PC机的MPEG-4编码原理及实现

日益增长的多媒体通信量和有限的通信带宽之间的矛盾日益突出。为了减小传输的数据量，国际电信联盟和MPEG标准组织都制定过各自的视频压缩标准。其中，最新MPEG-4标准以其高压缩率，支持低码率传输和基于对象编码等优点，而在传真、视频点播、电视会议、医用图像传输等领域广泛应用。

MPEG-4继承了MPEG-2中档次和等级概念，共有视频档次、音频档次、图形档次和场景描述档次共四类。档次是针对某一特定的应用而采用的编码工具，它是MPEG-4提供的工具集中一个子集，不同的档次就是不同的子集。每一个档次分为一个或多个等级，等级则定义了比特流参数的规格，实际上是限定了解码一个编码序列所应具备的性能。

MPEG-4的独特之处在于支持基于内容的编解码，为此引入了视听对象AVO(Audio／Video Object)的概念。AVO可以是一幅图像中一个小提琴或琴声等，每个AVO可独立编码，但相互之间又存在着时空结构关系，因此编码时，必须传送编码对象的组成结构信息体“场景描述”，以表示场景中各AVO之间的时空结构关系。解码时根据此“场景描述”对图像和声音的有关内容进行编辑和操作。视听对象还可以是一个矩形帧，从而使MPEG-4兼容原来的MPEG标准。视听对象中的视频对象VO通常由3类信息来描述，即运动、形状和纹理信息。

1 编码原理

MPEG-4编码器主要由形状编码、纹理编码和运动编码三部分组成。帧格式分为I-VoP，P-VOP和B-VOP。这里只讨论I-VOP和P-VOP。I-VOP采用纹理编码来消除一帧图像数据间的空间冗余度；P-VOP是参考前一帧图像，并采用两种参数来编码。一种是当前要编码的图像与参考图像之间的差值；另一种是运动矢量。编码器的具体结构模块如图1所示。


1.1 形状编码

形状编码主要用于记录从图像序列中提取VOP的形状信息，该信息分为二值形状信息和灰度形状信息。二值形状信息用0和1两个值表示VOP的形状；灰度形状信息用0～255表示VOP区域的不同透明度。在编码时，当提取的VOP具有非矩形形状时，需要对其进行边界扩展，使其矩形边界都是16的倍数，同时保证扩展后的面积最小，然后进行形状编码；当提取的VOP为矩形时(矩形的长度和宽度都是16的倍数)，形状编码就会被屏蔽。

1.2 纹理编码

纹理编码主要对I-VOP内的图像像素或P-VOP内的差值像素进行编码，包括DCT、量化、DC和AC预测、熵编码等过程，最大程度地去除当前VOP内各像素之间的空间冗余度。

视频的第一帧图像采用I-VOP格式编码，其余的帧采用I-VOP，还是P-VOP格式则受两个因素制约。其用户会按照IPPPIPPPI的方式设置当前帧所采用的格式；二是已经人为地设置了当前帧为P-VOP，通过运动估计计算mad_P的值，如果mad_P满足下列两个条件之一，则当前帧就采用P-VOP编码格式，否则采用I-VOP编码格式。

条件1：mad P50／3；

条件2：mad P50，并且IntraMBRatio0.4。其中，IntraMBRatio为当前帧中采用MBM_INTRA预测模式的宏块占总宏块的比重。

纹理编码中的DCT和量化模块比较简单，这里略过，重点介绍剩下的纹理编码模块。

1.2.1 DC和AC预测

8×8块经过DCT和量化后，系数排列呈现以下的规律，即非零系数集中在左上角，大部分的0系数集中在偏离DC系数向右和向下的位置上。特别是DC系数、第一行和第一列AC系数，数值非零且较大，如果能用较小的数值代替它们，会减少编码后的位流数，于是产生DC和AC预测。

在MPEG-4中，通常把一个宏块分为6个8×8块进行DC和AC预测。

首先对8×8块进行DC预测。如图2所示，X表示当前的8×8块；A，B和C表示X的相邻8×8块，其位置分别位于X的左边、左上角和上边。对X进行DC预测就是采用相邻块的DC系数值预测X的DC系数值，关键是选择哪个相邻块的DC系数。