当前位置：首页 > news >正文

SVT-AV1学习-函数selfguided_restoration_fast_internal

news 来源：原创 2025/9/21 8:18:07

一 selfguided_restoration_fast_internal 函数作用

selfguided_restoration_fast_internal是SVT-AV1 编码器中用于自引导恢复Guided Resration SGR 的一个内部函数，通过自引导滤波技术对输入的去燥他图像数据进行处理，生成一个去燥版本的图像，以下是该函数的详细解释。

参数说明：

dgd 指向输入的去燥图像数据的指针，表示需要恢复的图像

width 输入图像的宽度

height 输入图像的高度

dgd_stride 输入图像的步长，即每行像素的字节数

dst 指向输出的恢复图像数据的指针，用于存储处理后的图像

dst_stride 输出图像步长，即每行恢复图像数据的字节数

bit_depth 图像位深，表示每个像素的位数

sgr_params_idx 自引导恢复参数的索引，用于选择特定的恢复参数

redius_idx 半径参数的索引，用于选择特定的半径值

说明：

1 获取自引导恢复参数

根据sgr_params_idx和radius_idx 从预定义的参数表中获取自引导恢复参数，包括半径r和噪声参数e

2 去燥处理

使用自引导滤波技术对输入的去燥图像数据dgd进行处理，生成一个去燥版本的图像

2 这个去燥版本的图像是通过自引导滤波器生成的，保留了边缘信息，同时减少了噪声

3 输出结果

将处理后的去燥图像数据存储到dst中

作用

去燥该函数的主要作用是通过自引导滤波技术对输入图像进行去燥处理，生成一个去燥版本的图像

参数控制通过sgr_params_idx个radius_idx参数，可以灵活的选择不同的去燥强度和方式，以适应不同图像的处理需求

总结：

selfguided_resration_fast_internal 是SVT-AV1编码器中用于自引导恢复的一个关键组件，通过自引导滤波技术对输入的去燥图像数据进行处理，生成一个去燥版本的图像，用于进一步的图像恢复和优化，该函数的参数设计使其能够灵活的适应不同的图像处理需求。

二函数注释

static void selfguided_restoration_fast_internal(int32_t *dgd, int32_t width, int32_t height, int32_t dgd_stride,

int32_t *dst, int32_t dst_stride, int32_t bit_depth,

int32_t sgr_params_idx, int32_t radius_idx)

{

//获取自引导恢复参数，根据参数索引sgr_params_idx 从预定义的参数表中获取

const SgrParamsType *const params = &svt_aom_eb_sgr_params[sgr_params_idx];

//获取半径参数，根据radius_idx选择特定的半径值

const int32_t r = param->r[radius_idx];

//计算扩展后的图像宽度，包括水平方向的边界扩展

const int32_t width_ext = width _ 2 * SGRPROJ_BORDER_HORZ;

//计算扩展后的图像高度，包括垂直方向的边界扩展

const int32_t height_ext = height + 2 * SGRPROJ_BORDER_VERT;

//调整缓冲区步长，避免缓存效果不佳，同时与SIMD版本保持一致

int32_t buf_stride = (width_ext + 3) & ~3 + 16;

//定义局部数组，用于存储中间计算结果A和B

int32_t a_[RESRATION_PROC_UNIT_PELS];

int32_t b_[RESRATION_PROC_UNIT_PELS];

//指向中间计算结果A和B的指针

int32_t *A = a_;

int32_t *B = b_;

//循环变量

//计算B数组，使用boxsum 函数对输入图像进行处理

boxsum(dgd - dgd_stride * SGRPROJ_BORDER_VERT - SGRPROJ_BORDER_HORZ, width_ext, height_ext, dgd_stride, r, 0, 0, B, buf_stride);

//计算A数组，使用boxsum函数对输入图像进行处理

boxsum(dgd - dgd_stride * SGRPROJ_BORDER_VERT - SGRPROJ_BORDER_HORZ, widht_ext, height_ext, dgd_stride, r, 1, A, buf_stride);

//调整A和B数组的起始位置，跳过边界扩展部分

A += SGRPROJ_BORDER_VERT * buf_stride + SGRPROJ_BORDER_BORZ;

B += SGRPROJ_BORDER_VERT * buf_stride + SGRPROJ_BORDER_HORZ;

//计算A和B数组的最终值，包括边界扩展部分

for (int i = -1; i < height + 1; i += 2) {

for (int j = -1; j < width + 1; ++j) {

const int32_t k = i * buf_stride + j;

const int32_t n = (2 r + 1) (2 r + 1);

//计算a值，进行位移操作以适应不同的位深

uint32_t a = ROUND_POWER_OF_TWO(A[k], 2 * (bit_depth - 8));

//计算b值，进行位移操作以适应不同的位深

uint32_t b = ROUND_POWER_OF_TWO(B[k], bit_depth - 8);

//根据Popoviciu 不等式计算p值，确保p非负

uint32_t p = (a n < b b)?0:a n - b * b;

//获取参数s，用于后续计算

const uint32_t s = params->s[radius_idx];

//计算z值，用于确定A[k]的值

const uint32_t z = ROUND_POWER_OF_TWO(p * s, SGRPROJ_MTABLE_BITS);

//计算A[k]的值，确保其在有效范围内

A[K] = SVT_AOM_EB_X_BY_XPLUS1[AOMIN(Z, 255)];

//计算B[k]的值，结合A[k]和B[k] 的中间结果

B[k] = (int32_t)ROUND_POWER_OF_TWO

B[k] = (int32_t)ROUND_POWER_OF_TWO(

(uint32_t)(SGRPROJ_SGR - A[k]) * (uint32_t)B[k] * (uint32_t)svt_aom_eb_one_by_x[n - 1],

SGRPROJ_RECIP_BITS);

}

//使用A和B数组计算最终的去燥图像

for (i = 0; i < height; ++i) {

if (!(i & 1)) { // even row 如果是偶数行

for (j = 0; j < width; ++j) {

const int32_t k = i * buf_stride + j;

const int32_t l = i * dgd_stride + j;

const int32_t m = i * dst_stride + j;

const int32_t nb = 5;

//计算a值，结合上下文的A值

const int32_t a = (A[k - buf_stride] + A[k + buf_stride]) * 6 +

(A[k - 1 - buf_stride] + A[k - 1 + buf_stride] + A[k + 1 - buf_stride] + A[k + 1 + buf_stride]) * 5;

//计算b值，结合上下文的B值

const int32_t b = (B[k - buf_stride] + B[k + buf_stride]) * 6 +

(B[k - 1 - buf_stride] + B[k - 1 + buf_stride] + B[k + 1 - buf_stride] + B[k + 1 + buf_stride]) * 5;

//计算最终的去燥像素值

const int32_t v = a * dgd[l] + b;

//将结果存储到输出数组dst中

dst[m] = ROUND_POWER_OF_TWO(v, SGRPROJ_SGR_BITS + nb - SGRPROJ_RST_BITS);

}

} else { // odd row //如果是奇数行

for (j = 0; j < width; ++j) {

const int32_t k = i * buf_stride + j;

const int32_t l = i * dgd_stride + j;

const int32_t m = i * dst_stride + j;

const int32_t nb = 4;

//计算a值，结合左右的A值

const int32_t a = A[k] * 6 + (A[k - 1] + A[k + 1]) * 5;

//计算b值，结合左右的B值

const int32_t b = B[k] * 6 + (B[k - 1] + B[k + 1]) * 5;

//计算最终的去燥像素值

const int32_t v = a * dgd[l] + b;

//将结果存储到输出数组dst中

dst[m] = ROUND_POWER_OF_TWO(v, SGRPROJ_SGR_BITS + nb - SGRPROJ_RST_BITS);

}

注释说明：

参数获取：从预定义的参数表中自引导恢复参数，包括半径和噪声参数

边界扩展：计算扩展的图像尺寸，包括水平和垂直方向的边界扩展

中间计算：使用boxsum函数计算中间数组A和B，这些数组用于后续的去燥处理

数学计算：通过数学公式计算最终的去燥像素值，结合中间数组A和B的结果

输出结果：将去燥后的像素值存储到输出数组dst中。

一 selfguided_restoration_fast_internal 函数作用

二 函数注释

相关文章：

二函数注释