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
• 没有快速算法
• 实际中很少使用
  • 复杂度极高

• K-L变换非常复杂度很高，不实用
  • 需要计算协方差矩阵U
  • 需要计算特征向量
  • 需要发送 到解码器

4. 离散傅立叶变换

5. 离散傅立叶变换性质

6. 离散余弦变换

• 比K-L变换，傅里叶变换的复杂度更低
• 变换性能仅次于K-L变换
• 有快速算法可以加快变换速度
• 可以用整数变换进一步降低复杂度

7. DCT与DFT的关系

8. 离散余弦变换的重要性质

 

9. 快速DCT变换

下图是一个动态展示：

 

 

10. 整数离散余弦变换

• 离散余弦变换为浮点操作
  • 需要64位精度
  • 浮点计算复杂度高
  • 变换精度高
• 整数变换：离散余弦变换的整数近似
  • 需要更少的位宽
  • 整数计算复杂度低
  • 好的整数变换的变换精度接近浮点变换
• 浮点近似方法

11. H.264的4x4整数变换

12. 小波变换

• 新的变换方法
• 避免由于块编码带来的块效应
• 更适合视频空间可分级编码

 

第7章 量化

1. 量化Quantization

• 用更小的集合表示更大的集合的过程
  • 对信号源的有限近似
  • 有损过程
  • 应用
    • A/D转换
    • 压缩
  • 量化方法
    • 标量(Scalar)量化
    • 矢量(Vector)量化

2. 量化的基本思想

• 映射一个输入间隔到一个整数
• 减少信源编码的bit
• 一般情况重构值与输入值不同

3. 量化模型

4. 量化的率失真优化

• 量化器设计问题
  • 量化水平的个数，即Bin的个数
  • 决策边界：Bin的边界
  • 重构水平
• 量化器设计是对率失真的优化
  • 为了减少码率的大小，需要减少Bin的个数
  • Bin的个数减少导致重构的误差增大，失真也就随着增大

5. 失真测量

6. 量化器设计

• 量化器设计的两个方面
  • 给定量化水平数目M，找到决策边界x_i和重构水平 使MSE最小
  • 给定失真限制D，找到量化水平数目M，决策边界x_i和重构水平y_i使MSE<=D

7. 均匀量化（Uniform Quantization）

8. 量化与峰值信噪比

9. 中升量化器（Midrise Quantizer）

10. 中平量化器（Midtread Quantizer）

11. 死区量化器（Deadzone Quantizer）

12．非均匀量化（Non-uniform Quantization）

• 如果信源不是均匀分布的，采用均匀量化不是最优的
• 对于非均匀量化，为了减少MSE，当概率密度函数f_X(x)高时，使Bin的量化步长减小，当概率密度函数f_X(x)低时， 使Bin的量化步长增加。

13. 最优的标量量化

14. 量化编码

• 定长编码量化水平
  • 使用等长的码字编码每个量化水平，码字长为：
• 熵编码量化水平
  • 根据量化水平的概率分布情况，用变长的码字编码每个量化水平
  • 平均码字长
  • 比定长编码量化水平效率高
  • 广泛应用在图像和视频编码中

15. 矢量量化

• 标量量化：对数据一个一个的进行量化，称为标量量化。
• 矢量量化：将数据分组，每组K个数据构成K维矢量，再以矢量为处理单元进行量化。
  • 矢量量化是标量量化的多维扩展
  • 标量量化是矢量量化的特殊情况
• 矢量量化工作过程

• 二维矢量量化

• 矢量量化优点
  • 只传码字的下标，编码效率高
  • 在相同码率下，比标量量化失真小
  • 在相同失真下，比标量量化码率低
• 矢量量化缺点：复杂度随着维数的增加呈指数增加

 

第8章 熵编码

1. 熵编码

• 熵（Entropy）：信源的平均信息量，更精确的描述为表示信源所有符号包含信息的平均比特数
  • 信源编码要尽可能的减少信源的冗余，使之接近熵
  • 用更少的比特传递更多的信源信息
• 熵编码：数据压缩中根据信源消息的概率模型使消息的熵最小化
  • 无损压缩
  • 变长编码

2. 熵

• 信息量：

单位：比特

• 熵：

单位：比特/符号

3. 定长编码

4. 变长编码

• 变长编码：用不同的比特数表示每一个符号
  • 为频繁发生的符号分配短码字
  • 为很少发生的符号分配长码字
  • 比定长编码有更高的效率
• 常用的变长编码
  • Huffman编码
  • 算术编码

5. Huffman编码

• 前缀码：任何码字不是其它码字的前缀
  • 如果011为一个有效码字，则0，1，01，11必不是有效码字
  • 不会引起解码歧义
• Huffman：
  • 二叉树
  • 树节点:表示符号或符号组合
  • 分支:两个分支一个表示"0"，另一个表示"1"

• Huffman的不唯一性
  • 每次分支有两种选择：0，1

    

  • 相同的概率产生不同的组合

    

• 缺点：
  • 数据的概率变化难于实时统计
  • Huffman树需要编码传输给解码器
  • 只有在p(x_i)=1/2^ki 时是最优编码
  • 最小码字长度为1比特/符号
• 如果有二值信源，其两个符号的概率相差很大
  • 例如：p(1)=0.0625，p(0)=0.9375则H=0.3373比特/符号，Huffman编码平均码长=1比特/符号
  • 两个符号联合编码有更高效率

6. 扩展Huffman编码

7. 范式Huffman编码

• 范式Huffman树的建立规则
  • 节点左支设为0，右支设为1
  • 树的深度从左至右增加
  • 每个符号被放在最先满足的叶子节点

• 特性
  • 第一个码字是一串0
  • 相同长度的码字的值是连续的
  • 如果所有的码字通过在低位补0的方式，使所有码字的长度相同则有 0000<0100<1000<1010<1100<1110<1111
  • 从码字长度n到n+1有如下关系
    • C(n+1,1)=(C(n,last)+1)<<1
  • 从码字长度n到n+2有如下关系
    • C(n+2,1)=(C(n,last)+1)<<2

8. 一元码

• 编码一个非负整数n为n个1和一个0
• 不需要存储码表
• 可以用Huffman树表示

  

• 码长增长太快：n=100，码长101

9. 哥伦布编码

• 将信源符号等分成几组，每组有相应的编号
• 编号小的分配码字短，编号大分配码字长
• 同组的符号有等长的码字，比一元码的码字长度增长慢

  

• 码字分配

 

10. 指数哥伦布编码

• 哥伦布码对信源符号的分组大小相同
• 指数哥伦布码对信源符号的分组大小按照指数增长
• 指数哥伦布码依然是一元码加定长码的形式
• 指数哥伦布码的指数k=0，1，2，…

11. CAVLC（ Context-Based Adaptive Variable Length Code）

• 当前块的系数分布和其邻块的系数分布情况相关
  • N_X为块X的非零系数个数，当前块C的第一个系数的编码码表由N_C决定， N_C=( N_A+ N_B )/2

    

• 当前待编码系数和前面编码系数有相关性
  • 当前块C的其它系数的编码码表由前一个系数的幅值决定cof_N-1=>GolombTab_x，用GolombTab_x编码cof_N

12. 算术编码

• 信息量=>符号编码比特数
• Huffman编码为每个符号分配一个码字，这说明Huffman编码的压缩上限是1比特/符号
• 算术编码若干个符号可编码成1bit
• 算术编码是把信源表示为实数轴上[0,1]区间，信源中每个符号都用来缩短这个区间
  • 输出[0,1]区间的一个实数表示一串编码符号
  • 比Huffman编码更有效
• 编码思想
  • 编码器用熵编码算法编码一串符号产生一个[0,1]区间的实数，将实数的一个二进制表示传给解码器
  • 解码器用熵解码算法解码得到一串符号
• 小数的二进制表示

  

• 信源符号概率分布

  

• 字符串：X2 X2 X3 X3 X6 X5 X7
• Huffman编码，01 01 100 100 00 11 1011，18bit

• 算术编码更接近熵
• 有限精度算术编码是次优（Near-optimal）编码，发送整数比特给解码端
• 算术编码到最后一个字符编码结束才输出码字
• 编码复杂度也比较高

13. 二值算术编码

13. 自适应二值算术编码

• 由于信源0和1出现的概率是在不断变化的，因此0和1的概率区间也应该不断改变
• 自适应二值算术编码每编码一个0或1都重新统计0和1的概率并重新划分[0,1)区间
• 编解码端的概率统计模型一致，能够得到同样的[0,1)区间划分

 

14. CABAC（Context-Based Adaptive Binary Arithmetic Coding）

• 当前块的语法元素概率分布和其邻块的语法元素概率分布情况相关
  • 当前块C的邻块A和B的语法元素S_A与S_B可以为编码C块的语法元素S_C选择概率模型
• 二值化
  • 将语法元素值转换成二进制值串
• 概率模型更新
  • 根据已经编码的比特，重新估计二进制值串的概率并更新概率模型，用新的概率模型编码下一个比特

15. Run Length 编码

• 利用信源字符的重复性来编码的技术
• 对有很长，很多重复字符的信源编码非常有效
• 重复字符称为run，重复的字符个数称为run length
• Run-length编码能够和其它熵编码一起来压缩数据

16. 字典编码

• 字典编码：根据信源符号（消息）的组合特点，建立包含各种符号组合的字典，编码这些符号组合的索引
  • LZ78=>Winzip
  • LZW=> GIF
• 适合一般意义上的数据压缩，去除数据的统计冗余

17. LZW

• 将信源输出的字符串中，每个第一次出现的字符或者字符串用索引来表示，并将字符或字符串对应的索引编码到码流中
• 解码端根据从码流中解码的字符，在线的建立和编码器完全一样的字典，并恢复出信源输出的字符串
• 适用于字符串中有大量的子字符串多次重复出现，重复次数越多，压缩效果越好
• 单个符号被分配为0-255之间的值
• 初始码表，使其包含值为0-255的256个符号，值大于255的符号为空
• 编码器将根据编码的符号情况确定字符组合为从 256 到 4095 之间的值
• 编码时，编码器识别新的字符组合，并将他们增加到码表中
• 编码器用码表中的符号组合所对应的值编码

• 解压时LZW解码器能够产生和编码器完全一样的码表
• 和编码器一样先初始化所有的单字符，将0-255之间的值分配给它们
• 除了解码第一个字符外，解码其它字符时都要更新码表
• 通过读码字并根据码表中的值将它们解码为对应的字符或字符组合

18. LZ78

参考资料：

• LZW：http://www.cs.usyd.edu.au/~loki/cs2csys/gif-info/lzw.html
• LZ78：http://www.cs.usyd.edu.au/~loki/cs2csys/gif-info/lz78.html