مقایسه نمونه‌برداری رنگ ۴:۲:۲ و ۴:۲:۰: این دو عدد چگونه انعطاف‌پذیری اصلاح رنگ ویدیو را تعیین می‌کنند

برای فیلم‌سازان مستقلی که در سال ۲۰۲۶ در حال بستن تجهیزات دوربین خود هستند، برگه مشخصات فنی یک خط قرمز روشن دارد: یا برای بدنه‌ای که ویدیوی ۴:۲:۲ می‌گیرد هزینه بیشتری بپردازید، یا با پذیرش ۴:۲:۰ هزاران دلار صرفه‌جویی کنید. اجماع حرفه‌ای‌ها بر این است که ۴:۲:۲ حداقل استاندارد مطلق برای کارهای تجاری است و استدلال می‌کنند که هر چیزی کمتر از آن، به محض اینکه کالریست یک اصلاح رنگ سنگین اعمال کند یا بخواهد یک پرده سبز تمیز درآورد، از هم می‌پاشد. در مقابل، مهندسان پخش اینترنتی و تولیدکنندگان محتوای اقتصادی استدلال می‌کنند که ۴:۲:۰ در خروجی نهایی برای چشم انسان غیرقابل تشخیص است، که همین موضوع جریمه سنگین ذخیره‌سازی ۴:۲:۲ را به یک مالیات غیرضروری در تولید تبدیل می‌کند.[2][3]

این بحث بیشتر به یک ویژگی بیولوژیکی بینایی انسان بستگی دارد تا ریاضیات محض. چشم انسان دارای سلول‌های استوانه‌ای (تشخیص‌دهنده روشنایی) بسیار بیشتری نسبت به سلول‌های مخروطی (تشخیص‌دهنده رنگ) است. مهندسان ویدیو دهه‌ها پیش متوجه شدند که اگر بیننده نتواند داده‌های اضافی را درک کند، انتقال یک تصویر رنگی با وضوح کامل، هدر دادن پهنای باند است.[1]

برای بهره‌برداری از این موضوع، ویدیوی دیجیتال تصویر را به دو کانال مجزا تقسیم می‌کند: لوما (Luma) که نشان‌دهنده روشنایی یا پایه سیاه‌وسفید تصویر است، و کروما (Chroma) که اطلاعات رنگ را نشان می‌دهد. نمونه‌برداری رنگ (Chroma subsampling) فرآیندی است که در آن بخش قابل‌توجهی از داده‌های رنگی دور ریخته می‌شود، در حالی که داده‌های روشنایی کاملاً دست‌نخورده باقی می‌مانند.[4]

سیستم سه‌عددی - مانند ۴:۲:۲ یا ۴:۲:۰ - دقیقاً توضیح می‌دهد که چه مقدار داده رنگی در یک بلوک مشخص از پیکسل‌ها حفظ می‌شود. عدد اول، معمولاً ۴، نشان‌دهنده عرض بلوک نمونه پیکسلی است. عدد دوم نشان می‌دهد که چند پیکسل در ردیف بالای آن بلوک داده‌های رنگی منحصربه‌فرد دریافت می‌کنند، و عدد سوم نشان می‌دهد که چند پیکسل در ردیف پایین داده‌های رنگی منحصربه‌فرد دریافت می‌کنند.[5]

در یک سیگنال ۴:۴:۴، تک‌تک پیکسل‌ها داده‌های لوما و کرومای منحصربه‌فرد خود را دریافت می‌کنند. این حالت ایده‌آل و فشرده‌نشده است که در دوربین‌های سینمایی رده‌بالا و جریان‌های کاری جلوه‌های ویژه پیشرفته استفاده می‌شود، اما حجم فایل‌هایی که تولید می‌کند آن‌قدر عظیم است که برای دوربین‌های استاندارد مصرف‌کننده یا نیمه‌حرفه‌ای غیرعملی باقی می‌ماند.[4]

با پایین آمدن به سطح ۴:۲:۲، دوربین وضوح کامل لوما را حفظ می‌کند اما وضوح رنگ افقی را به نصف کاهش می‌دهد. در یک بلوک با عرض چهار پیکسل، ردیف بالا دو نمونه رنگ و ردیف پایین نیز دو نمونه رنگ دریافت می‌کند. به گفته دیجیتال کمرا ورلد (Digital Camera World)، این بدان معناست که «ویدیوی ۴:۲:۲ دو برابر ۴:۲:۰ داده‌های رنگی را حفظ می‌کند» و فایلی قدرتمند ارائه می‌دهد که می‌تواند در برابر دستکاری‌های سنگین در مرحله پس‌تولید مقاومت کند.[2]

مشخصات ۴:۲:۰ فشرده‌سازی را یک قدم جلوتر می‌برد. این فرمت وضوح رنگ را هم به صورت افقی و هم عمودی به نصف کاهش می‌دهد. در همان بلوک پیکسلی چهار در دو، تنها ردیف بالا دو نمونه رنگ دریافت می‌کند و ردیف پایین به سادگی آن‌ها را کپی می‌کند. نتیجه این است که ۴:۲:۰ تنها ۲۵ درصد از داده‌های رنگی اصلی را در مقایسه با سیگنال ۴:۴:۴، و نیمی از آن را نسبت به سیگنال ۴:۲:۲ حفظ می‌کند.[1]

با وجود این از دست رفتن عظیم داده‌ها، ۴:۲:۰ استاندارد بلامنازع برای خروجی نهایی است. هر ویدیویی که در یوتیوب پخش می‌شود، هر فیلمی که در نتفلیکس تماشا می‌کنید و هر دیسک بلوری که فروخته می‌شود، بر نمونه‌برداری ۴:۲:۰ متکی است. لایو‌ای‌پی‌آی (LiveAPI) اشاره می‌کند که برای پخش زنده، ۴:۲:۰ گزینه پیش‌فرض است زیرا بدون کاهش کیفیت تصویر درک‌شده برای بیننده نهایی، بیت‌ریت مورد نیاز را به شدت کاهش می‌دهد.[5]

تفاوت حیاتی نه در زمان پخش، بلکه در مرحله پس‌تولید آشکار می‌شود. هنگامی که یک تدوینگر ویدیو سعی می‌کند رنگ‌های یک فایل ۴:۲:۰ را تغییر دهد - مثلاً برای گرم کردن یک صحنه با نورپردازی ضعیف یا بازیابی جزئیات در سایه - کمبود داده‌های رنگی زیربنایی بلافاصله نمایان می‌شود. تصویر اغلب دچار شکستگی می‌شود، اعوجاج‌های بلوکی نشان می‌دهد، در گرادیان‌های نرم مانند آسمان نواربندی (Banding) ایجاد می‌کند و تغییر رنگ‌های غیرطبیعی خواهد داشت.[2]

این شکنندگی همان دلیلی است که ۴:۲:۲ به شدت برای اصلاح رنگ ترجیح داده می‌شود. داده‌های رنگی اضافی یک بافر فراهم می‌کند و به تدوینگر اجازه می‌دهد تا تصویر را بدون نمایان شدن فشرده‌سازی، بسط داده و دستکاری کند. تحلیل سال ۲۰۲۶ اینوریتی (Inverity) برجسته می‌کند که برای وظایفی که نیاز به تشخیص دقیق لبه‌ها دارند، مانند جداسازی سوژه در برابر پرده سبز، نصف شدن وضوح رنگ عمودی در ۴:۲:۰ لبه‌های دندانه‌دار و نادقیقی ایجاد می‌کند که ماسک کردن تمیز آن‌ها بسیار دشوار است.[4]

با این حال، انعطاف‌پذیری ۴:۲:۲ هزینه گزافی در فضای ذخیره‌سازی و قدرت پردازش به همراه دارد. از آنجا که این فرمت دو برابر داده‌های کرومای ۴:۲:۰ را حفظ می‌کند، فایل‌های ویدیویی حاصل به طور قابل‌توجهی بزرگ‌تر هستند. تولیدکننده‌ای که یک مستند چندساعته را با کیفیت 4K و فرمت ۴:۲:۲ فیلم‌برداری می‌کند، ترابایت‌ها کارت حافظه گران‌قیمت CFexpress را پر خواهد کرد و برای مرور روان فیلم‌ها به یک ایستگاه کاری تدوین بسیار قدرتمندتر نیاز خواهد داشت.[3]

گفت‌وگو پیرامون نمونه‌برداری رنگ همچنین به طور جدایی‌ناپذیری با عمق رنگ، به ویژه جهش از رنگ ۸ بیتی به ۱۰ بیتی، گره خورده است. در حالی که نمونه‌برداری رنگ وضوح فضایی رنگ را تعیین می‌کند، عمق بیت تعداد کل رنگ‌های ممکن را مشخص می‌کند. یک فایل ۸ بیتی می‌تواند تقریباً ۱۶.۷ میلیون رنگ را نمایش دهد، در حالی که یک فایل ۱۰ بیتی می‌تواند بیش از ۱.۰۷ میلیارد رنگ را نشان دهد.[1]

در سال‌های اخیر، تولیدکنندگان دوربین شروع به ارائه ضبط ۱۰ بیتی ۴:۲:۰ به عنوان یک حد وسط کرده‌اند. این ترکیب، گرادیان‌های نرم و پالت رنگی عظیم ۱۰ بیتی را فراهم می‌کند، از نواربندی وحشتناک در آسمان جلوگیری می‌کند و در عین حال حجم فایل‌های قابل مدیریت نمونه‌برداری ۴:۲:۰ را حفظ می‌کند. برای بسیاری از تولیدکنندگان محتوا، این نقطه ایده‌آل بین انعطاف‌پذیری و کارایی است.[2]

انتخاب بین ۴:۲:۲ و ۴:۲:۰ کل مسیر پس‌تولید را تعیین می‌کند. خریدارانی که روی دوربینی صرفاً برای ثبت رویدادهای خانوادگی، ضبط مصاحبه‌های طولانی با نورپردازی کنترل‌شده، یا پخش مستقیم در وب سرمایه‌گذاری می‌کنند، ۴:۲:۰ را کاملاً کافی خواهند یافت و در هزینه بدنه دوربین و فضای ذخیره‌سازی مورد نیاز صرفه‌جویی می‌کنند.[5]

در مقابل، حرفه‌ای‌هایی که کارهای تجاری، موزیک ویدیو یا هر پروژه‌ای که قرار است اصلاح رنگ سنگین و جلوه‌های ویژه داشته باشد را فیلم‌برداری می‌کنند، باید ۴:۲:۲ را به عنوان یک نیاز غیرقابل مذاکره در نظر بگیرند. سرمایه‌گذاری اولیه روی فضای ذخیره‌سازی و قدرت پردازش، بهای ضروری برای تصویری است که وقتی در اتاق تدوین به مرزهای نهایی خود رانده می‌شود، از هم نپاشد.[6]