0 引言

視頻會議的發(fā)展經(jīng)歷了一個從無到有、從不成熟到基本成熟的過程。在這個發(fā)展過程中，又相繼出現(xiàn)了電視會議、桌面會議、多媒體會議等多種遠(yuǎn)程會議系統(tǒng)。視頻會議系統(tǒng)發(fā)展的關(guān)鍵技術(shù)之一是視頻編碼。利用低比特率的視頻編解碼方案H.263 建議，可將視頻圖像最少壓縮到大約20 kbps，以使其能在普通電話線上通過28.8 kbps 的V.34Modem 傳送音頻信號。事實上，在音視頻編碼協(xié)議不斷改進(jìn)與發(fā)展的同時，視頻會議本身的協(xié)議也實現(xiàn)了更新?lián)Q代，目前已出現(xiàn)了基于分組交換網(wǎng)的H.323 建議。視頻會議向高性能、多功能、協(xié)同性、智能化和集成化方向發(fā)展的另一個關(guān)鍵技術(shù)是多畫面合成技術(shù)。

由于傳統(tǒng)采用RGB 格式存儲數(shù)據(jù)流以用于多畫面合成的方法十分浪費資源。因此，為了在有限的頻帶條件下最大限度地提高資源利用率，本文提出了一種在不影響畫面質(zhì)量的同時解決其資源利用問題的新方案。事實上。視頻會議多畫面軟件已經(jīng)應(yīng)用到生活的諸多領(lǐng)域。而且將會有更廣泛地使用。

1 數(shù)據(jù)流的捕獲

Windows 下捕獲數(shù)據(jù)包的結(jié)構(gòu)如圖l 所示，其中NDIS 的NDIS (Network Driver Interface Specification)是Microsoft 和3Com 公司聯(lián)合制定的網(wǎng)絡(luò)驅(qū)動規(guī)范，該規(guī)范提供有大量的操作函數(shù)。它可為上層的協(xié)議驅(qū)動提供服務(wù)，從而屏蔽了下層各種網(wǎng)卡的差別。NDIS 向上可支持多種網(wǎng)絡(luò)協(xié)議，例如TCP/IP、NWLink IPX/SPX、NETBEUI 等，向下則可支持不同廠家生產(chǎn)的多種網(wǎng)卡。

利用 winpcap 進(jìn)行網(wǎng)絡(luò)數(shù)據(jù)包的捕獲和過濾的設(shè)計步驟如下：

(1)打開網(wǎng)卡，設(shè)置網(wǎng)卡為混雜模式;

(2)回調(diào)函數(shù)Network Tap，得到監(jiān)聽命令后從網(wǎng)絡(luò)設(shè)備驅(qū)動程序處收集數(shù)據(jù)包，并把監(jiān)聽到的數(shù)據(jù)包傳送

給過濾程序;

(3)當(dāng)Packet filter 監(jiān)聽到數(shù)據(jù)包到達(dá)時，NDIS 中間驅(qū)動程序調(diào)用分組驅(qū)動程序，該程序可將數(shù)據(jù)傳遞給每一個參與進(jìn)程的分組過濾程序;

(4)由Packet filter過濾程序決定丟棄或接收數(shù)據(jù)包，并將接收的數(shù)據(jù)拷貝到相應(yīng)的程序;

(5)通過分組過濾器后，再將未過濾掉的數(shù)據(jù)包提交給核心緩沖區(qū)，當(dāng)系統(tǒng)緩沖區(qū)滿后，再將數(shù)據(jù)包拷貝到用戶緩沖區(qū)。監(jiān)聽程序可以直接從用戶緩沖區(qū)中讀取捕獲的數(shù)據(jù)包;

(6)關(guān)閉網(wǎng)卡。

2 視頻數(shù)據(jù)流的解碼

捕獲到的視頻數(shù)據(jù)流。通常在網(wǎng)絡(luò)傳輸中都采用H.263視頻編碼建議，其圖像格式為CIF格式。H.263-CIF格式的數(shù)據(jù)流是一種壓縮編碼圖像格式，這種格式在網(wǎng)絡(luò)傳輸過程中可節(jié)省頻帶資源，可在有限的帶寬下最大限度地提高資源利用率。但是，CIF格式必須經(jīng)過處理才能應(yīng)用于多畫面合成。只有通過解碼使捕獲到的視頻數(shù)據(jù)流變成YUV(RGB)格式后，此圖像格式才可直接運用于多畫面合成，而且此格式的圖像合成也比較方便、快捷。為了使圖像由H.263格式轉(zhuǎn)變?yōu)閅UV(RGB)格式，應(yīng)運用H.263解碼器進(jìn)行解碼。其編解碼算法的概要圖如圖2所示。

3 多畫面合成

視頻數(shù)據(jù)流經(jīng)過解碼之后，可將其變成YUV(RGB)格式。下一環(huán)節(jié)即是視頻數(shù)據(jù)流的合成(多畫面合成)，這也是本文的關(guān)鍵技術(shù)。在視頻會議系統(tǒng)中，參加會議的與會者或許不只兩、三個，所有與會者可能分布全國乃至世界各地。為了使每個與會者都能進(jìn)行面對面的直接交流，就需要在同一時間看到所有的與會者，因此，多畫面合成技術(shù)必不可少。通過多畫面合成能使N個不同的視頻畫面實時地在同一臺顯示器上顯示，這樣，每一位與會者就都可以運用該軟件看到其他成員。

YUV主要的采樣格式有YCbCr4：2：O、YCbCr4：2：2、YCbCr4：1：1和YCbCr4：4.：4。其中YCbCr4：1：1比較常用，其含義是每個點保存一個8 bit的亮度值(也就是Y值)，每2x2個點保存一個Cr和Cb值，這樣，圖像在人的視覺中不會起太大的變化。RGB (R，G，B都是8 bit unsigned)模型的4個點需要8×3=24 bits，而現(xiàn)在僅需要8+(8/4)+(8/4)=12 bits，平均每個點占12 bits。這樣就把圖像的數(shù)據(jù)壓縮至一半。YUV411為每個像素都提取Y分量，UV分量在水平方向上每4個像素采樣一次。YUV420并非V分量采樣為0，而只是跟YUV411相比，在水平方向上提高了一倍的色差采樣頻率，并在垂直方向上以U/V間隔的方式減小了一半色差采樣。

經(jīng)過解碼即可得到Y(jié)UV格式的數(shù)據(jù)流，H.263-CIF的圖像格式亮度取樣像素個數(shù)、亮度取樣行數(shù)為352x288，圖像是由許多像素點組成的，即一幅H.263-CIF圖像占有352×288個像素點，經(jīng)過解碼。這些值將不變化，即YUV格式的亮度取樣像素個數(shù)、亮度取樣行數(shù)也為352×288、也占有352×288個像素點?，F(xiàn)在假設(shè)視頻數(shù)據(jù)是YUV420格式.它的采樣格式為4：2：0。在對YUV420格式的視頻數(shù)據(jù)進(jìn)行存儲時，可按照圖3所示的存儲格式，先存儲所有的Y，之后存儲U，再存儲V，并且每個像素點占用一個Y，平均四個像素點占用一個U和V。每個像素點占用一個字節(jié)，則一幅圖像所占用的字節(jié)數(shù)將是352×288×(1+1，4+1/4)。