360视频质量评估标准：WS-PSNR及对应代码实现部分

最新推荐文章于 2022-02-19 10:05:00 发布
最新推荐文章于 2022-02-19 10:05:00 发布
阅读量2k 收藏 8
点赞数
分类专栏： HEVC视频编码

本文转载自http://blog.csdn.net/lin453701006/article/details/78109934，在原作者的基础上修改了部分结构以及添加代码实现部分，在此对原作者表示感谢！

在360Lib对应的Software Manual中，定义了与HEVC客观质量评价PSNR不同的评价指标WS-PSNR，下文对这个指标进行分析。

WS-PSNR

参考提案：JVET-D0040，JVET-F1003 （http://phenix.int-evry.fr/jvet/）
WS-PSNR相较于PSNR的改进之处在于，它在计算块失真时考虑了块在当前图像中的纬度信息，原文是“Calculate PSNR based on all samples; the distortion is weighted by sample area on corresponding spherical surface”.

WS-PSNR对应的代码在项目Tlib360中的TWSPSNRMetricCalc.h和TWSPSNRMetricCalc.cpp中
先分析TWSPSNRMetricCalc.h 
class TWSPSNRMetric
{
private:
  Bool      m_bEnabled;
  Double    m_dWSPSNR[3];

  Int       m_outputBitDepth[MAX_NUM_CHANNEL_TYPE];         ///< bit-depth of output file
  Int       m_referenceBitDepth[MAX_NUM_CHANNEL_TYPE];      ///< bit-depth of reference file

  //各投影格式权重，Y：亮度权重，C：色度权重
  Double* m_fErpWeight_Y;
  Double* m_fErpWeight_C;
  Double* m_fCubeWeight_Y;
  Double* m_fCubeWeight_C;
  Double* m_fEapWeight_Y;
  Double* m_fEapWeight_C;
  Double* m_fOctaWeight_Y;
  Double* m_fOctaWeight_C;
  Double* m_fIcoWeight_Y;
  Double* m_fIcoWeight_C;
#if SVIDEO_WSPSNR_SSP
  Double* m_fSspWeight_Y;
  Double* m_fSspWeight_C;
#endif

  Int     m_codingGeoType;      //编码几何类型
  Int     m_iCodingFaceWidth;       //编码面宽度
  Int     m_iCodingFaceHeight;      //编码面高度
  Int     m_iChromaSampleLocType;       //采样色度格式
#if SVIDEO_WSPSNR_E2E
  //for E2E WS-PSNR calculation;
#if !SVIDEO_E2E_METRICS
  TVideoIOYuv *m_pcTVideoIOYuvInputFile;  //note: reference;
  TGeometry   *m_pRefGeometry;
  TGeometry   *m_pRecGeometry;
  TComPicYuv  *m_pcOrgPicYuv;
  TComPicYuv  *m_pcRecPicYuv;             //in original geometry domain;
#endif
#if !SVIDEO_E2E_METRICS
  Int         m_iLastFrmPOC;
  UInt        m_temporalSubsampleRatio;
  Int         m_iInputWidth;
  Int         m_iInputHeight;
  ChromaFormat m_inputChromaFomat;
#endif
#endif
public:
  TWSPSNRMetric();
  virtual ~TWSPSNRMetric();
  Bool    getWSPSNREnabled()  { return m_bEnabled; }        //获取m_bEnabled
  Void    setWSPSNREnabledFlag(Bool bEnabledFlag)  { m_bEnabled = bEnabledFlag; }       //设置m_bEnabled
  Void    setOutputBitDepth(Int iOutputBitDepth[MAX_NUM_CHANNEL_TYPE]);     //输出图像bit深度
  Void    setReferenceBitDepth(Int iReferenceBitDepth[MAX_NUM_CHANNEL_TYPE]);       //参考图像bit深度
  //设置视频几何信息
  Void    setCodingGeoInfo(SVideoInfo& sVidInfo, Int iChromaSampleLocType) { m_codingGeoType = sVidInfo.geoType; m_iCodingFaceWidth = sVidInfo.iFaceWidth; m_iCodingFaceHeight = sVidInfo.iFaceHeight; m_iChromaSampleLocType =iChromaSampleLocType; }      
#if SVIDEO_WSPSNR_E2E
#if SVIDEO_E2E_METRICS
  Void    setCodingGeoInfo2(SVideoInfo& sRefVideoInfo, SVideoInfo& sRecVideoInfo, InputGeoParam *pInGeoParam);
  Void    xCalculateE2EWSPSNR(TComPicYuv *pcRecPicYuv, TComPicYuv *pcOrigPicYuv);
#else
  Void    setCodingGeoInfo2(SVideoInfo& sRefVideoInfo, SVideoInfo& sRecVideoInfo, InputGeoParam *pInGeoParam, TVideoIOYuv& yuvInputFile, Int iInputWidth, Int iInputHeight, UInt tempSubsampleRatio);
  Void    xCalculateE2EWSPSNR(TComPicYuv *pcPicD, Int iPOC);
#endif  
#endif
  Double* getWSPSNR() {return m_dWSPSNR;}       //获取WS-PSNR
  Void    createTable(TComPicYuv* pcPicD, TGeometry *pcCodingGeomtry);      //创建投影格式对应的权重列表
  Void    xCalculateWSPSNR( TComPicYuv* pcOrgPicYuv, TComPicYuv* pcPicD );      //计算WS-PSNR

  //inline Int round(POSType t) { return (Int)(t+ (t>=0? 0.5 :-0.5)); }; 
};
再分析 TWSPSNRMetricCalc.cpp中的函数，这个cpp文件中除去构造、析构、以及setCodingGeoInfo2()外，只剩下如下两个函数。

void TWSPSNRMetric::createTable()：创建投影格式对应的权重列表。这里只截取了最常用的ERP和CMP对应的部分。每一种投影格式都对应一种权重，可以看到ERP的权重只与高度位置相关，CMP的权重与所在面的x,y坐标位置相关。
 
void TWSPSNRMetric::createTable(TComPicYuv* pcPicD, TGeometry *pcCodingGeomtry)
{
  if(!m_bEnabled)
  {
    return;
  }

  SVideoInfo *pCodingSVideoInfo = pcCodingGeomtry->getSVideoInfo();
  Int iFaceWidth = pCodingSVideoInfo->iFaceWidth;
  Int iFaceHeight = pCodingSVideoInfo->iFaceHeight;
  Int iScaleX = pcPicD->getComponentScaleX(COMPONENT_Cb);
  Int iScaleY = pcPicD->getComponentScaleY(COMPONENT_Cb);
  Double dChromaOffset[2] = {0.0, 0.0}; //[0: X; 1: Y];
  if(pcPicD->getChromaFormat() == CHROMA_420)
  {
    dChromaOffset[0] = (m_iChromaSampleLocType == 0 || m_iChromaSampleLocType == 2)? 0 : 0.5;
    dChromaOffset[1] = (m_iChromaSampleLocType == 2 || m_iChromaSampleLocType == 3)? 0 : 0.5;
  }

  //ERP投影
  if(pcCodingGeomtry->getType()==SVIDEO_EQUIRECT)
  {
    Double fWeightSum_Y=0;
    Double fWeightSum_C=0;
    Int   iWidth = pcPicD->getWidth(COMPONENT_Y) ;      //获取亮度宽度
    Int   iHeight = pcPicD->getHeight(COMPONENT_Y) ;    //获取亮度高度
    Int   iWidthC = pcPicD->getWidth(COMPONENT_Cb) ;        //获取色度宽度
    Int   iHeightC = pcPicD->getHeight(COMPONENT_Cb) ;  //获取色度高度
    m_fErpWeight_Y=(Double*)malloc(iHeight*sizeof(Double));     //亮度权重和高度有关
    m_fErpWeight_C=(Double*)malloc(iHeightC*sizeof(Double));        //色度权重和高度有关

    //计算亮度和色度的纬度权重
    for(Int y=0; y< iHeight; y++)
    {
      m_fErpWeight_Y[y]=scos((y-(iHeight/2-0.5))*S_PI/iHeight); //F1003 公式(72)，计算亮度权重
      fWeightSum_Y += m_fErpWeight_Y[y];
    }
    for(Int y=0; y< iHeightC; y++)
    {
      m_fErpWeight_C[y]=scos(((y<<iScaleY)+dChromaOffset[1]+0.5-iHeight/2)*S_PI/iHeight);  //F1003 公式(72)，计算色度权重

      fWeightSum_C += m_fErpWeight_C[y];
    }
    for(Int y=0; y< iHeight; y++)
    {
      m_fErpWeight_Y[y]=m_fErpWeight_Y[y]/fWeightSum_Y/iWidth;
    }
    for(Int y=0; y< iHeightC; y++)
    {
      m_fErpWeight_C[y]=m_fErpWeight_C[y]/fWeightSum_C/(iWidthC);
    }

  }
  //CMP投影
  else if(pcCodingGeomtry->getType()==SVIDEO_CUBEMAP)
  {
    Double fWeightSum_Y=0;
    Double fWeightSum_C=0;    

    //亮度、色度权重和面的高度宽度都有关
    m_fCubeWeight_Y=(Double*)malloc(iFaceHeight * iFaceWidth*sizeof(Double));       
    m_fCubeWeight_C=(Double*)malloc((iFaceHeight >> iScaleY) * (iFaceWidth >> iScaleX)*sizeof(Double));

    //计算亮度和色度权重
    for(Int y = 0; y < iFaceHeight; y++ )
    {
      for(Int x=0; x < iFaceWidth; x++)
      {
        Int ci, cj, r2;
        Double d2;
        ci= iFaceWidth/2;
        cj= iFaceHeight/2;
        d2 = (x+0.5-ci)*(x+0.5-ci)+(y+0.5-cj)*(y+0.5-cj);
        r2 = (iFaceWidth/2)*(iFaceWidth/2);
        Double weight= 1.0/((1+d2/r2)*ssqrt(1.0*(1+d2/r2)));
        m_fCubeWeight_Y[iFaceWidth*y+x] = weight;
        fWeightSum_Y += weight;
      }
    }
    for(Int y = 0; y < iFaceHeight; y++ )
    {
      for(Int x=0; x<iFaceWidth; x++)
      {
        m_fCubeWeight_Y[iFaceHeight*y+x] = (m_fCubeWeight_Y[iFaceHeight*y+x])/fWeightSum_Y/6.0;
      }
    }

    for(Int y = 0; y < (iFaceHeight>>iScaleY); y++ )
    {
      for(Int x=0; x< (iFaceWidth>>iScaleX); x++)
      {
        Int ci, cj, r2;
        Double d2;
        ci= iFaceWidth/2;
        cj= iFaceHeight/2;
        d2 = (x*(1<<iScaleX)+dChromaOffset[0]+0.5 - ci)*(x*(1<<iScaleX)+dChromaOffset[0]+0.5 - ci) + (y*(1<<iScaleY)+dChromaOffset[1]+0.5 -cj)*(y*(1<<iScaleY)+dChromaOffset[1]+0.5 -cj);
        r2 = (iFaceWidth/2)*(iFaceWidth/2);
        Double weight= 1.0/((1+d2/r2)*sqrt(1.0*(1+d2/r2)));
        m_fCubeWeight_C[(iFaceWidth>>iScaleX)*y+x]=weight;
        fWeightSum_C += weight;
      }
    }

    for(Int y = 0; y < (iFaceHeight>>iScaleY); y++ )
    {
      for(Int x=0; x< (iFaceWidth>>iScaleX); x++)
      {
        m_fCubeWeight_C[(iFaceWidth>>iScaleX)*y+x]=(m_fCubeWeight_C[(iFaceWidth>>iScaleX)*y+x])/fWeightSum_C/6.0;
      }
    }
  }
}
Void TWSPSNRMetric::xCalculateWSPSNR() 
Void TWSPSNRMetric::xCalculateWSPSNR( TComPicYuv* pcOrgPicYuv, TComPicYuv* pcPicD )
{
  //初始化亮度色度bit信息
  Int iBitDepthForPSNRCalc[MAX_NUM_CHANNEL_TYPE];
  Int iReferenceBitShift[MAX_NUM_CHANNEL_TYPE];
  Int iOutputBitShift[MAX_NUM_CHANNEL_TYPE];
  iBitDepthForPSNRCalc[CHANNEL_TYPE_LUMA] = std::max(m_outputBitDepth[CHANNEL_TYPE_LUMA], m_referenceBitDepth[CHANNEL_TYPE_LUMA]);
  iBitDepthForPSNRCalc[CHANNEL_TYPE_CHROMA] = std::max(m_outputBitDepth[CHANNEL_TYPE_CHROMA], m_referenceBitDepth[CHANNEL_TYPE_CHROMA]);
  iReferenceBitShift[CHANNEL_TYPE_LUMA] = iBitDepthForPSNRCalc[CHANNEL_TYPE_LUMA] - m_referenceBitDepth[CHANNEL_TYPE_LUMA];
  iReferenceBitShift[CHANNEL_TYPE_CHROMA] = iBitDepthForPSNRCalc[CHANNEL_TYPE_CHROMA] - m_referenceBitDepth[CHANNEL_TYPE_CHROMA];
  iOutputBitShift[CHANNEL_TYPE_LUMA] = iBitDepthForPSNRCalc[CHANNEL_TYPE_LUMA] - m_outputBitDepth[CHANNEL_TYPE_LUMA];
  iOutputBitShift[CHANNEL_TYPE_CHROMA] = iBitDepthForPSNRCalc[CHANNEL_TYPE_CHROMA] - m_outputBitDepth[CHANNEL_TYPE_CHROMA];

  memset(m_dWSPSNR, 0, sizeof(Double)*3);
  TComPicYuv &picd=*pcPicD;
  //Double SSDspsnr[3]={0, 0 ,0};
  //ChromaFormat chromaFormat = pcPicD->getChromaFormat();

  for(Int chan=0; chan<pcPicD->getNumberValidComponents(); chan++)
  {
    const ComponentID ch=ComponentID(chan);
    const Pel*  pOrg       = pcOrgPicYuv->getAddr(ch);
    const Int   iOrgStride = pcOrgPicYuv->getStride(ch);
    const Pel*  pRec       = picd.getAddr(ch);
    const Int   iRecStride = picd.getStride(ch);
    const Int   iWidth  = pcPicD->getWidth (ch) ;
    const Int   iHeight = pcPicD->getHeight(ch) ;
    Double fWeight =1;
    Double fWeightSum=0;
    //Int   iSize   = iWidth*iHeight;

    Double SSDwpsnr=0;
    //WS-PSNR
    for(Int y = 0; y < iHeight; y++ )   //得到宽高后，对每一个点的失真进行统计
    {
      //ERP格式只与高度有关
      if (m_codingGeoType==SVIDEO_EQUIRECT)
      {      
        if(!chan)   //亮度
        {
          fWeight=m_fErpWeight_Y[y];
        }
        else        //色度
        {
          fWeight=m_fErpWeight_C[y];
        }
      }
      for(Int x = 0; x < iWidth; x++ ) 
      {
        //参考图像和输出图像差值
        Intermediate_Int iDiff = (Intermediate_Int)( (pOrg[x]<<iReferenceBitShift[toChannelType(ch)]) - (pRec[x]<<iOutputBitShift[toChannelType(ch)]) );

        //CMP格式和x,y都有关
        if (m_codingGeoType==SVIDEO_CUBEMAP)
        {
          if(!chan)
          {
            if(iWidth/4 == iHeight/3 && x >= iWidth/4 && (y< iHeight/3 || y>= 2*iHeight/3))
            {
              fWeight=0;
            }
            else 
            {
              fWeight=m_fCubeWeight_Y[(m_iCodingFaceWidth)*(y%(m_iCodingFaceHeight)) +(x%(m_iCodingFaceWidth))];
            }

          }
          else
          {
            if(iWidth/4 == iHeight/3 && x >= iWidth/4 && (y< iHeight/3 || y>= 2*iHeight/3))
            {
              fWeight=0;
            }
            else
            {
              fWeight=m_fCubeWeight_C[(m_iCodingFaceWidth>>(pcPicD->getComponentScaleX(COMPONENT_Cb)))*(y%(m_iCodingFaceHeight>>(pcPicD->getComponentScaleY(COMPONENT_Cb)))) +(x%(m_iCodingFaceWidth>>(pcPicD->getComponentScaleX(COMPONENT_Cb))))];
            }  
          }
        }

        if(fWeight>0)
          fWeightSum += fWeight;
        SSDwpsnr   += iDiff * iDiff*fWeight;        //引入了fWeight，即对每个点的失真进行一个权重处理。最终得到总的SSD

      }
      pOrg += iOrgStride;
      pRec += iRecStride;

    }
    const Int maxval = 255<<(iBitDepthForPSNRCalc[toChannelType(ch)]-8) ;
    //const Double fRefValue = (Double) maxval * maxval * iSize;

    m_dWSPSNR[ch]         = ( SSDwpsnr ? 10.0 * log10( (maxval * maxval*fWeightSum) / (Double)SSDwpsnr ) : 999.99 );        //计算PSNR
  }

}





s1314_JHC
关注
  • 0
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
WS-PSNR:WS-PSNR
05-30
WS-PSNR ##对于 Linux 用户：在目录 WS-PSNR/WS-PSNR 中 $> 制作 $> ./main "输入参数" ##对于 Windows 用户：（VS2010 X64） 单击 WS-PSNR.sln main.exe“输入参数” WS-PSNR是一种评估球形域中两个视频剪辑之间差异（质量）的指标。 在这里，WS-PSNR被用作参考视频X和测试视频X'之间的客观质量指标。 WS-PSNR 支持在球体的意义上评估全向视频的质量。 目前只支持YUV4:2:0格式的视频，原始视频和重构视频的格式和分辨率相同，如图1所示，其中Video X'表示有一些失真的Video X，但X'和X的格式是同样的。 我们将发布新版本的软件以支持更一般的情况。 #输入参数##Mandatory：（如果你添加参数“-help”：它会给你一个关于如何使用软件的提示） -w：视频宽度 -
360Lib：WS-PSNR
慢慢积累
10-07 2644
CPP-PSNR是360Lib采纳的一种360视频的客观质量评估标准。该评估标准认为，把2D图像投影到球型视野上，不同纬度的像素具有不同的权重，通过给360视频投影得到的2D图像的不同纬度增加权重，来对360视频进行评估。TWSPSNRMetric类下面来看360Lib中定义的CPP-PSNR类TWSPSNRMetric，其中有两个重要函数createTable（创建投影格式对应的权重列表）和xCa
第一次跑数据的问题(WS-PSNR)
weixin_30894389的博客
11-17 110
第一次跑数据的问题 Q：在make的时候出现main is up to data A：可以把.o和配置文件删掉重新的make Q：在跑的时候出现segmatation fault A：就是要把要操作的yuv格式放在和makefile相同的路径下 Q：对于Yanchanghui2_1.yuv和Yanchanghui2_2.yuv跑出的psnr的结果 A：对于不同的参数或...
学术前沿 | 图像质量量化评估标准综述
小白学视觉
02-19 1385
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达转载于 ：知乎：MrZH，已获授权来源：https://zhuanlan.zhihu.com/p/1202548921...
WS-PSNR不同投影格式的权重计算（ERP CMP）
pici7002的博客
10-21 897
计算权重，保存到txt中。 #include <stdio.h> #include <math.h> #include <stdlib.h> #include <string.h> #include <fstream> #include <iostream> double getWeight(int form, int i...
360视频质量评估标准：WS-PSNR，S-PSNR，CPP-PSNR
慢慢积累
09-27 6099
为了符合当前的视频编码标准，360视频采集后需要投影为2D图像进行编码，而观看时需要将2D图像投影为球形视频，实际用户看到的是球形视频。考虑球形视频的特点，会存在关注区域的问题，直接使用PSNR对2D图像进行评估是不准确的。目前360Lib中，采纳了WS-PSNR，S-PSNR，CPP-PSNR作为360视频的客观质量评估标准，其中S-PSNR分为S-PSNR-I和S-PSNR-NN。首先来看下36
基于WS-PSNR权重的自适应QP算法对虚拟现实视频压缩率的优化
do
11-09 402
1.WS-PSNR权重 ERP投影格式是将球面视频展开后所得的二维平面视频,该投影格式将其展开成与赤道区域等宽的一块矩阵图像。 ERP（球状投影）投影权重分布图如下所示： 颜色越深，权重越接近0；颜色越浅，权重越接近1。 2.自适应QP补偿算法 自适应QP补偿公式如下所示： 在某次会议中，F0038号提案将cos(pi*y)作为w值代入，得到下式： 由于360度虚拟现实视频中赤道与两极的夹角...
360°视频的视频编解码器性能评估中的常见测试条件和软件参考配置
不是他人太努力，只是自己努力不够罢了
08-29 3848
这几天一直阅读提案，发现状态不是很好，就把几篇我觉得很有用的提案摘录到这里。带（*）标识的地方是我还没懂的地方= =、 首先这篇提案是JVET common test conditions and evaluation procedures for 360° video 1、Introduction 360°视频通用测试条件是在well-defined（*）的环境中进行实验，并且简化实验结果
JVET专家组下360Lib全景视频投影格式测试平台
fan2273的博客
09-04 8577
最近在学习JVET下的360Lib测试平台。不多废话，先把网址贴出来，再谈详细的……JVET主页：https://jvet.hhi.fraunhofer.de/JVET测试平台：https://jvet.hhi.fraunhofer.de/svn/svn_HMJEMSoftware/360Lib测试平台：https://jvet.hhi.fraunhofer.de/svn/svn_360Lib/J...
基于Matlab的PSNR算法实现（源码，可直接运行）
10-16
基于Matlab的PSNR算法实现（源码，直接运行），在窗口输入PSNR('img1','img2')直接出结果，简单易行。
计算视频质量BDBR 和BD-PSNR的matlab代码
02-22
BDBR表示在同样的客观质量下，较优的编码方法可以节省的码率百分比，其中BDBR越小，当前编码器的压缩性能越佳；BD-PSNR表示在同等码率下，两种编码条件下压缩后...计算视频质量BDBR 和BD-PSNR的matlab代码，运行正确。
视频图matlab代码-STS-PSNR:信噪比
05-27
视频图matlab代码
PSNR.zip_PSNR_视频质量_视频质量评估
09-19
计算yv12视频序列的PSNR值，可用于mpeg4，x.264视频编码后的视频质量评估
计算两个 420YUV 的 Y-PSNR、U-PSNR、V-PSNR 和 YUV-PSNR
03-04
计算两个 420YUV 的 Y-PSNR、U-PSNR、V-PSNR 和 YUV-PSNR，c++代码，计算细节和 HM 代码一致
60道关于Redis的常见面试题.pdf
04-18
- 1. 什么是 Redis？它的主要特点是什么？ - 2. Redis 支持哪些数据结构？请详细描述每种数据结构的用途和特点。 - 3. 什么是缓存穿透？在使用 Redis 时，如何防止缓存穿透？ - 4. 介绍 Redis 的持久化机制以及对比它们之间的区别。 - 5. 如何实现 Redis 的分布式锁？你了解的分布式锁有哪些实现方式？ - 6. Redis 的数据淘汰策略有哪些？分别是如何工作的？ - 7. 什么是 Redis 事务？它是如何实现的？与传统数据库事务有何不同？ - 8. 如何设置 Redis 的主从复制？主从复制有什么优势和限制？ - 9. Redis 支持的数据结构中，有哪些可以实现计数功能？请详细说明其使用场景。 - 10. 什么是 Redis Sentinel？它的作用是什么？如何配置和使用 Sentinel？
2024年社交媒体广告行业分析报告.pptx
04-18
2024年社交媒体广告行业分析报告.pptx
网站界面设计mortal0418代码
04-18
网站界面设计mortal0418代码
2024年休闲椅行业分析报告.pptx
最新发布
04-18
2024年休闲椅行业分析报告.pptx

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值