巧用多內核處理器的并行編程功能實現視頻代碼轉換
加入技術交流群
支持高清視頻點播要求高性能的代碼轉換。RapidMind公司開發(fā)的軟件開發(fā)平臺利用統(tǒng)一的并行編程模型充分發(fā)揮各種多內核處理器的性能。通過在RapidMind平臺上建立代碼轉換器，應用程序如今能運行在多種處理器上，包括CPU、GPU和Cell BE，并且還能通過擴展適應未來多內核(和眾內核)處理器環(huán)境。
代碼轉換器自然需要支持各種視頻壓縮格式。然而，許多格式在實現它們所需的運算類型方面有很多相似性。另外，編碼器通常要比解碼器貴得多。一般一種視頻標準僅規(guī)定了壓縮數據流中存儲什么類型的數據以及解碼器該怎樣譯碼，并不規(guī)定編碼器如何從原始輸入數據流中提取需要的信息。
通常一種壓縮視頻格式不僅要求實現對單幀的壓縮，而且要求使用視頻序列中的相鄰幀實現對中間幀的預測。為了能從傳輸產生的任何錯誤中恢復數據，并允許用戶從視頻序列中間位置開始解壓縮，有些幀是在不參考其它幀的情況下進行壓縮的。
單幀壓縮
單幀壓縮有點類似于普通的圖像壓縮，通常包含了到不同基礎幀的轉換，如使用不同頻率和方向的余弦變換(離散余弦變換或DCT)，或小波變換。這種轉換通常作用于塊，并且從數學上可精簡到塊中像素上的一組點積(雖然一些基本函數允許理論上更快的因數分解)。轉換后的系數再經過量化刪除那些對圖像可視無用的信息，形成一幅近似的圖像，最后使用編碼器編碼去除數據中任何殘留的冗余性。
上述轉換的目的不僅是通過將圖像中的能量集中為更小的一組數字而使代碼器變得更有效率，而且允許量化器顯著地去除感知上不那么重要的信息。例如，DCT就會對圖像的高頻和低頻成分進行分析。由于人眼對高頻時的量化誤差不甚敏感，因此這些頻率的量化可以粗放一些。另外，在上述壓縮步驟之前通常先要從亮度中分離出色度(顏色)和將色度欠采樣到較低分辨率，因為人眼對亮度邊緣較敏感，但對色度邊緣不太敏感。
一些較復雜的壓縮格式還支持根據空間相鄰的塊對一些圖像塊作出預測。選擇哪個塊用于預測極具挑戰(zhàn)性，而且支持解碼器中的必要排序在并行系統(tǒng)中也相當復雜。然而，如果塊的內容能夠被準確預測，那么對該塊壓縮時只需編碼預測值和實際值之間的(少量)差異。
如此詳細地介紹單幀圖像壓縮的原因是，實際上作為編碼過程的一部分，無論是塊還是單幀壓縮/解壓縮都有必要。特別是中間幀(數據流中的大部分幀)估計，它是通過融合和混合數據流前后發(fā)生的幀、然后從輸入數據中減去這個融合后的幀、最后壓縮差異圖像(一般使用類似于單幀編碼器的編碼器)實現的。對這種融合的估計被稱為運動估計，是編碼過程中運算量最大的步驟之一。
然而在解碼器中，原始的源數據幀是沒有的，只有解壓縮后的幀。因此，這種融合要求圖像能在解碼器之前還原。因此它們不僅必須在編碼器中壓縮，而且需要被解壓縮。這種對前面壓縮的數據進行解壓縮的需求將導致數據的依賴性，并影響到在具有不同存儲器系統(tǒng)的處理器之間如何并行使用和分配編碼器。
視頻序列中的圖像組(GOP)中的一些幀(I，幀內編碼幀)使用單幀壓縮算法進行編碼，但基于運動估計的幀間預測被用來改進幀內幀間(雙向預測編碼幀B，前向預測編碼幀P)的壓縮。只有預測幀和實際幀之間的差異值需要被壓縮。由于B幀和P幀是根據I幀的解壓縮版本預測出來的，因此有必要作為編碼過程的一部分對I幀進行壓縮和解壓縮。
評論