Digitale Medien: Einblicke und Hintergründe. Journalistenworkshop 21. November 2007 Dokumentation

Transkript

1 Digitale Medien: Einblicke und Hintergründe Journalistenworkshop 21. November 2007 Dokumentation

2 Inhalt Vorwort 3 Die Autoren 4 Audio- und Videocodierung 7 Bedeutung der A / V-Codierung 8 Audiocodierung 9 Funktionsprinzip der Audiocodierung 9 Erst Mono, dann Stereo und jetzt auch noch Multikanal? 11 Semantische Audiosignalverarbeitung Audio technologie für die Zukunft 13 Einige bekannte Audiocodierverfahren im Überblick 14 Videocodierung und ihre Anwendungen 16 Grundlagen der Videocodierung 16 Standards und Anwendungen der Videocodierung 18 Exkurs: Digitales Kino 19 Digitaler Rundfunk 21 Geschichte des Radios in Deutschland 22 Verbreitungswege des digitalen Radios 23 Terrestrische digitale Radiosysteme 23 Satellitenrundfunk in Europa 28 Internetradio: Der neue RadioübertragungsWWWeg 30 Erweiterte Möglichkeiten des Digital Radio heute und in Zukunft 32 Datendienste im Überblick 32 Hintergrundinformationen zu Datendiensten 34 DAB Surround 5.1 Klang für Digital Radio 35 Digitaler Musikvertrieb 37 Das»Digitale Dilemma«und die Musikindustrie 38 DRM und neue Nutzungsformen 38 Watermarking 40 Anreizbasierte Systeme 41 Kein Schutz 41 Der intelligente Musik-Finder globale Musiksuche und individuelle Empfehlung 42 Grundzüge des Urheberrechts im digitalen Zeitalter 44 Musikvertrieb aus der Sicht von kleineren Labels und unabhängigen Künstlern 47 Glossar 50 1

3 Vorwort Den Einstieg erleichtern und eine Grundlage schaffen: dies ist das Ziel der vorliegenden Broschüre»Digitale Medien«. Kein Thema ist so omnipräsent in unserer modernen Informationsgesellschaft wie digitale Medientechnologien und gleichzeitig ist kein Thema so durchdrungen von Abkürzungen und kryptischen Begriffen. Diese Broschüre soll ein wenig Licht in das Dickicht des Abkürzungsdschungels bringen und den Lesern einige Grundlagen digitaler Medien vermitteln. Die Beiträge in dieser Broschüre wurden von Wissenschaftlern, Entwicklern und Praktikern geschrieben. Sie sind allesamt Experten in ihren jeweiligen Fachgebieten und können kompetent Auskunft geben. Auf den letzten Seiten finden Sie einen Glossar, in dem häufig genannte Begriffe kurz erklärt werden. Diese Broschüre wirft Schlaglichter auf einzelne Themen. Sollten Sie weitere Fragen haben bei der Recherche zu einem Artikel oder einfach aus persönlichem Interesse, dann kontaktieren Sie uns: Wir sind immer gerne bereit, uns Ihren Fragen zu stellen. Die -Adressen der Autoren finden Sie direkt bei den Fachtexten. Und sollte es einmal dringend sein, dann erreichen Sie uns telefonisch unter / Der Inhalt dieser Broschüre orientiert sich am Programm des Journalistenworkshops»Digitale Medien«. In den Räumen der Zentrale der Fraunhofer-Gesellschaft in München vermittelten am 21. November 2007 Experten Hintergrundwissen zu neuen Medientechnologien. Dabei standen drei Themen im Mittelpunkt: Grundlagen Audio- und Videotechnologie, Grundlagen Digitale Rundfunksysteme und Digitaler Musikvertrieb. Organisiert und durchgeführt wurde der Workshop vom Fraunhofer-Institut für Integrierte Schaltungen IIS und dem Fraunhofer-Institut für Digitale Medientechnologie IDMT in Kooperation mit dem hightech presseclub. Ich wünsche Ihnen viele neue Erkenntnisse bei der Lektüre und vielleicht findet dieses etwas andere Nachschlagewerk ja einen Stammplatz in Ihrem Bücherregal oder besser noch auf Ihrem Schreibtisch. Matthias Rose, Fraunhofer IIS 3

4 Die Autoren Audio- und Videocodierung Dr. Siegfried Fößel, Fraunhofer IIS ist seit 2001 Leiter der Gruppe»Digitales Kino«und koordiniert alle Projekte in den Bereichen D-Cinema und E-Cinema. Er war Koordinator für das EU-Projekt WORLD- SCREEN und die Digital Cinema Initiatives beauftragte das Team rund um Siegfried Fößel mit der Erstellung des Testplans für Digitales Kino. Harald Fuchs, Fraunhofer IIS beschäftigt sich als wissenschaftlicher Mitarbeiter mit Themen der Videocodierung und ihrer Anwendung in Szenarien wie IPTV und DVB. Ein weiterer Schwerpunkt seiner Arbeit ist die Übertragung von Multimediainhalten über Netzwerke. Oliver Hellmuth, Fraunhofer IIS Leitet die Gruppe»Semantische Audiosignalverarbeitung«und beschäftigt sich dabei mit der intelligenten Analyse und Verarbeitung von Audiosignalen. Johannes Hilpert, Fraunhofer IIS leitet die Gruppe»Audio Coding & Multimedia-Software«am Fraunhofer IIS. Er ist Experte für Stereo- und Mehrkanal-Audiocodierverfahren und deren Umsetzung in PC- Software. Angela Raguse, Fraunhofer IIS ist zuständig für PR und Marketing in der Abteilung Bildsensorik und für die Fraunhofer-Allianz Digital Cinema. Matthias Rose, Fraunhofer IIS ist verantwortlich für die Marketing- und Kommunikationsaktivitäten des Geschäftsfelds»Audio und Multimedia«des Fraunhofer IIS. 4

5 Digitaler Rundfunk Dr. Nikolaus Färber, Fraunhofer IIS als Leiter der Gruppe»Multimedia Transport«beschäftigt er sich mit Streamingtechnologien zum Beispiel für Webradios, mit mobilem Fernsehen basierend auf DVB-H, mit Voice/Audio over IP und mit dem Heimnetzwerkstandard DLNA. Olaf Korte, Fraunhofer IIS ist seit 1999 Leiter der Gruppe»Broadcast Applications«. Er beschäftigt sich insbesondere mit MPEG-4 basierten Rundfunkprojekten, sowie Rundfunkanwendungen für den mobilen Einsatz übernahm Olaf Korte als neues Schwerpunktthema die Einführung von Surround Sound in digitalen Rundfunksystemen. Michael Schlicht, Fraunhofer IIS leitet seit Mai 2007 die Abteilung»Integrierte Digitale Terminals (IDT)«. Die Schwerpunkte seiner Forschungsaktivitäten liegen im Bereich des digitalen Rundfunks und der Satellitenkommunikation und umfassen sowohl die Definition als auch die Entwicklung und Implementierung terrestrischer und satellitenbasierter digitaler Rundfunkterminals und deren Chipsätze. Mandy Trommler, Fraunhofer IIS arbeitet in der Marketing- und PR-Gruppe des Geschäftsfelds»Audio und Multimedia«. Alexander Zink, Fraunhofer IIS ist stellvertretender Leiter der Gruppe»Broadcast Applications«. Neben seiner Tätigkeit als Projektleiter der UMIS-Technologie für ortsbezogene Dienste hat er die Projektleitung und Vermarktung der Sendesystemfamilie»Fraunhofer ContentServer«übernommen. Zudem ist er maßgeblich an der Entwicklung, Standardisierung und Markteinführung des Datendienstes Journaline beteiligt. 5

6 Digitaler Musikvertrieb Patrick Aichroth, Fraunhofer IDMT beschäftigt sich als stellvertretender Gruppenleiter seit 2003 mit den Themen Mediendistribution und Sicherheit und leitet seit 2006 die gleichnamige Gruppe in der Abteilung»Metadaten«des Fraunhofer IDMT in Ilmenau. Holger Großmann, Fraunhofer IDMT ist seit 2005 Leiter der Abteilung»Metadaten«am Fraunhofer IDMT und war unter anderem für die Entwicklung des Musikerkennungssystems AudioID verantwortlich. Stefan Krägeloh, Fraunhofer IIS beschäftigt sich als Gruppenleiter mit multimedialen Sicherheitstechnologien. Dabei liegt der Schwerpunkt seiner Arbeit auf Systemen für das Digitale Rechtemanagement wie zum Beispiel OMA DRM und auf Wasserzeichen in Audiodaten. Prof. Dr. Frank Fechner, TU Ilmenau ist Leiter des Fachgebiets Öffentliches Recht an der TU Ilmenau. Zu seinem Fachgebiet zählen insbesondere öffentlich-rechtliches Wirtschaftsrecht und Medienrecht. Seit 2006 ist Professor Fechner Dekan der Fakultät für Wirtschaftswissenschaften. Peter James, GermanSounds AG gründete 1993 den Verband Unabhängiger Tonträgerunternehmen, Musikproduzenten und -verlage (VUT) und führte die Geschäfte bis Er ist geschäftsführender Vorstand des von ihm gegründeten deutschen Musikexportbüros GermanSounds AG. 6

7 Audio- und Videocodierung 7

8 Bedeutung der A / V-Codierung Matthias Rose Audiocodierung. Videocodierung. Diese leicht sperrigen Begriffe stehen für Technologien, die aus unserem Leben nicht mehr wegzudenken sind. Alltägliche Begleiter wie MP3-Player oder digitales Fernsehen wären undenkbar ohne Audio- und Videocodierung. Ganze Industriezweige erfinden sich neu, um auf Herausforderungen zu reagieren, die ihre Ursache in der Kompression von Audio- und Videodaten haben. Aber warum verändern diese Technologien unsere Medienlandschaft und unser Rezeptionsverhalten so grundlegend? Der Grund liegt in der Knappheit von Ressourcen. Im Fall der Audio- und Videokompression sind dies die Ressourcen Speicherplatz beziehungsweise Übertragungsbandbreite. Als die Idee für Audiound Videokompression aufkam, war Speicherplatz noch ein kostbares Gut Übertragungsbandbreite ist dies heute noch. Ob Datenleitungen oder Kanäle zur Verbreitung von Rundfunkinhalten: Unkomprimierte digitale Audio- und Videodaten könnten kaum ökonomisch sinnvoll übertragen werden. Zu groß ist deren Datenmenge. Also werden Kompressionsverfahren benötigt, die Audio- und Videosignale stark schrumpfen und dies möglichst ohne die Qualität zu beeinflussen. Je stärker die Daten komprimiert werden, desto mehr Musik speichern MP3-Player und desto mehr digitale Radio- und TV- Programme können über den gleichen Kanal verteilt werden. Mit anderen Worten: Audio- und Videokompression ist praktisch und spart dabei noch Geld. Zudem ermöglicht die Kompression von Audio- und Videodaten Anwendungen, die vor einigen Jahren noch undenkbar waren: Heute kaufen wir Musik mit dem Handy, wir erzeugen eigene Inhalte und machen damit etablierten Medien Konkurrenz, wir nutzen das Handy als Fernseher, wir bekommen Live-Berichte aus allen Winkeln der Welt. Die Liste ließe sich beliebig fortsetzen. Audiocodierung und Videocodierung sind nicht einfach nur Technologien, sondern kulturelle Phänomene. Sie sind wichtige Wegbereiter für den Wandel der Industrie- zur Informationsgesellschaft. Sie bringen lang funktionierende Geschäftsmodelle ins Wanken und sie generieren gleichzeitig völlig neue Märkte: Wie selbstverständlich kaufen wir heute Musik im Internet; die CD-Verkäufe brechen ein, dafür steigen die Online-Verkäufe ständig. Auch die Filmwirtschaft stellt sich bereits auf den Online- Vertrieb ein. Selbst TV-und Radioanbieter beginnen, ihre Angebote über das Internet zugänglich zu machen. Die meisten dieser Kompressionsverfahren sind den Nutzern unbekannt. Zwar sind Technologien wie MPEG Layer 2, AAC oder AVC allgegenwärtig, dennoch sind sie für den Nutzer unsichtbar. Nur einer Technologie ist es gelungen aus dem Abkürzungsallerlei bis in das Bewusstsein der Menschen vorzudringen: MP3. Als Vorreiter der digitalen Medienrevolution spielte das Format eine entscheidende Rolle; heute kennt und nutzt das Format fast jeder. MP3 ist der weltweit beliebteste Standard für die Kompression von digitalen Audiodaten und das Synonym für die tragbare Musiksammlung. So gut wie alle Geräte der Unterhaltungselektronik spielen MP3. Diese Allgegenwärtigkeit hat sich das Erlanger Entwicklerteam des Fraunhofer IIS Anfang der Neunziger Jahre wohl erhofft, absehbar war es damals sicherlich nicht. Unermüdlich kämpften die Ingenieure und Wissenschaftler für den Einsatz der Technologie. Bald gab es deutsche Unternehmen, die MP3 im Profibereich einsetzten so zum Beispiel studiotaugliche Geräte für die Übertragung von Audiosignalen über ISDN-Leitungen oder Haltestellenansagen im öffentlichen Nahverkehr. Und es war auch eine deutsche Firma, die den weltweit ersten Decoderchip Mitte der Neunziger Jahre vorstellte. Nahezu alle frühen MP3-Player nutzten diesen Chip aus Deutschland für die Musikwiedergabe. Und auch heute profitiert der Standort Deutschland von MP3: So bedingt MP3 rund Arbeitsplätze in Deutschland, die jährlichen Steuereinnahmen für Bund und Länder summieren sich auf 300 Millionen Euro. Zahlreiche deutsche Unternehmen bieten heute sehr erfolgreich MP3- Produkte an. Hinzu kommt noch der immaterielle Wert: MP3 verdeutlicht die Innovationskraft des Standorts Deutschland weltweit, in keiner Imagekampagne fehlt der Hinweis auf die Geburtsstätte der MP3-Technologie. Audiocodierung. Videocodierung. Basistechnologien also, die unseren Umgang mit Medien verändert haben. Und Technologien, über die erstaunlich wenig bekannt ist. Die folgenden Texte erklären deshalb die grundlegenden Funktionsprinzipien der Technologien im Schatten von ipod und Co. 8

9 Audiocodierung Funktionsprinzip der Audiocodierung Johannes hilpert, Matthias Rose Gehörangepasste Audiocodierverfahren wie MP3 nutzen zur Kompression von Audiodaten die Eigenschaften des menschlichen Gehörs. Musik besteht aus sehr vielen verschiedenen Komponenten, die aber nicht gleich gut hörbar sind. So bleibt dem Zuhörer beispielsweise ein leises Flötenspiel möglicherweise verborgen, wenn gleichzeitig kräftig auf die Pauke gehauen wird. Zwar ist das Flötenspiel immer noch vorhanden, aber das menschliche Ohr kann es im Augenblick des Paukenschlags nicht mehr wahrnehmen: Die Flöte wird durch die Pauke verdeckt beziehungsweise maskiert. Diese und weitere Eigenschaften des menschlichen Gehörs machen sich gehörangepasste Audiocodierverfahren zunutze. Die Teile der Musik, die für den Menschen besonders gut hörbar sind, werden auch besonders genau dargestellt. Weniger gut hörbare Anteile werden weniger genau abgebildet, unhörbare Informationen werden ignoriert. So wird also der Paukenschlag in unserem Beispiel besonders genau dargestellt, das Flötenspiel hingegen eher ungenau. Diese flexible Darstellung hilft Daten zu sparen und führt gleichzeitig eine Abweichung (ein Rauschen) in das Musiksignal ein. Dieses sogenannte Codiergeräusch wird allerdings idealerweise maskiert, ähnlich wie das Flötenspiel in unserem Beispiel. Diese Vorgehensweise wird unter dem Begriff Irrelevanzreduktion zusammengefasst, da für das menschliche Ohr irrelevante Signalanteile weniger genau gespeichert werden. Dieser Schritt ist nicht rückgängig zu machen. Zusätzlich erfolgt bei der Audiocodierung eine»redundanzreduktion«. Dabei werden die zu übertragenden Informationen möglichst kompakt dargestellt. Ähnlich einer Kompression mit dem ZIP-Format, lassen sich diese Daten wieder fehlerfrei rekonstruieren. Audiocodierverfahren, die sowohl Irrelevanz- als auch Redundanzreduktion nutzen, werden als verlustbehaftete Verfahren bezeichnet. Je nach Audiocodierverfahren wird hier eine Kompression um den Faktor 10 bis 30 und mehr erreicht. Die verlustfreien Verfahren arbeiten nur mit der Redundanzreduktion. Dadurch kann auf der Empfängerseite das Originalsignal Bit für Bit wieder hergestellt werden. Allerdings erreichen solche Verfahren nur eine Kompression um den Faktor 2 bis 2,5 und keine konstante Datenrate. Verdeckung im Frequenzbereich: Der Bereich über der Ruhehörschwelle (grau) ist für den Menschen hörbar. Ein Schall ereignis (verdeckender Schall) hebt diese Ruhehörschwelle an (Mithörschwelle, schwarz). Frequenzen, die unter der Mithörschwelle liegen, können nicht mehr wahrgenommen werden. Sie werden durch das Schallereignis verdeckt. Dies ist das Funktionsprinzip aller verlustbehafteten Audiocodierverfahren. Der folgende Text erklärt am Beispiel von MP3 (MPEG Audio Layer-3), wie dieses Prinzip technisch umgesetzt wird. Aufbau des MP3-Encoders Der MP3-Encoder übernimmt die Audiodatenkompression. Das Eingangssignal ist ein unkomprimiertes digitales Mono- oder Stereo-Audiosignal mit einer Abtastrate von 16 khz, 22,05 khz, 24 khz, 32 khz, 44,1 khz oder 48 khz; das entspricht einer Quell-Datenrate von 256 bis 1536 kbit/s. Zum Vergleich: Die CD speichert Musik mit einer Abtastrate von 44,1 khz und 1440 kbit/s. Die Ziel- Datenrate kann im Bereich zwischen 8 und 320 kbit/s gewählt werden. Im MPEG-Standard ist nur der Decoder und das Format des Bitstroms (MP3-Files) spezifiziert; der Encoder kann völlig frei gestaltet werden, wobei ein guter MP3-Encoder nur mit entsprechender Erfahrung und Hintergrundwissen zu verwirklichen ist. Die ISO bietet eine offene Referenzimplementierung für MP3-Encoder und -Decoder an. Diese Referenzsoftware liefert einen korrekten MP3-Bitstrom, ist allerdings nicht auf Audioqualität optimiert. Aufbau eines Audio-/MP3-Encoders PCM Eingang Analyse- Filterbank Quantisierung und Codierung Psychoakustisches Modell Schematischer Aufbau eines MP3-Encoders Bitstrom- Multiplex Bitstrom Der MP3-Encoder besteht im Wesentlichen aus den folgenden Elementen: Filterbank: Eine Filterbank zerlegt das Frequenzspektrum eines Audiosignals in unterschiedlich breite Abschnitte, die sogenannten Subbänder. Diese Zerlegung des Frequenzspektrums in un- 9

10 terschiedliche Bänder ist notwendig, da bestimmte Teile des Spektrums besser hörbar sind als andere. Bei MP3 findet eine Hybridfilterbank Verwendung, bestehend aus einer Polyphasenfilterbank und einer modifizierten diskreten Cosinus-Transformation (MDCT). Die Polyphasenfilterbank zerlegt das Frequenzspektrum eines Blocks von 576 Abtastwerten in 32 gleich breite Polyphasenbänder (jeweils 750 Hz breit bei 48 khz Abtastrate). Die darauf folgende MDCT unterteilt jedes Polyphasenband in weitere 18 Unterbänder. Insgesamt wird so der Block in 576 Subbänder oder Frequenzlinien aufgeteilt. Diese feine Frequenz auflösung ermöglicht eine sehr effiziente Kompression. Psychoakustisches Modell: Die Güte des MP3- Encoders hängt auch von der Qualität des implementierten psychoakustischen Modells ab. Anhand des psychoakustischen Modells wird für jede Frequenzgruppe die Mithörschwelle berechnet. Frequenzgruppen sind aus der Psychoakustik bekannte Frequenzbänder, innerhalb derer das menschliche Gehör Wahrnehmungen zusammenfasst und die für die Berechnung von Maskierungseffekten eine Rolle spielen. Der Encoder geht davon aus, dass Störsignale (zum Beispiel ein Quantisierungsgeräusch), die in einer Frequenzgruppe unterhalb der berechneten Mithörschwelle bleiben, für den Menschen nicht wahrnehmbar sind. Quantisierung: Die Spektralwerte, also die Amplituden der Frequenzlinien, werden nicht exakt übertragen, sondern mit unterschiedlicher Genauigkeit gerundet (»quantisiert«). Mittels dieser Quantisierungsungenauigkeit wird der größte Teil der Einsparung an Informationsmenge erreicht: Je ungenauer quantisiert wird, desto weniger Bits werden benötigt, um die Frequenzinformation zu übertragen. Andererseits erzeugt die Quantisierung, die frequenzbandweise (in»skalenfaktorbändern«) gesteuert wird, ein rauschartiges Fehlersignal, das im Originalsignal nicht vorhanden ist. Die Breite der Skalen faktorbänder ist im MPEG- Standard definiert. Quantisierungsschleifen: Die Quantisierung erfolgt oftmals in zwei ineinander geschachtelten Schleifen. Die innere Schleife wird als»rate Loop«bezeichnet, da sie die Verteilung von Bits so lange modifiziert bis sie der vom Nutzer eingestellten Bitrate entspricht. Diese Schleife ist eingebettet in die äußere Schleife (»Noise Control Loop«): Übersteigt das Quantisierungsrauschen in einzelnen Skalenfaktorbändern die vom psychoakustischen Modell vorgegebene Maskierungsschwelle, so wird die Quantisierungsgenauigkeit in den kritischen Skalenfaktorbändern verfeinert und auf diese Weise das Quantisierungsrauschen dort reduziert. Danach muss allerdings die innere Schleife, die»rate Loop«, erneut ausgeführt werden, um den durch die Verfeinerung auftretenden Bitmehrverbrauch zu kompensieren. Die äußere Schleife wird solange ausgeführt bis für jedes Skalenfaktorband das Rauschen möglichst gleich weit unterhalb der Mithörschwelle ist. So kontrolliert die äußere Schleife die Qualität der MP3-codierten Musikdatei und sorgt dafür, dass möglichst nur die Signalanteile reduziert werden, die für das menschliche Gehör irrelevant sind. Codierung: Die quantisierten Spektralwerte werden Huffman-codiert, wobei den häufiger auftretenden Quantisierungswerten kürzere Codewörter zugewiesen werden als den seltener auftretenden. Die Huffman-Codierung dient der Redundanzreduktion und arbeitet verlustfrei. Im letzten Schritt werden die codierten Spektrallinien zusammen mit der Seiteninformation in einen standardkonformen Bitstrom gepackt. Aufbau des MP3-Decoders Der MP3-Decoder ist ungleich einfacher gebaut als der Encoder: Zunächst wird der MP3-Bitstrom in seine Bestandteile zerlegt. Dann werden die unterschiedlich quantisierten Spektralwerte wieder rekonstruiert und gegebenenfalls eine gemeinsame Stereodecodierung ausgeführt. Zum Schluss setzt die Synthesefilterbank das Signal wieder in den Zeitbereich um. Aufbau eines Audio-/MP3-Decoders Bitstrom Darüber hinaus beinhaltet MP3 zwei Verfahren zur gemeinsamen Codierung der beiden Tonkanäle eines Stereosignals (»joint stereo coding«) um Gemeinsamkeiten zwischen ihnen ausnutzen zu können und so eine bessere Stereoqualität zu erreichen. Bitstrom- Demultiplex Inverse Quantisierung Schematischer Aufbau eines MP3-Decoders Synthese- Filterbank PCM Output 10

11 Erst Mono, dann Stereo und jetzt auch noch Multikanal? Oliver Hellmuth»Holen Sie sich den Kinoklang nach Hause!«So oder so ähnlich werden Surround-Anlagen beworben, die es inzwischen in allen Elektronikfachmärkten zu kaufen gibt. Ist eine solche Anlage im heimischen Wohnzimmer dann installiert, klingt es aus allen Ecken: Flugzeuge fliegen durch den Raum, Blätterrauschen von hinten, Stimmen von vorne. All dies ist möglich dank der speziellen Anordnung der Lautsprecher einer solchen Surround-Anlage. Denn diese besteht aus mindestens fünf Lautsprechern und einem Subwoofer. Drei der fünf Lautsprecher befinden sich vor dem Zuschauer, zwei dahinter. Der Subwoofer steht meist etwas abseits und erzeugt die tiefen Töne. Bei Filmen sind zwei wesentliche Vorteile der Surround-Wiedergabe für den Zuschauer entscheidend. Erstens ist die optimale Sitzposition nicht mehr auf die Mitte zwischen den beiden vorderen Lautsprechern beschränkt. Durch die Integration eines mittleren vorderen Lautsprechers (»Center«) hören alle Personen vor dem Fernsehgerät die Dialoge genau von der Stelle, an der auch das passende Bild auf dem Fernseher zu sehen ist. Im Gegensatz dazu die reine Stereo-Wiedergabe: Befindet sich hier der Hörer außerhalb der Mittelachse zwischen beiden Frontlautsprechern, so hört der Zuschauer die Dialoge auch hauptsächlich aus dem näheren Lautsprecher. Der Hörer nimmt die Anteile des rechten und linken Kanals nicht mehr mit den vorgesehenen Lautstärke- und Zeitverhältnissen wahr das der Stereo-Wiedergabe zugrunde liegende Prinzip wird verletzt. Eine korrekte Stereo-Wiedergabe, bei der alle Schallquellen an den vorgesehenen Positionen wahrgenommen werden, ist also nur in einem sehr engen Bereich möglich nämlich genau auf der Mittelachse zwischen den beiden vorderen Lautsprechern. TV AMBIENCE und EFFEKTE Optimaler Hörplatz Stimme TV Stimme Optimaler Hörplatz AMBIENCE und EFFEKTE Der zweite wesentliche Vorteil der Surround-Wiedergabe bei Film ist noch offensichtlicher: Steht ein Lautsprecher hinter dem Zuschauer, dann kann von hier auch eine Schallquelle wiedergegeben werden. So fliegt zum Beispiel ein Hubschrauber akustisch von vorne (Frontlautsprecher) über die Köpfe der Zuschauer nach hinten (Rücklautsprecher). Während sich der Hörer bei der Stereo-Wiedergabe im Wesentlichen nur am akustischen Rand befindet, so wird er bei der Surround-Wiedergabe mitten in das Geschehen hineinversetzt. Diese Vorteile der Mehrkanal-Wiedergabe von Filmen gelten in ganz ähnlicher Weise auch bei der Wiedergabe von Musik. Durch die Integration des Center-Lautsprechers wird das ursprüngliche Klangbild der Musikaufnahme signifikant stabilisiert. Auch für den Zuhörer abseits der optimalen Hörachse, aber innerhalb des vergrößerten Surround-Bereichs sind so alle Klangquellen an der richtigen Stelle im Klangbild. Die hinteren Lautsprecher erfüllen bei der Surround-Wiedergabe von Musik einen ähnlichen Zweck wie beim Film, nämlich die Steigerung der Wahrnehmung, sich akustisch mitten in der musikalischen Darbietung zu befinden. Bei einer Live- Aufnahme oder einer nachempfundenen Studioproduktion kann genau dieser Eindruck erzielt werden, wenn zum Beispiel reflektierter Raumschall, wie er am Ort der Aufnahme vorherrscht beziehungsweise vorherrschen soll, über die hinteren Lautsprecher wiedergegeben wird. Außer für eine realistischere Wiedergabe können die Surround- Lautsprecher natürlich auch als reine Effekt-Kanäle genutzt werden. Der kreative Freiraum bei der Musik- oder Filmproduktion wird so um eine zusätzliche Dimension erweitert. Wie können viele Kanäle (effizient) komprimiert werden? Zur Speicherung und Übertragung von digitalen Audiosignalen ist heute immer noch eine Komprimierung der Daten erforderlich um mit gegebenen (Speicher-) Platzressourcen auszukommen. In vielen Fällen ist nicht die maximale Audioqualität der Codierung entscheidend, sondern das Verhältnis der Audioqualität zur Kompressionsrate, also wie effizient eine bestimmte Qualitätsstufe erreicht wird. Im Folgenden sollen zunächst die gängigen Grundkonzepte der Komprimierung von Mehrkanalsignalen erläutert werden. Am Ende dieses Abschnitts werden schließlich die wichtigsten Eigenschaften der jeweiligen Technologien gegenübergestellt. Vorteile der Surround-Wiedergabe für Film- beziehungsweise TV-Inhalte im Vergleich zur Stereo-Wiedergabe 11

12 Diskrete Codierung der Kanäle Eine nahe liegende Variante der Codierung von Mehrkanalsignalen mit n Kanälen ist die n-fache Anwendung eines Codierverfahrens für je einen Mono-Kanal, das heißt jeder Kanal wird einzeln codiert. Die Vertreter dieses einfachen Prinzips, wie zum Beispiel Mehrkanal-AAC, Dolby Digital oder DTS, werden als diskrete Codierverfahren bezeichnet. Vorteilhaft bei diesen Verfahren sind sowohl die in der Regel sehr hohe Audioqualität als auch eine hervorragende Trennung der einzelnen Kanäle. Die Nachteile solcher Verfahren sind zum einen sehr hohe Datenraten (im Fall von DTS rund 1,2 Mbit/s), zum anderen sind sie nicht rückwärtskompatibel zu bestehenden Mono- oder Stereogeräten. Matrix-Codierung der Kanäle Die sogenannten Matrix-Verfahren stammen aus den 70er Jahren und sind ein Notbehelf der Filmindustrie. Sie nutzen zur Übertragung des Mehrkanalsignals einen speziellen Downmix. Dieser Downmix wird nach fest vorgegebener Rechenvorschrift aus dem Mehrkanalsignal erzeugt und enthält damit eine Grundinformation über die ursprüngliche Verteilung der Signalanteile. So werden die ursprünglich fünf Kanäle in ein Stereosignal überführt. Ein Matrix-Decoder rekonstruiert die Originalsignale aus dem speziellen Downmix durch Invertierung der Berechnungen des Encoders, das heißt die ursprüngliche Zahl an Kanälen wird wieder hergestellt. Oft gelingt dies nicht sonderlich gut und Signalanteile tauchen in Kanälen auf, in denen sie ursprünglich nicht vorhanden waren. Deshalb versuchen neuere Varianten in einem zusätzlichen Schritt akustisch dominante Ereignisse zu erkennen und sie in dem relevanten Ausgabekanal zu betonen, um ein Übersprechen in unbeteiligte Kanäle zu verhindern. Bekannte Vertreter der Matrix-Verfahren sind zum Beispiel Dolby ProLogic II oder Logic 7. Der erwähnte Nachteil des Übersprechens in unbeteiligte Kanäle, teilweise instabile Signalenergie und eine ungenaue räumliche Abbildung der akustischen Szene führen insgesamt zu einer deutlich eingeschränkten Audioqualität des decodierten Surround-Signals. Der Vorteil der Matrix-Verfahren besteht in der Möglichkeit, den Downmix mit beliebigen nicht-surround-fähigen Geräten dennoch wiedergeben zu können. Dies geschieht allerdings mit einer prinzipbedingten Einschränkung der Audioqualität, da zur Nutzung des Verfahrens kein beliebiger, sondern ein fest vorgegebener Downmix (siehe oben) verwendet werden muss. Die Matrix- Verfahren sind also nur ein Kompromiss für die Stereo- und Surround-Wiedergabe. Räumliche Codierung der Kanäle Das zugrunde liegende Prinzip der neuen räumlichen Codierverfahren (engl.»spatial Audio Coding«) besteht darin, ein Multikanalsignal in Form eines Mono- oder Stereo-Downmixes und zusätzlichen, sehr kompakten Surround-Parametern darzustellen. Diese Parameter beinhalten charakteristische Merkmale zur Beschreibung der räumlichen Klangwahrnehmung der ursprünglichen akustischen Szene. So erzeugt ein Encoder einen Downmix und einen kontinuierlichen Datenstrom von Parametern. Beides wird im Decoder zur Rekonstruktion des ursprünglichen räumlichen Klangeindrucks des Mehrkanalsignals verwendet. So arbeitet zum Beispiel die auf dem MP3-Format basierende MP3 Surround-Technologie. Andere räumliche Codierverfahren arbeiten meist unabhängig von einem bestimmten Codierverfahren für den Downmix und können daher mit jedem beliebigen Audiocodec kombiniert werden. Ein Vertreter dieser Art der Mehrkanalcodierung ist MPEG Surround. Der Hauptvorteil dieser räumlichen Codierverfahren ist die effiziente Speicherung von Surround-Klang bei gleichzeitig hohem Qualitätsniveau. Parameter von ca. 3 bis 16 kbit/s genügen zur Rekonstruktion der ursprünglichen Surround- Information bei gegebenem Downmix-Signal. Der Downmix wird in der Regel zusätzlich mit einem effizienten Mono/Stereo-Codierverfahren komprimiert, zum Beispiel MPEG-4 HE-AAC mit 64 kbit/s für Stereo. Grundsätzlich ist dieses Verfahren kompatibel zu Mono- beziehungsweise Stereogeräten. Ist nämlich nur ein Mono- oder Stereodecoder vorhanden, so wird der Downmix wiedergegeben und die Surround-Parameter ignoriert. 12 Prinzip der räumlichen Codierung am Beispiel von MPEG Surround (Zur Wiedergabe von Surroundklang über Stereokopfhörer vgl. S. 36)

13 Tabelle 1: Vergleich wichtiger Eigenschaften aller Verfahren: Mehrkanalcodierung Bitrateneffizenz (gesamt) Max. erzielbare Audioqualität Diskret Matrix Räumlich Niedrig Mittel Sehr hoch Sehr hoch Mittel Hoch Kompatibel zu Mono/ Stereo Nein Ja, aber problematisch Ja Unabhängiger Downmix Nein Nein Ja Einige Vertreter Dolby Digital, DTS, MPEG-4 AAC Dolby Pro Logic II, Neural, SRS MPEG Surround, MP3 Surround Zusätzlich ist es möglich, einen vom Mehrkanal signal weitgehend unabhängigen Downmix (zum Beispiel ein vom Tonmeister abgemischter Stereomix) beim Encodiervorgang einzuspeisen. Im Unterschied zu den Matrixverfahren besteht so wesentlich mehr Freiheit bei der Gestaltung der rückwärtskompatiblen Stereoversion (= Downmix) des Musikstücks. Semantische Audiosignalverarbeitung Audio technologie für die Zukunft Auf der CD sind Audiosignale als Folge von Abtastwerten gespeichert. Zwischen einer solchen Darstellung und der Art und Weise mit der wir Menschen Informationen aufnehmen, verstehen und verarbeiten, besteht ein großer Unterschied. Menschen nehmen Audiosignale in Form von auditorischen Objekten (Schallquellen, zum Beispiel die Trompete in einem Orchester) mit bestimmten Eigenschaften wahr auch wenn sich diese in komplexen Schallgemischen befinden. Traditionelle Audiosignalverarbeitung erlaubt jedoch keinen direkten Zugriff auf das Signal in einer der menschlichen Wahrnehmung entsprechenden Form. So führt zum Beispiel die Änderung eines Abtastwerts eines Signals vielleicht gerade zu einem hörbaren»klick«, jedoch nicht zur Änderung einer Wahrnehmungseigenschaft eines auditorischen Objekts. Diese Lücke zwischen traditioneller Signalverarbeitung und der menschlichen auditorischen Wahrnehmung soll in Zukunft die sogenannte semantische Audio-(Signal)verarbeitung schließen. Dabei ist das Ziel, dem Nutzer einen Zugriff auf Audiomaterial in einer der menschlichen Wahrnehmung entsprechenden Form zur Verfügung zu stellen, also in Form von auditorischen Objekten mit entsprechend änderbaren Eigenschaften. Dieser semantisch motivierte Zugriff auf das Audiosignal stellt die Schnittstelle zum Nutzer dar. Um dies zu ermöglichen, ist eine Mischung aus traditioneller Audiosignalverarbeitung und neuen Forschungsideen beziehungsweise Konzepten aus anderen Forschungsbereichen notwendig (zum Beispiel Mustererkennung, Quellenseparation etc.). Was kann man mit semantischer Audiosignalverarbeitung machen beziehungsweise wird man in Zukunft machen können?»entmischen«, das heißt Trennen von Audioquellen, zum Beispiel die Gesangsstimme aus einem Musikstück isolieren Veränderungen der Eigenschaften von Quellen, zum Beispiel den Klang eines Schlagzeugs in einem Musikstück ändern Austauschen von Audioquellen, zum Beispiel ein Instrument in einem Musikstück durch ein anderes ersetzen Änderung der ambienten Klanganteile, zum Beispiel Reduzierung des Hall-Anteils einer Aufnahme Welche Anwendungen gibt es? Remix Wenn die auditorischen Objekte einer Mischung nicht oder nicht mehr getrennt zur Verfügung stehen, kann trotzdem eine neue Abmischung erstellt werden. Upmix Musikstücke welche zum Beispiel nur als Stereo- Version vorliegen, können zu hochwertigen Mehrkanalversionen konvertiert werden, wenn man Zugriff auf einzelne Objekte hat. 13

14 Karaoke Aus bestehenden Musikstücken kann nachträglich die Gesangstimme entfernt werden, um so eine für Karaoke geeignete Version zu erstellen. Anwendungsbezogene Objektoptimierung (Verstärkung / Dämpfung) Um zum Beispiel nachträglich eine für Hörgeschädigte optimierte Tonspur eines Films zu erstellen, ist es vorteilhaft, zunächst den Sprachanteil zu verstärken und sämtliche Nicht-Sprachanteile zu dämpfen. Auf dieser Basis können anschließend weitere Optimierungen erfolgen. Einige bekannte Audiocodierverfahren im Überblick Ma t t h i a s Ro s e MP3 MP3 ist der weltweit populärste Standard für die Kompression von Audiodaten. Die vollständige Bezeichnung ist MPEG Audio Layer-3. Der Standardisierung im Jahr 1992 vorausgegangen waren langjährige Entwicklungsarbeiten, die Ende der 70er Jahre mit der Idee begannen, Musik über Telefonleitungen zu übertragen. Heute unterstützen nahezu alle Geräte der Unterhaltungselektronik die MP3-Wiedergabe. Inzwischen verkaufen viele Online-Musikshops MP3-Dateien, wie zum Beispiel Amazon. Für die meisten Hörer sind MP3-Dateien bei einer Bitrate von 192 kbit / s nicht mehr vom Original zu unterscheiden. Diese Bitrate entspricht einer Kompression um den Faktor 8. MPEG AAC MPEG Advanced Audio Coding (AAC, Dateiendung oft.mp4) erlangte einen breiten Bekanntheitsgrad durch den ipod und itunes Musicstore der Firma Apple. Hier kommt AAC als Standardaudioformat zum Einsatz. AAC spielt eine immer wichtigere Rolle in der Unterhaltungselektronik, zumal der japanische Rundfunk AAC als Standardaudioformat einsetzt. An der Entwicklung war wiederum das Fraunhofer IIS maßgeblich beteiligt: Gemeinsam mit AT&T, Dolby, Nokia und Sony wurde AAC zwischen 1994 und 1997 entwickelt und standardisiert. Ab einer Bitrate von 128 kbit / s für Stereomaterial hören die meisten Nutzer bei AAC keinen Unterschied zum Original. AAC komprimiert aber nicht nur Stereo-Musik, sondern auch Multikanalmaterial, also zum Beispiel das 5.1-Format wie es auch auf DVD-Audio oder DVD-Video zu finden ist. MPEG-4 HE-AAC (v2) Besonders effiziente Varianten von MPEG AAC sind MPEG-4 High Efficiency AAC und MPEG-4 High Efficiency AAC v2. Mit diesen Verfahren sind Bitraten von 64 kbit / s und weniger für die Kompression von Stereomaterial in guter Qualität möglich. Eingesetzt werden die beiden Codecs vor allem bei neuen digitalen Rundfunksystemen (zum Beispiel DAB+, DVB-H) oder bei mobilen Multimediaanwendungen zum Beispiel für Handys. MPEG Layer-2 MPEG Layer-2 wurde gemeinsam mit MP3 standardisiert und bietet im Vergleich zu MP3 eine niedrigere Komplexität (Rechenaufwand) bei geringerer Audioqualität beziehungsweise höheren Datenraten. Während MP3 vor allem im Internet und in der Unterhaltungselektronik dominiert, wird MPEG Layer-2 im Rundfunkbereich eingesetzt: So nutzen das Digital Radio DAB und der Digital-TV-Standard DVB MPEG Layer-2 als Audiocodierverfahren. WMA-Codec Windows Media Audio ist ein proprietärer Audiocodec von Microsoft. Inzwischen unterstützen eine ganze Reihe von Geräten WMA, wobei das Format nie die Popularität von MP3 erreicht hat. Vorbis Vorbis ist ein Audiocodec der Open-Source-Gemeinde und wurde wie WMA auch als Alternative zu MP3 entwickelt. RealAudio RealAudio ist ein proprietäres Format, das eine Reihe von Audiocodierverfahren enthält, die an verschiedene Anwendungsbereiche angepasst sind. Bekannt ist RealAudio in Zusammenhang mit Internetradios. DTS DTS ist ein reines Multikanal-Tonsystem, bei dem alle Audiokanäle einzeln komprimiert werden. Dabei wird mit einer sehr hohen Datenrate eine gute Qualität erzielt. DTS ist im Filmbereich weit verbreitet und kommt im Kino und bei DVDs zum Einsatz. Dolby Digital / Dolby AC-3 Dolby Digital beziehungsweise Dolby AC-3 wird vornehmlich zur Kompression von Surround-Signalen verwendet, unterstützt aber auch Stereo beziehungsweise Mono. Die Audiokanäle werden dabei einzeln komprimiert. Hierdurch ist eine gute Qualität gewährleistet, allerdings bei einer sehr hohen Datenrate. Dolby Digital ist besonders im Filmbereich weit verbreitet und wird deshalb von vielen DVD-Playern und AV- Receivern unterstützt. Dolby Pro Logic Zur Decodierung von Dolby Surround-Tonspuren wird Dolby Pro Logic genutzt. Dolby Surround und Dolby Pro Logic basieren auf der Matrix-Technologie: Dabei werden die Kanäle eines Surround- Signals mit Dolby Surround auf ein Stereosignal 14

15 heruntergemischt und gespeichert. Auf der Empfängerseite rekonstruiert dann Dolby Pro Logic den ursprünglichen Surround-Klang. Der Vorteil hierbei ist, dass nur ein Stereosignal übertragen werden muss. Der Nachteil ist die eingeschränkte Audioqualität im Stereosignal, aber vor allem auch für den rekonstruierten Surround-Klang. MP3 Surround MP3 Surround ist eine rückwärtskompatible 5.1- Kanal-Erweiterung von MP3. MP3 Surround-Dateien sind nur um rund 10 Prozent größer als MP3- Dateien im Stereoformat und bieten dennoch 5.1-Kanal-Ton in hoher Qualität. MP3 Surround wurde am Fraunhofer IIS in Zusammenarbeit mit Agere Systems entwickelt. MPEG Surround MPEG Surround ist eine generische Surround-Erweiterung, die mit verschiedenen Audiocodecs kombiniert werden kann. Dabei ist Kompatibilität mit den jeweiligen Stereo- und Mono-Playern sichergestellt. Die Audioqualität kommt diskreter Multikanalcodierung sehr nahe, obwohl die Surround-Parameter mit sehr geringen Datenraten ab 3 kbit / s codiert sind. Kombiniert mit MPEG-4 High Efficiency AAC liefert MPEG Surround zum Beispiel guten 5.1-Kanal-Ton bei einer Gesamtdatenrate von 64 kbit / s und weniger. 15

16 Videocodierung und ihre Anwendungen Harald Fuchs Videocodierung ist heute in vielen Bereichen der Unterhaltungsindustrie unverzichtbar von DVDs, Camcordern, Handys und portablen Videoplayern bis zu Videokonferenzen, Internet-Video und digitalem Fernsehen. All diese Anwendungen sind undenkbar ohne Datenkompression, da die Datenrate von unkomprimiertem Video die vorhandenen Bandbreiten (zum Beispiel DSL) oder Speicherkapazitäten (etwa auf DVD) um ein Vielfaches überschreitet. So ist das digitale terrestrische Fernsehen DVB-T nur durch Kompression der Video- und Audiodaten möglich. Die Datenrate eines digitalen Videosignals wird im Wesentlichen durch drei Parameter bestimmt: Die zeitliche Auflösung (Bilder pro Sekunde), die örtliche Auflösung (Bildpunkte pro Bild) und die Farbtiefe (Bits pro Bildpunkt). Ein herkömmliches Fernsehsignal wird in der üblichen Standardauflösung (SDTV) von 720 x 576 Bildpunkten mit 25 Vollbildern (Frames) pro Sekunde (beziehungsweise 50 Fernsehhalbbildern) gesendet. Bei drei Farben und je 8 Bit Farbauflösung werden 24 Bit pro Bildpunkt für eine korrekte Darstellung der Farbtiefe benötigt. Zusammengenommen erfordert allein der Videoanteil eines Fernsehsignals also eine Gesamtdatenrate von etwa 250 Mbit/s. DVB-T bietet aber im Schnitt nur eine Übertragungsrate von 2 bis 3 Mbit/s an. Hier muss die Videocodierung also eine Kompressionsrate von etwa 1:100 leisten, ohne dabei durch die ungenauere Speicherung störende Fehler einzufügen. ohne dass dies störend auffallen würde. Gängige Auflösungen bei Handydisplays liegen beispielsweise zwischen 176 x 144 und 320 x 240 Bildpunkten, während bei aktuellen LCD-Fernsehern mit bis zu 100 cm Bildschirmdiagonale HDTV-Auflösung von 1920 x 080 (»Full HD«) üblich sind. Alle aktuellen Videocodierverfahren, angefangen bei MPEG-1 und MPEG-2 bis zu MPEG-4 AVC oder VC-1, basieren auf demselben Grundprinzip der sogenannten»blockbasierten, prädiktiven, hybriden Differenzbildcodierung«. Die Grundbausteine sind: Aufteilung des Bilds in Blöcke von 16 x 16 Bildpunkten (oder weniger), Differenzbildung mit Bewegungsschätzung und -prädiktion, Transformation der Bilddaten in einen 2D- Frequenzbereich, Quantisierung der Frequenzkoeffizienten und Entropiecodierung der quantisierten Werte. Differenzbildung mit Bewegungsschätzung Aufeinanderfolgende Bilder in einer Videosequenz weichen meist nur wenig voneinander ab: So bewegt sich der Sprecher bei Nachrichtensendungen beispielsweise kaum. Deshalb bietet es sich an, nicht jedes Einzelbild getrennt, sondern nur die Differenz zwischen mehreren Einzelbildern zu codieren. Bewegungserkennungs- und Bewegungskompensationsalgorithmen sorgen dafür, dass diese Differenz möglichst gering ist und damit sehr sparsam gespeichert werden kann. Grundlagen der Videocodierung Vor der eigentlichen Videocodierung werden zwei Schritte durchgeführt, die bereits zu einer spürbaren Verringerung der Datenrate führen: Die Reduzierung der Farbauflösung und der Bildgröße. Beides ist durch die Wahrnehmungseigenschaften des menschlichen Auges möglich. Zum einen ist das Auge wesentlich empfindlicher für Helligkeitsänderungen als für Farbänderungen. Daher können Farbunterschiede weniger detailliert dargestellt werden als Helligkeitsunterschiede. So reicht bei Farbwerten in der Regel die halbe Auflösung im Vergleich zu Helligkeitswerten. Zum anderen hat das Auge des Menschen nur eine beschränkte maximale Detailauflösung. Ist der Betrachtungsabstand vom Bildschirm relativ groß oder die Bildschirmdiagonale klein, kann die Bildauflösung und damit die Anzahl der Bildpunkte pro Bild reduziert werden, Bei MPEG-2 kann nur das vorangegangene beziehungsweise das nachfolgende Bild zur Differenzbildung und Prädik tion verwendet werden. Der modernste Videocodierstandard MPEG-4 AVC erlaubt es dagegen, bis zu 15 Referenzbilder zu verwenden. Nicht immer ist es sinnvoll Bewegungskompensation durchzuführen. So haben beispielsweise bei einem Szenenwechsel zwei aufeinanderfolgende Frames fast keine Gemeinsamkeiten. Diese Bilder werden ohne Bewegungsschätzung codiert. Es ist Aufgabe des Encoders zu erkennen, wann Bewegungskompensation verwendet werden sollte und wann nicht und welche Referenzbilder dazu herangezogen werden. 16

17 Gesamtblockschaltbild eines»hybriden Codecs«Das folgende Blockschaltbild veranschaulicht das Zusammenspiel der beschriebenen Bausteine zu einem kompletten Codec, der aus einem digitalen Videosignal einen Videobitstrom erzeugt: Transformation In natürlichen Bildern gibt es eine starke Korrelation benachbarter Punkte. Die Helligkeiten beziehungsweise Farben benachbarter Punkte sind normalerweise ähnlich. Deutliche Unterschiede, wie zum Beispiel Kanten mit starkem Schwarz-Weiß-Kontrast treten seltener auf. Es ist also wahrscheinlich, dass neben einem»grauen«bildpunkt ein Punkt mit ähnlichem Grauwert liegt. Eine Transformation der Bildblöcke in den Frequenzbereich erlaubt es nun, die Bildinformation in wenigen Werten zu konzentrieren. Dieser Vorgang dient der Redundanzreduktion und ist durch eine Rücktransformation ohne Verluste umkehrbar. In der Videocodierung wird die diskrete Cosinus-Transformation (DCT) oder eine ähnliche Transformationen verwendet, um eine Verringerung der Korrelation der einzelnen Komponenten (Frequenzkoeffizienten) sowie eine Verteilung des Großteils der Energie auf eine kleine Anzahl Koeffizienten zu erreichen. Nach der Transformation haben also viele Koeffizienten nur kleine Werte oder sind Null (im rechten Bild schwarz dargestellt, siehe unten). Nur der als Durchschnittswert jedes Blocks gebildete sogenannte»gleichanteil«(dc) hat einen deutlich höheren Wert (im rechten Bild der jeweils linke obere Punkt pro Block, weiß beziehungsweise hellgrau dargestellt). Quantisierung Nach der Transformation werden die Koeffizienten des resultierenden Datenblocks quantisiert. Dies funk tioniert ähnlich wie das Runden in der Mathematik: Hier kann zum Beispiel der Wert 5 jede beliebige Zahl zwischen 4,5 und 5,4 sein. Übertragen auf die Videocodierung wird jeweils einem Wertebereich auf der Eingangsseite (x-achse der Grafik, siehe unten) nur ein einzelner Wert auf der Ausgangsseite (y-achse) der Quantisierung zugeordnet. Je nach Auflösung der Quantisierung (»QP«in der Abbildung unten) kann theoretisch eine beinahe beliebig starke Kompression erfolgen. Erst die Quantisierung entfernt Informationen aus dem Bild, ist also eine»irrelevanzreduktion«, da idealerweise nur die weniger wichtigen Details entfernt werden sollten. Eine hohe Kompression (Quantisierung mit geringer Auflösung) führt allerdings zu Bildartefakten bei der Decodierung, da der Fehler, der durch die Quantisierung Quantization entsteht, nicht mehr rückgängig gemacht werden kann. output level = output/qp 2 QP input Entropiecodierung Per Definition ist die Entropie die Menge an Zufall in einem System. Im letzten Schritt der Videokompression wird demnach mit statistischen Werkzeugen gearbeitet. Man versucht vorherzusagen, wie 17

18 oft ein bestimmter Wert auftreten wird. In der deutschen Sprache ist zum Beispiel die Auftrittswahrscheinlichkeit des Buchstabens»e«sehr hoch. Die Wahrscheinlichkeit, dass zwei»e«direkt nacheinander auftreten, ist wiederum eher gering. In der Videocodierung wird das Auftreten einzelner Koeffizienten und deren wiederholtes Auftreten betrachtet, um das Signal möglichst effizient zu speichern (»Lauflängencodierung«). Die Möglichkeit zur Ausnutzung von Redundanzen in den quantisierten Koeffizienten variiert abhängig vom Videocodec gängige Entropiecodierungsverfahren sind modifizierte Huffman-Codes, arithmetische Codes und kontextbasierte arithmetische Codes. So erreichen Videocodierverfahren Kompressionsraten von ca. 1:50 bis 1:100. Eine genaue, garantiert erzielbare Kompressionsrate lässt sich nicht angeben, da diese nicht nur vom Codieralgorithmus selbst abhängt, sondern auch sehr stark vom aktuellen Bildinhalt und dem Anspruch an die Bildqualität des codierten Videos. Skalierbare Videocodierung (SVC) Die neueste Entwicklung im Bereich der Videocodierung ist»svc«, also die skalierbare Videocodierung. SVC wurde vor wenigen Monaten offiziell als eine Erweiterung des AVC-Standards verabschiedet. SVC ermöglicht es, einen einzigen Videostrom in verschiedenen Auflösungsstufen zu codieren. Die unterste Stufe (»Baselayer«) wird dabei kompatibel zu AVC codiert. Die darauf aufbauenden Stufen (»Enhancement Layer«) codieren nur die Differenzen zwischen den einzelnen Layern und verwenden dabei zur Verbesserung der Codiereffizienz die unteren Layer mit. So kann beispielsweise ein Endgerät oder auch ein Knotenpunkt in einem Video-Verteilernetzwerk entscheiden, ob es nur den Basis-Layer verwendet beziehungsweise weiterleitet oder den kompletten Videostrom. Damit wird vermieden, dass mehrere Videoströme unterschiedlicher Auflösung parallel übertragen werden müssen (»Simulcast«). Standards und Anwendungen der Videocodierung Der in der Unterhaltungselektronik zurzeit noch am häufigsten anzutreffende Standard zur Videocodierung ist MPEG-2 mit den Hauptanwendungsgebieten DVD und digitales Fernsehen (DVB S/ C/ T). MPEG-2 wurde vor über zehn Jahren entwickelt und dabei für Standardfernsehauflösungen optimiert (SDTV, PAL 720 x 576 Bildpunkte). Wie auch bei anderen Videocodierungs-Standards werden»profiles«und»levels«verwendet, um die Komplexität des Gesamtstandards für bestimmte Anwendungen einzuschränken. Die einfachsten Profiles werden meist»simple«oder»baseline«genannt, die komplexeren»main«oder»high«. Levels bestimmen die maximalen Bildgrößen und Datenraten. Bei MPEG-2 wird überwiegend das»main Main Level«(MP@ML) eingesetzt. Übliche Datenraten dafür sind 5 bis 7 Mbit / s bei DVD und 3 bis 5 Mbit / s bei DVB-S. Für kleinere Auflösungen ist MPEG-2 nur bedingt geeignet. Im Mobilfunkbereich werden deswegen andere Standards, wie ITU-T H.263 für Auflösungen von 176 x 144 Punkten (»QCIF«) eingesetzt. H.263 wurde in den Neunziger Jahren hauptsächlich für Videokonferenzanwendungen und Bildtelefonie entwickelt. Der zurzeit modernste Standard»MPEG-4 AVC«ist wesentlich jünger; die erste Version ist 2003 erschienen. Er wurde gemeinsam von der ISO und der ITU entwickelt und ist deswegen unter zwei offiziellen Bezeichnungen bekannt: MPEG-4 Part 10 und ITU-T H.264. AVC ist für alle Auflösungen und Anwendungsbereiche geeignet von QCIF über SDTV bis HDTV. Bei mobilem Fernsehen (DVB-H und DMB) wird das AVC»Baseline Profile«bei einer Auflösung von 320 x 240 Punkten (»QVGA«) und Datenraten von 200 bis 300 kbit/s eingesetzt. Begünstigt durch die Tabelle 2: Einige in der Unterhaltungselektronikindustrie gebräuchliche Videocodierverfahren Verfahren Einsatzgebiet Auflösung Typische Datenraten MPEG-2 Video DVD, digitales Fernsehen (DVB) Optimiert für Standardfernsehauflösung SDTV Bei DVD 5 bis 7 Mbit / s, bei DVB 2 bis 5 Mbit / s MPEG-4 AVC / H.264 Mobiles Fernsehen (DVB-H), Internet-Video, Internet-Fernsehen IPTV, hochauflösendes Fernsehen HDTV (DVB-S2), HD-DVD, Blu-Ray Sehr flexibel: Von kleinen Auflösungen für mobile Geräte bis hin zu voller HD-Auflösung Bei mobilen Fernsehen 200 bis 300 kbit / s, bei HDTV 8 bis 14 Mbit / s 18

19 frühzeitige Unterstützung in Apple Quicktime 7 (seit 2005) und seit kurzem auch in Adobe Flash findet AVC auch zunehmend für Internet-Video im PC-Bereich Verwendung, obwohl hier noch proprietäre Verfahren wie Windows Media Video, RealVideo oder On2 genutzt werden. Bei IPTV wird meist mit Standardauflösung (SDTV) bei 1,5 bis 2 Mbit / s gearbeitet. Auch hierfür ist AVC sehr attraktiv (mit dem»main Profile«beziehungsweise dem»high Profile«). Damit wird beispielsweise Live-TV über übliche DSL-Datenraten möglich. Am anderen Ende des Spektrums bei HD-Auflösungen führt ebenfalls kein Weg an AVC vorbei. Für HDTV bei DVB-S2 wird AVC High Profile momentan bei einer Auflösung von 1920 x 1080 verwendet, bei Datenraten von 10 bis 14 Mbit / s. Außerdem wird AVC High Profile bei der HD-DVD und Blu-Ray Disc eingesetzt. Exkurs: Digitales Kino Dr. Siegfried Fössel, Angela Raguse Aufwändige Computer-Animationen, beeindruckender Surround-Ton das Kino hat sich in den vergangenen Jahren rasant entwickelt. Digitale Projektionen in den Lichtspielhäusern sind zwar noch nicht überall gang und gäbe, aber»digital Cinema«ist auch in Europa angekommen. In den kommenden fünf Jahren sollen bis zu Kinosäle digital ausgestattet werden und mit brillanten Bildern die Kinofreunde in die Filmtheater locken. In Guildford bei London, UK, und in Chicago, USA, sind bereits die ersten Kinosäle mit»4k-projektion«ausgestattet. Digital projiziert wird aber auch schon in vielen anderen Kinos.»4K«steht dabei für eine Auflösung von 4096 x 2160 Pixel oder 8 Mega pixel. Zum Vergleich: Das herkömmliche Fernsehbild hat eine Auflösung von 720 x 576 Pixel (0,4 Mega pixel), hochauflösendes HDTV (»Full HD«) wird mit 1920 x 1080 Pixel dargestellt (2 Megapixel oder»2k«). Auch wenn die Zahl an digital produzierten und vor allem digital postproduzierten Filmen in den letzten fünf Jahren erheblich gestiegen ist, und immer mehr digitale Kameras in Kinoqualität Eingang in die Filmwelt finden vieles hat sich bis heute nicht verändert: Die bewegten Kinobilder werden wie vor hundert Jahren häufig noch auf Film gebannt. Doch der Abschied von der Filmrolle hat begonnen. Eine wichtige Voraussetzung für den Erfolg des digitalen Kinos ist, dass die Filme auch überall uneingeschränkt abspielbar sind. Dazu ist die Standardisierung von Formaten und die Interoperabilität von Systemen unbedingt notwendig. Im Jahr 2002 schlossen sich sechs der großen Filmstudios zur»digital Cinema Initiative«(DCI) zusammen, um mit Hilfe von Richtlinien und Testplänen für die Umsetzung des digitalen Kinos eine standardisierte Basis für die Hersteller von Kinoequipment zu schaffen. JPEG2000 für Digitales Kino Bei der Produktion von digitalen Kinofilmen fallen gigantische Datenmengen an allein beim Dreh einzelner Szenen etwa 20 bis 50 Gigabyte, für einen ganzen Film bis zu 20 Terabyte in unkomprimierter Form. Um diese Informationen am Set speichern zu können, bedarf es einerseits eines handlichen und leistungsfähigen Recorders, andererseits sind auch neue Codierverfahren notwendig. Als erste Maßnahme der DCI und der SMPTE wurde für die Distribution der Filme die JPEG2000-Codierung für das Digitale Kino standardisiert. Die JPEG2000-Codierung zeichnet sich für die Anwendung bei qualitativ hochwertigen Bilddaten durch zwei Vorteile aus: Zum einen bietet JPEG2000 die sogenannte Skalierbarkeit der Bilddaten, zum anderen intraframebasierte Kompression (Bild-für-Bild- Codierung) und eignet sich so auch für den Arbeitsbereich des Videoschnitts. Zudem bietet JPEG2000 die Codierung von Bildern mit größerer Bittiefe wie 12 oder 16 Bit pro Farbkomponente. Im Gegensatz zur MPEG-Codierung, die nur 8 bis 10 Bit erlaubt. Vorteil von JPEG2000: Bild-für-Bild-Codierung für bildgenauen Schnitt auch nach der Codierung Im Anwendungsfall einer Filmproduktion bietet die JPEG2000-Codierung die Möglichkeit, verschiedene Auflösungs- beziehungsweise Qualitätsstufen aus den digitalen Originaldaten zu extrahieren, ohne das Original zu verändern. Dies gilt sowohl für den verlustlosen als auch für den verlustbehafteten Fall. Mit niedrig aufgelösten Dateien im sogenannten»resolution Level«können die Schritte in der Postproduktion, wie zum Beispiel Farbkorrekturen, Rohschnitte, Animationen, relativ schnell durchgeführt werden. Die in diesen technischen und kreativen Prozessen erarbeiteten und ausgewählten Parame- 19