基于块的全搜索运动估计算法实现实验报告

数字视频处理实验报告

学院：通信与信息工程学院

系班：电信科0901班

姓名：

学号：

时间：2012 年11月23号

一、实验名称：基于块的全搜索运动估计算法实现

二、实验目的：

1、掌握运动估计算法的实现原理。

2、掌握运动估计算法的研究现状及多种计算方法。

3、学习基于块的全搜索运动估计算法，研究分析其Matlab实现

程序过程，并补充完成程序，对实验结果进行分析比较。

三、实验要求

三、实验要求

1、对实验程序motionEstAnalysis.m进行分析，完成主程序流程图。

函数流程图：

2、编写补充完成部分不全程序代码，调试程序使其能正确运行

(1) motionEstES( )

% Computes motion vectors using exhaustive search method（全搜索法计算运动矢量）

%

% Input

% imgP : The image for which we want to find motion vectors（当前图像）

% imgI : The reference image（参考图像）

% mbSize : Size of the macroblock（宏块尺寸）

% p : Search parameter (read literature to find what this means)（搜索参数）

%

% Ouput

% motionVect : the motion vectors for each integral macroblock in imgP （当前图像中每一个积分宏块的运动矢量）

% EScomputations: The average number of points searched for a macroblock（每个宏块搜索的平均点数）

%

% Written by Aroh Barjatya

function [BlockCenter, motionVect, EScomputations] = motionEstES(imgP, imgI, mbSize, p) % 定义函数文件motionEstES.m，imgP、 imgI、 mbSize、 p 为传入参数，BlockCenter、motionVect、 EScomputations为返回参数

[row col] = size(imgI); % 将参考图像的行数赋值给row，列数赋值给col

blockcenter = zeros(2,row*col/mbSize^2);

vectors = zeros(2,row*col/mbSize^2); % 定义全0的矢量矩阵的大小costs = ones(2*p + 1, 2*p +1) * 65537; % 定义最小绝对差矩阵的大小

computations = 0; % 搜索点数赋初值为0

% we start off from the top left of the image（从图像左上角开始）

% we will walk in steps of mbSize（以宏块尺寸为步长）

% for every marcoblock that we look at we will look for

% a close match p pixels on the left, right, top and bottom of it （对于每一个宏块，在它的上下左右找到与搜索参数p最匹配的像素）

mbCount = 1; %搜索的宏块数赋初值为1

%1为循环起始值，mbSize为步长值，row-mbSize+1为循环终止值

for i = 1 : mbSize : row-mbSize+1

for j = 1 : mbSize : col-mbSize+1

% the exhaustive search starts here（全搜索开始）

% we will evaluate cost for (2p + 1) blocks vertically

% and (2p + 1) blocks horizontaly（我们将计算水平方向上(2p + 1)个块的最小绝对差和垂直方向上(2p + 1)个块的最小绝对差）

% m is row(vertical) index（m为行指数）

% n is col(horizontal) index（n为列指数）

% this means we are scanning in raster order

for m = -p :

p %水平方向上位移矢量范围

for n = -p :

p %垂直方向上位移矢量范围

% 补充下面程序

% row/Vert co-ordinate for ref block （参考块的行(垂直方向)的范围）

refBlkVer = i+m;

% col/Horizontal co-ordinate（参考块的列(水平方向)的范围）

refBlkHor = j+n;

%如果参考块的行列范围的任意一个在已经搜索过的宏块之

外，则继续下一步的搜索

if ( refBlkVer < 1 || refBlkVer+mbSize-1 > row ...

|| refBlkHor < 1 || refBlkHor+mbSize-1 > col)

continue; end

costs(m+p+1,n+p+1) =

costFuncMAD(imgP(i:i+mbSize-1,j:j+mbSize-1), ...

imgI(refBlkVer:refBlkVer+mbSize-1, refBlkHor:refBlkHor+mbSize-1), mbSize);

% 搜索下一个点

computations = computations + 1;

end

end

% Now we find the vector where the cost is minimum

% and store it ... this is what will be passed back.（现在找到

有最小绝对差的矢量并存储它，这就是将被返回的东西）

% 补充下面程序

blockcenter(1,mbCount) = i+ mbSize/2-1;

blockcenter(2,mbCount) = j+ mbSize/2-1;

% finds which macroblock in imgI gave us min Cost（找到参考图

像中最小绝对差的宏块）

[dx, dy, min] = minCost(costs);

% row co-ordinate for the vector（矢量的行集合）

vectors(1,mbCount) = dy-p-1;

% col co-ordinate for the vector（矢量的列集合）

vectors(2,mbCount) = dx-p-1;

%搜索下一个宏块

mbCount = mbCount + 1;

costs = ones(2*p + 1, 2*p +1) * 65537;

end

end

BlockCenter = blockcenter;

motionVect = vectors; %返回当前图像中每一个积分宏块的运动矢量

EScomputations = computations/(mbCount - 1); %返回每个宏块搜索的平均点数

(2) costFuncMAD( )

% Computes the Mean Absolute Difference (MAD) for the given two blocks（对给定的两个块计算最小绝对差）

% Input

% currentBlk : The block for which we are finding the MAD（当前块）% refBlk : the block w.r.t. which the MAD is being computed（参考块）% n : the side of the two square blocks

%

% Output

% cost : The MAD for the two blocks（两个块的最小绝对差）

%

% Written by Aroh Barjatya

% 定义函数文件costFuncMAD.m，currentBlk、refBlk、n为传入参数，cost 为返回参数

function cost = costFuncMAD(currentBlk,refBlk, n)

% 补充下面程序

cost=sum(sum(abs(currentBlk-refBlk)))/(n*n);

(3) minCost( )

% Finds the indices of the cell that holds the minimum cost（找到拥有最小绝对差的点的指数）

%

% Input

% costs : The matrix that contains the estimation costs for a macroblock（包含宏块的估计代价的矩阵）

%

% Output

% dx : the motion vector component in columns（列方向上运动矢量组成）% dy : the motion vector component in rows（行方向上运动矢量组成）

%

% Written by Aroh Barjatya

function [dx, dy, min] = minCost(costs)

[row, col] = size(costs);

% we check whether the current value of costs is less then the already present value in min.

% If its inded smaller then we swap the min value with the current one and note the indices.

% （检测costs的当前值是否比已经出现的最小值小。如果小的话，我们将当前值与最小值对调，并注明指数）

% 补充下面程序

minnum=65536;

x=8;

y=8;

for i=1:row

for j=1:col

if(costs(i,j)

minnum=costs(i,j);

x=i;

y=j;

end

end

end

dx=x;

dy=y;

min=minnum;

(4) imgPSNR( )

% Computes motion compensated image's PSNR（计算运动补偿图像的峰值信噪比）

%

% Input

% imgP : The original image （原始图像）

% imgComp : The compensated image（补偿图像）

% n : the peak value possible of any pixel in the images（图像中任何一个像素的可能的峰值）

%

% Ouput

% psnr : The motion compensated image's PSNR（运动补偿图像的峰值信噪比）

%

% Written by Aroh Barjatya

function psnr = imgPSNR(imgP, imgComp, n)

% 补充下面程序

MSE=(1/(n*n))*sum(sum((imgP-imgComp).^2));

PSNR=10*log10(255^2/MSE);

psnr=PSNR;

四、实验结果与分析

1、当前研究帧运动估计结果图

图一第2帧到4帧运动矢量图

图二第4帧到6帧运动矢量图

2、当前研究帧重构图像和当前研究帧重构误差图像

图三由i=2的参考图像得出P帧重构图像

图四由i=2帧参考图像得出直接误差与重构误差对比

图五由i=4的参考图像得出P帧重构图像

图六由i=4帧参考图像得出直接误差与重构误差对比3、当前研究帧图像和当前研究帧重构图像的PSNR值直接运动补偿算法的PSNR值

基于运动估计的运动补偿算法的PSNR值

PSNR=40.8615;

实验结果分析：