Août 2002 par planetenumerique

Découvrir la vidéo MPEG

Destiné au marché grand public, le support Digital Video est un nouveau venu dans la famille des disques compacts à lecture laser. Non réinscriptible, il comporte des informations qui sont toutes numériques et compressées selon la norme MPEG 1. Il peut contenir jusqu’à 72 minutes de vidéo plein écran et des sons associés. Ainsi, compte tenu des durées généralement adoptées pour des oeuvres cinématographiques, un film tient en deux disques Digital Video. La lecture est réalisée sur un lecteur de CD-I nécessairement équipé d’un décodeur MPEG 1 spécifique, vendu 1 990 francs et se présentant sous la forme d’un boîtier à insérer dans un logement prévu sur tous les modèles de lecteurs vendus à ce jour.
Vantée par certains, décriée par d’autres, la qualité de restitution des images et du son offerte par ce nouveau support méritait d’être évaluée.
En l’absence de disques tests, des essais ont été effectués par comparaison avec d’autres supports préenregistrés, notamment le plus largement diffusé auprès du grand public : la cassette vidéo VHS. Un test comparatif a donc été réalisé à partir d’un même titre,« Top Gun », disponible à la vente sur les deux supports (cassette VHS : 170 francs, Digital Video : 190 francs). »

A propos de MPEG 1

La Digital Video développée par Philips et commercialisée en France depuis le début de l’année 94 est le premier produit fondé sur la norme MPEG 1. Le nom de cette norme, adoptée depuis maintenant près de deux ans, est directement issu de celui du groupe d’experts qui a eu en charge de l’élaborer — Moving Pictures Experts Group — sous l’égide de l’ISO (International Standard Organisation). Outre ceux de Philips, de nombreux représentants de grandes industries internationales de l’informatique, des télécommunications, de la télédiffusion et de l’électronique ont mis en commun leurs savoir-faire en prenant part à ces travaux.
L’objectif de cette norme était de permettre de restituer, à partir d’un disque compact à lecture optique, plus communément appelé Compact Disc ou CD, 72 minutes de vidéo numérique plein écran, animées au rythme de 25 images ou 30 images par seconde et associées aux sons qui les accompagnent. Le pari était audacieux mais il fut gagné en l’espace de seulement... trois ans.
Cette norme MPEG 1, qui concerne aussi bien la vidéo que l’audio, a été adoptée à la fin de l’année 1992 sous la référence ISO 11172. C’est une norme de restitution et non de production, destinée uniquement à la diffusion éditoriale.
D’autres travaux sont menés par ce même groupe d’experts pour définir une autre norme appelée MPEG 2 qui est, quant à elle, destinée à la diffusion de la future télévision numérique.

MPEG 1 Vidéo

La problématique

Pari audacieux en effet lorsqu’on compare le débit de 166 Mbits/s nécessaire pour restituer uniquement de la vidéo numérique 4.2.2 (norme CCIR-601) au débit constant de 1,15 Mbits/s qui caractérise un disque compact. Pour s’adapter à ce dernier débit, il faut comprimer les informations relatives à la vidéo selon un facteur proche de 144. En d’autres termes, cela signifie que les informations vidéo enregistrées sur le disque ne représentent globalement que 0,7 % des données originelles !

La solution

La solution à cette problématique réside dans une série d’astuces.
La première consiste à réduire la résolution des images en passant du format 4.2.2 (720 x 576 pixels en luminance et 360 x 576 pixels en chrominance) au format SIF ou Source Intermediar Format (360 x 288 en luminance et 180 x 144 en chrominance) c’est-à-dire en ne prenant en compte qu’une trame sur les deux constituant l’image vidéo « classique », ce qui permet de s’affranchir de l’affichage entrelacé, et qu’un pixel sur deux. Le débit des informations vidéo se trouve alors réduit selon un facteur 4 pour passer à environ 41,5 Mbits/s.
La deuxième asttuce consiste à passer du format 4.2.2 au format 4.2.0 en sous-échantillonnant de nouveau la chrominance pour ne la transmettre qu’à raison d’une ligne sur quatre, ce qui amène à une nouvelle compression d’un facteur 1,33.
La troisième astuce est de réduire les redondances que présentent les images. C’est véritablement à partir de cette étape que débute la compression MPEG 1.

La redondance spatiale

Une image, prise indépendamment des autres, présente des zones uniformes plus ou moins grandes dans lesquelles les pixels ont des valeurs très voisines, voire semblables : c’est la redondance spatiale. En l’éliminant par codage, il est possible de réduire la quantité d’informations à transmettre. Le quotient de compression moyen d’une séquence est alors d’environ

La redondance temporelle

Dans une séquence vidéo, la différence entre une image et la suivante est relativement faible, sauf lors d’un changement de plan. Autrement dit, la position d’un bloc de pixels varie généralement peu d’une image à l’autre. C’est cette variation qui est codée par compensation de mouvement et prédiction.. Le quotient de compression moyen d’une séquence atteint avec ce type de codage environ 3,3.
Ainsi, après toutes ces opérations, le quotient de compression global correspond bien au résultat escompté 4 x 1,33 x 8,2 x 3,3 = 144
1.1.4. Une séquence vidéo selon MPEG 1
Pour tirer parti de ces redondances, les images ne sont pas traitées et compressées de la même façon. C’est ainsi qu’une séquence vidéo à la norme MPEG 1 est composée de trois types d’images :
 les images « Intra » (I)
 les images « Prédictives » (P)
 les images « Bidirectionnelles » (B)

Les images « Intra »

Les images « Intra » sont codées intégralement, sans aucune référence aux images voisines de la séquence vidéo. C’est la redondance spatiale qui est exploitée et éliminée à l’aide d’une opération mathématique relativement complexe appelée Transformation en Cosinus Discret ou DCT (Discret Cosinus Transform). Cette opération est réalisée après analyse de l’image en trois plans (Y, Cr, Cb). Chacun de ces plans est décomposé en blocs de 8 x 8 pixels et transformé en matrices de coefficients fréquentiels classés selon l’amplitude des signaux. Ces coefficients sont ensuite quantifiés. La profondeur de quantification est variable en fonction du contenu de chaque bloc : les détails fins, moins perceptibles à l’oeil, seront sous-quantifiés au profit des détails plus grossiers, afin d’éviter l’apparition d’effets de « pixélisation » de certaines zones de l’image. De même, les points isolés sont codés de façon grossière car l’oeil se satisfait de les voir et cela quelle que soit leur intensité. Ces « mots de code binaires » sont alors soumis au codage statistique dit à longueur variable ou VLC (Variable Level Coding) qui consiste à coder les informations les plus fréquentes à l’aide de mots courts et les informations les plus rares à l’aide de mots longs.
Les images « Intra » constituent les images de référence à partir desquelles est réalisé le décodage. C’est pourquoi chaque changement de plan dans une séquence vidéo commence obligatoirement par une image de type « I ». À l’intérieur de celle-ci, la norme MPEG 1 indique qu’une image sur douze doit être une image « Intra ».

Les images « Prédictives »

Les images « Prédictives » exploitent à la fois la redondance spatiale et la redondance temporelle des images d’une séquence vidéo. Elles sont codées à partir de l’image « I » ou « P » précédente à l’aide de vecteurs de mouvement. Les images sont découpées en blocs de 16 x 16 pixels. Les vecteurs de mouvement sont ensuite calculés en fonction du déplacement de chacun de ces blocs de pixels d’une image à la suivante puis codés en DPCM (Differential Pulse Code Modulation), c’est-à-dire que seule la différence entre les vecteurs de l’image n et les vecteurs de l’image n + 1 est prise en compte. Ces valeurs sont ensuite soumises au codage à longueur variable (VLC). La norme MPEG 1 fixe à deux le nombre d’images séparant deux images prédites ou une image prédite et une image « Intra ». Elle prévoit aussi trois images prédites en deux images « Intra ».

Les images « Bidirectionnelles »

Les images « Bidirectionnelles » sont les plus compressées. Elles sont codées à l’aide de vecteurs de mouvement avant et arrière, par prédiction bidirectionnelle, c’est-à-dire à partir des images voisines passées et futures. Au décodage, elles sont entièrement reconstruites par interpolation, c’est-à-dire que chaque bloc de pixels constituant ce type d’images prend la valeur moyenne du bloc de pixels correspondant de l’image « I » ou « P » précédente et à venir dans la séquence d’affichage, à la sortie du décodeur (fig. 1).

Figure 1 : Séquence vidéo MPEG 1 — Relations entre les différents types d’image.
Il faut noter que le codage et le décodage d’une image « B » ne sont possibles que si les images « I » et « P » qui lui servent de référence sont disponibles. C’est pour cette raison que la séquence utilisée pour le codage et le décodage est modifiée par rapport à celle requise pour l’affichage (fig. 2) : l’ordre des images est réorganisé à l’aide de mémoires de trames.

Figure 2 : Organisation de la séquence MPEG 1 pour le codage et le décodage.

MPEG 1 Audio

La norme MPEG 1 Audio est fondée sur le standard MUSICAM (Masking-pattern Universal Sub-band Integrated Coding And Multiplexing) [3] dont l’algorithme permet de travailler sur quatre taux de compression différents à partir d’un signal stéréo échantillonné à 48 kHz sur 16 bits (2 x 768 kbits/s) :
 taux de compression de 4 (2 x 192 kbit/s) ;
 taux de compression de 6 (2 x 128 kbit/s) ;
 taux de compression de 8 (2 x 96 kbit/s) ;
 taux de compression de 12 (2 x 64 kbit/s).

C’est le facteur de compression 8 :1 qui est utilisé dans MPEG 1 Audio. La qualité sonore est certes moindre que celle d’un CD-Audio, mais elle est comparable à celle offerte par la Hi-Fi.
Le principe de la compression audio consiste à ne prendre en compte que les informations pertinentes pour l’oreille humaine.
Des recherches ont permis d’évaluer le comportement de cette dernière, allant même jusqu’à la modéliser artificiellement à partir de différentes caractéristiques.
La première est le seuil de sensibilité au-dessous duquel une fréquence pure n’est plus audible (fig. 3).

Figure 3 : Courbe de sensibilité de l’oreille humaine.
Ainsi, la première étape du traitement consiste à épurer le son en éliminant tous les signaux dont l’amplitude se situe au-dessous de la courbe de sensibilité humaine, appelée aussi courbe de masquage. C’est ainsi que dans la figure 4 seul le son S1 doit être conservé puisque S2 se trouve sous le seuil de sensibilité auditive.

Figure 4 : le signal S2 est à éliminer.
La deuxième caractéristique de l’oreille réside dans le fait qu’un son faible — qui est parfaitement audible s’il est émis seul — est masqué s’il se trouve accompagné simultanément d’un son fort, de fréquence voisine.

Figure 5 : le son S2, situé sous la courbe de masquage, n’est pas pris en compte.

Figure 6 : Variation dynamique de la courbe de sensibilité à un instant t.
D’autre part, la courbe de masquage varie à chaque instant en fonction du contenu spectral du signal.
La prise en compte de ces différentes paramètres a permis la mise au point d’une oreille artificielle entièrement électronique qui, associée à un processeur de signal placé dans le codeur et le décodeur, permet d’analyser et de traiter en temps réel les signaux sonores en éliminant tout ce qui est inutile à l’oreille humaine.
Pour réaliser cette analyse et procéder au codage des informations, l’espace spectral est divisé en 32 sections appelés sous-bandes à l’aide de filtres. La courbe de masquage est déterminée en temps réel à l’intérieur de chaque sous-bande à partir du modèle psycho-acoustique. Les informations utiles sont quantifiées avec un nombre de bits variable en fonction de leur pertinence. Ainsi, les signaux situés dans des zones où l’oreille est très sensible sont affectés d’un nombre de bits plus important que pour des signaux peu perceptibles.

Les essais comparatifs

Pour des raisons de cohérence, nous avons utilisé pour ces essais des lecteurs grand public : lecteur PHILIPS CD-I 220 pour le disque Digital Video, magnétoscope PHILIPS bas de gamme très récent pour la cassette VHS, et téléviseur grand écran TELEFUNKEN SP 9561. Ce dernier est muni de deux entrées péritel, permettant une comparaison des deux images par commutation sur le même écran.

La qualité des images

Les résultats sont assez inattendus. Les images fournies par le disque Digital Video sont nettement plus séduisantes que celles issues de la cassette VHS.

 L’image Digital Video est exempte de bruit de type « neigeux ».

Ce bruit est caractéristique des enregistreurs analogiques tels que le VHS, surtout s’il n’est pas équipé du réducteur de bruit de fond que l’on trouve sur les formats Y/C plus récents.

Sur les images Digital Video, la restitution des détails et les transitions sont nettes et franches ;

 les textes sont parfaitement nets.

Cela est encore plus nettement mis en évidence sur les titres du générique (lettres blanches sur fond rouge) qui, en l’absence de mires d’essais, ont permis de visualiser et estimer facilement la qualité des transitions.

 L’image Digital Video est exempte de « Cross Color ».

L’utilisation des signaux RVB permet d’autre part de supprimer quelques-uns des défauts liés habituellement aux signaux en vidéo composite, notamment le Cross Color qui donne ces irisations colorées sur les costumes rayés des personnages

 L’image Digital Video est exempte de « Flicker ».

Le balayage progressif de l’image Digital Video explique l’absence totale du scintillement (Flicker) dans les scènes comportant des lignes horizontales (stores par exemple), visible avec la version cassette.

 L’image Digital Video est exempte de « Jitter ».

Comme pour tous les dispositifs utilisant une bande magnétique, le procédé de lecture « mécanique » à l’oeuvre dans les magnétoscopes VHS, peut introduire plusieurs défauts. Avec le disque Digital Video, on s’affranchit de certains d’entre eux. Ainsi le Jitter, ce défaut qui déforme les lignes et les transitions verticales d’une image et qui les affecte d’un léger tremblement lorsque le défilement de la bande magnétique n’est pas parfaitement régulé, ou lors des arrêts sur images ou des ralentis (ou encore en image par image). Ce défaut, particulièrement visible lors des tests, est révélateur de la qualité médiocre de beaucoup de duplications vidéo.

 L’image VHS est moins contrastée.

De ce fait, on perçoit moins nettement les détails moyens ; au contraire, dans les images Digital Video, ils paraissent accentués. Le test comparatif a également mis en évidence des différences colorimétriques entre les deux versions. Les couleurs des images Digital Video sont plus saturées que celles issues de la cassette et empreintes d’une légère dominante rouge. L’accentuation des coloris concourt aussi à renforcer cette impression de netteté, notamment dans les plans un peu sombres où des détails colorés finissent par disparaître totalement dans la version cassette.

 Les images ne sont pas cadrées de façon identique.

Il existe une légère différence de cadrage entre les deux versions. Les images fournies par la Digital Video sont plus petites que celles du VHS (4,5 % dans le sens de la hauteur et 4 % sur la largeur).

 Le montage du film est identique dans les deux versions.

Bien que le système force chaque séquence à commencer par une image « Intra », l’opération d’encodage de la Digital Video n’affecte pas la durée des séquences ni leurs enchaînements.

Ainsi, d’une manière générale, l’image restituée par les disques Digital Video est plus séduisante qu’une image VHS, mais reste cependant inférieure en qualité à celle fournie par les vidéodisques « Laserdisc » et « Laservision » [4].

Quelques données techniques

Le format SIF utilisé dans MPEG 1 correspond à une image vidéo de résolution 360 pixels sur 288 lignes (du moins pour les appareils destinés à la zone européenne, fonctionnant à 25 images par seconde), ce qui correspond à une définition divisée par 4 par rapport aux caractéristiques des images TV qui comportent 720 pixels sur 576 lignes utiles (norme CCIR 601). Cela revient à la suppression d’un pixel sur deux dans le sens horizontal et d’une ligne sur deux dans le sens vertical, par rapport à l’image de la vidéo standard.

En terme de définition, la liaison entre le lecteur CD-I et le téléviseur, du type RVB, permet un affichage meilleur qu’en composite. En effet, la bande passante des circuits électroniques en entrée RVB se situant généralement entre 20 et 25 MHz, la définition se trouve limitée au pas du masque ou « pitch » de l’écran de visualisation soit 675 points par ligne avec ce téléviseur (pas de 0,8 mm pour une largeur d’écran de 54 cm). Cette valeur est bien supérieure à celle qui est nécessaire à la restitution de l’intégralité des 360 points par ligne d’une image Digital Video.

Si on prend comme référence les résultats des tests effectués par le STACE sur une vingtaine de caméscopes (voir note technique), ce chiffre est bien supérieur à celui mesuré pour les caméscopes VHS et 8 mm (les valeurs s’échelonnent entre 230 et 290 points par lignes), et est équivalent au moins bon des appareils S-VHS et Hi-8 testés (les résultats sont compris entre 354 et 437 points par ligne). Cette définition horizontale des images place donc le lecteur CD-I au-dessus des VHS et presque au niveau des caméscopes S-VHS, ce qui corrobore les conclusions de l’analyse subjective des deux versions de Top Gun.

D’autres essais comparatifs ont été effectués en utilisant, non plus la liaison RVB entre le lecteur CD-I et le téléviseur, mais la sortie vidéo composite (qui est en PAL). Sans être aussi bonne que celle offerte par les connexions RVB, l’image fournie en vidéo composite reste cependant meilleure que celle offerte par le magnétoscope VHS.

Le signal vidéo classique, celui du magnétoscope VHS par exemple, est constitué de 625 lignes réparties en deux trames, l’une formée par les lignes paires et la seconde, entrelacée avec la première, par les lignes impaires. Ces trames sont affichées au rythme de 50 par seconde ce qui correspond à 25 images complètes par seconde.

En revanche, et après confirmation à l’aide d’un oscilloscope de profil, chacune des images issues du CD-I est constituée d’une seule trame de 288 lignes visibles, affichée comme en cinéma deux fois de suite, afin de respecter à la fois le rythme traditionnel de 25 images par seconde et, compte tenu des caractéristiques psychovisuelles humaines, la nécessaire fréquence de 50 stimuli lumineux par seconde.

Pourtant, malgré une définition verticale réduite de moitié, l’image Digital Video paraît globalement de meilleure qualité que celle d’un VHS. Cela est dû à la bonne résolution horizontale. En fait, l’explication réside dans les propriétés de l’oeil humain. Sa sensibilité aux détails et aux mouvements est moindre dans le sens vertical que dans le sens horizontal. Sur certains plans, la perte de définition verticale est cependant perceptible. L’effet d’escalier (ou aliasing), visible sur les lignes obliques, n’est en général pas gênant.

Influence de la compression vidéo

Des défauts qui proviennent de la compression MPEG 1 ont été relevés par instant, comme l’apparition d’artefacts rendus localement inexacts, et des effets de « pavé » sur des dégradés sombres.
De même, les dégradés très doux (visages) disparaissent pour être remplacés par des à-plats juxtaposés.
D’autre part, des saccades sont observées lors de mouvements lents : la prédiction de mouvement utilisée par MPEG 1 provoque des déplacements inégaux et saccadés à l’intérieur d’un même objet légèrement mobile. Un mouvement de caméra rapide provoque un dédoublement semblable à un écho, visible en arrêt sur image.
Enfin, les puristes constatent un manque de « piqué », comme un défaut de mise au point.
Par ailleurs, des traînées blanches parasites sont observées lors de forts contrastes. Elles pourraient provenir d’un défaut d’étalonnage ou d’une saturation au décodage.

La qualité des sons

Sur le plan sonore, la différence entre les deux supports est tout aussi éloquente : dans un cas (la cassette VHS), le son est analogique, et compte tenu de la très faible vitesse de défilement de la bande magnétique (2,3 cm/s), le résultat ne peut être qu’inférieur à celui d’une cassette audio classique (qui défile déjà deux fois plus vite, c’est-à-dire à 4,75 cm/s), et dans le second cas, le son est numérique avec une qualité de restitution de type Hi-Fi. Le test comparatif et la possibilité de commutation des deux sources sur un même téléviseur ont particulièrement bien mis en évidence les différences de qualité entre les deux supports, notamment en ce qui concerne la bande passante et le rapport signal sur bruit (absence des fréquences aiguës et souffle assez important pour le VHS).

Les possibilités fonctionnelles

La télécommande à infrarouge livrée avec le lecteur CD-I permet la sélection de quelques-unes des fonctions les plus indispensable à la lecture des disques Digital Video : stop, lecture, pause... Hormis ces quelques fonctions de base directement accessibles, chaque disque contient en mémoire son propre tableau de commande qui peut être ou non affiché à l’écran et qui permet non seulement la sélection des quelques fonctions déjà citées, mais également de toute une série de commandes ou de possibilités supplémentaires. Ainsi, l’examen d’un autre titre Digital Video intitulé « Daens » a permis de mettre en évidence le fait que les fonctions offertes, les menus proposés, la configuration même de ce bandeau de commande... sont différents d’un disque à l’autre, ce qui ne permet pas une prise en main rapide. Ces tableaux sont adressables par la télécommande à infrarouge.

Parmi les fonctions proposées sur l’un ou l’autre des deux titres en notre possession, on peut citer celles qui suivent.

La recherche rapide avant ou arrière par saut d’images (les images ne sont pas affichées en accéléré comme avec un magnétoscope, mais sous forme d’une succession d’images fixes visibles quelques brefs instants ). La vitesse d’analyse est variable : avec la vitesse la plus rapide, cette fonction permet le repérage à l’écran d’une heure de film en 20 secondes environ (Daens).

L’accès direct et instantané aux différentes séquences : Top Gun est prédécoupé en une trentaine de chapitres d’une durée de 2 à 5 minutes chacun. Cette fonction n’est pas proposée avec le film Daens.

La possibilité de mémoriser dans la mémoire interne du lecteur CD-I les paramètres spécifiques d’une séquence vidéo particulière dans le cas du film Daens (indications du compteur de temps...).

La possibilité d’obtenir directement l’explication sonore des fonctions non décrites dans le mode d’emploi (fonction « Aide », uniquement sur Daens).

Des fonctions diverses concernant les sous-titres (affichage, choix de la langue, emplacement à l’écran), le compteur de temps (consultation, modification...). Ces fonctions ne sont proposées que pour le film Daens.

Le disque Daens offre la possibilité d’un défilement image par image mais pas en marche arrière. Une différence de qualité reste décelable entre les images I, P et B. En revanche, le disque Top Gun ne permet pas la lecture image par image, ni en avant, ni en arrière (fonction jog shuttle d’un magnétoscope). Seules les images « Intra » (1 sur 12) sont directement accessibles.

La lecture en ralenti ou accéléré est, quant à elle, toujours absente.

Enregistrement

Malgré la nature non entrelacée du signal vidéo issu du lecteur CD-I, le repiquage sur VHS est possible sans difficulté. Cette opération peut paraître inutile mais elle permet, par exemple, de retrouver les fonctionnalités habituelles d’un magnétoscope, telles que décrites ci-dessus.

La question des standards

La compatibilité entre les lecteurs européens à 25 images par seconde et les disques américains à 30 images par seconde est assurée, avec cependant une anamorphose verticale de l’image : effet « boîte à lettres ».

Conclusion

Le caractère sensiblement subjectif de cette étude met en évidence un critère autre que la qualité intrinsèque, et que l’on pourrait appeler « efficacité ». Dans le domaine du son, l’industrie du téléphone montre qu’il n’est pas utile d’avoir recours à une qualité Hi-Fi pour être assuré de l’intelligibilité de la voix humaine : une bande passante réduite à 300-3 400 Hz s’avère suffisante.

Il semble en être ainsi dans le domaine des nouvelles images numériques où cette « efficacité » permet la réduction du signal et donc facilite sa nécessaire compression.

En tout état de cause, Philips s’est entouré de toutes les garanties en ce qui concerne la qualité pour le lancement de ce nouveau support. L’étalonnage et l’encodage ont été réalisés avec minutie par des professionnels de l’image et ont demandé beaucoup de temps, à la fois en intervention humaine et en « calcul machine ». De nombreux passages en machine sont en particulier nécessaires à l’optimisation des vecteurs de mouvement : le rapport entre le temps de traitement et la durée de la séquence originale peut s’élever au-delà de 100 : 1.

C’est pourquoi il faudra rester vigilant. Des stations « automatiques » d’encodage MPEG 1 en temps réel, moins chères mais aussi moins performantes, arrivent sur le marché. Elles pourraient permettre à certains acteurs, non aguerris aux techniques de l’image, de s’improviser éditeurs de films en Digital Video, sortes de « DV-Minute », et il serait alors regrettable d’assister à une dégradation semblable à celle que l’on observe dans la duplication des cassettes VHS du commerce, ou même des Laserdiscs, qui ne bénéficient plus de contrôles rigoureux de fabrication.