«Флаговые» номера заменили на спецсерию? — Российская газета

Но в процессе регистрации было замечено, что «флаговые» номера меняются на новые одной серии: «Е три цифры номера РЕ регион». Это вызвало определенный ажиотаж: дали спецсерию. Даже расшифровку этим буквам придумали: «Единая Россия едет».

— Для любой серии можно придумать какую угодно расшифровку, — сообщил наш источник в департаменте БДД. — Это народное творчество. Никто ничего не зашифровывал. Помните, каких только расшифровок не придумывали к серии «ЕКХ»? «Еду как хочу» — наиболее цензурная из них. К тому же сейчас выдавались номера не только серии «ЕРЕ». Эти три буквы номера никаких привилегий на дороге не дадут.

Действительно, помимо «ЕРЕ» бывшие носители «флаговых» номеров получили регистрационные знаки серии «СОО» и «МОО». До расшифровки этих «аббревиатур» народное творчество еще не дошло.

Зато появилось много желающих из простых, но богатых автолюбителей получить регистрационные знаки именно с такими буквами.

В департаменте обеспечения безопасности дорожного движения нам сообщили, что никаких специальных серий для регистрационных знаков на автомобили депутатов не придумывали. Какая была — ту и выдали. Ту же версию подтвердили в ГИБДД Москвы.

Немного истории. Самый знаменитый «привилегированный номер» — с серией «ЕКХ». В свое время, когда исключительную принадлежность автомобиля определяли по регистрационным знакам, эта серия принадлежала Федеральной службе охраны.

С серией «ААА» («три анны», «Аннушки») ездили в свое время машины ФСБ. Это было очень давно. То же касается и другого популярного номера с серией «ООО» («три Ольги»). «Ольг», кстати, позже передали инвалидам. То есть машинам, выданным по линии социального страхования. И хотя уже несколько лет серии номеров не показывают принадлежности владельца авто к властьимущим структурам, привычка к ним осталась.

Номерные знаки, имеющие серию «ЕКХ» на автомобилях – их расшифровка | Автомобильные новости мира!

Среди авторитетных номерных знаков существуют не только серии, имеющие 3 одинаковые цифры. Есть водители, отдающие предпочтение номерам с конкретным подбором букв. Есть те, кто не придает этому большого значения, а есть те, кто акцентирует внимание как раз на буквах регистрационного номера автомобиля.

К одному из самых прославившихся сочетаний, можно отнести – «ЕКХ». Машины, которые оснащались номером с подобным буквенным кодом, используются ФСО Российской Федерации. Такие обозначение больше всего распространены в 77, 99, 199, 177 и 97 регионе. Транспортные средства, имеющие подобную серию часто оснащаются «мигалками». По этой причине такие номера и заставляют задуматься простых автовладельцев. Как же понять, что это за литеры и почему большинство людей воспринимают такую серию, как «крутую»?

Эти буквы обладают несколькими интересными вариантами трактовки. Раннее такие номера устанавливали на авто сотрудников ФСО (Федеральной службы охраны). На этот счет даже можно рассказать одну народную легенду, которая переходит от одного к другому.

Вот в чем ее суть. Руководитель госведомства Ю. Крапивин как-то решил обсудить с президентом Б. Ельциным для выбора машин для собственных поданных. Пройдя долгое обсуждение руководство решило использовать литеры «ЕКХ», обозначающее «Единое Кремлевское Хозяйство». Но поговаривают, что это только официальная версия расшифровки комбинации букв. Также есть обозначение сочетания букв: «Ельцин + Крапивин = Хорошо». Что касается простых автовладельцев, они трактуют эти буквы довольно оригинально: «езжу как хочу».

Сейчас такие регистрационные знаки не присваивают транспортным средствам во время регистрации. Но раньше такие литеры выполняли серьезные функции для Федеральной службы охраны. Благодаря особому сочетанию букв они имели определенную защиту.

Исходя из закона, правоохранительные органы не могли применять к управляющим машиной наказания административного типа, если они имели такую серию. Также силовые ведомства не могли лично досматривать управляющего машиной с номерным знаком «ЕКХ». Кроме этого, нельзя было обследовать и само авто. Для таких действий необходимо было получить «добро» судьи или главы федеральной службы охраны.

Актуальны ли номера ЕКХ в нынешних условиях?

Саму милицию уже давно упразднили. Вместо нее в 2011-м появилась полиция, имеющая свой Федеральный Закон. Но буквы «ЕКХ» до сих пор свидетельствуют стражам правопорядка о неприкосновенности управляющего машиной. Сотрудник Государственной автоинспекции не может останавливать машину Федеральной службы охраны, когда она движется с включенным звуковым сигналом и цветным проблесковым маячком. Когда инспектор ГИБДД обнаружит правонарушение, он сможет только отрапортовать и осведомить свое руководство о произошедшем.

После 2014-го транспортные средства с номерными знаками «ЕКХ» были включены в антироссийские санкции. Теперь работники Федеральной службы охраны не могут въезжать больше чем в 100 стран. Сегодня представители ФСО могут въезжать лишь в 27 стран. К разрешенным государствам относятся Китай, Вьетнам, Мальдивские острова, страны СНГ (кроме Украины), Объединенные Арабские Эмираты, Марокко и прочие.

Многие не в курсе, что предместником Федеральной службы охраны был Комитет государственной безопасности Советского Союза (КГБ). ФСО создали лишь в 1996-м. Тогда же приняли официальное Положение о ФСО в России. Данная государственная структура используется для защиты от терроризма, а также для охраняемых объектов. Контролирует работу ФСО непосредственно Правительство России.

От ЕКХ до ТТТ: как эволюционировали «блатные» номера в Тульской области

«Тульский бизнес-журнал» рассказал о своеобразной эволюции «красивых» номеров в регионе. В своей статье издание пишет о самых популярных буквах и цифрах на регистрационных знаках и их владельцах.

Так, первой «знаковой» серией номеров авторы называют «А…АВ». Ее получили автомобили милиции. А вот популярные в столице буквы «А…МР» в нашем регионе, по мнению издания, не прижились. Первой «блатной» серией стали номер «О…ОО71». Чуть менее популярен ее «собрат» — «А..ОО71».

— Вся тульская «верхушка», без преувеличения, бросилась за такими регистрационными знаками. Есть подозрение, что, в так называемом, общем окне таких даже не видели. Знающие люди рассказывают, что их можно было получить только в известном всем автомобилистам здании на улице Советской — именно там, якобы, определяли, достоин ли претендент закрепить на своем авто номер с такой «блатной» комбинацией. Если решение было положительным, вся информация о новоиспеченном владельце регистрационного знака заносилась в специальную тетрадку (цифровых технологий тогда у нас и в проектах не было), чтобы по номеру можно было очень быстро идентифицировать владельца. Один счастливый обладатель серии «О…ОО71», вернувшись в Тулу из поездки в Москву, радостно рассказывал, что гаишники его вообще не останавливали, даже на постах на трассе. В итоге серии «О…ОО71» и «А…ОО71» разлетелись, как горячие пирожки, — пишет «Тульский бизнес-журнал».

Такой номер был, например, у главы города Сергея Казакова (глава Тулы с 1997 по 2005 год) и Эдуарда Соколова (бывший ректор ТулГУ).

Затем в области «распечатали» серию «ТТТ». Данный номер был на автомобиле бывшего прокурора региона Вячеслава Ханжина. 

— Три «Т» на несколько лет стали более значимыми, чем те же три «О». Поначалу новая серия стала появляться на служебных автомобилях администрации Тульской области, потом все пошло, как и с предыдущей популярной серией. Разница лишь в том, что курировать выдачу стали в основном из «белого дома» — говорится в материале.

После пришла мода на «ЕКХ». Мода на них пришла из столицы во время Владимира Груздева. Сначала номер появился на машине председателя правительства Юрия Андрианова, затем перешел Валерию Шерину. На служебном автомобиле Груздева красовался знак «Е911КХ71». 

«Люди из «белого дома», пишет «Тульский бизнес-журнал», любили «особенные номера».

— Например, на 75-летие экс-губернатору Тульской области от региональной администрации был подарен «УАЗ Патриот» с номерами «С075ВА71» — Стародубцев Василий Александрович с 75-летием. По какому-то важному, наверное, поводу обладателем номера «В071СМ71» стал экс-глава Тулы Владимир Сергеевич Могильников. Экс-начальник областного управления ГИБДД до конца жизни проездил на «крузаке» со знаками «М071НМ71» — Меркулов Николай Михайлович. Начальники регионального УМВД долгое время традиционно ездили с номерами 001. Глава администрации Тулы Михаил Иванцов ездил на служебной «Камри» «Т123ТТ71», потом на ней же передвигался Евгений Авилов. Кстати, в городе Евгения Васильевича видели и в, вероятно, личном «БМВ» с номерами «Т060ТТ71», — продолжает автор.

Ситуация начала меняться несколько лет назад. Например, начальник тульского Управления МВД Сергей Галкин, использует совершенно обычные номера. Совершенно безразлично к номерному знаку относится и губернатор Алексей Дюмин.

По мнению авторов статьи, в настоящее время наметился совершенно иной тренд: чем проще номер, тем лучше.

Полностью со статьей можно ознакомиться по ссылке.

Список из 63 сотрудников Decode Digital Marketing — поиск адресов электронной почты и телефонов

Сара Конрад	Копирайтер	Техас, США	cxxxxd@decodedigital. co
Томас Гонсалес	Веб-разработчик	Техас, США	gxxxxxxs @ decodedigital.co
Стефани Бенсьон	Координатор проекта	Техас, США	[email protected]
Ванесса Эймс	CSO / CCO	Техас, США	axxs @ decodedigital.co
Джереми Карпентер	Аналитик данных	Техас, США	cxxxxxxxr@decodedigital. co
Сара Бардвелл	Руководитель счета	Техас, США	bxxxxxxl @ decodedigital.co
Анесса Гесс	Менеджер проекта	Техас, США	[email protected]
Джош Снеллгроув	Заместитель директора по стратегии	Мэриленд, США	sxxxxxxxxe @ decodedigital.co
Андреа Домингес	Руководитель счета	Техас, США	dxxxxxxxz@decodedigital. co
Джамал Хиклен	Специалист по поисковой оптимизации	Мэриленд, США	hxxxxxn @ decodedigital.co
Энтони Рейнольдс	Старший интерактивный дизайнер	Техас, США	[email protected]
Тим Бреслин	Главный технический офис	Пенсильвания, США	bxxxxxn @ decodedigital.co
Раймонд Клебоски	Менеджер проекта	Техас, США	cxxxxxxi@decodedigital. co
Crystal Monteleone	Директор по работе с клиентами	Техас, США	mxxxxxxxxe @ decodedigital.co
Хулио Флорес	Старший арт-директор	Техас, США	[email protected]
Джастин Кордеро	Веб-разработчик	Техас, США	cxxxxxo @ decodedigital.co
Кэтлин Перли	Основатель и генеральный директор	Техас, США	pxxxxy@decodedigital. co
Анджела Скофилд	Консультант	Техас, США	sxxxxxxd @ decodedigital.co
Келси Лу	Директор по маркетинговым технологиям	Техас, США	[email protected]
Келли Кренек	Директор по содержанию	Техас, США	kxxxxk @ decodedigital.co
Джошуа Ранум	Digital Media Manager	Техас, США	rxxxm@decodedigital. co
Андреа Домингес	Младший менеджер по работе с клиентами	Техас, США	dxxxxxxxz @ decodedigital.co
Лаура Бальдо	Менеджер по техническим операциям	Техас, США	[email protected]
Мэтт Реселл	Менеджер цифровых медиа	Техас, США	rxxxxl @ decodedigital.co
Mimie Eng	Studio & Resource Manager	Техас, США	exx@decodedigital. co
Лесли Гонсалес	Операционный менеджер	Техас, США	gxxxxxxs @ decodedigital.co
Джонатан Риенстра	Стратег в социальных сетях	Техас, США	[email protected]
Кейтлин Джардон	Цифровой медиапланировщик / покупатель	Техас, США	jxxxxn @ decodedigital.co
Джесси Виттория	Графический дизайнер	Техас, США	vxxxxxxa@decodedigital. co
Виктор Экпо	Веб-разработчик	Техас, США	exxo @ decodedigital.co

leandromoreira / digital_video_introduction: Практическое введение в видеотехнологии: изображение, видео, кодек (av1, vp9, h365) и многое другое (кодирование ffmpeg).

🇨🇳 🇯🇵 🇮🇹 🇰🇷 🇷🇺

Мягкое введение в видеотехнологии, хотя оно предназначено для разработчиков / инженеров программного обеспечения, мы хотим упростить изучение для всех. Эта идея родилась во время мини-семинара для новичков в области видеотехники.

Цель состоит в том, чтобы познакомить с некоторыми концепциями цифрового видео с помощью простого словаря , множества визуальных элементов и практических примеров , когда это возможно, и сделать эти знания доступными повсюду. Пожалуйста, не стесняйтесь присылать исправления, предложения и улучшать его.

Будет практических разделов , которые потребуют от вас установки докера и клонирования этого репозитория.

 git clone https://github.com/leandromoreira/digital_video_introduction.git
cd digital_video_introduction
./setup.sh 

ПРЕДУПРЕЖДЕНИЕ : когда вы видите команду ./s/ffmpeg или ./s/mediainfo , это означает, что мы запускаем контейнерную версию этой программы, которая уже включает все необходимые требования.

Все практические действия с должны выполняться из папки, которую вы клонировали в этом репозитории. Для примеров jupyter вы должны запустить сервер ./s/start_jupyter.sh , скопировать URL-адрес и использовать его в своем браузере.

• добавлена ​​система DRM
• выпущена версия 1. 0.0
• добавлен упрощенный китайский перевод
• добавлен пример фильтра осциллографа FFmpeg

Изображение можно рассматривать как двухмерную матрицу .Если мы подумаем о цветов , мы можем экстраполировать эту идею, увидев это изображение как трехмерную матрицу , где дополнительные измерения используются для предоставления цветовых данных .

Если мы решили представить эти цвета с использованием основных цветов (красного, зеленого и синего), мы определим три плоскости: первая для красный , вторая для зеленого и последняя для синего цвета .

Мы будем называть каждую точку в этой матрице пикселем (элемент изображения).Один пиксель представляет интенсивность (обычно числовое значение) данного цвета. Например, красный пиксель означает 0 зеленого, 0 синего и максимум красного. Пиксель розового цвета может быть сформирован с помощью комбинации трех цветов. Используя репрезентативный числовой диапазон от 0 до 255, розовый пиксель определяется как Красный = 255, Зеленый = 192 и Синий = 203 .

Другие способы кодирования цветного изображения

Многие другие возможные модели могут использоваться для представления цветов, составляющих изображение.Мы могли бы, например, использовать индексированную палитру, где нам нужен был бы только один байт для представления каждого пикселя вместо 3, необходимых при использовании модели RGB. В такой модели мы могли бы использовать 2D-матрицу вместо 3D-матрицы для представления нашего цвета, это сэкономит память, но даст меньше вариантов цвета.

Например, посмотрите на картинку внизу. Первое лицо полностью окрашено. Остальные — это красная, зеленая и синяя плоскости (показаны серыми тонами).

Мы видим, что красный цвет будет тем цветом, который вносит больше (самые яркие части на втором лице) в окончательный цвет, в то время как вклад синего цвета может быть в основном видимым только в глазах Марио ( последнее лицо) и часть его одежды, посмотрите, как все плоскости вносят меньше (самые темные части) в усы Марио .

И для каждой интенсивности цвета требуется определенное количество битов, это количество известно как битовая глубина . Допустим, мы тратим 8 бит, (принимая значения от 0 до 255) на цвет (плоскость), поэтому у нас есть глубина цвета из 24 бит (8 бит * 3 плоскости R / G / B), и мы также можно сделать вывод, что мы могли бы использовать 2 в степени 24 различных цветов.

Замечательно, , узнать, как изображение переносится из мира в биты.

Еще одним свойством изображения является разрешение , то есть количество пикселей в одном измерении. Его часто представляют как ширина × высота, например, на изображении 4 × 4 ниже.

Практическое занятие: поиграйте с изображением и цветом

Вы можете поиграть с изображением и цветами, используя jupyter (python, numpy, matplotlib и т. Д.).

Вы также можете узнать, как работают фильтры изображения (обнаружение краев, резкость, размытие …).

Еще одно свойство, которое мы можем видеть при работе с изображениями или видео, — это соотношение сторон , которое просто описывает пропорциональное соотношение между шириной и высотой изображения или пикселя.

Когда люди говорят, что этот фильм или изображение 16×9 , они обычно имеют в виду Display Aspect Ratio (DAR) , однако мы также можем иметь разные формы отдельных пикселей, мы называем это Pixel Aspect Ratio (PAR) .

DVD — это DAR 4: 3

Хотя реальное разрешение DVD составляет 704×480, он по-прежнему сохраняет соотношение сторон 4: 3, поскольку имеет PAR 10:11 (704×10 / 480×11)

Наконец, мы можем определить видео как последовательность из n кадров за время , которое можно рассматривать как другое измерение, n — это частота кадров или кадров в секунду (FPS).

Количество битов в секунду, необходимое для показа видео, равно его скорости передачи битов .

битрейт = ширина * высота * битовая глубина * кадров в секунду

Например, для видео с 30 кадрами в секунду, 24 битами на пиксель и разрешением 480×240 потребуется 82944000 бит в секунду или 82,944 Мбит / с (30x480x240x24), если мы не используем никакого сжатия.

Когда битовая скорость почти постоянна, она называется постоянной битовой скоростью ( CBR ), но она также может меняться, а затем называется переменной битовой скоростью ( VBR ).

На этом графике показан ограниченный VBR, который не тратит слишком много бит, пока кадр черный.

На первых порах инженеры придумали способ удвоения воспринимаемой частоты кадров видеодисплея без использования дополнительной полосы пропускания . Этот метод известен как чересстрочное видео ; в основном он отправляет половину экрана в 1 «кадр», а другую половину — в следующем «кадре».

Сегодня экраны визуализируются в основном с использованием метода прогрессивной развертки .Прогрессивный — это способ отображения, хранения или передачи движущихся изображений, при котором все линии каждого кадра рисуются последовательно.

Теперь у нас есть представление о том, как изображение представлено в цифровом виде, как расположены его цветов , сколько бит в секунду мы тратим на показ видео, если оно постоянное (CBR) или переменное (VBR) , с заданным разрешением , с заданной частотой кадров , и многими другими терминами, такими как чересстрочная развертка, PAR и другие.

Практическое руководство: проверьте свойства видео

Вы можете проверить большинство объясненных свойств с помощью ffmpeg или mediainfo.

Мы узнали, что невозможно использовать видео без сжатия; для одного часового видео с разрешением 720p и 30 кадрами в секунду потребует 278 ГБ ^* . Поскольку использует исключительно алгоритмы сжатия данных без потерь , такие как DEFLATE (используемые в PKZIP, Gzip и PNG), не не уменьшает требуемую пропускную способность в достаточной степени, нам нужно найти другие способы сжатия видео.

^* Мы нашли это число, умножив 1280 x 720 x 24 x 30 x 3600 (ширина, высота, бит на пиксель, частота кадров и время в секундах)

Для этого мы можем использовать то, как работает наше видение . Нам лучше различать яркость, чем цвета, повторов во времени , видео содержит много изображений с небольшими изменениями, и повторов внутри изображения , каждый кадр также содержит много областей, использующих одинаковый или похожий цвет.

Цвета, яркость и наши глаза

Наши глаза более чувствительны к яркости, чем к цветам, вы можете проверить это на себе, взглянув на эту картинку.

Если вы не видите, что цвета квадратов A и B идентичны с левой стороны, это нормально, наш мозг обманывает нас, заставляя уделять больше внимания свету и темноте, чем цвету . На правой стороне есть разъем того же цвета, поэтому мы (наш мозг) можем легко определить, что на самом деле они одного цвета.

Упрощенное объяснение того, как работают наши глаза Глаз — сложный орган, он состоит из многих частей, но нас больше всего интересуют клетки колбочек и палочек. Глаз содержит около 120 миллионов палочек и 6 миллионов колбочек.

Чтобы упростить , давайте попробуем поместить цвета и яркость в функцию частей глаза. Ячейки стержней в основном отвечают за яркость , а ячейки колбочек отвечают за цвет . Существует три типа колбочек, каждый с разным пигментом, а именно: S-конусы (синий), M-конусы (зеленый) и L. -конусы (красные).

Поскольку у нас гораздо больше стержневых ячеек (яркость), чем колбочек (цвет), можно сделать вывод, что мы более способны различать темное и светлое, чем цвета.

Функции контрастной чувствительности

Исследователи экспериментальной психологии и многих других областей разработали множество теорий человеческого зрения. И одна из них называется функциями контрастной чувствительности. Они связаны с пространством и временем света, и их значение представляет при заданном исходном освещении, сколько изменений требуется, прежде чем наблюдатель сообщит об изменении.Обратите внимание на множественное число от слова «функция», это по той причине, что мы можем измерять функции контрастной чувствительности не только для черно-белого, но и для цветного. Результат этих экспериментов показывает, что в большинстве случаев наши глаза более чувствительны к яркости, чем к цвету.

Как только мы узнаем, что мы более чувствительны к яркости (яркости изображения), мы можем попытаться использовать это.

Цветовая модель

Сначала мы узнали, как работать с цветными изображениями, используя модель RGB , но есть и другие модели.Фактически, существует модель, которая отделяет яркость (яркость) от цветности (цветов), и она известна как YCbCr ^* .

^* Есть другие модели, которые делают такое же разделение.

В этой цветовой модели используется Y для представления яркости и два цветовых канала Cb (синий цветность) и Cr (красный цветность). YCbCr может быть получен из RGB, а также может быть преобразован обратно в RGB. Используя эту модель, мы можем создавать полноцветные изображения, как показано ниже.

Преобразование между YCbCr и RGB

Кто-то может возразить, как мы можем производить все цвета без использования зеленого ?

Чтобы ответить на этот вопрос, мы рассмотрим преобразование из RGB в YCbCr. Мы будем использовать коэффициенты из стандарта BT.601 , рекомендованного группой ITU-R ^* . Первый шаг — вычислить яркость , мы будем использовать константы, предложенные ITU, и заменим значения RGB.

  Y = 0,299R + 0,587G + 0,114B
  

Когда у нас есть яркость, мы можем разделить цвета (синий и красный цветность):

  Cb = 0,564 (B - Y)
Cr = 0,713 (R - Y)
  

И мы также можем преобразовать обратно в и даже получить зеленый цвет , используя YCbCr .

  R = Y + 1.402Cr
B = Y + 1.772Cb
G = Y - 0,344Cb - 0,714Cr
  

^* Группы и стандарты распространены в цифровом видео, они обычно определяют, что такое стандарты, например, что такое 4K? какую частоту кадров мы должны использовать? разрешающая способность? цветовая модель?

Как правило, дисплеи (мониторы, телевизоры, экраны и т. Д.) Используют только модель RGB , организованную по-разному, см. Некоторые из них в увеличенном виде ниже:

Подвыборка цветности

С изображением, представленным в виде компонентов яркости и цветности, мы можем воспользоваться большей чувствительностью человеческой зрительной системы к разрешению яркости, а не цветности, для выборочного удаления информации. Подвыборка цветности — это метод кодирования изображений с использованием на меньшего разрешения для цветности, чем для яркости .

Насколько мы должны уменьшить разрешение цветности ?! Оказывается, уже есть несколько схем, которые описывают, как обрабатывать разрешение и слияние (окончательный цвет = Y + Cb + Cr ).

Эти схемы известны как системы субдискретизации и выражаются в виде отношения трех частей — a: x: y , которое определяет разрешение цветности по отношению к блоку пикселей яркости a x 2 .

• a — горизонтальный эталонный образец (обычно 4)
• x — количество отсчетов цветности в первой строке a пикселей (разрешение по горизонтали относительно a )
• y — количество изменений выборок цветности между первой и второй строками из на пикселей.

Исключение составляет 4: 1: 0, который обеспечивает одну выборку цветности в каждом блоке 4 x 4 разрешения яркости.

Общие схемы, используемые в современных кодеках: 4: 4: 4 (без подвыборки) , 4: 2: 2, 4: 1: 1, 4: 2: 0, 4: 1: 0 и 3: 1: 1 .

Вы можете следить за некоторыми обсуждениями, чтобы узнать больше о Chroma Subsampling.

YCbCr 4: 2: 0 объединить

Вот объединенный фрагмент изображения с использованием YCbCr 4: 2: 0, обратите внимание, что мы тратим только 12 бит на пиксель.

Вы можете видеть одно и то же изображение, закодированное с помощью основных типов субдискретизации цветности, изображения в первой строке — это окончательный YCbCr, а последняя строка изображений показывает разрешение цветности.Это действительно отличная победа при таком небольшом проигрыше.

Ранее мы подсчитали, что нам нужно 278 ГБ памяти для хранения видеофайла продолжительностью один час при разрешении 720p и 30 кадрах в секунду. Если мы используем YCbCr 4: 2: 0 , мы можем сократить этого размера вдвое (139 ГБ) ^* , но это все еще далеко от идеала.

^* мы нашли это значение, умножив ширину, высоту, бит на пиксель и fps. Раньше нам требовалось 24 бита, теперь — 12.

Это I-кадр , и мы, , не можем использовать предыдущие кадры для прогнозирования, но мы все равно можем его сжать. Мы закодируем выделение красного блока.Если мы посмотрим на его соседей , мы можем оценить , что есть тренд цветов вокруг него .

Мы будем предсказывать , что кадр будет продолжать распространять цвета по вертикали , это означает, что цвета неизвестных пикселей будут содержать значения своих соседей .

Наше предсказание может быть неверным , по этой причине нам нужно применить этот метод ( внутреннее предсказание, ), а затем вычесть реальные значения , что дает нам остаточный блок, что приводит к гораздо более сжимаемой матрице по сравнению с исходной .

Есть много разных типов такого рода предсказаний. Тот, который вы видите здесь, представляет собой форму прямого плоского предсказания, когда пиксели из строки над блоком копируются из строки в строку внутри блока. Планарное предсказание также может включать угловой компонент, где пиксели слева и сверху используются для предсказания текущего блока. И есть также прогнозирование постоянного тока, которое включает в себя усреднение выборок справа и слева от блока.

Практическое руководство: проверка внутренних прогнозов

Вы можете сгенерировать видео с макроблоками и их предсказаниями с помощью ffmpeg. Пожалуйста, проверьте документацию ffmpeg, чтобы понять значение каждого цвета блока.

Или мы можем использовать Intel Video Pro Analyzer (который платный, но есть бесплатная пробная версия, которая ограничивает вас работой только с первыми 10 кадрами).

Что? Почему? Как?

Что? Это часть программного / аппаратного обеспечения, которая сжимает или распаковывает цифровое видео. Почему? Рынок и общество требуют видео более высокого качества с ограниченной пропускной способностью или ограниченным объемом памяти. Помните, когда мы рассчитывали необходимую пропускную способность для 30 кадров в секунду, 24 бита на пиксель, разрешения видео 480×240? Это было 82,944 Мбит / с без сжатия. Это единственный способ обеспечить HD / FullHD / 4K на телевизорах и в Интернете. Как? Здесь мы кратко рассмотрим основные методы.

CODEC против контейнера

Одна распространенная ошибка, которую часто делают новички, — это путать кодек цифрового видео и контейнер цифрового видео.Мы можем рассматривать контейнеры как формат оболочки, который содержит метаданные видео (и, возможно, аудио), а сжатое видео можно рассматривать как его полезную нагрузку.

Обычно расширение видеофайла определяет его видеоконтейнер. Например, файл video. mp4 , вероятно, является контейнером MPEG-4 Part 14 , а файл с именем video.mkv , вероятно, это matroska . Чтобы быть полностью уверенным в кодеке и формате контейнера, мы можем использовать ffmpeg или mediainfo.

История

Прежде чем мы перейдем к внутренней работе универсального кодека, давайте оглянемся назад, чтобы немного лучше понять некоторые старые видеокодеки.

Видеокодек H.261 появился на свет в 1990 году (технически в 1988 году) и был разработан для работы со скоростью передачи данных 64 кбит / с . Он уже использует такие идеи, как субдискретизация цветности, макроблок и т. Д. В 1995 году был опубликован стандарт видеокодека H.263 , который продолжал расширяться до 2001 года.

В 2003 году была завершена первая версия H.264 / AVC . В том же году компания On2 Technologies (ранее известная как Duck Corporation) выпустила свой видеокодек без лицензионных отчислений на сжатие видео с потерями под названием VP3 . В 2008 году Google купил этой компании, выпустив VP8 в том же году. В декабре 2012 года Google выпустила VP9 , и это поддерживается примерно рынка браузеров (включая мобильные).

AV1 — это новый бесплатный видеокодек с открытым исходным кодом, разработанный Alliance for Open Media (AOMedia), в который входят компаний: Google, Mozilla, Microsoft, Amazon, Netflix, AMD, ARM, NVidia, Intel и Cisco и другие. Первой версией эталонного кодека 0.1.0 была , опубликованная 7 апреля 2016 года .

Рождение AV1

В начале 2015 года Google работал над VP10, Xiph (Mozilla) работал над Daala, а Cisco открыла исходный код своего бесплатного видеокодека под названием Thor.

Затем MPEG LA впервые объявила годовые ограничения для HEVC (H.265) и сборы в 8 раз выше, чем H.264, но вскоре они снова изменили правила:

• без годового ограничения ,
• плата за контент (0,5% от дохода) и
• за единицу комиссии примерно в 10 раз выше, чем х364.

Альянс для открытых медиа был создан компаниями из числа производителей оборудования (Intel, AMD, ARM, Nvidia, Cisco), доставки контента (Google, Netflix, Amazon), разработчиков браузеров (Google, Mozilla) и других.

У компаний была общая цель, бесплатный видеокодек, а затем родился AV1 с гораздо более простой патентной лицензией. Тимоти Б. Террибери сделал потрясающую презентацию, которая является источником этого раздела, о концепции AV1, модели лицензирования и ее текущем состоянии.

Вы будете удивлены, узнав, что вы можете анализировать кодек AV1 через свой браузер. , перейдите по ссылке https://arewecompressedyet.com/analyzer/

PS: Если вы хотите узнать больше об истории кодеков, вы должны изучить основы патентов на сжатие видео.

Общий кодек

Мы собираемся представить основные механизмы , лежащие в основе универсального видеокодека , но большинство из этих концепций полезны и используются в современных кодеках, таких как VP9, ​​AV1 и HEVC. Обязательно поймите, что мы собираемся ОЧЕНЬ упростить вещи. Иногда мы будем использовать реальный пример (в основном H.264), чтобы продемонстрировать технику.

1-й шаг — разбиение изображения

Первый шаг — разделить фрейм на несколько разделов , подразделов и далее.

Но почему? Есть много причин, например, когда мы разбиваем картинку, мы можем работать с прогнозами более точно, используя маленькие разделы для маленьких движущихся частей, а большие разделы для статического фона.

Обычно кодеки организуют эти разделы в срезы (или плитки), макро (или единицы дерева кодирования) и множество подразделов. Максимальный размер этих разделов варьируется, HEVC устанавливает 64×64, в то время как AVC использует 16×16, но подразделы могут достигать размеров 4×4.

Помните, мы узнали, как набирается фреймов ?! Что ж, вы можете применить эти идеи и к блокам , поэтому у нас могут быть I-Slice, B-Slice, I-Macroblock и т. Д.

Практическое руководство: проверка разделов

Мы также можем использовать Intel Video Pro Analyzer (который платный, но есть бесплатная пробная версия, которая ограничивает вас работой только с первыми 10 кадрами). Вот проанализированные разделы VP9.

2-й шаг — предсказания

Когда у нас есть разделы, мы можем делать по ним прогнозы.Для внешнего предсказания нам нужно для отправки векторов движения и остатка , а для внутреннего предсказания мы также отправим направление предсказания и остаток .

3-й шаг — преобразовать

После того, как мы получим остаточный блок (прогнозируемый раздел - реальный раздел ), мы можем преобразовать его таким образом, чтобы узнать, какие пикселей мы можем отбросить , сохраняя при этом общее качество . Для этого точного поведения есть некоторые преобразования.

Хотя существуют и другие преобразования, мы более внимательно рассмотрим дискретное косинусное преобразование (DCT). Основные характеристики DCT :

• преобразует блоков из пикселей в блоки одинакового размера из частотных коэффициентов .
• сжимает энергии, что позволяет легко устранить пространственное резервирование.
• — это реверсивный , также известный как вы можете перевернуть пиксели.

2 февраля 2017 г., Cintra, R.Дж. И Байер, Ф. М. опубликовали свою статью «DCT-подобное преобразование для сжатия изображений». Требуется только 14 дополнений.

Не волнуйтесь, если вы не понимали преимуществ каждого пункта списка, мы попробуем провести несколько экспериментов, чтобы увидеть реальную ценность этого.

Возьмем следующий блок пикселей (8×8):

, который отображает следующее изображение блока (8×8):

Когда мы применяем DCT к этому блоку пикселей и получаем блок коэффициентов (8×8):

И если мы отрендерим этот блок коэффициентов, мы получим вот это изображение:

Как вы можете видеть, это не похоже на исходное изображение, мы могли бы заметить, что первый коэффициент сильно отличается от всех остальных. Этот первый коэффициент известен как коэффициент постоянного тока, который представляет всех отсчетов во входном массиве, что-то , подобное среднему значению .

Этот блок коэффициентов имеет интересное свойство, заключающееся в том, что он отделяет высокочастотные компоненты от низкочастотных.

В изображении большая часть энергии будет сосредоточена в нижних частотах , поэтому, если мы преобразуем изображение в его частотные компоненты и отбросим более высокие частотные коэффициенты , мы можем уменьшить объем данных необходимо описать изображение, не жертвуя излишним качеством изображения.

частота означает, насколько быстро сигнал меняется

Давайте попробуем применить знания, полученные в ходе теста, преобразовав исходное изображение в его частоту (блок коэффициентов) с помощью DCT, а затем отбросив часть наименее важных коэффициентов.

Сначала мы преобразуем его в его частотную область .

Затем мы отбрасываем часть (67%) коэффициентов, в основном ее правую нижнюю часть.

Наконец, мы восстанавливаем изображение из этого отброшенного блока коэффициентов (помните, что оно должно быть обратимым) и сравниваем его с оригиналом.

Как мы видим, оно похоже на исходное изображение, но имеет много отличий от оригинала, мы выбрасываем 67.1875% , и мы все же смогли получить хотя бы что-то похожее на оригинал. Мы могли бы более разумно отбросить коэффициенты, чтобы получить лучшее качество изображения, но это следующая тема.

Каждый коэффициент формируется с использованием всех пикселей

Важно отметить, что каждый коэффициент не отображается напрямую на один пиксель, а представляет собой взвешенную сумму всех пикселей.Этот удивительный график показывает, как рассчитывается первый и второй коэффициенты с использованием весов, уникальных для каждого индекса.

Источник: https://web.archive.org/web/201501251/https://www.iem.thm.de/telekom-labor/zinke/mk/mpeg2beg/whatisit.htm

Вы также можете попытаться визуализировать DCT, посмотрев на простое формирование изображения на основе DCT. Например, вот символ A, формируемый с использованием каждого весового коэффициента.

  ./s/ffmpeg -i /files/i/minimal.png -pix_fmt yuv420p /files/v/minimal_yuv420.h364
  

  K1 = уб (K1P1D1, PRK1)

P1.play (уб (C'1, K1))