运动估计算法实现

1、运动估计算法实现一、实验目的：1、掌握运动估计算法的实现原理。在视频编码和处理系统中，运动估计和运动补偿技术对降低视频序列时间冗余度、提高编码效率起着非常关键的作用。运动估计的准确程度将直接决定视频编码器的编码效率。它极大地消除了视频序列的帧间相关性。运动估计算法的复杂性将直接决定视频压缩编码系统的复杂性，如何提高运动估计的效率，使运动估计算法的搜索过程更快速、更高效一直是人们研究的热点。掌握运动估计的块匹配算法，以及快速运动估计算法。2、掌握运动估计算法的研究现状及多种计算方法。3、学习基于块的全搜索运动估计算法，研究分析其Matlab实现程序过程，并补充完成程序，对实验结果进行分析比较。二

2、、实验内容1、 分析基于块匹配的全搜索运动估计算法程序，画出motionEstAnalysis.m文件流程图2、 编程补充完成costFuncMAD.m 文件中最小绝对误差计算函数costFuncMAD（）和imgPSNR.m文件中峰值信噪比PSNR计算函数imgPSNR（）的程序，最终输出运动矢量场； 3、 掌握运动补偿算法，编程补充minCost( )函数；4、 了解多种快速运动估计算法，例如三步法搜索法、菱形搜索法等。总结实验结果。三、实验原理 在帧间预测编码中，由于活动图像邻近帧中的景物存在着一定的相关性。因此，可将活动图像分成若干块或宏块，并设法搜索出每个块或宏块在邻近帧图像中的位置

3、，并得出两者之间的空间位置的相对偏移量，得到的相对偏移量就是通常所指的运动矢量，得到运动矢量的过程被称为运动估计。 运动矢量和经过运动匹配后得到的预测误差共同发送到解码端，在解码端按照运动矢量指明的位置，从已经解码的邻近参考帧图像中找到相应的块或宏块，和预测误差相加后就得到了块或宏块在当前帧中的位置。 运动估计的准确程度往往用补偿图像与原图像比较的PSNR来衡量表示。四、实验要求1、 对实验程序motionEstAnalysis.m进行分析，完成主程序流程图。函数流程图：2、 编写补充完成部分不全程序代码，调试程序使其能正确运行(1) motionEstAnalysis.m% This scr

4、ipt uses all the Motion Estimation algorithms written for the % final project and save their results. close all clear all % imageName = 'caltrain.avi' mbSize = 4; p = 7; imgP1=double(imread('imagP.bmp');imgI1=double(imread('imagI.bmp');imgP=imgP1(:,:,1);imgI=imgI1(:,:,1);row

5、col = size(imgI); % Exhaustive Search %»ùÓÚ¿éµÄÈ«ËÑË÷Ëã·¨ BlockCenter, motionVect, computations = motionEstES(imgP,imgI,mbSize,p); % P Ö¡µ±Ç°Öع¹Í¼

6、07;ñ imgPComp = motionComp(imgI, motionVect, mbSize); % P Ö¡µ±Ç°Í¼ÏñºÍP Ö¡µ±Ç°Öع¹Í¼ÏñµÄPSNRÖµ %ESpsnr(i+1) = imgPSNR(imgP,imgPComp,255); n=255;P

7、SNR=imgPSNR(imgP,imgPComp,255)%MSE=(1/(n*n)*sum(sum(imgP-imgPComp).2); %PSNR=10*log(max(max(imgPComp).2/MSE); %psnr=PSNR; %EScomputations(i+1) = computations; % P Ö¡µ±Ç°Öع¹Îó²îͼÏñimagePDiff = imgP - imgPComp;

8、 figure; imageI = uint8(imgI); imageP = uint8(imgP); imagePComp = uint8(imgPComp); imagePDiff = uint8(imagePDiff); subplot(221);imshow(imageI); title('I Ö¡²Î¿¼Í¼Ïñ'); subplot(222);imshow(imageP); title('P Ö¡µ±Ç

9、76;ͼÏñ'); subplot(223);imshow(imagePComp); title('P Ö¡µ±Ç°Öع¹Í¼Ïñ'); subplot(224);imshow(imagePDiff); title('P Ö¡µ±Ç°Öع¹Îó²

10、38;ͼÏñ'); % »­Ô˶¯Ê¸Á¿Í¼ figure; quiver( BlockCenter(2,:), BlockCenter(1,:), motionVect(2,:), motionVect(1,:), .2,'r'); axis(0 320 0 240); for i=mbSize:mbSize:col-mbSize x = i,i; y = 0,row; line(x,y,'Lin

11、eStyle','-','Marker','none'); end for j=mbSize:mbSize:row-mbSize x = 0,col; y = j,j; line(x,y,'LineStyle','-','Marker','none'); end xlabel('X'); ylabel('Y'); (2) motionEstES( )% Computes motion vectors using exhaustive searc

12、h method（全搜索法计算运动矢量）% Input% imgP : The image for which we want to find motion vectors（当前图像）% imgI : The reference image（参考图像）% mbSize : Size of the macroblock（宏块尺寸）% p : Search parameter (read literature to find what this means)（搜索参数）% Ouput% motionVect : the motion vectors for each integral macrob

13、lock in imgP（当前图像中每一个积分宏块的运动矢量）% EScomputations: The average number of points searched for a macroblock（每个宏块搜索的平均点数）% Written by Aroh Barjatyafunction BlockCenter, motionVect, EScomputations = motionEstES(imgP, imgI, mbSize, p) % 定义函数文件motionEstES.m，imgP、 imgI、 mbSize、 p为传入参数，BlockCenter、motionVect、

14、 EScomputations为返回参数row col = size(imgI); % 将参考图像的行数赋值给row，列数赋值给colblockcenter = zeros(2,row*col/mbSize2);vectors = zeros(2,row*col/mbSize2); % 定义全0的矢量矩阵的大小costs = ones(2*p + 1, 2*p +1) * 65537; % 定义最小绝对差矩阵的大小computations = 0; % 搜索点数赋初值为0 % we start off from the top left of the image（从图像左上角开始）% we w

15、ill walk in steps of mbSize（以宏块尺寸为步长）% for every marcoblock that we look at we will look for% a close match p pixels on the left, right, top and bottom of it （对于每一个宏块，在它的上下左右找到与搜索参数p最匹配的像素）mbCount = 1; %搜索的宏块数赋初值为1%1为循环起始值，mbSize为步长值，row-mbSize+1为循环终止值for i = 1 : mbSize : row-mbSize+1 for j = 1 : mb

16、Size : col-mbSize+1 % the exhaustive search starts here（全搜索开始） % we will evaluate cost for (2p + 1) blocks vertically % and (2p + 1) blocks horizontaly（我们将计算水平方向上(2p + 1)个块的最小绝对差和垂直方向上(2p + 1)个块的最小绝对差） % m is row(vertical) index（m为行指数） % n is col(horizontal) index（n为列指数） % this means we are scanning

17、 in raster order for m = -p : p %水平方向上位移矢量范围 for n = -p : p %垂直方向上位移矢量范围 % % row/Vert co-ordinate for ref block （参考块的行(垂直方向)的范围） refBlkVer = i+m; % col/Horizontal co-ordinate（参考块的列(水平方向)的范围） refBlkHor = j+n; %如果参考块的行列范围的任意一个在已经搜索过的宏块之外，则继续下一步的搜索 if ( refBlkVer < 1 | refBlkVer+mbSize-1 > row .

18、| refBlkHor < 1 | refBlkHor+mbSize-1 > col) continue; end costs(m+p+1,n+p+1) = costFuncMAD(imgP(i:i+mbSize-1,j:j+mbSize-1), . imgI(refBlkVer:refBlkVer+mbSize-1, refBlkHor:refBlkHor+mbSize-1), mbSize); % 搜索下一个点 computations = computations + 1; end end % Now we find the vector where the cost is

19、minimum % and store it . this is what will be passed back.（现在找到有最小绝对差的矢量并存储它，这就是将被返回的东西） % blockcenter(1,mbCount) = i+ mbSize/2-1; blockcenter(2,mbCount) = j+ mbSize/2-1; % finds which macroblock in imgI gave us min Cost（找到参考图像中最小绝对差的宏块） dx, dy, min = minCost(costs); % row co-ordinate for the vector

20、（矢量的行集合） vectors(1,mbCount) = dy-p-1; % col co-ordinate for the vector（矢量的列集合） vectors(2,mbCount) = dx-p-1; %搜索下一个宏块 mbCount = mbCount + 1; costs = ones(2*p + 1, 2*p +1) * 65537; endendBlockCenter = blockcenter;motionVect = vectors; %返回当前图像中每一个积分宏块的运动矢量EScomputations = computations/(mbCount - 1); %返

21、回每个宏块搜索的平均点数 (3) costFuncMAD( )% Computes the Mean Absolute Difference (MAD) for the given two blocks（对给定的两个块计算最小绝对差）% Input% currentBlk : The block for which we are finding the MAD（当前块）% refBlk : the block w.r.t. which the MAD is being computed（参考块）% n : the side of the two square blocks% Output% c

22、ost : The MAD for the two blocks（两个块的最小绝对差）% Written by Aroh Barjatya% 定义函数文件costFuncMAD.m，currentBlk、refBlk、 n为传入参数，cost为返回参数function cost = costFuncMAD(currentBlk,refBlk, n) % 补充下面程序cost=sum(sum(abs(currentBlk-refBlk)/(n*n); (4) minCost( )% Finds the indices of the cell that holds the minimum cost

23、（找到拥有最小绝对差的点的指数）% Input% costs : The matrix that contains the estimation costs for a macroblock（包含宏块的估计代价的矩阵）% Output% dx : the motion vector component in columns（列方向上运动矢量组成）% dy : the motion vector component in rows（行方向上运动矢量组成）% Written by Aroh Barjatyafunction dx, dy, min = minCost(costs)row, col

24、= size(costs);% we check whether the current value of costs is less then the already present value in min.% If its inded smaller then we swap the min value with the current one and note the indices.% （检测costs的当前值是否比已经出现的最小值小。如果小的话，我们将当前值与最小值对调，并注明指数）% 补充下面程序minnum=65536;x=8;y=8;for i=1:rowfor j=1:co

25、lif(costs(i,j)<minnum)minnum=costs(i,j);x=i;y=j;endendenddx=x;dy=y;min=minnum; (5) motionComp.m% Computes motion compensated image using the given motion vectors（用给定的运动矢量计算运动补偿图像）% Input % imgI : The reference image （参考图像）% motionVect : The motion vectors（运动矢量）% mbSize : Size of the macroblock（宏块

26、大小）% % Ouput % imgComp : The motion compensated image（运动补偿图像）% Written by ArohBarjatya function imgComp = motionComp(imgI, motionVect, mbSize) row col = size(imgI); % we start off from the top left of the image（从图像左上角开始）% we will walk in steps of mbSize（以宏块大小为步长）% for every marcoblock that we look a

27、t we will read the motion vector（对于看到的每一个宏块，读出它的运动矢量）% and put that macroblock from refernce image in the compensated image（并将参考图像中的该宏块放到补偿图像中）mbCount = 1; for i = 1:mbSize:row-mbSize+1 for j = 1:mbSize:col-mbSize+1 % dy is row(vertical) index（dy为垂直方向上的指数）% dx is col(horizontal) index（dx为水平方向上的指数）% this means we are scanning