基于 DCT 的视频编码过程

Question

我遇到了一些问题，希望您能够澄清。我自学了一个类似于 Mpeg2 的视频编码过程。流程如下：

1. 将 RGBA 图像拆分为 4 个单独的通道数据内存块。所以一个包含所有 R 值的数组，一个单独的 G 值数组等。

2. 获取数组并获取一个 8x8 像素数据块，使用离散余弦变换 (DCT) 对其进行变换。

3. 使用预先计算的量化矩阵量化这个 8x8 块。

4. 之字形编码量化步骤的输出。所以我应该得到一个连续数字的踪迹。

5. 运行长度编码 (RLE) 之字形算法的输出。

6. 在 RLE 阶段之后对数据进行霍夫曼编码。使用预先计算的霍夫曼表中的值替换。

7. 返回步骤 2 并重复，直到所有通道数据都已编码

8. 返回第 2 步，对每个通道重复

第一个问题是我是否需要将 RGBA 值转换为 YUV+A (YCbCr+A) 值才能使进程正常工作，还是可以继续使用 RGBA？我问，因为 RGBA->YUVA 转换是一个繁重的工作量，如果可能的话我想避免。

下一个问题。我想知道 RLE 存储应该只运行 0 还是可以扩展到数组中的所有值？请参阅以下示例：

 440000000111 == [2,4][7,0][3,1]   // RLE for all values
 or
 440000000111 == 44[7,0]111        // RLE for 0's only

最后一个问题是关于霍夫曼阶段的单个符号是什么？例如，要替换的符号是像 2 或 4 这样的值，还是符号是运行级别对 [2,4]。

感谢您花时间阅读并帮助我。我阅读了许多论文并观看了许多 youtube 视频，这有助于我理解各个算法，但不能帮助我理解它们如何链接在一起以形成代码中的编码过程。

Answer 1

（这似乎更像 JPEG 而不是 MPEG-2 - 视频格式更多的是压缩帧之间的差异，而不仅仅是图像压缩）

如果您使用 RGB 而不是 YUV，您可能无法获得相同的压缩比和/或质量，但您可以根据需要这样做。与算法的其余部分相比，色彩空间转换几乎不是繁重的工作量。

通常在此类应用程序中，您会使用零，因为这是您会得到大量重复的元素（希望在每个块的末尾也有一个很好的数字，可以用单个标记值替换），而其他系数不是那么重复，但如果您期望其他值的重复，我猜是 YMMV。

是的，您可以将 RLE 对编码为霍夫曼编码中的单个符号。

Answer 2

1) 是的，您需要转换为 YUV...为了获得更高的压缩比，您需要利用人眼“忽略”显着色彩损失的能力。通常，您将保持 Y 平面的分辨率相同（可能也是 A 平面），但将 U 和 V 平面下采样 2x2。例如。如果你在做 640x480，Y 是 640x480，U 和 V 平面是 320x240。此外，您可以为 U/V 平面选择不同的量化。与 DCT 或 DFT 相比，这种转换的成本很小。

2) 你不必 RLE，你可以直接 Huffman 编码。