关于JCT-VC的A033文档的理解(分块组成)

 

这里和H.264宏块分割的很大区别在于引入了四叉树的结构。在这里叫做CTB（coding tree block）。在hevc中，除了基于帧的环路滤波器之外，其他机制都是基于ＣＴＢ的。ＣＴＢ中如果尺寸最大的就叫ＬＣＴＢ，最小的就叫ＳＣＴＢ，中间的就是各个大小的叶节点（leaf-ode）。但是就分割来看，最小不能小于8x8（更小的会在PU内区分）.

既然ctb是四叉树，必然由参数Depth，N和split_flag来决定，用一种recursive迭代的方法分成了不同大小的square（注意，在分ctb的时候都是正方形，但是在pu中可以进行几何分割）。

使用这个机制的好处在四点：1、相比于H.264的子宏块机制而言，支持的分割种类更加多，而且在sps中传输的信息量比较少，毕竟是以树的方式。2、编码可以使用于多用途多设备中。小分块精度高，对设备要求高，大分块精度低，对设备要求低。3、使用统一型（消除宏块和子宏块），使得结构更加简洁（对比H.264中子宏块分割的代码实现）。4、语法表示机制独立于CTBsize的大小，而h264中有transform_8x8_mode_flag等图标，这些都是特定于16，8或4。对于编码块的顺序来说，是按照raster scan，在每个CTB中，是以深度优先原则的。

 

另外引入的一个新名词是PU（prediction unit）（之所以我觉得引入两层分割我想是标准推荐大块处理，所以分成两次还是和264里面一次的大小差不多，这个观点有待更正）。PU是专门指对无法再分的CTU（即叶子节点（叶子上是不能再分出来长东西了））产生的。其参数有两个prediction type和PU splitting。PU splitting的分法和prediction type相关的。如果prediction是intra的话，只有两种不同的分法，2Nx2N和NxN。如果是inter的话就有八种，四种对称的（2Nx2N,2NxN,Nx2N,NxN）和四种非对称的（2NxnU，这里U代表UP，指的是上面1/4的部分，同理还有2NxnD，nLx2N，nRx2N）。（这和a30里面的FMP灵活宏块分区有点像）

 

另外还有一种分法叫做几何分法，十分灵活，一条线以任意方式任意角度（arbitrary）切割square。分区的记录信息就是斜率m和截距c，分别放在两个32bit的查找表当中（lookup table）。square里面的点只要带到线里面计算，根据>或者<0就可以知道属于哪个分区。特别的，如果使用这种方式的话，那么就要用到OBMC（overlapped block motion compensation）。是因为分割开来的块的边界是相接的，根据常理，边界上总归会受到另外一方的影响，所以使用了带权重的机制（即本块的mv占2/3，临块的mv占1/3,也就是说临边的补偿是于主体分开的）。至于怎么去界定边界呢，这里主要使用如下机制：该像素点四周的四个点只要有一个点落在了邻域中，那么该点就是边界。

所有与预测有关的信息都放在一个PU basis中，包括帧内预测的方向，帧间的mvd和reference index，mvp，mvc等。

一般来说，对于每个帧内预测块，各个运动参数都一个一个用来传输。但是为了提高编码效率，常常采用几个块合并同传（即逻辑上划为一个区域）。具体方法如下：所有的预测块的，按照处理顺序来分的集叫做set fo causal blocks(也就是causal是指因果顺序的)，另外一种是允许合集在一起的块集叫set of available blocks（这个事实上是因果集的子集，是从该集中符合条件，挑选出来重新组成的集合）。可见如果有效集为非空，则说明有合并传输的块。

有效集的参数有merge_flag,如果是0的话就常规传输，如果是1的话那么规则如下：有且只有一个块的话，用于合并。或者有两个块，自持如果两者的参数相同，那么这个参数用于当前块。如果不同，merge_left_flag用来标记，=1就是指包括了左边邻样本位置的块被选出来，=0则是top块被选出来（非左即上）。选出来的块就直接用于当前块。

 

另外一个新的概念就是TU（transform unit）,主要用来转化和量化，其大小与CTB一样大，从4x4---64x64.

 

 

关键词：CTU，PU，TU，OBMC