量化硬件实现.docVIP

量化(Quantisation)的硬件实现 图一 帧内编码框图 帧内预测的目的是生成对当前宏块的预测值，一个宏块由一个16x16的luma 分量和两个8x8的chroma分量构成。luma块有Intra_16x16和Intra_4x4这两类帧内预测方式 ，而两个chroma分量则采用相同的预测方式。Intra_16x16 是对整个16x16大小的luma进行预测，一般用于图像比较平坦的区域。共有 4 种预测方式，而 Intra_4x4 方式是将 16x16 大小的 luma 划分为16 个 4x4 大小的亮度块，然后对每个 4x4 大小的块进行预测，共有9种预测方式。对于 chroma 分量 Cr 和 Cb 预测是对整个 8x8 块进行的，共4种预测方式 。 将图像的当前值与帧内预测生成的预测值相减，形成预测残差。残差中仍然含有空间冗余，为了消除这种冗余，通常采用变换编码，即变换-量化-熵编码三步。变换并不压缩数据，它只是消除数据中的相关性，或者说将数据中的冗余或相关性以一种便于随后进行熵编码的方式表现出来。压缩是在熵编码步骤中完成 的。此外，为了进一步减少数据量，编码器还对变换后的系数进行量化，它的实质是减少数据的取值范围以减少每一个符号的熵，它会造成信息的损失，是有损编码的一个重要步骤 它也是控制图像率失真R-D特性的一个主要手段。在H.264中，变换与量化两个步骤紧密相连。 图二 H264编码器变换与量化过程 图像编码中最常用的变换编码方式是DCT（离散余弦变换），在图二中，输入值是预测残差，输出值是为准备进行熵编码的数据。为了更大程度地利用空间冗余，对于Intra_16x16帧内预测模式，H.264在对16x16的luma 分量的16个4x4 块进行DCT变换后，将每个4x4块的DC系数（还没有经过量化）提取出来，组成一个4x4的luma DC块，对其再进行4x4的哈达玛（Hadamard）变换， 同样，对8x8 chroma分量的4个4x4块进行DCT变换后，也将每个4x4块的DC系数提取出来，组成一个2x2 的chroma DC块，对其进行2x2的Hadamard变换。 一 变换过程： 变换的标准： 1 变换后的数据应该是无相关性，并且是紧凑的（大部分的信息（能量）集中在一小部分值中）。 2 变换应该是可逆的。 3 变换应该是可实施的（所需容量，计算复杂度）。 公式一 DCT的整数变换公式 这里的“点乘”是借用Matlab里的概念，含义为两个矩阵对应元素相乘，用符号 ?表示 。矩阵乘法满足结合律，所以变换是可分离的。那么对于2-D 变换就可以用 1-D 变换来实现。所谓可分离的变换，是指变换可以分做两步完成。先对需要做变换的矩阵的每一列做1-D变换，再对其结果的每一行做1-D变换。这个次序也可以反过来，先行后列，在具体实现的时候为了减少运算量，每一步可以采用蝶型算法，这种矩阵运算算法构造非常巧妙，利用构造的矩阵的整数性质和对称性，可完全将乘法运算转化为加法运算。以公式一的第一步对 X的第一列进行 1-D变换为例，其运算过程如下式所示： 公式二 对应的蝶形算法如下图所示： 图三 蝶形算法实现 公式二中需要进行12次加法，4次乘法，而蝶形算法仅需8次加法2次乘法，它利用了运算中的冗余，降低了运算量，其代价是需要额外的存储空间存放中间变量。 变换过程在JM中代码实现如下： // Horizontal transform水平变换，其实就是左乘Cf, for (j=0; j BLOCK_SIZE !lossless_qpprime; j++) { for (i=0; i 2; i++) { i1=3-i; m5[i]=img-m7[i][j]+img-m7[i1][j]; m5[i1]=img-m7[i][j]-img-m7[i1][j]; } img-m7[0][j]=(m5[0]+m5[1]); img-m7[2][j]=(m5[0]-m5[1]); img-m7[1][j]=m5[3]*2+m5[2]; img-m7[3][j]=m5[3]-m5[2]*2; } // Vertical transform垂直变换，其实就是右乘CfT for (i=0; i BLOCK_SIZE !lossless_qpprime; i++) { for (j=0; j