Codificación

PID_00215138

Alexandre Ribelles García

CC-BY-NC-ND • PID_00215138 Codificación

Alexandre Ribelles García

Consultor y tutor de los Estudios de

Informática, Multimedia y Teleco-
municación de la UOC desde sus
inicios. Ingeniero de Telecomuni-
cación por la UPC y máster de Te-
lecomunicación en la empresa por
la UPF. En la actualidad es técnico
de sistemas en el Departamento de
Emisión de Televisión de Cataluña,
en proyectos de cadenas y conteni-
dos digitales, emisiones IP y digital
signage.

Los textos e imágenes publicados en esta obra están sujetos –excepto que se indique lo contrario– a una licencia de
Reconocimiento-NoComercial-SinObraDerivada (BY-NC-ND) v.3.0 España de Creative Commons. Podéis copiarlos, distribuirlos
y transmitirlos públicamente siempre que citéis el autor y la fuente (FUOC. Fundación para la Universitat Oberta de Catalunya),
no hagáis de ellos un uso comercial y ni obra derivada. La licencia completa se puede consultar en [Link]
licenses/by-nc-nd/3.0/es/[Link]
CC-BY-NC-ND • PID_00215138 Codificación

Índice

Introducción............................................................................................... 5

Objetivos....................................................................................................... 6

1. Conceptos de codificación............................................................... 7
1.1. Codificación y compresión ......................................................... 9
1.2. Redundancia y entropía .............................................................. 11
1.3. Medida de la compresión de imagen ......................................... 12
1.4. Medida objetiva y subjetiva de la calidad de imagen ................. 13
1.5. Clasificación de las técnicas de compresión ............................... 14
1.5.1. Compresión sin pérdidas ............................................... 14
1.5.2. Compresión con pérdidas ............................................. 15
1.6. Tratamiento del color: representación y submuestreo ................ 17
1.6.1. Representaciones del color: espacios RGB e YCbCr ....... 18
1.6.2. Submuestreo de color .................................................... 20
1.7. Ejercicios ...................................................................................... 22

2. Codificación de imagen fija............................................................ 24

2.1. El formato JPEG .......................................................................... 24
2.1.1. Modo secuencial ............................................................ 25
2.1.2. Otros modos de trabajo de JPEG ................................... 33
2.2. JPEG 2000 .................................................................................... 35
2.3. JPEG XR ....................................................................................... 36
2.4. Tendencias futuras de la codificación de imagen ....................... 36
2.5. Ejercicios ...................................................................................... 37

3. Codificación de vídeo y audio........................................................ 45

3.1. Modelos de codificación de audio y vídeo ................................. 45
3.2. Compresión de audio digital ...................................................... 47
3.3. Diferenciando contenedor y códec ............................................. 49

4. El estándar MPEG-2........................................................................... 52
4.1. Antecedentes ............................................................................... 53
4.2. Qué es MPEG-2 ........................................................................... 54
4.3. Conceptos básicos: GOP Y MPEG ............................................... 54
4.3.1. GOP ................................................................................ 54
4.3.2. MPEG ............................................................................. 57
4.3.3. Ejemplos de uso ............................................................. 59
4.4. Los flujos elementales de datos .................................................. 60
4.4.1. Flujo elemental de vídeo ............................................... 60
4.4.2. Flujo elemental de audio ............................................... 62
CC-BY-NC-ND • PID_00215138 Codificación

4.4.3. Flujo elemental empaquetado ....................................... 62

4.5. Almacenamiento y transmisión .................................................. 63
4.5.1. Almacenamiento ............................................................ 63
4.5.2. Transmisión .................................................................... 63
4.6. Perfiles y niveles en MPEG-2 ...................................................... 64
4.6.1. Perfiles ............................................................................ 64
4.6.2. Niveles ............................................................................ 64
4.6.3. Combinaciones de perfiles y niveles ............................. 65
4.7. MPEG-2 en la industria ............................................................... 65
4.8. Medida de la calidad de imagen en MPEG-2 para DVB .............. 66

5. El estándar MPEG-4 y H.264/AVC.................................................. 69

5.1. El estándar y sus patentes ........................................................... 70
5.2. H.264 o MPEG-4 Part10 .............................................................. 70
5.3. Almacenamiento ......................................................................... 71
5.4. Transmisión ................................................................................. 71
5.5. Perfiles y niveles .......................................................................... 72
5.5.1. Perfiles ............................................................................ 72
5.5.2. Niveles ............................................................................ 73
5.6. H.264 en la industria .................................................................. 73
5.7. Gestión de objetos multimedia con MPEG-4 ............................. 74
CC-BY-NC-ND • PID_00215138 5 Codificación

Introducción

Se inicia en este módulo la visión en detalle de los estándares de codificación

de imagen, sonido y vídeo. Para ello se discute su necesidad, se introducen
los conceptos de redundancia y entropía, espacio y submuestreo de color, se
describen los tipos de compresión y se brindan las herramientas empíricas y
subjetivas para valorar la compresión.

El primer estándar de codificación que se analiza, JPEG para imagen, incorpora

elementos que forman parte de la mayoría de sistemas de codificación, por lo
que es descrito en detalle tanto desde el punto de vista práctico como teórico.
Se comparan, además, sus modos de trabajo con y sin pérdidas, introduciendo
finalmente las versiones más actuales del estándar: 2000 y XR.

A continuación, y aumentando en complejidad, se adentra en la codificación

de audio y vídeo mediante el estándar MPEG-2, introduciendo los tipos y las
estructuras de imagen, así como la descripción de su codificador (coder), deco-
dificador (decoder) y los modos de trabajo por perfiles y niveles.

Por último, cierra el módulo el estándar H.264/AVC, denominado vulgarmen-

te MPEG-4, comparándose con su antecesor y describiendo las novedades y
aplicaciones de este estándar actual según sus perfiles y niveles.
CC-BY-NC-ND • PID_00215138 6 Codificación

Objetivos

Los objetivos de este módulo son:

1. Identificar los parámetros que caracterizan la imagen y el sonido.

2. Diferenciar los conceptos de codificación y compresión.

3. Identificar y diferenciar los estándares de codificación más habituales.

4. Capacitaros para seleccionar el mejor formato de codificación en función

de la calidad esperada, el tipo de material y el destino de la reproducción.
CC-BY-NC-ND • PID_00215138 7 Codificación

1. Conceptos de codificación

La digitalización de los sistemas de información iniciada en los años ochen-

ta del siglo XX ha conllevado la generación constante, ininterrumpida y, so-
bre todo, creciente de datos que se almacenan en dispositivos y/o transmiten
por sistemas de comunicaciones que no han evolucionado al mismo ritmo en
cuanto a capacidad. La situación se acelera con el auge de los productos y ser-
vicios multimedia, verdaderos consumidores incansables de todo dispositivo
de almacenamiento y culpables directos del “estrés” sobre la calidad de servi-
cios de los proveedores de redes de datos. Nunca hay un disco suficientemente
grande, nunca existe una red suficientemente rápida...

Dejando la exageración aparte, la necesidad�de�comprimir�la�información

es lógica: las imágenes requieren considerablemente más espacio en bits que
el texto. El audio y el video incluso demandan aún más en términos de alma-
cenamiento y velocidad de transmisión. Unos pocos números ilustran este as-
pecto, introduciendo así algunos conceptos básicos que utilizaremos a lo largo
de todo la asignatura:

a) Una página de este libro contiene unas 50 líneas de 80 caracteres; si cada

carácter puede representarse, almacenarse y transmitirse digitalmente con 1
byte (8 bits), cada página ocupa 32.000 bits.

b) Un diseño de un edifico en vectores (es decir, creado con líneas, como los
diseños de Autocad o una fuente escalable) contiene unos 500 trazos. Si cada
trazo se representa simplemente por sus coordenadas de inicio y final (cuatro
números en total) y cada número por 2 bytes, la imagen ocupa 32.000 bits.

c) La música en calidad CD supone 44.100 muestras de sonido cada segundo; si

las muestras son de 16 bits y es estéreo, se generan 1.411.200 bits por segundo
(casi 1,5 Mbits/segundo o lo que es lo mismo, 1,5 Mbps).

d) Una imagen fotográfica de 720 por 576 píxeles contiene 414.720 píxeles en
total; si la imagen es en blanco y negro, cada píxel se representa por un byte,
con lo que ocupa 3.317.760 bits (más de 3 Mbits).

e) Si la imagen anterior fuese en color, cada píxel se representaría por 3 bytes

(uno para el rojo, otro para el verde y otro para el azul), ocupando el triple,
9.953.280 bits (casi 10 Mbits).

f) El sonido digital envolvente puede llegar a suponer casi 9 Mbps sin trata-
miento alguno.
CC-BY-NC-ND • PID_00215138 8 Codificación

g) En el caso de vídeo, un clip de calidad estándar de 625 líneas a 25 cua-

dros/segundo necesitaría, sin comprimirse, unos 216 Mbps.

h) Si fuese HD estándar a 1.080 líneas (1.080i), aumentaría a 1,15 Gbps; o

incluso el doble, 2,30 Gbps, si fuese HD puro (1.080p).

i) Actualmente, las soluciones propietarias de cine digital, Ultra HD y Hi-Vi-

sion están en torno a las 4.000 líneas de resolución, y no sería posible trans-
mitirlas sin compresión por debajo de los 10 Gbps.

j) Desde el año 2005, se han realizado emisiones experimentales en Super-

Hi-Vision (8.000 líneas), por ejemplo, los Juegos Olímpicos del 2012. La señal
pura de 24 Gbps sería imposible de transmitir actualmente incluso en fibra
óptica si no se comprimiese previamente, y menos por Internet.

Los formatos de 4.000 líneas son denominados 4K, y los de 8.000 líneas
8K; actualmente son solo utilizados en posproducción de vídeo HD y
cine.

Ilustración 1. TV LED Super Hi-Vision de 8.000 líneas presentado en el IBC

2012 en Ámsterdam

Foto del autor.

(1)
Los requerimientos de memoria y velocidad de transmisión para estas infor- En inglés, buffers.
maciones deben reducirse de manera notable para que puedan ser gestiona-
dos por los equipos actuales, con capacidades de almacenamiento del orden
de Gbytes y memorias intermediarias1 del orden de Mbytes, y de sistemas de
transmisión en torno a algunos Mbps. Necesitamos comprimir, y en algunos
casos de manera drástica, aunque suponga pérdida de parte de su contenido.
CC-BY-NC-ND • PID_00215138 9 Codificación

Ilustración 2. Representación virtual de los grandes flujos de datos entre los principales países

El impacto de la compresión

Más allá del gigabyte (Gbyte) y del terabyte (Tbyte), existen unidades cuya familiaridad
va en aumento año tras año: el petabyte (1.024 Gbytes), el exabyte (1.024 Pbytes), el
zettabyte (1.024 Ebytes) y el yottabyte (1.024 Zbytes). Por ejemplo, el tráfico global de
Internet cada segundo es aproximadamente 20 Tbytes, de los cuales casi el 70% es trans-
misión en tiempo real (streaming) de datos de vídeo, el 10% es transferencia de ficheros,
el 15% son correos electrónicos y navegación por webs, etc.

Así pues, la distribución de contenidos (ya sean multimedia o de otro tipo) puede suponer
cerca del 80% del tráfico de la Red en cualquier momento, y sin duda comprimidos. Por
ello, toda técnica que pueda suponer una mejora de la compresión tendrá un impacto
económico de grandes magnitudes.

1.1. Codificación y compresión

Los términos codificación y compresión se utilizan habitualmente de manera

equivalente, pero es incorrecto: codificación es sencillamente expresar una in-
formación de una manera diferente utilizando un nuevo código, mientras que
compresión es reducir su tamaño total en bits. La compresión es un caso parti-
cular de codificación en el que el nuevo código utiliza menos elementos para
representar la misma información.

Por ejemplo, la tabla ASCII codifica los caracteres expresándolos en formato La tabla ASCII
binario, no existiendo ninguna compresión en el proceso. Por el contrario, una
Los ordenadores y todo siste-
codificación que use una herramienta informática y represente un fichero de ma digital en general solo in-
datos con otro de menor tamaño en bits (como .zip o .rar en Windows, .siten terpretan números. La tabla
ASCII es una convención que
Mac OS X o .tgen Linux) es un caso de compresión. asigna un número a cada ca-
rácter para así poderlo repre-
sentar en sistemas digitales.
La compresión debe encontrarse completamente especificada tanto en el co-
dificador en origen como en el decodificador del destinatario; así se asegura
que la recepción es correcta. En el auge de Internet a finales de los años no-
venta del siglo pasado aparecieron innumerables formatos “propietarios” (es
decir, exclusivos de una empresa) que obligaban al uso de programas propios
para su visualización, incompatibles con los de la competencia: para RealVi-
deo y RealAudio de Real Networks debía utilizarse la aplicación RealPlayer, o
CC-BY-NC-ND • PID_00215138 10 Codificación

el Reproductor de Windows si el fichero era formato Windows Media Video

de Microsoft. Hasta bien entrado el siglo XXI no aparecieron aplicaciones ca-
paces de soportar diferentes formatos, lo que minimizó el caos y facilitó su
universalización.

En la especificación de una compresión, o códec, se representa el video

original por una codificación, es decir, por una gran ristra de valores
fácilmente manejables. Idealmente, esta codificación debe ser eficiente
(utilizar la menor cantidad de información posible, es decir, bits) y eficaz
(debe representar de la forma más fiel posible el vídeo original).

Lógicamente, estos dos objetivos se encuentran en conflicto y es necesario

un compromiso entre ambos. Habitualmente, un estándar de códec presenta
varios perfiles o configuraciones con distintos valores de compromiso entre
eficacia y eficiencia con el fin de adaptarse a una mayor cantidad de sistemas
de vídeo digital.

Ilustración 3. Razón de compresión (barras) y tiempo de cálculo (puntos)

En ZIP, la eficiencia de la compresión varía según la aplicación utilizada, así como el tiempo que se requiere para realizarla. Sin
embargo, el resultado siempre es un fichero del que pueden recuperarse todos los datos sin pérdida alguna, es decir, es eficaz.

(2)
Aún podemos perfilar más la definición de compresión: cuando indicamos En inglés, lossless.
que ha de representar la misma información, no significa que en todos los
(3)
casos información final tenga que ser exactamente la misma que la original; es En inglés, lossy.

decir, la compresión puede ser sin pérdidas2 o con pérdidas3. En el primer caso,
podemos realizar el proceso inverso para volver a tener la misma información
original exacta sin perder un ápice: por ejemplo, de todo fichero .zip o .rar
puede recuperarse el fichero original. En el segundo caso, aceptamos una de-
gradación del mensaje en aras de conseguir una compresión efectiva, siempre
y cuando no haga inservible la información que lleva. Por ejemplo, al copiar
un fichero de audio desde el CD original hasta iTunes se codifica automáti-
CC-BY-NC-ND • PID_00215138 11 Codificación

camente en un formato de audio con pérdidas (AAC, MP3, etc.) mucho más
reducido en tamaño pero de experiencia sonora muy parecida a la original,
aunque no exacta.

1.2. Redundancia y entropía

¿A qué nos referimos con información inservible? En muchos casos, la infor-

mación que se transmite tiene datos�redundantes, información predecible o
repetitiva que puede comprimirse de forma intensa, como por ejemplo, varios
espacios en blanco consecutivos en un texto, o varios píxeles consecutivos de
un mismo color en un fax. Su reconstrucción al descomprimir es exacta.

Compresión sin pérdidas

En la compresión�sin�pérdidas se elimina la redundancia de la infor-
mación, sin tocar un ápice la información fundamental. La compresión sin pérdidas es
la ideal para ficheros de datos
(zip, rar, sit, tg, etc.), algunos
formatos de imagen como GIF,
PIC, un modo de trabajo es-
La entropía es una medida de la cantidad de información promedio que po- pecífico del formato de com-
presión de imagen JPEG 2000,
seen los símbolos que se utilizan para representar esa información. Si podemos
etc.
representar una imagen con un conjunto de símbolos pequeño, cada uno de
ellos con gran cantidad de información, la compresión será muy alta sin tener
ninguna pérdida. Así, una información poco probable posee más información La entropía en la teoría de
la información
que otra más probable, por lo que puede asignarse más bits a la poco probable
y menos a la más probable. Algunas técnicas de codificación que parten de En el ámbito de la teoría de la
información, la entropía es un
este principio entrópico son la base de la compresión sin pérdidas de ficheros concepto algo diferente a la
entropía en termodinámica o
de datos y también en alguna de las etapas de los procesos de compresión con mecánica.
pérdidas.

Actualmente, las compresiones sin pérdidas pueden llegar a relaciones de com-

presión 2:1, lo cual es un éxito, pero la mayoría de las veces no es suficiente,
por lo que la compresión con pérdidas es la técnica que impera en el mundo
de la imagen y el sonido, en donde se necesitan tasas de reducción mucho más
altas a costa de una pérdida controlada de fidelidad.

La base de la compresión�con�pérdidas es la eliminación de los datos

irrelevantes en función de las limitaciones del destinatario, como por
ejemplo, las pequeñas variaciones de color entre píxeles cercanos (ya
que el ojo humano tiene poca resolución para el color) o los sonidos
de frecuencias superiores a los 16.000 Hz (pues pocos seres humanos
adultos son capaces de escucharlos). En la compresión�con�pérdidas,
la información irrelevante se suprime completamente, lo cual modifica
la información de manera permanente, aunque tolerable para el desti-
natario al que vaya dirigida.
CC-BY-NC-ND • PID_00215138 12 Codificación

Compresión con pérdidas

Ejemplos de formatos estándar de compresión con pérdidas son los siguientes:

• Formatos de compresión de imagen como JPEG, EZW, SPIHT y casi todos los modos
de trabajo de JPEG 2000.

• Formatos de compresión de audio como AAC o MP3.

• Formatos de compresión de vídeo como la familia MPEG (1, 2, 4).

Evidentemente, el éxito de cualquier compresión dependerá de cuanta infor-

mación redundante o irrelevante haya en el mensaje, por lo que es habitual
que el rendimiento de la compresión varíe casi constantemente. La entropía
es una medida de la información esencial de un mensaje (la diferencia entre la
cantidad total de datos que contiene el mensaje y su redundancia). A mayor
entropía, más datos no pueden eliminarse, por lo que la codificación con pér-
didas rendirá poco. A menor entropía, la codificación con pérdidas será muy
efectiva.

1.3. Medida de la compresión de imagen

Para mesurar la compresión conseguida en una imagen y así poder comparar

diferentes sistemas de compresión, como haremos en la asignatura, utilizamos
el factor�de�compresión, un valor numérico que aumenta con la compresión
conseguida.

Dada una imagen original y su equivalente comprimido, el factor�de�com-

presión es:

recordando indicar ambos pesos siempre en la misma unidad (bits, bytes, Kby-
tes, etc.).

Otra manera de representar la compresión es indicando el número de bits que

necesita cada píxel de la imagen, el bit�por�píxel (bpp):

De manera sencilla, podemos deducir que el bpp de una imagen original y el

bpp de su imagen comprimida se relacionan con el factor de compresión entre
ellas mediante la expresión siguiente:
CC-BY-NC-ND • PID_00215138 13 Codificación

Ejercicio

Si una imagen es de 1.600 × 1.200 píxeles con 24 bits de color/píxel y se comprime en

un formato tal que el fichero resultante es de 230 Kbytes, ¿cuál es el bpp de la imagen
original?; ¿y el de la comprimida?; ¿cuál será el factor de compresión conseguido? Aten-
ción con las unidades, no mezcléis bits con bytes.

1.4. Medida objetiva y subjetiva de la calidad de imagen

Actualmente, se siguen investigando técnicas cuantitativas que puedan asig-

nar un valor numérico a la calidad visual de cualquier imagen, proporcionan-
do una idea de lo degradada que ha resultado tras aplicarle cierta compresión
con pérdidas y ayudándonos así a elegir el estándar de compresión más ade-
cuado.

En todo caso, presentamos una medida, el error cuadrático medio, una manera
de calcular las diferencias que hay entre una imagen y su comprimida. Básica-
mente, una aproximación a diferenciar en cuánto son diferentes, algo que el
ojo humano hace de manera natural en instantes pero que, matemáticamente,
es muy difícil de concretar, pues no se conocen con detalle los mecanismos
del cerebro humano que posibilitan tal hazaña. La idea del error cuadrático
medio consiste en realizar una versión monocroma de la imagen (los colores
se desprecian) y restar píxel a píxel una de otra, sumando finalmente las di-
ferencias al cuadrado (así todas son positivas y no es posible que algunas se
cancelen con otras). El resultado es un valor que cuanto más se acerca a cero,
más parecidas son las imágenes.

Si la imagen original O es de tamaño N × M píxeles, y la imagen C es la

misma pero comprimida, el error�cuadrático�medio ε2 resulta:

en donde o[i, j] es el valor del píxel de la fila i columna j de la imagen

O monocroma, y c[i, j] la de la imagen C monocroma.

Tras ver el formato JPEG, veremos una manera mucho más visual y entreteni-
da de detectar los errores mediante la aplicación Photoshop, que es capaz de
calcular la imagen diferencia, es decir, una resta visual píxel a píxel entre, por
ejemplo, una imagen sin comprimir y su equivalente comprimido, que pone
en evidencia la información que se pierde en la compresión.
CC-BY-NC-ND • PID_00215138 14 Codificación

(4)
PSNR es la sigla de la expresión
Otra medida derivada de esta es la relación� señal� a� ruido� de� pico inglesa peak signal-to-noise ratio.

(PSNR4):

donde MAX es el valor máximo que puede tomar un píxel, usualmente

255. El resultado es en decibelios (dB), y los valores habituales suelen
situarse entre 35 y 50 dB. Cuanto mayor es el valor, más parecida es la
imagen comprimida a la original.

Sin embargo, la relación señal a ruido de pico es una medida no del todo
fiable, ya que los errores visuales son percibidos por el ojo humano en mayor
medida en función del entorno en que aparecen, cosa que no se valora con
estas herramientas, más globales.

La segunda familia de mediciones se basa en encuestas que recogen la impre-

sión subjetiva de los usuarios ante ambas imágenes, y valoran su comparativa
mediante unos pesos, por ejemplo:

Ranking Descripción de la comparativa

9-10 Muy buena

7-8 Buena

4-6 Aceptable

2-3 Mala

0-1 Muy mala

1.5. Clasificación de las técnicas de compresión

La principal clasificación de las técnicas de compresión divide los códecs en

dos grandes familias, tal como se ha comentado brevemente al principio del
apartado: sin pérdidas o con pérdidas.

1.5.1. Compresión sin pérdidas

Las compresiones�sin�pérdidas (lossless) proporcionan la máxima ca-

lidad visual, y se utilizan en entornos de documentación o posproduc-
ción de imagen y vídeo en los que la imagen debe mantenerse a la má-
xima calidad de origen.
CC-BY-NC-ND • PID_00215138 15 Codificación

Los códecs Matrox, Aja o Blackmagic se popularizaron en este entorno para

vídeo de definición estándar, y con la llegada de la alta definición continúan
utilizándose en su versión HD. El formato DPX de Kodak, basado en su clásico
sistema de digitalización Cineon (1993), permite trabajar en HD con vídeo en
puro RGB y muestreo 4:4:4 a 10 bits/muestra. Las mejoras del formato de fi-
chero de imagen OpenEXR de Industrial Light & Magic (2007), como un for-
mato abierto sin licencia con una variada colección de algoritmos de compre-
sión sin pérdida capaces de comprimir hasta en ratios 2:1, han modificado el
panorama de la posproducción.

Sin embargo, para reducir las necesidades de espacio y de ancho de banda de

trabajo en HD (entre 1 y 1,5 Gbps), se han comenzado a aplicar discretamen-
te códecs de compresión con pérdidas, reduciendo así los requerimientos de
almacenamiento en arrays de discos.

En resumen, las técnicas sin pérdida quedan acotadas a entornos espe-

cíficos y dedicados, teniendo siempre tasas de compresión muy bajas
(por no decir casi inexistentes si se aplican sobre material de vídeo vi-
sualmente rico y muy cambiante).

1.5.2. Compresión con pérdidas

Comprimir con pérdidas (lossy) no es renunciar a una calidad final de

trabajo, sino que se define la calidad adecuada para el tipo de destina-
tario al que va dirigido.

Calidad según el destinatario

Un clip informativo colgado en YouTube no necesita ser de máxima calidad si su objetivo

es informar, y un cortometraje puede necesitar ser HD para presentar la riqueza cromá-
tica de sus escenarios a través de la misma plataforma. En ambos casos, contamos en el
servidor de YouTube con el fichero de vídeo en cierta calidad inicial, y YouTube lo redu-
ce visualmente según la definición requerida por los posibles destinatarios, siempre en
sentido descendente desde la calidad original a inferiores:

Ilustración 4. Opciones de visualización de un vídeo 1.080p en YouTube

En el caso de vídeo en tiempo real (live streaming), la compresión con pérdidas es la apues-
ta necesaria e imprescindible para facilitar la llegada de la imagen y el sonido con la ca-
dencia necesaria para ser entendible. No hay tiempo material para hacer una codificación
óptima como se haría en un vídeo almacenado: “obligaciones del directo”. Y aun así no
CC-BY-NC-ND • PID_00215138 16 Codificación

asegura el éxito en este objetivo al haber otros elementos que pueden impedirlo, como
veremos más adelante.

Ilustración 5. Canal de noticias 324

Muchos canales de TV emiten en tiempo real por Internet.

Las técnicas más comunes de compresión se basan, por una parte, en eliminar
la redundancia espacial y temporal presentes en el vídeo “crudo”, caracterís-
ticas habituales del vídeo; y, por otra, en aprovechar las limitaciones de los
sentidos humanos:

a)�Redundancia�espacial. Se basa en la suposición de que los píxeles de una

zona de una imagen son muy parecidos a los de las zonas que lo rodean, salvo
donde haya un perfil (la transición de un objeto a otro representado en la ima-
gen). El estándar JPEG de imagen se basa en estas similitudes para comprimir
la imagen fija, almacenando solo las leves diferencias entre grupos de píxeles
y sus vecinos. Veremos que el estándar MPEG también lo aplicará, en este caso
a vídeo, sobre algunos de sus cuadros de imagen.

Ilustración 6. Una imagen con zonas muy diferenciadas de detalle

En otras palabras, las zonas homogéneas de la imagen son candidatas a una

buena compresión espacial con poco esfuerzo. Sin embargo, el detalle, es de-
cir, la riqueza de la imagen, es la que se pone en juego. El compromiso�en-
tre�compresión�y�calidad�de�imagen diferenciará un buen planteamiento de
compresión de otros menos acertados.
CC-BY-NC-ND • PID_00215138 17 Codificación

b)�Redundancia�temporal. Se basa en la suposición de que hay pocas dife-

rencias entre un fotograma y sus inmediatamente anteriores o posteriores.

Ilustración 7

Un pan o ‘barrido suave’ de la cámara de izquierda a derecha sobre un escaparate presenta muy pocas diferencias entre dos
fotogramas consecutivos del vídeo generado. Sin necesidad de calcular la imagen diferencia, se puede asegurar que hay una
alta redundancia temporal.

c)�Redundancia�psicovisual. El ojo humano tiene una respuesta limitada a

los detalles espaciales finos (poca sensibilidad a la alta frecuencia espacial), y
es menos sensible al detalle (léase “a los errores”) cuando este se sitúa cerca
de los bordes de objetos o en un cambio de plano. En consecuencia, estas
limitaciones pueden camuflar efectos en la imagen decodificada cuando se
define el algoritmo de compresión con pérdidas.

En los estándares de compresión de imagen fija, audio y vídeo que se presenta

en los siguientes módulos, se verá el uso por separado o combinado de estas
tres técnicas.

1.6. Tratamiento del color: representación y submuestreo

Ya que toda imagen y vídeo se genera actualmente en color, este tiene un tra-
tamiento específico muy habitual en todos los estándares de compresión que
se presentarán a continuación. En primer lugar, el color puede representarse
de diferentes maneras o espacios, unos más adecuados que otros a la hora de
codificar. Y en segundo lugar, es habitual reducir el número de muestras de
color (submuestrear) en todos ellos.
CC-BY-NC-ND • PID_00215138 18 Codificación

1.6.1. Representaciones del color: espacios RGB e YCbCr

Todo píxel de una imagen está localizado en ella mediante sus dos coordenadas
X e Y, pero además posee tres valores enteros que representan su color en un
espacio de colores. Los espacios de color más conocidos son el RGB, YCbCr
(para vídeo digital) e YUV (para vídeo analógico).

RGB se basa en los colores básicos rojo (R), verde (G) y azul (B). Es un espacio
de color intuitivo en el que la mayoría de colores puede representarse como
una combinación de estos tres colores.

Ilustración 8. Colores RGB

Dado que la gama es infinita en cualquiera de ellos, usualmente se reduce a

256 valores enteros por color, del 0 al 255. Así, R = 0 es el rojo negro y R = 255 el
rojo más vívido y puro. Hay que especificar, no obstante, que esta codificación
es usada por pura conveniencia.

Los otros dos espacios de color en los que se puede definir también cualquier Ilustración�9.�Canales�de�color.

color con tres valores son equivalentes a RGB, solo que plantean cada color
como un combinado de blanco y negro y dos componentes de color.

Así, en YCbCr el valor Y es el valor de luminancia (brillo), Cb el valor de cro-

minancia azul y Cr el de crominancia rojo. El valor de crominancia verde pue-
de deducirse de los tres anteriores. El espacio YUV también sigue la misma
filosofía.

Crominancia azul

Se denominan crominancias azul y roja pero no son los componentes de color rojo y
azul, ni siquiera corresponden a colores, son solo valores numéricos que incluso pueden
ser negativos. Estas señales también se denominan diferencias de color.
CC-BY-NC-ND • PID_00215138 19 Codificación

Por aritmética pueden deducirse los valores Y, Cb y Cr de una señal digital Los valores Y, Cb y Cr
(para 8 bits por muestra de color) a partir de los valores RGB de un píxel.
Estas fórmulas solo son váli-
Suponiendo que el rango de valores R, G o B es [0 ... 255], tenemos: das para aquellos formatos que
posibiliten almacenar todo el
rango de valores de cada com-
ponente, por ejemplo: JPEG.

donde el rango de valores posibles de Y, Cb y Cr es [0 ... 255]. La operación

contraria es:

La razón por la que es más habitual utilizar el espacio YCbCr que el RGB es
doble: por una parte, descomponemos un color en un componente que repre-
senta la luminancia y en dos de color o crominancia, y así se da pie a poder
procesarlos por separado; por otra, la estructura de bastones y conos del ojo
sigue el mismo principio y adolece de menor sensibilidad al color que al brillo
o luminancia. La comprobación es sencilla: ponemos un hilo de color rojo a
5 metros de un observador. Usualmente detectará la existencia del hilo, pero
no su color. El color, parece ser, era poco relevante para la supervivencia de
nuestros ancestros, como mínimo menos relevante que la intensidad de luz.

Conociendo, entonces, que se puede representar cada cuadro de imagen por

sus tres cuadros equivalentes Y, Cb y Cr, y sabiendo que la información visual
está sobre todo en su cuadro Y, se podrá comprimir el cuadro Y con pocas
pérdidas (es decir, una compresión más bien suave) y comprimir con más pér-
didas (mayor compresión) los cuadros Cb y Cr.
CC-BY-NC-ND • PID_00215138 20 Codificación

Así ocurre en el estándar�JPEG�de�compresión�de�imagen�fija. La pri-

mera etapa de su proceso es convertir la imagen del espacio de color
RGB (tal como se genera en el sensor de cámara) al espacio YCbCr.

1.6.2. Submuestreo de color

Ya que el ojo humano es menos sensible al color, no es imprescindible man-

tener todas las muestras de los componentes Cb y Cr de todos los píxeles, sino
solo de algunos. Esta idea se aplica en el mero proceso de muestreo del color
en cada imagen y se denomina submuestreo.

Así, se realiza un muestreo más denso en su equivalente Y y menos denso en

sus equivalentes de color sin afectar seriamente a la calidad final.

La sistemática de muestreo está estandarizada en la familia MPEG, basada en

YCbCr:

a)�4:4:4: los tres componentes (Y, Cb y Cr) presentan la misma resolución y

existe una muestra de cada componente en cada píxel. Solo es para entornos
profesionales en los que no se desea compresión (HDCAM, MPEG-2, H.264):

Ilustración 10. Muestras de cada componente en el caso 4:4:4

b)�4:2:2 (conocido también como YUY2): presenta dos componentes de cromi-

nancia por cada cuatro de luminancia (Digital Betacam, DVCPRO 50, MPEG-2,
H.264):
CC-BY-NC-ND • PID_00215138 21 Codificación

Ilustración 11. Muestras de cada componente en el caso 4:2:2

c)�4:1:1: presenta un componente de crominancia por cada cuatro de lumi-

nancia:

Ilustración 12

d)� 4:2:0 (conocido también como YV12): presenta un componente de cro-

minancia por cada cuatro de luminancia (DVD, MPEG-1, MPEG-2, MPEG-4),
aunque según el estándar se selecciona un lugar diferente del cuadro para rea-
lizar la muestra de los componentes de color:

Ilustración 13. Muestreo de cada componente en el caso MPEG-1 (4:2:0)

CC-BY-NC-ND • PID_00215138 22 Codificación

Ilustración 14. Y en el caso MPEG-2 (4:2:0)

En resumen, los tres patrones tienen una distribución especificada de

los píxeles que se muestrean en cada caso:

• En el caso 4:4:4, se muestrean todos y cada uno de los píxeles de los

tres componentes de cada cuadro.

• En el caso 4:2:2, se muestrean todos los píxeles del componente de

luminancia Y y la mitad de cada componente de color.

• Finalmente, en 4:2:0, se muestrean todos los píxeles del componen-

te de luminancia Y, y solo uno de cada 4 en los componentes de
color, variando según la norma.

En todos ellos, cada muestra conseguida se representa posteriormente con 8 o

10 bits, según la precisión de la muestra que se desee.

1.7. Ejercicios

Ejercicio�1

Buscad en Internet estimaciones de tamaño de los siguientes conceptos:

a) ¿Cuántos Pbytes ocupa Facebook?

b) ¿Cuantos Pbytes diarios gestiona Google?
c) ¿En cuántos Ebytes se estima el tamaño total de Internet?

Ejercicio�2

Calculad los valores Y Cb Cr de un color cuyos componentes RGB valen R =

60, G = 190 y B = 210. Efectuad la operación inversa para confirmar que los
valores hallados son correctos realizando la operación inversa.

Ejercicio�3
CC-BY-NC-ND • PID_00215138 23 Codificación

Dada una imagen en color de NxM píxeles en la que cada componente R, G y

B es un valor almacenado en 8 bits (es decir, 24 bits por píxel):

a) ¿Qué peso total en bytes tiene la imagen?

b) Se transforma a YCbCr mediante un muestreo 4:4:4. ¿Qué peso poseerá
ahora? ¿Qué factor de compresión se ha logrado?
c) Si la transformación hubiese sido 4:2:2, ¿cuál sería su peso? ¿Qué factor de
compresión se consigue?
d) Realizad la misma operación si fuese 4:2:0.
CC-BY-NC-ND • PID_00215138 24 Codificación

2. Codificación de imagen fija

Las imágenes requieren considerablemente más espacio que el texto, y el audio

y el vídeo aún demandan más en términos de almacenamiento y velocidad
de transmisión.

Comencemos viendo el primer sistema de codificación de imagen fija e intro-

duciendo una serie de conceptos que utilizaremos a lo largo de todo el curso.

2.1. El formato JPEG

JPEG es un comité (Joint Photographic Experts Group), no un estándar

de codificación, que a finales de los años ochenta ideó un proceso por el
cual una imagen digital puede comprimirse manteniendo un compro-
miso con la calidad visual.

En aquellos años, ya comenzaba a ser necesario algún sistema para que las
imágenes no ocupasen los reducidos espacios de almacenamiento digital exis-
tentes en la época, y para poder ser transmitidas por líneas de telefonía digital
de baja velocidad. En general, el proceso es suficientemente robusto y de re-
sultados aceptables, especialmente con fotografías naturales e imágenes realís-
ticas, con la que se llega a un promedio de compresión de 10:1 con pérdidas
imperceptibles visualmente, por lo que sigue siendo un formato utilizado in-
tensamente.

Por primera vez en esta asignatura, hemos de distinguir entre el sistema de

codificación (códec) de la imagen, que es JPEG, y el contenedor o formato de
fichero, donde se guardan los datos resultantes de la codificación, del cual hay
dos tipos, JFIF y EXIF. Así, JPEG/JFIF es el formato clásico, mientras que JPEG/
EXIF posibilita añadir metadatos (datos adicionales asociados a la imagen) co-
mo, por ejemplo, la fecha y hora de la captura, la velocidad del obturador, el
nombre de la cámara, los datos de configuración, etc. Actualmente, algunos
teléfonos móviles con cámara y GPS integrada añaden la longitud y latitud en
que fue tomada. Nuestro interés se centra en el códec.

JPEG puede comprimir con pérdidas o sin pérdidas en función del modo se-
leccionable de trabajo, pero donde destaca es en los modos con pérdidas, con-
siguiendo compresiones de hasta 20-25 sin efectos visuales aparentes.
CC-BY-NC-ND • PID_00215138 25 Codificación

Los tres modos con�pérdidas son: el más utilizado, el modo�secuencial,

con el que introduciremos varios conceptos de codificación relevantes
en cada paso del proceso de codificación, el modo�progresivo y el modo
jerárquico.

2.1.1. Modo secuencial

Un esquema general de los diferentes pasos que se realizan en el modo secuen-

cial es el siguiente:

Ilustración 15

Paso�1.�Cambio�de�espacio�de�color�y�submuestreo�del�color

Si la imagen es RGB, en primer lugar se transforma a YCbCr. Como ya vimos

a principios de este módulo, ya que el ojo humano tiene menor resolución de
color, las imágenes Cb y Cr se submuestrean reduciendo su número de píxeles
(en proporción 4:4:4, 4:2:2, 4:1:1 o 4:2:0 en función de la calidad elegida). La
imagen Y (blanco y negro) se mantiene inalterada.

Ilustración 16

Paso�2.�División�en�bloques�y�secuenciado
CC-BY-NC-ND • PID_00215138 26 Codificación

Cada uno de los tres componentes se comprime por separado, dividiéndose en

bloques de 8 × 8 píxeles. Así, cada componente se convierte en una secuencia
de bloques, comenzando por el de su esquina superior izquierda y acabando
con el de su esquina inferior derecha. A partir de este punto, el proceso se
realiza individualmente por cada bloque.

Paso�3.�Codificación�de�cada�bloque

Cada bloque de imagen de 8 × 8 píxeles se transforma matemáticamente en 8 × 8 píxeles

otro bloque de 8 × 8 valores (también enteros) que ya no representan una pe-
Los píxeles son de valor entero
queña imagen sino las frecuencias espaciales de esta. El bloque, pues, contiene de 0 a 255, pero en este punto
la misma información que tenía pero con otros valores: un puro ejemplo de se le resta a cada uno 128 pa-
ra que estén en el margen de
codificación. Y sin pérdidas hasta este punto, pues podríamos realizar el pro- –128 a 127. Así, la transforma-
ción DCT siguiente da un ran-
ceso inverso y recuperar exactamente la pequeña imagen original. go de valores menos extenso y
más fácil de codificar.

La transformación utilizada se denomina DCT5 transformación coseno (5)

DCT es la sigla de la expresión
discreto. y es la base de la compresión de imagen y vídeo hoy en día. inglesa correspondiente a discrete
cosine transform.

Ilustración 17. Ejemplo de transformación DCT

Dado el bloque de 8 × 8 píxeles de la imagen original –en el que el valor del

píxel de la columna i fila j es gi,j– se puede generar cada uno de los coeficientes
de la tabla transformada en donde gu,v es el coeficiente de la frecuencia espacial
horizontal u y de la vertical v mediante la fórmula de la DCT siguiente:

en donde vale si u = 0 o en el resto de casos, y los valores

de u y v van de 0 a 7.
CC-BY-NC-ND • PID_00215138 27 Codificación

Paso�4.�Cuantificación�de�cada�bloque

Si ambos bloques contienen la misma información, ¿por qué buena parte de

los valores o coeficientes del segundo bloque son de valor muy reducido, in-
cluso nulo, respecto a los restantes? Este es el quid del proceso: la transfor-
mación DCT compacta la información asociada a la imagen en los primeros
coeficientes (situados cerca de la esquina superior izquierda), con lo que nos
posibilitaría eliminar buena parte del resto con valores nulos o de bajo valor
(indicados en rojo en la ilustración 17), reduciendo el número total de coefi-
cientes que representan el bloque.

Pero ¿qué criterio elegir para eliminar los coeficientes pequeños? ¿Qué signi-
fica “pequeño”? Para automatizar la selección de los coeficientes que se van
a eliminar en cada bloque de una manera razonable, se utiliza una tabla de
referencia denominada tabla�de�cuantificación, que contiene 8 × 8 valores de
peso o ponderación, definidas tras muchas pruebas de calidad subjetiva reali-
zadas con grupos de observadores. Esta tabla contiene pesos pequeños en las Ilustración�18.�Una�tabla�de�cuantificación
utilizada�en�JPEG
posiciones cercanas a la esquina superior izquierda y pesos crecientes cuanto Fuente: Losheller.

más lejanos están de esta. Cada coeficiente de la imagen transformada se di-

vide por el peso que le corresponde por posición, de manera que los alejados
de la esquina superior izquierda quedan divididos por pesos elevados, dando
resultado cero (se desprecian los decimales).

Si realizásemos la transformación inversa, denomina IDCT, para recuperar el

bloque de imagen original a partir del bloque transformado y cuantificado, el
efecto visual de la pérdida de coeficientes sería mínimo. En el ejemplo, el he-
cho de descartar los indicados en rojo (ilustración 17) no afecta sensiblemente
al resultado “destransformado” (ilustración 19).

Ilustración 19. Ejemplo de transformación DCt inversa

CC-BY-NC-ND • PID_00215138 28 Codificación

Sin duda, almacenar en un fichero los coeficientes trasformados que nos in-
teresan en vez de todos los píxeles originales daría, sin duda, una buena tasa
de compresión. Si además descartamos aquellos con valor despreciable, la tasa
mejora sensiblemente minimizando el efecto visual de las pérdidas introdu-
cidas cuando se invierte la transformación y se recupera la imagen. Además,
la DCT no necesita de un procesador potente de cálculo, pudiéndose ejecutar
en hardware sencillo. Sin embargo, el proceso de compresión JPEG aún no ha
acabado.

Hagamos una pausa en el proceso de explicación y razonemos:

a) ¿Cómo es posible que la DCT haga insensible visualmente la eliminación

de buena parte de los 64 valores?

Tras años de pruebas y comparativas con todas y cada una de las transformacio-
nes conocidas, la DCT es la que mejor condensa lo importante en menos datos
sin necesidad de mucha potencia de cálculo (factor que en los años ochenta
era crítico: el 80386 de Intel era el procesador del momento hasta 1989). Hay
transformaciones mejores, pero todas necesitan cálculo intenso superior, co-
mo por ejemplo JPEG2000, que veremos más tarde en este mismo módulo.

b) ¿Qué significa visualmente cada uno de los 64 coeficientes?

Tal como se ha comentado, estos datos generados por la DCT representan fre-
cuencias espaciales, es decir, cada coeficiente, por sí solo, generaría un bloque
de imagen simple correspondiente a una oscilación visual.

Ejemplo completo de la imagen generada por cada coeficiente por

separado

La imagen adjunta es un resumen del tipo de bloque de imagen generado por cada coe-
ficiente en función de su posición en el bloque transformado. Por ejemplo, el coeficiente
que se ubica en la esquina superior izquierda genera, por sí solo, un bloque de imagen
de 8 × 8 píxeles como el indicado en esa misma esquina, un bloque visualmente homo-
géneo. El segundo coeficiente genera un bloque de imagen de 8 × 8 píxeles similar a una
onda horizontal de medio periodo, el tercero una onda horizontal de un periodo, etc.

Ilustración 20. Ejemplo completo de la

imagen generada por cada coeficiente por
separado
CC-BY-NC-ND • PID_00215138 29 Codificación

Pues bien, cualquier fragmento de fotografía en blanco y negro de 8 × 8 píxeles que se

elija puede representarse como una suma de estos 64 bloques, debidamente ponderados
(multiplicados) por un valor. Si se tuviese tiempo (años) y paciencia, podría irse proban-
do sumas de estos bloques debidamente amplificados cada uno por un valor a nuestra
elección. El día que consiguiésemos la suma perfecta que reprodujese exactamente el
fragmento de fotografía, descubriríamos que los 64 valores seleccionados coinciden con
los generados por la sencilla DCT.

El primer coeficiente del bloque es el peso o valor de la frecuencia cero, que

denominamos componente�de�continua�o�baja�frecuencia�(visual), el cual,
como puede verse (ilustración 21), recrea el valor medio de brillo de todo el
bloque y genera por sí solo un bloque visual de 8 × 8 homogéneo. Así, si bo-
rrásemos todos los componentes del bloque salvo este y aplicáramos la trans-
formada inversa para volver a tener un bloque de imagen, tendríamos lo que
llamamos un efecto mosaico.

El ojo humano es muy sensible a este valor medio y se percata de cualquier

error en este valor, de tal manera que cualquier variación que haya entre dos
cuadros consecutivos genera un efecto mosaico. Por ello, JPEG mima el valor
de este coeficiente como ningún otro, como veremos en el paso siguiente.
Ilustración�21.�Imagen
codificada�solo�con�el
componente�de�continua�de
Los 63 coeficientes restantes se llaman coeficientes�de�alterna, o coeficientes cada�bloque

de� alta� frecuencia, y son responsables de las variaciones de brillo a partir

de este nivel de base. Los bloques de imagen con mucho detalle visual, al
aplicárseles la DCT, tienen muchos coeficientes de este tipo con gran valor, al
contrario que los bloques de poco detalle.

Calidad de imagen y las tablas de cuantificación

Cuando se desea codificar una imagen en formato JPEG, el software (por ejemplo, Pho-
toshop) pregunta el nivel de calidad que deseamos mantener de la imagen original en
la nueva imagen JPEG.

Ilustración 22. Opciones de compresión JPEG de Photoshop

Usualmente es un parámetro cuantitativo (como un valor de 0 a 10, o de 0 a 12, o un

porcentaje de 0 a 100%, etc.) siendo el primero la peor calidad y máxima compresión, y el
último máxima calidad y mínima compresión. En otras ocasiones, posibilita seleccionar
la calidad o compresión mediante valores cualitativos (de “menor detalle” a “mayor”),
como por ejemplo en las configuraciones de las cámaras digitales.
CC-BY-NC-ND • PID_00215138 30 Codificación

Ilustración 23. Cuadro comparativo de compresiones JPEG sobre una misma imagen

Este parámetro de calidad seleccionado por el usuario está íntimamente ligado a la tabla
de cuantificación que se vaya a aplicar para eliminar los coeficientes de alta frecuencia de
todos los bloques transformados de la imagen. Así, a mayor valor de calidad, los valores
de la tabla de cuantificación se reducen, por lo que la división da un resultado mayor
y “sobreviven” más coeficientes de alta frecuencia. Cuando la calidad es máxima, los
valores de la tabla de cuantificación son todos 1, y no afectan en absoluto.

El valor de calidad también puede permitir seleccionar al codificador entre las técnicas
de submuestreo de color 4:2:2 o 4:2:0, para reducir, sensiblemente, el número de bloques
de color y mejorar la compresión sin necesidad de ninguna acción por parte del usuario.

Paso�5.�Codificación�entrópica�de�los�coeficientes

Si bien los 64 coeficientes son enteros, en este paso se convierten a binario y

se almacenan en fichero mediante una codificación que reduce la necesidad
de bits para su almacenamiento. Ya que el coeficiente de continua es tan im-
portante, se trata con una codificación específica.
CC-BY-NC-ND • PID_00215138 31 Codificación

En primer lugar, se ordenan siguiendo un orden en zigzag establecido (ilustra-

ción 24).

Siguiendo nuestro ejemplo, el zigzag da como resultado:

15, 3, 3, –4, 0, 2, –13, –1, 0, 0 , –1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1,

0, 0, 0, 0,..., 0

A continuación, se codifican de la siguiente manera:

Ilustración�24.�El�camino�en�zigzag�de
ordenación�de�los�coeficientes

a)�Coeficiente�de�baja�frecuencia�(de�continua): guardar la diferencia entre

dos valores ocupa casi siempre menos espacio que guardar los dos valores,
siempre y cuando estos valores sean parecidos. Es lo que se denomina codi-
ficación�diferencial (DPCM), y se aplica al coeficiente de continua de cada
bloque: ya que en la mayoría de imágenes el valor medio de un bloque es
usualmente similar al del bloque inmediatamente anterior, se almacena el va-
lor del primero y, posteriormente, las diferencias de cada uno con el siguiente
coeficiente de continua. Si además se almacena en el fichero JPEG antes que
el resto de coeficientes, tendremos la imagen mosaico de manera inmediata
como vista preliminar de esta. Por ejemplo, el coeficiente de continua de este
bloque es 15. Si el del anterior bloque fuese 23, lo que almacenaríamos sería
7, la diferencia entre ellos.

b)�Coeficientes�de�alta�frecuencia (de�alterna): en la ristra secuencial de va-

lores generada por la ordenación en zigzag aparecen usualmente muchos va-
lores repetidos, la mayoría ceros, por lo que se aplican técnicas de compresión
entrópica que aprovechen esta característica (codificación�Huffman o, más
modernamente, codificación�aritmética).

Los coeficientes de alta frecuencia se codifican de manera que a su lado les

preceda el número de ceros que tienen a su izquierda. Así, nuestra ristra de 63
coeficientes queda simplemente como:

(0,3) (0,3) (0,–4) (1,2) (0,–13) (0,–1) (2,–1), (6,1) (6,1) EOB

siendo EOB un marcador que indica “fin de bloque”.

Ahora, si es una codificación Huffman, se utiliza una tabla en la que se asigna

el conjunto mínimo de bits necesarios para almacenar cada número:

Categoría Valor del coeficiente Representación en bits

1 –1, 1 0, 1

2 –3, –2, 2, 3 00, 01, 10, 11

3 –7, –6, –5, –4, 4, 5, 6, 7 000, 001, 010, 011, 100, 101, 110,
111
CC-BY-NC-ND • PID_00215138 32 Codificación

Categoría Valor del coeficiente Representación en bits

4 –15, ..., –8, 8, ---, 15 0000, ... 0111, 1000, ..., 1111

5 –31, ..., –16, 16, ..., 31 00000, ... 01111, 10000, ... 11111

6 –63, ..–32, 32, ..., 63 000000, ..., 011111, 100000, ...

111111

7 –127, ..., –64, 64, ..., 127 0000000, ..., 0111111, 1000000, ...,
1111111

8 –255, ..., –128, 128, ..., 255 00000000 ... 11111111

9 –511, ..., –256, 256, ..., 511 000000000 ... 111111111

10 –1023, ...–512, 512, ..., 1023 0000000000 ... 1111111111

11 –2047, ..., –1024, 1024, ...2047 00000000000 ... 11111111111

El número derecho de cada pareja se codifica mediante esta tabla, indicando

además la categoría, y el EOB se convierte siempre a (0,0):

(0,2,11) (0,2,11) (0,3,011) (1,2,10) (0,4,0010) (0,1,0) (2,1,0) (6,1,1) (6,1,1) (0,0)

Los dos primeros valores siempre pueden representarse con 1 byte: sus 4 bits
más altos se encargan de guardar el número de ceros previos, y los 4 bits bajos
la categoría del valor. Se hace una tabla de Huffman a partir de cierta política
de frecuencias de aparición y este valor de 8 bits de cada pareja se reduce,
manteniéndose el tercer valor. Por ejemplo:

(0,2,11) ⇒ 00 11
(0,2,11) ⇒ 00 11
(0,3,011) ⇒ 010 011
(1,2,10) ⇒ 0011 10

Mientras tanto, el coeficiente de continua que ha quedado reducido a una

diferencia de valor 7 se codifica también con esta tabla; por ejemplo, resulta:
11110.

La ristra final que se almacena en el fichero JPEG es 11110, 0011, 0011, 010011,
001110, etc.

Según la manera en que se almacenen en el fichero los componentes de co-

lor, se habla de componentes�entrelazados (en el que se van almacenando
los bloques de luminancia y de color alternativamente) o componentes�no
entrelazados (primero se almacenan los de luminancia y posteriormente los
de color).
CC-BY-NC-ND • PID_00215138 33 Codificación

Decodificación de una imagen JPEG

El fichero JPEG posee toda la información necesaria para recuperar la

imagen comprimida según el valor de calidad con el que se generó, ya
que no solo incluye los coeficientes transformados de todos los bloques,
sino la información necesaria para recuperarlos a partir de sus versiones
codificadas, el valor de calidad seleccionado y la tabla de cuantificación
seleccionada para eliminar elementos.

2.1.2. Otros modos de trabajo de JPEG

El modo secuencial base explicado es válido para la mayoría de aplicaciones

de tratamiento de imagen en que estas poseen 8 bits por cada uno de los com-
ponentes (RGB) e incluso una cuarta capa de transparencia.

Sin embargo, existen otros modos (hasta 44) para aplicaciones específicas. Por
ejemplo, para imágenes de muy alta calidad con 12 bits por componente, o
para aplicar otros sistemas de codificación de coeficientes más efectivos (codi-
ficación aritmética en vez de Huffman).

a)�Modo�secuencial�base�optimizado

Una versión mejorada del modo secuencial base, el modo� secuencial� base
optimizado, permite una mejora del 2% al 8% en el tamaño del fichero final.
Sin embargo, algunas aplicaciones pueden no ser compatibles con este modo.

b)�Modo�progresivo

El segundo modo interesante con pérdidas, el modo�progresivo, muy utiliza-

do para imágenes de sitios web cuyos servidores tienen conexiones de baja
velocidad o tienden a estar muy saturados, posibilita ver una imagen mosaico
(es decir, la imagen con solo el coeficiente de continua de cada bloque) y sus
sucesivas mejoras de calidad en función del orden de recepción de los datos,
con lo que el espectador puede tener vistas parciales cada vez más detalladas
de la imagen que va recibiendo.
CC-BY-NC-ND • PID_00215138 34 Codificación

Ilustración 25. Secuencia de descarga de una imagen JPEG secuencial base (izquierda) y la
misma imagen codificada en modo progresivo (derecha)

El tiempo de descarga es aproximadamente el mismo, pero la experiencia de espera del usuario es diferente.

Hay varias maneras de implementar esta solución, aunque la más generalizada

es almacenar en el fichero JPEG, en primer lugar, los coeficientes de continua
y los primeros coeficientes de alterna de todos los bloques, posteriormente
coeficientes de alterna de menor relevancia visual (mayor detalle), después
de relevancia aún menor (y más detalle), etc. El proceso usualmente realiza
tres, cuatro o cinco fases de separación de los coeficientes. Un fichero JPEG
en modo progresivo tiene, normalmente, un tamaño en bytes superior que su
equivalente en modo secuencial o secuencial optimizado.

c)�Modo�jerárquico

El tercer modo con pérdidas es el jerárquico. El más complejo, pues provee

de representaciones progresivas en resolución de la misma imagen, y requiere
más espacio. En esencia, comprime la imagen en múltiples resoluciones de
manera que la imagen de más baja definición puede ser accesible sin tener que
descomprimir la imagen al completo.

A partir de la imagen original, la filtra y submuestrea en los múltiplos de 2

que se deseen, codifica la imagen reducida así en tamaño, decodifica esta ima-
gen reducida e interpola una segunda imagen en un factor de 2 horizontal y
verticalmente, utilizando el mismo algoritmo de decodificación que usaría el
receptor. Aprovecha esta imagen como la predicción de la original y codifica
la imagen diferencia (es decir, el error). Luego vuelve al principio y repite el
proceso.

d)�Modo�sin�pérdidas
CC-BY-NC-ND • PID_00215138 35 Codificación

(6)
Para finalizar, el modo�JPEG-LS (JPEG sin pérdidas6) es un modo creado unos En inglés, lossless JPEG.

años más tarde (1993) que codifica la imagen sin pérdidas. Utiliza una DCT
para codificar, pero no utiliza tablas de cuantificación, sino que hace previsio-
nes de los píxeles a partir de sus píxeles vecinos. Destinado a aplicaciones mé-
dicas de imagen, consigue unos factores de compresión de 2:1, no teniendo
relevancia fuera de este campo.

2.2. JPEG 2000

Una década más tarde de la aparición de JPEG, el escenario había cambiado

sensiblemente: se había investigado con éxitos nuevas transformaciones que
superaban a la clásica DCT aun obligando a un cálculo intensivo, pero la ca-
pacidad de cálculo de los equipos domésticos y profesionales quintuplicaba el
de diez años antes y posibilitaba un nuevo formato de codificación que daba
respuesta a las nuevas exigencias del mercado, entre otras:

• Codificación con pérdidas o sin pérdidas

• Alto factor de compresión con menores artefactos visibles

• Robustez contra errores para poder transmitir a baja velocidad, etc.

• Capacidad de añadir datos adicionales o metadatos

• Mejor codificación de imágenes sintéticas o bitono

Lamentablemente, la situación legal del formato JPEG2000 fue siempre con- Patentes sobre la
trovertida, ya que existen patentes sobre partes del proceso, lo que ha frenado compresión JPEG2000

desde el principio su popularización. Buena parte del software de

tratamiento de imágenes no
incluye las partes del proceso
JPEG da calidades subjetivas de imagen muy bajas en compresiones menores patentadas, o lo hacen opcio-
nalmente, como Adobe Pho-
de 0,25 bpp, donde JPEG2000 aún puede dar calidad incluso hasta en 0,1 bpp. toshop. En el caso de formatos
de compresión sin pérdida, ac-
Y en los rangos de compresión habituales, este nuevo sistema de codificación tualmente PNG es el más ex-
supera a JPEG. tendido.

El secreto es la transformación�wavelet, que trata la imagen como un todo

(no la descompone en bloques), aplicándole varios filtros espaciales y aprove-
chando de manera muy eficiente la codificación de los resultados. Según los
filtros que se utilicen, esta transformación puede ser sin pérdidas o con pér-
didas, mejorando en este último caso la compresión a costa de algún efecto
visual en los contornos (la alta frecuencia espacial).

Así, si JPEG2000 es capaz de comprimir con calidad a mayor tasa, es mejor

para transmitir imagen a baja velocidad. Como, además, el tipo de decodifi-
cación es progresivo, la imagen recibida se decodifica a partir de una primera
CC-BY-NC-ND • PID_00215138 36 Codificación

versión básica (baja frecuencia espacial) que mejora en detalle, de ahí que re-
sulte perfecto para transmisión: si se interrumpe en cierto momento, al menos
tendremos una imagen completa parcialmente detallada.

El estándar posibilita incluir datos adicionales (metadatos) en el fichero de

imagen. JPEG ya lo posibilitaba en su formato EXIF, pero JPEG2000 lo hace de
manera más estandarizada siguiendo el formato XML.

2.3. JPEG XR

(7)
En el 2006, Microsoft introdujo un codificador propietario de imagen, inicial- Del inglés, extended range.
mente denominado HD Photo y dirigido, en exclusiva, al sector de la fotogra-
fía digital que, desde el 2009, año en que se convirtió en estándar ISO, es co-
nocido como JPEG XR7. La extensión de los ficheros de imagen es .wpd.

Sus características principales son:

• Codificación con pérdidas o sin pérdidas

• Decodificación progresiva

• Mejor compresión que JPEG

• Un abanico de formatos amplio: 8, 16 o 32 bits por canal de color, los

píxeles pueden tener valor entero o incluso flotante para adaptarse a cá-
maras fotográficas de rango dinámico muy alto, y un formato en blanco
y negro de 16 bits.

• El formato contenedor puede incluir metadatos y un canal alfa.

• No está destinado a ser utilizado en imágenes sintéticas o con bitonos (tex-

to o gráficos).

(8)
Si bien solo Windows soportó este formato desde su versión Vista y existían Del inglés, complementos.
8
algunos plug-ins comerciales (por ejemplo, para Adobe Photoshop ofrecidos
por Microsoft), su avance es lento frente al estándar abierto de imagen DNG
(Adobe, 2004). La liberación de JPEG XR en el 2010 por parte de Microsoft
quiso darle una posibilidad de éxito al facilitar su uso en aplicaciones de código
abierto, pero aún es un tema abierto.

2.4. Tendencias futuras de la codificación de imagen

A mediados de los años ochenta, el matemático Michael Barnsley presentó

la base de un sistema de compresión de imágenes con pérdidas basado en
fractales que generó gran expectación.
CC-BY-NC-ND • PID_00215138 37 Codificación

Un fractal es un elemento sencillo, el cual, iterado sobre sí mismo re-

petidas veces, genera un nuevo elemento complejo. La idea de Barns-
ley era generar una imagen original a partir de un elemento visual bá-
sico mediante iteraciones. Así, solo se debería almacenar o transmitir el
fractal o grupo de fractales, no la imagen. Incluso, según esa idea, era
posible reconstruir la imagen original a resoluciones superiores a las de
partida con muy poca capacidad de cálculo, es decir, era un método in-
dependiente de la resolución, denominado escalado�fractal.

En compresiones normales, la compresión fractal consigue resultados simila-

res a los de los algoritmos basados en la DCT, como por ejemplo JPEG, con
ratios de 50:1. A mayores compresiones, supera en calidad a la DCT. Curiosa-
mente, a mayor riqueza visual de la imagen (mayor alta frecuencia espacial),
la codificación fractal mejora.

El problema principal residía en cómo encontrar de manera sencilla el fractal o

elemento visual básico (o el conjunto de fractales básicos) que pudiese lograr-
lo. La necesidad de una gran capacidad de cálculo para conseguir deducirlos y
la falta de un algoritmo eficiente para todo tipo de imágenes ha frenado has-
ta la fecha este sistema de compresión, aunque la investigación sigue abierta
incluso para su aplicación en vídeo.

2.5. Ejercicios

Ejercicio�4 Contenido
complementario

Se comprimirá una imagen en formato JPEG mediante Photoshop para ver Este ejercicio también se pue-
su efecto en la calidad de la imagen y en el tamaño del fichero resultante. de hacer con la aplicación de
software libre Gimp.
Para ello, abrid la aplicación y leed una imagen. A continuación, mediante
la opción del menú ARCHIVO > GUARDAR COMO seleccionad un nombre
nuevo y elegid como formato de grabación JPEG (*.JPG, *.JPEG, *.JPE, las tres
extensiones habituales que se añaden al nombre del fichero). Tras aceptar,
aparece la siguiente ventana, en la que se pregunta la calidad visual en la que
se desea comprimirlo (un valor de 0 a 12). Por ahora, mantened como opción
el modo baseline (estándar), del cual se hablará en el apartado siguiente.

Tras aceptar, Photoshop almacenará el fichero comprimido. Visualizad el re-

sultado y, mediante el sistema operativo que se posea (Windows, OSX, etc.),
tomad nota del tamaño en Kbytes del fichero resultante. Puede calcularse sen-
cillamente el factor de compresión.
CC-BY-NC-ND • PID_00215138 38 Codificación

Ejercicio�5.�Cómo�crear�una�imagen�diferencia�con�Photoshop Contenido
complementario

El factor de compresión, como podéis observar, puede dar una idea aproxima- Este ejercicio también se pue-
da del resultado, pero no es útil si se desea descubrir realmente dónde se ge- de hacer con la aplicación de
software libre Gimp.
nera la pérdida de información visual. Para ello, se puede crear una imagen
diferencia que sea la resta píxel a píxel entre la imagen sin comprimir y la
comprimida; en este caso, en JPEG.

Abrid Photoshop, leed la imagen original y también la imagen comprimida (se

aconseja elegir una imagen comprimida en un factor de 4 a 6, así los errores
serán más evidentes).

A continuación, seleccionad con un clic la imagen original sin comprimir y,

mediante CTRL-J (Windows) o COMMAND-J (Mac), duplicad su capa fondo
(o background, según el idioma del programa) en la paleta de capas. El resul-
tado son dos capas: la capa fondo original abajo y una copia que Photoshop
denomina Capa 1 (Layer 1).
CC-BY-NC-ND • PID_00215138 39 Codificación

Ambas capas son idénticas. Como demostración, presentaremos la imagen di-

ferencia: se puede avanzar que, si ambas son iguales, la diferencia entre píxeles
correspondientes será 0, con lo que todos los píxeles de la imagen diferencia
serán de valor 0, es decir, totalmente negros. En el desplegable de la ventana
de capas, elegid Diferencia (Difference):

Tal como era previsible, la imagen�diferencia aparece totalmente negra.

CC-BY-NC-ND • PID_00215138 40 Codificación

Seamos escépticos y confirmemos que es así de una manera más explícita. Para
ello, seleccionamos la herramienta de ajuste y, de entre las opciones de que se
dispone, elegimos Niveles (Levels).

Se activará una ventana de diálogo en la que se refleja el histograma de la

imagen diferencia. Es muy estrecho porque todos los píxeles son del mismo
valor, no se distribuyen en otros valores más que el cero.

Una vez demostrada que la imagen diferencia entre dos imágenes iguales es
negra, borrad la Capa 1 (Layer 1) seleccionándola con un clic en la ventana de
capas y pulsando la papelera situada en esa misma ventana.
CC-BY-NC-ND • PID_00215138 41 Codificación

Ahora que se sabe cómo realizar una imagen diferencia y hemos vuelto al pun-
to de partida, volvamos a efectuar la operación, pero con las dos imágenes que
aún están abiertas en Photoshop. Seleccionamos la herramienta Mover en la
barra de herramientas, pulsamos el ratón sobre la imagen�comprimida sin
soltarlo, arrastramos el ratón hasta la imagen sin comprimir, pulsamos y man-
tenemos la tecla Mayus, y finalmente soltamos el ratón. Si bien visualmente
no parece haber habido ningún efecto, en la ventana de capas se verá que se
ha creado una segunda capa, Capa 1 o Layer 1, que es la imagen comprimida,
mientras que Fondo, o Background, es la imagen sin comprimir.

Herramienta
Mover

Ya se tienen ambas imágenes en capas, por lo que se puede volver a realizar la

operación Diferencia (aparecerá esta, aproximadamente negra) y a continua-
ción, la herramienta de capas, eligiendo Niveles:
CC-BY-NC-ND • PID_00215138 42 Codificación

Casi con seguridad, el histograma ya no será tan uniforme:

Para poder discernir con claridad los píxeles diferencia, cabe desplazar el slider
blanco hacia la izquierda y así realzar visualmente sus valores.

Claramente, todos los errores generados por la codificación con pérdidas de

JPEG se reflejan situados en zonas específicas de la imagen, como los bordes
de los objetos y, en general, las zonas con gran detalle visual.
CC-BY-NC-ND • PID_00215138 43 Codificación

Realizando el proceso con niveles de compresión más elevados, aparecen igual-

mente errores en zonas de color homogéneo y un claro efecto de bloques en
general, intrínsecos a la manera en que JPEG trabaja la imagen.

Ejercicio�6

Visualizad la imagen diferencia en el caso de compresión JPEG en modo “Línea

de base optimizado” (“BaselineOptimized”) y valorar la diferencia con JPEG
“Standard” (“Baseline”) utilizando la misma imagen original del ejercicio an-
terior y comprimiéndola a la misma calidad. Valorad la calidad visual y factor
de compresión de la resultante.

Ejercicio�7

Realizad el ejercicio anterior eligiendo en este caso el modo “Progresivo” (“Pro-

gressive”) con cuatro lecturas. Mediante un navegador o programa de visuali-
zación, abrid el fichero de imagen generado y comprobar que se visualiza con
una mejora gradual.

Ejercicio�8
CC-BY-NC-ND • PID_00215138 44 Codificación

Photoshop lee y graba en formato JPEG2000 (extensiones *.JPF, *.JPX, *.JP2,

*.J2C y *.JPC), aceptando una configuración personalizada en cada grabación.
Entre las opciones de personalización de que se dispone, destacamos si se desea
una compresión “Sin pérdidas (“Lossless”) en una calidad indicada por un
valor de 0 a 100.

Realizad algunas compresiones con este formato en modo con pérdidas y pro-
bar el formato sin pérdidas, valorando el nivel de compresión conseguido por
lo que se refiere al tamaño del fichero.

Ilustración�26.�Opciones
de�codificación�con�o�sin
pérdidas�de�JPEG2000
CC-BY-NC-ND • PID_00215138 45 Codificación

3. Codificación de vídeo y audio

Vista la codificación de imagen fija, los mismos conceptos de redundancia es-

pacial, temporal y psicovisual son aplicables incluso con mayor éxito en audio
y vídeo. Sin embargo, las metodologías para aprovechar estas redundancias
son más complejas habida cuenta de la complejidad de este tipo de informa-
ción y el volumen de datos por segundo que genera.

3.1. Modelos de codificación de audio y vídeo

La codificación con pérdidas impera en casi todos los estándares de compre-

sión existentes para ellos, pues son los únicos que actualmente consiguen ra-
tios de compresión interesantes. Buena parte de ellos pueden representarse
por el siguiente esquema, que representa un codificador�genérico�de�vídeo
con�pérdidas (códec):

Ilustración 27. Modelo básico de un codificador de vídeo con pérdidas

La familia MPEG, H.264, Theora, VC-1, etc., son ejemplos de códecs que uti-
lizan este modelo, realizando con mayor o menor gracia cada una de estas
etapas:

a) La primera fase es el modelo�temporal, el cual, a partir de los cuadros al-

macenados del vídeo leídos hasta el momento, “prevé” el siguiente cuadro
que llegará por la entrada de vídeo “crudo”. Esta previsión, usualmente, no
está especificada y depende de cada fabricante, lo que condiciona buena parte
de la calidad final de todo el proceso. Por ejemplo, un codificador MPEG-2
de la empresa Tandberg utiliza un planteamiento diferente de previsión del
siguiente cuadro que el codificador MPEG-2 de la empresa Thomson. Sin du-
da, el funcionamiento del modelo temporal de cada una de estas empresas es
un secreto bien guardado.

b) La siguiente fase se centra en el modelo�espacial. La imagen diferencia es

comprimida utilizando la similitud de sus píxeles: “comprimir una diferencia”
sería básicamente un resumen en tres palabras de todo el proceso. Cada siste-
ma de compresión de vídeo utiliza aquí sus propias técnicas de compresión
de imagen, aunque las utilizadas por H.264, por ejemplo, no distan mucho
CC-BY-NC-ND • PID_00215138 46 Codificación

grosso modo de las del estimado JPEG. Sin duda, la mayoría con pérdidas. Y
manteniendo esa idea en mente, al igual que JPEG, el resultado es una ristra de
valores binarios que también son denominados coeficientes espaciales, reali-
zando el mismo papel: representando la imagen resultante con otro vocabu-
lario matemático.

(9)
c) Finalmente, en una última vuelta de tuerca, tanto los coeficientes de la ima- En inglés, stream.
gen como los vectores del movimiento detectado en la misma son empaqueta-
dos de forma eficiente en el codificador�de�entropía, que analiza la frecuencia
de aparición de estos coeficientes y vectores y les asigna menos bits cuanto más
frecuentes son, reduciendo así el tamaño final del fichero o del flujo de datos
de transmisión9 al mínimo posible (o al valor más cercano a ese mínimo).

El resultado es una ristra binaria compacta, que contiene toda la información

necesaria para poder ser descomprimida. Los sistemas de descompresión están
claramente definidos, de manera que en este caso no hay diferencia alguna
entre decodificadores de una empresa u otra.

Ejemplos de estándares

Actualmente, los dos estándares de códecs más habituales en los sistemas de IPTV son
H.264 (también llamado MPEG-4 Part 10 o AVC), desarrollado en conjunto entre ITU-
T y MPEG, y VC-1 (núcleo de Windows Media Audio y Windows Media Video 10), desa-
rrollado por Microsoft. Desde el 2010, Google TV, con el códec VP8, intenta hacerse un
sitio apoyando sin fisuras WebM.

Para los sistemas que utilizan redes basadas en IP, como Internet y las redes locales, o
servicios IP sobre 3G como medio de transporte, las compresiones más utilizadas son:

a)�MPEG-2, H.264/MPEG-4�AVC y 3GPP: son formatos estándares principalmente uti-

lizados por QuickTime en su línea de servidores Darwin/QuickTime Stream Server y en
su reproductor QuickTime. Igualmente, Adobe en su Flash Video Server utiliza H.264 co-
mo códec desde su versión 9. Cabe destacar que la utilización de los estándares MPEG
requiere el pago de licenciamiento tanto en servidores como en reproductor. Por su cali-
dad, H.264/MPEG-4 es también utilizado en almacenamiento de vídeo en Blu-Ray y en
las emisiones HD por antena, cable o satélite, mientras que MPEG-2 ha quedado relegado
como estándar de almacenamiento para DVD y emisiones digitales en calidad estándar.

b)�Windows�Media: codificación propietaria desarrollada por Microsoft; tiene su forta-

leza en la transmisión en tiempo real de bajo ancho de banda (como las de Internet).
Puede ser servido por la línea de servidores Microsoft utilizando el servicio Windows Me-
dia Services y reproducido por el Windows Media Player. Esta codificación requiere un
permiso especial y pago de licencia a Microsoft para poder ser utilizado en otra línea de
servidor/reproductores, por lo que su uso está en declive frente a H.264 o VC-1.

c)�VP8: es el códec abierto de vídeo para transmisión en tiempo real de WebM, la pro-
puesta de formato de Google para ser utilizado en HTML 5. De calidad semejante a H.264,
se basa en una biblioteca de software libre denominada x264 bajo licencia GNU. Su con-
tenedor se basa en el contenedor abierto Matroska.

d)�Theora: formato abierto cuyo principal atractivo es que no requiere el pago de licencia
para su utilización. Presenta una gama de estándares en continuo desarrollo que pretende
competir con la línea de estándares MPEG-4. La codificación de vídeo Theora está basada
en la codificación On2’s VP3, y su contenedor más conocido para almacenamiento es
el formato Ogg.

e)�RealVideo: codificación propietaria, desarrollada por RealNetwork, empresa pionera

en transmisión de datos de audio y vídeo en tiempo real en Internet actualmente en
desuso. Presentaba su fortaleza en transmisión en tiempo real de bajo ancho de banda.
Podía ser servido por la línea de servidores Helix y reproducido por el RealPlayer (o sus
antecesores HelixPlayer y PlayerOne), todos de la misma empresa RealNetwork. Esta co-
dificación requería un permiso especial y pago de licencia a RealNetwork para poder ser
CC-BY-NC-ND • PID_00215138 47 Codificación

utilizado en otra línea de servidor/reproductores, por lo que el coste de este códec y la

falta de inversión en innovación ha supuesto su casi desaparición del mercado actual.

3.2. Compresión de audio digital

Las técnicas de compresión de audio son cronológicamente anteriores a las

de vídeo. Como en este, hay técnicas con pérdidas y sin pérdidas, algunas
específicas para transmitir en tiempo real y otras para almacenamiento.

Todas estas técnicas se basan en la reducción de la redundancia que hay

en la señal para minimizar el flujo de datos generado por segundo, sin
que resulte afectada la calidad del audio según sus necesidades.

Del gran abanico de estándares existentes, unos se centran en la codificación

de la voz humana para su transmisión en redes digitales. Servicios de transmi-
sión de voz en tiempo real, como la telefonía fija, la telefonía móvil o Inter-
net, consiguen grandes tasas de compresión al centrarse en las características
específicas de esta señal. Es habitual que se basen en técnicas de predicción
(en breve, se transmiten las diferencias entre las muestras de audio previstas
y las reales).

Estándares de compresión de audio digital

Algunos ejemplos ilustrativos:

• Las redes GSM y UMTS codifican el audio en formato AMR, tanto en su emisión
como en el almacenamiento de mensajes en el buzón de voz (extensión .amr), y es
el formato base del grupo 3GPP para futuras redes móviles de cuarta generación.

• Skype se basa en su propio estándar Silk (SuperWindeband Audio Codec).

Otro gran grupo, más interesante en nuestro caso, tiene como objetivo conse-
guir la máxima calidad de sonido con el mínimo número de bits por segundo,
incluso posibilitando sonido multicanal. Se basa en la codificación perceptual,
un avance en el mundo de la codificación de audio implementado por prime-
ra vez por Philips en su ya desaparecido sistema de audio compacto digital
(DCC), el cual pretendía sustituir la casete de cinta, y base del MP3.

La codificación�perceptual nace de los estudios sobre cómo el ser hu-

mano interpreta el sonido.

Aparecen tres patrones de codificación perceptual que abren la puerta a com-

primir el audio sin una pérdida de calidad audible:
CC-BY-NC-ND • PID_00215138 48 Codificación

1) El oído no detecta todos los sonidos que recibe, se comporta como un “ban-
co de filtros” que más o menos se solapan en frecuencia. Dos sonidos situados
en bancos diferentes son diferenciados claramente por el cerebro, pero no lo
son si ambos están en el mismo banco de frecuencias.

Ilustración 28

Dos tonos (en azul) situados en frecuencias de diferentes bandas son diferenciados por el oído, mientras que dos situados en la
misma banda (en rojo) son interpretados como uno solo.

2) La sensibilidad del oído ante un sonido cambia si hay más sonidos. De

alguna manera, unos sonidos enmascaran otros, haciéndolos indetectables al
oído. Este fenómeno se denomina enmascaramiento�frecuencial.

3) Si escuchando un sonido débil, este se detiene, se tardará cierto tiempo hasta

poder escuchar un sonido débil otra vez. Este segundo fenómeno se denomina
enmascaramiento�temporal.

El sistema está fundamentado en los datos experimentales recogidos por mi-

les de pruebas en voluntarios, de manera que el modelo psicoacústico puede
interpretarse como un comportamiento medio del oído humano. Existen, por
tanto, sujetos acústicamente mejor capacitados que otros, que pueden detec-
tar la pérdida de calidad inherente a esta codificación.

De los códecs de audio habituales actualmente, la mayoría sigue este modelo

o variaciones de este, y otros han tendido hacia sistemas de compresión más
conservadores.

Códecs de audio habituales

a) El formato de sonido MP2 (conocido como Musicam) es el habitual en ficheros de

audio profesional.

b) El estándar MPEG-1 Audio Layer 3, nacido a partir de MP2, es un clásico de la familia

de códecs con pérdidas. Se definió para almacenamiento de audio digital doméstico. Se
conoce como MP3.

c)� Vorbis es también un estándar de audio con pérdidas resultado de un proyecto de

software libre ofrecido como alternativa al estándar propietario MP3. Ofrece una calidad
de audio similar, e incluso mejor a bajas velocidades de transmisión o lectura ( < 64 Kbps).

d)�AAC (Advances Audio Coding), posterior y de mayor calidad que MP3; es el existente
en equipos domésticos portátiles de audio de Apple (iPod, iPhone, iPad), la familia de
móviles Android, Sony (PlayStation 3), Nintendo (Dsi, Wii), etc. Soporta audio multicanal
(hasta 48 canales) y es una codificación con pérdidas.

e)�Dolby�AC-3 (conocido como Dolby Digital) es un estándar propietario con pérdidas

nacido para el cine, pero su alta eficiencia (320 Kbps para 5 canales de audio de alta
fidelidad más un sexto canal de surround) y una buena relación con los fabricantes de
equipos lo alzó como estándar de audio para DVD y Blu-Ray, e incluso para la TV digital
en Estados Unidos (y, por empatía, también accesible en algunas TV europeas).
CC-BY-NC-ND • PID_00215138 49 Codificación

f)�Dolby�Digital�Life, sin embargo, es un estándar de codificación en tiempo real dirigido

al mercado multimedia, en especial el sector de videojuegos.

g)�Windows�Media�Audio (WMA) es la apuesta de Microsoft por un estándar de codifi-

cación. Existe tanto con pérdidas como sin pérdidas (WMA Lossless).

h) Y, solo como comentario, Real�Audio fue un estándar de compresión con pérdidas

específicamente diseñado para transmisión en tiempo real, muy utilizado en los primeros
años de Internet, pero su naturaleza propietaria y la falta de mejoras por parte de la
empresa Real Networks lo llevó a la desaparición hace unos años.

3.3. Diferenciando contenedor y códec

Al almacenar la información audiovisual en un fichero para su almacenamien-

to y/o transmisión, se utiliza un formato de contenedor.

Un formato�de�contenedor es un formato de archivo digital que alma-

cena determinado tipo de información codificada con uno o varios có-
decs estándares.

Es habitual confundir ambos conceptos y mezclar el nombre del códec con el Ilustración�29
Un ejemplo de asociación pura entre códec de
del contenedor. Así, Flash Video es un formato contenedor cuya extensión de vídeo y contenedor

fichero es .flv o .f4v y en el que el vídeo puede estar codificado en H.264 o

en otro códec, como SorensonSpark o VP-6, mientras que el audio puede estar
codificado en MPEG-1 Audio Layer 3.

En algunos casos, el nombre del contenedor acaba sustituyendo el del có-

dec por costumbre o simplificación. Por ejemplo, el contenedor para el códec
MPEG-1 Audio Layer 3 es comúnmente conocido por MP3, y la extensión de
los archivos es .mp3, pero es habitual hablar de “codificación MP3”.

Los contenedores más complejos admiten distintos códecs de audio y video

y son capaces de manejar subtítulos, capítulos y metadatos (o tags). Uno de
los roles más importantes del contenedor es propiciar información temporal
para poder sincronizar la reproducción de más de un flujo de datos simultá-
neamente.

Ilustración 30

Buena parte de las aplicaciones de codificación de audio y vídeo indican claramente los códecs de vídeo y audio posibles de un
contenedor seleccionado (en la imagen, Super ©).

Algunas características que diferencian a los contenedores entre sí son:

• Su popularidad (y soporte por parte de las aplicaciones).

CC-BY-NC-ND • PID_00215138 50 Codificación

(10)
• La sobrecarga10 (distintos contenedores presentan distintos tamaños de En inglés, overhead.

archivo para el mismo contenido).

• El soporte de códecs (por ejemplo, algunos contenedores como AVI no

admiten codificaciones con cuadros B).

• El soporte de subtítulos u otras características avanzadas.

• El hecho de que sea apto para los servidores de streaming como formato
de entrada.

La mayoría de los contenedores presenta la posibilidad de flujos de bits varia-

bles tanto para audio como para vídeo. Alguna de las excepciones más noto-
rias es, por ejemplo, el contenedor AVI de Microsoft, que no lo permite. Ac-
tualmente, cuando un contenedor no cuenta con alguna característica desea-
da, los distintos programas realizan extensiones para poder soportarlas, aun-
que muchas veces estas extensiones son incompatibles entre sí, complicando
el escenario. La siguiente tabla resume las características de los contenedores
más populares:

Contenedor Características

Códec�de�vídeo Códec�de�audio Transmisión�de�datos 3D

en�tiempo�real

.3gp MPEG-4 Parte II AAC - -

H.264/MPEG-4 AVC AAC v2

.avi La mayoría salvo H.264/AVC La mayoría Sí -

.divx MPEG-4 Parte II MPEG-1 Audio Sí -

AC-3
PCM

(Flash Video) H.264/MPEG-4 AVC AAC Sí .

.f4v MPEG-1 Audio

(Flash Video) H.264/MPEG-4 AVC AAC Sí -

.flv SorensonSpark MPEG-1 Audio
VP6 PCM

.(Matroska) La mayoría La mayoría Sí Sí

mkv
.mka
.mks
.mk3d

(MPEG) MPEG-2 Parte II AC-3 Sí Sí

.mp4 H.264/MPEG-4 AVC MPEG-2
H.263 MPEG-4
VC-1 Vorbis

(MPEG) MPEG-1 MPEG-1 Layer I,II,III Sí -

,mpg MPEG-2
.mpeg
CC-BY-NC-ND • PID_00215138 51 Codificación

Contenedor Características

Códec�de�vídeo Códec�de�audio Transmisión�de�datos 3D

en�tiempo�real

(MPEG PRO- MPEG-1 MPEG-1 Layer I,II,III Sí -

GRAM STREAM) MPEG-2
.ps MPEG-4 Parte II
H.264
VC-1

(MPEG TRANS- MPEG-1 MPEG-1 Layer I,II,III Sí -

PORT STREM) MPEG-2
.ts MPEG-4 Parte II
H.264
VC-1

(BLU RAY TRANS- MPEG-2 Parte II Dolby AC-3 No aplicable Sí

PORT STREAM) H.264 Dolby Digital Plus
.m2ts VC-1 DTS
DTS HD

(AVID) La mayoría La mayoría No aplicable -

.mxf

([Link]) Theora Vorbis Sí -

.ogg y muchos otros y muchos otros

(Apple) MPEG-1 AAC Sí -

.qt MPEG-2 parte II MPEG-1 Audio
.mov MPEG-4 Parte II PCM
H.264/MPEG-4 AVC
Cinepak

(REAL) Real Video Real Audio Sí -

.rmvb AAC
Vorbis

(Microsoft) La mayoría salvo H.264/AVC La mayoría Sí -

.wma
.wmv

(Google) VP8 Vorbis Sí Sí

WebM
CC-BY-NC-ND • PID_00215138 52 Codificación

4. El estándar MPEG-2

(11)
El grupo MPEG11 de la ISO12 es el grupo más destacado y aceptado por la in- MPEG es la sigla de Moving Pic-
tures Experts Group.
dustria en lo que respecta a estandarización de vídeo digital.
(12)
ISO es la sigla de International
Tras el éxito obtenido con el estándar MPEG-1 en 1993, el grupo decidió rea- Standards Organisation.
lizar un estándar más completo y mejorado, dirigido a un mercado potencial
atractivo y de gran escala como el de broadcast13 de televisión digital. Finali-
zado en 1995, el estándar presenta con respecto a su antecesor mejoras en la
compresión, codificación entrelazada (además de progresiva) y gran flexibili-
dad debido a la utilización de perfiles y niveles. MPEG-2 estandariza tanto el
vídeo como el audio que lo acompaña. (13)
Del inglés, difusión amplia.

Los perfiles y niveles son variaciones de calidad de compresión que permiten

adaptar el estándar a las diferentes exigencias de los sistemas particulares, ade-
más de ofrecer a los fabricantes reglas más claras respecto a la conformidad de
sus productos con el estándar. Los perfiles y niveles de MPEG-2 los veremos
en unas páginas.

Ved también
El estándar MPEG-2 es muy utilizado en la actualidad, aunque lenta-
mente remplazado por MPEG-4 Part 10/H.264/AVC, que veremos más Los estándares MPEG-4 Part
10/H.264/AVC se estudian en
adelante, y que comparte muchos detalles con MPEG-2. Es el utilizado el apartado 5 de este módulo
didáctico.
para los sistemas de broadcast de calidad estándar de televisión digital
(DVB), tanto por cable (DVB-C) como por satélite (DVB-S) o terrestre
(DVB-T), y está presente en el mercado doméstico a través del formato
de almacenamiento DVD.

Sin ánimo de entrar en detalles profundamente técnicos, haremos una visión

general del estándar a partir de las partes que lo conforman: primero veremos
el apartado más importante, la definición del formato multimedia, mientras
que veremos muy por encima los flujos de datos y la forma en que se empa-
quetan.

El almacenamiento y la transmisión de flujos MPEG-2 se estudian con más

detalle en otros módulos. Aquí daremos solo una primera aproximación a este
estudio. Una breve reseña del códec estandarizado en MPEG-2 y una descrip-
ción de los perfiles y niveles de calidad permitidos cerrarán este apartado.
CC-BY-NC-ND • PID_00215138 53 Codificación

4.1. Antecedentes

Algunos estándares anteriores a MPEG-2 fueron fuente de inspiración para

MPEG-2 y, en algún caso, están aún vigentes: JPEG/JPEG2000, MPEG-1 para
CD-Video y H.261 y H.263 para videoconferencia.

a)�JPEG/JPEG2000

(14)
Similar al grupo de trabajo MPEG, el JPEG14 es un grupo de trabajo de ISO, JPEG es la sigla de Joint Photo-
graphic Experts Group.
en este caso especializado en la compresión de imágenes. En 1992 terminó el
estándar JPEG15. La compresión espacial de la codificación de vídeo digital se (15)
ISO/IEC 10918-1 / ITU-T Re-
encuentra fuertemente ligada a las técnicas presentadas por el grupo JPEG. commendation T.81.

(16)
En el 2000, se presentó una versión mejorada del estándar conocido como ISO/IEC 15444.
16
JPEG2000 con un nuevo sistema de codificación más eficiente que, además,
posibilitaba codificar de manera escalada e incluso con compresión sin pérdi-
das. En su momento, no tuvo tanta popularidad al tener una licencia, pero
desde el 2011 su uso parece resurgir.

b)�MPEG-1�para�CD-Video

(17)
El primer estándar del grupo MPEG, es el MPEG-117. Culminado en 1993, ac- ISO/IEC 11172.

tualmente sigue siendo utilizado. El caso más notorio de éxito es el códec de

(18)
Especificado en la norma
audio MP318. MPEG-1 Part 3 Audio Layer 3.

Para vídeo, el códec MPEG-1 fue utilizado en el formato Video CD (o VCD)

actualmente reproducible en la mayoría de los reproductores DVD y de calidad
similar a la de un vídeo VHS doméstico.

c)�H.261�y�H.263�para�videoconferencia

En 1993, la ITU-T estandariza el H.261, un códec para servicios de videocon-

ferencia de baja velocidad (se transmitía por RDSI a 64 kbps o múltiplos de
este). Pensado para redes conmutadas como la de telefonía analógica pero con
servicios digitales como RDSI, actualmente es el único contexto en que sigue
siendo utilizado, en general por razones de compatibilidad hacia atrás.

En 1998, la ITU-T estandariza el H.263, un códec de vídeo de mayor calidad

y menor flujo de bits resultante (30 kbps). En este códec aparece el concepto
de distintos perfiles de codificación (variaciones de calidad en la compresión
que generaron inicialmente algunos problemas de compatibilidad entre los
fabricantes, resueltos cuando en H.264 se clarifican las especificaciones).
CC-BY-NC-ND • PID_00215138 54 Codificación

4.2. Qué es MPEG-2

Entremos en MPEG-2. El estándar MPEG-2 se encuentra completamente defi-

nido en la ISO/IEC 13818. Esta norma se encuentra dividida en partes según
el tema. Cada parte se considera un estándar en sí mismo; por tanto, de forma
más correcta: MPEG-2 es un conjunto de estándares.

Las partes que conforman el estándar MPEG-2 son, entre otras:

• El sistema: cómo sincronizar y conjuntar los flujos de vídeo y audio en un

solo flujo de datos.

• El códec de vídeo para señales entrelazadas y progresivas.

• El códec de audio, que es una extensión del MPEG-1 audio (también co-
nocido como MP3) capacitado para sonido multicanal.

• El control del flujo por parte del usuario final (para reproducir, pausar,
situarse en un punto en particular, estructurar en escenas, etc.).

La propiedad intelectual del estándar MPEG-2 es compartida por múltiples

corporaciones. Más de 500 patentes forman el estándar. Los vendedores de
productos y servicios basados en el estándar MPEG-2 deben pagar por la ex-
plotación de la licencia. La institución beneficiaria es MPEG-LA, la cual admi-
nistra el conjunto de patentes MPEG.

4.3. Conceptos básicos: GOP Y MPEG

Cuando nos sentamos cómodamente ante nuestro equipo para disfrutar de un

DVD en nuestro reproductor, o de un fichero en formato MPEG-2 en nuestro
equipo multimedia u ordenador, y deseamos ir a un punto en particular, el
avance rápido o el retroceso de nuestro mando a distancia no es fluido. An-
tes (mucho antes), cuando avanzamos o retrocedíamos en una cinta de vídeo
como VHS o Betamax, podíamos ver con más o menos claridad la película
acelerada, pero ahora la imagen va dando saltos en el tiempo de segundos en
segundos, presentando instantáneas de la película.

(19)
¿Dónde está el resto de fotogramas? ¿Por qué no veo a los actores moviéndose Del inglés, group of pictures.
19
de forma acelerada? La culpa es del GOP (grupo de imágenes).

4.3.1. GOP

La imagen en movimiento puede comprimirse con más pérdidas que la fija, Ved también
pues entre una imagen y la siguiente suele haber pocas diferencias (salvo un
El término intracode se expli-
cambio de plano o una transición rápida). La intención es, de todas ellas, man- ca en el subapartado siguiente,
tener intactas algunas (es decir, con una compresión similar al JPEG, denomi- con las imágenes I.
CC-BY-NC-ND • PID_00215138 55 Codificación

nada intraframe) que servirán de referencia al resto, que se calculará como di-
ferencia o desplazamiento de estas. Las imágenes de referencia son denotadas
con la letra I (de intracode).

Ilustración 31. Ejemplo de GOP de M = 3 y N = 9

Orden de visualización.

Imágenes I

La imagen I no tiene ninguna referencia con las otras, se comprime

espacialmente “al estilo JPEG” (es decir, se divide en bloques de 8 × 8
píxeles y se transforma, se cuantifica, se codifica, etc.). Se codifican ellas
solas, por ello se denominan intracode. La codificación utilizada es la
DCT bidimensional, similar a la vista en JPEG, y al igual que JPEG, en
cada imagen I se cuantifica sus coeficientes, se serializan en zigzag y se
codifican.

Las imágenes I son las que nos aparecen en pantalla cuando realizamos una
búsqueda rápida hacia adelante o atrás en nuestro reproductor DVD o softwa-
re: un reproductor de baja calidad no necesita otras imágenes, solo unos pocos
cálculos para poder descomprimir la imagen I. Es una manera económica de
presentarnos el punto aproximado de la película en donde estamos.

Si codificásemos todas las imágenes de una secuencia como imágenes I, no

tendríamos una gran tasa de compresión y la película no cabría en un DVD,
pues el fichero sería de decenas de gigabytes. Hay que buscar un método más
agresivo de compresión para el resto de imágenes, y tenemos la oportunidad
de ello, pues el ojo humano no discierne con claridad ante objetos en movi-
miento. Este método se denomina estimación de movimiento.

Imágenes P y la estimación de movimiento

Teniendo los “pilares” I de una secuencia de imagen, las imágenes que existen
entre dos imágenes I pueden codificarse mediante estimación de movimiento
de dos maneras: imágenes P y B.

Las imágenes�P (de predictivas) se calculan a partir de la imagen I o

la imagen P inmediatamente anterior (no significa que sea la anterior
inmediata, sino la última I o P que se haya codificado).
CC-BY-NC-ND • PID_00215138 56 Codificación

Son también de gran calidad, aunque menor que la I, ya que se calculan me-
diante una estimación del movimiento de la imagen (se divide la imagen en
macrobloques de 16 × 16 píxeles y se intenta ver en cuánto se han movido
con respecto a la imagen que toman de referencia, sea I o P).

Ilustración 32

La intención es que no guardemos de esta imagen más que unos cuantos pí-
xeles y muchos vectores de movimiento que hagan referencia a cuánto se han
movido los bloques de píxeles de la imagen I o P de referencia. Este proceso
proporciona un ahorro de bits impresionante. Aquí pues, el problema es calcu-
lar los vectores de movimiento, es decir, analizar las diferencias entre la ima-
gen P y la de referencia (I o P), compararlas, ver si existen bloques de píxeles
similares y detectar en cuánto se han desplazado en horizontal y/o vertical.

En secuencias estáticas (la cámara quieta y los objetos que componen la ima-
gen en reposo), las imágenes P son sencillamente nulas. En secuencias en mo-
vimiento, las imágenes P aumentan en espacio de memoria ocupado al tener
que almacenar el movimiento de los píxeles de la imagen de referencia, y si
además aparecen objetos nuevos, han de añadirlos.

Imágenes B

Las imágenes�B son el caso más extremo de compresión.

La imagen�B (de bidireccional�predictiva) se deduce como intermedia

a partir de dos imágenes de tipo I o P, con lo que contiene más informa-
ción de estimación de movimiento a la vez que aumenta la compresión,
aunque a una calidad relativamente baja.

Véase que si bien las P usaban estimación de movimiento en una sola dirección
(desde la I o P anterior hasta ellas), las B usan ambas direcciones.
CC-BY-NC-ND • PID_00215138 57 Codificación

Ilustración 33

4.3.2. MPEG

A continuación, pasamos a explicar en qué consiste la codificación MPEG, que

se basa en los conceptos que acabamos de explicar sobre el GOP.

Estructura del codificador MPEG-2

Un diagrama que englobe los mecanismos descritos puede ser el siguiente:

Ilustración 34. Esquema de codificador MPEG-2

Al vídeo en tiempo real se le resta, primeramente, la predicción que el sistema

propone y que genera por el lazo inferior del esquema, por lo que la DCT co-
difica la imagen “error de predicción”. Luego se cuantifica (Q) y se aplica co-
dificación variable (VLC), además de añadir información adicional (vectores
del movimiento, sincronización, etc.) para ayudar al decodificador en su ta-
rea. Para efectuar la predicción, el flujo de datos “error” cuantificado pasa por
un descuantificador (IQ) y una DCT inversa (IDCT), y se suma a la predicción
de compensación de movimiento (MCP), que se autoalimenta para reducir tal
error. Cuanto más óptima es el predictor de compensación de movimiento, la
resta inicial es mejor y el flujo de datos error generado que finalmente se trans-
mite o almacena es más reducido, por lo que el canal por el que se transmite
o el dispositivo de almacenamiento pueden ser de menores requerimientos.
CC-BY-NC-ND • PID_00215138 58 Codificación

Ilustración 35. Esquema de decodificador MPEG-2

El receptor decodifica la codificación variable (VLD), invierte la cuantificación

(IQ) y, mediante una DCT inversa, recupera la imagen error, que se suma al
resultado del predictor de compensación en movimiento (MCP) para dar la
imagen final.

El control de la memoria intermediaria

Sin duda, la salida del codificador es un flujo de datos variable, dependiendo

del contenido visual del vídeo y del éxito del predictor de compensación de
movimiento, elemento clave de este sistema.

Sin embargo, en muchas ocasiones, este flujo de datos ha de ser transmitido

o almacenado a una velocidad de bits fija, por lo que se añade una memoria
intermediaria entre el codificador (coder) y el canal (y otro entre el canal de
recepción y el decodificador (decoder). Esta memoria intermediaria es rellenada
de forma variable por el codificador y alimenta el canal de transmisión a velo-
cidad constante, por lo que hay que prevenir tanto que la memoria interme-
diaria quede vacía como que se desborde. Para ello, la memoria intermediaria
notifica al codificador su estado y este ajusta la velocidad de transmisión de
los bits de salida; por ejemplo, si la memoria intermediaria se está llenando,
el codificador aumenta la cuantificación, Q, para reducir el volumen de bits
generados. Sin duda, ello afecta a la calidad del vídeo en recepción.

La inclusión de una memoria intermediaria en emisión y otra en recepción

genera además un retardo, calculable como la capacidad utilizada de la me-
moria intermediaria dividida entre la velocidad del canal. Este retardo suele
ser de algunas décimas de segundo.

MPEG-2 define el tamaño máximo que puede poseer esta memoria interme-
diaria, aunque el codificador es libre de utilizar toda su capacidad, o solo una
parte de esta.

Propagación de errores y compresión: eterno dilema

Las imágenes I pueden contener errores, ya sean propios de la codificación

intracuadro al “estilo JPEG” (una codificación con pérdidas), ya sean externos
debidos a su transmisión (ruido, interferencias, etc.) o a procesos de grabación
CC-BY-NC-ND • PID_00215138 59 Codificación

no adecuados (un soporte DVD en malas condiciones, un láser de lectura ago-

tado, etc.). Ahora bien, si toda la ristra de imágenes P y B depende de ellas, es
imaginable pensar que esos errores de base van a propagarse y afectarlas.

También las imágenes P pueden contener errores, ya sea heredados de la I o P

que dependan, ya sea por un error en su transmisión o grabación.

Las imágenes B, sencillamente, son las víctimas últimas de todos los errores
que se hayan producido de toda clase.

El valor N es la distancia entre dos imágenes I. Repasando la ilustración 31, se

deduce que el GOP debe poseer un tamaño de N imágenes, ya que comienza
con una imagen I y acaba justo antes de la siguiente imagen I. Un valor de 12
es un equilibrio entre una gran distancia entre dos imágenes de referencia I y
una compresión interesante con una propagación de errores aceptable.

Aumentar esta distancia supondría dejar en manos de imágenes P y B la cali-

dad de la secuencia y arriesgarse a que pequeños errores de las imágenes I se
amplificasen en todo el GOP. Reducirla sería mejorar la calidad, pero aumen-
tando el peso de la secuencia y reduciendo la compresión.

El valor M es la distancia entre una imagen I y la siguiente imagen de tipo I o

P que haya. En el ejemplo de antes (ilustración 31), es 3. Cuanto más grande
es el valor de M, más errores contendrá la estimación de movimiento pero
más alta será la compresión (eterno dilema). En una exportación de proyecto a
MPEG-2, por ejemplo con un software como Premiere, AfterEffects, Avid, etc.,
deja al usuario su elección:

Ilustración 36. Ejemplo de selección de los valores N y M en una autoría DVD

con MPEG-2

4.3.3. Ejemplos de uso

Algunos ejemplos de uso habituales de la codificación MPEG-2 son:

• DVD: al realizar una búsqueda de imagen con el mando a distancia en un

DVD, el vídeo no fluye dinámicamente en pantalla, sino a saltos. Esto es
debido a que va saltando de imagen I a imagen I.

• Al codificar una película en MPEG-2, cada cambio de plano fuerza el inicio

de un GOP. Así, la primera I contiene los nuevos objetos.
CC-BY-NC-ND • PID_00215138 60 Codificación

• Vídeo streaming por Internet: un GOP de N = 12 y M = 3 es habitual.

• Edición de vídeo no lineal: cuantas más imágenes I haya, mejor. Incluso

existe el estándar M-JPEG que está formado exclusivamente por imágenes
I.

4.4. Los flujos elementales de datos

(20)
Una vez generadas las imágenes I, P y B, a partir de ellas hay que construir Del inglés, elementary stream.
un flujo final de bits para almacenar o transmitir, y este proceso tiene varias
etapas. Comencemos por definir el flujo elemental (ES20), que es sencillamente
la salida del codificador, que contiene toda la información necesaria para que
un decodificador pueda crear una aproximación lo más certera posible al vídeo
original.

(21)
Existen dos tipos diferentes de ES, los de audio (AES21) y los de vídeo (VES22); Del inglés, audio elementary
streams.
a continuación se describen cada uno de ellos.
(22)
Del inglés, video elementary
4.4.1. Flujo elemental de vídeo streams.

Un flujo�elemental�de�vídeo (VES) es una secuencia de vídeo. Habi-

tualmente, la salida del codificador ya se encuentra en formato VES.

(23)
Como se ve en la ilustración 37, el flujo no contiene cada imagen por separado, En inglés, player.
sino que se estructura en grupos de imágenes (GOP), la unidad de trabajo de
cualquier reproductor que quiera presentar este flujo (un reproductor23 DVD,
un programa de reproducción, etc.).
CC-BY-NC-ND • PID_00215138 61 Codificación

Ilustración 37

Construcción del VES

Cada imagen se convierte en tres matrices rectangulares de valores, cada una

con los valores de Y, Cb y Cr, respectivamente. En general, la matriz Y es cua-
tro veces más grande que las otras dos, pues, como ya hemos visto, es más
relevante la luminancia (Y) que los componentes de color (Cb, Cr).

En función del contenido y de la comparativa que realiza entre imágenes con-

secutivas, el codificador toma la decisión de definir una de las imágenes como
de tipo I, es decir, codificable de manera independiente y pilar básico para la
codificación de las inmediatas. Es habitual que, por ejemplo, la primera ima-
gen tras un cambio de plano se defina como I, ya que no posee relación con
las anteriores, pero el criterio es mucho más complejo y cada fabricante aplica
el que cree más conveniente (el algoritmo no está definido en el estándar).

A partir de la imagen I, se calculan las imágenes P posteriores y las B tal como Ved también
se ha explicado. Cabe destacar que, dentro de un GOP, siempre se mantiene
Las imágenes I, P y B se expli-
la misma secuencia de imágenes, una vez definidos los parámetros M y N de can en el subapartado 4.3.1 de
la codificación. este módulo didáctico.

Es importante recalcar que MPEG no especifica en sus estándares cómo debe

ser un codificador, sino que especifica la salida del codificador para así asegu-
rarse de la compatibilidad con el decodificador. De esta forma, codificadores
CC-BY-NC-ND • PID_00215138 62 Codificación

y decodificadores de distintos fabricantes pueden interoperar, además de per-

mitir a la industria investigar y mejorar sus técnicas de codificación permane-
ciendo dentro del estándar.

El estándar, en cambio, sí especifica un mecanismo de decodificación (un de-

codificador), pero ese debe ser tomado como referencia, dejando también libre
a la industria la posibilidad de cambiarlo siempre que logre el mismo resultado
que el estándar (en este aspecto se piensa en mejoras de ejecución y adapta-
ción del método a un hardware específico).

En MPEG-2 existen múltiples implementaciones de codificadores y de-

codificadores, algunas por hardware y muchas por software. La calidad
de codificación MPEG-2 ha mejorado sensiblemente desde sus inicios y
su calidad es alta incluso con flujos de menos de 2 Mbps. Es un estándar
maduro, pero amenazado por el más actualizado MPEG-4, que lo supera
en todos los aspectos, salvo el económico.

Habitualmente, las soluciones de IPTV utilizan equipamiento dedicado y cos-

toso para realizar la codificación. La decodificación se realiza en el equipo del
cliente, mayoritariamente en software (navegadores de Internet), pero existen
algunas excepciones en hardware (TV por cable).

4.4.2. Flujo elemental de audio

Un flujo�elemental�de�audio (AES) es la salida del codificador de audio.

Este caso es muy diferente al de compresión vídeo; aquí no existen diferentes

tipos de cuadros; los cuadros de audio se codifican todos de la misma manera,
por lo que todos tienen el mismo tamaño.

4.4.3. Flujo elemental empaquetado

A la hora de agrupar el stream de vídeo (VES) y el de audio (AES) en un solo flujo

de datos, hay que tener cuidado de no generar retardos entre ambos (enviar
demasiado vídeo y poco audio supondría no tener suficiente audio o tenerlo
retrasado con respecto al vídeo). Hay que dividir los dos flujos de datos en
paquetes de un tamaño adecuado antes de ser puestos secuencialmente uno
tras otro.

Este proceso se denomina empaquetado y supone indicar en cada paquete su

tipo y unos identificadores para que el receptor pueda reconstruirlos correcta-
mente, así como datos adicionales para asegurar la sincronización (qué frag-
mento de audio va con qué fragmento de vídeo).
CC-BY-NC-ND • PID_00215138 63 Codificación

El flujo total es el flujo elemental empaquetado (PES).

4.5. Almacenamiento y transmisión

Generalmente, es necesario combinar varios PES (al menos un audio y un ví-

deo) para crear un contenido multimedia que, posteriormente, será reproduci-
do. Dos posibilidades de tratamiento surgen entonces: almacenar el contenido
para su posterior reproducción o transmitirlo (en nuestro caso, por una red IP).

4.5.1. Almacenamiento

El estándar de MPEG-2 no especifica ningún formato de contenedor de archi-

vo. Esto también sucede con MPEG-1, H.263 y otros, por lo que pueden ser
utilizados muchos contenedores: MP3 para audio, MOV para vídeo, etc.

4.5.2. Transmisión

(24)
El estándar del sistema de MPEG-224 define dos métodos de combinación de ISO/IEC 13818-1

los datos de audio, vídeo y contenido asociado para la transmisión en un único

flujo de datos:

• Program�Streams (conocido como MPEG-2 PS, o simplemente MPEG-PS).

• Transport�Streams (conocido como MPEG-2 TS, o simplemente MPEG-

TS).

Un canal de TDT está formado al menos por un PES que contiene un ES de ví-
deo, un ES de audio y un ES de datos (teletexto, EPG, etc.). El proceso de juntar
unos cuantos PES que se reproducirán conjuntamente se denomina multiple-
xación.

Mientras que MPEG-PS permite transportar un único canal, el MPEG-TS per- Ved también
mite enviar varios simultáneamente (cada uno con una sincronización de re-
Los mecanismos de detección
loj independiente). MPEG-TS incorpora, además, mecanismos de detección y y corrección de fallos en la
corrección de fallos en la transmisión, tan habituales en redes públicas como transmisión se estudian en el
apartado 5 de este módulo di-
Internet o 3G. Lo veremos al final del módulo por su relevancia. dáctico.

Respecto a transmisión por red, se define un conjunto de protocolos para la Ved también
transmisión de contenido multimedia por una red IP. Cabe destacar, entre
Los protocolos para la transmi-
ellos, para sistemas de vídeo digital de tiempo real, el protocolo real-time pro- sión de contenido multimedia
tocol (RTP). por una red IP se estudian en
el subapartado 5.4 de este mó-
dulo didáctico.
CC-BY-NC-ND • PID_00215138 64 Codificación

4.6. Perfiles y niveles en MPEG-2

MPEG-2 fue diseñado para abarcar la mayor cantidad de sistemas de vídeo di-
gital presentes en el momento de realización del estándar. Esto implica dispo-
ner de distintos grados de calidad para cada aplicación: generalmente deter-
minado por la tasa de bits y la resolución de la codificación.

Los grados de calidad están definidos en el estándar en perfiles (profiles)

y niveles (levels).

4.6.1. Perfiles

El perfil define la resolución del espacio de colores y la escalabilidad del flujo

de bits. Las opciones más habituales son:

• Perfil�alto (high�profile, HP): destinado a codificar señales de alta defini-

ción. En realidad, nunca se utiliza ya que MPEG-4 es mucho más efectivo
en este caso. Ilustración�38.�Perfiles�de�exportación
(ejemplo:�Adobe�Premiere)

• Perfil�principal (main�profile, MP): el más habitual, dirigido a conseguir

una calidad estándar de vídeo. Activa el uso de imágenes I, P y B en la
codificación, y posibilita codificar señales de vídeo entrelazadas.

• Perfil�simple (simple�profile, SP): necesario cuando el flujo de datos ge-

nerado va dirigido a equipos de bajas prestaciones técnicas –telefonía mó-
vil, PDA, tabletas, etc.–. No utiliza imágenes de tipo B, lo que simplifica el
cálculo de la decodificación y la necesidad de memorias intermediarias.

4.6.2. Niveles

El nivel define la resolución de imagen, la cantidad de muestras de luminancia

(Y) por segundo, la cantidad de capas de audio y vídeo y el máximo bit rate
por perfil:

• Nivel�alto (high�level, HL): 1.920 × 1.152, 80 Mbps. Para alta definición,

nunca utilizado.

• Nivel�alto�1440 (high-1440, H-14): 1.440 × 1.152, 60 Mbps. También para Ilustración�39.�Niveles�de�exportación

(ejemplo:�Adobe�Premiere)
alta definición, nunca utilizado.

• Nivel�principal (main�level, ML): 720 × 576, 15 Mbps. El habitual para

imágenes de calidad estándar.
CC-BY-NC-ND • PID_00215138 65 Codificación

• Nivel�bajo (low�level, LL): 288 × 352, 4 Mbps.

4.6.3. Combinaciones de perfiles y niveles

No se utilizan todas las combinaciones de perfiles y niveles. La notación uti-

lizada es perfil@nivel. Las más habituales son:

Perfil@nivel Resolución Hz Muestreo Bps Ejemplo de aplicación

SP@LL 176 × 144 15 4:2:0 0,096 Tabletas, móviles

SP@ML 352 × 288 15 4:2:0 0,384 PDA

320 × 240 24

MP@LL 352 × 288 30 4:2:0 4 Decodificadores

MP@ML 720 × 480 30 4:2:0 15 (DVD: 9.8) DVD,TDT,TV cab. y sat.

720 × 576 25

422P@ML 720 × 480 30 4:2:2 50 Sony IMX

720 × 576 25

422P@H-14 1.440 × 1.080 30 4:2:2 80 Reservado

1.280 × 720 60

422P@HL 1.920 × 1.080 30 4:2:2 300 Reservado

1.280 × 720 60

4.7. MPEG-2 en la industria

MPEG-2 es muy utilizado en la actualidad, tanto en almacenamiento como en

transmisión de audio y vídeo. Algunos de los sistemas que utilizan MPEG-2
son DVD y los estándares de TDT, satélite y cable en Europa (DVB) y América
(ATSC). En cada caso, se implementa solo la porción necesaria del estándar.

Unos ejemplos reales meramente ilustrativos de MPEG-2 para almacenamien-

to:

(25)
a)�DVD25 De digital video disc.

• Contenedor de vídeo: MPEG-2 Program Stream

• Codificación de vídeo: MPEG-2

• Codificación de audio: PCM, MP2 (Musicam), Dolby Digital o DTS en Eu-

ropa, y Dolby Digital o DTS en Estados Unidos
CC-BY-NC-ND • PID_00215138 66 Codificación

• Resolución (px):
– NTSC: 720 × 480, 704 × 480, 352 × 480, 352 × 240

– PAL: 720 × 576, 704 × 576, 352 × 576, 352 × 288

• Tasa de bits de audio + vídeo: Pico 15 Mbps, Mínimo 300 Kbit/s

• Relación de aspecto: 4:3, 16:9, 2.21:1

• Tasa de cuadros: 29.97 cuadros/s (NTSC), 25 cuadros/s (PAL)

• YUV 4:2:0

(26)
b)�DVB26 De digital video broadcast.

Incluye la televisión digital terrestre (DVB-T), satélite (DVB-S) y por cable

(DVB-C). Resoluciones posibles:

• SDTV:
– 720, 640, 544, 480 o 352 × 480 píxel, 24/1.001, 24, 30/1.001 o 30
cuadros/s

– 720, 704, 544, 480 o 352 × 576 píxel, 25 cuadros/s

– 352 × 240 píxel, 24/1.001, 24, 30/1.001 o 30 cuadros/s

– 352 × 288 píxel, 25 cuadros/s

4.8. Medida de la calidad de imagen en MPEG-2 para DVB

Al igual que se vio en imagen fija, existen métodos para analizar la calidad de
vídeo comprimido en MPEG-2. En DVB hay dos grandes fuentes de problemas:

1) Las generadas por el ruido en el canal de transmisión. Mientras que en la TV

analógica el ruido se plasmaba como una conocida nieve, en la TDT genera un
aumento del número de errores de bit que hasta cierto punto son recuperados
por los sistemas de protección de errores que posee y no son visibles ni audi-
bles. Más allá de ese punto, sin embargo, pueden aparecer bloques de imagen
incorrectos, efecto mosaico en la imagen y, en el caso extremo, el servicio cae
completamente y la pantalla va a negro. Estos fenómenos son familiares en
TDT (DVB-T) y satélite (DVB-S), pero poco comunes en cable (DVB-C) al ser
un canal más controlado y fiable.

2) Los artefactos producidos por la propia codificación MPEG-2. Centrándo-

nos en esta segunda fuente de problemas, la codificación MPEG-2 tiene un
efecto directo en la calidad de imagen debido a su mayor o menor severidad
CC-BY-NC-ND • PID_00215138 67 Codificación

en la compresión utilizada. Al dividirse la imagen en macrobloques de 16×16

píxeles de manera independiente a sus bloques circundantes, cuando se aplica
una alta compresión aparecen discontinuidades de luminancia y crominancia
entre bloques adyacentes, perceptibles por el ojo y denominado blocking. Ade-
más, esta unidad básica de macrobloque es la base de la codificación predictiva
entre cuadros I, siendo la base de generación de los cuadros P, por lo que el
problema es intrínseco al estándar.

Sin duda, el fenómeno no solo depende del nivel de compresión, sino también
del contenido visual de la imagen. Una situación clásicamente compleja son
los deportes: la Fórmula I es mucho más difícil de comprimir sin artefactos
que una partida de ajedrez debido a su movimiento rápido y detalle.

Existe un sistema estandarizado de medición subjetiva de la calidad, lla-

mado ITU-R�BT.500, que describe los métodos de análisis de la calidad
del vídeo a partir de los resultados dados por un grupo de personas se-
leccionadas como observadores.

Hay dos métodos subjetivos principales:

• La escala de calidad continua de doble estímulo (DSCQS): el grupo de per-

sonas compara un clip de vídeo original con su versión codificada, y la
valoran en un rango de 0 (malo) a 100 (excelente).

• La escala de calidad continua de estímulo único (SSCQE): el grupo de per-

sonas valora el clip codificado, de 0 a 100, sin ver el clip original.

No existen métodos estándares para el análisis objetivo de la calidad MPEG-2.

Cada fabricante de equipos de instrumentación y medida han implementado
los suyos propios, pero en general se centran en la comparación de los píxe-
les que bordean cada macrobloque, responsables finales del efecto de blocking. Ilustración�40.�Equipo�Rohde&Schwarz
analizador�de�calidad�de�vídeo�digital

No realizan una comparativa directa (como podría realizarse con una imagen
estática), sino que toman en cuenta lo que denominan actividad espacial (ri-
queza de altas frecuencias espaciales) y actividad temporal (movimiento), pues
ambos podrían falsear los resultados de las medidas.
CC-BY-NC-ND • PID_00215138 68 Codificación

Ilustración 41. Resultados del análisis de calidad de cinco clips de vídeo con el analizador
DekTec DTC-352

Ya que el estándar MPEG-2 no define el procedimiento de codificación, en los

últimos años ha habido sustanciales mejoras de diversos fabricantes que han
puesto la calidad de MPEG-2 muy por encima de los primeros codificadores
existentes, también en un afán de no perder terreno ante el auge de su sucesor,
MPEG-4, como se ve en detalle en el siguiente apartado.
CC-BY-NC-ND • PID_00215138 69 Codificación

5. El estándar MPEG-4 y H.264/AVC

Tras MPEG-2, finalizado en 1995, el grupo MPEG continúa su trabajo de es-

tandarización. En 1993 (antes de terminado MPEG-2), comienza el trabajo en
el estándar MPEG-4, que abarca muchos más aspectos de los sistemas de vídeo
digital que sus predecesores MPEG-1 y MPEG-2.

(27)
La parte 2 del estándar MPEG-4 (ISO/IEC 14496-2), conocida como MPEG-4 VCEG es la sigla de Video Coding
Experts Group.
Visual, especifica la codificación y decodificación de vídeo digital. MPEG-4
Visual se terminó de estandarizar en 1999. El estándar H.264 se inició por parte
del grupo de trabajo Video Coding Experts Group (VCEG27) de la International
Telecommunication Union (ITU-T). Las últimas etapas del trabajo se realizaron
por la Joint Video Team (JVT), un grupo conformado por los grupos VCEG y
el MPEG.

El estándar final fue publicado en conjunto en el 2003. Debe entenderse

que MPEG-4 y H.264 no son sinónimos: H.264 es una parte del están-
dar MPEG-4. H.264 también es llamado H.264 Advanced Video Coding
(AVC). Por tanto, las formas correctas de llamar a este estándar son:
MPEG-4�Part�10 o H.264/AVC.

MPEG-4 Visual y H.264, aunque contemporáneos, son muy diferentes en su

concepción: MPEG-4 Visual apunta a la flexibilidad abarcando la mayor can-
tidad de sistemas de vídeo digitales posibles, mientras que H.264 apunta a la
eficacia en la compresión y la confiabilidad de la transmisión.

La codificación utilizada en la mayoría de los sistemas de IPTV es H.264,

por eso dedicaremos este apartado exclusivamente a esta parte del estándar
MPEG-4. Para su mejor comprensión, la estructura de este apartado se presenta
de modo muy similar a la de MPEG-2, comenzando por el detalle de los están-
dares que la componen, siguiendo por algunos detalles del formato, los meca-
nismos de transmisión y almacenamiento, los perfiles y niveles definidos, y
culminando con la aplicación actual de esta codificación en la industria.

El contenedor de este códec está bien especificado, basado en un formato es-

tándar que curiosamente se inspiró en el de QuickTime de Apple: el ISO Media
File Format. La extensión de los archivos MPEG-4 es .mp4.
CC-BY-NC-ND • PID_00215138 70 Codificación

5.1. El estándar y sus patentes

MPEG-4 se encuentra estandarizado en la norma ISO/IEC 14496. Al igual que

para MPEG-2, se compone de varias partes, entre ellas:

• El sistema: describe la sincronización y la transmisión simultánea de audio

y vídeo.

• El vídeo: el códec de compresión para elementos visuales (vídeo, texturas,

imágenes sintéticas, etc.). Uno de los muchos perfiles definidos en la parte
2 es el Advanced Simple Profile (ASP).

• El audio: el conjunto de códecs de compresión para la codificación de flu-

jos de audio; incluye variantes de Advanced Audio Coding (AAC), así co-
mo herramientas de codificación de audio y habla.

• Transporte sobre redes IP: especifica un método para transportar contenido

MPEG-4 sobre redes IP.

• H.264 - Advanced Video Coding (AVC): un códec estandarizado de señales

de vídeo.

• Ingeniería de aplicación y descripción de escenas (BIFS). Para contenido

interactivo 2D y 3D.

• Formato para medios audiovisuales basado en ISO: un formato de archivos

para almacenar contenido multimedia.

• Extensiones para el manejo y protección de propiedad intelectual (IPMP).

• El formato de archivo contenedor designado para contenidos MPEG-4.

• El formato de archivo AVC para el almacenamiento de vídeo.

Es importante resaltar la parte 10 del estándar que especifica el H.264 y la parte

8 que especifica el transporte de MPEG-4 sobre una red IP.

5.2. H.264 o MPEG-4 Part10

En su filosofía, la codificación H.264 no difiere de MPEG-2 en gran forma. Se

especifica el formato de codificación y cómo decodificarlo (y se deja nueva-
mente libre a la industria el diseño de codificadores eficientes).

También utiliza la nomenclatura de perfiles y niveles para definir variantes

de resolución y calidad de vídeo. Hoy en día, relativamente pocos perfiles se
encuentran definidos por completo en el estándar. En sus comienzos, solo
CC-BY-NC-ND • PID_00215138 71 Codificación

tres perfiles fueron definidos: baseline, main y extended. Sin embargo, en la

actualidad parece perfilarse con mayor aceptación en el mercado el perfil high,
como ya veremos.

Una mejora con respecto al estándar MPEG-2 es que se separa la codificación

de la transferencia, lo que facilita su implementación.

El formato de salida del codificador se llama Video Coding Layer (VCL), que
básicamente es una secuencia de bits que representa vídeo codificado. La je-
rarquía de codificación de vídeo MPEG-2 (GOP, cuadros, bloques) permanece
prácticamente inalterada.

Un problema habitual en MPEG-2 es que, si hay diferentes subflujos o servi-

cios contenidos en el mismo flujo de bits, al conmutar de uno a otro, el deco-
dificador perdía calidad unos instantes. Contra eso, en los perfiles más altos
de H.264 aparece la posibilidad de utilizar dos tipos extra de cuadros (además
de los I, P, B):

• SP (switching�P) para facilitar cambiar de flujo de codificación (contiene

macrobloques I o P).

• SI (switching�I) para facilitar cambiar de flujo de codificación (contiene

macrobloques SI).

5.3. Almacenamiento

El estándar MPEG-4 realiza una especificación de almacenamiento en disco,

como se dijo al principio de este apartado. Se basa en el estándar ISO Media
File Format, el cual se encuentra inspirado en el formato QuickTime de Apple.
La extensión de los archivos MPEG-4 es .mp4.

Muchos otros formatos contenedores poseen esta codificación, como por

ejemplo 3GPP, MOV o Flash Video.

5.4. Transmisión

Tanto MPEG-4 como H.264 no definen un sistema específico de transporte

para la transmisión.

Con la enmienda 3 del sistema MPEG-2 (ISO/IEC 13818-1), es posible trans-

portar MPEG-4 y, en particular, H.264, de la siguiente manera:

• Program�Streams (conocido como MPEG-2 PS, o simplemente, MPEG-PS).

CC-BY-NC-ND • PID_00215138 72 Codificación

• Transport�Streams (conocido como MPEG-2 TS, o simplemente, MPEG-

TS), que permite hacer convivir canales TDT en H.264/AVC en HD con los
MPEG-2 en SD.

(28)
Respecto a la transmisión por red IP, se ha actualizado el protocolo de tiempo En inglés, firewalls.
real RTP (Real-Time Protocol) para la transmisión de MPEG-4 y H.264. Es re-
(29)
lativamente sencillo transmitir contenido multimedia en una red de paquetes En inglés, proxies.

IP; incluso limitándonos al contexto de IPTV, no solo RTP es utilizado. En las

redes actuales, para transmisión de vídeo digital por Internet, existe una clara
preferencia por protocolos basados en TCP, y, en particular, aquellos basados
en HTTP, debido a su compatibilidad con las configuraciones frecuentes de
cortafuegos28 y servidores intermediarios29.

5.5. Perfiles y niveles

Al igual que MPEG-2, el estándar H.264/AVC presenta diferentes grados de

calidad. Los grados de calidad están definidos en el estándar en términos de
perfiles y niveles.

5.5.1. Perfiles

Existen siete perfiles en el estándar, de los que nos centraremos en los tres
habituales:

• Línea�de�base (baseline�profile, BP): usado para dispositivos sencillos co-

mo reproductores portátiles y telefonía móvil, así como para streaming de
vídeo por red IP.

• Principal (main�profile, MP): dirigido a broadcast (TDT HD) y almacena-

miento (Blu-Ray), provee alta definición.

• Alto (high�profile, HP): para aplicaciones profesionales que requieren alta

definición de crominancia y luminancia (4:4:4).
CC-BY-NC-ND • PID_00215138 73 Codificación

5.5.2. Niveles

Representados con un número del 1,0 al 5,1, son configuraciones para veloci-
dades de transmisión crecientes (desde 64 Kbps en 1,0 hasta 240 Mbps en 5,1).

5.6. H.264 en la industria

H.264 es siempre el elegido en sistemas de vídeo digital de alta resolución,

como las redes de IPTV y la TV en HD por terrestre, cable o satélite. Es de
esperar que, con el paso del tiempo, los distintos sistemas de transmisión de
vídeo migren a este formato remplazando los tradicionales H.262/MPEG-2, tal
como ha ocurrido en Francia, que ha apostado desde el inicio de sus emisiones
TDT por este formato.

Algunos de los sistemas que utilizan o plantean utilizar H.264 son:

a)�Para�almacenamiento:

Blu-Ray Disc del Blu-Ray Disc Association (BDA). Utiliza un perfil alto (HP). El HD-DVD de Toshiba
Como características más conocidas de Blu-Ray, tenemos:
El ya desaparecido formato de
almacenamiento HD-DVD de
• Contenedor de vídeo: BDAV MPEG-2 Transport Stream (ficheros de exten- Toshiba poseía características
similares.
sión .bdav), con lo que la grabación de una emisión de TDT en HD puede
almacenarse directamente sin alterar el formato en absoluto.

• Codificación de vídeo: H.264/MPEG-4 AVC (o VC-1 de Microsoft)

• Codificación de audio: Dolby Digital, DTS, Dolby Digital Plus, DTS-HD,

PCM

• Combinaciones de resolución y tasa de cuadros en modos progresivos:

– 1080p: 1.920 × 1.080 píxeles a 24/23,97 cuadros/s (Estados Unidos/Eu-
ropa)

– 720p: 1.280 × 720 píxeles a 50/59,94 cuadros/s (Estados Unidos/Euro-

pa)

– Y otras combinaciones progresivas (1.440 × 1.080, 1.280 × 720) a 24

c/s (modo cine)

• Combinaciones de resolución y tasa de cuadros en modos entrelazados:

– 1080i: 1.920 × 1.080 píxeles a 25/29,97 cuadros/s (Estados Unidos/Eu-
ropa), o 1.440 1.080 píxeles a 25/29,97 cuadros/s (Estados Unidos/Eu-
ropa)
CC-BY-NC-ND • PID_00215138 74 Codificación

– 720i: 1.280 × 720 píxeles a 25/29,97 cuadros/s (Estados Unidos/Euro-

pa)

• Relación de aspecto 16:9 (aunque hay dos modos 4:3 poco utilizados)

• Tasa de bits de audio + vídeo: Pico 36 Mbps

• YUV 4:2:0

b)�Para�broadcast:

• El consorcio europeo DVB, desde el año 2004, apostó por aportar (si no
reemplazar) a la codificación H.262/MPEG-2 actual este nuevo estándar,
tanto en terrestre (DVB-T) como satélite (DVB-S) y cable (DVB-C). El nuevo
estándar DVB-T2, que se implantará a partir del 2015 en Europa, optimi-
zará el aprovechamiento de las frecuencias de canal para dar cabida a más
canales, cosa que podría facilitar la migración a H.264.

• El comité estadounidense ATSC especifica H.264 y VC-1 como estándares

para la transmisión terrestre de televisión. Igualmente, la asociación ARIB
japonesa incorpora H.264/AVC en su sistema de TDT (ISDB-T).

• En satélite, está presente en la mayoría de plataformas (Digital+, BBC HD,

Euro1080, etc.).

c)�Para�red�de�telefonía�celular�móvil:

• The 3rd Generation Partnership Project (3GPP) incluye H.264/AVC como

opcional. Actualmente (2011), es infrecuente poder recibir este servicio
debido al ancho de banda necesario.

5.7. Gestión de objetos multimedia con MPEG-4

Hasta lo visto, MPEG-4 puede considerarse una versión actualizada de

MPEG-2, pero es más que un sistema de codificación audiovisual: provee de
herramientas para representar “objetos media”, es decir, unidades visuales o
aurales que pueden ser sintéticas o capturadas de la realidad.

MPEG-4 posibilita describir tales objetos�multimedia y crear “compo-

siciones” con ellos, es decir, escenas, e incluso provee de estándares para
la “interacción” del usuario con estas escenas audiovisuales.
CC-BY-NC-ND • PID_00215138 75 Codificación

MPEG-4 posibilita producir contenidos a los autores, potenciando la reutiliza-

ción en mayor medida que la que se aplica actualmente en TV digital, web, etc.
Para los proveedores de servicios de red, ofrece información transparente que
puede ayudar a la mejora del transporte extremo a extremo por redes hetero-
géneas. Finalmente, para los usuarios finales, ofrece interacción y multimedia
incluso a velocidades de transmisión de bits bajas, como las comunicaciones
móviles.

No es la faceta más conocida del estándar, pero sin duda la que aún posee
mayor camino de desarrollo y evolución.