CN104718759A - Lm模式的简化 - Google Patents

Abstract

一种视频编解码器包括一种处理器，用于计算位于色度块的邻近块中并和所述色度块相邻的多个重建色度样本的均值，通过在所述重建色度样本的所述均值上应用取整函数来计算中间变量，以及基于所述中间变量为所述色度块生成预测色度样本。

Description

LM模式的简化

相关申请案交叉申请

本发明要求2012年1月24日由刘林志(Lingzhi Liu)递交的发明名称为“LM模式的简化(Simplification of LM Mode)”的第61/590016号美国临时专利申请案的在先申请优先权，该在先申请的内容以引入的方式并入本文本中，如全文再现一般。

关于由联邦政府赞助的研究或开发的声明

不适用。

缩微平片附件的引用

不适用。

背景技术

即使在影片相对较短的情况下也需要对大量的视频数据进行描述，当数据要在带宽容量受限的通信网络中流过或以其他方式传送时，这样可能会造成困难。因此，视频数据通常要先压缩，然后在现代电信网络中传送。在传输视频数据前，视频压缩设备通常在源处使用软件和/或硬件对视频数据进行编码，从而减少表示数字视频图像所需的数据量。压缩数据随后由目的地处的视频解压设备接收，该视频解压设备用于解码视频数据。由于网络资源受限，需要开发在提高压缩率和/或降低实施复杂性的同时不会大幅降低图像质量的压缩和解压技术。

发明内容

在一项实施例中，本发明公开了一种视频编解码器，所述视频编解码器包括一种处理器，所述处理器用于计算位于色度块的邻近块中并和所述色度块相邻的多个重建色度样本的均值，通过在所述重建色度样本的所述均值上应用取整函数来计算中间变量，以及基于所述中间变量为所述色度块生成预测色度样本。

在另一项实施例中，本发明包含一种视频编码方法，所述方法包括计算位于色度块的邻近块中并和所述色度块相邻的多个重建色度样本的均值，通过在所述重建色度样本的所述均值上应用取整函数来计算中间变量，以及基于所述中间变量为所述色度块生成预测色度样本。在又一项实施例中，本发明公开了一种装置，所述装置包括用于为色度块生成预测块的处理器，其中所述预测块包括预测色度样本，且生成所述预测块包括计算位于所述色度块的邻近块中并和所述色度块相邻的多个重建色度样本的总和、基于所述总和计算中间变量和使用从由四舍五入取整函数和下取整函数组成的组中可选的取整函数、以及使用所述中间变量生成所述预测块中的预测色度样本。

结合附图和权利要求书，可从以下的详细描述中更清楚地理解这些和其他特征。

附图说明

为了更完整地理解本发明，现在参考以下结合附图和具体实施方式进行的简要描述，其中相同参考标号表示相同部分。

图1为视频编码系统的一项实施例的示意图。

图2为视频解码系统的一项实施例的示意图。

图3为公开的线性方法(LM)模式中的帧内预测方法的一项实施例的流程图。

图4为通用计算机系统的示意图。

具体实施方式

首先应该理解的是，尽管下文提供了一种或多种实施例的示例性实施方式，本发明公开的系统和/或方法可通过多种当前已知的或存在的技术实施。本发明决不应限于下文所说明的所述说明性实施方案、图式和技术，包含本文所说明并描述的示范性设计和实施方案，而是可以在所附权利要求书的范围以及其均等物的完整范围内修改。

通常，视频媒体涉及相对较快地连续显示一系列静态图像或帧，从而使观看者感知画面中的运动。每个帧可以包含多个图像元素或像素，每个图像元素或像素可以表示帧中的单个参考点。在数字处理过程中，每个像素可分配有一个整数值(例如，0、1、……或255)，所述整数值表示对应参考点处的图像质量或颜色。颜色空间可由三个分量表示，包括一个亮度(luma或者Y)分量和两个表示为Cb和Cr(或者有时为U和V)的色度(chroma)分量。亮度或者色度整数值通常通过位以二进制形式存储和处理。用来表示亮度或者色度值的位数可称为位深或者色深。

使用时，图像或视频帧可能包含大量的像素(例如，在一个1920x1080的帧中包含2,073,600个像素)，因此对每个像素进行独立的编码和解码(下文中简称为编码)可能是非常繁琐且低效的。为了提高编解码效率，通常将视频帧分成多个矩形块或宏块，每个矩形块或宏块均可作为编码、预测、变换以及量化等处理的基本单元。例如，典型的NxN的块可以包括N²个像素，其中N是大于1且通常是4的倍数的整数。在YUV或者YcbCr色彩空间中，每个亮度(Y)块对应于两个色度块：Cb块和Cr块。Cb块和Cr块同样互相对应。色度块及其对应的亮度块可以位于视频帧、切片或者区域的同一相对位置。

在视频编码中，各种采样速率均可用于对YCbCr分量进行编码。根据采样率，Cb块、其对应的Cr块、和/或其对应的Y块的尺寸可以相同或者不同。例如，采样率为4:2:0时，每个NxN的色度(Cb或者Cr)块可对应一个2Nx2N的亮度块。在这种情况下，色度块的宽度或者高度为对应亮度块的一半。由于人眼对色度分量的敏感度不及亮度分量，色度分量被下采样或者降采样。又例如，采样率为4:4:4时，每个NxN的色度(Cb或者Cr)块可对应一个NxN的亮度块。在这种情况下，可以保留更高的视频保真度，但可能需要对更多的数据进行编解码。也可以使用其他采样率，例如4:2:2和4:2:1等。

视频帧中的块可以与同一帧中的其他块空间相关，以使得一些块内的像素值可仅仅略有不同和/或呈现出重复的纹理。现代视频压缩方法使用各种技术来利用这些空间相关性，这些技术可以统称为帧内部预测(或简称为帧内预测)。当使用帧内预测对当前块进行编码时，会基于一个或多个先前编解码过的参考块来生成预测块或者预测单元。预测块可以是当前块的估计版本。可通过从预测块中减去当前块或者从当前块中减去预测块生成生成残余块，残余块表示预测残差或误差。由于用来表示预测残差所需的数据量通常小于用来表示原始块所需的数据量，因此可对残余块而非当前块进行编解码，以实现更高的压缩比。

帧内预测可由视频编码器或者解码器(下文简称为编解码器)实现。在编码器中，在将帧内预测生成的残余块合入编码数据流之前，可对其进行变换、量化以及扫描。解码器接收编码数据流之后，可将重建的残余块添加到单独生成的预测块上，以重新创建当前块。虽然重建的当前块可能是例如由于量化导致的原始当前块的非完美版本，但是它们的差异可能是人眼几乎无法察觉的。因此，可以节约大量位，而不会显著降低重建图像的质量。

在邻近块相同或近乎相同的视频区域中，使用帧内预测可能导致生成包含许多零和/或接近零的像素值的残余块。此外，残余块的变换、量化和/或扫描可以从编码数据流中移除许多零和/或接近零的系数，从而进一步压缩视频数据。因此，对原始图像的预测越精确，可以取得的编码效率就会越高。为了提高帧内预测的精确性，视频/图像编码标准可以使用多个帧内预测模式。例如，对于色度分量(包括Cr和Cb)而言，在高性能视频编码(HEVC)中可以使用多达六个帧内预测模式，HEVC有望成为由国际电信联盟(ITU)电信标准化部门(ITU-T)和国际标准化组织(ISO)/国际电工技术委员会(IEC)的视频编码联合协作小组(JCT-VC)发布的下一个视频标准。

对于色度分量而言，六个帧内预测模式可包含来自亮度分量的亮度预测模式(通常称为线性模型、模式或者方法(LM)模式)、垂直预测模式、水平预测模式、对角模式、直流(DC)预测模式和直接模式(DM)的色度。可以使用各种算法为色度块确定最佳帧内预测模式。例如，编码器可以使用一些或所有可用模式测试帧内预测色度块，然后计算每个预测模式的绝对误差之和(SAE)。可以选择SAE最小的预测模式作为最佳模式。应注意，在待发布的最终HEVC标准中，用于色度分量的帧内预测模式可以不同于上述六种模式。本发明主要涉及LM模式。

根据文件号为JCTVC-G1103_d6、标题为“WD5：高性能视频编码的工作草案5(WD5:Working Draft5of High-Efficiency Video Coding)”的HEVC工作草案(其内容以引用的方式并入本文本中)，LM模式的当前设计利用重建亮度样本或像素来生成色度样本。具体来说，当实施LM模式为当前色度(Cb或者Cr)块生成预测块时，LM模式包括从当前色度块的对应亮度块中获取已经插入的先前重建的亮度样本的线性结合。LM模式进一步包括从邻近对应亮度块的亮度块中获取先前重建的亮度样本的线性结合。此外，LM模式进一步包括从邻近当前色度块的色度块中获取先前重建的色度样本。

根据JCTVC-G1103_d6，可以使用算法和/或下文描述的等式(1)到(19)来获取色度预测块的样本值。接触等式前，下文首先给出等式中使用的变量的定义。

对于四个侧面每侧都有2nS(nS为正整数)个亮度样本的重建亮度块，[x,y]表示亮度样本在重建亮度块中的位置或者索引，其中整数x和y的取值范围为0到2nS–1。此外，recSamples_L[x,y]表示[x,y]处的亮度样本。在HEVC工作草案(如，文件JCTVC-G1103_d6)中，recSamples_L[x,y]有时可以表示为P_LM[x,y]。本文的等式中，符号m＝n…k用于表示取值范围，其中m的取值介于n(包含n)和k(包含k)之间，且m、n和k均为整数。例如，取值范围为0到2nS–1的x和y表示为“x,y＝0到2nS–1”。

如上所述，可以在LM模式中使用左侧和顶部邻近亮度块中的重建亮度样本来预测当前色度块。[x,–1]表示对应亮度块的左侧相邻列(下文称为左侧邻近列)中的亮度样本的位置或者索引，[–1,y]表示对应亮度块的上一相邻行(下文称为顶部邻近行)中的亮度样本的位置，其中x和y的取值范围均为0到2nS–1。此外，recSamples_L[x,–1]表示[x,–1]位置处的亮度样本，recSamples_L[–1,y]表示[–1,y]位置处的亮度样本。

在4:2:0取样中，重组的2nS×2nS对应亮度块可以首先过滤成nS×nS亮度块，然后用作当前色度块的帧内预测的参考块。对于四个侧面每侧都有nS个亮度样本的过滤亮度块，p_Y'[x,y]表示[x,y]位置处的过滤亮度样本，其中x和y的取值范围均为0到nS–1。类似地，在LM模式中，可以在已使用的参考样本前先过滤包含亮度样本的左侧邻近列和顶部邻近行。过滤后，p_Y'[x,–1]表示[x,–1]位置处的过滤亮度样本且p_Y'[–1,y]表示[–1,y]位置处的过滤亮度样本的值，其中x和y的取值范围均为0到nS–1。

如上所述，在左侧和顶部邻近色度块中的先前编码的色度样本同样可以在LM模式中使用。在邻近色度块中，[x,–1]表示当前色度块的左侧相邻列(也称为左侧邻近列)中的色度样本的索引，[–1,y]表示当前色度块的上一相邻行(也称为顶部邻近行)中的色度样本的索引，其中x和y的取值范围均为0到nS–1。此外，p[x,–1]表示[x,–1]位置处的色度样本，p[–1,y]表示[–1,y]位置处的色度样本，其中x和y的取值范围均为0到nS–1。

对于待计算的色度预测块，predSamples[x,y]表示[x,y]位置处的预测或预测的色度样本，其中x和y的取值范围均为0到nS–1。BitDepthC表示用于色度分量(Cr或Cb)的位数(即，位深)。例如，在HEVC中，BitDepthC可以等于8或10(或者任何其它合适的值)。如果BitDepthC＝8，p[x,y]和predSamples[x,y]等色度样本可以最多有8位。使用时，亮度分量的位深通常可以和色度分量的位深相同，因此，p_Y'[x,y]等过滤亮度度样本的最大位数与p[x,y]的相同。

在LM模式中，为了生成预测色度样本，首先要过滤重建亮度样本。等式(1)将具有[1 2 1]系数的3抽头过滤器运用到位于左侧邻近列的2nS个重建亮度样本并生成nS个过滤亮度样本。等式(2)将2抽头平均过滤器运用到顶部邻近行中的2nS个重建亮度样本并生成nS个过滤亮度样本。等式(3)将2抽头平均过滤器运用到对应亮度块中的2nS×2nS个重建亮度样本并生成nS×nS个过滤亮度样本。

p_Y'[x,–1]＝(recSamples_L[2x-1,–1]+2*recSamples_L[2x,

                                   (1)

–1]+recSamples_L[2x+1,–1]+2)>>2,其中x＝0到nS-1

p_Y'[–1,y]＝(recSamples_L[–1,2y]+recSamples_L[–1,2y+1])>>1,

                                           (2)

其中y＝0到nS-1

p_Y'[x,y]＝(recSamples_L[2x,2y]+recSamples_L[2x,2y+1])>>1,

                                         (3)

其中x,y＝0到nS-1

之后，可通过表示为alpha(α)和beta(β)的中间变量并使用以下等式来计算预测色度样本(即，predSamples[x,y]，其中x,y＝0到nS-1)：

$\begin{array}{c}\mathrm{alpha}=[2*\mathrm{nS}*\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\Σ}}}{p_Y}^{\′}\right[-1,y]*p[-1,y]+\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\Σ}}}{p_Y}^{\′}[x,-1]*p[x,-1\left]\right)-\\ \left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\Σ}}}{p_Y}^{\′}\right[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\Σ}}}{p_Y}^{\′}[x,-1\left]\right)\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\Σ}}}p\right[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\Σ}}}p[x,-1\left]\right)/\\ [2*\mathrm{nS}*(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\Σ}}}{p_Y}^{\′}{[-1,y]}^2+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\Σ}}}{p_Y}^{\′}{[x,-1]}^2)-{\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\Σ}}}{p_Y}^{\′}\right[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\Σ}}}{p_Y}^{\′}[x,-1\left]\right)}^2]\end{array}---\left(4\right)$

$\mathrm{beta}=\frac{\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\Σ}}}p\right[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\Σ}}}p[x,-1\left]\right)-\mathrm{alpha}*\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\Σ}}}{p_Y}^{\′}\right[-1,y]+\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\Σ}}}{p_Y}^{\′}[x,-1\left]\right)}{2*\mathrm{nS}}---\left(5\right)$

predSamples[x,y]＝alpha*p_Y'[x,y]+beta,其中x,y＝0到nS-1    (6)

从等式(4)到(6)中注意到预测色度样本的最终值取决于已经编码的亮度和色度分量。在亮度分量中，要考虑左侧邻近列、顶部邻近行及对应亮度块中的过滤亮度样本。在色度分量中，要考虑左侧邻近列和顶部邻近行中的重建色度样本。

等式(4)中的alpha和等式(5)中的beta的计算非常复杂，因此，实践中，使用等式(1)到(3)获取过滤亮度样本(即，p_Y'[x,y])后，引入更多中间变量来获得预测色度样本(即，predSamples[x,y])。此外，不使用除法运算，而使用整数和/或按位运算。HEVC工作草案中包括本文使用的运算符(&&、<<、>>、^和其他)的定义。例如，通过如下等式获取表示为k3、L、C、LL、LC及k2的中间变量：

k3＝Max(0,BitDepth_C+log₂(nS)–14)                (7)

$L=\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}\right[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}[x,-1\left]\right)>>k3---\left(8\right)$

$C=\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}p\right[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}p[x,-1\left]\right)>>k3---\left(9\right)$

$\mathrm{LL}=(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}{[-1,y]}^2+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}{[x,-1]}^2)>>k3---\left(10\right)$

$\mathrm{LC}=\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}\right[-1,y]*p[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}[x,-1]*p[x,-1\left]\right)>>k3---\left(11\right)$

k2＝log₂((2*nS)>>k3)                       (12)

之后，使用如下伪码获得表示为a1、a2、k1、a1s、a2s、a3、a、k及b的更多的中间变量：

a1＝(LC<<k2)–L*C                            (13)

a2＝(LL<<k2)–L*L                            (14)

k1＝Max(0,log₂(abs(a2))–5)–Max(0,log₂(abs(a1))–14)+2       (15)

a1s＝a1>>Max(0,log₂(abs(a1))–14)                  (16)

a2s＝abs(a2>>Max(0,log₂(abs(a2))–5))            (17)

a3＝a2s<1？0:Clip3(-2¹⁵,2¹⁵-1,

                     (18)

a1s*lmDiv[a2s]+(1<<(k1–1))>>k1)

a＝a3>>Max(0,log₂(abs(a3))–6)                   (19)

k＝13–Max(0,log₂(abs(a))–6)                       (20)

b＝(C–((a*L)>>k)+(1<<(k2–1)))>>k2           (21)

等式(19)中的变量a可以表示alpha，等式(21)中的变量b可以表示beta。获取到a、b及k后，通过下式计算预测色度样本：

predSamples[x,y]＝Clip1_C(((p_Y'[x,y]*a)>>k)+b),其中x,y＝0

                  (22)

到nS–1

其中函数Clip1_C(x)定义为：

Clip1_C(x)＝Clip3(0,(1<<BitDepth_C)-1,x)

函数Clip3(x,y,z)定义为：

$\mathrm{Clip}3(x,y,z)=\left\{\begin{array}{cc}x;& z<x\\ y;& z>y\\ z;& \mathrm{otherwise}\end{array}\right.$

在上述伪码中，当通过等式(17)计算出a2s后，使用a2s作为查找表的索引或键值来获取lmDiv的值，lmDiv的值随后在等式(18)中使用。表1所示为lmDiv查找表的规格，所述lmDiv查找表在工作草案JCTVC-G1103_d6中列为表8-9。

a2s	1	2	3	4	5	6	7	8	9	10	11	12	13
														lmDiv	32768	16384	10923	8192	6554	5461	4681	4096	3641	3277	2979	2731	2521
a2s	14	15	16	17	18	19	20	21	22	23	24	25	26
														lmDiv	2341	2185	2048	1928	1820	1725	1638	1560	1489	1425	1365	1311	1260
a2s	27	28	29	30	31	32	33	34	35	36	37	38	39
														lmDiv	1214	1170	1130	1092	1057	1024	993	964	936	910	886	862	840
a2s	40	41	42	43	44	45	46	47	48	49	50	51	52
														lmDiv	819	799	780	762	745	728	712	697	683	669	655	643	630
a2s	53	54	55	56	57	58	59	60	61	62	63	64
														lmDiv	618	607	596	585	575	565	555	546	537	529	520	512

表1：JCTVC-G1103_d6中lmDiv查找表的规格

由于lmDiv是变量a2s的一个函数，可以使用以下伪码计算表1中lmDiv的每个条目，其中i＝a2s：

UInt lmDiv[32]；

for(Int i＝1；i<64；i++)

lmDiv[i]＝((1<<15)+i/2)/i                        (23)

尽管可以使用以上算法生成预测色度样本，但由于在推演过程中存在具有大量位宽的乘法器，算法的复杂性可能很高。根据HEVC测试模型(HM)的配置，当前色度块的大小可以是nS，取值范围为4≤nS≤32，亮度和色度分量的输入位深可以是8或10。例如，假设输入位深为8(可以以类似方式分析位深10)，则邻近过滤亮度样本的位宽(p_Y'[–1,y]和p_Y'[x,–1])及邻近重建色度样本(p[–1,y]和p[x,–1])的位宽均可为8。由于HM中nS的最大值为32(即，2⁵)，所以等式(8)中计算的中间变量L最多可有13位(即，8+5)。类似地，等式(9)中计算的中间变量C最多也可有13位。

在等式(10)中，计算LL使用具有最多8位的2*nS个无符号乘法器(即，p_Y'[–1,y]和p_Y'[x,–1])。因此，LL最多可有21位。类似地，在等式(11)中，LC最多也可有21位。随后，在等式(13)中，计算a1涉及LC的位移以及L和C的乘法运算。由于乘法器L和C最多可有13位，L*C的乘积最多可有26位。因此，等式(13)可以具有13位的乘法器(即，L和C)以及26位的减法器(即，L*C)。类似地，等式(14)中a2的计算可能涉及13位的乘法器(即，L)以及26位的减法器(即，L*L)。使用时，由于对具有大量位数的变量(例如，乘法器)进行数学运算，等式(13)和(14)的计算可能是HEVC编码工具中最复杂的步骤。大型乘法器的存在可能降低编码效率、速度和/或性能。

通过在计算中引入大量新参数，本文公开了用于提高LM模式帧内预测的系统和方法，其可缩减计算中涉及的乘法器的位宽。公开的LM模式可以在视频编解码器中实施。在公开的LM模式中，可以计算位于当前色度块的邻近块中的重建色度样本的均值的四舍五入取整或下取整函数。此外，在4:4:4采样中，也可以计算位于对应的重建亮度块的邻近块中的重建亮度样本的均值的四舍五入取整或下取整函数。或者，在4:2:0采样中，可首先通过过滤对重建亮度块进行下采样。然后，可计算位于邻近块中的过滤亮度样本的均值的四舍五入取整或下取整函数。进一步地，也可以计算由平均值的整数转换引起的四舍五入取整或下取整误差。还可计算每个邻近亮度样本和平均亮度值之间的差值以及每个邻近色度样本和平均色度值之间的差值。通过使用一些或所有这些参数，在LM模式中计算的一些乘法器可具有缩减的位宽。此外，可减少所需数学运算的总数。通过使用公开的算法，LM模式可提高在例如HEVC中的编码性能。

图1示出了视频编码器100的一项实施例，所述视频编码器中可以使用公开的LM模式。视频编码器100可以包括如图1所示进行布置的比率失真优化(RDO)模块110、预测模块120、变换模块130、量化模块140、熵编码器150、去量化模块160、逆变换模块170以及重建模块180。在操作时，视频编码器100可以接收包括一系列视频帧(或切片)的输入视频。本文中，帧可以指预测帧(P帧)、帧内编码帧(I帧)和双向预测帧(B帧)中的任一者。类似地，切片可以指P切片、I切片和B切片中的任一者。

RDO模块110可以用于为一个或多个其他模块协调或者作出逻辑决策。例如，RDO模块110可基于一个或多个先前编码的帧来确定一个当前正在被编码的帧(或切片)如何被分为多个编码单元(CU)，以及一个CU如何被分为一个或多个预测单元(PU)和变换单元(TU)。CU、PU以及TU为HEVC中使用的各种类型的块。此外，RDO模块110可以确定如何预测当前帧。可以通过帧间预测和/或帧内预测对当前帧进行预测。对于帧内预测，HEVC中存在多个可用的预测模式或方向(例如，Y分量的34个模式及U或V分量的6个模式(包括LM模式))，可由RDO模块110确定最佳模式。例如，RDO模块110可计算每个预测模式的绝对误差之和(SAE)，并选择SAE最小的预测模式为最佳模式。

预测模块120可以利用用于帧间预测的参考帧或者用于帧内预测的当前帧中的参考像素。在一项实施例中，预测模块120用于使用公开的LM模式为来自输入视频的当前色度块生成预测块。预测块包括多个预测色度样本，每个所述预测色度样本均基于位于对应的重建亮度块中的第一多个重建亮度样本、位于对应的重建亮度块的邻近块中的第二多个重建亮度样本以及位于色度块的邻近块中的多个重建色度样本来生成。在一项实施例中，生成每个预测色度样本包括使用如早前描述的等式(17)来计算中间变量a2s，该计算基于第二多个重建亮度样本。生成每个预测色度样本进一步包含使用查找表从a2s中得出中间变量lmDiv。在一项实施例中，所述查找表可以包括少于64个a2s值。

在为当前色度块生成预测块时，可以从当前色度块中减去预测块或者从预测块中减去当前色度块来生成残余块。残余块可以送入变换模块130中，该变换模块可将残余色度样本转换成变换系数矩阵。之后，变换系数矩阵在被送入熵编码器150之前，可以由量化模块140进行量化。量化模块140可以改变变换系数的标度，并将系数四舍五入为整数，这可以缩减非零变换系数的数目。从而，可达到增加压缩比的目的。量化的变换系数可由熵编码器150进行扫描并编码成编码比特流。进一步地，为便于色度块的连续编码，量化变换系数也可以被送入到去量化模块160中，以恢复变换系数的原始标度。随后，逆变换模块170可以执行变换模块130的逆变换并生成原始残余块的噪音版本。随后，可将有损残余块送入到重建模块180中，重建模块180可生成用于未来色度块的帧内预测的重建亮度和/或色度样本。如果需要，在重建样本用于帧内预测前可对其进行过滤。

应注意，图1是视频编码器的简化的图示，因此其可能只包含视频编码器中呈现的部分模块。所述领域的技术人员知道其他模块(例如，滤波器、扫描仪以及发射器)虽然未在图1中示出，但是也可以包含在内，以协助视频编码。另外，根据编码方案，可以跳过视频编码器中的一些模块。例如，在对某个视频内容进行无损编码时，不允许有信息丢失，因此可跳过量化模块140和去量化模块160。再例如，如果不将残余块转换为变换系数而是直接对其编码，则可以跳过变换模块130和逆变换模块170。另外，在从编码器处进行传送之前，可配置编码比特流包含视频分辨率、帧率、块分区信息(尺寸、坐标)、预测模式等其他信息，以便视频解码器可以对一系列编码的视频帧进行适当地解码。

图2示出了视频解码器200的一项实施例，所述视频解码器中可以使用公开的LM模式。视频解码器200可以对应于视频编码器100，而且可以包括如图2所示进行布置的熵解码器210、去量化模块220、逆变换模块230、预测模块240以及重建模块250。在操作时，包含有关一系列视频帧的信息的编码比特流可以由熵解码器210接收，该熵解码器可以将比特流解码成未压缩格式。可以生成量化变换系数矩阵，随后可该矩阵送入去量化模块220，所述去量化模块220可以与图1中的去量化模块160相同或者类似。然后，可将去量化模块220的输出送入到逆变换模块230中，所述逆变换模块230可以将变换系数转换为残余块的残余值。此外，熵解码器210也可以对含有当前块的预测模式(例如，LM模式)的信息进行解码。预测模块240可基于所述预测模式为当前块生成预测块。

在一项实施例中，预测模块240用于使用公开的LM模式来为当前色度块生成预测块。预测块包括多个预测色度样本，每个所述多个预测色度样本可基于位于对应的重建亮度块(已解码)中的第一多个重建亮度样本、位于对应的重建亮度块的邻近块(已解码)中的第二多个重建亮度样本以及位于色度块的邻近块(已解码)中的多个重建色度样本来生成。在一项实施例中，生成每个预测色度样本包括计算中间变量a2s，该计算基于第二多个重建亮度样本。生成每个预测色度样本进一步包含使用查找表从a2s中得出中间变量lmDiv。在一项实施例中，所述查找表可以包括少于64个a2s值。

在为当前色度块生成预测块时，重建模块250可以合并残余色度块和预测块，以生成重建色度块。另外，为便于连续解码，重建色度块的一些色度样本也可以用作未来对同一帧中的色度块进行帧内预测时的参考像素。

在视频编码器(如视频编码器100或者解码器200)中，本文引入其他参数或者中间变量以简化帧内预测中使用的LM模式。在一项实施例中，为当前色度块生成预测块涉及计算位于对应的重建亮度块的邻近块中的过滤亮度样本的均值的函数。过滤亮度样本的均值的函数表示为avgY'。生成预测块可进一步涉及计算位于当前色度块的邻近块中的重建色度样本的均值的函数。重建色度样本的均值的函数表示为avgC。

平均值的函数可以是任何合适的函数，包括但不限于下取整函数、四舍五入取整函数或上取整函数。由于这些函数获取与平均值最靠近或最接近的整数值，可将它们统称为取整函数。换句话说，使用本文中公开的任何取整函数，在平均值和取整函数结果之间可能不存在其他整数值，如果取整函数是四舍五入取整函数，平均值和取整函数结果之间的绝对差值可能不大于0.5。否则，如果取整函数是下取整函数，平均值可能不小于取整函数结果，但是两者之间的差值小于1。例如，在一项实施例中，两个函数均为四舍五入取整函数。在这种情况下，根据下式计算avgY'和avgC。

$\begin{array}{c}\mathrm{avg}{Y}^{\&prime;}=\mathrm{round}\left(\frac{\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}[x,-1]}{2*\mathrm{nS}}\right)\\ =\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}\right[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}[x,-1]+(1<<({\log }_2(2*\mathrm{nS})-1)))>>\left({\log }_2(2*\mathrm{nS})\right)\end{array}---\left(24\right)$

$\begin{array}{c}\mathrm{avgC}=\mathrm{round}\left(\frac{\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}p[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}p[x,-1]}{2*\mathrm{nS}}\right)\\ =\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}p\right[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}p[x,-1]+(1<<({\log }_2(2*\mathrm{nS})-1)))>>\left({\log }_2(2*\mathrm{nS})\right)\end{array}---\left(25\right)$

在另一项实施例中，两个函数均为下取整函数。在这种情况下，根据下式计算avgY'和avgC。

$\begin{array}{c}\mathrm{avg}{Y}^{\&prime;}=\mathrm{floor}\left(\frac{\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}[x,-1]}{2*\mathrm{nS}}\right)\\ =\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}\right[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}[x,-1\left]\right)>>\left({\log }_2(2*\mathrm{nS})\right)\end{array}---\left(26\right)$

$\begin{array}{c}\mathrm{avg}C=\mathrm{floor}\left(\frac{\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}p[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}p[x,-1]}{2*\mathrm{nS}}\right)\\ =\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}p\right[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}p[x,-1\left]\right)>>\left({\log }_2(2*\mathrm{nS})\right)\end{array}---\left(27\right)$

在一项实施例中，avgY'的最大位宽可与亮度分量的输入位深相等或相同。例如，如果输入位深为8，avgY'最多可有8位。如果输入位深为10，avgY'最多可有10位。和avgY'类似，下取整的平均值avgC还可以具有和色度分量(U或V)的输入位深相等的最大位宽。

参数avgY'和avgC可在包括第一方法和第二方法在内的各种方法中使用，这点将在下文依次描述。在第一方法的一项实施例中，可以以公开的LM模式计算表示为RErrY'和RErrC的两个附加参数或中间变量。RErrY'可表示过滤邻近亮度样本的总和与2*nS*avgY'之间的差值，RErrC可表示重建邻近色度样本的总和与2*nS*avgC之间的差值。由于这些差值可能由平均值的四舍五入取整或下取整导致，因此这些差值还可以称为四舍五入取整或下取整误差。可使用下式计算RErrY'和RErrC：

$\mathrm{RErr}{Y}^{\&prime;}=\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}[x,-1]-2*\mathrm{nS}*\mathrm{avg}{Y}^{\&prime;}---\left(28\right)$

$\mathrm{RErrC}=\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}p[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}p[x,-1]-2*\mathrm{nS}*\mathrm{avgC}---\left(29\right)$

在实施方式中，可以各种等同的形式计算等式(28)和(29)中的RErrY'和RErrC。例如，可遵循等式(30)和(31)计算RErrY'和RErrC，其表达式与等式(28)和(29)不同，但是本质上与等式(28)和(29)等效。本领域的技术人员将认识到在本发明范围内还可使用其他等效表达式。在任意等效形式中，RErrY'可表示2*nS*avgY'和位于对应的亮度块中并和对应的亮度块相邻的多个过滤亮度样本的总和之间的差值(或偏移差值)。类似地，RErrC可表示2*nS*avgC和位于色度块的邻近块中并和色度块相邻的多个重建色度样本的总和之间的差值(或偏移差值)。

从等式(28)或其等效形式可以看出，如果avgY'使用四舍五入取整函数，四舍五入取整误差RErrY'可以是有符号整数。或者，如果avgY'使用下取整函数，RErrY'可以是非负(无符号)整数。数学论证如下：

进一步地，可以看出RErrY'的最大位宽可等于或小于亮度分量的输入位深。例如，如果输入位深为8且avgY'是下取整的均值(如果RErrY'是有符号整数不包括符号位)，则RErrY'最多可有8位。如果输入位深为10，RErrY'最多可有10位。和RErrY'类似，RErrC还可以是有符号整数(如果avgC使用四舍五入取整函数)或无符号整数(如果avgC使用下取整函数)。另外，如果avgC是下取整的均值，RErrC的最大位宽可等于色度分量(U或V)的输入位深。

中间变量RErrY'和RerrC的引入可降低公开的LM模式的算法复杂性。与等式(1)至(19)中的原始算法相比，简化了一些中间变量的计算，如以下数学方式所示。例如，可以如下计算中间变量a1：

$\begin{array}{c}a1=(\mathrm{LC}<<k2)-L*C\\ =\frac{\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}\right[-1,y]*p[-1,y]+\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}[x,-1]*p[x,-1\left]\right)*2^{k2}}{2^{k3}}\\ -\frac{\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}\right[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}[x,-1\left]\right)}{2^{k3}}*\frac{\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}p\right[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}p[x,-1\left]\right)}{2^{k3}}\\ =\frac{2*\mathrm{nS}*\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}\right[-1,y]*p[-1,y]+\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}[x,-1]*p[x,-1\left]\right)}{2^{2*k3}}\\ -\frac{(2*\mathrm{nS}*\mathrm{avg}{Y}^{\&prime;}+\mathrm{RErr}{Y}^{\&prime;})*(2*\mathrm{nS}*\mathrm{avgC}+\mathrm{RErrC})}{2^{2*k3}}\\ =\frac{2*\mathrm{nS}*\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}\right[-1,y]*p[-1,y]+\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}[x,-1]*p[x,-1\left]\right)}{2^{2*k3}}\\ -\frac{2*\mathrm{nS}*(2*\mathrm{nS}*\mathrm{avg}{Y}^{\&prime;}*\mathrm{avgC}+\mathrm{avg}{Y}^{\&prime;}*\mathrm{RErrC}+\mathrm{RErr}{Y}^{\&prime;}*\mathrm{avgC})+\mathrm{RErr}{Y}^{\&prime;}*\mathrm{RErrC}}{2^{2*k3}}\end{array}---\left(32\right)$

忽略项“RErrY'*RErrC”，其可能是相对较小的值，a1由a1'替代：

$\begin{array}{c}{a1}^{\&prime;}=\frac{2*\mathrm{nS}*\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}\right[-1,y]*p[-1,y]+\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}[x,-1]*p[x,-1\left]\right)}{2^{2*k3}}\\ -\frac{2*\mathrm{nS}*(2*\mathrm{nS}*\mathrm{avg}{Y}^{\&prime;}*\mathrm{avgC}+\mathrm{avg}{Y}^{\&prime;}*\mathrm{RErrC}+\mathrm{RErr}{Y}^{\&prime;}*\mathrm{avgC})}{2^{2*k3}}\end{array}---\left(33\right)$

在等式(33)中，可以看出包括avgY'、avgC、RErrY'和RErrC的乘法器的最大位宽可等于亮度和色度分量的输入位深。例如，如果输入位深(例如，BitDepth_C)为8，则计算a1'仅需要最多8位的乘法器。如果输入位深为10，则计算a1'仅需要最多10位的乘法器。与运算较大乘法器L和C(如果输入位深为8，最多13位)来计算a1的原始算法相比，计算a1'的复杂性相对较低。

类似地，可以如下计算中间变量a2：

$\begin{array}{c}a2=(\mathrm{LL}<<k2)-L*L\\ =\frac{(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}{[-1,y]}^2+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}{[x,-1]}^2)*2^{k2}}{2^{k3}}-\frac{{\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}\right[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}[x,-1])}^2}{2^{2*k3}}\\ =\frac{(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}{[-1,y]}^2+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}{[x,-1]}^2)*2^{k2+k3}-{(2*\mathrm{nS}*\mathrm{avg}{Y}^{\&prime;}+\mathrm{RErr}{Y}^{\&prime;})}^2}{2^{2*k3}}\\ =\frac{2*\mathrm{nS}*(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}{[-1,y]}^2+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}{[x,-1]}^2)-4*{\mathrm{nS}}^2*\mathrm{avg}{Y^{\&prime;}}^2-4*\mathrm{nS}*\mathrm{avg}{Y}^{\&prime;}*\mathrm{RErr}{Y}^{\&prime;}-\mathrm{RErr}{Y}^{\&prime;2}}{2^{2*k3}}\end{array}---\left(34\right)$

忽略项“RErrY'*RErrC”，其可能是相对较小的值，a2由a2'替代：

${a2}^{\&prime;}=\frac{2*\mathrm{nS}*(\mathrm{LL}-(2*\mathrm{nS}*\mathrm{avg}{Y}^{\&prime;2}+2*\mathrm{avg}{Y}^{\&prime;}*\mathrm{RErr}{Y}^{\&prime;}))}{2^{2*k3}}---\left(35\right)$

在等式(35)中，可以看出乘法器avgY'和RErrY'的最大位宽等于亮度和色度分量的输入位深。例如，如果输入位深(例如，BitDepth_C)为8，则计算a2'仅需要最多8位的乘法器。如果输入位深为10，则计算a2'仅需要最多10位的乘法器。与使用更加大型的乘法器L计算a2的原始算法相比，计算a2'的复杂性相对较低。

等式(4)中的alpha可以由alpha'替代，alpha'可以使用下式通过a1'和a2'来计算：

$\mathrm{alphd}=\frac{{a1}^{\&prime;}}{{a2}^{\&prime;}}=\frac{\mathrm{LC}-(2*\mathrm{nS}*\mathrm{avg}{Y}^{\&prime;}*\mathrm{avgC}+\mathrm{avg}{Y}^{\&prime;}*\mathrm{RErrC}+\mathrm{RErr}{Y}^{\&prime;}*\mathrm{avgC})}{\mathrm{LL}-(2*\mathrm{nS}*\mathrm{avg}{Y}^{\&prime;2}+2*\mathrm{avg}{Y}^{\&prime;}*\mathrm{RErr}{Y}^{\&prime;})}---\left(36\right)$

等式(36)表示乘法器avgY'、avgC、RErrY'及RErrC的最大位宽均等于亮度和色度分量的输入位深。如果输入位深为8，则计算alpha'无需超过8位的乘法器。

和alpha类似，可使用参数avgY'、RErrY'、avgC和RErrC将等式(5)中的beta的原始计算改写为：

$\mathrm{beta}=\frac{2*\mathrm{nS}*\mathrm{avgC}+\mathrm{RErrC}-\mathrm{alpha}*(2*\mathrm{nS}*\mathrm{avg}{Y}^{\&prime;}+\mathrm{RErr}{Y}^{\&prime;})}{2*\mathrm{nS}}---\left(37\right)$

在等式(37)中，由于四舍五入取整误差RErrC和RErrY'分别通常可远小于2*nS*avgC和2*nS*avgC，所以分子的两个四舍五入取整/下取整误差可以忽略。因此，在等式(37)中，alpha由alpha'替代，beta由beta'替代，计算如下：

${\mathrm{beta}}^{\&prime;}=\frac{2*\mathrm{nS}*\mathrm{avgC}-{\mathrm{alpha}}^{\&prime;}*2*\mathrm{nS}*\mathrm{avg}{Y}^{\&prime;}}{2*\mathrm{nS}}=\mathrm{avgC}-{\mathrm{alpha}}^{\&prime;}*\mathrm{avg}{Y}^{\&prime;}---\left(38\right)$

在等式(38)中，乘法器alpha'和RerrY'的最大位宽均等于亮度和色度分量的输入位深。例如，如果输入位深(例如，BitDepth_C)为8，则计算beta'仅需要最多8位的乘法器。如果输入位深为10，则计算beta'仅需要最多10位的乘法器。与等式(21)中使用更加大型的乘法器L计算beta的原始算法相比，计算beta'的计算复杂性相对较低。另外，计算beta'不再需要位移。

通过上述描述，可以看出通过引进参数avgY'、RErrY'、avgC和RErrC，计算alpha'和beta'均涉及位宽不超过亮度和色度分量的输入位深的乘法器。

可修改等式(1)-(3)和(7)-(22)中所示的原始算法以并入新引入的参数。在一项实施例中，avgY'和avgC使用四舍五入取整函数，并且可使用过滤亮度样本和重建色度样本通过下式和/或伪码生成预测色度样本(即，predSamples[x,y])：

p_Y'[x,–1]＝(recSamples_L[2x–1,–1]+2*recSamples_L[2x,–1]+recSamples_L[2x+1,–1]+2)>>2,其中x＝0到nS-1

p_Y'[–1,y]＝(recSamples_L[–1,2y]+recSamples_L[–1,2y+1])>>1,其中y＝0到nS-1

p_Y'[x,y]＝(recSamples_L[2x,2y]+recSamples_L[2x,2y+1])>>1,其中x,y＝0到nS-1

k3＝Max(0,BitDepth_C+log₂(nS)–14)                      (39)

$L=\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}\right[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}[x,-1\left]\right)>>k3---\left(40\right)$

$C=\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}p\right[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}p[x,-1\left]\right)>>k3---\left(41\right)$

$\mathrm{LL}=(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}{[-1,y]}^2+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}{[x,-1]}^2)>>k3---\left(42\right)$

$\mathrm{LC}=\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}\right[-1,y]*p[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}[x,-1]*p[x,-1\left]\right)>>k3---\left(43\right)$

k2＝log₂((2*nS)>>k3)                         (44)

avgY'＝(L+nS>>k3)>>k2                    (45)

RErrY'＝L–avgY'<<k2                        (46)

avgC＝(C+nS>>k3)>>k2                     (47)

RErrC＝C–avgC<<k2                          (48)

a1＝LC–(2*nS*avgY'*avgC+avgY'*RErrC+avgC*RErrY')

a2＝LL–(2*nS*avgY'²+2*avgY'*RErrY')

k1＝Max(0,log₂(abs(a2))–5)–Max(0,log₂(abs(a1))–14)+2

……

beta＝avgC–((alpha*avgY')>>k1)

predSamples[x,y]＝Clip1_C(((p_Y'[x,y]*alpha)>>k)+beta),其中x,y＝0到nS–1

在上述等式和/或伪码中，alpha(a1/a2的整数版本)的推演过程可使用任意可行算法来完成。例如，可使用等式(16)-(20)完成上述省略部分“……”，其中alpha＝a。与等式(16)-(20)相比，省略部分还可进一步简化。如上所示，原始算法的大型乘法器(例如，L和C)可能不再需要相乘，大型减法器(例如，L*C和L*L)可从计算中移除。RErrY'和RErrY的符号可与其计算一起获取(如果avgC'和avgC使用四舍五入取整函数)。作为上述简化的结果，如果亮度和色度分量的输入位深为N(其中N是大于1的整数)，则在计算a1和a2中使用的乘法器的最大位宽可为N。例如，如果输入位宽为8，则原始算法可能需要13位乘法器(例如，L和C)，而新算法可能需要不超过8位的乘法器来计算a1和a2。随着乘法器的位数缩减，公开的LM的计算复杂性可能比原始算法的要简单。进一步地，与原始算法相比，数学运算的总数可缩减。

基于等式(39)，可以看出取决于色度块的宽度(即，nS)和输入深度(即，BitDepth_C)，k3可等于0或正整数。例如，当4≤nS≤16且BitDepth_C≤10，从等式(39)可知k3＝0。在这种情况下，C是位于色度块的邻近块中的多个重建色度样本的原始总和(即，无偏移)，L是位于对应的亮度块的邻近块中的多个过滤亮度样本的原始总和。在等式(45)中，四舍五入取整函数应用到过滤亮度样本的均值上。具体来说，过滤亮度样本的总数通过右移(>>)除以总和，并且随后商转换为最接近商的整数。类似地，在等式(47)中，四舍五入取整函数应用到重建色度样本的均值上。又例如，当16＝nS和BitDepth_C>10，从等式(39)可知k3>0。在这种情况下，C是右移总和，其中原始总和基于位于色度块的邻近块中的多个重建色度样本。类似地，L是位于对应亮度块的邻近块中的多个过滤亮度样本的偏移总和。在等式(45)中，四舍五入取整函数应用到过滤亮度样本的偏移均值上。具体来说，过滤亮度样本的总数通过右移除以偏移总和，并且随后商转换为最接近商的整数。类似地，在等式(47)中，四舍五入取整函数应用到重建色度样本的偏移均值上。因此，如本文所述，可看出总和可以是原始总和或者偏移总和，并且均值可以是原始均值或者偏移均值。

在一项实施例中，avgY'和avgC可使用下取整函数而非四舍五入取整函数。在这种情况下，等式(45)-(48)可分别由以下等式(49)-(52)替代，同时保持其他等式完整：

avgY'＝L>>k2                               (49)

RErrY'＝L&((1<<k2)-1)                 (50)

avgC＝C>>k2                                (51)

RErrC＝C&((1<<k2)-1)                  (52)

应注意，可使用如C/C++、Java、Perl、Python、Matlab、任意其他语言或其组合等任意合适编码或编程语言来实施本文描述的等式、代码和/或伪码。此外，本文所使用的中间参数可拥有或不拥有对应的物理量。在不背离本发明原则情况下，可改变变量的符号。在实施中，如果第二变量不依赖于第一变量，那么可在第一变量之前或者之后计算第二变量。否则，如果第二变量依赖于第一变量，那么在第一变量之后计算第二变量。此外，可有各种生成预测色度样本的算法，所述算法可使用相同或不同的中间变量(例如，表示为a的alpha或者任意其他符号，表示为b的beta或者任意其他符号)。

如上所述，可能还存在第二种使用参数avgY'和avgC计算预测块中的预测样本的方法。在第二组方法的一项实施例中，两种附加参数或中间变量可按如下设置：

$\left\{\begin{array}{c}\mathrm{\&Delta;}{p_Y}^{\&prime;}[-1,y]={p_Y}^{\&prime;}[-1,y]-\mathrm{avg}{Y}^{\&prime;}\\ \mathrm{\&Delta;}{p_Y}^{\&prime;}[x,-1]={p_Y}^{\&prime;}[x,-1]-\mathrm{avg}{Y}^{\&prime;}\end{array}\right.---\left(53\right)$

$\left\{\begin{array}{c}\mathrm{\&Delta;p}[-1,y]=p[-1,y]-\mathrm{avgC}\\ \mathrm{\&Delta;p}[x,-1]=p[x,-1]-\mathrm{avgC}\end{array}\right.---\left(54\right)$

可以看出每个参数Δp_Y'表示顶部邻近行或左侧邻近列的过滤亮度样本和先前定义的avgY'之间的差值。类似地，每个Δp表示顶部邻近行或左侧邻近列的过滤色度样本和先前定义的avgC之间的差值。无论avgY'和avgC使用四舍五入取整或下取整函数，Δp_Y'和Δp可能是符号位。进一步地，Δp_Y'和Δp的最大位宽可等于亮度和色度分量的输入深度。从数学角度而言，可以推演出下式：

$\left\{\begin{array}{c}\mathrm{RErr}{Y}^{\&prime;}=\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}\mathrm{\&Delta;}{p_Y}^{\&prime;}[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}\mathrm{\&Delta;}{p_Y}^{\&prime;}[x,-1]\\ \mathrm{RErrC}=\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}\mathrm{\&Delta;p}[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}\mathrm{\&Delta;p}[x,-1]\end{array}\right.---\left(55\right)$

当引入参数Δp_Y'和Δp，在等式(33)和(35)中分别计算a1'和a2'可重写为：

$\begin{array}{c}{a1}^{\&prime;}=\frac{2*\mathrm{nS}*\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}\right[-1,y]*p[-1,y]+\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}[x,-1]*p[x,-1\left]\right)}{2^{2*k3}}\\ -\frac{2*\mathrm{nS}*(2*\mathrm{nS}*\mathrm{avg}{Y}^{\&prime;}*\mathrm{avgC}+\mathrm{avg}{Y}^{\&prime;}*\mathrm{RErrC}+\mathrm{RErr}{Y}^{\&prime;}*\mathrm{avgC})}{2^{2*k3}}\\ =\frac{2*\mathrm{nS}*(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}\left(\mathrm{\&Delta;}{p_Y}^{\&prime;}\right[-1,y]*\mathrm{\&Delta;p}[-1,y\left]\right)+\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}\left(\mathrm{\&Delta;}{p_Y}^{\&prime;}\right[x,-1]*\mathrm{\&Delta;p}[x,-1\left]\right))}{2^{2*k3}}\end{array}---\left(56\right)$

$\begin{array}{c}{a2}^{\&prime;}=\frac{2*\mathrm{nS}*(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}{[-1,y]}^2+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}{[x,-1]}^2-(2*\mathrm{nS}*\mathrm{avg}{Y^{\&prime;}}^2+2*\mathrm{avg}{Y}^{\&prime;}*\mathrm{RErr}{Y}^{\&prime;}))}{2^{2*k3}}\\ =\frac{2*\mathrm{nS}*(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}\mathrm{\&Delta;}{p_Y}^{\&prime;}{[-1,y]}^2+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{{\mathrm{\&Delta;p}}_Y}^{\&prime;}{[x,-1]}^2)}{2^{2*k3}}\end{array}---\left(57\right)$

随后，在等式(36)中计算alpha'可重写为：

${\mathrm{alpha}}^{\&prime;}=\frac{\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}\left(\mathrm{\&Delta;}{p_Y}^{\&prime;}\right[-1,y]*\mathrm{\&Delta;p}[-1,y]+\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}\left(\mathrm{\&Delta;}{p_Y}^{\&prime;}\right[x,-1]*\mathrm{\&Delta;p}[x,-1\left]\right))}{\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}\mathrm{\&Delta;}{p_Y}^{\&prime;}{[-1,y]}^2+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}\mathrm{\&Delta;}{p_Y}^{\&prime;}{[x,-1]}^2}---\left(58\right)$

等式(58)表示乘法器Δp_Y'和Δp的最大位宽均等于亮度和色度分量的输入位深。例如，如果输入位深为8，则计算alpha'无需超过8位的乘法器。注意由于beta'基于alpha'，因此仍然可使用等式(38)来计算beta'。

使用第二组方法，可以修改等式(1)-(3)和(7)-(22)中所示的原始算法。在一项实施例中，avgY'和avgC使用四舍五入取整函数，并且可使用过滤亮度样本和重建色度样本通过下式和/或伪码生成预测色度样本(即，predSamples[x,y])：

p_Y'[x,-1]＝(recSamples_L[2x-1,-1]+2*recSamples_L[2x,-1]+recSamples_L[2x+1,-1]+2)>>2,其中x＝0到nS-1

p_Y'[-1,y]＝(recSamples_L[-1,2y]+recSamples_L[-1,2y+1])>>1,其中y＝0到nS-1

p_Y'[x,y]＝(recSamples_L[2x,2y]+recSamples_L[2x,2y+1])>>1,其中x,y＝0到nS-1

$\mathrm{avg}{Y}^{\&prime;}=\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}\right[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}[x,-1]+(1<<({\log }_2(2*\mathrm{nS})-1)))>>{\log }_2(2*\mathrm{nS})---\left(59\right)$

$\mathrm{avgC}=\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}p\right[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}p[x,-1]+(1<<({\log }_2(2*\mathrm{nS})-1)))>>{\log }_2(2*\mathrm{nS})---\left(60\right)$

Δp_Y'[-1,y]＝p_Y'[-1,y]-avgY',其中y＝0到nS-1

Δp_Y'[x,-1]＝p_Y'[x,-1]-avgY',其中x＝0到nS-1

Δp[-1,y]＝p[-1,y]-avgC,其中y＝0到nS-1

Δp[x,-1]＝p[x,-1]-avgC,其中x＝0到nS-1

$\mathrm{LL}=(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}\mathrm{\&Delta;}{p_Y}^{\&prime;}{[-1,y]}^2+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}\mathrm{\&Delta;}{p_Y}^{\&prime;}{[x,-1]}^2)$

$\mathrm{LC}=\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}\mathrm{\&Delta;}{p_Y}^{\&prime;}\right[-1,y]*\mathrm{\&Delta;p}[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}\mathrm{\&Delta;}{p_Y}^{\&prime;}[x,-1]*\mathrm{\&Delta;p}[x,-1\left]\right)$

a1＝LC

a2＝LL

k1＝Max(0,log₂(abs(a2))–5)–Max(0,log₂(abs(a1))–14)+2

……

beta＝avgC–((alpha*avgY')>>k1)

predSamples[x,y]＝Clip1_C(((p_Y'[x,y]*alpha)>>k)+beta),其中x,y＝0到nS-1

在上述等式和/或伪码中，如果avgY'和avgC使用下取整函数而非四舍五入取整函数，等式(59)和(60)可由等式(26)和(27)替代，同时保持其他等式完整。进一步地，alpha(a1/a2的整数版本)的推演过程可使用任意可行算法来完成。例如，可使用等式(16)-(20)完成上述省略部分“……”，其中alpha＝a。与等式(16)-(20)相比，省略部分还可进一步简化。如上所示，可能不再使用原始算法的大型乘法器(例如，L和C)，可能移除大型减法器(例如，L*C和L*L)并且可能在计算中不需要k2和k3的参数。因为Δp_Y'和Δp的符号可与其计算一起获取，因此可能仅需要8位或10位乘法器用于计算alpha。随着乘法器和减法器的位数缩减，第二种方法的计算复杂性也可能比原始算法的要简单。进一步地，与原始算法相比，数学运算的总数可缩减。

在一项实施例中，可引入表示为LM_REDUCED_BIT的另一参数或中间变量来进一步简化LM模式。基于可在上述伪码的省略部分(即，“……”)中使用的等式(16)和(17)，a1s和a2s可分别限制为5位和14位(当输入深度为8时)。由于a1s和a2s分别从a1和a2获得，其反过来分别从LL和LC获得，所以可能需要进一步缩减LL和LC的位宽。

参数LM_REDUCED_BIT可表示进一步缩减的位宽，其中LM_REDUCED_BIT是非负整数。LM_REDUCED_BIT值0可表示无进一步位缩减，值1可表示右移一位。其他值可类似地定义。使用参数LM_REDUCED_BIT，可按如下修改表达式avgY'和avgC(在四舍五入取整函数的情况下)：

$\begin{array}{c}\mathrm{avg}{Y}^{\&prime;}=\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}\right[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}[x,-1]+(1<<({\log }_2(2*\mathrm{nS})+\mathrm{LM}\_\mathrm{REDUCED}\_\mathrm{BIT}-1\left)\right))\\ >>({\log }_2(2*\mathrm{nS})+\mathrm{LM}\_\mathrm{REDUCED}\_\mathrm{BIT})\end{array}---\left(61\right)$

$\begin{array}{c}\mathrm{avgC}=\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}p\right[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}p[x,-1]+(1<<({\log }_2(2*\mathrm{nS})+\mathrm{LM}\_\mathrm{REDUCED}\_\mathrm{BIT}-1\left)\right))\\ >>({\log }_2(2*\mathrm{nS})+\mathrm{LM}\_\mathrm{REDUCED}\_\mathrm{BIT})\end{array}---\left(62\right)$

接着，如果在计算预测样本中使用Δp_Y'和Δp参数，等式和/或伪码的一项实施例可如下所示，其中x＝0到nS–1,y＝0到nS–1：

Δp_Y'[–1,y]＝((p_Y'[–1,y]+(1<<(LM_REDUCED_BIT–

                 (63)

1)))>>LM_REDUCED_BIT)–avgY'

Δp_Y'[x,–1]＝((p_Y'[x,–1]+(1<<(LM_REDUCED_BIT–

                   (64)

1)))>>LM_REDUCED_BIT)–avgY'

Δp[–1,y]＝((p[–1,y]+(1<<(LM_REDUCED_BIT–

                   (65)

1)))>>LM_REDUCED_BIT)–avgC

Δp[x,–1]＝((p[x,–1]+(1<<(LM_REDUCED_BIT–

                    (66)

1)))>>LM_REDUCED_BIT)–avgC

$\mathrm{LL}=(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}\mathrm{\&Delta;}{p_Y}^{\&prime;}{[-1,y]}^2+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}\mathrm{\&Delta;}{p_Y}^{\&prime;}{[x,-1]}^2)---\left(67\right)$

$\mathrm{LC}=\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}\mathrm{\&Delta;}{p_Y}^{\&prime;}\right[-1,y]*\mathrm{\&Delta;p}[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}\mathrm{\&Delta;}{p_Y}^{\&prime;}[x,-1]*\mathrm{\&Delta;p}[x,-1\left]\right)---\left(68\right)$

a1＝LC                                                       (69)

a2＝LL                                                 (70)

k1＝Max(0,log₂(abs(a2))–5)–Max(0,log₂(abs(a1))–14)+2  (71)

……

beta＝(1<<(LM_REDUCED_BIT–

                       (72)

1))*avgC–(((1<<(LM_REDUCED_BIT–1))*alpha*avgY')>>k1)

predSamples[x,y]＝Clip1_C(((p_Y'[x,y]*alpha)>>k)+beta),其中

              (73)

x,y＝0到nS-1

在上述等式和/或伪码中，alpha(a1/a2的整数版本)的推演过程可使用任意可行算法来完成。例如，省略部分“……”可使用上述等式(16)-(20)来完成。使用LM_REDUCED_BIT–1，LM模式的计算复杂性可进一步简化。注意公开的LM模式(例如，下取整情况)的其他变体还可类似地使用参数LM_REDUCED_BIT–1。

尽管在上述伪码(在代码的省略部分)中可使用64条目查找表(例如，表1)来使用a2s作为索引确定lmDiv的值，查找表可包括少于64个lmDiv条目。进一步地，如果需要，可通过等式而非查找表确定lmDiv。

当YUV采样率为4:2:0时，如上描述，可能需要在使用重建亮度样本作为参考样本前过滤重建亮度样本，其他采样率可能不需要过滤或下采样，或可具有不同的过滤方案。例如，采样率为4:4:4时，可直接使用每个重建亮度样本作为参考样本，而无需进一步过滤或下采样。在这种情况下，当前色度块和其对应的亮度块具有相同的尺寸nS×nS(或者，如果需要，2nS×2nS)。进一步地，p_Y'[x,y]＝recSamples_L[x,y]，其中，x,y＝–1到nS–1。或者，由于不再需要过滤，符号p_Y'[x,y]可以跳过，而是在以下计算中使用recSamples_L[x,y]。例如，位于对应的重建亮度块的邻近块中的重建亮度样本的均值的下取整函数可计算如下：

$\mathrm{avg}{Y}^{\&prime;}=\mathrm{floor}\left(\frac{\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{\mathrm{recSamples}}_L[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{\mathrm{recSamples}}_L[x,-1]}{2*\mathrm{nS}}\right)$

在具有4:4:4的编码块的LM模式的一项实施例中，通过以下的等式和/或伪码使用重建亮度和色度样本可以生成预测色度样本：

$L=\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{\mathrm{recSamples}}_L\right[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{\mathrm{recSamples}}_L[x,-1\left]\right)$

$C=\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}p\right[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}p[x,-1\left]\right)$

$\mathrm{LL}=(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{\mathrm{recSamples}}_L{[-1,y]}^2+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{\mathrm{recSamples}}_L{[x,-1]}^2)$

$\mathrm{LC}=\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{\mathrm{recSamples}}_L\right[-1,y]*p[-1,y]+\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{\mathrm{recSamples}}_L[x,-1]+p[x,-1\left]\right)$

k2＝log₂(2*nS)

avgY'＝L>>k2

RErrY'＝L&((1<<k2)-1)

avgC＝C>>k2

RErrC＝C&((1<<k2)-1)

a1＝LC–(2*nS*avgY'*avgC+avgY'*RErrC+avgC*RErrY')

a2＝LL–(2*nS*avgY'²+2*avgY'*RErrY')

k1＝Max(0,log₂(abs(a2))–5)–Max(0,log₂(abs(a1))–14)+2

……

beta＝avgC–((alpha*avgY')>>k1)

predSamples[x,y]＝Clip1_C(((p_Y'[x,y]*alpha)>>k)+beta),其中x,y＝0到nS–1

在上述伪码中，下取整函数在重建亮度和色度样本上使用。在采样率为4:4:4的情况下，尽管只有一个实施例示为示例，本领域的技术人员将认识到，例如使用四舍五入取整函数而非下取整函数，和/或使用参数Δp_Y'和Δp而非RErrY'和RErrC的其他变体可在不背离本发明的原则的情况下类似地实施。因此，为了简明起见，这些变体将不再进一步描述。

使用时，使用公开的乘法器的LM模式中的帧内预测可被测试并与HEVC测试模型(HM)锚点比较。为了在缩减乘法器的位宽后评估编码性能，在所有帧内高效率(HE)配置下进行模拟。测试结果包括针对色彩空间(Y、U和V)的三个分量的多个分辨率级别(级别A、B、C、D、E和F)的平均百分比Bjontegaard Delta(BD)率以及加密(Enc)和解密(Dec)时间。在模拟中，使用公开的LM模式的帧内预测的BD率与在编码器的HM5.0锚点中使用的LM模式比较，所述编码器使用大位宽的乘法器。

表2示出了与所有帧内HE配置的HM5.0锚点相比，使用公开的算法的帧内预测的相对性能。在这种情况下，参数avgY'和avgC使用了下取整函数并且使用了RErrY'和RErrC。仅考虑由普通测试情况定义的级别A中的8位序列。结果表明测试案例的平均BD率改变很小或不改变。例如，针对U分量，级别A、B、C、D和E的平均BD率不变，而针对所有帧内HE中的U分量增加0.1％。针对V分量，级别F的BD率增加0.2％，针对V分量保持不变。进一步地，与HM5.0锚点相比，测试案例的编码(Enc)和解码(Dec)时间分别降低1％和3％，这表示编码速度提高。

表2：公开的算法与HM5.0锚点所有帧内HE的测试结果

表3示出了与所有帧内HE10配置的HM5.0锚点相比，使用公开的算法的帧内预测的相对性能。在这种情况下，参数avgY'和avgC使用了下取整函数并且使用了Δp_Y'和Δp参数。考虑由普通测试情况定义的级别A中的10位序列。结果表明色度分量的平均BD率显示了小幅增长。进一步地，与HM5.0锚点相比，测试案例的编码(Enc)时间增加3％。

表3：公开的算法与HM5.0锚点所有帧内HE10的测试结果

表4示出了与所有帧内HE配置的HM5.0锚点比较，使用公开的算法的帧内预测的相对性能。在这种情况下，参数avgY'和avgC使用了下取整函数并且使用了Δp_Y'和Δp参数。参数LM_REDUCED_BIT设置为1。结果表明色度分量的平均BD率有小幅降低。进一步地，编码(Enc)时间增加2％并且解码(Dec)时间降低1％。

表4：公开的算法与具有LM_REDUCED_BIT＝1的HM5.0锚点所有帧内HE的测试结果

表5示出了与所有帧内HE配置的HM5.0锚点比较，使用公开的算法的帧内预测的相对性能。在这种情况下，参数avgY'和avgC使用了下取整函数并且使用了Δp_Y'和Δp参数。参数LM_REDUCED_BIT设置为2。结果表明色度分量的平均BD率显示了小幅增长。进一步地，编码(Enc)时间不变并且解码(Dec)时间降低4％。

表5：公开的算法与具有LM_REDUCED_BIT＝2的HM5.0锚点所有帧内HE的测试结果

基于表4和5，可看出当LM_REDUCED_BIT设置为1或2时，存在一些编码损失。缩减2位显示了更大的编码损失但是复杂度降低了。实际上，设置LM_REDUCED_BIT＝0(无位缩减)或LM_REDUCED_BIT＝1可在复杂度和性能之间做出良好的权衡。

图3为使用公开的LM模式的帧内预测方法300的流程图。方法300可在视频编解码器(例如，图1中的视频编码器100或者图2中的视频解码器200)中实施。方法300始于步骤310，其中可接收包括当前色度块的视频帧或切片。视频帧也可包括已编码的块。已编码的块包括当前色度块对应的重建亮度块、邻近对应亮度块的重建亮度样本及邻近当前色度块的重建色度样本。对应的亮度块包括多个重建亮度样本。

其次，在步骤320中，可过滤或下采样重建亮度样本以生成过滤亮度样本，此亮度样本随后将用作参考样本。过滤后，可将对应的重建亮度块的宽度减半，减半后的宽度等于当前色度块的宽度。在如采样率为4:2:0时，可能需要过滤或下采样亮度分量。在采样率为4:4:4等时，可以无需任何过滤或下采样直接使用重建亮度样本作为参考样本。在这种情况下，可跳过步骤320。在步骤330中，参数LM_REDUCED_BIT可设置为期待值。例如，LM_REDUCED_BIT可设置为1或2。LM_REDUCED_BIT的设置为可选，因此，在一些编解码器中，可能不出现LM_REDUCED_BIT。在这种情况下，可跳过步骤330。

之后，在步骤340中，可计算中间变量avgY'和avgC。可在过滤邻近亮度样本的均值和重建邻近色度样本的均值上应用四舍五入取整或下取整函数以分别获取avgY'和avgC。如果之前设置了LM_REDUCED_BIT，还可能影响avgY'和avgC的计算。可使用本文所述的等式和/或伪码计算中间变量。之后，在步骤350中，可计算参数或中间变量RErrY'和RErrC或Δp_Y'和Δp。选择RErrY'和RErrC或Δp_Y'和Δp可预先配置并取决于应用。

之后，在步骤360中，基于先前计算的中间变量可计算包括alpha(有时表示为a)和beta(有时表示为b)的更多的中间变量。计算alpha和beta可包括确定lmDiv值，lmDiv值可以基于lmDiv查找表或等式。之后，在步骤370中，基于已计算的alpha和beta值可计算预测色度样本，alpha和beta值作为运用到位于对应的亮度块中的过滤亮度样本上的线性系数。预测色度样本组成了当前色度块的预测块。

应了解，方法300可仅包括需要完成LM模式的部分中间变量，因此，在适当的地方，如k1、a1、a2等其他中间变量也可以并入帧内预测过程。在不背离公开的LM模式的原则的情况下，可改变中间变量的符号。另外，例如，如果一个步骤不依赖于之前的步骤，可灵活改变执行顺序或序列。例如，由于步骤330不依赖于步骤320或310，所以如果需要可将步骤330移到这些步骤之前。

上述的方案可在任何通用网络系统上实施，例如具有足够的处理能力、存储资源以及网络吞吐能力来处理其上的必要工作量的计算机或特定网络组件。图4示出了通用计算机系统400的示意图，该通用计算机系统适用于实施本文所公开的方法的一项或多项实施例，例如，视频编码器100、视频解码器200和帧内预测方法300。计算机系统400包括处理器402(可以称为中央处理器单元或CPU)，所述处理器与包括以下项的存储设备通信：辅助存储器404、只读存储器(ROM)406、随机存取存储器(RAM)408、发射器/接收器410、输入/输出(I/O)设备412。虽然处理器402作为单个处理器说明，但其并非受限于此，而是可以包括多个处理器。处理器402可以实施为一个或多个CPU芯片、核(例如多核处理器)、现场可编程门阵列(FPGA)、专用集成电路(ASIC)和/或数字信号处理器(DSP)，并且/或者可以是一个或多个ASIC的一部分。处理器402可以用于实施本文中所述的包括实施伪码的任何方案，例如，视频编码器100、视频解码器200和帧内预测方法300。处理器402可以使用硬件、软件或这两者结合来实施。

辅助存储器404通常包括一个或多个磁盘驱动器或磁带驱动器，用于数据的非易失性存储，且当RAM408的容量不足以存储所有工作数据时，所述辅助存储器则用作溢流数据存储设备。辅助存储器404可以用于存储程序，当选择执行这些程序时，所述程序将加载到RAM408中。ROM406用于存储在程序执行期间读取的指令以及可能读取的数据。ROM406为非易失性存储设备，其存储容量相对于辅助存储器404的较大存储容量而言通常较小。RAM408用于存储易失性数据，还可能用于存储指令。对ROM406和RAM408二者的存取通常比对辅助存储器404的存取速度要快。

发射器/接收器410可用作视频编解码器400的输入和/或输出设备。例如，如果发射器/接收器410用作发射器，其可将数据传出计算机系统400。如果发射器/接收器410用作接收器，其可将数据传入计算机系统400。发射器/接收器410可采用以下形式：调制解调器、调制解调器银行、以太网卡、通用串行总线(USB)接口卡、串行接口、令牌环卡、光纤分布式数据接口(FDDI)卡、无线局域网(WLAN)卡和无线收发器卡，所述无线收发器卡可以是码分多址(CDMA)、全球移动通信系统(GSM)、长期演进(LTE)、全球微波接入互操作性(WiMAX)和/或其他空中接口协议无线收发器卡，以及其他公知网络设备。这些网络连接设备可使处理器402与因特网或者一个或多个内网通信。

I/O设备412可包括视频监控器，液晶显示器(LCD)，触屏显示器，或其它类型的用于显示视频的视频显示器，也可包含捕获视频的视频录像设备。I/O设备412可包括一个或多个键盘、鼠标、轨迹球或其他公知的输入设备。

应理解，通过将可执行指令编程和/或加载至计算机系统400，改变处理器402、RAM408和ROM406中的至少一项，将计算机系统400的一部分转换成特定机器或装置，例如，本发明宣扬的拥有新颖功能的视频编解码器。加载可执行软件至计算机所实现的功能可以通过公知设计规则转换成硬件实施，这在电力工程和软件工程领域是很基础的。决定使用软件还是硬件来实施一个概念通常取决于对设计稳定性及待生产的单元数量的考虑，而不是从软件领域转换至硬件领域中所涉及的任何问题。一般来说，经常变动的设计更适于在软件中实施，因为重新编写硬件实施比重新编写软件设计更为昂贵。通常，稳定及大规模生产的设计更适于在如专用集成电路(ASIC)这样的硬件中实施，因为运行硬件实施的大规模生产比软件实施更为便宜。设计通常可以以软件形式进行开发和测试，之后通过公知设计规则转变成专用集成电路中等同的硬件实施，该集成电路硬线软件指令。由新ASIC控制的机器是一特定的机器或装置，同样地，编程和/或加载有可执行指令的电脑可视为特定的机器或装置。

本发明公开至少一项实施例，且本领域的普通技术人员对所述实施例和/或所述实施例的特征作出的变化、组合和/或修改均在本发明公开的范围内。因组合、合并和/或省略所述实施例的特征而得到的替代性实施例也在本发明的范围内。应当理解的是，本发明已明确阐明了数值范围或限制，此类明确的范围或限制应包括涵盖在上述范围或限制(如从大约1至大约10的范围包括2、3、4等；大于0.10的范围包括0.11、0.12、0.13等)内的类似数量级的迭代范围或限制。例如，每当公开具有下限R_l和上限R_u的数值范围时，具体是公开落入所述范围内的任何数字。具体而言，所述范围内的以下数字是特别揭示的：R＝R_l+k*(R_u–R_l)，其中k为从1％到100％范围内以1％递增的变量，即，k为1％、2％、3％、4％、5％、……、70％、71％、72％、……、95％、96％、97％、98％、99％或100％。此外，还特此公开了，上文定义的两个R值所定义的任何数值范围。除非另行说明，术语“大约”表示其后数值的±10％的范围。相对于权利要求的某一要素，术语“可选择”的使用表示该要素可以是“需要的”，或者也可以是“不需要的”，二者均在所述权利要求的范围内。使用如“包括”、“包含”和“具有”等较广术语应被理解为提供对如“由…组成”、“基本上由…组成”以及“大体上由…组成”等较窄术语的支持。因此，保护范围不受上文所述的限制，而是由所附权利要求书定义，所述范围包含所附权利要求书的标的物的所有等效物。每项和每条权利要求作为进一步公开的内容并入说明书中，且权利要求书是本发明的实施例。所述揭示内容中的参考的论述并不是承认其为现有技术，尤其是具有在本申请案的在先申请优先权日期之后的公开日期的任何参考。本发明中所引用的所有专利、专利申请案和公开案的公开内容在此以引用的方式并入本文本中，其对本发明提供示例性、程序性或其他细节补充。

虽然本发明多个具体实施例，但应当理解，所公开的系统和方法也可通过其他多种具体形式体现，而不会脱离本发明的精神或范围。本发明的实例应被视为说明性而非限制性的，且本发明并不限于本文本所给出的细节。例如，各种元件或部件可以在另一系统中组合或合并，或者某些特征可以省略或不实施。

此外，在不脱离本发明的范围的情况下，各种实施例中描述和说明为离散或单独的技术、系统、子系统和方法可以与其他系统、模块、技术或方法进行组合或合并。展示或论述为彼此耦接或直接耦接或通信的其他项也可以采用电方式、机械方式或其他方式通过某一接口、装置或中间部件间接地耦接或通信。其他变更、替换、更替示例对本领域技术人员而言是显而易见的，均不脱离此处公开的精神和范围。

Claims (30)

1.一种视频编解码器，其特征在于，包括：

一种处理器，用于：

计算位于色度块的邻近块中并和所述色度块相邻的多个重建色度样本的均值；

通过在所述重建色度样本的所述均值上应用取整函数来计算中间变量；以及

基于所述中间变量为所述色度块生成预测色度样本。

2.根据权利要求1所述的视频编解码器，其特征在于，所述取整函数从由四舍五入取整函数、上取整函数和下取整函数组成的组中选择。

3.根据权利要求2所述的视频编解码器，其特征在于，所述中间变量是表示为avgC的第一中间变量，其中所述处理器进一步用于计算表示所述多个重建色度样本的总和和2*nS*avgC之间的差值的第二中间变量，ns表示所述色度块的宽度，所述重建色度样本的数目等于2*nS，生成所述预测色度样本进一步基于所述第二中间变量。

4.根据权利要求1所述的视频编解码器，其特征在于，所述处理器进一步用于：

通过过滤位于对应的重建亮度块中的第一多个重建亮度样本来生成第一多个过滤亮度样本；

通过过滤位于所述对应的重建亮度块中并和所述对应的重建亮度度块相邻的的第二多个重建亮度样本来生成第二多个过滤亮度样本；

计算所述第二多个过滤亮度样本的均值；以及

通过在所述第二多个过滤亮度样本的所述均值上应用所述取整函数来计算第三中间变量，

其中生成所述预测色度样本进一步基于所述第三中间变量。

5.根据权利要求3所述的视频编解码器，其特征在于，所述处理器进一步用于：

通过过滤位于对应的重建亮度块中的第一多个重建亮度样本来生成第一多个过滤亮度样本；

通过过滤位于所述对应的重建亮度块中并和所述对应的重建亮度度块相邻的的第二多个重建亮度样本来生成第二多个过滤亮度样本；

计算所述第二多个过滤亮度样本的均值；以及

通过在所述第二多个过滤亮度样本的所述均值上应用所述取整函数来计算第三中间变量，

其中生成所述预测色度样本进一步基于所述第三中间变量。

6.根据权利要求5所述的视频编解码器，其特征在于，所述处理器进一步用于计算表示所述第二多个过滤亮度样本的总和和2*nS*avgY'之间的差值的第四中间变量，其中所述对应的重建亮度块的宽度和所述第二多个过滤亮度样本的数目均等于2*nS，avgY'表示所述第三中间变量，生成所述预测色度样本进一步基于所述第四中间变量。

7.根据权利要求6所述的视频编解码器，其特征在于，计算所述重建色度样本的所述均值包括将所述重建色度样本的所述总和选择性地右移多位，其中计算所述第二多个过滤亮度样本的所述均值包括将所述第二多个过滤亮度样本的所述总和选择性地右移所述多位，所述位数由nS和所述色度块的输入位深确定。

8.根据权利要求6所述的视频编解码器，其特征在于，所述处理器进一步用于：

基于所述第一、第二、第三及第四中间变量计算表示为a1的中间变量；

基于所述第三和第四中间变量计算表示为a2的中间变量，其中计算a1和a2不使用位宽大于所述色度块的输入位深的乘法器；以及

计算a1和a2的整数商以生成表示为alpha的中间变量。

其中生成所述预测色度样本进一步基于alpha。

9.根据权利要求6所述的视频编解码器，其特征在于，所述第二和第四中间变量分别表示为RErrC和RErrC'，其中所述第一多个过滤亮度样本中的每个样本表示为p_Y'[x,y]，其中x和y为位置索引，所述色度块的输入位深表示为BitDepth_C，所述处理器进一步用于根据下列等式计算表示为a1、a2、k、k1、alpha和beta的附加中间参数：

a1＝LC–(2*nS*avgY'*avgC+avgY'*RErrC+avgC*RErrY')；

a2＝LL–(2*nS*avgY'²+2*avgY'*RErrY')；

k1＝Max(0,log₂(abs(a2))–5)–Max(0,log₂(abs(a1))–14)+2；

k＝13–Max(0,log₂(abs(alpha))–6)；以及

beta＝avgC–((alpha*avgY')>>k1),

其中LC和LL由所述多个重建色度样本和所述第二多个过滤亮度样本确定，alpha是a1和a2的整数商，以及

其中生成表示为predSamples[x,y]的所述预测色度样本使用等式：

predSamples[x,y]＝Clip1_C(((p_Y'[x,y]*alpha)>>k)+beta),其中x,y＝0到nS-1,

其中函数Clip1_C(x)定义为：

Clip1_C(x)＝Clip3(0,(1<<BitDepth_C)-1,x),

函数Clip3(x,y,z)定义为：

$\mathrm{Clip}3(x,y,z)=\left\{\begin{array}{cc}x;& z<x\\ y;& z>y\\ z;& \mathrm{otherwise}\end{array}\right..$

10.根据权利要求9所述的视频编解码器，其特征在于，所述处理器进一步用于通过下式确定LL和LC：

等式：

k3＝Max(0,BitDepth_C+log₂(nS)–14)；

$\mathrm{LL}=(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}{[-1,y]}^2+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}{[x,-1]}^2)>>k3;\mathrm{and}$

$\mathrm{LC}=\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}\right[-1,y]*p[-1,y]+\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}[x,-1]*p[x,-1\left]\right)>>k3$

或者等式：

$\mathrm{LL}=(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}{[-1,y]}^2+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}{[x,-1]}^2);\mathrm{and}$

$\mathrm{LC}=\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}\right[-1,y]*p[-1,y]+\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}[x,-1]*p[x,-1\left]\right).$

11.根据权利要求6所述的视频编解码器，其特征在于，所述处理器进一步用于设置表示为LM_REDUCED_BIT的参数，根据下列等式计算avgY'和avgC：

$\begin{array}{c}\mathrm{avg}{Y}^{\&prime;}=\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}\right[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}[x,-1]+(1<<({\log }_2(2*\mathrm{nS})+\mathrm{LM}\_\mathrm{REDUCED}\_\mathrm{BIT}-\\ >>({\log }_2(2*\mathrm{nS})+\mathrm{LM}\_\mathrm{REDUCED}\_\mathrm{BIT});\mathrm{and}\end{array}$

$\begin{array}{c}\mathrm{avgC}=\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}p\right[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}p[x,-1]+(1<<({\log }_2(2*\mathrm{nS})+\mathrm{LM}\_\mathrm{REDUCED}\_\mathrm{BIT}-1)))\\ >>({\log }_2(2*\mathrm{nS})+\mathrm{LM}\_\mathrm{REDUCED}\_\mathrm{BIT}).\end{array}$

12.根据权利要求6所述的视频编解码器，其特征在于，所述色度块的输入位深的取值范围为8至10，所述色度块的所述宽度不小于4且不大于32。

13.根据权利要求3所述的视频编解码器，其特征在于，所述处理器进一步用于：

计算位于对应的重建亮度块的邻近块中并与所述对应的重建亮度块相邻的多个重建亮度样本的均值；

通过在所述多个重建亮度样本的所述均值上应用所述取整函数来计算表示为avgY的第五中间变量；以及

计算表示为所述多个重建亮度样本的总和和2*nS*avgY之间的差值的第六中间变量，其中所述对应的重建亮度块的宽度等于nS，以及

其中生成所述预测色度样本进一步基于所述第六中间变量。

14.根据权利要求13所述的视频编解码器，其特征在于，所述处理器进一步用于：

基于所述第一、第二、第五及第六中间变量计算表示为a1的中间变量；

基于所述第五和第六中间变量计算表示为a2的中间变量，其中计算a1和a2不使用位宽大于所述色度块的输入位深的乘法器；以及

计算a1和a2的整数商以生成表示为alpha的中间变量。

其中生成所述预测色度样本进一步基于alpha。

15.根据权利要求2所述的视频编解码器，其特征在于，所述处理器进一步用于计算表示为Δp的所述多个重建色度样本中的每个样本与所述中间变量之间的差值，生成所述预测色度样本进一步基于所述差值。

16.根据权利要求15所述的视频编解码器，其特征在于，所述处理器进一步用于：

计算位于对应的重建亮度块的邻近块中并与所述对应的重建亮度块相邻的多个亮度样本的均值；

通过在所述多个亮度样本的所述均值上应用所述取整函数来计算第二中间变量；以及

计算第三中间变量来表示所述第二中间变量和所述多个亮度样本中的每个样本之间的差值，以及

其中生成所述预测色度样本进一步基于所述第三中间变量。

17.根据权利要求2所述的视频编解码器，其特征在于，所述处理器进一步用于：

生成表示所述色度块和所述预测块之间的差值的残余块；以及

对所述残余块进行熵编码以生成编码的残余块。

18.根据权利要求2所述的视频编解码器，其特征在于，所述处理器进一步用于：

对编码的残余块进行解码以生成解码的残余块；以及

合并所述解码的残余块和所述预测块以生成所述色度块。

19.一种视频编码方法，其特征在于，包括：

计算位于色度块的邻近块中并与所述色度块相邻的多个重建色度样本的均值；

通过在所述重建色度样本的所述均值上应用取整函数来计算中间变量；以及

基于所述中间变量为所述色度块生成预测色度样本。

20.根据权利要求19所述的方法，其特征在于，所述取整函数从由四舍五入取整函数和下取整函数组成的组中选择。

21.根据权利要求20所述的方法，其特征在于，所述中间变量是表示为avgC的第一中间变量，所述方法进一步包括计算表示所述多个重建色度样本的总和和2*nS*avgC之间的差值的第二中间变量，ns表示所述色度块的宽度，所述重建色度样本的数目等于2*nS，生成所述预测色度样本进一步基于所述第二中间变量。

22.根据权利要求21所述的方法，其特征在于，进一步包括：

通过过滤位于对应的重建亮度块中的第一多个重建亮度样本来生成第一多个过滤亮度样本；

通过过滤位于所述对应的重建亮度块中并和所述对应的重建亮度度块相邻的的第二多个重建亮度样本来生成第二多个过滤亮度样本；

计算所述第二多个过滤亮度样本的均值；以及

通过在所述第二多个过滤亮度样本的所述均值上应用所述取整函数来计算第三中间变量，

其中生成所述预测色度样本进一步基于所述第三中间变量。

23.根据权利要求22所述的方法，其特征在于，进一步包括计算表示所述第二多个过滤亮度样本的总和和2*nS*avgY'之间的差值的第四中间变量，其中所述对应的重建亮度块的宽度和所述第二多个过滤亮度样本的数目均等于2*nS，avgY'表示所述第三中间变量，生成所述预测色度样本进一步基于所述第四中间变量。

24.根据权利要求23所述的方法，其特征在于，计算所述重建色度样本的所述均值包括将所述重建色度样本的所述总和选择性地右移多位，其中计算所述第二多个过滤亮度样本的所述均值包括将所述第二多个过滤亮度样本的所述总和选择性地右移所述多位，所述位数由nS和所述色度块的输入位深确定。

25.根据权利要求23所述的方法，其特征在于，进一步包括：

基于所述第一、第二、第三及第四中间变量计算表示为a1的中间变量；

基于所述第三和第四中间变量计算表示为a2的中间变量，其中计算a1和a2不使用位宽大于所述色度块的输入位深的乘法器；以及

计算a1和a2的整数除法以生成表示为alpha的中间变量。

其中生成所述预测色度样本进一步基于alpha。

26.根据权利要求23所述的方法，其特征在于，进一步包括设置表示为LM_REDUCED_BIT的参数，其中根据下列等式计算avgY'和avgC：

$\begin{array}{c}\mathrm{avg}{Y}^{\&prime;}=\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}\right[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}{p_Y}^{\&prime;}[x,-1]+(1<<({\log }_2(2*\mathrm{nS})+\mathrm{LM}\_\mathrm{REDUCED}\_\mathrm{BIT}-\\ >>({\log }_2(2*\mathrm{nS})+\mathrm{LM}\_\mathrm{REDUCED}\_\mathrm{BIT});\mathrm{and}\end{array}$

$\begin{array}{c}\mathrm{avgC}=\left(\underset{y=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}p\right[-1,y]+\underset{x=0}{\overset{\mathrm{nS}-1}{\mathrm{\&Sigma;}}}p[x,-1]+(1<<({\log }_2(2*\mathrm{nS})+\mathrm{LM}\_\mathrm{REDUCED}\_\mathrm{BIT}-1)))\\ >>({\log }_2(2*\mathrm{nS})+\mathrm{LM}\_\mathrm{REDUCED}\_\mathrm{BIT}).\end{array}$

27.根据权利要求21所述的方法，其特征在于，进一步包括：

计算位于对应的重建亮度块的邻近块中并与所述对应的重建亮度块相邻的多个重建亮度样本的均值；

通过在所述多个重建亮度样本的所述均值上应用所述取整函数来计算表示为avgY的第五中间变量；以及

计算表示为所述多个重建亮度样本的总和和2*nS*avgY之间的差值的第六中间变量，其中所述对应的重建亮度块的宽度等于nS，

其中生成所述预测色度样本进一步基于所述第六中间变量。

28.根据权利要求20所述的方法，其特征在于，进一步包括：

计算表示为Δp的所述多个重建色度样本中的每个样本与所述中间变量之间的差值；

计算位于对应的重建亮度块的邻近块中并与所述对应的重建亮度块相邻的多个亮度样本的均值；

通过在所述多个亮度样本的所述均值上应用所述取整函数来计算第二中间变量；以及

计算第三中间变量来表示所述第二中间变量和所述多个亮度样本中的每个样本之间的差值，

其中生成所述预测色度样本进一步基于Δp和所述第三中间变量。

29.一种装置，其特征在于，包括：

一种处理器，用于：

为色度块生成预测块，其中所述预测块包括预测色度样本，生成所述预测块包括：

计算位于所述色度块的邻近块中并和所述色度块相邻的多个重建色度样本的总和；

基于所述总和计算中间变量和使用从由四舍五入取整函数和下取整函数组成的组中可选的取整函数；以及

使用所述中间变量生成所述预测块中的预测色度样本。

30.根据权利要求29所述的装置，其特征在于，计算所述中间变量包括：

如果第二中间变量取决于尺寸并且所述色度块的输入位深为0，

从所述总和中计算所述多个重建色度样本的均值；

在所述均值上应用所述取整函数；

否则，

右移所述总和以生成偏移总和；

从所述偏移总和中计算平均值；以及

在所述平均值上应用所述取整函数。