seo网站,wordpress固定链接 自动翻译,seo零基础视频教程,建立网站最好的模板量化
量化#xff1a; 是将信号的连续取值#xff08;或大量可能的离散取值#xff09;映射为有限多个离散幅值的过程#xff0c;实现信号取值多对一的映射。在视频编码中#xff0c;残差信号经过变换之后#xff0c;变换系数往往具有较大的动态范围。因此#xff0c;对…量化
量化 是将信号的连续取值或大量可能的离散取值映射为有限多个离散幅值的过程实现信号取值多对一的映射。在视频编码中残差信号经过变换之后变换系数往往具有较大的动态范围。因此对变换系数进行量化可以有效的减少信号取值空间进而获得更好的压缩效果。 量化是失真的根本原因 由于一对多映射机制量化过程不可避免地会引入失真这也是视频编码中产生失真的根本原因。
标量量化器Scalar QuantizerSQ 非常基本的量化方法它是将一个幅度连续的信号映射成若干个离散的符号。 均匀标量量化器 是一种非常简单的标量量化器将输入值域划分成等距的区间每个区间对应的输出值重建值为该区间的中点。区间的长度称为量化步长Quantization Step。 Lloyd-Max 量化器 最优标量量化器。 熵编码量化器 最优量化器应在对熵的约束下使失真最小。
矢量量化器Vector QuantizerVQ矢量量化的输入为矢量是多对一的量化即两个或两个以上的幅度对应一个量化结果。矢量量化可以看作是标量量化的延伸。其基本思想就是若干个标量数据组构成一个矢量然后在矢量空间进行整体量化用码书中与输入矢量最匹配的码字索引代替输入矢量进行传输域存储。 网格编码量化Trellis Coded QuantizationTCQ很好的结合了标量量化和矢量量化的优点复杂度低并且具有优良的性能。
H266量化
标量量化
反量化的公式 cl li.Qstep 量化参数Quantization ParameterQP 实际应用中不会直接编码量化步长而是用一个整数值即量化参数来表示所选的量化步长。在H266中量化参数QP的取值范围为 -6.(bitdepth - 8) ~ 63。
QP 与 Qstep 关系 QP 每增加1Qstep大约增大12.25%QP每增加6Qstep大约增大1倍。
率失真优化量化
率失真优化量化Rate-Distiortion Optimized QuantizationRDOQ 思想是将量化过程同率失真优化RDO准则相结合。对于一个变换系数给出多个可选的量化值利用RDO准则从中选择一个最优的量化值。
依赖量化
依赖量化Dependent QuantizationDQ 其利用了变换系数间的相关性当前变换系数的量化值依赖前一个变换系数的量化值使得变换系数经量化后在N维向量空间更紧密。这意味着对于固定大小的变换块该方法减小了输入向量量化前的块和重建向量反量化得到的块之间的误差即减小了量化带来的失真。
量化参数
QGQuantization GroupQGH266沿用H265的QG概念QG为CTB内的一块矩形区域为一个划分子树包含的CU同一个QG内的所有CU共享一个QP不同的QG可以使用不同的QP。
量化矩阵
量化矩阵 H266的变换量化过程如下图。量化矩阵作用于比例缩放其大小与TU相同。在比例缩放过程中变换后的DCT或DST系数将与量化矩阵对应位置的系数相除所得到的结果作为量化模块的输入。 H266规定了2x2、4x4和8x8共三种大小的默认量化矩阵并规定16x16、32x32、64x64的量化矩阵可由8x8量化矩阵通过上采样得到。 此外还有自定义量化矩阵根据不同的应用场合自行觉醒量化矩阵各元素的值。自定义量化矩阵由APS参数集承载。
参考
JVET输出文档 https://www.itu.int/wftp3/av-arch/jvet-site/ 书籍 新一代通用视频编码H266/VVC原理、标准与实现[万帅 霍俊彦 马彦卓 杨付正/著]
备注
本系列博客主要是对《新一代通用视频编码H266/VVC原理、标准与实现》的学习笔记。
