《媒体信号编码》课件第9章

第9章图像视频编码技术9.1视觉生理与心理学

9.2视频压缩编码技术

9.3

H.264视频压缩标准概述

9.4

H.264视频压缩标准关键模块

习题与思考题 9.1视觉生理与心理学

9.1.1失真可察觉门限

对于高质量图像视频编码，编码前后的图像在主观感觉上应该没有差别，这意味着编码引入的失真应当接近视觉的可察觉门限。失真的可察觉门限定义为刚好可以被发现的失真值，低于它就不被察觉，高于它则可以被察觉。可察觉门限是一个统计量，一般将其定义为有50%的概率能够察觉出来的失真的幅度。对于图像的像素域编码，总是希望知道在图像中每一个像素上可以容忍的失真的大小。对人类视觉系统的研究发现，编码图像时所要求的精度取决于该像素及其邻域在编码过程中失真的可察觉程度。通常,如果该像素的失真可察觉门限值高，意味着编码可以允许较大的失真，于是编码器可以使用更少的比特编码图像信号以降低码率；相反，如果该像素的失真可察觉门限值低，则编码器应该尽量避免失真产生，于是可以通过增加编码比特数来减小失真。

影响失真可察觉门限主要有三方面的因素：

(1)像素所处背景的总体亮度；

(2)像素的时空邻域内亮度变化的掩盖效应；

(3)时空邻域内其他像素失真的综合影响。

1.总体亮度影响

人类视觉系统对于亮度变化的反应是非线性的。设有一亮度为I+ΔI的光斑，其周围的背景亮度为I，如图9-1(a)所示。实验表明，眼睛刚可分辨的亮度差ΔI是I的函数。在一个相当宽的亮度范围内，比值ΔI/I近似为一常数，约等于0.02。这一现象称为韦伯-费克纳(Weber-Fechner)定律，比值ΔI/I称为韦伯比，物理意义为对比灵敏度。但当亮度很高或很低时，上述关系并不成立，比值ΔI/I明显升高，ΔI/I与I的示意关系图如图9-1(b)所示。图9-1对比灵敏度

2.视觉掩盖效应

大多数图像包含着复杂的、不均匀的亮度背景。因此，需要了解当被观察的图像处在大的可见空间和随时间变化的亮度背景中时，感知情况是如何变化的。观察表明：在空间或时间的不均匀背景及存在大的亮度变化的情况下，在亮度跳变的两侧，亮度变化的可察觉门限会提高。这就是非均匀背景引起的对于测试激励的掩盖效应。所谓空间掩盖效应，即在背景亮度中，当测试图像的两边存在较大的亮度变化时，其可察觉失真会减少。这种效应对于图像DPCM编码很重要，因为DPCM编码就是对信号的差值直接量化，可察觉失真门限对量化器的量化特性的设计非常重要。图9-2显示当背景存在一个垂直边缘，边缘两边的亮度分布都是均匀的，但一边的亮度是另一边的30倍时，边缘两侧亮度变化可察觉门限随离开边缘的距离变化的情况。图9-2亮度变化的可察觉门限与到边缘距离间的关系

3.综合影响

如果能够了解低于可察觉门限的多个激励在视觉系统中的响应是如何综合起来的，就可以预见任何形状激励的可察觉性。在做这种分析时，因为是在小信号条件下，所以一般把视觉系统近似作为一个线性系统处理。这种研究在进行内插编码时特别有用，因为此时需要知道多个相邻像素的编码误差造成的总失真在什么情况下会被察觉。

事实上，在视觉系统的线性假定下，任意形状的测试激励的可见度阈值，在线性系统的转移函数或脉冲响应已知时是可计算的。如果测试激励在空间上是正弦变化，而没有时间变化，则可见度阈值可画成空间频率的函数，如图9-3所示。这种函数叫对比度灵敏度函数，其最大值的空间频率约为3～4.5周/°。图9-3亮度为500cd/m2时正弦光栅的9.1.2运动察觉和时间掩盖

当引入时间上变化的激励时，时间上的掩盖效应和感觉对帧间编码来说是非常重要的。然而，时间掩盖是很复杂的，至少有两个因素：①电视摄像机把物体的图像综合在靶面上，因而产生了运动模糊和清晰度下降；②对于运动物体的感觉十分依赖于人眼能否跟踪住该物体。有不少文献叙述了有关时间变化激励的许多因素，然而其在编码中的应用却仍处于初始阶段；同时，若干应用研究已尝试估计由于景像中运动引起的感觉清晰度的下降。若景像中物体运动是剧烈的，则在景像变化后所感觉到的空间清晰度立即显著下降。实验指出，物体运动造成的主观(感觉)分辨力下降与人眼能否跟踪住物体的运动有关。Miyahara曾于1975年测量过人对于图像的时间和空间分辨率要求，发现如果图像中的运动物体能被人眼跟踪，则二者的结果类似。然而，对于不易被人眼跟踪的运动物体，其分辨率的损失就不太容易被察觉。显示在屏幕上的大多数运动是不易被人眼跟踪的，如人物的头、肩运动就难于精确预测。另外，观看者也不会分散太多注意力去跟踪他看到的那么多运动物体。Miyahara的实验显示，在一般的电视观看条件下，平稳运动的角速度达到24′/s时开始能被察觉。Seyler与Budrikis在1965年研究时间掩盖效应时发现，如果是紧跟在一个场景变换之后，空间清晰度显著下降是不易被察觉的，只要在其后慢慢增加即可。如果在0.75s内恢复100%的清晰度，观看者就不会感觉到清晰度的下降。对于掩盖问题，还没有定量的数据指出什么时候观察者能跟踪住一个物体，以及如何精确地跟踪。9.1.3视觉心理理论运用

根据上面视觉生理和心理学的结论，人们得出人类视觉系统HVS具有以下特性。

(1)亮度掩蔽特性：在背景较亮或较暗时，人眼对亮度不敏感。

(2)空间掩蔽特性：随着空间变化频率的提高，人眼对细节分辨能力下降。

(3)时间掩蔽特性：随着时间变化频率的提高，人眼对细节分辨能力下降。如果能充分利用HVS的生理和心理特性，适当降低某些参数的分辨率，就可以进一步降低图像视频信号的数码率。这是因为图像视频信号在大多数情况下最终是给人观看的，而HVS在某些条件下往往可容忍一些失真，有些失真人眼又根本分辨不出来，因此超过视觉分辨能力的高保真度要求根本就没有必要。由于这类压缩方法是从HVS特性出发的，故它们被统称为视觉生理/心理压缩编码，常用的方法有以下几种。

1.空间-灰度分辨率交换

视觉生理-心理学实验表明，人眼仅在观察大面积图像块时，才能分辨出全部256级灰度等级；而当观察小面积区域或细节时，只能分辨出不多的灰度等级。在急剧的黑白跳变处，人眼分辨不出灰度差别(空间掩蔽特性)。因此，对于图像的平坦区域，可以降低空间分辨率，但要保持每一样本有较多的灰度等级；反之，对于图像中的边缘和细节处，则应该保持较高的空间分辨率，但对每一样本可以采用更少的量化比特数。这就是图像子带编码或某些利用视觉掩蔽效应的自适应量化器的设计依据。

2.空间-时间分辨率交换

对于PAL制电视图像，每幅画面大约有40万个有效像素。但是对于运动图像而言，人眼根本不可能分辨出这么多像素；这时可以减少一些像素(时间掩蔽特性)，但要保证足够的画面变换速度，即较高的帧频。这也就是说，在图像快速运动情况下，空间分辨率可以适当低一些，但时间分辨率一定要保证(时间分辨率低会出现图像跳动和模糊感)。在图像慢速运动甚至静止不动时，若要保证每幅图像的空间分辨率，则可以适当降低一些时间分辨率。这就是图像视频编码的空间-时间分辨率交换。

3.时间-灰度分辨率交换

视觉生理-心理学实验表明，时间-灰度分辨率关系存在类似于空间-灰度分辨率的关系。对于快速运动的图像(通常所说的人眼需要的最高时间分辨率为25Hz)，人眼可分辨的像素的灰度等级降低，因此可以用更少的量化级数进行量化，但一定要保证图像的时间分辨率。反之，对于慢速图像或者静止图像，灰度等级要求更高，即需要更多的量化比特数进行更加细致的量化，但时间分辨率可以适当降低一些。

4.利用视觉特性降低色度信号的编码码率

1947年，Hartridge就通过实验指出，人眼在图像细节处分辨不出色彩差别，即人眼对色度信号不如亮度信号敏感，对色度信号的空间分辨率就可以适当降低一些。实际应用中，一般色度信号的空间分辨率为亮度信号的1/2或者1/4。 9.2视频压缩编码技术

9.2.1视频压缩编码概述

视频编码算法在总体上可以分为基于波形的编码和基于内容的编码。它们采用的视频序列的信源模型不同，描述视频序列的参数就不同，因此使用的方法和关键技术也不同。如果采用像素统计独立的信源模型，那么这种信源模型的参数就是每个像素的亮度和色度。如果把一个场景描述成几个物体的模型，那么其参数就是各个物体的形状、纹理和运动。基于波形的编码总是尽可能准确地描述各个像素的信息，而不考虑像素的整体——物体的信息。为了提高编码效率，就要利用相邻像素的统计相关性和相邻像素运动一致性特点。因此基于波形的图像编码的基本模型是二维的、刚性的、平动的、具有高相关性的像素块，相应的编码方法有基于块的变换编码、运动补偿预测编码等，其方法一般具有普适性，即适合于各种类型的图像，但编码效率相对基于内容的图像编码差一点。基于内容的图像编码更加关注图像内容特点和视觉心理感受。基于内容的编码将重点放在各种信源模型的表示上,以求在此上得以突破。典型的基于内容的图像编码有：知识基编码、物体基编码、3D模型基编码等。基于内容的图像编码方法种类繁多，一般不具有普适性，但每种方法针对特定信源模型的编码效率一般都很高。

表9-1列出了常见的图像编码的信源模型、编码参数和编码技术。序号1～3即为常见的基于波形的编码，也是现在视频编码的主流技术；序号4～7即为常见的基于内容的编码。从序号1～7各编码方法所利用的图像内容的先验知识不断增加，与之对应的是适用的图像范围不断缩小，但编码效率不断提高。表9-1图像编码的信源模型、编码参数和编码技术

1.基于波形的编码

利用像素的空间相关性和帧间的时间相关性，采用预测编码和变换编码技术可大大减少视频信号的相关性，从而显著降低视频序列的码率，实现压缩编码的目标。基于波形的编码采用了把预测编码和变换编码结合起来的基于块的混合编码方法，其基本编码框架如图9-4所示。视频编码标准H.261、H.263、MPEG-1、MPEG-2、MPEG-4和AVC/H.264都属于基于波形的编码，本章9.3节和9.4节将重点介绍AVC/H.264视频编码的标准。图9-4基于预测编码和变换编码的混合视频编码框架为了降低编码的复杂性，使视频编码操作易于执行。当采用混合编码方法时，首先把一幅图像分成固定大小的块，例如8×8块、16×16块，等等，然后对块进行压缩编码处理。预测编码实际上是基于图像像素数据的空间和时间相关性，用相邻像素或相邻图像块来预测当前要编码的像素或者图像块的值，然后再对预测误差进行传输或存储，或者经过DCT、量化和熵编码后再传输或存储。

基于块的混合编码易于操作，但由于采用了固定大小的块来近似场景中物体的形状，当包含边界的块属于不同物体时，这些物体可能具有不同的运动方式，不能用同一运动矢量表示该边界块的运动状态。因此，这种边界块必然会产生高的预测误差和失真，严重影响压缩编码信号的质量。另外，基于块的变换编码方法固有的方块效应也会造成视频主观和客观质量的下降。

2.基于内容的编码

基于内容的编码首先把视频帧分成对应于不同物体的区域，然后分别对其进行编码,即对不同物体的形状、运动和纹理进行编码。在最简单情况下，利用二维轮廓描述物体的形状，利用运动矢量描述其运动状态，而纹理则用颜色的波形进行描述。

当视频序列中的物体种类已知时，可采用基于知识或基于模型的编码。这种编码使用特别设计的线框来描述已识别出的物体类型。因为预定义线框可以与物体的形状相适应，因此可以提高编码效率。基于知识的编码使用了较多的有关信源模型的先验知识，适用的范围相对较窄，通常的编码对象是低比特率视频通信中的头肩序列图像。该方法广泛应用于可视电话、视频消息、会议电视中。当物体的可能类型和行为已知时，可采用语义基编码。语义基编码是基于对象编码的最高级形式，充分利用编码对象的先验知识，编码图像的内容是确定的，如某人的头部和肩部的图像。编码器和解码器中都有一个相同的与该对象相对应的三维模型。目前语义基编码中研究最多的是可视电话图像编码。语义基编码采用比知识基编码更高级的形式来表示图像信号和视频序列信号，如用“微笑”、“喜悦”、“愤怒”等语义来描述图像和视频序列中要编码对象的行为，这里所指的对象行为包括动作和表情等方面的内容。该方法能够达到非常高的编码效率。图9-5是物体基分析-综合编码的框图［16］，用它可简要说明基于内容的图像编码的一般方法。物体基分析-综合编码的输入为图像序列，通过对图像的分析从每一帧图像中分离出运动的物体，并估计出每一物体的三个参数集，分别描述物体的运动、形状和纹理。运动参数Ai决定了物体i在图像平面中的运动；形状参数Mi描述物体i在图像平面中的位置及其边界；纹理参数Si描述物体i表面的色度和亮度。对计算得到的参数集进行参数编码，编码后的参数传输到接收端，同时进行参数解码和参数存储。编解码端使用相同的信源模型，当得到相同的参数信息后，可以在编解码端同样地通过图像综合重建被传输的图像。重建的图像在解码端可以作为恢复图像显示，在编码端则被用来对下一帧图像进行图像分析。另外，存储下来的参数可以作为参考值对下一帧图像的参数进行预测编码。图9-5物体基分析-综合编码框图9.2.2视频标准化组织

1.ISOMPEG

运动图像专家组(MPEG)是国际标准化组织(ISO)和国际电工委员会(IEC)的一个工作组。它是第一联合技术委员会第29子委员会的第11个工作组，因此它的官方名称是ISO/IECJTC1/SC29/WG11。MPEG致力于为音频、图像和视频等媒体信号的压缩、处理和播放制定国际标准，其制定的标准称为MPEG-X系列，如MP3就是由MPEG组织制定完成的。

MPEG组织分成许多专题子小组，如表9-2所示，每个小组负责解决与标准化有关的一个特定问题。MPEG组织中的专家从世界范围内的公司、研究组织和机构中来挑选。MPEG的成员和例会参与者仅限于国家标准体。想要参加MPEG的公司和协会必须参加国家标准体。加入标准体、参加国家会议和MPEG的国际大会是昂贵和耗时的，但好处是可以访问MPEG的私有文档(包括标准正式发布前的草案，这意味着在潜在的市场上的领先机会)和制定标准的机会。表9-2

MPEG子小组和职责

2.ITU-TVCEG

视频编码专家组(VideoCodingExpertGroup，VCEG)是国际电信联盟(ITU-T)标准化部门的一个工作组。ITU-T开发电信标准(或称建议)的组织由16个子小组组成。第16子小组致力于多媒体服务、系统和终端，形成H.264标准的多媒体编码项目被描述为问题6，因此VCEG的官方全称是ITU-TSG16Q.6。VCEG是近年来被采纳的名称，以前称为低比特率专家组(LBCEG)。

VCEG开发了一系列在计算机网络和电信网络上的视频通信相关标准。从最早的H.261可视电话标准到更加有效的H.263及H.263的扩展H.263+和H.263++，接下来的是H.26L,现在称之为H.264。

VCEG的成员资格向任何有兴趣者开放(需要主席批准)。与MPEG相比，VCEG的输入/输出文档是公开的。VCEG早期文档(从1992年到1996年)可从参考文献［24］给出的网站上获得，2002年5月以后的文档可在参考文献［25］给出的网站上获得。

3.JVT

联合视频小组(JVT)包括ISO/IECJTC1/SC29/WG11(MPEG)和ITU-TSG16Q.6(VCEG)两个小组的成员。JVT的产生是MPEG对先进视频编码工具的需求的结果。MPEG-4视频(第二部分)的核心编码机制基于相当老的技术(H.263建议，发布于1995年)，因此希望在标准中采用更加先进的视频编码技术。在2001年6月评估了几种有竞争力的技术后，H.26L的测试编解码器被认为是符合MPEG要求的最佳选择，MPEG和VCEG的成员同意成立联合视频小组管理H.26L的最后阶段开发。JVT的主要目标是推动H.264/MPEG-4第十部分的发布。如今这个标准已经完成，现在它的注意力转为对H.264进行扩展和发展更加先进的视频编码技术。9.2.3视频编解码标准发展

1984年CCITT(ITU-T的前身)第15研究组发布了数字基群电视会议编码标准H.120建议。1988年CCITT通过了“p×64kb/s(p=1,2,3,4,5,…,30)”视频编码标准H.261建议，被称为视频压缩编码的一个里程碑。从此，ITU-T、ISO等公布的基于波形的一系列视频编码标准的编码方法都是基于H.261中的混合编码方法的。

1986年，ISO和CCITT成立了联合图像专家组(JointPhotographicExpertsGroup,JPEG)，研究静止图像压缩算法国际标准，1992年7月通过了JPEG标准。

1988年,ISO/IEC信息技术联合委员会成立了活动图像专家组MPEG。1991年公布了MPEG-1视频编码标准，码率为1.5Mb/s，主要应用于家用VCD的视频压缩。

1994年11月，MPEG组织公布了MPEG-2标准，用于数字视频广播(DigitalVideoBroadcast,DVB)、家用DVD(DigitalVideoDiscard)的视频压缩及高清晰度电视(HighDigitalTelevision,HDTV)。码率从4Mb/s、15Mb/s直至100Mb/s，分别用于不同档次和不同级别的视频压缩。

1995年，ITU-T推出了H.263标准，用于低于64kb/s的低码率视频传输，如PSTN(PublicSwitchedTelephoneNetwork)信道中的可视会议、多媒体通信等。1998年和2000年又分别公布了H.263+、H.263++等标准。

1999年12月，ISO/IEC通过了视频对象的编码标准MPEG-4，它除了定义视频压缩编码标准以外，还强调了多媒体通信的交互性和灵活性。

2003年3月，ITU-T和ISO/IEC正式公布了H.264/AVC视频编码标准，这不仅显著提高了压缩比，还具有良好的网络亲和性，加强了对IP网、移动网的误码和丢包的处理。

综上所述，MPEG和VCEG这两大组织制定的视频压缩编码标准及时间大致如图9-6所示。图9-6

ITU-T与ISO/IECMPEG视频压缩标准的发展历程

1．H.261标准

H.261又称为p×64kb/s(p的取值范围是1～30的整数)，主要应用于会议电视和可视电话。用于可视电话时，p=2；用于会议电视时，建议p≥6。它采用了一种公共格式(CommonIntermediateFormat,CIF)，从而解决了由于不同国家彩电制式不同造成的无法互通的问题。H.261采用基于块匹配的运动补偿方法，只支持整像素精度的运动补偿和单向的单帧参考，即参考帧只能使用前一帧图像。

在编码过程中，H.261采用了帧间预测和帧内变换(DCT)相结合的混合编码架构。编码器的三个主要过程是：预测、变换、量化。H.261编、解码器框图如图9-7所示。图9-7

H.261编、解码器框架

2．H.263标准

H.263是为低码率视频压缩提供的新标准，目的是支持码率小于64kb/s的应用，目标网络是PSTN、ISDN和无线网络。同H.261相比，H.263采用了半像素精度的运动矢量搜索，增加了非限制运动矢量，提出了基于语法的算术编码、先进预测模式和PB帧编码等多个高级选项，从而达到了进一步降低码率和提高编码质量的目的。H.263建议不仅着眼于利用公共开关电话网络PSTN传输，而且兼顾移动通信等无线业务。

H.263的发展经历了三个阶段：H.263、H.263+和H.263++。其中，H.263+和H.263++扩充了H.263的编码可选项以及一些附加特性，提高了编码效率和错误掩盖能力，适用范围更大，同时支持SQCIF等多种图像格式。

3．MPEG-1标准

MPEG-1标准可用于视频传输和视频存储,编码前必须将图像转换成逐行扫描图像。由于大多数多媒体内容是在CD-ROM上发布的，因此将1.5Mb/s作为CD-ROM播放器的访问速度，视频格式定为SIF。最终的标准可支持更高的速率和更大的图像尺寸。同H.261类似，MPEG-1也采用运动补偿和二维DCT变换，量化后的DCT系数进行变长编码，同时对每个数据块的直流分量DC进行预测差分编码。该标准中加入了两个比较重要的新特性：双向运动补偿技术以及1/2像素精度的运动补偿。双向运动补偿允许将前帧和后帧作为参考帧，因此,MPEG-1中有三种类型的帧：I帧、P帧和B帧。采用双向运动补偿可进一步降低输出码流的码率，但是需要对序列图像进行重排序,因此无法应用在视频通信中。1/2像素精度的运动补偿根据整像素的值经过内插计算出相应的亚像素位置各点的亮度和色度值，一方面提高了编码器的性能，另一方面也增加了编码器的计算复杂度。

4.MPEG-2标准

MPEG-2标准主要针对数字视频广播DVB、高清晰度电视HDTV和数字光盘DVD等4～9Mb/s运动图像。MPEG-2按照不同的压缩比分成5个档次，并按视频清晰度分成4个级别，共20种组合，可以满足不同图像分辨率及相应的存储成本和处理速度的需要。

MPEG-2既可用于逐行扫描图像，也可用于隔行扫描图像。对逐行扫描图像，可按行分割成块，基于块进行DCT变换；对隔行扫描图像，一帧由两场组成，因此就出现了基于帧的分割和基于场的分割两种宏块结构。同时，为了适应信道的变化和扩大应用范围，MPEG-2采用三种分级编码：空间域分级、时间域分级和信噪比分级。

MPEG-2从编码到传输的体系十分完善，应用领域十分广阔，涵盖了卫星广播服务、有线电视与广播、数字地面电视、电子影院、家庭影院、互动媒体、远程视频监控等方面。

5.MPEG-4标准

MPEG-4是1999年初正式成为国际标准的。该标准更加注重多媒体系统的交互性和灵活性，主要应用于可视电话、视频会议等。MPEG-4标准的编码基于对象，便于操作和控制。在比特率控制时，即使在低带宽条件下，MPEG-4也可利用码率分配方法，对用户感兴趣的对象多分配比特率，对其他则少分配比特率，保证主观质量。MPEG-4的对象操作使用户可在终端直接将不同的对象进行拼接，得到用户合成图像。MPEG-4标准将众多的多媒体应用集成于一个完整的框架内，目的是为多媒体通信及应用环境提供标准的算法及工具，从而建立起一种能被多媒体传输、存储、检索等应用领域普遍采用的统一数据格式。

MPEG-4具有很好的扩展性，可进行时域和空域的扩展。MPEG-4提供自然的和合成的音频、视频以及图形的基于对象的编码工具。MPEG-4为了支持高压缩率、基于内容交互和基于内容分级扩展，以基于内容的方式表示视频数据，引入了AVO(Audio/VideoObject)的概念实现基于内容的表示方法。MPEG-4通过用运动、纹理和形状参数对物体独立地编码，使与视频对象进行基于内容的交互成为可能。一个场景由几个视频对象(VO)组成。一个VO可由几个视频对象层(VOL)组成。VOL表示可分级比特流的不同层或VO的不同部分。VOL的一个时间瞬间称为一个视频对象平面(VOP)。所使用的I、P和B模式类似于MPEG-2的编码模式。

MPEG-4采用的编码方法既有基于块的混合编码，又有基于内容的编码方法。图9-8为MPEG-4对视频序列进行编码的一个实际例子。左上角的图是背景全景图。右上角的图是一个没有背景的子图像，可以把网球运动员当作是一个视频对象(VO)，经常把这种可以独立移动的小图像称为子图像。下面的图是接收端合成的全景图。在编码之前这个子图像全景图从背景全背景图序列中抽出来，然后分别对它们进行编码、传送和解码，最后再合成。图9-8

MPEG-4电视序列编码举例

6.H.264/AVC标准

H.264/AVC是ITU-T和ISO/IEC共同成立的联合视频组(JointVideoTeam,JVT)共同制定的新标准,其目的是与已存在的视频编码标准相比能够成倍地提高编码效率并可应用到更广阔的领域。应该说，H.264/AVC的颁布是视频压缩编码科技发展中的一件大事，它的优异压缩性能也将在数字电视广播、视频实时通信、网络视频流媒体传递以及多媒体短信等各个方面发挥重要的作用。MPEG-4视频和H.264的发展历程如表9-3所示。表9-3

MPEG-4视频和H.264的发展历程

7.AVS标准

AVS标准在国家标准计划中的正式名称为“信息技术先进音视频编码”，它是我国第一个具有自主知识产权、达到国际先进水平的数字音视频编解码标准，是高清晰度数字电视、高清晰度激光视盘机、网络电视、视频通信等重大音视频应用所共同采用的基础性标准。

AVS标准中涉及视频编码的主要有两个部分。AVS标准的第2部分“视频”(AVS-P2)已于2006年2月正式公布，主要针对高清晰度数字电视广播和高密度存储媒体应用。该部分规定了多种比特率、分辨率和质量的视频压缩方法，适用于数字电视广播、交互式存储媒体、直播卫星视频业务、多媒体邮件、分组网络的多媒体业务、实时通信业务、远程视频监控等应用，并且规定了解码过程。AVS的第7部分“移动视频”(AVS-P7)，主要针对低码率、低复杂度、较低图像分辨率的移动媒体应用。

在AVS-P2中只定义了一种档次(基准档次)和四种级别：4.0(720×576)、4.2(720×576，可4∶2∶2采样)、6.0(1920×1152)和6.2(1920×1152，可4∶2∶2采样)，该档次能够满足多数应用对视频编码的常规要求。在GB/T20090.2修订版中，将增加一个加强档次，它是在基准档次的基础上，从AVS新工具集中选择了高级熵编码和自适应加权量化两项技术而形成的，能够更好地满足存储、下载等实际应用对电影等高清晰度节目编码的需要。相比于MPEG-2标准，AVS的视频编码效率提高了2～3倍，并且实现方案简洁。AVS的算法与H.264/AVC的类似，但是做了许多简化和修订，目的是为了规避国外的各种高收费专利，降低编解码器等硬件的生产成本，从而促进国内相关产业和应用的快速发展。 9.3

H.264视频压缩标准概述

9.3.1编/解码器框图

H.264/AVC视频编/解码系统由视频编码层(VideoCodingLayer，VCL)和网络提取层(NetworkAbstractionLayer，NAL)两部分组成，如图9-9所示。VCL中包括VCL编码器与VCL解码器，主要功能是视频数据压缩编码和解码，它包括运动补偿、变换编码、熵编码等核心模块。NAL则用于为VCL提供一个与网络无关的统一接口，它负责对视频数据进行封装打包后使其在网络中传送。NAL采用统一的数据格式，包括单个字节的包头信息、多个字节的视频数据与组帧、逻辑信道信令、定时信息、序列结束信号等。通过NAL，H.264可以支持大部分基于包的网络。图9-9

H.264/AVC可伸缩性扩展的基本编码结构

H.264/AVC编码是基于像素块的，其中的DCT变换和量化基于4×4分块，但是帧间预测和运动补偿都是基于16×16的宏块及其(亚)分割的，而且帧内和残差编码中的方块滤波也是基于宏块的。

H.264/AVC编/解码器的功能模块如图9-10所示。与传统的MPEG-1/2/4编/解码器相比，它们除了帧内预测、去方块滤波和NAL外，其他并无本质区别，主要的不同在于各个功能块的细节。如其中的变换编码和量化过程，与传统的视频编码相比，就有很大的不同。图9-10

H.264/AVC编/解码器的功能模块9.3.2档次与级别、宏块和片

1.档次

H.264/AVC标准规定了三种档次(profile)，如图9-11所示。每种档次支持一组特定的编码功能和应用：

(1)基本档次(baselineprofile)：利用I片和P片进行的帧内和帧间编码，使用CAVLC熵编码，主要应用于可视电话、视频会议和无线通信。

(2)主档次(mainprofile)：支持隔行视频，利用I、P和B片进行的帧内和帧间编码，可使用CABAC熵编码，主要应用于数字电视广播和数字视频存储。

(3)扩展档次(extendedprofile)：支持码流之间的有效切换(SP和SI片)，采用数据分割来改进错误恢复机制，但是不支持隔行视频和CABAC，主要应用于流媒体领域。图9-11

H.264/AVC的三种档次

2.级别

对每种档次设置不同的(处理速率、图像尺寸、缓冲区大小、编码比特率等)参数，则得到对应编码器性能的不同级别(level)。在H.264/AVC标准中，共定义了15个级别，它们的各种限制见表9-4。表9-4级别限制

3.宏块

H.264/AVC中的一个编码图像通常被划分为若干个宏块(MacroBlock，MB)，一个宏块由一个16×16像素的亮度块和附加的两个8×8像素的(Cb和Cr)色差块所组成。在每个图像中，若干宏块被排列成片(slice)的形式。

与MPEG-1/2中的I、P、B帧相对应，在H.264/AVC中也有三种采用不同类型编码的宏块，另外还增加了一种新的SI宏块类型：

(1)I宏块——利用当前片中已经解码的图像作为参考图像进行帧内预测编码(不能取其他片中的已解码像素作为参考进行帧内预测)。

(2)P宏块——利用前面已经解码的图像作为参考图像进行帧内预测编码(可取其他片中的已解码像素作为参考进行帧内预测)，还可以对宏块进行分割与亚分割。

(3)B宏块——似P宏块，但是可利用双向(前面和后面的已经解码的)参考图像进行帧内预测编码。

(4)SI宏块——一种特殊类型的帧内编码宏块，似I宏块，也只使用同一片内的已编码样本来进行预测，用于编码流之间的快速切换。

4.片和片组

一个视频图像可以编码成若干个片(slice)，每个片可包含若干个宏块(MB)，如图9-12所示。一个片中至少包含一个宏块，最多可包含整幅图像中的所有宏块。设置片的目的是为了限制误码的扩散和传播，编码时需保持片间的相互独立性。图9-12片的句法结构

H.264/AVC中共有五种如下编码片类型：

(1)I片——只包含I宏块(在相同的片内由以前编码的数据来预测每个块和宏块)，可用于所有档次。

(2)P片——可包含P宏块(由列表list0的参考图像来预测每个宏块或宏块分割)和/或I宏块，也可用于所有档次。

(3)B片——可包含B宏块(由列表list0或list1的参考图像来预测每个宏块或宏块分割)和/或I宏块，可用于主档次和扩展档次。

(4)SP片——使编码流之间容易切换，包含P和/或I宏块，只能用于扩展档次。

(5)SI片——使编码流之间容易切换，包含I宏块和/或SI宏块，只能用于扩展档次。9.3.3技术特点

H.264/AVC标准的编码思想与传统的MPEG-1/2等视频编码一致——基于像素块的混合编码方法，但是它同时运用了众多的新技术，使得其编码性能远远优于其他标准。

1.H.264/AVC保留的传统编码技术

H.264/AVC保留的传统编码技术如下：

(1)将图像分成16×16像素的宏块来处理。

(2)利用帧间预测与运动补偿来消除时域相关性。

(3)对运动估值后的残差块进行变换、量化、扫描和熵编码，以消除空间和频域冗余。

(4)4∶2∶0亮度色差子采样、运动矢量、划分变换块的大小、分级量化和I/P/B帧等其他技术。

2.H.264/AVC采用的新型编码技术

H.264/AVC所采用的新型编码技术如下：

(1)宏块分割与亚分割。16×16像素的宏块可分割成16×8、8×16、8×8的块，8×8像素块还可进一步亚分割成8×4、4×8和4×4的块。

(2)帧内预测。不仅采用传统的帧间预测，还新增了帧内预测，以消除I帧编码中的空间冗余。利用当前像素块左边和上边的像素来对块内像素值进行预测，只对残差进行编码。

(3)多参考帧和小运动分块。在帧间预测中，可将宏块分割与亚分割成(1)中所列的各种小运动分块，利用已经解码的多个(最多2×16=32)参考帧来进行预测编码，运动补偿的残差值会更小。

(4)4×4整数DCT。对运动补偿和帧内预测的残差块进行4×4的分块，再对4×4的残差块进行整数DCT。与传统的8×8块的浮点数DCT相比，4×4的整数DCT减小了分块效应和振铃效应(ringingeffect),计算快(只需整数加法与移位运算)、效果好(反变换不会出现失配等问题)、结合量化过程、保证运算精度和范围。

(5)Hadamard变换。在量化之前，还对DC系数矩阵先进行Hadamard(哈达玛)变换，可消除相邻变换块的DC系数之间的相关性，以提高压缩比。

(6)无扩展分级量化。对变换系数采用无扩展的分级量化量来进行标量量化，量化的步长由量化参数决定。而且还将量化与变换中的比例伸缩部分(尺度矩阵乘法)融合在一起，有效地减少了编码的计算量。

(7)场扫描顺序。除了传统的Z字型帧扫描顺序外，还增加了图9-13所示的场扫描方式，用于场编码模式。

(8)抗块效应滤波器。为了消除分块编码中，由于块边界像素值的量化误差而形成的图像主观质量的“块效应”，引入了基于内容的抗块效应滤波器。当4×4块边界上两边的图像差较小时，使用滤波器“平滑”掉差别；若边界上的图像特征明显，则不使用滤波器。这样既可减弱块效应的影响，又能避免滤掉图像的内容。图9-13新的场扫描方式

(9)新型熵编码。采用了CAVLC(Context-basedAdaptiveVariableLengthCoding，基于上下文的自适应变长编码)和CABAC(Context-basedAdaptiveBinaryArithmeticCoding，基于上下文的自适应二进制算术编码)等新的熵编码方法，可以克服Huffman和算术编码等传统VLC(VariableLengthCode，变长编码)的概率分布不符合实际情况、概率分布是静止的、忽略了符号的相关性、没有利用条件概率、码字必须为整数比特等缺点，提高压缩比。

(10)新图片类型。新增加了支持码流切换的可转换片(slice，条带)类型SP(SwitchingPredicted，转换预测)和SI(SwitchingIntra，转换帧内)，使得解码器可以在有类似内容但是码率不同的码流之间快速切换，并同时支持随机访问和快速回放模式。SP片采用了帧间预测方法，并通过改变量化值的大小来实现在不同码率的图像流之间的转换；SI片则是SP片的一种近似，用于出现传输错误而无法采用帧间预测方法的情形。

(11)场模式编码。可将一帧图像拆成两场图像，对其中一场采用帧内编码，对另一场则利用前一场的信息进行运动补偿编码，可提高压缩比。

(12)分层算法结构。编码算法总体上分为两层：视频编码层(VCL)负责对视频内容的有效描述；网络抽象层(NAL)负责在不同网络上对视频数据进行打包传输。在VCL和NAL之间定义了一个基于分组方式的接口，参见图10-4。VCL的设计目标是提高编码效率，而NAL的则是解决视频QoS(服务质量)与网络QoS的匹配。

(13)面向IP和无线环境。为了提高压缩视频流在IP网络和移动通信等误码和丢包的多发环境中传输的稳健性，而且适应不同传输速率的需要，H.264/AVC标准中包含了消除传输差错、改变视频流码率的方法和工具：

①为了抵御传输差错，对视频流中的时间同步可以通过采用帧内图像刷新来完成，对空间同步可由片结构编码来支持；

②为了便于误码后的再同步，在一幅图像的视频数据中还提供了一定数量的重同步点；

③在帧内宏块刷新和多参考宏块中，允许编码器在选择宏块模式时，不仅考虑编码效率，还可以适应不同传输信道的特性；④除了利用量化步长的改变来适应信道码率，还常利用数据分割方法来应对信道码率的变化。这里的数据分割

是指在编码器中生成具有不同优先级的视频数据以支持网络中的QoS；

⑤在无线通信应用中，可通过改变一帧的量化精度或空间/时间分辨率，来支持无线信道较大的码率变化。与MPEG-4中采用的(效率较低的)精细可伸缩性(FGS)编码方法不同，H.264/AVC采用流切换的SP帧来代替分级编码。 9.4

H.264视频压缩标准关键模块

9.4.1帧内预测

1.4×4亮度块

对4×4亮度块的帧内预测，利用当前像素块左边和上边的已编码重建的像素A～M对当前块中的待预测像素a～p进行预测，参见图9-14。共有9种预测模式，其中除了第2种DC(直流)模式是采用左边和上边像素的平均值外，其余模式都是按一定方向进行预测的，参见图9-15和图9-16。预测时，对9种模式都进行计算，选取残差SAE最小的模式。图9-14用像素A～M来对块中像素a～p进行帧内4×4预测图9-15帧内4×4预测的8个预测方向图9-16

9种帧内4×4预测模式这里的SAE(SumofAbsoluteErrors，绝对误差和)定义为

其中Bx,By=16,8,4。

具体的预测方法如下(其中round()为舍入取整函数)：

(1)模式0(垂直预测)中的a=e=i=m=A，b=f=j=n=B，c=g=k=o=C，d=h=l=p=D；

(2)模式1(水平预测)，与垂直预测类似；

(3)模式2(DC预测)中的a～p=round(［A+B+C+D+I+J+K+L］/8)；(9-1)

(4)模式3(下左对角线预测)中的a=round(［A+2B+C］/4)，b=e=round(［B+2C+D］/4)，c=f=i=round(［C+2D+E］/4)，d=g=j=m=round(［D+2E+F］/4)，h=k=n=round(［E+2F+G］/4)，l=o=round(［F+2G+H］/4)，p=round(［G+3H］/4)；

其余模式的预测与模式3类似，只是具体计算式稍有差别，这里就不再一一介绍了。

2.16×16亮度宏块

对16×16亮度宏块，可以进行整体预测，有4种预测模式，参见图9-17。图9-17

4种帧内16×16预测模式具体预测计算式如下(其中P(i,－1)和P(－1,j)分别表示宏块上边和左边的相邻像素)：

(1)模式0(垂直预测)：

Pred(i,j)=P(i,－1),

i,j=0,1,…,15(9-2)

(2)模式1(水平预测)：

Pred(i,j)=P(－1,j),

i,j=0,1,…,15(9-3)

(3)模式2(直流预测)：(其中round()为舍入取整函数)(9-4)

(4)模式3(平面预测)(其中clip(x)为裁减函数，作用是将x限制在0～255之内)：

其中，

(9-5)(9-6)

3.8×8色度宏块

因为色度在图像中是相对平坦的，所以只对8×8像素的色度宏块进行帧内预测，采用的预测模式也有4种，与16×16亮度宏块的一致。具体预测计算式如下(其中P(i,－1)和P(－1,j)分别表示宏块上边和左边的相邻像素)：

(1)模式0(垂直预测)：

Pred(i,j)=P(i,－1),

i,j=0,1,…,7(9-7)

(2)模式1(水平预测)：

Pred(i,j)=P(－1,j),

i,j=0,1,…,7(9-8)

(3)模式2(直流预测)：(其中round()为舍入取整函数)(9-9)(9-10)(9-11)(9-12)

(4)模式3(平面预测)：

其中，(9-13)(9-14)9.4.2帧间预测与运动补偿

1.图像帧新类型

除了具有传统的I、P和B图片(slice)类型外，H.264/AVC还增加了支持码流切换的可转换图片类型SP(SwitchingPredicted，转换预测)和SI(SwitchingIntra，转换帧内)，使得解码器可以在有类似内容但是码率不同的码流之间快速切换，并同时支持随机访问和快速回放模式。

SP片的主要目的是用于不同码流的切换，此外也可用于码流的随机访问、快进快退和错误恢复。这里所说的不同码流是指在不同比特率限制下对同一信源进行编码所产生的码流。设切换前传输码流中的最后一帧为A1，切换后的目标码流第一帧为B2(假设是P帧)，因为B2的参考帧不存在，所以直接切换显然会导致很大的失真，而且这种失真会向后传递。一种简单的解决方法就是传输帧内编码的B2，但是一般I帧的数据量很大，这种方法会造成传输码率的陡然增加。

根据前面的假设，由于是对同一信源进行编码，尽管比特率不同，但切换前后的两帧必然有相当大的相关性，因此编码器可以将A1作为B2的参考帧，对B2进行帧间预测，预测误差就是SP片，然后通过传递SP片完成码流的切换。与常规P帧不同的是，生成SP片所进行的预测是在A1和B2的变换域中进行的。SP片要求切换后B2的图像应和直接传送目标码流时一样。显然，如果切换的目标是毫不相关的另一码流，SP片就不适用了。视频流切换如图9-18和图9-19所示。图9-18用SP片切换视频流图9-19切换帧的获取

2.多帧预测

在传统的MPEG视频编码中，P帧只使用前面某一帧、而B帧也只使用前后各一帧来预测。在H.264/AVC中，则可利用多帧(最多前向和后向各16帧，共2×16=32帧)来进行帧间预测和运动补偿。多帧预测可以对周期性运动、平移封闭运动，以及在两个场景间不断切换的视频流有非常好的预测效果。

通过引入多参考帧图像，AVC不仅能提高编码效率，还可以实现更好的码流误码恢复，不过这需要增加额外的时延和存储空间。实验证明，一般采用2～5帧作为参考帧，能得到较好的效果。例如，采用5帧预测，可比单帧预测节省5%～10%的编码比特率。

3.宏块划分

在MPEG-1/2中，帧间预测和运动补偿都是针对整个16×16宏块进行的；在MPEG-4的矩形区域编码中，允许对一个宏块中的4个4×4块分别进行预测和补偿；而H.264/AVC则采用了7种不同大小和形状的宏块分割与亚分割方法，可以减小残差和提高预测精度。

在H.264/AVC中，一个16×16像素的亮度宏块，可以按照16×16、16×8、8×16和8×8进行分割，对8×8的分割块还可以按照8×8、8×4、4×8和4×4进行进一步的亚分割，参见图9-20。利用各种大小的块进行运动补偿的方法，称为树状结构的运动补偿，每个分块都有自己独立的运动矢量。图9-20宏块的分割与亚分割选用较大的块，可以减少表示运动矢量和区域选取的数据量，但是会增加运动补偿后的残差；选用较小的块，可以减小残差和提高预测精度，但却会增加表示运动矢量和区域选取的数据量。较大的块适用于帧间的同质区域，而较小的块则适用于帧间的细节部分。

因为在H.264/AVC中使用4∶2∶0采样，所以色差宏块为8×8像素，是亮度宏块大小的一半。对8×8色差宏块，也采用与16×16亮度宏块类似的方法进行分割与亚分割，只不过所有对应分割块的大小都需要除以2。

4.1/2、1/4和1/8像素精度

为了提高帧间预测的准确性，在H.264/AVC中，对亮度分量采用了(通过内插而得的)1/2和1/4像素的运动精度，内插过程先通过6抽头的滤波器来获得半像素精度，再用线性滤波器来获得1/4像素精度。对色差分量，则采用了对应的1/4和1/8像素精度。

对亮度分量，整数像素位置之间的半像素点，可利用一个6阶有限冲击响应滤波器，对6个相邻整数位置的像素值进行内插来得到，它们所对应的权重向量为(1/32,－5/32,5/8,5/8,－5/32,1/32)。

例如，图9-21中的半像素点b处的像素值，是由与其相邻的6个水平整数像素E、F、G、H、I和J的内插得到的：

类似地，半像素点h处的像素值，是由与其相邻的6个垂直整数像素A、C、G、M、R和T的内插得到的：(9-16)(9-15)在所有的与整数像素在一条(水平或垂直)直线上的半像素都被计算出来后，就可以用同样的方法来计算位于四个整数像素中央的半像素点的值。例如，图9-21中的j点的值既可以通过aa、bb、b、s、gg和hh的垂直内插而获得，也可以通过cc、dd、h、m、ee和ff的水平内插而获得。这两个内插结果是一样的，但是其中的b、s和h、m都必须使用未经舍入的值。图9-21亮度分量的1/2和1/4像素精度的内插对色差分量，与亮度的1/2像素精度所对应的是1/4像素精度，可直接使用对应亮度块的1/4像素运动矢量。与亮度的1/4像素精度所对应的，是色差的1/8像素精度。对1/8像素a的值，可采用四周的整数位置像素A、B、C和D的加权平均来计算(参见图9-22)：

例如，对图9-22中的a，有dx=2、dy=3，所以，图9-22色差分量的1/8像素内插9.4.3整数变换

H.264/AVC中对图像或残差也采用基于DCT的编码，但与普通MPEG编码中的DCT方法有若干不同：

(1)分块大小不再是8×8，而是4×4；

(2)采用的不是浮点数DCT，而是整数DCT。

进行整数DCT的好处有：

(1)所有操作都使用整数算法；

(2)不丢失解码精度；

(3)可实现编解码端的零匹配；

(4)变换的核心部分可仅用加法和移位操作来实现；

(5)变换中的部分尺度乘法运算可与量化器结合，减少了乘法次数；

(6)反量化和反变换一般可用16位乘法实现。二维DCT的公式为(9-17)其中，Xij是图像或残差块X中第i行第j列的值，Ymn是DCT结果矩阵Y中第i行第j列的频率系数。

为了获得整数DCT的公式，我们将上述变换用下列矩阵乘法表示：

Y=AXAT

X=ATYA

其中，

为N×N的

DCT变换矩阵。

对4×4的块，对应的DCT矩阵为(9-18)(9-19)令

则

A=BC

代入矩阵变换式,得(注意BT=B)：

Y=AXAT=(BC)X(BC)T=B(CXCT)BT

=B(CXCT)B

(9-20)

两边同时左右乘 ，得

B－1YB－1=CXCT

其中，(9-21)式中

运算符号表示两个矩阵每个对应位置上的元素相乘，也称为矩阵的尺度乘法(scalingmultiplication)。

在Y

Ei=B－1YB－1=CXCT两边同时右乘以(9-22)

为了使变换矩阵C整数化，可将

简化为 。代入式(9-23)，得

其中，为了保持变换矩阵A的标准正交性(AAT=I)，必须同步修改b值。原来

现在A的第二行的各元素平方和为1,即

1=b2+c2+(－c)2+(－b)2=2b2(1+d2)

可得为了去掉矩阵C中第2与第4行和CT中第2与4列中元素d=1/2的分母2，可以将对应行列中的分母2提出到矩阵E中，得 ，其中(9-23)这是4×4DCT的一种近似。实际编码过程中，通常将尺度乘法“Ef”融合到后面的量化过程中，所以实际的变换为整数型DCT(Y=W

Ef)为

该整数DCT时只需用到整数的加减运算(乘2可以用加法实现),而且只要输入|Xij|≤255，则运算结果就肯定不会超过16位整数。

对应的反变换为

X=ATYA=(BC)TY(BC)=CT(BTYB)C(9-25)

(9-24)因为BT=B，所以类似于B－1YB－1=Y

Ei,可得BYB=Y E,代入上式得

令 及 ，可得

其中,和Ci中的除2运算，可以用右移1位的操作来实现。

(9-26)(9-27)9.4.4量化

1.变换系数量化

在AVC中，对变换系数采用无扩展的分级量化量来进行标量量化，其基本公式为

其中，Z为Y的量化值，Y为输入系数值,Qstep为量化步长，round()为舍入取整函数。量化步长Qstep的取值与量化参数QP有关，QP每增加6，Qstep就增加一倍。共有52种量化步长，对应的QP取值为0～51，参见表9-5。(9-28)表9-5量化步长表实际的计算公式为(包含尺度乘法“Ef”)

其中，Wij是矩阵W中的元素(i≥0,j<4)，预引尺度因子PF(PrescalingFactor)是矩阵Ef中的元素，其取值为(9-29)利用量化步长Qstep随量化参数QP每增加6而增加一倍的特性，可进一步简化计算。设

其中,floor()为下取整函数。令乘法因子

表9-6为取整后的MF取值表。表9-6乘法因子MF值由上述可知，量化式变成

量化的具体计算过程式为(9-30)(9-31)反量化的基本操作是

结合尺度参数PF，并引入避免舍入误差的常数尺度因子64(在反变换输出时再将其除去)，则上式变成

对0≤QP≤5定义尺度因子V=Qstep·PF·64，则

其中，尺度因子V的取值见表9-7。(9-32)(9-33)(9-34)表9-7尺度因子V

2.DC系数的Hadamard变换和量化

对图像宏块是色度块或帧内16×16预测模式的亮度块，可以将其4×4整数DCT系数矩阵W中的直流(DC)系数W00，按其在原宏块中的排列顺序组成DC系数矩阵WD。16×16的亮度宏块中，有4×4个4×4变换块，所以对应的WD为4×4矩阵。因为AVC采用4∶2∶0的子采样，故16×16的图像宏块中，有2×2个4×4的Cr和Cb色度变换块，所以对应的WD为2×2矩阵。

由于DC系数是图像块的平均能量，相邻块的DC系数具有较大的相关性，可采用对称正交的Hadamard矩阵Hn对其进行Hadamard(哈达玛)变换，以消除这种相关性，从而提高编码的压缩比。其中,4阶和2阶的Hadamard矩阵Hn定义为

对4×4亮度块和2×2色度块的DC系数矩阵WD的Hadamard变换为(9-35)然后再对YD进行量化，输出结果为ZD(i,j)：(9-36)9.4.5

CAVLC

1.思路与特点

VLC(VariableLengthCoding，变长编码)的基本思想就是对出现频率大的符号使用较短的码字，而出现频率小的符号采用较长的码字。这样可以使得平均码长最小。在CAVLC中，H.264采用若干VLC码表，不同的码表对应不同的概率模型。编码器能够根据上下文，如周围块的非零系数数目或系数的绝对值大小，在这些码表中自动地选择，最大可能地与当前数据的概率模型匹配，从而实现了上下文自适应的功能。

一维变换量化系数具有如下特点：

(1)大部分系数为0，CAVLC用游程编码来紧凑地表示0串。

(2)高频区的非零系数通常是±1，CAVLC用一种紧凑方式表示高频±1的个数。

(3)相邻块非零系数的个数是相关的，CAVLC对它的编码使用查找表(表项的选择依赖于相邻块非零系数的个数)。

(4)系数开头(接近DC系数)的非零系数的幅度相对较大，在高频区则相对较小。CAVLC利用这一点，根据最近编码的幅度来选择参数的VLC查找表。

针对这些特点，H.264/AVC设计了CAVLC算法，其变字长编码器可根据已经传输的变换系数的统计规律，在几个不同的既定码表之间进行自适应切换，使其能够更好地适应其后传输的变换系数的统计规律，从而提高了变字长编码的压缩效率。

2.编码过程

下面结合一个简单的例子来描述CAVLC算法的全过程。设有一个经变换和量化后的4×4系数块，如表9-8，经Z字形扫描编码后形成一维系数序列：

0,3,0,1,－1,－1,0,1,0,0,0,0,0,0,0,0表9-8

4×4系数块具体的编码过程如下：

(1)编码非零系数总数(TotalCoeffs)和拖尾±1(TrailingOnes,T1s)的个数T1s。

首先编码4×4系数块所对应的系数序列中的非零系数总数和拖尾±1的个数，非零系数数目的范围是0～16，拖尾系数数目的范围是0～3。如果±1的个数大于3，只有最后3个被视为拖尾系数，其余的被视为普通的非零系数。对非零系数数目和拖尾系数数目的编码可通过查表方式，共有4个变长表格和1个定长表格可供选择。其中的定长表格的码字是6个比特长，高4位表示非零系数的个数(TotalCoeffs)，最低两位表示拖尾系数的个数(TrailingOnes)。表格的选择是根据变量nC的值来选择的，在求变量nC值的过程中，体现了基于上下文的思想。除了色度的直流系数外，其他系数类型的nC值是根据当前块左边4×4块的非零系数数目(nL)和当前块上面4×4块的非零系数数目(nU)求得的。当输入的系数是色度的直流系数时，nC=－1。nC的计算过程见下式：(9-37)计算出nC后，可以根据nC值利用表9-9选择非零系数数目和拖尾系数数目的编码表格。其中有4个变长编码(VariableLengthCoding,VLC)表VLC0～3和1个定长编码(FixLengthCoding,FLC)表FLC,参见表9-9和表9-10。表9-9选择非零系数数目和拖尾系数数目的编码表格对coeff_token编码时，可依据已编码块的非零系数个数nL和nU来预测当前块的非零系数个数nC，再由nC的取值范围来选择5个查找表中的一个，其中有4个变长编码(VariableLengthCoding，VLC)表VLC0～3和1个定长编码(FixLengthCoding，FLC)表FLC，参见表9-10。表9-10

coeff_token表VLC0

(2)编码每个T1s的符号。对coeff_token中的每个TrailingOne的符号，按Z字形扫描的反序(即从高频到低频)进行编码，用0表示+1，1表示－1。对本例(+1,－1,－1)的输出为011。

(3)编码剩余非零系数的电平。非零系数的电平(level，幅度值)编码levelCode，由前缀(level_prefix)和后缀(level_suffix)两部分组成。前缀level_prefix为(非零系数值-1)个0后跟一个1的二进制位串“0…01”；后缀level_suffix则为长度为levelSuffixSize位的0串“0…0”。若levelSuffixSize=0，则无后缀。一般levelSuffixSize=suffixLength，但是有如下两种例外：①当level=14时，suffixLength=0，而levelSuffixSize=4；

②当level=15时，levelSuffixSize=12。

变量suffixLength是基于上下文模式自适应更新的：

①suffixLength一般被初始化为0，只有当TotalCoeffs>10且T1s<3时，才被初始化为1；

②按反向扫描顺序编码非零系数；

③若已编码的非零系数值>预定义好的阈值(threshold)(参见表9-11)，则执行suffixLength++。表9-11决定增加suffixLength的阈值这种方法主要是根据变换系数块内，越接近DC系数的非零系数的(绝对)值越大的特点而设计的。如本例中，对+1编码：此时非零系数=1，故前缀level_prefix被编码为1；而suffixLength被初始化为0，此时为一般情形，故levelSuffixSize=suffixLength=0，所以后缀level_suffix的位数被置为0(无后缀)，故对应的电平输出码字levelCode=1(前缀)=1。再对+3进行编码：因为这时非零系数=3，故level_prefix被编码为001，又因为1大于当前阈值0，故suffixLength=1，level_suffix被编码为0，所以对应的电平输出码字为levelCode=001(前缀)0(后缀)=0010。

(4)编码最后一个非零系数前零的总数。计算(按正序的)最后