【H.264/AVC视频编解码技术详解】十三、熵编码算法(4):H.264使用CAVLC解析宏块的残差数据

本文涉及的产品
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
全局流量管理 GTM,标准版 1个月
云解析 DNS,旗舰版 1个月
简介: 《H.264/AVC视频编解码技术详解》视频教程已经在“CSDN学院”上线,视频中详述了H.264的背景、标准协议和实现,并通过一个实战工程的形式对H.

《H.264/AVC视频编解码技术详解》视频教程已经在“CSDN学院”上线,视频中详述了H.264的背景、标准协议和实现,并通过一个实战工程的形式对H.264的标准进行解析和实现,欢迎观看!

“纸上得来终觉浅,绝知此事要躬行”,只有自己按照标准文档以代码的形式操作一遍,才能对视频压缩编码标准的思想和方法有足够深刻的理解和体会!

链接地址:H.264/AVC视频编解码技术详解

GitHub代码地址:点击这里


1. H.264的CAVLC解析宏块残差数据的流程

在H.264的解码器在解析宏块的残差数据时,其流程类似于上文提到的CAVLC编码的逆过程。在解析一个宏块残差的时候,首先解析的是残差矩阵的非零系数以及拖尾系数的个数numCoefftrailingOnes。随后是每一个拖尾系数的符号trailingSigns。而后是每一个非拖尾非零系数level的值。然后解析的是最高频非零系数前面的零的总个数totalZeros。最后是每一个非零系数前连续零的个数runBefore

2. 计算CAVLC解析残差的上下文参数

CAVLC编解码过程中的上下文即为当前块值numberCurrent。该值与当前像素块的左侧邻块和上方邻块中非零系数的个数有关。

以尺寸为4×4宏块分割方式为例。当前像素块同左侧和上方邻块的相对位置关系如下图:

对于当前像素块,若其上方和左侧相邻块都不可见(unavailable),那么当前像素块的numberCurrent值为0;若上方或左侧,有且仅有一个相邻块是可见的,那么当前像素块的numberCurrent值即为这个邻块中非零系数的个数numCoeff;若两个邻块都是可见的,那么当前像素块的numberCurrent值为两个邻块numCoeff的四舍五入平均值。

3. 解析非零系数总个数和拖尾系数个数

在CAVLC的解析过程中,非零系数总个数numCoeff和拖尾系数个数trailingOnes两个值是一起解析出来的。解析这两个值依据的是标准文档中的表9-5,如下表即是表9-5的部分:

根据之前解析出来的numberCurrent值,在这个表格中选择一列作为解码数据的参考。此后,从码流中读取相应长度的二进制码流,与表格中的值相比较。当码流与表格中的值匹配时,表格的前两列作为数组的下标,其值即等于希望解析出来的numCoeff和trailingOnes的值。

4. 解析拖尾系数的符号

我们知道变换系数矩阵中最高频的几个绝对值为1的非零系数称之为拖尾系数,其个数范围为0~3个。表示每一个拖尾系数的符号可以一个bit的trailing_ones_sign_flag表示:

  • 当trailing_ones_sign_flag为1,拖尾系数符号为-;
  • 当trailing_ones_sign_flag为0,拖尾系数符号为+;

5. 解析非零系数的幅值

非拖尾的非零系数的幅值通常表示为levels。Levels的解析相对较为复杂。该部分是从最高频开始解析到最低频的非零系数为止。也就是说,levels部分是按频率倒序解析的。

在解析每一个level的时候,每一个值都会按照前缀(prefix)和后缀(suffix)两部分进行解析。

5.1 解析level_prefix部分:

Level_prefix部分即level的前缀部分,该部分的解析较为简单,以伪代码表示如:

leadingZeroBits = −1
for( b = 0; !b; leadingZeroBits++ )
    b = read_bits( 1 )
level_prefix = leadingZeroBits

结合标准文档中的表9-6的表述可知,level的前缀值即为当前码流的下一个比特1之前连续的比特0的个数。

5.2 解析level_suffix部分:

Level_suffix部分的解析比prefix部分复杂,总体上可以分为以下几个步骤:

  1. 解析过程开始之前,初始化suffixLength的值:当非零系数总数numCoeff大于10且拖尾系数个数trailingOnes等于3时,suffixLength初始化为1,否则初始化为0;
  2. 确定levelSuffixSize的值:通常情况下,levelSuffixSize的值等于当前的suffixLength,除了下列两种意外情况:第一,level_prefix的值等于14且suffixLength为0,此时levelSuffixSize设为4;第二,level_prefix大于等于15,此时levelSuffixSize设为level_prefix-3;
  3. 解析level_suffix的值:根据levelSuffixSize的值作为长度,在码流中读取对应的二进制数据作为level_suffix;若levelSuffixSize为0,则level_suffix的值为0;

5.3 由level_prefix和level_suffix部分组合成为levelCode

在解析完成level_prefix和level_suffix之后,将二者组合生成levelCode。计算方法为:levelCode=(Min(15,level_prefix)<

5.3 由levelCode计算level

根据计算得到的levelCode的奇偶性,判断level的符号:

  • 若levelCode是偶数,返回level值为(levelCode + 2)>>1;
  • 若levelCode为奇数,返回level值为(−levelCode−1)>>1;

5.4 更新suffixLength的值

在解析过程中更新suffixLength体现了上下文自适应的思想。

  • 当suffixLength = 0时,suffixLength更新为1;
  • 当suffixLength小于6,且刚刚解析出来的level值大于阈值threshold时,suffixLength自增1;阈值threshold定义为( 3 << ( suffixLength − 1 ) );

6. 解析零系数信息

变换系数矩阵中的零系数也是重要的信息。CAVLC解析的零系数信息主要分两类:

  • totalZeros:每个矩阵一个值,表示最高频非零系数前零系数的总个数;
  • runBefore:每个非零系数一个值,表示该非零系数前连续0的总个数;

解析totalZeros的过程与解析numCoeff和trailingOnes类似,都是从一个二维表格中查找某列表格,在从码流中查找与表格中匹配的值,然后索引便是所求的totalZeros值。解析totalZeros的表格为标准文档中的表9-7。下图是表9-7的局部:

在解析totalZeros的过程中,选择表格的索引值等于当前矩阵块的非零系数个数numCoeff。

解析每个非零系数的runBefore时,也是按照从高频到低频逆序处理的。每次解析的runBefore也是按照类似上述的解析方法,从码流中读取相应长度的码流并与表格中的值比对,匹配后返回索引值作为解析的值。解析runBefore参考标准文档的表9-10:

每次解析出一个runBefore后,totalZeros都要减去该值,然后进行下一次处理。若有n个非零系数,则总共需要解析n-1个runBefore。最低频率的非零系数前的runBefore不需要写在码流中,因为可以通过上述信息推算出。

以上就是解析一个宏块的4×4残差系数矩阵相应语法元素的主要思想和过程。当然实际的解析过程比此要复杂得多,更详细的情况可到CSDN学院的课程:H.264/AVC视频编解码技术详解中观看。

目录
相关文章
|
1月前
|
存储 算法 Java
解析HashSet的工作原理,揭示Set如何利用哈希算法和equals()方法确保元素唯一性,并通过示例代码展示了其“无重复”特性的具体应用
在Java中,Set接口以其独特的“无重复”特性脱颖而出。本文通过解析HashSet的工作原理,揭示Set如何利用哈希算法和equals()方法确保元素唯一性,并通过示例代码展示了其“无重复”特性的具体应用。
41 3
|
17天前
|
算法 Linux 定位技术
Linux内核中的进程调度算法解析####
【10月更文挑战第29天】 本文深入剖析了Linux操作系统的心脏——内核中至关重要的组成部分之一,即进程调度机制。不同于传统的摘要概述,我们将通过一段引人入胜的故事线来揭开进程调度算法的神秘面纱,展现其背后的精妙设计与复杂逻辑,让读者仿佛跟随一位虚拟的“进程侦探”,一步步探索Linux如何高效、公平地管理众多进程,确保系统资源的最优分配与利用。 ####
52 4
|
21天前
|
存储 编解码 负载均衡
数据分片算法
【10月更文挑战第25天】不同的数据分片算法适用于不同的应用场景和数据特点,在实际应用中,需要根据具体的业务需求、数据分布情况、系统性能要求等因素综合考虑,选择合适的数据分片算法,以实现数据的高效存储、查询和处理。
|
18天前
|
缓存 负载均衡 算法
Linux内核中的进程调度算法解析####
本文深入探讨了Linux操作系统核心组件之一——进程调度器,着重分析了其采用的CFS(完全公平调度器)算法。不同于传统摘要对研究背景、方法、结果和结论的概述,本文摘要将直接揭示CFS算法的核心优势及其在现代多核处理器环境下如何实现高效、公平的资源分配,同时简要提及该算法如何优化系统响应时间和吞吐量,为读者快速构建对Linux进程调度机制的认知框架。 ####
|
21天前
|
存储 缓存 算法
分布式缓存有哪些常用的数据分片算法?
【10月更文挑战第25天】在实际应用中,需要根据具体的业务需求、数据特征以及系统的可扩展性要求等因素综合考虑,选择合适的数据分片算法,以实现分布式缓存的高效运行和数据的合理分布。
|
1月前
|
机器学习/深度学习 人工智能 算法
"拥抱AI规模化浪潮:从数据到算法,解锁未来无限可能,你准备好迎接这场技术革命了吗?"
【10月更文挑战第14天】本文探讨了AI规模化的重要性和挑战,涵盖数据、算法、算力和应用场景等方面。通过使用Python和TensorFlow的示例代码,展示了如何训练并应用一个基本的AI模型进行图像分类,强调了AI规模化在各行业的广泛应用前景。
31 5
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
计算机前沿技术-人工智能算法-大语言模型-最新研究进展-2024-10-19
计算机前沿技术-人工智能算法-大语言模型-最新研究进展-2024-10-19
48 2
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
计算机前沿技术-人工智能算法-大语言模型-最新研究进展-2024-10-16
计算机前沿技术-人工智能算法-大语言模型-最新研究进展-2024-10-16
32 1
|
1月前
|
机器学习/深度学习 人工智能 算法
计算机前沿技术-人工智能算法-大语言模型-最新研究进展-2024-10-15
计算机前沿技术-人工智能算法-大语言模型-最新研究进展-2024-10-15
47 1
|
25天前
|
存储 JSON 算法
TDengine 检测数据最佳压缩算法工具,助你一键找出最优压缩方案
在使用 TDengine 存储时序数据时,压缩数据以节省磁盘空间是至关重要的。TDengine 支持用户根据自身数据特性灵活指定压缩算法,从而实现更高效的存储。然而,如何选择最合适的压缩算法,才能最大限度地降低存储开销?为了解决这一问题,我们特别推出了一个实用工具,帮助用户快速判断并选择最适合其数据特征的压缩算法。
31 0

推荐镜像

更多
下一篇
无影云桌面