वीडियो कोडेक कैसे काम करता है। भाग 1. मूल बातें

भाग दो: वीडियो कोडेक कैसे काम करता है

---

किसी भी रेखापुंज छवि को दो-आयामी मैट्रिक्स के रूप में दर्शाया जा सकता है। जब रंगों की बात आती है, तो छवि को तीन-आयामी मैट्रिक्स के रूप में छवि को देखकर विकसित किया जा सकता है, जिसमें प्रत्येक रंगों के डेटा को संग्रहीत करने के लिए अतिरिक्त माप का उपयोग किया जाता है।

यदि हम अंतिम रंग को तथाकथित के संयोजन के रूप में मानते हैं प्राथमिक रंग (लाल, हरा और नीला), हमारे त्रि-आयामी मैट्रिक्स में हम तीन विमानों का निर्धारण करते हैं: पहला लाल रंग के लिए, दूसरा हरे रंग के लिए और दूसरा नीले रंग के लिए।

हम इस मैट्रिक्स में प्रत्येक बिंदु को एक पिक्सेल (छवि तत्व) कहेंगे। प्रत्येक पिक्सेल में प्रत्येक रंग की तीव्रता की जानकारी (आमतौर पर संख्यात्मक मान के रूप में) होती है। उदाहरण के लिए, एक लाल पिक्सेल का मतलब है कि इसमें 0 हरा, 0 नीला और अधिकतम लाल है। एक गुलाबी पिक्सेल तीन रंगों के संयोजन का उपयोग करके बनाया जा सकता है। 0 से 255 तक संख्यात्मक श्रेणी का उपयोग करते हुए, गुलाबी पिक्सेल को लाल = 255 , ग्रीन = 192 और ब्लू = 203 के रूप में परिभाषित किया गया है।

यह लेख EDISON के समर्थन से प्रकाशित हुआ था।

हम सर्जिकल रूम में वीडियो निगरानी, ​​स्ट्रीमिंग वीडियो , साथ ही वीडियो रिकॉर्डिंग के लिए एप्लिकेशन विकसित करते हैं ।

वैकल्पिक रंग कोडिंग तकनीक

छवि बनाने वाले रंगों का प्रतिनिधित्व करने के लिए, कई अन्य मॉडल हैं। उदाहरण के लिए, आप अनुक्रमित पैलेट का उपयोग कर सकते हैं जिसमें आरजीबी मॉडल का उपयोग करते समय आवश्यक तीन के बजाय प्रत्येक पिक्सेल का प्रतिनिधित्व करने के लिए केवल एक बाइट की आवश्यकता होती है। ऐसे मॉडल में, आप प्रत्येक रंग का प्रतिनिधित्व करने के लिए 3 डी मैट्रिक्स के बजाय 2 डी मैट्रिक्स का उपयोग कर सकते हैं। यह स्मृति को बचाता है, लेकिन कम रंग देता है।

आरजीबी

उदाहरण के लिए, इस तस्वीर को नीचे देखें। पहला चेहरा पूरी तरह से चित्रित है। अन्य लाल, हरे और नीले रंग के विमान हैं (ग्रेस्केल में संबंधित रंगों की तीव्रता को दिखाया गया है)।



हम देखते हैं कि मूल में लाल रंग के शेड्स उन्हीं जगहों पर होंगे जहाँ दूसरे व्यक्ति के सबसे चमकीले हिस्से देखे जाते हैं। जबकि नीले रंग का योगदान मुख्य रूप से केवल मारियो (अंतिम चेहरा) और उसके कपड़ों के तत्वों में देखा जा सकता है। ध्यान दें कि तीनों रंग के विमान सबसे कम योगदान देते हैं (चित्रों के सबसे गहरे हिस्से) - यह मारियो की मूंछें हैं।

प्रत्येक रंग की तीव्रता को संग्रहीत करने के लिए, एक निश्चित संख्या में बिट्स की आवश्यकता होती है - इस मूल्य को बिट गहराई कहा जाता है। मान लीजिए कि एक रंग के विमान पर 8 बिट्स खर्च होते हैं (0 से 255 तक के मूल्य के आधार पर)। फिर हमारे पास 24 बिट्स (8 बिट्स * 3 आर / जी / बी प्लेन) की रंग गहराई है।

छवि का एक अन्य गुण है रिज़ॉल्यूशन , जो एक आयाम में पिक्सेल की संख्या है। इसे अक्सर चौड़ाई × ऊंचाई के रूप में संदर्भित किया जाता है, उदाहरण के लिए चित्र 4 में 4 से नीचे।


एक अन्य संपत्ति जो हम छवियों / वीडियो के साथ काम करते समय सौदा करते हैं वह पहलू अनुपात है , जो किसी छवि या पिक्सेल की चौड़ाई और ऊंचाई के बीच सामान्य आनुपातिक संबंध का वर्णन करता है।

जब वे कहते हैं कि एक फिल्म या तस्वीर 16 से 9 है, तो यह आमतौर पर डिस्प्ले के पहलू अनुपात ( डीएआर - डिस्प्ले एस्पेक्ट रेशियो से ) को संदर्भित करता है। हालांकि, कभी-कभी अलग-अलग पिक्सेल के आकार हो सकते हैं - इस मामले में हम पिक्सेल के अनुपात के बारे में बात कर रहे हैं ( PAR - पिक्सेल पहलू अनुपात से )।

परिचारिका पर ध्यान दें: डीवीडी 3 से दर 4 से मेल खाती है

हालाँकि डीवीडी का वास्तविक रिज़ॉल्यूशन 704x480 है, फिर भी यह 4: 3 के अनुपात को बरकरार रखता है क्योंकि PAR 10:11 (704x10 / 480x11) पर सेट है।

और अंत में, हम समय की अवधि में n फ्रेम के अनुक्रम के रूप में एक वीडियो को परिभाषित कर सकते हैं, जिसे एक अतिरिक्त आयाम माना जा सकता है। और फिर n फ्रेम दर या फ्रेम प्रति सेकंड की संख्या ( FPS - फ्रेम प्रति सेकंड से ) है।



वीडियो प्रदर्शित करने के लिए प्रति सेकंड बिट्स की संख्या इसकी बिट दर है ।

बिटरेट = चौड़ाई * ऊंचाई * बिट गहराई * प्रति सेकंड फ्रेम

उदाहरण के लिए, 30 फ्रेम प्रति सेकंड, 24 बिट प्रति पिक्सेल, 480x240 रिज़ॉल्यूशन, 82,944,000 बिट्स प्रति सेकंड या 82,944 एमबीपीएस (30x480x240x24) वाले वीडियो की आवश्यकता होगी - लेकिन ऐसा तब है जब आप किसी भी संपीड़न विधि का उपयोग नहीं करते हैं।

यदि बिट दर लगभग स्थिर है , तो इसे स्थिर बिट दर ( CBR - स्थिर बिट दर से ) कहा जाता है। लेकिन यह भिन्न भी हो सकता है, इस मामले में इसे चर बिट दर ( VBR - चर बिट दर से ) कहा जाता है।

यह ग्राफ एक सीमित वीबीआर दिखाता है जब पूरी तरह से अंधेरे फ्रेम के मामले में बहुत अधिक बिट्स खर्च नहीं किए जाते हैं।



प्रारंभ में, इंजीनियरों ने अतिरिक्त बैंडविड्थ का उपयोग किए बिना एक वीडियो डिस्प्ले की कथित फ्रेम दर को दोगुना करने के लिए एक विधि विकसित की। इस विधि को इंटरलेस्ड वीडियो के रूप में जाना जाता है; मूल रूप से, यह पहले "फ्रेम" में आधी स्क्रीन भेजता है, और दूसरे आधे को "फ्रेम" में।

वर्तमान में, दृश्य दृश्य मुख्य रूप से प्रगतिशील स्कैनिंग तकनीक का उपयोग करके किया जाता है । यह चलती-फिरती छवियों को प्रदर्शित करने, संग्रहीत करने या प्रसारित करने की एक विधि है जिसमें प्रत्येक फ्रेम की सभी पंक्तियों को क्रमिक रूप से खींचा जाता है।



तो ठीक है! अब हम जानते हैं कि छवि को डिजिटल रूप में कैसे दर्शाया जाता है, इसके रंगों को कैसे व्यवस्थित किया जाता है, प्रति सेकंड कितने बिट्स हम वीडियो को दिखाने के लिए खर्च करते हैं यदि ट्रांसमिशन गति स्थिर (CBR) या चर (VBR) है। हम किसी दिए गए फ्रेम दर का उपयोग करते हुए दिए गए रिज़ॉल्यूशन के बारे में जानते हैं, जो कई अन्य शब्दों से परिचित है, जैसे कि इंटरलेस्ड वीडियो, PAR और कुछ अन्य।

अतिरेक हटाना

यह ज्ञात है कि बिना संपीड़न के वीडियो का सामान्य रूप से उपयोग नहीं किया जा सकता है। 720p के रिज़ॉल्यूशन के साथ प्रति घंटा वीडियो और 30 फ्रेम प्रति सेकंड की आवृत्ति 278 जीबी होगी। हम 1280 x 720 x 24 x 30 x 3600 (चौड़ाई, ऊंचाई, बिट प्रति पिक्सेल, एफपीएस और सेकंड में समय) को गुणा करके इस मूल्य पर पहुंचते हैं।

दोषरहित संपीड़न एल्गोरिदम का उपयोग करना जैसे DEFLATE (PKZIP, Gzip, और PNG में प्रयुक्त) पर्याप्त रूप से आवश्यक बैंडविड्थ को कम नहीं करेगा। आपको वीडियो को कंप्रेस करने के अन्य तरीकों की तलाश करनी होगी।

इसके लिए, आप हमारी दृष्टि की सुविधाओं का उपयोग कर सकते हैं। हम रंगों की तुलना में बेहतर चमक को भेद करते हैं। एक वीडियो अनुक्रमिक छवियों का एक सेट है जो समय के साथ दोहराता है। एक ही दृश्य के आसन्न फ्रेम के बीच छोटे अंतर हैं। इसके अलावा, प्रत्येक फ़्रेम में कई क्षेत्र होते हैं जो समान (या समान) रंग का उपयोग करते हैं।

रंग, चमक और हमारी आँखें

हमारी आँखें रंग की तुलना में चमक के प्रति अधिक संवेदनशील हैं। आप इस तस्वीर को देखकर अपने लिए देख सकते हैं।



यदि आप यह नहीं देखते हैं कि छवि के बाएं आधे हिस्से में वर्गों ए और बी के रंग वास्तव में समान हैं, तो यह सामान्य है। हमारा मस्तिष्क हमें रंग के बजाये chiroscuro पर अधिक ध्यान देता है। चिह्नित वर्गों के बीच दाईं ओर एक ही रंग का जम्पर होता है - इसलिए हम (यानी हमारा मस्तिष्क) आसानी से यह निर्धारित कर सकते हैं कि वास्तव में वही रंग है।

आइए देखें (सरलीकृत) कि हमारी आँखें कैसे काम करती हैं। आंख एक जटिल अंग है जो कई हिस्सों से बना होता है। हालांकि, हम शंकु और लाठी में सबसे अधिक रुचि रखते हैं। आंख में लगभग 120 मिलियन छड़ और 6 मिलियन शंकु होते हैं।

रंग और चमक की धारणा को आंख के कुछ हिस्सों के अलग-अलग कार्यों के रूप में देखें (वास्तव में, सब कुछ कुछ अधिक जटिल है, लेकिन हम सरल करेंगे)। रॉड कोशिकाएं मुख्य रूप से चमक के लिए जिम्मेदार होती हैं, जबकि शंकु कोशिकाएं रंग के लिए जिम्मेदार होती हैं। शंकु को तीन प्रकारों में विभाजित किया गया है, जो वर्णक पर निर्भर करता है: एस-शंकु (नीला रंग), एम-शंकु (हरा रंग) और एल-शंकु (लाल रंग)।

चूंकि हमारे पास शंकु (रंग) की तुलना में बहुत अधिक छड़ (चमक) है, इसलिए हम यह निष्कर्ष निकाल सकते हैं कि हम रंगों की तुलना में अंधेरे और प्रकाश के बीच के अंतरों में अंतर करने में अधिक सक्षम हैं।

कंट्रास्ट संवेदनशीलता कार्य करता है

प्रयोगात्मक मनोविज्ञान और कई अन्य क्षेत्रों के शोधकर्ताओं ने मानव दृष्टि के कई सिद्धांतों को विकसित किया है। और उनमें से एक को विपरीत संवेदनशीलता फ़ंक्शन कहा जाता है। वे स्थानिक और लौकिक प्रकाश व्यवस्था से जुड़े हैं। संक्षेप में, यह इस बारे में है कि पर्यवेक्षक उन्हें देखने से पहले कितने परिवर्तनों की आवश्यकता है। शब्द "फ़ंक्शन" के बहुवचन पर ध्यान दें। यह इस तथ्य के कारण है कि हम संवेदनशीलता कार्यों को न केवल काले और सफेद छवियों के विपरीत, बल्कि रंग के लिए भी माप सकते हैं। इन प्रयोगों के परिणाम बताते हैं कि ज्यादातर मामलों में, हमारी आँखें रंग की तुलना में चमक के प्रति अधिक संवेदनशील होती हैं।

चूंकि यह ज्ञात है कि हम छवि चमक के प्रति अधिक संवेदनशील हैं, आप इस तथ्य का उपयोग करने का प्रयास कर सकते हैं।

रंग मॉडल

हमने थोड़ा पता लगाया कि आरजीबी योजना का उपयोग करके रंगीन चित्रों के साथ कैसे काम किया जाए। अन्य मॉडल हैं। एक मॉडल है जो रंग से चमक को अलग करता है और वाईसीबीसी के रूप में जाना जाता है। वैसे, ऐसे अन्य मॉडल हैं जो एक समान अलगाव बनाते हैं, लेकिन हम केवल इस पर विचार करेंगे।

इस रंग मॉडल में, Y चमक का प्रतिनिधित्व करता है, और दो रंग चैनलों का उपयोग किया जाता है: Cb (संतृप्त नीला) और Cr (संतृप्त लाल)। YCbCr को RGB से प्राप्त किया जा सकता है, साथ ही उलटा परिवर्तन भी संभव है। इस मॉडल का उपयोग करते हुए, हम पूर्ण-रंगीन चित्र बना सकते हैं, जैसा कि हम नीचे देखते हैं:

YCbCr और RGB के बीच कनवर्ट करें

किसी को आपत्ति होगी: हरे रंग का उपयोग नहीं होने पर सभी रंगों को प्राप्त करना कैसे संभव है?

इस प्रश्न का उत्तर देने के लिए, RGB को YCbCr में रूपांतरित करें। हम BT.601 मानक में अपनाए गए गुणांक का उपयोग करते हैं, जिसे ITU-R इकाई द्वारा अनुशंसित किया गया था। यह इकाई डिजिटल वीडियो मानकों को परिभाषित करती है। उदाहरण के लिए: 4K क्या है? फ्रेम दर, रिज़ॉल्यूशन, रंग मॉडल क्या होना चाहिए?

सबसे पहले, हम चमक की गणना करते हैं। हम ITU द्वारा प्रस्तावित स्थिरांक का उपयोग करते हैं और RGB मानों को प्रतिस्थापित करते हैं।

वाई = 0.299 आर + 0.587 जी + 0.114 बी

चमक मिलने के बाद, हम नीले और लाल रंग अलग करेंगे:

Cb = 0.564 ( B - Y )

Cr = 0.713 ( R - Y )

और हम YCbCr के साथ वापस भी बदल सकते हैं और हरा भी सकते हैं:

आर = वाई + 1.402 करोड़

बी = वाई + 1.772 सीबी

जी = वाई - 0.344 सीबी - 0.714 सीआर

एक नियम के रूप में, डिस्प्ले (मॉनिटर, टीवी, स्क्रीन, आदि) केवल RGB मॉडल का उपयोग करते हैं। लेकिन इस मॉडल को विभिन्न तरीकों से व्यवस्थित किया जा सकता है:

रंग नीचे आना

चमक और रंग के संयोजन के रूप में प्रस्तुत की गई छवि के साथ, यदि हम सूचनाओं को चुनिंदा रूप से हटाते हैं, तो हम रंग की तुलना में चमक के लिए मानव दृश्य प्रणाली की उच्च संवेदनशीलता का उपयोग कर सकते हैं। रंग downsampling चमक की तुलना में रंग के लिए कम रिज़ॉल्यूशन का उपयोग करके एन्कोडिंग छवियों की एक विधि है।



रंग संकल्प को कम करने के लिए यह कितना स्वीकार्य है?! यह पता चला है कि पहले से ही कुछ योजनाएं हैं जो वर्णन करती हैं कि रिज़ॉल्यूशन और मर्जिंग को कैसे हैंडल किया जाए (अंतिम रंग = Y + Cb + Cr)।

इन योजनाओं को सबसैम्पलिंग सिस्टम के रूप में जाना जाता है और इसे 3-गुना अनुपात - ए : एक्स : वाई के रूप में व्यक्त किया जाता है, जो कि ल्यूमिनेन्स और रंग अंतर संकेतों के नमूनों की संख्या निर्धारित करता है।

a - मानक क्षैतिज नमूनाकरण (आमतौर पर 4 के बराबर)
x - पिक्सेल की पहली पंक्ति में रंग के नमूनों की संख्या ( a के सापेक्ष क्षैतिज रिज़ॉल्यूशन)
y पिक्सेल की पहली और दूसरी पंक्तियों के बीच रंग के नमूनों में परिवर्तन की संख्या है।

अपवाद 4 : 1 : 0 है , जो प्रत्येक 4 में 4 चमक संकल्प ब्लॉक द्वारा एक रंग का नमूना प्रदान करता है।

आधुनिक कोडेक्स में उपयोग की जाने वाली सामान्य योजनाएँ:

• 4 : 4 : 4 (डाउनसमलिंग के बिना)
• 4 : 2 : 2
• 4 : 1 : 1
• 4 : 2 : 0
• 4 : 1 : 0
• 3 : 1 : 1

YCbCr 4: 2: 0 - मर्ज उदाहरण

यहां YCbCr 4: 2: 0 का उपयोग करके संयुक्त छवि का टुकड़ा है। कृपया ध्यान दें कि हम प्रति पिक्सेल केवल 12 बिट्स खर्च करते हैं।

यह है कि मुख्य प्रकार के रंग सबसम्पलिंग द्वारा एन्कोड की गई छवि कैसी दिखती है। पहली पंक्ति अंतिम YCbCr है, निचला पंक्ति रंग रिज़ॉल्यूशन दिखाता है। बहुत ही सभ्य परिणाम, गुणवत्ता में छोटे नुकसान को देखते हुए।



याद रखें, हमने प्रति घंटे 720p और 30 फ्रेम प्रति सेकंड के संकल्प के साथ एक घंटे की वीडियो फ़ाइल के लिए 278 जीबी स्टोरेज स्पेस की गणना की है? यदि हम YCbCr 4: 2: 0 का उपयोग करते हैं, तो यह आकार आधा - 139 जीबी कम हो जाएगा। अब तक, यह स्वीकार्य परिणाम से बहुत दूर है।

आप FFmpeg के साथ खुद YCbCr हिस्टोग्राम प्राप्त कर सकते हैं। इस छवि में, लाल पर नीले रंग की प्रबलता है, जो हिस्टोग्राम पर ही स्पष्ट रूप से दिखाई देती है।

रंग, चमक, रंग सरगम ​​- वीडियो समीक्षा

इस भयानक वीडियो को देखने की सिफारिश की गई है। यह बताता है कि चमक क्या है, और वास्तव में चमक और रंग के बारे में सभी बिंदुओं को इसके ऊपर रखा गया है ।

फ्रेम प्रकार

हम आगे बढ़ते हैं। आइए समय में अतिरेक को खत्म करने का प्रयास करें। लेकिन पहले, चलो कुछ बुनियादी शब्दावली को परिभाषित करते हैं। मान लें कि हमारे पास प्रति सेकंड 30 फ्रेम के साथ एक फिल्म है, यहां इसके पहले 4 फ्रेम हैं:



हम फ्रेम में कई पुनरावृत्ति देख सकते हैं: उदाहरण के लिए, एक नीली पृष्ठभूमि जो फ्रेम से फ्रेम में नहीं बदलती है। इस समस्या को हल करने के लिए, हम उन्हें तीन प्रकार के फ्रेम के रूप में वर्गीकृत कर सकते हैं।

I- फ्रेम ( I ntro Frame)

I- फ्रेम (संदर्भ फ्रेम, कुंजी फ्रेम, आंतरिक फ्रेम) स्वायत्त है। चाहे जो भी कल्पना करने की आवश्यकता हो, आई-फ्रेम, वास्तव में, एक स्थिर तस्वीर है। पहला फ्रेम आमतौर पर एक आई-फ्रेम है, लेकिन हम नियमित रूप से पहले फ्रेम से दूर के बीच आई-फ्रेम का निरीक्षण करेंगे।

P- फ्रेम ( P रेडी फ़्रेम)

पी-फ्रेम (अनुमानित फ्रेम) इस तथ्य का लाभ उठाता है कि लगभग हमेशा वर्तमान छवि को पिछले फ्रेम का उपयोग करके खेला जा सकता है। उदाहरण के लिए, दूसरे फ्रेम में, एकमात्र बदलाव फॉरवर्ड बॉल है। हम इन फ्रेमों के बीच के अंतर का उपयोग करके केवल फ्रेम 1 को थोड़ा संशोधित करके फ्रेम 2 प्राप्त कर सकते हैं। फ़्रेम 2 का निर्माण करने के लिए, फ़्रेम 1 का संदर्भ लें जो इसे पहले देता है।

←

बी-फ्रेम ( बी आई-प्रेडिक्टिव फ्रेम)

न केवल अतीत, बल्कि भविष्य के फ़्रेमों के लिंक के बारे में भी, ताकि बेहतर संपीड़न प्रदान किया जा सके? यह मूल रूप से एक बी-फ्रेम (द्विदिश फ्रेम) है।

← →

इंटरमीडिएट वापसी

इन फ्रेम प्रकारों का उपयोग सर्वोत्तम संपीड़न प्रदान करने के लिए किया जाता है। हम चर्चा करेंगे कि यह अगले भाग में कैसे होता है। इस बीच, हम ध्यान दें कि आई-फ्रेम मेमोरी के मामले में सबसे "महंगा" है, पी-फ्रेम बहुत सस्ता है, लेकिन बी-फ्रेम वीडियो के लिए सबसे लाभदायक विकल्प है।

टेम्पोरल रिडंडेंसी (अंतर-फ्रेम भविष्यवाणी)

आइए देखें कि हमें समय की पुनरावृत्ति को कम करने के लिए क्या अवसर हैं। आपसी पूर्वानुमान के तरीकों का उपयोग करके इस प्रकार की अतिरेक को हल किया जा सकता है।

हम फ्रेम 0 और 1 के अनुक्रम को एनकोड करने के लिए जितना संभव हो उतना कम बिट्स खर्च करने की कोशिश करेंगे।



हम फ्रेम 0. से फ्रेम 1 को घटा सकते हैं। हमें फ्रेम 1 मिलता है, हम केवल इसके और पिछले फ्रेम के बीच के अंतर का उपयोग करते हैं, वास्तव में, हम केवल परिणामी शेष को सांकेतिक शब्दों में बदलते हैं।



लेकिन क्या होगा अगर मैं आपको बताऊं कि एक और भी बेहतर तरीका है जो कम बिट्स का उपयोग करता है?! सबसे पहले, आइए फ्रेम 0 को ब्लॉकों के स्पष्ट ग्रिड में तोड़ दें। और फिर हम फ्रेम 1 के साथ फ्रेम 0 से ब्लॉक की तुलना करने की कोशिश करते हैं। दूसरे शब्दों में, हम फ्रेम के बीच आंदोलन का मूल्यांकन करते हैं।

विकिपीडिया से - ब्लॉक मोशन मुआवजा

ब्लॉक मोशन क्षतिपूर्ति वर्तमान फ्रेम को असंबद्ध ब्लॉकों में विभाजित करती है और गति क्षतिपूर्ति वेक्टर ब्लॉकों की उत्पत्ति की रिपोर्ट करती है (एक आम गलतफहमी यह है कि पिछले फ्रेम को असंतुष्ट ब्लॉकों में विभाजित किया गया है, और गति क्षतिपूर्ति वैक्टर बताता है कि ये ब्लॉक कहां जाते हैं। वास्तव में, इसके विपरीत, पिछले एक का विश्लेषण किया जाता है। फ्रेम, और अगले एक, यह पता नहीं चलता है कि ब्लॉक कहां बढ़ रहे हैं, लेकिन वे कहां से आए हैं)। आमतौर पर, स्रोत स्रोत फ़्रेम में ओवरलैप करता है। कुछ वीडियो कम्प्रेशन एल्गोरिदम केवल एक नहीं, बल्कि कई पूर्व प्रेषित फ़्रेमों के हिस्सों से वर्तमान फ्रेम को इकट्ठा करते हैं।

मूल्यांकन प्रक्रिया में, हम देखते हैं कि गेंद ( x = 0, y = 25) से ( x = 6, y = 26) तक चली गई है, x और y के मान गति वेक्टर का निर्धारण करते हैं। बिट्स को बचाने के लिए एक और कदम हम ब्लॉक की अंतिम स्थिति और भविष्यवाणी की गई गति के बीच केवल गति वैक्टर के अंतर को एनकोड करना है, इसलिए अंतिम गति वेक्टर होगा (x = 6-0 = 6, y = 26-25 = 1)।

वास्तविक स्थिति में, यह गेंद n ब्लॉक में विभाजित होगी, लेकिन इससे मामले का सार नहीं बदलता है।

फ़्रेम में ऑब्जेक्ट तीन आयामों में चलते हैं, इसलिए जब गेंद चलती है, तो यह नेत्रहीन छोटा हो सकता है (या अधिक अगर यह दर्शक की ओर बढ़ता है)। यह सामान्य है कि ब्लॉक के बीच कोई पूर्ण मैच नहीं होगा। यहाँ हमारे मूल्यांकन और वास्तविक तस्वीर का एक संयुक्त दृश्य है।



लेकिन हम देखते हैं कि जब हम गति अनुमान लगाते हैं, तो फ्रेम के बीच डेल्टा की गणना की सरल विधि का उपयोग करते समय एन्कोडिंग के लिए डेटा काफ़ी कम होता है।

वास्तविक गति मुआवजा कैसा दिखेगा

यह तकनीक सभी ब्लॉकों पर तुरंत लागू होती है। अक्सर, हमारी सशर्त चलती गेंद को एक साथ कई ब्लॉकों में विभाजित किया जाएगा।



, Jupyter .

ffmpeg .



Intel Video Pro Analyzer ( , , ).

( )

, .



. .



I-. , . . , , - .



, . , .



. ( ), . , .



, ffmpeg. ffmpeg.



Intel Video Pro Analyzer ( , 10 , ).

---

:

---

ब्लॉग भी पढ़ें
EDISON कंपनी:

के लिए 20 पुस्तकालय
शानदार iOS आवेदन