CN100414997C

CN100414997C - 一种视频数据压缩的量化方法

Info

Publication number: CN100414997C
Application number: CNB2004100803938A
Authority: CN
Inventors: 梁柱
Original assignee: Tencent Technology Shenzhen Co Ltd
Current assignee: Tencent Technology Shenzhen Co Ltd
Priority date: 2004-09-29
Filing date: 2004-09-29
Publication date: 2008-08-27
Anticipated expiration: 2024-09-29
Also published as: CN1756353A

Abstract

本发明公开了一种视频数据压缩的量化方法，该方法是首先确定当前待处理图像中的位于平坦区域和复杂区域之间的过渡区域；在对图像的每个区域分别进行系数变换之后，根据所需的码率分别计算每个区域的初始量化系数，在过渡区域，减小该区域的量化系数并利用新的量化系统对该区域进行量化；在非过渡区域，利用初始量化系数对该区域进行量化。使用了本发明的方法之后，可以通过减小图像中过渡区域的量化系数来提高对这部分区域的压缩的效果，避免过渡区域在编码后出现明显的方块效应。

Description

一种视频数据压缩的量化方法

技术领域

本发明涉及视频数据压缩技术，特别是涉及一种视频数据压缩的量化方法。

背景技术

在多媒体应用中，一幅640×480的256色彩图像所占的数据量为300kB，而动态视频要求每秒播放25～30帧图像，因而以640×480的窗口播放256色彩色视频图像，即使在没有声音数据的情况下，也要求每秒处理8MB左右的数据量，由此可见，一片容量为650MB的CD-ROM盘仅能存储约80秒左右的动态视频。此外，普通PC机ISA总线的数据传输率最大只能达到5MB/秒，无法实时传输动态视频数据。因此，为了进行多媒体数据的存储和实时处理，必须采用一些技术来降低多媒体数据的数据量，其中，比较重要的是视频数据压缩技术。

多媒体的数据量和信息量关系为I＝D-du，其中，I为信息量，D为数据量，du为冗余量。信息量是要传输的主要数据，数据冗余是无用的数据，没有必要传输。视频信号上存在大量冗余数据，这是进行视频数据压缩的基础，多媒体视频信号的冗余度存在于结构和统计两方面。

在结构方面，冗余度表现为很强的空间相关性和时间相关性，空间相关性为帧内相关性，时间相关性即帧间相关性，这是因为一般情况下，图像的大部分区域信号的变化缓慢，尤其是背景部分几乎不变，所以视频信号在相邻象素间、相邻行间乃至相邻帧间存在较强的相关性，这种相关性就表现为空间冗余和时间冗余。

在统计方面，冗余度表现为人眼在观察图像时的局限性，人眼对图像细节分辨率、运动分辨率和对比度分辨率的感觉都有一定界限，所以相当多的图像信息对于人眼来说是无关紧要的，即使没有这些信息，人眼也认为图像是完好且足够好。所以，这些信息就是冗余信息，在满足对图像质量一定要求的前提下，可以适当减少信号精度，实现数据压缩。

在已得到广泛应用的图像压缩编码方法与标准中，主要利用三种手段对图像进行压缩：利用离散余弦变换(DCT)和矢量量化消除帧内相关性，利用运动估计消除帧间相关性，利用熵编码消除图像数据编码带来的冗余。

传统的消除帧内相关性的方法是先对原始图像进行系数变换，例如可将图像数据进行DCT变换，将光强数据转换为频率数据；然后对系数变换后的数据进行量化，量化的目的是通过降低体数据的精度，将大量的输入值映射到较少的输出值的集合上。量化是导致图像信息损失的重要环节。

在现有的量化方法中，一般是将经过系数变换的数据除以量化系数，量化系数越小，图像信息损失越小，反之，图像信息损失越大。量化系数的选择依据为事先预计的图像压缩后的码率，为了达到一个恒定的码率输出，将为不同的数据采用不同的量化系数。例如，如果一帧图像预计压缩后的数据量为128KB，那么首先根据该数据和量化方法选择一个初始的量化系数，使用该量化系数对图像的第一个宏块进行编码，根据该宏块所用的数据量得到剩余的目标数据量，然后根据该数据再对后续的宏块计算量化系数。依次类推，直至计算出最后一个宏块的量化系数。

该量化方法能够使压缩后的数据满足预先确定的码率，但是，由于该量化方法没有根据图像的内容选择量化系数，使得图像的某些区域在编码后出现比较明显的方块效应。

发明内容

本发明的主要目的在于提供一种视频数据压缩的量化方法，以提高编码后图像的质量。

本发明的目的是通过如下技术方案实现的：

一种视频数据压缩的量化方法，包括如下步骤：

A、确定当前待处理的图像中位于平坦区域和复杂区域之间的过渡区域；

B、对图像的每个区域分别进行系数变换之后，根据所需的码率分别计算每个区域的初始量化系数，在过渡区域，减小该区域的量化系数并利用新的量化系数对该区域进行量化；在非过渡区域，利用初始量化系数对该区域进行量化。

其中，步骤A具体包括如下步骤：

A1、确定当前待处理的图像中的平坦区域；

A2、搜索图像的每个区域，将周围存在平坦区域的区域标记为过渡区域。

优选地，所述平坦区域为平坦宏块；

所述确定当前待处理的图像中的平坦区域为：计算图像中每个宏块的均方差值，并将均方差值小于预先设定的均方差阈值的宏块标记为平坦宏块。

其中，所述计算图像中宏块的均方差值的方法为：

a、计算宏块中所有象素的灰度平均值；

b、计算宏块中每个象素与灰度平均值之差的绝对值，并计算该绝对值之和；

c、计算该绝对值之和与宏块象素个数的比值。

优选地，所述均方差阈值根据经验值确定。

优选地，所述每个区域为每个宏块，所述平坦区域为平坦宏块；

步骤A2为：搜索图像的每个宏块，将周围存在平坦宏块的宏块标记为过渡宏块。

其中，步骤B中所述在过渡区域，减小该区域的量化系数为：

根据经验值确定过渡区域的量化系数阈值，将初始量化系数减去量化系数阈值，得到过渡区域的量化系数。

优选地，所述区域为宏块。

其中，步骤A1与A2之间进一步包括：判断图像的平坦区域在整个图像中是否占预先设定的比例，如果是，则转到步骤A2；否则，对图像的每个区域进行系数变换之后，根据所需的码率分别计算每个区域的初始量化系数，并应用该量化系数。

优选地，所述预先设定的比例为1％至50％。

本发明的方法是首先确定图像中位于平坦区域和复杂区域之间的过渡区域；对图像的每个区域分别进行系数变换之后，根据所需的码率分别计算每个区域的初始量化系数，在过渡区域，减小该区域的量化系数并利用新的量化系数对该区域进行量化；在非过渡区域，利用初始量化系数对该区域进行量化。而现有技术的方法不考虑图像的内容，仅根据所需的码率计算图像的量化系数。从本发明和现有技术的对比来看，本发明的方法可通过减小图像中过渡区域的量化系数来提高对这部分区域的压缩效果，避免过渡区域在编码后出现明显的方块效应。

附图说明

图1是本发明确定图像中过渡宏块的流程图。

图2是本发明确定图像中当前宏块量化系数的流程图。

具体实施方式

为了使本发明的目的、技术方案和优点更清楚，下面结合附图和具体实施方式对本发明作进一步描述。

本发明的方法是根据图像区域的不同特征，采取不同的量化系数对当前区域进行编码。具体的方法是：首先计算图像中每个宏块的均方差值，根据均方差值标记平坦宏块，再根据每个宏块周围宏块的性质标记过渡宏块，然后在对过渡宏块进行完系数变换之后减小过渡宏块的量化系数。

下面详细说明本发明的方法。

在对图像进行系数变换之前，首先确定图像中宏块是否需要采用特殊的量化系数，该流程如图1所示，包括如下步骤：

步骤101：设置n＝1；设置并初始化标识平坦区块的数组Flatness[n]、标识过渡区块的数组Transition[n]和平坦宏块计数器。

步骤102：计算当前宏块的均方差值。

计算宏块的均方差值分为三个步骤：

(1)：计算宏块的象素灰度的平均值。

通常，宏块的大小一般为16×16，即宏块中包含256个象素，象素灰度平均值为这256个象素的灰度值之和除以256所得的值。

(2)：计算宏块中每个象素的灰度值与灰度平均值的差值的绝对值。

(3)：将宏块中每个象素的灰度值与均值之差的绝对值之和除以宏块的象素个数所得的值为宏块的均方差值。

步骤103：判断当前宏块的均方差值是否小于预先设定的均方差阈值，如果是，则转到步骤104；否则，转到步骤105。

步骤104：平坦宏块计数器加一，并将当前宏块标记为平坦宏块，即Flatness[n]＝1，然后转到步骤106。

步骤105：将当前宏块标记为复杂宏块，即Flatness[n]＝0。

步骤106：判断当前宏块是否是图像最后一个宏块，如果是，则转到步骤108；否则，转到步骤107。

步骤107：n＝n+1，然后返回步骤102。

步骤108：计算图像总宏块个数和平坦宏块计数器的比值。

步骤109：判断步骤108所得的比值是否在2至100的区间内，包含2和100，如果是，则转到步骤110；否则，转到步骤111。

在本实施例中，较佳的比值范围为2至100，但是本发明不排斥其它比值范围，可以根据图像具体的灰度分布而设定合适的比值范围。

步骤110：设置量化模式＝1，然后转到步骤112。

步骤111：设置量化模式＝0，然后结束。

步骤112：设置n＝1。

步骤113：对当前宏块周围所有宏块的Flatness[n]的值求或，并将结果存在Transition[n]中，求或的结果为1表示该宏块是过渡宏块，求或的结果为0表示宏块不是过渡宏块。。

对于不位于图像边缘的宏块，宏块周围有8个宏块，将这8个宏块的Flatness[n]值求或；对于位于图像边缘的宏块，宏块周围有m个宏块(m＜8)，将这m个宏块的Flatness[n]值求或。

步骤114：判断当前宏块是否是图像中最后一个宏块，如果是，则结束；否则，转到步骤115。

步骤115：n＝n+1，然后返回步骤113。

如果量化模式为0，说明该图像中的平坦宏块的个数不足1％或大于50％，则说明图像中的平坦宏块过少或过多，图像中的过渡区域较少。因此，在对图像进行压缩时，对当前宏块进行系数变换之后，按照现有技术根据码率计算所得的量化系数对系数变换之后的宏块数据进行量化。

如果量化模式为1，说明该图像中的平坦宏块的个数在1％到50％之间，则说明图像中的平坦宏块的数量适中，图像中的过渡区域较多。因此，在对图像进行压缩时，对当前宏块进行系数变换之后，执行图2所示的确定当前宏块量化系数的步骤：

步骤201：判断当前宏块的Transition[n]是否为1，如果是，则转到步骤202；否则，转到步骤205。

步骤202：根据压缩所需的码率计算当前宏块的初始量化系数QPall，并根据经验值确定量化系数阈值。

步骤203：计算当前宏块的最终量化系数QPnew＝QPall-量化系数阈值。

步骤204：将系数变化之后的当前宏块数据除以QPnew，然后结束。

步骤205：根据压缩所需的码率计算当前宏块的初始量化系数QPall。

步骤206：将系数变化之后的当前宏块数据除以QPall，然后结束。

这样，对图像中待处理的宏块进行量化时，采用较小的量化系数，从而避免了对图像中所有宏块采用统一确定的量化系数而产生的过渡区域丢失信息的缺陷。

需要说明的是，预先设定的均方差阈值和量化系数阈值都是根据经验值确定的。

在具体的实施过程中可对根据本发明的方法进行适当的改进，以适应具体情况的具体需要。因此可以理解，根据本发明的具体实施方式只是起示范作用，并不用以限制本发明的保护范围。

Claims

1. 一种视频数据压缩的量化方法，其特征在于，该方法包括如下步骤：

2. 根据权利要求1所述的方法，其特征在于，步骤A具体包括如下步骤：

A1、确定当前待处理的图像中的平坦区域；

3. 根据权利要求2所述的方法，其特征在于，所述平坦区域为平坦宏块；

4. 根据权利要求3所述的方法，其特征在于，所述计算图像中宏块的均方差值的方法为：

a、计算宏块中所有象素的灰度平均值；

c、计算该绝对值之和与宏块象素个数的比值。

5. 根据权利要求3所述的方法，其特征在于，所述均方差阈值根据经验值确定。

6. 根据权利要求2所述的方法，其特征在于，所述每个区域为每个宏块，所述平坦区域为平坦宏块；

7. 根据权利要求1所述的方法，其特征在于，步骤B中所述在过渡区域，减小该区域的量化系数为：

8. 根据权利要求7所述的方法，其特征在于，所述区域为宏块。

9. 根据权利要求2所述的方法，其特征在于，步骤A1与A2之间进一步包括：判断图像的平坦区域在整个图像中是否占预先设定的比例，如果是，则转到步骤A2；否则，对图像的每个区域进行系数变换之后，根据所需的码率分别计算每个区域的初始量化系数，并应用该量化系数。

10. 根据权利要求9所述的方法，其特征在于，所述预先设定的比例为1％至50％。