[go: up one dir, main page]

WO2018105579A1 - 符号化装置、復号装置、符号化方法及び復号方法 - Google Patents

符号化装置、復号装置、符号化方法及び復号方法 Download PDF

Info

Publication number
WO2018105579A1
WO2018105579A1 PCT/JP2017/043557 JP2017043557W WO2018105579A1 WO 2018105579 A1 WO2018105579 A1 WO 2018105579A1 JP 2017043557 W JP2017043557 W JP 2017043557W WO 2018105579 A1 WO2018105579 A1 WO 2018105579A1
Authority
WO
WIPO (PCT)
Prior art keywords
block
target block
edge strength
processing
unit
Prior art date
Application number
PCT/JP2017/043557
Other languages
English (en)
French (fr)
Inventor
秀雄 齋藤
大川　真人
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 WO2018105579A1 publication Critical patent/WO2018105579A1/ja
Priority to US16/433,295 priority Critical patent/US10863174B2/en
Priority to US17/090,427 priority patent/US11303891B2/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
    • H04N19/117—Filters, e.g. for pre-processing or post-processing
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • H04N19/136—Incoming video signal characteristics or properties
    • 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
    • H04N19/182—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 a pixel
    • 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
    • H04N19/80—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation
    • H04N19/82—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation involving filtering within a prediction loop
    • 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
    • H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression
    • H04N19/86—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression involving reduction of coding artifacts, e.g. of blockiness
    • 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
    • H04N19/119—Adaptive subdivision aspects, e.g. subdivision of a picture into rectangular or non-rectangular coding blocks
    • 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
    • H04N19/61—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding in combination with predictive coding

Definitions

  • the present disclosure relates to an encoding device, a decoding device, an encoding method, and a decoding method.
  • HEVC High Efficiency Video Coding
  • ITU-T International Telecommunication Union Telecommunication Standardization Sector
  • ISO / IEC standard represented by MPEG-x
  • H.264 / AVC or MPEG-4 AVC was studied as the next video coding standard after the standard.
  • This disclosure is intended to provide an encoding device, a decoding device, an encoding method, or a decoding method that can improve the image quality of a decoded image.
  • An encoding apparatus includes a circuit and a memory, and the circuit generates a reconstructed image by encoding and decoding an original image using the memory, and the reconfiguration
  • the processing target block included in the image is lower than the threshold value
  • the processing target block is subjected to filter processing to be applied to all pixels in the block, and the edge strength of the processing target block is lower than the threshold value.
  • the filtering process is not performed on the processing target block.
  • An encoding apparatus includes a circuit and a memory, and the circuit generates a reconstructed image by encoding and decoding an original image using the memory, and the original image Based on the EOTF (Electro-Optical Transfer Function), the filter processing parameters to be applied to all the pixels in the block for the processing target block included in the reconstructed image are determined. The filtering process is performed on the processing target block.
  • EOTF Electro-Optical Transfer Function
  • a decoding device includes a circuit and a memory, and the circuit generates a reconstructed image by decoding encoded data using the memory and is included in the reconstructed image
  • the processing target block is subjected to filter processing applied to all pixels in the block, and when the edge strength of the processing target block is higher than the threshold value, The filtering process is not performed on the processing target block.
  • a decoding device includes a circuit and a memory, and the circuit generates a reconstructed image by decoding encoded data using the memory, and the EOTF of the reconstructed image Based on (Electro-Optical Transfer Function), a filter processing parameter to be applied to all pixels in the block for the processing target block included in the reconstructed image is determined, and the filter of the determined parameter is determined. Processing is performed on the processing target block.
  • the present disclosure can provide an encoding device, a decoding device, an encoding method, or a decoding method that can improve the image quality of a decoded image.
  • 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. 5C is a conceptual diagram for explaining the outline of the predicted image correction process by the OBMC process.
  • FIG. 5D is a diagram illustrating an example of FRUC.
  • FIG. 6 is a diagram for explaining pattern matching (bilateral matching) between two blocks along the motion trajectory.
  • FIG. 7 is a diagram for explaining pattern matching (template matching) between a template in the current picture and a block in the reference picture.
  • FIG. 8 is a diagram for explaining a model assuming constant velocity linear motion.
  • FIG. 9A is a diagram for explaining derivation of a motion vector in units of sub-blocks based on motion vectors of a plurality of adjacent blocks.
  • FIG. 9B is a diagram for explaining the outline of the motion vector deriving process in the merge mode.
  • FIG. 9A is a diagram for explaining derivation of a motion vector in units of sub-blocks based on motion vectors of a plurality of adjacent blocks.
  • FIG. 9B is a diagram for explaining the outline of
  • FIG. 9C is a conceptual diagram for explaining an outline of DMVR processing.
  • FIG. 9D is a diagram for describing an overview of a predicted image generation method using luminance correction processing by LIC processing.
  • FIG. 10 is a block diagram showing a functional configuration of the decoding apparatus according to the first embodiment.
  • FIG. 11A is a diagram illustrating a distribution example of filter strength.
  • FIG. 11B is a diagram illustrating a distribution example of filter strength.
  • FIG. 12 is a block diagram of a loop filter unit according to the first embodiment.
  • FIG. 13 is a flowchart of the filtering process according to the first embodiment.
  • FIG. 14A is a diagram showing an example of a reconstructed image according to Embodiment 1.
  • FIG. 14A is a diagram showing an example of a reconstructed image according to Embodiment 1.
  • FIG. 14B is a diagram showing an example of edge strength according to Embodiment 1.
  • FIG. 14C is a diagram illustrating an example of a determination result of ON / OFF of the filter processing according to Embodiment 1.
  • FIG. 15 is a block diagram of a loop filter unit according to the second embodiment.
  • FIG. 16 is a flowchart of the filter process according to the second embodiment.
  • FIG. 17 is a block diagram of a loop filter unit according to the third embodiment.
  • FIG. 18 is a flowchart of the filter process according to the third embodiment.
  • FIG. 19 is a block diagram of a loop filter unit according to the fourth embodiment.
  • FIG. 20 is a flowchart of the filter process according to the fourth embodiment.
  • FIG. 21 is a block diagram of a loop filter unit according to the fifth embodiment.
  • FIG. 22 is a flowchart of the filter process according to the fifth embodiment.
  • FIG. 23 is a block diagram of a loop filter unit according to the sixth embodiment.
  • FIG. 24 is a flowchart of the filter process according to the sixth embodiment.
  • FIG. 25 is a block diagram illustrating an implementation example of an encoding device.
  • FIG. 26 is a block diagram illustrating an implementation example of a decoding device.
  • FIG. 27 is an overall configuration diagram of a content supply system that implements a content distribution service.
  • FIG. 28 is a diagram illustrating an example of a coding structure at the time of scalable coding.
  • FIG. 29 is a diagram illustrating an example of a coding structure at the time of scalable coding.
  • FIG. 30 shows an example of a web page display screen.
  • FIG. 31 is a diagram illustrating an example of a web page display screen.
  • FIG. 32 is a diagram illustrating an example of a smartphone.
  • FIG. 33 is a block diagram illustrating
  • ALF Adaptive Loop Filter
  • the same filter is applied to all the blocks whose edge strength is 16 or more by clipping to 15 at all.
  • the filter is not suitable when the edge strength is very high (for example, 30 or more).
  • the difference between the image after filtering and the original image may be larger than the difference between the image before filtering and the original image.
  • FIG. 11A and FIG. 11B are diagrams showing an example of the distribution of edge strength before clipping.
  • the ratio of edge strengths of 16 or more is small. Therefore, it is possible to appropriately perform the filtering process by the above-described method.
  • FIG. 11B when the ratio of edge strength of 16 or more is large and the edge strength is distributed over a wide range, the same filter is applied to all the edge strengths of 16 or more. Will be. As a result, it is difficult to optimize this filter, and there is a possibility that a block in which the difference from the original image becomes large by applying the filter may occur.
  • the edge strength after clipping is fixedly divided into five levels. For example, the same fixed division even in the case of sequences with different edge strength distributions such as SDR (Standard Dynamic Range) video and HDR (High Dynamic Range) video. Therefore, the filter design may not be suitable for the distribution of edge strength.
  • An encoding apparatus includes a circuit and a memory, and the circuit generates a reconstructed image by encoding and decoding an original image using the memory, and the reconfiguration
  • the processing target block included in the image is lower than the threshold value
  • the processing target block is subjected to filter processing to be applied to all pixels in the block, and the edge strength of the processing target block is lower than the threshold value.
  • the filtering process is not performed on the processing target block.
  • the filtering process is not performed on the block having a high edge strength. Therefore, for example, it is possible to prevent the filtering process from being performed on a block that may have a large difference from the original image by performing the filtering process. Therefore, the image quality of the decoded image can be improved.
  • a filter to be used is set for each of a plurality of sections each having an edge strength range, and the edge strength of the processing target block is included from the plurality of sections.
  • a section may be determined, and a filter set in the determined section may be used for the processing target block.
  • the edge strength is clipped with a predetermined value, a section including the edge strength after clipping is determined, and when the edge strength before clipping is lower than the threshold, the filtering process is performed on the processing target block. If the edge strength before the clip is higher than the threshold value, the filtering process may not be performed on the processing target block.
  • the threshold value may be higher than the predetermined value.
  • the circuit may further determine the threshold value and generate an encoded bitstream including information indicating the determined threshold value.
  • the circuit further calculates a statistical value of the edge strength of the processing unit based on the edge strength of a plurality of blocks included in the processing unit, and the processing is performed when the statistical value satisfies a predetermined condition
  • the filtering process may be performed on all of the plurality of blocks included in the unit.
  • the circuit may further determine the filter processing parameters for the processing target block based on an EOTF (Electro-Optical Transfer Function) of the original image.
  • EOTF Electro-Optical Transfer Function
  • An encoding apparatus includes a circuit and a memory, and the circuit generates a reconstructed image by encoding and decoding an original image using the memory, and the original image Based on the EOTF (Electro-Optical Transfer Function), the filter processing parameters to be applied to all the pixels in the block for the processing target block included in the reconstructed image are determined. The filtering process is performed on the processing target block.
  • EOTF Electro-Optical Transfer Function
  • a filter to be used is set for each of a plurality of sections each having a range of edge strength, and the section including the edge strength of the processing target block is included from the plurality of sections.
  • the filter set in the determined section is used for the processing target block, and the parameter may be the plurality of sections.
  • a decoding device includes a circuit and a memory, and the circuit generates a reconstructed image by decoding encoded data using the memory and is included in the reconstructed image
  • the processing target block is subjected to filter processing applied to all pixels in the block, and when the edge strength of the processing target block is higher than the threshold value, The filtering process is not performed on the processing target block.
  • the filtering process is not performed on the block having a high edge strength. Therefore, for example, it is possible to prevent the filtering process from being performed on a block that may have a large difference from the original image by performing the filtering process. Therefore, the image quality of the decoded image can be improved.
  • a filter to be used is set for each of a plurality of sections each having an edge strength range, and the edge strength of the processing target block is included from the plurality of sections.
  • a section may be determined, and a filter set in the determined section may be used for the processing target block.
  • the edge strength is clipped with a predetermined value, a section including the edge strength after clipping is determined, and when the edge strength before clipping is lower than the threshold, the filtering process is performed on the processing target block. If the edge strength before the clip is higher than the threshold value, the filtering process may not be performed on the processing target block.
  • the threshold value may be higher than the predetermined value.
  • the circuit may further acquire information indicating the threshold value from an encoded bit stream including the encoded data.
  • the circuit further calculates a statistical value of the edge strength of the processing unit based on the edge strength of a plurality of blocks included in the processing unit, and the processing is performed when the statistical value satisfies a predetermined condition
  • the filtering process may be performed on all of the plurality of blocks included in the unit.
  • the circuit may further determine the filter processing parameters for the processing target block based on an EOTF (Electro-Optical Transfer Function) of the reconstructed image.
  • EOTF Electro-Optical Transfer Function
  • a decoding device includes a circuit and a memory, and the circuit generates a reconstructed image by decoding encoded data using the memory, and the EOTF of the reconstructed image Based on (Electro-Optical Transfer Function), a filter processing parameter to be applied to all pixels in the block for the processing target block included in the reconstructed image is determined, and the filter of the determined parameter is determined. Processing is performed on the processing target block.
  • a filter to be used is set for each of a plurality of sections each having a range of edge strength, and the section including the edge strength of the processing target block is included from the plurality of sections.
  • the filter set in the determined section is used for the processing target block, and the parameter may be the plurality of sections.
  • the encoding method generates a reconstructed image by encoding and decoding an original image, and when the edge strength of a processing target block included in the reconstructed image is lower than a threshold, the processing A filtering process to be applied to all the pixels in the block is performed on the target block, and when the edge strength of the processing target block is higher than the threshold, the filtering process is not performed on the processing target block.
  • the filtering process is not performed on the block having a high edge strength. Therefore, for example, it is possible to prevent the filtering process from being performed on a block that may have a large difference from the original image by performing the filtering process. Therefore, the image quality of the decoded image can be improved.
  • An encoding method generates a reconstructed image by encoding and decoding an original image, and includes the reconstructed image based on an EOTF (Electro-Optical Transfer Function) of the original image
  • EOTF Electro-Optical Transfer Function
  • the decoding method generates a reconstructed image by decoding encoded data, and when the edge strength of the processing target block included in the reconstructed image is lower than a threshold, the processing target block When the filter processing to be applied to all the pixels in the block is performed and the edge strength of the processing target block is higher than the threshold, the filtering processing is not performed on the processing target block.
  • the filtering process is not performed on the block having a high edge strength. Therefore, for example, it is possible to prevent the filtering process from being performed on a block that may have a large difference from the original image by performing the filtering process. Therefore, the image quality of the decoded image can be improved.
  • a decoding method generates a reconstructed image by decoding encoded data, and includes a process included in the reconstructed image based on an EOTF (Electro-Optical Transfer Function) of the reconstructed image
  • EOTF Electro-Optical Transfer Function
  • these comprehensive or specific aspects may be realized by a system, an apparatus, a method, an integrated circuit, a computer program, or a non-transitory recording medium such as a computer-readable CD-ROM.
  • the present invention may be realized by any combination of an apparatus, a method, an integrated circuit, a computer program, and a recording medium.
  • 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 encoding apparatus or decoding apparatus according to the first embodiment corresponds to the constituent elements described in each aspect of the present disclosure among a plurality of constituent elements constituting the encoding apparatus or decoding apparatus. Replacing the constituent elements with constituent elements described in each aspect of the present disclosure (2) A plurality of constituent elements constituting the encoding apparatus or decoding apparatus with respect to the encoding apparatus or decoding apparatus of the first embodiment The constituent elements corresponding to the constituent elements described in each aspect of the present disclosure are added to the present disclosure after arbitrary changes such as addition, replacement, and deletion of functions or processes to be performed on some constituent elements among the constituent elements.
  • a component that performs a part of processing performed by a component is a component that is described in each aspect of the present disclosure, a component that includes a part of a function included in the component described in each aspect of the present disclosure, (6)
  • a method performed by the encoding device or the decoding device according to Embodiment 1 is performed in combination with a component that performs a part of processing performed by the component described in each aspect of the disclosure.
  • the process corresponding to the process described in each aspect of the present disclosure is replaced with the process described in each aspect of the present disclosure.
  • the encoding apparatus according to the first embodiment or A part of the plurality of processes included in the method performed by the decoding device is performed in combination with the processes described in each aspect of the present disclosure
  • 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.
  • FIG. 1 is a block diagram showing a functional configuration of encoding apparatus 100 according to Embodiment 1.
  • the encoding device 100 is a moving image / image encoding device that encodes moving images / images in units of blocks.
  • 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.
  • the encoding device 100 is realized by, for example, a general-purpose processor and a memory.
  • the processor when the software program stored in the memory is executed by the processor, the processor performs the division unit 102, the subtraction unit 104, the conversion unit 106, the quantization unit 108, the entropy encoding unit 110, and the inverse quantization unit 112.
  • the encoding apparatus 100 includes a dividing unit 102, a subtracting unit 104, a transforming unit 106, a quantizing unit 108, an entropy coding unit 110, an inverse quantizing unit 112, an inverse transforming unit 114, an adding unit 116, and a loop filter unit 120.
  • the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128 may be implemented as one or more dedicated electronic circuits.
  • the dividing unit 102 divides each picture included in the input moving image into a plurality of blocks, and outputs each block to the subtracting unit 104.
  • the dividing unit 102 first divides a picture into blocks of a fixed size (for example, 128 ⁇ 128).
  • This fixed size block may be referred to as a coding tree unit (CTU).
  • the dividing unit 102 divides each of the fixed size blocks into blocks of a variable size (for example, 64 ⁇ 64 or less) based on recursive quadtree and / or binary tree block division.
  • This variable size block may be referred to as a coding unit (CU), a prediction unit (PU) or a transform unit (TU).
  • CU, PU, and TU do not need to be distinguished, and some or all blocks in a picture may be processing units of CU, PU, and TU.
  • 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 block 10 is a 128 ⁇ 128 pixel square block (128 ⁇ 128 block).
  • the 128 ⁇ 128 block 10 is first divided into four square 64 ⁇ 64 blocks (quadtree block division).
  • the upper left 64 ⁇ 64 block is further divided vertically into two rectangular 32 ⁇ 64 blocks, and the left 32 ⁇ 64 block is further divided vertically into two rectangular 16 ⁇ 64 blocks (binary tree block division). As a result, the upper left 64 ⁇ 64 block is divided into two 16 ⁇ 64 blocks 11 and 12 and a 32 ⁇ 64 block 13.
  • the upper right 64 ⁇ 64 block is horizontally divided into two rectangular 64 ⁇ 32 blocks 14 and 15 (binary tree block division).
  • the lower left 64x64 block is divided into four square 32x32 blocks (quadrant block division). Of the four 32 ⁇ 32 blocks, the upper left block and the lower right block are further divided.
  • the upper left 32 ⁇ 32 block is vertically divided into two rectangular 16 ⁇ 32 blocks, and the right 16 ⁇ 32 block is further divided horizontally into two 16 ⁇ 16 blocks (binary tree block division).
  • the lower right 32 ⁇ 32 block is horizontally divided into two 32 ⁇ 16 blocks (binary tree block division).
  • the lower left 64 ⁇ 64 block is divided into a 16 ⁇ 32 block 16, two 16 ⁇ 16 blocks 17 and 18, two 32 ⁇ 32 blocks 19 and 20, and two 32 ⁇ 16 blocks 21 and 22.
  • the lower right 64x64 block 23 is not divided.
  • the block 10 is divided into 13 variable-size blocks 11 to 23 based on the recursive quadtree and binary tree block division.
  • Such division may be called QTBT (quad-tree plus binary tree) division.
  • one block is divided into four or two blocks (quadrature tree or binary tree block division), but the division is not limited to this.
  • one block may be divided into three blocks (triple tree block division).
  • Such a division including a tri-tree block division may be called an MBT (multi type tree) division.
  • the subtraction unit 104 subtracts the prediction signal (prediction sample) from the original signal (original sample) in units of blocks divided by the division unit 102. That is, the subtraction unit 104 calculates a prediction error (also referred to as a residual) of a coding target block (hereinafter referred to as a current block). Then, the subtraction unit 104 outputs the calculated prediction error to the conversion unit 106.
  • a prediction error also referred to as a residual of a coding target block (hereinafter referred to as a current block).
  • the original signal is an input signal of the encoding device 100, and is a signal (for example, a luminance (luma) signal and two color difference (chroma) signals) representing an image of each picture constituting the moving image.
  • a signal representing an image may be referred to as a sample.
  • the transform unit 106 transforms the prediction error in the spatial domain into a transform factor in the frequency domain, and outputs the transform coefficient to the quantization unit 108. Specifically, the transform unit 106 performs, for example, a predetermined discrete cosine transform (DCT) or discrete sine transform (DST) on a prediction error in the spatial domain.
  • DCT discrete cosine transform
  • DST discrete sine transform
  • the conversion unit 106 adaptively selects a conversion type from a plurality of conversion types, and converts a prediction error into a conversion coefficient using a conversion basis function corresponding to the selected conversion type. May be. Such a conversion may be referred to as EMT (explicit multiple core transform) or AMT (adaptive multiple transform).
  • the plurality of conversion types include, for example, DCT-II, DCT-V, DCT-VIII, DST-I and DST-VII.
  • FIG. 3 is a table showing conversion basis functions corresponding to each conversion type. In FIG. 3, N indicates the number of input pixels. Selection of a conversion type from among these multiple conversion types may depend on, for example, the type of prediction (intra prediction and inter prediction), or may depend on an intra prediction mode.
  • Information indicating whether or not to apply such EMT or AMT (for example, called an AMT flag) and information indicating the selected conversion type are signaled at the CU level.
  • AMT flag information indicating whether or not to apply such EMT or AMT
  • the signalization of these pieces of information need not be limited to the CU level, but may be other levels (for example, a sequence level, a picture level, a slice level, a tile level, or a CTU level).
  • the conversion unit 106 may reconvert the conversion coefficient (conversion result). Such reconversion is sometimes referred to as AST (adaptive secondary transform) or NSST (non-separable secondary transform). For example, the conversion unit 106 performs re-conversion for each sub-block (for example, 4 ⁇ 4 sub-block) included in the block of the conversion coefficient corresponding to the intra prediction error. Information indicating whether or not NSST is applied and information related to the transformation matrix used for NSST are signaled at the CU level. Note that the signalization of these pieces of information need not be limited to the CU level, but may be other levels (for example, a sequence level, a picture level, a slice level, a tile level, or a CTU level).
  • the separable conversion is a method of performing the conversion a plurality of times by separating the number of dimensions of the input for each direction, and the non-separable conversion is two or more when the input is multidimensional.
  • the dimensions are collectively regarded as one dimension, and conversion is performed collectively.
  • non-separable conversion if an input is a 4 ⁇ 4 block, it is regarded as one array having 16 elements, and 16 ⁇ 16 conversion is performed on the array. The thing which performs the conversion process with a matrix is mentioned.
  • a 4 ⁇ 4 input block is regarded as a single array having 16 elements, and then the Givens rotation is performed multiple times on the array (Hypercube Givens Transform) is also a non-separable. It is an example of conversion.
  • the quantization unit 108 quantizes the transform coefficient output from the transform unit 106. Specifically, the quantization unit 108 scans the transform coefficients of the current block in a predetermined scanning order, and quantizes the transform coefficients based on the quantization parameter (QP) corresponding to the scanned transform coefficients. Then, the quantization unit 108 outputs the quantized transform coefficient (hereinafter referred to as a quantization coefficient) of the current block to the entropy encoding unit 110 and the inverse quantization unit 112.
  • QP quantization parameter
  • the predetermined order is an order for quantization / inverse quantization of transform coefficients.
  • the predetermined scanning order is defined in ascending order of frequency (order from low frequency to high frequency) or descending order (order from high frequency to low frequency).
  • the quantization parameter is a parameter that defines a quantization step (quantization width). For example, if the value of the quantization parameter increases, the quantization step also increases. That is, if the value of the quantization parameter increases, the quantization error increases.
  • the entropy encoding unit 110 generates an encoded signal (encoded bit stream) by performing variable length encoding on the quantization coefficient that is input from the quantization unit 108. Specifically, the entropy encoding unit 110 binarizes the quantization coefficient, for example, and arithmetically encodes the binary signal.
  • the inverse quantization unit 112 inversely quantizes the quantization coefficient that is an input from the quantization unit 108. Specifically, the inverse quantization unit 112 inversely quantizes the quantization coefficient of the current block in a predetermined scanning order. Then, the inverse quantization unit 112 outputs the inverse-quantized transform coefficient of the current block to the inverse transform unit 114.
  • the inverse transform unit 114 restores the prediction error by inverse transforming the transform coefficient that is an input from the inverse quantization unit 112. Specifically, the inverse transform unit 114 restores the prediction error of the current block by performing an inverse transform corresponding to the transform by the transform unit 106 on the transform coefficient. Then, the inverse transformation unit 114 outputs the restored prediction error to the addition unit 116.
  • the restored prediction error does not match the prediction error calculated by the subtraction unit 104 because information is lost due to quantization. That is, the restored prediction error includes a quantization error.
  • 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 block memory 118 is a storage unit for storing blocks in an encoding target picture (hereinafter referred to as current picture) that are referred to in intra prediction. Specifically, the block memory 118 stores the reconstructed block output from the adding unit 116.
  • the loop filter unit 120 applies a loop filter to the block reconstructed by the adding unit 116 and outputs the filtered reconstructed block to the frame memory 122.
  • the loop filter is a filter (in-loop filter) used in the encoding loop, and includes, for example, a deblocking filter (DF), a sample adaptive offset (SAO), an adaptive loop filter (ALF), and the like.
  • a least square error filter is applied to remove coding distortion. For example, for each 2 ⁇ 2 sub-block in the current block, a plurality of multiples based on the direction of the local gradient and the activity are provided. One filter selected from the filters is applied.
  • sub-blocks for example, 2 ⁇ 2 sub-blocks
  • a plurality of classes for example, 15 or 25 classes.
  • the direction value D of the gradient is derived, for example, by comparing gradients in a plurality of directions (for example, horizontal, vertical, and two diagonal directions).
  • the gradient activation value A is derived, for example, by adding gradients in a plurality of directions and quantizing the addition result.
  • a filter for a sub-block is determined from among a plurality of filters.
  • FIG. 4A to 4C are diagrams showing a plurality of examples of filter shapes used in ALF.
  • 4A shows a 5 ⁇ 5 diamond shape filter
  • FIG. 4B shows a 7 ⁇ 7 diamond shape filter
  • FIG. 4C shows a 9 ⁇ 9 diamond shape filter.
  • Information indicating the shape of the filter is signalized at the picture level. It should be noted that the signalization of the information indicating the filter shape need not be limited to the picture level, but may be another level (for example, a sequence level, a slice level, a tile level, a CTU level, or a CU level).
  • ON / OFF of ALF is determined at the picture level or the CU level, for example. For example, for luminance, it is determined whether to apply ALF at the CU level, and for color difference, it is determined whether to apply ALF at the picture level.
  • Information indicating ALF on / off is signaled at the picture level or the CU level. Signaling of information indicating ALF on / off need not be limited to the picture level or the CU level, and may be performed at other levels (for example, a sequence level, a slice level, a tile level, or a CTU level). Good.
  • a coefficient set of a plurality of selectable filters (for example, up to 15 or 25 filters) is signalized at the picture level.
  • the signalization of the coefficient set need not be limited to the picture level, but may be another level (for example, sequence level, slice level, tile level, CTU level, CU level, or sub-block level).
  • the frame memory 122 is a storage unit for storing a reference picture used for inter prediction, and is sometimes called a frame buffer. Specifically, the frame memory 122 stores the reconstructed block filtered by the loop filter unit 120.
  • 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 intra prediction unit 124 performs intra prediction using one of a plurality of predefined intra prediction modes.
  • the plurality of intra prediction modes include one or more non-directional prediction modes and a plurality of directional prediction modes.
  • One or more non-directional prediction modes are for example H.264. It includes Planar prediction mode and DC prediction mode defined by H.265 / HEVC (High-Efficiency Video Coding) standard (Non-patent Document 1).
  • 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 luminance block may be referred to in the intra prediction of the color difference block. That is, the color difference component of the current block may be predicted based on the luminance component of the current block.
  • Such intra prediction is sometimes called CCLM (cross-component linear model) prediction.
  • the intra prediction mode (for example, called CCLM mode) of the color difference block which refers to such a luminance block may be added as one of the intra prediction modes of the color difference block.
  • the intra prediction unit 124 may correct the pixel value after intra prediction based on the gradient of the reference pixel in the horizontal / vertical direction. Intra prediction with such correction may be called PDPC (position dependent intra prediction combination). Information indicating whether or not PDPC is applied (for example, referred to as a PDPC flag) is signaled, for example, at the CU level.
  • the signalization of this information need not be limited to the CU level, but may be another level (for example, a sequence level, a picture level, a slice level, a tile level, or a CTU level).
  • 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
  • OBMC block size information indicating the size of a sub-block for OBMC
  • OBMC flag information indicating whether or not to apply the OBMC mode
  • the level of signalization of these information does not need to be limited to the sequence level and the CU level, and may be other levels (for example, a picture level, a slice level, a tile level, a CTU level, or a sub-block level). Good.
  • 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.
  • a prediction image (Pred) by normal motion compensation is acquired using a motion vector (MV) assigned to an encoding target block.
  • MV motion vector
  • a prediction image (Pred_L) is obtained by applying the motion vector (MV_L) of the encoded left adjacent block to the encoding target block, and prediction is performed by superimposing the prediction image and Pred_L with weights. Perform the first correction of the image.
  • the motion vector (MV_U) of the encoded upper adjacent block is applied to the block to be encoded to obtain a prediction image (Pred_U), and the prediction image and Pred_U that have been subjected to the first correction are weighted. Then, the second correction of the predicted image is performed by superimposing and making it the final predicted image.
  • the two-step correction method using the left adjacent block and the upper adjacent block has been described here, the correction may be performed more times than the two steps using the right adjacent block and the lower adjacent block. Is possible.
  • the area to be overlapped may not be the pixel area of the entire block, but only a part of the area near the block boundary.
  • 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.
  • the motion information may be derived on the decoding device side without being converted into a signal.
  • H.M. A merge mode defined in the H.265 / HEVC standard may be used.
  • the motion information may be derived by performing motion search on the decoding device side. In this case, motion search is performed without using the pixel value of the current block.
  • the mode in which motion search is performed on the decoding device side is sometimes called a PMMVD (patterned motion vector derivation) mode or an FRUC (frame rate up-conversion) mode.
  • PMMVD patterned motion vector derivation
  • FRUC frame rate up-conversion
  • FIG. 5D An example of FRUC processing is shown in FIG. 5D.
  • a list of a plurality of candidates each having a predicted motion vector (may be common with the merge list) is generated Is done.
  • the best candidate MV is selected from a plurality of candidate MVs registered in the candidate list. For example, the evaluation value of each candidate included in the candidate list is calculated, and one candidate is selected based on the evaluation value.
  • a motion vector for the current block is derived based on the selected candidate motion vector.
  • the selected candidate motion vector (best candidate MV) is directly derived as a motion vector for the current block.
  • the motion vector for the current block may be derived by performing pattern matching in the peripheral region at the position in the reference picture corresponding to the selected candidate motion vector. That is, the same method is used to search the area around the best candidate MV, and if there is an MV with a good evaluation value, the best candidate MV is updated to the MV, and the current block is updated. The final MV may be used. It is also possible to adopt a configuration in which the processing is not performed.
  • the same processing may be performed when processing is performed in units of sub-blocks.
  • the evaluation value is calculated by obtaining a difference value of the reconstructed image by pattern matching between a region in the reference picture corresponding to the motion vector and a predetermined region. Note that the evaluation value may be calculated using information other than the difference value.
  • the first pattern matching and the second pattern matching may be referred to as bilateral matching and template matching, respectively.
  • pattern matching is performed between two blocks in two different reference pictures that follow the motion trajectory of the current block. Therefore, in the first pattern matching, a region in another reference picture along the motion trajectory of the current block is used as the predetermined region for calculating the candidate evaluation value described above.
  • 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.
  • the difference from the reconstructed image at the designated position in the second encoded reference picture (Ref1) designated in (2) is derived, and the evaluation value is calculated using the obtained difference value.
  • the candidate MV having the best evaluation value among the plurality of candidate MVs may be selected as the final MV.
  • the motion vectors (MV0, MV1) pointing to the two reference blocks are temporal distances between the current picture (Cur Pic) and the two reference pictures (Ref0, Ref1). It is proportional to (TD0, TD1).
  • the first pattern matching uses a mirror-symmetric bi-directional motion vector Is derived.
  • 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
  • the reconstructed image of the encoded region of the left adjacent area and / or the upper adjacent area, and the equivalent in the encoded reference picture (Ref0) designated by the candidate MV When a difference from the reconstructed image at the position is derived, an evaluation value is calculated using the obtained difference value, and a candidate MV having the best evaluation value among a plurality of candidate MVs is selected as the best candidate MV. Good.
  • 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). .
  • BIO bi-directional optical flow
  • FIG. 8 is a diagram for explaining a model assuming constant velocity linear motion.
  • (v x , v y ) indicates a velocity vector
  • ⁇ 0 and ⁇ 1 are the time between the current picture (Cur Pic) and two reference pictures (Ref 0 , Ref 1 ), respectively.
  • the distance. (MVx 0 , MVy 0 ) indicates a motion vector corresponding to the reference picture Ref 0
  • (MVx 1 , MVy 1 ) indicates a motion vector corresponding to the reference picture Ref 1 .
  • 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. Based on a combination of this optical flow equation and Hermite interpolation, a block-based motion vector obtained from a merge list or the like is corrected in pixel units.
  • the motion vector may be derived on the decoding device side by a method different from the derivation of the motion vector based on the model assuming constant velocity linear motion.
  • a motion vector may be derived for each subblock based on the motion vectors of a plurality of adjacent blocks.
  • This mode may be referred to as an affine motion compensation prediction mode.
  • FIG. 9A is a diagram for explaining derivation of a motion vector in units of sub-blocks based on motion vectors of a plurality of adjacent blocks.
  • the current block includes 16 4 ⁇ 4 sub-blocks.
  • the motion vector v 0 of the upper left corner control point of the current block is derived based on the motion vector of the adjacent block
  • the motion vector v 1 of the upper right corner control point of the current block is derived based on the motion vector of the adjacent sub block. Is done.
  • the motion vector (v x , v y ) of each sub-block in the current block is derived by the following equation (2).
  • x and y indicate the horizontal position and vertical position of the sub-block, respectively, and w indicates a predetermined weight coefficient.
  • Such an affine motion compensation prediction mode may include several modes in which the motion vector derivation methods of the upper left and upper right corner control points are different.
  • Information indicating such an affine motion compensation prediction mode (for example, called an affine flag) is signaled at the CU level. Note that the information indicating the affine motion compensation prediction mode need not be limited to the CU level, but other levels (for example, sequence level, picture level, slice level, tile level, CTU level, or sub-block level). ).
  • the prediction control unit 128 selects either the intra prediction signal or the inter prediction signal, and outputs the selected signal to the subtraction unit 104 and the addition unit 116 as a prediction signal.
  • FIG. 9B is a diagram for explaining the outline of the motion vector deriving process in the merge mode.
  • 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 MV of neighboring blocks combined prediction MV that is MV generated by combining 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 There is.
  • variable length encoding unit describes and encodes merge_idx which is a signal indicating which prediction MV is selected in the stream.
  • the prediction MV registered in the prediction MV list described with reference to FIG. 9B is an example, and the number of prediction MVs may be different from the number in the figure, or may not include some types of prediction MVs in the figure. It may be the composition which added prediction MV other than the kind of prediction MV in a figure.
  • 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. 9C is a conceptual diagram for explaining an outline of DMVR processing.
  • the optimal MVP set in the processing target block is set as a candidate MV, and reference pixels from a first reference picture that is a processed picture in the L0 direction and a second reference picture that is a processed picture in the L1 direction are set according to the candidate MV. Are obtained, and a template is generated by taking the average of each reference pixel.
  • the peripheral areas of the candidate MVs of the first reference picture and the second reference picture are searched, respectively, and the MV with the lowest cost is determined as the final MV.
  • the cost value is calculated using a difference value between each pixel value of the template and each pixel value of the search area, an MV value, and the like.
  • 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.
  • the shape of the peripheral reference region in FIG. 9D is an example, and other shapes may be used.
  • the process of generating a predicted image from one reference picture has been described, but the same applies to the case of generating a predicted image from a plurality of reference pictures, and the same applies to reference images acquired from each reference picture.
  • the predicted image is generated after performing the luminance correction processing by the method.
  • lic_flag is a signal indicating whether to apply LIC processing.
  • the encoding device it is determined whether or not the encoding target block belongs to an area where the luminance change occurs, and if it belongs to the area where the luminance change occurs, lic_flag is set. Encode by applying LIC processing with a value of 1 set, and if not belonging to an area where a luminance change has occurred, set 0 as lic_flag and perform encoding without applying the LIC processing .
  • the decoding device by decoding lic_flag described in the stream, decoding is performed by switching whether to apply the LIC processing according to the value.
  • a method for determining whether or not to apply LIC processing for example, there is a method for determining whether or not LIC processing has been applied to peripheral blocks.
  • the encoding target block is in the merge mode
  • whether or not the surrounding encoded blocks selected in the derivation of the MV in the merge mode processing are encoded by applying the LIC processing. Judgment is performed, and encoding is performed by switching whether to apply the LIC processing according to the result.
  • the decoding process is exactly the same.
  • 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 includes an entropy decoding unit 202, an inverse quantization unit 204, an inverse transformation unit 206, an addition unit 208, a block memory 210, a loop filter unit 212, and a frame memory 214. And an intra prediction unit 216, an inter prediction unit 218, and a prediction control unit 220.
  • 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 inverse quantization unit 204 inversely quantizes the quantization coefficient of a decoding target block (hereinafter referred to as a current block) that is an input from the entropy decoding unit 202. Specifically, the inverse quantization unit 204 inversely quantizes each quantization coefficient of the current block based on the quantization parameter corresponding to the quantization coefficient. Then, the inverse quantization unit 204 outputs the quantization coefficient (that is, the transform coefficient) obtained by inverse quantization of the current block to the inverse transform unit 206.
  • a decoding target block hereinafter referred to as a current block
  • the inverse quantization unit 204 inversely quantizes each quantization coefficient of the current block based on the quantization parameter corresponding to the quantization coefficient. Then, the inverse quantization unit 204 outputs the quantization coefficient (that is, the transform coefficient) obtained by inverse quantization of the current block to the inverse transform unit 206.
  • the inverse transform unit 206 restores the prediction error by inverse transforming the transform coefficient that is an input from the inverse quantization unit 204.
  • the inverse conversion unit 206 determines the current block based on the information indicating the read conversion type. Inversely transform the conversion coefficient of.
  • the inverse transform unit 206 applies inverse retransformation to the transform coefficient.
  • the adder 208 reconstructs the current block by adding the prediction error input from the inverse converter 206 and the prediction sample input from the prediction controller 220. Then, the adding unit 208 outputs the reconfigured block to the block memory 210 and the loop filter unit 212.
  • 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 loop filter unit 212 applies a loop filter to the block reconstructed by the adding unit 208, and outputs the filtered reconstructed block to the frame memory 214, the display device, and the like.
  • one filter is selected from the plurality of filters based on the local gradient direction and activity, The selected filter is applied to the reconstruction block.
  • the frame memory 214 is a storage unit for storing a reference picture used for inter prediction, and is sometimes called a frame buffer. Specifically, the frame memory 214 stores the reconstructed block filtered by the loop filter unit 212.
  • the intra prediction unit 216 performs intra prediction with reference to the block in the current picture stored in the block memory 210 based on the intra prediction mode read from the encoded bitstream, so that a prediction signal (intra prediction Signal). Specifically, the intra prediction unit 216 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. Output to the unit 220.
  • a prediction signal for example, luminance value and color difference value
  • the intra prediction unit 216 may predict the color difference component of the current block based on the luminance component of the current block.
  • the intra prediction unit 216 corrects the pixel value after intra prediction based on the gradient of the reference pixel in the horizontal / vertical direction.
  • the inter prediction unit 218 refers to the reference picture stored in the frame memory 214 and predicts the current block. 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 218 generates an inter prediction signal of the current block or sub-block by performing motion compensation using motion information (for example, a motion vector) read from the encoded bitstream, and generates the inter prediction signal. The result is output to the prediction control unit 220.
  • motion information for example, a motion vector
  • the inter prediction unit 218 When the information read from the encoded bitstream indicates that the OBMC mode is to be applied, the inter prediction unit 218 includes not only the motion information of the current block obtained by motion search but also the motion information of adjacent blocks. To generate an inter prediction signal.
  • the inter prediction unit 218 follows the pattern matching method (bilateral matching or template matching) read from the encoded stream. Motion information is derived by performing motion search. Then, the inter prediction unit 218 performs motion compensation using the derived motion information.
  • 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 prediction control unit 220 selects either the intra prediction signal or the inter prediction signal, and outputs the selected signal to the adding unit 208 as a prediction signal.
  • FIG. 12 is a block diagram illustrating a configuration example of the loop filter unit 120 according to the present embodiment.
  • FIG. 13 is a flowchart of filter processing by the loop filter unit 120.
  • the loop filter unit 120 generates a filter image 316 by performing filter processing on the reconstructed image 311.
  • the reconstructed image 311 is an input image for filter processing, and is a decoded image after inverse orthogonal transformation.
  • the reconstructed image 311 may be an image after other filter processing such as deblocking filter (DF) or sample adaptive offset (SAO) is performed.
  • DF deblocking filter
  • SAO sample adaptive offset
  • the other filter processing may be performed on the image after the ALF processing is performed.
  • the loop filter unit 120 includes an edge strength calculation unit 301, an edge strength determination unit 302, a clip processing unit 303, a filter processing unit 304, and a selection unit 305.
  • the edge strength calculation unit 301 calculates the pre-clip edge strength 312 of each of the plurality of blocks included in the reconstructed image 311 (S101).
  • the edge strength determination unit 302 compares the pre-clip edge strength 312 of the processing target block with the pre-clip edge strength threshold 313 (S102). If the pre-clip edge strength 312 is greater than or equal to the threshold 313 (Yes in S102), the filter processing unit 304 does not perform filter processing (ALF processing) on the processing target block (S103). That is, the selection unit 305 outputs the reconstructed image 311 as the filter image 316.
  • ALF processing filter processing
  • the filter processing unit 304 performs filter processing (ALF processing) on the processing target block (S104). Specifically, the clip processing unit 303 calculates the post-clip edge strength 314 by performing clip processing on the pre-clip edge strength 312. For example, when the clip front edge strength 312 is equal to or less than a predetermined value (for example, 15), the clip processing unit 303 outputs the clip front edge strength 312 as the post-clip edge strength 314 as it is. When the clip front edge strength 312 exceeds a predetermined value (for example, 15), the clip processing unit 303 outputs the value (for example, 15) as the post-clip edge strength 314.
  • a predetermined value for example, 15
  • the filter processing unit 304 generates a filtered image 315 by performing filtering processing on the reconstructed image 311 of the processing target block according to the post-clip edge strength 314.
  • the selection unit 305 outputs the generated filtered image 315 as a filtered image 316.
  • the filter processing unit 304 performs ALF processing described in Patent Document 2.
  • the loop filter unit 120 When the filter process is not performed (S103), the loop filter unit 120 does not output the reconstructed image 311 as it is as the filter image 316, but separately performs a dedicated filter process on the reconstructed image 311.
  • the obtained image may be output as the filter image 316.
  • the threshold 313 may be a predetermined fixed value or a value set from the outside.
  • the loop filter unit 120 may calculate the value of the threshold value 313 that minimizes the residual that is the difference between the filtered image 316 and the original image in a processing unit such as a picture unit, and set the value as the threshold value 313. Good.
  • the loop filter unit 120 may set the value of the threshold 313 to a value larger than the maximum value of the clip front edge strength 312.
  • the pre-clip edge strength 312 is always less than the threshold 313 (No in S102), so that the filter process is always executed (S104). That is, when it is desired to always execute the filter process, the loop filter unit 120 sets the value of the threshold 313 to a value larger than the maximum value of the clip front edge strength 312.
  • filter coefficients and the like are determined for each processing unit including a plurality of blocks (for example, CU, CTU, slice, picture, or sequence) so that the residual after filtering is minimized.
  • the filter processing unit 304 may select a pixel to which the filter is applied based on the threshold 313, and design a filter coefficient for the selected pixel. That is, the filter processing unit 304 excludes blocks having a pre-clip edge strength 312 of the threshold 313 or higher from a plurality of blocks included in the processing unit, and uses the blocks having the pre-clip edge strength 312 of less than the threshold 313 to obtain a residual.
  • a filter coefficient or the like that minimizes may be determined.
  • the filter processing unit 304 determines a filter coefficient or the like that minimizes the residual using a block that is subjected to filter processing, by excluding blocks that are not subjected to filter processing, from a plurality of blocks included in the processing unit. May be.
  • an ALF method will be described as an example of a method for calculating the pre-clip edge strength 312 of the processing target block.
  • the calculation of the edge strength is not limited to this method, and the edge strength in a predetermined direction such as horizontal or vertical may be calculated by a filter process or the like.
  • the edge strength calculation unit 301 calculates the pre-clip edge strength 312 for each block of 4 ⁇ 4 pixels. First, as shown in (Equation 1) and (Equation 2), the edge strength calculation unit 301 applies a 3-tap filter in the horizontal and vertical directions to the input image (reconstructed image 311) to be filtered. carry out. Next, as shown in (Equation 3), the edge strength calculation unit 301 obtains TempHV by adding the respective results.
  • the edge strength calculation unit 301 performs a 6-tap filter in the horizontal direction with respect to TempHV every 4 pixels.
  • the edge strength calculation unit 301 performs a 6-tap filter in the vertical direction on the result for every four pixels.
  • the clip front edge strength 312 is calculated for each 4 ⁇ 4 pixel unit.
  • TempHV ′ [x] [y] (TempHV [x ⁇ 1] [y] + TempHV [x + 4] [y]) * 1 + (TempHV [x + 0] [y] + TempHV [x + 3] [y]) * 2 + (TempHV [x + 1] [y] + TempHV [x + 2] [y]) * 3 ...
  • FIG. 14A is a diagram illustrating an example of the reconstructed image 311.
  • FIG. 14B is a diagram illustrating an example of the clip front edge strength 312.
  • FIG. 14C is a diagram illustrating an example of the determination result 317 of ON / OFF of the filter process.
  • the reconstructed image 311 shown in FIG. 14A shows the maximum luminance value in units of 4 ⁇ 4 pixels.
  • the pre-clip edge strength 312 shown in FIG. 14B is the pre-clip edge strength 312 output from the edge strength calculation unit 301, and the edge strength is indicated in units of 4 ⁇ 4 pixels.
  • a determination result 317 illustrated in FIG. 14C is a determination result output by the edge strength determination unit 302 and indicates whether or not to perform the filter process in units of 4 ⁇ 4 pixels.
  • the value of the clip front edge intensity 312 is also a large value of 30 or more.
  • the edge strength determination unit 302 determines that the filtering process is not performed (OFF) for the region where the clip front edge strength 312 is “30” or more, and the clip front edge strength is determined. It is determined that filter processing is performed (ON) for an area where 312 is less than “30”. As a result, as shown in FIG. 14C, the filter processing is not performed on the region where the luminance value is rapidly changed, and the filter processing is performed on the other regions.
  • this filtering process may be a filtering process applied to all the pixels in the block, such as ALF.
  • the encoding apparatus 100 encodes an original image (prediction signal subtraction, orthogonal transformation and quantization) and decoding (inverse quantization, inverse orthogonal transformation and addition of a prediction signal).
  • the reconstructed image 311 is generated.
  • the encoding apparatus 100 performs a filtering process to be applied to all the pixels in the block on the processing target block.
  • the pre-clip edge strength 312 of the processing target block is higher than the threshold 313, the encoding apparatus 100 does not perform the filtering process on the processing target block.
  • the encoding apparatus 100 does not perform the filtering process on the block having a high edge strength. Therefore, for example, by performing the filter process, it is possible to prevent the filter process from being performed on a block that may increase the difference from the original image. Thereby, the image quality of the filter image 316 can be improved.
  • the filter process is an ALF process. That is, a filter to be used is set for each of a plurality of sections (classes) each having an edge strength range. Specifically, the plurality of sections are continuous ranges of edge strengths that do not overlap each other. For example, the encoding apparatus 100 determines a filter that minimizes the residual between the original image and the filtered image 315 for each section.
  • the encoding apparatus 100 determines a segment including the edge strength of the processing target block from the plurality of segments. The encoding apparatus 100 uses the filter set in the determined section for the processing target block.
  • the encoding apparatus 100 calculates the post-clip edge strength 314 by clipping the pre-clip edge strength 312 with a predetermined value (for example, 15). Further, the division in the filter processing is determined based on the post-clip edge strength 314, and whether or not to perform the filter processing is determined based on the pre-clip edge strength 312. That is, the encoding apparatus 100 determines a segment including the post-clipping edge strength 314. When the pre-clip edge strength 312 is lower than the threshold 313, the encoding apparatus 100 performs the filtering process on the processing target block, and does not perform the filtering process on the processing target block when the pre-clip edge strength 312 is higher than the threshold 313.
  • a predetermined value for example, 15
  • the threshold value 313 is higher than the predetermined value (for example, 15). Alternatively, the threshold value 313 is higher than the minimum value of the edge strength of the section having the highest edge strength range among the plurality of sections. In other words, the threshold value 313 is included in the section having the highest edge strength range among the plurality of sections.
  • the encoding apparatus 100 determines whether or not to perform the filter process by comparing the pre-clip edge strength 312 with the threshold value 313 higher than a predetermined value (for example, 15). Thereby, the encoding apparatus 100 can determine a block having particularly high edge strength among blocks having edge strength higher than a predetermined value determined to be the same segment. As a result, it is possible to prevent the filter process from being performed on blocks that may have an adverse effect on the filter process.
  • a predetermined value for example, 15
  • the decoding device 200 generates the reconstructed image 311 by decoding the encoded data (entropy decoding, inverse quantization, inverse transformation, and addition of the prediction signal).
  • the decoding device 200 performs filtering processing to be applied to all the pixels in the block on the processing target block.
  • the decoding device 200 does not perform filtering on the processing target block.
  • FIG. 15 is a block diagram illustrating a configuration example of the loop filter unit 120A according to the present embodiment.
  • FIG. 16 is a flowchart of filter processing by the loop filter unit 120A.
  • the loop filter unit 120A according to the present embodiment is different from the loop filter unit 120 according to the first embodiment in that the threshold value 313 is dynamically determined.
  • the loop filter unit 120A includes a threshold value determining unit 306 in addition to the configuration of the loop filter unit 120.
  • the encoding apparatus 100 also includes a threshold encoding unit 307. Further, in the process shown in FIG. 16, steps S105 and S106 are added to the process shown in FIG.
  • the threshold value determination unit 306 determines the threshold value 313 (S105). For example, the determination of the threshold value 313 is performed in units of processing such as CU, CTU, slice, picture, or sequence as preprocessing of filter processing. For example, the threshold value determination unit 306 assumes that the filter processing is not performed on the block having the pre-clip edge strength 312 of the threshold value 313 or more, and the threshold value 313 that minimizes the residual that is the difference between the filter image 316 and the original image. Is calculated.
  • the threshold value determination unit 306 sets the maximum value of the threshold value 313 to the maximum value +1 of the pre-clip edge strength 312 of a plurality of blocks in a processing unit (eg, a slice). This maximum value is a value determined to perform filter processing on all blocks in the processing unit. Further, the threshold value determination unit 306 sets the minimum value of the threshold value 313 to the minimum value of the pre-clip edge strength 312 of a plurality of blocks in the processing unit. This minimum value is a value determined not to perform the filter processing for all the blocks in the processing unit. The threshold determination unit 306 calculates a residual while changing the value of the threshold 313 within a range from the set minimum value to the maximum value, and uses the value of the threshold 313 that minimizes the residual as the value of the threshold 313 to be used. To decide.
  • the threshold value encoding unit 307 encodes information indicating the determined threshold value 313 (S106). That is, the threshold coding unit 307 generates the encoded bitstream including the information by signaling the information to the encoded bitstream. For example, the above information is stored in header information (CU header, CTU header, slice header, PPS or SPS) in units of CU, CTU, slice, picture or sequence.
  • This threshold value encoding unit 307 is included in, for example, the entropy encoding unit 110 illustrated in FIG.
  • the encoding apparatus 100 can set an appropriate threshold value 313 according to the input image, and therefore can appropriately determine whether or not to perform the filter processing using the threshold value 313.
  • FIG. 17 is a block diagram illustrating a configuration example of the loop filter unit 120B according to the present embodiment.
  • FIG. 18 is a flowchart of filter processing by the loop filter unit 120B.
  • the loop filter unit 120B illustrated in FIG. 17 includes a statistical value calculation unit 308 in addition to the configuration of the loop filter unit 120A illustrated in FIG. A function is added to the edge strength determination unit 302A. In the process shown in FIG. 18, steps S107, S108, and S109 are added to the process shown in FIG.
  • the statistical value calculation unit 308 calculates the statistical value 318 of the edge strength of the processing unit based on the edge strength of a plurality of blocks included in the processing unit (S107). For example, the statistical value calculation unit 308 calculates the statistical value 318 in units of processing such as CU, CTU, slice, picture, or sequence as preprocessing of filter processing. That is, the statistical value calculation unit 308 calculates the statistical value 318 of the pre-clip edge strength 312 of a plurality of blocks included in the processing unit to be filtered.
  • the statistical value 318 may be a ratio of blocks in which the pre-clip edge strength 312 is smaller or larger than a predetermined value among a plurality of blocks included in a processing unit, or a plurality of clips of a plurality of blocks.
  • the average value or standard deviation of the front edge intensity 312 may be used.
  • the edge strength determination unit 302A determines whether or not the statistical value 318 satisfies a predetermined condition (S108). When the statistical value 318 satisfies a predetermined condition (Yes in S108), the edge strength determination unit 302A determines that the filtering process is performed on all of the plurality of blocks included in the processing unit. Then, the filter processing unit 304 performs filter processing on all the blocks included in the processing unit (S109).
  • the statistical value 318 is a ratio of blocks in which the pre-clip edge strength 312 is larger than a predetermined value
  • the above condition is that the statistical value 318 is less than a predetermined threshold.
  • the statistical value 318 is an average value or standard deviation of the plurality of clip front edge strengths 312 of a plurality of blocks
  • the above condition is that the statistical value 318 is less than a predetermined threshold value. Two or more of these plural conditions may be combined.
  • the encoding apparatus 100 can switch whether or not to perform determination processing for determining whether or not to perform filter processing based on the statistical value 318. That is, the encoding apparatus 100 omits the processing from step S105 to step S106 when it can be determined that the strong edge strength is low or the possibility that the strong edge strength is distributed over a wide range is low based on the statistical value 318. it can. Thereby, a processing amount can be reduced.
  • FIG. 19 is a block diagram illustrating a configuration example of the loop filter unit 120C according to the present embodiment.
  • FIG. 20 is a flowchart of filter processing by the loop filter unit 120C.
  • the loop filter unit 120C illustrated in FIG. 19 includes a classification determination unit 309 in addition to the configuration of the loop filter unit 120 illustrated in FIG. Further, in the process shown in FIG. 20, step S110 is added to the process shown in FIG.
  • the classification determining unit 309 dynamically determines the edge intensity classification 320 in the ALF based on the EOTF of the video (original image or reconstructed image) indicated by the EOTF (Electro-Optical Transfer Function) information 319 (S110).
  • EOTF is a model that defines the correspondence between actual luminance values and pixel values (code values).
  • the classification determination unit 309 performs Step S110 for each unit in which switching of the EOTF information 319 may occur.
  • the filter processing unit 304 generates a filtered image 315 by performing filter processing on the reconstructed image 311 using the section 320. For example, in ALF, the clip processing unit 303 first clips the clip front edge strength 312 to a value between 0 and 15.
  • the filter processing unit 304 classifies the value of the post-clipping edge strength 314 into five fixed categories, and applies the classified filter of the five-level strength-specific filters to the processing target block.
  • the loop filter unit 120C can dynamically change the application range of the strength-specific filter by dynamically changing the edge strength classification 320 based on the EOTF information 319.
  • the classification determining unit 309 performs the process of step S110 for each sequence.
  • SPS Sequence Parameter Set
  • different EOTFs are used for HDR and SDR.
  • different EOTFs are used in a plurality of systems such as SMPTE ST2084 and ARIB STD B67.
  • determining the section 320 is determining the range of edge strengths of a plurality of sections. In other words, it is switched to which section each edge strength value is assigned. For example, when the EOTF information 319 indicates the HDR EOTF, the segment determination unit 309 makes the segment in the range with the higher edge strength finer than when the EOTF information 319 indicates the SDR EOTF. Section 320 is set in Thereby, the loop filter unit 120C can perform an appropriate filter process even in HDR in which high edge strength is likely to occur.
  • the segment determining unit 309 determines each of the statistical values 318 of the pre-clip edge strength 312 described in the third embodiment (the ratio of blocks having an edge strength higher or lower than a predetermined value, an average value, a standard deviation, or the like).
  • the segment 320 may be determined such that the ratio of pixels included in the segment is equal to or greater than a predetermined value, or the range of edge strengths included in each segment is within a predetermined value.
  • the classification determining unit 309 determines the edge strength when the proportion of blocks having an edge strength higher than a predetermined value, the average value, or the standard deviation is high, or when the proportion of blocks having an edge strength lower than the predetermined value is low.
  • the section 320 is set so that the high range section becomes finer.
  • the classification determining unit 309 determines the edge strength when the ratio of blocks whose edge strength is higher than a predetermined value, the average value or the standard deviation is low, or when the ratio of blocks whose edge strength is lower than the predetermined value is high.
  • the segment 320 is set so that the segment in the lower range becomes smaller. Thereby, it is possible to suppress the deviation of the ratio of the pixels for each section or the range of the edge intensity.
  • the loop filter unit 120C may switch whether or not to perform the determination process (S102 to S104) as to whether or not to perform the filter process based on the EOTF. For example, when HDR EOTF is used, the loop filter unit 120C performs determination processing (S102 to S104) on whether or not to perform filter processing for each block, and when SDR EOTF is used. Instead of performing the determination process (S102 to S104), the filtering process may be performed on all blocks. Thereby, the loop filter unit 120C can suppress deterioration in image quality by switching whether or not to perform filter processing for each block in HDR in which high edge strength is likely to occur, and can reduce the processing amount in SDR. .
  • the loop filter unit 120C may determine the threshold 313 based on EOTF. For example, the loop filter unit 120C may lower the threshold 313 when HDR EOTF is used compared to when SDR EOTF is used. As a result, the loop filter unit 120C can suppress the filtering process more easily in HDR in which high edge strength is likely to occur, and can suppress degradation in image quality in HDR.
  • the loop filter unit 120C determines the classification 320 in accordance with the EOTF information 319 .
  • the loop filter unit 120C has the luminance dynamic range (HDR or SDR) of the original image or the reconstructed image.
  • the segment 320 may be determined.
  • the loop filter unit 120C is not limited to the division 320 in the ALF, and may dynamically change other parameters of the filter processing according to the EOTF or the like.
  • the loop filter unit 120C may dynamically change the range of usable filter coefficients, the shape of the filter (for example, the number of taps), or the like.
  • the classification determining unit 309 performs the filtering process to be applied to all the pixels in the block for the processing target block included in the reconstructed image 311 based on the EOTF of the original image or the reconstructed image 311. Determine the parameters.
  • the parameter is a plurality of sections 320.
  • the filter processing unit 304 performs filter processing of the determined parameter on the processing target block.
  • the encoding apparatus 100 can perform filter processing suitable for each of sequences (for example, HDR and SDR) having different edge intensity distributions. Therefore, the image quality of the decoded image (reconstructed image) can be improved.
  • loop filter unit 120C included in the encoding device 100 has been described here, the same operation is performed in the loop filter unit 212 included in the decoding device 200.
  • FIG. 21 is a block diagram illustrating a configuration example of the loop filter unit 212A according to the present embodiment.
  • FIG. 22 is a flowchart of filter processing by the loop filter unit 212A.
  • the loop filter unit 212A is different from the loop filter unit 120A illustrated in FIG. 15 in that the threshold determination unit 306 is not provided.
  • the decoding apparatus 200 includes a threshold value decoding unit 321 instead of the threshold value encoding unit 307.
  • the process shown in FIG. 22 includes step S111 instead of steps S105 and S106 with respect to the process shown in FIG.
  • the threshold decoding unit 321 decodes information indicating the threshold 313 from the encoded bitstream transmitted from the encoding device 100 (S111).
  • the edge strength determination unit 302 determines whether or not to perform the filter process by comparing the threshold value 313 indicated by the decoded information with the pre-clip edge strength 312 (S102).
  • the threshold decoding unit 321 is included in, for example, the entropy decoding unit 202 illustrated in FIG.
  • FIG. 23 is a block diagram illustrating a configuration example of the loop filter unit 212B according to the present embodiment.
  • FIG. 24 is a flowchart of filter processing by the loop filter unit 212B.
  • the loop filter unit 212B is different from the loop filter unit 120B shown in FIG. 17 in that the threshold determining unit 306 is not provided.
  • the decoding apparatus 200 includes a threshold value decoding unit 321 instead of the threshold value encoding unit 307.
  • the process shown in FIG. 24 includes step S111 instead of steps S105 and S106 with respect to the process shown in FIG.
  • the threshold decoding unit 321 decodes information indicating the threshold 313 from the encoded bitstream transmitted from the encoding device 100 (S111).
  • the edge strength determination unit 302 determines whether or not to perform the filter process by comparing the threshold value 313 indicated by the decoded information with the pre-clip edge strength 312 (S102).
  • FIG. 25 is a block diagram showing an implementation example of encoding apparatus 100 according to Embodiments 1 to 6.
  • the encoding device 100 includes a circuit 160 and a memory 162.
  • a plurality of components of the encoding device 100 shown in FIG. 1 are implemented by the circuit 160 and the memory 162 shown in FIG.
  • the circuit 160 is a circuit that performs information processing and is a circuit that can access the memory 162.
  • the circuit 160 is a dedicated or general-purpose electronic circuit that encodes image information.
  • the circuit 160 may be a processor such as a CPU.
  • the circuit 160 may be an aggregate of a plurality of electronic circuits. Further, for example, the circuit 160 may serve as a plurality of constituent elements excluding the constituent elements for storing information among the plurality of constituent elements of the encoding device 100 illustrated in FIG. 1.
  • the memory 162 is a general purpose or dedicated memory in which information for the circuit 160 to encode image information is stored.
  • the memory 162 may be an electronic circuit or may be connected to the circuit 160. In addition, the memory 162 may be included in the circuit 160.
  • the memory 162 may be an aggregate of a plurality of electronic circuits. Further, the memory 162 may be a magnetic disk or an optical disk, or may be expressed as a storage or a recording medium.
  • the memory 162 may be a non-volatile memory or a volatile memory.
  • the memory 162 may store image information to be encoded, or may store a bit string corresponding to the encoded image information.
  • the memory 162 may store a program for the circuit 160 to encode image information.
  • the circuit 160 may serve as a component for storing information among a plurality of components of the encoding device 100 illustrated in FIG.
  • the memory 162 may serve as the block memory 118 and the frame memory 122 shown in FIG.
  • not all of the plurality of components shown in FIG. 1 or the like may be mounted, or all of the plurality of processes described above may not be performed. Some of the plurality of components shown in FIG. 1 and the like may be included in another device, and some of the plurality of processes described above may be executed by another device. Then, in the encoding device 100, a part of the plurality of components shown in FIG. 1 and the like are mounted, and a part of the plurality of processes described above is performed, so that the processing delay can be suppressed. .
  • FIG. 26 is a block diagram showing an implementation example of the decoding apparatus 200 according to Embodiments 1 to 6.
  • the decoding device 200 includes a circuit 260 and a memory 262.
  • a plurality of components of the decoding device 200 illustrated in FIG. 10 are implemented by the circuit 260 and the memory 262 illustrated in FIG.
  • the circuit 260 is a circuit that performs information processing and is a circuit that can access the memory 262.
  • the circuit 260 is a general-purpose or dedicated electronic circuit that decodes image information.
  • the circuit 260 may be a processor such as a CPU.
  • the circuit 260 may be an aggregate of a plurality of electronic circuits. Further, for example, the circuit 260 may serve as a plurality of constituent elements excluding the constituent elements for storing information among the plurality of constituent elements of the decoding device 200 illustrated in FIG. 10.
  • the memory 262 is a general purpose or dedicated memory in which information for the circuit 260 to decode the image information is stored.
  • the memory 262 may be an electronic circuit or may be connected to the circuit 260. Further, the memory 262 may be included in the circuit 260.
  • the memory 262 may be an aggregate of a plurality of electronic circuits.
  • the memory 262 may be a magnetic disk or an optical disk, or may be expressed as a storage or a recording medium. Further, the memory 262 may be a nonvolatile memory or a volatile memory.
  • the memory 262 may store a bit string corresponding to the encoded image information, or may store image information corresponding to the decoded bit string.
  • the memory 262 may store a program for the circuit 260 to decode the image information.
  • the circuit 260 may serve as a component for storing information among a plurality of components of the decoding device 200 illustrated in FIG.
  • the memory 262 may serve as the block memory 210 and the frame memory 214 shown in FIG.
  • the decoding device 200 not all of the plurality of components shown in FIG. 10 and the like may be implemented, or all of the plurality of processes described above may not be performed. Some of the plurality of components shown in FIG. 10 and the like may be included in another device, and some of the plurality of processes described above may be executed by another device. In the decoding device 200, a part of the plurality of components illustrated in FIG. 10 and the like are mounted, and a part of the plurality of processes described above is performed, so that processing delay can be suppressed.
  • the encoding device and the decoding device according to the present embodiment have been described, but the present disclosure is not limited to this embodiment.
  • each processing unit included in the encoding device and the decoding device according to the above embodiment is typically realized as an LSI which is an integrated circuit. These may be individually made into one chip, or may be made into one chip so as to include a part or all of them.
  • circuits are not limited to LSI, and may be realized by a dedicated circuit or a general-purpose processor.
  • An FPGA Field Programmable Gate Array
  • reconfigurable processor that can reconfigure the connection and setting of circuit cells inside the LSI may be used.
  • each component may be configured by dedicated hardware or may be realized by executing a software program suitable for each component.
  • Each component may be realized by a program execution unit such as a CPU or a processor reading and executing a software program recorded on a recording medium such as a hard disk or a semiconductor memory.
  • the encoding device and the decoding device include a processing circuit and a storage device (storage) electrically connected to the processing circuit (accessible from the processing circuit).
  • the processing circuit includes at least one of dedicated hardware and a program execution unit.
  • the storage device stores a software program executed by the program execution unit. The processing circuit executes the encoding method or the decoding method in the above embodiment using a storage device.
  • the present disclosure may be the above software program or a non-transitory computer readable recording medium on which the above program is recorded. Needless to say, the program can be distributed via a transmission medium such as the Internet.
  • division of functional blocks in the block diagram is an example, and a plurality of functional blocks can be realized as one functional block, a single functional block can be divided into a plurality of functions, or some functions can be transferred to other functional blocks. May be.
  • functions of a plurality of functional blocks having similar functions may be processed in parallel or time-division by a single hardware or software.
  • the order in which the steps included in the above encoding method or decoding method are executed is for illustrating the present disclosure specifically, and may be in an order other than the above. Also, some of the above steps may be executed simultaneously (in parallel) with other steps.
  • the encoding device, the decoding device, the encoding method, and the decoding method according to one or more aspects of the present disclosure have been described based on the embodiment, but the present disclosure is limited to the embodiment. It is not a thing. Unless it deviates from the gist of the present disclosure, one or more of the present disclosure may be applied to various modifications conceived by those skilled in the art in the present embodiment or a configuration constructed by combining components in different embodiments. It may be included within the scope of the embodiments.
  • 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. 27 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 streaming server ex103 may be directly connected to the communication network ex104 without going through the Internet ex101 or the Internet service provider ex102, or may be directly connected to the airplane ex117 without going through the satellite ex116.
  • the camera ex113 is a device that can shoot still images and moving images such as a digital camera.
  • the smartphone ex115 is a smartphone, a mobile phone, a PHS (Personal Handyphone System), or the like that corresponds to a mobile communication system generally called 2G, 3G, 3.9G, 4G, and 5G in the future.
  • PHS Personal Handyphone System
  • the home appliance ex118 is a device included in a refrigerator or a household fuel cell cogeneration system.
  • a terminal having a photographing function is connected to the streaming server ex103 through the base station ex106 or the like, thereby enabling live distribution or the like.
  • the terminal (computer ex111, game machine ex112, camera ex113, home appliance ex114, smartphone ex115, terminal in airplane ex117, etc.) is used for the still image or video content captured by the user using the terminal.
  • the encoding process described in each embodiment is performed, and the video data obtained by the encoding and the sound data obtained by encoding the sound corresponding to the video are multiplexed, and the obtained data is transmitted to the streaming server ex103. That is, each terminal functions as an image encoding device according to an aspect of the present disclosure.
  • 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 captured data may be encoded at each terminal, may be performed on the server side, or may be shared with each other.
  • a processing loop is performed twice.
  • the first loop the complexity of the image or the code amount in units of frames or scenes is detected.
  • the second loop processing for maintaining the image quality and improving the coding efficiency is performed.
  • the terminal performs the first encoding process
  • the server receiving the content performs the second encoding process, thereby improving the quality and efficiency of the content while reducing the processing load on each terminal. it can.
  • the encoded data of the first time performed by the terminal can be received and reproduced by another terminal, enabling more flexible real-time distribution.
  • 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 may create viewpoint images for the right eye and the left eye, respectively, and perform encoding that allows reference between each viewpoint video by Multi-View Coding (MVC) or the like. You may encode as another stream, without referring. At the time of decoding another stream, it is preferable to reproduce in synchronization with each other so that a virtual three-dimensional space is reproduced according to the viewpoint of the user.
  • MVC Multi-View Coding
  • 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 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. 30 shows an example of a web page display screen on the computer ex111 or the like.
  • FIG. 31 is a diagram illustrating an example of a display screen 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 image content, and the appearance differs depending on the browsing device.
  • the display 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.
  • FIG. 32 is a diagram illustrating the smartphone ex115.
  • FIG. 33 is a diagram illustrating a configuration example of the smartphone ex115.
  • the smartphone ex115 receives the antenna ex450 for transmitting / receiving radio waves to / from the base station ex110, the camera unit ex465 capable of taking video and still images, the video captured by the camera unit ex465, and the antenna ex450.
  • a display unit ex458 for displaying data obtained by decoding the video or the like.
  • the smartphone ex115 further includes an operation unit ex466 that is a touch panel or the like, a voice output unit ex457 that is a speaker or the like for outputting voice or sound, a voice input unit ex456 that is a microphone or the like for inputting voice, and photographing.
  • Memory unit ex467 that can store encoded video or still image, recorded audio, received video or still image, encoded data such as mail, or decoded data, and a user, and network
  • An external memory may be used instead of the memory unit ex467.
  • 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 power supply circuit unit ex461 starts up the smartphone ex115 in an operable state by supplying power from the battery pack to each unit.
  • 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, a digital video camera, a video conference system, or an electronic mirror.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Discrete Mathematics (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

符号化装置（１００）は、再構成画像（３１１）を生成し、再構成画像（３１１）に含まれる処理対象ブロックのエッジ強度が閾値（３１３）より低い場合（Ｓ１０２でＮｏ）、処理対象ブロックに、ブロック内の全ての画素に対して適用するフィルタ処理を行い（Ｓ１０４）、処理対象ブロックのエッジ強度が閾値（３１３）より高い場合（Ｓ１０２でＹｅｓ）、処理対象ブロックにフィルタ処理を行わない（Ｓ１０３）。　また、符号化装置（１００）は、再構成画像のＥＯＴＦ（Electro-Optical Transfer Function）に基づき、前記再構成画像に含まれる処理対象ブロックのための、ブロック内の全ての画素に対して適用するフィルタ処理のパラメータを決定し、前記決定したパラメータの前記フィルタ処理を行う。

Description

符号化装置、復号装置、符号化方法及び復号方法
　本開示は、符号化装置、復号装置、符号化方法及び復号方法に関する。
　最新の動画像符号化標準規格であるＨＥＶＣ（Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）規格では、符号化効率を向上させるために様々な検討がされている（例えば、非特許文献１参照）。この方式は、Ｈ．２６ｘで示されるＩＴＵ－Ｔ（国際電気通信連合電気通信標準化部門）規格、及び、ＭＰＥＧ－ｘで示されるＩＳＯ／ＩＥＣ規格であり、Ｈ．２６４／ＡＶＣ、又はＭＰＥＧ－４　ＡＶＣで示される規格の次の映像符号化規格として検討された。
ＩＴＵ－Ｔ　Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ　Ｈ．２６５　「Ｈｉｇｈ　ｅｆｆｉｃｉｅｎｃｙ　ｖｉｄｅｏ　ｃｏｄｉｎｇ」、２０１５年４月 Ｊｏｉｎｔ　Ｖｉｄｅｏ　Ｅｘｐｌｏｒａｔｉｏｎ　Ｔｅａｍ　（ＪＶＥＴ）　ｏｆ　ＩＴＵ－Ｔ　ＳＧ１６　ＷＰ３　ａｎｄ　ＩＳＯ／ＩＥＣ　ＪＴＣ１／ＳＣ２９／ＷＧ１１　１ｎｄ　Ｍｅｅｔｉｎｇ：　Ｇｅｎｅｖａ，　ＣＨ，　１９-２１　Ｏｃｔｏｂｅｒ　２０１５，　ＪＶＥＴ－Ａ１００１，　"Ａｌｇｏｒｉｔｈｍ　Ｄｅｓｃｒｉｐｔｉｏｎ　ｏｆ　Ｊｏｉｎｔ　Ｅｘｐｌｏｒａｔｉｏｎ　Ｔｅｓｔ　Ｍｏｄｅｌ　１"
　このような、符号化方法及び復号方法では、復号画像（再構成画像）の画質を向上できることが望まれている。
　本開示は、復号画像の画質を向上できる符号化装置、復号装置、符号化方法又は復号方法を提供することを目的とする。
　本開示の一態様に係る符号化装置は、回路と、メモリとを備え、前記回路は、前記メモリを用いて、原画像を符号化及び復号することで再構成画像を生成し、前記再構成画像に含まれる処理対象ブロックのエッジ強度が閾値より低い場合、前記処理対象ブロックに、ブロック内の全ての画素に対して適用するフィルタ処理を行い、前記処理対象ブロックの前記エッジ強度が前記閾値より高い場合、前記処理対象ブロックに前記フィルタ処理を行わない。
　本開示の一態様に係る符号化装置は、回路と、メモリとを備え、前記回路は、前記メモリを用いて、原画像を符号化及び復号することで再構成画像を生成し、前記原画像のＥＯＴＦ（Ｅｌｅｃｔｒｏ－Ｏｐｔｉｃａｌ　Ｔｒａｎｓｆｅｒ　Ｆｕｎｃｔｉｏｎ）に基づき、前記再構成画像に含まれる処理対象ブロックのための、ブロック内の全ての画素に対して適用するフィルタ処理のパラメータを決定し、前記決定したパラメータの前記フィルタ処理を、前記処理対象ブロックに行う。
　本開示の一態様に係る復号装置は、回路と、メモリとを備え、前記回路は、前記メモリを用いて、符号化データを復号することで再構成画像を生成し、前記再構成画像に含まれる処理対象ブロックのエッジ強度が閾値より低い場合、前記処理対象ブロックに、ブロック内の全ての画素に対して適用するフィルタ処理を行い、前記処理対象ブロックの前記エッジ強度が前記閾値より高い場合、前記処理対象ブロックに前記フィルタ処理を行わない。
　本開示の一態様に係る復号装置は、回路と、メモリとを備え、前記回路は、前記メモリを用いて、符号化データを復号することで再構成画像を生成し、前記再構成画像のＥＯＴＦ（Ｅｌｅｃｔｒｏ－Ｏｐｔｉｃａｌ　Ｔｒａｎｓｆｅｒ　Ｆｕｎｃｔｉｏｎ）に基づき、前記再構成画像に含まれる処理対象ブロックのための、ブロック内の全ての画素に対して適用するフィルタ処理のパラメータを決定し、前記決定したパラメータの前記フィルタ処理を、前記処理対象ブロックに行う。
　なお、これらの包括的又は具体的な態様は、システム、装置、方法、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などの非一時的な記録媒体で実現されてもよく、システム、装置、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、復号画像の画質を向上できる符号化装置、復号装置、符号化方法又は復号方法を提供できる。
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１１Ａは、フィルタ強度の分布例を示す図である。 図１１Ｂは、フィルタ強度の分布例を示す図である。 図１２は、実施の形態１に係るループフィルタ部のブロック図である。 図１３は、実施の形態１に係るフィルタ処理のフローチャートである。 図１４Ａは、実施の形態１に係る再構成画像の一例を示す図である。 図１４Ｂは、実施の形態１に係るエッジ強度の一例を示す図である。 図１４Ｃは、実施の形態１に係るフィルタ処理のオン／オフの判定結果の一例を示す図である。 図１５は、実施の形態２に係るループフィルタ部のブロック図である。 図１６は、実施の形態２に係るフィルタ処理のフローチャートである。 図１７は、実施の形態３に係るループフィルタ部のブロック図である。 図１８は、実施の形態３に係るフィルタ処理のフローチャートである。 図１９は、実施の形態４に係るループフィルタ部のブロック図である。 図２０は、実施の形態４に係るフィルタ処理のフローチャートである。 図２１は、実施の形態５に係るループフィルタ部のブロック図である。 図２２は、実施の形態５に係るフィルタ処理のフローチャートである。 図２３は、実施の形態６に係るループフィルタ部のブロック図である。 図２４は、実施の形態６に係るフィルタ処理のフローチャートである。 図２５は、符号化装置の実装例を示すブロック図である。 図２６は、復号装置の実装例を示すブロック図である。 図２７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２８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２９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３０は、ｗｅｂページの表示画面例を示す図である。 図３１は、ｗｅｂページの表示画面例を示す図である。 図３２は、スマートフォンの一例を示す図である。 図３３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）
　Ｉｎ－ｌｏｏｐフィルタの１つとして、再構成画像を原画像により近づけることを目的としたＡｄａｐｔｉｖｅ　Ｌｏｏｐ　Ｆｉｌｔｅｒ（ＡＬＦ）がある（例えば、非特許文献２参照）。ＡＬＦでは周辺画素値から算出された処理対象ブロックのエッジ強度に基づき、処理対象ブロックに５段階の強度別フィルタが適用される。具体的には、算出されたエッジ強度はまず０～１５の値にクリップされる。クリップ後の値が５段階の固定区分のいずれかに分類される。そして、５段階の強度別フィルタのうち、分類された区分のフィルタが処理対象ブロックに適用される。
　しかしながら、上記の手法では、算出したエッジ強度が１６以上の場合は全て１５にクリップされることで、エッジ強度が１６以上の全てのブロックに同じフィルタが適用される。ここで、エッジ強度が非常に高い場合（例えば３０以上の場合）にはフィルタが適合しないケースが多くある。これにより、フィルタ後の画像と原画像との差分が、フィルタ前の画像と原画像との差分より大きくなる場合がある。
　図１１Ａ及び図１１Ｂは、クリップ前のエッジ強度の分布の例を示す図である。図１１Ａに示す例では、１６以上のエッジ強度の割合が少ない。よって、上述した手法により適切にフィルタ処理を行える。一方で、図１１Ｂに示すように、１６以上のエッジ強度の割合が多く、エッジ強度が広範囲に分布している場合には、この１６以上の全てのエッジ強度に対して同一のフィルタが適用されることになる。これにより、このフィルタを最適化することが困難となり、フィルタを適用することで原画像との差が大きくなってしまうブロックが発生する可能性ある。
　また、クリップ後のエッジ強度が固定的に５段階に区分されているが、例えばＳＤＲ（Ｓｔａｎｄａｒｄ　Ｄｙｎａｍｉｃ　Ｒａｎｇｅ）映像とＨＤＲ（Ｈｉｇｈ　Ｄｙｎａｍｉｃ　Ｒａｎｇｅ）映像などエッジ強度の分布が異なるシーケンスの場合でも同じ固定区分が用いられるため、エッジ強度の分布に適さないフィルタ設計となる場合がある。
　本開示の一態様に係る符号化装置は、回路と、メモリとを備え、前記回路は、前記メモリを用いて、原画像を符号化及び復号することで再構成画像を生成し、前記再構成画像に含まれる処理対象ブロックのエッジ強度が閾値より低い場合、前記処理対象ブロックに、ブロック内の全ての画素に対して適用するフィルタ処理を行い、前記処理対象ブロックの前記エッジ強度が前記閾値より高い場合、前記処理対象ブロックに前記フィルタ処理を行わない。
　これによれば、エッジ強度が高いブロックに対してはフィルタ処理が行われない。これにより、例えば、フィルタ処理を行うことで原画像との差が大きくなる可能性があるブロックに対してフィルタ処理が行われないようにできる。よって、復号画像の画質を向上できる。
　例えば、前記フィルタ処理では、各々がエッジ強度の範囲である複数の区分の各々に対して、使用するフィルタが設定されており、前記複数の区分から、前記処理対象ブロックの前記エッジ強度が含まれる区分を判定し、判定した前記区分に設定されているフィルタを前記処理対象ブロックに使用してもよい。
　例えば、前記判定では、前記エッジ強度を所定値でクリップし、クリップ後のエッジ強度が含まれる区分を判定し、クリップ前のエッジ強度が前記閾値より低い場合、前記処理対象ブロックに前記フィルタ処理を行い、前記クリップ前の前記エッジ強度が前記閾値より高い場合、前記処理対象ブロックに前記フィルタ処理を行わなくてもよい。
　例えば、前記閾値は、前記所定値より高くてもよい。
　例えば、前記回路は、さらに、前記閾値を決定し、決定した前記閾値を示す情報を含む符号化ビットストリームを生成してもよい。
　これによれば、適切な閾値を設定できるので、当該閾値を用いてフィルタ処理を行うか否かを適切に判定できる。
　例えば、前記回路は、さらに、処理単位に含まれる複数のブロックのエッジ強度に基づき、当該処理単位のエッジ強度の統計値を算出し、前記統計値が予め定められた条件を満たす場合、前記処理単位に含まれる前記複数のブロックの全てに前記フィルタ処理を行ってもよい。
　これによれば、統計値に基づき、フィルタ処理を行うか否かを判定する判定処理を行う否かを切り替えることができる。よって、当該判定処理の発生頻度を低減できるので、当該判定処理に伴う処理量の増加を抑制できる。
　例えば、前記回路は、さらに、前記原画像のＥＯＴＦ（Ｅｌｅｃｔｒｏ－Ｏｐｔｉｃａｌ　Ｔｒａｎｓｆｅｒ　Ｆｕｎｃｔｉｏｎ）に基づき、前記処理対象ブロックのための前記フィルタ処理のパラメータを決定してもよい。
　これによれば、エッジ強度の分布が異なるシーケンスに対して、それぞれに適したフィルタ処理を行うことができる。
　本開示の一態様に係る符号化装置は、回路と、メモリとを備え、前記回路は、前記メモリを用いて、原画像を符号化及び復号することで再構成画像を生成し、前記原画像のＥＯＴＦ（Ｅｌｅｃｔｒｏ－Ｏｐｔｉｃａｌ　Ｔｒａｎｓｆｅｒ　Ｆｕｎｃｔｉｏｎ）に基づき、前記再構成画像に含まれる処理対象ブロックのための、ブロック内の全ての画素に対して適用するフィルタ処理のパラメータを決定し、前記決定したパラメータの前記フィルタ処理を、前記処理対象ブロックに行う。
　これによれば、エッジ強度の分布が異なるシーケンスに対して、それぞれに適したフィルタ処理を行うことができる。よって、復号画像の画質を向上できる。
　例えば、前記フィルタ処理では、各々がエッジ強度の範囲である複数の区分の各々に対して、使用するフィルタが設定されており、前記複数の区分から、前記処理対象ブロックのエッジ強度が含まれる区分を判定し、判定した前記区分に設定されているフィルタを前記処理対象ブロックに使用し、前記パラメータは、前記複数の区分であってもよい。
　本開示の一態様に係る復号装置は、回路と、メモリとを備え、前記回路は、前記メモリを用いて、符号化データを復号することで再構成画像を生成し、前記再構成画像に含まれる処理対象ブロックのエッジ強度が閾値より低い場合、前記処理対象ブロックに、ブロック内の全ての画素に対して適用するフィルタ処理を行い、前記処理対象ブロックの前記エッジ強度が前記閾値より高い場合、前記処理対象ブロックに前記フィルタ処理を行わない。
　これによれば、エッジ強度が高いブロックに対してはフィルタ処理が行われない。これにより、例えば、フィルタ処理を行うことで原画像との差が大きくなる可能性があるブロックに対してフィルタ処理が行われないようにできる。よって、復号画像の画質を向上できる。
　例えば、前記フィルタ処理では、各々がエッジ強度の範囲である複数の区分の各々に対して、使用するフィルタが設定されており、前記複数の区分から、前記処理対象ブロックの前記エッジ強度が含まれる区分を判定し、判定した前記区分に設定されているフィルタを前記処理対象ブロックに使用してもよい。
　例えば、前記判定では、前記エッジ強度を所定値でクリップし、クリップ後のエッジ強度が含まれる区分を判定し、クリップ前のエッジ強度が前記閾値より低い場合、前記処理対象ブロックに前記フィルタ処理を行い、前記クリップ前の前記エッジ強度が前記閾値より高い場合、前記処理対象ブロックに前記フィルタ処理を行わなくてもよい。
　例えば、前記閾値は、前記所定値より高くてもよい。
　例えば、前記回路は、さらに、前記符号化データを含む符号化ビットストリームから前記閾値を示す情報を取得してもよい。
　これによれば、適切な閾値を設定できるので、当該閾値を用いてフィルタ処理を行うか否かを適切に判定できる。
　例えば、前記回路は、さらに、処理単位に含まれる複数のブロックのエッジ強度に基づき、当該処理単位のエッジ強度の統計値を算出し、前記統計値が予め定められた条件を満たす場合、前記処理単位に含まれる前記複数のブロックの全てに前記フィルタ処理を行ってもよい。
　これによれば、統計値に基づき、フィルタ処理を行うか否かを判定する判定処理を行う否かを切り替えることができる。よって、当該判定処理の発生頻度を低減できるので、当該判定処理に伴う処理量の増加を抑制できる。
　例えば、前記回路は、さらに、前記再構成画像のＥＯＴＦ（Ｅｌｅｃｔｒｏ－Ｏｐｔｉｃａｌ　Ｔｒａｎｓｆｅｒ　Ｆｕｎｃｔｉｏｎ）に基づき、前記処理対象ブロックのための前記フィルタ処理のパラメータを決定してもよい。
　これによれば、エッジ強度の分布が異なるシーケンスに対して、それぞれに適したフィルタ処理を行うことができる。
　本開示の一態様に係る復号装置は、回路と、メモリとを備え、前記回路は、前記メモリを用いて、符号化データを復号することで再構成画像を生成し、前記再構成画像のＥＯＴＦ（Ｅｌｅｃｔｒｏ－Ｏｐｔｉｃａｌ　Ｔｒａｎｓｆｅｒ　Ｆｕｎｃｔｉｏｎ）に基づき、前記再構成画像に含まれる処理対象ブロックのための、ブロック内の全ての画素に対して適用するフィルタ処理のパラメータを決定し、前記決定したパラメータの前記フィルタ処理を、前記処理対象ブロックに行う。
　これによれば、エッジ強度の分布が異なるシーケンスに対して、それぞれに適したフィルタ処理を行うことができる。よって、復号画像の画質を向上できる。
　例えば、前記フィルタ処理では、各々がエッジ強度の範囲である複数の区分の各々に対して、使用するフィルタが設定されており、前記複数の区分から、前記処理対象ブロックのエッジ強度が含まれる区分を判定し、判定した前記区分に設定されているフィルタを前記処理対象ブロックに使用し、前記パラメータは、前記複数の区分であってもよい。
　本開示の一態様に係る符号化方法は、原画像を符号化及び復号することで再構成画像を生成し、前記再構成画像に含まれる処理対象ブロックのエッジ強度が閾値より低い場合、前記処理対象ブロックに、ブロック内の全ての画素に対して適用するフィルタ処理を行い、前記処理対象ブロックの前記エッジ強度が前記閾値より高い場合、前記処理対象ブロックに前記フィルタ処理を行わない。
　これによれば、エッジ強度が高いブロックに対してはフィルタ処理が行われない。これにより、例えば、フィルタ処理を行うことで原画像との差が大きくなる可能性があるブロックに対してフィルタ処理が行われないようにできる。よって、復号画像の画質を向上できる。
　本開示の一態様に係る符号化方法は、原画像を符号化及び復号することで再構成画像を生成し、前記原画像のＥＯＴＦ（Ｅｌｅｃｔｒｏ－Ｏｐｔｉｃａｌ　Ｔｒａｎｓｆｅｒ　Ｆｕｎｃｔｉｏｎ）に基づき、前記再構成画像に含まれる処理対象ブロックのための、ブロック内の全ての画素に対して適用するフィルタ処理のパラメータを決定し、前記決定したパラメータの前記フィルタ処理を、前記処理対象ブロックに行う。
　これによれば、エッジ強度の分布が異なるシーケンスに対して、それぞれに適したフィルタ処理を行うことができる。よって、復号画像の画質を向上できる。
　本開示の一態様に係る復号方法は、符号化データを復号することで再構成画像を生成し、前記再構成画像に含まれる処理対象ブロックのエッジ強度が閾値より低い場合、前記処理対象ブロックに、ブロック内の全ての画素に対して適用するフィルタ処理を行い、前記処理対象ブロックの前記エッジ強度が前記閾値より高い場合、前記処理対象ブロックに前記フィルタ処理を行わない。
　これによれば、エッジ強度が高いブロックに対してはフィルタ処理が行われない。これにより、例えば、フィルタ処理を行うことで原画像との差が大きくなる可能性があるブロックに対してフィルタ処理が行われないようにできる。よって、復号画像の画質を向上できる。
　本開示の一態様に係る復号方法は、符号化データを復号することで再構成画像を生成し、前記再構成画像のＥＯＴＦ（Ｅｌｅｃｔｒｏ－Ｏｐｔｉｃａｌ　Ｔｒａｎｓｆｅｒ　Ｆｕｎｃｔｉｏｎ）に基づき、前記再構成画像に含まれる処理対象ブロックのための、ブロック内の全ての画素に対して適用するフィルタ処理のパラメータを決定し、前記決定したパラメータの前記フィルタ処理を、前記処理対象ブロックに行う。
　これによれば、エッジ強度の分布が異なるシーケンスに対して、それぞれに適したフィルタ処理を行うことができる。よって、復号画像の画質を向上できる。
　さらに、これらの包括的又は具体的な態様は、システム、装置、方法、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などの非一時的な記録媒体で実現されてもよく、システム、装置、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。
　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。
　［アダプティブループフィルタ］
　以下、ループフィルタ部１２０により行われるアダプティブループフィルタ（ＡＬＦ）処理について説明する。図１２は、本実施の形態に係るループフィルタ部１２０の構成例を示すブロック図である。図１３は、ループフィルタ部１２０によるフィルタ処理のフローチャートである。
　ループフィルタ部１２０は、再構成画像３１１にフィルタ処理を行うことでフィルタ画像３１６を生成する。再構成画像３１１とは、フィルタ処理の入力画像であり、逆直交変換後の復号画像である。なお、再構成画像３１１は、デブロッキング・フィルタ（ＤＦ）又はサンプルアダプティブオフセット（ＳＡＯ）等の他のフィルタ処理が実施された後の画像であってもよい。または、ＡＬＦ処理が行われた後の画像に対して、上記他のフィルタ処理が行われてもよい。
　このループフィルタ部１２０は、エッジ強度算出部３０１と、エッジ強度判定部３０２と、クリップ処理部３０３と、フィルタ処理部３０４と、選択部３０５とを備える。
　エッジ強度算出部３０１は、再構成画像３１１に含まれる複数のブロックの各々のクリップ前エッジ強度３１２を算出する（Ｓ１０１）。ここでブロックとは、フィルタ処理の処理単位でありｎ×ｎ画素（例えばｎ＝２又は４）である。
　以下のステップＳ１０２～Ｓ１０４の処理は、ブロック毎に繰り返し行われる。エッジ強度判定部３０２は、処理対象ブロックのクリップ前エッジ強度３１２とクリップ前エッジ強度用の閾値３１３とを比較する（Ｓ１０２）。クリップ前エッジ強度３１２が閾値３１３以上の場合（Ｓ１０２でＹｅｓ）、フィルタ処理部３０４は、処理対象ブロックにフィルタ処理（ＡＬＦ処理）を行わない（Ｓ１０３）。つまり、選択部３０５は、再構成画像３１１をフィルタ画像３１６として出力する。
　一方、クリップ前エッジ強度３１２が閾値３１３未満の場合（Ｓ１０２でＮｏ）、フィルタ処理部３０４は、処理対象ブロックにフィルタ処理（ＡＬＦ処理）を行う（Ｓ１０４）。具体的には、クリップ処理部３０３は、クリップ前エッジ強度３１２にクリップ処理を行うことでクリップ後エッジ強度３１４を算出する。例えば、クリップ処理部３０３は、クリップ前エッジ強度３１２が予め定められた値（例えば１５）以下の場合には、クリップ前エッジ強度３１２をそのままクリップ後エッジ強度３１４として出力する。また、クリップ処理部３０３は、クリップ前エッジ強度３１２が予め定められた値（例えば１５）を超える場合には、クリップ後エッジ強度３１４として当該値（例えば１５）を出力する。
　次に、フィルタ処理部３０４は、処理対象ブロックの再構成画像３１１に、クリップ後エッジ強度３１４に応じたフィルタ処理を行うことで、フィルタ後画像３１５を生成する。選択部３０５は、生成されたフィルタ後画像３１５をフィルタ画像３１６として出力する。例えば、フィルタ処理部３０４は、特許文献２に記載のＡＬＦ処理を行う。
　なお、フィルタ処理を行わない場合（Ｓ１０３）において、ループフィルタ部１２０は、再構成画像３１１をそのままフィルタ画像３１６として出力するのではなく、再構成画像３１１に別途専用のフィルタ処理を実施し、得られた画像をフィルタ画像３１６として出力してもよい。
　また、閾値３１３は、予め定められた固定値であってもよいし、外部から設定された値であってもよい。または、ループフィルタ部１２０は、ピクチャ単位などの処理単位においてフィルタ画像３１６と原画像との差分である残差が最小となる閾値３１３の値を算出し、その値を閾値３１３として設定してもよい。
　また、ループフィルタ部１２０は、閾値３１３の値をクリップ前エッジ強度３１２の最大値より大きい値に設定してもよい。これにより、クリップ前エッジ強度３１２は常に閾値３１３未満になるため（Ｓ１０２でＮｏ）、常にフィルタ処理が実行される（Ｓ１０４）。つまり、常にフィルタ処理を実行したい場合に、ループフィルタ部１２０は、閾値３１３の値をクリップ前エッジ強度３１２の最大値より大きい値に設定する。
　また、ＡＬＦ処理では、複数のブロックを含む処理単位（例えばＣＵ、ＣＴＵ、スライス、ピクチャ又はシーケンス）毎に、フィルタ処理後の残差が最小となるようにフィルタ係数などが決定される。この際に、フィルタ処理部３０４は、閾値３１３に基づいてフィルタが適用される画素を選択し、選択された画素を対象としてフィルタ係数を設計してもよい。つまり、フィルタ処理部３０４は、処理単位に含まれる複数のブロックから、クリップ前エッジ強度３１２が閾値３１３以上のブロックを除外した、クリップ前エッジ強度３１２が閾値３１３未満のブロックを用いて、残差が最小となるフィルタ係数等を決定してもよい。言い換えると、フィルタ処理部３０４は、処理単位に含まれる複数のブロックから、フィルタ処理を行わないブロックを除外した、フィルタ処理を行うブロックを用いて、残差が最小となるフィルタ係数等を決定してもよい。
　なお、ここでは符号化装置１００に含まれるループフィルタ部１２０の動作を説明したが、復号装置２００に含まれるループフィルタ部２１２においても同様の動作が行われる。
　以下、処理対象ブロックのクリップ前エッジ強度３１２の算出手法の一例として、ＡＬＦにおける手法を説明する。なお、エッジ強度の算出は本手法に限定されるものではなく、水平又は垂直などの所定の方向に対するエッジ強度がフィルタ処理などにより算出されてもよい。
　ブロックが４×４画素の場合、エッジ強度算出部３０１は、クリップ前エッジ強度３１２を４×４画素のブロック毎に算出する。エッジ強度算出部３０１は、まず、（式１）及び（式２）に示すように、フィルタ対象となる入力画像（再構成画像３１１）に対して水平方向及び垂直方向それぞれに３タップのフィルタを実施する。次に、エッジ強度算出部３０１は、（式３）に示すように、それぞれの結果を加算することでＴｅｍｐＨＶを求める。
　ＴｅｍｐＨ［ｘ］［ｙ］＝ａｂｓ（（ｓ［ｘ］［ｙ］＜＜１）－（ｓ［ｘ－１］［ｙ］）－（ｓ［ｘ＋１］［ｙ］））　　・・・（式１）
　ＴｅｍｐＶ［ｘ］［ｙ］＝ａｂｓ（（ｓ［ｘ］［ｙ］＜＜１）－（ｓ［ｘ］［ｙ－１］）－（ｓ［ｘ］［ｙ＋１］））　　・・・（式２）
　ＴｅｍｐＨＶ［ｘ］［ｙ］＝ＴｅｍｐＨ［ｘ］［ｙ］＋ＴｅｍｐＶ［ｘ］［ｙ］　　・・・（式３）
　（ｘ＝１～ｗｉｄｔｈ－１，ｙ＝１～ｈｅｉｇｈｔ－１，ｘ＋＋，ｙ＋＋，ｓ［］［］：フィルタ対象入力画像）
　その後、エッジ強度算出部３０１は、（式４）に示すように、ＴｅｍｐＨＶに対して水平方向に６タップのフィルタを４画素毎に実施する。次に、エッジ強度算出部３０１は、（式５）に示すように、その結果に対して垂直方向に６タップのフィルタを４画素毎に実施する。これにより、４×４画素単位毎のクリップ前エッジ強度３１２が算出される。
　ＴｅｍｐＨＶ’［ｘ］［ｙ］＝（ＴｅｍｐＨＶ［ｘ－１］［ｙ］＋ＴｅｍｐＨＶ［ｘ＋４］［ｙ］）＊１
　　＋（ＴｅｍｐＨＶ［ｘ＋０］［ｙ］＋ＴｅｍｐＨＶ［ｘ＋３］［ｙ］）＊２
　　＋（ＴｅｍｐＨＶ［ｘ＋１］［ｙ］　＋　ＴｅｍｐＨＶ［ｘ＋２］［ｙ］）＊３
　　・・・（式４）
　（ｙ＝０～ｈｅｉｇｈｔ－１；ｙ＋＋），（ｘ＝１～ｗｉｄｔｈ－１；ｘ＋＝４）
　ＴｅｍｐＨＶ’’［ｘ－１］［ｙ－１］＝（ＴｅｍｐＨＶ’［ｘ］［ｙ－１］＋ＴｅｍｐＨＶ［ｘ］［ｙ＋４］）＊１
　　＋（ＴｅｍｐＨＶ’［ｘ］［ｙ＋０］＋ＴｅｍｐＨＶ［ｘ］［ｙ＋３］）＊２
　　＋（ＴｅｍｐＨＶ’［ｘ］［ｙ＋１］＋ＴｅｍｐＨＶ［ｘ］［ｙ＋２］）＊３
　　・・・（式５）
　（ｙ＝１～ｈｅｉｇｈｔ－１；ｙ＋＝４），（ｘ＝１～ｗｉｄｔｈ－１；ｘ＋＝４）
　以下、判定処理の具体例を説明する。図１４Ａは、再構成画像３１１の一例を示す図である。図１４Ｂは、クリップ前エッジ強度３１２の一例を示す図である。図１４Ｃは、フィルタ処理のオン及びオフの判定結果３１７の一例を示す図である。
　図１４Ａに示す再構成画像３１１は、４×４画素単位の最大輝度値を示す。図１４Ｂに示すクリップ前エッジ強度３１２は、エッジ強度算出部３０１が出力するクリップ前エッジ強度３１２であり、４×４画素単位でエッジ強度が示される。図１４Ｃに示す判定結果３１７は、エッジ強度判定部３０２が出力する判定結果であり、４×４画素単位でフィルタ処理を行うか否かを示す。
　再構成画像３１１において輝度値が急激に変化している領域は、図１４Ｂに示すようにクリップ前エッジ強度３１２の値も３０以上の大きな値となっている。例えば、閾値３１３の値が「３０」の場合、エッジ強度判定部３０２はクリップ前エッジ強度３１２が「３０」以上の領域に対してフィルタ処理を行わない（ＯＦＦ）と判定し、クリップ前エッジ強度３１２が「３０」未満の領域に対してはフィルタ処理を行う（ＯＮ）と判定する。その結果、図１４Ｃに示すように、輝度値が急激に変化している領域はフィルタ処理が行われず、それ以外の領域にはフィルタ処理が行われる。
　なお、上記説明では、フィルタ処理としてＡＬＦを行う例を述べたが、他のフィルタ処理に対しても同様の手法を適用してもよい。例えば、このフィルタ処理は、ＡＬＦのように、ブロック内の全ての画素に対して適用するフィルタ処理であってもよい。
　以上のように、本実施の形態に係る符号化装置１００は、原画像を符号化（予測信号の減算、直交変換及び量子化）及び復号（逆量子化、逆直交変換及び予測信号の加算）することで再構成画像３１１を生成する。符号化装置１００は、再構成画像３１１に含まれる処理対象ブロックのエッジ強度が閾値３１３より低い場合、処理対象ブロックに、ブロック内の全ての画素に対して適用するフィルタ処理を行う。符号化装置１００は、処理対象ブロックのクリップ前エッジ強度３１２が閾値３１３より高い場合、処理対象ブロックに上記フィルタ処理を行わない。
　これにより、符号化装置１００は、エッジ強度が高いブロックに対してはフィルタ処理を行わない。よって、例えば、フィルタ処理を行うことで原画像との差が大きくなる可能性があるブロックに対してフィルタ処理が行われないようにできる。これにより、フィルタ画像３１６の画質を向上できる。
　例えば、上記フィルタ処理はＡＬＦ処理である。つまり、各々がエッジ強度の範囲である複数の区分（クラス）の各々に対して、使用するフィルタが設定されている。具体的には、複数の区分は互いに重複しないエッジ強度の連続する範囲である。例えば、符号化装置１００は、区分毎に、原画像とフィルタ後画像３１５との残差が最小となるフィルタを決定する。
　符号化装置１００は、複数の区分から、処理対象ブロックのエッジ強度が含まれる区分を判定する。符号化装置１００は、判定した区分に設定されているフィルタを処理対象ブロックに使用する。
　また、符号化装置１００は、クリップ前エッジ強度３１２を所定値（例えば１５）でクリップすることでクリップ後エッジ強度３１４を算出する。また、フィルタ処理における区分はクリップ後エッジ強度３１４に基づき判定され、フィルタ処理を行うか否かは、クリップ前エッジ強度３１２に基づき判定される。つまり、符号化装置１００は、クリップ後エッジ強度３１４が含まれる区分を判定する。符号化装置１００は、クリップ前エッジ強度３１２が閾値３１３より低い場合、処理対象ブロックにフィルタ処理を行い、クリップ前エッジ強度３１２が閾値３１３より高い場合、処理対象ブロックにフィルタ処理を行わない。
　また、閾値３１３は、上記所定値（例えば１５）より高い。または、閾値３１３は、複数の区分のうちエッジ強度の範囲が最も高い区分のエッジ強度の最小値よりも高い。言い換えると、閾値３１３は、複数の区分のうちエッジ強度の範囲が最も高い区分に含まれる。
　このように、符号化装置１００は、フィルタ処理を行うか否かの判定を、クリップ前エッジ強度３１２と、所定値（例えば１５）よりも高い閾値３１３とを比較することで行う。これにより、符号化装置１００は、同一区分と判定される所定値よりも高いエッジ強度を有するブロックのうち、特にエッジ強度が強いブロックを判別できる。これにより、フィルタ処理が悪影響を及ぼす可能性があるブロックに対してフィルタ処理を行わないようにできる。
　また、復号装置２００においても同様の処理が行われる。つまり、復号装置２００は、符号化データを復号（エントロピー復号、逆量子化、逆変換及び予測信号の加算）することで再構成画像３１１を生成する。復号装置２００は、再構成画像３１１に含まれる処理対象ブロックのエッジ強度が閾値３１３より低い場合、処理対象ブロックに、ブロック内の全ての画素に対して適用するフィルタ処理を行う。復号装置２００は、処理対象ブロックのクリップ前エッジ強度３１２が閾値３１３より高い場合、処理対象ブロックにフィルタ処理を行わない。
　（実施の形態２）
　本実施の形態ではループフィルタ部１２０の変形例について説明する。図１５は、本実施の形態に係るループフィルタ部１２０Ａの構成例を示すブロック図である。図１６は、ループフィルタ部１２０Ａによるフィルタ処理のフローチャートである。
　本実施の形態に係るループフィルタ部１２０Ａは、閾値３１３を動的に決定する点が実施の形態１に係るループフィルタ部１２０と異なる。
　図１５に示すようにループフィルタ部１２０Ａは、ループフィルタ部１２０の構成に加え、閾値決定部３０６を備える。また、符号化装置１００は、閾値符号化部３０７を備える。また、図１６に示す処理は、図１３に示す処理に対してステップＳ１０５及びＳ１０６が追加されている。
　閾値決定部３０６は、閾値３１３を決定する（Ｓ１０５）。例えば、この閾値３１３の決定は、フィルタ処理の前処理としてＣＵ、ＣＴＵ、スライス、ピクチャ又はシーケンスなどの処理単位で実施される。例えば、閾値決定部３０６は、クリップ前エッジ強度３１２が閾値３１３以上のブロックにはフィルタ処理を行わないことを前提に、フィルタ画像３１６と原画像との差分である残差が最小となる閾値３１３を算出する。
　このとき、閾値決定部３０６は、閾値３１３の最大値を、処理単位（例えばスライス等）内の複数のブロックのクリップ前エッジ強度３１２の最大値＋１に設定する。この最大値は、処理単位内の全てのブロックに対してフィルタ処理を行うと判定される値である。また、閾値決定部３０６は、閾値３１３の最小値を、処理単位内の複数のブロックのクリップ前エッジ強度３１２の最小値に設定する。この最小値は、処理単位内の全てのブロックに対してフィルタ処理を行わないと判定される値である。閾値決定部３０６は、設定した最小値から最大値までの範囲で、閾値３１３の値を変更しながら残差を算出し、残差が最小となる閾値３１３の値を、使用する閾値３１３の値に決定する。
　また、閾値符号化部３０７は、決定された閾値３１３を示す情報を符号化する（Ｓ１０６）。つまり、閾値符号化部３０７は、符号化ビットストリームに上記情報をシグナリングすることで、上記情報を含む符号化ビットストリームを生成する。例えば、上記情報は、ＣＵ、ＣＴＵ、スライス、ピクチャ又はシーケンス単位のヘッダ情報（ＣＵヘッダ、ＣＴＵヘッダ、スライスヘッダ、ＰＰＳ又はＳＰＳ）に格納される。この閾値符号化部３０７は、例えば、図１に示すエントロピー符号化部１１０に含まれる。
　以上により、本実施の形態に係る符号化装置１００は、入力画像に応じた適切な閾値３１３を設定できるので、当該閾値３１３を用いてフィルタ処理を行うか否かを適切に判定できる。
　（実施の形態３）
　本実施の形態では、実施の形態２に係るループフィルタ部１２０Ａの変形例について説明する。図１７は、本実施の形態に係るループフィルタ部１２０Ｂの構成例を示すブロック図である。図１８は、ループフィルタ部１２０Ｂによるフィルタ処理のフローチャートである。
　図１７に示すループフィルタ部１２０Ｂは、図１５に示すループフィルタ部１２０Ａの構成に加え、統計値算出部３０８を備える。また、エッジ強度判定部３０２Ａに機能が追加されている。また、図１８に示す処理は、図１６に示す処理に対してステップＳ１０７、Ｓ１０８及びＳ１０９が追加されている。
　統計値算出部３０８は、処理単位に含まれる複数のブロックのエッジ強度に基づき、当該処理単位のエッジ強度の統計値３１８を算出する（Ｓ１０７）。例えば、統計値算出部３０８は、フィルタ処理の前処理としてＣＵ、ＣＴＵ、スライス、ピクチャ又はシーケンスなどの処理単位で統計値３１８を算出する。つまり、統計値算出部３０８は、フィルタ処理の対象となる処理単位に含まれる複数のブロックのクリップ前エッジ強度３１２の統計値３１８を算出する。
　例えば、統計値３１８は、処理単位に含まれる複数のブロックのうち、クリップ前エッジ強度３１２＝０のブロックの割合である。なお、統計値３１８は、処理単位に含まれる複数のブロックのうち、クリップ前エッジ強度３１２が予め定められた値より小さい又は大きいブロックの割合であってもよいし、複数のブロックの複数のクリップ前エッジ強度３１２の平均値又は標準偏差であってもよい。
　エッジ強度判定部３０２Ａは、統計値３１８が予め定められた条件を満たすか否かを判定する（Ｓ１０８）。統計値３１８が予め定められた条件を満たす場合（Ｓ１０８でＹｅｓ）、エッジ強度判定部３０２Ａは、処理単位に含まれる複数のブロックの全てにフィルタ処理を行うと判定する。そして、フィルタ処理部３０４は、処理単位に含まれる全てのブロックに対してフィルタ処理を行う（Ｓ１０９）。
　ここで、上記条件は、統計値３１８が、クリップ前エッジ強度３１２＝０のブロックの割合、又は、クリップ前エッジ強度３１２が予め定められた値より小さいブロックの割合である場合には、統計値３１８が予め定められた閾値以上であることである。また、統計値３１８が、クリップ前エッジ強度３１２が予め定められた値より大きいブロックの割合である場合には、上記条件は、統計値３１８が予め定められた閾値未満であることである。また、統計値３１８が、複数のブロックの複数のクリップ前エッジ強度３１２の平均値又は標準偏差である場合には、上記条件は、統計値３１８が予め定められた閾値未満であることである。なお、これらの複数の条件のうち２以上が組み合わされてもよい。
　これによれば、符号化装置１００は、統計値３１８に基づき、フィルタ処理を行うか否かを判定する判定処理を行う否かを切り替えることができる。つまり、符号化装置１００は、統計値３１８に基づき、強いエッジ強度が少ない、又は強いエッジ強度が広範囲に分布する可能性が低いと判定できる場合には、ステップＳ１０５からステップＳ１０６までの処理を省略できる。これにより、処理量を低減できる。
　（実施の形態４）
　本実施の形態では実施の形態１に係るループフィルタ部１２０の変形例について説明する。図１９は、本実施の形態に係るループフィルタ部１２０Ｃの構成例を示すブロック図である。図２０は、ループフィルタ部１２０Ｃによるフィルタ処理のフローチャートである。
　図１９に示すループフィルタ部１２０Ｃは、図１２に示すループフィルタ部１２０の構成に加え、区分決定部３０９を備える。また、図２０に示す処理は、図１３に示す処理に対してステップＳ１１０が追加されている。
　区分決定部３０９は、ＥＯＴＦ（Ｅｌｅｃｔｒｏ－Ｏｐｔｉｃａｌ　Ｔｒａｎｓｆｅｒ　Ｆｕｎｃｔｉｏｎ）情報３１９で示される映像（原画像又は再構成画像）のＥＯＴＦに基づき、ＡＬＦにおけるエッジ強度の区分３２０を動的に決定する（Ｓ１１０）。ここで、ＥＯＴＦとは、実際の輝度値と画素値（コード値）との対応関係を規定するモデルである。
　例えば、区分決定部３０９は、ＥＯＴＦ情報３１９の切り替えが発生しうる単位毎にステップＳ１１０を実施する。フィルタ処理部３０４は、再構成画像３１１に対して、区分３２０を用いてフィルタ処理を実施することで、フィルタ後画像３１５を生成する。例えば、ＡＬＦでは、クリップ処理部３０３は、クリップ前エッジ強度３１２を、まず０～１５の値にクリップする。フィルタ処理部３０４は、クリップ後エッジ強度３１４の値を５段階の固定区分に分類し、５段階の強度別フィルタのうち、分類された区分のフィルタを処理対象ブロックに適用する。本実施の形態では、ループフィルタ部１２０Ｃは、ＥＯＴＦ情報３１９に基づき、エッジ強度の区分３２０を動的に変更することで強度別フィルタの適用範囲を動的に変更することができる。
　例えば、ＨＥＶＣでは、ＥＯＴＦ情報３１９は、ＳＰＳ（Ｓｅｑｕｅｎｃｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）と呼ばれるシーケンス単位のヘッダ情報に格納される。よって、区分決定部３０９は、シーケンス単位でステップＳ１１０の処理を実施する。なお、コンテンツ毎にＨＤＲかＳＤＲかが固定である場合、つまり、コンテンツ単位でＥＯＴＦ情報３１９が固定である場合には、区分決定部３０９は、コンテンツの再生開始時に１度ステップＳ１１０の処理を実施する。
　例えば、ＨＤＲとＳＤＲとでは異なるＥＯＴＦが使用される。さらに、ＨＤＲにおいてもＳＭＰＴＥ　ＳＴ２０８４、及びＡＲＩＢ　ＳＴＤ　Ｂ６７などの複数の方式において異なるＥＯＴＦが使用される。
　ここで、区分３２０を決定するとは、複数の区分のエッジ強度の範囲を決定することである。言い換えると、各エッジ強度の値をどの区分に割り当てるかが切り替えられる。例えば、区分決定部３０９は、ＥＯＴＦ情報３１９によりＨＤＲ用のＥＯＴＦが示される場合には、ＥＯＴＦ情報３１９によりＳＤＲ用のＥＯＴＦが示される場合に比べ、エッジ強度の高い範囲の区分がより細かくなるように区分３２０を設定する。これにより、ループフィルタ部１２０Ｃは、高いエッジ強度が発生しやすいＨＤＲにおいても適切なフィルタ処理を行える。
　さらに、区分決定部３０９は、実施の形態３で説明したクリップ前エッジ強度３１２の統計値３１８（所定値よりエッジ強度が高い或いは低いブロックの割合、平均値又は標準偏差等）に基づいて、各区分に含まれる画素の割合が所定値以上になるように、又は、各区分に含まれるエッジ強度の範囲が所定値以内になるように、区分３２０を決定してもよい。
　例えば、区分決定部３０９は、所定値よりエッジ強度が高いブロックの割合、平均値或いは標準偏差等が高い場合、又は、所定値よりエッジ強度が低いブロックの割合が低い場合には、エッジ強度の高い範囲の区分がより細かくなるように区分３２０を設定する。逆に、区分決定部３０９は、所定値よりエッジ強度が高いブロックの割合、平均値或いは標準偏差等が低い場合、又は、所定値よりエッジ強度が低いブロックの割合が高い場合には、エッジ強度の低い範囲の区分がより細かくなるように区分３２０を設定する。これにより、区分毎の画素の割合又はエッジ強度の範囲などの偏りを抑制できる。
　また、ループフィルタ部１２０Ｃは、ＥＯＴＦに基づき、フィルタ処理を行うか否かの判定処理（Ｓ１０２～Ｓ１０４）を行うか否かを切り替えてもよい。例えば、ループフィルタ部１２０Ｃは、ＨＤＲ用のＥＯＴＦが用いられる場合には、ブロック毎にフィルタ処理を行うか否かの判定処理（Ｓ１０２～Ｓ１０４）を行い、ＳＤＲ用のＥＯＴＦが用いられる場合には、当該判定処理（Ｓ１０２～Ｓ１０４）を行わず、全てのブロックにフィルタ処理を行ってもよい。これにより、ループフィルタ部１２０Ｃは、高いエッジ強度が発生しやすいＨＤＲにおいては、ブロック毎にフィルタ処理を行うか否かを切り替えることで画質の低下を抑制できるとともに、ＳＤＲにおいては処理量を低減できる。
　また、ループフィルタ部１２０Ｃは、ＥＯＴＦに基づき、閾値３１３を決定してもよい。例えば、ループフィルタ部１２０Ｃは、ＨＤＲ用のＥＯＴＦが用いられる場合には、ＳＤＲ用のＥＯＴＦが用いられる場合に比べて、閾値３１３を低くしてもよい。これにより、ループフィルタ部１２０Ｃは、高いエッジ強度が発生しやすいＨＤＲにおいては、よりフィルタ処理が行われにくくできるので、ＨＤＲにおける画質の低下を抑制できる。
　また、上記説明では、ループフィルタ部１２０Ｃが、ＥＯＴＦ情報３１９に応じて区分３２０を決定する例を述べたが、ループフィルタ部１２０Ｃは、原画像又は再構成画像の輝度ダイナミックレンジ（ＨＤＲ又はＳＤＲ）に応じて、区分３２０を決定してもよい。
　また、ループフィルタ部１２０Ｃは、ＡＬＦにおける区分３２０に限らず、ＥＯＴＦ等に応じて、フィルタ処理の他のパラメータを動的に変更してもよい。例えば、ループフィルタ部１２０Ｃは、使用可能なフィルタ係数の範囲、又は、フィルタの形状（例えばタップ数）等を動的に変更してもよい。
　以上のように、区分決定部３０９は、原画像又は再構成画像３１１のＥＯＴＦに基づき、再構成画像３１１に含まれる処理対象ブロックのための、ブロック内の全ての画素に対して適用するフィルタ処理のパラメータを決定する。例えば、パラメータは、複数の区分３２０である。
　フィルタ処理部３０４は、決定したパラメータのフィルタ処理を、処理対象ブロックに行う。
　これにより、符号化装置１００は、エッジ強度の分布が異なるシーケンス（例えば、ＨＤＲ及びＳＤＲ）に対して、それぞれに適したフィルタ処理を行うことができる。よって、復号画像（再構成画像）の画質を向上できる。
　なお、ここでは符号化装置１００に含まれるループフィルタ部１２０Ｃの動作を説明したが、復号装置２００に含まれるループフィルタ部２１２においても同様の動作が行われる。
　（実施の形態５）
　本実施の形態では、実施の形態２に係る符号化装置１００により生成された符号化ビットストリームを復号する復号装置２００について説明する。図２１は、本実施の形態に係るループフィルタ部２１２Ａの構成例を示すブロック図である。図２２は、ループフィルタ部２１２Ａによるフィルタ処理のフローチャートである。
　図２１に示すようにループフィルタ部２１２Ａは、図１５に示すループフィルタ部１２０Ａに対して、閾値決定部３０６を備えない点が異なる。また、復号装置２００は、閾値符号化部３０７の代わりに閾値復号部３２１を備える。また、図２２に示す処理は、図１６に示す処理に対してステップＳ１０５及びＳ１０６の代わりにステップＳ１１１を含む。
　閾値復号部３２１は、符号化装置１００から送信された符号化ビットストリームから閾値３１３を示す情報を復号する（Ｓ１１１）。エッジ強度判定部３０２は、復号された情報で示される閾値３１３とクリップ前エッジ強度３１２とを比較することでフィルタ処理を行う否かを判定する（Ｓ１０２）。この閾値復号部３２１は、例えば、図１０に示すエントロピー復号部２０２に含まれる。
　（実施の形態６）
　本実施の形態では、実施の形態３に係る符号化装置１００により生成された符号化ビットストリームを復号する復号装置２００について説明する。図２３は、本実施の形態に係るループフィルタ部２１２Ｂの構成例を示すブロック図である。図２４は、ループフィルタ部２１２Ｂによるフィルタ処理のフローチャートである。
　図２３に示すようにループフィルタ部２１２Ｂは、図１７に示すループフィルタ部１２０Ｂに対して、閾値決定部３０６を備えない点が異なる。また、復号装置２００は、閾値符号化部３０７の代わりに閾値復号部３２１を備える。また、図２４に示す処理は、図１８に示す処理に対してステップＳ１０５及びＳ１０６の代わりにステップＳ１１１を含む。
　閾値復号部３２１は、符号化装置１００から送信された符号化ビットストリームから閾値３１３を示す情報を復号する（Ｓ１１１）。エッジ強度判定部３０２は、復号された情報で示される閾値３１３とクリップ前エッジ強度３１２とを比較することでフィルタ処理を行う否かを判定する（Ｓ１０２）。
　［符号化装置の実装例］
　図２５は、実施の形態１～６に係る符号化装置１００の実装例を示すブロック図である。符号化装置１００は、回路１６０及びメモリ１６２を備える。例えば、図１に示された符号化装置１００の複数の構成要素は、図２０に示された回路１６０及びメモリ１６２によって実装される。
　回路１６０は、情報処理を行う回路であり、メモリ１６２にアクセス可能な回路である。例えば、回路１６０は、画像情報を符号化する専用又は汎用の電子回路である。回路１６０は、ＣＰＵのようなプロセッサであってもよい。また、回路１６０は、複数の電子回路の集合体であってもよい。また、例えば、回路１６０は、図１に示された符号化装置１００の複数の構成要素のうち、情報を記憶するための構成要素を除く、複数の構成要素の役割を果たしてもよい。
　メモリ１６２は、回路１６０が画像情報を符号化するための情報が記憶される汎用又は専用のメモリである。メモリ１６２は、電子回路であってもよく、回路１６０に接続されていてもよい。また、メモリ１６２は、回路１６０に含まれていてもよい。また、メモリ１６２は、複数の電子回路の集合体であってもよい。また、メモリ１６２は、磁気ディスク又は光ディスク等であってもよいし、ストレージ又は記録媒体等と表現されてもよい。また、メモリ１６２は、不揮発性メモリでもよいし、揮発性メモリでもよい。
　例えば、メモリ１６２には、符号化される画像情報が記憶されてもよいし、符号化された画像情報に対応するビット列が記憶されてもよい。また、メモリ１６２には、回路１６０が画像情報を符号化するためのプログラムが記憶されていてもよい。
　また、例えば、回路１６０は、図１に示された符号化装置１００の複数の構成要素のうち、情報を記憶するための構成要素の役割を果たしてもよい。具体的には、メモリ１６２は、図１に示されたブロックメモリ１１８及びフレームメモリ１２２の役割を果たしてもよい。
　なお、符号化装置１００において、図１等に示された複数の構成要素の全てが実装されなくてもよいし、上述された複数の処理の全てが行われなくてもよい。図１等に示された複数の構成要素の一部は、他の装置に含まれていてもよいし、上述された複数の処理の一部は、他の装置によって実行されてもよい。そして、符号化装置１００において、図１等に示された複数の構成要素のうちの一部が実装され、上述された複数の処理の一部が行われることによって、処理の遅延が抑制され得る。
　［復号装置の実装例］
　図２６は、実施の形態１～６に係る復号装置２００の実装例を示すブロック図である。復号装置２００は、回路２６０及びメモリ２６２を備える。例えば、図１０に示された復号装置２００の複数の構成要素は、図２１に示された回路２６０及びメモリ２６２によって実装される。
　回路２６０は、情報処理を行う回路であり、メモリ２６２にアクセス可能な回路である。例えば、回路２６０は、画像情報を復号する汎用又は専用の電子回路である。回路２６０は、ＣＰＵのようなプロセッサであってもよい。また、回路２６０は、複数の電子回路の集合体であってもよい。また、例えば、回路２６０は、図１０に示された復号装置２００の複数の構成要素のうち、情報を記憶するための構成要素を除く、複数の構成要素の役割を果たしてもよい。
　メモリ２６２は、回路２６０が画像情報を復号するための情報が記憶される汎用又は専用のメモリである。メモリ２６２は、電子回路であってもよく、回路２６０に接続されていてもよい。また、メモリ２６２は、回路２６０に含まれていてもよい。また、メモリ２６２は、複数の電子回路の集合体であってもよい。また、メモリ２６２は、磁気ディスク又は光ディスク等であってもよいし、ストレージ又は記録媒体等と表現されてもよい。また、メモリ２６２は、不揮発性メモリでもよいし、揮発性メモリでもよい。
　例えば、メモリ２６２には、符号化された画像情報に対応するビット列が記憶されてもよいし、復号されたビット列に対応する画像情報が記憶されてもよい。また、メモリ２６２には、回路２６０が画像情報を復号するためのプログラムが記憶されていてもよい。
　また、例えば、回路２６０は、図１０に示された復号装置２００の複数の構成要素のうち、情報を記憶するための構成要素の役割を果たしてもよい。具体的には、メモリ２６２は、図１０に示されたブロックメモリ２１０及びフレームメモリ２１４の役割を果たしてもよい。
　なお、復号装置２００において、図１０等に示された複数の構成要素の全てが実装されなくてもよいし、上述された複数の処理の全てが行われなくてもよい。図１０等に示された複数の構成要素の一部は、他の装置に含まれていてもよいし、上述された複数の処理の一部は、他の装置によって実行されてもよい。そして、復号装置２００において、図１０等に示された複数の構成要素のうちの一部が実装され、上述された複数の処理の一部が行われることによって、処理の遅延が抑制され得る。
　以上、本実施の形態に係る符号化装置に及び復号装置ついて説明したが、本開示は、この実施の形態に限定されるものではない。
　また、上記実施の形態に係る符号化装置及び復号装置に含まれる各処理部は典型的には集積回路であるＬＳＩとして実現される。これらは個別に１チップ化されてもよいし、一部又は全てを含むように１チップ化されてもよい。
　また、集積回路化はＬＳＩに限るものではなく、専用回路又は汎用プロセッサで実現してもよい。ＬＳＩ製造後にプログラムすることが可能なＦＰＧＡ（Ｆｉｅｌｄ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）、又はＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサを利用してもよい。
　上記各実施の形態において、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵ又はプロセッサなどのプログラム実行部が、ハードディスク又は半導体メモリなど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によって実現されてもよい。
　言い換えると、符号化装置及び復号装置は、処理回路（ｐｒｏｃｅｓｓｉｎｇ　ｃｉｒｃｕｉｔｒｙ）と、当該処理回路に電気的に接続された（当該処理回路からアクセス可能な）記憶装置（ｓｔｏｒａｇｅ）とを備える。処理回路は、専用のハードウェア及びプログラム実行部の少なくとも一方を含む。また、記憶装置は、処理回路がプログラム実行部を含む場合には、当該プログラム実行部により実行されるソフトウェアプログラムを記憶する。処理回路は、記憶装置を用いて、上記実施の形態に符号化方法又は復号方法を実行する。
　さらに、本開示は上記ソフトウェアプログラムであってもよいし、上記プログラムが記録された非一時的なコンピュータ読み取り可能な記録媒体であってもよい。また、上記プログラムは、インターネット等の伝送媒体を介して流通させることができるのは言うまでもない。
　また、上記で用いた数字は、全て本開示を具体的に説明するために例示するものであり、本開示は例示された数字に制限されない。
　また、ブロック図における機能ブロックの分割は一例であり、複数の機能ブロックを一つの機能ブロックとして実現したり、一つの機能ブロックを複数に分割したり、一部の機能を他の機能ブロックに移してもよい。また、類似する機能を有する複数の機能ブロックの機能を単一のハードウェア又はソフトウェアが並列又は時分割に処理してもよい。
　また、上記の符号化方法又は復号方法に含まれるステップが実行される順序は、本開示を具体的に説明するために例示するためのものであり、上記以外の順序であってもよい。また、上記ステップの一部が、他のステップと同時（並列）に実行されてもよい。
　以上、本開示の一つ又は複数の態様に係る符号化装置、復号装置、符号化方法及び復号方法について、実施の形態に基づいて説明したが、本開示は、この実施の形態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に施したものや、異なる実施の形態における構成要素を組み合わせて構築される形態も、本開示の一つ又は複数の態様の範囲内に含まれてもよい。
　（実施の形態７）
　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２７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２８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２９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３０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３１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３０及び図３１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３２は、スマートフォンｅｘ１１５を示す図である。また、図３３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、デジタルビデオカメラ、テレビ会議システム、又は、電子ミラー等に利用可能である。
　　１００　符号化装置
　　１０２　分割部
　　１０４　減算部
　　１０６　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　逆変換部
　　１１６、２０８　加算部
　　１１８、２１０　ブロックメモリ
　　１２０、１２０Ａ、１２０Ｂ、１２０Ｃ、２１２、２１２Ａ、２１２Ｂ　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
　　１６０、２６０　回路
　　１６２、２６２　メモリ
　　２００　復号装置
　　２０２　エントロピー復号部
　　３０１　エッジ強度算出部
　　３０２、３０２Ａ　エッジ強度判定部
　　３０３　クリップ処理部
　　３０４　フィルタ処理部
　　３０５　選択部
　　３０６　閾値決定部
　　３０７　閾値符号化部
　　３０８　統計値算出部
　　３０９　区分決定部
　　３１１　再構成画像
　　３１２　クリップ前エッジ強度
　　３１３　閾値
　　３１４　クリップ後エッジ強度
　　３１５　フィルタ後画像
　　３１６　フィルタ画像
　　３１７　判定結果
　　３１８　統計値
　　３１９　ＥＯＴＦ情報
　　３２０　区分
　　３２１　閾値復号部

Claims (22)

  1. 　回路と、
    　メモリとを備え、
    　前記回路は、前記メモリを用いて、
    　原画像を符号化及び復号することで再構成画像を生成し、
    　前記再構成画像に含まれる処理対象ブロックのエッジ強度が閾値より低い場合、前記処理対象ブロックに、ブロック内の全ての画素に対して適用するフィルタ処理を行い、
    　前記処理対象ブロックの前記エッジ強度が前記閾値より高い場合、前記処理対象ブロックに前記フィルタ処理を行わない
    　符号化装置。
  2. 　前記フィルタ処理では、
    　各々がエッジ強度の範囲である複数の区分の各々に対して、使用するフィルタが設定されており、
    　前記複数の区分から、前記処理対象ブロックの前記エッジ強度が含まれる区分を判定し、
    　判定した前記区分に設定されているフィルタを前記処理対象ブロックに使用する
    　請求項１記載の符号化装置。
  3. 　前記判定では、前記エッジ強度を所定値でクリップし、クリップ後のエッジ強度が含まれる区分を判定し、
    　クリップ前のエッジ強度が前記閾値より低い場合、前記処理対象ブロックに前記フィルタ処理を行い、
    　前記クリップ前の前記エッジ強度が前記閾値より高い場合、前記処理対象ブロックに前記フィルタ処理を行わない
    　請求項２記載の符号化装置。
  4. 　前記閾値は、前記所定値より高い
    　請求項３記載の符号化装置。
  5. 　前記回路は、さらに、
    　前記閾値を決定し、
    　決定した前記閾値を示す情報を含む符号化ビットストリームを生成する
    　請求項１～４のいずれか１項に記載の符号化装置。
  6. 　前記回路は、さらに、
    　処理単位に含まれる複数のブロックのエッジ強度に基づき、当該処理単位のエッジ強度の統計値を算出し、
    　前記統計値が予め定められた条件を満たす場合、前記処理単位に含まれる前記複数のブロックの全てに前記フィルタ処理を行う
    　請求項１～５のいずれか１項に記載の符号化装置。
  7. 　前記回路は、さらに、
    　前記原画像のＥＯＴＦ（Ｅｌｅｃｔｒｏ－Ｏｐｔｉｃａｌ　Ｔｒａｎｓｆｅｒ　Ｆｕｎｃｔｉｏｎ）に基づき、前記処理対象ブロックのための前記フィルタ処理のパラメータを決定する
    　請求項１～６のいずれか１項に記載の符号化装置。
  8. 　回路と、
    　メモリとを備え、
    　前記回路は、前記メモリを用いて、
    　原画像を符号化及び復号することで再構成画像を生成し、
    　前記原画像のＥＯＴＦ（Ｅｌｅｃｔｒｏ－Ｏｐｔｉｃａｌ　Ｔｒａｎｓｆｅｒ　Ｆｕｎｃｔｉｏｎ）に基づき、前記再構成画像に含まれる処理対象ブロックのための、ブロック内の全ての画素に対して適用するフィルタ処理のパラメータを決定し、
    　前記決定したパラメータの前記フィルタ処理を、前記処理対象ブロックに行う
    　符号化装置。
  9. 　前記フィルタ処理では、
    　各々がエッジ強度の範囲である複数の区分の各々に対して、使用するフィルタが設定されており、
    　前記複数の区分から、前記処理対象ブロックのエッジ強度が含まれる区分を判定し、
    　判定した前記区分に設定されているフィルタを前記処理対象ブロックに使用し、
    　前記パラメータは、前記複数の区分である
    　請求項８記載の符号化装置。
  10. 　回路と、
    　メモリとを備え、
    　前記回路は、前記メモリを用いて、
    　符号化データを復号することで再構成画像を生成し、
    　前記再構成画像に含まれる処理対象ブロックのエッジ強度が閾値より低い場合、前記処理対象ブロックに、ブロック内の全ての画素に対して適用するフィルタ処理を行い、
    　前記処理対象ブロックの前記エッジ強度が前記閾値より高い場合、前記処理対象ブロックに前記フィルタ処理を行わない
    　復号装置。
  11. 　前記フィルタ処理では、
    　各々がエッジ強度の範囲である複数の区分の各々に対して、使用するフィルタが設定されており、
    　前記複数の区分から、前記処理対象ブロックの前記エッジ強度が含まれる区分を判定し、
    　判定した前記区分に設定されているフィルタを前記処理対象ブロックに使用する
    　請求項１０記載の復号装置。
  12. 　前記判定では、前記エッジ強度を所定値でクリップし、クリップ後のエッジ強度が含まれる区分を判定し、
    　クリップ前のエッジ強度が前記閾値より低い場合、前記処理対象ブロックに前記フィルタ処理を行い、
    　前記クリップ前の前記エッジ強度が前記閾値より高い場合、前記処理対象ブロックに前記フィルタ処理を行わない
    　請求項１１記載の復号装置。
  13. 　前記閾値は、前記所定値より高い
    　請求項１２記載の復号装置。
  14. 　前記回路は、さらに、
    　前記符号化データを含む符号化ビットストリームから前記閾値を示す情報を取得する
    　請求項１０～１３のいずれか１項に記載の復号装置。
  15. 　前記回路は、さらに、
    　処理単位に含まれる複数のブロックのエッジ強度に基づき、当該処理単位のエッジ強度の統計値を算出し、
    　前記統計値が予め定められた条件を満たす場合、前記処理単位に含まれる前記複数のブロックの全てに前記フィルタ処理を行う
    　請求項１０～１４のいずれか１項に記載の復号装置。
  16. 　前記回路は、さらに、
    　前記再構成画像のＥＯＴＦ（Ｅｌｅｃｔｒｏ－Ｏｐｔｉｃａｌ　Ｔｒａｎｓｆｅｒ　Ｆｕｎｃｔｉｏｎ）に基づき、前記処理対象ブロックのための前記フィルタ処理のパラメータを決定する
    　請求項１０～１５のいずれか１項に記載の復号装置。
  17. 　回路と、
    　メモリとを備え、
    　前記回路は、前記メモリを用いて、
    　符号化データを復号することで再構成画像を生成し、
    　前記再構成画像のＥＯＴＦ（Ｅｌｅｃｔｒｏ－Ｏｐｔｉｃａｌ　Ｔｒａｎｓｆｅｒ　Ｆｕｎｃｔｉｏｎ）に基づき、前記再構成画像に含まれる処理対象ブロックのための、ブロック内の全ての画素に対して適用するフィルタ処理のパラメータを決定し、
    　前記決定したパラメータの前記フィルタ処理を、前記処理対象ブロックに行う
    　復号装置。
  18. 　前記フィルタ処理では、
    　各々がエッジ強度の範囲である複数の区分の各々に対して、使用するフィルタが設定されており、
    　前記複数の区分から、前記処理対象ブロックのエッジ強度が含まれる区分を判定し、
    　判定した前記区分に設定されているフィルタを前記処理対象ブロックに使用し、
    　前記パラメータは、前記複数の区分である
    　請求項１７記載の復号装置。
  19. 　原画像を符号化及び復号することで再構成画像を生成し、
    　前記再構成画像に含まれる処理対象ブロックのエッジ強度が閾値より低い場合、前記処理対象ブロックに、ブロック内の全ての画素に対して適用するフィルタ処理を行い、
    　前記処理対象ブロックの前記エッジ強度が前記閾値より高い場合、前記処理対象ブロックに前記フィルタ処理を行わない
    　符号化方法。
  20. 　原画像を符号化及び復号することで再構成画像を生成し、
    　前記原画像のＥＯＴＦ（Ｅｌｅｃｔｒｏ－Ｏｐｔｉｃａｌ　Ｔｒａｎｓｆｅｒ　Ｆｕｎｃｔｉｏｎ）に基づき、前記再構成画像に含まれる処理対象ブロックのための、ブロック内の全ての画素に対して適用するフィルタ処理のパラメータを決定し、
    　前記決定したパラメータの前記フィルタ処理を、前記処理対象ブロックに行う
    　符号化方法。
  21. 　符号化データを復号することで再構成画像を生成し、
    　前記再構成画像に含まれる処理対象ブロックのエッジ強度が閾値より低い場合、前記処理対象ブロックに、ブロック内の全ての画素に対して適用するフィルタ処理を行い、
    　前記処理対象ブロックの前記エッジ強度が前記閾値より高い場合、前記処理対象ブロックに前記フィルタ処理を行わない
    　復号方法。
  22. 　符号化データを復号することで再構成画像を生成し、
    　前記再構成画像のＥＯＴＦ（Ｅｌｅｃｔｒｏ－Ｏｐｔｉｃａｌ　Ｔｒａｎｓｆｅｒ　Ｆｕｎｃｔｉｏｎ）に基づき、前記再構成画像に含まれる処理対象ブロックのための、ブロック内の全ての画素に対して適用するフィルタ処理のパラメータを決定し、
    　前記決定したパラメータの前記フィルタ処理を、前記処理対象ブロックに行う
    　復号方法。
PCT/JP2017/043557 2016-12-09 2017-12-05 符号化装置、復号装置、符号化方法及び復号方法 WO2018105579A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US16/433,295 US10863174B2 (en) 2016-12-09 2019-06-06 Encoder, decoder, encoding method, and decoding method
US17/090,427 US11303891B2 (en) 2016-12-09 2020-11-05 Encoder, decoder, encoding method, and decoding method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201662432168P 2016-12-09 2016-12-09
US62/432,168 2016-12-09

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US16/433,295 Continuation US10863174B2 (en) 2016-12-09 2019-06-06 Encoder, decoder, encoding method, and decoding method

Publications (1)

Publication Number Publication Date
WO2018105579A1 true WO2018105579A1 (ja) 2018-06-14

Family

ID=62491958

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/043557 WO2018105579A1 (ja) 2016-12-09 2017-12-05 符号化装置、復号装置、符号化方法及び復号方法

Country Status (2)

Country Link
US (2) US10863174B2 (ja)
WO (1) WO2018105579A1 (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113519163A (zh) * 2019-03-01 2021-10-19 腾讯美国有限责任公司 点云压缩的方法和装置
CN113661708A (zh) * 2019-04-02 2021-11-16 北京字节跳动网络技术有限公司 基于双向光流的视频编解码和解码
CN113940067A (zh) * 2019-06-11 2022-01-14 高通股份有限公司 用于视频编解码中的自适应环路滤波器的裁剪索引编解码
US11924463B2 (en) 2019-04-19 2024-03-05 Beijing Bytedance Network Technology Co., Ltd Gradient calculation in different motion vector refinements
US12192507B2 (en) 2019-04-19 2025-01-07 Beijing Bytedance Network Technology Co., Ltd. Delta motion vector in prediction refinement with optical flow process

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4429242A3 (en) * 2019-12-28 2024-11-20 Beijing Dajia Internet Information Technology Co., Ltd. In-loop filters for video coding

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5819035A (en) * 1995-10-20 1998-10-06 Matsushita Electric Industrial Co., Ltd. Post-filter for removing ringing artifacts of DCT coding
WO2009091521A2 (en) * 2008-01-14 2009-07-23 Thomson Licensing Methods and apparatus for de-artifact filtering using multi-lattice sparsity-based filtering
JP2012161063A (ja) * 2011-01-12 2012-08-23 Kddi Corp 動画像符号化装置、動画像復号装置、動画像符号化方法、動画像復号方法、およびプログラム
JP2013150084A (ja) * 2012-01-18 2013-08-01 Nippon Telegr & Teleph Corp <Ntt> 画像符号化方法，画像符号化装置，画像復号方法，画像復号装置およびそれらのプログラム
JP2014112790A (ja) * 2012-12-05 2014-06-19 Samsung R&D Institute Japan Co Ltd 画像処理装置、画像処理方法及び画像処理プログラム
JP2015104061A (ja) * 2013-11-27 2015-06-04 三菱電機株式会社 動画像符号化装置及び動画像復号装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4599457B1 (ja) * 2009-09-18 2010-12-15 株式会社東芝 画像処理装置、表示装置及び画像処理方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5819035A (en) * 1995-10-20 1998-10-06 Matsushita Electric Industrial Co., Ltd. Post-filter for removing ringing artifacts of DCT coding
WO2009091521A2 (en) * 2008-01-14 2009-07-23 Thomson Licensing Methods and apparatus for de-artifact filtering using multi-lattice sparsity-based filtering
JP2012161063A (ja) * 2011-01-12 2012-08-23 Kddi Corp 動画像符号化装置、動画像復号装置、動画像符号化方法、動画像復号方法、およびプログラム
JP2013150084A (ja) * 2012-01-18 2013-08-01 Nippon Telegr & Teleph Corp <Ntt> 画像符号化方法，画像符号化装置，画像復号方法，画像復号装置およびそれらのプログラム
JP2014112790A (ja) * 2012-12-05 2014-06-19 Samsung R&D Institute Japan Co Ltd 画像処理装置、画像処理方法及び画像処理プログラム
JP2015104061A (ja) * 2013-11-27 2015-06-04 三菱電機株式会社 動画像符号化装置及び動画像復号装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
CHEN, JIANLE 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, JVET-D100L V3, November 2016 (2016-11-01), Chengdu, CN, pages i - iii, 1-36 *
FRANCOIS, EDOUARD ET AL.: "ignalling, Backward Compatibility and Display Adaptation for HDR/WCG Video Coding", DRAFT 1, JOINT COLLABORATIVE TEAM ON VIDEO CODING (JCT-VC) OF ITU-T SG 16 WP 3 AND ISO/IEC JTC 1/SC 29/WG 11, JCTVC-Y1012, 25TH MEETING, November 2016 (2016-11-01), Chengdu, CH, pages 1 - 29 *
IKAI , TOMOHIRO ET AL.: "Region-based adaptive loop filter using two-dimensional feature", JOINT COLLABORATIVE TEAM ON VIDEO CODING (JCT-VC) OF ITU-T SG 16 WP3 AND ISO/IEC JTC1/SC29/WG11, JCTVC-D116 , 4TH MEETING, January 2011 (2011-01-01), Daegu , KR, pages 1 - 12 *
JUNG, C. ET AL.: "Backward Compatible Opto-Electrical Transfer Function for HDR Video Coding Based on Rational Quantization", JOINT COLLABORATIVE TEAM ON VIDEO CODING (JCT-VC) OF ITU-T SG 16 WP 3 AND ISO/IEC JTC 1/SC 29/WG 11, JCTVC-X0064, 24TH MEETING, May 2016 (2016-05-01), Geneva, CH, pages 1 - 7 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113519163A (zh) * 2019-03-01 2021-10-19 腾讯美国有限责任公司 点云压缩的方法和装置
CN113519163B (zh) * 2019-03-01 2024-02-20 腾讯美国有限责任公司 点云压缩的方法、装置和存储介质
CN113661708A (zh) * 2019-04-02 2021-11-16 北京字节跳动网络技术有限公司 基于双向光流的视频编解码和解码
CN113661708B (zh) * 2019-04-02 2023-12-15 北京字节跳动网络技术有限公司 基于双向光流的视频编解码和解码
US11997303B2 (en) 2019-04-02 2024-05-28 Beijing Bytedance Network Technology Co., Ltd Bidirectional optical flow based video coding and decoding
US11924463B2 (en) 2019-04-19 2024-03-05 Beijing Bytedance Network Technology Co., Ltd Gradient calculation in different motion vector refinements
US12192507B2 (en) 2019-04-19 2025-01-07 Beijing Bytedance Network Technology Co., Ltd. Delta motion vector in prediction refinement with optical flow process
CN113940067A (zh) * 2019-06-11 2022-01-14 高通股份有限公司 用于视频编解码中的自适应环路滤波器的裁剪索引编解码

Also Published As

Publication number Publication date
US11303891B2 (en) 2022-04-12
US10863174B2 (en) 2020-12-08
US20190387225A1 (en) 2019-12-19
US20210084297A1 (en) 2021-03-18

Similar Documents

Publication Publication Date Title
JP6765520B2 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP6946419B2 (ja) 復号装置、復号方法及びプログラム
WO2018199051A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
JP2020184808A (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
WO2018199050A1 (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
WO2018190207A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018008678A1 (ja) 復号装置、符号化装置、復号方法及び符号化方法
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
WO2018105579A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP6910461B2 (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
WO2018193968A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019189346A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP2022093625A (ja) 符号化装置、復号装置、符号化方法、及び復号方法
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
WO2019189344A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019163794A1 (ja) 符号化装置及び符号化方法
WO2018097115A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP2020198655A (ja) 復号装置及び復号方法
WO2019225459A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018097078A1 (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: 17879610

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: 17879610

Country of ref document: EP

Kind code of ref document: A1