Capítulo 2

Análisis de la codificación de vídeo MPEG-I

En este capítulo se presentan las distintas técnicas empleadas para la codificación de

vídeo digital y se describe el algoritmo de codificación MPEG-I, el cual se ha revelado
como el más eficiente en cuanto al nivel de compresión obtenido para un nivel de
calidad dado. Fijando diferentes niveles de calidad de la imagen, objetivos o subjetivos,
se desarrolla un detallado análisis de elección de los valores de los parámetros de
codificación MPEG-I que maximizan el rango de compresión. Asimismo, se establecen
las dependencias entre los valores de los parámetros, la calidad objetiva y la tasa binaria
media generada en la codificación. A través del análisis estadístico de la tasa binaria
generada por cuadro, para cada modo de codificación del algoritmo MPEG-I, se resaltan
las dependencias entre los valores de los parámetros de codificación y su impacto en la
tasa binaria resultante.
Se proponen distintos mecanismos de funcionamiento de un codificador MPEG-I y se
discuten su cualidades en cuanto a su adecuación para la transmisión sobre redes ATM y
en cuanto a la calidad, objetiva y subjetiva, obtenida. Los mecanismos de
funcionamiento se comparan a partir de la tasa binaria y del nivel SNR resultante de la
codificación de distintas secuencias. Finalmente, se propone un esquema de codificación
MPEG-I para la transmisión de vídeo digital sobre redes ATM. Este esquema se
caracteriza por mantener un nivel de calidad subjetiva semi-constante y presenta una
gran simplicidad en su funcionamiento.

2-1
Capítulo 2

2.1. Introducción

Las recientes aplicaciones y servicios ofrecidos de vídeo han promovido el desarrollo

de nuevos algoritmos de comprensión de vídeo digital que reducen sustancialmente la
capacidad de almacenamiento y la tasa binaria de transmisión. De entre los posibles
servicios ofrecidos caben destacar los de telefonía [I.F720], videoconferencia [I.F730],
distribución de televisión [I.J81], televisión por cable, distribución de televisión de alta
resolución [ChiAna94] y vídeo bajo petición [ChaAna94]. El vídeo digital presenta
diferentes resoluciones dependientes del servicio o aplicación. Los formatos empleados
para los servicios de vídeo parten del formato CCIR-601 [I.R601] especificado para
televisión. Así, para videoconferencia y para señal de televisión, con calidad de vídeo
doméstico, se emplea el formato CIF (Common Image Format) y en servicios de
telefonía el QCIF (Quarter of CIF). Para compatibilizar la señal de vídeo digital
proveniente de vídeo NTSC y PAL también se ha especificado el formato SIF (Sequence
Intermediate Format) como formato estándar de entrada para los algoritmos de
codificación MPEG [MPEGI].
Las técnicas de compresión que emplean los algoritmos para vídeo digital se basan en
la explotación de la redundancia espacial y temporal de la señal. El proceso de
compresión puede provocar una distorsión o pérdida respecto a la información original,
por lo que, aparece un compromiso entre el rango de comprensión y la distorsión
obtenida. Otras técnicas de compresión no introducen pérdidas pero el rango de
compresión resultante suele ser muy inferior.
Las técnicas de compresión se pueden clasificar en función del tipo de explotación de
redundancia que realicen. Las técnicas de explotación de la redundancia espacial
procesan cada imagen individualmente aprovechando la semejanza entre los pixels de
una misma zona, mientras que las técnicas de explotación de la redundancia temporal se
basan el parecido de los pixels situados en una misma posición de un conjunto de
campos consecutivos de una secuencia de imágenes.
Las técnicas de compresión basadas en la reducción de la redundancia espacial se
pueden clasificar según el tipo de transformación aplicada sobre la imagen en [Ron94]:

Codificación predictiva: Se basa en la codificación del valor diferencial de un pixel

respecto al valor estimado a partir de los pixels previamente codificados de su entorno.
Codificación transformacional: Los métodos transformados buscan la extracción de
la redundancia de los pixels de una misma zona de la imagen a través de una
transformación lineal, de forma que la codificación de los valores obtenidos en el
domino transformado sea inferior a la de los pixels de la imagen. Se ha demostrado que
la transformación lineal óptima es la denominada transformada Karhunen-Loeve
[Kou95]. Esta transformación se basa en que los pixels de una zona próxima están muy

2-2
 Análisis de la codificación de vídeo MPEG-I

correlados y en que la distribución de probabilidad de los pixels de una zona es

gaussiana. La transformación óptima se puede aproximar por la transformada discreta
coseno (DCT), cuando los coeficientes de correlación están próximos a la unidad. En
general, las zonas consideradas de la imagen suelen ser bloques rectangulares de pixels.
Codificación en subbandas: Es una descomposición de la señal original utilizando un
banco de filtros de distintas bandas frecuenciales y decimando las señales obtenidas
adecuadamente para que no aparezca aliasing. El resultado de este esquema crítico de
descomposición en subbandas es un conjunto de señales con un número total de
muestras igual a la original. Cada una de las señales se codifica independientemente y se
pueden recomponer para obtener diferentes resoluciones de la imagen original.
Codificación jerárquica: La imagen original se descompone en una serie de señales
de resolución menor hasta llegar a un nivel básico. A diferencia de la codificación en
subbandas, la codificación de cada nivel de resolución necesita de los resultados de la
codificación de resolución inferior. En el proceso de decodificación, la imagen original
se reconstruye paulatinamente con la agregación de los distintos niveles de resolución.
Codificación por segmentación: Esta codificación se basa en la detección de los
contornos de los objetos que componen la imagen y una descripción de estos objetos
según su textura, luminosidad, etc. Esta técnica, si bien proporciona elevados niveles de
compresión, requiere de un alto coste computacional.
Codificación por modelo: Cuando las imágenes que se pretenden comprimir
mantienen invariantes los contornos, como un rostro en videotelefonía, basta con
detectar en la imagen aquellos parámetros que describen el objeto invariante y,
posteriormente, los correspondientes a su textura. De esta forma, se pueden alcanzar
elevados niveles de compresión.

La explotación de la redundancia temporal se realiza a través de dos técnicas

fundamentales:

Codificación transformacional: De la misma forma que se realizaba sobre una zona

de una imagen, se puede aplicar la DCT simultáneamente sobre un grupo de pixels
situados en diferentes campos consecutivos, pero en la misma zona espacial de cada
campo. De esta forma se obtiene la transformación tridimensional denominada 3D DCT.
Codificación predictiva: En este caso, un bloque de pixels se codifica
diferencialmente respecto a otro situado en un campo de referencia temporalmente
próximo. En general, esta técnica se aplica buscando el bloque de pixels más similar al
que se debe codificar, sobre el campo de referencia. Este mecanismo recibe el nombre
de compensación de movimiento (CM), de forma que cada bloque codificado
predictivamente va unido a un vector de movimiento o desplazamiento relativo del
bloque empleado en el cuadro de referencia.

2-3
Capítulo 2

Codificación por relleno condicional: En este caso, en un campo soló se codifican

aquellos pixels cuyo valor es significativamente diferente de los codificados en el
campo previo en la misma localización.

Junto con las técnicas de compresión presentadas también se suelen emplear

mecanismos de cuantificación. La cuantificación se puede aplicar a cada muestra del
dominio de partida o del domino transformado (cuantificación escalar) o sobre un grupo
de muestras (cuantificación vectorial) a fin de aprovechar la similitud de muestras
próximas.
Los algoritmos de codificación suelen conjugar diversas técnicas de las expuestas
anteriormente para maximizar el rango del compresión para un nivel de distorsión dado
o para una tasa binaria constante. Dentro de los algoritmos de codificación
estandarizados, podemos destacar:

J.80: Codificación diferencial.

H.120: Codificación diferencial y relleno condicional.
MJPEG: Codificación DCT.
H.261: Codificación DCT y CM.
J.81: Codificación DCT y CM.
MPEG-I: Codificación DCT y CM.
MPEG-II: Codificación DCT y CM.
MPEG-IV: Codificación por modelo.

2.2. Codificación de vídeo MPEG

Dentro de la variedad de técnicas de codificación, el algoritmo de codificación MPEG

(Motion Picture Expert Group) se ha revelado como el más adecuado para la
transmisión y almacenamiento de secuencias de vídeo [PanZar94]. El algoritmo de
codificación MPEG, para vídeo digital, emplea conjuntamente la técnica de compresión
transformada, a través de la DCT, y la técnica de compensación de movimiento. La
efectividad en la reducción de la tasa binaria para un nivel de distorsión fijado ha sido
contrastada con la obtenida por otros algoritmos de compresión basados en las otras
técnicas de compresión descritas anteriormente. Este análisis se ha llevado a cabo a
través de estudios estadísticos de secuencias de vídeo de larga duración. El algoritmo de
codificación de vídeo MPEG inicialmente fue desarrollado para aplicaciones de
almacenamiento y recuperación de vídeo comprimido a tasas binarias reducidas, del
orden de 1'5 Mbps. Sin embargo, el algoritmo de codificación se ha mostrado muy
adecuado para la transmisión de vídeo sobre redes de comunicaciones, dado que reduce

2-4
 Análisis de la codificación de vídeo MPEG-I

sustancialmente la tasa binaria en transmisión y, por tanto, los recursos necesarios de la

red. Dentro de las aplicaciones más comunes donde es empleado este mecanismo de
codificación caben destacar: videocorreo electrónico, videotelefonía, videoconferencia,
vídeo juegos, documentos multimedia, distribución de vídeo con calidad VCR (Video
Casette Recorder), vídeo bajo petición y televisión digital de alta definición.
El algoritmo MPEG se adecúa perfectamente para transferir vídeo comprimido sobre
redes locales, metropolitanas y de área extensa. Esta adaptación se obtiene configurando
el modo de funcionamiento de la codificación de forma que, dependiendo del tipo de
red, se puede obtener una tasa binaria constante o variable [TanOku92] [HasRei94]. La
diferencia entre la transmisión con tasa binaria constante o variable se manifiesta en que
la calidad de la secuencia varía dependiendo de la complejidad y actividad de las
imágenes o se mantiene constante. La estandarización del algoritmo de codificación
MPEG-I, para el almacenamiento y distribución de vídeo comprimido en el rango de 1 a
2 Mbps con calidad de VCR se realizó en 1991 [MPEGI]. Posteriormente, se ampliaron
las aplicaciones del algoritmo de codificación, de forma que se puede emplear para la
distribución de vídeo digital con resolución de televisión y televisión de alta definición.
A su vez, se incorporaron un conjunto de mejoras para permitir la compatibilidad en la
presentación para diferentes resoluciones, disminuir los efectos de las pérdidas en
transmisión y permitir la codificación de señales entrelazadas. Esta nueva versión
MPEG-II, admite tasas que pueden ir desde 1 a 83 Mbps [MPEGII].
En la recomendación MPEG-I, se aconseja como formato de entrada el SIF ya que
tanto para señal proveniente de PAL o NTSC se obtienen tasas binarias entre 1 y 2
Mbps. La secuencia SIF se estructura, como se muestra en la figura 2.2.1, en cuatro
niveles de codificación: cuadro, tira o slice, macrobloque y bloque. El cuadro es la
unidad básica de presentación cuyo número de pels (pixels de 8 bits) depende de la
resolución. La imagen se estructura en zonas o bloques de 8 x 8 pels donde se aplica la
DCT. Las componentes de croma del cuadro se submuestrean en una relación 4:2:0
respecto a la componente de luminancia. La agrupación de 4 bloques de luminancia y
uno por cada componente de croma se denomina macrobloque. El macrobloque es la
unidad básica donde se aplica la técnica de compensación de movimiento. Un conjunto
de macrobloques consecutivos horizontalmente se denomina tira o slice. La tira es el
elemento mínimo donde se puede resincronizar la decodificación en el caso de pérdidas
de información. El número de macrobloques consecutivos que forman una tira es
seleccionable en el proceso de codificación. En este trabajo se ha considerado la tira
como el conjunto de macrobloques que contienen los pixels de 16 líneas consecutivas,
es decir, los macrobloques con la misma posición vertical en un cuadro. El presente
estudio se ha realizado empleando la resolución estandarizada en la recomendación
MPEG-I de 352 x 288 pels, con submuestreo de las componentes de croma tanto
vertical como horizontalmente, y 25 imágenes por segundo. Las secuencias analizadas

2-5
Capítulo 2

se han obtenido a través de la digitalización de la señal de vídeo PAL correspondiente a

distintos discos láser.

Número de Líneas por imagen Número de Pels por Línea

Slice

Macro Bloque Componente azul

Bloque

Componente rojo

Figura 2.2.1. Estructura de un cuadro SIF

Las cuadros de una secuencia SIF pueden codificarse en tres modos diferentes:

i) Intra (I): son los cuadros codificados empleando únicamente predicción espacial.
ii) Predictivo (P): son los cuadros codificados con predicción temporal hacia atrás,
usando como referencia el anterior cuadro I o P, y con predicción espacial
iii) Predictivo bidireccional (B): son los cuadros codificados con compensación de
movimiento, empleando como referencias la pasada o futura I o P. La compensación de
movimiento se puede realizar sobre los macrobloques de una de las referencias o sobre
una semisuma de un macrobloque de cada una ellas. También se aplica predicción
espacial en los bloques del macrobloque diferencial obtenido.
El almacenamiento o transmisión de las imágenes de una secuencia se hace de forma
que el decodificador pueda procesar la información lo antes posible. Para ello, en el
almacenamiento o transmisión, las imágenes de referencia preceden a aquellas que las
necesitan para ser decodificadas. Este efecto produce en aplicaciones en tiempo real un
retardo de reordenación, dado que el orden de decodificación de los cuadros es distinto
al de su presentación. A su vez, el codificador también introduce un retardo de proceso
dado que necesita imágenes que temporalmente son posteriores para codificar otras que
las preceden. Por ello, no es aconsejable en este tipo de aplicaciones que el número de

2-6
 Análisis de la codificación de vídeo MPEG-I

imágenes B consecutivas sea superior a 3 [KawChe93].

La secuencia de imágenes transmitida también se estructura en dos niveles, ilustrados
en la figura 2.2.2:

i) Grupo de imágenes (Group of Pictures, GoP), compuesto por una imagen I y las
imágenes B y P que directa o indirectamente la han utilizado como referencia.
ii) Subgrupo de imágenes (Subgroup of Pictures, SGoP) compuesto por una imagen
de referencia I o P y las imágenes B que emplearon la imagen I o P como segunda
referencia en su proceso de codificación.

I B B B P B B B P B B P B B B I

1 2 3 4 5 6 7 8 9 N-5 N-4 N-3 N-2 N-1 N

M M

Figura 2.2.2. Estructuración periódica de los modos de codificación

de los cuadros en un GoP de N cuadros con M cuadros por SGoP

En la figura 2.2.3 se muestra el proceso seguido por un codificador MPEG-I. La

codificación de las imágenes de una secuencia con el algoritmo MPEG se realiza
determinando el modo de codificación de cada una de las imágenes de un GoP.
La imagen intra se estructura en bloques a los cuales se les aplica la DCT. Los
coeficientes obtenidos son ponderados con una matriz de pesos, ajustada según la
sensibilidad de estos coeficientes al sistema visual humano. Las imágenes predictivas
son estructuradas previamente en macrobloques con los que se realiza la compensación
de movimiento, empleando como referencia la imagen I o P previa. Una vez identificado
el macrobloque de la imagen de referencia, cuyo valor de los pixels es más similar al del
macrobloque a codificar, se evalúa la conveniencia, o coste en bits, de la codificación en
2-7
Capítulo 2

modo intra y, finalmente, se emplea el método más rentable. En el caso de que se elija el
modo intra, se aplica la DCT sobre cada uno de los bloques y se pondera con la matriz
de pesos de la codificación I. Si la decisión es codificar en modo predictivo, se
determina el macrobloque diferencial, sobre el cual se aplica la DCT en cada bloque con
una matriz de pesos especificada para la codificación diferencial. En este caso se aplica
la DCT para explotar la ponderación de los coeficientes transformados y no por razones
de reducción de la tasa binaria, ya que la señal diferencial carecerá, en general, de
redundancia espacial. Las imágenes predictivas bidireccionales se codifican empleando
como posibles referencias las imágenes I o P que las preceden o suceden. De forma que
las imágenes B, inicialmente se estructuran en macrobloques y se determinan los
macrobloques de las imágenes de referencia que más se les asemejan. A continuación se
evalúa el coste de codificación al emplear como referencia el macrobloque de la imagen
I o P precedente, el macrobloque de la imagen de referencia siguiente, una semisuma de
los pixels de los macrobloques de referencia mencionados o el modo de codificación
intra. Del mismo modo que se realiza sobre los macrobloques de las imágenes P, se
aplica la compensación de movimiento, cuando se emplean las imágenes de referencia,
y la DCT.

Control
externo
Intra / Inter
video
digital
+ DCT Q VLC
flujo binario

Q-1

vector de
DCT-1
movimiento

ME FM

DCT: Transformada Coseno Discreta

Q: Paso de cuantificación
FM: Memoria de cuadro
ME: Estimación de movimiento

Figura 2.2.3. Esquema de codificación MPEG-I

La codificación de los coeficientes ponderados de la DCT, obtenidos de los bloques

de las imágenes, se realizan de maneras diferentes. El coeficiente (0,0), o coeficiente de
contínua (DC), se codifica diferencialmente en macrobloques consecutivos intra de la
misma tira. El resto de coeficientes se codifican independientemente de los coeficientes
de otros macrobloques. Dado que los pels de la misma zona suelen tener valores muy

2-8
 Análisis de la codificación de vídeo MPEG-I

próximos, las componentes de alta frecuencia del dominio transformado son nulas o
próximas a cero. Aprovechando esta característica presentada por los coeficientes de la
DCT, se realiza un barrido en zig-zag de los coeficientes transformados para aumentar
el rango de compresión. Así, empleando la técnica run-length, se asignan códigos de
longitud variable en función de la probabilidad de valor del pixel y del número de ceros
consecutivos en el barrido. Los códigos de Huffman estandarizados se obtuvieron
después del análisis estadístico de múltiples secuencias.
En el proceso de cuantificación se emplea un paso de cuantificación (Q) ajustado
según la calidad o la tasa binaria deseada. Los vectores de movimiento obtenidos en la
codificación de macrobloques de imágenes P o B también se codifican diferencialmente
respecto a los macrobloques precedentes de la misma tira. Esto se debe a que, en
general, los objetos que componen una imagen ocupan varios macrobloques, y por lo
tanto, el vector de desplazamiento suele ser semejante para macrobloques consecutivos
de la misma tira.
El proceso de codificación de las imágenes P y B no se realiza sobre las imágenes de
referencia originales sino sobre la imagen decodificada, a fin de que el codificador sea
conocedor del resultado de la decodificación del receptor. Esto obliga al codificador ha
realizar el proceso de decodificación de la imagen para evitar la deteriorización
progresiva de las imágenes. El codificador debe ser ajustado para que la elección de la
codificación intra en los macrobloques de las imágenes P o B se decida cuando se
alcance un nivel de distorsión determinado. El umbral de decisión deberá depender del
cuantificador seleccionado, de forma que, cuanto más fino sea el paso de cuantificación
antes se adopta la codificación intra. Se debe buscar una relación de compromiso entre
la relación de compresión y la reducción de la tasa binaria para que las imágenes P o B
no tengan un nivel de distorsión mucho más elevado que las imágenes I.
El estándar de codificación MPEG-II amplía las aplicaciones a las que estaba dirigido
el MPEG-I. Las principales mejoras introducidas en el MPEG-II son: la posibilidad de
operar con imágenes entrelazadas al emplear compensación de movimiento sobre
macrobloques de 16 x 8 pels, aumenta la precisión de los coeficientes de DC a 10 bits,
permite la cuantificación no lineal, mejora el control frente a errores en su sintaxis e
introduce el concepto de escalabilidad. La escalabilidad permite que, con el mismo flujo
de bits, se puedan emplear diferentes resoluciones espaciales y temporales junto con la
posibilidad de disponer de diferentes niveles de calidad. La escalabilidad espacial y
temporal consigue compatibilizar la decodificación sobre diferentes elementos de
presentación. La escalabilidad de diferentes niveles de calidad, o escalabilidad SNR
(signal to noise ratio), permite dividir el flujo de información del codificador, de forma
que se asegura una calidad mínima en transmisión (flujo base) y una calidad añadida
(flujo secundario). Esta separación de flujos es especialmente interesante en sistemas de
comunicaciones con probabilidad de pérdida no nula, ya que permite gestionar, de

2-9
Capítulo 2

manera diferente, la información básica de la complementaria.

El algoritmo de codificación MPEG tiene dos modos de operación, configurables
según el tipo de aplicación para la cual se emplea la compresión. En transmisiones sobre
circuitos de capacidad fija, el algoritmo se configura para generar una tasa binaria
constante, modo CBR (Constant Bit Rate). En el caso de que el sistema de
comunicaciones soporte servicios de tasa variable, el algoritmo se puede configurar en
modo VBR (Variable Bit Rate).
El modo de funcionamiento VBR presenta la ventaja, respecto al CBR, de poder
mantener una calidad, subjetiva u objetiva, constante en toda la secuencia codificada de
imágenes [SimRos93]. La calidad subjetiva se entiende como un nivel de percepción
humano en la calidad de la imagen, mientras que la calidad objetiva es una
cuantificación que intenta ponderar el error, o distorsión, de la imagen decodificada
respecto a la original. En general, la medida empleada en este caso es el PSNR (Power
Signal to Noise Ratio) [Wan94],

 
 255 R2 
PSNR = 10 log R (dB)

 ∑ (p' (i) − p(i)) 
2
 i =1  (2.2.1)

donde R es el número de pels en la porción de imagen a analizar, p(i) es el valor del pel
original y p'(i) es el valor del pel decodificado.
Las variaciones de la tasa binaria generada en la codificación se deben a razones tanto
intrínsecas, debidas al algoritmo de codificación, como extrínsecas debidas a la
complejidad y actividad de la secuencia a codificar. Las razones intrínsecas están
relacionadas, fundamentalmente, con los modos de codificación aplicados sobre las
imágenes. Así, las imágenes I necesitan un número superior de bits a las imágenes P o B
al emplear únicamente la técnica transformada DCT. Asimismo, las imágenes P suelen
generar mayor número de bits que las B, dado que sólo emplean compensación de
movimiento respecto a las imágenes de referencia anteriores. Dentro de la codificación
de las imágenes, otro factor que provoca variaciones de la tasa binaria generada es la
explotación de la entropía a través de tablas de códigos de longitud variable, según el
tamaño y posición de las ráfagas (run-length) de los coeficientes de la DCT.
Las razones extrínsecas que provocan variaciones en la tasa binaria dependen del
contenido de las imágenes a codificar. Las imágenes con mayor grado de detalle o
mayor relieve tienen un nivel de complejidad superior y reducen la efectividad de la
explotación de la redundancia espacial. Las secuencias de gran actividad, con
movimientos rápidos de cámara, zooms y cambios de plano, impiden el empleo de la
técnica de compresión predictiva, por lo que, también provocan aumentos en la tasa
binaria respecto a secuencias de menor actividad.
2-10
 Análisis de la codificación de vídeo MPEG-I

Para conseguir una tasa binaria constante en el modo de funcionamiento CBR es

preciso intercalar, entre la salida del codificador y el canal, una memoria tampón, o
buffer, que absorba las variaciones de la tasa binaria generada en la codificación. Los
bits almacenados en el buffer son extraídos a velocidad constante, mientras que el
codificador llena el contenido del buffer de forma irregular. Para controlar el retardo
introducido por la inserción del buffer, se dimensiona éste con una capacidad limitada y
se regula la tasa de generación en el proceso de codificación dependiendo del nivel de
ocupación del buffer.
La tasa de generación y el nivel de distorsión de la imagen se pueden controlar a
través de varios parámetros que intervienen en el proceso de codificación. Los
parámetros controlables que afectan a la generación de la tasa binaria son la resolución
espacial y temporal de la secuencia, el número de imágenes por segundo generadas, el
número N o M de imágenes que componen un GoP o un SGoP, la cuantificación de las
tiras de imagen o la cuantificación de los macrobloques individualmente. Los
parámetros no controlables son los extrínsecos como el contenido estadístico de la
secuencia y la actividad de la escena. En general, los parámetros de resolución y
frecuencia de las imágenes se acuerdan al principio de la sesión y no se modifican en su
transcurso.
El parámetro más adecuado para controlar la tasa de generación o el nivel de calidad
de la imagen es el paso de cuantificación para un macrobloque o para el conjunto de
macrobloques de una tira de imagen. Es el más apropiado dado que no introduce una
sustancial sobrecarga de señalización y tiene una rápida respuesta temporal sin añadir un
elevado coste computacional. También se puede utilizar, como parámetro de control, la
variación del número de elementos que componen un GoP o SGoP. Este mecanismo no
se puede emplear de forma sostenida cuando aumenta la complejidad de la secuencia, ya
que, como se analizará posteriormente, el exceso de imágenes B provoca
automáticamente un aumento de la tasa binaria debido al incremento de macrobloques
codificados en modo intra.

2.3. Elección de parámetros de codificación de vídeo MPEG

Para determinar la combinación de parámetros de funcionamiento del algoritmo de

compresión MPEG se ha realizado un intenso estudio con diferentes secuencias de larga
duración. En este análisis se ha buscado establecer los valores de los parámetros que dan
un nivel de calidad subjetiva u objetiva de la imagen con un mayor rango de
compresión. Este estudio se ha realizado con secuencias SIF provenientes de la
digitalización de la señal de vídeo PAL con resolución de 352 x 288 pels de luminancia

2-11
Capítulo 2

y submuestreo vertical y horizontal de las componentes diferenciales azul y rojo de

croma. El formato de las imágenes es progresivo con 25 cuadros por segundo.
El análisis de la elección de parámetros se ha realizado observando la influencia de
los parámetros controlables en el algoritmo de codificación en la calidad subjetiva y
objetiva. Tras este estudio se comprobará que empleando ambos criterios se llega a la
misma elección.

2.3.1 Análisis de la calidad subjetiva en la codificación de vídeo MPEG-I

La metodología empleada para el análisis subjetivo de los parámetros de codificación

se basó en el estudio de diversas secuencias que presentaban diferentes niveles de
complejidad, movimiento y cambios de imagen. Este estudio se ha llevado a cabo con el
empleo de estaciones de trabajo SUN Sparc20 equipadas para la visualización y captura
de secuencias de vídeo. Los parámetros controlables en la codificación MPEG
analizados son: el número de imágenes que componen un GOP (N), el número de
imágenes de los SGoP (M) y el paso de cuantificación (Q). Se han utilizado las
secuencias enunciadas en la tabla 2.3.1.

Secuencia Número de cuadros

Geografía de Catalunya-I 3600
Geografía de Catalunya-II 15000
Miss America 300
Flower-garden 500
Live in Central Park 4200
Jurasic Park 35000

Tabla 2.3.1. Secuencias empleadas en el análisis subjetivo

de la codificación de vídeo MPEG-I

Las secuencias de "Geografía de Catalunya", "Live in Central Park" y "Jurasic Park"

presentan escenas de alto y bajo movimiento junto con variaciones de complejidad de
las imágenes. Las secuencias "Miss America" y "Flower-garden", por el contrario, tienen
bajo movimiento y complejidad. Parte de la contribución de este estudio fue presentada
en [MatSal94] y [MatSal95]. Otro interesante análisis de calidad subjetiva puede
encontrarse en [GilRos95] donde se comparan diferentes secuencias codificadas con
MPEG-I, MPEG-II y MPEG-IV, para diversos tamaños de monitor y diferentes tasas
binarias.
En la figura 2.3.1 se muestra la serie temporal bits por cuadro, correspondiente a la
codificación de las imágenes I, P y B de la secuencia "Live in Central Park". A través de
la inspección de la evolución de la serie temporal se puede relacionar el tipo de escena y
su complejidad.
2-12
 Análisis de la codificación de vídeo MPEG-I

110000
105000 Bits per Frame I
100000
95000
90000 Bits per Frame P
85000
80000 Bits per Frame B
75000
70000
65000
60000
Bits

55000
50000
45000
40000
35000
30000
25000
20000
15000
10000
5000
0

1000

1200

1400

1600

1800

2000

2200

2400

2600

2800

3000

3200

3400

3600

3800

4000

4200
200

400

600

800

Frame

Figura 2.3.1. Series temporales bits por cuadro de la codificación (Q=9, M=2, N=6) de
la secuencia "Live in Central Park" para los modos de codificación MPEG-I

La codificación intra de los cuadros, con un paso de cuantificación constante, permite

determinar el nivel de complejidad de las imágenes y escenas. También se pueden
identificar los movimientos de cámara y los cambios de escena a partir de las rápidas
transiciones de la serie temporal I. Cabe destacar que se observa una relación directa
entre el número de bits empleados en la codificación de una imagen I y su complejidad.
La series temporales correspondientes a las curvas P y B tienen dos comportamientos
diferenciables, asociados a la actividad de las escenas. Cuando se producen cambios de
escena o existen movimientos rápidos de la cámara, la curva P está muy próxima a la I.
Este efecto es debido a que la técnica de compresión predictiva no se puede aplicar,
obligando a emplear el modo intra en la mayoría de los macrobloques de los cuadros P.
En estos casos se puede notar que la curva B también se comporta como las I y P pero
con un nivel de proporcionalidad en el número de bits empleados en la codificación. Las
curvas P y B muestran un comportamiento notablemente diferente cuando las escenas
tienen un grado de actividad reducido. En este caso, la tasa binaria generada en las
imágenes P y B decrece rápidamente hasta alcanzar una tasa moderada, manteniendo las
curvas P y B una relación constante y próxima en la tasa binaria generada. Este mismo
comportamiento es observado en todas las ternas (Q, M, N) evaluadas que aparecen en
las tablas 2.3.2 y 2.4.1.
El parámetro de codificación M afecta directamente a las imágenes P y B. Para las
imágenes P marca la distancia, en cuadros, de la imagen P a codificar respecto a la
imagen de referencia. Dependiendo de la posición de la imagen B a codificar, dentro del
SGoP, el parámetro M define la distancia a la que se encuentran las imágenes de
referencia para la codificación de la B.
El número de imágenes de un GoP (N) determina la distancia entre dos imágenes I.
La elección del valor del parámetro N permitirá maximizar la compresión y determinará
2-13
Capítulo 2

el tiempo mínimo, en recepción, necesario para recuperar las pérdidas de información

producidas en la transmisión.
El análisis subjetivo se ha realizado con diferentes niveles de calidad de las distintas
secuencias, fijados a través del paso de cuantificación Q. A su vez, se han variado los
valores de N y M a fin de observar su influencia en la calidad resultante en la
decodificación. En el análisis subjetivo de la codificación MPEG-I se observa que para
valores de M inferiores a 4 la calidad subjetiva se mantiene. Cuando M sobrepasa este
valor, se detecta una degradación de la imagen y es más apreciable conforme aumenta
M. Esto es debido a que muchos de los macrobloques codificados en las imágenes P y B
están próximos al umbral de decisión de la codificación del macrobloque en modo intra,
por lo que, cuando se codifican diferencialmente están en el nivel máximo de distorsión
admisible en el paso de codificación fijado. Este efecto es perceptible cuando un
conjunto de imágenes consecutivas mantienen un nivel bajo de calidad y es más
pronunciado cuanto mayor es el número de imágenes consecutivas. Asimismo,
analizando el rango de compresión obtenido, este efecto se manifiesta en la aparición de
macrobloques codificados en modo intra, por lo que el nivel de compresión disminuye
respecto a valores de M próximos a 3. Esto es también observable en la serie temporal
correspondiente a las B dado que aparece un pequeño rizado periódico de la tasa binaria
por cuadro.
Respecto al parámetro N, es notable el efecto de refresco o restauración de la calidad
cuando se emplean valores superiores a 24. Esto es debido al mismo efecto anterior. Las
imágenes P utilizan como referencia las anteriores imágenes P. Así, cuanto mayor es la
distancia entre cuadros P y mayor es su número en un GoP la calidad de estas imágenes
disminuye paulatinamente, provocando que gran cantidad de macrobloques alcancen
valores próximos al umbral de decisión del modo de codificación intra. Como
consecuencia, las imágenes B de los SGoP disponen de referencias más deterioradas por
lo que el efecto de distorsión aumenta en estas imágenes de forma apreciable. A su vez,
un elevado número de imágenes en un GoP nos lleva a una pérdida de compresión,
debida al empleo de un exceso de codificaciones en modo intra de los macrobloques de
las imágenes B, que introducen un aumento de la tasa binaria y no ayudan en el aumento
de la compresión del resto de las imágenes. Sin embargo, el aumento de la tasa binaria
en los cuadros P, debido a la codificación intra de los macrobloques, es aprovechado por
las imágenes P y B que las emplean como referencia.
Tras este estudio se ha propuesto un procedimiento sistemático de selección de los
parámetros de codificación para el ajuste de la calidad subjetiva con la obtención de un
adecuado grado de compresión. Este procedimiento queda ilustrado en la figura 2.3.2.

2-14
 Análisis de la codificación de vídeo MPEG-I

Q =valor previsto
M =N = 1

Codificar secuencia

¿ Es adecuada la no
calidad subjetiva ? Modificar Q

sí

Fijar M=N=4

Codificar secuencia

¿ Es adecuada la no
calidad subjetiva ? Decrementar M y N

sí

K=2

Fijar N = K M

Codificar secuencia

¿ Es adecuada la sí
calidad subjetiva ? K=K+1

no

N=N-M

Codificar secuencia

Figura 2.3.2. Diagrama de flujo de la selección de parámetros

del algoritmo de codificación de vídeo MPEG-I

2-15
Capítulo 2

En un principio se ajusta el codificador con M=1 y N=1 y se varía el parámetro Q

hasta alcanzar el nivel de calidad deseado. De forma práctica se ha comprobado que un
nivel alto de calidad se obtiene con Q entre 4 y 6, una calidad media se alcanza con
niveles de Q próximos a 10 y una calidad mínima aceptable se ajusta en valores de Q
próximos a 16. Asimismo, si se dispone de un conocimiento de las características de la
secuencia a codificar, como factor de corrección de los valores recomendados, es
aconsejable decrementar el valor de Q cuando las escenas de la secuencia contengan
gran actividad o complejidad y, por el contrario, se debe actuar de forma opuesta cuando
se disponga de secuencias con bajo movimiento o alberguen gran cantidad de primeros
planos. Una vez ajustado el valor deseado de la calidad, se decrementan
simultáneamente los valores de M y N a partir del valor 4. Se selecciona el mayor valor
de M para el cual no se perciben distorsiones de la secuencia y finalmente, se
incrementa N en múltiplos del valor de M, hasta que aparezca el efecto de refresco en la
presentación de la secuencia. Se fija el valor de N al valor inmediatamente anterior al
último analizado.

2.3.2. Análisis cuantitativo de la calidad en la codificación de vídeo MPEG-I

De la misma forma que se realizó con la calidad subjetiva se ha llevado a cabo un

análisis cuantitativo basado en el PSNR medio, obtenido en la codificación de las
secuencias para diferentes ternas (Q, M, N). En la tabla 2.3.2 se muestran los resultados
de algunas codificaciones de una secuencia de 4200 cuadros de la grabación "Live in
Central Park". Las conclusiones derivadas de este análisis han sido contrastadas con la
codificación, para diferentes ternas (Q, M, N), de tres secuencias de 12000 cuadros cada
una obtenidas de la grabación de "Geografía de Catalunya". Cabe destacar que los
resultados presentados se han agrupado en cuatro niveles de calidad según el valor de Q
elegido. Así, se asocia Q=4 a un nivel alto de calidad, Q=6 a un nivel medio alto, Q=9
un nivel medio y Q=20 a un nivel bajo. Los valores de M y N se han fijado
adecuadamente para observar las tendencias de la PSNR y del rango de compresión en
función de su variación. Se puede comprobar que los rangos de compresión dependen
fuertemente del Q elegido y son muy insensibles a la variación de N y M, siempre y
cuando, N y M estén en los intervalos fijados ya en el análisis de la calidad subjetiva.
El rango de compresión (R) se ha definido como el cociente entre la tasa media
resultante de la codificación MPEG-I y la tasa media de transmisión necesaria para
transmitir la secuencia SIF sin compresión. En la tercera columna de la tabla 2.3.2 se
especifica la tasa media generada por el codificador. Se puede observar que el rango de
compresión aumenta rápidamente cuando se incorporan, en un GoP, imágenes
codificadas en modo P y B. Cuando la calidad seleccionada es alta el aumento de la

2-16
 Análisis de la codificación de vídeo MPEG-I

compresión sólo es significativo hasta M=3 y N=6. Sin embargo, se observa que la
elección más aconsejable es M=2 y N=4 o N=6. Para valores medios y bajos de calidad
M y N pueden alcanzar los valores 4 y 12 respectivamente. En la figura 2.3.3 se
muestran los rangos de compresión para los valores más representativos de N y M en
función del paso de cuantificación Q. En la figura 2.3.4 se pone de manifiesto la
variación del PSNR en función de Q para diferentes valores de M y N.
Conjugando los resultados obtenidos tanto en la evaluación subjetiva de las
codificaciones como en el análisis cuantitativo podemos concluir que una adecuada
elección de parámetros N y M sería N=4 y M=2 o N=6 y M=2. Sólo en casos donde la
actividad de las escenas que componen la secuencia sea muy reducida y los niveles de
complejidad sean bajos parece conveniente aumentar estos valores a N=9 y M=3 o
N=12 y M=4. Estos valores también pueden ser empleados cuando la calidad fijada en la
secuencia es baja y la probabilidad de pérdida o error de los medios de transmisión
empleados sea reducida.

Triplet SNRav R Kbps Triplet SNRav R Kbps

N=1, M=1, Q=9 37.5302 21.20 1435
N=1, M=1, Q=4 40.1582 10.91 2788 N=2, M=1, Q=9 37.0801 30.14 1009
N=2, M=1, Q=4 40.0306 12.45 2441 N=2, M=2, Q=9 36.9667 32.64 932
N=2, M=2, Q=4 39.5401 14.08 2160 N=3, M=1, Q=9 36.8601 34.62 878
N=3, M=3, Q=4 39.3161 15.06 2018 N=3, M=3, Q=9 36.6993 38.34 793
N=4, M=1, Q=4 39.8758 13.17 2310 N=4, M=1, Q=9 36.7048 37.24 817
N=4, M=2, Q=4 39.4719 14.80 2054 N=4, M=2, Q=9 36.6613 40.06 759
N=4, M=4, Q=4 39.2052 15.31 1985 N=4, M=4, Q=9 36.5214 41.06 740
N=6, M=1, Q=4 39.7767 13.26 2294 N=5, M=1, Q=9 36.5912 38.93 781
N=6, M=2, Q=4 39.4217 14.95 2034 N=6, M=1, Q=9 36.4986 40.01 760
N=6, M=3, Q=4 39.274 15.36 1979 N=6, M=2, Q=9 36.5056 42.88 709
N=8, M=2, Q=4 39.3832 14.92 2038 N=6, M=3, Q=9 36.4556 43.54 698
N=9, M=3, Q=4 39.2392 15.31 1982 N=8, M=2, Q=9 36.3969 44.15 689
N=12, M=4, Q=4 39.1517 15.29 1987 N=8, M=4, Q=9 36.3198 44.58 682
N=16, M=8, Q=4 39.0463 14.84 2042 N=9, M=3, Q=9 36.3273 45.00 675
N=12, M=2, Q=9 36.2435 45.31 671
SNRav R Kbps N=12, M=4, Q=9 36.2107 45.42 669
N=16, M=8, Q=9 36.051 43.58 695
N=1, M=1, Q=6 38.8541 15.70 1936 SNRav R Kbps
N=2, M=1, Q=6 38.5208 20.41 1486
N=2, M=2, Q=6 38.2019 22.79 1334 N=1, M=1, Q=20 34.6725 34.64 878
N=3, M=3, Q=6 37.9339 25.80 1178 N=2, M=1, Q=20 34.1974 53.64 567
N=4, M=1, Q=6 38.2373 23.68 1284 N=2, M=2, Q=20 34.4354 54.34 560
N=4, M=2, Q=6 38.0042 26.16 1162 N=3, M=1, Q=20 33.9536 64.77 470
N=4, M=4, Q=6 37.7772 27.00 1125 N=3, M=3, Q=20 34.2617 65.10 467
N=6, M=1, Q=6 38.0779 24.70 1231 N=4, M=1, Q=20 33.7766 72.10 422
N=6, M=2, Q=6 37.9 27.28 1114 N=4, M=2, Q=20 34.0226 71.49 425
N=6, M=3, Q=6 37.7924 27.89 1090 N=4, M=4, Q=20 34.1118 70.92 429
N=8, M=2, Q=6 37.827 27.68 1098 N=6, M=1, Q=20 33.5468 80.83 376
N=8, M=4, Q=6 37.6679 28.27 1075 N=6, M=2, Q=20 33.8068 79.02 385
N=9, M=3, Q=6 37.7145 28.34 1071 N=6, M=3, Q=20 33.8813 78.29 388
N=12, M=4, Q=6 37.6052 28.46 1069 N=9, M=3, Q=20 33.6808 82.90 366
N=16, M=8, Q=6 37.4546 27.35 1108 N=12, M=4, Q=20 33.5806 83.75 363

Tabla 2.3.2. Análisis de la influencia de los parámetros de codificación del algoritmo

MPEG-I en la calidad y rango de compresión

Con el presente estudio también se han podido ajustar las curvas que relacionan el
2-17
Capítulo 2

nivel de calidad, seleccionado mediante el paso de cuantificación (Q), con el rango de

compresión (R) y la PSNR. La bondad del ajuste de estas curvas se muestra en los
figuras 2.3.5 y 2.3.6 respectivamente. Se puede comprobar que el ajuste es válido tanto
para la elección M=2 y N=4 como M=2 y N=6. La curva que relaciona el paso de
cuantificación y el rango de compresión se ha denominado factor de escala empírico
[LucNeu94]. Obsérvese que la curva mostrada en la figura 2.3.5 está normalizada
respecto al valor del rango de compresión resultante de la codificación con Q=9. Como
derivación del ajuste de ambas curvas se puede obtener a su vez la curva tasa-distorsión
en la codificación MPEG-I, mostrada en la figura 2.3.7, cuando la selección de
parámetros es M=2 y N=4 o N=6. De forma que:

R = 7.2Q 0.774 (2.3.1)

PSNR = 45.879.Q − 0.1 (dB) (2.3.2)

se puede relacionar directamente:

PSNR = 6. 32v 0.13 (2.3.3)

siendo v la tasa binaria media en bits por segundo.

2-18
 Análisis de la codificación de vídeo MPEG-I

90
85 Ratio N=1 M=1

80 Ratio N=2 M=1

75
Ratio N=2 M=2
70

65 Ratio N=4 M=2

60 Ratio N=4 M=1

55
Ratio N=6 M=1
50
Ratio N=6 M=2
Ratio

45
40 Ratio N=9 M=3
35
30
25
20

15
10
5

0
2

10

11

12

13

14

15

16

17

18

19

20
Paso de cuantificación (Q)

Fig. 2.3.3. Rango de compresión para la codificación MPEG-1 de la secuencia "Live in

Centra Park" en función de los parámetros Q, M y N

44

43 SNR N=1 M=1

SNR N=2 M=1

42
SNR N=2 M=2
41
SNR N=4 M=2
40
SNR N=4 M=1
SNR (dB)

39 SNR N=6 M=1

SNR N=6 M=2

38
SNR N=9 M=3
37

36

35

34

33
2

10

11

12

13

14

15

16

17

18

19

20

Paso de cuantificación (Q)

Fig. 2.3.4. Valor medio de la PSNR para la codificación MPEG-1 de la secuencia "Live
in Centra Park" en función de los parámetros Q, M y N

2-19
Capítulo 2

2.1
2
1.9 Factor empírico de escala
1.8
1.7 5.686 x-0.774
1.6
1.5
1.4
1.3
Ratio

1.2
1.1
1
0.9
0.8
0.7
0.6
0.5
0.4
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Paso de cuantificación (Q)

Fig. 2.3.5. Factor de escala empírico para la codificación MPEG-I (M=2, N=4)
normalizado para Q=9

44
43 DATA SNR
42
45.879 x-0.1
41
40
39
SNR (dB)

38
37
36
35
34
33
32
0
2
4
6
8
10
12
14
16
18
20
22
24
26
28
30

Paso de cuantificación (Q)

Fig. 2.3.6. Relación entre la PSNR y el paso de cuantificación (Q)

para la codificación MPEG-1 con (M=2, N=4)

2-20
 Análisis de la codificación de vídeo MPEG-I

44
43
PSNR
42
41
40
39
38
PSNR (dB)

37
36
35
34
33
32
31
30
1000

1200

1400

1600

1800

2000

2200

2400

2600

2800

3000
200

400

600

800

v (Kbps)

Figura 2.3.7. Curva de distorsión para la codificación MPEG-I

con parámetros N=4 o N=6 y M=2

2.4. Análisis estadístico de la tasa binaria del algoritmo de codificación

MPEG-I para vídeo

El estudio estadístico del comportamiento de la tasa binaria en la codificación permite

llevar a cabo un análisis de la sensibilidad del algoritmo de compresión MPEG-I a la
variación de sus parámetros [VerPin89] [SooGoo89]. Este análisis estadístico se ha
realizado sobre las secuencias "Live in Central Park" y "Geografía de Catalunya" a partir
de la consideración de las tasas binarias generadas en las imágenes I, P y B como tres
variables aleatorias. Asimismo, se ha observado el comportamiento de la tasa binaria
generada por el codificador, sin distinguir el modo de codificación empleado en las
imágenes.
En primer lugar se ha realizado un análisis de los dos primeros momentos
estadísticos de las variables aleatorias. Un conjunto significativo de resultados, para
diferentes valores de las ternas (Q, M, N), se muestra en la tabla 2.4.1. Se comprueba
que tanto la media como la desviación estándar de la variable aleatoria I, adoptan
valores muy próximos para los mismos pasos de cuantificación Q. En el caso de las P,
se produce un pequeño aumento conforme se incrementa el valor del número de
imágenes en un SGoP para un mismo valor de Q. Esta diferencia se acentúa para pasos
de cuantificación más reducidos, aunque, la PSNR es prácticamente constante en todos

2-21
Capítulo 2

los casos. El incremento del número de cuadros de un SGoP provoca un aumento de la

tasa binaria de las imágenes P. No obstante, este efecto queda contrarestado por la
aparición de más imágenes B cuya tasa binaria suele ser más reducida. A su vez, las
imágenes B también incrementan su tasa binaria cuando los cuadros de referencia están
más alejados. Los datos presentados en la tabla confirman que la variable aleatoria B,
efectivamente, aumenta su valor medio conforme se incrementa el valor de M. Sin
embargo, no se manifiestan variaciones importantes en su desviación típica y en la
PSNR. El tráfico conjunto presenta pequeñas variaciones en media y desviación
estándar para los mismos valores de Q, salvo para los casos donde se emplea un número
de imágenes en el GoP inferior a 3. En estos casos el valor medio es muy superior y la
desviación típica es inferior, dado que, sólo se emplean uno o dos modos de
codificación.
La relación temporal entre la tasa de codificación y el valor de los parámetros que
controlan el algoritmo de codificación MPEG-I se ha analizado a través de la función de
autocovarianza normalizada, o índice de autocorrelación. El índice de autocorrelación se
define de forma genérica para una variable aleatoria discreta X[n] como [KruSas95]:

E{(X[n] − E {X[n]} )}
) (X[n + k]− E{X[n]}
r[k] = (2.4.1)
Var {X[n]}

donde E{X[n]} es el valor esperado de X[n] y Var{X[n]} es la varianza de X[n]. En

este caso se asocia la información generada en un intervalo de tiempo con el valor de
X[n], siendo n el número de intervalo considerado.

I P B Total
Q M N SNR mean std dev SNR mean std dev SNR mean std dev mean std dev
6 1 1 38.9 77476.6 17738.9 77476.6 17738.9
9 1 1 37.5 57396.1 12491.3 57396.1 12491.3
20 1 1 34.7 35120.8 5945.73 35120.8 5945.
6 2 4 38.9 77490.1 17897.6 38.2 47484.7 17864.2 37.5 30520.2 12431.6 46507.6 24565.8
9 2 4 37.5 57398.3 12613 36.6 28071.6 12117.6 36.3 17989.1 7159.96 30365 19024.2
20 2 4 34.7 35124.8 6023.64 33.6 12993.2 6348.16 33.9 9970.08 3103.05 17016.2 11599.6
6 4 4 38.9 77490 17897.6 37.4 34225.2 14581.8 45049.1 24279.5
9 4 4 37.5 57398.4 12613 36.2 20366.7 8863.45 29631.2 18849.7
20 4 4 34.7 35125 6023.66 33.9 11158.3 4015.41 17154.3 11343.9
6 1 6 38.9 77391 17828.2 37.9 43622.7 17422.9 49250.8 21516.8
9 1 6 37.5 57349.1 12563.1 36.2 25014.6 11245.8 30403.6 16619
20 1 6 34.7 35106 6028.98 33.3 11038.1 5455.29 15049.4 10538.2
6 2 8 38.9 77542.8 18050.7 38.0 48828.7 18527.5 37.4 31870.7 12709.7 43941.9 21710.2
9 2 8 37.5 57430.5 12750.3 36.4 29195.2 12612.5 36.1 18845.1 7327.36 27551.7 16013.7
6 4 8 38.9 77542.6 18050.8 38.2 54064.2 19927.1 37.4 35435.9 14671.4 43033.2 21382.1
9 4 8 37.5 57430.6 12750.2 36.6 33510.9 14144.4 36.1 21222.6 8918.53 27288.9 15813.2
6 4 12 38.9 77560.4 18107.6 38.1 54690.8 19984.3 37.4 36212.7 14762.1 42742.7 20299.8
9 4 12 37.5 57455.4 12780.1 36.5 34076.4 14048.6 36.0 21754 8957.5 26786.4 14557.9
20 4 12 34.7 35150 6186.49 33.4 16643.7 7743.26 33.5 11760.4 4051.95 14525.4 8191.58
6 8 16 38.8 77738.2 18770.4 38.2 59834.1 20455.4 37.3 41008.6 16898.1 44486.6 19753.7
9 8 16 37.5 57562.5 13297.9 36.6 38485.4 14747 35.9 25036.6 10696.6 27914.8 13887.5

Tabla 2.4.1. Análisis de la media y desviación típica de

la codificación MPEG-I para diferentes ternas (Q, M, N)

2-22
 Análisis de la codificación de vídeo MPEG-I

En las figuras 2.4.1, 2.4.2 y 2.4.3 se muestran las funciones de autocovarianza para
las variables aleatorias asociadas a los bits por imagen I, P o B, considerando un
conjunto representativo de valores de las ternas (Q, M, N).
En la figura 2.4.1 se puede observar que el decaimiento de la autocovarianza es
ajustable por una función exponencial. El parámetro N indica en este caso el valor de
submuestreo respecto a la curva con N=1. Esto se manifiesta en el factor de decaimiento
exponencial, ya que, aumenta proporcionalmente con el valor de N. Las curvas de
autocorrelación de I son muy insensibles a la variación del paso de cuantificación como
muestran las ternas (Q=6, M=4, N=8) y (Q=9, M=4, N=8).

America I
1
0.9
0.8
0.7
Autocorr I frames

0.6 Q9M1N1
0.5 Q9M2N4
Q9M1N6
0.4 Q6M4N8
0.3 Q9M4N8
0.2 Q9M8N16
0.1
0
-0.1
-0.2
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
LAG

Figura 2.4.1. Indice de autocorrelación del número de bits por cuadro para el modo de
codificación intra, en función de los parámetros de codificación (Q, M, N)

Las curvas de autocovarianza de las P no muestran un ajuste exponencial en sus

primeros valores, aunque, su decaimiento se puede aproximar a partir de un decalado de
3 imágenes. En este caso, el factor de decaimiento viene relacionado con el incremento
de M y no se manifiesta una notable dependencia con el número de imágenes del GoP.
A su vez, los cuadros P mantienen su insensibilidad respecto al paso de cuantificación.
La autocovarianza de la tasa binaria de las imágenes B tampoco presenta un
decaimiento exponencial en sus primeros valores. Para valores superiores a 6, la
autocovarianza de las B se puede aproximar exponencialmente. Esta autocovarianza es
más sensible al parámetro Q, aunque, tampoco tiene una significativa dependencia con
su valor. Cuanto menor es el valor de M el decaimiento de las curvas es más rápido. El
factor de decaimiento presenta la misma dependencia con el parámetro M que el de los
cuadros P. Cuando M toma valores superiores a 4 es perceptible un rizado en la serie

2-23
Capítulo 2

temporal de las B, el cual queda reflejado en la función de autocovarianza en

oscilaciones de período M-1 cuadros. Este rizado se debe a la ineficiencia de la
codificación predictiva cuando los cuadros de referencia están muy alejados de las
imágenes B. Estos incrementos periódicos de la tasa binaria reducen sustancialmente el
rango de compresión y a su vez incrementan la distorsión, lo cual hace inapropiado el
empleo de valores de M superiores a 4.

America P
1
Q9M1N6
0.9 Q6M4N8
0.8 Q9M2N4
Q9M4N8
0.7 Q9M8N16
Autocorr P frames

0.6
0.5
0.4
0.3
0.2
0.1
0
-0.1
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
LAG

Figura 2.4.2. Indice de autocorrelación del número de bits por cuadro para el modo de
codificación predictivo, en función de los parámetros de codificación (Q, M, N)

America B
1
0.9 Q9M2N4
0.8 Q6M4N8
Q9M4N8
Autocorr B frames

0.7
Q9M8N16
0.6
0.5
0.4
0.3
0.2
0.1
0
3
6
9
12
15
18
21
24
27
30
33
36
39
42
45
48
51
54
57
60
63
66
69
72
75
78
81
84
87
90
93
96
99

LAG

Figura 2.4.3. Indice de autocorrelación del número de bits por cuadro para el modo de
codificación predictivo bidireccional,
en función de los parámetros de codificación (Q, M, N)

2-24
 Análisis de la codificación de vídeo MPEG-I

Las funciones de distribución de probabilidad de las variables aleatorias I, P y B se

han estudiado para diferentes valores de los parámetros de codificación. Todos los
histogramas obtenidos presentan las mismas características. Dependiendo del valor del
paso de cuantificación están centrados sobre los valores medios mostrados en la tabla
2.4.1. En todos los casos, los histogramas I, P y B presentan forma de campana cuya
anchura se mantiene bastante constante. En las figuras 2.4.4, 2.4.5, 2.4.6 y 2.4.7 se
presentan los histogramas correspondientes a la codificación de la secuencia "Live in
Central Park" para la terna (Q = 9, M = 2, N = 4).

30

25

20
Frequency

15

10

0
102500
107500
112500
117500
22500
27500
32500
37500
42500
47500
52500
57500
62500
67500
72500
77500
82500
87500
92500
97500

Figura 2.4.4. Histograma del modo I para la codificación (Q=9, M=2, N=4 ) de la
secuencia "Live in Central Park"

25

20

15
Frequency

10

0
2500
7500
12500
17500
22500
27500
32500
37500
42500
47500
52500
57500
62500
67500
72500
77500

Figura 2.4.5. Histograma del modo P para la codificación (Q=9, M=2, N=4) de la
secuencia "Live in Central Park"

2-25
Capítulo 2

El histograma de los cuadros I se relaciona con la probabilidad de la complejidad de

las imágenes de la secuencia. Para esta secuencia, compuesta por escenas variadas, se
observa que la función de distribución de probabilidad se corresponde aproximadamente
con una distribución binomial. Los histogramas de las series temporales de los modos P
y B se ajustan mejor a una distribución gamma, puesto que disponen de una larga cola
de valores altos. El histograma conjunto se presenta en la figura 2.4.7 mostrando dos
máximos relativos, uno correspondiente a la agregación de las variables aleatorias P y B,
y el otro a la variable aleatoria asociada a la generación de los cuadros I. Obviamente, la
distribución conjunta no será ajustable con una distribución de probabilidad simple.

40

30
Frequency

20

10

0
5000

10000

15000

20000

25000

30000

35000

40000

45000

50000

55000

60000

65000

Figura 2.4.6. Histograma del modo B para la codificación (Q=9, M=2, N=4 ) de la
secuencia "Live in Central Park"

25

20

15
Frequency

10

0
5000

100000
105000
110000
10000
15000
20000
25000
30000
35000
40000
45000
50000
55000
60000
65000
70000
75000
80000
85000
90000
95000

Figura 2.4.7. Histograma de la tasa binaria para la codificación (Q=9, M=2, N=4) de
la secuencia "Live in Central Park"

2-26
 Análisis de la codificación de vídeo MPEG-I

2.5. Estudio de los modos de funcionamiento del algoritmo MPEG-I

Los codificadores de vídeo admiten dos modos de funcionamiento: el modo CBR

(Constant Bit Rate) y el modo VBR (Variable Bit Rate). En modo de funcionamiento
CBR regula el proceso de codificación para obtener una tasa de generación constante en
el enlace de entrada a la red. Para ello, se debe intercalar un buffer entre el flujo de bits
generado en el proceso de codificación y el canal de transmisión. El propósito del buffer
es absorber los cambios intrínsecos de la tasa binaria generada en el proceso de
codificación y monitorizar el nivel de actividad de la escena, según el cual, se ejerce una
regulación sobre la tasa media generada, lo cual incide directamente en la calidad de la
imagen. En la especificación del algoritmo de codificación MPEG-I se ilustra la gestión
del buffer y los parámetros de regulación del algoritmo que permiten controlar su nivel
de ocupación.
Los codificadores se pueden configurar también en el modo de funcionamiento de
velocidad variable. La ventaja que ofrece el modo VBR respecto al modo CBR es que
permite mantener una calidad objetiva o subjetiva semiconstante. En modo VBR, se
inyecta directamente el flujo de bits generados en la codificación sobre el canal de
comunicaciones. La tasa generada en modo VBR variará, dependiendo de la
complejidad y actividad de la escena. Las fluctuaciones de la tasa binaria deberán ser
soportadas por el sistema de comunicación empleado.
En este trabajo se han desarrollado cinco tipos de codificación de tasa variable
para ser posteriormente analizados y comparados junto con el modo de funcionamiento
CBR. Estos tipos de funcionamiento se han denominado:

i) Codificación VBR Q constante (Q_Fix). Este esquema de funcionamiento mantiene

fijo el paso de cuantificación en la codificación, de forma que, se obtenga una calidad
subjetiva semiconstante a lo largo de la codificación.
ii) Codificación VBR Q constante con distribución intra (Dist_I). Es una técnica de
funcionamiento cuya operación se basa en el modo Q_Fix pero realizando una
distribución de la codificación intra de un GoP en los macrobloques de los cuadros P del
GoP. Como ventaja presenta una reducción de la tasa binaria máxima entregada a la red
y la facilidad del suavizado del tráfico generado por el codificador.
iii) Codificación VBR con objetivo PSNR y control por tira (SL_PSNR). Los
esquemas de funcionamiento con objetivo PSNR realizan una corrección del paso de
cuantificación en una unidad estructural de la codificación a fin de mantener el valor de
la PSNR en un nivel fijado a priori. En este caso se realiza un ajuste del paso de
cuantificación en cada tira a partir de la experiencia obtenida en la codificación de las
tiras precedentes del mismo cuadro.
2-27
Capítulo 2

iv) Codificación VBR con objetivo PSNR y control por macrobloque (MB_PSNR).
Este esquema de funcionamiento con objetivo PSNR ejerce la corrección del paso de
cuantificación sobre los macrobloques del cuadro a partir del resultado obtenido en
macrobloques situados en la misma posición espacial de cuadros precedentes.
v) Codificación VBR con objetivo PSNR y control híbrido espacio-temporal por
macrobloque (MB_ST_PSNR). Para conjugar las ventajas de la regulación espacial y
temporal se ha propuesto un mecanismo de funcionamiento híbrido entre el SL_PSNR y
el MB_PSNR. Este modo aplica una corrección del paso de cuantificación sobre los
macrobloques del cuadro en función de los valores obtenidos de PSNR en el
macrobloque de igual posición espacial del cuadro precedente y de los macrobloques
codificados anteriormente del mismo cuadro con posiciones adyacentes.

2.5.1 Modo de funcionamiento CBR

La ventaja de este modo de funcionamiento del codificador es la simplicidad

presentada en la ubicación de recursos requeridos en el sistema de transmisión, puesto
que, el ancho de banda necesario es constante. Obviamente, este es el único modo de
funcionamiento que se adecúa para la transmisión de vídeo en redes de conmutación de
circuitos, como la RDSI, donde el ancho de banda asignado para los servicios con
requerimientos temporales es fijo. El modo de funcionamiento CBR presenta como
desventajas: la introducción de un retardo adicional en la transmisión, debido al tiempo
de almacenamiento en el buffer y la alta variabilidad de la calidad de la imagen
decodificada cuando la secuencia presenta diferentes niveles de complejidad y actividad.
En el presente estudio se ha empleado un mecanismo de regulación de tasa generada
semejante al presentado en [Wan94], aunque, éste se proponía para un codificador
DPCM/DCT. En este caso, el control se ha ejercido sobre el paso de cuantificación de
las tiras horizontales de las imágenes, en función del nivel de ocupación del buffer,
fijándose los parámetros de codificación en M=2 y N=6.
La estrategia utilizada se basa en considerar el número de bits empleados en la
codificación del anterior GoP para ajustar los que se deben generar en el actual GoP.
Los valores correspondientes para las imágenes I, P y B se denominan valores objetivos
de codificación de la tira. Para determinar el paso de cuantificación a emplear en cada
tira se habilita un contador que se interpreta como buffer virtual cuya capacidad, o valor
máximo que puede alcanzar, es igual a la capacidad del buffer insertado en el
codificador. Este buffer virtual se intenta mantener a 1/4 de su capacidad. El buffer
virtual se incrementa o decrementa después de cada tira codificada en la cantidad
diferencial entre los bits generados y el objetivo fijado. Dependiendo del valor del
contador, se modifica el paso de cuantificación de la siguiente tira de la imagen.

2-28
 Análisis de la codificación de vídeo MPEG-I

Para mantener el buffer virtual a un 1/4 de su capacidad, la regulación se ha diseñado

de forma que el paso de cuantificación se corresponda con el valor esperado de la tasa
generada en la codificación. Para ello, se han utilizado los resultados de la sección
anterior que relacionaban la tasa media binaria con el paso de cuantificación. Así, la
relación obtenida entre la tasa media binaria (v) y el paso de cuantificación (Q) queda
expresada por la ecuación:

6
4. 2 10
v = 0.774 (bps )
Q (2.5.1)

aproximada por la relación:

6
4. 2 10
v ≈ (bps ) (2.5.2)
Q

finalmente, para corregir esta aproximación se ha ajustado la relación, obteniendo:

6
6 10
Q≈ (2.5.3)
v

Se puede comprobar la bondad del ajuste en la tabla 2.5.1

v (Kbps) Q fijado Q estimado

2034 4 3.95
1114 6 6.38
709 9 9.46
385 20 16.58

Tabla 2.5.1. Bondad del ajuste de la aproximación del paso de cuantificación

como función de la tasa binaria de generación

Nótese también que, la variabilidad del paso de cuantificación dependerá del tamaño
del buffer empleado, dado que los valores que puede tomar el cuantificador dependen
del tanto por ciento de ocupación del buffer. Si denominamos Bvirt al nivel de
ocupación del buffer virtual y Bmax al tamaño del buffer, la relación entre el valor de
Bvirt y el de Q queda expresada como:

4 Bvirt 
Q = 1+  Q priori 
 max
B  (2.5.4)

donde Qpriori, se obtiene de la expresión 2.5.3. Con esta relación se obliga a que el valor

2-29
Capítulo 2

máximo alcanzado por el cuantificador sea 4 veces el predeterminado, lo cual, es una

sustancial reducción de la tasa binaria. A su vez, se consigue minimizar la variabilidad
del cuantificador. Para iniciar el proceso, se han deducido unos valores objetivo tI, tP y
tB para la codificación de las tiras I, P y B respectivamente. El valor de tI se ha obtenido
heurísticamente y los valores de tP y tB se han prefijado a partir de la relación,
recomendada por el estándar de codificación de vídeo MPEG_I, entre las tasas de
codificación de los distintos modos de codificación. Estos valores iniciales quedan
expresados como:

 n º bloques del cuadro 

t I = 4000  + 700
 396 
tI
tP =
3
tI
tB =
5 (2.5.5)

Obsérvese que se ha tenido en cuenta la resolución de la imagen, y se han considerado

para una secuencia de 25 cuadros por segundo.

2.5.2 Modo de funcionamiento VBR Q_Fix

Este es el mecanismo de funcionamiento de la codificación MPEG-I más simple. El

parámetro Q se fija a un valor constante a lo largo de toda la secuencia, con lo que, la
tasa variable generada por el codificador depende únicamente de la complejidad y
actividad de las escenas. En otros trabajos [GilRos95], se ha denominado a este modo
de funcionamiento codificación con calidad quasi-constante, ya que la valoración
objetiva de la calidad, a través de la PSNR, sufre pequeñas fluctuaciones. En cuanto a
los parámetros de codificación, N y M, se han fijado en N=6 y M=2, según las
conclusiones obtenidas en la sección 2.3.

2.5.3 Modo de funcionamiento VBR Dist_I

El modo de funcionamiento Dist_I es prácticamente igual al modo Q_Fix, salvo que,

la codificación intra se ha distribuido sobre las imágenes de un GoP. Este mecanismo de
funcionamiento fue propuesto en el trabajo [KawChe93]. En este esquema no se fija el
modo de codificación intra en ninguna de las imágenes del GoP, así, el cuadro que
debería tratarse en modo intra se codifica en modo P. La distribución del modo intra se
realiza sobre todas las imágenes P, de forma que, un número de macrobloques,
alineados verticalmente, son forzados al modo de codificación I. La distribución vertical

2-30
 Análisis de la codificación de vídeo MPEG-I

se realiza de manera que en un GoP, todas las posibles posiciones de los macrobloques
dentro de los cuadros P sean codificadas en modo intra al menos una vez. Obviamente,
se intenta uniformizar el número de macrobloques forzados al modo intra en las
imágenes P.
Una ilustración de este mecanismo distribuido intra aparece en la figura 2.5.1. En la
configuración de parámetros N=6 y M=2, se realiza una distribución vertical en los tres
cuadros P de los macrobloques forzados intra. En el presente estudio, los cuadros tienen
una resolución de 352 x 288 pels, por lo que, la distribución vertical intra se ha
realizado en 8 macrobloques de cada tira para los primeros dos cuadros P del GoP y los
6 últimos macrobloques de cada tira de la última P. La distribución de la codificación
intra dentro del GoP se realiza verticalmente con el fin de distribuir el incremento de la
tasa binaria de la forma más uniforme posible dentro de la codificación del cuadro, o
sea, en las tiras de éste. El efecto provocado por la localización de estos macrobloques
intra, al encontrarse en posiciones horizontalmente consecutivas y en la misma situación
vertical, no es perceptible en ningún momento en la decodificación, a pesar del posible
incremento periódico de la calidad en la zona de la imagen correspondiente. Este efecto
es inapreciable al igual que no lo era el efecto de refresco del cuadro intra, cuando N
tomaba un valor reducido.

Predicción hacia adelante

N=9
M=3

I->P B B P B B P B B

Predicción hacia atrás

Tiempo

Figura 2.5.1. Esquema de codificación Intra distribuido para el modo de

funcionamiento VBR del algoritmo MPEG-I

2-31
Capítulo 2

La desventaja que presenta la distribución intra es el aumento del complejidad en la

decodificación cuando se pretende hacer una visualización rápida de la secuencia,
aunque, gracias a la actual velocidad de proceso de los circuitos especializados se podría
realizar una decodificación selectiva de los macrobloques de las imágenes P y dada la
redundancia temporal, recomponer imágenes intra con los macrobloques codificados en
este modo dentro de las P del GoP. Los resultados obtenidos serían equivalentes a la
decodificación selectiva de imágenes I del caso estándar. La ventaja de la codificación
VBR Dist_I es la reducción de la variabilidad de la tasa binaria y la reducción de la tasa
máxima generada, lo cual permite reducir la ubicación de recursos en redes que admiten
fuentes de tráfico VBR. Además, esta reestructuración del GoP también puede ser
empleada en el modo de funcionamiento CBR, aumentando la facilidad de la regulación
de la tasa binaria. Esta estrategia de codificación, aplicada sobre el modo de
funcionamiento CBR, también tendría incidencia en la reducción del retardo de
almacenamiento, puesto que podría reducir el tamaño del buffer.

2.5.4 Modo de funcionamiento VBR SL_PSNR

En los modos con objetivo PSNR se pretende mantener constante la variación de la

calidad objetiva a través del control de la codificación. La codificación VBR SL_PSNR
realiza un control semejante al elegido en el modo de funcionamiento CBR. Esta
regulación se basa en la alta correlación entre pixels correspondientes a tiras
consecutivas de un cuadro. Se aprovecha la experiencia obtenida en la tiras anteriores
para ajustar el paso de cuantificación de la tira a codificar. Así, el paso de cuantificación
Q se modifica para cada tira de la imagen, dependiendo del valor PSNR obtenido en la
anterior tira codificada. En particular, para la primera tira del cuadro, el ajuste se calcula
en función del valor medio de la PSNR resultante de la codificación del último cuadro
del mismo modo.
La curva de regulación mostrada en la figura 2.5.2 relaciona la corrección del paso de
cuantificación y el error respecto al objetivo PSNR. Esta relación se ha obtenido
heurísticamente a través de un conjunto de ensayos. La curva de regulación presenta una
zona muerta, o zona donde el regulador no modifica el valor del paso de cuantificación,
y dos zonas que relacionan la variación del paso de cuantificación y el error positivo o
negativo. Obsérvese que, para errores negativos el decremento de Q es más suave que
para valores positivos. Esta consideración está acorde con el comportamiento de la
pendiente de la curva que relacionaba la PSNR y el Q, mostrada en la figura 2.3.6. En la
figura 2.5.3 se muestra el diagrama de flujo de la codificación SL_PSNR. Obsérvese
que la función f se deriva de la curva de regulación ilustrada en la figura 2.5.2.

2-32
 Análisis de la codificación de vídeo MPEG-I

∆Q 0

-1

-2

-3

-4
-4.1

-2.6

-1.1

1.15

2.65

4.15
0.4

1.9

3.4
-3.35

-1.85

-0.35
PSNR error (dB)

Figura 2.5.2. Curva de regulación aplicada a los modos

de funcionamiento VBR con objetivo PSNR

2.5.5 Modo de funcionamiento VBR MB_PSNR

En este caso también se busca una codificación que mantenga la calidad objetiva a
través del valor del PSNR. Para la regulación se ha empleado la variación del paso de
cuantificación sobre la unidad mínima controlable, es decir, el macrobloque. A
diferencia del SL_PSNR este mecanismo de regulación se basa en la redundancia
temporal y no en la espacial. Se considera que los macrobloques con la misma posición
espacial, en diferentes cuadros próximos, tendrán una alta similitud, y por tanto, a partir
de la experiencia de la codificación de un macrobloque situado en la misma posición
espacial en una imagen previa, se puede adecuar la cuantización del actual macrobloque,
a fin de ajustar el PSNR a un valor próximo al objetivo.
Para llevar a cabo la codificación MB_PSNR es necesario estructurar las imágenes de
forma matricial teniendo como elemento el macrobloque. En este caso se ha distinguido
entre imágenes I, P y B. Para los modos de codificación I y P, separadamente, se
mantiene un control del paso de cuantificación para cada macrobloque de la imagen. El
paso de cuantificación a aplicar se determina en base al valor previo empleado y a la
PSNR obtenida anteriormente. La curva de actuación empleada es la misma que se
utiliza para el modo SL_PSNR cuya ilustración aparece en la figura 2.5.2.

2-33
Capítulo 2

Seleccionar
la codificación del
cuadro en modo X

X={ I , P, B}

PSNR0=PSNRmedio del último cuadro X

Q0 = Qmedio del último cuadro X

i=0

i=i+1

²Q i=f(PSNRi-1 -PSNRtarget )

Qi=Qi-1 +²Q i

Codificar Slice i

Actualizar el PSNR medio y

Q medio del los cuadros X

no
¿ Es el último
slice ?

sí

Figura 2.5.3. Diagrama de flujo del algoritmo del modo de funcionamiento SL_PSNR

2-34
 Análisis de la codificación de vídeo MPEG-I

A diferencia de las imágenes I o P, las imágenes B utilizan como referencia imágenes

I o P pasadas y futuras para su codificación. Esto implica que no existe una dependencia
directa entre la codificación de imágenes consecutivas B. Aunque se estudió el empleo
de la regulación en las imágenes B, de igual forma que para las I y P, los resultados
revelaron que, por el propio mecanismo de codificación predictivo bidireccional, el
macrobloque de referencia empleado en la codificación de los macrobloques de las
imágenes B, de la misma posición, variaba significativamente dependiendo de la
posición de la imagen B en el SGoP. Esto conducía, en un elevado número de ocasiones,
a una regulación inadecuada de los macrobloques B. Se observó que lo más apropiado
para la codificación de los macrobloques B era emplear un valor de cuantificación
relacionado con la imagen de referencia predecesora o una semisuma de los valores
empleados en las dos referencias posibles. Además, sobre este valor de cuantificación
deducido se comprobó que era conveniente reducir el paso de cuantificación, porque, en
general, el valor de la PSNR obtenido en los macrobloques B era siempre algo inferior
al objetivo. Con estas consideraciones, el valor de cuantificación ajustado en los
macrobloques B se obtiene de la relación 2.5.6, donde se han acotado los valores
máximos y mínimos a 4 y 20 respectivamente.

  Q + Q ref 2   
Q B = min max  4,  ref 1  − 4, 20
   2    (2.5.6)

En la figura 2.5.4 se muestra el diagrama de flujo de la codificación MB_PSNR,

donde, las funciones f y g señaladas se corresponden con la aplicación de la curva de
regulación y la expresión 2.5.6 respectivamente. Nótese que:

i) La matriz Q1(X,i) se ha empleado para el almacenamiento del paso de

cuantificación del macrobloque i-ésimo del modo X, donde X puede ser I o P.
ii) La matriz Q2(a,i) contendrá los valores de los pasos de codificación empleados en
las imágenes de referencia en las que se apoyarán los cuadros B del SGoP.
iii) Los valores de la PSNR resultantes de la codificación de los macrobloques de los
modos X se guardan en la matriz PSNR(X,i). X podrá tomar valores I o P.

La ventaja que aporta este mecanismo de codificación MB_PSNR sobre el SL_PSNR

es la uniformidad del PSNR en toda la imagen. En el MB_PSNR se intentan regular
todos los elementos controlables de la imagen para mantener su PSNR mientras que el
control por tira provoca que puedan existir macrobloques de la tira con valores
notablemente distintos de PSNR. Por el contrario, el control SL_PSNR tiene una
respuesta mucho más rápida cuando aparecen cambios de escena ya que el reajuste o
aprendizaje se ejerce en el mismo cuadro.

2-35
Capítulo 2

a=1
b=0

Elegir el modo
de codificación X

i=1

¿ X=B ?

Intercambiar (a,b)
Q=g(Q2(a,i),Q2(b,i))

Q2=f(PSNR(X,i)-PSNRtarget)

Q=Q1(X,i)+Q2
Codificar el macroblock i

Codificar el macroblock i

Elegir
Q1(X,i)=Q
PSNR(X,i)=PSNR
Q2(a,i)=Q

¿ Es el último
i=i+1
macrobloque ?

Figura 2.5.4. Diagrama de flujo del algoritmo del modo de funcionamiento MB_PSNR

2-36
 Análisis de la codificación de vídeo MPEG-I

2.5.6 Modo de funcionamiento VBR MB_ST_PSNR

El modo de funcionamiento VBR con objetivo PSNR controlado a nivel de

macrobloque y con regulación basada en el conocimiento espacio-temporal
(MB_ST_PSNR), emplea la misma regulación temporal que el MB_PSNR. Para
aumentar el tiempo de respuesta se ha considerado a su vez el resultado de la
codificación de los macrobloques adyacentes del mismo cuadro. Así, el valor de Q
utilizado en la codificación del macrobloque se obtiene a partir del calculado para el
modo MB_PSNR (QMB-SNR) y del ajustado para cada macrobloque colindante. La
corrección espacial se traduce finalmente en un valor (QMB-SP) derivado de la
ponderación de los valores corregidos de los macrobloques adyacentes. Luego, el valor
de la codificación del macrobloque en el modo de funcionamiento MB_ST_PSNR se
puede expresar como:

Q MB _ST_SNR = (1− α)Q MB− SNR + α Q MB− SP

(2.5.7)

donde α ∈ [0,1]. El valor de α determina la ponderación de la corrección espacial y de la

corrección temporal. Obviamente, si α=0 la codificación es la realizada en el modo

MB_PSNR. Para calcular el valor del término QMB-SP se debe tener en cuenta la
posición espacial del macrobloque. Cabe distinguir tres tipos de situaciones espaciales
como se ilustra en la figura 2.5.5.

A 4 B

2 3 1 2

C 4 D

1 2 3

4 E

Figura 2.5.5. Posiciones de los macrobloques y sus adyacentes previamente codificados

2-37
Capítulo 2

Se puede observar que como máximo un macrobloque podrá emplear el resultado de

la codificación de hasta cuatro macrobloques adyacentes previamente procesados. Como
caso particular, el primer macrobloque del cuadro sólo podrá emplear el valor derivado
del ajuste temporal, dado que no se dispone de ninguna experiencia espacial.
Considerando un caso genérico, podemos expresar:

QMB − SP = α1Q1 + α 2Q 2 + α 3Q 3 + α 4 Q 4 (2.5.8)

donde los Qi, con i ∈ [

1,4], son los valores resultantes del ajuste del paso de

cuantificación utilizado en la codificación de los macrobloques adyacentes. Asimismo,

se ha ponderado cada uno de estos valores en función de la posición del macrobloque a
codificar. En la tabla 2.5.2 se muestran los valores de α y αi para cada uno de los cinco
casos.

Posición del
Macrobloque α α1 α2 α3 α4
A 0 - - - -
B 0.4 0 0 0 1
C 0.4 - 0.6 0.4 -
D 0.4 0.2 0.4 - 0.4
E 0.4 0.2 0.3 0.3 0.2

Tabla 2.5.2. Factores de ponderación de la codificación MB_ST_PSNR

2.5.7 Comparación de los modos de funcionamiento de la codificación MPEG-I

Con la aparición de las redes ATM se han intensificado los estudios sobre las ventajas
que ofrecía la transmisión VBR frente a la CBR y las dificultades que surgen en la
gestión y ubicación de una tasa binaria variable [COST211] [TanOku92]. En este
trabajo se realiza un análisis comparativo de los mecanismos de funcionamiento del
MPEG-I, propuestos en las sección anterior, a partir de una secuencia de más de 25
minutos de duración extraída del último tramo de la película "Jurasic Park". Esta
secuencia se caracteriza por disponer de escenas muy variadas, resultando muy adecuada
para el análisis de los diferentes modos de funcionamiento.
Los tres parámetros estudiados en el análisis han sido:

i) El factor de cuantificación (Q).

ii) La relación señal a ruido (PSNR).
iii) La tasa binaria.

2-38
 Análisis de la codificación de vídeo MPEG-I

Los resultados se han presentado gráficamente, mostrando los valores medios

resultantes de la tasa binaria, el paso de cuantificación y la PSNR. Los valores medios
obtenidos se han calculado, o bien por cuadro, o bien por GoP, en función del nivel de
detalle que se pretendiera analizar. La presentación por GoP se ha adoptado cuando el
interés del estudio se centraba más en la evolución temporal de la codificación de
diferentes tipos de escena, mientras que la elección del análisis por cuadro se ha
efectuado cuando se pretendía observar el comportamiento de las codificaciones por
tipos de escena o en las transiciones entre éstas.
En primer lugar se presenta en la figura 2.5.6 una serie temporal del PSNR y en la
figura 2.5.7 una serie temporal de la tasa binaria de los modos CBR, Dist_I y Q_Fix.
Cabe resaltar que la tasa binaria mostrada para el modo de funcionamiento CBR no es
fija ya que se ilustra la tasa binaria media generada en el GoP lo cual aporta información
sobre la intervención que realiza el mecanismo de regulación. En estas gráficas se puede
observar que los modos de funcionamiento Q_Fix y Dist_I presentan prácticamente los
mismos valores de tasa binaria y PSNR para todos los GoP de la secuencia. Es decir, el
comportamiento es equivalente en ambos modos de funcionamiento. Como contraste, el
modo de funcionamiento CBR mantiene la tasa binaria entre cotas muy próximas
asegurando un nivel medio constante a corto plazo. Esta regulación provoca diferencias
proporcionales de hasta 4 entre la tasa binaria Q_Fix y la tasa binaria CBR. La PSNR en
el Q_Fix se mantiene centrada casi en el mismo valor que la del CBR pero sus valores
permanecen mucho más acotados que en el CBR. Obsérvese que, cuando el modo
Q_Fix emplea muchos más bits en los GoP que el modo CBR, éste reduce
sustancialmente su PSNR. Por el contrario, cuando la tasa binaria del modo Q_Fix es
inferior a la del modo CBR existe un aumento del PSNR respecto al PSNR del Q_Fix.
En las figuras 2.5.8 y 2.5.9 se ilustra el comportamiento de la tasa binaria y el PSNR
para los modos de funcionamiento Q_Fix, SL_PSNR, MB_PSNR y MB_ST_PSNR. Se
observa que, dependiendo de la actividad de la escena la tasa binaria, puede
incrementarse proporcionalmente en un factor 2 en los modos SL_PSNR, MB_PSNR y
MB_ST_PSNR respecto al modo Q_Fix. Los niveles alcanzados por el modo SL_PSNR
llegan a ser superiores. Esto es debido a que la regulación del modo de funcionamiento
SL_PSNR permite mantener mucho más constante la PSNR que en el modo MB_PSNR
aunque este mantiene mucho más acotado los valores de PSNR que el Q_Fix. A través
de las series temporales de PSNR se muestra que en los cambios de escena, o escenas
con mucha actividad, el modo SL_PSNR reacciona mucho más rápido en la corrección
del PSNR que el modo MB_PSNR, efecto que se corresponde con la propia naturaleza
del mecanismo de regulación en cada caso. El modo MB_ST_PSNR se comporta de
forma muy similar al MB_PSNR aunque se observa su mejora en el tiempo de
respuesta, aproximándose al comportamiento del SL_PSNR.
Para realizar una comparación más exhaustiva de los modos de funcionamiento se

2-39
Capítulo 2

han analizado dos partes de esta secuencia correspondientes a los intervalos de GoP
(800,1300) y (2000,2250). Las figuras 2.5.10 y 2.5.11 muestran los valores de tasa
binaria, PSNR y Q para cada modo de funcionamiento en cada intervalo especificado.
En las gráficas se aprecia con mayor detalle el mantenimiento del PSNR por parte de los
modos SL_PSNR, MB_PSNR y MB_ST_PSNR, con una mayor respuesta temporal del
primero. El coste de esta regulación de calidad objetiva es el incremento de la tasa
binaria respecto a los otros modos de funcionamiento. Los modos de funcionamiento
Q_Fix y Dist_I mantienen valores prácticamente idénticos ofreciendo tasas binarias más
reducidas y la PSNR acotada en torno del valor central. El modo CBR presenta
variaciones de calidad inaceptables en escenas de alta complejidad o movimiento.
Un análisis más pormenorizado de los modos de funcionamiento, observando cada
modo de codificación, se presenta para las imágenes correspondientes a los intervalos de
GoP (2020,2050) y (2140,2180). En las figuras 2.5.12 a 2.5.21 se muestran los
resultados comparativos de la tasa binaria, el PSNR y el paso de cuantificación para
cada modo de funcionamiento respecto al Q_Fix.
A través de las figuras 2.5.12 y 2.5.13 se observa que la codificación Q_Fix presenta
mayor diferencia en los valores de PSNR obtenidos para cada modo de codificación que
en la CBR. Queda patente que las imágenes B tienen un nivel de calidad inferior a las I y
P y que la regulación en el modo CBR solventa parcialmente esta diferencia. Las
variaciones del PSNR del modo de funcionamiento CBR son mucho más amplias que en
el modo Q_Fix. La tasa binaria en el modo CBR se mantiene en valores muy próximos
mientras que en Q_Fix varía según el grado de complejidad de las imágenes.
En las figuras 2.5.14 y 2.5.15 se puede observar que el comportamiento de los modos
Q_Fix y Dist_I son prácticamente iguales. La ausencia de imágenes completamente
codificadas en modo I en el caso Dist_I provoca que, en el mismo GoP, sólo existan
dos tipos de tasas, unas correspondientes a las P, superiores a las P del Q_Fix dado que
incorporan un alto número de macrobloques en modo intra, y las B que son
prácticamente iguales a las del Q_Fix.
La evolución del modo de funcionamiento SL_PSNR se muestra en las figuras 2.5.16
y 2.5.17. En este caso se observa que el valor de PSNR es muy estable y la regulación de
cambios de escena se produce en el tiempo de un GoP. A su vez, la variabilidad del
PSNR en un GoP aumenta cuando la complejidad de la imágenes se incrementa. Se
comprueba que la tasa binaria aumenta sustancialmente respecto al modo Q_Fix cuando
la PSNR del Q_Fix se reduce unos pocos decibelios respecto al valor central. De esto se
desprende que, el mecanismo SL_PSNR es excesivamente activo, dado que pequeños
aumentos en la complejidad de la imagen incrementan sustancialmente la tasa binaria.
La comparación entre el modo de funcionamiento MB_PSNR y el Q_Fix puede ser
observada en las figuras 2.5.18 y 2.5.19 los niveles de PSNR en las imágenes B del
modo MB_PSNR respecto a los niveles de I son inferiores a los obtenidos en le modo

2-40
 Análisis de la codificación de vídeo MPEG-I

Q_Fix. Esto se debe a que el paso de cuantificación, cuando se hace un ajuste a nivel de
macrobloque, debe ser bastante más fino que el de las referencias. Este efecto
contribuye sustancialmente a la PSNR de las imágenes B. Como implicación
observamos que la tasa binaria se reduce frente al modo Q_Fix en las imágenes B, a
pesar del incremento de señalización que implica la variación continuada del paso de
cuantificación en cada macrobloque. En cuanto a los cambios de escena del modo de
funcionamiento MB_PSNR, observamos que tiene un tiempo de respuesta para la
regulación del PSNR del orden de 4 GoPs.
Finalmente, el comportamiento del modo de funcionamiento MB_ST_PSNR se
ilustra en las figuras 2.5.20 y 2.5.21. Este modo de funcionamiento presenta menos
diferencia en la PSNR de los modos de codificación, respecto al Q_FIX, que el modo
MB_PSNR. A su vez, también se reduce considerablemente el tiempo de respuesta en
los cambios de escena. Como notable mejora respecto al modo SL_PSNR, se observa
que no se introduce una corrección excesiva cuando aumenta moderadamente el nivel de
complejidad de la escena, por lo que no se alcanzan niveles tan elevados de la tasa
binaria.
En la tabla 2.5.4 se muestran los valores medios y la desviación estándar de la tasa
binaria, PSNR y Q para los distintos modos de funcionamiento. Cabe resaltar que,
aunque todos muestran un valor central de PSNR próximo, su variabilidad es muy
diferente. A su vez, el decremento de la varianza del PSNR tiene un coste importante en
la tasa binaria generada.

Bit Rate (bits per frame) PSNR (dB) Quantizer Step

mean std deviation mean std deviation mean std deviation
CBR 39832 18136 38.42 3.22 6.23 2.8
Q_Fix 39844 27955 38.65 2.2 6 0
Dist_I 40455 26458 38.56 2.1 6 0
SL_PSNR 64597 58971 38.78 0.91 8.1 6.5
MB_PSNR 51526 45679 38.46 1.82 10.4 6.27
MB_ST 59538 43855 38.72 1.55 10.58 5.5

Tabla 2.5.4. Resultados estadísticos de los parámetros del algoritmo MPEG-I en la

codificación de la secuencia "Jurasic Park" para los distintos modos de funcionamiento
del codificador de vídeo

Si bien el estudio cuantitativo de los modos de funcionamiento puede contribuir a la

comprensión del comportamiento de la codificación en función de las técnicas
regulación aplicadas, es importante, asimismo, el análisis subjetivo de las codificaciones
resultantes. Se ha llevado a cabo un detenido examen subjetivo de las secuencias
codificadas con los distintos modos de funcionamiento. Como resultado se ha observado
que:

2-41
Capítulo 2

i) El tiempo necesario para la percepción de un cambio de escena es superior a 2

segundos.
ii) En escenas de gran actividad la percepción de la calidad es más reducida y, por
tanto, los desniveles de la PSNR dentro de la imagen pasan desapercibidos.
iii) No existe una correspondencia directa entre nivel de PSNR y calidad subjetiva.
Así, se pueden dar casos donde escenas con un valor medio superior de PSNR resulten
menos nítidas que otras con menor PSNR. Asimismo, la cuantificación PSNR es más
orientativa respecto al nivel subjetivo cuanto mayor sea la resolución de la imagen.
En el examen de las secuencias resultantes de los modos de funcionamiento
propuestos se revela que:

i) El modo de funcionamiento CBR presenta notables diferencias en la calidad de la

imagen, mientras que en el resto de modos de funcionamiento casi no son perceptibles.
Además, no existe una correspondencia entre el nivel de PSNR y la calidad subjetiva de
la secuencia.
ii) En ninguno de los modos de funcionamiento son detectables las diferencias de
calidad introducidas por los modos de codificación. Esto se debe al carácter integrativo
del sistema visual humano y a la adecuada elección de parámetros N y M planteada en
este capítulo.
iii) El tiempo de respuesta en todos los modos de funcionamiento con objetivo PSNR
es adecuado y, para escenas de gran actividad, puede resultar contraproducente que sea
excesivamente rápido. Esto se traduce en regulaciones erróneas cuando los objetos se
desplazan rápidamente, cambiando bruscamente su posición dentro de la imagen.

Como resultado del análisis subjetivo concluimos que se puede considerar válido el
modo de funcionamiento Q_FIX para la obtención de una calidad subjetiva
semiconstante. Aunque, para homogeneizar la calidad en toda la imagen sería más
adecuado el empleo de una regulación temporal. En cualquiera de los dos casos sería
aconsejable una regulación del paso de cuantificación. Teniendo en cuenta la percepción
visual humana y los errores de corrección producidos en las escenas de gran actividad,
la regulación debería tener una respuesta temporal muy suave. Asimismo, en la
regulación temporal se debe asegurar que el paso de cuantificación aplicado sobre
posiciones espaciales cercanas no debe presentar grandes diferencias. La regulación
espacial sólo es adecuada para el ajuste de la tasa binaria generada, es decir para el
modo de funcionamiento CBR. El modo DIST_I presenta buenas cualidades para la
transmisión, control de tasa binaria y predicción de la tasa binaria por cuadro. Para
algunas aplicaciones es más adecuado el modo DIST_I, puesto que, este modo
proporciona los mismos resultados que el Q_FIX.

2-42
 Análisis de la codificación de vídeo MPEG-I

2200

2100

2000

1900

1800

1700
JURASIC PARK

GOP number
1600

1500

1400

1300
SNR DIST_I

SNR Q_FIX
SNR CBR

1200

1100

1000
45
44
43
42

41
40
39
38
37

36
35
34
33
32

31
30
29
28

PSNR

Figura 2.5.6. Comparación del PSNR de los modos de funcionamiento CBR, DIST_I y
Q_FIX

2-43
 JURASIC PARK
Capítulo 2

140000

130000

Bits CBR
120000

110000 Bits DIST_I

100000 Bits Q_FIX

90000

80000

70000

2-44
60000

DIST_I y Q_FIX
Average Bits per Frame
50000

40000

30000

20000

10000

1000
1100
1200
1300
1400
1500
1600
1700
1800
1900
2000
2100
2200

GOP number

Figura 2.5.7. Comparación de la tasa binaria de los modos de funcionamiento CBR,

 Análisis de la codificación de vídeo MPEG-I

2200

2100

2000

1900

1800

1700
JURASIC PARK

GOP number
1600

1500

1400

1300
SNR MB_SNR

SNR SL_SNR

SNR MB_ST
SNR Q_Fix

1200

1100

1000
45

44

43

42

41

40

39

38

37

36

35

34

33

32

31

30

PSNR

Figura 2.5.8. Comparación del PSNR de los modos de funcionamiento SL_PSNR,

MB_PSNR, MB_ST_PSNR y Q_FIX

2-45
 JURASI C PARK
Capítulo 2

280000
270000
260000 Bits Q_Fix
250000
240000 Bits SL_SNR
230000
220000 Bits MB_SNR
210000
200000
Bits MB_ST
190000
180000
170000
160000
150000
140000
130000
120000

2-46
110000
100000
90000

Average Bits per Frame

80000
70000
60000
50000
40000
30000

SL_PSNR, MB_PSNR, MB_ST_PSNR y Q_FIX

20000
10000
0

1000
1100
1200
1300
1400
1500
1600
1700
1800
1900
2000
2100
2200

GOP number

Figura 2.5.9. Comparación del la tasa binaria de los modos de funcionamiento

 2-47
de la codificación MPEG-I en el intervalo de GoPs (800, 1300)
Figura 2.5.10. Comparación de los modos de funcionamiento
Bits
Quantizer Step PSNR
100000
125000
150000
175000
200000

25000
50000
75000
33
34
35
36
37
38
39
40
41
42
43
44

12
14
16
18
20
22
24
26
28
30
32

2
4
6
108

820 820 820

840 840 840
860 860 860
880 880 880
900 900 900
920 920 920
940 940 940
960 960 960
980 980 980
1000 1000 1000
1020 1020 1020
1040 1040 1040
1060 1060 1060

GOP numaber
1080 1080 1080
JURASIC PARK

1100 1100 1100

1120 1120 1120
1140 1140 1140
1160 1160 1160
1180 1180 1180
1200 1200 1200
1220 1220 1220
1240 1240 1240
1260 1260 1260
1280 1280 1280
1300 1300 1300

Q CBR
Bits CBR
SNR CBR

Q Q_FIX
Q DIST_I
Bits Q_FIX

Q MB_ST
Bits DIST_I
SNR Q_FIX

Bits MB_ST
SNR DIST_I

Q SL_SNR
SNR MB_ST

Bits SL_SNR

Q MB_SNR
SNR SL_SNR

Bits MB_SNR
SNR MB_SNR
Análisis de la codificación de vídeo MPEG-I
 2-48
de la codificación MPEG-I en el intervalo de GoPs (2000, 2250)
Figura 2.5.11. Comparación de los modos de funcionamiento
Bits
Quantizer Step PSNR
25000
50000
75000
100000
125000
150000
175000
200000
225000

42
6
8
10
12
14
16
18
20
22
24
26
28
30
32
30
32
34
36
38
40
42
44

2000 2000 2000

2010 2010 2010
2020 2020 2020
2030 2030 2030
2040 2040 2040
2050 2050 2050
2060 2060 2060
2070 2070 2070
2080 2080 2080
2090 2090 2090
2100 2100 2100
2110 2110 2110
2120 2120 2120
2130 2130 2130

GOP numaber
JURASI C PARK

2140 2140 2140

2150 2150 2150
2160 2160 2160
2170 2170 2170
2180 2180 2180
2190 2190 2190
2200 2200 2200
2210 2210 2210
2220 2220 2220
2230 2230 2230
2240 2240 2240
2250 2250 2250

Q CBR
SNR CBR

Bits CBR

Q Q_FIX
Q DIST_I

Q MB_ST
Bits Q_FIX
SNR Q_FIX

Bits DIST_I
SNR DIST_I

Q SL_SNR
Bits MB_ST
SNR MB_ST

Q MB_SNR
Bits SL_SNR
SNR SL_SNR
SNR MB_SNR

Bits MB_SNR
Capítulo 2
 Análisis de la codificación de vídeo MPEG-I

JURASIC PARK
45

SNR Q_FIX & CBR 40

35
SNR Q_FIX
30
SNR CBR

25
12120

12130

12140

12150

12160
12170

12180

12190

12200

12210

12220

12230

12240

12250

12260

12270

12280

12290

12300
Frame Number

JURASIC PARK
150000

125000 Bits Q_FIX

Bits Q_FIX & CBR

100000 Bits CBR

75000

50000

25000

0
12120

12130

12140

12150

12160

12170

12180

12190

12200

12210

12220

12230

12240

12250

12260

12270

12280

12290

12300
Frame Number

JURASIC PARK
15
Q Q_FIX
12.5
Q Q_FIX & CBR

Q CBR
10

7.5

2.5
12120

12130

12140

12150

12160

12170

12180

12190

12200

12210

12220

12230

12240

12250

12260

12270

12280

12290

12300

Frame Number

Figura 2.5.12. Comparación a nivel de cuadro de los modos de funcionamiento Q_FIX

y CBR para las imágenes comprendidas en el intervalo (12120, 12300)

2-49
 Bits Q_FIX & CBR
SNR Q_FIX & CBR
Q Q_FIX & CBR
Capítulo 2

100000
150000
200000

50000

10
15
20
25
30
35
40
45

0
5
12840 12840 12840
12850 12850 12850
12860 12860 12860
12870 12870 12870
12880 12880 12880
12890 12890 12890

Q CBR
Q Q_FIX
12900 12900 12900
SNR CBR
SNR Q_FIX

12910 12910 12910

12920 12920 12920
12930 12930 12930
12940 12940 12940

2-50
12950 12950 12950
12960 12960 12960

Frame Number
Frame Number
Frame Number
JURASIC PARK

JURASIC PARK

12970 12970 12970

JURASIC PARK
12980 12980 12980
12990 12990 12990
13000 13000 13000
13010 13010 13010
13020 13020 13020
13030 13030 13030
13040 13040 13040
13050

y CBR para las imágenes comprendidas en el intervalo (12840, 13070)

13050 13050
13060 13060
Bits CBR

13060
Bits Q_FIX

13070 13070 13070

Figura 2.5.13. Comparación a nivel de cuadro de los modos de funcionamiento Q_FIX

 Análisis de la codificación de vídeo MPEG-I

JURASIC PARK
42.5

SNR Q_FIX & DIST_I 40

37.5

35 SNR Q_FIX

32.5 SNR Dist_I

30
12120

12130

12140

12150

12160

12170

12180

12190

12200

12210

12220

12230

12240

12250

12260

12270

12280

12290

12300
Frame Number

JURASIC PARK
150000

125000 Bits Q_FIX

Bits Q_FIX & DIST_I

100000 Bits Dist_I

75000

50000

25000

0
12120

12130

12140

12150

12160

12170

12180

12190

12200

12210

12220

12230

12240

12250

12260

12270

12280

12290

12300
Frame Number

JURASIC PARK
7
Q Q_FIX
Q Q_FIX & DIST_I

Q Dist_I

5
12120

12130

12140

12150

12160

12170

12180

12190

12200

12210

12220

12230

12240

12250

12260

12270

12280

12290

12300

Frame Number

Figura 2.5.14. Comparación a nivel de cuadro de los modos de funcionamiento Q_FIX

y DIST_I para las imágenes comprendidas en el intervalo (12120, 12300)

2-51
 Bits Q_FIX & DIST_I
SNR Q_FIX & DIST_I
Q Q_FIX & DIST_I
Capítulo 2

100000
150000
200000

50000
32.5
37.5
42.5

35
40

5
6
7
0
12840 12840 12840
12850 12850 12850
12860 12860 12860
12870 12870 12870
12880 12880 12880
12890 12890 12890
12900 12900 12900
SNR Dist_I
SNR Q_FIX

12910 12910 12910

12920 12920 12920

Q Dist_I
Q Q_FIX
12930 12930 12930
12940

2-52
12940 12940
12950 12950 12950
12960 12960 12960

Frame Number
Frame Number
Frame Number
JURASIC PARK

JURASIC PARK

12970 12970 12970

JURASIC PARK
12980 12980 12980
12990 12990 12990
13000 13000 13000
13010 13010 13010
13020 13020 13020
13030 13030 13030
13040 13040 13040
13050 13050 13050

y DIST_I para las imágenes comprendidas en el intervalo (12840, 13070)

13060 13060 13060
Bits Dist_I
Bits Q_FIX

13070 13070 13070

Figura 2.5.15. Comparación a nivel de cuadro de los modos de funcionamiento Q_FIX

 Análisis de la codificación de vídeo MPEG-I

JURASIC PARK
42.5

SNR Q_FIX & SL_SNR 40

37.5

35 SNR Q_FIX

32.5 SNR SL_SNR

30
12120

12130

12140

12150

12160

12170

12180

12190

12200

12210

12220

12230

12240

12250

12260

12270

12280

12290

12300
Frame Number

JURASIC PARK
250000
225000
Bits Q_FIX
200000
Bits Q_FIX & SL_SNR

175000
Bits SL_SNR
150000
125000
100000
75000
50000
25000
0
12120

12130

12140

12150

12160

12170

12180

12190

12200

12210

12220

12230

12240

12250

12260

12270

12280

12290

12300
Frame Number

JURASIC PARK
12
Q Q_FIX & SL_SNR

10 Q Q_FIX

8 Q SL_SNR

2
12120

12130

12140

12150

12160

12170

12180

12190

12200

12210

12220

12230

12240

12250

12260

12270

12280

12290

12300

Frame Number

Figura 2.5.16. Comparación a nivel de cuadro de los modos de funcionamiento Q_FIX

y SL_PSNR para las imágenes comprendidas en el intervalo (12120, 12300)

2-53
 Bits Q_FIX & SL_SNR
SNR Q_FIX & SL_SNR
Capítulo 2

Q Q_FIX & SL_SNR

100000
150000
200000
250000
300000

50000
32.5
37.5
42.5

10
15
20
0

0
5
35
40

12840 12840 12840

12850 12850 12850
12860 12860 12860
12870 12870 12870
12880 12880 12880
12890 12890 12890
12900 12900 12900
SNR Q_FIX

12910 12910
SNR SL_SNR

12910
12920 12920 12920

Q Q_FIX

Q SL_SNR
12930 12930 12930
12940 12940 12940

2-54
12950 12950 12950
12960 12960 12960

Frame Number

Frame Number
Frame Number
JURASIC PARK

JURASIC PARK

12970 12970 12970

JURASIC PARK
12980 12980 12980
12990 12990 12990
13000 13000 13000
13010 13010 13010
13020 13020 13020
13030 13030 13030
13040 13040 13040
13050 13050 13050

y SL_PSNR para las imágenes comprendidas en el intervalo (12840, 13070)

13060 13060 13060
Bits Q_FIX

13070 13070 13070

Bits SL_SNR

Figura 2.5.17. Comparación a nivel de cuadro de los modos de funcionamiento Q_FIX

 Análisis de la codificación de vídeo MPEG-I

JURASIC PARK
42.5

SNR Q_FIX & MB_SNR 40

37.5

35 SNR Q_FIX

32.5 SNR MB_SNR

30
12120

12130

12140

12150

12160

12170

12180

12190

12200

12210

12220

12230

12240

12250

12260

12270

12280

12290

12300
Frame Number

JURASIC PARK
175000
150000 Bits Q_FIX
Bits Q_FIX & MB_SNR

125000
Bits MB_SNR
100000
75000
50000
25000
0
12120

12130

12140

12150

12160

12170

12180

12190

12200

12210

12220

12230

12240

12250

12260

12270

12280

12290

12300
Frame Number

JURASIC PARK
20

Q Q_FIX
Q Q_FIX & MB_SNR

15
Q MB_SNR
10

0
12120

12130

12140

12150

12160

12170

12180

12190

12200

12210

12220

12230

12240

12250

12260

12270

12280

12290

12300

Frame Number

Figura 2.5.18. Comparación a nivel de cuadro de los modos de funcionamiento Q_FIX

y MB_PSNR para las imágenes comprendidas en el intervalo (12120, 12300)

2-55
 Bits Q_FIX & MB_SNR
SNR Q_FIX & MB_SNR
Q Q_FIX & MB_SNR
Capítulo 2

100000
150000
200000
250000

50000
32.5
37.5
42.5

10
15
20
35
40

0
5
0
12840 12840 12840
12850 12850 12850
12860 12860 12860
12870 12870 12870
12880 12880 12880
12890 12890 12890
12900 12900 12900
SNR Q_FIX

12910
SNR MB_SNR

12910 12910
12920 12920 12920

Q Q_FIX

Q MB_SNR
12930 12930 12930
12940

2-56
12940 12940
12950 12950 12950
12960 12960 12960

Frame Number
Frame Number
Frame Number
JURASIC PARK

JURASIC PARK

12970
Bits Q_FIX

12970 12970

JURASIC PARK
Bits MB_SNR

12980 12980 12980

12990 12990 12990
13000 13000 13000
13010 13010 13010
13020 13020 13020
13030 13030 13030
13040 13040 13040
13050 13050 13050

y MB_PSNR para las imágenes comprendidas en el intervalo (12840, 13070)

13060 13060 13060
13070 13070 13070

Figura 2.5.19. Comparación a nivel de cuadro de los modos de funcionamiento Q_FIX

 Análisis de la codificación de vídeo MPEG-I

JURASIC PARK
42.5

SNR Q_FIX 40

37.5
SNR Q_FIX
35
SNR MB_ST
32.5

30
12120

12130

12140

12150

12160

12170

12180

12190

12200

12210

12220

12230

12240

12250

12260

12270

12280

12290

12300
Frame Number

JURASIC PARK
175000
150000 Bits Q_FIX
125000
Bits MB_ST
Bits Q_FIX

100000
75000
50000
25000
0
12120

12130

12140

12150

12160

12170

12180

12190

12200

12210

12220

12230

12240

12250

12260

12270

12280

12290

12300
Frame Number

22
JURASIC PARK
20
18 Q Q_FIX
16
Q MB_ST
Q Q_FIX

14
12
10
8
6
4
2
12120

12130

12140

12150

12160

12170

12180

12190

12200

12210

12220

12230

12240

12250

12260

12270

12280

12290

12300

Frame Number

Figura 2.5.20. Comparación a nivel de cuadro de los modos de funcionamiento Q_FIX

y MB_ST_PSNR para las imágenes comprendidas en el intervalo (12120, 12300)

2-57
 Bits Q_FIX
Q Q_FIX SNR Q_FIX
Capítulo 2

100000
150000
200000
250000

50000

12.5
17.5
32.5
37.5
42.5

2.5
7.5
10
15
35
40

5
0
12840 12840 12840
12850 12850 12850
12860 12860 12860
12870 12870 12870
12880 12880 12880
12890 12890 12890
12900 12900 12900

Q Q_FIX
SNR Q_FIX

Q MB_ST
SNR MB_ST

12910 12910 12910

Bits Q_FIX

Bits MB_ST
12920 12920 12920
12930 12930 12930
12940 12940 12940

2-58
12950 12950 12950
12960 12960 12960

Frame Number
Frame Number
Frame Number

JURASIC PARK
JURASIC PARK
JURASIC PARK

12970 12970 12970

12980 12980 12980
12990 12990 12990
13000 13000 13000
13010 13010 13010
13020 13020 13020
13030 13030 13030
13040 13040 13040
13050 13050 13050
13060 13060 13060

y MB_ST_PSNR para las imágenes comprendidas en el intervalo (12840, 13070)

13070 13070 13070

Figura 2.5.21. Comparación a nivel de cuadro de los modos de funcionamiento Q_FIX

 Análisis de la codificación de vídeo MPEG-I

2.6. Conclusiones

En este capítulo se ha desarrollado un análisis de la transmisión de vídeo digital sobre

redes ATM, empleando el algoritmo de codificación MPEG-I. Se ha establecido un
procedimiento de elección de los parámetros del codificador en base al nivel de calidad
subjetiva deseado y a la maximización del rango de compresión. El análisis cuantitativo
de la tasa binaria por cuadro ha conducido, igualmente, a los mismos criterios de
elección de los valores de los parámetros. Asimismo, se ha llevado a cabo el estudio
estadístico de la tasa binaria por cuadro a través de la evaluación de los dos primeros
momentos, las funciones de autocovarianza e histogramas de las tasas generadas en cada
modo de codificación. La función de autocovarianza ha permitido resaltar los efectos
temporales observados en la elección de los parámetros aparecidos en el análisis
subjetivo y objetivo de la codificación.
Se han propuesto distintos modos de funcionamiento del codificador MPEG-I y se ha
discutido su comportamiento mediante la codificación de distintas secuencias. El
análisis del comportamiento de los modos de codificación se ha realizado a partir de la
observación de los resultados obtenidos de la PSNR, la tasa binaria y el paso de
cuantificación. Asimismo, se han relacionado estos resultados con la calidad subjetiva
obtenida y las ventajas presentadas en la transmisión sobre redes ATM.
Tras este estudio, se propone como esquema válido de transmisión a calidad semi-
constante, con un nivel de complejidad reducido, el empleo del modo de
funcionamiento DIST_I con objetivo PSNR con una regulación suave del paso de
cuantificación. La regulación se lleva a cabo a partir del valor medio de la PSNR
obtenido en el anterior cuadro codificado en el mismo modo y el paso de cuantificación
será el mismo para todos los macrobloques de la imagen. En la figura 2.6.1 se ilustra
este mecanismo de funcionamiento.

εi
Z -1 Z -1
+ bq-N ∆PSNRi
PSNR target b0 b1 ∆Qi = f(DPSNRi )
-
∑

PSNRi
+
Code
Q i-1
Frame Z -1

Figura 2.6.1. Esquema de funcionamiento con objetivo PSNR basado en el modo

DIST_I para la transmisión con calidad semi-constante.

2-59