H.264\AVC是ITU-TVCEG和ISO\IECMPEG聯(lián)合制定的最新視頻編碼國際標準，是目前圖像通信研究領域的熱點技術之一。H.264的視頻編碼層(VCL)采用了許多新技術，因而使其編碼性能有了大幅度提高。但這是以復雜度的成倍增加為代價的，這也使得H.264在實時視頻編碼及傳輸應用中面臨著巨大的挑戰(zhàn)。因此，要滿足圖像壓縮的實時性要求，就需要對現(xiàn)有的H.264編解碼器進行優(yōu)化。本文主要討論H.264系統(tǒng)的硬件平臺和任務流程，并針對基于DSP硬件平臺的特點，介紹了從代碼級對算法進行優(yōu)化，進一步提高編碼算法的運算速度，實現(xiàn)H.264實時編碼的具體方法。由于ADIBlackfin561是ADI公司推出的一款高性能的數(shù)字信號處理器，它具有600MHz的主頻。為此，本文選擇其作為硬件平臺，來探索在資源有限的DSP平臺上實現(xiàn)H.264編碼器的有效途徑。

1 硬件平臺

1.1 ADSP-BF561處理器

Blackfin561是Blackfin系列中的一款高性能定點DSP視頻處理芯片。其主頻最高可達750MHz，其內(nèi)核包含2個16位乘法器MAC、2個40位累加器ALU、4個8位視頻ALU，以及1個40位移位器。該芯片中的2套數(shù)據(jù)地址產(chǎn)生器(DAG)可為同時從存儲器存取雙操作數(shù)提供地址，每秒可處理1200M次乘加運算。芯片帶有專用的視頻信號處理指令以及100KB的片內(nèi)L1存儲器(16KB的指令Cache，16KB的指令SRAM，64KB的數(shù)據(jù)Cache\SRAM，4KB的臨時數(shù)據(jù)SRAM)、128KB的片內(nèi)L2存儲器SRAM，同時具有動態(tài)電源管理功能。此外，Blackfin處理器還包括豐富的外設接口，包括EBIU接口(4個128MBSDRAM接口，4個1MB異步存儲器接口)、3個定時\計數(shù)器、1個UART、1個SPI接口、2個同步串行接口和1路并行外設接口(支持ITU-656數(shù)據(jù)格式)等。

Blackfin處理器在結構上充分體現(xiàn)了對媒體應用(特別是視頻應用)算法的支持。

1.2 基于ADSP-BF561的視頻編碼器平臺

Blackfin561視頻編碼器的硬件平臺采用ADI公司的ADSP-BF561EZ-kitLite評估板。此評估板包括1塊ADSP-BF561處理器、32MBSDRAM和4MBFlash，板中的AD-V1836音頻編解碼器可外接4輸入\6輸出音頻接口，而ADV7183視頻解碼器和ADV7171視頻編碼器則可外接3輸入／3輸出視頻接口此外，該評估板還包括1個UART接口、1個USB調(diào)試接口和1個JTAG調(diào)試接口。在圖1中，攝像頭輸入的模擬視頻信號經(jīng)視頻芯片ADV7183A轉化為數(shù)字信號，此信號從Blackfin561的PPI1(并行外部接口)進入Blackfin561芯片進行壓縮，壓縮后的碼流則經(jīng)ADV7179轉換后從ADSP-BF561的PPI2口輸出。此系統(tǒng)可通過Flash加載程序，并支持串口及網(wǎng)絡傳輸。編碼過程中的原始圖像、參考幀等數(shù)據(jù)可存儲在SDRAM中。

2 H.264視頻壓縮編碼算法的主要特點

視頻編解碼標準主要包括兩個系列：一個是MPEG系列，一個是H.26X系列。其中MPEG系列標準由ISO／IEC組織(國際標準化組織)制定，H.26X系列標準由ITU-T(國際電信聯(lián)盟)制定。I-TU-T標準包括H.261、H.262、H.263、H.264等，主要用于實時視頻通信，如電視會議等。

H.264視頻壓縮算法采用與H.263和MPEG-4類似的、基于塊的混和編碼方法，它采用幀內(nèi)編碼(Intra)和幀間編碼(Inter)兩種編碼模式。與以往的編碼標準相比，為了提高編碼效率、壓縮比和圖像質(zhì)量，H.264采用了以下全新的編碼技術：

(1)H.264按功能將視頻編碼系統(tǒng)分為視頻編碼層(VCL，VideoCodingLayer)和網(wǎng)絡抽象層(NAL，NetworkAbstractionLayer)兩個層次。其中VCL用于完成對視頻序列的高效壓縮，NAL則用于規(guī)范視頻數(shù)據(jù)的格式，主要提供頭部信息以適合各種媒體的傳輸和存儲。

(2)先進的幀內(nèi)預測，它對含有較多空域細節(jié)信息的宏塊采用4×4預測，而對于較平坦的區(qū)域則采用16×16的預測模式，前者有9種預測方法，后者有4種預測方法。

(3)幀間預測采用更多的塊劃分種類，標準中定義了7種不同尺寸和形狀的宏塊分割(16×16、16×8、8×16)和子宏塊分割(8×8、8×4、4×8、4×4)。由于采用更小的塊和自適應編碼方式，故可使得預測殘差的數(shù)據(jù)量減少，從而進一步降低了碼率。

(4)可進行高精度的、基于1／4像素精度的運動預測。

(5)可進行多參考幀預測。在幀間編碼時，最多可選5個不同的參考幀。

(6)整數(shù)變換(DCT／IDCT)。對殘差圖像的4×4整數(shù)變換技術，采用定點運算來代替以往DCT變換中的浮點運算。以降低編碼時間，同時也更適合到硬件平臺的移植。

(7)H.264／AVC支持兩種熵編碼方法，即CAVLC(基于上下文的自適應可變長編碼)和CABAC(基于上下文的自適應算術編碼)。其中CAVLC的抗差錯能力比較高，但編碼效率比CABAC低；而CABAC的編碼效率高，但需要的計算量和存儲容量更大。

(8)采用新的環(huán)路濾波技術及熵編碼技術等。

H.264的這些新技術使運動圖像壓縮技術向前邁進了一大步，它具有優(yōu)于MPEG-4和H.263的壓縮性能，可應用于因特網(wǎng)、數(shù)字視頻、DVD及電視廣播等高性能視頻壓縮領域。

3 H.264視頻編碼算法的實現(xiàn)

將H.264在DSP進行改進要經(jīng)過以下3個步驟：PC機上的C算法優(yōu)化、從PC機到DSP的程序移植、在DSP平臺上的代碼優(yōu)化。

3.1 PC機上的C算法優(yōu)化

根據(jù)系統(tǒng)要求，本設計選擇了ITU的Jm8.5版本baselineprofile作為標準算法軟件。ITU的參考軟件JM是基于PC機設計的，故可取得較高的編碼效果。將視頻編解碼軟件移植到DSP時，應考慮到DSP系統(tǒng)資源，主要應考慮的因素是系統(tǒng)空間(包括程序空間和數(shù)據(jù)空間)，所以，需要對原始的C代碼進行評估，這就需要對所移植的代碼有所了解。

了解了算法結構以后，還需要確定在編碼算法的實現(xiàn)過程中，運算量較大且耗時較長的部分。VC6自帶的profile分析工具顯示：幀內(nèi)與幀間編碼部分占用了整體運行時間的60％以上。其中ME(MoveEstimation，運動估計)又占用了其中較多的時間。所以，移植與優(yōu)化的重點應在運動估計部分，因此，應當對代碼結構進行調(diào)整。

(1)大幅刪減不必要的文件和函數(shù)

由于選用了baseline和單一參考幀，因此，很多文件和函數(shù)都可以刪減，包括有關B幀、SI片、SP片和數(shù)據(jù)分割、分層編碼、權值預測模式、CABAC編碼模式等不支持特性的冗余程序代碼，同時包括rtp.c、sei.c、leaky_bucket.c、In-trafresh.c文件、相關的頭文件以及在global.h頭文件中相應定義的全局變量和函數(shù)，此外，還可以刪除top_pic、bottom_pic等與場有關的全局變量與局部變量、分層編碼、多slice分割以及FMO、與場編碼／幀場自適應編碼／宏塊自適應編碼有關的預測、參考幀排序、輸入輸出以及解碼器緩存操作等；也可以刪除隨機幀內(nèi)宏塊刷新模式和權值預測模式等相關的冗余代碼(如使編碼器采用NAL碼流而非RTP格式)，同時刪除rtp.c；sei.c中包含一些輔助編碼信息(并不編入碼流中)，如果不用，也可以刪除leaky_bucket.c用于計算泄漏緩存器的參數(shù)。

(2)配置函數(shù)的改寫

由于JM的系統(tǒng)參數(shù)配置是通過讀取encoder.cfg文件來實現(xiàn)的，故可將參數(shù)配置由讀取文件改為通過初始化集中賦值函數(shù)來實現(xiàn)，這樣既減少了代碼量，又減少了對有限內(nèi)存空間的占用和讀取時間，提高了編碼器整體的編碼速度。例如：定義為int型的變量input->img_height就可直接改寫為input->img_height=288(CIF格式)。

(3)去除冗余的打印信息

為了調(diào)試與算法改進的方便，JM保留了大量的打印信息。為了提高編碼速度，減少存儲空間消耗，這些信息完全可以刪掉，如大量的trace信息和編碼數(shù)據(jù)統(tǒng)計文件。如果lor.dat和stat.dat僅需在PC機上調(diào)試時使用，也沒必要移植到DSP平臺上，跟這部分相關的代碼完全可以去除。但是，調(diào)試時所需的基本信息(如碼率、信噪比、編碼序列等)則應保留參考。

通過調(diào)整可使得代碼的結構、容量更加精簡，從而為接下來在DSP上的移植做好準備。

3.2 從PC機到DSP的程序移植

要將PC端精簡的程序移植到ADSP-BF561的開發(fā)環(huán)境VisualDSP下，以使其能夠初步運行，所需考慮的主要是語法規(guī)則和內(nèi)存分配等問題。

(1)除去所有編譯環(huán)境不支持的函數(shù)

主要是除去某些與時間相關的函數(shù)、將文件操作修改為讀取文件數(shù)據(jù)緩存的操作、刪除SNR信息收集等DSP平臺實現(xiàn)不需要的代碼。還要注意：函數(shù)的聲明、數(shù)據(jù)結構的類型要符合DSP的C語言格式。

(2)添加與硬件相關的代碼

該代碼包括系統(tǒng)初始化、輸出模塊代碼、中斷服務程序和碼速率控制程序等。

(3)配置LDF文件

因為剛移植的代碼往往數(shù)據(jù)和程序都非常大，SRAM里面肯定是放不下的，這時鏈接就會有問題。剛開始的時候，最好把所有的程序和數(shù)據(jù)都放在SDRAM里，這樣鏈接就不會有問題了。Stack和heap情況類似，都先放到SDRAM。一般在開始時，往往需要的是一個可以正確運行的程序，而速度倒在其次。

(4)Malloc問題的解決

DSP下的開發(fā)，malloc是一個需要解決的問題。如果動態(tài)申請內(nèi)存，就算可以運行，其結果往往也是不對的。所以，最好進行靜態(tài)分配，可用數(shù)組的形式分配。

移植完畢后，即可實現(xiàn)基于ADSP-BF561處理器的H_264編碼，此時如果速度達不到實時編碼的要求，還可以進一步進行優(yōu)化。

4 DSP平臺上的代碼優(yōu)化

在VisualDSP開發(fā)環(huán)境下對代碼進行優(yōu)化的主要方法有C語言級優(yōu)化和匯編級優(yōu)化。

4.1 C語言級優(yōu)化

通過VC6的profile分析工具發(fā)現(xiàn)：移植與優(yōu)化的重點應在運動估計部分。筆者通過比較各種算法后選擇了菱形(DS)搜索法。DS算法可采用兩種搜索模板，分別是有9個檢索點的大模板LD-SP(LargeDiamondSearchPattern)和有5個檢索點的小模板SDSP(SmallDiamondSearchPattern)。其菱形搜索示意圖如圖3所示。搜索時，先用大模板計算，當最小塊誤差SAD點出現(xiàn)在中心點處時，再將大模板LDSP換為SDSP進行匹配運算，這時，5個點中具有最小SAD者若為中心點，則該點即為最優(yōu)匹配點，然后結束搜索，否則將繼續(xù)以此點為搜索中心進行SPSS搜索。

經(jīng)JM實驗證實，采用此種方法，可以節(jié)約大約10％的運行時間，且代碼量無太大增長。

針對DSP的特點和相關的硬件指令，設計時可對代碼進行如下優(yōu)化：

對程序結構進行調(diào)整。對不適合DSP執(zhí)行的語句進行改寫，以提高代碼的并行性。

宏的使用。也就是將有些較短，執(zhí)行單一、調(diào)用次數(shù)多的函數(shù)改為宏。

循環(huán)優(yōu)化是將C語言中的for循環(huán)打開，排流水線，提高并行性。

計算表格化是將運行時計算的參數(shù)做成便于查找的表格常數(shù)數(shù)值，從而將運行計算轉化為編譯運算。如在量化和反量化程序中進行移位位數(shù)的處理時，可先計算出所有可能的值，而后來的運算就可以通過查表得到數(shù)值。

浮點數(shù)定點化。因為Blackfin561并不支持浮點運算，但原始程序代碼卻是浮點運算的格式，所以必須改成定點運算，而其修改后的執(zhí)行速度也會加快很多。

盡量用邏輯運算代替乘除運算。由于乘除運算指令的執(zhí)行時間要遠遠大于邏輯移位指令，尤其是除法指令，故應盡量用邏輯移位運算來代替乘除運算，以加快指令的運行速度。

盡量少進行函數(shù)調(diào)用。對一些小的函數(shù)，最好是用適當?shù)膬?nèi)聯(lián)函數(shù)將其直接寫入主函數(shù)中進行替代，而對于一些調(diào)用不多的函數(shù)，也可以直接寫入主函數(shù)內(nèi)，這樣可減少不必要的操作以提高速度。

減少判斷轉換。

盡量靜態(tài)分配內(nèi)存。

調(diào)用系統(tǒng)提供的豐富的內(nèi)聯(lián)函數(shù)。

此外，為了充分發(fā)揮DSP的運算能力，還必須從它的硬件結構出發(fā)，最大限度地利用它的8個功能單元，使用軟件流水線盡量讓程序無沖突地并行執(zhí)行。也可將最耗時的函數(shù)抽取出來，用線性匯編改寫，從而最大限度的利用DSP的并行性。

4.2 匯編級優(yōu)化

匯編級優(yōu)化主要指如下幾點操作：

(1)使用寄存器資源　

Blackfin561提供了8個32位數(shù)據(jù)寄存器以及一系列的地址寄存器。使用寄存器代替局部變量時，若局部變量用來保存中間結果，那么用寄存器代替局部變量可省掉很多訪問內(nèi)存的時間。

(2)使用專用指令

Blackfin561提供有求最大值、最小值、絕對值、CUP及大量視頻專用指令，應可能用多位的指令來訪問少位的數(shù)據(jù)。通過使用這些指令能大大提高代碼的執(zhí)行速度。如用int型(32位)訪問2個short(16位)型數(shù)據(jù)時，可將其分別放在32位寄存器的高16位和低16位字段。這樣，數(shù)據(jù)讀取效率可以提高1倍，從而減少內(nèi)存訪問次數(shù)。

(3)使用并行指令和向量指令

ADSP-BF561中每條通用指令都可以和一條或兩條存儲器訪問指令并列執(zhí)行，這樣有利于ADSP-BF561的流水線滿負荷運行，更充分發(fā)揮ADSP-BF561的數(shù)據(jù)處理能力。

(4)合理存放反復調(diào)用的程序段

把被反復調(diào)用的程序段(如DCT變換和IDCT變換)放在片內(nèi)程序存儲區(qū)中，把頻繁用到的數(shù)據(jù)段(如編碼表)放在片內(nèi)數(shù)據(jù)存儲器中，而把不常用到的程序和數(shù)據(jù)段放在片外存儲器中，以避免對程序或數(shù)據(jù)進行不必要的反復搬移。

(5)合理使用內(nèi)外存儲器

BF561片內(nèi)只有256KB的存儲空間，因此當前幀、參考幀和當前幀的重建幀都必須放至片外存儲器，壓縮碼流若被主機讀取，也可放至片外。其它數(shù)據(jù)如程序代碼、全局變量、VLC碼表、各編碼模塊產(chǎn)生的中間數(shù)據(jù)等均可放至片內(nèi)。

(6)DMA的使用

由于CPU訪問片外存儲器的速度通常要比訪問片內(nèi)慢幾十倍，片外數(shù)據(jù)的傳輸通常成為程序運行時的瓶頸，這樣，即使代碼效率很高，流水線也會因為等待數(shù)據(jù)而被嚴重阻塞。解決這一問題的有效方法是用DMA傳送數(shù)據(jù)。程序是逐個宏塊進行編碼的，在編碼當前宏塊的同時，先由DMA將下一個宏塊的數(shù)據(jù)、用到的參考幀數(shù)據(jù)由片外傳送至片內(nèi)，當前宏塊做完運動補償后，DMA又將重建后的宏塊由片內(nèi)傳送至片外。這樣CPU只對片內(nèi)數(shù)據(jù)進行操作，從而使流水線可以順利進行，而壓縮碼流按逐個碼字有時間間隔地寫入，可由CPU直接寫至片外。

5 結束語

經(jīng)過用ADSP-BF561匯編語言改寫的對應函數(shù)的優(yōu)化程序經(jīng)調(diào)試運行后，DCT，IDCT部分效率提高了大約15倍，去塊濾波部分效率提高了大約6～7倍。對于模塊中的其它部分函數(shù)，也同樣取得了良好的優(yōu)化結果。說明其優(yōu)化工作確實達到了良好的效果。