Loading [MathJax]/jax/output/CommonHTML/config.js
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >compression artifact压缩失真介绍

compression artifact压缩失真介绍

作者头像
AomanHao
发布于 2024-08-07 03:24:33
发布于 2024-08-07 03:24:33
2500
举报

一、compression artifact压缩失真介绍

相机经过ISP pipeline各个算法模块处理之后,从相机端输出的数据对于传输网路来说,数据量过大会导致丢帧,数据传输异常等情况。若要传输相机原始数据,需要提高传输带宽,那成本就上来了。于是要对相机输出的原始视频进行编码压缩,以适应传输网路的带宽。

进行视频压缩,减少传输数据量,压缩分为有损压缩和无损压缩,有损压缩顾名思义是有信息损失的,他的压缩率也是高于无损压缩的。

原始视频经过压缩处理,通过网路传输到接收端,进行解码处理,尽量恢复接近原始视频的质量。压缩算法、传输是否丢包、解码算法等都会影响接收端恢复视频的质量。

二、空域压缩失真

2.1 Basis pattern基模式效应

具体现象及其描述:类似振铃效应,但基模式效应常出现于有纹理的区域,振铃则出现在边缘。

原因:图像压缩算法是一种有损压缩技术,会造成的画质损失。

2.2 blocking块效应、mosaic马赛克

具体现象:图像结块,马赛克情况明显。

原因:编码过程以块为单位进行处理,数据传输不完整,编码效果不完善都可能导致解码图像异常,产生块效应。

2.3 Blurring模糊效应

具体现象:图像细节丰富区域清晰度差,细节信息将丢失。

原因:细节丰富区域高频信号多,而对应的高频编码系数的丢失在解码的图像上来看,表现为细节损失或者图像模糊。

2.4 color bleeding渗色效应

具体现象及其描述:伪彩、缺失、色彩异常、色彩分层。

原因:假设图片没有色彩过饱和,可能因为色彩采样系数低,也可能因为色彩信息被粗量化。

2.5 Ringing振铃效应

具体现象:边缘部分不自然,有肉眼可见条边围绕图像边缘。

原因:类似Jepg、H264压缩都会优先保留边缘信息,可能是有损压缩编解码,在处理过程丢失了图像信息。

三、时域压缩失真

3.1 flickering闪烁效应

具体现象及其描述:fine-grain flickering粗粒闪烁,表现为画面亮度大片改变(gop)。

原因:在压缩中不同图片组(GoP)使用了不同的亮度。

具体现象及其描述:fine-grain flickering细粒闪烁:通常表现为高频闪烁。

原因:块效应和慢运动的叠加。

具体现象及其描述:mosquito noise蚊式噪声(闪烁变体):前景实体与背景或硬边缘之间的过渡部分,出现的模糊和闪烁现象,表象上来看和振铃和相似。

原因:蚊子噪声可能是由于振铃效应导致的错误匹配导致预测误差和运动补偿造成的,是高频失真,是时域编码效应的体现。

3.2 jerkiness抖动效应

具体现象及其描述:肉眼可见不均匀或摇晃。

原因:由于帧采样而感知到的不均匀或摇晃的运动。这通常是由 24 fps 电影转换为 30 或 60 fps 视频格式引起的。该过程称为“3:2 Pulldown”或“2:3 Pulldown”,因为 24 不能均匀地分为 30 或 60。

3.3 floating漂浮效应

具体现象及其描述:

edge floating边缘漂浮:边界处出现漂浮现象。

texture floating纹理漂浮:大面积的纹理上出现的漂浮现象。

原因:由于预测编码中的SKIP模式,它只是简单地将一个块从一帧复制到另一帧,而无需进一步更新图像细节。

3.4 breath呼吸效应

具体现象及其描述:肉眼可见视频画面时好时坏。

原因:通常由于码率分配问题和码率不足导致

参考:https://mp.weixin.qq.com/s/vWVvBqPBtGtE94S5iIqt5w

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2024-03-28,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
一场深度学习引发的图像压缩革命
雷锋网 AI 研习社按,2012 年,AlexNet 横空出世,以 15.4% 的低失误率夺得当年 ILSVRC(ImageNet 大规模视觉识别挑战赛)冠军,超出亚军十多个百分点。AlexNet 开启了深度学习黄金时代,随之而来是深度学习在图像识别上的蓬勃发展:
AI研习社
2018/07/26
8970
一场深度学习引发的图像压缩革命
JPEG 编码过程:为 GPU 处理开路
该文介绍了JPEG图片压缩算法的基本原理、过程、以及GPU并行化考量。
杨清华
2017/05/17
3.3K0
JPEG 编码过程:为 GPU 处理开路
菜鸟也能懂的 - 音视频基础知识
1,光和颜色光是一种肉眼可以看见(接受)的电磁波(可见光谱)。在科学上的定义,光有时候是指所有的电磁波。光是由一种称为光子的基本粒子组成。具有粒子性与波动性,或称为波粒二象性。人类肉眼所能看到的可见光只是整个电磁波谱的一部分。电磁波之可见光谱范围大约为 390~760nm(1nm=10-9m=0.000000001m)。
入门笔记
2023/03/08
1K0
菜鸟也能懂的 - 音视频基础知识
学习音视频解码你应该知道的东西
查看详细的视频编码介绍请访问视频编码 我们重点研究一下 H.26X 系列 特点:侧重网络传输 包括:H.261、H.262、H.263、H.263+、H.263++、H.264(就是MPEG4 AVC-合作的结晶) H.264/AVC 优点
酷走天涯
2018/09/14
8410
学习音视频解码你应该知道的东西
点云压缩研究进展与趋势
以激光扫描为代表的主动采集装备在易操作性、机动灵活性、智能化、高效化等方面日益成熟,利用三维成像技术采集密集点的空间坐标、色彩纹理和反射强度等信息,可高保真且快速重建被测目标的三维实体,在工程测量、生物医学、智慧城市、虚拟现实(VR)、增强现实(AR)等科学与工程研究中发挥十分重要的作用[1-4]。
一点人工一点智能
2023/03/13
3.1K0
点云压缩研究进展与趋势
干货 | 用深度学习设计图像视频压缩算法:更简洁、更强大
说到图像压缩算法,最典型的就是 JPEG、JPEG2000 等。 图 1:典型图像压缩算法 JPEG、JPEG2000 其中 JPEG 采用的是以离散余弦转换(Discrete Cosine Tra
AI科技评论
2018/03/15
4.7K1
干货 | 用深度学习设计图像视频压缩算法:更简洁、更强大
数字图像处理的基本原理和常用方法
  数字图像处理是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。图像处理最早出现于 20 世纪 50 年代,当时的电子计算机已经发展到一定水平,人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于 20 世纪 60 年代初期。早期的图像处理的目的是改善图像的质量,它以人为对象,以改善人的视觉效果为目的。图像处理中,输入的是质量低的图像,输出的是改善质量后的图像,常用的图像处理方法有图像增强、复原、编码、压缩等。
bear_fish
2018/09/19
6.5K0
数字图像处理的基本原理和常用方法
掌握量化技术是视频压缩的关键
视频编码利用信号的信息冗余来降低数据率。无损编码依赖于:差分预测编码、变换、熵编码。有损编码通过添加量化过程来进一步提高压缩效率。
用户1324186
2022/02/18
2.9K0
掌握量化技术是视频压缩的关键
探索现代图片格式:从GIF到HEIF,优势与适用场景一览
每个像素所能显示的彩色数为2的8次方,即256种颜色。这种彩色深度适用于较古老的显示设备和简单的图像场景。它在色彩表现方面相对较弱,颜色过渡可能显得不够平滑,导致图像呈现出颗粒感,不适合表现细腻的色彩变化。
linwu
2023/07/27
1.1K0
探索现代图片格式:从GIF到HEIF,优势与适用场景一览
失真对编码性能的影响研究
近几年来,视频流的技术环境发生了巨大的变化,互联网上的视频流量急剧增加。根据 Cisco 公司的报告的预测,视频流量将超过整个互联网使用量的 80%。这也使得人们对视频流和实时视频通信应用中的视频压缩的比特率与质量的权衡关系产生了更大的兴趣。然而这些编解码器在实际系统中的实际部署表明,还有其他考虑因素进一步限制了编解码器的性能,例如设备上的资源、云中的计算资源和 CDN(内容交付网络)中不同服务器之间的带宽。尤其是转码已经成为流媒体和通信生态系统的一个关键设备,使 Netflix、YouTube、Zoom、微软、Tiktok 和 Facebook 的视频应用成为可能。用户生成内容(UGC)的流媒体的一个主要问题是失真的影响,如噪音、曝光/光线和相机抖动。对于 UGC,这些失真通常会导致比特率提高,图片质量降低。
用户1324186
2021/11/23
1.3K0
(强烈推荐)移动端音视频从零到上手(上)
音视频的发展正在向各个行业不断扩展,从教育的远程授课,交通的人脸识别,医疗的远程就医等等,音视频方向已经占据一个相当重要的位置,而音视频真正入门的文章又少之甚少,一个刚毕业小白可能很难切入理解,因为音视频中涉及大量理论知识,而代码的书写需要结合这些理论,所以搞懂音视频,编解码等理论知识至关重要.本人也是从实习开始接触音视频项目,看过很多人的文章,在这里总结一个通俗易懂的文章,让更多准备学习音视频的同学更快入门。
音视频开发进阶
2019/07/31
1.1K0
(强烈推荐)移动端音视频从零到上手(上)
JPEG/Exif/TIFF格式解读(1):JEPG图片压缩与存储原理分析
JPEG的全称是JointPhotographicExpertsGroup(联合图像专家小组),它是一种常用的图像存储格式, jpg/jpeg是24位的图像文件格式,也是一种高效率的压缩格式,文件格式是JPEG(联合图像专家组)标准的产物,该图像压缩标准是国际电信联盟(International Telecommunication Union,ITU)、国际标准化组织(International Organization for Standardization,ISO)和国际电工委员会(International Electrotechnical Commission,IEC)共同制定。JPEG标准正式地称为ISO/IEC IS(国际标准)10918-1:连续色调静态图像数字压缩和编码(Digital Compression and Coding of Continuous-tone Still Images)和ITU-T建议T.81。
周陆军
2020/07/24
4K0
基于扩散模型的图像压缩:创建基于Stable Diffusion的有损压缩编解码器
Stable Diffusion是最近在图像生成领域大火的模型,在对他研究的时候我发现它可以作为非常强大的有损图像压缩编解码器。在介绍之前,我们先看看它与高压缩率下的JPG和WebP相比的而结果,所有都是512x512像素的分辨率为单位:
deephub
2022/11/11
1K0
基于扩散模型的图像压缩:创建基于Stable Diffusion的有损压缩编解码器
6DoF视频技术研究进展
6自由度(six degrees of freedom,6DoF)视频具体表现为在观看视频过程中,用户站在原地时头部与视频内容之间的
一点人工一点智能
2023/08/25
1.1K0
6DoF视频技术研究进展
在 VVC 中实现胶片颗粒技术
胶片颗粒(Film grain)是一种令人愉悦的噪音,可增强视频内容的自然外观。它是在摄影胶片曝光和显影的物理过程中产生的。然而,数字传感器没有经过这样的过程,因此没有胶片颗粒。这会生成无噪声的数字视频,其完美、清晰和明显的边缘和单调的区域会恶化观看者的主观体验。因此,对视频重新添加胶片噪声可以改善视觉体验,内容创作者经常在分发内容之前使用它。这一点尤其被电影行业所接受,许多创作者转向在视频内容中添加电影颗粒的技术,为他们的视频添加质感和温暖,或者有时会产生一种怀旧感。
用户1324186
2021/12/02
2.4K0
在 VVC 中实现胶片颗粒技术
学界 | 纽约大学提出端到端优化图像压缩方法,全面超越JPEG 2000 | ICLR 2017
AI科技评论按:ICLR 2017 将于4月24-26日在法国土伦举行,届时AI科技评论的编辑们也将前往法国带来一线报道。在这个深度学习会议举办之前,AI科技评论也将围绕会议议程及论文介绍展开一系列的覆盖和专题报道,敬请期待。 数据压缩是一种基础工程问题,在数据存储和有限容量信道传输中有重要的应用。图像作为一种信息载体,数据量巨大,因此研究者们对图像压缩的研究从未停止过。在ICLR 2017会议上,来自纽约大学的Johannes Balle 等研究者提出了一种端到端优化的图像压缩方法,并发表了论文:《E
AI科技评论
2018/03/12
1.5K0
学界 | 纽约大学提出端到端优化图像压缩方法,全面超越JPEG 2000 | ICLR 2017
视频编码(2):H.265 如何比 H.264 提升 40% 编码效率丨音视频基础
我们在前文《视频编码(1)》中探讨了 H.264 视频编码的基本概念、编码工具、编码流程及码流结构等基础知识,接下来我们来继续探讨在 H.264 基础上迭代而生的 H.265 有哪些改进,看看它是如何在同样的画面质量下将编码码率降下来的。本文内容包括如下章节:
关键帧
2022/06/13
1.6K0
视频编码(2):H.265 如何比 H.264 提升 40% 编码效率丨音视频基础
这个开发者易忽略的优化点,腾讯视频竟靠它省上千万元
👉腾小云导读 在互联网行业降本增效的大背景下,如何结合业务自身情况降低成本是每个业务都需要思考的问题。腾讯视频业务产品全平台日均覆盖人数超2亿。图片作为流媒体之外最核心的传播介质,庞大的业务量让静态带宽成本一直居高不下——腾讯视频各端日均图片下载次数超过 100 亿次,平均图片大小超 100kb,由此带来的图片静态带宽成本月均超千万。本文将详细介绍腾讯视频业务产品借助腾讯云数据万象来优化静态带宽成本过程中的挑战与解决方案,输出同领域通用的经验方法,希望可以对广大开发爱好者有所启发。 👉看目录,点收藏 1 背
云存储
2023/03/29
7850
这个开发者易忽略的优化点,腾讯视频竟靠它省上千万元
制作域的数字媒体格式和编码器简介
原文链接:https://www.tvtechnology.com/news/a-simple-guide-to-formats-and-codecs
用户1324186
2020/05/06
1.2K0
浅入浅出谈“视频压缩”
1 我们为什么要进行压缩? 2 视频信息为什么可以被压缩? 3 视频压缩算法概述 (一)我们为什么要进行压缩? 原始的视频数据YUV(RGB)很大,举个例子: 1080p@60fps,2h的电影,其
腾讯多媒体实验室
2022/07/27
2.1K0
浅入浅出谈“视频压缩”
推荐阅读
相关推荐
一场深度学习引发的图像压缩革命
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档