Component - för entusiaster av ljud och bild.

Algolith Flea - brusreducering som fungerar!

Som produkttestare är det viktigt att hålla ett öppet sinne för olika typer av produkter. Det är även viktigt att belysa dem ur olika perspektiv, och inte minst att testa dem grundligt. Men det går inte att komma ifrån att det på något vis känns mer intressant att testa stora, dyra och till synes mer avancerade produkter.

Därför var jag minst sagt avogt inställd till att testa en produkt som går under namnet lusen, hur intressant kan det vara? Det var med stor skepsis jag plockade fram produkten ur sitt paket… Men ibland så slår verkligheten tillbaka och ens förutfattade meningar kommer på sned. Detta är ett sådant tillfälle!

Introduktion
Algolith, som grundades 2003 som en avknoppning från Miranda Technologies (utvecklar och tillverkar high-performance hårdvara för TV distribution), är ett kanadensiskt företag som specialiserar sig på avancerad videoprocessning, både genom hårdvara och mjukvara. De är i största grad ett högteknologiskt företag, där alla utom tre personer är ingenjörer. Eftersom de har sin bakgrund inom Broadcasting, så ligger det årtal av erfarenhet bakom deras specialisering inom mattematiska algoritmer för “pixel-by-pixel-mapping” och bildekorrigering.

Algoliths produktportfölj omfattar både produkter som hanterar skalning och deinterlaceing, men även brusreducering. ”Flea HDMI”, som testas här, är den minsta produkten både till storlek och pris, och den fokuserar helt på att rensa bort olika digitalt introducerade problem i videosignalen. Flea finns även som analog version, då med komponentanslutningar.

Algolith Flea - brusreducering som fungerar!

Flea hanterar i realtid både avancerad brusreducering (2D och 3D) samt förbättrar olika komprimeringsartefakter från källor som t ex DVD eller digital-TV, (kabel eller satellit), ja till och med HD-källor (upp till 1080p/24). Med Flea kan man med andra ord ta emot komprimerade signaler och tvätta dem från problem, innan man skickar signalen vidare till sin display.

Konstruktion, utseende och inkoppling
Flea levereras i en låda tillsammans med en Demo DVD, en strömadapter och ett litet ställ. Som namnet antyder är Flea en mycket liten produkt, till och med betydligt mindre än den ser ut att vara på bild. Den är silverfärgad och min första association var en hårddisk eller en liten TV-mottagare. Flea är faktiskt så liten och lätt att det ställ som ingår har tyngder i sig för att den inte skall falla omkull när den placeras stående i en hemmabio.

Att koppla in Flea är barnsligt enkelt. Eftersom den dessutom fungerar som en HDMI-switch, det vill säga två HDMI-ingångar och en HDMI-utgång var det bara att koppla in två HDMI-kablar till Flea och sedan koppla en HDMI-kabel till displayen. När man kopplar in Flea för första gången rekommenderar jag att man använder den medföljande demoskivan. Den innehåller en handledning där man får en genomgång av alla olika filter som Flea är utrustad med, och är speciellt framtagen för att optimera varje inställning i tur och ordning.

Man ställer in Flea med de knappar som finns på framsidan. Att man endast kan styra Flea på detta sätt kan vara en nackdel, men Algolith planerar att möjliggöra styrning via fjärrkontroll i framtiden. Detta kommer dock att vara en option som man får köpa till i efterhand. Inställningarna för varje funktion är unika för varje enskild upplösning och ingång (dvs SD eller HD), vilket innebär att när man en gång har gjort dem så kommer Flea ihåg dem, och man behöver inte tänka mer på att skifta minnen.

FLEA använder sig av fyra olika distinkta tekniker för bildförbättring. Jag kommer att gå igenom dem i detalj senare, men för att ge er en uppfattning så är de som följer.

Först och främst så används Algolith's egenutvecklade och patenterade pixel-baserade algorithm för att reducera “mosquito noise”. Som god tvåa appliceras Block Artifact Reduction (BAR), vilken arbetar på att jämna ut och ta bort macroblocking problem som kan uppstå i de 8 x 8 pixel stora block strukturen från MPEG2 material.

Sedan kommer Algolith's mycket avancerade motion adaptive temporal filtering, vilken både förbättrar dåliga (brusiga) signaler och mer eller mindre eliminerar vad som kallas low light noise, dvs brus i lågdagrar. Sist men inte minst så appliceras olinjära filter på detta för att minska risken för edge enhancement och ringing.

Det går att ställa Flea i ett speciellt läge, såkallat ”split screen”, där man sida vid sida kan se samma bild både före och efter att alla filter är pålagda. Detta är mycket användbart när man ställer in Flea, och man häpnar ofta när man ser vilka skillnader det kan vara på bilden före och efter.

Man kan även välja att helt slå av processningen, samt att använda Flea som switch.

Funktioner och Inställningar
Inställningarna som kan göras på Flea kan verka begränsade, men tillräckliga. De olika funktionerna är:

1. MNR/DNR – Här kan man välja mellan MPEG Noise Reduction (MNR) och Dynamic Noise Reduction (DNR). MNR, oftast kallat “mosquito noise”, är slumpmässigt brus som oftast är synligt runt kanter på objekt. Detta brus uppkommer på alla komprimerade digitala bild signaler som t ex MPEG2. Den andra typen, Dynamic Noise, syns som rörligt brus och kan bero på t ex dålig mottagning eller låg signalstyrka. Detta är ett ”analogt” problem och beror inte av datakomprimering.

Algolith Flea - brusreducering som fungerar!

2. BAR - Block Artifact Reducer, kan väljas av eller på. Macroblocking problem uppstår alltid (mer eller mindre synligt) när en bild komprimeras och sparas digitalt. Mest synligt blir detta i snabbt rörliga delar av bilden, där delar av bilden nästan verkar delas upp i små block. BAR reduktion hjälper till att reducera detta genom att interpolera och jämna ut effekten mot omkringliggande områden.

3. 2D Spatial Filtering – Detta är en brusreduceringsalgoritm där bilden behandlas som statisk, dvs mosquito noise kommer att analyseras per pixel på ”picture-by-picture” bas. Denna inställning sätts på en skala mellan 0 (off) till 15 (max).

4. 3D Temporal Filtering - Detta är en brusreduceringsalgoritm där bilden behandlas som rörlig. Skillnaden mot 2D är att pixlarna kommer att analyseras för rörelse genom flera bilder, för att fastställa om de är rörliga eller inte. Detta korreleras sedan mot 2D filtret i realtid och beslut fattas om man skall applicera 2D eller 3D för varje pixel. Denna inställning sätts på en skala mellan 0 (off) till 15 (max).

Algolith Flea - brusreducering som fungerar!

5. Detail Enhancement – Något som appliceras efter MPEG noise reduction. Detail Enhancement ger en ökad detaljnivå, utan att återintroducera olika problem som tidigare tagits bort. Normalt använder sig traditionella ”förbättrings algoritmer” av t ex ”unsharp mask” eller en högpassfiltrering med lite gain för att sedan ”sätta ihop”, eller smälta samman hög och lågpass pixlarna till en ny bild. Dessa tekniker är ”multidirectional” vilket kommer att medföra att man kommer att introducera ringing vid skarpa kanter, eftersom man då alltid kommer att använda sig okorrelerade pixlar. Algolith använder sig här istället av korrelerade (riktningsbestämda) olinjärapixlar, vilket istället helt eliminerar ringing. Det ger också en robustare signal, vilket i sin tur också motverkar att brus bildas. Allt detta sker i tidsdomänen, dvs direkt på videoströmmen. Denna inställning sätts på en skala mellan 0 (off) till 15 (max).

6. Dynamic Range Stretcher – Detta är en funktion som är uppbyggd runt ett framräknat EQ histogram, som har en inbyggd funktion för att automatiskt maximera kontrasten med avseende på bildinnehållet. Resultatet är att bilden kommer att framstå med mer ”tryck”, men tyvärr samtidigt förändrar korrektheten på färger och gråskala. Algolith rekommenderar att ha denna avslagen, vilket även jag gör då den ser ut att åstadkomma ungefär samma saker som ”autokontrast” på plattskärmar.

Tekniken
Det som gör Flea unik är bl a de egenutvecklade algoritmer som i realtid kan skilja på 2D och 3D, samt hur den sedan behandlar bilden för att nå en så stor förbättring som möjligt. Algolith har här utvecklat algoritmer för både 2D och 3D som är känsliga för både rörelse och bildinnehåll, som t ex mönstrade områden, kanter osv. Denna regionsmappning utförs eftersom brus i bilden inte är slumpmässig, utan är en slaggprodukt från komprimeringen – då bör ju även filtreringen utföras på samma sätt. Växlingen mellan 2D och 3D är sömlös för användaren.

De flesta som läser Component har säkert stött på olika typer av brusreducering, antingen i DVD-spelare eller i TV-apparater. För det mesta är denna funktion en så kallad ”temporal noise reduction”, även kallad 3D-brusreduktion. Den arbetar lite förenklat genom att gruppera ihop ett antal bilder för att sedan fatta beslut om vad som är brusbaserat på snabba rörelser.

Vad man sedan gör är att försöka minska hastigheten inom dessa områden. Detta gör att man ofta tappar i upplösning vid snabba rörelser och att bilden mjukas upp – alltså att man tappar detaljskärpa. 3D-brusreduktion fungerar dessutom bäst på analoga källor, och det vill man ju särskilja från digitala källor – där man har betydligt värre uppgifter att brottas med.

Digitala källor har ofta nämligen mycket stora komprimeringsproblem, vilket. visar sig dels genom såkallad macroblocking - men även genom ”Mosquito Noise”, ett problem som ofta syns som en suddig ”halo” runt objekt. För denna typ av problem används istället för 3D metoden ett såkallat ”2D Spatial Filter”. Detta filter använder sig av en algoritm som analyserar områden i en bild och sedan skiljer ut vad som är brus och sedan tar information i intilliggande pixlar och adderar till detta brus. På så vis ”mixar” man ihop de korrekta pixlarna med de brusiga.

Algolith Flea - brusreducering som fungerar!

I områden med mycket brus och låg illuminans (mörka områden) är det ofta mycket svårt att skilja på bildinnehåll och brus. Om man där använder såkallade temporal filters (IIR) så kan man genom att öka informationsflödet, dvs analysera över så många bildrutor som möjligt, bättre detektera bruset och behålla huvudbilden.

Då detta sker i realtid behövs många parallella processer, något som en FPGA (Field Programmable Gate Array) är extremt lämpad att göra. Algolith använder sig av en Stratix FPGA från Altera, ideal för videoprocessning.

Algolith använder sig av tre parallella vägar genom FPGA:n, nämligen en ”detection path”, en ”decision path” och en ”processing path”. Det finurliga är att alla dessa tre vägar är öppna samtidigt, något som FPGA är utformad för att göra. Vad medför detta då?

Jo, låt oss säga att vi processar en pixel i ett område med ett visst mönster. Denna pixel kommer då att bli associerad med tidigare beräknade data för brus, rörelse och region och så vidare. Då kommer man i ”decision path” att kunna bestämma vilken metod man skall använda för filtrering (och även nivån på densamma) för det som detekterats i ”detection path” och sedermera kan man processa detta i ”processing path”. All denna processning görs med endast 21 videolinjers fördröjning, vilket motsvaras av ca: 1,3 ms för 480i-video för det ”värsta” fallet. Denna fördröjning är inte detekterbar när man tittar på film.

Vän av ordning kan, och bör fråga sig: Hur fungerar Block Artifact Reduction (BAR) med alla nya codecs som använder sig av “variable block size” (e.g. VC1 and H264)?

Förnärvarande fungerar faktiskt endast den “vanliga” standard blockstorleken på 8x8 (och 16x16, vilket är en multipel av 8x8). Algolith arbetar dock på en lösning där man kommer att adressera variabel blocksize, men inga datum är klara. De har dock redan utfört en del tester med den nuvarande BAR funktionen, och den visar faktiskt på mycket bra resultat. Vad som sker då är att man endast behandlar den större blockstorleken, och den mindre blockstorleken påverkas inte alls av BAR.

Video Performance
Jag har använt Flea till flera olika källor, både med standardupplösta signaler (DVD, TV) och högupplösta signaler (Blu-ray och HD DVD). Oavsett vilken signaltyp jag har matat Flea med så har resultatet varit enastående och odiskutabelt. Flea stödjer signaler från 480i till 1080p24, dvs även 720p50/60 samt 1080i 50/60.

Vad som bör nämnas är att om man skickar RGB över HDMI till Flea så kommer delar av signalen att ”klippas”, nämligen vad som kallas ”Blacker-than-Black” (BTB) och ”Whiter-than-White” (WTW). Det beror på att tillverkaren av HDMI Chip (Silicon Image) har ett generellt problem med detta. Problemet undviks helt om man istället ställer in sin källa på att skicka ”YCbCr”, eller digital komponentsignal.

Flea fungerar verkligen som en tvättmaskin när den är rätt inställd. Jag har tittat på åtskilliga av mina äldre DVD-releaser, som tidigare har varit så dåliga att jag inte gärna tittat på dem med projektor, där nu kvaliteten på min 110 tum stora filmduk upplevs på samma nivå som mer moderna releaser utan Flea.

Ett av de hårdare testerna jag utsatte Flea för var om den kunde påverka kvaliteten på en av de bästa releaser på HD DVD som jag sett, nämligen Peter Jacksons King Kong. Eftersom den nästan uteslutande är filmad i den digitala domänen, samt även till stor del datoranimerad, så borde den ha extremt låga nivåer med brus och komprimeringsproblem. Svaret lät sig inte vänta på sig: förbättringen var omedelbar, och detaljnivån samt närvaron i både skärpa och tredimensionalitet var imponerade. Men oavsett hur bra en DVD- eller HD-signal från en plastskiva blir så var det först när jag kopplade in Flea för att processa TV-signaler som jag verkligen häpnade. Även om jag under lång tid har känt till den låga kvaliteten på TV-signaler, speciellt uppblåst till bildstorlekar över 40 tum, så har jag inte vetat hur bra det kan bli. Med Flea rensades brus och komprimeringsproblem bort, och äntligen kunde jag börja njuta av bilden på mina displayer.

Jag upplevde i princip samma förbättring oavsett programtyp (nyheter, sport, film), och för en gångs skull blev fotboll via projektorn en njutning. En person i min testpanel frågade till och med om det var HDTV som visades, så stor upplevde han skillnaden.

Slutomdöme
Algolith har för mig med Flea omdefinierat marknaden när det gäller brusreduktion. Jag har tidigare alltid varit skeptisk mot funktioner som utger sig för att förbättra signaler. Detta beroende på att dessa produkter oftast har förbättrat något, men som bieffekt försämrat ett antal andra punkter. Med Flea rätt inställd så har jag däremot inte kunnat se några bieffekter, utan bilden har markant förbättrats, oavsett källa. I princip har det blivit bättre ju sämre källmaterialet har varit.

De enda nackdelar jag kan se är att priset kan förefalla högt för en vanlig konsument, samt att den inte i nuläget (men sannolikt i framtiden) går att fjärrstyra. Man kan även tycka att det är synd att den inte har fler ingångar – men då finns ju storebror Mosquito.

Men oavsett pris så är Algolith Flea en skänk från ovan för både videofiler eller konsumenter som vill sparka nytt liv i bilden, oavsett källa. Algolith Flea är definitivt en produkt som måste upplevas – men var beredd på att du inte kommer att kunna vara utan den efteråt.

Algolith Flea
• 2 HDMI in
• 1 HDMI ut
• USB port för uppgraderingar
• Port för inkoppling av extern fjärrkontroll
• Fläktlöst chassi med extern DC nätadapter
• Andra generationens 3D-MNR (Mosquito Noise Reduction)
• 3D-DNR Gaussian Noise Reduction
• Andra generationens Block Artifact Reduction (BAR)
• Automatisk interlaced/progressive och SD/HD detektion

• Pris: 11 000 kronor



Skriven av:
Pär Hörnell

Publicerad: 2007-04-30
Uppdaterad: 2007-06-17