществляемом в алгоритме сжатия JPEG, учитывается, что длинные последовательности нулей и большие значения коэффициентов  встречаются реже, чем короткие последовательности нулей и маленькие значения коэффициентов. Полученный по алгоритму сжатия Хаффмана двоичный код готов к передаче по сети и хранению в памяти компьютера.

Специалисты отмечают, что вследствие специфики кодирования  изображения алгоритм сжатия JPEG эффективен только при работе с многоградационными картинками, где различия между соседними пикселями незначительны. Кроме того, этот формат сжатия имеет ограничения на полосу пропускания – «живое» видеоизображение (разрешение 768х576, коэффициент сжатия 4, скорость передачи 25 кадров в секунду) передается со скоростью 8 Мбит/с. Еще одним недостатком JPEG является так называемый «мозаичный эффект», являющийся следствием технологии сжатия видеоизображения. Картинка разбивается на блоки 8х8 пикселей, над которыми выполняется дискретное косинусное преобразование, в результате которого цвета внутри блока уравниваются. При больших степенях сжатия мозаичный эффект становится заметен.

Motion JPEG (M-JPEG) – алгоритм сжатия JPEG для видеоинформации

Алгоритм сжатия Motion JPEG (M-JPEG) представляет собой стандартизированный формат записи потока отдельных кадров, каждый из которых сжат по алгоритму JPEG независимо от остальных. При использовании алгоритма сжатия M-JPEG средний коэффициент сжатия видеосигнала составляет около 1:5, а скорость передачи видео с разрешением 720х576 пикселей – до 5 Мбит/с. Этот алгоритм сжатия используют сетевые устройства AXIS Communications, например, сетевые видеокамеры AXIS 213 и сетевые камеры AXIS 212 PTZ, видеосерверы AXIS 241Q, одноканальный видеорегистратор VR-601 JVC и другие.