HM10.0中calcSaoStatsCuOrg的解析

深入探讨编码器Sample Adaptive Offset (SAO)中的calcSaoStatsCuOrg函数,详细分析其如何在不跨越切片边界的情况下计算当前LCU的SAO统计数据。


rdoSaoUnitAll 中的 calcSaoStatsCu()

简单分析一下calcSaoStatsCuOrg这个函数

if(!m_bUseNIF)//!< true for performing non-cross slice boundary ALF
  {
    calcSaoStatsCuOrg( iAddr, iPartIdx, iYCbCr);
  }



/** Calculate SAO statistics for current LCU without non-crossing slice
 * \param  iAddr,  iPartIdx,  iYCbCr
 */
Void TEncSampleAdaptiveOffset::calcSaoStatsCuOrg(Int iAddr, Int iPartIdx, Int iYCbCr)
{
  Int x,y;
  TComDataCU *pTmpCu = m_pcPic->getCU(iAddr);
  TComSPS *pTmpSPS =  m_pcPic->getSlice(0)->getSPS();

  Pel* pOrg;
  Pel* pRec;
  Int iStride;
  Int iLcuHeight = pTmpSPS->getMaxCUHeight();
  Int iLcuWidth  = pTmpSPS->getMaxCUWidth();
  UInt uiLPelX   = pTmpCu->getCUPelX();
  UInt uiTPelY   = pTmpCu->getCUPelY();
  UInt uiRPelX;
  UInt uiBPelY;
  Int64* iStats;
  Int64* iCount;
  Int iClassIdx;
  Int iPicWidthTmp;
  Int iPicHeightTmp;
  Int iStartX;
  Int iStartY;
  Int iEndX;
  Int iEndY;
  Pel* pTableBo = (iYCbCr==0)?m_lumaTableBo:m_chromaTableBo;

  Int iIsChroma = (iYCbCr!=0)? 1:0;
  Int numSkipLine = iIsChroma? 2:4;
  if (m_saoLcuBasedOptimization == 0)
  {
    numSkipLine = 0;
  }

  Int numSkipLineRight = iIsChroma? 3:5;
  if (m_saoLcuBasedOptimization == 0)
  {
    numSkipLineRight = 0;
  }

  iPicWidthTmp  = m_iPicWidth  >> iIsChroma;
  iPicHeightTmp = m_iPicHeight >> iIsChroma;
  iLcuWidth     = iLcuWidth    >> iIsChroma;
  iLcuHeight    = iLcuHeight   >> iIsChroma;
  uiLPelX       = uiLPelX      >> iIsChroma;
  uiTPelY       = uiTPelY      >> iIsChroma;
  uiRPelX       = uiLPelX + iLcuWidth  ;
  uiBPelY       = uiTPelY + iLcuHeight ;
  uiRPelX       = uiRPelX > iPicWidthTmp  ? iPicWidthTmp  : uiRPelX;
  uiBPelY       = uiBPelY > iPicHeightTmp ? iPicHeightTmp : uiBPelY;
  iLcuWidth     = uiRPelX - uiLPelX;
  iLcuHeight    = uiBPelY - uiTPelY;

  iStride    =  (iYCbCr == 0)? m_pcPic->getStride(): m_pcPic->getCStride();

//if(iSaoType == BO_0 || iSaoType == BO_1)
  {
    if( m_saoLcuBasedOptimization && m_saoLcuBoundary )
    {
      numSkipLine = iIsChroma? 1:3;
      numSkipLineRight = iIsChroma? 2:4;
    }
    iStats = m_iOffsetOrg[iPartIdx][SAO_BO];
    iCount = m_iCount    [iPartIdx][SAO_BO];

    pOrg = getPicYuvAddr(m_pcPic->getPicYuvOrg(), iYCbCr, iAddr);
    pRec = getPicYuvAddr(m_pcPic->getPicYuvRec(), iYCbCr, iAddr);

    iEndX   = (uiRPelX == iPicWidthTmp) ? iLcuWidth : iLcuWidth-numSkipLineRight;
    iEndY   = (uiBPelY == iPicHeightTmp) ? iLcuHeight : iLcuHeight-numSkipLine;
    for (y=0; y<iEndY; y++)
    {
      for (x=0; x<iEndX; x++)
      {
        iClassIdx = pTableBo[pRec[x]];//pTableBo[256],iClassIdx就是1~32中的一种,就是band类型,
        if (iClassIdx)
        {
          iStats[iClassIdx] += (pOrg[x] - pRec[x]); //iStats统计org和rec的偏差总和,iStats = m_iOffsetOrg[iPartIdx][SAO_BO]
          iCount[iClassIdx] ++;//iCount = m_iCount    [iPartIdx][SAO_BO]; iCount统计iClassIdx的个数
        }
      }
      pOrg += iStride;
      pRec += iStride;
    }

  }
  Int iSignLeft;
  Int iSignRight;
  Int iSignDown;
  Int iSignDown1;
  Int iSignDown2;

  UInt uiEdgeType;

//if (iSaoType == EO_0  || iSaoType == EO_1 || iSaoType == EO_2 || iSaoType == EO_3)
  {//E0 水平比较
  //if (iSaoType == EO_0)
    {
      if( m_saoLcuBasedOptimization && m_saoLcuBoundary )
      {
        numSkipLine = iIsChroma? 1:3;
        numSkipLineRight = iIsChroma? 3:5;
      }
      iStats = m_iOffsetOrg[iPartIdx][SAO_EO_0];
      iCount = m_iCount    [iPartIdx][SAO_EO_0];

      pOrg = getPicYuvAddr(m_pcPic->getPicYuvOrg(), iYCbCr, iAddr);
      pRec = getPicYuvAddr(m_pcPic->getPicYuvRec(), iYCbCr, iAddr);

      iStartX = (uiLPelX == 0) ? 1 : 0;//如果当前像素是第0列,它左边没有像素了,就令iStartX = 1
	  //如果当前块的最后像素等于图像宽度,意味着没有右边像素,就令iEndX = 63,
      iEndX   = (uiRPelX == iPicWidthTmp) ? iLcuWidth-1 : iLcuWidth-numSkipLineRight;
      for (y=0; y<iLcuHeight-numSkipLine; y++)
      {
        iSignLeft = xSign(pRec[iStartX] - pRec[iStartX-1]);
        for (x=iStartX; x< iEndX; x++)
        {
          iSignRight =  xSign(pRec[x] - pRec[x+1]); 
          uiEdgeType =  iSignRight + iSignLeft + 2;
          iSignLeft  = -iSignRight;//好巧妙啊,这样就可以少算了。
		  //m_auiEoTable[uiEdgeType]映射EO类型,将好计算的结果映射到规范中对于的类型
          iStats[m_auiEoTable[uiEdgeType]] += (pOrg[x] - pRec[x]);
          iCount[m_auiEoTable[uiEdgeType]] ++;
        }
        pOrg += iStride;
        pRec += iStride;
      }
    }

  //if (iSaoType == EO_1)
    {//垂直类型
      if( m_saoLcuBasedOptimization && m_saoLcuBoundary )
      {
        numSkipLine = iIsChroma? 2:4;
        numSkipLineRight = iIsChroma? 2:4;
      }
      iStats = m_iOffsetOrg[iPartIdx][SAO_EO_1];
      iCount = m_iCount    [iPartIdx][SAO_EO_1];

      pOrg = getPicYuvAddr(m_pcPic->getPicYuvOrg(), iYCbCr, iAddr);
      pRec = getPicYuvAddr(m_pcPic->getPicYuvRec(), iYCbCr, iAddr);

      iStartY = (uiTPelY == 0) ? 1 : 0;
      iEndX   = (uiRPelX == iPicWidthTmp) ? iLcuWidth : iLcuWidth-numSkipLineRight;
      iEndY   = (uiBPelY == iPicHeightTmp) ? iLcuHeight-1 : iLcuHeight-numSkipLine;
      if (uiTPelY == 0)
      {
        pOrg += iStride;
        pRec += iStride;
      }

      for (x=0; x< iLcuWidth; x++)
      {
        m_iUpBuff1[x] = xSign(pRec[x] - pRec[x-iStride]);
      }
      for (y=iStartY; y<iEndY; y++)
      {
        for (x=0; x<iEndX; x++)
        {
          iSignDown     =  xSign(pRec[x] - pRec[x+iStride]); 
          uiEdgeType    =  iSignDown + m_iUpBuff1[x] + 2;
          m_iUpBuff1[x] = -iSignDown;

          iStats[m_auiEoTable[uiEdgeType]] += (pOrg[x] - pRec[x]);
          iCount[m_auiEoTable[uiEdgeType]] ++;
        }
        pOrg += iStride;
        pRec += iStride;
      }
    }
  //if (iSaoType == EO_2)
    {//45°
      if( m_saoLcuBasedOptimization && m_saoLcuBoundary )
      {
        numSkipLine = iIsChroma? 2:4;
        numSkipLineRight = iIsChroma? 3:5;
      }
      iStats = m_iOffsetOrg[iPartIdx][SAO_EO_2];
      iCount = m_iCount    [iPartIdx][SAO_EO_2];

      pOrg = getPicYuvAddr(m_pcPic->getPicYuvOrg(), iYCbCr, iAddr);
      pRec = getPicYuvAddr(m_pcPic->getPicYuvRec(), iYCbCr, iAddr);

      iStartX = (uiLPelX == 0) ? 1 : 0;
      iEndX   = (uiRPelX == iPicWidthTmp) ? iLcuWidth-1 : iLcuWidth-numSkipLineRight;

      iStartY = (uiTPelY == 0) ? 1 : 0;
      iEndY   = (uiBPelY == iPicHeightTmp) ? iLcuHeight-1 : iLcuHeight-numSkipLine;
      if (uiTPelY == 0)
      {
        pOrg += iStride;
        pRec += iStride;
      }

      for (x=iStartX; x<iEndX; x++)
      {
        m_iUpBuff1[x] = xSign(pRec[x] - pRec[x-iStride-1]);
      }
      for (y=iStartY; y<iEndY; y++)
      {
        iSignDown2 = xSign(pRec[iStride+iStartX] - pRec[iStartX-1]);
        for (x=iStartX; x<iEndX; x++)
        {
          iSignDown1      =  xSign(pRec[x] - pRec[x+iStride+1]) ;
          uiEdgeType      =  iSignDown1 + m_iUpBuff1[x] + 2;
          m_iUpBufft[x+1] = -iSignDown1; 
          iStats[m_auiEoTable[uiEdgeType]] += (pOrg[x] - pRec[x]);
          iCount[m_auiEoTable[uiEdgeType]] ++;
        }
        m_iUpBufft[iStartX] = iSignDown2;
        ipSwap     = m_iUpBuff1;
        m_iUpBuff1 = m_iUpBufft;
        m_iUpBufft = ipSwap;

        pRec += iStride;
        pOrg += iStride;
      }
    } 
  //if (iSaoType == EO_3  )
    {
      if( m_saoLcuBasedOptimization && m_saoLcuBoundary )
      {
        numSkipLine = iIsChroma? 2:4;
        numSkipLineRight = iIsChroma? 3:5;
      }
      iStats = m_iOffsetOrg[iPartIdx][SAO_EO_3];
      iCount = m_iCount    [iPartIdx][SAO_EO_3];

      pOrg = getPicYuvAddr(m_pcPic->getPicYuvOrg(), iYCbCr, iAddr);
      pRec = getPicYuvAddr(m_pcPic->getPicYuvRec(), iYCbCr, iAddr);

      iStartX = (uiLPelX == 0) ? 1 : 0;
      iEndX   = (uiRPelX == iPicWidthTmp) ? iLcuWidth-1 : iLcuWidth-numSkipLineRight;

      iStartY = (uiTPelY == 0) ? 1 : 0;
      iEndY   = (uiBPelY == iPicHeightTmp) ? iLcuHeight-1 : iLcuHeight-numSkipLine;
      if (iStartY == 1)
      {
        pOrg += iStride;
        pRec += iStride;
      }

      for (x=iStartX-1; x<iEndX; x++)
      {
        m_iUpBuff1[x] = xSign(pRec[x] - pRec[x-iStride+1]);
      }

      for (y=iStartY; y<iEndY; y++)
      {
        for (x=iStartX; x<iEndX; x++)
        {
          iSignDown1      =  xSign(pRec[x] - pRec[x+iStride-1]) ;
          uiEdgeType      =  iSignDown1 + m_iUpBuff1[x] + 2;
          m_iUpBuff1[x-1] = -iSignDown1; 
          iStats[m_auiEoTable[uiEdgeType]] += (pOrg[x] - pRec[x]);
          iCount[m_auiEoTable[uiEdgeType]] ++;
        }
        m_iUpBuff1[iEndX-1] = xSign(pRec[iEndX-1 + iStride] - pRec[iEndX]);

        pRec += iStride;
        pOrg += iStride;
      } 
    } 
  }
}


标题基于SpringBoot的校园创客空间管理系统设计与实现AI更换标题第1章引言介绍校园创客空间管理系统的研究背景、意义、国内外研究现状、论文方法与创新点。1.1研究背景与意义阐述校园创客空间的发展现状及其对管理系统的需求。1.2国内外研究现状分析国内外校园创客空间管理系统的研究进展。1.3研究方法及创新点概述本文采用的研究方法及系统设计的创新点。第2章相关理论总结SpringBoot框架及相关技术,确立系统设计的理论基础。2.1SpringBoot框架概述介绍SpringBoot框架的特点、优势及在Web开发中的应用。2.2相关技术总结概述数据库技术、前端技术及系统安全技术等。2.3理论基础确立基于上述理论,确立校园创客空间管理系统的设计基础。第3章系统需求分析详细分析校园创客空间管理系统的功能需求、性能需求及用户需求。3.1功能需求分析列举系统应具备的核心功能,如用户管理、项目管理等。3.2性能需求分析分析系统对响应时间、并发处理能力等性能指标的要求。3.3用户需求分析从用户角度出发,分析用户对系统的期望和需求。第4章系统设计详细介绍系统的架构设计、数据库设计及界面设计。4.1系统架构设计给出系统的整体架构,包括前后端分离、微服务架构等。4.2数据库设计设计系统的数据库结构,包括表结构、索引及关系等。4.3界面设计展示系统的用户界面设计,包括页面布局、交互设计等。第5章系统实现与测试阐述系统的实现过程,包括编码实现、系统集成及测试验证。5.1编码实现介绍系统各模块的编码实现过程及关键技术点。5.2系统集成系统各模块之间的集成方式及集成测试过程。5.3测试验证通过单元测试、集成测试等方法验证系统的功能和性能。第6章结论与展望总结系统设计与实现的主要成果,提出未来研究方向。6.1研究结论概括系统设计与实现的主要成果,包括功能实现、性能优化等。6.2展望指出系统存在的不足及
内容概要:本文系统研究了基于分布式模型预测控制(DMPC)的多个固定翼无人机一致性控制问题,提出并实现了相应的Matlab仿真方案。通过建立固定翼无人机精确的动力学模型,结合分布式控制架构,采用模型预测控制策略,使多个无人机在无中央协调的情况下实现状态一致性,如位置、速度和航向的协同收敛。文中详尽阐述了系统建模、控制算法设计、一致性协议构建及Matlab代码实现过程,重点解决了通信延迟、局部信息交互受限以及动态环境适应性等关键技术难点,并通过大量仿真实验验证了该方法的有效性、鲁棒性与可扩展性。; 适合人群:具备一定现代控制理论基础和Matlab编程能力,从事自动化、航空航天、机器人学、集群智能或智能系统等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于多无人机协同飞行、编队控制、集群作业与自主导航等实际场景;②服务于高校科研项目、课程设计、学位论文研究及工程原型开发,旨在深入掌握分布式控制与模型预测控制的融合机制与工程实现;③帮助读者复现已有算法成果,并为进一步研究复杂通信拓扑、障碍规避与任务分配等高级功能提供坚实基础。; 阅读建议:建议读者结合Matlab代码与文中的理论推导同步学习,动手搭建仿真模型,重点关注状态一致性收敛过程、代价函数设计与控制参数调优策略,同时可尝试拓展至不同初始条件、通信拓扑结构及外部干扰场景下的性能测试与分析。
内容概要:本文围绕基于蜣螂优化算法(DBO)的无线传感器网络(WSN)覆盖优化问题展开研究,旨在通过智能优化算法提升网络覆盖率与资源利用效率。研究采用Matlab进行算法实现,通过对传感器节点的部署位置进行全局寻优,最大化监测区域的覆盖范围并减少覆盖盲区。文中系统阐述了蜣螂优化算法的原理、WSN覆盖模型的构建、适应度函数的设计及仿真流程,并通过对比实验验证了DBO算法在收敛速度、优化精度和稳定性方面相较于传统优化方法的优越性。研究不仅提供了完整的代码实现,还探讨了算法在物联网、环境监测等实际场景中的应用潜力,突出了智能优化技术在解决复杂工程问题中的价值。; 适合人群:具备一定编程基础,熟悉Matlab编程环境,从事无线传感器网络、智能优化算法、物联网应用或相关领域研究的科研人员、工程技术人员及研究生。; 使用场景及目标:①解决无线传感器网络中节点部署导致的覆盖不均与资源浪费问题;②提升复杂环境下WSN的监测覆盖率与系统稳定性;③为智能优化算法在通信网络布局、环境监控、智慧农业等领域的工程应用提供可复现的技术范例; 阅读建议:建议结合提供的Matlab代码进行仿真实验,深入理解蜣螂优化算法的参数设置、迭代机制与收敛特性,同时可尝试将其迁移应用于其他组合优化问题如路径规划、任务调度或多目标优化中,以拓展算法的应用边界。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值