H.262/MPEG-2 パート 2

H.262 ^[2]またはMPEG-2 パート 2 (正式には ITU-T 勧告 H.262 およびISO/IEC 13818-2 ^[3]、MPEG-2 ビデオとも呼ばれる) は、ITU-T 研究グループ 16ビデオコーディング専門家グループ(VCEG) とISO / IEC動画専門家グループ(MPEG)によって標準化され、共同で保守され、多くの企業の関与を得て開発されたビデオ コーディング形式です。これは、ISO/IEC MPEG-2標準の第 2 部です。ITU-T 勧告 H.262 と ISO/IEC 13818-2 のドキュメントは同一です。

この規格は、ITU-T ^[2]および ISO から有料で入手可能です。MPEG-2 ビデオはMPEG-1と非常によく似ていますが、インターレース ビデオ (アナログ NTSC、PAL、SECAM テレビ システムで使用されるエンコード技術) もサポートしています。MPEG-2 ビデオは低ビット レート (1 Mbit/s 未満など) には最適化されていませんが、高ビット レート (3 Mbit/s 以上など) では MPEG-1 より若干優れていますが、ビデオがインターレースでない限り、大きな差はありません。すべての標準準拠 MPEG-2 ビデオ デコーダーは、MPEG-1 ビデオ ストリームを完全に再生することもできます。^[4]

ISO/IECの承認プロセスは1994年11月に完了した。^[5]第1版は1995年7月に承認され^[6] 、 1996年にITU-T ^{[2]とISO/IECによって発行された。 [7]} BellcoreのDidier LeGallが標準の開発を主導し^{[8] 、} NTTの大久保栄がITU-Tのコーディネータを務め、その要件に関する合意を主導した。^[9]

この技術は多くの企業の協力を得て開発されました。現代電子（現SKハイニックス）は1995年に最初のMPEG-2 SAVI（システム/オーディオ/ビデオ）デコーダを開発しました。^[10]

後に特許プールで標準の実装に必須であると主張された特許の大部分は、ソニー（311件）、トムソン（198件）、三菱電機（119件）の3社からのものでした。^[11]

1996年には、著作権識別子の登録と4:2:2プロファイルを含むように2つの改正により拡張されました。^{[2] [12]} ITU-Tは1996年にこれらの改正を公開し、ISOは1997年に公開しました。^[7]

その後、ITU-TとISO/IECによって他の改正も発表された。^{[2] [13]}この規格の最新版は2013年に発行され、以前の改正がすべて組み込まれている。^[3]

8 ビット サンプリングのHDTVカメラは、25 フレーム/秒のビデオ ( 4:4:4 サンプリング形式を使用) に対して、25 × 1920 × 1080 × 3 = 155,520,000 バイト/秒の生のビデオ ストリームを生成します。このデータ ストリームは、デジタル TV を利用可能な TV チャンネルの帯域幅に収め、映画を DVD に収めるには圧縮する必要があります。ビデオ圧縮が実用的なのは、画像内のデータが空間と時間で冗長であることが多いためです。たとえば、画像の上部の空が青く、その青空がフレームごとに続くことがあります。また、目の機能により、ビデオ画像から一部のデータを削除または近似しても、画質がほとんどまたはまったく劣化しません。

データ量を削減するための一般的な (そして古い) トリックは、放送/エンコード時にビデオの各完全な「フレーム」を 2 つの「フィールド」に分割することです。「トップ フィールド」は奇数番号の水平ラインで、「ボトム フィールド」は偶数番号のラインです。受信/デコード時に、2 つのフィールドが交互に表示され、1 つのフィールドのラインが前のフィールドのラインの間にインターリーブされます。この形式は、インターレース ビデオと呼ばれます。一般的なフィールド レートは、 1 秒あたり50 (ヨーロッパ/PAL) または59.94 (米国/NTSC) フィールドで、1 秒あたり 25 (ヨーロッパ/PAL) または 29.97 (北米/NTSC) のフレームに相当します。ビデオがインターレースされていない場合は、プログレッシブ スキャンビデオと呼ばれ、各画像は完全なフレームです。MPEG-2 は両方のオプションをサポートしています。

デジタルテレビでは、これらの画像をコンピュータのハードウェアで処理できるようにデジタル化する必要があります。各画像要素 (ピクセル)は、1 つの輝度値と 2 つの彩度値で表されます。これらは、ピクセルの明るさと色を表します ( YCbCrを参照)。したがって、デジタル化された各画像は、最初は 3 つの長方形の数値配列で表されます。

処理するデータの量を減らすためのもう 1 つの一般的な方法は、2 つの彩度プレーンをサブサンプリングすることです (エイリアシングを回避するためにローパス フィルタリングを行った後)。この方法が機能するのは、人間の視覚系が色の色相と彩度の詳細よりも明るさの詳細をよりよく認識できるからです。4 :2:2という用語は、彩度が水平方向に 2:1 の比率でサブサンプリングされたビデオに使用され、4:2:0 という用語は、彩度が垂直方向と水平方向の両方で 2:1 でサブサンプリングされたビデオに使用されます。輝度と彩度が同じ解像度のビデオは4:4:4と呼ばれます。MPEG-2 ビデオ ドキュメントでは、3 つのサンプリング タイプすべてを考慮していますが、消費者向けビデオでは 4:2:0 が圧倒的に一般的であり、4:4:4 ビデオ用の MPEG-2 の「プロファイル」は定義されていません (プロファイルの詳細については、以下を参照してください)。

このセクションの以下の説明では、MPEG-2 ビデオ圧縮について概説していますが、フィールド、クロミナンス形式、シーン変更への応答、ビットストリームの各部分にラベルを付ける特別なコード、その他の情報など、説明されていない詳細が多数あります。インターレース コーディングのフィールドを処理する機能以外は、MPEG-2 ビデオは MPEG-1 ビデオと非常によく似ています (以前のH.261標準とも非常に似ています)。そのため、以下の説明全体が MPEG-1 にも同様に当てはまります。

MPEG-2 には、イントラコード化フレーム ( I フレーム)、予測コード化フレーム ( P フレーム)、双方向予測コード化フレーム ( B フレーム) という 3 つの基本的なコード化フレーム タイプが含まれます。

I フレームは、圧縮されていない単一の (生の) フレームを個別に圧縮したものです。I フレームのコーディングでは、空間的な冗長性と、目では画像内の特定の変化を検出できないという性質を利用しています。P フレームや B フレームとは異なり、I フレームは前後のフレームのデータに依存しないため、そのコーディングは静止写真のコーディング方法と非常に似ています (JPEG 画像コーディングとほぼ同じです)。簡単に言うと、生のフレームは 8 ピクセル x 8 ピクセルのブロックに分割されます。各ブロックのデータは、離散コサイン変換(DCT) によって変換されます。その結果、実数値を持つ 8 x 8 の係数マトリックスが生成されます。この変換は、空間的な変化を周波数の変化に変換しますが、ブロック内の情報は変更しません。変換が完全な精度で計算された場合、逆コサイン変換 (これも完全な精度) を適用することで、元のブロックを正確に再現できます。 8 ビット整数から実数値の変換係数への変換により、処理のこの段階で使用されるデータの量は実際には増加しますが、この変換の利点は、係数を量子化することで画像データを近似できることです。変換係数の多く (通常は高周波成分) は、量子化 (基本的には丸め操作) 後に 0 になります。この手順のペナルティは、明るさと色の微妙な違いが失われることです。量子化は、エンコーダの選択により、粗くすることも細かくすることもできます。量子化が粗すぎず、量子化後にマトリックスに逆変換を適用すると、元の画像と非常によく似ているものの、まったく同じではない画像が得られます。次に、量子化された係数マトリックス自体が圧縮されます。通常、量子化を適用すると、8×8 の係数配列の 1 つのコーナーには 0 のみが含まれます。マトリックスの反対側の角から始めて、マトリックスをジグザグに進んで係数を 1 つの文字列にまとめ、その文字列内の連続するゼロをランレングス コードに置き換え、その結果にハフマン コーディングを適用することで、マトリックスのデータ量を減らすことができます。放送されるか、DVD に記録されるのは、このエントロピー コーディングされたデータです。受信機またはプレーヤーでは、プロセス全体が逆になり、受信機は元のフレームをほぼ正確に再現できます。

B フレームの処理は P フレームの処理と似ていますが、B フレームは先行する参照フレームの画像だけでなく、後続の参照フレームの画像も使用します。その結果、B フレームは通常、P フレームよりも高い圧縮率を実現します。MPEG-2 ビデオでは、B フレームは参照フレームにはなりません。

通常、約 15 フレームごとに I フレームが作成されます。P フレームと B フレームは、IBBBBPBBBPBB(I) のように I フレームに続いて、ピクチャ グループ (GOP)を形成することがありますが、標準ではこの点について柔軟性があります。エンコーダーは、どのピクチャを I フレーム、P フレーム、および B フレームとしてコード化するかを選択します。

P フレームは、前の I フレームまたは P フレーム (参照フレーム) のデータを利用するため、I フレームよりも圧縮率が高いです。P フレームを生成するには、テレビ受信機や DVD プレーヤーの場合と同じように、前の参照フレームを再構築します。圧縮されるフレームは、16 x 16 ピクセルのマクロブロックに分割されます。次に、これらのマクロブロックごとに、再構築された参照フレームを検索して、圧縮されるマクロブロックの内容とほぼ一致する 16 x 16 の領域を見つけます。オフセットは「モーション ベクトル」としてエンコードされます。多くの場合、オフセットは 0 ですが、画像内の何かが動いている場合、オフセットは右に 23 ピクセル、上に 4.5 ピクセルなどになります。MPEG-1 および MPEG-2 では、モーション ベクトル値は整数オフセットまたは半整数オフセットのいずれかを表します。2 つの領域間の一致は、多くの場合、完全ではありません。これを修正するために、エンコーダは 2 つの領域のすべての対応するピクセルの差を取り、そのマクロブロックの差に基づいて、前述のように 16×16 マクロブロック内の 4 つの 8×8 領域の DCT と係数値の文字列を計算します。この「残差」はモーション ベクトルに追加され、その結果は圧縮されるマクロブロックごとに受信機に送信されるか、DVD に保存されます。適切な一致が見つからない場合もあります。その場合、マクロブロックは I フレーム マクロブロックのように扱われます。

MPEG-2 ビデオは、モバイルから高品質の HD 編集まで、幅広いアプリケーションをサポートしています。多くのアプリケーションにとって、標準全体をサポートするのは非現実的であり、コストがかかりすぎます。このようなアプリケーションが標準のサブセットのみをサポートできるようにするために、標準ではプロファイルとレベルが定義されています。

プロファイルは、 B ピクチャ、3D ビデオ、クロマ形式などの機能セットを定義します。レベルは、最大ビット レート、フレーム サイズ、フレーム レートを定義して、必要なメモリと処理能力を制限します。

MPEG アプリケーションは、プロファイルとレベルの観点から機能を指定します。たとえば、DVD プレーヤーは、メイン プロファイルとメイン レベル (多くの場合、MP@ML と表記されます) までをサポートすると記載されている場合があります。これは、プレーヤーが MP@ML 以下でエンコードされたすべての MPEG ストリームを再生できることを意味します。

以下の表は各プロファイルとレベルの制限をまとめたものです。ただし、ここに記載されていない制約もあります。^{[2] ：付録E}すべてのプロファイルとレベルの組み合わせが許可されるわけではなく、スケーラブルモードによってレベルの制限が変更される場合があります。

以下に、一般的な MPEG-2 プロファイル/レベルの組み合わせをいくつか示します。特に最大制限が示されています。

いくつかのアプリケーションを以下にリストします。

• DVD-Video – 標準解像度の消費者向けビデオ形式。4:2:0 カラー サブサンプリングと最大 9.8 Mbit/s の可変ビデオ データ レートを使用します。
• MPEG IMX – 標準解像度のプロフェッショナル ビデオ録画形式。フレーム内圧縮、4:2:2 カラー サブサンプリング、およびユーザーが選択可能な 30、40、または 50 Mbit/s の固定ビデオ データ レートを使用します。
• HDV – テープベースの高解像度ビデオ録画形式。4:2:0 カラー サブサンプリングと 19.4 または 25 Mbit/s の合計データ レートを使用します。
• XDCAM – テープレス ビデオ録画形式のファミリー。特に、MPEG-2 Part 2 に基づく形式が含まれます。これらは、標準解像度 MPEG IMX (上記参照)、高解像度 MPEG HD、高解像度 MPEG HD422 です。MPEG IMX と MPEG HD422 は 4:2:2 カラー サブサンプリングを採用し、MPEG HD は 4:2:0 カラー サブサンプリングを採用しています。ほとんどのサブ形式では、25 ～ 50 Mbit/s の選択可能な固定ビデオ データ レートが使用されますが、最大 18 Mbit/s のデータ レートの可変ビットレート モードもあります。
• XF コーデック – MPEG HD や MPEG HD422 に似ていますが、異なるコンテナー ファイルに保存される、プロフェッショナルなテープレス ビデオ録画形式です。
• HD DVD – 廃止された高解像度の消費者向けビデオ形式。
• Blu-ray ディスク– 高解像度の消費者向けビデオ形式。
• テレビ放送 - 一部の国では、MPEG-2 Part 2 が高解像度のデジタル放送に使用されています。たとえば、ATSC は、複数のスキャン形式 (480i、480p、720p、1080i、1080p) と、4:2:0 カラー サブサンプリングでのフレーム/フィールド レート (チャネルあたり最大 19.4 Mbit/s のデータ レート) の両方を指定します。
• デジタルケーブルテレビ
• 衛星テレビ

MPEG LAに記載されているように、以下の組織はMPEG-2ビデオ技術の特許を保有しています。これらの特許はすべて、米国および他のほとんどの地域で現在期限切れになっています。^[1]

• 公式MPEGウェブサイト
• MPEG-2 ビデオエンコーディング (H.262) – 米国議会図書館