CN102186083A

CN102186083A - 量化处理方法及装置

Info

Publication number: CN102186083A
Application number: CN2011101231688A
Authority: CN
Inventors: 席罗飞
Original assignee: Sumavision Technologies Co Ltd
Current assignee: Sumavision Technologies Co Ltd
Priority date: 2011-05-12
Filing date: 2011-05-12
Publication date: 2011-09-14

Abstract

本发明提供了一种量化处理方法及装置，该量化处理方法包括：对多个量化因子进行量化预测，并分别统计每个量化因子的量化误差总量；根据量化误差总量选择预定数量的量化因子作为优选量化因子；统计优选量化因子的低损点数量，并选择低损点数量最小的优选量化因子进行视频数据的量化。在本发明中，利用视频数据的统计规律，从量化误差总量和低损点数量两个方面综合考虑量化因子的选择，从而使得视频数据的量化兼顾带宽同时又能最大程度的保证图像质量。

Description

量化处理方法及装置

技术领域

本发明涉及视频处理领域，具体而言，涉及一种量化处理方法及装置。

背景技术

随着多媒体的蓬勃发展，电视节目数量迅猛增长。基于带宽的局限性，在有限的带宽内传输更多的节目成为关键，在编码时，合理选择量化因子可以使用较小的带宽达到较高的质量；同理，在转码过程中，码率的压缩的最基本原理在重量化中提高量化因子，以达到数据压缩目的，同样面临最佳量化因子的选择。

目前，在视频处理领域，尚未有既可以兼顾带宽又能最大程度的保证图像质量的量化处理机制。

发明内容

本发明的主要目的在于提供一种量化处理方法，以至少解决上述现有量化处理中，不能兼顾带宽和图像质量的问题。

根据本发明的一个方面，提供了一种量化处理方法，包括：对多个量化因子进行量化预测，并分别统计每个量化因子的量化误差总量；根据量化误差总量选择预定数量的量化因子作为优选量化因子；统计优选量化因子的低损点数量，并选择低损点数量最小的优选量化因子进行视频数据的量化。

进一步地，对多个量化因子进行量化预测，并分别统计每个量化因子的量化误差总量之前，还包括：获取满足预定带宽要求的最小量化因子；逐一增加最小量化因子的值以得到多个量化因子。

进一步地，采用码率控制算法TM5获取最小量化因子。

进一步地，优选量化因子的量化误差总量均小于其它所统计的非优选量化因子的量化误差总量。

进一步地，统计优选量化因子的低损点数量，并选择低损点数量最小的优选量化因子进行视频数据的量化，包括：设定量化容忍的误差极限，在误差极限范围内统计优选量化因子的低损点数量；并选择低损点数量最小的优选量化因子进行视频数据的量化。

进一步地，量化误差总量为视频数据块或宏块内的数据点的误差之和。

根据本发明的另一方面，提供了一种量化处理装置，包括：统计模块，用于对多个量化因子进行量化预测，并分别统计每个量化因子的量化误差总量；优选模块，用于根据量化误差总量选择预定数量量化因子作为优选量化因子；量化模块，用于统计优选量化因子的低损点数量，并选择低损点数量最小的优选量化因子进行视频数据的量化。

进一步地，量化处理装置还包括：获取模块，用于获取满足预定带宽要求的最小量化因子，并逐一增加最小量化因子的值以得到多个量化因子。

进一步地，量化模块包括：设定子模块，用于设定量化容忍的误差极限，并在误差极限范围内统计优选量化因子的低损点数量；量化子模块，用于选择低损点数量最小的优选量化因子进行视频数据的量化。

在本发明中，利用视频数据的统计规律，从量化误差总量和低损点数量两个方面综合考虑量化因子的选择，从而使得视频数据的量化兼顾带宽同时又能最大程度的保证图像质量。

附图说明

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

图1是根据本发明实施例一的量化处理方法流程图；

图2是根据本发明实施例二的量化处理方法流程图；

图3是根据本发明实施例二的压缩码率与量化因子的关系图；

图4是根据本发明实施例二的量化误差与视频数据分布图；

图5是根据本发明实施例二的量化误差与量化因子分布图；

图6是根据本发明实施例三的量化处理方法流程图；

图7是根据本发明实施例四的量化处理装置结构示意图；

图8是根据本发明实施例五的量化处理装置结构示意图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

视频数据都是整数形式，在量化时由取整引入的误差是造成图像损失的主要原因。由此降低取整误差，图像质量的损失将减小。视频数据的分布具有随机性即画面的不确定性，但也有局部范围内相似相关性，也即数据具有统计意义上的规律。本发明的实施例主要基于以上两个方面，以视频数据的统计规律降低量化误差。

在本发明的实施例中，定义以下基础变量：

量化因子：QP；视频数据：DATA；量化误差：ERROR；误差总和：ERROR_SUM；最佳量化因子：QP_BEST。

实施例一

图1是根据本发明实施例一的量化处理方法流程图，如图1所示，包括以下步骤：

步骤S101，对多个量化因子进行量化预测，并分别统计每个量化因子的量化误差总量。

步骤S102，根据量化误差总量选择预定数量的量化因子作为优选量化因子。

步骤S103，统计优选量化因子的低损点数量，并选择低损点数量最小的优选量化因子进行视频数据的量化。

在本实施例中，利用视频数据的统计规律，从量化误差总量和低损点数量两个方面综合考虑量化因子的选择，从而使得视频数据的量化兼顾带宽同时又能最大程度的保证图像质量。

实施例二

图2是根据本发明实施例二的量化处理方法流程图，如图2所示，包括以下步骤：

步骤S201，从宏观的量化误差总量角度选出较优的多个量化因子。

在编码或者转码过程中，为了满足带宽的需求，需要一定程度的量化，随量化因子的提高，压缩出的码率呈下降趋势，其变化关系如图3所示。

假设可用带宽RATE，此时对应的最小量化因子为QP_min。任意的QPi≥QP_min都满足带宽RATE要求，因此在{QPi}中选择最佳的量化因子，此时最佳是针对满足带宽条件下画面最优，也即量化误差相对最小。

设定一下参数：原始视频数据DATA_in；恢复视频数据DATA_out；量化误差ERROR；那么存在关系：ERROR＝DATA_in-DATA_out，其中DATA_out＝[DATA_IN/QP]*QP；[]为取整符号。

对于单独的数据点，理想的量化为ERROR＝0，最佳量化是

而在视频数据处理时，一般以“块”或“宏块”为单位，对于共用量化因子需要权衡所有数据点的误差损失。

定义块损失总量ERROR_sum，那么ERROR_sum(QPi)＝∑ERRORi，存在QP1使得ERROR_sum最小，也即平均每个点损失最小。

在此基础上，优选出ERROR_sum(QPi)较小的N个量化因子。

步骤S202，在较优的多个量化因子的基础上，从微观的量化低损点数量角度选出最优量化因子。

单点可能的最大误差为ERROR_max＝{DATAi％QP}，量化误差与量化因子存在如图4所示的分布关系。因此ERROR_max∝QP，但是影响画面的是多个点，需整体考虑块内所有点的损失情况，图5为在两个QP之下量化引起的误差分布图。

设定量化容忍的误差极限ERROR_lim，只要量化误差不超出该值，则画面质量是可接受的。为此统计低损的ERROR数量ERROR_lowloss_num，存在QP2使得ERROR_lowloss_num最小。可最大程度保护图像的质量。

在步骤S202中，在设定量化容忍的误差极限ERROR_lim的范围内，统计步骤S201中优选出的N个量化因子的ERROR_lowloss_num，再在从中选出一个ERROR_lowloss_num最小的量化因子作为最优量化因子QP_best。

步骤S203，根据最优量化因子进行编码或转码的量化。以步骤S202中选出的QP_best作为量化因子，进行编码或转码的量化。

实施例三

图6是根据本发明实施例三的量化处理方法流程图，如图6所示，包括以下步骤：

步骤S601，QP_min获取，可采用经典码率控制算法TM5，反馈得到最小量化因子QP_min。

步骤S602，ERROR_sum较小值对应QP获取，以QP_min起，逐一增加量化因子进行量化预测，并进行量化误差总量的统计，保留统计量化误差总量较小值所对应的QP1、QP2、QP3。

步骤S603，统计{QP1，QP2，QP3}低损点数量，设定容忍误差损失限制ERROR_lim，统计ERROR_lim范围内数据点数量，比较低损数量ERROR_lowloss_num(QPi)，选取QP∈{QP1，QP2，QP3}，使得ERROR_lowloss_num最小，该值即为QP_best。

步骤S604，选定QP_best进行重量化，按照QP_best进行重量化得到量化输出即为最佳量化。

实施例四

图7是根据本发明实施例四的量化处理装置结构示意图，如图7所示，该量化处理装置包括：统计模块10、优选模块20和量化模块30。

其中，统计模块10用于对多个量化因子进行量化预测，并分别统计每个量化因子的量化误差总量；优选模块20用于根据量化误差总量选择预定数量的量化因子作为优选量化因子；量化模块30用于统计优选量化因子的低损点数量，并选择低损点数量最小的优选量化因子进行视频数据的量化。

实施例五

图8是根据本发明实施例五的量化处理装置结构示意图，实施例五包括实施例四中的各功能模块。

其中，量化处理装置还包括获取模块40，获取模块40用于获取满足预定带宽要求的最小量化因子，并逐一增加最小量化因子的值以得到多个量化因子。量化模块包括设定子模块301和量化子模块302。设定子模块301用于设定量化容忍的误差极限，并在误差极限范围内统计待选量化因子的低损点数量；量化子模块302用于选择低损点数量最小的优选量化因子进行视频数据的量化。

在本发明的上述实施例中，利用视频数据的统计规律，从量化误差总量和低损点数量两个方面综合考虑量化因子的选择，从而使得视频数据的量化兼顾带宽同时又能最大程度的保证图像质量。

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

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

Claims

1.一种量化处理方法，其特征在于，包括：

对多个量化因子进行量化预测，并分别统计每个量化因子的量化误差总量；

根据所述量化误差总量选择预定数量的量化因子作为优选量化因子；

统计所述优选量化因子的低损点数量，并选择低损点数量最小的优选量化因子进行视频数据的量化。

2.根据权利要求1所述的方法，其特征在于，对多个量化因子进行量化预测，并分别统计每个量化因子的量化误差总量之前，还包括：

获取满足预定带宽要求的最小量化因子；

逐一增加所述最小量化因子的值以得到所述多个量化因子。

3.根据权利要求2所述的方法，其特征在于，采用码率控制算法TM5获取所述最小量化因子。

4.根据权利要求1所述的方法，其特征在于，所述优选量化因子的量化误差总量均小于其它所统计的非优选量化因子的量化误差总量。

5.根据权利要求1所述的方法，其特征在于，统计所述优选量化因子的低损点数量，并选择低损点数量最小的优选量化因子进行视频数据的量化，包括：

设定量化容忍的误差极限，在所述误差极限范围内统计所述优选量化因子的低损点数量；

并选择低损点数量最小的优选量化因子进行视频数据的量化。

6.根据权利要求1所述的方法，其特征在于，所述量化误差总量为视频数据块或宏块内的数据点的误差之和。

7.一种量化处理装置，其特征在于，包括：

统计模块，用于对多个量化因子进行量化预测，并分别统计每个量化因子的量化误差总量；

优选模块，用于根据所述量化误差总量选择预定数量的量化因子作为优选量化因子；

量化模块，用于统计所述优选量化因子的低损点数量，并选择低损点数量最小的优选量化因子进行视频数据的量化。

8.根据权利要求7所述的装置，其特征在于，还包括：

获取模块，用于获取满足预定带宽要求的最小量化因子，并逐一增加所述最小量化因子的值以得到所述多个量化因子。

9.根据权利要求7所述的装置，其特征在于，量化模块包括：

设定子模块，用于设定量化容忍的误差极限，并在所述误差极限范围内统计所述优选量化因子的低损点数量；

量化子模块，用于选择低损点数量最小的优选量化因子进行视频数据的量化。

10.根据权利要求7所述的装置，其特征在于，所述量化误差总量为视频数据块或宏块内的数据点的误差之和。