[go: up one dir, main page]

WO2018101288A1 - 符号化装置、符号化方法、復号装置および復号方法 - Google Patents

符号化装置、符号化方法、復号装置および復号方法 Download PDF

Info

Publication number
WO2018101288A1
WO2018101288A1 PCT/JP2017/042720 JP2017042720W WO2018101288A1 WO 2018101288 A1 WO2018101288 A1 WO 2018101288A1 JP 2017042720 W JP2017042720 W JP 2017042720W WO 2018101288 A1 WO2018101288 A1 WO 2018101288A1
Authority
WO
WIPO (PCT)
Prior art keywords
base
target block
encoding
prediction mode
decoding
Prior art date
Application number
PCT/JP2017/042720
Other languages
English (en)
French (fr)
Inventor
大川　真人
秀雄 齋藤
西　孝啓
遠間　正真
Original Assignee
パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ filed Critical パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ
Publication of WO2018101288A1 publication Critical patent/WO2018101288A1/ja
Priority to US16/426,822 priority Critical patent/US20190281298A1/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/12—Selection from among a plurality of transforms or standards, e.g. selection between discrete cosine transform [DCT] and sub-band transform or selection between H.263 and H.264
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • H04N19/159—Prediction type, e.g. intra-frame, inter-frame or bidirectional frame prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/184—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being bits, e.g. of the compressed video stream
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H04N19/625—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using discrete cosine transform [DCT]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards

Definitions

  • the present disclosure provides an encoding device, an encoding method, a decoding device, or a decoding method that can realize further improvement in compression efficiency.
  • the present disclosure can provide an encoding device, an encoding method, a decoding device, or a decoding method that can realize further improvement in compression efficiency.
  • FIG. 1 is a block diagram showing a functional configuration of the encoding apparatus according to Embodiment 1.
  • FIG. 2 is a diagram illustrating an example of block division in the first embodiment.
  • FIG. 3 is a table showing conversion basis functions corresponding to each conversion type.
  • FIG. 4A is a diagram illustrating an example of the shape of a filter used in ALF.
  • FIG. 4B is a diagram illustrating another example of the shape of a filter used in ALF.
  • FIG. 4C is a diagram illustrating another example of the shape of a filter used in ALF.
  • FIG. 5A is a diagram illustrating 67 intra prediction modes in intra prediction.
  • FIG. 5B is a flowchart for explaining the outline of the predicted image correction process by the OBMC process.
  • FIG. 5A is a diagram illustrating 67 intra prediction modes in intra prediction.
  • FIG. 5B is a flowchart for explaining the outline of the predicted image correction process by the OBMC process.
  • FIG. 5A is a
  • FIG. 15A is a graph showing DCT-II conversion characteristics in a 32 ⁇ 32 size block.
  • FIG. 15B is a graph showing DCT-V conversion characteristics in a 32 ⁇ 32 size block.
  • FIG. 16A is a graph showing DCT-II conversion characteristics in a 4 ⁇ 4 size block.
  • FIG. 16B is a graph showing DCT-V conversion characteristics in a 4 ⁇ 4 size block.
  • FIG. 17 is a block diagram showing an internal configuration of a conversion unit of the encoding apparatus according to the first modification of the first embodiment.
  • FIG. 18 is a flowchart showing processing of the conversion unit of the encoding device according to Modification 1 of Embodiment 1.
  • FIG. 24 is a block diagram showing an internal configuration of the inverse transform unit of the decoding apparatus according to the second modification of the first embodiment.
  • FIG. 25 is a flowchart showing processing of the inverse transform unit of the decoding device according to Modification 2 of Embodiment 1.
  • FIG. 26 is a block diagram showing an internal configuration of a conversion unit of the encoding apparatus according to the third modification of the first embodiment.
  • FIG. 27 is a flowchart showing processing of the conversion unit of the encoding device according to the third modification of the first embodiment.
  • FIG. 28 is a block diagram showing an internal configuration of the inverse transform unit of the decoding apparatus according to Modification 3 of Embodiment 1.
  • the processor may further write the threshold size information in the bitstream.
  • the second transform base may be a fixed base defined in advance or a base determined based on an encoding parameter.
  • the second transform base is adaptively selected from a plurality of transform bases, and the processor further includes the selected second transform base. May be written in the bitstream.
  • the processor further determines whether or not the size of the decoding target block is less than a threshold size, and the intra prediction mode of the decoding target block is not Even when the mode is not the direction prediction mode, when the size of the decoding target block is equal to or larger than a threshold size, the decoding target block may be inversely transformed using the first inverse transformation base.
  • an outline of the first embodiment will be described as an example of an encoding device and a decoding device to which the processing and / or configuration described in each aspect of the present disclosure to be described later can be applied.
  • the first embodiment is merely an example of an encoding device and a decoding device to which the processing and / or configuration described in each aspect of the present disclosure can be applied, and the processing and / or processing described in each aspect of the present disclosure.
  • the configuration can also be implemented in an encoding device and a decoding device different from those in the first embodiment.
  • the processes and / or configurations described in each aspect of the present disclosure are not limited to the above examples.
  • the present invention may be implemented in an apparatus used for a different purpose from the moving picture / picture encoding apparatus or moving picture / picture decoding apparatus disclosed in the first embodiment, and the processing and / or described in each aspect.
  • the configuration may be implemented alone.
  • you may implement combining the process and / or structure which were demonstrated in the different aspect.
  • an encoding apparatus 100 is an apparatus that encodes an image in units of blocks, and includes a dividing unit 102, a subtracting unit 104, a transforming unit 106, a quantizing unit 108, and entropy encoding.
  • Unit 110 inverse quantization unit 112, inverse transform unit 114, addition unit 116, block memory 118, loop filter unit 120, frame memory 122, intra prediction unit 124, inter prediction unit 126, A prediction control unit 128.
  • FIG. 2 is a diagram showing an example of block division in the first embodiment.
  • a solid line represents a block boundary by quadtree block division
  • a broken line represents a block boundary by binary tree block division.
  • the lower right 64x64 block 23 is not divided.
  • the adder 116 reconstructs the current block by adding the prediction error input from the inverse transform unit 114 and the prediction sample input from the prediction control unit 128. Then, the adding unit 116 outputs the reconfigured block to the block memory 118 and the loop filter unit 120.
  • the reconstructed block is sometimes referred to as a local decoding block.
  • the intra prediction unit 124 generates a prediction signal (intra prediction signal) by referring to the block in the current picture stored in the block memory 118 and performing intra prediction (also referred to as intra-screen prediction) of the current block. Specifically, the intra prediction unit 124 generates an intra prediction signal by performing intra prediction with reference to a sample (for example, luminance value and color difference value) of a block adjacent to the current block, and performs prediction control on the intra prediction signal. To the unit 128.
  • the multiple directionality prediction modes are for example H.264. It includes 33-direction prediction modes defined in the H.265 / HEVC standard. In addition to the 33 directions, the plurality of directionality prediction modes may further include 32 direction prediction modes (a total of 65 directionality prediction modes).
  • FIG. 5A is a diagram illustrating 67 intra prediction modes (two non-directional prediction modes and 65 directional prediction modes) in intra prediction. The solid line arrows The 33 directions defined in the H.265 / HEVC standard are represented, and the dashed arrow represents the added 32 directions.
  • the inter prediction unit 126 refers to a reference picture stored in the frame memory 122 and is different from the current picture, and performs inter prediction (also referred to as inter-screen prediction) of the current block, thereby generating a prediction signal (inter prediction signal). Prediction signal). Inter prediction is performed in units of a current block or a sub-block (for example, 4 ⁇ 4 block) in the current block. For example, the inter prediction unit 126 performs motion estimation in the reference picture for the current block or sub-block. Then, the inter prediction unit 126 generates an inter prediction signal of the current block or sub-block by performing motion compensation using motion information (for example, a motion vector) obtained by motion search. Then, the inter prediction unit 126 outputs the generated inter prediction signal to the prediction control unit 128.
  • inter prediction also referred to as inter-screen prediction
  • a motion vector predictor may be used for signalizing the motion vector. That is, the difference between the motion vector and the predicted motion vector may be signaled.
  • an inter prediction signal may be generated using not only the motion information of the current block obtained by motion search but also the motion information of adjacent blocks. Specifically, the inter prediction signal is generated in units of sub-blocks in the current block by weighted addition of the prediction signal based on the motion information obtained by motion search and the prediction signal based on the motion information of adjacent blocks. May be.
  • Such inter prediction motion compensation
  • OBMC overlapped block motion compensation
  • FIG. 5B and FIG. 5C are a flowchart and a conceptual diagram for explaining the outline of the predicted image correction process by the OBMC process.
  • the processing target block may be a prediction block unit or a sub-block unit obtained by further dividing the prediction block.
  • obmc_flag is a signal indicating whether or not to apply the OBMC process.
  • the encoding apparatus it is determined whether or not the encoding target block belongs to a complex motion region, and if it belongs to a complex motion region, a value 1 is set as obmc_flag. Encoding is performed by applying the OBMC process, and if it does not belong to a complex region of motion, the value 0 is set as obmc_flag and the encoding is performed without applying the OBMC process.
  • the decoding apparatus by decoding the obmc_flag described in the stream, decoding is performed by switching whether to apply the OBMC process according to the value.
  • FIG. 6 is a diagram for explaining an example of pattern matching (bilateral matching) between two blocks along a motion trajectory.
  • first pattern matching two blocks along the motion trajectory of the current block (Cur block) and two blocks in two different reference pictures (Ref0, Ref1) are used.
  • two motion vectors MV0, MV1 are derived.
  • MV0, MV1 a reconstructed image at a designated position in the first encoded reference picture (Ref0) designated by the candidate MV, and a symmetric MV obtained by scaling the candidate MV at a display time interval.
  • pattern matching is performed between a template in the current picture (a block adjacent to the current block in the current picture (for example, an upper and / or left adjacent block)) and a block in the reference picture. Therefore, in the second pattern matching, a block adjacent to the current block in the current picture is used as the predetermined region for calculating the candidate evaluation value described above.
  • FIG. 7 is a diagram for explaining an example of pattern matching (template matching) between a template in the current picture and a block in the reference picture.
  • the current block is searched by searching the reference picture (Ref0) for the block that most closely matches the block adjacent to the current block (Cur block) in the current picture (Cur Pic).
  • Ref0 the reference picture
  • FRUC flag Information indicating whether or not to apply such FRUC mode
  • FRUC flag information indicating whether or not to apply such FRUC mode
  • the FRUC mode is applied (for example, when the FRUC flag is true)
  • information indicating the pattern matching method (first pattern matching or second pattern matching) (for example, called the FRUC mode flag) is signaled at the CU level. It becomes. Note that the signalization of these pieces of information need not be limited to the CU level, but may be other levels (for example, sequence level, picture level, slice level, tile level, CTU level, or sub-block level). .
  • FIG. 8 is a diagram for explaining a model assuming constant velocity linear motion.
  • (vx, vy) indicates a velocity vector
  • ⁇ 0 and ⁇ 1 indicate temporal distances between the current picture (Cur Pic) and two reference pictures (Ref0, Ref1), respectively.
  • (MVx0, MVy0) indicates a motion vector corresponding to the reference picture Ref0
  • (MVx1, MVy1) indicates a motion vector corresponding to the reference picture Ref1.
  • This optical flow equation consists of (i) the product of the time derivative of the luminance value, (ii) the horizontal component of the horizontal velocity and the spatial gradient of the reference image, and (iii) the vertical velocity and the spatial gradient of the reference image. Indicates that the sum of the products of the vertical components of is equal to zero.
  • the block-based motion vector obtained from the merge list or the like is corrected in pixel units.
  • x and y indicate the horizontal position and vertical position of the sub-block, respectively, and w indicates a predetermined weight coefficient.
  • a prediction MV list in which prediction MV candidates are registered is generated.
  • prediction MV candidates spatial adjacent prediction MVs that are MVs of a plurality of encoded blocks located spatially around the encoding target block, and the position of the encoding target block in the encoded reference picture are projected.
  • Temporal adjacent prediction MV that is an MV of a neighboring block, joint prediction MV that is an MV generated by combining the MV values of spatial adjacent prediction MV and temporal adjacent prediction MV, zero prediction MV that is MV having a value of zero, and the like is there.
  • the final MV may be determined by performing DMVR processing, which will be described later, using the MV of the encoding target block derived by the merge mode.
  • FIG. 9D is a diagram for explaining an outline of a predicted image generation method using luminance correction processing by LIC processing.
  • an MV for obtaining a reference image corresponding to a block to be encoded is derived from a reference picture that is an encoded picture.
  • the predicted image for the encoding target block is generated by performing the brightness correction process using the brightness correction parameter for the reference image in the reference picture specified by MV.
  • FIG. 10 is a block diagram showing a functional configuration of decoding apparatus 200 according to Embodiment 1.
  • the decoding device 200 is a moving image / image decoding device that decodes moving images / images in units of blocks.
  • the decoding device 200 is realized by, for example, a general-purpose processor and a memory.
  • the processor executes the entropy decoding unit 202, the inverse quantization unit 204, the inverse transformation unit 206, the addition unit 208, the loop filter unit 212, and the intra prediction unit. 216, the inter prediction unit 218, and the prediction control unit 220.
  • the decoding apparatus 200 is dedicated to the entropy decoding unit 202, the inverse quantization unit 204, the inverse transformation unit 206, the addition unit 208, the loop filter unit 212, the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220. It may be realized as one or more electronic circuits.
  • the entropy decoding unit 202 performs entropy decoding on the encoded bit stream. Specifically, the entropy decoding unit 202 performs arithmetic decoding from a coded bit stream to a binary signal, for example. Then, the entropy decoding unit 202 debinarizes the binary signal. As a result, the entropy decoding unit 202 outputs the quantized coefficient to the inverse quantization unit 204 in units of blocks.
  • the block memory 210 is a storage unit for storing a block that is referred to in intra prediction and that is within a decoding target picture (hereinafter referred to as a current picture). Specifically, the block memory 210 stores the reconstructed block output from the adding unit 208.
  • the inter prediction unit 218 derives a motion vector based on a model assuming constant velocity linear motion. Also, when the information read from the encoded bitstream indicates that the affine motion compensated prediction mode is applied, the inter prediction unit 218 determines the motion vector in units of subblocks based on the motion vectors of a plurality of adjacent blocks. Is derived.
  • the determination unit 1061 determines whether the encoding process is performed by intra processing or inter processing. That is, the determination unit 1061 determines which of intra processing and inter processing is used for the encoding target block.
  • the determination unit 1061 determines the intra prediction mode of the block to be encoded. Specifically, the determination unit 1061 determines whether or not the intra prediction mode of the encoding target block is the non-directional prediction mode.
  • the base selection unit 1062 sets the base of the DCT-II. select. That is, when the intra prediction mode of the encoding target block is the non-directional prediction mode, or when inter processing is used for the encoding target block, the base selection unit 1062 selects the first transform base.
  • the first inverse transform base is selected, and the encoding target block
  • the second inverse transform base is selected, and the inverse frequency transform is performed using the selected first inverse transform base or the second inverse transform base.
  • the base selection unit 1062 A first conversion base is selected (S104).
  • the frequency transform unit 1063 transforms the prediction error of the encoding target block using the second transform base or the first transform base selected in Step S103 or Step S104 (S105).
  • FIG. 13 is a block diagram showing an internal configuration of the inverse transform unit 206 of the decoding device 200 according to the first embodiment.
  • the inverse transform unit 206 includes a determination unit 2061, a base selection unit 2062, and an inverse frequency transform unit 2063.
  • the base selection unit 2062 selects a base of inverse DCT-V. That is, when the intra prediction mode of the decoding target block is not the non-directional prediction mode, the base selection unit 2062 selects the second inverse transform base.
  • the basis of the inverse DCT-V is an example of a second inverse transform basis.
  • the second inverse transformation basis is an inverse transformation basis corresponding to the second transformation basis.
  • a fixed base defined in advance in the standard or the like is used as the second inverse transform base.
  • the base selection unit 2062 selects the base of inverse DCT-II. To do. That is, when the intra prediction mode of the decoding target block is the non-directional prediction mode, or when inter processing is used for the decoding target block, the base selection unit 2062 selects the first inverse transform base.
  • the basis of inverse DCT-II is an example of a first inverse transform basis.
  • the first inverse transform base is an inverse transform base corresponding to the first transform base.
  • a fixed base defined in advance in the standard or the like is used as the first inverse transform base.
  • the reverse frequency conversion unit 2063 performs reverse frequency conversion. That is, the inverse frequency transform unit 2063 performs an inverse transform process on the coefficients of the decoding target block using the first inverse transform basis or the second inverse transform basis selected by the basis selection unit 2062.
  • FIG. 14 is a flowchart showing processing of the inverse transform unit 206 of the decoding device 200 according to Embodiment 1.
  • the base selection unit 2062 selects the second inverse transform base (S203).
  • the base selection unit 2062 performs the first reverse A conversion base is selected (S204).
  • the inverse frequency transform unit 2063 inversely transforms the coefficient of the decoding target block using the second inverse transform base or the first inverse transform base selected in Step S203 or Step S204 (S205).
  • the intra prediction mode of the current block when the intra prediction mode of the current block is the non-directional prediction mode, The current block can be transformed or inverse transformed using one transform basis or the first inverse transform basis. In this case, cost evaluation or the like for selecting a base becomes unnecessary, and the load or time for encoding or decoding can be reduced. Also, the distribution characteristics of prediction errors within a block tend to differ depending on whether or not the intra prediction mode of the current block is a non-directional prediction mode. Therefore, the compression efficiency can be improved by switching the transform base or the inverse transform base according to whether the intra prediction mode of the current block is the non-directional prediction mode.
  • a predefined fixed base is used as the second transform base or the second inverse transform base. be able to. Therefore, even when the intra prediction mode of the current block is not the non-directional prediction mode, cost evaluation or the like is unnecessary, and the load or time for encoding or decoding can be reduced.
  • DCT-II or inverse DCT-II bases are used as the first transform base or the first inverse transform base.
  • DCT-II or inverse DCT-II having a flat DC component is suitable for conversion or inverse conversion.
  • the directionality prediction mode is used, the prediction error tends to be smaller as the pixel is closer to the reference pixel.
  • DCT-V the amplitude decreases at a position close to the reference pixel in the direct current component, so DCT-V is suitable for conversion of a prediction error in the directionality prediction mode. Therefore, the encoding device 100 and the decoding device 200 can realize further improvement in compression efficiency.
  • FIG. 15A is a graph showing DCT-II conversion characteristics in a 32 ⁇ 32 size block.
  • FIG. 15B is a graph showing DCT-V conversion characteristics in a 32 ⁇ 32 size block.
  • FIG. 16A is a graph showing the conversion characteristics of DST-VII in a 4 ⁇ 4 size block.
  • FIG. 16B is a graph showing DCT-V conversion characteristics in a 4 ⁇ 4 size block. 15A to 16B, the horizontal axis represents the distance from the reference pixel, and the vertical axis represents the amplitude.
  • DCT-V is a type C discrete cosine transform.
  • the basis (basis function) shown in FIG. 3 is used.
  • DCT-V has a conversion characteristic close to that of DCT-II.
  • the DCT-V conversion characteristic has a small amplitude at a position close to the reference pixel in direct current, and is similar to the conversion characteristic of DST-VII.
  • the prediction error tends to be small at pixels close to the reference pixel (left and upper pixels).
  • a large block tends to be adopted when the prediction error is small, in a large block, the tendency that the prediction error is small at a pixel close to the reference pixel hardly appears.
  • Modification 1 of Embodiment 1 Next, Modification 1 of Embodiment 1 will be described.
  • the present modification is different from the first embodiment in that the base used for transform and inverse transform is switched according to the size of the current block.
  • the present modification will be specifically described with reference to FIGS. 17 to 20, focusing on differences from the first embodiment.
  • the determination unit 1061A determines which of intra processing and inter processing is used for the encoding target block (S101).
  • the determination unit 1061A determines whether or not the size of the encoding target block is equal to or smaller than the threshold size (S111).
  • the determination unit 1061A determines whether or not the intra prediction mode of the encoding target block is the non-directional prediction mode ( S102).
  • the base selection unit 1062A selects the second transform base (S103).
  • the determination unit 2061A determines whether the decoding process is performed by intra processing or inter processing. That is, the determination unit 2061A determines which of intra processing and inter processing is used for the decoding target block.
  • the determination unit 2061A determines the intra prediction mode. Specifically, when the size of the decoding target block is equal to or smaller than the threshold size, the determination unit 2061A determines whether or not the intra prediction mode of the decoding target block is the non-directional prediction mode.
  • the threshold size the same threshold size as that used in the conversion unit 106A of the encoding apparatus 100 is used.
  • FIG. 18 is a flowchart showing processing of the inverse transform unit 206A of the decoding device 200 according to Modification 1 of Embodiment 1.
  • the determination unit 2061A determines which of intra processing and inter processing is used for the decoding target block (S201).
  • the determination unit 2061A determines whether or not the size of the decoding target block is equal to or smaller than the threshold size (S211).
  • the determination unit 2061A determines whether or not the intra prediction mode of the decoding target block is the non-directional prediction mode (S202).
  • the base selection unit 2062A selects the second inverse transform base (S203).
  • FIG. 22 is a diagram illustrating a plurality of examples of positions in the bit stream of threshold size or conversion mode information in the second or third modification of the first embodiment.
  • (I) of FIG. 22 shows that there is threshold size or conversion mode information in the video parameter set.
  • (Ii) of FIG. 22 shows that there is threshold size or conversion mode information in the sequence parameter set of the video stream.
  • (Iii) of FIG. 22 shows that there is threshold size or conversion mode information in the picture parameter set of the picture.
  • Iv) of FIG. 22 shows that there is threshold size or conversion mode information in the slice header of the slice.
  • FIG. 22 shows that threshold size or conversion mode information is in the group of parameters for setting up or initializing the video system or video decoder.
  • FIG. 24 is a block diagram showing an internal configuration of inverse transform section 206B of decoding apparatus 200 according to Modification 2 of Embodiment 1.
  • the inverse transform unit 206B includes a determination unit 2061A, a base selection unit 2062A, an inverse frequency transform unit 2063, and a threshold size acquisition unit 2064B.
  • threshold size information can be included in the bitstream. Therefore, the threshold size can be adaptively determined according to the input image, and further improvement in compression efficiency can be realized.
  • FIG. 26 is a block diagram showing an internal configuration of conversion section 106C of coding apparatus 100 according to Modification 3 of Embodiment 1.
  • the conversion unit 106C includes a determination unit 1061A, a base selection unit 1062C, a frequency conversion unit 1063, a threshold size determination unit 1064B, and a conversion mode determination unit 1065C.
  • the conversion mode determination unit 1065C determines whether the fixed base conversion mode or the dynamic base conversion mode is applied to the encoding target block.
  • the fixed basis conversion mode is an example of a first conversion mode
  • the dynamic basis conversion mode is an example of a second conversion mode. That is, conversion mode determination section 1065C determines which conversion mode among a plurality of conversion modes including the first conversion mode and the second conversion mode is to be applied to the encoding target block.
  • the information on the conversion mode applied to the encoding target block is output to the entropy encoding unit 110 and written in the bitstream.
  • the conversion mode information is information for identifying the conversion mode, and is, for example, a flag or index indicating the conversion mode.
  • the conversion mode information is written, for example, in at least one of a plurality of headers shown in (i) to (v) of FIG. Note that the conversion mode information and the threshold size information need not be written in the same header, and may be written in different headers.
  • the base selection unit 1062C selects the first conversion base or the second conversion base as in the second modification of the first embodiment.
  • the first transformation basis is a DCT-II basis
  • the second transformation basis is a DCT-V basis.
  • the base selection unit 1062C adaptively selects the third conversion base from the plurality of conversion bases.
  • the information on the selected third transform base is output to the entropy encoding unit 110 and written in the bitstream.
  • the selected information on the third conversion base is information indicating the third conversion base, and is, for example, each coefficient value or index of the third conversion base.
  • the frequency conversion unit 1063 performs conversion processing on the prediction error of the encoding target block, using the base selected by the base selection unit 1062C. That is, the frequency transform unit 1063 transforms the current block using the first transform base or the second transform base when the first transform mode is applied, and the third transform mode when the second transform mode is applied.
  • the encoding target block is converted using the conversion base.
  • the selectable bases may be different between the first conversion mode and the second conversion mode, or the selectable bases may be the same and the selection method may be different. Also, in the first conversion mode and the second conversion mode, switching between exclusion and duplication may be performed depending on the block size, and the same base can be selected with different block sizes, and different bases with the same block size. It is also possible to select such a configuration.
  • the base selection unit 2062C selects the first reverse conversion base or the second reverse conversion base as in the second modification of the first embodiment.
  • the base selection unit 2062C selects the third inverse conversion base.
  • the third inverse transform base is the inverse transform base of the third transform basis.
  • the inverse frequency transform unit 2063 performs an inverse transform process on the coefficients of the decoding target block, using the basis selected by the basis selection unit 2062C. That is, when the first transformation mode is applied, the inverse frequency transform unit 2063 inversely transforms the decoding target block using the first inverse transformation base or the second inverse transformation base, and the second transformation mode is applied. Then, the decoding target block is inversely transformed using the third inverse transformation basis.
  • FIG. 29 is a flowchart showing processing of the inverse transform unit 206C of the decoding device 200 according to Modification 3 of Embodiment 1.
  • the conversion mode determination unit 2065C determines a conversion mode to be applied to the decoding target block (S231).
  • the first conversion mode the first conversion mode of S232
  • the processes after step S201 are executed.
  • the base selection unit 2062C selects the third inverse conversion base (S233).
  • the third inverse transform base selected here is an inverse transform base corresponding to the third transform base selected by the encoding device 100.
  • the inverse frequency transform unit 2063 inversely transforms the decoding target block using the second, first, or third inverse transform base selected in Step S203, Step S204, or Step S233 (S204).
  • the DC prediction mode and the Planar prediction mode are H.264. Although it was specified in the H.265 / HEVC standard, it is not limited to this. For example, DC prediction mode and Planar prediction mode are H.264. It may be an improvement from the H.265 / HEVC standard.
  • the DCT-V base is used as the second conversion base, but the present invention is not limited to this.
  • the second transform base may be an orthogonal transform base different from DCT-V.
  • a non-orthogonal transform base having similar transform characteristics may be used as the second transform base instead of the orthogonal transform base.
  • the second conversion base may not be a fixed base defined in advance.
  • the second conversion base may be adaptively selected from a plurality of conversion bases. That is, the second transform base may be adaptively selected from a plurality of transform bases based on, for example, a cost function including coding distortion and generated code amount.
  • the information on the second conversion base may be written in the bit stream. Thereby, the conversion base suitable for the current block can be selected, and the compression efficiency can be improved.
  • the horizontal direction and the vertical direction are not distinguished in the conversion and the reverse conversion.
  • a DCT-V base may be used in the horizontal direction
  • a DCT-II base may be used in the vertical direction.
  • the comparison between the size of the encoding target block and the threshold size may be performed separately in the horizontal direction and the vertical direction. For example, when the horizontal size of the encoding target block is larger than the threshold size and the vertical size is equal to or smaller than the threshold size, the first conversion base is selected for the horizontal direction and the second conversion for the vertical direction.
  • a base may be selected.
  • the same base is selected when the intra prediction mode of the current block is the non-directional prediction mode and when the inter processing is used for the current block.
  • the present invention is not limited to this.
  • the first conversion base may be selected when the intra prediction mode of the current block is the non-directional prediction mode, and a conversion base different from the first conversion base may be selected when inter processing is used for the current block. .
  • each of the functional blocks can usually be realized by an MPU, a memory, and the like. Further, the processing by each functional block is usually realized by a program execution unit such as a processor reading and executing software (program) recorded on a recording medium such as a ROM. The software may be distributed by downloading or the like, or may be distributed by being recorded on a recording medium such as a semiconductor memory. Naturally, each functional block can be realized by hardware (dedicated circuit).
  • each embodiment may be realized by centralized processing using a single device (system), or may be realized by distributed processing using a plurality of devices. Good.
  • the number of processors that execute the program may be one or more. That is, centralized processing may be performed, or distributed processing may be performed.
  • the system includes an image encoding device using an image encoding method, an image decoding device using an image decoding method, and an image encoding / decoding device including both.
  • Other configurations in the system can be appropriately changed according to circumstances.
  • FIG. 30 is a diagram illustrating an overall configuration of a content supply system ex100 that implements a content distribution service.
  • the communication service providing area is divided into desired sizes, and base stations ex106, ex107, ex108, ex109, and ex110, which are fixed wireless stations, are installed in each cell.
  • devices such as a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, and a smartphone ex115 via the Internet ex101, the Internet service provider ex102 or the communication network ex104, and the base stations ex106 to ex110.
  • the content supply system ex100 may be connected by combining any of the above elements.
  • Each device may be directly or indirectly connected to each other via a telephone network or a short-range wireless communication without using the base stations ex106 to ex110 which are fixed wireless stations.
  • the streaming server ex103 is connected to each device such as a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, and a smartphone ex115 via the Internet ex101.
  • the streaming server ex103 is connected to a terminal in a hot spot in the airplane ex117 via the satellite ex116.
  • the home appliance ex118 is a device included in a refrigerator or a household fuel cell cogeneration system.
  • the streaming server ex103 streams the content data transmitted to the requested client.
  • the client is a computer or the like in the computer ex111, the game machine ex112, the camera ex113, the home appliance ex114, the smart phone ex115, or the airplane ex117 that can decode the encoded data.
  • Each device that has received the distributed data decrypts and reproduces the received data. That is, each device functions as an image decoding device according to an aspect of the present disclosure.
  • the streaming server ex103 may be a plurality of servers or a plurality of computers, and may process, record, and distribute data in a distributed manner.
  • the streaming server ex103 may be realized by a CDN (Contents Delivery Network), and content distribution may be realized by a network connecting a large number of edge servers and edge servers distributed all over the world.
  • CDN Contents Delivery Network
  • edge servers that are physically close to each other are dynamically allocated according to clients. Then, the content can be cached and distributed to the edge server, thereby reducing the delay.
  • the processing is distributed among multiple edge servers, the distribution subject is switched to another edge server, or the part of the network where the failure has occurred Since detouring can be continued, high-speed and stable distribution can be realized.
  • the camera ex113 or the like extracts a feature amount from an image, compresses data relating to the feature amount as metadata, and transmits the metadata to the server.
  • the server performs compression according to the meaning of the image, for example, by determining the importance of the object from the feature amount and switching the quantization accuracy.
  • the feature data is particularly effective for improving the accuracy and efficiency of motion vector prediction at the time of re-compression on the server.
  • simple coding such as VLC (variable length coding) may be performed at the terminal, and coding with a large processing load such as CABAC (context adaptive binary arithmetic coding) may be performed at the server.
  • a plurality of video data in which almost the same scene is captured by a plurality of terminals.
  • a GOP Group of Picture
  • a picture unit or a tile obtained by dividing a picture using a plurality of terminals that have performed shooting and other terminals and servers that have not performed shooting as necessary.
  • Distributed processing is performed by assigning encoding processing in units or the like. Thereby, delay can be reduced and real-time property can be realized.
  • the server may manage and / or instruct the video data captured by each terminal to refer to each other.
  • the encoded data from each terminal may be received by the server and the reference relationship may be changed among a plurality of data, or the picture itself may be corrected or replaced to be encoded again. This makes it possible to generate a stream with improved quality and efficiency of each piece of data.
  • the server may distribute the video data after performing transcoding to change the encoding method of the video data.
  • the server may convert the MPEG encoding system to the VP encoding. H.264 in H.264. It may be converted into H.265.
  • the encoding process can be performed by a terminal or one or more servers. Therefore, in the following, description such as “server” or “terminal” is used as the subject performing processing, but part or all of processing performed by the server may be performed by the terminal, or processing performed by the terminal may be performed. Some or all may be performed at the server. The same applies to the decoding process.
  • the server not only encodes a two-dimensional moving image, but also encodes a still image automatically based on a scene analysis of the moving image or at a time specified by the user and transmits it to the receiving terminal. Also good.
  • the server can acquire the relative positional relationship between the photographing terminals, the server obtains the three-dimensional shape of the scene based on not only the two-dimensional moving image but also the video obtained by photographing the same scene from different angles. Can be generated.
  • the server may separately encode the three-dimensional data generated by the point cloud or the like, and the video to be transmitted to the receiving terminal based on the result of recognizing or tracking the person or the object using the three-dimensional data.
  • the images may be selected or reconstructed from videos captured by a plurality of terminals.
  • the user can arbitrarily select each video corresponding to each photographing terminal and enjoy a scene, or can display a video of an arbitrary viewpoint from three-dimensional data reconstructed using a plurality of images or videos. You can also enjoy the clipped content.
  • sound is collected from a plurality of different angles, and the server may multiplex and transmit sound from a specific angle or space according to the video.
  • the server superimposes virtual object information in the virtual space on the camera information in the real space based on the three-dimensional position or the movement of the user's viewpoint.
  • the decoding device may acquire or hold virtual object information and three-dimensional data, generate a two-dimensional image according to the movement of the user's viewpoint, and create superimposition data by connecting them smoothly.
  • the decoding device transmits the movement of the user's viewpoint to the server in addition to the request for the virtual object information, and the server creates superimposition data according to the movement of the viewpoint received from the three-dimensional data held in the server,
  • the superimposed data may be encoded and distributed to the decoding device.
  • the superimposed data has an ⁇ value indicating transparency in addition to RGB
  • the server sets the ⁇ value of a portion other than the object created from the three-dimensional data to 0 or the like, and the portion is transparent. May be encoded.
  • the server may generate data in which a RGB value of a predetermined value is set as the background, such as a chroma key, and the portion other than the object is set to the background color.
  • the decryption processing of the distributed data may be performed at each terminal as a client, may be performed on the server side, or may be performed in a shared manner.
  • a terminal may once send a reception request to the server, receive content corresponding to the request at another terminal, perform a decoding process, and transmit a decoded signal to a device having a display.
  • a part of a region such as a tile in which a picture is divided may be decoded and displayed on a viewer's personal terminal while receiving large-size image data on a TV or the like. Accordingly, it is possible to confirm at hand the area in which the person is responsible or the area to be confirmed in more detail while sharing the whole image.
  • access to encoded data on the network such as when the encoded data is cached in a server that can be accessed from the receiving terminal in a short time, or copied to the edge server in the content delivery service. It is also possible to switch the bit rate of received data based on ease.
  • the content switching will be described using a scalable stream that is compression-encoded by applying the moving image encoding method shown in each of the above embodiments shown in FIG.
  • the server may have a plurality of streams of the same content and different quality as individual streams, but the temporal / spatial scalable implementation realized by dividing into layers as shown in the figure.
  • the configuration may be such that the content is switched by utilizing the characteristics of the stream.
  • the decoding side decides which layer to decode according to internal factors such as performance and external factors such as the state of communication bandwidth, so that the decoding side can combine low-resolution content and high-resolution content. You can switch freely and decrypt. For example, when the user wants to continue watching the video that was viewed on the smartphone ex115 while moving on a device such as an Internet TV after returning home, the device only has to decode the same stream to a different layer, so the load on the server side Can be reduced.
  • the enhancement layer includes meta information based on image statistical information, etc., in addition to the configuration in which the picture is encoded for each layer and the enhancement layer exists above the base layer.
  • the decoding side may generate content with high image quality by super-resolution of the base layer picture based on the meta information.
  • Super-resolution may be either improvement of the SN ratio at the same resolution or enlargement of the resolution.
  • the meta information includes information for specifying a linear or non-linear filter coefficient used for super-resolution processing, or information for specifying a parameter value in filter processing, machine learning, or least square calculation used for super-resolution processing. .
  • the picture may be divided into tiles or the like according to the meaning of the object in the image, and the decoding side may select only a part of the region by selecting the tile to be decoded.
  • the decoding side can determine the position of the desired object based on the meta information. Can be identified and the tile containing the object can be determined.
  • the meta information is stored using a data storage structure different from the pixel data such as the SEI message in HEVC. This meta information indicates, for example, the position, size, or color of the main object.
  • meta information may be stored in units composed of a plurality of pictures, such as streams, sequences, or random access units.
  • the decoding side can acquire the time when the specific person appears in the video, etc., and can match the picture in which the object exists and the position of the object in the picture by combining with the information in units of pictures.
  • FIG. 33 is a diagram showing an example of a web page display screen on the computer ex111 or the like.
  • FIG. 34 is a diagram illustrating a display screen example of a web page on the smartphone ex115 or the like.
  • the web page may include a plurality of link images that are links to the image content, and the appearance differs depending on the browsing device. When a plurality of link images are visible on the screen, the display device until the user explicitly selects the link image, or until the link image approaches the center of the screen or the entire link image enters the screen.
  • the (decoding device) displays a still image or an I picture included in each content as a link image, displays a video like a gif animation with a plurality of still images or I pictures, or receives only a base layer to receive a video. Are decoded and displayed.
  • the display device When the link image is selected by the user, the display device decodes the base layer with the highest priority. If there is information indicating that the HTML constituting the web page is scalable content, the display device may decode up to the enhancement layer. Also, in order to ensure real-time properties, the display device only decodes forward reference pictures (I picture, P picture, forward reference only B picture) before being selected or when the communication band is very strict. In addition, the delay between the decoding time of the first picture and the display time (delay from the start of content decoding to the start of display) can be reduced by displaying. Further, the display device may intentionally ignore the reference relationship of pictures and roughly decode all B pictures and P pictures with forward reference, and perform normal decoding as the number of received pictures increases over time.
  • forward reference pictures I picture, P picture, forward reference only B picture
  • the receiving terminal when transmitting and receiving still image or video data such as two-dimensional or three-dimensional map information for automatic driving or driving support of a car, the receiving terminal adds meta data to image data belonging to one or more layers. Weather or construction information may also be received and decoded in association with each other. The meta information may belong to a layer or may be simply multiplexed with image data.
  • the receiving terminal since the car, drone, airplane, or the like including the receiving terminal moves, the receiving terminal transmits the position information of the receiving terminal at the time of the reception request, thereby seamless reception and decoding while switching the base stations ex106 to ex110. Can be realized.
  • the receiving terminal can dynamically switch how much meta-information is received or how much map information is updated according to the user's selection, the user's situation, or the communication band state. become.
  • the encoded information transmitted by the user can be received, decoded and reproduced in real time by the client.
  • the content supply system ex100 can perform not only high-quality and long-time content by a video distributor but also unicast or multicast distribution of low-quality and short-time content by an individual. Moreover, such personal contents are expected to increase in the future.
  • the server may perform the encoding process after performing the editing process. This can be realized, for example, with the following configuration.
  • the server After shooting, the server performs recognition processing such as shooting error, scene search, semantic analysis, and object detection from the original image or encoded data. Then, the server manually or automatically corrects out-of-focus or camera shake based on the recognition result, or selects a less important scene such as a scene whose brightness is lower than that of other pictures or is out of focus. Edit such as deleting, emphasizing the edge of an object, and changing the hue.
  • the server encodes the edited data based on the editing result. It is also known that if the shooting time is too long, the audience rating will decrease, and the server will move not only in the less important scenes as described above, but also in motion according to the shooting time. A scene with few images may be automatically clipped based on the image processing result. Alternatively, the server may generate and encode a digest based on the result of the semantic analysis of the scene.
  • the server may change and encode the face of the person in the periphery of the screen or the inside of the house into an unfocused image.
  • the server recognizes whether or not a face of a person different from the person registered in advance is shown in the encoding target image, and if so, performs processing such as applying a mosaic to the face part. May be.
  • the user designates a person or background area that the user wants to process an image from the viewpoint of copyright, etc., and the server replaces the designated area with another video or blurs the focus. It is also possible to perform such processing. If it is a person, the face image can be replaced while tracking the person in the moving image.
  • the decoding device first receives the base layer with the highest priority and performs decoding and reproduction, depending on the bandwidth.
  • the decoding device may receive the enhancement layer during this time, and may play back high-quality video including the enhancement layer when played back twice or more, such as when playback is looped.
  • a stream that is scalable in this way can provide an experience in which the stream becomes smarter and the image is improved gradually, although it is a rough moving picture when it is not selected or at the beginning of viewing.
  • the same experience can be provided even if the coarse stream played back the first time and the second stream coded with reference to the first video are configured as one stream. .
  • these encoding or decoding processes are generally processed in the LSI ex500 included in each terminal.
  • the LSI ex500 may be configured as a single chip or a plurality of chips.
  • moving image encoding or decoding software is incorporated into some recording medium (CD-ROM, flexible disk, hard disk, etc.) that can be read by the computer ex111 and the like, and encoding or decoding processing is performed using the software. Also good.
  • moving image data acquired by the camera may be transmitted. The moving image data at this time is data encoded by the LSI ex500 included in the smartphone ex115.
  • the LSI ex500 may be configured to download and activate application software.
  • the terminal first determines whether the terminal is compatible with the content encoding method or has a specific service execution capability. If the terminal does not support the content encoding method or does not have the capability to execute a specific service, the terminal downloads a codec or application software, and then acquires and reproduces the content.
  • the content supply system ex100 via the Internet ex101, but also a digital broadcasting system, at least the moving image encoding device (image encoding device) or the moving image decoding device (image decoding device) of the above embodiments. Any of these can be incorporated.
  • the unicasting of the content supply system ex100 is suitable for multicasting because it uses a satellite or the like to transmit and receive multiplexed data in which video and sound are multiplexed on broadcasting radio waves.
  • the same application is possible for the encoding process and the decoding process.
  • a main control unit ex460 that comprehensively controls the display unit ex458, the operation unit ex466, and the like, a power supply circuit unit ex461, an operation input control unit ex462, a video signal processing unit ex455, a camera interface unit ex463, a display control unit ex459, a modulation / Demodulation unit ex452, multiplexing / demultiplexing unit ex453, audio signal processing unit ex454, slot unit ex464, and memory unit ex467 are connected via bus ex470.
  • the smartphone ex115 performs processing such as calling and data communication based on the control of the main control unit ex460 having a CPU, a ROM, a RAM, and the like.
  • the voice signal picked up by the voice input unit ex456 is converted into a digital voice signal by the voice signal processing unit ex454, spread spectrum processed by the modulation / demodulation unit ex452, and digital / analog converted by the transmission / reception unit ex451.
  • the data is transmitted via the antenna ex450.
  • the received data is amplified and subjected to frequency conversion processing and analog-digital conversion processing, spectrum despreading processing is performed by the modulation / demodulation unit ex452, and converted to analog audio signal by the audio signal processing unit ex454, and then this is output to the audio output unit ex457.
  • text, still image, or video data is sent to the main control unit ex460 via the operation input control unit ex462 by the operation of the operation unit ex466 of the main body unit, and transmission / reception processing is performed similarly.
  • the video signal processing unit ex455 uses the video signal stored in the memory unit ex467 or the video signal input from the camera unit ex465 as described above.
  • the video data is compressed and encoded by the moving image encoding method shown in the form, and the encoded video data is sent to the multiplexing / demultiplexing unit ex453.
  • the audio signal processing unit ex454 encodes the audio signal picked up by the audio input unit ex456 while the camera unit ex465 captures a video or a still image, and sends the encoded audio data to the multiplexing / separating unit ex453. To do.
  • the multiplexing / demultiplexing unit ex453 multiplexes the encoded video data and the encoded audio data by a predetermined method, and the modulation / demodulation unit (modulation / demodulation circuit unit) ex452 and the modulation / demodulation unit ex451 perform modulation processing and conversion.
  • the data is processed and transmitted via the antenna ex450.
  • the multiplexing / demultiplexing unit ex453 performs multiplexing By separating the data, the multiplexed data is divided into a bit stream of video data and a bit stream of audio data, and the encoded video data is supplied to the video signal processing unit ex455 via the synchronization bus ex470. The converted audio data is supplied to the audio signal processing unit ex454.
  • the video signal processing unit ex455 decodes the video signal by the video decoding method corresponding to the video encoding method shown in each of the above embodiments, and is linked from the display unit ex458 via the display control unit ex459.
  • a video or still image included in the moving image file is displayed.
  • the audio signal processing unit ex454 decodes the audio signal, and the audio is output from the audio output unit ex457. Since real-time streaming is widespread, depending on the user's situation, there may be occasions where audio playback is not socially appropriate. Therefore, it is desirable that the initial value is a configuration in which only the video data is reproduced without reproducing the audio signal. Audio may be synchronized and played back only when the user performs an operation such as clicking on video data.
  • the smartphone ex115 has been described here as an example, in addition to a transmission / reception terminal having both an encoder and a decoder as a terminal, a transmission terminal having only an encoder and a reception having only a decoder There are three possible mounting formats: terminals.
  • terminals In the digital broadcasting system, it has been described as receiving or transmitting multiplexed data in which audio data or the like is multiplexed with video data.
  • multiplexed data includes character data related to video in addition to audio data. Multiplexing may be performed, and video data itself may be received or transmitted instead of multiplexed data.
  • the terminal often includes a GPU. Therefore, a configuration may be adopted in which a wide area is processed in a lump by utilizing the performance of the GPU by using a memory shared by the CPU and the GPU or a memory whose addresses are managed so as to be used in common. As a result, the encoding time can be shortened, real-time performance can be ensured, and low delay can be realized. In particular, it is efficient to perform motion search, deblocking filter, SAO (Sample Adaptive Offset), and transformation / quantization processing in batches in units of pictures or the like instead of the CPU.
  • SAO Sample Adaptive Offset
  • the present disclosure can be used for, for example, a television receiver, a digital video recorder, a car navigation, a mobile phone, a digital camera, or a digital video camera.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Discrete Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

画像の符号化対象ブロックを符号化する符号化装置（１００）は、符号化対象ブロックにイントラ処理及びインター処理のどちらが用いられるかを判定し、符号化対象ブロックにイントラ処理が用いられる場合に、符号化対象ブロックのイントラ予測モードが非方向性予測モードであるか否かを判定する判定部（１０６１）と、符号化対象ブロックのイントラ予測モードが非方向性予測モードである場合、第１変換基底を用いて符号化対象ブロックを変換し、符号化対象ブロックのイントラ予測モードが非方向性予測モードでない場合、第２変換基底を用いて符号化対象ブロックを変換する周波数変換部（１０６３）と、を備え、第１変換基底は、予め定義された固定の基底、または、符号化パラメータに基づいて決定される基底である。

Description

符号化装置、符号化方法、復号装置および復号方法
　本開示は、符号化装置、符号化方法、復号装置および復号方法に関する。
　ＨＥＶＣ（Ｈｉｇｈ－Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）と称される映像符号化標準規格が、ＪＣＴ－ＶＣ（Ｊｏｉｎｔ　Ｃｏｌｌａｂｏｒａｔｉｖｅ　Ｔｅａｍ　ｏｎ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）により標準化されている。
Ｈ．２６５（ＩＳＯ／ＩＥＣ　２３００８－２　ＨＥＶＣ（Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ））
　このような符号化及び復号技術では、さらなる圧縮効率の向上が求められている。
　そこで、本開示は、さらなる圧縮効率の向上を実現できる符号化装置、符号化方法、復号装置または復号方法を提供する。
　本開示の一態様に係る符号化装置は、画像の符号化対象ブロックを符号化する符号化装置であって、プロセッサと、メモリと、を備え、前記プロセッサは、前記メモリを用いて、前記符号化対象ブロックにイントラ処理およびインター処理のどちらが用いられるかを判定し、前記符号化対象ブロックにイントラ処理が用いられる場合に、前記符号化対象ブロックのイントラ予測モードが非方向性予測モードであるか否かを判定し、前記符号化対象ブロックのイントラ予測モードが非方向性予測モードである場合、第１変換基底を用いて前記符号化対象ブロックを変換し、前記符号化対象ブロックのイントラ予測モードが非方向性予測モードでない場合、第２変換基底を用いて前記符号化対象ブロックを変換し、前記第１変換基底は、予め定義された固定の基底、または、符号化パラメータに基づいて決定される基底である。
　なお、これらの全般的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。
　本開示は、さらなる圧縮効率の向上を実現できる符号化装置、符号化方法、復号装置または復号方法を提供することができる。
図１は、実施の形態１に係る符号化装置の機能構成を示すブロック図である。 図２は、実施の形態１におけるブロック分割の一例を示す図である。 図３は、各変換タイプに対応する変換基底関数を示す表である。 図４Ａは、ＡＬＦで用いられるフィルタの形状の一例を示す図である。 図４Ｂは、ＡＬＦで用いられるフィルタの形状の他の一例を示す図である。 図４Ｃは、ＡＬＦで用いられるフィルタの形状の他の一例を示す図である。 図５Ａは、イントラ予測における６７個のイントラ予測モードを示す図である。 図５Ｂは、ＯＢＭＣ処理による予測画像補正処理の概要を説明するためのフローチャートである。 図５Ｃは、ＯＢＭＣ処理による予測画像補正処理の概要を説明するための概念図である。 図５Ｄは、ＦＲＵＣの一例を示す図である。 図６は、動き軌道に沿う２つのブロック間でのパターンマッチング（バイラテラルマッチング）を説明するための図である。 図７は、カレントピクチャ内のテンプレートと参照ピクチャ内のブロックとの間でのパターンマッチング（テンプレートマッチング）を説明するための図である。 図８は、等速直線運動を仮定したモデルを説明するための図である。 図９Ａは、複数の隣接ブロックの動きベクトルに基づくサブブロック単位の動きベクトルの導出を説明するための図である。 図９Ｂは、マージモードによる動きベクトル導出処理の概要を説明するための図である。 図９Ｃは、ＤＭＶＲ処理の概要を説明するための概念図である。 図９Ｄは、ＬＩＣ処理による輝度補正処理を用いた予測画像生成方法の概要を説明するための図である。 図１０は、実施の形態１に係る復号装置の機能構成を示すブロック図である。 図１１は、実施の形態１に係る符号化装置の変換部の内部構成を示すブロック図である。 図１２は、実施の形態１に係る符号化装置の変換部の処理を示すフローチャートである。 図１３は、実施の形態１に係る復号装置の逆変換部の内部構成を示すブロック図である。 図１４は、実施の形態１に係る復号装置の逆変換部の処理を示すフローチャートである。 図１５Ａは、３２ｘ３２サイズのブロックにおけるＤＣＴ－ＩＩの変換特性を表すグラフである。 図１５Ｂは、３２ｘ３２サイズのブロックにおけるＤＣＴ－Ｖの変換特性を表すグラフである。 図１６Ａは、４ｘ４サイズのブロックにおけるＤＣＴ－ＩＩの変換特性を表すグラフである。 図１６Ｂは、４ｘ４サイズのブロックにおけるＤＣＴ－Ｖの変換特性を表すグラフである。 図１７は、実施の形態１の変形例１に係る符号化装置の変換部の内部構成を示すブロック図である。 図１８は、実施の形態１の変形例１に係る符号化装置の変換部の処理を示すフローチャートである。 図１９は、実施の形態１の変形例１に係る復号装置の逆変換部の内部構成を示すブロック図である。 図２０は、実施の形態１の変形例１に係る復号装置の逆変換部の処理を示すフローチャートである。 図２１は、実施の形態１の変形例２に係る符号化装置の変換部の内部構成を示すブロック図である。 図２２は、実施の形態１の変形例２又は３における閾値サイズ又は変換モードの情報のビットストリーム内の位置の複数の例を示す図である。 図２３は、実施の形態１の変形例２に係る符号化装置の変換部の処理を示すフローチャートである。 図２４は、実施の形態１の変形例２に係る復号装置の逆変換部の内部構成を示すブロック図である。 図２５は、実施の形態１の変形例２に係る復号装置の逆変換部の処理を示すフローチャートである。 図２６は、実施の形態１の変形例３に係る符号化装置の変換部の内部構成を示すブロック図である。 図２７は、実施の形態１の変形例３に係る符号化装置の変換部の処理を示すフローチャートである。 図２８は、実施の形態１の変形例３に係る復号装置の逆変換部の内部構成を示すブロック図である。 図２９は、実施の形態１の変形例３に係る復号装置の逆変換部の処理を示すフローチャートである。 図３０は、コンテンツ配信サービスを実現するコンテンツ供給システムの全体構成図である。 図３１は、スケーラブル符号化時の符号化構造の一例を示す図である。 図３２は、スケーラブル符号化時の符号化構造の一例を示す図である。 図３３は、ｗｅｂページの表示画面例を示す図である。 図３４は、ｗｅｂページの表示画面例を示す図である。 図３５は、スマートフォンの一例を示す図である。 図３６は、スマートフォンの構成例を示すブロック図である。
　（本開示の基礎となった知見）
　次世代の動画像符号化方式では、符号化対象ブロックの残差を効果的に変換して符号化効率を向上させるために、複数の基底を選択的に用いる方法が提案されている（例えば、ＥＭＴ（ｅｘｐｌｉｃｉｔ　ｍｕｌｔｉｐｌｅ　ｃｏｒｅ　ｔｒａｎｓｆｏｒｍ）又はＡＭＴ（ａｄａｐｔｉｖｅ　ｍｕｌｔｉｐｌｅ　ｔｒａｎｓｆｏｒｍ））。このような方法では、複数の基底の中から符号化対象ブロックのための基底を選択するために、複数の基底の評価（コスト評価等）が必要となり、符号化処理のための負荷または時間が増加する。
　そこで、本開示の一態様に係る符号化装置は、画像の符号化対象ブロックを符号化する符号化装置であって、プロセッサと、メモリと、を備え、前記プロセッサは、前記メモリを用いて、前記符号化対象ブロックにイントラ処理およびインター処理のどちらが用いられるかを判定し、前記符号化対象ブロックにイントラ処理が用いられる場合に、前記符号化対象ブロックのイントラ予測モードが非方向性予測モードであるか否かを判定し、前記符号化対象ブロックのイントラ予測モードが非方向性予測モードである場合、第１変換基底を用いて前記符号化対象ブロックを変換し、前記符号化対象ブロックのイントラ予測モードが非方向性予測モードでない場合、第２変換基底を用いて前記符号化対象ブロックを変換し、前記第１変換基底は、予め定義された固定の基底、または、符号化パラメータに基づいて決定される基底である。
　これによれば、符号化対象ブロックのイントラ予測モードが非方向性予測モードである場合に、予め定義された固定の基底、または、符号化パラメータに基づいて決定される基底である第１変換基底を用いて符号化対象ブロックを変換することができる。この場合、基底の選択のためのコスト評価等が不要となり、符号化のための負荷または時間を軽減することができる。また、ブロック内での予測誤差の分布特性は、符号化対象ブロックのイントラ予測モードが非方向性予測モードであるか否かによって異なる傾向がある。したがって、符号化対象ブロックのイントラ予測モードが非方向性予測モードであるか否かに応じて変換基底を切り替えることで、圧縮効率の向上を図ることもできる。
　また、本開示の一態様に係る符号化装置において、例えば、前記プロセッサは、さらに、前記符号化対象ブロックのサイズが閾値サイズ未満であるか否かを判定し、前記符号化対象ブロックのイントラ予測モードが非方向性予測モードでない場合であっても、前記符号化対象ブロックのサイズが閾値サイズ以上である場合には、前記第１変換基底を用いて前記符号化対象ブロックを変換してもよい。
　これによれば、符号化対象ブロックのサイズが閾値サイズより大きい場合に、第１変換基底を用いて符号化対象ブロックを変換することができる。この場合、基底の選択のためのコスト評価等が不要となり、符号化のための負荷または時間を軽減することができる。また、ブロック内での予測誤差の分布特性は、ブロックのサイズによって異なる傾向がある。したがって、符号化対象ブロックのサイズに応じて変換基底を切り替えることで、圧縮効率の向上を図ることもできる。
　また、本開示の一態様に係る符号化装置において、例えば、前記プロセッサは、さらに、前記閾値サイズの情報をビットストリームに書き込んでもよい。
　これによれば、閾値サイズの情報をビットストリームに含めることができる。したがって、入力画像に応じて適応的に閾値サイズを決定することができ、さらなる圧縮効率の向上を実現することができる。
　また、本開示の一態様に係る符号化装置において、例えば、前記第２変換基底は、予め定義された固定の基底、または、符号化パラメータに基づいて決定される基底であってもよい。
　これによれば、第２変換基底として、予め定義された固定の基底、または、符号化パラメータに基づいて決定される基底を用いることができる。したがって、符号化対象ブロックのイントラ予測モードが非方向性予測モードでない場合でもコスト評価等が不要となり、符号化のための負荷または時間を軽減することができる。
　また、本開示の一態様に係る符号化装置において、例えば、前記第１変換基底は、ＤＣＴ－ＩＩの基底であり、前記第２変換基底は、ＤＣＴ－Ｖの基底であってもよい。
　これによれば、第１変換基底としてＤＣＴ－ＩＩの基底を固定的に用いることができ、第２変換基底としてＤＣＴ－Ｖの基底を固定的に用いることができる。非方向性予測モードが用いられれば、ブロック内での予測誤差の分布が一様またはランダムになる傾向があり、ＤＣ成分がフラットなＤＣＴ－ＩＩが変換に適する。一方、方向性予測モードが用いられれば、参照画素に近い画素ほど予測誤差が小さくなる傾向があり、ＤＣ成分が参照画素に近い位置で小さくなるＤＣＴ－Ｖが変換に適する。したがって、符号化対象ブロックのイントラ予測モードが非方向性予測モードであれば、ＤＣＴ－ＩＩの基底を用いて符号化対象ブロックを変換し、符号化対象ブロックのイントラ予測モードが非方向性予測モードでなければ、ＤＣＴ－Ｖの基底を用いて符号化対象ブロックを変換することで、さらなる圧縮効率の向上を実現することができる。
　また、本開示の一態様に係る符号化装置において、例えば、前記第２変換基底は、複数の変換基底の中から適応的に選択され、前記プロセッサは、さらに、選択された前記第２変換基底を示す情報をビットストリームに書き込んでもよい。
　これによれば、第２変換基底として、複数の基底の中から適応的に選択された基底を用いることができる。したがって、符号化対象ブロックに適した変換基底を選択することができ、圧縮効率を向上させることができる。
　また、本開示の一態様に係る符号化装置において、例えば、前記プロセッサは、さらに、第１変換モードおよび第２変換モードを含む複数の変換モードのうちのどの変換モードを前記符号化対象ブロックに適用するかを決定し、前記第１変換モードが適用される場合に、前記第１変換基底または前記第２変換基底を用いて前記符号化対象ブロックが変換され、前記第２変換モードが適用される場合に、第３変換基底を用いて前記符号化対象ブロックが変換され、前記第２変換基底は、予め定義された固定の基底、または、符号化パラメータに基づいて決定される基底であり、前記第３変換基底は、複数の変換基底の中から適応的に選択され、前記プロセッサは、さらに、前記第２変換モードが適用される場合に、選択された前記第３変換基底を示す情報をビットストリームに書き込んでもよい。
　これによれば、変換モードを用いて、適応的な変換基底の使用と、固定的な変換基底の使用とを切り替えることができる。したがって、さらなる変換の効率化を実現することが可能となり、さらなる圧縮効率の向上を実現することができる。
　本開示の一態様に係る復号装置は、画像の復号対象ブロックを復号する復号装置であって、プロセッサと、メモリと、を備え、前記プロセッサは、前記メモリを用いて、前記復号対象ブロックにイントラ処理およびインター処理のどちらが用いられるかを判定し、前記復号対象ブロックにイントラ処理が用いられる場合に、前記復号対象ブロックのイントラ予測モードが非方向性予測モードであるか否かを判定し、前記復号対象ブロックのイントラ予測モードが非方向性予測モードである場合、第１逆変換基底を用いて前記復号対象ブロックを逆変換し、前記復号対象ブロックのイントラ予測モードが非方向性予測モードでない場合、第２逆変換基底を用いて前記復号対象ブロックを逆変換し、前記第１逆変換基底は、予め定義された固定の基底、または、符号化パラメータに基づいて決定される基底である。
　これによれば、復号対象ブロックのイントラ予測モードが非方向性予測モードである場合に、予め定義された固定の基底、または、符号化パラメータに基づいて決定される基底である第２逆変換基底を用いて復号対象ブロックを逆変換することができる。この場合、符号化装置において基底の選択のためのコスト評価等が不要となり、符号化のための負荷または時間を軽減することができる。また、ブロック内での予測誤差の分布特性は、復号対象ブロックのイントラ予測モードが非方向性予測モードであるか否かによって異なる傾向がある。したがって、復号対象ブロックのイントラ予測モードが非方向性予測モードであるか否かに応じて逆変換基底を切り替えることで、圧縮効率の向上を図ることもできる。
　また、本開示の一態様に係る復号装置において、例えば、前記プロセッサは、さらに、前記復号対象ブロックのサイズが閾値サイズ未満であるか否かを判定し、前記復号対象ブロックのイントラ予測モードが非方向性予測モードでない場合であっても、前記復号対象ブロックのサイズが閾値サイズ以上である場合には、前記第１逆変換基底を用いて前記復号対象ブロックを逆変換してもよい。
　これによれば、復号対象ブロックのサイズが閾値サイズより大きい場合に、第１逆変換基底を用いて符号化対象ブロックを変換することができる。この場合、符号化装置において基底の選択のためのコスト評価等が不要となり、符号化のための負荷または時間を軽減することができる。また、ブロック内での予測誤差の分布特性は、ブロックのサイズによって異なる傾向がある。したがって、復号対象ブロックのサイズに応じて逆変換基底を切り替えることで、圧縮効率の向上を図ることもできる。
　また、本開示の一態様に係る復号装置において、例えば、前記閾値サイズは、ビットストリームから取得されてもよい。
　これによれば、閾値サイズの情報をビットストリームに含めることができる。したがって、符号化装置において入力画像に応じて適応的に閾値サイズを決定することができ、さらなる圧縮効率の向上を実現することができる。
　また、本開示の一態様に係る復号装置において、例えば、前記第２逆変換基底は、予め定義された固定の基底、または、符号化パラメータに基づいて決定される基底であってもよい。
　これによれば、第２逆変換基底として、予め定義された固定の基底、または、符号化パラメータに基づいて決定される基底を用いることができる。したがって、復号対象ブロックのイントラ予測モードが非方向性予測モードでない場合でも、符号化装置においてコスト評価等が不要となり、符号化のための負荷または時間を軽減することができる。
　また、本開示の一態様に係る復号装置において、例えば、前記第１逆変換基底は、逆ＤＣＴ－ＩＩの基底であり、前記第２逆変換基底は、逆ＤＣＴ－Ｖの基底であってもよい。
　これによれば、第１逆変換基底として逆ＤＣＴ－ＩＩの基底を固定的に用いることができ、第２逆変換基底として逆ＤＣＴ－Ｖの基底を固定的に用いることができる。非方向性予測モードが用いられれば、ブロック内での予測誤差の分布が一様またはランダムになる傾向があり、ＤＣ成分がフラットなＤＣＴ－ＩＩが変換に適する。一方、方向性予測モードが用いられれば、参照画素に近い画素ほど予測誤差が小さくなる傾向があり、ＤＣ成分が参照画素に近い位置で小さくなるＤＣＴ－Ｖが変換に適する。したがって、復号対象ブロックのイントラ予測モードが非方向性予測モードであれば、逆ＤＣＴ－ＩＩの基底を用いて復号対象ブロックを逆変換し、復号対象ブロックのイントラ予測モードが非方向性予測モードでなければ、逆ＤＣＴ－Ｖの基底を用いて復号対象ブロックを逆変換することで、さらなる圧縮効率の向上を実現することができる。
　また、本開示の一態様に係る復号装置において、例えば、前記第２逆変換基底は、ビットストリームから取得されてもよい。
　これによれば、第２逆変換基底をビットストリームから取得することができる。したがって、復号対象ブロックに適した逆変換基底を選択することができ、圧縮効率を向上させることができる。
　また、本開示の一態様に係る復号装置において、例えば、前記プロセッサは、さらに、第１変換モードおよび第２変換モードを含む複数の変換モードのうちのどの変換モードを前記復号対象ブロックに適用するかを決定し、前記第１変換モードが適用される場合に、前記第１逆変換基底または前記第２逆変換基底を用いて前記復号対象ブロックが逆変換され、前記第２変換モードが適用される場合に、第３逆変換基底を用いて前記復号対象ブロックが逆変換され、前記第２逆変換基底は、予め定義された固定の基底、または、符号化パラメータに基づいて決定される基底であり、前記第３逆変換基底は、ビットストリームから取得されてもよい。
　これによれば、変換モードを用いて、適応的な逆変換基底の使用と、固定的な逆変換基底の使用とを切り替えることができる。したがって、さらなる逆変換の効率化を実現することが可能となり、さらなる圧縮効率の向上を実現することができる。
　なお、これらの全般的または具体的な態様は、システム、集積回路、コンピュータプログラム又はコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよく、システム、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。
　以下、実施の形態について図面を参照しながら具体的に説明する。
　なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、請求の範囲を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。
　（実施の形態１）
　まず、後述する本開示の各態様で説明する処理および／または構成を適用可能な符号化装置および復号化装置の一例として、実施の形態１の概要を説明する。ただし、実施の形態１は、本開示の各態様で説明する処理および／または構成を適用可能な符号化装置および復号化装置の一例にすぎず、本開示の各態様で説明する処理および／または構成は、実施の形態１とは異なる符号化装置および復号化装置においても実施可能である。
　実施の形態１に対して本開示の各態様で説明する処理および／または構成を適用する場合、例えば以下のいずれかを行ってもよい。
　（１）実施の形態１の符号化装置または復号化装置に対して、当該符号化装置または復号化装置を構成する複数の構成要素のうち、本開示の各態様で説明する構成要素に対応する構成要素を、本開示の各態様で説明する構成要素に置き換えること
　（２）実施の形態１の符号化装置または復号化装置に対して、当該符号化装置または復号化装置を構成する複数の構成要素のうち一部の構成要素について機能または実施する処理の追加、置き換え、削除などの任意の変更を施した上で、本開示の各態様で説明する構成要素に対応する構成要素を、本開示の各態様で説明する構成要素に置き換えること
　（３）実施の形態１の符号化装置または復号化装置が実施する方法に対して、処理の追加、および／または当該方法に含まれる複数の処理のうちの一部の処理について置き換え、削除などの任意の変更を施した上で、本開示の各態様で説明する処理に対応する処理を、本開示の各態様で説明する処理に置き換えること
　（４）実施の形態１の符号化装置または復号化装置を構成する複数の構成要素のうちの一部の構成要素を、本開示の各態様で説明する構成要素、本開示の各態様で説明する構成要素が備える機能の一部を備える構成要素、または本開示の各態様で説明する構成要素が実施する処理の一部を実施する構成要素と組み合わせて実施すること
　（５）実施の形態１の符号化装置または復号化装置を構成する複数の構成要素のうちの一部の構成要素が備える機能の一部を備える構成要素、または実施の形態１の符号化装置または復号化装置を構成する複数の構成要素のうちの一部の構成要素が実施する処理の一部を実施する構成要素を、本開示の各態様で説明する構成要素、本開示の各態様で説明する構成要素が備える機能の一部を備える構成要素、または本開示の各態様で説明する構成要素が実施する処理の一部を実施する構成要素と組み合わせて実施すること
　（６）実施の形態１の符号化装置または復号化装置が実施する方法に対して、当該方法に含まれる複数の処理のうち、本開示の各態様で説明する処理に対応する処理を、本開示の各態様で説明する処理に置き換えること
　（７）実施の形態１の符号化装置または復号化装置が実施する方法に含まれる複数の処理のうちの一部の処理を、本開示の各態様で説明する処理と組み合わせて実施すること
　なお、本開示の各態様で説明する処理および／または構成の実施の仕方は、上記の例に限定されるものではない。例えば、実施の形態１において開示する動画像／画像符号化装置または動画像／画像復号化装置とは異なる目的で利用される装置において実施されてもよいし、各態様において説明した処理および／または構成を単独で実施してもよい。また、異なる態様において説明した処理および／または構成を組み合わせて実施してもよい。
　［符号化装置の概要］
　まず、実施の形態１に係る符号化装置の概要を説明する。図１は、実施の形態１に係る符号化装置１００の機能構成を示すブロック図である。符号化装置１００は、動画像／画像をブロック単位で符号化する動画像／画像符号化装置である。
　図１に示すように、符号化装置１００は、画像をブロック単位で符号化する装置であって、分割部１０２と、減算部１０４と、変換部１０６と、量子化部１０８と、エントロピー符号化部１１０と、逆量子化部１１２と、逆変換部１１４と、加算部１１６と、ブロックメモリ１１８と、ループフィルタ部１２０と、フレームメモリ１２２と、イントラ予測部１２４と、インター予測部１２６と、予測制御部１２８と、を備える。
　符号化装置１００は、例えば、汎用プロセッサ及びメモリにより実現される。この場合、メモリに格納されたソフトウェアプログラムがプロセッサにより実行されたときに、プロセッサは、分割部１０２、減算部１０４、変換部１０６、量子化部１０８、エントロピー符号化部１１０、逆量子化部１１２、逆変換部１１４、加算部１１６、ループフィルタ部１２０、イントラ予測部１２４、インター予測部１２６及び予測制御部１２８として機能する。また、符号化装置１００は、分割部１０２、減算部１０４、変換部１０６、量子化部１０８、エントロピー符号化部１１０、逆量子化部１１２、逆変換部１１４、加算部１１６、ループフィルタ部１２０、イントラ予測部１２４、インター予測部１２６及び予測制御部１２８に対応する専用の１以上の電子回路として実現されてもよい。
　以下に、符号化装置１００に含まれる各構成要素について説明する。
　［分割部］
　分割部１０２は、入力動画像に含まれる各ピクチャを複数のブロックに分割し、各ブロックを減算部１０４に出力する。例えば、分割部１０２は、まず、ピクチャを固定サイズ（例えば１２８ｘ１２８）のブロックに分割する。この固定サイズのブロックは、符号化ツリーユニット（ＣＴＵ）と呼ばれることがある。そして、分割部１０２は、再帰的な四分木（ｑｕａｄｔｒｅｅ）及び／又は二分木（ｂｉｎａｒｙ　ｔｒｅｅ）ブロック分割に基づいて、固定サイズのブロックの各々を可変サイズ（例えば６４ｘ６４以下）のブロックに分割する。この可変サイズのブロックは、符号化ユニット（ＣＵ）、予測ユニット（ＰＵ）あるいは変換ユニット（ＴＵ）と呼ばれることがある。なお、本実施の形態では、ＣＵ、ＰＵ及びＴＵは区別される必要はなく、ピクチャ内の一部又はすべてのブロックがＣＵ、ＰＵ、ＴＵの処理単位となってもよい。
　図２は、実施の形態１におけるブロック分割の一例を示す図である。図２において、実線は四分木ブロック分割によるブロック境界を表し、破線は二分木ブロック分割によるブロック境界を表す。
　ここでは、ブロック１０は、１２８ｘ１２８画素の正方形ブロック（１２８ｘ１２８ブロック）である。この１２８ｘ１２８ブロック１０は、まず、４つの正方形の６４ｘ６４ブロックに分割される（四分木ブロック分割）。
　左上の６４ｘ６４ブロックは、さらに２つの矩形の３２ｘ６４ブロックに垂直に分割され、左の３２ｘ６４ブロックはさらに２つの矩形の１６ｘ６４ブロックに垂直に分割される（二分木ブロック分割）。その結果、左上の６４ｘ６４ブロックは、２つの１６ｘ６４ブロック１１、１２と、３２ｘ６４ブロック１３とに分割される。
　右上の６４ｘ６４ブロックは、２つの矩形の６４ｘ３２ブロック１４、１５に水平に分割される（二分木ブロック分割）。
　左下の６４ｘ６４ブロックは、４つの正方形の３２ｘ３２ブロックに分割される（四分木ブロック分割）。４つの３２ｘ３２ブロックのうち左上のブロック及び右下のブロックはさらに分割される。左上の３２ｘ３２ブロックは、２つの矩形の１６ｘ３２ブロックに垂直に分割され、右の１６ｘ３２ブロックはさらに２つの１６ｘ１６ブロックに水平に分割される（二分木ブロック分割）。右下の３２ｘ３２ブロックは、２つの３２ｘ１６ブロックに水平に分割される（二分木ブロック分割）。その結果、左下の６４ｘ６４ブロックは、１６ｘ３２ブロック１６と、２つの１６ｘ１６ブロック１７、１８と、２つの３２ｘ３２ブロック１９、２０と、２つの３２ｘ１６ブロック２１、２２とに分割される。
　右下の６４ｘ６４ブロック２３は分割されない。
　以上のように、図２では、ブロック１０は、再帰的な四分木及び二分木ブロック分割に基づいて、１３個の可変サイズのブロック１１～２３に分割される。このような分割は、ＱＴＢＴ（ｑｕａｄ－ｔｒｅｅ　ｐｌｕｓ　ｂｉｎａｒｙ　ｔｒｅｅ）分割と呼ばれることがある。
　なお、図２では、１つのブロックが４つ又は２つのブロックに分割されていたが（四分木又は二分木ブロック分割）、分割はこれに限定されない。例えば、１つのブロックが３つのブロックに分割されてもよい（三分木ブロック分割）。このような三分木ブロック分割を含む分割は、ＭＢＴ（ｍｕｌｔｉ　ｔｙｐｅ　ｔｒｅｅ）分割と呼ばれることがある。
　［減算部］
　減算部１０４は、分割部１０２によって分割されたブロック単位で原信号（原サンプル）から予測信号（予測サンプル）を減算する。つまり、減算部１０４は、符号化対象ブロック（以下、カレントブロックという）の予測誤差（残差ともいう）を算出する。そして、減算部１０４は、算出された予測誤差を変換部１０６に出力する。
　原信号は、符号化装置１００の入力信号であり、動画像を構成する各ピクチャの画像を表す信号（例えば輝度（ｌｕｍａ）信号及び２つの色差（ｃｈｒｏｍａ）信号）である。以下において、画像を表す信号をサンプルともいうこともある。
　［変換部］
　変換部１０６は、空間領域の予測誤差を周波数領域の変換係数に変換し、変換係数を量子化部１０８に出力する。具体的には、変換部１０６は、例えば空間領域の予測誤差に対して予め定められた離散コサイン変換（ＤＣＴ）又は離散サイン変換（ＤＳＴ）を行う。
　なお、変換部１０６は、複数の変換タイプの中から適応的に変換タイプを選択し、選択された変換タイプに対応する変換基底関数（ｔｒａｎｓｆｏｒｍ　ｂａｓｉｓ　ｆｕｎｃｔｉｏｎ）を用いて、予測誤差を変換係数に変換してもよい。このような変換は、ＥＭＴ（ｅｘｐｌｉｃｉｔ　ｍｕｌｔｉｐｌｅ　ｃｏｒｅ　ｔｒａｎｓｆｏｒｍ）又はＡＭＴ（ａｄａｐｔｉｖｅ　ｍｕｌｔｉｐｌｅ　ｔｒａｎｓｆｏｒｍ）と呼ばれることがある。
　複数の変換タイプは、例えば、ＤＣＴ－ＩＩ、ＤＣＴ－Ｖ、ＤＣＴ－ＶＩＩＩ、ＤＳＴ－Ｉ及びＤＳＴ－ＶＩＩを含む。図３は、各変換タイプに対応する変換基底関数を示す表である。図３においてＮは入力画素の数を示す。これらの複数の変換タイプの中からの変換タイプの選択は、例えば、予測の種類（イントラ予測及びインター予測）に依存してもよいし、イントラ予測モードに依存してもよい。
　このようなＥＭＴ又はＡＭＴを適用するか否かを示す情報（例えばＡＭＴフラグと呼ばれる）及び選択された変換タイプを示す情報は、ＣＵレベルで信号化される。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　また、変換部１０６は、変換係数（変換結果）を再変換してもよい。このような再変換は、ＡＳＴ（ａｄａｐｔｉｖｅ　ｓｅｃｏｎｄａｒｙ　ｔｒａｎｓｆｏｒｍ）又はＮＳＳＴ（ｎｏｎ－ｓｅｐａｒａｂｌｅ　ｓｅｃｏｎｄａｒｙ　ｔｒａｎｓｆｏｒｍ）と呼ばれることがある。例えば、変換部１０６は、イントラ予測誤差に対応する変換係数のブロックに含まれるサブブロック（例えば４ｘ４サブブロック）ごとに再変換を行う。ＮＳＳＴを適用するか否かを示す情報及びＮＳＳＴに用いられる変換行列に関する情報は、ＣＵレベルで信号化される。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　ここで、Ｓｅｐａｒａｂｌｅな変換とは、入力の次元の数だけ方向ごとに分離して複数回変換を行う方式であり、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換とは、入力が多次元であった際に２つ以上の次元をまとめて１次元とみなして、まとめて変換を行う方式である。
　例えば、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換の１例として、入力が４×４のブロックであった場合にはそれを１６個の要素を持ったひとつの配列とみなし、その配列に対して１６×１６の変換行列で変換処理を行うようなものが挙げられる。
　また、同様に４×４の入力ブロックを１６個の要素を持ったひとつの配列とみなした後に、その配列に対してＧｉｖｅｎｓ回転を複数回行うようなもの（Ｈｙｐｅｒｃｕｂｅ　Ｇｉｖｅｎｓ　Ｔｒａｎｓｆｏｒｍ）もＮｏｎ－Ｓｅｐａｒａｂｌｅな変換の例である。
　［量子化部］
　量子化部１０８は、変換部１０６から出力された変換係数を量子化する。具体的には、量子化部１０８は、カレントブロックの変換係数を所定の走査順序で走査し、走査された変換係数に対応する量子化パラメータ（ＱＰ）に基づいて当該変換係数を量子化する。そして、量子化部１０８は、カレントブロックの量子化された変換係数（以下、量子化係数という）をエントロピー符号化部１１０及び逆量子化部１１２に出力する。
　所定の順序は、変換係数の量子化／逆量子化のための順序である。例えば、所定の走査順序は、周波数の昇順（低周波から高周波の順）又は降順（高周波から低周波の順）で定義される。
　量子化パラメータとは、量子化ステップ（量子化幅）を定義するパラメータである。例えば、量子化パラメータの値が増加すれば量子化ステップも増加する。つまり、量子化パラメータの値が増加すれば量子化誤差が増大する。
　［エントロピー符号化部］
　エントロピー符号化部１１０は、量子化部１０８から入力である量子化係数を可変長符号化することにより符号化信号（符号化ビットストリーム）を生成する。具体的には、エントロピー符号化部１１０は、例えば、量子化係数を二値化し、二値信号を算術符号化する。
　［逆量子化部］
　逆量子化部１１２は、量子化部１０８からの入力である量子化係数を逆量子化する。具体的には、逆量子化部１１２は、カレントブロックの量子化係数を所定の走査順序で逆量子化する。そして、逆量子化部１１２は、カレントブロックの逆量子化された変換係数を逆変換部１１４に出力する。
　［逆変換部］
　逆変換部１１４は、逆量子化部１１２からの入力である変換係数を逆変換することにより予測誤差を復元する。具体的には、逆変換部１１４は、変換係数に対して、変換部１０６による変換に対応する逆変換を行うことにより、カレントブロックの予測誤差を復元する。そして、逆変換部１１４は、復元された予測誤差を加算部１１６に出力する。
　なお、復元された予測誤差は、量子化により情報が失われているので、減算部１０４が算出した予測誤差と一致しない。すなわち、復元された予測誤差には、量子化誤差が含まれている。
　［加算部］
　加算部１１６は、逆変換部１１４からの入力である予測誤差と予測制御部１２８からの入力である予測サンプルとを加算することによりカレントブロックを再構成する。そして、加算部１１６は、再構成されたブロックをブロックメモリ１１８及びループフィルタ部１２０に出力する。再構成ブロックは、ローカル復号ブロックと呼ばれることもある。
　［ブロックメモリ］
　ブロックメモリ１１８は、イントラ予測で参照されるブロックであって符号化対象ピクチャ（以下、カレントピクチャという）内のブロックを格納するための記憶部である。具体的には、ブロックメモリ１１８は、加算部１１６から出力された再構成ブロックを格納する。
　［ループフィルタ部］
　ループフィルタ部１２０は、加算部１１６によって再構成されたブロックにループフィルタを施し、フィルタされた再構成ブロックをフレームメモリ１２２に出力する。ループフィルタとは、符号化ループ内で用いられるフィルタ（インループフィルタ）であり、例えば、デブロッキング・フィルタ（ＤＦ）、サンプルアダプティブオフセット（ＳＡＯ）及びアダプティブループフィルタ（ＡＬＦ）などを含む。
　ＡＬＦでは、符号化歪みを除去するための最小二乗誤差フィルタが適用され、例えばカレントブロック内の２ｘ２サブブロックごとに、局所的な勾配（ｇｒａｄｉｅｎｔ）の方向及び活性度（ａｃｔｉｖｉｔｙ）に基づいて複数のフィルタの中から選択された１つのフィルタが適用される。
　具体的には、まず、サブブロック（例えば２ｘ２サブブロック）が複数のクラス（例えば１５又は２５クラス）に分類される。サブブロックの分類は、勾配の方向及び活性度に基づいて行われる。例えば、勾配の方向値Ｄ（例えば０～２又は０～４）と勾配の活性値Ａ（例えば０～４）とを用いて分類値Ｃ（例えばＣ＝５Ｄ＋Ａ）が算出される。そして、分類値Ｃに基づいて、サブブロックが複数のクラス（例えば１５又は２５クラス）に分類される。
　勾配の方向値Ｄは、例えば、複数の方向（例えば水平、垂直及び２つの対角方向）の勾配を比較することにより導出される。また、勾配の活性値Ａは、例えば、複数の方向の勾配を加算し、加算結果を量子化することにより導出される。
　このような分類の結果に基づいて、複数のフィルタの中からサブブロックのためのフィルタが決定される。
　ＡＬＦで用いられるフィルタの形状としては例えば円対称形状が利用される。図４Ａ～図４Ｃは、ＡＬＦで用いられるフィルタの形状の複数の例を示す図である。図４Ａは、５ｘ５ダイヤモンド形状フィルタを示し、図４Ｂは、７ｘ７ダイヤモンド形状フィルタを示し、図４Ｃは、９ｘ９ダイヤモンド形状フィルタを示す。フィルタの形状を示す情報は、ピクチャレベルで信号化される。なお、フィルタの形状を示す情報の信号化は、ピクチャレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はＣＵレベル）であってもよい。
　ＡＬＦのオン／オフは、例えば、ピクチャレベル又はＣＵレベルで決定される。例えば、輝度についてはＣＵレベルでＡＬＦを適用するか否かが決定され、色差についてはピクチャレベルでＡＬＦを適用するか否かが決定される。ＡＬＦのオン／オフを示す情報は、ピクチャレベル又はＣＵレベルで信号化される。なお、ＡＬＦのオン／オフを示す情報の信号化は、ピクチャレベル又はＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　選択可能な複数のフィルタ（例えば１５又は２５までのフィルタ）の係数セットは、ピクチャレベルで信号化される。なお、係数セットの信号化は、ピクチャレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、タイルレベル、ＣＴＵレベル、ＣＵレベル又はサブブロックレベル）であってもよい。
　［フレームメモリ］
　フレームメモリ１２２は、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ１２２は、ループフィルタ部１２０によってフィルタされた再構成ブロックを格納する。
　［イントラ予測部］
　イントラ予測部１２４は、ブロックメモリ１１８に格納されたカレントピクチャ内のブロックを参照してカレントブロックのイントラ予測（画面内予測ともいう）を行うことで、予測信号（イントラ予測信号）を生成する。具体的には、イントラ予測部１２４は、カレントブロックに隣接するブロックのサンプル（例えば輝度値、色差値）を参照してイントラ予測を行うことでイントラ予測信号を生成し、イントラ予測信号を予測制御部１２８に出力する。
　例えば、イントラ予測部１２４は、予め規定された複数のイントラ予測モードのうちの１つを用いてイントラ予測を行う。複数のイントラ予測モードは、１以上の非方向性予測モードと、複数の方向性予測モードと、を含む。
　１以上の非方向性予測モードは、例えばＨ．２６５／ＨＥＶＣ（Ｈｉｇｈ－Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）規格（非特許文献１）で規定されたＰｌａｎａｒ予測モード及びＤＣ予測モードを含む。
　複数の方向性予測モードは、例えばＨ．２６５／ＨＥＶＣ規格で規定された３３方向の予測モードを含む。なお、複数の方向性予測モードは、３３方向に加えてさらに３２方向の予測モード（合計で６５個の方向性予測モード）を含んでもよい。図５Ａは、イントラ予測における６７個のイントラ予測モード（２個の非方向性予測モード及び６５個の方向性予測モード）を示す図である。実線矢印は、Ｈ．２６５／ＨＥＶＣ規格で規定された３３方向を表し、破線矢印は、追加された３２方向を表す。
　なお、色差ブロックのイントラ予測において、輝度ブロックが参照されてもよい。つまり、カレントブロックの輝度成分に基づいて、カレントブロックの色差成分が予測されてもよい。このようなイントラ予測は、ＣＣＬＭ（ｃｒｏｓｓ－ｃｏｍｐｏｎｅｎｔ　ｌｉｎｅａｒ　ｍｏｄｅｌ）予測と呼ばれることがある。このような輝度ブロックを参照する色差ブロックのイントラ予測モード（例えばＣＣＬＭモードと呼ばれる）は、色差ブロックのイントラ予測モードの１つとして加えられてもよい。
　イントラ予測部１２４は、水平／垂直方向の参照画素の勾配に基づいてイントラ予測後の画素値を補正してもよい。このような補正をともなうイントラ予測は、ＰＤＰＣ（ｐｏｓｉｔｉｏｎ　ｄｅｐｅｎｄｅｎｔ　ｉｎｔｒａ　ｐｒｅｄｉｃｔｉｏｎ　ｃｏｍｂｉｎａｔｉｏｎ）と呼ばれることがある。ＰＤＰＣの適用の有無を示す情報（例えばＰＤＰＣフラグと呼ばれる）は、例えばＣＵレベルで信号化される。なお、この情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　［インター予測部］
　インター予測部１２６は、フレームメモリ１２２に格納された参照ピクチャであってカレントピクチャとは異なる参照ピクチャを参照してカレントブロックのインター予測（画面間予測ともいう）を行うことで、予測信号（インター予測信号）を生成する。インター予測は、カレントブロック又はカレントブロック内のサブブロック（例えば４ｘ４ブロック）の単位で行われる。例えば、インター予測部１２６は、カレントブロック又はサブブロックについて参照ピクチャ内で動き探索（ｍｏｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎ）を行う。そして、インター予測部１２６は、動き探索により得られた動き情報（例えば動きベクトル）を用いて動き補償を行うことでカレントブロック又はサブブロックのインター予測信号を生成する。そして、インター予測部１２６は、生成されたインター予測信号を予測制御部１２８に出力する。
　動き補償に用いられた動き情報は信号化される。動きベクトルの信号化には、予測動きベクトル（ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｐｒｅｄｉｃｔｏｒ）が用いられてもよい。つまり、動きベクトルと予測動きベクトルとの間の差分が信号化されてもよい。
　なお、動き探索により得られたカレントブロックの動き情報だけでなく、隣接ブロックの動き情報も用いて、インター予測信号が生成されてもよい。具体的には、動き探索により得られた動き情報に基づく予測信号と、隣接ブロックの動き情報に基づく予測信号と、を重み付け加算することにより、カレントブロック内のサブブロック単位でインター予測信号が生成されてもよい。このようなインター予測（動き補償）は、ＯＢＭＣ（ｏｖｅｒｌａｐｐｅｄ　ｂｌｏｃｋ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）と呼ばれることがある。
　このようなＯＢＭＣモードでは、ＯＢＭＣのためのサブブロックのサイズを示す情報（例えばＯＢＭＣブロックサイズと呼ばれる）は、シーケンスレベルで信号化される。また、ＯＢＭＣモードを適用するか否かを示す情報（例えばＯＢＭＣフラグと呼ばれる）は、ＣＵレベルで信号化される。なお、これらの情報の信号化のレベルは、シーケンスレベル及びＣＵレベルに限定される必要はなく、他のレベル（例えばピクチャレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はサブブロックレベル）であってもよい。
　ＯＢＭＣモードについて、より具体的に説明する。図５Ｂ及び図５Ｃは、ＯＢＭＣ処理による予測画像補正処理の概要を説明するためのフローチャート及び概念図である。
　まず、符号化対象ブロックに割り当てられた動きベクトル（ＭＶ）を用いて通常の動き補償による予測画像（Ｐｒｅｄ）を取得する。
　次に、符号化済みの左隣接ブロックの動きベクトル（ＭＶ＿Ｌ）を符号化対象ブロックに適用して予測画像（Ｐｒｅｄ＿Ｌ）を取得し、前記予測画像とＰｒｅｄ＿Ｌとを重みを付けて重ね合わせることで予測画像の１回目の補正を行う。
　同様に、符号化済みの上隣接ブロックの動きベクトル（ＭＶ＿Ｕ）を符号化対象ブロックに適用して予測画像（Ｐｒｅｄ＿Ｕ）を取得し、前記１回目の補正を行った予測画像とＰｒｅｄ＿Ｕとを重みを付けて重ね合わせることで予測画像の２回目の補正を行い、それを最終的な予測画像とする。
　なお、ここでは左隣接ブロックと上隣接ブロックを用いた２段階の補正の方法を説明したが、右隣接ブロックや下隣接ブロックを用いて２段階よりも多い回数の補正を行う構成とすることも可能である。
　なお、重ね合わせを行う領域はブロック全体の画素領域ではなく、ブロック境界近傍の一部の領域のみであってもよい。
　なお、ここでは１枚の参照ピクチャからの予測画像補正処理について説明したが、複数枚の参照ピクチャから予測画像を補正する場合も同様であり、各々の参照ピクチャから補正した予測画像を取得した後に、得られた予測画像をさらに重ね合わせることで最終的な予測画像とする。
　なお、前記処理対象ブロックは、予測ブロック単位であっても、予測ブロックをさらに分割したサブブロック単位であってもよい。
　ＯＢＭＣ処理を適用するかどうかの判定の方法として、例えば、ＯＢＭＣ処理を適用するかどうかを示す信号であるｏｂｍｃ＿ｆｌａｇを用いる方法がある。具体的な一例としては、符号化装置において、符号化対象ブロックが動きの複雑な領域に属しているかどうかを判定し、動きの複雑な領域に属している場合はｏｂｍｃ＿ｆｌａｇとして値１を設定してＯＢＭＣ処理を適用して符号化を行い、動きの複雑な領域に属していない場合はｏｂｍｃ＿ｆｌａｇとして値０を設定してＯＢＭＣ処理を適用せずに符号化を行う。一方、復号化装置では、ストリームに記述されたｏｂｍｃ＿ｆｌａｇを復号化するとことで、その値に応じてＯＢＭＣ処理を適用するかどうかを切替えて復号化を行う。
　なお、動き情報は信号化されずに、復号装置側で導出されてもよい。例えば、Ｈ．２６５／ＨＥＶＣ規格で規定されたマージモードが用いられてもよい。また例えば、復号装置側で動き探索を行うことにより動き情報が導出されてもよい。この場合、カレントブロックの画素値を用いずに動き探索が行われる。
　ここで、復号装置側で動き探索を行うモードについて説明する。この復号装置側で動き探索を行うモードは、ＰＭＭＶＤ（ｐａｔｔｅｒｎ　ｍａｔｃｈｅｄ　ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｄｅｒｉｖａｔｉｏｎ）モード又はＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）モードと呼ばれることがある。
　ＦＲＵＣ処理の一例を図５Ｄに示す。まず、カレントブロックに空間的又は時間的に隣接する符号化済みブロックの動きベクトルを参照して、各々が予測動きベクトルを有する複数の候補のリスト（マージリストと共通であってもよい）が生成される。次に、候補リストに登録されている複数の候補ＭＶの中からベスト候補ＭＶを選択する。例えば、候補リストに含まれる各候補の評価値が算出され、評価値に基づいて１つの候補が選択される。
　そして、選択された候補の動きベクトルに基づいて、カレントブロックのための動きベクトルが導出される。具体的には、例えば、選択された候補の動きベクトル（ベスト候補ＭＶ）がそのままカレントブロックのための動きベクトルとして導出される。また例えば、選択された候補の動きベクトルに対応する参照ピクチャ内の位置の周辺領域において、パターンマッチングを行うことにより、カレントブロックのための動きベクトルが導出されてもよい。すなわち、ベスト候補ＭＶの周辺の領域に対して同様の方法で探索を行い、さらに評価値が良い値となるＭＶがあった場合は、ベスト候補ＭＶを前記ＭＶに更新して、それをカレントブロックの最終的なＭＶとしてもよい。なお、当該処理を実施しない構成とすることも可能である。
　サブブロック単位で処理を行う場合も全く同様の処理としてもよい。
　なお、評価値は、動きベクトルに対応する参照ピクチャ内の領域と、所定の領域との間のパターンマッチングによって再構成画像の差分値を求めることにより算出される。なお、差分値に加えてそれ以外の情報を用いて評価値を算出してもよい。
　パターンマッチングとしては、第１パターンマッチング又は第２パターンマッチングが用いられる。第１パターンマッチング及び第２パターンマッチングは、それぞれ、バイラテラルマッチング（ｂｉｌａｔｅｒａｌ　ｍａｔｃｈｉｎｇ）及びテンプレートマッチング（ｔｅｍｐｌａｔｅ　ｍａｔｃｈｉｎｇ）と呼ばれることがある。
　第１パターンマッチングでは、異なる２つの参照ピクチャ内の２つのブロックであってカレントブロックの動き軌道（ｍｏｔｉｏｎ　ｔｒａｊｅｃｔｏｒｙ）に沿う２つのブロックの間でパターンマッチングが行われる。したがって、第１パターンマッチングでは、上述した候補の評価値の算出のための所定の領域として、カレントブロックの動き軌道に沿う他の参照ピクチャ内の領域が用いられる。
　図６は、動き軌道に沿う２つのブロック間でのパターンマッチング（バイラテラルマッチング）の一例を説明するための図である。図６に示すように、第１パターンマッチングでは、カレントブロック（Ｃｕｒ　ｂｌｏｃｋ）の動き軌道に沿う２つのブロックであって異なる２つの参照ピクチャ（Ｒｅｆ０、Ｒｅｆ１）内の２つのブロックのペアの中で最もマッチするペアを探索することにより２つの動きベクトル（ＭＶ０、ＭＶ１）が導出される。具体的には、カレントブロックに対して、候補ＭＶで指定された第１の符号化済み参照ピクチャ（Ｒｅｆ０）内の指定位置における再構成画像と、前記候補ＭＶを表示時間間隔でスケーリングした対称ＭＶで指定された第２の符号化済み参照ピクチャ（Ｒｅｆ１）内の指定位置における再構成画像との差分を導出し、得られた差分値を用いて評価値を算出する。複数の候補ＭＶの中で最も評価値が良い値となる候補ＭＶを最終ＭＶとして選択するとよい。
　連続的な動き軌道の仮定の下では、２つの参照ブロックを指し示す動きベクトル（ＭＶ０、ＭＶ１）は、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）と２つの参照ピクチャ（Ｒｅｆ０、Ｒｅｆ１）との間の時間的な距離（ＴＤ０、ＴＤ１）に対して比例する。例えば、カレントピクチャが時間的に２つの参照ピクチャの間に位置し、カレントピクチャから２つの参照ピクチャへの時間的な距離が等しい場合、第１パターンマッチングでは、鏡映対称な双方向の動きベクトルが導出される。
　第２パターンマッチングでは、カレントピクチャ内のテンプレート（カレントピクチャ内でカレントブロックに隣接するブロック（例えば上及び／又は左隣接ブロック））と参照ピクチャ内のブロックとの間でパターンマッチングが行われる。したがって、第２パターンマッチングでは、上述した候補の評価値の算出のための所定の領域として、カレントピクチャ内のカレントブロックに隣接するブロックが用いられる。
　図７は、カレントピクチャ内のテンプレートと参照ピクチャ内のブロックとの間でのパターンマッチング（テンプレートマッチング）の一例を説明するための図である。図７に示すように、第２パターンマッチングでは、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）内でカレントブロック（Ｃｕｒ　ｂｌｏｃｋ）に隣接するブロックと最もマッチするブロックを参照ピクチャ（Ｒｅｆ０）内で探索することによりカレントブロックの動きベクトルが導出される。具体的には、カレントブロックに対して、左隣接および上隣接の両方もしくはどちらか一方の符号化済み領域の再構成画像と、候補ＭＶで指定された符号化済み参照ピクチャ（Ｒｅｆ０）内の同等位置における再構成画像との差分を導出し、得られた差分値を用いて評価値を算出し、複数の候補ＭＶの中で最も評価値が良い値となる候補ＭＶをベスト候補ＭＶとして選択するとよい。
　このようなＦＲＵＣモードを適用するか否かを示す情報（例えばＦＲＵＣフラグと呼ばれる）は、ＣＵレベルで信号化される。また、ＦＲＵＣモードが適用される場合（例えばＦＲＵＣフラグが真の場合）、パターンマッチングの方法（第１パターンマッチング又は第２パターンマッチング）を示す情報（例えばＦＲＵＣモードフラグと呼ばれる）がＣＵレベルで信号化される。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はサブブロックレベル）であってもよい。
　ここで、等速直線運動を仮定したモデルに基づいて動きベクトルを導出するモードについて説明する。このモードは、ＢＩＯ（ｂｉ－ｄｉｒｅｃｔｉｏｎａｌ　ｏｐｔｉｃａｌ　ｆｌｏｗ）モードと呼ばれることがある。
　図８は、等速直線運動を仮定したモデルを説明するための図である。図８において、（ｖｘ，ｖｙ）は、速度ベクトルを示し、τ０、τ１は、それぞれ、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）と２つの参照ピクチャ（Ｒｅｆ０，Ｒｅｆ１）との間の時間的な距離を示す。（ＭＶｘ０，ＭＶｙ０）は、参照ピクチャＲｅｆ０に対応する動きベクトルを示し、（ＭＶｘ１、ＭＶｙ１）は、参照ピクチャＲｅｆ１に対応する動きベクトルを示す。
　このとき速度ベクトル（ｖｘ，ｖｙ）の等速直線運動の仮定の下では、（ＭＶｘ０，ＭＶｙ０）及び（ＭＶｘ１，ＭＶｙ１）は、それぞれ、（ｖｘτ０，ｖｙτ０）及び（－ｖｘτ１，－ｖｙτ１）と表され、以下のオプティカルフロー等式（１）が成り立つ。
Figure JPOXMLDOC01-appb-M000001
　ここで、Ｉ（ｋ）は、動き補償後の参照画像ｋ（ｋ＝０，１）の輝度値を示す。このオプティカルフロー等式は、（i）輝度値の時間微分と、（ii）水平方向の速度及び参照画像の空間勾配の水平成分の積と、（iii）垂直方向の速度及び参照画像の空間勾配の垂直成分の積と、の和が、ゼロと等しいことを示す。このオプティカルフロー等式とエルミート補間（Ｈｅｒｍｉｔｅ　ｉｎｔｅｒｐｏｌａｔｉｏｎ）との組み合わせに基づいて、マージリスト等から得られるブロック単位の動きベクトルが画素単位で補正される。
　なお、等速直線運動を仮定したモデルに基づく動きベクトルの導出とは異なる方法で、復号装置側で動きベクトルが導出されてもよい。例えば、複数の隣接ブロックの動きベクトルに基づいてサブブロック単位で動きベクトルが導出されてもよい。
　ここで、複数の隣接ブロックの動きベクトルに基づいてサブブロック単位で動きベクトルを導出するモードについて説明する。このモードは、アフィン動き補償予測（ａｆｆｉｎｅ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ　ｐｒｅｄｉｃｔｉｏｎ）モードと呼ばれることがある。
　図９Ａは、複数の隣接ブロックの動きベクトルに基づくサブブロック単位の動きベクトルの導出を説明するための図である。図９Ａにおいて、カレントブロックは、１６の４ｘ４サブブロックを含む。ここでは、隣接ブロックの動きベクトルに基づいてカレントブロックの左上角制御ポイントの動きベクトルｖ０が導出され、隣接サブブロックの動きベクトルに基づいてカレントブロックの右上角制御ポイントの動きベクトルｖ１が導出される。そして、２つの動きベクトルｖ０及びｖ１を用いて、以下の式（２）により、カレントブロック内の各サブブロックの動きベクトル（ｖｘ，ｖｙ）が導出される。
Figure JPOXMLDOC01-appb-M000002
　ここで、ｘ及びｙは、それぞれ、サブブロックの水平位置及び垂直位置を示し、ｗは、予め定められた重み係数を示す。
　このようなアフィン動き補償予測モードでは、左上及び右上角制御ポイントの動きベクトルの導出方法が異なるいくつかのモードを含んでもよい。このようなアフィン動き補償予測モードを示す情報（例えばアフィンフラグと呼ばれる）は、ＣＵレベルで信号化される。なお、このアフィン動き補償予測モードを示す情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はサブブロックレベル）であってもよい。
　［予測制御部］
　予測制御部１２８は、イントラ予測信号及びインター予測信号のいずれかを選択し、選択した信号を予測信号として減算部１０４及び加算部１１６に出力する。
　ここで、マージモードにより符号化対象ピクチャの動きベクトルを導出する例を説明する。図９Ｂは、マージモードによる動きベクトル導出処理の概要を説明するための図である。
　まず、予測ＭＶの候補を登録した予測ＭＶリストを生成する。予測ＭＶの候補としては、符号化対象ブロックの空間的に周辺に位置する複数の符号化済みブロックが持つＭＶである空間隣接予測ＭＶ、符号化済み参照ピクチャにおける符号化対象ブロックの位置を投影した近辺のブロックが持つＭＶである時間隣接予測ＭＶ、空間隣接予測ＭＶと時間隣接予測ＭＶのＭＶ値を組み合わせて生成したＭＶである結合予測ＭＶ、および値がゼロのＭＶであるゼロ予測ＭＶ等がある。
　次に、予測ＭＶリストに登録されている複数の予測ＭＶの中から１つの予測ＭＶを選択することで、符号化対象ブロックのＭＶとして決定する。
　さらに可変長符号化部では、どの予測ＭＶを選択したかを示す信号であるｍｅｒｇｅ＿ｉｄｘをストリームに記述して符号化する。
　なお、図９Ｂで説明した予測ＭＶリストに登録する予測ＭＶは一例であり、図中の個数とは異なる個数であったり、図中の予測ＭＶの一部の種類を含まない構成であったり、図中の予測ＭＶの種類以外の予測ＭＶを追加した構成であったりしてもよい。
　なお、マージモードにより導出した符号化対象ブロックのＭＶを用いて、後述するＤＭＶＲ処理を行うことによって最終的なＭＶを決定してもよい。
　ここで、ＤＭＶＲ処理を用いてＭＶを決定する例について説明する。
　図９Ｃは、ＤＭＶＲ処理の概要を説明するための概念図である。
　まず、処理対象ブロックに設定された最適ＭＶＰを候補ＭＶとして、前記候補ＭＶに従って、Ｌ０方向の処理済みピクチャである第１参照ピクチャ、およびＬ１方向の処理済みピクチャである第２参照ピクチャから参照画素をそれぞれ取得し、各参照画素の平均をとることでテンプレートを生成する。
　次に、前記テンプレートを用いて、第１参照ピクチャおよび第２参照ピクチャの候補ＭＶの周辺領域をそれぞれ探索し、最もコストが最小となるＭＶを最終的なＭＶとして決定する。なお、コスト値はテンプレートの各画素値と探索領域の各画素値との差分値およびＭＶ値等を用いて算出する。
　なお、符号化装置および復号化装置では、ここで説明した処理の概要は基本的に共通である。
　なお、ここで説明した処理そのものでなくても、候補ＭＶの周辺を探索して最終的なＭＶを導出することができる処理であれば、他の処理を用いてもよい。
　ここで、ＬＩＣ処理を用いて予測画像を生成するモードについて説明する。
　図９Ｄは、ＬＩＣ処理による輝度補正処理を用いた予測画像生成方法の概要を説明するための図である。
　まず、符号化済みピクチャである参照ピクチャから符号化対象ブロックに対応する参照画像を取得するためのＭＶを導出する。
　次に、符号化対象ブロックに対して、左隣接および上隣接の符号化済み周辺参照領域の輝度画素値と、ＭＶで指定された参照ピクチャ内の同等位置における輝度画素値とを用いて、参照ピクチャと符号化対象ピクチャとで輝度値がどのように変化したかを示す情報を抽出して輝度補正パラメータを算出する。
　ＭＶで指定された参照ピクチャ内の参照画像に対して前記輝度補正パラメータを用いて輝度補正処理を行うことで、符号化対象ブロックに対する予測画像を生成する。
　なお、図９Ｄにおける前記周辺参照領域の形状は一例であり、これ以外の形状を用いてもよい。
　また、ここでは１枚の参照ピクチャから予測画像を生成する処理について説明したが、複数枚の参照ピクチャから予測画像を生成する場合も同様であり、各々の参照ピクチャから取得した参照画像に同様の方法で輝度補正処理を行ってから予測画像を生成する。
　ＬＩＣ処理を適用するかどうかの判定の方法として、例えば、ＬＩＣ処理を適用するかどうかを示す信号であるｌｉｃ＿ｆｌａｇを用いる方法がある。具体的な一例としては、符号化装置において、符号化対象ブロックが輝度変化が発生している領域に属しているかどうかを判定し、輝度変化が発生している領域に属している場合はｌｉｃ＿ｆｌａｇとして値１を設定してＬＩＣ処理を適用して符号化を行い、輝度変化が発生している領域に属していない場合はｌｉｃ＿ｆｌａｇとして値０を設定してＬＩＣ処理を適用せずに符号化を行う。一方、復号化装置では、ストリームに記述されたｌｉｃ＿ｆｌａｇを復号化するとことで、その値に応じてＬＩＣ処理を適用するかどうかを切替えて復号化を行う。
　ＬＩＣ処理を適用するかどうかの判定の別の方法として、例えば、周辺ブロックでＬＩＣ処理を適用したかどうかに従って判定する方法もある。具体的な一例としては、符号化対象ブロックがマージモードであった場合、マージモード処理におけるＭＶの導出の際に選択した周辺の符号化済みブロックがＬＩＣ処理を適用して符号化したかどうかを判定し、その結果に応じてＬＩＣ処理を適用するかどうかを切替えて符号化を行う。なお、この例の場合、復号化における処理も全く同様となる。
　［復号装置の概要］
　次に、上記の符号化装置１００から出力された符号化信号（符号化ビットストリーム）を復号可能な復号装置の概要について説明する。図１０は、実施の形態１に係る復号装置２００の機能構成を示すブロック図である。復号装置２００は、動画像／画像をブロック単位で復号する動画像／画像復号装置である。
　図１０に示すように、復号装置２００は、エントロピー復号部２０２と、逆量子化部２０４と、逆変換部２０６と、加算部２０８と、ブロックメモリ２１０と、ループフィルタ部２１２と、フレームメモリ２１４と、イントラ予測部２１６と、インター予測部２１８と、予測制御部２２０と、を備える。
　復号装置２００は、例えば、汎用プロセッサ及びメモリにより実現される。この場合、メモリに格納されたソフトウェアプログラムがプロセッサにより実行されたときに、プロセッサは、エントロピー復号部２０２、逆量子化部２０４、逆変換部２０６、加算部２０８、ループフィルタ部２１２、イントラ予測部２１６、インター予測部２１８及び予測制御部２２０として機能する。また、復号装置２００は、エントロピー復号部２０２、逆量子化部２０４、逆変換部２０６、加算部２０８、ループフィルタ部２１２、イントラ予測部２１６、インター予測部２１８及び予測制御部２２０に対応する専用の１以上の電子回路として実現されてもよい。
　以下に、復号装置２００に含まれる各構成要素について説明する。
　［エントロピー復号部］
　エントロピー復号部２０２は、符号化ビットストリームをエントロピー復号する。具体的には、エントロピー復号部２０２は、例えば、符号化ビットストリームから二値信号に算術復号する。そして、エントロピー復号部２０２は、二値信号を多値化（ｄｅｂｉｎａｒｉｚｅ）する。これにより、エントロピー復号部２０２は、ブロック単位で量子化係数を逆量子化部２０４に出力する。
　［逆量子化部］
　逆量子化部２０４は、エントロピー復号部２０２からの入力である復号対象ブロック（以下、カレントブロックという）の量子化係数を逆量子化する。具体的には、逆量子化部２０４は、カレントブロックの量子化係数の各々について、当該量子化係数に対応する量子化パラメータに基づいて当該量子化係数を逆量子化する。そして、逆量子化部２０４は、カレントブロックの逆量子化された量子化係数（つまり変換係数）を逆変換部２０６に出力する。
　［逆変換部］
　逆変換部２０６は、逆量子化部２０４からの入力である変換係数を逆変換することにより予測誤差を復元する。
　例えば符号化ビットストリームから読み解かれた情報がＥＭＴ又はＡＭＴを適用することを示す場合（例えばＡＭＴフラグが真）、逆変換部２０６は、読み解かれた変換タイプを示す情報に基づいてカレントブロックの変換係数を逆変換する。
　また例えば、符号化ビットストリームから読み解かれた情報がＮＳＳＴを適用することを示す場合、逆変換部２０６は、変換係数に逆再変換を適用する。
　［加算部］
　加算部２０８は、逆変換部２０６からの入力である予測誤差と予測制御部２２０からの入力である予測サンプルとを加算することによりカレントブロックを再構成する。そして、加算部２０８は、再構成されたブロックをブロックメモリ２１０及びループフィルタ部２１２に出力する。
　［ブロックメモリ］
　ブロックメモリ２１０は、イントラ予測で参照されるブロックであって復号対象ピクチャ（以下、カレントピクチャという）内のブロックを格納するための記憶部である。具体的には、ブロックメモリ２１０は、加算部２０８から出力された再構成ブロックを格納する。
　［ループフィルタ部］
　ループフィルタ部２１２は、加算部２０８によって再構成されたブロックにループフィルタを施し、フィルタされた再構成ブロックをフレームメモリ２１４及び表示装置等に出力する。
　符号化ビットストリームから読み解かれたＡＬＦのオン／オフを示す情報がＡＬＦのオンを示す場合、局所的な勾配の方向及び活性度に基づいて複数のフィルタの中から１つのフィルタが選択され、選択されたフィルタが再構成ブロックに適用される。
　［フレームメモリ］
　フレームメモリ２１４は、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ２１４は、ループフィルタ部２１２によってフィルタされた再構成ブロックを格納する。
　［イントラ予測部］
　イントラ予測部２１６は、符号化ビットストリームから読み解かれたイントラ予測モードに基づいて、ブロックメモリ２１０に格納されたカレントピクチャ内のブロックを参照してイントラ予測を行うことで、予測信号（イントラ予測信号）を生成する。具体的には、イントラ予測部２１６は、カレントブロックに隣接するブロックのサンプル（例えば輝度値、色差値）を参照してイントラ予測を行うことでイントラ予測信号を生成し、イントラ予測信号を予測制御部２２０に出力する。
　なお、色差ブロックのイントラ予測において輝度ブロックを参照するイントラ予測モードが選択されている場合は、イントラ予測部２１６は、カレントブロックの輝度成分に基づいて、カレントブロックの色差成分を予測してもよい。
　また、符号化ビットストリームから読み解かれた情報がＰＤＰＣの適用を示す場合、イントラ予測部２１６は、水平／垂直方向の参照画素の勾配に基づいてイントラ予測後の画素値を補正する。
　［インター予測部］
　インター予測部２１８は、フレームメモリ２１４に格納された参照ピクチャを参照して、カレントブロックを予測する。予測は、カレントブロック又はカレントブロック内のサブブロック（例えば４ｘ４ブロック）の単位で行われる。例えば、インター予測部２１８は、符号化ビットストリームから読み解かれた動き情報（例えば動きベクトル）を用いて動き補償を行うことでカレントブロック又はサブブロックのインター予測信号を生成し、インター予測信号を予測制御部２２０に出力する。
　なお、符号化ビットストリームから読み解かれた情報がＯＢＭＣモードを適用することを示す場合、インター予測部２１８は、動き探索により得られたカレントブロックの動き情報だけでなく、隣接ブロックの動き情報も用いて、インター予測信号を生成する。
　また、符号化ビットストリームから読み解かれた情報がＦＲＵＣモードを適用することを示す場合、インター予測部２１８は、符号化ストリームから読み解かれたパターンマッチングの方法（バイラテラルマッチング又はテンプレートマッチング）に従って動き探索を行うことにより動き情報を導出する。そして、インター予測部２１８は、導出された動き情報を用いて動き補償を行う。
　また、インター予測部２１８は、ＢＩＯモードが適用される場合に、等速直線運動を仮定したモデルに基づいて動きベクトルを導出する。また、符号化ビットストリームから読み解かれた情報がアフィン動き補償予測モードを適用することを示す場合には、インター予測部２１８は、複数の隣接ブロックの動きベクトルに基づいてサブブロック単位で動きベクトルを導出する。
　［予測制御部］
　予測制御部２２０は、イントラ予測信号及びインター予測信号のいずれかを選択し、選択した信号を予測信号として加算部２０８に出力する。
　［符号化装置の変換部の内部構成］
　次に、符号化装置１００の変換部１０６の内部構成の一例について、図１１を参照しながら説明する。
　図１１は、実施の形態１に係る符号化装置１００の変換部１０６の内部構成を示すブロック図である。変換部１０６は、判定部１０６１と、基底選択部１０６２と、周波数変換部１０６３と、を備える。
　判定部１０６１は、符号化処理をイントラおよびインター処理のどちらで実施するかを判定する。つまり、判定部１０６１は、符号化対象ブロックにイントラ処理およびインター処理のどちらが用いられるかを判定する。
　イントラ処理が用いられる場合には、判定部１０６１は、符号化対象ブロックのイントラ予測モードを判断する。具体的には、判定部１０６１は、符号化対象ブロックのイントラ予測モードが非方向性予測モードであるか否かを判定する。
　非方向性予測モードとは、方向性を有しないイントラ予測モードである。例えば、非方向性予測モードは、Ｈ．２６５／ＨＥＶＣ規格で規定されたＤＣ予測モードおよびＰｌａｎａｒ予測モードを含む。
　ここで、イントラ予測モードがＰｌａｎａｒ予測およびＤＣ予測のいずれでもない場合には、基底選択部１０６２は、ＤＣＴ－Ｖの基底を選択する。つまり、符号化対象ブロックのイントラ予測モードが非方向性予測モードでない場合、基底選択部１０６２は、第２変換基底を選択する。
　ＤＣＴ－Ｖの基底は、第２変換基底の一例である。ここでは、第２変換基底として、標準規格等において予め定義された基底が用いられている。
　一方、符号化対象ブロックのイントラ予測モードがＰｌａｎａｒ予測およびＤＣ予測のいずれかであるか、もしくは符号化対象ブロックにインター処理が用いられる場合には、基底選択部１０６２は、ＤＣＴ－ＩＩの基底を選択する。つまり、符号化対象ブロックのイントラ予測モードが非方向性予測モードである場合、または、符号化対象ブロックにインター処理が用いられる場合に、基底選択部１０６２は、第１変換基底を選択する。
　ＤＣＴ－ＩＩの基底は、第１変換基底の一例である。ここでは、第１変換基底として、標準規格等において予め定義された固定の基底が用いられている。
　周波数変換部１０６３は、周波数変換を実施する。つまり、周波数変換部１０６３は、基底選択部１０６２によって選択された第１変換基底または第２変換基底を用いて、符号化対象ブロックの予測誤差（残差）に対する変換処理を実施する。
　なお、周波数変換部１０６３から出力される符号化対象ブロックの係数は、量子化部１０８および逆量子化部１１２によって量子化および逆量子化される。逆変換部１１４は、量子化および逆量子化された符号化対象ブロックの係数を逆変換する。このとき、逆変換部１１４は、基底選択部１０６２の選択結果の情報に基づいて、逆変換の基底を選択する。つまり、符号化対象ブロックのイントラ予測モードが非方向性予測モードである場合、または、符号化対象ブロックにインター処理が用いられた場合に、第１逆変換基底が選択され、符号化対象ブロックのイントラ予測モードが非方向性予測モードでない場合に第２逆変換基底が選択され、選択された第１逆変換基底または第２逆変換基底を用いて逆周波数変換が実施される。
　［符号化装置の変換部の動作］
　次に、以上のように構成された変換部１０６の動作について、図１２を参照しながら具体的に説明する。図１２は、実施の形態１に係る符号化装置１００の変換部１０６の処理を示すフローチャートである。
　まず、判定部１０６１は、符号化対象ブロックにイントラ処理およびインター処理のどちらが用いられるかを判定する（Ｓ１０１）。ここで、符号化対象ブロックにイントラ処理が用いられる場合（Ｓ１０１のイントラ）、判定部１０６１は、符号化対象ブロックのイントラ予測モードが非方向性予測モードであるか否かを判定する（Ｓ１０２）。ここで、符号化対象ブロックのイントラ予測モードが非方向性予測モードでない場合（Ｓ１０２のＮｏ）、基底選択部１０６２は、第２変換基底を選択する（Ｓ１０３）。一方、符号化対象ブロックにインター処理が用いられる場合（Ｓ１０１のインター）、または、符号化対象ブロックのイントラ予測モードが非方向性予測モードである場合（Ｓ１０２のＹｅｓ）、基底選択部１０６２は、第１変換基底を選択する（Ｓ１０４）。最後に、周波数変換部１０６３は、ステップＳ１０３またはステップＳ１０４で選択された第２変換基底または第１変換基底を用いて符号化対象ブロックの予測誤差を変換する（Ｓ１０５）。
　［復号装置の逆変換部の内部構成］
　次に、復号装置２００の逆変換部２０６の内部構成について説明する。
　図１３は、実施の形態１に係る復号装置２００の逆変換部２０６の内部構成を示すブロック図である。逆変換部２０６は、判定部２０６１と、基底選択部２０６２と、逆周波数変換部２０６３と、を備える。
　判定部２０６１は、復号処理をイントラおよびインター処理のどちらで実施するかを判定する。つまり、判定部２０６１は、復号対象ブロックにイントラ処理およびインター処理のどちらが用いられるかを判定する。
　イントラ処理が用いられる場合には、判定部２０６１は、復号対象ブロックのイントラ予測モードを判断する。具体的には、判定部２０６１は、復号対象ブロックのイントラ予測モードが非方向性予測モードであるか否かを判定する。
　ここで、復号対象ブロックにイントラ処理が用いられる場合に、そのイントラ予測モードがＰｌａｎａｒ予測およびＤＣ予測のいずれでもない場合に、基底選択部２０６２は、逆ＤＣＴ－Ｖの基底を選択する。つまり、復号対象ブロックのイントラ予測モードが非方向性予測モードでない場合に、基底選択部２０６２は、第２逆変換基底を選択する。
　逆ＤＣＴ－Ｖの基底は、第２逆変換基底の一例である。第２逆変換基底は、第２変換基底に対応する逆変換基底である。ここでは、第２逆変換基底として、標準規格等において予め定義された固定の基底が用いられている。
　一方、復号対象ブロックのイントラ予測モードがＰｌａｎａｒ予測およびＤＣ予測のいずれかであるか、もしくは復号対象ブロックにインター処理が用いられる場合には、基底選択部２０６２は、逆ＤＣＴ－ＩＩの基底を選択する。つまり、復号対象ブロックのイントラ予測モードが非方向性予測モードである場合、または、復号対象ブロックにインター処理が用いられる場合に、基底選択部２０６２は、第１逆変換基底を選択する。
　逆ＤＣＴ－ＩＩの基底は、第１逆変換基底の一例である。第１逆変換基底は、第１変換基底に対応する逆変換基底である。ここでは、第１逆変換基底として、標準規格等において予め定義された固定の基底が用いられている。
　逆周波数変換部２０６３は、逆周波数変換を実施する。つまり、逆周波数変換部２０６３は、基底選択部２０６２によって選択された第１逆変換基底または第２逆変換基底を用いて、復号対象ブロックの係数に対する逆変換処理を実施する。
　［復号装置の逆変換部の動作］
　次に、以上のように構成された逆変換部２０６の動作について、図１４を参照しながら具体的に説明する。図１４は、実施の形態１に係る復号装置２００の逆変換部２０６の処理を示すフローチャートである。
　まず、判定部２０６１は、復号対象ブロックにイントラ処理およびインター処理のどちらが用いられるかを判定する（Ｓ２０１）。ここで、復号対象ブロックにイントラ処理が用いられる場合（Ｓ２０１のイントラ）、判定部２０６１は、復号対象ブロックのイントラ予測モードが非方向性予測モードであるか否かを判定する（Ｓ２０２）。
　ここで、復号対象ブロックのイントラ予測モードが非方向性予測モードでない場合（Ｓ２０２のＮｏ）、基底選択部２０６２は、第２逆変換基底を選択する（Ｓ２０３）。一方、復号対象ブロックにインター処理が用いられる場合（Ｓ２０１のインター）、または、復号対象ブロックのイントラ予測モードが非方向性予測モードである場合（Ｓ２０２のＹｅｓ）基底選択部２０６２は、第１逆変換基底を選択する（Ｓ２０４）。最後に、逆周波数変換部２０６３は、ステップＳ２０３またはステップＳ２０４で選択された第２逆変換基底または第１逆変換基底を用いて復号対象ブロックの係数を逆変換する（Ｓ２０５）。
　［効果等］
　以上のように、本実施の形態に係る符号化装置１００の変換部１０６および復号装置２００の逆変換部２０６によれば、カレントブロックのイントラ予測モードが非方向性予測モードである場合に、第１変換基底または第１逆変換基底を用いてカレントブロックを変換または逆変換することができる。この場合、基底の選択のためのコスト評価等が不要となり、符号化または復号のための負荷または時間を軽減することができる。また、ブロック内での予測誤差の分布特性は、カレントブロックのイントラ予測モードが非方向性予測モードであるか否かによって異なる傾向がある。したがって、カレントブロックのイントラ予測モードが非方向性予測モードであるか否かに応じて変換基底または逆変換基底を切り替えることで、圧縮効率の向上を図ることもできる。
　また、本実施の形態に係る符号化装置１００の変換部１０６および復号装置２００の逆変換部２０６によれば、第２変換基底または第２逆変換基底として、予め定義された固定の基底を用いることができる。したがって、カレントブロックのイントラ予測モードが非方向性予測モードでない場合でもコスト評価等が不要となり、符号化または復号のための負荷または時間を軽減することができる。
　また、本実施の形態に係る符号化装置１００の変換部１０６および復号装置２００の逆変換部２０６によれば、第１変換基底または第１逆変換基底としてＤＣＴ－ＩＩまたは逆ＤＣＴ－ＩＩの基底を固定的に用いることができ、第２変換基底または第２逆変換基底としてＤＣＴ－Ｖまたは逆ＤＣＴ－Ｖの基底を固定的に用いることができる。非方向性予測モードが用いられれば、ブロック内での予測誤差の分布が一様またはランダムになる傾向がある。したがって、ＤＣ成分がフラットなＤＣＴ－ＩＩまたは逆ＤＣＴ－ＩＩが変換または逆変換に適する。一方、方向性予測モードが用いられれば、参照画素に近い画素ほど予測誤差が小さくなる傾向がある。ＤＣＴ－Ｖでは直流成分において参照画素に近い位置で振幅が小さくなるので、ＤＣＴ－Ｖは、方向性予測モードにおける予測誤差の変換に適している。したがって、符号化装置１００及び復号装置２００は、さらなる圧縮効率の向上を実現することができる。
　ここで、ＤＣＴ－ＩＩおよびＤＣＴ－Ｖについて図１５Ａ～図１６Ｂを参照しながら具体的に説明する。
　図１５Ａは、３２ｘ３２サイズのブロックにおけるＤＣＴ－ＩＩの変換特性を表すグラフである。図１５Ｂは、３２ｘ３２サイズのブロックにおけるＤＣＴ－Ｖの変換特性を表すグラフである。図１６Ａは、４ｘ４サイズのブロックにおけるＤＳＴ－ＶＩＩの変換特性を表すグラフである。図１６Ｂは、４ｘ４サイズのブロックにおけるＤＣＴ－Ｖの変換特性を表すグラフである。図１５Ａ～図１６Ｂにおいて、横軸は参照画素からの距離を表し、縦軸は振幅を表す。
　ＤＣＴ－ＩＩは、タイプＩＩの離散コサイン変換である。ＤＣＴ－ＩＩでは、図３に示す基底（基底関数）が用いられる。図１５Ａに示すように、直流（０次）では、振幅値は距離に関わらず一定である。また、したがって、ブロック内で予測誤差が比較的一様なインター予測のブロックに対してＤＣＴ－ＩＩは効果的である。
　ＤＣＴ－Ｖは、タイプＶの離散コサイン変換である。ＤＣＴ－Ｖでは、図３に示す基底（基底関数）が用いられる。図１５Ｂに示すように、比較的大きなブロックでは、ＤＣＴ－Ｖは、ＤＣＴ－ＩＩに近い変換特性を有する。また、図１６Ｂに示すように、比較的小さなブロックでは、ＤＣＴ－Ｖの変換特性は、直流において参照画素に近い位置で振幅が小さくなっており、ＤＳＴ－ＶＩＩの変換特性に似ている。
　方向性予測モードのブロックでは、参照画素に近い画素（左側及び上側の画素）で予測誤差が小さくなる傾向がある。ただし、予測誤差が小さい場合に大きなブロックが採用される傾向があるので、大きなブロックでは、参照画素に近い画素で予測誤差が小さくなる傾向が現れにくい。
　したがって、大きなブロックでＤＣＴ－ＩＩに似た変換特性を有し、小さなブロックでＤＳＴ－ＶＩＩに似た変換特性を有するＤＣＴ－Ｖを方向性予測モードのブロックの変換に適用することで、小さなサイズから大きなサイズまで方向性予測モードのブロックを効果的に変換することができる。
　（実施の形態１の変形例１）
　次に、実施の形態１の変形例１について説明する。本変形例では、変換および逆変換に用いられる基底が、カレントブロックのサイズに応じて切り替えられる点が、上記実施の形態１と異なる。以下に、実施の形態１と異なる点を中心に本変形例について図１７～図２０を参照しながら具体的に説明する。
　なお、以降の実施の形態１の各変形例では、同一または類似するブロックまたはステップには同一の符号を付し、適宜説明を省略する。
　［符号化装置の変換部の内部構成］
　図１７は、実施の形態１の変形例１に係る符号化装置１００の変換部１０６Ａの内部構成を示すブロック図である。変換部１０６Ａは、判定部１０６１Ａと、基底選択部１０６２Ａと、周波数変換部１０６３と、を備える。
　判定部１０６１Ａは、符号化処理をイントラおよびインター処理のどちらで実施するかを判定する。つまり、判定部１０６１Ａは、符号化対象ブロックにイントラ処理およびインター処理のどちらが用いられるかを判定する。
　イントラ処理が用いられる場合には、判定部１０６１Ａは、変換サイズを判断する。具体的には、判定部１０６１Ａは、符号化対象ブロックのサイズが閾値サイズ以下であるか否かを判定する。
　ここで、変換サイズが所定の値以下である場合には、判定部１０６１Ａは、イントラ予測モードを判断する。具体的には、判定部１０６１Ａは、符号化対象ブロックのサイズが閾値サイズ以下である場合に、符号化対象ブロックのイントラ予測モードが非方向性予測モードであるか否かを判定する。
　ここで、イントラ予測モードがＰｌａｎａｒ予測およびＤＣ予測のいずれでもない場合には、基底選択部１０６２Ａは、ＤＣＴ－Ｖの基底を選択する。つまり、符号化対象ブロックのイントラ予測モードが非方向性予測モードでない場合、基底選択部１０６２Ａは、第２変換基底を選択する。
　一方、変換サイズが所定の値を超える場合、もしくはイントラ予測モードがＰｌａｎａｒ予測およびＤＣ予測のいずれかであるか、もしくは符号化対象ブロックにインター処理が用いられる場合には、基底選択部１０６２Ａは、ＤＣＴ－ＩＩの基底を選択する。つまり、符号化対象ブロックのイントラ予測モードが非方向性予測モードでない場合であっても、符号化対象ブロックのサイズが閾値サイズより大きければ、基底選択部１０６２Ａは第１変換基底を選択する。
　基底を切り替えるためのブロックサイズの境界を表す閾値サイズとしては、例えば標準規格に予め定義された固定サイズ（例えば１６ｘ１６画素）が用いられる。また、閾値サイズは、ビットストリームに含まれる信号に基づいて決定されてもよいし、外部装置またはユーザから入力されてもよい。例えば、閾値サイズは、イントラ予測モード、量子化パラメータ、または予測誤差などに基づいて決定されてもよい。
　［符号化装置の変換部の動作］
　次に、以上のように構成された変換部１０６Ａの動作について、図１８を参照しながら具体的に説明する。図１８は、実施の形態１の変形例１に係る符号化装置１００の変換部１０６Ａの処理を示すフローチャートである。
　まず、判定部１０６１Ａは、符号化対象ブロックにイントラ処理およびインター処理のどちらが用いられるかを判定する（Ｓ１０１）。ここで、符号化対象ブロックにイントラ処理が用いられる場合（Ｓ１０１のイントラ）、判定部１０６１Ａは、符号化対象ブロックのサイズが閾値サイズ以下であるか否かを判定する（Ｓ１１１）。ここで、符号化対象ブロックのサイズが閾値サイズ以下である場合（Ｓ１１１のＹｅｓ）、判定部１０６１Ａは、符号化対象ブロックのイントラ予測モードが非方向性予測モードであるか否かを判定する（Ｓ１０２）。ここで、符号化対象ブロックのイントラ予測モードが非方向性予測モードでない場合（Ｓ１０２のＮｏ）、基底選択部１０６２Ａは、第２変換基底を選択する（Ｓ１０３）。
　一方、符号化対象ブロックにインター処理が用いられる場合（Ｓ１０１のインター）、符号化対象ブロックのサイズが閾値サイズより大きい場合（Ｓ１１１のＮｏ）、または、符号化対象ブロックのイントラ予測モードが非方向性予測モードである場合（Ｓ１０２のＹｅｓ）、基底選択部１０６２Ａは、第１変換基底を選択する（Ｓ１０４）。最後に、周波数変換部１０６３は、ステップＳ１０３またはステップＳ１０４で選択された第２変換基底または第１変換基底を用いて符号化対象ブロックの予測誤差を変換する（Ｓ１０５）。
　［復号装置の逆変換部の内部構成］
　次に、復号装置２００の逆変換部２０６Ａの内部構成について説明する。
　図１９は、実施の形態１の変形例１に係る復号装置２００の逆変換部２０６Ａの内部構成を示すブロック図である。逆変換部２０６Ａは、判定部２０６１Ａと、基底選択部２０６２Ａと、逆周波数変換部２０６３と、を備える。
　判定部２０６１Ａは、復号処理をイントラおよびインター処理のどちらで実施するかを判定する。つまり、判定部２０６１Ａは、復号対象ブロックにイントラ処理およびインター処理のどちらが用いられるかを判定する。
　イントラ処理が用いられる場合には、判定部２０６１Ａは、変換サイズを判断する。具体的には、判定部２０６１Ａは、復号対象ブロックのサイズが閾値サイズ以下であるか否かを判定する。
　ここで、変換サイズが所定の値以下である場合には、判定部２０６１Ａは、イントラ予測モードを判断する。具体的には、復号対象ブロックのサイズが閾値サイズ以下である場合に、判定部２０６１Ａは、復号対象ブロックのイントラ予測モードが非方向性予測モードであるか否かを判定する。
　ここで、イントラ予測モードがＰｌａｎａｒ予測およびＤＣ予測のいずれでもない場合には、基底選択部２０６２Ａは、逆ＤＣＴ－Ｖの基底を選択する。つまり、復号対象ブロックのイントラ予測モードが非方向性予測モードでない場合、基底選択部２０６２Ａは、第２逆変換基底を選択する。
　一方、変換サイズが所定の値を超える場合、もしくはイントラ予測モードがＰｌａｎａｒ予測およびＤＣ予測のいずれかであるか、もしくは復号対象ブロックにインター処理が用いられる場合には、基底選択部２０６２Ａは、逆ＤＣＴ－ＩＩの基底を選択する。つまり、復号対象ブロックのイントラ予測モードが非方向性予測モードでない場合であっても、復号対象ブロックのサイズが閾値サイズよりも大きければ、基底選択部２０６２Ａは第１逆変換基底を選択する。
　閾値サイズとしては、符号化装置１００の変換部１０６Ａで用いられた閾値サイズと同じものが用いられる。
　［復号装置の逆変換部の動作］
　次に、以上のように構成された逆変換部２０６Ａの動作について、図１８を参照しながら具体的に説明する。図１８は、実施の形態１の変形例１に係る復号装置２００の逆変換部２０６Ａの処理を示すフローチャートである。
　まず、判定部２０６１Ａは、復号対象ブロックにイントラ処理およびインター処理のどちらが用いられるかを判定する（Ｓ２０１）。ここで、復号対象ブロックにイントラ処理が用いられる場合（Ｓ２０１のイントラ）、判定部２０６１Ａは、復号対象ブロックのサイズが閾値サイズ以下であるか否かを判定する（Ｓ２１１）。ここで、復号対象ブロックのサイズが閾値サイズ以下である場合（Ｓ２１１のＹｅｓ）、判定部２０６１Ａは、復号対象ブロックのイントラ予測モードが非方向性予測モードであるか否かを判定する（Ｓ２０２）。ここで、復号対象ブロックのイントラ予測モードが非方向性予測モードでない場合（Ｓ２０２のＮｏ）、基底選択部２０６２Ａは、第２逆変換基底を選択する（Ｓ２０３）。
　一方、復号対象ブロックにインター処理が用いられる場合（Ｓ２０１のインター）、復号対象ブロックのサイズが閾値サイズより大きい場合（Ｓ２１１のＮｏ）、または、復号対象ブロックのイントラ予測モードが非方向性予測モードである場合（Ｓ２０２のＹｅｓ）、基底選択部２０６２Ａは、第１逆変換基底を選択する（Ｓ２０４）。最後に、逆周波数変換部２０６３は、ステップＳ２０３またはステップＳ２０４で選択された第２逆変換基底または第１逆変換基底を用いて復号対象ブロックの係数を逆変換する（Ｓ２０５）。
　［効果等］
　以上のように、本変形例に係る符号化装置１００の変換部１０６Ａおよび復号装置２００の逆変換部２０６Ａによれば、カレントブロックのサイズが閾値サイズより大きい場合に、第１変換基底または第１逆変換基底を用いてカレントブロックを変換または逆変換することができる。この場合、基底の選択のためのコスト評価等が不要となり、符号化のための負荷または時間を軽減することができる。また、ブロック内での予測誤差の分布特性は、ブロックのサイズによって異なる傾向がある。したがって、カレントブロックのサイズに応じて変換基底を切り替えることで、圧縮効率の向上を図ることもできる。
　（実施の形態１の変形例２）
　次に、実施の形態１の変形例２について説明する。本変形例では、閾値サイズの情報がビットストリームに書き込まれる点が、上記実施の形態１の変形例１と異なる。以下に、実施の形態１の変形例１と異なる点を中心に本変形例について、図２１～図２５を参照しながら具体的に説明する。
　［符号化装置の変換部の内部構成］
　図２１は、実施の形態１の変形例２に係る符号化装置１００の変換部１０６Ｂの内部構成を示すブロック図である。変換部１０６Ｂは、判定部１０６１Ａと、基底選択部１０６２Ａと、周波数変換部１０６３と、閾値サイズ決定部１０６４Ｂと、を備える。
　閾値サイズ決定部１０６４Ｂは、入力画像信号等に応じて適応的に閾値サイズを決定する。決定された閾値サイズは、判定部１０６１Ａで用いられる。
　また、決定された閾値サイズの情報は、エントロピー符号化部１１０に出力され、ビットストリーム内に書き込まれる。閾値サイズの情報とは、閾値サイズを示す情報であり、例えば閾値サイズそのものを示す値または閾値サイズを示すインデックスなどである。閾値サイズの情報は、例えば図２２の（i）～（v）に示す複数のヘッダの少なくとも１つに書き込まれる。
　図２２は、実施の形態１の変形例２または３における閾値サイズまたは変換モードの情報のビットストリーム内の位置の複数の例を示す図である。図２２の（i）は、ビデオパラメータセット内に閾値サイズまたは変換モードの情報があることを示す。図２２の（ii）は、ビデオストリームのシーケンスパラメータセット内に閾値サイズまたは変換モードの情報があることを示す。図２２の（iii）は、ピクチャのピクチャパラメータセット内に閾値サイズまたは変換モードの情報があることを示す。図２２の（iv）は、スライスのスライスヘッダ内に閾値サイズまたは変換モードの情報があることを示す。図２２の（v）は、動画システムまたはビデオデコーダのセットアップまたは初期化を行うためのパラメータのグループ内に閾値サイズまたは変換モードの情報があることを示す。閾値サイズまたは変換モードの情報が複数の階層（例えば、ピクチャパラメータセットおよびスライスヘッダ）にある場合は、低い階層（例えばスライスヘッダ）にある閾値サイズまたは変換モードの情報は、より高い階層（例えば、ピクチャパラメータセット）にある閾値サイズまたは変換モードの情報を上書きする。
　なお、閾値サイズの情報は、変更されるときに書き込まれればよい。つまり、直前に用いられた閾値サイズと同じ閾値サイズが用いられるときは、閾値サイズの情報の書き込みはスキップされてもよい。
　［符号化装置の変換部の動作］
　次に、以上のように構成された本変形例に係る変換部１０６Ｂの動作について、図２３を参照しながら具体的に説明する。図２３は、実施の形態１の変形例２に係る符号化装置１００の変換部１０６Ｂの処理を示すフローチャートである。
　まず、判定部１０６１Ａは、符号化対象ブロックにイントラ処理およびインター処理のどちらが用いられるかを判定する（Ｓ１０１）。ここで、符号化対象ブロックにイントラ処理が用いられる場合（Ｓ１０１のイントラ）、閾値サイズ決定部１０６４Ｂは、適応的に閾値サイズを決定し、決定された閾値サイズの情報をエントロピー符号化部１１０に出力する（Ｓ１２１）。その後、ステップＳ１１１以降の処理が実行される。
　［復号装置の逆変換部の内部構成］
　次に、復号装置２００の逆変換部２０６Ｂの内部構成について説明する。図２４は、実施の形態１の変形例２に係る復号装置２００の逆変換部２０６Ｂの内部構成を示すブロック図である。逆変換部２０６Ｂは、判定部２０６１Ａと、基底選択部２０６２Ａと、逆周波数変換部２０６３と、閾値サイズ取得部２０６４Ｂと、を備える。
　閾値サイズ取得部２０６４Ｂは、ビットストリームから閾値サイズを取得する。例えば、閾値サイズ取得部２０６４Ｂは、エントロピー復号部２０２によってビットストリームから読み解かれた閾値サイズの情報に基づいて閾値サイズを取得する。ここで取得された閾値サイズは、判定部２０６１Ａで用いられる。
　［復号装置の逆変換部の動作］
　次に、以上のように構成された本変形例に係る逆変換部２０６Ｂの動作について、図２５を参照しながら具体的に説明する。図２５は、実施の形態１の変形例２に係る復号装置２００の逆変換部２０６Ｂの処理を示すフローチャートである。
　まず、判定部２０６１Ａは、復号対象ブロックにイントラ処理およびインター処理のどちらが用いられるかを判定する（Ｓ２０１）。ここで、復号対象ブロックにイントラ処理が用いられる場合（Ｓ２０１のイントラ）、閾値サイズ取得部２０６４Ｂは、ビットストリームから閾値サイズを取得する（Ｓ２２１）。その後、ステップＳ２１１以降の処理が実行される。
　［効果等］
　以上のように、本実施の形態に係る符号化装置１００の変換部１０６Ｂおよび復号装置２００の逆変換部２０６Ｂによれば、閾値サイズの情報をビットストリームに含めることができる。したがって、入力画像に応じて適応的に閾値サイズを決定することができ、さらなる圧縮効率の向上を実現することができる。
　（実施の形態１の変形例３）
　次に、実施の形態１の変形例３について説明する。本変形例では、上記実施の形態１の変形例２のようにカレントブロックを変換／逆変換する第１変換モードと、上記実施の形態１の変形例２と異なる方法でカレントブロックを変換／逆変換する第２変換モードとを切り替え可能な点が、上記実施の形態１の変形例２と異なる。以下に、実施の形態１の変形例２と異なる点を中心に本変形例について、図２６～図２９を参照しながら具体的に説明する。
　［符号化装置の変換部の内部構成］
　図２６は、実施の形態１の変形例３に係る符号化装置１００の変換部１０６Ｃの内部構成を示すブロック図である。変換部１０６Ｃは、判定部１０６１Ａと、基底選択部１０６２Ｃと、周波数変換部１０６３と、閾値サイズ決定部１０６４Ｂと、変換モード決定部１０６５Ｃと、を備える。
　変換モード決定部１０６５Ｃは、符号化対象ブロックに、固定基底変換モードが適用されるか、動的基底変換モードが適用されるかを判定する。固定基底変換モードは、第１変換モードの一例であり、動的基底変換モードは第２変換モードの一例である。つまり、変換モード決定部１０６５Ｃは、第１変換モードおよび第２変換モードを含む複数の変換モードのうちのどの変換モードを符号化対象ブロックに適用するかを決定する。
　複数の変換モードでは、例えば選択可能な基底が互いに異なってもよいし、選択可能な基底が同一で選択方法が互いに異なってもよい。固定基底変換モードでは、符号化パラメータ等に基づいて変換基底が固定的に選択され、動的基底変換モードでは、コスト評価等に基づいて変換基底が適応的に選択される。
　符号化対象ブロックに適用される変換モードの情報は、エントロピー符号化部１１０に出力され、ビットストリーム内に書き込まれる。変換モードの情報とは、変換モードを識別するための情報であり、例えば、変換モードを示すフラグまたはインデックスである。変換モードの情報は、閾値サイズの情報と同様に、例えば図２２の（i）～（v）に示す複数のヘッダの少なくとも１つに書き込まれる。なお、変換モードの情報と閾値サイズの情報とは、同一のヘッダに書き込まれる必要はなく、異なるヘッダに書き込まれてもよい。
　ここで、第１変換モードが適用される場合、基底選択部１０６２Ｃは、上記実施の形態１の変形例２と同様に、第１変換基底または第２変換基底を選択する。例えば、第１変換基底はＤＣＴ－ＩＩの基底であり、第２変換基底はＤＣＴ－Ｖの基底である。
　一方、第２変換モードが適用される場合に、基底選択部１０６２Ｃは、複数の変換基底の中から第３変換基底を適応的に選択する。選択された第３変換基底の情報は、エントロピー符号化部１１０に出力され、ビットストリーム内に書き込まれる。選択された第３変換基底の情報は、第３変換基底を示す情報であり、例えば、第３変換基底の各係数値またはインデックスである。
　周波数変換部１０６３は、基底選択部１０６２Ｃにより選択された基底を用いて、符号化対象ブロックの予測誤差に対する変換処理を実施する。つまり、周波数変換部１０６３は、第１変換モードが適用される場合に第１変換基底または第２変換基底を用いて符号化対象ブロックを変換し、第２変換モードが適用される場合に第３変換基底を用いて符号化対象ブロックを変換する。
　なお、第１変換基底、第２変換基底および第３変換基底は、すべての条件において異なる必要はなく、特定の条件（例えばブロックサイズが閾値サイズ以下である場合）において同一であってもよい。
　［符号化装置の変換部の動作］
　次に、以上のように構成された本変形例に係る変換部１０６Ｃの動作について、図２７を参照しながら具体的に説明する。図２７は、実施の形態１の変形例３に係る符号化装置１００の変換部１０６Ｃの処理を示すフローチャートである。
　まず、変換モード決定部１０６５Ｃは、符号化対象ブロックに適用される変換モードを決定し、エントロピー符号化部１１０に出力する（Ｓ１３１）。
　ここで、決定された変換モードが第１変換モードであれば（Ｓ１３２の第１変換モード）、ステップＳ１０１以降の処理が実行される。一方、決定された変換モードが第２変換モードであれば（Ｓ１３２の第２変換モード）、基底選択部１０６２Ｃは、第２変換モード用の基底（つまり第３変換基底）を選択する（Ｓ１３３）。
　その後、周波数変換部１０６３は、ステップＳ１０３、ステップＳ１０４またはステップＳ１３３で選択された第２、第１または第３変換基底を用いて符号化対象ブロックを変換する（Ｓ１０５）。
　第２変換モードでは、基底選択部１０６２Ｃは、複数の変換基底の選択肢の中から第３変換基底を選択する。例えば、ＤＣＴおよびＤＳＴのそれぞれにおいて、境界条件や対称性に基づいて定義されているタイプＩからＶＩＩＩまでの８種類の基底の中から、予測誤差、あるいは予測誤差および予測誤差の符号化に係る符号量を考慮した評価値などに基づいて、第３変換基底が選択される。例えば、予測誤差に基づく選択では、残差が最小となる基底が選択されてもよい。また、ブロックサイズまたはイントラ予測モードに基づいて、第３変換基底が選択されてもよい。なお、第２変換モードの具体的な例としては、ＩＴＵ－Ｔ　ＳＧ１６　ＣＯＭ１６－Ｃ８０６（Ｆｅｂ．　２０１５）に記載のＡｄａｐｔｉｖｅ　Ｍｕｌｔｉｐｌｅ　Ｔｒａｎｓｆｏｒｍをあげることができる。
　第１変換モードと第２変換モードとでは、選択可能な基底が異なってもよいし、選択可能な基底は同一で選択方法が異なってもよい。また、第１変換モードおよび第２変換モードにおいて、ブロックサイズに依存して排他と重複とを切り替えてもよく、異なるブロックサイズでは同一の基底の選択を可能とし、同一のブロックサイズでは、異なる基底を選択するような構成でもよい。
　変換モードの決定は、ＲＤ最適化モデル、あるいは、符号化対象ブロックの元の画素値と符号化後の画素値との差分絶対値和などの評価値に基づき、評価が高くなるモードに決定されればよい。ＲＤ最適化モデルとは、以下のような評価値Ｃｏｓｔに基づくモデルを指す。
　Ｃｏｓｔ＝Ｄ＋λｘＲ
　ここで、Ｄは符号化歪を表す。Ｄとしては、符号化対象ブロックを符号化および復号して得られた画素値と、符号化対象ブロックの元の画素値との差分絶対値和などが用いられる。また、Ｒは発生符号量を表す。Ｒとしては、符号化対象ブロックの符号化に必要な符号量などが用いられる。また、λはラグランジュの未定乗数である。
　［復号装置の逆変換部の内部構成］
　次に、復号装置２００の逆変換部２０６Ｃの内部構成について説明する。図２８は、実施の形態１の変形例３に係る復号装置２００の逆変換部２０６Ｃの内部構成を示すブロック図である。逆変換部２０６Ｃは、判定部２０６１Ａと、基底選択部２０６２Ｃと、逆周波数変換部２０６３と、閾値サイズ取得部２０６４Ｂと、変換モード決定部２０６５Ｃと、を備える。
　変換モード決定部２０６５Ｃは、第１変換モードおよび第２変換モードを含む複数の変換モードのうちのどの変換モードを復号対象ブロックに適用するかを決定する。例えば、変換モード決定部２０６５Ｃは、エントロピー復号部２０２によってビットストリームから読み解かれた変換モードの情報に基づいて変換モードを決定する。
　第１変換モードが適用される場合、基底選択部２０６２Ｃは、上記実施の形態１の変形例２と同様に、第１逆変換基底または第２逆変換基底を選択する。一方、第２変換モードが適用される場合に、基底選択部２０６２Ｃは、第３逆変換基底を選択する。第３逆変換基底は、第３変換基底の逆変換の基底である。
　逆周波数変換部２０６３は、基底選択部２０６２Ｃにより選択された基底を用いて、復号対象ブロックの係数に対する逆変換処理を実施する。つまり、逆周波数変換部２０６３は、第１変換モードが適用される場合に第１逆変換基底または第２逆変換基底を用いて復号対象ブロックを逆変換し、第２変換モードが適用される場合に第３逆変換基底を用いて復号対象ブロックを逆変換する。
　［復号装置の逆変換部の動作］
　次に、以上のように構成された本変形例に係る逆変換部２０６Ｃの動作について、図２９を参照しながら具体的に説明する。図２９は、実施の形態１の変形例３に係る復号装置２００の逆変換部２０６Ｃの処理を示すフローチャートである。
　まず、変換モード決定部２０６５Ｃは、復号対象ブロックに適用される変換モードを決定する（Ｓ２３１）。ここで、第１変換モードが適用される場合（Ｓ２３２の第１変換モード）、ステップＳ２０１以降の処理が実行される。一方、第２変換モードが適用される場合（Ｓ２３２の第２変換モード）、基底選択部２０６２Ｃは、第３逆変換基底を選択する（Ｓ２３３）。ここで選択される第３逆変換基底は、符号化装置１００で選択された第３変換基底に対応する逆変換基底である。
　その後、逆周波数変換部２０６３は、ステップＳ２０３、ステップＳ２０４またはステップＳ２３３で選択された第２、第１または第３逆変換基底を用いて、復号対象ブロックを逆変換する（Ｓ２０４）。
　［効果等］
　以上のように、本変形例に係る符号化装置１００の変換部１０６Ｃおよび復号装置２００の逆変換部２０６Ｃによれば、変換モードを用いて、変換または逆変換における適応的な基底の使用と、固定的な基底の使用とを切り替えることができる。したがって、さらなる変換または逆変換の効率化を実現することが可能となり、さらなる圧縮効率の向上を実現することができる。
　（実施の形態１の他の変形例）
　以上、本開示の１つまたは複数の態様に係る符号化装置および復号装置について、実施の形態および変形例に基づいて説明したが、本開示は、この実施の形態および変形例に限定されるものではない。本開示の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態または本変形例に施したものや、異なる変形例における構成要素を組み合わせて構築される形態も、本開示の１つまたは複数の態様の範囲内に含まれてもよい。
　例えば、上記実施の形態および各変形例では、非方向性予測モードにＤＣ予測モードおよびＰｌａｎａｒ予測モードの両方が含まれていたが、これに限定されない。例えば、非方向性予測モードにＤＣ予測モードおよびＰｌａｎａｒ予測モードの一方のみが含まれてもよい。この場合、符号化対象ブロックのイントラ予測モードがＤＣ予測モードおよびＰｌａｎａｒ予測モードの一方である場合に第１変換基底が選択され、符号化対象ブロックのイントラ予測モードがＤＣ予測モードおよびＰｌａｎａｒ予測モードの他方である場合に第２変換基底が選択されてもよい。また、非方向性予測モードに含まれる予測モードの条件は外部から入力されてもよい。
　なお、上記実施の形態および各変形例では、ＤＣ予測モードおよびＰｌａｎａｒ予測モードは、Ｈ．２６５／ＨＥＶＣ規格で規定されたものであったが、これに限定されない。例えば、ＤＣ予測モードおよびＰｌａｎａｒ予測モードは、Ｈ．２６５／ＨＥＶＣ規格から改良されたものであってもよい。
　なお、上記実施の形態および各変形例では、判定部は、イントラ予測モードが非方向性予測モードであるか否かを判定していたが、その代わりに、イントラ予測モードが方向性予測モードであるか否かを判定してもよい。方向性予測モードとは、方向性を有するイントラ予測モードである。この場合、符号化対象ブロックのイントラ予測モードが方向性予測モードでない場合に第１変換基底が選択され、符号化対象ブロックのイントラ予測モードが方向性予測モードである場合に第２変換基底が選択されればよい。さらには、予測ブロック内における予測残差信号の周波数成分の偏りに基づいて、変換基底を切替えてもよい。例えば、予測モードと周波数成分の偏りの有無、あるいは、偏りの性質について予め調査した結果に基づいて変換基底を決定できる。
　なお、上記実施の形態および各変形例において、輝度ブロックおよび色差ブロックに応じて変換基底の選択方法が切り替えられてもよい。例えば、上述したイントラ予測モードに基づく第１変換基底または第２変換基底の選択は、輝度ブロックに適用され、色差ブロックに適用されなくてもよい。この場合、色差ブロックには、例えば、イントラ処理が用いられる場合に、イントラ予測モードに関係なく、第１変換基底が選択されてもよい。
　なお、上記実施の形態および各変形例では、第１変換基底として、ＤＣＴ－ＩＩの基底が用いられていたが、これに限られない。第１変換基底は、ＤＣＴ－ＩＩとは異なる直交変換基底であってもよい。また、第１変換基底として、直交変換基底の代わりに、類似の変換特性を有する非直交変換基底が用いられてもよい。また、第１変換基底は、標準規格等に予め定義された固定の基底でなくてもよい。例えば、第１変換基底は、符号化パラメータに基づいて決定される基底であってもよい。符号化パラメータとは、符号化に関するパラメータであり、例えば、イントラ予測モード、量子化パラメータ、ピクチャタイプ、動きベクトル、および参照ピクチャなどである。この場合であっても、コスト評価等を伴わずに第１変換基底を選択することができ、符号化処理の負荷または時間の増加を抑制することができる。
　なお、上記実施の形態および各変形例では、第２変換基底として、ＤＣＴ－Ｖの基底が用いられていたが、これに限られない。第２変換基底は、ＤＣＴ－Ｖとは異なる直交変換基底であってもよい。また、第２変換基底として、直交変換基底の代わりに、類似の変換特性を有する非直交変換基底が用いられてもよい。また、第２変換基底は、予め定義された固定の基底でなくてもよい。例えば、第２変換基底は、複数の変換基底の中から適応的に選択されてもよい。つまり、第２変換基底は、例えば符号化歪および発生符号量からなるコスト関数に基づいて、複数の変換基底の中から適応的に選択されてもよい。この場合、第２変換基底の情報は、ビットストリームに書き込まれればよい。これにより、カレントブロックに適した変換基底を選択することができ、圧縮効率を向上させることができる。
　また、上記実施の形態および各変形例では、変換および逆変換において、水平方向および垂直方向を区別していなかったが、水平方向と垂直方向とで異なる変換基底および逆変換基底が使用されてもよい。例えば、水平方向にＤＣＴ－Ｖの基底が用いられ、垂直方向にＤＣＴ－ＩＩの基底が用いられてもよい。また、符号化対象ブロックのサイズと閾値サイズとの比較は、水平方向および垂直方向とで別々に行われてもよい。例えば、符号化対象ブロックの水平方向のサイズが閾値サイズより大きく、垂直方向のサイズが閾値サイズ以下である場合、水平方向のために第１変換基底が選択され、垂直方向のために第２変換基底が選択されてもよい。
　なお、上記実施の形態および各変形例において、先行技術と同様に、４ｘ４サイズの輝度ブロックには、ＤＳＴ－ＶＩＩの基底が選択されてもよい。この場合、４ｘ４サイズの輝度ブロック以外のブロックに対してＤＣＴ－Ｖの基底が選択され得る。また、イントラ予測が用いられた色差ブロックについては、先行技術と同様に、ＤＣＴ－ＩＩの基底が選択されてもよい。この場合、イントラ予測が用いられた輝度ブロックに対してＤＣＴ－Ｖの基底が選択され得る。
　なお、上記実施の形態および各変形例では、カレントブロックのイントラ予測モードが非方向性予測モードである場合と、カレントブロックにインター処理が用いられる場合とで、同一の基底が選択されていたが、これに限定されない。例えば、カレントブロックのイントラ予測モードが非方向性予測モードである場合に第１変換基底が選択され、カレントブロックにインター処理が用いられる場合に第１変換基底と異なる変換基底が選択されてもよい。
　（実施の形態２）
　以上の各実施の形態において、機能ブロックの各々は、通常、ＭＰＵ及びメモリ等によって実現可能である。また、機能ブロックの各々による処理は、通常、プロセッサなどのプログラム実行部が、ＲＯＭ等の記録媒体に記録されたソフトウェア（プログラム）を読み出して実行することで実現される。当該ソフトウェアはダウンロード等により配布されてもよいし、半導体メモリなどの記録媒体に記録して配布されてもよい。なお、各機能ブロックをハードウェア（専用回路）によって実現することも、当然、可能である。
　また、各実施の形態において説明した処理は、単一の装置（システム）を用いて集中処理することによって実現してもよく、又は、複数の装置を用いて分散処理することによって実現してもよい。また、上記プログラムを実行するプロセッサは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、又は分散処理を行ってもよい。
　本開示の態様は、以上の実施例に限定されることなく、種々の変更が可能であり、それらも本開示の態様の範囲内に包含される。
　さらにここで、上記各実施の形態で示した動画像符号化方法（画像符号化方法）又は動画像復号化方法（画像復号方法）の応用例とそれを用いたシステムを説明する。当該システムは、画像符号化方法を用いた画像符号化装置、画像復号方法を用いた画像復号装置、及び両方を備える画像符号化復号装置を有することを特徴とする。システムにおける他の構成について、場合に応じて適切に変更することができる。
　［使用例］
　図３０は、コンテンツ配信サービスを実現するコンテンツ供給システムｅｘ１００の全体構成を示す図である。通信サービスの提供エリアを所望の大きさに分割し、各セル内にそれぞれ固定無線局である基地局ｅｘ１０６、ｅｘ１０７、ｅｘ１０８、ｅｘ１０９、ｅｘ１１０が設置されている。
　このコンテンツ供給システムｅｘ１００では、インターネットｅｘ１０１に、インターネットサービスプロバイダｅｘ１０２又は通信網ｅｘ１０４、及び基地局ｅｘ１０６～ｅｘ１１０を介して、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、及びスマートフォンｅｘ１１５などの各機器が接続される。当該コンテンツ供給システムｅｘ１００は、上記のいずれかの要素を組合せて接続するようにしてもよい。固定無線局である基地局ｅｘ１０６～ｅｘ１１０を介さずに、各機器が電話網又は近距離無線等を介して直接的又は間接的に相互に接続されていてもよい。また、ストリーミングサーバｅｘ１０３は、インターネットｅｘ１０１等を介して、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、及びスマートフォンｅｘ１１５などの各機器と接続される。また、ストリーミングサーバｅｘ１０３は、衛星ｅｘ１１６を介して、飛行機ｅｘ１１７内のホットスポット内の端末等と接続される。
　なお、基地局ｅｘ１０６～ｅｘ１１０の代わりに、無線アクセスポイント又はホットスポット等が用いられてもよい。また、ストリーミングサーバｅｘ１０３は、インターネットｅｘ１０１又はインターネットサービスプロバイダｅｘ１０２を介さずに直接通信網ｅｘ１０４と接続されてもよいし、衛星ｅｘ１１６を介さず直接飛行機ｅｘ１１７と接続されてもよい。
　カメラｅｘ１１３はデジタルカメラ等の静止画撮影、及び動画撮影が可能な機器である。また、スマートフォンｅｘ１１５は、一般に２Ｇ、３Ｇ、３．９Ｇ、４Ｇ、そして今後は５Ｇと呼ばれる移動通信システムの方式に対応したスマートフォン機、携帯電話機、又はＰＨＳ（Ｐｅｒｓｏｎａｌ　Ｈａｎｄｙｐｈｏｎｅ　Ｓｙｓｔｅｍ）等である。
　家電ｅｘ１１８は、冷蔵庫、又は家庭用燃料電池コージェネレーションシステムに含まれる機器等である。
　コンテンツ供給システムｅｘ１００では、撮影機能を有する端末が基地局ｅｘ１０６等を通じてストリーミングサーバｅｘ１０３に接続されることで、ライブ配信等が可能になる。ライブ配信では、端末（コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、スマートフォンｅｘ１１５、及び飛行機ｅｘ１１７内の端末等）は、ユーザが当該端末を用いて撮影した静止画又は動画コンテンツに対して上記各実施の形態で説明した符号化処理を行い、符号化により得られた映像データと、映像に対応する音を符号化した音データと多重化し、得られたデータをストリーミングサーバｅｘ１０３に送信する。即ち、各端末は、本開示の一態様に係る画像符号化装置として機能する。
　一方、ストリーミングサーバｅｘ１０３は要求のあったクライアントに対して送信されたコンテンツデータをストリーム配信する。クライアントは、上記符号化処理されたデータを復号化することが可能な、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、スマートフォンｅｘ１１５、又は飛行機ｅｘ１１７内の端末等である。配信されたデータを受信した各機器は、受信したデータを復号化処理して再生する。即ち、各機器は、本開示の一態様に係る画像復号装置として機能する。
　［分散処理］
　また、ストリーミングサーバｅｘ１０３は複数のサーバ又は複数のコンピュータであって、データを分散して処理したり記録したり配信するものであってもよい。例えば、ストリーミングサーバｅｘ１０３は、ＣＤＮ（Ｃｏｎｔｅｎｔｓ　Ｄｅｌｉｖｅｒｙ　Ｎｅｔｗｏｒｋ）により実現され、世界中に分散された多数のエッジサーバとエッジサーバ間をつなぐネットワークによりコンテンツ配信が実現されていてもよい。ＣＤＮでは、クライアントに応じて物理的に近いエッジサーバが動的に割り当てられる。そして、当該エッジサーバにコンテンツがキャッシュ及び配信されることで遅延を減らすことができる。また、何らかのエラーが発生した場合又はトラフィックの増加などにより通信状態が変わる場合に複数のエッジサーバで処理を分散したり、他のエッジサーバに配信主体を切り替えたり、障害が生じたネットワークの部分を迂回して配信を続けることができるので、高速かつ安定した配信が実現できる。
　また、配信自体の分散処理にとどまらず、撮影したデータの符号化処理を各端末で行ってもよいし、サーバ側で行ってもよいし、互いに分担して行ってもよい。一例として、一般に符号化処理では、処理ループが２度行われる。１度目のループでフレーム又はシーン単位での画像の複雑さ、又は、符号量が検出される。また、２度目のループでは画質を維持して符号化効率を向上させる処理が行われる。例えば、端末が１度目の符号化処理を行い、コンテンツを受け取ったサーバ側が２度目の符号化処理を行うことで、各端末での処理負荷を減らしつつもコンテンツの質と効率を向上させることができる。この場合、ほぼリアルタイムで受信して復号する要求があれば、端末が行った一度目の符号化済みデータを他の端末で受信して再生することもできるので、より柔軟なリアルタイム配信も可能になる。
　他の例として、カメラｅｘ１１３等は、画像から特徴量抽出を行い、特徴量に関するデータをメタデータとして圧縮してサーバに送信する。サーバは、例えば特徴量からオブジェクトの重要性を判断して量子化精度を切り替えるなど、画像の意味に応じた圧縮を行う。特徴量データはサーバでの再度の圧縮時の動きベクトル予測の精度及び効率向上に特に有効である。また、端末でＶＬＣ（可変長符号化）などの簡易的な符号化を行い、サーバでＣＡＢＡＣ（コンテキスト適応型二値算術符号化方式）など処理負荷の大きな符号化を行ってもよい。
　さらに他の例として、スタジアム、ショッピングモール、又は工場などにおいては、複数の端末によりほぼ同一のシーンが撮影された複数の映像データが存在する場合がある。この場合には、撮影を行った複数の端末と、必要に応じて撮影をしていない他の端末及びサーバを用いて、例えばＧＯＰ（Ｇｒｏｕｐ　ｏｆ　Ｐｉｃｔｕｒｅ）単位、ピクチャ単位、又はピクチャを分割したタイル単位などで符号化処理をそれぞれ割り当てて分散処理を行う。これにより、遅延を減らし、よりリアルタイム性を実現できる。
　また、複数の映像データはほぼ同一シーンであるため、各端末で撮影された映像データを互いに参照し合えるように、サーバで管理及び／又は指示をしてもよい。または、各端末からの符号化済みデータを、サーバが受信し複数のデータ間で参照関係を変更、又はピクチャ自体を補正或いは差し替えて符号化しなおしてもよい。これにより、一つ一つのデータの質と効率を高めたストリームを生成できる。
　また、サーバは、映像データの符号化方式を変更するトランスコードを行ったうえで映像データを配信してもよい。例えば、サーバは、ＭＰＥＧ系の符号化方式をＶＰ系に変換してもよいし、Ｈ．２６４をＨ．２６５に変換してもよい。
　このように、符号化処理は、端末、又は１以上のサーバにより行うことが可能である。よって、以下では、処理を行う主体として「サーバ」又は「端末」等の記載を用いるが、サーバで行われる処理の一部又は全てが端末で行われてもよいし、端末で行われる処理の一部又は全てがサーバで行われてもよい。また、これらに関しては、復号処理についても同様である。
　［３Ｄ、マルチアングル］
　近年では、互いにほぼ同期した複数のカメラｅｘ１１３及び／又はスマートフォンｅｘ１１５などの端末により撮影された異なるシーン、又は、同一シーンを異なるアングルから撮影した画像或いは映像を統合して利用することも増えてきている。各端末で撮影した映像は、別途取得した端末間の相対的な位置関係、又は、映像に含まれる特徴点が一致する領域などに基づいて統合される。
　サーバは、２次元の動画像を符号化するだけでなく、動画像のシーン解析などに基づいて自動的に、又は、ユーザが指定した時刻において、静止画を符号化し、受信端末に送信してもよい。サーバは、さらに、撮影端末間の相対的な位置関係を取得できる場合には、２次元の動画像だけでなく、同一シーンが異なるアングルから撮影された映像に基づき、当該シーンの３次元形状を生成できる。なお、サーバは、ポイントクラウドなどにより生成した３次元のデータを別途符号化してもよいし、３次元データを用いて人物又はオブジェクトを認識或いは追跡した結果に基づいて、受信端末に送信する映像を、複数の端末で撮影した映像から選択、又は、再構成して生成してもよい。
　このようにして、ユーザは、各撮影端末に対応する各映像を任意に選択してシーンを楽しむこともできるし、複数画像又は映像を用いて再構成された３次元データから任意視点の映像を切り出したコンテンツを楽しむこともできる。さらに、映像と同様に音も複数の相異なるアングルから収音され、サーバは、映像に合わせて特定のアングル又は空間からの音を映像と多重化して送信してもよい。
　また、近年ではＶｉｒｔｕａｌ　Ｒｅａｌｉｔｙ（ＶＲ）及びＡｕｇｍｅｎｔｅｄ　Ｒｅａｌｉｔｙ（ＡＲ）など、現実世界と仮想世界とを対応付けたコンテンツも普及してきている。ＶＲの画像の場合、サーバは、右目用及び左目用の視点画像をそれぞれ作成し、Ｍｕｌｔｉ－Ｖｉｅｗ　Ｃｏｄｉｎｇ（ＭＶＣ）などにより各視点映像間で参照を許容する符号化を行ってもよいし、互いに参照せずに別ストリームとして符号化してもよい。別ストリームの復号時には、ユーザの視点に応じて仮想的な３次元空間が再現されるように互いに同期させて再生するとよい。
　ＡＲの画像の場合には、サーバは、現実空間のカメラ情報に、仮想空間上の仮想物体情報を、３次元的位置又はユーザの視点の動きに基づいて重畳する。復号装置は、仮想物体情報及び３次元データを取得又は保持し、ユーザの視点の動きに応じて２次元画像を生成し、スムーズにつなげることで重畳データを作成してもよい。または、復号装置は仮想物体情報の依頼に加えてユーザの視点の動きをサーバに送信し、サーバは、サーバに保持される３次元データから受信した視点の動きに合わせて重畳データを作成し、重畳データを符号化して復号装置に配信してもよい。なお、重畳データは、ＲＧＢ以外に透過度を示すα値を有し、サーバは、３次元データから作成されたオブジェクト以外の部分のα値が０などに設定し、当該部分が透過する状態で、符号化してもよい。もしくは、サーバは、クロマキーのように所定の値のＲＧＢ値を背景に設定し、オブジェクト以外の部分は背景色にしたデータを生成してもよい。
　同様に配信されたデータの復号処理はクライアントである各端末で行っても、サーバ側で行ってもよいし、互いに分担して行ってもよい。一例として、ある端末が、一旦サーバに受信リクエストを送り、そのリクエストに応じたコンテンツを他の端末で受信し復号処理を行い、ディスプレイを有する装置に復号済みの信号が送信されてもよい。通信可能な端末自体の性能によらず処理を分散して適切なコンテンツを選択することで画質のよいデータを再生することができる。また、他の例として大きなサイズの画像データをＴＶ等で受信しつつ、鑑賞者の個人端末にピクチャが分割されたタイルなど一部の領域が復号されて表示されてもよい。これにより、全体像を共有化しつつ、自身の担当分野又はより詳細に確認したい領域を手元で確認することができる。
　また今後は、屋内外にかかわらず近距離、中距離、又は長距離の無線通信が複数使用可能な状況下で、ＭＰＥＧ－ＤＡＳＨなどの配信システム規格を利用して、接続中の通信に対して適切なデータを切り替えながらシームレスにコンテンツを受信することが予想される。これにより、ユーザは、自身の端末のみならず屋内外に設置されたディスプレイなどの復号装置又は表示装置を自由に選択しながらリアルタイムで切り替えられる。また、自身の位置情報などに基づいて、復号する端末及び表示する端末を切り替えながら復号を行うことができる。これにより、目的地への移動中に、表示可能なデバイスが埋め込まれた隣の建物の壁面又は地面の一部に地図情報を表示させながら移動することも可能になる。また、符号化データが受信端末から短時間でアクセスできるサーバにキャッシュされている、又は、コンテンツ・デリバリー・サービスにおけるエッジサーバにコピーされている、などの、ネットワーク上での符号化データへのアクセス容易性に基づいて、受信データのビットレートを切り替えることも可能である。
　［スケーラブル符号化］
　コンテンツの切り替えに関して、図３１に示す、上記各実施の形態で示した動画像符号化方法を応用して圧縮符号化されたスケーラブルなストリームを用いて説明する。サーバは、個別のストリームとして内容は同じで質の異なるストリームを複数有していても構わないが、図示するようにレイヤに分けて符号化を行うことで実現される時間的／空間的スケーラブルなストリームの特徴を活かして、コンテンツを切り替える構成であってもよい。つまり、復号側が性能という内的要因と通信帯域の状態などの外的要因とに応じてどのレイヤまで復号するかを決定することで、復号側は、低解像度のコンテンツと高解像度のコンテンツとを自由に切り替えて復号できる。例えば移動中にスマートフォンｅｘ１１５で視聴していた映像の続きを、帰宅後にインターネットＴＶ等の機器で視聴したい場合には、当該機器は、同じストリームを異なるレイヤまで復号すればよいので、サーバ側の負担を軽減できる。
　さらに、上記のように、レイヤ毎にピクチャが符号化されており、ベースレイヤの上位にエンハンスメントレイヤが存在するスケーラビリティを実現する構成以外に、エンハンスメントレイヤが画像の統計情報などに基づくメタ情報を含み、復号側が、メタ情報に基づきベースレイヤのピクチャを超解像することで高画質化したコンテンツを生成してもよい。超解像とは、同一解像度におけるＳＮ比の向上、及び、解像度の拡大のいずれであってもよい。メタ情報は、超解像処理に用いる線形或いは非線形のフィルタ係数を特定するため情報、又は、超解像処理に用いるフィルタ処理、機械学習或いは最小２乗演算におけるパラメータ値を特定する情報などを含む。
　または、画像内のオブジェクトなどの意味合いに応じてピクチャがタイル等に分割されており、復号側が、復号するタイルを選択することで一部の領域だけを復号する構成であってもよい。また、オブジェクトの属性（人物、車、ボールなど）と映像内の位置（同一画像における座標位置など）とをメタ情報として格納することで、復号側は、メタ情報に基づいて所望のオブジェクトの位置を特定し、そのオブジェクトを含むタイルを決定できる。例えば、図３２に示すように、メタ情報は、ＨＥＶＣにおけるＳＥＩメッセージなど画素データとは異なるデータ格納構造を用いて格納される。このメタ情報は、例えば、メインオブジェクトの位置、サイズ、又は色彩などを示す。
　また、ストリーム、シーケンス又はランダムアクセス単位など、複数のピクチャから構成される単位でメタ情報が格納されてもよい。これにより、復号側は、特定人物が映像内に出現する時刻などが取得でき、ピクチャ単位の情報と合わせることで、オブジェクトが存在するピクチャ、及び、ピクチャ内でのオブジェクトの位置を特定できる。
　［Ｗｅｂページの最適化］
　図３３は、コンピュータｅｘ１１１等におけるｗｅｂページの表示画面例を示す図である。図３４は、スマートフォンｅｘ１１５等におけるｗｅｂページの表示画面例を示す図である。図３３及び図３４に示すようにｗｅｂページが、画像コンテンツへのリンクであるリンク画像を複数含む場合があり、閲覧するデバイスによってその見え方は異なる。画面上に複数のリンク画像が見える場合には、ユーザが明示的にリンク画像を選択するまで、又は画面の中央付近にリンク画像が近付く或いはリンク画像の全体が画面内に入るまでは、表示装置（復号装置）は、リンク画像として各コンテンツが有する静止画又はＩピクチャを表示したり、複数の静止画又はＩピクチャ等でｇｉｆアニメのような映像を表示したり、ベースレイヤのみ受信して映像を復号及び表示したりする。
　ユーザによりリンク画像が選択された場合、表示装置は、ベースレイヤを最優先にして復号する。なお、ｗｅｂページを構成するＨＴＭＬにスケーラブルなコンテンツであることを示す情報があれば、表示装置は、エンハンスメントレイヤまで復号してもよい。また、リアルタイム性を担保するために、選択される前又は通信帯域が非常に厳しい場合には、表示装置は、前方参照のピクチャ（Ｉピクチャ、Ｐピクチャ、前方参照のみのＢピクチャ）のみを復号及び表示することで、先頭ピクチャの復号時刻と表示時刻との間の遅延（コンテンツの復号開始から表示開始までの遅延）を低減できる。また、表示装置は、ピクチャの参照関係を敢えて無視して全てのＢピクチャ及びＰピクチャを前方参照にして粗く復号し、時間が経ち受信したピクチャが増えるにつれて正常の復号を行ってもよい。
　［自動走行］
　また、車の自動走行又は走行支援のため２次元又は３次元の地図情報などの静止画又は映像データを送受信する場合、受信端末は、１以上のレイヤに属する画像データに加えて、メタ情報として天候又は工事の情報なども受信し、これらを対応付けて復号してもよい。なお、メタ情報は、レイヤに属してもよいし、単に画像データと多重化されてもよい。
　この場合、受信端末を含む車、ドローン又は飛行機などが移動するため、受信端末は、当該受信端末の位置情報を受信要求時に送信することで、基地局ｅｘ１０６～ｅｘ１１０を切り替えながらシームレスな受信及び復号を実現できる。また、受信端末は、ユーザの選択、ユーザの状況又は通信帯域の状態に応じて、メタ情報をどの程度受信するか、又は地図情報をどの程度更新していくかを動的に切り替えることが可能になる。
　以上のようにして、コンテンツ供給システムｅｘ１００では、ユーザが送信した符号化された情報をリアルタイムでクライアントが受信して復号し、再生することができる。
　［個人コンテンツの配信］
　また、コンテンツ供給システムｅｘ１００では、映像配信業者による高画質で長時間のコンテンツのみならず、個人による低画質で短時間のコンテンツのユニキャスト、又はマルチキャスト配信が可能である。また、このような個人のコンテンツは今後も増加していくと考えられる。個人コンテンツをより優れたコンテンツにするために、サーバは、編集処理を行ってから符号化処理を行ってもよい。これは例えば、以下のような構成で実現できる。
　撮影時にリアルタイム又は蓄積して撮影後に、サーバは、原画又は符号化済みデータから撮影エラー、シーン探索、意味の解析、及びオブジェクト検出などの認識処理を行う。そして、サーバは、認識結果に基いて手動又は自動で、ピントずれ又は手ブレなどを補正したり、明度が他のピクチャに比べて低い又は焦点が合っていないシーンなどの重要性の低いシーンを削除したり、オブジェクトのエッジを強調したり、色合いを変化させるなどの編集を行う。サーバは、編集結果に基いて編集後のデータを符号化する。また撮影時刻が長すぎると視聴率が下がることも知られており、サーバは、撮影時間に応じて特定の時間範囲内のコンテンツになるように上記のように重要性が低いシーンのみならず動きが少ないシーンなどを、画像処理結果に基き自動でクリップしてもよい。または、サーバは、シーンの意味解析の結果に基づいてダイジェストを生成して符号化してもよい。
　なお、個人コンテンツには、そのままでは著作権、著作者人格権、又は肖像権等の侵害となるものが写り込んでいるケースもあり、共有する範囲が意図した範囲を超えてしまうなど個人にとって不都合な場合もある。よって、例えば、サーバは、画面の周辺部の人の顔、又は家の中などを敢えて焦点が合わない画像に変更して符号化してもよい。また、サーバは、符号化対象画像内に、予め登録した人物とは異なる人物の顔が映っているかどうかを認識し、映っている場合には、顔の部分にモザイクをかけるなどの処理を行ってもよい。または、符号化の前処理又は後処理として、著作権などの観点からユーザが画像を加工したい人物又は背景領域を指定し、サーバは、指定された領域を別の映像に置き換える、又は焦点をぼかすなどの処理を行うことも可能である。人物であれば、動画像において人物をトラッキングしながら、顔の部分の映像を置き換えることができる。
　また、データ量の小さい個人コンテンツの視聴はリアルタイム性の要求が強いため、帯域幅にもよるが、復号装置は、まずベースレイヤを最優先で受信して復号及び再生を行う。復号装置は、この間にエンハンスメントレイヤを受信し、再生がループされる場合など２回以上再生される場合に、エンハンスメントレイヤも含めて高画質の映像を再生してもよい。このようにスケーラブルな符号化が行われているストリームであれば、未選択時又は見始めた段階では粗い動画だが、徐々にストリームがスマートになり画像がよくなるような体験を提供することができる。スケーラブル符号化以外にも、１回目に再生される粗いストリームと、１回目の動画を参照して符号化される２回目のストリームとが１つのストリームとして構成されていても同様の体験を提供できる。
　［その他の使用例］
　また、これらの符号化又は復号処理は、一般的に各端末が有するＬＳＩｅｘ５００において処理される。ＬＳＩｅｘ５００は、ワンチップであっても複数チップからなる構成であってもよい。なお、動画像符号化又は復号用のソフトウェアをコンピュータｅｘ１１１等で読み取り可能な何らかの記録メディア（ＣＤ－ＲＯＭ、フレキシブルディスク、又はハードディスクなど）に組み込み、そのソフトウェアを用いて符号化又は復号処理を行ってもよい。さらに、スマートフォンｅｘ１１５がカメラ付きである場合には、そのカメラで取得した動画データを送信してもよい。このときの動画データはスマートフォンｅｘ１１５が有するＬＳＩｅｘ５００で符号化処理されたデータである。
　なお、ＬＳＩｅｘ５００は、アプリケーションソフトをダウンロードしてアクティベートする構成であってもよい。この場合、端末は、まず、当該端末がコンテンツの符号化方式に対応しているか、又は、特定サービスの実行能力を有するかを判定する。端末がコンテンツの符号化方式に対応していない場合、又は、特定サービスの実行能力を有さない場合、端末は、コーデック又はアプリケーションソフトをダウンロードし、その後、コンテンツ取得及び再生する。
　また、インターネットｅｘ１０１を介したコンテンツ供給システムｅｘ１００に限らず、デジタル放送用システムにも上記各実施の形態の少なくとも動画像符号化装置（画像符号化装置）又は動画像復号化装置（画像復号装置）のいずれかを組み込むことができる。衛星などを利用して放送用の電波に映像と音が多重化された多重化データを載せて送受信するため、コンテンツ供給システムｅｘ１００のユニキャストがし易い構成に対してマルチキャスト向きであるという違いがあるが符号化処理及び復号処理に関しては同様の応用が可能である。
　［ハードウェア構成］
　図３５は、スマートフォンｅｘ１１５を示す図である。また、図３６は、スマートフォンｅｘ１１５の構成例を示す図である。スマートフォンｅｘ１１５は、基地局ｅｘ１１０との間で電波を送受信するためのアンテナｅｘ４５０と、映像及び静止画を撮ることが可能なカメラ部ｅｘ４６５と、カメラ部ｅｘ４６５で撮像した映像、及びアンテナｅｘ４５０で受信した映像等が復号されたデータを表示する表示部ｅｘ４５８とを備える。スマートフォンｅｘ１１５は、さらに、タッチパネル等である操作部ｅｘ４６６と、音声又は音響を出力するためのスピーカ等である音声出力部ｅｘ４５７と、音声を入力するためのマイク等である音声入力部ｅｘ４５６と、撮影した映像或いは静止画、録音した音声、受信した映像或いは静止画、メール等の符号化されたデータ、又は、復号化されたデータを保存可能なメモリ部ｅｘ４６７と、ユーザを特定し、ネットワークをはじめ各種データへのアクセスの認証をするためのＳＩＭｅｘ４６８とのインタフェース部であるスロット部ｅｘ４６４とを備える。なお、メモリ部ｅｘ４６７の代わりに外付けメモリが用いられてもよい。
　また、表示部ｅｘ４５８及び操作部ｅｘ４６６等を統括的に制御する主制御部ｅｘ４６０と、電源回路部ｅｘ４６１、操作入力制御部ｅｘ４６２、映像信号処理部ｅｘ４５５、カメラインタフェース部ｅｘ４６３、ディスプレイ制御部ｅｘ４５９、変調／復調部ｅｘ４５２、多重／分離部ｅｘ４５３、音声信号処理部ｅｘ４５４、スロット部ｅｘ４６４、及びメモリ部ｅｘ４６７とがバスｅｘ４７０を介して接続されている。
　電源回路部ｅｘ４６１は、ユーザの操作により電源キーがオン状態にされると、バッテリパックから各部に対して電力を供給することによりスマートフォンｅｘ１１５を動作可能な状態に起動する。
　スマートフォンｅｘ１１５は、ＣＰＵ、ＲＯＭ及びＲＡＭ等を有する主制御部ｅｘ４６０の制御に基づいて、通話及データ通信等の処理を行う。通話時は、音声入力部ｅｘ４５６で収音した音声信号を音声信号処理部ｅｘ４５４でデジタル音声信号に変換し、これを変調／復調部ｅｘ４５２でスペクトラム拡散処理し、送信／受信部ｅｘ４５１でデジタルアナログ変換処理及び周波数変換処理を施した後にアンテナｅｘ４５０を介して送信する。また受信データを増幅して周波数変換処理及びアナログデジタル変換処理を施し、変調／復調部ｅｘ４５２でスペクトラム逆拡散処理し、音声信号処理部ｅｘ４５４でアナログ音声信号に変換した後、これを音声出力部ｅｘ４５７から出力する。データ通信モード時は、本体部の操作部ｅｘ４６６等の操作によってテキスト、静止画、又は映像データが操作入力制御部ｅｘ４６２を介して主制御部ｅｘ４６０に送出され、同様に送受信処理が行われる。データ通信モード時に映像、静止画、又は映像と音声を送信する場合、映像信号処理部ｅｘ４５５は、メモリ部ｅｘ４６７に保存されている映像信号又はカメラ部ｅｘ４６５から入力された映像信号を上記各実施の形態で示した動画像符号化方法によって圧縮符号化し、符号化された映像データを多重／分離部ｅｘ４５３に送出する。また、音声信号処理部ｅｘ４５４は、映像又は静止画等をカメラ部ｅｘ４６５で撮像中に音声入力部ｅｘ４５６で収音した音声信号を符号化し、符号化された音声データを多重／分離部ｅｘ４５３に送出する。多重／分離部ｅｘ４５３は、符号化済み映像データと符号化済み音声データを所定の方式で多重化し、変調／復調部（変調／復調回路部）ｅｘ４５２、及び送信／受信部ｅｘ４５１で変調処理及び変換処理を施してアンテナｅｘ４５０を介して送信する。
　電子メール又はチャットに添付された映像、又はウェブページ等にリンクされた映像を受信した場合、アンテナｅｘ４５０を介して受信された多重化データを復号するために、多重／分離部ｅｘ４５３は、多重化データを分離することにより、多重化データを映像データのビットストリームと音声データのビットストリームとに分け、同期バスｅｘ４７０を介して符号化された映像データを映像信号処理部ｅｘ４５５に供給するとともに、符号化された音声データを音声信号処理部ｅｘ４５４に供給する。映像信号処理部ｅｘ４５５は、上記各実施の形態で示した動画像符号化方法に対応した動画像復号化方法によって映像信号を復号し、ディスプレイ制御部ｅｘ４５９を介して表示部ｅｘ４５８から、リンクされた動画像ファイルに含まれる映像又は静止画が表示される。また音声信号処理部ｅｘ４５４は、音声信号を復号し、音声出力部ｅｘ４５７から音声が出力される。なおリアルタイムストリーミングが普及しているため、ユーザの状況によっては音声の再生が社会的にふさわしくない場も起こりえる。そのため、初期値としては、音声信号は再生せず映像データのみを再生する構成の方が望ましい。ユーザが映像データをクリックするなど操作を行った場合にのみ音声を同期して再生してもよい。
　またここではスマートフォンｅｘ１１５を例に説明したが、端末としては符号化器及び復号化器を両方持つ送受信型端末の他に、符号化器のみを有する送信端末、及び、復号化器のみを有する受信端末という３通りの実装形式が考えられる。さらに、デジタル放送用システムにおいて、映像データに音声データなどが多重化された多重化データを受信又は送信するとして説明したが、多重化データには、音声データ以外に映像に関連する文字データなどが多重化されてもよいし、多重化データではなく映像データ自体が受信又は送信されてもよい。
　なお、ＣＰＵを含む主制御部ｅｘ４６０が符号化又は復号処理を制御するとして説明したが、端末はＧＰＵを備えることも多い。よって、ＣＰＵとＧＰＵで共通化されたメモリ、又は共通に使用できるようにアドレスが管理されているメモリにより、ＧＰＵの性能を活かして広い領域を一括して処理する構成でもよい。これにより符号化時間を短縮でき、リアルタイム性を確保し、低遅延を実現できる。特に動き探索、デブロックフィルタ、ＳＡＯ（Ｓａｍｐｌｅ　Ａｄａｐｔｉｖｅ　Ｏｆｆｓｅｔ）、及び変換・量子化の処理を、ＣＰＵではなく、ＧＰＵでピクチャなどの単位で一括して行うと効率的である。
　本開示は、例えば、テレビジョン受像機、デジタルビデオレコーダー、カーナビゲーション、携帯電話、デジタルカメラ、または、デジタルビデオカメラ等に利用可能である。
　１００　符号化装置
　１０２　分割部
　１０４　減算部
　１０６、１０６Ａ、１０６Ｂ、１０６Ｃ　変換部
　１０８　量子化部
　１１０　エントロピー符号化部
　１１２、２０４　逆量子化部
　１１４、２０６、２０６Ａ、２０６Ｂ、２０６Ｃ　逆変換部
　１１６、２０８　加算部
　１１８、２１０　ブロックメモリ
　１２０、２１２　ループフィルタ部
　１２２、２１４　フレームメモリ
　１２４、２１６　イントラ予測部
　１２６、２１８　インター予測部
　１２８、２２０　予測制御部
　２００　復号装置
　２０２　エントロピー復号部
　１０６１、１０６１Ａ、２０６１、２０６１Ａ　判定部
　１０６２、１０６２Ａ、１０６２Ｃ、２０６２、２０６２Ａ、２０６２Ｃ　基底選択部
　１０６３　周波数変換部
　１０６４Ｂ　閾値サイズ決定部
　１０６５Ｃ、２０６５Ｃ　変換モード決定部
　２０６３　逆周波数変換部
　２０６４Ｂ　閾値サイズ取得部

Claims (16)

  1. 　画像の符号化対象ブロックを符号化する符号化装置であって、
    　プロセッサと、
    　メモリと、を備え、
    　前記プロセッサは、前記メモリを用いて、
    　前記符号化対象ブロックにイントラ処理およびインター処理のどちらが用いられるかを判定し、
    　前記符号化対象ブロックにイントラ処理が用いられる場合に、前記符号化対象ブロックのイントラ予測モードが非方向性予測モードであるか否かを判定し、
    　前記符号化対象ブロックのイントラ予測モードが非方向性予測モードである場合、第１変換基底を用いて前記符号化対象ブロックを変換し、
    　前記符号化対象ブロックのイントラ予測モードが非方向性予測モードでない場合、第２変換基底を用いて前記符号化対象ブロックを変換し、
    　前記第１変換基底は、予め定義された固定の基底、または、符号化パラメータに基づいて決定される基底である、
    　符号化装置。
  2. 　前記プロセッサは、さらに、前記符号化対象ブロックのサイズが閾値サイズ未満であるか否かを判定し、
    　前記符号化対象ブロックのイントラ予測モードが非方向性予測モードでない場合であっても、前記符号化対象ブロックのサイズが閾値サイズ以上である場合には、前記第１変換基底を用いて前記符号化対象ブロックを変換する、
    　請求項１に記載の符号化装置。
  3. 　前記プロセッサは、さらに、
    　前記閾値サイズの情報をビットストリームに書き込む、
    　請求項２に記載の符号化装置。
  4. 　前記第２変換基底は、予め定義された固定の基底、または、符号化パラメータに基づいて決定される基底である、
    　請求項１～３のいずれか１項に記載の符号化装置。
  5. 　前記第１変換基底は、ＤＣＴ－ＩＩの基底であり、
    　前記第２変換基底は、ＤＣＴ－Ｖの基底である、
    　請求項４に記載の符号化装置。
  6. 　前記第２変換基底は、複数の変換基底の中から適応的に選択され、
    　前記プロセッサは、さらに、選択された前記第２変換基底を示す情報をビットストリームに書き込む、
    　請求項１～３のいずれか１項に記載の符号化装置。
  7. 　前記プロセッサは、さらに、第１変換モードおよび第２変換モードを含む複数の変換モードのうちのどの変換モードを前記符号化対象ブロックに適用するかを決定し、
    　前記第１変換モードが適用される場合に、前記第１変換基底または前記第２変換基底を用いて前記符号化対象ブロックが変換され、
    　前記第２変換モードが適用される場合に、第３変換基底を用いて前記符号化対象ブロックが変換され、
    　前記第２変換基底は、予め定義された固定の基底、または、符号化パラメータに基づいて決定される基底であり、
    　前記第３変換基底は、複数の変換基底の中から適応的に選択され、
    　前記プロセッサは、さらに、前記第２変換モードが適用される場合に、選択された前記第３変換基底を示す情報をビットストリームに書き込む、
    　請求項１～５のいずれか１項に記載の符号化装置。
  8. 　画像の符号化対象ブロックを符号化する符号化方法であって、
    　前記符号化対象ブロックにイントラ処理およびインター処理のどちらが用いられるかを判定し、
    　前記符号化対象ブロックにイントラ処理が用いられる場合に、前記符号化対象ブロックのイントラ予測モードが非方向性予測モードであるか否かを判定し、
    　前記符号化対象ブロックのイントラ予測モードが非方向性予測モードである場合、第１変換基底を用いて前記符号化対象ブロックを変換し、
    　前記符号化対象ブロックのイントラ予測モードが非方向性予測モードでない場合、第２変換基底を用いて前記符号化対象ブロックを変換し、
    　前記第１変換基底は、予め定義された固定の基底、または、符号化パラメータに基づいて決定される基底である、
    　符号化方法。
  9. 　画像の復号対象ブロックを復号する復号装置であって、
    　プロセッサと、
    　メモリと、を備え、
    　前記プロセッサは、前記メモリを用いて、
    　前記復号対象ブロックにイントラ処理およびインター処理のどちらが用いられるかを判定し、
    　前記復号対象ブロックにイントラ処理が用いられる場合に、前記復号対象ブロックのイントラ予測モードが非方向性予測モードであるか否かを判定し、
    　前記復号対象ブロックのイントラ予測モードが非方向性予測モードである場合、第１逆変換基底を用いて前記復号対象ブロックを逆変換し、
    　前記復号対象ブロックのイントラ予測モードが非方向性予測モードでない場合、第２逆変換基底を用いて前記復号対象ブロックを逆変換し、
    　前記第１逆変換基底は、予め定義された固定の基底、または、符号化パラメータに基づいて決定される基底である、
    　復号装置。
  10. 　前記プロセッサは、さらに、前記復号対象ブロックのサイズが閾値サイズ未満であるか否かを判定し、
    　前記復号対象ブロックのイントラ予測モードが非方向性予測モードでない場合であっても、前記復号対象ブロックのサイズが閾値サイズ以上である場合には、前記第１逆変換基底を用いて前記復号対象ブロックを逆変換する、
    　請求項９に記載の復号装置。
  11. 　前記閾値サイズは、ビットストリームから取得される、
    　請求項１０に記載の復号装置。
  12. 　前記第２逆変換基底は、予め定義された固定の基底、または、符号化パラメータに基づいて決定される基底である、
    　請求項９～１１のいずれか１項に記載の復号装置。
  13. 　前記第１逆変換基底は、逆ＤＣＴ－ＩＩの基底であり、
    　前記第２逆変換基底は、逆ＤＣＴ－Ｖの基底である、
    　請求項１２に記載の復号装置。
  14. 　前記第２逆変換基底は、ビットストリームから取得される、
    　請求項９～１１のいずれか１項に記載の復号装置。
  15. 　前記プロセッサは、さらに、第１変換モードおよび第２変換モードを含む複数の変換モードのうちのどの変換モードを前記復号対象ブロックに適用するかを決定し、
    　前記第１変換モードが適用される場合に、前記第１逆変換基底または前記第２逆変換基底を用いて前記復号対象ブロックが逆変換され、前記第２変換モードが適用される場合に、第３逆変換基底を用いて前記復号対象ブロックが逆変換され、
    　前記第２逆変換基底は、予め定義された固定の基底、または、符号化パラメータに基づいて決定される基底であり、
    　前記第３逆変換基底は、ビットストリームから取得される、
    　請求項９～１３のいずれか１項に記載の復号装置。
  16. 　画像の復号対象ブロックを復号する復号方法であって、
    　前記復号対象ブロックにイントラ処理およびインター処理のどちらが用いられるかを判定し、
    　前記復号対象ブロックにイントラ処理が用いられる場合に、前記復号対象ブロックのイントラ予測モードが非方向性予測モードであるか否かを判定し、
    　前記復号対象ブロックのイントラ予測モードが非方向性予測モードである場合、第１逆変換基底を用いて前記復号対象ブロックを逆変換し、
    　前記復号対象ブロックのイントラ予測モードが非方向性予測モードでない場合、第２逆変換基底を用いて前記復号対象ブロックを逆変換し、
    　前記第１逆変換基底は、予め定義された固定の基底、または、符号化パラメータに基づいて決定される基底である、
    　復号方法。
PCT/JP2017/042720 2016-12-01 2017-11-29 符号化装置、符号化方法、復号装置および復号方法 WO2018101288A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US16/426,822 US20190281298A1 (en) 2016-12-01 2019-05-30 Encoder, encoding method, decoder, and decoding method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201662428601P 2016-12-01 2016-12-01
US62/428601 2016-12-01

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US16/426,822 Continuation US20190281298A1 (en) 2016-12-01 2019-05-30 Encoder, encoding method, decoder, and decoding method

Publications (1)

Publication Number Publication Date
WO2018101288A1 true WO2018101288A1 (ja) 2018-06-07

Family

ID=62242853

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/042720 WO2018101288A1 (ja) 2016-12-01 2017-11-29 符号化装置、符号化方法、復号装置および復号方法

Country Status (2)

Country Link
US (1) US20190281298A1 (ja)
WO (1) WO2018101288A1 (ja)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110708558A (zh) * 2018-07-09 2020-01-17 腾讯美国有限责任公司 变换类型的表示方法和设备
CN110881127A (zh) * 2018-09-06 2020-03-13 腾讯美国有限责任公司 控制残差编码的方法、装置、计算机设备和存储介质
WO2020068599A1 (en) * 2018-09-24 2020-04-02 Qualcomm Incorporated Adaptive multiple transform coding
CN111246210A (zh) * 2018-02-12 2020-06-05 腾讯美国有限责任公司 视频解码方法、视频解码器、计算机设备和非易失性计算机可读存储介质
CN113347433A (zh) * 2019-06-21 2021-09-03 杭州海康威视数字技术股份有限公司 预测模式的解码、编码方法及装置
CN113711600A (zh) * 2019-04-26 2021-11-26 松下电器（美国）知识产权公司 编码装置、解码装置、编码方法和解码方法
US11317118B2 (en) 2018-09-07 2022-04-26 Wilus Institute Of Standards And Technology Inc. Video signal processing method and apparatus using multiple transform kernels
CN115426493A (zh) * 2018-09-02 2022-12-02 Lg电子株式会社 对视频信号进行编码的方法和计算机可读介质
CN118900335A (zh) * 2021-12-03 2024-11-05 Oppo广东移动通信有限公司 解码方法、编码方法、解码器以及编码器

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113411578B (zh) 2016-05-13 2024-04-12 夏普株式会社 图像解码装置及其方法、图像编码装置及其方法
BR122021012448B1 (pt) * 2019-01-15 2022-03-22 Lg Electronics Inc Método de decodificação de uma imagem realizado por um aparelho de decodificação, método de codificação de uma imagem realizado por um aparelho de codificação, aparelho de decodificação para decodificação de imagem, aparelho de codificação para codificação de imagem e mídia de armazenamento digital legível por computador não transitória
US12120335B2 (en) * 2021-08-24 2024-10-15 Tencent America LLC Hardware friendly design for intra mode coding

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011083599A1 (ja) * 2010-01-07 2011-07-14 株式会社 東芝 動画像符号化装置及び動画像復号化装置
JP2015530040A (ja) * 2012-08-21 2015-10-08 クゥアルコム・インコーポレイテッドＱｕａｌｃｏｍｍ Ｉｎｃｏｒｐｏｒａｔｅｄ スケーラブルビデオコード化における代替変換

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011083599A1 (ja) * 2010-01-07 2011-07-14 株式会社 東芝 動画像符号化装置及び動画像復号化装置
JP2015530040A (ja) * 2012-08-21 2015-10-08 クゥアルコム・インコーポレイテッドＱｕａｌｃｏｍｍ Ｉｎｃｏｒｐｏｒａｔｅｄ スケーラブルビデオコード化における代替変換

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHEN, J. L. ET AL.: "Algorithm description of joint exploration test model 4", JOINT VIDEO EXPLORATION TEAM (JVET) OF ITU-T SG 16 WP 3 AND ISO/IEC JTC 1/SC 29/WG 11 4TH MEETING, 19 November 2016 (2016-11-19), Chengdu, CN, pages 22 - 24, XP030150460 *
SAXENA, A. ET AL.: "CE7: Mode-dependent DCT/DST without 4*4 full matrix multiplication for intra prediction", JOINT COLLABORATIVE TEAM ON VIDEO CODING (JCT-VC) OF ITU-T SG 16 WP3 AND ISO/IEC JTC1/SC29/WG11 5TH MEETING, 16 March 2011 (2011-03-16), Geneva, CH *

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111246210B (zh) * 2018-02-12 2024-01-23 腾讯美国有限责任公司 视频解码方法、视频解码器、计算机设备和可读存储介质
CN111246210A (zh) * 2018-02-12 2020-06-05 腾讯美国有限责任公司 视频解码方法、视频解码器、计算机设备和非易失性计算机可读存储介质
CN110708558A (zh) * 2018-07-09 2020-01-17 腾讯美国有限责任公司 变换类型的表示方法和设备
CN110708558B (zh) * 2018-07-09 2023-03-10 腾讯美国有限责任公司 变换类型的表示方法和设备
CN115426493B (zh) * 2018-09-02 2024-05-31 Lg电子株式会社 对视频信号进行编码的方法和计算机可读介质
CN115426493A (zh) * 2018-09-02 2022-12-02 Lg电子株式会社 对视频信号进行编码的方法和计算机可读介质
CN110881127A (zh) * 2018-09-06 2020-03-13 腾讯美国有限责任公司 控制残差编码的方法、装置、计算机设备和存储介质
CN110881127B (zh) * 2018-09-06 2022-07-29 腾讯美国有限责任公司 控制残差编码的方法、装置、计算机设备和存储介质
US12219176B2 (en) 2018-09-07 2025-02-04 Samsung Electronics Co., Ltd. Video signal processing method and apparatus using multiple transform kernels
US11317118B2 (en) 2018-09-07 2022-04-26 Wilus Institute Of Standards And Technology Inc. Video signal processing method and apparatus using multiple transform kernels
US12192525B2 (en) 2018-09-07 2025-01-07 Samsung Electronics Co., Ltd. Video signal processing method and apparatus using multiple transform kernels
US11570478B2 (en) 2018-09-07 2023-01-31 Wilus Institute Of Standards And Technology Inc. Video signal processing method and apparatus using multiple transform kernels
US11949916B2 (en) 2018-09-07 2024-04-02 Samsung Electronics Co., Ltd. Method and apparatus for encoding and decoding video signals using multiple transform kernels
CN112740681A (zh) * 2018-09-24 2021-04-30 高通股份有限公司 自适应多重变换译码
US11218694B2 (en) 2018-09-24 2022-01-04 Qualcomm Incorporated Adaptive multiple transform coding
CN112740681B (zh) * 2018-09-24 2023-11-03 高通股份有限公司 自适应多重变换译码
WO2020068599A1 (en) * 2018-09-24 2020-04-02 Qualcomm Incorporated Adaptive multiple transform coding
CN113711600A (zh) * 2019-04-26 2021-11-26 松下电器（美国）知识产权公司 编码装置、解码装置、编码方法和解码方法
CN113347433A (zh) * 2019-06-21 2021-09-03 杭州海康威视数字技术股份有限公司 预测模式的解码、编码方法及装置
CN113382261B (zh) * 2019-06-21 2022-05-20 杭州海康威视数字技术股份有限公司 预测模式的解码、编码方法及装置
CN113347433B (zh) * 2019-06-21 2022-05-20 杭州海康威视数字技术股份有限公司 预测模式的解码、编码方法及装置
CN113382261A (zh) * 2019-06-21 2021-09-10 杭州海康威视数字技术股份有限公司 预测模式的解码、编码方法及装置
CN118900335A (zh) * 2021-12-03 2024-11-05 Oppo广东移动通信有限公司 解码方法、编码方法、解码器以及编码器

Also Published As

Publication number Publication date
US20190281298A1 (en) 2019-09-12

Similar Documents

Publication Publication Date Title
JP7292477B2 (ja) 符号化装置及び復号装置
JP6765520B2 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018199051A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
JP7104085B2 (ja) 復号方法及び符号化方法
WO2018181448A1 (ja) 画像符号化装置、画像復号装置、画像符号化方法及び画像復号方法
WO2018101288A1 (ja) 符号化装置、符号化方法、復号装置および復号方法
WO2018199050A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018021374A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP2019017066A (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018221631A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
WO2019208372A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018190207A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019155971A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018212111A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018021373A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP6770192B2 (ja) 符号化装置、符号化方法、復号装置及び復号方法
WO2019189346A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP2021002891A (ja) 符号化装置及び符号化方法
WO2019221103A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018225593A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
WO2019163794A1 (ja) 符号化装置及び符号化方法
JP2023016992A (ja) 符号化装置及び復号装置
WO2019189344A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018097115A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JPWO2019082985A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17876275

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17876275

Country of ref document: EP

Kind code of ref document: A1