视频编解码方法、计算机设备和存储装置与流程
通过引用并入本申请
本申请要求2018年7月9日提交的美国临时申请第62/695，390号，“利用非均匀四进制分割进行块分区(blockpartitionwithnon-uniformquad-split)”的优先权，以及2018年12月28日提交的美国申请16/235,937，“利用非均匀四进制分割进行块分区的方法和装置”，其通过引用整体并入本申请。
本申请涉及视频编解码技术，尤其涉及利用非均匀四进制分割进行块分区的方法和装置。
背景技术：
本文所提供的背景描述旨在整体呈现本申请的背景。在背景技术部分以及本说明书的各个方面中描述的指出姓名的发明人的工作所进行的程度，并不表明其在本申请提交时作为现有技术，从未明示或暗示其被承认为本申请的现有技术。
几十年来，通过具有运动补偿的帧间画面预测技术，可以实现视频编码和解码。未压缩的数字视频可包括一系列画面，每个画面具有例如1920×1080亮度样本及相关色度样本的空间维度。所述系列画面具有固定或可变的画面速率(通俗也称为帧率)，例如每秒60个画面或60赫兹。未压缩的视频具有非常高的位率要求。例如，每个样本8位的1080p604:2:0的视频(1920x1080亮度样本分辨率，60赫兹帧率)要求接近1.5gbit/s带宽。一小时这样的视频需要超过600gb的存储空间。
视频编码和解码的一个目的是通过压缩减少输入视频信号的冗余信息。压缩可以帮助减少对前述带宽或存储空间的要求，在一些情况下减少两个数量级或更多。无损和有损压缩，以及两者的组合均可采用。无损压缩是指从压缩的原始信号中重建原始信号精确副本的技术。当使用有损压缩时，重建信号可能与原始信号不同，但是原始信号和重建信号之间的失真小到足以使重建信号可用于预期应用。有损压缩广泛应用于视频。容许的失真量取决于应用；例如，相比电视应用的用户，某些消费流媒体的用户可以容忍更高的失真量。可实现的压缩比反映出：较高的允许/容许失真可产生较高的压缩比。
运动补偿可以是有损压缩技术，并且可以涉及这样的技术，其中使用在由运动向量(下文称为mv)指示的方向上空间移位后的采样数据块预测新重建图片、或部分新重建图片，其中该采样数据块来自先前重建图片、或部分先前重建图片(参考图片)。在一些情况下，参考图片可以与当前正在重建的图片相同。mv可以具有两个维度(x和y)，或三个维度，第三个维度是使用中的参考图片的指示(后者间接地可以是时间维度)。
在一些视频压缩技术中，可应用于样本数据的某一区域的mv可以根据其它mv来预测，例如，根据空间上邻近正在重建区域的样本数据的其它区域相关的mv，并且这些mv在解码顺序上先于该mv。这样做可以显著减少编码mv所需的数据量，从而消除冗余并且增加压缩。可以更有效的进行mv预测，例如，因为当对从相机导出的输入视频信号(称为自然视频)进行编码时，存在一种统计可能性，即，比单个mv适用的区域更大的区域在相似方向上移动，因此在某些情况下，可以使用从相邻区域的mv导出的相似运动向量进行预测。从而导致给定区域找到的mv，与根据周围mv预测得到的mv相似或相同，并且在熵编码之后，反过来可以用比直接编码mv时所使用的位数更少的位数来表示mv。在一些情况下，mv预测可以是对从原始信号(即样本流)导出的信号(即mv)进行无损压缩的示例。在其它情况下，mv预测本身可能是有损耗的，例如，从若干周围mv计算预测值时的取整误差。
在h.265/hevc(itu-trec.h.265，“高效视频编码”，2016年12月)中描述了各种mv预测机制。在h.265提供的许多mv预测机制中，这里描述的是此后称为"空间合并"的技术。
为了处理块，可以将块分区形成较小的单元。用于块分区的当前信令树包括诸如四叉树(qt)、二叉树(bt)和三叉树(tt)的分区类型。然而，这些分区类型可能限制编码性能。因此，各分区类型无法兼容是非常不利的。
技术实现要素：
根据示例性实施例，一种用于解码器的视频解码方法，所述方法包括：从已编码视频比特流中获取当前图片以及当前图片中的块的信令信息；根据所述信令信息，若确定不根据四进制分割分区类型对所述块进行分区，则确定是否根据另一种分割分区类型对所述块进行分区；若确定根据所述另一种分割分区类型对所述块进行分区，则确定是否根据非均匀四进制分割分区类型对所述块进行分区，其中，在该非均匀四进制分割分区类型中，沿相同方向将所述块分区形成四个子块；以及，若确定根据所述非均匀四进制分割分区类型对所述块进行分区，则根据非均匀四进制分割分区类型重建所述块。
根据示例性实施例，一种用于视频解码的视频解码器，包括：图片获取模块，用于从已编码视频比特流中获取当前图片；信令获取模块，用于从所述已编码的视频比特流中获取当前图片中的块的信令信息；第一判断模块，用于根据所述信令信息，确定是否根据四进制分割分区类型对所述块进行分区；若确定不根据所述四进制分割分区类型对所述块进行分区，第二判断模块用于确定是否根据另一种分割分区类型对所述块进行分区；若确定根据所述另一种分割分区类型对所述块进行分区，第三判断模块用于确定是否根据非均匀四进制分割分区类型对所述块进行分区，在该非均匀四进制分割分区类型中，沿相同方向将所述块分区形成四个子块；以及，若确定根据所述非均匀四进制分割分区类型对所述块进行分区，重建模块用于根据非均匀四进制分割分区类型重建块。
根据示例性实施例，一种计算机设备，所述设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条指令，所述至少一条指令由所述一个或多个处理器加载并执行以实现上述视频解码方法。
根据示例性实施例，一种非易失性计算机可读介质，其中存储有指令，所述指令在由解码器中的处理器执行时，使所述处理器执行上述视频解码方法。
在现有的四叉树，二叉树和三叉树的设计中，无法构建某些分区，因此限制了编码新能。通过采用本申请的方法、视频解码器、计算机设备和非易失性计算机可读介质，提高了编码性能。
附图简要说明
根据以下详细的描述和附图，所公开的主题的其他特征、性质和各种优点将变得更加明显，在附图中：
图1是根据一实施例的通信系统的简化框图的示意图。
图2是根据另一实施例的通信系统的简化框图的示意图。
图3是根据实施例的解码器的简化框图的示意图。
图4是根据实施例的编码器的简化框图的示意图。
图5示出了根据另一实施例的编码器的框图。
图6示出了根据另一实施例的解码器的框图。
图7a和7b展示了四叉树二叉树(qtbt)结构。
图8a和8b展示了三叉树结构。
图9a-9j展示了可表示为2的整数幂的块大小的分区类型。
图10a-10l展示了不能表示为2的整数幂的块大小的分区类型。
图11是根据实施例展示的信令树。
图12a-12h展示了示例分区类型。
图13a-13b展示了非均匀四进制分割分区类型的实施例。
图14是根据一实施例展示的信令树。
图15是根据另一实施例展示的信令树。
图16是根据实施例展示的由解码器执行的过程。
图17是根据实施例的计算机系统的示意图。
具体实施方式
图1是根据本申请公开的实施例的通信系统(100)的简化框图。通信系统(100)包括多个终端装置，所述终端装置可通过例如网络(150)彼此通信。举例来说，通信系统(100)包括通过网络(150)互连的终端装置(110)和终端装置(120)。在图1的实施例中，终端装置(110)和终端装置(120)执行单向数据传输。举例来说，终端装置(110)可对视频数据(例如由终端装置(110)采集的视频图片流)进行编码以通过网络(150)传输到另一终端装置(120)。已编码的视频数据以一个或多个已编码视频码流形式传输。终端装置(120)可从网络(150)接收已编码视频数据，对已编码视频数据进行解码以恢复视频数据，并根据恢复的视频数据显示视频图片。单向数据传输在媒体服务等应用中是较常见的。
在另一实施例中，通信系统(100)包括执行已编码视频数据的双向传输的终端装置(130)和(140)，所述双向传输可例如在视频会议期间发生。对于双向数据传输，终端装置(130)和终端装置(140)中的每个终端装置可对视频数据(例如由终端装置采集的视频图片流)进行编码以通过网络(150)传输到终端装置(130)和终端装置(140)中的另一终端装置。终端装置(130)和终端装置(140)中的每个终端装置还可接收由终端装置(130)和终端装置(140)中的另一终端装置传输的已编码视频数据，且可对所述已编码视频数据进行解码以恢复视频数据，且可根据恢复的视频数据在可访问的显示装置上显示视频图片。
在图1的实施例中，终端装置(110)、终端装置(120)、终端装置(130)和终端装置(140)可为服务器、个人计算机和智能电话，但本申请公开的原理可不限于此。本申请公开的实施例适用于膝上型计算机、平板电脑、媒体播放器和/或专用视频会议设备。网络(150)表示在终端装置(110)、终端装置(120)、终端装置(130)和终端装置(140)之间传送已编码视频数据的任何数目的网络，包括例如有线(连线的)和/或无线通信网络。通信网络(150)可在电路交换和/或分组交换信道中交换数据。该网络可包括电信网络、局域网、广域网和/或互联网。出于本论述的目的，除非在下文中有所解释，否则网络(150)的架构和拓扑对于本申请公开的操作来说可能是无关紧要的。
作为实施例，图2示出视频编码器和视频解码器在流式传输环境中的放置方式。本申请所公开主题可同等地适用于其它支持视频的应用，包括例如视频会议、数字tv、在包括cd、dvd、存储棒等的数字介质上存储压缩视频等等。
流式传输系统可包括采集子系统(213)，所述采集子系统可包括数码相机等视频源(201)，所述视频源创建未压缩的视频图片流(202)。在实施例中，视频图片流(202)包括由数码相机拍摄的样本。相较于已编码的视频数据(204)(或已编码的视频码流)，视频图片流(202)被描绘为粗线以强调高数据量的视频图片流，视频图片流(202)可由电子装置(220)处理，所述电子装置(220)包括耦接到视频源(201)的视频编码器(203)。视频编码器(203)可包括硬件、软件或软硬件组合以实现或实施如下文更详细地描述的所公开主题的各方面。相较于视频图片流(202)，已编码的视频数据(204)(或已编码的视频码流(204))被描绘为细线以强调较低数据量的已编码的视频数据(204)(或已编码的视频码流(204))，其可存储在流式传输服务器(205)上以供将来使用。一个或多个流式传输客户端子系统，例如图2中的客户端子系统(206)和客户端子系统(208)，可访问流式传输服务器(205)以检索已编码的视频数据(204)的副本(207)和副本(209)。客户端子系统(206)可包括例如电子装置(230)中的视频解码器(210)。视频解码器(210)对已编码的视频数据的传入副本(207)进行解码，且产生可在显示器(212)(例如显示屏)或另一呈现装置(未描绘)上呈现的输出视频图片流(211)。在一些流式传输系统中，可根据某些视频编码/压缩标准对已编码的视频数据(204)、视频数据(207)和视频数据(209)(例如视频码流)进行编码。该些标准的实施例包括itu-th.265。在实施例中，正在开发的视频编码标准非正式地称为下一代视频编码(versatilevideocoding，vvc)，本申请可用于vvc标准的上下文中。
应注意，电子装置(220)和电子装置(230)可包括其它组件(未示出)。举例来说，电子装置(220)可包括视频解码器(未示出)，且电子装置(230)还可包括视频编码器(未示出)。
图3是根据本申请公开的实施例的视频解码器(310)的框图。视频解码器(310)可设置在电子装置(330)中。电子装置(330)可包括接收器(331)(例如接收电路)。视频解码器(310)可用于代替图2实施例中的视频解码器(210)。
接收器(331)可接收将由视频解码器(310)解码的一个或多个已编码视频序列；在同一实施例或另一实施例中，一次接收一个已编码视频序列，其中每个已编码视频序列的解码独立于其它已编码视频序列。可从信道(301)接收已编码视频序列，所述信道可以是通向存储已编码的视频数据的存储装置的硬件/软件链路。接收器(331)可接收已编码的视频数据以及其它数据，例如，可转发到它们各自的使用实体(未标示)的已编码音频数据和/或辅助数据流。接收器(331)可将已编码视频序列与其它数据分开。为了防止网络抖动，缓冲存储器(315)可耦接在接收器(331)与熵解码器/解析器(320)(此后称为“解析器(320)”)之间。在某些应用中，缓冲存储器(315)是视频解码器(310)的一部分。在其它情况下，所述缓冲存储器(315)可设置在视频解码器(310)外部(未标示)。而在其它情况下，视频解码器(310)的外部设置缓冲存储器(未标示)以例如防止网络抖动，且在视频解码器(310)的内部可配置另一缓冲存储器(315)以例如处理播出定时。而当接收器(331)从具有足够带宽和可控性的存储/转发装置或从等时同步网络接收数据时，也可能不需要配置缓冲存储器(315)，或可以将所述缓冲存储器做得较小。当然，为了在互联网等业务分组网络上使用，也可能需要缓冲存储器(315)，所述缓冲存储器可相对较大且可具有自适应性大小，且可至少部分地实施于操作系统或视频解码器(310)外部的类似元件(未标示)中。
视频解码器(310)可包括解析器(320)以根据已编码视频序列重建符号(321)。这些符号的类别包括用于管理视频解码器(310)的操作的信息，以及用以控制显示装置(312)(例如，显示屏)等显示装置的潜在信息，所述显示装置不是电子装置(330)的组成部分，但可耦接到电子装置(330)，如图3中所示。用于显示装置的控制信息可以是辅助增强信息(supplementalenhancementinformation，sei消息)或视频可用性信息(videousabilityinformation，vui)的参数集片段(未标示)。解析器(320)可对接收到的已编码视频序列进行解析/熵解码。已编码视频序列的编码可根据视频编码技术或标准进行，且可遵循各种原理，包括可变长度编码、霍夫曼编码(huffmancoding)、具有或不具有上下文灵敏度的算术编码等等。解析器(320)可基于对应于群组的至少一个参数，从已编码视频序列提取用于视频解码器中的像素的子群中的至少一个子群的子群参数集。子群可包括图片群组(groupofpictures，gop)、图片、图块、切片、宏块、编码单元(codingunit，cu)、块、变换单元(transformunit，tu)、预测单元(predictionunit，pu)等等。解析器(420)还可从已编码视频序列提取信息，例如变换系数、量化器参数值、运动矢量等等。
解析器(320)可对从缓冲存储器(315)接收的视频序列执行熵解码/解析操作，从而创建符号(321)。
取决于已编码视频图片或一部分已编码视频图片(例如：帧间图片和帧内图片、帧间块和帧内块)的类型以及其它因素，符号(321)的重建可涉及多个不同单元。涉及哪些单元以及涉及方式可由解析器(320)从已编码视频序列解析的子群控制信息控制。为了简洁起见，未描述解析器(320)与下文的多个单元之间的此类子群控制信息流。
除已经提及的功能块以外，视频解码器(310)可在概念上细分成如下文所描述的数个功能单元。在商业约束下运行的实际实施例中，这些单元中的许多单元彼此紧密交互并且可以彼此集成。然而，出于描述所公开主题的目的，概念上细分成下文的功能单元是适当的。
第一单元是缩放器/逆变换单元(351)。缩放器/逆变换单元(351)从解析器(320)接收作为符号(321)的量化变换系数以及控制信息，包括使用哪种变换方式、块大小、量化因子、量化缩放矩阵等。缩放器/逆变换单元(351)可输出包括样本值的块，所述样本值可输入到聚合器(355)中。
在一些情况下，缩放器/逆变换单元(351)的输出样本可属于帧内编码块；即：不使用来自先前重建的图片的预测性信息，但可使用来自当前图片的先前重建部分的预测性信息的块。此类预测性信息可由帧内图片预测单元(352)提供。在一些情况下，帧内图片预测单元(352)采用从当前图片缓冲器(358)提取的已重建信息生成大小和形状与正在重建的块相同的周围块。举例来说，当前图片缓冲器(358)缓冲部分重建的当前图片和/或完全重建的当前图片。在一些情况下，聚合器(355)基于每个样本，将帧内预测单元(352)生成的预测信息添加到由缩放器/逆变换单元(351)提供的输出样本信息中。
在其它情况下，缩放器/逆变换单元(351)的输出样本可属于帧间编码和潜在运动补偿块。在此情况下，运动补偿预测单元(353)可访问参考图片存储器(357)以提取用于预测的样本。在根据符号(321)对提取的样本进行运动补偿之后，这些样本可由聚合器(355)添加到缩放器/逆变换单元(351)的输出(在这种情况下被称作残差样本或残差信号)，从而生成输出样本信息。运动补偿预测单元(353)从参考图片存储器(357)内的地址获取预测样本可受到运动矢量控制，且所述运动矢量以所述符号(321)的形式而供运动补偿预测单元(353)使用，所述符号(321)例如是包括x、y和参考图片分量。运动补偿还可包括在使用子样本精确运动矢量时，从参考图片存储器(357)提取的样本值的内插、运动矢量预测机制等等。
聚合器(355)的输出样本可在环路滤波器单元(356)中被各种环路滤波技术采用。视频压缩技术可包括环路内滤波器技术，所述环路内滤波器技术受控于包括在已编码视频序列(也称作已编码视频码流)中的参数，且所述参数作为来自解析器(320)的符号(321)可用于环路滤波器单元(356)。然而，在其他实施例中，视频压缩技术还可响应于在解码已编码图片或已编码视频序列的先前(按解码次序)部分期间获得的元信息，以及响应于先前重建且经过环路滤波的样本值。
环路滤波器单元(356)的输出可以是样本流，所述样本流可输出到显示装置(312)以及存储在参考图片存储器(357)，以用于后续的帧间图片预测。
一旦完全重建，某些已编码图片就可用作参考图片以用于将来预测。举例来说，一旦对应于当前图片的已编码图片被完全重建，且已编码图片(通过例如解析器(320))被识别为参考图片，则当前图片缓冲器(358)可变为参考图片存储器(357)的一部分，且可在开始重建后续已编码图片之前重新分配新的当前图片缓冲器。
视频解码器(310)可根据例如itu-th.265标准中的预定视频压缩技术执行解码操作。在已编码视频序列遵循视频压缩技术或标准的语法以及视频压缩技术或标准中记录的配置文件的意义上，已编码视频序列可符合所使用的视频压缩技术或标准指定的语法。具体地说，配置文件可从视频压缩技术或标准中可用的所有工具中选择某些工具作为在所述配置文件下可供使用的仅有工具。对于合规性，还要求已编码视频序列的复杂度处于视频压缩技术或标准的层级所限定的范围内。在一些情况下，层级限制最大图片大小、最大帧率、最大重建取样率(以例如每秒兆(mega)个样本为单位进行测量)、最大参考图片大小等。在一些情况下，由层级设定的限制可通过假想参考解码器(hypotheticalreferencedecoder，hrd)规范和在已编码视频序列中用信号表示的hrd缓冲器管理的元数据来进一步限定。
在实施例中，接收器(331)可连同已编码视频一起接收附加(冗余)数据。所述附加数据可以是已编码视频序列的一部分。所述附加数据可由视频解码器(310)用以对数据进行适当解码和/或较准确地重建原始视频数据。附加数据可呈例如时间、空间或信噪比(signalnoiseratio，snr)增强层、冗余切片、冗余图片、前向纠错码等形式。
图4是根据本申请公开的实施例的视频编码器(403)的框图。视频编码器(403)设置于电子装置(420)中。电子装置(420)包括传输器(440)(例如传输电路)。视频编码器(403)可用于代替图2实施例中的视频编码器(203)。
视频编码器(403)可从视频源(401)(并非图4实施例中的电子装置(420)的一部分)接收视频样本，所述视频源可采集将由视频编码器(403)编码的视频图片。在另一实施例中，视频源(401)是电子装置(420)的一部分。
视频源(401)可提供将由视频编码器(403)编码的呈数字视频样本流形式的源视频序列，所述数字视频样本流可具有任何合适位深度(例如：8位、10位、12位……)、任何色彩空间(例如bt.601ycrcb、rgb……)和任何合适取样结构(例如ycrcb4:2:0、ycrcb4:4:4)。在媒体服务系统中，视频源(401)可以是存储先前已准备的视频的存储装置。在视频会议系统中，视频源(401)可以是采集本地图片信息作为视频序列的相机。可将视频数据提供为多个单独的图片，当按顺序观看时，这些图片被赋予运动。图片自身可构建为空间像素阵列，其中取决于所用的取样结构、色彩空间等，每个像素可包括一个或多个样本。所属领域的技术人员可以很容易理解像素与样本之间的关系。下文侧重于描述样本。
根据实施例，视频编码器(403)可实时或在由应用所要求的任何其它时间约束下，将源视频序列的图片编码且压缩成已编码视频序列(443)。施行适当的编码速度是控制器(450)的一个功能。在一些实施例中，控制器(450)控制如下文所描述的其它功能单元且在功能上耦接到这些单元。为了简洁起见，图中未标示耦接。由控制器(450)设置的参数可包括速率控制相关参数(图片跳过、量化器、率失真优化技术的λ值等)、图片大小、图片群组(groupofpictures，gop)布局，最大运动矢量搜索范围等。控制器(450)可用于具有其它合适的功能，这些功能涉及针对某一系统设计优化的视频编码器(403)。
在一些实施例中，视频编码器(403)在编码环路中进行操作。作为简单的描述，在实施例中，编码环路可包括源编码器(430)(例如，负责基于待编码的输入图片和参考图片创建符号，例如符号流)和嵌入于视频编码器(403)中的(本地)解码器(433)。解码器(433)以类似于(远程)解码器创建样本数据的方式重建符号以创建样本数据(因为在本申请所考虑的视频压缩技术中，符号与已编码视频码流之间的任何压缩是无损的)。将重建的样本流(样本数据)输入到参考图片存储器(434)。由于符号流的解码产生与解码器位置(本地或远程)无关的位精确结果，因此参考图片存储器(434)中的内容在本地编码器与远程编码器之间也是按比特位精确对应的。换句话说，编码器的预测部分“看到”的参考图片样本与解码器将在解码期间使用预测时所“看到”的样本值完全相同。这种参考图片同步性基本原理(以及在例如因信道误差而无法维持同步性的情况下产生的漂移)也用于一些相关技术。
“本地”解码器(433)的操作可与例如已在上文结合图3详细描述视频解码器(310)的“远程”解码器相同。然而，另外简要参考图3，当符号可用且熵编码器(445)和解析器(320)能够无损地将符号编码/解码为已编码视频序列时，包括缓冲存储器(315)和解析器(320)在内的视频解码器(310)的熵解码部分，可能无法完全在本地解码器(433)中实施。
此时可以观察到，除存在于解码器中的解析/熵解码之外的任何解码器技术，也必定以基本上相同的功能形式存在于对应的编码器中。出于此原因，本申请侧重于解码器操作。可简化编码器技术的描述，因为编码器技术与全面地描述的解码器技术互逆。仅在某些区域中需要更详细的描述，并且在下文提供。
在操作期间，在一些实施例中，源编码器(430)可执行运动补偿预测编码。参考来自视频序列中被指定为“参考图片”的一个或多个先前已编码图片，所述运动补偿预测编码对输入图片进行预测性编码。以此方式，编码引擎(432)对输入图片的像素块与参考图片的像素块之间的差异进行编码，所述参考图片可被选作所述输入图片的预测参考。
本地视频解码器(433)可基于源编码器(430)创建的符号，对可指定为参考图片的已编码视频数据进行解码。编码引擎(432)的操作可为有损过程。当已编码视频数据可在视频解码器(图4中未示)处被解码时，重建的视频序列通常可以是带有一些误差的源视频序列的副本。本地视频解码器(433)复制解码过程，所述解码过程可由视频解码器对参考图片执行，且可使重建的参考图片存储在参考图片存储器(434)中。以此方式，视频编码器(403)可在本地存储重建的参考图片的副本，所述副本与将由远端视频解码器获得的重建参考图片具有共同内容(不存在传输误差)。
预测器(435)可针对编码引擎(432)执行预测搜索。即，对于将要编码的新图片，预测器(435)可在参考图片存储器(434)中搜索可作为所述新图片的适当预测参考的样本数据(作为候选参考像素块)或某些元数据，例如参考图片运动矢量、块形状等。预测器(435)可基于样本块逐像素块操作，以找到合适的预测参考。在一些情况下，根据预测器(435)获得的搜索结果，可确定输入图片可具有从参考图片存储器(434)中存储的多个参考图片取得的预测参考。
控制器(450)可管理源编码器(430)的编码操作，包括例如设置用于对视频数据进行编码的参数和子群参数。
可在熵编码器(445)中对所有上述功能单元的输出进行熵编码。熵编码器(445)根据例如霍夫曼编码、可变长度编码、算术编码等技术对各种功能单元生成的符号进行无损压缩，从而将所述符号转换成已编码视频序列。
传输器(440)可缓冲由熵编码器(445)创建的已编码视频序列，从而为通过通信信道(460)进行传输做准备，所述通信信道可以是通向将存储已编码的视频数据的存储装置的硬件/软件链路。传输器(440)可将来自视频编码器(403)的已编码视频数据与要传输的其它数据合并，所述其它数据例如是已编码音频数据和/或辅助数据流(未示出来源)。
控制器(450)可管理视频编码器(403)的操作。在编码期间，控制器(450)可以为每个已编码图片分配某一已编码图片类型，但这可能影响可应用于相应的图片的编码技术。例如，通常可将图片分配为以下任一种图片类型：
帧内图片(i图片)，其可以是不将序列中的任何其它图片用作预测源就可被编码和解码的图片。一些视频编解码器容许不同类型的帧内图片，包括例如独立解码器刷新(independentdecoderrefresh，“idr”)图片。所属领域的技术人员了解i图片的变体及其相应的应用和特征。
预测性图片(p图片)，其可以是可使用帧内预测或帧间预测进行编码和解码的图片，所述帧内预测或帧间预测使用至多一个运动矢量和参考索引来预测每个块的样本值。
双向预测性图片(b图片)，其可以是可使用帧内预测或帧间预测进行编码和解码的图片，所述帧内预测或帧间预测使用至多两个运动矢量和参考索引来预测每个块的样本值。类似地，多个预测性图片可使用多于两个参考图片和相关联元数据以用于重建单个块。
源图片通常可在空间上细分成多个样本块(例如，4×4、8×8、4×8或16×16个样本的块)，且逐块进行编码。这些块可参考其它(已编码)块进行预测编码，根据应用于块的相应图片的编码分配来确定所述其它块。举例来说，i图片的块可进行非预测编码，或所述块可参考同一图片的已经编码的块来进行预测编码(空间预测或帧内预测)。p图片的像素块可参考一个先前编码的参考图片通过空间预测或通过时域预测进行预测编码。b图片的块可参考一个或两个先前编码的参考图片通过空间预测或通过时域预测进行预测编码。
视频编码器(403)可根据例如itu-th.265建议书的预定视频编码技术或标准执行编码操作。在操作中，视频编码器(403)可执行各种压缩操作，包括利用输入视频序列中的时间和空间冗余的预测编码操作。因此，已编码视频数据可符合所用视频编码技术或标准指定的语法。
在实施例中，传输器(440)可传输附加数据和已编码的视频。此类数据可以是已编码视频序列的一部分。附加数据可包括时间/空间/snr增强层、冗余图片和切片等其它形式的冗余数据、sei消息、vui参数集片段等。
采集到的视频可作为呈时间序列的多个源图片(视频图片)。帧内图片预测(常常简化为帧内预测)利用给定图片中的空间相关性，而帧间图片预测则利用图片之间的(时间或其它)相关性。在实施例中，将正在编码/解码的特定图片分割成块，正在编码/解码的特定图片被称作当前图片。在当前图片中的块类似于视频中先前已编码且仍被缓冲的参考图片中的参考块时，可通过称作运动矢量的矢量对当前图片中的块进行编码。所述运动矢量指向参考图片中的参考块，且在使用多个参考图片的情况下，所述运动矢量可具有识别参考图片的第三维度。
在一些实施例中，双向预测技术可用于帧间图片预测中。根据双向预测技术，使用两个参考图片，例如按解码次序都在视频中的当前图片之前(但按显示次序可能分别是过去和将来)第一参考图片和第二参考图片。可通过指向第一参考图片中的第一参考块的第一运动矢量和指向第二参考图片中的第二参考块的第二运动矢量对当前图片中的块进行编码。具体来说，可通过第一参考块和第二参考块的组合来预测所述块。
此外，合并模式技术可用于帧间图片预测中以改善编码效率。
根据本申请公开的一些实施例，帧间图片预测和帧内图片预测等预测的执行以块为单位。举例来说，根据hevc标准，将视频图片序列中的图片分割成编码树单元(codingtreeunit，ctu)以用于压缩，图片中的ctu具有相同大小，例如64×64像素、32×32像素或16×16像素。一般来说，ctu包括三个编码树块(codingtreeblock，ctb)，所述三个编码树块是一个亮度ctb和两个色度ctb。更进一步的，还可将每个ctu以四叉树拆分为一个或多个编码单元(codingunit，cu)。举例来说，可将64×64像素的ctu拆分为一个64×64像素的cu，或4个32×32像素的cu，或16个16×16像素的cu。在实施例中，分析每个cu以确定用于cu的预测类型，例如帧间预测类型或帧内预测类型。此外，取决于时间和/或空间可预测性，将cu拆分为一个或多个预测单元(predictionunit，pu)。通常，每个pu包括亮度预测块(predictionblock，pb)和两个色度pb。在实施例中，编码(编码/解码)中的预测操作以预测块为单位来执行。以亮度预测块作为预测块为例，预测块包括像素值(例如，亮度值)的矩阵，例如8×8像素、16×16像素、8×16像素、16×8像素等等。
图5是根据本申请公开的另一实施例的视频编码器(503)的图。视频编码器(503)用于接收视频图片序列中的当前视频图片内的样本值的处理块(例如预测块)，且将所述处理块编码到作为已编码视频序列的一部分的已编码图片中。在本实施例中，视频编码器(503)用于代替图2实施例中的视频编码器(203)。
在hevc实施例中，视频编码器(503)接收用于处理块的样本值的矩阵，所述处理块为例如8×8样本的预测块等。视频编码器(503)使用例如率失真(rate-distortion，rd)优化来确定是否使用帧内模式、帧间模式或双向预测模式来编码所述处理块。当在帧内模式中编码处理块时，视频编码器(503)可使用帧内预测技术以将处理块编码到已编码图片中；且当在帧间模式或双向预测模式中编码处理块时，视频编码器(503)可分别使用帧间预测或双向预测技术将处理块编码到已编码图片中。在某些视频编码技术中，合并模式可以是帧间图片预测子模式，其中，在不借助预测值外部的已编码运动矢量分量的情况下，从一个或多个运动矢量预测值导出运动矢量。在某些其它视频编码技术中，可存在适用于主题块的运动矢量分量。在实施例中，视频编码器(503)包括其它组件，例如用于确定处理块模式的模式决策模块(未示出)。
在图5的实施例中，视频编码器(503)包括如图5所示的耦接到一起的帧间编码器(530)、帧内编码器(522)、残差计算器(523)、开关(526)、残差编码器(524)、通用控制器(521)和熵编码器(525)。
帧间编码器(530)用于接收当前块(例如处理块)的样本、比较所述块与参考图片中的一个或多个参考块(例如先前图片和后来图片中的块)、生成帧间预测信息(例如根据帧间编码技术的冗余信息描述、运动矢量、合并模式信息)、以及基于帧间预测信息使用任何合适的技术计算帧间预测结果(例如已预测块)。
帧内编码器(522)用于接收当前块(例如处理块)的样本、在一些情况下比较所述块与同一图片中已编码的块、在变换之后生成量化系数、以及在一些情况下还(例如根据一个或多个帧内编码技术的帧内预测方向信息)生成帧内预测信息。
通用控制器(521)用于确定通用控制数据，且基于所述通用控制数据控制视频编码器(503)的其它组件。在实施例中，通用控制器(521)确定块的模式，且基于所述模式将控制信号提供到开关(526)。举例来说，当所述模式是帧内模式时，通用控制器(521)控制开关(526)以选择供残差计算器(523)使用的帧内模式结果，且控制熵编码器(525)以选择帧内预测信息且将所述帧内预测信息添加在码流中；以及当所述模式是帧间模式时，通用控制器(521)控制开关(526)以选择供残差计算器(523)使用的帧间预测结果，且控制熵编码器(525)以选择帧间预测信息且将所述帧间预测信息添加在码流中。
残差计算器(523)用于计算所接收的块与选自帧内编码器(522)或帧间编码器(530)的预测结果之间的差(残差数据)。残差编码器(524)用于基于残差数据操作，以对残差数据进行编码以生成变换系数。在实施例中，残差编码器(524)用于将残差数据从时空领域转换到频域，且生成变换系数。变换系数接着经由量化处理以获得量化的变换系数。熵编码器(525)用于将码流格式化以产生已编码的块。熵编码器(525)根据hevc标准等合适标准产生各种信息。在实施例中，熵编码器(525)用于获得通用控制数据、所选预测信息(例如帧内预测信息或帧间预测信息)、残差信息和码流中的其它合适的信息。应注意，根据所公开的主题，当在帧间模式或双向预测模式的合并子模式中对块进行编码时，不存在残差信息。
图6是根据本申请公开的另一实施例的视频解码器(610)的图。视频解码器(610)用于接收作为已编码视频序列的一部分的已编码图片，且对所述已编码图片进行解码以生成重建的图片。在实施例中，视频解码器(610)用于代替图2实施例中的视频解码器(210)。
在图6实施例中，视频解码器(610)包括如图6中所示耦接到一起的熵解码器(671)、帧间解码器(680)、残差解码器(673)、重建模块(674)和帧内解码器(672)。
熵解码器(671)可用于根据已编码图片来重建某些符号，这些符号表示构成所述已编码图片的语法元素。此类符号可包括例如用于对所述块进行编码的模式(例如帧内模式、帧间模式、双向预测模式、后两者的合并子模式或另一子模式)、可分别识别供帧内解码器(672)或帧间解码器(680)用以进行预测的某些样本或元数据的预测信息(例如帧内预测信息或帧间预测信息)、呈例如量化的变换系数形式的残差信息等等。在实施例中，当预测模式是帧间或双向预测模式时，将帧间预测信息提供到帧间解码器(680)；以及当预测类型是帧内预测类型时，将帧内预测信息提供到帧内解码器(672)。残差信息可经由逆量化并提供到残差解码器(673)。
帧间解码器(680)用于接收帧间预测信息，且基于所述帧间预测信息生成帧间预测结果。
帧内解码器(672)用于接收帧内预测信息，且基于所述帧内预测信息生成预测结果。
残差解码器(673)用于执行逆量化以提取解量化的变换系数，且处理所述解量化的变换系数，以将残差从频域转换到空间域。残差解码器(673)还可能需要某些控制信息(用以获得量化器参数qp)，且所述信息可由熵解码器(671)提供(未标示数据路径，因为这仅仅是低量控制信息)。
重建模块(674)用于在空间域中组合由残差解码器(673)输出的残差与预测结果(可由帧间预测模块或帧内预测模块输出)以形成重建的块，所述重建的块可以是重建的图片的一部分，所述重建的图片继而可以是重建的视频的一部分。应注意，可执行解块操作等其它合适的操作来改善视觉质量。
应注意，可使用任何合适的技术来实施视频编码器(203)、视频编码器(403)和视频编码器(503)以及视频解码器(210)、视频解码器(310)和视频解码器(610)。在实施例中，可使用一个或多个集成电路来实施视频编码器(203)、视频编码器(403)和视频编码器(503)以及视频解码器(210)、视频解码器(310)和视频解码器(610)。在另一实施例中，可使用执行软件指令的一个或多个处理器来实施视频编码器(203)、视频编码器(403)和视频编码器(503)以及视频解码器(210)、视频解码器(310)和视频解码器(610)。
根据一些实施例，通过使用表示为编码树的四叉树二叉树(quadtreeplusbinarytree,qtbt)结构将ctu分割成cu，以适应cu中各个块的各种局部特性。是使用图片间(时间)还是使用图片内(空间)预测来编码图片区域的决定，可以在cu级执行。根据预测单元pu分割类型，每个cu可以进一步分割成一个、两个或四个pu。在一些实施例中，在一个预测单元pu内，采用相同的预测过程，并且基于pu将相关信息发送到解码器。在通过应用基于预测单元pu分割类型的预测处理获得残差块之后，可以根据与用于ctu的编码树的四叉树结构类似的另一四叉树结构，将cu分割为变换单元tu。在一些其它实施例中，预测单元pu仅含有一个形状与其相同的变换单元tu。
用于ctu的编码树可以包括多个分区类型，包括cu、pu和tu。在一些实施例中，cu或tu仅是正方形形状，而pu可以是用于帧间预测块的正方形或矩形。在其它实施例中，允许存在矩形形状的cu、pu和tu。在图片边界处，可以应用隐式四叉树分割，使得块能够保持四叉树分割，直到分割的块的大小适合图片边界。根据一些实施例，隐式分割意味着分割标志不是用信号直接指示的，而是隐式或间接提供的。例如，隐式qt意味着对于图片边界块仅允许qt分割。如此，在图片边界处没有用信号指示分割标志。作为另一示例，当在图片边界处只允许bt分割时，隐式分割是二进制分割。在一些实施例中，当在图片边界处允许qt和bt两者时，不存在隐式分割，并且明确地用信号指示分割方法。
根据一些实施例，qtbt结构不包括多个分区类型(例如，qtbt不包括将cu、pu和tu分离)，并且支持cu分区形状具有更大的灵活性。例如，在qtbt块结构中，cu可以具有正方形或矩形形状。图7a展示了根据qtbt结构分区的示例ctu(700)。例如，将ctu(700)分区形成四个大小相等的子cu(a)、(b)、(c)和(d)。图7b展示对应的编码树，编码树展示对应于子cu(a)、(b)、(c)和(d)的分支。实线表示四叉树分割，虚线表示二叉树分割。二叉树结构可以包括两种分割类型：(i)对称水平分割和(ii)对称垂直分割。在二叉树的每一分割(即，非叶)节点中，可用信号指示一个标志，以指示使用哪种分割类型(例如，水平或垂直)，其中0指示水平分割，以及1指示垂直分割，或反之亦然。对于四叉树分割，没有指示分割类型，因为在四叉树分割中，可水平和垂直地分割块以生成具有相同大小的4个子块。
如图7a和7b中展示的，首先通过垂直分割将子cu(a)分区形成两个子块，其中通过另一垂直分割再次将左子块分区。通过水平分割进一步将子cu(b)进行分区。通过另一四进制分割分区，将子cu(c)分区。子cu(c)的左上子块通过垂直分割进行分区，并且随后通过水平分割进行分区。此外，子cu(c)的右下子块通过水平分割进行分区。不对子cu(c)的右上子块和左下子块进行分区。不对子cu(d)进行分区，因此不存在编码树中"d"分支下面的任何额外的叶节点。
二叉树叶节点可被称为cu，其中二进制分割可用于预测和变换处理，而无需任何进一步分区，这意味着在qtbt编码块结构中cu、pu和tu具有相同的块大小。cu可以包括具有不同颜色分量的编码块(cb)。例如，在4：2：0色度格式的p和b切片的情况下，一个cu可以含有一个亮度cb和两个色度cb，并且有时含有单个分量的cb(例如，在帧内图片或i切片的情况下，一个cu仅含有一个亮度cb或仅含有两个色度cb)。在一些实施例中，在帧内图片或i切片中，要求tu宽度或高度不超过给定限制(例如，对于亮度限制为64，以及对于色度限制为32)。如果cb宽度或高度大于限定值，将tu进一步分割，直到tu的大小不超过限定值。
根据一些实施例，qtbt分区方案包括以下参数：
ctusize：四叉树的根节点大小
minqtsize：允许的最小四叉树叶节点大小
maxbtsize：允许的最大二叉树根节点大小
maxbtdepth：允许的最大二叉树深度
minbtsize：允许的最小二叉树叶节点大小
在qtbt分割结构的一个示例中，将ctu的大小设置为128×128亮度样本，具有两个对应的64×64色度样本块，将minqtsize设置为16×16，将maxbtsize设置为64×64，将minbtsize(对于宽度和高度)设置为4×4，以及将maxbtdepth设置为4。首先将qtbt分区结构应用于ctu，以生成四叉树叶节点。四叉树叶节点的大小可以从16×16(即minqtsize)到128×128(即ctu大小)之间浮动。如果四叉树叶节点的大小是128×128，则不会使用二叉树对四叉树叶节点进一步分割，因为其大小超过maxbtsize(即64×64)。否则，使用二叉树对四叉树叶节点进一步分区。因此，四叉树叶节点也是二叉树的根节点，并且四叉树叶节点具有的二叉树深度为0。当二叉树深度达到maxbtdepth(例如，4)时，不执行进一步的分割。当二叉树节点的宽度等于minbtsize(例如，4)时，不执行进一步的水平分割。类似地，当二叉树节点的高度等于minbtsize时，不执行进一步的垂直分割。通过预测和变换处理进一步处理二叉树的叶节点，而无需任何进一步的分区。在一些实施例中，最大ctu大小是256×256亮度样本。
qtbt分区结构可以进一步支持亮度和色度分量各自具有单独的qtbt结构的能力。例如，对于p和b切片，一个ctu中的亮度和色度ctb可以共享相同的qtbt结构。然而，对于i切片，根据qtbt结构，将亮度ctb分区形成cu，并且根据另一个qtbt结构，将色度ctb分区形成色度cu。因此，在这个示例中，i切片中的cu含有亮度分量的编码块、或两个色度分量的编码块，并且p或b切片中的cu含有所有三个色彩分量的编码块。
在一些实施例中，限制针对小块的帧间预测，以减少运动补偿的存储器存取要求，使得4×8块和8×4块不支持双向预测，并且4×4块不支持帧间预测。在其它实施例中，qtbt分区方案不包括这些限制。
根据一些实施例，多类型树(mtt)结构包括(i)四叉树分割，(ii)二叉树分割，以及(iii)水平和垂直中心侧三叉树。图8a展示垂直中心侧三叉树的实施例，图8b展示水平中心侧三叉树的示例。与qtbt结构相比，mtt可以是更灵活的树结构，因为mtt允许附加的结构。
三叉树分区包括明显更有利的特征，诸如提供四叉树和二叉树分区的补充，其中三叉树分区能够捕获位于块中心的对象，而四叉树和二叉树沿着块中心分割。三叉树分割还有另一优点，所提出的三叉树分区的宽度和高度是2的幂次，因此不需要额外的变换。两级树可以减少复杂性。作为示例，遍历树的复杂度是td，其中t表示分割类型的数量，并且d表示树的深度。
根据一些实施例，二进制分割包括分割的移位。在这点上，远离块的中心执行块的分割，使得通过分割得到的至少两个子块大小不相同。例如，每个块不被分割，或者在水平或垂直方向上被分割成两个矩形块。在一些实施例中，所得cu的亮度样本中的宽度和高度均表示4的整数倍。作为示例，在亮度样本中，dim表示待分割的块的宽度(对于垂直分割)或高度(对于水平分割)。参考图9a至9j和图10a至10l，对于两个分割方向，可以支持以下分割：
(i)1/2分割(图9a和9b)：如果
(ii)1/4分割和3/4分割(图9c至9f)：如果dim表示2的整数幂，
(iii)3/8分割和5/8分割(图9g至9j)：如果dim表示2的整数幂
(iv)1/3分割和2/3分割(图10a至10d)：如果
(v)1/5分割、2/5分割、3/5分割和4/5分割(图10e至10l)：如果
在一些实施例中，n/m水平分割指定了某种分割，其中，在该种分割中，得到的第一块(即，顶部块)的高度与待分割块的高度的比率等于n/m。此外，在一些实施例中，n/m垂直分割指定的分割是使得到的第一块(即，左块)的宽度与待分割块的宽度的比率等于n/m。如果待分割侧的大小不等于
根据一些实施例，二进制分割由分割方向和分割比率唯一地确定。可以根据先前的分割对二进制分割的方向进行编码。在这点上，二进制分割的方向可以标记为垂直分割或平行分割，其可以被转换为水平或垂直分割，而不是被标记为水平或垂直分割。在一些实施例中，在根级，当没有用信号指示或标记先前的分割时，第一垂直分割是水平分割，并且第一平行分割是垂直分割。二进制标志(例如垂直分隔标志)可以区分两个可能的方向(即垂直和平行)。分割比可以描述待分割的位置，如图9a至9j和图10a至10l中所示。可以使用二进制决策树对块的分割类型进行编码。图11展示了用于四叉树的示例信令树(1100)，该四叉树具有无任何限制的移位二进制分割(qt+bts)。如图11中所展示的，使用基于上下文的自适应算术编码(cabac)对分割方向以及分割比率进行编码。作为示例，二叉树深度的计数从不是垂直1/2分割的第一分割开始。树在“垂直”节点下的部分未示出，因为它与树在“平行”节点下的部分相同。
根据一些实施例，信令树可以包括非对称二叉树(abt)块分区结构。图12a至12h展示各种分割分区类型。例如，图12a展示非分割分区类型。图12b展示四进制分割分区类型，其中块沿水平和垂直方向被分割成四个相等的子块。图12c和12d分别展示水平和垂直二进制分割分区类型，其中沿着相应方向将块分割成两个相等的子块。如图12e-12h中示出的，可使用诸如水平向上(图12e)、水平向下(图12f)、垂直向左(图12g)和垂直向右(图12h)的1：3或3：1分区来对块进行分区。对于bts和abt，分区的宽度或高度可以不是2的幂次。在一些实施例中，对受限bts进行了测试，其中允许非2的幂次的分区，但进一步分割非2的幂的分区，使得最终编码单元的宽度和高度均为2的幂。
根据一些实施例，在图片边界处，当ctu的分区导致生成一些区域，这些区域既包括图片边界的内部区域，也包括图片边界的外部区域，对ctu进一步分区，形成较小的编码单元。在一个实施例中，如以上所讨论的，使用隐式四叉树进一步分割图片边界处的ctu。在此实施例中，暗示且未标记分割标志。在另一实施例中，测试与图片边界处的qt分割组合的一组分区，包括qt+bt、qt+bt+tt、qt+bt+abt、qt+bts。在每个分割级，当qt和非qt分割两者在图片边界处均可用时，可以标记一个或多个标志，以指示应用哪个分割。
根据一些实施例，非均匀四进制分割分区类型包括沿着相同方向将块分割为四个子块。可以在cu、pu或tu上执行非均匀四进制分割。在执行非均匀四进制分割之后，子块的比率可以是1：4：1：2。可以沿水平或垂直方向进行非均匀四进制分割。图13a和13b分别展示垂直比率为1：2：4：1，和水平比率为1：4：1：2的非均匀四进制分割分区类型的示例。
根据一些实施例，当应用非均匀四进制分割分区类型时，四个子块可以具有1，1，2，4的相对面积比率。总共有12种可能的比率组合：(i)1：1：2：4，(ii)1：1：4：2，(iii)1：2：1：4，(iv)1：2：4：1，(v)1：4：1：2，(vi)1：4：2：1，(vii)2：1：1：4，(viii)2：1：4：1，(ix)2：4：1：1，(x)4：1：1：2，(xi)4：1：2：1和(xii)4：2：1：1。作为示例，当在64×64块上应用比率为1：2：4：1的水平非均匀四进制分割时，各个子块的大下分别为64×8、64×16、64×32和64×8。所述第一子块和所述第二子块彼此相邻或彼此不相邻。所述第一子块在所述第三子块与所述第四子块之间。
在一个实施例中，允许存在所有12个比率组合。每个组合可以用从0到11的索引表示。在其它实施例中，仅允许部分可能的比率组合。在一个实施例中，仅允许8种比率组合(例如，1：2：1：4、1：2：4：1、1：4：1：2、1：4：2：1、2：1：1：4、2：1：4：1、4：1：1：2、4：1：2：1)。上述每个允许的比率组合可以由从0到7的索引来表示。在另一实施例中，仅允许4种比率组合(例如1：2：4：1、1：4：1：2、1：4：2：1、2：1：4：1)。上述每个比率组合可以由从0到3的索引来表示。在另一实施例中，允许的非均匀四进制分割比率可以以任何任意顺序排列。
在一些实施例中，通过使用截断的一元编码(truncatedunarycoding)，对指示应用哪个比率的索引号进行二值化运算。在另一实施例中，使用固定长度编码，对指示应用哪个比率的索引号进行二值化运算。在另一实施例中，使用截断一元和固定长度编码，对指示应用哪个比率的索引号进行二值化运算。
根据一些实施例，当指示非qt分割分区类型时，在qt+bt+三叉树(tt)结构之上，有条件地标记二进制值，以指示是否应用非均匀四进制分割分区类型。在一些实施例中，二进制值是将由熵编码器(525)压缩的二进制符号。熵编码器(525)可仅采用二进制输入，并且因此，非二进制符号经历称为“二进制化”的过程以转换为一系列二进制(即，码字、二进制值)。在一个实施例中，在包括信令树的信令信息中指示了水平/垂直方向之后，信令树中的二进制指示分区类型是bt还是非bt。当二进制指示分割分区类型是非bt时，另一二进制可以进一步指示分区类型是tt或非均匀四进制分割分区类型。图14是根据实施例展示的无限制的信令树(1400)(即，发信号通知指示限制类型的标志，而不是对其进行推断)。如果使用12个可能的非均匀四进制分割分区类型组合中的8个，则树(1400)的码字集可以如下表i所示。非均匀四进制分割分区类型的8种组合可以用固定长度编码进行二值化。
表i
如表i中所展示的，每个码字唯一地标识特定分区类型。例如，如果块具有码字01011000，则根据具有比率为1：2：1：4的4个子块的水平非均匀四进制分割分区类型对块进行分区。如果使用12个非均匀四进制分割分区类型的可能组合中的4个，则表ii为树(1400)的码字的另一示例集。可以用固定长度编码对非均匀四进制分割分区类型的4种组合进行二值化。
表ii
根据一些实施例，在已编码的视频比特流中，信令树(1400)作为信令信息。可以通过下列方法，使用信令树(1400)确定块的分区类型。信令树的根是开始节点，在开始节点中确定是否根据四叉树分割分区类型分割块(图12b)(例如，四叉树节点)。如果不根据四叉树分割分区类型分割块，则在“非四叉树”节点处，确定是否分割块。如果未分割块，则在“无分割”节点处结束该过程，其中未对块进行分区(图12a)。然而，如果对块进行了分割，则在“分割”节点处，确定在水平方向(即，“水平”节点)还是在垂直方向(即，“垂直”节点)分割块。不显示“垂直”节点下树的叶，因为这些叶与“水平”节点下的叶相同。在“水平”节点处，确定是否根据二叉树分割分区类型(即，图12c的二叉树节点)、或非二叉树分割分区类型分割块。如果根据非二叉树分割分区类型分割块，则在“非二叉树”节点处，确定是否根据三叉树分割分区类型分割块(即，三叉树节点，图8b)、或非均匀四进制分割分区类型(即，“非均匀四进制分区“节点，图13b)分割块。
图15展示信令树(1500)的另一实施例。树(1500)从根“开始”节点到“水平”和“垂直”节点与树(1400)相同。然而，在“水平“节点处，确定是否根据非均匀四进制分割分区类型分割块(即，“非均匀四进制分割“节点，图13b)。如果不根据非均匀四进制分割分区类型分割块，则在“二叉树/三叉树“节点处，确定是否根据二叉树分割分区类型(即，二叉树节点，图12c)或三叉树分割分区类型(即，三叉树节点，图8b)分割块。
根据一些实施例，非均匀四进制分割可以限制cu形状和/或大小。在一个实施例中，仅当垂直于分割方向的边缘上的像素数量大于或等于预定值(例如，32)时，才根据非均匀四进制分割对块进行分割。例如，允许将64×8的块分割成大小为8×8、16×8、32×8和8×8的四个子块。在另一实例中，不允许根据水平或垂直方向上的非均匀四进制分割对16×16块进行分割。
在另一个实施例中，当根据非均匀四进制分割对块进行分割，生成多个区域，其中，这些区域包含图片边界内部的区域，以及图片边界外部的区域。仅当沿着分割方向的子块边界中的一个也是图片边界时，才允许非均匀四进制分割。例如，当64×8块在图片边界处、40×8在图片内部并且24×8在图片外部时，则不允许1：2：4：1的分割比率，但允许1：4：2：1的分割比率。当在图片边界处允许非均匀四进制分割时，可以不标记该分割，而是推断或预测该分割。
图16示出了由诸如视频解码器(610)的解码器执行的过程的实施例。该过程通常可以从步骤(s1600)开始，在该步骤中，从已编码的视频比特流获取当前图片。该过程执行步骤(s1602)，在该步骤中，从当前图片中块的已编码视频比特流中获取信令信息。例如，信令信息可以包括图14或15中的信令树。
该过程执行步骤(s1604)，以确定是否根据四进制分割分区类型对块进行分区。如果根据四进制分割分区类型分割块，则执行步骤(s1606)，其中根据四进制分割分区类型重建块。图12b示出了根据四进制分割分区类型对块分区的示例。如图12b所示，将块分区形成四个大小相等的子块。
返回到步骤(s1604)，如果不根据四进制分割分区类型对块进行分区，则执行步骤(s1608)，以确定是否根据另一种分割分区类型对块进行分区。如果不根据分割分区类型对块进行分区，则执行步骤(s1610)，其中根据非分割分区类型重建块。作为示例，图12a展示未分区的块(即，非分割分区类型)。
返回到步骤(s1608)，如果根据所述另一种分割分区类型对块进行分区，则执行步骤(s1612)，以确定是否根据非均匀四进制分割分区类型对块进行分区。如果根据非均匀四进制分割分区类型对块进行分区，其中，在该非均匀四进制分割分区类型中，沿相同方向将所述块分区形成四个子块，则执行步骤(s1614)，其中根据非均匀四进制分割分区类型重建块。图13a和13b示出了根据非均匀分割分区类型对块进行分区的示例。其中，所述分割分区类型包括二进制分割分区类型，非二进制分割分区类型，三进制分割分区类型，或非均匀四进制分割分区类型中的至少一个。如果不根据非均匀四进制分割分区类型对块进行分区，则执行步骤(s1616)，其中，根据二进制或三进制分割分区类型重建块。例如，参考图14和15中的信令树，在确定块被分割之后，根据非均匀四进制分割分区类型、二进制分割分区类型和三进制分割分区类型对块进行分割。因此，如果没有根据非均匀四进制分割分区类型分割块，则根据二进制分割分区类型或三进制分割分区类型分割块。图12c和12d提供了二进制分割分区类型的示例，以及图8a和8b提供了三进制分割分区类型的示例。可在执行步骤(s1606)、(s1610)、(s1614)或(s1616)中的任一个之后终止图16中所展示的过程。
本申请实施例还提供了一种用于视频解码的视频解码器，包括：图片获取模块，用于从已编码视频比特流中获取当前图片；信令获取模块，用于从所述已编码的视频比特流中获取当前图片中的块的信令信息；第一判断模块，用于根据所述信令信息，确定是否根据四进制分割分区类型对所述块进行分区；若确定不根据所述四进制分割分区类型对所述块进行分区，第二判断模块用于确定是否根据另一种分割分区类型对所述块进行分区；若确定根据所述另一种分割分区类型对所述块进行分区，第三判断模块用于确定是否根据非均匀四进制分割分区类型对所述块进行分区，其中，在该非均匀四进制分割分区类型中，沿相同方向将所述块分区形成四个子块；以及，若确定根据所述非均匀四进制分割分区类型对所述块进行分区，重建模块用于根据非均匀四进制分割分区类型重建块。
根据所述非均匀四进制分割分区类型分区的块包括：相同固定大小的第一子块和第二子块、两倍于所述固定大小的第三子块，以及四倍于所述固定大小的第四子块。
所述视频解码器进一步包括：块大小确定模块，用于沿着垂直于所述块分区方向的边缘确定所述块的大小，以及若沿着垂直于所述块分区方向的所述边缘，确定所述块的大小，其中对所述块进行分区形成至少32个样本，第一分区确定模块用于确定根据所述非均匀四进制分割分区类型对所述块进行分区。
所述视频解码器进一步包括：若确定根据所述非均匀四进制分割分区类型对所述块进行分区，形成的至少一个子块在所述当前图片的图片边界之外，第二分区确定模块用于确定不根据所述非均匀四进制分割分区类型对所述块进行分区。
本申请的实施例还提供了一种计算机设备，所述设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条指令，所述至少一条指令由所述一个或多个处理器加载并执行以实现上述视频解码方法。
本申请实施例还提供了一种非易失性计算机可读介质，其中存储有指令，所述指令在由解码器中的处理器执行时，使所述处理器执行上述视频解码方法。
上述技术可以通过计算机可读指令实现为计算机软件，并且物理地存储在一个或多个计算机可读介质中。例如，图17示出了适于实现所公开主题的某些实施例的计算机系统(1700)。
所述计算机软件可通过任何合适的机器代码或计算机语言进行编码，通过汇编、编译、链接等机制创建包括指令的代码，所述指令可由一个或多个计算机中央处理单元(cpu)，图形处理单元(gpu)等直接执行或通过译码、微代码等方式执行。
所述指令可以在各种类型的计算机或其组件上执行，包括例如个人计算机、平板电脑、服务器、智能手机、游戏设备、物联网设备等。
图17中所示的用于计算机系统(1700)的组件是示例性的，并且不对实现本申请实施例的计算机软件的使用范围、或功能提出任何限制。也不应将组件的配置解释为，对计算机系统(1700)的示例性实施例中所示的任一组件或其组合具有任何依赖性或要求。
计算机系统(1700)可以包括某些人机界面输入设备。所述人机界面输入设备可以通过触觉输入(如：键盘输入、滑动、数据手套移动)、音频输入(如：声音、掌声)、视觉输入(如：手势)、嗅觉输入(未示出)对一个或多个人工用户的输入做出响应。所述人机界面设备还可用于捕捉某些媒体，所述媒体可能与人类有意识的输入无关，如音频(例如：语音、音乐、环境声音)、图片(例如：扫描图片、从静止影像相机获得的摄影图片)、视频(例如二维视频、包括立体视频的三维视频)。
人机界面输入装置可包括以下装置中的一个或多个(每个仅描述一个)：键盘(1701)、鼠标(1702)、触控板(1703)、触摸屏(1710)、数据手套(未示出)、操纵杆(1705)、麦克风(1706)、扫描仪(1707)、照相机(1708)。
计算机系统(1700)还可以包括某些人机界面输出设备。所述人机界面输出设备可以通过例如触觉输出、声音、光和嗅觉/味觉来刺激一个或多个用户的感觉。这类人机界面输出设备可以包括触觉输出设备(例如通过触摸屏(1710)、数据手套(未示出)或操纵杆(1705)的触觉反馈，但是也可以包括不作为输入设备的触觉反馈设备)、音频输出设备(例如：扬声器(1709)、耳机(未示出))、视觉输出设备(例如包括crt的屏幕(1710)、lcd屏幕，等离子屏幕、oled屏幕，每一个可以具有或不具有触摸屏输入能力，每一个可以具有或不具有触觉反馈能力——其中的一些能够通过诸如立体输出，虚拟现实眼镜(未示出)、全息显示器和放烟箱(未示出))，以及打印机(未示出)，实现二维视觉输出或多于三维的视觉输出。
计算机系统(1700)还可以包括可访问的存储设备及其相关介质，诸如光学介质，包括具有cd/dvd的cd/dvdrom/rw(1720)等介质(1721)、拇指驱动器(1722)、可移动硬盘驱动器或固态驱动器(1723)、传统磁介质、诸如磁带和软盘(未示出)、基于诸如安全保护锁(未示出)的专用rom/asic/pld的设备，等。
本领域技术人员还应当理解，结合本申请主题使用的术语“计算机可读介质”不包括传输介质、载波或其它易失性信号。
计算机系统(1700)还可以包括一个或多个通信网络的接口。例如，网络可以是无线的、有线的、光学的。网络还可为局域网、广域网、城域网、车载网络和工业网络、实时网络、对实时性要求不高的网络(延迟容忍网络)等等。网络还包括以太网、无线局域网、蜂窝网络(gsm、3g、4g、5g、lte等)等局域网、电视有线或无线广域数字网络(包括有线电视、卫星电视、和地面广播电视)、车载和工业网络(包括canbus)等等。某些网络通常需要连接到通用数据端口、或外围总线(1749)(例如计算机系统(1700)的usb端口)的外部网络接口适配器；其他系统通常通过连接到系统总线而集成到计算机系统(1700)的核心，如下所述(例如，以太网接口到pc计算机系统，或蜂窝网络接口到智能电话计算机系统)。使用这些网络中的任何一个，计算机系统(1700)可以与其他实体通信。所述通信可以是单向的，仅用于接收(例如，广播电视)，单向的仅用于发送(例如，can总线到某些can总线设备)，或双向的，例如通过局域或广域数字网络到其它计算机系统。上述的每个网络和网络接口可使用某些协议和协议栈。
上述人机界面设备、可访问存储设备和网络接口可以连接到计算机系统(1700)的核心(1740)。
核心(1740)可以包括一个或多个中央处理单元(cpu)(1741)，图片处理单元(gpu)(1742)，现场可编程门区域(fpga)(1743)形式的专用可编程处理单元，用于某些任务的硬件加速器(1744)等。这些设备以及只读存储器(rom)(1745)、随机存取存储器(1746)，诸如内部非用户可访问硬盘驱动器的内部大容量存储器，ssd等(1747)可以通过系统总线(1748)连接。在一些计算机系统中，可以通过一个或多个物理插头的形式来访问系统总线(1748)，以通过增加cpu，gpu等进行扩展。外围设备可直接连接到核心的系统总线(1748)，或通过外围总线(1749)连接到核心。外围总线的体系结构包括外部控制器接口pci、通用串行总线usb等。
cpu(1741)、gpu(1742)，fpga(1743)和加速器(1744)可以执行某些指令，这些指令组合起来可以构成上述计算机代码。该计算机代码可以存储在rom(1745)或ram(1746)中。过渡数据也可以存储在ram(1746)中，而永久数据可以存储在例如内部大容量存储器(1747)中。通过使用高速缓冲存储器，启用对任一存储器装置的快速存储和检索，所述高速缓冲存储器可与一个或多个cpu(1741)、gpu(1742)、大容量存储装置(1747)、rom(1745)、ram(1746)等紧密地关联。
所述计算机可读介质可存储用于执行各种计算机实现操作的计算机代码。介质和计算机代码可以是为实现本申请的目的而特别设计和构造的，也可以是计算机软件领域的技术人员所熟知和可用的介质和代码。
作为一个例子而非限制，具有体系结构(1700)的计算机系统，特别是核心(1740)可以提供处理器(包括cpu、gpu、fpga、加速器等)的功能，用于执行在一个或多个有形的计算机可读介质中存储的软件。这样的计算机可读介质可以是与如上所述的用户可访问的大容量存储器相关联的介质，以及具有非易失性核心(1740)的某些存储器，诸如核心内部大容量存储器(1747)或rom(1745)。实现本申请的各种实施例的软件可以存储在此类设备中，并且由核心(1740)执行。根据特定需要，计算机可读介质可包括一个或一个以上存储设备或芯片。该软件可以使核心(1740)，特别是其中的处理器(包括cpu、gpu、fpga等)执行在此描述的特定过程，或特定过程的特定部分，包括定义存储在ram(1746)中的数据结构，并且根据由软件定义的过程来修改该数据结构。额外的或作为替代的，计算机系统可以提供硬连线逻辑，或以其他方式包含在电路(例如：加速器(1744))中的功能，该电路可以代替软件，或与软件同步操作以执行此处描述的特定过程，或特定过程的特定部分。在适当的情况下，可以包括对软件的逻辑引用，反之亦然。在适当的情况下，计算机可读介质可包括存储待执行软件的电路(如集成电路(ic))，包含执行逻辑的电路，或两者兼备。本申请包括任何合适的硬件和软件组合。
附录a：首字母缩略词
mv：运动矢量
hevc：高效视频编码
sei：补充增强信息
vui：视频可用性信息
gops：画面组
tus：变换单元，
pus：预测单元
ctus：编码树单元
ctbs：编码树块
pbs：预测块
hrd：假设参考解码器
snr：信噪比
cpus：中央处理单元
gpus：图形处理单元
crt：阴极射线管
lcd：液晶显示
oled：有机发光二极管
cd：光盘
dvd：数字化视频光盘
rom：只读存储器
ram：随机存取存储器
asic：专用集成电路
pld：可编程逻辑设备
lan：局域网
gsm：全球移动通信系统
lte：长期演进
canbus：控制器区域网络总线
usb：通用串行总线
pci：外围设备互连
fpga：现场可编程门阵列
ssd：固状驱动器
ic：集成电路
cu：编码单元
虽然本申请已对多个示例性实施例进行了描述，但实施例的各种变更、排列和各种等同替换属于本申请的范围。因此应理解，本领域技术人员能够设计多种系统和方法，所述系统和方法虽然未在本文中明确展示或描述，但其体现了本申请的原则，因此属于本申请的范围之内。
- 还没有人留言评论。精彩留言会获得点赞！