浅析H.264中基于宏块灰度变化梯度优化插值算法.docVIP

浅析H.264中基于宏块灰度变化梯度优化插值算法 　　[摘要] 本文深入剖析了双线性及立方卷积法在H.264中的应用特点,提出根据宏块某一部分灰度分布的特定情况选择适当的插值算法。实验表明, 在提高插值精度的同时,一定程度上减少了运动搜索及插值运算的工作量。为基于H.264编码器的设计提供了一种新的思路。 　　[关键词] H.264立方卷积插值双线性插值最佳匹配运动搜索 　　 　　1 引言 　　H.264图像编码标准[1]是基于运动估计和补偿的,在搜索最佳匹配象素点时,未知的半像素、亚像素(1/4)精度图像信息必须通过空间内插得到。H.264建议采用二维六抽头维纳滤波器实现半像素点位置的插值,并进一步使用双线性插值法[2]来得到1/4像素点精度的数据。此插值方法相对简单,但仅考虑了四个直接邻点的影响,而未考虑到各邻点间变化率的影响,所以具有低通滤波器的性质,损失了高频分量。立方卷积法则利用了待采样点周围更大区域内像素的灰度值作三次插值,正确性更高。但算法相对复杂,运算量较大。 　　2 H.264中插值法算法的应用分析 　　2.1 运动搜索与插值算法 　　H.264支持多重参考帧选择和多达7种[3]的运动估计模式[4],所以运动估计在H.264编码器中占用运算量更大。各种用来减小运动估计的搜索算法一般可以分为两大类:①全局搜索(FS),通过辅助的策略减少搜索的计算量。如可以动态选择搜索中心或者提前跳出匹配搜索等来减少块匹配所需的计算量。②只对部分位置进行搜索,通过减少搜索空间中的候选位置或使用特定的匹配准则来减少计算量。如新二步搜索法(TSS)、新四步搜索法和钻石搜索法。不管采用何种搜索模式,必须先搜索到宏块的最佳匹配整象素点,然后进行第一次插值得到此整象素点最近的1/2象素点;再次搜索得到最佳匹配1/2象素点,进行第二次插值得到此半象素点最近的1/4象素点;最后搜索得到最佳匹配1/4象素点。因此,插值算法的选择及优化对运动搜索的速度及运动矢量精度的极为重要。 　　2.2 双线性插值法及在H.264中的应用 　　双线性插值法的插入值是由周围四个栅格点的平均加权值决定。即根据待插值点与相邻点的距离来确定相应的权值并计算出待插点的插入值。对于线性函数插值,则考虑定义在矩形栅格N 范围内的函数f (x) ,一般有如下形式: 　　 (1) 　　其中x 为N 中的一点,h(x,n)为线性插值权函数。典型的插值权函数h(x,n)是拉格朗日多项式: (2) 　　式(2) 线性插值权函数变为:(3) 　　H. 264采用二维6抽头维纳滤波器实现半像素点位置的插值。并进一步使用双线性插值法来得到1/4像素点精度的数据。一部分1/4像素点 a, c, d, n, f, i, k, q 其值经由相邻的整像素点和半像素点进行双线性插值获得。公式如下: 　　a=(G + b + 1)1 c=(H + b + 1)1 　　d=(G + h + 1)1 h=(M + h + 1)1 　　i=(h + j + 1)1 f=(b + j + 1)1 　　k=(j + m + 1)1 q=(j + s + 1)1 (4) 　　 　　 　　 　　图1 插值中整像素和非整像素点的位置 　　另外的1/4像素插值点e, g, p, r点则经由与之相邻的一组对角线上的半像素点进行双线性插值获得。公式如下: 　　e=(b + h + 1)1g=(b + m + 1)1 　　p=(h + s + 1)1r=(m + s + 1)1(5) 　　由公式(4)和(5)不难看出,得到一个1/4像素位置的插值点只需要2次加法, 1次移位运算。整体运算相对简单。但由双线性插值法的频谱类似于一个低通滤波器[5]。这导致高频信号不能被正确内插,而图像的边缘信息一般反映为高频信号。所以边沿被弱化,图像变得相对模糊。 　　2.3 立方卷积插值法在H.264中的应用分析 　　除了双线性插值法外,立方卷积插值也是常用的数据插值法。由插值理论可知,等间隔采样的二维图像立方卷积插值可表述如下: 　　(6) 　　其中,s(x,y) 为待插值点,c(,) 为像素点(,)处的采样值,h为插值权函数,h的选取是立方卷积插值性能的关键。 　　在h.264中选取的是单变量插值核, 主要依据Coons - Gordon 曲面的布尔和思想,即一双变量插值可通过单变量插值的适当叠加来构造。单变量立方卷积插值核[6]: 　　 (7) 　　在实际应用中一般选取A =-1/2。立方卷积内插在图像处理中,必须把一维立方卷积内插扩展成二维立方卷积内插.然后利用公式(7)取与待测像素距离最近的4*4个像素值进行插值。参照图1,具体结果如下: 　　a = F; b =