WO2018221553A1 - 符号化装置、符号化方法、復号装置及び復号方法 - Google Patents

符号化装置、符号化方法、復号装置及び復号方法 Download PDF

Info

Publication number
WO2018221553A1
WO2018221553A1 PCT/JP2018/020656 JP2018020656W WO2018221553A1 WO 2018221553 A1 WO2018221553 A1 WO 2018221553A1 JP 2018020656 W JP2018020656 W JP 2018020656W WO 2018221553 A1 WO2018221553 A1 WO 2018221553A1
Authority
WO
WIPO (PCT)
Prior art keywords
unit
base
transform
conversion
inverse transform
Prior art date
Application number
PCT/JP2018/020656
Other languages
English (en)
French (fr)
Inventor
大川　真人
秀雄 齋藤
遠間　正真
西　孝啓
安倍　清史
龍一 加納
Original Assignee
パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ
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 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ filed Critical パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ
Priority to JP2019521252A priority Critical patent/JP6767579B2/ja
Publication of WO2018221553A1 publication Critical patent/WO2018221553A1/ja
Priority to US16/697,525 priority patent/US11044481B2/en
Priority to US17/188,448 priority patent/US11375207B2/en
Priority to US17/737,594 priority patent/US11818362B2/en
Priority to US18/376,618 priority patent/US12096005B2/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • H04N19/159—Prediction type, e.g. intra-frame, inter-frame or bidirectional frame prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H04N19/625—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using discrete cosine transform [DCT]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/12—Selection from among a plurality of transforms or standards, e.g. selection between discrete cosine transform [DCT] and sub-band transform or selection between H.263 and H.264
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—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

  • This disclosure relates to image / video encoding and decoding in block units.
  • HEVC High-Efficiency Video Coding
  • JCT-VC Joint Collaborative Team on Video Coding
  • Such encoding and decoding techniques are required to reduce the processing load while suppressing a decrease in compression efficiency.
  • the present disclosure provides an encoding device, a decoding device, an encoding method, or a decoding method that can reduce the processing load while suppressing a decrease in compression efficiency.
  • An encoding apparatus is an encoding apparatus that encodes a coding target block of a picture, and includes a processor and a memory, and the processor uses the memory to store the coding target block.
  • a first signal is used as a residual signal of the encoding target block using a first transform basis.
  • the second conversion base is used to generate a second conversion coefficient by performing a second conversion on the first conversion coefficient, and the second conversion coefficient is quantized.
  • the present disclosure can provide an encoding device, a decoding device, an encoding method, or a decoding method that can reduce the processing load while suppressing a decrease in compression efficiency.
  • FIG. 1 is a block diagram showing a functional configuration of the encoding apparatus according to Embodiment 1.
  • FIG. 2 is a diagram illustrating an example of block division in the first embodiment.
  • FIG. 3 is a table showing conversion basis functions corresponding to each conversion type.
  • FIG. 4A is a diagram illustrating an example of the shape of a filter used in ALF.
  • FIG. 4B is a diagram illustrating another example of the shape of a filter used in ALF.
  • FIG. 4C is a diagram illustrating another example of the shape of a filter used in ALF.
  • FIG. 5A is a diagram illustrating 67 intra prediction modes in intra prediction.
  • FIG. 5B is a flowchart for explaining the outline of the predicted image correction process by the OBMC process.
  • FIG. 5A is a diagram illustrating 67 intra prediction modes in intra prediction.
  • FIG. 5B is a flowchart for explaining the outline of the predicted image correction process by the OBMC process.
  • FIG. 5A is a
  • FIG. 5C is a conceptual diagram for explaining the outline of the predicted image correction process by the OBMC process.
  • FIG. 5D is a diagram illustrating an example of FRUC.
  • FIG. 6 is a diagram for explaining pattern matching (bilateral matching) between two blocks along the motion trajectory.
  • FIG. 7 is a diagram for explaining pattern matching (template matching) between a template in the current picture and a block in the reference picture.
  • FIG. 8 is a diagram for explaining a model assuming constant velocity linear motion.
  • FIG. 9A is a diagram for explaining derivation of a motion vector in units of sub-blocks based on motion vectors of a plurality of adjacent blocks.
  • FIG. 9B is a diagram for explaining the outline of the motion vector deriving process in the merge mode.
  • FIG. 9A is a diagram for explaining derivation of a motion vector in units of sub-blocks based on motion vectors of a plurality of adjacent blocks.
  • FIG. 9B is a diagram for explaining the outline of
  • FIG. 9C is a conceptual diagram for explaining an outline of DMVR processing.
  • FIG. 9D is a diagram for describing an overview of a predicted image generation method using luminance correction processing by LIC processing.
  • FIG. 10 is a block diagram showing a functional configuration of the decoding apparatus according to the first embodiment.
  • FIG. 11 is a flowchart showing transform and quantization processing in the encoding apparatus according to Embodiment 2.
  • FIG. 12 is a flowchart showing inverse quantization and inverse transform processing in the decoding apparatus according to Embodiment 2.
  • FIG. 13 is a flowchart showing transform and quantization processing in the encoding apparatus according to Embodiment 3.
  • FIG. 14 is a flowchart showing inverse quantization and inverse transform processing in the decoding apparatus according to Embodiment 3.
  • FIG. 11 is a flowchart showing transform and quantization processing in the encoding apparatus according to Embodiment 2.
  • FIG. 12 is a flowchart showing inverse quantization and inverse transform processing
  • FIG. 15 is a flowchart showing transform and quantization processing in the encoding apparatus according to Embodiment 4.
  • FIG. 16 is a flowchart showing an encoding process in the encoding apparatus according to the fourth embodiment.
  • FIG. 17 is a flowchart showing a decoding process in the decoding apparatus according to the fourth embodiment.
  • FIG. 18 is a flowchart showing inverse quantization and inverse transform processing in the decoding apparatus according to Embodiment 4.
  • FIG. 19 is an overall configuration diagram of a content supply system that realizes a content distribution service.
  • FIG. 20 is a diagram illustrating an example of a coding structure at the time of scalable coding.
  • FIG. 21 is a diagram illustrating an example of a coding structure at the time of scalable coding.
  • FIG. 20 is a diagram illustrating an example of a coding structure at the time of scalable coding.
  • FIG. 22 shows an example of a web page display screen.
  • FIG. 23 is a diagram showing an example of a web page display screen.
  • FIG. 24 is a diagram illustrating an example of a smartphone.
  • FIG. 25 is a block diagram illustrating a configuration example of a smartphone.
  • an outline of the first embodiment will be described as an example of an encoding device and a decoding device to which the processing and / or configuration described in each aspect of the present disclosure to be described later can be applied.
  • the first embodiment is merely an example of an encoding device and a decoding device to which the processing and / or configuration described in each aspect of the present disclosure can be applied, and the processing and / or processing described in each aspect of the present disclosure.
  • the configuration can also be implemented in an encoding device and a decoding device different from those in the first embodiment.
  • the encoding apparatus or decoding apparatus according to the first embodiment corresponds to the constituent elements described in each aspect of the present disclosure among a plurality of constituent elements constituting the encoding apparatus or decoding apparatus. Replacing the constituent elements with constituent elements described in each aspect of the present disclosure (2) A plurality of constituent elements constituting the encoding apparatus or decoding apparatus with respect to the encoding apparatus or decoding apparatus of the first embodiment The constituent elements corresponding to the constituent elements described in each aspect of the present disclosure are added to the present disclosure after arbitrary changes such as addition, replacement, and deletion of functions or processes to be performed on some constituent elements among the constituent elements.
  • a component that performs a part of processing performed by a component is a component that is described in each aspect of the present disclosure, a component that includes a part of a function included in the component described in each aspect of the present disclosure, (6)
  • a method performed by the encoding device or the decoding device according to Embodiment 1 is performed in combination with a component that performs a part of processing performed by the component described in each aspect of the disclosure.
  • the process corresponding to the process described in each aspect of the present disclosure is replaced with the process described in each aspect of the present disclosure.
  • the encoding apparatus according to the first embodiment or A part of the plurality of processes included in the method performed by the decoding device is performed in combination with the processes described in each aspect of the present disclosure
  • the processes and / or configurations described in each aspect of the present disclosure are not limited to the above examples.
  • the present invention may be implemented in an apparatus used for a different purpose from the moving picture / picture encoding apparatus or moving picture / picture decoding apparatus disclosed in the first embodiment, and the processing and / or described in each aspect.
  • the configuration may be implemented alone.
  • you may implement combining the process and / or structure which were demonstrated in the different aspect.
  • FIG. 1 is a block diagram showing a functional configuration of encoding apparatus 100 according to Embodiment 1.
  • the encoding device 100 is a moving image / image encoding device that encodes moving images / images in units of blocks.
  • an encoding apparatus 100 is an apparatus that encodes an image in units of blocks, and includes a dividing unit 102, a subtracting unit 104, a transforming unit 106, a quantizing unit 108, and entropy encoding.
  • Unit 110 inverse quantization unit 112, inverse transform unit 114, addition unit 116, block memory 118, loop filter unit 120, frame memory 122, intra prediction unit 124, inter prediction unit 126, A prediction control unit 128.
  • the encoding device 100 is realized by, for example, a general-purpose processor and a memory.
  • the processor when the software program stored in the memory is executed by the processor, the processor performs the division unit 102, the subtraction unit 104, the conversion unit 106, the quantization unit 108, the entropy encoding unit 110, and the inverse quantization unit 112.
  • the encoding apparatus 100 includes a dividing unit 102, a subtracting unit 104, a transforming unit 106, a quantizing unit 108, an entropy coding unit 110, an inverse quantizing unit 112, an inverse transforming unit 114, an adding unit 116, and a loop filter unit 120.
  • the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128 may be implemented as one or more dedicated electronic circuits.
  • the dividing unit 102 divides each picture included in the input moving image into a plurality of blocks, and outputs each block to the subtracting unit 104.
  • the dividing unit 102 first divides a picture into blocks of a fixed size (for example, 128 ⁇ 128).
  • This fixed size block may be referred to as a coding tree unit (CTU).
  • the dividing unit 102 divides each of the fixed size blocks into blocks of a variable size (for example, 64 ⁇ 64 or less) based on recursive quadtree and / or binary tree block division.
  • This variable size block may be referred to as a coding unit (CU), a prediction unit (PU) or a transform unit (TU).
  • CU, PU, and TU do not need to be distinguished, and some or all blocks in a picture may be processing units of CU, PU, and TU.
  • FIG. 2 is a diagram showing an example of block division in the first embodiment.
  • a solid line represents a block boundary by quadtree block division
  • a broken line represents a block boundary by binary tree block division.
  • the block 10 is a 128 ⁇ 128 pixel square block (128 ⁇ 128 block).
  • the 128 ⁇ 128 block 10 is first divided into four square 64 ⁇ 64 blocks (quadtree block division).
  • the upper left 64 ⁇ 64 block is further divided vertically into two rectangular 32 ⁇ 64 blocks, and the left 32 ⁇ 64 block is further divided vertically into two rectangular 16 ⁇ 64 blocks (binary tree block division). As a result, the upper left 64 ⁇ 64 block is divided into two 16 ⁇ 64 blocks 11 and 12 and a 32 ⁇ 64 block 13.
  • the upper right 64 ⁇ 64 block is horizontally divided into two rectangular 64 ⁇ 32 blocks 14 and 15 (binary tree block division).
  • the lower left 64x64 block is divided into four square 32x32 blocks (quadrant block division). Of the four 32 ⁇ 32 blocks, the upper left block and the lower right block are further divided.
  • the upper left 32 ⁇ 32 block is vertically divided into two rectangular 16 ⁇ 32 blocks, and the right 16 ⁇ 32 block is further divided horizontally into two 16 ⁇ 16 blocks (binary tree block division).
  • the lower right 32 ⁇ 32 block is horizontally divided into two 32 ⁇ 16 blocks (binary tree block division).
  • the lower left 64 ⁇ 64 block is divided into a 16 ⁇ 32 block 16, two 16 ⁇ 16 blocks 17 and 18, two 32 ⁇ 32 blocks 19 and 20, and two 32 ⁇ 16 blocks 21 and 22.
  • the lower right 64x64 block 23 is not divided.
  • the block 10 is divided into 13 variable-size blocks 11 to 23 based on the recursive quadtree and binary tree block division.
  • Such division may be called QTBT (quad-tree plus binary tree) division.
  • one block is divided into four or two blocks (quadrature tree or binary tree block division), but the division is not limited to this.
  • one block may be divided into three blocks (triple tree block division).
  • Such a division including a tri-tree block division may be called an MBT (multi type tree) division.
  • the subtraction unit 104 subtracts the prediction signal (prediction sample) from the original signal (original sample) in units of blocks divided by the division unit 102. That is, the subtraction unit 104 calculates a prediction error (also referred to as a residual) of a coding target block (hereinafter referred to as a current block). Then, the subtraction unit 104 outputs the calculated prediction error to the conversion unit 106.
  • a prediction error also referred to as a residual of a coding target block (hereinafter referred to as a current block).
  • the original signal is an input signal of the encoding device 100, and is a signal (for example, a luminance (luma) signal and two color difference (chroma) signals) representing an image of each picture constituting the moving image.
  • a signal representing an image may be referred to as a sample.
  • the transform unit 106 transforms the prediction error in the spatial domain into a transform factor in the frequency domain, and outputs the transform coefficient to the quantization unit 108. Specifically, the transform unit 106 performs, for example, a predetermined discrete cosine transform (DCT) or discrete sine transform (DST) on a prediction error in the spatial domain.
  • DCT discrete cosine transform
  • DST discrete sine transform
  • the conversion unit 106 adaptively selects a conversion type from a plurality of conversion types, and converts a prediction error into a conversion coefficient using a conversion basis function corresponding to the selected conversion type. May be. Such a conversion may be referred to as EMT (explicit multiple core transform) or AMT (adaptive multiple transform).
  • the plurality of conversion types include, for example, DCT-II, DCT-V, DCT-VIII, DST-I and DST-VII.
  • FIG. 3 is a table showing conversion basis functions corresponding to each conversion type. In FIG. 3, N indicates the number of input pixels. Selection of a conversion type from among these multiple conversion types may depend on, for example, the type of prediction (intra prediction and inter prediction), or may depend on an intra prediction mode.
  • Information indicating whether or not to apply such EMT or AMT (for example, called an AMT flag) and information indicating the selected conversion type are signaled at the CU level.
  • AMT flag information indicating whether or not to apply such EMT or AMT
  • the signalization of these pieces of information need not be limited to the CU level, but may be other levels (for example, a sequence level, a picture level, a slice level, a tile level, or a CTU level).
  • the conversion unit 106 may reconvert the conversion coefficient (conversion result). Such reconversion is sometimes referred to as AST (adaptive secondary transform) or NSST (non-separable secondary transform). For example, the conversion unit 106 performs re-conversion for each sub-block (for example, 4 ⁇ 4 sub-block) included in the block of the conversion coefficient corresponding to the intra prediction error. Information indicating whether or not NSST is applied and information related to the transformation matrix used for NSST are signaled at the CU level. Note that the signalization of these pieces of information need not be limited to the CU level, but may be other levels (for example, a sequence level, a picture level, a slice level, a tile level, or a CTU level).
  • the separable conversion is a method of performing the conversion a plurality of times by separating the number of dimensions of the input for each direction, and the non-separable conversion is two or more when the input is multidimensional.
  • the dimensions are collectively regarded as one dimension, and conversion is performed collectively.
  • non-separable conversion if an input is a 4 ⁇ 4 block, it is regarded as one array having 16 elements, and 16 ⁇ 16 conversion is performed on the array. The thing which performs the conversion process with a matrix is mentioned.
  • a 4 ⁇ 4 input block is regarded as a single array having 16 elements, and then the Givens rotation is performed multiple times on the array (Hypercube Givens Transform) is also a non-separable. It is an example of conversion.
  • the quantization unit 108 quantizes the transform coefficient output from the transform unit 106. Specifically, the quantization unit 108 scans the transform coefficients of the current block in a predetermined scanning order, and quantizes the transform coefficients based on the quantization parameter (QP) corresponding to the scanned transform coefficients. Then, the quantization unit 108 outputs the quantized transform coefficient (hereinafter referred to as a quantization coefficient) of the current block to the entropy encoding unit 110 and the inverse quantization unit 112.
  • QP quantization parameter
  • the predetermined order is an order for quantization / inverse quantization of transform coefficients.
  • the predetermined scanning order is defined in ascending order of frequency (order from low frequency to high frequency) or descending order (order from high frequency to low frequency).
  • the quantization parameter is a parameter that defines a quantization step (quantization width). For example, if the value of the quantization parameter increases, the quantization step also increases. That is, if the value of the quantization parameter increases, the quantization error increases.
  • the entropy encoding unit 110 generates an encoded signal (encoded bit stream) by performing variable length encoding on the quantization coefficient that is input from the quantization unit 108. Specifically, the entropy encoding unit 110 binarizes the quantization coefficient, for example, and arithmetically encodes the binary signal.
  • the inverse quantization unit 112 inversely quantizes the quantization coefficient that is an input from the quantization unit 108. Specifically, the inverse quantization unit 112 inversely quantizes the quantization coefficient of the current block in a predetermined scanning order. Then, the inverse quantization unit 112 outputs the inverse-quantized transform coefficient of the current block to the inverse transform unit 114.
  • the inverse transform unit 114 restores the prediction error by inverse transforming the transform coefficient that is an input from the inverse quantization unit 112. Specifically, the inverse transform unit 114 restores the prediction error of the current block by performing an inverse transform corresponding to the transform by the transform unit 106 on the transform coefficient. Then, the inverse transformation unit 114 outputs the restored prediction error to the addition unit 116.
  • the restored prediction error does not match the prediction error calculated by the subtraction unit 104 because information is lost due to quantization. That is, the restored prediction error includes a quantization error.
  • the adder 116 reconstructs the current block by adding the prediction error input from the inverse transform unit 114 and the prediction sample input from the prediction control unit 128. Then, the adding unit 116 outputs the reconfigured block to the block memory 118 and the loop filter unit 120.
  • the reconstructed block is sometimes referred to as a local decoding block.
  • the block memory 118 is a storage unit for storing blocks in an encoding target picture (hereinafter referred to as current picture) that are referred to in intra prediction. Specifically, the block memory 118 stores the reconstructed block output from the adding unit 116.
  • the loop filter unit 120 applies a loop filter to the block reconstructed by the adding unit 116 and outputs the filtered reconstructed block to the frame memory 122.
  • the loop filter is a filter (in-loop filter) used in the encoding loop, and includes, for example, a deblocking filter (DF), a sample adaptive offset (SAO), an adaptive loop filter (ALF), and the like.
  • a least square error filter is applied to remove coding distortion. For example, for each 2 ⁇ 2 sub-block in the current block, a plurality of multiples based on the direction of the local gradient and the activity are provided. One filter selected from the filters is applied.
  • sub-blocks for example, 2 ⁇ 2 sub-blocks
  • a plurality of classes for example, 15 or 25 classes.
  • the direction value D of the gradient is derived, for example, by comparing gradients in a plurality of directions (for example, horizontal, vertical, and two diagonal directions).
  • the gradient activation value A is derived, for example, by adding gradients in a plurality of directions and quantizing the addition result.
  • a filter for a sub-block is determined from among a plurality of filters.
  • FIG. 4A to 4C are diagrams showing a plurality of examples of filter shapes used in ALF.
  • 4A shows a 5 ⁇ 5 diamond shape filter
  • FIG. 4B shows a 7 ⁇ 7 diamond shape filter
  • FIG. 4C shows a 9 ⁇ 9 diamond shape filter.
  • Information indicating the shape of the filter is signalized at the picture level. It should be noted that the signalization of the information indicating the filter shape need not be limited to the picture level, but may be another level (for example, a sequence level, a slice level, a tile level, a CTU level, or a CU level).
  • ON / OFF of ALF is determined at the picture level or the CU level, for example. For example, for luminance, it is determined whether to apply ALF at the CU level, and for color difference, it is determined whether to apply ALF at the picture level.
  • Information indicating ALF on / off is signaled at the picture level or the CU level. Signaling of information indicating ALF on / off need not be limited to the picture level or the CU level, and may be performed at other levels (for example, a sequence level, a slice level, a tile level, or a CTU level). Good.
  • a coefficient set of a plurality of selectable filters (for example, up to 15 or 25 filters) is signalized at the picture level.
  • the signalization of the coefficient set need not be limited to the picture level, but may be another level (for example, sequence level, slice level, tile level, CTU level, CU level, or sub-block level).
  • the frame memory 122 is a storage unit for storing a reference picture used for inter prediction, and is sometimes called a frame buffer. Specifically, the frame memory 122 stores the reconstructed block filtered by the loop filter unit 120.
  • the intra prediction unit 124 generates a prediction signal (intra prediction signal) by referring to the block in the current picture stored in the block memory 118 and performing intra prediction (also referred to as intra-screen prediction) of the current block. Specifically, the intra prediction unit 124 generates an intra prediction signal by performing intra prediction with reference to a sample (for example, luminance value and color difference value) of a block adjacent to the current block, and performs prediction control on the intra prediction signal. To the unit 128.
  • the intra prediction unit 124 performs intra prediction using one of a plurality of predefined intra prediction modes.
  • the plurality of intra prediction modes include one or more non-directional prediction modes and a plurality of directional prediction modes.
  • One or more non-directional prediction modes are for example H.264. It includes Planar prediction mode and DC prediction mode defined by H.265 / HEVC (High-Efficiency Video Coding) standard (Non-patent Document 1).
  • the multiple directionality prediction modes are for example H.264. It includes 33-direction prediction modes defined in the H.265 / HEVC standard. In addition to the 33 directions, the plurality of directionality prediction modes may further include 32 direction prediction modes (a total of 65 directionality prediction modes).
  • FIG. 5A is a diagram illustrating 67 intra prediction modes (two non-directional prediction modes and 65 directional prediction modes) in intra prediction. The solid line arrows The 33 directions defined in the H.265 / HEVC standard are represented, and the dashed arrow represents the added 32 directions.
  • the luminance block may be referred to in the intra prediction of the color difference block. That is, the color difference component of the current block may be predicted based on the luminance component of the current block.
  • Such intra prediction is sometimes called CCLM (cross-component linear model) prediction.
  • the intra prediction mode (for example, called CCLM mode) of the color difference block which refers to such a luminance block may be added as one of the intra prediction modes of the color difference block.
  • the intra prediction unit 124 may correct the pixel value after intra prediction based on the gradient of the reference pixel in the horizontal / vertical direction. Intra prediction with such correction may be called PDPC (position dependent intra prediction combination). Information indicating whether or not PDPC is applied (for example, referred to as a PDPC flag) is signaled, for example, at the CU level.
  • the signalization of this information need not be limited to the CU level, but may be another level (for example, a sequence level, a picture level, a slice level, a tile level, or a CTU level).
  • the inter prediction unit 126 refers to a reference picture stored in the frame memory 122 and is different from the current picture, and performs inter prediction (also referred to as inter-screen prediction) of the current block, thereby generating a prediction signal (inter prediction signal). Prediction signal). Inter prediction is performed in units of a current block or a sub-block (for example, 4 ⁇ 4 block) in the current block. For example, the inter prediction unit 126 performs motion estimation in the reference picture for the current block or sub-block. Then, the inter prediction unit 126 generates an inter prediction signal of the current block or sub-block by performing motion compensation using motion information (for example, a motion vector) obtained by motion search. Then, the inter prediction unit 126 outputs the generated inter prediction signal to the prediction control unit 128.
  • inter prediction also referred to as inter-screen prediction
  • a motion vector predictor may be used for signalizing the motion vector. That is, the difference between the motion vector and the predicted motion vector may be signaled.
  • an inter prediction signal may be generated using not only the motion information of the current block obtained by motion search but also the motion information of adjacent blocks. Specifically, the inter prediction signal is generated in units of sub-blocks in the current block by weighted addition of the prediction signal based on the motion information obtained by motion search and the prediction signal based on the motion information of adjacent blocks. May be.
  • Such inter prediction motion compensation
  • OBMC overlapped block motion compensation
  • OBMC block size information indicating the size of a sub-block for OBMC
  • OBMC flag information indicating whether or not to apply the OBMC mode
  • the level of signalization of these information does not need to be limited to the sequence level and the CU level, and may be other levels (for example, a picture level, a slice level, a tile level, a CTU level, or a sub-block level). Good.
  • FIG. 5B and FIG. 5C are a flowchart and a conceptual diagram for explaining the outline of the predicted image correction process by the OBMC process.
  • a prediction image (Pred) by normal motion compensation is acquired using a motion vector (MV) assigned to an encoding target block.
  • MV motion vector
  • a prediction image (Pred_L) is obtained by applying the motion vector (MV_L) of the encoded left adjacent block to the encoding target block, and prediction is performed by superimposing the prediction image and Pred_L with weights. Perform the first correction of the image.
  • the motion vector (MV_U) of the encoded upper adjacent block is applied to the block to be encoded to obtain a prediction image (Pred_U), and the prediction image and Pred_U that have been subjected to the first correction are weighted. Then, the second correction of the predicted image is performed by superimposing and making it the final predicted image.
  • the two-step correction method using the left adjacent block and the upper adjacent block has been described here, the correction may be performed more times than the two steps using the right adjacent block and the lower adjacent block. Is possible.
  • the area to be overlapped may not be the pixel area of the entire block, but only a part of the area near the block boundary.
  • the processing target block may be a prediction block unit or a sub-block unit obtained by further dividing the prediction block.
  • obmc_flag is a signal indicating whether or not to apply the OBMC process.
  • the encoding apparatus it is determined whether or not the encoding target block belongs to a complex motion region, and if it belongs to a complex motion region, a value 1 is set as obmc_flag. Encoding is performed by applying the OBMC process, and if it does not belong to a complex region of motion, the value 0 is set as obmc_flag and the encoding is performed without applying the OBMC process.
  • the decoding apparatus by decoding the obmc_flag described in the stream, decoding is performed by switching whether to apply the OBMC process according to the value.
  • the motion information may be derived on the decoding device side without being converted into a signal.
  • H.M. A merge mode defined in the H.265 / HEVC standard may be used.
  • the motion information may be derived by performing motion search on the decoding device side. In this case, motion search is performed without using the pixel value of the current block.
  • the mode in which motion search is performed on the decoding device side is sometimes called a PMMVD (patterned motion vector derivation) mode or an FRUC (frame rate up-conversion) mode.
  • PMMVD patterned motion vector derivation
  • FRUC frame rate up-conversion
  • FIG. 5D An example of FRUC processing is shown in FIG. 5D.
  • a list of a plurality of candidates each having a predicted motion vector (may be common with the merge list) is generated Is done.
  • the best candidate MV is selected from a plurality of candidate MVs registered in the candidate list. For example, the evaluation value of each candidate included in the candidate list is calculated, and one candidate is selected based on the evaluation value.
  • a motion vector for the current block is derived based on the selected candidate motion vector.
  • the selected candidate motion vector (best candidate MV) is directly derived as a motion vector for the current block.
  • the motion vector for the current block may be derived by performing pattern matching in the peripheral region at the position in the reference picture corresponding to the selected candidate motion vector. That is, the same method is used to search the area around the best candidate MV, and if there is an MV with a good evaluation value, the best candidate MV is updated to the MV, and the current block is updated. The final MV may be used. It is also possible to adopt a configuration in which the processing is not performed.
  • the same processing may be performed when processing is performed in units of sub-blocks.
  • the evaluation value is calculated by obtaining a difference value of the reconstructed image by pattern matching between a region in the reference picture corresponding to the motion vector and a predetermined region. Note that the evaluation value may be calculated using information other than the difference value.
  • the first pattern matching and the second pattern matching may be referred to as bilateral matching and template matching, respectively.
  • pattern matching is performed between two blocks in two different reference pictures that follow the motion trajectory of the current block. Therefore, in the first pattern matching, a region in another reference picture along the motion trajectory of the current block is used as the predetermined region for calculating the candidate evaluation value described above.
  • FIG. 6 is a diagram for explaining an example of pattern matching (bilateral matching) between two blocks along a motion trajectory.
  • first pattern matching two blocks along the motion trajectory of the current block (Cur block) and two blocks in two different reference pictures (Ref0, Ref1) are used.
  • two motion vectors MV0, MV1 are derived.
  • MV0, MV1 a reconstructed image at a designated position in the first encoded reference picture (Ref0) designated by the candidate MV, and a symmetric MV obtained by scaling the candidate MV at a display time interval.
  • the difference from the reconstructed image at the designated position in the second encoded reference picture (Ref1) designated in (2) is derived, and the evaluation value is calculated using the obtained difference value.
  • the candidate MV having the best evaluation value among the plurality of candidate MVs may be selected as the final MV.
  • the motion vectors (MV0, MV1) pointing to the two reference blocks are temporal distances between the current picture (Cur Pic) and the two reference pictures (Ref0, Ref1). It is proportional to (TD0, TD1).
  • the first pattern matching uses a mirror-symmetric bi-directional motion vector Is derived.
  • pattern matching is performed between a template in the current picture (a block adjacent to the current block in the current picture (for example, an upper and / or left adjacent block)) and a block in the reference picture. Therefore, in the second pattern matching, a block adjacent to the current block in the current picture is used as the predetermined region for calculating the candidate evaluation value described above.
  • FIG. 7 is a diagram for explaining an example of pattern matching (template matching) between a template in the current picture and a block in the reference picture.
  • the current block is searched by searching the reference picture (Ref0) for the block that most closely matches the block adjacent to the current block (Cur block) in the current picture (Cur Pic).
  • Ref0 the reference picture
  • the reconstructed image of the encoded region of the left adjacent area and / or the upper adjacent area, and the equivalent in the encoded reference picture (Ref0) designated by the candidate MV When a difference from the reconstructed image at the position is derived, an evaluation value is calculated using the obtained difference value, and a candidate MV having the best evaluation value among a plurality of candidate MVs is selected as the best candidate MV. Good.
  • FRUC flag Information indicating whether or not to apply such FRUC mode
  • FRUC flag information indicating whether or not to apply such FRUC mode
  • the FRUC mode is applied (for example, when the FRUC flag is true)
  • information indicating the pattern matching method (first pattern matching or second pattern matching) (for example, called the FRUC mode flag) is signaled at the CU level. It becomes. Note that the signalization of these pieces of information need not be limited to the CU level, but may be other levels (for example, sequence level, picture level, slice level, tile level, CTU level, or sub-block level). .
  • BIO bi-directional optical flow
  • FIG. 8 is a diagram for explaining a model assuming constant velocity linear motion.
  • (v x , v y ) indicates a velocity vector
  • ⁇ 0 and ⁇ 1 are the time between the current picture (Cur Pic) and two reference pictures (Ref 0 , Ref 1 ), respectively.
  • the distance. (MVx 0 , MVy 0 ) indicates a motion vector corresponding to the reference picture Ref 0
  • (MVx 1 , MVy 1 ) indicates a motion vector corresponding to the reference picture Ref 1 .
  • This optical flow equation consists of (i) the product of the time derivative of the luminance value, (ii) the horizontal component of the horizontal velocity and the spatial gradient of the reference image, and (iii) the vertical velocity and the spatial gradient of the reference image. Indicates that the sum of the products of the vertical components of is equal to zero. Based on a combination of this optical flow equation and Hermite interpolation, a block-based motion vector obtained from a merge list or the like is corrected in pixel units.
  • the motion vector may be derived on the decoding device side by a method different from the derivation of the motion vector based on the model assuming constant velocity linear motion.
  • a motion vector may be derived for each subblock based on the motion vectors of a plurality of adjacent blocks.
  • This mode may be referred to as an affine motion compensation prediction mode.
  • FIG. 9A is a diagram for explaining derivation of a motion vector in units of sub-blocks based on motion vectors of a plurality of adjacent blocks.
  • the current block includes 16 4 ⁇ 4 sub-blocks.
  • the motion vector v 0 of the upper left corner control point of the current block is derived based on the motion vector of the adjacent block
  • the motion vector v 1 of the upper right corner control point of the current block is derived based on the motion vector of the adjacent sub block. Is done.
  • the motion vector (v x , v y ) of each sub-block in the current block is derived by the following equation (2).
  • x and y indicate the horizontal position and vertical position of the sub-block, respectively, and w indicates a predetermined weight coefficient.
  • Such an affine motion compensation prediction mode may include several modes in which the motion vector derivation methods of the upper left and upper right corner control points are different.
  • Information indicating such an affine motion compensation prediction mode (for example, called an affine flag) is signaled at the CU level. Note that the information indicating the affine motion compensation prediction mode need not be limited to the CU level, but other levels (for example, sequence level, picture level, slice level, tile level, CTU level, or sub-block level). ).
  • the prediction control unit 128 selects either the intra prediction signal or the inter prediction signal, and outputs the selected signal to the subtraction unit 104 and the addition unit 116 as a prediction signal.
  • FIG. 9B is a diagram for explaining the outline of the motion vector deriving process in the merge mode.
  • a prediction MV list in which prediction MV candidates are registered is generated.
  • prediction MV candidates spatial adjacent prediction MVs that are MVs of a plurality of encoded blocks located spatially around the encoding target block, and the position of the encoding target block in the encoded reference picture are projected.
  • Temporal adjacent prediction MV that is MV of neighboring blocks combined prediction MV that is MV generated by combining MV values of spatial adjacent prediction MV and temporal adjacent prediction MV, zero prediction MV that is MV having a value of zero, and the like There is.
  • variable length encoding unit describes and encodes merge_idx which is a signal indicating which prediction MV is selected in the stream.
  • the prediction MV registered in the prediction MV list described with reference to FIG. 9B is an example, and the number of prediction MVs may be different from the number in the figure, or may not include some types of prediction MVs in the figure. It may be the composition which added prediction MV other than the kind of prediction MV in a figure.
  • the final MV may be determined by performing DMVR processing, which will be described later, using the MV of the encoding target block derived by the merge mode.
  • FIG. 9C is a conceptual diagram for explaining an outline of DMVR processing.
  • the optimal MVP set in the processing target block is set as a candidate MV, and reference pixels from a first reference picture that is a processed picture in the L0 direction and a second reference picture that is a processed picture in the L1 direction are set according to the candidate MV. Are obtained, and a template is generated by taking the average of each reference pixel.
  • the peripheral areas of the candidate MVs of the first reference picture and the second reference picture are searched, respectively, and the MV with the lowest cost is determined as the final MV.
  • the cost value is calculated using a difference value between each pixel value of the template and each pixel value of the search area, an MV value, and the like.
  • FIG. 9D is a diagram for explaining an outline of a predicted image generation method using luminance correction processing by LIC processing.
  • an MV for obtaining a reference image corresponding to a block to be encoded is derived from a reference picture that is an encoded picture.
  • the predicted image for the encoding target block is generated by performing the brightness correction process using the brightness correction parameter for the reference image in the reference picture specified by MV.
  • the shape of the peripheral reference region in FIG. 9D is an example, and other shapes may be used.
  • the process of generating a predicted image from one reference picture has been described, but the same applies to the case of generating a predicted image from a plurality of reference pictures, and the same applies to reference images acquired from each reference picture.
  • the predicted image is generated after performing the luminance correction processing by the method.
  • lic_flag is a signal indicating whether to apply LIC processing.
  • the encoding device it is determined whether or not the encoding target block belongs to an area where the luminance change occurs, and if it belongs to the area where the luminance change occurs, lic_flag is set. Encode by applying LIC processing with a value of 1 set, and if not belonging to an area where a luminance change has occurred, set 0 as lic_flag and perform encoding without applying the LIC processing .
  • the decoding device by decoding lic_flag described in the stream, decoding is performed by switching whether to apply the LIC processing according to the value.
  • a method for determining whether or not to apply LIC processing for example, there is a method for determining whether or not LIC processing has been applied to peripheral blocks.
  • the encoding target block is in the merge mode
  • whether or not the surrounding encoded blocks selected in the derivation of the MV in the merge mode processing are encoded by applying the LIC processing. Judgment is performed, and encoding is performed by switching whether to apply the LIC processing according to the result.
  • the decoding process is exactly the same.
  • FIG. 10 is a block diagram showing a functional configuration of decoding apparatus 200 according to Embodiment 1.
  • the decoding device 200 is a moving image / image decoding device that decodes moving images / images in units of blocks.
  • the decoding device 200 includes an entropy decoding unit 202, an inverse quantization unit 204, an inverse transformation unit 206, an addition unit 208, a block memory 210, a loop filter unit 212, and a frame memory 214. And an intra prediction unit 216, an inter prediction unit 218, and a prediction control unit 220.
  • the decoding device 200 is realized by, for example, a general-purpose processor and a memory.
  • the processor executes the entropy decoding unit 202, the inverse quantization unit 204, the inverse transformation unit 206, the addition unit 208, the loop filter unit 212, and the intra prediction unit. 216, the inter prediction unit 218, and the prediction control unit 220.
  • the decoding apparatus 200 is dedicated to the entropy decoding unit 202, the inverse quantization unit 204, the inverse transformation unit 206, the addition unit 208, the loop filter unit 212, the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220. It may be realized as one or more electronic circuits.
  • the entropy decoding unit 202 performs entropy decoding on the encoded bit stream. Specifically, the entropy decoding unit 202 performs arithmetic decoding from a coded bitstream to a binary signal, for example. Then, the entropy decoding unit 202 debinarizes the binary signal. As a result, the entropy decoding unit 202 outputs the quantized coefficient to the inverse quantization unit 204 in units of blocks.
  • the inverse quantization unit 204 inversely quantizes the quantization coefficient of a decoding target block (hereinafter referred to as a current block) that is an input from the entropy decoding unit 202. Specifically, the inverse quantization unit 204 inversely quantizes each quantization coefficient of the current block based on the quantization parameter corresponding to the quantization coefficient. Then, the inverse quantization unit 204 outputs the quantization coefficient (that is, the transform coefficient) obtained by inverse quantization of the current block to the inverse transform unit 206.
  • a decoding target block hereinafter referred to as a current block
  • the inverse quantization unit 204 inversely quantizes each quantization coefficient of the current block based on the quantization parameter corresponding to the quantization coefficient. Then, the inverse quantization unit 204 outputs the quantization coefficient (that is, the transform coefficient) obtained by inverse quantization of the current block to the inverse transform unit 206.
  • the inverse transform unit 206 restores the prediction error by inverse transforming the transform coefficient that is an input from the inverse quantization unit 204.
  • the inverse conversion unit 206 determines the current block based on the information indicating the read conversion type. Inversely transform the conversion coefficient of.
  • the inverse transform unit 206 applies inverse retransformation to the transform coefficient.
  • the adder 208 reconstructs the current block by adding the prediction error input from the inverse converter 206 and the prediction sample input from the prediction controller 220. Then, the adding unit 208 outputs the reconfigured block to the block memory 210 and the loop filter unit 212.
  • the block memory 210 is a storage unit for storing a block that is referred to in intra prediction and that is within a decoding target picture (hereinafter referred to as a current picture). Specifically, the block memory 210 stores the reconstructed block output from the adding unit 208.
  • the loop filter unit 212 applies a loop filter to the block reconstructed by the adding unit 208, and outputs the filtered reconstructed block to the frame memory 214, the display device, and the like.
  • one filter is selected from the plurality of filters based on the local gradient direction and activity, The selected filter is applied to the reconstruction block.
  • the frame memory 214 is a storage unit for storing a reference picture used for inter prediction, and is sometimes called a frame buffer. Specifically, the frame memory 214 stores the reconstructed block filtered by the loop filter unit 212.
  • the intra prediction unit 216 performs intra prediction with reference to the block in the current picture stored in the block memory 210 based on the intra prediction mode read from the encoded bitstream, so that a prediction signal (intra prediction Signal). Specifically, the intra prediction unit 216 generates an intra prediction signal by performing intra prediction with reference to a sample (for example, luminance value and color difference value) of a block adjacent to the current block, and performs prediction control on the intra prediction signal. Output to the unit 220.
  • a prediction signal for example, luminance value and color difference value
  • the intra prediction unit 216 may predict the color difference component of the current block based on the luminance component of the current block.
  • the intra prediction unit 216 corrects the pixel value after intra prediction based on the gradient of the reference pixel in the horizontal / vertical direction.
  • the inter prediction unit 218 refers to the reference picture stored in the frame memory 214 and predicts the current block. Prediction is performed in units of a current block or a sub-block (for example, 4 ⁇ 4 block) in the current block. For example, the inter prediction unit 218 generates an inter prediction signal of the current block or sub-block by performing motion compensation using motion information (for example, a motion vector) read from the encoded bitstream, and generates the inter prediction signal. The result is output to the prediction control unit 220.
  • motion information for example, a motion vector
  • the inter prediction unit 218 When the information read from the encoded bitstream indicates that the OBMC mode is to be applied, the inter prediction unit 218 includes not only the motion information of the current block obtained by motion search but also the motion information of adjacent blocks. To generate an inter prediction signal.
  • the inter prediction unit 218 follows the pattern matching method (bilateral matching or template matching) read from the encoded stream. Motion information is derived by performing motion search. Then, the inter prediction unit 218 performs motion compensation using the derived motion information.
  • the inter prediction unit 218 derives a motion vector based on a model assuming constant velocity linear motion. Also, when the information read from the encoded bitstream indicates that the affine motion compensated prediction mode is applied, the inter prediction unit 218 determines the motion vector in units of subblocks based on the motion vectors of a plurality of adjacent blocks. Is derived.
  • the prediction control unit 220 selects either the intra prediction signal or the inter prediction signal, and outputs the selected signal to the adding unit 208 as a prediction signal.
  • Embodiment 2 Next, a second embodiment will be described. In the present embodiment, conversion and inverse conversion will be described in detail. In addition, since the structure of the encoding apparatus and decoding apparatus which concern on this Embodiment is substantially the same as Embodiment 1, illustration and description are abbreviate
  • FIG. 11 is a flowchart showing transform and quantization processing in coding apparatus 100 according to Embodiment 2.
  • the conversion unit 106 determines whether to use intra prediction or inter prediction for the encoding target block (S101). For example, the conversion unit 106 determines whether to use intra prediction or inter prediction based on the difference between the original image and the reconstructed image obtained by local decoding of the compressed image and / or the cost based on the code amount. . For example, the conversion unit 106 may determine whether to use intra prediction or inter prediction based on information (for example, picture type) different from the cost based on the difference and / or the code amount.
  • information for example, picture type
  • the conversion unit 106 selects the first for the encoding target block from among one or more first conversion base candidates.
  • a conversion base is selected (S102).
  • the transform unit 106 selects a DCT-II transform base as the first transform base for the encoding target block.
  • the conversion unit 106 may select a first conversion base from a plurality of first conversion base candidates.
  • the transform unit 106 generates a first transform coefficient by performing a first transform on the residual of the encoding target block using the first transform base selected in step S102 (S103).
  • the quantization unit 108 quantizes the generated first transform coefficient (S110), and ends the transform and quantization process.
  • the conversion unit 106 performs the first conversion for the encoding target block from among one or more first conversion base candidates.
  • a base is selected (S104).
  • the adaptive base selection mode is a mode for adaptively selecting a conversion base from a plurality of predetermined conversion base candidates based on the difference between the original image and the reconstructed image and / or the cost based on the code amount. It is.
  • This adaptive basis selection mode may be called an EMT mode or an AMT mode.
  • As a plurality of conversion base candidates for example, the plurality of conversion bases shown in FIG. 6 can be used. Note that the plurality of conversion base candidates are not limited to the plurality of conversion bases in FIG.
  • the plurality of conversion base candidates may include, for example, a conversion base equivalent to not performing conversion.
  • the conversion unit 106 may select the first conversion base using the non-adaptive base selection mode (that is, without using the adaptive base selection mode).
  • the transform unit 106 can select the first transform base based on an encoding parameter (eg, block size, quantization parameter, intra prediction mode, etc.).
  • the conversion unit 106 can also select a conversion base (for example, a DCT-II conversion base) defined in advance in a standard or the like. In this case, the selection of the conversion base means that one predefined conversion base is fixedly adopted. Further, the conversion unit 106 may adaptively switch between the adaptive basis conversion mode and the non-adaptive basis selection mode.
  • the transform unit 106 generates a first transform coefficient by performing a first transform on the residual of the encoding target block using the first transform base selected in step S104 (S105).
  • the conversion unit 106 determines whether or not the intra prediction mode of the block to be encoded is a predetermined mode (S106). For example, the conversion unit 106 determines whether or not the intra prediction mode is a predetermined mode based on the cost based on the difference between the original image and the reconstructed image and / or the code amount. Note that the determination whether the intra prediction mode is the predetermined mode may be performed based on information different from the cost.
  • the predetermined mode may be defined in advance by, for example, a standard.
  • the predetermined mode may be determined based on an encoding parameter or the like.
  • the conversion unit 106 determines whether or not the first conversion base selected in step S104 matches the predetermined conversion base (S107).
  • the predetermined conversion base may be defined in advance by a standard or the like.
  • the predetermined conversion base may be determined based on an encoding parameter or the like.
  • the conversion unit 106 selects one or more second conversion base candidates.
  • the second transform base for the encoding target block is selected from among (S108).
  • the conversion unit 106 generates the second conversion coefficient by performing the second conversion on the first conversion coefficient using the selected second conversion base (S109).
  • the quantization unit 108 quantizes the generated second transform coefficient (S110), and ends the transform and quantization process.
  • a secondary conversion called NSST may be performed, or a conversion that selectively uses any one of a plurality of second conversion base candidates may be performed.
  • the selected conversion base may be fixed. That is, a predetermined fixed conversion base may be selected as the second conversion base.
  • a conversion base equivalent to not performing the second conversion may be used as the second conversion base.
  • the conversion unit 106 selects the second conversion base (S108). And the second conversion step (S109) is skipped. That is, the conversion unit 106 does not perform the second conversion. In this case, the first transform coefficient generated in step S105 is quantized (S110), and the transform and quantization process ends.
  • the second conversion step when the second conversion step is skipped, information indicating that the second conversion is not performed may be notified to the decoding device. Further, when the second conversion step is skipped, the second conversion is performed using the second conversion base equivalent to not performing the conversion, and information indicating the second conversion base is the decoding device. May be notified.
  • the inverse quantization unit 112 and the inverse transform unit 114 of the encoding device 100 can reconstruct the encoding target block by performing processing reverse to the processing of the transform unit 106 and the quantization unit 108.
  • FIG. 12 is a flowchart showing inverse quantization and inverse transform processing in decoding apparatus 200 according to Embodiment 2.
  • the inverse quantization unit 204 inversely quantizes the quantization coefficient of the decoding target block (S501).
  • the inverse transform unit 206 determines which of intra prediction and inter prediction is used for the decoding target block (S502). For example, the inverse transform unit 206 determines whether to use intra prediction or inter prediction based on information acquired from the bitstream.
  • the inverse transform unit 206 selects the first inverse transform base for the decoding target block (S503).
  • Selecting an inverse transform base (first inverse transform base or second inverse transform base) in the decoding device 200 means determining an inverse transform base based on predetermined information.
  • the predetermined information for example, a base selection signal can be used.
  • intra prediction mode or a block size can also be used as the predetermined information.
  • the inverse transform unit 206 performs the first inverse transform on the inversely quantized coefficient of the decoding target block using the first inverse transform base selected in step S503 (S504), and performs inverse quantization and inverse transform. End the process.
  • the inverse transform unit 206 determines whether or not the intra prediction mode of the decoding target block is a predetermined mode (S505).
  • the predetermined mode used in the decoding apparatus 200 is the same as the predetermined mode used in the encoding apparatus 100.
  • the inverse transform unit 206 determines whether or not the first inverse transform base matches the predetermined inverse transform base (S506).
  • the predetermined inverse transform base an inverse transform base corresponding to the predetermined transform base used in the encoding apparatus 100 is used.
  • the inverse transform unit 206 When the intra prediction mode is not the predetermined mode (NO in S505), or when the first inverse transform base matches the predetermined inverse transform base (YES in S506), the inverse transform unit 206 performs the process for the decoding target block.
  • the inverse transform base 2 is selected (S507).
  • the inverse transform unit 206 performs the second inverse transform on the inversely quantized coefficients of the decoding target block using the selected second inverse transform base (S508).
  • the inverse transform unit 206 selects the first inverse transform base (S509).
  • the inverse transform unit 206 performs the first inverse transform on the coefficient obtained by the second inverse transform in step S508 using the selected first inverse transform base (S510), and performs inverse quantization and inverse transform. End the process.
  • the inverse transform unit 206 outputs the second inverse transform base.
  • the selection step (S507) and the second inverse conversion step (S508) are skipped. That is, the inverse transform unit 206 selects the first inverse transform base without performing the second inverse transform (S509).
  • the inverse transform unit 206 performs the first inverse transform on the coefficient inversely quantized in step S501 using the selected first inverse transform base (S510), and ends the inverse quantization and inverse transform processing. .
  • the second conversion when inter prediction is used for an encoding target block, the second conversion is not performed, but the present invention is not limited to this. That is, when inter prediction is used for an encoding target block, the second transform may be performed on the first transform coefficient generated by the first transform. In this case, the second transform coefficient generated by the second transform is quantized.
  • the order of steps in the flowcharts of FIGS. 11 and 12 is not limited to the order described in FIGS. 11 and 12.
  • the step of determining whether or not the intra prediction mode is the predetermined mode (S106) and the step of determining whether or not the first conversion base matches the predetermined conversion base (S107) are reversed. Or may be performed at the same time.
  • Embodiment 3 Next, Embodiment 3 will be described.
  • the present embodiment is different from the second embodiment in that the predetermined mode used for determining the intra prediction mode is limited to the non-directional prediction mode.
  • the present embodiment will be described with reference to the drawings with a focus on differences from the second embodiment.
  • steps that are substantially the same as those in the second embodiment are denoted by the same reference numerals, and redundant descriptions are omitted or simplified.
  • FIG. 13 is a flowchart showing transform and quantization processing in coding apparatus 100 according to Embodiment 3.
  • the conversion unit 106 determines whether to use intra prediction or inter prediction for the encoding target block (S101).
  • the transform unit 106 selects a first transform base (S102), and uses the selected first transform base.
  • a first transform coefficient is generated by performing a first transform on the residual of the encoding target block (S103).
  • the quantization unit 108 quantizes the generated first transform coefficient (S110), and ends the transform and quantization process.
  • the conversion unit 106 determines whether the intra prediction mode of the encoding target block is the non-directional prediction mode (S201). ).
  • the non-directional prediction mode is a mode in which a specific direction is not used for prediction of a decoding target block.
  • the non-directional prediction mode is, for example, a DC prediction mode and / or a Planar prediction mode.
  • a pixel value is predicted using an average value of reference pixels or an interpolation value of reference pixels.
  • a mode that uses a specific direction for prediction of a decoding target block is called a directionality prediction mode.
  • the pixel value is predicted by extending the value of the reference pixel in a specific direction.
  • the pixel value is a value in units of pixels constituting a picture, and is, for example, a luminance value or a color difference value.
  • the conversion unit 106 selects the first conversion base for the block to be encoded (S202).
  • the transform unit 106 generates a first transform coefficient by performing a first transform on the residual of the encoding target block using the first transform base selected in step S202 (S203).
  • the conversion unit 106 selects the second conversion base for the encoding target block (S204).
  • the conversion unit 106 generates the second conversion coefficient by performing the second conversion on the first conversion coefficient generated in Step S203 using the second conversion base selected in Step S204 ( S205).
  • the processing of steps S202 to S205 is substantially the same as the processing of steps S104 to S109 when step S106 is NO in FIG.
  • the quantization unit 108 quantizes the second transform coefficient generated in step S205 (S110), and ends the transform and quantization process.
  • the conversion unit 106 selects the first conversion base for the encoding target block (S206).
  • the conversion unit 106 generates the first transform coefficient by performing the first transform on the residual of the encoding target block using the first transform base selected in step S206 (S207).
  • the conversion unit 106 determines whether or not the first conversion base selected in step S206 matches the predetermined conversion base (S208).
  • the predetermined conversion base for example, a DCT-II conversion base and / or a conversion base similar thereto can be used.
  • the conversion unit 106 selects the second conversion base for the encoding target block (S209). Then, the conversion unit 106 generates the second conversion coefficient by performing the second conversion on the first conversion coefficient generated in step S207 using the second conversion base selected in step S209. (S210). Thereafter, the quantization unit 108 quantizes the second transform coefficient generated in step S210 (S110), and ends the transform and quantization process.
  • the conversion unit 106 skips the second conversion base selection step (S209) and the second conversion step (S210). That is, the conversion unit 106 does not perform the second conversion. In this case, the first transform coefficient generated in step S207 is quantized (S110), and the transform and quantization process ends.
  • steps S206 to S209 is substantially the same as the processing of steps S104 to S109 when step S106 is YES in FIG.
  • FIG. 14 is a flowchart showing inverse quantization and inverse transform processing in decoding apparatus 200 according to Embodiment 3.
  • the inverse quantization unit 204 inversely quantizes the quantization coefficient of the decoding target block (S501).
  • the inverse transform unit 206 determines which of intra prediction and inter prediction is used for the decoding target block (S502).
  • the inverse transform unit 206 selects the first inverse transform base for the decoding target block (S503).
  • the inverse transform unit 206 performs the first inverse transform on the inversely quantized coefficient of the decoding target block using the first inverse transform base selected in step S503 (S504), and performs inverse quantization and inverse transform. End the process.
  • the inverse transform unit 206 determines whether the intra prediction mode of the decoding target block is the non-directional prediction mode (S601). .
  • the inverse transform unit 206 selects the second inverse transform base for the decoding target block (S602).
  • the inverse transform unit 206 performs the second inverse transform on the inversely quantized coefficients of the decoding target block using the selected second inverse transform base (S603).
  • the inverse transform unit 206 selects the first inverse transform base (S604).
  • the inverse transform unit 206 performs first inverse transform on the coefficient obtained by the second inverse transform in step S603 using the selected first inverse transform base (S605), and performs inverse quantization and inverse transform. The process ends.
  • the inverse transform unit 206 determines whether or not the first inverse transform base matches the predetermined inverse transform base (S606).
  • the predetermined inverse transform base used in the decoding device 200 is an inverse transform base corresponding to the predetermined transform base used in the encoding device 100.
  • the inverse transform unit 206 selects the second inverse transform base for the decoding target block (S607).
  • the inverse transform unit 206 performs the second inverse transform on the inversely quantized coefficients of the decoding target block using the selected second inverse transform base (S608).
  • the inverse transform unit 206 selects the first inverse transform base (S609).
  • the inverse transform unit 206 performs the first inverse transform on the coefficient obtained by the second inverse transform in step S608 using the selected first inverse transform base (S610), and performs inverse quantization and inverse transform. The process ends.
  • the inverse transform unit 206 selects the second inverse transform base (S607) and the second inverse transform step (S608). To skip. That is, the inverse transform unit 206 selects the first inverse transform base without performing the second inverse transform (S609).
  • the inverse transform unit 206 performs the first inverse transform on the coefficient inversely quantized in step S501 using the selected first inverse transform base (S610), and ends the inverse quantization and inverse transform processing. .
  • the second transform can be skipped when the intra prediction mode is the non-directional prediction mode.
  • the residual is often flat within the block. Therefore, if a transform basis other than the transform basis of DCT-II and a transform basis similar thereto is used, high-frequency components are likely to remain, and the distribution of transform coefficients tends to be random. In this case, since the effect of improving the compression efficiency by the second conversion is reduced, the processing load can be reduced while suppressing the decrease in the compression efficiency by skipping the second conversion.
  • the second conversion when inter prediction is used for an encoding target block, the second conversion is not performed, but the present invention is not limited to this. That is, when inter prediction is used for an encoding target block, the second transform may be performed on the first transform coefficient generated by the first transform. In this case, the second transform coefficient generated by the second transform is quantized.
  • FIG. 15 is a flowchart showing transform and quantization processing in encoding apparatus 100 according to Embodiment 4.
  • the conversion unit 106 determines whether to use intra prediction or inter prediction for the encoding target block (S101).
  • the transform unit 106 selects a first transform base (S102), and uses the selected first transform base.
  • a first transform coefficient is generated by performing a first transform on the residual of the encoding target block (S103).
  • the quantization unit 108 quantizes the generated first transform coefficient (S110), and ends the transform and quantization process.
  • the conversion unit 106 determines whether the size of the encoding target block matches a predetermined size and adapts to the encoding target block. It is determined whether or not the base selection mode is used (S301). Whether or not to use the adaptive basis selection mode can be determined based on, for example, the difference between the original image and the reconstructed image and / or the cost based on the code amount.
  • the predetermined size for example, a specific block size defined in advance by a standard or the like can be used. Specifically, for example, 4 ⁇ 4 pixels can be used as the predetermined size. A plurality of block sizes may be used as the predetermined size. Specifically, for example, 4 ⁇ 4 pixels, 8 ⁇ 4 pixels, and 4 ⁇ 8 pixels may be used as the predetermined size. Further, it may be determined whether or not the size of the encoding target block matches the predetermined size by determining whether or not the size of the encoding target block satisfies a predetermined condition. In this case, as the predetermined condition, for example, a condition that both the horizontal size and the vertical size are equal to or smaller than the predetermined pixel or at least one of the horizontal size and the vertical size is equal to or smaller than the predetermined pixel can be used.
  • the predetermined condition for example, a condition that both the horizontal size and the vertical size are equal to or smaller than the predetermined pixel or at least one of the horizontal size and the vertical size is equal to or
  • the conversion unit 106 When the size of the encoding target block is different from the predetermined size, or when the adaptive base selection mode is not used (NO in S301), the conversion unit 106 has the intra prediction mode of the encoding target block in the non-directional prediction mode. It is determined whether or not (S201).
  • the conversion unit 106 selects the first conversion base for the block to be encoded (S202). For example, when it is determined that the adaptive base selection mode is used, the conversion unit 106 adaptively selects the first conversion base from the plurality of first conversion base candidates. For example, when it is determined that the adaptive base selection mode is not used, the conversion unit 106 selects a predetermined conversion base (for example, a DCT-II conversion base) in a fixed manner.
  • a predetermined conversion base for example, a DCT-II conversion base
  • the transform unit 106 generates a first transform coefficient by performing the first transform on the residual of the encoding target block using the first transform base selected in step S202 (S203). Furthermore, the conversion unit 106 selects the second conversion base for the encoding target block (S204). The conversion unit 106 generates the second conversion coefficient by performing the second conversion on the first conversion coefficient generated in Step S203 using the second conversion base selected in Step S204 ( S205). Thereafter, the quantization unit 108 quantizes the second transform coefficient generated in step S205 (S110), and ends the transform and quantization process.
  • the conversion unit 106 selects the first conversion base for the encoding target block (S206). For example, when it is determined that the adaptive base selection mode is used, the conversion unit 106 adaptively selects the first conversion base from the plurality of first conversion base candidates. For example, when it is determined that the adaptive base selection mode is not used, the conversion unit 106 selects a predetermined conversion base (for example, a DCT-II conversion base) in a fixed manner.
  • a predetermined conversion base for example, a DCT-II conversion base
  • the converting unit 106 generates a first transform coefficient by performing the first transform on the residual of the encoding target block using the first transform base selected in step S206 (S207).
  • the conversion unit 106 determines whether or not the first conversion base selected in step S206 matches the second predetermined conversion base (S208).
  • the second predetermined conversion base for example, a DCT-II conversion base and / or a conversion base similar thereto can be used.
  • the conversion unit 106 selects the second conversion base for the encoding target block (S209). Then, the conversion unit 106 generates the second conversion coefficient by performing the second conversion on the first conversion coefficient generated in step S207 using the second conversion base selected in step S209. (S210). Thereafter, the quantization unit 108 quantizes the second transform coefficient generated in step S210 (S110), and ends the transform and quantization process.
  • the conversion unit 106 skips the second conversion base selection step (S209) and the second conversion step (S210). To do. That is, the conversion unit 106 does not perform the second conversion. In this case, the first transform coefficient generated in step S207 is quantized (S110), and the transform and quantization process ends.
  • the conversion unit 106 fixes the first conversion base to the first predetermined conversion base (S302). ).
  • a DST-VII conversion base can be used as the first predetermined conversion base.
  • the first predetermined conversion base is not limited to the conversion base of DST-VII.
  • a DCT-V conversion base may be used as the first predetermined conversion base.
  • the conversion unit 106 generates the first variable relation number by performing the first conversion on the residual of the encoding target block using the first conversion base fixed in step S302 (S303).
  • the conversion unit 106 determines whether or not the intra prediction mode of the encoding target block is the non-directional prediction mode (S304).
  • the conversion unit 106 selects the second conversion base (S305). Then, the conversion unit 106 generates the second conversion coefficient by performing the second conversion on the first conversion coefficient generated in step 303 using the second conversion base selected in step S305. (S306). Thereafter, the quantization unit 108 quantizes the second transform coefficient generated in step S306 (S110), and ends the transform and quantization process.
  • the conversion unit 106 skips the second conversion base selection step (S305) and the second conversion step (S306). That is, the conversion unit 106 does not perform the second conversion. In this case, the first transform coefficient generated in step S303 is quantized (S110), and the transform and quantization process ends.
  • FIG. 16 is a flowchart showing an encoding process in encoding apparatus 100 according to Embodiment 4.
  • the entropy encoding unit 110 encodes the first base selection signal in the bitstream (S402).
  • the first basis selection signal is information or data indicating the first conversion basis selected in step S102.
  • Encoding a signal in a bit stream means placing a code indicating information in the bit stream.
  • the code is generated by, for example, context adaptive binary arithmetic coding (CABAC). Note that CABAC does not necessarily need to be used for code generation, and entropy encoding need not be used.
  • the code may be information itself (for example, a flag of 0 or 1).
  • the entropy encoding unit 110 encodes the coefficient quantized in step S110 (S403), and ends the encoding process.
  • the entropy encoding unit 110 When intra prediction is used for the encoding target block (intra of S401), the entropy encoding unit 110 encodes an intra prediction mode signal indicating the intra prediction mode of the encoding target block in the bitstream (S404). . Further, the entropy encoding unit 110 encodes an adaptive selection mode signal indicating whether or not the adaptive base selection mode is used for the encoding target block in the bitstream (S405).
  • the entropy encoding unit 110 encodes the first base selection signal in the bitstream. (S407).
  • the first basis selection signal is information or data indicating the first conversion basis selected in step S202 or S206.
  • the entropy encoding unit 110 The first base selection signal encoding step (S407) is skipped. That is, the entropy encoding unit 110 does not encode the first base selection signal.
  • the entropy encoding unit 110 encodes the second base selection signal in the bitstream (S409).
  • the second basis selection signal is information or data indicating the second conversion basis selected in step S204, S209, or S305.
  • the entropy encoding unit 110 skips the second base selection signal encoding step (S409). That is, the entropy encoding unit 110 does not encode the second base selection signal.
  • the entropy encoding unit 110 encodes the coefficient quantized in step S110 (S410), and ends the encoding process.
  • FIG. 17 is a flowchart showing decoding processing in the decoding device 200 according to Embodiment 4.
  • the entropy decoding unit 202 decodes the first base selection signal from the bit stream (S702).
  • Decoding a signal from a bit stream means reading a code indicating information from the bit stream and restoring the information from the read code.
  • CABAD context-adaptive binary arithmetic decoding
  • CABAD does not necessarily need to be used for restoration from code to information, and entropy decoding need not be used.
  • the read code itself indicates information (for example, a flag of 0 or 1), it is only necessary to read the code.
  • the entropy decoding unit 202 decodes the quantization coefficient from the bit stream (S703), and ends the decoding process.
  • the entropy decoding unit 202 decodes the intra prediction mode signal from the bitstream (S704). Further, the entropy decoding unit 202 decodes the adaptive selection mode signal (S705).
  • the entropy decoding unit 202 decodes the first base selection signal from the bitstream (S707). ).
  • the entropy decoding unit 202 The step of decoding 1 base selection signal (S707) is skipped. That is, the entropy decoding unit 202 does not decode the first base selection signal.
  • the entropy decoding unit 202 decodes the second base selection signal from the bitstream (S709).
  • the entropy decoding part 202 skips the decoding step (S709) of a 2nd base selection signal. That is, the entropy decoding unit 202 does not decode the second base selection signal.
  • the entropy decoding unit 202 decodes the quantized coefficient from the bit stream (S710) and ends the decoding process.
  • FIG. 18 is a flowchart showing inverse quantization and inverse transform processing in decoding apparatus 200 according to Embodiment 4.
  • the inverse quantization unit 204 inversely quantizes the quantization coefficient of the decoding target block (S501).
  • the inverse transform unit 206 determines which of intra prediction and inter prediction is used for the decoding target block (S502). When it is determined that inter prediction is used for the decoding target block (inter in S502), the inverse transform unit 206 selects the first inverse transform base for the decoding target block (S503). The inverse transform unit 206 performs the first inverse transform on the inversely quantized coefficient of the decoding target block using the first inverse transform base selected in step S503 (S504), and performs inverse quantization and inverse transform. End the process.
  • the inverse transform unit 206 determines whether or not the size of the decoding target block matches a predetermined size, and the decoding target block has an adaptive base selection mode. It is determined whether it has been used (S801). For example, the inverse transform unit 206 determines whether or not the adaptive base selection mode is used based on the adaptive selection mode signal decoded in step S705 of FIG.
  • the inverse transform unit 206 determines that the intra prediction mode of the decoding target block is the non-directional prediction mode. It is determined whether or not there is (S601).
  • the inverse transform unit 206 selects the second inverse transform base for the decoding target block (S602). For example, the inverse transform unit 206 selects the second inverse transform base based on the second base selection signal decoded in step S709 of FIG. The inverse transform unit 206 performs the second inverse transform on the inversely quantized coefficients of the decoding target block using the selected second inverse transform base (S603). The inverse transform unit 206 selects the first inverse transform base (S604). For example, when the adaptive basis selection mode is used, the inverse transformation unit 206 selects the first inverse transformation basis based on the first basis selection signal decoded in step S707 of FIG. The inverse transform unit 206 performs first inverse transform on the coefficient obtained by the second inverse transform in step S603 using the selected first inverse transform base (S605), and performs inverse quantization and inverse transform. End the process.
  • the inverse transform unit 206 determines whether or not the first inverse transform base matches the second predetermined inverse transform base ( S606). For example, when the adaptive basis selection mode is used, the inverse transformation unit 206 determines that the first inverse transformation basis is the second predetermined basis based on the first basis selection signal decoded in step S707 of FIG. It is determined whether or not it matches the inverse transformation base. As the second predetermined inverse transform base, an inverse transform base corresponding to the second predetermined transform base used in the encoding device 100 is used.
  • the inverse transform unit 206 selects the second inverse transform base for the decoding target block (S607). ). For example, the inverse transform unit 206 selects the second inverse transform base based on the second base selection signal decoded in step S709 of FIG. The inverse transform unit 206 performs the second inverse transform on the inversely quantized coefficients of the decoding target block using the selected second inverse transform base (S608). The inverse transform unit 206 selects the first inverse transform base (S609).
  • the inverse transformation unit 206 selects the first inverse transformation basis based on the first basis selection signal decoded in step S707 of FIG.
  • the inverse transform unit 206 performs the first inverse transform on the coefficient obtained by the second inverse transform in step S608 using the selected first inverse transform base (S610), and performs inverse quantization and inverse transform. The process ends.
  • the inverse transform unit 206 indicates that the intra prediction mode of the decoding target block is the non-directional prediction mode. It is determined whether or not (S802).
  • the inverse transform unit 206 selects the second inverse transform base for the decoding target block (S803). For example, the inverse transform unit 206 selects the second inverse transform base based on the second base selection signal decoded in step S709 of FIG. The inverse transform unit 206 performs the second inverse transform on the inversely quantized coefficients of the decoding target block using the selected second inverse transform base (S804). The inverse transform unit 206 fixes the first inverse transform base to the first predetermined inverse transform base (S805). As the first predetermined inverse transform base, an inverse transform base corresponding to the first predetermined transform base used in the encoding apparatus 100 is used. The inverse transform unit 206 performs first inverse transform on the coefficient obtained by the second inverse transform in step S804 using the fixed first inverse transform base (S806), and performs inverse quantization and inverse transform. End the process.
  • the inverse transform unit 206 skips the second inverse transform base selection step (S803) and the second inverse transform step (S804). To do. That is, the inverse transform unit 206 fixes the first inverse transform base to the first predetermined inverse transform base without performing the second inverse transform (S805). The inverse transform unit 206 performs the first inverse transform on the coefficient inversely quantized in step S501 using the fixed first inverse transform base (S806), and ends the inverse quantization and inverse transform processing. .
  • the first transform base can be fixed according to the block size. Therefore, the load of the first conversion in the adaptive basis selection mode can be reduced.
  • the second conversion when inter prediction is used for an encoding target block, the second conversion is not performed, but the present invention is not limited to this. That is, when inter prediction is used for an encoding target block, the second transform may be performed on the first transform coefficient generated by the first transform. In this case, the second transform coefficient generated by the second transform is quantized.
  • the order of steps in the flowcharts of FIGS. 15 to 18 is not limited to the order described in FIGS. 15 to 18.
  • the signal encoding order may be another order defined in advance by a standard or the like.
  • a plurality of signals are encoded in the bitstream. These multiple signals may not be encoded in the bitstream. For example, the plurality of signals may be notified from the encoding device 100 to the decoding device 200 separately from the bit storm.
  • the positions of each of the plurality of signals (intra prediction mode signal, adaptive selection mode signal, first base selection signal, and second base selection signal) in the bit stream are not particularly limited.
  • the plurality of signals are encoded into at least one of the plurality of headers, for example.
  • a video parameter set, a sequence parameter set, a picture parameter set, and a slice header can be used as the plurality of headers.
  • a signal in a lower layer for example, a slice header
  • overwrites a signal in a higher layer for example, a picture parameter set).
  • each of the functional blocks can usually be realized by an MPU, a memory, and the like. Further, the processing by each functional block is usually realized by a program execution unit such as a processor reading and executing software (program) recorded on a recording medium such as a ROM. The software may be distributed by downloading or the like, or may be distributed by being recorded on a recording medium such as a semiconductor memory. Naturally, each functional block can be realized by hardware (dedicated circuit).
  • processing described in the embodiment and each modification may be realized by performing centralized processing using a single device (system), or realized by performing distributed processing using a plurality of devices. May be.
  • the number of processors that execute the program may be one or more. That is, centralized processing may be performed, or distributed processing may be performed.
  • the system includes an image encoding device using an image encoding method, an image decoding device using an image decoding method, and an image encoding / decoding device including both.
  • Other configurations in the system can be appropriately changed according to circumstances.
  • FIG. 19 is a diagram showing an overall configuration of a content supply system ex100 that implements a content distribution service.
  • the communication service providing area is divided into desired sizes, and base stations ex106, ex107, ex108, ex109, and ex110, which are fixed wireless stations, are installed in each cell.
  • devices such as a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, and a smartphone ex115 via the Internet ex101, the Internet service provider ex102 or the communication network ex104, and the base stations ex106 to ex110.
  • the content supply system ex100 may be connected by combining any of the above elements.
  • Each device may be directly or indirectly connected to each other via a telephone network or a short-range wireless communication without using the base stations ex106 to ex110 which are fixed wireless stations.
  • the streaming server ex103 is connected to each device such as a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, and a smartphone ex115 via the Internet ex101.
  • the streaming server ex103 is connected to a terminal in a hot spot in the airplane ex117 via the satellite ex116.
  • the streaming server ex103 may be directly connected to the communication network ex104 without going through the Internet ex101 or the Internet service provider ex102, or may be directly connected to the airplane ex117 without going through the satellite ex116.
  • the camera ex113 is a device that can shoot still images and moving images such as a digital camera.
  • the smartphone ex115 is a smartphone, a cellular phone, or a PHS (Personal Handyphone System) that is compatible with a mobile communication system generally called 2G, 3G, 3.9G, 4G, and 5G in the future.
  • a mobile communication system generally called 2G, 3G, 3.9G, 4G, and 5G in the future.
  • the home appliance ex118 is a device included in a refrigerator or a household fuel cell cogeneration system.
  • a terminal having a photographing function is connected to the streaming server ex103 through the base station ex106 or the like, thereby enabling live distribution or the like.
  • the terminal (computer ex111, game machine ex112, camera ex113, home appliance ex114, smartphone ex115, terminal in airplane ex117, etc.) is used for the above-described still image or video content captured by the user using the terminal.
  • the encoding process described in the embodiment and each modification is performed, and the video data obtained by the encoding and the sound data obtained by encoding the sound corresponding to the video are multiplexed, and the obtained data is transmitted to the streaming server ex103.
  • each terminal functions as an image encoding device according to an aspect of the present invention.
  • the streaming server ex103 streams the content data transmitted to the requested client.
  • the client is a computer or the like in the computer ex111, the game machine ex112, the camera ex113, the home appliance ex114, the smart phone ex115, or the airplane ex117 that can decode the encoded data.
  • Each device that has received the distributed data decrypts and reproduces the received data. That is, each device functions as an image decoding device according to an aspect of the present invention.
  • the streaming server ex103 may be a plurality of servers or a plurality of computers, and may process, record, and distribute data in a distributed manner.
  • the streaming server ex103 may be realized by a CDN (Contents Delivery Network), and content distribution may be realized by a network connecting a large number of edge servers and edge servers distributed all over the world.
  • CDN Contents Delivery Network
  • edge servers that are physically close to each other are dynamically allocated according to clients. Then, the content can be cached and distributed to the edge server, thereby reducing the delay.
  • the processing is distributed among multiple edge servers, the distribution subject is switched to another edge server, or the part of the network where the failure has occurred Since detouring can be continued, high-speed and stable distribution can be realized.
  • the captured data may be encoded at each terminal, may be performed on the server side, or may be shared with each other.
  • a processing loop is performed twice.
  • the first loop the complexity of the image or the code amount in units of frames or scenes is detected.
  • the second loop processing for maintaining the image quality and improving the coding efficiency is performed.
  • the terminal performs the first encoding process
  • the server receiving the content performs the second encoding process, thereby improving the quality and efficiency of the content while reducing the processing load on each terminal. it can.
  • the encoded data of the first time performed by the terminal can be received and reproduced by another terminal, enabling more flexible real-time distribution.
  • the camera ex113 or the like extracts a feature amount from an image, compresses data relating to the feature amount as metadata, and transmits the metadata to the server.
  • the server performs compression according to the meaning of the image, for example, by determining the importance of the object from the feature amount and switching the quantization accuracy.
  • the feature data is particularly effective for improving the accuracy and efficiency of motion vector prediction at the time of re-compression on the server.
  • simple coding such as VLC (variable length coding) may be performed at the terminal, and coding with a large processing load such as CABAC (context adaptive binary arithmetic coding) may be performed at the server.
  • a plurality of video data in which almost the same scene is captured by a plurality of terminals.
  • a GOP Group of Picture
  • a picture unit or a tile obtained by dividing a picture using a plurality of terminals that have performed shooting and other terminals and servers that have not performed shooting as necessary.
  • Distributed processing is performed by assigning encoding processing in units or the like. Thereby, delay can be reduced and real-time property can be realized.
  • the server may manage and / or instruct the video data captured by each terminal to refer to each other.
  • the encoded data from each terminal may be received by the server and the reference relationship may be changed among a plurality of data, or the picture itself may be corrected or replaced to be encoded again. This makes it possible to generate a stream with improved quality and efficiency of each piece of data.
  • the server may distribute the video data after performing transcoding to change the encoding method of the video data.
  • the server may convert the MPEG encoding system to the VP encoding. 264. It may be converted into H.265.
  • the encoding process can be performed by a terminal or one or more servers. Therefore, in the following, description such as “server” or “terminal” is used as the subject performing processing, but part or all of processing performed by the server may be performed by the terminal, or processing performed by the terminal may be performed. Some or all may be performed at the server. The same applies to the decoding process.
  • the server not only encodes a two-dimensional moving image, but also encodes a still image automatically based on a scene analysis of the moving image or at a time specified by the user and transmits it to the receiving terminal. Also good.
  • the server can acquire the relative positional relationship between the photographing terminals, the server obtains the three-dimensional shape of the scene based on not only the two-dimensional moving image but also the video obtained by photographing the same scene from different angles. Can be generated.
  • the server may separately encode the three-dimensional data generated by the point cloud or the like, and the video to be transmitted to the receiving terminal based on the result of recognizing or tracking the person or the object using the three-dimensional data.
  • the images may be selected or reconstructed from videos captured by a plurality of terminals.
  • the user can arbitrarily select each video corresponding to each photographing terminal and enjoy a scene, or can display a video of an arbitrary viewpoint from three-dimensional data reconstructed using a plurality of images or videos. You can also enjoy the clipped content.
  • sound is collected from a plurality of different angles, and the server may multiplex and transmit sound from a specific angle or space according to the video.
  • the server may create viewpoint images for the right eye and the left eye, respectively, and perform encoding that allows reference between each viewpoint video by Multi-View Coding (MVC) or the like. You may encode as another stream, without referring. At the time of decoding another stream, it is preferable to reproduce in synchronization with each other so that a virtual three-dimensional space is reproduced according to the viewpoint of the user.
  • MVC Multi-View Coding
  • the server superimposes virtual object information in the virtual space on the camera information in the real space based on the three-dimensional position or the movement of the user's viewpoint.
  • the decoding device may acquire or hold virtual object information and three-dimensional data, generate a two-dimensional image according to the movement of the user's viewpoint, and create superimposition data by connecting them smoothly.
  • the decoding device transmits the movement of the user's viewpoint to the server in addition to the request for the virtual object information, and the server creates superimposition data according to the movement of the viewpoint received from the three-dimensional data held in the server,
  • the superimposed data may be encoded and distributed to the decoding device.
  • the superimposed data has an ⁇ value indicating transparency in addition to RGB
  • the server sets the ⁇ value of a portion other than the object created from the three-dimensional data to 0 or the like, and the portion is transparent. May be encoded.
  • the server may generate data in which a RGB value of a predetermined value is set as the background, such as a chroma key, and the portion other than the object is set to the background color.
  • the decryption processing of the distributed data may be performed at each terminal as a client, may be performed on the server side, or may be performed in a shared manner.
  • a terminal may once send a reception request to the server, receive content corresponding to the request at another terminal, perform a decoding process, and transmit a decoded signal to a device having a display.
  • a part of a region such as a tile in which a picture is divided may be decoded and displayed on a viewer's personal terminal while receiving large-size image data on a TV or the like. Accordingly, it is possible to confirm at hand the area in which the person is responsible or the area to be confirmed in more detail while sharing the whole image.
  • access to encoded data on the network such as when the encoded data is cached in a server that can be accessed from the receiving terminal in a short time, or copied to the edge server in the content delivery service. It is also possible to switch the bit rate of received data based on ease.
  • the content switching will be described using a scalable stream that is compression-encoded by applying the moving image encoding method shown in the above embodiment and each modification shown in FIG.
  • the server may have a plurality of streams of the same content and different quality as individual streams, but the temporal / spatial scalable implementation realized by dividing into layers as shown in the figure.
  • the configuration may be such that the content is switched by utilizing the characteristics of the stream.
  • the decoding side decides which layer to decode according to internal factors such as performance and external factors such as the state of communication bandwidth, so that the decoding side can combine low-resolution content and high-resolution content. You can switch freely and decrypt. For example, when the user wants to continue watching the video that was viewed on the smartphone ex115 while moving on a device such as an Internet TV after returning home, the device only has to decode the same stream to a different layer, so the load on the server side Can be reduced.
  • the enhancement layer includes meta information based on image statistical information, etc., in addition to the configuration in which the picture is encoded for each layer and the enhancement layer exists above the base layer.
  • the decoding side may generate content with high image quality by super-resolution of the base layer picture based on the meta information.
  • Super-resolution may be either improvement of the SN ratio at the same resolution or enlargement of the resolution.
  • the meta information includes information for specifying a linear or non-linear filter coefficient used for super-resolution processing, or information for specifying a parameter value in filter processing, machine learning, or least square calculation used for super-resolution processing. .
  • the picture may be divided into tiles or the like according to the meaning of the object in the image, and the decoding side may select only a part of the region by selecting the tile to be decoded.
  • the decoding side can determine the position of the desired object based on the meta information. Can be identified and the tile containing the object can be determined.
  • the meta information is stored using a data storage structure different from the pixel data such as the SEI message in HEVC. This meta information indicates, for example, the position, size, or color of the main object.
  • meta information may be stored in units composed of a plurality of pictures, such as streams, sequences, or random access units.
  • the decoding side can acquire the time when the specific person appears in the video, etc., and can match the picture in which the object exists and the position of the object in the picture by combining with the information in units of pictures.
  • FIG. 22 is a diagram showing an example of a web page display screen on the computer ex111 or the like.
  • FIG. 23 is a diagram illustrating a display screen example of a web page on the smartphone ex115 or the like.
  • the web page may include a plurality of link images that are links to the image content, and the appearance differs depending on the browsing device. When a plurality of link images are visible on the screen, the display device until the user explicitly selects the link image, or until the link image approaches the center of the screen or the entire link image enters the screen.
  • the (decoding device) displays a still image or an I picture included in each content as a link image, displays a video like a gif animation with a plurality of still images or I pictures, or receives only a base layer to receive a video. Are decoded and displayed.
  • the display device When the link image is selected by the user, the display device decodes the base layer with the highest priority. If there is information indicating that the HTML constituting the web page is scalable content, the display device may decode up to the enhancement layer. Also, in order to ensure real-time properties, the display device only decodes forward reference pictures (I picture, P picture, forward reference only B picture) before being selected or when the communication band is very strict. In addition, the delay between the decoding time of the first picture and the display time (delay from the start of content decoding to the start of display) can be reduced by displaying. Further, the display device may intentionally ignore the reference relationship of pictures and roughly decode all B pictures and P pictures with forward reference, and perform normal decoding as the number of received pictures increases over time.
  • forward reference pictures I picture, P picture, forward reference only B picture
  • the receiving terminal when transmitting and receiving still image or video data such as two-dimensional or three-dimensional map information for automatic driving or driving support of a car, the receiving terminal adds meta data to image data belonging to one or more layers. Weather or construction information may also be received and decoded in association with each other. The meta information may belong to a layer or may be simply multiplexed with image data.
  • the receiving terminal since the car, drone, airplane, or the like including the receiving terminal moves, the receiving terminal transmits the position information of the receiving terminal at the time of the reception request, thereby seamless reception and decoding while switching the base stations ex106 to ex110. Can be realized.
  • the receiving terminal can dynamically switch how much meta-information is received or how much map information is updated according to the user's selection, the user's situation, or the communication band state. become.
  • the encoded information transmitted by the user can be received, decoded and reproduced in real time by the client.
  • the content supply system ex100 can perform not only high-quality and long-time content by a video distributor but also unicast or multicast distribution of low-quality and short-time content by an individual. Moreover, such personal contents are expected to increase in the future.
  • the server may perform the encoding process after performing the editing process. This can be realized, for example, with the following configuration.
  • the server After shooting, the server performs recognition processing such as shooting error, scene search, semantic analysis, and object detection from the original image or encoded data. Then, the server manually or automatically corrects out-of-focus or camera shake based on the recognition result, or selects a less important scene such as a scene whose brightness is lower than that of other pictures or is out of focus. Edit such as deleting, emphasizing the edge of an object, and changing the hue.
  • the server encodes the edited data based on the editing result. It is also known that if the shooting time is too long, the audience rating will decrease, and the server will move not only in the less important scenes as described above, but also in motion according to the shooting time. A scene with few images may be automatically clipped based on the image processing result. Alternatively, the server may generate and encode a digest based on the result of the semantic analysis of the scene.
  • the server may change and encode the face of the person in the periphery of the screen or the inside of the house into an unfocused image.
  • the server recognizes whether or not a face of a person different from the person registered in advance is shown in the encoding target image, and if so, performs processing such as applying a mosaic to the face part. May be.
  • the user designates a person or background area that the user wants to process an image from the viewpoint of copyright, etc., and the server replaces the designated area with another video or blurs the focus. It is also possible to perform such processing. If it is a person, the face image can be replaced while tracking the person in the moving image.
  • the decoding device first receives the base layer with the highest priority and performs decoding and reproduction, depending on the bandwidth.
  • the decoding device may receive the enhancement layer during this time, and may play back high-quality video including the enhancement layer when played back twice or more, such as when playback is looped.
  • a stream that is scalable in this way can provide an experience in which the stream becomes smarter and the image is improved gradually, although it is a rough moving picture when it is not selected or at the beginning of viewing.
  • the same experience can be provided even if the coarse stream played back the first time and the second stream coded with reference to the first video are configured as one stream. .
  • these encoding or decoding processes are generally processed in the LSI ex500 included in each terminal.
  • the LSI ex500 may be configured as a single chip or a plurality of chips.
  • moving image encoding or decoding software is incorporated into some recording medium (CD-ROM, flexible disk, hard disk, etc.) that can be read by the computer ex111 and the like, and encoding or decoding processing is performed using the software. Also good.
  • moving image data acquired by the camera may be transmitted. The moving image data at this time is data encoded by the LSI ex500 included in the smartphone ex115.
  • the LSI ex500 may be configured to download and activate application software.
  • the terminal first determines whether the terminal is compatible with the content encoding method or has a specific service execution capability. If the terminal does not support the content encoding method or does not have the capability to execute a specific service, the terminal downloads a codec or application software, and then acquires and reproduces the content.
  • the digital broadcast system is not limited to at least the moving image encoding device (image encoding device) or the moving image decoding device (image decoding device) of the above embodiment and each modification.
  • One of the decoding devices) can be incorporated.
  • the unicasting of the content supply system ex100 is suitable for multicasting because it uses a satellite or the like to transmit and receive multiplexed data in which video and sound are multiplexed on broadcasting radio waves.
  • the same application is possible for the encoding process and the decoding process.
  • FIG. 24 is a diagram illustrating the smartphone ex115.
  • FIG. 25 is a diagram illustrating a configuration example of the smartphone ex115.
  • the smartphone ex115 receives the antenna ex450 for transmitting / receiving radio waves to / from the base station ex110, the camera unit ex465 capable of taking video and still images, the video captured by the camera unit ex465, and the antenna ex450.
  • a display unit ex458 for displaying data obtained by decoding the video or the like.
  • the smartphone ex115 further includes an operation unit ex466 that is a touch panel or the like, a voice output unit ex457 that is a speaker or the like for outputting voice or sound, a voice input unit ex456 that is a microphone or the like for inputting voice, and photographing.
  • Memory unit ex467 that can store encoded video or still image, recorded audio, received video or still image, encoded data such as mail, or decoded data, and a user, and network
  • An external memory may be used instead of the memory unit ex467.
  • a main control unit ex460 that comprehensively controls the display unit ex458, the operation unit ex466, and the like, a power supply circuit unit ex461, an operation input control unit ex462, a video signal processing unit ex455, a camera interface unit ex463, a display control unit ex459, a modulation / Demodulation unit ex452, multiplexing / demultiplexing unit ex453, audio signal processing unit ex454, slot unit ex464, and memory unit ex467 are connected via bus ex470.
  • the power supply circuit unit ex461 starts up the smartphone ex115 in an operable state by supplying power from the battery pack to each unit.
  • the smartphone ex115 performs processing such as calling and data communication based on the control of the main control unit ex460 having a CPU, a ROM, a RAM, and the like.
  • the voice signal picked up by the voice input unit ex456 is converted into a digital voice signal by the voice signal processing unit ex454, spread spectrum processing is performed by the modulation / demodulation unit ex452, and digital / analog conversion is performed by the transmission / reception unit ex451.
  • the data is transmitted via the antenna ex450.
  • the received data is amplified and subjected to frequency conversion processing and analog-digital conversion processing, spectrum despreading processing is performed by the modulation / demodulation unit ex452, and converted to analog audio signal by the audio signal processing unit ex454, and then this is output to the audio output unit ex457.
  • text, still image, or video data is sent to the main control unit ex460 via the operation input control unit ex462 by the operation of the operation unit ex466 of the main body unit, and transmission / reception processing is performed similarly.
  • the video signal processing unit ex455 uses the video signal stored in the memory unit ex467 or the video signal input from the camera unit ex465 as described in the above embodiment.
  • the video data is compressed and encoded by the moving image encoding method shown in each modification, and the encoded video data is sent to the multiplexing / demultiplexing unit ex453.
  • the audio signal processing unit ex454 encodes the audio signal picked up by the audio input unit ex456 while the camera unit ex465 captures a video or a still image, and sends the encoded audio data to the multiplexing / separating unit ex453. To do.
  • the multiplexing / demultiplexing unit ex453 multiplexes the encoded video data and the encoded audio data by a predetermined method, and the modulation / demodulation unit (modulation / demodulation circuit unit) ex452 and the modulation / demodulation unit ex451 perform modulation processing and conversion.
  • the data is processed and transmitted via the antenna ex450.
  • the multiplexing / demultiplexing unit ex453 performs multiplexing By separating the data, the multiplexed data is divided into a bit stream of video data and a bit stream of audio data, and the encoded video data is supplied to the video signal processing unit ex455 via the synchronization bus ex470. The converted audio data is supplied to the audio signal processing unit ex454.
  • the video signal processing unit ex455 decodes the video signal by a video decoding method corresponding to the video encoding method shown in the above embodiment and each modification, and from the display unit ex458 via the display control unit ex459, A video or still image included in the linked moving image file is displayed.
  • the audio signal processing unit ex454 decodes the audio signal, and the audio is output from the audio output unit ex457. Since real-time streaming is widespread, depending on the user's situation, there may be occasions where audio playback is not socially appropriate. Therefore, it is desirable that the initial value is a configuration in which only the video data is reproduced without reproducing the audio signal. Audio may be synchronized and played back only when the user performs an operation such as clicking on video data.
  • the smartphone ex115 has been described here as an example, in addition to a transmission / reception terminal having both an encoder and a decoder as a terminal, a transmission terminal having only an encoder and a reception having only a decoder There are three possible mounting formats: terminals.
  • terminals In the digital broadcasting system, it has been described as receiving or transmitting multiplexed data in which audio data or the like is multiplexed with video data.
  • multiplexed data includes character data related to video in addition to audio data. Multiplexing may be performed, and video data itself may be received or transmitted instead of multiplexed data.
  • the terminal often includes a GPU. Therefore, a configuration may be adopted in which a wide area is processed in a lump by utilizing the performance of the GPU by using a memory shared by the CPU and the GPU or a memory whose addresses are managed so as to be used in common. As a result, the encoding time can be shortened, real-time performance can be ensured, and low delay can be realized. In particular, it is efficient to perform motion search, deblocking filter, SAO (Sample Adaptive Offset), and transformation / quantization processing in batches in units of pictures or the like instead of the CPU.
  • SAO Sample Adaptive Offset
  • the present disclosure can be used for, for example, a television receiver, a digital video recorder, a car navigation, a mobile phone, a digital camera, or a digital video camera.

Landscapes

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

Abstract

ピクチャの符号化対象ブロックを符号化する符号化装置（１００）は、プロセッサ及びメモリを備え、プロセッサはメモリを用いて、符号化対象ブロックにイントラ予測を用いるか否かを判定し、符号化対象ブロックにイントラ予測を用いると判定した場合、（ｉ）第１の変換基底を用いて符号化対象ブロックの残差信号に第１の変換を行うことにより第１の変換係数を生成し、（ｉｉ－１）符号化対象ブロックのイントラ予測モードが所定モードであり、かつ、第１の変換基底が所定変換基底と異なる場合は、第１の変換係数を量子化し、（ｉｉ－２）符号化対象ブロックのイントラ予測モードが所定モードでない場合、又は、第１の変換基底が所定変換基底と一致する場合は、第２の変換基底を用いて第１の変換係数に第２の変換を行うことにより第２の変換係数を生成し、第２の変換係数を量子化する。

Description

符号化装置、符号化方法、復号装置及び復号方法
　本開示は、ブロック単位での画像／映像の符号化及び復号に関する。
　ＨＥＶＣ（Ｈｉｇｈ－Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）と称される映像符号化標準規格が、ＪＣＴ－ＶＣ（Ｊｏｉｎｔ　Ｃｏｌｌａｂｏｒａｔｉｖｅ　Ｔｅａｍ　ｏｎ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）により標準化されている。
Ｈ．２６５（ＩＳＯ／ＩＥＣ　２３００８－２　ＨＥＶＣ（Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ））
　このような符号化及び復号技術では、圧縮効率の低下を抑えつつ処理負荷を軽減することが求められている。
　そこで、本開示は、圧縮効率の低下を抑制しつつ処理負荷の軽減を実現できる符号化装置、復号装置、符号化方法又は復号方法を提供する。
　本開示の一態様に係る符号化装置は、ピクチャの符号化対象ブロックを符号化する符号化装置であって、プロセッサ及びメモリを備え、前記プロセッサは前記メモリを用いて、前記符号化対象ブロックにイントラ予測を用いるか否かを判定し、前記符号化対象ブロックにイントラ予測を用いると判定した場合、（ｉ）第１の変換基底を用いて前記符号化対象ブロックの残差信号に第１の変換を行うことにより第１の変換係数を生成し、（ｉｉ－１）前記符号化対象ブロックのイントラ予測モードが所定モードであり、かつ、前記第１の変換基底が所定変換基底と異なる場合は、前記第１の変換係数を量子化し、（ｉｉ－２）前記符号化対象ブロックのイントラ予測モードが前記所定モードでない場合、又は、前記第１の変換基底が前記所定変換基底と一致する場合は、第２の変換基底を用いて前記第１の変換係数に第２の変換を行うことにより第２の変換係数を生成し、前記第２の変換係数を量子化する。
　なお、これらの全般的又は具体的な態様は、システム、方法、集積回路、コンピュータプログラム又はコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。
　本開示は、圧縮効率の低下を抑制しつつ処理負荷の軽減を実現できる符号化装置、復号装置、符号化方法又は復号方法を提供することができる。
図１は、実施の形態１に係る符号化装置の機能構成を示すブロック図である。 図２は、実施の形態１におけるブロック分割の一例を示す図である。 図３は、各変換タイプに対応する変換基底関数を示す表である。 図４Ａは、ＡＬＦで用いられるフィルタの形状の一例を示す図である。 図４Ｂは、ＡＬＦで用いられるフィルタの形状の他の一例を示す図である。 図４Ｃは、ＡＬＦで用いられるフィルタの形状の他の一例を示す図である。 図５Ａは、イントラ予測における６７個のイントラ予測モードを示す図である。 図５Ｂは、ＯＢＭＣ処理による予測画像補正処理の概要を説明するためのフローチャートである。 図５Ｃは、ＯＢＭＣ処理による予測画像補正処理の概要を説明するための概念図である。 図５Ｄは、ＦＲＵＣの一例を示す図である。 図６は、動き軌道に沿う２つのブロック間でのパターンマッチング（バイラテラルマッチング）を説明するための図である。 図７は、カレントピクチャ内のテンプレートと参照ピクチャ内のブロックとの間でのパターンマッチング（テンプレートマッチング）を説明するための図である。 図８は、等速直線運動を仮定したモデルを説明するための図である。 図９Ａは、複数の隣接ブロックの動きベクトルに基づくサブブロック単位の動きベクトルの導出を説明するための図である。 図９Ｂは、マージモードによる動きベクトル導出処理の概要を説明するための図である。 図９Ｃは、ＤＭＶＲ処理の概要を説明するための概念図である。 図９Ｄは、ＬＩＣ処理による輝度補正処理を用いた予測画像生成方法の概要を説明するための図である。 図１０は、実施の形態１に係る復号装置の機能構成を示すブロック図である。 図１１は、実施の形態２に係る符号化装置における変換及び量子化処理を示すフローチャートである。 図１２は、実施の形態２に係る復号装置における逆量子化及び逆変換処理を示すフローチャートである。 図１３は、実施の形態３に係る符号化装置における変換及び量子化処理を示すフローチャートである。 図１４は、実施の形態３に係る復号装置における逆量子化及び逆変換処理を示すフローチャートである。 図１５は、実施の形態４に係る符号化装置における変換及び量子化処理を示すフローチャートである。 図１６は、実施の形態４に係る符号化装置における符号化処理を示すフローチャートである。 図１７は、実施の形態４に係る復号装置における復号処理を示すフローチャートである。 図１８は、実施の形態４に係る復号装置における逆量子化及び逆変換処理を示すフローチャートである。 図１９は、コンテンツ配信サービスを実現するコンテンツ供給システムの全体構成図である。 図２０は、スケーラブル符号化時の符号化構造の一例を示す図である。 図２１は、スケーラブル符号化時の符号化構造の一例を示す図である。 図２２は、ｗｅｂページの表示画面例を示す図である。 図２３は、ｗｅｂページの表示画面例を示す図である。 図２４は、スマートフォンの一例を示す図である。 図２５は、スマートフォンの構成例を示すブロック図である。
　以下、実施の形態について図面を参照しながら具体的に説明する。
　なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、請求の範囲を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。
　（実施の形態１）
　まず、後述する本開示の各態様で説明する処理および／または構成を適用可能な符号化装置および復号化装置の一例として、実施の形態１の概要を説明する。ただし、実施の形態１は、本開示の各態様で説明する処理および／または構成を適用可能な符号化装置および復号化装置の一例にすぎず、本開示の各態様で説明する処理および／または構成は、実施の形態１とは異なる符号化装置および復号化装置においても実施可能である。
　実施の形態１に対して本開示の各態様で説明する処理および／または構成を適用する場合、例えば以下のいずれかを行ってもよい。
　（１）実施の形態１の符号化装置または復号化装置に対して、当該符号化装置または復号化装置を構成する複数の構成要素のうち、本開示の各態様で説明する構成要素に対応する構成要素を、本開示の各態様で説明する構成要素に置き換えること
　（２）実施の形態１の符号化装置または復号化装置に対して、当該符号化装置または復号化装置を構成する複数の構成要素のうち一部の構成要素について機能または実施する処理の追加、置き換え、削除などの任意の変更を施した上で、本開示の各態様で説明する構成要素に対応する構成要素を、本開示の各態様で説明する構成要素に置き換えること
　（３）実施の形態１の符号化装置または復号化装置が実施する方法に対して、処理の追加、および／または当該方法に含まれる複数の処理のうちの一部の処理について置き換え、削除などの任意の変更を施した上で、本開示の各態様で説明する処理に対応する処理を、本開示の各態様で説明する処理に置き換えること
　（４）実施の形態１の符号化装置または復号化装置を構成する複数の構成要素のうちの一部の構成要素を、本開示の各態様で説明する構成要素、本開示の各態様で説明する構成要素が備える機能の一部を備える構成要素、または本開示の各態様で説明する構成要素が実施する処理の一部を実施する構成要素と組み合わせて実施すること
　（５）実施の形態１の符号化装置または復号化装置を構成する複数の構成要素のうちの一部の構成要素が備える機能の一部を備える構成要素、または実施の形態１の符号化装置または復号化装置を構成する複数の構成要素のうちの一部の構成要素が実施する処理の一部を実施する構成要素を、本開示の各態様で説明する構成要素、本開示の各態様で説明する構成要素が備える機能の一部を備える構成要素、または本開示の各態様で説明する構成要素が実施する処理の一部を実施する構成要素と組み合わせて実施すること
　（６）実施の形態１の符号化装置または復号化装置が実施する方法に対して、当該方法に含まれる複数の処理のうち、本開示の各態様で説明する処理に対応する処理を、本開示の各態様で説明する処理に置き換えること
　（７）実施の形態１の符号化装置または復号化装置が実施する方法に含まれる複数の処理のうちの一部の処理を、本開示の各態様で説明する処理と組み合わせて実施すること
　なお、本開示の各態様で説明する処理および／または構成の実施の仕方は、上記の例に限定されるものではない。例えば、実施の形態１において開示する動画像／画像符号化装置または動画像／画像復号化装置とは異なる目的で利用される装置において実施されてもよいし、各態様において説明した処理および／または構成を単独で実施してもよい。また、異なる態様において説明した処理および／または構成を組み合わせて実施してもよい。
　［符号化装置の概要］
　まず、実施の形態１に係る符号化装置の概要を説明する。図１は、実施の形態１に係る符号化装置１００の機能構成を示すブロック図である。符号化装置１００は、動画像／画像をブロック単位で符号化する動画像／画像符号化装置である。
　図１に示すように、符号化装置１００は、画像をブロック単位で符号化する装置であって、分割部１０２と、減算部１０４と、変換部１０６と、量子化部１０８と、エントロピー符号化部１１０と、逆量子化部１１２と、逆変換部１１４と、加算部１１６と、ブロックメモリ１１８と、ループフィルタ部１２０と、フレームメモリ１２２と、イントラ予測部１２４と、インター予測部１２６と、予測制御部１２８と、を備える。
　符号化装置１００は、例えば、汎用プロセッサ及びメモリにより実現される。この場合、メモリに格納されたソフトウェアプログラムがプロセッサにより実行されたときに、プロセッサは、分割部１０２、減算部１０４、変換部１０６、量子化部１０８、エントロピー符号化部１１０、逆量子化部１１２、逆変換部１１４、加算部１１６、ループフィルタ部１２０、イントラ予測部１２４、インター予測部１２６及び予測制御部１２８として機能する。また、符号化装置１００は、分割部１０２、減算部１０４、変換部１０６、量子化部１０８、エントロピー符号化部１１０、逆量子化部１１２、逆変換部１１４、加算部１１６、ループフィルタ部１２０、イントラ予測部１２４、インター予測部１２６及び予測制御部１２８に対応する専用の１以上の電子回路として実現されてもよい。
　以下に、符号化装置１００に含まれる各構成要素について説明する。
　［分割部］
　分割部１０２は、入力動画像に含まれる各ピクチャを複数のブロックに分割し、各ブロックを減算部１０４に出力する。例えば、分割部１０２は、まず、ピクチャを固定サイズ（例えば１２８ｘ１２８）のブロックに分割する。この固定サイズのブロックは、符号化ツリーユニット（ＣＴＵ）と呼ばれることがある。そして、分割部１０２は、再帰的な四分木（ｑｕａｄｔｒｅｅ）及び／又は二分木（ｂｉｎａｒｙ　ｔｒｅｅ）ブロック分割に基づいて、固定サイズのブロックの各々を可変サイズ（例えば６４ｘ６４以下）のブロックに分割する。この可変サイズのブロックは、符号化ユニット（ＣＵ）、予測ユニット（ＰＵ）あるいは変換ユニット（ＴＵ）と呼ばれることがある。なお、本実施の形態では、ＣＵ、ＰＵ及びＴＵは区別される必要はなく、ピクチャ内の一部又はすべてのブロックがＣＵ、ＰＵ、ＴＵの処理単位となってもよい。
　図２は、実施の形態１におけるブロック分割の一例を示す図である。図２において、実線は四分木ブロック分割によるブロック境界を表し、破線は二分木ブロック分割によるブロック境界を表す。
　ここでは、ブロック１０は、１２８ｘ１２８画素の正方形ブロック（１２８ｘ１２８ブロック）である。この１２８ｘ１２８ブロック１０は、まず、４つの正方形の６４ｘ６４ブロックに分割される（四分木ブロック分割）。
　左上の６４ｘ６４ブロックは、さらに２つの矩形の３２ｘ６４ブロックに垂直に分割され、左の３２ｘ６４ブロックはさらに２つの矩形の１６ｘ６４ブロックに垂直に分割される（二分木ブロック分割）。その結果、左上の６４ｘ６４ブロックは、２つの１６ｘ６４ブロック１１、１２と、３２ｘ６４ブロック１３とに分割される。
　右上の６４ｘ６４ブロックは、２つの矩形の６４ｘ３２ブロック１４、１５に水平に分割される（二分木ブロック分割）。
　左下の６４ｘ６４ブロックは、４つの正方形の３２ｘ３２ブロックに分割される（四分木ブロック分割）。４つの３２ｘ３２ブロックのうち左上のブロック及び右下のブロックはさらに分割される。左上の３２ｘ３２ブロックは、２つの矩形の１６ｘ３２ブロックに垂直に分割され、右の１６ｘ３２ブロックはさらに２つの１６ｘ１６ブロックに水平に分割される（二分木ブロック分割）。右下の３２ｘ３２ブロックは、２つの３２ｘ１６ブロックに水平に分割される（二分木ブロック分割）。その結果、左下の６４ｘ６４ブロックは、１６ｘ３２ブロック１６と、２つの１６ｘ１６ブロック１７、１８と、２つの３２ｘ３２ブロック１９、２０と、２つの３２ｘ１６ブロック２１、２２とに分割される。
　右下の６４ｘ６４ブロック２３は分割されない。
　以上のように、図２では、ブロック１０は、再帰的な四分木及び二分木ブロック分割に基づいて、１３個の可変サイズのブロック１１～２３に分割される。このような分割は、ＱＴＢＴ（ｑｕａｄ－ｔｒｅｅ　ｐｌｕｓ　ｂｉｎａｒｙ　ｔｒｅｅ）分割と呼ばれることがある。
　なお、図２では、１つのブロックが４つ又は２つのブロックに分割されていたが（四分木又は二分木ブロック分割）、分割はこれに限定されない。例えば、１つのブロックが３つのブロックに分割されてもよい（三分木ブロック分割）。このような三分木ブロック分割を含む分割は、ＭＢＴ（ｍｕｌｔｉ　ｔｙｐｅ　ｔｒｅｅ）分割と呼ばれることがある。
　［減算部］
　減算部１０４は、分割部１０２によって分割されたブロック単位で原信号（原サンプル）から予測信号（予測サンプル）を減算する。つまり、減算部１０４は、符号化対象ブロック（以下、カレントブロックという）の予測誤差（残差ともいう）を算出する。そして、減算部１０４は、算出された予測誤差を変換部１０６に出力する。
　原信号は、符号化装置１００の入力信号であり、動画像を構成する各ピクチャの画像を表す信号（例えば輝度（ｌｕｍａ）信号及び２つの色差（ｃｈｒｏｍａ）信号）である。以下において、画像を表す信号をサンプルともいうこともある。
　［変換部］
　変換部１０６は、空間領域の予測誤差を周波数領域の変換係数に変換し、変換係数を量子化部１０８に出力する。具体的には、変換部１０６は、例えば空間領域の予測誤差に対して予め定められた離散コサイン変換（ＤＣＴ）又は離散サイン変換（ＤＳＴ）を行う。
　なお、変換部１０６は、複数の変換タイプの中から適応的に変換タイプを選択し、選択された変換タイプに対応する変換基底関数（ｔｒａｎｓｆｏｒｍ　ｂａｓｉｓ　ｆｕｎｃｔｉｏｎ）を用いて、予測誤差を変換係数に変換してもよい。このような変換は、ＥＭＴ（ｅｘｐｌｉｃｉｔ　ｍｕｌｔｉｐｌｅ　ｃｏｒｅ　ｔｒａｎｓｆｏｒｍ）又はＡＭＴ（ａｄａｐｔｉｖｅ　ｍｕｌｔｉｐｌｅ　ｔｒａｎｓｆｏｒｍ）と呼ばれることがある。
　複数の変換タイプは、例えば、ＤＣＴ－ＩＩ、ＤＣＴ－Ｖ、ＤＣＴ－ＶＩＩＩ、ＤＳＴ－Ｉ及びＤＳＴ－ＶＩＩを含む。図３は、各変換タイプに対応する変換基底関数を示す表である。図３においてＮは入力画素の数を示す。これらの複数の変換タイプの中からの変換タイプの選択は、例えば、予測の種類（イントラ予測及びインター予測）に依存してもよいし、イントラ予測モードに依存してもよい。
　このようなＥＭＴ又はＡＭＴを適用するか否かを示す情報（例えばＡＭＴフラグと呼ばれる）及び選択された変換タイプを示す情報は、ＣＵレベルで信号化される。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　また、変換部１０６は、変換係数（変換結果）を再変換してもよい。このような再変換は、ＡＳＴ（ａｄａｐｔｉｖｅ　ｓｅｃｏｎｄａｒｙ　ｔｒａｎｓｆｏｒｍ）又はＮＳＳＴ（ｎｏｎ－ｓｅｐａｒａｂｌｅ　ｓｅｃｏｎｄａｒｙ　ｔｒａｎｓｆｏｒｍ）と呼ばれることがある。例えば、変換部１０６は、イントラ予測誤差に対応する変換係数のブロックに含まれるサブブロック（例えば４ｘ４サブブロック）ごとに再変換を行う。ＮＳＳＴを適用するか否かを示す情報及びＮＳＳＴに用いられる変換行列に関する情報は、ＣＵレベルで信号化される。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　ここで、Ｓｅｐａｒａｂｌｅな変換とは、入力の次元の数だけ方向ごとに分離して複数回変換を行う方式であり、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換とは、入力が多次元であった際に２つ以上の次元をまとめて１次元とみなして、まとめて変換を行う方式である。
　例えば、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換の１例として、入力が４×４のブロックであった場合にはそれを１６個の要素を持ったひとつの配列とみなし、その配列に対して１６×１６の変換行列で変換処理を行うようなものが挙げられる。
　また、同様に４×４の入力ブロックを１６個の要素を持ったひとつの配列とみなした後に、その配列に対してＧｉｖｅｎｓ回転を複数回行うようなもの（Ｈｙｐｅｒｃｕｂｅ　Ｇｉｖｅｎｓ　Ｔｒａｎｓｆｏｒｍ）もＮｏｎ－Ｓｅｐａｒａｂｌｅな変換の例である。
　［量子化部］
　量子化部１０８は、変換部１０６から出力された変換係数を量子化する。具体的には、量子化部１０８は、カレントブロックの変換係数を所定の走査順序で走査し、走査された変換係数に対応する量子化パラメータ（ＱＰ）に基づいて当該変換係数を量子化する。そして、量子化部１０８は、カレントブロックの量子化された変換係数（以下、量子化係数という）をエントロピー符号化部１１０及び逆量子化部１１２に出力する。
　所定の順序は、変換係数の量子化／逆量子化のための順序である。例えば、所定の走査順序は、周波数の昇順（低周波から高周波の順）又は降順（高周波から低周波の順）で定義される。
　量子化パラメータとは、量子化ステップ（量子化幅）を定義するパラメータである。例えば、量子化パラメータの値が増加すれば量子化ステップも増加する。つまり、量子化パラメータの値が増加すれば量子化誤差が増大する。
　［エントロピー符号化部］
　エントロピー符号化部１１０は、量子化部１０８から入力である量子化係数を可変長符号化することにより符号化信号（符号化ビットストリーム）を生成する。具体的には、エントロピー符号化部１１０は、例えば、量子化係数を二値化し、二値信号を算術符号化する。
　［逆量子化部］
　逆量子化部１１２は、量子化部１０８からの入力である量子化係数を逆量子化する。具体的には、逆量子化部１１２は、カレントブロックの量子化係数を所定の走査順序で逆量子化する。そして、逆量子化部１１２は、カレントブロックの逆量子化された変換係数を逆変換部１１４に出力する。
　［逆変換部］
　逆変換部１１４は、逆量子化部１１２からの入力である変換係数を逆変換することにより予測誤差を復元する。具体的には、逆変換部１１４は、変換係数に対して、変換部１０６による変換に対応する逆変換を行うことにより、カレントブロックの予測誤差を復元する。そして、逆変換部１１４は、復元された予測誤差を加算部１１６に出力する。
　なお、復元された予測誤差は、量子化により情報が失われているので、減算部１０４が算出した予測誤差と一致しない。すなわち、復元された予測誤差には、量子化誤差が含まれている。
　［加算部］
　加算部１１６は、逆変換部１１４からの入力である予測誤差と予測制御部１２８からの入力である予測サンプルとを加算することによりカレントブロックを再構成する。そして、加算部１１６は、再構成されたブロックをブロックメモリ１１８及びループフィルタ部１２０に出力する。再構成ブロックは、ローカル復号ブロックと呼ばれることもある。
　［ブロックメモリ］
　ブロックメモリ１１８は、イントラ予測で参照されるブロックであって符号化対象ピクチャ（以下、カレントピクチャという）内のブロックを格納するための記憶部である。具体的には、ブロックメモリ１１８は、加算部１１６から出力された再構成ブロックを格納する。
　［ループフィルタ部］
　ループフィルタ部１２０は、加算部１１６によって再構成されたブロックにループフィルタを施し、フィルタされた再構成ブロックをフレームメモリ１２２に出力する。ループフィルタとは、符号化ループ内で用いられるフィルタ（インループフィルタ）であり、例えば、デブロッキング・フィルタ（ＤＦ）、サンプルアダプティブオフセット（ＳＡＯ）及びアダプティブループフィルタ（ＡＬＦ）などを含む。
　ＡＬＦでは、符号化歪みを除去するための最小二乗誤差フィルタが適用され、例えばカレントブロック内の２ｘ２サブブロックごとに、局所的な勾配（ｇｒａｄｉｅｎｔ）の方向及び活性度（ａｃｔｉｖｉｔｙ）に基づいて複数のフィルタの中から選択された１つのフィルタが適用される。
　具体的には、まず、サブブロック（例えば２ｘ２サブブロック）が複数のクラス（例えば１５又は２５クラス）に分類される。サブブロックの分類は、勾配の方向及び活性度に基づいて行われる。例えば、勾配の方向値Ｄ（例えば０～２又は０～４）と勾配の活性値Ａ（例えば０～４）とを用いて分類値Ｃ（例えばＣ＝５Ｄ＋Ａ）が算出される。そして、分類値Ｃに基づいて、サブブロックが複数のクラス（例えば１５又は２５クラス）に分類される。
　勾配の方向値Ｄは、例えば、複数の方向（例えば水平、垂直及び２つの対角方向）の勾配を比較することにより導出される。また、勾配の活性値Ａは、例えば、複数の方向の勾配を加算し、加算結果を量子化することにより導出される。
　このような分類の結果に基づいて、複数のフィルタの中からサブブロックのためのフィルタが決定される。
　ＡＬＦで用いられるフィルタの形状としては例えば円対称形状が利用される。図４Ａ～図４Ｃは、ＡＬＦで用いられるフィルタの形状の複数の例を示す図である。図４Ａは、５ｘ５ダイヤモンド形状フィルタを示し、図４Ｂは、７ｘ７ダイヤモンド形状フィルタを示し、図４Ｃは、９ｘ９ダイヤモンド形状フィルタを示す。フィルタの形状を示す情報は、ピクチャレベルで信号化される。なお、フィルタの形状を示す情報の信号化は、ピクチャレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はＣＵレベル）であってもよい。
　ＡＬＦのオン／オフは、例えば、ピクチャレベル又はＣＵレベルで決定される。例えば、輝度についてはＣＵレベルでＡＬＦを適用するか否かが決定され、色差についてはピクチャレベルでＡＬＦを適用するか否かが決定される。ＡＬＦのオン／オフを示す情報は、ピクチャレベル又はＣＵレベルで信号化される。なお、ＡＬＦのオン／オフを示す情報の信号化は、ピクチャレベル又はＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　選択可能な複数のフィルタ（例えば１５又は２５までのフィルタ）の係数セットは、ピクチャレベルで信号化される。なお、係数セットの信号化は、ピクチャレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、タイルレベル、ＣＴＵレベル、ＣＵレベル又はサブブロックレベル）であってもよい。
　［フレームメモリ］
　フレームメモリ１２２は、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ１２２は、ループフィルタ部１２０によってフィルタされた再構成ブロックを格納する。
　［イントラ予測部］
　イントラ予測部１２４は、ブロックメモリ１１８に格納されたカレントピクチャ内のブロックを参照してカレントブロックのイントラ予測（画面内予測ともいう）を行うことで、予測信号（イントラ予測信号）を生成する。具体的には、イントラ予測部１２４は、カレントブロックに隣接するブロックのサンプル（例えば輝度値、色差値）を参照してイントラ予測を行うことでイントラ予測信号を生成し、イントラ予測信号を予測制御部１２８に出力する。
　例えば、イントラ予測部１２４は、予め規定された複数のイントラ予測モードのうちの１つを用いてイントラ予測を行う。複数のイントラ予測モードは、１以上の非方向性予測モードと、複数の方向性予測モードと、を含む。
　１以上の非方向性予測モードは、例えばＨ．２６５／ＨＥＶＣ（Ｈｉｇｈ－Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）規格（非特許文献１）で規定されたＰｌａｎａｒ予測モード及びＤＣ予測モードを含む。
　複数の方向性予測モードは、例えばＨ．２６５／ＨＥＶＣ規格で規定された３３方向の予測モードを含む。なお、複数の方向性予測モードは、３３方向に加えてさらに３２方向の予測モード（合計で６５個の方向性予測モード）を含んでもよい。図５Ａは、イントラ予測における６７個のイントラ予測モード（２個の非方向性予測モード及び６５個の方向性予測モード）を示す図である。実線矢印は、Ｈ．２６５／ＨＥＶＣ規格で規定された３３方向を表し、破線矢印は、追加された３２方向を表す。
　なお、色差ブロックのイントラ予測において、輝度ブロックが参照されてもよい。つまり、カレントブロックの輝度成分に基づいて、カレントブロックの色差成分が予測されてもよい。このようなイントラ予測は、ＣＣＬＭ（ｃｒｏｓｓ－ｃｏｍｐｏｎｅｎｔ　ｌｉｎｅａｒ　ｍｏｄｅｌ）予測と呼ばれることがある。このような輝度ブロックを参照する色差ブロックのイントラ予測モード（例えばＣＣＬＭモードと呼ばれる）は、色差ブロックのイントラ予測モードの１つとして加えられてもよい。
　イントラ予測部１２４は、水平／垂直方向の参照画素の勾配に基づいてイントラ予測後の画素値を補正してもよい。このような補正をともなうイントラ予測は、ＰＤＰＣ（ｐｏｓｉｔｉｏｎ　ｄｅｐｅｎｄｅｎｔ　ｉｎｔｒａ　ｐｒｅｄｉｃｔｉｏｎ　ｃｏｍｂｉｎａｔｉｏｎ）と呼ばれることがある。ＰＤＰＣの適用の有無を示す情報（例えばＰＤＰＣフラグと呼ばれる）は、例えばＣＵレベルで信号化される。なお、この情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　［インター予測部］
　インター予測部１２６は、フレームメモリ１２２に格納された参照ピクチャであってカレントピクチャとは異なる参照ピクチャを参照してカレントブロックのインター予測（画面間予測ともいう）を行うことで、予測信号（インター予測信号）を生成する。インター予測は、カレントブロック又はカレントブロック内のサブブロック（例えば４ｘ４ブロック）の単位で行われる。例えば、インター予測部１２６は、カレントブロック又はサブブロックについて参照ピクチャ内で動き探索（ｍｏｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎ）を行う。そして、インター予測部１２６は、動き探索により得られた動き情報（例えば動きベクトル）を用いて動き補償を行うことでカレントブロック又はサブブロックのインター予測信号を生成する。そして、インター予測部１２６は、生成されたインター予測信号を予測制御部１２８に出力する。
　動き補償に用いられた動き情報は信号化される。動きベクトルの信号化には、予測動きベクトル（ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｐｒｅｄｉｃｔｏｒ）が用いられてもよい。つまり、動きベクトルと予測動きベクトルとの間の差分が信号化されてもよい。
　なお、動き探索により得られたカレントブロックの動き情報だけでなく、隣接ブロックの動き情報も用いて、インター予測信号が生成されてもよい。具体的には、動き探索により得られた動き情報に基づく予測信号と、隣接ブロックの動き情報に基づく予測信号と、を重み付け加算することにより、カレントブロック内のサブブロック単位でインター予測信号が生成されてもよい。このようなインター予測（動き補償）は、ＯＢＭＣ（ｏｖｅｒｌａｐｐｅｄ　ｂｌｏｃｋ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）と呼ばれることがある。
　このようなＯＢＭＣモードでは、ＯＢＭＣのためのサブブロックのサイズを示す情報（例えばＯＢＭＣブロックサイズと呼ばれる）は、シーケンスレベルで信号化される。また、ＯＢＭＣモードを適用するか否かを示す情報（例えばＯＢＭＣフラグと呼ばれる）は、ＣＵレベルで信号化される。なお、これらの情報の信号化のレベルは、シーケンスレベル及びＣＵレベルに限定される必要はなく、他のレベル（例えばピクチャレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はサブブロックレベル）であってもよい。
　ＯＢＭＣモードについて、より具体的に説明する。図５Ｂ及び図５Ｃは、ＯＢＭＣ処理による予測画像補正処理の概要を説明するためのフローチャート及び概念図である。
　まず、符号化対象ブロックに割り当てられた動きベクトル（ＭＶ）を用いて通常の動き補償による予測画像（Ｐｒｅｄ）を取得する。
　次に、符号化済みの左隣接ブロックの動きベクトル（ＭＶ＿Ｌ）を符号化対象ブロックに適用して予測画像（Ｐｒｅｄ＿Ｌ）を取得し、前記予測画像とＰｒｅｄ＿Ｌとを重みを付けて重ね合わせることで予測画像の１回目の補正を行う。
　同様に、符号化済みの上隣接ブロックの動きベクトル（ＭＶ＿Ｕ）を符号化対象ブロックに適用して予測画像（Ｐｒｅｄ＿Ｕ）を取得し、前記１回目の補正を行った予測画像とＰｒｅｄ＿Ｕとを重みを付けて重ね合わせることで予測画像の２回目の補正を行い、それを最終的な予測画像とする。
　なお、ここでは左隣接ブロックと上隣接ブロックを用いた２段階の補正の方法を説明したが、右隣接ブロックや下隣接ブロックを用いて２段階よりも多い回数の補正を行う構成とすることも可能である。
　なお、重ね合わせを行う領域はブロック全体の画素領域ではなく、ブロック境界近傍の一部の領域のみであってもよい。
　なお、ここでは１枚の参照ピクチャからの予測画像補正処理について説明したが、複数枚の参照ピクチャから予測画像を補正する場合も同様であり、各々の参照ピクチャから補正した予測画像を取得した後に、得られた予測画像をさらに重ね合わせることで最終的な予測画像とする。
　なお、前記処理対象ブロックは、予測ブロック単位であっても、予測ブロックをさらに分割したサブブロック単位であってもよい。
　ＯＢＭＣ処理を適用するかどうかの判定の方法として、例えば、ＯＢＭＣ処理を適用するかどうかを示す信号であるｏｂｍｃ＿ｆｌａｇを用いる方法がある。具体的な一例としては、符号化装置において、符号化対象ブロックが動きの複雑な領域に属しているかどうかを判定し、動きの複雑な領域に属している場合はｏｂｍｃ＿ｆｌａｇとして値１を設定してＯＢＭＣ処理を適用して符号化を行い、動きの複雑な領域に属していない場合はｏｂｍｃ＿ｆｌａｇとして値０を設定してＯＢＭＣ処理を適用せずに符号化を行う。一方、復号化装置では、ストリームに記述されたｏｂｍｃ＿ｆｌａｇを復号化するとことで、その値に応じてＯＢＭＣ処理を適用するかどうかを切替えて復号化を行う。
　なお、動き情報は信号化されずに、復号装置側で導出されてもよい。例えば、Ｈ．２６５／ＨＥＶＣ規格で規定されたマージモードが用いられてもよい。また例えば、復号装置側で動き探索を行うことにより動き情報が導出されてもよい。この場合、カレントブロックの画素値を用いずに動き探索が行われる。
　ここで、復号装置側で動き探索を行うモードについて説明する。この復号装置側で動き探索を行うモードは、ＰＭＭＶＤ（ｐａｔｔｅｒｎ　ｍａｔｃｈｅｄ　ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｄｅｒｉｖａｔｉｏｎ）モード又はＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）モードと呼ばれることがある。
　ＦＲＵＣ処理の一例を図５Ｄに示す。まず、カレントブロックに空間的又は時間的に隣接する符号化済みブロックの動きベクトルを参照して、各々が予測動きベクトルを有する複数の候補のリスト（マージリストと共通であってもよい）が生成される。次に、候補リストに登録されている複数の候補ＭＶの中からベスト候補ＭＶを選択する。例えば、候補リストに含まれる各候補の評価値が算出され、評価値に基づいて１つの候補が選択される。
　そして、選択された候補の動きベクトルに基づいて、カレントブロックのための動きベクトルが導出される。具体的には、例えば、選択された候補の動きベクトル（ベスト候補ＭＶ）がそのままカレントブロックのための動きベクトルとして導出される。また例えば、選択された候補の動きベクトルに対応する参照ピクチャ内の位置の周辺領域において、パターンマッチングを行うことにより、カレントブロックのための動きベクトルが導出されてもよい。すなわち、ベスト候補ＭＶの周辺の領域に対して同様の方法で探索を行い、さらに評価値が良い値となるＭＶがあった場合は、ベスト候補ＭＶを前記ＭＶに更新して、それをカレントブロックの最終的なＭＶとしてもよい。なお、当該処理を実施しない構成とすることも可能である。
　サブブロック単位で処理を行う場合も全く同様の処理としてもよい。
　なお、評価値は、動きベクトルに対応する参照ピクチャ内の領域と、所定の領域との間のパターンマッチングによって再構成画像の差分値を求めることにより算出される。なお、差分値に加えてそれ以外の情報を用いて評価値を算出してもよい。
　パターンマッチングとしては、第１パターンマッチング又は第２パターンマッチングが用いられる。第１パターンマッチング及び第２パターンマッチングは、それぞれ、バイラテラルマッチング（ｂｉｌａｔｅｒａｌ　ｍａｔｃｈｉｎｇ）及びテンプレートマッチング（ｔｅｍｐｌａｔｅ　ｍａｔｃｈｉｎｇ）と呼ばれることがある。
　第１パターンマッチングでは、異なる２つの参照ピクチャ内の２つのブロックであってカレントブロックの動き軌道（ｍｏｔｉｏｎ　ｔｒａｊｅｃｔｏｒｙ）に沿う２つのブロックの間でパターンマッチングが行われる。したがって、第１パターンマッチングでは、上述した候補の評価値の算出のための所定の領域として、カレントブロックの動き軌道に沿う他の参照ピクチャ内の領域が用いられる。
　図６は、動き軌道に沿う２つのブロック間でのパターンマッチング（バイラテラルマッチング）の一例を説明するための図である。図６に示すように、第１パターンマッチングでは、カレントブロック（Ｃｕｒ　ｂｌｏｃｋ）の動き軌道に沿う２つのブロックであって異なる２つの参照ピクチャ（Ｒｅｆ０、Ｒｅｆ１）内の２つのブロックのペアの中で最もマッチするペアを探索することにより２つの動きベクトル（ＭＶ０、ＭＶ１）が導出される。具体的には、カレントブロックに対して、候補ＭＶで指定された第１の符号化済み参照ピクチャ（Ｒｅｆ０）内の指定位置における再構成画像と、前記候補ＭＶを表示時間間隔でスケーリングした対称ＭＶで指定された第２の符号化済み参照ピクチャ（Ｒｅｆ１）内の指定位置における再構成画像との差分を導出し、得られた差分値を用いて評価値を算出する。複数の候補ＭＶの中で最も評価値が良い値となる候補ＭＶを最終ＭＶとして選択するとよい。
　連続的な動き軌道の仮定の下では、２つの参照ブロックを指し示す動きベクトル（ＭＶ０、ＭＶ１）は、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）と２つの参照ピクチャ（Ｒｅｆ０、Ｒｅｆ１）との間の時間的な距離（ＴＤ０、ＴＤ１）に対して比例する。例えば、カレントピクチャが時間的に２つの参照ピクチャの間に位置し、カレントピクチャから２つの参照ピクチャへの時間的な距離が等しい場合、第１パターンマッチングでは、鏡映対称な双方向の動きベクトルが導出される。
　第２パターンマッチングでは、カレントピクチャ内のテンプレート（カレントピクチャ内でカレントブロックに隣接するブロック（例えば上及び／又は左隣接ブロック））と参照ピクチャ内のブロックとの間でパターンマッチングが行われる。したがって、第２パターンマッチングでは、上述した候補の評価値の算出のための所定の領域として、カレントピクチャ内のカレントブロックに隣接するブロックが用いられる。
　図７は、カレントピクチャ内のテンプレートと参照ピクチャ内のブロックとの間でのパターンマッチング（テンプレートマッチング）の一例を説明するための図である。図７に示すように、第２パターンマッチングでは、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）内でカレントブロック（Ｃｕｒ　ｂｌｏｃｋ）に隣接するブロックと最もマッチするブロックを参照ピクチャ（Ｒｅｆ０）内で探索することによりカレントブロックの動きベクトルが導出される。具体的には、カレントブロックに対して、左隣接および上隣接の両方もしくはどちらか一方の符号化済み領域の再構成画像と、候補ＭＶで指定された符号化済み参照ピクチャ（Ｒｅｆ０）内の同等位置における再構成画像との差分を導出し、得られた差分値を用いて評価値を算出し、複数の候補ＭＶの中で最も評価値が良い値となる候補ＭＶをベスト候補ＭＶとして選択するとよい。
　このようなＦＲＵＣモードを適用するか否かを示す情報（例えばＦＲＵＣフラグと呼ばれる）は、ＣＵレベルで信号化される。また、ＦＲＵＣモードが適用される場合（例えばＦＲＵＣフラグが真の場合）、パターンマッチングの方法（第１パターンマッチング又は第２パターンマッチング）を示す情報（例えばＦＲＵＣモードフラグと呼ばれる）がＣＵレベルで信号化される。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はサブブロックレベル）であってもよい。
　ここで、等速直線運動を仮定したモデルに基づいて動きベクトルを導出するモードについて説明する。このモードは、ＢＩＯ（ｂｉ－ｄｉｒｅｃｔｉｏｎａｌ　ｏｐｔｉｃａｌ　ｆｌｏｗ）モードと呼ばれることがある。
　図８は、等速直線運動を仮定したモデルを説明するための図である。図８において、（ｖｘ，ｖｙ）は、速度ベクトルを示し、τ０、τ１は、それぞれ、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）と２つの参照ピクチャ（Ｒｅｆ０，Ｒｅｆ１）との間の時間的な距離を示す。（ＭＶｘ０，ＭＶｙ０）は、参照ピクチャＲｅｆ０に対応する動きベクトルを示し、（ＭＶｘ１、ＭＶｙ１）は、参照ピクチャＲｅｆ１に対応する動きベクトルを示す。
　このとき速度ベクトル（ｖｘ，ｖｙ）の等速直線運動の仮定の下では、（ＭＶｘ０，ＭＶｙ０）及び（ＭＶｘ１，ＭＶｙ１）は、それぞれ、（ｖｘτ０，ｖｙτ０）及び（－ｖｘτ１，－ｖｙτ１）と表され、以下のオプティカルフロー等式（１）が成り立つ。
Figure JPOXMLDOC01-appb-M000001
　ここで、Ｉ（ｋ）は、動き補償後の参照画像ｋ（ｋ＝０，１）の輝度値を示す。このオプティカルフロー等式は、（i）輝度値の時間微分と、（ii）水平方向の速度及び参照画像の空間勾配の水平成分の積と、（iii）垂直方向の速度及び参照画像の空間勾配の垂直成分の積と、の和が、ゼロと等しいことを示す。このオプティカルフロー等式とエルミート補間（Ｈｅｒｍｉｔｅ　ｉｎｔｅｒｐｏｌａｔｉｏｎ）との組み合わせに基づいて、マージリスト等から得られるブロック単位の動きベクトルが画素単位で補正される。
　なお、等速直線運動を仮定したモデルに基づく動きベクトルの導出とは異なる方法で、復号装置側で動きベクトルが導出されてもよい。例えば、複数の隣接ブロックの動きベクトルに基づいてサブブロック単位で動きベクトルが導出されてもよい。
　ここで、複数の隣接ブロックの動きベクトルに基づいてサブブロック単位で動きベクトルを導出するモードについて説明する。このモードは、アフィン動き補償予測（ａｆｆｉｎｅ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ　ｐｒｅｄｉｃｔｉｏｎ）モードと呼ばれることがある。
　図９Ａは、複数の隣接ブロックの動きベクトルに基づくサブブロック単位の動きベクトルの導出を説明するための図である。図９Ａにおいて、カレントブロックは、１６の４ｘ４サブブロックを含む。ここでは、隣接ブロックの動きベクトルに基づいてカレントブロックの左上角制御ポイントの動きベクトルｖ０が導出され、隣接サブブロックの動きベクトルに基づいてカレントブロックの右上角制御ポイントの動きベクトルｖ１が導出される。そして、２つの動きベクトルｖ０及びｖ１を用いて、以下の式（２）により、カレントブロック内の各サブブロックの動きベクトル（ｖｘ，ｖｙ）が導出される。
Figure JPOXMLDOC01-appb-M000002
　ここで、ｘ及びｙは、それぞれ、サブブロックの水平位置及び垂直位置を示し、ｗは、予め定められた重み係数を示す。
　このようなアフィン動き補償予測モードでは、左上及び右上角制御ポイントの動きベクトルの導出方法が異なるいくつかのモードを含んでもよい。このようなアフィン動き補償予測モードを示す情報（例えばアフィンフラグと呼ばれる）は、ＣＵレベルで信号化される。なお、このアフィン動き補償予測モードを示す情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はサブブロックレベル）であってもよい。
　［予測制御部］
　予測制御部１２８は、イントラ予測信号及びインター予測信号のいずれかを選択し、選択した信号を予測信号として減算部１０４及び加算部１１６に出力する。
　ここで、マージモードにより符号化対象ピクチャの動きベクトルを導出する例を説明する。図９Ｂは、マージモードによる動きベクトル導出処理の概要を説明するための図である。
　まず、予測ＭＶの候補を登録した予測ＭＶリストを生成する。予測ＭＶの候補としては、符号化対象ブロックの空間的に周辺に位置する複数の符号化済みブロックが持つＭＶである空間隣接予測ＭＶ、符号化済み参照ピクチャにおける符号化対象ブロックの位置を投影した近辺のブロックが持つＭＶである時間隣接予測ＭＶ、空間隣接予測ＭＶと時間隣接予測ＭＶのＭＶ値を組合わせて生成したＭＶである結合予測ＭＶ、および値がゼロのＭＶであるゼロ予測ＭＶ等がある。
　次に、予測ＭＶリストに登録されている複数の予測ＭＶの中から１つの予測ＭＶを選択することで、符号化対象ブロックのＭＶとして決定する。
　さらに可変長符号化部では、どの予測ＭＶを選択したかを示す信号であるｍｅｒｇｅ＿ｉｄｘをストリームに記述して符号化する。
　なお、図９Ｂで説明した予測ＭＶリストに登録する予測ＭＶは一例であり、図中の個数とは異なる個数であったり、図中の予測ＭＶの一部の種類を含まない構成であったり、図中の予測ＭＶの種類以外の予測ＭＶを追加した構成であったりしてもよい。
　なお、マージモードにより導出した符号化対象ブロックのＭＶを用いて、後述するＤＭＶＲ処理を行うことによって最終的なＭＶを決定してもよい。
　ここで、ＤＭＶＲ処理を用いてＭＶを決定する例について説明する。
　図９Ｃは、ＤＭＶＲ処理の概要を説明するための概念図である。
　まず、処理対象ブロックに設定された最適ＭＶＰを候補ＭＶとして、前記候補ＭＶに従って、Ｌ０方向の処理済みピクチャである第１参照ピクチャ、およびＬ１方向の処理済みピクチャである第２参照ピクチャから参照画素をそれぞれ取得し、各参照画素の平均をとることでテンプレートを生成する。
　次に、前記テンプレートを用いて、第１参照ピクチャおよび第２参照ピクチャの候補ＭＶの周辺領域をそれぞれ探索し、最もコストが最小となるＭＶを最終的なＭＶとして決定する。なお、コスト値はテンプレートの各画素値と探索領域の各画素値との差分値およびＭＶ値等を用いて算出する。
　なお、符号化装置および復号化装置では、ここで説明した処理の概要は基本的に共通である。
　なお、ここで説明した処理そのものでなくても、候補ＭＶの周辺を探索して最終的なＭＶを導出することができる処理であれば、他の処理を用いてもよい。
　ここで、ＬＩＣ処理を用いて予測画像を生成するモードについて説明する。
　図９Ｄは、ＬＩＣ処理による輝度補正処理を用いた予測画像生成方法の概要を説明するための図である。
　まず、符号化済みピクチャである参照ピクチャから符号化対象ブロックに対応する参照画像を取得するためのＭＶを導出する。
　次に、符号化対象ブロックに対して、左隣接および上隣接の符号化済み周辺参照領域の輝度画素値と、ＭＶで指定された参照ピクチャ内の同等位置における輝度画素値とを用いて、参照ピクチャと符号化対象ピクチャとで輝度値がどのように変化したかを示す情報を抽出して輝度補正パラメータを算出する。
　ＭＶで指定された参照ピクチャ内の参照画像に対して前記輝度補正パラメータを用いて輝度補正処理を行うことで、符号化対象ブロックに対する予測画像を生成する。
　なお、図９Ｄにおける前記周辺参照領域の形状は一例であり、これ以外の形状を用いてもよい。
　また、ここでは１枚の参照ピクチャから予測画像を生成する処理について説明したが、複数枚の参照ピクチャから予測画像を生成する場合も同様であり、各々の参照ピクチャから取得した参照画像に同様の方法で輝度補正処理を行ってから予測画像を生成する。
　ＬＩＣ処理を適用するかどうかの判定の方法として、例えば、ＬＩＣ処理を適用するかどうかを示す信号であるｌｉｃ＿ｆｌａｇを用いる方法がある。具体的な一例としては、符号化装置において、符号化対象ブロックが輝度変化が発生している領域に属しているかどうかを判定し、輝度変化が発生している領域に属している場合はｌｉｃ＿ｆｌａｇとして値１を設定してＬＩＣ処理を適用して符号化を行い、輝度変化が発生している領域に属していない場合はｌｉｃ＿ｆｌａｇとして値０を設定してＬＩＣ処理を適用せずに符号化を行う。一方、復号化装置では、ストリームに記述されたｌｉｃ＿ｆｌａｇを復号化するとことで、その値に応じてＬＩＣ処理を適用するかどうかを切替えて復号化を行う。
　ＬＩＣ処理を適用するかどうかの判定の別の方法として、例えば、周辺ブロックでＬＩＣ処理を適用したかどうかに従って判定する方法もある。具体的な一例としては、符号化対象ブロックがマージモードであった場合、マージモード処理におけるＭＶの導出の際に選択した周辺の符号化済みブロックがＬＩＣ処理を適用して符号化したかどうかを判定し、その結果に応じてＬＩＣ処理を適用するかどうかを切替えて符号化を行う。なお、この例の場合、復号化における処理も全く同様となる。
　［復号装置の概要］
　次に、上記の符号化装置１００から出力された符号化信号（符号化ビットストリーム）を復号可能な復号装置の概要について説明する。図１０は、実施の形態１に係る復号装置２００の機能構成を示すブロック図である。復号装置２００は、動画像／画像をブロック単位で復号する動画像／画像復号装置である。
　図１０に示すように、復号装置２００は、エントロピー復号部２０２と、逆量子化部２０４と、逆変換部２０６と、加算部２０８と、ブロックメモリ２１０と、ループフィルタ部２１２と、フレームメモリ２１４と、イントラ予測部２１６と、インター予測部２１８と、予測制御部２２０と、を備える。
　復号装置２００は、例えば、汎用プロセッサ及びメモリにより実現される。この場合、メモリに格納されたソフトウェアプログラムがプロセッサにより実行されたときに、プロセッサは、エントロピー復号部２０２、逆量子化部２０４、逆変換部２０６、加算部２０８、ループフィルタ部２１２、イントラ予測部２１６、インター予測部２１８及び予測制御部２２０として機能する。また、復号装置２００は、エントロピー復号部２０２、逆量子化部２０４、逆変換部２０６、加算部２０８、ループフィルタ部２１２、イントラ予測部２１６、インター予測部２１８及び予測制御部２２０に対応する専用の１以上の電子回路として実現されてもよい。
　以下に、復号装置２００に含まれる各構成要素について説明する。
　［エントロピー復号部］
　エントロピー復号部２０２は、符号化ビットストリームをエントロピー復号する。具体的には、エントロピー復号部２０２は、例えば、符号化ビットストリームから二値信号に算術復号する。そして、エントロピー復号部２０２は、二値信号を多値化（ｄｅｂｉｎａｒｉｚｅ）する。これにより、エントロピー復号部２０２は、ブロック単位で量子化係数を逆量子化部２０４に出力する。
　［逆量子化部］
　逆量子化部２０４は、エントロピー復号部２０２からの入力である復号対象ブロック（以下、カレントブロックという）の量子化係数を逆量子化する。具体的には、逆量子化部２０４は、カレントブロックの量子化係数の各々について、当該量子化係数に対応する量子化パラメータに基づいて当該量子化係数を逆量子化する。そして、逆量子化部２０４は、カレントブロックの逆量子化された量子化係数（つまり変換係数）を逆変換部２０６に出力する。
　［逆変換部］
　逆変換部２０６は、逆量子化部２０４からの入力である変換係数を逆変換することにより予測誤差を復元する。
　例えば符号化ビットストリームから読み解かれた情報がＥＭＴ又はＡＭＴを適用することを示す場合（例えばＡＭＴフラグが真）、逆変換部２０６は、読み解かれた変換タイプを示す情報に基づいてカレントブロックの変換係数を逆変換する。
　また例えば、符号化ビットストリームから読み解かれた情報がＮＳＳＴを適用することを示す場合、逆変換部２０６は、変換係数に逆再変換を適用する。
　［加算部］
　加算部２０８は、逆変換部２０６からの入力である予測誤差と予測制御部２２０からの入力である予測サンプルとを加算することによりカレントブロックを再構成する。そして、加算部２０８は、再構成されたブロックをブロックメモリ２１０及びループフィルタ部２１２に出力する。
　［ブロックメモリ］
　ブロックメモリ２１０は、イントラ予測で参照されるブロックであって復号対象ピクチャ（以下、カレントピクチャという）内のブロックを格納するための記憶部である。具体的には、ブロックメモリ２１０は、加算部２０８から出力された再構成ブロックを格納する。
　［ループフィルタ部］
　ループフィルタ部２１２は、加算部２０８によって再構成されたブロックにループフィルタを施し、フィルタされた再構成ブロックをフレームメモリ２１４及び表示装置等に出力する。
　符号化ビットストリームから読み解かれたＡＬＦのオン／オフを示す情報がＡＬＦのオンを示す場合、局所的な勾配の方向及び活性度に基づいて複数のフィルタの中から１つのフィルタが選択され、選択されたフィルタが再構成ブロックに適用される。
　［フレームメモリ］
　フレームメモリ２１４は、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ２１４は、ループフィルタ部２１２によってフィルタされた再構成ブロックを格納する。
　［イントラ予測部］
　イントラ予測部２１６は、符号化ビットストリームから読み解かれたイントラ予測モードに基づいて、ブロックメモリ２１０に格納されたカレントピクチャ内のブロックを参照してイントラ予測を行うことで、予測信号（イントラ予測信号）を生成する。具体的には、イントラ予測部２１６は、カレントブロックに隣接するブロックのサンプル（例えば輝度値、色差値）を参照してイントラ予測を行うことでイントラ予測信号を生成し、イントラ予測信号を予測制御部２２０に出力する。
　なお、色差ブロックのイントラ予測において輝度ブロックを参照するイントラ予測モードが選択されている場合は、イントラ予測部２１６は、カレントブロックの輝度成分に基づいて、カレントブロックの色差成分を予測してもよい。
　また、符号化ビットストリームから読み解かれた情報がＰＤＰＣの適用を示す場合、イントラ予測部２１６は、水平／垂直方向の参照画素の勾配に基づいてイントラ予測後の画素値を補正する。
　［インター予測部］
　インター予測部２１８は、フレームメモリ２１４に格納された参照ピクチャを参照して、カレントブロックを予測する。予測は、カレントブロック又はカレントブロック内のサブブロック（例えば４ｘ４ブロック）の単位で行われる。例えば、インター予測部２１８は、符号化ビットストリームから読み解かれた動き情報（例えば動きベクトル）を用いて動き補償を行うことでカレントブロック又はサブブロックのインター予測信号を生成し、インター予測信号を予測制御部２２０に出力する。
　なお、符号化ビットストリームから読み解かれた情報がＯＢＭＣモードを適用することを示す場合、インター予測部２１８は、動き探索により得られたカレントブロックの動き情報だけでなく、隣接ブロックの動き情報も用いて、インター予測信号を生成する。
　また、符号化ビットストリームから読み解かれた情報がＦＲＵＣモードを適用することを示す場合、インター予測部２１８は、符号化ストリームから読み解かれたパターンマッチングの方法（バイラテラルマッチング又はテンプレートマッチング）に従って動き探索を行うことにより動き情報を導出する。そして、インター予測部２１８は、導出された動き情報を用いて動き補償を行う。
　また、インター予測部２１８は、ＢＩＯモードが適用される場合に、等速直線運動を仮定したモデルに基づいて動きベクトルを導出する。また、符号化ビットストリームから読み解かれた情報がアフィン動き補償予測モードを適用することを示す場合には、インター予測部２１８は、複数の隣接ブロックの動きベクトルに基づいてサブブロック単位で動きベクトルを導出する。
　［予測制御部］
　予測制御部２２０は、イントラ予測信号及びインター予測信号のいずれかを選択し、選択した信号を予測信号として加算部２０８に出力する。
　（実施の形態２）
　次に、実施の形態２について説明する。本実施の形態では、変換及び逆変換について詳細に説明する。なお、本実施の形態に係る符号化装置及び復号装置の構成は、実施の形態１と実質的に同一であるので、図示及び説明を省略する。
　［符号化装置の変換部及び量子化部の処理］
　まず、本実施の形態に係る符号化装置１００の変換部１０６及び量子化部１０８の処理について、図１１を参照しながら具体的に説明する。図１１は、実施の形態２に係る符号化装置１００における変換及び量子化処理を示すフローチャートである。
　まず、変換部１０６は、符号化対象ブロックにイントラ予測及びインター予測のどちらを用いるかを判定する（Ｓ１０１）。例えば、変換部１０６は、原画像と圧縮画像をローカル復号して得られる再構成画像との差分及び／又は符号量に基づくコストに基づいて、イントラ予測及びインター予測のどちらを用いるかを判定する。また例えば、変換部１０６は、差分及び／又は符号量に基づくコストとは異なる情報（例えばピクチャタイプ）に基づいて、イントラ予測及びインター予測のどちらを用いるかを判定してもよい。
　ここで、符号化対象ブロックにインター予測を用いると判定した場合（Ｓ１０１のインター）、変換部１０６は、１以上の第１の変換基底の候補の中から符号化対象ブロックのための第１の変換基底を選択する（Ｓ１０２）。例えば、変換部１０６は、ＤＣＴ－ＩＩの変換基底を符号化対象ブロックのための第１の変換基底として固定的に選択する。また例えば、変換部１０６は、複数の第１の変換基底の候補の中から第１の変換基底を選択してもよい。
　そして、変換部１０６は、ステップＳ１０２において選択された第１の変換基底を用いて符号化対象ブロックの残差に第１の変換を行うことにより第１の変換係数を生成する（Ｓ１０３）。量子化部１０８は、生成された第１の変換係数を量子化し（Ｓ１１０）、変換及び量子化処理を終了する。
　一方、符号化対象ブロックにイントラ予測を用いると判定した場合（Ｓ１０１のイントラ）、変換部１０６は、１以上の第１の変換基底の候補の中から符号化対象ブロックのための第１の変換基底を選択する（Ｓ１０４）。例えば、変換部１０６は、適応基底選択モードを用いて第１の変換基底を選択することができる。適応基底選択モードとは、原画像と再構成画像との差分及び／又は符号量に基づくコストに基づいて、予め定められた複数の変換基底の候補の中から適応的に変換基底を選択するモードである。この適応基底選択モードは、ＥＭＴモードあるいはＡＭＴモードと呼ばれる場合もある。複数の変換基底の候補としては、例えば図６に示す複数の変換基底を用いることができる。なお、複数の変換基底の候補は、図６の複数の変換基底に限定されない。複数の変換基底の候補には、例えば、変換を実施しないことと等価な変換基底が含まれてもよい。
　また例えば、変換部１０６は、非適応基底選択モードを用いて（つまり、適応基底選択モードを用いずに）第１の変換基底を選択してもよい。非適応基底選択モードでは、例えば、変換部１０６は、符号化パラメータ（例えばブロックサイズ、量子化パラメータ、イントラ予測モード等）に基づいて第１の変換基底を選択することができる。また、変換部１０６は、標準規格等において予め定義された変換基底（例えばＤＣＴ－ＩＩの変換基底）を固定的に選択することもできる。この場合、変換基底の選択は、１つの予め定義された変換基底を固定的に採用することを意味する。また、変換部１０６は、適応基底変換モード及び非適応基底選択モードを適応的に切り替えてもよい。
　続いて、変換部１０６は、ステップＳ１０４において選択された第１の変換基底を用いて符号化対象ブロックの残差に第１の変換を行うことにより第１の変換係数を生成する（Ｓ１０５）。変換部１０６は、符号化対象ブロックのイントラ予測モードが所定モードであるか否かを判定する（Ｓ１０６）。例えば、変換部１０６は、原画像と再構成画像との差分及び／又は符号量に基づくコストに基づいて、イントラ予測モードが所定モードであるか否かを判定する。なお、イントラ予測モードが所定モードであるか否かの判定は、コストとは異なる情報に基づいて行われてもよい。
　所定モードは、例えば標準規格等で予め定義されてもよい。また例えば、所定モードは、符号化パラメータ等に基づいて決定されてもよい。
　イントラ予測モードが所定モードである場合（Ｓ１０６のＹＥＳ）、変換部１０６は、ステップＳ１０４で選択された第１の変換基底が所定変換基底と一致するか否かを判定する（Ｓ１０７）。所定変換基底は、例えば、標準規格等で予め定義されてもよい。また例えば、所定変換基底は、符号化パラメータ等に基づいて決定されてもよい。
　イントラ予測モードが所定モードでない場合（Ｓ１０６のＮＯ）、又は、第１の変換基底が所定変換基底と一致する場合（Ｓ１０７のＹＥＳ）、変換部１０６は、１以上の第２の変換基底の候補の中から符号化対象ブロックのための第２の変換基底を選択する（Ｓ１０８）。変換部１０６は、選択された第２の変換基底を用いて第１の変換係数に第２の変換を行うことにより第２の変換係数を生成する（Ｓ１０９）。量子化部１０８は、生成された第２の変換係数を量子化し（Ｓ１１０）、変換及び量子化処理を終了する。
　第２の変換では、ＮＳＳＴと呼ばれる２次的な変換が行われてもよいし、複数の第２の変換基底の候補のいずれかを選択的に用いる変換が行われてもよい。このとき、第２の変換基底の選択では、選択される変換基底が固定されてもよい。つまり、予め定められた固定の変換基底が第２の変換基底として選択されてもよい。また、第２の変換基底として、第２の変換を実施しないことと等価な変換基底が用いられてもよい。
　イントラ予測モードが所定モードであり（Ｓ１０６のＹＥＳ）、かつ、第１の変換基底が所定変換基底と異なる場合（Ｓ１０７のＮＯ）、変換部１０６は、第２の変換基底の選択ステップ（Ｓ１０８）及び第２の変換ステップ（Ｓ１０９）をスキップする。つまり、変換部１０６は、第２の変換を行わない。この場合、ステップＳ１０５において生成された第１の変換係数が量子化され（Ｓ１１０）、変換及び量子化処理が終了する。
　このように第２の変換ステップがスキップされる場合、第２の変換を実施しないことを示す情報が復号装置に通知されてもよい。また、第２の変換ステップがスキップされる場合に、変換を実施しないことと等価な第２の変換基底を用いて第２の変換が実施され、当該第２の変換基底を示す情報が復号装置に通知されてもよい。
　なお、符号化装置１００の逆量子化部１１２及び逆変換部１１４は、変換部１０６及び量子化部１０８の処理と逆の処理を行うことにより、符号化対象ブロックを再構成することができる。
　［復号装置の逆量子化部及び逆変換部の処理］
　次に、本実施の形態に係る復号装置２００の逆量子化部２０４及び逆変換部２０６の処理について、図１２を参照しながら具体的に説明する。図１２は、実施の形態２に係る復号装置２００における逆量子化及び逆変換処理を示すフローチャートである。
　まず、逆量子化部２０４は、復号対象ブロックの量子化係数を逆量子化する（Ｓ５０１）。逆変換部２０６は、復号対象ブロックにイントラ予測及びインター予測のどちらを用いるかを判定する（Ｓ５０２）。例えば、逆変換部２０６は、ビットストリームから取得される情報に基づいて、イントラ予測及びインター予測のどちらを用いるかを判定する。
　復号対象ブロックにインター予測を用いると判定した場合（Ｓ５０２のインター）、逆変換部２０６は、復号対象ブロックのための第１の逆変換基底を選択する（Ｓ５０３）。復号装置２００において逆変換基底（第１の逆変換基底又は第２の逆変換基底）を選択するとは、所定情報に基づいて逆変換基底を決定することを意味する。所定情報としては、例えば、基底選択信号を用いることができる。また、所定情報として、イントラ予測モード又はブロックサイズ等を用いることもできる。
　逆変換部２０６は、ステップＳ５０３において選択された第１の逆変換基底を用いて、復号対象ブロックの逆量子化された係数に第１の逆変換を行い（Ｓ５０４）、逆量子化及び逆変換処理を終了する。
　復号対象ブロックにイントラ予測を用いると判定した場合（Ｓ５０２のイントラ）、逆変換部２０６は、復号対象ブロックのイントラ予測モードが所定モードであるか否かを判定する（Ｓ５０５）。復号装置２００で用いられる所定モードは、符号化装置１００で用いられた所定モードと同じである。
　イントラ予測モードが所定モードである場合（Ｓ５０５のＹＥＳ）、逆変換部２０６は、第１の逆変換基底が所定逆変換基底と一致するか否かを判定する（Ｓ５０６）。所定逆変換基底としては、符号化装置１００で用いられた所定変換基底に対応する逆変換基底が用いられる。
　イントラ予測モードが所定モードでない場合（Ｓ５０５のＮＯ）、又は、第１の逆変換基底が所定逆変換基底と一致する場合（Ｓ５０６のＹＥＳ）、逆変換部２０６は、復号対象ブロックのための第２の逆変換基底を選択する（Ｓ５０７）。逆変換部２０６は、選択された第２の逆変換基底を用いて、復号対象ブロックの逆量子化された係数に第２の逆変換を行う（Ｓ５０８）。逆変換部２０６は、第１の逆変換基底を選択する（Ｓ５０９）。逆変換部２０６は、選択された第１の逆変換基底を用いて、ステップＳ５０８において第２の逆変換によって得られた係数に第１の逆変換を行い（Ｓ５１０）、逆量子化及び逆変換処理を終了する。
　一方、イントラ予測モードが所定モードであり（Ｓ５０５のＹＥＳ）、かつ、第１の逆変換基底が所定逆変換基底と異なる場合（Ｓ５０６のＮＯ）、逆変換部２０６は、第２の逆変換基底の選択ステップ（Ｓ５０７）及び第２の逆変換ステップ（Ｓ５０８）をスキップする。つまり、逆変換部２０６は、第２の逆変換を行わずに、第１の逆変換基底を選択する（Ｓ５０９）。逆変換部２０６は、選択された第１の逆変換基底を用いて、ステップＳ５０１において逆量子化された係数に第１の逆変換を行い（Ｓ５１０）、逆量子化及び逆変換処理を終了する。
　［効果等］
　発明者らは、従来の符号化では、第１の変換及び第２の変換の両方において変換基底及び変換パラメータ（例えばフィルタの係数）の最適な組合せを探索するための処理量が膨大であるという課題を見出した。これに対して、本実施の形態に係る符号化装置１００及び復号装置２００によれば、イントラ予測モード及び第１の変換基底に応じて、第２の変換をスキップすることができる。その結果、第１の変換及び第２の変換の両方において変換基底及び変換パラメータの最適な組合せを探索するための処理を減少させることができ、圧縮効率の低下を抑制しつつ処理負荷の軽減を実現することができる。
　なお、本実施の形態では、符号化対象ブロックにインター予測を用いる場合に、第２の変換が行われていないが、これに限定されない。つまり、符号化対象ブロックにインター予測を用いる場合に、第１の変換によって生成された第１の変換係数に第２の変換を行ってもよい。この場合、第２の変換によって生成される第２の変換係数が量子化される。
　なお、図１１及び図１２のフローチャートにおけるステップの順番は、図１１及び図１２に記載の順番に限定されない。例えば、図１１において、イントラ予測モードが所定モードであるか否かの判定ステップ（Ｓ１０６）と、第１の変換基底が所定変換基底と一致するか否かの判定ステップ（Ｓ１０７）とは、逆順であってもよいし、同時に行われてもよい。
　なお、本態様を本開示における他の態様の少なくとも一部と組み合わせて実施してもよい。また、本態様のフローチャートに記載の一部の処理、装置の一部の構成、シンタックスの一部などを他の態様と組み合わせて実施してもよい。
　（実施の形態３）
　次に、実施の形態３について説明する。本実施の形態では、イントラ予測モードの判定に用いられる所定モードが非方向性予測モードに限定される点が、上記実施の形態２と異なる。以下に、本実施の形態について、上記実施の形態２と異なる点を中心に図面を参照しながら説明する。なお、以下の各図において、実施の形態２と実質的に同一のステップについては同一の符号を付し、重複する説明は省略又は簡略化する。
　［符号化装置の変換部及び量子化部の処理］
　まず、本実施の形態に係る符号化装置１００の変換部１０６及び量子化部１０８の処理について、図１３を参照しながら具体的に説明する。図１３は、実施の形態３に係る符号化装置１００における変換及び量子化処理を示すフローチャートである。
　まず、変換部１０６は、符号化対象ブロックにイントラ予測及びインター予測のどちらを用いるかを判定する（Ｓ１０１）。ここで、符号化対象ブロックにインター予測を用いると判定した場合（Ｓ１０１のインター）、変換部１０６は、第１の変換基底を選択し（Ｓ１０２）、選択された第１の変換基底を用いて符号化対象ブロックの残差に第１の変換を行うことにより第１の変換係数を生成する（Ｓ１０３）。量子化部１０８は、生成された第１の変換係数を量子化し（Ｓ１１０）、変換及び量子化処理を終了する。
　一方、符号化対象ブロックにイントラ予測を用いると判定した場合（Ｓ１０１のイントラ）、変換部１０６は、符号化対象ブロックのイントラ予測モードが非方向性予測モードであるか否かを判定する（Ｓ２０１）。非方向性予測モードとは、復号対象ブロックの予測に特定の方向を利用しないモードである。具体的には、非方向性予測モードは、例えばＤＣ予測モード及び／又はＰｌａｎａｒ予測モードである。非方向性予測モードでは、例えば、参照画素の平均値又は参照画素の補間値などを用いて画素値が予測される。逆に、復号対象ブロックの予測に特定の方向を利用するモードを方向性予測モードと呼ぶ。方向性予測モードでは、参照画素の値を特定の方向に引き延ばすことにより画素値が予測される。なお、画素値とは、ピクチャを構成する画素単位の値であり、例えば輝度値又は色差値である。
　ここで、イントラ予測モードが非方向性予測モードと異なる場合（Ｓ２０１のＮＯ）、変換部１０６は、符号化対象ブロックのための第１の変換基底を選択する（Ｓ２０２）。変換部１０６は、ステップＳ２０２において選択された第１の変換基底を用いて符号化対象ブロックの残差に第１の変換を行うことにより、第１の変換係数を生成する（Ｓ２０３）。さらに、変換部１０６は、符号化対象ブロックのための第２の変換基底を選択する（Ｓ２０４）。変換部１０６は、ステップＳ２０４において選択された第２の変換基底を用いて、ステップＳ２０３において生成された第１の変換係数に第２の変換を行うことにより、第２の変換係数を生成する（Ｓ２０５）。このステップＳ２０２～Ｓ２０５の処理は、図１１でステップＳ１０６がＮＯの場合におけるステップＳ１０４～Ｓ１０９の処理と実質的に同一である。その後、量子化部１０８は、ステップＳ２０５において生成された第２の変換係数を量子化し（Ｓ１１０）、変換及び量子化処理を終了する。
　一方、イントラ予測モードが非方向性予測モードと一致する場合（Ｓ２０１のＹＥＳ）、変換部１０６は、符号化対象ブロックのための第１の変換基底を選択する（Ｓ２０６）。変換部１０６は、ステップＳ２０６において選択された第１の変換基底を用いて符号化対象ブロックの残差に第１の変換を行うことにより、第１の変換係数を生成する（Ｓ２０７）。変換部１０６は、ステップＳ２０６で選択された第１の変換基底が所定変換基底と一致するか否かを判定する（Ｓ２０８）。所定変換基底としては、例えばＤＣＴ－ＩＩの変換基底及び／又はそれに類似する変換基底を用いることができる。
　ここで、第１の変換基底が所定変換基底と一致する場合（Ｓ２０８のＹＥＳ）、変換部１０６は、符号化対象ブロックのための第２の変換基底を選択する（Ｓ２０９）。そして、変換部１０６は、ステップＳ２０９において選択された第２の変換基底を用いて、ステップＳ２０７において生成された第１の変換係数に第２の変換を行うことにより、第２の変換係数を生成する（Ｓ２１０）。その後、量子化部１０８は、ステップＳ２１０において生成された第２の変換係数を量子化し（Ｓ１１０）、変換及び量子化処理を終了する。
　一方、第１の変換基底が所定変換基底と異なる場合（Ｓ２０８のＮＯ）、変換部１０６は、第２の変換基底の選択ステップ（Ｓ２０９）及び第２の変換ステップ（Ｓ２１０）をスキップする。つまり、変換部１０６は、第２の変換を行わない。この場合、ステップＳ２０７において生成された第１の変換係数が量子化され（Ｓ１１０）、変換及び量子化処理が終了する。
　このステップＳ２０６～Ｓ２０９の処理は、図１１でステップＳ１０６がＹＥＳの場合におけるステップＳ１０４～Ｓ１０９の処理と実質的に同一である。
　［復号装置の逆量子化部及び逆変換部の処理］
　次に、本実施の形態に係る復号装置２００の逆量子化部２０４及び逆変換部２０６の処理について、図１４を参照しながら具体的に説明する。図１４は、実施の形態３に係る復号装置２００における逆量子化及び逆変換処理を示すフローチャートである。
　まず、逆量子化部２０４は、復号対象ブロックの量子化係数を逆量子化する（Ｓ５０１）。逆変換部２０６は、復号対象ブロックにイントラ予測及びインター予測のどちらを用いるかを判定する（Ｓ５０２）。
　復号対象ブロックにインター予測を用いると判定した場合（Ｓ５０２のインター）、逆変換部２０６は、復号対象ブロックのための第１の逆変換基底を選択する（Ｓ５０３）。逆変換部２０６は、ステップＳ５０３において選択された第１の逆変換基底を用いて、復号対象ブロックの逆量子化された係数に第１の逆変換を行い（Ｓ５０４）、逆量子化及び逆変換処理を終了する。
　一方、復号対象ブロックにイントラ予測を用いると判定した場合（Ｓ５０２のイントラ）、逆変換部２０６は、復号対象ブロックのイントラ予測モードが非方向性予測モードであるか否かを判定する（Ｓ６０１）。
　ここで、イントラ予測モードが非方向性予測モードでない場合（Ｓ６０１のＮＯ）、逆変換部２０６は、復号対象ブロックのための第２の逆変換基底を選択する（Ｓ６０２）。逆変換部２０６は、選択された第２の逆変換基底を用いて、復号対象ブロックの逆量子化された係数に第２の逆変換を行う（Ｓ６０３）。逆変換部２０６は、第１の逆変換基底を選択する（Ｓ６０４）。逆変換部２０６は、選択された第１の逆変換基底を用いて、ステップＳ６０３において第２の逆変換によって得られた係数に第１の逆変換を行い（Ｓ６０５）、逆量子化及び逆変換処理を終了する。
　一方、イントラ予測モードが非方向性予測モードである場合（Ｓ６０１のＹＥＳ）、逆変換部２０６は、第１の逆変換基底が所定逆変換基底と一致するか否かを判定する（Ｓ６０６）。復号装置２００で用いられる所定逆変換基底は、符号化装置１００で用いられた所定変換基底に対応する逆変換基底である。
　ここで、第１の逆変換基底が所定逆変換基底と一致する場合（Ｓ６０６のＹＥＳ）、逆変換部２０６は、復号対象ブロックのための第２の逆変換基底を選択する（Ｓ６０７）。逆変換部２０６は、選択された第２の逆変換基底を用いて、復号対象ブロックの逆量子化された係数に第２の逆変換を行う（Ｓ６０８）。逆変換部２０６は、第１の逆変換基底を選択する（Ｓ６０９）。逆変換部２０６は、選択された第１の逆変換基底を用いて、ステップＳ６０８において第２の逆変換によって得られた係数に第１の逆変換を行い（Ｓ６１０）、逆量子化及び逆変換処理を終了する。
　一方、第１の逆変換基底が所定逆変換基底と異なる場合（Ｓ６０６のＮＯ）、逆変換部２０６は、第２の逆変換基底の選択ステップ（Ｓ６０７）及び第２の逆変換ステップ（Ｓ６０８）をスキップする。つまり、逆変換部２０６は、第２の逆変換を行わずに、第１の逆変換基底を選択する（Ｓ６０９）。逆変換部２０６は、選択された第１の逆変換基底を用いて、ステップＳ５０１において逆量子化された係数に第１の逆変換を行い（Ｓ６１０）、逆量子化及び逆変換処理を終了する。
　［効果等］
　以上のように、本実施の形態に係る符号化装置１００及び復号装置２００によれば、イントラ予測モードが非方向性予測モードの場合に第２の変換をスキップすることができる。非方向性予測モードでは、残差がブロック内で平坦になることが多い。したがって、ＤＣＴ－ＩＩの変換基底及びそれに類似する変換基底以外の変換基底が用いられれば、高域成分が残りやすく、変換係数の分布がランダムになりやすい。この場合、第２の変換による圧縮効率向上の効果が低減するため、第２の変換をスキップすることにより圧縮効率の低下を抑制しつつ、処理負荷の軽減を実現することができる。
　なお、本実施の形態では、符号化対象ブロックにインター予測を用いる場合に、第２の変換が行われていないが、これに限定されない。つまり、符号化対象ブロックにインター予測を用いる場合に、第１の変換によって生成された第１の変換係数に第２の変換を行ってもよい。この場合、第２の変換によって生成される第２の変換係数が量子化される。
　なお、図１３及び図１４のフローチャートにおけるステップの順番は、図１３及び図１４に記載の順番に限定されない。
　なお、本態様を本開示における他の態様の少なくとも一部と組み合わせて実施してもよい。また、本態様のフローチャートに記載の一部の処理、装置の一部の構成、シンタックスの一部などを他の態様と組み合わせて実施してもよい。
　（実施の形態４）
　次に、実施の形態４について説明する。本実施の形態では、適応基底選択モードにおいてブロックサイズに応じて第１の変換基底が固定される点が、上記実施の形態２と異なる。以下に、本実施の形態について、上記実施の形態２及び３と異なる点を中心に図面を参照しながら説明する。なお、以下の各図において、実施の形態２及び３と実質的に同一のステップについては同一の符号を付し、重複する説明は省略又は簡略化する。
　［符号化装置の変換部及び量子化部の処理］
　まず、本実施の形態に係る符号化装置１００の変換部１０６及び量子化部１０８の処理について、図１５を参照しながら具体的に説明する。図１５は、実施の形態４に係る符号化装置１００における変換及び量子化処理を示すフローチャートである。
　まず、変換部１０６は、符号化対象ブロックにイントラ予測及びインター予測のどちらを用いるかを判定する（Ｓ１０１）。ここで、符号化対象ブロックにインター予測を用いると判定した場合（Ｓ１０１のインター）、変換部１０６は、第１の変換基底を選択し（Ｓ１０２）、選択された第１の変換基底を用いて符号化対象ブロックの残差に第１の変換を行うことにより第１の変換係数を生成する（Ｓ１０３）。量子化部１０８は、生成された第１の変換係数を量子化し（Ｓ１１０）、変換及び量子化処理を終了する。
　一方、符号化対象ブロックにイントラ予測を用いると判定した場合（Ｓ１０１のイントラ）、変換部１０６は、符号化対象ブロックのサイズが所定サイズと一致するか否か、及び、符号化対象ブロックに適応基底選択モードを用いるか否かを判定する（Ｓ３０１）。適応基底選択モードを用いるか否かは、例えば原画像と再構成画像との差分及び／又は符号量に基づくコストに基づいて判定することができる。
　所定サイズとしては、例えば標準規格等で予め定義された特定のブロックサイズを用いることができる。具体的には、所定サイズとして、例えば４ｘ４画素を用いることができる。また、所定サイズとして、複数のブロックサイズが用いられてもよい。具体的には、所定サイズとして、例えば４ｘ４画素、８ｘ４画素及び４ｘ８画素が用いられてもよい。また、符号化対象ブロックのサイズが所定条件を満たすか否かを判定することにより、符号化対象ブロックのサイズが所定サイズと一致するか否かが判定されてもよい。この場合、所定条件としては、例えば、水平サイズ及び垂直サイズの両方が所定画素以下、又は、水平サイズ及び垂直サイズの少なくとも一方が所定画素以下という条件を用いることができる。
　符号化対象ブロックのサイズが所定サイズと異なる場合、又は、適応基底選択モードを用いない場合（Ｓ３０１のＮＯ）、変換部１０６は、符号化対象ブロックのイントラ予測モードが非方向性予測モードであるか否かを判定する（Ｓ２０１）。
　ここで、イントラ予測モードが非方向性予測モードと異なる場合（Ｓ２０１のＮＯ）、変換部１０６は、符号化対象ブロックのための第１の変換基底を選択する（Ｓ２０２）。例えば、適応基底選択モードを用いると判定されている場合には、変換部１０６は、複数の第１の変換基底の候補の中から適応的に第１の変換基底を選択する。また例えば、適応基底選択モードを用いないと判定されている場合には、変換部１０６は、予め定義された変換基底（例えばＤＣＴ－ＩＩの変換基底）を固定的に選択する。
　変換部１０６は、ステップＳ２０２において選択された第１の変換基底を用いて符号化対象ブロックの残差に第１の変換を行うことにより、第１の変換係数を生成する（Ｓ２０３）。さらに、変換部１０６は、符号化対象ブロックのための第２の変換基底を選択する（Ｓ２０４）。変換部１０６は、ステップＳ２０４において選択された第２の変換基底を用いて、ステップＳ２０３において生成された第１の変換係数に第２の変換を行うことにより、第２の変換係数を生成する（Ｓ２０５）。その後、量子化部１０８は、ステップＳ２０５において生成された第２の変換係数を量子化し（Ｓ１１０）、変換及び量子化処理を終了する。
　一方、イントラ予測モードが非方向性予測モードと一致する場合（Ｓ２０１のＹＥＳ）、変換部１０６は、符号化対象ブロックのための第１の変換基底を選択する（Ｓ２０６）。例えば、適応基底選択モードを用いると判定されている場合には、変換部１０６は、複数の第１の変換基底の候補の中から適応的に第１の変換基底を選択する。また例えば、適応基底選択モードを用いないと判定されている場合には、変換部１０６は、予め定義された変換基底（例えばＤＣＴ－ＩＩの変換基底）を固定的に選択する。
　変換部１０６は、ステップＳ２０６において選択された第１の変換基底を用いて符号化対象ブロックの残差に第１の変換を行うことにより、第１の変換係数を生成する（Ｓ２０７）。変換部１０６は、ステップＳ２０６で選択された第１の変換基底が第２の所定変換基底と一致するか否かを判定する（Ｓ２０８）。第２の所定変換基底としては、例えばＤＣＴ－ＩＩの変換基底及び／又はそれに類似する変換基底を用いることができる。
　ここで、第１の変換基底が第２の所定変換基底と一致する場合（Ｓ２０８のＹＥＳ）、変換部１０６は、符号化対象ブロックのための第２の変換基底を選択する（Ｓ２０９）。そして、変換部１０６は、ステップＳ２０９において選択された第２の変換基底を用いて、ステップＳ２０７において生成された第１の変換係数に第２の変換を行うことにより、第２の変換係数を生成する（Ｓ２１０）。その後、量子化部１０８は、ステップＳ２１０において生成された第２の変換係数を量子化し（Ｓ１１０）、変換及び量子化処理を終了する。
　一方、第１の変換基底が第２の所定変換基底と異なる場合（Ｓ２０８のＮＯ）、変換部１０６は、第２の変換基底の選択ステップ（Ｓ２０９）及び第２の変換ステップ（Ｓ２１０）をスキップする。つまり、変換部１０６は、第２の変換を行わない。この場合、ステップＳ２０７において生成された第１の変換係数が量子化され（Ｓ１１０）、変換及び量子化処理が終了する。
　符号化対象ブロックのサイズが所定サイズと一致し、かつ、適応基底選択モードを用いる場合（Ｓ３０１のＹＥＳ）、変換部１０６は、第１の変換基底を第１の所定変換基底に固定する（Ｓ３０２）。第１の所定変換基底として、例えば、ＤＳＴ－ＶＩＩの変換基底を用いることができる。なお、第１の所定変換基底は、ＤＳＴ－ＶＩＩの変換基底に限定されない。例えば、第１の所定変換基底として、ＤＣＴ－Ｖの変換基底が用いられてもよい。
　変換部１０６は、ステップＳ３０２で固定された第１の変換基底を用いて符号化対象ブロックの残差に第１の変換を行うことにより、第１の変関係数を生成する（Ｓ３０３）。変換部１０６は、符号化対象ブロックのイントラ予測モードが非方向性予測モードであるか否かを判定する（Ｓ３０４）。
　ここで、イントラ予測モードが非方向性予測モードと異なる場合（Ｓ３０４のＮＯ）、変換部１０６は、第２の変換基底を選択する（Ｓ３０５）。そして、変換部１０６は、ステップＳ３０５において選択された第２の変換基底を用いて、ステップ３０３において生成された第１の変換係数に第２の変換を行うことにより、第２の変換係数を生成する（Ｓ３０６）。その後、量子化部１０８は、ステップＳ３０６において生成された第２の変換係数を量子化し（Ｓ１１０）、変換及び量子化処理を終了する。
　一方、イントラ予測モードが非方向性予測モードと一致する場合（Ｓ３０４のＹＥＳ）、変換部１０６は、第２の変換基底の選択ステップ（Ｓ３０５）及び第２の変換ステップ（Ｓ３０６）をスキップする。つまり、変換部１０６は、第２の変換を行わない。この場合、ステップＳ３０３において生成された第１の変換係数が量子化され（Ｓ１１０）、変換及び量子化処理が終了する。
　［符号化装置のエントロピー符号化部の処理］
　次に、本実施の形態に係る符号化装置１００のエントロピー符号化部１１０の変換に関する符号化処理について、図１６を参照しながら具体的に説明する。図１６は、実施の形態４に係る符号化装置１００における符号化処理を示すフローチャートである。
　符号化対象ブロックにインター予測が用いられた場合（Ｓ４０１のインター）、エントロピー符号化部１１０は、第１の基底選択信号をビットストリーム内に符号化する（Ｓ４０２）。ここでは、第１の基底選択信号は、ステップＳ１０２において選択された第１の変換基底を示す情報又はデータである。
　ビットストリーム内に信号を符号化するとは、情報を示す符号をビットストリーム内に配置することを意味する。符号は、例えば、コンテキスト適応型二値算術符号化（ＣＡＢＡＣ）により生成される。なお、符号の生成には、必ずしもＣＡＢＡＣが用いられる必要はなく、エントロピー符号化が用いられる必要もない。例えば、符号は、情報そのもの（例えば０又は１のフラグ）であってもよい。
　次に、エントロピー符号化部１１０は、ステップＳ１１０において量子化された係数を符号化して（Ｓ４０３）、符号化処理を終了する。
　符号化対象ブロックにイントラ予測が用いられた場合（Ｓ４０１のイントラ）、エントロピー符号化部１１０は、符号化対象ブロックのイントラ予測モードを示すイントラ予測モード信号をビットストリーム内に符号化する（Ｓ４０４）。さらに、エントロピー符号化部１１０は、符号化対象ブロックに適応基底選択モードが用いられたか否かを示す適応選択モード信号をビットストリーム内に符号化する（Ｓ４０５）。
　ここで、適応基底選択モードが用いられ、かつ、符号化対象ブロックのサイズが所定サイズと異なる場合（Ｓ４０６のＹＥＳ）、エントロピー符号化部１１０は、第１の基底選択信号をビットストリーム内に符号化する（Ｓ４０７）。ここでは、第１の基底選択信号は、ステップＳ２０２又はＳ２０６において選択された第１の変換基底を示す情報又はデータである。一方、適応基底選択モードが用いられなかった場合、又は、適応基底選択モードが用いられ、かつ、符号化対象ブロックのサイズが所定サイズと一致する場合（Ｓ４０６のＮＯ）、エントロピー符号化部１１０は、第１の基底選択信号の符号化ステップ（Ｓ４０７）をスキップする。つまり、エントロピー符号化部１１０は、第１の基底選択信号を符号化しない。
　ここで、第２の変換が実施された場合（Ｓ４０８のＹＥＳ）、エントロピー符号化部１１０は、第２の基底選択信号をビットストリーム内に符号化する（Ｓ４０９）。ここでは、第２の基底選択信号は、ステップＳ２０４、Ｓ２０９、又は、Ｓ３０５において選択された第２の変換基底を示す情報又はデータである。一方、第２の変換が実施されなかった場合（Ｓ４０８のＮＯ）、エントロピー符号化部１１０は、第２の基底選択信号の符号化ステップ（Ｓ４０９）をスキップする。つまり、エントロピー符号化部１１０は、第２の基底選択信号を符号化しない。
　最後に、エントロピー符号化部１１０は、ステップＳ１１０において量子化された係数を符号化して（Ｓ４１０）、符号化処理を終了する。
　［復号装置のエントロピー復号部の処理］
　次に、本実施の形態に係る復号装置２００のエントロピー復号部２０２の処理について、図１７を参照しながら具体的に説明する。図１７は、実施の形態４に係る復号装置２００における復号処理を示すフローチャートである。
　復号対象ブロックにインター予測が用いられる場合（Ｓ７０１のインター）、エントロピー復号部２０２は、第１の基底選択信号をビットストリームから復号する（Ｓ７０２）。
　ビットストリームから信号を復号するとは、情報を示す符号をビットストリームから読み解き、読み解かれた符号から情報を復元することを意味する。符号から情報への復元は、例えば、コンテキスト適応型二値算術復号（ＣＡＢＡＤ）が用いられる。なお、符号から情報への復元には、必ずしもＣＡＢＡＤが用いられる必要はなく、エントロピー復号が用いられる必要もない。例えば、読み解かれた符号そのものが情報を示す場合は（例えば０又は１のフラグ）、単に符号が読み解かれればよい。
　次に、エントロピー復号部２０２は、ビットストリームから量子化係数を復号して（Ｓ７０３）、復号処理を終了する。
　復号対象ブロックにイントラ予測が用いられる場合（Ｓ７０１のイントラ）、エントロピー復号部２０２は、ビットストリームからイントラ予測モード信号を復号する（Ｓ７０４）。さらに、エントロピー復号部２０２は、適応選択モード信号を復号する（Ｓ７０５）。
　ここで、適応基底選択モードが用いられ、かつ、復号対象ブロックのサイズが所定サイズと異なる場合（Ｓ７０６のＹＥＳ）、エントロピー復号部２０２は、ビットストリームから第１の基底選択信号を復号する（Ｓ７０７）。一方、適応基底選択モードが用いられなかった場合、又は、適応基底選択モードが用いられ、かつ、復号対象ブロックのサイズが所定サイズと一致する場合（Ｓ７０６のＮＯ）、エントロピー復号部２０２は、第１の基底選択信号の復号ステップ（Ｓ７０７）をスキップする。つまり、エントロピー復号部２０２は、第１の基底選択信号を復号しない。
　ここで、第２の逆変換を実施する場合（Ｓ７０８のＹＥＳ）、エントロピー復号部２０２は、ビットストリームから第２の基底選択信号を復号する（Ｓ７０９）。一方、第２の逆変換を実施しない場合（Ｓ７０８のＮＯ）、エントロピー復号部２０２は、第２の基底選択信号の復号ステップ（Ｓ７０９）をスキップする。つまり、エントロピー復号部２０２は、第２の基底選択信号を復号しない。
　最後に、エントロピー復号部２０２は、ビットストリームから量子化係数を復号して（Ｓ７１０）、復号処理を終了する。
　［復号装置の逆量子化部及び逆変換部の処理］
　次に、本実施の形態に係る復号装置２００の逆量子化部２０４及び逆変換部２０６の処理について、図１８を参照しながら具体的に説明する。図１８は、実施の形態４に係る復号装置２００における逆量子化及び逆変換処理を示すフローチャートである。
　まず、逆量子化部２０４は、復号対象ブロックの量子化係数を逆量子化する（Ｓ５０１）。逆変換部２０６は、復号対象ブロックにイントラ予測及びインター予測のどちらを用いるかを判定する（Ｓ５０２）。復号対象ブロックにインター予測を用いると判定した場合（Ｓ５０２のインター）、逆変換部２０６は、復号対象ブロックのための第１の逆変換基底を選択する（Ｓ５０３）。逆変換部２０６は、ステップＳ５０３において選択された第１の逆変換基底を用いて、復号対象ブロックの逆量子化された係数に第１の逆変換を行い（Ｓ５０４）、逆量子化及び逆変換処理を終了する。
　復号対象ブロックにイントラ予測を用いると判定した場合（Ｓ５０２のイントラ）、逆変換部２０６は、復号対象ブロックのサイズが所定サイズと一致するか否か、及び、復号対象ブロックに適応基底選択モードが用いられたか否かを判定する（Ｓ８０１）。例えば、逆変換部２０６は、図１７のステップＳ７０５において復号された適応選択モード信号に基づいて、適応基底選択モードが用いられたか否かを判定する。
　復号対象ブロックのサイズが所定サイズと異なる場合、又は、適応基底選択モードが用いられなかった場合（Ｓ８０１のＮＯ）、逆変換部２０６は、復号対象ブロックのイントラ予測モードが非方向性予測モードであるか否かを判定する（Ｓ６０１）。
　ここで、イントラ予測モードが非方向性予測モードでない場合（Ｓ６０１のＮＯ）、逆変換部２０６は、復号対象ブロックのための第２の逆変換基底を選択する（Ｓ６０２）。例えば、逆変換部２０６は、図１７のステップＳ７０９において復号された第２の基底選択信号に基づいて、第２の逆変換基底を選択する。逆変換部２０６は、選択された第２の逆変換基底を用いて、復号対象ブロックの逆量子化された係数に第２の逆変換を行う（Ｓ６０３）。逆変換部２０６は、第１の逆変換基底を選択する（Ｓ６０４）。例えば、適応基底選択モードが用いられた場合には、逆変換部２０６は、図１７のステップＳ７０７において復号された第１の基底選択信号に基づいて、第１の逆変換基底を選択する。逆変換部２０６は、選択された第１の逆変換基底を用いて、ステップＳ６０３において第２の逆変換によって得られた係数に第１の逆変換を行い（Ｓ６０５）、逆量子化及び逆変換処理を終了する。
　一方、イントラ予測モードが非方向性予測モードである場合（Ｓ６０１のＹＥＳ）、逆変換部２０６は、第１の逆変換基底が第２の所定逆変換基底と一致するか否かを判定する（Ｓ６０６）。例えば、適応基底選択モードが用いられた場合には、逆変換部２０６は、図１７のステップＳ７０７において復号された第１の基底選択信号に基づいて、第１の逆変換基底が第２の所定逆変換基底と一致するか否かを判定する。第２の所定逆変換基底としては、符号化装置１００で用いられた第２の所定変換基底に対応する逆変換基底が用いられる。
　ここで、第１の逆変換基底が第２の所定逆変換基底と一致する場合（Ｓ６０６のＹＥＳ）、逆変換部２０６は、復号対象ブロックのための第２の逆変換基底を選択する（Ｓ６０７）。例えば、逆変換部２０６は、図１７のステップＳ７０９において復号された第２の基底選択信号に基づいて、第２の逆変換基底を選択する。逆変換部２０６は、選択された第２の逆変換基底を用いて、復号対象ブロックの逆量子化された係数に第２の逆変換を行う（Ｓ６０８）。逆変換部２０６は、第１の逆変換基底を選択する（Ｓ６０９）。例えば、適応基底選択モードが用いられた場合には、逆変換部２０６は、図１７のステップＳ７０７において復号された第１の基底選択信号に基づいて、第１の逆変換基底を選択する。逆変換部２０６は、選択された第１の逆変換基底を用いて、ステップＳ６０８において第２の逆変換によって得られた係数に第１の逆変換を行い（Ｓ６１０）、逆量子化及び逆変換処理を終了する。
　復号対象ブロックのサイズが所定サイズと一致し、かつ、適応基底選択モードが用いられた場合（Ｓ８０１のＹＥＳ）、逆変換部２０６は、復号対象ブロックのイントラ予測モードが非方向性予測モードであるか否かを判定する（Ｓ８０２）。
　ここで、イントラ予測モードが非方向性予測モードでない場合（Ｓ８０２のＮＯ）、逆変換部２０６は、復号対象ブロックのための第２の逆変換基底を選択する（Ｓ８０３）。例えば、逆変換部２０６は、図１７のステップＳ７０９において復号された第２の基底選択信号に基づいて、第２の逆変換基底を選択する。逆変換部２０６は、選択された第２の逆変換基底を用いて、復号対象ブロックの逆量子化された係数に第２の逆変換を行う（Ｓ８０４）。逆変換部２０６は、第１の逆変換基底を第１の所定逆変換基底に固定する（Ｓ８０５）。第１の所定逆変換基底としては、符号化装置１００で用いられた第１の所定変換基底に対応する逆変換基底が用いられる。逆変換部２０６は、固定された第１の逆変換基底を用いて、ステップＳ８０４において第２の逆変換によって得られた係数に第１の逆変換を行い（Ｓ８０６）、逆量子化及び逆変換処理を終了する。
　一方、イントラ予測モードが非方向性予測モードである場合（Ｓ８０２のＹＥＳ）、逆変換部２０６は、第２の逆変換基底の選択ステップ（Ｓ８０３）及び第２の逆変換ステップ（Ｓ８０４）をスキップする。つまり、逆変換部２０６は、第２の逆変換を行わずに、第１の逆変換基底を第１の所定逆変換基底に固定する（Ｓ８０５）。逆変換部２０６は、固定された第１の逆変換基底を用いて、ステップＳ５０１において逆量子化された係数に第１の逆変換を行い（Ｓ８０６）、逆量子化及び逆変換処理を終了する。
　［効果等］
　以上のように、本実施の形態に係る符号化装置１００及び復号装置２００によれば、適応基底選択モードが用いられる場合に、ブロックサイズに応じて第１の変換基底を固定することができる。したがって、適応基底選択モードにおける第１の変換の負荷を低減することができる。
　なお、本実施の形態では、符号化対象ブロックにインター予測を用いる場合に、第２の変換が行われていないが、これに限定されない。つまり、符号化対象ブロックにインター予測を用いる場合に、第１の変換によって生成された第１の変換係数に第２の変換を行ってもよい。この場合、第２の変換によって生成される第２の変換係数が量子化される。
　なお、図１５～図１８のフローチャートにおけるステップの順番は、図１５～図１８に記載の順番に限定されない。例えば、図１６において、信号の符号化の順番は、標準規格等で予め定義された他の順番であってもよい。
　なお、本実施の形態では、複数の信号（イントラ予測モード信号、適応選択モード信号、第１の基底選択信号、及び、第２の基底選択信号）がビットストリーム内に符号化されていたが、これらの複数の信号はビットストリーム内に符号化されなくてもよい。例えば、これらの複数の信号は、ビットストームとは別に符号化装置１００から復号装置２００に通知されてもよい。
　なお、本実施の形態において、複数の信号（イントラ予測モード信号、適応選択モード信号、第１の基底選択信号、及び、第２の基底選択信号）の各々のビットストリーム内の位置は特に限定されない。複数の信号は、例えば、複数のヘッダの少なくとも１つに符号化される。複数のヘッダとしては、例えば、ビデオパラメータセット、シーケンスパラメータセット、ピクチャパラメータセット、及びスライスヘッダを用いることができる。なお、信号が複数の階層（例えば、ピクチャパラメータセット及びスライスヘッダ）にある場合は、低い階層（例えばスライスヘッダ）にある信号は、より高い階層（例えば、ピクチャパラメータセット）にある信号を上書きする。
　なお、本態様を本開示における他の態様の少なくとも一部と組み合わせて実施してもよい。また、本態様のフローチャートに記載の一部の処理、装置の一部の構成、シンタックスの一部などを他の態様と組み合わせて実施してもよい。
　（実施の形態５）
　以上の実施の形態及び各変形例において、機能ブロックの各々は、通常、ＭＰＵ及びメモリ等によって実現可能である。また、機能ブロックの各々による処理は、通常、プロセッサなどのプログラム実行部が、ＲＯＭ等の記録媒体に記録されたソフトウェア（プログラム）を読み出して実行することで実現される。当該ソフトウェアはダウンロード等により配布されてもよいし、半導体メモリなどの記録媒体に記録して配布されてもよい。なお、各機能ブロックをハードウェア（専用回路）によって実現することも、当然、可能である。
　また、実施の形態及び各変形例において説明した処理は、単一の装置（システム）を用いて集中処理することによって実現してもよく、又は、複数の装置を用いて分散処理することによって実現してもよい。また、上記プログラムを実行するプロセッサは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、又は分散処理を行ってもよい。
　本発明は、以上の実施例に限定されることなく、種々の変更が可能であり、それらも本発明の範囲内に包含される。
　さらにここで、上記実施の形態及び各変形例で示した動画像符号化方法（画像符号化方法）又は動画像復号化方法（画像復号方法）の応用例とそれを用いたシステムを説明する。当該システムは、画像符号化方法を用いた画像符号化装置、画像復号方法を用いた画像復号装置、及び両方を備える画像符号化復号装置を有することを特徴とする。システムにおける他の構成について、場合に応じて適切に変更することができる。
　［使用例］
　図１９は、コンテンツ配信サービスを実現するコンテンツ供給システムｅｘ１００の全体構成を示す図である。通信サービスの提供エリアを所望の大きさに分割し、各セル内にそれぞれ固定無線局である基地局ｅｘ１０６、ｅｘ１０７、ｅｘ１０８、ｅｘ１０９、ｅｘ１１０が設置されている。
　このコンテンツ供給システムｅｘ１００では、インターネットｅｘ１０１に、インターネットサービスプロバイダｅｘ１０２又は通信網ｅｘ１０４、及び基地局ｅｘ１０６～ｅｘ１１０を介して、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、及びスマートフォンｅｘ１１５などの各機器が接続される。当該コンテンツ供給システムｅｘ１００は、上記のいずれかの要素を組合せて接続するようにしてもよい。固定無線局である基地局ｅｘ１０６～ｅｘ１１０を介さずに、各機器が電話網又は近距離無線等を介して直接的又は間接的に相互に接続されていてもよい。また、ストリーミングサーバｅｘ１０３は、インターネットｅｘ１０１等を介して、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、及びスマートフォンｅｘ１１５などの各機器と接続される。また、ストリーミングサーバｅｘ１０３は、衛星ｅｘ１１６を介して、飛行機ｅｘ１１７内のホットスポット内の端末等と接続される。
　なお、基地局ｅｘ１０６～ｅｘ１１０の代わりに、無線アクセスポイント又はホットスポット等が用いられてもよい。また、ストリーミングサーバｅｘ１０３は、インターネットｅｘ１０１又はインターネットサービスプロバイダｅｘ１０２を介さずに直接通信網ｅｘ１０４と接続されてもよいし、衛星ｅｘ１１６を介さず直接飛行機ｅｘ１１７と接続されてもよい。
　カメラｅｘ１１３はデジタルカメラ等の静止画撮影、及び動画撮影が可能な機器である。また、スマートフォンｅｘ１１５は、一般に２Ｇ、３Ｇ、３．９Ｇ、４Ｇ、そして今後は５Ｇと呼ばれる移動通信システムの方式に対応したスマートフォン機、携帯電話機、又はＰＨＳ（Ｐｅｒｓｏｎａｌ　Ｈａｎｄｙｐｈｏｎｅ　Ｓｙｓｔｅｍ）等である。
　家電ｅｘ１１８は、冷蔵庫、又は家庭用燃料電池コージェネレーションシステムに含まれる機器等である。
　コンテンツ供給システムｅｘ１００では、撮影機能を有する端末が基地局ｅｘ１０６等を通じてストリーミングサーバｅｘ１０３に接続されることで、ライブ配信等が可能になる。ライブ配信では、端末（コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、スマートフォンｅｘ１１５、及び飛行機ｅｘ１１７内の端末等）は、ユーザが当該端末を用いて撮影した静止画又は動画コンテンツに対して上記実施の形態及び各変形例で説明した符号化処理を行い、符号化により得られた映像データと、映像に対応する音を符号化した音データと多重化し、得られたデータをストリーミングサーバｅｘ１０３に送信する。即ち、各端末は、本発明の一態様に係る画像符号化装置として機能する。
　一方、ストリーミングサーバｅｘ１０３は要求のあったクライアントに対して送信されたコンテンツデータをストリーム配信する。クライアントは、上記符号化処理されたデータを復号化することが可能な、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、スマートフォンｅｘ１１５、又は飛行機ｅｘ１１７内の端末等である。配信されたデータを受信した各機器は、受信したデータを復号化処理して再生する。即ち、各機器は、本発明の一態様に係る画像復号装置として機能する。
　［分散処理］
　また、ストリーミングサーバｅｘ１０３は複数のサーバ又は複数のコンピュータであって、データを分散して処理したり記録したり配信するものであってもよい。例えば、ストリーミングサーバｅｘ１０３は、ＣＤＮ（Ｃｏｎｔｅｎｔｓ　Ｄｅｌｉｖｅｒｙ　Ｎｅｔｗｏｒｋ）により実現され、世界中に分散された多数のエッジサーバとエッジサーバ間をつなぐネットワークによりコンテンツ配信が実現されていてもよい。ＣＤＮでは、クライアントに応じて物理的に近いエッジサーバが動的に割り当てられる。そして、当該エッジサーバにコンテンツがキャッシュ及び配信されることで遅延を減らすことができる。また、何らかのエラーが発生した場合又はトラフィックの増加などにより通信状態が変わる場合に複数のエッジサーバで処理を分散したり、他のエッジサーバに配信主体を切り替えたり、障害が生じたネットワークの部分を迂回して配信を続けることができるので、高速かつ安定した配信が実現できる。
　また、配信自体の分散処理にとどまらず、撮影したデータの符号化処理を各端末で行ってもよいし、サーバ側で行ってもよいし、互いに分担して行ってもよい。一例として、一般に符号化処理では、処理ループが２度行われる。１度目のループでフレーム又はシーン単位での画像の複雑さ、又は、符号量が検出される。また、２度目のループでは画質を維持して符号化効率を向上させる処理が行われる。例えば、端末が１度目の符号化処理を行い、コンテンツを受け取ったサーバ側が２度目の符号化処理を行うことで、各端末での処理負荷を減らしつつもコンテンツの質と効率を向上させることができる。この場合、ほぼリアルタイムで受信して復号する要求があれば、端末が行った一度目の符号化済みデータを他の端末で受信して再生することもできるので、より柔軟なリアルタイム配信も可能になる。
　他の例として、カメラｅｘ１１３等は、画像から特徴量抽出を行い、特徴量に関するデータをメタデータとして圧縮してサーバに送信する。サーバは、例えば特徴量からオブジェクトの重要性を判断して量子化精度を切り替えるなど、画像の意味に応じた圧縮を行う。特徴量データはサーバでの再度の圧縮時の動きベクトル予測の精度及び効率向上に特に有効である。また、端末でＶＬＣ（可変長符号化）などの簡易的な符号化を行い、サーバでＣＡＢＡＣ（コンテキスト適応型二値算術符号化方式）など処理負荷の大きな符号化を行ってもよい。
　さらに他の例として、スタジアム、ショッピングモール、又は工場などにおいては、複数の端末によりほぼ同一のシーンが撮影された複数の映像データが存在する場合がある。この場合には、撮影を行った複数の端末と、必要に応じて撮影をしていない他の端末及びサーバを用いて、例えばＧＯＰ（Ｇｒｏｕｐ　ｏｆ　Ｐｉｃｔｕｒｅ）単位、ピクチャ単位、又はピクチャを分割したタイル単位などで符号化処理をそれぞれ割り当てて分散処理を行う。これにより、遅延を減らし、よりリアルタイム性を実現できる。
　また、複数の映像データはほぼ同一シーンであるため、各端末で撮影された映像データを互いに参照し合えるように、サーバで管理及び／又は指示をしてもよい。または、各端末からの符号化済みデータを、サーバが受信し複数のデータ間で参照関係を変更、又はピクチャ自体を補正或いは差し替えて符号化しなおしてもよい。これにより、一つ一つのデータの質と効率を高めたストリームを生成できる。
　また、サーバは、映像データの符号化方式を変更するトランスコードを行ったうえで映像データを配信してもよい。例えば、サーバは、ＭＰＥＧ系の符号化方式をＶＰ系に変換してもよいし、Ｈ．２６４をＨ．２６５に変換してもよい。
　このように、符号化処理は、端末、又は１以上のサーバにより行うことが可能である。よって、以下では、処理を行う主体として「サーバ」又は「端末」等の記載を用いるが、サーバで行われる処理の一部又は全てが端末で行われてもよいし、端末で行われる処理の一部又は全てがサーバで行われてもよい。また、これらに関しては、復号処理についても同様である。
　［３Ｄ、マルチアングル］
　近年では、互いにほぼ同期した複数のカメラｅｘ１１３及び／又はスマートフォンｅｘ１１５などの端末により撮影された異なるシーン、又は、同一シーンを異なるアングルから撮影した画像或いは映像を統合して利用することも増えてきている。各端末で撮影した映像は、別途取得した端末間の相対的な位置関係、又は、映像に含まれる特徴点が一致する領域などに基づいて統合される。
　サーバは、２次元の動画像を符号化するだけでなく、動画像のシーン解析などに基づいて自動的に、又は、ユーザが指定した時刻において、静止画を符号化し、受信端末に送信してもよい。サーバは、さらに、撮影端末間の相対的な位置関係を取得できる場合には、２次元の動画像だけでなく、同一シーンが異なるアングルから撮影された映像に基づき、当該シーンの３次元形状を生成できる。なお、サーバは、ポイントクラウドなどにより生成した３次元のデータを別途符号化してもよいし、３次元データを用いて人物又はオブジェクトを認識或いは追跡した結果に基づいて、受信端末に送信する映像を、複数の端末で撮影した映像から選択、又は、再構成して生成してもよい。
　このようにして、ユーザは、各撮影端末に対応する各映像を任意に選択してシーンを楽しむこともできるし、複数画像又は映像を用いて再構成された３次元データから任意視点の映像を切り出したコンテンツを楽しむこともできる。さらに、映像と同様に音も複数の相異なるアングルから収音され、サーバは、映像に合わせて特定のアングル又は空間からの音を映像と多重化して送信してもよい。
　また、近年ではＶｉｒｔｕａｌ　Ｒｅａｌｉｔｙ（ＶＲ）及びＡｕｇｍｅｎｔｅｄ　Ｒｅａｌｉｔｙ（ＡＲ）など、現実世界と仮想世界とを対応付けたコンテンツも普及してきている。ＶＲの画像の場合、サーバは、右目用及び左目用の視点画像をそれぞれ作成し、Ｍｕｌｔｉ－Ｖｉｅｗ　Ｃｏｄｉｎｇ（ＭＶＣ）などにより各視点映像間で参照を許容する符号化を行ってもよいし、互いに参照せずに別ストリームとして符号化してもよい。別ストリームの復号時には、ユーザの視点に応じて仮想的な３次元空間が再現されるように互いに同期させて再生するとよい。
　ＡＲの画像の場合には、サーバは、現実空間のカメラ情報に、仮想空間上の仮想物体情報を、３次元的位置又はユーザの視点の動きに基づいて重畳する。復号装置は、仮想物体情報及び３次元データを取得又は保持し、ユーザの視点の動きに応じて２次元画像を生成し、スムーズにつなげることで重畳データを作成してもよい。または、復号装置は仮想物体情報の依頼に加えてユーザの視点の動きをサーバに送信し、サーバは、サーバに保持される３次元データから受信した視点の動きに合わせて重畳データを作成し、重畳データを符号化して復号装置に配信してもよい。なお、重畳データは、ＲＧＢ以外に透過度を示すα値を有し、サーバは、３次元データから作成されたオブジェクト以外の部分のα値が０などに設定し、当該部分が透過する状態で、符号化してもよい。もしくは、サーバは、クロマキーのように所定の値のＲＧＢ値を背景に設定し、オブジェクト以外の部分は背景色にしたデータを生成してもよい。
　同様に配信されたデータの復号処理はクライアントである各端末で行っても、サーバ側で行ってもよいし、互いに分担して行ってもよい。一例として、ある端末が、一旦サーバに受信リクエストを送り、そのリクエストに応じたコンテンツを他の端末で受信し復号処理を行い、ディスプレイを有する装置に復号済みの信号が送信されてもよい。通信可能な端末自体の性能によらず処理を分散して適切なコンテンツを選択することで画質のよいデータを再生することができる。また、他の例として大きなサイズの画像データをＴＶ等で受信しつつ、鑑賞者の個人端末にピクチャが分割されたタイルなど一部の領域が復号されて表示されてもよい。これにより、全体像を共有化しつつ、自身の担当分野又はより詳細に確認したい領域を手元で確認することができる。
　また今後は、屋内外にかかわらず近距離、中距離、又は長距離の無線通信が複数使用可能な状況下で、ＭＰＥＧ－ＤＡＳＨなどの配信システム規格を利用して、接続中の通信に対して適切なデータを切り替えながらシームレスにコンテンツを受信することが予想される。これにより、ユーザは、自身の端末のみならず屋内外に設置されたディスプレイなどの復号装置又は表示装置を自由に選択しながらリアルタイムで切り替えられる。また、自身の位置情報などに基づいて、復号する端末及び表示する端末を切り替えながら復号を行うことができる。これにより、目的地への移動中に、表示可能なデバイスが埋め込まれた隣の建物の壁面又は地面の一部に地図情報を表示させながら移動することも可能になる。また、符号化データが受信端末から短時間でアクセスできるサーバにキャッシュされている、又は、コンテンツ・デリバリー・サービスにおけるエッジサーバにコピーされている、などの、ネットワーク上での符号化データへのアクセス容易性に基づいて、受信データのビットレートを切り替えることも可能である。
　［スケーラブル符号化］
　コンテンツの切り替えに関して、図２０に示す、上記実施の形態及び各変形例で示した動画像符号化方法を応用して圧縮符号化されたスケーラブルなストリームを用いて説明する。サーバは、個別のストリームとして内容は同じで質の異なるストリームを複数有していても構わないが、図示するようにレイヤに分けて符号化を行うことで実現される時間的／空間的スケーラブルなストリームの特徴を活かして、コンテンツを切り替える構成であってもよい。つまり、復号側が性能という内的要因と通信帯域の状態などの外的要因とに応じてどのレイヤまで復号するかを決定することで、復号側は、低解像度のコンテンツと高解像度のコンテンツとを自由に切り替えて復号できる。例えば移動中にスマートフォンｅｘ１１５で視聴していた映像の続きを、帰宅後にインターネットＴＶ等の機器で視聴したい場合には、当該機器は、同じストリームを異なるレイヤまで復号すればよいので、サーバ側の負担を軽減できる。
　さらに、上記のように、レイヤ毎にピクチャが符号化されており、ベースレイヤの上位にエンハンスメントレイヤが存在するスケーラビリティを実現する構成以外に、エンハンスメントレイヤが画像の統計情報などに基づくメタ情報を含み、復号側が、メタ情報に基づきベースレイヤのピクチャを超解像することで高画質化したコンテンツを生成してもよい。超解像とは、同一解像度におけるＳＮ比の向上、及び、解像度の拡大のいずれであってもよい。メタ情報は、超解像処理に用いる線形或いは非線形のフィルタ係数を特定するため情報、又は、超解像処理に用いるフィルタ処理、機械学習或いは最小２乗演算におけるパラメータ値を特定する情報などを含む。
　または、画像内のオブジェクトなどの意味合いに応じてピクチャがタイル等に分割されており、復号側が、復号するタイルを選択することで一部の領域だけを復号する構成であってもよい。また、オブジェクトの属性（人物、車、ボールなど）と映像内の位置（同一画像における座標位置など）とをメタ情報として格納することで、復号側は、メタ情報に基づいて所望のオブジェクトの位置を特定し、そのオブジェクトを含むタイルを決定できる。例えば、図２１に示すように、メタ情報は、ＨＥＶＣにおけるＳＥＩメッセージなど画素データとは異なるデータ格納構造を用いて格納される。このメタ情報は、例えば、メインオブジェクトの位置、サイズ、又は色彩などを示す。
　また、ストリーム、シーケンス又はランダムアクセス単位など、複数のピクチャから構成される単位でメタ情報が格納されてもよい。これにより、復号側は、特定人物が映像内に出現する時刻などが取得でき、ピクチャ単位の情報と合わせることで、オブジェクトが存在するピクチャ、及び、ピクチャ内でのオブジェクトの位置を特定できる。
　［Ｗｅｂページの最適化］
　図２２は、コンピュータｅｘ１１１等におけるｗｅｂページの表示画面例を示す図である。図２３は、スマートフォンｅｘ１１５等におけるｗｅｂページの表示画面例を示す図である。図２２及び図２３に示すようにｗｅｂページが、画像コンテンツへのリンクであるリンク画像を複数含む場合があり、閲覧するデバイスによってその見え方は異なる。画面上に複数のリンク画像が見える場合には、ユーザが明示的にリンク画像を選択するまで、又は画面の中央付近にリンク画像が近付く或いはリンク画像の全体が画面内に入るまでは、表示装置（復号装置）は、リンク画像として各コンテンツが有する静止画又はＩピクチャを表示したり、複数の静止画又はＩピクチャ等でｇｉｆアニメのような映像を表示したり、ベースレイヤのみ受信して映像を復号及び表示したりする。
　ユーザによりリンク画像が選択された場合、表示装置は、ベースレイヤを最優先にして復号する。なお、ｗｅｂページを構成するＨＴＭＬにスケーラブルなコンテンツであることを示す情報があれば、表示装置は、エンハンスメントレイヤまで復号してもよい。また、リアルタイム性を担保するために、選択される前又は通信帯域が非常に厳しい場合には、表示装置は、前方参照のピクチャ（Ｉピクチャ、Ｐピクチャ、前方参照のみのＢピクチャ）のみを復号及び表示することで、先頭ピクチャの復号時刻と表示時刻との間の遅延（コンテンツの復号開始から表示開始までの遅延）を低減できる。また、表示装置は、ピクチャの参照関係を敢えて無視して全てのＢピクチャ及びＰピクチャを前方参照にして粗く復号し、時間が経ち受信したピクチャが増えるにつれて正常の復号を行ってもよい。
　［自動走行］
　また、車の自動走行又は走行支援のため２次元又は３次元の地図情報などの静止画又は映像データを送受信する場合、受信端末は、１以上のレイヤに属する画像データに加えて、メタ情報として天候又は工事の情報なども受信し、これらを対応付けて復号してもよい。なお、メタ情報は、レイヤに属してもよいし、単に画像データと多重化されてもよい。
　この場合、受信端末を含む車、ドローン又は飛行機などが移動するため、受信端末は、当該受信端末の位置情報を受信要求時に送信することで、基地局ｅｘ１０６～ｅｘ１１０を切り替えながらシームレスな受信及び復号を実現できる。また、受信端末は、ユーザの選択、ユーザの状況又は通信帯域の状態に応じて、メタ情報をどの程度受信するか、又は地図情報をどの程度更新していくかを動的に切り替えることが可能になる。
　以上のようにして、コンテンツ供給システムｅｘ１００では、ユーザが送信した符号化された情報をリアルタイムでクライアントが受信して復号し、再生することができる。
　［個人コンテンツの配信］
　また、コンテンツ供給システムｅｘ１００では、映像配信業者による高画質で長時間のコンテンツのみならず、個人による低画質で短時間のコンテンツのユニキャスト、又はマルチキャスト配信が可能である。また、このような個人のコンテンツは今後も増加していくと考えられる。個人コンテンツをより優れたコンテンツにするために、サーバは、編集処理を行ってから符号化処理を行ってもよい。これは例えば、以下のような構成で実現できる。
　撮影時にリアルタイム又は蓄積して撮影後に、サーバは、原画又は符号化済みデータから撮影エラー、シーン探索、意味の解析、及びオブジェクト検出などの認識処理を行う。そして、サーバは、認識結果に基いて手動又は自動で、ピントずれ又は手ブレなどを補正したり、明度が他のピクチャに比べて低い又は焦点が合っていないシーンなどの重要性の低いシーンを削除したり、オブジェクトのエッジを強調したり、色合いを変化させるなどの編集を行う。サーバは、編集結果に基いて編集後のデータを符号化する。また撮影時刻が長すぎると視聴率が下がることも知られており、サーバは、撮影時間に応じて特定の時間範囲内のコンテンツになるように上記のように重要性が低いシーンのみならず動きが少ないシーンなどを、画像処理結果に基き自動でクリップしてもよい。または、サーバは、シーンの意味解析の結果に基づいてダイジェストを生成して符号化してもよい。
　なお、個人コンテンツには、そのままでは著作権、著作者人格権、又は肖像権等の侵害となるものが写り込んでいるケースもあり、共有する範囲が意図した範囲を超えてしまうなど個人にとって不都合な場合もある。よって、例えば、サーバは、画面の周辺部の人の顔、又は家の中などを敢えて焦点が合わない画像に変更して符号化してもよい。また、サーバは、符号化対象画像内に、予め登録した人物とは異なる人物の顔が映っているかどうかを認識し、映っている場合には、顔の部分にモザイクをかけるなどの処理を行ってもよい。または、符号化の前処理又は後処理として、著作権などの観点からユーザが画像を加工したい人物又は背景領域を指定し、サーバは、指定された領域を別の映像に置き換える、又は焦点をぼかすなどの処理を行うことも可能である。人物であれば、動画像において人物をトラッキングしながら、顔の部分の映像を置き換えることができる。
　また、データ量の小さい個人コンテンツの視聴はリアルタイム性の要求が強いため、帯域幅にもよるが、復号装置は、まずベースレイヤを最優先で受信して復号及び再生を行う。復号装置は、この間にエンハンスメントレイヤを受信し、再生がループされる場合など２回以上再生される場合に、エンハンスメントレイヤも含めて高画質の映像を再生してもよい。このようにスケーラブルな符号化が行われているストリームであれば、未選択時又は見始めた段階では粗い動画だが、徐々にストリームがスマートになり画像がよくなるような体験を提供することができる。スケーラブル符号化以外にも、１回目に再生される粗いストリームと、１回目の動画を参照して符号化される２回目のストリームとが１つのストリームとして構成されていても同様の体験を提供できる。
　［その他の使用例］
　また、これらの符号化又は復号処理は、一般的に各端末が有するＬＳＩｅｘ５００において処理される。ＬＳＩｅｘ５００は、ワンチップであっても複数チップからなる構成であってもよい。なお、動画像符号化又は復号用のソフトウェアをコンピュータｅｘ１１１等で読み取り可能な何らかの記録メディア（ＣＤ－ＲＯＭ、フレキシブルディスク、又はハードディスクなど）に組み込み、そのソフトウェアを用いて符号化又は復号処理を行ってもよい。さらに、スマートフォンｅｘ１１５がカメラ付きである場合には、そのカメラで取得した動画データを送信してもよい。このときの動画データはスマートフォンｅｘ１１５が有するＬＳＩｅｘ５００で符号化処理されたデータである。
　なお、ＬＳＩｅｘ５００は、アプリケーションソフトをダウンロードしてアクティベートする構成であってもよい。この場合、端末は、まず、当該端末がコンテンツの符号化方式に対応しているか、又は、特定サービスの実行能力を有するかを判定する。端末がコンテンツの符号化方式に対応していない場合、又は、特定サービスの実行能力を有さない場合、端末は、コーデック又はアプリケーションソフトをダウンロードし、その後、コンテンツ取得及び再生する。
　また、インターネットｅｘ１０１を介したコンテンツ供給システムｅｘ１００に限らず、デジタル放送用システムにも上記実施の形態及び各変形例の少なくとも動画像符号化装置（画像符号化装置）又は動画像復号化装置（画像復号装置）のいずれかを組み込むことができる。衛星などを利用して放送用の電波に映像と音が多重化された多重化データを載せて送受信するため、コンテンツ供給システムｅｘ１００のユニキャストがし易い構成に対してマルチキャスト向きであるという違いがあるが符号化処理及び復号処理に関しては同様の応用が可能である。
　［ハードウェア構成］
　図２４は、スマートフォンｅｘ１１５を示す図である。また、図２５は、スマートフォンｅｘ１１５の構成例を示す図である。スマートフォンｅｘ１１５は、基地局ｅｘ１１０との間で電波を送受信するためのアンテナｅｘ４５０と、映像及び静止画を撮ることが可能なカメラ部ｅｘ４６５と、カメラ部ｅｘ４６５で撮像した映像、及びアンテナｅｘ４５０で受信した映像等が復号されたデータを表示する表示部ｅｘ４５８とを備える。スマートフォンｅｘ１１５は、さらに、タッチパネル等である操作部ｅｘ４６６と、音声又は音響を出力するためのスピーカ等である音声出力部ｅｘ４５７と、音声を入力するためのマイク等である音声入力部ｅｘ４５６と、撮影した映像或いは静止画、録音した音声、受信した映像或いは静止画、メール等の符号化されたデータ、又は、復号化されたデータを保存可能なメモリ部ｅｘ４６７と、ユーザを特定し、ネットワークをはじめ各種データへのアクセスの認証をするためのＳＩＭｅｘ４６８とのインタフェース部であるスロット部ｅｘ４６４とを備える。なお、メモリ部ｅｘ４６７の代わりに外付けメモリが用いられてもよい。
　また、表示部ｅｘ４５８及び操作部ｅｘ４６６等を統括的に制御する主制御部ｅｘ４６０と、電源回路部ｅｘ４６１、操作入力制御部ｅｘ４６２、映像信号処理部ｅｘ４５５、カメラインタフェース部ｅｘ４６３、ディスプレイ制御部ｅｘ４５９、変調／復調部ｅｘ４５２、多重／分離部ｅｘ４５３、音声信号処理部ｅｘ４５４、スロット部ｅｘ４６４、及びメモリ部ｅｘ４６７とがバスｅｘ４７０を介して接続されている。
　電源回路部ｅｘ４６１は、ユーザの操作により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スマートフォンｅｘ１１５を動作可能な状態に起動する。
　スマートフォンｅｘ１１５は、ＣＰＵ、ＲＯＭ及びＲＡＭ等を有する主制御部ｅｘ４６０の制御に基づいて、通話及データ通信等の処理を行う。通話時は、音声入力部ｅｘ４５６で収音した音声信号を音声信号処理部ｅｘ４５４でデジタル音声信号に変換し、これを変調／復調部ｅｘ４５２でスペクトラム拡散処理し、送信／受信部ｅｘ４５１でデジタルアナログ変換処理及び周波数変換処理を施した後にアンテナｅｘ４５０を介して送信する。また受信データを増幅して周波数変換処理及びアナログデジタル変換処理を施し、変調／復調部ｅｘ４５２でスペクトラム逆拡散処理し、音声信号処理部ｅｘ４５４でアナログ音声信号に変換した後、これを音声出力部ｅｘ４５７から出力する。データ通信モード時は、本体部の操作部ｅｘ４６６等の操作によってテキスト、静止画、又は映像データが操作入力制御部ｅｘ４６２を介して主制御部ｅｘ４６０に送出され、同様に送受信処理が行われる。データ通信モード時に映像、静止画、又は映像と音声を送信する場合、映像信号処理部ｅｘ４５５は、メモリ部ｅｘ４６７に保存されている映像信号又はカメラ部ｅｘ４６５から入力された映像信号を上記実施の形態及び各変形例で示した動画像符号化方法によって圧縮符号化し、符号化された映像データを多重／分離部ｅｘ４５３に送出する。また、音声信号処理部ｅｘ４５４は、映像又は静止画等をカメラ部ｅｘ４６５で撮像中に音声入力部ｅｘ４５６で収音した音声信号を符号化し、符号化された音声データを多重／分離部ｅｘ４５３に送出する。多重／分離部ｅｘ４５３は、符号化済み映像データと符号化済み音声データを所定の方式で多重化し、変調／復調部（変調／復調回路部）ｅｘ４５２、及び送信／受信部ｅｘ４５１で変調処理及び変換処理を施してアンテナｅｘ４５０を介して送信する。
　電子メール又はチャットに添付された映像、又はウェブページ等にリンクされた映像を受信した場合、アンテナｅｘ４５０を介して受信された多重化データを復号するために、多重／分離部ｅｘ４５３は、多重化データを分離することにより、多重化データを映像データのビットストリームと音声データのビットストリームとに分け、同期バスｅｘ４７０を介して符号化された映像データを映像信号処理部ｅｘ４５５に供給するとともに、符号化された音声データを音声信号処理部ｅｘ４５４に供給する。映像信号処理部ｅｘ４５５は、上記実施の形態及び各変形例で示した動画像符号化方法に対応した動画像復号化方法によって映像信号を復号し、ディスプレイ制御部ｅｘ４５９を介して表示部ｅｘ４５８から、リンクされた動画像ファイルに含まれる映像又は静止画が表示される。また音声信号処理部ｅｘ４５４は、音声信号を復号し、音声出力部ｅｘ４５７から音声が出力される。なおリアルタイムストリーミングが普及しているため、ユーザの状況によっては音声の再生が社会的にふさわしくない場も起こりえる。そのため、初期値としては、音声信号は再生せず映像データのみを再生する構成の方が望ましい。ユーザが映像データをクリックするなど操作を行った場合にのみ音声を同期して再生してもよい。
　またここではスマートフォンｅｘ１１５を例に説明したが、端末としては符号化器及び復号化器を両方持つ送受信型端末の他に、符号化器のみを有する送信端末、及び、復号化器のみを有する受信端末という３通りの実装形式が考えられる。さらに、デジタル放送用システムにおいて、映像データに音声データなどが多重化された多重化データを受信又は送信するとして説明したが、多重化データには、音声データ以外に映像に関連する文字データなどが多重化されてもよいし、多重化データではなく映像データ自体が受信又は送信されてもよい。
　なお、ＣＰＵを含む主制御部ｅｘ４６０が符号化又は復号処理を制御するとして説明したが、端末はＧＰＵを備えることも多い。よって、ＣＰＵとＧＰＵで共通化されたメモリ、又は共通に使用できるようにアドレスが管理されているメモリにより、ＧＰＵの性能を活かして広い領域を一括して処理する構成でもよい。これにより符号化時間を短縮でき、リアルタイム性を確保し、低遅延を実現できる。特に動き探索、デブロックフィルタ、ＳＡＯ（Ｓａｍｐｌｅ　Ａｄａｐｔｉｖｅ　Ｏｆｆｓｅｔ）、及び変換・量子化の処理を、ＣＰＵではなく、ＧＰＵでピクチャなどの単位で一括して行うと効率的である。
　本開示は、例えば、テレビジョン受像機、デジタルビデオレコーダー、カーナビゲーション、携帯電話、デジタルカメラ、または、デジタルビデオカメラ等に利用可能である。
　１００　符号化装置
　１０２　分割部
　１０４　減算部
　１０６　変換部
　１０８　量子化部
　１１０　エントロピー符号化部
　１１２、２０４　逆量子化部
　１１４、２０６　逆変換部
　１１６、２０８　加算部
　１１８、２１０　ブロックメモリ
　１２０、２１２　ループフィルタ部
　１２２、２１４　フレームメモリ
　１２４、２１６　イントラ予測部
　１２６、２１８　インター予測部
　１２８、２２０　予測制御部
　２００　復号装置
　２０２　エントロピー復号部

Claims (8)

  1. 　ピクチャの符号化対象ブロックを符号化する符号化装置であって、
    　プロセッサ及びメモリを備え、前記プロセッサは前記メモリを用いて、
    　前記符号化対象ブロックにイントラ予測を用いるか否かを判定し、
    　前記符号化対象ブロックにイントラ予測を用いると判定した場合、
    　（ｉ）第１の変換基底を用いて前記符号化対象ブロックの残差信号に第１の変換を行うことにより第１の変換係数を生成し、
    　（ｉｉ－１）前記符号化対象ブロックのイントラ予測モードが所定モードであり、かつ、前記第１の変換基底が所定変換基底と異なる場合は、前記第１の変換係数を量子化し、
    　（ｉｉ－２）前記符号化対象ブロックのイントラ予測モードが前記所定モードでない場合、又は、前記第１の変換基底が前記所定変換基底と一致する場合は、第２の変換基底を用いて前記第１の変換係数に第２の変換を行うことにより第２の変換係数を生成し、前記第２の変換係数を量子化する、
    　符号化装置。
  2. 　前記所定モードは、非方向性予測モードである、
    　請求項１に記載の符号化装置。
  3. 　前記所定変換基底は、タイプＩＩの離散コサイン変換の基底である、
    　請求項１又は２に記載の符号化装置。
  4. 　ピクチャの符号化対象ブロックを符号化する符号化方法であって、
    　前記符号化対象ブロックにイントラ予測を用いるか否かを判定し、
    　前記符号化対象ブロックにイントラ予測を用いると判定した場合、
    　（ｉ）第１の変換基底を用いて前記符号化対象ブロックの残差信号に第１の変換を行うことにより第１の変換係数を生成し、
    　（ｉｉ－１）前記符号化対象ブロックのイントラ予測モードが所定モードであり、かつ、前記第１の変換基底が所定変換基底と異なる場合は、前記第１の変換係数を量子化し、
    　（ｉｉ－２）前記符号化対象ブロックのイントラ予測モードが前記所定モードでない場合、又は、前記第１の変換基底が前記所定変換基底と一致する場合は、第２の変換基底を用いて前記第１の変換係数に第２の変換を行うことにより第２の変換係数を生成し、前記第２の変換係数を量子化する、
    　符号化方法。
  5. 　ピクチャの復号対象ブロックを復号する復号装置であって、
    　プロセッサ及びメモリを備え、前記プロセッサは前記メモリを用いて、
    　前記復号対象ブロックにイントラ予測を用いるか否かを判定し、
    　前記復号対象ブロックにイントラ予測を用いると判定した場合、前記復号対象ブロックのイントラ予測モードが所定モードであるか否か、及び、前記復号対象ブロックのための第１の逆変換基底が所定逆変換基底と一致するか否かを判定し、
    　前記イントラ予測モードが前記所定モードでない場合、又は、前記第１の逆変換基底が前記所定逆変換基底と一致する場合は、前記復号対象ブロックの逆量子化された係数に、第２の逆変換基底を用いて第２の逆変換を行い、さらに前記第１の逆変換基底を用いて第１の逆変換を行い、
    　前記イントラ予測モードが前記所定モードであり、かつ、前記第１の逆変換基底が前記所定逆変換基底と異なる場合は、前記第２の逆変換をスキップし、前記復号対象ブロックの逆量子化された係数に、前記第１の逆変換基底を用いて第１の逆変換を行う、
    　復号装置。
  6. 　前記所定モードは、非方向性予測モードである、
    　請求項５に記載の復号装置。
  7. 　前記所定逆変換基底は、タイプＩＩの離散コサイン変換の逆変換の基底である、
    　請求項５又は６に記載の復号装置。
  8. 　ピクチャの復号対象ブロックを復号する復号方法であって、
    　前記復号対象ブロックにイントラ予測を用いるか否かを判定し、
    　前記復号対象ブロックにイントラ予測を用いると判定した場合、前記復号対象ブロックのイントラ予測モードが所定モードであるか否か、及び、前記復号対象ブロックのための第１の逆変換基底が所定逆変換基底と一致するか否かを判定し、
    　前記イントラ予測モードが前記所定モードでない場合、又は、前記第１の逆変換基底が前記所定逆変換基底と一致する場合は、前記復号対象ブロックの逆量子化された係数に、第２の逆変換基底を用いて第２の逆変換を行い、さらに前記第１の逆変換基底を用いて第１の逆変換を行い、
    　前記イントラ予測モードが前記所定モードであり、かつ、前記第１の逆変換基底が前記所定逆変換基底と異なる場合は、前記第２の逆変換をスキップし、前記復号対象ブロックの逆量子化された係数に、前記第１の逆変換基底を用いて第１の逆変換を行う、
    　復号方法。
PCT/JP2018/020656 2017-06-01 2018-05-30 符号化装置、符号化方法、復号装置及び復号方法 WO2018221553A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2019521252A JP6767579B2 (ja) 2017-06-01 2018-05-30 符号化装置、符号化方法、復号装置及び復号方法
US16/697,525 US11044481B2 (en) 2017-06-01 2019-11-27 Encoder, encoding method, decoder, and decoding method
US17/188,448 US11375207B2 (en) 2017-06-01 2021-03-01 Encoder, encoding method, decoder, and decoding method
US17/737,594 US11818362B2 (en) 2017-06-01 2022-05-05 Encoder, encoding method, decoder, and decoding method
US18/376,618 US12096005B2 (en) 2017-06-01 2023-10-04 Encoder, encoding method, decoder, and decoding method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201762513637P 2017-06-01 2017-06-01
US62/513,637 2017-06-01

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US16/697,525 Continuation US11044481B2 (en) 2017-06-01 2019-11-27 Encoder, encoding method, decoder, and decoding method

Publications (1)

Publication Number Publication Date
WO2018221553A1 true WO2018221553A1 (ja) 2018-12-06

Family

ID=64455801

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/020656 WO2018221553A1 (ja) 2017-06-01 2018-05-30 符号化装置、符号化方法、復号装置及び復号方法

Country Status (4)

Country Link
US (4) US11044481B2 (ja)
JP (4) JP6767579B2 (ja)
TW (1) TW201911865A (ja)
WO (1) WO2018221553A1 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018221554A1 (ja) * 2017-06-01 2018-12-06 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 符号化装置、符号化方法、復号装置及び復号方法
JP6767579B2 (ja) 2017-06-01 2020-10-14 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 符号化装置、符号化方法、復号装置及び復号方法
WO2019009129A1 (ja) * 2017-07-03 2019-01-10 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 符号化装置、復号装置、符号化方法及び復号方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013176111A (ja) * 2013-04-10 2013-09-05 Toshiba Corp 画像復号化装置
US20170094314A1 (en) * 2015-09-29 2017-03-30 Qualcomm Incorporated Non-separable secondary transform for video coding with reorganizing

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011127964A2 (en) * 2010-04-13 2011-10-20 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Apparatus for intra predicting a block, apparatus for reconstructing a block of a picture, apparatus for reconstructing a block of a picture by intra prediction
KR101549912B1 (ko) * 2011-10-17 2015-09-03 주식회사 케이티 화면 내 예측 모드에 기초한 적응적인 변환 방법 및 이러한 방법을 사용하는 장치
WO2013154366A1 (ko) * 2012-04-12 2013-10-17 주식회사 팬택 블록 정보에 따른 변환 방법 및 이러한 방법을 사용하는 장치
US9501865B2 (en) * 2013-09-13 2016-11-22 Nvidia Corporation System, method, and computer program product for determining a quantity of light received by an element of a scene
CN116915985A (zh) * 2016-10-04 2023-10-20 Lx 半导体科技有限公司 图像编码/解码方法和发送方法
JP6767579B2 (ja) 2017-06-01 2020-10-14 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 符号化装置、符号化方法、復号装置及び復号方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013176111A (ja) * 2013-04-10 2013-09-05 Toshiba Corp 画像復号化装置
US20170094314A1 (en) * 2015-09-29 2017-03-30 Qualcomm Incorporated Non-separable secondary transform for video coding with reorganizing

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ANKUR, SAXENA AND FELIX, C. FERNANDES: "On secondary transforms for intra/inter prediction residual", JOINT COLLABORATIVE TEAM ON VIDEO CODING (JCT-VC) 9TH MEETING, vol. JCTVC-I0232-v3.zip, 7 May 2012 (2012-05-07), Geneva *
CHEN, JIANLE ET AL.: "Algorithm description of joint exploration test model 6 (JEM 6)", JOINT VIDEO EXPLORATION TEAM (JVET) 6TH MEETING: JVET-F1001-V2.ZIP, 31 May 2017 (2017-05-31), Hobart *
SHIBAHARA, JOUJI., NISHI, TAKAHIRO: "CE9: Mode dependent 2-step transform for intra coding", JOINT COLLABORATIVE TEAM ON VIDEO CODING (JCT-VC) 5TH MEETING: JCTVC-E074-V2.ZIP, 23 May 2011 (2011-05-23), Geneva *
ZHAO, X. ET AL.: "EE2.7: TU-level non-seperable secondary transform", JOINT VIDEO EXPLORATION TEAM (JVET) 3RD MEETING, vol. JVET-C0053-v3.zip, 1 June 2016 (2016-06-01), Geneva *

Also Published As

Publication number Publication date
US11818362B2 (en) 2023-11-14
JP2022173390A (ja) 2022-11-18
JP7149995B2 (ja) 2022-10-07
TW201911865A (zh) 2019-03-16
US20210185327A1 (en) 2021-06-17
JP7314382B2 (ja) 2023-07-25
JP2020198655A (ja) 2020-12-10
US12096005B2 (en) 2024-09-17
US20240031581A1 (en) 2024-01-25
JP6767579B2 (ja) 2020-10-14
US11044481B2 (en) 2021-06-22
US11375207B2 (en) 2022-06-28
JPWO2018221553A1 (ja) 2020-04-02
US20200099938A1 (en) 2020-03-26
US20220264112A1 (en) 2022-08-18
JP2023126387A (ja) 2023-09-07

Similar Documents

Publication Publication Date Title
WO2018199051A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
WO2018181448A1 (ja) 画像符号化装置、画像復号装置、画像符号化方法及び画像復号方法
WO2018212110A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019208677A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
WO2019151279A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018021374A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP2019017066A (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018221631A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
JPWO2018190207A1 (ja) 復号装置、復号方法及びプログラム
WO2018101288A1 (ja) 符号化装置、符号化方法、復号装置および復号方法
WO2018190207A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019155971A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019208372A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP7026747B2 (ja) 復号装置及び復号方法
WO2019189346A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018212111A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018199050A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019221103A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018225594A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019151284A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018225593A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
WO2018097115A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019189344A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP2020198655A (ja) 復号装置及び復号方法
WO2018105579A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法

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: 18809286

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019521252

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18809286

Country of ref document: EP

Kind code of ref document: A1