h 264 率失真優化

搜尋時，乙個不可避免的問題就是如何對mv進行比較，從而得到最優

對於同一壓縮演算法來說，位元速率越高表示影象質量越好、失真越小，但是位元速率越高要求更大的儲存空間，也會增加網路傳輸的壓力。因此在位元速率與失真中找出平衡點，使壓縮效果最優，這種方法叫做r-d optimization（位元速率失真優化）

典型的高位元速率下，位元速率與失真關係（r-d關係式）為

$r(d) = )}$

$r$為位元速率，$\alpha$為係數，$\delta^2$為方差，$d$為失真。

方差越大，意味著影象細節越多，因此位元速率也會越大；失真越大，意味著影象由於壓縮所損失的細節越多，那麼位元速率越小。

r-d曲線

r與d好比魚與熊掌，取一方，必然會捨去另一方，兩者不可能都取得最佳，因此如何取捨，就需要權衡利弊。最好的方法，就是看哪個權重大，哪個的比例就大，權重小的比例小，這就是拉格朗日方法。

拉格朗日代價函式為：

$j = d + \lambda_ \cdot r$

要使得代價最小，那麼在其導數為0處有最小值：

$\frac = \frac + \lambda_ = 0$

現假設d與r的權重比為$\lambda_$，並假設上方點a為根據上方結論得到的最佳位置，那麼點a處有斜率：

$k = -\lambda_ = \frac$

$\frac = -\frac$

因此，在r-d最優點處有：

$\lambda_ = \frac$

另外，在典型的高位元速率下，失真近似滿足公式：

$d = \frac$

把d代入上述公式，得到：

$\lambda_ = \frac\cdot quant^2$

即：$\lambda_ = \zeta\cdot quant^2$

最終可以通過函式擬合得到$\zeta = 0.85$，在h.264中，當存在b幀編碼時$\zeta = 0.68$，則有：

$\begin

\lambda_

&= 0.68\cdot quant^2 \\

&= 0.68 \cdot (2^\frac)^2 \\

&= 0.68\cdot 2^\frac

\end$

注：qp在這裡減去12是因為在h.264早期只有40個qp，而現在有52個qp

由於上面計算的時候用的是$\delta^2$（方差），即ssd，但是實際上h.264計算用的是

$\begin

sad &= \sum_\left | s[x,y] - s'[x,y]\right | \\

ssd &= \sum_\left | s[x,y] - s'[x,y]\right |^2

\end$

那麼$\lambda_ =  \sqrt}$

為了方便計算，在一般h.264的編碼器中採用的都是

$d = sad$

而r則需要知道當前所選擇的mv與ref所占用的bit，而這些都是可以事先計算出來的，在jm中不同的mv與ref所佔的bit都在編碼前被初始化了，用陣列儲存起來。mv與ref採用的都是哥倫布編碼。

$r = bit_ + bit_$

h 264 率失真優化

搜尋時，乙個不可避免的問題就是如何對mv進行比較，從而得到最優 對於同一壓縮演算法來說，位元速率越高表示影象質量越好 失真越小，但是位元速率越高要求更大的儲存空間，也會增加網路傳輸的壓力。因此在位元速率與失真中找出平衡點，使壓縮效果最優，這種方法叫做r d optimization 位元速率失真優化...

簡明H 264率失真分析概念

所謂率失真 distortion rate 其實指的是影象失真度與編碼位元速率二者之間的相互關係。其中的影象失真度，目前一般採用原始影象與編碼重建影象之間的峰值性噪比psnr來衡量，這個psnr可以是亮度psnr，也可以是亮度與色度psnr的線性組合。一般最簡單的情況下，採用亮度的psnr y ps...

簡明H 264率失真分析概念

簡明h.264率失真分析概念 所謂率失真 distortion rate 其實指的是影象失真度與編碼位元速率二者之間的相互關係。其中的影象失真度 目前一般採用原始影象與編碼重建影象之間的峰值性噪比psnr來衡量，這個psnr可以是亮度psnr，也可以是亮度與色度psnr的線性組合。一般最簡單的情況下...