Introducción a la compresión

de video bajo el estándar

MPEG-2.
Monografía para el curso de Codificación de
Imágenes y Video.
Instituto de Ingeniería Eléctrica de la Facultad
de Ingeniería.
Noviembre de 2002

Victor Paladino
widgetp@adinet.com.uy
 Contenido

Pag

Introducción general.............................................................................2

Sección 1: Introducción a MPEG

1.1 Por que es necesaria la compresión?...................................................3

1.2 Introducción a la compresión de video................................................3

Sección 2: ISO/IEC 13818-2, MPEG-2 Video

2.1 Codificación espacial o temporal?.......................................................5

2.2 Codificación espacial...........................................................................6
2.3 Ponderación..........................................................................................7
2.4 Scanning...............................................................................................8
2.5 Codificación entropica.........................................................................9
2.6 Un codificador espacial........................................................................9
2.7 Codificación temporal........................................................................10
2.8 Compensación de movimiento...........................................................12
2.9 Codificación bidireccional.................................................................13
2.10 Imágenes I, P y B.............................................................................14

Sección 3: Lo nuevo en MPEG-2

Introducción............................................................................................16
3.1 Perfiles y Niveles..............................................................................16
3.1.1 Perfiles escalables..............................................................16
3.1.2 Reparto de datos en MPEG-2............................................18
3.2 Video entrelazado.............................................................................18
3.3 Entrelazado y Pulldown 3:2..............................................................18
3.4 MPEG-2 y el video entrelazado........................................................19
3.5 Exploración (Scanning).....................................................................21
3.6 Entrelazada o progresiva?.................................................................21
3.7 Consecuencias del entrelazado..........................................................22
3.8 Codificación de Mobile.....................................................................23
3.8.1 Codificación de Mobile como entrelazada.........................23
3.8.2 Codificación de Mobile como progresiva...........................24

Sección 4: ISO/IEC 13818-1, La capa de sistema de MPEG-2

Resumen..................................................................................................27
4.1 Sobre la notación...............................................................................27
4.2 Unidades de presentación y unidades de acceso...............................27
4.3 Elementary Streams (Cadenas Elementales)....................................29
4.3.1 Sintaxis del Video Elementary Stream................................29
4.3.2 Audio Elementary Stream...................................................31
4.4 Cadenas elementales paquetizadas (PES).........................................31
 4.4.1 Paquetes PES.......................................................................31
4.4.2 Time Stamps………………………………………………32
4.4.3 PTS/DTS………………………………………………….32
4.5 Cadenas de Programa (Programme Streams)………………………33
4.5.1 Grabación vs Transmisión………………………………...33
4.6 La Cadena de Transporte (Transport Stream)...................................35
4.6.1 El header del paquete de transporte........................................35
4.6.2 Información Especifica de Programa (PIS)............................37
4.6.2.1 The Programme Map Table (PMT)............................37
4.6.2.2 The Programme Asociation Table (PAT)……………37
4.6.2.3 The Network Information Table (NIT)………………38
4.6.2.4 The Conditional Access Table (CAT)……………….38
4.7 Otra información especifica de programa…………………………...38
4.8 Como demultiplexar MPEG-2...........................................................41

Sección 5: Referencias de Reloj .............................................................41

Resumen ...................................................................................................43

Glosario de términos................................................................................43

Apéndice A: Estructura de los paquetes PES y la cadena de transporte.....46

Apéndice B: Estructura del pack header y el system header de un pack,

componentes de una cadena de programa de MPEG-2.............................48

Apéndice C : Submuestreo del canal de croma..........................................50

Apéndice D : Un compresor MPEG...........................................................51

La aplicación primaria de MPEG-2 fue la transmisión digital de señales de TV con buena calidad y a
velocidades de 4 a 10 Mbps. Debido a esto, la principal característica y diferencia con MPEG-1 es que
MPEG-2 brinda un soporte para imágenes entrelazadas, es decir, se tomo en cuenta el hecho de que las
cámaras de TV forman una imagen tomando primero un campo y luego el otro. Ya que estos dos
campos están separados por un intervalo de tiempo, codificar la secuencia con MPEG-1 no produciría
los mejores resultados, ya que MPEG-1 asume que no hay diferencia de tiempo entre líneas sucesivas
en la imagen. El estándar MPEG-2 provee una forma de codificar imágenes entrelazadas incluyendo
dos técnicas basadas en campo: predicción basada en campo y DCT basada en campo.
Otras mejoras, como la introducción de una DCT con precisión de 10 bits en el coeficiente DC,
cuantización no lineal, tablas VLC y control mejorado de mismach (para los vectores de movimiento )
han sido introducidas en este nuevo estándar que han brindado mejoras sustanciales aun para material
progresivo. Otra especificación clave del MPEG-2 son las extensiones escalables ,que permiten la
división de la señal de video en dos o mas cadenas de bits representando el video a diferentes
resoluciones, calidad de imagen ,o cadencia de cuadros.

1
 Introducción general
En Marzo de 1995 se completó el estándar
MPEG-2, compuesto de 9 partes, con el numeral
ISO/IEC 13818. El nombre completo es
“Information Technology—Generic Coding of
Moving Pictures and Associated Audio”
ISO/IEC 13818. Las primeras 5 partes están
organizadas como en MPEG-1 (Sistema, Video,
Audio, Conformación y Software). Las 4 partes
adicionales son listadas a continuación.
La parte 6, Digital Storage Medium Command
and Control (DSM-CC), provee la sintaxis para
controlar el estilo de reproducción y acceso
aleatorio de los bitstreams codificados y
almacenados en medios digitales tales como el
DVD. Los comandos de reproducción incluyen
Still Frame, Fast Forward, Advance y GoTo.
La parte 7, Non-Backward Compatible Audio
(NBC), define una nueva sintaxis para audio
surround en una forma que no es compatible con
MPEG-1, por ejemplo el AC-3.
La parte 8 es una extensión a la parte de video
de MPEG-2 (13818-2) y define la sintaxis y
semántica para la representación de video
codificado con una precisión de 10 bits por
muestra.
La parte 9, Real Time Interface (RTI), define
una sintaxis para señales de control de video
bajo demanda.
Este trabajo no pretende dar al lector
información cabal de las nueve partes antes
mencionadas. Simplemente, se hablará de la
parte de video (ISO/IEC 13818-2) y la parte del
Sistema (ISO/IEC 13818-1). Se supondrá que el
lector no esta familiarizado con la compresión
de video, con lo cual se dará una breve
introducción en la sección 1.
En la sección 2, se explica detalladamente la
forma en que MPEG consigue llevar a cabo la
compresión de una secuencia de video. Se
explican con detalle las técnicas de compresión
espacial y temporal, compensación de
movimiento, y el uso de la transformada del
coseno como herramienta para dicha
compresión.
Todas las técnicas mencionadas, con excepción
de algunas serán similares a las usadas en
MPEG-1. Cada vez que aparezca una nueva
técnica o algoritmo introducido por MPEG-2 se
hará mención de eso. Veremos que una de las
diferencias importantes entre ambos estándares
de compresión , MPEG-1 y MPEG-2, es que
este último brinda un soporte para material
entrelazado, ya que una de las aplicaciones mas
importantes de este nuevo estándar es la
transmisión de señales de televisión, en donde
se adquieren las imágenes en forma entrelazada.
El concepto de video entrelazado, así como
también los perfiles y niveles que define
MPEG-2, serán tratados en detalle en la sección
3. En la primera parte de dicha sección, se
hablaran de los perfiles y niveles que define
MPEG-2 para lograr la adaptación a las
diferentes necesidades de los usuarios.
Aparecerá el concepto de escalabilidad, como
alternativa de adaptación a la calidad de la
compresión.
La segunda parte de esta sección, trata en detalle
el video entrelazado explicando como se forma
una imagen entrelazada, que consecuencias trae
para la compresión, y como MPEG-2 sortea
estas complicaciones para codificar de manera
mas eficiente.
En la sección 4, se trata la parte del sistema de
MPEG-2 (ISO/IEC 13818-1). Aquí se explica
como el estándar define la sintaxis de salida de
un codificador, ya sea que la aplicación sea
almacenamiento del audio y/o el video, o la
transmisión del mismo a través de un canal
ruidoso. Se intentará dar al lector la idea de
porque se definen dos sintaxis diferentes
dependiendo de una aplicación u otra.
Por último, en la sección 5, se tratan las
referencias de reloj que usa MPEG-2 para
sincronizar el material de audio y video y
2
mantener la sincronía también entre trasmisor y
receptor.
Todas las secciones que componen este trabajo
están basadas en su mayor parte en los
documentos que figuran al final del mismo.
Remito desde ya al lector a consultar dicho
material si así lo desea.
A medida que avancemos en el trabajo, se irán
encontrando conceptos y palabras nuevas para el
lector. A los efectos comprender mejor la
lectura, se colocó al final del trabajo un glosario
de términos en donde el lector puede consultar
en el momento que considere necesario.
Sección 1
Introducción a MPEG
MPEG es uno de los mas populares estándares
de compresión de video y audio, debido a que
no es un simple estándar. En vez de eso, es un
rango de estándares disponibles para diferentes
aplicaciones, pero basados en principios
similares. MPEG es el acrónimo de Moving
Pictures Experts Group, establecido por la ISO
para trabajar en compresión.
Esta sección es simplemente una breve
introducción a los conceptos que hay detrás de
la compresión de video. Puede tomarse como
referencia para la segunda sección, en donde se
tratan con detalle los conceptos mencionados
aquí.
1.1 Por que es necesaria la compresión?
El éxito inicial del video digital fue en
aplicaciones de post producción, en donde la
producción de video generaba alrededor de 200
Mbps de datos, con lo cual se requería de gran
capacidad de almacenamiento o gran ancho de
banda para su eventual transmisión. La siguiente
figura ilustra este concepto para la digitalización
de una imagen de 625 líneas, 720 píxeles por
línea y una cadencia de cuadros de 30 cuadros
por segundo, resultando en un ancho de banda
de 216 Mbps para su eventual transmisión. El
formato de submuestreo de croma usado es
4:2:2 (ver apéndice C para submuestreo del
canal de croma).
Y=8*13.5=108 Mbps
Cr=8*6.75=54 Mbps
Cb=8*6.75=54 Mbps
Total=216 Mbps
Debido a estas dificultades, era necesario una
forma de codificación del material de audio y/o
video, en la cual se requieran menos datos para
representar al material. La forma en que MPEG
consigue llevar a cabo este objetivo, es mediante
el procesamiento de la secuencia de video ( o la
señal de audio), de manera tal de codificar solo
lo necesario, y dejar que el decodificador
“adivine” el resto, y posiblemente, como en la
mayoría de los casos, la eliminación de
determinada información no tan crítica para el
observador. En las siguientes secciones se tratan
con cierto detalle las técnicas usadas por MPEG
para llevar a cabo la compresión.
1.2 Introducción a la compresión de video
En todo material real ya sea de audio o video,
hay dos tipos de componentes de señal: aquellos
componentes que son nuevos o impredecibles y
aquellos que pueden ser anticipados. Los
componentes nuevos son llamados entrópicos y
corresponden a la verdadera información en la
señal. Los restantes son llamados redundancia
ya que no son esenciales. La redundancia puede
ser espacial tal como un área plana de una
imagen, en donde los píxeles cercanos tienen
todos el mismo valor, o temporal ,en donde se
explota la similitud de imágenes sucesivas. En
3
sistemas de codificación sin pérdidas, se intenta
que el codificador extraiga la redundancia de la
señal y envíe solo la entropía al decodificador.
En sistemas con pérdidas, se elimina cierta
información irrelevante o no tan crítica para el
observador antes de analizar los componentes
importantes en la señal. Solo la entropía es
almacenada o transmitida y el decodificador
calcula la redundancia con la señal recibida. La
figura 1.1 ilustra este concepto.
Figura 1.1
Un codificador ideal debería transmitir solo la
entropía y un decodificador ideal debería
reconstruir la señal completa con esa
información. En la práctica sin embargo, no se
puede alcanzar la idealidad. Un codificador
ideal requeriría de un retardo muy grande para
poder extraer solo la redundancia de la señal,
retardo que es inconcebible para determinadas
aplicaciones en tiempo real. En algunos casos,
un codificador ideal sería muy caro. Se sigue
entonces que no hay un sistema de compresión
ideal.
En la práctica se necesita de un rango de
codificadores con diferentes grado de retardo y
complejidad. La potencia de MPEG es que no es
solo un formato de compresión, sino un rango
de herramientas de compresión que pueden
ser combinadas eficazmente para diferentes
necesidades. MPEG-2 introduce el concepto de
perfiles y niveles, que justamente permiten la
elección mas apropiada para determinada
aplicación. Mas adelante se tratara en mas
detalle este concepto.
Hay diferentes formatos de video digital y cada
uno tiene su bit rate. Por ejemplo, un sistema de
alta definición podría tener 6 veces el bit rate de
un sistema de definición estándar.
Consecuentemente, conocer solo el bit rate a la
salida del codificador no es muy útil. Lo que
importa es la razón de compresión, que es la
relación entre el bit rate a la entrada del
codificador y el bit rate a la salida del mismo.
Desafortunadamente, el número de variables
involucradas, hace difícil determinar el factor de
compresión adecuado. La figura 1.1 muestra que
si toda la entropía es enviada, la calidad es
buena. Sin embargo, si el factor de compresión
es incrementado con el fin de reducir el bit rate,
la calidad decae.
Para identificar la entropía completamente, un
codificador debería ser muy complejo. Un
compresor práctico, deberá enviar mas datos
generalmente, para asegurarse de llevar la
entropía en ellos. La figura 1.1b muestra la
relación entre complejidad y performance. A un
nivel de calidad dado, se requiere de un
compresor mas sofisticado para lograr altas
razones de compresión.
La entropía en señales de video varía. En el
proceso de codificación, algunas imágenes
tendrán mas entropía que otras y por lo tanto
requerirán de mas datos para ser representadas,
si lo que queremos es mantener la calidad de la
codificación constante. Bajo este esquema de
codificación, tendremos calidad constante pero
bit rate variable, con lo cual se introduce un
buffer a la salida del codificador que absorba
dichas variaciones de entropía y produzca un bit
rate constante a la salida.
En la codificación de video bajo el estándar
MPEG, aparecen dos conceptos importantes y
claramente diferenciados: la codificación Intra
(Intra Coding) y la codificación Inter (Inter
Coding). Codificación Intra es una técnica que
explota la redundancia espacial o dentro de una
imagen y codificación Inter explota la
redundancia temporal. La Intra Coding puede
ser usada sola como en JPEG , o puede ser
4
combinada con Inter Coding, como en MPEG. descrita anteriormente. La compensación de
Intra coding relaciona dos propiedades de las movimiento simplemente minimiza la cantidad
imágenes típicas. Primero, no todas las de datos en la imagen diferencia.
frecuencias espaciales están simultáneamente Claramente, las imágenes codificadas
presentes y segundo, los componentes de temporalmente son difíciles de editar, ya que su
frecuencias espaciales altas son de mas baja contenido depende de alguna imagen quizás ya
amplitud que las bajas. Intra coding requiere del trasmitida tiempo atrás. Los sistemas de
análisis de frecuencias espaciales en una producción tendrán que limitar el grado de
imagen. Este análisis es el propósito de codificación temporal para permitir la edición y
transformadas como wavelets o la DCT. Las esto afectara el límite de la compresión.
trasformadas producen coeficientes que
describen la magnitud de cada componente
espacial frecuencial. Típicamente, muchos Sección 2
coeficientes serán cero, con lo que se omitirán ,y
se lograra por lo tanto una reducción en el bit
ISO/IEC 13818-2 MPEG-2 Video
rate. La sección 2.2 trata en detalle la
codificación Intra, o codificación espacial.
En esta sección se tratan en detalle los
conceptos introducidos en la sección anterior.
Inter coding, relaciona las similitudes entre
Se explicará como MPEG lleva a cabo la
imágenes sucesivas. Si una imagen esta
compresión de una secuencia de video haciendo
disponible en el codificador, la siguiente imagen
uso de la compresión tanto espacial como
puede ser reconstruida enviando solo la imagen
temporal. Todas las técnicas mencionadas en
diferencia. Esta diferencia se incrementa con el
esta sección son heredadas de MPEG-1. Como
movimiento, pero esto puede ser compensado
se mencionó anteriormente, en MPEG-2 aparece
con la estimación de movimiento, ya que un
el concepto de video entrelazado, pero no sino
objeto en una imagen generalmente solo
hasta la sección 3 se hablara de esto. En dicha
cambiará de posición, no de apariencia. Si el
sección, “lo nuevo en MPEG-2”, se explicará en
movimiento puede ser medido, puede ser creada
detalle el video entrelazado, y como MPEG-2
una aproximación a la imagen actual , corriendo
codifica dicho material. Pido por tanto al lector,
parte de la imagen previa a una nueva localidad.
que se olvide de este concepto hasta la próxima
El proceso de movimiento es controlado por un
sección.
vector que es transmitido al decodificador. La
codificación Inter es tratada en detalle en la
2.1 Codificación espacial o temporal?
sección 2.7 conjuntamente con la compensación
de movimiento en la sección 2.8 y la
Como se vio en la primera sección, la
codificación bidireccional en la sección 2.9.
compresión de video saca partido tanto de la
redundancia espacial como la temporal .En
MPEG-2 maneja tanto imágenes progresivas
MPEG la redundancia temporal es extraída
como entrelazadas, llamando ‘picture’ a una
usando similitudes entre imágenes sucesivas.
imagen dada en alguna posición temporal ,
Tanto como sea posible, la imagen actual es
independientemente si es campo o cuadro (ver
estimada a partir de imágenes recientemente
el glosario para las definiciones).
enviadas. Cuando se usa esta técnica, solo se
La codificación temporal es ahora mas difícil,
necesita enviar la diferencia entre la imagen
ya que los píxeles en un campo estarán en otra
estimada y la actual. La imagen diferencia es
posición en el siguiente.
entonces sujeta a codificación espacial.
Es mas fácil comenzar explicando la
La compensación de movimiento minimiza pero
codificación espacial antes que la temporal.
no elimina la diferencia entre imágenes
La compresión espacial se relaciona con las
sucesivas. La imagen diferencia puede ser ahora
similitudes entre píxeles adyacentes en áreas
tratada como imagen Intra, con la técnica
planas de la imagen y en frecuencias espaciales

5
dominantes en el modelo. JPEG solo utiliza
compresión espacial ya que fue diseñado para
comprimir imágenes fijas. No obstante, JPEG
puede usarse para codificar una sucesión de
imágenes para video en el así llamado ‘Motion
JPEG’. En este esquema, la compresión no es
tan buena como en MPEG, pero la capacidad de
edición es interesante, ya que se puede editar
cuadro a cuadro.
2.2 Codificación espacial
El primer paso en la codificación espacial, es
desarrollar un análisis de frecuencias espaciales
mediante una transformada. Una transformada
es una forma de expresar una forma de onda en
un dominio diferente, en este caso, el de la
frecuencia. La salida de la trasformada es un
conjunto de coeficientes que indican cuanto de
una determinada frecuencia esta presente.
La transformada mas conocida es la de Fourier.
Esta trasformada encuentra cada componente de
frecuencia multiplicando muestra a muestra la
señal de entrada por su respectiva función base e
integrando el producto. La figura 2.1 muestra
que cuando la señal de entrada no contiene la
función base, este producto da cero, pero si la
contiene, la integral dará un coeficiente que
describe la amplitud de esa componente.
Figura 2.1
Los resultados serán como se describieron , si la
componente de frecuencia de la señal esta en
fase con la función base. Si la componente esta
en cuadratura con la función base, la integral
será cero. Por lo tanto será necesario realizar dos
búsquedas para cada frecuencia, una con la
función base en fase y otra en cuadratura , para
encontrar las componentes en cuadratura en la
señal.
La transformada de Fourier tiene la desventaja
de requerir de coeficientes para los términos
seno y coseno de cada frecuencia.
En la trasformada del coseno, la señal de entrada
es reflejada con respecto al eje de las ordenadas
antes de multiplicarla por las funciones base. La
figura 2.2 muestra que este reflejo cancela todos
los componentes seno y duplica los
componentes coseno de la señal. Ahora los
coeficientes seno de la trasformada son
innecesarios y solo se necesita un coeficiente
para cada frecuencia.
Figura 2.2
La Transformada Discreta del Coseno (DCT) es
la versión muestreada de la transformada del
coseno, y es usada ampliamente en dos
dimensiones. Un bloque de 8x8 píxeles es
transformado en un bloque de 8x8 coeficientes.
Ya que la operación requiere la multiplicación
por fracciones, algunos coeficientes tendrán
longitud de palabra mas larga que los valores de
los píxeles. Típicamente, un bloque de píxeles
de 8 bits , incurrirá en un bloque de coeficientes
de 11 bits. Por lo tanto, la DCT no produce una
compresión, sino lo contrario. No obstante, la
DCT convierte la fuente de píxeles en una forma
en donde es mas fácil la compresión.
La figura 2.3 muestra los coeficientes de la DCT
para un bloque 8x8. Para un bloque de
luminancia, el coeficiente DC indica el nivel
medio de brillo en la imagen. Moviéndonos a lo
largo de las filas, se incrementa la frecuencia
horizontal, y a lo largo de las columnas se
incrementa la frecuencia vertical.
6
 2.3 Ponderación

La figura 2.4 muestra que la percepción humana

al ruido no es uniforme, sino que es función de
la frecuencia. Mas ruido puede ser tolerado a
altas frecuencias.

Figura 2.3

En una imagen real, pueden ocurrir

componentes de frecuencia diferentes en las
diferentes direcciones, y un coeficiente en algún
punto del bloque representará el peso de
Figura 2.4
determinada frecuencia de dos dimensiones.
Claramente, para imágenes en color, las
La compresión reduce la exactitud de los
muestras de diferencia de color también deben
coeficientes y tiene un efecto similar al de usar
ser tratadas. Los datos Y, Cr y Cb son tratados
palabras cortas en PCM, es decir, aparece un
individualmente en la codificación.
nivel de ruido. En PCM, el resultado de acortar
las palabras del código, resulta en un incremento
En mucho material real, muchos coeficientes
del nivel de ruido a todas las frecuencias. Como
tendrán valor cero o cerca de cero, y no serán
la DCT separa los componentes de frecuencia,
transmitidos. Esto resulta en una significante
es posible controlar el espectro del ruido.
compresión que resulta virtualmente sin
La figura 2.5 muestra que en el proceso de
pérdidas. Si se necesita una compresión mayor,
ponderación, los coeficientes de mas baja
se tendrá que reducir la longitud de palabra de
frecuencia son divididos por números pequeños
los coeficientes distintos de cero, introduciendo
y los de alta frecuencia por números mas
una pérdida en el proceso. Con cuidado, las
grandes. Siguiendo a la división, se produce el
pérdidas pueden ser introducidas en una forma
truncamiento del coeficiente, lo que resulta en
que sean menos visibles al observador.
una recuantización.

Como resultado, los coeficientes de baja

frecuencia espacial son recuantizados con pasos
pequeños y los de alta frecuencia con pasos mas
grandes y llevan mas ruido que los anteriores.

7
 Figura 2.5
En el decodificador, los coeficientes se
multiplicarán por sus valores correspondientes
de forma tal de recuperar los coeficientes de la
DCT con ruido de cuantización superpuesto. Por
supuesto, este ruido será mayor a las altas
frecuencias.
Claramente, el grado de compresión obtenido y
el subsecuente bit rate, es función de la
severidad del proceso de recuantización.
Diferentes bit rates requerirán diferentes tablas
de cuantización y en MPEG-2 es posible usar
diferentes tablas para la compresión y
trasmitirlas al receptor para la correcta
decodificación.
2.4 Scanning
En material de video típico, los coeficientes
significativos de la DCT se encuentran en la
esquina superior del bloque de coeficientes.
Después de la recuantización, los coeficientes de
mas alta frecuencia posiblemente se habrán
reducido a cero. Podría ser obtenida una forma
de codificación mas eficiente si primero se
trasmitieran los coeficientes distintos de cero y
luego un código indicando que los restantes
coeficientes son cero. El Scanning es una
técnica que permite llevar a cabo esto último, ya
que envía los coeficientes en orden decreciente
de probabilidad de magnitud. La figura 2.6ª
muestra que en un sistema no entrelazado, la
probabilidad de que un coeficiente tenga un alto
valor es mayor en la
esquina superior izquierda del bloque y menor
en la esquina inferior derecha. Un escaneo
diagonal de 45º es lo mejor para usar aquí.
8
 Figura 2.6
En la figura 2.6b, se muestra el escaneo para una
imagen entrelazada (nuevo en MPEG-2). En una
imagen entrelazada, un bloque 8x8 DCT de un
campo se extiende sobre el doble de área
vertical de la pantalla, así que para una imagen
dada ,las frecuencias verticales parecerán ser el
doble de grandes que las horizontales. Por lo
tanto, el escaneo ideal para imágenes
entrelazadas es el que se muestra en la figura
2.6b, en donde se ve que una frecuencia vertical
dada se escanea antes que la misma frecuencia
horizontal.
Volveremos sobre este punto mas adelante.
2.5 Codificación entrópica
En video real, no todas las frecuencias
espaciales aparecen simultáneamente. Por lo
tanto, muchos coeficientes de la DCT serán
cero. A pesar del escaneo, pueden aparecer
coeficientes cero entre valores distintos de cero.
Run Length Encoding (RLC) permite que estos
coeficientes sean manejados de forma eficiente.
Cuando se presenta una cadena de ceros, un
RLC simplemente transmite la cantidad de ceros
en la carrera en vez de cada bit individualmente.
La probabilidad de ocurrencia de ciertos valores
de coeficientes en un material de video real
puede ser estudiada. En la práctica, algunos
valores ocurren mas frecuentemente que otros.
Esta información estadística puede utilizarse
para llevar a cabo una mejora en la compresión
con códigos de longitud variable. Los valores
que ocurren mas frecuentemente son codificados
con palabras mas cortas que los que ocurren
menos a menudo. De cara a la deserealizacion,
no se permite que una palabra sea prefijo de otra
(código instantáneo).
2.6 Un codificador espacial
La figura 2.7 muestra todos los conceptos
descritos anteriormente sobre codificación
espacial.
9
 Figura 2.7
En la figura 2.7 se asume que la señal de entrada
es 4:2:2 (ver apéndice C sobre submuestreo de
canal de croma) con 8 a 10 bits por píxel.
MPEG trabaja con resolución de 8 bits, por lo
cual será necesario una etapa de redondeo
cuando la señal de entrada tiene palabras de 10
bits. La mayoría de los perfiles de MPEG
trabajan con muestreo 4:2:0, por lo que será
necesario también una etapa de filtrado pasabajo
vertical . Esto elimina información de la imagen
y también baja el bit rate.
La etapa DCT transforma la información de la
imagen al dominio de la frecuencia. Luego, los
coeficientes son ponderados y truncados,
obteniendo la primera compresión significante.
Estos coeficientes son escaneados en zig-zag
por las razones mencionadas anteriormente.
Después del último coeficientes distinto de cero,
se genera un código end of block (EOB). Luego
son comprimidos con RLC y VLC. En un
sistema de bit rate variable, la cuantización es
fija, pero en un sistema de bit rate fijo se
necesita de un buffer para absorber las
variaciones en el proceso de codificación.
Imágenes con muchos detalles tenderán a llenar
el buffer, mientras que imágenes mas
homogéneas tenderán a vaciarlo. Si el buffer
esta en peligro de over flowing , la cuantización
se deberá hacer mas severa para bajar el bit rate.
En el decodificador, el bit stream es
deserealizado y la codificación entrópica es
revertida para obtener los coeficientes
ponderados. Se realiza la ponderación inversa de
los coeficientes , y luego se arma la matriz DCT
de acuerdo al zig-zag. Luego se aplica la IDCT
y se recrean los bloques 8x8 de coeficientes.
Los bloques son almacenados en RAM que se
lee una línea a la vez. Para obtener una salida
4:2:2 a partir de una 4:2:0, se debe realizar una
interpolación vertical como se muestra en la
figura 2.8.
2.7 Codificación temporal
La redundancia temporal puede ser explotada
realizando codificación Inter, es decir,
trasmitiendo solo las diferencia de imágenes. La
figura 2.9 muestra que un retardo de una imagen
combinada con un sustractor, puede llevar a
cabo la operación.
10
 Figura 2.8
Figura 2.9
La imagen diferencia es una imagen mas, y
puede ser codificada espacialmente después. El
decodificador revierte de codificación espacial y
le suma la diferencia para obtener la siguiente
imagen. Muchos sistemas de compresión
realizan un offset en la imagen antes de aplicar
la DCT, eliminando con esto los posibles
valores negativos producidos en le proceso de
codificación. Hay algunas desventajas en este
modelo. Primero, ya que solo son enviadas las
imágenes diferencia, se hace imposible la
decodificación de la secuencia una vez
comenzada la transmisión. Segundo, si alguna
imagen diferencia contiene algún error, este se
propagará indefinidamente. La solución a este
problema es usar un sistema que no es
completamente diferencial. La figura 2.10
muestra que periódicamente se envían imágenes
Intra , que son codificadas solo espacialmente.
Si ocurre un error o hay un cambio de canal , se
podrá resumir la decodificación en la próxima
imagen Intra. La figura 2.10 solo generaliza el
concepto. En la sección 2.10 y en la figura 2.14,
se introduce el concepto de GOP, en donde se
detalla la estructura de la secuencia de
imágenes.
11
 Figura 2.10
2.8 Compensación de movimiento
El movimiento reduce las similitudes entre las
imágenes e incrementa la cantidad de datos
Figura 2.11
Cuando un objeto se mueve en la pantalla puede
aparecer en otra posición en la imagen siguiente
pero generalmente no cambiará su apariencia.
La diferencia de imagen puede ser reducida,
midiendo el movimiento en el codificador. Este
movimiento es enviado al decodificador como
un vector. El decodificador usa este vector para
correr parte de la imagen previa a un lugar mas
adecuado en la nueva imagen.
Un vector controla el movimiento de imagen
entera de la imagen conocida como
macrobloque. El tamaño del macrobloque
depende de la codificación DCT y la estructura
de muestreo del color. La figura 2.12ª muestra
que en un sistema 4:2:0, el espaciamiento
vertical de las muestras de croma es
exactamente el doble que las muestras de
luminancia. Un simple bloque 8x8 de muestras
necesarios para crear una imagen diferencia. La
compensación de movimiento se utiliza para
incrementar la similitud de las imágenes. La
figura 2.11 muestra el principio.
de crominancia se extiende sobre la misma área
que 4 bloques 8x8 de luminancia. Por lo tanto,
esta es la mínima área que puede ser desplazada
por un vector. Un macrobloque 4:2:0 contiene
cuatro bloques de luminancia, uno de croma Cr
y una de croma Cb.
En el perfil 4:2:2 , el color es muestreado solo
en la dirección horizontal. La figura 2.12b
muestra que un bloque de crominancia se
extiende sobre la misma área que dos bloques de
luminancia. Un macrobloque 4:2:2 contiene 4
bloques de luminancia , 2 bloques de Cr y dos
bloques de Cb.
El estimador de movimiento trabaja
comparando los macrobloques de luminancia de
dos imágenes sucesivas.
12
 Figura 2.12
Un macrobloque en la primera imagen es usado
como referencia. Cuando la entrada es
entrelazada, los píxeles estarán en posiciones
verticales diferentes en los dos campos , y por
lo tanto, será necesario interpolar un campo
antes de que sea comparado con el otro. La
correlación entre la referencia y todos los
posibles desplazamientos es medida con una
resolución de medio píxel sobre el rango entero
de la búsqueda. Cuando se encuentra la
correlación mas grande , esta es asumida como
la correlación que representa al movimiento.
Este vector de movimiento tiene una
componente vertical y una horizontal. En
material típico, el movimiento es continuo a
través de las imágenes. Una mejora en la
compresión se logra si estos vectores se
transmiten diferencialmente. Consecuentemente,
si un objeto se mueve a velocidad constante, los
vectores diferenciales serán cero. Los vectores
de movimiento están asociados a macrobloques
, no a objetos concretos. Puede haber ocasiones
en que parte del macrobloque se movió y parte
no. En este caso es imposible compensar
apropiadamente. Si el movimiento de la parte
móvil es compensado trasmitiendo un vector de
desplazamiento, la parte estacionaria estará mal
compensada y habrá la necesidad de corregir
datos de diferencia. Si no se envía un vector, la
parte estacionaria estará bien compensada pero
habrá que corregir la parte móvil. Un compresor
inteligente podría comparar ambas técnicas y
quedarse con la que requiere menos datos
diferenciales.
2.9 Codificación bidireccional
Cuando un objeto se mueve, va ocultando el
fondo delante suyo y revelando el fondo que
tiene detrás. El fondo revelado, requiere que
sean trasmitidos nuevos datos ya que no hay
información previa de ese fondo ahora revelado.
13
Lo mismo ocurre cuando la cámara realiza un
paneo, van apareciendo nuevas áreas de las
cuales no se tenía información de ellas. MPEG
ayuda a minimizar este problema introduciendo
la codificación bidireccional, que permite que la
imagen actual sea codificada teniendo en cuenta
la información de imágenes antes y después de
la actual. La figura 2.13 muestra el concepto de
codificación bidireccional. Sobre una base de
Figura 2.13
2.10 Imágenes I, P y B
En MPEG, se necesitan tres tipos diferentes de
imágenes para soportar codificación diferencial
y bidireccional, mientras se minimiza la
propagación del error.
Las imágenes I, son codificadas Intra, y no
requieren información adicional para la
decodificación. Requieren un montón de datos
mas que las otras imágenes, y por lo tanto no se
trasmiten mas que la cantidad necesaria.
Consisten primariamente de coeficientes
transformados y no tienen vectores. Estas
imágenes permiten la conmutación de canales y
detienen la propagación del error.
Las imágenes P, son predichas hacia delante a
partir de una imagen previa que puede ser una
imagen I o una P. Los datos de estas imágenes
macrobloques individuales, una imagen
codificada bidireccionalmente puede obtener
compensación de movimiento de una imagen
anterior o posterior , o aún de un promedio de
ambas. La codificación bidireccional reduce la
cantidad de datos diferencia , mejorando el
grado de predicción posible.
contiene vectores que indican en que posición
en la imagen anterior estaba cada macrobloque y
la diferencia que debe ser sumada para
reconstruir ese macrobloque. Las imágenes P
requieren, mas o menos, la mitad de datos que
las imágenes I.
Las imágenes B son predichas
bidireccionalmente a partir de imágenes
anteriores o posteriores I o P. Los datos en estas
imágenes consisten de vectores que indican en
que posición en la imagen anterior o posterior
deberían ser tomados los datos. También
contienen los coeficientes transformados de la
diferencia que debe ser sumada para reconstruir
el macrobloque. Estas imágenes son las que
requieren menos datos para ser creadas.
14
La figura 2.14 introduce el concepto de GOP o
Group of Pictures. Cada GOP comienza con
una imagen I y tiene imágenes P espaciadas
regularmente. Las restantes son imágenes B. El
GOP esta definido hasta la última imagen antes
de la siguiente imagen I. Tienen largos variables
, pero 12 o 15 son los valores mas comunes.
Claramente, si los datos de las imágenes B van a
ser tomados de imágenes futuras, esas imágenes
deben estar disponibles tanto en el codificador
como en el decodificador. Por lo tanto, la
codificación bidireccional requiere el
almacenamiento temporal de imágenes. La
figura 2.14 también muestra que las imágenes P
son enviadas antes que las B. Cabe notar
además, que las últimas imágenes B no pueden
ser enviadas sino hasta que la siguiente imagen I
del siguiente GOP sea trasmitida, ya que se
Figura 2.14
Figura 2.15
requiere de este dato para codificar
bidireccionalmente dichas imágenes B. Con el
fin de regresar las imágenes en su secuencia
correcta, se introduce una referencia de tiempo
en cada imagen. Las marcas de tiempo son
analizadas en la sección 4.4.2.
El almacenamiento temporal de imágenes
requiere de cierta memoria adicional tanto en el
codificador como en el decodificador , e
introduce además cierto retardo. Se deberá
controlar entonces la cantidad de imágenes B,
para poder controlar dicho retardo.
La figura 2.15 muestra el compromiso existente
entre factor de compresión y retardo en la
codificación. Para una calidad dada, enviar solo
imágenes I, requiere de mas del doble de bit rate
que enviar IBBP.
15

Sección 3
Lo nuevo en MPEG-2
Introducción
La sección anterior introdujo con considerable
detalle la forma en que MPEG realiza la
compresión de video. Las técnicas mencionadas
son comunes tanto para MPEG-1 como para
MPEG-2 ya que se pidió al lector que se
abstrajera de los conceptos que hay detrás del
video entrelazado. Como veremos en esta
sección, MPEG-2 introduce dos técnicas nuevas
en el proceso de codificación aplicables a
material entrelazado. Aparecerán por lo tanto en
esta sección, los conceptos de campo y cuadro,
y aprenderemos como MPEG-2 codifica
eficientemente las imágenes entrelazadas.
Recordemos que una de las aplicaciones mas
importantes de este nuevo estándar es el de
codificar señales de televisión para
broadcasting, estando por lo tanto bajo el
tratamiento de imágenes entrelazadas. La
sección 3.2 explica el concepto de video
entrelazado y la sección 3.4 enseña como
MPEG-2 codifica dicho material. Como antes,
remito al lector a consultar el glosario ante la
aparición de palabras nuevas.
3.1 Perfiles y niveles
MPEG-2 es aplicable a un amplio rango de
aplicaciones que requieren diferentes
performance y complejidad. Para propósitos
prácticos, el estándar MPEG-2 es dividido en
perfiles y cada perfil es dividido en niveles (ver
figura 3.1). Un perfil es básicamente el grado de
complejidad esperado en el codificador. Un
nivel es un conjunto de parámetros tales como el
tamaño de la imagen o el bit rate usado en ese
perfil. Se puede decir que un perfil limita la
complejidad, es decir, los algoritmos, y un nivel
limita los parámetros tales como bit rate,
dimensiones de cuadro, frames rates, etc.
En principio hay 24 combinaciones posibles,
pero no todas han sido definidas. Un
decodificador teniendo asignado cierto perfil y
nivel, debe ser capaz de decodificar perfiles y
niveles mas bajos.
El perfil simple no soporta codificación
bidireccional , con lo que solo tendrá a su salida
imágenes I y P. Esto reduce el retardo en la
codificación y decodificación y permite
hardware mas simple. El Simple Profile ha sido
definido solamente al Main Level (SP@ML) .
El Main Profile fue diseñado para un amplio
uso. El Low Level usa una baja resolución de
entrada teniendo solo 352 píxeles por línea.
La mayoría de las aplicaciones broadcasting
requerirán del subconjunto MP@ML (Main
Profile at Main Level) que soporta SDTV
(Estándar Definition TV).
El High Level –1440 es una forma de alta
definición que duplica la definición del ML.
Este nivel, no solo duplica la resolución sino
que también la mantiene para el formato 16:9
incrementando el número de muestras
horizontales de 1440 a 1920.
3.1.1 Perfiles escalables
No todas las aplicaciones tienen un simple y
bien definido usuario final. Servicios tales como
Modo de Transferencia Asincrónico (ATM ) y
HDTV con compatibilidad hacia atrás con la TV
necesitan entregar mas de una resolución y
calidad. MPEG-2 tiene definido tres perfiles
escalables que permiten que una imagen
completa sea decodificada con solo una parte
del bitstream. Estos tres tipos son: SNR (Signal
to Noise Ratio ), Spatial y High. Se requiere que
solo el perfil High escalable soporte el formato
4:2:2 además del 4:2:0.
Las imágenes comprimidas son ensambladas en
diferentes capas, una capa principal y una o
varias capas de ayuda. La capa principal puede
ser decodificada sola para obtener una imagen
de cierta calidad. Si a esta última le sumamos
las demás capas de ayuda, se puede mejorar la
calidad de la imagen y/o la resolución.
16
 Figura 3.1
Por ejemplo, un codificador MPEG
convencional podría recuantizar una imagen en
forma bastante severa , generando una imagen
codificada con considerable ruido de
cuantización. Ahora, si se decodifica localmente
esa imagen y se resta píxel a píxel con la imagen
original , se obtendrá una imagen de ruido. Esta
imagen puede ser comprimida y trasmitida
como señal de ayuda. Un decodificador simple
podría solo decodificar la señal principal,
obteniendo una imagen ruidosa, pero uno mas
sofisticado decodificaría las dos señales para
obtener una imagen de mejor calidad. Este es el
principio de la escalabilidad SNR.
En forma alternativa, codificar solo las
frecuencias espaciales mas bajas de una imagen
HDTV , produciría una bitstream principal que
un decodificador de SDTV podría decodificar.
Si esta imagen de baja definición se resta de la
imagen original, se obtendría una imagen con
solo las frecuencias mas altas presentes. Esta
imagen se podría codificar y trasmitir como
señal de ayuda. Un decodificador podría
decodificar ambas señales, la principal y la de
ayuda para recrear la imagen de HDTV. Este es
el principio de escalabilidad Espacial.
El High Profile soporta ambas formas de
escalabilidad ,permitiendo además el muestreo
4:2:2
El perfil 4:2:2 ha sido desarrollado para mejorar
la compatibilidad con equipos de producción
digital. Este perfil permite el uso de 4:2:2 sin la
necesidad de recaer en la complejidad del High
Profile. Por ejemplo, en HP@ML ,el
decodificador deber soportar escalabilidad SNR
,que no es requerida para producción. El perfil
4:2:2 tiene la misma libertad de estructura de
GOP que los demás perfiles, pero generalmente
se usa con GOP’s cortos que facilitan la edición.
La operación con 4:2:2 requiere un bit rate mas
alto que 4:2:0, y el uso de GOP’s cortos requiere
aun mas bit rate para un nivel de calidad dado.
Existe además , un tercer modo de escalabilidad
en la compresión, llamada escalabilidad
temporal. Esta técnica consiste en codificar la
secuencia de cuadros a una velocidad mayor a la
habitual (mayor quizás a 25 frames/seg ), de
forma que se mantenga la compatibilidad hacia
atrás con los compresores que trabajan con
velocidades mas bajas. La velocidad temporal
mas baja sirve como base para la codificación
de la velocidad mas alta. Se codifican los
cuadros a velocidad baja y luego se agregan
17
cuadros a la secuencia predecidos en base a la
secuencia de velocidad alta. Algunos sistemas
pueden solo decodificar la secuencia base de
baja velocidad ,y otros pueden decodificar
ambas y multiplexarlas para obtener la
velocidad mas alta.
3.1.2 Reparto de datos en MPEG-2
Las redes ATM, difusiones terrestres, medios
magnéticos, y otras aplicaciones tienen a veces
dos canales disponibles para transmisión y/o
almacenamiento. El bitstream de video es
separado de tal forma que un canal contenga
información crítica como headers, vectores de
movimiento, y los coeficientes de baja
frecuencia de la DCT, y el otro contenga la
información menos crítica como los coeficientes
de alta frecuencia de la DCT. Este segundo
canal puede ser enviado con menos protección
de error.
El reparto de datos no es compatible hacia atrás
con otros bitstreams de video MPEG-2.
3.2 Video entrelazado
En sistemas de televisión, la exploración
consiste en barridos horizontales rápidos
combinados con barridos verticales mas lentos,
de manera que la imagen queda explorada en
líneas. Al final de cada barrido vertical o
cuadro, el proceso vuelve a repetirse. Los
monitores para computadoras explorar de esta
manera, pero en la mayoría de los sistemas de
radiodifusión el proceso de exploración consiste
en entrelazado 2:1. En un proceso de barrido
entrelazado, la velocidad de barrido vertical se
duplica, de modo que haya espacio entre las
líneas escaneadas. El barrido vertical o campo,
tarda la mitad de tiempo y contiene la mitad de
las líneas. En el segundo campo, las áreas que se
perdieron son ahora escaneadas. La figura 3.2
muestra dicho concepto. Las líneas de ambos
campos se entrelazan verticalmente de forma
automática al finalizar la exploración, de forma
de formar la imagen completa.
Figura 3.2
El escaneo entrelazado usado en los formatos
estándar de televisión NTSC, PAL y SECAM,
visualiza solo la mitad de las líneas horizontales
de una vez / pasada (el primer campo que
contiene todas las líneas de número impar es
visualizado y a continuación se visualiza el
segundo campo que contiene todas las líneas de
número par). El entrelazado se basa en una
característica de nuestros ojos que es la
persistencia de la visión (la cual podría
únicamente ser sicológica, no física), así como
también en la persistencia del fósforo en el tubo
de imagen de la televisión para mezclar los
campos resultando en una única imagen.
3.3 Entrelazado y Pulldown 3:2
Una cámara de película filma a 24 cuadros por
segundo, mientras que una cámara de video
escanea campos de líneas pares e impares
alternativamente a intervalos de 1/50 segundos.
El DVD esta diseñado especialmente para ser
visualizado en visualizadores de escaneo
entrelazado, que cubren el 99.9% de los mil
millones de TVs en todo el mundo. Sin
embargo, la mayoría del contenido DVD viene
de películas que son originalmente progresivas.
Para hacer que una película funcione en formato
entrelazado, el video de cada cuadro de película
es partido en dos campos de video –240 líneas
en un campo y otras 240 líneas en el otro—y
codificado como campos separados en el
torrente MPEG-2. Otra complicación es que la
película va a 24 cuadros por segundo, mientras
que la televisión va a 30 cuadros (60 campos)
por segundo para NTSC o 25 cuadros (50
campos) por segundo para PAL y SECAM. Para
visualizar en PAL/SECAM, la solución más
simple es mostrar los cuadros de película a una
18
velocidad de 25/segundo, lo cual es acelerar la
película un 4%, y acelerar el audio para que
vaya a la par. Para visualización en NTSC, la
solución es extender esos 24 cuadros a lo largo
de 60 campos alternando la visualización del
primer cuadro de película para dos campos de
video y el siguiente cuadro de película en tres
campos. Esto se llama pulldown 3:2. La
secuencia funciona como se muestra debajo,
donde A-E representan cuadros de película y
A1, A2, B2, etc representan la separación de
cada cuadro de película en dos campos de video.
Figura 3.3
Para codificar en MPEG-2, los campos
repetidos (B1 y D2) no se almacenan dos veces.
En vez de ello, se pone una marca para decir al
decodificador que repita el campo. (El orden
aparentemente invertido de C2-C1 y D2-D1 es
debido al requerimiento de que deben alternarse
los campos arriba y abajo). El MPEG-2 también
tiene una marca para indicar cuando un cuadro
es progresivo (que los dos campos vengan del
mismo instante en el tiempo). Para contenidos
de película, la marca de cuadro-progresivo
debería estar a valor verdadero para cada
cuadro.
3.4 MPEG-2 y el video entrelazado
Una de las mas grandes motivaciones para crear
un nuevo estándar MPEG-2 fue el de dar un
soporte para fuentes de video entrelazadas. El
estándar MPEG-1 estaba enfocado a velocidades
de alrededor 1.5 Mbps , y era asumido que la
señal de video fuente había sido digitalizada a
alrededor de 352x240 para 60 Hz (e.g U.S) y
352x288 para 50 Hz (e.g Europa). Las señales
de video estándar llevan el doble de líneas que
las mencionadas anteriormente, con un formato
entrelazado. La forma mas simple de generar
una imagen de la mitad de tamaño era quedarse
con un solo campo de la señal de video, el otro
era descartado. Ya que se usa un solo campo de
la
imagen, estos campos muestreados formaban
una secuencia de video progresivamente
escaneada. El MPEG-1 por lo tanto, incluía
parámetros de codificación y algoritmos para
secuencias progresivamente escaneadas
solamente.
Como MPEG-2 esta enfocado a la codificación
de señales de video de calidad broadcasting, es
necesario codificar la fuente de video en su
ancho de banda completo, resultando en campos
tanto pares como impares en la secuencia. Ya
que estos campos están separados por un
intervalo de tiempo, codificar la secuencia
utilizando MPEG-1 no arrojará los mejores
resultados, ya que este algoritmo asume que no
hay diferencia de tiempo entre líneas
consecutivas en la imagen. El estándar MPEG-2
introduce una nueva forma de codificar
imágenes entrelazadas mediante las inclusión de
dos técnicas “basadas en campo” :predicción
basada en campo y DCT basada en campo. En
MPEG-2 , el término picture (imagen) se
refiere ya sea a cuadro (frame) o campo (field).
Por lo tanto, una representación codificada de
una imagen puede ser reconstruida ya sea como
campo o como cuadro. Durante la codificación,
el codificador debe elegir si codificar una
imagen como un cuadro o como dos campos. Si
selecciona esta última forma de codificación,
cada campo se codifica por separado, cada uno
teniendo un tamaño vertical igual a la mitad de
la imagen completa.
Con este esquema ,una imagen codificada Intra
consiste de un cuadro Intra, de dos campos
Intra, o de un campo Intra seguido de un campo
P. La predicción de este último es en base al
cuadro anterior Intra.
Una imagen codificada como Inter (P) , consiste
de una imagen Inter o de dos cuadros Inter, al
igual que las imágenes codificadas como
bidireccionales (B) .
En el modo codificación como cuadro, la
predicción puede hacerse ya sea en base a
campo o en base a cuadro. La predicción basada
en cuadro, usa un vector por dirección (forward
o backward) para describir el movimiento
relativo al cuadro de referencia.
19
En contraste, la predicción basada en campo usa
dos vectores de movimiento, uno proveniente de
un campo par y el otro del campo impar. Por lo
tanto, pueden haber hasta cuatro vectores por
macrobloque (dos por cada dirección forward o
backward).
En el modo codificación como campo, la
predicción es solo en el modo campo, pero
puede ser relativa ya sea al campo par como al
impar.
Independientemente del modo de predicción,
cada macrobloque en una imagen codificada
como cuadro, puede ser codificado mediante
DCT basada en campo o basada en cuadro,
como se muestra en la figura 3.4 y 3.5. La DCT
basada en cuadro ,es la misma que la DCT de
MPEG-1. La DCT basada en campo, en cambio,
opera sobre filas alternadas, es decir, las filas de
un mismo campo, son juntadas en un mismo
bloque 8x8. El porque de esta forma de
codificación, viene del hecho que quizás estén
mas correlacionadas líneas de un mismo campo
que líneas consecutivas en la imagen, debido
esto al intervalo de tiempo que existe entre un
campo y el otro.

Figura 3.4.DCT basada en cuadro

Figura 3.5.DCT basada en campo.

20

3.5 Exploración (Scanning)
Después de realizar la DCT a un bloque 8x8
píxeles, se nota que generalmente los
coeficientes mas significativos se encuentran en
la parte superior izquierda de la matriz. Una vez
evaluados, los coeficientes menos significativos
pueden ser redondeados a cero. Se logra de este
modo una transmisión de datos mas eficiente, ya
que se transmiten primero los coeficientes
distintos de cero, y luego un código que indique
que los demás coeficientes son todos cero.
La exploración es una técnica que aumenta la
probabilidad de alcanzar este resultado, porque
ella envía los coeficientes en forma descendente
según su probabilidad. La figura 2.6ª y 2.6b,
muestran que en un sistema ya sea entrelazado o
no, la probabilidad de hallar coeficientes de
mayor peso ,es mas alta en la parte superior
izquierda de la matriz que en la inferior derecha.
La figura 2.6ª muestra que una buena
exploración para una imagen progresiva es el
zig-zag, ya que las frecuencias horizontales y
verticales no son en general muy diferentes.
Una imagen entrelazada esta compuesta de dos
campos entrelazados como se explicó en la
sección 3.2. Si codificamos como entrelazado,
estaremos codificando cada campo por
separado, con lo cual las líneas en la imagen (el
campo en cuestión), estarán separadas el doble
de distancia que en un cuadro completo. Este
distanciamiento entre líneas consecutivas en un
campo, hace que las frecuencias verticales en
esta imagen sean por lo general de mas peso que
las sus duales horizontales.
En la figura 2.6b, se muestra la exploración para
una fuente entrelazada. Se observa que la
exploración se extiende dos veces mas por
encima del área vertical intentando primero
conseguir las frecuencias verticales antes que las
horizontales. La figura 2.6b, muestra que esta
exploración entrega primero las frecuencias
espaciales verticales.
3.6 Entrelazada o progresiva?. Experiencia
con Mobile.
En esta parte intentaremos determinar si una
secuencia de imágenes ( mobile ) dada, fue
adquirida en forma entrelazada o progresiva.
Para ello, tomaremos la secuencia y la
codificaremos con MPEG-2 en formato
entrelazado primero y luego en formato
progresivo. Tomaremos para ambos esquemas
de compresión, los siguientes parámetros de
codificación:
N=12, nº de frames en el GOP
M=3, distancia I-P
Frame_rate=25
Bit_rate=4 Mbps
Profile: Main
Level: Low
Para la compresión entrelazada se seteará
Alternate_scan=1 (para las los 3 tipos de
imágenes)
Picture_format=1 (field_picture)
Progressive_secuence=0
Progresive_frame=0
Para la compresión progresiva ,será
Alternate_scan=0 (para las los 3 tipos de
imágenes)
Picture_format=0 (frame_picture)
Progressive_secuence=1
Progresive_frame=1
Una vez codificadas las imágenes,
compararemos la calidad (SNR) de cada cuadro
medida contra la secuencia original.
Al codificar ambos esquemas con el mismo bit
rate, podremos decir que la compresión que
resulte en un mejor SNR, será la mas óptima.
La pregunta que surge ahora es la siguiente, si la
calidad de las imágenes codificadas bajo un
esquema es mejor que el otro, ¿significa que la
secuencia fue adquirida en ese formato?
De lo que si podemos estar seguros, es que si
una secuencia fue adquirida en forma
entrelazada, y el movimiento en la escena fue
tal que los dos campos se correlacionan poco,
entonces una codificación que tenga en cuenta
esta baja correlación entre líneas consecutivas,
será mejor que uno en donde se considere que
las líneas fueron escaneadas en forma secuencial
en el tiempo.
21
Si se tomaron imágenes cada 40 mseg (25 Hz),
primero un campo y luego el siguiente, la
velocidad de barrido vertical en la imagen
habrá sido de 50 Hz, ya que en un tiempo de
cuadro se deben barrer dos campos. Basta que
en un lapso de 20 mseg haya ocurrido un
cambio sustancial en la imagen para que las
líneas consecutivas, es decir, los campos
entrelazados, estén poco correlacionados. Este
efecto se conoce como “combing”.
Bajo esta situación, sabemos que la codificación
entrelazada que codifica ambos campos en
forma independiente será la mejor. Sin embargo,
sin no hubo un cambio sustancial entre los
diferentes campos, es decir, en ausencia de
combing, lo mejor será codificar como
progresivo ya que la distancia entre líneas
consecutivas en un campo hace menos eficiente
a la DCT, ya que se enriquecen las frecuencias
verticales.
La experiencia que haremos es un tanto
exagerada, pero servirá para mostrar el efecto.
Lo que haremos, será tomar el primer y último
cuadro de la secuencia mobile, y formar un solo
cuadro entrelazado. Tomaremos para ello el
campo par de mobile0, y lo entrelazaremos con
el campo impar de mobile23. El movimiento
que se produce entre estos dos cuadros es mas
que suficiente como para hacer aparecer el
combing.
Luego de este proceso, calculamos la DCT por
bloques en ambos cuadros, en mobile0, que
suponemos que es progresiva, y en el nuevo
cuadro formado, que es entrelazado.
Por último, y a los efectos de comparar un
cuadro y el otro, opté por tomar de entre los 64
coeficientes de la DCT, el que mide la máxima
frecuencia horizontal sin cambios verticales, y el
que mide la máxima frecuencia vertical sin
cambios horizontales (ver fig 3.6).

3.7 Consecuencias del entrelazado

En esta parte, intentaremos verificar las

consecuencias que aparecen cuando una imagen
es escaneada en forma entrelazada estando
presente el efecto de combing. Recordemos que
el combing era producido por tomar dos campos
independientes, habiéndose producido en ese
intervalo de tiempo un movimiento sustancial en
la escena. Bajo esta situación, veremos que
aumentaran las frecuencias verticales en cada
bloque 8*8 del cuadro, o al menos en esos
Figura 3.6
bloques en donde estuvo presente el
movimiento, ya que una línea y la otra no
tendrán mucho que ver. En cuanto a las
frecuencias horizontales, no se notarían grandes
cambios.
Vayamos a los resultados:

22
 data1
data2
F recuencias horizontales progresiva
100 entrelazada

50

-50

-100
0 5 10 15 20 25 30 35 40 45
F recuencias verticales
1000

500

-500

-1000
0 5 10 15 20 25 30 35 40 45
# de bloque DCT 8*8 en la fila
Figura 3.7: Coeficientes correspondientes a bloques DCT 8*8 comprendidos
entre las filas 160 y 168 de la imagen.

Comparando las frecuencias horizontales de

ambas imágenes, notamos que no son muy
diferentes, sin embargo, las frecuencias
verticales en esa hilera de bloques 8*8 es
sustancialmente mayor en la imagen entrelazada
que en la progresiva.
Dejamos en evidencia con esto último, el efecto
que se produce en una imagen cuando la
actividad en la escena es de tal magnitud que los
diferentes campos escaneados se correlacionan
poco. Es justamente la aparición de importantes
frecuencias verticales en los bloques, lo que
hace ineficiente a la DCT cuando se codifica el
cuadro completo sin separar los dos campos.
3.8 Codificación de Mobile
Una vez examinadas las consecuencias del
combing, vayamos a codificar la secuencia
mobile en dos formatos diferentes, para ver cual
es el mejor. Con este experimento podremos
intuir el formato de adquisición de dicha
secuencia, en base al análisis de la sección 3.6.
3.8.1 Codificación de mobile como
entrelazada
La figura 3.9 muestra la SNR vs nº de cuadro
para la codificación de mobile bajo el esquema
entrelazado. Recordemos que en esta forma de
codificación, el codificador divide cada imagen
en dos campos para codificarlos
individualmente. Note la variación de la SNR
durante la primera mitad de la secuencia, debido
a la adaptación del bit rate que realiza el
codificador. Al comenzar con el buffer vacío, se
va cuantizado la matriz DCT en forma cada vez
mas fina, permitiendo mejor calidad en la
secuencia. Una vez que se llena el buffer, la
SNR adquiere un comportamiento estacionario.
Es entonces la última mitad de la secuencia la
que tomaremos como relevante para la
comparación de la calidad de la imagen.

23
 SNR vs nº de cuadro para ambos campos
24

23

22

21
SNR (dB)

20

19
Campo par

18 Campo impar

17
0 5 10 15 20 25
nº de cuadro
Figura 3.9

compensación bidireccional. Por lo tanto cuando

La grafica mostrada corresponde a la secuencia
de imágenes en el orden real de ocurrencia en el
tiempo, distinto del orden de codificación.
Corresponde por lo tanto a la secuencia
IBBPBBPBBPBB. Recordemos que el
codificador necesita de las imágenes P para
codificar las imágenes B anteriores. Además del
comentario anterior sobre la tendencia
estacionaria de la SNR producida por la
realimentación que brinda el buffer, vale la pena
comentar también porque las imágenes B
resultan las de peor calidad en la secuencia
codificada (analice el gráfico anterior). Esto es
así porque las imágenes B se codifican siempre
después que una imagen I o P, y estas imágenes
tienden a llenar el buffer ya que no usan
le llega el momento una imagen B, la
realimentación habrá hecho que la cuantización
se haga mas severa para alivianar el buffer., con
lo cual la calidad de dichas imágenes es la peor
de las tres. Luego, como las imágenes B
incurren en pocos bits para el buffer, este se
vacía y la cuantización se aligera un poco otra
vez y el proceso se repite.
3.8.2 Codificación de mobile como progresiva
La figura 3.10 nos muestra la SNR, cuando
elegimos la forma de codificación progresiva
para la secuencia, y la figura 3.11 compara la
SNR de ambos esquemas.

24
 SNR vs # de cuadro para codificacion progresiva
25

24

23
SNR (dB)

22

21

20

19
0 5 10 15 20 25
# de cuadro
Figura 3.10

25

24

23

22
SNR (dB)

21

20

19
progresiva

18 entrelazada

17
0 5 10 15 20 25
nº de cuadro
Figura 3.11. Comparación de ambos esquemas de codificación

Claramente, observamos una mejor calidad en

las imágenes comprimidas en forma progresiva, En base a los razonamientos mencionados,
en donde no se tienen en cuenta los campos, que diremos que , o bien mobile es progresiva o bien
en la forma entrelazada donde se codifica cada es entrelazada pero en ausencia de “combing”.
campo por separado.

25
El codificar cada imagen como dos cuadros
separados, hace que la DCT sea menos eficiente
( en ausencia de combing) ya que baja la
correlación entre píxeles verticales debido al
espaciamiento de las líneas. Dicho de otra
manera, las frecuencias verticales se vuelven
mas importantes .
Al codificar línea por línea, reducimos el peso
de dichas frecuencias y hacemos que la
información de cada macrobloque se concentre
en las bajas frecuencias, haciendo mas eficiente
la codificación.
26

Sección 4
ISO/IEC 13818-1 :La capa del sistema
de MPEG-2
Resumen
La especificación de Sistema de MPEG-2
describe como las cadenas de datos
comprimidos de audio y video pueden ser
multiplexados juntas con otros datos para
formar una simple cadena de datos (single data
stream) disponible para transmisión y/o
almacenamiento. Esta sección cubre los
principios y terminología de la capa del sistema
de MPEG-2. Aquí se cubren tres áreas
fundamentales: Primeramente, las estructura de
los diferentes múltiplex; segundo, la
información de servicio que pueden presentar, y
tercero, el sistema de marcas de tiempo y
referencias de reloj utilizadas para sincronizar
en el decodificador componentes de programa
relacionados.
En la capa de sistema de MPEG-2, se
especifican dos posibles alternativas de
multiplexión. La cadena de programa
(programme stream), fue diseñada pensando en
el almacenamiento y reproducción de un simple
programa a partir de un dispositivo de
almacenamiento digital (eventualmente libre de
ruido), mientras que la cadena de transporte
(transport stream), fue pensada para la entrega
simultánea de múltiples programas sobre
canales con ruido. Ambos múltiplex facilitan la
inclusión de información específica de programa
(Programme Specific Information, PSI) que
detallan el/los programas y las cadenas
elementales presentes. Los múltiplex también
usan un sistema de marcas de tiempo y
referencias de reloj para asegurar la
reproducción sincrónica de cadenas elementales
relacionadas, y el correcto comportamiento de
los buffers en el decodificador. En la figura 4.1
se esquematiza la producción de las cadenas de
programa y de transporte. Mas adelante se
hablará en detalle de ambas. Hay muchos
elementos de sintaxis opcionales y muchas
oportunidades de incluir elementos de sintaxis
privadas (definidas por el usuario) para
optimizar una aplicación particular.
4.1 Sobre la notación
Cuando hablemos de un programa nos
estaremos refiriendo a un servicio particular que
esta siendo codificado, como una secuencia de
video con su audio asociado y quizás algunos
datos auxiliares (ver figura 4.1). Si
paralelamente se codifica otra secuencia de
video, o simplemente audio, en un canal o dos,
diremos que se trata de otro programa.
La palabra cadena, se tomó como traducción de
stream, y es simplemente una sucesión de bits
de audio o video.
Un múltiplex es simplemente una forma de
multiplexar cadenas de datos. MPEG-2 define
dos diferentes tipos de múltiplex, el de
programa y el de transporte.
4.2 Unidades de presentación y unidades de
acceso
La figura 4.2 muestra una secuencia de video sin
comprimir siendo codificada MPEG a un bit
rate de 5 Mbps. Cada imagen en la secuencia sin
comprimir se denomina unidad de presentación.
El codificador codifica cada unidad de
presentación para formar una imagen codificada
que se denomina unidad de acceso. Note que las
unidades de acceso no son todas del mismo
tamaño. El tamaño depende de si la imagen es I,
P o B.
27
Figura 4.1. Generación de cadenas de transporte y programa en MPEG-2.

Figura 4.2. Producción de las unidades de acceso.

28

4.3 Elementary Streams (Cadenas
Elementales)
Un Elementary Stream no es mas que la salida
en bruto de un codificador, y contiene no mas
que la información necesaria para que un
decodificador pueda formar el video o el audio
original. La sintaxis de la señal comprimida está
rígidamente definida, de forma que asegure que
todos los decodificadores puedan usarla. El
codificador no esta definido, sin embargo debe
ser tal , que produzca la sintaxis de salida
correcta. De esta forma se estandarizan los
decodificadores, pudiéndolos fabricar a bajo
costo. En contraste, los codificadores pueden ser
mas complejos y mas caros, de forma que se
adapten mejor a los requerimientos de alta
calidad de codificación. Cuando el codificador y
decodificador son de diferentes complejidades,
se dice que el sistema de codificación es
asimétrico.
El estándar MPEG permite también que la
calidad sea mejorada a medida que los
algoritmos de codificación son refinados,
permitiendo aún que los decodificadores mas
viejos decodifiquen el bit stream.
4.3.1 Sintaxis del Video Elementary Stream
La figura 4.3 muestra la construcción de un
video elementary stream. La unidad
fundamental de información es el bloque DCT,
que representa un arreglo 8x8 de píxeles que
pueden ser Y, Cr, o Cb. El coeficiente DC es
enviado primero, y es representado mas
exactamente que los demás coeficientes
(MPEG-2 permite la elección de 8, 9, 10 u 11
bits para el coeficiente DC). Seguido de los
demás coeficientes, se envía un código EOB
(End Of Block).
Los bloques son ensamblados en macrobloques,
que son la unidad fundamental de una imagen
para ser compensada por movimiento. Cada
macrobloque de una imagen P o B tiene un
vector de movimiento bidimensional en su
header. En imágenes B, los vectores pueden ser
forward o backward. La compensación de
movimiento puede ser basada en campo en
cuadro, y esto es indicado en el header. También
se indica la escala usada para la recuantización
de los coeficientes. Usando los vectores, el
decodificador usa la información de imágenes
anteriores o posteriores para producir la imagen
predicha. Aplicando la IDCT a cada bloque, se
obtiene la imagen corrección que hay que
sumarle a la imagen predicha para formar la
imagen correcta.
En codificación 4:2:0 ,cada macrobloque tiene 4
bloques Y y dos bloques de cada color. En
formato 4:2:2, habría 2 bloques de cada color
por cada 4 de luminancia. Para identificar cada
bloque correctamente, estos se envían en un
orden específico. (ver apéndice C para mas
información sobre submuestreo del canal de
croma).
Los macrobloques son ensamblados en slices,
que deben representar siempre partes de una
imagen de izquierda a derecha. En MPEG, se
permite que los slices tengan cualquier largo y
comiencen en donde sea. El slice es la unidad
elemental de sincronización para la codificación
de longitud variable y diferencial. Los primeros
vectores en el slice son enviados absolutamente,
mientras que los restantes son enviados
diferencialmente. En imágenes Intra, también
los primeros coeficientes DC son enviados
absolutamente y los restantes en forma
diferencial.
Un número de slices son combinados para hacer
una imagen, que es la parte activa de un campo
a un cuadro. El header de la imagen indica si
esta fue codificada como I, P o B y también
incluye una referencia temporal para que la
imagen sea presentada en el orden correcto. Para
situaciones especiales, como un paneo de la
cámara, los vectores de movimiento de los
diferentes macrobloques serán los mismos, por
lo que se envía un vector global, y los vectores
individuales como diferencias con este.
Las imágenes pueden ser combinadas para
producir un GOP, que debe comenzar siempre
con una imagen I. El GOP es la unidad
fundamental de codificación temporal. Los
GOP’s pueden ser abiertos o cerrados. En un
GOP cerrado, las últimas imágenes B no
requieren de la imagen I del siguiente GOP para
29
ser decodificadas, y el bit stream puede cortarse al final del GOP.

Figura 4.3

30

Si son usados varios GOP’s, estos son
combinados para producir una secuencia de
video. La secuencia comienza con un código de
inicio de secuencia seguido del header de la
secuencia, y finaliza con un código de fin de
secuencia. Se pueden colocar además headers
adicionales a la secuencia a la mitad de esta.
Esto permite que la decodificación pueda
comenzar en alguna parte en la mitad de la
secuencia. El header de la secuencia especifica
el tamaño vertical y horizontal de la imagen, la
relación de aspecto, el formato de submuestreo
de croma, el picture rate, el uso de scan
progresivo o entrelazado, el perfil, nivel, bit
rate, y las matrices de cuantización usadas en
codificación Intra e Inter.
Sin el header de la secuencia, los
decodificadores no pueden entender el bit
stream, por lo que los headers de la secuencia se
vuelven el punto de inicio para comenzar la
decodificación.
4.3.2 Audio Elementary Streams
Varios tipos de audio pueden ser metidos en un
multiplexor MPEG-2. Estos tipos provienen de
las tres capas del MPEG Audio y el AC-3. El
tipo de codificación de audio usada debe estar
incluida en un descriptor, que el decodificador
leerá a los efectos de invocar al decodificador
adecuado.
El proceso de codificación de audio es un poco
diferente que el de video. No hay un equivalente
a las diferentes I, P o B frames, y los “frames”
de audio tienen todos la misma cantidad de
datos. No hay equivalencia con las imágenes B,
y los frames de audio nunca son trasmitidos
fuera de orden.
En MPEG-2 Audio, el header de la secuencia
contiene el descriptor que indica que capa se uso
para codificar el audio y el tipo de compresión
(estéreo conjunto, por ej. ), seguido de la
velocidad de muestreo original. La secuencia de
audio es formada a partir de un número de
unidades de acceso (AUs) que serán codificadas
como audio frames.
Si se usa AC-3 , esto también se verá reflejado
en el header de la secuencia.
4.4 Cadenas Elementales Paquetizadas (PES)
Para propósitos prácticos, las cadenas
elementales conteniendo audio o video deben
ser partidas en paquetes. Estos paquetes son
identificados mediante headers que contienen
marcas de tiempo (time stamps) para
sincronización. Los PES pueden ser usados para
crear Cadenas de Programa (Program Stream) o
Cadenas de Transporte (Trasport Stream).
4.4.1 Paquetes PES
En PES, las largas cadenas elementales son
divididas en paquetes de tamaño adecuado para
la aplicación (ver figura 4.4). El tamaño podría
ser de unos pocos cientos de kilobytes, aunque
varían mucho de acuerdo a la aplicación. Cada
paquete es precedido por un PES packet header.
La estructura completa de un paquete PES se
puede consultar en el apéndice A.
El paquete comienza con un prefijo de comienzo
de código de 24 bits, y un stream ID que
identifica el contenido del paquete como video o
audio y futuras identificaciones como tipo de
codificación de audio. Estos 2 parámetros (Start
Code prefix y Stream ID ) comprenden el packet
start code, que identifica el comienzo del
paquete.
Debido a que MPEG solo define la cadena de
transporte y no el codificador, un diseñador
podría construir una cadena de transporte a
partir de una cadena elemental en un solo paso.
En este caso, el paquete PES no existiría nunca
en una forma identificable, en vez de eso, estaría
lógicamente presente en la carga de la cadena de
trasporte. Las cadenas de transporte se tratarán
luego.
31
 Figura 4.4
4.4.2 Time Stamps
Durante la compresión, algunas imágenes son
enviadas fuera de secuencia debido a la
codificación bidireccional. Ellas requieren una
cantidad variable de datos y están sujetas a
retardos variables debido a la multiplexión y
transmisión. Con el sentido de mantener al
audio y video sincronizados constantemente, se
insertan cada tanto marcas de tiempo (time
stamps) en las imágenes.
Una marca de tiempo, es un número de 33 bit
que es una muestra de un contador comandado
por un reloj de 90 KHz. Este reloj es obtenido
dividiendo el reloj de programa de 27 MHz por
300. Debido a que los momentos de
presentación están separados regularmente, no
es necesario incluir un time stamp en cada
unidad de acceso (consultar sección 4.2). En vez
de eso, los time stamps pueden ser interpolados
por el decodificador, pero ellos no deben estar
mas de 700 mseg apartados en su cadena de
transporte o programa. En cualquier tipo de
múltiplex MPEG-2, las marcas de tiempo son
llevadas como campos opcionales en los
paquetes PES (ver apéndice A).
Los time stamps indican a que lugar del tiempo
pertenece una unidad de acceso específica. La
máxima sincronización es obtenida cuando se
insertan marcas de tiempo tanto en los headers
de los paquetes PES de audio como en los de
video. Cuando un decodificador recibe un PES
específico, decodifica cada unidad de acceso y
la almacena en RAM. Cuando la cuenta de línea
de tiempo alcanza el time stamp, la RAM es
leída. Esta operación tiene dos resultados
deseables. Primero, se logra una corrección
efectiva en la base de tiempo de cada cadena
elemental. Segundo, las cadenas elementales de
audio y video pueden ser sincronizadas juntas
para formar un programa.
4.4.3 PTS/DTS
Cuando es usada la codificación bidireccional,
una imagen puede haber sido decodificada un
instante antes de que halla sido presentada, de
manera que pueda actuar como fuente de datos
para una imagen B. Aunque por ejemplo las
imágenes pueden ser presentadas en el orden
IBBP, ellas son trasmitidas en el orden IPBB.
Consecuentemente, existen dos tipos de marcas
de tiempo. La marca de tiempo de
decodificación (DTS) indica el momento en que
una imagen debe ser decodificada, mientras que
la marca de tiempo de presentación (PTS) indica
el momento que debe ser presentada a la salida
del decodificador.
Las imágenes B son decodificadas y presentadas
simultáneamente, de manera que solo tienen una
PTS. Cuando se recibe una secuencia IPBB,
tanto la imagen I como la P deben ser
decodificadas antes que la primera imagen B.
La figura 4.5 muestra que cuando una unidad de
acceso recibida corresponde a una imagen I, esta
tendrá en el header tanto un PTS como un DTS
y estas marcas de tiempo están separadas un
32
período de imagen. Si está siendo usada la
codificación bidireccional, le seguirá una
imagen P que también tendrá las dos marcas de
tiempo, pero esta vez separadas tres períodos de
imagen, de forma de permitir la intervención de
las imágenes B. Por lo tanto, si se recibe IPBB, I
es retardada un período de imagen, P es
Figura 4.5
El flag PTS/DTS en el header del paquete, es
seteado para indicar la presencia de solo PTS o
ambas marcas de tiempo.
Los paquetes de audio pueden contener distintas
unidades de acceso y el header del paquete
contiene un PTS. Ya que los paquetes de audio
nunca son trasmitidos fuera de secuencia, no se
requieren las DTS.
4.5 Cadenas de Programa (Programme
Stream)
Las cadenas de programa son una forma de
multiplexar diferentes cadenas de paquetes PES,
y son útiles en aplicaciones que involucran
grabación, como los DVD.
4.5.1 Grabación vs Transmisión
Para una calidad de imagen dada, el bit rate de
video comprimido cambiará con el contenido de
cada imagen. Bajo este esquema, un canal de bit
rate variable sería el recurso ideal. En
transmisión, en donde los canales prácticos son
de bit rate fijo, el bit rate total es mantenido
constante mediante el
retardada tres períodos, las B no son retardadas,
y la secuencia de presentación se vuelve IBBP.
Claramente, si la estructura de GOP es
cambiada de forma que tres o mas imágenes B
son colocadas entre las imágenes I y P, la
diferencia de tiempo entre los DTS y PTS se
hace mas grande.
uso de stuffing (inserción de datos
insignificantes).
En DVD, el stuffing es un gasto de capacidad de
almacenamiento. Sin embargo, un medio de
almacenamiento puede ser enlentecido o
acelerado, ya sea físicamente, o en el caso de
una unidad de disco, cambiando la velocidad de
trasferencia de datos. Esta velocidad se puede
ajustar de forma que el buffer de datos este lleno
hasta la mitad, independientemente del bit rate
actual que puede cambiar dinámicamente. Si el
decodificador lee del buffer a una velocidad mas
alta, tenderá a vaciar el buffer, y el sistema de
control simplemente incrementara la velocidad
de acceso para restaurar el balance, pero esta
técnica solo funciona si el audio y video fueron
codificados con el mismo reloj.
Para satisfacer estos requerimientos
conflictivos, han sido creadas las cadenas de
programa y las de transporte. Una cadena de
programa trabaja bien sobre un programa
simple de bit rate variable en entornos de
grabación virtualmente libres de ruido. Una
cadena de transporte trabaja bien sobre
múltiples programas y en entornos de
33
transmisión de bit rate fijo y posiblemente con
ruido e interferencia.
En una cadena de programa, los paquetes PES
que fueron obtenidos a partir de cadenas
Figura 4.6
Figura 4.7
Un pack esta comprendido por un pack header,
un opcional system header, y cierto número de
paquetes PES que fueron obtenidos de alguna
cadena elemental. No hay restricción en cuanto
al largo del pack, excepto que un pack header
debe ocurrir cuando menos cada 0.7 segundos
dentro de la cadena de programa, ya que el pack
header contiene importante información de
sincronía (la referencia de reloj del sistema,
SCR). Los campos SCR se utilizan para
sincronizar en el decodificador un reloj de
sistema común a 90 KHz que sirve de base de
tiempos y de unidad de medida para los campos
DTS y PTS de los paquetes.
El system header contiene un resumen de las
características de la cadena de programa tales
como: su máximo bit rate, el número de cadenas
elementales de audio y video que contribuyen,
etc. Un decodificador puede usar la información
contenida en el system header para ver si puede
elementales son organizados en “packs” (ver
figuras 4.6 y 4.7 ).
decodificar la cadena o no. Al menos el primer
pack de la secuencia debe tener un system
header. La estructura completa del pack header
y el system header se puede consultar en el
apéndice B. Cabe decir que la estructura de un
pack (o paquete) en MPEG-2 es heredada
completamente de MPEG-1.
Una cadena de programa esta pensada para su
uso en medios libre de errores, por eso lo de
entornos de grabación, debido a que son muy
susceptibles a los errores. Esto es así debido al
largo arbitrario de los packs. Cada paquete
comienza con un header de paquete. La pérdidas
o error en el header puede causar la pérdidas del
paquete entero. Un paquete de programa puede
contener miles de kilobytes de datos, y
virtualmente se puede perder una secuencia de
video completa. Debido también a la
variabilidad de los largos de los paquetes, el
decodificador no puede estimar el comienzo o
34
fin de un pack, resultando en pérdidas de
sincronismo si se llegara a alterar el campo de
largo de paquete.
4.6 La cadena de transporte
Una cadena de transporte consiste de paquetes
de transporte cortos y de largo fijo (ver fig 4.9 o
en el apéndice A). Un paquete de transporte , es
siempre de 188 bytes de largo y esta formado
por un header de 4 bytes conteniendo un campo
de adaptación, y un payload. En una cadena de
transporte, los paquetes PES provenientes de
diferentes cadenas elementales, son repartidos
entre varios payloads de los paquetes de
transporte. La figura 4.10 muestra como los
paquetes PES son partidos para formar
diferentes paquetes de transporte. Este proceso
esta sujeto a dos restricciones.
1. El primer byte de cada paquete PES,
debe volverse el primer byte del
payload de un paquete de transporte.
2. Un paquete de transporte solo puede
contener datos de un único paquete
PES.
Es improbable que un paquete PES llene
exactamente los payloads de un número entero
de paquetes de trasporte. Como se ve en la
figura 4.10, frecuentemente ocurrirá que no
habrá suficientes bytes como para llenar el
payload del último paquete de transporte. En
estos casos se introduce en el paquete de
transporte un campo de adaptación del largo
adecuado. Este malgasto puede ser minimizado
eligiendo adecuadamente el tamaño de los
paquetes PES.
Resumiendo, todos los paquetes PES que van a
ser multiplexados juntos, se convierten a
paquetes de transporte. Los paquetes de
transporte son luego sacados secuencialmente
para producir una cadena MPEG-2 de
transporte. No hay restricciones en cuanto al
orden en que aparecen los paquetes de
transporte en el múltiplex, excepto que el orden
cronológico de los paquetes pertenecientes a la
misma cadena elemental debe preservarse.
4.6.1 El header del paquete de transporte
Un paquete de transporte comienza con un
header de 4 bytes. La estructura de este header
es mostrada en la figura 4.11 y en el apéndice
A. De varios campos que contiene, cuatro son
de particular importancia:
• El primer byte del header es un sync
byte teniendo un valor de 47 (hex). Este
byte puede ocurrir en alguna otra parte
del paquete de transporte, pero el
decodificador lo busca cada 188 bytes
para identificar el comienzo de un nuevo
paquete en la cadena de transporte.
• Una simple cadena de transporte puede
llevar varios programas, cada uno
comprendido por varios paquetes PES.
El campo de 13 bits Packet Identifier
(PID), identifica los paquetes de
transporte que contienen cadenas
elementales de un programa específico.
De los 213 posibles valores, 17 son
reservados para propósitos especiales.
Esto deja 8175 valores que pueden ser
asignados a varias cadenas elementales,
y representa el número máximo de
cadenas elementales que pueden ser
acomodadas en una simple cadena de
transporte.
• El payload_unit_start_inidicator se setea
para indicar alguna situación peculiar
acerca del primer byte de la parte de
payload del paquete de transporte. Por
ejemplo, el bit se setea si el primer byte
del payload es también el primer byte
del PES.
• Finalmente, el continuos_count_field es
incrementado entre sucesivos paquetes
de transporte pertenecientes a la misma
cadena elemental.
35
Figura 4.8

Figura 4.9

Figura 4.10

Figura 4.11

36

4.6.2 Información Específica de Programa
(PIS)
En una cadena de transporte, cada paquete de
transporte tiene un PID que indica a que cadena
elemental pertenece su payload (ver sección
anterior). Puede haber muchas diferentes
cadenas elementales comprendiendo diferentes
programas. Cómo puede un decodificador
determinar que cadena elemental pertenece a
cada programa?. La respuesta es incluir
información adicional en la cadena de transporte
que explicite la relación entre los programas
disponibles y los PID. Dicha información es
llamada Programme Specific Information (PIS )
y debe estar presente en cada cadena de
transporte.
El PIS especificado por la capa del sistema
MPEG-2, comprende 4 tipos de tablas: La
Programme Map Table (PMT), la
Programme Association Table (PAT), la
Network Information Table (NIT), y la
Conditional Access Table (CAT). Note que
estas tablas pueden llevarse en los payloads de
uno o mas paquetes de transporte, y por lo tanto
ser acomodadas en una cadena de transporte.
4.6.2.1 The Programme Map Table (PMT)
Cada programa llevado en una cadena de
transporte tiene un PMT asociado a él. Esta
tabla tiene los detalles del programa, y las
cadenas elementales que lo componen. La figura
4.12 muestra un ejemplo de PMT.
Figura 4.12
A partir de esta tabla, el decodificador puede
determinar que la cadena elemental de video
codificada esta siendo transportada en paquetes
de transporte con PID=726, y que la cadena
elemental de audio en inglés esta disponible en
los paquetes con PID=57.
La PMT básica puede ser enriquecida con
algunos de los descriptores especificados en
MPEG-2. Ellos dan información de un
programa o de sus cadenas elementales que los
componen. Los descriptores incluyen
parámetros de codificación de video, parámetros
de codificación de audio, identificación de
lenguaje, información de pan y scan, detalles de
acceso condicional, información de copyrigth y
demás. Un Broadcaster u otro usuario pueden
definir otros descriptores privados si lo desean.
4.6.2.2 The Programme Asociation Table
(PAT)
Una lista completa de todos los programas
disponibles en una cadena de transporte, es
mantenida en un PAT. Esta tabla es fácil de
encontrar, ya que siempre tiene un PID=0. Cada
programa es listado con el valor de PID de los
paquetes de transporte que contienen su Tabla
del Mapa del Programa (PMT). Por ejemplo, en
el PAT de la figura 4.13, el PMT del programa 3
se encuentra en los paquetes de transporte con
PID=1127.
Figura 4.13
Esta permitido que una única PMT, contenga
información de mas de un programa. Esto es de
37
particular ventaja cuando las definiciones de
programas son cortas. En vez de usar varios
paquetes de transporte para colocar las PMT de
los diferentes programas, usamos un solo
paquete y colocamos en esa única PMT la
información de otros programas.
4.6.2.3 The Network Information Table (NIT)
El programa número cero tiene especial
significado en la Tabla de Asociación de
Programa. Es usado para indicar el camino a la
Network Information Table (NIT). Esta tabla es
opcional y su contenido es privado (es decir,
definido por el broadcaster y no por MPEG).
Cuando está presente, lleva información de la
red física por donde es transportada la cadena de
transporte, tal como frecuencias de los canales,
detalles del transponder de los satélites,
características de modulación, originador del
servicio, nombre del servicio y detalles de redes
alternativas disponibles.
Una tabla llamada Programme Stream Map es
definida para usar en una cadena de programa y
establece el tipo (audio, video, otro) de
información llevada en cada cadena elemental.
Puede ser enriquecida con descriptores privados
definidos por MPEG, para dar información
sobre el programa o las diferentes cadenas
elementales.
La figura 4.14 muestra de que forma se utilizan
las tablas descritas anteriormente, constituyendo
una PSI (Program Specific Information).
Se incluyó además un resumen de la jerarquía
de producción de las cadenas de programa y de
transporte que usa MPEG-2 en la figura 4.15.

4.6.2.4 The Conditional Acces Table (CAT)

Finalmente, está la Tabla de Acceso

Condicional. Esta tabla debe estar presente a
partir del momento en que al menos un
programa sea de acceso condicional.
La tabla provee detalles del sistema de mezcla
en uso y provee los valores de PID de los
paquetes de transporte que contienen la gestión
de los accesos condicionales e información de
derechos. El formato de esta información no
esta especificado dentro de MPEG-2 .

4.7 Otra información Específica de Programa

La información Específica de Programa esta

definida también para ser usada en cadenas de
programa múltiplex. Como una cadena de
programa puede llevar solo un programa, todas
las cadenas elementales presentes en el
múltiplex deben pertenecer al mismo programa.

38
 Figura 4.14. Uso de las tablas definidas por MPEG-2

El decodificador comienza buscando los

paquetes de transporte con PID=0, donde se
encuentra la PAT. En ella descubre, por
ejemplo, que la PMT del programa nº 3, se
encuentra en el paquete con PID=33. Leyendo
ese paquete, descubre que el video comprimido
de ese programa se encuentra en los paquetes
con PID=19, el audio para el mismo en los
paquetes con PID=81 y PID=82, y datos
auxiliares en los paquetes con PID=88.

39
40

4.8 Como demultiplexar MPEG-2
Las siguientes son las principales etapas que hay
que seguir para encontrar un programa o
servicio en un múltiplex de transporte MPEG-2,
una vez que el múltiplex ha sido capturado
(sintonizado en un canal). A partir de la captura
(sincronización) de un nuevo canal:
• Filtrar el PID 0 para capturar los
paquetes que transportan las secciones
PAT.
• Construir la tabla de asociación de
programas (PAT) a partir de las
secciones que la componen.
• Presentar el menú de programas
disponibles al usuario.
Después de elegir el programa:
• Filtrar los PID correspondientes a este
programa
• Construir la tabla de programa a partir
de las secciones correspondientes que lo
componen.
• Filtrar el paquete indicado por el campo
PCR -PID; recuperar el PCR y
sincronizar el reloj del sistema.
• Si hay varios PID de audio o video para
este programa, presentar las opciones al
usuario.
Una vez hecha esta nueva elección.
• Filtrar los PID correspondientes; puede
empezar la decodificación propiamente
dicha.
La parte visible por el usuario de este proceso es
la presentación interactiva de la "guía
electrónica de programa" (Electronic Program
Guide, EPG); generalmente asociada a la red
por medio de la información proporcionada por
las tablas DVB-SI, para permitirle navegar
fácilmente por los distintos programas y
servicios que se le ofrecen.
Sección 5
Referencias de reloj
Los relojes usados en el multiplexor y en el
decodificador no miden tiempo en horas y
minutos, sino en unidades de 27 MHz
expresadas con números binarios de 42 bits.
En una cadena de programa que puede llevar
solo un programa simple, el reloj se llama
System Clock. Las marcas de tiempo asignadas
a todas las unidades de acceso, están basadas en
este reloj. La figura 5.1 resume el proceso de
asignación de marcas de tiempo. Una marca de
tiempo es un valor que representa un tiempo.
Una de las funciones del multiplexor es el de
asignar marcas de tiempo a las unidades de
acceso que salen del codificador. En la figura
5.1, el codificador ha generado tres unidades de
acceso, y ellas han adquirido las marcas de
tiempo 10:27, 10:28 y 10:29 respectivamente.
Muestras regulares del reloj del sistema son
llevadas en la cadena de programa, para permitir
que el codificador y decodificador se
sincronicen. Estas muestras son llamadas
System Clock References (SCR) y son
codificadas en campos opcionales de los pack
headers de la cadena de programa. Una SCR
debe aparecer en la cadena de programa al
menos una vez cada 0.7 segundos.
La segunda alternativa de multiplexión de
MPEG-2, la cadena de transporte, puede tener
diferentes programas.
Cada programa tiene su propio reloj
independiente, llamado Programme Clock, que
no necesita estar sincronizado con los relojes de
los demás programas. Esta permitido, sin
embargo, que diferentes programas compartan
un mismo reloj de programa. Las marcas de
tiempo asignadas a las unidades de acceso, están
basadas en sus respectivos relojes de programa.
41

Las muestras de cada reloj de programa
llamadas Programme Clock References (PCR)
son llevadas en la cadena de transporte. Ellas
Figura 5.1
Un PCR de cada programa debe aparecer en la
cadena de transporte al menos una vez cada 0.1
segundos. Para encontrar en que paquete de
transporte se lleva la PCR de determinado
programa, hay que consultar la tabla del mapa
del programa (PMT) (ver figura 4.9).
Note la confusión potencial aquí. En una cadena
de programa, el reloj es llamado System Clock
(Reloj del Sistema) y las referencias de tiempo
son llamadas System Clock Reference
(Referencia de Reloj del Sistema).
permiten que el decodificador sincronice su
reloj con el reloj del programa que está
decodificando o que va a decodificar
En cadenas de transporte, los relojes son
llamados Programme Clocks (Relojes del
Programa) y las referencias de tiempo son
llamadas Programme Clock References
(Referencias del Reloj del Programa).
Dejando de lado la diferencias en los nombres,
hay muy pocas diferencias entre los relojes y sus
funciones en los diferentes múltiplex.
42
 Resumen

El estándar MPEG-2 fue pensado para transmisión de señales de TV en forma completamente digital.
De cara a esto, una de las mas sobresalientes características del estándar es el de dar soporte a material
entrelazado.
Debido a las diferentes necesidades de los usuarios finales de servicio (end users), MPEG-2 introdujo el
concepto de perfiles y niveles en donde aparecen los perfiles escalables. Gracias a ellos, se puede
transmitir una señal base con la información mas importante de video, y otra secundaria o de ayuda para
los usuarios mas exigentes. Esto es simulcasting. Un ejemplo de esto es la difusión de HDTV, donde los
usuarios convencionales solo decodifican el SDTV.
La capa del sistema de MPEG-2 es la primera parte del estándar (ISO/IEC 13818-1). En esta, se define
la sintaxis para el bit stream tanto de audio como de video, y se diferencia la sintaxis dependiendo de la
aplicación. Si la aplicación en cuestión es almacenamiento y reproducción de la secuencia, MPEG-2
utiliza las cadenas de programa que son relativamente largas y de tamaño variable. Como el medio es
virtualmente libre de ruido, es muy poco probable que se pierdan datos y/o el sincronismo, y la carga
adicional de esta cadenas de programa producida por los headers es sustancialmente menor que en las
cadenas de transporte. Si la aplicación es la transmisión de múltiples programas por un canal ruidoso,
MPEG-2 hace uso de las cortas y de tamaño fijo cadenas de transporte.
Debido a la necesidad de sincronía entre el transmisor y el receptor, se deben incluir en la secuencia las
referencias de reloj, que son muestras del reloj del codificador.
La especificación completa de MPEG-2 estuvo lista en Noviembre de 1994, y fue publicada en el año
1995.
MPEG-2 no estandariza los codificadores, pero si la sintaxis de salida del bitstream. Con esto se logra
que los diseñadores se adapten a sus necesidades de costo, y a su vez, que todos los decodificadores sean
capaces de decodificar cualquier secuencia de video MPEG-2.

Glosario de términos

Cadena Elemental (Elementary Stream): Secuencia de bits en bruto ya sea de audio, video o datos
auxiliares provenientes de la codificación de un determinado material.

Cadenas de Programa (Programme Stream): Uno de los dos posibles múltiplex que define MPEG-
2.La cadena de programa es el múltiplex adecuado para almacenamiento de audio y/o video.

Cadenas de Transporte (Transport Stream): Uno de los dos posibles múltiplex que define MPEG-
2.La cadena de transporte es el múltiplex adecuado para la transmisión de audio y/o video sobre un
canal ruidoso.

Campo (field): Un campo corresponde a la mitad de las líneas de una imagen completa. El campo impar
de una imagen esta constituido por las líneas 1, 3, 5, 7....y el par por las líneas 2, 4, 6, 8.....Si la imagen
es entrelazada, esta se forma escaneando primero el campo impar y luego el par y entrelazando ambos
campos.

43
CAT (Conditional Acces Table) : Tabla de Acceso Condicional. Registros de los accesos
condicionales a determinados programas.

Compensación de Movimiento: Procedimiento por el cual se minimiza la diferencia entre imágenes

consecutivas en una secuencia de video. Se basa en la busqueda en la imagen anterior de los
macrobloques presentes en la imagen actual.

Cuadro (frame): Imagen completa. Si esta fue adquirida en forma entrelazada, un cuadro se refiere al
conjunto de ambos campos.

DVD: Digital Video Disc.Dispositivo de almacenamiento digital.

Entrelazado: Procedimiento que mezcla dos campos de un cuadro para formar el cuadro completo. Las
líneas de cada campo se alternan en el mezclado.

HDTV: High Definition TV. Televisión de alta definición.

Imagen (Picture): Se refiere ya sea a un solo campo de un cuadro o al cuadro completo. Depende del
contexto en que nos encontremos.

Múltiplex: Organización de las cadenas elementales paquetizadas (PES) realizada ya sea para
almacenamiento del material o la transmisión del mismo. MPEG-2 define dos alternativas de múltiplex:
la cadena de transporte y la cadena de programa.

NIT (Network Information Table): Tabla de Información de Red. Información opcional sobre el
enlace por el cual circulan los datos.

Nivel: Conjunto de parámetros de codificación, tales como bit y frame rate o picture format, que junto
con el perfil definen el comportamiento de un codificador y decodificador, adecuado para determinada
aplicación.

Overflowing: Estado de saturación del buffer del codificador, producido posiblemente por la
codificación de imágenes de mucha entropía.

PAT (Programme Asociation Table): Tabla de Asociación de Programa. Información de todos los
programas en una cadena de transporte.

PC (Programme Clock): Reloj de Programa. Reloj que comanda las marcas de tiempo y referencias de
reloj de un determinado programa en una cadena de transporte.

PCR (Programme Clock References): Referencias de Reloj del Programa. Muestras del reloj de
determinado programa que el codificador envía al decodificador, a los efectos de mantener la sincronía.

Perfil: Indicador del grado de complejidad de un codificador. Cuanto mayor es el perfil en que opera un
codificador, mejor es la calidad de la secuencia de video que produce para un determinado bit rate. Junto
con el nivel, se establece el punto de operación de un codificador.

PES (Paquetized Elementary Stream): Cadenas elementales paquetizadas. Sintaxis definida por
MPEG-2 para la división de las largas cadenas elementales de audio o video producidas por un
codificador. Cada PES contiene un header con los datos necesarios para la descodificación. A partir de
los PES se forman las cadenas de transporte y programa definidas anteriormente.

44
PMT (Programme Map Table): Tabla de Mapa de Programa. Datos específicos de un programa en
particular.

Programa: Secuencia de video, audio o video con su audio asociado disponible en el codificador para
ser comprimida.

Imagen progresiva: Imagen que fue adquirida línea por línea.

RLC (Run Length Coding): codificación por longitud de carrera. Algoritmo de codificación que hace
uso de largas cadenas de símbolos iguales para una codificación eficiente.

SDTV (Imagen Definition TV: Televisión de definición estándar.

SC (System Clock): Reloj del Sistema. Reloj que comanda las marcas e tiempo y referencias de reloj en
una cadena de programa.

SCR (System Clock References): Referencias del Reloj del Sistema. Muestras del reloj del sistema que
el codificador envía al decodificador, a los efectos de mantener la sincronía.

Underflowing: Estado del buffer del codificador en el cual se encuentra prácticamente vació, debido
posiblemente a la codificación de imágenes de baja entropía.

VLC (Variable Length Coding): Codificación de longitud variable. Algoritmo de codificación que
hace uso de la estadística de los símbolos para codificar de forma mas eficiente. Los símbolos mas
probables se codifican con palabras mas cortas.

Unidad de presentación: Imagen sin comprimir, dispuesta a ser codificada.

Unidad de acceso: Imagen comprimida ya sea I, B, o P.

45
 Apéndice A

Estructura de los paquetes PES y las cadenas de transporte

46
Detalle del header

47
 Detalle del campo de adaptación

Apéndice B

Estructura del pack header y el system header de un pack, componentes de una

cadena de programa de MPEG-2
Estructura del pack header

48
Estructura del system header

49
 Apéndice C

Submuestreo del canal de croma

El primer paso en la reducción del bit rate de una secuencia de video es el submuestreo del canal de
croma. Hoy la mayoría de las imágenes electrónicas son grabadas en color, en el dominio RGB (Red,
Green, Blue). MPEG transforma las imágenes RGB al espacio luminancia crominancia, generalmente
referido al dominio Y-Cr-Cb, definido como

Y = 0.3R + 0.6 B + 0.1G

B −Y
Cr = + 0.5
2
R −Y
Cb = + 0.5
1.6

Es sabido que el sistema visual humano no responde de la misma manera a todas las frecuencias de la
imagen ni a los diferentes canales de color.
La siguiente figura ilustra la sensibilidad al contraste del ojo humano en función de la frecuencia
espacial de la imagen para la luminancia y los dos canales de crominancia.

Figura A.1

Observamos que la sensibilidad al contraste decae con la frecuencia espacial de la imagen, y que este
decaimiento es mas pronunciado para los canales de crominancia que para el de luminancia. Debido a
esto, se puede realizar un submuestreo de ambos canales de croma, por ejemplo 2:1, sin perder
perceptualidad en la imagen. El tipo de submuestreo usado depende de la aplicación, fijando un
compromiso entre calidad y bit rate. La siguiente tabla ilustra los diferentes modos de submuestreo para
una imagen típica CCIR 601 con 720 pixeles/linea y 480 líneas por cuadro:

50
 Factor de Factor de
Formato Muestras líneas Y Muestras líneas C submuestreo submuestreo
de croma Y por línea por cuadro C por línea por cuadro horizontal vertical

4:4:4 720 480 720 480 ninguno ninguno

4:2:2 720 480 360 480 2:1 ninguno
4:2:0 720 480 360 240 2:1 2:1
4:1:1 720 480 180 480 4:1 ninguno
4:1:0 720 480 180 120 4:1 4:1

Apéndice D

Un compresor MPEG

Figura D.1

Las figuras D.1, D.2, y D.3 muestran las estructura de un compresor MPEG típico. La señal de video
preprocesada entra en una serie de buffers que almacenan imágenes y eventualmente cambian el orden
de las imágenes. El dato luego entra al sustractor y al estimador de movimiento. En las figuras, los
cuadros en negro no son usados en el proceso. Para crear una imagen I (figura D.1), se selecciona la

51
imagen mas reciente del buffer de entrada y el sustractor es apagado, de modo que la imagen pasa
directamente al codificador espacial. Esta imagen es retenida en una memoria local para su uso futuro.

Figura D.2

Para crear una imagen P (figura D.2), las imágenes B que van llegando ( o mejor dicho, las que van a ser
imágenes B), son almacenadas en el buffer de entrada de forma que se seleccione una imagen futura.
Esta imagen P seleccionada es comparada con al imagen I almacenada en la memoria para crear el
vector de predicción hacia delante (forward motion vector). La imagen I es corrida por este vector para
formar la imagen predecida. Luego se sustrae la imagen original de esta ultima para formar el error de
predicción, que luego se codifica espacialmente. además, se almacena en la memoria local esta imagen
P, de forma de usarla posteriormente.

52
 Figura D.3

Una vez que se tienen almacenadas las imágenes I y P, se retira del buffer de entrada una imagen B
previamente almacenada (figura D.3). Esta imagen se compara con la imagen I anterior y la P posterior
para crear los vectores hacia delante y hacia atrás respectivamente y producir las dos imágenes
predecidas hacia adelante y atrás. Luego son restadas de la imagen actual y ambos errores de predicción
se codifican espacialmente. En una base de macrobloque por macrobloque, son seleccionados los datos
que representan la diferencia mas pequeña. Luego se transmiten junto con los respectivos vectores de
movimiento. Una vez que se codifican todas las imágenes intermedias (imágenes B), de nuevo se
retienen imágenes en el buffer de entrada para codificar la imagen P futura y el proceso se repite a lo
largo del GOP.

53
Documentos utilizados:
El presente trabajo esta basado en una recopilacion de diversos papers encontrados en Internet acerca de
MPEG-2. Se intentó reunir de todos ellos los datos mas relevantes para armar un resumen de
la especificación del estándar MPEG-2. Dos de los documentos que colaboraron con gran parte de la
información citada en el trabajo son los siguientes:

• [1] MPEG Video Coding: A basic tutorial introduction, Research and Development
Department, Policy and Planning Directorate, The British Broadcasting Corporation.
• [2]. A Guide to MPEG Fundamentals and Protocol Analysis
(Including DVB and ATSC), Tektronix. www.tektronix.com

54
55