PartitionMotionSearch()函数
2011-06-08 23:41
127 查看
![](http://hi.csdn.net/attachment/201106/8/0_1307547665Iucm.gif)
encode_one_macroblock()函数中的运动估计分为两大块,对于宏块级的三种模式,分块后直接对patition依次调用PartitionMotionSearch()函数;而对于亚宏块级的(含8x8, 8x4,4x8,4x4)模式,首先将宏块拆分为4个8×8子宏块,针对每个8×8子宏块调用PartitionMotionSearch()函数。
void
PartitionMotionSearch (int blocktype, //块模式
int block8x8, //当前partition在宏块的序号
double lambda) // λ
{
static int bx0[5][4] = {{0,0,0,0}, {0,0,0,0}, {0,0,0,0}, {0,2,0,0}, {0,2,0,2}};
static int by0[5][4] = {{0,0,0,0}, {0,0,0,0}, {0,2,0,0}, {0,0,0,0}, {0,0,2,2}}; //参见注释[1]
int **ref_array, ***mv_array; //参考帧列表和运动向量列表
int parttype = (blocktype<4?blocktype:4);
int step_h0 = (input->blc_size[ parttype][0]>>2);
int step_v0 = (input->blc_size[ parttype][1]>>2);
//partition的尺寸,用于决定block的边界,对非P8×8模式无意义。
int step_h = (input->blc_size[blocktype][0]>>2); //子块的尺寸
int step_v = (input->blc_size[blocktype][1]>>2);
int v, h; // BlockMotionSearch()函数要处理的子块在当前宏块中的相对块坐标
//以上尺寸全部以4×4block为单位
numlists=bslice?2:1;
for (list=0; list
{
for (ref=0; ref < listXsize[list+list_offset]; ref++)
{
ref_array = enc_picture->ref_idx[list];
mv_array = enc_picture->mv[list];
//遍历partition中的每一个
for (v=by0[parttype][block8x8]; v {
pic_block_y = img->block_y + v;// 当前子块在图像中的块坐标=当前宏块的块坐标+当前子块在宏块中的相对块坐标
for (h=bx0[parttype][block8x8]; h {
pic_block_x = img->block_x + h; // 当前子块在图像中的块坐标=当前宏块的块坐标+当前子块在宏块中的相对块坐标
mcost = BlockMotionSearch (ref, list, h<<2, v<<2, blocktype, search_range, lambda); //对当前子块作运动向量搜索
motion_cost[blocktype][list][ref][block8x8] += mcost; //保存代价值
for (j=0; j
for (i=0; i
{
mv_array [pic_block_x+i][pic_block_y+j][0] = img->all_mv[h][v][list][ref][blocktype][0];
mv_array [pic_block_x+i][pic_block_y+j][1] = img->all_mv[h][v][list][ref][blocktype][1];
//以4×4block为单位保存运动向量
ref_array [pic_block_x+i][pic_block_y+j] = ref;
//保存参考帧序号
}
}
}
}
}
}
[1] static int bx0[5][4] = {{0,0,0,0}, {0,0,0,0}, {0,0,0,0}, {0,2,0,0}, {0,2,0,2}};
static int by0[5][4] = {{0,0,0,0}, {0,0,0,0}, {0,2,0,0}, {0,0,0,0}, {0,0,2,2}};
这里的bx0, by0两个数组分别对应了SKIP模式,16×16,16×8,8×16,P8×8这四种模式的横坐标和纵坐标。举两个例子
如图所示的16×16宏块,首先划分为4个8×8子块(因为PartitionMotionSearch()函数处理的最小块的尺寸为8×8),以4×4block为单位设定坐标,图上已标出4个8×8子块左上角的块坐标。SKIP模式实际上并不牵涉到这个函数,因此坐标全部置零;16×16模式只有第一个坐标起作用,后三个置零;16×8只有前两个有意义,标出两个partition的左上角坐标,如图标出了(0,0),(0,2),对照bx0, by0可以看到相应坐标值;最多子块情况为4个8×8,即最后一组坐标。
相关文章推荐
- PartitionMotionSearch()函数解析
- PartitionMotionSearch()函数解析
- 宏块的分块模式及函数PartitionMotionSearch
- A problem in function PartitionMotionSearch()
- PartitionMotionSearch()
- Oracle OVER(PARTITION BY)函数
- row_number() OVER(PARTITION BY)函数介绍
- 快速排序里面的Partition函数
- OVER(PARTITION BY)函数用法
- OVER(PARTITION BY)函数介绍
- python学习:python中的正则表达式函数match和search()的区别
- python中,有关正则表达式re函数:compile、match、search、findall
- x264_me_search_ref函数分析
- OVER(PARTITION BY)函数介绍
- regex_search()和getline(cin,str)函数,以及对其中正则表达式的解释
- row_number() OVER(PARTITION BY)函数介绍
- 3.2.5.3 search()函数和match()函数区别
- OVER(PARTITION BY)函数用法
- Oracle 分析函数row_number() over (partition by order by ) 的 Mysql的替代方法
- Python正则表达式中的 compile,search,group,groups 函数的简单说明