CN116636205A - 次级变换系数的扫描顺序 - Google Patents

Abstract

用于处理视频数据的方法、装置及计算机可读存储介质。该方法包括从所述视频数据中提取数据块；遵循第一扫描顺序扫描所述数据块中的第一数量的数据项，以生成第一数据序列；对所述第一数据序列执行不可分离变换，以获得具有第二数量的数据项的第二数据序列；以及利用遵循第二扫描顺序的所述第二数据序列的一部分或全部来替换所述数据块中的所述第一数量的数据项的至少一部分。

Description

次级变换系数的扫描顺序

引用并入

本申请基于并要求于2021年8月30日提交的美国临时申请第63/238,646号和于2022年1月28日提交的美国非临时申请第17/587,164号的优先权，这两个申请通过引用整体并入本文。

技术领域

本公开描述了一组先进的视频编码技术。更具体地，所公开的技术涉及在视频编码和解码中数据块的不可分离变换的实施。

背景技术

本文所提供的背景描述旨在整体呈现本申请的背景。在背景技术部分以及本说明书的各个方面中所描述的目前已署名的发明人的工作所进行的程度，并不表明其在本申请提交时作为现有技术，且从未明示或暗示其被承认为本申请的现有技术。

可以使用具有运动补偿的帧间图片预测来进行视频编码和解码。未压缩的数字视频可包括一系列图片，每个图片具有例如1920×1080亮度样本及相关的全采样或子采样色度样本的空间维度。所述系列图片具有固定的或可变的图片速率(或者称为帧率)，例如每秒60个图片或每秒60帧。未压缩的视频具有特定的比特率要求。例如，具有像素分辨率为1920×1080，帧速率为60帧/秒，以及色度子采样为4:2:0，以每个像素每个颜色通道8比特的视频需要接近1.5Gbit/s的带宽。一小时的此类视频需要超过600GB的存储空间。

视频编码和解码的一个目的，是通过压缩减少未压缩输入视频信号的冗余信息。视频压缩可以帮助降低对上述带宽和/或存储空间的要求，在某些情况下可降低两个或更多数量级。无损压缩和有损压缩，以及两者的组合均可采用。无损压缩是指经由解码过程，从压缩的原始信号中重建原始信号精确副本的技术。有损压缩是指原始视频信息在编码期间未被完全保留并且在解码期间不可完全恢复的编码/解码过程。当使用有损压缩时，重建信号可能与原始信号不同，但是原始信号与重建信号之间的失真小到足以使重建信号可用于预期应用，尽管一些信息损失。就视频而言，有损压缩广泛用于许多应用中。可容许失真量取决于应用。例如，某些消费视频流应用的用户可以容许比电影或电视广播应用的用户更高的失真。可以选择或调整通过特定编码算法可实现的压缩比以反映各种失真容限：较高的可容许失真通常允许产生较高损失和较高压缩比的编码算法。

视频编码器和解码器可以利用来自若干广泛类别和步骤的技术，包括例如运动补偿、傅立叶变换、量化以及熵编码。

视频编解码器技术可包括已知的帧内编码技术。在帧内编码中，在不参考先前重建的参考图片的样本或其它数据的情况下表示样本值。在一些视频编解码器中，图片在空间上被细分为样本块。当所有的样本块都以帧内模式编码时，该图片可以被称为帧内图片。帧内图片及其衍生(例如独立解码器刷新图片)可用于复位解码器状态，并且因此可用作编码视频比特流和视频会话中的第一图片，或用作静止图像。然后，可以将帧内预测后的块的样本变换到频域，并且可以在熵编码之前对如此生成的变换系数进行量化。帧内预测表示使预变换域中的样本值最小化的技术。在一些情况下，变换后的DC值越小，并且AC系数越小，则在给定的量化步长尺寸下需要越少的比特来表示熵编码之后的块。

如同从诸如MPEG-2代编码技术中所获知的，传统帧内编码不使用帧内预测。然而，一些较新的视频压缩技术包括：尝试基于例如周围样本数据和/或元数据对块进行编码/解码，该周围样本数据和/或元数据是在空间相邻的编码和/或解码期间获得的，并且在解码顺序上先于正在帧内编码或解码的数据块。此类技术此后被称为“帧内预测”技术。注意，在至少一些情况下，帧内预测仅使用来自重建中的当前图片的参考数据，而不使用来自其它参考图片的参考数据。

可以有许多不同形式的帧内预测。当在给定视频编码技术中可获得多于一种此类技术时，所使用的技术可以被称为帧内预测模式。可以在特定编解码器中提供一个或多个帧内预测模式。在某些情况下，模式可以具有子模式和/或可以与各种参数相关联，并且用于视频块的模式/子模式信息和帧内编码参数可以包含在模式码字中，可以单独或共同编码。对于给定模式、子模式和/或参数组合，使用哪个码字可以通过帧内预测对编码效率增益产生影响，并且用于将码字转换为码流的熵编码技术也同样如此。

帧内预测的某种模式与H.264一起被引入，在H.265中被修正，并且在诸如联合探测模式(JEM)、通用视频编码(VVC)和基准集(BMS)的较新的编码技术中被进一步修正。通常，对于帧内预测，可以使用已变得可用的相邻样本值来形成预测器块。例如，可以将沿着特定方向和/或行的特定相邻样本集的可用值，复制到预测器块中。对使用方向的参考可以在码流中编码，或者本身可以被预测。

参考图1A，在右下方描绘的是在H.265的33个可能的帧内预测器方向(对应于在H.265中指定的35个帧内模式的33个角度模式)中指定的9个预测器方向的子集。箭头会聚的点(101)表示正在被预测的样本。箭头表示使用相邻样本预测101处的样本所根据的方向。例如，箭头(102)指示根据与水平方向成45度角的右上方的一个或多个相邻样本，预测样本(101)。类似地，箭头(103)指示根据与水平方向成22.5度角的样本(101)左下方的一个或多个相邻样本，预测样本(101)。

仍然参考图1A，在左上方示出了一个包括4×4个样本的正方形块(104)(由粗虚线表示)。正方形块(104)由16个样本组成，每个样本用“S”、以及其在Y维度(例如，行索引)上的位置和在X维度(例如，列索引)上的位置来标记。例如，样本S21是Y维度上的第二个样本(从顶部开始)和X维度上的第一个(从左侧开始)样本。类似地，样本S44在Y维度和X维度上都是块(104)中的第四个样本。由于该块为4×4尺寸的样本，因此S44位于右下角。还示出了遵循类似编号方案的示例参考样本。参考样本用"R"、以及其相对于块(104)的Y位置(例如，行索引)和X位置(例如，列索引)来标记。在H.264和H.265中，使用与重建中的块邻近地相邻预测样本。

块104的图片内预测可以通过根据用信号通知的预测方向，从相邻样本复制参考样本值来开始。例如，假设已编码视频码流包括信令，对于该块104，该信令指示箭头(102)的预测方向——也就是说，根据与水平方向成45度角的右上方的一个或多个预测样本来预测样本。在此类情况下，根据相同的参考样本R05来预测样本S41、S32、S23和S14。然后根据参考样本R08预测样本S44。

在某些情况下，例如通过插值，可以合并多个参考样本的值，以便计算参考样本，尤其是当方向不能被45度整除时。

随着视频编码技术不断发展，可能方向的数量增加。例如，在H.264(2003年)中，9个不同的方向可用于帧内预测。这在H.265(2013年)中增加到33个，并且JEM/VVC/BMS在本公开时可以支持多达65个方向。已经进行了实验研究来帮助识别最适合的帧内预测方向，并且可以使用熵编码中的某些技术来以少量比特对那些最适合的方向进行编码，接受用于方向的某些比特代价。此外，方向本身有时可以根据用于已经解码的相邻块的帧内预测的相邻方向来进行预测。

图1B示出了根据JEM描绘65个帧内预测方向的示意图(180)，以说明随着时间的推移各种编码技术中预测方向的数量增加。

用于将表示帧内预测方向的比特映射到已编码视频码流中的预测方向的方式可以随不同的视频编码技术而变化；并且可以例如从预测方向到帧内预测模式、到码字、到涉及最可能模式的复杂自适应方案和类似技术的简单直接映射。然而，在所有情况下，在视频内容中可能存在比某些其它方向在统计上更不可能出现的用于帧内预测的某些方向。由于视频压缩的目标是减少冗余，在精心设计的视频编码技术中，那些更不可能的方向将可以由比更可能的方向更大的比特数来表示。

图片间预测或帧间预测可以基于运动补偿。在运动补偿中，来自先前重建的图片或其部分(参考图片)的样本数据在由运动矢量(以下为MV)指示的方向上空间移位之后可以用于新重建的图片或图片部分(例如，块)的预测。在一些情况下，参考图片可以与当前重建中的图片相同。MV可以具有二维X和Y，或三维，其中第三维是使用中的参考图片的指示(近似时间维)。

在一些视频压缩技术中，可应用于样本数据的某一区域的当前MV可以从其它MV中预测，例如从与空间上邻近重建中区域的样本数据的其它区域相关的并且在解码顺序上先于当前MV的那些其它MV中预测。这样做可以通过依赖于去除相关MV中的冗余来显著减少编码MV所需的总数据量，从而增加压缩效率。MV预测可以有效地执行，例如，因为当对从照相机导出的输入视频信号(称为自然视频)进行编码时，存在比单个MV适用的区域大的区域在视频序列中沿类似方向移动的统计可能性。因此，在一些情况下可以使用从相邻区域的MV导出的类似运动矢量来预测。这导致给定区域的实际MV与从周围MV预测的MV类似或相同。在熵编码之后，此类MV又可以用比如果直接编码MV而不是从一个或多个相邻MV预测所使用的比特数更少的比特数来表示。在一些情况下，MV预测可以是从原始信号(即：样本流)导出的信号(即：MV)的无损压缩的示例。在其它情况下，MV预测本身可能是有损的，例如由于当从若干周围MV计算预测值时的舍入误差。

H.265/HEVC(ITU-T H.265建议书，“高效视频编解码(High Efficiency VideoCoding)”，2016年12月)中描述了各种MV预测机制。在H.265指定的多种MV预测机制中，本申请描述的是下文称作“空间合并”的技术。

请参考图2，当前块(201)包括在运动搜索过程期间已由编码器发现的样本，根据已产生空间偏移的相同尺寸的先前块，可预测所述样本。另外，可从一个或多个参考图片相关联的元数据中导出所述MV，而非对MV直接编码。例如，使用关联于A0、A1和B0、B1、B2(分别对应202到206)五个周围样本中的任一样本的MV，(按解码次序)从最近的参考图片的元数据中导出所述MV。在H.265中，MV预测可使用相邻块也使用的相同参考图片的预测值。

发明内容

本公开的各方面提供了用于视频编码和解码的方法和装置。

本公开的各方面还提供了存储指令的非暂时性计算机可读介质，这些指令在由计算机执行以进行视频解码和/或编码时，使计算机执行用于视频解码和(或)编码的方法。

根据一个方面，本公开的实施例提供了一种处理视频数据的方法。该方法从所述视频数据中提取数据块；遵循第一扫描顺序扫描所述数据块中的第一数量的数据项，以生成第一数据序列；对所述第一数据序列执行不可分离变换，以获得具有第二数量的数据项的第二数据序列；以及利用遵循第二扫描顺序的所述第二数据序列的一部分或全部来替换所述数据块中的所述第一数量的数据项的至少一部分。

根据另一个方面，本公开的一个实施例提供了一种对与视频数据相关联的变换系数进行熵编码的方法。该方法包括响应于与所述变换系数相关联的变换是不可分离的，当执行对所述变换系数的熵编码时使用第一扫描顺序扫描所述变换系数，所述第一扫描顺序是以下各项中的一项：水平扫描顺序；或垂直扫描顺序；以及响应于与所述变换系数相关联的所述变换是可分离的，当执行对所述变换系数的熵编码时，以不同于所述第一扫描顺序的第二扫描顺序扫描所述变换系数。

根据另一个方面，本公开的实施例提供了一种处理视频数据的方法。该方法包括接收所述视频数据；确定是否将不可分离变换作为次级变换应用于所述视频数据；响应于将所述不可分离变换作为所述次级变换应用于所述视频数据：扫描第一数量的初级变换系数，其中所述初级变换系数遵循第一扫描顺序；使用作为输入的所述第一数量的初级变换系数来执行不可分离变换，以获得作为输出的第二数量的次级变换系数，其中所述次级变换系数遵循第二扫描顺序；利用遵循所述第二扫描顺序的所述次级变换系数来替换至少所述第二数量的初级变换系数；使用作为输入的所述第二数量的次级变换系数来执行与所述不可分离变换相对应的逆次级变换，以获得作为输出的所述第一数量的初级变换系数；以及利用遵循所述第一扫描顺序的所述初级变换系数来替换至少所述第一数量的次级变换系数。

根据另一方面，本公开的实施例提供一种用于视频编码和/或解码的装置。该装置包括存储指令的存储器；以及与该存储器通信的处理器。当处理器执行指令时，该处理器被配置为使该装置执行用于视频解码和/或编码的以上方法。

根据另一方面中，本公开的实施例提供存储指令的非易失性计算机可读介质，这些指令在由计算机执行以用于视频解码和/或编码时使计算机执行以上用于视频解码和/或编码的方法。

在附图、说明书和权利要求中更详细地描述了以上方面和其它方面及其实施方案。

附图说明

从以下详细描述和附图中，所公开的主题的其它特征、性质以及各种优点将更加明显。

图1A示出了帧内预测方向模式的示例性子集的示意图。

图1B示出了示例性帧内预测方向的图示。

图2示出了在一个示例中当前块及其周围用于运动矢量预测的空间合并候选的示意图。

图3示出了根据示例实施例的通信系统(300)的简化框图的示意图。

图4示出了根据示例实施例的通信系统(400)的简化框图的示意图。

图5示出了根据示例实施例的视频解码器的简化框图的示意图。

图6示出了根据示例实施例的视频编码器的简化框图的示意图。

图7示出了根据另一示例实施例的视频编码器的框图。

图8示出了根据另一示例实施例的视频解码器的框图。

图9示出了根据本公开的示例实施例的定向帧内预测模式。

图10示出了根据本公开的示例实施例的非定向帧内预测模式。

图11示出了根据本公开的示例实施例的递归帧内预测模式。

图12示出了根据本公开的示例实施例的帧内预测块的变换块划分和扫描。

图13示出了根据本公开的示例实施例的帧间预测块的变换块划分和扫描。

图14示出了根据本公开的示例实施例的低频不可分离变换过程。

图15示出了根据本公开的示例实施例的用于执行不可分离变换的数据流。

图16示出了根据本公开的示例实施例的流程图。

图17示出了根据本公开的示例实施例的计算机系统的示意图。

具体实施方式

图3是根据本申请公开的实施例的通信系统(300)的简化框图。通信系统(300)包括多个终端装置，所述终端装置可通过例如网络(350)彼此通信。举例来说，通信系统(300)包括通过网络(350)互连的第一对终端装置(310)和(320)。在图3的实施例中，第一对终端装置(310)和(320)执行单向数据传输。举例来说，终端装置(310)可对视频数据(例如由终端装置(310)采集的视频图片流)进行编码以通过网络(350)传输到另一个终端装置(320)。已编码的视频数据以一个或多个已编码视频码流形式传输。终端装置(320)可从网络(350)接收已编码视频数据，对已编码视频数据进行解码以恢复视频数据，并根据恢复的视频数据显示视频图片。单向数据传输在媒体服务等应用中是较常见的。

在另一实施例中，通信系统(300)包括执行已编码视频数据的双向传输的第二对终端装置(330)和(340)，所述双向传输可例如在视频会议期间实施。对于双向数据传输，终端装置(330)和终端装置(340)中的每个终端装置可对视频数据(例如由终端装置采集的视频图片流)进行编码，以通过网络(350)传输到终端装置(330)和终端装置(340)中的另一终端装置。终端装置(330)和终端装置(340)中的每个终端装置还可接收由终端装置(330)和终端装置(340)中的另一终端装置传输的已编码视频数据，且可对所述已编码视频数据进行解码以恢复视频数据，且可根据恢复的视频数据在可访问的显示装置上显示视频图片。

在图3的实施例中，终端装置(310)、终端装置(320)、终端装置(330)和终端装置(340)可为服务器、个人计算机和智能电话，但本申请公开的基本原理的适用范围不限于此。本申请公开的实施例适用于桌上型计算机、膝上型计算机、平板电脑、媒体播放器、可穿戴计算机、专用视频会议设备等。网络(350)表示在终端装置(310)、终端装置(320)、终端装置(330)和终端装置(340)之间传送已编码视频数据的任何数目或类型的网络，包括例如有线(连线的)和/或无线通信网络。通信网络(350)可在电路交换、分组交换和/或其他类型信道中交换数据。该网络可包括电信网络、局域网、广域网和/或互联网。出于本申请的目的，除非在本文中有明确解释，否则网络(350)的架构和拓扑对于本申请公开的操作来说可能是无关紧要的。

作为实施例，图4示出视频编码器和视频解码器在视频流式传输环境中的放置方式。本申请所公开主题可同等地适用于其它视频的应用，包括例如视频会议、数字TV广播、游戏、虚拟现实、在包括CD、DVD、存储棒等的数字介质上的压缩视频存储等等。

视频流式传输系统可包括采集子系统(413)，所述采集子系统可包括例如数码相机等视频源(401)，以创建例如未压缩的视频图片或图像流(402)。在实施例中，视频图片流(402)包括由视频源401的数码相机记录的样本。相较于已编码的视频数据(404)(或已编码的视频码流)，未压缩的视频图片流(402)被描绘为粗线以强调高数据量的视频图片流，视频图片流(402)可由电子装置(420)处理，所述电子装置(420)包括耦接到视频源(401)的视频编码器(403)。视频编码器(403)可包括硬件、软件或软硬件组合以实现或实施如下文更详细地描述的所公开主题的各方面。相较于未压缩的视频图片流(402)，已编码的视频数据(404)(或已编码的视频码流(404))被描绘为细线以强调较低数据量的已编码的视频数据(404)(或已编码的视频码流(404))，其可存储在流式传输服务器(405)上，以供将来使用或者直接用于下游视频设备(未示出)。一个或多个流式传输客户端子系统，例如图4中的客户端子系统(406)和客户端子系统(408)，可访问流式传输服务器(405)以检索已编码的视频数据(404)的副本(407)和副本(409)。客户端子系统(406)可包括例如电子装置(430)中的视频解码器(410)。视频解码器(410)对已编码的视频数据的传入副本(407)进行解码，且产生可在显示器(412)(例如显示屏)或另一呈现装置(未描绘)上呈现的未压缩的输出视频图片流(411)。视频解码器410可配置为执行本公开中所述的各种功能的部分或全部功能。在一些流式传输系统中，可根据某些视频编码/压缩标准对已编码的视频数据(404)、视频数据(407)和视频数据(409)(例如视频码流)进行编码。该些标准的实施例包括ITU-T H.265。在实施例中，正在开发的视频编码标准非正式地称为下一代视频编码(Versatile VideoCoding，VVC)，本申请可用于VVC标准和其他视频编码标准的上下文中。

应注意，电子装置(420)和电子装置(430)可包括其它组件(未示出)。举例来说，电子装置(420)可包括视频解码器(未示出)，且电子装置(430)还可包括视频编码器(未示出)。

图5是根据本申请下面公开的实施例的视频解码器(510)的框图。视频解码器(510)可设置在电子装置(530)中。电子装置(530)可包括接收器(531)(例如接收电路)。视频解码器(510)可用于代替图4实施例中的视频解码器(410)。

接收器(531)可接收将由视频解码器(510)解码的一个或多个已编码视频序列；在同一实施例或另一实施例中，一次解码一个已编码视频序列，其中每个已编码视频序列的解码独立于其它已编码视频序列。每个视频序列可以与多个视频帧或图像相关联。可从信道(501)接收已编码视频序列，所述信道可以是通向存储已编码的视频数据的存储装置或者传输已编码视频数据的流式源的硬件/软件链路。接收器(531)可接收已编码的视频数据以及其它数据，例如，可转发到它们各自的处理电路(未标示)的已编码音频数据和/或辅助数据流。接收器(531)可将已编码视频序列与其它数据分开。为了防止网络抖动，缓冲存储器(515)可配置在接收器(531)与熵解码器/解析器(520)(此后称为“解析器(520)”)之间。在某些应用中，缓冲存储器(515)可以实施为视频解码器(510)的一部分。在其它应用中，所述缓冲存储器(515)可设置在视频解码器(510)外部并与视频解码器(510)分离(未标示)。而在其它应用中，视频解码器(510)的外部设置缓冲存储器(未标示)，以例如防止网络抖动，在视频解码器(510)的内部可以存在另一缓冲存储器(515)以例如处理播出定时。而当接收器(531)从具有足够带宽和可控性的存储/转发装置或从等时同步网络接收数据时，也可能不需要配置缓冲存储器(515)，或可以将所述缓冲存储器做得较小。当然，为了在互联网等业务分组网络上使用，可能需要足够尺寸的缓冲存储器(515)，所述缓冲存储器可相对较大。这种缓冲存储器可具有自适应性大小，且可至少部分地实施于操作系统或视频解码器(510)外部的类似元件(未标示)中。

视频解码器(510)可包括解析器(520)以根据已编码视频序列重建符号(521)。这些符号的类别包括用于管理视频解码器(510)的操作的信息，以及用以控制显示装置(512)(例如，显示屏)等显示装置的潜在信息，所述显示装置可能是或可能不是电子装置(530)的组成部分，但可耦接到电子装置(530)，如图5中所示。用于显示装置的控制信息可以是辅助增强信息(Supplemental Enhancement Information，SEI消息)或视频可用性信息(VideoUsability Information，VUI)的参数集片段(未标示)。解析器(520)可对由解析器(520)接收到的已编码视频序列进行解析/熵解码。已编码视频序列的熵编码可根据视频编码技术或标准进行，且可遵循各种原理，包括可变长度编码、霍夫曼编码(Huffman coding)、具有或不具有上下文灵敏度的算术编码等等。解析器(520)可基于对应于子群的至少一个参数，从已编码视频序列提取用于视频解码器中的像素的子群中的至少一个子群的子群参数集。子群可包括图片群组(Group of Pictures，GOP)、图片、图块、切片、宏块、编码单元(CodingUnit，CU)、块、变换单元(Transform Unit，TU)、预测单元(Prediction Unit，PU)等等。解析器(520)还可从已编码视频序列提取信息，例如变换系数(例如变换系数)、量化器参数值、运动矢量等等。

解析器(520)可对从缓冲存储器(515)接收的视频序列执行熵解码/解析操作，从而创建符号(521)。

取决于已编码视频图片或一部分已编码视频图片(例如：帧间图片和帧内图片、帧间块和帧内块)的类型以及其它因素，符号(521)的重建可涉及多个不同处理或功能单元。涉及哪些单元以及涉及方式可由解析器(520)从已编码视频序列解析的子群控制信息控制。为了简洁起见，未描述解析器(520)与下文的多个处理或功能单元之间的此类子群控制信息流。

除已经提及的功能块以外，视频解码器(510)可在概念上细分成如下文所描述的数个功能单元。在商业约束下运行的实际实施例中，这些单元中的许多功能单元彼此紧密交互并且可以彼此集成。然而，出于清楚描述所公开主题多种功能的目的，在下面的公开中采用了对功能单元的概念细分。

第一单元可以包括缩放器/逆变换单元(551)。缩放器/逆变换单元(551)从解析器(520)接收作为符号(521)的量化变换系数以及控制信息，包括指示使用哪种类型的反变换、块大小、量化因子/参数、量化缩放矩阵等信息。缩放器/逆变换单元(551)可输出包括样本值的块，所述样本值可输入到聚合器(555)中。

在一些情况下，缩放器/逆变换单元(551)的输出样本可属于帧内编码块；例如不使用来自先前重建的图片的预测性信息，但可使用来自当前图片的先前重建部分的预测性信息的块。此类预测性信息可由帧内图片预测单元(552)提供。在一些情况下，帧内图片预测单元(552)采用存储在当前图片缓冲器(558)中的已重建周围块信息生成大小和形状与正在重建的块相同的周围块。举例来说，当前图片缓冲器(558)缓冲部分重建的当前图片和/或完全重建的当前图片。在一些实施中，聚合器(555)基于每个样本，将帧内图片预测单元(552)生成的预测信息添加到由缩放器/逆变换单元(551)提供的输出样本信息中。

在其它情况下，缩放器/逆变换单元(551)的输出样本可属于帧间编码和潜在运动补偿块。在此情况下，运动补偿预测单元(553)可访问参考图片存储器(557)以提取用于帧间图片预测的样本。在根据符号(521)对提取的样本进行运动补偿之后，这些样本可由聚合器(555)添加到缩放器/逆变换单元(551)的输出(单元551的输出被称作残差样本或残差信号)，从而生成输出样本信息。运动补偿预测单元(553)从参考图片存储器(557)内的地址获取预测样本可受到运动矢量控制，且所述运动矢量以所述符号(521)的形式而供运动补偿预测单元(553)使用，所述符号(521)例如是包括X、Y分量(位移)和参考图片分量(时间)。运动补偿还可包括在使用子样本精确运动矢量时，从参考图片存储器(557)提取的样本值的插值，运动补偿也可以与运动矢量预测机制相关联等等。

聚合器(555)的输出样本可在环路滤波器单元(554)中被各种环路滤波技术采用。视频压缩技术可包括环路内滤波器技术，所述环路内滤波器技术受控于包括在已编码视频序列(也称作已编码视频码流)中的参数，且所述参数作为来自解析器(520)的符号(521)可用于环路滤波器单元(556)。然而，在其他实施例中，视频压缩技术还可响应于在解码已编码图片或已编码视频序列的先前(按解码次序)部分期间获得的元信息，以及响应于先前重建且经过环路滤波的样本值。一些类型的环路滤波器可按各种顺序被包括作为环路滤波器单元556的一部分，如下文将进一步详细描述的。

环路滤波器单元(556)的输出可以是样本流，所述样本流可输出到显示装置(512)以及存储在参考图片存储器(557)，以用于后续的帧间图片预测。

一旦完全重建，某些已编码图片就可用作参考图片以用于将来预测。举例来说，一旦对应于当前图片的已编码图片被完全重建，且已编码图片(通过例如解析器(520))被识别为参考图片，则当前图片缓冲器(558)可变为参考图片存储器(557)的一部分，且可在开始重建后续已编码图片之前重新分配新的当前图片缓冲器。

视频解码器(510)可根据例如ITU-T H.265标准中采用的预定视频压缩技术执行解码操作。在已编码视频序列遵循视频压缩技术或标准的语法以及视频压缩技术或标准中记录的配置文件的意义上，已编码视频序列可符合所使用的视频压缩技术或标准指定的语法。具体地说，配置文件可从视频压缩技术或标准中可用的所有工具中选择某些工具作为在所述配置文件下可供使用的仅有工具。对于合规性，已编码视频序列的复杂度处于视频压缩技术或标准的层级所限定的范围内。在一些情况下，层级限制最大图片大小、最大帧率、最大重建取样率(以例如每秒兆(mega)个样本为单位进行测量)、最大参考图片大小等。在一些情况下，由层级设定的限制可通过假想参考解码器(Hypothetical ReferenceDecoder，HRD)规范和在已编码视频序列中用信号表示的HRD缓冲器管理的元数据来进一步限定。

在一个实施例中，接收器(531)可连同已编码视频一起接收附加(冗余)数据。所述附加数据可以是已编码视频序列的一部分。所述附加数据可由视频解码器(510)用以对数据进行适当解码和/或较准确地重建原始视频数据。附加数据可呈例如时间、空间或信噪比(signal noise ratio，SNR)增强层、冗余切片、冗余图片、前向纠错码等形式。

图6是根据本申请公开的实施例的视频编码器(603)的框图。视频编码器(603)设置于电子装置(620)中。电子装置(620)包括传输器(640)(例如传输电路)。视频编码器(603)可用于代替图4实施例中的视频编码器(403)。

视频编码器(603)可从视频源(601)(并非图6实施例中的电子装置(620)的一部分)接收视频样本，所述视频源可采集将由视频编码器(603)编码的视频图像。在另一实施例中，视频源(601)可以实施为电子装置(620)的一部分。

视频源(601)可提供将由视频编码器(603)编码的呈数字视频样本流形式的源视频序列，所述数字视频样本流可具有任何合适位深度(例如：8位、10位、12位……)、任何色彩空间(例如BT.601Y CrCB、RGB、XYZ……)和任何合适取样结构(例如YCrCb 4:2:0、Y CrCb4:4:4)。在媒体服务系统中，视频源(601)可以是能够存储先前已准备的视频的存储装置。在视频会议系统中，视频源(601)可以是采集本地图像信息作为视频序列的相机。可将视频数据提供为多个单独的图片或图像，当按顺序观看时，这些图片被赋予运动。图片自身可构建为空间像素阵列，其中取决于正在使用的取样结构、色彩空间等，每个像素可包括一个或多个样本。所属领域的技术人员可以很容易理解像素与样本之间的关系。下文侧重于描述样本。

根据实施例，视频编码器(603)可实时或在由应用所要求的任何其它时间约束下，将源视频序列的图片编码且压缩成已编码视频序列(643)。施行适当的编码速度是控制器(650)的一个功能。在一些实施例中，控制器(650)控制如下文所描述的其它功能单元且在功能上耦接到这些单元。为了简洁起见，图中未标示耦接。由控制器(650)设置的参数可包括速率控制相关参数(图片跳过、量化器、率失真优化技术的λ值等)、图片大小、图片群组(group of pictures，GOP)布局，允许的最大运动矢量搜索范围等。控制器(650)可用于具有其它合适的功能，这些功能涉及针对某一系统设计优化的视频编码器(503)。

在一些实施例中，视频编码器(603)在编码环路中进行操作。作为简单的描述，在实施例中，编码环路可包括源编码器(630)(例如，负责基于待编码的输入图片和参考图片创建符号，例如符号流)和嵌入于视频编码器(603)中的(本地)解码器(633)。解码器(633)以类似于(远程)解码器创建样本数据的方式重建符号以创建样本数据，即使嵌入的解码器633在不进行熵编码的情况下通过源编码器630处理已编码视频流(因为在本申请所考虑的视频压缩技术中，符号与已编码视频码流之间的任何压缩是无损的)。将重建的样本流(样本数据)输入到参考图片存储器(634)。由于符号流的解码产生与解码器位置(本地或远程)无关的位精确结果，因此参考图片存储器(634)中的内容在本地编码器与远程编码器之间也是按比特位精确对应的。换句话说，编码器的预测部分“看到”的参考图片样本与解码器将在解码期间使用预测时所“看到”的样本值完全相同。这种参考图片同步性基本原理(以及在例如因信道误差而无法维持同步性的情况下产生的漂移)用于改进编码质量。

“本地”解码器(633)的操作可与例如已在上文结合图5详细描述视频解码器(510)的“远程”解码器相同。然而，另外简要参考图5，当符号可用且熵编码器(645)和解析器(520)能够无损地将符号编码/解码为已编码视频序列时，包括缓冲存储器(515)和解析器(520)在内的视频解码器(510)的熵解码部分，可能无法完全在编码器的本地解码器(633)中实施。

此时可以观察到，除存在于解码器中的解析/熵解码之外的任何解码器技术，也必定以基本上相同的功能形式存在于对应的编码器中。出于此原因，本申请有时侧重于解码器操作，该解码器操作与编码器的解码部分有关。可简化编码器技术的描述，因为编码器技术与全面地描述的解码器技术互逆。下面仅在某些区域或方面对编码器进行更详细的描述。

在操作期间，在一些实施例中，源编码器(630)可执行运动补偿预测编码。参考来自视频序列中被指定为“参考图片”的一个或多个先前已编码图片，所述运动补偿预测编码对输入图片进行预测性编码。以此方式，编码引擎(632)对输入图片的颜色通道中像素块与参考图片的像素块之间的差异(残差)进行编码，所述参考图片可被选作所述输入图片的预测参考。“残差”(“residue”)一词及其形容词形式“残差的”(“residual”)可以互换使用

本地视频解码器(633)可基于源编码器(630)创建的符号，对可指定为参考图片的图片的已编码视频数据进行解码。编码引擎(632)的操作可为有损过程。当已编码视频数据可在视频解码器(图6中未示)处被解码时，重建的视频序列通常可以是带有一些误差的源视频序列的副本。本地视频解码器(633)复制解码过程，所述解码过程可由视频解码器对参考图片执行，且可使重建的参考图片存储在参考图片高速缓存(634)中。以此方式，视频编码器(603)可在本地存储重建的参考图片的副本，所述副本与将由远端(远程)视频解码器获得的重建参考图片具有共同内容(不存在传输误差)。

预测器(635)可针对编码引擎(632)执行预测搜索。即，对于将要编码的新图片，预测器(635)可在参考图片存储器(634)中搜索可作为所述新图片的适当预测参考的样本数据(作为候选参考像素块)或某些元数据，例如参考图片运动矢量、块形状等。预测器(635)可基于样本块逐像素块操作，以找到合适的预测参考。在一些情况下，根据预测器(635)获得的搜索结果，可确定输入图片可具有从参考图片存储器(634)中存储的多个参考图片取得的预测参考。

控制器(650)可管理源编码器(630)的编码操作，包括例如设置用于对视频数据进行编码的参数和子群参数。

可在熵编码器(645)中对所有上述功能单元的输出进行熵编码。熵编码器(645)根据例如霍夫曼编码、可变长度编码、算术编码等技术对各种功能单元生成的符号进行无损压缩，从而将所述符号转换成已编码视频序列。

传输器(640)可缓冲由熵编码器(645)创建的已编码视频序列，从而为通过通信信道(660)进行传输做准备，所述通信信道可以是通向将存储已编码的视频数据的存储装置的硬件/软件链路。传输器(640)可将来自视频编码器(603)的已编码视频数据与要传输的其它数据合并，所述其它数据例如是已编码音频数据和/或辅助数据流(未示出来源)。

控制器(650)可管理视频编码器(603)的操作。在编码期间，控制器(650)可以为每个已编码图片分配某一已编码图片类型，但这可能影响可应用于相应的图片的编码技术。例如，通常可将图片分配为以下任一种图片类型：

帧内图片(I图片)，其可以是不将序列中的任何其它图片用作预测源就可被编码和解码的图片。一些视频编解码器容许不同类型的帧内图片，包括例如独立解码器刷新(Independent Decoder Refresh，“IDR”)图片。所属领域的技术人员了解I图片的变体及其相应的应用和特征。

预测性图片(P图片)，其可以是可使用帧内预测或帧间预测进行编码和解码的图片，所述帧内预测或帧间预测使用至多一个运动矢量和参考索引来预测每个块的样本值。

双向预测性图片(B图片)，其可以是可使用帧内预测或帧间预测进行编码和解码的图片，所述帧内预测或帧间预测使用至多两个运动矢量和参考索引来预测每个块的样本值。类似地，多个预测性图片可使用多于两个参考图片和相关联元数据以用于重建单个块。

源图片通常可在空间上细分成多个样本块(例如，4×4、8×8、4×8或16×16个样本的块)，且逐块进行编码。这些块可参考其它(已编码)块进行预测编码，根据应用于块的相应图片的编码分配来确定所述其它块。举例来说，I图片的块可进行非预测编码，或所述块可参考同一图片的已经编码的块来进行预测编码(空间预测或帧内预测)。P图片的像素块可参考一个先前编码的参考图片通过空间预测或通过时域预测进行预测编码。B图片的块可参考一个或两个先前编码的参考图片通过空间预测或通过时域预测进行预测编码。为了其他目的，源图片或中间处理的图片可以被细分为其他类型的块。编码块和其他类型的块的划分可以遵循或可以不遵循相同的方式，如下文进一步详细描述的。

视频编码器(603)可根据例如ITU-T H.265建议书的预定视频编码技术或标准执行编码操作。在操作中，视频编码器(603)可执行各种压缩操作，包括利用输入视频序列中的时间和空间冗余的预测编码操作。因此，已编码视频数据可符合所用视频编码技术或标准指定的语法。

在实施例中，传输器(640)可在传输已编码的视频时传输附加数据。源编码器(630)可将此类数据作为已编码视频序列的一部分。附加数据可包括时间/空间/SNR增强层、冗余图片和切片等其它形式的冗余数据、SEI消息、VUI参数集片段等。

采集到的视频可作为呈时间序列的多个源图片(视频图片)。帧内图片预测(常常简化为帧内预测)利用给定图片中的空间相关性，而帧间图片预测则利用图片之间的(时间或其它)相关性。在实施例中，将正在编码/解码的特定图片分割成块，正在编码/解码的特定图片被称作当前图片。在当前图片中的块类似于视频中先前已编码且仍被缓冲的参考图片中的参考块时，可通过称作运动矢量的矢量对当前图片中的块进行编码。所述运动矢量指向参考图片中的参考块，且在使用多个参考图片的情况下，所述运动矢量可具有识别参考图片的第三维度。

在一些实施例中，双向预测技术可用于帧间图片预测。根据双向预测技术，使用两个参考图片，例如按解码次序都在视频中的当前图片之前(但按显示次序可能分别是过去或将来)第一参考图片和第二参考图片。可通过指向第一参考图片中的第一参考块的第一运动矢量和指向第二参考图片中的第二参考块的第二运动矢量对当前图片中的块进行编码。具体来说，可通过第一参考块和第二参考块的组合来共同预测所述块。

此外，合并模式技术可用于帧间图片预测中以改善编码效率。

根据本申请公开的一些实施例，帧间图片预测和帧内图片预测等预测的执行以块为单位。举例来说，将视频图片序列中的图片分割成编码树单元(coding tree unit，CTU)以用于压缩，图片中的CTU具有相同大小，例如64×64像素、32×32像素或16×16像素。一般来说，CTU包括三个并行的编码树块(coding tree block，CTB)：一个亮度CTB和两个色度CTB。更进一步的，还可将每个CTU以四叉树拆分为一个或多个编码单元(coding unit，CU)。举例来说，可将64×64像素的CTU拆分为一个64×64像素的CU，或4个32×32像素的CU。一个或多个32×32块中的每个可以进一步划分成4个16×16像素的CU。在一个实施例中，可以在编码期间分析每个CU以在各种预测类型中确定用于CU的预测类型，各种预测类型例如为帧间预测类型或帧内预测类型。此外，取决于时间和/或空间可预测性，将CU拆分为一个或多个预测单元(prediction unit，PU)。通常，每个PU包括亮度预测块(prediction block，PB)和两个色度PB。在实施例中，编码(编码/解码)中的预测操作以预测块为单位来执行。可以以各种空间模式执行将CU分割为PU(或不同颜色通道的PB)。例如，亮度或色度PB可包括样本的值矩阵(例如，亮度值)，例如8x 8像素、16x 16像素、8x 16像素和16x 8样本等。

图7是根据本申请公开的另一示意性实施例的视频编码器(703)的图。视频编码器(703)用于接收视频图片序列中的当前视频图片内的样本值的处理块(例如预测块)，且将所述处理块编码到作为已编码视频序列的一部分的已编码图片中。在本实施例中，视频编码器(703)用于代替图4实施例中的视频编码器(303)。

在一个实施例中，视频编码器(703)接收用于处理块的样本值的矩阵，所述处理块为例如8×8样本的预测块等。然后，视频编码器(703)使用例如率失真优化(rate-distortion optimization,RDO)来确定是否使用帧内模式、帧间模式或双向预测模式来编码所述处理块。当确定在帧内模式中编码处理块时，视频编码器(703)可使用帧内预测技术以将处理块编码到已编码图片中；且当确定在帧间模式或双向预测模式中编码处理块时，视频编码器(703)可分别使用帧间预测或双向预测技术将处理块编码到已编码图片中。在一些示意性实施例中，合并模式可以是帧间图片预测的一个子模式，其中，在不借助预测值外部的已编码运动矢量分量的情况下，从一个或多个运动矢量预测值导出运动矢量。在某些其它示意性实施例中，可存在适用于主题块的运动矢量分量。因此，视频编码器(703)包括为在图7中明确示出的组件，例如用于确定处理块的预测模式的模式决策模块(未示出)。

在图7的实施例中，视频编码器(703)包括如图7中示例性布置所示的耦接到一起的帧间编码器(730)、帧内编码器(722)、残差计算器(723)、开关(726)、残差编码器(724)、通用控制器(721)和熵编码器(725)。

帧间编码器(730)用于接收当前块(例如处理块)的样本、比较所述块与参考图片中的一个或多个参考块(例如按照显示顺序，先前图片和后来图片中的块)、生成帧间预测信息(例如根据帧间编码技术的冗余信息描述、运动矢量、合并模式信息)、以及基于帧间预测信息使用任何合适的技术计算帧间预测结果(例如预测块)。在一些实施例中，参考图片是使用嵌入在图6的示例编码器620中的解码单元633(如图7的残差解码器728所示，详见下文)，基于已编码的视频信息解码的已解码参考图片。

帧内编码器(722)用于接收当前块(例如处理块)的样本、在一些情况下比较所述块与同一图片中已编码的块、在变换之后生成量化系数、以及在一些情况下还(例如根据一个或多个帧内编码技术的帧内预测方向信息)生成帧内预测信息。帧内编码器(722)基于帧内预测信息和同一图片中的参考块计算帧内预测结果(例如预测块)。

通用控制器(721)用于确定通用控制数据，且基于所述通用控制数据控制视频编码器(703)的其它组件。在实施例中，通用控制器(721)确定块的预测模式，且基于所述预测模式将控制信号提供到开关(726)。举例来说，当所述预测模式是帧内模式时，通用控制器(721)控制开关(726)以选择供残差计算器(723)使用的帧内模式结果，且控制熵编码器(725)以选择帧内预测信息且将所述帧内预测信息添加在码流中；以及当用于块所述预测模式是帧间模式时，通用控制器(721)控制开关(726)以选择供残差计算器(723)使用的帧间预测结果，且控制熵编码器(725)以选择帧间预测信息且将所述帧间预测信息添加在码流中。

残差计算器(723)用于计算所接收的块与选自帧内编码器(722)或帧间编码器(730)的块的预测结果之间的差(残差数据)。残差编码器(724)用于对残差数据进行编码以生成变换系数。在实施例中，残差编码器(724)用于将残差数据从时域转换到频域，以生成变换系数。变换系数接着经由量化处理以获得量化的变换系数。在各种示意性实施例中，视频编码器(703)还包括残差解码器(728)。残差解码器(728)用于执行逆变换，且生成已解码残差数据。已解码残差数据可适当地由帧内编码器(722)和帧间编码器(730)使用。举例来说，帧间编码器(730)可基于已解码残差数据和帧间预测信息生成已解码块，且帧内编码器(722)可基于已解码残差数据和帧内预测信息生成已解码块。适当处理已解码块以生成已解码图片，且所述已解码图片可在存储器电路(未示出)中缓冲并用作参考图片。

熵编码器(725)用于将码流格式化以产生已编码的块和执行熵编码。熵编码器(725)配置为在码流中包括各种信息。在实施例中，熵编码器(725)用于获得通用控制数据、所选预测信息(例如帧内预测信息或帧间预测信息)、残差信息和码流中的其它合适的信息。应注意，当在帧间模式或双向预测模式的合并子模式中对块进行编码时，不存在残差信息。

图8是根据本申请公开的另一实施例的视频解码器(810)的图。视频解码器(810)用于接收作为已编码视频序列的一部分的已编码图像，且对所述已编码图像进行解码以生成重建的图片。在实施例中，视频解码器(810)用于代替图4实施例中的视频解码器(410)。

在图8实施例中，视频解码器(810)包括如图8中示意性布置所示耦接到一起的熵解码器(871)、帧间解码器(880)、残差解码器(873)、重建模块(874)和帧内解码器(872)。

熵解码器(871)可用于根据已编码图片来重建某些符号，这些符号表示构成所述已编码图片的语法元素。此类符号可包括例如用于对所述块进行编码的模式(例如帧内模式、帧间模式、双向预测模式、合并子模式或另一子模式)、可识别供帧内解码器(872)或帧间解码器(880)用以进行预测的某些样本或元数据的预测信息(例如帧内预测信息或帧间预测信息)、呈例如量化的变换系数形式的残差信息等等。在实施例中，当预测模式是帧间或双向预测模式时，将帧间预测信息提供到帧间解码器(880)；以及当预测类型是帧内预测类型时，将帧内预测信息提供到帧内解码器(872)。残差信息可经由逆量化并提供到残差解码器(873)。

帧间解码器(880)用于接收帧间预测信息，且基于所述帧间预测信息生成帧间预测结果。

帧内解码器(872)用于接收帧内预测信息，且基于所述帧内预测信息生成预测结果。

残差解码器(873)用于执行逆量化以提取解量化的变换系数，且处理所述解量化的变换系数，以将残差从频域转换到空间域。残差解码器(873)还可能使用某些控制信息(用以获得量化器参数QP)，该控制信息可由熵解码器(871)提供(未标示数据路径，因为这仅仅是低数据量控制信息)。

重建模块(874)用于在空间域中组合由残差解码器(873)输出的残差与预测结果(可由帧间预测模块或帧内预测模块输出)以形成重建的块，所述重建的块形成重建的图片的一部分，所述重建的图片可以作为重建的视频的一部分。应注意，可执行解块操作等其它合适的操作来改善视觉质量。

应注意，可使用任何合适的技术来实施视频编码器(403)、视频编码器(603)和视频编码器(703)，以及视频解码器(410)、视频解码器(510)和视频解码器(810)。在实施例中，可使用一个或多个集成电路来实施视频编码器(403)、视频编码器(603)和视频编码器(703)以及视频解码器(410)、视频解码器(510)和视频解码器(810)。在另一实施例中，可使用执行软件指令的一个或多个处理器来实施视频编码器(403)、视频编码器(603)和视频编码器(703)以及视频解码器(410)、视频解码器(510)和视频解码器(810)。

回到帧内预测过程，其中块(例如，亮度或色度预测块，或者如果没有被进一步地分割成预测块的编码块)中的样本由相邻、下一相邻或其它一个或多个行的样本进行预测，或者其中的组合进行预测，以生成预测块。然后可以通过变换，之后通过量化来处理正编码的真实块与预测块之间的残差。可以使各种帧内预测模式可用，并且可以在码流中用信号通知与帧内模式选择相关的参数和其它参数。例如，各种帧内预测模式可以涉及用于预测样本的一个或多个行位置、沿其从一个或多个预测行选择预测样本的方向和其它特殊的帧内预测模式。

例如，帧内预测模式(可互换地被称为“帧内模式”)的集可以包括预定数目的定向帧内预测模式。如以上关于图1的示例实施方式所述，这些帧内预测模式可以对应于预定数目的方向，沿着这些方向的块外样本被选为用于特定块中正被预测的样本的预测。在另一特定示例实施方式中，可以支持和预定对应于与水平轴成45至207度的角度的八(8)种主定向模式。

在帧内预测的一些其它实施方式中，为了进一步地利用方向纹理中更多种类的空间冗余，定向帧内模式可以进一步地扩展到具有较精细粒度的角度集。例如，以上8个角度实施方式可以被配置为提供八个标称角度，如图9图示，其被称为V_PRED、H_PRED、D45_PRED、D135_PRED、D113_PRED、D157_PRED、D203_PRED和D67_PRED，并且对于每个标称角度，可以添加预定数目(例如，7)的较精细的角度。用这样的扩展，对应于相同数目的预定定向帧内模式，较大总数目(例如，在该示例中为56)的方向角度对于帧内预测可用。预测角度可以由标称帧内角度加角度增量表示。对于具有用于每个标称角度的7个较精细的角方向的以上特定示例，角度增量可以是3度步长的-3至3倍。

在一些实施方式中，作为上述定向帧内模式的替代或补充，也可以预定义并提供预定数量的非定向帧内预测模式。例如，可以指定5种被称为平滑帧内预测模式的非定向帧内模式。这些非定向帧内模式预测模式可以被具体地称为DC、PAETH、SMOOTH、SMOOTH_V和SMOOTH_H帧内模式。在图10中，图示了在这些示例非定向模式下对特定块的样本的预测。作为示例，图10示出了正由上方相邻行的样本和/或左侧相邻行的样本预测的4×4块1002。块1002中的特定样本1010可以对应于块1002的上方相邻行中的样本1010的正上方样本1004、作为上方和左侧相邻行的交叉点的样本1010的左上方样本1006，以及块1002的左相邻行中的样本1010的正左侧样本1008。对于示例DC帧内预测模式，左侧和上方相邻样本1008和1004的平均值可以用作样本1010的预测器。对于示例PAETH帧内预测模式，可以提取上方、左侧和左上方参考样本1004、1008和1006，然后这三个参考样本中最接近(上方样本加左侧样减去左上方样本(top+left–topleft))的一个值可以被设置为样本1010的预测子(预测器)。对于示例SMOOTH_V帧内预测模式，样本1010可以由在左上方相邻样本1006和左侧相邻样本1008的竖直方向上的二次插值预测。对于示例SMOOTH_H帧内预测模式，样本1010可以由在左上方相邻样本1006和上方相邻样本1004的水平方向上的二次插值预测。对于示例SMOOTH帧内预测模式，样本1010可以由在竖直和水平方向上的二次插值的平均值预测。以上非定向帧内模式实施方式仅作为非限制性示例图示。还考虑其它相邻行和样本的其它非方向选择，以及用于预测预测块中的特定样本的预测样本的组合方式。

可以在码流中用信号通知编码器从各种编码层级(图片、切片、块、单元等)处的以上定向或非定向模式中选择特定帧内预测模式。在一些示例实施方式中，可以首先用信号通知示例性8种标称定向模式以及5种非角度平滑模式(总共13个选项)。然后，如果用信号通知的模式是8种标称角度帧内模式中的一种，则进一步地用信号通知索引以将所选角度增量指示为对应的用信号通知的标称角度。在一些其它示例实施方式中，可以将所有帧内预测模式一起编入索引(例如，56种定向模式加5种非定向模式以产生61种帧内预测模式)以用于信令。

在一些示例实施方式中，示例56种或其它数目的定向帧内预测模式可以用统一的定向预测器来实现，该统一的定向预测器将块的每个样本投影到参考子样本位置，并且通过2抽头双线性滤波器来插值参考样本。

在一些实施方式中，为了捕获与边缘上的参考相关的衰减空间，可以设计被称为滤波器帧内模式的附加滤波器模式。对于这些模式，除块外样本之外，块内预测样本，可以用作用于块内一些小块的帧内预测参考样本。例如，可以预定义这些模式，并且使其对于用于至少亮度块(或仅亮度块)的帧内预测可用。可以预设计预定数目(例如，5)的滤波器帧内模式，每种滤波器帧内模式由反映例如4×2小块中的样本与邻近该样本的n个相邻样本之间的相关性的n抽头滤波器(例如，7抽头滤波器)的集表示。换句话说，用于n抽头滤波器的加权因子可以是位置相关的。以8×8块、4×2小块和7抽头滤波为例，如图11所示，8×8块1102可以被分成8个4×2小块。在图11中，这些小块由B0、B1、B1、B3、B4、B5、B6和B7表示。对于每个小块，其7个相邻小块(在图11中由R0至R7表示)可以用于预测当前小块中的样本。对于小块B0，所有相邻小块可能已经被重建。但是对于其它小块，相邻小块中的一些在当前块中，因此可能没有被重建，然后近邻的预测值用作参考。例如，图11中所示的小块B7的所有相邻小块都没有被重建，所以替代地使用相邻小块的预测采样。

在帧内预测的一些实施方式中，可以通过使用一个或多个其它颜色分量来预测一个颜色分量。颜色分量可以是YCrCb、RGB、XYZ颜色空间等中的分量中的任何一个。例如，可以实现对来自亮度分量(例如，亮度参考样本)的色度分量(例如，色度块)(被称为来自亮度的色度，或者CfL)的预测。在一些示例实施方式中，交叉颜色预测仅可以允许从亮度到色度。例如，色度块中的色度样本可以被建模为符合重建的亮度样本的线性函数。CfL预测可以如下实现：

CfL(α)＝α×L^AC+DC (1)

其中L^AC表示亮度分量的AC贡献，α表示线性模型的参数，以及DC表示色度分量的DC贡献。例如，为该块的每个样本获得AC分量，而为整个块获得DC分量。具体而言，可以将重建的亮度样本二次采样到色度分辨率中，然后可以从每个亮度值中减去平均亮度值(亮度的DC)，以形成亮度中的AC贡献。然后亮度的AC贡献用于等式(1)的线性模式，以预测色度分量的AC值。为了近似或预测来自亮度AC贡献的色度AC分量，代替要求解码器计算缩放参数，示例CfL实施方式可以基于原始的色度样本来确定参数α，并且在码流中用信号通知它们。这降低了解码器复杂度，并且产生了更精确的预测。至于色度分量的DC贡献，在一些示例实施方式中，可以通过使用色度分量内的帧内DC模式来计算该DC贡献。

然后可以实现帧内预测块或帧间预测块的残差的变换，之后进行变换系数的量化。出于执行变换的目的，帧内编码块和帧间编码块两者可以在变换之前被进一步分区成多个变换块(有时可互换地用作“变换单元”，即使术语“单元”通常用于表示三色信道的集合，例如，“编码单元”将包括亮度编码块和色度编码块)。在一些实现中，可以指定已编码块(或预测块)的最大分区深度(术语“已编码块”可以与“编码块”可互换地使用)。例如，这样的分区可以不超过2个级别。可以在帧内预测块与帧间预测块之间不同地处理将预测块划分成变换块。然而，在一些实现中，帧内预测块与帧间预测块之间的这样的划分可以是相似的。

在一些示例实现中，对于帧内编码块，变换分区可以按照所有变换块具有相同大小的方式来完成，并且变换块以光栅扫描顺序来编码。图12中示出了帧内编码块的这样的变换块分区的示例。具体地，图12图示了编码块1202经由中间级四叉树分割1204被分区成相同块大小的16个变换块，如1206所示。用于编码的示例光栅扫描顺序由图12中的有序箭头图示。

在一些示例实现中，并且对于帧间编码块，变换单元分区可以以递归方式进行，其中分区深度达到预定义数量的级别(例如，2个级别)。如图13中所示，对于任何子分区并且在任何级别，分割可以停止或递归地继续。特别是，图13给出了示例，块1302被分割成四个四叉树子块1304，并且子块中的一个子块被进一步分割成四个第二级变换块，而其它子块的分割在第一级之后停止，从而产生总共7个两种不同大小的变换块。用于编码的示例光栅扫描顺序进一步由图13中的有序箭头图示。虽然图13示出了高达两级正方形变换块的四叉树分割的示例实施方式，但在一些生成实施方式中，变换分区可以支持1:1(正方形)、1:2/2:1和1:4/4:1变换块形状和范围为4×4到64×64的大小。在一些示例实现中，如果编码块小于或等于64×64，则变换块分区可以仅被应用于亮度分量(换句话说，色度变换块将与该条件下的编码块相同)。否则，如果编码块宽度或高度大于64，则亮度编码块和色度编码块两者可以分别被隐式地分割成min(W，64)×min(H，64)和min(W，32)×min(H，32)变换块的倍数。

然后，可以对上面的每个变换块进行主变换初级变换。初级变换基本上将变换块中的残差从空间域移动到频域。在实际初级变换的一些实现中，为了支持以上示例扩展编码块分区，可以允许多个变换大小(对于两个维度中的每个维度，范围从4点到64点)和多个变换形状(正方形；宽度/高度比为2:1/1:2和4:1/1:4的矩形)。

转向实际的初级变换，在一些示例实现中，2-D变换过程可以涉及混合变换核(例如，其可以由针对已编码残差变换块的每一维的不同1-D变换组成)的使用。示例1-D变换核可以包括但不限于：a)4点、8点、16点、32点、64点DCT-2；b)4点、8点、16点非对称DST(DST-4，DST-7)及其翻转版本；c)4点、8点、16点、32点恒等变换。用于每个维度的变换核的选择可以基于率失真(RD)准则。例如，表1中列出了可以实现的DCT-2和非对称DST的基函数。

表1：示例初级变换基函数(用于N点输入的DCT-2、DST-4和DST-7)

在一些示例实现中，对于特定初级变换实施方式，混合变换核的可用性可以基于变换块大小和预测模式。表2中列出了示例依赖性。对于色度分量，可以以隐式方式执行变换类型选择。例如，对于帧内预测残差，可以根据帧内预测模式来选择变换类型，如表3所示。对于帧间预测残差，可以根据位置相同的亮度块的变换类型选择来选择色度块的变换类型。因此，对于色度分量，在码流中没有变换类型信令。

表2：AV1混合变换核及其基于预测模式和块大小的可用性。这里，→和↓表示水平和垂直维度；√和×表示用于该块大小和预测模式的核的可用性。

/>

表3:色度分量帧内预测残差的变换类型选择

/>

在一些实现中，可以对初级变换系数执行次级变换。例如，如图14中所示，LFNST(low-frequency non-separable transform，低频不可分离变换)(其被称为缩减的次级变换)可以在正向初级变换与量化(在编码器侧)之间以及在解量化与逆初级变换(在解码器侧)之间应用，以进一步对初级变换系数去相关。本质上，LFNST可以对初级变换系数的一部分，例如低频部分(因此从变换块的初级变换系数的完整集合“缩减”)继续进行次级变换。在示例LFNST中，可以根据变换块大小来应用4×4不可分离变换或8×8不可分离变换。例如，4×4LFNST可以应用于小变换块(例如，min(宽度，高度)<8)，而8×8LFNST可以应用于较大变换块(例如，min(宽度，高度)>8)。例如，如果对8×8变换块进行4×4LFNST，则仅8×8初级变换系数的低频4×4部分进一步经历次级变换。

具体如图14中所示，变换块可以是8×8(或16×16)。因此，变换块的正向初级变换1402产生8×8(或16×16)初级变换系数矩阵1404，其中每个正方形单元表示2×2(或4×4)部分。正向LFNST的输入例如可以不是全部的8×8(或16×16)初级变换系数。例如，4×4(或8×8)LFNST可以被用于次级变换。这样，如阴影部分(左上)1406所指示，仅初级变换系数矩阵1404的4×4(或8×8)低频初级变换系数可以被用作LFNST的输入。初级变换系数矩阵的剩余部分可以不经受次级变换。这样，在次级变换之后，初级变换系数的经受LFNST的部分变成次级变换系数，而不经受LFNST的剩余部分(例如，矩阵1404的无阴影部分)保持对应的初级变换系数。在一些示例实施方式中，不经受次级变换的剩余部分可以全部被设置为零系数。

以下描述了在LFNST中使用的不可分离变换的应用的示例。为了应用示例4×4LFNST，4×4输入块X(表示例如初级变换系数块的4×4低频部分，诸如图14的初级变换矩阵1404的阴影部分1406)可以表示为：

该2-D输入矩阵可以按示例顺序首先被线性化或扫描成矢量

然后，4×4LFNST的不可分离变换可以被计算为其中，/>指示输出变换系数矢量，并且T是16×16变换矩阵。随后使用该块的扫描顺序(例如，水平、垂直或对角线)将所得的16×1系数矢量/>反向扫描为4×4块。具有较小索引的系数可以与较小扫描索引一起放置在4×4系数块中。以这种方式，可以经由第二变换T进一步利用初级变换系数X中的冗余，从而提供附加的压缩增强。

以上示例LFNST基于应用不可分离变换的直接矩阵乘法方法，使得该LFNST在单程中实现而无需多次迭代。进一步，在一些示例实施方式中，例如4×4LFNST的不可分离变换矩阵(T)的维度可以进一步被缩减，以最小化计算复杂度和用于存储变换系数的存储器空间要求。这样的方式可以被称为缩减的不可分离变换(reduced non-separate transform，RST)。更详细地，RST的主要思想是将N(在以上示例中N是4×4＝16，但是对于8×8块可以等于64)维矢量映射到不同空间中的R维矢量，其中N/R(R<N)表示维数缩减因子。因此，代替N×N变换矩阵，RST矩阵如下变成R×N矩阵：

其中，变换矩阵的R行是N维空间的缩减R基。因此，该变换将输入矢量或N维转换为缩减的R维的输出矢量。这样，并且如图14中所示，从初级系数1406变换的次级变换系数1408在维度上按因子或N/R被缩减。图14中围绕1408的三个正方形可以是零填充的。

RTS的逆变换矩阵可以是其正向变换的转置。对于示例8×8LFNST(与上述的4×4LFNST形成对比，以便这里更多不同的描述)，可以应用示例缩减因子4，并且因此64×64直接不可分离变换矩阵相应地被缩减为16×64直接矩阵。进一步地，在一些实现中，可以将输入初级系数的一部分而不是全部线性化为LFNST的输入矢量。例如，可以仅将示例8×8输入初级变换系数的一部分线性化为以上X矢量。对于特定示例，在8×8初级变换系数矩阵的四个4×4象限中，可以省略右下(高频系数)，并且仅使用预定义扫描顺序将其它三个象限线性化为48×1矢量而不是64×1矢量。在这样的实现中，不可分离变换矩阵可以进一步从16×64缩减到16×48。

因此，可以在解码器侧使用例如缩减的48×16逆RST矩阵来生成8×8核心(初级)变换系数的左上、右上和左下4×4象限。具体地，当应用进一步缩减的16×48RST矩阵而不是具有相同变换集合配置的16×64RST时，不可分离次级变换将从8×8初级系数块的除右下4×4块之外的三个4×4象限块中取矢量化的48个矩阵元素作为输入。在这样的实施方式中，省略的右下4×4初级变换系数将在次级变换中被忽略。这种进一步缩减的变换将把48×1的矢量转换成16×1的输出矢量，该输出矢量被反向扫描成4×4矩阵以填充图14的1408。围绕1408的次级变换系数的三个正方形可以被零填充。

借助于RST中的这种维度减小，减少了用于存储所有LFNST矩阵的存储器使用。在以上示例中，与没有维度缩减的实现相比，存储器使用例如可以从10KB减小到8KB，而性能下降相当小。

在一些实现中，为了降低复杂度，LFNST可以被进一步限制为仅在要经受LFNST的初级变换系数部分之外(例如，在图14中的1404的1406部分之外)的所有系数是非有效时才适用。因此，当应用LFNST时，所有仅初级变换的系数(例如，图4的初级系数矩阵1404的无阴影部分)可以接近零。这样的限制允许在末尾有效位置上对LFNST索引信令进行调节，并且因此避免了一些额外系数扫描，当不应用这种限制时，可能需要这些额外系数扫描来检查特定位置处的有效系数。在一些实现中，LFNST的最坏情况处理(就每像素乘法而言)可以将4×4块和8×8块的不可分离变换分别限制为8×16变换和8×48变换。在这些情况下，当应用LFNST时，对于小于16的其它尺寸，末尾有效扫描位置必须小于8。对于形状为4×N和N×4且N>8的块，以上限制意味着LFNST现在仅对左上4×4区域应用一次。由于当应用LFNST时，所有仅初级变换的系数都为零，所以在这种情况下减少了初级变换所需的运算数量。从编码器的角度来看，当测试LFNST变换时，可以简化系数的量化。对于前16个系数(按扫描顺序)，必须最大程度地进行率失真优化量化(RDO)，可以强制剩余系数为零。

在一些示例实施方式中，可用的RST核可以被指定为多个变换集合，其中每个变换集合包括多个不可分离变换矩阵。例如，LFNST中使用的每个变换集合可以总共有4个变换集合和2个不可分离变换矩阵(核)。这些核可以是离线预训练的，并且因此它们是数据驱动的。离线训练的变换核可以存储在存储器中，或硬编码在编码或解码设备中以在编码/解码过程期间使用。可以通过帧内预测模式来确定在编码或解码过程期间对变换集合的选择。可以预定义从帧内预测模式到变换集合的映射。表4示出了这样的预定义映射的示例。例如，如表4中所示，如果三个交叉分量线性模型(CCLM)模式(INTRA_LT_CCLM、INTRA_T_CCLM或INTRA_L_CCLM)中的一个用于当前块(即，81≤predModeIntra≤83)，则可以针对当前色度块选择变换集合0。对于每个变换集合，选择的不可分离次级变换候选可以进一步由显式地用信号通知的LFNST索引来指定。例如，可以在变换系数之后每个帧内CU以码流的形式用信号通知索引一次。

表4：变换选择表

因为LFNST被限制为仅在第一系数子组或部分之外的所有系数在以上示例实现中是非有效的情况下适用，所以LFNST索引编码取决于末尾有效系数的位置。另外，LFNST索引可以是上下文编码的，但是不取决于帧内预测模式，并且仅第一个二进制数可以是上下文编码的。此外，LFNST可以应用于帧内切片和帧间切片两者中的帧内CU，以及应用于亮度和色度两者。如果双树被启用，则亮度和色度的LFNST索引可以被分别用信号通知。对于帧间切片(双树被禁用)，可以用信号通知单个LFNST索引，并且将其用于亮度和色度两者。

在一些示例实现中，当选择帧内子分区(ISP)模式时，可以停用LFNST并且可以不用信号通知RST索引，因为即使将RST应用于每个可行的分区块，性能改进也可能是很小的。此外，对ISP预测的残差禁用RST可以降低编码复杂度。进一步，在一些实现中，当选择多线性回归帧内预测(MIP)模式时，也可以禁用LFNST，并且可以不用信号通知RST索引。

考虑到大于64×64(或表示最大变换块大小的任何其它预定义大小)的大CU由于现有的最大变换大小限制(例如，64×64)而被隐式地分割(例如，TU平铺(tiling))，LFNST索引搜索可以针对特定数量的解码管线阶段将数据缓冲增加四倍。因此，在一些实现中，LFNST所允许的最大大小可以被限制为例如64×64。在一些实现中，LFNST可以仅利用DCT2作为初级变换来启用。

在一些其它实现中，通过定义例如次级变换的12个集合(其中每个集合具有例如3个核)来为亮度分量提供帧内次级变换(IST)。帧内模式相关索引可以被用于变换集合选择。集合内的核选择可以基于用信号通知的语法元素。当DCT2或ADST被用作水平初级变换和垂直初级变换时，可以启用IST。在一些实现中，根据块大小，可以选择4×4不可分离变换或8×8不可分离变换。如果min(tx_width，tx_height)<8，则可以选择4×4IST。对于较大的块，可以使用8×8IST。这里，tx_width和tx_height分别与变换块宽度和高度相对应。IST的输入可以是Z字形扫描顺序的低频初级变换系数。

当仅使用可分离变换方案时，视频编码或解码过程中的各种变换(例如，残差块中的样本的初级变换或初级变换系数的块的次级变换过程)在捕获定向纹理图案(诸如45度方向的边缘(例如，总体上远离水平方向或垂直方向的方向))时可能不是每一种都有效。如上文描述的，在一些示例实现中，一个或多个不可分离变换设计可以被用于初级变换系数的次级变换。如下文进一步描述的，这样的不可分离变换方案也可以用于残差样本块的初级变换以生成初级变换系数。在一些示例实现中，经由可分离变换或不可分离变换生成的初级变换系数可以直接进行量化，随后进行熵编码，或者可替代地，可以在量化和熵编码之前进行可分离次级变换或不可分离次级变换。在其中经由不可分离变换获得的初级变换系数进一步经受不可分离次级变换的实现中，将以级联方式使用两个不可分离变换。

本公开在下面进一步描述了应用于初级变换和次级变换的不可分离变换方案的一些示例实现。以下描述的这些不可分离变换设计旨在提高编码效率，尤其是对于定向图像模式。特别地，公开了帧内模式相关的不可分离初级和/或次级变换方案。这些示例实施例关注在正向变换过程或逆变换过程期间被编码/解码的块中的数据扫描顺序。正被处理的块通常可以被称为数据块，对于正向变换，该数据块可以包括残差变换/编码/预测块的样本或初级变换系数，并且对于逆变换，该数据块可以包括要被逆变换成初级变换系数的次级变换系数，或者要被逆变换成残差样本的初级变换系数。

为了优化由不可分离初级变换或不可分离次级变换实现的能量压缩并且有效地量化初级变换系数或次级变换系数(以丢弃高频系数)，可以在考虑帧内预测模式、块大小和/或初级变换类型的情况下执行不可分离初级变换或不可分离次级变换的输入和输出扫描过程，如下文进一步详细描述的。

在一些示例实现中，变换集合可以指一组一个或多个变换核，该组一个或多个变换核可作为编码器在编码过程中为数据块选择的候选或选项。

在一些实现中，初级变换可以使用不可分离变换来执行，或者通过执行一系列1-D变换来实现。例如，在DCT_DCT组合中，在块上水平地和垂直地应用DCT。对于另一示例，在ADST_ADST组合中，在块上水平地和垂直地应用1-D ADST。在一些实现中，可以水平地和垂直地使用不同的变换类型。这样的变换可以被称为混合初级变换。

图15示出了用于正向不可分离变换和逆不可分离变换的示例数据流1500。各种数据扫描过程被标识为S1和S2，并且正向不可分离变换和逆不可分离变换在图15中分别被标识为1502和1504。示例数据流1500的操作适用于初级不可分离变换过程和次级不可分离变换过程，并且在下文进一步详细解释。

不可分离次级变换中的数据扫描

在该示例实施例中，正向次级变换和逆次级变换可以是不可分离变换，如图15的1502和1504所示。从编码端，正向次级变换1502的输入可以是初级系数数据块1508的N个初级变换系数1506，初级系数数据块1508在扫描过程1512中遵循第一扫描顺序S1被扫描到数据序列1510中，并且正向次级变换1502的输出可以是K个数据项的次级变换系数序列1514，该K个数据项替换初级变换系数的K个输入初级变换系数1516，以在使用第二扫描顺序S2的数据扫描1518之后生成修改的初级变换系数数据块1507。N和K是正整数。

从解码端，逆次级变换1504的输入是在扫描过程1522中以逆S2扫描顺序对修改的初级系数数据块1509的K个输入系数1517进行逆扫描之后，获得的K个数据项的次级变换系数序列1520，并且逆次级变换1504的输出可以是N个系数的初级变换系数序列1524，该N个系数替换1509的N个初级变换系数1526，以使用遵循逆S1扫描顺序的逆扫描过程1530生成初级系数数据块1528。

在一些示例实现中，N可以大于K。换句话说，不可分离次级变换1502可以是缩减的不可分离次级变换。在一些示例实施例中，N个初级变换系数1506可以是初级系数数据块1506的前N个系数，例如初级变换系数数据块1506的左上角(或低频部分)。

在一个示例实现中，扫描顺序S1可以取决于以下各项中的至少一项：与输入数据块1508相关联的帧内预测模式、与数据块相关联的初级变换类型或数据块的块大小。

在一个示例实现中，扫描顺序S2可以取决于以下各项中的至少一项：与输入数据块1508相关联的帧内预测模式、与数据块相关联的初级变换类型或数据块的块大小。

在一个示例实现中，S1和S2扫描顺序可以包括以下各项中的至少一项：Z字形扫描顺序、对角线扫描顺序或行和列扫描顺序。

在一个实现中，当相同的次级变换集合(具有一个或多个次级变换核)被用作多个帧内预测模式的次级变换候选者时，S1和S2扫描顺序可以取决于与数据块相关联的帧内预测模式。

在一些示例实现中，S1和S2扫描顺序可以是不同的。

在一些示例实现中，N和K包括但不限于0与127之间的任何整数，包括0和127。

在一些示例实现中，当数据块是正方形块时，S1和/或S2扫描顺序可以包括Z字形顺序。当该块是非正方形块时，S1和/或S2扫描顺序可以包括对角线扫描顺序。

图15进一步示出了量化和熵编码1540以及对应的熵解码和解量化1550。

作为初级变换的不可分离初级变换中的数据扫描

在该示例实施例中，可以针对初级变换来执行不可分离变换过程1502和1504。这样，数据流1500(1508)的输入将是例如残差样本数据块而不是初级变换系数，并且输出1507将是修改的残差样本数据块，其包含来自不可分离变换过程1502的K个初级变换系数1516。具体地，从编码器端，正向初级变换的输入可以是遵循第一扫描顺序S1的前N个残差样本，并且正向初级变换的输出是K个不可分离变换系数，该K个不可分离变换系数替换第二扫描顺序S2中的K个输入残差样本。N和K是正整数。从解码器端，逆不可分离变换的输入是遵循S2扫描顺序的K个不可分离变换系数，并且逆不可分离变换的输出是N个残差样本，该N个残差样本替换遵循S1扫描顺序的N个不可分离变换系数，其中N是整数。

在一个示例实现中，扫描顺序S1可以取决于以下各项中的至少一项：与数据块相关联的帧内预测模式、与数据块相关联的初级变换类型或数据块的块大小。

在一个示例实现中，扫描顺序S2可以取决于以下各项中的至少一项：与数据块相关联的帧内预测模式、与数据块相关联的初级变换类型或数据块的块大小。

在一个示例实现中，S1和S2扫描顺序可以包括以下各项中的至少一项：Z字形扫描顺序、对角线扫描顺序或行和列扫描顺序。

在一个示例实现中，当相同变换集合(具有一个或多个次级变换核)被用作多个帧内预测模式的次级变换候选者时，S1和S2扫描顺序可以取决于与数据块相关联的帧内预测模式。

在一些示例实现中，S1和S2扫描顺序可以是不同的。

在一个示例实现中，N和K包括但不限于0与127之间的任何整数，包括0和127。

在一个示例实现中，当数据块是正方形块时，S1和/或S2扫描顺序可以包括Z字形扫描顺序。当该块是非正方形块时，S1和/或S2扫描顺序可以包括对角线扫描顺序。换句话说，对于正方形数据块或非正方形数据块，可以实施对角线扫描顺序。

在一个示例实现中，S1扫描顺序可以包括：水平(行)扫描顺序或垂直(列)扫描顺序。

对于这些实现，量化/熵过程1540和熵解码/解量化过程1550可以直接在1507或1509上执行，而无需附加的次级变换。在一些其它替代实现中，可以在编码端的过程1540之前和解码端的过程1550之后执行附加的次级变换。附加的次级变换可以是可分离的，或者可以是不可分离的，例如遵循以上针对不可分离次级变换描述的实现。

作为初级变换的不可分离初级变换中的数据扫描

在一些实施例中，当执行变换系数编码(例如，变换系数的熵编码)时，变换的类型(即，可分离的或不可转移的)可以对扫描顺序具有影响。在一个实现中，当应用不可分离变换(到初级变换和/或次级变换)时，水平(行)或垂直(列)扫描顺序可以被用于变换系数编码。

图16示出了用于处理视频数据的示例性方法1600。方法1600可以包括以下步骤的一部分或全部：步骤1610，从视频数据中提取数据块；步骤1620，遵循第一扫描顺序扫描数据块中的第一数量的数据项，以生成第一数据序列；步骤1630，对第一数据序列执行不可分离变换，以获得具有第二数量的数据项的第二数据序列；以及步骤1640，利用遵循第二扫描顺序的第二数据序列的一部分或全部来替换数据块中的第一数量的数据项的至少一部分。

在本公开的实施例中，任何步骤和/或操作可以根据需要以任何数量或顺序组合或布置。可以并行地执行步骤和/或操作中的两个或更多个。

本公开中的实施例可以单独使用或以任何顺序组合使用。进一步地，方法(或实施例)、编码器和解码器中的每一个可以通过处理电路(例如，一个或多个处理器或一个或多个集成电路)来实现。在一个示例中，一个或多个处理器执行存储在非易失性计算机可读介质中的程序。本公开中的实施例可以被应用于亮度块或色度块。

以上所描述的技术可以被实施为使用计算机可读指令并且物理地存储在一个或多个计算机可读介质中的计算机软件。例如，图17示出了适于实施所公开的主题的某些实施例的计算机系统(1700)。

计算机软件可以使用任何合适的机器代码或计算机语言进行编码，机器代码或计算机语言可以通过汇编、编译、链接或类似机制来创建包括可以由一个或多个计算机中央处理单元(CPU)、图形处理单元(GPU)等直接或通过解释、微代码执行等执行的指令的代码。

指令可以在各种类型的计算机或其部件上执行，包括例如个人计算机、平板计算机、服务器、智能电话、游戏设备、物联网设备等。

图17所示的用于计算机系统(1700)的部件本质上是示例性的，并且不旨在对实施本公开的实施例的计算机软件的使用范围或功能性提出任何限制。部件的配置也不应被解释为对计算机系统(1700)的示例性实施例中所图示的任何一个部件或其组合具有任何依赖性或要求。

计算机系统(1700)可以包括某些人机接口输入设备。此类人机接口输入设备可以响应于一个或多个人类用户通过例如触觉输入(诸如：击键、滑动、数据手套移动)、音频输入(诸如：语音、拍打)、视觉输入(诸如：手势)、嗅觉输入(未示出)的输入。人机接口设备还可以用于捕获不一定与人的有意识输入直接相关的某些介质，诸如音频(诸如：语音、音乐、环境声音)、图像(诸如：扫描图像、从静止图像照相机获得的摄影图像)、视频(诸如二维视频、包括立体视频的三维视频)。

输入人机接口设备可以包括以下中的一个或多个(每种仅描绘了一个)：键盘(1701)、鼠标(1702)、触控板(1703)、触摸屏(1710)、数据手套(未示出)、操纵杆(1705)、麦克风(1706)、扫描仪(1707)、照相机(1708)。

计算机系统(1700)还可以包括某些人机接口输出设备。此类人机接口输出设备可以通过例如触觉输出、声音、光和嗅觉/味觉来刺激一个或多个人类用户的感觉。此类人机接口输出设备可以包括触觉输出设备(例如触摸屏(1710)、数据手套(未示出)或操纵杆(1705)的触觉反馈，但也可以有不用作输入设备的触觉反馈设备)、音频输出设备(诸如：扬声器(1709)、耳机(未描绘))、视觉输出设备(诸如屏幕(1710)，包括CRT屏幕、LCD屏幕、等离子屏幕、OLED屏幕，其各自具有或不具有触摸屏输入能力，各自具有或不具有触觉反馈能力—其中一些能够通过诸如立体输出的方式输出二维视觉输出或多于三维输出；虚拟现实眼镜(未描绘)、全息显示器和烟雾罐(未描绘))，以及打印机(未描绘)。

计算机系统(1700)还可以包括人类可访问的存储设备及其相关联的介质，诸如包括具有CD/DVD的CD/DVD ROM/RW(1720)等介质(1721)的光学介质、拇指驱动器(1722)、可移动硬盘驱动器或固态驱动器(1723)、诸如磁带和软盘(未描绘)的传统磁性介质、诸如安全软件狗(未描绘)的基于专用ROM/ASIC/PLD的设备等。

本领域技术人员还应当理解，结合当前公开的主题使用的术语“计算机可读介质”不包括传输介质、载波或其它易失性信号。

计算机系统(1700)还可以包括到一个或多个通信网络(1755)的接口(1754)。网络例如可以是无线的、有线的、光学的。网络还可以是本地的、广域的、城域的、车辆的和工业的、实时的、延迟容许型的等等。网络的示例包括诸如以太网的局域网、无线LAN、包括GSM、3G、4G、5G、LTE等的蜂窝网络、包括有线TV、卫星TV和地面广播TV的TV有线或无线广域数字网络、包括CAN总线的车辆的和工业的网络等。某些网络通常需要附接到某些通用数据端口或外围总线(1749)的外部网络接口适配器(诸如例如，计算机系统(1700)的USB端口)；其它网络通常通过附接到如下所描述的系统总线而集成到计算机系统(1700)的核心中(例如以太网接口到PC计算机系统中或蜂窝网络接口到智能电话计算机系统中)。使用这些网络中的任何一个，计算机系统(1700)可以与其它实体进行通信。此类通信可以是单向的仅接收(例如，广播TV)、单向的仅发送(例如，CANbus到某些CANbus设备)，或双向的，例如到使用局域数字网络或广域数字网络的其它计算机系统。可以在如上所描述的那些网络和网络接口中的每一个上使用某些协议和协议栈。

上述人机接口设备、人类可访问的存储设备和网络接口可以附接到计算机系统(1700)的核心(1740)。

核心(1740)可以包括一个或多个中央处理单元(CPU)(1741)、图形处理单元(GPU)(1742)、现场可编程门阵列(FPGA)(1743)形式的专用可编程处理单元、用于某些任务的硬件加速器(1744)、图形适配器(1750)等。这些设备连同只读存储器(ROM)(1745)、随机存取存储器(1746)、诸如内部非用户可访问硬盘驱动器、SSD等的内部大容量存储器(1747)可以通过系统总线(1748)连接。在一些计算机系统中，系统总线(1748)可以以一个或多个物理插头的形式访问，以使得能够通过附加CPU、GPU等进行扩展。外围设备可以直接或通过外围总线(1749)附接到核心的系统总线(1748)。在一个示例中，屏幕(1710)可以连接到图形适配器(1750)。外围总线的体系结构包括PCI、USB等。

CPU(1741)、GPU(1742)、FPGA(1743)和加速器(1744)可以执行某些指令，这些指令的组合可以构成上述计算机代码。该计算机代码可以存储在ROM(1745)或RAM(1746)中。过渡数据也可以存储在RAM(1746)中，而永久数据可以存储在例如内部大容量存储器(1747)中。可以通过使用高速缓存存储器来启用对任何存储器设备的快速存储和检索，高速缓存存储器可以与一个或多个CPU(1741)、GPU(1742)、大容量存储器(1747)、ROM(1745)、RAM(1746)等紧密相关联。

计算机可读介质可以在其上具有用于执行各种计算机实施的操作的计算机代码。介质和计算机代码可以是为了本公开的目的而专门设计和构建的那些，或者它们可以是计算机软件领域的技术人员公知和可用的类型。

作为非限制性示例，具有体系结构的计算机系统(1700)，并且特别是核(1740)可以提供作为一个或多个处理器(包括CPU、GPU、FPGA、加速器等)执行体现在一个或多个有形的计算机可读介质中的软件的结果的功能性。此类计算机可读介质可以是与如上所介绍的用户可访问的大容量存储器相关联的介质，以及具有非易失性性质的核心(1740)的某些存储器，诸如核心内部大容量存储器(1747)或ROM(1745)。实施本公开的各种实施例的软件可以存储在此类设备中并由核(1740)执行。根据特定需要，计算机可读介质可以包括一个或多个存储器设备或芯片。软件可以使核心(1740)并且特别是其中的处理器(包括CPU、GPU、FPGA等)执行本文描述的特定过程或特定过程的特定部分，包括定义存储在RAM(1746)中的数据结构并且根据由软件定义的过程修改此类数据结构。另外或作为替代，计算机系统可以提供作为逻辑硬连线的结果或以其它方式体现在电路(例如：加速器(1744))中的功能性，其可以代替软件或与软件一起操作以执行本文描述的特定过程或特定过程的特定部分。在适当的情况下，对软件的引用可以包括逻辑，反之亦然。在适当的情况下，对计算机可读介质的引用可以包括存储用于执行的软件的电路(诸如集成电路(IC))、体现用于执行的逻辑的电路，或两者。本公开包括硬件和软件的任何合适的组合。

虽然本申请已对多个示例性实施例进行了描述，但实施例的各种变更、排列和各种等同替换均属于本申请的范围内。因此应理解，本领域技术人员能够设计多种系统和方法，所述系统和方法虽然未在本文中明确示出或描述，但其体现了本申请的原则，因此属于本申请的精神和范围之内。

附录A：首字母缩略词

JEM：联合开发模型(joint exploration model)

VVC：通用视频编码(versatile video coding)

BMS：基准集合(benchmark set)

MV：运动矢量(Motion Vector)

HEVC：高效视频编码(High Efficiency Video Coding)

SEI：辅助增强信息(Supplementary Enhancement Information)

VUI：视频可用性信息(Video Usability Information)

GOPs：图片群组(Groups of Pictures)

TUs：变换单元(Transform Units)

PUs：预测单元(Prediction Units)

CTUs：编码树单元(Coding Tree Units)

CTBs：编码树块(Coding Tree Blocks)

PBs：预测块(Prediction Blocks)

HRD：假想参考解码器(Hypothetical Reference Decoder)

SNR：信噪比(Signal Noise Ratio)

CPUs：中央处理单元(Central Processing Units)

GPUs：图形处理单元(Graphics Processing Units)

CRT：阴极射线管(Cathode Ray Tube)

LCD：液晶显示(Liquid-Crystal Display)

OLED：有机发光二极管(Organic Light-Emitting Diode)

CD：光盘(Compact Disc)

DVD：数字化视频光盘(Digital Video Disc)

ROM：只读存储器(Read-Only Memory)

RAM：随机存取存储器(Random Access Memory)

ASIC：专用集成电路(Application-Specific Integrated Circuit)

PLD：可编程逻辑设备(Programmable Logic Device)

LAN：局域网(Local Area Network)

GSM：全球移动通信系统(Global System for Mobile communications)

LTE：长期演进(Long-TermEvolution)

CANBus：控制器局域网络总线(Controller Area Network Bus)

USB：通用串行总线(Universal Serial Bus)

PCI：外围设备互连(Peripheral Component Interconnect)

FPGA：现场可编程门阵列(Field Programmable Gate Areas)

SSD：固态驱动器(solid-state drive)

IC：集成电路(Integrated Circuit)

CU：编码单元(Coding Unit)

PU:预测单元(Prediction Unit)

TU：变换单元(Transform Unit)

CTU：编码树单元(Coding Tree Unit)

PDPC:位置相关预测组合(Position Dependent Prediction Combination)

ISP：内部子分区(Intra Sub-Partitions)

SPS：序列参数设置(Sequence Parameter Setting)

PPS：图片参数集(Picture Parameter Set)

APS：自适应参数集(Adaptation Parameter Set)

VPS：视频参数集(Video Parameter Set)

DPS：解码参数集(Decoding Parameter Set)

ALF：自适应环路滤波器(Adaptive Loop Filter)

SAO：样本自适应偏移(Sample Adaptive Offset)

CC-ALF：交叉分量自适应环路滤波器(Cross-Component Adaptive Loop Filter)

CDEF：约束定向增强滤波器(Constrained Directional Enhancement Filter)

CCSO：交叉分量样本偏移(Cross-Component Sample Offset)

LSO：局部采样偏移(Local Sample Offset)

LR：环路恢复滤波器(Loop Restoration Filter)

AV1：AOMedia视频1(AOMedia Video 1)

AV2：AOMedia视频2(AOMedia Video 2)

Claims (21)

1.一种用于处理视频数据的方法，其特征在于，所述方法包括：

从所述视频数据中提取数据块；

遵循第一扫描顺序扫描所述数据块中的第一数量的数据项，以生成第一数据序列；

对所述第一数据序列执行不可分离变换，以获得具有第二数量的数据项的第二数据序列；以及

利用遵循第二扫描顺序的所述第二数据序列的一部分或全部来替换所述数据块中的所述第一数量的数据项的至少一部分。

2.根据权利要求1所述的方法，其特征在于：

所述数据块包括初级变换系数；

所述不可分离变换包括正向不可分离次级变换；并且

替换所述数据块中的所述第一数量的数据项的至少一部分包括利用遵循所述第二扫描顺序的所述第二序列，替换所述数据块中的所述第一数量的数据项内的所述第二数量的数据项。

3.根据权利要求2所述的方法，其特征在于，所述第一扫描顺序是基于以下各项中的至少一项确定的：

与所述数据块相关联的帧内预测模式；

所述正向不可分离次级变换的类型；或

所述数据块的大小。

4.根据权利要求2所述的方法，其特征在于，所述第二扫描顺序是基于以下各项中的至少一项确定的：

与所述数据块相关联的帧内预测模式；

所述正向不可分离次级变换的类型；或

所述数据块的大小。

5.根据权利要求2所述的方法，其特征在于，所述第一扫描顺序或所述第二扫描顺序包括以下各项中的一项：

Z字形扫描顺序；

对角线扫描顺序；或

行和列扫描顺序。

6.根据权利要求2所述的方法，其特征在于：

当关于所述视频数据的多个帧内预测模式共享相同的变换核集合时，基于与所述数据块相关联的帧内预测模式来确定所述第一扫描顺序或所述第二扫描顺序。

7.根据权利要求2所述的方法，其特征在于，所述第一数量和所述第二数量是0到127之间的整数，包括0和127。

8.根据权利要求2所述的方法，其特征在于，所述第一扫描顺序和所述第二扫描顺序是：

当所述数据块是正方形块时的Z字形扫描顺序；或

当所述数据块是非正方形块时的对角线扫描顺序。

9.根据权利要求1所述的方法，其特征在于：

所述数据块包括残差样本；

所述不可分离变换包括正向不可分离初级变换；并且

替换所述数据块中的所述第一数量的数据项的至少一部分包括利用遵循所述第二扫描顺序的所述第二序列，来替换所述数据块中的所述第一数量的数据项内的所述第二数量的数据项。

10.根据权利要求9所述的方法，其特征在于，所述第一扫描顺序是基于以下各项中的至少一项确定的：

与所述数据块相关联的帧内预测模式；

所述正向不可分离次级变换的类型；或

所述数据块的大小。

11.根据权利要求9所述的方法，其特征在于，所述第二扫描顺序是基于以下各项中的至少一项确定的：

与所述数据块相关联的帧内预测模式；

所述正向不可分离次级变换的类型；或

所述数据块的大小。

12.根据权利要求9所述的方法，其特征在于，所述第一扫描顺序或所述第二扫描顺序包括以下各项中的一项：

Z字形扫描顺序；

对角线扫描顺序；或

行和列扫描顺序。

13.根据权利要求9所述的方法，其特征在于：

当关于所述视频数据的多个帧内预测模式共享相同的变换核集合时，基于与所述数据块相关联的帧内预测模式来确定所述第一扫描顺序或所述第二扫描顺序。

14.根据权利要求9所述的方法，其特征在于，所述第一数量和所述第二数量是0到127之间的整数，包括0和127。

15.根据权利要求9所述的方法，其特征在于，所述第一扫描顺序和所述第二扫描顺序是：

当所述数据块是正方形块时的Z字形扫描顺序；或

当所述数据块是非正方形块时的对角线扫描顺序。

16.根据权利要求9所述的方法，其特征在于，所述第一扫描顺序是水平或垂直扫描顺序。

17.一种用于对与视频数据相关联的变换系数进行熵编码的方法，其特征在于，所述方法包括：

响应于与所述变换系数相关联的变换是不可分离的，当执行对所述变换系数的熵编码时使用第一扫描顺序扫描所述变换系数，所述第一扫描顺序是以下各项中的一项：

水平扫描顺序；或

垂直扫描顺序；以及

响应于与所述变换系数相关联的所述变换是可分离的，当执行对所述变换系数的熵编码时，以不同于所述第一扫描顺序的第二扫描顺序扫描所述变换系数。

18.根据权利要求17所述的方法，其特征在于，所述变换包括以下各项中的一项：

初级变换；或

次级变换。

19.一种用于处理视频数据的方法，其特征在于，所述方法包括：

接收所述视频数据；

确定是否将不可分离变换作为次级变换应用于所述视频数据；

响应于将所述不可分离变换作为所述次级变换应用于所述视频数据：

扫描第一数量的初级变换系数，其中所述初级变换系数遵循第一扫描顺序；

使用作为输入的所述第一数量的初级变换系数来执行不可分离变换，以获得作为输出的第二数量的次级变换系数，其中所述次级变换系数遵循第二扫描顺序；

利用遵循所述第二扫描顺序的所述次级变换系数来替换至少所述第二数量的初级变换系数；

使用作为输入的所述第二数量的次级变换系数来执行与所述不可分离变换相对应的逆次级变换，以获得作为输出的所述第一数量的初级变换系数；以及

利用遵循所述第一扫描顺序的所述初级变换系数来替换至少所述第一数量的次级变换系数。

20.一种设备，其特征在于，包括被配置为实现根据权利要求1至19中任一项所述的方法的电路。

21.一种计算机程序产品，其特征在于，包括其上存储有计算机代码的非易失性计算机可读程序介质，所述计算机代码在由一个或多个处理器执行时使所述一个或多个处理器实现根据权利要求1至19中任一项所述的方法。