十七、熵编码_CABAC的上下文环境

一、CABAC中的概率模型

1、为什么采用概率模型

• 构建模型：对每一个符号（即经过二值化的语法元素中的每一个bit值）分配一个概率分布模型
• 概率模型直接决定了编码截断的性能
• 在构建概率模型时，应尽可能地使该模型可以符合符号的统计情况，并且在编码的过程中实时更新
• 在H.264编码的实际应用中，为了尽可能降低编码的运算量，CABAC定义了基于查表的的概率模型。每当编码完一个bit值需要更新索引时，编码器不再是通过计算更新概率，而是通过查表来获取最新的上下文。

2、CABAC上下文模型的定义

我们已经知道，在CABAC中所有的信息都会转换为二进制数据进行编码，即0和1两种字符。因此在CABAC中，概率模型实际上只包含有一个概率——P(a)，另外一个元素P(b)实际上等于1-P(a)，其中a=1,b=0或相反。无论二者关系如何，总有一个值的概率不小于0.5，另一个值的概率不超过0.5。其中，概率不大于0.5的字符定义为LPS(Least Probability Symbol)，概率不小于0.5的字符定义为MPS(Most Probability Symbol)，分别用于表示当前状态下的小概率字符以及大概率字符。

在1.1节中可知，对于CABAC执行过程中的每一个状态，其MPS和LPS的概率通过一个预定义的表格来进行查询和转移，因此上下文模型中还需要一个索引值来表示当前在表格中所处的位置。因此在实现中，上下文模型可以用如下结构体表示：