Föreläsning 1: Bild- och ljudkodning 1. Kursöversikt 2. Introduktion till bild- och ljudkodning - syfte - historik - antal bitar per bildpunkter/sampel 3. Två principiella klasser : distorsionsfri och distorderande kodning 4. Modeller för bild- och ljudsignaler samt därav inspirerade kodningsmetoder

Kursöversikt - föreläsningar F1: Introduktion till bild- och ljudkodning F2: Informationsteoretiska begrepp F3: Källkodningsteori, Huffmankodning F4: Aritmetisk kodning, Lempel-Ziv-kodning F5: Analoga signaler, Skalär kvantisering F6: Vektorkvantisering F7: Prediktiv kodning F8: Transformkodning F9: Delband/Wavelet-kodning F10: Audiokodning F11: Videokodning F12: Talkodning, Modellbaserad videokodning, Video/audio över nätverk

Kursöversikt - övrigt 12 föreläsningar 8 lektioner 2 datorlektioner 2 laborationer (varav en är schemalagd) Kurslitteratur: K. Sayood, Introduction to Data Compression Diskreta Markovprocesser (kurshemsidan) Övningshäfte, formelsamling (kurshemsidan) Kurshemsida: www.icg.isy.liu.se/courses/tsbk02/ - labbokning, labbanvisningar, extramaterial

Bild- och ljudkodning Syfte: effektiv (digital) representation av bilder, video, tal och musik. Bivillkor: - god kvalitet - tålighet mot kanalfel - realtidsprestanda - kostnadseffektiv

Bild- och ljudkodning Bild/ Ljudkodning Telekommunikation Bildanalys Spektralanalys Bild/ Ljudkodning Perception Psykoakustik Datorgrafik Talsyntes Digital signalbehandling

Tillämpningar Stillbilder Fax Teleradiologi Webb Digitalkameror Bilddatabaser Video Bildtelefoni Videokonferens Multimedia Videokameror Digital-TV DVD, Blu-ray Ljud CD Mobiltelefoner MP3-spelare DAB Film/video-ljud

Telefoni g Ericsson 1905 Smartphone 2014

Television Baird 1930 OLED 2014

Den elektroniska bilden – analogt format Bilden avsöks linje för linje och ger upphov till en analog signal. I Bairds mekaniska TV-system användes 30 linjer och videobandbredd ca 10 kHz.

Den elektroniska bilden – digitalt format En bildpunkt representeras med en eller flera databitar. Representationen kallas Pulskods-modulation (PCM).

Bilder: hur många bildpunkter? Baird 30*50 (ca) TV (PAL) 720*576 HDTV 1920*1080 QFHD 3840*2160 Digitalkamera 2 - 40Milj.

Hur många bitar per bildpunkt? Bitar/bildpunkt Bildtyper Exempel 1 4 8 12-16 8*3=24 8*4=32 binära fax enkel datorgrafik tidiga spel gråskalebilder telefoto högkontrast röntgen Färgbilder (RGB) digital foto RGB med alpha datorgrafik

Ljud: antal bitar per sampel och per sekund (PCM-kodning) CD-kvalitet 16 bitar per sampel 44100 sampel per sekund Två kanaler =>1.4 Mbit/s Betraktas ofta som referens (”okomprimerat ljud”) Modern kodningsmetoder: 64 kbit/s med god kvalitet Digital telefoni 8 bitar per sampel 8000 sampel per sekund => 64 kbit/s Moderna kodningsmetoder: 4 kbit/s med god kvalitet

Video: antal bitar per sekund (PCM-kodning) TV-kvalitet 3*8 bitar (RGB) per bildpunkt 720*576 bildpunkter per bild (PAL) 25 bilder per sekund => 250Mbit/s HDTV-kvalitet 3*8 bitar (RGB) per bildpunkt 1920*1080 bildpunkter per bild (1080i) 25 bilder per sekund => 1.24Gbit/s

Video: kodningsmetoder Model-based Video coding 3G Mobile videophone Video CD Digital TV, DVD HDTV 8 16 64 384 1.5 5 20 kbit/s Mbit/s Very low bitrate Low bitrate Medium bitrate High bitrate MPEG-4 H.264 H.263 H.261 MPEG-1 MPEG-2

Distorsionsfri (”lossless”) kodning (Datakompression) Representera en digital signal med färre bitar än originalet på så sätt att signalen kan rekonstrueras exakt. Den undre begränsningen ges av entropin för data (baseras på Informationsteori). Exempel: ZIP, compress, GIF, PNG, FLAC

Distorderande (”lossy”) kodning Representera en digital eller analog signal med så få bitar som möjligt så att signalen kan rekonstrueras med godtagbar kvalitet. Exempel: GSM, JPEG, MPEG-2, H.264, MPEG-1 layer 3 (mp3), AAC, WMA,...

Typisk kodarstruktur Analog signal Digital Signal (PCM) Distorderad Sampling kvantisering Distorderande kodning Distorsionsfri Kodning

Kodning av bild och ljud bygger på modeller S(t) t Genereringsmodeller Signalmodeller Syn/hörsel-modeller 3D-objekt belysning kameraprojektion ljudgenerering determ. modeller statistiska modeller spatio/temporal modeller maskeringsegenskaper Modellbaserade kodningsmetoder Signalteoretiska kodningsmetoder Perceptionsbaserade kodningsmetoder

Statistiska signalmodeller Minnesfria signaler t Varje signalvärde är oberoende av övriga signalvärden. Signaler med minne Signalvärden är beroende av ett eller flera övriga signalvärden. t

Autoregressiv modell - en amplitudkontinuerlig Markovmodell xk xk = S aixk-i + nk nk: minnesfri process Lämpar sig väl för att modellera ljudsignaler

Korrelationsmodell För bilder kan 2-dimensionella korrelationsfunktioner vara användbara: xij eller xkl

Exempel på kodning av minnesfri källa Gråskalebild med nivåer mellan 0 - 3. Statistisk redundans: de olika nivåerna förekommer olika ofta (se figur). Kodningsmetod: Variabel-längdkodning (VLC) PCM 0 - 00 1- 01 2 - 10 3 - 11 VLC 0 - 0 3 - 10 1 - 110 2 - 111 2 bitar/bildpunkt 1.75 bitar/bildpunkt i genomsnitt!

Exempel på kodning av minneskälla Bildtyp: fax. Statistisk redundans: närliggande bildpunkter har ofta samma värde. Kodningsmetod: koda skurlängderna. Skurkod: 15,15,15,4,5,6,4,6,5,3,… Antag 4 bitar/skur: 45*4 = 180 bitar jfr. okodat: 15*15 = 225 bitar

Prediktiv kodning (DPCM) (för AR-processer) Princip: • gissa (prediktera) hur bilden ser ut, • beräkna skillnaden (felbilden), • variabel-längdkoda felbilden.

(för 2D-korrelerade källor) Transformkodning (för 2D-korrelerade källor) xij xkl

Modellbaserade kodningsmetoder - används vid kodning av talsignaler - och för kodning av ansiktsbilder

Perceptionsbaserade kodningsmetoder (är mer användbara för ljudkodning än för bildkodning) dB 40 30 20 Dämpningskurva 10 2 4 6 8 10 12 kHz

Fraktalkodning Grundidé: sök självliknande delar i bilden... sådan symmetri ger enkel matematisk beskrivning...

Fraktalkodning, forts. Varje bild kan göras självlik...