8 ビット動画とは
8 ビット動画は、各サンプルの各色成分を 8 ビット整数として格納し、成分ごとに 256 通りのコード値を表現します。VP8 および H.264 の Constrained Baseline、Main、High プロファイルでは、これが唯一のビット深度です。一方、ITU-R BT.2100 は、整数 HDR 信号を 10 ビットまたは 12 ビットと規定しています。
8 ビット動画の仕組み
ビット深度とは、サンプルの各成分の量子化に使用するビット数です。八ビットでは 256 通りのコードを表せますが、そのうちどれが映像を表すかは信号レンジによって決まります。HDTV 規格の ITU-R BT.709 では、輝度と R′G′B′ の黒をコード 16、公称ピーク白を 235 としています。色差成分は 16 から 240 の範囲で 128 を中心とし、0 と 255 はタイミング参照用に予約されています。一方、フルレンジ動画は 0 から 255 を使用します。同規格の 10 ビット符号化では、範囲が 64 から 940 となり、8 ビットの一段階が四段階に相当します。この 8 ビットの粗い間隔が、成分あたり 10 ビット未満でグラデーションに目立つ縞が生じることがある理由です。クロマサブサンプリングとレンジは、ビット深度とは別に選択します。ピクセルフォーマットはビット深度とクロマ配置の組み合わせを表し、コーデックプロファイルはストリームで使用できる組み合わせを制限します。レンジは通常、別のタグで示されます。ただし、HDR にはこの選択の自由はありません。BT.2100 では、整数の PQ 信号と HLG 信号を 10 ビットまたは 12 ビットに限定しています。
要点
- 8 ビットのコードが黒、白、あるいはそのどちらでもない値を表すかは、信号レンジによって決まります。リミテッドレンジ(TV または MPEG)では、輝度の黒は 16、公称白は 235 で、色差値は 16 から 240 の範囲です。フルレンジ(PC または JPEG)では、0 から 255 の範囲を使います。リミテッドレンジ動画をフルレンジとして読み取ると、黒と白が 0 と 255 ではなく 16 と 235 に位置するため、コントラストが低下します。すべての変換でレンジタグとサンプルの整合性を保ち、変換でレンジが変わるたびにタグを更新してください。たとえば、YouTube はフルレンジでアップロードされた動画をリミテッドレンジに変換します。
- コーデックプロファイルは、ストリームで使用できるビット深度とクロマフォーマットを制限します。H.264 の Constrained Baseline、Main、High、HEVC Main、VP9 Profile 0、VP8 は、8 ビットの 4:2:0 クロマに制限されます(H.264 High はモノクロも許可します)。したがって、すべての WebRTC ブラウザーに実装が義務付けられている二つの動画コーデック、VP8 と H.264 Constrained Baseline は、8 ビット専用です。10 ビットの 4:2:0 には、H.264 High 10、HEVC Main 10、VP9 Profile 2 などの上位プロファイルが必要です。また、8 ビットの 4:2:2 または 4:4:4 には、H.264 High 4:2:2、H.264 High 4:4:4 Predictive、VP9 Profile 1 などのプロファイルが必要です。H.264 High 10 と HEVC Main 10 は 8 ビット動画も許可するため、プロファイル名だけではビット深度を特定できません。
- トランスコードするだけでは、8 ビットの
4:2:0 出力は保証されません。FFmpeg の H.264 エンコードガイドは、ソースによっては
QuickTime やその他のほとんどのプレーヤーで再生できないピクセルフォーマットが出力に使われる可能性を警告し、
yuv420pを明示的に指定するよう勧めています。FFmpeg の命名では、yuv420pは 8 ビットの 4:2:0 を表し、yuv420p10leはその 10 ビット版にあたります。そのため、ソースと出力の両方のピクセルフォーマットを確認してください。ピクセルフォーマットは伝達関数を表しません。また、FFmpeg ではダイナミックレンジ間のトーンマッピングを別のフィルターtonemapとして説明しています。したがって、yuv420pを指定しても、PQ や HLG のソースは SDR にはなりません。 - ビット深度の高い素材を 8 ビットに減らすと、ほぼ平坦な領域にバンディングが生じる場合があり、ディザリングで必ず解消できるわけではありません。FFmpeg の
zscaleフィルターは、規則的、ランダム、誤差拡散のディザリングを提供しますが、デフォルトではいずれも適用しません。また、FFmpeg はバンディング除去フィルターgradfunを再生専用と説明しています。非可逆圧縮ではディザーが除去され、縞が再び現れやすいためです。
8 ビット動画が重要になる場面
できるだけ幅広いブラウザーやプレーヤーで再生する必要がある標準ダイナミックレンジの配信には、8 ビット出力を選び、ピクセル形式を明示的に指定してください。指定しないと、エンコーダーが元の高ビット深度の形式や 4:2:2 形式を維持する場合があります。ビット深度とダイナミックレンジは別の概念です。10 ビットのソースが必ずしも HDR とは限らず、HDR ソースを 8 ビットのピクセル形式に変換するだけでは SDR にはなりません。HDR 配信では、少なくとも 10 ビットと、PQ または HLG の伝達関数を組み合わせてください。8 ビットのエンコード結果でバンディングを確認する際は、まず、ほぼ均一な領域となめらかなグラデーションを調べてください。
8 ビット動画での Transloadit の活用
Transloadit の Robot /video/encode は、ffmpeg パラメーターのオプションを FFmpeg に渡します。これらのオプションは選択したプリセットより優先されるため、Assembly ではソースやプリセットに頼らず、8 ビットの 4:2:0 出力を明示的に指定できます。たとえば、pix_fmt に yuv420p を設定します。
プリセットの表にはコンテナー、コーデック、ビットレート、解像度が記載されていますが、ピクセル形式は記載されていません。エンコード後のファイルを解析してビット深度を確認してください。
出典
- 勧告 ITU-R BT.709-6:HDTV 規格のパラメーター値(PDF)
- 勧告 ITU-R BT.2100-3:ハイダイナミックレンジテレビの画像パラメーター値(PDF)
- MDN:ウェブ動画コーデックガイド
- WebM Project:VP9 符号化プロファイル
- RFC 7742:WebRTC の動画処理とコーデックの要件
- FFmpeg wiki:H.264 動画エンコードガイド
- FFmpeg フィルタードキュメント(scale、zscale、gradfun、tonemap)
- FFmpeg n7.1 ソース:libavutil/pixfmt.h のピクセルフォーマット定義
- YouTube ヘルプ:アップロード時の推奨エンコード設定
- YouTube ヘルプ:ハイダイナミックレンジ(HDR)動画のアップロード