視頻編碼標準H.264的核心技術(shù)分析

3.1 幀內(nèi)預測編碼模式

在視頻編碼中，通常的方法是把整幅圖像分為若干宏塊，然后對每一個宏塊進行編碼。在編碼時采用Intra或Inter兩種模式。在Intra模式中通常直接對宏塊進行DCT變換，對變換系數(shù)進行熵編碼。這樣做在一定程度上消除了幀內(nèi)的空間冗余度，但是由于DCT只是利用了宏塊內(nèi)部像素之間的相關(guān)性，而沒有考慮相鄰宏塊間的相關(guān)性。H.264引入了Intra預測的方法，利用相鄰宏塊的相關(guān)性對待編碼的宏塊進行預測，對預測殘差進行變換編碼，以消除空間冗余。值得注意的是，以前的標準是在變換域中進行預測，而H.264是直接在空間域中進行預測。

3.2 幀間預測編碼模式

H.264在運動估計中采了許多新技術(shù)，主要包括可變塊大小、多幀運動估計、亞像素精度的運動估計以及去塊效應濾波等。

⑴ 去塊效應濾波

它的作用就是用來消除解碼圖像中的塊效應。塊效應產(chǎn)生的原因是各個宏塊分別進行量化，這樣在相鄰宏塊的交界處，因量化步長不同而導致原本很接近的像素值重構(gòu)后產(chǎn)生了較大的差異，形成明顯的塊邊界。去塊效應濾波是在4×4的塊邊界上濾波，使塊邊界趨于平滑。

⑵ 可變塊大小塊大小對運動估計的效果是有影響的。將宏塊分割成不同尺寸的運動補償子塊稱作樹狀結(jié)構(gòu)運動補償。宏塊的分割和子宏塊的分割各包括四種類型，如圖3所示。較小的塊可以使運動估計更精確，產(chǎn)生較小的運動殘差，降低碼率。在H.264建議的不同大小的塊選擇中，可以看出，一個宏塊最多可以攜帶16個不同的運動矢量。配合多幀運動估計，同一宏塊中的不同塊還可以使用不同的參考幀來進行預測。

圖3 運動補償?shù)暮陦K分割

頂端：宏塊的分割

底端：宏塊的子分割

⑶ 多幀運動估計

與以前視頻壓縮標準中使用的單幀運動估計技術(shù)相比，H.264使用的多幀運動估計具有更高的效率，更強的差錯穩(wěn)健性。所謂多幀運動估計是指使用一個或多個參考幀來估計運動矢量，可以防止因某個幀出現(xiàn)錯誤而影響到后面的幀。但是，這種估計需要更大的內(nèi)存，更高的運算復雜度。

⑷亞像素精度的運動估計

在H.264中，運動估計的精度由H.263中的半像素提高到像素，并且把像素作為可選項。與半像素精度的運動估計一樣， 像素精度的運動估計使用內(nèi)插得到半像素和像素位置的點。

在H.264的幀間預測編碼中，仍可以繼續(xù)采用三步搜索算法找出與當前宏塊最匹配的塊。在塊匹配中，塊的位移與塊的中心或塊中任何一點的位移是等價的。因此，塊的位移可以理解為中心點的位移。在三步算法中，搜索范圍為 7,即在上一幀以當前子塊為原點，將當前子塊在其上下左右距離為7的范圍內(nèi)按一定規(guī)則移動，每移動到一個位置，取出同樣大小的子塊與當前子塊進行匹配計算。具體分為以下三步：

①以當前子塊為中心，以4為步幅，將圖4中標出的9個位置為中心的子塊與當前子塊進行匹配，求出最佳匹配的子塊中心位置。

②以①中求出的最佳子塊為中心，例如，x=4,y=0,以2為步幅，將圖中的9個位置為中心的子塊與當前子塊進行匹配，求出最佳匹配的子塊中心位置。

③以②中求出的最佳子塊為中心，例如，x=4,y=0,以1為步幅，將圖中的9個位置為中心的子塊與當前子塊進行匹配，求出最佳匹配的子塊中心位置,它與當前子塊中心的位置偏移量即為估計的位移量。

3.3 整數(shù)DCT變換

H.264標準中使用4×4的整數(shù)DCT變換作為殘差宏塊的基本變換，這種變換的對象是經(jīng)過運動補償預測或者幀內(nèi)預測后的包含殘差數(shù)據(jù)的4×4塊。這類變換是基于DCT變換，但又不同于DCT。

由于DCT變換是實數(shù)，量化時需對系數(shù)進行四舍五入，從而影響了運算的精度。同時，傳統(tǒng)的DCT存在不匹配問題，產(chǎn)生參考幀的偏移，直接影響到重建圖像的質(zhì)量。

H.264建議的整數(shù)DCT變換的所有操作都使用整數(shù)算法，變換的核心部分主要是加法和移位。在整個變換和量化的過程中，只執(zhí)行16bit的整數(shù)算法和一次乘法操作。只要在H.264建議基礎(chǔ)上正確使用相應的反變化，編碼器和解碼器就不會出現(xiàn)不匹配現(xiàn)象。它的正反變換矩陣分別為

其中的系數(shù)基本上都是整數(shù)，1/2可以用移位代替。在變換中由于乘法均可由移位運算代替，因此，復雜度降低的同時，也解決了精度問題。

H.264中的宏塊大小為16×16，對其中每個4×4大小的塊進行上述4×4的DCT變換后，得到16個4×4的變換矩陣。為了進一步提高壓縮效率，該建議還允許把每個4×4的變換矩陣中的直流分量DC，單獨取出組成一新的4×4矩陣，對此矩陣進行Hardamard變換。宏塊的數(shù)據(jù)傳送順序如圖5所示。

3.4 熵編碼

H.264建議同時采用了兩種熵編碼模式：基于上下文的二進制算術(shù)編碼CABAC，以及可變長編碼VLC。VLC編碼又包括基于上下文的自適應可變長編碼CAVLC。

CABAC方式利用了算術(shù)編碼的方法，一個符號可以用少于1bit來表示。根據(jù)無誤碼的假設(shè)條件下的試驗所得的數(shù)據(jù)可知，在所有碼率下，CABAC的表現(xiàn)都強于CAVLC。但是CAVLC的抗誤碼性要強于CABAC，且運算的復雜度也遠遠低于CABAC。因此，H.264規(guī)定在Baseline Profile 中采用CAVLC,而在Main Profile 中采用CABAC進行熵編碼。

4 小結(jié)

與以往的視頻編碼標準相比，H.264建議在其系統(tǒng)結(jié)構(gòu)、運動估計和運動補償、宏塊的變換和量化以及熵編碼等各方面都有明顯的提高，具有更高的編碼效率和更強的網(wǎng)絡適應性。在相同的圖象質(zhì)量下，H.264/AVC的算法比以前的標準如H.263或MPEG-4節(jié)約了50%左右的碼率。H.264的不同Profile既可以應用于實時通信，也可應用于對時延要求不高的其他應用中。此外，該建議增加了NAL層，負責將編碼器的輸出碼流適配到各種類型的網(wǎng)絡中，從而對網(wǎng)絡傳輸具有更好的支持功能。同時，它具有較強的抗誤碼特性，可適應丟包率高、干擾嚴重的無線信道中的視頻傳輸。因此，H.264支持不同網(wǎng)絡資源下的分級編碼傳輸，從而獲得平穩(wěn)的圖像質(zhì)量，能適應于不同網(wǎng)絡中的視頻傳輸，網(wǎng)絡親和性好。