HEVC的帧间预测

1.MV搜索

MV搜索的目的是要在参考帧中找到最佳匹配块，即Cost最小。其中Cost与图像失真和码率有关，例如，图像失真越小，码流也越小（即编码的比特大小），Cost就最小。然而这是不可能的。可以理解为，图像越逼真，需要编码的量就越大，我们只能在图像质量和编码大小二者中做一个trade off。Cost的定义可以如下所示：

cost=ΔD+λR c o s t = Δ D + λ R

其中 ΔD Δ D 的D是Difference，是图像的失真的衡量，可以是SAD，SSE等等， λ λ 是拉格朗日乘数，就是一个实数系数而已， R R 是码流的大小。

具体的搜索方法是：
1.确定起始搜索点，（可以）利用Cost最小的AMVP（Advanced Motion Vector Prediction）作为起始搜索点（非强制）。

AMVP是一种运动向量预测，利用空域和时域上的运动向量的相关性，为当前PU建立候选预测MV（MVP）列表，如下图1所示。

图1 当前PU候选MV列表

2.在参考帧中按照一定规则搜索其它块（具体方法标准没有强制要求，此处省略）
3.计算每个块的cost，取最小的cost的块作为最佳匹配块

整个过程是，我们在一个当前帧（非参考帧）里有一个块，我们想要找这个块在参考帧中的最佳匹配块（另一个块），计算两个块之间位置的位移，这样，通过参考帧加上这个位移就得到了我们的当前帧，这种编码方式可以获得更小的码率。

2.MV预测

所谓预测，是利用空域上或时域上相邻块的MV拿来给自己使用，或者说预先人为这些块可以给自己使用。其中的原理是利用了空间邻域的局部性和时间邻域的局部性，即空间上相邻块的MV很有可能比自己搜索出来的MV更好，时域同理。

2.1.Merge模式

Merge模式的第一步是构建一个空域或时域的MV候选列表，所谓候选列表是说选择的一些相邻的块，到时将会用到这些候选列表中的块的MV和搜索出来的MV做对比，看看它们谁的率失真Cost比较小，就选择那个作为最佳的MV。这里有两个问题，第一是，搜索加上和候选列表比较，不是会增加算法的复杂度吗？答案是，是的，确实是会增加算法的复杂度，但也是为了更好的效果；第二个问题是，既然已经搜索出来了最佳MV为什么还要再用候选列表再比较一次？这个问题和第一个问题也是相关的，首先是为了更好的效果，其次是merge模式下，候选列表是有限的，标准规定最多就5个，因此，编码这些列表内块的index需要的比特位是很少的，这样，如果可以用候选列表内的块代替最佳MV，那么只需要编码这些index，可以节省比特。总的来说就是，用算法的复杂度换取更高的PSNR（即更低的图像失真和更低的码率）。

那我们如何构建候选列表呢？

2.1.1.空域候选列表的构建

在空间上，我们如图1所示，选取5个可选的候选块，根据 A1→B1→B0→A1→(B2) A 1 → B 1 → B 0 → A 1 → ( B 2 ) 的顺序构建，其中，只有前面四个出现缺失时才会取B2。取这样的顺序的原因是，编码是按之字形扫描的，因此A1是最有可能已经编好的，虽然B1也很可能是编号的，但是如果在第一行的话，整个第一行都是没有B1的，当然如果在第一列的话A1也是没有的，若出现某个没有的情况，才会取B2。这也同时解释了候选列表为什么不用右下角的块加入候选列表，也是因为编码顺序的问题。

2.1.2.时域候选列表的构建

图2 时域候选列表

在参考帧中，候选的块有H和C两个，这里C的左上角是PU的中心，H的左上角是PU的右下角，我们首先找H位置的块，如果H不存在或者H在下一行的CTU中，就找C。至于为什么H在下一行的CTU就不找，我也不知道，可能是出于硬件实现的角度，因为参考帧的信息都是要存储的，在预取的时候，可能是先考虑取相邻的一些CTU。

确定了同位PU后，不能直接使用，还需要进行比例伸缩，原因是同位PU和当前PU的参考帧可能不一样。具体的公式是：

curMV=tdtbcolMV c u r M V = t d t b c o l M V

图3 比例伸缩

其中td和tb是帧之间的时间差。如图3，col代表collocated，意思是对应，即时域上同位块对应的帧；cur意思是current帧。这里还分成了当前帧和参考帧，对应帧和对应帧的参考帧，以说明，“同位块对应的帧可能与当前帧的参考帧不相同”。既然不相同，就有可能出现从对应帧相对于它自己的参考帧求得的MV与当前帧与当前帧的参考帧的MV不同的情况。为了解决这种情况，我们就用了上述公式所示的比例伸缩方法。原理大致可以想象成，有一个物体正在进行匀速运动，从Col_ref到Col_pic间的运动的尺度/规模/距离/大小和Cur_ref到Cur_pic之间尺度/规模/距离/大小的比例就是 tdtb t d t b 。如图4所示，小球从A点运动到D点，已知距离AC和BD，求A到C的运动矢量（距离加方向）和B到D的运动距离之比。乍一看好像是废话，可是这里的前提是A到D做的是匀速直线运动。当然，实际上视频里的运动是不可能那么理想的，所以这里就存在精度的问题–这种粗暴的方法在应用上精度会不高。HEVC中有精度更高的算法，但总的原理是比较相似的。

2.2.AMVP模式

在之前说的Merge模式下建立了一个候选列表，我们希望的是在候选列表中的块的MV可以直接代替当前块的MV，这样我们只需要编码这些候选列表块的编号（一般很小）就可以，也就是这样可以节省码率。但是万一要是候选列表里的块的MV经过比较以后发现不是最好的怎么办？这时我们就需要进入AMVP模式。

AMVP模式下也需要候选列表，只不过它的候选列表的长度是2，也包括时域和空域，而且它也不编码这个列表的索引，而是编码MVD（Motion Vector Difference），MVD指的是当前搜索到的最佳MV和AMVP候选列表中MV的差值。在AMVP模式下，候选块的位置其实是和Merge模式一样的，只不过只在图1中的A0和A1中选择一个B0和B1中选择一个MV，如果这两个MV的大小相同，则合并为一个MV。但是这里还有一个问题，就是即使这些块都在同一个帧内，它们的参考帧也有可能不同，当它们参考的帧不同的时候，就要像之前说的时域的情况一样，参考使用比例伸缩的方法。AMVP模式下的时域候选列表的选取和Merge模式下一样。如果在选取了空域和时域的候选列表之后，所得到的候选列表不足2个（即候选列表里的块为未编码块或不存在）则用（0，0）作为MV补充。

2.3.Skip 模式

Skip模式只存在于帧间预测时，即P帧或B帧，Skip模式下，一个CU的大部分语法元素都不需要编，一个CU是否为Skip模式，取决于三点，一是该CU的划分方式为 2N×2N 2 N × 2 N ，二是该CU下PU的预测方式时Merge模式，第三是该CU的残差变换系数全为0。这个意义上可以将Skip视为Merge模式的一种特殊情况。

2.4.PCM模式

PCM下不经过预测变换，就是上面的过程都不需要了，搜索预测等等都不需要了，取而代之的是直接对像素值进行编码，代码如如图4：

上述代码循环中cbSize只的是8*8或4*4，例如8*8的CB，log2CbSize就等于3，那么括号里它左移一位就为6，1左移六位就为64了，也就是8*8。至于为什么不直接用 22∗log2CbSize 2 2 ∗ l o g 2 C b S i z e ，可能是因为位运算速度更快，处于优化考虑吧。

2.5.加权预测

MV的作用是去模拟一个块的运动的方向，但就我们的观影体验来说，有时候物体的变化并不带表它移动了，也有可能仅仅是颜色变化了。当所有像素做了一个整体变化的时候，可以用加权预测来带来更好的效果。加权预测是以slice为基本单位的。加权预测的值时被定义在在 slicesegmentheader() s l i c e s e g m e n t h e a d e r ( ) 里的，也就是说一个slice存储的是一样的。同样，加权预测旨在P_Slice和B_Slice中有。

加权预测有两种，一种是默认的加权预测，一种是