CN101611424B - 识别数字图像中的色带化 - Google Patents

Abstract

本发明提供了一个或多个实现方式，访问(100)数字图像，并确定(105)数字图像的至少一部分是否包括具有颜色差异的一个或多个色带。所述确定是基于至少两个候选规模。一个或多个实现方式访问(150)数字图像，并对数字图像的至少一部分进行评估(155)以确定具有颜色差异的一个或多个色带的存在。所述评估包括确定所述部分中颜色值与所述部分中特定像素的颜色值偏移了偏移值的像素的比值。

Description

识别数字图像中的色带化

相关申请的交叉引用

本申请要求2007年1月19日提交的题为“Suppressing FalseContours”的美国临时专利申请序列号No.60/885,768(代理卷号PU070029)的优先权，其全部内容为所有目的并入此处作为引用。

技术领域

本公开涉及对数字图像的处理。

背景技术

在数字图像中，以各种比特深度来表示颜色(包括灰度以及黑和白)。出于各种原因，可以减小比特深度。例如，在后期制作期间通常将影片数字化，并且通常以相对高的比特深度来对影片进行数字化和处理。相对高的比特深度允许表示更多颜色。在一些实现中，影片图像的数字化版本具有10比特每分量(bpc)或更高的相对高比特深度。通常以甚至更高的比特深度(如16bpc)来呈现产生为数字图像的内容。减小比特深度的一个原因是具有8bpc比特深度的图像更有利于压缩，以在标准清晰度和高清消费DVD播放器中使用。比特深度的减小可以称为颜色量化。

在具有平滑颜色梯度的高比特深度图像区域中，颜色量化可能产生“色带(band)”，每个色带的颜色恒定，相邻色带之间具有较小色差。这种色带的边界可以可见为伪轮廓，也称为“色带化(banding)伪像”。如误差扩散之类的方法的目的是在比特深度减小过程中减少伪轮廓的出现。然而，量化后的图像可能留有可见的伪轮廓。在一些情况下，在较高比特深度的图像中已经存在色带化伪像。

发明内容

根据一个总的方面，访问数字图像。确定数字图像的至少一部分是否包括具有颜色差异的一个或多个色带。所述确定是基于至少两个候选规模(scale)。

根据另一总的方面，访问数字图像。对数字图像的至少一部分进行评估以确定具有颜色差异的一个或多个色带的存在。所述评估包括确定所述部分中颜色值与所述部分中特定像素的颜色值偏移了偏移值的像素的比值。

在附图和以下描述中阐述一个或多个实现方式的细节。即使以一种特定方式来描述，应当清楚，可以以各种方式来配置和实施这些实现方式。例如，实现方式可以被执行为方法或实施为设备，例如被配置为执行一组操作的设备或存储用于执行一组操作的指令的设备，或实施为信号。结合附图和权利要求来考虑以下详细描述，其他方面和特征将变得显而易见。

附图说明

图1包括色带检测方法的实现方式的处理流程图。

图2包括色带检测方法的另一实现方式的处理流程图。

图3包括色带检测和色带规模确定的方法的实现方式的处理流程图。

图4包括减小轮廓可见性的方法的实现方式的处理流程图。

图5包括示意色带化的数字图像。

图6包括在应用色带检测方法和减小轮廓可见性的方法的实现方式之后的图5的数字图像。

图7包括数字图像的一部分的、用于揭示色带化的颜色值的图。

图8包括在应用色带检测方法和减小轮廓可见性的方法的实现方式之后的图7的颜色值的图。

图9包括用于执行色带检测方法和减小轮廓可见性的方法的设备的实现方式的简化框图。

具体实施方式

一个或多个实现方式提供了一种识别数字图像中的色带的方法。一个或多个实现方式提供了一种减小数字图像中的轮廓的可见性的方法。可能出现色带的应用示例是比特深度减小。使用比特深度减小的应用示例是准备信号用于根据标准进行编码，如运动画面专家组(“MPEG”)标准(例如MPEG-1、MPEG-2或MPEG-4)。使用比特深度减小的另一应用示例是准备接收信号以用于显示。

一种实现方式通过识别数字图像中可能存在色带和轮廓的部分以应对这些挑战。一种实现方式也可以通过确定色带的规模来应对这些挑战，所述规模指示了色带的宽度。一种实现方式可以对数字图像的至少一部分应用算法，以减小至少一个轮廓的可见性。参照图1，示意了一种用于确定数字图像中是否存在色带的方法。如框100所示，对数字图像进行访问。数字图像可以包括具有颜色差异的一个或多个色带。“颜色”应理解为包括灰度以及黑和白的各种颜色，典型地由像素值来表示这些颜色。此外，数字图像可以包括多个颜色分量或仅包括单一颜色分量(单一颜色分量可以表示例如灰度分量或传统颜色分量，例如红、绿或蓝)。

参照图5，作为色带的示例，图像300是具有多个色带的灰度图像，其中最可见的标记为305、310、315和320。相邻色带之间的颜色差异导致相邻色带之间的轮廓。在图5中，色带由轮廓306、311和316分隔开。数字图像可以包括量化的像素，色带可以产生量化伪像。作为量化伪像的示例，考虑在一个区域上具有颜色渐变的图像。当将该图像量化为较低比特深度时(或当初次对模拟图像进行数字化时)，颜色渐变可能转化为由色带分隔的一系列颜色均匀的区域，在色带处，颜色从一个值变为相邻值。

如图1的框105总体所示，基于至少两个候选规模，对数字图像的至少一部分进行评估(即分析)，以确定一个或多个色带的存在。对数字图像的至少一部分进行评估以确定色带的操作还可以包括确定色带的规模。在各实现方式中，评估可以包括在数字图像的哪些部分或区域中存在或可能存在色带。

参照图2，示意了另一种用于确定数字图像的一部分中是否存在色带的方法。如框150所示，访问数字图像。数字图像可以包括具有颜色差异的一个或多个色带。如框155所示，对数字图像的至少一部分进行评估，以确定色带的存在。如框155还示出的，评估步骤可以包括确定所述部分中颜色值与所述部分中特定像素的颜色值偏移了偏移值的像素的比值。以下将进一步解释这种算法。

如果对数字图像进行评估以确定色带存在的结果产生色带存在的确定，则该处理流程还可以包括以下操作：例如，确定色带的规模，并基于所确定的规模来应用算法，以减少色带。该算法可以是改变一个或多个像素或像素分量的值或颜色值的抖动算法。

典型地，减小轮廓是指减小轮廓的可见性。一般地，轮廓的特征在于边缘或线。例如，如果轮廓对观察者较为不可见、跨过轮廓平均而言跨过轮廓的像素值的转变减小、和/或轮廓的长度减小，则轮廓的可见性减小。减小轮廓的可见性可以提供打破轮廓的外观。

参照图3，示出了对数字图像的至少一部分进行评估以确定一个或多个色带的存在的方法的处理流程图。在该实现方式中，对色带化最可能的规模进行估计。在最可能的规模处，确定是否存在色带化的充分可能性。

在实现方式中，在图像中的一个或多个像素处对色带化的最可能规模进行确定。可以对图像中的多个像素逐像素地进行该规模确定。可以对图像中的每个像素或对图像中的某个部分的像素逐像素地进行确定。参照框200，可以通过选择要考虑的第一像素来开始处理流程。如框205所示，通过选择第一规模，该处理流程可以继续进行。规模可以表示包括要评估以确定色带化的像素在内的区域或邻域的大小。该区域的形状可以是任意形状。作为示例，邻域可以是圆形的并以该像素为中心。作为示例，邻域的形状可以是矩形的。在一个示例中，第一规模可以与具有方形形状和5像素乘5像素尺寸的邻域相对应；第二规模可以与10像素乘10像素的邻域相对应；第三规模可以与15像素乘15像素的邻域相对应。邻域的大小和邻域的相对大小可以变化。

如框205所示，针对特定像素来选择候选规模。然后基于候选规模来确定区域(或邻域)。然后如框210所示选择偏移值。然后，如框215所示，确定在所确定的区域内具有颜色值与该特定像素的颜色值偏移了第一偏移值的像素的比值。作为示例，第一偏移值可以是正1。操作215使用偏移1来确定该区域内像素值(颜色值)比操作200中选择的第一像素的像素值大1的像素的比值。

如框220所示，如果所选偏移(210)不是针对特性像素和候选规模的最后一个偏移值，则该处理流程移至针对该特定候选规模和该特定像素的下一偏移值。判决框220的“否”分支指示了移动至下一偏移值的操作。一种实现方式可以使用各种可能偏移值中的任一种。

例如，可以将偏移值选择为正1、0和负1。然后，针对特定像素和规模，该处理可以对所有这3个偏移值进行循环。可以认识到，也可以使用其他和附加的整数偏移值。由于在像素周围的区域中色带的存在一般将反映在具有相同颜色值，或具有与像素的颜色值仅相差1的颜色值的大部分像素中，因此，使用这3个偏移值可能是有利的。

在操作215中针对每个可能偏移值(针对所选规模和像素)确定了该比值之后，如框225所示，获得置信值。在各种实现方式中，通过将指示色带化伪像的视觉显著性的因子乘以指示色带化存在的可能性的因子，来获得该置信值。即使色带化可能存在，如果色带化伪像的视觉显著性的可能性较低，则置信因子将较低，从而指示对图像应用去色带化处理具有相对较低的合理性。类似地，如果在区域内存在色带化的可能性较低，对图像应用去色带化处理具有相对较低的合理性。

在一个实现方式中，置信值c(s)表示如下：

(1) $c\left(s\right)=p(0,s)\×[\frac{p(-1,s)}{p(0,s)+p(-1,s)}+\frac{p(1,s)}{p(0,s)+p(1,s)}]$

其中：

p(0，s)是由规模s定义的区域中具有与特定像素相同颜色值的像素的比值或概率，

p(-1，s)是由规模s定义的区域中具有颜色值比特定像素的颜色值小1的像素的比值或概率，

p(1，s)是由规模s定义的区域中具有颜色值比特定像素的颜色值大1的像素的比值或概率。

等式1具有上述一般形式。这就是说，等式1将指示色带化伪像的视觉显著性的第一因子乘以指示色带化存在的可能性的第二因子。

如上所述，区域中具有相同颜色值的像素的比值是色带化伪像的视觉显著性的度量。如果p(0，s)的值较低，则相对较少的像素具有与所选像素相同的颜色值。因此，如果区域包括表示与所选像素相比颜色值改变1的转变的色带，则该色带可见的可能性减小。

等式(1)中的 $[\frac{p(-1,s)}{p(0,s)+p(-1,s)}+\frac{p(1,s)}{p(0,s)+p(1,s)}]$ 项表示色带化存在的可能性。该项可以表述为两个比值之和。第一个比值是颜色值比所选像素小1的像素的比值除以具有与所选像素相同值或比所选像素小1的值的像素比值之和。第二个比值是颜色值比所选像素大1的像素的比值除以具有与所选像素相同值或比所选像素大1的值的像素比值之和。如果区域中大量像素的颜色值与所选像素相差1，则比值之一将具有相对高的值，并且该项将具有相对高的值。大量像素互相相差1的值是包括色带的区域的特征。另一方面，如果该项的值较低，则存在其颜色值与所选像素的颜色值相差1的、相对较少的像素，这表明该区域中存在色带化的可能较低。

可选地，可以使用 $\max [\frac{p(-1,s)}{p(0,s)+p(-1,s)},\frac{p(1,s)}{p(0,s)+p(1,s)}]$ 来替代 $[\frac{p(-1,s)}{p(0,s)+p(-1,s)}+\frac{p(1,s)}{p(0,s)+p(1,s)}]$ 项。如果相对高比值的像素所具有的颜色值与所选像素的颜色值相差1，则该可选项也可以具有相对高的值。该可选形式仅关注两项中的最大项，这是由于两项中的任一项可以导致色带化而与另一项无关。这就是说，如果较大百分比的像素偏移了+1(例如)，则不论是否有较大百分比的像素偏移了-1(例如)，则可以假设出现色带化。

在避免在没有色带化而具有其颜色值与所选像素的颜色值接近的、相对多数目的像素的区域中获得高置信度方面，该可选项可能是有利的。例如，在没有色带化的一个示例中，任一项都不是特别大，然而，和值大到足以表明(在本示例中不正确)存在色带化。

在获得针对规模的置信度之后，该处理流程可以前进至减小将区域不正确地识别为具有色带化的风险的步骤。该步骤可以包括：确定具有与所选像素相同颜色值的像素的比值(p(0，s))是否至少达到阈值，以及确定颜色值大1的像素的比值(p(1，s))或颜色值小1的像素的比值(p(-1，s))是否至少达到阈值。如果在区域中存在色带，则这些比值将相对高。在图3中由框230指示阈值判定的步骤。该阈值判定步骤可以由以下等式来表示：

(2)  p(0，s)＞T以及[p(-1，s)＞T或p(1，s)＞T]

其中T是比值阈值。在一些实现方式中，T可以具有0.2的值，但是T值可以变化。实现方式也可以使用于p(0，s)的T值与用于p(-1，s)和p(1，s)的T值不同。更一般地，实现方式可以包括任意数目的偏移值(等式2示出了两个偏移值-1和1)，并且可以包括对每个偏移值以及对p(0，s)(无偏移值)不同的阈值。

如果阈值判定步骤表明在该规模不太可能存在色带化，则如判决框230的“否”分支输出所示，该处理流程继续至下一规模。如果成功通过该阈值判定步骤，则将该置信值与针对该像素的最高置信值进行比较。如果该置信值大于所存储的最高置信值，则存储该置信值和规模。框235示出了这一更新步骤。然后，如框240所示，处理流程继续至下一规模，直到已检查了最后一个规模为止。如果没有任何规模满足框230中的阈值准则，则认定在所选像素处不存在色带化。然而，如果至少一个规模满足框230中的阈值准则，则确定在所选像素处以及在与具有最高置信值的规模相对应的区域中存在色带化。

将认识到，色带化可以存在于彩色图像的每个像素的每个分量中。相应地，可以针对每个像素的每个分量重复执行该处理流程。因此，对于YUV或RGB图像，针对每个像素将该处理重复3次。在YUV或RGB图像中，有3个颜色值与每个像素相关联。在灰度图像中，仅有一个颜色值与每个像素相关联。

在其他实现方式中，对每个区域进行评估，以仅在一个规模下确定色带化的可能性。在另一实现方式中，可以将数字图像任意划分为一个或多个部分，对这些部分中的至少一个进行评估，以确定色带化的可能性。

当已经识别了最后一个规模，并且在所选像素的邻域中的图像部分中存在色带化时，可以对该特定像素进行去色带化。在一个实现方式中，采用部分依赖于所确定规模的去色带化处理。各种实现方式使用的去色带化处理，包括像素的概率抖动处理。抖动处理中采用的概率可以反映具有与该像素相同颜色值的像素(在与所确定的规模相对应的邻域中)的比值，以及具有颜色值与该像素偏移1的像素的比值。由于人眼提供了一些颜色平均，该效应往往将使色带化区域的颜色值在量化的颜色值的中间。具有不同颜色值的像素的相对比值(概率)近似地确定了在邻域中感知到的平均颜色值。

参照图4，示出了用于减小数字图像中的色带可见性的处理流程图。如框400所示，对具有一个或多个色带IS的数字图像进行访问。可以通过如以上关于图3所述的处理、其他处理、或通过观察该数字图像手动地，已经确定该数字图像具有色带。如框405所示，通过应用算法来减小一个或多个轮廓的可见性，所述算法基于对该数字图像的区域中具有特定颜色值的像素比值进行表示的值。将该算法应用至该数字图像的至少一部分。抖动算法可以包括概率，所述概率基于数字图像的区域中颜色值偏移了偏移值的像素的比值。

在各实施例中，使用最可能的色带化规模，如使用以上参照图3所解释的处理而确定为“最可能”的规模。在一个这种实现方式中，使用最可能的规模，概率抖动处理通过产生0至1之间的随机数r并使用以下公式，将位于(x，y)的像素的原始颜色值I(x，y)映射至位于(x，y)的像素的新颜色值J(x，y)：

(3)

表达式p′(k，s^*)＝p(k，s^*)/[p(-1，s^*)+p(0，s^*)+p(1，s^*)]。因此，p′(-1，s^*)、p′(0，s^*)与p′(1，s^*)之和为1，并且，具有该原始颜色值或偏移颜色值之一的像素的概率反映了在该规模定义的区域中这些颜色值的相对出现情况。值p′(0，s^*)表示在数字图像的部分中颜色值等于该部分中特定像素的颜色值的像素的比值。值p′(-1，s^*)表示在数字图像的部分中颜色值与该部分中特定像素的颜色值偏移了偏移值的像素的比值，其中该偏移值为负1。值p′(1，s^*)表示在数字图像的部分中颜色值与该部分中特定像素的颜色值偏移了偏移值的像素的比值，其中该偏移值为正1。规模s^*可以是在以上参照图3所述的处理所确定的、像素(x，y)处的最可能的色带化规模。可选地，可以使用其他方法来选择该规模。

在另一实现方式中，概率抖动处理采用以下方式。在该方式中，对具有偏移颜色值的像素的归一化概率进行调整并重新归一化。更新后的值表示如下：

(4)

以及

(5)

其中τ是具有相对小值的常数。这些调整导致具有较大值的部分的值减小，具有较小值的部分的值变为常数。如果这些值较为接近，则具有较大值和较小值的部分将移至相对小的常数。然后对这些值进行重新归一化。该重新归一化步骤可以采用以下公式：

(6) ${\text{p}}^{\′\′}(k,s^{*})\text{=}\frac{p^{\′}(k,s^{*})}{p^{\′}(-1,s^{*})+p^{\′}(0,s^{*})+p^{\′}(1,s^{*})}$

通过该重新归一化步骤，重新归一化之后的具有与特定像素相同像素值的像素的比值与重新归一化之后的具有所选偏移值的像素的比值之和为1。然后，使用随机数产生器来采用这些重新归一化之后的比值，以获得抖动的颜色值。可以采用以下公式：

(7)

如上所述，r表示0至1之间的随机数。

在抖动方法的另一实现方式中，对像素的颜色值的期望均值进行计算。期望均值可以表示如下：

(8)  m＝p′(-1，s^*)[I(x，y)-1]+p′(0，s^*)I(x，y)+p′(1，s^*)[I(x，y)+1]

输出像素的颜色值或为

(小于m的最大整数值)或为

概率因子q被确定为

根据概率q将该输出值赋值为

并根据概率(1-q)将其赋值为

采用值在0至1之间的随机数r，颜色值J(x，y)可以确定如下：

(9)

因此，如果m更接近

而不是更接近

则q值相对较小，在多数情况下r将大于q。当r大于q时，颜色值将为相应地，如果m更接近

而不是更接近

则颜色值更可能是

而不是

如果m更接近

而不是更接近则q值相对大。因此，在多数情况下r将小于q。因此，如果m更接近

而不是更接近

则在多数情况下颜色值为

在一些实现方式中，在执行色带检测和去色带化的点处，可以增大图像的比特深度。在这种情况下，对去色带化方法进行修改。如果在像素处未检测到色带化，则可以将输出值设置为：

(10)  J(x，y)＝d_min*I(x，y)

其中因子d_min等于2的比特深度差次幂。例如，如果比特深度增大1比特，则所有I(x，y)值加倍。如果检测到色带化，则对颜色值的均值的确定可以修改为：

(11)  m＝d_min(p′(-1，s^*)[I(x，y)-1]+p′(0，s^*)I(x，y)+p′(1，s^*)[I(x，y)+1])

该抖动步骤与等式(9)所述的相同。小于均值的整数和大于均值的整数的值将比比特深度保持不变的实现方式更为接近。因此，该实现方式还平滑了颜色值的过渡改变。

在色带化检测和色带化减少均执行的实现方式中，在完成抖动步骤之后，处理流程可以前进至确定下一像素的色带化。如果涉及彩色图像，则处理流程可以前进至相同像素的下一颜色值，或者，如果已经完成了该像素的所有颜色值，则可以前进至下一像素。

参照图7，示出了图像500的一部分中的像素的颜色值。色带505中的像素具有颜色值25，色带510中的像素具有颜色值24。在图8中，示出了图像500’。图像500’是应用检测色带化和去色带化方法的实现方式的结果。在图8中，可以看到对颜色值进行抖动的步骤的结果。颜色值从顶部线610处的相对较高的平均值逐渐变化至底部线620处的相对较低的值。

可以看到，图7中的色带505和510产生轮廓515。轮廓515是跨越整个图像500的直线，并且是色带505和色带510之间的像素值相差1的结果。一般地，轮廓515是直线并且跨越整个图像500延伸的事实均倾向于增大轮廓515的可见性。相反，由于抖动处理去除了轮廓515，因此图像500’没有这种轮廓。在产生图像500’时，抖动算法所实现的不仅是对图像500中与轮廓515直接相邻的像素进行抖动。更合理地，至少在该实现方式中，抖动算法对图像500的所有行和列中的像素进行了抖动。当然，其他实现方式不需要如此大范围地进行抖动。

图9是示出了处理器700和存储器710的简化框图。处理器700可以被配置为实现这里所述的一个或多个实现方式中所述的方法的步骤。例如，处理器700可以被配置为对图像的一部分进行评估以确定色带的存在，和/或确定图像的一部分是否具有色带。存储器710可以包括程序代码，该程序代码包括使处理器710执行这种处理步骤的指令。存储器710也可以包括用于对色带检测和去色带化步骤前后的数字图像进行存储的存储位置。

在实现方式中，可以在编码器中执行检测色带化和对检测到色带化的图像区域进行去色带化的步骤。例如，在根据压缩标准(如MPEG-2数字压缩标准)进行编码的步骤之前，可以执行这些步骤。

例如，可以在解码器中，或在解码之后的后处理器中执行检测色带化和对检测到色带化的图像区域进行去色带化的步骤。例如，在对来自压缩视频流的图像进行解码的步骤之后，以及在将该流提供给显示器驱动器之前，可以执行这些步骤。按照这种方式构造了至少两个实现方式。第一实现方式使用的显示器在比解码器的输出图像更低的比特深度下操作。在第一实现方式中，在检测色带化和去色带化处理之前或期间，减小解码器的输出图像的比特深度。第二实施例使用的显示器在比解码器的输出图像更高的比特深度下操作。在该第二实现方式中，在检测色带化和去色带化处理之前或期间，增大解码器的输出图像的比特深度。

例如，可以在滤波器中执行检测色带化和对检测到色带化的图像区域进行去色带化的步骤。例如，可以在已经对图像执行滤波步骤之后，或在滤波器输出滤波的图像之前执行这些步骤。

例如，可以在编码器中，或在编码之前的预处理器中执行检测色带化和对检测到色带化的图像区域进行去色带化的步骤。例如，可以对图像执行颜色量化以减小要编码的数据量。在颜色量化之后，以及在对图像进行编码之前，可以执行检测色带化和去色带化的步骤。

实现方式可以使用与-1、0和1不同或除-1、0和1之外的偏移值来进行色带化检测、确定色带化检测中的规模和/或应用算法来减小色带化。

任一抖动方法的实现方式可以使用±n的抖动(其中n＞1)来取代以±1的颜色值对像素进行抖动。

在任一抖动方法中，在处理数字图像序列时，可以包括将时间相关因子添加至抖动概率的步骤。例如，对于给定像素I(x，y，t)，该方法考虑前一帧中相同位置处的像素(即I(x，y，t-1))的抖动参数。例如，在确定当前像素的抖动参数时，可以考虑在前一帧中位于相同位置的像素的抖动参数。实现这一点的一种方式是添加时间相关因子，该因子确保像素的抖动参数变换平滑而不会在帧与帧之间突然变化。在一个实现方式中，不使用前一帧中位于相同位置的像素，而采用前一帧中的相应运动补偿像素(即I(x-m_x，y-m _y，t-1))。

在各实施例中，针对彩色图像中的像素的所有颜色分量，可以同时选择规模。作为示例，置信度的计算可以考虑所有颜色分量而不是仅考虑一个分量。

实现方式可以包括以下一个或多个优点：(1)减小不同规模的色带化伪像的可见性，(2)在具有与输入图像相同或更高比特深度的输出图像中，减小色带化伪像的可见性，(3)添加的噪声水平相对较低，(4)保留图像中的细微细节，包括在平坦区域中出现的较小细节。例如，参照图5，示出了小对比区域340、341。参照图6，示出了应用实现方式之后的图像300’。小对比区域340、341仍然可见。

例如，可以以方法或过程、设备或软件程序来实现这里描述的实现方式。即使仅在单一实现形式的环境中进行了讨论(例如，仅作为方法来讨论)，也可以以其他形式(例如设备或程序)来实现所讨论的特征的实现方式。例如，可以以合适的硬件、软件或固件来实现设备。例如，可以以设备，例如处理器来实现方法，所述处理器一般称为处理设备，包括例如：计算机、微处理器、集成电路或可编程逻辑器件。处理设备也包括通信设备，例如计算机、蜂窝电话、便携式/个人数字助理(“PDA”)以及便于在终端用户之间通信信息的其他设备。

可以以各种不同装备或应用，特别是例如与数据编码和解码相关联的装备或应用，来实现这里所述的各种过程和特征的实现方式。装备的示例包括：视频编码器、视频解码器、视频编解码器、web服务器、机顶盒、膝上电脑、个人计算机、蜂窝电话、PDA以及其他通信设备。应当清楚，该装备可以是移动的，甚至可以安装在移动车辆上。

此外，可以通过由处理器执行的指令来实现方法，这种指令可以存储在处理器可读介质上，例如集成电路、软件载体或其他存储设备，例如硬盘、CD、随机存取存储器(“RAM”)或只读存储器(“ROM”)。这些指令可以形成有形地体现在处理器可读介质上的应用程序。例如，指令可以作为硬件、固件、软件或其组合。例如，可以在操作系统、独立应用或两种组合中找到指令。因此，处理的特征可以在于例如被配置为执行过程的设备以及包括具有用于执行过程的指令的计算机可读介质在内的设备。

对本领域技术人员而言显而易见地，实现方式可以产生信号，所述信号被格式化为承载信息，例如可以对该信息进行存储和传送。该信息可以包括例如用于执行方法的指令，或由所述实现方式之一产生的数据。例如，可以将这种信号格式化为例如电磁波(例如使用频谱的射频部分)或基带信号。所述格式化可以包括例如对数据流进行编码以及对具有编码数据流的载波进行调制。信号承载的信息可以是例如模拟或数字信息。如已知的，可以通过各种不同的有线或无线链路来传送信号。

已经描述了多个实现方式。但是，将理解，可以进行各种修改。例如，可以对不同实现方式的元素进行组合、补充、修改或去除，以产生其他实现方式。此外，本领域技术人员将理解，可以使用其他结构和过程来替代所公开的结构和过程，与所公开的实现方式相比，所产生的实现方式将至少以实质上相同的方式，至少执行实质上相同的功能，以至少实现实质上相同的结果。相应地，通过本申请可以想到这些和其他实现方式，并且这些和其他实现方式在所附权利要求的范围之内。

Claims (45)

1.一种识别数字图像中的色带化的方法，包括：

访问(100)所述数字图像；

针对所述数字图像中的特定像素，基于至少两个候选规模，确定(105)所述数字图像的至少一部分是否包括具有颜色差异的一个或多个色带，所述至少两个候选规模表示被进行色带化评估的区域的大小，所述至少一部分包括所述特定像素，

其中，确定至少一部分是否包括一个或多个色带包括：

针对所述至少两个候选规模，确定对所述特定像素处是否存在色带化进行指示的结果；以及

基于针对所述至少两个候选规模的所述结果，确定针对所述特定像素的最可能的色带化规模。

2.如权利要求1所述的方法，其中，确定至少一部分是否包括一个或多个色带还包括：

针对所述至少两个候选规模，在所述数字图像中基于被评估的候选规模的区域中，确定颜色值从所述特定像素的颜色值偏移了偏移值的像素的第一比值；

针对所述至少两个候选规模，在所述数字图像中基于被评估的候选规模的区域中，确定颜色值与所述特定像素的颜色值相等的像素的第二比值；以及

其中针对所述至少两个候选规模的结果是基于针对各个候选规模的第一比值和第二比值中的一个或多个来确定的。

3.如权利要求1或2所述的方法，其中，确定针对所述至少两个候选规模的结果包括：针对候选规模中的至少一个，确定第一比值和第二比值中的一个或多个是否超过阈值。

4.如权利要求1所述的方法，还包括：

确定所述数字图像包括具有颜色差异的相邻色带，导致所述相邻色带之间的轮廓；以及

对所述数字图像的至少一部分应用算法以减小所述轮廓的可见性，所述算法是基于对所述数字图像的区域中具有特定颜色值的像素的比值进行表示的值。

5.如权利要求4所述的方法，其中，应用所述算法包括：使用抖动算法来对所述部分中的像素进行抖动，所述抖动算法基于所述表示比值的值来选择所述部分中的像素的颜色值。

6.如权利要求1所述的方法，其中，最可能的规模指示所述一个或多个色带的宽度。

7.如权利要求1所述的方法，其中，所述数字图像包括多个颜色分量，并且针对每个像素的每个颜色分量来重复确定至少一个部分是否包括一个或多个色带。

8.如权利要求1所述的方法，其中，所述数字图像是单个颜色分量。

9.如权利要求1所述的方法，其中，所述数字图像包括量化的像素，并且，所述色带由量化伪像产生。

10.如权利要求1所述的方法，其中，所述一个或多个色带包括两个相邻色带，所述两个相邻色带之间的颜色差异导致所述两个相邻色带之间的轮廓。

11.如权利要求1所述的方法，其中，确定针对所述至少两个候选规模的结果包括：确定与所述至少两个候选规模相关联的置信度。

12.如权利要求11所述的方法，其中，确定所述置信度包括：使用两部分等式，所述两部分等式包括指示色带化概率的部分以及指示色带化的视觉显著性的另一部分。

13.如权利要求11或12所述的方法，确定最可能的规模是基于与所述至少两个候选规模相关联的置信度的。

14.如权利要求11-12之一所述的方法，其中，确定最可能的规模包括：选择具有满足阈值判定测试的最大置信度的规模。

15.如权利要求11-12之一所述的方法，其中，通过以下步骤来确定针对所述至少两个候选规模中至少一个的置信度：

基于至少一个候选规模来确定所述数字图像中的像素区域；以及

基于所确定的区域中的像素的颜色值来确定针对所述至少一个候选规模的置信度。

16.如权利要求15所述的方法，其中，确定置信度包括：确定所确定区域中具有至少一个所选颜色值的像素的比值。

17.如权利要求16所述的方法，其中，所述至少一个所选颜色值是基于与所确定区域中至少一个像素的颜色值的一个或多个所选偏移值来确定的。

18.如权利要求1所述的方法，其中，所述数字图像与多分量图像的至少一个分量相对应。

19.如权利要求1所述的方法，其中，所述候选规模指示色带的宽度。

20.一种识别数字图像中的色带化的方法，包括：

访问(150)所述数字图像；

对所述数字图像的至少一部分进行评估(155)，以确定具有颜色差异的一个或多个色带的存在，其中所述评估包括确定所述部分中颜色值从所述部分中特定像素的颜色值偏移了偏移值的像素的比值。

21.如权利要求20所述的方法，其中，所述评估包括：如果所确定的比值超过阈值，则确定所述部分中存在至少一个色带。

22.如权利要求20所述的方法，还包括：确定所述图像部分中颜色值从所述图像部分中的至少一个像素的颜色值偏移了第二偏移值的像素的第二比值。

23.如权利要求22所述的方法，其中，所述评估包括：

将所确定的比值与第一阈值进行比较；

将所确定的第二比值与第二阈值进行比较；以及

基于(1)将所确定的比值与第一阈值进行比较的结果以及(2)将所确定的第二比值与第二阈值进行比较的结果，来确定所述部分中是否存在至少一个色带。

24.如权利要求23所述的方法，其中，确定是否存在至少一个色带包括：如果(1)所确定的比值超过第一阈值以及(2)所确定的第二比值超过第二阈值，则确定所述部分中存在至少一个色带。

25.如权利要求20所述的方法，其中，所述偏移值是1。

26.如权利要求20所述的方法，其中，所述一个或多个色带包括两个相邻色带，所述两个相邻色带之间的颜色差异导致所述两个相邻色带之间的轮廓。

27.一种识别数字图像中的色带化的设备，包括：

用于访问(100)所述数字图像的装置；

用于针对所述数字图像中的特定像素，基于至少两个候选规模，确定(105)所述数字图像的至少一部分是否包括具有颜色差异的一个或多个色带的装置，所述至少两个候选规模表示被进行色带化评估的区域的大小，所述至少一部分包括所述特定像素，

其中，用于确定至少一部分是否包括一个或多个色带的装置包括：

用于针对所述至少两个候选规模，确定对所述特定像素处是否存在色带化进行指示的结果的装置；以及

用于基于针对所述至少两个候选规模的所述结果，确定针对所述特定像素的最可能的色带化规模的装置。

28.如权利要求27所述的设备，其中，用于确定至少一部分是否包括一个或多个色带的装置还包括：

针对所述至少两个候选规模，用于在所述数字图像中基于被评估的候选规模的区域中确定颜色值从所述特定像素的颜色值偏移了偏移值的像素的第一比值的装置；

针对所述至少两个候选规模，用于在所述数字图像中基于被评估的候选规模的区域中确定颜色值与所述特定像素的颜色值相等的像素的第二比值的装置；以及

其中针对所述至少两个候选规模的结果是基于针对各个候选规模的第一比值和第二比值中的一个或多个来确定的。

29.如权利要求27或28所述的设备，其中，用于确定针对所述至少两个候选规模的结果的装置包括：针对候选规模中的至少一个，用于确定第一比值和第二比值中的一个或多个是否超过阈值的装置。

30.如权利要求27所述的设备，还包括：

用于确定所述数字图像包括具有颜色差异的相邻色带导致所述相邻色带之间的轮廓的装置；以及

用于对所述数字图像的至少一部分应用算法以减小所述轮廓的可见性的装置，所述算法是基于对所述数字图像的区域中具有特定颜色值的像素的比值进行表示的值。

31.如权利要求30所述的设备，其中，用于应用所述算法的装置包括：使用抖动算法来对所述部分中的像素进行抖动的装置，所述抖动算法基于所述表示比值的值来选择所述部分中的像素的颜色值。

32.如权利要求27所述的设备，其中，最可能的规模指示所述一个或多个色带的宽度。

33.如权利要求27所述的设备，其中，所述数字图像包括多个颜色分量，并且针对每个像素的每个颜色分量来重复确定至少一个部分是否包括一个或多个色带。

34.如权利要求27所述的设备，其中，所述数字图像是单个颜色分量。

35.如权利要求27所述的设备，其中，所述数字图像包括量化的像素，并且，所述色带由量化伪像产生。

36.如权利要求27所述的设备，其中，所述一个或多个色带包括两个相邻色带，所述两个相邻色带之间的颜色差异导致所述两个相邻色带之间的轮廓。

37.如权利要求27所述的设备，其中，用于确定针对所述至少两个候选规模的结果的装置包括：用于确定与所述至少两个候选规模相关联的置信度的装置。

38.如权利要求37所述的设备，其中，用于确定所述置信度的装置包括：使用两部分等式的装置，所述两部分等式包括指示色带化概率的部分以及指示色带化的视觉显著性的另一部分。

39.如权利要求37至38中任一项所述的设备，确定最可能的规模是基于与所述至少两个候选规模相关联的置信度。

40.如权利要求37至38中任一项所述的设备，其中，用于确定最可能的规模的装置包括：选择具有满足阈值判定测试的最大置信度的规模的装置。

41.如权利要求37至38中任一项所述的设备，其中，通过以下来确定针对所述至少两个候选规模中至少一个的置信度：

基于至少一个候选规模来确定所述数字图像中的像素区域；以及

基于所确定的区域中的像素的颜色值来确定针对所述至少一个候选规模的置信度。

42.如权利要求41所述的设备，其中，用于确定置信度的装置包括：用于确定所确定区域中具有至少一个所选颜色值的像素的比值的装置。

43.如权利要求42所述的设备，其中，所述至少一个所选颜色值是基于与所确定区域中至少一个像素的颜色值的一个或多个所选偏移值来确定的。

44.如权利要求27所述的设备，其中，所述数字图像与多分量图像的至少一个分量相对应。

45.如权利要求27所述的设备，其中，所述候选规模指示色带的宽度。

Images