CN101588509A - 视频图像编码和解码方法 - Google Patents

Abstract

本发明提供了一种视频图像编码和解码方法，其中，编码方法包括以下步骤：对视频图像数据进行分块；按R、G、B颜色分量将视频图像数据分块内的像素点分为两类；记录两类分类色C0(R0，G0，B0)和C1(R1，G1，B1)，以及像素点所属的分类信息。本发明克服了现有技术中BTC算法是针对RGB彩色空间或其变换空间如YUV空间的某一分量进行的，由于只考虑到图像块在水平以及垂直方向上的空间相关性，没有充分考虑到颜色空间的相关性，所能获得压缩性能较为有限的问题。

Description

视频图像编码和解码方法

技术领域

本发明涉及图像处理领域，具体而言，涉及一种视频图像编码和解码方法。

背景技术

在视频图像压缩的编解码算法的硬件实现过程中，分块截位编码(BTC，Block Truncation Coding)算法由于算法简易，硬件开销较小而得到了广泛应用。

在实现本发明过程中，发明人发现现有技术中BTC算法是针对RGB彩色空间或其变换空间如YUV空间的某一分量进行的，由于只考虑到图像块在水平以及垂直方向上的空间相关性，没有充分考虑到颜色空间的相关性，因此所能获得压缩性能较为有限。

发明内容

本发明旨在提供一种视频图像编码和解码方法，能够解决现有技术中BTC算法是针对RGB彩色空间或其变换空间如YUV空间的某一分量进行的，由于只考虑到图像块在水平以及垂直方向上的空间相关性，没有充分考虑到颜色空间的相关性，所能获得压缩性能较为有限的问题。

在本发明的实施例中，提供了一种视频图像编码方法，包括以下步骤：

对视频图像数据进行分块；

按R、G、B颜色分量将视频图像数据分块内的像素点分为两类；

记录两类分类色C0(R0，G0，BO)和C1(R1，G1，B1)，以及像素点所属的分类信息。

优选地，在上述视频图像编码方法中，两类分类色C0(R0，G0，BO)和C1(R1，G1，B1)使得视频图像数据分块内分类误差最小。

优选地，在上述视频图像编码方法中，对视频图像数据进行分块具体包括：

对视频图像数据进行2×2分块，得到视频图像数据分块内的四个像素点X₁₁(R₁₁，G₁₁，B₁₁)、X₁₂(R₁₂，G₁₂，B₁₂)、X₂₁(R₂₁，G₂₁，B₂₁)和X₂₂(R₂₂，G₂₂，B₂₂)。

优选地，在上述视频图像编码方法中，按R、G、B颜色分量将视频图像数据分块内的像素点分为两类具体包括：

将四个像素点分为A、B两类；

将分类后的像素点的分类色用分类的类内质心点代替，具体为：

A(X₁₁)，B(X₁₂，X₂₁，X₂₂)，X_{A_1}＝X₁₁， $X_{B\_1}=\frac{X_{12}+X_{21}+X_{22}}{3};$

A(X₁₂)，B(X₁₁，X₂₁，X₂₂)，X_{A_2}＝X₁₂， $X_{B\_2}=\frac{X_{11}+X_{21}+X_{22}}{3};$

A(X₂₁)，B(X₁₁，X₁₂，X₂₂)，X_{A_3}＝X₂₁， $X_{B\_3}=\frac{X_{11}+X_{12}+X_{22}}{3};$

A(X₂₂)，B(X₁₁，X₁₂，X₂₁)，X_{A_4}＝X₂₂， $X_{B\_4}=\frac{X_{11}+X_{12}+X_{21}}{3};$

A(X₁₁，X₁₂)，B(X₂₁，X₂₂)， $X_{A\_5}=\frac{X_{11}+X_{12}}{2},$ $X_{B\_5}=\frac{X_{21}+X_{22}}{2};$

A(X₁₁，X₂₁)，B(X₁₂，X₂₂)， $X_{A\_6}=\frac{X_{11}+X_{21}}{2},$ $X_{B\_6}=\frac{X_{12}+X_{22}}{2};$

A(X₁₁，X₂₂)，B(X₁₂，X₂₂)， $X_{A\_7}=\frac{X_{11}+X_{22}}{2},$ $X_{B\_7}=\frac{X_{12}+X_{22}}{2}.$

优选地，在上述视频图像编码方法中，记录两类分类色C0(R0，G0，BO)和C1(R1，G1，B1)，以及像素点所属的分类信息具体包括：

计算分类后像素点的类内距离，记录类内距离最小的分类的分类色C0(R0，G0，BO)和C1(R1，G1，B1)以及四个像素点的分类码流Blockclass_bit[3:0]。

优选地，在上述视频图像编码方法中，类内距离为1范数距离，即彩色空间两点X(R_X，G_X，B_X)与Y(R_Y，G_Y，B_Y)的距离为：

|X-Y|＝|R_X-R_Y|+|G_X-G_Y|+|B_X-B_Y|。

在本发明的实施例中，还提供了一种视频图像编码方法，包括以下步骤：

对视频图像数据进行2×4分块，得到视频图像数据的当前块的8个像素点X₁₁(R₁₁，G₁₁，B₁₁)、X₁₂(R₁₂，G₁₂，B₁₂)、X₁₃(R₁₃，G₁₃，B₁₃)、X₁₄(R₁₄，G₁₄，B₁₄)、X₂₁(R₂₁，G₂₁，B₂₁)、X₂₂(R₂₂，G₂₂，B₂₂)、X₂₃(R₂₃，G₂₃，B₂₃)和X₂₄(R₂₄，G₂₄，B₂₄)；

将当前块的8个像素点划分成2个2×2的数据块，分别为第一数据块X₁₁(R₁₁，G₁₁，B₁₁)、X₁₂(R₁₂，G₁₂，B₁₂)、X₂₁(R₂₁，G₂₁，B₂₁)和X₂₂(R₂₂，G₂₂，B₂₂)以及第二数据块X₁₃(R₁₃，G₁₃，B₁₃)、X₁₄(R₁₄，G₁₄，B₁₄)、X₂₃(R₂₃，G₂₃，B₂₃)和X₂₄(R₂₄，G₂₄，B₂₄)；

按R、G、B颜色分量分别将第一数据块和第二数据块内的像素点分为两组分类色C₀₀，C₀₁和C₁₀，C₁₁，得到第一数据块和第二数据块的两组分类码流{C₀₀，C₀₁，Block1class_bit[3:0]}和{C₁₀，C₁₁，Block2class_bit[3:0]}；

对分类色C₀₀，C₀₁和C₁₀，C₁₁进行分类，得到使分类距离最小的两类分类色C₀，C₁，并将8个像素点的分类码流信息进行归类，得到8bit的最终分类信息：

if C₀₀∈C₀，

pixel，Block0class_bit[pixel]＝＝0，Blockclass_bit[pixel]＝0；

if C₀₀∈C₁，

pixel，Block0class_bit[pixel]＝＝0，Blockclass_bit[pixel]＝1；

if C₀₁∈C₀，

pixel，Block0class_bit[pixel]＝＝1，Blockclass_bit[pixel]＝0；

if C₀₁∈C₁，pixel，Block0class_bit[pixel]＝＝1，Blockclass_bit[pixel]＝1；

if C₁₀∈C₀，

pixel，Block1class_bit[pixel]＝＝0，Blockclass_bit[pixel]＝0；

if C₁₀∈C₁，

pixel，Block1class_bit[pixel]＝＝0，Blockclass_bit[pixel]＝1；

if C₁₁∈C₀，

pixel，Block1class_bit[pixel]＝＝1，Blockclass_bit[pixel]＝0；

if C₁₁∈C₁，

pixel，Block1class_bit[pixel]＝＝1，Blockclass_bit[pixel]＝1。

在本发明的实施例中，还提供了一种视频图像解码方法，包括以下步骤：

得到视频图像数据分块的分类信息以及视频图像数据分块内像素点的颜色分类信息；

根据视频图像数据分块的分类信息以及像素点的颜色分类信息重建视频图像数据的颜色值。

优选地，在上述视频图像解码方法中，当视频图像数据分块为2×2的分块时，根据视频图像数据分块的分类颜色以及像素点的颜色分类信息重建视频图像数据的颜色值具体包括：

根据视频图像数据分块的两种分类颜色C0(R0，G0，B0)和C1(R1，G1，B1)，以及视频图像数据分块的四个像素点的颜色分类信息得到四个像素点的重建颜色值。

在本实施例中，充分考虑图像数据块在水平及垂直向的空间相关性以及在RGB色度分量间的相关性，将常规的BTC算法进行延拓，使其能够对图像块的每一像素点的RGB三个色度分量作为一个整体进行编码压缩，由于充分考虑到图像块内像素间的空间相关性和色度相关性，因此其压缩性能较原始BTC算法有较大的改进，比如2*2、1*4的图像分块就可以获得3倍左右的压缩比，2*4分块就可以获得6.0左右的压缩比，克服了现有技术中BTC算法是针对RGB彩色空间或其变换空间如YUV空间的某一分量进行的，由于只考虑到图像块在水平以及垂直方向上的空间相关性，没有充分考虑到颜色空间的相关性，所能获得压缩性能较为有限的问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1示出了根据本发明一个实施例的视频图像编码方法流程图；

图2示出了根据本发明一个实施例的2*2Color BTC编码过程流程框图；

图3示出了根据本发明一个实施例的将2*4分块分为两个2*2分块的Color BTC级联编码过程框图；

图4示出了根据本发明一个实施例的视频图像解码方法流程图。

具体实施方式

下面将参考附图并结合实施例，来详细说明本发明。

图1示出了根据本发明一个实施例的视频图像编码方法流程图，包括以下步骤：

S102，对视频图像数据进行分块；

S104，按R、G、B颜色分量将视频图像数据分块内的像素点分为两类；

S106，记录两类分类色C0(R0，G0，BO)和C1(R1，G1，B1)，以及像素点所属的分类信息。

在本实施例中，充分考虑图像数据块在水平及垂直向的空间相关性以及在RGB色度分量间的相关性，将常规的BTC算法进行延拓，使其能够对图像块的每一像素点的RGB三个色度分量作为一个整体进行编码压缩，由于充分考虑到图像块内像素间的空间相关性和色度相关性，因此其压缩性能较原始BTC算法有较大的改进，比如2*2、1*4的图像分块就可以获得3倍左右的压缩比，2*4分块就可以获得6.0左右的压缩比，克服了现有技术中BTC算法是针对RGB彩色空间或其变换空间如YUV空间的某一分量进行的，由于只考虑到图像块在水平以及垂直方向上的空间相关性，没有充分考虑到颜色空间的相关性，所能获得压缩性能较为有限的问题。

优选地，在上述视频图像编码方法中，两类分类色C0(R0，G0，BO)和C1(R1，G1，B1)使得视频图像数据分块内分类误差最小。

优选地，在上述视频图像编码方法中，对视频图像数据进行分块具体包括：

对视频图像数据进行2×2分块，得到视频图像数据分块内的四个像素点X₁₁(R₁₁，G₁₁，B₁₁)、X₁₂(R₁₂，G₁₂，B₁₂)、X₂₁(R₂₁，G₂₁，B₂₁)和X₂₂(R₂₂，G₂₂，B₂₂)。

对于2*2分块的四个点X₁₁(R₁₁，G₁₁，B₁₁)、X₁₂(R₁₂，G₁₂，B₁₂)、X₂₁(R₂₁，G₂₁，B₂₁)和X₂₂(R₂₂，G₂₂，B₂₂)，通过计算分类，得到使分类误差最小的两个分类颜色C0(R0，G0，B0)、C1(R1，G1，B1)以及4个像素点的颜色分类信息。如果两个分类色C0、C1分别用(5，5，4)、(5，5，4)比特表示，再加上4bits分类信息，2*2彩色数据块的编码码流为32bits，因此所获得的压缩比为 $\mathrm{CR}=\frac{4*3*8}{14*2+4}=3.$

优选地，在上述视频图像编码方法中，按R、G、B颜色分量将视频图像数据分块内的像素点分为两类具体包括：

将四个像素点分为A、B两类；

将分类后的像素点的分类色用分类的类内质心点代替，具体为：

A(X₁₁)，B(X₁₂，X₂₁，X₂₂)，X_{A_1}＝X₁₁， $X_{B\_1}=\frac{X_{12}+X_{21}+X_{22}}{3};$

A(X₁₂)，B(X₁₁，X₂₁，X₂₂)，X_{A_2}＝X₁₂， $X_{B\_2}=\frac{X_{11}+X_{21}+X_{22}}{3};$

A(X₂₁)，B(X₁₁，X₁₂，X₂₂)，X_{A_3}＝X₂₁， $X_{B\_3}=\frac{X_{11}+X_{12}+X_{22}}{3};$

A(X₂₂)，B(X₁₁，X₁₂，X₂₁)，X_{A_4}＝X₂₂， $X_{B\_4}=\frac{X_{11}+X_{12}+X_{21}}{3};$

A(X₁₁，X₁₂)，B(X₂₁，X₂₂)， $X_{A\_5}=\frac{X_{11}+X_{12}}{2},$ $X_{B\_5}=\frac{X_{21}+X_{22}}{2};$

A(X₁₁，X₂₁)，B(X₁₂，X₂₂)， $X_{A\_6}=\frac{X_{11}+X_{21}}{2},$ $X_{B\_6}=\frac{X_{12}+X_{22}}{2};$

A(X₁₁，X₂₂)，B(X₁₂，X₂₂)， $X_{A\_7}=\frac{X_{11}+X_{22}}{2},$ $X_{B\_7}=\frac{X_{12}+X_{22}}{2}.$

由于分两类，分别用A类和B类表示，对于4点分类只有(1，3)分和(2，2)分两种；且(1，3)分有 $C_4^1=4$ 种情况，(2，2)分有 $C_4^2/2=3$ 种情况，共7种分类。

优选地，在上述视频图像编码方法中，记录两类分类色C0(R0，G0，BO)和C1(R1，G1，B1)，以及像素点所属的分类信息具体包括：

计算分类后像素点的类内距离，记录类内距离最小的分类的分类色C0(R0，G0，BO)和C1(R1，G1，B1)以及四个像素点的分类码流Blockclass_bit[3:0]。

优选地，在上述视频图像编码方法中，为便于硬件实现，类内距离为1范数距离，即彩色空间两点X(R_X，G_X，B_X)与Y(R_Y，G_Y，B_Y)的距离为：

|X-Y|＝|R_X-R_Y|+|G_X-G_Y|+|B_X-B_Y|。

为了得到具有最小分类误差的分类，可以通过计算比较7种分类的类内距离得到。

对于空间的2*2块4个点分别计算上面7种情况的类内距离，分别用e₁...e₇表示：

$e_1=|\frac{X_{12}+X_{21}+X_{22}}{3}-X_{12}|+|\frac{X_{12}+X_{21}+X_{22}}{3}-X_{21}|+|\frac{X_{12}+X_{21}+X_{22}}{3}-X_{22}|,$

$e_2=|\frac{X_{11}+X_{21}+X_{22}}{3}-X_{11}|+|\frac{X_{11}+X_{21}+X_{22}}{3}-X_{21}|+|\frac{X_{11}+X_{21}+X_{22}}{3}-X_{22}|,$

$e_3=|\frac{X_{11}+X_{12}+X_{22}}{3}-X_{11}|+|\frac{X_{11}+X_{12}+X_{22}}{3}-X_{12}|+|\frac{X_{11}+X_{12}+X_{22}}{3}-X_{22}|,$

$e_5=|\frac{X_{11}+X_{12}}{2}-X_{11}|+|\frac{X_{11}+X_{12}}{2}-X_{12}|+|\frac{X_{21}+X_{22}}{2}-X_{21}|+|\frac{X_{21}+X_{22}}{2}-X_{22}|,$

$e_6=|\frac{X_{11}+X_{21}}{2}-X_{11}|+|\frac{X_{11}+X_{21}}{2}-X_{21}|+|\frac{X_{12}+X_{22}}{2}-X_{12}|+|\frac{X_{12}+X_{22}}{2}-X_{22}|,$

$e_7=|\frac{X_{11}+X_{22}}{2}-X_{11}|+|\frac{X_{11}+X_{22}}{2}-X_{22}|+|\frac{X_{12}+X_{21}}{2}-X_{12}|+|\frac{X_{12}+X_{21}}{2}-X_{21}|.$

为便于硬件实现，避免除法，采用乘法代替之，将上面的类内距离乘6，得：

E₁＝6e₁＝2(|X₂₁+X₂₂-2X₁₂|+|X₁₂+X₂₂-2X₂₁|+|X₁₂+X₂₁-2X₂₂|)，

E₂＝6e₂＝2(|X₂₁+X₂₂-2X₁₁|+|X₁₁+X₂₂-2X₂₁|+|X₁₁+X₂₁-2X₂₂|)，

E₃＝6e₃＝2(|X₁₂+X₂₂-2X₁₁|+|X₁₁+X₂₂-2X₁₂|+|X₁₁+X₁₂-2X₂₂|)，

E₄＝6e₄＝2(|X₁₂+X₂₁-2X₁₁|+|X₁₁+X₂₁-2X₁₂|+|X₁₁+X₁₂-2X₂₁|)，

E₅＝6e₅＝3(|X₁₂-X₁₁|+|X₁₁-X₁₂|+|X₂₂-X₂₁|+|X₂₁-X₂₂|)＝6(|X₁₂-X₁₁|+|X₂₂-X₂₁|)，

E₆＝6e₆＝3(|X₂₁-X₁₁|+|X₁₁-X₂₁|+|X₂₂-X₁₂|+|X₁₂-X₂₂|)＝6(|X₂₁-X₁₁|+|X₂₂-X₁₂|)，

E₇＝6e₇＝3(|X₂₂-X₁₁|+|X₁₁-X₂₂|+|X₂₁-X₁₂|+|X₁₂-X₂₁|)＝6(|X₂₂-X₁₁|+|X₂₁-X₁₂|)。

根据上面公式计算得到7种分类的类内距离，得到具有最小类内距离所属的分类号i，进而得到对应的两个分类颜色X_{A_i}，X_{B_i}(都用14位表示)以及四个像素点的4比特分类码流Blockclass_bit[3:0]。在硬件实现上，上述7种分类RGB三个彩色分量间的类内距离计算可以并行进行。

图2示出了根据本发明一个实施例的2*2Color BTC编码过程流程框图，包括7种分类方法的类内距离计算比较，最终得到该2*2块的编码码流。

如果要获得更高的压缩比，可以对更大的分块采用相似的分类算法，分别计算所有可能的分类距离，通过比较得到最小分类距离的分类，进而得到两个分类颜色以及分类信息。如2*4数据块的8个点X₁₁(R₁₁，G₁₁，B₁₁)，X₁₂(R₁₂，G₁₂，B₁₂)，X₁₃(R₁₃，G₁₃，B₁₃)，X₁₄(R₁₄，G₁₄，B₁₄)，X₂₁(R₂₁，G₂₁，B₂₁)，X₂₂(R₂₂，G₂₂，B₂₂)，X₂₃(R₂₃，G₂₃，B₂₃)，X₂₄(R₂₄，G₂₄，B₂₄)进行分类，所有可能分类有 $C_8^1+C_8^2+C_8^3+C_8^4/2=127$ 种，显然计算比较如此庞大的分类是不适宜的，本发明的实施例中采用了2*2分块的ColorBTC编码的级联。

图3示出了根据本发明一个实施例的将2*4分块分为两个2*2分块的Color BTC级联编码过程框图，通过将2*4分块划分为左右两个2*2子块，分别进行2*2Color BTC编码，得到各自码流{C00，C01，Block0class_bit[3:0]}，{C10，C11，Block1class_bit[3:0]}。然后再接着对C00，C01，C10，C11进行2*2分块的Color BTC编码，并对两种分类码流归类，得到最终的码流{C0，C1，Blockclass_bit[7:0]}。

其基本思想就是将2*4数据块的8个点X₁₁(R₁₁，G₁₁，B₁₁)，X₁₂(R₁₂，G₁₂，B₁₂)，X₁₃(R₁₃，G₁₃，B₁₃)，X₁₄(R₁₄，G₁₄，B₁₄)，X₂₁(R₂₁，G₂₁，B₂₁)，X₂₂(R₂₂，G₂₂，B₂₂)，X₂₃(R₂₃，G₂₃，B₂₃)，X₂₄(R₂₄，G₂₄，B₂₄)划分成2个2*2的数据块X₁₁(R₁₁，G₁₁，B₁₁)，X₁₂(R₁₂，G₁₂，B₁₂)，X₂₁(R₂₁，G₂₁，B₂₁)，X₂₂(R₂₂，G₂₂，B₂₂)以及X₁₃(R₁₃，G₁₃，B₁₃)，X₁₄(R₁₄，G₁₄，B₁₄)，X₂₃(R₂₃，G₂₃，B₂₃)，X₂₄(R₂₄，G₂₄，B₂₄)，分别对两个2*2子块进行Color BTC编码，得到两组分类码流：{C₀₀，C₀₁，Block1class_bit[3:0]}及{C₁₀，C₁₁，Block2class_bit[3:0]}。然后再对两组分类色C₀₀，C₀₁，C₁₀，C₁₁进行Color BTC编码，得到使分类色C₀₀，C₀₁，C₁₀，C₁₁类内距离最小的最终分类色C₀，C₁，并将两个2*2子块的分类码流信息进行归类，得到8bit的最终分类信息。两类分类码流信息归类方法如下：

if C₀₀∈C₀，

pixel，Block0class_bit[pixel]＝＝0，Blockclass_bit[pixel]＝0；

if C₀₀∈C₁，

pixel，Block0class_bit[pixel]＝＝0，Blockclass_bit[pixel]＝1；

if C₀₁∈C₀，

pixel，Block0class_bit[pixel]＝＝1，Blockclass_bit[pixel]＝0；

if C₀₁∈C₁，

pixel，Block0class_bit[pixel]＝＝1，Blockclass_bit[pixel]＝1；

if C₁₀∈C₀，pixel，Block1class_bit[pixel]＝＝0，Blockclass_bit[pixel]＝0；

if C₁₀∈C₁，

pixel，Block1class_bit[pixel]＝＝0，Blockclass_bit[pixel]＝1；

if C₁₁∈C₀，

pixel，Block1class_bit[pixel]＝＝1，Blockclass_bit[pixel]＝0；

if C₁₁∈C₁，pixel，Block1class_bit[pixel]＝＝1，Blockclass_bit[pixel]＝1；

如果仍用(5，5，4)，(5，5，4)比特表示最终两个分类颜色C₀，C₁，则该2*4分块的最终压缩码流为{C0，C1，Blockclass_bit[7:0]}，共2*14+8＝36bits，因此此时压缩比 $\mathrm{CR}=\frac{2*4*3*8}{14*2+8}=5.3,$ 如若用(4，4，4)，(4，4，4)比特表示最终两个分类颜色C₀，C₁，则压缩比为 $\mathrm{CR}=\frac{2*4*3*8}{12*2+8}=6.0.$

图4示出了根据本发明一个实施例的视频图像解码方法流程图，包括以下步骤：

S202，得到视频图像数据分块的分类信息以及视频图像数据分块内像素点的颜色分类信息；

S204，根据视频图像数据分块的分类信息以及像素点的颜色分类信息重建视频图像数据的颜色值。

在本实施例中，通过得到视频数据分块的分类颜色，以及分块内像素点的颜色分类信息，重建视频图像数据块内像素点的颜色值。

优选地，在上述视频图像解码方法中，当视频图像数据分块为2×2的分块时，根据视频图像数据分块的分类颜色以及像素点的颜色分类信息重建视频图像数据的颜色值具体包括：

根据视频图像数据分块的两种分类颜色C0(R0，G0，B0)和C 1(R1，G1，B1)，以及视频图像数据分块的四个像素点的颜色分类信息得到四个像素点的重建颜色值。

在解码端，首先得到两种分类颜色C0(R0，G0，B0)，C1(R1，G1，B1)，然后根据4点的颜色分类信息得到2*2块内4点的重建颜色值，解码方法如下：

Blockclass_bit[pixel]＝＝0，Decod_RGB[pixel]＝C0

Blockclass_bit[pixel]＝＝1，Decod_RGB[pixel]＝C1，

如果采用1*4分块可以获得同样的压缩比，但在硬件设计中可以省去1行Linebuffer，使硬件开销减小。

本发明的上述实施例中，提供了一种彩色图像数据压缩编解码方法--Color BTC编解码算法，将彩色图像数据块通过计算分类得到两种分类颜色C₀，C₁以及块内各点的分类信息，它不同于常规的BTC编解码算法是将RGB三个色度分量分别进行BTC编解码得到大小两个灰度均值以及分类信息。由于Color BTC编解码算法充分考虑到了块内数据在水平垂直以及R，G，B三个颜色分量之间的相关性，因此可以获得较常规BTC算法更好的压缩性能。另外本发明的实施例中，也提供了为减小硬件开销而采用1*4分块的Color BTC编解码实施例以及为获得更高压缩比的2*4分块Color BTC算法的级联结构实施例。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种视频图像编码方法，其特征在于，包括以下步骤：对所述视频图像数据进行分块；

按R、G、B颜色分量将所述视频图像数据的当前块内的像素点分为两类；

记录所述两类的分类色C0(R0，G0，BO)和C1(R1，G1，B1)，以及所述像素点所属的分类信息。

2.根据权利要求1所述的视频图像编码方法，其特征在于，所述两类分类色C0(R0，G0，BO)和C1(R1，G1，B1)使得所述视频图像数据分块内分类误差最小。

3.根据权利要求2所述的视频图像编码方法，其特征在于，对所述视频图像数据进行分块具体包括：

对所述视频图像数据进行2×2分块，得到所述视频图像数据的当前块的四个像素点X₁₁(R₁₁，G₁₁，B₁₁)、X₁₂(R₁₂，G₁₂，B₁₂)、X₂₁(R₂₁，G₂₁，B₂₁)和X₂₂(R₂₂，G₂₂，B₂₂)。

4.根据权利要求3所述的视频图像编码方法，其特征在于，按R、G、B颜色分量将所述视频图像数据的当前块内的像素点分为两类具体包括：

将所述四个像素点分为A、B两类；

将所述分类后的像素点的分类色用所述分类的类内质心点代替，具体为：

A(X₁₁)，B(X₁₂，X₂₁，X₂₂)， $X_{A\_1}=X_{11},X_{B\_1}=\frac{X_{12}+X_{21}+X_{22}}{3};$

A(X₁₂)，B(X₁₁，X₂₁，X₂₂)， $X_{A\_2}=X_{12},X_{B\_2}=\frac{X_{11}+X_{21}+X_{22}}{3};$

A(X₂₁)，B(X₁₁，X₁₂，X₂₂)， $X_{A\_3}=X_{21},X_{B\_3}=\frac{X_{11}+X_{12}+X_{22}}{3};$

A(X₂₂)，B(X₁₁，X₁₂，X₂₁)， $X_{A\_4}=X_{22},X_{B\_4}=\frac{X_{11}+X_{12}+X_{21}}{3};$

A(X₁₁，X₁₂)，B(X₂₁，X₂₂)， $X_{A\_5}=\frac{X_{11}+X_{12}}{2},X_{B\_5}=\frac{X_{21}+X_{22}}{2};$

A(X₁₁，X₂₁)，B(X₁₂，X₂₂)， $X_{A\_6}=\frac{X_{11}+X_{21}}{2},X_{B\_6}=\frac{X_{12}+X_{22}}{2};$

A(X₁₁，X₂₂)，B(X₁₂，X₂₂)， $X_{A\_7}=\frac{X_{11}+X_{22}}{2},X_{B\_7}=\frac{X_{12}+X_{22}}{2}.$

5.根据权利要求4所述的视频图像编码方法，其特征在于，记录所述两类的分类色C0(R0，G0，BO)和C1(R1，G1，B1)，以及所述像素点所属的分类信息具体包括：

计算所述分类后像素点的类内距离，记录所述类内距离最小的所述分类的分类色C0(R0，G0，BO)和C1(R1，G1，B1)以及所述四个像素点的分类码流Blockclass_bit[3:0]。

6.根据权利要求1所述的视频图像编码方法，其特征在于，所述类内距离为1范数距离，即

彩色空间两点X(R_X，G_X，B_X)与Y(R_Y，G_Y，B_Y)的距离为：

|X-Y|＝|R_X-R_Y|+|G_X-G_Y|+|B_X-B_Y|。

7.一种视频图像编码方法，其特征在于，包括以下步骤：

对所述视频图像数据进行2×4分块，得到所述视频图像数据的当前块的8个像素点X₁₁(R₁₁，G₁₁，B₁₁)、X₁₂(R₁₂，G₁₂，B₁₂)、X₁₃(R₁₃，G₁₃，B₁₃)、X₁₄(R₁₄，G₁₄，B₁₄)、X₂₁(R₂₁，G₂₁，B₂₁)、X₂₂(R₂₂，G₂₂，B₂₂)、X₂₃(R₂₃，G₂₃，B₂₃)和X₂₄(R₂₄，G₂₄，B₂₄)；

将所述当前块的8个像素点划分成2个2×2的数据块，分别为第一数据块X₁₁(R₁₁，G₁₁，B₁₁)、X₁₂(R₁₂，G₁₂，B₁₂)、X₂₁(R₂₁，G₂₁，B₂₁)和X₂₂(R₂₂，G₂₂，B₂₂)以及第二数据块X₁₃(R₁₃，G₁₃，B₁₃)、X₁₄(R₁₄，G₁₄，B₁₄)、X₂₃(R₂₃，G₂₃，B₂₃)和X₂₄(R₂₄，G₂₄，B₂₄)；

按R、G、B颜色分量分别将所述第一数据块和所述第二数据块内的像素点分为两组分类色C₀₀，C₀₁和C₁₀，C₁₁，得到所述第一数据块和所述第二数据块的两组分类码流{C₀₀，C₀₁，Blocklclass_bit[3:0]}和{C₁₀，C₁₁，Block2class_bit[3:0]}；

对所述分类色C₀₀，C₀₁和C₁₀，C₁₁进行分类，得到使分类距离最小的两类分类色C₀，C₁，并所述8个像素点的分类码流信息进行归类，得到8bit的最终分类信息：

if $C_{00}\∈C_0,\∀$ pixel，Block0class_bit[pixel]＝＝0，Blockclass_bit[pixel]＝0；

if $C_{00}\∈C_1,\∀$ pixel，Block0class_bit[pixel]＝＝0，Blockclass_bit[pixel]＝1；

if $C_{01}\∈C_0,\∀$ pixel，Block0class_bit[pixel]＝＝1，Blockclass_bit[pixel]＝0；

if $C_{01}\∈C_1,\∀$ pixel，Block0class_bit[pixel]＝＝1，Blockclass_bit[pixel]＝1；

if $C_{10}\∈C_0,\∀$ pixel，Block1class_bit[pixel]＝＝0，Blockclass_bit[pixel]＝0；

if $C_{10}\∈C_1,\∀$ pixel，Block1class_bit[pixel]＝＝0，Blockclass_bit[pixel]＝1；

if $C_{11}\∈C_0,\∀$ pixel，Block1class_bit[pixel]＝＝1，Blockclass_bit[pixel]＝0；

if $C_{11}\∈C_1,\∀$ pixel，Block1class_bit[pixel]＝＝1，Blockclass_bit[pixel]＝1。

8.一种视频图像解码方法，其特征在于，包括以下步骤：

得到视频图像数据分块的分类信息以及所述视频图像数据分块内像素点的颜色分类信息；

根据所述视频图像数据分块的分类信息以及所述像素点的颜色分类信息重建所述视频图像数据的颜色值。

9.根据权利要求8所述的视频图像解码方法，其特征在于，当所述视频图像数据分块为2×2的分块时，根据视频图像数据分块的分类颜色以及像素点的颜色分类信息重建所述视频图像数据的颜色值具体包括：

根据所述视频图像数据分块的两种分类颜色C0(R0，G0，B0)和C1(R1，G1，B1)，以及所述视频图像数据分块的四个像素点的颜色分类信息得到所述四个像素点的重建颜色值。

Images