【视频编解码·学习笔记】8. 熵编码算法:基本算法列举 & 指数哥伦布编码
一、H.264中的熵编码基本方法:
- 熵编码具有消除数据之间统计冗余的功能,在编码端作为最后一道工序,将语法元素写入输出码流
- 熵解码作为解码过程的第一步,将码流解析出语法元素供后续步骤重建图像使用
在H.264的标准协议中,不同的语法元素指定了不同的熵编码方法。在协议文档中共指定了10种语法元素的描述符,这些描述符表达了码流解析为语法元素值的方法,其中包含了H.264标准所支持的所有熵编码方法:
语法元素描述符 | 编码方法 |
---|---|
b(8) | 8位二进制比特位串,用于描述rbsp_byte() |
f(n) | n位固定模式比特位串,从最左bit开始计算 |
u(n) | 使用n位无符号整数表示,由n位bit换算得到 |
i(n) | 使用n位有符号整数表示,由n位bit换算得到 |
ue(v) | 使用无符号指数哥伦布编码 |
se(v) | 使用有符号指数哥伦布编码 |
te(v) | 使用截断指数哥伦布编码 |
me(v) | 使用映射指数哥伦布编码 |
ce(v) | 上下文自适应的变长编码(CAVLC) |
ae(v) | 上下文自适应的二进制算术编码(CABAC) |
二、指数哥伦布编码分类 & 编解码过程:
同之前介绍的哈夫曼编码一样,指数哥伦布编码同样属于变长编码(VLC)的一种
二者显著区别:
- 信源相关性:哈夫曼编码依赖于心愿的概率分布;指数哥伦布编码与信源无关
- 额外信息:哈弗曼编码的数据必须额外携带与该信源匹配的码表;指数哥伦布编码不需额外信息
1. 指数哥伦布编码的分类
常用的指数哥伦布编码通常可以分为四类:
语法元素描述符 | 编码方法 |
---|---|
ue(v) | 使用无符号指数哥伦布编码 |
se(v) | 使用有符号指数哥伦布编码 |
te(v) | 使用截断指数哥伦布编码 |
me(v) | 使用映射指数哥伦布编码 |
其中无符号指数哥伦布编码ue(v)是其他编码方式的基础,其余几种方法基本可以由ue(v)推导得出。
2. 0阶(零阶)无符号指数哥伦布编码 ue(v)
ue(v)的码字可以分为三个部分:
[prefix] 1 [surfix]
其中前缀码为n个bit长度的0,后缀码为表示实际数值的信息位,信息位的长度等于前缀码中0的个数。
指数哥伦布编码中前缀和后缀部分的长度根据码元数值来确定:
0阶指数哥伦布编码模板 | 适用码元值 |
---|---|
1 | 0 |
0 1 x | 1, 2 |
0 0 1 x x | 3~6 |
0 0 0 1 x x x | 7~14 |
0 0 0 0 1 x x x x | 15~30 |
0 0 0 0 0 1 x x x x x | 31~62 |
…… | …… |
编码模板的后缀部分,xx以二进制的形式表示解码后的数值
前缀0的长度以LeadingZeroBits表示,那么解码后数值为:\(codeNum = 2^{LeadingZeroBits} - 1 + (xxx)\)。(xxx)为二进制数值xxx的10进制表示。举例如下:
指数哥伦布编码码字 | 码元数值 |
---|---|
1 | 0 |
0 1 0 | 1 |
0 0 1 0 1 | 4 |
0 0 0 1 0 0 0 | 7 |
编解码过程:
- 编码:
codeNum = 13,
前缀0的个数:\(prefixLen = floor[log_2(codeNum+1)] = 3\);
后缀部分的二进制:\(codeNum+1-2^{prefixLen} = 14-8 = 6 = b(1 1 0)\)
因此13的指数哥伦布编码码字为0 0 0 1 1 1 0。 - 解码:
指数哥伦布码 0 0 0 0 1 0 1 0 1
解码后的数值为 \(2^4-1+5 = 20\)
3. 有符号指数哥伦布编码 se(v)
“有符号的指数哥伦布编码值”是通过“无符号的指数哥伦布编码的值”通过换算得到的
其换算关系为:\(n = (-1)^{(k+1)} \times Ceil(k / 2)\)
就是说:先按无符号方式解码,得到的十进制数字两个一组,绝对值相同,第一个是正的,第二个是负的。
下表为有符号和无符号指数哥伦布编码之间的换算关系:
指数哥伦布编码码字 | 无符号解码结果 | 有符号解码结果 |
---|---|---|
1 | 0 | 0 |
0 1 0 | 1 | 1 |
0 1 1 | 2 | -1 |
0 0 1 0 0 | 3 | 2 |
0 0 1 0 1 | 4 | -2 |
k | \((-1)^{(k+1)} \times Ceil(k / 2)\) |
4. 截断指数哥伦布编码 te(v)
解码时,首先需要判断的是语法元素的取值范围,假定为\([0, x], x≥1\)。根据x的取值情况,语法元素根据下面不同情况进行解析:
- 若x>1,解析方法同ue(v)相同
- 若x=1,语法元素值等同于下一位bit值的取反
5. 映射指数哥伦布编码 me(v)
适用于预测模式为Intra_4x4, Intra_8x8或Inter的宏块的coded_block_pattern的编码。me(v)的映射方式并无指定的换算公式,通常由查表的方式进行。
三、指数哥伦布编码同哈夫曼编码的比较:
- 哈夫曼编码在编码过程中考虑了信源各个符号的概率分布特性,根据符号的概率分布进行编码,不同的信源的哈夫曼编码的结果不同;指数哥伦布编码对所有信源统一
- 哈夫曼编码在解码前必须额外获得一份当前信源的码表;指数哥伦布编码不需要
- 指数哥伦布编码的压缩比率通常比较低,对于有些信息甚至完全没有压缩效果;在不考虑码表的情况下,哈夫曼编码压缩率更高
但是,实际上对于视频压缩而言,类似于哈夫曼编码所提供的压缩比率的优势远远不够,而且还需额外码表。因此在实际的视频编码方法中使用的是指数哥伦布编码,但是由于压缩率低,只作为少数的辅助语法元素的编码以及多数语法元素的二值化方法。
真正贡献了高压缩比的为CAVLC和CABAC编码等,将在后续学习笔记中进行介绍。
【视频编解码·学习笔记】8. 熵编码算法:基本算法列举 & 指数哥伦布编码的更多相关文章
- 【视频编解码·学习笔记】11. 提取SPS信息程序
一.准备工作: 回到之前SimpleH264Analyzer程序,找到SPS信息,并对其做解析 调整项目目录结构: 修改Global.h文件中代码,添加新数据类型UINT16,之前编写的工程中,UIN ...
- 【视频编解码·学习笔记】12. 图像参数集(PPS)介绍
一.PPS相关概念: 除了序列参数集SPS之外,H.264中另一重要的参数集合为图像参数集Picture Paramater Set(PPS). 通常情况下,PPS类似于SPS,在H.264的裸码流中 ...
- 【视频编解码·学习笔记】2. H.264简介
一.H.264视频编码标准 H.264视频编码标准是ITU-T与MPEG合作产生的又一巨大成果,自颁布之日起就在业界产生了巨大影响.严格地讲,H.264标准是属于MPEG-4家族的一部分,即MPEG- ...
- 【视频编解码·学习笔记】13. 提取PPS信息程序
PPS结构解析 与之前解析SPS方式类似 一.定义PPS类: 在3.NAL Unit目录下,新建PicParamSet.cpp和PicParamSet.h,在这两个文件中写入类的定义和函数实现. 类定 ...
- 【视频编解码·学习笔记】6. H.264码流分析工程创建
一.准备工作: 新建一个VS工程SimpleH264Analyzer, 修改工程属性参数-> 输出目录:$(SolutionDir)bin\$(Configuration)\,工作目录:$(So ...
- 【视频编解码·学习笔记】3. H.264视频编解码工程JM的下载与编解码
一.下载JM工程: JM是H.264标准制定团队所认可的官方参考软件.网址如下 http://iphome.hhi.de/suehring/tml/ 从页面中可找到相应的工程源码,本次选择JM 8.6 ...
- 【视频编解码·学习笔记】7. 熵编码算法:基础知识 & 哈夫曼编码
一.熵编码概念: 熵越大越混乱 信息学中的熵: 用于度量消息的平均信息量,和信息的不确定性 越是随机的.前后不相关的信息,其熵越高 信源编码定理: 说明了香农熵越信源符号概率之间的关系 信息的熵为信源 ...
- 【视频编解码·学习笔记】5. NAL Unit 结构分析
在上篇笔记中通过一个小程序,可以提取NAL Unit所包含的的字节数据.H.264码流中的每一个NAL Unit的作用并不是相同的,而是根据不同的类型起不同的作用.下面将对NAL Unit中的数据进行 ...
- 【视频编解码·学习笔记】10. 序列参数集(SPS)介绍
一.SPS 相关概念: SPS即 "Sequence Paramater Set",又称作序列参数集. SPS中保存了一组编码视频序列(Coded video sequence)的 ...
随机推荐
- Ajax 基础笔记
Ajax内容: 同步交互与异步交互 同步交互:客户端向服务器端发送请求,服务器端向客户端进行响应,这个过程中客户端不能做其他事情 异步交互:客户端向服务器端发送请求,服务器端向客户端进行响应,这个过程 ...
- tomcat-users.xml 配置
一:tomcat6配置管理员信息 1:打开tomcat6下的~/conf/tomcat-users.xml文件,关于用户角色.管理员的信息都在这个配置文件中. 2:在配置文件<tomcat-us ...
- MySQL--当查询遇到隐藏字符
事件起因: 在将一些EXCEL维护的数据导入MySQL中维护过程中发现漏了一些数据,检查时发现看着相同的SQL返回的结果完全不同: 在SQLyog中看到的截图如: 两个SQL执行返回结果不同,其中一条 ...
- 【django之form表单】
一.构建一个表单 假设你想在你的网站上创建一个简单的表单,以获得用户的名字.你需要类似这样的模板: <form action="/your-name/" method=&qu ...
- Android图像处理 - 高斯模糊的原理及实现
欢迎大家前往云+社区,获取更多腾讯海量技术实践干货哦~ 由 天天P图攻城狮 发布在云+社区 作者简介:damonxia(夏正冬),天天P图Android工程师 前言 高斯模糊是图像处理中几乎每个程序员 ...
- BZOJ 1022: [SHOI2008]小约翰的游戏John [SJ定理]
传送门 $anti-nim$游戏,$SJ$定理裸题 规定所有单一游戏$sg=0$结束 先手必胜: $1.\ sg \neq 0,\ 某个单一游戏sg >1$ $2.\ sg = 0,\ 没有单一 ...
- BZOJ 3270: 博物馆 [概率DP 高斯消元]
http://www.lydsy.com/JudgeOnline/problem.php?id=3270 题意:一张无向图,一开始两人分别在$x$和$y$,每一分钟在点$i$不走的概率为$p[i]$, ...
- 树莓派上运行.net core 2.0程序
记录中 参考: https://www.cnblogs.com/songxingzhu/p/7399991.html https://www.cnblogs.com/goodfulcom/p/7624 ...
- smallcorgi/Faster-RCNN_TF训练自己的数据
熟悉了github项目提供的训练测试后,可以来训练自己的数据了.本文只介绍改动最少的方法,只训练2个类, 即自己添加的类(如person)和 background,使用的数据格式为pascal_voc ...
- Hadoop源码分类概要整理
最近突然觉得, 很多掌握的都还是很浅的原理,需要更深入细粒度去了解整个分布式系统的运转机制.于是..开始作死而又作死而又作死的源码之旅. Hadoop包的功能总共有下列几类: tool:提供一些命令行 ...