一种帧内预测模式的选择方法和装置的制造方法
【技术领域】
[0001] 本发明设及视频编码技术领域，特别是设及一种帖内预测模式的选择方法和装 置。
【背景技术】
[0002] 肥VC(化曲Efficiency Video Coding,高效视频编码标准）是新一代视频编码标 准，其产生的目的是解决人们对视觉和听觉质量日益增加的需求。
[0003] 对于视频编码标准来说，一个重要的组成部分是预测编码技术。预测的好坏直接 决定了视频编码的效果，而预测模式的选择占用了相当大的编码时间，因而，如何能够快速 而准确的从所有的预测模式中选择出最佳的模式一直是一个研究热点。
[0004] 相比于H. 264的9种帖内预测模式，为了达到更好的编码性能，肥VC标准提出了 35种预测模式，旨在提高帖内预测的精度。然而，更多的预测模式同样带来了更高的计算复 杂度。
[0005] 在肥VC中，一帖图像被分割成许多互不重叠的LCU(LargestCoding化it,最大 编码单元），每个LCU的尺寸为64X64,每个LCU又可W按四叉树递归的方式划分为许多个 CU(Coding化it,编码单元），当LCU不划分时其尺寸为64X64的CU，深度（ckpth)定义为 0，当LCU划分为4个子CU时，每个子CU的尺寸为32X32，depth为1，每个子CU可W独立 于其它CU递归划分下去。当子CU的尺寸为8X8,即cbpth为3时，不再继续划分。
[0006] 肥VC对一个LCU(depth= 0)进行帖内编码的过程就是先对LCU进行帖内预测模 式捜索，并计算出对应的率失真代价RdCost_l，然后将LCU划分为4个子CU(cbpth= 1)， 分别对每个子CU进行35种预测模式捜索，并求出对应的率失真代价。最后求出4个子CU 的总率失真代价RdCost_2，比较RdCost_l和RdCost_2的值，如果前者小则将RdCost_l对 应的最佳预测模式作为LCU的最优预测模式，否则将RdCost_2对应的最佳预测模式作为 LCU的最优预测模式。类似地，对每个子CU进行帖内预测模式捜索时会经历与LCU相同的 过程，即也要将其划分为4个更小的子CU(cbpth= 2)，然后再做比较，如此划分下去直至 CU的depth= 3。RdCost_2是4个子CU的cost和，子CU的cost本身也是层次决定的，即 可W是把它作为一个CU编码，也可W继续划分为4个更小的CU进行编码，子CU的cost从 二者中选择较小的那个。而且4个子CU的划分情况是独立决定的，不受彼此影响。穷尽捜 索的帖内预测虽然提高了预测精度，但也极大地增加了编码复杂度和编码时间。
【发明内容】
[0007] 本发明实施例所要解决的技术问题是提供一种帖内预测模式的选择方法和装置， 能够降低预帖内测模式选择算法的复杂度，提高编码效率。
[000引为了解决上述问题，本发明公开了一种帖内预测模式的选择方法，包括：
[0009] 对编码单元进行下采样，得到相应的采样单元；
[0010] 分别利用多种预测模式中的每一种对所述采样单元进行预测，得到相应的预测单 元；
[0011] 计算各预测单元与所述编码单元之间的预测代价；
[0012] 依据各预测单元对应的预测代价，从所述多种预测模式中选择预选预测模式；
[0013] 针对所述预选预测模式计算对应的率失真代价，并依据所述率失真代价从所有预 选预测模式中选择最佳的预测模式。
[0014] 优选地，所述对编码单元进行下采样，得到相应的采样单元，包括：
[0015] 对编码单元分别进行水平和垂直各一倍下采样，得到相应的采样单元；其中，所述 采样单元包括所述编码单元中偶数行偶数列、或偶数行奇数列、或奇数行奇数列、或奇数行 偶数列的像素。
[0016] 优选地，所述计算各预测单元与所述编码单元之间的预测代价，包括：
[0017] 计算各预测单元与所述编码单元之间的的阿达玛花费参数；
[0018] 依据加权后的阿达玛花费和码率花费计算每一个预测单元对应的预测代价。
[0019] 优选地，所述依据各预测单元对应的预测代价，从所述多种预测模式中选择预选 预测模式，包括：
[0020] 依据各预测单元对应的预测代价，从所述多种预测模式中选择预测代价最小的一 种或几种作为预选预测模式。
[0021] 优选地，所述针对所述预选预测模式计算对应的率失真代价，并依据所述率失真 代价从所有预选预测模式中选择最佳的预测模式，包括：
[0022] 针对所述预选预测模式计算对应的率失真代价；
[0023] 确定率失真代价最小的预选预测模式为最佳的预测模式。
[0024] 依据本发明的另一方面，提供了一种帖内预测模式的选择装置，包括：
[0025] 采样模块，用于对编码单元进行下采样，得到相应的采样单元；
[0026] 预测模块，用于分别利用多种预测模式中的每一种对所述采样单元进行预测，得 到相应的预测单元；
[0027] 计算模块，用于计算各预测单元与所述编码单元之间的预测代价；
[002引预选模块，用于依据各预测单元对应的预测代价，从所述多种预测模式中选择预 选预测模式；W及
[0029] 选择模块，用于针对所述预选预测模式计算对应的率失真代价，并依据所述率失 真代价从所有预选预测模式中选择最佳的预测模式。
[0030] 优选地，所述采样模块，包括：
[0031] 采样单元，用于对编码单元分别进行水平和垂直各一倍下采样，得到相应的采样 单元；其中，所述采样单元包括所述编码单元中偶数行偶数列、或偶数行奇数列、或奇数行 奇数列、或奇数行偶数列的像素。
[0032] 优选地，所述计算模块，包括：
[0033] 第一计算单元，用于计算各预测单元与所述编码单元之间的的阿达玛花费参数；
[0034] 第二计算单元，用于依据加权后的阿达玛花费和码率花费计算每一个预测单元对 应的预测代价。
[00巧]优选地，所述预选模块，包括：
[0036] 预选单元，用于依据各预测单元对应的预测代价，从所述多种预测模式中选择预 测代价最小的一种或几种作为预选预测模式。
[0037] 优选地，所述选择模块，包括：
[003引代价计算单元，用于针对所述预选预测模式计算对应的率失真代价；
[0039] 模式确定单元，用于确定率失真代价最小的预选预测模式为最佳的预测模式。
[0040] 与现有技术相比，本发明实施例包括W下优点：
[0041] 本发明实施例对编码单元进行下采样，得到相应的采样单元，并针对采样单元进 行预测模式的选择，由于采样单元的像素少于编码单元的像素，故能够精简选择算法需要 计算的数据量，从而能够降低选择算法的复杂度；
[0042] 此外，本发明实施例不是直接针对所有预测模式计算率失真代价，而是首先从所 述多种预测模式中选择预选预测模式，然后针对所述预选预测模式计算率失真代价；该相 对于针对所有预测模式计算率失真代价，大大减少了计算率失真代价所设及的数据量，从 而能够进一步降低选择算法的复杂度。
【附图说明】
[0043] 图1示出了本发明的一种帖内预测模式的选择方法实施例的步骤流程图；
[0044] 图2示出了本发明的一种利用35种预测模式对像素块进行预测的示意图拟及
[0045] 图3示出了本发明的一种帖内预测模式的选择装置实施例的结构框图。
【具体实施方式】
[0046] 为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实 施方式对本发明作进一步详细的说明。
[0047] 实施例一
[0048] 参照图1，示出了本发明的一种帖内预测模式的选择方法实施例的步骤流程图，具 体可W包括：
[0049] 步骤101、对编码单元进行下采样，得到相应的采样单元；
[0化0] 由于视频图像数据中往往存在着极强的相关性，像素之间的空间距离越近，那么 它们的相关性也越强。本发明利用该种相关性，将编码单元进行精简，该样，对于预测模式 的选择算法需要处理的数据量将大大减少，从而可W降低选择算法的复杂度与运算时间。 [0化1] 本发明通过对编码单元进行下采样实现编码单元的精简，该样，对所述编码单元 对应的采样单元进行帖内预测，将能够减少选择算法的工作量。
[0化2] 在本发明的一种优选实施例中，所述对编码单元进行下采样，得到相应的采样单 元，具体可W包括；对编码单元分别进行水平和垂直各一倍下采样，得到相应的采样单元； 其中，所述采样单元包括所述编码单元中偶数行偶数列、或偶数行奇数列、或奇数行奇数 列、或奇数行偶数列的像素。
[0化3] 在本发明的一种应用示例中，W-个2NX2N的待编码的原始像素块为例，可W对 该原始像素块进行水平和垂直各一倍下采样，即保留每个偶数行偶数列坐标的像素，而抛 弃其余像素，该样生成一个NXN的采样像素块（即未经损压缩的当前像素块或图像的输入 像素），即对应本发明的采样单元。
[0化4] 当