پاورپوینت کامل تکنیک‌های بنیادی فشرده سازی ویدئو ۳۹ اسلاید در PowerPoint

توجه : این فایل به صورت فایل power point (پاور پوینت) ارائه میگردد

 پاورپوینت کامل تکنیک‌های بنیادی فشرده سازی ویدئو ۳۹ اسلاید در PowerPoint دارای ۳۹ اسلاید می باشد و دارای تنظیمات کامل در PowerPoint می باشد و آماده ارائه یا چاپ است

شما با استفاده ازاین پاورپوینت میتوانید یک ارائه بسیارعالی و با شکوهی داشته باشید و همه حاضرین با اشتیاق به مطالب شما گوش خواهند داد.

لطفا نگران مطالب داخل پاورپوینت نباشید، مطالب داخل اسلاید ها بسیار ساده و قابل درک برای شما می باشد، ما عالی بودن این فایل رو تضمین می کنیم.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی پاورپوینت کامل تکنیک‌های بنیادی فشرده سازی ویدئو ۳۹ اسلاید در PowerPoint،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از مطالب داخلی اسلاید ها

پاورپوینت کامل تکنیک‌های بنیادی فشرده سازی ویدئو ۳۹ اسلاید در PowerPoint

اسلاید ۴: دانشگاه اصفهان – درس سیستم‌های چندرسانه‌ایفشرده سازی ویدئویی توسط انطباق حرکتیفریم های متوالی در یک ویدئو ، مشابه هستند – افزونگی زمانی وجود دارد.از افزونگی زمانی(Temporal redundancy) استفاده می شود تا نیاز نباشد هر فریم از ویدئو بطور مستقل به عنوان یک تصویر جدید کدگذاری شود.تفاوت بین فریم فعلی و سایر فریم ها در توالی مربوطه کدگذاری خواهد شد – تعداد بیت کمتر وآنتروپی کمتربرای فشرده سازی مناسب می باشد.۴

اسلاید ۵: دانشگاه اصفهان – درس سیستم‌های چندرسانه‌ایفشرده سازی ویدئویی توسط انطباق حرکتیمراحل فشرده سازی ویدئویی بر اساس انطباق حرکتی(MC ):(Motion Compensation)1- برآورد حرکت (جستجوی بردار حرکت).۲- پیش بینی مبتنی برMC.3- بدست آوردن خطای پیش بینی یعنی تفاوت.۵

اسلاید ۶: دانشگاه اصفهان – درس سیستم‌های چندرسانه‌ایانطباق حرکتیهر تصویر به ماکروبلاکهایی (macro blocks ) در اندازه N x N تقسیم می شود. به عنوان پیش فرض: N =16 برای مولفه روشنایی(y ) . برای مولفه رنگ (chrominance ) ، N =8 می باشد با فرض اینکه از فشرده سازی نوع ۴:۲:۰ استفاده شده باشد.انطباق حرکتی در سطح ماکروبلاک انجام می شود. به فریم تصویر فعلی ”فریم هدف“ گفته می شود.(Target)6

اسلاید ۷: دانشگاه اصفهان – درس سیستم‌های چندرسانه‌ایانطباق حرکتی سازگاری بین ماکروبلاک در فریم هدف و مشابه ترین ماکروبلاک در فریم های قبلی و یا آتی (که به آنها فریم مرجع گفته می شود) جستجو می شود.به فاصله ماکروبلاک مرجع تا ماکروبلاک هدف ، بردار حرکتی MV گفته می شود. شکل ۱۰-۱مورد پیش بینی رو به جلو را نشان می دهد۷

اسلاید ۸: دانشگاه اصفهان – درس سیستم‌های چندرسانه‌ای۸شکل ۱۰-۱ : ماکروبلاکها و بردارهای حرکت در فشرده سازی ویدئویی جستجوی MV معمولا در محدوده همسایگی بسیار نزدیک انجام می شود – اندازه جابجایی عمودی و افقی در محدوده [-p,p] هستند این امر پنجره جستجو را به اندازه (۲p+1)*(2p+1) می رساند.انطباق حرکتی

اسلاید ۹: دانشگاه اصفهان – درس سیستم‌های چندرسانه‌ایجستجوی بردارهای حرکتی۹تفاوت بین دو ماکروبلاک را می توان توسط میانگین قدر مطلق تفاضل آنها (MAD) اندازه گرفت:N: اندازه ماکروبلاکK و L : شاخص های پیکسل ها در ماکروبلاکi و j: جابجایی های عمودی و افقیC ( x + k, y + l ) : پیکسل های موجود در ماکروبلاک در فریم هدفR ( x + i + k, y + j + l ): پیکسل های موجود در ماکروبلاک در فریم مرجع هدف این جستجو پیدا کردن یک بردار (i,j) به عنوان بردار حرکتی MV = (u, v) به صورتی است که MAD(i, j) حداقل باشد.

اسلاید ۱۰: دانشگاه اصفهان – درس سیستم‌های چندرسانه‌ایجستجوی ترتیبیجستجوی ترتیبی: کل پنجره(۲p + 1) x (2p + 1) در فریم مرجع را به ترتیب جستجو کنید.(همچنین به آن جستجوی کامل هم گفته می شود).ماکروبلاکی که در هر یک از وضعیتها در مرکز پنجره قرار گرفته است با ماکروبلاک در فریم هدف بصورت پیکسل به پیکسل مقایسه می شود و بنابراین MAD مربوطه شان با استفاده از فرمول (۱۰.۱) بدست می آید.۱۰

اسلاید ۱۱: دانشگاه اصفهان – درس سیستم‌های چندرسانه‌ایجستجوی ترتیبیبردار (i, j) که کمترین MAD را ارائه می دهد به عنوان MV (u, v) برای ماکروبلاک در فریم هدف در نظر گرفته می شود.روش جستجوی ترتیبی بسیار زمانبر است – با فرض اینکه مقایسه هر پیکسل مستلزم ۳ عمل می باشد(تفریق ، قدر مطلق، جمع کردن) ، هزینه بدست آوردن یک بردار حرکت برای یک ماکروبلاک به صورت زیر است (۲p + 1). (2p + 1) . N 2. 3 O ( p 2 N 2 )11

اسلاید ۱۲: دانشگاه اصفهان – درس سیستم‌های چندرسانه‌ایبرنامه جستجوی ترتیبی۱۲beginmin_MAD = LARGE NUMBER; /* Initialization */for i = p to pfor j = p to p{cur_MAD = MAD(i, j);if cur_MAD < min_MAD{min_MAD = cur_MAD;u = i; /* Get the coordinates for MV. */v = j;}}end

اسلاید ۱۳: دانشگاه اصفهان – درس سیستم‌های چندرسانه‌ایجستجوی لگاریتمی دو بعدیجستجوی لگاریتمی: مدل سریعتر و نیمه بهینه است ولی معمولا“ قابل استفاده است.ر