CN101632307A - 图像处理装置和图像处理方法 - Google Patents

Abstract

可以抑制由编码导致的图像质量降低。对于每个检测单位，本发明将可能仅在解码期间使用的解码重定标因子(RFr)乘以转换矩阵(D)来作为标度波动，以便计算出重定标因子(RF)来作为除法因子，并且基于在DCT系数的元素被除以重定标因子(RF)时的余数(r)来计算评估值(Y)之和(∑Y)。另外，本发明比较重定标因子(RF)和评估值(Y)之和(∑Y)之间的关系。评估值(Y)之和(∑Y)为极小处的重定标因子(RF)被用于检测在对输入图像数据的先前编码时使用的量化因子。

Description

图像处理装置和图像处理方法

技术领域

本发明涉及例如按预定的单位来检测先前编码处理使用的诸如量化矩阵或量化参数之类的事物的编码装置。

背景技术

传统上，当在电视广播台之间交换视频数据或者利用多个录像带记录器(VTR装置)来拷贝视频数据时，首先对利用MPEG(运动图片专家组)编码的视频数据进行解码，然后再对其进行编码。这就是为什么需要顺序地串联连接一编码器和一解码器的原因。

并且，这种串联系统重复编码和解码，因而视频数据的质量相应地劣化了。为了防止这种情况，可以应用所谓的“向后搜索”(backsearch)。

这里，“向后搜索”基于以下特性来计算极小值的量化步长作为适当的量化步长：如果使用先前编码处理中使用的量化步长或者是其倍数的量化步长，则DCT(离散余弦变换)系数的余数(residue)的加和变得极小。

在专利文献1中公开了一种配备有向后搜索功能的视频数据压缩装置，例如：为了防止可能由于编码器和解码器的串联连接以及编码和解码的重复而发生的视频质量的劣化，该装置使用向后搜索功能来再现先前编码处理的量化步长，并且使用与先前相同的量化步长和GOP(图片组)相位来再次对输入视频数据编码。

另一方面，取代MPEG，AVC(高级视频编码)正变得流行起来：它用于低速和低质量视频传输，例如蜂窝电话的电视电话，以及相当大的高质量视频传输，例如高清广播。AVC是包括运动补偿、帧间预测、DCP和熵编码在内的算法的组合。它可以用一半量的数据来提供与MPEG相同的质量。

并且，尤其地，对于AVC图像内(intra image)(以下称之为“AVCIntra”)，量化参数QP是基于量化的目标比特率来适当确定的，但该量化参数QP不一定与先前编码处理中使用的相同。利用与先前不同的量化参数QP可能导致由于后续量化处理的舍入而产生的畸变；多次翻录(dubbing)视频可能会损害视频数据的质量。

专利文献1：日本专利公开No.H10-174098

然而，即使AVC Intra使用与MPEG相同的检测技术来解决上述翻录问题，也可能不会起作用：翻录之所以导致视频数据质量的劣化是因为其编码系统是不同的，并且向后搜索的精确度因此降低了。

发明内容

为了解决上述问题，本发明的一种图像处理装置包括：正交变换部件，该正交变换部件通过对图像数据执行正交变换来生成变换系数，并且就与逆正交变换的关系而言，利用多个标度来对构成所述变换系数的系数元素的值执行标度变动；除法因子计算部件，该除法因子计算部件通过将所述标度变动乘以基于解码期间可能使用的多个量化因子而计算出的解码因子，来计算多个除法因子；加和计算部件，该加和计算部件对于每个检测单位，基于作为将所述变换系数的元素除以所述多个除法因子的结果而获得的余数，来计算评估值的加和；以及量化因子检测部件，该量化因子检测部件比较所述评估值的加和与所述多个除法因子的关系，并且基于所述评估值的加和为极小值的除法因子，来检测在对所述图像数据编码的先前处理中使用的量化因子。

因此，该图像处理装置能够利用除法因子来补偿DCT处理的标度变动。因此，该图像处理装置能够利用多个标度来防止余数的标度变动，并且基于余数来同等地比较每个评估值。从而，向后搜索的检测精确度提高了。

另外，本发明的一种图像处理方法包括：正交变换步骤，通过对图像数据执行正交变换来生成变换系数，并且就与逆正交变换的关系而言，利用多个标度来对构成所述变换系数的系数元素的值执行标度变动；除法因子计算步骤，通过将所述标度变动乘以基于解码期间可能使用的多个量化因子而计算出的解码因子，来计算多个除法因子；加和计算步骤，对于每个检测单位，基于作为将所述变换系数的元素除以所述多个除法因子的结果而获得的余数，来计算评估值的加和；以及量化因子检测步骤，比较所述评估值的加和与所述多个除法因子的关系，并且基于所述评估值的加和为极小值的除法因子，来检测在对所述图像数据编码的先前处理中使用的量化因子。

因此，该图像处理装置能够利用除法因子来补偿DCT处理的标度变动。因此，该图像处理装置能够利用多个标度来防止余数的标度变动，并且基于余数来同等地比较每个评估值。从而，向后搜索的检测精确度提高了。

另外，本发明的图像处理装置包括：正交变换部件，该正交变换部件对图像数据执行正交变换以生成变换系数；元素计数部件，该元素计数部件对构成所述变换系数的系数元素的每个值出现的次数进行计数，来作为元素出现次数；以及原始图像判定部件，该原始图像判定部件基于所述元素出现次数的散布状态，来判定所述图像数据是尚未经历任何编码处理的原始图像还是已经经历至少一次编码处理的非原始图像。

因此，该图像处理装置能够在向后搜索处理之前检测图像数据是原始图像还是非原始图像。这防止了向后搜索处理被错误地应用到原始图像。

一种图像处理装置包括：进位部件，该进位部件在执行8×8DCT处理作为整数DCT处理时，在对水平和垂直方向完成8×8DCT计算处理之前，在水平和垂直方向上使计算目标图像数据或变换矩阵的每个元素进位三个比特；以及借位部件，该借位部件在对水平和垂直方向完成所述8×8DCT计算处理之后，使基于DCT系数的每项系数数据借位三个比特。

因此，该图像处理装置能够减少在8×8DCT处理期间计算舍入发生的次数，从而提高计算精确度。

根据本发明，由于图像处理装置和图像处理方法能够利用除法因子来补偿DCT处理的标度变动，因此其能够利用多个标度来防止余数的标度变动，从而基于余数来同等地比较每个评估值。因此，向后搜索的检测精确度提高了。从而，可以实现能够抑制与编码相关联的图像质量下降的图像处理装置和图像处理方法。

另外，根据本发明，图像处理装置能够在向后搜索处理之前检测图像数据是原始图像还是非原始图像，并且因此防止了向后搜索处理被错误地应用到原始图像。从而，可以实现能够抑制与编码相关联的图像质量下降的图像处理装置。

另外，根据本发明，图像处理装置能够减少在8×8DCT处理期间计算舍入发生的次数，从而提高计算精确度。从而，可以实现能够抑制与编码相关联的图像质量下降的图像处理装置。

附图说明

图1是示出根据本发明第一和第二实施例的图像处理装置的示意图。

图2是示出AVC标准的转换和量化的示意图。

图3是示出当输入图像是尚未经历任何编码处理的图像时量化参数QP和余数之和∑r之间的关系的图。

图4是示出已经经历编码和解码处理的输入图像的量化参数QP和余数之和∑r之间的关系的图。

图5是示出在利用重定标(rescaling)因子RF进行规格化之后量化参数QP和余数之和∑r之间的关系的图。

图6是示出在利用重定标因子RF进行规格化并对预定区域进行校正之后量化参数QP和余数之和∑r之间的关系的图。

图7是示出根据本发明第一实施例的编码装置的配置的图。

图8(a)是示出Qmatrix检测部件的配置的图，图8(b)是示出QP检测部件的配置的图。

图9是示出宏块和内编码单元之间的关系的示意图。

图10是示出根据本发明第一实施例由编码装置的Qmatrix检测部件以片层(slice)为单位进行的量化矩阵检测处理的流程图。

图11是示出根据本发明第一实施例由编码装置的QP检测部件以宏块为单位进行的量化参数检测处理的流程图。

图12是示出根据本发明第二实施例的编码装置的图像内预测模式检测部件的流程图。

图13是示出QP和DCT系数的余数之间的关系的图。

图14是示出根据本发明第二实施例的编码装置的配置的图。

图15是示出根据本发明第二实施例的编码装置的向后搜索的原始图像判定处理的流程图。

图16是示出根据本发明第三实施例的编码装置的配置的图。

图17是提供对关于根据本发明第三实施例的编码装置的编码处理的一系列处理的详细描述的流程图。

图18是提供对码量预测处理(基本)的详细描述的流程图。

图19是提供对码量预测处理(支持活动)的详细描述的流程图。

图20是提供对码量预测处理(支持量化矩阵)的详细描述的流程图。

图21是示出当生成码量小于目标码量并且量化参数QP不是最小时码量校正处理的流程图。

图22是示出当在原始图像被输入之后each_activity_group为零并且each_position为五时的分布状态实际测量值的图。

图23是示出当在先前处理中以QP＝20编码的图像被输入之后each_activity_group为零并且each_position为五时的分布状态实际测量值的图。

图24是示出使用量化系数的原始图像判定处理的流程图。

图25是示出判定处理的流程图。

图26是提供对输入图像切换处理的详细描述的流程图。

图27是示出根据本发明另一实施例的编码装置的配置的图。

图28是提供对关于根据本发明另一实施例的编码装置的编码处理的一系列处理的详细描述的流程图。

图29是示出根据本发明第五实施例的编码装置的配置的图。

图30是提供对根据本发明第六实施例的DCT部件和量化部件的配置的详细描述的图。

图31是示出根据本发明的解码装置的配置的图。

具体实施方式

将按以下顺序参考附图详细描述本发明的最佳实施例(以下简称为实施例)：

(1)本发明的概况

(2)第一实施例(AVC向后搜索)

(3)第二实施例(向后搜索对原始/非原始图像的判定)

(4)第三实施例(向后搜索之前的预备QP检测)

(5)第四实施例(量化矩阵的设置)

(6)第五实施例(8×8整数DCT期间的计算舍入的抑制)

(1)本发明的概况

(1-1)前提

一般来说，在编码和解码处理之后在原始基带图像上发生畸变，因为AVC(高级视频编码)的编码是一个不可逆的转换。因此，在串联系统中多次翻录视频或者重复编码和解码处理将会导致视频质量由于失真而劣化。

因此，根据其中经编码的图像被解码并且随后经解码的图像被再次编码的本发明第一实施例，AVC图像内编码在在先前编码处理中使用以下三个参数之后，再次使用它们。这将图像的畸变减轻到了只观察到编码器和解码器的算术误差的水平。

(1)图像内预测模式

(2)量化矩阵(Qmatrix)

(3)量化参数(QP)

其中，第一实施例的量化矩阵检测处理尤其关注(2)；量化参数检测处理关注(3)；并且图像内预测模式检测处理关注(1)。

即，当对AVC图像内或者说AVC Intra执行翻录时，检测先前使用的量化矩阵Qmatrix、量化参数QP和图像内预测模式；并且对相同Qmatrix和QP的使用防止了量化的舍入，从而提高了翻录的质量。

这里，图1是关于根据本发明第一实施例的编码装置和方法的概念图。下面对其进行描述。

如图1所示，图像处理装置1包括第一编码部件2、第二编码部件3和向后搜索部件3。另外，向后搜索部件3包括预测模式检测部件5、量化矩阵(Qmatrix)检测部件6、以及量化参数(QP)检测部件7。

利用该配置，第一编码部件2对输入图像信息执行第一编码处理。通过评估作为将在第一编码处理的过程中获得的整数DCT系数除以作为各种量化矩阵Qmatrix和量化参数QP的组合的重定标因子(RF)的结果而获得的余数r，向后搜索部件3检测在第一编码处理中使用的量化矩阵Qmatrix、量化参数QP和图像内预测模式。并且，第二编码部件4利用在第一编码处理期间向后搜索部件3检测到的量化矩阵Qmatrix、量化参数QP和图像内预测模式来执行第二编码处理。

更具体而言，向后搜索部件3的Qmatrix检测部件6利用作为将在第一编码处理的过程中获得的整数DCT系数除以作为各种量化矩阵Qmatrix和量化参数QP的组合的重定标因子(RF)的结果而获得的余数r，来每个片层地检测量化矩阵Qmatrix。

QP检测部件7利用作为将在第一编码处理的过程中获得的整数DCT系数除以作为各种量化矩阵Qmatrix和量化参数QP的组合的重定标因子(RF)的结果而获得的余数，来每个宏块地检测量化参数QP。

另外，预测模式检测部件5检测在先前编码处理中使用的图像内预测模式。该检测到的预测模式将被第二编码部件4所使用。

首先，为了更好地理解本发明第一实施例的图像处理装置1，下面详细描述本实施例所关注的独特特性和原理。

如图1所示，根据AVC，对于Intra图像，从九种图像内预测模式中选择一种图像内预测模式，并且用所选择的图像内预测模式来从输入图像生成差异图像数据。顺便说一下，用于Intra图像的AVC被称为AVCIntra。然后，根据AVC Intra，对差异图像数据执行DCT处理，并且利用量化矩阵Qmatrix和量化参数QP的组合来对所得到的DCT系数进行量化，以生成作为量化位阶(quantization level)(量化系数)的量化数据。量化数据通过预定的编码处理被编码，并且成为编码流。在编码流中，设置了在编码处理中使用的图像内预测模式、量化矩阵Qmatrix和量化参数QP。

根据AVC，所设置的图像内预测模式、量化矩阵Qmatrix和量化参数QP被用于对量化数据进行解码。但是它无法再现在编码处理期间丢弃的余数，从而视频数据的质量相应地劣化。在下文中，视频质量的这种劣化被称为量化畸变。

例如，专业的广播装置通常会重复视频数据的编码和解码处理若干次；如果每次使用不同的图像内预测模式、量化矩阵Qmatrix和量化参数QP，则在每次编码处理中发生量化畸变，从而降低了视频数据的质量。

根据AVC Intra，当某个图像在被编码然后解码之后再被编码时，使用与先前编码相同的量化矩阵Qmatrix、量化参数QP和图像内预测模式确实可以防止量化的进一步畸变，因为先前编码处理已经消除了量化畸变。

因此，根据本发明，检测在先前编码处理中使用的量化矩阵Qmatrix、量化参数QP和图像内预测模式，然后利用它们来执行编码处理。这防止了视频数据的质量劣化。

很有可能要检测到在先前编码处理中使用的量化矩阵Qmatrix、量化参数QP或图像内预测模式的处理在下文中被称为“向后搜索”。

如上述的专利文献1中所述，根据向后搜索，对于MPEG(运动图片专家组)-2，DCT系数被除以每个量化标度Q；具有最小余数r的量化标度Q可被检测为先前编码处理中使用的量化标度Q。

然而，向AVC情况应用MPEG-2的方法降低了检测的精确度，因为AVC和MPEG-2之间存在差异：

·因为整数算术的引入，编码处理无法以与解码处理相同的方式使用DCT系数；

·解码处理的计算误差较大，从而影响了检测的精确度；

·由于余数函数关于量化参数QP具有周期，因此存在多个具有相同极小值的点。

因此，本发明的目的在于：通过将AVC用于解码，尝试按预定的单位检测先前编码处理所使用的诸如量化矩阵Qmatrix和量化参数QP之类的内容；并且再次使用它们来减小由翻录引起的量化的舍入误差，从而提高翻录的质量。

(1-2)向后搜索的原理

(1-2-1)量化参数和量化矩阵的检测

下面提供上述向后搜索的具体示例。

根据AVC Intra，解码处理通过将量化位阶乘以重定标因子RF来再现出左移六比特的整数DCT系数W，其中重定标因子RF是量化矩阵Qmatrix和量化参数QP的函数：

(W＜＜6)＝Z*RF                         ....(1)

RFr＝{V Qmatrix 2^floor(QP/6)}＞＞4      ...(2)

V：AVC的倍增因子

这样，在解码处理期间，通过将量化位阶Z乘以RF来获得整数DCT系数W。因此，在后续的编码处理中，整数DCT系数W可被RF除尽。这意味着，如果后续的编码处理将移位后的整数DCT系数(W＜＜6)除以同一RF，则所得到的余数被认为是零。因此，可以通过评估通过将移位后的整数DCT系数(Q＜＜6)除以重定标因子RF而获得的余数r的大小来检测先前编码处理中使用的量化矩阵Qmatrix和量化参数QP，其中重定标因子RF是各种量化矩阵Qmatrix和量化参数QP的组合。

除此之外，第一实施例的图像处理装置1考虑了MPEG所没有考虑到的关于AVC Intra的特性的以下第(i)至(vi)点，以便提高检测的精确度。下面描述每一点。

(i)用于编码和解码的RF的变换

根据AVC Intra，DCT部分被划分成两部；整数部，其被称为整数DCT；以及非整数部，其与量化一起被称为量化。根据AVC Intra，在编码处理和解码处理之间，整数部与非整数部相分离的点是不同的；用于编码处理的整数DCT(以下称为“DCT”)和用于解码处理的整数逆DCT(以下称为“逆DCT”)不是逆变换。这意味着编码处理的DCT系数W不同于解码处理的逆DCT系数W(以下称之为“W”)。

因此，DCT系数W和逆DCT系数W′被表达如下：

$W=\mathrm{Ax}{A}^T=\left(\begin{array}{cccc}1& 1& 1& 1\\ 2& 1& -1& -2\\ 1& -1& -1& 1\\ 1& -2& 2& -1\end{array}\right)x{\left(\begin{array}{cccc}1& 1& 1& 1\\ 2& 1& -1& -2\\ 1& -1& -1& 1\\ 1& -2& 2& -1\end{array}\right)}^T...\left(3\right)$

$x={\mathrm{CW}}^{\′}{C}^T=\left(\begin{array}{cccc}1& 1& 1& \frac{1}{2}\\ 1& \frac{1}{2}& -1& -1\\ 1& -\frac{1}{2}& -1& 1\\ 1& -1& 1& -\frac{1}{2}\end{array}\right)W^{\′}{\left(\begin{array}{cccc}1& 1& 1& \frac{1}{2}\\ 1& \frac{1}{2}& -1& -1\\ 1& -\frac{1}{2}& -1& 1\\ 1& -1& 1& -\frac{1}{2}\end{array}\right)}^T...\left(4\right)$

以上的DCT和逆DCT的式子带来了以下的关于DCT系数W和逆DCT系数W′的式子：

$W=\left(\begin{array}{cccc}1& 1& 1& 1\\ 2& 1& -1& -2\\ 1& -1& -1& 1\\ 1& -2& 2& -1\end{array}\right)x{\left(\begin{array}{cccc}1& 1& 1& 1\\ 2& 1& -1& -2\\ 1& -1& -1& 1\\ 1& -2& 2& -1\end{array}\right)}^T$

$=\left(\begin{array}{cccc}1& 1& 1& 1\\ 2& 1& -1& -2\\ 1& -1& -1& 1\\ 1& -2& 2& -1\end{array}\right)\left(\begin{array}{cccc}1& 1& 1& \frac{1}{2}\\ 1& \frac{1}{2}& -1& -1\\ 1& -\frac{1}{2}& -1& 1\\ 1& -1& 1& -\frac{1}{2}\end{array}\right)W^{\′}{\left(\begin{array}{cccc}1& 1& 1& \frac{1}{2}\\ 1& \frac{1}{2}& -1& -1\\ 1& -\frac{1}{2}& -1& 1\\ 1& -1& 1& -\frac{1}{2}\end{array}\right)}^T{\left(\begin{array}{cccc}1& 1& 1& 1\\ 2& 1& -1& -2\\ 1& -1& -1& 1\\ 1& -2& 2& -1\end{array}\right)}^T$

$=\left(\begin{array}{cccc}4& 0& 0& 0\\ 0& 5& 0& 0\\ 0& 0& 4& 0\\ 0& 0& 0& 5\end{array}\right)W^{\′}\left(\begin{array}{cccc}4& 0& 0& 0\\ 0& 5& 0& 0\\ 0& 0& 4& 0\\ 0& 0& 0& 5\end{array}\right)$

$=\left(\begin{array}{cccc}16& 20& 16& 20\\ 20& 25& 20& 25\\ 16& 20& 16& 20\\ 20& 25& 20& 25\end{array}\right)\⊗W_{\mathrm{ij}}^{\′}$

$=D_{\mathrm{ij}}\⊗W_{\mathrm{ij}}^{\′}...\left(5\right)$

这样，作为根据DCT系数W′的位置(i，j)而乘以16、20和25的结果获得了W，并且该变换矩阵对于式(6)被指定为“D”。这意味着，用于向后搜索的编码处理的RF是通过将用于解码处理的RF(以下称之为“RFr”)乘以DCT系数W和逆DCT系数W′的变换矩阵D来获得的：

$D=\left(\begin{array}{cccc}16& 20& 16& 20\\ 20& 25& 20& 25\\ 16& 20& 16& 20\\ 20& 25& 20& 25\end{array}\right)...\left(6\right)$

因此，如图2所示，根据AVC Intra，如果编码和解码处理对差异图像数据执行DCT处理并随后对其执行逆DCT处理，则解码后的差异图像数据的值按变换矩阵D的等值被向上定标。

另外，根据AVC Intra，在量化期间发生如下式所示的定标。顺便说一下，如果使用实际数字，则式(7)可被表达为式(8)。这意味着，根据AVC Intra，如果编码和解码处理对DCT系数执行量化处理和逆量化处理，则逆DCT系数的元素的值按量化误差ER的等值被向上定标：

ER＝MF×V/2¹⁵                       ...(7)

$\mathrm{ER}=\left(\begin{array}{cccc}4& 3.2& 4& 3.2\\ 3.2& 2.56& 3.2& 2.56\\ 4& 3.2& 4& 3.2\\ 3.2& 2.56& 3.2& 2.56\end{array}\right)...\left(8\right)$

因此，根据AVC Intra，解码处理将经解码的差异图像数据除以64，使得经解码的差异图像数据的值与差异图像数据处于相同的水平。

因此，根据AVC Intra，可以假定差异图像数据在被执行DCT处理时已经被乘以了变换矩阵D并且被向上定标。这意味着余数r的值被相应地向上定标：然而，值(即，系数元素)根据矩阵的位置而变化，如式(8)所示。

因此，如果DCT系数被除以解码重定标因子RF，则余数r可能依据DCT系数的位置而变得更大或更小。这造成无法简单地比较余数r。

因此，图像处理装置1通过将解码处理中使用的重定标因子(以下称之为解码重定标因子RFr)乘以变换矩阵D来计算在向后搜索处理期间用于除法的重定标因子RF：

RF＝RFr*D

＝{V Qmatrix D2^floor(QP/6)}＞＞4   ...(9)

因此，如果考虑式(5)的DCT系数W和逆DCT系数W′的变换矩阵D，则认为曾经经历了解码处理的输入图像(差异图像数据)的DCT系数W可以被{VQmatrix D2^floor(Q/P6)}除尽，并且认为余数r为零。

这使得图像处理装置1可以从余数r中消除DCT处理的向上定标的效果，并且在相同标度下比较余数。

这样，图像处理装置1通过将解码重定标因子RFr乘以变换矩阵D的值来计算重定标因子RF。因此，通过将差异图像数据除以重定标因子RF，图像处理装置1可以同时除以DCT处理所向上定标的。这减小了由向上定标引起的余数r的变化，并且因此提高了向后搜索的检测的精确度。

(ii)解码处理期间的误差

根据AVC Intra，表现出与根据周围像素预测的预测图像的差异的差异图像数据被编码。在解码处理期间，量化位阶Z被乘以解码重定标因子RFr。在此情况下，为了防止解码处理期间的计算舍入，根据该标准，解码重定标因子RFr的数字被向左移位六个比特(因此，在解码处理期间获得向左移位六比特的逆DCT系数)。

因此，逆量化处理和逆DCT处理是利用向左移动六比特的数字来执行的。在将预测图像和其数字已被向左移动六比特的那个加起来之后，加法的结果被向右移动六比特以获得基带图像。在将数字向右移动六比特之后，较低的六比特被舍入，从而导致算术误差E。在此情况下，在随后的编码处理之后将会获得的移位后的DCT系数(W＜＜6)可能不被除以重定标因子RF。

本发明因此检测余数r最小的量化参数QP，而不是余数r为零的量化参数QP。

在解码处理的算术误差E为负数的情况下，将实际余数r与从重定标因子r中减去余数r的结果相比较，并且将较小的那个视为评估值Y。

下面描述RF为3600并且DCT系数W为7200的情况。

如果没有算术误差E，则余数r被表达如下：

r＝W％RF

＝7200％3600＝0                      ...(10)

事实是无法估计算术误差E。但是如果E为-2并且余数r被简单地认为是评估值Y，则获得以下式子，并且难以以最小值的形式来检测它：

Y＝r＝(W+E)％RF＝3598                ...(11)

这里，如上所述，如果将实际余数r与从重定标因子r中减去余数r的结果相比较，并且将较小的那个视为评估值Y，则获得以下式子，并且评估值Y是算术误差E的绝对值：

Y＝min[r，(RF-r)]＝min[3598，2]＝2   ...(12)

因此，本发明的图像处理装置1根据式(12)来计算评估值Y并且检测评估值Y最小的量化参数QP。这使得图像处理装置1可以利用适当的评估值Y来检测适当的量化参数QP。

(iii)余数曲线的特性和量化参数QP的周期

如果尚未经历任何编码处理的图像被输入，并且通过将移位6比特的DCT系数(W＜＜6)除以各种量化参数QP的重定标因子RF来计算余数r，则获得如图3所示向上斜坡曲线：该图的水平轴表示量化参数QP，而垂直轴表示余数r之和(∑r)。

类似地，如果已经经历了编码和解码处理的图像被输入，并且通过将移位6比特的DCT系数(W＜＜6)除以各种量化参数QP的重定标因子RF来计算余数r，则获得如图4所示的曲线：该图的水平轴表示量化参数QP，而垂直轴表示余数r之和(∑r)。在此情况下，即使余数r之和(∑r)具有最小值，从左到右它仍是向上倾斜的。当量化参数QP变小时，余数r之和(∑r)也变小，而无论是否已经进行了编码和解码处理。

因此，如果简单地将一个量化参数QP的余数r之和(∑r)与另一个量化参数QP的余数r之和(∑r)相比较，比先前编码处理中使用的量化参数QP小的量化参数QP可能被错误地检测为最小的。为了防止这种情况，它使用作为利用重定标因子RF来对余数r的值进行规格化的结果而获得的评估值Y。

图5示出了此时评估值Y之和(∑Y)和量化参数QP之间的关系。从图5明显可见，先前编码处理中使用的量化参数QP的评估值Y之和(∑Y)小于其数字被移动了6n的量化参数QP的评估值Y之和(∑Y)。

另外，如图3和4所示，可能存在这样一个范围，其中在(|W|＜＜7)≤RF的情况下量化参数QP的评估值Y(余数r的绝对值)变得平坦；在重定标因子RF的规格化之后，该范围单调减小(参见图5)，并且可能成为检测误差的原因。

在此情况下，即使除以相同的重定标因子RF，随着DCT系数W增大，余数r在统计上也变得较大。因此，在利用DCT系数的绝对值|W|来对余数进行定标之后，利用重定标因子RF对其进行规格化。因此，如果能够提供较大的余数的DCT系数W实际上提供较小的余数，则认为它不是偶然发生的，因此可以对其进行加权(它通常对低频分量加权，因为低频分量对于低频分量具有较大的DCT系数W)。

图6示出了评估值Y之和(∑Y)与量化参数QP之间的关系，其中该评估值Y之和(∑Y)的余数r被利用DCT系数的绝对值|W |来定标，然后被利用重定标因子RF来规格化。从该图明显可见，就先前编码处理中使用的量化参数QP的评估值Y之和(∑Y)和其数字已被移动了6n的量化参数QP的评估值Y之和(∑Y)而言，图6和图5之间基本上没有差异。

另外，图像处理装置1可以仅在(|W|＜＜7)＞RF的范围(其中评估值Y之和(∑Y)形成斜坡)中执行重定标因子RF的规格化，而在其他范围中则使用DCT系数的值|W|来作为评估值Y。

如图6所示，这使得图像处理装置1可以防止这样的情形，即，由于重定标因子RF的规格化而造成评估值Y之和(∑Y)在(|W|＜＜7)≤RF的范围中变得最小，并且错误的量化参数QP被识别为先前使用的量化参数QP。

(iv)量化参数QP的周期

根据AVC Intra，如果量化参数QP在±6的范围中变化，则重定标因子RF变大±2倍。因此，如果一个量化参数QP的余数r之和(∑r)具有最小值，则QP±6n(n＝1，2，...)的余数r之和(∑r)可具有最小值(参见图4)。

因此，如果以简单的方式来评估上述的评估值E，则可能检测到其数字已被移动6n的量化参数。因此，如果比其余数r之和(∑r)为最小的量化参数QP大6n的量化参数QP具有最小值，则图像处理装置1使用该量化参数QP。

更具体而言，图像处理装置1选择其∑r(余数r之和)比其他的小的五个量化参数QP，并且按其∑r的升序将其存储在队列中；图像处理装置1随后将∑r最小的QP与∑r第二小的另一QP相比较，并且如果其间的差异为6n，则图像处理装置1选择较大的QP。另外，图像处理装置1将所选择的量化参数QP与∑r第三小的量化参数QP相比较，并且如果其间的差异为6n，则图像处理装置1替换它以选择较大的QP。

这样，如果已经检测到余数r之和(∑r)的多个极小值，图像处理装置1则选择值比其他大6n的量化参数QP，即使其余数不是最小的。这防止了图像处理装置1将值已被移位6n的量化参数QP错误地识别为先前编码处理中使用的量化参数QP。

另外，图像处理装置1检查所检测到的余数r之和(∑r)的周期是否是6n，以避免将偶然极小值检测为先前编码处理中使用的量化参数QP。

(v)减少计算量的方法

本发明的图像处理装置1以与上述的处理各种量化参数QP的方法相同的方式来计算重定标因子RF，并且利用根据余数r计算的评估值Y来检测先前编码处理中使用的量化参数QP。因此，计算和评估的量随着可能的量化参数QP的数目增加而增加。为了防止这一点，如果能够大致估计先前编码处理中使用的量化参数QP的值，图像处理装置1则只评估估计值附近的量化参数QP，从而减少了计算量。

顺便说一下，也可通过例如作为第三实施例描述的利用量化系数的原始图像判定处理来计算该量化参数QP。还可以根据输入图像数据的活动等等来估计它。

(vi)考虑包括以下在内的其他条件

即使图像内预测模式与先前编码处理的不同，只要执行如以上(iv)中提到的6n的替换，就可以维持检出率。这对于能够大致估计量化参数QP的值的情况同样成立。这关注的是预测模式与先前编码处理的不同时发生的问题。然而，即使预测模式与先前编码处理的不同，本实施例可以应对这种情况。

假定存在若干种量化矩阵Qmatrix样式(并且每一种例如可由ID号来标识)。

因此，在图像处理装置1中，随着量化矩阵Qmatrix变化，重定标因子RF也变化。图像处理装置1因此需要检测量化矩阵Qmatrix以及量化参数QP。

在以宏块为单位改变量化矩阵Qmatrix和量化参数QP的组合的同时，图像处理装置1针对每个量化矩阵Qmatrix和每个量化参数QP来计算重定标因子RF。顺便说一下，如参考图4时所提到的，余数r的最小值关于量化参数QP具有6n的周期；即使在量化参数QP存在6n的差异，只要它能够检测到量化矩阵Qmatrix，那就没有问题。因此，如果能够大致地估计先前编码处理中使用的量化参数QP的值，图像处理装置1就可以只评估包括所估计那个在内的六个接连的量化参数QP。

因此，考虑到以上特性，本发明的图像处理装置1执行量化矩阵检测处理来检测先前的量化矩阵Qmatrix，然后利用检测到的量化矩阵Qmatrix执行量化参数检测处理来检测量化参数QP。

(1-2-2)图像内预测模式的检测

对于AVC的内帧，再次使用在翻录的先前编码处理中使用的图像内预测模式是防止图像质量下降的一个有效措施。因此，图像内预测模式检测处理的特征是通过仅利用输入图像数据及其余数r执行计算来检测先前编码处理中使用的图像内预测模式。

根据如上针对AVC Intra所述的量化矩阵检测处理和量化参数检测处理，在解码处理期间量化位阶Z被乘以作为量化矩阵Qmatrix和量化参数QP_K的函数的重定标因子RF，并且解码处理的结果是其数字被向左移动了6比特的DCT系数W。由于DCT系数的分布随着内预测模式变化而变化，因此余数r很有可能不是零。

因此，如图9所示，以上的量化矩阵检测处理和量化参数检测处理是按宏块执行的；宏块MB为16×16个像素。另一方面，图像预测是按内编码单位执行的：内编码单位IA例如使用4×4的子宏块。即，子宏块MB包含16(4×4)内编码单位IA。

图像处理装置1先检测码量为最小图像内预测模式，然后在检测到的图像内预测模式中执行以上的量化矩阵检测处理和量化参数检测处理。此时，检测到的图像内预测模式不一定与先前编码的图像内预测模式相同。但是，因为它使用码量最小的图像内预测模式，所以预期许多16内编码单位IA为先前编码的图像内预测模式。

在此情况下，如上所述，图像处理装置1逐个宏块地利用余数r之和(∑r)来检测极小值。因此，即使16内编码单位IA包含与先前使用的不同的图像内预测模式，图像处理装置1也可以基于许多先前编码的图像内预测模式来适当地检测量化矩阵Qmatrix和量化参数QP。

因此，在检测量化矩阵Qmatrix和量化参数QP之后，图像处理装置1使用该量化矩阵Qmatrix和量化参数QP，改变每个内编码单位IA的图像内预测模式，并且利用余数r之和(∑r)来检测极小值。这使得图像处理装置1可以对于宏块MB的所有内编码单位IA检测先前编码的图像内预测模式。

即，基于量化矩阵检测处理和量化参数检测处理的上述概念，图像内预测模式检测处理检测余数最小的图像内预测模式：如果已经知道先前编码处理中使用的量化矩阵和量化参数，则它将九种图像内预测模式的DCT系数中的每一个移位6比特，并且将结果(W＜＜6)除以重定标因子RF，以检测余数r最小的图像内预测模式。

除此之外，为了提高检测的精确度，图像处理装置1考虑了以下这点，这一点归因于AVC Intra的特性并且是MPEG所没有考虑的。即，图像内预测模式检测处理考虑了以下的第(vii)点，并且考虑了量化矩阵检测处理和量化参数检测处理的上述第(i)和(ii)点。

(vii)DCT系数的分布

随着图像内预测模式变化，差异的值也变化。这最终导致DCT系数的分布的变化。因此，一般来说，认为将子宏块中的余数r之和除以不为零的DCT系数的数目并且每个样本地比较余数，是合理的。

然而，实际情况是如果选择了先前编码处理中使用的预测模式，则不为零的DCT系数的数目由于预测的高精确度而减少；如果选择与先前预测方向不同的模式，则不为零的DCT系数的数目增加。

因此，图像内预测模式将余数r之和(∑r)乘以不为零的DCT系数的数目，而不是将余数r之和(∑r)除以不为零的DCT系数的数目。可以断定，这对与先前预测方向不同的模式的余数r之和(∑r)赋予了数值惩罚。

将余数r之和(∑r)乘以不为零的DCT系数的数目的结果被视为评估值Y。一种预测模式的评估值Y被与另一种的相比较，并且评估值Y最小的预测模式被认为是先前编码处理中使用的预测模式。

本发明的图像处理装置1的预测模式检测部件5考虑了上述的特性点之一或者(vii)，并且选择适当的预测模式。

(2)第一实施例

(2-1)编码装置的配置

下面参考图7描述根据本发明第一实施例的编码装置10的配置。顺便说一下，编码装置10对应于图1的图像处理装置1。另外，向后搜索部件30对应于向后搜索部件3，参数编码器50对应于第二编码部件4，预测模式检测部件33对应于预测模式检测部件5，Qmatrix检测部件31对应于Qmatrix检测部件6，并且QP检测部件32对应于QP检测部件7。

如图7所示，编码装置10包括第一遍预编码器20、向后搜索部件30、第二遍参数编码器50、码量控制部件40、Qmatrix/QP决定部件41、以及图像内预测模式决定部件45。更具体而言，第一遍预编码器20包含图像内预测模式判定部件21、整数DCT部件22、以及量化部件23、熵计算部件24。向后搜索部件30包含Qmatrix检测部件31、QP检测部件32和图像内预测模式检测部件33。然后，第二遍参数编码器50包括图像内预测处理部件51、整数DCT部件52、量化部件53、以及熵编码部件54。顺便说一下，这采用了两遍编码方法；但是当采用其他多遍编码方法时，基本概念是相同的。

这里，图8(a)示出了Qmatrix检测部件31的配置的具体示例；图8(b)示出了QP检测部件32的配置的具体示例。

如图8(a)所示，Qmatrix检测部件31包括余数计算部件31a、评估值判定部件31b、以及Qmatrix判定部件31c。如图8(b)所示，QP检测部件32包括余数计算部件32a、评估值判定部件32b、以及QP判定部件32c。

利用以上配置，输入图像被输入到第一遍预编码器20中。

更具体而言，输入图像被输入到图像内预测模式判定部件21中。图像内预测模式判定部件21从九种图像内预测模式中选择最适当的一种；输入图像利用周围像素从预测图像生成差异图像数据，并且图像内预测模式判定部件21将其输入到整数DCT部件22中。

整数DCT部件22通过离散余弦变换的正交变换从差异图像数据生成DCT系数W，并且将其提供到量化部件23和向后搜索部件3。

在接收到DCT系数W之后，量化部件23对DCT系数进行量化以生成量化数据。由于该量化，从量化部件23输出的量化位阶Z被提供到熵计算部件24。

熵计算部件24对量化位阶Z进行二进制化并对其进行算术编码以生成编码流，并且将其提供到码量控制部件40。基于编码流的生成码量，码量控制部件40为参数编码器50的码量控制处理估计量化矩阵Qmatrix和量化参数QP，并将它们发送到Qmatrix/QP决定部件41。

同时，按片层从整数DCT部件22提供到向后搜索部件30的DCT系数W被输入到Qmatrix检测部件31中。Qmatrix检测部件31使用余数计算部件31a来将DCT系数W除以各种量化矩阵Qmatrix的重定标因子RF，并且将结果提供给评估值判定部件31b。遵循以上(iii)中描述的概念，评估值判定部件31b将余数r转换成评估值Y，并且将它们提供给Qmatrix判定部件31c。Qmatrix判定部件31c比较各种量化矩阵Qmatrix的评估值Y，并且输出评估值Y最小的量化矩阵Qmatrix作为先前处理中使用的量化矩阵Qmatrix。顺便说一下，Qmatrix检测部件31的量化矩阵检测处理将在下文中详细描述。

检测到的量化矩阵Qmatrix被提供给QP检测部件32。余数计算部件32a将DCT系数W除以各种量化参数QP的重定标因子RF，并且将结果提供给评估值判定部件32b。评估值判定部件32b使用由评估值Qmatrix检测部件31检测到的量化矩阵Qmatrix并通过遵循以上(iii)中描述的概念将余数r转换成评估值Y，并且将它们提供给QP判定部件32c。QP判定部件32c比较各种量化参数QP的评估值Y，并且输出评估值Y最小的量化参数QP作为先前处理中使用的量化参数QP。顺便说一下，QP检测部件32的量化参数检测处理将在下文中详细描述。

检测到的量化参数QP被提供给Qmatrix/QP决定部件41。Qmatrix/QP决定部件41决定它是要使用由第一遍预编码器20估计的量化矩阵Qmatrix和量化参数QP还是由向后搜索部件30检测到的量化矩阵Qmatrix和量化参数QP。一般地，如果输入图像数据是尚未经历任何编码处理的原始图像，则这意味着向后搜索的失败，因为尚未执行编码处理；因此，将使用由第一遍预编码器20的编码处理所估计的。相反，如果输入图像不是原始图像并且已经经历了编码处理，则将使用向后搜索部件30所检测的来防止量化失真的再发生。

另外，由向后搜索部件30检测到的先前编码处理中使用的量化参数QP和量化矩阵Qmatrix还被提供给图像内预测模式检测部件33。利用量化参数QP和量化矩阵Qmatrix，图像内预测模式检测部件33执行上述的图像内预测模式检测处理以检测先前的图像内预测模式。顺便说一下，图像内预测模式检测部件33的图像内预测模式检测处理将在下文中详细描述。先前预测模式被提供给图像内预测模式决定部件45。图像内预测模式决定部件45决定它将使用第一遍编码的其中绝对差之和SAD变得最小的第一预测模式，还是由图像内预测模式检测部件33检测到的先前预测模式。

因此，基于量化矩阵Qmatrix和量化参数QP，图像内预测模式检测部件33检测先前预测模式。先前预测模式被提供给图像内预测模式决定部件45。图像内预测模式决定部件45判定它将使用第一遍编码的其中绝对差之和SAD变得最小的第一预测模式，还是由图像内预测模式检测部件33检测到的先前预测模式。

具体而言，如果输入图像数据是尚未经历任何编码处理的原始图像，则意味着向后搜索的失败，因为尚未执行编码处理；因此，将使用图像内预测模式判定部件21估计的那个。相反，如果输入图像不是原始图像并且已经经历了编码处理，则将使用图像内预测模式检测部件33检测到的那个来防止量化失真的再发生。

第二遍参数编码器50如上所述使用由Qmatrix/QP决定部件41决定的量化矩阵Qmatrix和量化参数QP以及由图像内预测模式决定部件45决定的图像内预测模式来对输入图像编码，然后将其输出作为编码流。

更具体而言，图像内预测处理部件51把由图像内预测模式决定部件45决定的图像内预测模式视为最适当的图像内预测模式，利用周围像素的预测图像从输入图像生成差异图像数据，并且将差异图像数据提供到整数DCT部件52中。整数DCT部件52在离散余弦变换的正交变换之后以DCT系数W的形式输出差异图像数据。量化部件53将DCT系数W视为输入到其中的数据，使用由Qmatrix/QP决定部件41决定的量化矩阵Qmatrix和量化参数QP进行量化，并且将量化位阶Z提供给熵编码部件54。熵编码部件54对量化位阶Z进行二进制化并对其进行算术编码，并且将其输出作为编码流。

(2-2)处理过程

(2-2-1)量化矩阵检测处理

下面参考图10提供对根据本发明第一实施例的编码装置10的Qmatrix检测部件25进行的以片层为单位的Qmatrix检测处理的详细描述，图10示出了量化矩阵检测处理的过程RT1。这也相当于本实施例的图像信息编码方法。

顺便说一下，在图10的情况下，只有当每个DCT系数的绝对值|W|小于或等于规格化阈值时(即，当|W|＜＜7小于或等于RF时)，编码装置10才利用重定标因子RF对余数r进行规格化以计算评估值Y；如果DCT系数的绝对值|W|大于规格化阈值，编码装置10则将余数r视为评估值Y。并且，编码装置10基于评估值Y最小的重定标因子RF来检测量化矩阵Qmatrix。

Qmatrix检测部件31接收由整数DCT部件21计算出的DCT系数W的绝对值|W|，并且从先前编码处理中可能使用的量化矩阵Qmatrix和量化参数QP中确定初始值(步骤S1)。

然后，Qmatrix检测部件31通过以宏块为单位改变量化矩阵Qmatrix和量化参数QP的组合来为每个量化矩阵Qmatrix和每个量化参数QP计算重定标因子RF。此时，余数计算部件31a对于片层中的每个样本，通过将|W|＜＜6除以重定标因子RF来计算余数r(步骤S2)。顺便说一下，如以上参考图4时提到的，余数r的最小值关于量化参数QP具有6n的周期。即使在量化参数QP之间存在6n的差异，只要图10的处理能够检测到量化矩阵Qmatrix，也不会有问题；只要能够大致估计先前编码处理中使用的量化参数QP的值，那么如果利用包含所估计的QP在内的六个接连的量化参数QP来进行评估，就不会有问题。

然后，评估值判定部件31b判定|W|＜＜7是否大于RF。如果是，评估值判定部件31b则认为利用重定标因子RF进行了规格化(或者重定标)的余数r是评估值Y(步骤S4)；如果否，评估值判定部件31b则认为|W|＜＜6是评估值Y(步骤S5)。这样，对于宏块的256(16×16)个样本，评估判定部件25b把通过将移位后的DCT系数(W＜＜6)除以重定标因子RF并随后根据以上(iii)进行规格化和校正而获得的余数r视为评估值，并且对每个量化矩阵Qmatrix和每个量化参数QP计算评估值Y之和(步骤S6至S8)。

这样，对于所有可能的量化矩阵Qmatrix和量化参数QP计算了评估值Y(步骤S7处的“是”)。此后，Qmatrix判定部件31c以片层为单位比较评估值Y之和(步骤S9)，其中这些评估值Y之和中的每一个是针对每个量化矩阵Qmatrix和每个量化参数QP计算的。Qmatrix判定部件31c检测加和(∑Y)最小的量化矩阵Qmatrix，并且将其视为先前处理中使用的量化矩阵Qmatrix(步骤S10)，并且输出量化矩阵Qmatrix的ID号。

顺便说一下，编码装置10可以例如在步骤S2的处理之前通过将余数乘以DCT系数的绝对值|W|来计算加权的乘法值，利用重定标因子RF对该乘法值进行规格化，然后将其视为评估值Y。在此情况下，即使每个DCT系数的绝对值|W|是较大的范围，编码装置10也可以通过增大该范围的评估值Y来避免错误地检测它。这使得编码装置10可以将规格化的值视为评估值Y。

另外，以下情况也是可能的：例如，编码装置10将余数r视为评估值Y来检测极小值，并且如果检测到多个极小值，则在确认了量化参数QP的极小值具有6n的周期之后，检测较大的量化参数QP作为先前编码处理中使用的量化参数QP。

(2-2-2)量化参数检测处理

下面参考图11提供对根据本发明第一实施例的编码装置10的QP检测部件32进行的以宏块单位的量化参数QP的检测处理的详细描述，图11示出了量化参数检测处理的过程RT2。这也相当于本实施例的图像信息编码方法。

顺便说一下，在图11的情况下，只有当每个DCT系数的绝对值|W|小于或等于规格化阈值时(即，当|W|＜＜7小于或等于RF时)，编码装置10才利用重定标因子RF对余数r进行规格化以计算评估值Y；如果DCT系数的绝对值|W|大于规格化阈值，编码装置10则将余数r视为评估值Y。并且，编码装置10基于评估值Y最小的重定标因子RF来检测量化参数QP。

QP检测部件32接收由整数DCT部件22计算出的DCT系数W的绝对值|W|，并且利用检测到的量化矩阵Qmatrix，以宏块为单位对每个量化参数QP计算重定标因子RF。如果已经知道量化参数QP的大致值，QP检测部件32则在该QP周围设置检测目标区域，从而减少计算量。在从先前编码处理中可能使用的量化参数QP中计算了初始值之后(步骤S21)，QP检测部件32判定宏块中的所有DCT系数的绝对值|W|是否都是零(步骤S22)。如果所有DCT系数的绝对值|W|都是零，QP检测部件32则认为它不能检测到量化参数(步骤S23)。即，如果宏块中的所有DCT系数的绝对值|W|都是零，则将余数除以量化参数QP的结果将是零：QP检测部件32因此无法检测到量化参数QP，因此它放弃检测处理。

相反，如果在步骤S22中宏块中的所有DCT系数的绝对值|W|不都是零，QP检测部件32的余数计算部件32a则通过将移位后的DCT系数(|W|＜＜6)(这是针对宏块中的256(16×16)个之中的每个样本的)除以利用式(9)计算出的重定标因子RF来计算余数r(步骤S24)。

然后，评估值判定部件32b判定|W|＜＜7是否大于RF(步骤S25)。如果是，评估值判定部件32b则将利用重定标因子RF进行了规格化的余数r视为评估值Y(步骤S26)；如果否，评估值判定部件32b则将|W|＜＜6视为评估值Y(步骤S27)。即，对于宏块的256(＝16×16)个样本，评估判定部件32b把通过将移位后的DCT系数(W＜＜6)除以RF并随后根据以上(iii)进行规格化和校正而获得的余数r视为评估值Y，并且对每个量化参数QP计算加和(∑Y)(步骤S28)。

然后，评估值判定部件32b判定是否已经计算出了所有可能的量化参数QP的评估值Y(步骤S29)。如果尚未计算出所有可能的量化参数QP的评估值Y，评估值判定部件32b则改变量化参数QP(步骤S30)，并且重复步骤S26、S28和S29的处理。

这样，在已经计算出所有量化参数QP的评估值Y之后(步骤S29)，QP判定部件32c以宏块为单位比较QP的评估值Y之和(∑Y)(步骤S31)，将加和最小的量化参数QP视为先前处理中使用的量化参数(步骤S32)，并且输出该量化参数QP的值。

此时，排除量化参数小于6的范围。这是因为，值小于6的量化参数QP在例如小于200Mbps的实际范围中是很少使用：排除它则有助于提高检出率。

如上所述，本发明第一实施例的编码装置10的Qmatrix检测部件31几乎一定能够通过使用每个片层的余数r来从编码处理期间获得的DCT系数检测出先前编码处理中使用的Qmatrix。另外，编码装置10的QP检测部件32几乎一定能够通过使用每个宏块的余数r来从编码处理期间获得的DCT系数检测出先前编码处理中使用的QP。并且，编码装置10再次使用检测到的量化矩阵Qmatrix和量化参数QP来减小由翻录导致的量化的舍入误差，从而提高了翻录的质量。另外，编码装置10引入了变换矩阵D。这使得编码装置10可以同等地使用编码的DCT系数和解码的DCT系数。另外，编码装置10利用余数r对DCT系数W加权并利用重定标因子RF对其进行关系信息，从而提高了检测的精确度。

另外，编码装置10考虑了从AVC引入的量化参数QP具有6n的周期这个事实：如果比其余数r为最小的量化参数QP大6n的量化参数QP的余数r具有极小值，编码装置10则将该量化参数QP视为先前编码处理中使用的量化参数QP，即使它不具有最小值。并且，如果已经知道先前编码处理中使用的量化参数QP的大致值，则编码装置10在评估量化参数QP时在该值周围的±n的范围中改变量化参数QP。这减少了计算量。

(2-2-3)图像内预测模式检测处理

下面参考图12来提供对根据本发明第一实施例的编码装置10的图像内预测模式检测部件33进行的预测模式检测处理的详细描述，图10示出了图像内预测模式检测处理的过程RT3。这也相当于本实施例的图像信息编码方法。

首先，图像内预测模式检测部件33将与预测图像的绝对差之和(即，差异图像数据的绝对值之和)最小的图像内预测模式视为初始值(步骤S51)。然后，图像内预测模式检测部件33对相对于预测图像的差异图像数据执行DCT处理(步骤S52)。图像内预测模式检测部件33通过把作为对于4×4子宏块中的每个样本将DCT系数W向左移位6比特的结果而获得的|W|＜＜6除以RF来计算余数r(步骤S53)。

然后，图像内预测模式检测部件33把将余数r之和乘以DCT系数的偶数的结果视为评估值Y(步骤S56)。

然后，图像内预测模式检测部件33判定是否已经计算了不认为具有一屏幕的所有可能的图像内预测模式的评估值Y(步骤S57)。如果尚未计算所有的评估值Y，则图像内预测模式检测部件33切换到绝对差之和SAD为第二小的预测模式(步骤S58)，并且重复步骤S52至S57的处理。然后，如果判定已经计算出了所有可能的图像内预测模式的评估值Y(步骤S57处的“是”)，图像内预测模式检测部件33则比较图像内预测模式的评估值(步骤S59)，将评估值Y最小的图像内预测模式视为先前处理中使用的预测模式(步骤S60)，并且结束处理。

如上所述，本发明第一实施例的编码装置10以算术方式从输入图像检测先前编码处理中使用的图像内预测模式，因此避免了由AVC内帧的翻录导致的量化失真的再发生。因此，编码装置10可以提高翻录的S/N比和视觉性能。

另外，当编码装置10在图像内预测模式之间比较子宏块中相对于预测图像的绝对差之和SAD时，比较是从绝对差之和SAD比其他的小的那些开始的。这也意味着比较是从很有可能用于先前编码处理中的图像内预测模式开始的。例如，选择绝对差之和SAD较小的预定数目(例如3个)的图像内预测模式并且比较它们将减少计算量。另外，由于变换矩阵D的引入，编码装置10可以同等地对待编码处理的DCT系数和解码处理的DCT系数。

除此之外，不论先前编码处理中使用了什么图像内预测算法，编码装置10都可以进行检测；即使在第一编码处理中使用了考虑视觉性能的图像内预测方法，该算法也可用于翻录。

以上已经描述了本发明的实施例，但是本发明并不限于此。在不脱离本发明范围的情况下，可以进行各种修改和变化。

例如，上述的第一和第二实施例的图像信息编码处理装置和方法也可以实现为由计算机执行的程序以及存储该程序的记录介质。这可以提供与以上方法相同的操作和效果。

(2-3)操作和效果

利用上述配置，编码装置10对输入图像数据或图像数据执行作为正交变换的DCT处理，并且生成DCT系数作为变换系数。根据AVC，例如利用式(5)对逆DCT处理(这是一种逆正交变换)所描述的，编码装置10此时按包括多个标度的变换矩阵D的等值，在标度方面改变构成DCT系数的系数元素的值。

编码装置10将解码重定标因子RFr乘以变换矩阵D来计算重定标因子RF，其中解码重定标因子RFr是根据解码处理中可能使用的多个量化因素计算出的解码因子，变换矩阵D是标度变动，重定标因子RF是多个除法因子。另外，编码装置10按检测单位来计算评估值Y之和(∑Y)，该评估值Y之和(∑Y)是基于作为将DCT系数的元素除以重定标因子RF的结果而获得的余数r的。

然后，编码装置10比较重定标因子RF和评估值Y之和(∑Y)之间的关系；基于评估值Y之和(∑Y)为极小值的重定标因子RF，编码装置10检测出在对差异图像数据编码的先前处理中使用的量化因子。

因此，当将DCT系数除以重定标因子RF时，编码装置10将DCT系数除以变换矩阵D来补偿DCT处理的向上定标，从而余数r的值被根据矩阵位置的多个值向上定标。

结果，编码装置10对余数r的比较处理是很简单的。这使得编码装置10可以通过检测基于余数r的评估值Y之和(∑Y)的极小值来检测对差异图像数据编码的先前处理中使用的量化因子。

因此，由于编码装置10能够利用先前编码处理中使用的量化因子来执行编码处理，所以可以防止翻录的量化舍入，从而维持了差异图像数据的图像质量。

编码装置10检测为作为量化单位的每个宏块设置的量化参数QP来作为量化因子。在此情况下，编码装置10将宏块设置为检测单位。

编码装置10检测为每个片层设置的量化矩阵Qmatrix来作为量化因子，其中片层是编码单位，并且DCT系数的系数元素的值是在片层中确定的。在此情况下，编码装置10将片层设置为检测单位。

为了生成多个差异图像数据项，编码装置10利用预定的图像内编码方法来对输入图像数据编码，其中每种图像内编码方法是对一个不同的内编码单位IA(4×4子宏块)设置的，内编码单位IA是图像内编码单位。编码装置10随后基于在使用检测到的量化参数QP和量化矩阵Qmatrix时获得的评估值Y之和(∑Y)，从差异图像数据项之中检测对输入图像数据编码的先前处理中使用的一种图像内编码方法。在此情况下，编码装置10将片层设置为检测单位。

如上所述，量化参数QP具有参数周期：重定标因子RF随着量化参数QP的值增大6而加倍。因此，对于评估值Y之和(∑Y)，比先前编码处理中使用的量化参数小6n的量化参数QP可能具有来自评估值Y之和(∑Y)的极小值。

此时，对于评估值Y之和(∑Y)，随着量化参数QP变小，评估值Y之和(∑Y)也变小。编码装置10把作为将余数r除以重定标因子RF的结果而获得的除法值视为评估值Y，以使得先前编码处理中使用的量化参数QP的值为最小值。

另外，如果检测到多个极小值，编码装置10则基于评估值Y最小的重定标因子RF来检测对差异图像数据编码的先前处理中使用的量化因子。

结果，编码装置10能够检测先前编码处理中使用的量化参数QP，从而简化检测处理。

另外，如果DCT系数的绝对值|W|或者说系数元素的绝对值小于规格化阈值，编码装置10则把通过将余数r除以重定标因子RF而获得的除法值视为评估值Y；如果DCT系数的绝对值|W|大于或等于规格化阈值，编码装置10则把余数r视为评估值Y。

因此，由于在重定标因子RF很大的范围中利用重定标因子RF进行了规格化，所以编码装置10可以防止评估值Y之和(∑Y)变得太小，从而适当地检测到先前编码处理中使用的量化参数QP。

另外，编码装置10通过将余数乘以系数元素来计算乘法值，并且通过将乘法值除以重定标因子RF来计算除法值，并且将除法值视为评估值Y。

这样，编码装置10利用DCT系数对评估值Y加权；因为在重定标因子RF很大的范围中利用重定标因子RF进行了规格化，所以编码装置10可以防止评估值Y之和(∑Y)变得太小，从而适当地检测先前编码处理中使用的量化参数QP。

另外，当检测到多个极小值时，编码装置10确认在检测到这些极小值时使用的重定标因子RF是否是按源于量化参数QP的参数周期来检测到的。并且，如果编码装置10判定它是该参数周期，则编码装置10基于值较大的重定标因子RF来检测对差异图像数据编码的先前处理中使用的量化因子。

这样，编码装置10可以不加改变地使用余数r作为评估值Y，而不需要执行诸如加权或规格化之类的处理。因此，可以省略计算评估值Y的处理。

另外，编码装置10将解码处理中可能使用的多个解码重定标因子指定为搜索范围。因此，编码装置10不必计算所有解码重定标因子(即，所有量化参数QP和量化矩阵Qmatrix)的评估值Y之和(∑Y)：向后搜索处理的负担因此可得以减轻。

另外，编码装置10基于量化参数QP和量化矩阵Qmatrix来计算重定标因子。在源于量化参数QP的参数周期的一个周期(即，6)的范围内，编码装置10比较重定标因子和评估值Y之和(∑Y)之间的关系，从而检测出在对差异图像数据编码的先前处理中使用的量化矩阵Qmatrix。

因此，编码装置10不对所有量化参数QP执行处理，从而减轻了处理负担。

另外，利用检测到的量化矩阵Qmatrix，编码装置10基于通过改变重定标因子RF的量化参数QP的值而计算出的评估值Y之和(∑Y)来检测量化参数QP。

因此，编码装置10仅在那之后在检测量化参数QP，以便减少要处理的重定标因子RF的数目。这减轻了处理负担。

另外，编码装置10对于按图像内预测模式生成的每个差异图像数据项，计算根据使用了检测到的量化矩阵Qmatrix和量化参数QP的重定标因子RF来计算出的评估值Y之和(∑Y)。然后，在差异图像数据项之中，编码装置10检测与从中检测到评估值Y之和(∑Y)的极小值的差异图像数据项相对应的图像内预测模式，来作为先前编码的图像内预测模式。

这意味着编码装置10执行的处理数目等于图像内预测模式的数目。因此，编码装置10可以很容易地检测图像内预测模式。

根据上述配置，编码装置10基于通过将DCT系数除以重定标因子RF计算出的余数来检测量化参数QP，其中重定标因子RF是作为将解码重定标因子RFr乘以变换矩阵D的结果而获得的。

因此，即使对于DCT处理和逆DCT处理之间的关系发生标度变动，编码装置10也可以防止余数r的值发生标度变动：编码装置10通过比较余数r来适当地检测量化参数QP，从而提高了向后搜索的检测的精确度。

从而，根据本发明，可以实现能够防止在编码处理期间图像质量劣化的图像处理装置和图像处理方法。

(2-4)其他实施例

在上述的第一实施例中，是根据AVC来执行处理的。然而，本发明并不限于此。也可以根据其他标准来执行处理。简言之，本发明可以应用到所有这样的方法，即就正交变换和逆正交变换之间的关系而言，这些方法利用多个标度而导致了系数元素的值的标度变化。然而，本发明并不限于正交变换：即使当就编码处理和相应的解码处理之间的关系而言发生类似的标度变动时也可以获得相同的效果。

另外，在上述的第一实施例中，正交变换是DCT处理。然而，本发明并不限于此。也可使用其他正交变换，例如小波变换。另外，作为DCT变换，它可以是也执行分数部分的计算的DCT变换。

另外，在上述的第一实施例中，本发明被应用到4×4DCT处理。然而，本发明并不限于此。例如，它可被应用到8×8DCT处理或16×16DCT处理。通过根据所执行的处理来替换式(5)中变换矩阵A和C的部分，可以计算出表示变动标度的变换矩阵D。

另外，在上述第一实施例中，是以片层单位来设置量化矩阵Qmatrix的。然而，本发明并不限于此。例如，也可以逐图片地设置它们。

另外，在上述第一实施例中，是按以下顺序来检测先前编码处理中使用内容物的：量化矩阵Qmatrix、量化参数QP，然后是图像内预测模式。然而，本发明并不限于此。也可以应用另外的顺序。然而，在进行比较之前，可以对量化矩阵Qmatrix、量化参数QP和图像内预测模式的所有组合应用循环制处理。

另外，在上述第一实施例中，作为图像处理装置的编码装置10包括：作为正交变换部件的整数DCT部件22；充当除法因子计算部件和加和计算部件的余数计算部件32a；作为量化因子检测部件的评估判定部件32b；以及作为量化因子检测部件的QP检测部件32。然而，本发明并不限于此。本发明的图像处理装置可由具有多种公平性的正交变换部件、除法因子计算部件、加和计算部件和量化因子检测部件构成。

(3)第二实施例

(3-1)本发明的原理

对于仅限Intra帧的AVC(AVC Intra)，为了提高翻录的质量，翻录补偿电路曾被引入到编码处理中，以执行上述的量化矩阵检测处理和量化参数检测处理。

一般地，翻录补偿电路被用于从输入图像的信息中检测先前编码处理所使用的，其中包括量化参数。在该处理之前，翻录补偿电路首先判定它是否是原始图像(即，尚未经历任何编码处理的输入图像)。如果它是原始图像，翻录补偿电路则需要执行通常的码量控制处理；它关闭补偿电路或者命令后续的编码部件不得使用由补偿电路检测到的参数。已经提出了用于针对MPEG或AVC判定是否是原始图像的算法。但是它需要相对大的电路来进行判定，因为它经常每个帧地使用统计值。因此，就LSI的功耗和芯片大小而言，它们可能成为设计产品时的缺陷。

因此，根据第二实施例，向被称为向后搜索的补偿电路中引入了原始图像判定部件，从而防止了当输入图像是原始图像是补偿电路不适当地工作。

具体而言，将原始图像判定部件结合到作为过去提出的翻录补偿电路的向后搜索中；对在向后搜索处理期间获得的参数进行计数以判定是否是原始图像。因此，即使不向其添加另外的较大的电路，对原始图像判定部件以及向后搜索的使用也使得可以判定是否是原始图像。以下提供详细描述。

(1)利用来自输入图像的信息的DCT系数的余数来判定是否是原始图像。

(2)基于在向后搜索电路内检测到的量化参数QP来判定是否是原始图像。

下面描述第二实施例所关注的点。

如以上参考式(1)和(2)时所提到的，根据AVC Intra，在解码处理期间，作为量化矩阵Qmatrix和量化参数QP的函数的解码重定标因子RFr被乘以量化位阶Z，并且解码的结果是数字已被向左移动六个比特的DCT系数W。

因此认为，如果DCT系数W是从已经经历了一次编码处理和一次解码处理的输入图像获得的并且其数字已被向左移动六比特，则它可被除以包括在先前处理中使用的量化矩阵Qmatrix和量化参数QP的解码重定标因子RF。顺便说一下，根据AVC Intra，在编码处理和解码处理之间，DCT被划分为整数部分和非整数部分的划分位置是不同的；编码处理中的DCT系数因此与解码处理中的DCT系数是不等同的。为了使得编码处理中的DCT系数等同于解码处理中的，需要变换：可以使用以上式(7)中提及的变换矩阵D。

实际情况是，此时仍不知道先前处理中使用的量化参数QP。因此，包括由码量控制部件大致计算出的量化参数QP周围的各种量化参数QP在内的重定标因子RF被用于计算DCT系数的余数r；给定每个宏块的总值，经历了至少一次编码处理和一次解码处理的输入图像(下文中将此图像称为“非原始图像”)与“非原始图像”具有类似的趋势，如图13所示。从此图明显可见，在非原始图像上，对于先前处理中使用的量化参数QP，余数r之和(∑r)的极小值出现了。

理论上，如果数字已被向左移动六比特的DCT系数W被除以包含先前编码处理中使用的量化参数QP的重定标因子RF，则余数r变为零。然而，如上所述，由于实际处理的计算误差，余数很少变为零；在此情况下先前编码处理中使用的量化参数QP具有余数的极小值。另外，根据AVCIntra的公式，随着量化参数QP减小6，RF变为1/2。因此，比先前编码处理中使用的量化参数QP小6n的量化参数QP也具有余数r的极小值。

同时，如图13所示，尚未经历任何编码和解码处理的输入图像(下文中将该图像称为“原始图像”)往往不具有这样的极小值，如图13所示。

从图13明显可见，一般地，余数随着量化参数QP变大而变大，而无论它们是否已经经历编码和解码处理。这是由一种统计特性引起的，根据该统计特性，余数r随着除数(RF)变大而变大。

这里，关注的是极小值：因为极小值在非原始图像上出现，它就成为了余数r的最小值；因为对于原始图像的单调增大，在量化参数的搜索范围中值最小的量化参数QP往往具有余数r的最小值。因此，本发明扩大量化参数QP的搜索范围，并且对最小的量化参数QP具有余数r的最小值的次数(宏块的数目)进行计数。

换言之，在加宽后的量化参数QP的搜索范围内，本发明每个宏块地计算余数r之和(∑r)(即，评估值Y之和(∑Y))。并且，如果其余数r之和(∑r)最小的量化参数QP是该搜索范围中的最小值，本发明则判定在该宏块中可能存在原始图像，并随后对该宏块计数。

并且，如果一帧的总值超过某一阈值，则判定该帧是原始图像，然后命令后续的编码部件使用码量控制部件而不是翻录补偿电路。这取决于对量化参数QP的搜索精确度，但是，根据与此实施例有关的实验，如果阈值被设置在80[％](即，计数得到的宏块的数目大于帧的宏块总数的80[％])，则可以对25个样本适当地执行检测处理。

这样，本发明检测每个宏块的余数r之和(∑r)的极小值是否存在。因此，它可以适当地判定输入图像数据是原始图像还是非原始图像。

(3-2)编码装置的配置

下面参考图14描述根据本发明的第二实施例的编码装置11。由于编码装置11的基本配置与上述第一实施例(图7)的基本相同，因此用与图7的相应部件相同的符号来表示图14的部件。另外，省略对相同部件的描述。另外，对于先前编码处理中使用的量化矩阵Qmatrix和量化参数QP，第二实施例使用与第一实施例相同的算法。

在图14中，主要特征在于还包括原始图像判定部件34a和QP计数部件34b的QP检测部件34。原始图像判定部件34a以与上述相似的方式判定是原始图像还是非原始图像。如果是原始图像，则建立源标志。

Qmatrix/QP决定部件41根据是否存在源标志，来判定对于量化矩阵Qmatrix和量化参数QP，它将使用预编码器20(1遍)估计的还是向后搜索部件30检测到的。这对于图像内预测也同样成立，根据是否存在源标志，图像内预测模式决定部件45判定它将使用在预编码器20(1遍)中绝对差之和(SAD)变得最小的预测模式还是由图像内预测模式检测部件33检测到的预测模式。

(3-3)通过向后搜索进行的原始图像判定处理的过程

下面参考图15提供对根据本发明第二实施例的编码装置11的QP检测部件34进行的每宏块地检测量化参数QP的处理的详细描述，图15示出了通过向后搜索进行的原始图像判定处理的过程RT4。这相当于本发明的图像信息编码方法。

顺便说一下，取代量化参数检测处理RT2，编码装置11执行通过向后搜索进行的原始图像判定处理的过程RT4。在此之前，执行量化矩阵检测处理RT1(图10)；在此之后，执行预测图像模式检测处理RT3(图12)。

在步骤S80，编码装置11的QP检测部件34执行量化参数检测处理RT2的步骤S21至S32的处理，然后进行到下一步骤S81。

然后，QP检测部件34利用QP计数部件34b来执行对量化参数QP的计数处理。即，QP计数部件34b判定检测到的量化参数QP是否是检测目标量化参数QP中最小的那个(步骤S81)。如果QP计数部件34b判定这是最小的量化参数QP，QP计数部件34b则递增minQPCount，然后进行到下一步骤S83(步骤S82)，其中minQPCount是量化参数QP的最小值的计数值。相反，如果它判定这不是最小的量化参数QP，QP计数部件34b则进行到步骤S83。在步骤S83，QP计数部件34b递增totalQPCout，这是量化参数QP的总数的计数值(步骤S83)。

然后，QP计数部件34b判定对帧中的所有MB的检测是否已经完成(步骤S84)。如果它判定检测尚未完成，QP计数部件34b则选择下一宏块(步骤S85)，然后重复步骤S301之后的那些处理。相反，如果它判定已经完成检测，QP计数部件34b则利用原始图像判定部件34a开始原始图像判定处理。

具体而言，原始图像判定部件34a判定作为最小量化参数QP的计数值的minQPCount与作为量化参数QP的总数的计数值的totalQPCout的比率是否大于预定的定额(在此情况下是80％)(步骤S86)。如果它判定占totalQPCout的比率小于或等于预定的比率，原始图像判定部件34a则将输入图像视为非原始图像(将源标志设置为零)(步骤S87)。相反，如果它判定占totalQPCout的比率大于预定的比率，原始图像判定部件34a则将输入图像视为原始图像(将源标志设置为1)(步骤S87)。然后，原始图像判定部件34a结束处理。

因此，上述第二实施例的编码装置11仅通过使用来自输入图像数据的信息就几乎一定可以检测出输入图像是否是原始图像。另外，编码装置11可以将检测结果通知给后续的参数编码器50。这防止当输入图像数据是原始图像时错误地使用翻录补偿电路，并且提高了编码后的原始图像的质量。另外，由于编码装置11可以将检测结果通知给后续的参数编码器50，所以当输入图像数据是非原始图像时可以启用翻录补偿电路，从而提高了编码后的非原始图像的质量。

(3-4)操作和效果

利用以上配置，编码装置11对DCT系数进行量化以生成量化数据，然后对于每个宏块设置量化参数QP以使得作为基于量化数据的流的编码流中的码量变得更接近目标码量。如果它判定输入图像数据是原始图像，编码装置10则基于由码量控制部件40设置的量化参数QP来对输入图像数据进行量化。相反，如果它判定输入图像数据是非原始图像，编码装置10则基于由向后搜索部件30检测到的量化参数QP来对输入图像数据进行量化。

这样，编码装置11可以根据输入图像数据是原始图像还是非原始图像来利用适当的量化参数QP执行量化。这防止了编码后的图像的质量劣化。

另外，基于在其中检测到极小值的宏块的比率，编码装置11判定输入图像数据是原始图像还是非原始图像。

因此，基于由向后搜索处理检测到的量化参数QP的值，编码装置11可以通过执行简单的处理来适当地判定输入图像数据是原始图像还是非原始图像。

编码装置11将解码处理中可能使用的解码因子中的一部分设置为搜索范围。编码装置10对与极小值相对应的量化参数的最小值是该搜索范围内的量化参数的最小值的情形的最小次数进行计数，并且对为每个被处理的宏块执行图像数据处理的次数进行计数(即，它对所执行的处理的次数进行计数)。并且，基于最小次数与所执行的处理的次数的比率，编码装置10判定输入图像数据是原始图像还是非原始图像。

这样，编码装置11仅仅通过执行对最小次数和所执行处理的次数进行计数并且在其间进行比较这样的简单处理就可以适当地判定输入图像数据是原始图像还是非原始图像。

根据上述配置，编码装置11可以依据输入图像是否是原始图像来改变用于量化的量化参数，并且提高编码后的图像的质量。

(3-5)其他实施例

在上述第二实施例中，对输入图像是否是原始图像的判定是基于量化参数的最小值是搜索范围中的量化参数的最小值的比率来进行的。然而，本发明并不限于此。例如，可以实际检测极小值以判定输入图像是否是原始图像。另外，用于判定的比率可以根据判定而变化。

另外，在上述的第二实施例中，对输入图像是否是原始图像的判定是每个图片地进行的。然而，本发明并不限于此。例如，它可以每个片层或者每个GOP地进行。另外，可以不对所有图片进行对输入图像是否是原始图像的判定：例如，可以仅对GOP的最前端图片进行。

(4)第三实施例

(4-1)本发明的概况

首先，根据本发明的第三实施例，预测用于实现目标码量的量化参数QP，然后利用该量化参数QP来执行实际编码处理。因此，生成码量变得等于目标码量。这样，在考虑到视觉性能的情况下，可以确定代码的分配或者量化参数。

其次，确定先前编码处理期间图片中的平均量化参数和量化矩阵，并且如果判定它是在先前处理中被编码的图像，则将输入数据视为输入图像数据，而不使用局部解码的图像。这提高了向后搜索检测的精确度。这是特性之一。以下详细描述它们。

根据第三实施例，编码装置12采用诸如MPEG4Part10：AVC(运动图片专家组第4阶段第10部分：高级视频编码)或者另外的算术编码之类的图像编码方法。为了在码量控制处理期间在图片中实现适当的代码分配，编码装置12执行如下所述的独特的处理。

(4-1-1)MB目标码量的计算

如图16所示，编码装置12具有充当第一编码装置2的图像内处理部件204、DCT部件205、量化部件206、逆量化部件207、IDCT部件208和缓冲器209。编码装置12还包括充当第二编码部件4的参数编码器300和充当向后搜索部件3的向后搜索部件210。

编码装置12利用第一预编码器100和第二预编码器200两次执行预编码，以预测可以实现目标码量(即，变得接近目标码量)的量化参数QP，并且将该量化参数QP用于实际编码处理。尤其地，第一预编码计算作为DCT(离散余弦变换)和量化之后的量化系数的绝对值的量化系数绝对值level的熵，因此大致估计每个宏块的MG生成码量。

在此情况下，编码装置12使用第一预编码器100来执行第一预编码：它首先使用用于量化的量化参数QP之中的最小量化参数QP，对每个值出现的次数计数，根据最小量化参数QP的出现次数来计算每个量化参数QP的出现次数，并且根据该值来计算每个量化参数QP的熵。

另外，编码装置12根据由第一预编码器100计算出的熵来为每个量化参数QP计算预测生成码量，然后计算预测量化参数QPd或者说图片中的平均值，以实现目标码量。在此情况下，由于熵的计算被应用到使用量化矩阵Qmatrix的情况，因此编码装置12对DCT块(即，由DCT系数表示的矩阵)的每个位置的出现次数进行计数。

另外，为了使码量控制部件109能够使得熵计算适应于自适应量化，编码装置12根据活动(Activity)将宏块(MB)分类成组，然后针对根据活动确定的每个组，对出现次数计数。

由于它根据量化矩阵Qmatrix的图片来自适应地进行切换，因此码量控制部件109使用这样的量化参数QP：该量化参数QP是用于使用平坦量化矩阵Qmatrix(即，意味着不使用Qmatrix)的情况的，并且是用来实现目标码量的。然后，码量控制部件109利用量化参数QP来切换量化矩阵Qmatrix。如果所确定的量化矩阵Qmatrix不是平坦的，码量控制部件109则再计算用于使用量化矩阵Qmatrix的情况的量化参数QP。

编码装置12利用第二预编码器200来执行第二预编码，并且利用由第一预编码器计算出的量化参数QP(以下称之为预测量化参数QPd)和量化矩阵Qmatrix来进行编码。编码装置12获得MB生成码量，基于MB生成码量和目标MB生成码量之间的差异来校正预测量化参数QPd，并且计算基本量化参数Q_MB。实际编码处理使用由第二预编码器计算出的基本量化参数Q_MB。

(4-1-2)对先前编码处理中使用的量化参数QP的估计

当像MPEG4AVC那样采用使用诸如DCT之类的正交坐标变换的图像编码方法时，编码装置12还配备有以下功能以便从DCT后的系数分布检测离散分布的状态。

编码装置12使用Qmatrix/Base QP检测部件108来大致估计先前编码处理的图片中的量化参数QP的平均值(以下称之为估计量化参数QPe)和先前编码处理的量化矩阵Qmatrix(以下之为估计量化矩阵QmatrixE)。此时，编码装置12将输入到其中的视为输入图像数据，而不会使用局部解码的图像。这提高了向后搜索检测的精确度。此时，编码装置12使用码量控制部件109，将没有找到估计量化参数QPe和估计量化矩阵QmatrixE的情形视为原始图像，并且判定它是原始图像还是在先前编码处理中编码的图像。

另外，如果它将其视为原始图像并且作为图片中的平均值的预测量化参数QPd太大，则输入值切换处理部件203切换输入图像以使用输入级的低通滤波器，从而提高图像的主观质量。相反，如果它将其视为在先前编码处理中编码的图像(非原始图像)，编码装置12则将估计量化参数QPe和估计量化矩阵QmatrixE设置在向后搜索部件210中，从而对向后搜索处理的搜索范围施加限制，并且减小电路大小。除此之外，当被应用了长GOP的编码的信号被输入时，它被用于Intra图片的判定。

即，编码装置12执行码量预测处理。编码装置12首先在第一预编码器100的第一预编码处理期间利用最小量化参数QP执行量化，并且使用熵计算部件107来预测其他量化参数QP的预测生成码量。并且，编码装置12预测在输入图像是原始图像时将要使用的预测量化参数QPd和预测量化矩阵QmatrixD。

此时，第一预编码器100利用量化系数执行原始图像判定处理。第一预编码器100使用在以最小量化参数QP执行量化时使用的量化系数来判定输入图像是原始图像还是非原始图像。如果输入图像是非原始图像，第一预编码器100则估计先前编码处理中使用的量化参数周围的量化参数QP(即，估计量化参数QPe)，并且为向后搜索处理确定搜索范围。另外，第一预编码器100估计先前编码处理中使用的量化矩阵Qmatrix(即，估计量化矩阵QmatrixE)。

如果第一预编码器100判定输入图像是原始图像，第二预编码器200则将向后搜索部件210关闭。另外，根据由第一预编码器100预测出的每个图片的预测量化参数QPd，第二预编码器200选择是否对输入图像执行低通滤波处理。然后，第二预编码器200使用预测量化参数QPd来执行第二预编码处理，基于实际生成码量和目标码量之间的差异来对例如预测量化参数QPd进行校正，并且计算基本量化参数Q_MB。

相反，如果第一预编码器100判定输入图像是非原始图像，第二预编码器200则开启向后搜索部件210。然后，利用由第一预编码器100确定的基于估计量化参数QPe的搜索范围和估计量化矩阵QmatrixE，第二预编码器200执行向后搜索处理，并且检测先前编码处理中使用的量化参数QP。顺便说一下，由向后搜索处理检测到的量化参数QP在下文中被称为检测量化参数QPb。

并且，如果输入图像是原始图像，参数编码器300使用基本量化参数Q_MB和预测量化矩阵QmatrixD来执行实际编码处理。相反，如果输入图像是原始图像，参数编码器300则使用检测量化参数QPb和估计量化矩阵QmatrixE来执行实际编码处理。

考虑到上述这些特征，下面提供对第三实施例的详细描述。

(4-2)编码装置的配置

如图16所示，编码装置12包括执行第一预编码处理的第一预编码器100，执行第二预编码处理的第二预编码器200、执行实际编码处理的参数编码器300、码量控制部件109、低通滤波处理部件201、延迟缓冲器202、以及宏块决定部件212。

更具体而言，第一预编码器100包括活动决定部件101、图像内预测模式决定部件102、图像内预测处理部件103、DCT部件104、量化部件105、位阶测量部件106、熵计算部件107、以及Qmatrix/Base QP检测部件108。第二预编码器200包括输入值切换处理部件203、图像内预测处理部件204、DCT部件205、量化部件206、逆量化部件207、IDCT部件208、缓冲器209、向后搜索部件210、以及码长计算部件211。并且参数编码器300包括图像内预测处理部件302、DCT部件303、量化部件304、逆量化部件305、IDCT部件306、缓冲器307、以及编码部件308。

利用此配置，输入图像数据首先进入图像内预测模式决定部件102，并且图像内预测模式被决定。所判定的模式将被用在第二预编码器200和参数编码器300中。

然后，图像内预测处理部件103计算输入图像数据和输入图像数据的周围像素之间的差异来生成差异图像数据。输入图像数据充当这些周围像素。图像内预测处理部件103不是使用预测图像数据而是使用输入图像数据作为周围像素。这防止了预测图像数据的误差累积，这种误差累积可能由于重复预测而发生，如果预测图像数据被用作周围像素的话。结果，图像内预测处理部件103可以提高Qmatrix/Base QP检测部件108检测到量化矩阵Qmatrix和基本量化参数Base QP的检出率。另外，这样就可以省略第二预编码器200所具有的量化部件、IDCT部件和其他处理部件。

然后，DCT部件104执行诸如离散余弦变换之类的处理，并且将DCT系数提供给量化部件105。量化部件105对DCT系数执行量化处理以生成量化系数。量化部件105所输出的经由位阶测量部件106被提供给熵计算部件107；计算熵；并且对所有量化参数QP计算码量。

此时，熵计算部件107计算预测量化参数QPd和预测量化矩阵Qmatrix的值，以使得生成码量变得更接近目标生成码量。熵计算部件107将它们提供给Qmatrix/Base QP检测部件108。另外，位阶测量部件106检测量化系数的位阶，并且将位阶测量的结果经由熵计算部件107提供给Qmatrix/Base QP检测部件108。Qmatrix/Base QP检测部件108检测输入图像是否与未曾被先前编码处理所编码的原始图像有关。同时，Qmatrix/Base QP检测部件108获得估计量化矩阵QmatrixE和估计量化参数QPe。

同时，输入图像还被输入到活动决定部件101中。活动决定部件101对每个宏块计算活动，并且按活动将宏块分类成组。活动决定部件101将指派给宏块的活动组(Activity Group)号输入到位阶测量部件106和码量控制部件109中。

如果被Qmatrix/Base QP检测部件108检测为原始图像，码量控制部件109则计算预测量化参数QPd(这是由第一预编码器100计算出的每个图片的平均值)以及预测量化矩阵QmatrixD，并且将它们与每个宏块的活动组一起提供给第二预编码器200。

因此，第二预编码器200执行第二预编码处理。在第二预编码处理之后，第二预编码器200获得在使用预测量化参数QPd和预测量化矩阵QmatrixD时的生成码量。然后，码量控制部件109基于所获得的生成码量对预测量化参数QPd进行校正，并且生成图片的基本量化参数Q_MB。此时，第二预编码器200绕过向后搜索部件210。

此时，如果图片的预测量化参数QPd非常大并且其失真明显，第二预编码器200则使用输入图像切换处理部件203来使输入图像通过低通滤波处理部件201。这样，输入图像切换处理部件203使输入图像经历低通滤波处理，从而减轻视觉失真。

另外，如果Qmatrix/Base QP检测部件108检测到量化矩阵Qmatrix和基本量化参数Base QP(即，输入图像是非原始图像)，则第二预编码器200使用输入图像切换处理部件203来改变其用作预测图像数据的事物。即，输入图像切换处理部件203不是将从缓冲器209提供来的局部解码的图像输入到图像内处理部件204中作为预测图像数据，而是将从延迟缓冲器202提供的输入图像数据输入到图像内处理部件204中作为预测图像数据。结果，图像内处理部件204使用输入图像数据作为预测图像数据，从而提高了向后搜索处理期间向后搜索部件210的检出率。

如果它开始向后搜索处理，第二预编码器200则使用向后搜索部件210来获得以宏块为单位帮助最小化量化失真的量化参数QP。此时，向后搜索部件210使用基于估计量化参数QPe的搜索范围和估计量化矩阵QmatrixE，来执行与第一实施例相同的量化参数检测处理。

如果Qmatrix/Base QP检测部件108判定输入图像是原始图像，则宏块决定部件212控制参数编码器300利用经第二预编码器200校正的基本量化参数Q_MB来执行实际编码处理。

相反，如果判定输入图像是非原始图像，宏块决定部件212则控制参数编码器300利用由Qmatrix/Base QP检测部件108估计出的估计量化矩阵QmatrixE和由向后搜索部件210检测到的检测量化参数QPb来执行实际编码处理。

然后，参数编码器300在宏块决定部件212的控制下使用由第一预编码器100计算出的图像内预测模式来对输入图像数据执行实际编码处理。

(4-3)目标码量的计算处理

(4-3-1)应对活动

下面参考图17来详细描述关于根据本发明第一实施例的编码装置的编码的一系列处理，图17示出了三遍编码处理的过程RT11。

活动决定部件101首先基于输入图像数据计算每个宏块的活动，并且根据计算出的值来将宏块分类到活动组中(步骤S101)。

具体而言，假定宏块被分类到1至NumOfActivityGroup的组中：活动决定部件101将计算出的宏块的活动值与用于将宏块分类到活动组中的阈值(ActivityThreshold[0]至ActivityThreshold[NumOfActivityGroup-2])相比较；活动决定部件101判定活动值在某个阈值范围内的活动组属于宏块的活动组。利用以下式子，通过向作为每个图片的平均值的量化参数QP(BaseQP)添加取决于活动组的偏移量AdaptQpDelta来计算出考虑到活动的每个宏块的自适应量化参数Qpt：

QPt＝BaseQp+AdaptQpDelta[activity_group]                        ...(13)

例如，如果活动组NumOfActivityGroup为13，则取决于它的偏移量AdaptQpDelta的每个值被表达如下：

AdaptQpDelta[13]＝{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6} ...(14)

即，活动决定部件101可以通过向属于活动组“0”至“12”之一的宏块的量化参数QP添加值-6、-5、-4、-3、-1、0、1、2、3、4、5和6中的每一个来计算自适应量化参数Qpt。

因此，当对关于每个量化参数QP的生成码量进行预测时，熵计算部件107使用利用式(14)计算出的自适应量化参数Qpt。

(4-3-2)第一预编码处理

(4-3-2-1)基本处理

然后，第一预编码器100使用图像内预测模式决定部件102来确定图像内预测模式(步骤S102)，并且开始第一预编码处理(步骤S103)。

第一预编码处理的目的是通过计算DCT和量化之后数据的熵来大致估计生成码量。由于使用算术编码的图像压缩编码方法可以实现接近其理论极限的压缩效率，因此利用熵来预测码量。

在经过图像内预测处理部件103的图像内预测处理和DCT部件104的DCT之后，其在DCT之后的值被量化部件105利用最小量化参数QP来进行量化，并且位阶测量部件106对量化系数的每个值的绝对值出现的次数进行计数。因此，如果量化系数的绝对值的可能范围是从0到MaxLevel_In_MinQ，位阶测量部件106对量化系数的每个绝对值出现的次数进行计数，即Count[0]到Count[MaxLevel_In_MinQ]。

在此情况下，最小量化参数QP指是的是预期使用的量化参数QP中最小的。例如，如果已经知道由于低比特率而不会使用最小量化参数，则可以排除这个部分。

随着要使用的量化参数QP增大，MaxLevel_In_MinQ减小；位阶测量部件106因此可以减少它使用的计数器的数目。然而，由于缺少信息，因此无法计算出在使用小于量化参数QP的量化参数QP时的码量。顺便说一下，位阶测量部件106对量化后量化参数的绝对值出现的次数进行计数；它是为了减少计数器的数目。如果对于计数器的数目没有限制，则它可以对DCT系数(这是量化之前的值)出现的次数进行计数。此计算是对一个图片的所有部分执行的。

然后，位阶测量部件106和熵计算部件107执行码量预测处理来对每个量化参数QP计算生成码量的预测值(步骤S104)。该处理是对每个量化参数QP执行的。

码量预测处理的过程RT12的细节在图18的流程图中给出。即，位阶测量部件106对作为量化系数的每个值的绝对值的每个量化系数绝对值level出现的次数进行计数(步骤S121)。位阶测量部件106首先初始化量化系数绝对值level的计数器(level＝0)(步骤S122)，并且计算出在以用于计算生成码量的(最小)量化参数QP来执行量化时量化系数绝对值level取什么值(步骤S123)。然后，位阶测量部件106将作为量化系数绝对值level的出现次数的该数字添加到用于计算码量的量化参数QP的量化系数绝对值level的计数器(步骤S124)，递增量化系数绝对值level的计数器(步骤S125)，并且判定是否已对所有量化系数绝对值level执行了处理(步骤S126)。

如果判定尚未对所有量化系数绝对值level执行处理(步骤S126)，位阶测量部件106则返回到上述步骤S123以重复处理。如果判定已对所有量化系数绝对值level执行了处理(步骤S126处的“是”)，位阶测量部件106则进行到步骤S127。

即，在从步骤S21至S26的处理期间，计算出在利用最小量化参数QP执行量化的情况下每个量化系数绝对值level出现的次数。

然后，熵计算部件107计算量化系数绝对值level出现的概率(步骤S27)，并且根据已经计算出的或者说每个量化系数绝对值level的出现次数来计算熵(步骤S28)。

现在，可以计算出量化系数绝对值level出现的概率P[i]：

P[i]＝count[i]/total_count                        ...(15)

利用概率P[i]，可以根据用于计算熵的一般式子来计算熵Entropy：

Entropy＝-1*∑i(P[i]*log(P[i])/log(2))            ...(16)

熵计算部件107判定是否已对所有量化系数绝对值level完成了步骤S127和S128的处理(步骤S129)：它重复这些处理，直到已对所有量化系数绝对值level完成了步骤S127和S128的处理为止。然后，如果已经对所有量化系数绝对值level完成了处理(步骤S129处的“是”)，熵计算部件107则计算码量的预测值Estimated Bits(步骤S130)：

Estimated_Bits＝Entropy*total_count+sign_bits     ...(17)

这里，式(17)中使用的代码比特sign_bits被表达如下，如果非零系数的出现次数是non_zero_count的话：

sign_bits＝total_count-non_zero_count             ...(18)

(4-3-2-2)应对活动

为了应对活动，图18所示的码量预测处理的(基本)过程RT11需要被图19的流程图中所示的处理所替换，图19示出了码量预测处理的(面向活动的)过程RT13。

首先，当对量化系数的每个值的绝对值的出现次数进行计数时，位阶测量部件106按每个量化系数绝对值level进行添加，并且按每个活动组(each_activity_group)进行计数(步骤S141)。

该计数值可被表示为Count[each_activity_group][each_level]。

然后，熵计算部件107为图片的每个量化参数QP执行计算生成码量的预测值的处理。该处理是对每个量化参数QP执行的。熵计算部件107首先计算每个活动组的自适应量化参数Qpt(步骤S142)。然后，在初始化了量化系数绝对值level(level＝0)之后(步骤S143)，熵计算部件107计算在以用于生成码量计算的量化参数QP来执行量化的情况下量化系数绝对值level取什么值(步骤S144)。另外，熵计算部件107将量化系数绝对值level出现的次数添加到关于要计算的量化参数QP的量化系数绝对值level的计数器(步骤S145)，并且递增量化系数绝对值level(步骤S146)。熵计算部件107判定是否已对所有量化系数绝对值level执行了处理(步骤S147)。如果它判定尚未对所有量化系数绝对值level执行处理(步骤S147处的“否”)，熵计算部件107则返回到上述的步骤S144以重复处理。然而，如果它判定已经对所有量化系数绝对值level执行了处理(步骤S147处的“是”)，熵计算部件107则进行到步骤S148。

上述的步骤针对每个活动组，根据在最小量化参数QP的情况下量化系数的每个值的绝对值的出现次数，来计算在用于生成码量计算的量化参数QP情况下的量化系数的每个值的绝对值的出现次数。

在步骤S148，熵计算部件107判定是否已经对所有活动组完成了处理。如果尚未对所有活动组完成处理(步骤S148处的“否”)，熵计算部件107则返回到上述的步骤S142，以重复上述处理。如果已对所有活动组完成了处理(步骤S148处的“是”)，熵计算部件107则根据它已计算出的出现次数来计算熵，并且随后计算码量的预测值(步骤S149至S153)。

从步骤S149至步骤S153的处理与图18的从步骤S127至S131的处理基本相同：因此将省略关于它们的描述。

(4-3-2-3)应对量化矩阵Qmatrix

另外，为了应对量化矩阵Qmatrix，图18所示的码量预测处理的(基本)过程RT1需要被图20的流程图所示的处理所替换，图20示出了码量预测处理的(面向量化矩阵的)过程RT14。

首先，当对量化系数的每个值的绝对值的出现次数进行计数时，它按每个量化系数绝对值level(each_level)并且按每个活动组(each_activity_group)进行添加，并且按DCT Block的每个位置(each_position)进行计数(步骤S161)。

该计数值可被表示为Count[each_activity_group][each_position][each_level]。

然后，它执行对每个量化参数QP计算生成码量的预测值的处理。该处理是对每个量化参数QP执行的。除此之外，还添加了这样一个处理，即，当计算以最小量化参数QP执行量化时的值在用于计算生成码量的其他量化参数QP的情况下取什么值时，是在考虑DCT Block的每个位置的量化矩阵Qmatrix的每个元素的情况下来计算它的(步骤S164)。这意味着在DCT之后，利用通过将量化参数QP乘以量化矩阵Qmatrix的元素的结果对系数进行量化。然后，对于DCT Block的每个位置，它根据利用最小量化参数QP执行量化时量化系数绝对值level的出现次数，来计算在用于生成码量计算的其他量化参数QP的情况下量化系数的每个值的绝对值的出现次数。

它重复处理，直到已对所有量化系数绝对值level完成了处理为止(步骤S163至S167)。另外，它重复处理直到已对DCT Block的所有位置(position)完成了处理为止(步骤S163至S168)。由于随后的处理(步骤S169至S174)与图18的从步骤S128至S131的处理基本相同，因此省略关于它们的描述。

(4-3-2-4)量化参数的估计

转到图17，随后进入量化参数决定处理。由于已经通过以上处理计算了每个量化参数QP的预测码量，因此熵计算部件107从其中选择比其余更接近目标码量的量化参数QP来作为预测量化参数QPd(步骤S105)。

(4-3-2-5)量化矩阵的自适应切换

为了执行切换量化矩阵Qmatrix的自适应处理，按以下方式来改变步骤S105的处理。即，在这种情况下，它计算在使用平坦(Flat)量化矩阵Qmatrix(这意味着将不使用Qmatrix)时使用的量化参数QP的预测码量，并且从其中选择比其余更接近目标码量的量化参数QP。

它从计算出的量化参数QP中选择它将使用的(步骤S106)。更具体而言，如果它通过切换而可能使用的量化矩阵Qmatrix的数目被表示为NumOfQmatrixId，则它将用于将计算出的量化参数QP与量化矩阵Qmatrix  关联起来的阈值QmatrixThreshold[0]至QmatrixThreshold[NumOfQmatrixId-2]与量化参数QP，并且因此确定量化矩阵Qmatrix。然后，它计算在使用要使用的量化矩阵Qmatrix时量化参数QP的预测码量，并且从其中选择比其余更接近目标码量的量化参数QP(步骤S107)。这就是由第一预编码器100确定的预测量化参数QPd。

(4-3-3)第二预编码处理

然后，第二预编码器200利用由第一预编码器100的第一预编码处理确定的预测量化参数QPd、预测量化矩阵QmatrixD以及活动组ActivityGroup来执行第二预编码处理(步骤S108)。第二预编码处理的目标是通过利用由第一预编码处理大致估计的预测量化参数QPd实际执行编码处理来计算预测误差并且对其进行校正。在预测量化参数QPd的情况下第二预编码处理的结果是生成码量。

然后，宏块决定部件212基于目标码量与作为第一编码部件2的第二预编码处理的结果而获得的生成码量之间在差异来对预测量化参数QPd进行校正(步骤S109)。即，当对预测量化参数QPd进行校正时，宏块决定部件212假定每次量化参数QP增大或减小1时，生成码量就按预定率或者预定的变化比率DiffRatio[％]变化。它假定要校正的数据的量是如此之小，以至于即使生成码量的变化与量化参数QP的关系是恒定的，误差水平也不是一个大问题，而不考虑图片(即，活动组)。

下面参考图21的流程图来描述当在预测量化参数QPd的情况下的码量小于目标码量并且预测量化参数QPd不是最小时的码量校正处理，图21示出了量化参数校正处理的过程RT15。

顺便说一下，这对于生成码量大于目标码量的情况同样成立。

在开始此处理之后，宏块决定部件212将生成码量代入PreGenbits，并且将当前预测量化参数QP代入PreQP(步骤S181)，并且通过从PreQp中减1来NextQP(步骤S182)。顺便说一下，如果生成码量小于目标码量，宏块决定部件212则把向PreQP加1的结果视为NextQP。

然后，宏块决定部件212把PreGenbits*(100+DffRatio)/100视为与相对于PreQP增大或减小了1的NextQP相对应的生成码量NextGenbits(步骤S183)。这里，它假定每次量化参数QP增大或减小1时，生成码量根据变化比率DiffRatio减小。

然后，宏块决定部件212判定生成码量NextGenbits是否大于目标码量TargetGenbit(即，曾小于目标码量的生成码量是否变得大于目标码量)(步骤S184)。如果其间的关系不是NextGenbits＞TargetGenbit(即，曾小于目标码量的生成码量仍小于目标码量)，宏块决定部件212则将当前NextQP代入PreQP，并且将当前NextGenbits代入PreGenbits(步骤S185)。它判定NextQP是否是最小的量化参数QP(步骤S186)。

这里，如果NextQP不是最小量化参数QP，宏块决定部件212则返回到步骤S182以重复上述处理。即，宏块决定部件212在步骤S182对相对于先前处理增大或减小了1的NextQP执行上述处理。相反，如果在步骤S186处NextQP是最小量化参数QP，宏块决定部件212则将NextQP视为基本量化参数Q_MB，并且结束处理。相反，如果在步骤S184处的关系是NextGenbits＞TargetGenbit(即，曾小于目标码量的生成码量变得大于目标码量)，宏块决定部件212则判定(NextGenbits-TargetGenbit)＞(TargetGenbit-PreGenbits)的关系是否成立(步骤S188)。如果该关系成立，宏块决定部件212则将PreQP视为基本量化参数Q_MB，因为在PreQP的情况下生成码量PreGenbits比其他的更接近目标码量TargetGenbit。相反，如果在步骤S188处该关系不成立，宏块决定部件212则将目标码量NextQP视为基本量化参数Q_MB，因为在NextQP的情况下生成码量NextGenbits比其他的更接近目标码量TargetGenbit，并且结束该处理。(4-3-4)实际编码处理

转到图17，参数编码器300开始实际编码处理(步骤S110)。实际编码处理的编码使用由第二预编码器200的第二预编码处理确定的基本量化参数Q_MB、由第一预编码处理确定的预测量化矩阵QmatrixD、活动组Activity Group、以及图像内预测模式。这样，它完成对图像信息编码的一系列处理。

如上所述，根据本发明的第三实施例，无需执行图像内反馈(FeedBack)控制处理，它可以使生成码量更接近为一个图片给出的目标码量。这有助于防止与反馈控制处理有关的问题，这些问题中的一些可归因于不适当的反馈参数初始值和不适当的目标代码分配。结果，通过使生成码量更接近目标码量，它在确定代码分配或者量化参数时可以考虑视觉性能。

(4-4)利用量化系数的原始图像判定处理

(4-4-1)原理

下面描述利用量化系数的原始图像判定处理。

在此情况下，计数值(Count[each_activity_group][each_position][each_level])的分布数据被用作该处理的基本信息，该计数值中的每一个是作为量化参数的每个值的绝对值的量化系数绝对值level的出现次数。

图22示出了当each_activity_group＝0并且each_position＝5时分布状态的实际测量值；图23是当在先前处理中以量化参数QP＝20编码的图像被输入并且each_activity_group＝0且each_position＝5时分布状态的实际测量值。水平轴表示量化系数绝对值level的值，而垂直轴表示量化系数绝对值level的出现次数的计数值。

根据这些图，对于原始图像，出现次数随着量化系数绝对值level增大而单调减小。相反，对于非原始图像，由于量化系数绝对值level曾通过量化被舍入，所以当基于量化参数QP的量化步长处于简单整数比时量化系数绝对值level的出现次数上升：至于出现次数，表现出离散的波峰。

这里，量化系数绝对值level是在上述熵计算部件107的码量预测处理期间以最小量化参数QP量化的量化系数。即，由于预期最小量化参数QP是一个很小的值，所以量化系数绝对值level非常接近将DCT系数除以根据AVC定义的缩放因子MF的结果，即使量化参数QP不是零。

因此，如果不考虑Qmatrix，则上述波峰周期性地出现在将预测量化参数QPd乘以量化矩阵Qmatrix的元素值的结果的整数倍附近。

尤其地，如果量化系数绝对值level是从零起的下一个波峰(以下将该波峰称这第一波峰)，则它可以减轻由所使用的量化参数QP不是零的码量预测处理所引起的效果。

因此，通过判定它是否检测到了第一波峰，编码装置12判定输入图像数据的图像是尚未经历任何编码处理的原始图像还是已经经历过编码处理的非原始图像。

另外，编码装置12将检测到第一波峰的量化参数QP估计为估计量化参数QPe。该估计量化参数QPe相当于先前编码处理中使用的图片中的量化参数QP的平均值。另外，编码装置12对量化系数的矩阵的每个位置执行处理，以检测估计量化矩阵Qmatrix。

(4-4-2)对该处理的详细描述

下面提供对根据本发明的使用量化系数的原始图像判定处理的详细描述。

一般地，根据H.264AVC编码方法，由量化引起的离散状态的分散由于诸如非线性失真之类的因素而被观察到：这些因素之一是IDCT的计算精确度不够，另一因素是并非100％的Intra预测模式都能够被再现。但是，离散状态能够被检测到。统计上，一屏数据太多了。因此，为了减小这种情况下的计算量，计算量化参数QP周围的分布，或者说余数最小但是量化后的系数位阶为1的量化参数QP和量化矩阵Qmatrix。顺便说一下，由于不需要排除表示相邻的量化位阶的分布的数据，因此将评估QP/2至3QP/2的范围内的数据。

下面参考图24进一步描述步骤S201的处理，图24示出了使用量化系数的原始图像判定处理的过程RT16。

如果在由码量预测处理计算出的预测量化参数QPd周围±6的范围内变化的变量被视为搜索量化参数QP(sch_qp)，则作为向搜索量化参数QP(sch_qp)添加活动的偏移量的结果而获得的自适应量化参数Qpt(qp)被如下地计算：

qp＝sch_qp+AdaptQpDelta[activity_group]          ...(19)

然后，表示量化参数QP的量化位阶的波峰位阶(t[0])、表示QP/2的位阶的波谷位阶1(t[1])，以及表示3QP/2的位阶的波谷位阶2(t[2])被如下地确定(步骤S221)：

t[0]＝((Q_Matrix[mid][pos]*2^(qp/6))/16)          ...(20)

这里，Q_matrix[mid][pos]*表示在4×4DCT块的mid种类的Qmatrix之中，第pos个位置的值。即，根据式(20)，Qmatrix/Base QP检测部件108基于预测量化参数QPd来预测其上可能出现第一波峰的波峰位阶(t[0])的量化系数绝对值level。

即，对于搜索量化参数QP(sch_qp)，Qmatrix/Base QP检测部件108对于已经经历了自适应量化的每个自适应量化参数Qpt以及Qmatrix的每个位置(pos)，将其作为乘以检测目标搜索Qmatrix的值的结果而获得的值设置为波峰位阶(t[0])。换言之，对于搜索量化参数QP(sch_qp)，Qmatrix/Base QP检测部件108根据自适应量化参数Qpt和Qmatrix的位置(pos)将一个不同的值设置为波峰位阶(t[0])：

t[1]＝t[0]/2                 ...(21)

t[2]＝t[0]+t[1]              ...(22)

即，根据Qmatrix/Base QP检测部件108的计算，t[1]是t[0]的1/2；t[2]是作为将t[0]和t[1]相加的结果而获得的值。

然后，执行波峰位阶(t[0])的计数值的波峰累加和波谷位阶1(t[1])的计数值的波谷累加(b[mid][qp])(步骤S222)：

p[mid][qp]+＝Count[activity_group][pos][t[0]]    ...(23)

即，Qmatrix/Base QP检测部件108对于每个搜索目标搜索Qmatrix(mid)和每个搜索量化参数QP(sch_qp)，将作为针对每个活动组(activity_group)和Qmatrix的每个位置(pos)对波峰位阶(t[0])计数的结果而获得的关于出现次数的计数值加起来：

b[mid][qp]+＝Count[activity_group][pos][t[1]]  ...(24)

即，Qmatrix/Base QP检测部件108对于每个Qmatrix(mid)和每个搜索量化参数QP(sch_qp)，将作为针对每个活动组(activity_group)和Qmatrix的每个位置(pos)对波谷位阶(t[1])计数的结果而获得的关于出现次数的计数值加起来.

这里，Qmatrix/Base QP检测部件108针对每个活动组(activity_group)和Qmatrix的每个位置(pos)来计算计数值。

如式(21)中所示，Qmatrix/Base QP检测部件108对于每个活动组，将量化系数绝对值level乘以2QP/6来作为t[0](但是搜索量化参数QP是在码量计算处理期间用于量化的自适应量化参数Qpt)。即，Qmatrix/BaseQP检测部件108将根据自适应量化参数Qpt的值设置为搜索量化参数QP(sch_qp)。

这使得Qmatrix/Base QP检测部件108就量化系数绝对值level的出现次数而言可以同等地对待不同的活动组，并且可以使一个活动组的波峰与其他活动组的波峰相重叠。

另外，如式(21)中所示，Qmatrix/Base QP检测部件108对于Qmatrix的每个位置(pos)，将量化系数绝对值level乘以搜索Qmatrix(mid)的每个值来作为t[0]。

这使得Qmatrix/Base QP检测部件108就量化系数绝对值level的出现次数而言可以同等地对待Qmatrix的不同位置(pos)，并且可以使Qmatrix的一个位置(pos)的波峰与Qmatrix的其他位置(pos)的波峰相重叠。

结果，Qmatrix/Base QP检测部件108对关于自适应量化参数Qpt的差异和关于Qmatrix的位置(pos)的差异进行校正，并且因此能够应对量化系数绝对值level的出现次数的每个值。因此，Qmatrix/Base QP检测部件108可以获得足以检测第一波峰的样本数目，从而提高了波峰检测的精确度。

然后，Qmatrix/Base QP检测部件108遵循下述的式子，将每个搜索量化参数QP(sch_qp)和每个量化矩阵Qmatrix(mid)的量化系数的误差(rest[mid][qp])加起来(步骤S223)：

rest[mid][qp]+＝abs(t[0]-lev)×Count[activity_group][pos][lev] ...(25)

这里，lev是在t[1]至t[2]的范围内可变的变量；abs表示绝对值。

此时，以与波峰位阶(t[0])和波谷位阶1(t[1])相同的方式，在将误差(rest[mid][qp])加起来之前，Qmatrix/Base QP检测部件108针对每个活动组和Qmatrix的每个位置进行校正，以同等地对待量化系数绝对值level的出现次数。

即，对于每个Qmatrix和每个搜索量化参数QP(sch_qp)，Qmatrix/Base QP检测部件108针对每个活动组和Qmatrix的每个位置(pos)，将关于变量lev的出现次数加起来，以计算累加值。另外，Qmatrix/Base QP检测部件108将累加值乘以作为从波峰位阶(t[0])中减去变量lev的结果而获得的减法值的绝对值，以计算出误差(rest[mid][qp])(即，余数的大小)。

换言之，Qmatrix/Base QP检测部件108乘以变量lev与波峰位阶(t[0])的差值。因此，当波峰位阶(t[0])变得等于实际的波峰时，误差(rest[mid][qp])变小，因为值较大的波峰部分被乘以了较小的差值。另一方面，随着波峰位阶(t[0])远离实际的波峰，误差(rest[mid][qp])变大，因为值较大的波峰部分被乘以了较大的差值。

因此，作为将关于活动组和Qmatrix的位置(pos)的所有计数值加起来的结果，波峰累加p[mid][qp]、波谷累加b[mid][qp]和误差rest[mid][qp]可以表示代表图片中的所有样本的平均分布的参数。

Qmatrix/Base QP检测部件108判定是否已经处理了波谷位阶之间的所有区间(步骤S224)，并且重复步骤S223的处理直到已经处理了所有的为止。在已经处理了所有的之后，Qmatrix/Base QP检测部件108判定是否已经处理了Qmatrix的所有位置(pos)(步骤S225)。

在步骤S225，Qmatrix/Base QP检测部件108重复步骤S221至S225的处理，直到已经处理了所有的为止。在已经处理了所有的之后，Qmatrix/Base QP检测部件108初始化Qmatrix的位置(pos)(步骤S226)。Qmatrix/Base QP检测部件108判定是否已经处理了所有活动组(步骤S227)。如果尚未处理所有活动组，Qmatrix/Base QP检测部件108则返回到步骤S221以重复上述处理。相反，如果已经处理了所有活动组，Qmatrix/Base QP检测部件108则判定是否已经处理了所有搜索量化参数QP(sch_qp)(步骤S228)。

如果尚未处理所有搜索量化参数QP(sch_qp)，Qmatrix/Base QP检测部件108在步骤S228则返回到上述的步骤S221以重复上述处理；相反，如果已经处理了所有搜索量化参数QP(sch_qp)，Qmatrix/Base QP检测部件108则判定是否已经处理了每一个搜索Qmatrix(mid)(步骤S229)。如果尚未处理所有搜索量化参数QP(sch_qp)，Qmatrix/BaseQP检测部件108则在步骤S229返回到上述步骤S221。相反，如果已经处理了所有搜索量化参数QP(sch_qp)，Qmatrix/Base QP检测部件108则执行判定处理(步骤S230)，并且因此结束处理。

下面参考图25的流程图进一步提供对图24的步骤S230的判定处理的详细描述，图25示出了判定处理的过程RT17。

这里，计算当在先前编码处理中使用了波峰累加p[mid][qp]、波谷累加b[mid][qp]和误差rest[mid][qp]时的量化矩阵Qmatrix和图片的量化参数QP。顺便说一下，可以省略步骤S231和步骤S237。

首先，Qmatrix/Base QP检测部件108利用rest[0][0]等等来初始化误差最小值(min_rest_norm)(步骤S231)。然后，Qmatrix/Base QP检测部件108判定波峰累加p[mid][qp]是否大于波谷累加b[mid][qp](步骤S232)。在此情况下，如果波峰累加p[mid][qp]不大于波谷累加b[mid][qp]，Qmatrix/Base QP检测部件108则进行到步骤S236，因为波峰t[0]不那么可能是实际波峰。相反，如果波峰累加大于波谷累加，Qmatrix/Base QP检测部件108则遵循下述的式子来计算正规化误差rest_norm，该正规化误差rest_norm是作为利用波峰累加p[mid][qp]和波谷累加b[mid][qp]之间的差对误差rest[mid][qp]进行正规化的结果而获得的(步骤S233)：

rest_norm＝rest[mid][qp]/(p[mid][qp]-b[mid][qp]) ...(26)

因此，在假定在波峰t[0]不对应于实际波峰时未检测到的波谷累加b[mid][qp]是一个惩罚因素之后，Qmatrix/Base QP检测部件108可以利用波峰的高度来对整体误差rest[mid][qp]的变动进行正规化。另外，Qmatrix/Base QP检测部件108在输入图像数据因为表示原始图像而单调增大时增大正规化误差rest_norm，以便确保防止检测为误差最小值的失败。

然后，Qmatrix/Base QP检测部件108判定由步骤S233计算出的正规化误差rest_norm是否小于误差最小值(步骤S234)。如果正规化误差rest_norm小于误差最小值，Qmatrix/Base QP检测部件108则更新误差最小值(步骤S235)，并且进行到步骤S236。即，步骤S235的处理仅在检测到离散分布状态时才执行，并且结果是min_rest_norm＝rest_norm。

另外，在所有的量化矩阵Qmatrix和所有的搜索量化参数QP(sch_qp)之中，正规化误差rest_norm变得最小的情况的搜索量化参数QP(sch_qp)、先前编码处理中对其使用搜索Qmatrix(mid)的图片的量化参数QP、以及量化矩阵Qmatrix被表示。如果此处理一次都没有被调用，则意味着没有检测到量化的离散状态；因此，可以认为原始图像尚未经历任何编码处理。

然后，Qmatrix/Base QP检测部件108判定是否已经处理了所有搜索量化参数QP(sch_qp)(步骤S236)。如果尚未处理所有搜索量化参数QP(sch_qp)，Qmatrix/Base QP检测部件108则返回到步骤S232以重复上述处理。相反，如果已经处理了所有搜索量化参数QP(sch_qp)，Qmatrix/Base QP检测部件108则初始化搜索量化参数QP(sch_qp)的范围(步骤S237)，并且判定是否已经处理了量化矩阵Qmatrix的所有候选(步骤S238)。如果尚未处理所有候选，Qmatrix/Base QP检测部件108则返回到步骤S232以重复上述处理；如果已经处理了所有候选，Qmatrix/Base QP检测部件108则结束处理的一个示例。

下面参考图26的流程图来提供对输入图像切换处理的详细描述，图26示出了输入图像切换处理的过程RT18。因为编码装置12由于以上参考图25描述的处理而能够检测输入图像是原始图像还是在先前处理中曾编码的图像，所以编码装置12可以基于该条件来切换输入信号。即，编码装置12对于量化失真明显的原始图像执行对输入图像数据的低通滤波处理；编码装置12对于不明显的原始图像不执行任何处理，而只是输入输入图像数据。相反，如果输入图像数据是已经经历了编码处理的非原始图像，编码装置12则利用输入图像来执行向后搜索处理以便提高效率。

即，根据由Qmatrix/Base QP检测部件108估计的估计量化矩阵QmatrixE和估计量化参数QPe是否已被提供来，码量控制部件109判定先前编码处理的量化矩阵Qmatrix和图片的量化参数QP是否被找到(步骤S241)。如果它们被找到，码量控制部件109则开启向后搜索部件210(步骤S242)，并且使用输入图像切换处理部件203来将输入图像数据输出到DCT部件205(步骤S243)。结果，在向后搜索处理中，输入图像将被用作预测图像。

相反，如果在步骤S241未找到先前编码处理的量化矩阵Qmatrix和图片的量化参数QP，码量控制部件109则关闭向后搜索部件210(步骤S244)，并且判定由码量预测处理计算出的预测量化参数QPd是否大于预定的失真阈值(步骤S245)。如果由码量预测处理计算出的预测量化参数QPd大于预定的失真阈值，码量控制部件109则使用输入图像切换处理部件203来将从低通滤波处理部件201提供来的信号输出到DCT部件205；如果不大于，码量控制部件109则使用输入图像切换处理部件203来输出从延迟缓冲器202提供来的信号(步骤S247)，并且结束此处理。

如上所述，根据本发明的使用量化系数的原始图像判定处理，基于DCT后的离散分布状态，可以准确地查明它是否是在先前处理中曾编码的信号。因此，可以进行判定以便切换仅用于第一次(原始图像)的预滤波处理(低通滤波处理)。因此，在维持翻录的质量的同时，可以提高主观图像质量。另外，如果它是在先前处理中曾编码的信号，输入图像则被用作预测图像；这提高了向后搜索的效率。查明根据分布状态查明的图片的平均量化参数QP和量化矩阵Qmatrix，从而可以减少向后搜索部件的计算。

(4-5)三遍编码处理的过程

下面参考图17来描述根据第三实施例的三遍编码处理的过程RT11。

当输入图像数据被提供来时，编码装置12进行到步骤S101，计算活动组，并且进行到下一步骤S102。

在步骤S102，在判定图像内预测模式之后，编码装置12进行到下一步骤S103。顺便说一下，步骤S101的处理可与步骤S102的处理并行执行。

在步骤S103，编码装置12利用在步骤S102确定的图像内预测模式来执行图像内预测，并且执行DCT处理和量化处理，然后进行到下一步骤S103。

在步骤S103，编码装置12进行到码量预测处理的过程RT14，根据所有量化参数QP来预测生成码量，并且进行到下一步骤S201。

在步骤S201，编码装置12进行到使用量化系数的原始图像判定处理的过程RT16，通过不加改变地使用码量预测处理曾使用的量化系数来就原始图像进行判定，并且进行到下一步骤S202。此时，如果输入图像数据是非原始图像，编码装置12则检测估计量化矩阵QmatrixE和估计量化参数QPe。

在步骤S202，编码装置12判定输入图像数据是否是非原始图像。如果获得肯定结果，编码装置12则进行到下一步骤S105。

在步骤S105，编码装置12使用平坦量化矩阵Qmatrix来选择最接近目标码量的量化参数QP，并且进行到下一步骤S106。在步骤S106，编码装置12基于量化参数QP来确定预测量化矩阵Qmatrix，并且进行到下一步骤S107。

在步骤S107，编码装置12确定在使用预测量化矩阵QmatrixD时生成码量最接近目标码量的量化参数QP来作为预测量化参数QPd，并且进行到下一步骤S108。

在步骤S108，编码装置12利用预测量化参数QPd和预测量化矩阵QmatrixD来执行第二预编码处理，并且进行到下一步骤S109。

在步骤S109，编码装置12根据步骤S109处的生成码量来对预测量化参数QPd进行校正，以计算基本量化参数Q_MB，并且进行到下一步骤S110。

在步骤S110，编码装置12利用预测量化矩阵QmatrixD和基本量化参数Q_MB执行实际编码处理，并且进行到结束步骤以结束处理。

相反，如果在步骤S202获得否定结果，则意味着输入图像数据是已经经历过编码处理的非原始图像，因此编码装置12进行到下一步骤S204。

在步骤S204，编码装置12使用在步骤S201估计的估计量化矩阵QmatrixE来执行根据基于估计量化参数QPe确定的搜索范围的向后搜索，然后进行到下一步骤S110。此时，编码装置12检测出检测量化参数QPb。

在步骤S110，编码装置12使用估计量化矩阵QmatrixE和检测量化参数QPb来执行实际编码处理，然后进行到结束步骤以结束处理。

(4-6)操作和效果

利用上述配置，编码装置12对充当图像数据的差异图像数据执行正交变换处理，以生成DCT系数。编码装置12对构成基于DCT系数的量化系数的系数元素的每个值(量化系数绝对值level)的出现次数进行计数，并且基于量化系数绝对值level的散布状态，估计每个图片的量化参数。

因此，基于量化系数绝对值level的出现次数的散布状态，编码装置12可以判定输入图像数据是原始图像还是非原始图像。即，与向后搜索处理不同，无需改变量化参数并且多次执行处理，编码装置12仅利用计算出的量化系数绝对值level的出现次数来执行简单的处理以便判定数据是原始图像还是非原始图像。

另外，编码装置12可以在向后搜索处理之前判定数据是原始图像还是非原始图像。因此，如果数据是原始图像，编码装置12则不必执行复杂的向后搜索处理。与在向后搜索处理之后判定数据是原始图像还是非原始图像的方法相比，这使得编码装置12可以在数据是原始图像的情况下提高编码处理的速度。

另外，编码装置12使用作为将DCT系数除以充当缩放值的最小量化参数QP的结果而获得的量化系数。因此，编码装置12可以对DCT系数执行缩放，从而减少用于对量化系数计数的计数器的数目。

另外，编码装置12对量化系数的元素的绝对值的出现次数进行计数以便进一步减少计数器的数目。

另外，编码装置12基于量化系数绝对值level具有最小值的第一波峰(但排除零)来检测量化参数QP。因此，编码装置12可以减轻处理负担，因为它只需要处理第一波峰。

另外，编码装置12基于量化系数的出现次数来执行熵计算以便预测关于每个量化参数的生成码量；编码装置12还将下述量化参数QP预测为预测量化参数QPd：基于该量化参数QP，所预测的生成码量最接近目标码量。编码装置12使用预测量化参数QPd来对DCT系数进行量化，并且基于它已经通过量化而获得的编码流的生成码量，来对预测量化参数QPd进行校正。

因此，编码装置12可以不加改变地使用为了预测生成码量而计数的量化参数的出现次数来判定数据是原始图像还是非原始图像。

另外，编码装置12基于表示输入图像数据的复杂度的活动来把由宏块构成的输入图像数据分布到活动组中。然后，编码装置12利用活动来对按每个活动组计数的量化系数绝对值level的出现次数进行校正并且将其加起来以便生成其作为量化系数绝对值level的每个值的出现次数。

因此，编码装置12不加改变地使用按每个活动组计数的计数值来计算生成码量以便计算量化系数绝对值level的每个值的出现次数；编码装置12因此不必再次计算计数值。

另外，编码装置12通过使用关于被估计要使用的搜索量化系数的相同位置的值，来对为量化系数绝对值level的矩阵的每个位置计数的量化系数绝对值level的出现次数进行校正，然后将其加起来。因此，编码装置12生成它来作为量化系数绝对值level的每个值的出现次数。

因此，编码装置12不加改变地使用为用于预测量化矩阵Qmatrix的矩阵的每个位置计数的计数值，以便计算量化系数绝对值level的每个值的出现次数；编码装置12因此不必再次计算计数值。

另外，编码装置12为量化系数绝对值level设置作为基准元素值的波峰位阶(t[0])，并且计算一个累加值来作为与波峰位阶(t[0])相对应的误差[mid][qp]，该累加值是对作为将与波峰位阶(t[0])分离的分离值(t[0]-lev)乘以量化系数绝对值level的出现次数的结果而获得的值进行累加的结果。

此时，在不同的波峰位阶(t[0])的累加值之中，编码装置12基于与值最小的误差rest[mid][qp]相对应的波峰位阶(t[0])，来确定与先前编码处理中使用的量化参数QP相接近的估计量化参数QPe。

因此，编码装置12可以检测误差rest[mid][qp]最小处的误差最小值(min_rest_norm)，来作为第一波峰；编码装置12可以根据第一波峰的量化系数绝对值level来检测作为图片的平均值的估计量化参数QPe。

另外，编码装置12设置基于搜索量化参数QP(sch_qp)的波峰位阶(t[0])，其中搜索量化参数QP(sch_qp)是量化系数绝对值level的搜索目标；如果在比较波峰位阶(t[0])和波谷位阶(t[1])之后判定波峰位阶(t[0])是最大值1，编码装置12则将搜索量化参数QP(sch_qp)确定为估计量化参数QPe。

这确保了编码装置12可以只检测波峰，从而适当地确定估计量化参数QPe。

另外，该装置设置基于作为估计量化参数QPe和检测目标量化矩阵的搜索Qmatrix的波峰位阶(t[0])；如果判定波峰位阶(t[0])是最大值，该装置则将搜索Qmatrix确定为估计量化矩阵搜索QmatrixE。

因此，除了量化参数QP之外，编码装置12还可以从量化系数中检测估计量化矩阵搜索QmatrixE。

根据上述配置，利用在图像数据已经历过编码处理的情况下DCT系数的出现次数变得离散这一事实，编码装置12基于DCT系数的元素值的出现次数，来估计先前曾被编码的量化参数QP作为估计量化参数QPe。

因此，由于编码装置12在向后搜索处理期间可以基于估计量化参数QPe来设置搜索范围，因此编码装置12可以减少在向后搜索处理中要处理的量化参数QP的数目，从而减轻向后搜索处理的处理负担。

另外，根据是否检测到了估计量化参数QPe，编码装置12判定输入图像数据是原始图像还是非原始图像。因此，编码装置12可以在向后搜索处理之前判定数据是原始图像还是非原始图像。因此，当数据是原始图像时，编码装置12不必执行处理负担较大的向后搜索处理，并且可以将通过预测生成码量而计算出的基本量化参数Q_MB用于原始图像。

(4-7)其他实施例

在上述的第三实施例中，编码装置12执行使用熵计算的码量预测处理和使用量化系数的原始图像判定处理。然而，本发明并不限于此。例如，编码装置12可以仅执行使用熵计算的码量预测处理。

在此情况下，如图27所示，编码装置13包括执行第一预编码处理的第一预编码器100、执行第二预编码处理的第二预编码器200、执行实际编码处理的参数编码器300、码量控制部件109、延迟缓冲器201和301。第一预编码器100包括图像内预测模式决定部件102、图像内预测处理部件103、DCT部件1041、量化部件105、熵计算部件107、以及活动计算部件101。第二预编码器200包括图像内预测处理部件203、DCT部件204、量化部件206、码长计算部件2112、缓冲器209、IDCT(逆IDCT)部件208、以及逆量化部件207。参数编码器300包括图像内预测处理部件302、DCT部件303、量化部件304、编码部件308、缓冲器307、IDCT部件306、以及逆量化部件305。

利用这种配置，输入图像数据首先被输入到第一预编码器100的图像内预测模式决定部件102中。图像内预测模式决定部件102基于输入图像数据来确定图像内预测模式。所确定的图像内预测模式还被发送到第二预编码器200和参数编码器300，并且被用于第二预编码器200的第二预编码处理和参数编码器300的实际编码处理。

然后，图像内预测处理部件103计算预测图像数据和输入图像数据之间的差异图像。在此情况下，预测图像数据是根据输入图像数据生成的，以便简化处理。DCT部件104执行整数DCT，并且DCT系数被到量化部件105。量化部件105对DCT系数执行量化，并且将其输出发送到熵计算部件107。熵计算部件107通过计算熵来预测生成码量。作为码量预测的结果，对下一步骤使用的图像获得预测量化参数QPd和预测量化矩阵QmatrixD，并且将其输入到码量控制部件109中。下面是补充描述：量化参数QP是用于在AVC上指定量化步长的值，并且随着量化参数QP变大而变得大于量化步长。

在确定图像内预测模式的同时，第一预编码器100的活动计算部件101计算活动，并且根据活动将宏块MB分类到组中。为每个宏块MB确定的活动组(Activity Group)号被输入到熵计算部件107和码量控制部件109中。

根据由第一预编码器100的第一预编码处理计算出的作为图片的平均值的预测量化参数QPd、预测量化矩阵Qmatrix以及每个宏块的AcitivityGroup，码量控制部件109将关于量化的信息(量化矩阵Qmatrix、以及每个MB的量化参数QP)发送到第二预编码器200，并且执行第二预编码处理。

即，在通过延迟缓冲器201的延迟处理之后，输入图像数据被输入；图像内预测处理部件203计算预测图像数据和输入图像数据之间的差异；在DCT 204进行DCT和量化部件206进行量化之后，码长计算部件211执行逆量化处理以再现系数数据；IDCT部件208对系数数据执行IDCT转换处理；关于输入图像的图像数据被再现并存储在缓冲器209中。

在完成第二预编码器200的第二预编码处理之后，获得了生成码量。根据所获得的码量，码量控制部件109对图片的预测量化参数QPd进行校正以计算出基本量化参数Q_MB。

参数编码器300通过使用由第二预编码器200的第二预编码处理确定出的图片的预测量化参数QPd、由第一预编码处理确定的预测量化矩阵QmatrixD、以及活动组Activity Group，来执行实际编码处理。

即，在接收到经历了延迟缓冲器301的延迟处理的输入图像数据之后，图像内预测处理部件302利用在第一预编码处理期间确定的预测模式来计算预测图像和输入图像之间的差异图像；在DCT部件303进行DCT并且量化部件304进行量化之后，编码部件308执行熵编码处理；输出流最终被输出。顺便说一下，量化部件304的输出被逆量化部件305逆量化；系数数据被再现；IDCT部件306对系数数据执行IDCT转换处理；关于输入图像的图像数据被再现并存储在缓冲器307中。

图28示出了由编码装置13进行的三遍编码处理的过程RT19。由于每个步骤的处理与图17的基本相同，因此省略描述。

另外，在上述第三实施例中，码量预测处理是对应于活动来执行的。然而，本发明并不限于此。不一定码量预测处理要对应于活动。这对于量化矩阵Qmatrix同样成立。另外，活动不一定要被用作自适应量化的指标；其他指标也可用于自适应量化。

另外，在上述的第三实施例中，在向后搜索处理期间，估计量化矩阵Qmatrix被用于仅检测量化参数QP。然而，本发明并不限于此。量化矩阵Qmatrix可以由向后搜索处理来检测。在此情况下，例如，可以对它搜索的量化矩阵Qmatrix的数目施加限制，从而减少计算量。

另外，在上述的第三实施例中，估计量化参数QPe和估计量化矩阵QmatrixE是针对每个图片估计的。然而，本发明并不限于此。对于要检测的单位没有限制。根据本发明，例如，如果量化矩阵Qmatrix是对每个片层设置的，则该处理可以每片层地执行。另外，根据本发明，这对于预测量化参数QPd、预测量化矩阵QmatrixD和基本量化参数Q_MB也同样成立：对于要检测的单位没有限制。

另外，在上述的第三实施例中，生成码量是针对每个图片预测的。然而，本发明并不限于此。对于生成码量预测的单位，没有限制：例如，可以以片层为单位或者以GOP为单位来对其进行预测。

另外，在上述的第三实施例中，编码装置13既执行码量预测处理又执行使用量化系数的原始图像判定处理。然而，本发明并不限于此。编码装置13可以仅执行使用量化系数的原始图像判定处理。在此情况下，编码装置13顺序地执行三遍编码处理的过程RT11(图17)的步骤S201至S204的处理。此时，编码装置避免执行自适应量化，而只是仅根据量化系数的位置来对量化系数的出现次数进行计数。另外，如果量化矩阵Qmatrix是平坦的，则编码装置可以只是对量化系数进行计数。

另外，在上述的第三实施例中，DCT系数被除以预期使用的最小量化参数QP。然而，本发明并不限于此。可以只是对DCT系数的系数元素的值的出现次数进行计数。另外，如果码量预测处理使用的量化参数QP不是零，则量化系数可被校正以便变成在被零除时获得的值。

另外，在上述的第三实施例中，遵循判定处理的过程RT17，装置从量化系数绝对值level的计数值中检测第一波峰。然而，本发明并不限于此。装置可以使用其他方法来检测第一波峰。另外，装置不一定要检测第一波峰：装置可以检测第二波峰或随后的波峰，或者多个波峰；装置可以根据整体波形来计算散布状态。

另外，在上述的第三实施例中，装置对为每个活动组和量化系数的每个位置计数的出现次数进行校正，然后将其加起来。然而，本发明并不限于此。例如，如果它可确保的样本的数目是足够的，装置则可以为每个活动组和量化系数的每个位置检测量化参数QP。

另外，在上述的第三实施例中，作为原始图像判定处理，装置执行判定数据是原始图像还是非原始图像的处理和估计出估计量化矩阵Qmatrix的处理。然而，本发明并不限于此。装置可以仅执行其中的一个处理。

另外，在上述的第三实施例中，装置根据AVC执行使用量化系数的原始图像判定处理。然而，本发明并不限于此，而是也可应用到诸如MPEG 2之类的利用基于诸如多个预定量化参数QP之类的量化指标的多个量化步长来执行量化的编码方法。

另外，在上述的第三实施例中，充当图像处理装置的编码装置10包括：作为正交变换部件DCT部件104；以及充当除法因子计算部件、加和计算部件和量化因子检测部件的向后搜索部件210。本发明并不限于此。本发明的图像处理装置可以由按其他方式配置的正交变换部件、除法因子计算部件、加和计算部件和量化因子检测部件构成。

另外，在上述的第三实施例中，充当图像处理部件的编码装置12包括：充当正交变换部件DCT部件104；充当元素计数器部件的位阶测量部件106；以及充当原始图像判定部件的Qmatrix/Base QP检测部件108。本发明并不限于此。本发明的图像处理装置可以由按其他方式配置的正交变换部件、元素计数器部件和原始图像判定部件构成。

(5)第四实施例

下面描述本发明的第四实施例。根据第四实施例，为了抑制计算的舍入，为根据量化参数QP的量化矩阵Qmatrix的每个值(以下称之为元素)提供一个预定的选择规则；第四实施例因此不同于上述的第二实施例。

(5-1)选择规则

对于MPEG和AVC，经常引入补偿电路以便提高翻录的质量。虽然进行了努力以通过提高被翻录补偿电路用于编码的参数(例如量化参数QP和量化矩阵Qmatrix)的可再现率来防止出现由量化的重复而导致的失真，这种做法有时是不足以使SNR在翻录被重复时收敛的。另外，虽然补偿电路防止了SNR的整体下降，但是在某一宏块累积了计算误差并随后突显出来之后，图像有时在视觉上看起来则较奇怪。

另一方面，对于翻录(重复编码和解码的处理)，AVC Intra有时采用这样一种方法，即，用于编码的参数被再使用以防止SNR的下降。然而，即使实际使用与先前编码处理完全相同的编码参数，计算的舍入也可能导致SNR的下降。

因此，根据第四实施例的编码装置和方法，作为编码处理期间计算舍入可能发生的部件之一的使用量化矩阵Qmatrix的计算部件提出了一个消除计算舍入的影响或者防止该影响发生的值。

具体而言，为了提高翻录质量，应用以下手段：

·16的倍数被用作量化矩阵Qmatrix的元素

·当量化参数QP大于6时，8的倍数被用作量化矩阵Qmatrix的元素

·当量化参数QP大于12时，4的倍数被用作量化矩阵Qmatrix的元素

·16被用于量化矩阵Qmatrix的直流(DC)分量

下面提供对第四实施例的详细描述。

根据AVC Intra，在编码处理期间通过使用DCT系数W和量化参数QP来计算量化位阶Z：

Z＝{(MF*16/Qmatrix)*W+f}＞＞(15+QP/6)         ...(27)

其中，MF是根据由AVC的标准定义的值计算出的缩放因子；f是决定下舍(rounding-down)位置的舍入因子。

另外，在解码处理期间，解码处理的结果是通过将量化位阶Z乘以量化矩阵Qmatrix和量化参数QP并且将DCT系数W向左移动六比特(逆量化)，来获得的：

(W＜＜6)＝(Z*V*Qmatrix*2^floor(QP/6))＞＞4     ...(28)

其中V是由AVC的标准定义的解码重定标因子。

量化和逆量化的这些式子包括将16除以量化矩阵Qmatrix或者将量化矩阵Qmatrix除以16的计算。因此，即使当编码参数被完成再用于翻录时，这也会导致除法的舍入。为了消除计算中的除法的舍入，式子的量化矩阵Qmatrix的每个元素需要为16；如果所有元素都是16，则翻录的质量提高了。然而，在这种情况下，引入量化矩阵就没有什么意义了，而且也是不实际的，因为原本目的是根据频率来改变量化强度。

因此，利用量化矩阵Qmatrix根据频率来改变量化强度这一优点，采用以下的选择规则来充分利用上述特性。

(1)16的倍数被用作量化矩阵Qmatrix的元素

当作为将16乘以n的结果而获得的值被应用为量化矩阵Qmatrix的元素时，如果MF是n的倍数，则除法的舍入不会发生。因此，发生除法舍入的概率减小了。另外，在逆量化处理期间，由于16的倍数被除以16，因此不会发生除法舍入。

(2)当量化参数QP大于6时，8的倍数被用作量化矩阵Qmatrix的元素

如上所述，消除除法舍入要求量化矩阵Qmatrix的元素为16。然而，如果量化矩阵Qmatrix的元素为8，则在量化处理期间也不会发生除法舍入。即使在逆量化处理中，当QP大于6时，2^floor(QP6)也是2的倍数。因此，要被除以16的累加值是16的倍数。因此不会发生除法舍入。

(3)当量化参数QP大于12时，4的倍数被用作量化矩阵Qmatrix的元素

这与(2)的方法一致。当QP大于12时，2^floor(QP6)是4的倍数。因此，要被除以16的累加值是16的倍数。因此不会发生除法舍入。

(4)16被用于量化矩阵Qmatrix的直流(DC)分量

给定输入图像的频率空间的每个元素的视觉性能，如果由于翻录期间DC的除法舍入而发生扩散(增大或减小的重复)，则仅一个宏块可能突显出来。因此认为，除了上述的(2)和(3)以外，将16用于DC是很重要的。

另外，根据AVC Intra，图像内预测参考相邻宏块的值：如果在一个宏块上发生失真，则这将影响相邻宏块，尤其会严重影响DC。考虑到这一点，希望使用16。

具体而言，如图29所示，编码装置15包括存储着符合选择规则的量化参数Qmatrix的初始化参数设置部件40。然后，量化部件23根据用于量化的量化参数QP，通过遵循下述的选择规则，来选择量化矩阵Qmatrix。

另外，基于预编码器20的编码处理并且根据量化参数QP，Qmatrix/QP决定部件41通过遵循选择规则来选择量化矩阵Qmatrix。

如上所述，根据本发明的第四实施例，装置减少了由除法舍入引起的上入(upward rounding)和下舍引起的累积，从而避免了SNR的下降并且防止MB突显出来。从而，视觉性能改善了。

(5-2)操作和效果

利用上述配置，编码装置15根据量化参数QP的值来设置量化矩阵Qmatrix以便有效地防止除法舍入。这防止了可能由编码引起的图像质量的下降。

(6)第五实施例

下面描述第五实施例。根据第四实施例，在减少计算舍入的同时执行8×8像素的DCT处理(以下称之为8×8DCT)；第五实施例因此不同于上述的第四实施例。第五实施例的编码装置16的配置与第四实施例的编码装置15的基本相同：因此省略描述

(6-1)8×8DCT的计算舍入减少处理

根据AVC，8×8子块可用作整数DCT的块大小之一。但是8×8DCT使得整数计算比4×4像素的DCT处理(以下称之为4×4DCT)略复杂。

例如，由联合视频组(JVT)提出的参考软件(JW)采用在8×8DCT期间丢弃小数的计算方法来作为执行整数计算的8×8DCT。其计算不如4×4DCT精确。

尤其，根据JM，翻录(编码和解码的重复)促成了计算误差的累积，从而导致了图像质量的劣化。例如，如果在SNR超过40dB的范围中比较翻录期间8×8DCT的SNR和4×4DCT的SNR，则8×8DCT的SNR的下降比4×4DCT的更明显。

这里，假定x是8×8DCT的输入(实际空间样本，即按8×8像素提供的差异图像数据)，并且X是输出(频率空间DCT系数样本)。于是，通过使用式(29)的变换矩阵A，输出X被表达在以下式(30)中：

$A=\left(\begin{array}{cccccccc}1& 1& 1& 1& 1& 1& 1& 1\\ \frac{3}{2}& \frac{5}{4}& \frac{3}{4}& \frac{3}{8}& -\frac{3}{8}& -\frac{3}{4}& -\frac{5}{4}& -\frac{3}{2}\\ 1& \frac{1}{2}& -\frac{1}{2}& -1& -1& -\frac{1}{2}& \frac{1}{2}& 1\\ \frac{5}{4}& -\frac{3}{8}& -\frac{3}{2}& -\frac{3}{4}& \frac{3}{4}& \frac{3}{2}& \frac{3}{8}& -\frac{5}{4}\\ 1& -1& -1& 1& 1& -1& -1& 1\\ \frac{3}{4}& -\frac{3}{2}& \frac{3}{8}& \frac{5}{4}& -\frac{5}{4}& -\frac{3}{8}& \frac{3}{2}& -\frac{3}{4}\\ \frac{1}{2}& -1& 1& -\frac{1}{2}& -\frac{1}{2}& 1& -1& \frac{1}{2}\\ \frac{3}{8}& -\frac{3}{4}& \frac{5}{4}& -\frac{3}{2}& \frac{3}{2}& -\frac{5}{4}& \frac{3}{4}& -\frac{3}{8}\end{array}\right)...\left(29\right)$

X＝A×A^T    ...(30)

即，8×8DCT的变换矩阵A与4×4DCT的(式(3))是不同的：其包括分母为2、4或8的分数。

为了易于说明，仅关注以上式(30)的水平方向的转换。该转换被表达如下(下标H表示水平分量)：

XH＝A×H    ...(31)

输入分量X_H可表示为输入分量X_H[i]：样本在实际空间中的坐标(即，8×8像素样本的位置)是索引i。输出分量X_H可表示为输出分量X_H[j]：样本在频率空间中的坐标是j。

这里，输出分量X_H[0]是在8×8DCT之后水平方向上直流(DC)分量的系数；输出分量X_H[7]是在8×8DCT之后水平方向上最高频率分量的系数。例如，从AVC采用的8×8DCT的水平方向的低频侧起的第二分量X_H[1]被表达如下：

X_H[1]＝(3/2)*x_H[0]+(5/4)*x_H[1]+(3/4)*x_H[2]+(3/8)*x_H[3] ...(32)

-(3/8)*x_H[4]-(3/4)*x_H[5]-(5/4)*x_H[6]-(3/2)*x_H[7]

AVC标准采用整数DCT。正交变换是通过乘法和右移位(除以2的幂)的整数计算来实现的；因此在计算期间丢弃小数。如式(29)中所示，在8×8DCT中，变换矩阵A的每个元素不是整数，并且每个计算产生小数。

因此，如果编码装置在DCT的计算期间将系数向右移位，则小数在计算期间将被丢弃，从而降低计算的精确度。

根据本发明，为了解决上述问题，引起计算的舍入的右移位计算是在执行8×8DCT的整数DCT部件22之后一起执行的，从而尽可能地减少了计算期间的舍入。

具体而言，如图30所示，在8×8DCT的计算之前，编码装置16为了防止整数计算期间的计算舍入，在即将进行水平和垂直方向的8×8DCT之前，根据每一个被向左移位了3比特的输入样本来计算DCT系数X。下面的式子表示了水平方向上的实际8×8DCT计算。

(X_H[1]＜＜3)＝(3/2)*(x_H[0]＜＜3)+(5/4)*(x_H[1]＜＜3)

+(3/4)*(x_H[2]＜＜3)+(3/8)*(x_H[3]＜＜3)                 ...(33)

-(3/8)*(x_H[4]＜＜3)-(3/4)*(x_H[5]＜＜3)

-(5/4)*(x_H[6]＜＜3)-(3/2)*(x_H[7]＜＜3)

式(33)可被表达如下：

(X_H[1]＜＜3)＝12*x_H[0]+10*x_H[1]+6*x_H[2]+3*x_H[3]        ...(34)

-3*x_H[4]-6*x_H[5]-10*x_H[6]-12*x_H[7]

即，由于三比特进位，变换矩阵A的每个元素被乘以8。这维持与变换矩阵A的每个元素都是整数时相同水平的计算精确度。

顺便说一下，式(33)和(34)的元素指的是从水平方向的低频侧起的第二分量。然而，即使对于其他水平和垂直方向的转换，向左移位三比特的也被用作8×8DCT的输入信号。

作为这些计算处理的结果而获得的8×8DCT系数X是分别在水平和垂直方向上向左移位三比特的一个和右左移位六比特的另一个。因此，为了维持整个系统(编码和解码部件)的一致性，在8×8DCT计算处理之后需要执行6比特右移位处理。

该6比特右移位计算处理可以在量化部件23内一起执行。即，传统的编码装置根据下述的式(35)来执行量化计算处理以计算与量化系数相对应的量化位阶Z。顺便说一下，Z表示量化位阶，MF表示根据由AVC标准定义的值计算出的重定标因子，W是DCT系数，并且f₁是用来确定上入和下舍位置的舍入因子。

Z＝{(MF*16/Qmatrix)*W+f1}＞＞(15+QP/6)                 ...(35)

同时，编码装置16的量化部件23可以通过利用式(36)执行量化计算处理来执行包括6比特右移位处理在内的计算，从而维持整个系统的一致性。顺便说一下，f₂是用来确定下舍位置的舍入因子；由于整数DCT部件22进行的进位的结果，该值相对于f₁已经移动。

Z＝{(MF*16/Qmatrix)*W+f2}＞＞(15+QP/6+6)                ...(36)

即，在8×8DCT计算之前，编码装置16使变换矩阵A的每个元素进位三个比特，并且量化计算部件23b使其进位六个比特。此时，编码装置16在量化计算处理期间是在执行借位的同时执行6比特进位的。这减少了执行借位的次数，从而尽可能地减少了可能由借位导致的计算的舍入。

图30是示出8×8DCT的计算舍入减少处理的示意框图。

当接收到输入x时，编码装置16的整数DCT部件22使用进位部件22a来使其进位，使用8×8DCT计算部件22b来执行水平方向8×8DCT计算，然后计算输出X_H。顺便说一下，整数DCT部件22在8×8DCT计算期间实际上使每个元素进位三个比特，如式(33)中所示。

另外，类似地，整数DCT部件22利用进位部件22d来使输出X_H进位，使用8×8DCT计算部件22b来执行垂直方向8×8DCT计算，然后计算输出X。输出X作为DCT系数W被提供到量化部件22。

在接收到DCT系数W之后，量化部件23使用量化计算部件23a来执行量化处理，因此计算出量化位阶Z；量化部件23使用借位部件23b来为量化位阶Z借位6比特。顺便说一下，量化部件23根据式(36)在量化计算期间实际使每个元素进位六比特。

这样，对于8×8DCT，编码装置16在8×8DCT计算处理之前使变换矩阵A的每个元素进位三比特，并且在计算之后，使计算结果进位六比特。这样，编码装置16防止了因为变换矩阵A的每个元素是分数而发生的8×8DCT计算处理的计算舍入，并且维持了整个系统的一致性。

(6-2)操作和效果

利用上述配置，当执行8×8DCT处理来作为整数DCT处理时，编码装置16在对水平和垂直方向完成8×8DCT计算处理之前，在水平和垂直方向上使计算目标图像数据或变换矩阵的每个元素进位(式(33))。然后，在对水平和垂直方向完成8×8DCT计算处理之后，编码装置16基于DCT系数来为系数数据借位三比特(式(36))。

因此，编码装置16可以减少可能由8×8DCT计算处理引起的小数计算舍入，并且有效地防止与编码相关联的图像质量劣化。编码装置16尤其可以有效地防止与翻录期间的多个8×8DCT计算处理相关联的图像质量下降。

(6-3)解码装置

下面参考图31来描述对以这种方式编码的实际编码流进行解码的解码装置500的配置。

在接收实际编码流之后，解码装置500开始利用设置在实际编码流中的设置信息来对实际编码流进行解码。具体而言，解码装置500将实际编码流提供给解码部件501。解码部件501对实际编码流解码以生成量化数据，并且将其提供给逆量化部件502。

逆量化部件502使用设置信息中设置的量化参数QP来对量化数据进行逆量化并且因此再现出由DCT系数构成的图像数据，并且将其提供给IDCT部件503。IDCT部件503对图像数据执行IDCT处理，并且将差异图像数据提供给预测图像添加部件504。

预测图像添加部件504向差异图像数据添加由逆内预测处理和运动预测处理预测出的预测值，生成表示图像的视频输出信号，并且将其提供给外部装置(未示出)。

(6-4)其他实施例

在上述的第五实施例中，在8×8DCT计算处理期间，装置使变换矩阵A的每个元素进位三比特。然而，本发明并不限于此。例如，预先被进位三比特的变换矩阵A的每个元素可被存储起来以供以后使用。另外，根据本发明，即使输入x的每个元素被预先进位三比特，也可以获得相同的效果。另外，根据本发明，即使它们被进位一个或两个数字，或者四个或更多个数字，也可以减少计算舍入。

另外，在上述的第五实施例中，在量化计算部件23a之后，执行6比特借位。然而，本发明并不限于此。例如，6比特借位可在进8×8DCT计算部件22d之后执行。这样，当整数DCT部件22和量化部件23被设计为不同的电路块时，即使数据量由于进位而增大，也可以不使数据传输线变粗。另外，3比特借位可以在8×8DCT计算部件22b和22c之后执行。

另外，在上述的第五实施例中，充当图像处理装置的编码装置16包括：充当进位部件的进位部件22a；以及充当借位部件的进位部件22c。然而，本发明并不限于此。本发明的图像处理装置可以包括通过各种不同方式配置的进位部件和借位部件。

另外，在上述的第一至第五实施例中，充当图像处理装置的编码装置执行编码处理。然而，本发明并不限于此。图像处理装置可以既执行编码处理也执行解码处理。

以上描述了本发明的实施例，但是这并不限制本发明的范围。可以发生各种修改和更改，只要它们在所附权利要求或其等同物的范围之内。

例如，上述编码装置和方法的功能可利用计算机程序来实现；它们可以实现为记录有程序的存储介质。

1.一种图像处理装置，包括：

正交变换部件，该正交变换部件通过对图像数据执行正交变换来生成变换系数，并且就与逆正交变换的关系而言，利用多个标度来对构成所述变换系数的系数元素的值执行标度变动；

除法因子计算部件，该除法因子计算部件通过将所述标度变动与基于解码期间可能使用的多个量化因子而计算出的解码因子相乘，来计算多个除法因子；

加和计算部件，该加和计算部件对于每个检测单位，来计算基于作为将所述变换系数的元素除以所述多个除法因子的结果而获得的余数的评估值的加和；以及

量化因子检测部件，该量化因子检测部件比较所述评估值的加和与所述多个除法因子的关系，并且基于所述评估值的加和为极小值的除法因子，来检测在上次对所述图像数据进行编码的处理中使用的量化因子。

2.根据权利要求1所述的图像处理装置，其中

所述量化因子是为每个量化单位设置的量化参数。

3.根据权利要求2所述的图像处理装置，其中

所述量化因子是一量化矩阵，该量化矩阵是为每个图像内编码单位设置的，并且在该量化矩阵中设置了所述变换系数的每个系数元素的值。

4.根据权利要求3所述的图像处理装置，包括：

图像内编码部件，该图像内编码部件是为每个图像内编码单位设置的，并且通过根据多个预定的图像内编码方法对输入图像数据编码来生成多项图像数据；以及

图像内编码方法检测部件，该图像内编码方法检测部件在所述多项图像数据中，基于在使用由所述量化因子检测部件检测到的量化因子时的评估值的加和，来检测在上次对所述输入图像数据进行编码的处理中使用的一种图像内编码方法。

5.根据权利要求1所述的图像处理装置，其中

所述加和计算部件把作为将所述余数除以所述除法因子的结果而获得的除法值视为所述评估值。

6.根据权利要求5所述的图像处理装置，其中

所述加和部件在所述系数元素的绝对值小于规格化阈值时把作为将所述余数除以所述除法因子的结果而获得的除法值视为所述评估值，而在所述系数元素的绝对值大于或等于所述规格化阈值时将所述余数视为所述评估值。

7.根据权利要求5所述的图像处理装置，其中

所述加和计算部件计算作为将所述余数乘以所述系数元素的结果而获得的乘法值，并且把将所述乘法值除以所述除法因子的结果而获得的除法值视为所述评估值。

8.根据权利要求2所述的图像处理装置，包括

后原始图像判定部件，该后原始图像判定部件基于从中检测到了所述极小值的图像数据与所述量化因子检测部件要处理的图像数据的比率，来判定所述图像数据是尚未经历任何编码处理的原始图像还是已经经历了至少一次编码处理的非原始图像。

9.根据权利要求8所述的图像处理装置，包括

搜索范围指定部件，该搜索范围指定部件在所述解码处理可能使用的多个解码因子中，指定一部分作为搜索区域，其中

所述原始图像判定部件包括：

极小值计数部件，该极小值计数部件对与所述极小值相对应的量化参数的极小值是所述搜索范围内的量化参数的极小值的最小次数进行计数；

处理次数计数部件，该处理次数计数部件针对每个检测单位对所述编码单位检测部件已执行的图像数据处理的次数进行计数，其中

所述图像数据处理的次数与所述最小次数的比率被视为从中检测到了所述极小值的图像数据与所述量化因子检测部件要处理的图像数据的比率。

10.根据权利要求1所述的图像处理装置，其中

所述搜索范围设置部件包括：

前正交变换部件，该前正交变换部件对所述图像数据执行正交变换以生成变换系数；

元素计数部件，该元素计数部件对构成所述变换系数的系数元素的每个值的出现次数进行计数，来作为元素出现次数；以及

量化参数估计部件，该量化参数估计部件基于所述元素出现次数的散布状态来针对每个图像编码单位估计所述量化参数。

11.根据权利要求10所述的图像处理装置，包括

前原始图像判定部件，该前原始图像判定部件基于所述元素出现次数的散布状态，来判定所述图像数据是尚未经历任何编码处理的原始图像还是已经经历至少一次编码处理的非原始图像。

12.根据权利要求11所述的图像处理装置，其中

对于所述元素出现次数，所述量化参数估计部件基于第一波峰来检测所述量化参数，在该第一波峰处所述系数元素的绝对值变为除零之外的极小值。

13.根据权利要求10所述的图像处理装置，其中

所述量化参数估计部件包括：

累加部件，该累加部件为所述系数元素的绝对值设置基准元素值，并且通过对作为将与所述基准元素值相分离的分离值与所述系数元素的绝对值的出现次数相乘的结果而获得的值进行累加，来计算一累加值，以作为与所述基准元素值相对应的累加值；以及

估计量化参数决定部件，该估计量化参数决定部件基于与不同基准元素值的累加值之中的最小累加值相对应的基准元素值，来确定与在上次编码处理中使用的量化参数相接近的估计量化参数。

14.根据权利要求13所述的图像处理装置，其中

所述估计量化参数决定部件基于作为所述系数元素的绝对值的检测目标的搜索量化参数来设置基准系数元素，并且如果该基准值被判定为最大值，则判定搜索量化参数是估计量化参数。

15.根据权利要求10所述的图像处理装置，包括

估计量化矩阵决定部件，该估计量化矩阵决定部件基于所述估计量化参数和检测目标量化矩阵来设置基准元素值，并且如果判定该基准值是最大值，则将搜索量化矩阵判定为估计量化矩阵。

16.根据权利要求10所述的图像处理装置，包括：

生成码量预测部件，该生成码量预测部件通过基于所述元素出现次数的熵计算来预测每个量化参数的生成码量；

量化参数预测部件，该量化参数预测部件将使得由所述生成码量预测部件预测出的生成码量能够变得更接近目标码量的量化参数，预测为预测参数；

预测量化部件，该预测量化部件利用所述量化参数来对所述变换系数进行量化，以生成预测量化数据；以及

参数校正部件，该参数校正部件根据基于所述预测量化数据的预测流的生成码量来对所述量化参数进行校正。

17.根据权利要求1所述的图像处理装置，包括

初始化参数设置部件，该初始化参数设置部件根据所述量化参数的值来设置量化矩阵。

18.一种图像处理方法，包括：

正交变换步骤，通过对图像数据执行正交变换来生成变换系数，并且就与逆正交变换的关系而言，利用多个标度来对构成所述变换系数的系数元素的值执行标度变动；

除法因子计算步骤，通过将所述标度变动与基于解码期间可能使用的多个量化因子而计算出的解码因子相乘，来计算多个除法因子；

加和计算步骤，对于每个检测单位，计算基于作为将所述变换系数的元素除以所述多个除法因子的结果而获得的余数的评估值的加和；以及

量化因子检测步骤，比较所述评估值的加和与所述多个除法因子的关系，并且基于所述评估值的加和为极小值的除法因子，来检测在上次对所述图像数据进行编码的处理中使用的量化因子。

Claims (20)

1.一种图像处理装置，包括：

正交变换部件，该正交变换部件通过对图像数据执行正交变换来生成变换系数，并且就与逆正交变换的关系而言，利用多个标度来对构成所述变换系数的系数元素的值执行标度变动；

除法因子计算部件，该除法因子计算部件通过将所述标度变动与基于解码期间可能使用的多个量化因子而计算出的解码因子相乘，来计算多个除法因子；

加和计算部件，该加和计算部件对于每个检测单位，来计算基于作为将所述变换系数的元素除以所述多个除法因子的结果而获得的余数的评估值的加和；以及

量化因子检测部件，该量化因子检测部件比较所述评估值的加和与所述多个除法因子的关系，并且基于所述评估值的加和为极小值的除法因子，来检测在上次对所述图像数据进行编码的处理中使用的量化因子。

2.根据权利要求1所述的图像处理装置，其中

所述量化因子是为每个量化单位设置的量化参数。

3.根据权利要求2所述的图像处理装置，其中

所述量化因子是一量化矩阵，该量化矩阵是为每个图像内编码单位设置的，并且在该量化矩阵中设置了所述变换系数的每个系数元素的值。

4.根据权利要求3所述的图像处理装置，包括：

图像内编码部件，该图像内编码部件是为每个图像内编码单位设置的，并且通过根据多个预定的图像内编码方法对输入图像数据编码来生成多项图像数据；以及

图像内编码方法检测部件，该图像内编码方法检测部件在所述多项图像数据中，基于在使用由所述量化因子检测部件检测到的量化因子时的评估值的加和，来检测在上次对所述输入图像数据进行编码的处理中使用的一种图像内编码方法。

5.根据权利要求1所述的图像处理装置，其中

所述加和计算部件把作为将所述余数除以所述除法因子的结果而获得的除法值视为所述评估值。

6.根据权利要求5所述的图像处理装置，其中

所述加和部件在所述系数元素的绝对值小于规格化阈值时把作为将所述余数除以所述除法因子的结果而获得的除法值视为所述评估值，而在所述系数元素的绝对值大于或等于所述规格化阈值时将所述余数视为所述评估值。

7.根据权利要求5所述的图像处理装置，其中

所述加和计算部件计算作为将所述余数乘以所述系数元素的结果而获得的乘法值，并且把将所述乘法值除以所述除法因子的结果而获得的除法值视为所述评估值。

8.根据权利要求2所述的图像处理装置，包括

后原始图像判定部件，该后原始图像判定部件基于从中检测到了所述极小值的图像数据与所述量化因子检测部件要处理的图像数据的比率，来判定所述图像数据是尚未经历任何编码处理的原始图像还是已经经历了至少一次编码处理的非原始图像。

9.根据权利要求8所述的图像处理装置，包括

搜索范围指定部件，该搜索范围指定部件在所述解码处理可能使用的多个解码因子中，指定一部分作为搜索区域，其中

所述原始图像判定部件包括：

极小值计数部件，该极小值计数部件对与所述极小值相对应的量化参数的极小值是所述搜索范围内的量化参数的极小值的最小次数进行计数；

处理次数计数部件，该处理次数计数部件针对每个检测单位对所述编码单位检测部件已执行的图像数据处理的次数进行计数，其中

所述图像数据处理的次数与所述最小次数的比率被视为从中检测到了所述极小值的图像数据与所述量化因子检测部件要处理的图像数据的比率。

10.根据权利要求1所述的图像处理装置，其中

所述搜索范围设置部件包括：

前正交变换部件，该前正交变换部件对所述图像数据执行正交变换以生成变换系数；

元素计数部件，该元素计数部件对构成所述变换系数的系数元素的每个值的出现次数进行计数，来作为元素出现次数；以及

量化参数估计部件，该量化参数估计部件基于所述元素出现次数的散布状态来针对每个图像编码单位估计所述量化参数。

11.根据权利要求10所述的图像处理装置，包括

前原始图像判定部件，该前原始图像判定部件基于所述元素出现次数的散布状态，来判定所述图像数据是尚未经历任何编码处理的原始图像还是已经经历至少一次编码处理的非原始图像。

12.根据权利要求11所述的图像处理装置，其中

对于所述元素出现次数，所述量化参数估计部件基于第一波峰来检测所述量化参数，在该第一波峰处所述系数元素的绝对值变为除零之外的极小值。

13.根据权利要求10所述的图像处理装置，其中

所述量化参数估计部件包括：

累加部件，该累加部件为所述系数元素的绝对值设置基准元素值，并且通过对作为将与所述基准元素值相分离的分离值与所述系数元素的绝对值的出现次数相乘的结果而获得的值进行累加，来计算一累加值，以作为与所述基准元素值相对应的累加值；以及

估计量化参数决定部件，该估计量化参数决定部件基于与不同基准元素值的累加值之中的最小累加值相对应的基准元素值，来确定与在上次编码处理中使用的量化参数相接近的估计量化参数。

14.根据权利要求13所述的图像处理装置，其中

所述估计量化参数决定部件基于作为所述系数元素的绝对值的检测目标的搜索量化参数来设置基准系数元素，并且如果该基准值被判定为最大值，则判定搜索量化参数是估计量化参数。

15.根据权利要求10所述的图像处理装置，包括

估计量化矩阵决定部件，该估计量化矩阵决定部件基于所述估计量化参数和检测目标量化矩阵来设置基准元素值，并且如果判定该基准值是最大值，则将搜索量化矩阵判定为估计量化矩阵。

16.根据权利要求10所述的图像处理装置，包括：

生成码量预测部件，该生成码量预测部件通过基于所述元素出现次数的熵计算来预测每个量化参数的生成码量；

量化参数预测部件，该量化参数预测部件将使得由所述生成码量预测部件预测出的生成码量能够变得更接近目标码量的量化参数，预测为预测参数；

预测量化部件，该预测量化部件利用所述量化参数来对所述变换系数进行量化，以生成预测量化数据；以及

参数校正部件，该参数校正部件根据基于所述预测量化数据的预测流的生成码量来对所述量化参数进行校正。

17.根据权利要求1所述的图像处理装置，包括

初始化参数设置部件，该初始化参数设置部件根据所述量化参数的值来设置量化矩阵。

18.一种图像处理装置，包括：

正交变换部件，该正交变换部件对图像数据执行正交变换以生成变换系数；

元素计数部件，该元素计数部件对构成所述变换系数的系数元素的每个值出现的次数进行计数，来作为元素出现次数；以及

原始图像判定部件，该原始图像判定部件基于所述元素出现次数的散布状态，来判定所述图像数据是尚未经历任何编码处理的原始图像还是已经经历至少一次编码处理的非原始图像。

19.一种图像处理装置，包括：

进位部件，该进位部件在执行8×8DCT处理作为整数DCT处理时，在对水平和垂直方向完成8×8DCT计算处理之前，在水平和垂直方向上使计算目标图像数据或变换矩阵的每个元素进位三个比特；以及

借位部件，该借位部件在对水平和垂直方向完成所述8×8DCT计算处理之后，使基于DCT系数的每项系数数据借位三个比特。

20.一种图像处理方法，包括：

正交变换步骤，通过对图像数据执行正交变换来生成变换系数，并且就与逆正交变换的关系而言，利用多个标度来对构成所述变换系数的系数元素的值执行标度变动；

除法因子计算步骤，通过将所述标度变动与基于解码期间可能使用的多个量化因子而计算出的解码因子相乘，来计算多个除法因子；

加和计算步骤，对于每个检测单位，计算基于作为将所述变换系数的元素除以所述多个除法因子的结果而获得的余数的评估值的加和；以及

量化因子检测步骤，比较所述评估值的加和与所述多个除法因子的关系，并且基于所述评估值的加和为极小值的除法因子，来检测在上次对所述图像数据进行编码的处理中使用的量化因子。

Images