最新一代視頻壓縮標準VP9綜述

袁星范

(華南理工大學 電子與信息學院，廣東　廣州 510640)

?

最新一代視頻壓縮標準VP9綜述

袁星范

(華南理工大學 電子與信息學院，廣東廣州 510640)

摘要:VP9是一個由谷歌開發的開放格式、無使用授權費的視頻壓縮標準，并做為谷歌推行WebM工程的一部分。對VP9標準的主要技術特征進行了分析，包括幀內預測、幀間預測、變換和量化、熵編碼、環路濾波等，同時與其他先進的視頻壓縮標準HEVC進行了比較。

關鍵詞:VP9；HEVC；核心技術

1VP9概述

隨著網絡通信技術的快速發展，網絡視頻業務的需求日益增長，網絡視頻數據占據了互聯網數據的絕大部分。2010年，谷歌開始推行WebM工程[1]，致力于開發下一代開放、免授權費的視頻壓縮標準VP9。VP9目標之一就是在相同質量下相對于前一代標準VP8可以減少50%的比特率，另一個目標是爭取能在壓縮效率上超過HEVC。在2012年12月30日，VP9解碼器被添加到了Chromium網頁瀏覽器中，2013年2月21日，第一個支持VP9解碼技術的谷歌Chroma網頁瀏覽器發布了。

VP9支持的色彩空間標準有：BT.601，BT.709，BT.2020，SMPTE.170，SMPTE.240，sRGB。目前，VP9標準支持4種編碼格式設定(profiles)：profile 0，profile 1，profile 2，profile 3，profile 0支持8bit色彩深度和4∶2∶0的色度抽樣；profile 1支持8 bit色彩深度和4∶2∶0、4∶2∶2和4∶4∶0的色度抽樣；profile 2支持10 bit、12 bit色彩深度和4∶2∶0的色度抽樣；profile 3支持10 bit、12 bit色彩深度和4∶2∶0、4∶2∶2和4∶4∶0的色度抽樣。

2VP9核心技術

2.1幀內預測

2.1.1預測塊大小

VP9編碼效率的提升很大程度上取決于使用了更大尺寸的預測塊。VP9引入了超級塊(Super Block)的概念，塊大小可達64×64，允許以四叉樹形式將64×64的塊劃分到4×4，所以VP9預測塊的大小有13種類型：64×64，64×32，32×64，32×32，32×16，16×32，16×16，16×8，8×16，8×8，8×4，4×8，4×4，具體劃分方式如圖1所示。

圖1　VP9 Super Block的劃分

2.1.2幀內預測模式

對于4×4到64×64的像素塊，VP9支持10種幀內預測模式：直流(DC)，水平(Horizontal)，垂直(Vertical)，TM(Ture Motion)，以及6種角度預測模式，分別為D207，D153，D135，D117，D63，D45，相應角度為207°，153°，135°，117°，63°，45°，如圖2所示。

圖2　角度模式的預測方向

對1幀圖像中的預測塊進行幀內預測時，解碼時的操作單元都是采用變換塊[2](Transform Block，TB)。例如：對于1個16×16的預測塊進行幀內預測時，操作單元是4×4的TB塊，在這個16×16的預測塊區域，采用光柵掃描方式對每一個4×4的TB進行像素值的預測和重構，其中待解碼的TB參考已解碼TB重構出來的像素值。

2.2幀間預測

2.2.1參考幀選擇

VP9目前支持從8個已存儲的參考幀中動態地選出3個參考幀來進行幀間預測，分別稱為LAST_FRAME，GOLDEN_FRAME，ALTREF_FRAME，在每解碼完一幀圖像后，需要對這3個參考幀進行更新。在VP9中，有一些已編碼的幀，例如ALTREF，僅僅被用來作為參考幀使用，實際解碼完成后是不會顯示出來的。VP9沒有采用可以在前后雙向參照的B幀，但引入了復合預測模式，允許存在一些不會被顯示的幀，而這些不會被顯示的幀可以作為前后其他任意幀的參考，變相地實現了雙向B幀。

2.2.2幀間預測模式

對于4×4到64×64的宏塊，VP9支持4種幀間預測模式：NEARESTMV，NEARMV，ZEROMV，NEWMV。VP9允許使用一個或兩個運動矢量(Motion Vector，MV)，影響MV預測值精確程度的一個關鍵因素是參考MV的選擇，VP9建立了一個包含兩個矢量的候選參考MV列表，分別稱為nearestmv和nearmv。與當前預測塊相鄰宏塊中已編碼的MV構成了這兩個候選MV，若當前預測塊的幀間預測模式為NEARESTMV或NEARMV時，則當前預測塊的MV分別對應于候選列表中的nearestmv和nearmv；若當前預測塊的幀間預測模式為NEWMV時，則在候選列表中為當前預測塊找不到一個合適的MV，此時當前預測塊的MV為nearestmv的基礎上再疊加一個新的MV；ZEROMV表示當前預測塊使用(0，0)這個矢量。

2.2.3亞像素內插

在視頻編解碼器中，濾波器對亞像素內插十分重要。亞像素位置的亮度和色度像素并不存在于參考圖像中，需要利用鄰近已編碼點進行內插而得。如果MV的垂直和水平分量為整數，則參考塊相應像素實際存在。如果其中一個或兩個為分數，預測像素則要通過參考幀中相應像素內插獲得[3]。VP9中MV最大支持到1/8像素精度，編碼以每幀頭部信息的標識來確定是使用1/4像素精度還是1/8像素精度。1/8像素精度僅適應于微小的運動，取決于參考MV的量級。對于取樣格式為4∶2∶0的色度塊預測，MV要求使用1/16像素精度。

在實際的亞像素內插過程中，VP9支持3個8-tap的濾波器，稱為EIGHTTAP，EIGHTTAP_SHARP，EIGHTTAP_SMOOTH，以及一個簡單的雙線性濾波器(Bilinear)，每個濾波器為1/16像素精度。對于每一個Super Block，都可以使用這3個8-tap濾波器中的一個來進行濾波，其中EIGHTTAP_SHARP適應于類似屋頂和天空交接這種高對比場景，保留其尖銳邊緣部分；EIGHTTAP_SMOOTH適應于相鄰幀某處呈現出不一致非自然的尖銳情況，能有效地平緩，節省了空間；Bilinear適應于快速解碼的情況。

2.2.4縮放因子

在VP9中，當前幀與參考幀尺寸不一致時，使用一個縮放因子(scale_factor)進行縮放，scale_factor取值范圍是[1/16，2]。不同的縮放因子，當前塊所用參考幀的像素數據量也不同，同時，scale_factor對亞像素內插過程的計算復雜度也產生重大影響。

2.3變換、量化和掃描

VP9中TB大小分為4×4，8×8，16×16，32×32四種，支持3種變換類型：離散余弦變換(DCT)，非對稱離散正弦變換(ADST)和哈夫曼變換(WHT)。TB的大小等于或小于預測塊大小，例如：預測塊大小為4×4時，TB大小只能是4×4；預測塊大小為8×8時，TB大小可以是4×4或8×8；預測塊大小為16×16時，TB大小可以是4×4或8×8或16×16；預測塊大小為64×64時，TB大小可達到32×32。在每一幀的頭部信息中都會標識每個預測塊允許使用的最大TB大小，或在宏塊級信息中會明確標識所用TB的大小。

特別地，對于DCT類型，二維DCT對上述4種TB大小都適應。所有的幀間編碼宏塊都是采用二維DCT，但對于幀內編碼宏塊，VP9新增了一種新的變換類型ADST。根據相應的幀內預測模式，ADST可以和一維DCT結合起來形成二維混合變換類型。所以，使用水平和垂直兩個方向來進行幀內冗余信號的變換就有4種可能的變換類型：(ADST，ADST)，(ADST，DCT)，(DCT，ADST)，(DCT，DCT)。另外，對于4×4的宏塊，VP9支持一種WHT類型，適應于在低量化值時進行無損編碼。

量化過程在不降低視覺效果的前提下應盡量減少圖像編碼長度，減少視覺恢復過程中不必要的信息。VP9提供了8 bit、10 bit、12 bit三個量化表，量化步長決定量化器的編碼壓縮率和圖像精度，量化步長應根據圖像實際動態范圍實時改變，在編碼長度和圖像精度之間折衷，以達到整體最佳效果。

VP9有3種掃描方式：default_scan，row_scan，col_scan。根據不同的變換類型選擇不同的掃描方式，當變換類型為(DCT，DCT)或(ADST，ADST)時，掃描方式為default_scan；當變換類型為(ADST，DCT)時，掃描方式為row_scan；當變換類型為(DCT，ADST)時，掃描方式為col_scan。具體掃描方法如圖3所示(以4×4為例)。

圖3　3種掃描方法

2.4自適應熵編碼

VP9采用布爾編碼(Bool Code)作為底層的算術編碼，Bool Code流程如圖4所示。一般來說，給定一個n元碼表，一棵二進制樹就建立起來了，包括1個根節點和n-1個內部節點，0對應著樹的根節點，正數表示內部節點的值，負數表示葉子的值。每個節點的概率用8 bit精度表示，范圍是[1，255]，相應實際概率范圍是[1/256，255/256]。通過遍歷這棵樹的所有節點并利用上下文模型來進行熵編碼，稱之為Tree Code。在VP9碼流中，預測模式、TB的大小、MV和參考幀確定、殘差信號都是使用Tree Code進行編碼的，如圖5所示是以MV的確定來舉例說明Tree Code，相比哈夫曼編碼，這種編碼方式具有更低的碼率。

圖4　Bool Code 流程

圖5　MV的Tree Code

視頻內容本質上是不穩定的，因此，對于任何一種編碼器，跟蹤統計實際編碼的各種符號是一種關鍵機制。目前，大部分的編碼器都采用后向更新方法來更新符號的概率，這種方法是基于對每一個已編碼好的符號數目進行統計來實現的。若只采用后向更新，由于概率更新時的中間計算量對解碼每一個符號來說是必不可少的，所以會影響解碼速率。VP9在幀級別結合前向更新和后向更新來更新符號概率，使編碼效率和速度達到了一個平衡。

2.5環路濾波

由于VP9中使用了許多尺寸大小為4×4到32×32的TB塊，環路濾波就是為了消除邊界之間的塊效應。經環路濾波處理后得到的重構圖像會做為編碼或解碼時的參考幀，參考幀的準確性直接影響編解碼器的性能。環路濾波以Super Block為單位，對一幀圖像以光柵掃描方式先在垂直方向進行濾波，再水平方向進行濾波。VP9中有3種不同的濾波器，分別是15-tap平滑濾波器，7-tap平滑濾波器，4-tap自適應閾值模糊濾波器，濾波時對不同大小的TB使用不同的濾波器。

2.6分段

VP9中引入了分段(segment)這個概念，使具有相同屬性的Super Block或宏塊擁有同一個segment索引號(segment_ID)，一幀圖像最多有8個不同的segment_ID。對于每一個segment，包含的屬性有：量化因子，環路濾波強度，預測時所選用的參考幀、TB尺寸大小和宏塊是否為skip模式。在幀級別每一個segment的屬性可能會選擇性的進行更新，如果沒有進行更新，那么這些屬性值保持不變直到解碼下一幀。總體來說，VP9通過引入segment機制，提供了一套靈活的編碼方式，在給定的碼率下提高了視頻質量。

2.7碼流特征

VP9碼流除了提供高壓縮效率和合適的編碼復雜度外，還設計了一些額外的特性用來支持在網絡視頻傳送和播放過程中產生的特殊情況。

2.7.1誤碼修復

為了在不可靠的網絡中進行視頻會話時具有低延時性，就需要VP9支持一種編碼模式，當有幀在傳播過程中丟失時，解碼端也能正確地解碼。VP9在幀級別提供一個誤碼修復標識，當有幀丟失時，誤碼修復標識被激活，會重新發送一個起始幀或重新選擇參考幀來保證解碼正確。

2.7.2幀級的并行

為了適應多核多線程的硬件發展，VP9的并行解碼能力也有所加強。VP9在每一幀的頭部信息中包含是否進行并行解碼模式的標識，一旦標識被激活，就能實現幀級的并行解碼，在高清視頻重放系統中，并行處理必不可少。

2.7.3tile并行

VP9除了能進行幀級別的并行外，也支持在一幀中使用多線程。因此，VP9中引入tile的概念，一幀圖像可以按列劃分為不同數目的tile，每一個tile可以在多線程中進行單獨的編碼或解碼，不會引入任何額外的延時。

3VP9與HEVC比較

HEVC在整體上與VP9類似，都采用相同的四叉樹劃分機制，混合編碼方式，高階的DCT變換和自適應熵編碼等[4]。相比VP9，HEVC更多地體現在實現編碼所用的技巧上。HEVC幀內預測模式有35種，而VP9只有10種幀內預測模式；HEVC的預測單元都是正方形的，而VP9的預測單元可以是矩形；HEVC中亞像素內插使用的濾波器有4-tap、7-tap和8-tap三種，幀間預測時還有權重預測和AMVP技術，而VP9亞像素內插使用的濾波器有2-tap、6-tap、7-tap和8-tap四種，幀間預測時沒有權重預測和AMVP技術，但多了一個縮放因子的概念；HEVC進行后處理時新增了SAO技術[5-6]，而VP9后處理時只有去塊濾波器；HEVC有獨立進行編碼和解碼的機制，而VP9只有并行解碼機制。

4結束語

VP9在壓縮效率上超過了前代VP8和H.264，降低30%～50%的碼率即可表現出相同的畫質，能以更低的帶寬傳送高清的畫面，和HEVC相差甚少，已具備高效編碼的所有特點。同時，VP9使用自由的版權協議，可直接用于包括商用在內的各種用途，也可以對代碼進行更改或創新，無須繳納任何版權許可費，綜述所述，VP9的綜合優勢不言而喻。

參考文獻：

[1]BANKOSKI J，KOLESZAR J，QUILLIO L，et al.VP8 data format and decoding guide[EB/OL].[2015-10-20].http：//datatracker.ietf.org/doc/rfc6386/.

[2]劉昱，胡曉爽，段繼忠，等.新一代視頻編碼技術HEVC算法分析及比較[J].電視技術，2012，36(20)：45-49.

[3]畢厚杰.新一代視頻壓縮編碼標準—H.264/AVC[M].北京：人民郵電出版社，2005.

[4]何海東，董全武，紀琳.H.265/HEVC、VP9、H.264編碼算法比較及性能測試分析[J].廣播與電視技術，2014，41(10)：47-52.

[5]唐華敏，杜建超，王慶雷.新一代視頻編碼標準HEVC中的環路濾波技術分析[J].電視技術，2014，38(11)：1-4.

[6]萬帥，楊付正.新一代高效視頻編碼H.265/HEVC：原理、標準與實現[M].北京：電子工業出版社，2014.

責任編輯：時雯

Overview of latest generation of video compression standard VP9

YUAN Xingfan

(SchoolofElectronicsandInformation，SouthChinaUniversityofTechnology，Guangzhou510640，China)

Abstract:VP9 is an open format and no license fee video compression standard，which is developed by Google，and it is a part of the implementation of the WebM project for Google. In this paper， the main technical features of VP9 standard are analyzed， including intra prediction， inter prediction， transform and quantization， entropy encoding， loop filter， and other advanced video compression standard HEVC are compared.

Key words:VP9；HEVC；core technology

中圖分類號：TN919.81

文獻標志碼:A

DOI：10.16280/j.videoe.2016.05.005

作者簡介：

袁星范(1991— )，碩士生，主研基于VP9的數字芯片設計。

收稿日期：2015-11-01

文獻引用格式：袁星范.最新一代視頻壓縮標準VP9綜述[J].電視技術，2016，40(5)：18-21.YUAN X F. Overview of latest generation of video compression standard VP9[J].Video engineering，2016，40(5)：18-21.