355 500 произведений, 25 200 авторов.

Электронная библиотека книг » Владо Дамьяновски » CCTV. Библия видеонаблюдения. Цифровые и сетевые технологии » Текст книги (страница 20)
CCTV. Библия видеонаблюдения. Цифровые и сетевые технологии
  • Текст добавлен: 6 октября 2016, 20:58

Текст книги "CCTV. Библия видеонаблюдения. Цифровые и сетевые технологии"


Автор книги: Владо Дамьяновски



сообщить о нарушении

Текущая страница: 20 (всего у книги 42 страниц)

Нужно также понимать, что возможна и дополнительная обработка оцифрованного видеосигнала до или после сжатия. В некоторых случаях цифровая обработка заключается в простом масштабировании кадров для размещения их в меньших по размеру окнах (как это происходит в видеоквадраторах), но существуют и более сложные алгоритмы. Например, алгоритмы повышения контраста могут проводить сравнение каждого пиксела с соседними и на основании сравнения изменять значения пиксела. Алгоритмы шумоподавления, детекторов движения и другие также относятся к сфере дополнительной обработки цифрового видеосигнала.

Когда видеосигнал оцифрован и сжат, то его можно сохранить (записать) и передать по локальной сети, по сети Интернет или по другим каналам связи значительно быстрее. Это только немногие преимущества цифрового видео, которые недоступны для аналогового видеосигнала.

Преимущества передачи цифрового видео по сети очевидны: локальные сети уже проложены во многих офисах, учебных заведениях, на фабриках и заводах. Если ответственный IT-персонал дает разрешение на использование местных локальных сетей для передачи видео, то цифровые системы видеонаблюдения можно очень легко и быстро интегрировать с существующими сетями. Кроме того, можно значительно увеличить дистанцию передачи видеосигнала, объединяя несколько соседних локальных сетей в единую структуру. Очевидно, что в эпоху массового развития сети Интернет локальные системы видеонаблюдения могут легко быть объединены в крупномасштабную систему, соединяющую ее локальные компоненты, даже разбросанные по разным континентам, так же легко, как если бы они были расположены через улицы друг от друга.


Рис. 9.23. Типичная сетевая телекамера. Обратите внимание, что у нее нет аналогового видеовыхода

Локальные сети и кабели, используемые в них, тоже имеют свои ограничения (их мы рассмотрим детально в главе, посвященной сетевым технологиям), и для увеличения расстояния передачи цифрового видеосигнала необходимо использовать такие сетевые устройства, как повторители (репитеры, network repeaters). Впрочем, их функции выполняют и сетевые коммутаторы и маршрутизаторы.

Многие современные цифровые системы видеонаблюдения могут использовать для передачи видеосигнала и сеть Интернет, и как только мы подключаем их к этой сети, то все ограничения на максимальную дистанцию передачи видеосигнала пропадают, так как провайдеры услуг доступа в Интернет сами заботятся о репитерах и усилении сигнала, которые необходимы, чтобы мы могли передавать информацию из одной точки в другую, независимо от расстояния, их разделяющего.

Сейчас уже доступны действительно цифровые телекамеры, которые обычно называются сетевыми телекамерами (IP-camera, LAN camera). Мы о них говорим как о действительно цифровых устройствах, и они заслуживают такого наименования, поскольку их можно подключить напрямую в существующие локальные сети и просматривать через веб-броузер, используя их IP-адрес, в отличие от цифровых телекамер, которые получили такое название за цифровую обработку сигнала и генерируют на выходе аналоговый видеосигнал. Сейчас в большинстве случаев сетевые телекамеры используются в небольших инсталляциях, для промышленного или специализированного видеонаблюдения в научных целях, а также для проведения видеоконференций в сети Интернет. При современном развитии технологии по качеству изображения и скорости обновления кадров сетевые телекамеры пока еще уступают аналоговым телекамерам. Впрочем, цифровая обработка и технологии сжатия изображения развиваются настолько быстро, что время, когда сетевые телекамеры сравняются с аналоговыми телекамерами, придет очень быстро.

Размеры видеопотоков хорошего качества от нескольких телекамер могут быть достаточно велики, несмотря на сжатие изображения, а это потребует применения лучших кабелей для повышения пропускной способности локальной сети. Но куда более важно то, что большая часть системных администраторов и IT-специалистов, отвечающих за поддержку сети, которую планируется использовать для передачи видеосигналов, сразу выскажут свои опасения относительно того, что ваша цифровая система видеонаблюдения может перегрузить имеющиеся локальные сети. Поэтому очень часто вы будете сталкиваться с требованием ограничения потоков данных от цифровой системы видеонаблюдения, или даже с необходимостью построения новой локальной сети, выделенной исключительно для передачи цифрового видео. Такая необходимость потребует от нас знания сетевых технологий, протоколов TCP/IP и всего остального, что нужно при переходе от аналогового телевидения к цифровому. Сетевые технологии мы рассмотрим в отдельной главе.

А сейчас мы остановимся на технологиях сжатия изображения в том виде, в каком они используются в видеонаблюдении.


Типы видеосжатия

В цифровых системах видеонаблюдения используются почти все доступные стандарты сжатия: JPEG, M-JPEG, Wavelet, H.263, MPEG-1, MPEG-2, JPEG-2000, MPEG-4, H.264 и т. д.

Существует большое количество разнообразных технологий сжатия. Как из них выбрать самый оптимальный для конкретного случая способ сжатия?

Безусловно, найти ответ на этот вопрос будет нелегко. Следует понимать теорию оцифровки изображения и ограничения телевизионных стандартов, на которые будут накладываться ограничения оцифровки видео и сжатия.

В общих чертах можно сказать, что существует два основных типа сжатия изображения/видео: сжатие без потерь и сжатие с потерями.

Сжатие без потерь позволяет добиться только очень низкого уровня сжатия (обычно в три-четыре раза по сравнению с несжатым оригиналом) и используется в основном в вещательном телевидении и при видеомонтаже. Поэтому в этой книге мы будем рассматривать различные стандарты сжатия с потерями.

Сжатие с потерями означает, что некоторые детали изображения или видеопотока будут потеряны и их невозможно будет восстановить никаким способом и никакой дополнительной обработкой. Хорошим стандартом сжатия следует считать не тот, который позволяет добиться очень высокого уровня компрессии, а такой стандарт, который позволяет достичь лучшего компромисса между качеством и размером видеопотока.


Рис. 9.24. Правильный выбор сжатия, телекамеры и объектива позволяет четко рассмотреть номер автомобиля

Одним из наиболее популярных стандартов сжатия сегодня считается JPEG, который чаще всего используется в цифровой фотографии. Мы все с ним знакомы, и читатели, вероятно, неоднократно сталкивались с тем фактом, что десятикратное сжатие JPEG практически не вносит заметных искажений в изображение. Таким образом, если вы пользуетесь цифровым фотоаппаратом с разрешением 4 мегапиксела, то размер одной фотографии без сжатия может достигать 12 Мбайт, что немало, когда нам нужно обрабатывать такой большой файл или хранить его на карте памяти объемом 32 Мбайт. Но если мы используем типичный уровень сжатия 1:10, то не заметим ощутимой разницы в качестве фотографии, зато с файлом будет удобнее работать и таких файлов больше поместится на карте памяти. В видеонаблюдении нам обычно требуется уровень сжатия значительно выше десятикратного. Не забывайте о том, что только один оцифрованный телевизионный кадр занимает около 1 Мбайт, а десятикратное сжатие уменьшит его всего до 100 кбайт.

Существуют цифровые видеорегистраторы и сетевые телекамеры, которые работают и с такими кадрами, но в большинстве случаев необходимость длительного хранения архива заставляет использовать более высокий уровень сжатия.

Нередко можно видеть, как производители заявляют о 100-кратном сжатии одного телевизионного поля.

Здравый смысл подсказывает нам, что потери будут очень значительными при столь высоких уровнях сжатия, а кроме того появятся артефакты сжатия, которые очень нежелательны. И нам снова придется искать компромисс между приемлемым качеством и небольшим размером видеопотока. Справедливости ради нужно сказать, что существуют очень интересные и остроумные решения (обычно собственные разработки отдельных производителей), которые позволяют заметно уменьшить размеры видеопотока за счет сокращения его избыточности (например, статичный фон записывается только один раз, а далее учитываются только разница между кадрами, которая создается не статичным фоном, а движущимися объектами).

Все это похоже на принципы работы семейств стандартов MPEG и Н.26х. Независимо от вашего выбора стандарта сжатия, источник видеосигнала, то есть сама телекамера должна иметь самое лучшее качество из доступного. А это означает, что необходимо выбирать качественную телекамеру и качественный объектив. И только тогда, когда нам удалось оптимизировать изначальный аналоговый видеосигнал для отображения всех нужных деталей и цветов, мы можем постараться получить оцифрованное видео почти такого же качества.


Рис. 9.25. Несжатое изображение (слева, 720x576 пикселов, примерно 1.2 Мбайт) и то же самое изображение, сжатое JPEG со 100-кратным уровнем сжатия (справа).

Вы не сможете увидеть в цифровой записи тех деталей, которые изначально позволяла увидеть телекамера. Это представляется слишком общим и банальным утверждением, но мне часто приходилось встречать специалистов индустрии безопасности, которые пытались разглядеть автомобильный номер на цифровой записи, тогда как телекамера уже изначально не позволила бы его увидеть. Существует очевидное и очень простое правило, цифровая запись никогда не окажется лучше, чем оригинальный сигнал телекамеры.

Имеет смысл вложить средства в покупку качественных телекамер и объективов. В качественной телекамере имеется ПЗС– или КМОП-матрица высокого разрешения, хорошее соотношение сигнал/шум, широкий динамический диапазон, низкая чувствительность и хороший объектив. Основываясь на практике, следует заметить, что при использовании аналоговых телекамер для цифровой записи их соотношение сигнал/шум имеет первостепенное значение для оцифрованного изображения. Разрешение тоже важно, но соотношение сигнал/шум будет, вероятно, даже важнее по той простой причине, что при слишком сильных шумах алгоритмы сжатия изображения имеют тенденцию их увеличивать, принимая их за мелкие детали. Поэтому если у телекамеры низкое соотношение сигнал/шум (то есть изображение содержит много шумов), то после сжатия изображение будет выглядеть значительно хуже, чем до него. Проще говоря, чем лучше соотношение сигнал/шум (от 50 дБ и выше), тем выше качество у оцифрованного видеосигнала.

Качество оцифрованного видеосигнала, если при этом использовалась рекомендация ITU-601, будет примерно таким же, как у исходного аналогового видеосигнала.

После того как качественный аналоговый видеосигнал будет оцифрован согласно рекомендации ITU-601, качество цифрового видеосигнала будет почти таким же, как у исходного аналогового видеосигнала (при условии, что мы оцифровываем полный кадр). Затем на стадии сжатия происходит дальнейшее снижение качества изображения. Поэтому сжатие является фактором, ограничивающим разрешение.

Здесь следует сделать важное замечание о том, что не следует смешивать такие понятия, как количество пикселов и потеря разрешения в результате сжатия. Когда мы используем полнокадровый ввод и последующее сжатие видео, количество пикселов остается постоянным, допустим 720x576 пикселов, но артефакты сжатия могут снизить разрешение. Поэтому мы и говорим, что сжатие изображения является дополнительным фактором, ограничивающим разрешение.


Дискретное косинусное преобразование как основа

Одним из наиболее частых преобразований двумерных изображений является дискретное косинусное преобразование (Discrete Cosine Transformation, DCT). Оно лежит в основе почти всех стандартов сжатия, которые применяются в видеонаблюдении, за исключением Wavelet и JPEG-2000. Таким образом, все стандарты JPEG, MPEG и семейство Н.26х используют DCT-преобразование в той или иной форме. Поэтому мы скажем о нем несколько слов.

DCT-преобразование основано на преобразовании Фурье. Преобразование Фурье представляет собой очень хороший метод анализа сигналов в частотной области. Единственная проблема заключается в том, что оно всегда строится на предположении о периодичности и бесконечной протяженности сигналов во временной области. В действительности это не так, и поэтому в 60-е годы было предложено альтернативное преобразование Фурье, так называемое быстрое преобразование Фурье (БПФ). Дискретное косинусное преобразование базируется на БПФ.

Итак, как работает дискретное косинусное преобразование? Пространственная избыточность присутствует во всех видеофрагментах и в видеонаблюдении, и в вещательном телевидении, и в других сферах. Если на изображении (в телевизионном поле) имеется объект, то большинство его пикселов будут иметь достаточно сходные значения. В этом и заключается избыточность изображения, то есть можно уменьшить количество информации для каждого пиксела, дав среднее значение для целой области пикселов. Крупные объекты имеют низкие пространственные частоты, а мелкие объекты – высокие пространственные частоты. Цифровое видео способно передавать весь спектр пространственных частот, но после анализа остаются только те частоты, которые нужно передать, поэтому при сжатии важным шагом является анализ пространственных частот изображения.

На рис. 9.26 показано, как работает двумерное DCT-преобразование. Изображение разбивается на блоки 8x8 пикселов. DCT-преобразование конвертирует блок значений пикселов в набор коэффициентов косинусных функций с возрастающими частотами. Коэффициенты отражают присутствие тех или иных пространственных частот. На иллюстрации показаны блоки пикселов, которые получаются из каждого коэффициента. Верхний левый коэффициент представляет среднюю яркость блока, и, таким образом, является средним арифметическим значением всех пикселов, его также называют DC-коэффициентом. Справа налево коэффициенты представляют увеличивающуюся горизонтальную пространственную частоту. Сверху вниз коэффициенты представляют увеличивающуюся вертикальную пространственную частоту. Само по себе DCT-преобразование не производит никакого сжатия информации, то есть не устраняет избыточность. На самом деле полная информация о коэффициентах займет больше места, чем информация об исходных пикселах.


Рис. 9.26. Принципы дискретного косинусного преобразования

DCT-преобразование конвертирует значения пикселов в удобную для обнаружения избыточности форму. Поскольку не все пространственные частоты присутствуют одновременно, то в результате DCT-преобразования на выходе мы получим набор коэффициентов, где будут присутствовать значимые коэффициенты, но очень многие будут иметь значения, близкие к нулю или нуль. Если коэффициент равен нулю, то неважно, присутствует ли он или нет. Если же мы отбрасываем коэффициент, близкий к нулю, то это равносильно добавлению той же пространственной частоты к изображению, но противоположной фазы. Решение отбросить коэффициент основывается на том, насколько визуально заметен будет этот небольшой нежелательный сигнал, и определяется уровнем сжатия. Если коэффициент нельзя отбросить, то сжатие также возможно за счет уменьшения количества битов, используемых для его кодирования. Визуально это выглядит так, как будто в изображении появилось немного шума. Типичным нежелательным артефактом DCT-преобразования является блочность изображения при высоких уровнях сжатия. Это связано с тем, что DCT-преобразование проводится на блоках 8x8 пикселов.


Рис. 9.27. Зигзагообразное сканирование при обратном DCT-преобразовании

Читателям следует знать, что Wavelet-сжатие отличается от JPEG-сжатия тем, что Wavelet-сжатие обрабатывает все изображение, а не блоки 8x8, поэтому артефакты сжатия проявляются не в блочности изображения, а скорее как его затуманивание. Сжатия на основе DCT– и Wavelet-преобразований подразумевают потерю данных, поэтому они называются сжатием с потерями. Основная задача заключается в нахождении оптимального компромисса между высоким уровнем сжатия и качеством изображения без особо заметных потерь.


Рис. 9.28. Увеличенный в два раза фрагмент изображения при JPEG-сжатии в 100 раз


Рис. 9.29. Увеличенный в два раза фрагмент изображения при Wavelet-сжатии в 100 раз


Различные стандарты сжатия, используемые в системах видеонаблюдения

В системах видеонаблюдения используются различные стандарты сжатия изображения и видеоизображения. Возможно, здесь их больше, чем в любой другой индустрии. Например, в цифровой фотографии чаще всего используется сжатие JPEG, когда необходимо экономить пространство, доступное для хранения снимков. В вещательном телевидении доминирует стандарт MPEG-2, тогда как в компьютерной индустрии и в Интернете приобрел популярность MPEG-4.

В разнообразной продукции систем видеонаблюдения используются почти все стандарты сжатия. Для того чтобы правильно их понимать, необходимо разделить все стандарты на две основные категории, о чем мы уже говорили ранее: сжатие, которое применяется к отдельным изображениям, назовем сжатием изображения и сжатие, применяемое к видеопотоку, назовем сжатием видеоизображения. Стандарты, использующие сжатие изображения, работают с отдельными изображениями, тогда как стандарты, использующие сжатие видеоизображения, расценивают время как важную переменную при уменьшении избыточности видеопотока.



Рис. 9.30. Временная шкала, показывающая периоды разработки различных стандартов сжатия и совместную работу ITU– T и ISO/IEC

У каждой из этих двух категорий сжатия есть свои преимущества, что зачастую очень затрудняет выбор в пользу какой-либо из них. Обычно в цифровых видеорегистраторах, которые записывают на жесткие диски несколько телекамер в режиме мультиплексирования, применяется сжатие изображения. Некоторые производители используют два различных стандарта сжатия в одном устройстве. В этом случае для локальной записи используется один стандарт сжатия, а для передачи по сети с низкой пропускной способностью – другой стандарт сжатия видеоизображения, который будет более эффективен для этих целей. Поэтому необходимо знать и понимать все стандарты сжатия и каждый раз оценивать достоинства и недостатки всех стандартов по отношению к проектируемой системе наблюдения.

Некоторые специалисты подразделяют стандарты сжатия на группы по принципу того, какая организация (ITU-T или ISO) предложила тот или иной стандарт. Но существует и много самостоятельных разработок отдельных производителей, что не позволяет нам принять такое деление. Более того, при разработке новых стандартов рабочие группы ITU-T и ISO/ЕС работают совместно. В частности новый стандарт сжатия Н.264, работа над которым была начата ITU-T, велась затем совместно с группой ISO/IEC JTC1.

Следующие стандарты сжатия изображения являются наиболее распространенными в видеонаблюдении. Расположены в порядке появления.

– JPEG – Широкораспространенный стандарт сжатия, который существует уже более 15 лет. Использует DCT-преобразование. Используется многими программами, такими, как графические редакторы и веб-броузеры.

– M-JPEG – Это вариант сжатия JPEG и на самом деле не является стандартом. M-JPEG – сокращение от Motion JPEG, где каждое изображение является независимо сжатым телевизионным кадром или полем.

– Wavelet – Очень популярное сжатие в видеонаблюдении. Отличается большей эффективностью при сжатии деталей, так как не делит все изображение на блоки 8x8 пикселов.

– JPEG-2000 – Стандартизованный вариант Wavelet-сжатия. Доступны дополнительные модули JPEG-2000 для различных графических редакторов и веб-броузеров.

– Motion JPEG-2000 – Принцип действия примерно такой же, как у M-JPEG, но в качестве основы используется JPEG-2000. Так выглядит эволюция стандартов сжатия видеоизображения:

– Н.261 – Стандарт для низкой скорости передачи данных, принятый в 1984 ITU для аудиовизуальных сервисов.

– MPEG-1 – Стандарт ISO, созданный как модификация Н.261 для записи видео на компакт-диски при низкой скорости передачи данных (около 1.5 Мбит/с).

– MPEG-2 – Разработан для вещательного телевидения. Использует низкий уровень сжатия для передачи, записи и воспроизведения видео высокого качества. Сейчас используется в большинстве телестудий, на DVD-дисках, на кабельном телевидении, а также в кабельном телевидении и многими производителями цифровых видеорегистраторов.

– Н.263 – Создавался как адаптация MPEG-2 для достижения более высоких уровней сжатия при сохранении высокого качества изображения. Был принят как международный стандарт в 1996 году и пересмотрен в 1998 году. Стандарты Н.263+ и Н.263++ представляют собой усовершенствованные версии Н.263.

– MPEG-4 – Стандарт разрабатывался как объектно-ориентированное сжатие. Существует несколько версий. Сжимает видео и аудио с широким выбором скорости передачи данных. Пригоден для различных областей применения, которые используют низкоскоростные каналы связи, от мобильной телефонии и Интернета до телевидения.

– MPEG-7 – Новый стандарт, предназначенный для описания аудиовизуального содержимого.

– MPEG-21 – Новый стандарт, описывающий общую структуру взаимодействия всех объектов MPEG и пользователей.

– Н.264 – Самый новый стандарт сжатия, который базируется на Н.263 и MPEG-4 (AVC), который предлагает широкий выбор качества, включая более эффективное сжатие для форматов телевидения высокой четкости (заявлено о втрое большей эффективности по сравнению с MPEG-2).

Теперь проанализируем их по отдельности.

JPEG

JPEG расшифровывается как объединенная группа экспертов по машинной обработке фотоизображений (Joint Photographic Experts Group), а это, в свою очередь, является первоначальным названием комитета ISO, который подготовил данный стандарт для цифровой фотографии.

JPEG – это стандартизированный принцип сжатия изображений, который использует DCT-преобразование для уменьшения избыточности изображения. Он ориентирован только на неподвижные цифровые изображения, при этом разрешение изображения в стандарте не прописано. Такими стоп-кадрами в телевидении могут служить либо телевизионные поля, либо телевизионные кадры.

Хотя JPEG широко используется в цифровой фотографии и веб-приложениях, этот стандарт применяется и в видеонаблюдении, где сжатие применяется к оцифрованному видео (телевизионным кадрам и полям), которые обрабатываются как независимые изображения.

Впрочем, JPEG содержит и раздел рекомендаций для сжатия без потерь (с коэффициентом сжатия примерно 2:1), но нас больше интересует способ сжатия JPEG с потерями, когда можно получить коэффициенты сжатия, превышающие 10:1, без заметного ухудшения качества. Работа JPEG основывается на преобразовании блоков, состоящих из 8x8 элементов изображения, на основе дискретного косинусного преобразования (Discrete Cosine TransformationDCT).

Если изображение с высокой степенью сжатия увеличить, то четко проявляется его блочная структура. Можно достичь степени сжатия до 100 раз. JPEG известен как способ сжатия с потерями, означающий, что, если изображение подвергнется сжатию, то при декомпрессии нельзя получить изображение точно такого же качества, как оригинал. Тем не менее, коэффициенты сжатия, достигаемые с помощью сжатия JPEG, довольно высоки (превышают 10:1), и некоторая потеря качества изображения представляется несущественной для человеческого глаза. JPEG разработан с учетом известных ограничений человеческого глаза, таких, как невосприятие очень мелких деталей цветности, как и мелких деталей яркости в рассматриваемом изображении.


Рис. 9.31. Разбиение на блоки при сжатии JPEG

Для каждого отдельного компонента цвета изображение делится на блоки 8x8, из которых составляется все изображение. Над этими блоками выполняется дискретное косинусное преобразование. Обычно внутри блоков 8x8 значения пикселов изменяются мало. Поэтому энергия имеет низкую пространственную частоту. Преобразование, которое может быть использовано для представления энергии несколькими коэффициентами, является двумерным дискретным косинусным преобразованием блоков 8x8. Это преобразование, широко изучаемое с точки зрения применения его к сжатию изображений, явилось чрезвычайно эффективным для сильно коррелированных данных.

JPEG хранит полную цветовую информацию: 24 бита на пиксел (16 миллионов цветов); можно сравнить, например, с GIF (другая популярная среди пользователей ПК техника сжатия), который может хранить только 8 бит на пиксел (256 или меньшее количество цветов). Полутоновые изображения (в шкале серого) не могут быть сжаты с такими большими коэффициентами компрессии с помощью JPEG, поскольку человеческий глаз намного более чувствителен к изменениям яркости, чем к оттенкам цвета, и JPEG может сжимать данные о цвете в большей степени, чем данные о яркости.

Имеется довольно любопытное наблюдение, которое заключается в том, что JPEG-файл черно-белого изображения всего на 10–25 % меньше, чем полноцветный JPEG-файл визуально подобного качества.


Рис. 9.32. Изображение испытательной таблицы CCTV Labs при записи полями (сжатие JPEG, размер файла 49 кбайт). Увеличенный фрагмент (справа).


Рис. 9.33. Изображение испытательной таблицы CCTV Labs при записи полями (сжатие JPEG, размер файла 15 кбайт). Увеличенный фрагмент (справа).

Кроме того, следует отметить, что JPEG не подходит для штрихового рисунка или текста, поскольку дискретное косинусное преобразование непригодно для очень резких черно-белых переходов.

JPEG может быть использован для сжатия данных из различных цветовых пространств, таких, как RGB (видеосигнал основных цветов изображения), YCbCr (преобразованный видеосигнал) и CMYK (палитра, используемая в издательских системах), поскольку он обращается с цветами как с отдельными компонентами. Наилучшие результаты по сжатию достигаются, если компоненты цвета независимы (некоррелированны), как это имеет место в YCbCr, где большая часть информации сосредоточена в яркости, а меньшая – в цветности.

Поскольку файлы JPEG, записываемые в системе видеонаблюдения, независимы друг от друга, они легко могут быть воспроизведены в обратном направлении. При этом скорость воспроизведения может быть увеличена или уменьшена, а кроме того, они могут быть скопированы в виде отдельных файлов или группы файлов.

M-JPEG

В системах видеонаблюдения используется стандарт сжатия, производный от JPEG, который называют motion JPEG (M-JPEG). На самом деле M-JPEG не существует как отдельный стандарт, скорее он относится к быстрому потоку изображений JPEG, которые могут быть воспроизведены с достаточно высокой скоростью, создавая при этом иллюзию движения. Поскольку зависимости между отдельными последовательными кадрами не берутся в расчет, такой способ позволяет получить только относительно небольшой уровень сжатия по сравнению со стандартами, использующими сжатие видеоизображения, такими, как семейства Н.26х или MPEG, которые описаны далее. Впрочем, M-JPEG используется некоторыми производителями многоканальных цифровых видеорегистраторов.

M-JPEG никогда не был предметом международной стандартизации, a JPEG не определяет стандарт передачи, поэтому реализации M-JPEG у разных производителей несовместимы между собой. Для увеличения степени сжатия иногда еще используется и сжатие разницы между двумя соседними кадрами. Этот вариант тоже не является стандартным, поэтому для воспроизведения таких записей потребуется программное обеспечение того же производителя.

Wavelet (вейвлет)

Многие десятилетия ученые пытались найти для аппроксимации прерывистых сигналов более подходящие функции, чем синусы и косинусы, которые составляют основу анализа Фурье. По определению синусы и косинусы являются нелокальными функциями (они определены в бесконечной области). В этом заключена главная причина их плохой работы при аппроксимации резких переходов, таких, как отдельные детали изображения с высоким разрешением в конечном двумерном кадре. Кадры именно такого типа мы наиболее часто наблюдаем при записи в мультиплексированном режиме, они отличаются от непрерывного потока движущихся изображений в обычном телевидении. Вейвлет-анализ действует иначе и позволяет более эффективно обрабатывать мелкие детали изображения.

Авторами этой математической модели были Гроссман и Морле (A.Grossman и J.Morlet), которые и применили термин Wavelet (вейвлет) в середине 80-х годов в связи с анализом свойств сейсмических и акустических сигналов. В результате вейвлет-сжатие изначально применялось в таких сферах, как астрономия и геофизика. Вскоре, когда компания Analog Devices выпустила аппаратную реализацию вейвлет-сжатия (кодек ADV601), оказалось, что его (сжатие) можно превосходно использовать в видеонаблюдении.

Вейвлет-сжатие преобразует полное изображение, а не его секции 8x8, как это происходит в JPEG, и является более естественным, так как отслеживает формы объектов в изображении. Поэтому вейвлет-сжатие оказалось особенно привлекательным для систем видеонаблюдения.


Рис. 9.34. Один из остроумных способов применения вейвлет-сжатия методом зигзага


Рис. 9.35. Изображение испытательной таблицы CCTV Labs при записи полями (сжатие Wavelet, размер файла 45 кбайт). Увеличенный фрагмент (справа)


Рис. 9.36. Изображение испытательной таблицы CCTV Labs при записи полями (сжатие Wavelet, размер файла 15 кбайт). Увеличенный фрагмент (справа).

С помощью вейвлет-анализа мы можем использовать аппроксимационные функции, определенные на конечных областях. Вейвлет-функции – это функции, которые удовлетворяют определенным математическим требованиям и используются для представления данных или других функций в вейвлет-анализе. Главное отличие от БПФ-анализа (быстрого преобразования Фурье) заключается в том, что вейвлет-функции разлагают сигнал по разным частотам с различным разрешением, то есть на множество малых групп волн, отсюда и название – вейвлет, элементарные волны. Алгоритмы вейвлет-преобразования обрабатывают данные в различных масштабах и с разным разрешением. Вейвлет-анализ позволяет разглядеть и отдельные детали, и глобальное изображение, или, как выразились некоторые авторы вейвлет-анализа, «увидеть и лес, и отдельные деревья» в противоположность анализу Фурье, который позволяет «видеть только лес».

Вейвлет-анализ хорошо подходит для аппроксимации данных с резкими границами. Процедура вейвлет-анализа заключается в подборе функции-прототипа элементарной волны, называемой анализирующей или порождающей волной. Временной анализ выполняется в укороченной высокочастотной версии функции-прототипа, в то время как частотный анализ производится в ее расширенной низкочастотной версии. Поскольку оригинальный сигнал или функция могут быть представлены в виде разложения по вейвлет-функциям (с применением коэффициентов в линейной комбинации с вейвлет-функциями), то операции с данными могут выполняться посредством использования всего лишь соответствующих вейвлет-коэффициентов.


    Ваша оценка произведения:

Популярные книги за неделю