Tipos de imágenes de compresión de vídeo

En el campo de la compresión de video , un fotograma de video se comprime utilizando diferentes algoritmos con distintas ventajas y desventajas, centradas principalmente en la cantidad de datos comprimidos . Estos diferentes algoritmos para fotogramas de video se denominan tipos de imagen o tipos de fotograma . Los tres tipos de imagen principales utilizados en los diferentes algoritmos de video son ^I , P y B. [ ^{1 ]} Se diferencian en las siguientes características:

• Los fotogramas I son los menos compresibles, pero no requieren otros fotogramas de vídeo para su decodificación.
• Los fotogramas P pueden utilizar datos de fotogramas anteriores para descomprimirse y son más compresibles que los fotogramas I.
• Los fotogramas B pueden utilizar tanto los fotogramas anteriores como los posteriores como referencia de datos para obtener la mayor compresión de datos posible.

En la compresión de vídeo se utilizan tres tipos de imágenes (o fotogramas) : fotogramas I, P y B.

Un fotograma I ( imagen codificada intra ) es una imagen autónoma, como un archivo de imagen JPG o BMP .

Un fotograma P (imagen predicha) permite predecir cada macrobloque a partir de una región de cualquier fotograma decodificado previamente que se encuentre en el búfer de fotogramas decodificados. El codificador no necesita reenviar regiones que no hayan cambiado en absoluto con respecto a un fotograma decodificado previamente, lo que ahorra espacio.

Un fotograma B (imagen predicha bidireccional) ahorra aún más espacio al generar predicciones de macrobloques más precisas. Esto se logra permitiendo que cada macrobloque se prediga combinando regiones de dos fotogramas previamente decodificados que se encuentran en el búfer de fotogramas decodificados, generalmente un fotograma que lo precede en el orden de visualización y otro que lo sigue.

Los fotogramas P y B también se denominan fotogramas intermedios . El orden en que se disponen los fotogramas I, P y B se denomina grupo de imágenes .

Aunque los términos fotograma e imagen se suelen usar indistintamente, imagen es un concepto más general, ya que una imagen puede ser un fotograma o un campo . Un fotograma es una imagen completa, y un campo es el conjunto de líneas de exploración impares o pares que componen una imagen parcial. Por ejemplo, una imagen HD 1080 tiene 1080 líneas (filas) de píxeles. Un campo impar consta de información de píxeles para las líneas 1, 3, 5,  ..., 1079. Un campo par tiene información de píxeles para las líneas 2, 4, 6,  ..., 1080. Cuando el vídeo se transmite en formato de exploración entrelazada , los campos se envían en secuencia, alternando entre campos de líneas impares y campos de líneas pares, cada uno con la mitad de información que un fotograma, pero separados en el tiempo como fotogramas secuenciales (es decir, un campo de líneas impares dado representa un tiempo entre el del campo de líneas pares precedente y el del campo de líneas pares siguiente).

Un sistema de referencia utilizado para predecir otros sistemas de referencia se denomina sistema de referencia.

Un fotograma codificado como una imagen fija completa sin información de otros fotogramas se denomina fotograma I. Un fotograma que utiliza la predicción de un único fotograma de referencia precedente (o un único fotograma para la predicción de cada región) es un fotograma P. Un fotograma B utiliza la predicción de un promedio (posiblemente ponderado) de dos fotogramas de referencia, uno precedente y otro posterior.

En el estándar H.264/MPEG-4 AVC , la granularidad de los tipos de predicción se reduce al nivel de "segmento". Un segmento es una región espacialmente distinta de un fotograma que se codifica por separado de cualquier otra región del mismo fotograma. Los segmentos I, P y B reemplazan a los fotogramas I, P y B, respectivamente.

Normalmente, las imágenes (fotogramas) se segmentan en macrobloques , y los tipos de predicción individuales se pueden seleccionar en función de cada macrobloque, en lugar de que sean los mismos para toda la imagen, como se muestra a continuación:

• Los marcos I solo pueden contener macrobloques intra.
• Los marcos P pueden contener tanto macrobloques intra como macrobloques predichos.
• Los fotogramas B pueden contener macrobloques intra, predichos y bi-predichos.

Además, en el estándar de codificación de vídeo H.264 , el fotograma se puede segmentar en secuencias de macrobloques llamadas cortes , y en lugar de utilizar selecciones de tipo de fotograma I, B y P, el codificador puede elegir el estilo de predicción de forma distinta en cada corte individual. En H.264 también se encuentran varios tipos adicionales de fotogramas/cortes:

• SI-frames/slices (Switching I): Facilita el cambio entre flujos codificados; contiene SI-macroblocks (un tipo especial de macrobloque codificado intra).
• Marcos/segmentos SP (Switching P): Facilita el cambio entre flujos codificados; contiene macrobloques P y/o I.
• Estimación de movimiento multifotograma (hasta 16 fotogramas de referencia o 32 campos de referencia)

La estimación de movimiento multifotograma aumenta la calidad del vídeo, manteniendo la misma relación de compresión. Los fotogramas SI y SP (definidos para el perfil extendido) mejoran la corrección de errores . Al utilizar estos fotogramas junto con un decodificador inteligente, es posible recuperar las secuencias de emisión de DVD dañados.

• Los fotogramas I contienen una imagen completa. Están codificados sin referencia a ningún otro fotograma, excepto a (partes de) sí mismos.
• Puede ser generado por un codificador para crear un punto de acceso aleatorio (para permitir que un decodificador comience a decodificar correctamente desde cero en esa ubicación de la imagen).
• También puede generarse cuando la diferenciación de los detalles de la imagen impide la generación de fotogramas P o B efectivos.
• Por lo general, requieren más bits para su codificación que otros tipos de tramas.

A menudo, los fotogramas I se utilizan para el acceso aleatorio y como referencia para la decodificación de otras imágenes. Los periodos de actualización intra de medio segundo son comunes en aplicaciones como la transmisión de televisión digital y el almacenamiento de DVD . En algunos entornos, se pueden utilizar periodos de actualización más largos. Por ejemplo, en los sistemas de videoconferencia , es común enviar fotogramas I con muy poca frecuencia.

• Requiere la decodificación previa de alguna otra(s) imagen(es) para poder ser decodificada(s).
• Puede contener tanto datos de imagen como desplazamientos de vectores de movimiento, así como combinaciones de ambos.
• Se pueden consultar las imágenes anteriores en orden de decodificación.
• Los diseños estándar más antiguos (como MPEG-2 ) utilizan solo una imagen previamente decodificada como referencia durante la decodificación, y requieren que esa imagen también preceda a la imagen P en el orden de visualización.
• El protocolo H.264 puede utilizar varias imágenes previamente decodificadas como referencias durante la decodificación, y puede tener cualquier relación arbitraria de orden de visualización en relación con la(s) imagen(es) utilizada(s) para su predicción.
• Por lo general, requieren menos bits para la codificación en comparación con los fotogramas I.

• Requiere la decodificación previa de los fotogramas subsiguientes que se mostrarán.
• Puede contener datos de imagen y/o desplazamientos de vectores de movimiento. Los estándares más antiguos solo permiten un único vector de compensación de movimiento global para todo el fotograma o un único vector de compensación de movimiento por macrobloque.
• Incluye algunos modos de predicción que generan una predicción de una región de movimiento (por ejemplo, un macrobloque o un área más pequeña) promediando las predicciones obtenidas con dos regiones de referencia previamente decodificadas. Algunos estándares permiten dos vectores de compensación de movimiento por macrobloque (bipredicción).
• En los estándares más antiguos (como MPEG-2), los fotogramas B nunca se utilizan como referencia para la predicción de otras imágenes. Por lo tanto, se puede usar una codificación de menor calidad (que requiere menos espacio) para dichos fotogramas B, ya que la pérdida de detalle no afectará la calidad de la predicción de las imágenes posteriores.
• El estándar H.264 flexibiliza esta restricción y permite que los fotogramas B se utilicen como referencias para la decodificación de otros fotogramas a discreción del codificador.
• Los estándares más antiguos (como MPEG-2) utilizan exactamente dos imágenes previamente decodificadas como referencia durante la decodificación, y requieren que una de esas imágenes preceda al fotograma B en el orden de visualización y la otra lo siga.
• El estándar H.264 permite utilizar una, dos o más de dos imágenes previamente decodificadas como referencias durante la decodificación, y puede tener cualquier relación arbitraria de orden de visualización con respecto a la(s) imagen(es) utilizada(s) para su predicción.
• La mayor flexibilidad en la recuperación de información implica que los fotogramas B suelen requerir menos bits para su codificación que los fotogramas I o P.

• Término clave en animación
• Compresión de vídeo
• Marco intra
• Marco intermedio
• Aplicación de grupos de imágenes de tipos de marcos
• Datamosh
• Video

• Transmisión de vídeo con fotogramas SP y SI