[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

WO2019240050A1 - 符号化装置、復号装置、符号化方法および復号方法 - Google Patents

符号化装置、復号装置、符号化方法および復号方法 Download PDF

Info

Publication number
WO2019240050A1
WO2019240050A1 PCT/JP2019/022788 JP2019022788W WO2019240050A1 WO 2019240050 A1 WO2019240050 A1 WO 2019240050A1 JP 2019022788 W JP2019022788 W JP 2019022788W WO 2019240050 A1 WO2019240050 A1 WO 2019240050A1
Authority
WO
WIPO (PCT)
Prior art keywords
block
unit
prediction
processing
transformation
Prior art date
Application number
PCT/JP2019/022788
Other languages
English (en)
French (fr)
Inventor
安倍　清史
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
Priority to CN201980038945.3A priority Critical patent/CN112292857A/zh
Priority to KR1020207035302A priority patent/KR20210019007A/ko
Priority to JP2020525535A priority patent/JPWO2019240050A1/ja
Priority to BR112020021187-7A priority patent/BR112020021187A2/pt
Priority to MX2020011422A priority patent/MX2020011422A/es
Publication of WO2019240050A1 publication Critical patent/WO2019240050A1/ja
Priority to US17/071,470 priority patent/US12143583B2/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/12—Selection from among a plurality of transforms or standards, e.g. selection between discrete cosine transform [DCT] and sub-band transform or selection between H.263 and H.264
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—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
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—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
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/107—Selection of coding mode or of prediction mode between spatial and temporal predictive coding, e.g. picture refresh
    • 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
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/109—Selection of coding mode or of prediction mode among a plurality of temporal predictive coding modes
    • 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
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/12—Selection from among a plurality of transforms or standards, e.g. selection between discrete cosine transform [DCT] and sub-band transform or selection between H.263 and H.264
    • H04N19/122—Selection of transform size, e.g. 8x8 or 2x4x8 DCT; Selection of sub-band transforms of varying structure or type
    • 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
    • H04N19/124—Quantisation
    • H04N19/126—Details of normalisation or weighting functions, e.g. normalisation matrices or variable uniform quantisers
    • 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
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • H04N19/159—Prediction type, e.g. intra-frame, inter-frame or bidirectional frame prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/18—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 set of transform coefficients
    • 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
    • H04N19/186—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 colour or a chrominance component
    • 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
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/513—Processing of motion vectors
    • H04N19/517—Processing of motion vectors by encoding
    • H04N19/52—Processing of motion vectors by encoding by predictive encoding
    • 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
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/587—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal sub-sampling or interpolation, e.g. decimation or subsequent interpolation of pictures in a video sequence
    • 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
    • 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
    • H04N19/129—Scanning of coding units, e.g. zig-zag scan of transform coefficients or flexible macroblock ordering [FMO]
    • 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
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/583—Motion compensation with overlapping blocks

Definitions

  • the present disclosure relates to an encoding device that encodes a moving image including a plurality of pictures.
  • H.C. High Efficiency Video Coding
  • H.265 exists (Non-Patent Document 1).
  • the present disclosure provides a code that can reduce the amount of processing in a secondary transform process that is further applied to a transform coefficient obtained by applying a primary transform process to a prediction residual signal by an encoding device or the like. Providing a device and the like.
  • An encoding apparatus includes a circuit and a memory, and the circuit uses the memory to predict a residual in a processing target block among a plurality of blocks having a plurality of block sizes.
  • a conversion process is applied to the transform coefficient obtained by applying a primary transform to the signal, and a secondary transform having a common block size is applied to the plurality of blocks.
  • a transform is performed.
  • One conversion base is selected from a group of candidates that are composed of one or more base candidates and differ according to the block size of the processing target block.
  • the encoding apparatus and the like according to an aspect of the present disclosure can reduce the processing amount as compared with the conventional case in the secondary transform that is further applied to the transform coefficient obtained by applying the primary transform to the prediction residual signal.
  • FIG. 1 is a block diagram showing a functional configuration of the encoding apparatus according to the embodiment.
  • FIG. 2 is a flowchart illustrating an example of the overall encoding process performed by the encoding apparatus.
  • FIG. 3 is a diagram illustrating an example of block division.
  • FIG. 4A is a diagram illustrating an example of a slice configuration.
  • FIG. 4B is a diagram illustrating an example of a tile configuration.
  • FIG. 5A is a table showing conversion basis functions corresponding to each conversion type.
  • FIG. 5B is a diagram illustrating SVT (Spatially Varying Transform).
  • FIG. 6A is a diagram illustrating an example of the shape of a filter used in ALF (adaptive loop filter).
  • FIG. 1 is a block diagram showing a functional configuration of the encoding apparatus according to the embodiment.
  • FIG. 2 is a flowchart illustrating an example of the overall encoding process performed by the encoding apparatus.
  • FIG. 3 is a diagram illustrating an
  • FIG. 6B is a diagram illustrating another example of the shape of a filter used in ALF.
  • FIG. 6C is a diagram illustrating another example of the shape of a filter used in ALF.
  • FIG. 7 is a block diagram illustrating an example of a detailed configuration of a loop filter unit that functions as a DBF.
  • FIG. 8 is a diagram illustrating an example of a deblocking filter having filter characteristics that are symmetric with respect to a block boundary.
  • FIG. 9 is a diagram for explaining a block boundary where deblocking filter processing is performed.
  • FIG. 10 is a diagram illustrating an example of the Bs value.
  • FIG. 11 is a diagram illustrating an example of processing performed by the prediction processing unit of the encoding device.
  • FIG. 11 is a diagram illustrating an example of processing performed by the prediction processing unit of the encoding device.
  • FIG. 12 is a diagram illustrating another example of processing performed by the prediction processing unit of the encoding device.
  • FIG. 13 is a diagram illustrating another example of processing performed in the prediction processing unit of the encoding device.
  • FIG. 14 is a diagram illustrating an example of 67 intra prediction modes in intra prediction.
  • FIG. 15 is a flowchart illustrating a basic process flow of inter prediction.
  • FIG. 16 is a flowchart illustrating an example of motion vector derivation.
  • FIG. 17 is a flowchart showing another example of motion vector derivation.
  • FIG. 18 is a flowchart showing another example of motion vector derivation.
  • FIG. 19 is a flowchart illustrating an example of inter prediction in the normal inter mode.
  • FIG. 20 is a flowchart illustrating an example of inter prediction in the merge mode.
  • FIG. 21 is a diagram for explaining an example of motion vector derivation processing in the merge mode.
  • FIG. 22 is a flowchart illustrating an example of FRUC (frame rate up conversion).
  • FIG. 23 is a diagram for explaining an example of pattern matching (bilateral matching) between two blocks along a motion trajectory.
  • FIG. 24 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.
  • FIG. 25A is a diagram for describing an example of deriving motion vectors in units of sub-blocks based on motion vectors of a plurality of adjacent blocks.
  • FIG. 25B is a diagram for explaining an example of deriving a motion vector in units of sub-blocks in an affine mode having three control points.
  • FIG. 26A is a conceptual diagram for explaining the affine merge mode.
  • FIG. 26B is a conceptual diagram for explaining an affine merge mode having two control points.
  • FIG. 26C is a conceptual diagram for explaining an affine merge mode having three control points.
  • FIG. 27 is a flowchart illustrating an example of processing in the affine merge mode.
  • FIG. 28A is a diagram for explaining an affine inter mode having two control points.
  • FIG. 28B is a diagram for explaining an affine inter mode having three control points.
  • FIG. 29 is a flowchart illustrating an example of affine inter-mode processing.
  • FIG. 30A is a diagram for explaining an affine inter mode in which a current block has three control points and an adjacent block has two control points.
  • FIG. 30A is a diagram for explaining an affine inter mode in which a current block has three control points and an adjacent block has two control points.
  • FIG. 30A is a diagram for explaining an affine inter mode in
  • FIG. 30B is a diagram for describing an affine inter mode in which a current block has two control points and an adjacent block has three control points.
  • FIG. 31A is a diagram illustrating a relationship between a merge mode and DMVR (dynamic motion vector refreshing).
  • FIG. 31B is a conceptual diagram for explaining an example of the DMVR processing.
  • FIG. 32 is a flowchart illustrating an example of generation of a predicted image.
  • FIG. 33 is a flowchart illustrating another example of generation of a predicted image.
  • FIG. 34 is a flowchart illustrating yet another example of generating a predicted image.
  • FIG. 35 is a flowchart for explaining an example of a predicted image correction process by an OBMC (overlapped block motion compensation) process.
  • FIG. 36 is a conceptual diagram for explaining an example of the predicted image correction process by the OBMC process.
  • FIG. 37 is a diagram for explaining generation of prediction images of two triangles.
  • FIG. 38 is a diagram for explaining a model assuming constant velocity linear motion.
  • FIG. 39 is a diagram for explaining an example of a predicted image generation method using luminance correction processing by LIC (local illumination compensation) processing.
  • FIG. 40 is a block diagram illustrating an implementation example of an encoding device.
  • FIG. 41 is a block diagram illustrating a functional configuration of the decoding apparatus according to the embodiment.
  • FIG. 42 is a flowchart illustrating an example of the overall decoding process performed by the decoding device.
  • FIG. 43 is a diagram illustrating an example of processing performed in the prediction processing unit of the decoding device.
  • FIG. 44 is a diagram illustrating another example of processing performed in the prediction processing unit of the decoding device.
  • FIG. 45 is a flowchart illustrating an example of inter prediction in the normal inter mode in the decoding device.
  • FIG. 46 is a block diagram illustrating an implementation example of a decoding device.
  • FIG. 47 is a diagram for explaining the secondary conversion processing in the embodiment.
  • FIG. 48 is a flowchart illustrating a processing procedure in the conversion unit of the encoding device according to the embodiment.
  • FIG. 49A is a table showing an example of the processing amount necessary for the primary conversion processing of the entire CTU in the embodiment.
  • FIG. 49B is a table showing an example of a processing amount necessary for the secondary conversion processing of the entire CTU in the embodiment.
  • FIG. 49A is a table showing an example of the processing amount necessary for the primary conversion processing of the entire CTU in the embodiment.
  • FIG. 49B is a table showing an example of a processing amount necessary for the secondary conversion processing of the entire CTU in
  • FIG. 50 is a table illustrating a first example in the embodiment.
  • FIG. 51 is a table illustrating a second example of the embodiment.
  • FIG. 52 is a table illustrating a third example of the embodiment.
  • FIG. 53 is a table illustrating a fourth example of the embodiment.
  • FIG. 54 is a flowchart illustrating an operation example of the encoding device according to the embodiment.
  • FIG. 55 is a flowchart illustrating an operation example of the decoding device according to the embodiment.
  • FIG. 56 is an overall configuration diagram of a content supply system that implements a content distribution service.
  • FIG. 57 is a diagram illustrating an example of a coding structure at the time of scalable coding.
  • FIG. 58 is a diagram illustrating an example of a coding structure at the time of scalable coding.
  • FIG. 59 is a diagram showing an example of a web page display screen.
  • FIG. 60 shows an example of a web page display screen.
  • FIG. 61 is a diagram illustrating an example of a smartphone.
  • FIG. 62 is a block diagram illustrating a configuration example of a smartphone.
  • an encoding device or the like may perform a secondary transform that performs a transform such as an orthogonal transform on a transform coefficient obtained by applying a primary transform to a prediction residual signal.
  • the encoding apparatus or the like can apply secondary transforms having a plurality of block sizes to transform coefficients obtained by applying the primary transform to the prediction residual signal.
  • an encoding apparatus includes a circuit and a memory, and the circuit uses the memory to process a target block among a plurality of blocks having a plurality of block sizes. Further, a transform process that applies a secondary transform having a common block size to the plurality of blocks is further performed on the transform coefficient obtained by applying a primary transform to the prediction residual signal, and a secondary block having the common block size is performed. In the conversion, one of the conversion bases is selected, and one conversion base is selected from different candidate groups according to the block size of the processing target block.
  • the encoding apparatus selects a candidate of a transform base that is more appropriate than before when applying a secondary transform having a common block size to the process target block, and selects the selected transform base as the process target block. Candidates can be applied. Therefore, the encoding apparatus can reduce the amount of codes in the secondary conversion process compared to the conventional case.
  • the transformation base of the second transformation with the common block size is a 4 ⁇ 4 square.
  • the encoding apparatus can select a transform base having a minimum size when applying a secondary transform having a common block size to the processing target block.
  • the transformation base of the secondary transformation of the common block size is an 8 ⁇ 8 square.
  • the decoding apparatus can select a transform base having an appropriate size when applying a secondary transform having a common block size to the processing target block.
  • the encoding device may include a common candidate for the transform base in the secondary transform with respect to the processing target block having a part of the plurality of block sizes. Are assigned to the candidate group.
  • the encoding apparatus can reduce the processing amount as compared with the conventional art.
  • the encoding apparatus can reduce the amount of processing by performing a secondary conversion by assigning a common base to a 16 ⁇ 16 processing target block and a 32 ⁇ 32 processing target block.
  • the encoding apparatus determines that the secondary transform is not applied to the transform coefficient when the block size of the processing target block is equal to or smaller than a predetermined block size, When the block size of the processing target block is larger than a predetermined block size, it is determined that the secondary transformation is applied to the transformation coefficient.
  • the encoding device reduces the processing amount in the conversion process compared to the conventional method by not performing the secondary conversion when the processing target block has a block size that increases the processing amount in the secondary conversion. can do.
  • the predetermined block size is a 4 ⁇ 4 square.
  • the encoding apparatus performs the conversion process by not performing the secondary conversion when the processing target block on which the conversion process is performed has a 4 ⁇ 4 block size that increases the amount of processing in the secondary conversion. It is possible to reduce the amount of processing in the conventional method.
  • the predetermined block size is a 4 ⁇ 8 or 8 ⁇ 4 rectangle.
  • the encoding device does not perform the secondary conversion when the processing target block on which the conversion process is performed has a 4 ⁇ 8 or 8 ⁇ 4 block size that increases the amount of processing in the secondary conversion.
  • the processing amount in the conversion process can be reduced as compared with the conventional case.
  • the predetermined block size is equal to a minimum block size among one or more block sizes that can be selected in the secondary transformation.
  • the encoding device can perform the secondary conversion when the processing target block on which the conversion process is performed has a block size that maximizes the amount of processing in the secondary conversion among the sizes selectable by the encoding device.
  • the processing amount in the conversion process can be reduced as compared with the conventional case.
  • a decoding device includes a circuit and a memory, and the circuit uses the memory in a processing target block among a plurality of blocks having a plurality of block sizes.
  • the transform coefficient obtained by applying a quadratic transform having a common block size to the plurality of blocks is further subjected to an inverse transform process that applies a primary transform to the transform coefficient signal, and the common block size secondary transform is performed.
  • one of the conversion bases is selected, and one of the conversion bases is selected from different candidate groups according to the block size of the processing target block.
  • the decoding apparatus selects a suitable transformation base candidate than the conventional one when applying a secondary transformation having a common block size to the processing target block, and selects the selected transformation base for the processing target block. Candidates can be applied. Therefore, the decoding apparatus can reduce the amount of codes compared to the conventional method in the secondary conversion process.
  • the transformation base of the second transformation with the common block size is a 4 ⁇ 4 square.
  • the decoding apparatus can select a transform base having a minimum size when applying a secondary transform having a common block size to the processing target block.
  • the transformation base of the second transformation with the common block size is an 8 ⁇ 8 square.
  • the decoding apparatus can select a transform base having an appropriate size when applying a secondary transform having a common block size to the processing target block.
  • the decoding device determines a common candidate for the transform base in the secondary transform for a part of the processing target block among the plurality of block sizes. Assign to the candidate group.
  • the decoding device can reduce the processing amount as compared with the conventional case.
  • the decoding apparatus can reduce the amount of processing by assigning a common base to a 16 ⁇ 16 processing target block and a 32 ⁇ 32 processing target block and performing secondary transformation.
  • the decoding device determines that the secondary transform is not applied to the transform coefficient when the block size of the processing target block is equal to or smaller than a predetermined block size, and When the block size of the processing target block is larger than a predetermined block size, it is determined that the secondary transformation is applied to the transformation coefficient.
  • the decoding device does not perform the secondary conversion when the processing target block on which the conversion process is performed has a block size that increases the processing amount in the secondary conversion, thereby reducing the processing amount in the conversion process. It can be reduced more than before.
  • the predetermined block size is a 4 ⁇ 4 square.
  • the decoding device does not perform the secondary conversion when the processing target block on which the conversion process is performed has a 4 ⁇ 4 block size that increases the amount of processing in the secondary conversion.
  • the amount of processing can be reduced as compared with the prior art.
  • the predetermined block size is a 4 ⁇ 8 or 8 ⁇ 4 rectangle.
  • the decoding device does not perform the secondary conversion when the processing target block on which the conversion process is performed has a block size of 4 ⁇ 8 or 8 ⁇ 4 that increases the amount of processing in the secondary conversion.
  • the amount of processing in the conversion process can be reduced as compared with the prior art.
  • the predetermined block size is equal to a minimum block size among one or more block sizes that can be selected in the secondary transformation.
  • the decoding device does not perform the secondary conversion when the processing size in the secondary conversion is the largest among the sizes selectable by the decoding device, thereby reducing the processing amount in the conversion processing. It can be reduced more than before.
  • the encoding method provides a transform coefficient obtained by applying a primary transform to a prediction residual signal in a processing target block among a plurality of blocks having a plurality of block sizes. Further, a conversion process is applied to apply a secondary transformation having a common block size to the plurality of blocks, and the secondary transformation having the common block size includes one or more candidates of transformation bases, and the processing target block One conversion base is selected from different candidate groups according to the block size.
  • the encoding method can achieve the same effect as the above encoding apparatus.
  • a secondary transform having a block size common to the plurality of blocks with respect to the transform coefficient signal is performed in a processing target block among a plurality of blocks having a plurality of block sizes.
  • an inverse transformation process that applies a primary transformation is further performed on the transformation coefficient to which is applied, and in the secondary transformation of the common block size, the transformation coefficient is composed of one or more candidates of transformation bases, and One transformation base is selected from different candidate groups according to the block size.
  • the decoding method can achieve the same effect as the above decoding apparatus.
  • an encoding device includes a dividing unit, an intra prediction unit, an inter prediction unit, a loop filter unit, a conversion unit, a quantization unit, and an entropy encoding unit. You may prepare.
  • the dividing unit may divide a picture into a plurality of blocks.
  • the intra prediction unit may perform intra prediction on blocks included in the plurality of blocks.
  • the inter prediction unit may perform inter prediction on the block.
  • the conversion unit may generate a conversion coefficient by converting a prediction error between a predicted image obtained by the intra prediction or the inter prediction and an original image.
  • the quantization unit may quantize the transform coefficient to generate a quantization coefficient.
  • the entropy encoding unit may generate an encoded bitstream by encoding the quantization coefficient.
  • the loop filter unit may apply a filter to the reconstructed image of the block.
  • the encoding device may be an encoding device that encodes a moving image including a plurality of pictures.
  • the transform unit further applies a block common to the plurality of blocks to a transform coefficient obtained by applying a primary transform to the prediction residual signal in a processing target block among the plurality of blocks having a plurality of block sizes.
  • a transformation process that applies a secondary transformation of size is performed.
  • the secondary transformation of the common block size one or more candidates of transformation bases are formed, and different candidate groups differ according to the block size of the processing target block.
  • One of the transformation bases may be selected from among them.
  • the decoding device may include an entropy decoding unit, an inverse quantization unit, an inverse transform unit, an intra prediction unit, an inter prediction unit, and a loop filter unit. .
  • the entropy decoding unit may decode the quantization coefficient of the block in the picture from the encoded bit stream.
  • the inverse quantization unit may obtain the transform coefficient by inverse quantization of the quantization coefficient.
  • the inverse transform unit may inversely transform the transform coefficient to obtain a prediction error.
  • the intra prediction unit may perform intra prediction on the block.
  • the inter prediction unit may perform inter prediction on the block.
  • the filter unit may apply a filter to a reconstructed image generated using a prediction image obtained by the intra prediction or the inter prediction and the prediction error.
  • the decoding device may be a decoding device that decodes a moving image including a plurality of pictures.
  • the inverse transform unit applies a transform coefficient obtained by applying a secondary transform having a block size common to the plurality of blocks to a transform coefficient signal in a processing target block among the plurality of blocks having a plurality of block sizes.
  • an inverse transformation process that applies a primary transformation is performed, and in the secondary transformation of the common block size, a candidate group that is configured by one or more candidates of transformation bases and varies depending on the block size of the processing target block One of the transformation bases may be selected from the list.
  • 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.
  • Embodiments are examples 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.
  • the processing and / or configuration can be implemented in an encoding device and a decoding device different from the embodiment.
  • any of the following may be performed.
  • Some of the plurality of components constituting the encoding device or the decoding device of the embodiment may be combined with the components described in any of the aspects of the present disclosure. , Which may be combined with a component having a part of the function described in any of the aspects of the present disclosure, or a component that performs a part of processing performed by the component described in each aspect of the present disclosure May be combined.
  • a component that includes a part of the functions of the encoding device or the decoding device according to the embodiment or a component that performs a part of the processing of the encoding device or the decoding device according to the embodiment A component described in any of the aspects, a component having a part of the function described in any of the aspects of the present disclosure, or a part of the processing described in any of the aspects of the present disclosure It may be combined or replaced with the components to be implemented.
  • any of the plurality of processes included in the method is the same as or similar to the process described in each aspect of the present disclosure It may be replaced or combined with any process.
  • a part of the plurality of processes included in the method performed by the encoding apparatus or the decoding apparatus according to the embodiment may be combined with the process described in any of the aspects of the present disclosure. .
  • Methods and / or configurations described in each aspect of the present disclosure are not limited to the encoding device or the decoding device according to the embodiment.
  • the processing and / or configuration may be performed in an apparatus used for a purpose different from the video encoding or video decoding disclosed in the embodiments.
  • FIG. 1 is a block diagram showing a functional configuration of encoding apparatus 100 according to the present embodiment.
  • the encoding device 100 is a moving image encoding device that encodes a moving image 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.
  • FIG. 2 is a flowchart illustrating an example of the overall encoding process performed by the encoding apparatus 100.
  • the dividing unit 102 of the encoding device 100 divides each picture included in the input image, which is a moving image, into a plurality of fixed size blocks (128 ⁇ 128 pixels) (step Sa_1).
  • the dividing unit 102 selects a division pattern (also referred to as a block shape) for the fixed-size block (step Sa_2). That is, the dividing unit 102 further divides the fixed size block into a plurality of blocks constituting the selected division pattern.
  • the encoding apparatus 100 performs the processes of steps Sa_3 to Sa_9 for each of the plurality of blocks (that is, the encoding target block).
  • a prediction processing unit including all or part of the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128 generates a prediction signal (also referred to as a prediction block) of a coding target block (also referred to as a current block). (Step Sa_3).
  • the subtraction unit 104 generates a difference between the encoding target block and the prediction block as a prediction residual (also referred to as a difference block) (step Sa_4).
  • the conversion unit 106 and the quantization unit 108 generate a plurality of quantization coefficients by performing conversion and quantization on the difference block (step Sa_5).
  • a block composed of a plurality of quantized coefficients is also referred to as a coefficient block.
  • the entropy encoding unit 110 generates an encoded signal by performing encoding (specifically entropy encoding) on the coefficient block and a prediction parameter related to the generation of the prediction signal (step S100). Sa_6).
  • the encoded signal is also referred to as an encoded bit stream, a compressed bit stream, or a stream.
  • the inverse quantization unit 112 and the inverse transform unit 114 restore a plurality of prediction residuals (that is, difference blocks) by performing inverse quantization and inverse transform on the coefficient block (step Sa_7).
  • the adder 116 reconstructs the current block into a reconstructed image (also referred to as a reconstructed block or a decoded image block) by adding a prediction block to the restored difference block (step Sa_8). Thereby, a reconstructed image is generated.
  • a reconstructed image also referred to as a reconstructed block or a decoded image block
  • the loop filter unit 120 When the reconstructed image is generated, the loop filter unit 120 performs filtering on the reconstructed image as necessary (step Sa_9).
  • step Sa_10 determines whether or not the encoding of the entire picture has been completed (step Sa_10), and when determining that it has not been completed (No in step Sa_10), repeatedly performs the processing from step Sa_2. To do.
  • the encoding apparatus 100 selects one division pattern for a fixed-size block and encodes each block according to the division pattern, but according to each of the plurality of division patterns. You may encode each block. In this case, the encoding apparatus 100 evaluates the cost for each of the plurality of division patterns, and, for example, finally outputs an encoded signal obtained by encoding according to the division pattern having the lowest cost. It may be selected as an activation signal.
  • steps Sa_1 to Sa_10 may be performed sequentially by the encoding apparatus 100, and some of the processing may be performed in parallel, and the order may be changed. May be.
  • 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. For example, 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). Then, the dividing unit 102 divides each fixed-size block into blocks of variable size (for example, 64 ⁇ 64 or less) based on, for example, recursive quadtree and / or binary tree block division. To do. That is, the dividing unit 102 selects a division pattern.
  • a fixed size for example, 128 ⁇ 128
  • This fixed size block may be referred to as a coding tree unit (CTU).
  • CTU coding tree unit
  • the dividing unit 102 divides each fixed-size block into blocks of variable size (for example, 64 ⁇ 64 or less) based on, for example, recursive quadtree
  • 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 a processing unit of CU, PU, and TU.
  • FIG. 3 is a diagram showing an example of block division in the present 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 these.
  • 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 pictures may be configured in units of slices or tiles.
  • a picture composed of slice units or tile units may be configured by the dividing unit 102.
  • a slice is a basic encoding unit that constitutes a picture.
  • a picture is composed of, for example, one or more slices.
  • a slice is composed of one or more continuous CTUs (Coding Tree Units).
  • FIG. 4A is a diagram showing an example of a slice configuration.
  • a picture includes 11 ⁇ 8 CTUs and is divided into four slices (slices 1-4).
  • Slice 1 is composed of 16 CTUs
  • slice 2 is composed of 21 CTUs
  • slice 3 is composed of 29 CTUs
  • slice 4 is composed of 22 CTUs.
  • each CTU in the picture belongs to one of the slices.
  • the slice shape is obtained by dividing the picture in the horizontal direction.
  • the boundary of the slice does not need to be the edge of the screen, and may be anywhere within the boundary of the CTU in the screen.
  • the processing order (encoding order or decoding order) of CTUs in a slice is, for example, a raster scan order.
  • the slice includes header information and encoded data.
  • the header information may describe characteristics of the slice such as the CTU address and slice type of the head of the slice.
  • a tile is a unit of a rectangular area constituting a picture. Each tile may be assigned a number called TileId in raster scan order.
  • FIG. 4B is a diagram illustrating an example of a tile configuration.
  • a picture includes 11 ⁇ 8 CTUs and is divided into four rectangular area tiles (tiles 1-4).
  • the processing order of CTUs is changed compared to when tiles are not used. If tiles are not used, multiple CTUs in a picture are processed in raster scan order. If tiles are used, at least one CTU is processed in raster scan order in each of the plurality of tiles.
  • the processing order of the plurality of CTUs included in tile 1 is from the left end of the first row of tile 1 to the right end of the first row of tile 1, and then the left end of the second row of tile 1 To the right end of the second row of tile 1.
  • one tile may include one or more slices, and one slice may include one or more tiles.
  • the subtraction unit 104 subtracts a prediction signal (a prediction sample input from the prediction control unit 128 shown below) from the original signal (original sample) in units of blocks input from the division unit 102 and 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 (residual) to the conversion unit 106.
  • a prediction signal a prediction sample input from the prediction control unit 128 shown below
  • 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. 5A is a table showing conversion basis functions corresponding to each conversion type.
  • 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.
  • EMT flag or AMT flag Information indicating whether or not to apply such EMT or AMT
  • information indicating the selected conversion type are usually signaled at the CU level.
  • the signalization of these pieces of information need not be limited to the CU level, but may be another level (for example, a bit 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 to apply NSST and information related to the transformation matrix used for NSST are usually 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).
  • Separable conversion and Non-Separable conversion may be applied to the conversion unit 106.
  • the separable conversion is a method in which the number of dimensions of the input is separated in each direction and the conversion is performed a plurality of times.
  • the non-separable conversion is the conversion of two or more dimensions when the input is multidimensional. This is a method in which conversion is performed collectively by regarding them as one-dimensional.
  • non-separable conversion if an input is a 4 ⁇ 4 block, it is regarded as one array having 16 elements, and a 16 ⁇ 16 conversion matrix is applied to the array. And the like that perform the conversion process.
  • a 4 ⁇ 4 input block is regarded as one array having 16 elements, and then a conversion that performs a Givens rotation on the array multiple times (Hypercube) (Givens Transform) may be performed.
  • Hypercube Givens rotation on the array multiple times
  • the base type to be converted into the frequency domain can be switched according to the area in the CU.
  • An example is SVT (Spatially Varying Transform).
  • SVT spatialally Varying Transform
  • the CU is divided into two equal parts in the horizontal or vertical direction, and only one of the regions is converted into the frequency region.
  • the type of conversion base can be set for each region, and for example, DST7 and DCT8 are used. In this example, only one of the two areas in the CU is converted and the other is not converted, but the two areas may be converted together.
  • the division method can be made more flexible, for example, by dividing into not only two equal parts but also four equal parts or separately indicating information indicating the division and signaling in the same manner as the CU division.
  • the SVT is sometimes called SBT (Sub-block Transform).
  • 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 scanning order is an order for transform coefficient quantization / inverse quantization.
  • 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.
  • Quantization matrix may be used for quantization.
  • quantization matrices may be used corresponding to frequency transform sizes such as 4 ⁇ 4 and 8 ⁇ 8, prediction modes such as intra prediction and inter prediction, and pixel components such as luminance and color difference.
  • Quantization means digitizing a value sampled at a predetermined interval in association with a predetermined level. In this technical field, expressions such as rounding, rounding, and scaling are used. There is also.
  • a method of using a quantization matrix there are a method of using a quantization matrix set directly on the encoding device side and a method of using a default quantization matrix (default matrix).
  • default matrix default matrix
  • the quantization matrix may be specified by, for example, SPS (sequence parameter set: Sequence Parameter Set) or PPS (picture parameter set: Picture Parameter Set).
  • SPS includes parameters used for sequences
  • PPS includes parameters used for pictures.
  • SPS and PPS are sometimes simply referred to as parameter sets.
  • the entropy encoding unit 110 generates an encoded signal (encoded bit stream) based on the quantization coefficient input from the quantization unit 108. Specifically, the entropy encoding unit 110, for example, binarizes the quantization coefficient, arithmetically encodes the binary signal, and outputs a compressed bit stream or sequence.
  • the inverse quantization unit 112 performs inverse quantization on the quantization coefficient 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 a prediction error (residual) by performing inverse transform on the transform coefficient 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 usually does not match the prediction error calculated by the subtraction unit 104 because information is lost due to quantization.
  • the restored prediction error usually includes a quantization error.
  • the addition unit 116 reconstructs the current block by adding the prediction error input from the inverse conversion 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, for example, blocks in an encoding target picture (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 frame memory 122 is a storage unit for storing a reference picture used for inter prediction, for example, and may be called a frame buffer. Specifically, the frame memory 122 stores the reconstructed block filtered by the loop filter unit 120.
  • 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 or DBF), 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.
  • Sub-block classification is performed based on gradient direction and activity.
  • the gradient direction value D for example, 0 to 2 or 0 to 4
  • the gradient activity value A for example, 0 to 4
  • 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. 6A to 6C are diagrams illustrating a plurality of examples of the shape of a filter used in ALF.
  • FIG. 6A shows a 5 ⁇ 5 diamond shape filter
  • FIG. 6B shows a 7 ⁇ 7 diamond shape filter
  • FIG. 6C shows a 9 ⁇ 9 diamond shape filter.
  • Information indicating the shape of the filter is usually signaled 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 may be determined at the picture level or the CU level, for example. For example, for luminance, it may be determined whether or not ALF is applied at the CU level, and for color differences, it may be determined whether or not ALF is applied at the picture level.
  • Information indicating on / off of ALF is usually 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.
  • the coefficient set of a plurality of selectable filters (for example, up to 15 or 25 filters) is usually signaled 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).
  • loop filter unit 120 performs filtering on the block boundary of the reconstructed image, thereby reducing distortion generated at the block boundary.
  • FIG. 7 is a block diagram illustrating an example of a detailed configuration of the loop filter unit 120 that functions as a deblocking filter.
  • the loop filter unit 120 includes a boundary determination unit 1201, a filter determination unit 1203, a filter processing unit 1205, a processing determination unit 1208, a filter characteristic determination unit 1207, and switches 1202, 1204, and 1206.
  • the boundary determination unit 1201 determines whether or not a pixel to be deblocked and filtered (that is, a target pixel) exists near the block boundary. Then, the boundary determination unit 1201 outputs the determination result to the switch 1202 and the process determination unit 1208.
  • the switch 1202 When the boundary determination unit 1201 determines that the target pixel exists in the vicinity of the block boundary, the switch 1202 outputs the image before the filter processing to the switch 1204. Conversely, when the boundary determination unit 1201 determines that the target pixel does not exist near the block boundary, the switch 1202 outputs the image before the filter processing to the switch 1206.
  • the filter determination unit 1203 determines whether or not to perform the deblocking / filtering process on the target pixel based on the pixel value of at least one peripheral pixel around the target pixel. Then, the filter determination unit 1203 outputs the determination result to the switch 1204 and the process determination unit 1208.
  • the switch 1204 outputs the pre-filtering image acquired via the switch 1202 to the filter processing unit 1205 when it is determined by the filter determination unit 1203 that deblocking / filtering processing has been performed on the target pixel. Conversely, the switch 1204 outputs the pre-filtering image acquired via the switch 1202 to the switch 1206 when the filter determination unit 1203 determines that deblocking / filtering is not performed on the target pixel.
  • the filter processing unit 1205 When the pre-filtering image is acquired via the switches 1202 and 1204, the filter processing unit 1205 performs the deblocking / filtering process having the filter characteristics determined by the filter characteristic determination unit 1207 on the target pixel. Execute. Then, the filter processing unit 1205 outputs the pixel after the filter processing to the switch 1206.
  • the switch 1206 selectively outputs a pixel that has not been subjected to the deblocking filter process and a pixel that has been subjected to the deblocking filter process by the filter processing unit 1205 in accordance with the control by the process determination unit 1208.
  • the process determination unit 1208 controls the switch 1206 based on the determination results of the boundary determination unit 1201 and the filter determination unit 1203. In other words, the process determining unit 1208 determines that the target pixel is present near the block boundary by the boundary determining unit 1201 and also determines that the target pixel is to be deblocked / filtered by the filter determining unit 1203 In this case, the deblocking filtered pixel is output from the switch 1206. In other cases than those described above, the process determination unit 1208 causes the switch 1206 to output pixels that have not been deblocked and filtered. By repeatedly outputting such pixels, an image after filter processing is output from the switch 1206.
  • FIG. 8 is a diagram illustrating an example of a deblocking filter having filter characteristics that are symmetric with respect to a block boundary.
  • one of two deblocking filters having different characteristics that is, a strong filter and a weak filter is selected using a pixel value and a quantization parameter.
  • the strong filter as shown in FIG. 8, when the pixels p0 to p2 and the pixels q0 to q2 exist across the block boundary, the pixel values of the pixels q0 to q2 are calculated by the following equation. As a result, the pixel values q′0 to q′2 are changed.
  • p0 to p2 and q0 to q2 are the pixel values of the pixels p0 to p2 and the pixels q0 to q2, respectively.
  • Q3 is the pixel value of the pixel q3 adjacent to the pixel q2 on the side opposite to the block boundary.
  • a coefficient that is multiplied by the pixel value of each pixel used for the deblocking filter process is a filter coefficient.
  • the clip process may be performed so that the pixel value after the calculation does not change beyond the threshold value.
  • the pixel value after calculation according to the above equation is clipped to “pixel value before calculation ⁇ 2 ⁇ threshold value” using a threshold value determined from the quantization parameter. Thereby, excessive smoothing can be prevented.
  • FIG. 9 is a diagram for explaining a block boundary where deblocking filter processing is performed.
  • FIG. 10 is a diagram illustrating an example of the Bs value.
  • the block boundary where the deblocking filter processing is performed is, for example, a PU (Prediction Unit) or TU (Transform Unit) boundary of an 8 ⁇ 8 pixel block as shown in FIG.
  • the deblocking filter process is performed in units of 4 rows or 4 columns.
  • Bs Bit Strength
  • the deblocking filter process for the color difference signal is performed when the Bs value is 2.
  • the deblocking filter process for the luminance signal is performed when the Bs value is 1 or more and a predetermined condition is satisfied. Note that the determination condition of the Bs value is not limited to that shown in FIG. 10, and may be determined based on other parameters.
  • FIG. 11 is a diagram illustrating an example of processing performed by the prediction processing unit of the encoding device 100. Note that the prediction processing unit includes all or part of the constituent elements of the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128.
  • the prediction processing unit generates a predicted image of the current block (step Sb_1).
  • This prediction image is also called a prediction signal or a prediction block.
  • the prediction signal includes, for example, an intra prediction signal or an inter prediction signal.
  • the prediction processor generates a reconstructed image that has already been obtained by performing prediction block generation, difference block generation, coefficient block generation, difference block restoration, and decoded image block generation. To generate a predicted image of the current block.
  • the reconstructed image may be, for example, an image of a reference picture or an image of an already-encoded block in the current picture that is a picture including the current block.
  • An encoded block in the current picture is, for example, a block adjacent to the current block.
  • FIG. 12 is a diagram illustrating another example of processing performed by the prediction processing unit of the encoding device 100.
  • the prediction processing unit generates a prediction image by the first method (step Sc_1a), generates a prediction image by the second method (step Sc_1b), and generates a prediction image by the third method (step Sc_1c).
  • the first method, the second method, and the third method are different methods for generating a predicted image, and are, for example, an inter prediction method, an intra prediction method, and other prediction methods, respectively. There may be. In these prediction methods, the reconstructed image described above may be used.
  • the prediction processing unit selects any one of the plurality of predicted images generated in Steps Sc_1a, Sc_1b, and Sc_1c (Step Sc_2).
  • the selection of the predicted image that is, the selection of the method or mode for obtaining the final predicted image may be performed based on the cost calculated for each generated predicted image.
  • the prediction image may be selected based on parameters used for the encoding process.
  • the encoding apparatus 100 may signal information for specifying the selected predicted image, scheme, or mode into an encoded signal (also referred to as an encoded bitstream).
  • the information may be a flag, for example. Thereby, the decoding apparatus can produce
  • the prediction processing unit selects any prediction image after generating a prediction image by each method. However, before generating the predicted images, the prediction processing unit selects a method or mode based on the parameters used in the above-described encoding process, and generates a predicted image according to the method or mode. Also good.
  • the first method and the second method are intra prediction and inter prediction, respectively, and the prediction processing unit calculates a final prediction image for the current block from the prediction images generated according to these prediction methods. You may choose.
  • FIG. 13 is a diagram illustrating another example of processing performed by the prediction processing unit of the encoding device 100.
  • the prediction processing unit generates a prediction image by intra prediction (step Sd_1a), and generates a prediction image by inter prediction (step Sd_1b).
  • a prediction image generated by intra prediction is also referred to as an intra prediction image
  • a prediction image generated by inter prediction is also referred to as an inter prediction image.
  • the prediction processing unit evaluates each of the intra prediction image and the inter prediction image (step Sd_2). Cost may be used for this evaluation. That is, the prediction processing unit calculates the cost C of each of the intra predicted image and the inter predicted image.
  • D is the coding distortion of the predicted image, and is represented by, for example, the sum of absolute differences between the pixel value of the current block and the pixel value of the predicted image.
  • R is a generated code amount of the predicted image, specifically, a code amount necessary for encoding motion information or the like for generating the predicted image.
  • ⁇ is a Lagrange's undetermined multiplier, for example.
  • the prediction processing unit selects a predicted image for which the smallest cost C is calculated from the intra predicted image and the inter predicted image as the final predicted image of the current block (step Sd_3). That is, a prediction method or mode for generating a prediction image of the current block is selected.
  • 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 usually 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.
  • the Planar prediction mode and the DC prediction mode defined in the H.265 / HEVC standard are included.
  • the multiple directionality prediction modes are for example H.264. It includes 33-direction prediction modes defined by 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. 14 is a diagram illustrating all 67 intra prediction modes (two non-directional prediction modes and 65 directional prediction modes) in intra prediction. Solid arrows indicate H. The 33 directions defined in the H.265 / HEVC standard are represented, and the dashed arrow represents the added 32 directions. (Two non-directional prediction modes are not shown in FIG. 14)
  • 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 the presence / absence of application of PDPC (for example, called a PDPC flag) is usually signaled 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 current sub-block (for example, 4 ⁇ 4 block) in the current block. For example, the inter prediction unit 126 performs motion estimation within the reference picture for the current block or current subblock, and finds the reference block or subblock that most closely matches the current block or current subblock.
  • the inter prediction unit 126 acquires motion information (for example, a motion vector) that compensates for motion or change from the reference block or sub-block to the current block or sub-block.
  • the inter prediction unit 126 performs motion compensation (or motion prediction) based on the motion information, and generates an inter prediction signal for the current block or sub-block.
  • the inter prediction unit 126 outputs the generated inter prediction signal to the prediction control unit 128.
  • the motion information used for motion compensation may be signaled as an inter prediction signal in various forms.
  • a motion vector may be signaled.
  • a difference between a motion vector and a motion vector predictor may be signaled.
  • FIG. 15 is a flowchart showing a basic flow of inter prediction.
  • the inter prediction unit 126 first generates a prediction image (steps Se_1 to Se_3). Next, the subtraction unit 104 generates a difference between the current block and the predicted image as a prediction residual (step Se_4).
  • the inter prediction unit 126 generates the prediction image by determining the motion vector (MV) of the current block (Step Se_1 and Se_2) and motion compensation (Step Se_3). To do.
  • the inter prediction unit 126 determines the MV by selecting a candidate motion vector (candidate MV) (step Se_1) and deriving the MV (step Se_2).
  • the selection of the candidate MV is performed, for example, by selecting at least one candidate MV from the candidate MV list.
  • the inter prediction unit 126 determines the selected at least one candidate MV as the MV of the current block by further selecting at least one candidate MV from the at least one candidate MV. May be.
  • the inter prediction unit 126 may determine the MV of the current block by searching the reference picture region indicated by the candidate MV for each of the selected at least one candidate MV. Note that this search for the reference picture area may be referred to as motion estimation.
  • steps Se_1 to Se_3 are performed by the inter prediction unit 126.
  • processing such as step Se_1 or step Se_2 may be performed by other components included in the encoding device 100. .
  • FIG. 16 is a flowchart illustrating an example of motion vector derivation.
  • the inter prediction unit 126 derives the MV of the current block in a mode for encoding motion information (for example, MV).
  • motion information is encoded as a prediction parameter and signaled. That is, encoded motion information is included in an encoded signal (also referred to as an encoded bit stream).
  • the inter prediction unit 126 derives MV in a mode that does not encode motion information. In this case, motion information is not included in the encoded signal.
  • the MV derivation modes include a normal inter mode, a merge mode, a FRUC mode, and an affine mode, which will be described later.
  • modes for encoding motion information include a normal inter mode, a merge mode, and an affine mode (specifically, an affine inter mode and an affine merge mode).
  • the motion information may include not only MV but also later-described predicted motion vector selection information.
  • the mode in which motion information is not encoded includes the FRUC mode.
  • the inter prediction unit 126 selects a mode for deriving the MV of the current block from the plurality of modes, and derives the MV of the current block using the selected mode.
  • FIG. 17 is a flowchart showing another example of motion vector derivation.
  • the inter prediction unit 126 derives the MV of the current block in a mode for encoding the difference MV.
  • the difference MV is encoded as a prediction parameter and signaled. That is, the encoded difference MV is included in the encoded signal.
  • This difference MV is the difference between the MV of the current block and its predicted MV.
  • the inter prediction unit 126 derives the MV in a mode in which the difference MV is not encoded.
  • the encoded difference MV is not included in the encoded signal.
  • the MV derivation modes include the normal inter, the merge mode, the FRUC mode, and the affine mode, which will be described later.
  • modes for encoding the difference MV include a normal inter mode and an affine mode (specifically, an affine inter mode).
  • modes that do not encode the difference MV include FRUC mode, merge mode, and affine mode (specifically, affine merge mode).
  • the inter prediction unit 126 selects a mode for deriving the MV of the current block from the plurality of modes, and derives the MV of the current block using the selected mode.
  • FIG. 18 is a flowchart showing another example of motion vector derivation.
  • the MV derivation mode that is, the inter prediction mode, has a plurality of modes, which are roughly classified into a mode for encoding the difference MV and a mode for not encoding the difference motion vector.
  • the modes that do not encode the difference MV include a merge mode, an FRUC mode, and an affine mode (specifically, an affine merge mode). The details of these modes will be described later.
  • the merge mode is a mode for deriving the MV of the current block by selecting a motion vector from surrounding encoded blocks
  • the FRUC mode is:
  • the MV of the current block is derived by performing a search between encoded regions.
  • the affine mode is a mode for deriving the motion vector of each of a plurality of sub-blocks constituting the current block as the MV of the current block assuming affine transformation.
  • the inter prediction unit 126 when the inter prediction mode information indicates 0 (0 in Sf_1), the inter prediction unit 126 derives a motion vector using the merge mode (Sf_2). Further, when the inter prediction mode information indicates 1 (1 in Sf_1), the inter prediction unit 126 derives a motion vector in the FRUC mode (Sf_3). Further, when the inter prediction mode information indicates 2 (2 in Sf_1), the inter prediction unit 126 derives a motion vector using an affine mode (specifically, an affine merge mode) (Sf_4). Further, when the inter prediction mode information indicates 3 (3 in Sf_1), the inter prediction unit 126 derives a motion vector in a mode for encoding the difference MV (for example, a normal inter mode) (Sf_5).
  • Sf_5 when the inter prediction mode information indicates 0 (0 in Sf_1), the inter prediction unit 126 derives a motion vector using the merge mode (Sf_2). Further, when the inter prediction mode information indicates 1 (1 in Sf_1), the
  • the normal inter mode is an inter prediction mode in which the MV of the current block is derived by finding a block similar to the image of the current block from the reference picture area indicated by the candidate MV. In the normal inter mode, the difference MV is encoded.
  • FIG. 19 is a flowchart showing an example of inter prediction in the normal inter mode.
  • the inter prediction unit 126 acquires a plurality of candidate MVs for the current block based on information such as the MVs of a plurality of encoded blocks around the current block in terms of time or space (Step). Sg_1). That is, the inter prediction unit 126 creates a candidate MV list.
  • the inter prediction unit 126 predicts each of N (N is an integer of 2 or more) candidate MVs from among the plurality of candidate MVs acquired in step Sg_1 (predicted motion vector candidates (also referred to as predicted MV candidates)). Are extracted according to a predetermined priority order (step Sg_2).
  • the priority order is predetermined for each of the N candidate MVs.
  • the inter prediction unit 126 selects one prediction motion vector candidate from the N prediction motion vector candidates as a prediction motion vector (also referred to as prediction MV) of the current block (step Sg — 3). At this time, the inter prediction unit 126 encodes prediction motion vector selection information for identifying the selected prediction motion vector into a stream.
  • the stream is the above-described encoded signal or encoded bit stream.
  • the inter prediction unit 126 refers to the encoded reference picture and derives the MV of the current block (step Sg_4). At this time, the inter prediction unit 126 further encodes the difference value between the derived MV and the predicted motion vector as a difference MV into a stream.
  • An encoded reference picture is a picture composed of a plurality of blocks reconstructed after encoding.
  • the inter prediction unit 126 generates a prediction image of the current block by performing motion compensation on the current block using the derived MV and the encoded reference picture (step Sg_5).
  • the predicted image is the above-described inter prediction signal.
  • information indicating the inter prediction mode (normal inter mode in the above example) used for generating a predicted image, which is included in the encoded signal is encoded as a prediction parameter, for example.
  • the candidate MV list may be used in common with lists used in other modes. Further, the process related to the candidate MV list may be applied to the process related to the list used for other modes.
  • the processing related to this candidate MV list is, for example, extraction or selection of candidate MVs from the candidate MV list, rearrangement of candidate MVs, or deletion of candidate MVs.
  • the merge mode is an inter prediction mode in which the candidate MV is selected from the candidate MV list as the MV of the current block, and the MV is derived.
  • FIG. 20 is a flowchart showing an example of inter prediction in merge mode.
  • the inter prediction unit 126 acquires a plurality of candidate MVs for the current block based on information such as the MVs of a plurality of encoded blocks around the current block in terms of time or space (Step). Sh_1). That is, the inter prediction unit 126 creates a candidate MV list.
  • the inter prediction unit 126 derives the MV of the current block by selecting one candidate MV from the plurality of candidate MVs acquired in Step Sh_1 (Step Sh_2). At this time, the inter prediction unit 126 encodes MV selection information for identifying the selected candidate MV into a stream.
  • the inter prediction unit 126 generates a prediction image of the current block by performing motion compensation on the current block using the derived MV and the encoded reference picture (step Sh_3).
  • information indicating the inter prediction mode (merged mode in the above example) used for generating a predicted image, which is included in the encoded signal is encoded as a prediction parameter, for example.
  • FIG. 21 is a diagram for explaining an example of the motion vector derivation process of the current picture in the merge mode.
  • Prediction MV candidates include spatial adjacent prediction MVs that are MVs of a plurality of encoded blocks located spatially around the target block, and neighboring blocks that project the position of the target block in the encoded reference picture.
  • 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. 21 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 a DMVR (dynamic motion vector refreshing) process, which will be described later, using the MV of the target block derived in the merge mode.
  • DMVR dynamic motion vector refreshing
  • the prediction MV candidates are the above-described candidate MVs
  • the prediction MV list is the above-described candidate MV list.
  • the candidate MV list may be referred to as a candidate list.
  • merge_idx is MV selection information.
  • the motion information may be derived on the decoding device side without being signaled from the coding device side.
  • H.P. 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, the motion search is performed on the decoding device side without using the pixel value of the current block.
  • the mode in which the motion search is performed on the decoding apparatus 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
  • a list of a plurality of candidates each having a predicted motion vector (MV) ie, a candidate MV list, May be shared with the merge list
  • the best candidate MV is selected from a plurality of candidate MVs registered in the candidate MV list (step Si_2).
  • the evaluation value of each candidate MV included in the candidate MV list is calculated, and one candidate MV is selected based on the evaluation value.
  • a motion vector for the current block is derived (step Si_4).
  • the selected candidate motion vector (best candidate MV) is directly derived as a motion vector for the current block.
  • a motion vector for the current block may be derived by performing pattern matching in a peripheral region at a position in the reference picture corresponding to the selected candidate motion vector. That is, a search using pattern matching and evaluation values in the reference picture is performed on the area around the best candidate MV, and if there is an MV with a better evaluation value, the best candidate MV is set as the MV. It may be updated to make it the final MV of the current block. It is also possible to adopt a configuration in which processing for updating to an MV having a better evaluation value is not performed.
  • the inter prediction unit 126 generates a prediction image of the current block by performing motion compensation on the current block using the derived MV and the encoded reference picture (step Si_5).
  • the same processing may be performed when processing is performed in units of sub-blocks.
  • the evaluation value may be calculated by various methods. For example, a reconstructed image of an area in a reference picture corresponding to a motion vector and a predetermined area (the area is, for example, an area of another reference picture or an adjacent block of the current picture as shown below. To the reconstructed image. Then, the difference between the pixel values of the two reconstructed images may be calculated and used as the motion vector evaluation value. Note that the evaluation value may be calculated using information other than the difference value.
  • one candidate MV included in a candidate MV list (for example, a merge list) is selected as a search starting point by pattern matching.
  • the pattern matching the first pattern matching or the second pattern matching is used.
  • the first pattern matching and the second pattern matching may be referred to as bilateral matching and template matching, respectively.
  • FIG. 23 is a diagram for explaining an example of first pattern matching (bilateral matching) between two blocks in two reference pictures 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.
  • MV derivation>FRUC> template matching In the second pattern matching (template matching), 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. Done. 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. 24 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). Of motion vectors are derived.
  • 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
  • information indicating an applicable pattern matching method first pattern matching or second pattern matching
  • 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).
  • affine mode for deriving a motion vector in units of sub-blocks based on a plurality of adjacent block motion vectors. This mode may be referred to as an affine motion compensation prediction mode.
  • FIG. 25A is a diagram for describing an example of deriving motion vectors 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, and similarly, the motion vector v of the upper right corner control point of the current block based on the motion vector of the adjacent sub block. 1 is derived.
  • two motion vectors v 0 and v 1 are projected to derive a motion vector (v x , v y ) of each sub-block in the current block.
  • x and y indicate the horizontal position and vertical position of the sub-block, respectively, and w indicates a predetermined weight coefficient.
  • Information indicating such an affine mode may be signaled at the CU level.
  • the signalization of information indicating the affine mode is not necessarily limited to the CU level, but may be performed at other levels (for example, a sequence level, a picture level, a slice level, a tile level, a CTU level, or a sub-block level). May be.
  • an affine mode may include several modes in which the motion vector derivation methods of the upper left and upper right corner control points are different.
  • FIG. 25B is a diagram for explaining an example of deriving a motion vector in units of sub-blocks in an affine mode having three control points.
  • 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, and similarly, the motion vector v 1 of the upper right corner control point of the current block based on the motion vector of the adjacent block.
  • motion vector v 2 in the lower left angle control point in the current block based on the motion vector of the neighboring block is derived.
  • three motion vectors v 0 , v 1, and v 2 are projected to derive a motion vector (v x , v y ) of each sub-block in the current block.
  • x and y indicate the horizontal position and vertical position of the center of the sub-block, respectively, w indicates the width of the current block, and h indicates the height of the current block.
  • the affine modes with different numbers of control points may be signaled by switching at the CU level.
  • information indicating the number of affine mode control points used at the CU level may be signaled at other levels (for example, sequence level, picture level, slice level, tile level, CTU level, or sub-block level). Good.
  • an affine mode having three control points may include several modes in which the motion vector derivation methods of the upper left, upper right, and lower left corner control points are different.
  • FIG. 26A, FIG. 26B, and FIG. 26C are conceptual diagrams for explaining the affine merge mode.
  • an encoded block A left
  • a block B upper
  • a block C upper right
  • a block D lower left
  • a block E upper left
  • the predicted motion vector of each control point of the current block is calculated based on a plurality of motion vectors corresponding to the block encoded in the affine mode. Specifically, these blocks are examined in the order of encoded block A (left), block B (upper), block C (upper right), block D (lower left) and block E (upper left), and in affine mode
  • the first valid block encoded is identified. Based on the plurality of motion vectors corresponding to the identified block, a predicted motion vector of the control point of the current block is calculated.
  • the motion vectors v 3 and v 4 projected to the position of are derived. Then, the motion vector v 3 and v 4 derived, the predicted motion vector v 0 of the control point of the upper left corner of the current block, the prediction motion vector v 1 of the control point in the upper right corner is calculated.
  • the upper left corner and the upper right corner of the encoded block including the block A And motion vectors v 3 , v 4 and v 5 projected to the position of the lower left corner are derived. Then, from the derived motion vectors v 3 , v 4 and v 5 , the predicted motion vector v 0 of the control point at the upper left corner of the current block, the predicted motion vector v 1 of the control point at the upper right corner, and the control of the lower left corner predicted motion vector v 2 of the points are calculated.
  • this prediction motion vector derivation method may be used to derive each prediction motion vector of the control point of the current block in step Sj_1 in FIG. 29 described later.
  • FIG. 27 is a flowchart showing an example of the affine merge mode.
  • the inter prediction unit 126 derives a prediction MV of each control point of the current block (step Sk_1).
  • the control points are the upper left corner and upper right corner of the current block as shown in FIG. 25A, or the upper left corner, upper right corner and lower left corner of the current block as shown in FIG. 25B.
  • the inter prediction unit 126 performs an encoded block A (left), block B (upper), block C (upper right), block D (lower left), and block E (upper left) in order. These blocks are examined and the first valid block encoded in affine mode is identified.
  • the inter prediction unit 126 When block A is specified and block A has two control points, as shown in FIG. 26B, the inter prediction unit 126 performs motion vectors v 3 at the upper left corner and the upper right corner of the encoded block including block A. and v 4, and calculates a motion vector v 0 of the control point of the upper left corner of the current block, the control point in the upper right corner and a motion vector v 1. For example, the inter prediction unit 126 projects the motion vectors v 3 and v 4 at the upper left corner and the upper right corner of the encoded block onto the current block, thereby predicting the motion vector v 0 at the control point at the upper left corner of the current block. And a predicted motion vector v 1 of the control point in the upper right corner.
  • the inter prediction unit 126 moves the upper left corner, the upper right corner, and the lower left corner of the encoded block including the block A as illustrated in FIG. from the vector v 3, v 4 and v 5, calculates a motion vector v 0 of the control point of the upper left corner of the current block, the motion vector v 1 of the control point in the upper right corner, the control point of the lower-left corner of the motion vector v 2 To do.
  • the inter prediction unit 126 projects the motion vectors v 3 , v 4, and v 5 of the upper left corner, the upper right corner, and the lower left corner of the encoded block onto the current block, thereby controlling the upper left corner control point of the current block. to the calculated and the predicted motion vector v 0, the predicted motion vector v 1 of the control point in the upper right corner, the control point of the lower-left corner of the motion vector v 2.
  • the inter prediction unit 126 performs motion compensation for each of the plurality of sub-blocks included in the current block. That is, for each of the plurality of sub-blocks, the inter prediction unit 126 includes two prediction motion vectors v 0 and v 1 and the above-described equation (1A), or three prediction motion vectors v 0 , v 1, and v 2 .
  • the motion vector of the sub-block is calculated as an affine MV (step Sk_2).
  • the inter prediction unit 126 performs motion compensation on the sub-block using the affine MV and the encoded reference picture (step Sk_3). As a result, motion compensation is performed on the current block, and a predicted image of the current block is generated.
  • FIG. 28A is a diagram for explaining an affine inter mode having two control points.
  • the motion vector selected from the motion vectors of the encoded block A, block B, and block C adjacent to the current block is the prediction of the control point at the upper left corner of the current block. It is used as the motion vector v 0.
  • the motion vector selected from the motion vectors of the encoded block D and block E adjacent to the current block is used as the predicted motion vector v 1 of the control point at the upper right corner of the current block.
  • FIG. 28B is a diagram for explaining an affine inter mode having three control points.
  • the motion vector selected from the motion vectors of the encoded block A, block B, and block C adjacent to the current block is the prediction of the control point at the upper left corner of the current block. It is used as the motion vector v 0.
  • the motion vector selected from the motion vectors of the encoded block D and block E adjacent to the current block is used as the predicted motion vector v 1 of the control point at the upper right corner of the current block.
  • motion vectors selected from the motion vectors of the encoded block F and block G adjacent to the current block are used as predicted motion vector v 2 of the control points of the lower left corner of the current block.
  • FIG. 29 is a flowchart showing an example of the affine inter mode.
  • the inter prediction unit 126 derives prediction MV (v 0 , v 1 ) or (v 0 , v 1 , v 2 ) of each of two or three control points of the current block ( Step Sj_1). As shown in FIG. 25A or FIG. 25B, the control points are points at the upper left corner, upper right corner, or lower left corner of the current block.
  • the inter prediction unit 126 predicts the control point of the current block by selecting a motion vector of one of the encoded blocks in the vicinity of each control point of the current block shown in FIG. 28A or 28B.
  • a motion vector (v 0 , v 1 ) or (v 0 , v 1 , v 2 ) is derived.
  • the inter prediction unit 126 encodes prediction motion vector selection information for identifying the two selected motion vectors into a stream.
  • the inter prediction unit 126 determines which block motion vector is selected as the predicted motion vector of the control point from the encoded blocks adjacent to the current block, using cost evaluation or the like, and which prediction motion vector is selected. A flag indicating whether it has been selected may be described in the bitstream.
  • the inter prediction unit 126 performs a motion search (steps Sj_3 and Sj_4) while updating the predicted motion vectors selected or derived in step Sj_1 (step Sj_2). That is, the inter prediction unit 126 calculates the motion vector of each sub-block corresponding to the updated prediction motion vector as the affine MV, using the above equation (1A) or equation (1B) (step Sj_3). Then, the inter prediction unit 126 performs motion compensation on each sub-block using the affine MV and the encoded reference picture (step Sj_4). As a result, in the motion search loop, the inter prediction unit 126 determines, for example, a predicted motion vector that can obtain the lowest cost as a motion vector of a control point (step Sj_5). At this time, the inter prediction unit 126 further encodes each difference value between the determined MV and the predicted motion vector as a difference MV into a stream.
  • the inter prediction unit 126 generates a predicted image of the current block by performing motion compensation on the current block using the determined MV and the encoded reference picture (step Sj_6).
  • FIG. 30A and FIG. 30B are conceptual diagrams for explaining a control point prediction vector derivation method when the number of control points is different between the encoded block and the current block.
  • the current block has three control points, upper left corner, upper right corner and lower left corner, and block A adjacent to the left of the current block is encoded in an affine mode having two control points. If so, motion vectors v 3 and v 4 projected to the positions of the upper left corner and the upper right corner of the encoded block including the block A are derived. Then, the motion vector v 3 and v 4 derived, the predicted motion vector v 0 of the control point of the upper left corner of the current block, the prediction motion vector v 1 of the control point in the upper right corner is calculated. Further, the predicted motion vector v 2 of the control point at the lower left corner is calculated from the derived motion vectors v 0 and v 1 .
  • the current block has two control points in the upper left corner and the upper right corner, and block A adjacent to the left of the current block is encoded in an affine mode having three control points.
  • motion vectors v 3 , v 4, and v 5 projected to the positions of the upper left corner, the upper right corner, and the lower left corner of the encoded block including the block A are derived.
  • the motion vector v 3, v 4 and v 5 derived, the predicted motion vector v 0 of the control point of the upper left corner of the current block, the prediction motion vector v 1 of the control point in the upper right corner is calculated.
  • This prediction motion vector derivation method may be used for derivation of each prediction motion vector of the control point of the current block in step Sj_1 in FIG.
  • FIG. 31A is a diagram showing the relationship between the merge mode and DMVR.
  • the inter prediction unit 126 derives the motion vector of the current block in the merge mode (step S1_1).
  • the inter prediction unit 126 determines whether or not to perform a motion vector search, that is, a motion search (step S1_2).
  • the inter prediction unit 126 determines the motion vector derived in Step S1_1 as the final motion vector for the current block (Step S1_4). That is, in this case, the motion vector of the current block is determined in the merge mode.
  • Step S1_3 a final motion vector is derived (step S1_3). That is, in this case, the motion vector of the current block is determined by DMVR.
  • FIG. 31B is a conceptual diagram for explaining an example of the DMVR process for determining the MV.
  • the optimal MVP set in the current block (for example, in the merge mode) is set as a candidate MV.
  • the candidate MV (L0) the reference pixel is specified from the first reference picture (L0) that is an encoded picture in the L0 direction.
  • the reference pixel is specified from the second reference picture (L1) that is a coded picture in the L1 direction.
  • a template is generated by taking the average of these reference pixels.
  • the peripheral areas of the candidate MVs of the first reference picture (L0) and the second reference picture (L1) are searched, respectively, and the MV with the lowest cost is determined as the final MV.
  • the cost value may be calculated using, for example, a difference value between each pixel value of the template and each pixel value of the search area, a candidate MV value, and the like.
  • Any process may be used as long as it is a process capable of searching around the candidate MV and deriving the final MV, instead of the process described here.
  • BIO / OBMC In motion compensation, there is a mode in which a predicted image is generated and the predicted image is corrected.
  • the modes are, for example, BIO and OBMC described later.
  • FIG. 32 is a flowchart showing an example of generation of a predicted image.
  • the inter prediction unit 126 generates a predicted image (step Sm_1), and corrects the predicted image in any of the modes described above (step Sm_2).
  • FIG. 33 is a flowchart showing another example of generation of a predicted image.
  • the inter prediction unit 126 determines the motion vector of the current block (step Sn_1). Next, the inter prediction unit 126 generates a prediction image (Step Sn_2) and determines whether or not to perform correction processing (Step Sn_3). Here, when the inter prediction unit 126 determines to perform the correction process (Yes in Step Sn_3), the inter prediction unit 126 generates a final predicted image by correcting the predicted image (Step Sn_4). On the other hand, when the inter prediction unit 126 determines not to perform the correction process (No in Step Sn_3), the inter prediction unit 126 outputs the final predicted image without correcting the predicted image (Step Sn_5).
  • the mode is, for example, LIC described later.
  • FIG. 34 is a flowchart showing still another example of generation of a predicted image.
  • the inter prediction unit 126 derives a motion vector of the current block (step So_1). Next, the inter prediction unit 126 determines whether or not to perform luminance correction processing (step So_2). Here, when the inter prediction unit 126 determines to perform the luminance correction process (Yes in Step So_2), the inter prediction unit 126 generates a predicted image while performing the luminance correction (Step So_3). That is, a predicted image is generated by LIC. On the other hand, when the inter prediction unit 126 determines not to perform the luminance correction process (No in Step So_2), the inter prediction unit 126 generates a prediction image by normal motion compensation without performing the luminance correction (Step So_4).
  • 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 prediction signal based on the motion information obtained in the motion search (within the reference picture) and the prediction signal based on the motion information of the adjacent block (within the current picture) are weighted and added, so that The inter prediction signal may be generated for each sub-block in the block.
  • Such inter prediction (motion compensation) may be referred to as 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. 35 and FIG. 36 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 a processing target (current) block.
  • MV motion vector assigned to a processing target (current) block.
  • an arrow “MV” indicates a reference picture and indicates what the current block of the current picture refers to in order to obtain a predicted image.
  • the motion vector (MV_L) already derived for the encoded left adjacent block is applied (reused) to the encoding target block to obtain a predicted image (Pred_L).
  • the motion vector (MV_L) is indicated by an arrow “MV_L” pointing from the current block to the reference picture.
  • the first correction of the predicted image is performed by superimposing the two predicted images Pred and Pred_L. This has the effect of mixing the boundaries between adjacent blocks.
  • the motion vector (MV_U) already derived for the encoded upper adjacent block is applied (reused) to the encoding target block to obtain a predicted image (Pred_U).
  • the motion vector (MV_U) is indicated by an arrow “MV_U” pointing from the current block to the reference picture.
  • the prediction image Pred_U is superimposed on the prediction image (for example, Pred and Pred_L) subjected to the first correction, thereby correcting the prediction image for the second time. This has the effect of mixing the boundaries between adjacent blocks.
  • the predicted image obtained by the second correction is the final predicted image of the current block in which the boundary with the adjacent block is mixed (smoothed).
  • the above example is a two-pass correction method using the left and upper adjacent blocks.
  • the correction method is a three-pass or more pass that also uses the right and / or lower adjacent blocks. This correction method may be used.
  • 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 prediction image correction processing of OBMC for obtaining one prediction image Pred by superimposing additional prediction images Pred_L and Pred_U from one reference picture has been described.
  • the same processing may be applied to each of the plurality of reference pictures.
  • the obtained plurality of corrected predicted images are further superimposed. To obtain the final predicted image.
  • the unit of the target block may be a prediction block unit or a sub-block unit obtained by further dividing the prediction block.
  • the encoding apparatus may determine whether or not the target block belongs to a complex motion region.
  • the encoding is performed by setting the value 1 as obmc_flag and applying the OBMC processing.
  • the encoding device is set as obmc_flag. A value of 0 is set, and the block is encoded without applying the OBMC process.
  • the decoding device decodes obj_flag described in a stream (for example, a compressed sequence), and performs decoding by switching whether to apply the OBMC processing according to the value.
  • the inter prediction unit 126 generates one rectangular prediction image for the rectangular current block.
  • the inter prediction unit 126 generates a plurality of prediction images having a shape different from the rectangle for the rectangular current block, and generates a final rectangular prediction image by combining the plurality of prediction images. May be.
  • the shape different from the rectangle may be, for example, a triangle.
  • FIG. 37 is a diagram for explaining generation of predicted images of two triangles.
  • the inter prediction unit 126 generates a triangular prediction image by performing motion compensation on the triangular first partition in the current block using the first MV of the first partition. Similarly, the inter prediction unit 126 generates a triangular predicted image by performing motion compensation on the second partition of the triangle in the current block using the second MV of the second partition. Then, the inter prediction unit 126 generates a prediction image having the same rectangular shape as that of the current block by combining these prediction images.
  • each of the first partition and the second partition is a triangle, but may be a trapezoid or a shape different from each other.
  • the current block is composed of two partitions, but may be composed of three or more partitions.
  • first partition and the second partition may overlap. That is, the first partition and the second partition may include the same pixel area.
  • the prediction image of the current block may be generated using the prediction image in the first partition and the prediction image in the second partition.
  • the prediction image is generated by inter prediction for both of the two partitions.
  • the prediction image may be generated by intra prediction for at least one partition.
  • BIO a method for deriving a motion vector.
  • a mode for deriving a motion vector based on a model assuming constant velocity linear motion will be described. This mode is sometimes referred to as a BIO (bi-directional optical flow) mode.
  • FIG. 38 is a diagram for explaining a model assuming a constant velocity linear motion.
  • (vx, vy) represents a velocity vector
  • ⁇ 0 and ⁇ 1 represent temporal distances between the current picture (Cur Pic) and two reference pictures (Ref0, Ref1), respectively.
  • (MVx0, MVy0) indicates a motion vector corresponding to the reference picture Ref0
  • (MVx1, MVy1) indicates a motion vector corresponding to the reference picture Ref1.
  • This optical flow equation consists of (i) the product of the time derivative of the luminance value, (ii) the horizontal component of the horizontal velocity and the spatial gradient of the reference image, and (iii) the vertical velocity and the spatial gradient of the reference image. Indicates that the sum of the products of the vertical components of is equal to zero. Based on the combination of this optical flow equation and Hermite interpolation, the block-based motion vector obtained from the merge list or the like may be 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.
  • FIG. 39 is a diagram for explaining an example of a predicted image generation method using luminance correction processing by LIC processing.
  • an MV is derived from an encoded reference picture, and a reference image corresponding to the current block is acquired.
  • information indicating how the luminance value has changed between the reference picture and the current picture is extracted for the current block.
  • This extraction is performed by using the luminance pixel values of the encoded left adjacent reference region (peripheral reference region) and the encoded upper adjacent reference region (peripheral reference region) in the current picture, and the reference picture specified by the derived MV. This is performed based on the luminance pixel value at the equivalent position.
  • the brightness correction parameter is calculated using information indicating how the brightness value has changed.
  • a prediction image for the current block is generated by performing luminance correction processing that applies the luminance correction parameter to the reference image in the reference picture specified by MV.
  • the shape of the peripheral reference region in FIG. 39 is an example, and other shapes may be used.
  • the predicted image may be generated after performing the luminance correction processing in the same manner as in FIG.
  • lic_flag is a signal indicating whether to apply LIC processing.
  • the encoding apparatus it is determined whether or not the current block belongs to an area where the luminance change occurs. If the current block belongs to the area where the luminance change occurs, the value is set as lic_flag. When 1 is set and encoding is performed by applying the LIC process, and the image does not belong to the region where the luminance change occurs, the value 0 is set as lic_flag and the encoding is performed without applying the LIC process.
  • the decoding device may decode the lic_flag described in the stream to switch whether to apply the LIC process according to the value.
  • 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.
  • a method for determining whether or not LIC processing has been applied to peripheral blocks For example, when the current block is in the merge mode, it is determined whether or not the peripheral encoded blocks selected in the derivation of the MV in the merge mode process have been encoded by applying the LIC process. . Encoding is performed by switching whether to apply the LIC process according to the result. Even in this example, the same processing is applied to the processing on the decoding device side.
  • the LIC process luminance correction process
  • the inter prediction unit 126 derives a motion vector for acquiring a reference image corresponding to a block to be encoded from a reference picture that is an encoded picture.
  • the inter prediction unit 126 uses the value to calculate a luminance correction parameter. For example, the luminance pixel value of a certain pixel in the peripheral reference area in the encoding target picture is p0, and the luminance pixel value of a pixel in the peripheral reference area in the reference picture at the same position as the pixel is p1.
  • the inter prediction unit 126 generates a prediction image for the encoding target block by performing luminance correction processing on the reference image in the reference picture specified by the motion vector using the luminance correction parameter.
  • the luminance pixel value in the reference image is p2
  • the luminance pixel value of the predicted image after the luminance correction process is p3.
  • the shape of the peripheral reference region in FIG. 39 is an example, and other shapes may be used. Also, a part of the peripheral reference region shown in FIG. 39 may be used. For example, an area including a predetermined number of pixels thinned out from each of the upper adjacent pixel and the left adjacent pixel may be used as the peripheral reference area.
  • the peripheral reference area is not limited to the area adjacent to the encoding target block, and may be an area not adjacent to the encoding target block.
  • the peripheral reference area in the reference picture is an area specified by the motion vector of the encoding target picture from the peripheral reference area in the encoding target picture. It may be a specified area.
  • the other motion vector may be a motion vector of a peripheral reference area in the encoding target picture.
  • a correction parameter may be derived individually for each of Y, Cb, and Cr, or a common correction parameter may be used for any of them.
  • the LIC processing may be applied in units of sub-blocks.
  • the correction parameter may be derived using the peripheral reference area of the current subblock and the peripheral reference area of the reference subblock in the reference picture specified by the MV of the current subblock.
  • the prediction control unit 128 selects either an intra prediction signal (a signal output from the intra prediction unit 124) or an inter prediction signal (a signal output from the inter prediction unit 126), and subtracts the selected signal as a prediction signal. Output to the unit 104 and the addition unit 116.
  • the prediction control unit 128 may output a prediction parameter input to the entropy encoding unit 110.
  • the entropy encoding unit 110 may generate an encoded bit stream (or sequence) based on the prediction parameter input from the prediction control unit 128 and the quantization coefficient input from the quantization unit 108.
  • the prediction parameter may be used in a decoding device.
  • the decoding device may receive and decode the encoded bitstream, and perform the same processing as the prediction processing performed in the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128.
  • the prediction parameter is a selected prediction signal (for example, a motion vector, a prediction type, or a prediction mode used in the intra prediction unit 124 or the inter prediction unit 126), or the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit. Any index, flag, or value based on or indicative of the prediction process performed at 128 may be included.
  • FIG. 40 is a block diagram illustrating an implementation example of the encoding device 100.
  • the encoding device 100 includes a processor a1 and a memory a2.
  • a plurality of components of the encoding device 100 illustrated in FIG. 1 are implemented by the processor a1 and the memory a2 illustrated in FIG.
  • the processor a1 is a circuit that performs information processing and is a circuit that can access the memory a2.
  • the processor a1 is a dedicated or general-purpose electronic circuit that encodes a moving image.
  • the processor a1 may be a processor such as a CPU.
  • the processor a1 may be an aggregate of a plurality of electronic circuits. Further, for example, the processor a1 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.
  • the memory a2 is a dedicated or general-purpose memory in which information for the processor a1 to encode a moving image is stored.
  • the memory a2 may be an electronic circuit and may be connected to the processor a1.
  • the memory a2 may be included in the processor a1.
  • the memory a2 may be an aggregate of a plurality of electronic circuits.
  • the memory a2 may be a magnetic disk or an optical disk, or may be expressed as a storage or a recording medium. Further, the memory a2 may be a nonvolatile memory or a volatile memory.
  • a moving image to be encoded may be stored, or a bit string corresponding to the encoded moving image may be stored.
  • the memory a2 may store a program for the processor a1 to encode a moving image.
  • the memory a2 may serve as a component for storing information among a plurality of components of the encoding device 100 illustrated in FIG. Specifically, the memory a2 may serve as the block memory 118 and the frame memory 122 shown in FIG. More specifically, the memory a2 may store a reconstructed block, a reconstructed picture, and the like.
  • 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.
  • FIG. 41 is a block diagram showing a functional configuration of decoding apparatus 200 according to the present embodiment.
  • the decoding device 200 is a moving image decoding device that decodes moving images in units of blocks.
  • the decoding device 200 includes an entropy decoding unit 202, an inverse quantization unit 204, an inverse transform 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.
  • FIG. 42 is a flowchart illustrating an example of an overall decoding process performed by the decoding apparatus 200.
  • the entropy decoding unit 202 of the decoding device 200 specifies a division pattern of a fixed-size block (128 ⁇ 128 pixels) (step Sp_1).
  • This division pattern is a division pattern selected by the encoding device 100.
  • decoding apparatus 200 performs steps Sp_2 to Sp_6 for each of a plurality of blocks constituting the division pattern.
  • the entropy decoding unit 202 decodes (specifically entropy decoding) the encoded quantization coefficient and prediction parameter of the decoding target block (also referred to as a current block) (step Sp_2).
  • the inverse quantization unit 204 and the inverse transform unit 206 restore a plurality of prediction residuals (that is, difference blocks) by performing inverse quantization and inverse transform on the plurality of quantized coefficients (step Sp_3). ).
  • the prediction processing unit including all or part of the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220 generates a prediction signal (also referred to as a prediction block) of the current block (step Sp_4).
  • the adding unit 208 reconstructs the current block into a reconstructed image (also referred to as a decoded image block) by adding the prediction block to the difference block (step Sp_5).
  • the loop filter unit 212 performs filtering on the reconstructed image (step Sp_6).
  • step Sp_7 determines whether or not the decoding of the entire picture has been completed (step Sp_7), and when determining that it has not been completed (No in step Sp_7), repeatedly performs the processing from step Sp_1.
  • processing of these steps Sp_1 to Sp_7 may be performed sequentially by the decoding apparatus 200, and some of the processing may be performed in parallel, and the order may be changed. Also good.
  • 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 bitstream to a binary signal, for example. Then, the entropy decoding unit 202 debinarizes the binary signal. The entropy decoding unit 202 outputs the quantization coefficient to the inverse quantization unit 204 in units of blocks. The entropy decoding unit 202 may output the prediction parameters included in the encoded bitstream (see FIG. 1) to the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220. The intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220 can execute the same prediction process as the processes performed by the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128 on the encoding device side.
  • 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.
  • FIG. 43 is a diagram illustrating an example of processing performed by the prediction processing unit of the decoding device 200. Note that the prediction processing unit includes all or part of the constituent elements of the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220.
  • the prediction processing unit generates a predicted image of the current block (step Sq_1).
  • This prediction image is also called a prediction signal or a prediction block.
  • the prediction signal includes, for example, an intra prediction signal or an inter prediction signal.
  • the prediction processor generates a reconstructed image that has already been obtained by performing prediction block generation, difference block generation, coefficient block generation, difference block restoration, and decoded image block generation. To generate a predicted image of the current block.
  • the reconstructed image may be, for example, an image of a reference picture or an image of a decoded block in a current picture that is a picture including the current block.
  • the decoded block in the current picture is, for example, a block adjacent to the current block.
  • FIG. 44 is a diagram illustrating another example of processing performed by the prediction processing unit of the decoding device 200.
  • the prediction processing unit determines a method or mode for generating a predicted image (step Sr_1). For example, this method or mode may be determined based on, for example, a prediction parameter.
  • the prediction processing unit When the first processing method is determined as a mode for generating a predicted image, the prediction processing unit generates a predicted image according to the first method (step Sr_2a). Further, when the second processing method is determined as the mode for generating the predicted image, the prediction processing unit generates a predicted image according to the second method (step Sr_2b). In addition, when the third processing method is determined as the mode for generating the predicted image, the prediction processing unit generates a predicted image according to the third method (step Sr_2c).
  • the first method, the second method, and the third method are different methods for generating a predicted image, and are, for example, an inter prediction method, an intra prediction method, and other prediction methods, respectively. There may be. In these prediction methods, the reconstructed image described above may be used.
  • 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 performs motion compensation using motion information (for example, a motion vector) read from an encoded bitstream (for example, a prediction parameter output from the entropy decoding unit 202), thereby performing current compensation or An inter prediction signal for the sub-block is generated, and the inter prediction signal is output to the prediction control unit 220.
  • motion information for example, a motion vector
  • an encoded bitstream for example, a prediction parameter output from the entropy decoding unit 202
  • the inter prediction unit 218 uses not only the motion information of the current block obtained by motion search but also the motion information of the adjacent block. 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 (prediction) 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 inter prediction unit 218 derives an MV based on the information read from the encoded stream, and uses the MV. Motion compensation (prediction).
  • FIG. 45 is a flowchart illustrating an example of inter prediction in the normal inter mode in the decoding apparatus 200.
  • the inter prediction unit 218 of the decoding device 200 performs motion compensation on each block. At this time, the inter prediction unit 218 first obtains a plurality of candidate MVs for the current block based on information such as MVs of a plurality of decoded blocks around the current block temporally or spatially. (Step Ss_1). That is, the inter prediction unit 218 creates a candidate MV list.
  • the inter prediction unit 218 selects each of N (N is an integer of 2 or more) candidate MVs from the plurality of candidate MVs acquired in step Ss_1, as predicted motion vector candidates (also referred to as predicted MV candidates). Are extracted in accordance with a predetermined priority order (step Ss_2). Note that the priority order is predetermined for each of the N predicted MV candidates.
  • the inter prediction unit 218 decodes the predicted motion vector selection information from the input stream (that is, the encoded bit stream), and uses the decoded predicted motion vector selection information to generate the N predicted MV candidates.
  • One prediction MV candidate is selected as a prediction motion vector (also referred to as prediction MV) of the current block (step Ss_3).
  • the inter prediction unit 218 decodes the difference MV from the input stream, and adds the difference value, which is the decoded difference MV, to the selected prediction motion vector, thereby calculating the MV of the current block. Derived (step Ss_4).
  • the inter prediction unit 218 generates a prediction image of the current block by performing motion compensation on the current block using the derived MV and the decoded reference picture (step Ss_5).
  • 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.
  • the configurations, functions, and processes of the prediction control unit 220, the intra prediction unit 216, and the inter prediction unit 218 on the decoding device side are the same as those of the prediction control unit 128, the intra prediction unit 124, and the inter prediction unit 126 on the coding device side. May correspond to the configuration, function, and processing.
  • FIG. 46 is a block diagram illustrating an implementation example of the decoding device 200.
  • the decoding device 200 includes a processor b1 and a memory b2.
  • a plurality of components of the decoding device 200 illustrated in FIG. 41 are implemented by the processor b1 and the memory b2 illustrated in FIG.
  • the processor b1 is a circuit that performs information processing and is a circuit that can access the memory b2.
  • the processor b1 is a dedicated or general-purpose electronic circuit that decodes an encoded moving image (that is, an encoded bit stream).
  • the processor b1 may be a processor such as a CPU.
  • the processor b1 may be an aggregate of a plurality of electronic circuits. Further, for example, the processor b1 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. 41 and the like.
  • the memory b2 is a dedicated or general-purpose memory in which information for the processor b1 to decode the encoded bitstream is stored.
  • the memory b2 may be an electronic circuit and may be connected to the processor b1.
  • the memory b2 may be included in the processor b1.
  • the memory b2 may be an aggregate of a plurality of electronic circuits. Further, the memory b2 may be a magnetic disk or an optical disk, or may be expressed as a storage or a recording medium. Further, the memory b2 may be a nonvolatile memory or a volatile memory.
  • a moving image may be stored, or an encoded bit stream may be stored.
  • the memory b2 may store a program for the processor b1 to decode the encoded bitstream.
  • the memory b2 may serve as a component for storing information among a plurality of components of the decoding device 200 illustrated in FIG. 41 and the like. Specifically, the memory b2 may serve as the block memory 210 and the frame memory 214 shown in FIG. More specifically, the memory b2 may store a reconstructed block, a reconstructed picture, and the like.
  • the decoding device 200 not all of the plurality of components shown in FIG. 41 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. 41 and the like may be included in another device, and some of the plurality of processes described above may be executed by another device.
  • each term may have the following definition.
  • a picture is an array of a plurality of luminance samples in a monochrome format, or two of an array of luminance samples and a plurality of color difference samples in 4: 2: 0, 4: 2: 2 and 4: 4: 4 color formats. Corresponding sequence.
  • a picture may be a frame or a field.
  • the frame is a top field in which a plurality of sample rows 0, 2, 4,... And a bottom field in which a plurality of sample rows 1, 3, 5,.
  • a slice is an integer number of coding trees contained in one independent slice segment and all subsequent dependent slice segments preceding the next independent slice segment (if any) in the same access unit (if any). Is a unit.
  • a tile is a rectangular area of a plurality of coding tree blocks in a specific tile column and a specific tile row in a picture.
  • a tile may be a rectangular region of a frame that is intended to be independently decoded and encoded, although a loop filter across the edges of the tile may still be applied.
  • the block is an MxN (N rows and M columns) array of a plurality of samples or an MxN array of a plurality of transform coefficients.
  • the block may be a square or rectangular region of a plurality of pixels composed of a plurality of matrices of one luminance and two color differences.
  • the CTU (coding tree unit) may be a coding tree block of a plurality of luminance samples of a picture having three sample arrays, or may be two corresponding coding tree blocks of a plurality of color difference samples. .
  • the CTU is a multi-sample coding tree block of either a monochrome picture and a picture encoded using three separate color planes and a syntax structure used to encode the multi-samples. It may be.
  • the super block may constitute one or two mode information blocks, or may be a square block of 64 ⁇ 64 pixels that can be divided into four 32 ⁇ 32 blocks recursively and further divided.
  • FIG. 47 is a diagram for explaining the secondary conversion processing in the embodiment.
  • the secondary conversion process is a conversion process that is further performed on the prediction residual signal that has been subjected to the primary conversion after the encoding apparatus 100 or the decoding apparatus 200 performs the primary conversion on the prediction residual signal. is there.
  • orthogonal transformation or the like is performed as the transformation process.
  • the implementation area of the secondary conversion process may be different from the implementation area of the primary conversion process. For example, even when the primary conversion process is performed on the entire processing target block, as shown in FIG. 47, the secondary conversion process may be performed on a part of the processing target block. .
  • the partial area in the processing target block may be, for example, a sub-block on the low frequency side.
  • the size of the sub-block on which the secondary conversion process is performed may not be a fixed size.
  • the encoding apparatus 100 may change the size of the sub-block on which the secondary conversion process is performed according to the block size of the processing target block.
  • the primary conversion process and the secondary conversion process may be separable or non-separable.
  • the basis candidates used for the secondary conversion process may be a plurality of candidates.
  • the encoding apparatus 100 includes a total of six bases: 4 ⁇ 4 base A, 4 ⁇ 4 base B, 4 ⁇ 4 base C, 8 ⁇ 8 base D, 8 ⁇ 8 base E, and 8 ⁇ 8 base F. May be held.
  • the encoding apparatus 100 may select a candidate to be used for the secondary conversion process from among a plurality of candidates, and write information on the selected candidate into the bitstream.
  • the number of base candidates to be used may be limited based on an arbitrary parameter. For example, when selecting a base candidate to be used for the secondary transformation process from a plurality of base candidates, if the length of the short side of the processing target block is 8 or more, an 8 ⁇ 8 base is used. Also good. Also, for example, when selecting a base candidate to be used for the secondary transformation process from a plurality of base candidates, if the length of the short side of the processing target block is 4, use a 4 ⁇ 4 base. It is good.
  • FIG. 48 is a flowchart illustrating a processing procedure in the conversion unit of the encoding device according to the embodiment.
  • the encoding apparatus 100 determines whether the processing target block is equal to or smaller than a predetermined block size (step S1000).
  • the predetermined block size may be a block size that is a 4 ⁇ 4 square.
  • the predetermined block size may be a block size that is a 4 ⁇ 8 or 8 ⁇ 4 rectangle.
  • the predetermined block size may be the smallest block size among candidate block sizes that can be selected by the encoding apparatus 100 among the base candidates used for the secondary conversion process.
  • the encoding apparatus 100 determines that the processing target block is equal to or smaller than the predetermined block size (Yes in step S1000), the encoding apparatus 100 operates without performing the secondary conversion process on the processing target block. Exit. At this time, the encoding apparatus 100 may not write a signal related to the secondary conversion process in the bit stream. That is, the encoding apparatus 100 may not encode a signal related to the secondary conversion process in the bit stream.
  • the encoding device 100 determines whether or not to apply the secondary transformation process to the processing target block. (Step S1001).
  • the encoding apparatus 100 determines that the secondary conversion process is to be applied to the processing target block (Yes in step S1001), the encoding apparatus 100 selects 1 or more base candidates from the one or more base candidates in the secondary conversion process. Two base candidates are selected (step S1002).
  • the determination in step S1001 and the selection in step S1002 may be made according to information such as the encoding mode of the processing target block. Further, the determination in step S1001 and the selection in step S1002 may be made by evaluating the cost by performing a temporary conversion process using each of the base candidates in the one or more secondary conversion processes in step S1002. Good.
  • the signal indicating the result of the determination and selection made in step S1001 and step S1002 may be written into the bitstream by the encoding device 100. That is, the signal indicating the result of the determination and selection made in step S1001 and step S1002 may be encoded in the bitstream by the encoding device 100.
  • one or more base candidates in the secondary conversion process may be changed according to the size of the processing target block. For example, when the length of the short side of the processing target block is smaller than 16, the encoding apparatus 100 may use a base having a 4 ⁇ 4 square size as a base candidate used for the secondary transformation process. Then, when the length of the short side of the processing target block is 16 or more, the encoding apparatus 100 may use a base having an 8 ⁇ 8 square size as a base candidate used for the secondary transformation.
  • the encoding apparatus 100 performs a secondary conversion process using the base candidates selected by the encoding apparatus 100 in step S1002 (step S1003). Then, the encoding device 100 ends the operation.
  • the encoding apparatus 100 determines that the secondary conversion process is not applied to the processing target block (No in step S1001), the encoding apparatus 100 ends the operation.
  • processing flow described in FIG. 48 is an example, and the order of the processing described in FIG. 48 is changed, a part of the described processing is removed, or processing that is not described is added. Also good.
  • step S1000 to step S1003 described in FIG. 48 is performed in the inverse transform unit of the decoding device 200 in the same manner.
  • the operation of encoding the signal in the bit stream performed by the conversion unit of the encoding device 100 is changed to the operation of decoding the signal from the bit stream.
  • processing flow of the decoding device 200 described above is an example, and the order of the described processing is changed, a part of the described processing is removed, or processing that is not described is added. Also good.
  • FIG. 49A is a table showing an example of the processing amount necessary for the primary conversion process per block in the embodiment.
  • FIG. 49B is a table illustrating an example of a processing amount necessary for the secondary conversion processing per block in the embodiment.
  • the encoding device 100 or the decoding device 200 may be able to reduce the amount of processing necessary for the conversion process.
  • the block size of the processing target block is a square block size using powers of 2 of 4 ⁇ 4, 8 ⁇ 8, 16 ⁇ 16, and 32 ⁇ 32.
  • 49A and 49B show numerical values assumed as the number of processes necessary for the primary conversion process and the secondary conversion process for each of the block sizes.
  • the processing amount necessary for the primary conversion process and the secondary conversion process may be interpreted as the number of multiplications, the number of additions, and the sum of the number of multiplications and the number of additions.
  • the size of the sub-block on which the secondary transformation process is performed that is, the size of the base used for the secondary transformation process is assumed to be a 4 ⁇ 4 square or an 8 ⁇ 8 square. Yes.
  • FIG. 50 is a table showing a first example in the embodiment.
  • FIG. 50 illustrates a first example in which the basis candidates used for the secondary conversion process are only 4 ⁇ 4 square size bases.
  • the shape of the CTU in the first example is a 128 ⁇ 128 square.
  • the processing amount required for the primary conversion process and the secondary conversion process of the entire CTU is calculated by the following expression.
  • FIG. 50 shows the processing amount required for the primary conversion process and the secondary conversion process of the entire CTU for each block size of the processing target block, calculated from the same calculation as described above.
  • the encoding device 100 or the decoding device 200 has two 4 ⁇ 4 square size bases for all the processing target blocks to be subjected to the primary conversion process. Used for the next conversion process.
  • the processing amount is the largest when the block size of the processing target block is the largest 32 ⁇ 32 square block size.
  • the processing amount is the second largest.
  • FIG. 50 illustrates. The amount of processing increases significantly more than the amount of processing performed. That is, in the first example shown in FIG.
  • the first example is a preferable example of a base candidate used for the secondary conversion process selected for the block size of the processing target block on which the primary conversion process is performed.
  • the CTU conversion processing performed by the conversion unit of the encoding device 100 or the inverse conversion unit of the decoding device 200 requires processing different from the primary conversion processing and the secondary conversion processing shown in FIG. Is assumed. Therefore, depending on the processing amount of the processing different from the primary conversion processing and the secondary conversion processing, in the first example, the required processing amount when the block size of the processing target block is 4 ⁇ 4 is different from the other cases. There is a possibility that it will be much larger than that.
  • the other process is a process required for each processing target block. For example, pre-processing or post-processing for performing conversion processing.
  • the preprocessing is a process of determining a memory storage method to be used, copying data to a memory, converting the copied data, scanning the converted data in units of blocks, and transmitting the data. . Therefore, in the case of 4 ⁇ 4, the number of blocks in which the primary conversion process is performed in the CTU and the number of sub-blocks in which the secondary conversion process is performed are the largest, and therefore, different from the primary conversion process and the secondary conversion process. If processing is taken into consideration, there is a possibility that the processing amount will be the largest.
  • FIG. 51 is a table showing a second example in the embodiment.
  • the encoding device 100 or the decoding device 200 does not perform the secondary conversion process when the block size of the processing target block to be subjected to the primary conversion process is 4 ⁇ 4.
  • the block size of the block to be processed is other than 4 ⁇ 4
  • a secondary conversion process using a base candidate having a 4 ⁇ 4 square size is performed.
  • the encoding device 100 uses the base having the conversion characteristics such that the coefficient values are equal before and after the conversion. It is good also as composition which performs.
  • the processing amount necessary for the primary conversion process and the secondary conversion process in the entire CTU for each block size of the processing target block in the second example calculated by the calculation formula used in FIG. 50 is shown. Yes.
  • the block size of the processing target block that has the largest processing amount of processing different from the primary conversion processing and the secondary conversion processing that occurs for each processing target block is The processing amount required for the primary conversion process and the secondary conversion process in the case of 4 ⁇ 4 is reduced as compared with the first example. For this reason, there is a possibility that the maximum processing amount that can occur in the conversion processing of the entire CTU can be suppressed even when the processing amount of processing different from the primary conversion processing and secondary conversion processing that occurs for each processing target block is large. is there. Therefore, the encoding apparatus 100 can promote a reduction in circuit scale in an apparatus that is mounted to perform the conversion process.
  • the encoding device 100 or the decoding device 200 performs the secondary conversion process when the block size of the processing target block to be subjected to the primary conversion process is 4 ⁇ 4.
  • a configuration may be adopted in which secondary conversion is not performed when the block size of the processing target block to be subjected to the primary conversion processing is other than 4 ⁇ 4.
  • the encoding apparatus 100 or the decoding apparatus 200 may not perform the secondary conversion process when the block size of the processing target block that is the target of the primary conversion process is 8 ⁇ 8.
  • the encoding device 100 or the decoding device 200 may not perform the secondary conversion process when the block size of the processing target block that is the target of the primary conversion process is 4 ⁇ 8 or 8 ⁇ 4.
  • the encoding device 100 or the decoding device 200 performs the secondary conversion process when the block size of the processing target block that is the target of the primary conversion process is other than 8 ⁇ 8, 4 ⁇ 8, and 8 ⁇ 4. It does not have to be.
  • the encoding apparatus 100 does not perform the secondary conversion process. Also good.
  • the secondary conversion process may be applicable.
  • the encoding device 100 uses the base having the conversion characteristics such that the coefficient values are equal before and after the conversion. It is good also as composition which performs.
  • the encoding apparatus 100 or the decoding apparatus 200 will be required for every process target block among the block sizes of the process target block in which a primary conversion process is performed, and what is a primary conversion process and a secondary conversion process? It is possible to set a block size that may increase the processing amount of another process to mean that there is no candidate for a secondary transformation base. That is, the encoding device 100 or the decoding device 200 performs processing different from the primary conversion processing and the secondary conversion processing, which are necessary for each processing block, among the block sizes of the processing target blocks on which the primary conversion processing is performed. It is possible to set not to perform the secondary conversion processing for a block size that may increase the processing amount.
  • the encoding apparatus 100 or the decoding apparatus 200 is set so as to mean that there is no candidate for the secondary transform base when the block size of the processing target block to be subjected to the primary transform process is 8 ⁇ 8. Is possible. Further, for example, the encoding device 100 or the decoding device 200 means that there is no candidate for the secondary transformation base when the block size of the processing target block to be subjected to the primary transformation processing is 4 ⁇ 8 or 8 ⁇ 4. It is possible to set so as to.
  • the encoding device 100 or the decoding device 200 may select a candidate for a secondary transform base when the block size of a processing target block to be subjected to the primary transform process is other than 8 ⁇ 8, 4 ⁇ 8, and 8 ⁇ 4 Can be set as no candidate. Also, for example, when the block size of the processing target block to be subjected to the primary transformation process is other than 4 ⁇ 4, the encoding device 100 or the decoding device 200 sets the candidate for the secondary transformation base as “no candidate”. It becomes possible.
  • the encoding apparatus 100 or the decoding apparatus 200 can improve the possibility of suppressing the maximum processing amount that can occur in the CTU conversion process. Therefore, the encoding apparatus 100 or the decoding apparatus 200 can promote the reduction of the circuit scale in an apparatus that is mounted for performing the conversion process.
  • a part of the 4 ⁇ 4 square size base may be set to 0. That is, the base having a 4 ⁇ 4 square size may have a conversion characteristic in which some of the conversion coefficient values of the processing target block after performing the secondary conversion process are forced to be zero.
  • FIG. 52 is a table showing a third example of the embodiment.
  • the secondary conversion process is not performed.
  • the secondary conversion process is performed using a base of a 4 ⁇ 4 square size.
  • the secondary conversion process is performed using a base of an 8 ⁇ 8 square size.
  • the encoding device 100 uses the base having the conversion characteristics such that the coefficient values are equal before and after the conversion. It is good also as composition which performs.
  • the processing amount required for the primary conversion process and the secondary conversion process in the entire CTU for each block size of the processing target block in the third example calculated by the calculation formula used in FIG. 50 is shown. Yes.
  • the primary transformation and the secondary transformation As shown in FIG. 52, in the third example, compared to the first example and the second example, in the case of using 16 ⁇ 16 and 32 ⁇ 32 processing target blocks, the primary transformation and the secondary transformation The amount of processing required for is increasing. However, the increase amount and the increase rate are not large. On the other hand, in the third example, the processing amount of processing different from the primary conversion processing and the secondary conversion processing that occurs for each processing target block is the largest, and the block size of the processing target block is 4 ⁇ 4. The processing amount required for the primary conversion and the secondary conversion is reduced as compared with the first example.
  • the encoding apparatus 100 can promote a reduction in circuit scale in an apparatus that is mounted to perform the conversion process.
  • a part of the base having an 8 ⁇ 8 square size may be set to zero. That is, the 8 ⁇ 8 square size base may have a conversion characteristic in which some of the conversion coefficient values of the processing target block after the secondary conversion process are forced to be zero.
  • the processes described in the second example described in FIG. 51 and the third example described in FIG. 52 are the primary conversion process and the secondary conversion process required for each processing target block. Is not necessarily applied when the amount of processing of another process is large.
  • the processes described in the second example described in FIG. 51 and the third example described in FIG. 16 are different from the primary conversion process and the secondary conversion process required for each processing target block. This may be applied when the processing amount of the process is small.
  • the processes described in the second example described in FIG. 51 and the third example described in FIG. 52 are the primary conversion process and the secondary conversion process required for each processing target block.
  • the maximum amount of processing that can occur in the CTU conversion processing is smaller than when the processing is applied when the processing amount of processing different from the above is large. Therefore, the encoding device 100 or the decoding device 200 can promote the reduction of the circuit scale in the device mounted for performing the conversion process.
  • FIG. 53 is a table showing a fourth example in the embodiment.
  • the processing target blocks of all sizes have a 4 ⁇ 4 square size used for the secondary conversion.
  • the base in common By using the base in common, it is possible to suppress the maximum value of the processing amount necessary for the primary conversion process and the secondary conversion process.
  • the encoding apparatus 100 performs the process for each size of the processing target block in the primary conversion process.
  • Candidate groups having different bases used for the next transform base are assigned to sub-blocks on which the second transform process is performed.
  • the encoding apparatus 100 selects a base to be actually applied in the secondary conversion process from among the candidate group assigned to the sub-block on which the secondary conversion process is performed.
  • the candidate group may include a plurality of base candidates used for the secondary conversion process, or may include one base candidate used for the secondary conversion process.
  • the candidates included in the candidate group may be a plurality of candidates that differ depending on the direction of intra prediction.
  • the encoding apparatus 100 can select a base candidate used for a more appropriate secondary transformation process than in the first example.
  • the shape of the base used for the secondary conversion process is a 4 ⁇ 4 square, but may be a shape other than a 4 ⁇ 4 square.
  • bases of different sizes used for the secondary conversion process may be used according to the size of the processing target block.
  • the encoding apparatus 100 may not perform the secondary conversion process on the size of a part of the processing target blocks.
  • the encoding apparatus 100 uses a candidate group having a different basis used for the secondary conversion process for each size of the processing target block on which the primary conversion process is performed.
  • the encoding apparatus 100 may use a common candidate group of bases used for the secondary conversion process with different sizes of the processing target blocks on which the primary conversion process is performed.
  • the base used for the secondary conversion process includes a base of 4 ⁇ 4 size and a base of 8 ⁇ 8 size.
  • the encoding apparatus 100 or the decoding apparatus 200 may be configured to select a base.
  • the block size of the processing target block on which the primary conversion process is performed is 16 ⁇ 16
  • the base used for the secondary conversion process includes a base of 4 ⁇ 4 size and a base of 8 ⁇ 8 size.
  • the encoding apparatus 100 or the decoding apparatus 200 may be configured to select a base.
  • the encoding apparatus 100 selects a base to be used for the secondary conversion process from different base candidate groups for each size of the processing target block on which the primary conversion process is performed.
  • the present invention is not limited to this example.
  • a configuration may be adopted in which the candidate group has different candidates. That is, in the predetermined candidate group, the candidates may have a conversion characteristic in which some of the conversion coefficient values of the processing target block after the secondary conversion process is forcibly set to 0.
  • the encoding apparatus 100 or the decoding apparatus 200 may perform different secondary conversion processes depending on the block size of the processing target block on which the primary conversion process is performed.
  • the encoding apparatus 100 or the decoding apparatus 200 can perform encoding in the embodiment of the present disclosure only on a luminance signal or only on a color difference signal when the block division structure of the processing target block is different between the color difference signal and the luminance signal. Alternatively, a decoding method or the like may be applied.
  • the encoding device 100 or the decoding device 200 determines whether to apply the encoding method or the decoding method according to the embodiment of the present disclosure in units of slices or in units of tiles in the processing target block. Also good.
  • the encoding device 100 or the decoding device 200 includes, for example, an encoding method and a decoding method according to the embodiment of the present disclosure according to the slice type (I-slice, P-slice, and B-slice) in the processing target block. It may be determined whether or not to apply.
  • the encoding device 100 or the decoding device 200 sets a flag indicating that the encoding method or the decoding method according to the embodiment of the present disclosure has been applied to a processing target block, as a sequence layer, a picture layer, a slice layer, or the like You may write on the tax.
  • the encoding device 100 or the decoding device 200 uses the basis conversion processing in the embodiment of the present disclosure for the basis conversion process.
  • a determination method different from the candidate determination method may be used.
  • the encoding apparatus 100 or the decoding apparatus 200 uses a determination method different from the determination method of the basis candidate used for the secondary conversion process in the embodiment of the present disclosure for the secondary conversion process in the embodiment of the present disclosure. It may be used in combination with the candidate determination method.
  • the encoding apparatus 100 or the decoding apparatus 200 may determine a basis candidate used for the secondary conversion process using the intra prediction mode and a basis candidate determination method used for the secondary conversion process according to the embodiment of the present disclosure. And may be used in combination.
  • the processing target block is a square, but the processing target block may not be a square.
  • the processing target block may be a rectangle.
  • the shape of the base used for the secondary transformation process is a square, but the shape of the base used for the secondary transformation process may not be a square. Good.
  • the shape of the base used for the secondary conversion process may be a rectangle.
  • FIG. 54 is a flowchart illustrating an operation example of the encoding device according to the embodiment.
  • the encoding apparatus 100 illustrated in FIG. 40 performs the operation illustrated in FIG. 54 when performing the conversion process that applies the secondary conversion process to the prediction residual signal subjected to the primary conversion.
  • the processor a1 performs the following operation using the memory a2.
  • the encoding apparatus 100 is composed of one or more candidates for transform bases, and selects one transform base from different candidate groups according to the block size of the processing target block (step S2001).
  • the encoding apparatus 100 further applies a secondary transform having a common block size to the transform coefficient obtained by applying the primary transform to the prediction residual signal (step S2002).
  • the transformation base of the secondary transformation may be a 4 ⁇ 4 square.
  • the transform base of the secondary transform may be an 8 ⁇ 8 square.
  • a common transform base candidate may be assigned to a processing target block of a part of a plurality of block sizes in the secondary transform.
  • the encoding apparatus 100 determines that the secondary transformation is not applied to the transform coefficient, and the block size of the processing target block is the predetermined block size. If it is larger, it may be determined that the secondary transformation is applied to the transformation coefficient.
  • the predetermined block size of the processing target block when the encoding apparatus 100 determines that the secondary transformation is not applied to the processing target block may be a 4 ⁇ 4 square.
  • the predetermined block size of the processing target block when the encoding apparatus 100 determines that the secondary transformation is not applied to the processing target block may be a 4 ⁇ 8 or 8 ⁇ 4 rectangle.
  • the predetermined block size of the processing target block when the encoding apparatus 100 determines that the secondary conversion is not applied to the processing target block is the block size of the processing target block that can be selected in the secondary conversion.
  • the block size of the processing target block that can be selected in the minimum secondary transformation may be equal.
  • FIG. 55 is a flowchart illustrating an operation example of the decoding device according to the embodiment.
  • the decoding apparatus 200 illustrated in FIG. 46 performs the operation illustrated in FIG. 55 when performing an inverse transform process in which a primary transform is further applied to a transform coefficient to which a secondary transform is applied.
  • the processor b1 performs the following operation using the memory b2.
  • the decoding apparatus 200 is configured with one or more candidates of transform bases, and selects one transform base from different candidate groups according to the block size of the processing target block (step S3001).
  • the decoding apparatus 200 performs an inverse transform process that applies a primary transform to transform coefficients obtained by applying a secondary transform having a common block size to the transform coefficient signal (step S3002).
  • the transformation base of the secondary transformation may be a 4 ⁇ 4 square.
  • the transformation base of the secondary transformation may be an 8 ⁇ 8 square.
  • a common transform base candidate may be assigned to a processing target block of a part of a plurality of block sizes in the secondary transform.
  • the decoding apparatus 200 determines that the secondary transformation is not applied to the transform coefficient, and the block size of the processing target block is larger than the predetermined block size. If it is larger, it may be determined that the secondary transformation is applied to the transformation coefficient.
  • the predetermined block size of the processing target block when the decoding apparatus 200 determines that the secondary transformation is not applied to the processing target block may be a 4 ⁇ 4 square.
  • the predetermined block size of the processing target block when the decoding apparatus 200 determines that the secondary transformation is not applied to the processing target block may be a 4 ⁇ 8 or 8 ⁇ 4 rectangle.
  • the predetermined block size of the processing target block when the decoding apparatus 200 determines that the secondary conversion is not applied to the processing target block is the block size of the processing target block that can be selected in the secondary conversion. It may be equal to the block size of the processing target block that can be selected in the minimum secondary transformation.
  • the encoding device 100 and the decoding device 200 in the present embodiment may be used as an image encoding device and an image decoding device, respectively, or may be used as a moving image encoding device and a moving image decoding device, respectively.
  • 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.
  • each of the encoding device 100 and the decoding device 200 includes a processing circuit (Processing Circuit) and a storage device (Storage) electrically connected to the processing circuit and accessible from the processing circuit.
  • a processing circuit Processing Circuit
  • Storage Storage
  • the processing circuit corresponds to the processor a1 or b1
  • the storage device corresponds to the memory a2 or b2.
  • the processing circuit includes at least one of dedicated hardware and a program execution unit, and executes processing using a storage device. Further, when the processing circuit includes a program execution unit, the storage device stores a software program executed by the program execution unit.
  • the software that realizes the encoding apparatus 100 or the decoding apparatus 200 of the present embodiment is the following program.
  • the program further causes the plurality of blocks to be applied to a transform coefficient obtained by applying a primary transform to the prediction residual signal in a processing target block among a plurality of blocks having a plurality of block sizes.
  • a transformation process that applies a secondary transformation of a common block size is performed, and the secondary transformation of the common block size is composed of one or more candidates of transformation bases, and varies depending on the block size of the processing target block
  • An encoding method for selecting one of the transform bases from the candidate group may be executed.
  • the program converts a transform coefficient obtained by applying a second-order transform having a block size common to the plurality of blocks to a transform coefficient signal in a processing target block among a plurality of blocks having a plurality of block sizes.
  • an inverse transformation process that applies a primary transformation is further performed.
  • the transformation is composed of one or more candidates of transformation bases, and differs depending on the block size of the processing target block.
  • a decoding method for selecting one of the conversion bases from the candidate group may be executed.
  • each component may be a circuit as described above. These circuits may constitute one circuit as a whole, or may be separate circuits. Each component may be realized by a general-purpose processor or a dedicated processor.
  • the encoding / decoding device may include the encoding device 100 and the decoding device 200.
  • ordinal numbers such as the first and second used in the description may be appropriately replaced.
  • an ordinal number may be newly given to a component or the like, or may be removed.
  • the aspect of the encoding apparatus 100 and the decoding apparatus 200 was demonstrated based on embodiment, the aspect of the encoding apparatus 100 and decoding apparatus 200 is not limited to this embodiment. As long as it does not deviate from the gist of the present disclosure, the encoding device 100 and the decoding device 200 may be configured in which various modifications conceived by those skilled in the art have been made in the present embodiment, or in a form constructed by combining components in different embodiments. It may be included within the scope of the embodiment.
  • This aspect may be implemented in combination with at least a part of other aspects in the present disclosure.
  • a part of the processing, a part of the configuration of the apparatus, a part of the syntax, and the like described in the flowchart of this aspect may be implemented in combination with another aspect.
  • each functional or functional block can be realized typically by an MPU (micro processing unit), a memory, or the like.
  • the processing by each of the functional blocks may be realized as a program execution unit such as a processor that reads and executes software (program) recorded in a recording medium such as a ROM.
  • the software may be distributed.
  • the software may be recorded on various recording media such as a semiconductor memory.
  • 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.
  • 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.
  • Such a system may include an image encoding device using the image encoding method, an image decoding device using the image decoding method, or an image encoding / decoding device including both. Other configurations of such a system can be appropriately changed according to circumstances.
  • FIG. 56 is a diagram showing an overall configuration of an appropriate 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 in the illustrated example, are installed in each cell.
  • the 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 in combination with any of the above devices.
  • the devices may be directly or indirectly connected to each other via a telephone network or short-range wireless communication without using the base stations ex106 to ex110.
  • the streaming server ex103 may be connected to devices such as the computer ex111, the game machine ex112, the camera ex113, the home appliance ex114, and the smartphone ex115 via the Internet ex101.
  • the streaming server ex103 may be connected to a terminal or the like 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 cellular phone, or a PHS (Personal Handyphone System) that supports a mobile communication system called 2G, 3G, 3.9G, 4G, and 5G in the future.
  • PHS Personal Handyphone System
  • Home appliance ex114 is a refrigerator or a device included in 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 processing described in each embodiment may be performed, and video data obtained by encoding may be multiplexed with sound data obtained by encoding sound corresponding to the video, and the obtained data is streamed. You may transmit to the 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 may function 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.
  • processing is distributed among multiple edge servers, or the distribution subject is switched to another edge server, or a failure occurs. Since delivery can be continued bypassing the network part, high-speed and stable delivery 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 (or importance of the content) 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. Also, encoded data from each terminal may be received by the server and re-encoded by changing the reference relationship among a plurality of data or correcting or replacing the picture itself. 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 into a VP system (for example, VP9). 264. It may be converted into H.265.
  • VP system for example, VP9
  • 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 based on the result of recognizing or tracking the person or object using the three-dimensional data, a plurality of videos to be transmitted to the receiving terminal The video may be selected or reconstructed from the video shot by the terminal.
  • the user can arbitrarily select each video corresponding to each photographing terminal and enjoy a scene, or can select a video of a selected viewpoint from three-dimensional data reconstructed using a plurality of images or videos. You can also enjoy the clipped content. Further, along with the video, sound is picked up from a plurality of different angles, and the server can multiplex the sound from a specific angle or space with the corresponding video and transmit the multiplexed video and sound. Good.
  • the server may create viewpoint images for the right eye and the left eye, respectively, and perform encoding that allows reference between the viewpoint videos 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 may transmit the movement of the user's viewpoint to the server in addition to the request for virtual object information.
  • the server may create superimposition data in accordance with the movement of the viewpoint received from the three-dimensional data held by the server, encode the superimposition data, and distribute it 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.
  • the user may switch in real time while freely selecting a decoding device or display device such as a user terminal, a display arranged indoors or outdoors.
  • decoding can be performed while switching between a terminal to be decoded and a terminal to be displayed using its own position information and the like. This makes it possible to map and display information on the wall or part of the ground of an adjacent building in which a displayable device is embedded while the user is moving to the destination.
  • 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 switching of content will be described using a scalable stream that is compression-encoded by applying the moving image encoding method shown in each of the above embodiments shown in FIG.
  • the server may have a plurality of streams of the same content and different quality as individual streams, but the temporal / spatial scalable implementation realized by dividing into layers as shown in the figure.
  • the configuration may be such that the content is switched by utilizing the characteristics of the stream.
  • the decoding side decides which layer to decode according to internal factors such as performance and external factors such as the state of communication bandwidth, so that the decoding side can combine low resolution content and high resolution content. You can switch freely and decrypt.
  • the device when the user wants to watch the continuation of the video viewed on the smartphone ex115 while moving, for example, on the device such as the Internet TV after returning home, the device only has to decode the same stream to a different layer. The burden on the side can be reduced.
  • the enhancement layer includes meta information based on image statistical information, etc., in addition to a configuration in which scalability is realized by an enhancement layer higher than the base layer. Also good.
  • 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 improve the signal-to-noise ratio while maintaining and / or enlarging the resolution.
  • Meta information is information for specifying linear or nonlinear filter coefficients used for super-resolution processing, or information for specifying parameter values in filter processing, machine learning, or least-squares calculation used for super-resolution processing, etc. including.
  • a configuration may be provided in which a picture is divided into tiles or the like according to the meaning of an object or the like in an image.
  • the decoding side decodes only a part of the area by selecting a 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 may be stored using a data storage structure different from the pixel data, such as a SEI (supplemental enhancement information) 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 at which a specific person appears in the video, and by combining the information in units of pictures and the time information, the picture where the object exists can be specified, and the position of the object in the picture can be determined.
  • FIG. 59 shows an example of a web page display screen on the computer ex111 or the like.
  • FIG. 60 is a diagram illustrating a display screen example of a web page on the smartphone ex115 or the like.
  • the web page may include a plurality of link images that are links to image contents, 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 may display a still image or an I picture included in each content as a link image, or may display a video like a gif animation with a plurality of still images or I pictures, or a base layer May be received and the video may be decoded and displayed.
  • the display device When a link image is selected by the user, the display device performs decoding while giving the base layer 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. Furthermore, in order to ensure real-time performance, the display device only decodes forward reference pictures (I pictures, P pictures, forward reference only B pictures) before being selected or when the communication bandwidth 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. Still further, the display device may ignore the reference relationship of pictures and perform rough decoding with all B pictures and P pictures as forward references, and perform normal decoding as the number of received pictures increases over time. .
  • forward reference pictures I pictures, P pictures, forward reference only B pictures
  • the receiving terminal when transmitting or receiving still images 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 in addition to image data belonging to one or more layers.
  • Information such as weather or construction may be received as information, and these may be correlated and decoded.
  • the meta information may belong to a layer or may be simply multiplexed with image data.
  • the receiving terminal since a car, drone, airplane, or the like including the receiving terminal moves, the receiving terminal transmits the position information of the receiving terminal, thereby performing seamless reception and decoding while switching the base stations ex106 to ex110. realizable. Also, the receiving terminal dynamically switches how much meta information is received or how much map information is updated according to the user's selection, the user's situation, and / or the communication band state. Is possible.
  • 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. 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, using the following configuration.
  • the server After shooting, the server performs recognition processing such as shooting error, scene search, semantic analysis, and object detection from original image data or encoded data. Then, the server manually or automatically corrects out-of-focus or camera shake based on the recognition result, or selects a low-importance scene such as a scene whose brightness is low or out of focus compared to other pictures. 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.
  • recognition processing such as shooting error, scene search, semantic analysis, and object detection from original image data or encoded data. Then, the server manually or automatically corrects out-of-focus or
  • 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. Furthermore, 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.
  • a user or a background area that the user wants to process an image from the viewpoint of copyright or the like may be designated. The server may perform processing such as replacing the designated area with another video or defocusing. If it is a person, it is possible to track the person in the moving image and replace the image of the face portion of the person.
  • the decoding device Since viewing of personal content with a small amount of data is strongly demanded for real-time performance, the decoding device first receives the base layer with the highest priority and performs decoding and playback, 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. .
  • LSI ex500 included in each terminal.
  • the LSI (large scale integration circuit) ex500 may be a single chip or may be composed of 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. 61 is a diagram showing further details of the smartphone ex115 shown in FIG.
  • FIG. 62 is a diagram illustrating a configuration example of the smartphone ex115.
  • the smartphone ex115 receives the antenna ex450 for transmitting and receiving radio waves to and 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.
  • 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, 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 A slot part ex464, which is an interface part with the SIMex 468 for authenticating access to various data.
  • 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, modulation / demodulation
  • the unit ex452, the multiplexing / demultiplexing unit ex453, the audio signal processing unit ex454, the slot unit ex464, and the memory unit ex467 are connected via a synchronous bus ex470.
  • the power supply circuit unit ex461 starts up the smartphone ex115 and supplies power to each unit from the battery pack.
  • 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 audio signal collected by the audio input unit ex456 is converted into a digital audio signal by the audio signal processing unit ex454, spread spectrum processing is performed by the modulation / demodulation unit ex452, and digital / analog conversion processing is performed by the transmission / reception unit ex451. And frequency conversion processing are performed, and the resulting signal 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, a still image, or video data is sent to the main control unit ex460 via the operation input control unit ex462 based on the operation of the operation unit ex466 of the main unit. Similar transmission / reception processing is performed.
  • 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 video or still image is being imaged by the camera unit ex465, and sends the encoded audio data to the multiplexing / demultiplexing unit ex453.
  • 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 multiplexed 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, and The encoded 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.
  • the initial value is a configuration in which only the video data is reproduced without reproducing the audio signal, and the audio may be synchronized and reproduced only when the user performs an operation such as clicking on the 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 Three other implementation formats are possible: a terminal.
  • the digital broadcasting system has been described as receiving or transmitting multiplexed data in which audio data is multiplexed with video data.
  • the multiplexed data may be multiplexed with character data related to video in addition to audio data.
  • video data itself may be received or transmitted instead of multiplexed data.
  • main control unit ex460 including the CPU has been described as controlling the encoding or decoding process
  • various terminals often include 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.
  • the encoding time can be shortened, real-time performance can be ensured, and low delay can be realized.
  • 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)
  • Discrete Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

符号化装置（１００）は、回路と、メモリと、を備え、回路は、メモリを用いて、複数のブロックサイズの複数のブロックのうちの処理対象ブロックにおいて、予測残差信号に対して一次変換を適用した変換係数に対して、さらに、複数のブロックに共通のブロックサイズの二次変換を適用する変換処理を行い、共通のブロックサイズの二次変換では、変換基底の１つ以上の候補で構成され、処理対象ブロックのブロックサイズに応じて異なる候補群の中から１つの変換基底を選択する。

Description

符号化装置、復号装置、符号化方法および復号方法
　本開示は、複数のピクチャを含む動画像を符号化する符号化装置等に関する。
　従来、動画像を符号化するための規格として、ＨＥＶＣ（Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）とも呼ばれるＨ．２６５が存在する（非特許文献１）。
Ｈ．２６５（ＩＳＯ／ＩＥＣ　２３００８－２　ＨＥＶＣ）／ＨＥＶＣ（Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）
　しかしながら、符号化装置等が予測残差信号に対して一次変換処理を適用した変換係数に対してさらに適用する二次変換処理において、処理量が多くなるという課題がある。
　そこで、本開示は、符号化装置等が予測残差信号に対して一次変換処理を適用した変換係数に対してさらに適用する二次変換処理において、従来よりも処理量を低減させることができる符号化装置等を提供する。
　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、複数のブロックサイズの複数のブロックのうちの処理対象ブロックにおいて、予測残差信号に対して一次変換を適用した変換係数に対して、さらに、前記複数のブロックに共通のブロックサイズの二次変換を適用する変換処理を行い、前記共通のブロックサイズの二次変換では、変換基底の１つ以上の候補で構成され、前記処理対象ブロックのブロックサイズに応じて異なる候補群の中から１つの前記変換基底を選択する。
　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。
　本開示の一態様に係る符号化装置等は、予測残差信号に対して一次変換を適用した変換係数に対してさらに適用する二次変換において、従来よりも処理量を低減させることができる。
図１は、実施の形態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、符号化装置による全体的な符号化処理の一例を示すフローチャートである。 図３は、ブロック分割の一例を示す図である。 図４Ａは、スライスの構成の一例を示す図である。 図４Ｂは、タイルの構成の一例を示す図である。 図５Ａ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５Ｂは、ＳＶＴ（Ｓｐａｔｉａｌｌｙ　Ｖａｒｙｉｎｇ　Ｔｒａｎｓｆｏｒｍ）を示す図である。 図６Ａは、ＡＬＦ（ａｄａｐｔｉｖｅ　ｌｏｏｐ　ｆｉｌｔｅｒ）で用いられるフィルタの形状の一例を示す図である。 図６Ｂ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６Ｃ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７は、ＤＢＦとして機能するループフィルタ部の詳細な構成の一例を示すブロック図である。 図８は、ブロック境界に対して対称なフィルタ特性を有するデブロッキング・フィルタの例を示す図である。 図９は、デブロッキング・フィルタ処理が行われるブロック境界を説明するための図である。 図１０は、Ｂｓ値の一例を示す図である。 図１１は、符号化装置の予測処理部で行われる処理の一例を示す図である。 図１２は、符号化装置の予測処理部で行われる処理の他の例を示す図である。 図１３は、符号化装置の予測処理部で行われる処理の他の例を示す図である。 図１４は、イントラ予測における６７個のイントラ予測モードの一例を示す図である。 図１５は、インター予測の基本的な処理の流れを示すフローチャートである。 図１６は、動きベクトル導出の一例を示すフローチャートである。 図１７は、動きベクトル導出の他の例を示すフローチャートである。 図１８は、動きベクトル導出の他の例を示すフローチャートである。 図１９は、ノーマルインターモードによるインター予測の例を示すフローチャートである。 図２０は、マージモードによるインター予測の例を示すフローチャートである。 図２１は、マージモードによる動きベクトル導出処理の一例を説明するための図である。 図２２は、ＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ　ｃｏｎｖｅｒｓｉｏｎ）の一例を示すフローチャートである。 図２３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２４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２５Ａ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の一例を説明するための図である。 図２５Ｂは、３つの制御ポイントを有するアフィンモードにおけるサブブロック単位の動きベクトルの導出の一例を説明するための図である。 図２６Ａは、アフィンマージモードを説明するための概念図である。 図２６Ｂは、２つの制御ポイントを有するアフィンマージモードを説明するための概念図である。 図２６Ｃは、３つの制御ポイントを有するアフィンマージモードを説明するための概念図である。 図２７は、アフィンマージモードの処理の一例を示すフローチャートである。 図２８Ａは、２つの制御ポイントを有するアフィンインターモードを説明するための図である。 図２８Ｂは、３つの制御ポイントを有するアフィンインターモードを説明するための図である。 図２９は、アフィンインターモードの処理の一例を示すフローチャートである。 図３０Ａは、カレントブロックが３つの制御ポイントを有し、隣接ブロックが２つの制御ポイントを有するアフィンインターモードを説明するための図である。 図３０Ｂは、カレントブロックが２つの制御ポイントを有し、隣接ブロックが３つの制御ポイントを有するアフィンインターモードを説明するための図である。 図３１Ａは、マージモードおよびＤＭＶＲ（ｄｙｎａｍｉｃ　ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｒｅｆｒｅｓｈｉｎｇ）の関係を示す図である。 図３１Ｂは、ＤＭＶＲ処理の一例を説明するための概念図である。 図３２は、予測画像の生成の一例を示すフローチャートである。 図３３は、予測画像の生成の他の例を示すフローチャートである。 図３４は、予測画像の生成のさらに他の例を示すフローチャートである。 図３５は、ＯＢＭＣ（ｏｖｅｒｌａｐｐｅｄ　ｂｌｏｃｋ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）処理による予測画像補正処理の一例を説明するためのフローチャートである。 図３６は、ＯＢＭＣ処理による予測画像補正処理の一例を説明するための概念図である。 図３７は、２つの三角形の予測画像の生成を説明するための図である。 図３８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３９は、ＬＩＣ（ｌｏｃａｌ　ｉｌｌｕｍｉｎａｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）処理による輝度補正処理を用いた予測画像生成方法の一例を説明するための図である。 図４０は、符号化装置の実装例を示すブロック図である。 図４１は、実施の形態に係る復号装置の機能構成を示すブロック図である。 図４２は、復号装置による全体的な復号処理の一例を示すフローチャートである。 図４３は、復号装置の予測処理部で行われる処理の一例を示す図である。 図４４は、復号装置の予測処理部で行われる処理の他の例を示す図である。 図４５は、復号装置におけるノーマルインターモードによるインター予測の例を示すフローチャートである。 図４６は、復号装置の実装例を示すブロック図である。 図４７は、実施の形態における二次変換処理について説明するための図である。 図４８は、実施の形態における符号化装置の変換部における処理手順を示すフローチャートである。 図４９Ａは、実施の形態におけるＣＴＵ全体の一次変換処理に必要な処理量の例を示す表である。 図４９Ｂは、実施の形態におけるＣＴＵ全体の二次変換処理に必要な処理量の例を示す表である。 図５０は、実施の形態における第１の例を示す表である。 図５１は、実施の形態における第２の例を示す表である。 図５２は、実施の形態における第３の例を示す表である。 図５３は、実施の形態における第４の例を示す表である。 図５４は、実施の形態における符号化装置の動作例を示すフローチャートである。 図５５は、実施の形態における復号装置の動作例を示すフローチャートである。 図５６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５７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５８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５９は、ｗｅｂページの表示画面例を示す図である。 図６０は、ｗｅｂページの表示画面例を示す図である。 図６１は、スマートフォンの一例を示す図である。 図６２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）
　例えば、符号化装置等は、予測残差信号に対して一次変換を適用した変換係数に対して、さらに直交変換などの変換を施す二次変換を行う場合がある。このとき、符号化装置等は、予測残差信号に対して一次変換を適用した変換係数に対して、複数のブロックサイズの二次変換を適用しうる。
　そこで、例えば、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、複数のブロックサイズの複数のブロックのうちの処理対象ブロックにおいて、予測残差信号に対して一次変換を適用した変換係数に対して、さらに、前記複数のブロックに共通のブロックサイズの二次変換を適用する変換処理を行い、前記共通のブロックサイズの二次変換では、変換基底の１つ以上の候補で構成され、前記処理対象ブロックのブロックサイズに応じて異なる候補群の中から１つの前記変換基底を選択する。
　これにより、符号化装置は、処理対象ブロックに対して共通のブロックサイズの二次変換を適用する際に、従来よりも適切な変換基底の候補を選択し、処理対象ブロックに、選択した変換基底の候補を適用することができる。よって、符号化装置は、二次変換の処理において、符号量を従来よりも削減することができる。
　また、例えば、本開示の一態様に係る符号化装置において、前記共通のブロックサイズの二次変換の変換基底は、４×４の正方形である。
　これにより、符号化装置は、処理対象ブロックに対して共通のブロックサイズの二次変換を適用する際に、最小のサイズの変換基底を選択することができる。
　また、例えば、本開示の一態様に係る符号化装置において、前記共通のブロックサイズの二次変換の変換基底は、８×８の正方形である。
　これにより、復号装置は、処理対象ブロックに対して共通のブロックサイズの二次変換を適用する際に、適切なサイズの変換基底を選択することができる。
　また、例えば、本開示の一態様に係る符号化装置は、前記複数のブロックサイズのうち、一部のサイズの前記処理対象ブロックに対して、前記二次変換において、前記変換基底の共通の候補を前記候補群に割り当てる。
　これにより、符号化装置は、従来よりも処理量を削減することができる。例えば、符号化装置は、１６×１６の処理対象ブロックと３２×３２の処理対象ブロックとに、共通の基底を割り当てて二次変換を行うことで、処理量を削減することができる。
　また、例えば、本開示の一態様に係る符号化装置は、前記処理対象ブロックのブロックサイズが所定のブロックサイズ以下の場合に、前記変換係数に対して前記二次変換を適用しないと判定し、前記処理対象ブロックのブロックサイズが所定のブロックサイズより大きい場合に、前記変換係数に対して前記二次変換を適用すると判定する。
　これにより、符号化装置は、処理対象ブロックが、二次変換における処理量が多くなるようなブロックサイズであるときに、二次変換を行わないことで、変換処理における処理量を従来よりも削減することができる。
　また、例えば、本開示の一態様に係る符号化装置において、前記所定のブロックサイズは、４×４の正方形である。
　これにより、符号化装置は、変換処理が行われる処理対象ブロックが、二次変換における処理量が多くなる、４×４のブロックサイズであるときに、二次変換を行わないことで、変換処理における処理量を従来よりも削減することができる。
　また、例えば、本開示の一態様に係る符号化装置において、前記所定のブロックサイズは、４×８もしくは８×４の長方形である。
　これにより、符号化装置は、変換処理が行われる処理対象ブロックが、二次変換における処理量が多くなる、４×８又は８×４のブロックサイズであるときに、二次変換を行わないことで、変換処理における処理量を従来よりも削減することができる。
　また、例えば、本開示の一態様に係る符号化装置において、前記所定のブロックサイズは、前記二次変換において選択可能な１つ以上のブロックサイズの中で、最小のブロックサイズと等しい。
　これにより、符号化装置は、変換処理が行われる処理対象ブロックが、符号化装置が選択可能なサイズの中で、二次変換における処理量が最も多くなるブロックサイズであるときに、二次変換を行わないことで、変換処理における処理量を従来よりも削減することができる。
　また、例えば、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、複数のブロックサイズの複数のブロックのうちの処理対象ブロックにおいて、変換係数信号に対して前記複数のブロックに共通のブロックサイズの二次変換を適用した変換係数に対して、さらに、一次変換を適用する逆変換処理を行い、前記共通のブロックサイズの二次変換では、変換基底の１つ以上の候補で構成され、前記処理対象ブロックのブロックサイズに応じて異なる候補群の中から１つの前記変換基底を選択する。
　これにより、復号装置は、処理対象ブロックに対して共通のブロックサイズの二次変換を適用する際に、従来よりも適切な変換基底の候補を選択し、処理対象ブロックに、選択した変換基底の候補を適用することができる。よって、復号装置は、二次変換の処理において、符号量を従来よりも削減することができる。
　また、例えば、本開示の一態様に係る復号装置において、前記共通のブロックサイズの二次変換の変換基底は、４×４の正方形である。
　これにより、復号装置は、処理対象ブロックに対して共通のブロックサイズの二次変換を適用する際に、最小のサイズの変換基底を選択することができる。
　また、例えば、本開示の一態様に係る復号装置において、前記共通のブロックサイズの二次変換の変換基底は、８×８の正方形である。
　これにより、復号装置は、処理対象ブロックに対して共通のブロックサイズの二次変換を適用する際に、適切なサイズの変換基底を選択することができる。
　また、例えば、本開示の一態様に係る復号装置は、前記複数のブロックサイズのうち、一部のサイズの前記処理対象ブロックに対して、前記二次変換において、前記変換基底の共通の候補を前記候補群に割り当てる。
　これにより、復号装置は、従来よりも処理量を削減することができる。例えば、復号装置は、１６×１６の処理対象ブロックと３２×３２の処理対象ブロックとに、共通の基底を割り当てて二次変換を行うことで、処理量を削減することができる。
　また、例えば、本開示の一態様に係る復号装置は、前記処理対象ブロックのブロックサイズが所定のブロックサイズ以下の場合に、前記変換係数に対して前記二次変換を適用しないと判定し、前記処理対象ブロックのブロックサイズが所定のブロックサイズより大きい場合に、前記変換係数に対して前記二次変換を適用すると判定する。
　これにより、復号装置は、変換処理が行われる処理対象ブロックが、二次変換における処理量が多くなるようなブロックサイズであるときに、二次変換を行わないことで、変換処理における処理量を従来よりも削減することができる。
　また、例えば、本開示の一態様に係る復号装置において、前記所定のブロックサイズは、４×４の正方形である。
　これにより、復号装置は、変換処理が行われる処理対象ブロックが、二次変換における処理量が多くなる、４×４のブロックサイズであるときに、二次変換を行わないことで、変換処理における処理量を従来よりも削減することができる。
　また、例えば、本開示の一態様に係る復号装置において、前記所定のブロックサイズは、４×８もしくは８×４の長方形である。
　これにより、復号装置は、変換処理が行われる処理対象ブロックが、二次変換における処理量が多くなる、４×８又は８×４のブロックサイズであるときに、二次変換を行わないことで、変換処理における処理量を従来よりも削減することができる。
　また、例えば、本開示の一態様に係る復号装置において、前記所定のブロックサイズは、前記二次変換において選択可能な１つ以上のブロックサイズの中で、最小のブロックサイズと等しい。
　これにより、復号装置は、復号装置が選択可能なサイズの中で、二次変換における処理量が最も多くなるブロックサイズであるときに、二次変換を行わないことで、変換処理における処理量を従来よりも削減することができる。
　また、例えば、本開示の一態様に係る符号化方法は、複数のブロックサイズの複数のブロックのうちの処理対象ブロックにおいて、予測残差信号に対して一次変換を適用した変換係数に対して、さらに、前記複数のブロックに共通のブロックサイズの二次変換を適用する変換処理を行い、前記共通のブロックサイズの二次変換では、変換基底の１つ以上の候補で構成され、前記処理対象ブロックのブロックサイズに応じて異なる候補群の中から１つの前記変換基底を選択する。
　これにより、符号化方法は、上記符号化装置と同様の効果を奏することができる。
　また、例えば、本開示の一態様に係る復号方法は、複数のブロックサイズの複数のブロックのうちの処理対象ブロックにおいて、変換係数信号に対して前記複数のブロックに共通のブロックサイズの二次変換を適用した変換係数に対して、さらに、一次変換を適用する逆変換処理を行い、前記共通のブロックサイズの二次変換では、変換基底の１つ以上の候補で構成され、前記処理対象ブロックのブロックサイズに応じて異なる候補群の中から１つの前記変換基底を選択する。
　これにより、復号方法は、上記復号装置と同様の効果を奏することができる。
　また、例えば、本開示の一態様に係る符号化装置は、分割部と、イントラ予測部と、インター予測部と、ループフィルタ部と、変換部と、量子化部と、エントロピー符号化部とを備えてもよい。
　前記分割部は、ピクチャを複数のブロックに分割してもよい。前記イントラ予測部は、前記複数のブロックに含まれるブロックに対してイントラ予測を行ってもよい。前記インター予測部は、前記ブロックに対してインター予測を行ってもよい。前記変換部は、前記イントラ予測又は前記インター予測によって得られる予測画像と、原画像との予測誤差を変換して、変換係数を生成してもよい。前記量子化部は、前記変換係数を量子化して量子化係数を生成してもよい。前記エントロピー符号化部は、前記量子化係数を符号化して符号化ビットストリームを生成してもよい。前記ループフィルタ部は、前記ブロックの再構成画像にフィルタを適用してもよい。
　また、例えば、前記符号化装置は、複数のピクチャを含む動画像を符号化する符号化装置であってもよい。
　そして、変換部は、複数のブロックサイズの複数のブロックのうちの処理対象ブロックにおいて、予測残差信号に対して一次変換を適用した変換係数に対して、さらに、前記複数のブロックに共通のブロックサイズの二次変換を適用する変換処理を行い、前記共通のブロックサイズの二次変換では、変換基底の１つ以上の候補で構成され、前記処理対象ブロックのブロックサイズに応じて異なる候補群の中から１つの前記変換基底を選択してもよい。
　また、例えば、本開示の一態様に係る復号装置は、エントロピー復号部と、逆量子化部と、逆変換部と、イントラ予測部と、インター予測部と、ループフィルタ部とを備えてもよい。
　前記エントロピー復号部は、符号化ビットストリームからピクチャ内のブロックの量子化係数を復号してもよい。前記逆量子化部は、前記量子化係数を逆量子化して変換係数を取得してもよい。前記逆変換部は、前記変換係数を逆変換して予測誤差を取得してもよい。前記イントラ予測部は、前記ブロックに対してイントラ予測を行ってもよい。前記インター予測部は、前記ブロックに対してインター予測を行ってもよい。前記フィルタ部は、前記イントラ予測又は前記インター予測によって得られる予測画像と前記予測誤差とを用いて生成される再構成画像にフィルタを適用してもよい。
　また、例えば、前記復号装置は、複数のピクチャを含む動画像を復号する復号装置であってもよい。
　そして、逆変換部は、複数のブロックサイズの複数のブロックのうちの処理対象ブロックにおいて、変換係数信号に対して前記複数のブロックに共通のブロックサイズの二次変換を適用した変換係数に対して、さらに、一次変換を適用する逆変換処理を行い、前記共通のブロックサイズの二次変換では、変換基底の１つ以上の候補で構成され、前記処理対象ブロックのブロックサイズに応じて異なる候補群の中から１つの前記変換基底を選択してもよい。
　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、ステップの関係及び順序などは、一例であり、請求の範囲を限定する主旨ではない。
　以下では、符号化装置および復号化装置の実施の形態を説明する。実施の形態は、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例である。処理および／または構成は、実施の形態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。例えば、実施の形態に対して適用される処理および／または構成に関して、例えば以下のいずれかを実施してもよい。
　（１）本開示の各態様で説明する実施の形態の符号化装置または復号装置の複数の構成要素のうちいずれかは、本開示の各態様のいずれかで説明する他の構成要素に置き換えまたは組み合わせられてもよい。
　（２）実施の形態の符号化装置または復号装置において、当該符号化装置または復号装置の複数の構成要素のうち一部の構成要素によって行われる機能または処理に、機能または処理の追加、置き換え、削除などの任意の変更がなされてもよい。例えば、いずれかの機能または処理は、本開示の各態様のいずれかで説明する他の機能または処理に、置き換えまたは組み合わせられてもよい。
　（３）実施の形態の符号化装置または復号装置が実施する方法において、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、追加、置き換えおよび削除などの任意の変更がなされてもよい。例えば、方法におけるいずれかの処理は、本開示の各態様のいずれかで説明する他の処理に、置き換えまたは組み合わせられてもよい。
　（４）実施の形態の符号化装置または復号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は、本開示の各態様のいずれかで説明する構成要素と組み合わせられてもよいし、本開示の各態様のいずれかで説明する機能の一部を備える構成要素と組み合わせられてもよいし、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られてもよい。
　（５）実施の形態の符号化装置または復号装置の機能の一部を備える構成要素、または、実施の形態の符号化装置または復号装置の処理の一部を実施する構成要素は、本開示の各態様いずれかで説明する構成要素と、本開示の各態様でいずれかで説明する機能の一部を備える構成要素と、または、本開示の各態様のいずれかで説明する処理の一部を実施する構成要素と組み合わせまたは置き換えられてもよい。
　（６）実施の形態の符号化装置または復号装置が実施する方法において、当該方法に含まれる複数の処理のいずれかは、本開示の各態様のいずれかで説明する処理に、または、同様のいずれかの処理に、置き換えまたは組み合わせられてもよい。
　（７）実施の形態の符号化装置または復号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は、本開示の各態様のいずれかで説明する処理と組み合わせられてもよい。
　（８）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、実施の形態の符号化装置または復号装置に限定されるものではない。例えば、処理および／または構成は、実施の形態において開示する動画像符号化または動画像復号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。
　（実施の形態１）
　［符号化装置］
　まず、本実施の形態に係る符号化装置を説明する。図１は、本実施の形態に係る符号化装置１００の機能構成を示すブロック図である。符号化装置１００は、動画像をブロック単位で符号化する動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の全体的な処理の流れを説明した後に、符号化装置１００に含まれる各構成要素について説明する。
　［符号化処理の全体フロー］
　図２は、符号化装置１００による全体的な符号化処理の一例を示すフローチャートである。
　まず、符号化装置１００の分割部１０２は、動画像である入力画像に含まれる各ピクチャを複数の固定サイズのブロック（１２８×１２８画素）に分割する（ステップＳａ＿１）。そして、分割部１０２は、その固定サイズのブロックに対して分割パターン（ブロック形状ともいう）を選択する（ステップＳａ＿２）。つまり、分割部１０２は、固定サイズのブロックを、その選択された分割パターンを構成する複数のブロックに、さらに分割する。そして、符号化装置１００は、その複数のブロックのそれぞれについて、そのブロック（すなわち符号化対象ブロック）に対してステップＳａ＿３～Ｓａ＿９の処理を行う。
　つまり、イントラ予測部１２４、インター予測部１２６および予測制御部１２８の全てまたは一部からなる予測処理部は、符号化対象ブロック（カレントブロックともいう）の予測信号（予測ブロックともいう）を生成する（ステップＳａ＿３）。
　次に、減算部１０４は、符号化対象ブロックと予測ブロックとの差分を予測残差（差分ブロックともいう）として生成する（ステップＳａ＿４）。
　次に、変換部１０６および量子化部１０８は、その差分ブロックに対して変換および量子化を行うことによって、複数の量子化係数を生成する（ステップＳａ＿５）。なお、複数の量子化係数からなるブロックを係数ブロックともいう。
　次に、エントロピー符号化部１１０は、その係数ブロックと、予測信号の生成に関する予測パラメータとに対して符号化（具体的にはエントロピー符号化）を行うことによって、符号化信号を生成する（ステップＳａ＿６）。なお、符号化信号は、符号化ビットストリーム、圧縮ビットストリーム、またはストリームともいう。
　次に、逆量子化部１１２および逆変換部１１４は、係数ブロックに対して逆量子化および逆変換を行うことによって、複数の予測残差（すなわち差分ブロック）を復元する（ステップＳａ＿７）。
　次に、加算部１１６は、その復元された差分ブロックに予測ブロックを加算することによってカレントブロックを再構成画像（再構成ブロックまたは復号画像ブロックともいう）に再構成する（ステップＳａ＿８）。これにより、再構成画像が生成される。
　この再構成画像が生成されると、ループフィルタ部１２０は、その再構成画像に対してフィルタリングを必要に応じて行う（ステップＳａ＿９）。
　そして、符号化装置１００は、ピクチャ全体の符号化が完了したか否かを判定し（ステップＳａ＿１０）、完了していないと判定する場合（ステップＳａ＿１０のＮｏ）、ステップＳａ＿２からの処理を繰り返し実行する。
　なお、上述の例では、符号化装置１００は、固定サイズのブロックに対して１つの分割パターンを選択し、その分割パターンにしたがって各ブロックの符号化を行うが、複数の分割パターンのそれぞれにしたがって各ブロックの符号化を行ってもよい。この場合には、符号化装置１００は、複数の分割パターンのそれぞれに対するコストを評価し、例えば最も小さいコストの分割パターンにしたがった符号化によって得られる符号化信号を、最終的に出力される符号化信号として選択してもよい。
　また、これらのステップＳａ＿１～Ｓａ＿１０の処理は、符号化装置１００によってシーケンシャルに行われてもよく、それらの処理のうちの一部の複数の処理が並列に行われてもよく、順番が入れ替えられてもよい。
　［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、例えば再帰的な四分木（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。すなわち、分割部１０２は、分割パターンを選択する。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、種々の実装例では、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３は、本実施の形態におけるブロック分割の一例を示す図である。図３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３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３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）、分割はこれらに限定されない。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。
　［ピクチャの構成　スライス／タイル］
　ピクチャを並列にデコードするために、ピクチャはスライス単位またはタイル単位で構成される場合がある。スライス単位またはタイル単位からなるピクチャは、分割部１０２によって構成されてもよい。
　スライスは、ピクチャを構成する基本的な符号化の単位である。ピクチャは、例えば１つ以上のスライスから構成される。また、スライスは、１つ以上の連続するＣＴＵ（Ｃｏｄｉｎｇ　Ｔｒｅｅ　Ｕｎｉｔ）からなる。
　図４Ａは、スライスの構成の一例を示す図である。例えば、ピクチャは、１１×８個のＣＴＵを含み、かつ、４つのスライス（スライス１－４）に分割される。スライス１は、１６個のＣＴＵからなり、スライス２は、２１個のＣＴＵからなり、スライス３は、２９個のＣＴＵからなり、スライス４は、２２個のＣＴＵからなる。ここで、ピクチャ内の各ＣＴＵは、いずれかのスライスに属する。スライスの形状は、ピクチャを水平方向に分割した形になる。スライスの境界は、画面端である必要はなく、画面内のＣＴＵの境界のうちどこであってもよい。スライスの中のＣＴＵの処理順（符号化順または復号順）は、例えばラスタ・スキャン順である。また、スライスは、ヘッダ情報と符号化データを含む。ヘッダ情報には、スライスの先頭のＣＴＵアドレス、スライス・タイプなどそのスライスの特徴が記述されてもよい。
　タイルは、ピクチャを構成する矩形領域の単位である。各タイルにはＴｉｌｅＩｄと呼ばれる番号がラスタ・スキャン順に割り振られてもよい。
　図４Ｂは、タイルの構成の一例を示す図である。例えば、ピクチャは、１１×８個のＣＴＵを含み、かつ、４つの矩形領域のタイル（タイル１－４）に分割される。タイルが使用される場合、タイルが使用されない場合と比べてＣＴＵの処理順が変更される。タイルが使用されない場合、ピクチャ内の複数のＣＴＵはラスタ・スキャン順に処理される。タイルが使用される場合には、複数のタイルのそれぞれにおいて、少なくとも１つのＣＴＵがラスタ・スキャン順に処理される。例えば、図４Ｂに示すように、タイル１に含まれる複数のＣＴＵの処理順は、タイル１の１列目左端からタイル１の１列目右端まで向かい、次に、タイル１の２列目左端からタイル１の２列目右端まで向かう順である。
　なお、１つのタイルは、１つ以上のスライスを含む場合があり、１つのスライスは、１つ以上のタイルを含む場合がある。
　［減算部］
　減算部１０４は、分割部１０２から入力され、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（以下に示す予測制御部１２８から入力される予測サンプル）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（残差）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５Ａ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５Ａ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ＥＭＴフラグまたは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、通常、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、ビットシーケンスレベル、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、通常、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。
　変換部１０６には、Ｓｅｐａｒａｂｌｅな変換と、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換とが適用されてもよい。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な変換の一例として、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、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換のさらなる例では、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変換（Ｈｙｐｅｒｃｕｂｅ　Ｇｉｖｅｎｓ　Ｔｒａｎｓｆｏｒｍ）が行われてもよい。
　変換部１０６での変換では、ＣＵ内の領域に応じて周波数領域に変換する基底のタイプを切替えることもできる。一例として、ＳＶＴ（Ｓｐａｔｉａｌｌｙ　Ｖａｒｙｉｎｇ　Ｔｒａｎｓｆｏｒｍ）がある。ＳＶＴでは、図５Ｂに示すように、水平あるいは垂直方向にＣＵを２等分し、いずれか一方の領域のみ周波数領域への変換を行う。変換基底のタイプは領域毎に設定でき、例えば、ＤＳＴ７とＤＣＴ８が用いられる。本例ではＣＵ内の２つの領域のうち、どちらか一方のみ変換を行い、もう一方は変換を行わないが、２つの領域共に変換してもよい。また、分割方法も２等分だけでなく、４等分、あるいは分割を示す情報を別途符号化してＣＵ分割と同様にシグナリングするなど、より柔軟にすることもできる。なお、ＳＶＴは、ＳＢＴ（Ｓｕｂ－ｂｌｏｃｋ　Ｔｒａｎｓｆｏｒｍ）と呼ぶこともある。
　［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。
　所定の走査順序は、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（ＱＰ）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。
　また、量子化には、量子化マトリックスが使用される場合がある。例えば、４ｘ４および８ｘ８などの周波数変換サイズと、イントラ予測およびインター予測などの予測モードと、輝度および色差などの画素成分とに対応して数種類の量子化マトリックスが使われる場合がある。なお、量子化とは、予め定められた間隔でサンプリングした値を予め定められたレベルに対応づけてデジタル化することをいい、この技術分野では、丸め、ラウンディング、スケーリングといった表現が用いられる場合もある。
　量子化マトリックスを使用する方法として、符号化装置側で直接設定された量子化マトリックスを使用する方法と、デフォルトの量子化マトリックス（デフォルトマトリックス）を使用する方法とがある。符号化装置側では、量子化マトリックスを直接設定することにより、画像の特徴に応じた量子化マトリックスを設定することができる。しかし、この場合、量子化マトリックスの符号化によって、符号量が増加するというデメリットがある。
　一方、量子化マトリックスを使用せず、高域成分の係数も低域成分の係数も同じように量子化する方法もある。なお、この方法は、係数が全て同じ値である量子化マトリックス（フラットなマトリックス）を用いる方法に等しい。
　量子化マトリックスは、例えば、ＳＰＳ（シーケンスパラメータセット：Ｓｅｑｕｅｎｃｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）またはＰＰＳ（ピクチャパラメータセット：Ｐｉｃｔｕｒｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）で指定されてもよい。ＳＰＳは、シーケンスに対して用いられるパラメータを含み、ＰＰＳは、ピクチャに対して用いられるパラメータを含む。ＳＰＳとＰＰＳとは、単にパラメータセットと呼ばれる場合がある。
　［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から入力された量子化係数に基づいて符号化信号（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し、圧縮されたビットストリームまたはシーケンスを出力する。
　［逆量子化部］
　逆量子化部１１２は、量子化部１０８から入力された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から入力された変換係数を逆変換することにより予測誤差（残差）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、通常、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、通常、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から入力された予測誤差と予測制御部１２８から入力された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、例えば、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（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。
　［フレームメモリ］
　フレームメモリ１２２は、例えば、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。
　［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またはＤＢＦ）、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６Ａ～図６Ｃ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６Ａは、５ｘ５ダイヤモンド形状フィルタを示し、図６Ｂは、７ｘ７ダイヤモンド形状フィルタを示し、図６Ｃ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、通常、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レベルで決定されてもよい。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てもよく、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てもよい。ＡＬＦのオン／オフを示す情報は、通常、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、通常、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。
　［ループフィルタ部　＞　デブロッキング・フィルタ］
　デブロッキング・フィルタでは、ループフィルタ部１２０は、再構成画像のブロック境界にフィルタ処理を行うことによって、そのブロック境界に生じる歪みを減少させる。
　図７は、デブロッキング・フィルタとして機能するループフィルタ部１２０の詳細な構成の一例を示すブロック図である。
　ループフィルタ部１２０は、境界判定部１２０１、フィルタ判定部１２０３と、フィルタ処理部１２０５と、処理判定部１２０８と、フィルタ特性決定部１２０７と、スイッチ１２０２、１２０４および１２０６とを備える。
　境界判定部１２０１は、デブロッキング・フィルタ処理される画素（すなわち対象画素）がブロック境界付近に存在しているか否かを判定する。そして、境界判定部１２０１は、その判定結果をスイッチ１２０２および処理判定部１２０８に出力する。
　スイッチ１２０２は、対象画素がブロック境界付近に存在していると境界判定部１２０１によって判定された場合には、フィルタ処理前の画像を、スイッチ１２０４に出力する。逆に、スイッチ１２０２は、境界判定部１２０１によって対象画素がブロック境界付近に存在していないと判定された場合には、フィルタ処理前の画像をスイッチ１２０６に出力する。
　フィルタ判定部１２０３は、対象画素の周辺にある少なくとも１つの周辺画素の画素値に基づいて、対象画素に対してデブロッキング・フィルタ処理を行うか否かを判定する。そして、フィルタ判定部１２０３は、その判定結果をスイッチ１２０４および処理判定部１２０８に出力する。
　スイッチ１２０４は、対象画素にデブロッキング・フィルタ処理を行うとフィルタ判定部１２０３によって判定された場合には、スイッチ１２０２を介して取得したフィルタ処理前の画像を、フィルタ処理部１２０５に出力する。逆に、スイッチ１２０４は、対象画素にデブロッキング・フィルタ処理を行わないとフィルタ判定部１２０３によって判定された場合には、スイッチ１２０２を介して取得したフィルタ処理前の画像をスイッチ１２０６に出力する。
　フィルタ処理部１２０５は、スイッチ１２０２および１２０４を介してフィルタ処理前の画像を取得した場合には、フィルタ特性決定部１２０７によって決定されたフィルタ特性を有するデブロッキング・フィルタ処理を、対象画素に対して実行する。そして、フィルタ処理部１２０５は、そのフィルタ処理後の画素をスイッチ１２０６に出力する。
　スイッチ１２０６は、処理判定部１２０８による制御に応じて、デブロッキング・フィルタ処理されていない画素と、フィルタ処理部１２０５によってデブロッキング・フィルタ処理された画素とを選択的に出力する。
　処理判定部１２０８は、境界判定部１２０１およびフィルタ判定部１２０３のそれぞれの判定結果に基づいて、スイッチ１２０６を制御する。つまり、処理判定部１２０８は、対象画素がブロック境界付近に存在していると境界判定部１２０１によって判定され、かつ、対象画素にデブロッキング・フィルタ処理を行うとフィルタ判定部１２０３によって判定された場合には、デブロッキング・フィルタ処理された画素をスイッチ１２０６から出力させる。また、上述の場合以外では、処理判定部１２０８は、デブロッキング・フィルタ処理されていない画素をスイッチ１２０６から出力させる。このような画素の出力が繰り返し行われることによって、フィルタ処理後の画像がスイッチ１２０６から出力される。
　図８は、ブロック境界に対して対称なフィルタ特性を有するデブロッキング・フィルタの例を示す図である。
　デブロッキング・フィルタ処理では、例えば、画素値と量子化パラメータを用いて、特性の異なる２つのデブロッキング・フィルタ、すなわちストロングフィルタおよびウィークフィルタのうちの何れか１つが選択される。ストロングフィルタでは、図８に示すように、ブロック境界を挟んで画素ｐ０～ｐ２と、画素ｑ０～ｑ２とが存在する場合、画素ｑ０～ｑ２のそれぞれの画素値は、以下の式に示す演算を行うことによって、画素値ｑ’０～ｑ’２に変更される。
　　ｑ’０＝（ｐ１＋２×ｐ０＋２×ｑ０＋２×ｑ１＋ｑ２＋４）／８
　　ｑ’１＝（ｐ０＋ｑ０＋ｑ１＋ｑ２＋２）／４
　　ｑ’２＝（ｐ０＋ｑ０＋ｑ１＋３×ｑ２＋２×ｑ３＋４）／８
　なお、上述の式において、ｐ０～ｐ２およびｑ０～ｑ２は、画素ｐ０～ｐ２および画素ｑ０～ｑ２のそれぞれの画素値である。また、ｑ３は、画素ｑ２にブロック境界と反対側に隣接する画素ｑ３の画素値である。また、上述の各式の右辺において、デブロッキング・フィルタ処理に用いられる各画素の画素値に乗算される係数が、フィルタ係数である。
　さらに、デブロッキング・フィルタ処理では、演算後の画素値が閾値を超えて変化しないように、クリップ処理が行われてもよい。このクリップ処理では、上述の式による演算後の画素値は、量子化パラメータから決定される閾値を用いて、「演算前の画素値±２×閾値」にクリップされる。これにより、過度な平滑化を防ぐことができる。
　図９は、デブロッキング・フィルタ処理が行われるブロック境界を説明するための図である。図１０は、Ｂｓ値の一例を示す図である。
　デブロッキング・フィルタ処理が行われるブロック境界は、例えば、図９で示すような８×８画素ブロックのＰＵ（Ｐｒｅｄｉｃｔｉｏｎ　Ｕｎｉｔ）またはＴＵ（Ｔｒａｎｓｆｏｒｍ　Ｕｎｉｔ）の境界である。デブロッキング・フィルタ処理は、４行または４列を単位に行われる。まず、図９に示すブロックＰおよびブロックＱに対して、図１０のようにＢｓ（Ｂｏｕｎｄａｒｙ　Ｓｔｒｅｎｇｔｈ）値が決定される。
　図１０のＢｓ値にしたがい、同一の画像に属するブロック境界であっても、異なる強さのデブロッキング・フィルタ処理を行うか否かが決定される。色差信号に対するデブロッキング・フィルタ処理は、Ｂｓ値が２の場合に行われる。輝度信号に対するデブロッキング・フィルタ処理は、Ｂｓ値が１以上であって、所定の条件が満たされた場合に行われる。なお、Ｂｓ値の判定条件は図１０に示したものに限定されず、他のパラメータに基づいて決定されてもよい。
　［予測処理部（イントラ予測部・インター予測部・予測制御部）］
　図１１は、符号化装置１００の予測処理部で行われる処理の一例を示す図である。なお、予測処理部は、イントラ予測部１２４、インター予測部１２６、および予測制御部１２８の全てまたは一部の構成要素からなる。
　予測処理部は、カレントブロックの予測画像を生成する（ステップＳｂ＿１）。この予測画像は、予測信号または予測ブロックともいう。なお、予測信号には、例えばイントラ予測信号またはインター予測信号がある。具体的には、予測処理部は、予測ブロックの生成、差分ブロックの生成、係数ブロックの生成、差分ブロックの復元、および復号画像ブロックの生成が行われることによって既に得られている再構成画像を用いて、カレントブロックの予測画像を生成する。
　再構成画像は、例えば、参照ピクチャの画像であってもよいし、カレントブロックを含むピクチャであるカレントピクチャ内の符号化済みのブロックの画像であってもよい。カレントピクチャ内の符号化済みのブロックは、例えばカレントブロックの隣接ブロックである。
　図１２は、符号化装置１００の予測処理部で行われる処理の他の例を示す図である。
　予測処理部は、第１の方式で予測画像を生成し（ステップＳｃ＿１ａ）、第２の方式で予測画像を生成し（ステップＳｃ＿１ｂ）、第３の方式で予測画像を生成する（ステップＳｃ＿１ｃ）。第１の方式、第２の方式、および第３の方式は、予測画像を生成するための互いに異なる方式であって、それぞれ例えば、インター予測方式、イントラ予測方式、および、それら以外の予測方式であってもよい。これらの予測方式では、上述の再構成画像を用いてもよい。
　次に、予測処理部は、ステップＳｃ＿１ａ、Ｓｃ＿１ｂ、およびＳｃ＿１ｃで生成された複数の予測画像のうちの何れか１つを選択する（ステップＳｃ＿２）。この予測画像の選択、すなわち最終的な予測画像を得るための方式またはモードの選択は、生成された各予測画像に対するコストを算出し、そのコストに基づいて行われてもよい。または、その予測画像の選択は、符号化の処理に用いられるパラメータに基づいて行われてもよい。符号化装置１００は、その選択された予測画像、方式またはモードを特定するための情報を符号化信号（符号化ビットストリームともいう）に信号化してもよい。その情報は、例えばフラグなどであってもよい。これにより、復号装置は、その情報に基づいて、符号化装置１００において選択された方式またはモードにしたがって予測画像を生成することができる。なお、図１２に示す例では、予測処理部は、各方式で予測画像を生成した後に、何れかの予測画像を選択する。しかし、予測処理部は、それらの予測画像を生成する前に、上述の符号化の処理に用いられるパラメータに基づいて、方式またはモードを選択し、その方式またはモードにしたがって予測画像を生成してもよい。
　例えば、第１の方式および第２の方式は、それぞれイントラ予測およびインター予測であって、予測処理部は、これらの予測方式にしたがって生成される予測画像から、カレントブロックに対する最終的な予測画像を選択してもよい。
　図１３は、符号化装置１００の予測処理部で行われる処理の他の例を示す図である。
　まず、予測処理部は、イントラ予測によって予測画像を生成し（ステップＳｄ＿１ａ）、インター予測によって予測画像を生成する（ステップＳｄ＿１ｂ）。なお、イントラ予測によって生成された予測画像を、イントラ予測画像ともいい、インター予測によって生成された予測画像を、インター予測画像ともいう。
　次に、予測処理部は、イントラ予測画像およびインター予測画像のそれぞれを評価する（ステップＳｄ＿２）。この評価には、コストが用いられてもよい。つまり、予測処理部は、イントラ予測画像およびインター予測画像のそれぞれのコストＣを算出する。このコストＣは、Ｒ－Ｄ最適化モデルの式、例えば、Ｃ＝Ｄ＋λ×Ｒによって算出される。この式において、Ｄは、予測画像の符号化歪であって、例えば、カレントブロックの画素値と予測画像の画素値との差分絶対値和などによって表される。また、Ｒは、予測画像の発生符号量であって、具体的には、予測画像を生成するための動き情報などの符号化に必要な符号量などである。また、λは、例えばラグランジュの未定乗数である。
　そして、予測処理部は、イントラ予測画像およびインター予測画像から、最も小さいコストＣが算出された予測画像を、カレントブロックの最終的な予測画像として選択する（ステップＳｄ＿３）。つまり、カレントブロックの予測画像を生成するための予測方式またはモードが選択される。
　［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、通常、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規格で規定された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１４は、イントラ予測における全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。（２個の非方向性予測モードは図１４には図示されていない。）
　種々の実装例では、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、通常、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カレントサブブロック（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カレントサブブロックについて参照ピクチャ内で動き探索（ｍｏｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎ）を行い、そのカレントブロック又はカレントサブブロックに最も一致する参照ブロック又はサブブロックを見つける。そして、インター予測部１２６は、参照ブロック又はサブブロックからカレントブロック又はサブブロックへの動き又は変化を補償する動き情報（例えば動きベクトル）を取得する。インター予測部１２６は、その動き情報に基づいて、動き補償（または動き予測）を行い、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。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、多様な形態でインター予測信号として信号化されてもよい。例えば、動きベクトルが信号化されてもよい。他の例として、動きベクトルと予測動きベクトル（ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｐｒｅｄｉｃｔｏｒ）との差分が信号化されてもよい。
　［インター予測の基本フロー］
　図１５は、インター予測の基本的な流れを示すフローチャートである。
　インター予測部１２６は、まず、予測画像を生成する（ステップＳｅ＿１～Ｓｅ＿３）。次に、減算部１０４は、カレントブロックと予測画像との差分を予測残差として生成する（ステップＳｅ＿４）。
　ここで、インター予測部１２６は、予測画像の生成では、カレントブロックの動きベクトル（ＭＶ）の決定（ステップＳｅ＿１およびＳｅ＿２）と、動き補償（ステップＳｅ＿３）とを行うことによって、その予測画像を生成する。また、インター予測部１２６は、ＭＶの決定では、候補動きベクトル（候補ＭＶ）の選択（ステップＳｅ＿１）と、ＭＶの導出（ステップＳｅ＿２）とを行うことによって、そのＭＶを決定する。候補ＭＶの選択は、例えば、候補ＭＶリストから少なくとも１つの候補ＭＶを選択することによって行われる。また、ＭＶの導出では、インター予測部１２６は、少なくとも１つの候補ＭＶから、さらに少なくとも１つの候補ＭＶを選択することによって、その選択された少なくとも１つの候補ＭＶを、カレントブロックのＭＶとして決定してもよい。あるいは、インター予測部１２６は、その選択された少なくとも１つの候補ＭＶのそれぞれについて、その候補ＭＶで指示される参照ピクチャの領域を探索することによって、カレントブロックのＭＶを決定してもよい。なお、この参照ピクチャの領域を探索することを、動き探索（ｍｏｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎ）と称してもよい。
　また、上述の例では、ステップＳｅ＿１～Ｓｅ＿３は、インター予測部１２６によって行われるが、例えばステップＳｅ＿１またはステップＳｅ＿２などの処理は、符号化装置１００に含まれる他の構成要素によって行われてもよい。
　［動きベクトルの導出のフロー］
　図１６は、動きベクトル導出の一例を示すフローチャートである。
　インター予測部１２６は、動き情報（例えばＭＶ）を符号化するモードで、カレントブロックのＭＶを導出する。この場合、例えば動き情報が予測パラメータとして符号化されて、信号化される。つまり、符号化された動き情報が、符号化信号（符号化ビットストリームともいう）に含まれる。
　あるいは、インター予測部１２６は、動き情報を符号化しないモードでＭＶを導出する。この場合には、動き情報は、符号化信号に含まれない。
　ここで、ＭＶ導出のモードには、後述のノーマルインターモード、マージモード、ＦＲＵＣモードおよびアフィンモードなどがある。これらのモードのうち、動き情報を符号化するモードには、ノーマルインターモード、マージモード、およびアフィンモード（具体的には、アフィンインターモードおよびアフィンマージモード）などがある。なお、動き情報には、ＭＶだけでなく、後述の予測動きベクトル選択情報が含まれてもよい。また、動き情報を符号化しないモードには、ＦＲＵＣモードなどがある。インター予測部１２６は、これらの複数のモードから、カレントブロックのＭＶを導出するためのモードを選択し、その選択されたモードを用いてカレントブロックのＭＶを導出する。
　図１７は、動きベクトル導出の他の例を示すフローチャートである。
　インター予測部１２６は、差分ＭＶを符号化するモードで、カレントブロックのＭＶを導出する。この場合、例えば差分ＭＶが予測パラメータとして符号化されて、信号化される。つまり、符号化された差分ＭＶが、符号化信号に含まれる。この差分ＭＶは、カレントブロックのＭＶと、その予測ＭＶとの差である。
　あるいは、インター予測部１２６は、差分ＭＶを符号化しないモードでＭＶを導出する。この場合には、符号化された差分ＭＶは、符号化信号に含まれない。
　ここで、上述のようにＭＶの導出のモードには、後述のノーマルインター、マージモード、ＦＲＵＣモードおよびアフィンモードなどがある。これらのモードのうち、差分ＭＶを符号化するモードには、ノーマルインターモードおよびアフィンモード（具体的には、アフィンインターモード）などがある。また、差分ＭＶを符号化しないモードには、ＦＲＵＣモード、マージモードおよびアフィンモード（具体的には、アフィンマージモード）などがある。インター予測部１２６は、これらの複数のモードから、カレントブロックのＭＶを導出するためのモードを選択し、その選択されたモードを用いてカレントブロックのＭＶを導出する。
　［動きベクトルの導出のフロー］
　図１８は、動きベクトル導出の他の例を示すフローチャートである。ＭＶ導出のモード、すなわちインター予測モードには、複数のモードがあり、大きく分けて、差分ＭＶを符号化するモードと、差分動きベクトルを符号化しないモードとがある。差分ＭＶを符号化しないモードには、マージモード、ＦＲＵＣモード、およびアフィンモード（具体的には、アフィンマージモード）がある。これらのモードの詳細については、後述するが、簡単には、マージモードは、周辺の符号化済みブロックから動きベクトルを選択することによって、カレントブロックのＭＶを導出するモードであり、ＦＲＵＣモードは、符号化済み領域間で探索を行うことによって、カレントブロックのＭＶを導出するモードである。また、アフィンモードは、アフィン変換を想定して、カレントブロックを構成する複数のサブブロックそれぞれの動きベクトルを、カレントブロックのＭＶとして導出するモードである。
　具体的には、インター予測部１２６は、インター予測モード情報が０を示す場合（Ｓｆ＿１で０）、マージモードにより動きベクトルを導出する（Ｓｆ＿２）。また、インター予測部１２６は、インター予測モード情報が１を示す場合（Ｓｆ＿１で１）、ＦＲＵＣモードにより動きベクトルを導出する（Ｓｆ＿３）。また、インター予測部１２６は、インター予測モード情報が２を示す場合（Ｓｆ＿１で２）、アフィンモード（具体的には、アフィンマージモード）により動きベクトルを導出する（Ｓｆ＿４）。また、インター予測部１２６は、インター予測モード情報が３を示す場合（Ｓｆ＿１で３）、差分ＭＶを符号化するモード（例えば、ノーマルインターモード）により動きベクトルを導出する（Ｓｆ＿５）。
　［ＭＶ導出　＞　ノーマルインターモード］
　ノーマルインターモードは、候補ＭＶによって示される参照ピクチャの領域から、カレントブロックの画像に類似するブロックを見つけ出すことによって、カレントブロックのＭＶを導出するインター予測モードである。また、このノーマルインターモードでは、差分ＭＶが符号化される。
　図１９は、ノーマルインターモードによるインター予測の例を示すフローチャートである。
　インター予測部１２６は、まず、時間的または空間的にカレントブロックの周囲にある複数の符号化済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｇ＿１）。つまり、インター予測部１２６は、候補ＭＶリストを作成する。
　次に、インター予測部１２６は、ステップＳｇ＿１で取得された複数の候補ＭＶの中から、Ｎ個（Ｎは２以上の整数）の候補ＭＶのそれぞれを予測動きベクトル候補（予測ＭＶ候補ともいう）として、予め決められた優先順位に従って抽出する（ステップＳｇ＿２）。なお、その優先順位は、Ｎ個の候補ＭＶのそれぞれに対して予め定められている。
　次に、インター予測部１２６は、そのＮ個の予測動きベクトル候補の中から１つの予測動きベクトル候補を、カレントブロックの予測動きベクトル（予測ＭＶともいう）として選択する（ステップＳｇ＿３）。このとき、インター予測部１２６は、選択された予測動きベクトルを識別するための予測動きベクトル選択情報をストリームに符号化する。なお、ストリームは、上述の符号化信号または符号化ビットストリームである。
　次に、インター予測部１２６は、符号化済み参照ピクチャを参照し、カレントブロックのＭＶを導出する（ステップＳｇ＿４）。このとき、インター予測部１２６は、さらに、その導出されたＭＶと予測動きベクトルとの差分値を差分ＭＶとしてストリームに符号化する。なお、符号化済み参照ピクチャは、符号化後に再構成された複数のブロックからなるピクチャである。
　最後に、インター予測部１２６は、その導出されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｇ＿５）。なお、予測画像は、上述のインター予測信号である。
　また、符号化信号に含められる、予測画像の生成に用いられたインター予測モード（上述の例ではノーマルインターモード）を示す情報は、例えば予測パラメータとして符号化される。
　なお、候補ＭＶリストは、他のモードに用いられるリストと共通に用いられてもよい。また、候補ＭＶリストに関する処理を、他のモードに用いられるリストに関する処理に適用してもよい。この候補ＭＶリストに関する処理は、例えば、候補ＭＶリストからの候補ＭＶの抽出もしくは選択、候補ＭＶの並び替え、または、候補ＭＶの削除などである。
　［ＭＶ導出　＞　マージモード］
　マージモードは、候補ＭＶリストから候補ＭＶをカレントブロックのＭＶとして選択することによって、そのＭＶを導出するインター予測モードである。
　図２０は、マージモードによるインター予測の例を示すフローチャートである。
　インター予測部１２６は、まず、時間的または空間的にカレントブロックの周囲にある複数の符号化済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｈ＿１）。つまり、インター予測部１２６は、候補ＭＶリストを作成する。
　次に、インター予測部１２６は、ステップＳｈ＿１で取得された複数の候補ＭＶの中から１つの候補ＭＶを選択することによって、カレントブロックのＭＶを導出する（ステップＳｈ＿２）。このとき、インター予測部１２６は、選択された候補ＭＶを識別するためのＭＶ選択情報をストリームに符号化する。
　最後に、インター予測部１２６は、その導出されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｈ＿３）。
　また、符号化信号に含められる、予測画像の生成に用いられたインター予測モード（上述の例ではマージモード）を示す情報は、例えば予測パラメータとして符号化される。
　図２１は、マージモードによるカレントピクチャの動きベクトル導出処理の一例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、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対象ブロックの位置を投影した近辺のブロックが持つＭＶである時間隣接予測ＭＶ、空間隣接予測ＭＶと時間隣接予測ＭＶのＭＶ値を組み合わせて生成したＭＶである結合予測ＭＶ、および値がゼロのＭＶであるゼロ予測ＭＶ等がある。
　次に、予測ＭＶリストに登録されている複数の予測ＭＶの中から１つの予測ＭＶを選択することで、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２１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。
　マージモードにより導出した対象ブロックのＭＶを用いて、後述するＤＭＶＲ（ｄｙｎａｍｉｃ　ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｒｅｆｒｅｓｈｉｎｇ）処理を行うことによって最終的なＭＶを決定してもよい。
　なお、予測ＭＶの候補は、上述の候補ＭＶであり、予測ＭＶリストは、上述の候補ＭＶリストである。また、候補ＭＶリストを、候補リストと称してもよい。また、ｍｅｒｇｅ＿ｉｄｘは、ＭＶ選択情報である。
　［ＭＶ導出　＞　ＦＲＵＣモード］
　動き情報は符号化装置側から信号化されずに、復号装置側で導出されてもよい。なお、上述のように、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、復号装置側では、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２２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（ＭＶ）を有する複数の候補のリスト（すなわち、候補ＭＶリストであって、マージリストと共通であってもよい）が生成される（ステップＳｉ＿１）。次に、候補ＭＶ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（ステップＳｉ＿２）。例えば、候補ＭＶリストに含まれる各候補ＭＶの評価値が算出され、評価値に基づいて１つの候補ＭＶ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（ステップＳｉ＿４）。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、参照ピクチャにおけるパターンマッチングおよび評価値を用いた探索を行い、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。より良い評価値を有するＭＶへの更新を行う処理を実施しない構成とすることも可能である。
　最後に、インター予測部１２６は、その導出されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｉ＿５）。
　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。
　評価値は、種々の方法によって算出されてもよい。例えば、動きベクトルに対応する参照ピクチャ内の領域の再構成画像と、所定の領域（その領域は、例えば、以下に示すように、他の参照ピクチャの領域またはカレントピクチャの隣接ブロックの領域であってもよい）の再構成画像とを比較する。そして、２つの再構成画像の画素値の差分を算出して、動きベクトルの評価値に用いてもよい。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。
　次に、パターンマッチングについて詳細に説明する。まず、候補ＭＶリスト（例えばマージリスト）に含まれる１つの候補ＭＶを、パターンマッチングによる探索のスタートポイントとして選択する。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。
　［ＭＶ導出　＞　ＦＲＵＣ　＞　バイラテラルマッチング］
　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２３は、動き軌道に沿う２つの参照ピクチャにおける２つのブロック間での第１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２３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。
　［ＭＶ導出　＞　ＦＲＵＣ　＞　テンプレートマッチング］
　第２パターンマッチング（テンプレートマッチング）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２４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２４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てもよい。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）、適用可能な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）を示す情報がＣＵレベルで信号化されてもよい。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。
　［ＭＶ導出　＞　アフィンモード］
　次に、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アフィン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２５Ａ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の一例を説明するための図である。図２５Ａ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、同様に、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、以下の式（１Ａ）により、２つの動きベクトルｖ０及びｖ１を投影して、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-M000001
　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てもよい。なお、このアフィン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。
　また、このようなアフィンモードでは、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。例えば、アフィンモードには、アフィンインター（アフィンノーマルインターともいう）モードと、アフィンマージモードの２つのモードがある。
　［ＭＶ導出　＞　アフィンモード］
　図２５Ｂは、３つの制御ポイントを有するアフィンモードにおけるサブブロック単位の動きベクトルの導出の一例を説明するための図である。図２５Ｂ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、同様に、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右上角制御ポイントの動きベクトルｖ１、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下角制御ポイントの動きベクトルｖ２が導出される。そして、以下の式（１Ｂ）により、３つの動きベクトルｖ０、ｖ１及びｖ２を投影して、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、サブブロック中心の水平位置及び垂直位置を示し、ｗは、カレントブロックの幅、ｈは、カレントブロックの高さを示す。
　異なる制御ポイント数（例えば、２つと３つ）のアフィンモードは、ＣＵレベルで切り替えて信号化されてもよい。なお、ＣＵレベルで使用しているアフィンモードの制御ポイント数を示す情報を、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）で信号化してもよい。
　また、このような３つの制御ポイントを有するアフィンモードでは、左上、右上及び左下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。例えば、アフィンモードには、アフィンインター（アフィンノーマルインターともいう）モードと、アフィンマージモードの２つのモードがある。
　［ＭＶ導出　＞　アフィンマージモード］
　図２６Ａ、図２６Ｂおよび図２６Ｃは、アフィンマージモードを説明するための概念図である。
　アフィンマージモードでは、図２６Ａに示すように、例えば、カレントブロックに隣接する符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）のうち、アフィンモードで符号化されたブロックに対応する複数の動きベクトルに基づいて、カレントブロックの制御ポイントのそれぞれの予測動きベクトルが算出される。具体的には、符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）の順序でこれらのブロックが検査され、アフィンモードで符号化された最初の有効なブロックが特定される。この特定されたブロックに対応する複数の動きベクトルに基づいて、カレントブロックの制御ポイントの予測動きベクトルが算出される。
　例えば、図２６Ｂに示すように、カレントブロックの左に隣接するブロックＡが２つの制御ポイントを有するアフィンモードで符号化されている場合は、ブロックＡを含む符号化済みブロックの左上角および右上角の位置に投影した動きベクトルｖ３およびｖ４が導出される。そして、導出された動きベクトルｖ３およびｖ４から、カレントブロックの左上角の制御ポイントの予測動きベクトルｖ０と、右上角の制御ポイントの予測動きベクトルｖ１が算出される。
　例えば、図２６Ｃに示すように、カレントブロックの左に隣接するブロックＡが３つの制御ポイントを有するアフィンモードで符号化されている場合は、ブロックＡを含む符号化済みブロックの左上角、右上角および左下角の位置に投影した動きベクトルｖ３、ｖ４およびｖ５が導出される。そして、導出された動きベクトルｖ３、ｖ４およびｖ５から、カレントブロックの左上角の制御ポイントの予測動きベクトルｖ０と、右上角の制御ポイントの予測動きベクトルｖ１と、左下角の制御ポイントの予測動きベクトルｖ２が算出される。
　なお、後述する図２９のステップＳｊ＿１におけるカレントブロックの制御ポイントのそれぞれの予測動きベクトルの導出に、この予測動きベクトル導出方法を用いてもよい。
　図２７は、アフィンマージモードの一例を示すフローチャートである。
　アフィンマージモードでは、まず、インター予測部１２６は、カレントブロックの制御ポイントのそれぞれの予測ＭＶを導出する（ステップＳｋ＿１）。制御ポイントは、図２５Ａに示すように、カレントブロックの左上角および右上角のポイント、或いは図２５Ｂに示すように、カレントブロックの左上角、右上角および左下角のポイントである。
　つまり、インター予測部１２６は、図２６Ａに示すように、符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）の順序にこれらのブロックを検査し、アフィンモードで符号化された最初の有効なブロックを特定する。
　そして、ブロックＡが特定されブロックＡが２つの制御ポイントを有する場合、図２６Ｂに示すように、インター予測部１２６は、ブロックＡを含む符号化済みブロックの左上角および右上角の動きベクトルｖ３およびｖ４から、カレントブロックの左上角の制御ポイントの動きベクトルｖ０と、右上角の制御ポイントの動きベクトルｖ１とを算出する。例えば、インター予測部１２６は、符号化済みブロックの左上角および右上角の動きベクトルｖ３およびｖ４を、カレントブロックに投影することによって、カレントブロックの左上角の制御ポイントの予測動きベクトルｖ０と、右上角の制御ポイントの予測動きベクトルｖ１とを算出する。
　或いは、ブロックＡが特定されブロックＡが３つの制御ポイントを有する場合、図２６Ｃに示すように、インター予測部１２６は、ブロックＡを含む符号化済みブロックの左上角、右上角および左下角の動きベクトルｖ３、ｖ４およびｖ５から、カレントブロックの左上角の制御ポイントの動きベクトルｖ０と、右上角の制御ポイントの動きベクトルｖ１、左下角の制御ポイントの動きベクトルｖ２とを算出する。例えば、インター予測部１２６は、符号化済みブロックの左上角、右上角および左下角の動きベクトルｖ３、ｖ４およびｖ５を、カレントブロックに投影することによって、カレントブロックの左上角の制御ポイントの予測動きベクトルｖ０と、右上角の制御ポイントの予測動きベクトルｖ１、左下角の制御ポイントの動きベクトルｖ２とを算出する。
　次に、インター予測部１２６は、カレントブロックに含まれる複数のサブブロックのそれぞれについて、動き補償を行う。すなわち、インター予測部１２６は、その複数のサブブロックのそれぞれについて、２つの予測動きベクトルｖ０およびｖ１と上述の式（１Ａ）、或いは３つの予測動きベクトルｖ０、ｖ１およびｖ２と上述の式（１Ｂ）とを用いて、そのサブブロックの動きベクトルをアフィンＭＶとして算出する（ステップＳｋ＿２）。そして、インター予測部１２６は、それらのアフィンＭＶおよび符号化済み参照ピクチャを用いてそのサブブロックに対して動き補償を行う（ステップＳｋ＿３）。その結果、カレントブロックに対して動き補償が行われ、そのカレントブロックの予測画像が生成される。
　［ＭＶ導出　＞　アフィンインターモード］
　図２８Ａは、２つの制御ポイントを有するアフィンインターモードを説明するための図である。
　このアフィンインターモードでは、図２８Ａに示すように、カレントブロックに隣接する符号化済みブロックＡ、ブロックＢおよびブロックＣの動きベクトルから選択された動きベクトルが、カレントブロックの左上角の制御ポイントの予測動きベクトルｖ０として用いられる。同様に、カレントブロックに隣接する符号化済みブロックＤおよびブロックＥの動きベクトルから選択された動きベクトルが、カレントブロックの右上角の制御ポイントの予測動きベクトルｖ１として用いられる。
　図２８Ｂは、３つの制御ポイントを有するアフィンインターモードを説明するための図である。
　このアフィンインターモードでは、図２８Ｂに示すように、カレントブロックに隣接する符号化済みブロックＡ、ブロックＢおよびブロックＣの動きベクトルから選択された動きベクトルが、カレントブロックの左上角の制御ポイントの予測動きベクトルｖ０として用いられる。同様に、カレントブロックに隣接する符号化済みブロックＤおよびブロックＥの動きベクトルから選択された動きベクトルが、カレントブロックの右上角の制御ポイントの予測動きベクトルｖ１として用いられる。更に、カレントブロックに隣接する符号化済みブロックＦおよびブロックＧの動きベクトルから選択された動きベクトルが、カレントブロックの左下角の制御ポイントの予測動きベクトルｖ２として用いられる。
　図２９は、アフィンインターモードの一例を示すフローチャートである。
　アフィンインターモードでは、まず、インター予測部１２６は、カレントブロックの２つまたは３つの制御ポイントのそれぞれの予測ＭＶ（ｖ０，ｖ１）または（ｖ０，ｖ１，ｖ２）を導出する（ステップＳｊ＿１）。制御ポイントは、図２５Ａまたは図２５Ｂに示すように、カレントブロックの左上角、右上角或いは左下角のポイントである。
　つまり、インター予測部１２６は、図２８Ａまたは図２８Ｂに示すカレントブロックの各制御ポイント近傍の符号化済みブロックのうちの何れかのブロックの動きベクトルを選択することによって、カレントブロックの制御ポイントの予測動きベクトル（ｖ０，ｖ１）または（ｖ０，ｖ１，ｖ２）を導出する。このとき、インター予測部１２６は、選択された２つの動きベクトルを識別するための予測動きベクトル選択情報をストリームに符号化する。
　例えば、インター予測部１２６は、カレントブロックに隣接する符号化済みブロックからどのブロックの動きベクトルを制御ポイントの予測動きベクトルとして選択するかを、コスト評価等を用いて決定し、どの予測動きベクトルを選択したかを示すフラグをビットストリームに記述してもよい。
　次に、インター予測部１２６は、ステップＳｊ＿１で選択または導出された予測動きベクトルをそれぞれ更新しながら（ステップＳｊ＿２）、動き探索を行う（ステップＳｊ＿３およびＳｊ＿４）。つまり、インター予測部１２６は、更新される予測動きベクトルに対応する各サブブロックの動きベクトルをアフィンＭＶとして、上述の式（１Ａ）または式（１Ｂ）を用いて算出する（ステップＳｊ＿３）。そして、インター予測部１２６は、それらのアフィンＭＶおよび符号化済み参照ピクチャを用いて各サブブロックに対して動き補償を行う（ステップＳｊ＿４）。その結果、インター予測部１２６は、動き探索ループにおいて、例えば最も小さいコストが得られる予測動きベクトルを、制御ポイントの動きベクトルとして決定する（ステップＳｊ＿５）。このとき、インター予測部１２６は、さらに、その決定されたＭＶと予測動きベクトルとのそれぞれの差分値を差分ＭＶとしてストリームに符号化する。
　最後に、インター予測部１２６は、その決定されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｊ＿６）。
　［ＭＶ導出　＞　アフィンインターモード］
　異なる制御ポイント数（例えば、２つと３つ）のアフィンモードをＣＵレベルで切り替えて信号化する場合、符号化済みブロックとカレントブロックで制御ポイントの数が異なる場合がある。図３０Ａおよび図３０Ｂは、符号化済みブロックとカレントブロックで制御ポイントの数が異なる場合の、制御ポイントの予測ベクトル導出方法を説明するための概念図である。
　例えば、図３０Ａに示すように、カレントブロックが左上角、右上角および左下角の３つの制御ポイントを有し、カレントブロックの左に隣接するブロックＡが２つの制御ポイントを有するアフィンモードで符号化されている場合は、ブロックＡを含む符号化済みブロックの左上角および右上角の位置に投影した動きベクトルｖ３およびｖ４が導出される。そして、導出された動きベクトルｖ３およびｖ４から、カレントブロックの左上角の制御ポイントの予測動きベクトルｖ０と、右上角の制御ポイントの予測動きベクトルｖ１が算出される。更に、導出された動きベクトルｖ０およびｖ１から、左下角の制御ポイントの予測動きベクトルｖ２が算出される。
　例えば、図３０Ｂに示すように、カレントブロックが左上角および右上角の２つの制御ポイントを有し、カレントブロックの左に隣接するブロックＡが３つの制御ポイントを有するアフィンモードで符号化されている場合は、ブロックＡを含む符号化済みブロックの左上角、右上角および左下角の位置に投影した動きベクトルｖ３、ｖ４およびｖ５が導出される。そして、導出された動きベクトルｖ３、ｖ４およびｖ５から、カレントブロックの左上角の制御ポイントの予測動きベクトルｖ０と、右上角の制御ポイントの予測動きベクトルｖ１が算出される。
　図２９のステップＳｊ＿１におけるカレントブロックの制御ポイントのそれぞれの予測動きベクトルの導出に、この予測動きベクトル導出方法を用いてもよい。
　［ＭＶ導出　＞　ＤＭＶＲ］
　図３１Ａは、マージモードおよびＤＭＶＲの関係を示す図である。
　インター予測部１２６は、マージモードでカレントブロックの動きベクトルを導出する（ステップＳｌ＿１）。次に、インター予測部１２６は、動きベクトルの探索、すなわち動き探索を行うか否かを判定する（ステップＳｌ＿２）。ここで、インター予測部１２６は、動き探索を行わないと判定すると（ステップＳｌ＿２のＮｏ）、ステップＳｌ＿１で導出された動きベクトルを、カレントブロックに対する最終の動きベクトルとして決定する（ステップＳｌ＿４）。すなわち、この場合には、マージモードでカレントブロックの動きベクトルが決定される。
　一方、ステップＳｌ＿１で動き探索を行うと判定すると（ステップＳｌ＿２のＹｅｓ）、インター予測部１２６は、ステップＳｌ＿１で導出された動きベクトルによって示される参照ピクチャの周辺領域を探索することによって、カレントブロックに対して最終の動きベクトルを導出する（ステップＳｌ＿３）。すなわち、この場合には、ＤＭＶＲでカレントブロックの動きベクトルが決定される。
　図３１Ｂは、ＭＶを決定するためのＤＭＶＲ処理の一例を説明するための概念図である。
　まず、（例えばマージモードにおいて）カレントブロックに設定された最適ＭＶＰを、候補ＭＶとする。そして、候補ＭＶ（Ｌ０）に従って、Ｌ０方向の符号化済みピクチャである第１参照ピクチャ（Ｌ０）から参照画素を特定する。同様に、候補ＭＶ（Ｌ１）に従って、Ｌ１方向の符号化済みピクチャである第２参照ピクチャ（Ｌ１）から参照画素を特定する。これらの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（Ｌ０）および第２参照ピクチャ（Ｌ１）の候補ＭＶの周辺領域をそれぞれ探索し、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、例えば、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候補ＭＶ値等を用いて算出してもよい。
　なお、符号化装置と、後述の復号化装置とでは、ここで説明した処理の構成および動作は基本的に共通である。
　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、どのような処理を用いてもよい。
　［動き補償　＞　ＢＩＯ／ＯＢＭＣ］
　動き補償では、予測画像を生成し、その予測画像を補正するモードがある。そのモードは、例えば、後述のＢＩＯおよびＯＢＭＣである。
　図３２は、予測画像の生成の一例を示すフローチャートである。
　インター予測部１２６は、予測画像を生成し（ステップＳｍ＿１）、上述の何れかのモードによってその予測画像を補正する（ステップＳｍ＿２）。
　図３３は、予測画像の生成の他の例を示すフローチャートである。
　インター予測部１２６は、カレントブロックの動きベクトルを決定する（ステップＳｎ＿１）。次に、インター予測部１２６は、予測画像を生成し（ステップＳｎ＿２）、補正処理を行うか否かを判定する（ステップＳｎ＿３）。ここで、インター予測部１２６は、補正処理を行うと判定すると（ステップＳｎ＿３のＹｅｓ）、その予測画像を補正することによって最終的な予測画像を生成する（ステップＳｎ＿４）。一方、インター予測部１２６は、補正処理を行わないと判定すると（ステップＳｎ＿３のＮｏ）、その予測画像を補正することなく最終的な予測画像として出力する（ステップＳｎ＿５）。
　また、動き補償では、予測画像を生成するときに輝度を補正するモードがある。そのモードは、例えば、後述のＬＩＣである。
　図３４は、予測画像の生成のさらに他の例を示すフローチャートである。
　インター予測部１２６は、カレントブロックの動きベクトルを導出する（ステップＳｏ＿１）。次に、インター予測部１２６は、輝度補正処理を行うか否かを判定する（ステップＳｏ＿２）。ここで、インター予測部１２６は、輝度補正処理を行うと判定すると（ステップＳｏ＿２のＹｅｓ）、輝度補正を行いながら予測画像を生成する（ステップＳｏ＿３）。つまり、ＬＩＣによって予測画像が生成される。一方、インター予測部１２６は、輝度補正処理を行わないと判定すると（ステップＳｏ＿２のＮｏ）、輝度補正を行うことなく通常の動き補償によって予測画像を生成する（ステップＳｏ＿４）。
　［動き補償　＞　ＯＢＭＣ］
　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、（参照ピクチャ内の）動き探索により得られた動き情報に基づく予測信号と、（カレントピクチャ内の）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。
　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てもよい。さらに、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てもよい。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３５及び図３６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、図３６に示すように、処理対象（カレント）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。図３６において、矢印“ＭＶ”は参照ピクチャを指し、予測画像を得るためにカレントピクチャのカレントブロックが何を参照しているかを示している。
　次に、符号化済みの左隣接ブロックに対して既に導出された動きベクトル（ＭＶ＿Ｌ）を符号化対象ブロックに適用（再利用）して予測画像（Ｐｒｅｄ＿Ｌ）を取得する。動きベクトル（ＭＶ＿Ｌ）は、カレントブロックから参照ピクチャを指す矢印”ＭＶ＿Ｌ”によって示される。そして、２つの予測画像ＰｒｅｄとＰｒｅｄ＿Ｌとを重ね合わせることで予測画像の１回目の補正を行う。これは、隣接ブロック間の境界を混ぜ合わせる効果を有する。
　同様に、符号化済みの上隣接ブロックに対して既に導出された動きベクトル（ＭＶ＿Ｕ）を符号化対象ブロックに適用（再利用）して予測画像（Ｐｒｅｄ＿Ｕ）を取得する。動きベクトル（ＭＶ＿Ｕ）は、カレントブロックから参照ピクチャを指す矢印”ＭＶ＿Ｕ”によって示される。そして、予測画像Ｐｒｅｄ＿Ｕを１回目の補正を行った予測画像（例えば、ＰｒｅｄとＰｒｅｄ＿Ｌ）に重ね合わせることで予測画像の２回目の補正を行う。これは、隣接ブロック間の境界を混ぜ合わせる効果を有する。２回目の補正によって得られた予測画像は、隣接ブロックとの境界が混ぜ合わされた（スムージングされた）、カレントブロックの最終的な予測画像である。
　なお、上述の例は、左隣接および上隣接のブロックを用いた２パスの補正方法であるが、その補正方法は、右隣接および／または下隣接のブロックも用いた３パスまたはそれ以上のパスの補正方法であってもよい。
　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、追加的な予測画像Ｐｒｅｄ＿ＬおよびＰｒｅｄ＿Ｕを重ね合わせることで１枚の予測画像Ｐｒｅｄを得るためのＯＢＭＣの予測画像補正処理について説明した。しかし、複数の参照画像に基づいて予測画像が補正される場合には、同様の処理が複数の参照ピクチャのそれぞれに適用されてもよい。このような場合、複数の参照ピクチャに基づくＯＢＭＣの画像補正を行うことによって、各々の参照ピクチャから、補正された予測画像を取得した後に、その取得された複数の補正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を取得する。
　なお、ＯＢＭＣでは、対象ブロックの単位は、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、符号化装置は、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てもよい。符号化装置は、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処理を適用せずにブロックの符号化を行う。一方、復号化装置では、ストリーム（例えば圧縮シーケンス）に記述されたｏｂｍｃ＿ｆｌａｇを復号することで、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を行う。
　インター予測部１２６は、上述の例では、矩形のカレントブロックに対して１つの矩形の予測画像を生成する。しかし、インター予測部１２６は、その矩形のカレントブロックに対して矩形と異なる形状の複数の予測画像を生成し、それらの複数の予測画像を結合することによって、最終的な矩形の予測画像を生成してもよい。矩形と異なる形状は、例えば三角形であってもよい。
　図３７は、２つの三角形の予測画像の生成を説明するための図である。
　インター予測部１２６は、カレントブロック内の三角形の第１パーティションに対して、その第１パーティションの第１ＭＶを用いて動き補償を行うことによって、三角形の予測画像を生成する。同様に、インター予測部１２６は、カレントブロック内の三角形の第２パーティションに対して、その第２パーティションの第２ＭＶを用いて動き補償を行うことによって、三角形の予測画像を生成する。そして、インター予測部１２６は、これらの予測画像を結合することによって、カレントブロックと同じ矩形の予測画像を生成する。
　なお、図３７に示す例では、第１パーティションおよび第２パーティションはそれぞれ三角形であるが、台形であってもよく、それぞれ互いに異なる形状であってもよい。さらに、図３７に示す例では、カレントブロックが２つのパーティションから構成されているが、３つ以上のパーティションから構成されていてもよい。
　また、第１パーティションおよび第２パーティションは重複していてもよい。すなわち、第１パーティションおよび第２パーティションは同じ画素領域を含んでいてもよい。この場合、第１パーティションにおける予測画像と第２パーティションにおける予測画像とを用いてカレントブロックの予測画像を生成してもよい。
　また、この例では２つのパーティションともにインター予測で予測画像が生成される例を示したが、少なくとも１つのパーティションについてイントラ予測によって予測画像を生成してもよい。
　［動き補償　＞　ＢＩＯ］
　次に、動きベクトルを導出する方法について説明する。まず、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３８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３８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（２）が成り立つ。
Figure JPOXMLDOC01-appb-M000003
　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てもよい。
　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。
　［動き補償　＞　ＬＩＣ］
　次に、ＬＩＣ（ｌｏｃａｌ　ｉｌｌｕｍｉｎａｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）処理を用いて予測画像（予測）を生成するモードの一例について説明する。
　図３９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一例を説明するための図である。
　まず、符号化済みの参照ピクチャからＭＶを導出して、カレントブロックに対応する参照画像を取得する。
　次に、カレントブロックに対して、参照ピクチャとカレント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する。この抽出は、カレントピクチャにおける符号化済み左隣接参照領域（周辺参照領域）および符号化済み上隣参照領域（周辺参照領域）の輝度画素値と、導出された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に基づいて行われる。そして、輝度値がどのように変化したかを示す情報を用いて、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適用する輝度補正処理を行うことで、カレントブロックに対する予測画像を生成する。
　なお、図３９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、上述と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してもよい。
　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、カレントブロックが、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を行ってもよい。
　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、カレント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する。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、この例の場合でも、同じ処理が復号装置側の処理に適用される。
　ＬＩＣ処理（輝度補正処理）について図３９を用いて説明したが、以下、その詳細を説明する。
　まず、インター予測部１２６は、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動きベクトルを導出する。
　次に、インター予測部１２６は、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、動きベクトル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。例えば、符号化対象ピクチャ内の周辺参照領域内のある画素の輝度画素値をｐ０とし、当該画素と同等位置の、参照ピクチャ内の周辺参照領域内の画素の輝度画素値をｐ１とする。インター予測部１２６は、周辺参照領域内の複数の画素に対して、Ａ×ｐ１＋Ｂ＝ｐ０を最適化する係数Ａ及びＢを輝度補正パラメータとして算出する。
　次に、インター予測部１２６は、動きベクトルで指定された参照ピクチャ内の参照画像に対して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。例えば、参照画像内の輝度画素値をｐ２とし、輝度補正処理後の予測画像の輝度画素値をｐ３とする。インター予測部１２６は、参照画像内の各画素に対して、Ａ×ｐ２＋Ｂ＝ｐ３を算出することで輝度補正処理後の予測画像を生成する。
　なお、図３９における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、図３９に示す周辺参照領域の一部が用いられてもよい。例えば、上隣接画素および左隣接画素のそれぞれから間引いた所定数の画素を含む領域を周辺参照領域として用いてもよい。また、周辺参照領域は、符号化対象ブロックに隣接する領域に限らず、符号化対象ブロックに隣接しない領域であってもよい。また、図３９に示す例では、参照ピクチャ内の周辺参照領域は、符号化対象ピクチャ内の周辺参照領域から、符号化対象ピクチャの動きベクトルで指定される領域であるが、他の動きベクトルで指定される領域であってもよい。例えば、当該他の動きベクトルは、符号化対象ピクチャ内の周辺参照領域の動きベクトルであってもよい。
　なお、ここでは、符号化装置１００における動作を説明したが、復号装置２００における動作も同様である。
　なお、ＬＩＣ処理は輝度のみではなく、色差に適用してもよい。このとき、Ｙ、Ｃｂ、およびＣｒのそれぞれに対して個別に補正パラメータを導出してもよいし、いずれかに対して共通の補正パラメータを用いてもよい。
　また、ＬＩＣ処理はサブブロック単位で適用してもよい。例えば、カレントサブブロックの周辺参照領域と、カレントサブブロックのＭＶで指定された参照ピクチャ内の参照サブブロックの周辺参照領域を用いて補正パラメータを導出してもよい。
　［予測制御部］
　予測制御部１２８は、イントラ予測信号（イントラ予測部１２４から出力される信号）及びインター予測信号（インター予測部１２６から出力される信号）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。
　図１に示すように、種々の実装例では、予測制御部１２８は、エントロピー符号化部１１０に入力される予測パラメータを出力してもよい。エントロピー符号化部１１０は、予測制御部１２８から入力されるその予測パラメータ、量子化部１０８から入力される量子化係数に基づいて、符号化ビットストリーム（またはシーケンス）を生成してもよい。予測パラメータは復号装置に使用されてもよい。復号装置は、符号化ビットストリームを受信して復号し、イントラ予測部１２４、インター予測部１２６および予測制御部１２８において行われる予測処理と同じ処理を行ってもよい。予測パラメータは、選択予測信号（例えば、動きベクトル、予測タイプ、または、イントラ予測部１２４またはインター予測部１２６で用いられた予測モード）、または、イントラ予測部１２４、インター予測部１２６および予測制御部１２８において行われる予測処理に基づく、あるいはその予測処理を示す、任意のインデックス、フラグ、もしくは値を含んでいてもよい。
　［符号化装置の実装例］
　図４０は、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、プロセッサａ１及びメモリａ２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４０に示されたプロセッサａ１及びメモリａ２によって実装される。
　プロセッサａ１は、情報処理を行う回路であり、メモリａ２にアクセス可能な回路である。例えば、プロセッサａ１は、動画像を符号化する専用又は汎用の電子回路である。プロセッサａ１は、ＣＰＵのようなプロセッサであってもよい。また、プロセッサａ１は、複数の電子回路の集合体であってもよい。また、例えば、プロセッサａ１は、図１等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ａ２は、プロセッサａ１が動画像を符号化するための情報が記憶される専用又は汎用のメモリである。メモリａ２は、電子回路であってもよく、プロセッサａ１に接続されていてもよい。また、メモリａ２は、プロセッサａ１に含まれていてもよい。また、メモリａ２は、複数の電子回路の集合体であってもよい。また、メモリａ２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ａ２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ａ２には、符号化される動画像が記憶されてもよいし、符号化された動画像に対応するビット列が記憶されてもよい。また、メモリａ２には、プロセッサａ１が動画像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、メモリａ２は、図１等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ａ２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。より具体的には、メモリａ２には、再構成済みブロック及び再構成済みピクチャ等が記憶されてもよい。
　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。
　［復号装置］
　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について説明する。図４１は、本実施の形態に係る復号装置２００の機能構成を示すブロック図である。復号装置２００は、動画像をブロック単位で復号する動画像復号装置である。
　図４１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の全体的な処理の流れを説明した後に、復号装置２００に含まれる各構成要素について説明する。
　［復号処理の全体フロー］
　図４２は、復号装置２００による全体的な復号処理の一例を示すフローチャートである。
　まず、復号装置２００のエントロピー復号部２０２は、固定サイズのブロック（１２８×１２８画素）の分割パターンを特定する（ステップＳｐ＿１）。この分割パターンは、符号化装置１００によって選択された分割パターンである。そして、復号装置２００は、その分割パターンを構成する複数のブロックのそれぞれに対してステップＳｐ＿２～Ｓｐ＿６の処理を行う。
　つまり、エントロピー復号部２０２は、復号対象ブロック（カレントブロックともいう）の符号化された量子化係数および予測パラメータを復号（具体的にはエントロピー復号）する（ステップＳｐ＿２）。
　次に、逆量子化部２０４および逆変換部２０６は、複数の量子化係数に対して逆量子化および逆変換を行うことによって、複数の予測残差（すなわち差分ブロック）を復元する（ステップＳｐ＿３）。
　次に、イントラ予測部２１６、インター予測部２１８および予測制御部２２０の全てまたは一部からなる予測処理部は、カレントブロックの予測信号（予測ブロックともいう）を生成する（ステップＳｐ＿４）。
　次に、加算部２０８は、差分ブロックに予測ブロックを加算することによってカレントブロックを再構成画像（復号画像ブロックともいう）に再構成する（ステップＳｐ＿５）。
　そして、この再構成画像が生成されると、ループフィルタ部２１２は、その再構成画像に対してフィルタリングを行う（ステップＳｐ＿６）。
　そして、復号装置２００は、ピクチャ全体の復号が完了したか否かを判定し（ステップＳｐ＿７）、完了していないと判定する場合（ステップＳｐ＿７のＮｏ）、ステップＳｐ＿１からの処理を繰り返し実行する。
　なお、これらのステップＳｐ＿１～Ｓｐ＿７の処理は、復号装置２００によってシーケンシャルに行われてもよく、それらの処理のうちの一部の複数の処理が並列に行われてもよく、順番が入れ替えられてもよい。
　［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。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。エントロピー復号部２０２は、イントラ予測部２１６、インター予測部２１８および予測制御部２２０に、符号化ビットストリーム（図１参照）に含まれている予測パラメータを出力してもよい。イントラ予測部２１６、インター予測部２１８および予測制御部２２０は、符号化装置側におけるイントラ予測部１２４、インター予測部１２６および予測制御部１２８で行われる処理と同じ予測処理を実行することができる。
　［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。
　［予測処理部（イントラ予測部・インター予測部・予測制御部）］
　図４３は、復号装置２００の予測処理部で行われる処理の一例を示す図である。なお、予測処理部は、イントラ予測部２１６、インター予測部２１８、および予測制御部２２０の全てまたは一部の構成要素からなる。
　予測処理部は、カレントブロックの予測画像を生成する（ステップＳｑ＿１）。この予測画像は、予測信号または予測ブロックともいう。なお、予測信号には、例えばイントラ予測信号またはインター予測信号がある。具体的には、予測処理部は、予測ブロックの生成、差分ブロックの生成、係数ブロックの生成、差分ブロックの復元、および復号画像ブロックの生成が行われることによって既に得られている再構成画像を用いて、カレントブロックの予測画像を生成する。
　再構成画像は、例えば、参照ピクチャの画像であってもよいし、カレントブロックを含むピクチャであるカレントピクチャ内の復号済みのブロックの画像であってもよい。カレントピクチャ内の復号済みのブロックは、例えばカレントブロックの隣接ブロックである。
　図４４は、復号装置２００の予測処理部で行われる処理の他の例を示す図である。
　予測処理部は、予測画像を生成するための方式またはモードを判定する（ステップＳｒ＿１）。例えば、この方式またはモードは、例えば予測パラメータなどに基づいて判定されてもよい。
　予測処理部は、予測画像を生成するためのモードとして第１の方式を判定した場合には、その第１の方式にしたがって予測画像を生成する（ステップＳｒ＿２ａ）。また、予測処理部は、予測画像を生成するためのモードとして第２の方式を判定した場合には、その第２の方式にしたがって予測画像を生成する（ステップＳｒ＿２ｂ）。また、予測処理部は、予測画像を生成するためのモードとして第３の方式を判定した場合には、その第３の方式にしたがって予測画像を生成する（ステップＳｒ＿２ｃ）。
　第１の方式、第２の方式、および第３の方式は、予測画像を生成するための互いに異なる方式であって、それぞれ例えば、インター予測方式、イントラ予測方式、および、それら以外の予測方式であってもよい。これらの予測方式では、上述の再構成画像を用いてもよい。
　［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（例えば、エントロピー復号部２０２から出力される予測パラメータ）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。
　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（予測）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。
　［ＭＶ導出　＞　ノーマルインターモード］
　符号化ビットストリームから読み解かれた情報がノーマルインター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情報に基づいて、ＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。
　図４５は、復号装置２００におけるノーマルインターモードによるインター予測の例を示すフローチャートである。
　復号装置２００のインター予測部２１８は、ブロックごとに、そのブロックに対して動き補償を行う。このときには、インター予測部２１８は、まず、時間的または空間的にカレントブロックの周囲にある複数の復号済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｓ＿１）。つまり、インター予測部２１８は、候補ＭＶリストを作成する。
　次に、インター予測部２１８は、ステップＳｓ＿１で取得された複数の候補ＭＶの中から、Ｎ個（Ｎは２以上の整数）の候補ＭＶのそれぞれを予測動きベクトル候補（予測ＭＶ候補ともいう）として、予め決められた優先順位に従って抽出する（ステップＳｓ＿２）。なお、その優先順位は、Ｎ個の予測ＭＶ候補のそれぞれに対して予め定められている。
　次に、インター予測部２１８は、入力されたストリーム（すなわち符号化ビットストリーム）から予測動きベクトル選択情報を復号し、その復号された予測動きベクトル選択情報を用いて、そのＮ個の予測ＭＶ候補の中から１つの予測ＭＶ候補を、カレントブロックの予測動きベクトル（予測ＭＶともいう）として選択する（ステップＳｓ＿３）。
　次に、インター予測部２１８は、入力されたストリームから差分ＭＶを復号し、その復号された差分ＭＶである差分値と、選択された予測動きベクトルとを加算することによって、カレントブロックのＭＶを導出する（ステップＳｓ＿４）。
　最後に、インター予測部２１８は、その導出されたＭＶと復号済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｓ＿５）。
　［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。全体的に、復号装置側の予測制御部２２０、イントラ予測部２１６およびインター予測部２１８の構成、機能、および処理は、符号化装置側の予測制御部１２８、イントラ予測部１２４およびインター予測部１２６の構成、機能、および処理と対応していてもよい。
　［復号装置の実装例］
　図４６は、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、プロセッサｂ１及びメモリｂ２を備える。例えば、図４１に示された復号装置２００の複数の構成要素は、図４６に示されたプロセッサｂ１及びメモリｂ２によって実装される。
　プロセッサｂ１は、情報処理を行う回路であり、メモリｂ２にアクセス可能な回路である。例えば、プロセッサｂ１は、符号化された動画像（すなわち符号化ビットストリーム）を復号する専用又は汎用の電子回路である。プロセッサｂ１は、ＣＰＵのようなプロセッサであってもよい。また、プロセッサｂ１は、複数の電子回路の集合体であってもよい。また、例えば、プロセッサｂ１は、図４１等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ｂ２は、プロセッサｂ１が符号化ビットストリームを復号するための情報が記憶される専用又は汎用のメモリである。メモリｂ２は、電子回路であってもよく、プロセッサｂ１に接続されていてもよい。また、メモリｂ２は、プロセッサｂ１に含まれていてもよい。また、メモリｂ２は、複数の電子回路の集合体であってもよい。また、メモリｂ２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ｂ２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ｂ２には、動画像が記憶されてもよいし、符号化ビットストリームが記憶されてもよい。また、メモリｂ２には、プロセッサｂ１が符号化ビットストリーム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、メモリｂ２は、図４１等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ｂ２は、図４１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。より具体的には、メモリｂ２には、再構成済みブロック及び再構成済みピクチャ等が記憶されてもよい。
　なお、復号装置２００において、図４１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４１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。
　［各用語の定義］
　各用語は一例として、以下のような定義であってもよい。
　ピクチャは、モノクロフォーマットにおける複数の輝度サンプルの配列、又は、４：２：０、４：２：２及び４：４：４のカラーフォーマットにおける複数の輝度サンプルの配列及び複数の色差サンプルの２つの対応配列である。ピクチャは、フレーム又はフィールドであってもよい。
　フレームは、複数のサンプル行０、２、４、・・・が生じるトップフィールド、及び、複数のサンプル行１、３、５、・・・が生じるボトムフィールドの組成物である。
　スライスは、１つの独立スライスセグメント、及び、（もしあれば）同じアクセスユニット内の（もしあれば）次の独立スライスセグメントに先行する全ての後続の従属スライスセグメントに含まれる整数個の符号化ツリーユニットである。
　タイルは、ピクチャにおける特定のタイル列及び特定のタイル行内の複数の符号化ツリーブロックの矩形領域である。タイルは、タイルのエッジを跨ぐループフィルタが依然として適用されてもよいが、独立して復号及び符号化され得ることが意図された、フレームの矩形領域であってもよい。
　ブロックは、複数のサンプルのＭｘＮ（Ｎ行Ｍ列）配列、又は、複数の変換係数のＭｘＮ配列である。ブロックは、１つの輝度及び２つの色差の複数の行列からなる複数の画素の正方形又は矩形の領域であってもよい。
　ＣＴＵ（符号化ツリーユニット）は、３つのサンプル配列を有するピクチャの複数の輝度サンプルの符号化ツリーブロックであってもよいし、複数の色差サンプルの２つの対応符号化ツリーブロックであってもよい。あるいは、ＣＴＵは、モノクロピクチャと、３つの分離されたカラー平面及び複数のサンプルの符号化に用いられるシンタックス構造を用いて符号化されるピクチャとのいずれかの複数のサンプルの符号化ツリーブロックであってもよい。
　スーパーブロックは、１つ又は２つのモード情報ブロックを構成し、又は、再帰的に４つの３２×３２ブロックに分割され、さらに分割され得る６４×６４画素の正方形ブロックであってもよい。
　［二次変換処理の説明］
　図４７は、実施の形態における二次変換処理について説明するための図である。二次変換処理とは、符号化装置１００又は復号装置２００が、予測残差信号に対して一次変換を行った後に、一次変換が行われた予測残差信号に対して、さらに行う変換処理である。二次変換処理では、変換処理として直交変換等が行われる。二次変換処理の実施領域は、一次変換処理の実施領域と異なっていてもよい。例えば、一次変換処理が、処理対象ブロックの全体に対して行われた場合でも、図４７に示されるように、二次変換処理は処理対象ブロックの中の一部に対して実施されてもよい。ここで、処理対象ブロックの中の一部の領域は、例えば、低周波数側のサブブロックであってもよい。
　また、二次変換処理が行われるサブブロックのサイズは、固定のサイズでなくてもよい。例えば、符号化装置１００は、処理対象ブロックのブロックサイズに応じて、二次変換処理が行われるサブブロックのサイズを変更してもよい。
　また、一次変換処理及び二次変換処理は、Ｓｅｐａｒａｂｌｅであってもよいし、Ｎｏｎ－ｓｅｐａｒａｂｌｅであってもよい。
　二次変換処理に用いられる基底の候補は、複数の候補であってもよい。例えば、符号化装置１００は、４×４基底Ａ、４×４基底Ｂ、４×４基底Ｃ、８×８基底Ｄ、８×８基底Ｅ、及び、８×８基底Ｆの合計６つの基底の候補を保持していてもよい。符号化装置１００は、複数の候補のうちから二次変換処理に使用する候補を選択し、選択した候補についての情報をビットストリームに書きこんでもよい。
　複数の基底の候補から二次変換処理に使用する基底の候補を選択する際には、任意のパラメータに基づいて、使用する基底の候補の数を限定してもよい。例えば、複数の基底の候補から二次変換処理に使用する基底の候補を選択する際には、処理対象ブロックの短辺の長さが８以上であれば、８×８の基底を用いることとしてもよい。また、例えば、複数の基底の候補から二次変換処理に使用する基底の候補を選択する際には、処理対象ブロックの短辺の長さが４であれば、４×４の基底を用いることとしてもよい。
　［符号化装置の変換部の内部構成］
　図４８は、実施の形態における符号化装置の変換部における処理手順を示すフローチャートである。
　まず、符号化装置１００は、処理対象ブロックが所定のブロックサイズ以下か否かを判定する（ステップＳ１０００）。ここで、例えば、所定のブロックサイズは、４×４の正方形であるブロックサイズとしてもよい。また、所定のブロックサイズは、４×８または８×４の長方形であるブロックサイズとしてもよい。また、所定のブロックサイズは、二次変換処理に用いられる基底の候補のうち、符号化装置１００が選択可能な候補のブロックサイズの中で、最も小さなブロックサイズであってもよい。
　符号化装置１００が、処理対象ブロックが所定のブロックサイズ以下であると判定した場合（ステップＳ１０００でＹｅｓ）、符号化装置１００は、処理対象ブロックに対して二次変換処理を行わずに、動作を終了する。このとき、符号化装置１００は、二次変換処理に関する信号をビットストリームに書きこまなくてもよい。つまり、符号化装置１００は、二次変換処理に関する信号をビットストリームにおいて符号化しなくてもよい。
　符号化装置１００が、処理対象ブロックが所定のブロックサイズより大きいと判定した場合（ステップＳ１０００でＮｏ）、符号化装置１００は、処理対象ブロックに二次変換処理を適用するか否かを判定する（ステップＳ１００１）。
　符号化装置１００が、処理対象ブロックに二次変換処理を適用すると判定した場合（ステップＳ１００１でＹｅｓ）、符号化装置１００は、二次変換処理における１つ以上の基底の候補の中から、１つの基底の候補を選択する（ステップＳ１００２）。ここで、ステップＳ１００１における判定及びステップＳ１００２における選択は、処理対象ブロックの符号化モード等の情報に応じてなされてもよい。また、ステップＳ１００１における判定及びステップＳ１００２における選択は、ステップＳ１００２における１つ以上の二次変換処理における基底の候補のそれぞれを用いた仮の変換処理等を行うことによりコストを評価してなされてもよい。また、ステップＳ１００１及びステップＳ１００２においてなされた判定及び選択の結果を示す信号は、符号化装置１００によって、ビットストリームに書き込まれてもよい。つまり、ステップＳ１００１及びステップＳ１００２においてなされた判定及び選択の結果を示す信号は、符号化装置１００によって、ビットストリームにおいて符号化されてもよい。
　また、ステップＳ１００２において、二次変換処理における１つ以上の基底の候補は、処理対象ブロックの大きさに応じて変更されてもよい。例えば、処理対象ブロックの短辺の長さが１６より小さいとき、符号化装置１００は、４×４の正方形のサイズの基底を二次変換処理に用いられる基底の候補としてもよい。そして、処理対象ブロックの短辺の長さが１６以上のとき、符号化装置１００は、８×８の正方形のサイズの基底を二次変換に用いられる基底の候補としてもよい。
　次に、符号化装置１００は、符号化装置１００がステップＳ１００２で選択した基底の候補を用いて、二次変換処理を実施する（ステップＳ１００３）。そして、符号化装置１００は動作を終了する。
　符号化装置１００が、処理対象ブロックに二次変換処理を適用しないと判定した場合（ステップＳ１００１でＮｏ）、符号化装置１００は動作を終了する。
　なお、図４８で説明された処理フローは一例であり、図４８で説明された処理の順番が変更されたり、説明された処理の一部が除かれたり、説明されていない処理が追加されてもよい。
　なお、図４８で説明されたステップＳ１０００からステップＳ１００３までの処理は、復号装置２００の逆変換部においても同様に実施される。復号装置２００の逆変換部においては、符号化装置１００の変換部で行われた、信号をビットストリームにおいて符号化するという動作が、信号をビットストリームから復号するという動作に変更される。
　なお、上で説明された復号装置２００の処理フローは一例であり、説明された処理の順番が変更されたり、説明された処理の一部が除かれたり、説明されていない処理が追加されてもよい。
　図４９Ａは、実施の形態におけるブロック１つあたりの一次変換処理必要な処理量の例を示す表である。図４９Ｂは、実施の形態におけるブロック１つあたりの二次変換処理に必要な処理量の例を示す表である。実施の形態の構成によれば、符号化装置１００又は復号装置２００は、変換処理に必要な処理量を削減できる可能性がある。
　図４９Ａ及び図４９Ｂでは、ブロック１つあたりの一次変換処理及び二次変換処理に必要な処理量について、具体例を挙げて説明される。ＣＴＵ（Ｃｏｄｉｎｇ　Ｔｒｅｅ　Ｕｎｉｔ）全体の一次変換処理及び二次変換処理に必要な処理量は、例えば、
（ＣＴＵ全体の一次変換処理及び二次変換処理で必要な処理量）＝｛（一次変換処理で必要な処理量）＋（二次変換処理で必要な処理量）×（ＣＴＵに敷き詰められるブロック数）｝
という式で算出することができる。
　一次変換処理において、処理対象ブロックのブロックサイズを、４×４、８×８、１６×１６、及び、３２×３２の２のべき乗の値が用いられた正方形のブロックサイズとする。上記のブロックサイズのそれぞれについて、一次変換処理及び二次変換処理に必要な処理の回数として仮定された数値を、図４９Ａ及び図４９Ｂに示す。
　ここで、一次変換処理及び二次変換処理に必要な処理量とは、乗算の回数、加算の回数、並びに、乗算の回数及び加算の回数の和と解釈してもよい。
　また、ここで、二次変換処理の行われるサブブロックのサイズ、すなわち、二次変換処理に用いられる基底のサイズは、４×４の正方形、又は、８×８の正方形であると仮定されている。
　図５０は、実施の形態における第１の例を示す表である。図５０では、二次変換処理に用いられる基底の候補が４×４の正方形のサイズの基底のみである第１の例について説明される。
　第１の例におけるＣＴＵの形状を１２８×１２８の正方形であると仮定する。例えば、４×４の正方形のブロックを処理対象ブロックとする場合に、ＣＴＵ全体の一次変換処理及び二次変換処理に必要な処理量は、以下の式で算出される。
（４８＋２５６）×｛（１２８／４）＾２｝＝３１１２９６（回）
　上記と同様の計算から算出された、処理対象ブロックのブロックサイズごとのＣＴＵ全体の一次変換処理及び二次変換処理に必要な処理量が、図５０に示される。図５０に示された第１の例では、符号化装置１００又は復号装置２００は、一次変換処理が行われる全てのサイズの処理対象ブロックに対して、４×４の正方形のサイズの基底が二次変換処理に用いられる。
　図５０に示された第１の例では、処理対象ブロックのブロックサイズが最も大きい３２×３２の正方形のブロックサイズである場合が、最も処理量が多い。対して、ＣＴＵ内のブロック数が最も多い、処理対象ブロックのブロックサイズが４×４の正方形である場合が、二番目に多い処理量となっている。しかしながら、例えば、処理対象ブロックのブロックサイズが８×８以上のときに、符号化装置１００が、８×８の正方形のサイズの基底を二次変換処理に用いる場合を想定すると、図５０に示された処理量よりもさらに大幅に処理量が増加する。つまり、図５０に示された第１の例では、二次変換処理の行われるサブブロックのサイズを小さくすることで、一次変換処理及び二次変換処理に必要な処理量を抑制している。第１の例は、一次変換処理の行われる処理対象ブロックのブロックサイズに対して選択される二次変換処理に用いられる基底の候補の好ましい一例である。
　しかしながら、符号化装置１００の変換部又は復号装置２００の逆変換部が実施するＣＴＵの変換処理は、図５０で示された、一次変換処理及び二次変換処理とは別の処理が発生することが想定される。そのため、一次変換処理及び二次変換処理とは別の処理の処理量によっては、第１の例において、処理対象ブロックのブロックサイズが４×４の場合における必要な処理量が、他の場合と比べて大幅に多くなる可能性がある。ここで、別の処理とは、処理対象ブロック毎に必要となる処理である。例えば、変換処理を行うための前処理又は後処理等である。具体的には、前処理は、使用するメモリ格納方式を決定し、データをメモリにコピーし、コピーされたデータを変換し、変換されたデータをブロック単位でスキャンし、送信するという処理である。よって、４×４の場合が、ＣＴＵ内における一次変換処理が行われるブロックの数及び二次変換処理が行われるサブブロックの数が最も多いため、一次変換処理及び二次変換処理とは別の処理のまで考慮すると、処理量が最も多くなる可能性がある。
　そこで、一次変換処理及び二次変換処理に必要な処理とは別の処理まで考慮した上での、符号化装置１００の行う処理量を抑制するための例を示す。次に示される例では、一次変換処理の行われる処理対象ブロックのブロックサイズ毎に選択される二次変換処理に用いられる基底の候補の例が説明される。
　図５１は、実施の形態における第２の例を示す表である。図５１で示される第２の例では、符号化装置１００又は復号装置２００は、一次変換処理の対象となる処理対象ブロックのブロックサイズが４×４の場合には二次変換処理を行わず、処理対象ブロックのブロックサイズが４×４以外の場合に、４×４の正方形のサイズの基底の候補を用いた二次変換処理を行う。なお、符号化装置１００が二次変換処理を行わない代わりに、符号化装置１００が、変換前と変換後とで係数値が等しくなるような変換特性を持った基底を用いて二次変換処理を行う構成としてもよい。図５１では、図５０で用いられた計算式によって算出された第２の例における、処理対象ブロックのブロックサイズ毎のＣＴＵ全体における一次変換処理及び二次変換処理に必要な処理量が示されている。
　図５１に示されるように、第２の例では、処理対象ブロック毎に発生する、一次変換処理及び二次変換処理とは別の処理の処理量が最も多くなる、処理対象ブロックのブロックサイズが４×４の場合における、一次変換処理及び二次変換処理に必要な処理量が第１の例よりも削減されている。そのため、処理対象ブロック毎に発生する、一次変換処理及び二次変換処理とは別の処理の処理量が多いときでも、ＣＴＵ全体の変換処理において発生しうる最大の処理量を抑制できる可能性がある。よって、符号化装置１００は、変換処理を行うために実装された装置において回路規模の削減を促進することができる。
　なお、図５１において説明された第２の例では、符号化装置１００又は復号装置２００は、一次変換処理の対象となる処理対象ブロックのブロックサイズが４×４の場合には二次変換処理を行わないとしたが、一次変換処理の対象となる処理対象ブロックのブロックサイズが４×４以外の場合に、二次変換を行わない構成としてもよい。例えば、符号化装置１００又は復号装置２００は、一次変換処理の対象となる処理対象ブロックのブロックサイズが８×８の場合に、二次変換処理を行わなくてもよい。また、例えば、符号化装置１００又は復号装置２００は、一次変換処理の対象となる処理対象ブロックのブロックサイズが４×８又は８×４の場合に、二次変換処理を行わなくてもよい。また、例えば、符号化装置１００又は復号装置２００は、一次変換処理の対象となる処理対象ブロックのブロックサイズが８×８、４×８及び８×４以外の場合に、二次変換処理を行わなくてもよい。言い換えれば、処理対象ブロックのサイズが二次変換処理において選択可能な１つ以上のブロックサイズの中で最小のブロックサイズ以下である場合に、符号化装置１００が二次変換処理を行わない構成としてもよい。このとき、処理対象ブロックのサイズが二次変換処理において選択可能な１以上のブロックサイズの中で最小のブロックサイズよりも大きい場合に、二次変換処理を適用可能とする構成としてもよい。
　なお、符号化装置１００が二次変換処理を行わない代わりに、符号化装置１００が、変換前と変換後とで係数値が等しくなるような変換特性を持った基底を用いて二次変換処理を行う構成としてもよい。
　上記の構成とすると、符号化装置１００又は復号装置２００は、一次変換処理が行われる処理対象ブロックのブロックサイズのうち、処理対象ブロック毎に必要となる、一次変換処理及び二次変換処理とは別の処理の処理量が多くなる可能性のあるブロックサイズに対して、二次変換基底の候補がないことを意味するように設定することが可能となる。つまり、符号化装置１００又は復号装置２００は、一次変換処理が行われる処理対象ブロックのブロックサイズのうち、処理対象ブロック毎に必要となる、一次変換処理及び二次変換処理とは別の処理の処理量が多くなる可能性のあるブロックサイズに対して、二次変換処理を行わないと設定することが可能である。
　例えば、符号化装置１００又は復号装置２００は、一次変換処理の対象となる処理対象ブロックのブロックサイズが８×８の場合に、二次変換基底の候補がないことを意味するように設定することが可能となる。また、例えば、符号化装置１００又は復号装置２００は、一次変換処理の対象となる処理対象ブロックのブロックサイズが４×８又は８×４の場合に、二次変換基底の候補がないことを意味するように設定することが可能となる。また、例えば、符号化装置１００又は復号装置２００は、一次変換処理の対象となる処理対象ブロックのブロックサイズが８×８、４×８及び８×４以外の場合に、二次変換基底の候補を候補無しであると設定することが可能となる。また、例えば、符号化装置１００又は復号装置２００が、一次変換処理の対象となる処理対象ブロックのブロックサイズが４×４以外の場合に、二次変換基底の候補を候補無しであると設定することが可能となる。
　これにより、符号化装置１００又は復号装置２００は、ＣＴＵの変換処理において発生し得る最大の処理量を抑制できる可能性を向上させることができる。よって、符号化装置１００又は復号装置２００は、変換処理を行うために実装される装置において、回路規模の削減を促進することができる。
　なお、符号化装置１００が４×４の正方形のサイズの基底を用いて二次変換処理を行う際に、４×４の正方形のサイズの基底の一部０にしてもよい。つまり、４×４の正方形のサイズの基底は、二次変換処理を行った後の処理対象ブロックの一部の変換係数値が強制的に０となる変換特性を持っていてもよい。
　図５２は、実施の形態における第３の例を示す表である。図５２で示される第３の例では、処理対象ブロックのブロックサイズが４×４の場合には二次変換処理を行わない。そして、処理対象ブロックのブロックサイズが８×８の場合には４×４の正方形のサイズの基底を用いて二次変換処理を行う。また、処理対象ブロックのブロックサイズが１６×１６及び３２×３２の場合には８×８の正方形のサイズの基底を用いて二次変換処理を行う。なお、符号化装置１００が二次変換処理を行わない代わりに、符号化装置１００が、変換前と変換後とで係数値が等しくなるような変換特性を持った基底を用いて二次変換処理を行う構成としてもよい。図５２では、図５０で用いられた計算式によって算出された第３の例における、処理対象ブロックのブロックサイズ毎のＣＴＵ全体における一次変換処理及び二次変換処理に必要な処理量が示されている。
　図５２に示されるように、第３の例では、第１の例及び第２の例と比較して、１６×１６及び３２×３２の処理対象ブロックを用いる場合において、一次変換及び二次変換に必要な処理量が増加している。しかし、その増加量及び増加率は大きくない。一方、第３の例では、処理対象ブロック毎に発生する、一次変換処理及び二次変換処理とは別の処理の処理量が最も多い、処理対象ブロックのブロックサイズが４×４の場合における、一次変換及び二次変換に必要な処理量が第１の例よりも削減されている。そのため、処理対象ブロック毎に発生する、一次変換処理及び二次変換処理とは別の処理の処理量が多いときでも、ＣＴＵ全体の変換処理において発生しうる最大の処理量を抑制できる可能性がある。加えて、二次変換で用いられる基底のサイズが、第１の例及び第２の例よりも一部において大きくなったことによって、より効率の高い変換処理が可能となり符号化効率を向上させることができる可能性がある。よって、符号化装置１００は、変換処理を行うために実装された装置において回路規模の削減を促進することができる。
　なお、８×８の正方形のサイズの基底を用いて二次変換処理を行う際に、８×８の正方形のサイズの基底の一部を０にしてもよい。つまり、８×８の正方形のサイズの基底は、二次変換処理を行った後の処理対象ブロックの一部の変換係数値が強制的に０となる変換特性を持っていてもよい。
　なお、図５１で説明された第２の例、及び、図５２で説明された第３の例において説明された処理は、処理対象ブロック毎に必要となる、一次変換処理及び二次変換処理とは別の処理の処理量が多い場合に適用されるとは限らない。図５１で説明された第２の例、及び、図１６で説明された第３の例において説明された処理は、処理対象ブロック毎に必要となる、一次変換処理及び二次変換処理とは別の処理の処理量が少ない場合に適用されてもよい。この場合、図５１で説明された第２の例、及び、図５２で説明された第３の例において説明された処理は、処理対象ブロック毎に必要となる、一次変換処理及び二次変換処理とは別の処理の処理量が多い場合に適用されるときと比べて、ＣＴＵの変換処理において発生し得る最大の処理量は少なくなる。そのため、符号化装置１００又は復号装置２００は、変換処理を行うために実装された装置において回路規模の削減を促進することができる。
　図５３は、実施の形態における第４の例を示す表である。図５０で示された第１の例では、一次変換処理が施される処理対象ブロックのうち、全てのサイズの処理対象ブロックに対して、二次変換に用いられる４×４の正方形のサイズの基底を共通して用いることで、一次変換処理及び二次変換処理に必要な処理量の最大値を抑制することを可能としている。しかしながら、上記の方法では、一次変換処理の際の処理対象ブロックのサイズによって、係数値の傾向が異なることに対応しにくい。例えば、４×４の正方形のサイズの処理対象ブロックにおける一次変換処理後の係数値と、１６×１６の正方形のサイズの処理対象ブロックにおける周波数の低域側にあたる４×４の正方形の領域における一次変換処理後の係数値とでは、係数値の傾向が大きく異なる可能性が高い。この場合、異なるサイズの処理対象ブロックに対して、共通の二次変換処理に用いられる基底の候補を用いたのでは、最適な基底の候補を、二次変換処理に用いることができない可能性が高くなる。
　そこで、第４の例は、図５３に示されるように、二次変換処理に用いられる基底が同じサイズであっても、符号化装置１００は、一次変換処理における処理対象ブロックのサイズ毎に二次変換基底に用いられる基底の異なる候補群を、二次変換処理が行われるサブブロックに割り当てる。符号化装置１００は、二次変換処理が行われるサブブロックに割り当てられた候補群の中から、二次変換処理において実際に適用する基底を選択する。ここで、候補群は、二次変換処理に用いられる基底の複数の候補を有していてもよいし、二次変換処理に用いられる基底の１つの候補を有していてもよい。候補群に含まれる候補は、イントラ予測の方向によって異なる複数の候補でもよい。
　これにより、一次変換処理における処理対象ブロックにブロックサイズに応じて割り当てられる二次変換処理に用いる基底の候補群として、処理対象ブロック内で二次変換処理が行われる領域における一次変換処理後の係数値の発生傾向に応じて最適となる変換基底が定義される。よって、符号化装置１００は、第１の例よりも、より適切な二次変換処理に用いられる基底の候補を選択することが可能となる。
　なお、図５３で説明された第４の例では、二次変換処理に用いられる基底の形状を４×４の正方形としているが、４×４の正方形以外の形状であってもよい。また、第４の例では、処理対象ブロックのサイズに応じて、二次変換処理に用いる異なるサイズの基底が用いられてもよい。また、符号化装置１００は、一部の処理対象ブロックのサイズにおいて、二次変換処理を行わないこととしてもよい。
　また、なお、図５３で説明された第４の例では、符号化装置１００は、一次変換処理が行われる処理対象ブロックのサイズ毎に、二次変換処理に用いられる基底の異なる候補群を用いるとしているが、符号化装置１００は、一次変換処理が行われる処理対象ブロックの異なるサイズ同士で、二次変換処理に用いられる基底の共通の候補群を用いてもよい。
　図５０から図５３で説明された例では、一次変換処理が行われる処理対象ブロックのブロックサイズのそれぞれに対して、二次変換処理が行われる場合に用いられる基底の候補を一つとする構成を示している。しかし、図５０から図５３で説明された例において、一次変換処理が行われる処理対象ブロックのブロックサイズのそれぞれに対して、二次変換処理が行われる場合に用いられる基底の候補は、複数であってもよい。また、図５０から図５３で説明された例において、一次変換処理が行われる処理対象ブロックのブロックサイズのうち、二次変換処理が行われる場合に用いられる基底の候補を複数有するブロックサイズがあってもよい。
　例えば、一次変換処理が行われる処理対象ブロックのブロックサイズが３２×３２の場合に、二次変換処理に用いられる基底として、４×４のサイズの基底と８×８のサイズの基底とから、符号化装置１００または復号装置２００が基底を選択できるような構成とされてもよい。また、一次変換処理が行われる処理対象ブロックのブロックサイズが１６×１６の場合に、二次変換処理に用いられる基底として、４×４のサイズの基底と８×８のサイズの基底とから、符号化装置１００または復号装置２００が基底を選択できるような構成とされてもよい。さらに、複数のブロックサイズである、一次変換処理が行われる複数の処理対象ブロックに対して二次変換処理が行われる場合に、二次変換処理に用いられる基底の候補が複数であってもよい。
　なお、図５３で説明された第４の例では、符号化装置１００は、一次変換処理が行われる処理対象ブロックのサイズ毎に、異なる基底の候補群から二次変換処理に用いられる基底を選択するとしているが、この例に限定されない。例えば、候補群は、候補群の中の候補が、共通の基底を持つ候補であったとしても、基底の一部の係数が０に置き換えられることで、二次変換処理を実施するか否かという違いがある異なる候補を持つ候補群であるとする構成としてもよい。つまり、所定の候補群では、候補は、二次変換処理が行われた後の処理対象ブロックの一部の変換係数値が強制的に０となる変換特性を持っていてもよい。言い換えれば、異なる基底の候補群とは単に異なる基底を含む候補から成る候補群だけでなく、同じ係数からなる基底であっても当該基底を用いた二次変換処理後のブロックの係数が異なる候補を含む候補群である場合は、異なる基底の候補群とみなしてもよい。
　なお、符号化装置１００または復号装置２００は、一次変換処理が行われる処理対象ブロックのブロックサイズに応じて、それぞれ異なる二次変換処理を行ってもよい。
　なお、図５０から図５３で示された符号化装置の処理の内容は、復号装置でも同様に実施される。
　［変形例］
　符号化装置１００又は復号装置２００は、色差信号と輝度信号とで処理対象ブロックのブロック分割構造が異なっている場合に、輝度信号のみ、又は色差信号のみに、本開示の実施の形態における符号方法又は復号方法等を適用してもよい。
　また、符号化装置１００又は復号装置２００は、処理対象ブロックにおいて、スライス単位、又は、タイル単位で、本開示の実施の形態における符号化方法又は復号方法等を適用するか否かを決定してもよい。
　また、符号化装置１００又は復号装置２００は、処理対象ブロックにおいて、スライス種（Ｉ－ｓｌｉｃｅ、Ｐ－ｓｌｉｃｅ、Ｂ－ｓｌｉｃｅ）に応じて、本開示の実施の形態における符号化方法及び復号方法等を適用するか否かを決定してもよい。
　また、符号化装置１００又は復号装置２００は、処理対象ブロックに本開示の実施の形態における符号化方法又は復号方法等を適用したことを示すフラグを、シーケンス層、ピクチャ層、スライス層等のシンタックスに書き込んでもよい。
　また、符号化装置１００又は復号装置２００は、処理対象ブロックに本開示の実施の形態における符号方法又は復号方法等を適用する際に、本開示の実施の形態における二次変換処理に用いる基底の候補の決定方法と異なる決定方法を用いてもよい。また、符号化装置１００又は復号装置２００は、本開示の実施の形態における二次変換処理に用いる基底の候補の決定方法と異なる決定方法を本開示の実施の形態における二次変換処理に用いる基底の候補の決定方法と組み合わせて用いてもよい。例えば、符号化装置１００又は復号装置２００は、イントラ予測モードを用いた二次変換処理に用いる基底の候補の決定方法と本開示の実施の形態における二次変換処理に用いる基底の候補の決定方法とを組み合わせて用いてもよい。
　なお、本開示の実施の形態における符号方法又は復号方法等では、処理対象ブロックは正方形としたが、処理対象ブロックは正方形でなくてもよい。本開示の実施の形態における符号化方法又は復号方法等では、例えば、処理対象ブロックは長方形であってもよい。
　なお、本開示の実施の形態における符号化方法又は復号方法等では、二次変換処理に用いられる基底の形状は正方形としたが、二次変換処理に用いられる基底の形状は正方形でなくてもよい。本開示の実施の形態における符号化方法又は復号方法等では、例えば、二次変換処理に用いられる基底の形状は、長方形であってもよい。
　［代表例］
　図５４は、実施の形態における符号化装置の動作例を示すフローチャートである。例えば、図４０に示された符号化装置１００は、一次変換が行われた予測残差信号に対して二次変換処理を適用する変換処理を行う際に、図５４に示された動作を行う。具体的には、プロセッサａ１は、メモリａ２を用いて、以下の動作を行う。
　まず、符号化装置１００は、変換基底の１つ以上の候補で構成され、処理対象ブロックのブロックサイズに応じて異なる候補群の中から１つの変換基底を選択する（ステップＳ２００１）。
　次に、符号化装置１００は、予測残差信号に対して一次変換を適用した変換係数に対して、さらに共通のブロックサイズの二次変換を適用する（ステップＳ２００２）。
　また、符号化装置１００において、二次変換の変換基底は、４×４の正方形であってもよい。
　また、符号化装置１００において、二次変換の変換基底は、８×８の正方形であってもよい。
　また、符号化装置１００において、複数のブロックサイズのうち、一部のサイズの処理対象ブロックに対して、二次変換において、共通の変換基底の候補を割り当ててもよい。
　また、符号化装置１００は、処理対象ブロックのブロックサイズが所定のブロックサイズ以下の場合に、変換係数に対して二次変換を適用しないと判定し、処理対象ブロックのブロックサイズが所定のブロックサイズより大きい場合に、変換係数に対して二次変換を適用すると判定してもよい。
　また、符号化装置１００が処理対象ブロックに二次変換を適用しないと判断する際の、処理対象ブロックの所定のブロックサイズは、４×４の正方形であってもよい。
　また、符号化装置１００が処理対象ブロックに二次変換を適用しないと判断する際の、処理対象ブロックの所定のブロックサイズは、４×８もしくは８×４の長方形であってもよい。
　また、符号化装置１００が処理対象ブロックに二次変換を適用しないと判断する際の、処理対象ブロックの所定のブロックサイズは、前記二次変換において選択可能な処理対象ブロックのブロックサイズの中で、最小の前記二次変換において選択可能な処理対象ブロックのブロックサイズと等しくてもよい。
　図５５は、実施の形態における復号装置の動作例を示すフローチャートである。例えば、図４６に示された復号装置２００は、二次変換を適用した変換係数に対して、さらに、一次変換を適用する逆変換処理を行う際に、図５５に示された動作を行う。具体的には、プロセッサｂ１は、メモリｂ２を用いて、以下の動作を行う。
　まず、復号装置２００は、変換基底の１つ以上の候補で構成され、処理対象ブロックのブロックサイズに応じて異なる候補群の中から１つの変換基底を選択する（ステップＳ３００１）。
　次に、復号装置２００は、変換係数信号に対して共通のブロックサイズの二次変換を適用した変換係数に対して、一次変換を適用する逆変換処理を行う（ステップＳ３００２）。
　また、復号装置２００において、二次変換の変換基底は、４×４の正方形であってもよい。
　また、復号装置２００において、二次変換の変換基底は、８×８の正方形であってもよい。
　また、復号装置２００において、複数のブロックサイズのうち、一部のサイズの処理対象ブロックに対して、二次変換において、共通の変換基底の候補を割り当ててもよい。
　また、復号装置２００は、処理対象ブロックのブロックサイズが所定のブロックサイズ以下の場合に、変換係数に対して二次変換を適用しないと判定し、処理対象ブロックのブロックサイズが所定のブロックサイズより大きい場合に、変換係数に対して二次変換を適用すると判定してもよい。
　また、復号装置２００が処理対象ブロックに二次変換を適用しないと判断する際の、処理対象ブロックの所定のブロックサイズは、４×４の正方形であってもよい。
　また、復号装置２００が処理対象ブロックに二次変換を適用しないと判断する際の、処理対象ブロックの所定のブロックサイズは、４×８もしくは８×４の長方形であってもよい。
　また、復号装置２００が処理対象ブロックに二次変換を適用しないと判断する際の、処理対象ブロックの所定のブロックサイズは、前記二次変換において選択可能な処理対象ブロックのブロックサイズの中で、最小の前記二次変換において選択可能な処理対象ブロックのブロックサイズと等しくてもよい。
　［補足］
　本実施の形態における符号化装置１００及び復号装置２００は、それぞれ、画像符号化装置及び画像復号装置として利用されてもよいし、動画像符号化装置及び動画像復号装置として利用されてもよい。
　なお、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。
　具体的には、符号化装置１００及び復号装置２００のそれぞれは、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）とを備えていてもよい。例えば、処理回路はプロセッサａ１又はｂ１に対応し、記憶装置はメモリａ２又はｂ２に対応する。
　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み、記憶装置を用いて処理を実行する。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。
　ここで、本実施の形態の符号化装置１００又は復号装置２００などを実現するソフトウェアは、次のようなプログラムである。
　すなわち、このプログラムは、コンピュータに、複数のブロックサイズの複数のブロックのうちの処理対象ブロックにおいて、予測残差信号に対して一次変換を適用した変換係数に対して、さらに、前記複数のブロックに共通のブロックサイズの二次変換を適用する変換処理を行い、前記共通のブロックサイズの二次変換では、変換基底の１つ以上の候補で構成され、前記処理対象ブロックのブロックサイズに応じて異なる候補群の中から１つの前記変換基底を選択する符号化方法を実行させてもよい。
　あるいは、このプログラムは、コンピュータに、複数のブロックサイズの複数のブロックのうちの処理対象ブロックにおいて、変換係数信号に対して前記複数のブロックに共通のブロックサイズの二次変換を適用した変換係数に対して、さらに、一次変換を適用する逆変換処理を行い、前記共通のブロックサイズの二次変換では、変換基底の１つ以上の候補で構成され、前記処理対象ブロックのブロックサイズに応じて異なる候補群の中から１つの前記変換基底を選択する復号方法を実行させてもよい。
　また、各構成要素は、上述の通り、回路であってもよい。これらの回路は、全体として１つの回路を構成してもよいし、それぞれ別々の回路であってもよい。また、各構成要素は、汎用的なプロセッサで実現されてもよいし、専用のプロセッサで実現されてもよい。
　また、特定の構成要素が実行する処理を別の構成要素が実行してもよい。また、処理を実行する順番が変更されてもよいし、複数の処理が並行して実行されてもよい。また、符号化復号装置が、符号化装置１００及び復号装置２００を備えていてもよい。
　また、説明に用いられた第１及び第２等の序数は、適宜、付け替えられてもよい。また、構成要素などに対して、序数が新たに与えられてもよいし、取り除かれてもよい。
　以上、符号化装置１００及び復号装置２００の態様について、実施の形態に基づいて説明したが、符号化装置１００及び復号装置２００の態様は、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、符号化装置１００及び復号装置２００の態様の範囲内に含まれてもよい。
　本態様を本開示における他の態様の少なくとも一部と組み合わせて実施してもよい。また、本態様のフローチャートに記載の一部の処理、装置の一部の構成、シンタックスの一部などを他の態様と組み合わせて実施してもよい。
　（実施の形態２）
　［実施及び応用］
　以上の各実施の形態において、機能的又は作用的なブロックの各々は、通常、ＭＰＵ（ｍｉｃｒｏ　ｐｒｏｃｃｅｓｓｉｎｇ　ｕｎｉｔ）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、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プロセッサなどのプログラム実行部として実現されてもよい。当該ソフトウェアは、配布されてもよい。当該ソフトウェアは、半導体メモリなどの様々な記録媒体に記録されてもよい。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可能である。
　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、及び、その応用例を実施する種々のシステムを説明する。このようなシステムは、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、又は、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してもよい。このようなシステムの他の構成について、場合に応じて適切に変更することができる。
　［使用例］
　図５６は、コンテンツ配信サービスを実現する適切な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、図示された例における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、上記のいずれかの装置を組合せて接続するようにしてもよい。種々の実施において、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。さらに、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てもよい。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てもよい。
　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、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ｅｘ１１４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ってもよく、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てもよく、得られたデータをストリーミングサーバｅｘ１０３に送信してもよい。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してもよい。
　［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、いくつかのタイプ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（又は内容の重要性）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。
　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、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。
　さらに、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（例えばＶＰ９）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］
　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が増えてきている。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。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次元データから選択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、映像と共に、音も複数の相異なるアングルから収音され、サーバは、特定のアングル又は空間からの音を対応する映像と多重化して、多重化された映像と音とを送信してもよい。
　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てもよい。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。
　屋内外の近距離、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、シームレスにコンテンツを受信することが可能かもしれない。ユーザは、ユーザの端末、屋内外に配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てもよい。また、自身の位置情報などを用いて、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、ユーザが目的地へ移動している間に、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情報をマップ及び表示することが可能になる。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５７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を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。例えばユーザが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、例えば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のエンハンスメントレイヤで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んでいてもよい。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。超解像は、解像度を維持及び／又は拡大しつつ、ＳＮ比を向上してもよい。メタ情報は、超解像処理に用いるような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る構成が提供されてもよい。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。さらに、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５８に示すように、メタ情報は、ＨＥＶＣにおけるＳＥＩ（ｓｕｐｐｌｅｍｅｎｔａｌ　ｅｎｈａｎｃｅｍｅｎｔ　ｉｎｆｏｒｍａｔｉｏｎ）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てもよい。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。
　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。復号側は、特定人物が映像内に出現する時刻などを取得でき、ピクチャ単位の情報と時間情報を合わせることで、オブジェクトが存在するピクチャを特定でき、ピクチャ内でのオブジェクトの位置を決定できる。
　［Ｗｅｂページの最適化］
　図５９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６０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５９及び図６０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、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ピクチャを表示してもよいし、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てもよいし、ベースレイヤのみを受信し、映像を復号及び表示してもよい。
　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つつ復号を行う。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。さらに、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。またさらに、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ような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の実行を実現できる。また、受信端末は、ユーザの選択、ユーザの状況及び／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。
　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。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、以下のような構成を用いて実現できる。
　撮影時にリアルタイム又は蓄積して撮影後に、サーバは、原画データ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、認識結果に基づ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、編集結果に基づ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、画像処理結果に基づ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。
　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。さらに、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てもよい。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ってもよい。人物であれば、動画像において人物をトラッキングして、人物の顔の部分の映像を置き換えることができる。
　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。
　［その他の実施応用例］
　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。ＬＳＩ（ｌａｒｇｅ　ｓｃａｌｅ　ｉｎｔｅｇｒａｔｉｏｎ　ｃｉｒｃｕｉｔｒｙ）ｅｘ５００（図５６参照）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６１は、図５６に示されたスマートフォンｅｘ１１５のさらに詳細を示す図である。また、図６２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。
　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とが同期バス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、スマートフォンｅｘ１１５を動作可能な状態に起動し、バッテリパックから各部に対して電力を供給する。
　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、変調／復調部ｅｘ４５２でスペクトラム拡散処理を施し、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、その結果の信号を、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等の操作に基づいてテキスト、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に送出される。同様の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。音声信号処理部ｅｘ４５４は、映像又は静止画をカメラ部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、又はウェブページにリンクされた映像を受信した場合等において、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。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。リアルタイムストリーミングがますます普及しだしているため、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こともあり得る。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く、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通りの他の実装形式が考えられる。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。ただし、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。また、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、種々の端末は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、２１２　ループフィルタ部
　　１２２、２１４　フレームメモリ
　　１２４、２１６　イントラ予測部
　　１２６、２１８　インター予測部
　　１２８、２２０　予測制御部
　　２００　復号装置
　　２０２　エントロピー復号部
　　１２０１　境界判定部
　　１２０２、１２０４、１２０６　スイッチ
　　１２０３　フィルタ判定部
　　１２０５　フィルタ処理部
　　１２０７　フィルタ特性決定部
　　１２０８　処理判定部
　　ａ１、ｂ１　プロセッサ
　　ａ２、ｂ２　メモリ

Claims (18)

  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、 
    　複数のブロックサイズの複数のブロックのうちの処理対象ブロックにおいて、予測残差信号に対して一次変換を適用した変換係数に対して、さらに、前記複数のブロックに共通のブロックサイズの二次変換を適用する変換処理を行い、
    　前記共通のブロックサイズの二次変換では、変換基底の１つ以上の候補で構成され、前記処理対象ブロックのブロックサイズに応じて異なる候補群の中から１つの前記変換基底を選択する、
    　符号化装置。 
  2. 　前記共通のブロックサイズの二次変換の変換基底は、４×４の正方形である、
    　請求項１に記載の符号化装置。
  3. 　前記共通のブロックサイズの二次変換の変換基底は、８×８の正方形である、
    　請求項１に記載の符号化装置。
  4. 　前記複数のブロックサイズのうち、一部のサイズの前記処理対象ブロックに対して、前記二次変換において、前記変換基底の共通の候補を前記候補群に割り当てる、
    　請求項１～３のいずれか１項に記載の符号化装置。
  5. 　前記処理対象ブロックのブロックサイズが所定のブロックサイズ以下の場合に、前記変換係数に対して前記二次変換を適用しないと判定し、
    　前記処理対象ブロックのブロックサイズが所定のブロックサイズより大きい場合に、前記変換係数に対して前記二次変換を適用すると判定する、
    　請求項１～４のいずれか１項に記載の符号化装置。
  6. 　前記所定のブロックサイズは、４×４の正方形である、
    　請求項５に記載の符号化装置。
  7. 　前記所定のブロックサイズは、４×８もしくは８×４の長方形である、
    　請求項５に記載の符号化装置。
  8. 　前記所定のブロックサイズは、前記二次変換において選択可能な１つ以上のブロックサイズの中で、最小のブロックサイズと等しい、
    　請求項５に記載の符号化装置。
  9. 　回路と、 
    　メモリと、を備え、 
    　前記回路は、前記メモリを用いて、 
    　複数のブロックサイズの複数のブロックのうちの処理対象ブロックにおいて、変換係数信号に対して前記複数のブロックに共通のブロックサイズの二次変換を適用した変換係数に対して、さらに、一次変換を適用する逆変換処理を行い、
    　前記共通のブロックサイズの二次変換では、変換基底の１つ以上の候補で構成され、前記処理対象ブロックのブロックサイズに応じて異なる候補群の中から１つの前記変換基底を選択する、
    　復号装置。 
  10. 　前記共通のブロックサイズの二次変換の変換基底は、４×４の正方形である、
    　請求項９に記載の復号装置。
  11. 　前記共通のブロックサイズの二次変換の変換基底は、８×８の正方形である、
    　請求項９に記載の復号装置。
  12. 　前記複数のブロックサイズのうち、一部のサイズの前記処理対象ブロックに対して、前記二次変換において、前記変換基底の共通の候補を前記候補群に割り当てる、
    　請求項９～１１のいずれか１項に記載の復号装置。
  13. 　前記処理対象ブロックのブロックサイズが所定のブロックサイズ以下の場合に、前記変換係数に対して前記二次変換を適用しないと判定し、
    　前記処理対象ブロックのブロックサイズが所定のブロックサイズより大きい場合に、前記変換係数に対して前記二次変換を適用すると判定する、
    　請求項９～１２のいずれか１項に記載の復号装置。
  14. 　前記所定のブロックサイズは、４×４の正方形である、
    　請求項１３に記載の復号装置。
  15. 　前記所定のブロックサイズは、４×８もしくは８×４の長方形である、
    　請求項１３に記載の復号装置。
  16. 　前記所定のブロックサイズは、前記二次変換において選択可能な１つ以上のブロックサイズの中で、最小のブロックサイズと等しい、
    　請求項１３に記載の復号装置。
  17. 　複数のブロックサイズの複数のブロックのうちの処理対象ブロックにおいて、予測残差信号に対して一次変換を適用した変換係数に対して、さらに、前記複数のブロックに共通のブロックサイズの二次変換を適用する変換処理を行い、
    　前記共通のブロックサイズの二次変換では、変換基底の１つ以上の候補で構成され、前記処理対象ブロックのブロックサイズに応じて異なる候補群の中から１つの前記変換基底を選択する、
    　符号化方法。
  18. 　複数のブロックサイズの複数のブロックのうちの処理対象ブロックにおいて、変換係数信号に対して前記複数のブロックに共通のブロックサイズの二次変換を適用した変換係数に対して、さらに、一次変換を適用する逆変換処理を行い、
    　前記共通のブロックサイズの二次変換では、変換基底の１つ以上の候補で構成され、前記処理対象ブロックのブロックサイズに応じて異なる候補群の中から１つの前記変換基底を選択する、
    　復号方法。
PCT/JP2019/022788 2018-06-11 2019-06-07 符号化装置、復号装置、符号化方法および復号方法 WO2019240050A1 (ja)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN201980038945.3A CN112292857A (zh) 2018-06-11 2019-06-07 编码装置、解码装置、编码方法和解码方法
KR1020207035302A KR20210019007A (ko) 2018-06-11 2019-06-07 부호화 장치, 복호 장치, 부호화 방법 및 복호 방법
JP2020525535A JPWO2019240050A1 (ja) 2018-06-11 2019-06-07 符号化装置、復号装置、符号化方法および復号方法
BR112020021187-7A BR112020021187A2 (pt) 2018-06-11 2019-06-07 codificador, decodificador, método de codificação, e método de decodificação
MX2020011422A MX2020011422A (es) 2018-06-11 2019-06-07 Codificador, decodificador, metodo de codificacion y metodo de decodificacion.
US17/071,470 US12143583B2 (en) 2020-10-15 Encoder, decoder, encoding method, and decoding method

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201862683286P 2018-06-11 2018-06-11
US62/683,286 2018-06-11
US201862697605P 2018-07-13 2018-07-13
US62/697,605 2018-07-13

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/071,470 Continuation US12143583B2 (en) 2020-10-15 Encoder, decoder, encoding method, and decoding method

Publications (1)

Publication Number Publication Date
WO2019240050A1 true WO2019240050A1 (ja) 2019-12-19

Family

ID=68841861

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/022788 WO2019240050A1 (ja) 2018-06-11 2019-06-07 符号化装置、復号装置、符号化方法および復号方法

Country Status (6)

Country Link
JP (2) JPWO2019240050A1 (ja)
KR (1) KR20210019007A (ja)
CN (1) CN112292857A (ja)
BR (1) BR112020021187A2 (ja)
MX (2) MX2020011422A (ja)
WO (1) WO2019240050A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210127112A1 (en) * 2017-07-04 2021-04-29 Samsung Electronics Co., Ltd. Image encoding method and apparatus, and image decoding method and apparatus

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022205313A1 (zh) * 2021-04-01 2022-10-06 深圳市大疆创新科技有限公司 编码系数的处理方法与装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017195555A1 (ja) * 2016-05-13 2017-11-16 シャープ株式会社 画像復号装置および画像符号化装置
US20180103252A1 (en) * 2016-10-12 2018-04-12 Qualcomm Incorporated Primary transform and secondary transform in video coding

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130003856A1 (en) * 2011-07-01 2013-01-03 Samsung Electronics Co. Ltd. Mode-dependent transforms for residual coding with low latency
MX340434B (es) * 2012-09-10 2016-07-08 Panasonic Ip Corp America Metodo de codificacion de imagenes, metodo de decodificacion de imagenes, aparato de codificacion de imagenes, aparato de decodificacion de imagenes y aparato de codificacion y decodificacion de imagenes.
EP4216554A1 (en) * 2018-06-03 2023-07-26 LG Electronics Inc. Method and device for processing video signal by using reduced transform
ES2954232T3 (es) * 2018-12-19 2023-11-21 Lg Electronics Inc Método de codificación de video basado en transformada secundaria y dispositivo para el mismo

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017195555A1 (ja) * 2016-05-13 2017-11-16 シャープ株式会社 画像復号装置および画像符号化装置
US20180103252A1 (en) * 2016-10-12 2018-04-12 Qualcomm Incorporated Primary transform and secondary transform in video coding

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHEN, JIANLE ET AL.: "Algorithm Description of Joint Exploration Test Model 7 (JEM 7)", JOINT VIDEO EXPLORATION TEAM (JVET) OF ITU-T SG 16 WP 3 AND ISO/IEC JTC 1/SC 29/WG 11, 13 July 2017 (2017-07-13), Torino, IT, pages 1 - 51, XP055576095 *
SIEKMANN, MISCHA ET AL.: "Set of Transforms (SoT)", JOINT VIDEO EXPLORATION TEAM (JVET) OF ITU-T SG 16 WP 3 AND ISO/IEC JTC 1/SC 29/WG 11 10TH MEETING, 3 April 2018 (2018-04-03), San Diego, US, pages 1 - 8, XP030151213 *
TOMA, TADAMASA ET AL.: "Description of SDR video coding technology proposal by Panasonic", JOINT VIDEO EXPLORATION TEAM (JVET) OF ITU-T SG 16 WP 3 AND ISO/IEC JTC 1/SC 29/WG 11 10TH MEETING, 2 April 2018 (2018-04-02), San Diego, US, pages 1 - 75, XP030151181 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210127112A1 (en) * 2017-07-04 2021-04-29 Samsung Electronics Co., Ltd. Image encoding method and apparatus, and image decoding method and apparatus

Also Published As

Publication number Publication date
JPWO2019240050A1 (ja) 2021-04-08
MX2020011422A (es) 2020-11-24
CN112292857A (zh) 2021-01-29
BR112020021187A2 (pt) 2021-03-02
MX2024004163A (es) 2024-04-23
US20210037243A1 (en) 2021-02-04
KR20210019007A (ko) 2021-02-19
JP2023096081A (ja) 2023-07-06

Similar Documents

Publication Publication Date Title
WO2020017367A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2020166643A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
JP7214846B2 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2020141591A1 (ja) 符号化装置、復号装置、符号化方法、及び復号方法
WO2020059611A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019235491A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP7189234B2 (ja) 符号化装置及び復号装置
JP2023017026A (ja) 非一時的記憶媒体
JP2023060057A (ja) 符号化装置及び符号化方法
JP2023174956A (ja) 復号装置及び符号化装置
JP2023096081A (ja) 符号化装置、復号装置、符号化方法および復号方法
JP2023053378A (ja) 符号化方法および復号方法
WO2020162536A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2020162534A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2020050279A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
WO2020116242A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2020031902A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
WO2020054591A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
JP2023001298A (ja) 復号装置及び復号方法
WO2020050281A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2020054781A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
KR20220009376A (ko) 복호 장치
WO2020171224A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2020031923A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
KR20220024007A (ko) 부호화 장치, 복호 장치, 부호화 방법, 및 복호 방법

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: 19818915

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020525535

Country of ref document: JP

Kind code of ref document: A

REG Reference to national code

Ref country code: BR

Ref legal event code: B01A

Ref document number: 112020021187

Country of ref document: BR

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 112020021187

Country of ref document: BR

Kind code of ref document: A2

Effective date: 20201016

122 Ep: pct application non-entry in european phase

Ref document number: 19818915

Country of ref document: EP

Kind code of ref document: A1