精品文檔-下載后可編輯基于PC機的MPEG-4編碼原理研究及實現(xiàn)-基礎電子0引言

隨著多媒體業(yè)務的發(fā)展，日益增長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)據量，國際電信聯(lián)盟和MPEG標準組織都制定過各自的視頻壓縮標準。其中，MPEG-4標準以其高壓縮率，支持低碼率傳輸和基于對象編碼等優(yōu)點，而在傳真、視頻點播、電視會議、醫(yī)用圖像傳輸?shù)阮I域廣泛應用。

MPEG-4繼承了MPEG-2中檔次和等級概念，共有視頻檔次、音頻檔次、圖形檔次和場景描述檔次共四類。檔次是針對某一特定的應用而采用的編碼工具，它是MPEG-4提供的工具集中一個子集，不同的檔次就是不同的子集。每一個檔次分為一個或多個等級，等級則定義了比特流參數(shù)的規(guī)格，實際上是限定了解碼一個編碼序列所應具備的性能。

MPEG-4的獨特之處在于支持基于內容的編解碼，為此引入了視聽對象AVO(Audio／VideoObject)的概念。AVO可以是一幅圖像中一個小提琴或琴聲等，每個AVO可獨立編碼，但相互之間又存在著時空結構關系，因此編碼時，必須傳送編碼對象的組成結構信息體“場景描述”，以表示場景中各AVO之間的時空結構關系。解碼時根據此“場景描述”對圖像和聲音的有關內容進行編輯和操作。視聽對象還可以是一個矩形幀，從而使MPEG-4兼容原來的MPEG標準。視聽對象中的視頻對象VO通常由3類信息來描述，即運動、形狀和紋理信息。

1編碼原理

MPEG-4編碼器主要由形狀編碼、紋理編碼和運動編碼三部分組成。幀格式分為I-VoP，P-VOP和B-VOP。這里只討論I-VOP和P-VOP。I-VOP采用紋理編碼來消除一幀圖像數(shù)據間的空間冗余度；P-VOP是參考前一幀圖像，并采用兩種參數(shù)來編碼。一種是當前要編碼的圖像與參考圖像之間的差值；另一種是運動矢量。編碼器的具體結構模塊如圖1所示。

1.1形狀編碼

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1兩個值表示VOP的形狀；灰度形狀信息用0～255表示VOP區(qū)域的不同透明度。在編碼時，當提取的VOP具有非矩形形狀時，需要對其進行邊界擴展，使其矩形邊界都是16的倍數(shù)，同時保證擴展后的面積，然后進行形狀編碼；當提取的VOP為矩形時(矩形的長度和寬度都是16的倍數(shù))，形狀編碼就會被屏蔽。

1.2紋理編碼

紋理編碼主要對I-VOP內的圖像像素或P-VOP內的差值像素進行編碼，包括DCT、量化、DC和AC預測、熵編碼等過程，地去除當前VOP內各像素之間的空間冗余度。

視頻的幀圖像采用I-VOP格式編碼，其余的幀采用I-VOP，還是P-VOP格式則受兩個因素制約。其用戶會按照IPPPIPPPI的方式設置當前幀所采用的格式；二是已經人為地設置了當前幀為P-VOP，通過運動估計計算mad_P的值，如果mad_P滿足下列兩個條件之一，則當前幀就采用P-VOP編碼格式，否則采用I-VOP編碼格式。

條件1：madP50／3；

條件2：madP50，并且IntraMBRatio0.4。其中，IntraMBRatio為當前幀中采用MBM_INTRA預測模式的宏塊占總宏塊的比重。

紋理編碼中的DCT和量化模塊比較簡單，這里略過，重點介紹剩下的紋理編碼模塊。

1.2.1DC和AC預測

8×8塊經過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)、行和列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，會減少編碼后的位流數(shù)，于是產生DC和AC預測。

在MPEG-4中，通常把一個宏塊分為6個8×8塊進行DC和AC預測。

首先對8×8塊進行DC預測。如圖2所示，X表示當前的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X進行DC預測就是采用相鄰塊的DC系數(shù)值預測X的DC系數(shù)值，關鍵是選擇哪個相鄰塊的DC系數(shù)。

程序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來預測DC_X；反之，在水平方向的數(shù)值比較接近，即采用DC_A來預測DC_X。

將當前塊的DC系數(shù)與用來預測的相鄰塊的DC系數(shù)，經過特定處理后做差，其差存放到當前塊的DC位置上，同時記錄此DC系數(shù)的預測方向。

AC預測主要是針對8×8塊的行或者列AC系數(shù)，其預測方向取決于當前塊DC系數(shù)的預測方向。如圖2所示，如果之前DC預測為水平預測，則當前塊X的列AC系數(shù)采用A塊的列AC系數(shù)預測，同時將X的列7個AC系數(shù)各自取后相加到變量S1(S1的初始值為0)上。將當前塊列AC系數(shù)與用來預測的相鄰塊A的列AC系數(shù)做差，其7個差值存放到當前塊的列AC系數(shù)的位置上，同時將7個差值各自取后相加到變量S2(S2的初始值為0)上。如果之前的DC預測為垂直預測，則只進行當前塊X的行AC系數(shù)預測，其預測步驟同列AC系數(shù)的預測一樣。

有時AC預測會產生較大的預測誤差，并沒有達到節(jié)省位流的目的，因此必須判斷AC預測的有效性。在單個8×8小塊的AC預測中，用S1記錄了此小塊的行或列AC系數(shù)的之和，用S2記錄了行或列預測后7個差值的和。以一個宏塊的6個8×8小塊為單位，將各個小塊的S1與S2之差相加，得到值S。如果S非零，則此宏塊進行AC預測，其標志ACpred_flag置1，否則此宏塊不進行AC預測，ACpred_flag置0。

1.2.2之字型掃描

DC和AC預測之后，對8×8塊的系數(shù)進行之字形掃描，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要素決定，即幀內還是幀間預測，AC預測標志ACpred_flag的值，DC系數(shù)的預測方向。

對于幀內預測的宏塊，如果AC預測標志ACpredflag為0，則此宏塊中的6個8×8塊都使用Zigzag掃描；如果AC預測標志為1，則此宏塊中的6個8×8塊將根據各自的DC預測方向決定AC系數(shù)的掃描方向。如果DC預測為水平預測，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。

對于幀間預測的宏塊，其每個8×8塊統(tǒng)一采用Zigzag掃描方式掃描系數(shù)。

8×8的系數(shù)矩陣經過之字型掃描后，大部分非零系數(shù)集中在一個一維數(shù)組的前部，大部分零系數(shù)集中在此一維數(shù)組的后面，根據此特點便產生了游程編碼。

1.2.3游程編碼和熵編碼

所謂游程編碼就是對8×8系數(shù)矩陣的AC系數(shù)進行特定的處理，使其成為個數(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的個數(shù)。Last代表終止標志：其值為0時，表示Level后還有不為0的系數(shù)；其值為1時表示該系數(shù)是不為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)據量，然后根據Last，Run和Level的不同組合作為索引，找到對應Huffman編碼表中的碼字，生成碼流。

1.3運動編碼

運動編碼對當前P-VOP和參考VOP進行運動估計與補償，減小幀間的時間相關性，實現(xiàn)壓縮。

通常采用塊匹配法進行運動估計。塊匹配法就是針對當前幀中某一特定大小的圖像塊，從參考幀的一定區(qū)域中找出該圖像塊誤差和(SumofAbsoluteDifference，SAD)的匹配塊，利用此匹配塊來預測當前塊。圖像塊的誤差和指兩個大小相同的圖像塊的中像素差的之和。SAD16×16函數(shù)實現(xiàn)當前宏塊和參考宏塊間的誤差和；SAD8×8函數(shù)實現(xiàn)當前8×8塊與參考8×8塊間的誤差和。

確定了塊匹配準則后，就要進行匹配點的搜索，MPEG-4校驗模型采用鉆石搜索法(DiamondSearch，DS)。鉆石搜索法是一種利用搜索模板的形狀和大小，對運動估計算法速度及精度產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(LargeDiamondSearchPattern，LDSP)，它有9個候選位置：(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(SmallDiamondSearchPattern，SDSP)，它包含5個候選位置：(0，0)，(0，1)，(1，0)，(0，-1)和(-1，0)。具體模板如圖4所示。

鉆石搜索過程如下：以當前幀的當前宏塊的左上角起點坐標為大模板的原點(0，0)，在參考幀的搜索范圍內，分別以大模板的(0，0)，(0，2)，(1，1)，(2，0)，(1，-1)，(0，-2)，(-1，-1)，(-2，0)和(-1，1)像素點作為宏塊的左上角起點，將該宏塊和當前幀的宏塊做SAD16×16運算，選擇SAD16×16值的左上角起點作為暫時的匹配點，此點與當前宏塊左上角起點之間的位移就是運動矢量。判斷此運動矢量是否適合特定的規(guī)則，如果不適合，則進行新一輪的大鉆石模板搜索，直到找到適合條件的運動矢量。然后再以大鉆石模板搜索的匹配點為中心點(0，0)，用小鉆石搜索模板進行(0，1)，(1，0)，(0，-1)和(-1，0)四個參考點的搜索，搜索到的SAD16×16值點就是終的匹配點，匹配點與當前宏塊的左上角起點之間的位移就是終的運動矢量。

以上是基于宏塊的全像素搜索，還可以選擇是否進行基于8×8塊的全像素搜索。利用已經得到的基于宏塊的運動矢量，找到基于宏塊的匹配點。此匹配點為中心(0，0)，其他匹配點為(-1，-1)，(0，-1)，(1，-1)，(-1，0)，(1，0)，(-1，1)，(0，1)，(1，1)，分別以這9個匹配點作為8×8像素塊的左上角起點，將該8×8塊和當前幀的8×8塊做差值和的運算，選擇SAD8×8值的左上角起點作為匹配點，以找到運動矢量，得到宏塊內每個8×8亮度塊的運動矢量和SAD8×8值。將4個SAD8×8的和與SAD16×16做比較，將較小值按照一定的規(guī)則處理，從而判斷當前宏塊的預測模式為幀內或幀間預測。

如果采用幀間預測，進一步采用半像素搜索。首先對整個參考幀進行雙線性差值，則參考幀的面積變?yōu)樵瓉淼?倍，然后在特定的搜索范圍內搜索出更的運動矢量，根據參考圖像的亮度信息、色度信息和運動矢量做運動補償。

如果采用幀內預測，不再對當前宏塊進行任何運動估計，相應運動補償后的參考宏塊數(shù)值為0。

用當前幀減去運動補償后參考圖像得到差值，將差值數(shù)據進行紋理編碼；對每個宏塊的運動矢量進行預測并求出差分值，對差分值進行位流轉換并輸出。

2編碼器的實現(xiàn)和測試

根據圖1并結合MPEG-4編碼器各個模塊的實現(xiàn)原理，進行編碼器主函數(shù)的編寫和調試。初步確定編碼器的主函數(shù)應包括以下三部分：

初始化部分由于參考代碼中存在RGB到YUV的圖像格式轉換函數(shù)(本文未介紹)，則應開辟相應的存儲BMP和YUV圖像的空間；還要開辟空間存放編碼器生成的壓縮文件；必須設置編碼器的編碼參數(shù)。

編碼處理部分此部分是通過循環(huán)編碼各幀圖像來實現(xiàn)的，讀入一幀圖像后，判斷是采用I幀還是P幀，然后輸出VOP頭信息，進行當前VOP的編碼并輸出位流信息到緩沖器中，利用fwrite函數(shù)形成磁盤文件。

釋放資源前面兩個階段開辟的內存空間必須釋放掉，整個視頻的編碼過程結束。

結合參考的編碼主函數(shù)，調試并運行編碼器，生成di文件，相應地調試出解碼器。逐一更改編碼器的量化參數(shù)QP、幀率、輸出碼率和I幀間隔參數(shù)，測試出它們對編碼效果的影響，如量化參數(shù)QP、幀率和I幀間隔參數(shù)與壓縮比成正比，輸出碼率與壓縮比成反比。經過綜合測試，在保證解碼圖像質量的前提下，當QP為8，幀率為30f／s，輸出碼率為