1. 程式人生 > >HEVC標準中的影象分割(1),slice,tile,CTU,CU,PU,TU等

HEVC標準中的影象分割(1),slice,tile,CTU,CU,PU,TU等

H.265的標準可以從網上免費下載。

        這裡寫一些我個人對HEVC(H.265)標準的解讀,難免有些錯誤,歡迎大家積極積極留言討論。

        影象分割,就是說一幀影象從幾何空間上在標準中是如何劃分的。

與h.264不同,265引入了tile的概念。

        首先,影象被分成slices和tiles。

        一個Slice包含一個slice segment或者以一個independent slice segment為首一系列的slice segments。

        Slice和tile都由一系列的coding tree units組成,簡稱CTU(相當於以前巨集塊的概念)。

        例子a1,如下圖中,影象被分成了兩個slice,第一個slice又分成了3個slice segments,其中第一個slice segment是一個包含4個coding tree units的independent slice segment。而第二個slice只有一個slice segment。


        例子a2,如下圖(a)中,影象被分成2個tiles,影象只有一個slice,包含一個independent slice segment和四個dependent slice segments。

        圖(b)中,影象也被分成了2個tiles,第一個tile有一個兩個slices,第二個有一個slice。


(a)


(b)

        Tiles異於slices的一點是,tiles必須為長方形。而且通過分析後續標準中關於語法元素的介紹,可以肯定,tiles的劃分必須滿足每一行的tiles有相同的高度,每一行的tiles有相同的寬度。

標準中給出了一下條件來約束slices和tiles的相互關係。

對於每個tiles和slices,以下條件至少滿足一條。

——一個Slice所有的coding tree units都屬於同一個tile。(注:本文中用條件a代指)

        ——一個tile所有的coding tree units都屬於同一個slice。(注:條件b)

對於每個tiles和slices segment,以下條件至少滿足一條。

——一個Slicesegment所有的coding treeunits都屬於同一個tile。

        ——一個tile所有的coding tree units都屬於同一個slice segment。

       這些條件顯得較為抽象,可以通過例子來具體分析。

        例子b1,如圖所示:每個小方塊為一個CTU, 影象分割為兩個slices,slice0(6x2)和slice1(6x4)。4個tiles,tile0(3x2),tile1(3x2),tile3(3x4)和tile4(3x4)。

                此影象滿足條件b,而不滿足條件a。所以此例符合標準。


         例子b2,如圖所示:影象分割為兩個tile,tile0(3x6),tile1(3x6)。4個slice,slice0(包含11個coding tree units),slice1(包含7個coding tree units),slice2(包含8個coding tree units)和slice3(包含10個coding tree units)。

                 此影象滿足條件a,而不滿足條件b。所以此例符合標準。


         例子b3,如圖所示:影象分割為兩個slices,slice0(6x3)和slice1(6x3)。兩個tiles,tile0(2x6)和tile1(4x6)。則條件a和條件b都不符合。所以不符合標準。


        前面提過tile的一些特質,下面詳細介紹。變數colWidth[ i]標明各個tile的寬度,單位為CTU。可由語法元素uniform_spacing_flag,num_tile_columns_minus1,column_width_minus1[ i ]和PicWidthInCtbsY計算得出。變數colBd[ i ]標明各個tile橫向的邊界,可由colWidth[ i ]計算得出。

        變數rowHeight [ j]標明各個tile的高度,單位是CTU。可由語法元素uniform_spacing_flag,num_tile_rows_minus1,row_height_minus1[ j ]和PicHeightInCtbsY計算得出。變數rowBd[ i ]標明各個tile橫向的邊界,可由rowHeight[ i ]計算得出。

        其中的關係可一目瞭然的從下圖看出。

       陣列CtbAddrRsToTs[ctbAddrRs ]將以CTB為單位的光柵掃描地址轉化為tile掃描地址。下圖中,左側為光柵掃描,右側為tile掃描。最小的方塊代表一個CTU,影象分成了4個tile。


為什麼要做這個轉化呢?因為在HEVC的碼流中,CTU編碼順序就是按照這個tile掃描地址遞增的。






相關推薦

HEVC標準影象分割(1),slice,tile,CTU,CU,PU,TU

H.265的標準可以從網上免費下載。         這裡寫一些我個人對HEVC(H.265)標準的解讀,難免有些錯誤,歡迎大家積極積極留言討論。         影象分割,就是說一幀影象從

影象分割評價標準 程式碼 (Image segmentation evaluation metrics code)1

影象分割評價標準 程式碼 (Image segmentation evaluation metrics code) 分享影象分割中用到的多種評價標準的程式碼,方便使用。若有問題還望各位提醒指正。 強烈建議參考如下兩篇文章 main function (輸入影

影象分割1

圖相分割(1) 引言 (1)基於閾值、 基於邊緣 基於閾值的分割 基於邊緣的分割 (2)基於區域、 基於圖論 基於區域的分割方法 區域生

dataset for semantic sgementation ,影象分割任務VOC的augment dataset 到底在哪?

      一、VOC12_AUG      大多數近期的論文都提到了,自己使用的是“we use augmented data with the annotation of XXX result in 10582 ,1449

【opencv影象分割教程】1 課程概述

課程大綱 1)概述-影象分割與摳圖 2)K-Means 方法 3)GMM方法 4)分水嶺演算法 5)GrabCut 其中: K-Means,GMM基於聚類 分水嶺:影象拓撲 GrabCut:基於互動方式 實戰案例 視訊背景替換,證件照背景替換

影象處理分割演算法】

    區域生長方法也是一種常用的區域分割技術,其基本思路是首先定義一個生長準則,然後在每個分割區域內尋找一個種子畫素,通過對影象進行掃描,依次在種子點周圍鄰域內尋找滿足生長準則的畫素並將其合併到種子所在的區域,然後再檢查該區域的全部相鄰點,並把滿足生長準則的點合併到該區域,

影象分割效能評價1

採用定量定量的方式計算分割結果影象的效能指標,並以此評價分割的效果,具有客觀、可重複等優點。 根據是否需要理想分割的參考結果影象,可將評價方法分為兩類: 無監督評價法。通

光照不均勻影象分割技巧1——分塊閾值

本文章由wikiwen撰寫,轉載請註明出處。 文章連結:http://blog.csdn.net/kk55guang2/article/details/78475414 作者:wikiwen 前言   在數字影象處理中,影象分割是很關鍵的一步,當影象質量較好,光照很均勻的時候

數字影象處理MATLAB實現(第2版)岡薩雷斯 書程式碼-2.1 intrans函式

持續更新。。。 function g = intrans(f, method,varargin) %INTRANS Performs intensity (gray-level) transformations. % G = INTRANS(F, 'n

數字影象處理常用影象分割演算法有哪些?

數字影象處理中常用影象分割演算法有哪些? 1.多數的影象分割演算法 2.影象邊緣分割 3.影象閾值分割 4.基於區域的分割 5.形態學分水嶺演算法 多數的影象分割演算法 均是基於灰度值的不連續和相似的性質。在前者中,演算法以灰度突變為基礎分割一幅影象,如影象邊緣分割

醫學影象分割常用的度量指標

接下來給大家介紹一下醫學影象中常用的幾個度量指標,主要參考MICCAI2007 - 首先定義以下識別符號: Vgt V g

硬聚類(HCM)和模糊聚類(FCM)在彩色影象分割的具體應用

      示例工程見:       一年前我寫過模糊聚類演算法(FCM)和硬聚類演算法(HCM)的VB6.0實現及其應用  一文,之後,有不少同仁向我詢問如何將這個演算法應用在彩色影象的分割上,鑑於影象資料的特殊性,這裡簡單的談談在影象中聚類演算法的需要注意一些細節。           C均值

影象語義分割(1)-FCN:用於語義分割的全卷積神經網路

論文地址:Fully Convolutional Networks for Semantic Segmentation [Long J , Shelhamer E , Darrell T . Fully Convolutional Networks for Semantic Segmen

深度對抗學習在影象分割和超解析度的應用

深度學習已經在影象分類、檢測、分割、高解析度影象生成等諸多領域取得了突破性的成績。但是它也存在一些問題。首先,它與傳統的機器學習方法一樣,通常假設訓練資料與測試資料服從同樣的分佈,或者是在訓練資料上的預測結果與在測試資料上的預測結果服從同樣的分佈。而實際上這兩者

CNN在基於弱監督學習的影象分割的應用

最近基於深度學習的影象分割技術一般依賴於卷積神經網路CNN的訓練,訓練過程中需要非常大量的標記影象,即一般要求訓練影象中都要有精確的分割結果。 對於影象分割而言,要得到大量的完整標記過的影象非常困難,比如在ImageNet資料集上,有1400萬張圖有類別標

HEVC的條帶(slice)與條帶片段(slice segment)

HEVC中提出了條帶與條帶片段兩個概念。 按照定義,條帶是由獨立條帶片段(independent slice segment)及其所附屬的非獨立條帶片段(dependent slice segment)(如果存在的話)構成的。編碼非獨立條帶片段時,條帶頭就只需標明其起始地址及其它非常少的必要資訊即可,其它

MPEG4標準的Advanced Simple Profile(ASP)完整的說明-04-1

第四章 解碼流程這一章對MPEG4 ASP的解碼流程作一個完整的介紹。首先給出解碼框圖,然後按照解碼的先後順序對每一個功能模組進行詳細的說明。4.1. 解碼框圖碼流解析運動向量解碼運動補償VLC IZZIACDC IQ IDCTVOP重建(ADD)重建VOP運動資料紋理資料圖4-1 MPEG4 ASP的解碼流

影象分割任務的尺度問題

在影象的目標檢測任務中,由於目標尺寸變化,需要在不同的尺寸下對目標進行檢測,從而演化出許許多多解決目標檢測任務中的尺度問題的方法,比如Fast-RCNN,及Faster-RCNN及後面的SSD,YOLO等網路。 那麼在場景解析任務中是否存在尺度問題呢?答案是肯定

影象處理專案程式碼合集,包括特徵提取-影象分割-分類-匹配-降噪等等

       這幾天在研究血管增強與分割,發現一個比較全面的影象處理方面的專案集合,裡面涵蓋了特徵提取、影象分割、影象分類、影象匹配、影象降噪,光流法等等方面的專案和程式碼集合,專案是2012年之前的,但是涵蓋比較基礎的原理知識,用到的時候可以參考一下: Topic

HEVC Slice&Tile and Bitstream Syntax

論文題目Efficient Stream-Reassembling for Video Conferencing Applications using Tiles inHEVC 翻譯論文中有關Slice&Tile  and Bitstream Syntax的部分,