基于块的全搜索运动估计算法实现实验报告.docx
《基于块的全搜索运动估计算法实现实验报告.docx》由会员分享，可在线阅读，更多相关《基于块的全搜索运动估计算法实现实验报告.docx（10页珍藏版）》请在冰豆网上搜索。
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（）
%Computesmotionvectorsusingexhaustivesearchmethod（全搜索法计算运动矢量）
%
%Input
%imgP:
Theimageforwhichwewanttofindmotionvectors（当前图像）
%imgI:
Thereferenceimage（参考图像）
%mbSize:
Sizeofthemacroblock（宏块尺寸）
%p:
Searchparameter（readliteraturetofindwhatthismeans）（搜索参数）
%
%Ouput
%motionVect:
themotionvectorsforeachintegralmacroblockinimgP（当前图像中每一个积分宏块的运动矢量）
%EScomputations:
Theaveragenumberofpointssearchedforamacroblock（每个宏块搜索的平均点数）
%
%WrittenbyArohBarjatya
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
[rowcol]=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
%westartofffromthetopleftoftheimage（从图像左上角开始）
%wewillwalkinstepsofmbSize（以宏块尺寸为步长）
%foreverymarcoblockthatwelookatwewilllookfor
%aclosematchppixelsontheleft,right,topandbottomofit（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
fori=1:
mbSize:
row-mbSize+1
forj=1:
mbSize:
col-mbSize+1
%theexhaustivesearchstartshere（全搜索开始）
%wewillevaluatecostfor（2p+1）blocksvertically
%and（2p+1）blockshorizontaly（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）
%misrow（vertical）index（m为行指数）
%niscol（horizontal）index（n为列指数）
%thismeanswearescanninginrasterorder
form=-p:
p%水平方向上位移矢量范围
forn=-p:
p%垂直方向上位移矢量范围
%补充下面程序
%row/Vertco-ordinateforrefblock（参考块的行（垂直方向）的范围）
refBlkVer=i+m;
%col/Horizontalco-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
%Nowwefindthevectorwherethecostisminimum
%andstoreit...thisiswhatwillbepassedback.（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;
%findswhichmacroblockinimgIgaveusminCost（找到参考图像中最小绝对差的宏块）
[dx,dy,min]=minCost（costs）;
%rowco-ordinateforthevector（矢量的行集合）
vectors（1,mbCount）=dy-p-1;
%colco-ordinateforthevector（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（）
%ComputestheMeanAbsoluteDifference（MAD）forthegiventwoblocks（对给定的两个块计算最小绝对差）
%Input
%currentBlk:
TheblockforwhichwearefindingtheMAD（当前块）
%refBlk:
theblockw.r.t.whichtheMADisbeingcomputed（参考块）
%n:
thesideofthetwosquareblocks
%
%Output
%cost:
TheMADforthetwoblocks（两个块的最小绝对差）
%
%WrittenbyArohBarjatya
%定义函数文件costFuncMAD.m，currentBlk、refBlk、n为传入参数，cost为返回参数
functioncost=costFuncMAD（currentBlk,refBlk,n）
%补充下面程序
cost=sum（sum（abs（currentBlk-refBlk）））/（n*n）;
（3）minCost（）
%Findstheindicesofthecellthatholdstheminimumcost（找到拥有最小绝对差的点的指数）
%
%Input
%costs:
Thematrixthatcontainstheestimationcostsforamacroblock（包含宏块的估计代价的矩阵）
%
%Output
%dx:
themotionvectorcomponentincolumns（列方向上运动矢量组成）
%dy:
themotionvectorcomponentinrows（行方向上运动矢量组成）
%
%WrittenbyArohBarjatya
function[dx,dy,min]=minCost（costs）
[row,col]=size（costs）;
%wecheckwhetherthecurrentvalueofcostsislessthenthealreadypresentvalueinmin.
%Ifitsindedsmallerthenweswaptheminvaluewiththecurrentoneandnotetheindices.
%（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;
fori=1:
row
forj=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（）
%Computesmotioncompensatedimage'sPSNR（计算运动补偿图像的峰值信噪比）
%
%Input
%imgP:
Theoriginalimage（原始图像）
%imgComp:
Thecompensatedimage（补偿图像）
%n:
thepeakvaluepossibleofanypixelintheimages（图像中任何一个像素的可能的峰值）
%
%Ouput
%psnr:
Themotioncompensatedimage'sPSNR（运动补偿图像的峰值信噪比）
%
%WrittenbyArohBarjatya
functionpsnr=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：
升级会员 