2 H.264編碼器的優化
2.1 總體優化

　　總體優化主要包括兩部分內容:程序模塊化的設計及數據結構的設計。
　　程序模塊化設計時,既要考慮模塊的獨立性,又要考慮模塊的完整性。筆者的H.264的模塊關系圖如圖3所示。視頻輸入模塊負責圖像序列的讀取,從PPI口進入的圖像首先保存到外部存儲器,再進行編碼。讀入的圖像經幀間模式選擇和幀內模式選擇模塊,得到每個宏塊的預測模式。整系數變換、量化模塊對預測后的殘差進行整系數變換及量化處理。量化后的系數經過掃描后,在編碼模塊中進行UVLC編碼。最后由寫碼流模塊輸出。其中,去塊效應濾波模塊對反量化、整系數逆變換后的重建圖像進行濾波;圖像緩存管理模塊負責管理對參考圖像的存取。從圖3中可以看出,整系數變換與量化結合在一起作為一個模塊。主要因為:一方面H.264中,量化和整系數變換本身就部分結合在一起;另一方面這樣可以在寄存器中一起完成變換、量化,有助于減少數據的存儲次數和讀取時間。對于反量化、整系數逆變換,采用相似的設計思路。
　　數據結構的設計是H.264編碼的重要組成部分。合理的數據結構既有利于提高數據訪問的速度又有利于程序的不同平臺的移植。主要有以下原則:盡可能連續存放數據,這樣有利于用DMA方式對數據進行讀取;每種數據結構完成相對簡單的功能,這樣便于對不同數據結構的數據進行管理。如表示幀間模式的InterMode、幀內模式的IntraMode需要放在片內存儲器中以加快讀取速度,而參考幀的數據ImgData由于數據太大則需要放在片外存儲器中;盡可能使用短的數據類型,節省DSP的存儲空間。

2.2 各程序模塊的優化

　　各程序模塊的優化主要指各模塊的C代碼優化及部分代碼的匯編優化。
　　C代碼的優化對H.264編碼器有著重要意義,它既有利于提高編碼的速度,又有利于編碼器的跨平臺移植。C代碼優化有下面的原則:
　　(1) 使編碼器代碼線性化,這樣有利于DSP的流水線滿負荷運行,更充分地發揮DSP的數據處理能力。
　　(2) 取消循環中的數據依賴。數據依賴是指后面指令的輸入數據依賴于前面指令的輸出數據。許多DSP芯片都提供了硬件循環指令,Blackfin533有兩個硬件循環器,可提供兩層的硬件循環。硬件循環實現了零開銷的循環判斷,能大大提高循環指令的執行速度,然而數據依賴的存在會阻止硬件循環的使用。所以要盡可能消除循環中的數據依賴。
　　(3) 將除法轉化為乘法或查表方式。Blackfin533提供了硬件乘法器,但沒有硬件除法器。執行除法指令會花費幾十或上百個指令周期。將除法轉化為乘法或查表,能大大減少這種開銷。
　　(4) 減少對片外存儲器的訪問次數。片外存儲器相對于片內存儲器是低速設備,片外存儲器的讀取時間是片內存儲器的幾倍至十幾倍。對于片外存儲器的數據要做到一次讀取,完成多次計算。
　　Blackfin芯片的開發環境VisualDSP本身已經帶有匯編器,但由于種種原因,對于某些運算量大、調用頻繁的函數仍需要進行手動匯編優化。進行匯編優化時,應注意以下幾點:
　　(1) 節省寄存器資源。Blackfin533提供了8個32位數據寄存器以及一系列的地址寄存器。對于這些寄存器,應盡可能做到一個寄存器多次使用;同時在能用較短的數據類型的情況下用短的數據類型,如能用short則不用int,這樣每個32位寄存器可以作為兩個16位寄存器使用,相當于增加了寄存器的數量。
　　(2) 使用專用指令。Blackfin533提供了求最大值、最小值、絕對值、CLIP及大量視頻專用指令,通過使用這些指令,能大大提高代碼的執行速度。
　　(3) 使用并行指令。對于大多數指令都存在相對應的并行指令,如一條運算指令可以并行兩條數據讀取指令。并行指令的使用能成倍提高代碼的執行速度。
　　(4) 將內層循環展開等。
　　對于不同的圖像幀(I、P),各模塊所占的比例各不相同。對于I幀,幀內模式選擇和去塊效應濾波占較大的比例;對于P幀,幀間模式選擇則占較大的比例。總之,模式選擇及去塊效應濾波是H.264編碼的瓶頸,需要對這兩部分進行優化。
　　進行模式選擇時會調用絕對差值求和函數(SAD)及hadamard變換后再絕對值求和函數(SATD)。這兩個函數雖然較簡單,但調用較頻繁,對這兩個函數進行匯編優化,能較大提高模式選擇的速度。對于絕對差值求和函數(SAD),通過使用Blackfin的專用視頻指令SAA,可以大大提高運算速度,具體見匯編優化統計表1和表2。
表1 優化前后函數所占時鐘周期數對比表?
????????

?

????????????????????????? 表2 優化后的H.264各模塊性能?
??????

??????????????????????? 表3 壓縮后的CIF圖像的質量

?

?????

?

?

?

　　去塊效應濾波在編碼中占有較大的比重。主要包括:計算濾波強度和行列濾波兩部分,需要針對這兩個子模塊進行優化。去塊效應濾波中有較多的判斷語句,判斷語句會打斷DSP的流水線,使DSP不能充分發揮其性能,優化時應盡可能將判斷轉移到循環外面去,以提高執行效率。同時去塊效應濾波需要頻繁地訪問待濾波數據,減少對這些數據的訪問次數也能較大地提高去塊效應濾波的速度。
　　SAD()的函數原型及其匯編代碼[2]:
　　for(i=0;i<16*16;i++)
　　　result +=abs( *pSrc++ - *pRef++);
　　　LSETUP(row_start,row_end) LC0=P1;　 //利用Blackfin的硬件循環實現SAD的循環
　　　row_start:
　　　R3 = [I1++];　//讀取數據
　　　SAA(R1:0,R3:2) || R1= [I0++] || R2= [I1++];　//計算R1:0和R3:2的SAD
　　　SAA(R1:0,R3:2)(R) || R0= [I0++] || R3= [I1++];　//執行SAA的同時,讀取數據
　　　SAA(R1:0,R3:2) || R1= [I0++] || R2= [I1++];
　　　row_end:SAA(R1:0,R3:2)(R) || R0=[I0++] || R2= [I1++];

3 實驗結果

　　筆者使用600MHz時鐘的Blackfin533,對于低、中運動復雜度的圖像序列,能夠實現25幀/秒的實時編碼;對于高運動復雜度的圖像序列,能實現20幀/秒左右的準實時編碼。其各模塊所占時間比例見表2。
　　編碼器的性能指標如下:1個參考幀;幀間模式采用16×16、16×8、8×16、8×8模式;幀內模式對16×16采用4種預測模式,對于4×4采用9種預測模式;1/4像素的運動估計;熵編碼采用CAVLC編碼方式。
　　表3為不同圖像序列壓縮效果的比較。每種序列壓縮100幀圖像,采用IPPPP....的編碼模式。綜上所述,在Blkfin533平臺上實現了H.264的CIF圖像的準實時編碼。該系統具有碼流低、延時小、圖像質量高等優點。