1

Digitális hang, kép és videóállományok

Kiss AttilaInformációs Rendszerek Tanszék

kiss@inf.elte.hu

2

Digitális médiaállományok A számítógép számára a hang, kép, videó

ugyanolyan állomány mint egy közönséges szöveges állomány. Általában az állomány kiterjesztése utal a média típusára.

Képek nevének kiterjesztése:– BMP, JPG, GIF, TIF, PNG, PPM, …

Hanganyagok nevének kiterjesztése– WAV, MP3, …

Viedók nevének kiterjesztése:– AVI, MOV, …

3

Egy képállomány tartalma Szövegszerkesztővel megnyitva egy képállományt értelmes és

értelmetlen sorozatokat kapunk:

P6: (Portable Pixel Map - ppm kép)

Felbontás: 512x512Színek száma: 255

4

A képállomány tartalma hexadecimálisan

Általában egy fejlécben leíró információkat találunk.

5

Multimédia állományok forrásai Multimédia állományok sokféle eszköz használatával

keletkezhetnek:– digitális fényképezőgép, képolvasó, – digitális hang, vagy filmfelvevő, – digitális kamera.

Ezeknek a következő feladatokat kell végrehajtaniuk:– Mintavételezés: A folytonos jelekből véges sok mintát

választunk ki. – Digitalizálás: A folytonos mintát véges számsorozattá

alakítják.– Tömörítjük a számsorozatot.

6

Egy hang audiójele

A hang audiójele megjeleníthető, nagyítható,szerkeszthető, transzformálható (erősíthető, halkítható, lemezkattogás eltávolítható, stb.)

7

A folytonos audiójelből szabályos időközönként mintákat veszünk

0 10 20 30 40 50 60 70 80 90 100-1

-0.8

-0.6

-0.4

-0.2

0

0.2

0.4

0.6

0.8

1

t

Am

plit

ud

e

Mintaperiódus Ts,fs =1/Ts

Jelperiódus: T, f = 1/T

T >= 2Ts kell, hogy legyen.

8

fs = 2.5f

fs = 1.67f

0 10 20 30 40 50 60 70 80 90 100-1

-0.8

-0.6

-0.4

-0.2

0

0.2

0.4

0.6

0.8

1

t

Am

plit

ud

e

Eredeti jel

Egy másik jel

A minta alapján nem különböztet-hetők meg.Torzítást eredményez.

0 10 20 30 40 50 60 70 80 90 100-1

-0.8

-0.6

-0.4

-0.2

0

0.2

0.4

0.6

0.8

1

t

Am

plitu

de

9

0 10 20 30 40 50 60 70 80 90 100-1

-0.8

-0.6

-0.4

-0.2

0

0.2

0.4

0.6

0.8

1

t

Am

plit

ude

0 10 20 30 40 50 60 70 80 90 100-1

-0.8

-0.6

-0.4

-0.2

0

0.2

0.4

0.6

0.8

1

t

Am

plit

ude

fs = 2f

Végtelen sok szinuszhullámot lehet a pontokra illeszteni.

10

A frekvencia felbontása A folytonos jelet véges vagy végtelen sok

szinusz hullám összegeként lehet előállítani.

A szinusz komponenseket “Fourier-transz-formációval” lehet előállítani.

A felbontást és a továbbiakat tetszőleges jelre (nem csak audióra, hanem képekre, videóra) lehet alkalmazni.

Ha a jel frekvenciakomponensei

{f1 < f2 < f3 … < fn}, akkor milyen minimális mintafrekvenciát kell használni?

11

Nyquist tétele

Nyquist tétel – Ahhoz, hogy a folytonos jel visszaállítható legyen a

mintából, teljesülnie kell a következőnek fs > 2fmax

ahol fmax a jel komponensei közül a legnagyobb frekvenciájú jel frekvenciája.

– Ha a jel komponenseinek frekvenciái [f1, f2] intervallumba esnek, akkor a visszaállíthatósághoz annak kell teljesülnie, hogy

fs >2 (f2-f1).

12

Képek mintavételezése

A mintavételezési tétel 2D jelekre (képekre) is alkalmazható.

Mintavételezés rácspontokon.

Milyen sűrű legyen a rács?

13

Az eredeti kép

14

A rossz mintavételezés miatt torzulás keletkezik

Homályosabb a kép, és a kendő és nadrág csíkjaiban furcsa interferálás látható.

15

Digitalizálás A mintavételezéssel kapott jel még folytonos, végtelen

sok lehetséges értéket tartalmazhat.

A digitalizálás sorám ezt a végtelen sok értéket akarjuk fix számú számmal leírni, közelíteni.

N szám leírásához log2N bitre van szükségünk.

Mi határozza meg, hogy egy hang vagy kép esetén hány bittel kódoljuk a mintát?

16

Audiójelek digitalizálása Mit jelent, hogy egy audiójel 16bites és 44kHz-es?

A 44KHz a mintavételezési frekvencia. A zenékben általában magasabb frekvenciakomponensek fordulnak elő mint a beszédben. A 8kHz mintavételezés a telefonminőségű beszéd rögzítéséhez szükséges mintavételezés.

16bit azt jelenti, hogy minden mintát 16bites egészként ábrázolunk.

Arra is gondolni, kell, hogy a digitális audiójelek több csatornát is tartalmazhatnak.

17

Digitális képek

Egy kép mintavételezése pixelenként történik. A pixelek mátrixot alkotnak.

18

A digitális képek típusai Szürkeárnyalatos

(Grayscale) kép– Általában 256 szintje

lehet a pixeleknek. Így minden pixelt 8 bittel tudunk megadni.

– Az MRI orvosi képek 16 bittel írnak le egy pixelt.

19

Bináris kép

A bináris kép csak 1 bitet használ pixelenként (0 vagy 1).

A bináris képeknek fontos szerepük van a képelemzésekben, objektumok felismerésében.

20

Bitsíkok

[ b7 b6 b5 b4 b3 b2 b1 b0]

MSB LSB

A 8 bit komponensei alapján 8 bináris képet (bitsíkot) kapunk.

MSB – legszignifikánsabb bit az első

LSB – legkevésbé szignifikáns bit az utolsó

21

Összemosás (Dithering)

Szürkeárnyalatos képet bináris képpel is reprezentálhatunk.

0 1

2 3

Maredékos osztással a 256 érték 4 értékre konvertáljuk:I’ = floor(I/64)

22

Dithering mátrix

Egy Dithering mátrixszal reprezentáljuk a 4 szintet. Kevesebb színnel érjük el az eredeti hatást.

0 1

2 3

0 12 3

A mátrix ebben az esetben:

Hasonlóan csak piros és kék váltakozása lila színt eredményez, ha elég kicsik a pontok.

23

A színes képek felbontása

r

g

b

RGB – piros, zöld, kékMás színsémák: YUV, HSV.

24 bit image

3 színkomponensre bontjuk a képet. Mindegyik szín intenzitása egy szürkeárnyalatos képet definiál.

24

Színtábla

256 színt használó kép

r

g

b

Színklaszterek

Kevesebb szín használata is elég, ha klaszterezéssel meghatározzuk a képen az azonos színű csoportokat.

25

Az emberi szem érzékeléseA szemben kétféle fényérzékelő sejt működik: a csapok és pálcikák.

A pálcikák a fekete-fehér látványt érzékelik.

A csapok a színeket érzékelik.Háromféle csap érzékeli a háromféle színt.

Színinger-összetevők előállítása színinger-megfeleltető függvények és E sugárzáseloszlás alapján:R = s E() Sr()dG = s E() Sg()dB = s E() Sb()d

26

A színek

A színösszetevők meghatározása kísérlettel.

ö s s z e h a s o n l í t óf é n y f o r r á s o k

v i z s g á l a n d ó f é n y f o r r á s

i n t e n z i t á s t s z a b á l y o z óf é n y r e k e s z

27

A Gamma korrekció

A képernyők fényessége I’ nem lineáris az input kép I fényességéhez viszonyítva.

I’ = I

Hatványozással korrigáljuk a fényességet: (I’)1/ = I

Például CRT esetén a 2.2 körüli érték.

0,5 fényességű képet csak 0,218 fényességűnek mutat a képernyő.

28

A Gamma korrekció

Lineárisan változó fényességGamma korrekció nélkülnem lesz egyenletes.

Lineárisan változó fényességGamma korrekcióval már egyenletes lesz.

29

Videójelek Analóg videójelek

Páros framePáratlan frame

52.7us

10.9us

0v

fehér

fekete

30

Digitalális videó

N. Frame

0. Frame

idő

A digitális videó egy 3D függvénnyel írható le: f(x,y,t)

31

Színes videók (PAL)

YUV színsémát használ a PAL rendszer. Az YUV és RGB közti transzformáció a

következő: Y a fényességi komponens Y = 0.299 R + 0.587 G + 0.144 B U és V

két színkomponens. U = B – Y V = R - Y

Y U V

32

Színes videók (NTSC)

YIQ az NTSC sémája

YCbCr: A JPEG-ben használt színséma

I Q