zzy_pphz的博客

JVET-Y0077：AHG10: Block importance mapping视频前处理技术学习

时域滤波MCTF(Motion Compensated Temporal Filter)原理解析

DQ反量化时，会把初始状态设置为0，然后根据level（也就是k）来进行下个点的state判断，如下图所示：反DQ的函数是dequantBlock函数，个人理解见注释：void Quantizer::dequantBlock( const TransformUnit& tu, const ComponentID compID, const QpParam& cQP, CoeffBuf& recCoeff, bool enableScalingLists, int* piDequ

量化公式：其中：函数是quant函数，个人理解见注释：void Quant::quant(TransformUnit &tu, const ComponentID &compID, const CCoeffBuf &pSrc, TCoeff &uiAbsSum, const QpParam &cQP, const Ctx& ctx){ const SPS &sps = *tu.cs->sps; const

RDOQ与一般量化的过程虽然不同，但是解码的步骤时在相同的，如下：解码都调用的dequant函数：该函数主要完成写下面的公式，进行反量化。void Quant::dequant(const TransformUnit &tu, CoeffBuf &dstCoeff, const ComponentID &compID,

其中第一步的量化与普通量化相同，步骤如下：代码理解见注释（仅个人理解，欢迎指正）：void QuantRDOQ::xRateDistOptQuant(TransformUnit &tu, const ComponentID &compID, const CCoeffBuf &pSrc, TCoeff &uiAbsSum, const QpParam &cQP, const Ctx &ctx){ const FracBitsAccess&..

void TrQuant::invTransformNxN( TransformUnit &tu, const ComponentID &compID, PelBuf &pResi, const QpParam &cQP ){//反量化与反变换 const CompArea &area = tu.blocks[compID]; const uint32_t uiWidth = area.width; const uint32_t uiHe

CABAC编码template <class BinProbModel>void TBinEncoder<BinProbModel>::encodeBin( unsigned bin, unsigned ctxId ){ BinCounter::addCtx( ctxId ); BinProbModel& rcProbModel = m_Ctx[ctxId]; uint32_t LPS = rcProbModel.getLPS( m

MIP （Matrix weighted Intra Prediction，基于矩阵的帧内预测 ）矩阵：根据不同块大小，分别预先训练出不同的多组矩阵，存在ROM中；向量：将参考像素的一部分进行一些处理，排成一维向量；通过矩阵与向量相乘进行帧内预测，得到当前块的预测值。其预测过程可以分为三步，以大小为8 x 8的CU为例：ROM中矩阵规模为[16 x 8]，待输入向量规模为[8 x 1]，经过矩阵相乘后得到16个预测值。MIP初始化代码：void IntraPrediction::initIn

xPredIntraAng函数内进行角度模式的解析，获取块内的预测值。void IntraPrediction::xPredIntraAng( const CPelBuf &pSrc, PelBuf &pDst, const ChannelType channelType, const ClpRng& clpRng){ int width =int(pDst.width); int height=int(pDst.height); const bool bIsMod

void IntraPrediction::predIntraAng( const ComponentID compId, PelBuf &piPred, const PredictionUnit &pu){ const ComponentID compID = MAP_CHROMA( compId ); const ChannelType channelType = toChannelType( compID ); const int

本函数完成了重建值的生成。1.获取当前块的pred2.反量化反变换得到resi3.resi+pred=recovoid DecCu::xIntraRecBlk( TransformUnit& tu, const ComponentID compID ){ if( !tu.blocks[ compID ].valid() ) {//如果当前的tu块是无效的，则返回 return; } CodingStructure &cs = *tu.cs;

色度只有8种候选模式：横轴是色度块所对应的亮度块的预测方向，纵轴是当前色度块的候选预测模式。冗余性检验: 如列表前面出现过DM的模式，则用66取代列表前面的重复模式以免在RDcost的时候和DM模式重复，最后选取RDcost最小的一种角度模式，即可最终确定色度角度预测模式。DM模式：找到当前色度CU位置对应的亮度CU位置，将其中心块的预测模式作为DM候选模式。uint32_t PU::getFinalIntraMode( const PredictionUnit &pu, cons

为了减少分量间的冗余，提出分量间线性模型预测技术，基本思想是假设亮度分量和色度分量间存在某种线性关系，根据此线性关系实现亮度分量到色度分量的预测。VVC中CCLM步骤如下：1.使用特定位置的四个点。对同位亮度块的 上述4个位置 以及 块内的所有 亮度样本进行下采样以获得和色度样本一一对应的亮度样本。以CCLM为例：VTM10.0亮度下采样的代码：用于生成包括参考像素和块内像素的下采样亮度值。// LumaRecPixels 获得亮度的重建值void IntraPrediction

ISP（Intra Sub-Partitions，帧内子区域划分）依据CU的亮度块尺寸，将其沿水平或垂直方向划分成2个或者4个尺寸相同的子块，然后逐个子区域进行预测和重建。进行帧内ISP的最小CU尺寸为4 x 8或8 x 4（即4 x 4的CU不使用ISP），4 x 8或8 x 4的CU会被分成2个子区域，其他尺寸则被分成4个子区域，即每个子区域最少需要有16个像素。代码意思见注释void IntraPrediction::initIntraPatternChTypeISP(const Codi

PDPC （Position dependent intra prediction combination）一种对预测值的修正的技术。部分帧内模式在进行帧内预测之后，进行PDPC的加权平均计算，得到最终预测值。分为以下三种情况处理：Planar/DCHor/Ver角度模式 2~17 和 51~66（代码里好像所有角度都用了？？m_ipaParam.applyPDPC &= m_ipaParam.angularScale >= 0;这一句是什么意思？？是只有 2~17 和 5