一種幀內預測模式的選擇方法和裝置的制造方法
【技術領域】
[0001] 本發(fā)明設及視頻編碼技術領域，特別是設及一種帖內預測模式的選擇方法和裝 置。
【背景技術】
[0002] 肥VC(化曲Efficiency Video Coding,高效視頻編碼標準）是新一代視頻編碼標 準，其產生的目的是解決人們對視覺和聽覺質量日益增加的需求。
[0003] 對于視頻編碼標準來說，一個重要的組成部分是預測編碼技術。預測的好壞直接 決定了視頻編碼的效果，而預測模式的選擇占用了相當大的編碼時間，因而，如何能夠快速 而準確的從所有的預測模式中選擇出最佳的模式一直是一個研究熱點。
[0004] 相比于H. 264的9種帖內預測模式，為了達到更好的編碼性能，肥VC標準提出了 35種預測模式，旨在提高帖內預測的精度。然而，更多的預測模式同樣帶來了更高的計算復 雜度。
[0005] 在肥VC中，一帖圖像被分割成許多互不重疊的LCU(LargestCoding化it,最大 編碼單元），每個LCU的尺寸為64X64,每個LCU又可W按四叉樹遞歸的方式劃分為許多個 CU(Coding化it,編碼單元），當LCU不劃分時其尺寸為64X64的CU，深度（ckpth)定義為 0，當LCU劃分為4個子CU時，每個子CU的尺寸為32X32，depth為1，每個子CU可W獨立 于其它CU遞歸劃分下去。當子CU的尺寸為8X8,即cbpth為3時，不再繼續(xù)劃分。
[0006] 肥VC對一個LCU(depth= 0)進行帖內編碼的過程就是先對LCU進行帖內預測模 式捜索，并計算出對應的率失真代價RdCost_l，然后將LCU劃分為4個子CU(cbpth= 1)， 分別對每個子CU進行35種預測模式捜索，并求出對應的率失真代價。最后求出4個子CU 的總率失真代價RdCost_2，比較RdCost_l和RdCost_2的值，如果前者小則將RdCost_l對 應的最佳預測模式作為LCU的最優(yōu)預測模式，否則將RdCost_2對應的最佳預測模式作為 LCU的最優(yōu)預測模式。類似地，對每個子CU進行帖內預測模式捜索時會經歷與LCU相同的 過程，即也要將其劃分為4個更小的子CU(cbpth= 2)，然后再做比較，如此劃分下去直至 CU的depth= 3。RdCost_2是4個子CU的cost和，子CU的cost本身也是層次決定的，即 可W是把它作為一個CU編碼，也可W繼續(xù)劃分為4個更小的CU進行編碼，子CU的cost從 二者中選擇較小的那個。而且4個子CU的劃分情況是獨立決定的，不受彼此影響。窮盡捜 索的帖內預測雖然提高了預測精度，但也極大地增加了編碼復雜度和編碼時間。

【發(fā)明內容】

[0007] 本發(fā)明實施例所要解決的技術問題是提供一種帖內預測模式的選擇方法和裝置， 能夠降低預帖內測模式選擇算法的復雜度，提高編碼效率。
[000引為了解決上述問題，本發(fā)明公開了一種帖內預測模式的選擇方法，包括：
[0009] 對編碼單元進行下采樣，得到相應的采樣單元；
[0010] 分別利用多種預測模式中的每一種對所述采樣單元進行預測，得到相應的預測單 元；
[0011] 計算各預測單元與所述編碼單元之間的預測代價；
[0012] 依據各預測單元對應的預測代價，從所述多種預測模式中選擇預選預測模式；
[0013] 針對所述預選預測模式計算對應的率失真代價，并依據所述率失真代價從所有預 選預測模式中選擇最佳的預測模式。
[0014] 優(yōu)選地，所述對編碼單元進行下采樣，得到相應的采樣單元，包括：
[0015] 對編碼單元分別進行水平和垂直各一倍下采樣，得到相應的采樣單元；其中，所述 采樣單元包括所述編碼單元中偶數行偶數列、或偶數行奇數列、或奇數行奇數列、或奇數行 偶數列的像素。
[0016] 優(yōu)選地，所述計算各預測單元與所述編碼單元之間的預測代價，包括：
[0017] 計算各預測單元與所述編碼單元之間的的阿達瑪花費參數；
[0018] 依據加權后的阿達瑪花費和碼率花費計算每一個預測單元對應的預測代價。
[0019] 優(yōu)選地，所述依據各預測單元對應的預測代價，從所述多種預測模式中選擇預選 預測模式，包括：
[0020] 依據各預測單元對應的預測代價，從所述多種預測模式中選擇預測代價最小的一 種或幾種作為預選預測模式。
[0021] 優(yōu)選地，所述針對所述預選預測模式計算對應的率失真代價，并依據所述率失真 代價從所有預選預測模式中選擇最佳的預測模式，包括：
[0022] 針對所述預選預測模式計算對應的率失真代價；
[0023] 確定率失真代價最小的預選預測模式為最佳的預測模式。
[0024] 依據本發(fā)明的另一方面，提供了一種帖內預測模式的選擇裝置，包括：
[0025] 采樣模塊，用于對編碼單元進行下采樣，得到相應的采樣單元；
[0026] 預測模塊，用于分別利用多種預測模式中的每一種對所述采樣單元進行預測，得 到相應的預測單元；
[0027] 計算模塊，用于計算各預測單元與所述編碼單元之間的預測代價；
[002引預選模塊，用于依據各預測單元對應的預測代價，從所述多種預測模式中選擇預 選預測模式；W及
[0029] 選擇模塊，用于針對所述預選預測模式計算對應的率失真代價，并依據所述率失 真代價從所有預選預測模式中選擇最佳的預測模式。
[0030] 優(yōu)選地，所述采樣模塊，包括：
[0031] 采樣單元，用于對編碼單元分別進行水平和垂直各一倍下采樣，得到相應的采樣 單元；其中，所述采樣單元包括所述編碼單元中偶數行偶數列、或偶數行奇數列、或奇數行 奇數列、或奇數行偶數列的像素。
[0032] 優(yōu)選地，所述計算模塊，包括：
[0033] 第一計算單元，用于計算各預測單元與所述編碼單元之間的的阿達瑪花費參數；
[0034] 第二計算單元，用于依據加權后的阿達瑪花費和碼率花費計算每一個預測單元對 應的預測代價。
[00巧]優(yōu)選地，所述預選模塊，包括：
[0036] 預選單元，用于依據各預測單元對應的預測代價，從所述多種預測模式中選擇預 測代價最小的一種或幾種作為預選預測模式。
[0037] 優(yōu)選地，所述選擇模塊，包括：
[003引代價計算單元，用于針對所述預選預測模式計算對應的率失真代價；
[0039] 模式確定單元，用于確定率失真代價最小的預選預測模式為最佳的預測模式。
[0040] 與現有技術相比，本發(fā)明實施例包括W下優(yōu)點：
[0041] 本發(fā)明實施例對編碼單元進行下采樣，得到相應的采樣單元，并針對采樣單元進 行預測模式的選擇，由于采樣單元的像素少于編碼單元的像素，故能夠精簡選擇算法需要 計算的數據量，從而能夠降低選擇算法的復雜度；
[0042] 此外，本發(fā)明實施例不是直接針對所有預測模式計算率失真代價，而是首先從所 述多種預測模式中選擇預選預測模式，然后針對所述預選預測模式計算率失真代價；該相 對于針對所有預測模式計算率失真代價，大大減少了計算率失真代價所設及的數據量，從 而能夠進一步降低選擇算法的復雜度。
【附圖說明】
[0043] 圖1示出了本發(fā)明的一種帖內預測模式的選擇方法實施例的步驟流程圖；
[0044] 圖2示出了本發(fā)明的一種利用35種預測模式對像素塊進行預測的示意圖擬及
[0045] 圖3示出了本發(fā)明的一種帖內預測模式的選擇裝置實施例的結構框圖。
【具體實施方式】
[0046] 為使本發(fā)明的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結合附圖和具體實 施方式對本發(fā)明作進一步詳細的說明。
[0047] 實施例一
[0048] 參照圖1，示出了本發(fā)明的一種帖內預測模式的選擇方法實施例的步驟流程圖，具 體可W包括：
[0049] 步驟101、對編碼單元進行下采樣，得到相應的采樣單元；
[0化0] 由于視頻圖像數據中往往存在著極強的相關性，像素之間的空間距離越近，那么 它們的相關性也越強。本發(fā)明利用該種相關性，將編碼單元進行精簡，該樣，對于預測模式 的選擇算法需要處理的數據量將大大減少，從而可W降低選擇算法的復雜度與運算時間。 [0化1] 本發(fā)明通過對編碼單元進行下采樣實現編碼單元的精簡，該樣，對所述編碼單元 對應的采樣單元進行帖內預測，將能夠減少選擇算法的工作量。
[0化2] 在本發(fā)明的一種優(yōu)選實施例中，所述對編碼單元進行下采樣，得到相應的采樣單 元，具體可W包括；對編碼單元分別進行水平和垂直各一倍下采樣，得到相應的采樣單元； 其中，所述采樣單元包括所述編碼單元中偶數行偶數列、或偶數行奇數列、或奇數行奇數 列、或奇數行偶數列的像素。
[0化3] 在本發(fā)明的一種應用示例中，W-個2NX2N的待編碼的原始像素塊為例，可W對 該原始像素塊進行水平和垂直各一倍下采樣，即保留每個偶數行偶數列坐標的像素，而拋 棄其余像素，該樣生成一個NXN的采樣像素塊（即未經損壓縮的當前像素塊或圖像的輸入 像素），即對應本發(fā)明的采樣單元。
[0化4] 當