HEVC在熵编码环节的设计目标非常明确：在H.264高效的CABAC基础上，进一步提升压缩效率、降低上下文冗余，并从根本上解决并行处理的瓶颈。

1. 熵编码是什么？

熵编码是一种无损压缩技术。它的核心任务是将编码器产生的所有语法元素（Syntax Elements），如预测模式、运动矢量差、量化后的变换系数等，用尽可能少的比特来表示。

其基本原理是信息熵理论：为出现概率高的符号（Symbol）分配更短的码字，为出现概率低的符号分配更长的码字。

2. HEVC熵编码的核心：唯一的CABAC

HEVC做出了一个关键决策：在主档（Main Profile）中，只使用一种熵编码方法——上下文自适应二进制算术编码（Context-Adaptive Binary Arithmetic Coding, CABAC）。

这与H.264不同，H.264提供了两种选择：CAVLC（上下文自适应可变长编码，复杂度低）和CABAC（效率高，但复杂度也高）。HEVC通过对CABAC进行深度优化，使其在保持极高效率的同时，也变得更易于硬件实现和并行处理，从而不再需要一个低效的备用方案。

CABAC的工作流程可以分为三个核心步骤：

ASCII图表：CABAC流程

+----------------+   二值化   +------+   上下文建模   +--------------+   算术编码   +----------+
| Syntax Element | ---------> | Bins | ------------> | Probability  | ---------> | Bitstream|
| (e.g., MVD=3)  |            | (110)|               | (Context Model)|            | (0.0101..)|
+----------------+            +------+               +--------------+            +----------+
  1. 二值化 (Binarization)
    • 任务：将一个非二进制的语法元素值（例如，MVD=3，merge_idx=2）转换成一个二进制字符串，称为Bin String。
    • 方法：HEVC引入了多种高效的二值化方案，如截断莱斯（Truncated Rice, TR）编码、截断一元码、固定长度编码等，比H.264中主要使用的一元码和指数哥伦布码更加灵活和高效，特别是对MVD和残差系数的幅值编码。
  2. 上下文建模 (Context Modeling)
    • 任务：为每一个Bin选择一个合适的概率模型。这是“上下文自适应”的关键。
    • 原理：一个Bin是0还是1的概率，往往与其“上下文（Context）”高度相关。例如，一个低频区域的残差系数，其第一个Bin（表示“是否非零”）为1的概率，远大于一个高频区域的系数。
    • 实现：HEVC维护着一个概率状态机集合（称为上下文模型）。编码器会根据当前Bin所属的语法元素类型、其在块中的位置、以及其邻近已编码符号的值等信息，来选择一个最合适的上下文模型。这个模型会提供一个对当前Bin值为“1”的概率的估计。
  3. 二进制算术编码 (Binary Arithmetic Coding)
    • 任务：这是真正的编码引擎。它接收一个Bin（0或1）和它对应的概率模型。
    • 原理：算术编码将整个比特流视为在[0, 1)区间内的一个小数。每编码一个Bin，它都会根据该Bin的值和概率，将当前区间“缩放”到一个更小的子区间。最终，输出一个落在该终极子区间内的、最短的二进制小数，作为压缩后的比特流。
    • 优势：它可以为一个符号分配小数个比特，无限逼近其信息熵，因此压缩效率极高。

3. 关键流程：残差系数的编码

残差系数通常是码率的主要贡献者，HEVC对其编码流程进行了精心设计。

  1. 分组与扫描: 变换系数块（如16x16）被划分为多个4x4的子块。在子块内部和子块之间，系数按反对角线扫描顺序被一维化。
  2. 关键信息分离: HEVC不直接编码系数的值，而是将其分解为多个语法元素进行编码，每个元素都有高度优化的上下文模型。
    • last_sig_coeff_x / _y: 首先编码最后一个非零系数在块中的坐标。这极大地提高了效率，因为解码器知道了数据在哪里结束，后面的就全是0了。
    • coded_sub_block_flag: 对每个4x4子块，先用一个标志位指示该子块是否全为0。如果是，则直接跳过，节省大量信令。
    • sig_coeff_flag: 在非全零的子块内，为每个位置编码一个标志，指示该位置的系数是否非零。
    • 幅值和符号信息: 对于非零系数，再继续编码三个信息：
      • coeff_abs_greater1_flag: 绝对值是否大于1。
      • coeff_abs_greater2_flag: 绝对值是否大于2。
      • coeff_abs_level_remaining: 剩余的幅值（使用TR编码）。
      • coeff_sign_flag: 系数的符号（正/负）。

这种精细的、分步骤的信息编码方式，使得CABAC可以为每个决策（Bin）都找到一个极具针对性的上下文模型，从而达到极致的压缩。

4. HEVC的并行处理特性

这是HEVC熵编码相对H.264最大的架构性优势，旨在充分利用现代多核CPU/GPU。

4.1. Tiles (瓦块)

  • 概念：可以将一帧图像分割成多个矩形的Tiles。每个Tile都可以被视为一个独立的子图像。
  • 优势：Tiles之间没有任何数据依赖。它们的熵编码和解码过程可以完全独立、并行地进行。这是一种非常简单粗暴但极其有效的并行方案。

ASCII图表：Tiles划分

+------------------+------------------+
|                  |                  |
|      Tile 0      |      Tile 1      |
|                  |                  |
+------------------+------------------+
|                  |                  |
|      Tile 2      |      Tile 3      |
|                  |                  |
+------------------+------------------+

4.2. WPP (Wavefront Parallel Processing, 波前并行处理)

  • 概念：一种更细粒度的并行技术。它将CTU行（Row of CTUs）作为处理单元。
  • 工作原理：
    • 每一行的熵编码上下文，只依赖其上一行的熵编码状态。
    • 在同一行内，CTU之间没有串行依赖。
    • 编码开始时，第一行正常编码。当第二行的第一个CTU开始编码时，它需要等待第一行的第二个CTU编码结束，以获取其“右上方”的上下文状态。
    • 一旦这个依赖满足，第二行的所有CTU就可以并行开始编码，形成一个“波浪”状向前推进的处理阵线。

ASCII图表：WPP处理流程 ([C_ij] 表示第i行第j列的CTU)

Time ->
T1    T2    T3    T4
|     |     |     |
V     V     V     V
[C_00] [C_01] [C_02] [C_03] ...  (Row 0: Serial)
      \     \     \
       [C_10] [C_11] [C_12] ...  (Row 1: Parallel processing starts)
             \     \
              [C_20] [C_21] ...  (Row 2: Parallel processing starts)

WPP在提供高并行度的同时，几乎不损失编码效率（通常小于1%），因为它保留了帧内的上下文依赖，是一种非常优雅的并行设计。

总结

HEVC的熵编码系统是一个集大成者：

  • 统一高效: 全面采用并优化了CABAC，摒弃了低效的备用方案。
  • 精细建模: 通过更优的二值化方案和高度定制的上下文模型，尤其是在残差编码上，进一步逼近信息熵极限。
  • 为并行而生: 内置了Tiles和WPP两种强大的并行工具，从根本上解决了H.264中熵编码难以并行的问题，为4K/8K等超高清视频的实时处理铺平了道路。