Conceptos básicos de vídeo y audio. Introducción
PID_00265534
Los textos e imágenes publicados en esta obra están sujetos –excepto que se indique
lo contrario– a una licencia de Reconocimiento-NoComercial-SinObraDerivada (BY-NC-ND)
v.3.0 España de Creative Commons. Podéis copiarlos, distribuirlos y transmitirlos
públicamente siempre que citéis el autor y la fuente (FUOC. Fundación para la Universitat
Oberta de Catalunya), no hagáis de ellos un uso comercial y ni obra derivada. La licencia
completa se puede consultar en http://creativecommons.org/licenses/by-nc-nd/3.0/es/legalcode.es
Índice
- Introducción
- Objetivos
- 1.Características de la imagen
- 1.1.Fundamentando la imagen: parámetros básicos
- 1.2.Trabajando con señales de vídeo analógico
- 1.2.1.Vídeo compuesto
- 1.2.2.S-Vídeo
- 1.2.3.Vídeo analógico en componentes
- 1.3.Vídeo digital en calidad estándar, alta definición y 3D
- 1.3.1.SDI (Serial Digital Video)
- 1.3.2.HD-SDI (High Definition SDI)
- 1.3.3.3G-SDI
- 1.3.4.DVI (Digital Visual Interface)
- 1.3.5.HDMI (High Definition Multimedia Interface)
- 1.3.6.Firewire
- 1.3.7.USB (Universal Serial Bus)
- 1.3.8.Conclusión
- 1.4.Broadcast frente a vídeo en Internet
- 1.5.Resoluciones, velocidad de cuadro, relaciones de aspecto y otros parámetros
- 2.Características del sonido
- 2.1.Audio analógico
- 2.2.Audio digital
- 3.La revolución en la gestión de las señales
- 4.Codificación de la imagen fija
- 4.1.La necesidad de comprimir
- 4.2.El JPEG
- 4.2.1.El modo secuencial
- 4.2.2.Otros modos de trabajo del JPEG
- 4.3.JPEG 2000
- 4.4.JPEG XR
- 4.5.Tendencias futuras de la codificación de imagen
- Resumen
Introducción
Desde el momento en el que la madurez tecnológica de los dispositivos móviles ha llegado
a tal punto que los capacita para la generación, gestión y distribución de contenidos
multimedia, la frontera que los separaba de los equipos dedicados se ha difuminado.
Así, se han aplicado buena parte de las tecnologías ya existentes y se han generado
otras nuevas que aprovechan la flexibilidad y movilidad características del nuevo
medio.
Una buena captación es importante para conseguir material audiovisual que integrar
en nuestros proyectos, al igual que seleccionar el formato adecuado para su almacenamiento
y posterior tratamiento digital. Así pues, empezamos el módulo construyendo sobre
los fundamentos básicos de la imagen y el sonido, definiendo los parámetros que los
caracterizan, los estándares de interconexión y acabamos viendo el estándar de almacenamiento
de la imagen estática, con el que se introducen los conceptos básicos de codificación
y compresión que estarán presentes en el resto de módulos, especialmente en el de
vídeo.
El módulo es eminentemente práctico, si bien es de obligada necesidad introducir conceptos
teóricos que se ilustran en las actividades integradas en el texto. Como herramientas
de trabajo, se van a utilizar dos programas, el VLC de Videolan (para todas las plataformas) y el programa Adobe Photoshop (Windows y Mac) que se incluye en el software de la asignatura.
Objetivos
Los objetivos que se pretende alcanzar con el estudio de este módulo son los siguientes:
-
Identificar los parámetros que caracterizan la imagen y el sonido.
-
Diferenciar los estándares de interconexión multimedia domésticos, semiprofesionales y profesionales.
-
Identificar el transporte físico más adecuado según el tipo de contenido digital, coste y prestaciones.
-
Diferenciar los conceptos de codificación y compresión.
-
Interpretar los parámetros de compresión de JPEG y JPEG2000 y seleccionar los valores adecuados en función del contenido visual de la imagen.
-
Identificar los artefactos visuales más habituales en estos estándares de imagen.
1.Características de la imagen
En la generación de contenido multimedia, es frecuente la participación de elementos
audiovisuales originados por captura, es decir, digitalizados. En este primer módulo,
vamos a introducir las características básicas que definen la señal de vídeo y audio
y, a partir de ellas, ilustraremos y compararemos los diferentes tipos de señales
y transportes de vídeo y audio existentes en el mercado industrial y broadcast, con los que se trabaja en el día a día. A partir de ese momento y en el resto del
curso, nos vamos a centrar en las señales digitales y presentaremos cómo se codifica
la imagen estática. En este recorrido, destacaremos conceptos de compresión que utilizaremos
también intensivamente en otros módulos de la asignatura.
1.1.Fundamentando la imagen: parámetros básicos
Cualquier texto sobre imagen o vídeo comienza con la definición de algunos términos
básicos y, en nuestro caso, vamos a ser breves:
1) Píxel: es el elemento visual mínimo de una imagen. Es la piedra angular de todas las formas
de imagen digital, incluyendo tanto la fotografía como el vídeo, y si bien el concepto
es sencillo su uso no lo es, en especial en un mundo de formatos digitales de variada
relación de aspecto.
2) Luminancia o luma: es la porción de la señal de vídeo que representa el brillo de cada píxel. La luminancia
máxima de un píxel es el blanco y la mínima, el negro. El ojo humano está desarrollado
para percibir una gran cantidad de niveles de luminancia.
3) Crominancia o croma: es la otra porción de la señal de vídeo, que representa el color de cada píxel.
Los colores se destinan a cubrir todo el espectro completo del sistema visual humano,
del rojo al verde y al azul, en cualquier combinación. El ojo humano, a diferencia
de otros seres vivos, no posee la misma capacidad de discriminación de colores que
la que posee para la luminancia. En realidad, esta porción consta de varios elementos
diferentes, cuya combinación da el color.
4) Escaneado: es el proceso utilizado en una señal de vídeo tanto para capturar como para mostrar
los valores de luminancia y crominancia de cada píxel. El escaneado sitúa la información
de cada píxel en un orden específico para que un equipo pueda determinar la información
que pertenece a cada píxel. Para el ojo humano, la presentación de una secuencia de
imágenes escaneada en pantalla a más de 18 imágenes por segundo ya le genera un efecto
de movimiento.
Los cuatro conceptos están íntimamente ligados. Así, como un carácter de texto o un
byte de datos, cada píxel tiene un valor o conjunto de valores. Uno de ellos es el
brillo (la luminancia) y, si es en color, también la crominancia. Para obtener una
imagen fija, el valor de cada píxel es fijo y suficiente, aunque se necesitan los
suficientes como para que la imagen sea reconocible por el destinatario. Pero para
vídeo, además, la información de cada píxel se escanea (se presenta) al menos 18 veces
por segundo. Más adelante, haremos algunos números para demostrar el gran problema
que supone la gestión de tal cantidad de datos para lograr transmitirlo y el porqué
de los estándares de compresión.
1.2.Trabajando con señales de vídeo analógico
Las señales de vídeo analógico, por su naturaleza, pueden crearse a partir de tres
señales diferentes de color (R, G y B) o bien a partir de dos señales (luminancia
Y y crominancias U y V).
En el quehacer diario con equipos de vídeo (como cámaras y grabadores) y programas
de gestión (como tratamiento de la imagen o transmisión de vídeo), trabajamos con
estas señales en sus diferentes formatos a la vez, a veces de manera inconsciente.
Veámoslo con detalle.
1.2.1.Vídeo compuesto
Una señal de vídeo compuesto contiene toda la información necesaria para presentar
vídeo en color en pantalla. La señal se envía normalmente en un único cable coaxial
entre dispositivos como un reproductor de vídeo y un televisor. Muchos sistemas de
consumo utilizan un conector amarillo, denominado RCA (aunque a veces podemos encontrar
un conector BNC). Es el más extendido en el sector doméstico, pero el de menor calidad:
la señal de vídeo compuesto es PAL, sistema analógico de vídeo en color de 625 líneas
y 25 imágenes por segundo que también se utilizaba para las emisiones de televisión
analógicas hasta el 2010. Al igual que sus sistemas hermanos NTSC y SECAM, tiene ventajas
e inconvenientes, que indicamos en un cuadro resumen al final de este apartado.
Los equipos de captura de vídeo que se basaban en señales de vídeo compuesto fueron
la puerta de entrada al mercado doméstico y semiprofesional en la década de 1980.
Aquellos pioneros que trabajaban con un Mac, Amiga o Atari, entre otros, y un reproductor
VHS o Beta necesitaban un hardware externo de muy alto coste a veces integrado en
el mismo equipo, siempre con problemas de interferencia en las señales y multitud
de parámetros por ajustar en cada captura para conseguir una calidad aceptable.
1.2.2.S-Vídeo
Denominado también conector S-VHS, es analógico como el vídeo compuesto, pero la transmisión
de luminancia y croma se lleva a cabo a través de diferentes cables, lo que reduce
sensiblemente la degradación de la señal. Por esta razón, un cable de S-Vídeo tiene
cuatro pines: un par para la señal de croma U + V y otro par para la de luminancia
Y.
Su llegada a finales de la década de 1980 con los equipos SuperVHS y 8 mm facilitó
mejorar tanto la calidad de imagen tanto en reproducción como en captura y el S-Vídeo
aún puede encontrarse de manera testimonial en dispositivos de vídeo de consumo, incluyendo
pantallas de vídeo, reproductores de DVD, videocámaras digitales, descodificadores
de televisión por cable y satélite o consolas de videojuegos. En general, para aplicaciones
de consumo y semiprofesionales, el S-Vídeo debe usarse siempre que sea posible en
lugar del vídeo compuesto si no hay alguna alternativa digital como las que veremos más adelante.
1.2.3.Vídeo analógico en componentes
Superior en calidad a los dos anteriores, utiliza un cable diferente para cada una
de las tres señales, por lo que la calidad de color era mejor que la anterior al sacrificar
la distancia máxima entre reproductor y presentación o captura.
Hay dos versiones diferentes según el equipo:
a) Vídeo en componentes RGB: cada señal es de un color específico y de buena resolución, además supone un mínimo
procesado para el equipo que la emite y el que la recibe, por lo que es compatible
directamente con la pantalla de presentación y mejora la imagen sensiblemente.
b) Vídeo en componentes YUV: versión que trabaja con la señal de luma y las dos de croma. Es recomendable en
equipos que trabajen internamente con éstas, como el Betacam SP. Si va a ser usada
para suministrar vídeo a una pantalla, deberá convertir internamente las señales a
RGB.
Asignación de pines entre componentes analógicos YUV y conector VGA
Ejemplos
Un ejemplo aún vigente de este sistema de conexión es el estándar VGA en componentes analógicos, que añade señales de pulsos de sincronía para ajustar
la señal al barrido de la pantalla.
Otro ejemplo aún vigente es el robusto euroconector, que de manera excepcional incluye diferentes formatos de vídeo de la misma señal:
vídeo compuesto, S-Vídeo y componentes RGB analógico para dar servicio a todo tipo
de pantallas desde el mismo conector, además de audio estéreo analógico. Al ser tan
versátil, su vida útil se ha alargado incluso a esta década.
1.3.Vídeo digital en calidad estándar, alta definición y 3D
Ninguno de los sistemas analógicos de conexión anteriores sería capaz de mantener
la calidad de una señal actual de vídeo digital con requerimientos de ancho de banda
superiores, más si cabe si además es de alta definición o 3D, al poseer una cantidad
mucho mayor de píxeles que transmitir cada segundo. Y es que el vídeo digital se compone
de muestras de señal, cada una representa una porción minúscula de ésta.
La señal de vídeo digital, al igual que la analógica, se puede representar por tres
señales de color independientes (R, G y B) o bien una señal de luminancia (Y) y dos
de crominancia (U y V).
El proceso de digitalización de una señal analógica sigue siempre el criterio de Nyquist, es decir, se muestrea, al menos, al doble de la máxima frecuencia de la señal analógica.
No entraremos en cálculos, pero un ejemplo sencillo nos puede ilustrar tan sencilla
regla: en el caso del audio, si la frecuencia máxima de la señal se establece en 20.000
Hz (por limitaciones del oído humano, y esta suposición es muy optimista), se muestrea
a más de 40.000 muestras/segundo. Por ejemplo, CD y DAT utilizan 44.100 muestras/segundo.
En el caso del vídeo, si llevamos a cabo la misma operación con la señal de vídeo
en RGB, el volumen de datos que resulta es inmenso, pues para cada muestra de rojo
R necesitamos otra muestra de verde G y una tercera de azul B, pero si utilizamos
la señal YUV se reduce sensiblemente. Esto se debe a una pequeña argucia: el ojo humano
tiene buena resolución en blanco y negro, pero pobre en color.
Así, podemos submuestrear las señales de color U y V, es decir, generar menos muestras de las que realizaremos
para la luminancia Y, sin que el usuario final se percate:
Representación visual de la asignación de muestras sobre píxeles según diferentes
formatos
La proporción denominada 4:2:2 supone que por cada dos muestras de señal Y realizaremos
una de U y otra de V, mientras que la 4:2:0 supone una muestra de U y otra de V por
cada cuatro de Y. Todo depende de la calidad de color que se desee.
En todo caso, los flujos de datos generados son de tal volumen (centenares de Mbits)
que necesitamos una nueva generación de sistemas de conexionado, así destacan los
SDI y HD-SDI para el entorno industrial y broadcast y los DVI y HDMI para el entorno doméstico.
1.3.1.SDI (Serial Digital Video)
El estándar de facto en el entorno profesional sigue la norma CCIR 601 que opera a
270 Mbps y contiene la señal de vídeo en calidad estándar 720x576 a 25 imágenes/segundo
y además hasta 16 señales de audio digital embebidas, todo a través de un único cable coaxial con conector BNC y hasta una distancia de
cientos de metros, ideal tanto para el estudio como para el despliegue de equipos
en un gran acontecimiento.
La señal digital que transmite es por componentes (Y, U, V) digitalizados en proporción
4:2:2 que se alternan en el tiempo, de manera que el cable sólo transporta una de
estas tres señales en cada instante de tiempo, así pues no existe interferencia alguna.
Los equipos Betacam SP, Betacam Digital, Betacam SX, DVCAM y DVCPRO, entre otros,
y todos los sistemas de enrutamiento y mezclado de imagen que existen se interconectan
con este sistema si desean ser comerciales.
1.3.2.HD-SDI (High Definition SDI)
La evolución natural del estándar SDI, compatible con señales de alta definición,
sigue la norma SMPTE 292M y opera a 1,5 Gbps pero es mecánicamente similar al anterior:
un cable coaxial (evidentemente más caro) con conectores BNC. Tiene cinco veces la
velocidad del anterior para acoger señales de 1920x1080 o 1440x1080 a 25 imágenes/segundo
(modo denominado 1080i o 1080 entrelazado) o 1280x720 a 50 imágenes/segundo (modo
720p o 720 progresivo), siempre sin comprimir.
Formatos de vídeo como HDCAM o DVCPRO HD y todas las pantallas de alta definición
industrial y broadcast se interconectan así.
1.3.3.3G-SDI
Sin embargo, para señales HD-SDI en 3D se necesita el doble de velocidad de datos,
ya que en broadcast el 3D se genera con dos flujos 1080i HD-SDI independientes que han de circular por
un mismo cable (modo 1080p o 1080 progresivo), de manera que el nuevo estándar 3G
(denominado así porque llega casi a 3 Gbps) ya aparece como sustituto natural del
HD-SDI.
1.3.4.DVI (Digital Visual Interface)
En un entorno doméstico, las señales SDI o HD-SDI no son utilizadas al no necesitarse
tal calidad, ya que para cuando la señal sale de su origen y llega a su destino a
través de la red de transporte utilizada (por TDT, satélite, streaming por Internet, en soporte DVD o Blu-ray), está comprimida, es decir, se ha reducido su calidad visual para reducir su peso en bits y hacer
comercial su difusión. En realidad, buena parte de esta asignatura versa sobre cómo
se debe comprimir en todas esas redes de distribución.
Así pues, como soluciones de conexionado más sencillas contamos con el DVI, que puede
tratar con señales de vídeo tanto digitales (estándar o alta definición) como analógicas,
pero habitualmente sin el sonido asociado, que requiere un cableado aparte. La novedad
es que es bidireccional, de manera que el equipo emisor y el receptor pueden acordar
la resolución más adecuada para trabajar entre sí y posibilita también encriptar la
señal, aunque raramente se usa en ese aspecto. Sin duda, es la evolución natural del
VGA y se encuentra en la mayoría de monitores de vídeo del hogar, tarjetas gráficas
e incluso en televisores planos, aunque en este último sector está perdiendo terreno
frente a su evolución, el HDMI.
Equipos emisor y receptor
Un equipo Blu-ray que desee reproducir a 1080p conectado a una pantalla HD Ready reproducirá
en calidad 1080i o 720p, ya que la pantalla comunicará vía DVI su incapacidad para
presentar señales en 1080p, sin necesidad de ninguna acción por parte del usuario.
Si, en cambio, la pantalla es Full HD 1080, la reproducción tendrá lugar en máxima
resolución.
1.3.5.HDMI (High Definition Multimedia Interface)
El HDMI lleva tanto vídeo digital como señales de audio. Se basa en DVI mediante la
adición de audio digital en el mismo cable, pero conserva la compatibilidad con la
especificación eléctrica DVI-Digital, es decir, un mero adaptador convierte un conector
HDMI en DVI, por lo que pierde el sonido. La protección anticopia se basa en una tecnología
llamada HDCP (protección de contenido de gran banda digital), que obliga a que el
equipo reproductor y el equipo monitor acuerden que sólo se visualizará la señal y
no se ejecutarán copias. Si el acuerdo fracasa, se reproduce en baja calidad o sencillamente
no hay reproducción posible.
De las diferentes versiones que han ido apareciendo en el mercado desde su nacimiento
en el 2002, actualmente se trabaja con la 1.4, la única capaz de trabajar con señales
HDTV-3D y que abre la posibilidad de trabajar con resoluciones superiores a 2.000x2.000
píxeles aún en estudio (Quad HD, Super Hi-Vision, Ultra HDTV).
1.3.6.Firewire
Si bien el origen de Firewire se asocia con la transmisión en serie de datos digitales
en entornos informáticos, al trabajar con vídeo en estas plataformas también son utilizados,
usualmente para transferencia de vídeo digital entre equipos.
Firewire
Originalmente fue denominado IEEE 1394 o, por parte de Sony, i.Link.
Firewire fue desarrollado por Apple en 1995 y actualmente existe en diferentes versiones
según la velocidad de transferencia (400, 800, 1.600, 3.200 Mbps). Este soporte físico
se utiliza con el protocolo DV para conectar grabadores de vídeo y cámaras domésticas
e industriales a ordenadores e incluye comandos de control (como rebobinado, play o stop) y datos como el código de tiempo.
1.3.7.USB (Universal Serial Bus)
Si por uso extensivo y versatilidad se tuviese que seleccionar un sistema de transmisión
de señales, sin duda el USB sería el que centraría nuestra atención. Nacido a mediados
de los noventa principalmente para el mercado informático, en la actualidad se extiende
su uso en entornos móviles e incluso en sistemas industriales. Su resistencia, facilidad
de mantenimiento, interoperabilidad entre equipos, altas prestaciones de velocidad
y fiabilidad, así como una constante mejora en velocidad resultan idóneos para las
crecientes necesidades de transferencias de datos: desde 1,5 Mbps (USB 1.0), pasando
por los 12 Mbps (USB 1.1) y los 480 Mbps (USB 2.0), hasta llegar a los 4,8 Gbps en
la revisión 3.0.
1.3.8.Conclusión
A modo de conclusión, presentamos la siguiente tabla con un resumen de los estándares
de transporte de vídeo más habituales.
Tabla resumen de los estándares de transporte de vídeo más habituales
|
Transporte de vídeo analógico |
Ventajas |
Inconvenientes |
|
Vídeo compuesto |
|
|
|
S-Vídeo |
|
|
|
Vídeo en componentes |
|
|
|
Transporte de vídeo digital |
Ventajas |
Inconvenientes |
|
SDI / HDSDI / 3G |
|
|
|
DVI |
|
|
|
HDMI |
|
|
|
Firewire |
|
|
|
USB |
|
|
Actividades
Actividad 1
Revisad el equipo informático que tenéis actualmente. ¿Qué tipo de entradas y salidas
pueden ser interesantes para capturar vídeo?
Actividad 2
Revisad las entradas de señal del monitor. ¿Qué señales de vídeo acepta? Pensad que,
si tenéis un portátil multimedia, puede adelantarse que la entrada es de componentes
digitales RGB, aunque conectada directamente a la placa gráfica del portátil.
Actividad 3
Si tenéis una cámara de vídeo o webcam, ¿con qué estándar de conexionado se conecta?
Actividad 4
Si tenéis software de captura (como Adobe Premiere, Camtasia o software gratuito),
¿es compatible con las entradas disponibles?
Actividad 5
Ahora revisad el televisor del comedor. Si es de reciente adquisición, el número de
entradas que posee suele ser apabullante. ¿Cuáles son compatibles con el equipo informático?
Por lo general, se acaba creyendo realmente en la tantas veces pronosticada conversión
de la televisión en un centro multimedia digital.
1.4.Broadcast frente a vídeo en Internet
Hasta ahora, en este módulo nos hemos dedicado a las señales de vídeo tradicionales,
las que pueden ser entregadas directamente a una pantalla de vídeo o a un ordenador
a través de un simple cable, a distancias no superiores a los 100 metros. Por el contrario,
los contenidos de vídeo transmitidos o compartidos a través de Internet han de ser
obligatoriamente digitales (si no se capturan previamente) y requieren un dispositivo
(como un ordenador o un descodificador dedicado) o un software específico para reconstruirlas
correctamente antes de ser visibles.
Todos los ficheros o streams de vídeo de la Red destinados a los consumidores finales se comprimen mediante alguno de los muchos tipos de compresión disponibles en la actualidad, por
lo que ambas señales de audio y vídeo deben ser descomprimidas mediante hardware o software antes de poder ser entregadas al destinatario. Si se
tiene TDT, televisión por cable o por satélite, se descomprime por hardware, mientras
que si se tiene un equipo Windows Media Center o sencillamente se es usuario de YouTube,
por software.
En el caso del software, el más interesante y con mayor futuro, concretemos que hay
pequeñas aplicaciones denominadas extensiones o plugins que, integradas en el programa navegador de uso habitual lo capacitan para ejecutar
esa descodificación al vuelo: Adobe Flash Player, QuickTime de Apple y Windows Media
Player, por citar algunas de las más populares. Las señales de vídeo por Internet
pueden ser esencialmente de cualquier número de píxeles horizontales y verticales
y hay una amplia selección de sistemas de protección de contenidos y técnicas de entrega
de los datos a través de la red.
Con todas las distintas combinaciones disponibles, los proveedores de vídeo por Internet
son capaces de desarrollar sus propias combinaciones de formatos, por lo que el vídeo
producido en un sitio puede no ser directamente compatible con otros sitios de alojamiento.
Por ello, la flexibilidad es un elemento clave de los reproductores de vídeo de Internet:
los televidentes deberían tener libertad para detener, iniciar, rebobinar y pausar
la reproducción en cualquier momento, controlar el tamaño del vídeo en sus pantallas
y elegir entre una variedad de formatos de pantalla del reproductor. Cuando queráis
distribuir vuestro producto audiovisual por la Red, no os aferréis a un estándar en
particular porque reduciréis el impacto.
En una red como Internet, pensada para la transmisión de datos, las señales de vídeo
no son fáciles de transportar, básicamente por dos razones:
a) La primera es que no es una red pensada para vídeo, el tránsito a través de la red
del vídeo y audio comprimidos se realiza mediante paquetes de datos genéricos (paquetes
IP), como todos los demás tipos de datos (textos, imágenes) que fluyen por la Red.
Estos paquetes de datos circulan por las mismas redes y son encaminados por los mismos
centros de distribución (routers) como cualquier otro dato, a veces desordenándose o perdiéndose.
b) La segunda razón es un flujo de datos muy alto, casi constante, por lo que necesita
gran cantidad de paquetes necesarios para asegurar la reproducción con la cadencia
necesaria: por ejemplo, un vídeo de YouTube de un minuto puede exigir la entrega de
unos mil paquetes sin perder el orden y con una cadencia fija. Todo esto lo veremos
con detalle en otros módulos.
Sin duda, entre el vídeo por Internet y el vídeo broadcast hay diferencias críticas en su distribución que obligan a retos técnicos en parte
superados. Sin embargo, más allá de la tecnología, hay una revolución más profunda
y de consecuencias más intensas: el usuario elige lo que desea ver desde el punto
en el que desea verlo, en contraposición a ver lo que ofrecen tal como indica la programación
estática del canal. Esta nueva capacidad de decisión por parte del usuario final obliga
a replantear la atracción del producto y a crear nuevos mercados en los que aprovechar
la interacción. Esta revolución ya está pasando, por mucho que se niegue en algunos
sectores, aferrados a argumentos tales como la falta de calidad de imagen o de tratamiento
profesional asegurado de los contenidos de la Red, pero estos argumentos van perdiendo
fuerza año tras año al incorporarse profesionales preparados para trabajar en este
medio como su entorno natural. Esperemos aportar nuestro grano de arena.
Actividades
Actividad 6
Comparemos los niveles de compresión que se utilizan habitualmente en el mercado.
Para ello, vamos a instalar el programa de reproducción de vídeos VLC (http://www.videolan.org).
Tasas de bits informadas por VLC
Tasas de bits en la solapa Estadísticas de VLC
Primero veamos la compresión de vídeo utilizada para poder almacenar una película
en un DVD doméstico; para ello, mediante el menú Medio-Abrir disco, seleccionad la
unidad de disco y reproducid una película. Accediendo en cualquier momento al menú
Herramientas-Información multimedia-Detalles del códec donde en el apartado Vídeo
indicará el formato de codificación, usualmente MPEG-2, el ancho y el alto de la imagen
en píxeles y los fotogramas por segundo. Es fácil calcular, pues, que el flujo de
datos de lectura en bits/s debería ser, sin compresión, de:
Ahora, en la solapa Estadísticas, podéis ver la Tasa de bits del contenido, los bits
por segundo necesarios para reproducir correctamente el fichero comprimido:
La compresión que ha conseguido, usualmente muy alta, se calcula como:
Actividad 7
Realizad la misma operación, pero en este caso con un fichero de vídeo que se haya
descargado de Internet (WMV, MP4, AVI). Para visualizarlo con VLC, seleccionad el
menú Medio-Abrir archivo y recoged los datos que presenta. Calculad el factor de compresión
y comparadlo con el del caso DVD. ¿Por qué razón hay tal diferencia?
Si en vez de DVD se utiliza Blu-ray, comparadlo con un fichero de vídeo que sea en
alta definición o la comparativa no tendría sentido.
1.5.Resoluciones, velocidad de cuadro, relaciones de aspecto y otros parámetros
El cuadro es la unidad de imagen en vídeo, una imagen con todo el contenido visual captado.
Sin embargo, a la hora de presentarlo en pantalla, puede hacerse de dos maneras:
-
En modo progresivo: por completo, es decir, presentando todas y cada una de sus filas de píxeles una debajo de la otra hasta finalizar la presentación del cuadro.
-
En modo entrelazado: el cuadro se descompone en dos subimágenes, los campos, uno con las filas impares y el otro con las pares. A continuación, se presenta el primer campo y luego el segundo.
Por historia, el modo entrelazado posibilitó emitir televisión utilizando un ancho
de banda pequeño (era más sencillo emitir dos subimágenes alternativamente que una
gran imagen), pero a costa de generar un efecto de vibración visual en las zonas de
imagen con detalle brillante, denominado flicker. Algunas personas son más receptivas a este problema que otras.
La técnica más habitual para reducir el flicker de una señal entrelazada ha sido simular con mayor o menor gracia una frecuencia
de cuadro mayor en el receptor: un monitor que prometa 100 Hz, 200 Hz e incluso 600
Hz intenta mejorar la experiencia visual, a la vez que reduce el flicker, pero introduce artificios varios que, en general, generan otros problemas visuales
colaterales. En vídeo digital, que es nuestro campo de trabajo, todo software de tratamiento
de vídeo provee de alguna herramienta para reducir los efectos visuales del entrelazado.
Es curiosa la existencia de la nueva frecuencia de cuadro de 24 imágenes/segundo en
televisión digital. Hasta ahora, toda transferencia de material cinematográfico a
vídeo había sido a costa de perder calidad visual. Si hablamos de película en 16 mm
o 35 mm, rodada a 24 imágenes por segundo, al transferirla a vídeo con una cámara
de 25 imágenes/segundo aparecían transiciones visuales oscuras constantemente, por
lo que se optó por reproducirla a 25 imágenes/segundo y acelerar así la acción en
unos 4 minutos de cada 100 (una película de 100 minutos en el cine dura 96 en televisión).
Gracias a la introducción de la frecuencia de vídeo de 24 imágenes/segundo en los
formatos 720 y 1080, estos fenómenos desaparecen y se puede capturar, almacenar y
reproducir digitalmente el material de celuloide tal como se hizo.
El modo entrelazado y el progresivo conviven en la actualidad. En realidad, cualquier
sistema que supere los 18 cuadros/segundo es factible, pero cuanto mayor es la velocidad de cuadro más realista es la experiencia, aunque requiera más velocidad de datos. En casos específicos como la videoconferencia,
sistema puramente progresivo, este límite es aconsejable aunque, si no se cumple,
no pierde el valor añadido de una comunicación a gran distancia por muy bajo coste.
Actividad 8
Abrid el VLC y, mediante el menú Medio-Abrir archivo, visualizad los vídeos indicados
en el aula. Este programa posee capacidad de desentrelazar utilizando diferentes técnicas
enumeradas en el menú Vídeo-Modo desentrelazado.
Opciones de desentrelazado de VLC
Una vez seleccionada una de éstas, se puede aplicar y ver el resultado mediante Vídeo-Desentrelazar-Activar.
Seleccionad el que se crea más adecuado para cada vídeo.
Puede desactivarse mediante Vídeo-Desentrelazar-Desactivar.
Respecto a la resolución de imagen, solemos hablar de la resolución vertical, que se define como el número de líneas
horizontales de imagen que pueden distinguirse al recorrer en vertical la imagen.
Así, en PAL o DVD son 576 líneas de un total de 625 (el resto son líneas de sincronía
sin imagen) y en Blu-ray son 720 (modo 720p) y 1.080 (modos 1080i y 1080p).
Sin embargo, la resolución de la imagen vendrá limitada a continuación por la resolución
de la pantalla sobre la que se muestre y viceversa. Así, tamaños de 640x480 (el ya
casi inexistente VGA) hasta 1600x1200 (UXGA) son los más habituales en el entorno
informático, mientras que resoluciones de 1920x1080 son las propias de monitores Full
HD domésticos, aun cuando estos dos segmentos de mercado parecen tender a un destino
común (la unificación augurada del televisor doméstico como centro digital).
Finalmente, el tercer parámetro que debemos destacar es la relación de aspecto, que indica la proporción entre el ancho y el alto de la imagen.
En la actualidad, el estándar en vídeo es 16:9 (más cómodo que decir 1,78). Estudios
han indicado que este rectángulo podía abarcar los formatos de aspecto más frecuentes
que han existido hasta ahora (4:3 convencional, 1.85:1 y 2.39:1 cinematográfico, 3:2
fotográfico), ya sea utilizando el zoom o mediante barras negras a los lados (pillarbox) o arriba y abajo (letterbox).
Comparativa de los diferentes formatos de imagen
La relación de aspecto está relacionada con la proporción del píxel: en el mundo de
la informática, los píxeles son cuadrados. Así, una imagen 4:3 de 1024x768 (VGA) tiene
una proporción exacta de 4:3 y una imagen 16:9 de 1600x900 tiene una proporción de
16:9. Sin embargo, en el mundo de la imagen no es así: el vídeo convencional de 720x576
es 4:3 pero la relación de sus píxeles no:
Con frecuencia, trabajar con señales de resolución estándar en entornos informáticos
supone tener que encoger horizontalmente la imagen para verla en la proporción correcta,
cosa que los propios programas de captura ya realizan internamente. Este problema
no existe con las señales de alta definición, ya que la mayoría de sus formatos son
de píxel cuadrado: 1280x720 (720p) y 1920x1080 (1080i y 1080p) (16:9). El formato
1440x1080 (1080i) es la excepción, con un píxel representado en pantalla ligeramente
rectangular.
Actividad 9
Mediante VLC, se puede experimentar con los dos formatos habituales de trabajo en
vídeo digital. El menú es Vídeo-Proporción, cuyos valores van desde Predeterminado
(el programa elige la proporción según los datos del propio fichero de vídeo) hasta
proporciones más rectangulares. Comprobad que los vídeos en alta definición siempre
son en proporción 16:9.
Selección de proporciones en VLC
2.Características del sonido
La distribución de imagen en casi cualquier aspecto va asociada a la distribución
de audio, por ello requiere tratarlo en este apartado. Como el audio tiene características
diferentes a la imagen, su tratamiento es también diferente, en general más sencillo.
Comencemos con el audio analógico y luego el digital para ver los estándares de compresión
en el siguiente apartado.
2.1.Audio analógico
Convertido el audio en una señal eléctrica, ésta puede alimentar directamente el equipo,
el altavoz o los cascos, por ejemplo, donde se vaya a reproducir. Salvando la potencia
necesaria, este sistema de audio abarca desde micrófonos hasta sistemas de bafles
de conciertos con éxito desde hace décadas, sobreviviendo en la era digital a través
de las salidas RCA de los equipos CD, DVD, descodificadores de cable y satélite, o
de las salidas de auriculares de 3,5 mm de todo reproductor MP3. Sin embargo, el ruido,
las interferencias, la calidad de los conectores y del cable hacen mella en su resultado
final; además, no incluye señalización que facilite su sincronía con el vídeo que
pueda acompañar, por lo que se circunscribe actualmente al entorno de consumo.
2.2.Audio digital
El sonido siempre será analógico, pero la transmisión y almacenamiento se han digitalizado,
por lo que así lo han protegido del ruido y lo han hecho inmune a las interferencias,
a la vez que lo compatibiliza con los sistemas digitales. Además, del CD al MP3, el
audio digital ha pasado de ser no comprimido a utilizar técnicas de compresión que
veremos más adelante. Necesita conectores Canon XLS, aunque el formato AES también
es el utilizado para empaquetar el audio digital en la señal de vídeo SDI, HD-SDI
o 3G, transmitiendo todo el conjunto por un único cable coaxial.
La señal de audio digital sigue el formato AES/EBU, con cada muestra de 16 bits y
a velocidades de 32.000, 44.100 y 48.000 muestras según el ancho de banda analógico
que se desee representar (hasta 16 kHz, calidad FM; hasta 22 kHz, calidad CD, y hasta
24 kHz, calidad de estudio profesional, respectivamente). Sin duda, sigue el mencionado
criterio de Nyquist. Así, una señal estéreo digital AES supone un flujo de datos de:
Flujo de audio = 44.100 muestras x 16 bits/muestra x 2 canales = 1,41 Mbps
Si además contamos con que el estándar AES reserva 32 bits para transportar cada muestra
y otros datos asociados (como el código de tiempo), resulta lo siguiente:
Flujo de transporte de audio = flujo de audio x 2 = 2,82 Mbps
Eso supondría casi una conexión de 3 Mbps sólo para reproducir el audio estéreo a
través de una red, el caso de audio multicanal o envolvente multiplica por 3 o 6 esta
cifra. Evidentemente, se ha de poder comprimir sin perder gran calidad para poder
distribuir audio por red, cosa que veremos más adelante.
Actividad 10
Mediante VLC, abrid un fichero de audio y, mientras está en reproducción, acceded
a Herramientas-Información multimedia. En la pestaña Detalles del códec indicará el
formato en el que está comprimido el audio y en la pestaña Estadísticas se presentará
una serie de datos de los que en especial destaca la Tasa de bits de entrada, es decir,
los kilobits por segundo que el programa va leyendo del fichero de audio, la Tasa
de bits de contenido, que indica cuántos de los kilobits por segundo leídos realmente
son para audio (los demás son de control, calidad, sincronía y demás).
Datos proporcionados por VLC de un fichero de audio
Comparad la tasa de bits de contenido con el flujo de audio (no el flujo de transporte
de audio) que debería tener en formato AES para dar una idea de la compresión conseguida
con el formato de audio del fichero perdiendo la calidad de sonido que se pueda detectar.
Probadlo con diferentes formatos (por ejemplo MP3, WMA o WAV).
3.La revolución en la gestión de las señales
Una vez hemos caracterizado las señales principales, nos quedan otras informaciones
adicionales que tienen definido su sitio en el entorno doméstico y profesional, como
la audiodescripción para personas con discapacidad visual, el teletexto de información
general o los subtítulos para el colectivo con diferentes grados de discapacidad auditiva.
Estas señales deberían poder subsistir o tener equivalentes funcionales en cualquier
plataforma de distribución digital, siempre a costa de un consumo mayor de ancho de
banda, pero los beneficios para la audiencia son evidentes. Incluso en ciertos países
son de obligada existencia.
La gestión de este cúmulo de información ligada (vídeo, audio, servicios adicionales)
en una productora audiovisual se realiza mediante equipos denominados matrices o enrutadores de vídeo y audio, que seleccionan las señales adecuadas del conjunto de señales existentes
para conseguir un producto resultante coherente. Sin entrar en detalles, han existido
matrices analógicas y actualmente todas son digitales.
Al tener que trabajar con señales totalmente digitales, las condiciones son las mismas
que las de trabajo de un router IP, aparato concentrador de datos que encamina los paquetes digitales de datos desde
un origen hasta un destino. La fusión entre las matrices digitales de audio/vídeo
y los routers IP no ha tardado en llegar, habida cuenta de las funciones avanzadas de los routers IP de última generación en entornos de muy alta velocidad. Así, las instalaciones
tradicionales de audio y vídeo con cables coaxiales dedicados desde cada equipo hasta
la matriz van desapareciendo y se sustituyen por una red de alta velocidad en la que
se conectan todos los equipos al router IP central. Es una red escalable, es decir, de tamaño fácilmente ampliable si se
requieren nuevos equipos para la producción.
Este cambio sustancial en el núcleo de producción unifica además la gestión del resto
de señales, incluyendo la telefonía interna, la gestión remota de los equipos, la
integración de la producción en la red de distribución al cliente, a otros centros
de producción o directamente al mercado Internet. Sin duda, hay otro tipo nuevo de
problemas, entre ellos la lucha contra el retardo de los datos y la mejora de la robustez
del sistema ante la congestión de la red y su consecuente pérdida de paquetes de datos.
Si en el campo de la distribución audiovisual la Red ya tenía ganada la batalla, en
el campo de la producción audiovisual la victoria es clara a medio plazo. Muchos equipos
broadcast ya incluyen conexiones de red (fibra o cobre) de alta velocidad (4 Gbps en adelante)
preparados para este cambio de proceso. El transporte de vídeo y audio por IP irá
en aumento vertiginoso.
4.Codificación de la imagen fija
4.1.La necesidad de comprimir
Las imágenes requieren considerablemente más espacio que el texto y el audio y el
vídeo aún demandan más en términos de almacenamiento y velocidad de transmisión. Unos
pocos números nos ilustran en este aspecto e introducen así algunos conceptos básicos
que vamos a usar a lo largo de todo el curso a partir de este punto:
-
Una página de este libro contiene unas 35 líneas de 80 caracteres; si cada carácter puede representarse, almacenarse y transmitirse digitalmente con 1 byte (8 bits), cada página ocupa 22.400 bits.
-
Una imagen de vectores (es decir, creada con líneas, como los diseños de Autocad o una fuente escalable) contiene unos 500 trazos. Si cada trazo se representa por sus coordenadas de inicio y final (cuatro números en total) y cada número por 2 bytes, la imagen ocupa 32.000 bits.
-
La música en calidad CD supone 44.100 muestras/segundo, si las muestras son de 16 bits y es estéreo, se generan 1.411.200 bits cada segundo.
-
Una imagen fotográfica de 720 por 576 píxeles contiene 414.720 píxeles en total, si la imagen es en blanco y negro cada píxel se representa por un byte, por lo que ocupa 3.317.760 bits.
-
Si la imagen anterior fuese en color, cada píxel se representa por 3 bytes (uno para el rojo, otro para el verde y otro para el azul), por lo que ocupa el triple, 9.953.280 bits.
-
El sonido digital envolvente puede llegar a suponer casi 9 Mbps sin tratamiento alguno.
-
En el caso del vídeo, una señal PAL de 625 líneas a 25 cuadros/segundo se descompone en luminancia y dos señales de crominancia que necesitan unos 216 Mbps.
-
Si es HD a 1080i, aumenta a 1.15 Gbps.
Los requerimientos de memoria y velocidad de transmisión para estas informaciones
deben reducirse de manera notable para que puedan ser gestionados por los equipos
actuales, con capacidades de almacenamiento del orden de Gbytes y memorias buffer
del orden de Mbytes, y de sistemas de transmisión en el entorno de algunos Mbps. Necesitamos
comprimir y, en algunos casos, de manera drástica.
4.1.1.Codificación y compresión. Tipos de compresión
Es usual que se utilicen los términos codificación y compresión de manera equivalente,
pero codificación es sencillamente expresar una información de una manera diferente utilizando un nuevo
código, mientras que compresión es reducir su tamaño total en bits. La compresión es un caso particular de codificación,
donde el nuevo código utiliza menos elementos para representar la misma información.
Así, la tabla ASCII codifica los caracteres y los expresa en formato binario, sin
existir ninguna compresión en el proceso. Por el contrario, una codificación que utiliza
una herramienta informática que represente un fichero de datos con otro de menor tamaño
en bits (como .zip o .rar en Windows, .sit en OSX o .tg en Linux) es un caso de compresión.
No obstante, aún podemos perfilar más la definición de compresión: cuando indicamos
que ha de representar la misma información, no significa en todos los casos que deba
ser exactamente la misma información final que la original, es decir, la compresión
puede ser sin pérdidas o con pérdidas. En el primer caso, podemos realizar el proceso inverso para volver a tener la misma
información exacta original: de todo fichero .zip o .rar puede recuperarse el fichero
original. En el segundo caso, aceptamos una degradación del mensaje en aras de conseguir
una compresión efectiva, siempre y cuando no haga inservible la información que lleva.
4.1.2.Redundancia y entropía
¿A qué nos referimos con información inservible? En muchos casos, la información por
transmitir tiene datos redundantes, información predecible o repetitiva que se puede comprimir de forma intensa, como
por ejemplo varios espacios en blanco consecutivos en un texto o varios píxeles consecutivos
de un mismo color en un fax. Su reconstrucción al descomprimir es exacta. En la compresión
sin pérdidas se elimina la redundancia de la información, sin tocar un ápice la información
fundamental. Es la ideal para ficheros de datos (como zip, rar, sit y tg), algunos
formatos de imagen como GIF, PIC, un modo de trabajo específico del formato de compresión
de imagen JPEG 2000, entre otros.
Sin embargo, estas compresiones sin pérdidas no rinden mucho. Conseguir un 50% de
reducción es generalmente un éxito, por lo que la compresión con pérdidas es la que
domina en el mundo de la imagen y el sonido, donde se necesitan tasas de reducción
mucho más altas.
La base de la compresión con pérdidas es la eliminación de los datos irrelevantes, como por ejemplo las pequeñas variaciones de color entre píxeles cercanos (ya que
el ojo humano tiene poca resolución para el color) o los sonidos de frecuencias superiores
a los 16.000 Hz (pues pocos seres humanos adultos son capaces de oírlos). La información
irrelevante se suprime completamente, al modificar de manera permanente la información
por transmitir, aunque de una manera tolerable para el destinatario al que vaya dirigida.
Ejemplos de formatos estándar de compresión con pérdidas son los siguientes:
-
formatos de compresión de imagen como JPEG, EZW, SPIHT y casi todos los modos de trabajo de JPEG 2000,
-
formatos de compresión de audio como AAC o MP3,
-
formatos de compresión de vídeo como la familia MPEG.
Es evidente que el éxito de cualquier compresión dependerá de cuánta información redundante
o irrelevante haya en el mensaje, por lo que es habitual que el rendimiento de la
compresión varíe casi constantemente. La entropía es una medida de la información
esencial de un mensaje (la diferencia entre la cantidad total de datos que contiene
el mensaje y su redundancia). A mayor entropía, más datos no pueden eliminarse, por
lo que la codificación con pérdidas rendirá poco. A menor entropía, la codificación
con pérdidas será muy efectiva.
4.1.3.Medida de la compresión de imagen
Para medir la compresión conseguida en una imagen y así poder comparar diferentes
sistemas de compresión como haremos en el curso, utilizamos el factor de compresión
que ya vimos antes, un valor numérico que aumenta con la compresión lograda. Así,
dada una imagen original y su equivalente comprimido, el factor de compresión es el
siguiente:
Otra manera de representar la compresión es indicando el número de bits que necesita
cada píxel de la imagen, el bit por píxel (bpp):
De manera sencilla podemos deducir que el bpp de una imagen original y el bpp de su
imagen comprimida se relacionan con el factor de compresión entre ellas:
Actividad 11
Si una imagen es de 1600x1200 píxeles con 24 bits de color/píxel y se comprime en
un formato tal que el fichero resultante es de 230 Kbytes, ¿cuál es el bpp de la imagen
original? ¿Y el de la comprimida? ¿Cuál será el factor de compresión conseguido? Atención
con las unidades, no mezcléis bits con bytes.
4.1.4.Medida objetiva y subjetiva de la calidad de imagen
En la actualidad, se siguen investigando técnicas cuantitativas que puedan asignar
un valor numérico a la calidad visual de cualquier imagen, así nos da una idea de
lo degradada que ha resultado tras aplicarle cierta compresión con pérdidas y nos
ayuda a elegir el estándar de compresión más adecuado.
En todo caso, presentamos una medida, el error cuadrático medio, una manera de calcular las diferencias que existen entre una imagen y su comprimida.
Básicamente es una aproximación para diferenciar en cuánto son diferentes, algo que
el ojo humano hace de manera natural en instantes pero que matemáticamente es muy
difícil de concretar, pues no se conocen con detalle los mecanismos del cerebro humano
que posibilitan tal hazaña. La idea es restar píxel a píxel una de otra y sumar las
diferencias, el resultado es un valor que, cuanto más se acerca a cero, más parecidas
son las imágenes.
Sin embargo, es una medida no del todo fiable, pues los errores visuales son percibidos
por el ojo humano en mayor medida en función del entorno en el que aparecen, cosa
que no se valora con esta herramienta. Tras ver el formato JPEG, veremos una manera
mucho más visual y entretenida de detectar los errores mediante la aplicación Photoshop,
capaz de calcular la imagen diferencia, es decir, una resta visual píxel a píxel entre,
por ejemplo, una imagen sin comprimir y su equivalente comprimido, lo que pone en
evidencia la información perdida en la compresión.
4.2.El JPEG
Comencemos viendo el primer sistema de codificación de imagen fija e introduciendo una serie de conceptos que utilizaremos a lo largo de todo el curso.
El JPEG es un comité (Joint Photographic Experts Group), no un estándar de codificación,
que a finales de la década de 1980 ideó un proceso por el que una imagen digital podía
comprimirse y mantener un compromiso con la calidad visual. En aquellos años ya comenzaba
a ser necesario algún sistema para que las imágenes no ocupasen los reducidos espacios
de almacenamiento digital existentes en la época y para poder ser transmitidas por
líneas de telefonía digital de baja velocidad. En general, el proceso es suficientemente
robusto y de resultados aceptables, en especial con fotografías naturales e imágenes
realistas, con lo que se llega a un promedio de compresión de 10:1 con pérdidas imperceptibles
visualmente, por eso sigue siendo un formato muy utilizado.
Por primera vez en este curso, hemos de distinguir entre el sistema de codificación
(códec) de la imagen, que es JPEG, y el contenedor o formato de fichero donde se guardan los datos resultantes de la codificación, del
que hay dos tipos, JFIF y EXIF. Así, JPEG/JFIF es el formato clásico, mientras que
JPEG/EXIF posibilita añadir metadatos. En la actualidad, algunos móviles con cámara y GPS integrados añaden la longitud
y latitud en la que una foto fue tomada. Nuestro interés se centra en el códec.
El JPEG puede trabajar en varios modos diferentes, aunque sólo vamos a detallar dos
modos con pérdidas: el más utilizado, el modo secuencial, con el que introduciremos varios conceptos de codificación relevantes en cada paso
del proceso de codificación, y el modo progresivo.
4.2.1.El modo secuencial
Un esquema general de los diferentes pasos que se realizan en este modo secuencial
es el siguiente:
Esquema general de los pasos en el modo secuencial
1) Paso 1: cambio de espacio de color y submuestreo del color
Si la imagen es RGB, en primer lugar se transforma a YUV. Como ya vimos al principio
de este módulo, dado que el ojo humano tiene menor resolución de color, las imágenes
U y V se submuestrean y así reducen su número de píxeles. La imagen Y (blanco y negro)
se mantiene inalterada.
2) Paso 2: división en bloques y secuenciado
Cada uno de los tres componentes se comprime por separado y se divide en bloques de
8x8 píxeles. Así, cada componente se convierte en una secuencia de bloques, comenzando
por el de la esquina superior izquierda y acabando con el de la esquina inferior derecha.
A partir de este punto, el proceso se ejecuta de forma individual por cada bloque.
3) Paso 3: codificación de cada bloque
Cada bloque de imagen de 8x8 píxeles se transforma matemáticamente en otro bloque
de 8x8 valores (también enteros) que ya no representan una pequeña imagen sino las
frecuencias espaciales de ésta. El bloque, pues, contiene la misma información que tenía pero con otros
valores: un puro ejemplo de codificación. Y sin pérdidas hasta este punto, pues podríamos
realizar el proceso inverso y recuperar exactamente la pequeña imagen original.
La transformación utilizada se denomina DCT (discrete cosinus transform) y es la base de la compresión de imagen y vídeo hoy en día.
4) Paso 4: cuantificación de cada bloque
Si ambos bloques contienen la misma información, ¿por qué buena parte de los valores
o coeficientes del segundo bloque son de valor muy reducido, incluso nulo, respecto
a los restantes? Éste es el quid del proceso: la transformación DCT compacta la información
asociada a la imagen en los primeros coeficientes (situados cerca de la esquina superior
izquierda), con lo que nos posibilitaría eliminar buena parte del resto con valores
nulos o de bajo valor (indicados en rojo en la imagen adjunta) y reducir el número
total de coeficientes que representan el bloque.
Pero ¿qué criterio elegir para eliminar los coeficientes pequeños? ¿Y qué quiere decir
pequeño? Para automatizar la selección de los coeficientes por eliminar en cada bloque
de una manera razonable, se utiliza una tabla de referencia denominada de cuantificación, que contiene 8x8 valores de peso o ponderación, definida tras muchas pruebas de
calidad subjetiva realizadas con grupos de observadores. Esta tabla contiene pesos
pequeños en las posiciones cercanas a la esquina superior izquierda y pesos crecientes
cuanto más lejanos están de ésta. Cada coeficiente de la imagen transformada se divide
por el peso que le corresponde por posición, de manera que los alejados de la esquina
superior izquierda quedan divididos por pesos elevados y dan resultado cero (se desprecian
los decimales).
Ejemplo
Veamos un ejemplo de tabla de cuantificación utilizada en JPEG (Losheller):
|
16 |
11 |
10 |
10 |
24 |
40 |
51 |
61 |
|
12 |
12 |
14 |
19 |
26 |
58 |
60 |
55 |
|
14 |
13 |
16 |
24 |
40 |
57 |
69 |
56 |
|
14 |
17 |
22 |
29 |
51 |
87 |
80 |
62 |
|
18 |
22 |
37 |
56 |
68 |
109 |
103 |
77 |
|
24 |
35 |
55 |
64 |
81 |
104 |
113 |
92 |
|
49 |
64 |
78 |
87 |
103 |
121 |
120 |
101 |
|
72 |
92 |
95 |
98 |
112 |
100 |
103 |
99 |
Si hiciésemos la transformación inversa, denominada IDCT, para recuperar el bloque
de imagen original a partir del bloque transformado y cuantificado, el efecto visual de la pérdida de coeficientes es mínimo. En el ejemplo siguiente, hay que descartar que los indicados en rojo no afectan
sensiblemente al resultado destransformado.
Sin duda, almacenar en un fichero los coeficientes trasformados que nos interesan
en vez de todos los píxeles originales daría una buena tasa de compresión. Si además
descartamos aquellos que tienen valor despreciable, la tasa mejora sensiblemente al
minimizar el efecto visual de las pérdidas introducidas cuando se invierte la transformación
y se recupera la imagen. Además, la DCT no necesita de un procesador potente de cálculo
y se puede ejecutar en hardware sencillo. Sin embargo, el proceso de compresión JPEG
aún no ha acabado.
Hagamos una pausa en el proceso de explicación y razonemos las siguientes cuestiones:
a) ¿Cómo es posible que la DCT haga insensible visualmente la eliminación de buena
parte de los 64 valores? Tras años de pruebas y comparativas con todas y cada una de las transformaciones
conocidas, la DCT es la que mejor condensa lo importante en menos datos sin necesidad
de mucha potencia de cálculo (factor que en los años ochenta era crítico). Hay transformaciones
mejores, pero todas necesitan cálculo intenso superior, como por ejemplo JPEG2000,
que veremos más adelante en este mismo módulo.
b) ¿Qué significa visualmente cada uno de los 64 coeficientes? Tal como se ha indicado, estos datos generados por la DCT representan frecuencias
espaciales, es decir, cada coeficiente, por sí solo, generaría un bloque de imagen
simple correspondiente a una oscilación visual.
La imagen que tenéis en el margen es un resumen del tipo de bloque de imagen generado
por cada coeficiente en función de su posición en el bloque transformado. Por ejemplo,
el coeficiente que se ubica en la esquina superior izquierda genera por sí solo un
bloque de imagen de 8x8 píxeles como el indicado en esa misma esquina, un bloque visualmente
homogéneo. El segundo coeficiente genera un bloque de imagen de 8x8 píxeles similar
a una onda horizontal de medio periodo, el tercero una onda horizontal de un periodo
y así sucesivamente.
Pues bien, cualquier fragmento de fotografía en blanco y negro de 8x8 píxeles que
se elija puede representarse como una suma de estos 64 bloques debidamente ponderados
(multiplicados) por un valor. Si se tuviese tiempo (años) y paciencia, se podrían
ir probando sumas de estos bloques debidamente amplificados cada uno por un valor
a nuestra elección. El día que consiguiésemos la suma perfecta que reprodujese exactamente
el fragmento de fotografía, descubriríamos que los 64 valores seleccionados coinciden
con los generados por la sencilla DCT.
El primer coeficiente del bloque es el peso o valor de la frecuencia cero que denominados
componente de continua o baja frecuencia (visual) y que, como podéis ver, recrea el valor medio de brillo de todo el bloque y genera
por sí solo un bloque visual de 8x8 homogéneo. Así, si borrásemos todos los componentes
del bloque salvo éste y aplicáramos la transformada inversa para volver a tener un
bloque de imagen, tendríamos lo que denominamos un efecto mosaico.
El ojo humano es muy sensible a este valor medio y se percata de cualquier error en
este valor, de tal manera que cualquier variación que hubiese entre dos cuadros consecutivos
genera un efecto mosaico. Por ello, el JPEG mima el valor de este coeficiente como
ningún otro, tal como vamos a ver en el paso siguiente.
Los 63 coeficientes restantes se denominan de alterna o alta frecuencia y son responsables de las variaciones de brillo a partir de este nivel de base. Los
bloques de imagen con mucho detalle visual, al aplicárseles la DCT, tienen muchos
coeficientes de este tipo con gran valor, mientras que los bloques de poco detalle
al contrario.
c) Calidad de imagen y tablas de cuantificación
Cuando se desea codificar una imagen en formato JPEG, el software (por ejemplo, Photoshop)
pregunta el nivel de calidad que deseamos mantener de la imagen original en la nueva
imagen JPEG. Usualmente es un parámetro cuantitativo (como un valor de 0 a 10 o de
0 a 12, incluso un porcentaje de 0 a 100%) y el primero es la peor calidad y máxima
compresión, mientras que el último es la máxima calidad y mínima compresión. En otras
ocasiones, posibilita seleccionar la calidad o compresión mediante valores cualitativos
(de menor a mayor detalle), como por ejemplo en las configuraciones de las cámaras
digitales.
Cuadro comparativo de las compresiones JPEG sobre una misma imagen
Este parámetro de calidad seleccionado por el usuario está íntimamente ligado a la
tabla de cuantificación que debemos aplicar para eliminar los coeficientes de alta
frecuencia de todos los bloques transformados de la imagen por codificar. Así, a mayor
valor de calidad, los valores de la tabla de cuantificación se reducen, por lo que
la división da un resultado mayor y sobreviven más coeficientes de alta frecuencia.
Cuando la calidad es máxima, los valores de la tabla de cuantificación son todos 1
y no teniendo ningún efecto.
También el valor de calidad puede hacer seleccionar al codificador utilizar técnicas
de submuestreo de color 4:2:2 o 4:2:0 para reducir sensiblemente el número de bloques
de color, lo que mejora la compresión sin necesidad de ninguna acción por parte del
usuario.
5) Paso 5: codificación de los coeficientes
Si bien los 64 coeficientes son enteros, en este paso se convierten a binario y se
almacenan en fichero mediante una codificación que reduce la necesidad de bits para
su almacenamiento. Como el coeficiente de continua es tan importante, se trata con
una codificación específica.
En primer lugar, se ordenan siguiendo un orden en zigzag establecido. A continuación,
se codifican de la siguiente manera:
-
Coeficiente de baja frecuencia: guardar la diferencia entre dos valores ocupa casi siempre menos espacio que guardar los dos valores, siempre y cuando estos valores sean parecidos. Es lo que se denomina codificación diferencial (DPCM) y se aplica al coeficiente de continua de cada bloque: como en la mayoría de imágenes el valor medio de un bloque es usualmente similar al del bloque inmediatamente anterior, se almacena el valor del primero y posteriormente las diferencias de cada uno con el siguiente coeficiente de continua. Si además se almacena en el fichero JPEG antes que el resto de coeficientes, tendremos la imagen mosaico de manera inmediata como vista preliminar de ésta.
-
Coeficientes de alta frecuencia: en la ristra secuencial de valores generada por la ordenación en zigzag aparecen usualmente muchos valores repetidos, la mayoría ceros, por lo que se aplican técnicas de compresión que aprovechen esta característica (Huffman).
Según como se almacenen en el fichero los componentes de color, se habla de componentes entrelazados (donde se van almacenando los bloques de luminancia y de color alternativamente)
o no entrelazados (primero se almacenan los de luminancia y luego los de color).
Descodificación de una imagen JPEG
El fichero JPEG posee toda la información necesaria para recuperar la imagen comprimida
según el valor de calidad con el que se generó, ya que no sólo incluye los coeficientes
transformados de todos los bloques, sino la información necesaria para recuperarlos
a partir de sus versiones codificadas, el valor de calidad seleccionado y la tabla
de cuantificación seleccionada para eliminar elementos.
Actividades
Actividad 12
Vamos a comprimir una imagen en formato JPEG mediante Photoshop para su efecto en
la calidad de la imagen y en el tamaño del fichero resultante. Para ello, abrid la
aplicación y leed una imagen, a continuación mediante Archivo-Guardar como seleccionad
un nuevo nombre y como formato de grabación elegid JPEG (*.JPG, *.JPEG, *.JPE, las
tres extensiones habituales que se añaden al nombre del fichero). Tras aceptar, aparece
la siguiente ventana, donde se pregunta la calidad visual en la que se desea comprimirla
(un valor de 0 a 12). Por ahora, mantened como opción el modo baseline (estándar) del que se hablará en el siguiente apartado.
Tras aceptar, el Photoshop almacenará el fichero comprimido. Visualizad el resultado
y mediante el sistema operativo que se use (Windows, OSX) tomad nota del tamaño en
Kbytes del fichero resultante. Podéis calcular sencillamente el factor de compresión.
Actividad 13
Como os percatáis, el factor de compresión puede dar una idea aproximada del resultado,
pero no es útil si se desea descubrir realmente dónde se está generando la pérdida
de información visual. Para ello, se puede crear una imagen diferencia que sea la
resta píxel a píxel entre la imagen sin comprimir y la comprimida, en este caso, en
JPEG.
Abrid el Photoshop, leed la imagen original y leed también la imagen comprimida (aconsejamos
elegir una imagen comprimida en un factor de 4 a 6, así los errores serán más evidentes).
A continuación, seleccionad con un clic la imagen original sin comprimir y mediante
CTRL-J (Windows) o COMMAND-J (Mac) duplicad su capa Background en la paleta de capas.
El resultado son dos capas: la capa Background (o Fondo) original abajo y una copia
que el Photoshop denomina Layer 1 (o Capa 1 en función del idioma del programa).
Ambas capas son idénticas, como demostración presentaremos la imagen diferencia: se
puede avanzar que, si ambas son iguales, la diferencia entre píxeles correspondientes
será 0, con lo que todos los píxeles de la imagen diferencia serán de valor 0, es
decir, totalmente negros. En el desplegable de la ventana de capas, elegid Diferencia:
Tal como era previsible, la imagen diferencia aparece totalmente negra.
Seamos escépticos y confirmad que es así de una manera más explícita; para ello, seleccionad
la herramienta de ajuste y, de las opciones existentes, elegid Levels (Niveles).
Activará una ventana de diálogo donde se refleja el histograma de la imagen diferencia.
Es tan estrecho porque todos los píxeles son del mismo valor, no se distribuyen en
otros valores más que el cero.
Una vez demostrada que la imagen diferencia entre dos imágenes iguales es negra, borrad
Layer 1 (Capa 1) seleccionándola con un clic en la ventana de capas y pulsando la
papelera situada en esa misma ventana.
Ahora que se sabe cómo realizar una imagen diferencia y que hemos vuelto al punto
de partida, volved a ejecutar la operación pero con las dos imágenes que aún están
abiertas en el Photoshop. Seleccionad la herramienta Mover en la barra de herramientas,
pulsad el ratón sobre la imagen comprimida sin soltarlo, arrastrad el ratón hasta la imagen sin comprimir, pulsad y mantened
la tecla MAYUS y finalmente soltad el ratón.
Si bien visualmente no parece haber habido ningún efecto, en la ventana de capas se
verá que se ha creado una segunda capa, Layer 1 o Capa 1, que es la imagen comprimida,
mientras que Background o Fondo es la imagen sin comprimir.
Ya se tienen ambas imágenes en capas, por lo que se puede volver a ejecutar la operación
Diferencia (aparecerá ésta, aproximadamente negra) y a continuación la herramienta
de capas, eligiendo Niveles:
Casi con seguridad, el histograma ya no será tan uniforme:
Para poder discernir con claridad los píxeles diferencia, desplazad el gadget blanco hacia la izquierda y así realzaréis visualmente sus valores.
De este modo, todos los errores generados por la codificación con pérdidas de JPEG
se reflejan claramente situados en zonas específicas de la imagen, como los bordes
de los objetos y en general las zonas con gran detalle visual.
Realizando el proceso con niveles de compresión más elevados aparecen igualmente errores
en zonas de color homogéneo y un claro efecto de bloques en general, intrínsecos a
la manera como el JPEG trabaja la imagen.
4.2.2.Otros modos de trabajo del JPEG
El modo secuencial base explicado es válido para la mayoría de aplicaciones de tratamiento
de la imagen, donde éstas poseen 8 bits por cada uno de los componentes (RGB) e incluso
una cuarta capa de transparencia.
Sin embargo, existen otros modos (hasta 44) para aplicaciones específicas. Por ejemplo,
para imágenes de muy alta calidad con 12 bits por componente o para aplicar otros
sistemas de codificación de coeficientes más efectivos (codificación aritmética en
vez de Huffman).
Una versión mejorada del modo secuencial base, el modo secuencial base optimizado, permite una mejora del 2% al 8% en el tamaño del fichero final. Sin embargo, algunas
aplicaciones pueden no ser compatibles con este modo.
Actividad 14
Visualizad la imagen diferencia en el caso de compresión JPEG en modo Línea de base
optimizado/Baseline optimized y valorad la diferencia con JPEG Standard/Baseline utilizando
la misma imagen original del ejercicio anterior y comprimiéndola a la misma calidad.
Valorad la calidad visual y el factor de compresión de la resultante.
El tercer modo interesante, el modo progresivo, muy utilizado para imágenes de sitios web cuyos servidores tienen conexiones de
baja velocidad o tienden a estar muy saturados, posibilita ver una imagen mosaico
(es decir, la imagen con sólo el coeficiente de continua de cada bloque) y sus sucesivas
mejoras de calidad en función del orden de recepción de los datos, por lo que el espectador
puede tener vistas parciales cada vez más detalladas de la imagen que va recibiendo.
Hay varias maneras de implementar esta solución, aunque la más generalizada es almacenar
en el fichero JPEG en primer lugar los coeficientes de continua y los primeros coeficientes
de alterna de todos los bloques, luego coeficientes de alterna de menor relevancia
visual (mayor detalle) y después de relevancia aún menor (y más detalle). El proceso
suele realizar tres, cuatro o cinco fases de separación de los coeficientes. Un fichero
JPEG en modo progresivo tiene normalmente un tamaño en bytes superior al de su equivalente
en modo secuencial o secuencial optimizado.
Actividad 15
Realizad el ejercicio anterior eligiendo en este caso el modo Progresivo/Progressive
con cuatro lecturas. Mediante un navegador o programa de visualización, abrid el fichero
de imagen generado y comprobad que se visualiza con una mejora gradual.
Para finalizar, el modo JPEG-LS (lossless JPEG, JPEG sin pérdidas) es un modo creado unos años más tarde (1993) que
codifica la imagen sin pérdidas. Utiliza una DCT para codificar, pero no utiliza tablas de cuantificación, sino que
calcula previsiones de los píxeles a partir de sus píxeles vecinos. Destinado a aplicaciones
médicas de imagen, consigue unos factores de compresión de 2:1, sin tener relevancia
fuera de este campo.
4.3.JPEG 2000
Una década más tarde de la aparición del JPEG, el escenario había cambiado sensiblemente:
se habían investigado con éxito nuevas transformaciones que superaban la clásica DCT,
aunque obligaban a un cálculo intensivo, pero la capacidad de cálculo de los equipos
domésticos y profesionales quintuplicaba el de diez años antes, lo que hacía factible
un nuevo formato de codificación que diese respuesta a las nuevas exigencias del mercado,
entre otras:
-
la codificación con pérdidas o sin pérdidas,
-
el alto factor de compresión con menores artefactos visibles,
-
la robustez contra errores para poder transmitir a baja velocidad, por ejemplo,
-
la capacidad de añadir datos adicionales o metadata,
-
la mejor codificación de imágenes sintéticas o bitono.
Lamentablemente, la situación legal del formato JPEG2000 fue siempre controvertida,
ya que existen patentes sobre partes del proceso, lo que ha frenado desde el principio
su popularización.
El JPEG da calidades subjetivas de imagen muy bajas en compresiones menores de 0,25
bpp, donde el JPEG2000 aún puede dar calidad incluso hasta en 0,1 bpp. Y en los rangos
de compresión habituales, este nuevo sistema de codificación supera al JPEG.
El secreto es la transformación Wavelet, que trata la imagen como un todo (no la descompone en bloques), le aplica varios filtros espaciales y aprovecha de
manera muy eficiente la codificación de los resultados. Según los filtros que se utilicen,
esta transformación puede ser sin pérdidas o con pérdidas, en este último caso mejora la compresión a costa de algún efecto visual en los contornos
(la alta frecuencia espacial).
Así, si el JPEG2000 es capaz de comprimir con calidad a mayor tasa, es mejor para
transmitir imagen a baja velocidad. Como además el tipo de descodificación es progresivo, la imagen recibida se descodifica a partir de una primera versión básica (baja frecuencia
espacial) que va mejorando en detalle, perfecto para transmisión: si se interrumpe
en cierto momento, al menos tendremos una imagen completa parcialmente detallada.
El estándar posibilita incluir datos adicionales (metadata) en el fichero de imagen.
El JPEG ya lo posibilitaba en su formato EXIF, pero el JPEG2000 lo hace de manera
más estandarizada siguiendo el formato XML.
Actividad 16
El Photoshop lee y graba en formato JPEG2000 (extensiones *.JPF, *.JPX, *.JP2, *.J2C
y *.JPC) aceptando una configuración personalizada en cada grabación, que destaca
si se desea una compresión “sin pérdidas/lossless” en una calidad indicada por un
valor de 0 a 100.
Realizad algunas compresiones con este formato en modo con pérdidas y probad el formato
sin pérdidas, así valoraréis el nivel de compresión logrado en el ámbito del tamaño
de fichero.
Opciones de codificación con o sin pérdidas de JPEG2000
4.4.JPEG XR
En el 2006, Microsoft introdujo un códec propietario de imagen inicialmente denominado
HD Photo y dirigido exclusivamente al sector de la fotografía digital que desde el
2009, año en el que se convirtió en estándar ISO, es conocido como JPEG XR (Extended
Range). La extensión de los ficheros de imagen es .wpd.
Sus características principales son las siguientes:
-
codificación con pérdidas o sin pérdidas,
-
decodificación progresiva,
-
mejor compresión que el JPEG,
-
un abanico de formatos amplio: 8, 16 o 32 bits por canal de color, los píxeles pueden tener valor entero o incluso flotante para adaptarse a cámaras fotográficas de rango dinámico muy alto y un formato en blanco y negro de 16 bits,
-
el formato contenedor puede incluir metadata y un canal alfa,
-
no está destinado a ser utilizado en imágenes sintéticas o con bitonos (texto o gráficos).
Si bien este formato sólo está soportado por Windows desde su versión Vista y existen
algunos plugins comerciales (por ejemplo para el Adobe Photoshop ofrecidos por Microsoft),
su avance es lento frente al estándar abierto de imagen DNG (Adobe, 2004). La liberación
del JPEG XR en el 2010 por parte de Microsoft podría darle una posibilidad de éxito
al facilitar su uso en aplicaciones de código abierto.
4.5.Tendencias futuras de la codificación de imagen
A mediados de la década de 1980, el matemático Michael Barnsley presentó la base de
un sistema de compresión de imágenes con pérdidas basado en fractales que generó gran
expectación.
Un fractal es un elemento sencillo que, iterado sobre sí mismo repetidas veces, genera un nuevo
elemento complejo. La idea de Barnsley es generar una imagen original a partir de
un elemento visual básico mediante iteraciones. Así, sólo se debería almacenar o transmitir
el fractal o grupo de fractales, no la imagen. Incluso es posible reconstruir la imagen
original a resoluciones superiores a las de partida con muy poca capacidad de cálculo.
Sin embargo, el problema principal reside en cómo encontrar de manera automática el
elemento visual básico (o el conjunto de elementos básicos) que pudiese lograrlo.
La necesidad de una gran capacidad de cálculo para conseguir deducirlos y la falta
de un algoritmo eficiente para todo tipo de imágenes ha frenado hasta la fecha este
sistema de compresión, aunque la investigación sigue abierta incluso para su aplicación
en vídeo.
Resumen
Se han descrito los diferentes mecanismos de transporte de imagen y sonido para su
captura, se han diferenciado los analógicos de los digitales y, de entre ellos, los
de entorno puramente informático y se ha valorado la calidad conseguible en cada uno
de ellos. En esta visión, se han introducido los conceptos de luminancia y crominancia,
base de los sistemas de compresión de imagen y vídeo actuales.
Hemos tenido un primer contacto con la problemática de la transmisión de vídeo y audio
digital a través de Internet, hemos valorado los problemas de retraso y pérdidas que
puedan ocasionarse y hemos demostrado la existencia de la compresión en todo sistema
de almacenamiento en archivos multimedia.
Describimos a continuación el sistema de codificación de imagen estática JPEG, sus
fases de trabajo, los parámetros que la configuran y los diferentes modos. Este caso
nos posibilita diferenciar entre los conceptos de codificación y compresión y nos
ilustra algunas maneras de valorar tanto la compresión conseguida como los errores
introducidos en el caso de compresión con pérdidas. Finalmente, damos una visión superficial
de los estándares JPEG2000 y JPEG XR, al compararlos con el estándar original.