Técnicas de compressão de vídeo digital

A compressão de vídeo digital (ou codificação de vídeo) é o processo de reduzir o tamanho dos arquivos de vídeo e convertê-los para formatos e codecs adequados para visualização. O objetivo principal da codificação é reduzir a quantidade de dados necessária para gravar, armazenar e transferir vídeos. Como resultado, o hardware de armazenamento, os tempos de transferência de dados e a largura de banda necessária para entrega são reduzidos.

A compressão de vídeo digital é um conjunto de métodos usados para reduzir e eliminar redundâncias nos dados de vídeo. Isso faz com que o vídeo comprimido tenha um tamanho muito menor do que o vídeo não comprimido. A codificação de vídeo ajuda a armazenar o vídeo em um tamanho de arquivo reduzido ou a enviá-lo mais rapidamente pela rede. A eficácia da compressão de vídeo digital é proporcional à taxa de bits do vídeo para uma qualidade e taxa de quadros (fps) fixas. Se a codificação resultar em larguras de banda menores, ela será mais eficiente.

Como funciona a compressão de vídeo

Após comprimir ou codificar um arquivo de vídeo, o vídeo comprimido pode ter a mesma qualidade do arquivo não comprimido ou apresentar qualidade reduzida. Esses são chamados de formatos de compressão sem perdas e com perdas.

Formatos de compressão com perdas

Esse formato de compressão de vídeo digital garante que o arquivo comprimido contenha menos dados que o original. Cores e sons que se repetem ao longo do vídeo podem ser excluídos para remover trechos considerados desnecessários. Às vezes, isso resulta em um arquivo menor porque dados são perdidos, daí o termo "com perdas". A compressão com perdas reduz os dados a um nível em que as informações originais não podem ser recuperadas após a descompressão. A diferença entre o vídeo codificado e o original é chamada de artefatos.

A maioria dos arquivos de vídeo online utiliza compressão com perdas para reduzir o tamanho do arquivo mantendo um alto nível de qualidade. Se um vídeo mantivesse seu tamanho de arquivo de qualidade excepcionalmente alta, não apenas levaria muito tempo para fazer upload, mas também os espectadores com conexão lenta teriam dificuldade para assistir ou baixar o conteúdo.

Formatos de compressão sem perdas

A compressão sem perdas é outro formato de compressão de vídeo digital em que as versões original e comprimida são praticamente idênticas. É um método que permite reconstruir os dados originais a partir dos dados codificados. Ou seja, um número limitado de abordagens está disponível para redução de dados, resultando em compressão limitada. No processo de codificação, nenhum dado é perdido. Na maioria das vezes, os formatos de compressão sem perdas não são tão vantajosos quanto a compressão com perdas, pois os arquivos frequentemente acabam com o mesmo tamanho de antes da compressão. GIFs são um exemplo de compressão sem perdas. No entanto, devido às suas limitações, não é adequado para imagens de vigilância.

Adotar a compressão sem perdas pode parecer desnecessário, considerando que o principal objetivo da compressão é reduzir o tamanho do arquivo. Mesmo assim, a compressão sem perdas produz excelente qualidade de vídeo quando o tamanho do arquivo não é uma preocupação.

Técnicas de compressão de vídeo digital

Os dados de vídeo podem ser exibidos como uma sequência de quadros estáticos ou campos, no caso de vídeo entrelaçado. A sequência de imagens certamente incluirá redundâncias temporais e espaciais, que os métodos de compressão de vídeo digital podem explorar. Muitas técnicas de codificação de vídeo empregam compressão temporal, centrada na redundância entre quadros de vídeo, e compressão espacial, focada na redundância dentro de um único quadro ou campo.

Compressão espacial

Os métodos de compressão espacial são baseados na compressão de imagens estáticas. A abordagem por transformada é o método mais amplamente utilizado e é adotado por diversas organizações. Esse método divide a imagem em blocos e aplica a transformada a cada bloco individualmente. A saída da transformada é redimensionada e quantizada. Em seguida, um codificador de entropia sem perdas comprime os dados quantizados, gerando o fluxo de bits resultante. A técnica de transformada mais comum é a Transformada discreta de cosseno (DCT) ou suas variações. Outros métodos de compressão espacial incluem compressão fractal, codificação vetorial, transformada wavelet, entre outros.

Compressão temporal

A compressão temporal é outra técnica eficaz de compressão de vídeo digital. Ela opera analisando quadros de vídeo distintos entre si. Se não houver seções em movimento no vídeo, o programa pode executar uma breve instrução que duplica essa seção do quadro anterior bit a bit no quadro seguinte. Se o algoritmo detectar que alguns pixels foram alterados, ele emprega uma abordagem de previsão em relação ao quadro ou quadros anteriores. O programa busca uma região comparável nos quadros anteriores para cada região do quadro atual. Se uma área comparável for localizada, a diferença é processada pelo codificador de transformada e removida da área atual. A referência para a área do quadro atual também pode ser calculada como uma soma ponderada de áreas comparáveis de quadros anteriores e subsequentes. O quadro atual deve ser adiado por um determinado número de intervalos de quadro ao utilizar quadros sucessivos.

Outras técnicas de compressão de vídeo comumente utilizadas incluem:

Compressão JPEG (Joint Photographic Experts Group)

Juntamente com a técnica de compressão MPEG, é uma técnica básica de compressão de vídeo digital que atua sobre um único quadro (estático) ou imagem. É um padrão de codificação de vídeo proposto pela Organização Internacional de Normalização (ISO), pela Comissão Eletrotécnica Internacional (IEC) e pela UIT (União Internacional de Telecomunicações). Uma organização chamada Joint Photographic Experts Group (JPEG) foi criada em meados da década de 1980, estabelecendo as bases para o padrão JPEG. A primeira contribuição visível do grupo foi a publicação, em 1991, do primeiro componente do padrão JPEG, que havia sido desenvolvido como padrão para compressão de fotos coloridas; desde então, o grupo JPEG trabalhou tanto no padrão JPEG original quanto no padrão JPEG 2000.

Supondo que tenhamos fotografado uma imagem com uma pessoa em uma motocicleta e árvores ao fundo, as técnicas JPEG codificam a imagem removendo elementos que não são perceptíveis ao olho humano, como certas cores (já que somos menos sensíveis a elas — ajustes de brilho são mais perceptíveis aos seres humanos do que variações de cor) e alguns detalhes nas áreas mais complexas da imagem (mudanças em luzes de baixa frequência são mais perceptíveis do que mudanças em luzes de alta frequência).

Dependendo da taxa de compressão utilizada, qualquer dado removido pode afetar a qualidade da imagem resultante. É por isso que o JPEG é conhecido como um método de compressão com perdas, o que significa que algumas informações da imagem original são perdidas e não podem ser recuperadas.

Motion JPEG

Suponha que façamos um vídeo dessa mesma situação com o ciclista pedalando. A câmera captura uma série de imagens estáticas, que podem ser comprimidas usando algoritmos JPEG.

Essa técnica de compressão de vídeo digital é chamada Motion JPEG. Foi amplamente utilizada no início da década de 1990. Ela comprime o vídeo de forma eficiente removendo redundância espacial, mas ignora elementos da imagem compartilhados entre quadros, como o fundo, a árvore e assim por diante. Esse material compartilhado é chamado de redundância temporal, que pode ser removida do vídeo para melhorar as taxas de compressão.

MPEG (Moving Picture Experts Group)

Essa técnica de compressão de vídeo digital, juntamente com o JPEG, é a técnica básica de compressão digital proposta pela ISO, IEC e UIT. A origem dos MPEGs é a criação do Motion Picture Experts Group (MPEG) no final da década de 1980, que visava desenvolver um sistema para compressão de imagens em movimento e sons. Desde então, gerou padrões para MPEG-1, MPEG-2 e MPEG-4, além de padrões não relacionados a codificações multimídia, como MPEG-7 e MPEG-21.

Algoritmos de compressão entre quadros foram desenvolvidos para eliminar a redundância temporal (inter significa entre ou dentre). O MPEG é o mais amplamente utilizado entre eles. A compressão MPEG, assim como o JPEG, é feita em unidades fundamentais chamadas "macro-blocos".

Cada quadro é dividido em fatias, cada uma composta por macro-blocos. Os macro-blocos compreendem blocos de pixels, a menor parte modificável da imagem. No processo de compressão, os macro-blocos são utilizados como objeto fundamental.

Os quadros MPEG podem ser comprimidos de três maneiras:

● Codificação intraquadro (quadros I): Os vídeos são codificados como quadros isolados (quadros estáticos) que não têm relação com os quadros subsequentes.
● Codificação preditiva (quadros P): O algoritmo codifica os vídeos usando uma previsão de um quadro I ou P anterior, resultando em uma taxa de compressão maior (quadro menor).
● Codificação preditiva bidirecional (quadro B): Esse processo envolve a codificação de vídeo por previsão, utilizando um quadro anterior e um futuro de quadros I ou P; oferece a maior compressão.

Outros formatos MPEG avançados incluem o MPEG-2, projetado especificamente para transmissão de TV e arquivamento de alta qualidade, e o MPEG-4, usado para mapeamento de texturas em malhas 2D e 3D, codificação de fluxos variantes no tempo e criação de algoritmos para escalabilidade temporal, espacial e de qualidade, imagens e vídeos, além do MPEG-7 para videovigilância e do MPEG-21.

H.264

No final da década de 1990, um novo grupo chamado Video Coding Expert Groups (VCEG) criou um padrão de compressão de vídeo que melhoraria a eficiência da codificação de vídeo muito além das técnicas existentes. Assim nasceu o H.264. Ele oferece o equilíbrio mais recente entre eficiência de código, custo e complexidade computacional. O objetivo era proporcionar versatilidade suficiente para que a técnica de compressão de vídeo digital fosse utilizada em diversas aplicações, incluindo vídeo de baixa e alta taxa de dados, vídeo de baixa e alta resolução e necessidades de latência alta e baixa.