CN112118444B - 编码方法及装置 - Google Patents

编码方法及装置 Download PDF

Info

Publication number
CN112118444B
CN112118444B CN201910539426.7A CN201910539426A CN112118444B CN 112118444 B CN112118444 B CN 112118444B CN 201910539426 A CN201910539426 A CN 201910539426A CN 112118444 B CN112118444 B CN 112118444B
Authority
CN
China
Prior art keywords
mode
candidate sub
sub
determining
component
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910539426.7A
Other languages
English (en)
Other versions
CN112118444A (zh
Inventor
陈方栋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN201910539426.7A priority Critical patent/CN112118444B/zh
Priority to PCT/CN2020/096591 priority patent/WO2020253728A1/zh
Publication of CN112118444A publication Critical patent/CN112118444A/zh
Application granted granted Critical
Publication of CN112118444B publication Critical patent/CN112118444B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/11—Selection of coding mode or of prediction mode among a plurality of spatial predictive coding modes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/146—Data rate or code amount at the encoder output
    • H04N19/147—Data rate or code amount at the encoder output according to rate distortion criteria
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/186—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a colour or a chrominance component
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/567—Motion estimation based on rate distortion criteria

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本申请提供一种编码方法及装置，该编码方法包括：确定当前图像块的当前模式的粗选候选子模式；确定并存储各粗选候选子模式的亮度分量的预测值；基于各粗选候选子模式的亮度分量的预测值估算各粗选候选子模式的率失真代价，并基于各粗选候选子模式的率失真代价从所述粗选候选子模式中粗选出精选候选子模式；从所存储的各粗选候选子模式的亮度分量的预测值中获取各精选候选子模式的亮度分量的预测值，并基于各精选候选子模式的亮度分量的预测值确定各精选候选子模式的精确率失真代价；基于所述精选候选子模式的精确率失真代价，确定所述当前模式的最优子模式。该方法可以提高子模式优选的效率。

Description

编码方法及装置
技术领域
本申请涉及视频编解码技术，尤其涉及一种编码方法及装置。
背景技术
目前，复用周围运动信息的模式存在多种模式，如三角预测模式、仿射(Affine)预测模式、帧内块复制技术(Intra Block Copy，简称IBC)合并(Merge)模式和普通预测模式。而每个模式下，又存在多种子模式。如三角预测模式存在两个子块，两个子块分别有5种和4种运动信息候选，组合后则最多有20种运动信息组合，而两个子块的划分方法又存在45度和135度两种划分方法，因此最多有40种子模式。
对于每个编码块，需要先确定每种模式下的最优的子模式，再从所有模式的最优子模式中选择一种子模式，作为该编码块的最优模式。若所有过程均采用复杂的决策方法进行筛选，编码的复杂度将非常高。
发明内容
有鉴于此，本申请提供一种编码方法及装置。
具体地，本申请是通过如下技术方案实现的：
根据本申请实施例的第一方面，提供一种编码方法，包括：
确定当前图像块的当前模式的粗选候选子模式；其中，所述粗选候选子模式为所述当前模式的用于进行粗选的子模式；
确定并存储各粗选候选子模式的亮度分量的预测值；
基于各粗选候选子模式的亮度分量的预测值估算各粗选候选子模式的率失真代价，并基于各粗选候选子模式的率失真代价从所述粗选候选子模式中粗选出精选候选子模式；其中，所述精选候选子模式为所述当前模式的用于进行精选的子模式；
从所存储的各粗选候选子模式的亮度分量的预测值中获取各精选候选子模式的亮度分量的预测值，并基于各精选候选子模式的亮度分量的预测值确定各精选候选子模式的精确率失真代价；
基于所述精选候选子模式的精确率失真代价，确定所述当前模式的最优子模式。
根据本申请实施例的第二方面，提供一种编码装置，包括处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可读指令，所述处理器被所述机器可读指令促使：
确定当前图像块的当前模式的粗选候选子模式；其中，所述粗选候选子模式为所述当前模式的用于进行粗选的子模式；
确定并存储各粗选候选子模式的亮度分量的预测值；
基于各粗选候选子模式的亮度分量的预测值估算各粗选候选子模式的率失真代价，并基于各粗选候选子模式的率失真代价从所述粗选候选子模式中粗选出精选候选子模式；其中，所述精选候选子模式为所述当前模式的用于进行精选的子模式；
从所存储的各粗选候选子模式的亮度分量的预测值中获取各精选候选子模式的亮度分量的预测值，并基于各精选候选子模式的亮度分量的预测值确定各精选候选子模式的精确率失真代价；
基于所述精选候选子模式的精确率失真代价，确定所述当前模式的最优子模式。
本申请实施例的编码方法，通过确定当前图像块的当前模式的粗选候选子模式，确定并存储各粗选候选子模式的亮度分量的预测值，基于各粗选候选子模式的亮度分量的预测值估算各粗选候选子模式的率失真代价，并基于各粗选候选子模式的率失真代价从所述粗选候选子模式中粗选出精选候选子模式；进而，从所存储的各粗选候选子模式的亮度分量的预测值中获取各精选候选子模式的亮度分量的预测值，并基于各精选候选子模式的亮度分量的预测值确定各精选候选子模式的精确率失真代价，并基于精选候选子模式的精确率失真代价，确定当前模式的最优子模式，通过在子模式精选过程中复用子模式粗选过程中计算的亮度分量的预测值，提高了子模式精选的效率，进而，提高了子模式优选的效率。
附图说明
图1是本申请一示例性实施例示出的一种编码方法的流程示意图；
图2是本申请一示例性实施例示出的一种子模式粗选的流程示意图；
图3是本申请一示例性实施例示出的一种子模式精选的流程示意图；
图4是本申请又一示例性实施例示出的一种子模式精选的流程示意图；
图5是本申请又一示例性实施例示出的一种子模式精选的流程示意图；
图6是本申请一示例性实施例示出的一种编码装置的硬件结构示意图；
图7是本申请一示例性实施例示出的一种编码装置的结构示意图；
图8是本申请又一示例性实施例示出的一种编码装置的结构示意图；
图9是本申请又一示例性实施例示出的一种编码装置的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
为了使本申请实施例的上述目的、特征和优点能够更加明显易懂，下面先对本申请实施例中涉及的部分技术术语进行解释说明。
帧内预测(Intra Prediction)：指利用当前图像块的空域相邻块(与当前图像块处于同一帧图像)的重建像素值进行预测编码。
帧间预测(Inter Prediction)：指利用当前图像块的时域相邻块(与当前图像块处于不同图像)的重建像素值进行预测编码。
运动矢量(Motion Vector，简称MV)：在帧间预测中，用MV表示当前图像块与其参考图像中的最佳匹配块之间的相对位移。每个划分的块都有相应的运动矢量需要传送到解码端设备。若对每个图像块的MV进行独立编码和传输，特别是划分成小尺寸的块，需要消耗相当多的比特。为了降低用于编码MV的比特数，视频编码中会利用相邻图像块之间的空间相关性，根据相邻已编码块的MV对当前图像块的MV进行预测，然后对预测差进行编码，从而有效降低表示MV的比特数。基于此，在对当前图像块的MV编码过程中，一般先使用相邻已编码块的MV预测当前图像块的MV，然后对MV的预测值(Motion Vector Prediction，简称MVP)与MV的真正估值之间的差值(MotionVector Difference，简称MVD)进行编码，从而有效降低MV的编码比特数。
运动信息(Motion Information)：由于MV表示当前图像块与某个参考图像的某个图像块的位置偏移，为了准确获取指向图像块的信息，除了MV信息，还需要参考图像的索引信息来标识参考图像。视频编码技术中，对于当前图像，通常会基于一定的原则，建立一个参考图像列表，参考图像索引信息用于标识当前图像块采用了参考图像列表中的第几个参考图像。此外，很多编码技术还支持多个参考图像列表，因此还需要一个索引值标识参考图像列表，该索引值可以称为参考方向。视频编码中，将MV、参考帧索引、参考方向等与运动相关的编码信息统称为运动信息。
率失真原则(Rate-Distortion Optimized，简称RDO)：评价编码效率的指标包括：码率和峰值信噪比(Peak Signal to Noise Ratio，简称PSNR)。码率越小，则压缩率越大；PSNR越大，重建图像质量越好。在模式选择的时候，判别公式实质上也就是对二者的综合评价。
模式对应的代价：J(mode)＝D+λ*R。其中，D表示失真(Distortion)，通常使用SSE(差值均方和)指标来衡量，SSE是指重建块与源图像块的差值均方和；λ是拉格朗日乘子；R就是该模式下图像块编码所需的实际比特数，包括编码模式信息、运动信息、残差等所需的比特总和。
在模式选择时，若使用RDO原则去对编码模式做比较决策，通常可以保证编码性能最佳。
精确率失真计算方法与快速率失真计算方法：为了获得某一模式的率失真代价，需获得该模式的失真和比特数开销。而失真和比特数开销的获取，均需要进行该模式所有相关信息的编码，尤其是残差的熵编码，该过程非常耗时。因而，在编码端，通常包括两种率失真计算方法：精确率失真计算方法(精确RDO)和快速率失真计算方法(快速RDO)。精确率失真计算方法是经过完整的该模式所有相关信息的编码来获取最终的失真和比特数开销；而快速率失真计算方法，跳过了该模式的残差编码过程，只基于该模式的预测值与原始值之间的差，以及一些简单的模式信息码率开销估算，来估计该模式的率失真代价，其准确性不如精确率失真计算，但复杂度非常低，有利于软硬件实现。
模式(Mode)与子模式(candidate/submode)：模式是指启用了某一特定方法或工具，如三角预测模式、Regular Merge(普通合并)模式、Affine Merge(仿射合并)模式等。在某一模式中，会涉及一些候选项，可以称为候选子模式(candidate)或子模式(submode)。例如，Regular Merge模式是指直接复用周围运动信息作为当前图像块的运动信息，而不额外编码运动信息差的方法，而周围运动信息可能有N个候选项，采用其中某一个候选项的方法则称为子模式，即模式是采用了该模式方法的所有子模式的集合。
三角预测模式(Triangle Prediction mode)：将一个图像块划分为两个三角子块(存在45度的角度划分模式和135度的角度划分模式)，这两个三角子块拥有不同的单向运动信息，该单向运动信息可以从候选运动信息列表中获取。该模式仅用于Merge/Skip模式，且仅用于预测过程，不影响后续的变换、量化过程。
Regular Merge(普通合并)模式：即传统Merge模式，从候选运动信息列表中选择一个运动信息，基于该运动信息生成当前图像块的预测值。该候选运动信息列表包括：空域相邻块候选运动信息、时域相邻块候选运动信息、空域非相邻块候选运动信息、基于已有运动信息进行组合获取的运动信息，以及默认运动信息(如零运动信息)等。
MMVD(Merge mode with MVD，运动矢量残差合并)模式：该模式选择RegularMerge模式的候选运动信息列表中的某一个运动信息作为基准运动信息，再通过查表方法获取运动信息差。基于基准运动信息和运动信息差获取最终的运动信息，基于该最终的运动信息生成当前图像块的预测值。
Affine Merge(仿射合并)模式：该模式是从候选运动信息列表中选择一个运动信息，基于该运动信息生成当前图像块的预测值。与Regular Meger模式相比，Regular merge模式的候选运动信息列表中的运动信息都是2参数的平移运动矢量，而Affine Merge模式的候选运动信息列表中的运动信息为4参数或6参数的仿射运动信息。
IBC Merge(帧内块复制合并)模式：该模式从候选块矢量列表中选择一个块矢量，基于该块矢量生成当前图像块的预测值。该块矢量是指参考块在当前帧中与当前图像块的偏移矢量。
融合模式(Merge mode，也可以称为合并模式)：指一类直接从候选运动信息列表中选择一个运动信息，生成当前图像块的预测值的预测模式，如三角预测模式、AffineMerge模式、IBC Merge模式、regular merge模式或MMVD模式。这些模式在编码端不需要进行运动搜索过程(即编码端从候选运动信息列表中选择运动信息，而不需要搜索其他已有运动信息来确定是否存在更优的运动信息)，除了MMVD模式外，其他模式都不需要编码运动信息差，即直接复用候选运动信息列表中的某个运动信息。
下面结合附图对本申请实施例中技术方案作进一步详细的说明。
请参见图1，为本申请实施例提供的一种编码方法的流程示意图，该编码方法可以应用于编码端设备，如图1所示，该编码方法可以包括以下步骤：
步骤S100、确定当前图像块的当前模式的粗选候选子模式。
本申请实施例中，为了提高确定最优模式的效率，对于任一模式，可以通过先粗选，后精选的方式，确定该模式的最优子模式。
示例性的，对于当前图像块(编码块)当前尝试使用的编码模式(本文中称为当前模式)，为了确定该当前模式的最优子模式，可以先从该当前模式的子模式中选择出用于进行粗选的子模式(本文中称为粗选候选子模式)。
例如，对于任一模式，可以将该模式的全部子模式均作为粗选候选子模式。
以当前模式为三角预测模式为例，对于三角预测模式，其包括45度的角度划分模式和135度的角度划分模式。基于候选运动矢量的个数(可以称为CandNum)，可以确定三角预测模式的子模式的数量为2*CandNum*(CandNum-1)。CandNum默认为5，则三角子模式的子模式的数量40个，该40个子模式均可以作为粗选候选子模式。
在一个示例中，上述确定当前模式的粗选候选子模式，可以包括：
根据当前图像块的尺寸，从当前图像块的当前模式的子模式中选择第一数量的子模式，并将所选择的子模式确定为粗选候选子模式。
示例性的，考虑到对于任一模式，该模式的各子模式被选中为最优子模式的概率与当前图像块的尺寸存在相关性，因而，在确定粗选候选子模式时，可以根据当前图像块的尺寸，从当前模式的子模式中剔除部分子模式(被选中为最优子模式的概率较低的子模式)，以精简粗选候选子模式的数量，提高子模式粗选的效率。
在一个示例中，可以根据当前图像块的长宽比，对当前模式的子模式进行筛选。
示例性的，考虑到若当前图像块的长宽比越接近1，当前模式的各子模式被选中为最优子模式的概率越接近，反之，当前模式的各子模式被选中为最优子模式的概率差别越大，因而，在确定粗选候选子模式时，可以根据当前图像块的长宽比，对当前模式的子模式进行筛选。
示例性的，从当前模式的子模式中剔除的子模式的数量可以与当前图像块的长宽比正相关，即当前图像的长宽比越大，确定为粗选候选子模式的子模式的数量(本文中可以称为第一数量)越少。
步骤S110、确定并存储各粗选候选子模式的亮度分量的预测值。
步骤S120、基于各粗选候选子模式的亮度分量的预测值估算各粗选候选子模式的率失真代价，并基于各粗选候选子模式的率失真代价从粗选候选子模式中粗选出精选候选子模式。
本申请实施例中，为了实现当前模式的子模式的粗选，可以确定当前模式的各粗选候选子模式的亮度分量的预测值。
例如，仍以当前模式为三角预测模式为例，对于任一粗选候选子模式，可以基于该粗选候选子模式的三角子块划分方法和各三角子块的运动信息，通过运动补偿的方式确定该粗选候选子模式的亮度分量的预测值。
编码端设备确定各粗选候选子模式的亮度分量的预测值时，一方面，可以基于各粗选候选子模式的亮度分量的预测值估算各粗选候选子模式的率失真代价，并基于各粗选候选子模式的率失真代价从粗选候选子模式中粗选出用于进行精选的子模式(本文中称为精选候选子模式)。
另一方面，考虑到子模式的精选过程中也需要使用子模式的亮度分量的预测值，为了避免精选过程中重新计算子模式的亮度分量的预测值，编码端设备确定了各粗选候选子模式的亮度分量的预测值时，可以存储各粗选候选子模式的亮度分量的预测值，以便后续精选过程中可以直接复用该亮度分量的预测值，提高子模式精选的效率。
示例性的，对于任一粗选候选子模式，编码端设备一方面可以基于该粗选候选子模式的亮度分量的预测值和当前图像块的亮度分量的原始值，估算该粗选候选子模式的失真。
在一个示例中，可以通过计算该粗选候选子模式的亮度分量的预测值和当前图像块的亮度分量的原始值的差值的哈达玛变换之后，将当前图像块各像素点的变换后的值求和得到该粗选候选子模式的失真。
另一方面，编码端设备可以估算该粗选候选子模式的子模式信息编码所需比特数(即编码除残差之外的其他子模式信息所需的比特数)。
编码端设备确定了该粗选候选子模式的失真以及子模式信息编码所需比特数时，可以基于该粗选候选子模式的失真以及子模式信息编码所需比特数，确定该粗选候选子模式的率失真代价。
本申请实施例中，编码端设备确定了各粗候选子模式的率失真代价时，可以基于各粗选候选子模式的率失真代价从粗选候选子模式中粗选出精选候选子模式。
例如，编码端设备可以按照各粗选候选子模式的率失真代价从小到大的顺序，选择预设数量(可以根据需求设定)的子模式作为精选候选子模式。
作为一种可能的实施方式，上述基于各粗选候选子模式的率失真代价从粗选候选子模式中粗选出精选候选子模式，可以包括：
基于各粗选候选子模式的率失真代价，按照率失真从小到大的顺序，从粗选候选子模式中选择出最小的第二数量的粗选候选子模式确定为候选精选候选子模式；
若候选精选候选子模式中存在与最小率失真代价的差值大于预设阈值的候选精选候选子模式时，移除该候选精选候选子模式，并将剩余的候选精选候选子模式确定为精选候选子模式。
示例性的，为了精简精选候选子模式的数量，提高子模式精选的效率，对于基于粗选候选子模式的率失真代价粗选出的精选候选子模式(该实施方式中可以称为候选精选候选子模式)，编码端设备可以分别将各候选精选候选子模式的率失真代价与最小率失真代价，并将率失真代价与最小率失真代价的差值大于预设阈值(可以根据实际场景设定)的候选精选候选子模式剔除，将剩余的候选精选候选子模式确定为精选候选子模式。
示例性的，上述最小率失真代价可以包括当前模式的各粗选候选子模式的率失真代价的最小值；或者，当前图像块已尝试的其他模式的各粗选候选子模式的率失真代价的最小值。
在一个示例中，上述候选精选候选子模式的数量(本文中称为第二数量)可以根据当前图像块的尺寸设置。
例如，可以根据当前图像块的长宽比，设置上述第二数量。
示例性的，上述第二数量可以与当前图像块的长宽比正相关，即当前图像的长宽比越大，上述第二数量越多。
步骤S130、从所存储的各粗选候选子模式的亮度分量的预测值中获取各精选候选子模式的亮度分量的预测值，并基于各精选候选子模式的亮度分量的预测值确定各精选候选子模式的精确率失真代价。
本申请实施例中，在子模式精选过程中，不需要再次计算精选候选子模式的亮度分量的预测值，而是可以复用步骤S110中存储的粗选候选子模式的亮度分量的预测值，从而，可以提高子模式精选的效率。
示例性的，编码端设备确定了精选候选子模式时，可以从所存储的各粗选候选子模式的亮度分量的预测值中获取各精选候选子模式的亮度分量的预测值，并基于各精选候选子模式的亮度分量的预测值确定各精选候选子模式的精确率失真代价。
例如，假设粗选候选子模式包括子模式1～30(即步骤S110中存储了子模式1～30的亮度分量的预测值)，精选候选子模式包括子模式1～5，则可以复用所存储的子模式1～5的亮度分量的预测值，而不需要再重新计算。
作为一种可能的实现方式，上述从所存储的各粗选候选子模式的亮度分量的预测值中获取各精选候选子模式的亮度分量的预测值，并基于各精选候选子模式的亮度分量的预测值确定各精选候选子模式的精确率失真代价，可以包括：
对于任一精选候选子模式，从所存储的各粗选候选子模式的亮度分量的预测值中获取该精选候选子模式的亮度分量的预测值，以及计算该子模式的色度分量的预测值；
基于该精选候选子模式的亮度分量和色度分量的预测值，确定该精选候选子模式的残差编码信息以及该精选候选子模式的失真；
基于该精选候选子模式的模式编码信息，以及该精选候选子模式的残差编码信息，确定该精选候选子模式的最终比特数；
基于该精选候选子模式的失真以及最终比特数，确定该精选候选子模式的第一精确率失真代价。
示例性的，在子模式精选过程中，对于任一精选候选子模式，一方面，可以从所存储的各粗选候选子模式的亮度分量的预测值中获取该精选候选子模式的亮度分量的预测值；另一方面，可以计算该精选候选子模式的色度分量的预测值，并基于该精选候选子模式的亮度分量和色度分量的预测值，确定该精选候选子模式的残差编码信息以及该精选候选子模式的失真。
在一个示例中，上述基于该精选候选子模式的亮度分量和色度分量的预测值，确定该精选候选子模式的残差编码信息，可以包括：
基于该精选候选子模式的亮度分量和色度分量的预测值以及当前图像块的亮度分量和色度分量的原始值，分别确定该精选候选子模式的亮度分量和色度分量的原始残差值；
分别对该精选候选子模式的亮度分量和色度分量的原始残差值进行目标操作，确定残差编码所需的第一比特数。
示例性的，上述目标操作包括以下操作之一或多个：变换、量化以及熵编码。
示例性的，对于任一精选候选子模式，在确定了该精选候选子模式的亮度分量和色度分量的预测值时，可以分别基于精选候选子模式的亮度分量的预测值和当前图像块的亮度分量的原始值，确定该精选候选子模式的亮度分量的原始残差值；以及，基于该精选候选子模式的色度分量的预测值和当前图像块的色度分量的原始值，确定该精选候选子模式的色度分量的原始残差值，进而，可以分别对该精选候选子模式的亮度分量和色度分量的原始残差值进行变换、量化以及熵编码等操作中的一个或多个操作(本文中称为目标操作)，以确定该精选候选子模式进行残差编码所需的比特数(本文中称为第一比特数)。
在一个示例中，上述基于该精选候选子模式的亮度分量和色度分量的预测值，确定该精选候选子模式的失真，可以包括：
利用上述目标操作的反向操作，分别确定该精选候选子模式的亮度分量和色度分量的重建值；
基于该精选候选子模式的亮度分量和色度分量的重建值，以及所述当前图像块的亮度分量和色度分量的原始值，确定该精选候选子模式的失真。
示例性的，按照上述方式确定了该精选候选子模式的色度分量和亮度分量的原始残差值时，可以利用目标操作的反向操作(如反变换、反量化等)，分别确定该精选候选子模式的亮度分量和色度分量的重建值，并基于该精选候选子模式的亮度分量和色度分量的重建值，以及当前图像块的亮度分量和色度分量的原始值，确定该精选候选子模式的失真。
例如，可以将该精选候选子模式的亮度分量和色度分量的重建值与亮度分量和色度分量的原始值的SSE或带不同权重的SSE确定为该精选候选子模式的失真。
在一个示例中，上述基于该精选候选子模式的模式编码信息，以及该精选候选子模式的残差编码信息，确定该精选候选子模式的最终比特数，可以包括：
对该精选候选子模式的子模式信息进行编码，确定该精选候选子模式的模式编码信息；
基于第一比特数以及该精选候选子模式的模式编码信息，确定该精选候选子模式的最终比特数。
示例性的，精选候选子模式的最终比特数可以根据残差编码所需的比特数(即上述第一比特数)以及模式编码信息(即对子模式信息进行编码的编码信息)确定。
示例性的对于任一精选候选子模式，当确定了该精选候选子模式的失真，以及最终比特数时，可以基于该精选候选子模式的失真以及最终比特数，确定该精选候选子模式的精确率失真代价(本文中称为第一精确率失真代价)。
在一个示例中，上述分别对该精选候选子模式的亮度分量和色度分量的原始残差值进行目标操作，确定残差编码所需的第一比特数之后，还可以包括：
若目标操作包括量化操作，且该精选候选子模式的亮度分量和色度分量的原始残差值进行量化后得到的亮度分量和色度分量的重建残差均为0，则将该精选候选子模式确定为当前模式的最优子模式。
示例性的，对于任一精选候选子模式，当对该精选候选子模式的亮度分量和色度分量的原始残差值进行量化后得到的亮度分量和色度分量的重建残差均为0，即亮度分量和色度分量均不存在重建残差时，可以将该精选候选子模式确定为当前模式的最优子模式，而不再对当前模式的其他子模式进行尝试(即不需要按照上述方式再计算当前模式的其他子模式的精确率失真代价)。
作为一种可能的实现方式，上述从所存储的各粗选候选子模式的亮度分量的预测值中获取各精选候选子模式的亮度分量的预测值，并基于各精选候选子模式的亮度分量的预测值确定各精选候选子模式的精确率失真代价，可以包括：
对于任一精选候选子模式，从所存储的各粗选候选子模式的亮度分量的预测值中获取该精选候选子模式的亮度分量的预测值，以及计算该精选候选子模式的色度分量的预测值；
基于该精选候选子模式的亮度分量和色度分量的预测值，以及所述当前图像块的亮度分量和色度分量的原始值，确定该精选候选子模式的失真；
对该精选候选子模式的子模式信息进行编码，确定该精选候选子模式的模式编码信息；
基于该精选候选子模式的失真以及模式编码信息，确定该精选候选子模式的第二精确率失真代价。
示例性的，在子模式精选过程中，对于任一精选候选子模式，若该精选候选子模式不需要编码残差，则可以从所存储的各粗选候选子模式的亮度分量的预测值中获取该精选候选子模式的亮度分量的预测值，并计算该精选候选子模式的色度分量的预测值。
示例性的，由于不需要编码残差，因此，可以将亮度分量和色度分量的预测值作为亮度分量和色度分量的重建值，进而，可以基于该精选候选子模式的亮度分量和色度分量的预测值，以及当前图像块的亮度分量和色度分量的原始值，确定该精选候选子模式的失真。
例如，可以将该精选候选子模式的亮度分量和色度分量的预测值(该示例中即为重建值)与亮度分量和色度分量的原始值的SSE或带不同权重的SSE确定为该精选候选子模式的失真。
示例性的，由于不需要编码残差，精选候选子模式最终比特数可以由模式编码信息确定，因此，可以通过对精选候选子模式的子模式信息进行编码，确定该精选候选子模式的模式编码信息(该示例中即为最终比特数)，进而，可以基于该精选候选子模式的失真以及模式编码信息，确定该精选候选子模式的精确率失真代价(本文中称为第二精确率失真代价)。
与上述需要编码残差的实现方式相比，不需要编码残差的实现方式减少了残差编码带来的时间消耗和比特消耗，但是失真通常会更大(对于亮度分量和色度分量的重建残差不均为0的情况)，在实际应用中，可以根据需求选择按照需要编码残差的方式进行子模式精选，或按照不需要编码残差的方式进行子模式精选。
在一个示例中，上述从所存储的各粗选候选子模式的亮度分量的预测值中获取各精选候选子模式的亮度分量的预测值，并基于各精选候选子模式的亮度分量的预测值确定各精选候选子模式的精确率失真代价，还可以包括：
对于任一精选候选子模式，若所述目标操作包括量化操作，且该精选候选子模式的亮度分量和色度分量的原始残差值进行量化后得到的亮度分量和色度分量的重建残差不均为0，则比较该精选候选子模式的第一精确率失真代价和第二精确率失真代价，将该第一精确率失真代价和第二精确率失真代价二者中的较小值确定为该精选候选子模式的精确率失真代价。
示例性的，对于任一精选候选子模式，可以分别按照需要编码残差的方式确定该精选候选子模式的精确率失真代价(即上述第一精确率失真代价)，以及按照不需要编码残差的方式确定该精选候选子模式的精确率失真代价(即上述第二精确率失真代价)。
若在按照需要编码残差的方式确定该精选候选子模式的精确率失真代价的过程中，确定该精选候选子模式的亮度分量和色度分量的原始残差值进行量化后得到的亮度分量和色度分量的重建残差不均为0，则可以比较该精选候选子模式的第一精确率失真代价和第二精确率失真代价，并将该第一精确率失真代价和第二精确率失真代价二者中的较小值确定为该精选候选子模式的精确率失真代价。
步骤S140、基于精选候选子模式的精确率失真代价，确定当前模式的最优子模式。
本申请实施例中，确定了精选候选子模式的精确率失真代价时，如上述第一精确率失真代价，或上述第二精确率失真代价，或上述第一精确率失真代价和第二精确率失真代价中的较小值，可以基于精选候选子模式的精确率失真代价，确定当前模式的最优子模式。
本申请实施例中，编码端设备可以基于当前图像块的各模式的最优子模式的精确率失真代价，确定当前图像块使用的模式(本文中称为目标模式)，并基于目标模式对当前图像块进行编码。
例如，编码端设备可以比较各模式的最优子模式的精确率失真代价，并将精确率失真代价最小的最优子模式确定为当前图像块使用的目标模式。
作为一种可能的实现方式，上述基于各粗选候选子模式的亮度分量的预测值估算各粗选候选子模式的率失真代价之前，还可以包括：
读取预设标志位的值；
若该预设标志位的值为第一值，则确定执行上述基于各粗选候选子模式的亮度分量的预测值估算各粗选候选子模式的率失真代价的步骤；
若该预设标志位的值为第二值，则将粗选候选子模式确定为精选候选子模式；
基于所存储的的各粗选候选子模式的亮度分量的预测值，确定各精选候选子模式的精确率失真代价；
基于各精选候选子模式的精确率失真代价，确定当前模式的最优子模式。
示例性的，为了提高子模式确定的可控性，可以预先设定一个用于标识是否跳过粗选的标志位(本文中称为预设标志位)，基于该标志位的值，可以确定是否跳过粗选，即不进行子模式的粗选。
在一个示例中，该预设标志位的值为第一值，则标识不跳过粗选；该预设标志位的值为第二值，则标识跳过粗选。
示例性的，当需要确定对当前图像块进行编码使用的模式时，可以先读取该预设标志位的值。
若该预设标志位的值为第一值，则确定不跳过粗选，进而，可以按照上述实施例中描述的方式先进行子模式的粗选，然后再进行子模式的精选。
若该预设标志位的值为第二值，则确定跳过粗选，进而，可以将粗选候选子模式确定为精选候选子模式，基于所存储的各粗选候选子模式的亮度分量的预测值，确定各精选候选子模式的精确率失真代价，并基于各精选候选子模式的精确率失真代价，确定当前模式的最优子模式。
在一个示例中，上述方法还可以包括：
基于当前图像块已尝试的其他模式的重建残差信息，确定预设标志位的值。
示例性的，考虑到子模式粗选和子模式精选过程中计算出的率失真代价的主要区别在于是否考虑残差编码所需的比特数，因此，是否需要进行编码残差影响了进行子模式粗选的必要性，而子模式的重建残差(包括亮度分量和色度分量的重建残差)可以作为是否需要进行编码残差的参考，因而，可以基于当前图像块已尝试的其他模式信息的重建残差信息，确定上述预设标志位的值。
在一个示例中，上述基于当前图像块已尝试的其他模式的重建残差信息，确定所述预设标志位的值，可以包括：
若当前图像块的已尝试的其他模式中最优模式的重建残差为0，则确定预设标志位的值为第二值；
否则，确定预设标志位的值为第一值。
示例性的，考虑到当子模式的重建残差为0(即亮度分量和色度分量的重建残差均为0)时，不进行残差编码的相关操作可以节省模式确定的时间，且并不会带来更大的失真，因此，在对当前图像块的当前模式进行子模式优选时，可以获取当前图像块的已尝试的其他模式中最优模式的重建残差；若为0(即亮度分量和色度分量的重建残差均为0)，则可以确定当前图像块的最优模式大概率不需要进行残差编码，此时，跳过粗选可以提高子模式优选的效率；若不为0(即亮度分量或/和色度分量的重建残差不为0)，则可以确定当前图像块的最优模式大概率需要进行残差编码，此时，进行粗选可以提高子模式优选的效率。
在一个示例中，上述方法还可以包括：
若当前模式为特定模式，则确定预设标志位的值为第一值。
示例性的，该特定模式包括任一复用周围运动信息的模式，如三角预测模式、Affine Merge(仿射合并)模式、IBC Merge(帧内块复制合并)模式、regular merge(普通合并)模式或MMVD(Merge mode with MVD，运动矢量残差合并)模式等。
为了使本领域技术人员更好地理解本申请实施例提供的技术方案，下面以当前模式为三角预测模式为例对本申请实施例提供的子模式优选方案进行说明。
实施例一
1、确定三角预测模式的粗选候选子模式。
示例性的，对于三角预测模式，其包括45度的角度划分模式和135度的角度划分模式。基于候选运动矢量的个数CandNum，三角预测模式的子模式的总数为2*CandNum*(CandNum-1)。CandNum默认为5，因此，三角预测模式的子模式的总数为40个。
示例性的，可以将三角预测模式的子模式均确定为粗选候选子模式，也可以基于的当前图像块的尺寸对子模式进行筛选，并将剩余的子模式确定为粗选候选子模式。
假设粗选候选子模式的数量为N_rough。
2、确定三角预测模式的精选候选子模式的数量(下文中称为N_accurate)。
示例性的，精选候选子模式的数量可以设定为固定值(如3)，或者，根据当前图像块的尺寸进行设定。
3、从N_rough个粗选候选子模式中精选出N_accurate个精选候选子模式，其实现流程可以如图2所示，可以包括以下步骤：
步骤S200、对于任一粗选候选子模式，基于该粗选候选子模式的三角子块划分模式和各三角子块的运动信息，确定该粗选候选子模式的亮度分量的预测值，并存储该粗选候选子模式的亮度分量的预测值。
示例性的，可以通过运动补偿的方式确定粗选候选子模式的亮度分量的预测值。
步骤S210、基于该粗选候选子模式的亮度分量的预测值以及当前图像块的亮度分量的原始值，确定该粗选候选子模式的失真。
示例性的，粗选候选子模式的失真(下文中称为D_rough(i))，可以通过计算该粗选候选子模式的亮度分量的预测值和当前图像块的亮度分量的原始值差值的哈达玛变换之后，将全部变换后的值求和得到。
步骤S220、估算该粗选候选子模式的子模式信息编码所需比特。
示例性的，在粗选过程中，可以估算子模式信息编码所需比特，不考虑残差编码所需的比特数，即估算该粗选候选子模式的除残差编码外的子模式信息编码所需的比特(下文中称为R_mode(i))。
步骤S230、基于D_rough(i)和R_mode(i)确定该粗选候选子模式的率失真代价(下文中称为J_rough(i))。
步骤S240、基于各粗选候选子模式的率失真代价从粗选候选子模式中粗选出精选候选子模式。
示例性的，可以按照率失真代价从小到大的顺序，从N_rough个粗选候选子模式中选择N_accurate个精选候选子模式。
在一个示例中，按照图2所示方法流程粗选了N_accurate个精选候选子模式之后，还可以比较该N_accurate个精选候选子模式的率失真代价与最小率失真代价，并将与该最小率失真代价的差值大于预设阈值的精选候选子模式从该N_accurate个精选候选子模式中移除(被移除的精选候选子模式不再参与子模式精选)。
示例性的，该最小率失真代价为当前模式的各粗选候选子模式的率失真代价的最小值，或者，当前图像块已尝试的其他模式的各粗选候选子模式的率失真代价的最小值。
示例性的，精选候选子模式的率失真代价与最小率失真代价的差值大于预设阈值可以为：J_mode(i)>TH1*J_mode_min，即J_mode(i)-J_mode_min＞(TH1-1)J_mode_min；TH1的值可以根据实际需求设定，如设定为1.25。
下文中仍以精选候选子模式的数量为N_accurate为例进行说明。
4、计算各精选候选子模式的色度分量的预测值。
5、计算各精选候选子模式的精确率失真代价，选择精确率失真代价最小的精选候选子模式作为三角预测模式的最优子模式，其实现流程可以如图3所示，可以包括以下步骤：
步骤S300、对于任一精选候选子模式，从所存储的粗选候选子模式的亮度分量的预测值中获取该精选候选子模式的亮度分量的预测值。
示例性的，在子模式的精选过程中，可以复用粗选过程中计算得到的亮度分量的预测值，而不需要再次进行运动补偿获取亮度分量的预测值，以提高子模式精选的效率。
步骤S310、基于该精选候选子模式的亮度分量和色度分量的预测值以及当前图像块的亮度分量和色度分量的原始值，分别确定该精选候选子模式的亮度分量和色度分量的原始残差值。
步骤S320、分别对该精选候选子模式的亮度分量和色度分量的原始残差值进行目标操作，确定残差编码所需的比特数(下文中称为R1)。
示例性的，目标操作可以包括变换、量化以及熵编码等操作中的一种或多种。
步骤S330、利用目标操作的反向操作，分别确定该精选候选子模式的亮度分量和色度分量的重建值，并基于该精选候选子模式的亮度分量和色度分量的重建值，以及当前图像块的亮度分量和色度分量的原始值，确定该精选候选子模式的失真。
示例性的，可以将上述重建值与原始值的SSE或带不同权重的SSE确定为该精选候选子模式的失真(下文中称为D)。
步骤S340、对该精选候选子模式的信息进行编码，确定该精选候选子模式的模式编码信息(下文中称为R2)。
步骤S350、基于R1和R2确定该精选候选子模式的最终比特数(下文中称为R)。
步骤S360、基于该精选候选子模式的失真D和最终比特数R，确定该精选候选子模式的精确率失真代价(下文中称为J)。
步骤S370、与三角预测模式已尝试的其他精选候选子模式比较率失真代价，存储精确率失真代价最小的精选候选子模式的精确率失真代价。
示例性的，可以将精确率失真代价最小的精选候选子模式确定为三角预测模式的最优子模式。
示例性的，确定了三角预测模式的最优子模式时，可以存储该最优子模式的精确率失真代价，以便比较各不同模式的最优子模式的精确率失真代价，以确定对当前图像块进行编码使用的最优模式。
实施例二
1、确定三角预测模式的粗选候选子模式。
示例性的，对于三角预测模式，其包括45度的角度划分模式和135度的角度划分模式。基于候选运动矢量的个数CandNum，三角预测模式的子模式的总数为2*CandNum*(CandNum-1)。CandNum默认为5，因此，三角预测模式的子模式的总数为40个。
示例性的，可以将三角预测模式的子模式均确定为粗选候选子模式，也可以基于的当前图像块的尺寸对子模式进行筛选，并将剩余的子模式确定为粗选候选子模式。
假设粗选候选子模式的数量为N_rough。
2、确定三角预测模式的精选候选子模式的数量(下文中称为N_accurate)。
示例性的，精选候选子模式的数量可以设定为固定值(如3)，或者，根据当前图像块的尺寸进行设定。
3、从N_rough个粗选候选子模式中精选出N_accurate个精选候选子模式，其实现流程可以如图2所示，该实施例不做赘述。
在一个示例中，按照图2所示方法流程粗选了N_accurate个精选候选子模式之后，还可以比较该N_accurate个精选候选子模式的率失真代价与最小率失真代价，并将与该最小率失真代价的差值大于预设阈值的精选候选子模式从该N_accurate个精选候选子模式中移除(被移除的精选候选子模式不再参与子模式精选)。
示例性的，该最小率失真代价为当前模式的各粗选候选子模式的率失真代价的最小值，或者，当前图像块已尝试的其他模式的各粗选候选子模式的率失真代价的最小值。
示例性的，精选候选子模式的率失真代价与最小率失真代价的差值大于预设阈值可以为：J_mode(i)>TH1*J_mode_min，即J_mode(i)-J_mode_min＞(TH1-1)J_mode_min；TH1的值可以根据实际需求设定，如设定为1.25。
下文中仍以精选候选子模式的数量为N_accurate为例进行说明。
4、计算各精选候选子模式的色度分量的预测值。
5、计算各精选候选子模式的精确率失真代价，选择精确率失真代价最小的精选候选子模式作为三角预测模式的最优子模式，其实现流程可以如图4所示，该流程除了可以包括图3所示步骤S300～步骤S370之外，还可以包括以下步骤：
步骤S361、判断该精选候选子模式的亮度分量和色度分量的重建残差是否均为0。若是，则转至步骤S380；否则，转至步骤S370。
步骤S380、将该精选候选子模式确定为三角预测模式的最优子模式，并存储该精选候选子模式的精确率失真代价。
示例性的，对精选候选子模式的亮度分量和色度分量的原始残差值进行量化可以得到该精选候选子模式的亮度分量和色度分量的重建残差。
若精选候选子模式的亮度分量和色度分量的重建残差均为0，则该精选候选子模式可以不进行残差编码，此时，可以将该精选候选子模式确定三角预测模式的最优子模式，而不需要再对其他未尝试的三角预测模式的精选候选子模式进行尝试。
示例性的，当确定该精选候选子模式为三角预测模式的最优子模式时，可以存储该精选候选子模式的精确率失真代价，以便比较各不同模式的最优子模式的精确率失真代价，以确定对当前图像块进行编码使用的最优模式。
实施例三、
以三角预测模式各子模式均不进行残差编码为例。
1、确定三角预测模式的粗选候选子模式。
示例性的，对于三角预测模式，其包括45度的角度划分模式和135度的角度划分模式。基于候选运动矢量的个数CandNum，三角预测模式的子模式的总数为2*CandNum*(CandNum-1)。CandNum默认为5，因此，三角预测模式的子模式的总数为40个。
示例性的，可以将三角预测模式的子模式均确定为粗选候选子模式，也可以基于的当前图像块的尺寸对子模式进行筛选，并将剩余的子模式确定为粗选候选子模式。
假设粗选候选子模式的数量为N_rough。
2、确定三角预测模式的精选候选子模式的数量(下文中称为N_accurate)。
示例性的，精选候选子模式的数量可以设定为固定值(如3)，或者，根据当前图像块的尺寸进行设定。
3、从N_rough个粗选候选子模式中精选出N_accurate个精选候选子模式，其实现流程可以如图2所示，该实施例不做赘述。
在一个示例中，按照图2所示方法流程粗选了N_accurate个精选候选子模式之后，还可以比较该N_accurate个精选候选子模式的率失真代价与最小率失真代价，并将与该最小率失真代价的差值大于预设阈值的精选候选子模式从该N_accurate个精选候选子模式中移除(被移除的精选候选子模式不再参与子模式精选)。
示例性的，该最小率失真代价为当前模式的各粗选候选子模式的率失真代价的最小值，或者，当前图像块已尝试的其他模式的各粗选候选子模式的率失真代价的最小值。
示例性的，精选候选子模式的率失真代价与最小率失真代价的差值大于预设阈值可以为：J_mode(i)>TH1*J_mode_min，即J_mode(i)-J_mode_min＞(TH1-1)J_mode_min；TH1的值可以根据实际需求设定，如设定为1.25。
下文中仍以精选候选子模式的数量为N_accurate为例进行说明。
4、计算各精选候选子模式的色度分量的预测值。
5、计算各精选候选子模式的精确率失真代价，选择精确率失真代价最小的精选候选子模式作为三角预测模式的最优子模式，其实现流程可以如图5所示，其可以包括以下步骤：
步骤S500、对于任一精选候选子模式，从所存储的粗选候选子模式的亮度分量的预测值中获取该精选候选子模式的亮度分量的预测值。
步骤S510、基于该精选候选子模式的亮度分量和色度分量的预测值，以及当前图像块的亮度分量和色度分量的原始值，确定该精选候选子模式的失真。
示例性的，当不进行残差编码时，精选候选子模式的亮度分量和色度分量的重建值分别等于该精选候选子模式的亮度分量和色度分量的预测值。
示例性的，可以将上述预测值与原始值的SSE或带不同权重的SSE确定为该精选候选子模式的失真(下文中称为D)
步骤S520、对该精选候选子模式的信息进行编码，确定该精选候选子模式的模式编码信息。
步骤S530、基于该精选候选子模式的失真以及模式编码信息，确定该精选候选子模式的精确率失真代价。
步骤S540、与三角预测模式已尝试的其他精选候选子模式比较率失真代价，存储精确率失真代价最小的精选候选子模式的精确率失真代价。
实施例四
1、确定三角预测模式的粗选候选子模式。
示例性的，对于三角预测模式，其包括45度的角度划分模式和135度的角度划分模式。基于候选运动矢量的个数CandNum，三角预测模式的子模式的总数为2*CandNum*(CandNum-1)。CandNum默认为5，因此，三角预测模式的子模式的总数为40个。
示例性的，可以将三角预测模式的子模式均确定为粗选候选子模式，也可以基于的当前图像块的尺寸对子模式进行筛选，并将剩余的子模式确定为粗选候选子模式。
假设粗选候选子模式的数量为N_rough。
2、确定三角预测模式的精选候选子模式的数量(下文中称为N_accurate)。
示例性的，精选候选子模式的数量可以设定为固定值(如3)，或者，根据当前图像块的尺寸进行设定。
3、从N_rough个粗选候选子模式中精选出N_accurate个精选候选子模式，其实现流程可以如图2所示，该实施例不做赘述。
在一个示例中，按照图2所示方法流程粗选了N_accurate个精选候选子模式之后，还可以比较该N_accurate个精选候选子模式的率失真代价与最小率失真代价，并将与该最小率失真代价的差值大于预设阈值的精选候选子模式从该N_accurate个精选候选子模式中移除(被移除的精选候选子模式不再参与子模式精选)。
示例性的，该最小率失真代价为当前模式的各粗选候选子模式的率失真代价的最小值，或者，当前图像块已尝试的其他模式的各粗选候选子模式的率失真代价的最小值。
示例性的，精选候选子模式的率失真代价与最小率失真代价的差值大于预设阈值可以为：J_mode(i)>TH1*J_mode_min，即J_mode(i)-J_mode_min＞(TH1-1)J_mode_min；TH1的值可以根据实际需求设定，如设定为1.25。
下文中仍以精选候选子模式的数量为N_accurate为例进行说明。
4、计算各精选候选子模式的色度分量的预测值。
5、计算各精选候选子模式的精确率失真代价，选择精确率失真代价最小的精选候选子模式作为三角预测模式的最优子模式。
示例性，对于任一精选候选子模式，可以分别按照图3所示方法流程(步骤S300～步骤S360)计算该精选候选子模式的精确率失真代价(下文中称为精确率失真代价1)，以及按照图5所示方法流程(步骤S500～步骤S530)计算该精选候选子模式的精确率失真代价(下文中称为精确率失真代价2)，并比较精确率失真代价1和精确率失真代价2，将二者中的较小者确定为该精选候选子模式的精确率失真代价。
可见，通过分别计算进行残差编码的精确率失真代价和不进行残差编码的精确率失真代价，更准确地确定出率失真代价最小的子模式作为最优子模式，优化了子模式优选的效果。
实施例五
在实施例四所示子模式优选方案的基础上，对于任一精选候选子模式，在按照步骤S300～步骤S360描述的方式确定了该精选候选子模式在进行残差编码的情况下的精确率失真代价之后，可以判断该精选候选子模式的亮度分量和色度分量的重建残差是否均为0；若是，则将该精选候选子模式确定为三角预测模式的最优子模式，不再按照步骤S500～步骤S530描述的方式确定该精选候选子模式在不进行残差编码的情况下的精确率失真代价，也不再对三角预测模式的其他未尝试的精选候选子模式进行尝试；否则，按照步骤S500～步骤S530描述的方式确定该精选候选子模式在不进行残差编码的情况下的精确率失真代价，并按照实施例四中描述的方式进行该精选候选子模式的精确率失真代价的确定。
实施例六
1、读取预设标志位的值。
示例性的，可以预先设定一个用于标识是否跳过粗选的标志位，即预设标志位(下文中称为bestisSkip)；若bestisSkip为0，则标识不跳过粗选；若bestisSkip为1，则标识跳过粗选。
在一个示例中，可以基于当前图像块已尝试的其他模式的重建残差信息，确定bestisSkip的值。
例如，若当前图像块的已尝试的其他模式中最优模式的重建残差为0，则确定bestisSkip的值为1；否则，确定bestisSkip的值为0。
在另一个示例中，可以基于当前模式，确定bestisSkip的值。
例如，若当前模式为特定模式，则确定bestisSkip的值为0
2、若bestisSkip的值为0，则可以按照实施例一、实施例二以及实施例三中任一实施例中描述的方式进行子模式的优选(包括粗选和精选)。
3、若bestisSkip的值为1，则可以直接将N_accurate设置为N_rough(即全部粗选候选子模式均作为精选候选子模式，进行子模式精选)，并按照实施例一、实施例二以及实施例三中任一实施例中描述的方式进行子模式的精选(跳过粗选)，即可以按照图3、图4或图5所示的方式进行子模式的精选。
需要说明的是，在步骤3中，由于跳过了粗选，因此，在子模式的精选过程中，需要计算各精选候选子模式的亮度分量的预测值，而无法进行亮度分量的预测值的复用。
实施例七
实施例一至实施例六是以当前模式为三角预测模式为例进行了子模式优选的实现的说明，但当前模式并不限于三角预测模式，实施例一至实施例六的子模式优选方法也可以适用于Affine Merge模式、IBC Merge模式、regular merge模式和MMVD模式等复用周围块运动信息的模式。
示例性的，与应用于三角预测模式相比，当上述实施例描述的子模式优选方式应用于Affine Merge模式、IBC Merge模式、regular merge模式或MMVD模式时，区别在于候选子模式的运动信息类型和数量存在差异(如表1所示)。
表1
Figure BDA0002102111540000191
本申请实施例中，通过确定当前图像块的当前模式的粗选候选子模式，确定并存储各粗选候选子模式的亮度分量的预测值，基于各粗选候选子模式的亮度分量的预测值估算各粗选候选子模式的率失真代价，并基于各粗选候选子模式的率失真代价从所述粗选候选子模式中粗选出精选候选子模式；进而，从所存储的各粗选候选子模式的亮度分量的预测值中获取各精选候选子模式的亮度分量的预测值，并基于各精选候选子模式的亮度分量的预测值确定各精选候选子模式的精确率失真代价，并基于精选候选子模式的精确率失真代价，确定当前模式的最优子模式，通过在子模式精选过程中复用子模式粗选过程中计算的亮度分量的预测值，提高了子模式精选的效率，进而，提高了子模式优选的效率。
以上对本申请提供的方法进行了描述。下面对本申请提供的装置进行描述：
请参见图6，为本申请实施例提供的一种编码装置的硬件结构示意图。该编码装置可包括处理器601、存储有机器可执行指令的机器可读存储介质602。处理器601与机器可读存储介质602可经由系统总线603通信。并且，通过读取并执行机器可读存储介质602中与解码控制逻辑对应的机器可执行指令，处理器601可执行上文描述的编码方法。
本文中提到的机器可读存储介质602可以是任何电子、磁性、光学或其它物理存储装置，可以包含或存储信息，如可执行指令、数据，等等。例如，机器可读存储介质可以是：RAM(Radom Access Memory，随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等)，或者类似的存储介质，或者它们的组合。
如图7所示，从功能上划分，上述编码控制逻辑可以包括第一确定单元710、第二确定单元720、存储单元730、粗选单元740、精选单元750以及第三确定单元760；其中：
所述第一确定单元710，用于确定当前图像块的当前模式的粗选候选子模式；其中，所述粗选候选子模式为所述当前模式的用于进行粗选的子模式；
所述第二确定单元720，用于确定各粗选候选子模式的亮度分量的预测值；
所述存储单元730，用于存储各粗选候选子模式的亮度分量的预测值；
所述粗选单元740，用于基于各粗选候选子模式的亮度分量的预测值估算各粗选候选子模式的率失真代价，并基于各粗选候选子模式的率失真代价从所述粗选候选子模式中粗选出精选候选子模式；其中，所述精选候选子模式为所述当前模式的用于进行精选的子模式；
所述精选单元750，用于从所存储的各粗选候选子模式的亮度分量的预测值中获取各精选候选子模式的亮度分量的预测值，并基于各精选候选子模式的亮度分量的预测值确定各精选候选子模式的精确率失真代价；
所述第三确定单元760，用于基于所述精选候选子模式的精确率失真代价，确定所述当前模式的最优子模式。
作为一种可能的实施方式，所述第一确定单元710，具体用于根据所述当前图像块的尺寸，从所述当前图像块的当前模式的子模式中选择第一数量的子模式，并将所选择的子模式确定为所述粗选候选子模式。
作为一种可能的实施方式，所述粗选单元740，具体用于基于各粗选候选子模式的率失真代价，按照率失真从小到大的顺序，从所述粗选候选子模式中选择出最小的第二数量的粗选候选子模式确定为候选精选候选子模式；若所述候选精选候选子模式中存在与最小率失真代价的差值大于预设阈值的候选精选候选子模式时，移除该候选精选候选子模式，并将剩余的候选精选候选子模式确定为精选候选子模式。
作为一种可能的实施方式，所述最小率失真代价为所述当前模式的各粗选候选子模式的率失真代价的最小值，或者，所述当前图像块已尝试的其他模式的各粗选候选子模式的率失真代价的最小值。
作为一种可能的实施方式，所述第二数量根据所述当前图像块的尺寸设置。
作为一种可能的实施方式，所述精选单元750，具体用于对于任一精选候选子模式，从所存储的各粗选候选子模式的亮度分量的预测值中获取该精选候选子模式的亮度分量的预测值，以及计算该精选候选子模式的色度分量的预测值；
基于该精选候选子模式的亮度分量和色度分量的预测值，确定该精选候选子模式的残差编码信息以及该精选候选子模式的失真；
基于该精选候选子模式的模式编码信息，以及该精选候选子模式的残差编码信息，确定该精选候选子模式的最终比特数；
基于该精选候选子模式的失真以及最终比特数，确定该精选候选子模式的第一精确率失真代价。
作为一种可能的实施方式，所述精选单元750，具体用于基于该精选候选子模式的亮度分量和色度分量的预测值以及所述当前图像块的亮度分量和色度分量的原始值，分别确定该精选候选子模式的亮度分量和色度分量的原始残差值；
分别对该精选候选子模式的亮度分量和色度分量的原始残差值进行目标操作，确定残差编码所需的第一比特数；其中，所述目标操作包括以下操作之一或多个：变换、量化以及熵编码。
作为一种可能的实施方式，所述精选单元750，具体用于利用所述目标操作的反向操作，分别确定该精选候选子模式的亮度分量和色度分量的重建值；
基于该精选候选子模式的亮度分量和色度分量的重建值，以及所述当前图像块的亮度分量和色度分量的原始值，确定该精选候选子模式的失真。
作为一种可能的实施方式，所述精选单元750，具体用于对该精选候选子模式的子模式信息进行编码，确定该精选候选子模式的模式编码信息；
基于所述第一比特数以及该精选候选子模式的模式编码信息，确定该精选候选子模式的最终比特数。
作为一种可能的实施方式，所述精选单元750，具体用于若所述目标操作包括量化操作，且该精选候选子模式的亮度分量和色度分量的原始残差值进行量化后得到的亮度分量和色度分量的重建残差均为0，则将该精选候选子模式确定为所述当前模式的最优子模式。
作为一种可能的实施方式，所述精选单元750，具体用于对于任一精选候选子模式，从所存储的各粗选候选子模式的亮度分量的预测值中获取该精选候选子模式的亮度分量的预测值，以及计算该精选候选子模式的色度分量的预测值；
基于该精选候选子模式的亮度分量和色度分量的预测值，以及所述当前图像块的亮度分量和色度分量的原始值，确定该精选候选子模式的失真；
对该精选候选子模式的子模式信息进行编码，确定该精选候选子模式的模式编码信息；
基于该精选候选子模式的失真以及模式编码信息，确定该精选候选子模式的第二精确率失真代价。
作为一种可能的实施方式，所述精选单元750，具体用于对于任一精选候选子模式，若所述目标操作包括量化操作，且该精选候选子模式的亮度分量和色度分量的原始残差值进行量化后得到的亮度分量和色度分量的重建残差不均为0，则比较该精选候选子模式的第一精确率失真代价和第二精确率失真代价，将该第一精确率失真代价和第二精确率失真代价二者中的较小值确定为该精选候选子模式的精确率失真代价。
作为一种可能的实施方式，如图8所示，上述编码控制逻辑还可以包括：读取单元770；
所述读取单元770，用于读取预设标志位的值；其中，所述预设标志位用于标识是否跳过粗选；
所述粗选单元740，具体用于若所述预设标志位的值为第一值，则基于各粗选候选子模式的亮度分量的预测值估算各粗选候选子模式的率失真代价；
所述精选单元750，还用于若所述预设标志位的值为第二值，则将所述粗选候选子模式确定为精选候选子模式；基于所存储的的各粗选候选子模式的亮度分量的预测值，确定各精选候选子模式的精确率失真代价；基于所述各精选候选子模式的精确率失真代价，确定所述当前模式的最优子模式。
作为一种可能的实施方式，如图9所示，上述编码控制逻辑还可以包括：第四确定单元780；
所述第四确定单元780，用于基于所述当前图像块已尝试的其他模式的重建残差信息，确定所述预设标志位的值。
作为一种可能的实施方式，所述第四确定单元780，具体用于若所述当前图像块的已尝试的其他模式中最优模式的重建残差为0，则确定所述预设标志位的值为所述第二值；
否则，确定所述预设标志位的值为所述第一值。
作为一种可能的实施方式，所述第四确定单元780，还用于若所述当前模式为特定模式，则确定所述预设标志位的值为所述第一值；
其中，所述特定模式包括任一复用周围运动信息的模式。
作为一种可能的实施方式，所述粗选单元740，具体用于当所述当前模式为三角预测模式时，基于该粗选候选子模式的亮度分量的预测值以及所述当前图像块的亮度分量的原始值，确定该粗选候选子模式的失真；
估算该粗选候选子模式的子模式信息编码所需比特数；
基于该粗选候选子模式的失真，以及子模式信息编码所需比特数，确定该粗选候选子模式的率失真代价；
基于各粗选候选子模式的率失真代价从所述粗选候选子模式中粗选出精选候选子模式。
作为一种可能的实施方式，所述粗选单元750，具体用于当所述当前模式为三角预测模式时，对于任一精选候选子模式，从所存储的各粗选候选子模式的亮度分量的预测值中获取该精选候选子模式的亮度分量的预测值，以及计算该子模式的色度分量的预测值；
基于该精选候选子模式的亮度分量和色度分量的预测值以及所述当前图像块的亮度分量和色度分量的原始值，分别确定该精选候选子模式的亮度分量和色度分量的原始残差值；
分别对该精选候选子模式的亮度分量和色度分量的原始残差值进行目标操作，确定残差编码所需的比特数；其中，所述目标操作包括以下操作之一或多个：变换、量化以及熵编码；
利用所述目标操作的反向操作，分别确定该精选候选子模式的亮度分量和色度分量的重建值；
基于该精选候选子模式的亮度分量和色度分量的重建值，以及所述当前图像块的亮度分量和色度分量的原始值，确定该精选候选子模式的失真；
对该精选候选子模式的子模式信息进行编码，确定该精选候选子模式的模式编码信息；
基于该精选候选子模式残差编码所需的比特数以及模式编码信息，确定该精选候选子模式的最终比特数；
基于该精选候选子模式的失真以及最终比特数，确定该精选候选子模式的精确率失真代价。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (18)

1.一种编码方法，应用于编码端设备，其特征在于，所述方法包括：
确定当前图像块的当前模式的粗选候选子模式；其中，所述粗选候选子模式为所述当前模式的用于进行粗选的子模式；
确定并存储各粗选候选子模式的亮度分量的预测值；
基于各粗选候选子模式的亮度分量的预测值估算各粗选候选子模式的率失真代价，并基于各粗选候选子模式的率失真代价从所述粗选候选子模式中粗选出精选候选子模式；其中，所述精选候选子模式为所述当前模式的用于进行精选的子模式；
从所存储的各粗选候选子模式的亮度分量的预测值中获取各精选候选子模式的亮度分量的预测值，并基于各精选候选子模式的亮度分量的预测值确定各精选候选子模式的精确率失真代价；
基于所述精选候选子模式的精确率失真代价，确定所述当前模式的最优子模式；
其中，所述从所存储的各粗选候选子模式的亮度分量的预测值中获取各精选候选子模式的亮度分量的预测值，并基于各精选候选子模式的亮度分量的预测值确定各精选候选子模式的精确率失真代价，包括：
对于任一精选候选子模式，若目标操作包括量化操作，且该精选候选子模式的亮度分量和色度分量的原始残差值进行量化后得到的亮度分量和色度分量的重建残差不均为0，则比较该精选候选子模式的第一精确率失真代价和第二精确率失真代价，将该第一精确率失真代价和第二精确率失真代价二者中的较小值确定为该精选候选子模式的精确率失真代价；
其中，精选候选子模式的第一精确率失真代价依据该精选候选子模式的失真以及最终比特数确定；精选候选子模式的最终比特数依据第一比特数以及模式编码信息确定；所述第一比特数通过分别对精选候选子模式的亮度分量和色度分量的原始残差值进行目标操作确定；目标操作包括以下操作之一或多个：变换、量化以及熵编码；
精选候选子模式的第二精确率失真代价依据该精选候选子模式的失真以及模式编码信息确定。
2.根据权利要求1所述的方法，其特征在于，所述确定当前图像块的当前模式的粗选候选子模式，包括：
根据所述当前图像块的尺寸，从所述当前图像块的当前模式的子模式中选择第一数量的子模式，并将所选择的子模式确定为所述粗选候选子模式。
3.根据权利要求1或2所述的方法，其特征在于，所述基于各粗选候选子模式的率失真代价从所述粗选候选子模式中粗选出精选候选子模式，包括：
基于各粗选候选子模式的率失真代价，按照率失真从小到大的顺序，从所述粗选候选子模式中选择出最小的第二数量的粗选候选子模式确定为候选精选候选子模式；
若所述候选精选候选子模式中存在与最小率失真代价的差值大于预设阈值的候选精选候选子模式时，移除该候选精选候选子模式，并将剩余的候选精选候选子模式确定为精选候选子模式。
4.根据权利要求3所述的方法，其特征在于，所述最小率失真代价为所述当前模式的各粗选候选子模式的率失真代价的最小值，或者，所述当前图像块已尝试的其他模式的各粗选候选子模式的率失真代价的最小值。
5.根据权利要求3所述的方法，其特征在于，所述第二数量根据所述当前图像块的尺寸设置。
6.根据权利要求1或2所述的方法，其特征在于，精选候选子模式的第一精确率失真代价通过以下方式确定：
对于任一精选候选子模式，从所存储的各粗选候选子模式的亮度分量的预测值中获取该精选候选子模式的亮度分量的预测值，以及计算该精选候选子模式的色度分量的预测值；
基于该精选候选子模式的亮度分量和色度分量的预测值，确定该精选候选子模式的残差编码信息以及该精选候选子模式的失真；
基于该精选候选子模式的模式编码信息，以及该精选候选子模式的残差编码信息，确定该精选候选子模式的最终比特数；
基于该精选候选子模式的失真以及最终比特数，确定该精选候选子模式的第一精确率失真代价。
7.根据权利要求6所述的方法，其特征在于，所述基于该精选候选子模式的亮度分量和色度分量的预测值，确定该精选候选子模式的残差编码信息，包括：
基于该精选候选子模式的亮度分量和色度分量的预测值以及所述当前图像块的亮度分量和色度分量的原始值，分别确定该精选候选子模式的亮度分量和色度分量的原始残差值；
分别对该精选候选子模式的亮度分量和色度分量的原始残差值进行目标操作，确定残差编码所需的第一比特数。
8.根据权利要求7所述的方法，其特征在于，所述基于该精选候选子模式的亮度分量和色度分量的预测值，确定该精选候选子模式的失真，包括：
利用所述目标操作的反向操作，分别确定该精选候选子模式的亮度分量和色度分量的重建值；
基于该精选候选子模式的亮度分量和色度分量的重建值，以及所述当前图像块的亮度分量和色度分量的原始值，确定该精选候选子模式的失真。
9.根据权利要求7所述的方法，其特征在于，所述基于该精选候选子模式的模式编码信息，以及该精选候选子模式的残差编码信息，确定该精选候选子模式的最终比特数，包括：
对该精选候选子模式的子模式信息进行编码，确定该精选候选子模式的模式编码信息；
基于所述第一比特数以及该精选候选子模式的模式编码信息，确定该精选候选子模式的最终比特数。
10.根据权利要求7所述的方法，其特征在于，所述分别对该精选候选子模式的亮度分量和色度分量的原始残差值进行目标操作，确定残差编码所需的第一比特数之后，还包括：
若所述目标操作包括量化操作，且该精选候选子模式的亮度分量和色度分量的原始残差值进行量化后得到的亮度分量和色度分量的重建残差均为0，则将该精选候选子模式确定为所述当前模式的最优子模式。
11.根据权利要求1或2所述的方法，其特征在于，精选候选子模式的第二精确率失真代价通过以下方式确定：
对于任一精选候选子模式，从所存储的各粗选候选子模式的亮度分量的预测值中获取该精选候选子模式的亮度分量的预测值，以及计算该精选候选子模式的色度分量的预测值；
基于该精选候选子模式的亮度分量和色度分量的预测值，以及所述当前图像块的亮度分量和色度分量的原始值，确定该精选候选子模式的失真；
对该精选候选子模式的子模式信息进行编码，确定该精选候选子模式的模式编码信息；
基于该精选候选子模式的失真以及模式编码信息，确定该精选候选子模式的第二精确率失真代价。
12.根据权利要求1或2所述的方法，其特征在于，所述基于各粗选候选子模式的亮度分量的预测值估算各粗选候选子模式的率失真代价之前，还包括：
读取预设标志位的值；其中，所述预设标志位用于标识是否跳过粗选；
若所述预设标志位的值为第一值，则确定执行所述基于各粗选候选子模式的亮度分量的预测值估算各粗选候选子模式的率失真代价的步骤；
若所述预设标志位的值为第二值，则将所述粗选候选子模式确定为精选候选子模式；
基于所存储的各粗选候选子模式的亮度分量的预测值，确定各精选候选子模式的精确率失真代价；
基于所述各精选候选子模式的精确率失真代价，确定所述当前模式的最优子模式。
13.根据权利要求12所述的方法，其特征在于，所述方法还包括：
基于所述当前图像块已尝试的其他模式的重建残差信息，确定所述预设标志位的值。
14.根据权利要求13所述的方法，其特征在于，所述基于所述当前图像块已尝试的其他模式的重建残差信息，确定所述预设标志位的值，包括：
若所述当前图像块的已尝试的其他模式中最优模式的重建残差为0，则确定所述预设标志位的值为所述第二值；
否则，确定所述预设标志位的值为所述第一值。
15.根据权利要求12所述的方法，其特征在于，所述方法还包括：
若所述当前模式为特定模式，则确定所述预设标志位的值为所述第一值；
其中，所述特定模式包括任一复用周围运动信息的模式。
16.根据权利要求1或2所述的方法，其特征在于，当所述当前模式为三角预测模式时，所述基于各粗选候选子模式的亮度分量的预测值估算各粗选候选子模式的率失真代价，并基于各粗选候选子模式的率失真代价从所述粗选候选子模式中粗选出精选候选子模式，包括：
基于该粗选候选子模式的亮度分量的预测值以及所述当前图像块的亮度分量的原始值，确定该粗选候选子模式的失真；
估算该粗选候选子模式的子模式信息编码所需比特数；
基于该粗选候选子模式的失真，以及子模式信息编码所需比特数，确定该粗选候选子模式的率失真代价；
基于各粗选候选子模式的率失真代价从所述粗选候选子模式中粗选出精选候选子模式。
17.根据权利要求1或2所述的方法，其特征在于，当所述当前模式为三角预测模式时，所述从所存储的各粗选候选子模式的亮度分量的预测值中获取各精选候选子模式的亮度分量的预测值，并基于各精选候选子模式的亮度分量的预测值确定各精选候选子模式的精确率失真代价，包括：
对于任一精选候选子模式，从所存储的各粗选候选子模式的亮度分量的预测值中获取该精选候选子模式的亮度分量的预测值，以及计算该子模式的色度分量的预测值；
基于该精选候选子模式的亮度分量和色度分量的预测值以及所述当前图像块的亮度分量和色度分量的原始值，分别确定该精选候选子模式的亮度分量和色度分量的原始残差值；
分别对该精选候选子模式的亮度分量和色度分量的原始残差值进行目标操作，确定残差编码所需的比特数；其中，所述目标操作包括以下操作之一或多个：变换、量化以及熵编码；
利用所述目标操作的反向操作，分别确定该精选候选子模式的亮度分量和色度分量的重建值；
基于该精选候选子模式的亮度分量和色度分量的重建值，以及所述当前图像块的亮度分量和色度分量的原始值，确定该精选候选子模式的失真；
对该精选候选子模式的子模式信息进行编码，确定该精选候选子模式的模式编码信息；
基于该精选候选子模式残差编码所需的比特数以及模式编码信息，确定该精选候选子模式的最终比特数；
基于该精选候选子模式的失真以及最终比特数，确定该精选候选子模式的精确率失真代价。
18.一种编码装置，其特征在于，包括处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可读指令，所述处理器被所述机器可读指令促使：
确定当前图像块的当前模式的粗选候选子模式；其中，所述粗选候选子模式为所述当前模式的用于进行粗选的子模式；
确定并存储各粗选候选子模式的亮度分量的预测值；
基于各粗选候选子模式的亮度分量的预测值估算各粗选候选子模式的率失真代价，并基于各粗选候选子模式的率失真代价从所述粗选候选子模式中粗选出精选候选子模式；其中，所述精选候选子模式为所述当前模式的用于进行精选的子模式；
从所存储的各粗选候选子模式的亮度分量的预测值中获取各精选候选子模式的亮度分量的预测值，并基于各精选候选子模式的亮度分量的预测值确定各精选候选子模式的精确率失真代价；
基于所述精选候选子模式的精确率失真代价，确定所述当前模式的最优子模式；
其中，所述从所存储的各粗选候选子模式的亮度分量的预测值中获取各精选候选子模式的亮度分量的预测值，并基于各精选候选子模式的亮度分量的预测值确定各精选候选子模式的精确率失真代价，包括：
对于任一精选候选子模式，若目标操作包括量化操作，且该精选候选子模式的亮度分量和色度分量的原始残差值进行量化后得到的亮度分量和色度分量的重建残差不均为0，则比较该精选候选子模式的第一精确率失真代价和第二精确率失真代价，将该第一精确率失真代价和第二精确率失真代价二者中的较小值确定为该精选候选子模式的精确率失真代价；
其中，精选候选子模式的第一精确率失真代价依据该精选候选子模式的失真以及最终比特数确定；精选候选子模式的最终比特数依据第一比特数以及模式编码信息确定；所述第一比特数通过分别对精选候选子模式的亮度分量和色度分量的原始残差值进行目标操作确定；目标操作包括以下操作之一或多个：变换、量化以及熵编码；
精选候选子模式的第二精确率失真代价依据该精选候选子模式的失真以及模式编码信息确定。
CN201910539426.7A 2019-06-20 2019-06-20 编码方法及装置 Active CN112118444B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910539426.7A CN112118444B (zh) 2019-06-20 2019-06-20 编码方法及装置
PCT/CN2020/096591 WO2020253728A1 (zh) 2019-06-20 2020-06-17 编码方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910539426.7A CN112118444B (zh) 2019-06-20 2019-06-20 编码方法及装置

Publications (2)

Publication Number Publication Date
CN112118444A CN112118444A (zh) 2020-12-22
CN112118444B true CN112118444B (zh) 2022-11-25

Family

ID=73796152

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910539426.7A Active CN112118444B (zh) 2019-06-20 2019-06-20 编码方法及装置

Country Status (2)

Country Link
CN (1) CN112118444B (zh)
WO (1) WO2020253728A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114710666B (zh) * 2022-06-01 2022-09-02 深圳比特微电子科技有限公司 一种编码模式的选择方法、装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1756364A (zh) * 2004-09-30 2006-04-05 华为技术有限公司 帧内预测模式的选择方法
EP2343901A1 (en) * 2010-01-08 2011-07-13 Research In Motion Limited Method and device for video encoding using predicted residuals
CN103905818A (zh) * 2014-04-13 2014-07-02 浙江师范大学 基于霍夫变换的hevc标准中帧内预测模式快速确定方法
CN103929652A (zh) * 2014-04-30 2014-07-16 西安电子科技大学 视频标准中基于自回归模型的帧内预测快速模式选择方法
CN104320657A (zh) * 2014-10-31 2015-01-28 中国科学技术大学 Hevc无损视频编码的预测模式选择方法及相应的编码方法
CN104581152A (zh) * 2014-12-25 2015-04-29 同济大学 一种hevc帧内预测模式选择加速方法
CN104639940A (zh) * 2015-03-06 2015-05-20 宁波大学 一种快速hevc帧内预测模式选择方法
CN105657420A (zh) * 2015-12-30 2016-06-08 邦彦技术股份有限公司 一种面向hevc的快速帧内预测模式判决方法和装置
CN106454349A (zh) * 2016-10-18 2017-02-22 哈尔滨工业大学 一种基于h.265视频编码的运动估计块匹配方法
WO2018010492A1 (zh) * 2016-07-12 2018-01-18 北京大学深圳研究生院 视频编码中帧内预测模式的快速决策方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1206864C (zh) * 2002-07-22 2005-06-15 中国科学院计算技术研究所 结合率失真优化的码率控制的方法及其装置
CN100571390C (zh) * 2006-12-21 2009-12-16 联想(北京)有限公司 一种h264视频编码快速模式选择方法和装置
KR101621854B1 (ko) * 2014-02-21 2016-05-17 연세대학교 산학협력단 Tsm 율-왜곡 최적화 방법, 그를 이용한 인코딩 방법 및 장치, 그리고 영상 처리 장치
CN104954787B (zh) * 2014-03-27 2018-03-23 浙江大华技术股份有限公司 Hevc帧间预测模式选择方法及装置
CN104052994A (zh) * 2014-04-14 2014-09-17 嘉兴职业技术学院 分级自适应的hevc帧内预测模式快速决策方法
CN103997646B (zh) * 2014-05-13 2018-05-01 北京航空航天大学 一种高清视频编码中快速帧内预测模式选择方法
US10142626B2 (en) * 2014-10-31 2018-11-27 Ecole De Technologie Superieure Method and system for fast mode decision for high efficiency video coding
CN104602019A (zh) * 2014-12-31 2015-05-06 乐视网信息技术（北京）股份有限公司 一种视频编码方法及装置
US9807423B1 (en) * 2015-11-24 2017-10-31 Google Inc. Hybrid transform scheme for video coding
CN106231302B (zh) * 2016-07-28 2019-03-19 同观科技（深圳）有限公司 一种最优帧内预测模式的确定方法和系统
US20180103251A1 (en) * 2016-10-07 2018-04-12 Industrial Technology Research Institute Method for selecting prediction mode of intra prediction, video encoding device and image processing apparatus
JP2018078545A (ja) * 2016-10-07 2018-05-17 財團法人工業技術研究院Ｉｎｄｕｓｔｒｉａｌ Ｔｅｃｈｎｏｌｏｇｙ Ｒｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅ 画面内予測の予測モードを選択する方法、ビデオ符号化デバイス及び画像処理装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1756364A (zh) * 2004-09-30 2006-04-05 华为技术有限公司 帧内预测模式的选择方法
EP2343901A1 (en) * 2010-01-08 2011-07-13 Research In Motion Limited Method and device for video encoding using predicted residuals
CN103905818A (zh) * 2014-04-13 2014-07-02 浙江师范大学 基于霍夫变换的hevc标准中帧内预测模式快速确定方法
CN103929652A (zh) * 2014-04-30 2014-07-16 西安电子科技大学 视频标准中基于自回归模型的帧内预测快速模式选择方法
CN104320657A (zh) * 2014-10-31 2015-01-28 中国科学技术大学 Hevc无损视频编码的预测模式选择方法及相应的编码方法
CN104581152A (zh) * 2014-12-25 2015-04-29 同济大学 一种hevc帧内预测模式选择加速方法
CN104639940A (zh) * 2015-03-06 2015-05-20 宁波大学 一种快速hevc帧内预测模式选择方法
CN105657420A (zh) * 2015-12-30 2016-06-08 邦彦技术股份有限公司 一种面向hevc的快速帧内预测模式判决方法和装置
WO2018010492A1 (zh) * 2016-07-12 2018-01-18 北京大学深圳研究生院 视频编码中帧内预测模式的快速决策方法
CN106454349A (zh) * 2016-10-18 2017-02-22 哈尔滨工业大学 一种基于h.265视频编码的运动估计块匹配方法

Also Published As

Publication number Publication date
WO2020253728A1 (zh) 2020-12-24
CN112118444A (zh) 2020-12-22

Similar Documents

Publication Publication Date Title
CN112565784B (zh) 一种编解码方法及其设备
CN111385569B (zh) 一种编解码方法及其设备
CN107277545B (zh) 编码装置和方法、解码装置和方法以及存储介质
US8649436B2 (en) Methods for efficient implementation of skip/direct modes in digital video compression algorithms
CN110933426B (zh) 一种解码、编码方法及其设备
CN111064964B (zh) 一种编解码方法、装置及其设备
CN112118444B (zh) 编码方法及装置
CN112449180B (zh) 一种编解码方法、装置及其设备
CN112543322B (zh) 一种解码、编码方法、装置及其设备
CN110691247B (zh) 一种解码、编码方法和设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant