H.264/AVC视频编解码技术详解二十六帧间预测编码：宏块的帧间预测解码

Posted 2022-11-03 取次花丛懒回顾

《H.264/AVC视频编解码技术详解》视频教程已经在“CSDN学院”上线，视频中详述了H.264的背景、标准协议和实现，并通过一个实战工程的形式对H.264的标准进行解析和实现，欢迎观看！

“纸上得来终觉浅，绝知此事要躬行”，只有自己按照标准文档以代码的形式操作一遍，才能对视频压缩编码标准的思想和方法有足够深刻的理解和体会！

链接地址：H.264/AVC视频编解码技术详解

GitHub代码地址：点击这里

---

一、帧间预测宏块类型

在讨论帧内预测的章节中我们已经讨论过部分宏块类型的分类。我们知道，对于帧间编码的宏块，其划分方式可以分为两步，其一为宏块级划分，其二为子宏块级划分。下面分别讨论这两个步骤。

1.1 帧间预测宏块划分

我们知道，对于P宏块，其宏块级划分有4种方式：16×16、16×8、8×16和8×8。此外还存在两种模式即P_8x8ref0和P_Skip模式。其定义如下表所示：

其中，P_8x8ref0表示虽然宏块是按照8×8划分，但码流中不传输ref_idx等信息。对于每一个子块，其ref_idx信息默认为0。

从上表中可知，对于P帧的宏块划分，其NumMbPart的取值范围为1、2或4，其MbPartPredMode的取值为Pred_L0或不存在。

对于B宏块，其宏块划分方式有B_Direct_16x16、B_X0_X1_MxN、B_8x8和B_Skip模式。其定义方式如下：

从上表中可知，除了B_8x8需要进一步进行子块划分因此没有MbPartPredMode之外，其他模式均定义了一个或两个的MbPartPredMode值，其取值及含义为：

• Pred_L0：只从List0中选择一个参考帧；
• Pred_L1：只从List1中选择一个参考帧；
• BiPred：双向预测，从List0和List1中各选择一个参考帧；
• Direct：用于B_Direct_16x16和B_Skip模式；

1.2 子宏块的划分

当帧间编码宏块按照8×8划分时，每一个8×8子块可能会进一步进行划分，其划分方法如下表所示：

对P宏块：

对B宏块：

从上述的表格中我们可以看出，对宏块和子宏块的划分，其每一个划分的参数含义都是类似的。比较明显的一个区别是：再对B宏块的8×8子块进行进一步分割后，每一个8×8子块内的分块都只有一个SubMbPredMode，因为其中的所有分块都共享一个参考帧索引。

同宏块划分类似，每一个子块划分的SubMbPredMode可能的取值也包括Pred_L0、Pred_L1、BiPred、Direct等。

二、帧间编码宏块的格式

一个宏块中包含帧间编码信息的结构可能有sub_mb_pred和mb_pred两种，如下表所示：

其中，sub_mb_pred主要用于P_8x8、P_8x8ref0和B_8x8三种，其定义为：

在sub_mb_pred结构中，首先保存的是4个8×8子块的划分模式sub_mb_type，然后依次保存了参考帧索引值ref_idx_l0、ref_idx_l1和运动矢量残差mvd_l0、mvd_l1。

mb_pred主要用于非8×8模式的帧间编码宏块分割以及帧内编码的宏块，其定义为：

其内部结构同sub_mb_pred类似，也包含了参考帧索引值ref_idx_l0、ref_idx_l1和运动矢量残差mvd_l0、mvd_l1。

在获取到了宏块划分中的参考帧索引后，可以直接从对应的参考帧列表中获取参考帧，即ref_idx_l0表示在参考帧列表List0的位置，ref_idx_l1表示在参考帧列表List1中的位置。

三、Skip模式和Direct预测

首先需要区分的是下列的几种模式：

• P_Skip: 即COPY模式，在该模式下无运动矢量残差，无像素预测残差。重建时以MVP作为实际运动矢量，以预测像素块作为重建；
• B_Skip：同P_Skip类似的是该模式下同样无运动矢量残差，无像素预测残差。重建时，以Direct模式获取双向MV，以预测像素块作为重建；
• B_Direct：B_Direct模式分为B_Direct_8x8和B_Direct_16x16，分别表示整个宏块和一个子块按照B_Direct模式编码。该模式下，无运动矢量残差，有像素预测残差。重建时，以Direct模式获取双向MV，以预测像素块加上预测残差像素块作为重建；

Direct预测模式

Direct预测模式定义在标准文档的8.4.1.2节。主要执行步骤如下：

• 计算共置运动矢量（co-located motion vector）、参考帧索引等信息；
• 如果direct_spatial_mv_pred_flag为1，表示采用空间Direct模式；
• 如果direct_spatial_mv_pred_flag为0，表示采用时间Direct模式；

3.1 计算共置运动矢量和参考帧索引等信息

1. 首先获取共置图像（colPic），对于帧编码的视频，colPic即参考帧列表List1的首帧RefPicList1[0]。

2. 然后计算luma4x4BlkIdx的值；计算方法根据direct_8x8_inference_flag的取值不同：

   • 如果direct_8x8_inference_flag为0，luma4x4BlkIdx的计算方法为 (4 * mbPartIdx + subMbPartIdx)；
   • 否则，luma4x4BlkIdx的计算方法为 (5 * mbPartIdx)；

3. luma4x4BlkIdx计算完成后，根据4×4子块逆扫描顺序将luma4x4BlkIdx转换为子块坐标(xCol, yCol);

4. 根据表8-8的定义，计算共置宏块地址mbAddrCol、子块坐标yM和mv映射系数vertMvScale；从表中可知，对于帧编码视频，其mbAddrCol值等于当前宏块地址CurrMbAddr，子块坐标的yM等于步骤3中计算得到的yCol，mv映射系数vertMvScale为One_To_One。

5. 设mbTypeCol和subMbTypeCol分别为共置宏块及其内部对应子块的类型，mbPartIdxCol和subMbPartIdxCol分别为共置宏块及其内部对应子块的内部划分索引值。根据子块坐标(xCol, yM)、mbTypeCol（如果共置宏块是8x8分割，则还有subMbTypeCol的数据），得到mbPartIdxCol和subMbPartIdxCol；

6. 计算mvCol和refIdxCol。根据共置宏块的类型判断：

   1. 如果共置宏块是帧内编码宏块，则mvCol设为(0,0)，refIdxCol设为-1；
   2. 如果共置宏块不是帧内编码宏块，则要判断共置宏块的predFlagL0Col和predFlagL1Col值；如果predFlagL0Col为1，则取共置宏块或其中的目标子块的MvL0作为mvCol，取RefIdxL0作为refIdxCol；
   3. 如果predFlagL0Col为0而predFlagL1Col为1，则取MvL1作为mvCol，取RefIdxL1作为refIdxCol；

3.2 空间Direct预测模式

空间Direct模式适用于B_Skip和B_Direct的运动矢量预测过程。该过程传入的数据包括mbPartIdx和subMbPartIdx，输出的数据结果有：

• 两个方向的参考帧索引refIdxL0, refIdxL1；
• 两个方向的运动矢量mvL0和mvL1；
• 运动矢量计数subMvCnt；
• 两个方向的预测方向标识位predFlagL0和predFlagL1；

首先计算两个方向的参考帧索引refIdxL0, refIdxL1。其主要步骤为：

1. 获取当前8x8子块的分割类型currSubMbType；
2. 计算当前子块的三个相邻块（左、上、右上）的三对参考帧索引（refIdxL0N和refIdxL1N）；
3. refIdxL0, refIdxL1分别为三个相邻块对应方向参考帧索引的最小正值，如果都不存在则都设为0，并将一个特定的标识位directZeroPredictionFlag设为1；

第二步为调用3.1中的方法计算mvCol和refIdxCol；

第三步为计算colZeroFlag。如果下列条件全部符合，则colZeroFlag为1，否则colZeroFlag为0：

• RefPicList1[0]为用于短期参考；
• refIdxCol值为0；
• 以1/4像素为单位，mvCol的两个分量都在-1到1之间；

最后，计算预测mv的值。如果下列条件符合其中之一，预测mv的两个分量全部为0；否则，按照运动矢量预测的方式通过相邻像素块的运动信息预测mv的值：

• 标识位directZeroPredictionFlag的值为1；
• refIdxLx的值为负值；
• refIdxLx的值为0，且colZeroFlag为1；

两个方向的预测方向标识位predFlagL0和predFlagL1分别代表两个方向的refIdx是否为非负值，subMvCnt的值表示两个标识位有几个为真。

3.3 时间Direct预测模式

与空间Direct模式类似，时间Direct模式同样适用于B_Skip和B_Direct的运动矢量预测过程。其输入输出的数据也与之一致。

首先调用3.1中的方法计算mvCol和refIdxCol；

在获取到了refIdxCol后，按照标准的说明，调用MapColToList0()获取到新的refIdxL0。实际上对于帧编码视频，MapColToList0()的作用就是从List0中找到第一个包含refIdxCol的参考帧，并将其索引值返回给refIdxL0。此外，refIdxL1的值被设为0。

下一步操作是计算currPicOrField和两个参考帧pic0以及pic1。对于帧编码视频，pic0设为RefPicList0[refIdxL0]，pic1设为RefPicList1[0]；currPicOrField为当前的图像对象。

最后计算两个预测mv的值。如果refIdxL0代表的是一个长期参考帧，或者pic1和pic2的poc相等，则两个预测mv的计算方式为：

• mvL0 = mvCol;
• mvL1 = 0;

否则，如果pic1和pic2的poc不相等，且refIdxL0代表的是一个短期参考帧，则mvL0和mvL1都是mvCol经过变换之后的缩放值，其缩放系数由当前帧、pic0和pic1的POC计算决定。计算方法如下图所示：

其时间与mv的关系可由下图表示：