CN102932641A - 一种恒定质量码率控制方法 - Google Patents

Abstract

本发明提供了一种恒定质量码率控制方法，涉及视频编码技术领域。该算法包括以下步骤：先利用R-Q模型求出当前量化参数；再通过质量平滑约束方法，通过约束PSNR的波动范围，来自适应地调整当前量化参数。本发明在保障编码性能的同时，有效减小了编码视频的PSNR波动和输出码率波动，获得了较为平稳的视频编码质量，达到了恒定质量码率控制的目的。

Description

一种恒定质量码率控制方法

技术领域

本发明涉及视频编码技术领域，尤其涉及一种恒定质量码率控制方法。

背景技术

码率控制是视频编码的重要组成部分，离开码率控制，任何视频编码标准的应用都会受到限制。倘若没有码率控制，在有限带宽的约束下的传输过程中，客户端缓冲区很容易发生上溢或者下溢，从而导致数据丢失。国际上主流的视频编码标准都有适合其自身的码率控制算法，如MPEG-2的TM5、MPEG-4的VM5、H.263的TMN8等。

图像失真D与码率R之间的关系称之为率失真理论。R、D之间的关系可以用一条下凸的单调曲线来刻画。

均值为零，方差为σ²的无记忆高斯分布信源，其概率密度函数为：

$p\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}{\mathrm{\σ}}^2}}{e}^{-\frac{x^2}{2{\mathrm{\σ}}^2}}---\left(1\right)$

若以均方误差(Mean Square Error，MSE)作为衡量失真的标准，则其率失真函数为：

$R\left(D\right)\≥\frac{1}{2}{\log }_2\frac{{\mathrm{\σ}}^2}{D}$ 或D(R)≥2^-2Rσ²                  (2)

变换编码中，DCT变换系数通常用拉普拉斯分布p(x)=0.5*Δ*e^{- Δ|x|}来模拟。对于拉普拉斯分布而言，其率失真函数分别表示为：

$D=\frac{2}{{\mathrm{\Δ}}^2}-\frac{Q}{\mathrm{\Δ}}(1+\coth \frac{\mathrm{\ΔQ}}{2})e^{-\frac{\mathrm{\ΔQ}}{2}}$

$R=-p^{\′}\left(0\right){\log }_2{p}^{\′}\left(0\right)-e^{-\frac{\mathrm{\ΔQ}}{2}}{\log }_2\sinh \frac{\mathrm{\ΔQ}}{2}+\frac{\mathrm{\Δ}}{\log 2}S$

$S=\underset{i}{\mathrm{\Σ}}\left|x_i\right|\·p^{\′}\left(x\right)=2\mathrm{\Δ}\·\sinh \frac{\mathrm{\ΔQ}}{2}\underset{i=0}{\overset{n}{\mathrm{\Σ}}}{\mathrm{ie}}^{-\mathrm{iQ\Δ}}$

$p^{\′}\left(0\right)=1-e^{-\frac{\mathrm{\ΔQ}}{2}}$

其中，Q为量化步长。可见当量化步长Q增大时失真D接近于信源方差

码率控制与率失真优化密切相关。码率控制方案通常是基于率失真模型设计的。如TM5的线性R-D模型：R=X/QP，TMN8的二次模型R=A(Kσ²/QP²+C)，以及MPEG-4的二次模型R=a×MAD/QP+b×MAD²/QP²。相比线性R-D模型，二次模型的控制结果更为准确，但计算复杂度很高。因此，每种码率控制算法都有各自的优缺点和应用范围。影响码率控制算法的两个关键因素是：平滑的图像质量和平滑的缓冲区状态。平滑的图像质量表现为视频序列的峰值信噪比(Peak Signal Noise Ratio，PSNR)曲线尽可能平滑、波动小(ΔPSNR小)。平滑的缓冲区状态即编码器的码率(R)输出尽可能平稳，码率波动较小(ΔR小)。

PSNR的数学表达式为：

$\mathrm{PSNR}=10{\log }_{10}\left[\frac{{(2^n-1)}^2}{\mathrm{MSE}}\right]---\left(3\right)$

其中，MSE(Mean Square Error)是原始图像与解码图像像素间的均方差，n是表示图像像素值所用的位数。显然，MSE是由于量化、编码引起的，即MSE与量化参数(Quantization Parameter，QP)有关。编码器的输出码率是因为对视频帧的实际编码产生的，编码前的量化必定影响输出码率。所以输出码率亦与QP相关。

由上述可知，量化参数QP同时影响编码视频的PSNR和输出码率。那么视频序列QP的波动必然导致PSNR和输出码率的波动。因此，要得到平滑的图像质量和平滑的码率输出就要控制QP的波动，使其尽可能小，达到平稳的状态。

所以，平滑的图像质量和平滑的码率输出是衡量码率控制算法好坏的两个标准，而这两个关键因素的平滑结果需要通过调整量化参数QP的平滑程度达到。

MPEG-2的TM5、H.263的TMN8、MPEG-4的VM5以及ρ域码率控制算法都是基于帧间复杂度和率失真模型的。由于视频序列中各帧复杂度差别可能很大，这就会导致QP逐帧变化较大，从而造成PSNR和输出码率波动较大。而随着互联网，特别是移动互联网的发展，流畅、平稳的视频播放需求日益增长。因此，设计恒定质量码率控制方法，有效控制编码视频质量波动有着广阔应用前景。

发明内容

本发明的目的在于提供一种恒定质量码率控制方法，在保障编码性能的同时，有效减小编码视频的PSNR波动和输出码率波动，获得了较为平稳的视频编码质量，达到恒定质量码率控制的目的。

为了达到以上目的，本发明实施例公开了一种恒定质量码率控制方法，包括以下步骤：

先利用R-Q模型求出当前量化参数；

再通过质量平滑约束方法，通过约束PSNR的波动范围，来自适应地调整当前量化参数。

进一步，作为一种优选，质量平滑约束方法具体包括：

利用图像质量估计方法估计用当前量化参数编码当前图像产生的图像质量；

根据估计的图像质量与已编码视频帧图像质量均值的差异，进一步调整量化参数。

进一步，作为一种优选，根据估计的图像质量与已编码视频帧图像质量均值的差异，进一步调整量化参数，如果估计的图像质量与已编码视频帧图像质量均值差值小于预设阀值，则不调整；如果大于预设阀值，则设置一个目标图像质量，通过反馈调节，计算一个新的量化参数。

进一步，作为一种优选，利用R-Q模型决策量化参数，考虑了当前帧之前若干已编码帧的复杂度信息，所述复杂度信息为前面已编码所有帧的复杂度加权和。

进一步，作为一种优选，复杂度加权和，根据一帧图像距离当前帧的距离计算，距离越近，权重值越大。

进一步，作为一种优选，利用图像质量估计方法，使用当前帧的量化参数和复杂度估计当前帧的PSNR。

进一步，作为一种优选，复杂度信息通过快速运动估计得到。

进一步，作为一种优选，在GOP级施加了量化参数自适应调整，根据前一个GOP的目标比特数和生成比特数的差异调整当前GOP的初始量化参数。

进一步，作为一种优选，在帧级施加了量化参数自适应调控，根据已编码视频帧的目标比特数和生成比特数的差异调整当前帧的量化参数。

进一步，作为一种优选，在宏块级施加了量化参数自适应调控，在编码一个宏块时，根据当前宏块复杂度调整当前宏块的量化参数。

本发明由于采用线性R-Q模型和新的PSNR模型，以及基于该模型的质量平滑约束算法，在保障编码性能的同时，有效减小了编码视频的PSNR波动和输出码率波动，获得了较为平稳的视频编码质量，达到了恒定质量码率控制的目的。

附图说明

当结合附图考虑时，通过参照下面的详细描述，能够更完整更好地理解本发明以及容易得知其中许多伴随的优点，但此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定，其中：

图1 PSNR模型，显示了QCIF格式视频序列的PSNR与QP-log(SATD)的关系；

图2恒定质量码率控制方法流程图；

图3 CIF格式football序列在本发明和AVS RM0.9码率控制算法下的平滑性比较图；

图4 QCIF格式foreman序列在本发明和AVS RM0.9码率控制算法下的输出码率波动情况图；

图5 QCIF格式football序列在本发明和AVS RM0.9码率控制算法下的R-D性能比较图；

具体实施方式

为使上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

本发明实施例设计了一种恒定质量码率控制方法，在降低计算复杂度的同时，能够使得编码视频的输出码率和峰值信噪比较为平滑，有效降低了质量波动。该码率控制算法主要包含两部分：一是基于线性R-D模型的自适应码率控制算法，二是基于PSNR约束模型的质量平滑约束算法。

本发明实施例提出了一种线性R-Q模型，如公式(4)所示：

$T_n=\mathrm{\α}\×\frac{{(\underset{i=0}{\overset{n}{\mathrm{\Σ}}}{w}_i\×{\mathrm{SATD}}_i)}^{1-\mathrm{qcom}}\×R_{n-1}\×{\mathrm{QP}}_{n-1}}{{(\underset{i=0}{\overset{n-1}{\mathrm{\Σ}}}{w}_i\×{\mathrm{SATD}}_i)}^{1-\mathrm{qcom}}\×{\mathrm{QP}}_n}---\left(4\right)$

其中：

n是当前待编码的视频帧号；

q^com是0~1之间的常数，通常取0.6；

QP_n是第n帧图像的量化参数；

T_n是第n帧图像的目标比特数；

R_n是第n帧图像的实际编码比特数；

α是模型参数；

是所有已编码n帧图像的SATD加权和，SATD是Sumof Absolute Transformed Difference（绝对转换差之和）。w_i定义如下式所示：

$w_i={0.5}^{n-i}/\underset{i=0}{\overset{n}{\mathrm{\Σ}}}{0.5}^{n-i}---\left(5\right)$

本发明根据VBV(Video Buffer Verifier)缓冲区充满度，为当前待编码视频帧分配码率。如式(6)所示，设目标码率为R，编码视频序列帧率为Fr，则当前待编码视频帧的目标比特数为T

T=R/Fr-Δ             (6)

其中，Δ反映当前VBV缓冲区状态对位分配的调节，其计算公式如式(7)所示，W表示当前VBV缓冲区充满度与初始VBV缓冲区充满度之差，Z是常数，实验中取值为0.1。

$\mathrm{\Δ}=\left\{\begin{array}{c}W/\mathrm{Fr},W>Z\×\frac{R}{\mathrm{Fr}}\\ W-Z\×\frac{R}{\mathrm{Fr}},\mathrm{others}\end{array}\right.---\left(7\right)$

本发明实施例设计了GOP级、帧级、宏块级的量化参数自适应调控策略，在不增加计算复杂度的条件下，有效提高码率控制精度。首先，是一个GOP级的量化参数自适应调控策略。根据前一个GOP的码率溢出情况，自适应设定当前GOP的初始QP。其次，是帧级QP自适应调控策略。根据当前码率消耗情况，自适应调整当前帧的QP，使得码率溢出能够得到及时的调节。最后，是宏块级的QP自适应调整。根据当前宏块复杂度信息，自适应调整其QP，使得当前宏块的编码更为合理，有效利用码率。

本发明实施例提出了一种新的PSNR模型。根据实验结果，PSNR与(QP-log(SATD))之间有良好的线性关系，如附图1a、图1b、图1c所示。因此可以得到如式(8)所示的PSNR模型。相比于经典的PSNR模型：PSNR=α×QP+β，本发明提出的新模型考虑了图像复杂度信息，能更好的反应不同图像的量化参数与PSNR的关系。

PSNR=α×(QP-logSATD)+β                     (8)

本发明实施例设计了一种根据上述失真模型进行恒定质量码率控制的算法。编码前对图像做一遍快速运动估计，得到图像的SATD信息。结合码率控制算法得到的量化参数QP，可以由式(8)估计图像的峰值信噪比PSNR。设已编码若干帧图像的平均峰值信噪比为PSNR_avg，通过约束PSNR的波动范围，来自适应地调整QP。约束关系是|PSNR-PSNR_avg|＜ε。比如，当前求得的量化参数是QP₀，由式(8)可以估计出相应的峰值信噪比PSNR₀。如果PSNR₀超过设定的PSNR波动范围，则自适应调整QP使得PSNR波动在约束以内。满足码率、质量波动双约束的QP值作为最终量化参数参与编码。如此，自适应地控制码率波动，可以获得较为平滑的编码质量。

综上，本发明实施例所提出的恒定质量码率控制方法的码率、PSNR双重约束模型如式(9)所示：

$\left\{\begin{array}{c}{T}_n=\mathrm{\&alpha;}\&times;\frac{{(\underset{i=0}{\overset{n}{\mathrm{\&Sigma;}}}{w}_i\&times;{\mathrm{SATD}}_i)}^{1-\mathrm{qcom}}\&times;R_{n-1}\&times;{\mathrm{QP}}_{n-1}}{{(\underset{i=0}{\overset{n-1}{\mathrm{\&Sigma;}}}{w}_i\&times;{\mathrm{SATD}}_i)}^{1-\mathrm{qcom}}\&times;{\mathrm{QP}}_n}\\ \mathrm{PSNR}=\mathrm{\&alpha;}\&times;(\mathrm{QP}-\log \mathrm{SATD})+\mathrm{\&beta;}\\ |\mathrm{PSNR}-\mathrm{PSNR}\_\mathrm{avg}|<\mathrm{\&epsiv;}\end{array}\right.---\left(9\right)$

实施例：

首先，为编码码流设置一个VBV缓冲区，编码一个视频帧时，根据当前缓冲区充满度进行位分配。其次，利用我们提出的线性R-D模型(式(4))以及所设计的一系列量化参数自适应调控策略，计算一个帧级的量化参数QP。再次，利用本发明提出的PSNR模型(式(8))，检测当前QP是否可以满足PSNR波动不超过预设范围。如果超过，则相应地调整QP，使其尽可能满足码率、PSNR的双重约束，并作为最终的量化参数参与视频帧的实际量化与编码。最后，在编码一个宏块时，根据当前宏块的复杂度信息，适当调整帧级QP，得到编码当前宏块的量化参数，以有效利用码率，获得较好的编码质量。下面，以该发明在AVS RM上的实现为例，详细介绍其实施方式，参见图2。

第一步：S1、初始化VBV缓冲区。设缓冲区大小为M,初始缓冲区充满度为B₀=M*0.9，设B表示当前缓冲区充满度，S2、读入一帧；

第二步：S3、位分配。设当前帧目标比特数为T，则其计算公式如式(10)所示，其中R表示目标码率，Fr表示帧率。

T=R/Fr-Δ                     (10)

其中，Δ计算方法如式(11)所示，W表示当前缓冲区充满度与初始缓冲区充满度之差，Z是常数，实验中取值为0.1：

$\mathrm{\&Delta;}=\left\{\begin{array}{c}W/\mathrm{Fr},W>Z\&times;\frac{R}{\mathrm{Fr}}\\ W-Z\&times;\frac{R}{\mathrm{Fr}},\mathrm{others}\end{array}\right.---\left(11\right)$

第三步：S4、S5、图像复杂度估计。对当前帧做一遍快速运动估计，计算其SATD(Sum of Absolute Difference)，作为当前帧的复杂度估计。

第四步：S6、量化参数决策。如果当前帧是I/P帧，则本发明提出的线性R-Q模型，即公式(4)计算当前帧的量化参数QP。如果当前帧为B帧，则其量化参数由相邻的I/P帧的QP插值得到。计算公式如式(12)所示，其中QP₁和QP₂分别是相邻I/P帧的量化参数值，d₁与d₂分别是当前帧与两个参考帧的帧号之差。

$\mathrm{QP}=\frac{{\mathrm{QP}}_1\&times;d_1+{\mathrm{QP}}_2\&times;d_2}{d_1+d_2}+\mathrm{offset}---\left(12\right)$

第五步：缓冲区充满度约束。检查第三步计算得到的量化参数QP是否会导致VBV缓冲区上溢或下溢。

第六步：S7、GOP级QP自适应调控。如果当前是I帧，则根据前一个GOP₀的编码情况自适应决策当前GOP₁的初始QP。

if|R_prev-T_prev|>ε

then QP=(QP_{avg_prev}+QP)/2±Δ             (13)

其中，R_prev，T_prev分别是前一个GOP₀的生成码率和目标码率，QP_{avg_prev}是GOP₀中所有编码帧的量化参数QP的平均值。

第七步：S7、帧级QP自适应调控。根据当前码率消耗情况自适应调整当前帧的QP。根据当前已消耗码率相对于目标码率的上下溢出程度调整当前帧的量化参数。比如当前码率已溢出，则当前帧QP至少不低于前一核心帧的QP。该策略只作用在核心帧(I/P)，B帧只需保证自身QP不低于其参考帧的QP。具体调控方法如下：

$\mathrm{overflow}=\frac{\mathrm{generatedBits}-t\arg \mathrm{etBits}}{t\arg \mathrm{etBits}}---\left(14\right)$

if overflow<αthen QP＝QP-Δ

else if overflow>βthen QP＝QP+Δ

其中，generatedBits是目前消耗的比特数，targetBits是已编码帧的总目标比特数，Bitrate是目标码率，α,β，Δ是常数，且α<1,β＞1。

第八步：S8、PSNR模型约束。由第九步得到的QP可以通过PSNR模型，即式(8)计算得到一个预期的PSNR，S9、如果该PSNR满足式(15)，则第七步的QP即作为最终的量化参数决策结果，用于当前帧的量化、编码。

|PSNR-PSNR_avg|<ε                  (15)

其中，PSNR_avg是前面已编码帧的PSNR平均值。

S10、否则，QP值需要重新决策。首先由式(16)计算得到一个初始值，S11、然后再执行第七步的QP自适应调控策略。

QP=(PSNR_avg±ε-β)/α+log SATD              (16)

其中，α,β是PSNR与QP线性约束的模型参数。编码完一帧后使用最小二乘法对其值进行更新。如式(13)所示：

$\mathrm{\&alpha;}=\frac{\mathrm{n\&Sigma;}(x_i\&times;y_i)-\mathrm{\&Sigma;}{y}_i\&times;\mathrm{\&Sigma;}{x}_i}{\mathrm{n\&Sigma;}{x}_i^2-{\left(\mathrm{\&Sigma;}{x}_i\right)}^2}$

$\mathrm{\&beta;}=\frac{\mathrm{\&Sigma;}{x_i}^2\&times;\mathrm{\&Sigma;}{y}_i-\mathrm{\&Sigma;}(x_i\&times;y_i)\&times;\mathrm{\&Sigma;}{x}_i}{\mathrm{n\&Sigma;}{x_i}^2-{\left(\mathrm{\&Sigma;}{x}_i\right)}^2}$

x_i=QP_i-log SATD_i

y_i＝PSNR_i                                     (17)

第九步：S12、S13、宏块级QP自适应调控。一帧图像中，不同宏块的复杂度可能差别很大，即残差信息可能差别很大。根据当前MB的SATD占整帧SATD的权重，自适应调整当前块的QP值，可以使码率分配更加合理。调整方法如式(14)所示：

$\left\{\begin{array}{cc}\frac{|\mathrm{mb}\_\mathrm{satd}-\mathrm{avg}\_\mathrm{satd}|}{\mathrm{avg}\_\mathrm{satd}}<\mathrm{\&delta;},& {\mathrm{QP}}_{\mathrm{mb}}={\mathrm{QP}}_{\mathrm{frame}}\\ \frac{|\mathrm{mb}\_\mathrm{satd}-\mathrm{avg}\_\mathrm{satd}|}{\mathrm{avg}\_\mathrm{satd}}>\mathrm{\&delta;},& {\mathrm{QP}}_{\mathrm{mb}}={\mathrm{QP}}_{\mathrm{frame}}\&PlusMinus;\mathrm{\&Delta;}\end{array}\right.---\left(18\right)$

其中，

mb_satd是当前宏块的SATD值；

avg_mb是当前帧对于宏块的平均SATD值；

QP_frame是帧级量化参数；

QP_mb是待决策的当前宏块量化参数；

δ,Δ是常数。

第十步：S14、参数更新。编码完一帧图像后，要根据当前帧的编码情况更新相关模型参数。并根据式(19)更新VBV缓冲区充满度，其中bits是当前帧的实际编码比特数。S15、QP保存。

B=B+R/Fr-bits                    (19)

按照以上步骤，逐帧进行编码，便可实现恒定质量码率控制。

我们对算法的编码性能及其平滑性分别进行测试，并与Anchor及AVS原码率控制算法的结果进行比对。

1)平滑性：

与AVS RM0.9码率控制算法相比，本文提出的算法有效减小了PSNR方差值，即具有显著的编码质量平滑效果，达到了恒定质量码率控制的目的。

更直观地，我们在三个分辨率上各给出一个序列的PSNR波动曲线及输出码率波动曲线。PSNR波动曲线如图3所示，输出码率波动曲线如图4所示。结果表明，相对于AVS RM0.9码率控制算法，本发明能够获得较为平滑的PSNR和较为平稳的输出码率，即够获得相对平滑的视频编码质量。

2)编码性能：

与原AVS RM0.9码率控制算法相比，本发明在qcif\cif\wvga三种视频格式的测试序列下，具有相当的编码性能。但是，在低码率的情况下，本发明能够获得比AVS RM原码率控制算法更好的R-D性能。我们给出一个示例序列的R-D曲线，如图5所示。

综上所述，本发明提出一种新的R-Q模型及PSNR模型，并设计了基于这两个模型约束的帧级恒定质量码率控制方法。该码率控制算法基于VBV缓冲区充满度进行位分配，基于R-Q模型和PSNR模型的双重约束进行量化参数决策，并设计了GOP级、帧级、宏块级的量化参数自适应调控策略，能够在保障码率控制准确度及编码性能的情况下，获得较为平滑的编码质量。与AVS RM0.9的码率控制算法相比，本发明使用的是线性R-Q模型，计算复杂度相对低。码率控制精度及编码性能损失都在可以接受的范围内(表3)。而且，本发明有效减小了编码质量波动和输出码率波动，达到了平滑质量控制的目的，能够获得更好的编码效果。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和系统的细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此，本发明的范围仅由所附权利要求书限定。

Claims (10)

1.一种恒定质量码率控制方法，其特征在于，包括以下步骤：

先利用R-Q模型求出当前量化参数；

再通过质量平滑约束方法，通过约束PSNR的波动范围，来自适应地调整当前量化参数。

2.根据权利要求1所述的恒定质量码率控制方法，其特征在于，所述质量平滑约束方法具体包括：

利用图像质量估计方法估计用当前量化参数编码当前图像产生的图像质量；

根据估计的图像质量与已编码视频帧图像质量均值的差异，进一步调整量化参数。

3.根据权利要求2所述的恒定质量码率控制方法，其特征在于，所述根据估计的图像质量与已编码视频帧图像质量均值的差异，进一步调整量化参数，如果估计的图像质量与已编码视频帧图像质量均值差值小于预设阀值，则不调整；如果大于预设阀值，则设置一个目标图像质量，通过反馈调节，计算一个新的量化参数。

4.根据权利要求1所述的恒定质量码率控制方法，其特征在于：所述利用R-Q模型决策量化参数，考虑了当前帧之前若干已编码帧的复杂度信息，所述复杂度信息为前面已编码所有帧的复杂度加权和。

5.根据权利要求4所述的恒定质量码率控制方法，其特征在于，所述复杂度加权和，根据一帧图像距离当前帧的距离计算，距离越近，权重值越大。

6.根据权利要求1所述的恒定质量码率控制方法，其特征在于：所述利用图像质量估计方法，使用当前帧的量化参数和复杂度估计当前帧的PSNR。

7.根据权利要求4至6中任何一项所述的恒定质量码率控制方法，其特征在于，所述复杂度信息通过快速运动估计得到。

8.根据权利要求1所述的恒定质量码率控制方法，其特征在于，在GOP级施加了量化参数自适应调整，根据前一个GOP的目标比特数和生成比特数的差异调整当前GOP的初始量化参数。

9.根据权利要求1所述的恒定质量码率控制方法，其特征在于，在帧级施加了量化参数自适应调控，根据已编码视频帧的目标比特数和生成比特数的差异调整当前帧的量化参数。

10.根据权利要求1所述的恒定质量码率控制方法，其特征在于，在宏块级施加了量化参数自适应调控，在编码一个宏块时，根据当前宏块复杂度调整当前宏块的量化参数。

Images