pd_process.c 文件源码分析

一 pd_process.c 是SVT-AV1编码器中的Picture Decision处理模块,主要功能包括

核心功能

1 图片决策上下文管理,创建和管理PD处理所需要的数据结构

--创建和销毁Picture Decision上下文

--管理图片决策过程中的各种数据结构和缓冲区

2 场景转换检测:使用直方图差异检测场景切换和突然变化

--检测视频序列中的场景切换

--检测突然变化(如闪光灯效果)

--使用直方图差异(AHD - Average Historgram Difference)进行检测

3 参考图片集管理:填充,统计信息收集等

--生成的管理参考图片集信息

--设置参考图片列表List0和List1

--处理参考图片的POC Picture Order Count 和显示顺序

4 图片预处理:填充,统计信息收集等

--图片填充(padding)到SuperBlock尺寸的倍数

--图片填充到最小块尺寸的倍数

--图片统计信息收集

5 Mini GOP管理:管理图片组的结构和配置

--管理Mini GOP的结构和配置

--处理Mini GOP内的图片顺序和依赖关系

--评估Mini GOP的活动度(Activity)

6 时域滤波处理:管理时域滤波相关的图片缓冲区

--管理时域滤波相关的图片缓冲区

--处理低延迟模式下的时域滤波

--多级时域滤波 MCTF

7 预测结构设置:根据配置设置预测结构

--根据编码配置设置预测结构

--支持多种预测结构:Flat, Hierarchical等

--设置关键帧 Key Frame, 和S帧 S-Frame

8 图片决策主循环:处理图片并发送到后续模块

--处理来自Picture Analysis的结果

--为每个图片设置编码参数

--将处理后的图片发送到后续处理阶段ME,TF等

9 屏幕内容检测

--检测输入内容是否为屏幕内容,Screen Content

-- 平米内容需要特殊的编码策略

10 自适应量化 Adaptive Quantization

-- 初始化循环刷新 Cycle Refresh

-- 管理AQ相关的参数

在编码流程中的位置

输入:来自Picture Analysis Porcess的结果

输出:发送到Motion Estimation和Temporal Filtering模块

关键数据结构

-PictureDecisionContext: 图片决策上下文,包含所有决策相关的状态信息

PictureParentControlSet: 图片父控制集,包含图片的所有编码参数

SequenceControlSet 序列控制集,包含序列级别的配置。

与其他模块的关系

输入:来自Picture Analysis Process的结果

输出:发送到Motion Estimation 和Temporal Filterting 模块

处理流程:

1 接收Picture Analysis 的结果

2 进行场景转换检测

3 设置预测结构和参考图片集

4 进行图片预处理和统计信息收集

5 管理Mini GOP结构

6 设置图片编码参数

7 发送到后续处理阶段

性能优化:

使用多线程处理

支持低延迟模式

支持多级时域滤波

支持自适应量化

/*

Defines 定义常量

层级偏移量定义,用于预测结构中的层级索引

这些偏移用于在分层预测结构中定位不同层级的图片

函数名:calc_ahd

功能:计算平均直方图差异,Average Histogram Difference, AHD

该函数用于场景转换检测,通过比较当前图片和参考图片的直方图差异来判断

场景是否发生变化,AHD值越大,表示两帧之间的差异越大

参数:

scs 序列控制集,包含序列级别的配置信息

input_pcs 输入图片的控制集,当前要分析的图片

ref_pcs: 参考图片的控制集,用于比较的参考图片

active_region_cnt 输出参数,统计活跃区域的数量。

ahd 计算得到的平均直方图差异值

算法说明:

1 将图片成多个区域

2 对每个区域,计算其直方图与参考图片对应区域直方图的差异

3 累加所有区域的差异值得到总的AHD

4 如果某个区域的差异超过阈值,则将其标记为活跃区域

*/

static uint32_t calc_ahd(

SequenceControlSet *scs, #序列控制集指针

PictureParentControlSet *input_pcs, #输入图片控制集指针

PictureParentControlSet *ref_pcs, #参考图片控制集指针

uint8_t *active_region_cnt #活跃区域计数指针

)

{

uint32_t ahd = 0;//初始化AHD值为0,用于累加所有区域的直方图差异

//计算每个区域的宽度和高度

//区域宽度 = 图片宽度 / 水平方向区域数量

uint32_t region_width = ref_pcs->enhance_pic->width / scs->picture_analysis_number_of_regions_per_width;

//区域高度 = 图片高度 / 垂直方向区域数量

uint32_t region_height = ref_pcs->enhance_pic->height / scs->picture_analysis_number_of_regions_per_height;

//遍历图片中的所有区域

//外层循环,遍历水平方向的所有区域

for (int i = 0; i<width;i++)

for (int j = 0; j<height; j++) {

uint32_t ahd_per_region = 0;

for (int bin = 0; bin < 255; bin++) {

//计算当前区域在指定bin上的直方图差异

//取绝对值,累加到当前区域的AHD值中

ahd_per_region += ABS((int32_t)input_pcs ->picture_histogram[region_in_picture_width_index][region_in_picture_height_index][bin] - (int32_t)ref_pcs ->picture_histogram[region_in_picture_width_index][region_in_picture_height_index][bin]);

}

ahd += ahd_per_region;//将当前区域的AHD值累加到总AHD值中

//如果当前区域的AHD值超过阈值,区域面积,则认为是活跃区域

//活跃区域表示该区域发生了显著变化

if (ahd_per_region > (region_width * region_height))

(*active_region_cnt)++; //增加活跃区域计算

}

}

return ahd; //返回计算得到总的ahd值

}

相关推荐
qianshang2332 小时前
SQL注入学习总结
网络·数据库·渗透
what丶k3 小时前
深入解析Redis数据持久化:RBD机制原理、实操与生产最佳实践
数据库·redis·缓存
瀚高PG实验室3 小时前
通过数据库日志获取数据库中的慢SQL
数据库·sql·瀚高数据库
小魏每天都学习3 小时前
【算法——c/c++]
c语言·c++·算法
Hgfdsaqwr3 小时前
Python在2024年的主要趋势与发展方向
jvm·数据库·python
invicinble4 小时前
对于Mysql深入理解
数据库·mysql
智码未来学堂4 小时前
探秘 C 语言算法之枚举:解锁解题新思路
c语言·数据结构·算法
阳光九叶草LXGZXJ4 小时前
达梦数据库-学习-47-DmDrs控制台命令(LSN、启停、装载)
linux·运维·数据库·sql·学习
Hgfdsaqwr4 小时前
掌握Python魔法方法(Magic Methods)
jvm·数据库·python
s1hiyu5 小时前
使用Scrapy框架构建分布式爬虫
jvm·数据库·python