具体实施方式

图1是示出可以执行本公开用于应用子块变换模式的技术的示例视频编码和解码系统100的框图。本公开的技术通常针对对视频数据进行编解码(编码和/或解码)。通常，视频数据包括用于处理视频的任何数据。因此，视频数据可以包括原始的、未编解码的视频、已编码的视频、已解码的(例如，重建的)视频和诸如信令数据的视频元数据。

如图1所示，在该示例中，系统100包括源设备102，该源设备102提供要由目的地设备116解码和显示的已编码的视频数据。具体地，源设备102经由计算机可读介质110向目的地设备116提供视频数据。源设备102和目的地设备116可以各自包括各种设备中的任何一种，包括台式计算机、笔记本(即，膝上型)计算机、平板计算机、机顶盒、诸如智能手机的电话手机、电视、摄像机、显示设备、数字媒体播放器、视频游戏控制台、视频流设备等。在一些情况下，源设备102和目的地设备116可以被配备用于无线通信，因此可以被称为无线通信设备。

在图1的示例中，源设备102包括视频源104、存储器106、视频编码器200和输出接口108。目的地设备116包括输入接口122、视频解码器300、存储器120和显示设备118。根据本公开，源设备102的视频编码器200和目的地设备116的视频解码器300可以被配置成应用用于子块变换的技术。因此，源设备102表示视频编码设备的示例，而目的地设备116表示视频解码设备的示例。在其他示例中，源设备和目的地设备可以包括其他组件或布置。例如，源设备102可以从外部视频源(例如外部摄像机)接收视频数据。同样，目的地设备116可以与外部显示设备接口，而不是包括集成的显示设备。

图1所示的系统100仅是一个示例。通常，任何数字视频编码和/或解码设备都可以执行用于子块变换的技术。源设备102和目的地设备116仅仅是这样的编解码设备的示例，其中源设备102生成已编解码的视频数据以发送到目的地设备116。本公开将“编解码”设备称为执行数据编解码(编码和/或解码)的设备。因此，视频编码器200和视频解码器300表示编解码设备的示例，具体地，分别表示视频编码器和视频解码器。在一些示例中，设备102、116可以以基本对称的方式操作，使得设备102、116中的每一个都包括视频编码和解码组件。因此，系统100可以支持视频设备102、116之间的单向或双向视频传输，例如，用于视频流式传输、视频回放、视频广播或视频电话。

通常，视频源104表示视频数据的源(即，原始的、未编解码的视频数据)并且将视频数据的连续系列的图片(也被称为“帧”)提供给视频编码器200，视频编码器200对图片的数据进行编码。源设备102的视频源104可以包括视频捕获设备，例如视频摄像机、包含先前捕获的原始视频的视频档案和/或从视频内容提供商接收视频的视频馈送接口。作为进一步的替代，视频源104可以生成基于计算机图形的数据作为源视频，或者实况视频、存档视频和计算机生成视频的组合。在每个情况下，视频编码器200对捕获的、预捕获的或计算机生成的视频数据进行编码。视频编码器200可以将图片从接收顺序(有时被称为“显示顺序”)重新排列成用于编解码的编解码顺序。视频编码器200可以生成包括已编码的视频数据的比特流。然后源设备102可以经由输出接口108将已编码的视频数据输出到计算机可读介质110上，用于由例如目的地设备116的输入接口122进行接收或检索。

源设备102的存储器106和目的地设备116的存储器120表示通用存储器。在一些示例中，存储器106、120可以存储原始视频数据，例如，来自视频源104的原始视频和来自视频解码器300的原始的、已解码的视频数据。附加地或替代地，存储器106、120可以存储分别可由例如视频编码器200和视频解码器300执行的软件指令。尽管在该示例中被示为与视频编码器200和视频解码器300分开，但是应当理解，视频编码器200和视频解码器300也可以包括用于功能相似或等价目的的内部存储器。此外，存储器106、120可以存储例如从视频编码器200输出并输入到视频解码器300的已编码的视频数据。在一些示例中，存储器106、120的部分可以被分配为一个或多个视频缓冲器，例如，以存储原始的、已解码的和/或已编码的视频数据。

计算机可读介质110可以表示能够将已编码的视频数据从源设备102传输到目的地设备116的任何类型的介质或设备。在一个示例中，计算机可读介质110表示通信介质，以使源设备102能够实时地(例如，经由射频网络或基于计算机的网络)将已编码的视频数据直接发送到目的地设备116。输出接口108可以调制包括已编码的视频数据的传输信号，并且输入接口122可以根据诸如无线通信协议的通信标准解调所接收的传输信号。通信介质可以包括任何无线或有线通信介质，例如射频(RF)频谱或者一条或多条物理传输线。通信介质可以形成基于分组的网络的一部分，例如局域网、广域网或诸如因特网的全球网络。通信介质可以包括路由器、交换机、基站或有助于从源设备102到目的地设备116的通信的任何其他装备。

在一些示例中，源设备102可以从输出接口108向存储设备112输出已编码的数据。类似地，目的地设备116可以经由输入接口122从存储设备112访问已编码的数据。存储设备112可以包括各种分布式或本地访问的数据存储介质中的任何一种，例如硬盘驱动器、蓝光光盘、DVD、CD-ROM、闪存、易失性或非易失性存储器，或者用于存储已编码的视频数据的任何其他合适的数字存储介质。

在一些示例中，源设备102可以向文件服务器114或向可以存储由源设备102生成的已编码的视频的另一中间存储设备输出已编码的视频数据。目的地设备116可以经由流式传输或下载从文件服务器114访问存储的视频数据。文件服务器114可以是能够存储已编码的视频数据并将已编码的视频数据发送到目的地设备116的任何类型的服务器设备。文件服务器114可以表示网络服务器(例如，对于网站)、文件传输协议(FTP)服务器、内容分发网络设备或网络附加存储(NAS)设备。目的地设备116可以通过包括互联网连接的任何标准数据连接从文件服务器114访问已编码的视频数据。这可以包括适于访问存储在文件服务器114上的已编码的视频数据的无线信道(例如，Wi-Fi连接)、有线连接(例如，数字用户线路(DSL)、电缆调制解调器等)、或者两者的组合。文件服务器114和输入接口122可以被配置成根据流式传输协议、下载传输协议或其组合来操作。

输出接口108和输入接口122可以表示无线发送器/接收器、调制解调器、有线网络组件(例如，以太网卡)、根据各种IEEE 802.11标准中的任何一种操作的无线通信组件或其他物理组件。在输出接口108和输入接口122包括无线组件的示例中，输出接口108和输入接口122可以被配置成根据蜂窝通信标准(例如4G、4G-LTE(长期演进)、LTE高级(LTE-A)、5G等)传送诸如已编码的视频数据的数据。在输出接口108包括无线发送器的一些示例中，输出接口108和输入接口122可以被配置成根据其他无线标准(例如IEEE 802.11规范、IEEE802.15规范(例如，ZigBee^TM)、Bluetooth^TM标准等)传送诸如已编码的视频数据的数据。在一些示例中，源设备102和/或目的地设备116可以包括相应的片上系统(SoC)设备。例如，源设备102可以包括SoC设备以执行属于视频编码器200和/或输出接口108的功能，目的地设备116可以包括SoC设备以执行属于视频解码器300和/或输入接口122的功能。

本公开的技术可以被应用于视频编解码，以支持各种多媒体应用中的任何一种，例如空中电视广播、有线电视传输、卫星电视传输、诸如基于HTTP的动态自适应流式传输(DASH)的互联网流式视频传输、被编码到数据存储介质上的数字视频、存储在数据存储介质上的数字视频的解码或其他应用。

目的地设备116的输入接口122从计算机可读介质110(例如，存储设备112、文件服务器114等)接收已编码的视频比特流。来自计算机可读介质110的已编码的视频比特流可以包括由视频编码器200定义的信令信息(例如具有描述视频块或其他编解码单元(例如，条带、图片、图片组、序列等)的特性和/或处理的值的语法元素)，该信令信息也被视频解码器300使用。显示设备118向用户显示已解码的视频数据的已解码的图片。显示设备118可以表示各种显示设备中的任何一种，例如液晶显示器(LCD)、等离子显示器、有机发光二极管显示器(OLED)或另一种类型的显示设备。

尽管图1中未示出，在一些示例中，视频编码器200和视频解码器300可以各自与音频编码器和/或音频解码器集成，并且可以包括适当的MUX-DEMUX单元，或者其他硬件和/或软件，以处理包括公共数据流中的音频和视频两者的多路复用流。

视频编码器200和视频解码器300各自可以被实现为各种合适的编码器和/或解码器电路中的任何一种，例如一个或多个微处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、分立逻辑、软件、硬件、固件或其任意组合。当这些技术部分地在软件中被实现时，设备可以将软件的指令存储在合适的非暂时性计算机可读介质中，并且使用一个或多个处理器在硬件中执行该指令以执行本公开的技术。视频编码器200和视频解码器300中的每一个都可以被包括在一个或多个编码器或解码器中，其中的任何一个都可以被集成为相应设备中的组合编码器/解码器(编解码器(CODEC))的一部分。包括视频编码器200和/或视频解码器300的设备可以包括集成电路、微处理器和/或诸如蜂窝电话的无线通信设备。

视频编码器200和视频解码器300可以根据视频编解码标准(例如，ITU-T H.265，也被称为高效视频编解码(HEVC)，或其扩展，例如多视图和/或可缩放视频编解码扩展)进行操作。替代地，视频编码器200和视频解码器300可以根据其他专有或行业标准(例如，联合探索测试模型(JEM)ITU-T H.266(也被称为多功能视频编解码(VCC)))进行操作。VVC标准的最新草案见Bross等人的“多功能视频编码(草案4)(Versatile Video Coding(Draft4))”，ITU-T SG 16WP 3和ISO/IEC JTC 1/SC 29/WG 11的联合视频专家组(JVET)，第13次会议：马拉喀什，MA，2019年1月9日至18日，JVET-M1001-v5(以下简称“VVC草案4”)。然而，本公开的技术不限于任何特定的编解码标准。

通常，视频编码器200和视频解码器300可以执行基于块的图片编解码。术语“块”通常指包括待处理的(例如，待编码的、待解码或以其他方式被用于编码和/或解码过程的)数据的结构。例如，块可以包括亮度和/或色度数据的样点的二维矩阵。通常，视频编码器200和视频解码器300可以对以YUV(例如，Y、Cb、Cr)格式表示的视频数据进行编解码。也就是说，视频编码器200和视频解码器300可以对亮度和色度分量进行编解码，而不是对图片的样点的红色、绿色和蓝色(RGB)数据进行编解码，其中色度分量可以包括红色色调和蓝色色调色度分量。在一些示例中，视频编码器200在编码之前将所接收的RGB格式的数据转换成YUV表示，并且视频解码器300将YUV表示转换成RGB格式。替代地，预处理和后处理单元(未示出)可以执行这些转换。

本公开通常可以指图片的编解码(例如，编码和解码)以包括对图片的数据进行编码或解码的过程。类似地，本公开可以指图片的块的编解码以包括对块的数据进行编码或解码的过程(例如，预测和/或残差编解码)。已编码的视频比特流通常包括表示编解码决定(例如，编解码模式)以及图片到块的分割的语法元素的一系列值。因此，对编解码图片或块的引用通常应理解为对形成图片或块的语法元素的值进行编解码。

HEVC定义了各种块，包括编解码单元(CU)、预测单元(PU)和变换单元(TU)。根据HEVC，视频编解码器(例如视频编码器200)根据四叉树结构将编解码树单元(CTU)分割为CU。也就是说，视频编解码器将CTU和CU分割成四个相等的、不重叠的正方形，并且四叉树的每个节点都具有零个或四个子节点。没有子节点的节点可以被称为“叶节点”，并且这种叶节点的CU可以包括一个或多个PU、和/或一个或多个TU。视频编解码器可以进一步分割PU和TU。例如，在HEVC中，残差四叉树(RQT)表示TU的分割。在HEVC中，PU表示帧间预测数据，而TU表示残差数据。帧内预测的CU包括诸如帧内模式指示的帧内预测信息。

作为另一个示例，视频编码器200和视频解码器300可以被配置成根据JEM或VVC操作。根据JEM或VVC，视频编码器(例如视频编码器200)将一个图片分割成多个编解码树单元(CTU)。视频编码器200可以根据树结构(例如四叉树-二叉树(QTBT)结构或多类型树(MTT)结构)来分割CTU。QTBT结构移除了多个分割类型(例如HEVC的CU、PU和TU之间的分离)的概念。QTBT结构包括两个级别：根据四叉树分割来进行分割的第一级别，以及根据二叉树分割来进行分割的第二级别。QTBT结构的根节点对应于CTU。二叉树的叶节点对应于编解码单元(CU)。

在MTT分割结构中，可以使用四叉树(QT)分割、二叉树(BT)分割以及一种或多种类型的三叉树(TT)(也被称为三元树(TT))分割来分割块。三叉或三元树分割是其中块被划分成三个子块的分割。在一些示例中，三叉或三元树分割在没有通过中心划分原始块的情况下将块划分为三个子块。MTT中的分割类型(例如，QT、BT和TT)可以是对称的，也可以是不对称的。

在一些示例中，视频编码器200和视频解码器300可以使用单个QTBT或MTT结构来表示亮度和色度分量中的每一个，而在其他示例中，视频编码器200和视频解码器300可以使用两个或更多个QTBT或MTT结构，例如一个QTBT/MTT结构用于亮度分量，另一个QTBT/MTT结构用于两个色度分量(或者两个QTBT/MTT结构用于相应的色度分量)。

视频编码器200和视频解码器300可以被配置成使用按照HEVC的四叉树分割、QTBT分割、MTT分割或其他分割结构。出于解释的目的，本公开的技术的描述是关于QTBT分割来呈现的。然而，应当理解，本公开的技术也可以被应用于被配置成使用四叉树分割或其他类型的分割的视频编解码器。

可以在一张图片中以各种方式对块(例如，CTU或CU)进行分组。作为一个示例，砖块(brick)可以指图片中特定图块(tile)内的CTU行的矩形区域。图块可以是图片中特定图块列和特定图块行内的CTU的矩形区域。图块列指的是具有等于图片高度的高度和由语法元素(例如在图片参数集中)指定的宽度的CTU的矩形区域。图块行指的是具有由语法元素(例如在图片参数集中)指定的高度和等于图片的宽度的宽度的CTU的矩形区域。

在一些示例中，图块可以被分割成多个砖块，每个砖块可以包括图块内的一个或多个CTU行。没有被分割成多个砖块的图块也可以被称为砖块。然而，作为图块的真子集的砖块不能被称为图块。

图片中的砖块也可以按条带来排列。条带可以是图片的整数个砖块，这些砖块可以排他地被包含在单个网络提取层(NAL)单元中。在一些示例中，条带包括多个完整的图块或者仅包括一个图块的完整砖块的连续序列。

本公开可以互换地使用“N×N”和“N乘N”来指在垂直和水平维度方面的块(诸如CU或其他视频块)的样点维度，例如，16×16样点或16乘16样点。通常，16×16CU在垂直方向上具有16个样点(y＝16)，并且在水平方向上具有16个样点(x＝16)。同样，N×N CU通常在垂直方向上具有N个样点，并且在水平方向上具有N个样点，其中N表示非负整数值。CU中的样点可以按行和列来排列。此外，CU在水平方向上不必具有与垂直方向上相同数量的样点。例如，CU可以包括N×M个样点，其中M不一定等于N。

视频编码器200对表示预测和/或残差信息以及其他信息的CU的视频数据进行编码。预测信息指示如何预测CU，以便形成CU的预测块。残差信息通常表示编码前的CU样点与预测块之间的逐样点差。

为了预测CU，视频编码器200通常可以通过帧间预测或帧内预测形成CU的预测块。帧间预测通常指的是从先前已编解码的图片的数据预测CU，而帧内预测通常指的是从同一图片的先前已编解码的数据预测CU。为了执行帧间预测，视频编码器200可以使用一个或多个运动矢量来生成预测块。视频编码器200通常可以例如根据CU与参考块之间的差，执行运动搜索来识别与CU紧密匹配的参考块。视频编码器200可使用绝对差之和(SAD)、平方差之和(SSD)、平均绝对差(MAD)、均方差(MSD)或其它这样的差计算来计算差度量，以确定参考块是否与当前CU紧密匹配。在一些示例中，视频编码器200可以使用单向预测或双向预测来预测当前CU。

JEM和VVC的一些示例也提供仿射运动补偿模式，其可以被认为是帧间预测模式。在仿射运动补偿模式下，视频编码器200可以确定表示非平移运动(例如放大或缩小、旋转、透视运动或其他不规则运动类型)的两个或更多个运动矢量。

为了执行帧内预测，视频编码器200可以选择帧内预测模式来生成预测块。JEM和VVC的一些示例提供了六十七种帧内预测模式，包括各种方向模式，以及平面模式和DC模式。通常，视频编码器200选择描述当前块(例如，CU的块)的相邻样点的帧内预测模式，其中从该相邻样点预测当前块的样点。假设视频编码器200以光栅扫描顺序(从左到右、从上到下)对CTU和CU进行编解码，这样的样点通常可以在与当前块相同的图片中的当前块的上方、左上方或者左侧。

视频编码器200对表示当前块的预测模式的数据进行编码。例如，对于帧间预测模式，视频编码器200可以对表示使用各种可用帧间预测模式中的哪一种以及对应模式的运动信息的数据进行编码。例如，对于单向或双向帧间预测，视频编码器200可以使用高级运动矢量预测(AMVP)或合并模式来对运动矢量进行编码。视频编码器200可以使用类似的模式来对仿射运动补偿模式的运动矢量进行编码。

在预测之后，例如块的帧内预测或帧间预测，视频编码器200可以计算该块的残差数据。诸如残差块的残差数据表示块与使用对应的预测模式形成的该块的预测块之间的逐样点差。视频编码器200可以对残差块应用一个或多个变换，以在变换域而不是样点域中产生变换的数据。例如，视频编码器200可以对残差视频数据应用离散余弦变换(DCT)、整数变换、小波变换或概念上类似的变换。附加地，视频编码器200可以在初级变换之后应用次级变换，例如模式相关的不可分离次级变换(MDNSST)、信号依赖的变换、卡尔亨-洛夫变换(Karhunen-Loeve transform，KLT)等。在一些示例中，如下面将描述的，视频编码器200可以应用一个或多个子块变换。视频编码器200在应用一个或多个变换后产生变换系数。

如上所述，在任何变换以产生系数之后，视频编码器200可以执行变换系数的量化。量化通常是指对变换系数进行量化以尽可能减少用于表示变换系数的数据量，从而提供进一步压缩的过程。通过执行量化过程，视频编码器200可以减少与一些或所有变换系数相关联的比特深度。例如，视频编码器200可以在量化期间将n比特值向下舍入到m比特值，其中n大于m。在一些示例中，为了执行量化，视频编码器200可以对要被量化的值执行逐位右移。

量化之后，视频编码器200可以扫描变换系数，从包括量化的变换系数的二维矩阵产生一维矢量。扫描可以被设计成将较高能量(因此较低频率)的变换系数放置在矢量的前面，并将较低能量(因此较高频率)的变换系数放置在矢量的后面。在一些示例中，视频编码器200可以利用预定义的扫描顺序来扫描量化的系数以产生串行化的矢量，然后对矢量的量化的变换系数进行熵编码。在其他示例中，视频编码器200可以执行自适应扫描。在扫描量化的系数以形成一维矢量之后，视频编码器200可以例如根据上下文自适应二进制算术编解码(CABAC)对该一维矢量进行熵编码。视频编码器200还可以对描述与已编码的视频数据相关联的元数据的语法元素的值进行熵编码，以供视频解码器300在对视频数据进行解码中使用。

为了执行CABAC，视频编码器200可以将上下文模型内的上下文分配给要发送的符号。例如，上下文可以涉及符号的相邻值是否为零值。概率确定可以基于分配给符号的上下文。

视频编码器200还可以(在图片标头、块标头、条带标头中)向视频解码器300生成语法数据，例如基于块的语法数据、基于图片的语法数据和基于序列的语法数据或其他语法数据，例如序列参数集(SPS)、图片参数集(PPS)或视频参数集(VPS)。视频解码器300同样可以对这样的语法数据进行解码，以确定如何解码对应的视频数据。

以这种方式，视频编码器200可以生成比特流，该比特流包括已编码的视频数据，例如，描述将图片分割成块(例如，CU)以及块的预测和/或残差信息的语法元素。最终，视频解码器300可以接收比特流并对已编码的视频数据进行解码。

通常，视频解码器300执行与视频编码器200执行的过程相反的过程，以对比特流的已编码的视频数据进行解码。例如，视频解码器300可以使用CABAC以与视频编码器200的CABAC编码过程基本相似但相反的方式来对比特流的语法元素的值进行解码。语法元素可以定义分割信息，其用于将图片分割成CTU以及根据相应的分割结构(例如QTBT结构)对每个CTU进行分割，以定义CTU的CU。语法元素还可以定义视频数据的块(例如，CU)的预测和残差信息。

残差信息可以由例如量化的系数来表示。视频解码器300可以对块的量化的变换系数进行逆量化和逆变换，以再现该块的残差块。视频解码器300使用被信令通知的预测模式(帧内或帧间预测)和相关预测信息(例如，用于帧间预测的运动信息)以形成块的预测块。然后视频解码器300可以(在逐个样点的基础上)组合预测块和残差块以再现原始块。视频解码器300可以执行附加处理，例如执行去方块过程以减少沿着块边界的视觉伪影。

根据本公开的技术，视频编码器200和视频解码器300可以被配置成基于块的宽高比(width-to-height ratio)或高宽比(eight-to-width ratio)中的一个或多个来确定对该块使用子块变换模式，以及基于使用子块变换模式的确定来对该块应用一个或多个变换。在另一个示例中，视频编码器200和视频解码器300可以被配置成确定用于子块变换模式的变换(例如，确定是否使用变换替代)，其中该变换是从包括DCT-8、以及DCT-2和恒等(identity)变换中的至少一个的组中确定的，以及使用子块变换模式和所确定的变换来对块的子块进行编解码。

本公开通常可以提及“信令通知”诸如语法元素的某些信息。术语“信令通知”通常可以指用于对已编码的视频数据进行解码的语法元素和/或其他数据的值的传送。也就是说，视频编码器200可以在比特流中信令通知语法元素的值。通常，信令通知指的是在比特流中生成值。如上所述，源设备102可以基本上实时地将比特流传输到目的地设备116，或者(例如当将语法元素存储到存储设备112以供目的地设备116稍后检索时可能发生)不实时地将比特流传输到目的地设备116。

图2A和图2B是示出示例四叉树二叉树(QTBT)结构130和对应的编解码树单元(CTU)132的概念图。实线表示四叉树划分，虚线指示二叉树划分。在二叉树的每个划分(即，非叶)节点，信令通知一个标志以指示使用哪种划分类型(即，水平或垂直)，其中在该示例中0指示水平划分，1指示垂直划分。对于四叉树划分，不需要指示划分类型，因为四叉树节点将块水平和垂直划分成4个具有相等大小的子块。因此，视频编码器200可以对用于QTBT结构130的区域树级别(即，实线)的语法元素(例如划分信息)和QTBT结构130的预测树级别(即，虚线)的语法元素(例如划分信息)进行编码，并且视频解码器300可以对其进行解码。视频编码器200可以对由QTBT结构130的终端叶节点表示的CU的视频数据(例如预测和变换数据)进行编码，并且视频解码器300可以对其进行解码。

通常，图2B的CTU 132可以与定义与第一级别和第二级别处的QTBT结构130的节点相对应的块的大小的参数相关联。这些参数可以包括CTU大小(表示样点中CTU 132的大小)、最小四叉树大小(MinQTSize，表示最小允许的四叉树叶节点大小)、最大二叉树大小(MaxBTSize，表示最大允许的二叉树根节点大小)、最大二叉树深度(MaxBTDepth，表示最大允许的二叉树深度)和最小二叉树大小(MinBTSize，表示最小允许的二叉树叶节点大小)。

对应于CTU的QTBT结构的根节点可以在QTBT结构的第一级别具有四个子节点，每个子节点可以根据四叉树分割来被分割。也就是说，第一级别的节点要么是叶节点(不具有子节点)，要么具有四个子节点。QTBT结构130的示例将这样的节点表示为包括父节点和具有用于分支的实线的子节点。如果第一级别的节点不大于最大允许的二叉树根节点大小(MaxBTSize)，则这些节点可以被相应的二叉树进一步分割。可以迭代一个节点的二叉树划分，直到划分产生的节点达到最小允许二叉树叶节点大小(MinBTSize)或最大允许二叉树深度(MaxBTDepth)。QTBT结构130的示例将这样的节点表示为具有用于分支的虚线。二叉树叶节点被称为编解码单元(CU)，其用于预测(例如，图片内或图片间预测)和变换，而无需任何进一步的分割。如上所述，CU也可以被称为“视频块”或“块”。

在QTBT分割结构的一个示例中，CTU大小被设置为128×128(亮度样点和两个对应的64×64色度样点)，MinQTSize被设置为16×16，MaxBTSize被设置为64×64，MinBTSize(用于宽度和高度两者)被设置为4，MaxBTDepth被设置为4。首先将四叉树分割应用于CTU，以生成四叉树叶节点。四叉树叶节点可以具有从16×16(即，MinQTSize)到128×128(即，CTU大小)的大小。如果四叉树叶节点是128×128，则四叉树叶节点将不会被二叉树进一步划分，因为其大小超过了MaxBTSize(即，在此示例中是64×64)。否则，四叉树叶节点将被二叉树进一步分割。因此，四叉树叶节点也是二叉树的根节点，并且具有为0的二叉树深度。当二叉树深度达到MaxBTDepth(在此例中为4)时，不允许进一步划分。具有宽度等于MinBTSize(在此例中为4)的二叉树节点意味着不允许进一步的水平划分。类似地，具有高度等于MinBTSize的二叉树节点意味着不允许针对该二叉树节点进一步垂直划分。如上所述，二叉树的叶节点被称为CU，并且根据预测和变换被进一步处理，而无需进一步分割。

图3是示出可以执行本公开的用于子块变换的技术的示例视频编码器200的框图。图3是出于解释的目的而被提供的，并且不应被认为是对本公开中广泛例示和描述的技术的限制。出于解释的目的，本公开在视频编解码标准(例如HEVC视频编解码标准和正在开发的H.266视频编解码标准)的上下文中描述了视频编码器200。然而，本公开的技术不限于这些视频编解码标准，并且通常适用于视频编码和解码。

在图3的示例中，视频编码器200包括视频数据存储器230、模式选择单元202、残差生成单元204、变换处理单元206、量化单元208、逆量化单元210、逆变换处理单元212、重建单元214、滤波器单元216、解码图片缓冲器(DPB)218和熵编码单元220。视频数据存储器230、模式选择单元202、残差生成单元204、变换处理单元206、量化单元208、逆量化单元210、逆变换处理单元212、重建单元214、滤波器单元216、DPB 218和熵编码单元220中的任何一个或全部可以在一个或多个处理器或处理电路中被实现。此外，视频编码器200可以包括附加的或替代的处理器或处理电路来执行这些和其他功能。

视频数据存储器230可以存储要由视频编码器200的组件进行编码的视频数据。视频编码器200可以从例如视频源104(图1)接收存储在视频数据存储器230中的视频数据。DPB 218可以充当参考图片存储器，其存储参考视频数据以供视频编码器200预测后续视频数据时使用。视频数据存储器230和DPB 218可以由多种存储器设备中的任何一种形成，例如动态随机存储器(DRAM)(包括同步DRAM(SDRAM))、磁阻RAM(MRAM)、电阻RAM(RRAM)或者其他类型的存储器设备。视频数据存储器230和DPB218可以由同一存储器设备或单独的存储器设备来提供。在各种示例中，如图所示，视频数据存储器230可以与视频编码器200的其他组件一起在芯片上，或者相对于这些组件在芯片外。

在本公开中，对视频数据存储器230的引用不应被解释为限于视频编码器200内部的存储器，除非具体描述为这样，或者限于视频编码器200外部的存储器，除非具体描述为这样。相反，对视频数据存储器230的引用应被理解为对存储视频编码器200接收用于编码的视频数据(例如，要编码的当前块的视频数据)的存储器的引用。图1的存储器106还可以提供来自视频编码器200的各种单元的输出的临时存储。

图3的各种单元被示出以帮助理解视频编码器200执行的操作。这些单元可以被实现为固定功能电路、可编程电路或其组合。固定功能电路指的是提供特定功能并被预设在可以被执行的操作上的电路。可编程电路指的是可以被编程以执行各种任务并在可以被执行的操作中提供灵活功能的电路。例如，可编程电路可以执行软件或固件，使得可编程电路以由软件或固件的指令定义的方式操作。固定功能电路可以执行软件指令(例如，接收参数或输出参数)，但是固定功能电路执行的操作类型通常是不可变的。在一些示例中，单元中的一个或多个可以是不同的电路块(固定功能的或可编程的)，并且在一些示例中，一个或多个单元可以是集成电路。

视频编码器200可以包括算术逻辑单元(ALU)、基本功能单元(EFU)、数字电路、模拟电路和/或由可编程电路形成的可编程核心。在使用由可编程电路执行的软件来执行视频编码器200的操作的示例中，存储器106(图1)可以存储视频编码器200接收和执行的软件的目标代码，或者视频编码器200内的另一个存储器(未示出)可以存储这样的指令。

视频数据存储器230被配置成存储所接收的视频数据。视频编码器200可以从视频数据存储器230检索视频数据的图片，并将视频数据提供给残差生成单元204和模式选择单元202。视频数据存储器230中的视频数据可以是待编码的原始视频数据。

模式选择单元202包括运动估计单元222、运动补偿单元224和帧内预测单元226。模式选择单元202可以包括附加功能单元，以根据其他预测模式执行视频预测。作为示例，模式选择单元202可以包括调色板单元、帧内块复制单元(其可以是运动估计单元222和/或运动补偿单元224的一部分)、仿射单元、线性模型(LM)单元等。

模式选择单元202通常协调多个编码遍次(encoding pass)，以测试编码参数的组合以及这种组合的结果的率失真值。编码参数可以包括CTU到CU的分割、CU的预测模式、CU的残差数据的变换类型、CU的残差数据的量化参数等。模式选择单元202可以最终选择具有比其他测试的组合更好的率失真值的编码参数的组合。

视频编码器200可以将从视频数据存储器230中检索到的图片分割成一系列CTU，并将一个或多个CTU封装在一个条带内。模式选择单元202可以根据树结构(例如上述HEVC的QTBT结构或四叉树结构)，来分割图片的CTU。如上所述，视频编码器200可以根据树结构从分割CTU来形成一个或多个CU。这种CU通常也可以被称为“视频块”或“块”。

通常，模式选择单元202还控制其组件(例如，运动估计单元222、运动补偿单元224和帧内预测单元226)来生成当前块的预测块(例如，当前CU，或者在HEVC中，PU和TU的重叠部分)。对于当前块的帧间预测，运动估计单元222可以执行运动搜索以识别一个或多个参考图片(例如，存储在DPB 218中的一个或多个先前已编解码的图片)中的一个或多个紧密匹配的参考块。具体地，运动估计单元222可以例如根据绝对差之和(SAD)、平方差之和(SSD)、平均绝对差(MAD)、均方差(MSD)等来计算表示潜在参考块与当前块有多相似的值。运动估计单元222通常可以使用当前块与所考虑的参考块之间的逐样点差来执行这些计算。运动估计单元222可以识别具有从这些计算得到的最低值的参考块，该最低值指示最紧密匹配当前块的参考块。

运动估计单元222可以形成一个或多个运动矢量(MV)，其定义参考图片中的参考块的位置相对于当前图片中的当前块的位置。然后运动估计单元222可以向运动补偿单元224提供运动矢量。例如，对于单向帧间预测，运动估计单元222可以提供单个运动矢量，而对于双向帧间预测，运动估计单元222可以提供两个运动矢量。然后运动补偿单元224可以使用运动矢量生成预测块。例如，运动补偿单元224可以使用运动矢量来检索参考块的数据。作为另一个示例，如果运动矢量具有分数样点精度，则运动补偿单元224可以根据一个或多个插值滤波器对预测块的值进行插值。此外，对于双向帧间预测，运动补偿单元224可以检索由相应运动矢量标识的两个参考块的数据，并通过例如逐个样点平均或加权平均组合检索到的数据。

作为另一个示例，对于帧内预测或帧内预测编解码，帧内预测单元226可以从与当前块相邻的样点生成预测块。例如，对于方向模式，帧内预测单元226通常可以在数学上组合相邻样点的值，并且在跨当前块的定义方向上填充这些计算值，以产生预测块。作为另一个示例，对于DC模式，帧内预测单元226可以计算当前块的相邻样点的平均值，并且生成预测块来对于预测块的每个样点包括该结果平均值。

模式选择单元202将预测块提供给残差生成单元204。残差生成单元204从视频数据存储器230接收当前块的原始的、未编解码的版本，并从模式选择单元202接收预测块。残差生成单元204计算当前块与预测块之间的逐样点差。结果的逐样点差定义了当前块的残差块。在一些示例中，残差生成单元204还可以确定残差块中的样点值之间的差，以使用残差差分脉冲编解码调制(RDPCM)来生成残差块。在一些示例中，可以使用执行二进制减法的一个或多个减法器电路来形成残差生成单元204。

在模式选择单元202将CU分割成PU的示例中，每个PU可以与亮度预测单元和对应的色度预测单元相关联。视频编码器200和视频解码器300可以支持具有各种大小的PU。如上所述，CU的大小可以指CU的亮度编解码块的大小，而PU的大小可以指PU的亮度预测单元的大小。假设特定CU的大小是2N×2N，则视频编码器200可以支持用于帧内预测的2N×2N或N×N的PU大小，以及用于帧间预测的2N×2N、2N×N、N×2N、N×N或类似的对称PU大小。视频编码器200和视频解码器300还可以支持用于帧间预测的2N×nU、2N×nD、nL×2N和nR×2N的PU大小的非对称分割。

在模式选择单元202没有进一步将CU分割成PU的示例中，每个CU可以与亮度编解码块以及对应的色度编解码块相关联。如上所述，CU的大小可以指CU的亮度编解码块的大小。视频编码器200和视频解码器300可以支持2N×2N、2N×N或N×2N的CU大小。

对于其它视频编解码技术，作为几个示例，例如帧内块复制模式编解码、仿射模式编解码和线性模型(LM)模式编解码，模式选择单元202经由与编解码技术相关联的相应单元，生成正在被编码的当前块的预测块。在一些示例中，例如调色板模式编解码，模式选择单元202可以不生成预测块，而是生成指示基于所选择的调色板重建块的方式的语法元素。在这种模式下，模式选择单元202可以将这些语法元素提供给熵编码单元220以进行编码。

如上所述，残差生成单元204接收当前块和对应预测块的视频数据。然后残差生成单元204生成当前块的残差块。为了生成残差块，残差生成单元204计算预测块与当前块之间的逐样点差。

变换处理单元206对残差块应用一个或多个变换，以生成变换系数的块(本文称为“变换系数块”)。变换处理单元206可以对残差块应用各种变换，以形成变换系数块。例如，变换处理单元206可以对残差块应用离散余弦变换(DCT)、方向变换、卡尔亨-洛夫变换(KLT)或概念上类似的变换。在一些示例中，变换处理单元206可以对残差块执行多次变换，例如，初级变换和次级变换(例如旋转变换)。在一些示例中，变换处理单元206不对残差块应用变换。

如下文将更详细描述的，变换处理单元206可以使用子块变换模式对残差块应用一个或多个变换。在子块变换模式中，变换处理单元206可以将残差块分成两个子块。在一个示例中，对于垂直子块变换模式，变换处理单元206将残差块分成两个垂直子块。在一些示例中，两个垂直子块具有残差块1/2宽度的宽度。在其他示例中，两个垂直子块分别具有残差块的1/4宽度和残差块的3/4宽度的宽度。在其他示例中，可以使用残差块到子块的不同划分。然后变换处理单元206可以对垂直子块应用一个或多个变换。

在其他示例中，对于水平子块变换模式，变换处理单元206将残差块分成两个水平子块。在一些示例中，两个水平子块具有残差块的1/2高度的高度。在其他示例中，两个水平子块分别具有残差块的1/4高度和残差块的3/4高度的高度。在其他示例中，可以使用残差块到子块的不同划分。然后变换处理单元206可以对水平子块应用一个或多个变换。

根据本公开的技术，变换处理单元206可以被配置成基于残差块的宽度和高度来确定是否对残差块应用子块变换模式。例如，变换处理单元206可以被配置成基于块的宽高比或高宽比中的一个或多个来确定针对块使用子块变换模式，并且基于使用子块变换模式的确定来对块应用一个或多个变换。对于垂直子块变换模式(vertical sub-blocktransform mode，SBT-V)，变换处理单元206可以被配置成在块的宽高比小于第一阈值的情况下确定不使用垂直子块变换模式(SBT-V)。在这种情况下，变换处理单元206可以对整个残差块应用一个或多个变换。在块的宽高比大于或等于第一阈值的情况下，变换处理单元206可以将块分成两个垂直子块，并且对子块应用一个或多个变换。

类似地，对于水平子块变换模式(horizontal sub-block transform mode，SBT-H)，变换处理单元206可以被配置成在块的高宽比小于第二阈值的情况下确定不使用水平子块变换模式(SBT-H)。在这种情况下，变换处理单元206可以对整个残差块应用一个或多个变换。在块的高宽比大于或等于第二阈值的情况下，变换处理单元206可以将块分成两个水平子块，并且对子块应用一个或多个变换。

量化单元208可以量化变换系数块中的变换系数，以产生量化的变换系数块。量化单元208可以根据与当前块相关联的量化参数(QP)值来量化变换系数块中的变换系数。视频编码器200(例如，经由模式选择单元202)可以通过调整与CU相关联的QP值来调整应用于与当前块相关联的系数块的量化程度。量化可能引入信息损失，因此，量化的变换系数可能比由变换处理单元206产生的原始变换系数具有更低的精度。

逆量化单元210和逆变换处理单元212可以分别对量化的变换系数块应用逆量化和逆变换，以从变换系数块重建残差块。重建单元214可以基于重建的残差块和由模式选择单元202生成的预测块来产生对应于当前块的重建块(尽管可能具有一定程度的失真)。例如，重建单元214可以将重建的残差块的样点加到来自由模式选择单元202生成的预测块的对应样点，以产生重建块。

滤波器单元216可以对重建的块执行一个或多个滤波操作。例如，滤波器单元216可以执行去方块操作以减少沿CU边缘的块效应伪影。在一些示例中，可以跳过滤波器单元216的操作。

视频编码器200将重建块存储在DPB 218中。例如，在不执行滤波器单元216的操作的示例中，重建单元214可以将重建块存储到DPB 218。在执行滤波器单元216的操作的示例中，滤波器单元216可以将滤波后的重建块存储到DPB 218。运动估计单元222和运动补偿单元224可以从DPB 218中检索参考图片，该参考图片由重建的(并且可能被滤波的)块形成，以对随后编码的图片的块进行帧间预测。此外，帧内预测单元226可以使用DPB218中的当前图片的重建块来帧内预测当前图片中的其他块。

通常，熵编码单元220可以对从视频编码器200的其他功能组件接收的语法元素进行熵编码。例如，熵编码单元220可以对来自量化单元208的量化的变换系数块进行熵编码。作为另一个示例，熵编码单元220可以对来自模式选择单元202的预测语法元素(例如，用于帧间预测的运动信息或用于帧内预测的帧内模式信息)进行熵编码。熵编码单元220可以对作为视频数据的另一个示例的语法元素执行一个或多个熵编码操作，以生成已熵编码的数据。例如，熵编码单元220可以对数据执行上下文自适应可变长度编解码(CAVLC)操作、CABAC操作、可变到可变(V2V)长度编解码操作、基于语法的上下文自适应二进制算术编解码(SBAC)操作、概率区间分割熵(PIPE)编解码操作、指数哥伦布(Exponential-Golomb)编码操作或另一种类型的熵编码操作。在一些示例中，熵编码单元220可以以旁路模式操作，其中语法元素不被熵编码。

视频编码器200可以输出比特流，其包括重建条带或图片的块所需的熵编码的语法元素。具体地，熵编码单元220可以输出比特流。

上面描述的操作是关于块描述的。这种描述应该被理解为针对亮度编解码块和/或色度编解码块的操作。如上所述，在一些示例中，亮度编解码块和色度编解码块是CU的亮度和色度分量。在一些示例中，亮度编解码块和色度编解码块是PU的亮度和色度分量。

在一些示例中，关于亮度编解码块执行的操作不需要针对色度编解码块重复。作为一个示例，识别亮度编解码块的运动矢量(MV)和参考图片的操作不需要对于识别色度块的MV和参考图片而重复。相反，亮度编解码块的MV可以被缩放以确定色度块的MV，并且参考图片可以是相同的。作为另一个示例，对于亮度编解码块和色度编解码块，帧内预测过程可以是相同的。

视频编码器200表示被配置成对视频数据进行编码的设备的示例，该设备包括被配置成存储视频数据的存储器，以及在电路中实现并被配置成确定用于子块变换模式的变换(例如，确定是否使用变换替代)的一个或多个处理单元，其中该变换是从包括DCT-8、以及DCT-2和恒等变换中的至少一个的组中确定的，并且使用子块变换模式和所确定的变换来对块的子块进行编解码。在其他示例中，视频编码器200可以被配置成基于块的宽高比或高宽比中的一个或多个来确定针对块使用子块变换模式，以及基于使用子块变换模式的确定来对块应用一个或多个变换。

图4是示出可以执行本公开用于子块变换的技术示例视频解码器300的框图。图4是出于解释的目的而被提供的，并且不限制本公开中广泛例示和描述的技术。出于解释的目的，本公开描述了根据JEM、VVC和HEVC的技术描述的视频解码器300。然而，本公开的技术可以由被配置成其他视频编解码标准的视频编解码设备来执行。

在图4的示例中，视频解码器300包括编码图片缓冲器(CPB)存储器320、熵解码单元302、预测处理单元304、逆量化单元306、逆变换处理单元308、重建单元310、滤波器单元312和解码图片缓冲器(DPB)314。CPB存储器320、熵解码单元302、预测处理单元304、逆量化单元306、逆变换处理单元308、重建单元310、滤波器单元312和DPB 314中的任何一个或全部可以在一个或多个处理器或处理电路中实现。此外，视频解码器300可以包括附加的或替代的处理器或处理电路来执行这些和其他功能。

预测处理单元304包括运动补偿单元316和帧内预测单元318。预测处理单元304可以包括附加单元，以根据其他预测模式执行预测。作为示例，预测处理单元304可以包括调色板单元、帧内块复制单元(其可以形成运动补偿单元316的一部分)、仿射单元、线性模型(LM)单元等。在其他示例中，视频解码器300可以包括更多、更少或不同的功能组件。

CPB存储器320可以存储要由视频解码器300的组件解码的视频数据，例如已编码的视频比特流。例如，存储在CPB存储器320中的视频数据可以例如从计算机可读介质110(图1)获得。CPB存储器320可以包括存储来自已编码的视频比特流的已编码的视频数据(例如，语法元素)的CPB。此外，CPB存储器320可以存储除已编解码的图片的语法元素之外的视频数据，例如表示来自视频解码器300的各种单元的输出的临时数据。DPB 314通常存储已解码的图片，当视频解码器300对已编码的视频比特流的后续数据或图片进行解码时，可以将其输出和/或用作参考视频数据。CPB存储器320和DPB 314可以由各种存储器设备中的任何一种形成，例如，DRAM(包括SDRAM)、MRAM、RRAM或其他类型的存储器设备。CPB存储器320和DPB 314可以由同一存储器设备或者单独的存储器设备提供。在各种示例中，CPB存储器320可以与视频解码器300的其他组件一起在芯片上，或者相对于这些组件在芯片外。

附加地或替代地，在一些示例中，视频解码器300可以从存储器120(图1)检索已编解码的视频数据。也就是说，存储器120可以如上所述利用CPB存储器320存储数据。类似地，当视频解码器300的一些或全部功能在将由视频解码器300的处理电路执行的软件中实现时，存储器120可以存储将由视频解码器300执行的指令。

图4所示的各种单元被示出以帮助理解由视频解码器300执行的操作。这些单元可以被实现为固定功能电路、可编程电路或其组合。类似于图3，固定功能电路指的是提供特定功能并被预设在可以被执行的操作上的电路。可编程电路指的是可被编程以执行各种任务并在可以被执行的操作中提供灵活功能的电路。例如，可编程电路可以执行软件或固件，使得可编程电路以软件或固件的指令定义的方式操作。固定功能电路可以执行软件指令(例如，接收参数或输出参数)，但是固定功能电路执行的操作类型通常是不可变的。在一些示例中，单元中的一个或多个可以是不同的电路块(固定功能的或可编程的)，并且在一些示例中，一个或多个单元可以是集成电路。

视频解码器300可以包括ALU、EFU、数字电路、模拟电路和/或由可编程电路形成的可编程核心。在视频解码器300的操作由在可编程电路上执行的软件执行的示例中，片上或片外存储器可以存储视频解码器300接收并执行的软件的指令(例如，目标代码)。

熵解码单元302可以从CPB接收已编码的视频数据，并对视频数据进行熵解码以再现语法元素。预测处理单元304、逆量化单元306、逆变换处理单元308、重建单元310和滤波器单元312可以基于从比特流提取的语法元素来生成已解码的视频数据。

通常，视频解码器300在逐块的基础上重建图片。视频解码器300可以对每个块单独地执行重建操作(其中当前正在重建的(即，解码的)块可以被称为“当前块”)。

熵解码单元302可以对定义量化的变换系数块的量化的变换系数的语法元素，以及变换信息进行熵解码，例如量化参数(QP)和/或(多个)变换模式指示。逆量化单元306可以使用与量化的变换系数块相关联的QP来确定量化程度，并且类似地，确定逆量化单元306要应用的逆量化程度。例如，逆量化单元306可以执行逐位左移操作来逆量化量化的变换系数。逆量化单元306由此可以形成包括变换系数的变换系数块。

在逆量化单元306形成变换系数块之后，逆变换处理单元308可以对变换系数块应用一个或多个逆变换，以生成与当前块相关联的残差块。例如，逆变换处理单元308可以对系数块应用逆DCT、逆整数变换、逆卡尔亨-洛夫变换(KLT)、逆旋转变换、逆方向变换或另一逆变换。

如下文将更详细描述的，逆变换处理单元308可以使用子块变换模式对变换系数块应用一个或多个变换(例如，逆变换)。在子块变换模式中，逆变换处理单元308可以将变换系数块分成两个子块。在一个示例中，对于垂直子块变换模式，逆变换处理单元308将变换系数块分成两个垂直子块。在一些示例中，两个垂直子块具有变换系数块1/2宽度的宽度。在其他示例中，两个垂直子块分别具有变换系数块的1/4宽度和变换系数块的3/4宽度的宽度。在其他示例中，可以使用变换系数块到子块的不同划分。然后逆变换处理单元308可以对垂直子块应用一个或多个逆变换。

在其他示例中，对于水平子块变换模式，逆变换处理单元308将变换系数块分成两个水平子块。在一些示例中，两个水平子块具有变换系数块的1/2高度的高度。在其他示例中，两个水平子块分别具有变换系数块的1/4高度和变换系数块的3/4高度的高度。在其他示例中，可以使用变换系数块到子块的不同划分。然后逆变换处理单元308可以对水平子块应用一个或多个逆变换。

根据本公开的技术，逆变换处理单元308可以被配置成基于变换系数块的宽度和高度来确定是否对变换系数块应用子块变换模式。例如，逆变换处理单元308可以被配置成基于块的宽高比或高宽比中的一个或多个来确定针对块使用子块变换模式，以及基于使用子块变换模式的确定对块应用一个或多个变换。

对于垂直子块变换模式(SBT-V)，逆变换处理单元308可以被配置成在块的宽高比小于第一阈值的情况下确定不使用垂直子块变换模式(SBT-V)。在这种情况下，逆变换处理单元308可以对整个变换系数块应用一个或多个变换。在块的宽高比大于或等于第一阈值的情况下，逆变换处理单元308可以将块分成两个垂直子块，并且对子块应用一个或多个逆变换。

类似地，对于水平子块变换模式(SBT-H)，逆变换处理单元308可以被配置成在块的高宽比小于第二阈值的情况下确定不使用水平子块变换模式(SBT-H)。在这种情况下，逆变换处理单元308可以对整个变换系数块应用一个或多个变换。在块的高宽比大于或等于第二阈值的情况下，逆变换处理单元308可以将块分成两个水平子块，并且对子块应用一个或多个逆变换。

此外，预测处理单元304根据由熵解码单元302熵解码的预测信息语法元素生成预测块。例如，如果预测信息语法元素指示当前块是帧间预测的，则运动补偿单元316可以生成预测块。在这种情况下，预测信息语法元素可以指示从中检索参考块的DPB 314中的参考图片，以及标识参考图片中的参考块的位置相对于当前图片中的当前块的位置的运动矢量。运动补偿单元316通常可以以基本上类似于关于运动补偿单元224(图3)描述的方式来执行帧间预测过程。

作为另一个示例，如果预测信息语法元素指示当前块是帧内预测的，则帧内预测单元318可以根据由预测信息语法元素指示的帧内预测模式来生成预测块。同样，帧内预测单元318通常可以以基本上类似于关于帧内预测单元226(图3)描述的方式来执行帧内预测过程。帧内预测单元318可以从DPB 314检索当前块的相邻样点的数据。

重建单元310可以使用预测块和残差块来重建当前块。例如，重建单元310可以将残差块的样点加到预测块的对应样点，以重建当前块。

滤波器单元312可以对重建块执行一个或多个滤波操作。例如，滤波器单元312可以执行去方块操作以减少沿着重建块边缘的块效应伪影。滤波器单元312的操作不必在所有示例中被执行。

视频解码器300可以将重建块存储在DPB 314中。如上所述，DPB 314可以向预测处理单元304提供参考信息，例如用于帧内预测的当前图像的样点和用于后续运动补偿的先前已解码的图片。此外，视频解码器300可以输出来自DPB的已解码的图像，用于随后在显示设备上(例如，图1的显示设备118)呈现。

以这种方式，视频解码器300表示视频解码设备的示例，该视频解码设备包括被配置成存储视频数据的存储器，以及在电路中实现并被配置成确定用于子块变换模式的变换(例如，确定是否使用变换替代)的一个或多个处理单元，其中该变换是从包括DCT-8、以及DCT-2和恒等变换中的至少一个的组中确定的，以及使用子块变换模式和所确定的变换来对块的子块进行编解码。在其他示例中，视频解码器300可以被配置成基于块的宽高比或高宽比中的一个或多个来确定针对块使用子块变换模式，以及基于使用子块变换模式的确定来对块应用一个或多个变换。

在VVC测试模型4(VTM4)和VVC草案4中，采纳了子块变换(SBT)模式来提高编解码效率。Y.Zhao等人的“CE6：用于帧间块的子块变换(CE6.4.1)”，ITU-T SG 16WP 3和ISO/IECJTC 1/SC 29/WG 11的联合视频专家组(JVET)，第13次会议，马萨诸塞州，MA，2019年1月9日至18日，JVET-M0140中描述了SBT模式的示例。

对于编解码块标志(cu_cbf_flag)等于1的帧间预测的块(例如，CU)，可以信令通知子块变换标志(cu_sbt_flag)以指示是解码整个残差块还是残差块的子部分。cu_cbf_flag等于1指示块包括非零变换系数。cu_sbt_flag指示是否使用SBT模式。例如，cu_sbt_flag的值等于1指定对于当前块(例如，编解码单元)，使用子块变换模式。cu_sbt_flag的值等于0指定对于当前块(例如，编解码单元)，不使用子块变换模式。

图5是示出子块变换模式SBT-V(垂直子块变换模式)和SBT-H(水平子块变换模式)的概念图。在一个示例中，如图5所示，有两个SBT类型(垂直和水平)和两个SBT位置(例如，在位置0和位置1处的两个SBT子块)。对于SBT-V(或SBT-H)，TU宽度(或高度)可以等于CU宽度(或高度)的一半或CU宽度(或高度)的1/4，由另一个标志来信令通知。这会导致2:2划分或1:3/3:1划分。2:2划分像二叉树(BT)划分，而1:3/3:1划分像非对称二叉树(ABT)划分。

图5示出了对于各种SBT类型和位置的块500、510、520和530。在视频编码的上下文中，块500、510、520和530是在帧间预测之后创建的残差块。在视频解码的上下文中，块500、510、520和530是对其应用逆变换来重构残差块的变换系数块。然后使用帧间预测对残差块进行解码。

在图5中，块500是在位置0处使用SBT-V模式编解码的帧间预测的块。块500具有宽度w。子块502是位于位置0处的SBT-V子块。子块502具有w1的子块宽度，其中w1是块500的宽度的一半(1/2)或四分之一(1/4)。子块504具有(w-w1)的子块宽度。在一个示例中，视频编码器200可以对子块502应用水平DCT-8和垂直DST-7。同样，视频解码器300可以对子块502应用逆水平DCT-8和逆垂直DST-7。视频编码器200和视频解码器300不对子块504应用变换。通常，未编解码的子块(即，未对其应用变换的子块)不包括任何非零变换系数。

块510是在位置1处使用SBT-V模式编解码的帧间预测的块。块510具有宽度w。子块512在位置1处的SBT-V子块。子块512具有w1的子块宽度，其中w1是块510宽度的一半(1/2)或四分之一(1/4)。子块514具有(w-w1)的子块宽度。在一个示例中，视频编码器200可以对子块512应用水平DST-7和垂直DST-7。同样，视频解码器300可以对子块512应用逆水平DST-7和逆垂直DST-7。视频编码器200和视频解码器300不对子块514应用变换。

块520是在位置0处使用SBT-H模式编解码的帧间预测的块。块520具有高度h。子块522是位于位置0处的SBT-H子块。子块522具有h1的子块高度，其中h1是块520的高度的一半(1/2)或四分之一(1/4)。子块524具有(h-h1)的子块高度。在一个示例中，视频编码器200可以对子块522应用水平DST-7和垂直DCT-8。同样，视频解码器300可以对子块522应用逆水平DST-7和逆垂直DCT-8。视频编码器200和视频解码器300不对子块524应用变换。

块530是在位置1处使用SBT-H模式编解码的帧间预测的块。块530具有高度h。子块532是位置1处的SBT-H子块。子块532具有h1的子块高度，其中h1是块530的高度的一半(1/2)或四分之一(1/4)。子块534具有(h-h1)的子块高度。在一个示例中，视频编码器200可以对子块532应用水平DST-7和垂直DST-7。同样，视频解码器300可以对子块532应用逆水平DST-7和逆垂直DST-7。视频编码器200和视频解码器300不对子块534应用变换。

如图5所示，视频编码器200和视频解码器300可以在SBT-V模式和SBT-H模式下对亮度变换块应用位置相关变换。在一些示例中，视频编码器200和视频解码器300对色度分量使用DCT-2变换。SBT-H和SBT-V的两个位置(例如，位置0和位置1)与不同的核心变换相关联。更具体地，图5中指定了用于每个SBT位置的水平和垂直变换。例如，用于SBT-V位置0的水平和垂直变换分别是DCT-8和DST-7。在一些示例中，当残差TU的一侧大于32时，对应的变换被设置为DCT-2。

本公开描述了以下用于对视频数据的块应用SBT模式的技术。本公开的技术不限于帧间预测的块，而是可以与用其中期望应用SBT模式的任何预测技术进行编解码的块一起使用。以下技术可以提高编码效率和/或可以简化编码器和解码器实现。以下技术可以被单独应用或以任意组合应用。

在一个示例中，本公开提出用SBT-V和/或SBT-H模式中的其他变换核(transformkernel)替代DCT-8。例如，视频编码器200和视频解码器300可以被配置成对一个或多个SBT类型和/或SBT位置使用恒等变换(IDT)或DCT-2而不是DCT-8。在一个示例中，视频编码器200和视频解码器300可以仅针对SBT-V或仅针对SBT-H用另一变换(例如，IDT或DCT-2)替代DCT-8。在另一个示例中，视频编码器200和视频解码器300可以针对SBT-V和SBT-H两者用另一变换(例如，IDT或DCT-2)替代DCT-8。

在一个示例中，视频编码器200和视频解码器300可以对序列级别标志、图片级别标志、条带级别标志和/或图块组级别标志中的一个或多个进行编解码(即，编码和解码)，以指示和确定是否应用了替代变换(例如，IDT变换或DCT-2)。

在另一个示例中，视频编码器200和视频解码器300可以对匹配特定条件(例如非零量化变换系数的大小和/或数量)的块应用替代变换(例如，IDT或DCT-2)。

在本公开的另一个示例中，对于每个块和/或垂直变换或水平变换，视频编码器200可以被配置成信令通知应用了哪个变换核(例如，DST-7、DCT-8、DCT-2、IDT等)。在一个示例中，视频编码器200可以使用用于信令通知帧间多重变换集(MTS)和变换跳过(TS)的语法来信令通知变换核。视频解码器300可以被配置成接收这样的语法并确定要使用的变换核。

在本公开的另一个示例中，视频编码器200和视频解码器300被配置成当块的宽高比小于阈值时不应用SBT-V(2:2和/或1:3SBT-V)。该阈值可以是固定值，或者在序列/图片/条带/图块组级别中的一个或多个级别处被信令通知。

在本公开的另一个示例中，视频编码器200和视频解码器300被配置成当块的高宽比小于阈值时，不应用SBT-H(2:2和/或1:3SBT-H)。该阈值可以是固定值，或者在序列/图片/条带/图块组级别中的一个或多个级别处被信令通知。

因此，在本公开的一个示例中，视频编码器200和视频解码器300被配置成基于块的宽高比或高宽比中的一个或多个来确定针对块使用子块变换模式(例如，SBT-V和/或SBT-H)，以及基于使用子块变换模式的确定来对块应用一个或多个变换。

在本公开的上下文中，对于视频编码，块是通过预测过程(例如，帧间、帧内或其他)生成的残差块。对于视频解码，块是将使用预测过程(例如，帧间、帧内或其他)重建的变换系数块(例如，与该块相关联的变换系数)。

在一个示例中，视频编码器200和视频解码器300可以被配置成基于块的宽高比来确定使用垂直子块变换模式(SBT-V)。视频编码器200和视频解码器300可以被配置成在块的宽高比小于第一阈值的情况下确定不使用垂直子块变换模式(SBT-V)。在这种情况下，视频编码器200和视频解码器300可以对块的整体应用一个或多个变换。相反，视频编码器200和视频解码器300可以被配置成在块的宽高比大于或等于第一阈值的情况下确定使用垂直子块变换模式(SBT-V)。在这种情况下，如上所述，视频编码器200和视频解码器300可以对块的子块(例如，在位置0或位置1处)应用一个或多个变换。视频编码器200和视频解码器300可以被配置成在序列级别、图片级别、条带级别或图块组级别中的一个或多个级别处对第一阈值进行编解码。

在另一个示例中，视频编码器200和视频解码器300可以被配置成基于块的高宽比来确定使用水平子块变换模式(SBT-H)。视频编码器200和视频解码器300可以被配置成在块的高宽比小于第二阈值的情况下确定不使用水平子块变换模式(SBT-H)。在这种情况下，视频编码器200和视频解码器300可以对块的整体应用一个或多个变换。相反，视频编码器200和视频解码器300可以被配置成在块的高度宽度比大于或等于第二阈值的情况下确定使用水平子块变换模式(SBT-H)。在这种情况下，如上所述，视频编码器200和视频解码器300可以对块的子块(例如，在位置0或位置1处)应用一个或多个变换。视频编码器200和视频解码器300可以被配置成在序列级别、图片级别、条带级别或图块组级别中的一个或多个级别处对第二阈值进行编解码。

如上所述，在本公开的上下文中，对于视频编码，块是通过预测过程生成的残差块。对于视频解码，块是要使用预测过程重建的变换系数块(例如，与该块相关联的变换系数)。因此，对于视频编码，视频编码器200可以被配置成使用预测过程对块进行编码以创建残差块，以及基于使用子块变换模式的确定对残差块应用一个或多个变换。类似地，对于视频解码，视频解码器300可以被配置成基于使用子块变换模式的确定来对与块相关联的变换系数应用一个或多个逆变换以创建残差块，以及对残差块执行预测过程以重建块。

在其他示例中，视频编码器200和视频解码器300可以被配置成确定用于子块变换模式的变换(例如，确定是否使用变换替代)，其中该变换是从包括DCT-8、以及DCT-2和恒等变换中的至少一个的组中确定的，以及使用子块变换模式和所确定的变换来对块的子块进行编解码。

在一个示例中，子块变换模式是垂直子块变换模式，以及确定变换包括总是确定DCT-2或恒等变换。

在另一个示例中，子块变换模式是水平子块变换模式，以及确定变换包括总是确定DCT-2或恒等变换。

在另一个示例中，子块变换模式是水平子块变换模式或垂直子块变换模式，以及确定变换包括总是确定DCT-2或恒等变换。

在另一个示例中，确定变换包括基于语法元素确定变换。

在另一个示例中，确定变换包括基于块的大小或与块相关联的非零量化系数的数量中的一个或多个来确定变换。

图6是示出用于对当前块进行编码的示例方法的流程图。当前块可以包括当前CU。尽管关于视频编码器200(图1和图3)进行了描述。应当理解，其他设备可以被配置为执行类似于图6的方法。

在此示例中，视频编码器200最初(例如，使用预测过程)预测当前块(350)。例如，视频编码器200可以使用帧间预测或帧内预测来形成当前块的预测块。然后视频编码器200可以计算块的残差块(352)。为了计算残差块，视频编码器200可以计算原始的、未编解码的块与当前块的预测块之间的差。然后视频编码器200可以基于块的高宽比或宽高比中的一个或多个来确定针对残差块使用子块变换模式(354)。

然后，视频解码器300可以基于使用子块变换模式的确定来对残差块应用一个或多个变换(356)。视频编码器200还可以量化残差块的结果的变换系数。接下来，视频编码器200可以扫描残差块的量化的变换系数(358)。在扫描期间或扫描之后，视频编码器200可以对系数进行熵编码(360)。例如，视频编码器200可以使用CAVLC或CABAC对系数进行编码。然后视频编码器200可以输出块的熵编解码的数据(362)。

图7是示出用于解码视频数据的当前块的示例方法的流程图。当前块可以包括当前CU。尽管关于视频解码器300(图1和4)进行了描述，但是应当理解，其他设备可以被配置成执行类似于图7的方法。

视频解码器300可以接收当前块的熵编解码的数据，例如对应于当前块的残差块的系数的熵编解码的预测信息和熵编解码的数据(370)。视频解码器300可以对熵编解码的数据进行熵解码，以确定当前块的预测信息，并再现系数的块(372)。然后视频解码器300可以逆扫描再现的系数的块(374)，以创建量化的变换系数的块。视频解码器300可以基于块的宽高比或高宽比中的一个或多个来确定对系数的块使用子块变换模式(376)。然后视频解码器300可以基于使用子块变换模式的确定来对系数的块应用一个或多个逆变换，以产生残差块(378)。视频解码器300还可以逆量化系数/视频解码器300可以预测当前块(380)，例如使用帧内预测、帧间预测或由当前块的预测信息指示的其他模式来计算当前块的预测块。视频解码器300可以通过组合预测块和残差块来最终对当前块进行解码(382)。

下面描述本公开的附加说明性示例。

示例1：一种对视频数据进行编解码的方法，该方法包括：确定用于子块变换模式的变换，其中该变换是从包括DCT-8、以及DCT-2和恒等变换中的至少一个的组中确定的；以及使用子块变换模式和所确定的变换来对帧间预测的块的子块进行编解码。

示例2：示例1的方法，其中，子块变换模式是垂直子块变换模式，以及其中确定变换包括：总是确定DCT-2或恒等变换。

示例3：示例1的方法，其中，子块变换模式是水平子块变换模式，以及其中确定变换包括：总是确定DCT-2或恒等变换。

示例4：示例1的方法，其中，子块变换模式是水平子块变换模式或垂直子块变换模式，以及其中确定变换包括：总是确定DCT-2或恒等变换。

示例5：示例1的方法，其中，确定变换包括：基于语法元素确定变换。

示例6：示例1的方法，其中，确定变换包括：基于帧间预测的块的大小或与帧间预测的块相关联的非零量化系数的数量中的一个或多个来确定变换。

示例7：一种对视频数据进行编解码的方法，包括：基于块的宽高比或高宽比中的一个或多个来确定针对帧间预测的块使用子块变换模式。

示例8：示例1-7中任一示例的方法，其中，编解码包括解码。

示例9：示例1-7中任一示例的方法，其中，编解码包括编码。

示例10：一种用于对视频数据进行编解码的设备，该设备包括一个或多个用于执行示例1-9中任一示例的方法的部件。

示例11：示例10的设备，其中，一个或多个部件包括在电路中实现的一个或多个处理器。

示例12：示例10和11中任一示例的设备，还包括用于存储视频数据的存储器。

示例13：示例10-12中任一示例的设备，还包括被配置成显示已解码的视频数据的显示器。

示例14：示例10-13中任一示例的设备，其中，该设备包括摄像机、计算机、移动设备、广播接收器设备或机顶盒中的一个或多个。

示例15：示例10-14中任一示例的设备，其中，该设备包括视频解码器。

示例16：示例10-15中任一示例的设备，其中，该设备包括视频编码器。

示例17：一种其上存储有指令的计算机可读存储介质，该指令在被执行时使得一个或多个处理器执行示例1-9中任一示例的方法。

应当认识到，根据示例，本文描述的任何技术的某些动作或事件可以以不同的顺序执行，可以被添加、合并或完全省略(例如，并非所有描述的动作或事件对于技术的实践都是必要的)。此外，在某些示例中，动作或事件可以被同时执行，例如，通过多线程处理、中断处理或多个处理器，而不是被顺序地执行。

在一个或多个示例中，所描述的功能可以在硬件、软件、固件或其任意组合中实现。如果在软件中实现，这些功能可以作为一个或多个指令或代码存储在计算机可读介质上或通过其传输，并由基于硬件的处理单元执行。计算机可读介质可以包括对应于诸如数据存储介质的有形介质的计算机可读存储介质，或者包括有助于(例如，根据通信协议)将计算机程序从一个地方传送到另一个地方的任何介质的通信介质。以这种方式，计算机可读介质通常可以对应于(1)非暂时性的有形计算机可读存储介质，或者(2)诸如信号或载波的通信介质。数据存储介质可以是可由一个或多个计算机或者一个或多个处理器访问以检索指令、代码和/或数据结构来实现本公开描述的技术的任何可用介质。计算机程序产品可以包括计算机可读介质。

作为示例而非限制，这种计算机可读存储介质可以包括RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储、或其他磁存储设备、闪存、或可以用于以指令或数据结构的形式存储期望的程序代码并且可以由计算机访问的任何其他介质。此外，任何连接都被恰当地称为计算机可读介质。例如，如果使用同轴电缆、光纤电缆、双绞线、数字用户线路(DSL)或无线技术(如红外线、无线电和微波)从网站、服务器或其他远程源发送指令，则同轴电缆、光纤电缆、双绞线、DSL或无线技术(如红外线、无线电和微波)被包括在介质的定义中。然而，应当理解，计算机可读存储介质和数据存储介质不包括连接、载波、信号或其他暂时介质，而是针对非暂时的有形存储介质。本文使用的磁盘和光盘包括压缩光盘(CD)、激光光盘、光学光盘、数字多功能盘(DVD)、软盘和蓝光光盘，其中磁盘通常以磁性方式再现数据，而光盘用激光以光学方式再现数据。以上的组合也应该包括在计算机可读介质的范围内。

指令可以由一个或多个处理器来执行，例如一个或多个DSP、通用微处理器、ASIC、FPGA或其他等效的集成或分立逻辑电路。因此，本文使用的术语“处理器”和“处理电路”可以指前述结构中的任何一种或者适于实现本文描述的技术的任何其他结构。此外，在一些方面，本文描述的功能可以在被配置用于编码和解码的专用硬件和/或软件模块中被提供，或者被并入组合的编解码器中。此外，可以在一个或多个电路或逻辑元件中完全实现这些技术。

本公开的技术可以在多种设备或装置中实现，包括无线手机、集成电路(IC)或IC集(例如，芯片集)。在本公开中描述了各种组件、模块或单元，以强调被配置为执行所公开的技术的设备的功能方面，但是不一定需要通过不同的硬件单元来实现。相反，如上所述，各种单元可以被组合在编解码器硬件单元中，或者由包括如上所述的一个或多个处理器的互操作硬件单元的集合结合合适的软件和/或固件来提供。

已经描述了各种示例。这些和其他示例在所附权利要求的范围内。