WO2013065571A1 - 画像処理装置および画像処理方法 - Google Patents

画像処理装置および画像処理方法 Download PDF

Info

Publication number
WO2013065571A1
WO2013065571A1 PCT/JP2012/077582 JP2012077582W WO2013065571A1 WO 2013065571 A1 WO2013065571 A1 WO 2013065571A1 JP 2012077582 W JP2012077582 W JP 2012077582W WO 2013065571 A1 WO2013065571 A1 WO 2013065571A1
Authority
WO
WIPO (PCT)
Prior art keywords
unit
image
prediction
pixel
pixels
Prior art date
Application number
PCT/JP2012/077582
Other languages
English (en)
French (fr)
Inventor
健治 近藤
Original Assignee
ソニー株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ソニー株式会社 filed Critical ソニー株式会社
Publication of WO2013065571A1 publication Critical patent/WO2013065571A1/ja

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/523—Motion estimation or motion compensation with sub-pixel accuracy
    • 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
    • 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
    • H04N19/61—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding in combination with predictive coding

Definitions

  • the present technology relates to an image processing device and an image processing method, and in particular, an image processing device and an image processing method capable of generating a highly accurate predicted image when performing fractional motion compensation processing during inter prediction.
  • an image processing device and an image processing method capable of generating a highly accurate predicted image when performing fractional motion compensation processing during inter prediction.
  • H. 264 / MPEG Moving Picture Experts Group
  • AVC Part 10 Advanced Video Coding
  • inter prediction that focuses on the correlation between frames or fields is performed.
  • motion compensation processing is performed using a partial region in an encoded image, and a predicted image is generated.
  • a virtual fractional position pixel called Sub pel is set between adjacent pixels in the reference image, and processing to generate the Sub pel (hereinafter referred to as interpolation) is added.
  • interpolation processing to generate the Sub pel (hereinafter referred to as interpolation) is added.
  • FIR Finite Impulse ⁇ ⁇ ⁇ ⁇ ⁇ Response Filter
  • IF Interpolation filter
  • JCT-VC Joint Collaborative Team on Video Coding
  • an error (hereinafter referred to as a position error) occurs in the position of the corresponding pixel in the prediction block and the reference image. Therefore, even if the motion compensation processing accuracy is improved by performing the fractional motion compensation processing, if the prediction block is not moved in parallel, the accuracy of the high-frequency component of the predicted image deteriorates. The encoding efficiency deteriorates.
  • the present technology has been made in view of such a situation, and makes it possible to generate a highly accurate predicted image when performing fractional motion compensation processing during inter prediction.
  • An image processing device performs pixel filtering on a reference image in inter prediction with a first filter characteristic, so that pixels located outside of the pixels constituting the prediction image in inter prediction
  • An outer filter processing unit that generates an outer predicted pixel and a second filter characteristic that is different from the first filter characteristic with respect to the reference image. It is an image processing apparatus provided with the inner side filter process part which produces
  • the image processing method according to one aspect of the present technology corresponds to the image processing apparatus according to one aspect of the present technology.
  • the reference image in the inter prediction is a pixel located outside of the pixels constituting the prediction image in the inter prediction by performing filtering with the first filter characteristic.
  • An outer predicted pixel is generated, and the reference image is filtered with a second filter characteristic different from the first filter characteristic, thereby being located inside the pixels constituting the predicted image.
  • An inner predicted pixel that is a pixel is generated.
  • FIG. 2 is a block diagram illustrating a configuration example of an embodiment of an encoding device as an image processing device to which the present technology is applied.
  • the encoding device 10 in FIG. 2 compresses and encodes an input image.
  • the A / D conversion unit 11 of the encoding device 10 performs A / D conversion on an image in frame units input as an input signal, and outputs and stores the image in the screen rearrangement buffer 12.
  • the screen rearrangement buffer 12 rearranges the stored frame-by-frame images in the order of encoding in accordance with the GOP (Group of Picture) structure. Then, the screen rearrangement buffer 12 sequentially divides the rearranged image into a slice unit, an LCU (Largest Coding ⁇ Unit) unit, and a CU (Coding Unit) unit, and the arithmetic unit 13, the intra prediction unit 23, and the motion Output to the prediction unit 25.
  • the calculation unit 13 functions as a difference calculation unit, and calculates the difference between the predicted image supplied from the selection unit 26 and the encoding target image output from the screen rearrangement buffer 12. Specifically, the calculation unit 13 subtracts the predicted image supplied from the selection unit 26 from the encoding target image output from the screen rearrangement buffer 12. The calculation unit 13 outputs an image obtained as a result of the subtraction to the orthogonal transformation unit 14 as residual information. When the predicted image is not supplied from the selection unit 26, the calculation unit 13 outputs the image read from the screen rearrangement buffer 12 to the orthogonal transform unit 14 as residual information as it is.
  • the orthogonal transform unit 14 performs orthogonal transform such as discrete cosine transform and Karhunen-Loeve transform on the residual information from the operation unit 13 and supplies the resulting coefficient to the quantization unit 15.
  • the quantization unit 15 quantizes the coefficient supplied from the orthogonal transform unit 14.
  • the quantized coefficient is input to the lossless encoding unit 16.
  • the lossless encoding unit 16 acquires information indicating the optimal intra prediction mode (hereinafter referred to as intra prediction mode information) from the intra prediction unit 23, information indicating the optimal inter prediction mode (hereinafter referred to as inter prediction mode information), and prediction.
  • intra prediction mode information information indicating the optimal intra prediction mode
  • inter prediction mode information information indicating the optimal inter prediction mode
  • a difference vector (mvd) that is a difference between the motion vector of the block and the prediction vector is acquired from the inter prediction unit 24.
  • the lossless encoding unit 16 performs variable length encoding (for example, CAVLC (Context-Adaptive Variable Length Coding)), arithmetic encoding (for example, CABAC) on the quantized coefficients supplied from the quantization unit 15. (Context-Adaptive
  • variable length encoding for example, CAVLC (Context-Adaptive Variable Length Coding)
  • arithmetic encoding for example, CABAC
  • the lossless encoding unit 16 binarizes the absolute value of the difference vector with an exponential Golomb code.
  • the exponent Golomb code is composed of a prefix in which 0 continues for the number of bits of the suffix that is a data part, 1 as a separator, and a sequence of 0 or 1 as a suffix. Accordingly, the larger the number of bits of the absolute value of the difference vector, that is, the higher the resolution of the absolute value of the difference vector, the greater the code amount of the exponent Golomb code.
  • the lossless encoding unit 16 generates the absolute value of the binarized difference vector and the plus / minus code of the difference vector as difference vector information.
  • the lossless encoding unit 16 performs lossless encoding of intra prediction mode information, inter prediction mode information, difference vector information, and the like, and uses the resulting information as header information added to the compressed image.
  • the lossless encoding unit 16 supplies the compressed image to which the header information obtained as a result of the lossless encoding is added to the accumulation buffer 17 as image compression information, and accumulates it.
  • the accumulation buffer 17 temporarily stores the image compression information supplied from the lossless encoding unit 16 and outputs it to, for example, a recording device or a transmission path (not shown) in the subsequent stage.
  • the quantized coefficient output from the quantization unit 15 is also input to the inverse quantization unit 18, subjected to inverse quantization, and then supplied to the inverse orthogonal transform unit 19.
  • the inverse orthogonal transform unit 19 performs inverse orthogonal transform such as inverse discrete cosine transform and inverse Karhunen-Loeve transform on the coefficients supplied from the inverse quantization unit 18, and adds the residual information obtained as a result to the adder 20. To supply.
  • inverse orthogonal transform such as inverse discrete cosine transform and inverse Karhunen-Loeve transform
  • the addition unit 20 functions as an addition calculation unit, adds the residual information as a decoding target image supplied from the inverse orthogonal transform unit 19 and the prediction image supplied from the selection unit 26, and decodes locally. Get the image.
  • the addition part 20 makes the residual information supplied from the inverse orthogonal transformation part 19 the image decoded locally.
  • the adding unit 20 supplies the locally decoded image to the deblocking filter 21 and also supplies the image to the intra prediction unit 23 as a reference image.
  • the deblocking filter 21 removes block distortion by filtering the locally decoded image supplied from the adding unit 20.
  • the deblocking filter 21 supplies the image obtained as a result to the frame memory 22 and accumulates it.
  • the image stored in the frame memory 22 is output to the inter prediction unit 24 and the motion prediction unit 25 as a reference image.
  • the intra prediction unit 23 performs intra prediction of all candidate intra prediction modes based on the image read from the screen rearrangement buffer 12 and the reference image supplied from the addition unit 20, and obtains the predicted image. Generate.
  • the intra prediction unit 23 calculates cost function values (details will be described later) for all candidate intra prediction modes. Then, the intra prediction unit 23 determines the intra prediction mode that minimizes the cost function value as the optimal intra prediction mode. The intra prediction unit 23 supplies the prediction image generated in the optimal intra prediction mode and the corresponding cost function value to the selection unit 26. The intra prediction unit 23 supplies the intra prediction mode information to the lossless encoding unit 16 when the selection unit 26 is notified of selection of a predicted image generated in the optimal intra prediction mode.
  • the cost function value is also called RD (Rate Distortion) cost. It is calculated based on a technique of either High Complexity mode or Low Complexity mode as defined by JM (Joint Model) which is reference software in the H.264 / AVC format.
  • D is the difference (distortion) between the original image and the decoded image
  • R is the amount of generated code including up to the coefficient of orthogonal transform
  • ⁇ is the Lagrange multiplier given as a function of the quantization parameter QP.
  • D is the difference (distortion) between the original image and the decoded image
  • Header_Bit is the header bit for the prediction mode
  • QPtoQuant is a function given as a function of the quantization parameter QP.
  • the High Complexity mode is employed as a cost function value calculation method.
  • the inter prediction unit 24 reads the reference image from the frame memory 22 based on the inter prediction mode information and the motion vector supplied from the motion prediction unit 25.
  • the inter prediction unit 24 performs inter prediction processing based on the motion vector and the reference image read from the frame memory 22. Specifically, the inter prediction unit 24 performs fractional-precision motion compensation processing by interpolating the reference image based on the motion vector.
  • the inter prediction unit 24 supplies the prediction image generated as a result and the cost function value supplied from the motion prediction unit 25 to the selection unit 26.
  • the inter prediction mode is information indicating the size of the prediction block, the prediction direction, the reference index, and the coding mode.
  • forward prediction L0 prediction
  • backward prediction L1 prediction
  • bi-directional prediction bi-directional prediction using a reference image whose display time is earlier and a later reference image than an image to be subjected to inter prediction.
  • the reference index is a number for specifying a reference image, and for example, the reference index of an image that is closer to an image to be subjected to inter prediction has a smaller number.
  • the difference vector and residual information are set to 0, the skip mode in which the difference vector information and residual information are not transmitted, only the difference vector is set to 0, and the residual information is transmitted but the differential vector information is not transmitted.
  • the inter prediction unit 24 obtains a difference vector from the motion vector and the prediction vector.
  • the prediction vector (pmv) the motion vector having the smallest difference from the motion vector of the current prediction block among the motion vectors of the prediction block spatially close to the current prediction block or a prediction block at a temporally neighboring position Is adopted.
  • the inter prediction unit 24 outputs the obtained difference vector, inter prediction mode information, pmv selection information indicating the motion vector selected as the prediction vector, and the like to the lossless encoding unit 16.
  • the motion prediction unit 25 performs motion prediction processing for all candidate inter prediction modes based on the image supplied from the screen rearrangement buffer 12 and the reference image supplied from the frame memory 22, and has fractional accuracy. Generate motion vectors. Specifically, the motion prediction unit 25 performs interpolation on the reference image in the same manner as the inter prediction unit 24 for each inter prediction mode. Then, the motion prediction unit 25 performs matching between the interpolated reference image and the image supplied from the screen rearrangement buffer 12 for each inter prediction mode, and generates a fractional precision motion vector. In the present embodiment, it is assumed that Sub pel at a 1/2 pixel position is generated by interpolation, and the accuracy of the motion vector is 1/2 pixel accuracy.
  • the motion prediction unit 25 calculates cost function values for all candidate inter prediction modes, and determines the inter prediction mode that minimizes the cost function value as the optimal inter measurement mode. Then, the motion prediction unit 25 supplies the inter prediction mode information, the corresponding motion vector, and the cost function value to the inter prediction unit 24.
  • the selection unit 26 determines one of the optimal intra prediction mode and the optimal inter prediction mode as the optimal prediction mode based on the cost function values supplied from the intra prediction unit 23 and the inter prediction unit 24. Then, the selection unit 26 supplies the prediction image in the optimal prediction mode to the calculation unit 13 and the addition unit 20. In addition, the selection unit 26 notifies the intra prediction unit 23 or the inter prediction unit 24 of selection of the prediction image in the optimal prediction mode.
  • the rate control unit 27 controls the quantization operation rate of the quantization unit 15 based on the image compression information stored in the storage buffer 17 so that overflow or underflow does not occur.
  • FIG. 3 is a block diagram illustrating a first configuration example of the inter prediction unit 24 of FIG.
  • the inter prediction unit 24 includes a reference image reading unit 41, a pixel sorting unit 42, an outer FIR filter 43, an inner FIR filter 44, an outer filter coefficient memory 45, an inner filter coefficient memory 46, and a pixel selection unit. 47 and an intermediate result memory 48.
  • the reference image reading unit 41 of the inter prediction unit 24 is based on the reference index and the prediction direction in the inter prediction mode information supplied from the motion prediction unit 25 of FIG. Identify the reference image.
  • the reference image reading unit 41 uses reference frame pixels (hereinafter referred to as reference pixels) used to generate a prediction image based on the size of the prediction block and the integer value of the motion vector in the inter prediction mode information. Read from and hold temporarily.
  • the reference image reading unit 41 reads, for each pixel of the predicted image (hereinafter referred to as a predicted pixel), eight reference pixels used to generate the predicted pixel among the temporarily held reference pixels.
  • the reference image reading unit 41 supplies the read eight reference pixels to the pixel sorting unit 42.
  • the pixel distribution unit 42 sets the eight reference pixels supplied from the reference image reading unit 41 as eight generation pixels. Further, the pixel distribution unit 42 generates eight Sub pels corresponding to the generation target prediction pixels from the intermediate result memory 48 based on the fractional value of the motion vector supplied from the motion prediction unit 25. Read as a pixel.
  • the pixel sorting unit 42 supplies eight generation pixels to the outer FIR filter 43 or the inner FIR filter 44 according to the position of the generation target Sub-pel on the predicted image. Specifically, the pixel sorting unit 42, when the generation target Sub pel is a Sub pel whose position on the predicted image is outside or outside the predicted image (hereinafter, referred to as an outer Sub pel), The generation pixels are supplied to the outer FIR filter 43. On the other hand, when the generation target Sub pel is a Sub pel whose position on the predicted image is the inner side of the predicted image (hereinafter, referred to as an inner Sub pel), the pixel distribution unit 42 sets the eight generation pixels on the inner side. The FIR filter 44 is supplied.
  • the outer FIR filter 43 is a 2D filter and functions as an outer filter processing unit. Specifically, the outer FIR filter 43 filters the eight generation pixels supplied from the pixel sorting unit 42 using the outer filter coefficients supplied from the outer filter coefficient memory 45. . The outer FIR filter 43 supplies one pixel obtained as a result to the pixel selector 47.
  • the inner FIR filter 44 is a 2D filter and functions as an inner filter processing unit. Specifically, the inner FIR filter 44 filters the eight generation pixels supplied from the pixel sorting unit 42 using the inner filter coefficients supplied from the inner filter coefficient memory 46. . The inner FIR filter 44 supplies one pixel obtained as a result to the pixel selector 47.
  • the outer filter coefficient memory 45 stores the outer filter coefficient for the outer FIR filter 43 in association with the fractional value of the motion vector.
  • the outer filter coefficient is a filter coefficient for eight pixels that interpolates the low-frequency component of the pixel to be generated and reduces the high-frequency component.
  • the outer filter coefficients for each pixel corresponding to 1/4 as a fractional value of the motion vector are -1,2, -8,55,21, -8,4, -1
  • the outer filter coefficients for the corresponding pixels are -1,4, -11,40,40, -11,4, -1.
  • the outer filter coefficients for each pixel corresponding to 3/4 as a fractional value of the motion vector are -1,4, -8,21,55, -8,2, -1.
  • the outer filter coefficient memory 45 supplies the outer filter coefficient stored in association with the fractional value to the outer FIR filter 43 based on the fractional value of the motion vector supplied from the motion prediction unit 25.
  • the inner filter coefficient memory 46 stores inner filter coefficients for the inner FIR filter 44 in association with the fractional value of the motion vector.
  • the inner filter coefficient is a filter coefficient for eight pixels that interpolates a low frequency component and a high frequency component of a pixel to be generated.
  • the inner filter coefficients for each pixel corresponding to 1/4 as the fractional value of the motion vector are -1,4, -10,57,19, -7,3,1 and corresponds to 1/2
  • the inner filter coefficients for each pixel are -1,4, -11,40,40, -11,4, -1.
  • the inner filter coefficients for the pixels corresponding to 3/4 as the fractional value of the motion vector are 1,3, -7,19,57, -10,4, -1.
  • the inner filter coefficient memory 46 supplies the inner filter coefficient stored in association with the fractional value to the inner FIR filter 44 based on the fractional value of the motion vector supplied from the motion prediction unit 25.
  • the pixel selection unit 47 sets the pixel supplied from the outer FIR filter 43 or the inner FIR filter 44 as a predicted pixel to the selection unit 26 in FIG. Or output to the intermediate result memory 48.
  • the pixel selection unit 47 predicts a pixel supplied from the outer FIR filter 43 or the inner FIR filter 44 when the fractional value of at least one of the horizontal component and the vertical component of the motion vector is 0. To the selection unit 26. On the other hand, when the fractional values of both the horizontal component and the vertical component of the motion vector are not 0, the pixel selection unit 47 determines the sub-pel that is the pixel supplied from the outer FIR filter 43 or the inner FIR filter 44 as an intermediate The result memory 48 is supplied and held. As a result, in the outer FIR filter 43 or the inner FIR filter 44, the filtering is performed again by using the Sub pel held in the intermediate result memory 48. The pixel selection unit 47 outputs Sub pel obtained as a result to the selection unit 26 as a predicted pixel.
  • the intermediate result memory 48 holds the Sub pel supplied from the pixel selection unit 47.
  • the outer FIR filter 43 and the inner FIR filter 44 perform filtering with different filter coefficients as filter characteristics.
  • the predicted image sizes are 8 ⁇ 8 pixels, 16 ⁇ 16 pixels, 32 ⁇ 32 pixels, 8 ⁇ 4 pixels, 16 ⁇ 8 pixels, 32 ⁇ 16 pixels, 4 ⁇ 8 pixels, respectively. It is a figure which shows the area
  • a region with a narrow oblique line is an outer Sub-pel region, and a region with a wide oblique line is an inner Sub-pel region.
  • the outer Sub pel is a Sub pel located outside the predicted image
  • the inner Sub pel is a Sub pel located inside.
  • illustration is abbreviate
  • FIG. 13 and FIG. 14 are diagrams for explaining a prediction pixel generation method in the inter prediction unit 24 in FIG. 3.
  • a square represents a reference pixel used for generating a predicted pixel
  • a diamond represents a predicted pixel.
  • the size of the inter prediction block is 8 ⁇ 8 pixels
  • the positions of the prediction pixels in the horizontal direction and the vertical direction on the reference image are 1/2 pixel positions.
  • 4 ⁇ 7 Sub pels indicated by circles with wide oblique lines are defined as inner Sub pels.
  • the pixel distribution unit 42 supplies the eight reference pixels, which are supplied from the reference image reading unit 41 and are located four each on the left and right sides of the inner Sub-pel, to the inner FIR filter 44.
  • 4 ⁇ 7 inner Sub pels are generated and stored in the intermediate result memory 48.
  • the pixel sorting unit 42 sets the Sub-pel outside the region 61 and the Sub-pel outside the region 62 inside the region 61, which are indicated by circles with narrow diagonal lines in FIG. Then, the pixel distribution unit 42 supplies the eight reference pixels, which are provided by the reference image reading unit 41 and are located four each on the left and right sides of the outer side sub-pel, to the outer FIR filter 43. As a result, the outer Sub pel is generated and stored in the intermediate result memory 48.
  • the pixel sorting unit 42 sets the 8 ⁇ 4 predicted pixels in the inner region 63 in the vertical direction in the region 61 as the inner sub-pel. Then, the pixel distribution unit 42 supplies the eight Sub-pels, which are supplied from the intermediate result memory 48, four positions above and below the inner Sub-pel, to the inner FIR filter 44. As a result, 8 ⁇ 4 inner Sub-pels are generated and output as predicted pixels.
  • the pixel sorting unit 42 sets the predicted pixel outside the region 63 as the outer sub-pel. Then, the pixel sorting unit 42 supplies the eight Sub pels, which are supplied from the intermediate result memory 48, four positions above and below the outer Sub pel, to the outer FIR filter 43. As a result, an outer side Sub-pel is generated and output as a predicted pixel.
  • the prediction pixels indicated by the diamonds in FIG. 14 that are located in the inner region 64 in the horizontal direction and the vertical direction in the region 61 of the predicted image are horizontally converted by the inner FIR filter 44. It is generated by interpolating in the direction perpendicular to the direction.
  • the prediction pixel indicated by a black rhombus in FIG. 14 located outside the region 64 in the region 61 of the predicted image is subjected to at least one interpolation in the horizontal direction and the vertical direction by the outer FIR filter 43. It is generated by
  • the inner prediction FIR filter 44 when the horizontal position of the prediction pixel is a fractional position and the vertical position is an integer position, the inner prediction FIR filter 44 generates a prediction pixel whose inner position is in the horizontal direction. Then, the predicted pixel having the outer position in the horizontal direction is generated by the outer FIR filter 43. The same applies to the case where the vertical position of the prediction pixel is a fractional position and the horizontal position is an integer position.
  • FIGS. 15 and 16 are flowcharts for explaining the encoding process by the encoding apparatus 10 of FIG. This encoding process is performed, for example, every time an image in units of frames is input to the encoding device 10 as an input signal.
  • the A / D conversion unit 11 of the encoding device 10 performs A / D conversion on the frame unit image input as the input signal, and outputs and stores the image in the screen rearrangement buffer 12.
  • step S12 the screen rearrangement buffer 12 rearranges the stored frame images in the display order in the order for encoding according to the GOP structure.
  • the screen rearrangement buffer 12 sequentially divides the rearranged frame-unit image into slice units, LCUs, and CU units, and supplies them to the calculation unit 13, intra prediction unit 23, and motion prediction unit 25. Note that the processes in steps S13 to S31 below are performed in units of CUs, for example.
  • step S13 the intra prediction unit 23 performs intra prediction of all candidate intra prediction modes based on the image supplied from the screen rearrangement buffer 12 and the reference image supplied from the addition unit 20. A prediction image is generated. The intra prediction unit 23 calculates cost function values for all candidate intra prediction modes. Then, the intra prediction unit 23 determines the intra prediction mode that minimizes the cost function value as the optimal intra prediction mode. The intra prediction unit 23 supplies the prediction image generated in the optimal intra prediction mode and the corresponding cost function value to the selection unit 26.
  • step S ⁇ b> 14 the motion prediction unit 25 performs motion prediction processing in all candidate inter prediction modes on the image supplied from the screen rearrangement buffer 12 using the reference image supplied from the frame memory 22. To generate a fractional motion vector.
  • the motion prediction unit 25 calculates cost function values for all candidate inter prediction modes, and determines the inter prediction mode that minimizes the cost function value as the optimal inter measurement mode. Then, the motion prediction unit 25 supplies the inter prediction mode information, the corresponding motion vector, and the cost function value to the inter prediction unit 24.
  • step S15 the inter prediction unit 24 performs an inter prediction process in the optimal inter prediction mode based on the motion vector supplied from the motion prediction unit 25 and the inter prediction mode information. Details of the inter prediction process will be described with reference to FIGS. 17 and 18 to be described later.
  • the inter prediction unit 24 supplies the prediction image generated as a result of the inter prediction process and the cost function value supplied from the motion prediction unit 25 to the selection unit 26.
  • step S ⁇ b> 16 the selection unit 26 determines which one of the optimal intra prediction mode and the optimal inter prediction mode has the smallest cost function value based on the cost function values supplied from the intra prediction unit 23 and the inter prediction unit 24. The optimum prediction mode is determined. Then, the selection unit 26 supplies the prediction image in the optimal prediction mode to the calculation unit 13 and the addition unit 20.
  • step S17 the selection unit 26 determines whether or not the optimal prediction mode is the optimal inter prediction mode.
  • the selection unit 26 notifies the inter prediction unit 24 of selection of a prediction image generated in the optimal inter prediction mode.
  • step S18 the inter prediction unit 24 obtains a difference vector from the motion vector and the prediction vector.
  • the inter prediction unit 24 outputs the obtained difference vector, inter prediction mode information, and pmv selection information to the lossless encoding unit 16.
  • step S19 the lossless encoding unit 16 generates difference vector information from the difference vector supplied from the inter prediction unit 24, and losslessly encodes the inter prediction mode information, the difference vector information, and the pmv selection information.
  • the lossless encoding unit 16 uses the information obtained as a result as header information to be added to the compressed image, and proceeds to step S21.
  • step S17 when it is determined in step S17 that the optimal prediction mode is not the optimal inter prediction mode, that is, when the optimal prediction mode is the optimal intra prediction mode, the selection unit 26 selects the prediction image generated in the optimal intra prediction mode. The selection is notified to the intra prediction unit 23. Thereby, the intra prediction unit 23 supplies the intra prediction mode information to the lossless encoding unit 16.
  • step S20 the lossless encoding unit 16 losslessly encodes the intra prediction mode information supplied from the intra prediction unit 23, and uses the resulting information as header information added to the compressed image. Then, the process proceeds to step S21.
  • step S21 the calculation unit 13 subtracts the predicted image supplied from the selection unit 26 from the image supplied from the screen rearrangement buffer 12.
  • the calculation unit 13 outputs an image obtained as a result of the subtraction to the orthogonal transformation unit 14 as residual information.
  • step S ⁇ b> 22 the orthogonal transformation unit 14 performs orthogonal transformation on the residual information from the calculation unit 13 and supplies the coefficient obtained as a result to the quantization unit 15.
  • step S23 the quantization unit 15 quantizes the coefficient supplied from the orthogonal transform unit 14.
  • the quantized coefficient is input to the lossless encoding unit 16 and the inverse quantization unit 18.
  • step S24 the lossless encoding unit 16 losslessly encodes the quantized coefficient supplied from the quantization unit 15, and uses the resulting information as a compressed image. Then, the lossless encoding unit 16 adds the header information generated by the process of step S19 or S20 to the compressed image, and generates compressed image information.
  • step S25 in FIG. 16 the lossless encoding unit 16 supplies the image compression information to the accumulation buffer 17 and accumulates it.
  • step S26 the storage buffer 17 outputs the stored image compression information to, for example, a recording device or a transmission path (not shown) in the subsequent stage.
  • step S27 the inverse quantization unit 18 inversely quantizes the quantized coefficient supplied from the quantization unit 15.
  • step S28 the inverse orthogonal transform unit 19 performs inverse orthogonal transform on the coefficient supplied from the inverse quantization unit 18, and supplies the residual information obtained as a result to the addition unit 20.
  • step S29 the addition unit 20 adds the residual information supplied from the inverse orthogonal transform unit 19 and the predicted image supplied from the selection unit 26, and obtains a locally decoded image.
  • the adding unit 20 supplies the obtained image to the deblocking filter 21 and also supplies it to the intra prediction unit 23 as a reference image.
  • step S30 the deblocking filter 21 performs filtering on the locally decoded image supplied from the adding unit 20 to remove block distortion.
  • step S31 the deblocking filter 21 supplies the image after filtering to the frame memory 22 and accumulates it.
  • the image stored in the frame memory 22 is output to the inter prediction unit 24 and the motion prediction unit 25 as a reference image. Then, the process ends.
  • the intra prediction process and the motion compensation process are always performed. However, only one of them is actually performed depending on the picture type or the like. Sometimes it is done.
  • the difference vector information and the quantized coefficient are always losslessly encoded.
  • the lossless encoding may not be performed depending on the encoding mode. That is, in the skip mode, the difference vector information and the quantized coefficient are not losslessly encoded, and in the merge mode, the difference vector information is not losslessly encoded.
  • 17 and 18 are flowcharts illustrating details of a first example of the inter prediction process in step S15 of FIG.
  • step S50 of FIG. 17 the reference image reading unit 41 (FIG. 3) of the inter prediction unit 24 is based on the prediction direction and the reference index in the inter prediction mode information supplied from the motion prediction unit 25 of FIG. A reference image among the images stored in the frame memory 22 is specified.
  • step S51 the reference image reading unit 41 determines the size of the prediction image based on the size of the prediction block in the inter prediction mode information.
  • step S52 the reference image reading unit 41 reads, from the frame memory 22, the reference pixels used for generating the prediction image based on the integer value of the motion vector and the size of the prediction image in the inter prediction mode information. Hold on.
  • step S53 the reference image reading unit 41 determines a prediction pixel that has not yet been determined as a generation target prediction pixel in the process of step S53 among the prediction pixels constituting the prediction image as a generation target prediction pixel.
  • step S54 the reference image reading unit 41, on the reference image corresponding to the generation target prediction pixel, of the reference pixels held in step S52, based on the position of the generation target prediction pixel on the reference image.
  • Eight reference pixels used to generate a pixel whose horizontal or vertical position is an integer position (hereinafter referred to as a prediction-compatible pixel) are read out.
  • the reference image reading unit 41 supplies the read eight reference pixels to the pixel sorting unit 42.
  • the prediction corresponding pixel is a prediction pixel.
  • both the horizontal and vertical positions of the prediction pixel to be generated on the reference image are fractional positions, the prediction-compatible pixel has the same horizontal position as the prediction pixel used to generate the prediction pixel.
  • the vertical position is an integer position and has not been generated yet. Note that when there are a plurality of prediction corresponding pixels, the processes of steps S54 to S63 are performed for each prediction corresponding pixel.
  • the outer filter coefficient memory 45 is based on the fractional value of the component corresponding to the prediction corresponding pixel of the motion vector supplied from the motion prediction unit 25, and is stored in association with the fractional value.
  • the filter coefficient is read and supplied to the outer FIR filter 43.
  • the inner filter coefficient memory 46 reads the inner filter coefficient stored in association with the fractional value based on the fractional value of the component corresponding to the prediction corresponding pixel of the motion vector, and reads the inner FIR filter. 44.
  • the component corresponding to the prediction corresponding pixel is a component in the one direction.
  • both the horizontal and vertical positions on the reference image of the prediction pixel to be generated are integer positions or fractional positions
  • the component corresponding to the prediction corresponding pixel is a horizontal component.
  • step S56 the pixel sorting unit 42 determines the prediction corresponding pixel to be the outer Sub pel or the inner Sub pel based on the position of the prediction corresponding pixel on the prediction image.
  • step S57 the pixel sorting unit 42 determines whether or not the prediction-corresponding pixel is determined to be the outer side sub-pel in step S56. If it is determined in step S57 that the prediction-corresponding pixel has been determined to be the outer Sub pel, the pixel sorting unit 42 uses the eight reference pixels supplied from the reference image reading unit 41 as generation pixels to the outer FIR filter 43. Supply.
  • step S58 the outer FIR filter 43 applies the outer filter coefficients supplied from the outer filter coefficient memory 45 to the eight reference pixels as the generation pixels supplied from the pixel distributing unit 42. To perform filtering.
  • the outer FIR filter 43 supplies one prediction-corresponding pixel obtained as a result to the pixel selector 47, and the process proceeds to step S60.
  • step S57 if it is determined in step S57 that the prediction-corresponding pixel is not determined to be the outer Sub pel, that is, if the prediction-corresponding pixel is determined to be the inner Sub pel, the pixel distribution unit 42 is supplied from the reference image reading unit 41 The eight reference pixels are supplied to the inner FIR filter 44 as generation pixels.
  • step S59 the inner FIR filter 44 applies the inner filter coefficient supplied from the inner filter coefficient memory 46 to the reference pixels serving as the eight generation pixels supplied from the pixel distributing unit 42. To perform filtering.
  • the inner FIR filter 44 supplies one prediction-corresponding pixel obtained as a result to the pixel selector 47, and the process proceeds to step S60.
  • step S60 the pixel selection unit 47 determines whether the fractional values of both the horizontal component and the vertical component of the motion vector supplied from the motion prediction unit 25 are other than 0, that is, the horizontal direction of the prediction pixel on the reference image. Determine whether both vertical positions are fractional positions. When it is determined in step S60 that the fractional value of at least one of the horizontal and vertical components of the motion vector is 0, that is, at least one position in the horizontal and vertical directions of the prediction pixel on the reference image is an integer position. If so, the process proceeds to step S61.
  • step S61 the pixel selection unit 47 outputs the prediction corresponding pixel supplied from the outer FIR filter 43 or the inner FIR filter 44 to the selection unit 26 in FIG. 2 as a prediction pixel.
  • step S62 the reference image reading unit 41 determines whether all prediction pixels have been generated, that is, whether all prediction pixels constituting the prediction image have been determined as generation target prediction pixels in step S53. If it is determined in step S62 that not all prediction pixels have been generated yet, the process returns to step S53, and the processes in steps S53 to S62 are repeated until all prediction pixels are generated.
  • step S62 determines whether all predicted pixels have been generated. If it is determined in step S62 that all predicted pixels have been generated, the process returns to step S15 in FIG. 15 and proceeds to step S16.
  • step S60 If it is determined in step S60 that the fractional values of both the horizontal and vertical components of the motion vector are other than 0, that is, both the horizontal and vertical positions of the prediction pixel on the reference image are fractional positions. If there is, the process proceeds to step S63.
  • step S63 the pixel selection unit 47 supplies the Sub result pel as the prediction corresponding pixel supplied from the outer FIR filter 43 or the inner FIR filter 44 to the intermediate result memory 48 and holds it.
  • step S64 the reference image reading unit 41 determines whether all prediction corresponding pixels have been generated, that is, whether all prediction pixels constituting the prediction image have been determined as generation target prediction pixels in step S53. If it is determined in step S64 that not all prediction-corresponding pixels have been generated yet, the process returns to step S53, and steps S53 to S60, step S63, and step S64 are repeated until all prediction-corresponding pixels are generated. The process is repeated.
  • step S64 determines whether all prediction-corresponding pixels have been generated. If it is determined in step S64 that all prediction-corresponding pixels have been generated, the process proceeds to step S65 in FIG.
  • step S65 the reference image reading unit 41 determines a prediction pixel that has not yet been determined as a generation target prediction pixel in the process of step S65 among prediction pixels constituting the prediction image as a generation target prediction pixel.
  • step S66 the pixel sorting unit 42 reads out eight Sub-pels as generation pixels from the intermediate result memory 48 based on the position of the prediction pixel to be generated on the reference image.
  • step S 67 the outer filter coefficient memory 45 uses the outer FIR filter based on the filter coefficient stored in association with the fractional value based on the fractional value of the vertical component of the motion vector supplied from the motion prediction unit 25. 43. Similarly, based on the fractional value of the vertical component of the motion vector, the inside filter coefficient memory 46 supplies the filter coefficient stored in association with the fractional value to the inside FIR filter 44. *
  • step S68 the pixel sorting unit 42 determines the predicted pixel as the outer Sub pel or the inner Sub pel based on the position of the predicted pixel in the vertical direction on the predicted image.
  • steps S69 to S71 is the same as that of steps S57 to S59 of FIG. 17 except that the determination is performed on the prediction pixel instead of the prediction corresponding pixel and the filtering is performed on Sub pel instead of the reference pixel. Since it is the same as the process, the description is omitted.
  • step S72 the pixel selection unit 47 outputs Sub pel, which is a pixel supplied from the outer FIR filter 43 or the inner FIR filter 44, to the selection unit 26 as a predicted pixel.
  • step S73 the reference image reading unit 41 determines whether all prediction pixels have been generated, that is, whether all prediction pixels constituting the prediction image have been determined as generation target prediction pixels in step S65. If it is determined in step S73 that all predicted pixels have not yet been generated, the process returns to step S65, and the processes in steps S65 to S73 are repeated until all predicted pixels are generated.
  • step S73 determines whether all predicted pixels have been generated. If it is determined in step S73 that all predicted pixels have been generated, the process returns to step S15 in FIG. 15 and proceeds to step S16.
  • the encoding device 10 generates an outer prediction pixel using the outer filter coefficient and generates an inner prediction pixel using the inner filter coefficient during inter prediction. Therefore, the high frequency component of the outside predicted pixel having a large position error is reduced. As a result, a highly accurate predicted image can be generated.
  • a predicted image is generated using an affine transformation suitable as a transformation that performs rotation, reduction, and enlargement at the time of inter prediction, thereby reducing the above-described position error and generating a highly accurate predicted image. It is also possible to do. However, in this case, in addition to the difference vector, it is necessary to transmit the affine transformation parameters to the decoding device side, so that the coding efficiency deteriorates due to overhead. Further, the process of estimating the affine transformation parameters is more complicated than the conventional motion detection process, and therefore a processing load is applied.
  • FIG. 19 is a block diagram illustrating a configuration example of a decoding device as an image processing device to which the present technology is applied, which decodes the compressed image information output from the encoding device 10 of FIG. .
  • 19 includes an accumulation buffer 101, a lossless decoding unit 102, an inverse quantization unit 103, an inverse orthogonal transform unit 104, an addition unit 105, a deblock filter 106, a screen rearrangement buffer 107, and a D / A conversion unit. 108, a frame memory 109, an intra prediction unit 110, an inter prediction unit 111, and a switch 112.
  • the accumulation buffer 101 of the decoding apparatus 100 receives the image compression information from the encoding apparatus 10 of FIG. 2 and accumulates it.
  • the accumulation buffer 101 supplies the accumulated image compression information to the lossless decoding unit 102.
  • the lossless decoding unit 102 obtains quantized coefficients and headers by performing lossless decoding such as variable length decoding and arithmetic decoding on the compressed image information from the storage buffer 101.
  • the lossless decoding unit 102 supplies the quantized coefficients to the inverse quantization unit 103.
  • the lossless decoding unit 102 supplies intra prediction mode information included in the header to the intra prediction unit 110.
  • the lossless decoding unit 102 decomposes the difference vector information included in the header into a plus / minus code and an exponent Golomb code of the absolute value of the difference vector, and reverse-binarizes the exponent Golomb code to add the plus / minus code. By doing so, a difference vector is generated.
  • the lossless decoding unit 102 supplies the generated difference vector and pmv selection information and inter prediction mode information included in the header to the inter prediction unit 111. Further, the lossless decoding unit 102 supplies intra prediction mode information or inter prediction mode information included in the header to the switch 112.
  • the inverse quantization unit 103, the inverse orthogonal transform unit 104, the addition unit 105, the deblock filter 106, the frame memory 109, the intra prediction unit 110, and the inter prediction unit 111 are the same as the inverse quantization unit 18 and the inverse orthogonal transform in FIG.
  • the same processing as that of the unit 19, the adding unit 20, the deblocking filter 21, the frame memory 22, the intra prediction unit 23, and the inter prediction unit 24 is performed, whereby the image is decoded.
  • the inverse quantization unit 103 inversely quantizes the quantized coefficient from the lossless decoding unit 102 and supplies the coefficient obtained as a result to the inverse orthogonal transform unit 104.
  • the inverse orthogonal transform unit 104 performs inverse orthogonal transform such as inverse discrete cosine transform and inverse Karhunen-Loeve transform on the coefficient from the inverse quantization unit 103, and supplies the residual information obtained as a result to the addition unit 105 To do.
  • inverse orthogonal transform such as inverse discrete cosine transform and inverse Karhunen-Loeve transform
  • the addition unit 105 functions as an addition operation unit, and performs decoding by adding the residual information as the decoding target image supplied from the inverse orthogonal transform unit 104 and the predicted image supplied from the switch 112.
  • the adding unit 105 supplies the image obtained as a result to the deblocking filter 106 and also supplies it to the intra prediction unit 110 as a reference image.
  • the addition unit 105 supplies an image, which is residual information supplied from the inverse orthogonal transform unit 104, to the deblocking filter 106, and also to the intra prediction unit 110 as a reference image. Supply.
  • the deblock filter 106 removes block distortion by filtering the image supplied from the addition unit 105.
  • the deblocking filter 106 supplies the image obtained as a result to the frame memory 109, stores it, and supplies it to the screen rearrangement buffer 107.
  • the image stored in the frame memory 109 is supplied to the inter prediction unit 111 as a reference image.
  • the screen rearrangement buffer 107 stores the image supplied from the deblock filter 106 in units of frames.
  • the screen rearrangement buffer 107 rearranges the stored frame-by-frame images for encoding in the original display order and supplies them to the D / A conversion unit 108.
  • the D / A converter 108 D / A converts the frame unit image supplied from the screen rearrangement buffer 107 and outputs it as an output signal.
  • the intra prediction unit 110 performs intra prediction of the intra prediction mode represented by the intra prediction mode information supplied from the lossless decoding unit 102 using the reference image supplied from the addition unit 105, and generates a prediction image. Then, the intra prediction unit 110 supplies the predicted image to the switch 112.
  • the inter prediction unit 111 reads a motion vector represented by the pmv selection information supplied from the lossless decoding unit 102 among the motion vectors held as a prediction vector.
  • the inter prediction unit 111 generates a motion vector by adding the read prediction vector and the difference vector supplied from the lossless decoding unit 102.
  • the inter prediction unit 111 holds the generated motion vector.
  • the inter prediction unit 111 reads a reference image from the frame memory 109 based on the inter prediction mode information and the motion vector supplied from the lossless decoding unit 102, similarly to the inter prediction unit 24 in FIG.
  • the inter prediction unit 111 performs the same inter prediction process as the inter prediction unit 24 based on the motion vector and the reference image read from the frame memory 109.
  • the inter prediction unit 111 supplies the prediction image generated as a result to the switch 112.
  • the switch 112 supplies the prediction image supplied from the intra prediction unit 110 to the addition unit 105.
  • the prediction image supplied from the inter prediction unit 111 is supplied to the adding unit 105.
  • FIG. 20 is a flowchart for explaining a decoding process by the decoding device 100 of FIG. For example, this decoding process is performed every time frame-based image compression information is input to the decoding device 100.
  • step S101 of FIG. 20 the accumulation buffer 101 of the decoding device 100 receives and accumulates the frame-based image compression information from the encoding device 10 of FIG.
  • the accumulation buffer 101 supplies the accumulated image compression information to the lossless decoding unit 102. Note that the processes in steps S102 to S111 below are performed, for example, in units of CUs.
  • step S102 the lossless decoding unit 102 losslessly decodes the compressed image information from the accumulation buffer 101, and obtains quantized coefficients and headers.
  • the lossless decoding unit 102 supplies the quantized coefficients to the inverse quantization unit 103.
  • the lossless decoding unit 102 supplies intra prediction mode information included in the header to the intra prediction unit 110.
  • the lossless decoding unit 102 decomposes the difference vector information included in the header into a plus / minus code and an exponent Golomb code of the absolute value of the difference vector, and reverse-binarizes the exponent Golomb code to add the plus / minus code. By doing so, a difference vector is generated.
  • the lossless decoding unit 102 supplies the generated difference vector and pmv selection information and inter prediction mode information included in the header to the inter prediction unit 111. Further, the lossless decoding unit 102 supplies intra prediction mode information or inter prediction mode information included in the header to the switch 112.
  • step S103 the inverse quantization unit 103 inversely quantizes the quantized coefficient from the lossless decoding unit 102, and supplies the resulting coefficient to the inverse orthogonal transform unit 104.
  • step S ⁇ b> 104 the inverse orthogonal transform unit 104 performs inverse orthogonal transform on the coefficient from the inverse quantization unit 103, and supplies residual information obtained as a result to the addition unit 105.
  • step S105 the inter prediction unit 111 determines whether or not the difference vector, pmv selection information, and inter prediction mode information are supplied from the lossless decoding unit 102. If it is determined in step S105 that the difference vector, pmv selection information, and inter prediction mode information have been supplied, the inter prediction unit 111 predicts the motion vector represented by the pmv selection information from among the motion vectors that are held. Read as a vector. Then, the process proceeds to step S106.
  • step S106 the inter prediction unit 111 generates a motion vector by adding the prediction vector and the difference vector.
  • step S107 the inter prediction unit 111 performs the inter prediction process described in FIGS. 17 and 18 based on the motion vector generated in step S106 and the inter prediction mode information.
  • the inter prediction unit 111 supplies the prediction image generated as a result to the addition unit 105 via the switch 112, and the process proceeds to step S109.
  • step S105 if it is determined in step S105 that the difference vector, pmv selection information, and inter prediction mode information are not supplied, that is, if intra prediction mode information is supplied to the intra prediction unit 110, the process proceeds to step S108. .
  • step S108 the intra prediction unit 110 performs intra prediction of the intra prediction mode represented by the intra prediction mode information supplied from the lossless decoding unit 102, using the reference image supplied from the addition unit 105. Then, the intra prediction unit 110 supplies the prediction image generated as a result to the addition unit 105 via the switch 112, and the process proceeds to step S109.
  • step S109 the adding unit 105 adds the residual information supplied from the inverse orthogonal transform unit 104 and the prediction image supplied from the switch 112.
  • the adding unit 105 supplies the image obtained as a result to the deblocking filter 106 and also supplies it to the intra prediction unit 110 as a reference image.
  • step S110 the deblocking filter 106 performs filtering on the image supplied from the adding unit 105 to remove block distortion.
  • step S111 the deblocking filter 106 supplies the filtered image to the frame memory 109, stores it, and supplies it to the screen rearrangement buffer 107.
  • the image stored in the frame memory 109 is supplied to the inter prediction unit 111 as a reference image.
  • step S112 the screen rearrangement buffer 107 stores the image supplied from the deblocking filter 106 in units of frames, and rearranges the stored frame-by-frame images for encoding in the original display order. , And supplied to the D / A converter 108.
  • step S113 the D / A conversion unit 108 performs D / A conversion on the frame unit image supplied from the screen rearrangement buffer 107, and outputs it as an output signal.
  • the decoding device 100 generates an outer prediction pixel using the outer filter coefficient and generates an inner prediction pixel using the inner filter coefficient during inter prediction. Therefore, the high frequency component of the outside predicted pixel having a large position error is reduced. As a result, a highly accurate predicted image can be generated.
  • FIG. 21 is a block diagram illustrating a second configuration example of the inter prediction unit 24 in FIG.
  • the inter prediction unit 24 in FIG. 21 mainly includes a reference image reading unit 41, a pixel sorting unit 42, an outer FIR filter 43, an inner FIR filter 44, an outer filter coefficient memory 45, and an inner filter coefficient memory 46.
  • 3 is that a reference image reading unit 130, a pixel sorting unit 131, a 6-tap FIR filter 132, an 8-tap FIR filter 133, a 6-tap filter coefficient memory 134, and an 8-tap filter coefficient memory 135 are provided. Different from the configuration.
  • the inter prediction unit 24 in FIG. 21 performs filtering with different numbers of filter coefficients as filter characteristics on the outer prediction pixel and the inner prediction pixel.
  • the reference image reading unit 130 of the inter prediction unit 24 in FIG. 21 is an image stored in the frame memory 22 based on the reference index and the prediction direction, similarly to the reference image reading unit 41 in FIG. The reference image is identified. Similarly to the reference image reading unit 41, the reference image reading unit 130 reads reference pixels from the frame memory 22 based on the size of the prediction block and the integer value of the motion vector, and temporarily holds them.
  • the reference image reading unit 130 reads, for each prediction pixel, a reference pixel used for generating the prediction pixel among the reference pixels temporarily held. At this time, the reference image reading unit 41 reads the reference pixels so that the number of reference pixels used for generating the outer Sub pel is smaller than the number of reference pixels used for generating the inner Sub pel.
  • the number of reference pixels used for generating the outer Sub ⁇ pel is six, and the number of reference pixels used for generating the inner Sub pel is eight.
  • the reference image reading unit 130 supplies the read reference pixels to the pixel sorting unit 131.
  • the pixel distribution unit 131 uses the reference pixel supplied from the reference image reading unit 130 as a generation pixel, similarly to the pixel distribution unit 42 of FIG. Similarly to the pixel sorting unit 42, the pixel sorting unit 131 reads Sub pel corresponding to the generation target predicted pixel from the intermediate result memory 48 as a generation pixel based on the fractional value of the motion vector. At this time, the pixel sorting unit 131 reads the Sub-pels so that the number of Sub-pels used for generating the outer Sub-pels is smaller than the number of Sub-pels used for generating the inner Sub-pels.
  • the number of Sub pels used for generating the outer Sub pel is six, and the number of Sub pels used for generating the inner Sub pel is eight.
  • the pixel distribution unit 131 supplies the generation pixels to the 6-tap FIR filter 132 or the 8-tap FIR filter 133 according to the number of generation pixels. Specifically, the pixel distribution unit 131 supplies the generation pixel to the 6-tap FIR filter 132 when the number of generation pixels is 6, and generates the generation pixel when the number of generation pixels is 8. Pixels are supplied to an 8-tap FIR filter 133.
  • the 6-tap FIR filter 132 is a 2D filter and functions as an outer filter processing unit. Specifically, the 6-tap FIR filter 132 performs filtering using the 6 generation pixels supplied from the pixel sorting unit 131 and the 6-tap filter coefficients supplied from the 6-tap filter coefficient memory 134. The 6-tap FIR filter 132 supplies one pixel obtained as a result to the pixel selection unit 47.
  • the 8-tap FIR filter 133 is a 2D filter and functions as an inner filter processing unit. Specifically, the 8-tap FIR filter 133 performs filtering using the eight generation pixels supplied from the pixel sorting unit 131 and the 8-tap filter coefficient supplied from the 8-tap filter coefficient memory 135. The 8-tap FIR filter 133 supplies one pixel obtained as a result to the pixel selection unit 47.
  • the 6-tap filter coefficient memory 134 stores 6-tap filter coefficients for the 6-tap FIR filter 132 in association with the fractional value of the motion vector.
  • the 6-tap filter coefficient is a filter coefficient for interpolating one pixel using six pixels.
  • the 6-tap filter coefficient for each pixel corresponding to 1/4 as a fractional value of the motion vector is 1, -7,54,21, -7,2 and for each pixel corresponding to 1/2
  • the filter coefficients for 6 taps are 2, -9,39,39, -9,2.
  • the 6-tap filter coefficients for each pixel corresponding to 3/4 as the fractional value of the motion vector are 2, -7, 21, 54, -7, 1. Therefore, the filtering using the 6-tap filter coefficient interpolates the low frequency component of the pixel, but reduces the high frequency component.
  • the 6-tap filter coefficient memory 134 supplies the 6-tap FIR filter 132 with the 6-tap filter coefficient stored in association with the fractional value.
  • the 8-tap filter coefficient memory 135 stores 8-tap filter coefficients for the 8-tap FIR filter 133 in association with the fractional value of the motion vector.
  • the 8-tap filter coefficient is a filter coefficient for interpolating one pixel using eight pixels.
  • the 8-tap filter coefficients for each pixel corresponding to 1/4 as the fractional value of the motion vector are -1,4, -10,57,19, -7,3,1 and
  • the 8-tap filter coefficients for each corresponding pixel are -1,4, -11,40,40, -11,4, -1.
  • the 8-tap filter coefficients for each pixel corresponding to 3/4 as the fractional value of the motion vector are 1,3, -7,19,57, -10,4, -1.
  • the low-frequency component and the high-frequency component of the pixel are interpolated by filtering using the 8-tap filter coefficient.
  • the 8-tap filter coefficient memory 135 supplies the 8-tap FIR filter 133 with the 8-tap filter coefficient stored in association with the fractional value.
  • steps S134 to S144 are performed for each prediction-compatible pixel.
  • the reference image reading unit 130 determines the number of reference pixels used for generation of the prediction corresponding pixel to be 6 or 8 based on the position of the prediction corresponding pixel on the prediction image. Specifically, the reference image reading unit 130 determines the prediction corresponding pixel as the outer Sub pel or the inner Sub pel based on the position of the prediction corresponding pixel on the prediction image. Then, the reference image reading unit 130 determines the number of reference pixels of the prediction corresponding pixel that is the outer Sub ⁇ pel and determines the number of reference pixels of the prediction corresponding pixel that is the inner Sub pel to eight.
  • step S136 the reference image reading unit 130 determines, based on the number of reference pixels determined in step S135 and the position of the prediction pixel to be generated on the reference image, of the reference pixels held in step S133. A reference pixel used to generate a prediction-compatible pixel is read out. The reference image reading unit 130 supplies the read reference pixels to the pixel sorting unit 131.
  • step S137 the 6-tap filter coefficient memory 134 reads out the 6-tap filter coefficient stored in association with the fractional value based on the fractional value of the component corresponding to the motion vector prediction corresponding pixel. This is supplied to the FIR filter 132.
  • the 8-tap filter coefficient memory 135 reads out the 8-tap filter coefficient stored in association with the fractional value based on the fractional value of the component corresponding to the motion vector prediction-corresponding pixel, and outputs the 8-tap FIR. This is supplied to the filter 133.
  • step S138 the pixel sorting unit 131 determines whether the number of reference pixels supplied from the reference image reading unit 130 is six. If it is determined in step S138 that the number of reference pixels is 6, the pixel sorting unit 131 uses the 6 reference pixels supplied from the reference image reading unit 130 as 6 generation pixels as a 6-tap FIR filter. The process proceeds to step S139.
  • step S139 the pixel sorting unit 131 performs filtering using the six reference pixels supplied from the reference image reading unit 130 and the 6-tap filter coefficients supplied from the 6-tap filter coefficient memory 134.
  • the pixel distribution unit 131 supplies one prediction-corresponding pixel obtained as a result to the pixel selection unit 47, and the process proceeds to step S141.
  • step S138 determines eight reference pixels supplied from the reference image reading unit 130 as follows.
  • the eight generation pixels are supplied to the 8-tap FIR filter 133, and the process proceeds to step S140.
  • step S140 the pixel sorting unit 131 performs filtering using the eight reference pixels supplied from the reference image reading unit 130 and the 8-tap filter coefficient supplied from the 8-tap filter coefficient memory 135.
  • the pixel distribution unit 131 supplies one prediction-corresponding pixel obtained as a result to the pixel selection unit 47, and the process proceeds to step S141.
  • step S141 to S146 Since the processing from step S141 to S146 is the same as the processing from step S60 in FIG. 17 to step S65 in FIG. 18, the description thereof is omitted.
  • step S147 the pixel sorting unit 131 determines the number of Sub pels used for generating the prediction pixel to be read from the intermediate result memory 48 based on the vertical position of the prediction pixel on the prediction image as 6 or 8. To do. Specifically, the pixel sorting unit 131 determines a predicted pixel as an outer Sub pel or an inner Sub pel based on the position of the predicted pixel in the vertical direction on the predicted image. Then, the reference image reading unit 130 determines the number of Sub pels of the prediction pixels that are the outer Sub pels as 6, and determines the number of Sub pels of the prediction pixels that are the inner Sub pels as 8.
  • step S148 the pixel sorting unit 131 reads Sub pel as a generation pixel from the intermediate result memory 48 based on the number of Sub pels determined in step S147 and the position of the prediction pixel to be generated on the reference image. .
  • step S149 the 6-tap filter coefficient memory 134 reads out the 6-tap filter coefficient stored in association with the fractional value based on the fractional value of the vertical component of the motion vector, and supplies it to the 6-tap FIR filter 132. To do.
  • the 8-tap filter coefficient memory 135 reads the 8-tap filter coefficient stored in association with the fractional value and supplies it to the 8-tap FIR filter 133. . Then, the process proceeds to step S150.
  • steps S150 to S152 is the same as the processing of steps S138 to S140 in FIG. 22 except that the processing is performed on Sub-pel instead of the reference pixel, description thereof is omitted.
  • step S153 the pixel selection unit 47 outputs the Sub pel, which is a pixel supplied from the 6-tap FIR filter 132 or the 8-tap FIR filter 133, to the selection unit 26 as a prediction pixel.
  • step S154 the reference image reading unit 130 determines whether all prediction pixels have been generated, that is, whether all prediction pixels constituting the prediction image have been determined as generation target prediction pixels in step S146. If it is determined in step S154 that not all prediction pixels have been generated yet, the process returns to step S146, and the processes in steps S146 to S154 are repeated until all prediction pixels are generated.
  • step S154 determines whether all predicted pixels have been generated. If it is determined in step S154 that all predicted pixels have been generated, the process returns to step S15 in FIG. 15 and proceeds to step S16.
  • the inter prediction unit 24 in FIG. 21 generates an outer prediction pixel using a 6-tap filter coefficient and generates an inner prediction pixel using an 8-tap filter coefficient during inter prediction. Therefore, the high frequency component of the outside predicted pixel having a large position error is reduced. As a result, a highly accurate predicted image can be generated.
  • the inter prediction part 111 of the decoding apparatus 100 performs the process similar to the inter prediction part 24 of FIG.
  • Sub pel at 1/2 pixel position is generated by interpolation, but Sub pel at 1/4 pixel position or 1/8 pixel position is generated. Also good. In this case, the same processing as that at the time of generating Sub pel at the 1/2 pixel position is performed except that the filter coefficients are different.
  • the outer FIR filter 43, the inner FIR filter 44, the 6-tap FIR filter 132, and the 8-tap FIR filter 133 are configured by 2D filters (separable filters). You may make it comprise a type
  • the number of areas to be filtered with different filter characteristics is not limited to two. As the number increases, the accuracy of the predicted image improves, but the number of filter coefficients to be stored and the processing amount increase.
  • the prediction block when the prediction block is small, since the distance between the outer prediction pixel and the inner prediction pixel is short, the position error generated in the outer prediction pixel is small. Therefore, only when the prediction block is large, the filter characteristics of filtering when generating the outer prediction pixel and the inner prediction pixel may be different.
  • the above-described encoding process and decoding process can be performed by hardware or can be performed by software.
  • a program constituting the software is installed in a general-purpose computer or the like.
  • FIG. 24 shows a configuration example of an embodiment of a computer in which a program for executing the series of processes described above is installed.
  • the program can be recorded in advance in a storage unit 408 or a ROM (Read Only Memory) 402 as a recording medium built in the computer.
  • ROM Read Only Memory
  • the program can be stored (recorded) in the removable medium 411.
  • a removable medium 411 can be provided as so-called package software.
  • examples of the removable medium 411 include a flexible disk, a CD-ROM (Compact Disc Read Only Memory), an MO (Magneto Optical) disc, a DVD (Digital Versatile Disc), a magnetic disc, a semiconductor memory, and the like.
  • the program can be installed on the computer from the removable medium 411 as described above via the drive 410, or can be downloaded to the computer via a communication network or a broadcast network, and installed in the built-in storage unit 408. That is, the program is transferred from a download site to a computer wirelessly via a digital satellite broadcasting artificial satellite, or wired to a computer via a network such as a LAN (Local Area Network) or the Internet. be able to.
  • LAN Local Area Network
  • the computer has a CPU (Central Processing Unit) 401 built in, and an input / output interface 405 is connected to the CPU 401 via a bus 404.
  • CPU Central Processing Unit
  • the CPU 401 executes a program stored in the ROM 402 according to a command input by the user operating the input unit 406 via the input / output interface 405. Alternatively, the CPU 401 loads the program stored in the storage unit 408 into a RAM (Random Access Memory) 403 and executes it.
  • a RAM Random Access Memory
  • the CPU 401 performs processing according to the flowchart described above or processing performed by the configuration of the block diagram described above. Then, the CPU 401 causes the processing result to be output from the output unit 407 or transmitted from the communication unit 409 via the input / output interface 405, for example, and further recorded in the storage unit 408 as necessary.
  • the input unit 406 includes a keyboard, a mouse, a microphone, and the like.
  • the output unit 407 includes an LCD (Liquid Crystal Display), a speaker, and the like.
  • the processing performed by the computer according to the program does not necessarily have to be performed in chronological order in the order described as the flowchart. That is, the processing performed by the computer according to the program includes processing executed in parallel or individually (for example, parallel processing or object processing).
  • the program may be processed by one computer (processor), or may be distributedly processed by a plurality of computers. Furthermore, the program may be transferred to a remote computer and executed.
  • FIG. 25 is a block diagram illustrating a main configuration example of a television receiver using a decoding device to which the present technology is applied.
  • the television receiver 500 shown in FIG. 25 includes a terrestrial tuner 513, a video decoder 515, a video signal processing circuit 518, a graphic generation circuit 519, a panel drive circuit 520, and a display panel 521.
  • the terrestrial tuner 513 receives a broadcast wave signal of terrestrial analog broadcasting via an antenna, demodulates it, acquires a video signal, and supplies it to the video decoder 515.
  • the video decoder 515 performs a decoding process on the video signal supplied from the terrestrial tuner 513 and supplies the obtained digital component signal to the video signal processing circuit 518.
  • the video signal processing circuit 518 performs predetermined processing such as noise removal on the video data supplied from the video decoder 515, and supplies the obtained video data to the graphic generation circuit 519.
  • the graphic generation circuit 519 generates video data of a program to be displayed on the display panel 521, image data by processing based on an application supplied via a network, and the like, and generates the generated video data and image data in the panel drive circuit 520. Supply.
  • the graphic generation circuit 519 generates video data (graphic) for displaying a screen used by the user for selecting an item, and superimposes the video data on the video data of the program.
  • a process of supplying data to the panel drive circuit 520 is also performed as appropriate.
  • the panel drive circuit 520 drives the display panel 521 based on the data supplied from the graphic generation circuit 519, and causes the display panel 521 to display the video of the program and the various screens described above.
  • the display panel 521 is composed of an LCD (Liquid Crystal Display) or the like, and displays a video of a program or the like according to control by the panel drive circuit 520.
  • LCD Liquid Crystal Display
  • the television receiver 500 also includes an audio A / D (Analog / Digital) conversion circuit 514, an audio signal processing circuit 522, an echo cancellation / audio synthesis circuit 523, an audio amplification circuit 524, and a speaker 525.
  • an audio A / D (Analog / Digital) conversion circuit 514 An audio signal processing circuit 522, an echo cancellation / audio synthesis circuit 523, an audio amplification circuit 524, and a speaker 525.
  • the terrestrial tuner 513 acquires not only a video signal but also an audio signal by demodulating the received broadcast wave signal.
  • the terrestrial tuner 513 supplies the acquired audio signal to the audio A / D conversion circuit 514.
  • the audio A / D conversion circuit 514 performs A / D conversion processing on the audio signal supplied from the terrestrial tuner 513, and supplies the obtained digital audio signal to the audio signal processing circuit 522.
  • the audio signal processing circuit 522 performs predetermined processing such as noise removal on the audio data supplied from the audio A / D conversion circuit 514 and supplies the obtained audio data to the echo cancellation / audio synthesis circuit 523.
  • the echo cancellation / voice synthesis circuit 523 supplies the voice data supplied from the voice signal processing circuit 522 to the voice amplification circuit 524.
  • the audio amplification circuit 524 performs D / A conversion processing and amplification processing on the audio data supplied from the echo cancellation / audio synthesis circuit 523, adjusts to a predetermined volume, and then outputs the audio from the speaker 525.
  • the television receiver 500 also has a digital tuner 516 and an MPEG decoder 517. *
  • the digital tuner 516 receives a broadcast wave signal of digital broadcasting (terrestrial digital broadcasting, BS (Broadcasting Satellite) / CS (Communications Satellite) digital broadcasting) via an antenna, demodulates, and MPEG-TS (Moving Picture Experts Group). -Transport Stream) and supply it to the MPEG decoder 517.
  • digital broadcasting terrestrial digital broadcasting, BS (Broadcasting Satellite) / CS (Communications Satellite) digital broadcasting
  • MPEG-TS Motion Picture Experts Group
  • the MPEG decoder 517 releases the scramble applied to the MPEG-TS supplied from the digital tuner 516 and extracts a stream including program data to be played (viewing target).
  • the MPEG decoder 517 decodes the audio packet constituting the extracted stream, supplies the obtained audio data to the audio signal processing circuit 522, decodes the video packet constituting the stream, and converts the obtained video data into the video This is supplied to the signal processing circuit 518.
  • the MPEG decoder 517 supplies EPG (Electronic Program Guide) data extracted from MPEG-TS to the CPU 532 via a path (not shown).
  • the television receiver 500 uses the above-described decoding device 100 as the MPEG decoder 517 for decoding video packets in this way. Therefore, the MPEG decoder 517 can generate a highly accurate predicted image when performing fractional motion compensation processing during inter prediction, as in the case of the decoding device 100.
  • the video data supplied from the MPEG decoder 517 is subjected to predetermined processing in the video signal processing circuit 518 as in the case of the video data supplied from the video decoder 515. Then, the video data subjected to the predetermined processing is appropriately superimposed with the generated video data in the graphic generation circuit 519 and supplied to the display panel 521 via the panel drive circuit 520 to display the image. .
  • the audio data supplied from the MPEG decoder 517 is subjected to predetermined processing in the audio signal processing circuit 522 as in the case of the audio data supplied from the audio A / D conversion circuit 514. Then, the audio data that has been subjected to the predetermined processing is supplied to the audio amplifying circuit 524 via the echo cancellation / audio synthesizing circuit 523 and subjected to D / A conversion processing and amplification processing. As a result, sound adjusted to a predetermined volume is output from the speaker 525.
  • the television receiver 500 also includes a microphone 526 and an A / D conversion circuit 527.
  • the A / D conversion circuit 527 receives the user's voice signal captured by the microphone 526 provided in the television receiver 500 for voice conversation.
  • the A / D conversion circuit 527 performs A / D conversion processing on the received audio signal, and supplies the obtained digital audio data to the echo cancellation / audio synthesis circuit 523.
  • the echo cancellation / audio synthesis circuit 523 When the audio data of the user (user A) of the television receiver 500 is supplied from the A / D conversion circuit 527, the echo cancellation / audio synthesis circuit 523 performs echo cancellation on the audio data of the user A. . Then, the echo cancellation / voice synthesis circuit 523 outputs voice data obtained by synthesizing with other voice data after echo cancellation from the speaker 525 via the voice amplification circuit 524.
  • the television receiver 500 also includes an audio codec 528, an inner bus 529, an SDRAM (Synchronous Dynamic Random Access Memory) 530, a flash memory 531, a CPU 532, a USB (Universal Serial Bus) I / F 533, and a network I / F 534.
  • SDRAM Serial Dynamic Random Access Memory
  • USB Universal Serial Bus
  • the A / D conversion circuit 527 receives the user's voice signal captured by the microphone 526 provided in the television receiver 500 for voice conversation.
  • the A / D conversion circuit 527 performs A / D conversion processing on the received audio signal, and supplies the obtained digital audio data to the audio codec 528.
  • the audio codec 528 converts the audio data supplied from the A / D conversion circuit 527 into data of a predetermined format for transmission via the network, and supplies the data to the network I / F 534 via the inner bus 529.
  • the network I / F 534 is connected to the network via a cable attached to the network terminal 535.
  • the network I / F 534 transmits the audio data supplied from the audio codec 528 to another device connected to the network.
  • the network I / F 534 receives, for example, audio data transmitted from another device connected via the network via the network terminal 535, and sends it to the audio codec 528 via the inner bus 529. Supply.
  • the audio codec 528 converts the audio data supplied from the network I / F 534 into data of a predetermined format and supplies it to the echo cancellation / audio synthesis circuit 523.
  • the echo cancellation / speech synthesis circuit 523 performs echo cancellation on the speech data supplied from the speech codec 528 and synthesizes speech data obtained by synthesizing with other speech data via the speech amplification circuit 524. And output from the speaker 525.
  • the SDRAM 530 stores various data necessary for the CPU 532 to perform processing.
  • the flash memory 531 stores a program executed by the CPU 532.
  • the program stored in the flash memory 531 is read by the CPU 532 at a predetermined timing such as when the television receiver 500 is activated.
  • the flash memory 531 also stores EPG data acquired via digital broadcasting, data acquired from a predetermined server via a network, and the like.
  • the flash memory 531 stores MPEG-TS including content data acquired from a predetermined server via a network under the control of the CPU 532.
  • the flash memory 531 supplies the MPEG-TS to the MPEG decoder 517 via the inner bus 529 under the control of the CPU 532, for example.
  • the MPEG decoder 517 processes the MPEG-TS as in the case of the MPEG-TS supplied from the digital tuner 516. In this way, the television receiver 500 receives content data including video and audio via the network, decodes it using the MPEG decoder 517, displays the video, and outputs audio. Can do.
  • the television receiver 500 also includes a light receiving unit 537 that receives an infrared signal transmitted from the remote controller 551.
  • the light receiving unit 537 receives the infrared light from the remote controller 551 and outputs a control code representing the contents of the user operation obtained by demodulation to the CPU 532.
  • the CPU 532 executes a program stored in the flash memory 531 and controls the overall operation of the television receiver 500 in accordance with a control code supplied from the light receiving unit 537.
  • the CPU 532 and each part of the television receiver 500 are connected via a route (not shown).
  • the USB interface I / F 533 transmits / receives data to / from an external device of the television receiver 500 connected via a USB cable attached to the USB terminal 536.
  • the network I / F 534 is connected to the network via a cable attached to the network terminal 535, and also transmits / receives data other than audio data to / from various devices connected to the network.
  • the television receiver 500 uses the decoding device 100 as the MPEG decoder 517 to generate a highly accurate predicted image when performing fractional motion compensation processing during inter prediction.
  • FIG. 26 is a block diagram illustrating a main configuration example of a mobile phone using an encoding device and a decoding device to which the present technology is applied.
  • a cellular phone 600 shown in FIG. 26 includes a main control unit 650, a power supply circuit unit 651, an operation input control unit 652, an image encoder 653, a camera I / F unit 654, an LCD control, which are configured to control each unit in an integrated manner. 655, an image decoder 656, a demultiplexing unit 657, a recording / reproducing unit 662, a modulation / demodulation circuit unit 658, and an audio codec 659. These are connected to each other via a bus 660.
  • the mobile phone 600 includes an operation key 619, a CCD (Charge Coupled Devices) camera 616, a liquid crystal display 618, a storage unit 623, a transmission / reception circuit unit 663, an antenna 614, a microphone (microphone) 621, and a speaker 617.
  • CCD Charge Coupled Devices
  • the power supply circuit unit 651 starts up the mobile phone 600 in an operable state by supplying power from the battery pack to each unit.
  • the mobile phone 600 transmits / receives audio signals, transmits / receives e-mails and image data, and images in various modes such as a voice call mode and a data communication mode based on the control of the main control unit 650 including a CPU, ROM, RAM, and the like. Various operations such as shooting or data recording are performed.
  • the mobile phone 600 converts a voice signal collected by the microphone (microphone) 621 into digital voice data by the voice codec 659, performs spectrum spread processing by the modulation / demodulation circuit unit 658, and transmits and receives
  • the unit 663 performs digital / analog conversion processing and frequency conversion processing.
  • the cellular phone 600 transmits the transmission signal obtained by the conversion processing to a base station (not shown) via the antenna 614.
  • the transmission signal (voice signal) transmitted to the base station is supplied to the mobile phone of the other party via the public telephone line network.
  • the cellular phone 600 in the voice call mode, amplifies the received signal received by the antenna 614 by the transmission / reception circuit unit 663, further performs frequency conversion processing and analog-digital conversion processing, and performs spectrum despreading processing by the modulation / demodulation circuit unit 658. Then, the audio codec 659 converts it to an analog audio signal. The cellular phone 600 outputs an analog audio signal obtained by the conversion from the speaker 617.
  • the mobile phone 600 when transmitting an e-mail in the data communication mode, accepts text data of the e-mail input by operating the operation key 619 in the operation input control unit 652.
  • the cellular phone 600 processes the text data in the main control unit 650 and displays the text data on the liquid crystal display 618 via the LCD control unit 655 as an image.
  • the mobile phone 600 generates e-mail data in the main control unit 650 based on the text data received by the operation input control unit 652, user instructions, and the like.
  • the cellular phone 600 performs spread spectrum processing on the electronic mail data by the modulation / demodulation circuit unit 658 and digital / analog conversion processing and frequency conversion processing by the transmission / reception circuit unit 663.
  • the cellular phone 600 transmits the transmission signal obtained by the conversion processing to a base station (not shown) via the antenna 614.
  • the transmission signal (e-mail) transmitted to the base station is supplied to a predetermined destination via a network and a mail server.
  • the mobile phone 600 when receiving an e-mail in the data communication mode, receives and amplifies the signal transmitted from the base station by the transmission / reception circuit unit 663 via the antenna 614, and further performs frequency conversion processing and Analog-digital conversion processing.
  • the mobile phone 600 performs spectrum despreading processing on the received signal by the modulation / demodulation circuit unit 658 to restore the original e-mail data.
  • the cellular phone 600 displays the restored e-mail data on the liquid crystal display 618 via the LCD control unit 655.
  • the mobile phone 600 can record (store) the received electronic mail data in the storage unit 623 via the recording / playback unit 662.
  • the storage unit 623 is an arbitrary rewritable storage medium.
  • the storage unit 623 may be, for example, a semiconductor memory such as a RAM or a built-in flash memory, a hard disk, or a removable disk such as a magnetic disk, a magneto-optical disk, an optical disk, a USB memory, or a memory card. It may be media. Of course, other than these may be used.
  • the mobile phone 600 when transmitting image data in the data communication mode, the mobile phone 600 generates image data with the CCD camera 616 by imaging.
  • the CCD camera 616 includes an optical device such as a lens and a diaphragm and a CCD as a photoelectric conversion element, images a subject, converts the intensity of received light into an electrical signal, and generates image data of the subject image.
  • the image data is converted into encoded image data by compression encoding with a predetermined encoding method such as MPEG2 or MPEG4 by the image encoder 653 via the camera I / F unit 654.
  • the cellular phone 600 uses the above-described encoding device 10 as the image encoder 653 that performs such processing. Accordingly, the image encoder 653 can generate a highly accurate predicted image when performing fractional motion compensation processing during inter prediction, as in the case of the encoding device 10.
  • the cellular phone 600 simultaneously converts the audio collected by the microphone (microphone) 621 during imaging by the CCD camera 616 into an analog codec and further encodes it.
  • the cellular phone 600 multiplexes the encoded image data supplied from the image encoder 653 and the digital audio data supplied from the audio codec 659 in a demultiplexing unit 657 by a predetermined method.
  • the cellular phone 600 performs spread spectrum processing on the multiplexed data obtained as a result by the modulation / demodulation circuit unit 658 and digital / analog conversion processing and frequency conversion processing by the transmission / reception circuit unit 663.
  • the cellular phone 600 transmits the transmission signal obtained by the conversion processing to a base station (not shown) via the antenna 614.
  • a transmission signal (image data) transmitted to the base station is supplied to a communication partner via a network or the like.
  • the mobile phone 600 can display the image data generated by the CCD camera 616 on the liquid crystal display 618 via the LCD control unit 655 without using the image encoder 653.
  • the mobile phone 600 when receiving data of a moving image file linked to a simple homepage or the like, transmits a signal transmitted from the base station to the transmission / reception circuit unit 663 via the antenna 614. Receive, amplify, and further perform frequency conversion processing and analog-digital conversion processing. The mobile phone 600 performs spectrum despreading processing on the received signal by the modulation / demodulation circuit unit 658 to restore the original multiplexed data. In the cellular phone 600, the demultiplexing unit 657 separates the multiplexed data into coded image data and audio data.
  • the cellular phone 600 In the image decoder 656, the cellular phone 600 generates reproduction moving image data by decoding the encoded image data by a decoding method corresponding to a predetermined encoding method such as MPEG2 or MPEG4, and this is controlled by the LCD control.
  • the image is displayed on the liquid crystal display 618 via the unit 655.
  • the moving image data included in the moving image file linked to the simple homepage is displayed on the liquid crystal display 618.
  • the mobile phone 600 uses the above-described decoding device 100 as the image decoder 656 that performs such processing. Accordingly, the image decoder 656 can generate a highly accurate predicted image when performing fractional accuracy motion compensation processing during inter prediction, as in the case of the decoding device 100.
  • the cellular phone 600 simultaneously converts the digital audio data into an analog audio signal in the audio codec 659 and outputs it from the speaker 617. Thereby, for example, audio data included in the moving image file linked to the simple homepage is reproduced.
  • the mobile phone 600 can record (store) the data linked to the received simplified home page or the like in the storage unit 623 via the recording / playback unit 662. .
  • the mobile phone 600 can analyze the two-dimensional code obtained by the CCD camera 616 by the main control unit 650 and obtain information recorded in the two-dimensional code.
  • the mobile phone 600 can communicate with an external device by infrared rays at the infrared communication unit 681.
  • the mobile phone 600 uses the encoding device 10 as the image encoder 653 to generate a highly accurate predicted image when performing fractional motion compensation processing during inter prediction.
  • the mobile phone 600 can generate a highly accurate predicted image when performing the motion compensation process with fractional accuracy during inter prediction by using the decoding device 100 as the image decoder 656.
  • the mobile phone 600 uses the CCD camera 616.
  • an image sensor CMOS image sensor
  • CMOS Complementary Metal Oxide Semiconductor
  • the mobile phone 600 can capture an image of a subject and generate image data of the image of the subject, as in the case where the CCD camera 616 is used.
  • the mobile phone 600 has been described.
  • an imaging function similar to that of the mobile phone 600 such as a PDA (Personal Digital Assistant), a smartphone, an UMPC (Ultra Mobile Personal Computer), a netbook, a notebook personal computer, or the like.
  • the encoding device 10 and the decoding device 100 can be applied to any device as in the case of the mobile phone 600.
  • FIG. 27 is a block diagram illustrating a main configuration example of a hard disk recorder using an encoding device and a decoding device to which the present technology is applied.
  • a hard disk recorder 700 shown in FIG. 27 receives audio data and video data of a broadcast program included in a broadcast wave signal (television signal) transmitted from a satellite or a ground antenna received by a tuner.
  • This is an apparatus that stores in a built-in hard disk and provides the stored data to the user at a timing according to the user's instruction.
  • the hard disk recorder 700 can, for example, extract audio data and video data from broadcast wave signals, decode them as appropriate, and store them in a built-in hard disk.
  • the hard disk recorder 700 can also acquire audio data and video data from other devices via a network, for example, decode them as appropriate, and store them in a built-in hard disk.
  • the hard disk recorder 700 decodes audio data and video data recorded in a built-in hard disk, supplies the decoded data to the monitor 760, and displays the image on the screen of the monitor 760. Further, the hard disk recorder 700 can output the sound from the speaker of the monitor 760.
  • the hard disk recorder 700 decodes audio data and video data extracted from broadcast wave signals acquired via a tuner, or audio data and video data acquired from other devices via a network, and monitors 760. And the image is displayed on the screen of the monitor 760.
  • the hard disk recorder 700 can also output the sound from the speaker of the monitor 760.
  • the hard disk recorder 700 includes a receiving unit 721, a demodulating unit 722, a demultiplexer 723, an audio decoder 724, a video decoder 725, and a recorder control unit 726.
  • the hard disk recorder 700 further includes an EPG data memory 727, a program memory 728, a work memory 729, a display converter 730, an OSD (On Screen Display) control unit 731, a display control unit 732, a recording / playback unit 733, a D / A converter 734, And a communication unit 735.
  • the display converter 730 has a video encoder 741.
  • the recording / playback unit 733 includes an encoder 751 and a decoder 752.
  • the receiving unit 721 receives an infrared signal from a remote controller (not shown), converts it into an electrical signal, and outputs it to the recorder control unit 726.
  • the recorder control unit 726 is constituted by, for example, a microprocessor and executes various processes according to a program stored in the program memory 728. At this time, the recorder control unit 726 uses the work memory 729 as necessary.
  • the communication unit 735 is connected to the network and performs communication processing with other devices via the network.
  • the communication unit 735 is controlled by the recorder control unit 726, communicates with a tuner (not shown), and mainly outputs a channel selection control signal to the tuner.
  • the demodulator 722 demodulates the signal supplied from the tuner and outputs the demodulated signal to the demultiplexer 723.
  • the demultiplexer 723 separates the data supplied from the demodulation unit 722 into audio data, video data, and EPG data, and outputs them to the audio decoder 724, the video decoder 725, or the recorder control unit 726, respectively.
  • the audio decoder 724 decodes the input audio data by, for example, the MPEG system and outputs the decoded audio data to the recording / playback unit 733.
  • the video decoder 725 decodes the input video data using, for example, the MPEG system, and outputs the decoded video data to the display converter 730.
  • the recorder control unit 726 supplies the input EPG data to the EPG data memory 727 and stores it.
  • the display converter 730 encodes the video data supplied from the video decoder 725 or the recorder control unit 726 into, for example, NTSC (National Television Standards Committee) video data by the video encoder 741, and outputs the encoded video data to the recording / reproducing unit 733.
  • the display converter 730 converts the screen size of the video data supplied from the video decoder 725 or the recorder control unit 726 into a size corresponding to the size of the monitor 760.
  • the display converter 730 further converts the video data whose screen size has been converted into NTSC video data by the video encoder 741, converts the video data into an analog signal, and outputs the analog signal to the display control unit 732.
  • the display control unit 732 Under the control of the recorder control unit 726, the display control unit 732 superimposes the OSD signal output from the OSD (On Screen Display) control unit 731 on the video signal input from the display converter 730 and displays it on the monitor 760 display. Output and display.
  • OSD On Screen Display
  • the monitor 760 is also supplied with audio data output from the audio decoder 724 after being converted into an analog signal by the D / A converter 734.
  • the monitor 760 outputs this audio signal from a built-in speaker.
  • the recording / playback unit 733 includes a hard disk as a storage medium for recording video data, audio data, and the like.
  • the recording / playback unit 733 encodes the audio data supplied from the audio decoder 724 by the encoder 751 in the MPEG system. Further, the recording / reproducing unit 733 encodes the video data supplied from the video encoder 741 of the display converter 730 by the encoder 751 in the MPEG system. The recording / reproducing unit 733 combines the encoded data of the audio data and the encoded data of the video data with a multiplexer. The recording / reproducing unit 733 amplifies the synthesized data by channel coding and writes the data to the hard disk via the recording head.
  • the recording / reproducing unit 733 reproduces the data recorded on the hard disk via the reproducing head, amplifies it, and separates it into audio data and video data by a demultiplexer.
  • the recording / playback unit 733 uses the decoder 752 to decode the audio data and video data using the MPEG method.
  • the recording / playback unit 733 performs D / A conversion on the decoded audio data, and outputs it to the speaker of the monitor 760.
  • the recording / playback unit 733 performs D / A conversion on the decoded video data and outputs it to the display of the monitor 760.
  • the recorder control unit 726 reads the latest EPG data from the EPG data memory 727 based on the user instruction indicated by the infrared signal from the remote controller received via the receiving unit 721, and supplies it to the OSD control unit 731. To do.
  • the OSD control unit 731 generates image data corresponding to the input EPG data and outputs the image data to the display control unit 732.
  • the display control unit 732 outputs the video data input from the OSD control unit 731 to the display of the monitor 760 for display. As a result, an EPG (electronic program guide) is displayed on the display of the monitor 760.
  • the hard disk recorder 700 can acquire various data such as video data, audio data, or EPG data supplied from other devices via a network such as the Internet.
  • the communication unit 735 is controlled by the recorder control unit 726, acquires encoded data such as video data, audio data, and EPG data transmitted from another device via the network, and supplies the encoded data to the recorder control unit 726. To do.
  • the recorder control unit 726 supplies the acquired encoded data of video data and audio data to the recording / reproducing unit 733 and stores the data in the hard disk.
  • the recorder control unit 726 and the recording / reproducing unit 733 may perform processing such as re-encoding as necessary.
  • the recorder control unit 726 decodes the obtained encoded data of video data and audio data, and supplies the obtained video data to the display converter 730.
  • the display converter 730 processes the video data supplied from the recorder control unit 726 in the same manner as the video data supplied from the video decoder 725, supplies the processed video data to the monitor 760 via the display control unit 732, and displays the image. .
  • the recorder control unit 726 may supply the decoded audio data to the monitor 760 via the D / A converter 734 and output the sound from the speaker.
  • the recorder control unit 726 decodes the encoded data of the acquired EPG data and supplies the decoded EPG data to the EPG data memory 727.
  • the hard disk recorder 700 as described above uses the decoding device 100 as a decoder incorporated in the video decoder 725, the decoder 752, and the recorder control unit 726. Therefore, the video decoder 725, the decoder 752, and the decoder built in the recorder control unit 726, as with the decoding device 100, perform a high-precision prediction image when performing fractional-precision motion compensation processing during inter prediction. Can be generated.
  • the hard disk recorder 700 uses the encoding device 10 as the encoder 751. Therefore, the encoder 751 can generate a highly accurate predicted image when performing fractional motion compensation processing during inter prediction, as in the case of the encoding device 10.
  • the hard disk recorder 700 that records video data and audio data on the hard disk has been described.
  • any recording medium may be used.
  • the encoding device 10 and the decoding device 100 can be applied as in the case of the hard disk recorder 700 described above. .
  • FIG. 28 is a block diagram illustrating a main configuration example of a camera using an encoding device and a decoding device to which the present technology is applied.
  • the camera 800 shown in FIG. 28 images a subject and displays an image of the subject on the LCD 816 or records it on the recording medium 833 as image data.
  • the lens block 811 causes light (that is, an image of the subject) to enter the CCD / CMOS 812.
  • the CCD / CMOS 812 is an image sensor using CCD or CMOS, converts the intensity of received light into an electric signal, and supplies it to the camera signal processing unit 813.
  • the camera signal processing unit 813 converts the electrical signal supplied from the CCD / CMOS 812 into Y, Cr, and Cb color difference signals and supplies them to the image signal processing unit 814.
  • the image signal processing unit 814 performs predetermined image processing on the image signal supplied from the camera signal processing unit 813 under the control of the controller 821, and encodes the image signal by the encoder 841 using, for example, the MPEG method. To do.
  • the image signal processing unit 814 supplies encoded data generated by encoding the image signal to the decoder 815. Further, the image signal processing unit 814 acquires display data generated in the on-screen display (OSD) 820 and supplies it to the decoder 815.
  • OSD on-screen display
  • the camera signal processing unit 813 appropriately uses a DRAM (Dynamic Random Access Memory) 818 connected via the bus 817, and appropriately encodes image data and a code obtained by encoding the image data.
  • the digitized data is held in the DRAM 818.
  • the decoder 815 decodes the encoded data supplied from the image signal processing unit 814 and supplies the obtained image data (decoded image data) to the LCD 816. Also, the decoder 815 supplies the display data supplied from the image signal processing unit 814 to the LCD 816. The LCD 816 appropriately synthesizes the image of the decoded image data supplied from the decoder 815 and the image of the display data, and displays the synthesized image.
  • the on-screen display 820 outputs display data such as menu screens and icons made up of symbols, characters, or figures to the image signal processing unit 814 via the bus 817 under the control of the controller 821.
  • the controller 821 executes various processes based on a signal indicating the content instructed by the user using the operation unit 822, and also via the bus 817, an image signal processing unit 814, a DRAM 818, an external interface 819, an on-screen display. 820, media drive 823, and the like are controlled.
  • the FLASH ROM 824 stores programs and data necessary for the controller 821 to execute various processes.
  • the controller 821 can encode the image data stored in the DRAM 818 or decode the encoded data stored in the DRAM 818 instead of the image signal processing unit 814 or the decoder 815.
  • the controller 821 may perform encoding / decoding processing by a method similar to the encoding / decoding method of the image signal processing unit 814 or the decoder 815, or the image signal processing unit 814 or the decoder 815 is compatible.
  • the encoding / decoding process may be performed by a method that is not performed.
  • the controller 821 reads image data from the DRAM 818 and supplies it to the printer 834 connected to the external interface 819 via the bus 817. Let it print.
  • the controller 821 reads the encoded data from the DRAM 818 and supplies it to the recording medium 833 attached to the media drive 823 via the bus 817.
  • the recording medium 833 is an arbitrary readable / writable removable medium such as a magnetic disk, a magneto-optical disk, an optical disk, or a semiconductor memory.
  • the recording medium 833 may be of any kind as a removable medium, and may be a tape device, a disk, or a memory card.
  • a non-contact IC card or the like may be used.
  • the media drive 823 and the recording medium 833 may be integrated and configured by a non-portable storage medium such as a built-in hard disk drive or SSD (Solid State Drive).
  • a non-portable storage medium such as a built-in hard disk drive or SSD (Solid State Drive).
  • the external interface 819 is composed of, for example, a USB input / output terminal or the like, and is connected to the printer 834 when printing an image.
  • a drive 831 is connected to the external interface 819 as necessary, and a removable medium 832 such as a magnetic disk, an optical disk, or a magneto-optical disk is appropriately mounted, and a computer program read from these is loaded as necessary. And installed in FLASH ROM 824.
  • the external interface 819 has a network interface connected to a predetermined network such as a LAN or the Internet.
  • the controller 821 can read the encoded data from the DRAM 818 in accordance with an instruction from the operation unit 822, and can supply the encoded data from the external interface 819 to another device connected via the network. Also, the controller 821 acquires encoded data and image data supplied from other devices via the network via the external interface 819 and holds them in the DRAM 818 or supplies them to the image signal processing unit 814. Can be.
  • the camera 800 as described above uses the decoding device 100 as the decoder 815. Therefore, as in the case of the decoding device 100, the decoder 815 can generate a highly accurate predicted image when performing fractional motion compensation processing during inter prediction.
  • the camera 800 uses the encoding device 10 as the encoder 841. Accordingly, the encoder 841 can generate a highly accurate predicted image when performing fractional accuracy motion compensation processing during inter prediction, as in the case of the encoding device 10.
  • the decoding method of the decoding device 100 may be applied to the decoding process performed by the controller 821.
  • the encoding method of the encoding device 10 may be applied to the encoding process performed by the controller 821.
  • the image data captured by the camera 800 may be a moving image or a still image.
  • the encoding device 10 and the decoding device 100 can be applied to devices and systems other than the devices described above.
  • Embodiments of the present technology are not limited to the above-described embodiments, and various modifications can be made without departing from the gist of the present technology.
  • An image processing apparatus comprising: an inner filter processing unit.
  • the outer filter processing unit interpolates a low frequency component of the outer prediction pixel, performs filtering using an outer filter coefficient that reduces a high frequency component, The image processing apparatus according to (1), wherein the inner filter processing unit performs filtering using an inner filter coefficient that interpolates a low frequency component and a high frequency component of the inner prediction pixel.
  • the outer filter processing unit performs the filtering using a first number of pixels around the outer predicted pixel among the pixels constituting the reference image
  • the inner filter processing unit performs the filtering using a second number of pixels larger than the first number around the inner predicted pixel among the pixels constituting the reference image.
  • the image processing device An outer filter process for generating an outer predicted pixel that is a pixel located outside of the pixels constituting the predicted image in the inter prediction by filtering the reference image in the inter prediction with the first filter characteristic. Steps, By filtering the reference image with a second filter characteristic different from the first filter characteristic, an inner predicted pixel that is a pixel located inside of the pixels constituting the predicted image is generated.
  • An image processing method comprising: an inner filter processing step.

Landscapes

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

Abstract

本技術は、インター予測時に分数精度の動き補償処理を行う場合において、高精度の予測画像を生成することができるようにする画像処理装置および画像処理方法に関する。 外側用FIRフィルタは、インター予測における参照画像に対して、外側用フィルタ係数を用いてフィルタリングを行うことにより、インター予測における予測画像を構成する画素のうちの外側に位置する画素である外側予測画素を生成する。内側用FIRフィルタは、インター予測における参照画像に対して、内側用フィルタ係数を用いてフィルタリングを行うことにより、インター予測における予測画像を構成する画素のうちの内側に位置する画素である内側予測画素を生成する。本技術は、例えば、符号化装置に適用することができる。

Description

画像処理装置および画像処理方法
　本技術は、画像処理装置および画像処理方法に関し、特に、インター予測時に分数精度の動き補償処理を行う場合において、高精度の予測画像を生成することができるようにした画像処理装置および画像処理方法に関する。
　画像を圧縮する標準規格として、H．264/MPEG（Moving Picture Experts Group）-4 Part10 Advanced Video Coding（以下H．264/AVCという）がある。
　H.264/AVCにおいては、フレームまたはフィールド間の相関に注目したインター予測が行われる。インター予測では、符号化済みの画像内の一部の領域を用いて動き補償処理が行われ、予測画像が生成される。
　近年、この動き補償処理において、動きベクトルの分解能を2分の1や4分の1といった分数精度に向上させることにより、動き補償処理の精度を高めることが考えられている。
　分数精度の動き補償処理では、参照画像の隣接する画素の間にSub pelと呼ばれる仮想的な分数位置の画素を設定し、そのSub pelを生成する処理（以下、インターポーレーションという）が追加して行われる（例えば、非特許文献１参照）。即ち、分数精度の動き補償処理では、動きベクトルの最小分解能が画素の分数倍になるため、分数位置の画素を生成するためのインターポーレーションが行われる。
　インターポーレーションに用いられるフィルタであるインターポーレーションフィルタ（Interpolation filter(IF)）としては、通常、有限インパルス応答フィルタ(FIR（Finite Impulse Response） Filter)が用いられる。
　一方、従来のインター予測では、予測ブロックを構成する全ての画素が平行に移動していることが想定されている。しかしながら、実際には、全ての画素が平行に移動していない場合がある。例えば、予測ブロックが、回転、縮小、拡大している場合、予測ブロックを構成する全ての画素は平行に移動していない。
　そして、予測ブロックが縮小している場合、即ち、図１の上段に示す予測ブロックに対して、図１の中段に示すように、参照画像が拡大している場合、予測ブロックのうちの外側に位置する画素ほど、対応する参照画像の画素との位置のずれが大きくなる。同様に、予測ブロックが拡大している場合、即ち、図１の上段に示す予測ブロックに対して、図１の下段に示すように、参照画像が縮小している場合、予測ブロックのうちの外側に位置する画素ほど、対応する参照画像の画素との位置のずれが大きくなる。図示は省略するが、このことは、予測ブロックが回転している場合においても同様である。
Joint Collaborative Team on Video Coding (JCT-VC)of ITU-T SG16 WP3 and ISO/IEC JTC1/SC29/WG11 6th Meeting,Working Draft 4 of High-Efficiency Video Coding,JCTVC-F803_d2,Torino, IT, 14-22 July,2011
　上述したように、予測ブロックが平行に移動していない場合、予測ブロックと参照画像の対応する画素の位置に誤差（以下、位置誤差という）が発生する。従って、分数精度の動き補償処理を行うことにより、動き補償処理の精度が高められた場合であっても、予測ブロックが平行に移動していない場合、予測画像の特に高周波成分の精度が劣化し、符号化効率が悪化する。
　本技術は、このような状況に鑑みてなされたものであり、インター予測時に分数精度の動き補償処理を行う場合において、高精度の予測画像を生成することができるようにするものである。
　本技術の一側面の画像処理装置は、インター予測における参照画像に対して、第１のフィルタ特性でフィルタリングを行うことにより、前記インター予測における予測画像を構成する画素のうちの外側に位置する画素である外側予測画素を生成する外側フィルタ処理部と、前記参照画像に対して、前記第１のフィルタ特性とは異なる第２のフィルタ特性でフィルタリングを行うことにより、前記予測画像を構成する画素のうちの内側に位置する画素である内側予測画素を生成する内側フィルタ処理部とを備える画像処理装置である。
　本技術の一側面の画像処理方法は、本技術の一側面の画像処理装置に対応する。
　本技術の一側面においては、インター予測における参照画像に対して、第１のフィルタ特性でフィルタリングが行われることにより、前記インター予測における予測画像を構成する画素のうちの外側に位置する画素である外側予測画素が生成され、前記参照画像に対して、前記第１のフィルタ特性とは異なる第２のフィルタ特性でフィルタリングが行われることにより、前記予測画像を構成する画素のうちの内側に位置する画素である内側予測画素が生成される。
　本技術によれば、インター予測時に分数精度の動き補償処理を行う場合において、高精度の予測画像を生成することができる。
位置誤差を説明する図である。 本技術を適用した画像処理装置としての符号化装置の一実施の形態の構成例を示すブロック図である。 図２のインター予測部の第１の構成例を示すブロック図である。 予測画像のサイズが8×8画素である場合の外側Sub pelと内側Sub pelの領域を示す図である。 予測画像のサイズが16×16画素である場合の外側Sub pelと内側Sub pelの領域を示す図である。 予測画像のサイズが32×32画素である場合の外側Sub pelと内側Sub pelの領域を示す図である。 予測画像のサイズが8×4画素である場合の外側Sub pelと内側Sub pelの領域を示す図である。 予測画像のサイズが16×8画素である場合の外側Sub pelと内側Sub pelの領域を示す図である。 予測画像のサイズが32×16画素である場合の外側Sub pelと内側Sub pelの領域を示す図である。 予測画像のサイズが4×8画素である場合の外側Sub pelと内側Sub pelの領域を示す図である。 予測画像のサイズが8×16画素である場合の外側Sub pelと内側Sub pelの領域を示す図である。 予測画像のサイズが16×32画素である場合の外側Sub pelと内側Sub pelの領域を示す図である。 予測画素の生成方法を説明する第１の図である。 予測画素の生成方法を説明する第２の図である。 図２の符号化装置による符号化処理を説明する第１のフローチャートである。 図２の符号化装置による符号化処理を説明する第２のフローチャートである。 インター予測処理の第１の例の詳細を説明する第１のフローチャートである。 インター予測処理の第１の例の詳細を説明する第２のフローチャートである。 本技術を適用した画像処理装置としての復号装置の構成例を示すブロック図である。 図１９の復号装置による復号処理を説明するフローチャートである。 図２のインター予測部の第２の構成例を示すブロック図である。 インター予測処理の第２の例の詳細を説明する第１のフローチャートである。 インター予測処理の第２の例の詳細を説明する第２のフローチャートである。 コンピュータの一実施の形態の構成例を示すブロック図である。 テレビジョン受像機の主な構成例を示すブロック図である。 携帯電話機の主な構成例を示すブロック図である。 ハードディスクレコーダの主な構成例を示すブロック図である。 カメラの主な構成例を示すブロック図である。
　＜一実施の形態＞
　［符号化装置の一実施の形態の構成例］
　図２は、本技術を適用した画像処理装置としての符号化装置の一実施の形態の構成例を示すブロック図である。
　図２の符号化装置１０は、A/D変換部１１、画面並べ替えバッファ１２、演算部１３、直交変換部１４、量子化部１５、可逆符号化部１６、蓄積バッファ１７、逆量子化部１８、逆直交変換部１９、加算部２０、デブロックフィルタ２１、フレームメモリ２２、イントラ予測部２３、インター予測部２４、動き予測部２５、選択部２６、およびレート制御部２７により構成される。図２の符号化装置１０は、入力された画像を圧縮符号化する。
　具体的には、符号化装置１０のA/D変換部１１は、入力信号として入力されたフレーム単位の画像をA/D変換し、画面並べ替えバッファ１２に出力して記憶させる。画面並べ替えバッファ１２は、記憶した表示の順番のフレーム単位の画像を、GOP（Group of Picture）構造に応じて、符号化のための順番に並べ替える。そして、画面並べ替えバッファ１２は、並び替え後の画像を、スライス単位、LCU（Largest Coding Unit）単位、およびCU（Coding Unit）単位に順に分割し、演算部１３、イントラ予測部２３、および動き予測部２５に出力する。
　演算部１３は、差分演算部として機能し、選択部２６から供給される予測画像と、画面並べ替えバッファ１２から出力された符号化対象の画像の差分を演算する。具体的には、演算部１３は、画面並べ替えバッファ１２から出力された符号化対象の画像から、選択部２６から供給される予測画像を減算する。演算部１３は、減算の結果得られる画像を、残差情報として直交変換部１４に出力する。なお、選択部２６から予測画像が供給されない場合、演算部１３は、画面並べ替えバッファ１２から読み出された画像をそのまま残差情報として直交変換部１４に出力する。
　直交変換部１４は、演算部１３からの残差情報に対して離散コサイン変換、カルーネン・レーベ変換等の直交変換を施し、その結果得られる係数を量子化部１５に供給する。
　量子化部１５は、直交変換部１４から供給される係数を量子化する。量子化された係数は、可逆符号化部１６に入力される。
　可逆符号化部１６は、最適イントラ予測モードを示す情報（以下、イントラ予測モード情報という）をイントラ予測部２３から取得し、最適インター予測モードを示す情報（以下、インター予測モード情報という）、予測ブロックの動きベクトルと予測ベクトルとの差分である差分ベクトル(mvd)などをインター予測部２４から取得する。
　可逆符号化部１６は、量子化部１５から供給される量子化された係数に対して、可変長符号化（例えば、CAVLC（Context-Adaptive Variable Length Coding）など）、算術符号化（例えば、CABAC（Context-Adaptive Binary Arithmetic Coding）など）などの可逆符号化を行い、その結果得られる情報を圧縮画像とする。
　また、可逆符号化部１６は、差分ベクトルを取得した場合、差分ベクトルの絶対値を指数ゴロム符号で２値化する。指数ゴロム符号は、データ部であるサフィックスのビット数だけ０が連続するプリフィックス、セパレータとしての１、および、サフィックスとしての０または１の系列により構成される。従って、差分ベクトルの絶対値のビット数が多くなるほど、即ち、差分ベクトルの絶対値の分解能が高いほど、指数ゴロム符号の符号量は多くなる。可逆符号化部１６は、２値化された差分ベクトルの絶対値と差分ベクトルのプラスマイナスの符号を差分ベクトル情報として生成する。
　また、可逆符号化部１６は、イントラ予測モード情報、または、インター予測モード情報および差分ベクトル情報などを可逆符号化し、その結果得られる情報を圧縮画像に付加されるヘッダ情報とする。可逆符号化部１６は、可逆符号化の結果得られるヘッダ情報が付加された圧縮画像を画像圧縮情報として蓄積バッファ１７に供給し、蓄積させる。
　蓄積バッファ１７は、可逆符号化部１６から供給される画像圧縮情報を、一時的に記憶し、例えば、後段の図示せぬ記録装置や伝送路などに出力する。
　また、量子化部１５より出力された、量子化された係数は、逆量子化部１８にも入力され、逆量子化された後、逆直交変換部１９に供給される。
　逆直交変換部１９は、逆量子化部１８から供給される係数に対して、逆離散コサイン変換、逆カルーネン・レーベ変換等の逆直交変換を施し、その結果得られる残差情報を加算部２０に供給する。
　加算部２０は、加算演算部として機能し、逆直交変換部１９から供給される復号対象の画像としての残差情報と、選択部２６から供給される予測画像を加算して、局部的に復号された画像を得る。なお、選択部２６から予測画像が供給されない場合、加算部２０は、逆直交変換部１９から供給される残差情報を局部的に復号された画像とする。加算部２０は、局部的に復号された画像をデブロックフィルタ２１に供給するとともに、参照画像としてイントラ予測部２３に供給する。
　デブロックフィルタ２１は、加算部２０から供給される局部的に復号された画像をフィルタリングすることにより、ブロック歪を除去する。デブロックフィルタ２１は、その結果得られる画像をフレームメモリ２２に供給し、蓄積させる。フレームメモリ２２に蓄積された画像は、参照画像としてインター予測部２４および動き予測部２５に出力される。
　イントラ予測部２３は、画面並べ替えバッファ１２から読み出された画像と、加算部２０から供給された参照画像とに基づいて、候補となる全てのイントラ予測モードのイントラ予測を行い、予測画像を生成する。
　このとき、イントラ予測部２３は、候補となる全てのイントラ予測モードに対してコスト関数値（詳細は後述する）を算出する。そして、イントラ予測部２３は、コスト関数値が最小となるイントラ予測モードを最適イントラ予測モードに決定する。イントラ予測部２３は、最適イントラ予測モードで生成された予測画像、および、対応するコスト関数値を、選択部２６に供給する。イントラ予測部２３は、選択部２６から最適イントラ予測モードで生成された予測画像の選択が通知された場合、イントラ予測モード情報を可逆符号化部１６に供給する。
　なお、コスト関数値は、RD(Rate Distortion)コストともいい、例えば、H．264/AVC方式における参照ソフトウェアであるJM(Joint Model)で定められているような、High Complexity モードか、Low Complexity モードのいずれかの手法に基づいて算出される。
　具体的には、コスト関数値の算出手法としてHigh Complexity モードが採用される場合、候補となる全ての予測モードに対して、仮に可逆符号化までが行われ、次の式（１）で表わされるコスト関数値が各予測モードに対して算出される。
　Cost(Mode)=D＋λ・R　　　　　　　　　　　　　　・・・（１）
　Dは、原画像と復号画像の差分（歪）、Rは、直交変換の係数まで含んだ発生符号量、λは、量子化パラメータQPの関数として与えられるラグランジュ乗数である。
　一方、コスト関数値の算出手法としてLow Complexity モードが採用される場合、候補となる全ての予測モードに対して、復号画像の生成、および、予測モードを示す情報などのヘッダビットの算出が行われ、次の式（２）で表わされるコスト関数が各予測モードに対して算出される。
　Cost(Mode)=D＋QPtoQuant(QP)・Header_Bit　　　　・・・（２）
　Dは、原画像と復号画像の差分（歪）、Header_Bitは、予測モードに対するヘッダビット、QPtoQuantは、量子化パラメータQPの関数として与えられる関数である。
　Low Complexity モードにおいては、全ての予測モードに対して、復号画像を生成するだけでよく、可逆符号化を行う必要がないため、演算量が少なくて済む。なお、ここでは、コスト関数値の算出手法としてHigh Complexity モードが採用されるものとする。
　インター予測部２４は、動き予測部２５から供給されるインター予測モード情報と動きベクトルに基づいて、フレームメモリ２２から参照画像を読み出す。インター予測部２４は、動きベクトルとフレームメモリ２２から読み出された参照画像とに基づいて、インター予測処理を行う。具体的には、インター予測部２４は、動きベクトルに基づいて参照画像に対してインターポーレーションを行うことにより、分数精度の動き補償処理を行う。インター予測部２４は、その結果生成される予測画像と、動き予測部２５から供給されるコスト関数値とを選択部２６に供給する。
　なお、インター予測モードとは、予測ブロックのサイズ、予測方向、参照インデックス、および符号化モードを表す情報である。予測方向には、インター予測の対象とする画像よりも表示時刻が早い参照画像を用いた前方向の予測（L0予測）、インター予測の対象とする画像よりも表示時刻が遅い参照画像を用いた後方向の予測（L1予測）、およびインター予測の対象とする画像よりも表示時刻が早い参照画像と遅い参照画像を用いた両方向の予測（双方向予測（Bi-prediction））がある。
　また、参照インデックスとは、参照画像を特定するための番号であり、例えば、インター予測の対象とする画像に近い画像の参照インデックスほど番号が小さい。符号化モードには、差分ベクトルと残差情報を０とし、差分ベクトル情報と残差情報を伝送しないスキップモード、差分ベクトルのみを０とし、残差情報を伝送するが差分ベクトル情報を伝送しないマージモード、差分ベクトルと残差情報の両方を０にせず、差分ベクトル情報と残差情報を伝送する通常モードなどがある。
　また、インター予測部２４は、選択部２６から最適インター予測モードで生成された予測画像の選択が通知された場合、動きベクトルと予測ベクトルから差分ベクトルを求める。予測ベクトル（pmv）としては、現在の予測ブロックに空間的に近い予測ブロックまたは時間的に近い周辺位置の予測ブロックの動きベクトルのうち、現在の予測ブロックの動きベクトルとの差分が最も小さい動きベクトルが採用される。インター予測部２４は、求められた差分ベクトル、インター予測モード情報、予測ベクトルとして選択された動きベクトルを表すpmv選択情報などを可逆符号化部１６に出力する。
　動き予測部２５は、画面並べ替えバッファ１２から供給される画像と、フレームメモリ２２から供給される参照画像とに基づいて、候補となる全てのインター予測モードの動き予測処理を行い、分数精度の動きベクトルを生成する。具体的には、動き予測部２５は、インター予測モードごとに、参照画像に対してインター予測部２４と同様の手法でインターポーレーションを行う。そして、動き予測部２５は、インター予測モードごとに、インターポーレーション後の参照画像と、画面並べ替えバッファ１２から供給される画像とのマッチングを行い、分数精度の動きベクトルを生成する。本実施の形態では、インターポーレーションにより1/2画素位置のSub pelが生成され、動きベクトルの精度は、1/2画素精度であるものとする。
　また、動き予測部２５は、候補となる全てのインター予測モードに対してコスト関数値を算出し、コスト関数値が最小となるインター予測モードを最適インター測モードに決定する。そして、動き予測部２５は、インター予測モード情報、並びに、対応する動きベクトルおよびコスト関数値をインター予測部２４に供給する。
　選択部２６は、イントラ予測部２３およびインター予測部２４から供給されるコスト関数値に基づいて、最適イントラ予測モードと最適インター予測モードのうちのいずれかを、最適予測モードに決定する。そして、選択部２６は、最適予測モードの予測画像を、演算部１３および加算部２０に供給する。また、選択部２６は、最適予測モードの予測画像の選択をイントラ予測部２３またはインター予測部２４に通知する。
　レート制御部２７は、蓄積バッファ１７に蓄積された画像圧縮情報に基づいて、オーバーフローあるいはアンダーフローが発生しないように、量子化部１５の量子化動作のレートを制御する。
　［インター予測部の第１の構成例］
　図３は、図２のインター予測部２４の第１の構成例を示すブロック図である。
　なお、図３では、説明の便宜上、インター予測部２４のインター予測処理を行うブロックのみが図示されており、コスト関数値、インター予測モード情報、差分ベクトル、pmv選択情報などを出力するブロックは省略されている。
　図３において、インター予測部２４は、参照画像読出部４１、画素振り分け部４２、外側用FIRフィルタ４３、内側用FIRフィルタ４４、外側用フィルタ係数メモリ４５、内側用フィルタ係数メモリ４６、画素選択部４７、および中間結果メモリ４８により構成される。
　インター予測部２４の参照画像読出部４１は、図２の動き予測部２５から供給されるインター予測モード情報のうちの参照インデックスおよび予測方向に基づいて、フレームメモリ２２に記憶されている画像のうちの参照画像を特定する。参照画像読出部４１は、インター予測モード情報のうちの予測ブロックのサイズと動きベクトルの整数値に基づいて、予測画像の生成に用いられる参照画像の画素（以下、参照画素という）をフレームメモリ２２から読み出し、一時的に保持する。
　参照画像読出部４１は、予測画像の画素（以下、予測画素という）ごとに、一時的に保持されている参照画素のうち、その予測画素の生成に用いられる8個の参照画素を読み出す。参照画像読出部４１は、読みされた8個の参照画素を画素振り分け部４２に供給する。
　画素振り分け部４２は、参照画像読出部４１から供給される8個の参照画素を8個の生成用画素とする。また、画素振り分け部４２は、動き予測部２５から供給される動きベクトルの分数値に基づいて、中間結果メモリ４８から、生成対象の予測画素に対応する8個のSub pelを8個の生成用画素として読み出す。
　また、画素振り分け部４２は、生成対象のSub pelの予測画像上の位置に応じて、8個の生成用画素を外側用FIRフィルタ４３または内側用FIRフィルタ４４に供給する。具体的には、画素振り分け部４２は、生成対象のSub pelが、予測画像上の位置が予測画像内の外側または予測画像外であるSub pel（以下、外側Sub pelという）である場合、8個の生成用画素を外側用FIRフィルタ４３に供給する。一方、生成対象のSub pelが、予測画像上の位置が予測画像内の内側であるSub pel（以下、内側Sub pelという）である場合、画素振り分け部４２は、8個の生成用画素を内側用FIRフィルタ４４に供給する。
　外側用FIRフィルタ４３は、２Ｄフィルタであり、外側フィルタ処理部として機能する。具体的には、外側用FIRフィルタ４３は、画素振り分け部４２から供給される8個の生成用画素に対して、外側用フィルタ係数メモリ４５から供給される外側用フィルタ係数を用いてフィルタリングを行う。外側用FIRフィルタ４３は、その結果得られる1個の画素を画素選択部４７に供給する。
　内側用FIRフィルタ４４は、２Ｄフィルタであり、内側フィルタ処理部として機能する。具体的には、内側用FIRフィルタ４４は、画素振り分け部４２から供給される8個の生成用画素に対して、内側用フィルタ係数メモリ４６から供給される内側用フィルタ係数を用いてフィルタリングを行う。内側用FIRフィルタ４４は、その結果得られる1個の画素を画素選択部４７に供給する。
　外側用フィルタ係数メモリ４５は、動きベクトルの分数値に対応付けて外側用FIRフィルタ４３用の外側用フィルタ係数を記憶している。外側用フィルタ係数は、生成する画素の低周波数成分を補間し、高周波数成分を低減する、8個の画素に対するフィルタ係数である。例えば、動きベクトルの分数値としての1/4に対応する各画素に対する外側用フィルタ係数は、-1,2,-8,55,21,-8,4,-1であり、1/2に対応する各画素に対する外側用フィルタ係数は、-1,4,-11,40,40,-11,4,-1である。また、動きベクトルの分数値としての3/4に対応する各画素に対する外側用フィルタ係数は、-1,4,-8,21,55,-8,2,-1である。外側用フィルタ係数メモリ４５は、動き予測部２５から供給される動きベクトルの分数値に基づいて、その分数値に対応付けて記憶されている外側用フィルタ係数を外側用FIRフィルタ４３に供給する。
　内側用フィルタ係数メモリ４６は、動きベクトルの分数値に対応付けて内側用FIRフィルタ４４用の内側用フィルタ係数を記憶している。内側用フィルタ係数は、生成する画素の低周波成分と高周波成分を補間する、8個の画素に対するフィルタ係数である。例えば、動きベクトルの分数値としての1/4に対応する各画素に対する内側用フィルタ係数は、-1,4,-10,57,19,-7,3,1であり、1/2に対応する各画素に対する内側用フィルタ係数は、-1,4,-11,40,40,-11,4,-1である。また、動きベクトルの分数値としての3/4に対応する各画素に対する内側用フィルタ係数は、1,3,-7,19,57,-10,4,-1である。内側用フィルタ係数メモリ４６は、動き予測部２５から供給される動きベクトルの分数値に基づいて、その分数値に対応付けて記憶されている内側用フィルタ係数を内側用FIRフィルタ４４に供給する。
　画素選択部４７は、動き予測部２５から供給される動きベクトルの分数値に基づいて、外側用FIRフィルタ４３または内側用FIRフィルタ４４から供給される画素を予測画素として図２の選択部２６に出力するか、中間結果メモリ４８に供給する。
　具体的には、画素選択部４７は、動きベクトルの水平成分および垂直成分の少なくとも一方の分数値が0である場合、外側用FIRフィルタ４３または内側用FIRフィルタ４４から供給される画素を予測画素として選択部２６に供給する。一方、画素選択部４７は、動きベクトルの水平成分および垂直成分の両方の分数値が0ではない場合、外側用FIRフィルタ４３または内側用FIRフィルタ４４から供給される画素であるSub pelを、中間結果メモリ４８に供給し、保持させる。その結果、外側用FIRフィルタ４３または内側用FIRフィルタ４４において、中間結果メモリ４８に保持されているSub pelを用いて、再度フィルタリングが行われる。画素選択部４７は、その結果得られるSub pelを予測画素として選択部２６に出力する。
　中間結果メモリ４８は、画素選択部４７から供給されるSub pelを保持する。
　以上のように、外側用FIRフィルタ４３と内側用FIRフィルタ４４は、フィルタ特性としてフィルタ係数の異なるフィルタリングを行う。
　［外側Sub pelと内側Sub pelの領域の説明］
　図４乃至図１２は、予測画像のサイズが、それぞれ、8×8画素、16×16画素、32×32画素、8×4画素、16×8画素、32×16画素、4×8画素、8×16画素、16×32画素である場合の外側Sub pelと内側Sub pelの領域を示す図である。
　図４乃至図１２において、間隔の狭い斜線が付された領域が外側Sub pelの領域であり、間隔の広い斜線が付されている領域が内側Sub pelの領域である。図４乃至図１２に示すように、外側Sub pelは、予測画像内の外側に位置するSub pelであり、内側Sub pelは、内側に位置するSub pelである。なお、図示は省略するが、予測画像外に位置するSub pelは、外側Sub pelとされる。
　［予測画素の生成方法の説明］
　図１３および図１４は、図３のインター予測部２４における予測画素の生成方法を説明する図である。
　なお、図１３および図１４において、正方形は、予測画素の生成に用いられる参照画素を表し、菱形は予測画素を表す。また、図１３および図１４の例では、インター予測のブロックのサイズが8×8画素であり、予測画素の参照画像上の水平方向および垂直方向の位置が1/2画素位置である。
　この場合、まず、図１３に示すように、水平方向の位置が1/2画素位置であり、垂直方向の位置が整数位置である、図中丸で示される8×15個のSub pelが生成される。
　具体的には、画素振り分け部４２は、図１３中点線の菱形で示す8×8個の予測画素からなる予測画像の参照画像上の領域６１のうちの水平方向で内側の領域６２内の、図１３中間隔の広い斜線が付された丸で示す4×7個のSub pelを内側Sub pelとする。そして、画素振り分け部４２は、参照画像読出部４１から供給される、その内側Sub pelの左右に4つずつ位置する8個の参照画素を内側用FIRフィルタ４４に供給する。これにより、4×7個の内側Sub pelが生成され、中間結果メモリ４８に記憶される。
　また、画素振り分け部４２は、図１３中間隔の狭い斜線が付された丸で示す、領域６１外のSub pelと領域６１内の領域６２外のSub pelを、外側Sub pelとする。そして、画素振り分け部４２は、参照画像読出部４１から供給される、その外側Sub pelの左右に4つずつ位置する8個の参照画素を外側用FIRフィルタ４３に供給する。これにより、外側Sub pelが生成され、中間結果メモリ４８に記憶される。
　次に、図１４に示すように、中間結果メモリ４８に記憶された、図１４中間隔の広い斜線が付された丸で示す4×7個の内側Sub pelと、図１４中間隔の狭い斜線が付された丸で示す外側Sub pelを用いて、水平方向および垂直方向の位置が1/2画素位置である8×8個の予測画素が生成される。
　具体的には、画素振り分け部４２は、領域６１のうちの垂直方向で内側の領域６３内の8×4個の予測画素を内側Sub pelとする。そして、画素振り分け部４２は、中間結果メモリ４８から供給される、その内側Sub pelの上下に4つずつ位置する8個のSub pelを内側用FIRフィルタ４４に供給する。これにより、8×4個の内側Sub pelが生成され、予測画素として出力される。
　また、画素振り分け部４２は、領域６３外の予測画素を外側Sub pelとする。そして、画素振り分け部４２は、中間結果メモリ４８から供給される、その外側Sub pelの上下に4つずつ位置する8個のSub pelを外側用FIRフィルタ４３に供給する。これにより、外側Sub pelが生成され、予測画素として出力される。
　以上のように、予測画像の領域６１うちの、水平方向および垂直方向で内側の領域６４内に位置する、図１４中水玉が付された菱形で示す予測画素は、内側用FIRフィルタ４４により水平方向と垂直方向にインターポーレーションが行われることにより生成される。一方、予測画像の領域６１のうちの領域６４外に位置する、図１４中黒色の菱形で示す予測画素は、水平方向および垂直方向の少なくとも一方のインターポーレーションが、外側用FIRフィルタ４３により行われることにより生成される。
　なお、図示は省略するが、予測画素の水平方向の位置が分数位置であり、垂直方向の位置が整数位置である場合、水平方向の位置が内側の予測画素が、内側予測FIRフィルタ４４により生成され、水平方向の位置が外側の予測画素が、外側用FIRフィルタ４３により生成される。予測画素の垂直方向の位置が分数位置であり、水平方向の位置が整数位置である場合も同様である。
　［符号化装置の処理の説明］
　図１５および図１６は、図２の符号化装置１０による符号化処理を説明するフローチャートである。この符号化処理は、例えば、入力信号としてフレーム単位の画像が符号化装置１０に入力されるたびに行われる。
　図１５のステップＳ１１において、符号化装置１０のA/D変換部１１は、入力信号として入力されたフレーム単位の画像をA/D変換し、画面並べ替えバッファ１２に出力して記憶させる。
　ステップＳ１２において、画面並べ替えバッファ１２は、記憶した表示の順番のフレームの画像を、GOP構造に応じて、符号化のための順番に並べ替える。画面並べ替えバッファ１２は、並べ替え後のフレーム単位の画像を、スライス単位、LCU、およびCU単位に順に分割し、演算部１３、イントラ予測部２３、および動き予測部２５に供給する。なお、以下のステップＳ１３乃至Ｓ３１の処理は、例えばCU単位で行われる。
　ステップＳ１３において、イントラ予測部２３は、画面並べ替えバッファ１２から供給される画像と、加算部２０から供給される参照画像とに基づいて、候補となる全てのイントラ予測モードのイントラ予測を行い、予測画像を生成する。また、イントラ予測部２３は、候補となる全てのイントラ予測モードに対してコスト関数値を算出する。そして、イントラ予測部２３は、コスト関数値が最小となるイントラ予測モードを最適イントラ予測モードに決定する。イントラ予測部２３は、最適イントラ予測モードで生成された予測画像、および、対応するコスト関数値を、選択部２６に供給する。
　ステップＳ１４において、動き予測部２５は、画面並べ替えバッファ１２から供給される画像に対して、フレームメモリ２２から供給される参照画像を用いて、候補となる全てのインター予測モードの動き予測処理を行い、分数精度の動きベクトルを生成する。また、動き予測部２５は、候補となる全てのインター予測モードに対してコスト関数値を算出し、コスト関数値が最小となるインター予測モードを最適インター測モードに決定する。そして、動き予測部２５は、インター予測モード情報、並びに、対応する動きベクトルおよびコスト関数値をインター予測部２４に供給する。
　ステップＳ１５において、インター予測部２４は、動き予測部２５から供給される動きベクトルとインター予測モード情報に基づいて、最適インター予測モードのインター予測処理を行う。このインター予測処理の詳細は、後述する図１７および図１８を参照して説明する。インター予測部２４は、インター予測処理の結果生成される予測画像と、動き予測部２５から供給されるコスト関数値とを選択部２６に供給する。
　ステップＳ１６において、選択部２６は、イントラ予測部２３およびインター予測部２４から供給されるコスト関数値に基づいて、最適イントラ予測モードと最適インター予測モードのうちのコスト関数値が最小となる方を、最適予測モードに決定する。そして、選択部２６は、最適予測モードの予測画像を、演算部１３および加算部２０に供給する。
　ステップＳ１７において、選択部２６は、最適予測モードが最適インター予測モードであるかどうかを判定する。ステップＳ１７で最適予測モードが最適インター予測モードであると判定された場合、選択部２６は、最適インター予測モードで生成された予測画像の選択をインター予測部２４に通知する。
　そして、ステップＳ１８において、インター予測部２４は、動きベクトルと予測ベクトルから差分ベクトルを求める。インター予測部２４は、求められた差分ベクトル、インター予測モード情報、およびpmv選択情報を可逆符号化部１６に出力する。
　ステップＳ１９において、可逆符号化部１６は、インター予測部２４から供給される差分ベクトルから差分ベクトル情報を生成し、インター予測モード情報、差分ベクトル情報、およびpmv選択情報を可逆符号化する。可逆符号化部１６は、その結果得られる情報を圧縮画像に付加されるヘッダ情報とし、処理をステップＳ２１に進める。
　一方、ステップＳ１７で最適予測モードが最適インター予測モードではないと判定された場合、即ち最適予測モードが最適イントラ予測モードである場合、選択部２６は、最適イントラ予測モードで生成された予測画像の選択をイントラ予測部２３に通知する。これにより、イントラ予測部２３は、イントラ予測モード情報を可逆符号化部１６に供給する。
　そして、ステップＳ２０において、可逆符号化部１６は、イントラ予測部２３から供給されるイントラ予測モード情報などを可逆符号化し、その結果得られる情報を圧縮画像に付加されるヘッダ情報とする。そして、処理はステップＳ２１に進む。
　ステップＳ２１において、演算部１３は、画面並べ替えバッファ１２から供給される画像から、選択部２６から供給される予測画像を減算する。演算部１３は、減算の結果得られる画像を、残差情報として直交変換部１４に出力する。
　ステップＳ２２において、直交変換部１４は、演算部１３からの残差情報に対して直交変換を施し、その結果得られる係数を量子化部１５に供給する。
　ステップＳ２３において、量子化部１５は、直交変換部１４から供給される係数を量子化する。量子化された係数は、可逆符号化部１６と逆量子化部１８に入力される。
　ステップＳ２４において、可逆符号化部１６は、量子化部１５から供給される量子化された係数を可逆符号化し、その結果得られる情報を圧縮画像とする。そして、可逆符号化部１６は、ステップＳ１９またはＳ２０の処理で生成されたヘッダ情報を圧縮画像に付加し、画像圧縮情報を生成する。
　図１６のステップＳ２５において、可逆符号化部１６は、画像圧縮情報を蓄積バッファ１７に供給し、蓄積させる。
　ステップＳ２６において、蓄積バッファ１７は、蓄積されている画像圧縮情報を、例えば、後段の図示せぬ記録装置や伝送路などに出力する。
　ステップＳ２７において、逆量子化部１８は、量子化部１５から供給される量子化された係数を逆量子化する。
　ステップＳ２８において、逆直交変換部１９は、逆量子化部１８から供給される係数に対して逆直交変換を施し、その結果得られる残差情報を加算部２０に供給する。
　ステップＳ２９において、加算部２０は、逆直交変換部１９から供給される残差情報と、選択部２６から供給される予測画像を加算し、局部的に復号された画像を得る。加算部２０は、得られた画像をデブロックフィルタ２１に供給するとともに、参照画像としてイントラ予測部２３に供給する。
　ステップＳ３０において、デブロックフィルタ２１は、加算部２０から供給される局部的に復号された画像に対してフィルタリングを行うことにより、ブロック歪を除去する。
　ステップＳ３１において、デブロックフィルタ２１は、フィルタリング後の画像をフレームメモリ２２に供給し、蓄積させる。フレームメモリ２２に蓄積された画像は、参照画像としてインター予測部２４および動き予測部２５に出力される。そして、処理は終了する。
　なお、図１５および図１６の符号化処理では、説明を簡単化するため、常に、イントラ予測処理と動き補償処理が行われるようにしたが、実際には、ピクチャタイプ等によっていずれか一方のみが行われる場合もある。また、可逆符号化部１６において、差分ベクトル情報および量子化された係数が必ず可逆符号化されるようにしたが、実際には、符号化モードによって可逆符号化されない場合もある。即ち、スキップモードである場合、差分ベクトル情報と量子化された係数は可逆符号化されず、マージモードである場合、差分ベクトル情報は可逆符号化されない。
　図１７および図１８は、図１５のステップＳ１５のインター予測処理の第１の例の詳細を説明するフローチャートである。
　図１７のステップＳ５０において、インター予測部２４の参照画像読出部４１（図３）は、図２の動き予測部２５から供給されるインター予測モード情報のうちの予測方向と参照インデックスに基づいて、フレームメモリ２２に記憶されている画像のうちの参照画像を特定する。
　ステップＳ５１において、参照画像読出部４１は、インター予測モード情報のうちの予測ブロックのサイズに基づいて、予測画像のサイズを決定する。
　ステップＳ５２において、参照画像読出部４１は、インター予測モード情報のうちの動きベクトルの整数値および予測画像のサイズに基づいて、その予測画像の生成に用いられる参照画素をフレームメモリ２２から読み出し、一時的に保持する。
　ステップＳ５３において、参照画像読出部４１は、予測画像を構成する予測画素のうち、まだステップＳ５３の処理で生成対象の予測画素に決定されていない予測画素を生成対象の予測画素に決定する。
　ステップＳ５４において、参照画像読出部４１は、生成対象の予測画素の参照画像上の位置に基づいて、ステップＳ５２で保持された参照画素のうちの、生成対象の予測画素に対応する参照画像上の水平方向または垂直方向の位置が整数位置である画素（以下、予測対応画素という）の生成に用いられる8個の参照画素を読み出す。参照画像読出部４１は、読み出された8個の参照画素を画素振り分け部４２に供給する。
　なお、生成対象の予測画素の参照画像上の水平方向および垂直方向の少なくとも一方の位置が整数位置である場合、予測対応画素は予測画素である。一方、生成対象の予測画素の参照画像上の水平方向および垂直方向の両方の位置が分数位置である場合、予測対応画素は、予測画素の生成に用いられる、予測画素と水平方向の位置が同一で、垂直方向の位置が整数位置である、まだ生成されていない画素である。なお、予測対応画素が複数ある場合、ステップＳ５４乃至Ｓ６３の処理は、予測対応画素ごとに行われる。
　ステップＳ５５において、外側用フィルタ係数メモリ４５は、動き予測部２５から供給される動きベクトルの予測対応画素に対応する成分の分数値に基づいて、その分数値に対応付けて記憶されている外側用フィルタ係数を読み出し、外側用FIRフィルタ４３に供給する。同様に、内側用フィルタ係数メモリ４６は、動きベクトルの予測対応画素に対応する成分の分数値に基づいて、その分数値に対応付けて記憶されている内側用フィルタ係数を読み出し、内側用FIRフィルタ４４に供給する。
　なお、生成対象の予測画素の参照画像上の水平方向および垂直方向の一方の位置のみが分数位置である場合、予測対応画素に対応する成分は、その一方の方向の成分である。一方、生成対象の予測画素の参照画像上の水平方向および垂直方向の両方の位置が整数位置または分数位置である場合、予測対応画素に対応する成分は、水平方向の成分である。
　ステップＳ５６において、画素振り分け部４２は、予測対応画素の予測画像上の位置に基づいて、予測対応画素を外側Sub pelまたは内側Sub pelに決定する。
　ステップＳ５７において、画素振り分け部４２は、ステップＳ５６で予測対応画素が外側Sub pelに決定されたかどうかを判定する。ステップＳ５７で予測対応画素が外側Sub pelに決定されたと判定された場合、画素振り分け部４２は、参照画像読出部４１から供給される8個の参照画素を生成用画素として外側用FIRフィルタ４３に供給する。
　そして、ステップＳ５８において、外側用FIRフィルタ４３は、画素振り分け部４２から供給される8個の生成用画素としての参照画素に対して、外側用フィルタ係数メモリ４５から供給される外側用フィルタ係数を用いてフィルタリングを行う。外側用FIRフィルタ４３は、その結果得られる1個の予測対応画素を画素選択部４７に供給し、処理をステップＳ６０に進める。
　一方、ステップＳ５７で予測対応画素が外側Sub pelに決定されていないと判定された場合、即ち予測対応画素が内側Sub pelに決定された場合、画素振り分け部４２は、参照画像読出部４１から供給される8個の参照画素を生成用画素として内側用FIRフィルタ４４に供給する。
　そして、ステップＳ５９において、内側用FIRフィルタ４４は、画素振り分け部４２から供給される8個の生成用画素としての参照画素に対して、内側用フィルタ係数メモリ４６から供給される内側用フィルタ係数を用いてフィルタリングを行う。内側用FIRフィルタ４４は、その結果得られる1個の予測対応画素を画素選択部４７に供給し、処理をステップＳ６０に進める。
　ステップＳ６０において、画素選択部４７は、動き予測部２５から供給される動きベクトルの水平成分と垂直成分の両方の分数値が0以外であるかどうか、即ち予測画素の参照画像上の水平方向と垂直方向の両方の位置が分数位置であるかどうかを判定する。ステップＳ６０で動きベクトルの水平成分と垂直成分の少なくとも一方の分数値が0であると判定された場合、即ち予測画素の参照画像上の水平方向と垂直方向の少なくとも一方の位置が整数位置である場合、処理はステップＳ６１に進む。
　ステップＳ６１において、画素選択部４７は、外側用FIRフィルタ４３または内側用FIRフィルタ４４から供給される予測対応画素を予測画素として図２の選択部２６に出力する。
　ステップＳ６２において、参照画像読出部４１は、全ての予測画素が生成されたか、即ちステップＳ５３で予測画像を構成する全ての予測画素を生成対象の予測画素に決定したかどうかを判定する。ステップＳ６２でまだ全ての予測画素が生成されていないと判定された場合、処理はステップＳ５３に戻り、全ての予測画素が生成されるまで、ステップＳ５３乃至Ｓ６２の処理が繰り返される。
　一方、ステップＳ６２で全ての予測画素が生成されたと判定された場合、処理は図１５のステップＳ１５に戻り、ステップＳ１６に進む。
　また、ステップＳ６０で動きベクトルの水平成分と垂直成分の両方の分数値が0以外であると判定された場合、即ち予測画素の参照画像上の水平方向と垂直方向の両方の位置が分数位置である場合、処理はステップＳ６３に進む。
　ステップＳ６３において、画素選択部４７は、外側用FIRフィルタ４３または内側用FIRフィルタ４４から供給される予測対応画素としてのSub pelを、中間結果メモリ４８に供給し、保持させる。
　ステップＳ６４において、参照画像読出部４１は、全ての予測対応画素が生成されたか、即ちステップＳ５３で予測画像を構成する全ての予測画素を生成対象の予測画素に決定したかどうかを判定する。ステップＳ６４でまだ全ての予測対応画素が生成されていないと判定された場合、処理はステップＳ５３に戻り、全ての予測対応画素が生成されるまで、ステップＳ５３乃至Ｓ６０、ステップＳ６３、およびステップＳ６４の処理が繰り返される。
　一方、ステップＳ６４で全ての予測対応画素が生成されたと判定された場合、処理は図１８のステップＳ６５に進む。
　ステップＳ６５において、参照画像読出部４１は、予測画像を構成する予測画素のうち、まだステップＳ６５の処理で生成対象の予測画素に決定されていない予測画素を生成対象の予測画素に決定する。
　ステップＳ６６において、画素振り分け部４２は、生成対象の予測画素の参照画像上の位置に基づいて、中間結果メモリ４８から8個のSub pelを生成用画素として読み出す。
　ステップＳ６７において、外側用フィルタ係数メモリ４５は、動き予測部２５から供給される動きベクトルの垂直成分の分数値に基づいて、その分数値に対応付けて記憶されているフィルタ係数を外側用FIRフィルタ４３に供給する。同様に、内側用フィルタ係数メモリ４６は、動きベクトルの垂直成分の分数値に基づいて、その分数値に対応付けて記憶されているフィルタ係数を内側用FIRフィルタ４４に供給する。　
　ステップＳ６８において、画素振り分け部４２は、予測画素の予測画像上の垂直方向の位置に基づいて、予測画素を外側Sub pelまたは内側Sub pelに決定する。
　ステップＳ６９乃至Ｓ７１の処理は、予測対応画素ではなく予測画素について判定が行われる点、および、参照画素ではなくSub pelに対してフィルタリングが行われる点を除いて、図１７のステップＳ５７乃至Ｓ５９の処理と同様であるので、説明は省略する。
　ステップＳ７２において、画素選択部４７は、外側用FIRフィルタ４３または内側用FIRフィルタ４４から供給される画素であるSub pelを、予測画素として選択部２６に出力する。
　ステップＳ７３において、参照画像読出部４１は、全ての予測画素が生成されたか、即ちステップＳ６５で予測画像を構成する全ての予測画素を生成対象の予測画素に決定したかどうかを判定する。ステップＳ７３でまだ全ての予測画素が生成されていないと判定された場合、処理はステップＳ６５に戻り、全ての予測画素が生成されるまで、ステップＳ６５乃至Ｓ７３の処理が繰り返される。
　一方、ステップＳ７３で全ての予測画素が生成されたと判定された場合、処理は図１５のステップＳ１５に戻り、ステップＳ１６に進む。
　以上のように、符号化装置１０は、インター予測時に、外側用フィルタ係数を用いて外側予測画素を生成し、内側用フィルタ係数を用いて内側予測画素を生成する。従って、位置誤差が大きい外側予測画素の高周波成分が低減される。その結果、高精度の予測画像を生成することができる。
　これに対して、例えば、インター予測時に、回転、縮小、拡大を行う変換として適したアフィン変換を用いて予測画像を生成することにより、上述した位置誤差を低減し、高精度の予測画像を生成することも考えられる。しかしながら、この場合、差分ベクトルの他に、アフィン変換のパラメータを復号装置側に伝送する必要があるため、オーバーヘッドにより符号化効率が悪化する。また、アフィン変換のパラメータを推定する処理は、従来の動き検出処理よりも複雑であるため、処理負荷がかかる。
　［復号装置の構成例］　図１９は、図２の符号化装置１０から出力される画像圧縮情報を復号する、本技術を適用した画像処理装置としての復号装置の構成例を示すブロック図である。
　図１９の復号装置１００は、蓄積バッファ１０１、可逆復号化部１０２、逆量子化部１０３、逆直交変換部１０４、加算部１０５、デブロックフィルタ１０６、画面並べ替えバッファ１０７、D/A変換部１０８、フレームメモリ１０９、イントラ予測部１１０、インター予測部１１１、およびスイッチ１１２により構成される。
　復号装置１００の蓄積バッファ１０１は、図２の符号化装置１０から画像圧縮情報を受け取り、蓄積する。蓄積バッファ１０１は、蓄積されている画像圧縮情報を可逆復号化部１０２に供給する。
　可逆復号化部１０２は、蓄積バッファ１０１からの画像圧縮情報に対して、可変長復号や、算術復号等の可逆復号を施すことで、量子化された係数とヘッダを得る。可逆復号化部１０２は、量子化された係数を逆量子化部１０３に供給する。また、可逆復号化部１０２は、ヘッダに含まれるイントラ予測モード情報などをイントラ予測部１１０に供給する。さらに、可逆復号化部１０２は、ヘッダに含まれる差分ベクトル情報をプラスマイナスの符号と差分ベクトルの絶対値の指数ゴロム符号に分解し、指数ゴロム符号を逆２値化してプラスマイナスの符号を付加することにより差分ベクトルを生成する。
　可逆復号化部１０２は、生成された差分ベクトル、並びに、ヘッダに含まれるpmv選択情報およびインター予測モード情報をインター予測部１１１に供給する。さらに、可逆復号化部１０２は、ヘッダに含まれるイントラ予測モード情報またはインター予測モード情報をスイッチ１１２に供給する。
　逆量子化部１０３、逆直交変換部１０４、加算部１０５、デブロックフィルタ１０６、フレームメモリ１０９、イントラ予測部１１０、および、インター予測部１１１は、図２の逆量子化部１８、逆直交変換部１９、加算部２０、デブロックフィルタ２１、フレームメモリ２２、イントラ予測部２３、および、インター予測部２４とそれぞれ同様の処理を行い、これにより、画像が復号される。
　具体的には、逆量子化部１０３は、可逆復号化部１０２からの量子化された係数を逆量子化し、その結果得られる係数を逆直交変換部１０４に供給する。
　逆直交変換部１０４は、逆量子化部１０３からの係数に対して、逆離散コサイン変換、逆カルーネン・レーベ変換等の逆直交変換を施し、その結果得られる残差情報を加算部１０５に供給する。
　加算部１０５は、加算演算部として機能し、逆直交変換部１０４から供給される復号対象の画像としての残差情報と、スイッチ１１２から供給される予測画像を加算することにより、復号を行う。加算部１０５は、その結果得られる画像をデブロックフィルタ１０６に供給するとともに、参照画像としてイントラ予測部１１０に供給する。なお、スイッチ１１２から予測画像が供給されない場合、加算部１０５は、逆直交変換部１０４から供給される残差情報である画像をデブロックフィルタ１０６に供給するとともに、参照画像としてイントラ予測部１１０に供給する。
　デブロックフィルタ１０６は、加算部１０５から供給される画像をフィルタリングすることにより、ブロック歪を除去する。デブロックフィルタ１０６は、その結果得られる画像をフレームメモリ１０９に供給し、蓄積させるとともに、画面並べ替えバッファ１０７に供給する。フレームメモリ１０９に蓄積された画像は、参照画像としてインター予測部１１１に供給される。
　画面並べ替えバッファ１０７は、デブロックフィルタ１０６から供給される画像をフレーム単位で記憶する。画面並べ替えバッファ１０７は、記憶した符号化のための順番のフレーム単位の画像を、元の表示の順番に並び替え、D/A変換部１０８に供給する。
　D/A変換部１０８は、画面並べ替えバッファ１０７から供給されるフレーム単位の画像をD/A変換し、出力信号として出力する。
　イントラ予測部１１０は、加算部１０５から供給される参照画像を用いて、可逆復号化部１０２から供給されるイントラ予測モード情報が表すイントラ予測モードのイントラ予測を行い、予測画像を生成する。そして、イントラ予測部１１０は、予測画像をスイッチ１１２に供給する。
　インター予測部１１１は、保持している動きベクトルのうちの、可逆復号化部１０２から供給されるpmv選択情報が表す動きベクトルを、予測ベクトルとして読み出す。インター予測部１１１は、読み出された予測ベクトルと、可逆復号化部１０２から供給される差分ベクトルを加算することにより、動きベクトルを生成する。インター予測部１１１は、生成された動きベクトルを、保持する。
　また、インター予測部１１１は、可逆復号化部１０２から供給されるインター予測モード情報と動きベクトルに基づいて、図３のインター予測部２４と同様に、フレームメモリ１０９から参照画像を読み出す。インター予測部１１１は、動きベクトルとフレームメモリ１０９から読み出された参照画像とに基づいて、インター予測部２４と同様のインター予測処理を行う。インター予測部１１１は、その結果生成される予測画像をスイッチ１１２に供給する。
　スイッチ１１２は、可逆復号化部１０２からイントラ予測モード情報が供給された場合、イントラ予測部１１０から供給される予測画像を加算部１０５に供給する。一方、可逆復号化部１０２からインター予測モード情報が供給された場合、インター予測部１１１から供給される予測画像を加算部１０５に供給する。
　［復号装置の処理の説明］
　図２０は、図１９の復号装置１００による復号処理を説明するフローチャートである。この復号処理は、例えば、フレーム単位の画像圧縮情報が復号装置１００に入力されるたびに行われる。
　図２０のステップＳ１０１において、復号装置１００の蓄積バッファ１０１は、図２の符号化装置１０からフレーム単位の画像圧縮情報を受け取り、蓄積する。蓄積バッファ１０１は、蓄積されている画像圧縮情報を可逆復号化部１０２に供給する。なお、以下のステップＳ１０２乃至Ｓ１１１の処理は、例えばCU単位で行われる。
　ステップＳ１０２において、可逆復号化部１０２は、蓄積バッファ１０１からの画像圧縮情報を可逆復号し、量子化された係数とヘッダを得る。可逆復号化部１０２は、量子化された係数を逆量子化部１０３に供給する。また、可逆復号化部１０２は、ヘッダに含まれるイントラ予測モード情報などをイントラ予測部１１０に供給する。さらに、可逆復号化部１０２は、ヘッダに含まれる差分ベクトル情報をプラスマイナスの符号と差分ベクトルの絶対値の指数ゴロム符号に分解し、指数ゴロム符号を逆２値化してプラスマイナスの符号を付加することにより差分ベクトルを生成する。
　可逆復号化部１０２は、生成された差分ベクトル、並びに、ヘッダに含まれるpmv選択情報およびインター予測モード情報をインター予測部１１１に供給する。さらに、可逆復号化部１０２は、ヘッダに含まれるイントラ予測モード情報またはインター予測モード情報をスイッチ１１２に供給する。
　ステップＳ１０３において、逆量子化部１０３は、可逆復号化部１０２からの量子化された係数を逆量子化し、その結果得られる係数を逆直交変換部１０４に供給する。
　ステップＳ１０４において、逆直交変換部１０４は、逆量子化部１０３からの係数に対して逆直交変換を施し、その結果得られる残差情報を加算部１０５に供給する。
　ステップＳ１０５において、インター予測部１１１は、可逆復号化部１０２から差分ベクトル、pmv選択情報、およびインター予測モード情報が供給されたかどうかを判定する。ステップＳ１０５で差分ベクトル、pmv選択情報、およびインター予測モード情報が供給されたと判定された場合、インター予測部１１１は、保持している動きベクトルのうちの、pmv選択情報が表す動きベクトルを、予測ベクトルとして読み出す。そして、処理はステップＳ１０６に進む。
　ステップＳ１０６において、インター予測部１１１は、予測ベクトルと差分ベクトルを加算することにより、動きベクトルを生成する。
　ステップＳ１０７において、インター予測部１１１は、ステップＳ１０６で生成された動きベクトルとインター予測モード情報に基づいて、図１７および図１８で説明したインター予測処理を行う。インター予測部１１１は、その結果生成される予測画像を、スイッチ１１２を介して加算部１０５に供給し、処理をステップＳ１０９に進める。
　一方、ステップＳ１０５で差分ベクトル、pmv選択情報、およびインター予測モード情報が供給されていないと判定された場合、即ちイントラ予測モード情報がイントラ予測部１１０に供給された場合、処理はステップＳ１０８に進む。
　ステップＳ１０８において、イントラ予測部１１０は、加算部１０５から供給される参照画像を用いて、可逆復号化部１０２から供給されるイントラ予測モード情報が表すイントラ予測モードのイントラ予測を行う。そして、イントラ予測部１１０は、その結果生成される予測画像を、スイッチ１１２を介して加算部１０５に供給し、処理をステップＳ１０９に進める。
　ステップＳ１０９において、加算部１０５は、逆直交変換部１０４から供給される残差情報と、スイッチ１１２から供給される予測画像を加算する。加算部１０５は、その結果得られる画像をデブロックフィルタ１０６に供給するとともに、参照画像としてイントラ予測部１１０に供給する。
　ステップＳ１１０において、デブロックフィルタ１０６は、加算部１０５から供給される画像に対してフィルタリングを行い、ブロック歪を除去する。
　ステップＳ１１１において、デブロックフィルタ１０６は、フィルタリング後の画像をフレームメモリ１０９に供給し、蓄積させるとともに、画面並べ替えバッファ１０７に供給する。フレームメモリ１０９に蓄積された画像は、参照画像としてインター予測部１１１に供給される。
　ステップＳ１１２において、画面並べ替えバッファ１０７は、デブロックフィルタ１０６から供給される画像をフレーム単位で記憶し、記憶した符号化のための順番のフレーム単位の画像を、元の表示の順番に並び替え、D/A変換部１０８に供給する。
　ステップＳ１１３において、D/A変換部１０８は、画面並べ替えバッファ１０７から供給されるフレーム単位の画像をD/A変換し、出力信号として出力する。
　以上のように、復号装置１００は、インター予測時に、外側用フィルタ係数を用いて外側予測画素を生成し、内側用フィルタ係数を用いて内側予測画素を生成する。従って、位置誤差が大きい外側予測画素の高周波成分が低減される。その結果、高精度の予測画像を生成することができる。
　［インター予測部の第２の構成例］
　図２１は、図２のインター予測部２４の第２の構成例を示すブロック図である。
　図２１に示す構成のうち、図３の構成と同じ構成には同じ符号を付してある。重複する説明については適宜省略する。
　図２１のインター予測部２４の構成は、主に、参照画像読出部４１、画素振り分け部４２、外側用FIRフィルタ４３、内側用FIRフィルタ４４、外側用フィルタ係数メモリ４５、内側用フィルタ係数メモリ４６の代わりに、参照画像読出部１３０、画素振り分け部１３１、６タップFIRフィルタ１３２、８タップFIRフィルタ１３３、６タップフィルタ係数メモリ１３４、８タップフィルタ係数メモリ１３５が設けられている点が図３の構成と異なる。
　図２１のインター予測部２４は、外側予測画素と内側予測画素について、フィルタ特性としてフィルタ係数の数が異なるフィルタリングを行う。
　具体的には、図２１のインター予測部２４の参照画像読出部１３０は、図３の参照画像読出部４１と同様に、参照インデックスおよび予測方向に基づいて、フレームメモリ２２に記憶されている画像のうちの参照画像を特定する。また、参照画像読出部１３０は、参照画像読出部４１と同様に、予測ブロックのサイズと動きベクトルの整数値に基づいて、参照画素をフレームメモリ２２から読み出し、一時的に保持する。
　また、参照画像読出部１３０は、予測画素ごとに、一時的に保持されている参照画素のうち、その予測画素の生成に用いられる参照画素を読み出す。このとき、参照画像読出部４１は、外側Sub pelの生成に用いられる参照画素の数が内側Sub pelの生成に用いられる参照画素の数より少なくなるように、参照画素を読み出す。なお、ここでは、外側Sub pelの生成に用いられる参照画素の数は6であり、内側Sub pelの生成に用いられる参照画素の数は8である。参照画像読出部１３０は、読み出された参照画素を画素振り分け部１３１に供給する。
　画素振り分け部１３１は、図３の画素振り分け部４２と同様に、参照画像読出部１３０から供給される参照画素を生成用画素とする。また、画素振り分け部１３１は、画素振り分け部４２と同様に、動きベクトルの分数値に基づいて、中間結果メモリ４８から、生成対象の予測画素に対応するSub pelを生成用画素として読み出す。このとき、画素振り分け部１３１は、外側Sub pelの生成に用いられるSub pelの数が内側Sub pelの生成に用いられるSub pelの数より少なくなるように、Sub pelを読み出す。なお、ここでは、外側Sub pelの生成に用いられるSub pelの数は6であり、内側Sub pelの生成に用いられるSub pelの数は8である。
　画素振り分け部１３１は、生成用画素の数に応じて、その生成用画素を6タップFIRフィルタ１３２または8タップFIRフィルタ１３３に供給する。具体的には、画素振り分け部１３１は、生成用画素の数が6である場合、その生成用画素を6タップFIRフィルタ１３２に供給し、生成用画素の数が8である場合、その生成用画素を8タップFIRフィルタ１３３に供給する。
　6タップFIRフィルタ１３２は、２Ｄフィルタであり、外側フィルタ処理部として機能する。具体的には、6タップFIRフィルタ１３２は、画素振り分け部１３１から供給される6個の生成用画素と、6タップフィルタ係数メモリ１３４から供給される6タップ用フィルタ係数を用いてフィルタリングを行う。6タップFIRフィルタ１３２は、その結果得られる1個の画素を画素選択部４７に供給する。
　8タップFIRフィルタ１３３は、２Ｄフィルタであり、内側フィルタ処理部として機能する。具体的には、8タップFIRフィルタ１３３は、画素振り分け部１３１から供給される8個の生成用画素と、8タップフィルタ係数メモリ１３５から供給される8タップ用フィルタ係数を用いてフィルタリングを行う。8タップFIRフィルタ１３３は、その結果得られる1個の画素を画素選択部４７に供給する。
　6タップフィルタ係数メモリ１３４は、動きベクトルの分数値に対応付けて6タップFIRフィルタ１３２用の6タップ用フィルタ係数を記憶している。6タップ用フィルタ係数は、6個の画素を用いて1個の画素を補間するフィルタ係数である。例えば、動きベクトルの分数値としての1/4に対応する各画素に対する6タップ用フィルタ係数は、1,-7,54,21,-7,2であり、1/2に対応する各画素に対する6タップ用フィルタ係数は、2,-9,39,39,-9,2である。また、動きベクトルの分数値としての3/4に対応する各画素に対する6タップ用フィルタ係数は、2,-7,21,54,-7,1である。従って、6タップ用フィルタ係数を用いたフィルタリングにより、画素の低周波数成分は補間されるが、高周波成分は低減される。6タップフィルタ係数メモリ１３４は、動きベクトルの分数値に基づいて、その分数値に対応付けて記憶されている6タップ用フィルタ係数を6タップFIRフィルタ１３２に供給する。
　8タップフィルタ係数メモリ１３５は、動きベクトルの分数値に対応付けて8タップFIRフィルタ１３３用の8タップ用フィルタ係数を記憶している。8タップ用フィルタ係数は、8個の画素を用いて1個の画素を補間するフィルタ係数である。例えば、動きベクトルの分数値としての1/4に対応する各画素に対する8タップ用フィルタ係数は、-1,4,-10,57,19,-7,3,1であり、1/2に対応する各画素に対する8タップ用フィルタ係数は、-1,4,-11,40,40,-11,4,-1である。また、動きベクトルの分数値としての3/4に対応する各画素に対する8タップ用フィルタ係数は、1,3,-7,19,57,-10,4,-1である。従って、8タップ用フィルタ係数を用いたフィルタリングにより、画素の低周波成分と高周波成分が補間される。8タップフィルタ係数メモリ１３５は、動きベクトルの分数値に基づいて、その分数値に対応付けて記憶されている8タップ用フィルタ係数を8タップFIRフィルタ１３３に供給する。
　［インター予測処理の第２の例の説明］
　図２２および図２３は、図２１のインター予測部２４による図１５のステップＳ１５のインター予測処理の詳細を説明するフローチャートである。
　図２２のステップＳ１３１乃至Ｓ１３４の処理は、図１７のステップＳ５０乃至Ｓ５３の処理と同様であるので、説明は省略する。なお、予測対応画素が複数ある場合、以下のステップＳ１３４乃至Ｓ１４４の処理は、予測対応画素ごとに行われる。
　ステップＳ１３４の処理後、ステップＳ１３５において、参照画像読出部１３０は、予測対応画素の予測画像上の位置に基づいて、予測対応画素の生成に用いられる参照画素の数を6または8に決定する。具体的には、参照画像読出部１３０は、予測対応画素の予測画像上の位置に基づいて予測対応画素を外側Sub pelまたは内側Sub pelに決定する。そして、参照画像読出部１３０は、外側Sub pelである予測対応画素の参照画素の数を6に決定し、内側Sub pelである予測対応画素の参照画素の数を8に決定する。
　ステップＳ１３６において、参照画像読出部１３０は、ステップＳ１３５で決定された参照画素の数と、生成対象の予測画素の参照画像上の位置に基づいて、ステップＳ１３３で保持された参照画素のうちの、予測対応画素の生成に用いられる参照画素を読み出す。参照画像読出部１３０は、読み出された参照画素を画素振り分け部１３１に供給する。
　ステップＳ１３７において、6タップフィルタ係数メモリ１３４は、動きベクトルの予測対応画素に対応する成分の分数値に基づいて、その分数値に対応付けて記憶されている6タップ用フィルタ係数を読み出し、6タップFIRフィルタ１３２に供給する。同様に、8タップフィルタ係数メモリ１３５は、動きベクトルの予測対応画素に対応する成分の分数値に基づいて、その分数値に対応付けて記憶されている8タップ用フィルタ係数を読み出し、8タップFIRフィルタ１３３に供給する。
　ステップＳ１３８において、画素振り分け部１３１は、参照画像読出部１３０から供給される参照画素の数は6であるかどうかを判定する。ステップＳ１３８で参照画素の数は6であると判定された場合、画素振り分け部１３１は、参照画像読出部１３０から供給される6個の参照画素を、6個の生成用画素として6タップFIRフィルタ１３２に供給し、処理はステップＳ１３９に進む。
　ステップＳ１３９において、画素振り分け部１３１は、参照画像読出部１３０から供給される6個の参照画素と、6タップフィルタ係数メモリ１３４から供給される6タップ用フィルタ係数を用いてフィルタリングを行う。画素振り分け部１３１は、その結果得られる1個の予測対応画素を画素選択部４７に供給し、処理をステップＳ１４１に進める。
　ステップＳ１３８で参照画素の数は6ではないと判定された場合、即ち参照画素の数が8である場合、画素振り分け部１３１は、参照画像読出部１３０から供給される8個の参照画素を、8個の生成用画素として8タップFIRフィルタ１３３に供給し、処理はステップＳ１４０に進む。
　ステップＳ１４０において、画素振り分け部１３１は、参照画像読出部１３０から供給される8個の参照画素と、8タップフィルタ係数メモリ１３５から供給される8タップ用フィルタ係数を用いてフィルタリングを行う。画素振り分け部１３１は、その結果得られる1個の予測対応画素を画素選択部４７に供給し、処理をステップＳ１４１に進める。
　ステップＳ１４１乃至Ｓ１４６の処理は、図１７のステップＳ６０乃至図１８のステップＳ６５の処理と同様であるので、説明は省略する。
　ステップＳ１４７において、画素振り分け部１３１は、予測画素の予測画像上の垂直方向の位置に基づいて、中間結果メモリ４８から読み出す、その予測画素の生成に用いられるSub pelの数を6または8に決定する。具体的には、画素振り分け部１３１は、予測画素の予測画像上の垂直方向の位置に基づいて予測画素を外側Sub pelまたは内側Sub pelに決定する。そして、参照画像読出部１３０は、外側Sub pelである予測画素のSub pelの数を6に決定し、内側Sub pelである予測画素のSub pelの数を8に決定する。
　ステップＳ１４８において、画素振り分け部１３１は、ステップＳ１４７で決定されたSub pelの数と、生成対象の予測画素の参照画像上の位置に基づいて、中間結果メモリ４８からSub pelを生成用画素として読み出す。
　ステップＳ１４９において、6タップフィルタ係数メモリ１３４は、動きベクトルの垂直成分の分数値に基づいて、その分数値に対応付けて記憶されている6タップ用フィルタ係数を読み出し、6タップFIRフィルタ１３２に供給する。同様に、8タップフィルタ係数メモリ１３５は、動きベクトルの垂直成分の分数値に基づいて、その分数値に対応付けて記憶されている8タップ用フィルタ係数を読み出し、8タップFIRフィルタ１３３に供給する。そして、処理はステップＳ１５０に進む。
　ステップＳ１５０乃至Ｓ１５２の処理は、参照画素の代わりにSub pelに対して行われる点を除いて、図２２のステップＳ１３８乃至Ｓ１４０の処理と同様であるので、説明は省略する。
　ステップＳ１５２の処理後、ステップＳ１５３において、画素選択部４７は、6タップFIRフィルタ１３２または8タップFIRフィルタ１３３から供給される画素であるSub pelを、予測画素として選択部２６に出力する。
　ステップＳ１５４において、参照画像読出部１３０は、全ての予測画素が生成されたか、即ちステップＳ１４６で予測画像を構成する全ての予測画素を生成対象の予測画素に決定したかどうかを判定する。ステップＳ１５４でまだ全ての予測画素が生成されていないと判定された場合、処理はステップＳ１４６に戻り、全ての予測画素が生成されるまで、ステップＳ１４６乃至Ｓ１５４の処理が繰り返される。
　一方、ステップＳ１５４で全ての予測画素が生成されたと判定された場合、処理は図１５のステップＳ１５に戻り、ステップＳ１６に進む。
　以上のように、図２１のインター予測部２４は、インター予測時に、6タップ用フィルタ係数を用いて外側予測画素を生成し、8タップ用フィルタ係数を用いて内側予測画素を生成する。従って、位置誤差が大きい外側予測画素の高周波成分が低減される。その結果、高精度の予測画像を生成することができる。
　なお、説明は省略するが、符号化装置１０が図２１のインター予測部２４を備える場合、復号装置１００のインター予測部１１１は、図２１のインター予測部２４と同様の処理を行う。
　また、本実施の形態では、インターポーレーションにより1/2画素位置のSub pelが生成されるものとしたが、1/4画素位置や1/8画素位置のSub pelが生成されるようにしてもよい。この場合、フィルタ係数が異なること以外、1/2画素位置のSub pelの生成時と同様の処理が行われる。
　本実施の形態では、外側用FIRフィルタ４３、内側用FIRフィルタ４４、6タップFIRフィルタ１３２、および8タップFIRフィルタ１３３が、２Ｄフィルタ（分離型（Separable）フィルタ）により構成されたが、非分離型（Non-separable）フィルタにより構成されるようにしてもよい。この場合、水平方向と垂直方向の両方のフィルタリングが分離されずに同時に行われる。
　また、異なるフィルタ特性でフィルタリングする領域の数は、２に限定されない。この数が多いほど予測画像の精度は向上するが、記憶しておくフィルタ係数の数や処理量が多くなる。
　さらに、予測ブロックが小さい場合、外側予測画素と内側予測画素の距離が短いため、外側予測画素で発生する位置誤差が小さい。従って、予測ブロックが大きい場合にのみ、外側予測画素と内側予測画素を生成する際のフィルタリングのフィルタ特性を異なるようにしてもよい。
　＜本技術を適用したコンピュータの説明＞
　次に、上述した符号化処理や復号処理は、ハードウェアにより行うこともできるし、ソフトウェアにより行うこともできる。符号化処理や復号処理をソフトウェアによって行う場合には、そのソフトウェアを構成するプログラムが、汎用のコンピュータ等にインストールされる。
　そこで、図２４は、上述した一連の処理を実行するプログラムがインストールされるコンピュータの一実施の形態の構成例を示している。
　プログラムは、コンピュータに内蔵されている記録媒体としての記憶部４０８やROM（Read Only Memory）４０２に予め記録しておくことができる。
　あるいはまた、プログラムは、リムーバブルメディア４１１に格納（記録）しておくことができる。このようなリムーバブルメディア４１１は、いわゆるパッケージソフトウエアとして提供することができる。ここで、リムーバブルメディア４１１としては、例えば、フレキシブルディスク、CD-ROM(Compact Disc Read Only Memory)，MO(Magneto Optical)ディスク，DVD(Digital Versatile Disc)、磁気ディスク、半導体メモリ等がある。
　なお、プログラムは、上述したようなリムーバブルメディア４１１からドライブ４１０を介してコンピュータにインストールする他、通信網や放送網を介して、コンピュータにダウンロードし、内蔵する記憶部４０８にインストールすることができる。すなわち、プログラムは、例えば、ダウンロードサイトから、デジタル衛星放送用の人工衛星を介して、コンピュータに無線で転送したり、LAN(Local Area Network)、インターネットといったネットワークを介して、コンピュータに有線で転送することができる。
　コンピュータは、CPU(Central Processing Unit)４０１を内蔵しており、CPU４０１には、バス４０４を介して、入出力インタフェース４０５が接続されている。
　CPU４０１は、入出力インタフェース４０５を介して、ユーザによって、入力部４０６が操作等されることにより指令が入力されると、それに従って、ROM４０２に格納されているプログラムを実行する。あるいは、CPU４０１は、記憶部４０８に格納されたプログラムを、RAM(Random Access Memory)４０３にロードして実行する。
　これにより、CPU４０１は、上述したフローチャートにしたがった処理、あるいは上述したブロック図の構成により行われる処理を行う。そして、CPU４０１は、その処理結果を、必要に応じて、例えば、入出力インタフェース４０５を介して、出力部４０７から出力、あるいは、通信部４０９から送信、さらには、記憶部４０８に記録等させる。
　なお、入力部４０６は、キーボードや、マウス、マイク等で構成される。また、出力部４０７は、LCD(Liquid Crystal Display)やスピーカ等で構成される。
　ここで、本明細書において、コンピュータがプログラムに従って行う処理は、必ずしもフローチャートとして記載された順序に沿って時系列に行われる必要はない。すなわち、コンピュータがプログラムに従って行う処理は、並列的あるいは個別に実行される処理（例えば、並列処理あるいはオブジェクトによる処理）も含む。
　また、プログラムは、１のコンピュータ（プロセッサ）により処理されるものであっても良いし、複数のコンピュータによって分散処理されるものであっても良い。さらに、プログラムは、遠方のコンピュータに転送されて実行されるものであっても良い。
　＜テレビジョン受像機の構成例＞
　図２５は、本技術を適用した復号装置を用いるテレビジョン受像機の主な構成例を示すブロック図である。
　図２５に示されるテレビジョン受像機５００は、地上波チューナ５１３、ビデオデコーダ５１５、映像信号処理回路５１８、グラフィック生成回路５１９、パネル駆動回路５２０、および表示パネル５２１を有する。
　地上波チューナ５１３は、地上アナログ放送の放送波信号を、アンテナを介して受信し、復調し、映像信号を取得し、それをビデオデコーダ５１５に供給する。ビデオデコーダ５１５は、地上波チューナ５１３から供給された映像信号に対してデコード処理を施し、得られたデジタルのコンポーネント信号を映像信号処理回路５１８に供給する。
　映像信号処理回路５１８は、ビデオデコーダ５１５から供給された映像データに対してノイズ除去などの所定の処理を施し、得られた映像データをグラフィック生成回路５１９に供給する。
　グラフィック生成回路５１９は、表示パネル５２１に表示させる番組の映像データや、ネットワークを介して供給されるアプリケーションに基づく処理による画像データなどを生成し、生成した映像データや画像データをパネル駆動回路５２０に供給する。また、グラフィック生成回路５１９は、項目の選択などにユーザにより利用される画面を表示するための映像データ（グラフィック）を生成し、それを番組の映像データに重畳したりすることによって得られた映像データをパネル駆動回路５２０に供給するといった処理も適宜行う。
　パネル駆動回路５２０は、グラフィック生成回路５１９から供給されたデータに基づいて表示パネル５２１を駆動し、番組の映像や上述した各種の画面を表示パネル５２１に表示させる。
　表示パネル５２１はLCD（Liquid Crystal Display）などよりなり、パネル駆動回路５２０による制御に従って番組の映像などを表示させる。
　また、テレビジョン受像機５００は、音声A/D（Analog/Digital)変換回路５１４、音声信号処理回路５２２、エコーキャンセル／音声合成回路５２３、音声増幅回路５２４、およびスピーカ５２５も有する。
　地上波チューナ５１３は、受信した放送波信号を復調することにより、映像信号だけでなく音声信号も取得する。地上波チューナ５１３は、取得した音声信号を音声A/D変換回路５１４に供給する。
　音声A/D変換回路５１４は、地上波チューナ５１３から供給された音声信号に対してA/D変換処理を施し、得られたデジタルの音声信号を音声信号処理回路５２２に供給する。
　音声信号処理回路５２２は、音声A/D変換回路５１４から供給された音声データに対してノイズ除去などの所定の処理を施し、得られた音声データをエコーキャンセル／音声合成回路５２３に供給する。
　エコーキャンセル／音声合成回路５２３は、音声信号処理回路５２２から供給された音声データを音声増幅回路５２４に供給する。
　音声増幅回路５２４は、エコーキャンセル／音声合成回路５２３から供給された音声データに対してD/A変換処理、増幅処理を施し、所定の音量に調整した後、音声をスピーカ５２５から出力させる。
　さらに、テレビジョン受像機５００は、デジタルチューナ５１６およびMPEGデコーダ５１７も有する。　
　デジタルチューナ５１６は、デジタル放送（地上デジタル放送、BS（Broadcasting Satellite）／CS（Communications Satellite）デジタル放送）の放送波信号を、アンテナを介して受信し、復調し、MPEG-TS（Moving Picture Experts Group-Transport Stream）を取得し、それをMPEGデコーダ５１７に供給する。
　MPEGデコーダ５１７は、デジタルチューナ５１６から供給されたMPEG-TSに施されているスクランブルを解除し、再生対象（視聴対象）になっている番組のデータを含むストリームを抽出する。MPEGデコーダ５１７は、抽出したストリームを構成する音声パケットをデコードし、得られた音声データを音声信号処理回路５２２に供給するとともに、ストリームを構成する映像パケットをデコードし、得られた映像データを映像信号処理回路５１８に供給する。また、MPEGデコーダ５１７は、MPEG-TSから抽出したEPG（Electronic Program Guide)データを図示せぬ経路を介してCPU５３２に供給する。
　テレビジョン受像機５００は、このように映像パケットをデコードするMPEGデコーダ５１７として、上述した復号装置１００を用いる。したがって、MPEGデコーダ５１７では、復号装置１００の場合と同様に、インター予測時に分数精度の動き補償処理を行う場合において、高精度の予測画像を生成することができる。
　MPEGデコーダ５１７から供給された映像データは、ビデオデコーダ５１５から供給された映像データの場合と同様に、映像信号処理回路５１８において所定の処理が施される。そして、所定の処理が施された映像データは、グラフィック生成回路５１９において、生成された映像データ等が適宜重畳され、パネル駆動回路５２０を介して表示パネル５２１に供給され、その画像が表示される。
　MPEGデコーダ５１７から供給された音声データは、音声A/D変換回路５１４から供給された音声データの場合と同様に、音声信号処理回路５２２において所定の処理が施される。そして、所定の処理が施された音声データは、エコーキャンセル／音声合成回路５２３を介して音声増幅回路５２４に供給され、D/A変換処理や増幅処理が施される。その結果、所定の音量に調整された音声がスピーカ５２５から出力される。
　また、テレビジョン受像機５００は、マイクロホン５２６、およびA/D変換回路５２７も有する。
　A/D変換回路５２７は、音声会話用のものとしてテレビジョン受像機５００に設けられるマイクロホン５２６により取り込まれたユーザの音声の信号を受信する。A/D変換回路５２７は、受信した音声信号に対してA/D変換処理を施し、得られたデジタルの音声データをエコーキャンセル／音声合成回路５２３に供給する。
　エコーキャンセル／音声合成回路５２３は、テレビジョン受像機５００のユーザ（ユーザＡ）の音声のデータがA/D変換回路５２７から供給されている場合、ユーザＡの音声データを対象としてエコーキャンセルを行う。そして、エコーキャンセル／音声合成回路５２３は、エコーキャンセルの後、他の音声データと合成するなどして得られた音声のデータを、音声増幅回路５２４を介してスピーカ５２５より出力させる。
　さらに、テレビジョン受像機５００は、音声コーデック５２８、内側バス５２９、SDRAM（Synchronous Dynamic Random Access Memory)５３０、フラッシュメモリ５３１、CPU５３２、USB（Universal Serial Bus) I/F５３３、およびネットワークI/F５３４も有する。
　A/D変換回路５２７は、音声会話用のものとしてテレビジョン受像機５００に設けられるマイクロホン５２６により取り込まれたユーザの音声の信号を受信する。A/D変換回路５２７は、受信した音声信号に対してA/D変換処理を施し、得られたデジタルの音声データを音声コーデック５２８に供給する。
　音声コーデック５２８は、A/D変換回路５２７から供給された音声データを、ネットワーク経由で送信するための所定のフォーマットのデータに変換し、内側バス５２９を介してネットワークI/F５３４に供給する。
　ネットワークI/F５３４は、ネットワーク端子５３５に装着されたケーブルを介してネットワークに接続される。ネットワークI/F５３４は、例えば、そのネットワークに接続される他の装置に対して、音声コーデック５２８から供給された音声データを送信する。また、ネットワークI/F５３４は、例えば、ネットワークを介して接続される他の装置から送信される音声データを、ネットワーク端子５３５を介して受信し、それを、内側バス５２９を介して音声コーデック５２８に供給する。
　音声コーデック５２８は、ネットワークI/F５３４から供給された音声データを所定のフォーマットのデータに変換し、それをエコーキャンセル／音声合成回路５２３に供給する。
　エコーキャンセル／音声合成回路５２３は、音声コーデック５２８から供給される音声データを対象としてエコーキャンセルを行い、他の音声データと合成するなどして得られた音声のデータを、音声増幅回路５２４を介してスピーカ５２５より出力させる。
　SDRAM５３０は、CPU５３２が処理を行う上で必要な各種のデータを記憶する。
　フラッシュメモリ５３１は、CPU５３２により実行されるプログラムを記憶する。フラッシュメモリ５３１に記憶されているプログラムは、テレビジョン受像機５００の起動時などの所定のタイミングでCPU５３２により読み出される。フラッシュメモリ５３１には、デジタル放送を介して取得されたEPGデータ、ネットワークを介して所定のサーバから取得されたデータなども記憶される。
　例えば、フラッシュメモリ５３１には、CPU５３２の制御によりネットワークを介して所定のサーバから取得されたコンテンツデータを含むMPEG-TSが記憶される。フラッシュメモリ５３１は、例えばCPU５３２の制御により、そのMPEG-TSを、内側バス５２９を介してMPEGデコーダ５１７に供給する。
　MPEGデコーダ５１７は、デジタルチューナ５１６から供給されたMPEG-TSの場合と同様に、そのMPEG-TSを処理する。このようにテレビジョン受像機５００は、映像や音声等よりなるコンテンツデータを、ネットワークを介して受信し、MPEGデコーダ５１７を用いてデコードし、その映像を表示させたり、音声を出力させたりすることができる。
　また、テレビジョン受像機５００は、リモートコントローラ５５１から送信される赤外線信号を受光する受光部５３７も有する。
　受光部５３７は、リモートコントローラ５５１からの赤外線を受光し、復調して得られたユーザ操作の内容を表す制御コードをCPU５３２に出力する。
　CPU５３２は、フラッシュメモリ５３１に記憶されているプログラムを実行し、受光部５３７から供給される制御コードなどに応じてテレビジョン受像機５００の全体の動作を制御する。CPU５３２とテレビジョン受像機５００の各部は、図示せぬ経路を介して接続されている。
　USB I/F５３３は、USB端子５３６に装着されたUSBケーブルを介して接続される、テレビジョン受像機５００の外部の機器との間でデータの送受信を行う。ネットワークI/F５３４は、ネットワーク端子５３５に装着されたケーブルを介してネットワークに接続し、ネットワークに接続される各種の装置と音声データ以外のデータの送受信も行う。
　テレビジョン受像機５００は、MPEGデコーダ５１７として復号装置１００を用いることにより、インター予測時に分数精度の動き補償処理を行う場合において、高精度の予測画像を生成することができる。
　＜携帯電話機の構成例＞
　図２６は、本技術を適用した符号化装置および復号装置を用いる携帯電話機の主な構成例を示すブロック図である。
　図２６に示される携帯電話機６００は、各部を統括的に制御するようになされた主制御部６５０、電源回路部６５１、操作入力制御部６５２、画像エンコーダ６５３、カメラI/F部６５４、LCD制御部６５５、画像デコーダ６５６、多重分離部６５７、記録再生部６６２、変復調回路部６５８、および音声コーデック６５９を有する。これらは、バス６６０を介して互いに接続されている。
　また、携帯電話機６００は、操作キー６１９、CCD（Charge Coupled Devices）カメラ６１６、液晶ディスプレイ６１８、記憶部６２３、送受信回路部６６３、アンテナ６１４、マイクロホン（マイク）６２１、およびスピーカ６１７を有する。
　電源回路部６５１は、ユーザの操作により終話および電源キーがオン状態にされると、バッテリパックから各部に対して電力を供給することにより携帯電話機６００を動作可能な状態に起動する。
　携帯電話機６００は、CPU、ROMおよびRAM等でなる主制御部６５０の制御に基づいて、音声通話モードやデータ通信モード等の各種モードで、音声信号の送受信、電子メールや画像データの送受信、画像撮影、またはデータ記録等の各種動作を行う。
　例えば、音声通話モードにおいて、携帯電話機６００は、マイクロホン（マイク）６２１で集音した音声信号を、音声コーデック６５９によってデジタル音声データに変換し、これを変復調回路部６５８でスペクトラム拡散処理し、送受信回路部６６３でデジタルアナログ変換処理および周波数変換処理する。携帯電話機６００は、その変換処理により得られた送信用信号を、アンテナ６１４を介して図示しない基地局へ送信する。基地局へ伝送された送信用信号（音声信号）は、公衆電話回線網を介して通話相手の携帯電話機に供給される。
　また、例えば、音声通話モードにおいて、携帯電話機６００は、アンテナ６１４で受信した受信信号を送受信回路部６６３で増幅し、さらに周波数変換処理およびアナログデジタル変換処理し、変復調回路部６５８でスペクトラム逆拡散処理し、音声コーデック６５９によってアナログ音声信号に変換する。携帯電話機６００は、その変換して得られたアナログ音声信号をスピーカ６１７から出力する。
　更に、例えば、データ通信モードにおいて電子メールを送信する場合、携帯電話機６００は、操作キー６１９の操作によって入力された電子メールのテキストデータを、操作入力制御部６５２において受け付ける。携帯電話機６００は、そのテキストデータを主制御部６５０において処理し、LCD制御部６５５を介して、画像として液晶ディスプレイ６１８に表示させる。
　また、携帯電話機６００は、主制御部６５０において、操作入力制御部６５２が受け付けたテキストデータやユーザ指示等に基づいて電子メールデータを生成する。携帯電話機６００は、その電子メールデータを、変復調回路部６５８でスペクトラム拡散処理し、送受信回路部６６３でデジタルアナログ変換処理および周波数変換処理する。携帯電話機６００は、その変換処理により得られた送信用信号を、アンテナ６１４を介して図示しない基地局へ送信する。基地局へ伝送された送信用信号（電子メール）は、ネットワークおよびメールサーバ等を介して、所定のあて先に供給される。
　また、例えば、データ通信モードにおいて電子メールを受信する場合、携帯電話機６００は、基地局から送信された信号を、アンテナ６１４を介して送受信回路部６６３で受信し、増幅し、さらに周波数変換処理およびアナログデジタル変換処理する。携帯電話機６００は、その受信信号を変復調回路部６５８でスペクトラム逆拡散処理して元の電子メールデータを復元する。携帯電話機６００は、復元された電子メールデータを、LCD制御部６５５を介して液晶ディスプレイ６１８に表示する。
　なお、携帯電話機６００は、受信した電子メールデータを、記録再生部６６２を介して、記憶部６２３に記録する（記憶させる）ことも可能である。
　この記憶部６２３は、書き換え可能な任意の記憶媒体である。記憶部６２３は、例えば、RAMや内蔵型フラッシュメモリ等の半導体メモリであってもよいし、ハードディスクであってもよいし、磁気ディスク、光磁気ディスク、光ディスク、USBメモリ、またはメモリカード等のリムーバブルメディアであってもよい。もちろん、これら以外のものであってもよい。
　さらに、例えば、データ通信モードにおいて画像データを送信する場合、携帯電話機６００は、撮像によりCCDカメラ６１６で画像データを生成する。CCDカメラ６１６は、レンズや絞り等の光学デバイスと光電変換素子としてのCCDを有し、被写体を撮像し、受光した光の強度を電気信号に変換し、被写体の画像の画像データを生成する。その画像データを、カメラI/F部６５４を介して、画像エンコーダ６５３で、例えばMPEG２やMPEG４等の所定の符号化方式によって圧縮符号化することにより符号化画像データに変換する。
　携帯電話機６００は、このような処理を行う画像エンコーダ６５３として、上述した符号化装置１０を用いる。したがって、画像エンコーダ６５３は、符号化装置１０の場合と同様に、インター予測時に分数精度の動き補償処理を行う場合において、高精度の予測画像を生成することができる。
　なお、携帯電話機６００は、このとき同時に、CCDカメラ６１６で撮像中にマイクロホン（マイク）６２１で集音した音声を、音声コーデック６５９においてアナログデジタル変換し、さらに符号化する。
　携帯電話機６００は、多重分離部６５７において、画像エンコーダ６５３から供給された符号化画像データと、音声コーデック６５９から供給されたデジタル音声データとを、所定の方式で多重化する。携帯電話機６００は、その結果得られる多重化データを、変復調回路部６５８でスペクトラム拡散処理し、送受信回路部６６３でデジタルアナログ変換処理および周波数変換処理する。携帯電話機６００は、その変換処理により得られた送信用信号を、アンテナ６１４を介して図示しない基地局へ送信する。基地局へ伝送された送信用信号（画像データ）は、ネットワーク等を介して、通信相手に供給される。
　なお、画像データを送信しない場合、携帯電話機６００は、CCDカメラ６１６で生成した画像データを、画像エンコーダ６５３を介さずに、LCD制御部６５５を介して液晶ディスプレイ６１８に表示させることもできる。
　また、例えば、データ通信モードにおいて、簡易ホームページ等にリンクされた動画像ファイルのデータを受信する場合、携帯電話機６００は、基地局から送信された信号を、アンテナ６１４を介して送受信回路部６６３で受信し、増幅し、さらに周波数変換処理およびアナログデジタル変換処理する。携帯電話機６００は、その受信信号を変復調回路部６５８でスペクトラム逆拡散処理して元の多重化データを復元する。携帯電話機６００は、多重分離部６５７において、その多重化データを分離して、符号化画像データと音声データとに分ける。
　携帯電話機６００は、画像デコーダ６５６において、符号化画像データを、MPEG２やMPEG４等の所定の符号化方式に対応した復号方式でデコードすることにより、再生動画像データを生成し、これを、LCD制御部６５５を介して液晶ディスプレイ６１８に表示させる。これにより、例えば、簡易ホームページにリンクされた動画像ファイルに含まれる動画データが液晶ディスプレイ６１８に表示される。
　携帯電話機６００は、このような処理を行う画像デコーダ６５６として、上述した復号装置１００を用いる。したがって、画像デコーダ６５６は、復号装置１００の場合と同様に、インター予測時に分数精度の動き補償処理を行う場合において、高精度の予測画像を生成することができる。
　このとき、携帯電話機６００は、同時に、音声コーデック６５９において、デジタルの音声データをアナログ音声信号に変換し、これをスピーカ６１７より出力させる。これにより、例えば、簡易ホームページにリンクされた動画像ファイルに含まれる音声データが再生される。
　なお、電子メールの場合と同様に、携帯電話機６００は、受信した簡易ホームページ等にリンクされたデータを、記録再生部６６２を介して、記憶部６２３に記録する（記憶させる）ことも可能である。
　また、携帯電話機６００は、主制御部６５０において、撮像されてCCDカメラ６１６で得られた２次元コードを解析し、２次元コードに記録された情報を取得することができる。
　さらに、携帯電話機６００は、赤外線通信部６８１で赤外線により外部の機器と通信することができる。
　携帯電話機６００は、画像エンコーダ６５３として符号化装置１０を用いることにより、インター予測時に分数精度の動き補償処理を行う場合において、高精度の予測画像を生成することができる。
　また、携帯電話機６００は、画像デコーダ６５６として復号装置１００を用いることにより、インター予測時に分数精度の動き補償処理を行う場合において、高精度の予測画像を生成することができる。
　なお、以上において、携帯電話機６００が、CCDカメラ６１６を用いるように説明したが、このCCDカメラ６１６の代わりに、CMOS（Complementary Metal Oxide Semiconductor）を用いたイメージセンサ（CMOSイメージセンサ）を用いるようにしてもよい。この場合も、携帯電話機６００は、CCDカメラ６１６を用いる場合と同様に、被写体を撮像し、被写体の画像の画像データを生成することができる。
　また、以上においては携帯電話機６００として説明したが、例えば、PDA（Personal Digital Assistants）、スマートフォン、UMPC（Ultra Mobile Personal Computer）、ネットブック、ノート型パーソナルコンピュータ等、この携帯電話機６００と同様の撮像機能や通信機能を有する装置であれば、どのような装置であっても携帯電話機６００の場合と同様に、符号化装置１０および復号装置１００を適用することができる。
　＜ハードディスクレコーダの構成例＞
　図２７は、本技術を適用した符号化装置および復号装置を用いるハードディスクレコーダの主な構成例を示すブロック図である。
　図２７に示されるハードディスクレコーダ（HDDレコーダ）７００は、チューナにより受信された、衛星や地上のアンテナ等より送信される放送波信号（テレビジョン信号）に含まれる放送番組のオーディオデータとビデオデータを、内蔵するハードディスクに保存し、その保存したデータをユーザの指示に応じたタイミングでユーザに提供する装置である。
　ハードディスクレコーダ７００は、例えば、放送波信号よりオーディオデータとビデオデータを抽出し、それらを適宜復号し、内蔵するハードディスクに記憶させることができる。また、ハードディスクレコーダ７００は、例えば、ネットワークを介して他の装置からオーディオデータやビデオデータを取得し、それらを適宜復号し、内蔵するハードディスクに記憶させることもできる。
　さらに、ハードディスクレコーダ７００は、例えば、内蔵するハードディスクに記録されているオーディオデータやビデオデータを復号してモニタ７６０に供給し、モニタ７６０の画面にその画像を表示させる。また、ハードディスクレコーダ７００は、モニタ７６０のスピーカよりその音声を出力させることができる。
　ハードディスクレコーダ７００は、例えば、チューナを介して取得された放送波信号より抽出されたオーディオデータとビデオデータ、または、ネットワークを介して他の装置から取得したオーディオデータやビデオデータを復号してモニタ７６０に供給し、モニタ７６０の画面にその画像を表示させる。また、ハードディスクレコーダ７００は、モニタ７６０のスピーカよりその音声を出力させることもできる。
　もちろん、この他の動作も可能である。
　図２７に示されるように、ハードディスクレコーダ７００は、受信部７２１、復調部７２２、デマルチプレクサ７２３、オーディオデコーダ７２４、ビデオデコーダ７２５、およびレコーダ制御部７２６を有する。ハードディスクレコーダ７００は、さらに、EPGデータメモリ７２７、プログラムメモリ７２８、ワークメモリ７２９、ディスプレイコンバータ７３０、OSD（On Screen Display）制御部７３１、ディスプレイ制御部７３２、記録再生部７３３、D/Aコンバータ７３４、および通信部７３５を有する。
　また、ディスプレイコンバータ７３０は、ビデオエンコーダ７４１を有する。記録再生部７３３は、エンコーダ７５１およびデコーダ７５２を有する。
　受信部７２１は、リモートコントローラ（図示せず）からの赤外線信号を受信し、電気信号に変換してレコーダ制御部７２６に出力する。レコーダ制御部７２６は、例えば、マイクロプロセッサなどにより構成され、プログラムメモリ７２８に記憶されているプログラムに従って、各種の処理を実行する。レコーダ制御部７２６は、このとき、ワークメモリ７２９を必要に応じて使用する。
　通信部７３５は、ネットワークに接続され、ネットワークを介して他の装置との通信処理を行う。例えば、通信部７３５は、レコーダ制御部７２６により制御され、チューナ（図示せず）と通信し、主にチューナに対して選局制御信号を出力する。
　復調部７２２は、チューナより供給された信号を、復調し、デマルチプレクサ７２３に出力する。デマルチプレクサ７２３は、復調部７２２より供給されたデータを、オーディオデータ、ビデオデータ、およびEPGデータに分離し、それぞれ、オーディオデコーダ７２４、ビデオデコーダ７２５、またはレコーダ制御部７２６に出力する。
　オーディオデコーダ７２４は、入力されたオーディオデータを、例えばMPEG方式でデコードし、記録再生部７３３に出力する。ビデオデコーダ７２５は、入力されたビデオデータを、例えばMPEG方式でデコードし、ディスプレイコンバータ７３０に出力する。レコーダ制御部７２６は、入力されたEPGデータをEPGデータメモリ７２７に供給し、記憶させる。
　ディスプレイコンバータ７３０は、ビデオデコーダ７２５またはレコーダ制御部７２６より供給されたビデオデータを、ビデオエンコーダ７４１により、例えばNTSC（National Television Standards Committee）方式のビデオデータにエンコードし、記録再生部７３３に出力する。また、ディスプレイコンバータ７３０は、ビデオデコーダ７２５またはレコーダ制御部７２６より供給されるビデオデータの画面のサイズを、モニタ７６０のサイズに対応するサイズに変換する。ディスプレイコンバータ７３０は、画面のサイズが変換されたビデオデータを、さらに、ビデオエンコーダ７４１によってNTSC方式のビデオデータに変換し、アナログ信号に変換し、ディスプレイ制御部７３２に出力する。
　ディスプレイ制御部７３２は、レコーダ制御部７２６の制御のもと、OSD（On Screen Display）制御部７３１が出力したOSD信号を、ディスプレイコンバータ７３０より入力されたビデオ信号に重畳し、モニタ７６０のディスプレイに出力し、表示させる。
　モニタ７６０にはまた、オーディオデコーダ７２４が出力したオーディオデータが、D/Aコンバータ７３４によりアナログ信号に変換されて供給されている。モニタ７６０は、このオーディオ信号を内蔵するスピーカから出力する。
　記録再生部７３３は、ビデオデータやオーディオデータ等を記録する記憶媒体としてハードディスクを有する。
　記録再生部７３３は、例えば、オーディオデコーダ７２４より供給されるオーディオデータを、エンコーダ７５１によりMPEG方式でエンコードする。また、記録再生部７３３は、ディスプレイコンバータ７３０のビデオエンコーダ７４１より供給されるビデオデータを、エンコーダ７５１によりMPEG方式でエンコードする。記録再生部７３３は、そのオーディオデータの符号化データとビデオデータの符号化データとをマルチプレクサにより合成する。記録再生部７３３は、その合成データをチャネルコーディングして増幅し、そのデータを、記録ヘッドを介してハードディスクに書き込む。
　記録再生部７３３は、再生ヘッドを介してハードディスクに記録されているデータを再生し、増幅し、デマルチプレクサによりオーディオデータとビデオデータに分離する。記録再生部７３３は、デコーダ７５２によりオーディオデータおよびビデオデータをMPEG方式でデコードする。記録再生部７３３は、復号したオーディオデータをD/A変換し、モニタ７６０のスピーカに出力する。また、記録再生部７３３は、復号したビデオデータをD/A変換し、モニタ７６０のディスプレイに出力する。
　レコーダ制御部７２６は、受信部７２１を介して受信されるリモートコントローラからの赤外線信号により示されるユーザ指示に基づいて、EPGデータメモリ７２７から最新のEPGデータを読み出し、それをOSD制御部７３１に供給する。OSD制御部７３１は、入力されたEPGデータに対応する画像データを発生し、ディスプレイ制御部７３２に出力する。ディスプレイ制御部７３２は、OSD制御部７３１より入力されたビデオデータをモニタ７６０のディスプレイに出力し、表示させる。これにより、モニタ７６０のディスプレイには、EPG（電子番組ガイド）が表示される。
　また、ハードディスクレコーダ７００は、インターネット等のネットワークを介して他の装置から供給されるビデオデータ、オーディオデータ、またはEPGデータ等の各種データを取得することができる。
　通信部７３５は、レコーダ制御部７２６に制御され、ネットワークを介して他の装置から送信されるビデオデータ、オーディオデータ、およびEPGデータ等の符号化データを取得し、それをレコーダ制御部７２６に供給する。レコーダ制御部７２６は、例えば、取得したビデオデータやオーディオデータの符号化データを記録再生部７３３に供給し、ハードディスクに記憶させる。このとき、レコーダ制御部７２６および記録再生部７３３が、必要に応じて再エンコード等の処理を行うようにしてもよい。
　また、レコーダ制御部７２６は、取得したビデオデータやオーディオデータの符号化データを復号し、得られるビデオデータをディスプレイコンバータ７３０に供給する。ディスプレイコンバータ７３０は、ビデオデコーダ７２５から供給されるビデオデータと同様に、レコーダ制御部７２６から供給されるビデオデータを処理し、ディスプレイ制御部７３２を介してモニタ７６０に供給し、その画像を表示させる。
　また、この画像表示に合わせて、レコーダ制御部７２６が、復号したオーディオデータを、D/Aコンバータ７３４を介してモニタ７６０に供給し、その音声をスピーカから出力させるようにしてもよい。
　さらに、レコーダ制御部７２６は、取得したEPGデータの符号化データを復号し、復号したEPGデータをEPGデータメモリ７２７に供給する。
　以上のようなハードディスクレコーダ７００は、ビデオデコーダ７２５、デコーダ７５２、およびレコーダ制御部７２６に内蔵されるデコーダとして復号装置１００を用いる。したがって、ビデオデコーダ７２５、デコーダ７５２、およびレコーダ制御部７２６に内蔵されるデコーダは、復号装置１００の場合と同様に、インター予測時に分数精度の動き補償処理を行う場合において、高精度の予測画像を生成することができる。
　また、ハードディスクレコーダ７００は、エンコーダ７５１として符号化装置１０を用いる。したがって、エンコーダ７５１は、符号化装置１０の場合と同様に、インター予測時に分数精度の動き補償処理を行う場合において、高精度の予測画像を生成することができる。
　なお、以上においては、ビデオデータやオーディオデータをハードディスクに記録するハードディスクレコーダ７００について説明したが、もちろん、記録媒体はどのようなものであってもよい。例えばフラッシュメモリ、光ディスク、またはビデオテープ等、ハードディスク以外の記録媒体を適用するレコーダであっても、上述したハードディスクレコーダ７００の場合と同様に、符号化装置１０および復号装置１００を適用することができる。
　＜カメラの構成例＞
　図２８は、本技術を適用した符号化装置および復号装置を用いるカメラの主な構成例を示すブロック図である。
　図２８に示されるカメラ８００は、被写体を撮像し、被写体の画像をLCD８１６に表示させたり、それを画像データとして、記録メディア８３３に記録したりする。
　レンズブロック８１１は、光（すなわち、被写体の映像）を、CCD/CMOS８１２に入射させる。CCD/CMOS８１２は、CCDまたはCMOSを用いたイメージセンサであり、受光した光の強度を電気信号に変換し、カメラ信号処理部８１３に供給する。
　カメラ信号処理部８１３は、CCD/CMOS８１２から供給された電気信号を、Ｙ，Ｃｒ，Ｃｂの色差信号に変換し、画像信号処理部８１４に供給する。画像信号処理部８１４は、コントローラ８２１の制御の下、カメラ信号処理部８１３から供給された画像信号に対して所定の画像処理を施したり、その画像信号をエンコーダ８４１で例えばMPEG方式により符号化したりする。画像信号処理部８１４は、画像信号を符号化して生成した符号化データを、デコーダ８１５に供給する。さらに、画像信号処理部８１４は、オンスクリーンディスプレイ（OSD）８２０において生成された表示用データを取得し、それをデコーダ８１５に供給する。
　以上の処理において、カメラ信号処理部８１３は、バス８１７を介して接続されるDRAM（Dynamic Random Access Memory）８１８を適宜利用し、必要に応じて画像データや、その画像データが符号化された符号化データ等をそのDRAM８１８に保持させる。
　デコーダ８１５は、画像信号処理部８１４から供給された符号化データを復号し、得られた画像データ（復号画像データ）をLCD８１６に供給する。また、デコーダ８１５は、画像信号処理部８１４から供給された表示用データをLCD８１６に供給する。LCD８１６は、デコーダ８１５から供給された復号画像データの画像と表示用データの画像を適宜合成し、その合成画像を表示する。
　オンスクリーンディスプレイ８２０は、コントローラ８２１の制御の下、記号、文字、または図形からなるメニュー画面やアイコンなどの表示用データを、バス８１７を介して画像信号処理部８１４に出力する。
　コントローラ８２１は、ユーザが操作部８２２を用いて指令した内容を示す信号に基づいて、各種処理を実行するとともに、バス８１７を介して、画像信号処理部８１４、DRAM８１８、外部インタフェース８１９、オンスクリーンディスプレイ８２０、およびメディアドライブ８２３等を制御する。FLASH ROM８２４には、コントローラ８２１が各種処理を実行する上で必要なプログラムやデータ等が格納される。
　例えば、コントローラ８２１は、画像信号処理部８１４やデコーダ８１５に代わって、DRAM８１８に記憶されている画像データを符号化したり、DRAM８１８に記憶されている符号化データを復号したりすることができる。このとき、コントローラ８２１は、画像信号処理部８１４やデコーダ８１５の符号化・復号方式と同様の方式によって符号化・復号処理を行うようにしてもよいし、画像信号処理部８１４やデコーダ８１５が対応していない方式により符号化・復号処理を行うようにしてもよい。
　また、例えば、操作部８２２から画像印刷の開始が指示された場合、コントローラ８２１は、DRAM８１８から画像データを読み出し、それを、バス８１７を介して外部インタフェース８１９に接続されるプリンタ８３４に供給して印刷させる。
　さらに、例えば、操作部８２２から画像記録が指示された場合、コントローラ８２１は、DRAM８１８から符号化データを読み出し、それを、バス８１７を介してメディアドライブ８２３に装着される記録メディア８３３に供給して記憶させる。
　記録メディア８３３は、例えば、磁気ディスク、光磁気ディスク、光ディスク、または半導体メモリ等の、読み書き可能な任意のリムーバブルメディアである。記録メディア８３３は、もちろん、リムーバブルメディアとしての種類も任意であり、テープデバイスであってもよいし、ディスクであってもよいし、メモリカードであってもよい。もちろん、非接触ICカード等であっても良い。
　また、メディアドライブ８２３と記録メディア８３３を一体化し、例えば、内蔵型ハードディスクドライブやSSD（Solid State Drive）等のように、非可搬性の記憶媒体により構成されるようにしてもよい。
　外部インタフェース８１９は、例えば、USB入出力端子などで構成され、画像の印刷を行う場合に、プリンタ８３４と接続される。また、外部インタフェース８１９には、必要に応じてドライブ８３１が接続され、磁気ディスク、光ディスク、あるいは光磁気ディスクなどのリムーバブルメディア８３２が適宜装着され、それらから読み出されたコンピュータプログラムが、必要に応じて、FLASH ROM８２４にインストールされる。
　さらに、外部インタフェース８１９は、LANやインターネット等の所定のネットワークに接続されるネットワークインタフェースを有する。コントローラ８２１は、例えば、操作部８２２からの指示に従って、DRAM８１８から符号化データを読み出し、それを外部インタフェース８１９から、ネットワークを介して接続される他の装置に供給させることができる。また、コントローラ８２１は、ネットワークを介して他の装置から供給される符号化データや画像データを、外部インタフェース８１９を介して取得し、それをDRAM８１８に保持させたり、画像信号処理部８１４に供給したりすることができる。
　以上のようなカメラ８００は、デコーダ８１５として復号装置１００用いる。したがって、デコーダ８１５は、復号装置１００の場合と同様に、インター予測時に分数精度の動き補償処理を行う場合において、高精度の予測画像を生成することができる。
　また、カメラ８００は、エンコーダ８４１として符号化装置１０を用いる。したがって、エンコーダ８４１は、符号化装置１０の場合と同様に、インター予測時に分数精度の動き補償処理を行う場合において、高精度の予測画像を生成することができる。
　なお、コントローラ８２１が行う復号処理に復号装置１００の復号方法を適用するようにしてもよい。同様に、コントローラ８２１が行う符号化処理に符号化装置１０の符号化方法を適用するようにしてもよい。
　また、カメラ８００が撮像する画像データは動画像であってもよいし、静止画像であってもよい。
　もちろん、符号化装置１０および復号装置１００は、上述した装置以外の装置やシステムにも適用可能である。
　本技術の実施の形態は、上述した実施の形態に限定されるものではなく、本技術の要旨を逸脱しない範囲において種々の変更が可能である。
　なお、本技術は、以下のような構成もとることができる。
　（１）
　インター予測における参照画像に対して、第１のフィルタ特性でフィルタリングを行うことにより、前記インター予測における予測画像を構成する画素のうちの外側に位置する画素である外側予測画素を生成する外側フィルタ処理部と、
　前記参照画像に対して、前記第１のフィルタ特性とは異なる第２のフィルタ特性でフィルタリングを行うことにより、前記予測画像を構成する画素のうちの内側に位置する画素である内側予測画素を生成する内側フィルタ処理部と
　を備える画像処理装置。
　（２）
　前記外側フィルタ処理部は、前記外側予測画素の低周波数成分を補間し、高周波成分を低減する外側用フィルタ係数を用いてフィルタリングを行い、
　前記内側フィルタ処理部は、前記内側予測画素の低周波成分と高周波成分を補間する内側用フィルタ係数を用いてフィルタリングを行う
　前記（１）に記載の画像処理装置。
　（３）
　前記外側フィルタ処理部は、前記参照画像を構成する画素のうちの、前記外側予測画素の周辺の第１の数の画素を用いた前記フィルタリングを行い、
　前記内側フィルタ処理部は、前記参照画像を構成する画素のうちの、前記内側予測画素の周辺の前記第１の数より多い第２の数の画素を用いた前記フィルタリングを行う
　前記（１）に記載の画像処理装置。
　（４）
　前記予測画像と符号化対象の画像の差分を演算する差分演算部
　をさらに備える
　前記（１）乃至（３）のいずれかに記載の画像処理装置。
　（５）
　前記予測画像と復号対象の画像を加算する加算演算部
　をさらに備える
　前記（１）乃至（３）のいずれかに記載の画像処理装置。
　（６）
　画像処理装置が、
　インター予測における参照画像に対して、第１のフィルタ特性でフィルタリングを行うことにより、前記インター予測における予測画像を構成する画素のうちの外側に位置する画素である外側予測画素を生成する外側フィルタ処理ステップと、
　前記参照画像に対して、前記第１のフィルタ特性とは異なる第２のフィルタ特性でフィルタリングを行うことにより、前記予測画像を構成する画素のうちの内側に位置する画素である内側予測画素を生成する内側フィルタ処理ステップと
　を含む画像処理方法。
　１３　演算部，　２４　インター予測部，　４３　外側用FIRフィルタ，　４４　内側用FIRフィルタ，　１０５　加算部，　１１１　インター予測部，　１３２　6タップFIRフィルタ，　１３３　8タップFIRフィルタ

Claims (6)

  1. 　インター予測における参照画像に対して、第１のフィルタ特性でフィルタリングを行うことにより、前記インター予測における予測画像を構成する画素のうちの外側に位置する画素である外側予測画素を生成する外側フィルタ処理部と、
    　前記参照画像に対して、前記第１のフィルタ特性とは異なる第２のフィルタ特性でフィルタリングを行うことにより、前記予測画像を構成する画素のうちの内側に位置する画素である内側予測画素を生成する内側フィルタ処理部と
    　を備える画像処理装置。
  2. 　前記外側フィルタ処理部は、前記外側予測画素の低周波数成分を補間し、高周波成分を低減する外側用フィルタ係数を用いてフィルタリングを行い、
    　前記内側フィルタ処理部は、前記内側予測画素の低周波成分と高周波成分を補間する内側用フィルタ係数を用いてフィルタリングを行う
    　請求項１に記載の画像処理装置。
  3. 　前記外側フィルタ処理部は、前記参照画像を構成する画素のうちの、前記外側予測画素の周辺の第１の数の画素を用いた前記フィルタリングを行い、
    　前記内側フィルタ処理部は、前記参照画像を構成する画素のうちの、前記内側予測画素の周辺の前記第１の数より多い第２の数の画素を用いた前記フィルタリングを行う
    　請求項１に記載の画像処理装置。
  4. 　前記予測画像と符号化対象の画像の差分を演算する差分演算部
    　をさらに備える
    　請求項１に記載の画像処理装置。
  5. 　前記予測画像と復号対象の画像を加算する加算演算部
    　をさらに備える
    　請求項１に記載の画像処理装置。
  6. 　画像処理装置が、
    　インター予測における参照画像に対して、第１のフィルタ特性でフィルタリングを行うことにより、前記インター予測における予測画像を構成する画素のうちの外側に位置する画素である外側予測画素を生成する外側フィルタ処理ステップと、
    　前記参照画像に対して、前記第１のフィルタ特性とは異なる第２のフィルタ特性でフィルタリングを行うことにより、前記予測画像を構成する画素のうちの内側に位置する画素である内側予測画素を生成する内側フィルタ処理ステップと
    　を含む画像処理方法。
PCT/JP2012/077582 2011-11-04 2012-10-25 画像処理装置および画像処理方法 WO2013065571A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2011-242625 2011-11-04
JP2011242625A JP2013098929A (ja) 2011-11-04 2011-11-04 画像処理装置および画像処理方法

Publications (1)

Publication Number Publication Date
WO2013065571A1 true WO2013065571A1 (ja) 2013-05-10

Family

ID=48191920

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2012/077582 WO2013065571A1 (ja) 2011-11-04 2012-10-25 画像処理装置および画像処理方法

Country Status (2)

Country Link
JP (1) JP2013098929A (ja)
WO (1) WO2013065571A1 (ja)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08214303A (ja) * 1994-10-31 1996-08-20 Daewoo Electron Co Ltd 映像データ後処理方法
JP2007129370A (ja) * 2005-11-01 2007-05-24 Matsushita Electric Ind Co Ltd 動きベクトル検出装置及び方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08214303A (ja) * 1994-10-31 1996-08-20 Daewoo Electron Co Ltd 映像データ後処理方法
JP2007129370A (ja) * 2005-11-01 2007-05-24 Matsushita Electric Ind Co Ltd 動きベクトル検出装置及び方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KENJI KONDO ET AL.: "CE3: MC boundary filter (tool test 7)", JOINT COLLABORATIVE TEAM ON VIDEO CODING (JCT-VC) OF ITU-T SG16 WP3 AND ISO/IEC JTC1/SC29/WG11, 7TH MEETING, 21 November 2011 (2011-11-21), GENEVA, CH *
KENJI KONDO ET AL.: "CE3: Reports on MC boundary filter", JOINT COLLABORATIVE TEAM ON VIDEO CODING (JCT-VC) OF ITU-T SG16 WP3 AND ISO/IEC JTC1/SC29/WG11, 6TH MEETING, 14 July 2011 (2011-07-14), TORINO, IT *

Also Published As

Publication number Publication date
JP2013098929A (ja) 2013-05-20

Similar Documents

Publication Publication Date Title
TWI411310B (zh) Image processing apparatus and method
KR101745848B1 (ko) 복호 장치 및 복호 방법
WO2010101064A1 (ja) 画像処理装置および方法
WO2010095559A1 (ja) 画像処理装置および方法
WO2010035731A1 (ja) 画像処理装置および方法
WO2012096229A1 (ja) 符号化装置および符号化方法、並びに復号装置および復号方法
WO2010095560A1 (ja) 画像処理装置および方法
WO2010035730A1 (ja) 画像処理装置および方法
JP2011041037A (ja) 画像処理装置および方法
WO2011086964A1 (ja) 画像処理装置および方法、並びにプログラム
WO2011089973A1 (ja) 画像処理装置および方法
WO2011152315A1 (ja) 画像処理装置および方法
WO2010035732A1 (ja) 画像処理装置および方法
WO2013065572A1 (ja) 符号化装置および方法、並びに、復号装置および方法
WO2010064675A1 (ja) 画像処理装置および画像処理方法、並びにプログラム
JP2011223337A (ja) 画像処理装置および方法
WO2010064674A1 (ja) 画像処理装置および画像処理方法、並びにプログラム
WO2010010943A1 (ja) 画像処理装置および方法
JP2011135184A (ja) 画像処理装置および方法、並びにプログラム
WO2010038858A1 (ja) 画像処理装置および方法
WO2012077532A1 (ja) 画像処理装置、画像処理方法、およびプログラム
WO2012008388A1 (ja) 符号化装置および符号化方法、並びに、復号装置および復号方法
JP2012019447A (ja) 画像処理装置および方法
WO2013065571A1 (ja) 画像処理装置および画像処理方法
WO2011125625A1 (ja) 画像処理装置および方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 12845271

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 12845271

Country of ref document: EP

Kind code of ref document: A1