做了一阵子率失真优化才发觉自己理解太不到位了，特此系统读书学习一波。
有损压缩算法，性能由编码输出的比特率和失真共同决定。
编码的目的：就是在保证一定视频质量的条件下尽量减少编码比特率，或在一定编码比特率限制条件下尽量地减小编码失真。
编码器工作：根据以上率失真准则找到最佳编码参数。
1 理论部分
信息论中率失真概念：在允许一定程度失真的条件下，能够把信源信息压缩到什么程度，即最少需要多少比特数才能描述信源。由此得到率失真函数：R(D) = min I(X, Y)，它给出了限定失真条件下信息压缩允许的下界。但其在视频编码中难以应用，因为各种概率和条件概率未知，只能作为理论值。
视频编码中的率失真曲线：为了研究视频码率与视频质量的平衡。由于系统性，不能达到理论上的R(D)值，只能由不同的编码参数（如QP和选择的模式）得到有限的(R, D)可操作点，形成凸包络。
视频编码中的率失真优化(RDO)：遍历所有的参数候选模式对视频进行编码，满足码率限制的失真最小的一组参数集作为最优的视频编码参数。每一层级都找出，最终使整体系统性能最优。（这里假设了无相关性的独立优化，如相关性较强则共同优化）
拉格朗日因子法：min {D + λR}。λ的确定方法和QP有较固定的函数关系。速率控制根据分配的码率预测CU的QP，然后利用QP与λ之间的映射关系确定出合适的λ。目前，近年来提出了根据限定码率直接计算λ的方法得以应用。λ的几何意义即斜率。（缺点：只能取到斜率一致的凸包络上的点，如更优的B点无法取到）。
2 实现方案
总体而言，编码残差和头信息分别使用以下两式，(i,j)为像素位置：
GOP级：在目标比特数下获得最优重建视频质量。GOP间无相关性，GOP内的帧有相关性。由于帧间预测，图像的失真D，不但与其编码比特数R相关，也与已编码的重构图像质量相关，所以这几帧需要共同优化。
Slice级：相对很独立，可独立优化，但实际上帧内预测，运动搜索、环路滤波都可能用到相邻slice，至今还没考虑。
CTU级：主要管划分，在总比特数R受限的情况下，选择一个CU 划分模式 使得一个CTU的总失真D最小。按顺序对CTU进行四叉树递归分割，当前CU编码参数的优化过程不考虑对后续CU率失真性能的影响。
CU级：在总比特数R受限的情况下，适当的选择一个PU模式和TU模式，使得一个CU的总失真D最小。按顺序确定所有PU的编码参数，当前PU编码参数的优化过程不考虑对后续PU率失真性能，并只对最优的PU模式尝试不同的TU模式。
PU级：分为帧内预测和帧间预测。帧内预测就是从35种帧内预测模式中选择出一种最优的预测模式；帧间预测模式需要结合Merge、AMVP等技术，为每个PU选择运动矢量、参考图像、预测权值等编码参数。这里D一般为SATD，R是头信息比特数。
亮度λ如下式：
Wk为加权因子，与图像在GOP中的位置有关；a为参考帧因子，若不是参考帧则为1，若为参考帧则略小于1。（λ小，则斜率小，带来的影响是用稍多的码率，造成更小的失真，为了让其他帧参考更准确）。
色度λ如下式：与亮度λ和偏移的QP相关。
3 具体操作
这里介绍的是速率控制后有了QP之后的优化方案。具体参数包括CU划分模式、CU的PU模式和TU模式、PU的预测参数等。（得到的最优的PU模式包含了最优的TU模式）
快速算法：
1、当前CU最优模式为skip，则不再划分，进行下一个CU的遍历；
2、如果CU未划分且当前为帧间模式且MVD为0，则直接遍历该CU四叉树划分之后的；
3、如果CU为帧间模式且变换系数都为0，则不再划分，进行下一个CU的遍历；
4、AMP？？
步骤：
for( partitionIdx : 所有cu划分方式 )
{
for( puIdx : partitionIdx划分cu后的所有pu模式 )
{
//帧间部分
构建MVP列表
构建merge列表
for( mergeIdx : 所有5个merge候选)
{
找到率失真代价最小mergeIdx
}
for( mvpIdx : 所有2个MVP列表)
{
以mvpIdx为起点，整像素搜索运动矢量，最优MVP为fullMvp
以fullMvp为起点，分像素搜索运动矢量，从周围8个点找到最优MVP为halfMvp
以halfMvp为起点，1/4像素搜索运动矢量，找到最优MVP为bestMvp
}
//帧内部分：
构建MPM列表
for( IntraModeIdx : 所有35种帧内色度模式)
{
IntraModeIdx粗选出几种
MPM列表模式加入
找到亮度率失真代价最小IntraModeIdx
}
for( IntraModeIdx : 所有5种帧内色度模式)
{
找到亮度率失真代价最小IntraModeIdx
}
}
}