第五周工作报告

       接下来的工作主要是在libyami的decoder中加入对MPEG2解码的支持，为了完成这部分的工作，首先要对MPEG2的算法有一定的了解。本周主要针对MPEG2解码算法进行了解，并阅读相关的代码。

       首先介绍一下MPEG-2视频源数据结构。编码的视频数据是由称作“层”的比特流序列组成，通常这些视频比特流可看作语法等级体系，其中一个语法结构包含一个或更多的从属结构。例如，结构“picture_data()”包含一个或更多的语法结构“slice()”，而“slice()”又包含一个或者更多有序结构“macroblock()”。编码的比特流中最高语法结构就是视频序列。一个视频序列以一个序列头开始，后面可选地跟着一组图像的头和一个或更多的编码帧。帧在编码比特流中的顺序就是解码器处理它们的顺序，但不一定就是显示顺序。视频序列以一个sequence_end_code终止。MPEG-2的编码码流分为六个层次。从上至下依次为：视频序列层（sequence）、图组层（GOP），图像层（picture），组块层（slice），宏块层（Macroblock）和块层（block）。除宏块层和块层，上面四层中都有相应的起始码。

      MPEG-2定义了三种编码帧类型，分别为I帧、P帧和B帧。三种帧采用不同的编码原则：I帧采用帧内编码方式，其帧中所有宏块的编码方式都是帧内编码（intra模式，表示数据的编码与其他帧图像的数据无关）。P帧和B帧采用帧间预测的方式，P帧图像采用前向时间预测，一部分宏块是帧间编码，另一部分是帧内编码，具体的编码方式由运动搜索的结果决定。B帧图像采用双向时间预测，宏块的编码方式只有帧间。

      下面来介绍三种帧图像的主要特点。

I帧：

一个完整的帧内压缩算法，解码时仅用I帧的数据就可重构完整图像。

I帧描述了图像背景和运动主题的详情。

I帧不需要参考其他画面的生成，不需要考虑运动矢量。

是P帧和B帧的参考帧，其质量直接影响到同组中以后各帧的解码质量

是图组GOP的基础帧，每个图组的第一帧必须是I帧。

所占据的数据信息在三种帧类型中是最大的。

P帧：

P帧属于前向预测的帧间编码，只参考前面靠近它的I帧或P帧。

采用运动补偿的方法传送它与前面I/P帧的差值及运动向量，解码时必须将参考帧的预测值与预测误差求和后才能重构完整的P帧图像。

P帧可以是后面P帧的参考帧，也可以是其前后B帧的参考帧。

由于P帧可能用作参考帧，所以它可能造成解码错误的扩散。

B帧：

双向预测编码帧，可有前面的I/P帧和后面的P帧来进行预测。

B帧传送的是它与前面的I帧或P帧和后面的P帧之间的预测误差及运动矢量。

B帧压缩比最高，因为它只反映两参考帧之间运动主体的变化情况，所以预测比较准确。

由于不是参考帧，不会造成解码错误的扩散。

        软件中的算法依功能划分，解码系统由9大功能性模块组成，依数据流的流向排列为：取数据及数据调整（getbits）；解序列数据（gethdr）；解图像组（getpic）；解变长码参数（getvlc）；解块变长码（getblk）；反离散余弦变换（IDCT）；解运动向量（motion）；图像预测补偿（recon）；显示（display）。另外，还需要其他模块来协调功能性模块的工作，即功能控制（mpeg2dec）、空间域分级控制（spatscal）、存储（store）、帧数据缓冲控制（subspic）和系统控制（systems）。

        硬件解码器划分为以下几个模块：

定长码解码模块（parser）：负责对压缩码流中slice层以上的码流解码。

可变长解码模块（VLD）：负责对slice层以下，块级以上的码流解码，并解出运动向量。

哈弗曼解码模块：负责块级数据的可变长解码和完成反扫描模块。

反量化模块（IQ）：通过量化参数重构DCT系数。

反离散余弦变换模块：负责对block大小的DCT系数做逆变化，得到残差数据。

运动补偿模块：根据运动向量找出预测数据，并将预测数据和残差数据相加，得到最终的解码采样值。

         以上对MPEG2视频的解码作了大致的了解。关于代码部分也已经进行了总体的阅读，掌握总体的结构，但是一些细节的部分还需要好好考虑，因为在porting的过程中虽然整体框架没有较大的改动，但是从C语言转换到C++还是有较多变化的。由于之前并没有接触过C++，所以看起来有些吃力。   

         下周工作安排：

         快速了解C++的相关语法包括类的应用，虚函数之类。

         整理出修改的思路。