HEVC加权预测（Weight Prediction）原理兼解码代码

HEVC添加加权预测模式的原因：

现今很多视频中都采用的一种技术：场景随着时间光线强弱渐变（temporal illumination variation），或者相同场景，出现阴影效应。这样的视频，帧与帧之间，背景的相似度可能很高，明暗差别较大，若单纯采用运动预测，运动补偿技术，得到的残差会不够理想。此时，有人注意到，出现temporal illumination variation现象，相邻帧（或者相邻Slice）之间的像素值整体上都是渐变的（shape），逐渐变大或变小，相对前面的图像帧，当前帧相当于整体乘了一个数（weight），再加上一个偏移量（offset），编码效果就会大大改善。这就是加权预测。

加权预测原理解析

加权预测在H.264已经被提出来并且得到应用。加权预测应用于运动估计之后，它是以Slice为单位，每一帧的每一个Slice都需要单独地传输相应的加权预测参数。对与当前解码图像，它有两个参考链表L0和L1，编码端需要给L0和L1中的每一个参考图像的YUV三个分量分别传输相应的加权预测参数。 
在H.264中，加权预测存在两种模式，分别是explicit WP (EWP) 和 implicit WP（IWP）。 
IWP模式的加权预测参数都是固定的，编解码端约定好采用相同的加权预测参数，不需要编码端传输，减少了码流传输的压力，提高传输效率。 
由于IWP模式的参数都是固定的，所以它不能用于单向预测，因为当前帧跟参考帧的距离是变化的，导致权重会相差较大，采用固定的权重，效果不理想。所以在HEVC中，不存在IWP模式，只采用EWP模式，下面分析EWP模式。 
Explicit WP： 
EWP模式的加权预测参数是由编码端决定的，解码端需要从码流中读取得到相应的加权预测参数。采用EWP模式，编码端可以根据具体情况，灵活采用不同的参数。 
加权预测共有三个预测参数，分别是：weight（权重）， offset（偏移量），LDW（log weight denominator)。具体计算方式如下式： 

    （1） 

    （2） 
上面两个式子，（1）式用于单向预测，（2）用于B帧的双向预测。P为像素预测值，W为权重，Q为偏移量，LX为参考链表L0或者L1。在编码端，为了避免浮点运算，需要将权重放大，放大的倍数为2的LWD次方，LWD的取值范围为[0,7]。解码端则缩小相应的倍数，是为了四舍五入。Clip（）是控制像素值在有效值之内，如8比特的有效值为[0,255]。 
大致流程如下图所示（转）： 

优化：

采用EWP模式，不管视频有没有光照衰弱效应，也就是Weight Prediction 有无压缩效果的情况下，编码端都需要将加权预测参数传输到解码端。此时： 
W = (1<<LWD), Offset = 0。代入(1)式跟(2)式，可以发现，此时相当于没采用加权预测的效果。所以我们需要对加权预测参数进行优化，减少传输。

(1)因为L0和L1的每个参考图像都有自己的加权预测参数，可以发掘他们之间的关系，减少传输次数。 
(2)每张图像的YUV三个分量都需要传输自己的加权预测参数，色度分量可以以亮度分量为预测值，减少传输大小。