IP-видео – не верьте спецификации!

Перевод: Ю.М. Гедзберг

Тим Нортон

Начиная с того времени, когда рынок принял IP-видео, для оценки качества изображений стали использоваться самые различные термины: MPEG4, H.264, 4CIF, D1, MJPEG, QCIF, CIF, DVD-качество  HD, Mega-pixel & MJPEG.

К сожалению, эти термины абсолютно никак не связаны с реальным качеством изображения. На самом деле, в большинстве спецификаций на IP-продукты отсутствуют истинные параметры окончательного качества изображения. Качество камеры мы привыкли оценивать с помощью телевизионных линий разрешающей способности. Но когда мы осуществляем запись с помощью DVR или IP-решений, то мы больше не говорим о количестве ТВЛ. Мы указываем разрешающую способность  в CIF, 2CIF, 4CIF, D1 или каком-то другом высоком разрешении, либо в мегапикселах.

Давайте, посмотрим, что на самом деле означают различные теримины.

4CIF – это количество пикселов в видеосигнале. В системе PAL это соответствует где-то между  702(h) x 576(v) и 752(h) x 576(v) в зависимости от того, как это измеряется.

2CIF – это 702 x 288 пикселов. По сути, мы теряем каждую вторую строку по вертикали, а затем на экране повторяем каждую вторую строку.

CIF - это 353 x 288 пикселов. Часто называется 320 х 240 пикселов, но это относится к NTSC.

D1 – это фактически то же самое, что 4CIF.

Мегапиксел соответствует 1000000 пикселов, однако это нестандартное значение. Например, 4CIF при соотношении сторон экрана 4:3 соответствует 702 x 572 пикселам. Можно сказать, что это 404352-пикселная камера.

Одно-мегапикселная камера может быть рассчитана на соотношение сторон 4:3 или 16:9, или на какой-то нестандартный формат. Например, при 1736х572 пикселов изображение будет широкоэкранным.

HD (High Definition) – стандарт вещательного телевидения высокого разрешения, на который все переходят в 2012 году. Это относится к 720 пикс. для High Def или 1080 пикс. для True High Def.

720 пикс. по горизонтали соответствует формату 1280 x 720 = 921600 пикс.

1080 пикс. по горизонтали соответствует формату 1960 x 1080 = 2116800 пикс.

MPEG4, H.264, JPEG2000 и MJPEG – это методы компрессии видеоизображений.

В настоящее время H.264 является одним из наиболее эффективных методов сжатия в индустрии видеонаблюдения, представляется, что он будет стандартным еще долгое время.

Эти объяснения означают лишь одно: мы осуществили захват видео и его кодирование. В них нет ссылок на качество изображения.

Чтобы лучше в этом разобраться, для начала рассмотрим разрешающую способность в понятиях количества пикселов. CIF является мерой количества пикселов, с которой приходится работать. Наиболее очевидным преимуществом большего числа пикселов является возможность электронного увеличения части изображения.

На данном изображении показано, как один и тот же автомобильный номер будет выглядеть при электронном увеличении в разрешении CIF, 4CIF (Standard Definition TV) и HD (High Definition TV).

Этот пример ясно показывает, что мелкие детали изображения оказываются четче при большем количестве пикселов. Значит ли это, что мегапиксельная камера лучше, чем камера 4CIF?

Не совсем. Если используется неэффективное сжатие, то качество изображения может оказаться низким.

Кроме того, возможно вы думаете, что H.264 является наиболее новым видом сжатия, и поэтому обеспечивающим наилучшее качество. Опять же, вид компрессии тоже непосредственно не говорит о качестве изображения. 

Сжатие и разрешение совместно влияют на качество изображения, однако они не могут использоваться как некая гарантия качества. Вот два изображения, иллюстрирующие сказанное.

Оба эти изображения получены с помощью сжатия H.264 при разрешении 4CIF. Изображение слева получено при плохой реализации Н.264, справа – при хорошей реализации Н.264.

Это можно сравнить, как если бы одно изображение получено с DVD, который вы приобрели в магазине, в то время как другое изображение скачали из интернета. Зачастую качество бывает очень различным, притом, что оба изображения имеют разрешение D1 и сжатие MPEG2.

Строго технически объяснить, как реализуется компрессия, довольно сложно, но простым языком это можно объяснить следующим образом.

При сжатии, подобном MJPEG, основанном на JPEG, мы просто сжимаем все изображение и посылаем его как JPEG-файл. Насколько сильно мы сжимаем изображение, настолько сильнее это отражается на качестве изображения и на размере файла. Чем больше размер файла, тем лучше качество. Это очень неэффективный вид компрессии, однако он обеспечивает прекрасное качество при наличии высокой пропускной способности и хранилищ большого объема данных.

В методах компрессии, основанных на анализе движения, таких как MPEG4 или H.264 (также известном как MPEG4 part 10), мы анализируем изменения в деталях одного изображения по отношению к другому. Изображение разделяется на I-кадры, которые аналогичны полному JPEG-изображению, и Р-кадры, в которых содержится разница в каждом изображении после I-кадра. Часто I-кадр передается примерно через каждые 100 кадров или каждые 4 секунды. Между I-кадрами мы обнаруживаем и посылаем только  изменения в сцене в виде P-кадров.

Способность обнаруживать изменения в мелких деталях в сцене определяет качество конечного изображения и требуемую для его передачи пропускную способность канала.

Некоторые кодеки в реальности отправляют только I-кадры, делая это не лучше, чем при просто JPEG-компрессии. Другие кодеки посылают I-кадры и P-кадры, однако имеют ограниченные возможности обнаруживать мелкие детали, поэтому изображения получаются с блочной структурой и большим трафиком. У некоторых кодеков на самом деле недостаточное быстродействие для обработки быстро изменяющихся сцен, они не способны правильно обработать их до конца кадра в течение предназначенных для этого 20 мс до следующего кадра, так что посылают полный кадр, низ которого обрабатывается как P-кадр. Это приводит к большому трафику, а нижняя часть изображения постепенно приобретает блочную структуру.

Следующие графики показывают значения битрейта для различных методов сжатия. Следует заметить, что трафик непосредственно определяет требования и к хранилищу.

Верхний график соответствует MJPEG-сжатию, постоянно требуется пропускная способность 1,5 Мбит/с.

Следующий график – компрессия MPEG4 без оценки движения, требуется 1,3 Мбит/с. Эффективна только отправка I-кадров.

Синий график соответствует 8000 серии IndigoVision, используется MPEG4, требуется 1,1 Мбит/с.

Розовый график – 9000 серия IndigoVision, используется Н.264. Следует обратить внимание, что компрессия Н.264 очень эффективна тогда, когда нет движения. В среднем результирующий поток соответствует 700 Кбит/c.

Таким образом, качество кодека не может быть измерено в CIF или определяться алгоритмом компрессии. Следует учитывать реальное качество изображения, требуемую пропускную способность канала и объем хранилища, основываясь на выборке части потокового видео. Рекомендуется проводить сравнение продуктов с помощью одинакового теста видеозаписи или изображения сцены при различных условиях, используя тестовые испытательные таблицы - при выполнении записи каждого продукта и оценивая результирующее качество изображения, разрешающую способность в ТВЛ, размер файла и формат для экспорта.