DE69125315T2

DE69125315T2 - Kodierverfahren und Kodiervorrichtung

Info

Publication number: DE69125315T2
Application number: DE69125315T
Authority: DE
Inventors: Yoshinori Denshi Shohi Asamura; Yoshiko Denshi Shohin K Hatano; Takashi Denshi Shohin Kai Itou; Ken Denshi Shohin Kaiha Onishi; Manabu Denshi Shohin Tsukamoto
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 1990-06-13
Filing date: 1991-06-13
Publication date: 1997-09-25
Anticipated expiration: 2011-06-14
Also published as: US5485533A; DE69125315D1; EP0461659A3; EP0461659A2; EP0461659B1

Description

HINTERGRUND DER ERFINDUNG

Gebiet der Erfindung

Die Erfindung betrifft ein Codierverfahren und eine Codiervorrichtung zum Codieren eines digitalen Videosignals durch Reduzieren.

Beschreibung der verwandten Technik

Als konventionelle Verfahren zum Codieren eines digitalen Videosignals gibt es die, die in der japanischen Patentanmeldung JP-A-1 253 382 und im US-Patent US-A-4 394 774 offenbart sind. Die folgende Erläuterung wird unter Bezugnahme auf diese amtlichen Veröffentlichungen gegeben.
Die Übertragung oder Aufzeichnung eines digitalen Videosignals kann Kanal- Rauschen oder Lese-Rauschen in der Qualität eines angezeigten Bildes reduzieren, und diese digitalen Signale können leicht über digitale Netze oder Fernsprechnetze übertragen werden. Trotzdem wird die Digitalisierung einer Folge von Fernsehbildern mit einer so hohen Geschwindigkeit durchgeführt, daß ein digitalisiertes Farbfernsehsignal im allgemeinen nicht direkt über einen vorhandenen Träger übertragen oder aufgezeichnet werden kann. Gemäß einer Mitteilung 601 von CCIR ist die Digitalisierungsgeschwindigkeit eines Farbfernsehsignals 216 Mbit/s. Um daher das digitalisierte Farbfernsehsignal bei der tatsächlichen Übertragungsgeschwindigkeit und Aufzeichnungsgeschwindigkeit zu verwenden, ist es wichtig, die Digitalisierungsgeschwindigkeit zu reduzieren.
Im US-Patent US-A-4 394 774 wird ein Verfahren erwähnt, die Digitalisierungsgeschwindigkeit um einen Faktor 10 bis 20 zu reduzieren, das heißt 1/10 bis 1/20. Das auf orthogonaler Transformation basierende Verfahren kann unter Verwendung der Redundanz von benachbarten Bildelementen im Bild redundanzkomprimieren. Dieses Verfahren ist durch die Durchführung einer orthogonalen Transformation charakterisiert, die Bildelemente eines Blocks entkorreliert, indem ein Bild in Blöcke gleicher Größe geteilt wird und die Arbeit auf eine kleine Zahl von Bildelementen konzentriert wird.
Um eine äquivalente Informationsreduktion aus einer Bild-zu-Bild-Redundanz zu gewinnen, die in einem stehenden Teil eines Bildes vorhanden ist, wird dieses Verfahren häufig mit einer Bild-zu-Bild-Vorhersagetechnik kombiniert.
Nach dieser Technik wird entweder ein Block selbst übertragen (Intraframe- Modus), oder es wird eine Differenz zwischen diesem Block und einem Block mit der gleichen räumlichen Position wie ein vorhergesagtes Bild nach der Codierung bzw. Decodierung übertragen (Interframe-Modus), und dementsprechend wird ein Block mit minimaler Arbeit übertragen.
Wenn diese Bild-zu-Bild-Vorhersage eine Zeitrekursivität der Codierung einführt, mit anderen Worten, wenn das decodierte vorhergehende Bild verwendet werden kann, ist mittels der Vorhersage nur eine Decodierung des Bildsignals mit einem normalen Reproduktionsmodus möglich. Dies ist dadurch charakterisiert, daß beim Empfang eines Videosignals oder beim Lesen eines Bandes vorhandene Fehler in verschiedenen Bildern vorhanden sein können. Tatsächlich besteht die Gefahr, daß in einem Bild verschiedene Fehler auftreten, solange der Block, in dem dieser Fehler auftritt, mit dem Interframe-Modus codiert wird.
Ferner ist die Rekursivität nicht mit der Videoaufzeichnung für Verbraucher kompatibel, das heißt mit Heim-Videoaufzeichnung. Da ein wahlfreier Zugriff auf ein Bild erwartet wird, ist dieser wahlfreie Zugriff notwendig, um einen "Schnellsuchmodus" zu realisieren. Zur Störungsverbesserung wird manchmal ein Bild unter N Bildern mit dem Intraframe-Modus codiert. Da dieses Verfahren aber die Qualität eines angezeigten Bildes verschlechtert, sollte die Zahl N so groß sein, daß die Verschlechterung beschränkt werden kann, was nur eine begrenzte Verbesserung ergibt.
Die japanische Patentanmeldung JP-A-1 253 382 liefert ein Verfahren zum Codieren eines Videosignals, mit dem ein Videosignal durch eine Bild-zu-Bild-Korrelation codiert werden kann, ohne die Bild-zu-Bild-Rekursivität einzuführen. Das heißt, diese amtliche Veröffentlichung liefert ein Verfahren, das mit der Videoaufzeichnung für Verbraucher kompatibel ist und das nicht gegen Kanalfehler empfindlich ist.
Um das Codierverfahren zu realisieren, ist die Codiervorrichtung mit den folgenden Verfahrensschritten versehen:
(a) einem vorbereitenden Verfahrensschritt, der eine Schätzung der Hauptbewegung von einem Bild zum anderen für einen betreffenden Verschiebungsvektor für jedes Bild bezüglich eines vorhergehenden Bildes ist, wobei der Hauptvektor ein Vektor ist, dessen Bild-zu-Bild-Differenz minimal ist,
(b) einem vorbereitenden Verfahrensschritt, der eine Abtastumwandlung zum Vorschreiben einer Form eines dreidimensionalen Blocks (3-D-Block) durch Teilen einer Folge von einem Bild entsprechenden Videosignalen in Gruppen, die jeweils N zusammenhängenden Bildern entsprechen, und durch Vorschreiben einer dreidimensionalen Gruppe ist, die M Zeilen und P Bildelemente in jeder Zeile in einer Bildebene einer Gruppe einerseits und in N zusammenhängenden, N Bildern einer Gruppe entsprechenden Ebenen andererseits enthält, wobei N zweidimensionale Blöcke mit M Zeilen und P Bildelementen, die jeden dreidimensionalen Block einer gleichen Gruppe bilden, um einen Verschiebungsvektor, der für jedes Bild geschätzt worden ist, räumlich von einem Bild zum anderen verschoben werden.
Dieses Verfahren gibt die Möglichkeit, eine Zeitredundanz eines Signals zu verwenden, dank der durch orthogonale Transformation eines stehenden Teils eines Bildes ohne wesentliche Verschiebung realisierten Entkorrelation. Dieses Verfahren kann auf den Fall einer Sicht oder einer allgemeinen Bewegung einer Kamera und selbst in dem Fall angewandt werden, daß die Bewegung Auswirkungen auf fast alle Teile der Sicht hat. In den letzten beiden Fällen ist dieses Verfahren demjenigen überlegen, das den Interframe-Modus und den Intraframe-Modus verwendet. Weil es Interframe-Korrelation verwendet und gleichzeitig der Interframe/Intraframe-Prozeß diese Verschiebungen nicht berücksichtigt. Da die Wirkung auf N Bilder beschränkt ist, führt der Prozeß überdies keinerlei Bild-zu-Bild-Rekursivität im Zeitpunkt der Codierung ein, was Kompatibilität hinsichtlich Erfüllung von Rauschunempfindlichkeit mit dem bei Videorecordern vorgesehenen "Schnellsuchmodus" sicherstellt.
Wenn Geschwindigkeitsherabsetzung eines Videosignals in einem Vollbild-Modus verwendet wird, ist dieser Prozeß besonders wirksam. Bei einem Nutzsignal in Zeilensprung-Form wird dessen Form vor der Codierung umgewandelt, was zur Erzeugung eines Videosignals in Vollbild-Form führt. Wie in Fig. 1 gezeigt, besteht daher jedes Bild aus jeweils einem Vollbild, und ein dreidimensionaler Block wird gebildet entlang einer Richtung einer ersten Dimension in der Horizontalen, einer Richtung einer zweiten Dimension in der Vertikalen und einer Richtung einer dritten Dimension in der Zeitrichtung, und eine redundante Komponente eines Bildsignals ist durch orthogonale Transformation zu reduzieren.
Bei einem tatsächlichen Fernsehbildraster wird jedoch die Zeilensprung-Abtastform übernommen, wie in Fig. 2 gezeigt. Bei der Übertragung der Daten eines bewegten Bildes ist dieses Verfahren vorteilhaft, um Flackern zu verhindern, ohne den zu übertragenden Informationsgehalt zu vergrößern. Daher wird das Abtasten eines Rasters mit der halben Zahl der in Fig. 2 gezeigten Abtastzeilen beendet. Auf dem nächsten Raster wird die Reduktion der vertikalen Auflösung eines Bildes durch Abtastzeilen beschränkt, die in einem vorhergehenden Raster nicht abgetastet worden sind. Durch diese Zeilensprung-Abtastform wird die Erzeugung von Flackern einschränkt, da die Zahl der in der gleichen Zeit übertragenen Raster doppelt so groß wie die im Zeitpunkt des aufeinanderfolgenden Abtastens ist. Dieses grob abgetastete Raster wird ein Halbbild genannt, und zwei zusammenhängende Halbbilder bilden ein Vollbild, wie in Fig. 3 gezeigt, wobei die Abtastgeschwindigkeit nach dem NTSC-Verfahren (NTSC = National Television System Comittee) 60 Halbbilder beträgt.
Nach einem konventionellen Codierverfahren, bei dem ein dreidimensionaler Block aus einem Vollbildsignal besteht, kann die Redundanz eines Bildsignals nicht immer wirksam reduziert werden, wenn es um ein Zeilensprung-Bildsignal geht. Insbesondere wenn ein Zeilensprung-Bildsignal, das eine starke Bewegung hat, in eine Vollbild-Form gebracht wird, kann keine wirksame Verringerung der Redundanz eines Bildsignals erhalten werden, da zwei Dimensionen konstruiert werden, in denen die räumliche Verschiebung und die Zeitverschiebung vermischt sind.
Im Falle der Codierung eines digitalen Videosignals in der Zeilensprung-Abtastform wird übrigens eine räumliche Verschiebung in einander benachbarten Halbbildern infolge der Wirkung der Zeilensprung-Abtastform in eine Zeitverschiebung umgewandelt, und sogar im Falle eines vollständig stehenden Bildes erscheint ein Pseudoteil. Wenn daher eine Gewichtung und Quantisierung an hohen Koeffizienten durchgeführt wird, nachdem eine orthogonale Transformation in der Zeitrichtung durchgeführt worden ist, um den Informationsgehalt im Zeitpunkt eines bewegten Bildes zu reduzieren, wird die Gewichtung und Quantisierung auch in dem pseudobewegten Teil durchgeführt, was zu einer Verschlechterung der Bildqualität eines stehenden Bildes auf der Decodierungsseite führt. Um diese Probleme zu lösen, ist es notwendig, für jeden 3-D-Block zu beurteilen, ob das Bild sich bewegt oder steht, und eine Gewichtung und Quantisierung von verschiedenen Niveaus entsprechend einem bewegten Bild oder einem stehenden Bild durchzuführen.
In "PROCEEDINGS OF THE SECOND INTERNATIONAL WORKSHOP ON SIGNAL PROCESSING OF HDTV, L'Aquila, It, 29. Februar - 2. März 1988, Seiten 231 - 238, Chantelou et al., "Adaptive Transform Coding of HDTV-Pictures" ist ein Verfahren zur adaptiven Transformationscodierung von HDTV-Bildern offenbart. Das Verfahren macht von einer Vollbild-zu-Vollbild-Korrelation Gebrauch und basiert auf einer Interframe-Transformation. Das Verfahren reduziert die Vollbild-zu- Vollbild-Redundanz zumindest in stehenden Bereichen. Es umfaßt eine Schätzung der Hauptbewegungsrichtung, eine Verschiebung von Vollbildern einer Gruppe in Übereinstimmung mit dieser Richtung, was eine Beseitigung einer vorherrschenden Bewegungsrichtung bedeutet, und weiterhin eine DCT, wonach ein Computer- Normierungsfaktor angewandt wird und eine Gewichtung in Übereinstimmung mit vier Klassen, die durch vier Schwellenniveaus der Aktivität festgelegt sind, und in Übereinstimmung mit dem Normierungsfaktor durchgeführt wird. Da dieses Verfahren im Falle, daß das Signal ein Zeilensprung-Signal ist, keine befriedigenden Resultate liefert, wird vorgeschlagen, jedes zweite Halbbild um eine Zeile zu verschieben.

ABRISS DER ERFINDUNG

Eine Aufgabe der vorliegenden Erfindung ist es, ein Codierverfahren und eine Codiervorrichtung zu schaffen, mit denen die Redundanz eines Videosignals in Zeilensprung-Abtastform wirksam reduziert werden kann.
Eine weitere Aufgabe der Erfindung ist es, ein Codierverfahren und eine Codiervorrichtung zu schaffen, mit denen der Informationsgehalt im Zeitpunkt eines bewegten Bildes reduziert werden kann, ohne zu beurteilen, ob das Bild sich bewegt oder steht.
Noch eine weitere Aufgabe der Erfindung ist es, ein Codierverfahren und eine Codiervorrichtung zu schaffen, mit denen der Informationsgehalt im Zeitpunkt eines bewegten Bildes ohne Verschlechterung der Bildqualität eines stehenden Bildes auf der Decodierungsseite reduziert werden kann.
Noch eine Aufgabe der Erfindung ist es, ein Codierverfahren und eine Codiervorrichtung zu schaffen, mit denen die Redundanz eines Videosignals in Zeilensprung- Abtastform noch wirksamer reduziert werden kann, indem die räumlichen Positionen von Bildelementen in ungeradzahligen Halbbildern und die in geradzahligen Halbbildern miteinander zusammenfallend gemacht werden.
Die vorliegende Erfindung ist in den Ansprüchen 1, 4 und 5 offenbart. Die abhängigen Ansprüche offenbaren weitere Ausführungsformen der Erfindung.

KURZBESCHREIBUNG DER ZEICHNUNGEN

Fig. 1 ist eine Planskizze, die einen konventionellen dreidimensionalen Block in Vollbild-Form zeigt.
Fig. 2 ist eine Ansicht zur Erläuterung eines Prinzips einer Vollbild-Abtastung eines Fernseh-Rasters.
Fig. 3 ist eine Planskizze, die eine Beziehung zwischen Halbbildern und Vollbildern in einem Standard-Fernsehsystem zeigt.
Fig. 4 ist ein Blockdiagramm, das den Aufbau einer Vorrichtung gemäß einer ersten Ausführungsform zeigt.
Fig. 5 ist eine Planskizze, die einen dreidimensionalen Block gemäß einer ersten Ausführungsform zeigt.
Fig. 6 ist ein Bild, das eine Szene eines natürlichen beweglichen Bildes zeigt.
Fig. 7 ist ein zweidimensionales Bitmuster, das verwendet wird, wenn ein Koeffizient codiert wird.
Fig. 8 ist eine Abtastansicht eines zweidimensionalen Koeffizienten.
Fig. 9 ist ein Blockdiagramm, das den Aufbau einer Vorrichtung gemäß einer Ausführungsform der Erfindung zeigt.
Fig. 10 (a), (b) zeigen Stärkeverteilungen von Koeffizienten nach orthogonaler Transformation.
Fig. 11 ist eine Ansicht, die Basisvektoren der DCT zeigt.
Fig. 12 (a), (b) sind Ansichten, die eine Ausführungsform des Gewichtungsfaktors zeigen.
Fig. 13 (a), (b) sind Ansichten, die weitere Ausführungsformen des Gewichtungsfaktors zeigen.
Fig. 14 (a), (b) sind Ansichten, die noch eine Ausführungsform des Gewichtungsfaktors zeigen.
Fig. 15 ist ein Blockdiagramm, das den Aufbau einer Vorrichtung gemäß einer weiteren Ausführungsform der Erfindung zeigt.
Fig. 16 ist eine Planskizze, die Bildelemente zeigt, um einen Betrieb der Ausführungsform von Fig. 13 zu erläutern.
Fig. 17 ist eine Ansicht, die ein Beispiel einer Impulsantwort eines Interpolationsfilters mit ungeradem Abgriff zeigt.
Fig. 18 ist eine Ansicht, die ein Beispiel einer Impulsantwort eines Interpolationsfilters mit geradem Abgriff zeigt.
Fig. 19 ist eine Planskizze, die eine Spektralverteilung im Zeitpunkt einer Zeilensprung-Abtastung zeigt.
Fig. 20 ist eine Planskizze, die eine Spektralverteilung im Zeitpunkt einer Überabtastung zeigt.
Fig. 21 ist eine Planskizze, die eine Spektralverteilung in dem Zeitpunkt zeigt, in dem Bildelemente miteinander zusammenfallen gelassen werden.

BESCHREIBUNG DER BEVORZUGTEN AUSFÜHRUNGSFORMEN

(Erste Ausführungsform)

In Fig. 4, die den Aufbau einer Codier-/Decodiervorrichtung gemäß einer ersten Ausführungsform zeigt, bezeichnet das Bezugszeichen 1 einen Eingangsanschluß zum Eingeben eines Farbfernsehsignals in einem NTSC-System in einen NTSC- Decodierer 2. Der NTSC-Decodierer trennt das eingegebene Farbfernsehsignal in ein Leuchtdichtesignal (Y-Signal) und ein Farbdifferenzsignal (R-Y-Signal, B-Y- Signal), um sie an einen Analog/Digital-Wandler (nachstehend A/D-Wandler genannt) 3 auszugeben. Der A/D-Wandler 3 wandelt das eingegebene Signal in ein digitales Signal um und gibt das digitale Signal an einen Halbbildspeicher 4 aus. Der Halbbildspeicher 4 bündelt zweidimensionale Blöcke in zeitlich benachbarten Halbbildern, um einen dreidimensionalen Block (3-D-Block) zu bilden, und gibt Daten, die einen 3-D-Block bilden, als eine Einheit an eine Schaltung 5 für dreidimensionale (3-D) Orthogonaltransformation aus. Die Schaltung 5 für 3-D- Orthogonaltransformation führt zum Beispiel eine 3-D-DCT (DCT = Diskrete Cosinus-Transformation) an jedem 3-D-Block durch, um Koeffizienten zu erhalten, und gibt die erhaltenen Koeffizienten an eine Codiereinheit 6 aus. Die Codiereinheit 6 quantisiert und codiert die Koeffizienten. Die codierten Daten werden durch einen Ausgangsanschluß 7 ausgegeben. Ein Codiersystem besteht aus den oben erwähnten Elementen 1 bis 7.
Weiterhin zeigen die Bezugszeichen 11 bis 17 die Elemente, aus denen ein Decodiersystem besteht. Das Bezugszeichen 11 bezeichnet einen Eingangsanschluß zum Eingeben der codierten Daten in eine Decodiereinheit 12. Die Decodiereinheit 12 decodiert die codierten Daten in ursprüngliche 3-D-Daten und gibt die Daten an eine Schaltung 13 für inverse 3-D-Orthogonaltransformation aus. Die Schaltung 13 für inverse 3-D-Orthogonaltransformation führt eine inverse 3-D-DCT durch, um den ursprünglichen 3-D-Block zu erhalten, und gibt ihn an einen Halbbildspeicher 14 aus. Der Halbbildspeicher 14 verwandelt den 3-D-Block zurück in das ursprüngliche Halbbild-Raster und gibt ein digitales Leuchtdichtesignal (Y-Signal) und Farbdifferenzsignal (R-Y-Signal, B-Y-Signal) an einen Digital/Analog-Wandler (nachstehend D/A-Wandler genannt) 15 aus. Der D/A-Wandler 15 wandelt ein eingegebenes Signal in ein analoges Signal um und gibt es an einen NTSC-Codierer 16 aus. Der NTSC-Codierer 16 reproduziert das NTSC-Farbfernsehsignal mit dem Leuchtdichtesignal und dem Farbdifferenzsignal. Das reproduzierte Farbfernsehsignal wird durch einen Ausgangsanschluß 17 ausgegeben.
Im folgenden wird der Betrieb erläutert. Beim Reduzieren von Bildinformationen ist es im allgemeinen günstig, das Leuchtdichtesignal und das Chrominanzsignal unabhängig zu behandeln. Nachdem daher das vom Eingangsanschluß 1 aus eingegebene NTSC-Farbfernsehsignal vom NTSC-Decodierer 2 in das Leuchtdichtesignal (Y-Signal) und das Farbdifferenzsignal (R-Y-Signal, B-Y-Signal) getrennt worden ist, wird jedes dieser Signale durch den A/D-Wandler 3 digitalisiert. Die Abtastfrequenz des Y-Signals ist 13,5 MHz, und die des R-Y-Signals und des B-Y-Signals sind beide 6,75 MHz. Im Falle eines NTSC-Farbfernsehsignals ist daher die tatsächliche Abtastzahl je horizontaler Zeile des Y-Signals 720, die des R-Y-Signals und des B- Y-Signals sind beide 360, und 262,5 horizontale Zeilen bilden ein Halbbild. Unter diesen werden Daten von acht Halbbildern in den Halbbildspeicher 4 eingegeben, und tatsächliche Zeilen, beispielsweise 250 horizontale Zeilen, bilden ein Halbbild.
Und während die Daten der nächsten acht Halbbilder eingegeben werden, werden die Daten des in Fig. 5 gezeigten 3-D-Blocks aus dem Halbbildspeicher 5 an die Schaltung 5 für 3-D-Orthogonaltransformation ausgegeben.
In Fig. 5 besteht ein 3-D-Block aus einer Horizontalrichtung 1 als Primärrichtung, einer Vertikalrichtung 2 als Sekundärrichtung und einer Halbbildrichtung (Zeitrichtung) 3 als Tertiärrichtung. Konkret ist ein Block von 2 x 2 x 8 gezeigt. Wie in Fig. 5 gezeigt, fallen weiterhin in einem ungeradzahligen Halbbild und einem geradzahligen Halbbild, zum Beispiel im (2i-1)-ten Halbbild und im 2i-ten Halbbild, die räumlichen Positionen von Bildelementen in der Vertikalrichtung nicht miteinander zusammen. Das Bildelement oben links im 2i-ten Halbbild ist um 1/2 Zeile tiefer angeordnet als das oben links im (2i-1)-ten Halbbild. Nachdem in der Schaltung 5 für 3-D-Orthogonaltransformation an den mit so einem 3-D-Block als Einheit übertragenen Daten eine 3-D-DCT durchgeführt worden ist, werden die Daten von der Codiereinheit 6 codiert, dann unter Verwendung von Huffman-Codeworten und so weiter codiert und aus dem Ausgangsanschluß 7 ausgegeben.
Im Decodiersystem vom Eingangsanschluß 11 zum Ausgangsanschluß 17 wird ein Prozeß durchgeführt, der zu dem des oben erwähnten Codiersystems vom Eingangsanschluß 1 zum Ausgangsanschluß 7 vollständig umgekehrt ist, und das ursprüngliche NTSC-Farbfernsehsignal wird erhalten und aus dem Ausgangsanschluß 17 ausgegeben.
Es wird nun beschrieben, daß die Informationsreduktion in Übereinstimmung mit dem oben erwähnten Verfahren durchgeführt werden kann. Fig. 6 ist eine Szene eines natürlichen bewegten Bildes mit einem Totempfahl als Hintergrund. Es wird nun das Beispiel erläutert, daß eine 3-D-DCT von 8 x 8 x 8 Bildelementen an Daten in einem mit einem Rechteck markierten Teil in der Nähe der Mitte auf der rechten Seite durchgeführt wird. Tabelle 1 zeigt die Daten, die durch einheitliches Quantisieren der Leuchtdichtesignale der Halbbilder von t = 0 bis t = 7 in dem mit einem Rechteck markierten Teil in 8 Bit erhalten werden. An diesen Daten wird eine 3-D-DCT durchgeführt, und die Bruchteile von 5 und darüber werden als eine Einheit gezählt und die restlichen werden abgeschnitten, um Koeffizienten wie in Tabelle 2(a), (b) gezeigt zu erhalten. Wenn die erhaltenen Koeffizienten unter Verwendung eines Codier-Bitmusters in Fig. 7 und einer 2-D-Abtastung in Fig. 8 codiert werden, beträgt die Codierungslänge der 3-D-Daten 1902 Bit.
In Fig. 7 zeigt die Abszissenachse Koeffizientenniveaus und zeigt die Ordinatenachse Nullbetriebs-Längen, wobei Zahlen in der Figur die Codelänge zeigen. Fig. 8 ist eine bei 2-D-DCT häufig verwendete Abtastansicht, und in dieser Ausführungsform ist so eine 2-D-Abtastung acht mal zu wiederholen.
Die gleichen Daten sind in Vollbild-Form umgewandelt worden, um auf konventionelle Weise codiert zu werden. Tabelle 3 zeigt ursprüngliche Daten in Vollbild- Form. In diesem Fall gibt es zwei 3-D-Blöcke mit 8 x 8 x 4 Bildelementen. Die durch Durchführung einer 3D-DCT an den zwei Blöcken erhaltenen Koeffizienten sind in Tabelle 4 (a), (b) gezeigt. Wenn die Koeffizienten unter Verwendung des Codier-Bitmusters in Fig. 7 und der 2-D-Abtastung in Fig. 8 codiert werden, beträgt die Codelänge in jedem Block 1.188 Bit und 1.136 Bit, wobei die Summe 2.325 Bits beträgt.
Wie oben erwähnt, ist in dieser Ausführungsform im Vergleich zu einem konventionellen Beispiel ungefähr 16 % Informationsreduktion erreicht worden. Wenn der Informationsgehalt in eine Übertragungsgeschwindigkeit umgewandelt wird, indem die Codierung an einem Bild mit vier Vollbildern in Fig. 6 durchgeführt wird, können gemäß dieser Ausführungsform ungefähr 25,3 Mbps erhalten werden. Auf die gleiche Weise ist in einem konventionellen Beispiel die Übertragungsgeschwindigkeit ungefähr 30,2 Mbps. Aus diesen Tatsachen erkennt man, daß die Informationsreduktion nicht nur in einem Teil eines Bildes, sondern auch in einem ganzen Bild durchgeführt werden kann.

(Zweite Ausführungsform)

Als nächstes wird die zweite Ausführungsform der Erfindung erläutert. Diese ist ein Beispiel für ein Codieren der erhaltenen Koeffizienten nach der Gewichtung, um den Informationsgehalt zu reduzieren. In Fig. 9, die den Aufbau einer Codier/Decodiervorrichtung gemäß einer zweiten Ausführungsform zeigt, zeigen Teile mit gleichen Zahlen wie in Fig. 4 die gleichen Elemente. Das Bezugszeichen 8 im Codiersystem bezeichnet eine Gewichtungs- und Quantisiereinheit zur Quantisierung der in der Schaltung 5 für 3-D-Orthogonaltransformation erhaltenen Koeffizienten nach Gewichtung. Die Gewichtungs- und Quantisiereinheit 8 gibt die quantisierten Daten an eine Einheit 9 zur Codierung mit variabler Länge aus. Die Einheit 9 zur Codierung mit variabler Länge führt eine Codierung mit variabler Länge an den eingegebenen Daten durch, auf die Weise, daß Daten mit hoher Häufigkeit unter Verwendung von beispielsweise Huffman-Codeworten ein kurzes Codewort zugeordnet wird. Und das Bezugszeichen 18 im Decodiersystem ist eine Einheit zur Decodierung mit variabler Länge, zur Decodierung der mit variabler Länge codierten Daten zu den ursprünglichen quantisierten Daten. Die Einheit 18 zur Decodierung mit variabler Länge gibt die quantisierten Daten an eine Gewichtungs- und Rückquantisierungseinheit 19 aus. Die Gewichtungs- und Rückquantisierungseinheit 19 decodiert die quantisierten Daten in die ursprünglichen Daten der Koeffizienten.
Als nächstes wird der Betrieb erläutert. Die Erläuterung wird hier auf den von der ersten Ausführungsform abweichenden Gewichtungsbetrieb konzentriert. Auf die gleiche Weise wie in der ersten Ausführungsform werden die Daten mit einem 3-D- Block als Einheit, wie in Fig. 5 gezeigt, aus dem Halbbildspeicher 4 an die Schaltung 5 für 3-D-Orthogonaltransformation ausgegeben, und an den Daten wird eine 3-D-DCT durchgeführt. Fig. 10 zeigt die Stärkeverteilung von Koeffizienten in Übereinstimmung mit der DCT der Tertiärrichtung (Zeitrichtung). Fig. 10 (a) zeigt den Fall eines bewegten Bildes, wobei natürlich jeder Koeffizient mehr Stärke und mehr Informationsgehalt hat. Fig. 10 (b) zeigt den Fall eines stehenden Bildes. Ursprünglich gibt es im stehenden Bild keine Informationsänderung in der Zeitrichtung, und infolge der Zeilensprung-Abtastung wird eine räumliche Verschiebung in eine Zeitverschiebung umgewandelt, und an ungeradzahligen Koeffizienten erscheint Stärke, wenn man als DC-Komponente die 0-te nimmt. Dies bezieht sich auf einen Grad N eines Basisvektors der DCT. In Fig. 11 sind Basisvektoren der DCT für den Fall N = 16 gezeigt.
Der Grund, weshalb Stärke nur an ungeradzahligen Koeffizienten erscheint, wird nun anhand der Definitionsformel der DCT erläutert. Eine N-Punkte-DCT ist durch die folgenden Gleichungen definiert.
Hier, wenn ungerade Halbbilder und gerade Halbbilder getrennt betrachtet werden, wird y(i) durch die folgende Gleichung ausgedrückt.
Im Falle eines stehenden Bildes, wenn die Bildsignale in geraden Halbbildern einander gleich sind und die in ungeraden Halbbildern ebenfalls einander gleich sind, ist x(0) = x(2) = ,..., = x(N-2) und x(1) = x(3) = ,..., = x(N-1). Wenn dies verwendet wird, wird y(i) weiterhin durch die folgende Gleichung ausgedrückt.
Da in der Cosinusfunktion cos α = -cos (π - α) = -cos (π + α) = cos (2π - α), ergeben sich für i = 2, 4, 6, ..., N-2 außerdem die folgenden Gleichungen.
Auf diese Weise sind geradzahlige Koeffizienten außer der DC-Komponente Null, und Stärke erscheint in ungeradzahligen Koeffizienten.
In der Gewichtungs- und Quantisiereinheit 8 wird die Gewichtung nur an ungeradzahligen Koeffizienten mit keinen Informationen eines stehenden Bildes durchgeführt, um sie in gleicher Weise und grob zu gewichten. In Fig. 12 (a) ist ein Beispiel eines Gewichtungsfaktors bei der Gewichtung gezeigt. Im Falle eines stehenden Bildes gibt es keinen Einfluß, da die Gewichtung an Koeffizienten durchgeführt wird, deren Werte ursprünglich Null sind. Im Falle eines bewegten Bildes wird der Informationsgehalt durch den Betrieb der Einheit 9 zur Codierung mit variabler Länge, in der Huffman-Codeworte verwendet werden, reduziert, da Koeffizienten durch die Gewichtung in Null oder eine kleine Zahl umgewandelt werden.
Die durch die Einheit 9 zur Codierung mit variabler Länge mit variabler Länge codierten Daten werden aus dem Ausgangsanschluß 7 ausgegeben.
Im Decodiersystem vom Eingangsanschluß 11 zum Ausgangsanschluß 17 wird ein NTSC-Farbfernsehsignal erhalten und aus dem Ausgangsanschluß 17 ausgegeben, indem ein Prozeß durchgeführt wird, der zu dem des oben erwähnten Codiersystems vollständig umgekehrt ist. In Fig. 12 (b) ist ein Beispiel eines bei der Decodierung verwendeten Gewichtungsfaktors gezeigt.
Ein weiteres Beispiel eines bei der Codierung und Decodierung verwendeten Gewichtungsfaktors ist in Fig. 13 und 14 gezeigt. In diesem Beispiel wird jede Gewichtung auf die Weise durchgeführt, daß geradzahlige Koeffizienten gröber quantisiert werden als ungeradzahlige Koeffizienten. Dementsprechend kann der Informationsgehalt im Zeitpunkt eines bewegten Bildes stark reduziert werden, wobei die Bildverschlechterung eines stehenden Bildes auf einen geringen Grad beschränkt wird.
Obwohl die Erläuterung in der zweiten Ausführungsform anhand des Beispiels mit Verwendung einer 3-D-Orthogonaltransformation gegeben wurde, ist es außerdem selbstverständlich, daß auf Wunsch ein Verfahren zur Verarbeitung eines 2-D- Raums durchgeführt werden kann, solange eine Orthogonaltransformation in der Zeitrichtung durchgeführt wird.
In der zweiten Ausführungsform wie oben erwähnt wird die Gewichtung und Quantisierung nur an ungeradzahligen Koeffizienten durchgeführt, durch die keine pseudobewegten Teile erscheinen, oder es wird eine Gewichtung mit einer niedrigeren Geschwindigkeit und eine gröbere Quantisierung an Koeffizienten, durch die keine pseudobewegten Teile erscheinen, als an ungeradzahligen Koeffizienten durchgeführt, durch die pseudobewegte Teile erscheinen. Dementsprechend wird der Informationsgehalt im Zeitpunkt eines bewegten Bildes stark reduziert, ohne zu beurteilen, ob das Bild sich bewegt oder steht, und ohne Verschlechterung der Qualität eines stehenden Bildes.

(Dritte Ausführungsform)

In der oben beschriebenen ersten und zweiten Ausführungsform gibt es im Falle, daß der 3-D-Block durch Signale in Zeilensprung-Abtastform konstruiert wird, noch eine Möglichkeit, die Redundanz weiter zu reduzieren, da die räumlichen Positionen von Bildelementen in ungeraden Halbbildern und die in geraden Halbbildern in vertikaler Richtung nicht miteinander zusammenfallen. In der dritten Ausführungsform der Erfindung wird die Zwischenbildelemente-Berechnung in vertikaler Richtung in jedem Halbbild an einem digitalen Videosignal in Zeilensprung-Abtastform durchgeführt, wodurch räumliche Positionen von Bildelementen in ungeraden Halbbildern und die in geraden Halbbildern miteinander zusammenfallen gelassen werden, wonach eine 3D-Orthogonaltransformation daran durchgeführt wird.
In Fig. 15, die den Aufbau einer Codier-/Decodiervorrichtung gemäß der dritten Ausführungsform zeigt, sind Teile mit gleichen Zahlen wie die in Fig. 4 die gleichen Elemente. Das Bezugszeichen 10 bezeichnet ein Vertikalinterpolationsfilter, das eine Zwischenbildelemente-Berechnung in vertikaler Richtung in jedem Halbbild des vom A/D-Wandler 3 ausgegebenen digitalen Leuchtdichtesignals und Farbdifferenzsignals durchführt und die räumlichen Positionen von Bildelementen in ungeraden Halbbildern und die in geraden Halbbildern miteinander zusammenfallend macht. Nachdem die Positionen zusammenfallend gemacht worden sind, gibt das Vertikalinterpolationsfilter 10 die Daten an den Halbbildspeicher 4 aus. Das Bezugszeichen 20 im Decodiersystem ist ein Vertikalinterpolationsfilter, das die ursprünglichen digitalen Bildelement-Daten aus den Daten invertiert, in denen Positionen von Bildelementen zusammenfallend gemacht sind, die aus dem Halbbildspeicher 14 ausgegeben werden. Das Vertikalinterpolationsfilter 20 gibt die decodierten Bildelement-Daten an den D/A-Wandler 15 aus.
Als nächstes wird der Betrieb beschrieben. Mit der Ausnahme, daß die Positionen von Bildelementen im Vertikalinterpolationsfilter 10 zusammenfallend gemacht werden und daß die ursprünglichen Bildelement-Daten im Vertikalinterpolationsfilter 20 invertiert werden, ist der Betrieb der gleiche wie derjenige der oben erwähnten ersten Ausführungsform, so daß die Erläuterung hier auf die andersartigen Punkte konzentriert wird.
Fig. 16 ist eine Planskizze, die Bildelemente zeigt, um den Betrieb in der dritten Ausführungsform zu erläutern.
Das Leuchtdichtesignal und das Farbdifferenzsignal werden durch den D/A-Wandler 3 in digitale Signale umgewandelt. Die räumlichen Positionen von Bildelementen (mit gezeigt) davon in einem ungeraden Halbbild und denen in einem geraden Halbbild, zum Beispiel die im (2i-1)-ten Halbbild und die im 2i-ten Halbbild, fallen nicht miteinander zusammen, wie in Fig. 16 (a) gezeigt. Bildelemente in einem geraden Halbbild sind 1/2 Zeile tiefer als die in einem ungeraden Halbbild angeordnet.
Um ein Zusammenfallen von Positionen im Vertikalinterpolationsfilter 10 zu vollbringen, wird ein Überabtastverfahren verwendet. Um die Zahl der Bildelemente zu verdoppeln, werden in jedes zweite Element in vertikaler Richtung Nulldaten eingefügt. Die Markierung in Fig. 16 (b) zeigt die eingefügten Nulldaten. Wenn die Daten zur Interpolation durch ein Tiefpaßfilter geleitet werden, werden in den eingefügten Nulldaten interpolierte Daten erhalten, und die Zahl der Bildelemente wird verdoppelt. Als Interpolationsfilter kann zum Beispiel ein Filter mit ungeradem Abgriff verwendet werden, mit einer Impulsantwort wie in Fig. 17 gezeigt. Wie in Fig. 16 (c) gezeigt, werden die erhaltenen interpolierten Daten entfernt, so daß die Bildelemente mit den gleichen räumlichen Positionen übriggelassen werden, und die Daten nach Entfernung werden aus dem Halbbildspeicher 4 ausgegeben. Im Halbbildspeicher 4 wird ein 3-D-Block mit einer Mehrzahl von Bildelementen als eine Einheit konstruiert, mit einer Horizontalrichtung für eine Primärrichtung, einer Vertikalrichtung für eine Sekundärrichtung und einer Zeitrichtung für eine Tertiärrichtung. Und an jedem konstruierten 3-D-Block wird in der Schaltung 5 für 3-D- Orthogonaltransformation eine 3-D-DCT durchgeführt.
Im Decodiersystem werden die Daten des 3-D-Blocks, an dem die inverse Orthogonaltransformation durchgeführt worden ist, zu Halbbild-Daten (Fig. 16 (d)), in denen räumliche Positionen von Bildelementen im Halbbildspeicher 14 miteinander zusammenfallen. Um die ursprünglichen Bildelement-Daten wiederherzustellen, werden auf die gleiche Weise wie im Codiersystem Nulldaten eingefügt, um durch ein Interpolationsfilter geleitet zu werden, und es werden Daten wie in Fig. 16 (e) gezeigt erhalten. Werden ferner die mit markierten Daten entfernt, wird ein digitales Signal (Fig. 16 (f)) in Zeilensprung-Abtastform erhalten, das gleiche wie in Fig. 16 (a).
Die obige Beschreibung ist konzeptionell auf den Frequenzachsen in Fig. 19, 20, 21 gezeigt. In jeder Figur zeigt die Ordinatenachse die Frequenz in der Vertikalrichtung und zeigt die Abszissenachse die Frequenz in der Zeitrichtung. Fig. 19 ist eine Ansicht im Zeitpunkt der Zeilensprung-Abtastung entsprechend Fig. 16 (a). Das Bild ist infolge der Wirkung des versetzten Abtastens in schräger Richtung verwoben. Der Zustand in Fig. 20 entspricht dem in Fig. 16 (b), worin die Zahl der Bildelemente durch zweifaches Überabtasten verdoppelt wird, und vertikal tiefere Komponenten werden durch ein Vertikal-Tiefpaßfilter extrahiert. Ferner entspricht der Zustand in Fig. 21 dem in Fig. 16 (c), worin die Zahl der Bildelemente durch Entfernen von 1/2 die gleiche wie ursprünglich wird. Daß die in vertikaler Richtung zurückverwandelten hohen Komponenten in der Zeitrichtung gut getrennt werden, kommt der Informationsreduktion zustatten. Im Decodiersystem, in dem der Prozeß umgekehrt zu dem des Codiersystems abläuft, wobei Fig. 16 (d), (e), (f) jeweils Fig. 21, 20, 19 entsprechen, wird das ursprüngliche digitale Signal in Zeilensprung-Abtastform decodiert.
Um im obigen Beispiel die Positionen von Bildelementen miteinander zusammenfallend zu machen, werden ein Verfahren zum Überabtasten und ein Verfahren zum Entfernen von 1/2 verwendet, durch Verwendung eines Allpaßfilters kann aber auch sofortiges Zusammenfallen von Positionen zustande gebracht werden.
Zum Beispiel in Fig. 17 kann dies zustande gebracht werden, indem ein Filter mit einer mit markierten Antwort auf ein ungerades Halbbild angewandt wird und ein Filter mit einer mit markierten Antwort auf ein gerades Halbbild angewandt wird.
Als nächstes wird gezeigt, daß ein Filter, dessen Abgriffszahl gerade ist, auf die gleiche Weise verarbeitet werden kann. Ein Beispiel eines Interpolationsfilters mit geradem Abgriff ist eines, das eine Impulsantwort wie in Fig. 18 gezeigt aufweist. Wenn bei einem Signal (Fig. 16 (a)) in Zeilensprung-Abtastform in jedes zweite Element in vertikaler Richtung Nulldaten eingefügt werden (Fig. 16 (b)), um auf die gleiche Weise wie bei einem Filter mit ungeradem Abgriff durch ein Interpolationsfilter geleitet zu werden, können durch zweifaches Überabtasten Interpolationsdaten erhalten werden. Wenn der Schwerpunkt des Filters mit geradem Abgriff nicht an einem Bildelement, sondern in der Mitte zwischen benachbarten Bildelementen angeordnet ist, sind die Positionen der Bildelemente nach der Filterung um 1/4 Zeile zu verschieben. Durch Entfernen von 1/2 werden Bildelemente mit den gleichen räumlichen Positionen erhalten wie in Fig. 16 (c') gezeigt. Das Frequenzspektrum unterscheidet sich in diesem Zeitpunkt überhaupt nicht von dem eines Filters mit ungeradem Abgriff.
Ein in ein Interpolationsfilter eingegebenes Signal im Zeitpunkt der Decodierung ist in Fig. 16 (d') gezeigt. Wenn Nulldaten eingefügt und gefiltert werden, wird ein in Fig. 16 (e) gezeigtes Signal erhalten, da sie sich auf die gleiche Weise wie bei der Codierung um 1/4 Zeile verlagern. Wenn auf die gleiche Weise wie bei einem Filter mit ungeradem Abgriff eine versetzte Abtastung durchgeführt wird, wird das ursprüngliche digitale Signal (Fig. 16 (f)) in Zeilensprung-Abtastform erhalten.
Auf die gleiche Weise wie im Falle der Verwendung eines Filters mit ungeradem Abgriff kann im Falle der Verwendung eines Filters mit geradem Abgriff ein sofortiges Zusammenfallen der Positionen von Bildelementen in einem ungeraden Halbbild mit denen in einem geraden Halbbild zustande gebracht werden. Falls eine in Fig. 18 mit markierte Antwort auf ein ungerades Halbbild angewandt wird bzw. eine mit markierte Antwort auf ein gerades Halbbild angewandt wird.
Wie oben erwähnt, werden in der dritten Ausführungsform bei einem Videosignal in Zeilensprung-Abtastform die Positionen von Bildelementen in einem ungeraden Halbbild und die in einem geraden Halbbild in einem 2-D-Raum durch ein Vertikalinterpolationsfilter von Halbbild zu Halbbild zum Zusammenfallen gebracht, danach wird durch Bündeln eines geraden und eines ungeraden Halbbildes in der Zeitrichtung ein 3-D-Block gebildet, und es wird eine orthogonale Transformation daran durchgeführt, um ihn zu codieren, wodurch die Informationsreduktion bei einem Videosignal in Zeilensprung-Abtastform noch deutlicher als in der ersten Ausführungsform vollbracht wird. Außerdem ist es natürlich vorteilhaft, die dritte Ausführungsform mit der zweiten Ausführungsform zu kombinieren.
Obwohl in den obigen Ausführungsformen ein "sogenanntes" Signal mit einer 4:2:2-Komponente erläutert wurde, die das Y-Signal mit 13,5 MHz und das R-Y- Signal und das B-Y-Signal mit 6,75 MHz abtastet, ist außerdem die Abtastfrequenz nicht auf die oben erwähnten beschränkt. TABELLE 1 TABELLE 2(a) TABELLE 2(b) TABELLE 3 TABELLE 4(a) TABELLE 4(b)

Claims

1. Codierverfahren zum Codieren eines digitalen Videosignals vom Zeilensprung- Typ, enthaltend:

einen Verfahrensschritt, dreidimensionale Blöcke für jede Mehrzahl von Bildelementen zu konstruieren, wobei Bildelemente in der Horizontalrichtung jedes Feldes primäre Komponenten sind, Bildelemente in der Vertikalrichtung jedes Feldes sekundäre Komponenten sind und Bildelemente einer Mehrzahl von Feldern mit nahezu zusammenfallender zweidimensionaler räumlicher Position tertiäre Komponenten sind;

einen Verfahrensschritt, an jedem konstruierten dreidimensionalen Block eine orthogonale Transformation durchzuführen, um dadurch Koeffizienten zu erhalten; und

einen Verfahrensschritt, die erhaltenen Koeffizienten zu quantisieren und zu codieren; dadurch gekennzeichnet, daß vor der Quantisierung eine Gewichtung an geradzahligen Koeffizienten in der zeitlichen Richtung durchgeführt wird.

2. Codierverfahren zum Codieren eines digitalen Videosignals vom Zeilensprung- Typ, gemäß Anspruch 1, wobei die geradzahligen Koeffizienten in der zeitlichen Richtung mit einer niedrigeren Geschwindigkeit als ungeradzahlige Komponenten in einer zeitlichen Richtung gewichtet werden.

3. Codierverfahren wie in Anspruch 2 angegeben, wobei die orthogonale Transformation eine DCT (Diskrete Cosinus-Transformation) ist.

4. Codiervorrichtung zum Codieren eines digitalen Videosignals vom Zeilensprung- Typ, enthaltend:

eine Einrichtung zum Konstruieren von dreidimensionalen Blöcken für jede Mehrzahl von Bildelementen, wobei Bildelemente in der Horizontalrichtung jedes Feldes primäre Komponenten sind, Bildelemente in der Vertikalrichtung jedes Feldes sekundäre Komponenten sind und Bildelemente einer Mehrzahl von Feldern mit nahezu zusammenfallender zweidimensionaler räumlicher Position tertiäre Komponenten sind;

eine Einrichtung zur Durchführung einer orthogonalen Transformation an jedem konstruierten dreidimensionalen Block, um dadurch Koeffizienten zu erhalten; und

eine Einrichtung zum Codieren der erhaltenen Koeffizienten; dadurch gekennzeichnet, daß sie weiterhin eine Gewichtungseinrichtung zur Durchführung einer Gewichtung an geradzahligen Koeffizienten in einer zeitlichen Richtung enthält.

5. Codier- und Decodiervorrichtung zum Codieren eines digitalen Videosignals vom Zeilensprung-Typ und zum Decodieren von codierten Daten, um dadurch das digitale Videosignal zu erhalten, enthaltend:

eine Einrichtung zum Codieren der erhaltenen Koeffizienten;

eine Einrichtung zum Decodieren der codierten Daten, um dadurch Koeffizienten zu erhalten;

eine Einrichtung zur Durchführung einer inversen orthogonalen Transformation an den erhaltenen Koeffizienten, um dadurch dreidimensionale Blöcke zu erhalten; und

eine Einrichtung zum Synthetisieren der erhaltenen dreidimensionalen Blöcke, um dadurch das ursprüngliche digitale Videosignal zu erhalten, dadurch gekennzeichnet, daß die Vorrichtung weiterhin eine Einrichtung zum Gewichten von geradzahligen Koeffizienten in einer zeitlichen Richtung enthält.