1 Digitális hang, kép és videóállományok Kiss Attila Információs Rendszerek Tanszék

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: 512x512 Színek 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 Mintaperiódus Ts, fs =1/Ts Jelperiódus: T, f = 1/T T >= 2Ts kell, hogy legyen.

8 fs = 2.5f fs = 1.67f Eredeti jel Egy másik jel A minta alapján nem különböztet- hetők meg. Torzítást eredményez.

9 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 > 2f max ahol f max 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 log 2 N 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] MSBLSB 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  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, kék Más 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 érzékelése A 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( ) S r ( )d G = s E( ) S g ( )d B = s E( ) S b ( )d

26 A színek A színösszetevők meghatározása kísérlettel.

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 fényesség Gamma korrekció nélkül nem lesz egyenletes. Lineárisan változó fényesség Gamma 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 = R G 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