Language
Country/Area
No result found
Block-Matching-Algorithmus enthüllt: Warum ist die Videokomprimierung so effizient?
Im Bereich der digitalen Videoverarbeitung spielt der Block Matching Algorithm (BMA) eine entscheidende Rolle. Dieser Algorithmus wird hauptsächlich zum Auffinden passender Makroblöcke in Videobildsequenzen verwendet und sein Hauptzweck ist die Bewegungsschätzung. Bei der Bewegungsschätzung wird davon ausgegangen, dass sich Objekte und Hintergründe in Videobildern im Laufe der Zeit bewegen und dadurch entsprechende Objekte in nachfolgenden Bildern entstehen.
Dieser Prozess kann zeitliche Redundanz in der Videosequenz aufdecken und so die Videokomprimierung zwischen Bildern effizienter machen.
Bei der Implementierung des Block-Matching-Algorithmus wird der aktuelle Frame in mehrere Makroblöcke unterteilt und jeder Makroblock wird mit dem entsprechenden Block im vorherigen Frame und seinen angrenzenden Blöcken verglichen. Auf diese Weise wird ein Bewegungsvektor generiert, der die Bewegung eines Makroblocks von einer Position zu einer anderen darstellt. Die Bewegungszusammenfassung für alle Makroblöcke ist die Bewegungsschätzung des Frames.
Beim Videokomprimierungsprozess ist es entscheidend, einen geeigneten Suchbereich zu wählen, der durch den „Suchparameter“ p bestimmt wird. Insbesondere stellt p die Anzahl der Pixel dar, die den entsprechenden Makroblock im vorherigen Frame umgeben. Wenn der Wert von p größer ist, bedeutet dies, dass es möglicherweise größere Verschiebungen gibt, was es einfacher macht, eine gute Übereinstimmung zu finden, aber dies kann auch zu einer erhöhten Rechenkomplexität führen. Im Allgemeinen beträgt die Makroblockgröße 16 Pixel und der p-Wert des Suchbereichs ist auf 7 Pixel eingestellt.
Motivation
Während des Bewegungsschätzungsprozesses kann die Berechnung von Aktionsvektoren einerseits den Übergang von einem 2D-Bild zu einem anderen beschreiben und andererseits auch Bildänderungen durch Bewegungskompensation vorhersagen. Diese Technologie ist der Grundstein für Videokomprimierungsstandards wie MPEG 1, 2 und 4.
Videokomprimierung kann die Anzahl der für die Datenübertragung erforderlichen Bits durch Bewegungsschätzung effektiv reduzieren, da die Übertragung codierter Differenzbilder effizienter ist als die Übertragung vollständig codierter Frames.
Im gesamten Komprimierungsprozess ist die Bewegungsschätzung jedoch der rechenintensivste Vorgang, sodass die Suche nach einem schnellen und rechentechnisch einfachen Bewegungsschätzungsalgorithmus zu einer wichtigen Voraussetzung für die Videokomprimierungstechnologie geworden ist.
Bewertungsindikatoren
Die am häufigsten verwendeten Kostenfunktionen beim Vergleich eines Makroblocks mit einem anderen sind die mittlere absolute Differenz (MAD) und der mittlere quadratische Fehler (MSE). Diese Indikatoren können dem Algorithmus dabei helfen, die Qualität des Abgleichs zu bewerten:
MAD = 1/N^2 * ∑(i=0 bis n-1) ∑(j=0 bis n-1) |C(i,j) - R(i,j)|
MSE = 1/N^2 * ∑(i=0 bis n-1) ∑(j=0 bis n-1) (C(i,j) - R(i,j))^2
Dabei stellt N die Größe des Makroblocks dar und C(i,j) und R(i,j) sind die Pixel im aktuellen Makroblock bzw. im Referenzmakroblock.
Algorithmus
Seit den 1980er Jahren hat die Forschung zu Block-Matching-Algorithmen erhebliche Fortschritte gemacht und es ist eine Vielzahl effizienter Algorithmen entstanden. Im Folgenden finden Sie eine Einführung in mehrere gängige Algorithmen:
1. Umfassende Suche
Dieser Algorithmus berechnet die Kostenfunktion jeder Position im Suchfenster und kann den am besten passenden Makroblock im Referenzrahmen finden. Allerdings ist sein Rechenaufwand enorm und er ist der umständlichste aller Blockvergleichsalgorithmen.
2. Optimiertes hierarchisches Block-Matching (OHBM)
Dieser Algorithmus basiert auf der optimierten Bildpyramide, um den gesamten Suchprozess zu beschleunigen und die Effizienz zu verbessern.
3. Drei-Schritte-Suche (TSS)
TSS ist einer der ersten schnellen Block-Matching-Algorithmen, der die Anzahl der Makroblöcke, die ausgewertet werden müssen, durch die Suche an mehreren Standorten erheblich reduziert.
4. Vier-Schritte-Suche (FSS)
Im Vergleich zu TSS schneidet FSS in Bezug auf Rechenaufwand und Spitzen-Signal-Rausch-Verhältnis (PSNR) besser ab und verwendet außerdem eine zentrumsorientierte Suchmethode.
"Wie wird sich die Entwicklung von Block-Matching-Algorithmen angesichts der Weiterentwicklung der Videotechnologie auf die Entwicklung der zukünftigen Videokomprimierungstechnologie auswirken?"
Die Effizienz und Qualität der Videokomprimierung hängen stark von der Genauigkeit und Recheneffizienz der Bewegungsschätzung ab, die wiederum eng mit dem ausgewählten Block-Matching-Algorithmus zusammenhängt. Daher wird das Verständnis der Vor- und Nachteile verschiedener Algorithmen einen wichtigen Einfluss auf die Entwicklung zukünftiger Videotechnologie haben. Wie wird sich der Block-Matching-Algorithmus auf zukünftige Veränderungen in der digitalen Videotechnologie auswirken?
