A composición dunha secuencia de imaxes de H265: VPS + SPS + PPS + SEI + un fotograma I + varios fotogramas P. Pódese chamar a VPS, SPS, PPS, SEI, un marco I, un marco P
É un NALU.
2. Diferenzas nos cadros de codec
H.265 aínda usa códec híbrido e a estrutura do códec é basicamente a mesma que H.264
Marco clásico H.265:
3. Estrutura de división de bloques:
H.264 é un bloque macro de 16x16 (o tamaño do sub-bloque pode ser de 8X16, 16X8, 8X8, 4X8, 8X4, 4X4),
VP9 pódese probar en bloques de 64 × 32 ou 4 × 8, admite o uso de 64 × 64 e admite a segmentación de cadros en rexións con semellanzas específicas; en comparación con H.265, VP9 admite subdivisión horizontal ou vertical
H.265 é unha estrutura recursiva que usa CU (CodingUnit), PU (PredictionUnit) e TU (TransformUnit), división de catro árbores (brillo de bloque de predición 64x64-8x8, croma 32X32-4X4, bloque de transformación 32x32-> 4x4) e H.265 engade un modo de partición asimétrico; o proceso de segmentación específico está marcado por dúas variables: a profundidade de segmentación (Profundidade) e a bandeira de segmentación (Split_flag). O estándar H.265 / HEVC rompe o estándar anterior para bloques de predición e transforma bloques Restricións nas relacións de tamaño. Dado que o PU e o TU están divididos directamente polo CU, non hai unha relación definida entre os tamaños dos dous. Un PU pode conter varias UT e un UU pode abarcar varias UU.
Nesta base, ademais da división de catro árbores, H.266 engade a división de tres árbores e binaria.
Pensando: pódese dividir en formas irregulares? Como triángulos, círculos, elipses, hexágonos, etc.
4. Predicción intra:
Os bloques 4 × 4 e 8 × 8 en H.264 conteñen 9 modos de predición e o bloque 16 × 16 contén 4 modos de predición;
VP9 ten 10 modos de predición intra;
H.265 ten 33 modos de predición intraangular + DC (media superior e esquerda) + cepillo; en comparación con H.264 / AVC, H.265 / HEVC aumenta o uso dos píxeles límites do cadrado inferior esquerdo como referencia para o bloque actual;
H.266 ten 65 modos de predición do ángulo de brillo dentro do cadro, de feito hai 65 + 10 + 10 = 85, que se seleccionan segundo a relación de aspecto; aumentar o ISP (tecnoloxía de división adicional para bloques); A tecnoloxía PDPC, combinada con sen filtrar Para píxeles de referencia e píxeles de referencia filtrados, engade o modo MIP; Modo CCLM;
Nota: o modo plano é adecuado para áreas onde o valor do píxel cambia lentamente. Usa dous filtros lineais nas direccións horizontal e vertical e usa a media dos dous como valor previsto do bloque actual de píxeles. O modo CC é adecuado para grandes áreas planas. O valor de predición de bloque actual pódese obter a partir do valor medio dos píxeles de referencia á esquerda e arriba. O modo de ángulo úsase principalmente para texturas en diferentes direccións do contido do vídeo.
5. Predición entre cadros:
Estrutura tipo marco: H.265 usa a estrutura HIERACLE-B
precisión mv: H.265 é precisión de píxeles (croma) e usa máis píxeles adxacentes para a interpolación de precisión de subpíxeles. Modos de predición: SKIP, DIRECT, MERGE (5 MV candidatos), AMVP (2 MV candidatos).
A precisión do píxel mellorou en H.266;
A predición entre fotogramas VP9 usa ⅛ píxeles para a compensación do movemento. Hai marcos non visualizables como marcos de referencia e os marcos non visualizables teñen unha predición bidireccional media.
Lista de referencia:
H.265 usa dúas listas de referencia, cada unha con 16 elementos de referencia, pero o número máximo de imaxes únicas é de 8.
Hai 6 candidatos no modo de fusión de H.266. En comparación con H.265, TMVP e HMVP cambian.
6. Transformar
H.264 enteiro DCT 4X4 8X8; Transformada de Hadamard
Tanto VP9 como HEVC admiten transformar tamaños de bloques de 4x4-32x32. DCT En macroblocos intracodificados, un ou ambos os camiños de transformación vertical e horizontal serán DST
HEVC 4X4 DST; Modo Transform_skip: transform_skip_flag, este modo ten un bo efecto no vídeo de escritorio de texto; A tecnoloxía RQT baséase en tecnoloxía de transformación adaptativa de catro árbores; non hai transformada de Hadamard
Aumento da profundidade do bit interno HEVC: co fin de garantir a precisión do bit interno no proceso intermedio de predición, transformación e cuantificación, para conseguir un mellor rendemento de compresión
HEVC só adopta DST4 de 7 puntos para a transformación residual de predición dentro de cadros, e DCT2 aínda se usa para outros tamaños e residuos de predición entre cadros;
H.266 ten unha transformación secundaria inseparable lfnst; MTS (Multiple Transform Selection), que usa múltiples transformadas candidatas para os residuos da predición, pode adaptarse mellor ás características estatísticas dos cambios dinámicos dos residuais de predición e mellorar significativamente a ganancia da transformación. Para tecnoloxía de transformación entre cadros, tecnoloxía de transformación de sub-bloques (Sub-block Transform, SBT)
7. Codificación de entropía:
H.264 usa Transformada de coseno discreto enteiro (DCT), compresión CABAC (sen perda, CABAC tamén é código curto para datos de alta frecuencia, código longo para datos de baixa frecuencia. Tamén se comprimirá en función da relevancia contextual), entre dous frames é unha secuencia de imaxes GOP.
VP9 admite catro tamaños de transformación: 32x32, 16x16, 8x8 e 4x4. Estas transformacións, como a maioría dos outros códigos, son enteiros aproximados de DCT. Nos macrobloques intracodificados, un ou ambos os camiños de transformación vertical e horizontal serán DST (Discrete Sine Transform).
A codificación de entropía de HEVC utiliza dous códigos aritméticos: CABAC e CAVLC. CAVLC úsase principalmente para codificar SEI, conxuntos de parámetros, cabeceiras de película, etc., e todos os datos restantes e elementos de sintaxe codifícanse usando CABAC.
H.265: exploración en zigzag: tecnoloxía ACS, exploración vertical, exploración horizontal, exploración en diagonal.
8. Filtrado:
H.265 engade SAO
ALF engádese en H.266, brillo 7x7, croma 5x5
Pódense seleccionar tres filtros diferentes de interpolación de subpíxeles para cada bloque de VP9:
8o píxel normal / 8o píxel liso, pode ser predicción suave ou difusa / 8o píxel nítido, pode ser predición nítida
9. Tecnoloxía de aceleración
H.265 engade conxuntos de ferramentas paralelos como Tile e WPP para mellorar a velocidade de codificación
A tella divide a imaxe en áreas rectangulares. Un bloque de azulexos é unha unidade básica paralela. Pode haber varias pezas nalgunhas franxas e varias en algunhas pezas.
WPP: o nome completo é o proceso paralelo fronte de onda, que é a unidade básica de codificación do comportamento da LCU.
Unha liña de bloque LCU é a unidade básica paralela e cada liña de LCU é un sub-fluxo
10. Outro
VP9 optimiza a precisión de 8 píxeles do vector de movemento, tres filtros de interpolación de subpíxeles conmutables, vector de movemento de referencia, codificación de entropía, filtrado de bucle, ADST, DCT, etc.
Nivel H.264: a descrición do vídeo, canto maior sexa o nivel, maior será a velocidade de bits, a resolución e os fps do vídeo
H.266: Codificación da articulación Chroma JCCR
Tecnoloxía HEVC IBDI
