基于PC機(jī)的MPEG-4編碼原理研究及實(shí)現(xiàn)

1、    基于PC機(jī)的MPEG-4編碼原理研究及實(shí)現(xiàn)        梁偉偉，李玉山，劉洋 時(shí)間:2010年05月20日     字 體: 大 中 小        關(guān)鍵詞:<"cblue" " target='_blank'>PC機(jī)<"cblue" " MPEG-4編

2、碼" target='_blank'> MPEG-4編碼                0 引言         隨著多媒體業(yè)務(wù)的發(fā)展，日益增長(zhǎng)的多媒體通信量和有限的通信帶寬之間的矛盾日益突出。為了減小傳輸?shù)臄?shù)據(jù)量，國(guó)際電信聯(lián)盟和MPEG標(biāo)準(zhǔn)組織都制定過(guò)各自的視頻壓縮標(biāo)準(zhǔn)。其中，最新MPEG-4標(biāo)準(zhǔn)以其高壓縮率，支持低碼率傳輸和基于對(duì)象

3、編碼等優(yōu)點(diǎn)，而在傳真、視頻點(diǎn)播、電視會(huì)議、醫(yī)用圖像傳輸?shù)阮I(lǐng)域廣泛應(yīng)用。         MPEG-4繼承了MPEG-2中檔次和等級(jí)概念，共有視頻檔次、音頻檔次、圖形檔次和場(chǎng)景描述檔次共四類。檔次是針對(duì)某一特定的應(yīng)用而采用的編碼工具，它是MPEG-4提供的工具集中一個(gè)子集，不同的檔次就是不同的子集。每一個(gè)檔次分為一個(gè)或多個(gè)等級(jí)，等級(jí)則定義了比特流參數(shù)的規(guī)格，實(shí)際上是限定了解碼一個(gè)編碼序列所應(yīng)具備的性能。        MPEG-

4、4的獨(dú)特之處在于支持基于內(nèi)容的編解碼，為此引入了視聽(tīng)對(duì)象AVO(AudioVIDEO Object)的概念。AVO可以是一幅圖像中一個(gè)小提琴或琴聲等，每個(gè)AVO可獨(dú)立編碼，但相互之間又存在著時(shí)空結(jié)構(gòu)關(guān)系，因此編碼時(shí)，必須傳送編碼對(duì)象的組成結(jié)構(gòu)信息體“場(chǎng)景描述”，以表示場(chǎng)景中各AVO之間的時(shí)空結(jié)構(gòu)關(guān)系。解碼時(shí)根據(jù)此“場(chǎng)景描述”對(duì)圖像和聲音的有關(guān)內(nèi)容進(jìn)行編輯和操作。視聽(tīng)對(duì)象還可以是一個(gè)矩形幀，從而使MPEG-4兼容原來(lái)的MPEG標(biāo)準(zhǔn)。視聽(tīng)對(duì)象中的視頻對(duì)象VO通常由3類信息來(lái)描述，即運(yùn)動(dòng)、形狀和紋理信息。    1 編碼原理   

5、    <"cblue" " MPEG-4編碼" title=" MPEG-4編碼"> MPEG-4編碼器主要由形狀編碼、紋理編碼和運(yùn)動(dòng)編碼三部分組成。幀格式分為I-VoP，P-VOP和B-VOP。這里只討論I-VOP和P-VOP。I-VOP采用紋理編碼來(lái)消除一幀圖像數(shù)據(jù)間的空間冗余度；P-VOP是參考前一幀圖像，并采用兩種參數(shù)來(lái)編碼。一種是當(dāng)前要編碼的圖像與參考圖像之間的差值；另一種是運(yùn)動(dòng)矢量。編碼器的具體結(jié)構(gòu)模塊如圖1所示。   1.1 形狀編碼&#

6、160;       形狀編碼主要用于記錄從圖像序列中提取VOP的形狀信息，該信息分為二值形狀信息和灰度形狀信息。二值形狀信息用0和1兩個(gè)值表示VOP的形狀；灰度形狀信息用0255表示VOP區(qū)域的不同透明度。在編碼時(shí)，當(dāng)提取的VOP具有非矩形形狀時(shí)，需要對(duì)其進(jìn)行邊界擴(kuò)展，使其矩形邊界都是16的倍數(shù)，同時(shí)保證擴(kuò)展后的面積最小，然后進(jìn)行形狀編碼；當(dāng)提取的VOP為矩形時(shí)(矩形的長(zhǎng)度和寬度都是16的倍數(shù))，形狀編碼就會(huì)被屏蔽。    1.2 紋理編碼   

7、0;    紋理編碼主要對(duì)I-VOP內(nèi)的圖像像素或P-VOP內(nèi)的差值像素進(jìn)行編碼，包括DCT、量化、DC和AC預(yù)測(cè)、熵編碼等過(guò)程，最大程度地去除當(dāng)前VOP內(nèi)各像素之間的空間冗余度。        視頻的第一幀圖像采用I-VOP格式編碼，其余的幀采用I-VOP，還是P-VOP格式則受兩個(gè)因素制約。其用戶會(huì)按照IPPPIPPPI的方式設(shè)置當(dāng)前幀所采用的格式；二是已經(jīng)人為地設(shè)置了當(dāng)前幀為P-VOP，通過(guò)運(yùn)動(dòng)估計(jì)計(jì)算mad_P的值，如果mad_P滿足下列兩個(gè)條件之一，則當(dāng)前幀就采用P-VOP編

8、碼格式，否則采用I-VOP編碼格式。         條件1：mad P<503；         條件2：mad          P<50，并且IntraMBRatio<0.4。其中，IntraMBRatio為當(dāng)前幀中采用MBM_INTRA預(yù)測(cè)模式的宏塊占總宏塊的比重。  &#

9、160;     紋理編碼中的DCT和量化模塊比較簡(jiǎn)單，這里略過(guò)，重點(diǎn)介紹剩下的紋理編碼模塊。     1.2.1 DC和AC預(yù)測(cè)        8×8塊經(jīng)過(guò)DCT和量化后，系數(shù)排列呈現(xiàn)以下的規(guī)律，即非零系數(shù)集中在左上角，大部分的0系數(shù)集中在偏離DC系數(shù)向右和向下的位置上。特別是DC系數(shù)、第一行和第一列AC系數(shù)，數(shù)值非零且較大，如果能用較小的數(shù)值代替它們，會(huì)減少編碼后的位流數(shù)，于是產(chǎn)生DC和AC預(yù)測(cè)。

10、60;       在MPEG-4中，通常把一個(gè)宏塊分為6個(gè)8×8塊進(jìn)行DC和AC預(yù)測(cè)。        首先對(duì)8×8塊進(jìn)行DC預(yù)測(cè)。如圖2所示，X表示當(dāng)前的8×8塊；A，B和C表示X的相鄰8×8塊，其位置分別位于X的左邊、左上角和上邊。對(duì)X進(jìn)行DC預(yù)測(cè)就是采用相鄰塊的DC系數(shù)值預(yù)測(cè)X的DC系數(shù)值，關(guān)鍵是選擇哪個(gè)相鄰塊的DC系數(shù)。        程序

11、采用了以下策略選取相鄰塊。定義塊A，B，C，X的DC系數(shù)值分別為DC_A，DC_B，DC_C，DC_X。        如果DC_A與DC_B的差小于DC_B與DC_C的差，則DC_A與DC_B在數(shù)值上比較接近，即在垂直方向上的數(shù)值比水平方向上更接近，所以采用DC_C來(lái)預(yù)測(cè)DC_X；反之，在水平方向的數(shù)值比較接近，即采用DC_A來(lái)預(yù)測(cè)DC_X。        將當(dāng)前塊的DC系數(shù)與用來(lái)預(yù)測(cè)的相鄰塊的DC系數(shù)，經(jīng)過(guò)特定處理后做差，其差存放到

12、當(dāng)前塊的DC位置上，同時(shí)記錄此DC系數(shù)的預(yù)測(cè)方向。        AC預(yù)測(cè)主要是針對(duì)8×8塊的第一行或者第一列AC系數(shù)，其預(yù)測(cè)方向取決于當(dāng)前塊DC系數(shù)的預(yù)測(cè)方向。如圖2所示，如果之前DC預(yù)測(cè)為水平預(yù)測(cè)，則當(dāng)前塊X的第一列AC系數(shù)采用A塊的第一列AC系數(shù)預(yù)測(cè)，同時(shí)將X的第一列7個(gè)AC系數(shù)各自取絕對(duì)值后相加到變量S1(S1的初始值為0)上。將當(dāng)前塊第一列AC系數(shù)與用來(lái)預(yù)測(cè)的相鄰塊A的第一列AC系數(shù)做差，其7個(gè)差值存放到當(dāng)前塊的第一列AC系數(shù)的位置上，同時(shí)將7個(gè)差值各自取絕對(duì)值后相加到變量S2(S2的初始值為0

13、)上。如果之前的DC預(yù)測(cè)為垂直預(yù)測(cè)，則只進(jìn)行當(dāng)前塊X的第一行AC系數(shù)預(yù)測(cè)，其預(yù)測(cè)步驟同第一列AC系數(shù)的預(yù)測(cè)一樣。        有時(shí)AC預(yù)測(cè)會(huì)產(chǎn)生較大的預(yù)測(cè)誤差，并沒(méi)有達(dá)到節(jié)省位流的目的，因此必須判斷AC預(yù)測(cè)的有效性。在單個(gè)8×8小塊的AC預(yù)測(cè)中，用S1記錄了此小塊的第一行或第一列AC系數(shù)的絕對(duì)值之和，用S2記錄了第一行或第一列預(yù)測(cè)后7個(gè)差值的絕對(duì)和。以一個(gè)宏塊的6個(gè)8×8小塊為單位，將各個(gè)小塊的S1與S2之差相加，得到值S。如果S非零，則此宏塊進(jìn)行AC預(yù)測(cè)，其標(biāo)志ACpred_flag置1，否

14、則此宏塊不進(jìn)行AC預(yù)測(cè)，ACpred_flag置0。     1.2.2 之字型掃描         DC和AC預(yù)測(cè)之后，對(duì)8×8塊的系數(shù)進(jìn)行之字形掃描，共有Zigzag，Zigzag_v(交替垂直掃描)和Zigzag_h(交替水平掃描)三種掃描方式。采用何種掃描方式由三個(gè)要素決定，即幀內(nèi)還是幀間預(yù)測(cè)，AC預(yù)測(cè)標(biāo)志ACpred_flag的值，DC系數(shù)的預(yù)測(cè)方向。       &

15、#160;對(duì)于幀內(nèi)預(yù)測(cè)的宏塊，如果AC預(yù)測(cè)標(biāo)志ACpredflag為0，則此宏塊中的6個(gè)8×8塊都使用Zigzag掃描；如果AC預(yù)測(cè)標(biāo)志為1，則此宏塊中的6個(gè)8×8塊將根據(jù)各自的DC預(yù)測(cè)方向決定AC系數(shù)的掃描方向。如果DC預(yù)測(cè)為水平預(yù)測(cè)，則此8×8塊使用Zigzag_v掃描方式掃描系數(shù)，否則使用Zigzag_h掃描方式。        對(duì)于幀間預(yù)測(cè)的宏塊，其每個(gè)8×8塊統(tǒng)一采用Zigzag掃描方式掃描系數(shù)。      

16、;  8×8的系數(shù)矩陣經(jīng)過(guò)之字型掃描后，大部分非零系數(shù)集中在一個(gè)一維數(shù)組的前部，大部分零系數(shù)集中在此一維數(shù)組的后面，根據(jù)此特點(diǎn)便產(chǎn)生了游程編碼。     1.2.3 游程編碼和熵編碼         所謂游程編碼就是對(duì)8×8系數(shù)矩陣的AC系數(shù)進(jìn)行特定的處理，使其成為個(gè)數(shù)更少的三維矢量(Last，Run，Level)。其中，Level代表非0系數(shù)的大小。Run代表Level前面連續(xù)0的個(gè)數(shù)。Last代表終止標(biāo)志：其值為0時(shí)，表示

17、Level后還有不為0的系數(shù)；其值為1時(shí)表示該系數(shù)是最后不為0的數(shù)；余下的系數(shù)全為0。游程編碼生成三維矢量，壓縮了數(shù)據(jù)量，然后根據(jù)Last，Run和Level的不同組合作為索引，找到對(duì)應(yīng)Huffman編碼表中的碼字，生成碼流。      1.3 運(yùn)動(dòng)編碼          運(yùn)動(dòng)編碼對(duì)當(dāng)前P-VOP和參考VOP進(jìn)行運(yùn)動(dòng)估計(jì)與補(bǔ)償，減小幀間的時(shí)間相關(guān)性，實(shí)現(xiàn)壓縮。      

18、60;    通常采用塊匹配法進(jìn)行運(yùn)動(dòng)估計(jì)。塊匹配法就是針對(duì)當(dāng)前幀中某一特定大小的圖像塊，從參考幀的一定區(qū)域中找出該圖像塊絕對(duì)誤差和(Sum of AbsoluteDifference，SAD)的最小匹配塊，利用此匹配塊來(lái)預(yù)測(cè)當(dāng)前塊。圖像塊的絕對(duì)誤差和指兩個(gè)大小相同的圖像塊的中像素差的絕對(duì)值之和。SAD16×16函數(shù)實(shí)現(xiàn)當(dāng)前宏塊和參考宏塊間的絕對(duì)誤差和；SAD8×8函數(shù)實(shí)現(xiàn)當(dāng)前8×8塊與參考8×8塊間的絕對(duì)誤差和。        

19、60;確定了塊匹配準(zhǔn)則后，就要進(jìn)行最優(yōu)匹配點(diǎn)的搜索，MPEG-4校驗(yàn)?zāi)Ｐ妥詈蟛捎勉@石搜索法(Diamond Search，DS)。鉆石搜索法是一種利用搜索模板的形狀和大小，對(duì)運(yùn)動(dòng)估計(jì)算法速度及精度產(chǎn)生重要影響的快速搜索法。選用了兩種形狀和大小都不相同的搜索模板：一種是大鉆石搜索模板(Large DiamondSearch Pattern，LDSP)，它有9個(gè)候選位置：(0，0)，(0，2)，(1，1)，(2，0)，(1，-1)，(0，-2)，(-1，-1)，(-2，0)和(-1，1)。具體模板如圖3所示。一種是小鉆石搜索模板(Small Diamond SearchPattern，SDSP)，

20、它包含5個(gè)候選位置：(0，0)，(0，1)，(1，0)，(0，-1)和(-1，0)。具體模板如圖4所示。                                  鉆石搜索過(guò)程如下：以當(dāng)前幀的當(dāng)前宏塊的左上角起點(diǎn)坐標(biāo)為大模板的原點(diǎn)(0，0)，在參考幀的搜索范圍內(nèi)，分別以大

21、模板的(0，0)，(0，2)，(1，1)，(2，0)，(1，-1)，(0，-2)，(-1，-1)，(-2，0)和(-1，1)像素點(diǎn)作為宏塊的左上角起點(diǎn)，將該宏塊和當(dāng)前幀的宏塊做SAD16×16運(yùn)算，選擇SAD16×16值最小的左上角起點(diǎn)作為暫時(shí)的最佳匹配點(diǎn)，此點(diǎn)與當(dāng)前宏塊左上角起點(diǎn)之間的位移就是運(yùn)動(dòng)矢量。判斷此運(yùn)動(dòng)矢量是否適合特定的規(guī)則，如果不適合，則進(jìn)行新一輪的大鉆石模板搜索，直到找到適合條件的運(yùn)動(dòng)矢量。然后再以大鉆石模板搜索的最佳匹配點(diǎn)為中心點(diǎn)(0，0)，用小鉆石搜索模板進(jìn)行(0，1)，(1，0)，(0，-1)和(-1，0)四個(gè)參考點(diǎn)的精確搜索，搜索到的SAD16

22、15;16值最小點(diǎn)就是最終的最佳匹配點(diǎn)，最佳匹配點(diǎn)與當(dāng)前宏塊的左上角起點(diǎn)之間的位移就是最終的運(yùn)動(dòng)矢量。        以上是基于宏塊的全像素搜索，還可以選擇是否進(jìn)行基于8×8塊的全像素搜索。利用已經(jīng)得到的基于宏塊的運(yùn)動(dòng)矢量，找到基于宏塊的最佳匹配點(diǎn)。此匹配點(diǎn)為中心(0，0)，其他匹配點(diǎn)為(-1，-1)，(0，-1)，(1，-1)，(-1，0)，(1，0)，(-1，1)，(0，1)，(1，1)，分別以這9個(gè)匹配點(diǎn)作為8×8像素塊的左上角起點(diǎn)，將該8×8塊和當(dāng)前幀的8×8塊做絕對(duì)

23、差值和的運(yùn)算，選擇SAD8×8值最小的左上角起點(diǎn)作為最佳匹配點(diǎn)，以找到最佳運(yùn)動(dòng)矢量，得到宏塊內(nèi)每個(gè)8×8亮度塊的運(yùn)動(dòng)矢量和SAD8×8值。將4個(gè)SAD8×8的和與SAD16×16做比較，將較小值按照一定的規(guī)則處理，從而判斷當(dāng)前宏塊的預(yù)測(cè)模式為幀內(nèi)或幀間預(yù)測(cè)。        如果采用幀間預(yù)測(cè)，進(jìn)一步采用半像素搜索。首先對(duì)整個(gè)參考幀進(jìn)行雙線性差值，則參考幀的面積變?yōu)樵瓉?lái)的4倍，然后在特定的搜索范圍內(nèi)搜索出更精確的運(yùn)動(dòng)矢量，最后根據(jù)參考圖像的亮度信息、色度信息和運(yùn)動(dòng)矢量做

24、運(yùn)動(dòng)補(bǔ)償。        如果采用幀內(nèi)預(yù)測(cè)，不再對(duì)當(dāng)前宏塊進(jìn)行任何運(yùn)動(dòng)估計(jì)，相應(yīng)運(yùn)動(dòng)補(bǔ)償后的參考宏塊數(shù)值為0。        最后用當(dāng)前幀減去運(yùn)動(dòng)補(bǔ)償后參考圖像得到差值，將差值數(shù)據(jù)進(jìn)行紋理編碼；對(duì)每個(gè)宏塊的運(yùn)動(dòng)矢量進(jìn)行預(yù)測(cè)并求出差分值，對(duì)差分值進(jìn)行位流轉(zhuǎn)換并輸出。     2 編碼器的實(shí)現(xiàn)和測(cè)試        根據(jù)圖1并結(jié)合MPEG-4編碼器各個(gè)模塊的實(shí)現(xiàn)原理，進(jìn)行編碼器主函數(shù)的編寫和調(diào)試。初步確定編碼器的主函數(shù)應(yīng)包括以下三部分：        初始化部分由于參考代碼中存在RGB到Y(jié)UV的圖像格式轉(zhuǎn)換函數(shù)(本文未介紹)，則應(yīng)開(kāi)辟相應(yīng)的存儲(chǔ)BMP和YUV圖像的空間；還要開(kāi)辟空間存放編碼器生成的