编码器变换及量化的流程?

  H.264 对图像或预测残差采用了4×4 整数离散余弦变换技术。在图像编码中,变换编码和量化从原理上讲是两个独立的过程。但在H.264 中,将两个过程中的乘法合二为一,并进一步采用整数运算,减少编解码的运算量,提高图像压缩的实时性,这些措施对峰值信噪比(PSNR)的影响很小,一般低于0.02dB,可不计。H.264 中整数变换及量化具体过程如图6.46 所示。其中,如果输入块是色度块或帧内16×16 预测模式的亮度块,则将宏块中各4×4块的整数余弦变换的直流分量组合起来再进行Hadamard 变换,进一步压缩码率。图6.47 所示的变换量化过程可以用图6.46 的流程图表示。

时间: 2024-07-29 00:55:26

编码器变换及量化的流程?的相关文章

HM编码器代码阅读(18)——变换以及量化(一)

入口函数:encodeResAndCalcRdInterCU. 这个函数的作用是根据预测值,求出残差,然后进行TU的划分,然后进行变换.量化等操作以及RD代价的计算. 流程: (1)如果是帧内预测,那么直接返回 (2)判断是否使用skip模式,如果使用了: 1)对所有的子分割设置skip标志 2)清理残差 3)把预测的CU直接设置为重建的CU 4)计算率失真 5)加载SBAC熵编码器,并重置比特数 6)如果使用了跳过变换量化的标志(TransquantBypassEnableFlag),那么就对

视频编解码学习之三:变换,量化与熵编码

第6章 变换编码 1. 变换编码 变换编码的目的 去除空间信号的相关性 将空间信号的能力集中到频域的一小部分低频系数上 能量小的系数可通过量化去除,而不会严重影响重构图像的质量 块变换和全局变换 块变换:离散余弦变换(Discrete Cosine Transform,DCT),4x4,8x8,16x16 全局变换:小波变换(Wavelet) 变换的能量集中特性 DCT编码 2. 变换类型 K-L变换 傅里叶变换 余弦变换 小波变换 3. KL变换 最优变换 基函数根据具体图像而确定 没有快速算

H.264学习笔记4——变换量化

A.变换量化过程总体介绍 经过帧内(16x16和4x4亮度.8x8色度)和帧间(4x4~16x16亮度.4x4~8x8色度)像素块预测之后,得到预测块的残差,为了压缩残差信息的统计冗余,需要对残差数据进行变换和量化操作.变换和量化的总体操作过程如下图: 对于Intra_16x16的亮度块,通过16(4x4)个4x4的前向DCT变换,然后对得到的16个DC系数再进行4x4的Hadamard变换,然后对于16个DC系数和240个AC系数进行量化(DC和AC的量化公式略有不同,为了控制量化死区大小,详

视频音频编码器介绍

里只对常见的视频音频编码做一个系统的简单介绍,并不进行详细 探讨.由于我的知识有限,难免有错误的地方,欢迎来信指正.MPEG 系列MPEG 即 (Moving Pictures Experts Group) 运动图象专家组,属于 ISO(International Organization for Standardization) 国际标准组织,他们开发了一系列视频音频编 码,最为大家熟悉的就是 MP3,MPEG-1/2/4.MPEG-1 较早的视频编码,质量 比较差,主要用于 CD-ROM 存

二维DCT变换

https://wuyuans.com/2012/11/dct2/ 写这篇文章的目的主要是为了给x264打好基础,x264用的是整数DCT变换,所以就先来说说DCT变换吧.DCT(Discrete Cosine Transform),又叫离散余弦变换,它的第二种类型,经常用于信号和图像数据的压缩.经过DCT变换后的数据能量非常集中,一般只有左上角的数值是非零的,也就是能量都集中在离散余弦变换后的直流和低频部分,下面我会用matlab来演示整个过程. 1.一维DCT变换 我们首先来看看一维的DCT

Python量化交易学习课程

量化投资是起源于美国的高级投资方法论,在国内也有十余年的发展历史,代表当今金融业最前沿的投资技术和水准,卓越稳定的实盘投资业绩使得量化投资具有坚实的高端市场需求. 本量化投资方向系列课程通过对各种量化投资方法与理论的介绍,结合机器学习的实际应用案例进行引导式教学,全面地提高学员对量化投资的认知能力和实践能力. 课程地址:Python量化交易课程 面向人群: 适合有志于从事量化投资工作的计算机行业人员及在校学生: 数据科学工作者,可以从本课程中学会从数据科学的方法玩转量化交易: 所有金融机构从业人

tensorflow模型量化实例

1,概述 模型量化应该是现在最容易实现的模型压缩技术,而且也基本上是在移动端部署的模型的毕竟之路.模型量化基本可以分为两种:post training quantizated和quantization aware training.在pyrotch和tensroflow中都提供了相应的实现接口. 对于量化用现在常见的min-max方式可以用公式概括为: $r = S (q - Z)$ 上面式子中q为量化后的值,r为原始浮点值,S为浮点类型的缩放稀疏,Z为和q相同类型的表示r中0点的值.根据: $

【零基础】极星9.5量化入门零:简单的开始

一.前言 近期开始了对量化的学习,这里只是对学习过程的记录,肯定有一些错漏的,还请大家指正. 这篇文从下载到基本使用,主要讲一些最基本的知识.然后大概说一下极星9.5整个量化的流程. 二.环境准备 1.客户端下载与安装 其实极星9.5量化这个名称不太准确,目前其原名应该叫“极智量化1.1.0”,只是目前运行“极智量化”还需要依赖于9.5的客户端,所以又叫极星9.5量化版,听说以后是要独立成两个软件的.在极星下载页面要注意需要下载的是“极智量化”而不是极星9.5. 下载的这个包直接运行就自动安装了

x264代码剖析(十五):核心算法之宏块编码中的变换编码

x264代码剖析(十五):核心算法之宏块编码中的变换编码 为了进一步节省图像的传输码率,需要对图像进行压缩,通常采用变换编码及量化来消除图像中的相关性以减少图像编码的动态范围.本文主要介绍变换编码的相关内容,并给出x264中变换编码的代码分析. 1.变换编码 变换编码将图像时域信号变换成频域信号,在频域中图像信号能量大部分集中在低频区域,相对时域信号,码率有较大的下降. H.264对图像或预测残差采用4×4整数离散余弦变换技术,避免了以往标准中使用的通用8×8离散余弦变换逆变换经常出现的失配问题