KR20190063452A - 루프내 필터링을 이용한 영상 부호화/복호화 방법 및 장치 - Google Patents
루프내 필터링을 이용한 영상 부호화/복호화 방법 및 장치 Download PDFInfo
- Publication number
- KR20190063452A KR20190063452A KR1020180151413A KR20180151413A KR20190063452A KR 20190063452 A KR20190063452 A KR 20190063452A KR 1020180151413 A KR1020180151413 A KR 1020180151413A KR 20180151413 A KR20180151413 A KR 20180151413A KR 20190063452 A KR20190063452 A KR 20190063452A
- Authority
- KR
- South Korea
- Prior art keywords
- filter
- block
- information
- unit
- value
- Prior art date
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 305
- 238000000034 method Methods 0.000 title claims abstract description 220
- 230000002123 temporal effect Effects 0.000 claims description 55
- 241000533950 Leucojum Species 0.000 claims description 29
- 241000219793 Trifolium Species 0.000 claims description 22
- 230000000694 effects Effects 0.000 claims description 19
- 239000000523 sample Substances 0.000 description 340
- 230000033001 locomotion Effects 0.000 description 127
- 230000003044 adaptive effect Effects 0.000 description 117
- 238000013139 quantization Methods 0.000 description 72
- 230000008569 process Effects 0.000 description 50
- 238000004364 calculation method Methods 0.000 description 49
- 238000005192 partition Methods 0.000 description 42
- 238000006243 chemical reaction Methods 0.000 description 33
- 238000010586 diagram Methods 0.000 description 19
- 239000011159 matrix material Substances 0.000 description 19
- 208000037170 Delayed Emergence from Anesthesia Diseases 0.000 description 18
- 239000000872 buffer Substances 0.000 description 18
- 230000009466 transformation Effects 0.000 description 17
- 230000011218 segmentation Effects 0.000 description 15
- QNRATNLHPGXHMA-XZHTYLCXSA-N (r)-(6-ethoxyquinolin-4-yl)-[(2s,4s,5r)-5-ethyl-1-azabicyclo[2.2.2]octan-2-yl]methanol;hydrochloride Chemical compound Cl.C([C@H]([C@H](C1)CC)C2)CN1[C@@H]2[C@H](O)C1=CC=NC2=CC=C(OCC)C=C21 QNRATNLHPGXHMA-XZHTYLCXSA-N 0.000 description 13
- 238000007792 addition Methods 0.000 description 13
- 230000002457 bidirectional effect Effects 0.000 description 10
- 239000013074 reference sample Substances 0.000 description 10
- 238000000638 solvent extraction Methods 0.000 description 8
- 239000000470 constituent Substances 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 7
- 230000001131 transforming effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000006978 adaptation Effects 0.000 description 5
- 239000002131 composite material Substances 0.000 description 5
- 229910003460 diamond Inorganic materials 0.000 description 5
- 239000010432 diamond Substances 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000009795 derivation Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012805 post-processing Methods 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 241000023320 Luma <angiosperm> Species 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
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
- H04N19/134—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
- H04N19/136—Incoming video signal characteristics or properties
- H04N19/14—Coding unit complexity, e.g. amount of activity or edge presence estimation
-
- 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
- H04N19/117—Filters, e.g. for pre-processing or post-processing
-
- 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
- H04N19/119—Adaptive subdivision aspects, e.g. subdivision of a picture into rectangular or non-rectangular coding blocks
-
- 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
- H04N19/124—Quantisation
-
- 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
- H04N19/132—Sampling, masking or truncation of coding units, e.g. adaptive resampling, frame skipping, frame interpolation or high-frequency transform coefficient masking
-
- 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
- H04N19/17—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 an image region, e.g. an object
- H04N19/176—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 an image region, e.g. an object the region being a block, e.g. a macroblock
-
- 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
- H04N19/10—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
- H04N19/187—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 scalable video layer
-
- 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
- H04N19/1883—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 relating to sub-band structure, e.g. hierarchical level, directional tree, e.g. low-high [LH], high-low [HL], high-high [HH]
-
- 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
- H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
- H04N19/423—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation characterised by memory arrangements
- H04N19/426—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation characterised by memory arrangements using memory downsizing methods
-
- 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
-
- 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
- H04N19/593—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial prediction techniques
-
- 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
- H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
-
- 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
- H04N19/80—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation
- H04N19/82—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation involving filtering within a prediction loop
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
영상 부호화/복호화 방법 및 장치가 제공된다. 본 개시의 영상 복호화 방법은 부호화 유닛에 대한 필터 정보를 복호화하는 단계; 상기 부호화 유닛을 블록 분류 단위로 분류하는 단계; 및 상기 필터 정보를 이용하여 상기 블록 분류 단위로 분류된 부호화 유닛을 필터링하는 단계를 포함한다.
Description
본 발명은 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체에 관한 것이다. 구체적으로, 본 발명은 루프내 필터링을 기반으로 하는 영상 부호화/복호화 방법 및 장치에 관한 것이다.
최근 HD(High Definition) 영상 및 UHD(Ultra High Definition) 영상과 같은 고해상도, 고품질의 영상에 대한 수요가 다양한 응용 분야에서 증가하고 있다. 영상 데이터가 고해상도, 고품질이 될수록 기존의 영상 데이터에 비해 상대적으로 데이터량이 증가하기 때문에 기존의 유무선 광대역 회선과 같은 매체를 이용하여 영상 데이터를 전송하거나 기존의 저장 매체를 이용해 저장하는 경우, 전송 비용과 저장 비용이 증가하게 된다. 영상 데이터가 고해상도, 고품질화 됨에 따라 발생하는 이러한 문제들을 해결하기 위해서는 더 높은 해상도 및 화질을 갖는 영상에 대한 고효율 영상 부호화(encoding)/복호화(decoding) 기술이 요구된다.
영상 압축 기술로 현재 픽처의 이전 또는 이후 픽처로부터 현재 픽처에 포함된 화소값을 예측하는 화면 간 예측 기술, 현재 픽처 내의 화소 정보를 이용하여 현재 픽처에 포함된 화소값을 예측하는 화면내 예측 기술, 잔여 신호의 에너지를 압축하기 위한 변환 및 양자화 기술, 출현 빈도가 높은 값에 짧은 부호를 할당하고 출현 빈도가 낮은 값에 긴 부호를 할당하는 엔트로피 부호화 기술 등 다양한 기술이 존재하고 이러한 영상 압축 기술을 이용해 영상 데이터를 효과적으로 압축하여 전송 또는 저장할 수 있다.
디블록킹 필터는 블록의 경계에 대해서 세로 방향 필터링 및 가로 방향 필터링을 수행하여 블록들 사이의 경계에서 발생하는 블록킹 현상을 감소시키는데 목적이 있으나, 디블록킹 필터는 블록 경계 필터링 시에 원본 영상과 복원 영상과의 왜곡을 최소화하지는 못하는 단점이 있다.
샘플 적응적 오프셋은 링잉 현상 감소를 위해 화소 단위로 인접한 화소들과의 화소 값 비교를 통해 특정 화소에 오프셋을 더해주거나, 화소 값이 특정한 범위에 속하는 화소들에 대해서 오프셋을 더해주는 방법이며, 샘플 적응적 오프셋은 율-왜곡 최적화를 이용하여 원본 영상과 복원 영상과의 왜곡을 일부 최소화하나, 원본 영상과 복원 영상 사이에 왜곡 차이가 클 경우에는 왜곡 최소화 관점에서 한계가 존재한다.
본 발명은 루프내 필터링을 이용한 영상 부호화/복호화 방법 및 장치를 제공하는 것을 목적으로 한다.
또한, 본 발명은 영상 부호화기/복호화기의 계산 복잡도, 메모리 접근 대역폭을 감소시키기 위해 부표본 기반 블록 분류를 이용한 루프내 필터링 방법 및 장치를 제공하는 것을 목적으로 한다.
또한, 본 발명은 영상 부호화기/복호화기의 계산 복잡도, 메모리 요구량, 메모리 접근 대역폭을 감소시키기 위해 다중 필터 형태(multiple filter shapes)를 이용한 루프내 필터링 방법 및 장치를 제공하는 것을 목적으로 한다.
또한, 본 발명은 본 발명의 영상 부호화/복호화 방법 또는 장치에 의해 생성된 비트스트림을 저장한 기록 매체를 제공하는 것을 목적으로 한다.
본 발명에 따르면, 부호화 유닛에 대한 필터 정보를 복호화하는 단계; 상기 부호화 유닛을 블록 분류 단위로 분류하는 단계; 및 상기 필터 정보를 이용하여 상기 블록 분류 단위로 분류된 부호화 유닛을 필터링하는 단계를 포함하는 영상 복호화 방법이 제공될 수 있다.
본 발명에 따른 영상 복호화 방법에 있어서, 상기 블록 분류 단위로 분류된 부호화 유닛에 블록 분류 색인을 할당하는 단계를 더 포함하고, 상기 블록 분류 색인은 방향성 정보와 활동성 정보를 이용하여 결정될 수 있다.
본 발명에 따른 영상 복호화 방법에 있어서, 상기 방향성 정보 및 활동성 정보 중 적어도 하나는 세로, 가로, 제1 대각, 제2 대각 방향 중 적어도 하나에 대한 기울기(gradient) 값에 기반하여 결정될 수 있다.
본 발명에 따른 영상 복호화 방법에 있어서, 상기 기울기 값은 상기 블록 분류 단위에서의 1D 라플라시안 연산을 이용하여 획득될 수 있다.
본 발명에 따른 영상 복호화 방법에 있어서, 상기 1D 라플라시안 연산은 상기 연산의 수행 위치가 서브샘플링된 1D 라플라시안 연산일 수 있다.
본 발명에 따른 영상 복호화 방법에 있어서, 상기 기울기 값은 시간적 계층 식별자(temporal layer identifier)에 기반하여 결정될 수 있다.
본 발명에 따른 영상 복호화 방법에 있어서, 상기 필터 정보는, 필터링 수행 여부, 필터 계수 값, 필터 개수, 필터 탭 수(필터 길이) 정보, 필터 형태 정보, 필터 종류 정보, 블록 분류 색인에 대한 고정된 필터 사용 여부 정보 및 필터의 대칭 형태에 관한 정보 중 적어도 하나를 포함할 수 있다.
본 발명에 따른 영상 복호화 방법에 있어서, 상기 필터 형태 정보는 마름모, 직사각형, 정사각형, 사다리꼴, 대각, 눈송이, 샵, 클로버, 십자가, 삼각형, 오각형, 육각형, 팔각형, 십각형 및 십이각형 형태 중 적어도 하나의 정보를 포함할 수 있다.
본 발명에 따른 영상 복호화 방법에 있어서, 상기 필터 계수 값은 상기 블록 분류 단위로 분류된 부호화 유닛에 기반하여 기하학적 변환된 필터 계수 값을 포함할 수 있다.
본 발명에 따른 영상 복호화 방법에 있어서, 필터의 대칭 형태에 관한 정보는 점 대칭, 가로 대칭, 세로 대칭 및 대각 대칭 형태 중 적어도 하나 이상의 정보를 포함할 수 있다.
또한, 본 발명에 따르면, 부호화 유닛을 블록 분류 단위로 분류하는 단계; 상기 부호화 유닛에 대한 필터 정보를 이용하여 상기 블록 분류 단위로 분류된 부호화 유닛을 필터링하는 단계; 및 상기 필터 정보를 부호화하는 단계를 포함하는 영상 부호화 방법이 제공될 수 있다.
본 발명에 따른 영상 부호화 방법에 있어서, 상기 블록 분류 단위로 분류된 부호화 유닛에 블록 분류 색인을 할당하는 단계를 더 포함하고, 상기 블록 분류 색인은 방향성 정보와 활동성 정보를 이용하여 결정될 수 있다.
본 발명에 따른 영상 부호화 방법에 있어서, 상기 방향성 정보 및 활동성 정보 중 적어도 하나는 세로, 가로, 제1 대각, 제2 대각 방향 중 적어도 하나에 대한 기울기(gradient) 값에 기반하여 결정될 수 있다.
본 발명에 따른 영상 부호화 방법에 있어서, 상기 기울기 값은 상기 블록 분류 단위에서의 1D 라플라시안 연산을 이용하여 획득될 수 있다.
본 발명에 따른 영상 부호화 방법에 있어서, 상기 1D 라플라시안 연산은 상기 연산의 수행 위치가 서브샘플링된 1D 라플라시안 연산일 수 있다.
본 발명에 따른 영상 부호화 방법에 있어서, 상기 기울기 값은 시간적 계층 식별자에 기반하여 결정될 수 있다.
본 발명에 따른 영상 부호화 방법에 있어서, 상기 필터 정보는, 필터링 수행 여부, 필터 계수 값, 필터 개수, 필터 탭 수(필터 길이) 정보, 필터 형태 정보, 필터 종류 정보, 블록 분류 색인에 대한 고정된 필터 사용 여부 정보 및 필터의 대칭 형태에 관한 정보 중 적어도 하나를 포함할 수 있다.
본 발명에 따른 영상 부호화 방법에 있어서, 상기 필터 형태 정보는 마름모, 직사각형, 정사각형, 사다리꼴, 대각, 눈송이, 샵, 클로버, 십자가, 삼각형, 오각형, 육각형, 팔각형, 십각형 및 십이각형 형태 중 적어도 하나의 정보를 포함할 수 있다.
본 발명에 따른 영상 부호화 방법에 있어서, 상기 필터 계수 값은 상기 블록 분류 단위로 분류된 부호화 유닛에 기반하여 기하학적 변환된 필터 계수 값을 포함할 수 있다.
또한, 본 발명에 따른 기록 매체는 본 발명에 따른 영상 부호화 방법에 의해 생성된 비트스트림을 저장할 수 있다.
본 발명에 따르면, 루프내 필터링을 이용한 영상 부호화/복호화 방법 및 장치가 제공될 수 있다.
또한, 본 발명에 따르면, 영상 부호화기/복호화기의 계산 복잡도, 메모리 접근 대역폭을 감소시키기 위해 부표본 기반 블록 분류를 이용한 루프내 필터링 방법 및 장치가 제공될 수 있다.
또한, 본 발명에 따르면, 영상 부호화기/복호화기의 계산 복잡도, 메모리 요구량, 메모리 접근 대역폭을 감소시키기 위해 다중 필터 형태를 이용한 루프내 필터링 방법 및 장치가 제공될 수 있다.
또한, 본 발명에 따르면, 본 발명의 영상 부호화/복호화 방법 또는 장치에 의해 생성된 비트스트림을 저장한 기록 매체가 제공될 수 있다.
또한, 본 발명에 따르면, 영상의 부호화 및/또는 복호화 효율을 향상시킬 수 있다.
도 1은 본 발명이 적용되는 부호화 장치의 일 실시예에 따른 구성을 나타내는 블록도이다.
도 2는 본 발명이 적용되는 복호화 장치의 일 실시예에 따른 구성을 나타내는 블록도이다.
도 3은 영상을 부호화 및 복호화할 때의 영상의 분할 구조를 개략적으로 나타내는 도면이다.
도 4는 화면 내 예측 과정의 실시예를 설명하기 위한 도면이다.
도 5는 화면 간 예측 과정의 실시예를 설명하기 위한 도면이다.
도 6은 변환 및 양자화의 과정을 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시 예에 따른 영상 복호화 방법을 나타내는 흐름도이다.
도 8은 본 발명의 일 실시 예에 따른 영상 부호화 방법을 나타내는 흐름도이다.
도 9는 가로, 세로, 제1 대각, 제2 대각 방향에 따른 기울기 값을 결정하는 일 예이다.
도 10 내지 도 12는 부표본에 기반하여 가로, 세로, 제1 대각, 제2 대각 방향에 따른 기울기 값을 결정하는 일 예이다.
도 13 내지 도 18은 부표본에 기반하여 가로, 세로, 제1 대각, 제2 대각 방향에 따른 기울기 값을 결정하는 다른 예이다.
도 19 내지 도 30은 본 발명의 일 실시 예에 따른 특정 샘플 위치에서 가로, 세로, 제1 대각, 제2 대각 방향에 따른 기울기 값을 결정하는 일 예이다.
도 31은 시간적 계층 식별자가 최상위 계층인 경우에서의 가로, 세로, 제1 대각, 제2 대각 방향에 따른 기울기 값을 결정하는 일 예이다.
도 32는 본 발명의 일 실시 예에 따른 1D 라플라시안 연산을 대신하는 다양한 연산 기법을 나타내는 도면이다.
도 33은 본 발명의 일 실시 예에 따른 마름모 형태의 필터를 나타내는 도면이다.
도 34는 본 발명의 일 실시 예에 따른 필터 탭 수가 5x5인 필터를 나타내는 도면이다.
도 35는 본 발명의 일 실시 예에 따른 다양한 필터 형태를 나타내는 도면이다.
도 36은 본 발명의 일 실시 예에 따른 가로 또는 세로 대칭 필터를 나타내는 도면이다.
도 37은 본 발명의 일 실시 예에 따른 정사각형, 팔각형, 눈송이, 마름모 형태의 필터에 기하학적 변환을 수행한 필터를 나타내는 도면이다.
도 38은 본 발명의 일 실시 예에 9x9 마름모 형태의 필터 계수를 5x5 정사각형 형태의 필터 계수로 변환하는 과정을 나타내는 도면이다.
도 39 내지 도 55는 부표본에 기반하여 가로, 세로, 제1 대각, 제2 대각 방향에 따른 기울기 값을 결정하는 또 다른 예이다.
도 2는 본 발명이 적용되는 복호화 장치의 일 실시예에 따른 구성을 나타내는 블록도이다.
도 3은 영상을 부호화 및 복호화할 때의 영상의 분할 구조를 개략적으로 나타내는 도면이다.
도 4는 화면 내 예측 과정의 실시예를 설명하기 위한 도면이다.
도 5는 화면 간 예측 과정의 실시예를 설명하기 위한 도면이다.
도 6은 변환 및 양자화의 과정을 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시 예에 따른 영상 복호화 방법을 나타내는 흐름도이다.
도 8은 본 발명의 일 실시 예에 따른 영상 부호화 방법을 나타내는 흐름도이다.
도 9는 가로, 세로, 제1 대각, 제2 대각 방향에 따른 기울기 값을 결정하는 일 예이다.
도 10 내지 도 12는 부표본에 기반하여 가로, 세로, 제1 대각, 제2 대각 방향에 따른 기울기 값을 결정하는 일 예이다.
도 13 내지 도 18은 부표본에 기반하여 가로, 세로, 제1 대각, 제2 대각 방향에 따른 기울기 값을 결정하는 다른 예이다.
도 19 내지 도 30은 본 발명의 일 실시 예에 따른 특정 샘플 위치에서 가로, 세로, 제1 대각, 제2 대각 방향에 따른 기울기 값을 결정하는 일 예이다.
도 31은 시간적 계층 식별자가 최상위 계층인 경우에서의 가로, 세로, 제1 대각, 제2 대각 방향에 따른 기울기 값을 결정하는 일 예이다.
도 32는 본 발명의 일 실시 예에 따른 1D 라플라시안 연산을 대신하는 다양한 연산 기법을 나타내는 도면이다.
도 33은 본 발명의 일 실시 예에 따른 마름모 형태의 필터를 나타내는 도면이다.
도 34는 본 발명의 일 실시 예에 따른 필터 탭 수가 5x5인 필터를 나타내는 도면이다.
도 35는 본 발명의 일 실시 예에 따른 다양한 필터 형태를 나타내는 도면이다.
도 36은 본 발명의 일 실시 예에 따른 가로 또는 세로 대칭 필터를 나타내는 도면이다.
도 37은 본 발명의 일 실시 예에 따른 정사각형, 팔각형, 눈송이, 마름모 형태의 필터에 기하학적 변환을 수행한 필터를 나타내는 도면이다.
도 38은 본 발명의 일 실시 예에 9x9 마름모 형태의 필터 계수를 5x5 정사각형 형태의 필터 계수로 변환하는 과정을 나타내는 도면이다.
도 39 내지 도 55는 부표본에 기반하여 가로, 세로, 제1 대각, 제2 대각 방향에 따른 기울기 값을 결정하는 또 다른 예이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다. 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다. 후술하는 예시적 실시예들에 대한 상세한 설명은, 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 실시예를 실시할 수 있기에 충분하도록 상세히 설명된다. 다양한 실시예들은 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 실시예의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 예시적 실시예들의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다.
본 발명에서 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
본 발명의 어떤 구성 요소가 다른 구성 요소에 “연결되어” 있다거나 “접속되어” 있다고 언급된 때에는, 그 다른 구성 요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있으나, 중간에 다른 구성 요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다거나 "직접 접속되어"있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 발명의 실시예에 나타나는 구성부들은 서로 다른 특징적인 기능들을 나타내기 위해 독립적으로 도시되는 것으로, 각 구성부들이 분리된 하드웨어나 하나의 소프트웨어 구성단위로 이루어짐을 의미하지 않는다. 즉, 각 구성부는 설명의 편의상 각각의 구성부로 나열하여 포함한 것으로 각 구성부 중 적어도 두 개의 구성부가 합쳐져 하나의 구성부로 이루어지거나, 하나의 구성부가 복수 개의 구성부로 나뉘어져 기능을 수행할 수 있고 이러한 각 구성부의 통합된 실시예 및 분리된 실시예도 본 발명의 본질에서 벗어나지 않는 한 본 발명의 권리범위에 포함된다.
본 발명에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 발명에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 즉, 본 발명에서 특정 구성을 “포함”한다고 기술하는 내용은 해당 구성 이외의 구성을 배제하는 것이 아니며, 추가적인 구성이 본 발명의 실시 또는 본 발명의 기술적 사상의 범위에 포함될 수 있음을 의미한다.
본 발명의 일부의 구성 요소는 본 발명에서 본질적인 기능을 수행하는 필수적인 구성 요소는 아니고 단지 성능을 향상시키기 위한 선택적 구성 요소일 수 있다. 본 발명은 단지 성능 향상을 위해 사용되는 구성 요소를 제외한 본 발명의 본질을 구현하는데 필수적인 구성부만을 포함하여 구현될 수 있고, 단지 성능 향상을 위해 사용되는 선택적 구성 요소를 제외한 필수 구성 요소만을 포함한 구조도 본 발명의 권리범위에 포함된다.
이하, 도면을 참조하여 본 발명의 실시 형태에 대하여 구체적으로 설명한다. 본 명세서의 실시예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 명세서의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략하고, 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
이하에서 영상은 동영상(video)을 구성하는 하나의 픽처(picture)를 의미할 수 있으며, 동영상 자체를 나타낼 수도 있다. 예를 들면, "영상의 부호화 및/또는 복호화"는 "동영상의 부호화 및/또는 복호화"를 의미할 수 있으며, "동영상을 구성하는 영상들 중 하나의 영상의 부호화 및/또는 복호화"를 의미할 수도 있다.
이하에서, 용어들 "동영상" 및 "비디오"는 동일한 의미로 사용될 수 있으며, 서로 교체되어 사용될 수 있다.
이하에서, 대상 영상은 부호화의 대상인 부호화 대상 영상 및/또는 복호화의 대상인 복호화 대상 영상일 수 있다. 또한, 대상 영상은 부호화 장치로 입력된 입력 영상일 수 있고, 복호화 장치로 입력된 입력 영상일 수 있다. 여기서, 대상 영상은 현재 영상과 동일한 의미를 가질 수 있다.
이하에서, 용어들 "영상", "픽처", "프레임(frame)" 및 "스크린(screen)"은 동일한 의미로 사용될 수 있으며, 서로 교체되어 사용될 수 있다.
이하에서, 대상 블록은 부호화의 대상인 부호화 대상 블록 및/또는 복호화의 대상인 복호화 대상 블록일 수 있다. 또한, 대상 블록은 현재 부호화 및/또는 복호화의 대상인 현재 블록일 수 있다. 예를 들면, 용어들 "대상 블록" 및 "현재 블록"은 동일한 의미로 사용될 수 있으며, 서로 교체되어 사용될 수 있다.
이하에서, 용어들 "블록" 및 "유닛"은 동일한 의미로 사용될 수 있으며, 서로 교체되어 사용될 수 있다. 또는 "블록"은 특정한 유닛을 나타낼 수 있다.
이하에서, 용어들 "영역(region)" 및 "세그먼트(segment)"는 서로 교체되어 사용될 수 있다.
이하에서, 특정한 신호는 특정한 블록을 나타내는 신호일 수 있다. 예를 들면, 원(original) 신호는 대상 블록을 나타내는 신호일 수 있다. 예측(prediction) 신호는 예측 블록을 나타내는 신호일 수 있다. 잔여(residual) 신호는 잔여 블록(residual block)을 나타내는 신호일 수 있다.
실시예들에서, 특정된 정보, 데이터, 플래그(flag), 색인(index) 및 요소(element), 속성(attribute) 등의 각각은 값을 가질 수 있다. 정보, 데이터, 플래그, 색인 및 요소, 속성 등의 값 "0"은 논리 거짓(logical false) 또는 제1 기정의된(predefined) 값을 나타낼 수 있다. 말하자면, 값 "0", 거짓, 논리 거짓 및 제1 기정의된 값은 서로 대체되어 사용될 수 있다. 정보, 데이터, 플래그, 색인 및 요소, 속성 등의 값 "1"은 논리 참(logical true) 또는 제2 기정의된 값을 나타낼 수 있다. 말하자면, 값 "1", 참, 논리 참 및 제2 기정의된 값은 서로 대체되어 사용될 수 있다.
행, 열 또는 색인(index)을 나타내기 위해 i 또는 j 등의 변수가 사용될 때, i의 값은 0 이상의 정수일 수 있으며, 1 이상의 정수일 수도 있다. 말하자면, 실시예들에서 행, 열 및 색인 등은 0에서부터 카운트될 수 있으며, 1에서부터 카운트될 수 있다.
용어 설명
부호화기(Encoder): 부호화(Encoding)를 수행하는 장치를 의미한다. 즉, 부호화 장치를 의미할 수 있다.
복호화기(Decoder): 복호화(Decoding)를 수행하는 장치를 의미한다. 즉, 복호화 장치를 의미할 수 있다.
블록(Block): 샘플(Sample)의 MxN 배열이다. 여기서 M과 N은 양의 정수 값을 의미할 수 있으며, 블록은 흔히 2차원 형태의 샘플 배열을 의미할 수 있다. 블록은 유닛을 의미할 수 있다. 현재 블록은 부호화 시 부호화의 대상이 되는 부호화 대상 블록, 복호화 시 복호화의 대상이 되는 복호화 대상 블록을 의미할 수 있다. 또한, 현재 블록은 부호화 블록, 예측 블록, 잔여 블록, 변환 블록 중 적어도 하나일 수 있다.
샘플(Sample): 블록을 구성하는 기본 단위이다. 비트 깊이 (bit depth, Bd)에 따라 0부터 2Bd - 1까지의 값으로 표현될 수 있다. 본 발명에서 샘플은 화소 또는 픽셀과 같은 의미로 사용될 수 있다. 즉, 샘플, 화소, 픽셀은 서로 같은 의미를 가질 수 있다.
유닛(Unit): 영상 부호화 및 복호화의 단위를 의미할 수 있다. 영상의 부호화 및 복호화에 있어서, 유닛은 하나의 영상을 분할한 영역일 수 있다. 또한, 유닛은 하나의 영상을 세분화 된 유닛으로 분할하여 부호화 혹은 복호화 할 때 그 분할된 단위를 의미할 수 있다. 즉, 하나의 영상은 복수의 유닛들로 분할될 수 있다. 영상의 부호화 및 복호화에 있어서, 유닛 별로 기정의된 처리가 수행될 수 있다. 하나의 유닛은 유닛에 비해 더 작은 크기를 갖는 하위 유닛으로 더 분할될 수 있다. 기능에 따라서, 유닛은 블록(Block), 매크로블록(Macroblock), 부호화 트리 유닛(Coding Tree Unit), 부호화 트리 블록(Coding Tree Block), 부호화 유닛(Coding Unit), 부호화 블록(Coding Block), 예측 유닛(Prediction Unit), 예측 블록(Prediction Block), 잔여 유닛(Residual Unit), 잔여 블록(Residual Block), 변환 유닛(Transform Unit), 변환 블록(Transform Block) 등을 의미할 수 있다. 또한, 유닛은 블록과 구분하여 지칭하기 위해 휘도(Luma) 성분 블록과 그에 대응하는 색차(Chroma) 성분 블록 그리고 각 블록에 대한 구문 요소를 포함한 것을 의미할 수 있다. 유닛은 다양한 크기와 형태를 가질 수 있으며, 특히 유닛의 형태는 정사각형뿐만 아니라 직사각형, 사다리꼴, 삼각형, 오각형 등 2차원으로 표현될 수 있는 기하학적 도형을 포함할 수 있다. 또한, 유닛 정보는 부호화 유닛, 예측 유닛, 잔여 유닛, 변환 유닛 등을 가리키는 유닛의 타입, 유닛의 크기, 유닛의 깊이, 유닛의 부호화 및 복호화 순서 등 중 적어도 하나 이상을 포함할 수 있다.
부호화 트리 유닛(Coding Tree Unit): 하나의 휘도 성분(Y) 부호화 트리 블록과 관련된 두 색차 성분(Cb, Cr) 부호화 트리 블록들로 구성된다. 또한, 상기 블록들과 각 블록에 대한 구문 요소를 포함한 것을 의미할 수도 있다. 각 부호화 트리 유닛은 부호화 유닛, 예측 유닛, 변환 유닛 등의 하위 유닛을 구성하기 위하여 쿼드트리(quad tree), 이진트리(binary tree), 3분할트리(ternary tree) 등 하나 이상의 분할 방식을 이용하여 분할될 수 있다. 입력 영상의 분할처럼 영상의 복/부호화 과정에서 처리 단위가 되는 샘플 블록을 지칭하기 위한 용어로 사용될 수 있다. 여기서, 쿼드트리는 4분할트리(quarternary tree)를 의미할 수 있다.
부호화 트리 블록(Coding Tree Block): Y 부호화 트리 블록, Cb 부호화 트리 블록, Cr 부호화 트리 블록 중 어느 하나를 지칭하기 위한 용어로 사용될 수 있다.
주변 블록(Neighbor block): 현재 블록에 인접한 블록을 의미할 수 있다. 현재 블록에 인접한 블록은 현재 블록에 경계가 맞닿은 블록 또는 현재 블록으로부터 소정의 거리 내에 위치한 블록을 의미할 수 있다. 주변 블록은 현재 블록의 꼭지점에 인접한 블록을 의미할 수 있다. 여기에서, 현재 블록의 꼭지점에 인접한 블록이란, 현재 블록에 가로로 인접한 이웃 블록에 세로로 인접한 블록 또는 현재 블록에 세로로 인접한 이웃 블록에 가로로 인접한 블록일 수 있다. 주변 블록은 복원된 주변 블록을 의미할 수도 있다.
복원된 주변 블록(Reconstructed Neighbor Block): 현재 블록 주변에 공간적(Spatial)/시간적(Temporal)으로 이미 부호화 혹은 복호화된 주변 블록을 의미할 수 있다. 이때, 복원된 주변 블록은 복원된 주변 유닛을 의미할 수 있다. 복원된 공간적 주변 블록은 현재 픽처 내의 블록이면서 부호화 및/또는 복호화를 통해 이미 복원된 블록일 수 있다. 복원된 시간적 주변 블록은 참조 영상 내에서 현재 픽처의 현재 블록과 대응하는 위치의 복원된 블록 또는 그 주변 블록일 수 있다.
유닛 깊이(Depth): 유닛이 분할된 정도를 의미할 수 있다. 트리 구조(Tree Structure)에서 가장 상위 노드(Root Node)는 분할되지 않은 최초의 유닛에 대응할 수 있다. 가장 상위 노드는 루트 노드로 칭해질 수 있다. 또한, 가장 상위 노드는 최소의 깊이 값을 가질 수 있다. 이 때, 가장 상위 노드는 레벨(Level) 0의 깊이를 가질 수 있다. 레벨 1의 깊이를 갖는 노드는 최초의 유닛이 한 번 분할됨에 따라 생성된 유닛을 나타낼 수 있다. 레벨 2의 깊이를 갖는 노드는 최초의 유닛이 두 번 분할됨에 따라 생성된 유닛을 나타낼 수 있다. 레벨 n의 깊이를 갖는 노드는 최초의 유닛이 n번 분할됨에 따라 생성된 유닛을 나타낼 수 있다. 리프 노드(Leaf Node)는 가장 하위의 노드일 수 있으며, 더 분할될 수 없는 노드일 수 있다. 리프 노드의 깊이는 최대 레벨일 수 있다. 예를 들면, 최대 레벨의 기정의된 값은 3일 수 있다. 루트 노드는 깊이가 가장 얕고, 리프 노드는 깊이가 가장 깊다고 할 수 있다. 또한, 유닛을 트리 구조로 표현했을 때 유닛이 존재하는 레벨이 유닛 깊이를 의미할 수 있다.
비트스트림(Bitstream): 부호화된 영상 정보를 포함하는 비트의 열을 의미할 수 있다.
파라미터 세트(Parameter Set): 비트스트림 내의 구조 중 헤더(header) 정보에 해당한다. 비디오 파라미터 세트(video parameter set), 시퀀스 파라미터 세트(sequence parameter set), 픽처 파라미터 세트(picture parameter set), 적응 파라미터 세트(adaptation parameter set) 중 적어도 하나가 파라미터 세트에 포함될 수 있다. 또한, 파라미터 세트는 슬라이스(slice) 헤더, 타일 그룹(tile group) 헤더 및 타일(tile) 헤더 정보를 포함할 수도 있다. 또한, 상기 타일 그룹은 여러 타일을 포함하는 그룹을 의미할 수 있으며, 슬라이스와 동일한 의미일 수 있다.
파싱(Parsing): 비트스트림을 엔트로피 복호화하여 구문 요소(Syntax Element)의 값을 결정하는 것을 의미하거나, 엔트로피 복호화 자체를 의미할 수 있다.
심볼(Symbol): 부호화/복호화 대상 유닛의 구문 요소, 부호화 파라미터(coding parameter), 변환 계수(Transform Coefficient)의 값 등 중 적어도 하나를 의미할 수 있다. 또한, 심볼은 엔트로피 부호화의 대상 혹은 엔트로피 복호화의 결과를 의미할 수 있다.
예측 모드(Prediction Mode): 화면 내 예측으로 부호화/복호화되는 모드 또는 화면 간 예측으로 부호화/복호화되는 모드를 지시하는 정보일 수 있다.
예측 유닛(Prediction Unit): 화면 간 예측, 화면 내 예측, 화면 간 보상, 화면 내 보상, 움직임 보상 등 예측을 수행할 때의 기본 단위를 의미할 수 있다. 하나의 예측 유닛은 더 작은 크기를 가지는 복수의 파티션(Partition) 또는 복수의 하위 예측 유닛들로 분할 될 수도 있다. 복수의 파티션들 또한 예측 또는 보상의 수행에 있어서의 기본 단위일 수 있다. 예측 유닛의 분할에 의해 생성된 파티션 또한 예측 유닛일 수 있다.
예측 유닛 파티션(Prediction Unit Partition): 예측 유닛이 분할된 형태를 의미할 수 있다.
참조 영상 리스트(Reference Picture List): 화면 간 예측 혹은 움직임 보상에 사용되는 하나 이상의 참조 영상들을 포함하는 리스트를 의미할 수 있다. 참조 영상 리스트의 종류는 LC (List Combined), L0 (List 0), L1 (List 1), L2 (List 2), L3 (List 3) 등이 있을 수 있으며, 화면 간 예측에는 1개 이상의 참조 영상 리스트들이 사용될 수 있다.
화면 간 예측 지시자(Inter Prediction Indicator): 현재 블록의 화면 간 예측 방향(단방향 예측, 쌍방향 예측 등)을 의미할 수 있다. 또는, 현재 블록의 예측 블록을 생성할 때 사용되는 참조 영상의 개수를 의미할 수 있다. 또는, 현재 블록에 대해 화면 간 예측 혹은 움직임 보상을 수행할 때 사용되는 예측 블록의 개수를 의미할 수 있다.
예측 리스트 활용 플래그(prediction list utilization flag): 특정 참조 영상 리스트 내 적어도 하나의 참조 영상을 이용하여 예측 블록을 생성하는지 여부를 나타낸다. 예측 리스트 활용 플래그를 이용하여 화면 간 예측 지시자를 도출할 수 있고, 반대로 화면 간 예측 지시자를 이용하여 예측 리스트 활용 플래그를 도출할 수 있다. 예를 들어, 예측 리스트 활용 플래그가 제1 값인 0을 지시하는 경우, 해당 참조 영상 리스트 내 참조 영상을 이용하여 예측 블록을 생성하지 않는 것을 나타낼 수 있고, 제2 값인 1을 지시하는 경우, 해당 참조 영상 리스트를 이용하여 예측 블록을 생성할 수 있는 것을 나타낼 수 있다.
참조 영상 색인(Reference Picture Index): 참조 영상 리스트에서 특정 참조 영상을 지시하는 색인을 의미할 수 있다.
참조 영상(Reference Picture): 화면 간 예측 혹은 움직임 보상을 위해서 특정 블록이 참조하는 영상을 의미할 수 있다. 또는, 참조 영상은 화면 간 예측 또는 움직임 보상을 위해 현재 블록이 참조하는 참조 블록을 포함하는 영상일 수 있다. 이하, 용어 "참조 픽처" 및 "참조 영상"은 동일한 의미로 사용될 수 있으며, 서로 교체되어 사용될 수 있다.
움직임 벡터(Motion Vector): 화면 간 예측 혹은 움직임 보상에 사용되는 2차원 벡터일 수 있다. 움직임 벡터는 부호화/복호화 대상 블록과 참조 블록 사이의 오프셋을 의미할 수 있다. 예를 들어, (mvX, mvY)는 움직임 벡터를 나타낼 수 있다. mvX는 수평(horizontal) 성분, mvY는 수직(vertical) 성분을 나타낼 수 있다.
탐색 영역(Search Range): 탐색 영역은 화면 간 예측 중 움직임 벡터에 대한 탐색이 이루어지는 2차원의 영역일 수 있다. 예를 들면, 탐색 영역의 크기는 MxN일 수 있다. M 및 N은 각각 양의 정수일 수 있다.
움직임 벡터 후보(Motion Vector Candidate): 움직임 벡터를 예측할 때 예측 후보가 되는 블록 혹은 그 블록의 움직임 벡터를 의미할 수 있다. 또한, 움직임 벡터 후보는 움직임 벡터 후보 리스트에 포함될 수 있다.
움직임 벡터 후보 리스트(Motion Vector Candidate List): 하나 이상의 움직임 벡터 후보들을 이용하여 구성된 리스트를 의미할 수 있다.
움직임 벡터 후보 색인(Motion Vector Candidate Index): 움직임 벡터 후보 리스트 내의 움직임 벡터 후보를 가리키는 지시자를 의미할 수 있다. 움직임 벡터 예측기(Motion Vector Predictor)의 색인(index)일 수 있다.
움직임 정보(Motion Information): 움직임 벡터, 참조 영상 색인, 화면 간 예측 지시자 뿐만 아니라 예측 리스트 활용 플래그, 참조 영상 리스트 정보, 참조 영상, 움직임 벡터 후보, 움직임 벡터 후보 색인, 머지 후보, 머지 색인 등 중 적어도 하나를 포함하는 정보를 의미할 수 있다.
머지 후보 리스트(Merge Candidate List): 하나 이상의 머지 후보들을 이용하여 구성된 리스트를 의미할 수 있다.
머지 후보(Merge Candidate): 공간적 머지 후보, 시간적 머지 후보, 조합된 머지 후보, 조합 양예측 머지 후보, 제로 머지 후보 등을 의미할 수 있다. 머지 후보는 화면 간 예측 지시자, 각 리스트에 대한 참조 영상 색인, 움직임 벡터, 예측 리스트 활용 플래그, 화면 간 예측 지시자 등의 움직임 정보를 포함할 수 있다.
머지 색인(Merge Index): 머지 후보 리스트 내 머지 후보를 가리키는 지시자를 의미할 수 있다. 또한, 머지 색인은 공간적/시간적으로 현재 블록과 인접하게 복원된 블록들 중 머지 후보를 유도한 블록을 지시할 수 있다. 또한, 머지 색인은 머지 후보가 가지는 움직임 정보 중 적어도 하나를 지시할 수 있다.
변환 유닛(Transform Unit): 변환, 역변환, 양자화, 역양자화, 변환 계수 부호화/복호화와 같이 잔여 신호(residual signal) 부호화/복호화를 수행할 때의 기본 단위를 의미할 수 있다. 하나의 변환 유닛은 분할되어 더 작은 크기를 가지는 복수의 하위 변환 유닛들로 분할될 수 있다. 여기서, 변환/역변환은 1차 변환/역변환 및 2차 변환/역변환 중 적어도 하나 이상을 포함할 수 있다.
스케일링(Scaling): 양자화된 레벨에 인수를 곱하는 과정을 의미할 수 있다. 양자화된 레벨에 대한 스케일링의 결과로 변환 계수를 생성할 수 있다. 스케일링을 역양자화(dequantization)라고도 부를 수 있다.
양자화 매개변수(Quantization Parameter): 양자화에서 변환 계수를 이용하여 양자화된 레벨(quantized level)을 생성할 때 사용하는 값을 의미할 수 있다. 또는, 역양자화에서 양자화된 레벨을 스케일링하여 변환 계수를 생성할 때 사용하는 값을 의미할 수도 있다. 양자화 매개변수는 양자화 스텝 크기(step size)에 매핑된 값일 수 있다.
잔여 양자화 매개변수(Delta Quantization Parameter): 예측된 양자화 매개변수와 부호화/복호화 대상 유닛의 양자화 매개변수의 차분(difference) 값을 의미할 수 있다.
스캔(Scan): 유닛, 블록 혹은 행렬 내 계수의 순서를 정렬하는 방법을 의미할 수 있다. 예를 들어, 2차원 배열을 1차원 배열 형태로 정렬하는 것을 스캔이라고 한다. 또는, 1차원 배열을 2차원 배열 형태로 정렬하는 것도 스캔 혹은 역 스캔(Inverse Scan)이라고 부를 수 있다.
변환 계수(Transform Coefficient): 부호화기에서 변환을 수행하고 나서 생성된 계수 값을 의미할 수 있다. 또는, 복호화기에서 엔트로피 복호화 및 역양자화 중 적어도 하나를 수행하고 나서 생성된 계수 값을 의미할 수도 있다. 변환 계수 또는 잔여 신호에 양자화를 적용한 양자화된 레벨 또는 양자화된 변환 계수 레벨도 변환 계수의 의미에 포함될 수 있다.
양자화된 레벨(Quantized Level): 부호화기에서 변환 계수 또는 잔여 신호에 양자화를 수행하여 생성된 값을 의미할 수 있다. 또는, 복호화기에서 역양자화를 수행하기 전 역양자화의 대상이 되는 값을 의미할 수도 있다. 유사하게, 변환 및 양자화의 결과인 양자화된 변환 계수 레벨도 양자화된 레벨의 의미에 포함될 수 있다.
넌제로 변환 계수(Non-zero Transform Coefficient): 값의 크기가 0이 아닌 변환 계수 혹은 값의 크기가 0이 아닌 변환 계수 레벨 혹은 양자화된 레벨을 의미할 수 있다.
양자화 행렬(Quantization Matrix): 영상의 주관적 화질 혹은 객관적 화질을 향상시키기 위해서 양자화 혹은 역양자화 과정에서 이용하는 행렬을 의미할 수 있다. 양자화 행렬을 스케일링 리스트(scaling list)라고도 부를 수 있다.
양자화 행렬 계수(Quantization Matrix Coefficient): 양자화 행렬 내의 각 원소(element)를 의미할 수 있다. 양자화 행렬 계수를 행렬 계수(matrix coefficient)라고도 할 수 있다.
기본 행렬(Default Matrix): 부호화기와 복호화기에서 미리 정의되어 있는 소정의 양자화 행렬을 의미할 수 있다.
비 기본 행렬(Non-default Matrix): 부호화기와 복호화기에서 미리 정의되지 않고, 사용자에 의해서 시그널링되는 양자화 행렬을 의미할 수 있다.
통계값(statistic value): 연산 가능한 특정 값들을 가지는 변수, 부호화 파라미터, 상수 등 적어도 하나에 대한 통계값은 해당 특정 값들의 평균값, 합값, 가중평균값, 가중합값, 최소값, 최대값, 최빈값, 중간값, 보간값 중 적어도 하나 이상일 수 있다.
도 1은 본 발명이 적용되는 부호화 장치의 일 실시예에 따른 구성을 나타내는 블록도이다.
부호화 장치(100)는 인코더, 비디오 부호화 장치 또는 영상 부호화 장치일 수 있다. 비디오는 하나 이상의 영상들을 포함할 수 있다. 부호화 장치(100)는 하나 이상의 영상들을 순차적으로 부호화할 수 있다.
도 1을 참조하면, 부호화 장치(100)는 움직임 예측부(111), 움직임 보상부(112), 인트라 예측부(120), 스위치(115), 감산기(125), 변환부(130), 양자화부(140), 엔트로피 부호화부(150), 역양자화부(160), 역변환부(170), 가산기(175), 필터부(180) 및 참조 픽처 버퍼(190)를 포함할 수 있다.
부호화 장치(100)는 입력 영상에 대해 인트라 모드 및/또는 인터 모드로 부호화를 수행할 수 있다. 또한, 부호화 장치(100)는 입력 영상에 대한 부호화를 통해 부호화된 정보를 포함하는 비트스트림을 생성할 수 있고, 생성된 비트스트림을 출력할 수 있다. 생성된 비트스트림은 컴퓨터 판독가능한 기록 매체에 저장될 수 있거나, 유/무선 전송 매체를 통해 스트리밍될 수 있다. 예측 모드로 인트라 모드가 사용되는 경우 스위치(115)는 인트라로 전환될 수 있고, 예측 모드로 인터 모드가 사용되는 경우 스위치(115)는 인터로 전환될 수 있다. 여기서 인트라 모드는 화면 내 예측 모드를 의미할 수 있으며, 인터 모드는 화면 간 예측 모드를 의미할 수 있다. 부호화 장치(100)는 입력 영상의 입력 블록에 대한 예측 블록을 생성할 수 있다. 또한, 부호화 장치(100)는 예측 블록이 생성된 후, 입력 블록 및 예측 블록의 차분(residual)을 사용하여 잔여 블록을 부호화할 수 있다. 입력 영상은 현재 부호화의 대상인 현재 영상으로 칭해질 수 있다. 입력 블록은 현재 부호화의 대상인 현재 블록 혹은 부호화 대상 블록으로 칭해질 수 있다.
예측 모드가 인트라 모드인 경우, 인트라 예측부(120)는 현재 블록의 주변에 이미 부호화/복호화된 블록의 샘플을 참조 샘플로서 이용할 수 있다. 인트라 예측부(120)는 참조 샘플을 이용하여 현재 블록에 대한 공간적 예측을 수행할 수 있고, 공간적 예측을 통해 입력 블록에 대한 예측 샘플들을 생성할 수 있다. 여기서 인트라 예측은 화면 내 예측을 의미할 수 있다.
예측 모드가 인터 모드인 경우, 움직임 예측부(111)는, 움직임 예측 과정에서 참조 영상으로부터 입력 블록과 가장 매치가 잘 되는 영역을 검색할 수 있고, 검색된 영역을 이용하여 움직임 벡터를 도출할 수 있다. 이때, 상기 영역으로 탐색 영역을 사용할 수 있다. 참조 영상은 참조 픽처 버퍼(190)에 저장될 수 있다. 여기서, 참조 영상에 대한 부호화/복호화가 처리되었을 때 참조 픽처 버퍼(190)에 저장될 수 있다.
움직임 보상부(112)는 움직임 벡터를 이용하는 움직임 보상을 수행함으로써 현재 블록에 대한 예측 블록을 생성할 수 있다. 여기서 인터 예측은 화면 간 예측 혹은 움직임 보상을 의미할 수 있다.
상기 움직임 예측부(111)와 움직임 보상부(112)는 움직임 벡터의 값이 정수 값을 가지지 않을 경우에 참조 영상 내의 일부 영역에 대해 보간 필터(Interpolation Filter)를 적용하여 예측 블록을 생성할 수 있다. 화면 간 예측 혹은 움직임 보상을 수행하기 위해 부호화 유닛을 기준으로 해당 부호화 유닛에 포함된 예측 유닛의 움직임 예측 및 움직임 보상 방법이 스킵 모드(Skip Mode), 머지 모드(Merge Mode), 향상된 움직임 벡터 예측(Advanced Motion Vector Prediction; AMVP) 모드, 현재 픽처 참조 모드 중 어떠한 방법인지 여부를 판단할 수 있고, 각 모드에 따라 화면 간 예측 혹은 움직임 보상을 수행할 수 있다.
감산기(125)는 입력 블록 및 예측 블록의 차분을 사용하여 잔여 블록을 생성할 수 있다. 잔여 블록은 잔여 신호로 칭해질 수도 있다. 잔여 신호는 원 신호 및 예측 신호 간의 차이(difference)를 의미할 수 있다. 또는, 잔여 신호는 원신호 및 예측 신호 간의 차이를 변환(transform)하거나, 양자화하거나, 또는 변환 및 양자화함으로써 생성된 신호일 수 있다. 잔여 블록은 블록 단위의 잔여 신호일 수 있다.
변환부(130)는 잔여 블록에 대해 변환(transform)을 수행하여 변환 계수(transform coefficient)를 생성할 수 있고, 생성된 변환 계수를 출력할 수 있다. 여기서, 변환 계수는 잔여 블록에 대한 변환을 수행함으로써 생성된 계수 값일 수 있다. 변환 생략(transform skip) 모드가 적용되는 경우, 변환부(130)는 잔여 블록에 대한 변환을 생략할 수도 있다.
변환 계수 또는 잔여 신호에 양자화를 적용함으로써 양자화된 레벨(quantized level)이 생성될 수 있다. 이하, 실시예들에서는 양자화된 레벨도 변환 계수로 칭해질 수 있다.
양자화부(140)는 변환 계수 또는 잔여 신호를 양자화 매개변수에 따라 양자화함으로써 양자화된 레벨을 생성할 수 있고, 생성된 양자화된 레벨을 출력할 수 있다. 이때, 양자화부(140)에서는 양자화 행렬을 사용하여 변환 계수를 양자화할 수 있다.
엔트로피 부호화부(150)는, 양자화부(140)에서 산출된 값들 또는 부호화 과정에서 산출된 부호화 파라미터(Coding Parameter) 값들 등에 대하여 확률 분포에 따른 엔트로피 부호화를 수행함으로써 비트스트림(bitstream)을 생성할 수 있고, 비트스트림을 출력할 수 있다. 엔트로피 부호화부(150)는 영상의 샘플에 관한 정보 및 영상의 복호화를 위한 정보에 대한 엔트로피 부호화를 수행할 수 있다. 예를 들면, 영상의 복호화를 위한 정보는 구문 요소(syntax element) 등을 포함할 수 있다.
엔트로피 부호화가 적용되는 경우, 높은 발생 확률을 갖는 심볼(symbol)에 적은 수의 비트가 할당되고 낮은 발생 확률을 갖는 심볼에 많은 수의 비트가 할당되어 심볼이 표현됨으로써, 부호화 대상 심볼들에 대한 비트열의 크기가 감소될 수 있다. 엔트로피 부호화부(150)는 엔트로피 부호화를 위해 지수 골롬(exponential Golomb), CAVLC(Context-Adaptive Variable Length Coding), CABAC(Context-Adaptive Binary Arithmetic Coding)과 같은 부호화 방법을 사용할 수 있다. 예를 들면, 엔트로피 부호화부(150)는 가변 길이 부호화(Variable Length Coding/Code; VLC) 테이블을 이용하여 엔트로피 부호화를 수행할 수 있다. 또한 엔트로피 부호화부(150)는 대상 심볼의 이진화(binarization) 방법 및 대상 심볼/빈(bin)의 확률 모델(probability model)을 도출한 후, 도출된 이진화 방법, 확률 모델, 문맥 모델(Context Model)을 사용하여 산술 부호화를 수행할 수도 있다.
엔트로피 부호화부(150)는 변환 계수 레벨(양자화된 레벨)을 부호화하기 위해 변환 계수 스캐닝(Transform Coefficient Scanning) 방법을 통해 2차원의 블록 형태(form) 계수를 1차원의 벡터 형태로 변경할 수 있다.
부호화 파라미터(Coding Parameter)는 구문 요소와 같이 부호화기에서 부호화되어 복호화기로 시그널링되는 정보(플래그, 색인 등)뿐만 아니라, 부호화 과정 혹은 복호화 과정에서 유도되는 정보를 포함할 수 있으며, 영상을 부호화하거나 복호화할 때 필요한 정보를 의미할 수 있다. 예를 들어, 유닛/블록 크기, 유닛/블록 깊이, 유닛/블록 분할 정보, 유닛/블록 형태, 유닛/블록 분할 구조, 쿼드트리 형태의 분할 여부, 이진트리 형태의 분할 여부, 이진트리 형태의 분할 방향(가로 방향 혹은 세로 방향), 이진트리 형태의 분할 형태(대칭 분할 혹은 비대칭 분할), 3분할트리 형태의 분할 여부, 3분할트리 형태의 분할 방향(가로 방향 혹은 세로 방향), 3분할트리 형태의 분할 형태(대칭 분할 혹은 비대칭 분할), 복합형트리 형태의 분할 여부, 복합형트리 형태의 분할 방향(가로 방향 혹은 세로 방향), 복합형트리 형태의 분할 형태(대칭 분할 혹은 비대칭 분할), 복합형트리 형태의 분할 트리(이진트리 혹은 3분할 트리), 예측 모드(화면 내 예측 또는 화면 간 예측), 화면 내 휘도 예측 모드/방향, 화면 내 색차 예측 모드/방향, 화면 내 분할 정보, 화면 간 분할 정보, 부호화 블록 분할 플래그, 예측 블록 분할 플래그, 변환 블록 분할 플래그, 참조 샘플 필터링 방법, 참조 샘플 필터 탭, 참조 샘플 필터 계수, 예측 블록 필터링 방법, 예측 블록 필터 탭, 예측 블록 필터 계수, 예측 블록 경계 필터링 방법, 예측 블록 경계 필터 탭, 예측 블록 경계 필터 계수, 화면 내 예측 모드, 화면 간 예측 모드, 움직임 정보, 움직임 벡터, 움직임 벡터 차분, 참조 영상 색인, 화면 간 예측 방향, 화면 간 예측 지시자, 예측 리스트 활용 플래그, 참조 영상 리스트, 참조 영상, 움직임 벡터 예측 색인, 움직임 벡터 예측 후보, 움직임 벡터 후보 리스트, 머지 모드 사용 여부, 머지 색인, 머지 후보, 머지 후보 리스트, 스킵(skip) 모드 사용 여부, 보간 필터 종류, 보간 필터 탭, 보간 필터 계수, 움직임 벡터 크기, 움직임 벡터 표현 정확도, 변환 종류, 변환 크기, 1차 변환 사용 여부 정보, 2차 변환 사용 여부 정보, 1차 변환 색인, 2차 변환 색인, 잔여 신호 유무 정보, 부호화 블록 패턴(Coded Block Pattern), 부호화 블록 플래그(Coded Block Flag), 양자화 매개변수, 잔여 양자화 매개변수, 양자화 행렬, 화면 내 루프 필터 적용 여부, 화면 내 루프 필터 계수, 화면 내 루프 필터 탭, 화면 내 루프 필터 모양/형태, 디블록킹 필터 적용 여부, 디블록킹 필터 계수, 디블록킹 필터 탭, 디블록킹 필터 강도, 디블록킹 필터 모양/형태, 적응적 샘플 오프셋 적용 여부, 적응적 샘플 오프셋 값, 적응적 샘플 오프셋 카테고리, 적응적 샘플 오프셋 종류, 적응적 루프 필터 적용 여부, 적응적 루프 필터 계수, 적응적 루프 필터 탭, 적응적 루프 필터 모양/형태, 이진화/역이진화 방법, 문맥 모델 결정 방법, 문맥 모델 업데이트 방법, 레귤러 모드 수행 여부, 바이패스 모드 수행 여부, 문맥 빈, 바이패스 빈, 중요 계수 플래그, 마지막 중요 계수 플래그, 계수 그룹 단위 부호화 플래그, 마지막 중요 계수 위치, 계수 값이 1보다 큰지에 대한 플래그, 계수 값이 2보다 큰지에 대한 플래그, 계수 값이 3보다 큰지에 대한 플래그, 나머지 계수 값 정보, 부호(sign) 정보, 복원된 휘도 샘플, 복원된 색차 샘플, 잔여 휘도 샘플, 잔여 색차 샘플, 휘도 변환 계수, 색차 변환 계수, 휘도 양자화된 레벨, 색차 양자화된 레벨, 변환 계수 레벨 스캐닝 방법, 복호화기 측면 움직임 벡터 탐색 영역의 크기, 복호화기 측면 움직임 벡터 탐색 영역의 형태, 복호화기 측면 움직임 벡터 탐색 횟수, CTU 크기 정보, 최소 블록 크기 정보, 최대 블록 크기 정보, 최대 블록 깊이 정보, 최소 블록 깊이 정보, 영상 디스플레이/출력 순서, 슬라이스 식별 정보, 슬라이스 타입, 슬라이스 분할 정보, 타일 식별 정보, 타일 타입, 타일 분할 정보, 타일 그룹 식별 정보, 타일 그룹 타입, 타일 그룹 분할 정보, 픽처 타입, 입력 샘플 비트 심도, 복원 샘플 비트 심도, 잔여 샘플 비트 심도, 변환 계수 비트 심도, 양자화된 레벨 비트 심도, 휘도 신호에 대한 정보, 색차 신호에 대한 정보 중 적어도 하나의 값 또는 조합된 형태가 부호화 파라미터에 포함될 수 있다.
여기서, 플래그 혹은 색인을 시그널링(signaling)한다는 것은 인코더에서는 해당 플래그 혹은 색인을 엔트로피 부호화(Entropy Encoding)하여 비트스트림(Bitstream)에 포함하는 것을 의미할 수 있고, 디코더에서는 비트스트림으로부터 해당 플래그 혹은 색인을 엔트로피 복호화(Entropy Decoding)하는 것을 의미할 수 있다.
부호화 장치(100)가 인터 예측을 통한 부호화를 수행할 경우, 부호화된 현재 영상은 이후에 처리되는 다른 영상에 대한 참조 영상으로서 사용될 수 있다. 따라서, 부호화 장치(100)는 부호화된 현재 영상을 다시 복원 또는 복호화할 수 있고, 복원 또는 복호화된 영상을 참조 영상으로 참조 픽처 버퍼(190)에 저장할 수 있다.
양자화된 레벨은 역양자화부(160)에서 역양자화(dequantization)될 수 있고. 역변환부(170)에서 역변환(inverse transform)될 수 있다. 역양자화 및/또는 역변환된 계수는 가산기(175)를 통해 예측 블록과 합해질 수 있다, 역양자화 및/또는 역변환된 계수와 예측 블록을 합함으로써 복원 블록(reconstructed block)이 생성될 수 있다. 여기서, 역양자화 및/또는 역변환된 계수는 역양자화 및 역변환 중 적어도 하나 이상이 수행된 계수를 의미하며, 복원된 잔여 블록을 의미할 수 있다.
복원 블록은 필터부(180)를 거칠 수 있다. 필터부(180)는 디블록킹 필터(deblocking filter), 샘플 적응적 오프셋(Sample Adaptive Offset; SAO), 적응적 루프 필터(Adaptive Loop Filter; ALF) 등 적어도 하나를 복원 샘플, 복원 블록 또는 복원 영상에 적용할 수 있다. 필터부(180)는 루프내 필터(in-loop filter)로 칭해질 수도 있다.
디블록킹 필터는 블록들 간의 경계에서 발생한 블록 왜곡을 제거할 수 있다. 디블록킹 필터를 수행할지 여부를 판단하기 위해 블록에 포함된 몇 개의 열 또는 행에 포함된 샘플을 기초로 현재 블록에 디블록킹 필터 적용할지 여부를 판단할 수 있다. 블록에 디블록킹 필터를 적용하는 경우 필요한 디블록킹 필터링 강도에 따라 서로 다른 필터를 적용할 수 있다.
샘플 적응적 오프셋을 이용하여 부호화 에러를 보상하기 위해 샘플 값에 적정 오프셋(offset) 값을 더할 수 있다. 샘플 적응적 오프셋은 디블록킹을 수행한 영상에 대해 샘플 단위로 원본 영상과의 오프셋을 보정할 수 있다. 영상에 포함된 샘플을 일정한 수의 영역으로 구분한 후 오프셋을 수행할 영역을 결정하고 해당 영역에 오프셋을 적용하는 방법 또는 각 샘플의 에지 정보를 고려하여 오프셋을 적용하는 방법을 사용할 수 있다.
적응적 루프 필터는 복원 영상 및 원래의 영상을 비교한 값에 기반하여 필터링을 수행할 수 있다. 영상에 포함된 샘플을 소정의 그룹으로 나눈 후 해당 그룹에 적용될 필터를 결정하여 그룹마다 차별적으로 필터링을 수행할 수 있다. 적응적 루프 필터를 적용할지 여부에 관련된 정보는 부호화 유닛(Coding Unit, CU) 별로 시그널링될 수 있고, 각각의 블록에 따라 적용될 적응적 루프 필터의 모양 및 필터 계수는 달라질 수 있다.
필터부(180)를 거친 복원 블록 또는 복원 영상은 참조 픽처 버퍼(190)에 저장될 수 있다. 필터부(180)를 거친 복원 블록은 참조 영상의 일부일 수 있다. 말하자면, 참조 영상은 필터부(180)를 거친 복원 블록들로 구성된 복원 영상일 수 있다. 저장된 참조 영상은 이후 화면 간 예측 혹은 움직임 보상에 사용될 수 있다.
도 2는 본 발명이 적용되는 복호화 장치의 일 실시예에 따른 구성을 나타내는 블록도이다.
복호화 장치(200)는 디코더, 비디오 복호화 장치 또는 영상 복호화 장치일 수 있다.
도 2를 참조하면, 복호화 장치(200)는 엔트로피 복호화부(210), 역양자화부(220), 역변환부(230), 인트라 예측부(240), 움직임 보상부(250), 가산기(255), 필터부(260) 및 참조 픽처 버퍼(270)를 포함할 수 있다.
복호화 장치(200)는 부호화 장치(100)에서 출력된 비트스트림을 수신할 수 있다. 복호화 장치(200)는 컴퓨터 판독가능한 기록 매체에 저장된 비트스트림을 수신하거나, 유/무선 전송 매체를 통해 스트리밍되는 비트스트림을 수신할 수 있다. 복호화 장치(200)는 비트스트림에 대하여 인트라 모드 또는 인터 모드로 복호화를 수행할 수 있다. 또한, 복호화 장치(200)는 복호화를 통해 복원된 영상 또는 복호화된 영상을 생성할 수 있고, 복원된 영상 또는 복호화된 영상을 출력할 수 있다.
복호화에 사용되는 예측 모드가 인트라 모드인 경우 스위치가 인트라로 전환될 수 있다. 복호화에 사용되는 예측 모드가 인터 모드인 경우 스위치가 인터로 전환될 수 있다.
복호화 장치(200)는 입력된 비트스트림을 복호화하여 복원된 잔여 블록(reconstructed residual block)을 획득할 수 있고, 예측 블록을 생성할 수 있다. 복원된 잔여 블록 및 예측 블록이 획득되면, 복호화 장치(200)는 복원된 잔여 블록과 및 예측 블록을 더함으로써 복호화 대상이 되는 복원 블록을 생성할 수 있다. 복호화 대상 블록은 현재 블록으로 칭해질 수 있다.
엔트로피 복호화부(210)는 비트스트림에 대한 확률 분포에 따른 엔트로피 복호화를 수행함으로써 심볼들을 생성할 수 있다. 생성된 심볼들은 양자화된 레벨 형태의 심볼을 포함할 수 있다. 여기에서, 엔트로피 복호화 방법은 상술된 엔트로피 부호화 방법의 역과정일 수 있다.
엔트로피 복호화부(210)는 변환 계수 레벨(양자화된 레벨)을 복호화하기 위해 변환 계수 스캐닝 방법을 통해 1차원의 벡터 형태 계수를 2차원의 블록 형태로 변경할 수 있다.
양자화된 레벨은 역양자화부(220)에서 역양자화될 수 있고, 역변환부(230)에서 역변환될 수 있다. 양자화된 레벨은 역양자화 및/또는 역변환이 수행된 결과로서, 복원된 잔여 블록으로 생성될 수 있다. 이때, 역양자화부(220)는 양자화된 레벨에 양자화 행렬을 적용할 수 있다.
인트라 모드가 사용되는 경우, 인트라 예측부(240)는 복호화 대상 블록 주변의 이미 복호화된 블록의 샘플 값을 이용하는 공간적 예측을 현재 블록에 대해 수행함으로써 예측 블록을 생성할 수 있다.
인터 모드가 사용되는 경우, 움직임 보상부(250)는 움직임 벡터 및 참조 픽처 버퍼(270)에 저장되어 있는 참조 영상을 이용하는 움직임 보상을 현재 블록에 대해 수행함으로써 예측 블록을 생성할 수 있다. 상기 움직임 보상부(250)는 움직임 벡터의 값이 정수 값을 가지지 않을 경우에 참조 영상 내의 일부 영역에 대해 보간 필터를 적용하여 예측 블록을 생성할 수 있다. 움직임 보상을 수행하기 위해 부호화 유닛을 기준으로 해당 부호화 유닛에 포함된 예측 유닛의 움직임 보상 방법이 스킵 모드, 머지 모드, AMVP 모드, 현재 픽처 참조 모드 중 어떠한 방법인지 여부를 판단할 수 있고, 각 모드에 따라 움직임 보상을 수행할 수 있다.
가산기(255)는 복원된 잔여 블록 및 예측 블록을 가산하여 복원 블록을 생성할 수 있다. 필터부(260)는 디블록킹 필터, 샘플 적응적 오프셋 및 적응적 루프 필터 등 적어도 하나를 복원 블록 또는 복원 영상에 적용할 수 있다. 필터부(260)는 복원 영상을 출력할 수 있다. 복원 블록 또는 복원 영상은 참조 픽처 버퍼(270)에 저장되어 인터 예측에 사용될 수 있다. 필터부(260)를 거친 복원 블록은 참조 영상의 일부일 수 있다. 말하자면, 참조 영상은 필터부(260)를 거친 복원 블록들로 구성된 복원 영상일 수 있다. 저장된 참조 영상은 이후 화면 간 예측 혹은 움직임 보상에 사용될 수 있다.
도 3은 영상을 부호화 및 복호화할 때의 영상의 분할 구조를 개략적으로 나타내는 도면이다. 도 3은 하나의 유닛이 복수의 하위 유닛으로 분할되는 실시예를 개략적으로 나타낸다.
영상을 효율적으로 분할하기 위해, 부호화 및 복호화에 있어서, 부호화 유닛(Coding Unit; CU)이 사용될 수 있다. 영상 부호화/복호화의 기본 단위로서 부호화 유닛이 사용될 수 있다. 또한, 영상 부호화/복호화 시 화면 내 예측 모드 및 화면 간 예측 모드가 구분되는 단위로 부호화 유닛을 사용할 수 있다. 부호화 유닛은 예측, 변환, 양자화, 역변환, 역양자화, 또는 변환 계수의 부호화/복호화의 과정을 위해 사용되는 기본 단위일 수 있다.
도 3을 참조하면, 영상(300)은 최대 부호화 유닛(Largest Coding Unit; LCU) 단위로 순차적으로 분할되고, LCU 단위로 분할 구조가 결정된다. 여기서, LCU는 부호화 트리 유닛(Coding Tree Unit; CTU)과 동일한 의미로 사용될 수 있다. 유닛의 분할은 유닛에 해당하는 블록의 분할을 의미할 수 있다. 블록 분할 정보에는 유닛의 깊이(depth)에 관한 정보가 포함될 수 있다. 깊이 정보는 유닛이 분할되는 회수 및/또는 정도를 나타낼 수 있다. 하나의 유닛은 트리 구조(tree structure)를 기초로 깊이 정보를 가지고 계층적으로 복수의 하위 유닛들로 분할될 수 있다. 말하자면, 유닛 및 상기의 유닛의 분할에 의해 생성된 하위 유닛은 노드 및 상기의 노드의 자식 노드에 각각 대응할 수 있다. 각각의 분할된 하위 유닛은 깊이 정보를 가질 수 있다. 깊이 정보는 CU의 크기를 나타내는 정보일 수 있고, 각 CU마다 저장될 수 있다. 유닛 깊이는 유닛이 분할된 회수 및/또는 정도를 나타내므로, 하위 유닛의 분할 정보는 하위 유닛의 크기에 관한 정보를 포함할 수도 있다.
분할 구조는 CTU(310) 내에서의 부호화 유닛(Coding Unit; CU)의 분포를 의미할 수 있다. 이러한 분포는 하나의 CU를 복수(2, 4, 8, 16 등을 포함하는 2 이상의 양의 정수)의 CU들로 분할할지 여부에 따라 결정할 수 있다. 분할에 의해 생성된 CU의 가로 크기 및 세로 크기는 각각 분할 전의 CU의 가로 크기의 절반 및 세로 크기의 절반이거나, 분할된 개수에 따라 분할 전의 CU의 가로 크기보다 작은 크기 및 세로 크기보다 작은 크기를 가질 수 있다. CU는 복수의 CU로 재귀적으로 분할될 수 있다. 재귀적 분할에 의해, 분할된 CU의 가로 크기 및 세로 크기 중 적어도 하나의 크기가 분할 전의 CU의 가로 크기 및 세로 크기 중 적어도 하나에 비해 감소될 수 있다. CU의 분할은 기정의된 깊이 또는 기정의된 크기까지 재귀적으로 이루어질 수 있다. 예컨대, CTU의 깊이는 0일 수 있고, 최소 부호화 유닛(Smallest Coding Unit; SCU)의 깊이는 기정의된 최대 깊이일 수 있다. 여기서, CTU는 상술된 것과 같이 최대의 부호화 유닛 크기를 가지는 부호화 유닛일 수 있고, SCU는 최소의 부호화 유닛 크기를 가지는 부호화 유닛일 수 있다. CTU(310)로부터 분할이 시작되고, 분할에 의해 CU의 가로 크기 및/또는 세로 크기가 줄어들 때마다 CU의 깊이는 1씩 증가한다. 예를 들면, 각각의 깊이 별로, 분할되지 않는 CU는 2Nx2N 크기를 가질 수 있다. 또한, 분할되는 CU의 경우, 2Nx2N 크기의 CU가 NxN 크기를 가지는 4개의 CU들로 분할될 수 있다. N의 크기는 깊이가 1씩 증가할 때마다 절반으로 감소할 수 있다.
또한, CU가 분할되는지 여부에 대한 정보는 CU의 분할 정보를 통해 표현될 수 있다. 분할 정보는 1비트의 정보일 수 있다. SCU를 제외한 모든 CU는 분할 정보를 포함할 수 있다. 예를 들면, 분할 정보의 값이 제1 값이면, CU가 분할되지 않을 수 있고, 분할 정보의 값이 제2 값이면, CU가 분할될 수 있다.
도 3을 참조하면, 깊이가 0인 CTU는 64x64 블록일 수 있다. 0은 최소 깊이일 수 있다. 깊이가 3인 SCU는 8x8 블록일 수 있다. 3은 최대 깊이일 수 있다. 32x32 블록 및 16x16 블록의 CU는 각각 깊이 1 및 깊이 2로 표현될 수 있다.
예를 들어, 하나의 부호화 유닛이 4개의 부호화 유닛으로 분할 될 경우, 분할된 4개의 부호화 유닛의 가로 및 세로 크기는 분할되기 전 부호화 유닛의 가로 및 세로 크기와 비교하여 각각 절반의 크기를 가질 수 있다. 일 예로, 32x32 크기의 부호화 유닛이 4개의 부호화 유닛으로 분할 될 경우, 분할된 4개의 부호화 유닛은 각각 16x16의 크기를 가질 수 있다. 하나의 부호화 유닛이 4개의 부호화 유닛으로 분할 될 경우, 부호화 유닛은 쿼드트리(quad-tree) 형태로 분할(쿼드트리 분할, quad-tree partition)되었다고 할 수 있다.
예를 들어, 하나의 부호화 유닛이 2개의 부호화 유닛으로 분할 될 경우, 분할된 2개의 부호화 유닛의 가로 혹은 세로 크기는 분할되기 전 부호화 유닛의 가로 혹은 세로 크기와 비교하여 절반의 크기를 가질 수 있다. 일 예로, 32x32 크기의 부호화 유닛이 2개의 부호화 유닛으로 세로로 분할 될 경우, 분할된 2개의 부호화 유닛은 각각 16x32의 크기를 가질 수 있다. 일 예로, 8x32 크기의 부호화 유닛이 2개의 부호화 유닛으로 가로로 분할 될 경우, 분할된 2개의 부호화 유닛은 각각 8x16의 크기를 가질 수 있다. 하나의 부호화 유닛이 2개의 부호화 유닛으로 분할 될 경우, 부호화 유닛은 이진트리(binary-tree) 형태로 분할(이진트리 분할, binary-tree partition)되었다고 할 수 있다.
예를 들어, 하나의 부호화 유닛이 3개의 부호화 유닛으로 분할 될 경우, 분할되기 전 부호화 유닛의 가로 혹은 세로 크기를 1:2:1의 비율로 분할함으로써, 3개의 부호화 유닛으로 분할 할 수 있다. 일 예로, 16x32 크기의 부호화 유닛이 3개의 부호화 유닛으로 가로로 분할 될 경우, 분할된 3개의 부호화 유닛은 상측부터 각각 16x8, 16x16 및 16x8의 크기를 가질 수 있다. 일 예로, 32x32 크기의 부호화 유닛이 3개의 부호화 유닛으로 세로로 분할 될 경우, 분할된 3개의 부호화 유닛은 좌측부터 각각 8x32, 16x32 및 8x32의 크기를 가질 수 있다. 하나의 부호화 유닛이 3개의 부호화 유닛으로 분할 될 경우, 부호화 유닛은 3분할트리(ternary-tree) 형태로 분할(3분할트리 분할, ternary-tree partition)되었다고 할 수 있다.
도 3의 CTU(320)는 쿼드트리 분할, 이진트리 분할 및 3분할트리 분할이 모두 적용된 CTU의 일 예이다.
전술한 바와 같이, CTU를 분할하기 위해, 쿼드트리 분할, 이진트리 분할 및 3분할트리 분할 중 적어도 하나가 적용될 수 있다. 각각의 분할은 소정의 우선 순위에 기초하여 적용될 수 있다. 예컨대, CTU에 대해 쿼드트리 분할이 우선적으로 적용될 수 있다. 더 이상 쿼드트리 분할될 수 없는 부호화 유닛은 쿼드트리의 리프 노드에 해당될 수 있다. 쿼드트리의 리프 노드에 해당하는 부호화 유닛은 이진트리 및/또는 3분할트리의 루트 노드가 될 수 있다. 즉, 쿼드트리의 리프 노드에 해당하는 부호화 유닛은 이진트리 분할되거나 3분할트리 분할되거나 또는 더 이상 분할되지 않을 수 있다. 이 때, 쿼드트리의 리프 노드에 해당하는 부호화 유닛을 이진트리 분할하거나 3분할트리 분할하여 생성된 부호화 유닛에 대해서는 다시 쿼드트리 분할이 수행되지 않도록 함으로써, 블록의 분할 및/또는 분할 정보의 시그널링을 효과적으로 수행할 수 있다.
쿼드트리의 각 노드에 해당하는 부호화 유닛의 분할은 쿼드 분할 정보를 이용하여 시그널링될 수 있다. 제1값(예컨대, ‘1’)을 갖는 쿼드 분할 정보는 해당 부호화 유닛이 쿼드트리 분할됨을 지시할 수 있다. 제2값(예컨대, ‘0’)을 갖는 쿼드 분할 정보는 해당 부호화 유닛이 쿼드트리 분할되지 않음을 지시할 수 있다. 쿼드 분할 정보는 소정의 길이(예컨대, 1비트)를 갖는 플래그일 수 있다.
이진트리 분할과 3분할트리 분할 사이에는 우선순위가 존재하지 않을 수 있다. 즉, 쿼드트리의 리프 노드에 해당하는 부호화 유닛은 이진트리 분할되거나 3분할트리 분할될 수 있다. 또한, 이진트리 분할 또는 3분할트리 분할에 의해 생성된 부호화 유닛은 다시 이진트리 분할 또는 3분할트리 분할되거나 또는 더 이상 분할되지 않을 수 있다.
이진트리 분할과 3분할트리 분할 사이에 우선순위가 존재하지 않는 경우의 분할은 복합형트리 분할(multi-type tree partition)이라고 호칭할 수 있다. 즉, 쿼드트리의 리프 노드에 해당하는 부호화 유닛은 복합형트리(multi-type tree)의 루트 노드가 될 수 있다. 복합형트리의 각 노드에 해당하는 부호화 유닛의 분할은 복합형트리의 분할 여부 정보, 분할 방향 정보 및 분할 트리 정보 중 적어도 하나를 이용하여 시그널링될 수 있다. 상기 복합형트리의 각 노드에 해당하는 부호화 유닛의 분할을 위해 순차적으로 분할 여부 정보, 분할 방향 정보 및 분할 트리 정보가 시그널링될 수도 있다.
제1값(예컨대, ‘1’)을 갖는 복합형트리의 분할 여부 정보는 해당 부호화 유닛이 복합형트리 분할됨을 지시할 수 있다. 제2값(예컨대, ‘0’)을 갖는 복합형트리의 분할 여부 정보는 해당 부호화 유닛이 복합형트리 분할되지 않음을 지시할 수 있다.
복합형트리의 각 노드에 해당하는 부호화 유닛이 복합형트리 분할되는 경우, 해당 부호화 유닛은 분할 방향 정보를 더 포함할 수 있다. 분할 방향 정보는 복합형트리 분할의 분할 방향을 지시할 수 있다. 제1값(예컨대, ‘1’)을 갖는 분할 방향 정보는 해당 부호화 유닛이 세로 방향으로 분할됨을 지시할 수 있다. 제2값(예컨대, ‘0’)을 갖는 분할 방향 정보는 해당 부호화 유닛이 가로 방향으로 분할됨을 지시할 수 있다.
복합형트리의 각 노드에 해당하는 부호화 유닛이 복합형트리 분할되는 경우, 해당 부호화 유닛은 분할 트리 정보를 더 포함할 수 있다. 분할 트리 정보는 복합형트리 분할을 위해 사용된 트리를 지시할 수 있다. 제1값(예컨대, ‘1’)을 갖는 분할 트리 정보는 해당 부호화 유닛이 이진트리 분할됨을 지시할 수 있다. 제2값(예컨대, ‘0’)을 갖는 분할 트리 정보는 해당 부호화 유닛이 3분할트리 분할됨을 지시할 수 있다.
분할 여부 정보, 분할 트리 정보 및 분할 방향 정보는 각각 소정의 길이(예컨대, 1비트)를 갖는 플래그일 수 있다.
쿼드 분할 정보, 복합형트리의 분할 여부 정보, 분할 방향 정보 및 분할 트리 정보 중 적어도 하나는 엔트로피 부호화/복호화될 수 있다. 상기 정보들의 엔트로피 부호화/복호화를 위해, 현재 부호화 유닛에 인접한 주변 부호화 유닛의 정보가 이용될 수 있다. 예컨대, 좌측 부호화 유닛 및/또는 상측 부호화 유닛의 분할 형태(분할 여부, 분할 트리 및/또는 분할 방향)는 현재 부호화 유닛의 분할 형태와 유사할 확률이 높다. 따라서, 주변 부호화 유닛의 정보에 기초하여, 현재 부호화 유닛의 정보의 엔트로피 부호화/복호화를 위한 컨텍스트 정보를 유도할 수 있다. 이때, 주변 부호화 유닛의 정보에는 해당 부호화 유닛의 쿼드 분할 정보, 복합형트리의 분할 여부 정보, 분할 방향 정보 및 분할 트리 정보 중 적어도 하나가 포함될 수 있다.
다른 실시예로서, 이진트리 분할과 3분할트리 분할 중, 이진트리 분할이 우선적으로 수행될 수 있다. 즉, 이진트리 분할이 먼저 적용되고, 이진트리의 리프 노드에 해당하는 부호화 유닛을 3분할트리의 루트 노드로 설정할 수도 있다. 이 경우, 3분할트리의 노드에 해당하는 부호화 유닛에 대해서는 쿼드트리 분할 및 이진트리 분할이 수행되지 않을 수 있다.
쿼드트리 분할, 이진트리 분할 및/또는 3분할트리 분할에 의해 더 이상 분할되지 않는 부호화 유닛은 부호화, 예측 및/또는 변환의 단위가 될 수 있다. 즉, 예측 및/또는 변환을 위해 부호화 유닛이 더 이상 분할되지 않을 수 있다. 따라서, 부호화 유닛을 예측 유닛 및/또는 변환 유닛으로 분할하기 위한 분할 구조, 분할 정보 등이 비트스트림에 존재하지 않을 수 있다.
다만, 분할의 단위가 되는 부호화 유닛의 크기가 최대 변환 블록의 크기보다 큰 경우, 해당 부호화 유닛은 최대 변환 블록의 크기와 같거나 또는 작은 크기가 될 때까지 재귀적으로 분할될 수 있다. 예컨대, 부호화 유닛의 크기가 64x64이고, 최대 변환 블록의 크기가 32x32인 경우, 상기 부호화 유닛은 변환을 위해, 4개의 32x32 블록으로 분할될 수 있다. 예컨대, 부호화 유닛의 크기가 32x64이고, 최대 변환 블록의 크기가 32x32인 경우, 상기 부호화 유닛은 변환을 위해, 2개의 32x32 블록으로 분할될 수 있다. 이 경우, 변환을 위한 부호화 유닛의 분할 여부는 별도로 시그널링되지 않고, 상기 부호화 유닛의 가로 또는 세로와 최대 변환 블록의 가로 또는 세로의 비교에 의해 결정될 수 있다. 예컨대, 부호화 유닛의 가로가 최대 변환 블록의 가로보다 큰 경우, 부호화 유닛은 세로로 2등분 될 수 있다. 또한, 부호화 유닛의 세로가 최대 변환 블록의 세로보다 큰 경우, 부호화 유닛은 가로로 2등분 될 수 있다.
부호화 유닛의 최대 및/또는 최소 크기에 관한 정보, 변환 블록의 최대 및/또는 최소 크기에 관한 정보는 부호화 유닛의 상위 레벨에서 시그널링되거나 결정될 수 있다. 상기 상위 레벨은 예컨대, 시퀀스 레벨, 픽처 레벨, 슬라이스 레벨, 타일 그룹 레벨, 타일 레벨 등일 수 있다. 예컨대, 부호화 유닛의 최소 크기는 4x4로 결정될 수 있다. 예컨대, 변환 블록의 최대 크기는 64x64로 결정될 수 있다. 예컨대, 변환 블록의 최소 크기는 4x4로 결정될 수 있다.
쿼드트리의 리프 노드에 해당하는 부호화 유닛의 최소 크기(쿼드트리 최소 크기)에 관한 정보 및/또는 복합형트리의 루트 노드에서 리프 노드에 이르는 최대 깊이(복합형트리 최대 깊이)에 관한 정보는 부호화 유닛의 상위 레벨에서 시그널링되거나 결정될 수 있다. 상기 상위 레벨은 예컨대, 시퀀스 레벨, 픽처 레벨, 슬라이스 레벨, 타일 그룹 레벨, 타일 레벨 등일 수 있다. 상기 쿼드트리 최소 크기에 관한 정보 및/또는 상기 복합형트리 최대 깊이에 관한 정보는 화면 내 슬라이스와 화면 간 슬라이스의 각각에 대해 시그널링되거나 결정될 수 있다.
CTU의 크기와 변환 블록의 최대 크기에 대한 차분 정보는 부호화 유닛의 상위 레벨에서 시그널링되거나 결정될 수 있다. 상기 상위 레벨은 예컨대, 시퀀스 레벨, 픽처 레벨, 슬라이스 레벨, 타일 그룹 레벨, 타일 레벨 등일 수 있다. 이진트리의 각 노드에 해당하는 부호화 유닛의 최대 크기(이진트리 최대 크기)에 관한 정보는 부호화 트리 유닛의 크기와 상기 차분 정보를 기반으로 결정될 수 있다. 3분할트리의 각 노드에 해당하는 부호화 유닛의 최대 크기(3분할트리 최대 크기)는 슬라이스의 타입에 따라 다른 값을 가질 수 있다. 예컨대, 화면 내 슬라이스인 경우, 3분할트리 최대 크기는 32x32일 수 있다. 또한, 예컨대, 화면 간 슬라이스인 경우, 3분할 트리 최대 크기는 128x128일 수 있다. 예컨대, 이진트리의 각 노드에 해당하는 부호화 유닛의 최소 크기(이진트리 최소 크기) 및/또는 3분할트리의 각 노드에 해당하는 부호화 유닛의 최소 크기(3분할트리 최소 크기)는 부호화 블록의 최소 크기로 설정될 수 있다.
또 다른 예로, 이진트리 최대 크기 및/또는 3분할트리 최대 크기는 슬라이스 레벨에서 시그널링되거나 결정될 수 있다. 또한, 이진트리 최소 크기 및/또는 3분할트리 최소 크기는 슬라이스 레벨에서 시그널링되거나 결정될 수 있다.
전술한 다양한 블록의 크기 및 깊이 정보에 기초하여, 쿼드 분할 정보, 복합형트리의 분할 여부 정보, 분할 트리 정보 및/또는 분할 방향 정보 등이 비트스트림에 존재하거나 존재하지 않을 수 있다.
예컨대, 부호화 유닛의 크기가 쿼드트리 최소 크기보다 크지 않으면, 상기 부호화 유닛은 쿼드 분할 정보를 포함하지 않고, 해당 쿼드 분할 정보는 제2값으로 추론될 수 있다.
예컨대, 복합형트리의 노드에 해당하는 부호화 유닛의 크기(가로 및 세로)가 이진트리 최대 크기(가로 및 세로) 및/또는 3분할트리 최대 크기(가로 및 세로)보다 큰 경우, 상기 부호화 유닛은 이진트리 분할 및/또는 3분할트리 분할되지 않을 수 있다. 그에 따라, 상기 복합형트리의 분할 여부 정보는 시그널링되지 않고, 제2값으로 추론될 수 있다.
또는, 복합형트리의 노드에 해당하는 부호화 유닛의 크기(가로 및 세로)가 이진트리 최소 크기(가로 및 세로)와 동일하거나, 부호화 유닛의 크기(가로 및 세로)가 3분할트리 최소 크기(가로 및 세로)의 두 배와 동일한 경우, 상기 부호화 유닛은 이진트리 분할 및/또는 3분할트리 분할되지 않을 수 있다. 그에 따라, 상기 복합형트리의 분할 여부 정보는 시그널링되지 않고, 제2값으로 추론될 수 있다. 왜냐하면, 상기 부호화 유닛을 이진트리 분할 및/또는 3분할트리 분할할 경우, 이진트리 최소 크기 및/또는 3분할트리 최소 크기보다 작은 부호화 유닛이 생성되기 때문이다.
또는, 복합형트리의 노드에 해당하는 부호화 유닛의 복합형트리 내의 깊이가 복합형트리 최대 깊이와 동일한 경우, 상기 부호화 유닛은 이진트리 분할 및/또는 3분할트리 분할되지 않을 수 있다. 그에 따라, 상기 복합형트리의 분할 여부 정보는 시그널링되지 않고, 제2값으로 추론될 수 있다.
또는, 복합형트리의 노드에 해당하는 부호화 유닛에 대해 수직 방향 이진트리 분할, 수평 방향 이진트리 분할, 수직 방향 3분할트리 분할 및 수평 방향 3분할트리 분할 중 적어도 하나가 가능한 경우에만, 상기 복합형트리의 분할 여부 정보를 시그널링할 수 있다. 그렇지 않은 경우, 상기 부호화 유닛은 이진트리 분할 및/또는 3분할트리 분할되지 않을 수 있다. 그에 따라, 상기 복합형트리의 분할 여부 정보는 시그널링되지 않고, 제2값으로 추론될 수 있다.
또는, 복합형트리의 노드에 해당하는 부호화 유닛에 대해 수직 방향 이진트리 분할과 수평 방향 이진트리 분할이 모두 가능하거나, 수직 방향 3분할트리 분할과 수평 방향 3분할트리 분할이 모두 가능한 경우에만, 상기 분할 방향 정보를 시그널링할 수 있다. 그렇지 않은 경우, 상기 분할 방향 정보는 시그널링되지 않고, 분할이 가능한 방향을 지시하는 값으로 추론될 수 있다.
또는, 복합형트리의 노드에 해당하는 부호화 유닛에 대해 수직 방향 이진트리 분할과 수직 방향 3분할트리 분할이 모두 가능하거나, 수평 방향 이진트리 분할과 수평 방향 3분할트리 분할이 모두 가능한 경우에만, 상기 분할 트리 정보를 시그널링할 수 있다. 그렇지 않은 경우, 상기 분할 트리 정보는 시그널링되지 않고, 분할이 가능한 트리를 지시하는 값으로 추론될 수 있다.
도 4는 화면 내 예측 과정의 실시예를 설명하기 위한 도면이다.
도 4의 중심으로부터 외곽으로의 화살표들은 화면 내 예측 모드들의 예측 방향들을 나타낼 수 있다.
화면 내 부호화 및/또는 복호화는 현재 블록의 주변 블록의 참조 샘플을 이용하여 수행될 수 있다. 주변 블록은 복원된 주변 블록일 수 있다. 예를 들면, 화면 내 부호화 및/또는 복호화는 복원된 주변 블록이 포함하는 참조 샘플의 값 또는 부호화 파라미터를 이용하여 수행될 수 있다.
예측 블록은 화면 내 예측의 수행의 결과로 생성된 블록을 의미할 수 있다. 예측 블록은 CU, PU 및 TU 중 적어도 하나에 해당할 수 있다. 예측 블록의 단위는 CU, PU 및 TU 중 적어도 하나의 크기일 수 있다. 예측 블록은 2x2, 4x4, 16x16, 32x32 또는 64x64 등의 크기를 갖는 정사각형의 형태의 블록일 수 있고, 2x8, 4x8, 2x16, 4x16 및 8x16 등의 크기를 갖는 직사각형 모양의 블록일 수도 있다.
화면 내 예측은 현재 블록에 대한 화면 내 예측 모드에 따라 수행될 수 있다. 현재 블록이 가질 수 있는 화면 내 예측 모드의 개수는 기정의된 고정된 값일 수 있으며, 예측 블록의 속성에 따라 다르게 결정된 값일 수 있다. 예를 들면, 예측 블록의 속성은 예측 블록의 크기 및 예측 블록의 형태 등을 포함할 수 있다.
화면 내 예측 모드의 개수는 블록의 크기에 관계없이 N개로 고정될 수 있다. 또는, 예를 들면, 화면 내 예측 모드의 개수는 3, 5, 9, 17, 34, 35, 36, 65, 또는 67 등일 수 있다. 또는, 화면 내 예측 모드의 개수는 블록의 크기 및/또는 색 성분(color component)의 타입에 따라 상이할 수 있다. 예를 들면, 색 성분이 휘도(luma) 신호인지 아니면 색차(chroma) 신호인지에 따라 화면 내 예측 모드의 개수가 다를 수 있다. 예컨대, 블록의 크기가 커질수록 화면 내 예측 모드의 개수는 많아질 수 있다. 또는 휘도 성분 블록의 화면 내 예측 모드의 개수는 색차 성분 블록의 화면 내 예측 모드의 개수보다 많을 수 있다.
화면 내 예측 모드는 비방향성 모드 또는 방향성 모드일 수 있다. 비방향성 모드는 DC 모드 또는 플래너(Planar) 모드일 수 있으며, 방향성 모드(angular mode)는 특정한 방향 또는 각도를 가지는 예측 모드일 수 있다. 상기 화면 내 예측 모드는 모드 번호, 모드 값, 모드 숫자, 모드 각도, 모드 방향 중 적어도 하나로 표현될 수 있다. 화면 내 예측 모드의 개수는 상기 비방향성 및 방향성 모드를 포함하는 하나 이상의 M개 일 수 있다.
현재 블록을 화면 내 예측하기 위해 복원된 주변 블록에 포함되는 샘플들이 현재 블록의 참조 샘플로 이용 가능한지 여부를 검사하는 단계가 수행될 수 있다. 현재 블록의 참조 샘플로 이용할 수 없는 샘플이 존재할 경우, 복원된 주변 블록에 포함된 샘플들 중 적어도 하나의 샘플 값을 복사 및/또는 보간한 값을 이용하여 참조 샘플로 이용할 수 없는 샘플의 샘플 값으로 대체한 후, 현재 블록의 참조 샘플로 이용할 수 있다.
화면 내 예측 시 화면 내 예측 모드 및 현재 블록의 크기 중 적어도 하나에 기반하여 참조 샘플 또는 예측 샘플 중 적어도 하나에 필터를 적용할 수 있다.
플래너 모드의 경우, 현재 블록의 예측 블록을 생성할 때, 예측 대상 샘플의 예측 블록 내 위치에 따라, 현재 샘플의 상단 및 좌측 참조 샘플, 현재 블록의 우상단 및 좌하단 참조 샘플의 가중합을 이용하여 예측 대상 샘플의 샘플값을 생성할 수 있다. 또한, DC 모드의 경우, 현재 블록의 예측 블록을 생성할 때, 현재 블록의 상단 및 좌측 참조 샘플들의 평균 값을 이용할 수 있다. 또한, 방향성 모드의 경우 현재 블록의 상단, 좌측, 우상단 및/또는 좌하단 참조 샘플을 이용하여 예측 블록을 생성 할 수 있다. 예측 샘플 값 생성을 위해 실수 단위의 보간을 수행 할 수도 있다.
현재 블록의 화면 내 예측 모드는 현재 블록의 주변에 존재하는 블록의 화면 내 예측 모드로부터 예측하여 엔트로피 부호화/복호화할 수 있다. 현재 블록과 주변 블록의 화면 내 예측 모드가 동일하면 소정의 플래그 정보를 이용하여 현재 블록과 주변 블록의 화면 내 예측 모드가 동일하다는 정보를 시그널링할 수 있다. 또한, 복수 개의 주변 블록의 화면 내 예측 모드 중 현재 블록의 화면 내 예측 모드와 동일한 화면 내 예측 모드에 대한 지시자 정보를 시그널링 할 수 있다. 현재 블록과 주변 블록의 화면 내 예측 모드가 상이하면 주변 블록의 화면 내 예측 모드를 기초로 엔트로피 부호화/복호화를 수행하여 현재 블록의 화면 내 예측 모드 정보를 엔트로피 부호화/복호화할 수 있다.
도 5는 화면 간 예측 과정의 실시예를 설명하기 위한 도면이다.
도 5에 도시된 사각형은 영상을 나타낼 수 있다. 또한, 도 5에서 화살표는 예측 방향을 나타낼 수 있다. 각 영상은 부호화 타입에 따라 I 픽처(Intra Picture), P 픽처(Predictive Picture), B 픽처(Bi-predictive Picture) 등으로 분류될 수 있다.
I 픽처는 화면 간 예측 없이 화면 내 예측을 통해 부호화/복호화될 수 있다. P 픽처는 단방향(예컨대, 순방향 또는 역방향)에 존재하는 참조 영상만을 이용하는 화면 간 예측을 통해 부호화/복호화될 수 있다. B 픽처는 쌍방향(예컨대, 순방향 및 역방향)에 존재하는 참조 영상들을 이용하는 화면 간 예측을 통해 부호화/복호화 될 수 있다. 또한, B 픽처인 경우, 쌍방향에 존재하는 참조 영상들을 이용하는 화면 간 예측 또는 순방향 및 역방향 중 일 방향에 존재하는 참조 영상을 이용하는 화면 간 예측을 통해 부호화/복호화될 수 있다. 여기에서, 쌍방향은 순방향 및 역방향일 수 있다. 여기서, 화면 간 예측이 사용되는 경우, 부호화기에서는 화면 간 예측 혹은 움직임 보상을 수행할 수 있고, 복호화기에서는 그에 대응하는 움직임 보상을 수행할 수 있다.
아래에서, 실시예에 따른 화면 간 예측에 대해 구체적으로 설명된다.
화면 간 예측 혹은 움직임 보상은 참조 영상 및 움직임 정보를 이용하여 수행될 수 있다.
현재 블록에 대한 움직임 정보는 부호화 장치(100) 및 복호화 장치(200)의 각각에 의해 화면 간 예측 중 도출될 수 있다. 움직임 정보는 복원된 주변 블록의 움직임 정보, 콜 블록(collocated block; col block)의 움직임 정보 및/또는 콜 블록에 인접한 블록을 이용하여 도출될 수 있다. 콜 블록은 이미 복원된 콜 픽처(collocated picture; col picture) 내에서 현재 블록의 공간적 위치에 대응하는 블록일 수 있다. 여기서, 콜 픽처는 참조 영상 리스트에 포함된 적어도 하나의 참조 영상 중에서 하나의 픽처일 수 있다.
움직임 정보의 도출 방식은 현재 블록의 예측 모드에 따라 다를 수 있다. 예를 들면, 화면 간 예측을 위해 적용되는 예측 모드로서, AMVP 모드, 머지 모드, 스킵 모드, 현재 픽처 참조 모드 등이 있을 수 있다. 여기서 머지 모드를 움직임 병합 모드(motion merge mode)라고 지칭할 수 있다.
예를 들면, 예측 모드로서, AMVP가 적용되는 경우, 복원된 주변 블록의 움직임 벡터, 콜 블록의 움직임 벡터, 콜 블록에 인접한 블록의 움직임 벡터, (0, 0) 움직임 벡터 중 적어도 하나를 움직임 벡터 후보로 결정하여 움직임 벡터 후보 리스트(motion vector candidate list)를 생성할 수 있다. 생성된 움직임 벡터 후보 리스트를 이용하여 움직임 벡터 후보를 유도할 수 있다. 유도된 움직임 벡터 후보를 기반으로 현재 블록의 움직임 정보를 결정할 수 있다. 여기서, 콜 블록의 움직임 벡터 또는 콜 블록에 인접한 블록의 움직임 벡터를 시간적 움직임 벡터 후보(temporal motion vector candidate)라 지칭할 수 있고, 복원된 주변 블록의 움직임 벡터를 공간적 움직임 벡터 후보(spatial motion vector candidate)라 지칭할 수 있다.
부호화 장치(100)는 현재 블록의 움직임 벡터 및 움직임 벡터 후보 간의 움직임 벡터 차분(MVD: Motion Vector Difference)을 계산할 수 있고, MVD를 엔트로피 부호화할 수 있다. 또한, 부호화 장치(100)는 움직임 벡터 후보 색인을 엔트로피 부호화하여 비트스트림을 생성할 수 있다. 움직임 벡터 후보 색인은 움직임 벡터 후보 리스트에 포함된 움직임 벡터 후보 중에서 선택된 최적의 움직임 벡터 후보를 지시할 수 있다. 복호화 장치(200)는 움직임 벡터 후보 색인을 비트스트림으로부터 엔트로피 복호화하고, 엔트로피 복호화된 움직임 벡터 후보 색인을 이용하여 움직임 벡터 후보 리스트에 포함된 움직임 벡터 후보 중에서 복호화 대상 블록의 움직임 벡터 후보를 선택할 수 있다. 또한, 복호화 장치(200)는 엔트로피 복호화된 MVD 및 움직임 벡터 후보의 합을 통해 복호화 대상 블록의 움직임 벡터를 도출할 수 있다.
비트스트림은 참조 영상을 지시하는 참조 영상 색인 등을 포함할 수 있다. 참조 영상 색인은 엔트로피 부호화되어 비트스트림을 통해 부호화 장치(100)로부터 복호화 장치(200)로 시그널링될 수 있다. 복호화 장치(200)는 유도된 움직임 벡터와 참조 영상 색인 정보에 기반하여 복호화 대상 블록에 대한 예측 블록을 생성할 수 있다.
움직임 정보의 도출 방식의 다른 예로, 머지 모드가 있다. 머지 모드란 복수의 블록들에 대한 움직임의 병합을 의미할 수 있다. 머지 모드는 현재 블록의 움직임 정보를 주변 블록의 움직임 정보로부터 유도하는 모드를 의미할 수 있다. 머지 모드가 적용되는 경우, 복원된 주변 블록의 움직임 정보 및/또는 콜 블록의 움직임 정보를 이용하여 머지 후보 리스트(merge candidate list)를 생성할 수 있다. 움직임 정보는 1) 움직임 벡터, 2) 참조 영상 색인, 및 3) 화면 간 예측 지시자 중 적어도 하나를 포함할 수 있다. 예측 지시자는 단방향 (L0 예측, L1 예측) 또는 쌍방향일 수 있다.
머지 후보 리스트는 움직임 정보들이 저장된 리스트를 나타낼 수 있다. 머지 후보 리스트에 저장되는 움직임 정보는, 현재 블록에 인접한 주변 블록의 움직임 정보(공간적 머지 후보(spatial merge candidate)) 및 참조 영상에서 현재 블록에 대응되는(collocated) 블록의 움직임 정보(시간적 머지 후보(temporal merge candidate)), 이미 머지 후보 리스트에 존재하는 움직임 정보들의 조합에 의해 생성된 새로운 움직임 정보 및 제로 머지 후보 중 적어도 하나일 수 있다.
부호화 장치(100)는 머지 플래그(merge flag) 및 머지 색인(merge index) 중 적어도 하나를 엔트로피 부호화하여 비트스트림을 생성한 후 복호화 장치(200)로 시그널링할 수 있다. 머지 플래그는 블록 별로 머지 모드를 수행할지 여부를 나타내는 정보일 수 있고, 머지 색인은 현재 블록에 인접한 주변 블록들 중 어떤 블록과 머지를 할 것인가에 대한 정보일 수 있다. 예를 들면, 현재 블록의 주변 블록들은 현재 블록의 좌측 인접 블록, 상단 인접 블록 및 시간적 인접 블록 중 적어도 하나를 포함할 수 있다.
스킵 모드는 주변 블록의 움직임 정보를 그대로 현재 블록에 적용하는 모드일 수 있다. 스킵 모드가 사용되는 경우, 부호화 장치(100)는 어떤 블록의 움직임 정보를 현재 블록의 움직임 정보로서 이용할 것인지에 대한 정보를 엔트로피 부호화하여 비트스트림을 통해 복호화 장치(200)에 시그널링할 수 있다. 이때, 부호화 장치(100)는 움직임 벡터 차분 정보, 부호화 블록 플래그 및 변환 계수 레벨(양자화된 레벨) 중 적어도 하나에 관한 구문 요소를 복호화 장치(200)에 시그널링하지 않을 수 있다.
현재 픽처 참조 모드는 현재 블록이 속한 현재 픽처 내의 기-복원된 영역을 이용한 예측 모드를 의미할 수 있다. 이때, 상기 기-복원된 영역을 특정하기 위해 벡터가 정의될 수 있다. 현재 블록이 현재 픽처 참조 모드로 부호화되는지 여부는 현재 블록의 참조 영상 색인을 이용하여 부호화될 수 있다. 현재 블록이 현재 픽처 참조 모드로 부호화된 블록인지 여부를 나타내는 플래그 혹은 색인이 시그널링될 수도 있고, 현재 블록의 참조 영상 색인을 통해 유추될 수도 있다. 현재 블록이 현재 픽처 참조 모드로 부호화된 경우, 현재 픽처는 현재 블록을 위한 참조 영상 리스트 내에서 고정 위치 또는 임의의 위치에 추가될 수 있다. 상기 고정 위치는 예를 들어, 참조 영상 색인이 0인 위치 또는 가장 마지막 위치일 수 있다. 현재 픽처가 참조 영상 리스트 내에서 임의의 위치에 추가되는 경우, 상기 임의의 위치를 나타내는 별도의 참조 영상 색인이 시그널링될 수도 있다.
도 6은 변환 및 양자화의 과정을 설명하기 위한 도면이다.
도 6에 도시된 바와 같이 잔여 신호에 변환 및/또는 양자화 과정을 수행하여 양자화된 레벨이 생성될 수 있다. 상기 잔여 신호는 원본 블록과 예측 블록(화면 내 예측 블록 혹은 화면 간 예측 블록) 간의 차분으로 생성될 수 있다. 여기에서, 예측 블록은 화면 내 예측 또는 화면 간 예측에 의해 생성된 블록일 수 있다. 여기서, 변환은 1차 변환 및 2차 변환 중 적어도 하나를 포함할 수 있다. 잔여 신호에 대해서 1차 변환을 수행하면 변환 계수가 생성될 수 있고, 변환 계수에 2차 변환을 수행하여 2차 변환 계수를 생성할 수 있다.
1차 변환(Primary Transform)은 기-정의된 복수의 변환 방법 중 적어도 하나를 이용하여 수행될 수 있다. 일예로, 기-정의된 복수의 변환 방법은 DCT(Discrete Cosine Transform), DST(Discrete Sine Transform) 또는 KLT(Karhunen-Loeve Transform) 기반 변환 등을 포함할 수 있다. 1차 변환이 수행 후 생성되는 변환 계수에 2차 변환(Secondary Transform)을 수행할 수 있다. 1차 변환 및/또는 2차 변환시에 적용되는 변환 방법은 현재 블록 및/또는 주변 블록의 부호화 파라미터 중 적어도 하나에 따라 결정될 수 있다. 또는 변환 방법을 지시하는 변환 정보가 시그널링될 수도 있다.
1차 변환 및/또는 2차 변환이 수행된 결과 또는 잔여 신호에 양자화를 수행하여 양자화된 레벨을 생성할 수 있다. 양자화된 레벨은 화면 내 예측 모드 또는 블록 크기/형태 중 적어도 하나를 기준으로 우상단 대각 스캔, 수직 스캔, 수평 스캔 중 적어도 하나에 따라 스캐닝(scanning) 될 수 있다. 예를 들어, 우상단(up-right) 대각 스캐닝을 이용하여 블록의 계수를 스캔함으로써 1차원 벡터 형태로 변경시킬 수 있다. 변환 블록의 크기 및/또는 화면 내 예측 모드에 따라 우상단 대각 스캔 대신 2차원의 블록 형태 계수를 열 방향으로 스캔하는 수직 스캔, 2차원의 블록 형태 계수를 행 방향으로 스캔하는 수평 스캔이 사용될 수도 있다. 스캐닝된 양자화된 레벨은 엔트로피 부호화되어 비트스트림에 포함될 수 있다.
복호화기에서는 비트스트림을 엔트로피 복호화하여 양자화된 레벨을 생성할 수 있다. 양자화된 레벨은 역 스캐닝(Inverse Scanning)되어 2차원의 블록 형태로 정렬될 수 있다. 이때, 역 스캐닝의 방법으로 우상단 대각 스캔, 수직 스캔, 수평 스캔 중 적어도 하나가 수행될 수 있다.
양자화된 레벨에 역양자화를 수행할 수 있고, 2차 역변환 수행 여부에 따라 2차 역변환을 수행할 수 있고, 2차 역변환이 수행된 결과에 1차 역변환 수행 여부에 따라 1차 역변환을 수행하여 복원된 잔여 신호가 생성될 수 있다.
이하에서는, 도 7 내지 도 55를 참고하여, 본 발명의 일 실시 예에 따른 부표본 기반의 블록 분류를 이용한 루프내 필터링 방법에 대해 후술한다.
본 발명에서 루프내 필터링(in-loop filtering)은 디블록킹 필터링(deblocking filtering), 샘플 적응적 오프셋(sample adaptive offset), 양방향 필터링(bilateral filtering), 적응적 루프내 필터링(adaptive in-loop filtering) 중 적어도 하나를 포함할 수 있다.
화면내/화면간 예측 블록과 복원된 잔여 블록을 합하여 생성된 복원 영상에 상기 디블록킹 필터링과 상기 샘플 적응적 오프셋 중 적어도 하나를 수행하여 복원 영상 내 존재하는 블록킹 현상(blocking artifact)과 링잉 현상(ringing artifact)을 효과적으로 감소시킬 수 있다. 하지만, 디블록킹 필터는 블록의 경계에 대해서 세로 방향 필터링 및 가로 방향 필터링을 수행하여 블록들 사이의 경계에서 발생하는 블록킹 현상을 감소시키는데 목적이 있으나, 디블록킹 필터는 블록 경계 필터링 시에 원본 영상과 복원 영상과의 왜곡을 최소화하지는 못하는 단점이 있다. 또한, 샘플 적응적 오프셋은 링잉 현상 감소를 위해 화소 단위로 인접한 화소들과의 화소 값 비교를 통해 특정 화소에 오프셋을 더해주거나, 화소 값이 특정한 범위에 속하는 화소들에 대해서 오프셋을 더해주는 방법이며, 샘플 적응적 오프셋은 율-왜곡 최적화를 이용하여 원본 영상과 복원 영상과의 왜곡을 일부 최소화하나, 원본 영상과 복원 영상 사이에 왜곡 차이가 클 경우에는 왜곡 최소화 관점에서 한계가 존재한다.
상기 양방향 필터링은 필터링이 수행되는 영역 내 중심 샘플과 영역 내 다른 샘플들 간의 거리와 샘플들의 값의 차이에 따라 필터 계수가 결정되어 필터링을 수행하는 것을 의미할 수 있다.
상기 적응적 루프내 필터링은 복원 영상에 원본 영상과 복원 영상 간의 왜곡을 최소화하는 필터를 적용함으로써 원본 영상과 복원 영상의 왜곡을 최소화하는 필터링을 의미할 수 있다.
본 발명에서 특별한 언급이 없는 한 루프내 필터링은 적응적 루프내 필터링을 의미할 수 있다.
본 발명에서 필터링은 샘플, 블록, CU, PU, TU, CTU, 슬라이스, 타일, 타일 그룹, 영상(픽처), 시퀀스 중 적어도 하나의 단위에 필터를 적용하는 것을 의미할 수 있다. 상기 필터링은 블록 분류, 필터링 수행, 필터 정보 부호화/복호화 중 적어도 하나를 포함할 수 있다.
본 발명에서 CU(Coding Unit, 부호화 유닛), PU(Prediction Unit, 예측 유닛), TU(Transform Unit, 변환 유닛), CTU(Coding Tree Unit, 부호화 트리 유닛)는 각각 CB(Coding Block, 부호화 블록), PB(Prediction Block, 예측 블록), TB(Transform Block, 변환 블록), CTB(Coding Tree Block, 부호화 트리 블록)와 동일한 의미일 수 있다.
본 발명에서 블록은 CU, PU, TU, CB, PB, TB 등 부호화/복호화 과정 내에서 사용되는 블록 혹은 유닛 단위 중 적어도 하나를 의미할 수 있다.
상기 루프내 필터링은 양방향 필터링, 디블록킹 필터링, 샘플 적응적 오프셋, 적응적 루프내 필터링 순서대로 복원 영상에 적용되어 복호 영상을 생성할 수 있다. 하지만, 루프내 필터링에 포함되는 필터링들 간 순서를 변경하여 복원 영상에 적용하여 복호 영상을 생성할 수 있다.
일 예로, 디블록킹 필터링, 샘플 적응적 오프셋, 적응적 루프내 필터링 순서대로 복원 영상에 루프내 필터링을 적용할 수 있다.
다른 예로, 양방향 필터링, 적응적 루프내 필터링, 디블록킹 필터링, 샘플 적응적 오프셋 순서대로 복원 영상에 루프내 필터링을 적용할 수 있다.
또 다른 예로, 적응적 루프내 필터링, 디블록킹 필터링, 샘플 적응적 오프셋 순서대로 복원 영상에 루프내 필터링을 적용할 수 있다.
또 다른 예로, 적응적 루프내 필터링, 샘플 적응적 오프셋, 디블록킹 필터링 순서대로 복원 영상에 루프내 필터링을 적용할 수 있다.
본 발명에서 복호 영상은 화면내 예측 블록 혹은 화면간 예측 블록에 복원된 잔여 블록을 더하여 생성되는 복원된 블록으로 구성된 복원 영상에 루프내 필터링 혹은 후처리 필터링을 수행한 결과 영상을 의미할 수 있다. 또한, 본 발명에서 복호 샘플/블록/CTU/영상 등과 복원 샘플/블록/CTU/영상 등의 의미는 서로 다르지 않고 동일한 것을 의미할 수도 있다.
상기 적응적 루프내 필터링은 복원 영상에 수행되어 복호 영상을 생성할 수 있다. 또는 적응적 루프내 필터링은 디블록킹 필터링, 샘플 적응적 오프셋, 양방향 필터링 중 적어도 하나 이상이 수행된 복호 영상에 수행될 수 있다. 또한, 적응적 루프내 필터링은 적응적 루프내 필터링이 수행된 복호 영상에 수행될 수 있다. 이 경우, 적응적 루프내 필터링을 복원 또는 복호 영상에 N차례 반복적으로 수행할 수 있다. 이때, N은 양의 정수이다.
상기 루프내 필터링 방법 중 적어도 하나의 필터링이 수행된 복호 영상에 루프내 필터링을 수행할 수 있다. 예를 들어, 루프내 필터링 방법 중 적어도 하나가 수행된 복호 영상에 루프내 필터링 방법 중 적어도 다른 하나의 필터링이 수행될 경우, 상기 루프내 필터링 방법 중 적어도 다른 하나에 사용되는 파라미터가 변경되고, 파라미터가 변경된 루프내 필터링 방법이 상기 복호 영상에 수행될 수 있다. 이때, 상기 파라미터는 부호화 파라미터, 필터 계수, 필터 탭 수(필터 길이), 필터 형태, 필터 종류, 필터링 수행 횟수, 필터 강도, 임계값 중 적어도 하나를 포함할 수 있다.
상기 필터 계수는 필터를 구성하는 계수를 의미할 수 있고, 복원 샘플에 곱해지는 마스크(mask) 형태에서 특정 마스크 위치에 해당하는 계수 값을 의미할 수 있다.
상기 필터 탭 수는 필터의 길이를 의미하고, 필터가 특정 1가지 방향에 대해 대칭적(symmetric) 특성을 가지면 실제 부호화/복호화 대상이 되는 필터 계수는 반으로 줄어들 수 있다. 또한, 상기 필터 탭은 가로 방향에서 필터의 넓이를 의미하거나, 세로 방향에서 필터의 높이를 의미할 수 있다. 또한, 상기 필터 탭은 2차원 필터 형태에서 가로 방향으로 필터의 넓이와 세로 방향으로 필터의 높이를 함께 의미할 수 있다. 또한, 필터는 특정 2가지 이상 방향에 대해 대칭적 특징을 가질 수 있다.
상기 필터 형태는 필터가 마스크 형태를 가질 경우, 필터 형태는 마름모(diamond/rhombus), 직사각형(non-square), 정사각형(square), 사다리꼴(trapezoid), 대각(diagonal), 눈송이(snowflake), 샵(sharp), 클로버(clover), 십자가(cross), 삼각형, 오각형, 육각형, 팔각형, 십각형, 십이각형 등 2차원으로 표현될 수 있는 기하학적 도형 또는 이들의 결합된 형태를 의미할 수 있다. 또는, 필터 형태는 3차원 필터를 2차원으로 투사(projection)시킨 형태일 수 있다.
상기 필터 종류는 위너 필터(Wiener filter), 저역 통과 필터(low-pass filter), 고역 통과 필터(high-pass filter), 선형 필터(linear filter), 비선형 필터(non-linear filter), 양방향 필터(bilateral filter) 등의 필터를 의미할 수 있다.
본 발명에서는 상기 다양한 필터 종류 중 위너 필터를 위주로 설명하나, 이에 한정되는 것은 아니고 상기 다양한 필터 종류에 대해서 본 발명의 실시예 또는 실시예의 조합이 적용될 수 있다.
적응적 루프내 필터링의 필터 종류로 위너 필터(Wiener filter)를 이용할 수 있다. 위너 필터는 최적의 선형 필터(optimal linear filter)로 영상 내 잡음(noise), 블러링(blurring), 왜곡(distortion)을 효과적으로 제거하여 부호화 효율을 향상하는데 그 목적이 있다. 이때, 위너 필터는 원본 영상과 복원/복호 영상 사이의 왜곡을 최소화하도록 설계될 수 있다.
상기 필터링 방법 중 적어도 하나는 부호화 과정 혹은 복호화 과정 내에서 수행될 수 있다. 이때, 부호화 과정 혹은 복호화 과정은 슬라이스, 타일, 타일 그룹, 픽처, 시퀀스, CTU, 블록, CU, PU, TU 단위 중 적어도 하나의 단위로 부호화 과정 혹은 복호화 과정이 수행되는 것을 의미할 수 있다. 상기 필터링 방법 중 적어도 하나는 슬라이스, 타일, 타일 그룹, 픽처 등의 단위로 부호화 과정 혹은 복호화 과정 내에서 수행될 수 있다. 예를 들어, 위너 필터는 적응적 루프내 필터링 형태로 부호화 과정 혹은 복호화 과정 내에서 수행될 수 있다. 즉, 적응적 루프내 필터링에서 루프내의 의미는 부호화 과정 혹은 복호화 과정 내에서 필터링이 수행된다는 의미이다. 적응적 루프내 필터링이 수행될 경우, 적응적 루프내 필터링이 수행된 복호 영상은 차후 부호화/복호화되는 영상의 참조 영상으로 사용될 수 있다. 이때, 차후 부호화/복호화되는 영상에서는 적응적 루프내 필터링이 수행된 복호 영상을 참조하여 화면간 예측 또는 움직임 보상을 수행할 수 있으므로 적응적 루프내 필터링이 수행된 복호 영상의 부호화 효율이 향상될 뿐만 아니라, 상기 차후 부호화/복호화되는 영상의 부호화 효율도 향상될 수 있다.
또한, 상기 필터링 방법 중 적어도 하나는 CTU 단위 혹은 블록 단위의 부호화 과정 혹은 복호화 과정 내에서 수행될 수 있다. 예를 들어, 위너 필터는 적응적 루프내 필터링 형태로 CTU 단위 혹은 블록 단위의 부호화 과정 혹은 복호화 과정 내에서 수행될 수 있다. 즉, 적응적 루프내 필터링에서 루프내의 의미는 CTU 단위 혹은 블록 단위의 부호화 과정 혹은 복호화 과정 내에서 필터링이 수행된다는 의미이다. CTU 단위 혹은 블록 단위에서 적응적 루프내 필터링이 수행될 경우, 적응적 루프내 필터링이 수행된 복호 CTU 혹은 복호 블록은 차후 부호화/복호화되는 CTU 혹은 블록의 참조 CTU 혹은 참조 블록으로 사용될 수도 있다. 이때, 차후 부호화/복호화되는 CTU 혹은 블록에서는 적응적 루프내 필터링이 수행된 복호 CTU 혹은 복호 블록을 참조하여 화면내 예측 등을 수행할 수 있으므로 적응적 루프내 필터링이 수행된 복호 CTU 혹은 복호 블록의 부호화 효율이 향상될 뿐만 아니라, 상기 차후 부호화/복호화되는 CTU 혹은 블록의 부호화 효율도 향상될 수 있다.
또한, 상기 필터링 방법 중 적어도 하나는 후처리 필터(post filter) 형태로 복호화 과정 후에 수행될 수 있다. 예를 들어, 위너 필터는 후처리 필터 형태로 복호화 과정 후에 수행될 수 있다. 위너 필터가 복호화 과정 후에 수행될 경우, 영상 출력(디스플레이) 전에 복원/복호 영상에 위너 필터가 수행될 수 있다. 후처리 필터링이 수행될 경우, 후처리 필터링이 수행된 복호 영상은 차후 부호화/복호화되는 영상의 참조 영상으로 사용될 수 없다.
적응적 루프내 필터링은 블록 기반의 필터 적응을 사용할 수 있다. 여기서, 블록 기반의 필터 적응이란 다수 개의 필터 중에 블록 별로 사용되는 필터가 적응적으로 선택된다는 것을 의미할 수 있다. 상기 블록 기반의 필터 적응은 블록 분류를 의미할 수 있다.
도 7은 본 발명의 일 실시 예에 따른 영상 복호화 방법을 나타내는 흐름도이다.
도 7을 참조하면, 복호화기는 부호화 유닛에 대한 필터 정보를 복호화할 수 있다(S701).
상기 필터 정보는 부호화 유닛에 대해서만 한정되는 것은 아니고, 슬라이스, 타일, 타일 그룹, 픽처, 시퀀스, CTU, 블록, CU, PU, TU 등에 대한 필터 정보를 의미할 수 있다.
한편, 상기 필터 정보는, 필터링 수행 여부, 필터 계수 값, 필터 개수, 필터 탭 수(필터 길이) 정보, 필터 형태 정보, 필터 종류 정보, 블록 분류 색인에 대한 고정된 필터 사용 여부 정보 및 필터의 대칭 형태에 관한 정보 중 적어도 하나를 포함할 수 있다.
한편, 상기 필터 형태 정보는 마름모, 직사각형, 정사각형, 사다리꼴, 대각, 눈송이, 샵, 클로버, 십자가, 삼각형, 오각형, 육각형, 팔각형, 십각형, 십이각형 형태 중 적어도 하나의 정보를 포함할 수 있다.
한편, 상기 필터 계수 값은 블록 분류 단위로 분류된 블록에 기반하여 기하학적 변환된 필터 계수 값을 포함할 수 있다.
한편, 필터의 대칭 형태에 관한 정보는 점 대칭, 가로 대칭, 세로 대칭 및 대각 대칭 형태 중 적어도 하나 이상의 정보를 포함할 수 있다.
또한, 복호화기는 상기 부호화 유닛을 블록 분류 단위로 분류할 수 있다(S702). 또한, 복호화기는 상기 블록 분류 단위로 분류된 부호화 유닛에 블록 분류 색인을 할당할 수 있다.
상기 블록 분류는 부호화 유닛 단위로 수행되는 것만 한정하는 것은 아니고, 슬라이스, 타일, 타일 그룹, 픽처, 시퀀스, CTU, 블록, CU, PU, TU 등의 단위에서 수행될 수 있다.
한편, 상기 블록 분류 색인은 방향성 정보와 활동성 정보를 이용하여 결정될 수 있다.
한편, 상기 방향성 정보 및 활동성 정보 중 적어도 하나는 세로, 가로, 제1 대각, 제2 대각 방향 중 적어도 하나에 대한 기울기(gradient) 값에 기반하여 결정될 수 있다.
한편, 상기 기울기 값은 상기 블록 분류 단위에서의 1D 라플라시안 연산을 이용하여 획득될 수 있다.
한편, 상기 1D 라플라시안 연산은 상기 연산의 수행 위치가 서브샘플링된 1D 라플라시안 연산일 수 있다.
한편, 상기 기울기 값은 시간적 계층 식별자(temporal layer identifier)에 기반하여 결정될 수 있다.
또한, 복호화기는 상기 필터 정보를 이용하여 상기 블록 분류 단위로 분류된 부호화 유닛을 필터링할 수 있다(S703).
상기 필터링의 대상은 부호화 유닛으로 한정되는 것은 아니고, 슬라이스, 타일, 타일 그룹, 픽처, 시퀀스, CTU, 블록, CU, PU, TU 등에서 필터링이 수행될 수 있다.
도 8은 본 발명의 일 실시 예에 따른 영상 부호화 방법을 나타내는 흐름도이다.
도 8을 참조하면, 부호화기는 부호화 유닛을 블록 분류 단위로 분류할 수 있다(S801). 또한, 부호화기는 상기 블록 분류 단위로 분류된 부호화 유닛에 블록 분류 색인을 할당할 수 있다.
상기 블록 분류는 부호화 유닛 단위로 수행되는 것만 한정하는 것은 아니고, 슬라이스, 타일, 타일 그룹, 픽처, 시퀀스, CTU, 블록, CU, PU, TU 등의 단위에서 수행될 수 있다.
한편, 상기 블록 분류 색인은 방향성 정보와 활동성 정보를 이용하여 결정될 수 있다.
한편, 상기 방향성 정보 및 활동성 정보 중 적어도 하나는 세로, 가로, 제1 대각, 제2 대각 방향 중 적어도 하나에 대한 기울기 값에 기반하여 결정될 수 있다.
한편, 상기 기울기 값은 상기 블록 분류 단위에서의 1D 라플라시안 연산을 이용하여 획득될 수 있다.
한편, 상기 1D 라플라시안 연산은 상기 연산의 수행 위치가 서브샘플링된 1D 라플라시안 연산일 수 있다.
한편, 상기 기울기 값은 시간적 계층 식별자에 기반하여 결정될 수 있다.
또한, 부호화기는 상기 부호화 유닛에 대한 필터 정보를 이용하여 상기 블록 분류 단위로 분류된 부호화 유닛을 필터링할 수 있다(S802).
상기 필터링의 대상은 부호화 유닛으로 한정되는 것은 아니고, 슬라이스, 타일, 타일 그룹, 픽처, 시퀀스, CTU, 블록, CU, PU, TU 등에서 필터링이 수행될 수 있다.
한편, 상기 필터 정보는, 필터링 수행 여부, 필터 계수 값, 필터 개수, 필터 탭 수(필터 길이) 정보, 필터 형태 정보, 필터 종류 정보, 블록 분류 색인에 대한 고정된 필터 사용 여부 정보 및 필터의 대칭 형태에 관한 정보 중 적어도 하나를 포함할 수 있다.
한편, 상기 필터 형태 정보는 마름모, 직사각형, 정사각형, 사다리꼴, 대각, 눈송이, 샵, 클로버, 십자가, 삼각형, 오각형, 육각형, 팔각형, 십각형, 십이각형 형태 중 적어도 하나의 정보를 포함할 수 있다.
한편, 상기 필터 계수 값은 블록 분류 단위로 분류된 블록에 기반하여 기하학적 변환된 필터 계수 값을 포함할 수 있다.
또한, 부호화기는 상기 필터 정보를 부호화할 수 있다(S803).
상기 필터 정보는 슬라이스, 타일, 타일 그룹, 픽처, 시퀀스, CTU, 블록, CU, PU, TU 등에 대한 필터 정보를 의미할 수 있다.
부호화기에서는 적응적 루프내 필터링은 블록 분류(block classification) 단계, 필터링(filtering) 수행 단계, 필터 정보(filtering information) 부호화 단계로 구성될 수 있다.
보다 상세하게, 부호화기에서는 블록 분류 단계, 필터 계수 유도 단계, 필터링 수행 결정 단계, 필터 형태 결정 단계, 필터링 수행 단계, 필터 정보 부호화 단계 등으로 구성될 수 있다. 상기 필터 계수 유도 단계, 상기 필터링 수행 결정 단계, 상기 필터 형태 결정 단계는 본 발명의 범위에 벗어나므로 본 발명에서 구체적인 언급은 하지 않으나, 대신 아래와 같이 간략하게 설명할 수 있다. 따라서, 부호화기는 블록 분류 단계, 필터링 수행 단계, 필터 정보 부호화 단계 등을 포함할 수 있다.
필터 계수 유도 단계에서는 원본 영상과 필터링이 적용된 영상 사이의 왜곡(distortion)을 최소화하는 관점에서 위너 필터 계수를 유도할 수 있다. 이때, 블록 분류 색인 별로 위너 필터 계수를 유도할 수 있다. 또한, 필터 탭 수 및 필터 형태 중 적어도 하나에 따라 위너 필터 계수를 유도할 수 있다. 위너 필터 계수를 유도할 때, 복원 샘플에 대한 자기 상관 함수(auto-correlation function)와 원본 샘플과 복원 샘플에 대한 상호 상관 함수(cross-correlation function)와 자기 상관 행렬 및 상호 상관 행렬을 유도할 수 있다. 유도된 자기 상관 행렬과 상호 상관 행렬을 이용해서 위너-호프 방정식(Wiener-Hopf equation)을 유도하여 필터 계수를 계산할 수 있다. 이때, 위너-호프 방정식에 가우시안 제거(Gaussian elimination) 방법 혹은 촐레스키 분해법(Cholesky decomposition method)을 이용하여 필터 계수를 계산할 수 있다.
필터링 수행 결정 단계에서는 슬라이스/픽처/타일/타일 그룹 단위로 적응적 루프내 필터링을 적용할지, 블록 단위로 적응적 루프내 필터링을 적용할지, 적응적 루프내 필터링을 적용하지 않을지 등을 율-왜곡 최적화(rate-distortion optimization) 관점에서 결정할 수 있다. 여기서, 율(rate)은 부호화해야 할 필터 정보를 포함할 수 있다. 또한, 왜곡은 원본 영상과 복원 영상의 차이 혹은 원본 영상과 필터링된 복원 영상과의 차이에 대한 값일 수 있으며, MSE(Mean of Squared Error), SSE(Sum of Squared Error), SAD(Sum of Absolute Difference) 등이 사용될 수 있다. 이때, 필터링 수행 결정 단계에서는 휘도 성분뿐만 아니라 색차 성분에 대한 필터링 수행도 결정할 수 있다.
필터 형태 결정 단계에서는 적응적 루프내 필터링을 적용할 때, 어떤 형태의 필터 형태를 사용할지, 어떤 탭 수의 필터를 사용할지 등을 율-왜곡 최적화 관점에서 결정할 수 있다.
한편, 복호화기에서는 필터 정보 복호화 단계, 블록 분류 단계, 필터링 수행 단계 등을 포함할 수 있다.
본 발명에서 중복되는 설명을 피하기 위해, 필터 정보 부호화 단계와 필터 정보 복호화 단계를 합하여 필터 정보 부호화/복호화 단계로 후술한다.
이하에서는, 블록 분류 단계에 대해서 후술한다.
복원 영상 내 NxM 블록 단위(또는, 블록 분류 단위)로 블록 분류 색인(block classification index)을 할당하여, 각 블록을 L개만큼 분류할 수 있다. 여기서, 복원/복호 영상뿐만 아니라, 복원/복호 슬라이스, 복원/복호 타일 그룹, 복원/복호 타일, 복원/복호 CTU, 복원/복호 블록 등 중 적어도 하나에 대해 블록 분류 색인을 할당할 수 있다.
여기서, N, M, L은 양의 정수일 수 있다. 예를 들어, N과 M은 각각 2, 4, 8, 16, 32 중 하나일 수 있고, L은 4, 8, 16, 20, 25, 32 중 하나일 수 있다. 만약, N과 M이 각각 1이면 블록 단위로 블록 분류가 아닌 샘플 단위의 샘플 분류가 수행될 수 있다. 또한, N과 M이 서로 다른 양의 정수 값을 가지면, NxM 블록 단위가 비정방형 형태를 가질 수 있다. 또한, N과 M이 서로 같은 양의 정수 값을 가질 수 있다.
예를 들어, 복원 영상을 2x2 블록 단위로 총 25가지의 블록 분류 색인을 할당할 수 있다. 예를 들어, 복원 영상을 4x4 블록 단위로 총 25가지의 블록 분류 색인을 할당할 수 있다.
상기 블록 분류 색인은 0부터 L-1의 값을 가질 수 있고, 또는, 1부터 L의 값을 가질 수도 있다.
상기 블록 분류 색인 C는 방향성(directionality) D 값과 활동성(activity) A 값을 양자화한 Aq 값 중 적어도 하나를 기반으로 하며, 수학식 1과 같이 나타낼 수 있다.
수학식 1에서 상수 값 5는 일 예이며, J 값을 사용할 수 있다. 이때, J는 L보다 작은 값을 가지는 양의 정수일 수 있다.
본 발명의 일 실시 예에 따를 때, 2x2 블록 분류의 경우, 1D 라플라시안(Laplacian) 연산을 이용하여 세로, 가로, 제1 대각(135도 대각), 제2 대각(45도 대각) 방향에 따른 각각의 기울기(gradient) 값의 합 gv, gh, gd1, gd2는 수학식 2 내지 수학식 5와 같이 나타낼 수 있다. 상기 기울기 값의 합을 이용하여 상기 D 값과 A 값을 도출할 수 있다. 상기 기울기 값의 합은 일 실시 예이며, 기울기 값의 통계값이 기울기 값의 합을 대체하여 사용될 수 있다.
수학식 2 내지 수학식 5에서, i와 j 각각은 2x2 블록 내 좌상단 가로 위치와 세로 위치를 의미하고, R(i,j)는 (i, j) 위치에서의 복원된 샘플 값을 의미할 수 있다.
또한, 수학식 2 내지 수학식 5에서, k와 l 각각은 방향에 따른 샘플 단위 1D 라플라시안 연산의 결과 Vk,l, Hk,l, D1k,l, D2k,l의 합이 계산되는 가로 범위와 세로 범위를 의미할 수 있다. 상기 각각의 방향에 따른 샘플 단위 1D 라플라시안 연산의 결과는 각각의 방향에 따른 샘플 단위 기울기(gradient) 값을 의미할 수 있다. 즉, 1D 라플라시안 연산의 결과는 기울기 값을 의미할 수 있다. 상기 1D 라플라시안 연산은 세로, 가로, 제1 대각, 제2 대각 방향 각각에 대해 수행될 수 있으며, 해당 방향에 대한 기울기 값을 나타낼 수 있다. 또한, 상기 1D 라플라시안 연산은 세로, 가로, 제1 대각, 제2 대각 방향 각각에 대해 수행된 결과가 각각 Vk,l, Hk,l, D1k,l, D2k,l를 의미할 수 있다.
일 예로, k와 l은 서로 같은 범위를 가질 수 있다. 즉, 1D 라플라시안 연산의 합이 계산되는 범위의 가로 길이와 세로 길이가 같을 수 있다.
다른 예로, k와 l은 서로 다른 범위를 가질 수 있다. 즉, 1D 라플라시안 연산의 합이 계산되는 범위의 가로 길이와 세로 길이가 다를 수 있다.
또 다른 예로, k는 i-2에서 i+3의 범위, l은 j-2에서 j+3의 범위를 가져서, 1D 라플라시안 연산의 합이 계산되는 범위가 6x6 크기일 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기보다 클 수 있다.
또 다른 예로, k는 i-1에서 i+2의 범위, l은 j-1에서 j+2의 범위를 가져서, 1D 라플라시안 연산의 합이 계산되는 범위가 4x4 크기일 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기보다 클 수 있다.
또 다른 예로, k는 i에서 i+1의 범위, l은 j에서 j+1의 범위를 가져서, 1D 라플라시안 연산의 합이 계산되는 범위가 2x2 크기일 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기와 동일할 수 있다.
또 다른 예로, 1D 라플라시안 연산의 결과의 합이 계산되는 범위는 마름모, 직사각형, 정사각형, 사다리꼴, 대각, 눈송이, 샵, 클로버, 십자가, 삼각형, 오각형, 육각형, 팔각형, 십각형, 십이각형 중 적어도 하나의 2차원 기하학적 형태일 수 있다.
또 다른 예로, 블록 분류 단위의 형태는 마름모, 직사각형, 정사각형, 사다리꼴, 대각, 눈송이, 샵, 클로버, 십자가, 삼각형, 오각형, 육각형, 팔각형, 십각형, 십이각형 중 적어도 하나의 2차원 기하학적 형태일 수 있다.
또 다른 예로, 상기 1D 라플라시안 연산의 합이 계산되는 범위는 SxT의 크기를 가질 수 있다. 이때, S와 T는 0을 포함한 양의 정수일 수 있다.
한편, 상기 제1 대각을 나타내는 D1과 상기 제2 대각을 나타내는 D2는 상기 제1 대각을 나타내는 D0와 상기 제2 대각을 나타내는 D1을 의미할 수도 있다.
본 발명의 일 실시 예에 따를 때, 4x4 블록 분류의 경우, 1D 라플라시안 연산을 이용하여 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2는 수학식 6 내지 수학식 9와 같이 나타낼 수 있다. 상기 기울기 값의 합을 이용하여 상기 D 값과 A 값을 도출할 수 있다. 상기 기울기 값의 합은 일 실시예이며, 기울기 값의 통계값이 기울기 값의 합을 대체하여 사용될 수 있다.
수학식 6 내지 수학식 9에서, i와 j 각각은 4x4 블록 내 좌상단 가로 위치와 세로 위치를 의미하고, R(i,j)는 (i, j) 위치에서의 복원된 샘플 값을 의미할 수 있다.
또한, 수학식 6 내지 수학식 9에서, k와 l 각각은 방향에 따른 샘플 단위 1D 라플라시안 연산의 결과 Vk,l, Hk,l, D1k,l, D2k,l의 합이 계산되는 가로 범위와 세로 범위를 의미할 수 있다. 상기 각각의 방향에 따른 샘플 단위 1D 라플라시안 연산의 결과는 각각의 방향에 따른 샘플 단위 기울기(gradient) 값을 의미할 수 있다. 즉, 1D 라플라시안 연산의 결과는 기울기 값을 의미할 수 있다. 상기 1D 라플라시안 연산은 세로, 가로, 제1 대각, 제2 대각 방향 각각에 대해 수행될 수 있으며, 해당 방향에 대한 기울기 값을 나타낼 수 있다. 또한, 상기 1D 라플라시안 연산은 세로, 가로, 제1 대각, 제2 대각 방향 각각에 대해 수행된 결과가 각각 Vk,l, Hk,l, D1k,l, D2k,l를 의미할 수 있다.
일 예로, k와 l은 서로 같은 범위를 가질 수 있다. 즉, 1D 라플라시안 연산의 합이 계산되는 범위의 가로 길이와 세로 길이가 같을 수 있다.
다른 예로, k와 l은 서로 다른 범위를 가질 수 있다. 즉, 1D 라플라시안 연산의 합이 계산되는 범위의 가로 길이와 세로 길이가 다를 수 있다.
또 다른 예로, k는 i-2에서 i+5의 범위, l은 j-2에서 j+5의 범위를 가져서, 1D 라플라시안 연산의 합이 계산되는 범위가 8x8 크기일 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기보다 클 수 있다.
또 다른 예로, k는 i에서 i+3의 범위, l은 j에서 j+3의 범위를 가져서, 1D 라플라시안 연산의 합이 계산되는 범위가 4x4 크기일 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기와 동일할 수 있다.
또 다른 예로, 1D 라플라시안 연산의 결과의 합이 계산되는 범위는 마름모, 직사각형, 정사각형, 사다리꼴, 대각, 눈송이, 샵, 클로버, 십자가, 삼각형, 오각형, 육각형, 팔각형, 십각형, 십이각형 중 적어도 하나의 2차원 기하학적 형태일 수 있다.
또 다른 예로, 상기 1D 라플라시안 연산의 합이 계산되는 범위는 SxT의 크기를 가질 수 있다. 이때, S와 T는 0을 포함한 양의 정수일 수 있다.
또 다른 예로, 블록 분류 단위의 형태는 마름모, 직사각형, 정사각형, 사다리꼴, 대각, 눈송이, 샵, 클로버, 십자가, 삼각형, 오각형, 육각형, 팔각형, 십각형, 십이각형 중 적어도 하나의 2차원 기하학적 형태일 수 있다.
도 9는 가로, 세로, 제1 대각, 제2 대각 방향에 따른 기울기 값을 결정하는 일 예이다.
도 9의 예와 같이, 4x4 블록 분류의 경우, 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다. 여기서, V, H, D1, D2는 샘플 단위에서 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 1D 라플라시안 연산의 결과를 나타낸다. 즉, V, H, D1, D2 위치에서 각각의 세로, 가로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행될 수 있다. 도 9에서, 블록 분류 색인 C는 음영이 표시된 4x4 블록 단위로 할당될 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기보다 클 수 있다. 여기서, 가는 실선에 포함된 사각형은 각 복원 샘플 위치를 나타내고, 굵은 실선은 1D 라플라시안 연산의 합이 계산되는 범위를 나타낸다.
본 발명의 일 실시 예에 따를 때, 4x4 블록 분류의 경우, 1D 라플라시안 연산을 이용하여 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2를 수학식 10 내지 수학식 13과 같이 나타낼 수 있다. 상기 기울기 값은 블록 분류의 계산 복잡도를 감소시키기 위해 부표본(또는, 서브샘플링(subsampling))에 기반하여 나타낼 수 있다. 상기 기울기 값의 합을 이용하여 상기 D 값과 A 값을 도출할 수 있다. 상기 기울기 값의 합은 일 실시예이며, 기울기 값의 통계값이 기울기 값의 합을 대체하여 사용될 수 있다.
수학식 10 내지 수학식 13에서, i와 j 각각은 4x4 블록 내 좌상단 가로 위치와 세로 위치를 의미하고, R(i,j)는 (i,j) 위치에서의 복원된 샘플 값을 의미할 수 있다.
또한, 수학식 10 내지 수학식 13에서, k와 l 각각은 방향에 따른 샘플 단위 1D 라플라시안 연산의 결과 Vk,l, Hk,l, D1k,l, D2k,l의 합이 계산되는 가로 범위와 세로 범위를 의미할 수 있다. 상기 각각의 방향에 따른 샘플 단위 1D 라플라시안 연산의 결과는 각각의 방향에 따른 샘플 단위 기울기(gradient) 값을 의미할 수 있다. 즉, 1D 라플라시안 연산의 결과는 기울기 값을 의미할 수 있다. 상기 1D 라플라시안 연산은 세로, 가로, 제1 대각, 제2 대각 방향 각각에 대해 수행될 수 있으며, 해당 방향에 대한 기울기 값을 나타낼 수 있다. 또한, 상기 1D 라플라시안 연산은 세로, 가로, 제1 대각, 제2 대각 방향 각각에 대해 수행된 결과가 각각 Vk,l, Hk,l, D1k,l, D2k,l를 의미할 수 있다.
일 예로, k와 l은 서로 같은 범위를 가질 수 있다. 즉, 1D 라플라시안 연산의 합이 계산되는 범위의 가로 길이와 세로 길이가 같을 수 있다.
다른 예로, k와 l은 서로 다른 범위를 가질 수 있다. 즉, 1D 라플라시안 연산의 합이 계산되는 범위의 가로 길이와 세로 길이가 다를 수 있다.
또 다른 예로, k는 i-2에서 i+5의 범위, l은 j-2에서 j+5의 범위를 가져서, 1D 라플라시안 연산의 합이 계산되는 범위가 8x8 크기일 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기보다 클 수 있다.
또 다른 예로, k는 i에서 i+3의 범위, l은 j에서 j+3의 범위를 가져서, 1D 라플라시안 연산의 합이 계산되는 범위가 4x4 크기일 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기와 동일할 수 있다.
또 다른 예로, 1D 라플라시안 연산의 결과의 합이 계산되는 범위는 마름모, 직사각형, 정사각형, 사다리꼴, 대각, 눈송이, 샵, 클로버, 십자가, 삼각형, 오각형, 육각형, 팔각형, 십각형, 십이각형 중 적어도 하나의 2차원 기하학적 형태일 수 있다.
또 다른 예로, 상기 1D 라플라시안 연산의 합이 계산되는 범위는 SxT의 크기를 가질 수 있다. 이때, S와 T는 0을 포함한 양의 정수일 수 있다.
또 다른 예로, 블록 분류 단위의 형태는 마름모, 직사각형, 정사각형, 사다리꼴, 대각, 눈송이, 샵, 클로버, 십자가, 삼각형, 오각형, 육각형, 팔각형, 십각형, 십이각형 중 적어도 하나의 2차원 기하학적 형태일 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 부표본에 기반하여 기울기 값을 계산하는 방법은 계산하고자 하는 기울기 값의 방향에 따라, 1D 라플라시안 연산의 합이 계산되는 범위 내에서 해당 방향에 위치한 샘플에 1D 라플라시안 연산을 수행하여 기울기 값을 계산할 수 있다. 여기서, 1D 라플라시안 연산의 합이 계산되는 범위 내 샘플들 중 적어도 하나에서 수행된 1D 라플라시안 연산 결과에 대해 통계값을 계산하여 기울기 값의 통계값을 산출할 수 있다. 이때, 통계값은 합(sum), 가중합 혹은 평균값 중 어느 하나일 수 있다.
일 예로, 가로 방향 기울기 값의 계산 시, 1D 라플라시안 연산의 합이 계산되는 범위 내에서 행 내 모든 샘플의 위치에서는 1D 라플라시안 연산을 수행하되, 1D 라플라시안 연산의 합이 계산되는 범위 내 각 행을 P행씩 건너뛰면서 가로 방향 기울기 값을 계산할 수 있다. 여기서, P는 양의 정수이다.
다른 예로, 세로 방향 기울기 값의 계산 시, 1D 라플라시안 연산의 합이 계산되는 범위 내에서 열 내 모든 샘플의 위치에서는 1D 라플라시안 연산을 수행하되, 1D 라플라시안 연산의 합이 계산되는 범위 내 각 열을 P열씩 건너뛰면서 세로 방향 기울기 값을 계산할 수 있다. 여기서, P는 양의 정수이다.
또 다른 예로, 제1 대각 방향 기울기 값 계산 시, 1D 라플라시안 연산의 합이 계산되는 범위 내에서 가로 방향 및 세로 방향 중 적어도 하나의 방향에 대해 P열 및 Q행 중 적어도 하나에 대해 건너뛰면서 존재하는 샘플의 위치에서 1D 라플라시안 연산을 수행하여 제1 대각 방향 기울기 값을 계산할 수 있다. 여기서, P와 Q는 0을 포함한 양의 정수이다.
또 다른 예로, 제2 대각 방향 기울기 값 계산 시, 1D 라플라시안 연산의 합이 계산되는 범위 내에서 가로 방향 및 세로 방향 중 적어도 하나의 방향에 대해 P열 및 Q행 중 적어도 하나에 대해 건너뛰면서 존재하는 샘플의 위치에서 1D 라플라시안 연산을 수행하여 제2 대각 방향 기울기 값을 계산할 수 있다. 여기서, P와 Q는 0을 포함한 양의 정수이다.
본 발명의 일 실시 예에 따를 때, 상기 부표본에 기반하여 기울기 값을 계산하는 방법은 1D 라플라시안 연산의 합이 계산되는 범위 내에 위치한 적어도 하나의 샘플에 1D 라플라시안 연산을 수행하여 기울기 값을 계산할 수 있다. 여기서, 1D 라플라시안 연산의 합이 계산되는 범위 내 샘플들 중 적어도 하나에서 수행된 1D 라플라시안 연산 결과에 대해 통계값을 계산하여 기울기 값의 통계값을 산출할 수 있다. 이때, 통계값은 합(sum), 가중합 혹은 평균값 중 어느 하나일 수 있다.
일 예로, 기울기 값 계산 시, 1D 라플라시안 연산의 합이 계산되는 범위 내에서 행 내 모든 샘플의 위치에서는 1D 라플라시안 연산을 수행하되, 1D 라플라시안 연산의 합이 계산되는 범위 내 각 행을 P행씩 건너뛰면서 기울기 값을 계산할 수 있다. 여기서, P는 양의 정수이다.
다른 예로, 기울기 값 계산 시, 1D 라플라시안 연산의 합이 계산되는 범위 내에서 열 내 모든 샘플의 위치에서는 1D 라플라시안 연산을 수행하되, 1D 라플라시안 연산의 합이 계산되는 범위 내 각 열을 P열씩 건너뛰면서 기울기 값을 계산할 수 있다. 여기서, P는 양의 정수이다.
또 다른 예로, 기울기 값 계산 시, 1D 라플라시안 연산의 합이 계산되는 범위 내에서 가로 방향 및 세로 방향 중 적어도 하나의 방향에 대해 P열 및 Q행 중 적어도 하나에 대해 건너뛰면서 존재하는 샘플의 위치에서 1D 라플라시안 연산을 수행하여 기울기 값을 계산할 수 있다. 여기서, P와 Q는 0을 포함한 양의 정수이다.
또 다른 예로, 기울기 값 계산 시, 1D 라플라시안 연산의 합이 계산되는 범위 내에서 가로 방향 및 세로 방향에 대해 P열 및 Q행에 대해 건너뛰면서 존재하는 샘플의 위치에서 1D 라플라시안 연산을 수행하여 기울기 값을 계산할 수 있다. 여기서, P와 Q는 0을 포함한 양의 정수이다.
한편, 상기 기울기는 가로 방향 기울기, 세로 방향 기울기, 제1 대각 방향 기울기, 제2 대각 방향 기울기 중 적어도 하나를 포함할 수 있다.
도 10 내지 도 12는 부표본에 기반하여 가로, 세로, 제1 대각, 제2 대각 방향에 따른 기울기 값을 결정하는 일 예이다.
도 10의 예와 같이, 2x2 블록 분류의 경우, 부표본에 기반하여 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다. 여기서, V, H, D1, D2는 샘플 단위에서 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 1D 라플라시안 연산의 결과를 나타낸다. 즉, V, H, D1, D2 위치에서 각각의 세로, 가로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행될 수 있다. 또한, 1D 라플라시안 연산이 수행되는 위치가 서브샘플링될 수 있다. 도 10에서, 블록 분류 색인 C는 음영이 표시된 2x2 블록 단위로 할당될 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기보다 클 수 있다. 여기서, 가는 실선에 포함된 사각형은 각 복원 샘플 위치를 나타내고, 굵은 실선은 1D 라플라시안 연산의 합이 계산되는 범위를 나타낸다.
본 발명의 도면에서 V, H, D1, D2가 표시되어 있지 않은 샘플의 위치에서는 각 방향에 따른 1D 라플라시안 연산이 수행되지 않는 것을 의미할 수 있다. 즉, V, H, D1, D2가 표시되어 있는 샘플의 위치에서만 각 방향에 따른 1D 라플라시안 연산이 수행되는 것을 의미할 수 있다. 만약, 1D 라플라시안 연산이 수행되지 않을 경우 해당 샘플에 대한 1D 라플라시안 연산의 결과는 특정한 값 H로 결정할 수 있다. 여기서, H는 음의 정수, 0, 양의 정수 중 적어도 하나일 수 있다.
도 11의 예와 같이, 4x4 블록 분류의 경우, 부표본에 기반하여 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다. 여기서, V, H, D1, D2는 샘플 단위에서 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 1D 라플라시안 연산의 결과를 나타낸다. 즉, V, H, D1, D2 위치에서 각각의 세로, 가로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행될 수 있다. 또한, 1D 라플라시안 연산이 수행되는 위치가 서브샘플링될 수 있다. 도 11에서, 블록 분류 색인 C는 음영이 표시된 4x4 블록 단위로 할당될 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기보다 클 수 있다. 여기서, 가는 실선에 포함된 사각형은 각 복원 샘플 위치를 나타내고, 굵은 실선은 1D 라플라시안 연산의 합이 계산되는 범위를 나타낸다.
도 12의 예와 같이, 4x4 블록 분류의 경우, 부표본에 기반하여 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다. 여기서, V, H, D1, D2는 샘플 단위에서 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 1D 라플라시안 연산의 결과를 나타낸다. 즉, V, H, D1, D2 위치에서 각각의 세로, 가로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행될 수 있다. 또한, 1D 라플라시안 연산이 수행되는 위치가 서브샘플링될 수 있다. 도 12에서, 블록 분류 색인 C는 음영이 표시된 4x4 블록 단위로 할당될 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위와 블록 분류 단위의 크기가 같을 수 있다. 여기서, 가는 실선에 포함된 사각형은 각 복원 샘플 위치를 나타내고, 굵은 실선은 1D 라플라시안 연산의 합이 계산되는 범위를 나타낸다.
본 발명의 일 실시 예에 따를 때, 부표본에 기반하여 NxM 블록 단위 내 특정 위치에 존재하는 샘플에 대해 1D 라플라시안 연산을 수행하여 기울기 값을 계산할 수 있다. 이때, 특정 위치는 블록 내에서 절대적인 위치, 상대적인 위치 중 적어도 하나일 수 있다. 여기서, 1D 라플라시안 연산의 합이 계산되는 범위 내 샘플들 중 적어도 하나에서 수행된 1D 라플라시안 연산 결과에 대해 통계값을 계산하여 기울기 값의 통계값을 산출할 수 있다. 이때, 통계값은 합(sum), 가중합 혹은 평균값 중 어느 하나일 수 있다.
일 예로, 절대적인 위치인 경우, NxM 블록 내 좌상단 위치를 의미할 수 있다.
다른 예로, 절대적인 위치인 경우, NxM 블록 내 우하단 위치를 의미할 수 있다.
또 다른 예로, 상대적인 위치인 경우, NxM 블록 내 가운데 위치를 의미할 수 있다.
본 발명의 일 실시 예에 따를 때, 부표본에 기반하여 NxM 블록 단위 내 R개의 샘플에 대해 1D 라플라시안 연산을 수행하여 기울기 값을 계산할 수 있다. 이때, R은 0을 포함한 양의 정수이다. 또한, 상기 R은 N과 M의 곱보다 같거나 작을 수 있다. 여기서, 1D 라플라시안 연산의 합이 계산되는 범위 내 샘플들 중 적어도 하나에서 수행된 1D 라플라시안 연산 결과에 대해 통계값을 계산하여 기울기 값의 통계값을 산출할 수 있다. 이때, 통계값은 합(sum), 가중합 혹은 평균값 중 어느 하나일 수 있다.
일 예로, R이 1인 경우, NxM 블록 내에서 1개의 샘플에 대해서만 1D 라플라시안 연산을 수행할 수 있다.
다른 예로, R이 2인 경우, NxM 블록 내에서 2개의 샘플에 대해서만 1D 라플라시안 연산을 수행할 수 있다.
또 다른 예로, R이 4인 경우, NxM 블록 내에서 4개의 샘플에 대해서만 1D 라플라시안 연산을 수행할 수 있다.
본 발명의 일 실시 예에 따를 때, 부표본에 기반하여 1D 라플라시안 연산의 합이 계산되는 범위인 NxM 내 R개의 샘플에 대해 1D 라플라시안 연산을 수행하여 기울기 값을 계산할 수 있다. 이때, R은 0을 포함한 양의 정수이다. 또한, 상기 R은 N과 M의 곱보다 같거나 작을 수 있다. 여기서, 1D 라플라시안 연산의 합이 계산되는 범위 내 샘플들 중 적어도 하나에서 수행된 1D 라플라시안 연산 결과에 대해 통계값을 계산하여 기울기 값의 통계값을 산출할 수 있다. 이때, 통계값은 합(sum), 가중합 혹은 평균값 중 어느 하나일 수 있다.
일 예로, R이 1인 경우, 1D 라플라시안 연산의 합이 계산되는 범위인 NxM 내에서 1개의 샘플에 대해서만 1D 라플라시안 연산을 수행할 수 있다.
다른 예로, R이 2인 경우, 1D 라플라시안 연산의 합이 계산되는 범위인 NxM 내에서 2개의 샘플에 대해서만 1D 라플라시안 연산을 수행할 수 있다.
또 다른 예로, R이 4인 경우, 1D 라플라시안 연산의 합이 계산되는 범위인 NxM 내에서 4개의 샘플에 대해서만 1D 라플라시안 연산을 수행할 수 있다.
도 13 내지 도 18은 부표본에 기반하여 가로, 세로, 제1 대각, 제2 대각 방향에 따른 기울기 값을 결정하는 다른 예이다.
도 13의 예와 같이, 4x4 블록 분류의 경우, 부표본에 기반하여 NxM 블록 단위 내 특정 위치에 존재하는 샘플을 이용하여 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다. 여기서, V, H, D1, D2는 샘플 단위에서 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 1D 라플라시안 연산의 결과를 나타낸다. 즉, V, H, D1, D2 위치에서 각각의 세로, 가로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행될 수 있다. 또한, 1D 라플라시안 연산이 수행되는 위치가 서브샘플링될 수 있다. 도 13에서, 블록 분류 색인 C는 음영이 표시된 4x4 블록 단위로 할당될 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위와 블록 분류 단위의 크기가 같을 수 있다. 여기서, 가는 실선에 포함된 사각형은 각 복원 샘플 위치를 나타내고, 굵은 실선은 1D 라플라시안 연산의 합이 계산되는 범위를 나타낸다.
도 14의 예와 같이, 4x4 블록 분류의 경우, 부표본에 기반하여 NxM 블록 단위 내 특정 위치에 존재하는 샘플을 이용하여 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다. 여기서, V, H, D1, D2는 샘플 단위에서 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 1D 라플라시안 연산의 결과를 나타낸다. 즉, V, H, D1, D2 위치에서 각각의 세로, 가로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행될 수 있다. 또한, 1D 라플라시안 연산이 수행되는 위치가 서브샘플링될 수 있다. 도 14에서, 블록 분류 색인 C는 음영이 표시된 4x4 블록 단위로 할당될 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기보다 작을 수 있다. 여기서, 가는 실선에 포함된 사각형은 각 복원 샘플 위치를 나타내고, 굵은 실선은 1D 라플라시안 연산의 합이 계산되는 범위를 나타낸다.
도 15의 예와 같이, 4x4 블록 분류의 경우, 부표본에 기반하여 NxM 블록 단위 내 특정 위치에 존재하는 샘플을 이용하여 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다. 여기서, V, H, D1, D2는 샘플 단위에서 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 1D 라플라시안 연산의 결과를 나타낸다. 즉, V, H, D1, D2 위치에서 각각의 세로, 가로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행될 수 있다. 또한, 1D 라플라시안 연산이 수행되는 위치가 서브샘플링될 수 있다. 도 15에서, 블록 분류 색인 C는 음영이 표시된 4x4 블록 단위로 할당될 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기보다 작을 수 있다. 여기서, 가는 실선에 포함된 사각형은 각 복원 샘플 위치를 나타내고, 굵은 실선은 1D 라플라시안 연산의 합이 계산되는 범위를 나타낸다.
도 16의 예와 같이, 4x4 블록 분류의 경우, 부표본에 기반하여 NxM 블록 단위 내 특정 위치에 존재하는 샘플을 이용하여 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다. 여기서, V, H, D1, D2는 샘플 단위에서 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 1D 라플라시안 연산의 결과를 나타낸다. 즉, V, H, D1, D2 위치에서 각각의 세로, 가로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행될 수 있다. 또한, 1D 라플라시안 연산이 수행되는 위치가 서브샘플링될 수 있다. 도 16에서, 블록 분류 색인 C는 음영이 표시된 4x4 블록 단위로 할당될 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기보다 작을 수 있다. 여기서, 가는 실선에 포함된 사각형은 각 복원 샘플 위치를 나타내고, 굵은 실선은 1D 라플라시안 연산의 합이 계산되는 범위를 나타낸다.
도 17의 예와 같이, 4x4 블록 분류의 경우, 부표본에 기반하여 NxM 블록 단위 내 특정 위치에 존재하는 샘플을 이용하여 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다. 여기서, V, H, D1, D2는 샘플 단위에서 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 1D 라플라시안 연산의 결과를 나타낸다. 즉, V, H, D1, D2 위치에서 각각의 세로, 가로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행될 수 있다. 또한, 1D 라플라시안 연산이 수행되는 위치가 서브샘플링될 수 있다. 도 17에서, 블록 분류 색인 C는 음영이 표시된 4x4 블록 단위로 할당될 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기보다 작을 수 있다. 여기서, 1D 라플라시안 연산의 합이 계산되는 범위가 1x1이므로, 1D 라플라시안 연산의 합을 수행하지 않고 기울기 값이 계산될 수 있다. 여기서, 가는 실선에 포함된 사각형은 각 복원 샘플 위치를 나타내고, 굵은 실선은 1D 라플라시안 연산의 합이 계산되는 범위를 나타낸다.
도 18의 예와 같이, 2x2 블록 분류의 경우, 부표본에 기반하여 NxM 블록 단위 내 특정 위치에 존재하는 샘플을 이용하여 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다. 여기서, V, H, D1, D2는 샘플 단위에서 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 1D 라플라시안 연산의 결과를 나타낸다. 즉, V, H, D1, D2 위치에서 각각의 세로, 가로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행될 수 있다. 또한, 1D 라플라시안 연산이 수행되는 위치가 서브샘플링될 수 있다. 도 18에서, 블록 분류 색인 C는 음영이 표시된 2x2 블록 단위로 할당될 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기보다 작을 수 있다. 여기서, 1D 라플라시안 연산의 합이 계산되는 범위가 1x1이므로, 1D 라플라시안 연산의 합을 수행하지 않고 기울기 값이 계산될 수 있다. 여기서, 가는 실선에 포함된 사각형은 각 복원 샘플 위치를 나타내고, 굵은 실선은 1D 라플라시안 연산의 합이 계산되는 범위를 나타낸다.
도 19 내지 도 30은 특정 샘플 위치에서 가로, 세로, 제1 대각, 제2 대각 방향에 따른 기울기 값을 결정하는 일 예이다. 상기 특정 샘플 위치는 블록 분류 단위 내에서 서브샘플링된 샘플 위치일 수 있고, 1D 라플라시안 연산의 합이 계산되는 범위 내에서 서브샘플링된 샘플 위치일 수 있다. 또한, 상기 특정 샘플 위치는 블록 별로 동일할 수 있다. 반대로, 상기 특정 샘플 위치는 블록 별로 상이할 수 있다. 또한, 상기 특정 샘플 위치는 계산하고자 하는 1D 라플라시안 연산의 방향에 관계없이 동일할 수 있다. 반대로, 상기 특정 샘플 위치는 계산하고자 하는 1D 라플라시안 연산의 방향에 따라 상이할 수 있다.
도 19의 예와 같이, 4x4 블록 분류의 경우, 특정 샘플 위치에서 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다. 여기서, V, H, D1, D2는 샘플 단위에서 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 1D 라플라시안 연산의 결과를 나타낸다. 즉, V, H, D1, D2 위치에서 각각의 세로, 가로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행될 수 있다. 또한, 1D 라플라시안 연산이 수행되는 위치가 서브샘플링될 수 있다. 도 19에서, 블록 분류 색인 C는 음영이 표시된 4x4 블록 단위로 할당될 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기보다 클 수 있다. 여기서, 가는 실선에 포함된 사각형은 각 복원 샘플 위치를 나타내고, 굵은 실선은 1D 라플라시안 연산의 합이 계산되는 범위를 나타낸다.
도 19의 예와 같이, 1D 라플라시안 연산의 방향에 관계없이, 1D 라플라시안 연산이 수행되는 특정 샘플 위치가 동일할 수 있다. 또한, 도 19의 예와 같이 1D 라플라시안 연산이 수행되는 샘플 위치의 패턴은 체커판(checkboard) 패턴 혹은 quincunx 패턴이라고 할 수 있다. 또한, 1D 라플라시안 연산이 수행되는 샘플 위치는 1D 라플라시안 연산의 합이 계산되는 범위 혹은 블록 분류 단위 혹은 블록 단위 내에서 가로 방향(x축 방향) 및 세로 방향(y축 방향)으로 모두 짝수 값을 가지거나, 모두 홀수 값을 가지는 위치를 의미할 수 있다.
도 20의 예와 같이, 4x4 블록 분류의 경우, 특정 샘플 위치에서 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다. 여기서, V, H, D1, D2는 샘플 단위에서 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 1D 라플라시안 연산의 결과를 나타낸다. 즉, V, H, D1, D2 위치에서 각각의 세로, 가로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행될 수 있다. 또한, 1D 라플라시안 연산이 수행되는 위치가 서브샘플링될 수 있다. 도 20에서, 블록 분류 색인 C는 음영이 표시된 4x4 블록 단위로 할당될 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기보다 클 수 있다. 여기서, 가는 실선에 포함된 사각형은 각 복원 샘플 위치를 나타내고, 굵은 실선은 1D 라플라시안 연산의 합이 계산되는 범위를 나타낸다.
도 20의 예와 같이, 1D 라플라시안 연산의 방향에 관계 없이, 1D 라플라시안 연산이 수행되는 특정 샘플 위치가 동일할 수 있다. 또한, 도 20의 예와 같이 1D 라플라시안 연산이 수행되는 샘플 위치의 패턴은 체커판(checkboard) 패턴 혹은 quincunx 패턴이라고 할 수 있다. 또한, 1D 라플라시안 연산이 수행되는 샘플 위치는 1D 라플라시안 연산의 합이 계산되는 범위 혹은 블록 분류 단위 혹은 블록 단위 내에서 가로 방향(x축 방향) 및 세로 방향(y축 방향)으로 각각 짝수 값 및 홀수 값을 가지거나, 각각 홀수 값 및 짝수 값을 가지는 위치를 의미할 수 있다.
도 21의 예와 같이, 4x4 블록 분류의 경우, 특정 샘플 위치에서 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다. 여기서, V, H, D1, D2는 샘플 단위에서 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 1D 라플라시안 연산의 결과를 나타낸다. 즉, V, H, D1, D2 위치에서 각각의 세로, 가로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행될 수 있다. 또한, 1D 라플라시안 연산이 수행되는 위치가 서브샘플링될 수 있다. 도 21에서, 블록 분류 색인 C는 음영이 표시된 4x4 블록 단위로 할당될 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기보다 클 수 있다. 여기서, 가는 실선에 포함된 사각형은 각 복원 샘플 위치를 나타내고, 굵은 실선은 1D 라플라시안 연산의 합이 계산되는 범위를 나타낸다.
도 22의 예와 같이, 4x4 블록 분류의 경우, 특정 샘플 위치에서 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다. 여기서, V, H, D1, D2는 샘플 단위에서 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 1D 라플라시안 연산의 결과를 나타낸다. 즉, V, H, D1, D2 위치에서 각각의 세로, 가로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행될 수 있다. 또한, 1D 라플라시안 연산이 수행되는 위치가 서브샘플링될 수 있다. 도 22에서, 블록 분류 색인 C는 음영이 표시된 4x4 블록 단위로 할당될 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기보다 클 수 있다. 여기서, 가는 실선에 포함된 사각형은 각 복원 샘플 위치를 나타내고, 굵은 실선은 1D 라플라시안 연산의 합이 계산되는 범위를 나타낸다.
도 23의 예와 같이, 4x4 블록 분류의 경우, 특정 샘플 위치에서 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다. 여기서, V, H, D1, D2는 샘플 단위에서 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 1D 라플라시안 연산의 결과를 나타낸다. 즉, V, H, D1, D2 위치에서 각각의 세로, 가로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행될 수 있다. 또한, 1D 라플라시안 연산이 수행되는 위치가 서브샘플링될 수 있다. 도 23에서, 블록 분류 색인 C는 음영이 표시된 4x4 블록 단위로 할당될 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위와 블록 분류 단위의 크기가 같을 수 있다. 여기서, 가는 실선에 포함된 사각형은 각 복원 샘플 위치를 나타내고, 굵은 실선은 1D 라플라시안 연산의 합이 계산되는 범위를 나타낸다.
도 23의 예와 같이, 1D 라플라시안 연산의 방향에 관계 없이, 1D 라플라시안 연산이 수행되는 특정 샘플 위치가 동일할 수 있다. 또한, 도 23의 예와 같이 1D 라플라시안 연산이 수행되는 샘플 위치의 패턴은 체커판(checkboard) 패턴 혹은 quincunx 패턴이라고 할 수 있다. 또한, 1D 라플라시안 연산이 수행되는 샘플 위치는 1D 라플라시안 연산의 합이 계산되는 범위 혹은 블록 분류 단위 혹은 블록 단위 내에서 가로 방향(x축 방향) 및 세로 방향(y축 방향)으로 모두 짝수 값을 가지거나, 모두 홀수 값을 가지는 위치를 의미할 수 있다.
도 24의 예와 같이, 4x4 블록 분류의 경우, 특정 샘플 위치에서 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다. 여기서, V, H, D1, D2는 샘플 단위에서 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 1D 라플라시안 연산의 결과를 나타낸다. 즉, V, H, D1, D2 위치에서 각각의 세로, 가로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행될 수 있다. 또한, 1D 라플라시안 연산이 수행되는 위치가 서브샘플링될 수 있다. 도 24에서, 블록 분류 색인 C는 음영이 표시된 4x4 블록 단위로 할당될 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위와 블록 분류 단위의 크기가 같을 수 있다. 여기서, 가는 실선에 포함된 사각형은 각 복원 샘플 위치를 나타내고, 굵은 실선은 1D 라플라시안 연산의 합이 계산되는 범위를 나타낸다.
도 24의 예와 같이, 1D 라플라시안 연산의 방향에 관계 없이, 1D 라플라시안 연산이 수행되는 특정 샘플 위치가 동일할 수 있다. 또한, 도 24의 예와 같이 1D 라플라시안 연산이 수행되는 샘플 위치의 패턴은 체커판(checkboard) 패턴 혹은 quincunx 패턴이라고 할 수 있다. 또한, 1D 라플라시안 연산이 수행되는 샘플 위치는 1D 라플라시안 연산의 합이 계산되는 범위 혹은 블록 분류 단위 혹은 블록 단위 내에서 가로 방향(x축 방향) 및 세로 방향(y축 방향)으로 각각 짝수 값 및 홀수 값을 가지거나, 각각 홀수 값 및 짝수 값을 가지는 위치를 의미할 수 있다.
도 25의 예와 같이, 4x4 블록 분류의 경우, 특정 샘플 위치에서 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다. 여기서, V, H, D1, D2는 샘플 단위에서 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 1D 라플라시안 연산의 결과를 나타낸다. 즉, V, H, D1, D2 위치에서 각각의 세로, 가로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행될 수 있다. 또한, 1D 라플라시안 연산이 수행되는 위치가 서브샘플링될 수 있다. 도 25에서, 블록 분류 색인 C는 음영이 표시된 4x4 블록 단위로 할당될 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위와 블록 분류 단위의 크기가 같을 수 있다. 여기서, 가는 실선에 포함된 사각형은 각 복원 샘플 위치를 나타내고, 굵은 실선은 1D 라플라시안 연산의 합이 계산되는 범위를 나타낸다.
도 26의 예와 같이, 4x4 블록 분류의 경우, 특정 샘플 위치에서 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다. 여기서, V, H, D1, D2는 샘플 단위에서 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 1D 라플라시안 연산의 결과를 나타낸다. 즉, V, H, D1, D2 위치에서 각각의 세로, 가로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행될 수 있다. 도 26에서, 블록 분류 색인 C는 음영이 표시된 4x4 블록 단위로 할당될 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위와 블록 분류 단위의 크기가 같을 수 있다. 여기서, 가는 실선에 포함된 사각형은 각 복원 샘플 위치를 나타내고, 굵은 실선은 1D 라플라시안 연산의 합이 계산되는 범위를 나타낸다. 상기 특정 샘플 위치는 블록 분류 단위 내 모든 샘플 위치를 의미할 수 있다.
도 27의 예와 같이, 4x4 블록 분류의 경우, 특정 샘플 위치에서 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다. 여기서, V, H, D1, D2는 샘플 단위에서 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 1D 라플라시안 연산의 결과를 나타낸다. 즉, V, H, D1, D2 위치에서 각각의 세로, 가로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행될 수 있다. 또한, 1D 라플라시안 연산이 수행되는 위치가 서브샘플링될 수 있다. 도 27에서, 블록 분류 색인 C는 음영이 표시된 4x4 블록 단위로 할당될 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위와 블록 분류 단위의 크기가 같을 수 있다. 여기서, 가는 실선에 포함된 사각형은 각 복원 샘플 위치를 나타내고, 굵은 실선은 1D 라플라시안 연산의 합이 계산되는 범위를 나타낸다.
도 28의 예와 같이, 4x4 블록 분류의 경우, 특정 샘플 위치에서 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다. 여기서, V, H, D1, D2는 샘플 단위에서 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 1D 라플라시안 연산의 결과를 나타낸다. 즉, V, H, D1, D2 위치에서 각각의 세로, 가로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행될 수 있다. 도 28에서, 블록 분류 색인 C는 음영이 표시된 4x4 블록 단위로 할당될 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기보다 클 수 있다. 여기서, 가는 실선에 포함된 사각형은 각 복원 샘플 위치를 나타내고, 굵은 실선은 1D 라플라시안 연산의 합이 계산되는 범위를 나타낸다. 상기 특정 샘플 위치는 1D 라플라시안 연산의 합이 계산되는 범위 내 모든 샘플 위치를 의미할 수 있다.
도 29의 예와 같이, 4x4 블록 분류의 경우, 특정 샘플 위치에서 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다. 여기서, V, H, D1, D2는 샘플 단위에서 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 1D 라플라시안 연산의 결과를 나타낸다. 즉, V, H, D1, D2 위치에서 각각의 세로, 가로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행될 수 있다. 도 29에서, 블록 분류 색인 C는 음영이 표시된 4x4 블록 단위로 할당될 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기보다 클 수 있다. 여기서, 가는 실선에 포함된 사각형은 각 복원 샘플 위치를 나타내고, 굵은 실선은 1D 라플라시안 연산의 합이 계산되는 범위를 나타낸다. 상기 특정 샘플 위치는 1D 라플라시안 연산의 합이 계산되는 범위 내 모든 샘플 위치를 의미할 수 있다.
도 30의 예와 같이, 4x4 블록 분류의 경우, 특정 샘플 위치에서 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다. 여기서, V, H, D1, D2는 샘플 단위에서 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 1D 라플라시안 연산의 결과를 나타낸다. 즉, V, H, D1, D2 위치에서 각각의 세로, 가로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행될 수 있다. 또한, 1D 라플라시안 연산이 수행되는 위치가 서브샘플링될 수 있다. 도 30에서, 블록 분류 색인 C는 음영이 표시된 4x4 블록 단위로 할당될 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기보다 클 수 있다. 여기서, 가는 실선에 포함된 사각형은 각 복원 샘플 위치를 나타내고, 굵은 실선은 1D 라플라시안 연산의 합이 계산되는 범위를 나타낸다.
한편, 본 발명의 일 실시 예에 따를 때, 상기 기울기 값의 계산 방법들 중 적어도 하나는 시간적 계층 식별자(temporal layer identifier)에 따라 수행 여부가 결정될 수 있다.
예를 들어, 2x2 블록 분류의 경우, 수학식 2 내지 5는 수학식 14와 같이 하나의 식으로 나타낼 수 있다.
수학식 14에서 dir은 가로, 세로, 제1 대각, 제2 대각 방향을 포함하고, 따라서, gdir은 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2를 의미할 수 있다. 또한, i와 j 각각은 2x2 블록 내 가로 위치와 세로 위치를 의미하고, Gdir은 세로, 가로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산의 결과 Vk,l, Hk,l, D1k,l, D2k,l를 의미할 수 있다.
이때, 현재 영상(또는 복원 영상)의 시간적 계층 식별자가 최상위 계층이면, 현재 영상(또는 복원 영상)에서 2x2 블록 분류의 경우, 수학식 14는 수학식 15와 같이 나타낼 수 있다.
수학식 15에서 Gdir(i0,j0)는 세로, 가로, 제1 대각, 제2 대각 방향에 따른 2x2 블록 내 좌상단 위치에서의 기울기 값을 의미한다.
도 31은 시간적 계층 식별자가 최상위 계층인 경우에서의 가로, 세로, 제1 대각, 제2 대각 방향에 따른 기울기 값을 결정하는 일 예이다.
도 31을 참조하면, 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2 계산은 각 2x2 블록에서 좌상단 샘플 위치(즉, 음영이 표시된 샘플 위치)에서만 기울기를 계산함으로써 단순화시킬 수 있다.
본 발명의 일 실시 예에 따를 때, 1D 라플라시안 연산의 합이 계산되는 범위 내 샘플들 중 적어도 하나에서 수행된 1D 라플라시안 연산 결과에 대해 가중치(weighting factor)를 적용하고 가중합(weighted sum)을 계산하여 기울기 값의 통계값을 산출할 수 있다. 이때, 상기 가중합 대신 가중평균값, 중간값, 최소값, 최대값, 최빈값 등 통계값 중 적어도 하나가 사용될 수 있다.
가중치를 적용하거나 가중합을 계산하는 것은 현재 블록, 주변 블록과 관련된 여러 조건 혹은 부호화 파라미터에 기반하여 결정될 수 있다.
일 예로, 가중합은 샘플 단위, 샘플 그룹 단위, 라인 단위 및 블록 단위 중 적어도 하나의 단위로 계산될 수 있다. 이때, 샘플 단위, 샘플 그룹 단위, 라인 단위, 블록 단위 중 적어도 하나의 단위에서 가중치를 달리하여 가중합을 계산할 수 있다.
다른 예로, 가중치 값은 상기 현재 블록의 크기, 현재 블록의 형태, 샘플의 위치 중 적어도 하나 이상에 따라 다르게 적용할 수 있다.
또 다른 예로, 부호화기와 복호화기에서 미리 설정된 기준에 따라 상기 가중합 수행을 결정할 수 있다.
또 다른 예로, 현재 블록 및 주변 블록 중 적어도 하나의 블록의 크기, 블록의 형태, 화면내 예측 모드 등의 부호화 파라미터 중 적어도 하나를 이용하여 적응적으로 가중치를 결정할 수 있다.
또 다른 예로, 현재 블록 및 주변 블록 중 적어도 하나의 블록의 크기, 블록의 형태, 화면내 예측 모드 등의 부호화 파라미터 중 적어도 하나를 이용하여 적응적으로 가중합 수행 여부를 결정할 수 있다.
또 다른 예로, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기보다 클 경우, 블록 분류 단위 내의 샘플에 적용되는 적어도 하나의 가중치 값은 블록 분류 단위 외의 샘플에 적용되는 적어도 하나의 가중치 값보다 클 수 있다.
또 다른 예로, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기와 같은 경우, 블록 분류 단위 내의 샘플에 적용되는 가중치 값은 모두 동일할 수 있다.
한편, 상기 가중치 및/또는 상기 가중합 수행 여부에 대한 정보는 부호화기에서 엔트로피 부호화되어 복호화기로 시그널링될 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나의 값을 계산할 시, 현재 샘플 주변에 가용(available)하지 않는 샘플이 존재하는 경우, 패딩(padding)을 수행한 후 패딩된 샘플을 이용하여 기울기 값을 계산할 수 있다. 상기 패딩은 상기 가용하지 않는 샘플에 인접하며 가용한 샘플 값을 상기 가용하지 않는 샘플 값에 복사하는 방식을 의미할 수 있다. 또는, 상기 가용하지 않는 샘플에 인접하며 가용한 샘플 값에 기반하여 획득된 샘플 값 혹은 통계값을 이용할 수 있다. 상기 패딩은 P열 개 및 R행 개만큼 반복하여 수행할 수 있다. 여기서, P와 R은 양의 정수일 수 있다.
여기서, 가용하지 않는 샘플은 CTU, CTB, 슬라이스, 타일, 타일 그룹, 픽처 경계 밖에 존재하는 샘플을 의미할 수 있다. 또한, 가용하지 않는 샘플은 현재 샘플이 속한 CTU, CTB, 슬라이스, 타일, 타일 그룹, 픽처 중 적어도 하나와 서로 다른 CTU, CTB, 슬라이스, 타일, 타일 그룹, 픽처 중 적어도 하나에 속한 샘플을 의미할 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나의 값을 계산할 시, 소정의 샘플을 이용하지 않을 수 있다.
일 예로, 상기 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나의 값을 계산할 시, 패딩된 샘플을 이용하지 않을 수 있다.
다른 예로, 상기 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 시, 현재 샘플 주변에 가용하지 않는 샘플이 존재하는 경우, 상기 가용하지 않는 샘플을 기울기 값의 합 계산에 사용하지 않을 수 있다.
또 다른 예로, 상기 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나의 값을 계산할 시, 현재 샘플 주변에 존재하는 샘플이 CTU 혹은 CTB 경계 밖에 위치하는 경우, 상기 주변에 존재하는 샘플을 기울기 값의 합 계산에 사용하지 않을 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 1D 라플라시안 연산 값들 중 적어도 하나의 값을 계산할 시, 현재 샘플 주변에 가용하지 않는 샘플이 존재하는 경우, 상기 가용하지 않는 샘플에 인접하며 가용한 샘플 값을 상기 가용하지 않는 샘플 값에 복사하는 방식인 패딩을 수행한 후 패딩된 샘플을 이용하여 1D 라플라시안 연산을 수행할 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 1D 라플라시안 연산 시, 소정의 샘플을 이용하지 않을 수 있다.
일 예로, 상기 1D 라플라시안 연산 시, 패딩된 샘플을 이용하지 않을 수도 있다.
다른 예로, 상기 1D 라플라시안 연산 값들 중 적어도 하나의 값을 계산할 시, 현재 샘플 주변에 가용하지 않는 샘플이 존재하는 경우, 상기 가용하지 않는 샘플을 1D 라플라시안 연산에 사용하지 않을 수 있다.
또 다른 예로, 상기 1D 라플라시안 연산 값들 중 적어도 하나의 값을 계산할 시, 현재 샘플 주변에 존재하는 샘플이 CTU 혹은 CTB 경계 밖에 위치하는 경우, 상기 주변에 존재하는 샘플을 1D 라플라시안 연산에 사용하지 않을 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나의 값을 계산할 시 혹은 상기 1D 라플라시안 연산 값들 중 적어도 하나의 값을 계산할 시, 디블록킹 필터링, 적응적 샘플 오프셋, 적응적 루프내 필터링 중 적어도 하나가 적용된 샘플을 사용할 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나의 값을 계산할 시 혹은 상기 1D 라플라시안 연산 값들 중 적어도 하나의 값을 계산할 시, 현재 샘플 주변에 존재하는 샘플이 CTU 혹은 CTB 경계 밖에 위치하는 경우, 해당 샘플에 디블록킹 필터링, 적응적 샘플 오프셋, 적응적 루프내 필터링 중 적어도 하나를 적용할 수 있다.
또는, 상기 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나의 값을 계산할 시 혹은 상기 1D 라플라시안 연산 값들 중 적어도 하나의 값을 계산할 시, 현재 샘플 주변에 존재하는 샘플이 CTU 혹은 CTB 경계 밖에 위치하는 경우, 해당 샘플에 디블록킹 필터링, 적응적 샘플 오프셋, 적응적 루프내 필터링 중 적어도 하나를 적용하지 않을 수 있다.
본 발명의 일 실시 예에 따를 때, 1D 라플라시안 연산의 합이 계산되는 범위 내에 CTU 혹은 CTB 경계 밖 등에 위치하여 가용하지 않는 샘플이 포함될 경우, 해당 가용하지 않은 샘플에 디블록킹 필터링, 적응적 샘플 오프셋, 적응적 루프내 필터링 중 적어도 하나를 적용하지 않고 1D 라플라시안 연산의 합을 계산할 때 사용할 수 있다.
본 발명의 일 실시 예에 따를 때, 블록 분류 단위 내에 CTU 혹은 CTB 경계 밖 등에 위치하여 가용하지 않는 샘플이 포함될 경우, 해당 가용하지 않은 샘플에 디블록킹 필터링, 적응적 샘플 오프셋, 적응적 루프내 필터링 중 적어도 하나를 적용하지 않고 1D 라플라시안 연산을 계산할 때 사용할 수 있다.
한편, 상기 부표본에 기반하여 기울기 값을 계산하는 방법은 1D 라플라시안 연산의 합이 계산되는 범위 내 전체 샘플들이 아닌 1D 라플라시안 연산의 합이 계산되는 범위 내 부표본된 샘플에 대해서 1D 라플라시안 연산이 수행되므로, 블록 분류 단계에 필요한 곱셈 연산, 쉬프트(shift) 연산, 덧셈 연산, 절대값 연산 등의 연산 수가 감소할 수 있다. 또한, 복원 샘플을 사용할 때 필요한 메모리 접근 대역폭(memory access bandwidth)도 감소시킬 수 있으며, 이로 인해 부호화기 및 복호화기의 복잡도를 감소시킬 수 있다. 특히, 상기 부표본된 샘플에 대해 1D 라플라시안 연산을 수행하는 것은 부호화기 및 복호화기의 하드웨어 구현 시 블록 분류 단계에 소요되는 시간(timing)을 줄일 수 있기 때문에, 하드웨어 구현 복잡도 관점에서도 장점이 있다.
또한, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기보다 같거나 작을 경우, 블록 분류 단계에 필요한 덧셈 연산 수가 감소할 수 있다. 또한, 복원 샘플을 사용할 때 필요한 메모리 접근 대역폭도 감소시킬 수 있으며, 이로 인해 부호화기 및 복호화기의 복잡도를 감소시킬 수 있다.
한편, 상기 부표본에 기반하여 기울기 값을 계산하는 방법은 계산하고자 하는 세로, 가로, 제1 대각, 제2 대각 방향의 기울기 값에 따라 1D 라플라시안 연산의 대상이 되는 샘플의 위치, 샘플의 개수, 샘플 위치의 방향 중 적어도 하나를 다르게 하여 세로, 가로, 제1 대각, 제2 대각 방향의 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다.
또한, 상기 부표본에 기반하여 기울기 값을 계산하는 방법은 계산하고자 하는 세로, 가로, 제1 대각, 제2 대각 방향의 기울기 값에 관계없이 1D 라플라시안 연산의 대상이 되는 샘플의 위치, 샘플의 개수, 샘플 위치의 방향 중 적어도 하나를 동일하게 하여 세로, 가로, 제1 대각, 제2 대각 방향의 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다.
또한, 상기 기울기 값을 계산하는 방법들 중 적어도 하나 이상의 조합을 이용하여 세로, 가로, 제1 대각, 제2 대각 방향의 기울기 값에 따른 1D 라플라시안 연산 및 세로, 가로, 제1 대각, 제2 대각 방향에 대한 각각의 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다.
본 발명의 일 실시 예에 따를 때, 세로, 가로, 제1 대각, 제2 대각 방향에 대한 각각의 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 2개 이상의 값을 서로 비교할 수 있다.
일 예로, 상기 기울기 값의 합들을 계산한 이후, 세로 방향 기울기의 합 gv 값과 가로 방향 기울기의 합 gh 값을 비교하여, 가로 방향 및 세로 방향에 대한 기울기 값의 합의 최대값 
과 최소값 
을 수학식 16의 예와 같이 유도할 수 있다.
이때, 세로 방향 기울기의 합 gv 값과 가로 방향 기울기의 합 gh 값을 비교하기 위해, 수학식 17의 예와 같이 상기 기울기 값의 합들의 크기를 서로 비교할 수 있다.
다른 예로, 제1 대각 방향 기울기의 합 gd1 값과 제2 대각 방향 기울기의 합 gd2 값을 비교하여, 제1 대각 방향 및 제2 대각 방향에 대한 기울기 값의 합의 최대값 
과 최소값 
을 수학식 18의 예와 같이 유도할 수 있다.
이때, 제1 대각 방향 기울기의 합 gd1 값과 제2 대각 방향 기울기의 합 gd2 값을 비교하기 위해, 수학식 19의 예와 같이 상기 기울기 값의 합들의 크기를 서로 비교할 수 있다.
본 발명의 일 실시 예에 따를 때, 방향성 D 값을 산출하기 위해, 상기 최대값들 및 상기 최소값들을 아래와 같이 2개의 임계값 t1 및 t2와 비교할 수 있다.
방향성 D값은 0을 포함하는 양의 정수일 수 있다. 일 예로, 방향성 D 값은 0에서 4 사이의 값을 가질 수 있다. 다른 예로, 방향성 D 값은 0에서 2 사이의 값을 가질 수 있다.
또한, 방향성 D 값은 해당 영역의 특징에 따라 결정될 수 있다. 예를 들어, 방향성 D 값이 0인 경우 텍스쳐(texture) 영역, 방향성 D 값이 1인 경우 강한 수평/수직 방향성, 방향성 D 값이 2인 경우 약한 수평/수직 방향성, 방향성 D 값이 3인 경우 강한 제1/제2 대각 방향성, 방향성 D 값이 4인 경우 약한 제1/제2 대각 방향성을 의미할 수 있다. 상기 방향성 D값의 결정은 하기 단계 1 내지 단계 4에 의해 수행될 수 있다.
단계 1: 
가 만족하면 D 값을 0으로 설정
단계 2: 
가 만족하면 단계 3으로 진행, 그렇지 않으면 단계 4로 진행
단계 3: 
가 만족하면 D 값을 2로 설정, 그렇지 않으면 D 값을 1로 설정
단계 4: 
가 만족하면 D 값을 4로 설정, 그렇지 않으면 D 값을 3으로 설정
여기서, 임계값 t1 및 t2는 양의 정수이다. t1 및 t2는 같은 값을 가질 수도 있고 서로 다른 값을 가질 수도 있다. 일 예로, t1 및 t2는 각각 2, 9일 수 있다. 다른 예로, t1 및 t2는 각각 1일 수 있다. 또 다른 예로, t1 및 t2는 각각 1, 9일 수 있다.
활동성 A 값은, 2x2 블록 분류의 경우, 수학식 20의 예와 같이 나타낼 수 있다.
일 예로, k와 l은 서로 같은 범위를 가질 수 있다. 즉, 1D 라플라시안 연산의 합이 계산되는 범위의 가로 길이와 세로 길이가 같을 수 있다.
다른 예로, k와 l은 서로 다른 범위를 가질 수 있다. 즉, 1D 라플라시안 연산의 합이 계산되는 범위의 가로 길이와 세로 길이가 다를 수 있다.
또 다른 예로, k는 i-2에서 i+3의 범위, l은 j-2에서 j+3의 범위를 가져서, 1D 라플라시안 연산의 합이 계산되는 범위가 6x6 크기일 수 있다.
또 다른 예로, k는 i-1에서 i+2의 범위, l은 j-1에서 j+2의 범위를 가져서, 1D 라플라시안 연산의 합이 계산되는 범위가 4x4 크기일 수 있다.
또 다른 예로, k는 i에서 i+1의 범위, l은 j에서 j+1의 범위를 가져서, 1D 라플라시안 연산의 합이 계산되는 범위가 2x2 크기일 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기와 동일할 수 있다.
또 다른 예로, 1D 라플라시안 연산의 결과의 합이 계산되는 범위는 마름모, 직사각형, 정사각형, 사다리꼴, 대각, 눈송이, 샵, 클로버, 십자가, 삼각형, 오각형, 육각형, 팔각형, 십각형, 십이각형 중 적어도 하나의 2차원 기하학적 형태일 수 있다.
또한, 활동성 A 값은 4x4 블록 분류의 경우, 수학식 21의 예와 같이 나타낼 수 있다.
일 예로, k와 l은 서로 같은 범위를 가질 수 있다. 즉, 1D 라플라시안 연산의 합이 계산되는 범위의 가로 길이와 세로 길이가 같을 수 있다.
다른 예로, k와 l은 서로 다른 범위를 가질 수 있다. 즉, 1D 라플라시안 연산의 합이 계산되는 범위의 가로 길이와 세로 길이가 다를 수 있다.
또 다른 예로, k는 i-2에서 i+5의 범위, l은 j-2에서 j+5의 범위를 가져서, 1D 라플라시안 연산의 합이 계산되는 범위가 8x8 크기일 수 있다.
또 다른 예로, k는 i에서 i+3의 범위, l은 j에서 j+3의 범위를 가져서, 1D 라플라시안 연산의 합이 계산되는 범위가 4x4 크기일 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기와 동일할 수 있다.
또 다른 예로, 1D 라플라시안 연산의 결과의 합이 계산되는 범위는 마름모, 직사각형, 정사각형, 사다리꼴, 대각, 눈송이, 샵, 클로버, 십자가, 삼각형, 오각형, 육각형, 팔각형, 십각형, 십이각형 중 적어도 하나의 2차원 기하학적 형태일 수 있다.
또한, 활동성 A 값은 2x2 블록 분류의 경우, 수학식 22의 예와 같이 나타낼 수 있다. 여기서, 제1 대각 방향 및 제2 대각 방향에 대한 1D 라플라시안 연산 값들 중 적어도 하나를 활동성 A 값을 산출할 때 추가로 사용할 수 있다.
일 예로, k와 l은 서로 같은 범위를 가질 수 있다. 즉, 1D 라플라시안 연산의 합이 계산되는 범위의 가로 길이와 세로 길이가 같을 수 있다.
다른 예로, k와 l은 서로 다른 범위를 가질 수 있다. 즉, 1D 라플라시안 연산의 합이 계산되는 범위의 가로 길이와 세로 길이가 다를 수 있다.
또 다른 예로, k는 i-2에서 i+3의 범위, l은 j-2에서 j+3의 범위를 가져서, 1D 라플라시안 연산의 합이 계산되는 범위가 6x6 크기일 수 있다.
또 다른 예로, k는 i-1에서 i+2의 범위, l은 j-1에서 j+2의 범위를 가져서, 1D 라플라시안 연산의 합이 계산되는 범위가 4x4 크기일 수 있다.
또 다른 예로, k는 i에서 i+1의 범위, l은 j에서 j+1의 범위를 가져서, 1D 라플라시안 연산의 합이 계산되는 범위가 2x2 크기일 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기와 동일할 수 있다.
또 다른 예로, 1D 라플라시안 연산의 결과의 합이 계산되는 범위는 마름모, 직사각형, 정사각형, 사다리꼴, 대각, 눈송이, 샵, 클로버, 십자가, 삼각형, 오각형, 육각형, 팔각형, 십각형, 십이각형 중 적어도 하나의 2차원 기하학적 형태일 수 있다.
또한, 활동성 A 값은 4x4 블록 분류의 경우, 수학식 23의 예와 같이 나타낼 수 있다. 여기서, 제1 대각 방향 및 제2 대각 방향에 대한 1D 라플라시안 연산 값들 중 적어도 하나를 활동성 A 값을 산출할 때 추가로 사용할 수 있다.
일 예로, k와 l은 서로 같은 범위를 가질 수 있다. 즉, 1D 라플라시안 연산의 합이 계산되는 범위의 가로 길이와 세로 길이가 같을 수 있다.
다른 예로, k와 l은 서로 다른 범위를 가질 수 있다. 즉, 1D 라플라시안 연산의 합이 계산되는 범위의 가로 길이와 세로 길이가 다를 수 있다.
또 다른 예로, k는 i-2에서 i+5의 범위, l은 j-2에서 j+5의 범위를 가져서, 1D 라플라시안 연산의 합이 계산되는 범위가 8x8 크기일 수 있다.
또 다른 예로, k는 i에서 i+3의 범위, l은 j에서 j+3의 범위를 가져서, 1D 라플라시안 연산의 합이 계산되는 범위가 4x4 크기일 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기와 동일할 수 있다.
또 다른 예로, 1D 라플라시안 연산의 결과의 합이 계산되는 범위는 마름모, 직사각형, 정사각형, 사다리꼴, 대각, 눈송이, 샵, 클로버, 십자가, 삼각형, 오각형, 육각형, 팔각형, 십각형, 십이각형 중 적어도 하나의 2차원 기하학적 형태일 수 있다.
한편, 상기 활동성 A 값은 양자화되어 I과 J 사이 범위의 양자화한 활동성 Aq 값을 가질 수 있다. 여기서, I와 J는 각각 0을 포함한 양의 정수일 수 있고, 각각 0과 4일 수 있다.
양자화한 활동성 Aq 값은 소정의 방식을 이용하여 결정할 수 있다.
일 예로, 양자화한 활동성 Aq 값은 수학식 24의 예와 같이 나타낼 수 있다. 이 경우, 양자화한 활동성 Aq 값은 특정 최소값 X 및 특정 최대값 Y의 범위 안에 포함될 수 있다.
수학식 24에서 양자화한 활동성 Aq 값은 상기 활동성 A 값에 특정 상수 W 값을 곱하고, R만큼 우측 쉬프트 연산을 수행하여 산출될 수 있다. 이때, X, Y, W, R은 0을 포함한 양의 정수이다. 일 예로, W는 24일 수 있고, R은 13일 수 있다. 다른 예로, W는 64일 수 있고, R은 (3 + N비트)일 수 있다. 예를 들어, N은 양의 정수일 수 있고, 8 또는 10일 수 있다. 또 다른 예로, W는 32일 수 있고, R은 (3 + N비트)일 수 있다. 예를 들어, N은 양의 정수일 수 있고, 8 또는 10일 수 있다.
다른 예로, 상기 양자화한 활동성 Aq 값은 룩 업 테이블(LUT, Look Up Table) 방식을 이용하여, 활동성 A 값과 양자화한 활동성 Aq 값 사이의 매핑 관계를 설정할 수 있다. 즉, 활동성 A 값에 연산을 수행하고 상기 테이블을 이용하여 양자화한 활동성 Aq 값을 산출할 수 있다. 이때, 상기 연산은 곱셈, 나눗셈 연산, 우측 쉬프트 연산, 좌측 쉬프트 연산, 덧셈, 뺄셈 중 적어도 하나를 포함할 수 있다.
한편, 색차 성분의 경우 상기 블록 분류 과정을 수행하지 않고, K개의 필터로 각각의 색차 성분에 대해 필터링을 수행할 수 있다. 여기서, K는 0을 포함한 양의 정수일 수 있고, 1일 수 있다. 또한, 색차 성분의 경우 상기 블록 분류 과정을 수행하지 않고, 대응하는 위치의 휘도 성분에서 결정한 블록 분류 색인을 이용하여 필터링을 수행할 수 있다. 또한, 색차 성분의 경우 색차 성분에 대한 필터 정보가 시그널링 되지 않고 고정된 형태의 필터가 이용될 수 있다.
도 32는 본 발명의 일 실시 예에 따른 1D 라플라시안 연산을 대신하는 다양한 연산 기법을 나타내는 도면이다.
본 발명의 일 실시 예에 따를 때, 상기 1D 라플라시안 연산 대신, 도 32에 기재된 연산 중 적어도 하나 이상을 사용할 수 있다. 도 32를 참조하면, 상기 연산은 2D 라플라시안, 2D 소벨(Sobel), 2D 에지 추출 및 2D LoG(Laplacian of Gaussian) 연산 중 적어도 하나를 포함할 수 있다. 여기서, LoG 연산은 가우시안(Gaussian) 필터와 라플라시안 필터가 결합된 형태로 복원 샘플에 대해 적용되는 것을 의미할 수 있다. 이 외에, 1D/2D 에지 추출 필터 중 적어도 하나가 1D 라플라시안 연산 대신 사용될 수 있다. 또한, DoG(Difference of Gaussian) 연산이 사용될 수 있다. 여기서, DoG 연산은 내부 파라미터가 다른 가우시안 필터들이 결합된 형태로 복원 샘플에 대해 적용되는 것을 의미할 수 있다.
또한, 상기 방향성 D 값 혹은 상기 활동성 A 값을 산출하기 위해, NxM 크기의 LoG 연산이 사용될 수 있다. 여기서, N과 M은 양의 정수일 수 있다. 일 예로. 도 32 (i)의 5x5 2D LoG, 도 32 (j)의 9x9 2D LoG 연산 중 적어도 하나가 사용될 수 있다. 다른 예로, 2D LoG 연산 대신 1D LoG 연산이 사용될 수도 있다.
본 발명의 일 실시 예에 따를 때, 휘도 블록의 각 2x2 블록은 방향성과 2D 라플라시안 활동성에 기반하여 분류될 수 있다. 예를 들어, 소벨 필터를 이용하여 가로/세로 기울기 특성을 얻을 수 있다. 방향성 D 값은 수학식 25 내지 수학식 26을 이용하여 획득될 수 있다.
대표 벡터는 소정의 윈도우 크기(예를 들어, 6x6 블록) 내의 기울기 벡터에 대해 수학식 25]의 조건이 만족되도록 계산될 수 있다. Θ에 따라 방향과 변형이 식별될 수 있다.
상기 윈도우 내에서 대표 벡터 및 각 기울기 벡터간의 유사도는 수학식 26과 같이 내적을 이용하여 계산될 수 있다.
그리고, 방향성 D 값은 수학식 26에서 계산된 S 값을 이용하여 결정할 수 있다.
단계 1: 
이면, D 값을 0으로 설정
단계 2: 
및 
이면, D 값을 2로 설정, 그렇지 않으면 D 값을 1로 설정.
단계 3: 
및 
이면, D 값을 4로 설정, 그렇지 않으면 D 값을 3으로 설정
여기서, 전체 블록 분류 색인은 총 25 개일 수 있다.
본 발명의 일 실시 예에 따를 때, 복원 샘플 
의 블록 분류는 수학식 27과 같이 나타낼 수 있다.
수학식 27에서, I는 복원 샘플 
의 모든 샘플 위치의 집합이다. D는 각 샘플 위치 (i,j)에 대해 클래스 색인 
을 할당하는 분류자이다. 또한, 클래스 
는 클래스 인덱스 k가 분류자 D에 의해 할당된 모든 샘플의 모음이다. 상기 클래스는 네 가지 다른 분류자를 지원하며, 각각의 분류자는 K=25 또는 27의 클래스를 제공할 수 있다. 복호화기에서 사용되는 분류자는 슬라이스 레벨에서 시그널링되는 구문 요소 classification_idx에 의해 지정될 수 있다. 
인 클래스 
가 주어지면, 하기의 단계와 같이 진행된다.
classification_idx=0이면, 상기 방향성과 활동성에 기반한 블록 분류자 
가 이용될 수 있다. 분류자는 K=25개의 클래스를 제공할 수 있다.
classification_idx=1이면, 샘플 기반 특징 분류자 
가 분류자로 이용될 수 있다. 
는 수학식 28에 따라 각 샘플 
의 양자화된 샘플값을 이용할 수 있다.
여기서, B는 샘플 비트 깊이이고, 클래스 K의 수는 K=27로 설정되고, 연산자 
는 크지 않은 가장 큰 정수로 반올림을 하는 연산을 지정한다.
classification_idx=2이면, 순위에 기반한 샘플 기반 특징 분류자 
가 이용될 수 있다. 
은 후술하는 수학식 30과 같이 나타낼 수 있다. 
는 샘플값 
을 그 주변의 8개의 샘플과 비교하여 크기의 순서대로 나열하는 분류자이며, 수학식 29와 같이 나타낼 수 있다.
분류자 
는 0부터 8 사이의 값을 가질 수 있다. 샘플 
이 (i,j)을 중심으로 하는 3x3 블록 내에서 가장 큰 샘플이면, 
의 값은 0이다. 
가 두 번째로 큰 샘플이면, 
의 값은 1이다.
수학식 30에서, T1와 T2는 미리 정의된 임계값이다. 즉, 샘플의 동적 범위가 3개의 밴드로 나누어지고, 각 밴드 내부에서 해당 로컬 주변 내의 샘플의 rank가 추가 기준으로서 사용된다. 순위에 기반한 샘플 기반 특징 분류자는 K=27개의 클래스를 제공할 수 있다.
classification_idx=3이면, 순위와 지역 변화량 기반 특징 분류자 
가 이용될 수 있다. 
는 수학식 31과 같이 나타낼 수 있다.
수학식 31에서, T3 혹은 T4 는 미리 정의된 임계값이다. 각 샘플 위치 (i,j)에서의 지역 변화량 
는 수학식 32와 같이 나타낼 수 있다.
각 샘플이 먼저 로컬 변수 
에 기초하여 3개의 클래스 중 하나의 요소로서 분류되는 것을 제외하고는 
와 동일한 분류자이다. 그 다음, 각 클래스 내에서, 로컬 주변에 있는 샘플의 순위가 27개의 클래스를 제공하는 추가 기준으로서 사용될 수 있다.
본 발명의 일 실시 예에 따를 때, 슬라이스 레벨에서, IntensityClassifier, HistogramClassifier, DirectionalActivityClassifier와 같은 세 개의 픽셀 분류 방법을 사용하는 최대 16개의 필터 세트가 현재 슬라이스에 이용될 수 있다. CTU 레벨에서, 슬라이스 헤더에서 시그널링되는 제어 플래그에 기초하여, NewFilterMode, SpatialFilterMode, SliceFilterMode의 세 가지 모드가 CTU 단위에서 지원될 수 있다.
여기서, 상기 IntensityClassifier는 SAO의 밴드 오프셋과 유사할 수 있다. 샘플 강도의 범위는 32개 그룹으로 나누어지고, 그룹 인덱스는 처리될 샘플의 강도에 기초하여 결정될 수 있다.
또한, SimilarityClassifier에서 5x5 마름모 필터 형태에서 주변 샘플들이 필터링 대상 샘플과 비교하는데 사용될 수 있다. 필터링 대상 샘플의 그룹 인덱스는 우선 0으로 초기화될 수 있다. 주변 샘플과 필터링 대상 샘플 간의 차이가 미리 정의된 하나의 임계값보다 큰 경우, 그룹 인덱스는 1만큼 증가될 수 있다. 또한, 주변 샘플과 필터링 대상 샘플 간의 차이가 미리 정의된 임계값보다 두 배 이상 큰 경우, 그룹 인덱스에 추가적으로 1을 더할 수 있다. 이때, SimilarityClassifier에는 25개의 그룹이 있을 수 있다.
또한, RotBAClassifier는 하나의 2x2 블록에 대한 1D 라플라시안 연산의 합이 계산되는 범위가 6x6에서 4x4로 축소될 수 있다. 이 분류에는 최대 25 개의 그룹이 있을 수 있다. 그룹 수는 여러 분류자에서 최대 25 또는 32이지만, 슬라이스 필터 집합의 필터 수는 최대 16 개로 제한될 수 있다. 즉, 부호화기는 연속되는 그룹을 병합하여 병합된 그룹 수를 16보다 작거나 같게 유지할 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 블록 분류 색인을 결정할 시, 현재 블록 및 주변 블록 중 적어도 하나의 부호화 파라미터에 기반하여 블록 분류 색인이 결정될 수 있다. 상기 부호화 파라미터 중 적어도 하나에 따라 블록 분류 색인이 서로 달라질 수 있다. 이때, 상기 부호화 파라미터는 예측 모드(화면간 예측인지 화면내 예측인지), 화면내 예측 모드, 화면간 예측 모드, 화면간 예측 지시자, 움직임 벡터, 참조 영상 색인, 양자화 매개변수, 현재 블록 크기, 현재 블록 형태, 블록 분류 단위의 크기, 부호화 블록 플래그/패턴 중 적어도 하나를 포함할 수 있다.
일 예로, 상기 블록 분류는 양자화 매개변수에 따라 결정될 수 있다. 예를 들어, 양자화 매개변수가 임계값 T보다 작을 경우 J개의 블록 분류 색인을 사용할 수 있고, 양자화 매개변수가 임계값 R보다 클 경우 H개의 블록 분류 색인을 사용할 수 있고, 그렇지 않은 경우 G개의 블록 분류 색인을 사용할 수 있다. 여기서, T, R, J, H, G는 0을 포함한 양의 정수이다. 또한, J는 H보다 크거나 같을 수 있다. 여기서, 양자화 매개변수 값이 상대적으로 클수록 적은 개수의 블록 분류 색인을 사용할 수 있다.
다른 예로, 상기 블록 분류는 현재 블록의 크기에 따라 결정될 수 있다. 예를 들어, 현재 블록의 크기가 임계값 T보다 작을 경우 J개의 블록 분류 색인을 사용할 수 있고, 현재 블록의 크기가 임계값 R보다 클 경우 H개의 블록 분류 색인을 사용할 수 있고, 그렇지 않은 경우 G개의 블록 분류 색인을 사용할 수 있다. 여기서, T, R, J, H, G는 0을 포함한 양의 정수이다. 또한, J는 H보다 크거나 같을 수 있다. 여기서, 블록의 크기가 상대적으로 클수록 적은 개수의 블록 분류 색인을 사용할 수 있다.
또 다른 예로, 상기 블록 분류는 블록 분류 단위의 크기에 따라 결정될 수 있다. 예를 들어, 블록 분류 단위의 크기가 임계값 T보다 작을 경우 J개의 블록 분류 색인을 사용할 수 있고, 블록 분류 단위의 크기가 임계값 R보다 클 경우 H개의 블록 분류 색인을 사용할 수 있고, 그렇지 않은 경우 G개의 블록 분류 색인을 사용할 수 있다. 여기서, T, R, J, H, G는 0을 포함한 양의 정수이다. 또한, J는 H보다 크거나 같을 수 있다. 여기서, 블록 분류 단위의 크기가 상대적으로 클수록 적은 개수의 블록 분류 색인을 사용할 수 있다.
본 발명의 일 실시 예에 따를 때, 이전 영상 내 대응 위치의 기울기 값의 합, 현재 블록의 주변 블록의 기울기 값의 합, 현재 블록 분류 단위 주변의 블록 분류 단위의 기울기 값의 합 중 적어도 하나의 기울기 값의 합을 현재 블록의 기울기 값의 합, 현재 블록 분류 단위의 기울기 값의 합 중 적어도 하나로 결정할 수 있다. 여기서, 이전 영상 내 대응 위치는 현재 영상 내 대응 복원 샘플과 대응하는 공간적 위치를 가지는 이전 영상 내 위치 혹은 주변 위치일 수 있다.
일 예로, 현재 블록 단위의 세로, 가로 방향의 기울기 값의 합 gv, gh 들 중 적어도 하나와 현재 블록 분류 단위 주변의 블록 분류 단위의 가로, 세로 방향의 기울기 값의 합 중 적어도 하나의 차이가 임계값 E 이하인 경우, 현재 블록 분류 단위 주변의 블록 분류 단위의 제1 대각, 제2 대각 방향 기울기 값의 합 gd1, gd2 중 적어도 하나를 현재 블록 단위의 기울기 값의 합 중 적어도 하나로 결정할 수 있다. 여기서, 임계값 E는 0을 포함한 양의 정수이다.
다른 예로, 현재 블록 단위의 세로, 가로 방향의 기울기 값의 합 gv, gh의 합과 현재 블록 분류 단위 주변의 블록 분류 단위의 가로, 세로 방향의 기울기 값의 합의 차이가 임계값 E 이하인 경우, 현재 블록 분류 단위 주변의 블록 분류 단위의 기울기 값의 합들 중 적어도 하나를 현재 블록 단위의 기울기 값의 합 중 적어도 하나로 결정할 수 있다. 여기서, 임계값 E는 0을 포함한 양의 정수이다.
또 다른 예로, 현재 블록 단위 내 복원 샘플들 중 적어도 하나의 통계값과 현재 블록 분류 단위 주변의 블록 분류 단위 내 복원 샘플들 중 적어도 하나의 통계값의 차이가 임계값 E 이하인 경우, 현재 블록 단위 주변의 블록 분류 단위의 기울기 값의 합들 중 적어도 하나를 현재 블록 단위의 기울기 값의 합 중 적어도 하나로 결정할 수 있다. 여기서, 임계값 E는 0을 포함한 양의 정수이다. 그리고, 임계값 E는 현재 블록의 공간적 이웃 블록 및/또는 시간적 이웃 블록으로부터 유도할 수 있다. 또한, 임계값 E는 부호화기 및 복호화기에 기정의된 값일 수 있다.
본 발명의 일 실시 예에 따를 때, 이전 영상 내 대응 위치의 블록 분류 색인, 현재 블록의 주변 블록의 블록 분류 색인, 현재 블록 분류 단위 주변의 블록 분류 단위의 블록 분류 색인 중 적어도 하나의 블록 분류 색인을 현재 블록의 블록 분류 색인, 현재 블록 분류 단위의 블록 분류 색인 중 적어도 하나로 결정할 수 있다.
일 예로, 현재 블록 단위의 세로, 가로 방향의 기울기 값의 합 gv, gh 들 중 적어도 하나와 현재 블록 분류 단위 주변의 블록 분류 단위의 가로, 세로 방향의 기울기 값의 합 중 적어도 하나의 차이가 임계값 E 이하인 경우, 현재 블록 분류 단위 주변의 블록 분류 단위의 블록 분류 색인을 현재 블록 단위의 블록 분류 색인으로 결정할 수 있다. 여기서, 임계값 E는 0을 포함한 양의 정수이다.
다른 예로, 현재 블록 단위의 세로, 가로 방향의 기울기 값의 합 gv, gh의 합과 현재 블록 분류 단위 주변의 블록 분류 단위의 가로, 세로 방향의 기울기 값의 합의 차이가 임계값 E 이하인 경우, 현재 블록 분류 단위 주변의 블록 분류 단위의 블록 분류 색인을 현재 블록 단위의 블록 분류 색인으로 결정할 수 있다. 여기서, 임계값 E는 0을 포함한 양의 정수이다.
또 다른 예로, 현재 블록 단위 내 복원 샘플들 중 적어도 하나의 통계값과 현재 블록 분류 단위 주변의 블록 분류 단위 내 복원 샘플들 중 적어도 하나의 통계값의 차이가 임계값 E 이하인 경우, 현재 블록 단위 주변의 블록 분류 단위의 블록 분류 색인을 현재 블록 단위의 블록 분류 색인으로 결정할 수 있다. 여기서, 임계값 E는 0을 포함한 양의 정수이다.
또 다른 예로, 상기 블록 분류 색인을 결정하는 방법들 중 적어도 하나 이상의 조합을 이용해서 블록 분류 색인을 결정할 수 있다.
이하에서는, 필터링 수행 단계에 대해서 후술한다.
본 발명의 일 실시 예에 따를 때, 상기 결정된 블록 분류 색인에 대응하는 필터를 이용하여 복원/복호 영상 내 샘플 또는 블록에 필터링을 수행할 수 있다. 상기 필터링 수행 시 L가지의 필터 중 하나의 필터가 선택될 수 있다. 상기 L은 0을 포함한 양의 정수일 수 있다.
일 예로, 상기 블록 분류 단위로 L가지의 필터 중 하나의 필터가 선택되어 복원/복호 영상에 복원/복호 샘플 단위로 필터링을 수행할 수 있다.
다른 예로, 상기 블록 분류 단위로 L가지의 필터 중 하나의 필터가 선택되어 복원/복호 영상에 블록 분류 단위로 필터링을 수행할 수 있다.
또 다른 예로, 상기 블록 분류 단위로 L가지의 필터 중 하나의 필터가 선택되어 복원/복호 영상에 CU 단위로 필터링을 수행할 수 있다.
또 다른 예로, 상기 블록 분류 단위로 L가지의 필터 중 하나의 필터가 선택되어 복원/복호 영상에 블록 단위로 필터링을 수행할 수 있다.
또 다른 예로, 상기 블록 분류 단위로 L가지의 필터 중 U개의 필터가 선택되어 복원/복호 영상에 복원/복호 샘플 단위로 필터링을 수행할 수 있다. 이때, U는 양의 정수이다.
또 다른 예로, 상기 블록 분류 단위로 L가지의 필터 중 U개의 필터가 선택되어 복원/복호 영상에 블록 분류 단위로 필터링을 수행할 수 있다. 이때, U는 양의 정수이다.
또 다른 예로, 상기 블록 분류 단위로 L가지의 필터 중 U개의 필터가 선택되어 복원/복호 영상에 CU 단위로 필터링을 수행할 수 있다. 이때, U는 양의 정수이다.
또 다른 예로, 상기 블록 분류 단위로 L가지의 필터 중 U개의 필터가 선택되어 복원/복호 영상에 블록 단위로 필터링을 수행할 수 있다. 이때, U는 양의 정수이다.
한편, 상기 L가지의 필터들을 필터 세트(filter set)라고 표현할 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 L가지의 필터는 필터 계수, 필터 탭 수(필터 길이), 필터 형태 및 필터 종류 중 적어도 하나가 서로 다를 수 있다.
일 예로, 상기 L가지의 필터는 블록, CU, PU, TU, CTU, 슬라이스, 타일, 타일 그룹, 영상(픽처), 시퀀스 중 적어도 하나의 단위에서 필터 계수, 필터 탭 수(필터 길이), 필터 형태, 필터 종류 중 적어도 하나가 서로 같을 수 있다.
다른 예로, 상기 L가지의 필터는 블록, CU, PU, TU, CTU, 슬라이스, 타일, 타일 그룹, 영상(픽처), 시퀀스 중 적어도 하나의 단위에서 필터 계수, 필터 탭 수(필터 길이), 필터 형태, 필터 종류 중 적어도 하나가 서로 다를 수 있다.
또한, 상기 필터링은 샘플, 블록, CU, PU, TU, CTU, 슬라이스, 타일, 타일 그룹, 영상(픽처), 시퀀스 중 적어도 하나의 단위로 동일한 필터 혹은 서로 다른 필터를 이용해서 수행될 수 있다.
또한, 상기 필터링은 샘플, 블록, CU, PU, TU, CTU, 슬라이스, 타일, 타일 그룹, 영상(픽처), 시퀀스 중 적어도 하나의 단위에서 필터링을 수행할지에 대한 필터링 수행 여부 정보에 따라 수행될 수 있다. 상기 필터링 수행 여부 정보는 샘플, 블록, CU, PU, TU, CTU, 슬라이스, 타일, 타일 그룹, 영상(픽처), 시퀀스 중 적어도 하나의 단위에서 부호화기에서 복호화기로 시그널링되는 정보일 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 필터링을 위한 필터로 마름모(diamond, rhombus)의 필터 형태를 가지며, 필터 탭 수가 서로 다른 N가지 필터를 사용할 수 있다. 여기서, N은 양의 정수일 수 있다. 예를 들어, 필터 탭수가 5x5, 7x7, 9x9인 마름모 형태는 도 33과 같이 나타낼 수 있다.
도 33은 본 발명의 일 실시 예에 따른 마름모 형태의 필터를 나타내는 도면이다.
도 33을 참조하면, 필터 탭수가 5x5, 7x7, 9x9인 마름모 형태의 3가지 필터 중 어떤 필터를 사용할지에 대한 정보를 부호화기에서 복호화기로 시그널링하기 위해, 픽처/타일/타일 그룹/슬라이스/시퀀스 단위에서 필터 색인(filter index)을 엔트로피 부호화/복호화할 수 있다. 즉, 비트스트림 내 시퀀스 파라미터 세트(sequence parameter set), 픽처 파라미터 세트(picture parameter set), 슬라이스 헤더(slice header), 슬라이스 데이터(slice data), 타일 헤더(tile header), 타일 그룹 헤더(tile group header) 등에 필터 색인을 엔트로피 부호화/복호화할 수 있다.
본 발명의 일 실시 예에 따를 때, 부호화기/복호화기에서 필터 탭수가 1개로 고정되어 있을 경우, 상기 필터 색인을 엔트로피 부호화/복호화하지 않고, 해당 필터를 이용해서 부호화기/복호화기에서 필터링을 수행할 수 있다. 여기서, 상기 필터 탭수는 휘도 성분인 경우 7x7 마름모 형태이고, 색차 성분인 경우 5x5 마름모 형태일 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 3가지의 마름모 형태 필터 중 적어도 하나는 휘도 성분 및 색차 성분 중 적어도 하나의 복원/복호 샘플 필터링에 사용될 수 있다.
일 예로, 휘도 성분 복원/복호 샘플에는 도 33의 3가지 마름모 형태 필터 중 적어도 하나의 필터가 복원/복호 샘플 필터링에 사용될 수 있다.
다른 예로, 색차 성분 복원/복호 샘플에는 도 33의 5x5 마름모 형태 필터가 복원/복호 샘플 필터링에 사용될 수 있다.
또 다른 예로, 색차 성분 복원/복호 샘플에는 상기 색차 성분에 대응하는 휘도 성분에서 선택된 필터를 이용하여 필터링이 수행될 수 있다.
한편, 도 33의 각 필터 형태 내 숫자는 필터 계수 색인(filter coefficient index)을 나타내며, 필터 중심으로 필터 계수 색인이 대칭 형태를 가질 수 있다. 즉, 도 33의 필터들을 점 대칭 필터(point symmetric filter) 형태라고 할 수 있다.
한편, 도 33 (a)와 같이 9x9 마름모 형태 필터의 경우 총 21개의 필터 계수, 도 33 (b)와 같이 7x7 마름모 형태 필터의 경우 총 13개의 필터 계수, 도 33 (c)와 같이 5x5 마름모 형태 필터의 경우 총 7개의 필터 계수가 엔트로피 부호화/복호화될 수 있다. 즉, 최대 21개의 필터 계수를 엔트로피 부호화/복호화해야 한다.
또한, 도 33 (a)와 같이 9x9 마름모 형태 필터의 경우 샘플 당 총 21개의 곱셈, 도 33 (b)와 같이 7x7 마름모 형태 필터의 경우 샘플 당 총 13개의 곱셈, 도 33 (c)와 같이 5x5 마름모 형태 필터의 경우 샘플 당 총 7개의 곱셈이 필요하다. 즉, 샘플 당 최대 21개의 곱셈을 이용해서 필터링을 수행해야 한다.
또한, 도 33 (a)와 같이 9x9 마름모 형태 필터의 경우 9x9 크기를 가지므로, 하드웨어 구현 시 필터 세로 길이의 절반인 4라인의 라인 버퍼(line buffer)가 필요하다. 즉, 최대 4개 라인에 대한 라인 버퍼가 필요하다.
본 발명의 일 실시 예에 따를 때, 상기 필터링을 위한 필터로 필터 탭 수는 모두 5x5로 동일하지만, 필터 형태가 마름모, 직사각형, 정사각형, 사다리꼴, 대각, 눈송이, 샵, 클로버, 십자가, 삼각형, 오각형, 육각형, 팔각형, 십각형, 십이각형 등 중 적어도 하나를 포함하는 필터가 사용될 수 있다. 예를 들어, 필터 탭수가 5x5이며, 필터 형태가 정사각형, 팔각형, 눈송이, 마름모 형태는 도 34와 같이 나타낼 수 있다.
여기서, 필터 탭 수는 5x5로 한정되지 않고, 3x3, 4x4, 5x5, 6x6, 7x7, 8x8, 9x9, 5x3, 7x3, 9x3, 7x5, 9x5, 9x7, 11x7 등 HxV의 필터 탭을 가지는 적어도 하나의 필터가 사용될 수 있다. 여기서, H와 V는 양의 정수일 수 있고, 서로 같은 값 혹은 서로 다른 값을 가질 수도 있다. 또한, H와 V 중 적어도 하나는 부호화기/복호화기에서 기정의된 값일 수 있고, 부호화기에서 복호화기로 시그널링되는 값일 수 있다. 또한, H와 V 중 하나의 값을 이용하여 다른 하나의 값이 정의될 수 있다. 또한, H와 V의 값을 이용하여 H 또는 V의 최종 값이 정의될 수 있다.
한편, 도 34의 예와 같은 필터들 중 어떤 필터를 사용할지에 대한 정보를 부호화기에서 복호화기로 시그널링하기 위해, 픽처/타일/타일 그룹/슬라이스/시퀀스 단위에서 필터 색인을 엔트로피 부호화/복호화할 수 있다. 즉, 비트스트림 내 시퀀스 파라미터 세트, 픽처 파라미터 세트, 슬라이스 헤더, 슬라이스 데이터, 타일 헤더, 타일 그룹 헤더 등에 필터 색인을 엔트로피 부호화/복호화할 수 있다.
한편, 도 34의 예와 같은 정사각형, 팔각형, 눈송이, 마름모 형태 필터 중 적어도 하나는 휘도 성분 및 색차 성분 중 적어도 하나의 복원/복호 샘플 필터링에 사용될 수 있다.
한편, 도 34의 각 필터 형태 내 숫자는 필터 계수 색인을 나타내며, 필터 중심으로 필터 계수 색인이 대칭 형태를 가질 수 있다. 즉, 도 34의 필터들을 점 대칭 필터 형태라고 할 수 있다.
본 발명의 일 실시 예에 따를 때, 복원 영상을 샘플 단위로 필터링하는 경우, 각 영상/슬라이스/타일/타일 그룹마다 어떤 필터 형태를 사용할지를 부호화기에서 율-왜곡 최적화 관점에서 결정할 수 있다. 또한, 상기 결정된 필터 형태를 이용해서 필터링을 수행할 수 있다. 도 34와 같은 필터 형태에 따라 부호화 효율 향상 정도, 필터 정보의 양(필터 계수의 개수) 등이 달라지므로 영상/슬라이스/타일/타일 그룹 단위로 최적의 필터 형태를 결정할 필요가 있다. 즉, 영상의 해상도, 영상 특성, 비트율(bitrate) 등에 따라 도 34의 예와 같은 필터 형태 중 최적의 필터 형태가 다르게 결정될 수 있다.
본 발명의 일 실시 예를 따를 때, 도 34의 예와 같은 필터를 이용하는 것이 도 33의 예와 같은 필터를 이용하는 것과 비교하여 부호화기/복호화기의 계산 복잡도를 감소시길 수 있다.
일 예로, 도 34 (a)와 같이 5x5 정사각형 형태 필터의 경우 총 13개의 필터 계수, 도 34 (b)와 같이 5x5 팔각형 형태 필터의 경우 총 11개의 필터 계수, 도 34 (c)와 같이 5x5 눈송이 형태 필터의 경우 총 9개의 필터 계수, 도 34 (c)와 같이 5x5 마름모 형태 필터의 경우 총 7개의 필터 계수가 엔트로피 부호화/복호화될 수 있다. 즉, 필터의 형태에 따라 엔트로피 부호화/복호화 대상의 필터 계수의 개수가 달라질 수 있다. 여기서, 도 34의 예와 같은 필터들 중 필터 계수의 최대 개수(13개)는 도 33의 예와 같은 필터들 중 필터 계수의 최대 개수(21개)보다 작다. 따라서, 도 34의 예와 같은 필터를 이용할 경우 엔트로피 부호화/복호화 대상 필터 계수의 개수가 감소하므로, 부호화기/복호화기의 계산 복잡도를 감소시킬 수 있다.
다른 예로, 도 34 (a)와 같이 5x5 정사각형 형태 필터의 경우 샘플 당 총 13개의 곱셈, 도 34 (b)와 같이 5x5 팔각형 형태 필터의 경우 샘플 당 총 11개의 곱셈, 도 34 (c)와 같이 5x5 눈송이 형태 필터의 경우 샘플 당 총 9개의 곱셈, 도 34 (d)와 같이 5x5 마름모 형태 필터의 경우 샘플 당 총 7개의 곱셈이 필요하다. 도 34의 예와 같은 필터들 중 필터의 샘플 당 최대 곱셈 수(13개)가 도 33의 예와 같은 필터들 중 필터의 샘플 당 최대 곱셈 수(21개)보다 작다. 따라서, 도 34의 예와 같은 필터를 이용할 경우 샘플 당 곱셈 수가 감소하므로, 부호화기/복호화기의 계산 복잡도를 감소시킬 수 있다.
또 다른 예로, 도 34의 예와 같은 필터에서 각 필터 형태는 모두 5x5 크기를 가지므로, 하드웨어 구현 시 필터 세로 길이의 절반인 2라인의 라인 버퍼가 필요하다. 여기서, 도 34의 예와 같은 필터들을 구현하는데 필요한 라인 버퍼의 라인 수(2개)가 도 33의 예와 같은 필터들을 구현하는데 필요한 라인 버퍼의 라인 수(4개)보다 작다. 따라서, 도 34의 예와 같은 필터를 이용할 경우 라인 버퍼의 크기를 절약할 수 있으며, 부호화기/복호화기의 구현 복잡도, 메모리 요구량, 메모리 접근 대역폭을 감소시킬 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 필터링을 위한 필터로서 필터 형태가 마름모, 직사각형, 정사각형, 사다리꼴, 대각, 눈송이, 샵, 클로버, 십자가, 삼각형, 오각형, 육각형, 팔각형, 십각형, 십이각형 중 적어도 하나를 포함하는 필터가 사용될 수 있다. 예를 들어, 도 35a 및/또는 도 35b의 예와 같이 정사각형, 팔각형, 눈송이, 마름모, 육각형, 직사각형, 십자가, 샵, 클로버, 대각 형태 등을 가질 수 있다.
일 예로, 도 35a 및/또는 도 35b에서 필터 세로 길이가 5인 필터들 중 적어도 하나를 이용해서 필터 세트를 구성한 후 필터링을 수행할 수 있다.
다른 예로, 도 35a 및/또는 도 35b에서 필터 세로 길이가 3인 필터들 중 적어도 하나를 이용해서 필터 세트를 구성한 후 필터링을 수행할 수 있다.
또 다른 예로, 도 35a 및/또는 도 35b에서 필터 세로 길이가 5 및 3인 필터들 중 적어도 하나를 이용해서 필터 세트를 구성한 후 필터링을 수행할 수 있다.
한편, 도 35a 및/또는 도 35b에서 필터의 형태는 필터 세로 길이를 3 혹은 5를 기준으로 설계한 것이지만, 이에 한정되지 않으며, 필터 세로 길이가 M인 경우로 설계하여 필터링에 사용할 수 있다. 여기서, M은 양의 정수이다.
한편, 도 35a 및/또는 도 35b의 예와 같은 필터들 중 H만큼의 필터 세트를 구성하여 어떤 필터를 사용할지에 대한 정보를 부호화기에서 복호화기로 시그널링하기 위해, 픽처/타일/타일 그룹/슬라이스/시퀀스 단위에서 필터 색인을 엔트로피 부호화/복호화할 수 있다. 여기서, H는 양의 정수이다. 즉, 비트스트림 내 시퀀스 파라미터 세트, 픽처 파라미터 세트, 슬라이스 헤더, 슬라이스 데이터, 타일 헤더, 타일 그룹 헤더 등에 필터 색인을 엔트로피 부호화/복호화할 수 있다.
한편, 상기 마름모, 직사각형, 정사각형, 사다리꼴, 대각, 눈송이, 샵, 클로버, 십자가, 삼각형, 오각형, 육각형, 팔각형, 십각형, 십이각형 형태 필터 중 적어도 하나는 휘도 성분 및 색차 성분 중 적어도 하나의 복원/복호 샘플 필터링에 사용될 수 있다.
한편, 도 35a 및/또는 도 35b의 각 필터 형태 내 숫자는 필터 계수 색인을 나타내며, 필터 중심으로 필터 계수 색인이 대칭 형태를 가진다. 즉, 도 35a 및/또는 도 35b의 필터들을 점 대칭 필터 형태라고 할 수 있다.
본 발명의 일 실시 예를 따를 때, 도 35a 및/또는 도 35b의 예와 같은 필터를 이용하는 것이 도 33의 예와 같은 필터를 이용하는 것과 비교하여 부호화기/복호화기의 계산 복잡도를 감소시길 수 있다.
일 예로, 도 35a 및/또는 도 35b의 예와 같은 필터들 중 적어도 하나를 이용할 경우, 도 33의 예와 같은 9x9 마름모 형태 필터 계수의 개수보다 엔트로피 부호화/복호화 대상 필터 계수의 개수를 감소시킬 수 있으며, 부호화기/복호화기의 계산 복잡도를 감소시킬 수 있다.
다른 예로, 도 35a 및/또는 도 35b의 예와 같은 필터들 중 적어도 하나를 이용할 경우, 도 33의 예와 같은 9x9 마름모 형태 필터 계수의 필터링에 필요한 샘플 당 곱셈 수보다 곱셈 수를 감소시킬 수 있으며, 부호화기/복호화기의 계산 복잡도를 감소시킬 수 있다.
또 다른 예로, 도 35a 및/또는 도 35b의 예와 같은 필터들 중 적어도 하나를 이용할 경우, 도 33의 예와 같은 9x9 마름모 형태 필터 계수의 필터링에 필요한 라인 버퍼의 라인 수보다 라인 버퍼의 라인 수를 감소시킬 수 있으며, 부호화기/복호화기의 구현 복잡도, 메모리 요구량, 메모리 접근 대역폭을 감소시킬 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 점 대칭 필터 형태 대신, 도 36의 예와 같이 가로/세로 대칭 필터(horizontal/vertical symmetric filter) 형태 중 적어도 하나를 포함하는 필터를 필터링에 사용할 수 있다. 또는, 점 대칭, 가로/세로 대칭 필터 외에 대각 대칭 필터도 사용할 수 있다. 도 36에서 각 필터 형태 내 숫자는 필터 계수 색인을 나타낼 수 있다.
일 예로, 도 36에서 필터 세로 길이가 5인 필터들 중 적어도 하나를 이용해서 필터 세트를 구성한 후 필터링을 수행할 수 있다.
다른 예로, 도 36에서 필터 세로 길이가 3인 필터들 중 적어도 하나를 이용해서 필터 세트를 구성한 후 필터링을 수행할 수 있다.
또 다른 예로, 도 36에서 필터 세로 길이가 5 및 3인 필터들 중 적어도 하나를 이용해서 필터 세트를 구성한 후 필터링을 수행할 수 있다.
한편, 도 36에서 필터의 형태는 필터 세로 길이를 3 혹은 5를 기준으로 설계한 것이지만, 이에 한정되지 않으며, 필터 세로 길이가 M일 경우로 설계하여 필터링에 사용할 수 있다. 여기서, M은 양의 정수이다.
한편, 도 36의 예와 같은 필터들 중 H만큼의 필터 세트를 구성하여 어떤 필터를 사용할지에 대한 정보를 부호화기에서 복호화기로 시그널링하기 위해, 픽처/타일/타일 그룹/슬라이스/시퀀스 단위에서 필터 색인을 엔트로피 부호화/복호화할 수 있다. 여기서, H는 양의 정수이다. 즉, 비트스트림 내 시퀀스 파라미터 세트, 픽처 파라미터 세트, 슬라이스 헤더, 슬라이스 데이터, 타일 헤더, 타일 그룹 헤더 등에 필터 색인을 엔트로피 부호화/복호화할 수 있다.
한편, 상기 마름모, 직사각형, 정사각형, 사다리꼴, 대각, 눈송이, 샵, 클로버, 십자가, 삼각형, 오각형, 육각형, 팔각형, 십각형, 십이각형 형태 필터 중 적어도 하나는 휘도 성분 및 색차 성분 중 적어도 하나의 복원/복호 샘플 필터링에 사용될 수 있다.
본 발명의 일 실시 예를 따를 때, 도 36의 예와 같은 필터를 이용하는 것이 도 33의 예와 같은 필터를 이용하는 것과 비교하여 부호화기/복호화기의 계산 복잡도를 감소시길 수 있다.
일 예로, 도 36의 예와 같은 필터들 중 적어도 하나를 이용할 경우, 도 33의 예와 같은 9x9 마름모 형태 필터 계수의 개수보다 엔트로피 부호화/복호화 대상 필터 계수의 개수를 감소시킬 수 있으며, 부호화기/복호화기의 계산 복잡도를 감소시킬 수 있다.
다른 예로, 도 36의 예와 같은 필터들 중 적어도 하나를 이용할 경우, 도 33의 예와 같은 9x9 마름모 형태 필터 계수의 필터링에 필요한 샘플 당 곱셈 수보다 곱셈 수를 감소시킬 수 있으며, 부호화기/복호화기의 계산 복잡도를 감소시킬 수 있다.
또 다른 예로, 도 36의 예와 같은 필터 중 적어도 하나를 이용할 경우, 도 33의 예와 같은 9x9 마름모 형태 필터 계수의 필터링에 필요한 라인 버퍼의 라인 수보다 라인 버퍼의 라인 수를 감소시킬 수 있으며, 부호화기/복호화기의 구현 복잡도, 메모리 요구량, 메모리 접근 대역폭을 감소시킬 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 블록 분류 단위로 필터링을 수행하기 전에, 블록 분류 단위에서 계산된 기울기 값의 합들(즉, 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2 들) 중 적어도 하나에 따라 필터 계수 f(k, l)에 기하학적 변환(geometric transformation)을 수행할 수 있다. 이때, 필터 계수에 대한 기하학적 변환은 필터에 90도 회전(rotation), 180도 회전, 270도 회전, 제2 대각 방향 플리핑(flipping), 제1 대각 방향 플리핑, 수직 방향 플리핑, 수평 방향 플리핑, 수직 및 수평 방향 플리핑, 줌인/아웃(zoom in/out) 중 적어도 하나를 수행하여 기하학적 변환된 필터를 산출하는 것을 의미할 수 있다.
한편, 상기 필터 계수에 기하학적 변환을 수행한 후 상기 기하학적 변환된 필터 계수를 이용해서 복원/복호 샘플을 필터링하는 것은, 필터가 적용되는 복원/복호 샘플들 중 적어도 하나에 대해서 기하학적 변환을 수행한 후 필터 계수를 이용해서 복원/복호 샘플을 필터링하는 것과 동일할 수 있다.
본 발명의 일 실시 예에 따를 때, 기하학적 변환은 수학식 33 내지 수학식 35의 예와 같이 수행될 수 있다.
여기서, 수학식 33은 제2 대각 방향 플리핑, 수학식 34는 수직 방향 플리핑, 수학식 35는 90도 회전에 관한 식을 나타내는 일 예이다. 수학식 34 내지 수학식 35에서 K는 가로 방향 및 세로 방향에 대한 필터 탭 수(필터 길이)이며, 0 ≤ k, l ≤ K-1는 필터 계수의 좌표를 의미할 수 있다. 예를 들어, (0, 0)은 좌상단 코너(corner)를 의미하고, (K-1, K-1)는 우하단 코너를 의미할 수 있다.
또한, 표 1은 기울기 값의 합에 따른 필터 계수 f(k, l)에 적용되는 기하학적 변환 종류의 일 예를 나타낸다.
도 37은 본 발명의 일 실시 예에 따른 정사각형, 팔각형, 눈송이, 마름모 형태의 필터에 기하학적 변환을 수행한 필터를 나타내는 도면이다.
도 37을 참조하면, 정사각형, 팔각형, 눈송이, 마름모 형태의 필터 계수에 제2 대각 방향 플리핑, 수직 방향 플리핑, 90도 회전 중 적어도 하나의 기하학적 변환을 수행할 수 있다. 그리고, 상기 기하학적 변환에 의해 획득된 필터 계수를 필터링에 사용할 수 있다. 한편, 상기 필터 계수에 기하학적 변환을 수행한 후 상기 기하학적 변환된 필터 계수를 이용해서 복원/복호 샘플을 필터링하는 것은, 필터가 적용되는 복원/복호 샘플들 중 적어도 하나에 대해서 기하학적 변환을 수행한 후 필터 계수를 이용해서 복원/복호 샘플을 필터링하는 것과 동일할 수 있다.
본 발명의 일 실시 예에 따를 때, 복원/복호 샘플 
에 대해 상기 필터링을 수행하여, 필터링된 복호 샘플 
를 생성할 수 있다. 상기 필터링된 복호 샘플은 수학식 36의 예와 같이 나타낼 수 있다.
수학식 36에서 L은 가로 방향 혹은 세로 방향에 따른 필터 탭 수(필터 길이)이며, 
는 필터 계수이다.
한편, 상기 필터링 수행 시 필터링된 복호 샘플 
에 오프셋 Y 값을 더해줄 수 있다. 상기 오프셋 Y 값은 엔트로피 부호화/복호화될 수 있다. 또한, 오프셋 Y 값은 현재 복원/복호 샘플 값과 주변 복원/복호 샘플들의 값 중 적어도 하나 이상의 통계값을 이용해서 산출될 수 있다. 또한, 상기 오프셋 Y 값은 현재 복원/복호 샘플과 주변 복원/복호 샘플 중 적어도 하나의 부호화 파라미터에 기반하여 결정될 수 있다. 여기서, Y 는 0을 포함하는 정수이다.
한편, 상기 필터링된 복호 샘플은 N 비트 내로 표현되도록 절삭을 수행할 수 있다. 여기서, N은 양의 정수이다. 예를 들어, 복원/복호 샘플에 필터링을 수행하여 생성된 필터링된 복호 샘플에 10비트로 절삭할 경우, 최종 복호 샘플 값은 0~1023 사이의 값을 가질 수 있다.
본 발명의 일 실시 예에 따를 때, 색차 성분의 경우 휘도 성분의 필터링 정보에 기반하여 필터링이 수행될 수 있다.
일 예로, 색차 성분의 복원 영상 필터링은 휘도 성분의 복원 영상 필터링이 수행되는 경우에만 수행될 수 있다. 여기서, 색차 성분의 복원 영상 필터링은 U(Cr) 및 V(Cb) 성분 중 적어도 하나 이상에 수행될 수 있다.
다른 예로, 색차 성분의 경우 대응하는 휘도 성분의 필터 계수, 필터 탭 수, 필터 형태, 필터링 수행 여부 정보 중 적어도 하나를 이용하여 필터링을 수행할 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 필터링 수행 시, 현재 샘플 주변에 가용하지 않는 샘플이 존재하는 경우, 패딩을 수행한 후 패딩된 샘플을 이용하여 필터링을 수행할 수 있다. 상기 패딩은 상기 가용하지 않는 샘플에 인접하며 가용한 샘플 값을 상기 가용하지 않는 샘플 값에 복사하는 방식을 의미할 수 있다. 또는, 상기 가용하지 않는 샘플에 인접하며 가용한 샘플 값에 기반하여 획득된 샘플 값 혹은 통계값을 이용할 수 있다. 상기 패딩은 P열 개 및 R행 개만큼 반복하여 수행할 수 있다. 여기서, P와 R은 양의 정수일 수 있다.
여기서, 가용하지 않는 샘플은 CTU, CTB, 슬라이스, 타일, 타일 그룹, 픽처 경계 밖에 존재하는 샘플을 의미할 수 있다. 또한, 가용하지 않는 샘플은 현재 샘플이 속한 CTU, CTB, 슬라이스, 타일, 타일 그룹, 픽처 중 적어도 하나와 서로 다른 CTU, CTB, 슬라이스, 타일, 타일 그룹, 픽처 중 적어도 하나에 속한 샘플을 의미할 수 있다.
또한, 필터링 수행 시, 소정의 샘플을 이용하지 않을 수 있다.
일 예로, 상기 필터링 수행 시, 패딩된 샘플을 이용하지 않을 수도 있다.
다른 예로, 상기 필터링 수행 시, 현재 샘플 주변에 가용하지 않는 샘플이 존재하는 경우, 상기 가용하지 않는 샘플을 필터링에 이용하지 않을 수 있다.
또 다른 예로, 상기 필터링 수행 시, 현재 샘플 주변에 존재하는 샘플이 CTU 혹은 CTB 경계 밖에 위치하는 경우, 상기 주변에 존재하는 샘플을 필터링에 이용하지 않을 수 있다.
또한, 상기 필터링 수행 시, 디블록킹 필터링, 적응적 샘플 오프셋, 적응적 루프내 필터링 중 적어도 하나가 적용된 샘플을 사용할 수 있다.
또한, 상기 필터링 수행 시, 현재 샘플 주변에 존재하는 샘플이 CTU 혹은 CTB 경계 밖에 위치하는 경우, 디블록킹 필터링, 적응적 샘플 오프셋, 적응적 루프내 필터링 중 적어도 하나를 적용하지 않을 수 있다.
또한, 상기 필터링에 사용되는 샘플에 CTU 혹은 CTB 경계 밖 등에 위치하여 가용하지 않는 샘플이 포함될 경우, 해당 가용하지 않은 샘플에 디블록킹 필터링, 적응적 샘플 오프셋, 적응적 루프내 필터링 중 적어도 하나를 적용하지 않고 필터링에 사용할 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 필터링 수행 시, CU, PU, TU, 블록, 블록 분류 단위, CTU, CTB 중 적어도 하나의 경계 주변에 존재하는 샘플들 중 적어도 하나에 대해 필터링을 수행할 수 있다. 이때, 상기 경계는 수직 방향 경계, 수평 방향 경계, 대각 방향 경계 중 적어도 하나를 포함할 수 있다. 또한, 상기 경계 주변에 존재하는 샘플들은 경계를 기준으로 U행, U열, U 샘플들 중 적어도 하나일 수 있다. 여기서, U는 양의 정수일 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 필터링 수행 시, CU, PU, TU, 블록, 블록 분류 단위, CTU, CTB 중 적어도 하나의 경계 주변에 존재하는 샘플들을 제외한 블록 내부에 존재하는 샘플들 중 적어도 하나에 대해 필터링을 수행할 수 있다. 이때, 상기 경계는 수직 방향 경계, 수평 방향 경계, 대각 방향 경계 중 적어도 하나를 포함할 수 있다. 또한, 상기 경계 주변에 존재하는 샘플들은 경계를 기준으로 U행, U열, U 샘플들 중 적어도 하나일 수 있다. 여기서, U는 양의 정수일 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 필터링 수행 시, 현재 블록 및 주변 블록 중 적어도 하나의 부호화 파라미터에 기반하여 수행 여부가 결정될 수 있다. 이때, 상기 부호화 파라미터는 예측 모드(화면간 예측인지 화면내 예측인지), 화면내 예측 모드, 화면간 예측 모드, 화면간 예측 지시자, 움직임 벡터, 참조 영상 색인, 양자화 매개변수, 현재 블록 크기, 현재 블록 형태, 블록 분류 단위의 크기, 부호화 블록 플래그/패턴 중 적어도 하나를 포함할 수 있다.
또한, 상기 필터링 수행 시, 현재 블록 및 주변 블록 중 적어도 하나의 부호화 파라미터에 기반하여 필터 계수, 필터 탭 수(필터 길이), 필터 형태, 필터 종류 중 적어도 하나가 결정될 수 있다. 상기 부호화 파라미터 중 적어도 하나에 따라 필터 계수, 필터 탭 수(필터 길이), 필터 형태, 필터 종류 중 적어도 하나가 서로 달라질 수 있다.
일 예로, 상기 필터링 시에 사용되는 필터 개수는 양자화 매개변수에 따라 결정될 수 있다. 예를 들어, 양자화 매개변수가 임계값 T보다 작을 경우 J개의 필터를 필터링에 사용할 수 있고, 양자화 매개변수가 임계값 R보다 클 경우 H개의 필터를 필터링에 사용할 수 있고, 그렇지 않은 경우 G개의 필터를 필터링에 사용할 수 있다. 여기서, T, R, J, H, G는 0을 포함한 양의 정수이다. 또한, J는 H보다 크거나 같을 수 있다. 여기서, 양자화 매개변수 값이 상대적으로 클수록 적은 개수의 필터를 사용할 수 있다.
다른 예로, 상기 필터링 시에 사용되는 필터 개수는 현재 블록의 크기에 따라 결정될 수 있다. 예를 들어, 현재 블록의 크기가 임계값 T보다 작을 경우 J개의 필터를 사용할 수 있고, 현재 블록의 크기가 임계값 R보다 클 경우 H개의 필터를 사용할 수 있고, 그렇지 않은 경우 G개의 필터를 사용할 수 있다. 여기서, T, R, J, H, G는 0을 포함한 양의 정수이다. 또한, J는 H보다 크거나 같을 수 있다. 여기서, 블록의 크기가 상대적으로 클수록 적은 개수의 필터를 사용할 수 있다.
또 다른 예로, 상기 필터링 시에 사용되는 필터 개수는 블록 분류 단위의 크기에 따라 결정될 수 있다. 예를 들어, 블록 분류 단위의 크기가 임계값 T보다 작을 경우 J개의 필터를 사용할 수 있고, 블록 분류 단위의 크기가 임계값 R보다 클 경우 H개의 필터를 사용할 수 있고, 그렇지 않은 경우 G개의 필터를 사용할 수 있다. 여기서, T, R, J, H, G는 0을 포함한 양의 정수이다. 또한, J는 H보다 크거나 같을 수 있다. 여기서, 블록 분류 단위의 크기가 상대적으로 클수록 적은 개수의 필터를 사용할 수 있다.
또 다른 예로, 상기 필터링 방법들 중 적어도 하나 이상의 조합을 이용해서 필터링을 수행할 수 있다.
이하에서는, 필터 정보 부호화/복호화 단계에 대해서 후술한다.
본 발명의 일 실시 예에 따를 때, 필터 정보는 비트스트림 내 슬라이스 헤더와 슬라이스 데이터 내 첫번째 CTU 구문 요소(syntax element) 사이에서 엔트로피 부호화/복호화될 수 있다.
또한, 필터 정보는 비트스트림 내 시퀀스 파라미터 세트, 픽처 파라미터 세트, 슬라이스 헤더, 슬라이스 데이터, 타일 헤더, 타일 그룹 헤더, CTU, CTB 등에서 엔트로피 부호화/복호화될 수 있다.
한편, 상기 필터 정보에는 휘도 성분 필터링 수행 여부 정보, 색차 성분 필터링 수행 여부, 필터 계수 값, 필터 개수, 필터 탭 수(필터 길이) 정보, 필터 형태 정보, 필터 종류 정보, 슬라이스/타일/타일 그룹/픽처/CTU/CTB/블록/CU 단위 필터링 수행 여부 정보, CU 단위 필터링 수행 여부 정보 수 정보, CU 최대 깊이 필터링 정보, CU 단위 필터링 수행 여부 정보, 이전 참조 영상 필터 사용 여부 정보, 이전 참조 영상 필터 색인, 블록 분류 색인에 대한 고정된 필터 사용 여부 정보, 고정된 필터에 대한 색인 정보, 필터 병합 정보, 휘도 성분과 색차 성분에 다른 필터를 사용하는지 여부 정보, 필터의 대칭 형태에 관한 정보 중 적어도 하나 이상이 포함될 수 있다.
여기서, 상기 필터 탭 수는 필터의 가로 길이, 필터의 세로 길이, 필터의 제1 대각 길이, 필터의 제2 대각 길이, 필터의 가로와 세로 길이, 필터 내 필터 계수의 개수 중 적어도 하나일 수 있다.
한편, 필터 정보에는 최대 L개의 휘도 필터가 포함될 수 있다. 여기서, L은 양의 정수이며, 25일 수 있다. 또한, 필터 정보에는 최대 L개의 색차 필터가 포함될 수 있다. 여기서, L은 양의 정수이며, 1일 수 있다.
한편, 하나의 필터에는 최대 K개의 휘도 필터 계수가 포함될 수 있다. 여기서, K는 양의 정수이며, 13일 수 있다. 또한, 필터 정보에는 최대 K개의 색차 필터 계수가 포함될 수 있다. 여기서, K는 양의 정수이며, 7일 수 있다.
예를 들어, 필터의 대칭 형태에 관한 정보는 필터 형태가 점 대칭 형태, 가로 대칭 형태, 세로 대칭 형태 또는 이들의 결합 형태에 관한 정보일 수 있다.
한편, 필터 계수들 중 일부의 계수들만 시그널링 할 수 있다. 예를 들어, 필터가 대칭 형태인 경우, 필터의 대칭 형태에 관한 정보와 대칭되는 필터 계수 세트 중 하나의 세트만 시그널링 할 수 있다. 또한, 예를 들어, 필터 중심의 필터 계수는 암시적으로 도출될 수 있기 때문에 시그널링 되지 않을 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 필터 정보 중 필터 계수 값은 부호화기에서 양자화될 수 있고, 양자화된 필터 계수 값이 엔트로피 부호화될 수 있다. 마찬가지로, 복호화기에서 양자화된 필터 계수 값이 엔트로피 복호화될 수 있고, 양자화된 필터 계수 값이 역양자화되어 필터 계수 값으로 복원될 수도 있다. 상기 필터 계수 값은 고정된 M 비트(bit)로 표현될 수 있는 값 범위 내로 양자화되고, 역양자화될 수도 있다. 또한, 상기 필터 계수 중 적어도 하나는 서로 다른 비트로 양자화되고, 역양자화될 수도 있다. 반대로, 상기 필터 계수 중 적어도 하나는 서로 동일한 비트로 양자화되고, 역양자화될 수도 있다. 또한, 상기 M 비트는 양자화 매개변수에 따라 결정될 수 있다. 또한, 상기 M 비트는 부호화기 및 복호화기에서 기정의된 상수 값일 수 있다. 여기서, M은 양의 정수일 수고 8 혹은 10일 수 있다. 또한, 상기 M 비트는 부호화기/복호화기에서 샘플을 표현하는데 필요한 비트 수 보다 작거나 같을 수 있다. 예를 들어, 샘플을 표현하는데 필요한 비트 수가 10이면, 상기 M은 8일 수 있다. 필터 내 필터 계수들 중 제1 필터 계수는 -2M에서 2M-1까지의 값을 가질 수 있고, 제2 필터 계수는 0에서 2M-1까지의 값을 가질 수 있다. 여기서, 제1 필터 계수는 필터 계수들 중 중심 필터 계수를 제외한 나머지 필터 계수를 의미할 수 있고, 제2 필터 계수는 필터 계수들 중 중심 필터 계수를 의미할 수 있다.
또한, 상기 필터 정보 중 필터 계수 값은 부호화기 및 복호화기 중 적어도 하나에서 절삭(clipping)될 수 있고, 절삭에 관한 최소값 및 최대값 중 적어도 하나가 엔트로피 부호화/복호화될 수 있다. 상기 필터 계수 값은 최소값 및 최대값의 범위 내로 절삭될 수 있다. 또한, 상기 최소값 및 최대값 중 적어도 하나는 필터 계수마다 서로 다른 값을 가질 수 있다. 반대로, 상기 최소값 및 최대값 중 적어도 하나는 필터 계수마다 서로 동일한 값을 가질 수 있다. 또한, 상기 최소값 및 최대값 중 적어도 하나는 양자화 매개변수에 따라 결정될 수 있다. 또한 상기 최소값 및 최대값 중 적어도 하나는 부호화기 및 복호화기에서 기정의된 상수 값일 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 필터 정보 중 적어도 하나는 현재 블록 및 주변 블록 중 적어도 하나의 부호화 파라미터에 기반하여 엔트로피 부호화/복호화될 수 있다. 이때, 상기 부호화 파라미터는 예측 모드(화면간 예측인지 화면내 예측인지), 화면내 예측 모드, 화면간 예측 모드, 화면간 예측 지시자, 움직임 벡터, 참조 영상 색인, 양자화 매개변수, 현재 블록 크기, 현재 블록 형태, 블록 분류 단위의 크기, 부호화 블록 플래그/패턴 중 적어도 하나를 포함할 수 있다.
예를 들어, 상기 필터 정보 중 필터 개수는 픽처/슬라이스/타일 그룹/타일, CTU/CTB/블록의 양자화 매개변수에 따라 결정될 수 있다. 구체적으로, 양자화 매개변수가 임계값 T보다 작을 경우 J개의 필터를 엔트로피 부호화/복호화할 수 있고, 양자화 매개변수가 임계값 R보다 클 경우 H개의 필터를 엔트로피 부호화/복호화할 수 있고, 그렇지 않은 경우 G개의 필터를 엔트로피 부호화/복호화할 수 있다. 여기서, T, R, J, H, G는 0을 포함한 양의 정수이다. 또한, J는 H보다 크거나 같을 수 있다. 여기서, 양자화 매개변수 값이 상대적으로 클수록 적은 개수의 필터를 엔트로피 부호화/복호화할 수 있다.
본 발명의 일 실시 예에 따를 때, 휘도 성분 및 색차 성분 중 적어도 하나에 대한 필터링 수행 여부는 필터링 수행 여부 정보(플래그)를 이용할 수 있다.
일 예로, 휘도 성분 및 색차 성분 중 적어도 하나에 대한 필터링 수행 여부는 CTU/CTB/CU/블록 단위의 필터링 수행 여부 정보(플래그)를 이용할 수 있다. 예를 들어, CTB 단위의 필터링 수행 여부 정보가 제1 값인 경우 해당 CTB 에 대해 필터링을 수행할 수 있고, 제2 값인 경우 해당 CTB 에 대해 필터링을 수행하지 않을 수 있다. 이때, 각 CTB 별로 필터링 수행 여부 정보가 엔트로피 부호화/복호화될 수 있다. 또 다른 예로, CU의 최대 깊이 혹은 최소 크기에 관한 정보(CU 최대 깊이 필터링 정보)를 추가로 엔트로피 부호화/복호화하여, 해당 최대 깊이 혹은 최소 크기까지만 CU 단위 필터링 수행 여부 정보를 엔트로피 부호화/복호화할 수 있다.
예를 들어, CU 단위의 플래그는 블록 구조(block structure)에 따라 정방형 블록 분할과 비정방형 블록 분할이 가능한 경우, 정방형 블록 분할의 깊이까지만 엔트로피 부호화/복호화될 수 있다. 또한, CU 단위의 플래그는 추가적으로 비정방형 블록 분할의 깊이까지 엔트로피 부호화/복호화될 수 있다.
다른 예로, 휘도 성분 및 색차 성분 중 적어도 하나에 대한 필터링 수행 여부 정보는 블록 단위의 플래그를 이용할 수 있다. 예를 들어, 블록 단위의 플래그가 제1 값인 경우 해당 블록에 대해 필터링을 수행할 수 있고, 제2 값인 경우 해당 블록에 대해 필터링을 수행하지 않을 수 있다. 상기 블록 단위의 크기는 NxM이며, N과 M은 양의 정수일 수 있다.
또 다른 예로, 휘도 성분 및 색차 성분 중 적어도 하나에 대한 필터링 수행 여부 정보는 CTU 단위의 플래그를 이용할 수 있다. 예를 들어, CTU 단위의 플래그가 제1 값인 경우 해당 CTU에 대해 필터링을 수행할 수 있고, 제2 값인 경우 해당 CTU에 대해 필터링을 수행하지 않을 수 있다. 상기 CTU 단위의 크기는 NxM이며, N과 M은 양의 정수일 수 있다.
또 다른 예로, 휘도 성분 및 색차 성분 중 적어도 하나에 대한 필터링 수행 여부는 픽처/슬라이스/타일 그룹/타일 종류에 따라 결정될 수 있으며, 휘도 성분 및 색차 성분 중 적어도 하나에 대한 필터링 수행 여부 정보는 픽처/슬라이스/타일 그룹/타일 단위의 플래그를 이용할 수 있다.
본 발명의 일 실시 예에 따를 때, 엔트로피 부호화/복호화해야 할 필터 계수 양을 감소시키기 위해, 서로 다른 블록 분류에 해당하는 필터 계수를 병합(merge)할 수 있다. 이때, 필터 계수가 병합되는지 아닌지에 대한 필터 병합 정보가 엔트로피 부호화/복호화될 수 있다.
또한, 엔트로피 부호화/복호화해야 할 필터 계수 양을 감소시키기 위해, 참조 영상의 필터 계수를 이용해서 현재 영상의 필터 계수로 사용할 수 있다. 이때, 참조 영상의 필터 계수를 이용하는 방법을 시간적 필터 계수 예측이라고 할 수 있다. 예를 들어, 상기 시간적 필터 계수 예측은 화면간 예측 영상(B/P-영상/슬라이스/타일 그룹/타일)에 사용될 수 있다. 한편, 참조 영상의 필터 계수는 메모리에 저장될 수 있다. 또한, 현재 영상에서 참조 영상의 필터 계수를 사용하는 경우, 현재 영상에 필터 계수의 엔트로피 부호화/복호화를 생략할 수 있다. 이 경우, 어떤 참조 영상의 필터 계수를 사용할지에 대한 이전 참조 영상 필터 색인이 엔트로피 부호화/복호화될 수 있다.
일 예로, 시간적 필터 계수 예측을 사용하는 경우, 필터 세트의 후보 리스트를 구성할 수 있다. 새로운 시퀀스를 복호화하기 전에 필터 세트의 후보 리스트는 비어 있지만, 하나의 영상을 복호화할 때마다 해당 영상의 필터 계수는 필터 세트의 후보 리스트에 포함될 수 있다. 만약, 필터 세트의 후보 리스트 내 필터 개수가 최대 필터 개수 G에 도달하게 되면, 새로운 필터는 복호화 순서상 가장 오래된 필터를 대체할 수 있다. 즉, FIFO(first-in-first-out) 방식으로 필터 세트의 후보 리스트를 업데이트할 수 있다. 여기서, G는 양의 정수이며, 6일 수 있다. 필터 세트의 후보 리스트 내 필터의 중복을 방지하기 위해, 시간적 필터 계수 예측을 사용하지 않은 영상의 필터 계수가 필터 세트의 후보 리스트에 포함될 수 있다.
다른 예로, 시간적 필터 계수 예측을 사용하는 경우, 시간적 확장성(temporal scalability)을 지원하기 위해 다수 개의 시간적 계층(temporal layer) 색인에 대한 필터 세트의 후보 리스트를 구성할 수 있다. 즉, 시간적 계층마다 필터 세트의 후보 리스트를 구성할 수 있다. 예를 들어, 각 시간적 계층에 대한 필터 세트의 후보 리스트는 이전 복호 영상 중 시간적 계층 색인과 같거나 작은 복호 영상의 필터 세트를 포함할 수 있다. 또한, 각 영상에 대한 복호화 이후 해당 영상에 대한 필터 계수는 해당 영상의 시간적 계층 색인과 같거나 큰 시간적 계층 색인을 가지는 필터 세트의 후보 리스트에 포함될 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 필터링은 고정된 필터(fixed filter) 세트를 이용할 수 있다.
화면내 예측 영상(I 영상/슬라이스/타일 그룹/타일)에서는 시간적 필터 계수 예측을 사용할 수 없지만, 각 블록 분류 색인에 따라 최대 16 종류의 고정된 필터 세트들 중 적어도 하나의 필터를 필터링에 사용할 수 있다. 고정된 필터 세트 사용 여부를 부호화기에서 복호화기로 시그널링하기 위해, 각 블록 분류 색인에 대한 고정된 필터 사용 여부 정보가 엔트로피 부호화/복호화될 수 있고, 고정된 필터를 사용할 경우 고정된 필터에 대한 색인 정보도 엔트로피 부호화/복호화할 수 있다. 만약 특정 블록 분류 색인에 대해 고정된 필터를 사용할 경우에도 필터 계수는 엔트로피 부호화/복호화될 수 있고, 엔트로피 부호화/복호화되는 필터 계수와 고정된 필터 계수를 이용하여 복원 영상을 필터링할 수 있다.
또한, 상기 화면간 예측 영상(B/P-영상/슬라이스/타일 그룹/타일)에서도 상기 고정된 필터 세트를 이용할 수 있다.
또한, 상기 적응적 루프내 필터링은 필터 계수의 엔트로피 부호화/복호화 없이 고정된 필터로 수행될 수 있다. 여기서, 고정된 필터는 부호화기와 복호화기에서 미리 정의한 필터 세트를 의미할 수 있다. 이때, 필터 계수의 엔트로피 부호화/복호화 없이, 부호화기와 복호화기에서 미리 정의한 필터 세트 중 어떤 필터 혹은 어떤 필터 세트를 사용할지에 대한 고정된 필터에 대한 색인 정보를 엔트로피 부호화/복호화할 수 있다. 상기 블록 분류 단위, 블록 단위, CU 단위, CTU 단위, 슬라이스, 타일, 타일 그룹, 픽처 단위 중 적어도 하나의 단위에서 필터 계수 값, 필터 탭 수(필터 길이), 필터 형태 중 적어도 하나가 다른 고정된 필터로 필터링을 수행할 수 있다.
한편, 상기 고정된 필터 세트 내 적어도 하나의 필터에 대해 필터 탭 수 및 필터 형태가 다른 필터로 변환할 수 있다. 예를 들어, 도 38의 예와 같이, 9x9 마름모 형태의 필터 계수를 5x5 정사각형 형태의 필터 계수로 변환할 수 있다. 구체적으로, 후술하는 바와 같이 9x9 마름모 형태의 필터 계수를 5x5 정사각형 형태의 필터 계수로 변환할 수 있다.
일 예로, 9x9 마름모 형태의 필터 계수 색인 0, 2, 6에 해당하는 필터 계수의 합은 5x5 정사각형 형태의 필터 계수 색인 2에 할당될 수 있다.
다른 예로, 9x9 마름모 형태의 필터 계수 색인 1,5에 해당하는 필터 계수의 합은 5x5 정사각형 형태의 필터 계수 색인 1에 할당될 수 있다.
또 다른 예로, 9x9 마름모 형태의 필터 계수 색인 3,7에 해당하는 필터 계수의 합은 5x5 정사각형 형태의 필터 계수 색인 3에 할당될 수 있다.
또 다른 예로, 9x9 마름모 형태의 필터 계수 색인 4에 해당하는 필터 계수는 5x5 정사각형 형태의 필터 계수 색인 0에 할당될 수 있다.
또 다른 예로, 9x9 마름모 형태의 필터 계수 색인 8에 해당하는 필터 계수는 5x5 정사각형 형태의 필터 계수 색인 4에 할당될 수 있다.
또 다른 예로, 9x9 마름모 형태의 필터 계수 색인 9, 10에 해당하는 필터 계수의 합은 5x5 정사각형 형태의 필터 계수 색인 5에 할당될 수 있다.
또 다른 예로, 9x9 마름모 형태의 필터 계수 색인 11에 해당하는 필터 계수는 5x5 정사각형 형태의 필터 계수 색인 6에 할당될 수 있다.
또 다른 예로, 9x9 마름모 형태의 필터 계수 색인 12에 해당하는 필터 계수는 5x5 정사각형 형태의 필터 계수 색인 7에 할당될 수 있다.
또 다른 예로, 9x9 마름모 형태의 필터 계수 색인 13에 해당하는 필터 계수는 5x5 정사각형 형태의 필터 계수 색인 8에 할당될 수 있다.
또 다른 예로, 9x9 마름모 형태의 필터 계수 색인 14, 15에 해당하는 필터 계수의 합은 5x5 정사각형 형태의 필터 계수 색인 9에 할당될 수 있다.
또 다른 예로, 9x9 마름모 형태의 필터 계수 색인 16, 17, 18에 해당하는 필터 계수의 합은 5x5 정사각형 형태의 필터 계수 색인 10에 할당될 수 있다.
또 다른 예로, 9x9 마름모 형태의 필터 계수 색인 19에 해당하는 필터 계수는 5x5 정사각형 형태의 필터 계수 색인 11에 할당될 수 있다.
또 다른 예로, 9x9 마름모 형태의 필터 계수 색인 20에 해당하는 필터 계수는 5x5 정사각형 형태의 필터 계수 색인 12에 할당될 수 있다.
한편, 표 2는 9x9 마름모 형태의 필터 계수를 5x5 정사각형 형태의 필터 계수로 변환하여 필터 계수를 생성하는 일 예를 나타낸다.
표 2에서 9x9 마름모 형태의 필터 중 적어도 하나의 필터 계수 합은 대응하는 5x5 정사각형 형태의 필터 중 적어도 하나의 필터 계수 합과 동일할 수 있다.
한편, 9x9 마름모 형태의 필터 계수에 대한 최대 16 종류의 고정된 필터 세트를 사용하는 경우, 최대 21개의 필터 계수 x 25개의 필터 x 16개 종류를 메모리에 저장해야 한다. 만약, 5x5 정사각형 형태의 필터 계수에 대한 최대 16 종류의 고정된 필터 세트를 사용하는 경우, 최대 13개의 필터 계수 x 25개의 필터 x 16개 종류를 메모리에 저장해야 한다. 이때, 5x5 정사각형 형태의 고정된 필터 계수를 저장하는데 필요한 메모리 크기는 9x9 마름모 형태의 고정된 필터 계수를 저장하는데 필요한 메모리 크기보다 작으므로, 부호화기/복호화기 구현 시 필요한 메모리 요구량, 메모리 접근 대역폭을 감소시킬 수 있다.
한편, 색차 성분 복원/복호 샘플에는 대응하는 위치의 휘도 성분에서 선택된 필터의 필터 탭 수 및/또는 필터 형태가 변환된 필터를 이용하여 필터링이 수행될 수 있다.
본 발명의 일 실시 예에 따를 때, 기정의된 고정된 필터로부터 필터 계수 예측이 금지될 수 있다.
본 발명의 일 실시 예에 따를 때, 곱셈 연산을 쉬프트 연산으로 대체할 수 있다. 우선, 휘도 및/또는 색차 블록의 필터링을 수행하기 위해 사용되는 필터 계수들을 2개의 그룹으로 나눌 수 있다. 예를 들어, 제1 그룹 {L0, L1, L2, L3, L4, L5, L7, L8, L9, L10. L14, L15, L16, L17} 및 그 나머지 계수들을 포함하는 제2 그룹으로 나눌 수 있다. 제1 그룹에는 {-64, -32, -16, -8, -4, 0, 4, 8, 16, 32, 64}의 계수 값들을 가지도록 제한될 수 있다. 이때, 제1 그룹에 포함된 필터 계수들과 복원/복호 샘플에 대한 곱셈 연산은 단일 비트 쉬프트 연산으로 구현될 수 있다. 따라서, 제1 그룹에 포함된 필터 계수들은 시그널링 오버헤드를 줄이기 위해, 이진화 전에 각각 비트 쉬프트 연산이 수행된 값에 매핑될 수 있다.
본 발명의 일 실시 예에 따를 때, 색차 성분에 대한 블록 분류 및/또는 필터링 수행 여부 결정은 동일 위치의 휘도 성분의 결과를 직접 재사용 할 수 있다. 또한, 색차 성분의 필터 계수는 휘도 성분의 필터 계수를 재사용할 수 있으며, 예를 들어, 일정한 5x5 마름모 필터 형태를 사용할 수 있다.
일 예로, 휘도 성분에 대한 9x9 필터 형태에서 색차 성분에 대한 5x5 필터 형태로 필터 계수를 변환할 수 있다. 이때, 가장 바깥쪽 필터 계수는 0으로 설정될 수 있다.
다른 예로, 휘도 성분의 5x5 필터 형태의 경우 상기 필터 계수는 색차 성분의 필터 계수와 동일할 수 있다. 즉, 휘도 성분의 필터 계수가 색차 성분의 필터 계수에 그대로 적용될 수 있다.
또 다른 예로, 색차 성분의 필터링에 사용되는 필터 형태를 5x5로 유지하기 위해 5x5 마름모 필터 형태 외부에 있는 필터 계수에 대해서는 5x5 마름모 경계에 있는 계수 값으로 대체할 수 있다.
한편, 휘도 블록과 색차 블록에 대해 개별적으로 루프내 필터링을 수행할 수 있다. 색차 블록의 개별적 적응적 루프내 필터링 지원 여부에 대해 픽처/슬라이스/타일 그룹/타일CTU/CTB 레벨에서 제어 플래그를 시그널링할 수 있다. 휘도 블록과 색차 블록에 통합적으로 적응적 루프내 필터링을 수행하는 모드 또는 휘도 블록과 색차 블록에 대해 개별적으로 적응적 루프내 필터링 모드를 지원하는 플래그를 시그널링할 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 필터 정보 중 적어도 하나 이상을 엔트로피 부호화/복호화할 때, 아래의 이진화(binarization) 방법 중 적어도 하나 이상을 이용할 수 있다.
절삭된 라이스(Truncated Rice) 이진화 방법
K차수 지수-골롬(K-th order Exp_Golomb) 이진화 방법
제한된 K차수 지수-골롬(K-th order Exp_Golomb) 이진화 방법
고정 길이(Fixed-length) 이진화 방법
단항(Unary) 이진화 방법
절삭된 단항(Truncated Unary) 이진화 방법
일 예로, 휘도 필터와 색차 필터에 대한 필터 계수 값은 휘도 필터와 색차 필터에서 서로 다른 이진화 방법을 사용하여 엔트로피 부호화/복호화될 수 있다.
다른 예로, 휘도 필터에 대한 필터 계수 값은 휘도 필터 내 계수들끼리 서로 다른 이진화 방법을 사용하여 엔트로피 부호화/복호화될 수 있다. 또한, 휘도 필터에 대한 필터 계수 값은 휘도 필터 내 계수들끼리 서로 동일한 이진화 방법을 사용하여 엔트로피 부호화/복호화될 수 있다.
또 다른 예로, 색차 필터에 대한 필터 계수 값은 색차 필터 내 계수들끼리 서로 다른 이진화 방법을 사용하여 엔트로피 부호화/복호화될 수 있다. 또한, 색차 필터에 대한 필터 계수 값은 색차 필터 내 계수들끼리 서로 동일한 이진화 방법을 사용하여 엔트로피 부호화/복호화될 수 있다.
또한, 상기 필터 정보 중 적어도 하나 이상을 엔트로피 부호화/복호화할 때, 주변 블록의 필터 정보 중 적어도 하나 혹은 이전에 부호화/복호화된 필터 정보 중 적어도 하나 이상 혹은 이전 영상에서 부호화/복호화된 필터 정보를 이용하여 문맥 모델(context model)을 결정할 수 있다.
또한, 상기 필터 정보 중 적어도 하나 이상을 엔트로피 부호화/복호화할 때, 서로 다른 성분의 필터 정보 중 적어도 하나를 이용하여 문맥 모델(context model)을 결정할 수 있다.
또한, 상기 필터 계수를 엔트로피 부호화/복호화할 때, 필터 내 다른 필터 계수들 중 적어도 하나를 이용하여 문맥 모델(context model)을 결정할 수 있다.
또한, 상기 필터 정보 중 적어도 하나 이상을 엔트로피 부호화/복호화할 때, 주변 블록의 필터 정보 중 적어도 하나 혹은 이전에 부호화/복호화된 필터 정보 중 적어도 하나 이상 혹은 이전 영상에서 부호화/복호화된 필터 정보를 필터 정보에 대한 예측 값으로 사용하여 엔트로피 부호화/복호화할 수 있다.
또한, 상기 필터 정보 중 적어도 하나 이상을 엔트로피 부호화/복호화할 때, 서로 다른 성분의 필터 정보 중 적어도 하나를 필터 정보에 대한 예측 값으로 사용하여 엔트로피 부호화/복호화할 수 있다.
또한, 상기 필터 계수를 엔트로피 부호화/복호화할 때, 필터 내 다른 필터 계수들 중 적어도 하나를 예측 값으로 사용하여 엔트로피 부호화/복호화할 수 있다.
또한, 상기 필터 정보 엔트로피 부호화/복호화 방법 중 적어도 하나 이상의 조합을 이용해서 필터 정보를 엔트로피 부호화/복호화할 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 적응적 루프내 필터링은 블록, CU, PU, TU, CB, PB, TB, CTU, CTB, 슬라이스, 타일, 타일 그룹, 픽처 단위 중 적어도 하나의 단위에서 수행될 수 있다. 상기 단위로 수행되는 경우, 블록 분류 단계, 필터링 수행 단계, 필터 정보 부호화/복호화 단계가 상기 블록, CU, PU, TU, CB, PB, TB, CTU, CTB, 슬라이스, 타일, 타일 그룹, 픽처 단위 중 적어도 하나의 단위로 수행되는 것을 의미할 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 적응적 루프내 필터링은 디블록킹 필터, 샘플 적응적 오프셋, 양방향 필터링 중 적어도 하나의 수행 여부에 따라 수행 여부가 결정될 수 있다.
일 예로, 현재 영상 내 복원/복호 샘플 중 디블록킹 필터, 샘플 적응적 오프셋, 양방향 필터링 중 적어도 하나가 적용된 샘플에 대해서는 적응적 루프내 필터링을 수행할 수 있다.
다른 예로, 현재 영상 내 복원/복호 샘플 중 디블록킹 필터, 샘플 적응적 오프셋, 양방향 필터링 중 적어도 하나가 적용된 샘플에 대해서는 적응적 루프내 필터링을 수행하지 않을 수 있다.
또 다른 예로, 현재 영상 내 복원/복호 샘플 중 디블록킹 필터, 샘플 적응적 오프셋, 양방향 필터링 중 적어도 하나가 적용된 샘플의 경우, 블록 분류의 수행 없이 L개의 필터를 이용해서 현재 영상 내 복원/복호 샘플에 대해서 적응적 루프내 필터링을 수행할 수 있다. 여기서, L은 양의 정수이다.
본 발명의 일 실시 예에 따를 때, 상기 적응적 루프내 필터링은 현재 영상의 슬라이스 타입(slice type) 혹은 타일 그룹 타입에 따라 수행 여부가 결정될 수 있다.
일 예로, 현재 영상의 슬라이스 혹은 타일 그룹 타입이 I-슬라이스 혹은 I-타일 그룹인 경우에만 상기 적응적 루프내 필터링이 수행될 수 있다.
다른 예로, 현재 영상의 슬라이스 혹은 타일 그룹 타입이 I-슬라이스, B-슬라이스, P-슬라이스, I- 타일 그룹, B- 타일 그룹, P- 타일 그룹 중 적어도 하나인 경우에 상기 적응적 루프내 필터링이 수행될 수 있다.
또 다른 예로, 현재 영상의 슬라이스 혹은 타일 그룹 타입이 I-슬라이스, B-슬라이스, P-슬라이스, I- 타일 그룹, B- 타일 그룹, P- 타일 그룹 중 적어도 하나인 경우, 현재 영상에 대해 적응적 루프내 필터링 시, 블록 분류의 수행 없이 L개의 필터를 이용해서 현재 영상 내 복원/복호 샘플에 대해서 적응적 루프내 필터링을 수행할 수 있다. 여기서, L은 양의 정수이다.
또 다른 예로, 현재 영상의 슬라이스 혹은 타일 그룹 타입이 I-슬라이스, B-슬라이스, P-슬라이스, I- 타일 그룹, B- 타일 그룹, P- 타일 그룹 중 적어도 하나인 경우, 하나의 필터 형태를 이용해서 적응적 루프내 필터링을 수행할 수 있다.
또 다른 예로, 현재 영상의 슬라이스 혹은 타일 그룹 타입이 I-슬라이스, B-슬라이스, P-슬라이스, I- 타일 그룹, B- 타일 그룹, P- 타일 그룹 중 적어도 하나인 경우, 하나의 필터 탭 수를 이용해서 적응적 루프내 필터링을 수행할 수 있다.
또 다른 예로, 현재 영상의 슬라이스 혹은 타일 그룹 타입이 I-슬라이스, B-슬라이스, P-슬라이스, I- 타일 그룹, B- 타일 그룹, P- 타일 그룹 중 적어도 하나인 경우, NxM 블록 크기 단위로 블록 분류 및 필터링 중 적어도 하나를 수행할 수 있다. 이때, N과 M은 양의 정수이고, 4일 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 적응적 루프내 필터링은 현재 영상이 참조 영상으로 사용되는지 여부에 따라 수행 여부가 결정될 수 있다.
일 예로, 현재 영상이 차후 부호화/복호화되는 영상의 참조 영상으로 사용될 경우, 현재 영상에 대해 상기 적응적 루프내 필터링이 수행될 수 있다.
다른 예로, 현재 영상이 차후 부호화/복호화되는 영상의 참조 영상으로 사용되지 않을 경우, 현재 영상에 대해 상기 적응적 루프내 필터링이 수행되지 않을 수 있다.
또 다른 예로, 현재 영상이 차후 부호화/복호화되는 영상의 참조 영상으로 사용되지 않을 경우, 현재 영상에 대해 적응적 루프내 필터링 시, 블록 분류의 수행 없이 L개의 필터를 이용해서 현재 영상 내 복원/복호 샘플에 대해서 적응적 루프내 필터링을 수행할 수 있다. 여기서, L은 양의 정수이다.
또 다른 예로, 현재 영상이 차후 부호화/복호화되는 영상의 참조 영상으로 사용되지 않을 경우, 하나의 필터 형태를 이용해서 적응적 루프내 필터링을 수행할 수 있다.
또 다른 예로, 현재 영상이 차후 부호화/복호화되는 영상의 참조 영상으로 사용되지 않을 경우, 하나의 필터 탭 수를 이용해서 적응적 루프내 필터링을 수행할 수 있다.
또 다른 예로, 현재 영상이 차후 부호화/복호화되는 영상의 참조 영상으로 사용되지 않을 경우, NxM 블록 크기 단위로 블록 분류 및 필터링 중 적어도 하나를 수행할 수 있다. 이때, N과 M은 양의 정수이고, 4일 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 적응적 루프내 필터링은 시간적 계층 식별자에 따라 수행 여부가 결정될 수 있다.
일 예로, 현재 영상의 시간적 계층 식별자가 최하위 계층인 0을 지시할 경우, 현재 영상에 대해 상기 적응적 루프내 필터링이 수행될 수 있다.
다른 예로, 현재 영상의 시간적 계층 식별자가 최상위 계층을 지시할 경우(예를 들어 4), 현재 영상에 대해 상기 적응적 루프내 필터링이 수행될 수 있다.
또 다른 예로, 현재 영상의 시간적 계층 식별자가 최상위 계층을 지시할 경우(예를 들어 4), 현재 영상에 대해 적응적 루프내 필터링 시, 블록 분류의 수행 없이 L개의 필터를 이용해서 현재 영상 내 복원/복호 샘플에 대해서 적응적 루프내 필터링을 수행할 수 있다. 여기서, L은 양의 정수이다.
또 다른 예로, 현재 영상의 시간적 계층 식별자가 최상위 계층을 지시할 경우(예를 들어 4), 하나의 필터 형태를 이용해서 적응적 루프내 필터링을 수행할 수 있다.
또 다른 예로, 현재 영상의 시간적 계층 식별자가 최상위 계층을 지시할 경우(예를 들어 4), 하나의 필터 탭 수를 이용해서 적응적 루프내 필터링을 수행할 수 있다.
또 다른 예로, 현재 영상의 시간적 계층 식별자가 최상위 계층을 지시할 경우(예를 들어 4), NxM 블록 크기 단위로 블록 분류 및 필터링 중 적어도 하나를 수행할 수 있다. 이때, N과 M은 양의 정수이고, 4일 수 있다.
본 발명의 일 실시 예에 따를 때, 상기 블록 분류 방법들 중 적어도 하나는 시간적 계층 식별자(temporal layer identifier)에 따라 수행 여부가 결정될 수 있다.
일 예로, 현재 영상의 시간적 계층 식별자가 최하위 계층인 0을 지시할 경우, 현재 영상에 대해 상기 블록 분류 방법들 중 적어도 하나가 수행될 수 있다.
다른 예로, 현재 영상의 시간적 계층 식별자가 최상위 계층을 지시할 경우(예를 들어 4), 현재 영상에 대해 상기 블록 분류 방법들 중 적어도 하나가 수행될 수 있다.
또 다른 예로, 시간적 계층 식별자의 값에 따라 상기 블록 분류 방법들 중 서로 다른 블록 분류 방법이 수행될 수 있다.
또 다른 예로, 현재 영상의 시간적 계층 식별자가 최상위 계층을 지시할 경우(예를 들어 4), 현재 영상에 대해 적응적 루프내 필터링 시, 블록 분류의 수행 없이 L개의 필터를 이용해서 현재 영상 내 복원/복호 샘플에 대해서 적응적 루프내 필터링을 수행할 수 있다. 여기서, L은 양의 정수이다.
또 다른 예로, 현재 영상의 시간적 계층 식별자가 최상위 계층을 지시할 경우(예를 들어 4), 하나의 필터 형태를 이용해서 적응적 루프내 필터링을 수행할 수 있다.
또 다른 예로, 현재 영상의 시간적 계층 식별자가 최상위 계층을 지시할 경우(예를 들어 4), 하나의 필터 탭 수를 이용해서 적응적 루프내 필터링을 수행할 수 있다.
또 다른 예로, 현재 영상의 시간적 계층 식별자가 최상위 계층을 지시할 경우(예를 들어 4), NxM 블록 크기 단위로 블록 분류 및 필터링 중 적어도 하나를 수행할 수 있다. 이때, N과 M은 양의 정수이고, 4일 수 있다.
한편, 현재 영상에 대해 적응적 루프내 필터링 시, 블록 분류의 수행 없이 L개의 필터를 이용해서 현재 영상 내 복원/복호 샘플에 대해서 적응적 루프내 필터링을 수행할 수 있다. 여기서, L은 양의 정수이다. 이때, 상기 시간적 계층 식별자에 관계 없이, 블록 분류를 수행하지 않고 L개의 필터를 이용해서 현재 영상 내 복원/복호 샘플에 대해 적응적 루프내 필터링을 수행할 수 있다.
한편, 현재 영상에 대해 적응적 루프내 필터링 시, 블록 분류의 수행 여부에 관계없이 L개의 필터를 이용해서 현재 영상 내 복원/복호 샘플에 대해서 적응적 루프내 필터링을 수행할 수 있다. 여기서, L은 양의 정수이다. 이때, 상기 시간적 계층 식별자 및 블록 분류의 수행 여부에 관계없이 L개의 필터를 이용해서 현재 영상 내 복원/복호 샘플에 대해 적응적 루프내 필터링을 수행할 수 있다.
한편, 하나의 필터 형태를 이용해서 적응적 루프내 필터링을 수행할 수 있다. 이때, 블록 분류를 수행하지 않고, 하나의 필터 형태를 이용해서 현재 영상 내 복원/복호 샘플에 대해 적응적 루프내 필터링을 수행할 수 있다. 또는, 블록 분류의 수행 여부에 관계없이 하나의 필터 형태를 이용해서 현재 영상 내 복원/복호 샘플에 대해 적응적 루프내 필터링을 수행할 수 있다.
한편, 하나의 필터 탭 수를 이용해서 적응적 루프내 필터링을 수행할 수 있다. 이때, 블록 분류를 수행하지 않고, 하나의 필터 탭 수를 이용해서 현재 영상 내 복원/복호 샘플에 대해 적응적 루프내 필터링을 수행할 수 있다. 또는, 블록 분류의 수행 여부에 관계없이 하나의 필터 탭 수를 이용해서 현재 영상 내 복원/복호 샘플에 대해 적응적 루프내 필터링을 수행할 수 있다.
한편, 상기 적응적 루프내 필터링은 특정 단위 별로 수행될 수 있다. 예를 들어, 상기 특정 단위는 픽처, 슬라이스, 타일, 타일 그룹, CTU, CTB, CU, PU, TU, CB, PB, TB, MxN 크기의 블록 중 적어도 하나의 단위일 수 있다. 여기서, M과 N은 양의 정수일 수 있고, 서로 같은 값을 가지거나 서로 다른 값을 가질 수 있다. 또한, M과 N 중 적어도 하나는 부호화기/복호화기에서 기정의된 값일 수 있고, 부호화기에서 복호화기로 시그널링되는 값일 수 있다.
한편, 도 39 내지 도 55는 부표본에 기반하여 가로, 세로, 제1 대각, 제2 대각 방향에 따른 기울기 값의 합을 결정하는 또 다른 예이다.
도 39 내지 도 55를 참조하면, 4x4 휘도 블록 단위에 필터링이 수행될 수 있다. 이때, 4x4 휘도 블록 단위로 서로 다른 필터 계수를 이용해서 필터링이 수행될 수 있다. 상기 4x4 휘도 블록을 분류하기 위해 서브샘플링된 라플라시안 연산이 수행될 수 있다. 또한, 필터링을 위한 필터 계수들은 각각의 4x4 휘도 블록마다 변경될 수 있다. 또한, 각각의 4x4 휘도 블록은 최대 25개의 클래스 중 하나로 분류될 수 있다. 또한, 4x4 휘도 블록의 필터 인덱스에 대응하는 분류 인덱스는 상기 블록의 방향성 및/또는 양자화된 활동성 값에 기반하여 유도될 수 있다. 여기서, 각각의 4x4 휘도 블록에 대한 방향성 및/또는 양자화된 활동성 값을 계산하기 위해, 수직, 수평, 제1 대각 및/또는 제2 대각 방향의 각 기울기 값의 합은 8x8 블록 범위 내 서브샘플링된 위치에서 계산된 1D 라플라시안 연산 결과를 합산함으로써 계산될 수 있다.
구체적으로, 도 39를 참조하면, 4x4 블록 분류의 경우, 부표본에 기반하여 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다(이하 “제1 방법”이라 한다). 여기서, V, H, D1, D2는 샘플 단위에서 세로(수직), 가로(수평), 제1 대각, 제2 대각 방향에 따른 각각의 1D 라플라시안 연산의 결과를 나타낸다. 즉, V, H, D1, D2 위치에서 각각의 가로, 세로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행될 수 있다. 또한, 1D 라플라시안 연산이 수행되는 위치가 서브샘플링될 수 있다. 도 39에서, 블록 분류 색인 C는 음영이 표시된 4x4 블록 단위로 할당될 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기보다 클 수 있다. 여기서, 가는 실선에 포함된 사각형은 각 복원 샘플 위치를 나타내고, 굵은 실선은 1D 라플라시안 연산의 합이 계산되는 범위를 나타낼 수 있다.
여기서, 도 40a 내지 도 40d는 상기 제1 방법에 의한 블록 분류의 부호화/복호화 과정을 나타내는 일 예이다. 또한, 도 41a 내지 도 41d는 상기 제1 방법에 의한 블록 분류의 부호화/복호화 과정을 나타내는 다른 예이다. 또한, 도 42a 내지 42d는 상기 제1 방법에 의한 블록 분류의 부호화/복호화 과정을 나타내는 또 다른 예이다.
도 43을 참조하면, 4x4 블록 분류의 경우, 부표본에 기반하여 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다(이하 “제2 방법”이라 한다). 여기서, V, H, D1, D2는 샘플 단위에서 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 1D 라플라시안 연산의 결과를 나타낸다. 즉, V, H, D1, D2 위치에서 각각의 가로, 세로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행될 수 있다. 또한, 1D 라플라시안 연산이 수행되는 위치가 서브샘플링될 수 있다. 도 43에서, 블록 분류 색인 C는 음영이 표시된 4x4 블록 단위로 할당될 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기보다 클 수 있다. 여기서, 가는 실선에 포함된 사각형은 각 복원 샘플 위치를 나타내고, 굵은 실선은 1D 라플라시안 연산의 합이 계산되는 범위를 나타낼 수 있다.
구체적으로, 제2 방법은 좌표 x 값 및 좌표 y 값이 모두 짝수이거나 혹은 좌표 x 값 및 좌표 y 값이 모두 홀수인 경우, 상기 (x,y) 위치에서 1D 라플라시안 연산이 수행되는 것을 의미할 수 있다. 만약, 좌표 x 값 및 좌표 y 값이 모두 짝수가 아니거나 혹은 좌표 x 값 및 좌표 y 값이 모두 홀수가 아닌 경우에는, 상기 (x,y) 위치에서의 1D 라플라시안 연산 결과는 0으로 할당될 수 있다. 즉, 좌표 x 값 및 좌표 y 값에 따라, 체커판(checkerboard) 패턴으로 1D 라플라시안 연산이 수행되는 것을 의미할 수 있다.
한편, 도 43을 참조하면, 상기 가로, 세로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행되는 위치가 같을 수 있다. 즉, 세로, 가로, 제1 대각 또는 제2 대각 방향에 관계없이 하나의(unified) 서브샘플링된 1D 라플라시안 연산 위치를 이용하여 상기 각 방향에 대한 1D 라플라시안 연산이 수행될 수 있다.
여기서, 도 44a 내지 도 44d는 상기 제2 방법에 의한 블록 분류의 부호화/복호화 과정을 나타내는 일 예이다. 또한, 도 45a 내지 도 45d는 상기 제2 방법에 의한 블록 분류의 부호화/복호화 과정을 나타내는 다른 예이다. 또한, 도 46a 내지 도 46d는 상기 제2 방법에 의한 블록 분류의 부호화/복호화 과정을 나타내는 또 다른 예이다. 또한, 도 47a 내지 도 47d는 상기 제2 방법에 의한 블록 분류의 부호화/복호화 과정을 나타내는 또 다른 예이다.
도 48을 참조하면, 4x4 블록 분류의 경우, 부표본에 기반하여 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다(이하 “제3 방법”이라 한다). 여기서, V, H, D1, D2는 샘플 단위에서 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 1D 라플라시안 연산의 결과를 나타낸다. 즉, V, H, D1, D2 위치에서 각각의 가로, 세로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행될 수 있다. 또한, 1D 라플라시안 연산이 수행되는 위치가 서브샘플링될 수 있다. 도 48에서, 블록 분류 색인 C는 음영이 표시된 4x4 블록 단위로 할당될 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기보다 클 수 있다. 여기서, 가는 실선에 포함된 사각형은 각 복원 샘플 위치를 나타내고, 굵은 실선은 1D 라플라시안 연산의 합이 계산되는 범위를 나타낼 수 있다.
구체적으로, 제3 방법은 좌표 x 값 및 좌표 y 값 중 하나가 짝수이고 다른 하나는 홀수인 경우, 상기 (x,y) 위치에서 1D 라플라시안 연산이 수행되는 것을 의미할 수 있다. 만약, 좌표 x 값 및 좌표 y 값이 모두 짝수이거나 혹은 좌표 x 값 및 좌표 y 값이 모두 홀수인 경우에는, 상기 (x,y) 위치에서의 1D 라플라시안 연산 결과는 0으로 할당될 수 있다. 즉, 좌표 x 값 및 좌표 y 값에 따라, 체커판(checkerboard) 패턴으로 1D 라플라시안 연산이 수행되는 것을 의미할 수 있다.
한편, 도 48을 참조하면, 상기 가로, 세로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행되는 위치가 같을 수 있다. 즉, 세로, 가로, 제1 대각 또는 제2 대각 방향에 관계없이 하나의(unified) 서브샘플링된 1D 라플라시안 연산 위치를 이용하여 상기 각 방향에 대한 1D 라플라시안 연산이 수행될 수 있다.
여기서, 도 49a 내지 도 49d는 상기 제3 방법에 의한 블록 분류의 부호화/복호화 과정을 나타내는 일 예이다. 또한, 도 50a 내지 도 50d는 상기 제3 방법에 의한 블록 분류의 부호화/복호화 과정을 나타내는 다른 예이다. 또한, 도 51a 내지 도 51d는 상기 제3 방법에 의한 블록 분류의 부호화/복호화 과정을 나타내는 또 다른 예이다.
도 52를 참조하면, 4x4 블록 분류의 경우, 부표본에 기반하여 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값의 합 gv, gh, gd1, gd2 들 중 적어도 하나를 계산할 수 있다(이하 “제4 방법”이라 한다). 여기서, V, H, D1, D2는 샘플 단위에서 세로, 가로, 제1 대각, 제2 대각 방향에 따른 각각의 1D 라플라시안 연산의 결과를 나타낸다. 즉, V, H, D1, D2 위치에서 각각의 가로, 세로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행될 수 있다. 또한, 1D 라플라시안 연산이 수행되는 위치가 서브샘플링될 수 있다. 도 52에서, 블록 분류 색인 C는 음영이 표시된 4x4 블록 단위로 할당될 수 있다. 이때, 1D 라플라시안 연산의 합이 계산되는 범위가 블록 분류 단위의 크기보다 클 수 있다. 여기서, 가는 실선에 포함된 사각형은 각 복원 샘플 위치를 나타내고, 굵은 실선은 1D 라플라시안 연산의 합이 계산되는 범위를 나타낼 수 있다.
구체적으로, 제4 방법은 가로 방향으로는 서브샘플링 하지 않고 세로 방향으로만 서브샘플링된 (x,y) 위치에서 1D 라플라시안 연산이 수행되는 것을 의미할 수 있다. 즉, 한 행씩 건너 뛰면서 1D 라플라시안 연산이 수행되는 것을 의미할 수 있다.
한편, 도 52를 참조하면, 상기 가로, 세로, 제1 대각, 제2 대각 방향에 따른 1D 라플라시안 연산이 수행되는 위치가 같을 수 있다. 즉, 세로, 가로, 제1 대각 또는 제2 대각 방향에 관계없이 하나의(unified) 서브샘플링된 1D 라플라시안 연산 위치를 이용하여 상기 각 방향에 대한 1D 라플라시안 연산이 수행될 수 있다.
여기서, 도 53a 내지 도 53d는 상기 제4 방법에 의한 블록 분류의 부호화/복호화 과정을 나타내는 일 예이다. 또한, 도 54a 내지 도 54d는 상기 제4 방법에 의한 블록 분류의 부호화/복호화 과정을 나타내는 다른 예이다. 또한, 도 55a 내지 도 55d는 상기 제4 방법에 의한 블록 분류의 부호화/복호화 과정을 나타내는 또 다른 예이다.
한편, 도 39 내지 도 55의 예를 통해 계산된 기울기 값을 이용하여 방향성 D 값 및 활동성 A 값을 양자화한 활동성 Aq 값 중 적어도 하나를 유도하는 나머지 과정은 전술하였던 루프내 필터링 과정과 유사할 수 있다.
한편, 상기 부표본에 기반하여 기울기 값을 계산하는 방법은 1D 라플라시안 연산의 합이 계산되는 범위 내 전체 샘플들이 아닌 1D 라플라시안 연산의 합이 계산되는 범위 내(예를 들어, 8x8 블록) 부표본된 샘플에 대해서 1D 라플라시안 연산이 수행되므로, 블록 분류 단계에 필요한 곱셈 연산, 쉬프트(shift) 연산, 덧셈 연산, 절대값 연산 등의 연산 수가 감소할 수 있다. 이로 인해 부호화기 및 복호화기의 계산 복잡도를 감소시킬 수 있다.
상기 제1 방법 내지 제4 방법에 의하면, 서브샘플링된 1D 라플라시안 연산에 기반한 4x4 블록 분류의 경우, 8x8 범위 내 서브샘플링된 위치에서 계산된 1D 라플라시안 연산 결과인 V, H, D1, D2는 수직, 수평, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값을 유도하기 위해 각 4x4 휘도 블록에 대해 합산된다. 따라서, 8x8 범위에서 상기 기울기 값 모두를 계산하기 위해, 720 + 240 번의 덧셈, 288 번의 비교, 144 번의 쉬프트가 요구된다.
한편, 종래의 루프내 필터링 방법에 의하면, 4x4 블록 분류의 경우, 8x8 범위 내 모든 위치에서 계산된 1D 라플라시안 연산 결과인 V, H, D1, D2는 수직, 수평, 제1 대각, 제2 대각 방향에 따른 각각의 기울기 값을 유도하기 위해 각 4x4 휘도 블록에 대해 합산된다. 따라서, 8x8 범위에서 상기 기울기 값 모두를 계산하기 위해, 1586 + 240 번의 덧셈, 576 번의 비교, 144 번의 쉬프트가 요구된다.
그리고, 상기 계산된 기울기 값을 이용하여 방향성 D 값 및 활동성 A 값을 양자화한 활동성 Aq 값을 유도하는 나머지 과정은 8 번의 덧셈, 28 번의 비교, 8 번의 곱셈, 20 번의 쉬프트가 요구된다.
따라서, 8x8 범위 내 상기 제1 방법 내지 제4 방법을 이용한 블록 분류 방법은 최종적으로 968 번의 덧셈, 316 번의 비교, 8 번의 곱셈, 164 번의 쉬프트가 요구된다. 또한, 샘플당 연산은 15.125 번의 덧셈, 4.9375 번의 비교, 0.125 번의 곱셈, 2.5625 번의 쉬프트가 요구된다.
반면, 8x8 범위 내 상기 종래의 루프내 필터링 방법을 이용한 블록 분류 방법은 최종적으로 1832 번의 덧셈, 604 번의 비교, 8 번의 곱셈, 164 번의 쉬프트가 요구된다. 또한, 샘플당 연산은 28.625 번의 덧셈, 9.4375 번의 비교, 0.125 번의 곱셈, 2.5625 번의 쉬프트가 요구된다.
따라서, 주어진 블록 크기(예를 들어, 8x8 범위)에 대한 계산 복잡도는, 상기 제1 방법 내지 제4 방법을 이용한 블록 분류 방법이 상기 종래의 루프내 필터링 방법을 이용한 블록 분류 방법에서의 총 연산과 비교하여 적어도 연산 수의 44.17%를 줄일 수 있다. 또한, 상기 제1 방법 내지 제4 방법을 이용한 블록 분류 방법이 상기 종래의 루프내 필터링 방법을 이용한 블록 분류 방법에서의 동작과 비교하여 적어도 동작 횟수의 17.02%를 줄일 수 있다.
본 발명에 따른 컴퓨터 판독가능한 기록 매체는 부호화 유닛을 블록 분류 단위로 분류하는 단계, 상기 부호화 유닛에 대한 필터 정보를 이용하여 상기 블록 분류 단위로 분류된 부호화 유닛을 필터링하는 단계 및 상기 필터 정보를 부호화하는 단계를 포함하는 영상 부호화 방법으로 생성된 비트스트림을 저장할 수 있다. 상기 블록 분류는 부호화 유닛 단위로 수행되는 것만 한정하는 것은 아니고, 슬라이스, 타일, 타일 그룹, 픽처, 시퀀스, CTU, 블록, CU, PU, TU 등의 단위에서 수행될 수 있다. 또한, 상기 필터링의 대상은 부호화 유닛으로 한정되는 것은 아니고, 슬라이스, 타일, 타일 그룹, 픽처, 시퀀스, CTU, 블록, CU, PU, TU 등에서 필터링이 수행될 수 있다. 또한, 상기 필터 정보는 부호화 유닛에 대해서만 한정되는 것은 아니고, 슬라이스, 타일, 타일 그룹, 픽처, 시퀀스, CTU, 블록, CU, PU, TU 등에 대한 필터 정보를 의미할 수 있다.
상기의 실시예들은 부호화기 및 복호화기에서 같은 방법으로 수행될 수 있다.
상기 실시예들 중 적어도 하나 혹은 적어도 하나의 조합을 이용해서 영상을 부호화/복호화할 수 있다.
상기 실시예를 적용하는 순서는 부호화기와 복호화기에서 상이할 수 있고, 상기 실시예를 적용하는 순서는 부호화기와 복호화기에서 동일할 수 있다.
휘도 및 색차 신호 각각에 대하여 상기 실시예를 수행할 수 있고, 휘도 및 색차 신호에 대한 상기 실시예를 동일하게 수행할 수 있다.
본 발명의 상기 실시예들이 적용되는 블록의 형태는 정방형(square) 형태 혹은 비정방형(non-square) 형태를 가질 수 있다.
본 발명의 상기 실시예들은 부호화 블록, 예측 블록, 변환 블록, 블록, 현재 블록, 부호화 유닛, 예측 유닛, 변환 유닛, 유닛, 현재 유닛 중 적어도 하나의 크기에 따라 적용될 수 있다. 여기서의 크기는 상기 실시예들이 적용되기 위해 최소 크기 및/또는 최대 크기로 정의될 수도 있고, 상기 실시예가 적용되는 고정 크기로 정의될 수도 있다. 또한, 상기 실시예들은 제1 크기에서는 제1의 실시예가 적용될 수도 있고, 제2 크기에서는 제2의 실시예가 적용될 수도 있다. 즉, 상시 실시예들은 크기에 따라 복합적으로 적용될 수 있다. 또한, 본 발명의 상기 실시예들은 최소 크기 이상 및 최대 크기 이하일 경우에만 적용될 수도 있다. 즉, 상기 실시예들을 블록 크기가 일정한 범위 내에 포함될 경우에만 적용될 수도 있다.
예를 들어, 현재 블록의 크기가 8x8 이상일 경우에만 상기 실시예들이 적용될 수 있다. 예를 들어, 현재 블록의 크기가 4x4일 경우에만 상기 실시예들이 적용될 수 있다. 예를 들어, 현재 블록의 크기가 16x16 이하일 경우에만 상기 실시예들이 적용될 수 있다. 예를 들어, 현재 블록의 크기가 16x16 이상이고 64x64 이하일 경우에만 상기 실시예들이 적용될 수 있다.
본 발명의 상기 실시예들은 시간적 계층(temporal layer)에 따라 적용될 수 있다. 상기 실시예들이 적용 가능한 시간적 계층을 식별하기 위해 별도의 식별자(identifier)가 시그널링되고, 해당 식별자에 의해 특정된 시간적 계층에 대해서 상기 실시예들이 적용될 수 있다. 여기서의 식별자는 상기 실시예가 적용 가능한 최하위 계층 및/또는 최상위 계층으로 정의될 수도 있고, 상기 실시예가 적용되는 특정 계층을 지시하는 것으로 정의될 수도 있다. 또한, 상기 실시예가 적용되는 고정된 시간적 계층이 정의될 수도 있다.
예를 들어, 현재 영상의 시간적 계층이 최하위 계층일 경우에만 상기 실시예들이 적용될 수 있다. 예를 들어, 현재 영상의 시간적 계층 식별자가 1 이상인 경우에만 상기 실시예들이 적용될 수 있다. 예를 들어, 현재 영상의 시간적 계층이 최상위 계층일 경우에만 상기 실시예들이 적용될 수 있다.
본 발명의 상기 실시예들이 적용되는 슬라이스 종류(slice type) 혹은 타일 그룹 타입이 정의되고, 해당 슬라이스 혹은 타일 그룹 타입 종류에 따라 본 발명의 상기 실시예들이 적용될 수 있다.
상술한 실시예들에서, 방법들은 일련의 단계 또는 유닛으로서 순서도를 기초로 설명되고 있으나, 본 발명은 단계들의 순서에 한정되는 것은 아니며, 어떤 단계는 상술한 바와 다른 단계와 다른 순서로 또는 동시에 발생할 수 있다. 또한, 당해 기술 분야에서 통상의 지식을 가진 자라면 순서도에 나타난 단계들이 배타적이지 않고, 다른 단계가 포함되거나, 순서도의 하나 또는 그 이상의 단계가 본 발명의 범위에 영향을 미치지 않고 삭제될 수 있음을 이해할 수 있을 것이다.
상술한 실시예는 다양한 양태의 예시들을 포함한다. 다양한 양태들을 나타내기 위한 모든 가능한 조합을 기술할 수는 없지만, 해당 기술 분야의 통상의 지식을 가진 자는 다른 조합이 가능함을 인식할 수 있을 것이다. 따라서, 본 발명은 이하의 특허청구범위 내에 속하는 모든 다른 교체, 수정 및 변경을 포함한다고 할 것이다.
이상 설명된 본 발명에 따른 실시예들은 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명이 상기 실시예들에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형을 꾀할 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등하게 또는 등가적으로 변형된 모든 것들은 본 발명의 사상의 범주에 속한다고 할 것이다.
Claims (20)
- 영상 복호화 방법에 있어서,
부호화 유닛에 대한 필터 정보를 복호화하는 단계;
상기 부호화 유닛을 블록 분류 단위로 분류하는 단계; 및
상기 필터 정보를 이용하여 상기 블록 분류 단위로 분류된 부호화 유닛을 필터링하는 단계를 포함하는 영상 복호화 방법. - 제1항에 있어서,
상기 블록 분류 단위로 분류된 부호화 유닛에 블록 분류 색인을 할당하는 단계를 더 포함하고,
상기 블록 분류 색인은 방향성 정보와 활동성 정보를 이용하여 결정되는 영상 복호화 방법. - 제2항에 있어서,
상기 방향성 정보 및 활동성 정보 중 적어도 하나는 세로, 가로, 제1 대각, 제2 대각 방향 중 적어도 하나에 대한 기울기(gradient) 값에 기반하여 결정되는 영상 복호화 방법. - 제3항에 있어서,
상기 기울기 값은 상기 블록 분류 단위에서의 1D 라플라시안 연산을 이용하여 획득되는 영상 복호화 방법. - 제4항에 있어서,
상기 1D 라플라시안 연산은 상기 연산의 수행 위치가 서브샘플링된 1D 라플라시안 연산인 영상 복호화 방법. - 제4항에 있어서,
상기 기울기 값은 시간적 계층 식별자(temporal layer identifier)에 기반하여 결정되는 영상 복호화 방법. - 제1항에 있어서,
상기 필터 정보는,
필터링 수행 여부, 필터 계수 값, 필터 개수, 필터 탭 수(필터 길이) 정보, 필터 형태 정보, 필터 종류 정보, 블록 분류 색인에 대한 고정된 필터 사용 여부 정보 및 필터의 대칭 형태에 관한 정보 중 적어도 하나를 포함하는 영상 복호화 방법. - 제7항에 있어서,
상기 필터 형태 정보는 마름모, 직사각형, 정사각형, 사다리꼴, 대각, 눈송이, 샵, 클로버, 십자가, 삼각형, 오각형, 육각형, 팔각형, 십각형 및 십이각형 형태 중 적어도 하나의 정보를 포함하는 영상 복호화 방법. - 제7항에 있어서,
상기 필터 계수 값은 상기 블록 분류 단위로 분류된 부호화 유닛에 기반하여 기하학적 변환된 필터 계수 값을 포함하는 영상 복호화 방법. - 제7항에 있어서,
필터의 대칭 형태에 관한 정보는 점 대칭, 가로 대칭, 세로 대칭 및 대각 대칭 형태 중 적어도 하나 이상의 정보를 포함하는 영상 복호화 방법. - 영상 부호화 방법에 있어서,
부호화 유닛을 블록 분류 단위로 분류하는 단계;
상기 부호화 유닛에 대한 필터 정보를 이용하여 상기 블록 분류 단위로 분류된 부호화 유닛을 필터링하는 단계; 및
상기 필터 정보를 부호화하는 단계를 포함하는 영상 부호화 방법. - 제11항에 있어서,
상기 블록 분류 단위로 분류된 부호화 유닛에 블록 분류 색인을 할당하는 단계를 더 포함하고,
상기 블록 분류 색인은 방향성 정보와 활동성 정보를 이용하여 결정되는 영상 부호화 방법. - 제12항에 있어서,
상기 방향성 정보 및 활동성 정보 중 적어도 하나는 세로, 가로, 제1 대각, 제2 대각 방향 중 적어도 하나에 대한 기울기(gradient) 값에 기반하여 결정되는 영상 부호화 방법. - 제13항에 있어서,
상기 기울기 값은 상기 블록 분류 단위에서의 1D 라플라시안 연산을 이용하여 획득되는 영상 부호화 방법. - 제14항에 있어서,
상기 1D 라플라시안 연산은 상기 연산의 수행 위치가 서브샘플링된 1D 라플라시안 연산인 영상 부호화 방법. - 제14항에 있어서,
상기 기울기 값은 시간적 계층 식별자(temporal layer identifier)에 기반하여 결정되는 영상 부호화 방법. - 제11항에 있어서,
상기 필터 정보는,
필터링 수행 여부, 필터 계수 값, 필터 개수, 필터 탭 수(필터 길이) 정보, 필터 형태 정보, 필터 종류 정보, 블록 분류 색인에 대한 고정된 필터 사용 여부 정보 및 필터의 대칭 형태에 관한 정보 중 적어도 하나를 포함하는 영상 부호화 방법. - 제17항에 있어서,
상기 필터 형태 정보는 마름모, 직사각형, 정사각형, 사다리꼴, 대각, 눈송이, 샵, 클로버, 십자가, 삼각형, 오각형, 육각형, 팔각형, 십각형 및 십이각형 형태 중 적어도 하나의 정보를 포함하는 영상 부호화 방법. - 제17항에 있어서,
상기 필터 계수 값은 상기 블록 분류 단위로 분류된 부호화 유닛에 기반하여 기하학적 변환된 필터 계수 값을 포함하는 영상 부호화 방법. - 부호화 유닛을 블록 분류 단위로 분류하는 단계;
상기 부호화 유닛에 대한 필터 정보를 이용하여 상기 블록 분류 단위로 분류된 부호화 유닛을 필터링하는 단계; 및
상기 필터 정보를 부호화하는 단계를 포함하는 영상 부호화 방법에 의해 생성된 비트스트림을 저장하는 컴퓨터 판독가능한 기록 매체.
Applications Claiming Priority (16)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20170162230 | 2017-11-29 | ||
| KR1020170162230 | 2017-11-29 | ||
| KR1020180068908 | 2018-06-15 | ||
| KR20180068908 | 2018-06-15 | ||
| KR1020180082117 | 2018-07-16 | ||
| KR20180082117 | 2018-07-16 | ||
| KR20180106849 | 2018-09-07 | ||
| KR1020180106849 | 2018-09-07 | ||
| KR20180114424 | 2018-09-21 | ||
| KR1020180114424 | 2018-09-21 | ||
| KR20180115327 | 2018-09-27 | ||
| KR1020180115327 | 2018-09-27 | ||
| KR20180118377 | 2018-10-04 | ||
| KR1020180118377 | 2018-10-04 | ||
| KR1020180129908 | 2018-10-29 | ||
| KR20180129908 | 2018-10-29 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190063452A true KR20190063452A (ko) | 2019-06-07 |
| KR102643115B1 KR102643115B1 (ko) | 2024-03-04 |
Family
ID=66664123
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180151413A KR102643115B1 (ko) | 2017-11-29 | 2018-11-29 | 루프내 필터링을 이용한 영상 부호화/복호화 방법 및 장치 |
Country Status (6)
| Country | Link |
|---|---|
| US (3) | US11290715B2 (ko) |
| EP (1) | EP3720129A4 (ko) |
| JP (2) | JP7330184B2 (ko) |
| KR (1) | KR102643115B1 (ko) |
| CN (5) | CN115802034A (ko) |
| WO (1) | WO2019107994A1 (ko) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020256491A1 (ko) * | 2019-06-19 | 2020-12-24 | 한국전자통신연구원 | 영상 부호화/복호화를 위한 방법, 장치 및 기록 매체 |
| WO2021118265A1 (ko) * | 2019-12-12 | 2021-06-17 | 엘지전자 주식회사 | 적응적 루프 필터를 적용하는 비디오 또는 영상 코딩 |
| WO2021145726A1 (ko) * | 2020-01-15 | 2021-07-22 | 엘지전자 주식회사 | 적응적 루프 필터링 기반 영상 코딩 장치 및 방법 |
| WO2021145728A1 (ko) * | 2020-01-15 | 2021-07-22 | 엘지전자 주식회사 | 인루프 필터링 기반 영상 코딩 장치 및 방법 |
| WO2021145725A1 (ko) * | 2020-01-15 | 2021-07-22 | 엘지전자 주식회사 | 필터링 관련 정보 시그널링 기반 영상 코딩 장치 및 방법 |
Families Citing this family (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3704858A1 (en) * | 2017-11-01 | 2020-09-09 | Vid Scale, Inc. | Methods for simplifying adaptive loop filter in video coding |
| CN110650349B (zh) * | 2018-06-26 | 2024-02-13 | 中兴通讯股份有限公司 | 一种图像编码方法、解码方法、编码器、解码器及存储介质 |
| WO2020131891A1 (en) * | 2018-12-17 | 2020-06-25 | Futurewei Technologies, Inc. | Harmonization of raster scan and rectangular tile groups in video coding |
| KR20210095138A (ko) | 2018-12-19 | 2021-07-30 | 엘지전자 주식회사 | 이차 변환에 기반한 영상 코딩 방법 및 그 장치 |
| WO2020141892A1 (ko) | 2019-01-01 | 2020-07-09 | 엘지전자 주식회사 | 이차 변환에 기반한 영상 코딩 방법 및 그 장치 |
| US11910024B2 (en) | 2019-03-11 | 2024-02-20 | Qualcomm Incorporated | Boundary handling for adaptive loop filtering |
| CN109862371A (zh) * | 2019-03-12 | 2019-06-07 | 北京大学深圳研究生院 | 一种基于帧内预测的编解码方法、装置及滤波器 |
| CN113632493A (zh) * | 2019-03-13 | 2021-11-09 | 北京字节跳动网络技术有限公司 | 变换跳过模式中的子块变换 |
| CN113994671B (zh) | 2019-06-14 | 2024-05-10 | 北京字节跳动网络技术有限公司 | 基于颜色格式处理视频单元边界和虚拟边界 |
| CN114424539A (zh) | 2019-06-14 | 2022-04-29 | 北京字节跳动网络技术有限公司 | 处理视频单元边界和虚拟边界 |
| US20220248006A1 (en) * | 2019-06-17 | 2022-08-04 | Electronics And Telecommunications Research Institute | Adaptive in-loop filtering method and apparatus |
| KR20220024020A (ko) * | 2019-06-25 | 2022-03-03 | 광동 오포 모바일 텔레커뮤니케이션즈 코포레이션 리미티드 | 모션 보상 처리 방법, 인코더, 디코더 및 저장 매체 |
| CN117478878A (zh) | 2019-07-09 | 2024-01-30 | 北京字节跳动网络技术有限公司 | 用于自适应环路滤波的样点确定 |
| JP7291845B2 (ja) | 2019-07-11 | 2023-06-15 | 北京字節跳動網絡技術有限公司 | 適応ループフィルタリングにおけるサンプルパディング |
| WO2021008546A1 (en) | 2019-07-15 | 2021-01-21 | Beijing Bytedance Network Technology Co., Ltd. | Accessing samples across video unit boundaries in adaptive loop filtering |
| CN114128284A (zh) | 2019-08-08 | 2022-03-01 | 松下电器（美国）知识产权公司 | 用于视频编码的系统和方法 |
| US11197030B2 (en) | 2019-08-08 | 2021-12-07 | Panasonic Intellectual Property Corporation Of America | System and method for video coding |
| US11140388B2 (en) * | 2019-09-06 | 2021-10-05 | Tencent America LLC | Method and apparatus for non-linear loop filtering |
| WO2021049593A1 (en) | 2019-09-11 | 2021-03-18 | Panasonic Intellectual Property Corporation Of America | System and method for video coding |
| KR20220061980A (ko) | 2019-09-22 | 2022-05-13 | 베이징 바이트댄스 네트워크 테크놀로지 컴퍼니, 리미티드 | 적응적 루프 필터링에서의 패딩 프로세스 |
| KR20220063177A (ko) | 2019-09-27 | 2022-05-17 | 베이징 바이트댄스 네트워크 테크놀로지 컴퍼니, 리미티드 | 상이한 비디오 유닛들 간의 적응적 루프 필터링 |
| JP7454042B2 (ja) | 2019-10-10 | 2024-03-21 | 北京字節跳動網絡技術有限公司 | 適応ループ・フィルタリングにおける利用可能でないサンプル位置でのパディング・プロセス |
| US11394967B2 (en) * | 2020-04-26 | 2022-07-19 | Tencent America LLC | Geometric cross-component filtering |
| US11546638B2 (en) * | 2020-12-08 | 2023-01-03 | Tencent America LLC | Method and apparatus for video filtering |
| US11818343B2 (en) | 2021-03-12 | 2023-11-14 | Tencent America LLC | Sample offset with predefined filters |
| CN113132740A (zh) * | 2021-03-25 | 2021-07-16 | 中山大学 | 基于自适应环路滤波重建帧的方法、系统及存储介质 |
| CN113422966B (zh) * | 2021-05-27 | 2024-05-24 | 绍兴市北大信息技术科创中心 | 一种多模型cnn环路滤波方法 |
| WO2022271635A1 (en) * | 2021-06-22 | 2022-12-29 | Beijing Dajia Internet Information Technology Co., Ltd. | Side window bilateral filtering for video coding |
| WO2024042098A1 (en) * | 2022-08-23 | 2024-02-29 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Encoding and decoding a picture using filtering blocks |
Family Cites Families (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6711211B1 (en) | 2000-05-08 | 2004-03-23 | Nokia Mobile Phones Ltd. | Method for encoding and decoding video information, a motion compensated video encoder and a corresponding decoder |
| US20100091127A1 (en) * | 2008-09-30 | 2010-04-15 | University Of Victoria Innovation And Development Corporation | Image reconstruction method for a gradient camera |
| US20120320973A1 (en) | 2010-03-09 | 2012-12-20 | Thomson Licensing | Methods and apparatus for a classification-based loop filter |
| KR101750046B1 (ko) * | 2010-04-05 | 2017-06-22 | 삼성전자주식회사 | 트리 구조에 따른 부호화 단위에 기반한 인루프 필터링을 수반하는 비디오 부호화 방법과 그 장치 및 복호화 방법과 그 장치 |
| JP2012065120A (ja) * | 2010-09-15 | 2012-03-29 | Sharp Corp | フィルタ係数設定装置、フィルタ係数設定方法、および、画像符号化装置 |
| KR102111917B1 (ko) | 2011-06-30 | 2020-05-18 | 미쓰비시덴키 가부시키가이샤 | 화상 부호화 장치, 화상 복호 장치, 화상 부호화 방법, 화상 복호 방법 및 기억 매체 |
| US9204171B1 (en) | 2011-09-28 | 2015-12-01 | Electronics And Telecommunications Research Institute | Method for encoding and decoding images based on constrained offset compensation and loop filter, and apparatus therefor |
| US9807403B2 (en) * | 2011-10-21 | 2017-10-31 | Qualcomm Incorporated | Adaptive loop filtering for chroma components |
| CN103096060B (zh) | 2011-11-08 | 2017-03-29 | 乐金电子(中国)研究开发中心有限公司 | 帧内图像预测编解码的自适应环路滤波方法及装置 |
| US9445088B2 (en) | 2012-04-09 | 2016-09-13 | Qualcomm Incorporated | LCU-based adaptive loop filtering for video coding |
| KR20140019221A (ko) | 2012-07-17 | 2014-02-14 | 한국전자통신연구원 | 인루프 필터링 방법 및 이를 이용하는 장치 |
| CN104813669B (zh) * | 2012-09-21 | 2018-05-22 | 诺基亚技术有限公司 | 用于视频编码的方法和装置 |
| US9819965B2 (en) | 2012-11-13 | 2017-11-14 | Intel Corporation | Content adaptive transform coding for next generation video |
| US10477232B2 (en) * | 2014-03-21 | 2019-11-12 | Qualcomm Incorporated | Search region determination for intra block copy in video coding |
| US10057574B2 (en) * | 2015-02-11 | 2018-08-21 | Qualcomm Incorporated | Coding tree unit (CTU) level adaptive loop filter (ALF) |
| US10455249B2 (en) * | 2015-03-20 | 2019-10-22 | Qualcomm Incorporated | Downsampling process for linear model prediction mode |
| US11405611B2 (en) * | 2016-02-15 | 2022-08-02 | Qualcomm Incorporated | Predicting filter coefficients from fixed filters for video coding |
| CN109155857B (zh) * | 2016-03-11 | 2023-05-30 | 数字洞察力有限公司 | 视频编码方法以及装置 |
| US10419755B2 (en) | 2016-05-16 | 2019-09-17 | Qualcomm Incorporated | Confusion of multiple filters in adaptive loop filtering in video coding |
| US10382781B2 (en) * | 2016-09-28 | 2019-08-13 | Qualcomm Incorporated | Interpolation filters for intra prediction in video coding |
| KR20230098714A (ko) * | 2016-09-30 | 2023-07-04 | 로즈데일 다이나믹스 엘엘씨 | 영상 처리 방법 및 이를 위한 장치 |
| US10708591B2 (en) * | 2017-03-20 | 2020-07-07 | Qualcomm Incorporated | Enhanced deblocking filtering design in video coding |
| US11418816B2 (en) * | 2017-09-20 | 2022-08-16 | Vid Scale, Inc. | Handling face discontinuities in 360-degree video coding |
-
2018
- 2018-11-29 KR KR1020180151413A patent/KR102643115B1/ko active IP Right Grant
- 2018-11-29 CN CN202211663804.0A patent/CN115802034A/zh active Pending
- 2018-11-29 US US16/768,634 patent/US11290715B2/en active Active
- 2018-11-29 CN CN202211734056.0A patent/CN116055748A/zh active Pending
- 2018-11-29 WO PCT/KR2018/015014 patent/WO2019107994A1/ko unknown
- 2018-11-29 JP JP2020529379A patent/JP7330184B2/ja active Active
- 2018-11-29 CN CN201880086848.7A patent/CN111615828B/zh active Active
- 2018-11-29 CN CN202211663655.8A patent/CN115955562A/zh active Pending
- 2018-11-29 EP EP18882727.3A patent/EP3720129A4/en active Pending
- 2018-11-29 CN CN202211663497.6A patent/CN115941941A/zh active Pending
-
2022
- 2022-02-21 US US17/676,698 patent/US11943436B2/en active Active
-
2023
- 2023-08-08 JP JP2023129198A patent/JP2023138676A/ja active Pending
- 2023-12-28 US US18/399,315 patent/US20240137507A1/en active Pending
Non-Patent Citations (1)
| Title |
|---|
| Lai p, et al. CE8 Subtest 1:Block-based filter adaptiation with features on subset of pixels, JCT-VC of ITU-T and ISO/IEC. JCTVC-F301, 2011-07-14* * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020256491A1 (ko) * | 2019-06-19 | 2020-12-24 | 한국전자통신연구원 | 영상 부호화/복호화를 위한 방법, 장치 및 기록 매체 |
| WO2021118265A1 (ko) * | 2019-12-12 | 2021-06-17 | 엘지전자 주식회사 | 적응적 루프 필터를 적용하는 비디오 또는 영상 코딩 |
| WO2021145726A1 (ko) * | 2020-01-15 | 2021-07-22 | 엘지전자 주식회사 | 적응적 루프 필터링 기반 영상 코딩 장치 및 방법 |
| WO2021145728A1 (ko) * | 2020-01-15 | 2021-07-22 | 엘지전자 주식회사 | 인루프 필터링 기반 영상 코딩 장치 및 방법 |
| WO2021145725A1 (ko) * | 2020-01-15 | 2021-07-22 | 엘지전자 주식회사 | 필터링 관련 정보 시그널링 기반 영상 코딩 장치 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20210218962A1 (en) | 2021-07-15 |
| JP7330184B2 (ja) | 2023-08-21 |
| US11943436B2 (en) | 2024-03-26 |
| CN115955562A (zh) | 2023-04-11 |
| KR102643115B1 (ko) | 2024-03-04 |
| JP2023138676A (ja) | 2023-10-02 |
| CN111615828A (zh) | 2020-09-01 |
| EP3720129A4 (en) | 2021-08-25 |
| CN116055748A (zh) | 2023-05-02 |
| US11290715B2 (en) | 2022-03-29 |
| WO2019107994A1 (ko) | 2019-06-06 |
| CN115802034A (zh) | 2023-03-14 |
| US20240137507A1 (en) | 2024-04-25 |
| JP2021505074A (ja) | 2021-02-15 |
| CN115941941A (zh) | 2023-04-07 |
| US20220295058A1 (en) | 2022-09-15 |
| CN111615828B (zh) | 2023-01-10 |
| EP3720129A1 (en) | 2020-10-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102643115B1 (ko) | 루프내 필터링을 이용한 영상 부호화/복호화 방법 및 장치 | |
| KR102595070B1 (ko) | 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체 | |
| KR102557090B1 (ko) | 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체 | |
| CN111149359B (zh) | 用于对图像进行编码/解码的方法和装置以及存储有比特流的记录介质 | |
| KR20230113261A (ko) | 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장한기록 매체 | |
| JP2022078048A (ja) | 画像復号方法及び画像符号化方法 | |
| KR20190043482A (ko) | 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체 | |
| KR20240035965A (ko) | 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체 | |
| KR20200144075A (ko) | 적응적 루프내 필터링 방법 및 장치 | |
| KR102654647B1 (ko) | 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체 | |
| KR20230170597A (ko) | 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장하는 기록 매체 | |
| KR20200045437A (ko) | 화면 내 예측에서 적응적으로 mpm 리스트를 구성하는 방법 및 장치 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |