振铃效应与样点自适应补偿（Sample Adaptive Offset，SAO）技术

SAO（Sample Adaptive Offset，自适应样点补偿）原理分析

🐋 🐬 🐶 🐳 🐰 🦀

1. H265压缩原理

🐋 SAO是H265视频压缩协议中用于补偿重建图像的一种技术。而H265压缩可以简单理解为对图像的一些特征的提取，解码端可以根据这些特征信息来恢复图像。

🐋 假设原始图像为x,压缩后的图像为y。 令$y=f(x)$，但是$x!=f^{-1}(y)$， 比如$y=f(x)=x>0?1:0$； 我们无法根据压缩后的图像y，来完整的还原原始图像x，两张图像总是有些误差的，而SAO就是为了在一定程度上弥补这个误差。

2. SAO的作用

🐬 Sao简单来说就是对图像里的像素点进行分类，选取某类的像素点进行补偿（加一个offset）。怎么分类，和对哪一类像素点进行补偿，offset的值怎么确定，就是SAO了。
🐬 上一节提到过，$x!=f^{-1}(y)$，SAO就是对重建图像$f^{-1}(y)$进行补偿，使其更接近原始图像x；也就是说，SAO的作用就是在一定程度上弥补两个图像的误差。

3. SAO原理简介

上节提到过，sao主要就三个问题。

• 🐶1. 怎么分类；
• 🐶2. 需要对哪一类像素点进行补偿（不需要每个像素点都补偿，既浪费资源，意义也不大，人眼也捕捉不到这细微的差别）；
• 🐶3. 需要补偿的那几个分类的像素点的offset怎么确定。

SAO有两种方式进行分类，一种是EO模式（Edge offset）,一种是BO（Band offset）模式；

4. SAO的分类–BO

BO模式比较好理解，就是根据像素点数值来进行分类；比如像素点的取值范围为0-255（8bit）；

• 🐳 将值在[0 - 7]的像素点记为$B{O}_0$分类,[8 - 15] 的像素点记为$B{O}_1$分类;依次类推，可以得到32个分类 $B{O}_0$, $B{O}_1$, …$B{O}_{3}1$;
• 🐳统计每个分类的像素点个数N0, N1,… N31， 以及每个分类像素点，和原始图像对应的误差之和E0， E1， E2.。。E31；
• 🐳之后可以确定每个分类的补偿值的取值范围，比如B0分类的取值范围为【0， E0/N0】;
• 🐳采用这个offset进行补偿时，原始图像x和重建图像y的差异，我们用${\delta }_d$表示，计算公式为：${\delta }_d=N\ast offse{t}^2-2offset\ast E$
• 🐳采用这种编码方式所需要的存储资源（牵扯到cabac熵编码）记为R; SAO选取代价函数${\delta }_j$来衡量${\delta }_d$和R这两个指标，${\delta }_j={\delta }_d+\lambda R$, 其中lambda取值越大，SAO越倾向于压缩后的数据R更小， lambda取值越小，SAO更倾向于使图像失真更小；
• 🐳则对$B{O}_0$分类，计算取值范围内的每一个值对应的代价函数，得到代价函数最小的offse，依次类推；我们能得到32个分类的offset；
• 🐳一般H265处理时，将图像划分成多个ctb块，一个ctb最大64*64个像素点；而一般情况下，一个ctb的像素点取值大多在连续4个的BO分类里，比如$B{O}_0$ ~ $BO3$; 因此我们只需要对32个分类里的某个连续4个的分类进行补偿即可；
• 🐳如果对$B{O}_0$~$B{O}_3$进行补偿，代价函数为${\delta }_{j0}$+${\delta }_{j1}$+${\delta }_{j2}$+${\delta }_{j3}$
• 🐳依次类推，可以得到29组代价函数；我们选取最小的一组代价函数，就完成BO补偿；

例如我们最终选择BO2 - BO5代价函数最小，SAO输出的值是
Mode : 1; (BO模式)
Band_position: 2; （起始位置为2）
Offset：【0， 2， 2， 5】

最终恢复图像时，

• 我们将图像像素点大小在【16，23】之间的，全部加0，
• 【24，31】之间的全部加2，
• 【32，39】之间的全部加2，
• 【40，47】之间的全部加5；

5. SAO的分类–EO

EO分类的分类依据是，由于sao模块输入的图像存在振铃效应，这是由H265中其他模块（deblock）导致的，如图所示：

因此sao中提出了四种角度分类方式,记为EO0, EO1, EO2,EO3,

根据四种分类方式，对图像的各个像素点进行分类；

• 🦀如果使用EO0方式进行分类，需要补偿的点为EO0_0, EO0_1, EO0_2, EO0_3;
• 🦀这四种方式的offset值的选取与上节的BO一样，其代价函数之和记为ΔJ_eo0;
• 🦀同理，使用EO1，EO2， EO3方式进行分类，分别可得另外3种分类补偿方式的代价函数ΔJeo0,….
• 🦀选取最小的代价函数的补偿方式；

例如我们最终选择delta_j_2_23 代价函数最小，SAO输出的值就是
Mode : 2;
EO_class: 2;
Offset：【0， 2， 2， 5】

最终恢复图像时，我们将图像像素点以EO2的角度进行划分，及每个像素点c分别和左上角a，右下角b的相邻像素点进行比较分类；

• 🦀大小关系为上图的种类1的，全部加0；
• 🦀大小关系为上图的种类2的，全部加2，
• 🦀大小关系为上图的种类3的，全部加2，
• 🦀大小关系为上图的种类5的，全部加5，

6. Not APPlied和merge模式

Not applied就是不做补偿的意思；不做补偿的offset就是0，那么ΔD也是0，但是 mode信息还是需要编码的，因此代价函数${\delta }_J=\lambda R$,，此外sao还提供了merge模式，即，直接使用上方或者左边块的sao补偿方式。

7. 最终补偿模式的选择

H265在压缩图片时，将一帧视频的图片分割成许多64*64或者其他大小的碎片（CTU）,而SAO是以CTU为单位的进行分类的。SAO大概可分为以下5种类型：

• 🐰 Not Applied : 表示该CTU不需要进行补偿；
• 🐰 Merge Up : 表示该CTU和他上面那块的CTU采用同样的补偿方式；
• 🐰 Merge Left : 表示该CTU和他左面那块的CTU采用同样的补偿方式；
• 🐰 Edge Offset (EO): 根据每个像素点和他附近像素点的关系，将其分为5类，其中4类需要补偿，为每类设置一个合适的offset。
• 🐰 Band offset(BO): 根据每个像素点的大小进行分类，分为32个区间，为每个区间选择一个合适的offset。

EO,BO, Not applied , merge_up, merge——left，这五种方式，SAO会选择代价函数${\delta }_j$最小的方式进行补偿。

8. 总结

SAO是根据H265中，重建图像和原始图像差异的特性，来尽可能的弥补这个差距，使得重建图像更接近原始图像。
对各个需要补偿的点（与原始图像有偏差）进行分类，为每个分类设置一个合适的偏移值（offset），这样解码端就能根据编码端传输过来的几个offset值和分类方式来恢复图像了。

9. 参考资料

【1】CSDN博客： H.265/HEVC编码原理及其处理流程的分析
【2】.新一代高效视频编码H.265/HEVC:原理、标准与实现，作者：万帅、杨付正；