第三章 · 块划分与帧内预测对照


第 3 章 · 块划分与帧内预测对照

本章要回答的三个问题:一张 128×128 的超级块凭什么优于 16×16 宏块与 64×64 编码树?帧内方向模式从九个涨到上百个,每一轮膨胀买来了什么、付出了什么?屏幕内容(录屏、UI、文字)为什么需要调色板与 CFL 这套专门工具?

为什么会有这一章

块划分是压缩的"分词"步骤:编码器先把图像切成块,再对每块做预测与变换。分词粗了,一块里混着天空与细节,预测不准;分词细了,块边界信令暴涨、编码时间失控。四代标准在"粗与细"之间给出了四种不同的答案,本章逐项对比它们。

帧内预测则是"用图像自己解释自己":当前块还没有被编码时,用已重建的相邻像素推算它的内容。方向模式数就是这套推断的词汇量——九个方向的 H.264 说不清的斜纹理,三十五个方向的 HEVC 能说清大半,AV1 又在关键角度附近把步长加密到三度,VVC 再加多参考行与矩阵预测。词汇量的军备竞赛是本章的对照主线之一。

读完能解决什么

读完本章,你应当能:画出 128×128 超级块的十种划分形状并说明它们相对四叉树的信令优势;对给定内容类型(天空、人脸、斜栅栏、录屏文字)推断哪种划分与预测组合更可能被率失真优化选中;判断一段屏幕共享内容该开启哪些专用工具;解释"更多模式"与"编码更慢"之间的必然联系。

图:128×128 超级块的十种划分形状

图:128×128 超级块的十种划分形状

各节怎么分工

节 回答哪个问题 关键产出
3.1 超级块与划分树 分词粗细怎么定 四代划分体系递归对照与信令成本分析
3.2 帧内预测模式 词汇量军备赛值不值 方向模式数对照与率失真收益解读
3.3 屏幕内容工具 录屏为什么糊 调色板、IBC、CFL 与前代 SCC 对照

先决条件

需要第 2 章的 OBU 概念(划分决策写在 Frame OBU 的载荷里),以及一个直觉:编码器每做一次选择都要把"选了什么"写进码流,这个开销叫信令成本。全章围绕"预测收益 vs 信令成本"的拉锯展开。

知识清单与自测

  1. 十种划分形状里,哪几种是 T 型?T 型贴合什么内容?
  2. 为什么说大块的首要收益是"每像素信令成本摊薄",而不是"能编更大的区域"?
  3. AV1 的方向模式加密为什么集中在水平与垂直附近?与 VVC 等步长六十五方向的取舍差异是什么?
  4. PAETH 模式源自哪个领域?它的启发式逻辑一句话怎么说?
  5. 调色板、IBC、CFL 分别对付哪类冗余?各自的信令成本花在哪?
  6. 屏幕内容参数用在相机内容上为什么会净亏损?

一个可自测的直觉练习

截一张自己的桌面(含窗口边栏与文字),在脑内把它"预划分"一遍:大片纯色壁纸会被哪类划分整块收编?成行的文字会被哪种形状贴合?图标之间的空隙呢?画完再看 3.1 节的十种形状图,对照自己的预判——能对上大半,说明你已经开始像编码器一样"看"画面了。这种预判能力会在第 7 章调参时派上实际用场:知道内容长什么样,才知道哪一档搜索深度值得买。

往下走到哪

本章全部是"空间域"的故事——图像自己解释自己。时间域的另一半(运动补偿、参考帧管理)在第 4 章登场,两者合起来才是完整的预测体系。

本章的对照方法说明

本章是全书第一次密集使用"同题对照"的写法:三个小节分别对照划分结构、帧内方向、屏内容工具,每个小节都是"四代同台"的表格式叙事。对照阅读的方法提示:先抓每一代的"增量工具"(它解决的是上一代的什么遗留问题),再看"继承工具"(它说明哪些思想已经沉淀为共识)——增量决定代际差距,继承决定生态迁移成本。以本章为例:超级块从 64 到 128 是增量(大平坦区收益),四叉树到四叉加多向也是增量(非方形内容收益),而变换与预测分离、边界判决的思路是继承(三代共用)。读完本章的自检:能否不查资料说出 AV1 相对 HEVC 在本章主题上的三个增量工具与两个继承思想?能,说明对照读法已上手;不能,回到各节把"增量"标出来再合上书复述一遍——这是全书后续六章的通用读法。

作者与出处
原作者:灏天文库
来源:平台策划编纂
整理人: 灏天文库整理
由灏天文库平台收录,内容或由平台用户上传,仅供学习交流
发布者: 作者: 灏天文库 转发
评论区 (0)
U