MPEG-4-Video Standard Seite 29 von 103 Technische Informatik 10.10.2003 Die Bilder einer Videosequenz werden seit jeher Blockweise kodiert. Das heißt ein Bild wird  in  ein  regelmäßiges  Blockraster  unterteilt  (vgl.  DCT),  deren  Inhalte  dann  kodiert werden.   In   MPEG-4   wird   jede   Szene   als   Komposition   einer   oder   mehrer   VOs beschrieben.  Sind  es  ganze  Sequenzen,  wird  ein  VO  als  Sequenz  von  Video  Object Planes (VOPs) definiert, wobei jeder VOP als eine Instanz des VO zu einer bestimmten Zeit t betrachtet wird. So ist ein VOP vergleichbar mit einem Frame (MPEG-1/2) in einer Framesequenz,   die   durch   ein   VO   beschrieben   wird..   Ein   VOP   wird   durch   seine Luminanz-,  Chrominanz-  (vgl.  YUV-Farbmodell)  und  Shape-Komponenten  (vgl.  Shape Coding)  beschrieben  und  kann  sowohl  rechteckig  als  auch  beliebig  gestaltet  sein.  Die komplette Hierarchie des MPEG-4-Bitstroms wird in (Abb.9) beschrieben.   An der Spitze steht die Visual Sequence (VS), die beispielsweise eine komplette Szene eines Films repräsentiert. Eine VS ist unterteilt in VOs, den Video-Objekten (z.B. eine Person in einer Szene), von denen mehrere Video Object Layers (VOLs) zur Verfügung stehen    können.    Im    Falle    einer    qualitativen    Skalierung    sind    es    verschiedene Auflösungen.  VOPs  mit  gleichen  Eigenschaften  können  zu  Group  of  VOPs  (GOVs) gebündelt     werden,     um     mit     Headern     versehen     Random     Access     oder     die Resynchronisation zu unterstützen.   Für die Kodierung wird ein VOP in VOP-Bounding-Boxes gebündelt (rechteckige Felder zusammenhängender  Texturen,  Umrisse  oder  Transparenz  für  jede  Zeitinstanz),  und abschließend  in  16x16  Luminanz-  und  Chrominanz-Makroblöcke  zerlegt.  Das  ist  auch der Grund, weshalb Videofilme nicht beliebig skaliert sein dürfen, sondern immer einem Vielfachen von 16 Pixeln entsprechen müssen. 3.2.1   Motion Compensation und Estimation   MPEG-4  gliedert  sich  in  zwei  wesentliche  Kodiermodi,  der  Kodierung  herkömmlicher rechteckiger   VOs   und   der   Kodierung   VOs   beliebiger   Form.   Wird   ein   normales rechteckiges  Videobild  kodiert,  werden  dem  Decoder  nur  Bewegungs-  und  Texture- Informationen  übermittelt.  Formen  werden  nicht  benötigt.  In  diesem  Stadium  gleicht MPEG-4 den vorherigen Standards sehr. Nur wird hier von VOPs und nicht von Frames gesprochen. Ein Bild einer Videosequenz, ein VOP, wird in 16x16 Macroblocks (MBs) mit jeweils Licht- und Farbwerten  behandelt, wobei zwischen zwei Modi unterschieden wird:  
Intra Mode Luminanz- (Y) und Chrominanzwerte (U, V) werden für jeden MB unabhängig von vorherigen oder zukünftigen VOPs kodiert.
Inter Mode Die   Differenz   der   Luminanz   bzw.   Chrominanz   eines   MB   wird   hinsichtlich vorhergesagter zukünftiger oder vergangener VOPs kodiert. Der  Inter  Mode  ist  die  eigentliche  Idee,  die  hinter  dem  MPEG-Konzept  steht.    Hierbei wird   ausgenutzt,   dass   sich   zwei   aufeinanderfolgende   Bilder   oft   nur   geringfügig unterscheiden  (wenn  es  sich  um  keinen  echten  Filmschnitt  handelt),  so  dass  nur  die Unterschiede   (zu   zukünftigen   oder   vergangenen   VOPs)   zu   einem   Referenzbild gespeichert werden müssen. Dieses Prinzip der Ausnutzung der Redundanz wird auch als Predictive Coding bezeichnet. Ein VOP kann, wie ein Frame, als I-, P- oder B-VOP kodiert  sein.  Intra-VOPs  (I-VOPs)  werden  unabhängig  von  anderen  Objekten,  also vollständig   wie   ein   JPEG-Bild   komprimiert.   Predicted   VOPs   (P-VOPs)   werden   in