H.264压缩技术之总览（Overview）——Matlab源码解析

写在前面

Abdullah A. Muhit等人在2012年发表的论文[1],[2]。并发布了开源H.264 matlab版的代码。笔者会就着这套源码进行分解讲解。一方面为了加强自己的理解，另一方面也给学习这套源码的同学提供参考。笔者水平有限，难免会有一些错误，请各位读者批评指正。
注：这里的代码笔者进行了一些修改，剔除了一些与编码关系不大的代码。属于伪代码。

一、预操作

读入视频序列

obj=VideoReader('formancif.mov'); %obj 类中基本包含了一个视频的所有信息。

获取需要进行编码的视频序列mov

for k = 1 : nFrames  %获取obj类的视频序列存入mov
    mov(k).cdata = read(Obj, k);
end

设置需要编码的GOP组

// 设置需要编码的一个GOP(group of picture)组
%% Encoding Video Paramiters
Frame_start = 1;            % I frame
Frame_end = 5;             % Following P frames
NumberOfFrames=Frame_start+Frame_end; 

由于进行压缩编码的部分通常为Y分量，所以对读入的视频序列，还要转YUV。

Resize(mov,Frame_start,Frame_end,Videow,Videoh)%1色彩空间的转换，2修改大小(不是必要的)

设置最终将会输出的比特流

bitstream = '';                 % Initialize output bitstream

对比特流头部施加标记1111，代表将进行I帧编码

bitstream = [bitstream '1111'];     % Appending I-Frame header ('1111')

小节总结：
进行到此，基本有了：
1、需要进行编码的视频序列 mov 为了后续方便识别记作Seq
2、一个附加了头部信息1111的比特流 bitstream=1111
3、一个GOP组，起始帧和结束帧 Frame_start = 1; Frame_end = 5;

二、设置参考帧+I帧编码（后续博客详细介绍，这里是介绍整体框架）

由于进行编码的帧格式为 IPPP格式，也就是说第一个帧是I帧，后续的都是P帧。
所以设置第一帧参考帧X为自身：

X(:,:,1)=Seq(:,:,1) %解释一下Seq为啥是3维数组，前两位代表每个帧的像素值，最后一位代表是第几帧

进行I帧编码（这个函数下一篇博客详细介绍，这次主要从整体把握编码框架）

[Seq_r(:,:,1),bits] = encode_i_frame(Seq(:,:,1),QP);    % Encoding
%encode_i_frame函数是编码I帧的函数，
%函数内主要操作为：熵编码，残差块，预测等
%QP为质量因子
%返回的结果Seq_r为重构帧，bits为进行编码后的比特流

三、比特流拼接

将获得的bits与先前的bitstream进行拼接。

bitstream = [bitstream bits];   % Appending I-Frame bitstream 

现在的bitstream是：1111bits。(bits是一堆01序列)
多提一嘴：最后进行解码，传输的也是bitsteam.
由bitstream足以还原出重构帧seq_r。

四、设置新的参考帧，为下一次的P帧编码做准备

X(:,:,1) = Seq_r(:,:,1);%用重构帧进行后续的参考

五、P帧编码(后续博客详细介绍，这里是介绍整体框架)

理解了I帧编码的整体架构，P帧编码的架构也是类似的。
由于是IPPP结构，所以后续的帧都是P帧。这里放上P帧编码部分的伪代码。

for K = 2:Frame_end
    k = K-1;
    bitstream = [bitstream '0000'];     % Appending P-Frame header ('0000')
    X(:,:,2) = Seq(:,:,2); % X[2]: Rnter coded Frame (P-Frames)
    [Seq_r(:,:,2),bits] = encode_p_frame(X,QP,ext,block_size); % Encoding
    bitstream = [bitstream bits]; % Appending P-Frame bitstream ('1100...')
    X(:,:,1) = Seq_r(:,:,2); % X[1]: Refrence Frame (for the next P-Frames)
end

六、保存最终的比特流+解码

save(‘BitStream.mat’,‘bitstream’);

解码部分就是根据bitstream与先前附加的头标记，来判断哪部分是I帧，哪部分是P帧，解码部分就是编码的逆过程。核心还是在encode_i_frame,encode_p_frame函数里面。

七、参考文献

[1] A A Muhit, M R Pickering, M R Frater and J F Arnold, Video Coding using Elastic Motion Model and Larger Blocks,IEEE Trans. Circ. And Syst. for Video Technology, vol. 20, no. 5, pp. 661-672, 2010.

[2] A A Muhit, M R Pickering, M R Frater and J F Arnold, Video Coding using Geometry Partitioning and an Elastic Motion Model,accepted for publication in Journal of Visual Communication and Image Representation.