کالبدشکافی جادو؛ نگاهی فنی به استانداردهای فشرده‌سازی ویدیو و H.264

استاندارد H.264 یکی از موفق‌ترین و همه‌گیرترین فناوری‌ها در دنیای نرم‌افزار و سخت‌افزار است. از پخش ویدیو در اینترنت و دیسک‌های Blu-ray گرفته تا دوربین‌های امنیتی و تلفن‌های همراه، همگی به نوعی به این کدک (Codec) وابسته‌اند. هدف اصلی این فناوری در طول بیش از سه دهه توسعه، کاهش پهنای باند مورد نیاز برای انتقال ویدیوهای تمام‌حرکت بوده است.

چرا فشرده‌سازی ویدیو حیاتی است؟

یک ویدیوی خام (Uncompressed) با کیفیت ۱۰۸۰p و نرخ ۶۰ فریم بر ثانیه، آرایه‌ای سه‌بعدی از داده‌های پیکسلی است که در هر ثانیه حدود ۳۷۰ مگابایت داده تولید می‌کند. ذخیره یا انتقال چنین حجمی برای سخت‌افزارهای امروزی نیز بسیار دشوار است؛ بنابراین فشرده‌سازی نه یک گزینه، بلکه یک ضرورت مطلق است.

تفاوت اصلی میان فرمت‌های تصویر ثابت مثل PNG و فرمت‌های ویدیویی در نوع فشرده‌سازی آن‌هاست:

• فشرده‌سازی بدون اتلاف (Lossless): فرمت‌هایی مانند PNG هیچ‌گونه داده‌ای را حذف نمی‌کنند و تصویر بیت‌به‌بیت بازیابی می‌شود.
• فشرده‌سازی با اتلاف (Lossy): استانداردی مانند H.264 با حذف اطلاعات کم‌اهمیت، حجم فایل را به‌طزح چشمگیری کاهش می‌دهد بدون اینکه افت کیفیت به چشم آید.

ابزارهای جادویی H.264 برای کاهش حجم

برای دستیابی به چنین کارایی بالایی، H.264 از ترفندهای ریاضی و مهندسی مختلفی بهره می‌برد:

• تبدیل به حوزه فرکانس (Frequency Domain): به‌جای کار با مختصات فضایی (X-Y)، داده‌ها به حوزه فرکانس منتقل می‌شوند. جزییات دقیق تصویر به فرکانس‌های بالا و گرادیان‌های نرم به فرکانس‌های پایین نگاشت می‌شوند. با حذف فرکانس‌های بالا (Masking) یا همان فرایند Quantization، بخش زیادی از داده‌های غیرضروری دور ریخته می‌شوند.
• زیرنمونه‌برداری رنگی (Chroma Subsampling): سیستم بینایی انسان نسبت به تغییرات روشنایی (Luminance یا Y) بسیار حساس‌تر از تغییرات رنگ (Chrominance یا Cb/Cr) است. با کاهش رزولوشن بخش رنگی به نصف و حفظ کامل بخش روشنایی، بدون افت کیفیت محسوبی، حجم داده‌ها به‌شدت افت می‌کند.
• جبران حرکت (Motion Compensation): در حوزه زمانی، ویدیوها شامل فریم‌های تکرارشونده زیادی هستند. الگوریتم تصویر را به بلوک‌های ماکرو تقسیم کرده و تنها برداری از جابجایی این بلوک‌ها را ذخیره می‌کند. فریم‌های مرجع (I-frames) کامل ثبت می‌شوند و فریم‌های بعدی (P-frames و B-frames) بر اساس بردارهای حرکتی نسبت به فریم‌های قبلی یا بعدی پیش‌بینی و بازسازی می‌شوند.

دیدگاه جامعه مهندسی در هکرنیوز

در بحث‌های انجام‌شده پیرامون این مقاله، کاربران به این نکته اشاره کرده‌اند که این متن اصالتاً متعلق به سال ۲۰۱۶ است و با اینکه اصول پایه‌ای فشرده‌سازی همچنان ثابت مانده‌اند، اما فناوری‌های مدرن‌تری مانند AV1 و استانداردهای نسل جدید ظهور کرده‌اند که بهره‌وری بالاتری در فشرده‌سازی ویدیو ارائه می‌دهند.