原文地址：
HEVC中SAO–自适应样点补偿:
本文分三个部分, 1.Sample Adaptive Offset原理, 2.SAO处理流程分析, 3.SAO意义何在!
SAO是在DB之后进行, 输入是重建帧和原始帧数据, 输出是SAO数据和SAO后的重建帧. 自适应样点补偿是一个自适应选择过程，在去块滤波后进行。
下面是整个HEVC的编码框图, 可以看到SAO是在整个帧编码完成后得到重建帧后进行的,属于Slice级别(帧级).
首先把Frame划分为若干LCU, 然后对每个LCU中每个像素进行SAO操作.将根据其LCU像素特征选择一种像素补偿方式，以减少源图像与重构图像之间的失真。自适应样点补偿方式分为带状补偿（Band Offset，BO）和边缘补偿（Edge Offset，EO）两大类。
带状补偿将像素值强度等级划分为若干个条带，每个条带内的像素拥有相同的补偿值。进行补偿时根据重构像素点所处的条带，选择相应的带状补偿值进行补偿。
边缘补偿主要用于对图像的轮廓进行补偿。它将当前像素点值与相邻的2个像素值进行对比，用于比较的2个相邻像素可以在下图中所示的4种模板中选择，，从而得到该像素点的类型。解码端根据码流中标示的像素点的类型信息进行相应的补偿校正。
对每个模板还要确定属于那种类型,类型确定有下面表格来决定.
SAO主函数代码结构如下:主要有3个函数完成所有操作.
Void TEncSampleAdaptiveOffset::SAOProcess()
{…
rdoSaoUnitAll(pcSaoParam, dLambdaLuma, dLambdaChroma, depth);
…
if (pcSaoParam->bSaoFlag[0])
processSaoUnitAll(saoLcuParam[0], oneUnitFlag[0], 0);
if (pcSaoParam->bSaoFlag[1])
{
processSaoUnitAll(saoLcuParam[1], oneUnitFlag[1], 1);
processSaoUnitAll(saoLcuParam[2], oneUnitFlag[2], 2);
}
}
其中TEncSampleAdaptiveOffset::rdoSaoUnitAll函数完成对整个Frame的所有LCU的YUV进行reset stats和calcSaoStatsCu,以及saoComponentParamDist得到最佳SAO_TYPE选择.最后encodeSaoOffset.
Void TEncSampleAdaptiveOffset::rdoSaoUnitAll()
{ …
for (idxY = 0; idxY< frameHeightInCU; idxY++)
{
for (idxX = 0; idxX< frameWidthInCU; idxX++)
{…
// reset stats Y, Cb, Cr
…
calcSaoStatsCu(addr, compIdx, compIdx);
saoComponentParamDist();
sao2ChromaParamDist();
…
for ( compIdx=0;compIdx<3;compIdx++)
encodeSaoOffset(&saoLcuParam[compIdx][addr], compIdx);
// Cost of Merge
}
}
}
下面是子函数的说明:
也就是TEncSampleAdaptiveOffset::calcSaoStatsCuOrg
主要是得到LCU中所有像素各种SAOType的所有信息和状态统计,
分析记录各种SAOType(SAO_EO_0,SAO_EO_1,SAO_EO_2,SAO_EO_3,SAO_BO)以及各种SAOTypeLen和YUV分量对应的m_iOffsetOrg和m_iCount.
iStats = m_iOffsetOrg[0.1.2][0.1.2.3.4]; //YUV and SA0_TYPE
iCount = m_iCount[0.1.2][ 0.1.2.3.4];
如果是BO,通过iClassIdx =m_lumaTableBo[pRec[x]];来确定属于那个条带,并记录iStats[iClassIdx] += (pOrg[x] – pRec[x]);iCount[iClassIdx]++;这里iClassIdx大小为0~32.
明天是世上增值最快的一块土地，因它充满了希望
