CN102045567A - 用于减少压缩图像和视频信号中的成块假象的方法和系统 - Google Patents

Abstract

公开了一种用于减少压缩图像和视频信号中的成块假象的方法和系统。本发明涉及一种用于减少压缩图像和视频信号中的成块假象的无关于编码参数的方法。为此目的，分析块边界附近的图像以便测量成块假象的存在和强度并且检测图像区域。基于该分析结果生成用于邻近于块边界的每个像素的图信息。依赖于该图信息自适应地确定用于每个块边界的滤波器模式，并且依赖于所选择的滤波器模式来滤波该图像。

Description

用于减少压缩图像和视频信号中的成块假象的方法和系统

技术领域

本发明涉及一种用于减少压缩图像和视频信号中的成块假象(blocking artefact)的方法和系统。更具体地，本发明涉及使用块边界的图像分析和内容自适应滤波来无关于编码参数地减少成块假象。

背景技术

在视频处理中存在许多不同的用于成块假象减少的方法。通常，人们可以区分在空间域(例如在块边界处的简单自适应或非自适应低通滤波)中操作的方法和在变换域(例如小波域)中操作的方法。而且，人们可以区分与编码参数相关的方法，其例如基于块的量化电平来调整滤波策略，和与编码参数无关的方法，其不是图像内容自适应的，或者使用图像分析来区分例如块边界处的平面、纹理或边缘区域。

在视频压缩中，通常，变换域处理用于高效地存储或发送信息。离散余弦变换(DCT)是帧内视频压缩算法的示例，其中用基于块的变换方案来处理视频序列的单个帧。视频信号中包含的大部分信息集中在频谱的低频部分。在视频处理中，基于DCT的压缩可以高效地用于存储该信息。可以经由高信号频率的截取或强量化来达到压缩效果。该损失压缩导致尤其在块边界处存在的可见编码假象，即所谓的“成块假象”。所提及方法的主要目的是克服该假象。这例如可以通过在块边界附近进行简单低通滤波来实现，其中例如阶梯函数被转换为平滑斜坡函数。

在块边界附近为边缘或纹理区域的情况下，如果应用了低通滤波，则图像内容的恶化是明显的。因此，高质量的解块(deblocking)方法使用内容自适应滤波策略来克服图像内容的恶化。可以经由编码参数或者基于图像分析来控制自适应滤波。相关于编码参数的解块方法例如可以使用量化电平来调整滤波强度。如果量化电平高，则滤波较强，并且反之亦然。高质量的无关于编码参数的解块方法例如可以使用平面相比于边缘相比于纹理的区分来检测成块假象和/或控制滤波强度。如果成块假象是明显的并且块边界位于同构区域(homogeneous area)内，可以应用强的低通滤波，否则不执行滤波或者执行微弱的滤波。

变换域方法通常应用来在变换域中从编码恶化(例如成块)分离图像信息。使用小波变换的解块方法利用了恶化和图像信息通常位于不同的子频段内的事实。因此，某些子频段中的系数的截取(去除中心部分)可以用于减少图像恶化(例如成块)。

发明内容

因此本发明的目的是改进现有技术。

在第一方面中，本发明涉及一种用于减少压缩图像和视频信号中的成块假象的方法，包括以下步骤：分析块边界附近的图像以便测量成块假象的存在和强度并且检测图像区域；基于分析结果生成用于邻近于块边界的每个像素的图信息(map information)；依赖于图信息确定用于每个块边界的滤波器模式；并且依赖于所选择的滤波器模式来滤波图像。

根据第二方面，本发明涉及一种用于减少压缩图像和视频信号中的成块假象的系统，包括：分析器，用于分析块边界附近的图像以便测量成块假象的存在和强度并且检测图像区域，并且基于分析结果生成用于邻近于块边界的每个像素的图信息；滤波器，其适于依赖于图信息确定用于每个块边界的滤波器模式，并且依赖于所选择的滤波器模式来滤波图像。

根据第三方面，本发明涉及一种在计算机可读介质上存储的计算机程序产品，其使得计算机执行步骤：分析块边界附近的图像以便测量成块假象的存在和强度并且检测图像区域；基于分析结果生成用于邻近于块边界的每个像素的图信息；依赖于图信息确定用于每个块边界的滤波器模式；并且依赖于所选择的滤波器模式来滤波图像。

附图说明

现在，将在优选实施例的以下描述中，相关于所包含的附图来更详细地说明本发明，在附图中：

图1根据本发明示出了系统的示意性框图，

图2根据本发明示出了系统组件的示意性框图，

图3a到3c根据本发明示出了处理期间在不同处理点处的图信息的示例，

图4到7根据本发明示出了用于分析图像的像素的示例，

图8是根据本发明示出块边界梯度(gradient)分析的过程步骤的流程图，

图9是短通(short-pass)解块滤波器的示例，

图10是长通(long-pass)解块滤波器的示例，并且

图11a和图11b是示出根据本发明的方法的过程步骤的流程图。

具体实施方式

本发明涉及一种用于减少压缩图像中的块噪声的改进方法和系统。根据本发明的术语“图像”旨在指代任何类型的静止或运动的图像，特别是旨在指代静止图像或视频序列。即使将遍及整个说明书使用术语“图像”，它不旨在限制保护的范围，而是用本发明覆盖任何类型的图像或视频材料。

图1根据本发明示出了用于减少压缩图像中成块假象的系统的示意性框图。本发明基于无关于编码参数的方法，因此应用基于块边界的图像分析来防止细节的清晰度损失并且局部地调整解块滤波器的低通系数。

为此目的，输入图像10提交到滤波器2和图像分析器4。在如图1所示的实施例中，其中提供了用于水平和垂直方向上的图像分析的两个图像分析器4a、4b，并且相应地提供了用于在水平和垂直方向上滤波的两个滤波器2a、2b。然而，也可以将水平图像分析器4a和垂直图像分析器4b组合为一个单个组件。同样，可以将水平滤波器2a和垂直滤波器2b组合为一个单个滤波器组件。

如图1中所示，输入图像10提交到水平滤波器2a、水平图像分析器4a和垂直图像分析器4b。图像分析器4a、4b分析块边界附近的图像以便测量成块假象的水平或强度并且以便检测图像区域。基于分析结果，生成检测图，其具有用于邻近于块边界的每个像素的图信息。

更具体地，图像分析器4a、4b向在邻近于每个块边界的每个像素的位置处的检测图分配值。该图信息13然后提交到对应滤波器2a、2b以便确定用于每个块边界的滤波器模式。由此，如图1中所示，水平图信息13a从水平图像分析器4a发送到水平滤波器2a，并且同样，垂直图信息13b从垂直图像分析器4b发送到垂直滤波器2b。

在接收了输入图像10以及水平图信息13a之后，水平滤波器2a依赖于水平图信息13a确定用于水平块边界的滤波器模式。水平滤波器2a然后将经中间滤波的图像14发送到垂直滤波器2b，垂直滤波器2b转而执行垂直滤波并且依赖于由垂直图像分析器4b接收的垂直图信息13b确定用于每个垂直块边界的滤波器模式。

经滤波的，即经解块的输出图像15然后由垂直滤波器2b输出。

要注意，当然可以改变顺序，以使得首先完成垂直滤波并且然后是水平滤波。

在本发明中，因此实现了改进分析，其测量成块假象的强度并且同时检测图像区域。依赖于该分析来使用自适应解块滤波器。

根据本发明，图像区域的检测包括检测三种不同的图像区域，即图像内的边缘、纹理区域和同构或平坦区域。本发明因此允许在不同的图像区域之间进行分辨，以便将图像信息从图像恶化区分出来。这使得相比于其它方法能够更精确地解块，其它方法仅仅相对于一种或两种不同的区域分析图像并且不能检测三种不同的区域类型。

作为滤波器模式，提供了长解块滤波器、短解块滤波器或完全不滤波的旁通(bypass)。除了改进分析以外，本发明因此还提供了非常差别化的滤波器模式判定。然而，本发明不限于三种滤波器模式，而是也可以包括两种、三种或更多的滤波器模式。

在下面，将参考图2说明图像分析器4的图像分析和详细组件。在图2中，图像分析器4被示例性地示出，其中除了不同的分析方向，水平图像分析器4a的结构对应于垂直图像分析器4b的结构。

在下面，将参考垂直块边界进行描述，即判定和分析过程对于两个水平邻近块之间的块边界是有效的。然而，本发明不限于垂直块边界，而是，在相应地对特征进行修正的情况下当然可以应用于水平块边界。这意味着垂直分析和水平分析是相似的。

图像分析包括三个基本过程，即

1.每像素特征检测

2.部分块平滑

3.每块特征检测。

为此目的，图像分析器4包括像素特征检测器40、平滑滤波器41和每块特征检测器42。

每像素特征检测器40检测邻近于和/或邻接于块边界的像素的特征。依赖于检测到的特征，每像素特征检测器40向邻近于每个块边界的像素的位置处的检测图分配不同的值，并且将该第一中间检测图11输出到平滑滤波器41。

平滑滤波器41对邻近于块边界的块的各部分实现检测图平滑，即平滑滤波器41不是平滑整个块，而是平滑邻近于块边界的部分块，并且对于该平滑，也可以使用不同的滤波器。在平滑之后，检测图内先前分配的值相应地改变，并且第二中间检测图12被输出到每块特征检测器42。

每块特征检测器42检测邻近于块边界的部分块的特征。由此，经过每块特征检测器42分析的部分块在尺寸和/或位置上可以对应于或不同于先前被平滑滤波器平滑了的部分块。在检测了这些特征后，每块特征检测器42也可以修改检测图并且最后输出图信息13。

在下面，将详细说明上面提及的过程，即每像素模式判定、部分块平滑和每块模式判定。

1.每像素特征检测

像素特征检测器40包括平面相对细节(flat versus detail)鉴别器401(在下面称作为FD鉴别器401)和块边界梯度测量单元402(在下面称作为BBGM单元402)。

FD鉴别器401的主要功能是在块边界的任一端将详细区域从同构区域区分出来。FD处理的结果被写到所谓的检测图，由此在本发明中，为垂直块边界和为水平块边界创建了不同的检测图。输出图信息，也称作为检测图，在垂直输出图信息的情况下也称作为outDetMapVer，并且在水平输出图信息的情况下也称作为outDetMapHor。

为了向邻近于块边界的像素分配值，FD鉴别器401计算邻近于块边界的像素和邻近于块边界的像素附近的像素之间的差值。更具体地，FD鉴别器计算行或列内的一组像素内的两个邻近像素之间的差值，由此该组像素包括邻近于块边界的像素和相同行或相同列内的一个或多个像素。

所计算出的差值然后与预定义阈值比较，并且如果差值高于阈值，那么对于每个差值计数器递增，并且然后，最后的计数值被分配给邻近于块边界的像素的位置处的检测图。

在下面，给出详细的示例，其中采用了8×8像素的网格，意味着水平和垂直方向上的每第8个像素是块边界。这样的块边界的附近的某些像素可能恶化，显示出成块假象。在优选实施例中，本发明的实现方式使用8×8像素的固定块网格，例如MPEG2，但是在更一般的实现方式中，本发明不限于具有固定尺寸的固定块网格。

参考图4说明详细处理。在图4中，示出了具有8×8像素的网格的图像，并且用20指示垂直块边界以及用21指示水平块边界。在下面，将参考邻近于垂直块边界20的像素来说明处理。

为了确定要分配到邻近于垂直块边界20的每个像素25的值，选择同一块的同一行内的至少一个邻近像素26。在本实现方式中，选择了三个邻近像素26。

在下面，计算所选择像素组的每两个邻近像素之间的差值，即计算像素v₀和v₁、v₁和v₂、v₂和v₃之间的差值。然后，每个像素差值与预定义阈值T2相比较，并且对于高于阈值的每个像素差值，将计数器递增1。然后，计数器的值被分配给邻近于块边界20的像素25的位置处的检测图。

在下面，将针对垂直块边界20右侧位置处的像素的示例再次说明处理步骤，即，以下是在使用三个邻近像素26的情况下对垂直块边界的FD鉴别的示例描述。

步骤1：计算垂直块边界右侧的3个绝对像素差值：

diff_n＝|v_n-v_n+1|

在使用三个邻近像素的本示例中，n取0到2。但是本发明不限于3个邻近像素的数量，而是还包括其它邻近像素的数量，例如1、2、4或更多个。

此外，如果在本发明中计算了像素差值，这旨在指代绝对像素差值。

步骤2：将每个差值与阈值thresh_detail(T2)比较。如果差值高于阈值，则对于在块边界20右侧的像素位置增加细节计数器countR：

if(diff_n＞thresh_detail)

then

countR++

步骤3：将countR的值分配给垂直块边界右侧的像素位置处的检测图

步骤4：以类似方式对于块边界右侧的所有其它像素并且对于垂直块边界左侧的所有像素执行步骤1-3。

因此，在本特定实现方式中，计算出了左侧上和右侧上的三个像素差值，将其与阈值(thresh_detail)比较。用于FD鉴别的像素差值的数量在一般的实现方式中不是固定的。但是它应当仅针对块边界的某个邻近区域内的像素。如果差值高于该阈值，则用于细节的相应计数器(countL、countR)递增。countL的值在最后的步骤中被分配给块边界左侧的位置处的检测图。countR的值被类似地分配。在本特定实现方式中，如果所有差值高于thresh_detail，则countR、countL的最大值是3。在更一般的实现方式中，countL、countR的最大值由所使用的像素差值的数量来定义。如果所有差值低于thresh_detail，则countR、countL的最小值是0。T2的可能值位于3和10之间，并且优选地是5，但是本发明不限于这些特定值。

然后将相应的检测图提交到BBGM单元402。

BBGM处理是跨越边界的类似于亮度分布的针对梯度的检测机制。它被用于将来自先前FD鉴别步骤的可能的误检测考虑在内。BBGM处理的结果也写入到检测图。

对于BBGM处理，使用已经用于FD鉴别处理的相同的像素。由此，在第一步骤中，计算绝对像素差值的平均值。然后，计算块边界两端的像素之间的差值和差值的平均值。然后，在本示例4中，在满足两个条件的情况下，即首先块边界处的差值和平均值之间的差值低于预定义阈值，并且其次平均值高于预定义阈值，则将固定值分配到邻近于块边界的像素的位置。

将在下面更详细地说明对于垂直块边界20的情况使用左侧和右侧上邻近于块边界的像素25和三个邻近像素26测量BB梯度的过程。即，将图4中由v_-4、v_-3、v_-2、v_-1、和v₀指示的像素用于BB梯度测量的示例说明。

步骤1：计算垂直块边界左侧3个像素差值的平均值：

avg＝(|v_-4-v_-3|+|v_-3-v_-2|+|v_-2-v_-1|)/3

步骤2：计算块边界处的差值和差值的平均值之间的差值：

gradSim＝||v_-1-v₀|-avg|

步骤3：在满足以下条件的情况下在垂直块边界左侧的位置处将countL的值分配为4(短滤波器的细节情况)：

if((enable)&&(gradSim＜thresh_gradSim)&&(avg＞thresh_gradMean))

countL＝4

条件(enable)由此表示将BBGM单元402关闭的可能性，即仅仅在除了前面提及的两个条件以外还将整个过程设置为条件enable时，才将上面的值分配给像素。

步骤4：对于垂直块边界20左侧所有其它像素并且对于垂直块边界20右侧的所有像素执行步骤1-3。

因此，在本特定实现方式中，计算出了垂直块左侧的三个像素差值的平均值。在更一般的实现方式中，所考虑的像素差值的数量不是受限的并且可以是2和下面的块(underlying block)的宽度(或高度)之间的任何数量。在第二步骤中，计算avg和块边界处的差值之间的差值。在最后的步骤中，将gradSim的值与某些阈值比较。阈值thresh_gradSim考虑到了块边界处和块边界左侧/右侧处的梯度之间的可容许差值(梯度相似性)。阈值thresh_gradMean表示了邻近于块边界的梯度的最小平均值(梯度平均数)。基于比较，检测图的值被设置为4或者保持不改变。用于块边界右侧的处理是类似的。

产生的检测图然后由像素特征分析器40作为第一中间图信息11输出到平滑滤波器41。在像素特征检测器40之后的这样的检测图的示例在图3a中示出。如可看到的，向邻近于垂直块边界20的检测图22中的所有像素分配了值，由此在图3a中，在各个像素22内用不同符号示出了不同的值。

2.部分块平滑

部分块平滑用于滤波像素特征检测的结果并且使得结果相对于异常值(outlier)和误检测更加健壮。

对于部分块平滑，使用各自邻近于块边界的至少两个像素的块。在优选实现方式中，部分块平滑是限于4×1个像素的区域(即，各自与块边界相邻的四个像素的块)的半块平滑，但是在更一般的实现方式中，部分块平滑不限于固定大小。然而，在优选实施例中，推荐将值设置为等于块大小的一半。

参考图5说明半块平滑，其中在示例实施例中，使用邻近于垂直块边界20和在垂直块边界20左侧的4×1像素的部分块27。

对于部分块平滑，计算部分块内的像素的最大值。然后，执行中值滤波(median filtering)，确定部分块内的四个像素的值和先前计算的最大值之间的中值。然后，将中值滤波操作的输出被分配到块内的所有像素。

参考图5更详细地示出了该处理，其中使用了四个像素a₀到a₃。

在下面，对于垂直块边界20和具有四个像素大小的部分块27的情况更详细地说明了平滑滤波器41的操作：

步骤1：计算部分块27内的像素a₀、a₁、a₂、a₃(在本示例中为顶部的四个像素)的最大值

maxVal＝MAX(a₀，a₁，a₂，a₃)

步骤2：对于所有像素a₀、a₁、a₂、a₃和先前计算出的最大值执行中值滤波，如下

medVal＝MED(a₀，a₁，a₂，a₃，maxVal)

步骤3：将中值滤波器操作的输出分配到部分块27内的所有像素a₀、a₁、a₂、a₃

a₀＝a₁＝a₂＝a₃＝medVal

步骤4：对于底部的四个像素和垂直块边界右侧的两个半块执行步骤1-3。

半块平滑处理首先找到块边界左侧的半块的最大值maxVal。在第二步骤中，在本特定实现方式中，使用块边界处的四个像素值和最大值maxVal来应用5-抽头(5-tap)中值，以便对于特定的4×1区域确定和分配检测图的新值。在更一般的实现方式中，用于中值滤波器的候选应当包括属于块边界的各个侧的部分块的所有像素。用于中值滤波器的抽头的数量在更一般的实现方式中应当等于块大小的一半加1。中值滤波的原理被应用于平滑单个异常值。出于简单的原因，特别着重于中值中的最大值。检测图的值分别来自FD鉴别和/或BBGM处理。如果处理之一将较高的值分配到检测图，这应当被强调。检测图中的高值随后将导致对短解块滤波器的选择或者对滤波器的旁通，这意味着较少的细节损失。从图像质量的观点来看，评估已经证明了使用中值中的maxVal的优点。在某些情况下，如果每像素判定图用于各个块的部分许多不同值，则使用短滤波器或简单地旁通是安全的备用机制。用于块边界右侧的处理是类似的。

输出图的示例，即第二中间图信息12在图3b中示出。如可见到的，相同的值被分配到邻近于垂直块边界20的4×1个像素的每个块23。

第二中间图信息12然后被提交到块特征检测器42。应当注意，其它平滑技术也是可能的，例如平均值滤波、最大值滤波、加权中值等。

3.每块特征检测

每块特征检测用于使得半块平滑的结果更加健壮。因此，应用了对于整个垂直或水平块边界的特征分析。该分析分为三个不同的步骤。

第一步骤由块边界梯度分析单元421(在下面称作为BBGA单元421)完成。下一步骤由块边界可能性(contingency)分析单元422(在下面称作为BBCA单元422)实现。第三步骤由块边界阶高(step height)控制单元423(在下面称作为BBSH单元423)实现。

BBGA处理的主要目的是基于每个块改善(refine)和更新检测图，来作为部分块平滑的后处理。梯度分析在块边界的两侧上分配内容种类，例如细节或真实边缘区域。结果基于每个块被写入到检测图。

将参考图6说明BBGA处理。对于BBGA，为了分析垂直块边界20而选择行内的像素，并且为了分析水平块边界21而选择列内的像素。由此，邻近于块边界的两个像素和邻近于其它像素的相同行或列内的至少两个其它的像素被选择。块边界每一侧上的所选择像素的数量和位置关于块边界对称。

计算第一主梯度，即直接相邻于块边界20的两个像素28之间的绝对差值。然后，将作为与块边界20邻近的像素28的相邻像素29的两个像素之间的差值计算为第二主梯度。这对于沿着一个块内的块边界的每个像素组来完成。然后，计算第一和第二主梯度的总和，并且然后取决于总计出的梯度的值将不同的值分配给检测图。

这将通过参考图8的流程图和相应的描述来更详细地说明。

处理在步骤S0开始。在步骤S1中，从平滑滤波器41接收检测图输出，即第二中间图信息12。然后，步骤S2中的处理进行到要被分析的第一垂直或水平块边界。

在步骤S3中，对于块的每行，计算用于直接邻近于块边界的像素的第一和第二主梯度。

mg1(y)＝|v(y)_-1-v(y)₀|(第一主梯度)

mg2(y)＝|v(y)_-2-v(y)₁|(第二主梯度)

并且然后计算第一和第二主梯度的总和以便接收MG1和MG2的值。

$\mathrm{MG}1=\underset{i=0}{\overset{7}{\mathrm{\Σ}}}\mathrm{mg}1\left(i\right)$ (第一主梯度的总和)

$\mathrm{MG}2=\underset{i=0}{\overset{7}{\mathrm{\Σ}}}\mathrm{mg}2\left(i\right)$ (第二主梯度的总和)

使用沿着块边界的第一和第二主梯度的所计算出的总和，处理如下这样继续。MG1和MG2用于将内容类别分配到检测图。在本发明的本特定实现方式中分析是基于第一和第二主梯度的总和的，但是在更一般的实现方式中可以用能够将细节从真实边缘区分出来的不同分析分量来代替。

在步骤S4中，检查第一条件。该条件将在块边界可能性分析段落中进行说明。它的主要目的是判断块边界易于示出成块假象，还是根本不示出成块假象。在本示例中，使用条件“detail count＜6”，但是还可以使用除了6之外的任何数字。

在步骤S6中，检查第二条件。该条件将MG1和MG2之间的绝对差值与阈值T4相比较并且将MG1与阈值T3相比较。该条件的主要目的是判断跨越块边界的真实边缘梯度是否是明显的。假设真实或自然的边缘梯度跨越块边界伸展，而成块假象以非常窄的延长部分(elongation)跨越块边界逐渐扩大。该问题在第二条件的第一表达式中被解决。在块边界处的理想跳跃函数或成块假象的情况下，MG1和MG2是非常相似的，这产生了MG1和MG2的小的绝对差值。在块边界处的真实边缘的情况下，MG2大于MG1，这产生了MG1和MG2的大的绝对差值。因此，可以使用第二条件中的第一表达式将真实边缘与成块假象区分开来。

第二条件的第二表达式用于判断块边界是否与亮度水平的高度转变(例如对象边缘)相同。由于强量化造成这种高度转变的可能性非常低。因此，在该特定情况下下采取对象边缘是安全的。如果第二条件满足，则对于整个块边界的两侧，步骤S7中的检测图被设置为值5。

在步骤S8中被检查的第三条件将MG1与阈值2*T3相比较。它是步骤S6中的条件的第二表达式的更强的形式。它的主要目的是判断块边界是否与亮度水平的高度转变相同。如果第三条件满足，则对于整个块边界的两侧将步骤S9中的检测图设置为值4。

在步骤S10中，检查是否到达图像内的最后一行或一列。如果不是这种情况，那么针对图像中的下一垂直或水平块边界继续根据步骤S11的处理。否则，处理在步骤S12结束。

下一处理由块边界可能性分析单元422(在下面称作为BBCA单元422)完成。

如果跨越块边界的大于0的差值的数量低于阈值detail_count，则块边界可能性分析(BBCA)用于以块为基础改写(override)来自平滑滤波器41的检测图改善(在流程图图8中示出为步骤S4中的第一条件)。如果满足第一条件，则对于块边界的两侧，将步骤S5中的检测图设置为值6。这意味着存在太少的高于假定有成块假象的阈值的像素差值。因此，应当没有可见的成块假象。

参考图7示出了BBCA处理。由此，计算块边界(在本示例中为垂直块边界20)的不同侧上的两个像素之间的差值。如果差值的数量低于某个阈值，那么假设没有明显的成块假象，并且不应用滤波器而是提供旁通。

在下面，将更详细地说明BBCA处理。

步骤1：对高于0的块边界处的差值的数量进行计数：

if(|v_i-w_i|＞0)

detail_count++

步骤2：如果detail_count小于6，则假设没有明显的成块假象并且不应用滤波器，即选择旁通滤波器模式：

if(detail_count＜6)

不滤波块边缘(旁通)

在优选实现方式中，使用该阈值6，但是也可以使用除了6之外的任何其它阈值。

下一处理由块边界阶高控制单元423(下面称作为BBSH单元423)来实现。BBSH用于控制成块滤波器的影响。基于先前计算出的直接邻近于块边界的像素之间的绝对差值的总和与预定义阈值的简单比较，对于整个块边界将检测图设置为用信号表示旁通的值。

下面说明详细的处理。

步骤1：计算邻近于块边缘的像素之间的绝对差值的总和(SAD)并且将结果存储为MG1：

$\mathrm{MG}1=\underset{i=0}{\overset{7}{\mathrm{\Σ}}}\left|(v_i-w_i)\right|$

步骤2：比较MG1与threshold_deblocking。仅仅在边界阶高等于或高于threshold_deblocking时解块才起作用：

if(MG1≤(255-threshold_deblocking)*blckSz)

不滤波块边缘(旁通)

由此，取决于实际需要，不同的参数可以被设置为不同的值。阈值解块值可以在0...255之间进行调节，其中0意味着对直到255的最大阶高进行阻塞的旁通。255意味着没有旁通并且将对任何阶高进行滤波(根据内部分析)。在优选实施例中，默认值是255，即没有旁通。

然后，最后的图信息13由块特征检测器42输出。这种图信息的示例在图3c中给出。可以看到，对于块边界20一侧上的两个半块23，分配了不同的值，其中对于邻近于块边界20的一个整块24，分配了一个值。

在下面，表格显现了检测图的值并且提供了相应的说明。

由此，对于最终的显现，来自水平和垂直处理的检测图被合计。

然后，应用图信息13，即检测图，来调整水平和垂直方向上的解块滤波器。在一个特定实现方式中，使用两种滤波器类型，以使得对于每个方向应用长解块滤波器(用于同构区域)或短解块滤波器(用于细节区域)。本发明另外还提供了旁通。自适应滤波器选择策略是基于检测图的值的，如将在下面说明的。

块边界两侧上的值表示细节区域或同构区域，并且因此通过提供不同的条件，可以选择长滤波器、短滤波器或者旁通。根据检测图的值进行滤波器选择的示例在下面的表格中给出。

其中，A表示块边界左侧或顶部的检测结果，并且B表示块边界右侧或底部的检测结果。

在下面，将详细说明不同的滤波器类型。

短解块滤波器是具有系数[0.15；0.7；0.15]的简单3抽头FIR滤波器。当前的短滤波器是非常简单但是相当有效的FIR低通滤波器实现。在本发明更一般的实现方式中，FIR滤波器可以不限于3抽头实现。还可以例如根据比特率或者总体图像质量来调整滤波器系数。该滤波器在图9中示出。

根据以下等式，直接邻近于块边界的两个像素(v₄，v₅)用3抽头FIR滤波器的结果来代替：

v’₄＝0.15(v₃+v₅)+0.7v₄

v’₅＝0.15(v₄+v₆)+0.7v₅

将在下面说明长解块滤波器。用于同构区域的滤波器核心相比于细节滤波器进一步被延长。它还使用更多的像素值用于解块滤波。该滤波器也在图10中示出，其中活动的滤波器区域用30表示。

使用长滤波器的步骤如下：

步骤1：计算块边界处的像素差值并且定义系数集k：

Diff＝v₄-v₅

$k=(\frac{1}{9},\frac{2}{9},\frac{3}{9},\frac{4}{9},\frac{4}{9},\frac{3}{9},\frac{2}{9},\frac{1}{9})$

步骤2：用以下等式的结果代替块边界左侧的4个像素(v₁、v₂、v₃、v₄)中的每一个：

v′_i＝v_i-diff·k_i and i[1..4]

步骤3：用以下等式的结果代替块边界右侧的4个像素(v₅、v₆、v₇、v₈)中的每一个：

v′_j＝v_j+diff·k_j and j5..8]

最终的图的示例在图3c中示出。用于垂直块边界20一侧上两个半块23内的像素的图信息具有相同的值，并且用于另一侧上的一个整块24内的像素的图信息具有相同的值。

在下面，将参考图11a和11b说明根据本发明方法的完整过程。

过程在步骤S20开始。在下一步骤S21中，选择一个块内的一行或一列内的一组邻近像素，所述组包括邻近于块边界的像素。在步骤S22中，在图信息内，值0被分配到邻近块边界的像素的位置。在步骤S23中，将该像素组内的相邻像素之间的差值中的每个差值与预定义第一阈值相比较。在步骤S24中，对于高于预定义第一阈值的每个差值，将图信息内的所述值增加1。

在步骤S25中，计算所述像素组内的相邻像素之间的差值的平均值，并且在步骤S26中，计算所述行或列内两个像素之间的第三差值与所述平均值之间的第二差值，所述两个像素处于不同块中并且邻近于块边界。在步骤S27中，在所述第二差值高于预定义第二阈值的情况下并且在所述平均值高于预定义第三阈值的情况下，图信息内的所述值被改变。

在步骤S28中，选择均邻近于块边界的像素的部分块。在步骤S29中，计算部分块内所有像素的最大值，在步骤S30中，确定最大值和部分块内所有像素的中值，并且在步骤S31中，将所述中值分配给部分块内的所有像素。

在步骤S32中，选择一行或列内的一组像素，所述像素组关于块边界具有对称的位置。在步骤S33中，计算邻近于块边界的两个像素之间的第一主梯度，并且在步骤S34中，对于关于块边界具有对称位置的所选择组内的每两个像素计算另外的主梯度。在步骤S35中，计算一个块内沿着块边界的所有第一主梯度的第一总和，并且计算所述块内沿着块边界的所有另外的主梯度的另外的总和。在步骤S36中，将若干总和与一个或多个阈值相比较，并且在步骤S37中，取决于总和与一个或多个阈值之间的关系来改变图信息。

在步骤S38中，计数邻近块中并且邻近于块边界的每两个像素之间的差值的数量，并且在步骤S39中，取决于所计数的差值的数量来改变图信息。

在步骤S40中，计算邻近块中并且邻近于块边界的每两个像素之间的绝对差值的总和，并且在步骤S41中，将其与解块阈值相比较。在步骤S42中，在总和等于或高于所述解块阈值时，定义用于整个块的旁通模式作为滤波器模式。

然后，在步骤S43中，图信息被输出到滤波器，在步骤S44中，所述滤波器取决于图信息来选择滤波器模式。由此，对于不同的块边界选择不同的滤波器模式，或者甚至对于相同块内的块边界的各部分选择不同的滤波器模式。在步骤S45中，根据所选择滤波器模式对图像滤波。

过程在步骤S46结束。

总之，所提出的自适应解块方法以简单和有效的图像内容分析为特色。同时，相比于现有技术状况的方法，它使得更好地减少假象。该新方法是无关于编码参数的(例如量化电平)，并且因此可以被更灵活地使用(例如作为后处理)。相比于已知方法，它在计算上不那么复杂，因为它不使用除法或IDCT。从更高效的硬件实现来说，这是优点。而且，增加了成块假象检测(例如部分块平滑、BBGM、BBGA、BBCA、FD鉴别)的健壮性。

当在非频闪显示设备中显示图像时，尤其是在液晶显示板(LCD)、薄膜晶体管显示器(TFT)、色序法显示器、等离子体显示板(PDP)、数字微镜设备或有机发光二极管(OLED)显示器中显示图像时，可以特定地使用本系统、方法和计算机程序产品。

为了示出和描述的目的，已经提供了本发明的优选实施例的上面的描述。它不旨在是穷尽的或者将本发明限于所公开的精确形式。对于本领域从业技术人员来说，许多修改和变化将是明显的。实施例被选择和描述以便最好地描述本发明的原理及其实际应用，由此使得本领域其他技术人员能够理解本发明、各种实施例以及适合于预期的特定用途的各种修改。

尽管用特定于结构化特征和/或方法步骤的语言描述了本发明，应当理解，在所附权利要求中定义的本发明不必局限于所描述的特定特征或步骤。而是，特定特征和步骤作为实现所要求保护的发明的优选形式被公开。

Claims (16)

1.一种用于减少压缩图像或视频信号中的成块假象的方法，包括以下步骤：

分析块边界附近的图像以便测量成块假象的存在和强度并且检测图像区域；

基于分析结果生成用于邻近于块边界的每个像素的图信息；

依赖于所述图信息确定用于每个块边界的滤波器模式；并且

依赖于所选择的滤波器模式来滤波所述图像。

2.根据权利要求1所述的方法，

其中对图像区域的检测包括检测所述图像内的边缘、纹理区域和同构区域。

3.根据权利要求1所述的方法，

其中作为滤波器模式，提供了长解块滤波器、短解块滤波器或旁通。

4.根据权利要求1所述的方法，

其中所述分析步骤包括以下步骤：

检测邻近于块边界的像素的特征；

平滑邻近于块边界的部分块的图信息；和

检测邻近于块边界的部分块的特征。

5.根据权利要求4所述的方法，

其中检测邻近于块边界的像素的特征的步骤包括：

选择一个块内的一行或列内的一组邻近像素，所述组包括邻近于所述块边界的像素；和

基于所述像素组的两个邻近像素之间的绝对差值来生成图信息。

6.根据权利要求5所述的方法，

其中基于所述像素组的两个邻近像素之间的所述绝对差值来生成图信息的步骤包括：

在所述图信息内将值0分配到邻近于所述块边界的像素的位置；

将所述像素组内的邻近像素之间的绝对差值中的每个绝对差值与预定义第一阈值相比较；和

对于高于所述预定义第一阈值的每个绝对差值，将所述图信息内的所述值增加1。

7.根据权利要求6所述的方法，

其中基于所述像素组的两个邻近像素之间的所述绝对差值来生成图信息的步骤还包括：

计算所述像素组内的邻近像素之间的所述绝对差值的平均值；

计算所述行或列内的两个像素之间的第三绝对差值与所述平均值之间的第二绝对差值，所述两个像素位于不同块中并且邻近于所述块边界；和

在所述第二绝对差值高于预定义第二阈值的情况下并且在所述平均值高于所述预定义第三阈值的情况下，改变所述图信息内的所述值。

8.根据权利要求4所述的方法，

其中平滑部分块中的图信息的步骤包括：

选择均邻近于块边界的像素的部分块，并且

将共同值分配给所述部分块内的所有像素。

9.根据权利要求8所述的方法，

其中分配共同值的步骤包括：

计算所述部分块内的所有像素的最大值；

确定所述最大值和所述部分块内的所有像素的中值；和

将所述中值分配给所述部分块内的所有像素。

10.根据权利要求4所述的方法，

其中检测邻近于块边界的部分块的特征的步骤包括：

选择一行或列内的像素组，所述像素组关于块边界具有对称位置；和

基于关于块边界对称的每两个像素之间的差值来生成图信息。

11.根据权利要求10所述的方法，

其中生成图信息的步骤包括：

计算邻近于所述块边界的两个像素之间的第一主梯度；

对于关于所述块边界具有对称位置的所选择的组内的每两个像素计算另外的主梯度；

计算一个块内沿着块边界的所有第一主梯度的第一总和，并且计算所述块内沿着所述块边界的所有另外的主梯度的另外的总和；

将这些总和与一个或多个阈值相比较；和

取决于所述这些总和与所述一个或多个阈值的关系来生成图信息。

12.根据权利要求10或11所述的方法，

其中检测邻近于块边界的部分块的特征的步骤还包括：

对邻近块中邻近于块边界的每两个像素之间的差值的数量进行计数；和

取决于所计数的差值的数量来生成图信息。

13.根据权利要求10所述的方法，

其中检测邻近于块边界的部分块的特征的步骤还包括：

计算在邻近块中并且邻近于块边界的每两个像素之间的绝对差值的总和；

将所述总和与解块阈值相比较；和

在所述总和等于或高于所述解块阈值时，为整个块定义旁通模式作为滤波器模式。

14.一种用于减少压缩图像和视频信号中的成块假象的系统，包括：

分析器，用于分析块边界附近的图像以便测量成块假象的存在和强度并且检测图像区域，并且用于基于分析结果生成用于邻近于块边界的每个像素的图信息；和

滤波器，所述滤波器适于依赖于所述图信息确定用于每个块边界的滤波器模式，并且依赖于所选择的滤波器模式来滤波所述图像。

15.一种用于减少压缩图像和视频信号中的成块假象的系统，包括：

分析装置，用于分析块边界附近的图像以便测量成块假象的存在和强度并且检测图像区域；

生成装置，用于基于分析结果生成用于邻近于块边界的每个像素的图信息；和

滤波装置，用于依赖于所述图信息确定用于每个块边界的滤波器模式，并且依赖于所选择的滤波器模式来滤波所述图像。

16.一种在计算机可读介质上存储的计算机程序产品，其使得计算机执行以下步骤：

分析块边界附近的图像以便测量成块假象的存在和强度并且检测图像区域；

基于分析结果生成用于邻近于块边界的每个像素的图信息，依赖于所述图信息确定用于每个块边界的滤波器模式；并且

依赖于所选择的滤波器模式来滤波所述图像。

Images