Ks Home

马上就要毕业了，写这篇文章的主要目的是为了纪念去年学习研究jsvm的那段时光。其中回头想想发现硕士研究生阶段好好学习的日子还真的不多：第一学期上上课就过去了，第二学期开始好好学习视频编码，第三学期忙碌着找工作，到第四学期就开始写论文搞答辩盼毕业。哎，原来自己两年来脚踏实地好好学习的时间才那么几个月……每每想到这些，心里还是忍不住要感谢实验室给我这样一个紧张的学习平台，avs会议3个月一次，每次都像打仗时的慌着做提案。虽然很累，那段日子天天晚上加班，也不记得暗地里骂了多少次，但是回头想想，不是那样一种环境，那样一种压力，自己如今可能仍然是一无所获。

以后可能不会再继续做视频压缩方面的东东了，所以在对jsvm、jm、rm、sm等暂时告别之际，不舍之情还是有一些的，平时学习的资料可能到最后压个盘，也不会再拿出来好好的研究学习了，在ksarea里面放着或许还会偶尔翻翻。不管怎样，相信这段学习的经历永远是偶一笔不小的财富。

本人学习jsvm的时间不长，但是感触还是有一些的。在正式看jsvm代码之前，做了一段时间的理论学习工作，当然主要是针对可伸缩视频编码技术。在后期看代码的时候，才发觉得前段时间的理论学习是很重要的。看jsvm的速度完全取决于你对可伸缩编码技术的了解程度和对c++编程的熟练程度，当然，后者相对而言次要些，但是如果你要在jsvm上做一定修改的话，那么后者就显得相当重要了。

下面本人就自己对jsvm的认识做一个简单的介绍。由于当时看jsvm代码也不到1个月，所以认识很浅，文字也不够深入或许还存在一些认识上的错误，但本人的初衷是好的，希望能对读者有个抛砖引玉的作用吧，呵呵。

Jsvm里面工程很多，主要包括：编码、解码、采样、码流截取等等。在此主要面向编码部分。

• 首先从编码的配置文件说起吧，包括encoder.cfg 和 layer-i.cfg 。encoder.cfg 里面主要设置的是：输出文件名、待编码的帧数、帧率、质量增强层使用何种粒度大小、运动补偿参考帧是否采用增强层、GOP大小、I帧插入间隔、参考帧数目、基本层编码模式和运动搜索、环路滤波、空域增强层相关的配置情况等等，而layer-i.cfg主要是对空域可伸缩而言，layer0就是基本层了，其他的是逐步递增的空域增强层。其实在配置文件中，对时域、空域和质量都有设置，只是空域可伸缩的设置参数是单独拿出来的，而时域和质量的主要在encoder里面（时域->MCTF）。在layer-i.cfg中，就和普通的sm及jm的配置差不多了，基本上就是此层的输入文件大小、输入文件名、重建文件名、输入输出帧率、QP之类的，不同的是多了：NumFGSLayers、FGSMotion、InterLayerPred和BaseQuality，分别表示细粒度可伸缩层（即质量增强层）的层数、是否在FGS层中的改善运动矢量、本层是否采用向下的层间预测、本层基本质量层的质量级别（貌似是针对质量分层而言）。

• 然后再说说编码器里几个主要的类的定义：

在InputPicBuffer.h头文件中定义了class InputAccessUnit和class InputPicBuffer。

在SequenceStructure.h头文件中定义了class FrameSpec、class FormattedStringParser 和class SequenceStructure

其中，class SequenceStructure主要包括：

{

private:

定义自己的成员变量。。。。

定义class FrameDescriptor {}

定义class SequencePart {}

定义class FrameSequencePart : public SequencePart {}

其中FrameSequencePart公有继承于SequencePart，又自己增添了一些私有成员变量：

Bool m_bInit;

FrameDescriptor* m_pacFrameDescriptor;

UInt m_uiNumberOfFrames;

UInt m_uiCurrentFrame;

UInt m_uiNumberOfRepetitions;

UInt m_uiCurrentRepetition;

UInt m_uiMinDPBSizeRef;

UInt m_uiMinDPBSizeNonRef; 和一些公有成员函数。

定义class GeneralSequencePart : public SequencePart

其中GeneralSequencePart公有继承于SequencePart，又自己增添了一些私有成员变量：

Bool m_bInit;

SequencePart** m_papcSequencePart;

UInt m_uiNumberOfParts;

UInt m_uiCurrentPart;

UInt m_uiNumberOfRepetitions;

UInt m_uiCurrentRepetition;

UInt m_uiMinDPBSizeRef;

UInt m_uiMinDPBSizeNonRef; 和一些公有成员函数。

}

在GOPEncoder.h头文件中定义了class AccessUnit、class AccessUnitList、class MCTFEncoder和class PicOutputData ，其中class PicOutputData是模板类MyList的一个实例化对象：

typedef MyList<PicOutputData> PicOutputDataList;

在 h264AVCommonIf.h 中，定义模板类MyList，公共继承于std的list类。MyList中有popBack popFront pushBack pushFront find 函数及重载了+=操作符。

template< class T >

class MyList : public std::list< T >

{

public:

typedef typename std::list<T>::iterator MyIterator;

MyList& operator += ( const MyList& rcMyList)

{

   if ( ! rcMyList.empty() )

   { insert( this->end(), rcMyList.begin(), rcMyList.end());}

   return *this;

}

T popBack()

   { T cT = this->back(); this->pop_back(); return cT; }

T popFront()

   { T cT = this->front(); this->pop_front(); return cT; }

Void pushBack( const T& rcT )

   { if( sizeof(T) == 4) { if( rcT != NULL ){ push_back( rcT);} } }

Void pushFront( const T& rcT )

   { if( sizeof(T) == 4) { if( rcT != NULL ){ push_front( rcT);} } }

MyIterator find( const T& rcT )

   { return std::find( this->begin(), this->end(), rcT ); }

};

这个模板类通用于整个编解码过程当中，通过用不同类实例化此模板，从而可以得到编解码过程中所需要的所有列表。比如：参考帧列表、输入/输出列表、质量分层列表、及SEI信息列表等等。在这里：typedef MyList<PicOutputData> PicOutputDataList; 是定义了图像输出数据的链表。

在PicEncoder.h头文件中定义了class PicEncoder ；

在SliceEncoder.h头文件中定义了class SliceEncoder；

在MbCoder.h头文件中定义了class MbCoder；

在MBEncoder.h头文件中定义了class MbEncoder

class MbEncoder : protected MbCoder , public UvlcWriter , protected BitCounter

MbEncoder 保护继承于MbCoder，MbCoder的public 和protected成员都是MbEncoder的保护成员；MbEncoder 公共继承于UvlcWriter，UvlcWriter的public 和protected成员分别是MbEncoder的公共成员和保护成员；MbEncoder 保护继承于BitCounter，BitCounter的public 和protected成员都是MbEncoder的保护成员；

在CodingParameter.h头文件中定义了class CodingParameter、class EncoderConfigLineBase、class LayerParameters、class SampleWeightingParams 和class CodingParameter。

当然，jsvm里面的类是相当的多的，这里只是提出一部分比较重要的类拿出来说说。

• 接下来说说JSVM编码器的一些主要函数

Main函数：  （ H264AVCEncoderLibTest.cpp ）

主要部分是H264AVCEncoderTest 类对象指针pcH264AVCEncoderTest所指的go ()函数，在 H264AVCEncoderTest .cpp有函数原型。

Go函数 主要分为8部分：

1. 初始化

2. 写参数信息

3. 进入layer循环，输入必要的参数信息：

for( uiLayer = 0; uiLayer < uiNumLayers; uiLayer++ )

4. 开始一个帧一个帧的编码：

for( uiFrame = 0; uiFrame < uiMaxFrame; uiFrame++ )

{

    4-1 编码每一个帧时，layer循环 获取缓存存储图像，并且读入每个layer的帧信息：

    for( uiLayer = 0; uiLayer < uiNumLayers; uiLayer++ )

    {  m_apcReadYuv[uiLayer]->readFrame（。。。。。） }

    4-2 开始编码：m_pcH264AVCEncoder->process（。。。。。。）

    4-3 写每一帧编码后的传输单元NAL unit，并且释放临时缓存；

    4-4 写每一帧编码后的重建图像，并且释放临时缓存；

}

5. 结束编码

6. 写所有帧编码后的传输单元NAL unit，并且释放临时缓存

7. 写所有帧编码后的重建图像，并且释放临时缓存

8. 计算输出显示的参数信息，比如psnr值等等。

Process 函数，主要分为：  （PicEncoder.cpp）

===== fill lists =====

for( UInt uiLayer = 0; uiLayer <= uiHighestLayer; uiLayer++ )

判断编码模式，如果是AVC模式的话：（是否是AVC模式由编码配置文件encoder.cfg中的BaseLayerMode 项值决定）

则运行函数：m_pcPicEncoder ->process //见下面PicEncoder::process函数

否则：

运行函数m_pcH264AVCEncoder->process //见下面H264AVCEncoder::process函数

PicEncoder::process函数： （PicEncoder.cpp）

1. 输入图片信息

2. 编码图片头信息等

3. 得到下一帧

4. 初始化图像

5. 编码

6. 存储图像

H264AVCEncoder::process函数： （H264AVCEncoder.cpp）

1. 输入当前GOP信息

2. 编码当前GOP （运行函数：xProcessGOP）

3. 更新图像列表

xProcessGOP( apcPicBufferOutputList, apcPicBufferUnusedList )函数：（H264AVCEncoder.cpp）

1. 初始化GOP

2. 在GOP范围内获取每一层的可获得的信息单元，并且编码：

for( uiAUIndex = 0; uiAUIndex <= 64; uiAUIndex++ )

{

    for( uiLayer = 0;

           uiLayer < m_pcCodingParameter->getNumberOfLayers(); uiLayer ++ )

    { m_apcMCTFEncoder[uiLayer]->process（。。。。） 。。。。}

}

3. 更新图像缓存列表

for( uiLayer = 0; uiLayer < m_pcCodingParameter->getNumberOfLayers(); uiLayer++ )

{

    //—– set output list —–

    //—– update unused list —–

    //—– reset lists —–

}

MCTFEncoder::process函数： （GOPEncoder.cpp）

1. 初始化相关参数

2. 更新更高层图像（我认为：在编码一个GOP，特别是使用FGS技术时，为了提高编码效率，编码帧有时是需要参考已编码帧的高质量重建图像的，那么就需要在编码之前，整理好已编码重建帧的高质量图像，即需要更新更高层图像）

3. 编码此GOP内的anchor帧（即判断此帧是否是anchor帧，若是，则进入；若不是则进入4步骤），其中最主要的是xEncodeKeyPicture函数（后续介绍）

4. 编码此GOP内的非anchor帧，其中最主要的是xEncodeNonKeyPicture函数（后续介绍）

5. 结束GOP编码

在MCTFEncoder::xEncodeKeyPicture和MCTFEncoder::xEncodeNonKeyPicture函数中（GOPEncoder.cpp）比较主要的是xEncodeLowPassSignal、xEncodeHighPassSignal、xEncodeFGSLayer等函数。这些函数都是GOP层面的，至于其中的具体过程就不再一一的描述了。

在jsvm里面，虽然编码过程很复杂（因为可伸缩的算法本身就比较复杂），但是最底层的MB结构还是和普通的单层编码结构一样的，序列－－＞GOP－－＞frame－－＞slice－－＞Mb。只是在编码的过程中分了很多种情况，首先编一个frame时，除了考虑它是哪种类型（I/P/B）的帧外，还要考虑它在时域中（即GOP内）的位置情况：看它是不是anchor帧（GOP内第一个anchor帧应该是I帧，那么不参考其他帧编码，而第二个anchor帧可以是P帧或I帧，若是P帧，则要参考本GOP内前面anchor帧的重建图像），若不是anchor帧，则参考帧也必须在此GOP以内，为的是防止误差传递（这个属于参考帧管理的内容）；除了考虑时域外，还要同时考虑此帧是属于哪个空域层的，编码Mb时看是否需要做层间预测（此处说的层间预测包括-宏块划分方式层间预测、运动矢量层间预测和编码残差层间预测等）；最后还要考虑质量可伸缩问题（即FGS，这块本人不了解，所以就不深入了）。

• 另外，对于jsvm编码后的码流大小和普通的jm码流大小基本对比如下：

    （前提条件是 参数设置基本相同）

① svc码流 (cif +qcif)

② 单层的 h264码流 (cif)

③ h264的simulcast (cif+qcif)

通常是： ① * 1.3 ≈ ③   ；   ② * 1.1 ≈①    ；   ② * 1.43 ≈③

先写到此为止吧，写了这么多，真够累的。

本文应该尚未结束，我想。 呵呵， 待日后更新吧。

Tags: jsvm