Personal #multimedia#video 2 min

Entendiendo los frames I, P y B

Traducción del original en catalán. Léela en: CatalàEnglish

Al oír hablar de formatos de vídeo, codecs, DivX, MPEG4, etc. a menudo salen en la conversación términos como los I-frame, P-frame y B-frame. Cansado de que me suene a chino he decidido hacerme un pequeño resumen de qué es todo esto, siempre desde el punto de vista de alguien que sabe bien poco de estos temas.

Podemos dividir los 'frames' de vídeo en 3 tipos:

  • I-Frame: también llamado keyframe. No tiene ningún frame de referencia y puede ser decodificado por sí mismo. Podemos pensar que es algo parecido a un JPEG.

  • P-Frame: El contenido del mismo se deduce de un frame previo de tipo I o P, es imposible decodificarlo sin mirar esta referencia.

  • B-Frame: para decodificarlos hay que mirar los frames anteriores y siguientes de tipo I y P.

Este último tipo de frames son interesantes por dos razones:

  • Son fáciles de predecir

  • No impactan en la calidad de los frames siguientes

Debido a que los B-frames dependen del pasado y el futuro, entonces el decodificador necesita frames I-P del pasado y el futuro para poder decodificar el frame B. Eso nos lleva a los conceptos PTS/DTS.

  • PTS Presentation Time Stamp: también podemos entenderlo como una forma de saber el número de frame, orden en que se pueden ver los frames decodificados.

  • DTS Decoder Time Stamp: orden en que se procesan los frames para ser decodificados.

Un ejemplo, para entenderlo mejor:

  • Supongamos que esto es un pequeño vídeo: I-0 B-1 B-2 P-3

  • El orden DTS sería: I-0 P-3 B-1 B-2

Para simplificar las cosas el vídeo se almacena en el orden DTS.

El problema

Llegados a este punto podéis imaginaros el problema que supone mostrar un vídeo en orden, ya que el decodificador tiene que ir componiendo los frames para mostrarlos además de insertar frames donde no los hay para mostrar el frame que toca.

DIVX (y Xvid)

Estos famosos codecs para atacar este problema usan un pequeño truco. La idea sería usar una variante de los frames PB y empaquetan varios frames en uno. Eso hace que las aplicaciones se piensen que solo hay un frame y el codec oculta el resto.

Por ejemplo, si tenemos un fichero que tiene empaquetado lo siguiente:

In (0 3 1 2) - - - ...

el codec tendrá que sacar esto:

Out 0 1 2 3 ...

El codec pone frames de tipo 'null' en el lugar donde deberían estar los frames que no tiene por el hecho de tenerlos empaquetados en un frame. Los codecs ya saben que cuando reciben un frame null tienen que descartarlos.

Desde el punto de vista del codificador, es importante fijarnos que no se introduce un delay correspondiente a los frames nulls. En un fichero AVI no hay ninguna relación entre el PTS/DTS guardada en ningún sitio para informar al decoder cuándo este tiene que reproducir.