本文主要是介绍H.264 视频编码器 变换编码分析，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
H.264 视频编码器 变换编码分析
一. 变换编码分为两部分：变换，量化，以及在之后的重建环路中对应的反量化和反变换。
接下来对各部分进行分析
二. 变换
根据残差数据的类型不同，H264 High Profile中会使用到4种不同的变换：
- 采用 Intra4x4 预测模式和 Intra16x16 预测模式得到的亮度分量预测残差，使用4x4离散余弦变换（DCT）；
- 采用 Intra8x8 预测模式得到的亮度分量预测残差使用8x8离散余弦变换（DCT）；
- 采用 Inter 预测模式得到的亮度分量预测残差，如果预测模式块大小，小于等于8x8，则使用4x4离散余弦变换，否则编码器要在4x4和8x8离散余弦变换之间进行选择。
- 色度分量的预测残差全部使用4x4离散余弦变换。
- 其中，4x4哈达玛变换用于 Intra16x16 预测残差直流分量的二次变换；2x2哈达玛变换用于色度分量直流系数的二次变换
三. 原始数学原理：DCT变换原理
DCT变换是一种正交变换，因为具有良好的去相关性和压缩效果，并且有快速算法可以实现，因此在图像编码中被广泛使用。
但是由于变换矩阵C的变换系数中存在无理数，在编解码的计算过程中计算结果会带来误差，反变换和变换之前的结果会不一样带来误差。
在H. 264编码标准中，进行了整数变换的操作，并且可以不使用乘法操作，其中的一部分变换计算合并到量化过程中去。
四. H.264中的整数余弦变换
整数余弦变换的对象：
- 4x4子宏块的亮度分量
- 4x4子宏块的色度分量
1.变换
也就是说，4x4的残差亮度书看剧和2x2的残差色度数据需要进行二维变换，使得高频分量大多数为零，从而达到和DCT变换相似的数据压缩效果。
其中，Ef 矩阵中a=1/2，b=√（2/5）.
这里的 圈乘 运算符表示对同一位置的两个矩阵元素做一次的乘法操作。这一部分运算被合并到量化和反量化中，确保了整数余弦变换和DCT变换有相似的压缩效果。因此在编码器的标准中，变换过程只包括括号内的操作：
2.反变换
在H.264标准中，反变换矩阵Cinv 并不是变换矩阵Cf的逆矩阵，而是进一步做了整数化处理。因此需要其他运算来保证反变换的正确性。在H264标准中这部分也同样被合并到量化，反量化的过程中完成，这样保证在反变换的过程中同样只使用加法和移位操作。
反变换矩阵Cinv如下：
3. 分层的二维整数余弦变换：直流分量增加hardmard变换
首先，对于4x4子宏块的残差做二维整数余弦变换
其次，对8x8色度块的直流分量和帧内预测的16x16宏块中的16个子宏块的直流分量进行hardmard变换。如下图所示：
这时由于在8x8的色度块和帧内预测模式的16x16亮度快中，每个子宏块的直流分量之间还有很强的相关性。对于这些子宏块的支流分量还要进行Hardmard变换来提高数据的压缩效率。
8x8色度块和帧内预测16x16亮度快的直流分量的hradmard变换矩阵分别为：
Hardmard逆变换矩阵和变换矩阵相同。
4. 针对高清晰视频领域的应用，提出对亮度快使用更大尺寸的整数余弦变换：8x8变换块
相对于4x4数据块的整数比那还，新的建议增加了8x8数据块使用整数余弦变换。与此对应，新的建议中，预测模式和量化部分也做了部分修改。
8x8数据块的整数余弦变换：
首先可以提高数据压缩的性能，因为在实际中8x8数据块的数据相关性比4x4的数据块相关性要高，因此压缩性能要更好，可以减少大约10%的比特率。
其次，8x8数据块的整数余弦变换有利于图像中的频率分量，可以提高图像显示细节。
这篇关于H.264 视频编码器 变换编码分析的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
