264中 POC的计算方法

作者：jogh.264 参考代码 JM86
一·参数说明
这一节阐述的是encoder.cfg 中的参数对编码过程的影响
要注意的是encoder.cfg 中的参数跟input 结构体中的变量是一一对应的

? StartFrame：从视频流的第几帧开始编码
? FramesToBeEncoded：指明了除去 B帧后将要被编码的帧数
input->no_frames = FramesToBeEncoded
? FrameSkip：指明了编码过程中跳过的帧数，中间有 B 帧也算跳过一帧。
? NumberBFrames：相邻 I、P帧或相邻的 P帧之间的 B 帧个数，必须有
NumberBFrames< FrameSkip
input->successive_Bframe = NumberBFrames
? IntraPeriod：I 帧出现的频率。若 IntraPeriod="3"，则每 3 帧（不含 B 帧）中有一 I 帧；
IntraPeriod="0" 时只有第一帧是 I 帧。
? IDRIntraEnable：此值为1时每个 I帧都是 IDR，否则只有第一个 I帧是 IDR。

举例：在 StartFrame="0"
FramesToBeEncoded="5"
FrameSkip="3"
NumberBFrames="2"
IntraPeriod="3"
IDRIntraEnable="1"
的情况下编码情况如下，其中红色代表 IDR 帧
表 1
视频流 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
编码流 I B B P B B P B B I B B P
编码顺序 0 2 3 1 5 6 4 8 9 7 11 12 10
二·pic_order_cnt_type 为 0 的情况
这种情况下显式的计算 POC
（1） 编码端 I 帧或 P 帧 toppoc 的计算
这个过程在 main()函数的组循环
“for (img->number=0; img->number < input->no_frames; img->number++){ }”
中实现
z IntraPeriod或 IDRIntraEnable 为零时
这种情况下只有第一个 I 帧是 IDR 帧，比较简单。对于 I帧或 P 帧，其顶场的 POC 为
(img->number) * (2*(input->successive_Bframe+1)) z IntraPeriod和 IDRIntraEnable 都不为零时
这种情况下每个 I 帧都是 IDR 帧，其 POC 必须设置为零， I帧出现的频率为 IntraPeriod，
故其 toppoc为
(img->number % input->intra_period) * (2*(input->successive_Bframe+1))
z 说明：
原程序中使用了宏定义 IMG_NUMBER
“#define IMG_NUMBER (img->number - start_frame_no_in_this_IGOP)”
通过搜start_frame_no_in_this_IGOP可知这个变量在NumberOfFrameInSecondIGOP为0
（encoder_main.cfg 中就是这样设置的）时恒为 0，故有
IMG_NUMBER = img->number
（2） 编码端 B帧 POC 的计算
由表一可知，在编完一 I 帧或 P 帧之后才开始对它前面的 B帧进行编码

for (img->number=0; img->number < input->no_frames; img->number++)
{
……I，P 帧编码……
if ((input->successive_Bframe != 0) && (IMG_NUMBER > 0))
{
……
for(img->b_frame_to_code=1; img->b_frame_to_code<=input->successive_Bframe;
img->b_frame_to_code++)
{
}

z IntraPeriod或 IDRIntraEnable 为零时toppoc 等于
2+(img->number-1) * (2*(input->successive_Bframe+1))
+2* (img->b_frame_to_code-1)
a) 第一个 2 指得是 IDR 的两个场;
b) img->number要减一是因为要对当前帧(img->number)前面的 B帧进行编码；

z IntraPeriod和 IDRIntraEnable 都不为零时 toppoc等于
2+(img->number % input->intra_period-1) * (2*(input->successive_Bframe+1))
+2* (img->b_frame_to_code-1)
IDR 帧前面
（3） toppoc 到 pic_order_cnt_lsb 的转化
img->pic_order_cnt_lsb
=img->toppoc &
~((((unsigned int)( –1)) << (log2_max_pic_order_cnt_lsb_minus4+4)))

z (unsigned int)(-1)的十六进制形式是 0xffffffff，即它的每一位都是 1；
z log2_max_pic_order_cnt_lsb_minus4+4是图象数目（包括 B 帧）最大值的位数 z 当 toppoc >0时，img->pic_order_cnt_lsb=img->toppoc
当 toppoc <0时，img->pic_order_cnt_lsb= max_pic_order_cnt+ img->toppoc
其中 max_pic_order_cnt=1<<( log2_max_pic_order_cnt_lsb_minus4+4)
z 疑问：
不知道 toppoc 到 pic_order_cnt_lsb 这个过程有什么意义；
POC 的值会从 0 变到很大，为什么不对它进行熵编码；
（4） 解码端 toppoc 的恢复
此过程在函数 decode_poc 中执行。其思想是对于 IDR 前的 B 帧
Toppoc = pic_order_cnt_lsb - max_pic_order_cnt
否则
Toppoc = pic_order_cnt_lsb
是否减去 max_pic_order_cnt 由变量 PicOrderCntMsb 决定，对于 IDR 前的 B 帧
PicOrderCntMsb = (– max_pic_order_cnt)
否则
PicOrderCntMsb = 0
到这就不难理解 PicOrderCntMsb 的含义了， PicOrderCntMsb 反映了 toppoc的值是否小于 0。
至于另外两个参数：PrevPicOrderCntMsb 总是为 0；PrevPicOrderCntLsb 在当前图象是 IDR
或 IDR 前（视频流中）的 B 帧时为0，否则等于前一图象（编码序列中）的 PicOrderCntLsb。
三·pic_order_cnt_type 为 1 的情况
这种情况下通过 frame_num来计算 POC
（1）frame_num 简介
参考《毕厚杰》7.3.4 节中 frame_num 条款的解释，对于表 1 中的图象序列，其 frame_num
的值参考如下：

表 2
视频流 0 1 2 4 5 6 8 9 10 12 13 14 16
编码流 I B B P B B P B B I B B P
编码顺序 0 2 3 1 5 6 4 8 9 7 11 12 10
frame_num 0 2 2 1 3 3 2 1 1 0 2 2 1
poc 0 2 4 6 8 10 12 -4 -2 0 2 4 6

（2）算法思想以及其解码端的实现
z 对于 IDR 帧，poc = 0；
z 对于 I 帧或P 帧
poc = frame_num*2*(input->successive_Bframe+1)
或
poc = 2*(input->successive_Bframe+1)
+ (frame_num – 1)*2*(input->successive_Bframe+1) 解码端实现
poc = img->ExpectedPicOrderCnt
+ img->delta_pic_order_cnt[0] (在 I，P 帧下为 0)
z 对于 I 帧或P 帧之前的 B 帧（视频流中）
poc = (frame_num – 1)*2*(input->successive_Bframe+1)
– 2*(input->successive_Bframe+1 – img->b_frame_to_code)
或
poc = 2*(input->successive_Bframe+1)
+ (frame_num – 1 – 1)*2*(input->successive_Bframe+1)
+ 2*( img->b_frame_to_code – 1)
– 2*input->successive_Bframe
解码端的实现
poc = img->ExpectedPicOrderCnt
+ img->delta_pic_order_cnt[0]
+ active_sps->offset_for_non_ref_pic
z 变量说明
a) 其中 img->b_frame_to_code请参见标题一·（2）
b) img->disposable_flag = (nalu->nal_reference_idc = = 0)，而 nal_reference_idc 只在 B 帧时
为0，即img->disposable_flag只在B帧时为1。这也是在B帧情况下img->AbsFrameNum
要比 I 帧或P 帧多减去一个 1 的原因。
c) 其它变量参见下面小题；
（3）编码端参数设置
a) img->num_ref_frames_in_pic_order_cnt_cycle：
这个参数在 init_poc( )函数中设置为 1 后就再没改动过；
b) img->offset_for_ref_frame[0] ：
在 StoredBPictures为0 时等于 2*(input->successive_Bframe+1)；
c) img->offset_for_ref_frame[1] ：
没什么用，264 头文件中不会保存此变量；
d) img->delta_pic_order_cnt[0] ：
这个变量只对 B 帧有用，等于 2*(img->b_frame_to_code –1)； 对于 I 帧或 P 帧，
其值为 0；
e) active_sps->offset_for_non_ref_pic：
只对 B 帧有用，在 StoredBPictures 为0 时等于–2*input->successive_Bframe,