3.3 跨分量预测与帧内辅助工具
3.3 跨分量预测与帧内辅助工具
本节摘要：前两节都在亮度通道里打转，本节换一个维度找相关——色度与亮度的强耦合。CCLM（跨分量线性模型）用"亮度重建值线性外推色度预测"把这块长期被浪费的相关性捡起来，DM（直接模式）则让色度复用亮度的模式决策。两者加上3.1节的辅助工具，构成帧内工具箱的最后一层。本节还讲清各工具的配合与失效边界。
第3章走到最后一站：3.1扩了方向，3.2换了引擎，本节跨颜色通道。之后所有预测残差（亮度与色度的）将一起进入第5章的变换与量化。
为什么跨分量有利可图
4:2:0采样下，色度像素只有亮度的四分之一，但传统编码里色度预测基本是"亮度怎么干我就怎么干"——亮度用角度18，色度也用角度18（这就是老DM模式）。浪费在于：图像的物理成因决定了色度与亮度高度相关。肤色、草地、蓝天，亮度变化的地方色度大概率同步变化；很多内容里色度干脆近似亮度的线性函数。
CCLM（Cross-Component Linear Model）把这个物理直觉变成语法：对当前色度块，取相邻的色度重建样点与其对应位置的亮度重建样点，拟合一条直线（斜率加截距两个参数），然后用整块的亮度重建值线性外出色度预测。参数从邻域现场推导，几乎不占码率——这是它性价比极高的根源。
细节上VVC提供了三种邻域取点方案（左邻、上邻、左上合并），取点数量随块尺寸固定（典型为四点以上），拟合用简化的整数运算完成。编码器只需传一个模式标志表明"这是CCLM"以及取哪个方向，斜率截距全部解码端自行推导。
DM模式与联合决策
CCLM之外，色度预测还有传统选项：Planar、DC、角度模式、DM（直接模式——色度套用亮度的模式号）。VVC新增了联合色度残差编码的思路延伸：允许两色度分量共用一套模式决策与更紧凑的残差组织，减少色度语法的小额开销。
| 色度模式 | 机制 | 擅长内容 | 弱点 |
|---|---|---|---|
| DM直接模式 | 套用亮度模式号 | 亮度色度结构一致的大多数内容 | 亮度最优不等于色度最优 |
| CCLM线性模型 | 亮度值线性外推 | 亮度-色度强相关的自然内容 | 低相关内容（彩色字幕、霓虹）失准 |
| Planar/DC/角度 | 独立预测 | 平坦色块、强方向色边 | 语法开销略大 |
💡 读日志的直觉：编码器统计里CCLM命中率高的序列，几乎都是自然视频；屏幕内容里彩色文字、图标大量出现时CCLM命中率骤降——因为人造配色常常"亮度无关"。这再次呼应第1.3节的判断：工具收益是内容函数，不是常数。
一个完整案例：人脸区域的帧内编码旅程
把本章三个工具串在一块真实素材上。素材：1080p视频里一张侧脸特写，某帧为I帧（整帧帧内），一个32×32的CU覆盖颧骨到发际线的过渡区。
背景（为什么难）：这块内容同时有平滑皮肤（渐变）、发丝（细密纹理）、发际线（强边缘）三种统计，单一预测模式顾此失彼。HEVC时代这种块往往要切到16×16甚至8×8分别处理，划分开销大。
操作（VVC怎么打）：
- 划分搜索先试QTMT切法，发现垂直BT切成32×14（发区）与32×18（皮肤区）后各自统计变纯；
- 发区子块：MRL启用第二参考行（紧邻的发际振铃被跳过），配合角度模式沿发丝方向预测；
- 皮肤子块：Planar加PDPC修正渐变，残差极小；
- 色度：两子块都选CCLM——肤色区域亮度与色度高度线性，斜率拟合几乎完美；
- 若发区出现规则纹理（编织帽之类），MIP还会进场竞争。
结果：这块CU的亮度残差能量比HEVC方形块方案低一大截，色度残差接近于零，RD代价显著更优。解读：VVC帧内增益不是某个单一"杀手工具"，而是"划分自由（第2章）+ 方向与参考自由（3.1）+ 模型化预测（3.2）+ 跨分量（3.3）"的乘法效应。变式：把素材换成夜间噪点浓重的手持拍摄，MRL与CCLM的收益都会缩水（噪点破坏相关性），编码器会自动退回基础模式——好标准不强迫工具生效，只提供菜单。
工具配合图与失效边界收束
本章工具不是并列的开关，而是有明确的适用光谱：
内容结构性由弱到强 → 噪点纹理 自然渐变 一般纹理 规则纹理/图形 纯屏幕内容 ──────────┬──────────┬──────────┬──────────────┬────────────── Planar/DC 角度+PDPC 65方向+MRL MIP登场 IBC/调色板 （基础模式） （平滑修正） （方向细查） （矩阵模型） （第7章主场） CCLM全程待命（自然内容） ISP在强方向块内接力
两端是"基础模式"与"第7章专用工具"的地盘，中间三档正是第3章工具的势力范围。记住这条光谱，你就知道每个工具出厂时是为谁设计的。
两问两答
问：CCLM失效时编码器怎么"知道"？
靠RD搜索兜底——CCLM只是色度模式候选之一，与DM、Planar、DC同台打分。拟合失准的块上CCLM的失真项自然劣化，RD自动淘汰它。工具永不"硬开"，这是VVC工具治理的通则（本章与第7章反复印证）。
问：色度工具在整个码率里占比多大，值得花一章笔墨吗？
4:2:0下色度像素只有亮度四分之一、码率占比通常在一到两成——但色度伪影（肤色漂移、色边）的主观杀伤力远超其码率占比。CCLM这类近零信令成本的色度工具，是"小投入保大观感"的典型，理解它的价值要靠主观质量轴而不是码率轴。
本节要点回顾
- CCLM零码率建模：斜率截距解码端从邻域现场推导，只传模式标志，自然内容色度收益显著；
- DM仍是主力：色度套用亮度决策在大多数内容上够用，CCLM是强相关场景的特种兵；
- 失效边界清晰：人造配色、彩色字幕等"亮度无关"内容是CCLM的天敌；
- 增益是乘法效应：划分自由、方向自由、模型预测、跨分量四层相乘，单看任何一项都不惊人；
- 好标准只提供菜单：RD搜索决定工具开闭，内容不合适时自动退回基础模式。