CN102547257A - 一种获得最优预测模式的方法及装置 - Google Patents

一种获得最优预测模式的方法及装置 Download PDF

Info

Publication number
CN102547257A
CN102547257A CN2010105841325A CN201010584132A CN102547257A CN 102547257 A CN102547257 A CN 102547257A CN 2010105841325 A CN2010105841325 A CN 2010105841325A CN 201010584132 A CN201010584132 A CN 201010584132A CN 102547257 A CN102547257 A CN 102547257A
Authority
CN
China
Prior art keywords
piece
predictive mode
candidate
sub
prediction modes
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2010105841325A
Other languages
English (en)
Other versions
CN102547257B (zh
Inventor
裴万里
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Datang Telecom Technology Industry Holding Co., Ltd.
Original Assignee
Leadcore Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Leadcore Technology Co Ltd filed Critical Leadcore Technology Co Ltd
Priority to CN201010584132.5A priority Critical patent/CN102547257B/zh
Publication of CN102547257A publication Critical patent/CN102547257A/zh
Application granted granted Critical
Publication of CN102547257B publication Critical patent/CN102547257B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

本发明实施例提供了一种获得最优预测模式的方法及装置，所述包括：获取待编码图像，将所述图像划分为n×n块，求取每个n×n块的边缘强度；根据所述求取的边缘强度，确定所述n×n块候选预测模式；根据所述n×n块的左边块和上边块获得所述n×n块的最可能预测模式；根据所述候选预测模式以及最可能预测模式，利用率失真优化代价函数求取最优预测模式。应用本发明，通过减少候选模式实现降低计算复杂度，快速的获取了最优预测模式。再有，本发明实施例所采用的计算边缘强度的算法规则非常简单，进一步降低了计算的复杂度，提高了获取最优预测模式的速度，对用大规模集成电路(VLSI)设计和实现H.264编码器非常有利。

Description

一种获得最优预测模式的方法及装置
技术领域
本发明涉及视频编码技术领域，特别涉及一种获得最优预测模式的方法及装置。
背景技术
H.264/AVC标准是由国际电信联盟(ITU-T)的视频编码专家组(VideoCoding Experts Group，VCEG)与国际标准化组织(IS0/1EC)运动图像专家组(MPEG，Moving Picture Experts Group)共同组成的联合视频编码组(JVT，Joint Video Team)所开发的视频编码标准。H.264/AVC采用了一系列先进的技术，获得了优秀的压缩性能，在相同的重建图像质量下，能够比H.263节约50％左右的码率，可获得更好的压缩效果，代表了视频编码技术的最新研究成果。H.264/AVC编码标准中，为了提高帧内编码的效率而引进了帧内预测编码。帧内预测是消除空间冗余的关键技术，充分利用帧内相邻宏块间的信息相关性，只对预测值与实际值的差值进行编码，只用很少的比特就可以表示该宏块的信息。
H.264/AVC分别对亮度分量和色度分量进行帧内预测。亮度分量帧内预测包含两种预测模式：基于4×4像素块(Intra_4×4)和基于16×16像素块(Intra_16×16)的帧内预测。对色度分量进行预测只有一种预测选项：8×8块的帧内预测。每种预测模式设定了不同方向的预测选项(prediction mode)以尽可能地对应不同纹理特性的图像子块。其中，基于4×4亮度块的预测更适合于具有丰富细节的部分；而基于16×16亮度块即宏块的预测则适合于图像的平坦区域。
下面对帧内预测模式做一简介。
通常，对于16×16的亮度宏块，H.264将其分成16个4×4的子块，每个子块利用其相邻的上面和左面已经编码并重建的像素进行预测。参见图1，其是基于4×4的相邻像素值的示意图，图中a，b，...p为当前要编码的子块像素，通过相邻的A，B，...L像素值进行预测。Intra_4×4共有9种预测模式，每种预测模式所对应的方向如表1所示：
表1
  4×4预测模式   4×4预测模式方向
  0   Intra_4×4_Verical(垂直)
  1   Intra_4×4_Horizontal(水平)
  2   Intra_4×4_DC(直流)
  3   Intra_4×4_Diagonal_Down_Left(对角线左下)
  4   Intra_4×4_Diagonal_Down_Right(对角线右下)
  5   Intra_4×4_Verical_Right(垂直向右)
  6   Intra_4×4_Horizontal_Down(水平向下)
  7   Intra_4×4_Verical_Left垂直向左)
  8   Intra_4×4_Horizontal_Up(水平向上)
其中模式2为DC预测，其余8种预测分别代表了8种不同的预测方向，如图2所示。
在图像区域内部较为平坦的情况下，可以采用Intra_16×16亮度预测模式，它对16×16的亮度宏块进行整体预测，可以减少帧内预测的计算量。Intra_16×16亮度预测有4种预测模式，每种预测模式所对应的方向如表2所示：
表2
  16×16预测模式   16×16预测模式名字
  0   Intra_16×16_Vertical(垂直)
  1   Intra_16×16_Horizontal(水平)
  2   Intra_16×16_DC(直流)
  3   Intra_16×16_Plane(平面)
在这种16×16预测模式下，当前宏块的所有像素由上方像素H和左方像素V预测，如图3。
色度分量以8×8像素块为单位进行预测，有4种预测模式，类似于Intra_16×16的4种预测模式，只是模式编号不同，具体如表3所示：
表3
  8×8预测模式   8×8预测模式名字
  0   Intra_8×8_DC(直流)
  1   Intra_8×8_Horizontal(水平)
  2   Intra_8×8_Vertical(垂直)
  3   Intra_8×8_Plane(平面)
其中相同位置的两个色度块Cr，Cb具有相同的最佳预测模式。
由于H.264亮度和色度支持的帧内预测模式很多，需要通过预测模式选择算法分别为亮度块和色度块得出一种最优预测模式。H.264的参考软件采用全搜索算法(Full Search)，该算法是通过遍历所有可能的帧内预测模式，从而找到最优预测模式。用此方法可以得到最优的编码效果，但是色度预测模式的选择与亮度分量的模式选择相互独立，因此每个块的亮度和色度分量的模式组合共有M8×(M4×16+M16)，其中M8、M4和M16分别表示Intra_8×8，Intra_4×4以及Intra_16×16的模式数，即每个宏块需要计算592种组合模式的率失真优化(RateDistortionOptimization，RDO)作为模式选择的精确代价函数。
而过多的候选模式和每种模式都要进行率失真代价计算开销巨大，使获取最优预测模式成为影响编码速率的瓶颈。
发明内容
本发明实施例提供了一种获得最优预测模式的方法及装置，通过减少候选模式实现降低计算复杂度，能够快速的获取最优预测模式。
本发明实施例提供了一种获得最优预测模式的方法，包括：
获取待编码图像，将所述图像划分为n×n块，求取每个n×n块的边缘强度；
根据所述求取的边缘强度，确定所述n×n块候选预测模式；
根据所述n×n块的左边块和上边块获得所述n×n块的最可能预测模式；
根据所述候选预测模式以及最可能预测模式，利用率失真优化代价函数求取最优预测模式。
其中，当对所述图像进行亮度分量计算时，所述n×n块为4×4块或16×16块；所述方法还包括：
当应用4×4块和16×16块分别计算出两个最优预测模式时，取代价函数值最小的最优预测模式作为亮度分量的最优预测模式。
其中，当对所述图像进行色度分量计算时，所述n×n块为8×8块。
其中，所述求取每个n×n块的边缘强度的步骤包括：
将所述n×n块再划分为2×2子块；
令P0为所述再划分的2×2子块左上角子块的像素平均值，P1为所述再划分的2×2子块右上角子块的像素平均值、P2为所述再划分的2×2子块左下角子块的像素平均值、P3为所述再划分的2×2子块右下角子块的像素平均值，P4为所述再划分的2×2子块的中间子块的像素平均值，则所述n ×n块的边缘强度为：
d0°＝|P1-P0|+|P3-P2|
d90°＝|P2-P0|+|P3-P1|
d45°＝|P4-P1|+|P2-P4|
d135°＝|P4-P0|+|P3-P4|
dnd＝(|P0-P4|+|P1-P4|+|P2-P4|+|P3-P4|)＞＞1
其中，d0°，d90°，d45°，d135°，dnd分别代表0°边缘、90°边缘、45°边缘、135°边缘和无方向边缘的边缘强度值。
其中，根据所述求取的边缘强度，确定所述n×n块候选预测模式的步骤包括：
预先设定候选模式选择列表，该列表中包括d0°，d90°，d45°，d135°，dnd分别对应的候选预测模式；
获取所述d0°，d90°，d45°，d135°，dnd中值最小的作为所述n×n块的主要方向边缘强度，根据所述候选模式选择列表，将所述主要方向边缘强度所对应的候选预测模式确定为所述n×n块候选预测模式。
其中，根据所述n×n块的左边块和上边块获得所述n×n块的最可能预测模式的步骤包括：
预先设定每种预测模式对应的模式编号；其中，所述模式编号从0开始；
获取所述n×n块的左边相邻块和上边相邻块的最佳预测模式所对应的编号；
选择编号值较小的预测模式作为所述n×n块的最可能预测模式；
其中，如果所述n×n块的左边相邻块或上边相邻块不可用，则确定所述n×n块的最可能预测模式为直流预测模式。
本发明实施例还提供了一种获得最优预测模式的装置，包括：
边缘强度计算模块，用于获取待编码图像，将所述图像划分为n×n块，求取每个n×n块的边缘强度；
候选预测模式确定模块，用于根据所述求取的边缘强度，确定所述n×n块候选预测模式；
最可能预测模式确定模块，用于根据所述n ×n块的左边块和上边块获得所述n×n块的最可能预测模式；
最优预测模式确定模块，用于根据所述候选预测模式以及最可能预测模式，利用率失真优化代价函数求取最优预测模式。
其中，当对所述图像进行亮度分量计算时，所述n×n块为4×4块或16×16块；所述装置还包括：
亮度分量最优预测模式选择模块，用于当应用4×4块和16×16块分别计算出两个最优预测模式时，取代价函数值最小的最优预测模式作为亮度分量的最优预测模式。
其中，当对所述图像进行色度分量计算时，所述n×n块为8×8块。
其中，所述边缘强度计算模块包括：
图像获取划分子模块，用于获取待编码图像，将所述图像划分为n×n块；
边缘强度值计算子模块，用于将所述n×n块再划分为2×2子块；令P0为所述再划分的2×2子块左上角子块的像素平均值，P1为所述再划分的2×2子块右上角子块的像素平均值、P2为所述再划分的2×2子块左下角子块的像素平均值、P3为所述再划分的2×2子块右下角子块的像素平均值，P4为所述再划分的2×2子块的中间子块的像素平均值，则所述n ×n块的边缘强度为：
d0°＝|P1-P0|+|P3-P2|
d90°＝|P2-P0|+|P3-P1|
d45°＝|P4-P1|+|P2-P4|
d135°＝|P4-P0|+|P3-P4|
dnd＝(|P0-P4|+|P1-P4|+|P2-P4|+|P3-P4|)＞＞1
其中，d0°，d90°，d45°，d135°，dnd分别代表0°边缘、90°边缘、45°边缘、135°边缘和无方向边缘的边缘强度值。
其中，所述候选预测模式确定模块包括：
列表设定子模块，用于预先设定候选模式选择列表，该列表中包括d0°，d90°，d45°，d135°，dnd分别对应的候选预测模式；
候选预测模式选择子模块，用于获取所述d0°，d90°，d45°，d135°，dnd中值最小的作为所述n×n块的主要方向边缘强度，根据所述候选模式选择列表，将所述主要方向边缘强度所对应的候选预测模式确定为所述n×n块候选预测模式。
其中，所述最可能预测模式确定模块包括：
模式编号设定子模块，用于预先设定每种预测模式对应的模式编号；其中，所述模式编号从0开始；
确定子模块，用于获取所述n×n块的左边相邻块和上边相邻块的最佳预测模式所对应的编号；
选择子模块，用于选择编号值较小的预测模式作为所述n×n块的最可能预测模式；
其中，如果所述n×n块的左边相邻块或上边相邻块不可用，则确定所述n×n块的最可能预测模式为直流预测模式。
应用本发明实施例提供的获得最优预测模式的方法及装置，通过减少候选模式实现降低计算复杂度，快速的获取了最优预测模式。再有，本发明实施例所采用的计算边缘强度的算法规则非常简单，进一步降低了计算的复杂度，提高了获取最优预测模式的速度，对用大规模集成电路(VLSI)设计和实现H.264编码器非常有利。
附图说明
为了更清楚地说明本发明实施例和现有技术中的技术方案，下面将对实施例和现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是基于4×4的相邻像素值的示意图；
图2是预测方向示意图；
图3是16×16预测模式方向示意图；
图4是根据本发明实施例的一种获得最优预测模式的方法流程图；
图5是子块划分示意图；
图6是将4×4亮度块均值化处理过程示意图；
图7是根据本发明实施例的一种获得最优预测模式的装置结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图4，其是根据本发明实施例的一种获得最优预测模式的方法流程图，具体包括：
步骤401，获取待编码图像，将所述图像划分为n×n块，求取每个n×n块的边缘强度；
其中，求取每个n×n块的边缘强度的步骤可以具体包括：
将所述n×n块再划分为2×2子块，如图5所示；
令P0为所述再划分的2×2子块左上角子块的像素平均值，P1为所述再划分的2×2子块右上角子块的像素平均值、P2为所述再划分的2×2子块左下角子块的像素平均值、P3为所述再划分的2×2子块右下角子块的像素平均值，P4为所述再划分的2×2子块的中间子块的像素平均值，则所述n ×n块的边缘强度为：
d0°＝|P1-P0|+|P3-P2|    (1)
d90°＝|P2-P0|+|P3-P1|   (2)
d45°＝|P4-P1|+|P2-P4|   (3)
d135°＝|P4-P0|+|P3-P4|  (4)
dnd＝(|P0-P4|+|P1-P4|+|P2-P4|+|P3-P4|)＞＞1(5)
其中，d0°，d90°，d45°，d135°，dnd分别代表0°边缘、90°边缘、45°边缘、135°边缘和无方向边缘的边缘强度值。
步骤402，根据所述求取的边缘强度，确定所述n×n块候选预测模式；
一种可能实施例的具体步骤如下：
预先设定候选模式选择列表，该列表中包括d0°，d90°，d45°，d135°，dnd分别对应的候选预测模式；
获取所述d0°，d90°，d45°，d135°，dnd中值最小的作为所述n×n块的主要方向边缘强度，根据所述候选模式选择列表，将所述主要方向边缘强度所对应的候选预测模式确定为所述n×n块候选预测模式。
步骤403，根据所述n×n块的左边块和上边块获得所述n×n块的最可能预测模式；
一种可能实施例的具体步骤如下：
预先设定每种预测模式对应的模式编号；其中，所述模式编号从0开始；
获取所述n×n块的左边相邻块和上边相邻块的最佳预测模式所对应的编号；
选择编号值较小的预测模式作为所述n×n块的最可能预测模式；
其中，如果所述n×n块的左边相邻块或上边相邻块不可用，则确定所述n×n块的最可能预测模式为直流预测模式。
步骤404，根据所述候选预测模式以及最可能预测模式，利用率失真优化代价函数求取最优预测模式。
本步骤的具体计算过程与现有的利用代价函数求取最优预测模式的计算方式相同，不再赘述。
需要说明的是，图4所示方法既可以适用于亮度分量，也可以适用于色度分量，当对所述图像进行色度分量计算时，所述n×n块为8×8块；当对待编码图像进行亮度分量计算时，上述n×n块为4×4块或16×16块；此时，上述方法还包括：
当应用4×4块和16×16块分别计算出两个最优预测模式时，取代价函数值最小的最优预测模式作为亮度分量的最优预测模式。
可见，应用本发明实施例提供的获得最优预测模式的方法，通过减少候选模式实现降低计算复杂度，快速的获取了最优预测模式。再有，本发明实施例所采用的计算边缘强度的算法规则非常简单，进一步降低了计算的复杂度，提高了获取最优预测模式的速度，对用大规模集成电路(VLSI)设计和实现H.264编码器非常有利。
由于本发明实施例针对图像的亮度分量、色度分量获取最优预测模式都适用，且对于4×4块、16×16块或8×8块的块都适用，因此，下面仅以获取亮度分量4×4块的最优预测模式为例，对本发明实施例再做详细说明，其他的都类似，不再分别说明。
首先，获取待编码图像，将所述图像划分为4×4块，将该4×4块均分成四个子块，计算每个子块的像素平均值，形成一个2×2的矩阵块。参见图6，其是将4×4亮度块均值化处理过程示意图。
之后，采用公式(1)～(5)求取每个4×4块的边缘强度；其中，P0、P1、P2、P3、P4分别为图5中所对应2×2子块中四个像素的平均值。可见，P0、P1、P2、P3与图6中的m0、m1、m2、m3是相同的。
定义式(1)-式(5)中最小值为主要方向边缘强度(DES，Dominant EdgeStrength)，如式(6)所示：
DES＝MIN{d0°，d90°，d45°，d135°，dnd}          (6)
其次，根据所述求取的边缘强度，确定4×4块的候选预测模式，具体包括：
i)预先设定候选模式选择列表，该列表中包括d0°，d90°，d45°，d135°，dnd分别对应的候选预测模式；其中，4×4亮度块候选模式选择列表如表4所示：
表4
  DES   4×4亮度块
  DES＝ESv   模式7，0，5和模式2
  DES＝ESh   模式8，1，6和模式2
  DES＝ES45°   模式3，7，8和模式2
  DES＝ES135°   模式5，4，6和模式2
  DES＝ESnd°   模式2
需要说明的是，对于16×16亮度块或8×8色度块，均只有垂直、水平、平面和直流四种预测模式，对于垂直边缘、水平边缘、45°边缘、135°边缘和无方向边缘五种边缘类型而言，只需根据上述边缘强度公式(1)、(2)和(3)计算即可，方法与4×4亮度块的处理类似。考虑到图像的均匀部分而言，直流预测模式即DC预测模式通常是最佳预测，故DC预测也应是候选模式之一。这样，对于16×16亮度块与8×8色度块而言，候选模式选择列表如表5所示：
表5
  DES   16×16亮度块   8×8色度块
  DES＝ESv   模式0和DC   模式2和DC
  DES＝ESh   模式1和DC   模式1和DC
  DES＝ES45°   模式3和DC   模式3和DC
ii)根据公式(6)获取所述d0°，d90°，d45°，d135°，dnd中值最小的作为4×4块的主要方向边缘强度，根据表4所示候选模式选择列表，将所述主要方向边缘强度所对应的候选预测模式确定为4×4块候选预测模式。也就是说，与DES对应的边缘方向及其相邻的方向被确定为候选模式，例如，结合表4、表1和图2，当选定垂直方向即模式0为DES对应的边缘方向时，模式5和模式7就是DES对应的边缘方向的相邻方式，同时再加上模式2即DC方向为垂直方向的候选预测模式，这样可以提高预测的准确性。
再次，根据4×4块的左边块和上边块获得4×4块的最可能预测模式；具体包括：
i)预先设定每种预测模式对应的模式编号，例如本文中对于4×4块的预测模式编号为0～8；
ii)获取当前4×4块的左边相邻块和上边相邻块的最佳预测模式所对应的编号；
由于当前4×4块的左边相邻块和上边相邻块的最佳预测模式在之间已计算出，所以此处直接获取即可。至于具体的计算方法，可以采用本发明实施例提供的计算方法也可以采用现有的计算方法，本发明实施例对此不做限定。
iii)选择编号值较小的预测模式作为当前4×4块的最可能预测模式；
例如，如果该4×4块的左边相邻块的最佳预测模式的编号为3，该4×4块的上边相邻块的最佳预测模式的编号为5，则选择编号为3的预测模式作为当前的最可能预测模式；
其中，如果4×4块的左边相邻块或上边相邻块不可用，则确定该4×4块的最可能预测模式为直流预测模式即DC预测模式。
最后，根据前述候选预测模式以及最可能预测模式，利用率失真化代价函数求取最优预测模式。
本步骤的具体计算过程与现有的利用代价函数求取最优预测模式的计算方式相同，不再赘述。
至此，快速的获得了最优预测模式。
为了测试本发明实施例提出的快速算法的性能，对本文中提出的快速搜索算法进行了仿真实验。具体测试参数如下：使用哈达玛变换和率失真优化；使用全I帧编码；对于QCIF(4:2:0)序列，编码长度均为200帧。为了验证算法的有效性，将本文的求取最优预测模式方案、和全搜索算法在峰值信噪比(PSNR)、输出比特率(BIT_RATE)和编码时间(代价函数计算次数)三个方面进行了比较。表6-9分别给出了所提出的快速算法、与全搜索算法在量化系数(QP，quantisation parameter)分别为30、23、15、8等条件下的比较结果。
在QP＝30时，实验测试结果如表6所示：
表6
Figure BDA0000037398790000121
在QP＝23时，实验测试结果如表7所示：
表7
Figure BDA0000037398790000131
在QP＝15时，实验测试结果如表8所示：
表8
在QP＝8时，实验测试结果如表9所示：
表9
Figure BDA0000037398790000151
分析实验数据可知：与全搜索算法相比，本文所提出的算法在比特率略有增加而峰值信噪比维持基本不变的情况下，计算复杂度明显降低。此外主要边缘强度(DES)的计算十分简单规则，适于VLSI设计。
本发明实施例还提供了一种获得最优预测模式的装置，参见图7，具体包括：
边缘强度计算模块701，用于获取待编码图像，将所述图像划分为n×n块，求取每个n×n块的边缘强度；
候选预测模式确定模块702，用于根据所述求取的边缘强度，确定所述n×n块候选预测模式；
最可能预测模式确定模块703，用于根据所述n×n块的左边块和上边块获得所述n×n块的最可能预测模式；
最优预测模式确定模块704，用于根据所述候选预测模式以及最可能预测模式，利用率失真化代价函数求取最优预测模式。
当对所述图像进行亮度分量计算时，所述n×n块为4×4块或16×16块；所述装置还包括：
亮度分量最优预测模式选择模块，用于当应用4×4块和16×16块分别计算出两个最优预测模式时，取代价函数值最小的最优预测模式作为亮度分量的最优预测模式。
当对所述图像进行色度分量计算时，所述n×n块为8×8块。
上述边缘强度计算模块701还可以包括：
图像获取划分子模块，用于获取待编码图像，将所述图像划分为n×n块；
边缘强度值计算子模块，用于将所述n×n块再划分为2×2子块；令P0为所述再划分的2×2子块左上角子块的像素平均值，P1为所述再划分的2×2子块右上角子块的像素平均值、P2为所述再划分的2×2子块左下角子块的像素平均值、P3为所述再划分的2×2子块右下角子块的像素平均值，P4为所述再划分的2×2子块的中间子块的像素平均值，则所述n×n块的边缘强度为：
d0°＝|P1-P0|+|P3-P2|
d90°＝|P2-P0|+|P3-P1|
d45°＝|P4-P1|+|P2-P4|
d135°＝|P4-P0|+|P3-P4|
dnd＝(|P0-P4|+|P1-P4|+|P2-P4|+|P3-P4|)＞＞1
其中，d0°，d90°，d45°，d135°，dnd分别代表0°边缘、90°边缘、45°边缘、135°边缘和无方向边缘的边缘强度值。
上述候选预测模式确定模块702还可以包括：
列表设定子模块，用于预先设定候选模式选择列表，该列表中包括d0°，d90°，d45°，d135°，dnd分别对应的候选预测模式；
候选预测模式选择子模块，用于获取所述d0°，d90°，d45°，d135°，dnd中值最小的作为所述n×n块的主要方向边缘强度，根据所述候选模式选择列表，将所述主要方向边缘强度所对应的候选预测模式确定为所述n×n块候选预测模式。
上述最可能预测模式确定模块703还可以包括：
模式编号设定子模块，用于预先设定每种预测模式对应的模式编号；其中，所述模式编号从0开始；
确定子模块，用于获取所述n×n块的左边相邻块和上边相邻块的最佳预测模式所对应的编号；
选择子模块，用于选择编号值较小的预测模式作为所述n×n块的最可能预测模式；
其中，如果所述n×n块的左边相邻块或上边相邻块不可用，则确定所述n×n块的最可能预测模式为直流预测模式。
可见，应用本发明实施例提供的获得最优预测模式的装置，通过减少候选模式实现降低计算复杂度，快速的获取了最优预测模式。再有，本发明实施例所采用的计算边缘强度的算法规则非常简单，进一步降低了计算的复杂度，提高了获取最优预测模式的速度，对用大规模集成电路(VLSI)设计和实现H.264编码器非常有利。
对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本领域普通技术人员可以理解实现上述方法实施方式中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于计算机可读取存储介质中，这里所称得的存储介质，如：ROM/RAM、磁碟、光盘等。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。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，均包含在本发明的保护范围内。

Claims (12)

1.一种获得最优预测模式的方法，其特征在于，包括：
获取待编码图像，将所述图像划分为n×n块，求取每个n×n块的边缘强度；
根据所述求取的边缘强度，确定所述n×n块候选预测模式；
根据所述n×n块的左边块和上边块获得所述n×n块的最可能预测模式；
根据所述候选预测模式以及最可能预测模式，利用率失真优化代价函数求取最优预测模式。
2.根据权利要求1所述的方法，其特征在于，当对所述图像进行亮度分量计算时，所述n×n块为4×4块或16×16块；所述方法还包括：
当应用4×4块和16×16块分别计算出两个最优预测模式时，取代价函数值最小的最优预测模式作为亮度分量的最优预测模式。
3.根据权利要求1所述的方法，其特征在于，当对所述图像进行色度分量计算时，所述n×n块为8×8块。
4.根据权利要求1-3任一所述的方法，其特征在于，所述求取每个n×n块的边缘强度的步骤包括：
将所述n×n块再划分为2×2子块；
令P0为所述再划分的2×2子块左上角子块的像素平均值，P1为所述再划分的2×2子块右上角子块的像素平均值、P2为所述再划分的2×2子块左下角子块的像素平均值、P3为所述再划分的2×2子块右下角子块的像素平均值，P4为所述再划分的2×2子块的中间子块的像素平均值，则所述n×n块的边缘强度为：
d0°＝|P1-P0|+|P3-P2|
d90°＝|P2-P0|+|P3-P1|
d45°＝|P4-P1|+|P2-P4|
d135°＝|P4-P0|+|P3-P4|
dnd＝(|P0-P4|+|P1-P4|+|P2-P4|+|P3-P4|)＞＞1
其中，d0°，d90°，d45°，d135°，dnd分别代表0°边缘、90°边缘、45°边缘、135°边缘和无方向边缘的边缘强度值。
5.根据权利要求4所述的方法，其特征在于，根据所述求取的边缘强度，确定所述n×n块候选预测模式的步骤包括：
预先设定候选模式选择列表，该列表中包括d0°，d90°，d45°，d135°，dnd分别对应的候选预测模式；
获取所述d0°，d90°，d45°，d135°，dnd中值最小的作为所述n×n块的主要方向边缘强度，根据所述候选模式选择列表，将所述主要方向边缘强度所对应的候选预测模式确定为所述n×n块候选预测模式。
6.根据权利要求1所述的方法，其特征在于，根据所述n×n块的左边块和上边块获得所述n×n块的最可能预测模式的步骤包括：
预先设定每种预测模式对应的模式编号；其中，所述模式编号从0开始；
获取所述n×n块的左边相邻块和上边相邻块的最佳预测模式所对应的编号；
选择编号值较小的预测模式作为所述n×n块的最可能预测模式；
其中，如果所述n×n块的左边相邻块或上边相邻块不可用，则确定所述n×n块的最可能预测模式为直流预测模式。
7.一种获得最优预测模式的装置，其特征在于，包括：
边缘强度计算模块，用于获取待编码图像，将所述图像划分为n×n块，求取每个n×n块的边缘强度；
候选预测模式确定模块，用于根据所述求取的边缘强度，确定所述n×n块候选预测模式；
最可能预测模式确定模块，用于根据所述n×n块的左边块和上边块获得所述n×n块的最可能预测模式；
最优预测模式确定模块，用于根据所述候选预测模式以及最可能预测模式，利用率失真优化代价函数求取最优预测模式。
8.根据权利要求7所述的装置，其特征在于，当对所述图像进行亮度分量计算时，所述n×n块为4×4块或16×16块；所述装置还包括：
亮度分量最优预测模式选择模块，用于当应用4×4块和16×16块分别计算出两个最优预测模式时，取代价函数值最小的最优预测模式作为亮度分量的最优预测模式。
9.根据权利要求7所述的装置，其特征在于，当对所述图像进行色度分量计算时，所述n×n块为8×8块。
10.根据权利要求7-9任一所述的装置，其特征在于，所述边缘强度计算模块包括：
图像获取划分子模块，用于获取待编码图像，将所述图像划分为n×n块；
边缘强度值计算子模块，用于将所述n×n块再划分为2×2子块；令P0为所述再划分的2×2子块左上角子块的像素平均值，P1为所述再划分的2×2子块右上角子块的像素平均值、P2为所述再划分的2×2子块左下角子块的像素平均值、P3为所述再划分的2×2子块右下角子块的像素平均值，P4为所述再划分的2×2子块的中间子块的像素平均值，则所述n×n块的边缘强度为：
d0°＝|P1-P0|+|P3-P2|
d90°＝|P2-P0|+|P3-P1|
d45°＝|P4-P1|+|P2-P4|
d135°＝|P4-P0|+|P3-P4|
dnd＝(|P0-P4|+|P1-P4|+|P2-P4|+|P3-P4|)＞＞1
其中，d0°，d90°，d45°，d135°，dnd分别代表0°边缘、90°边缘、45°边缘、135°边缘和无方向边缘的边缘强度值。
11.根据权利要求10所述的装置，其特征在于，所述候选预测模式确定模块包括：
列表设定子模块，用于预先设定候选模式选择列表，该列表中包括d0°，d90°，d45°，d135°，dnd分别对应的候选预测模式；
候选预测模式选择子模块，用于获取所述d0°，d90°，d45°，d135°，dnd中值最小的作为所述n×n块的主要方向边缘强度，根据所述候选模式选择列表，将所述主要方向边缘强度所对应的候选预测模式确定为所述n×n块候选预测模式。
12.根据权利要求7所述的装置，其特征在于，所述最可能预测模式确定模块包括：
模式编号设定子模块，用于预先设定每种预测模式对应的模式编号；其中，所述模式编号从0开始；
确定子模块，用于获取所述n×n块的左边相邻块和上边相邻块的最佳预测模式所对应的编号；
选择子模块，用于选择编号值较小的预测模式作为所述n×n块的最可能预测模式；
其中，如果所述n×n块的左边相邻块或上边相邻块不可用，则确定所述n×n块的最可能预测模式为直流预测模式。
CN201010584132.5A 2010-12-10 2010-12-10 一种获得最优预测模式的方法及装置 Active CN102547257B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201010584132.5A CN102547257B (zh) 2010-12-10 2010-12-10 一种获得最优预测模式的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201010584132.5A CN102547257B (zh) 2010-12-10 2010-12-10 一种获得最优预测模式的方法及装置

Publications (2)

Publication Number Publication Date
CN102547257A true CN102547257A (zh) 2012-07-04
CN102547257B CN102547257B (zh) 2014-04-02

Family

ID=46353064

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201010584132.5A Active CN102547257B (zh) 2010-12-10 2010-12-10 一种获得最优预测模式的方法及装置

Country Status (1)

Country Link
CN (1) CN102547257B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103702131A (zh) * 2013-12-25 2014-04-02 清华大学 一种基于模式预处理的帧内编码优化方法和系统
CN104796701A (zh) * 2015-03-27 2015-07-22 北京君正集成电路股份有限公司 基于hevc的预测模式确定方法及装置
WO2016180129A1 (zh) * 2015-05-08 2016-11-17 腾讯科技（深圳）有限公司 预测模式选择方法、装置及设备
CN106162175A (zh) * 2015-03-26 2016-11-23 北京君正集成电路股份有限公司 帧内预测模式选择方法及装置
US9727972B2 (en) 2013-12-30 2017-08-08 Xiaomi Inc. Method and terminal for generating thumbnail of image
CN110166775A (zh) * 2019-06-25 2019-08-23 浙江大华技术股份有限公司 帧内预测方法、编码器及存储装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101087423A (zh) * 2002-05-28 2007-12-12 夏普株式会社 图像内预测模式估计、通信和组织的方法和系统
CN101309421A (zh) * 2008-06-23 2008-11-19 北京工业大学 帧内预测模式选择方法
CN101494792A (zh) * 2009-01-15 2009-07-29 北京航空航天大学 一种基于边缘特征的h.264/avc帧内预测方法
CN101895755A (zh) * 2010-07-20 2010-11-24 杭州电子科技大学 一种快速4x4块帧内预测模式选择方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101087423A (zh) * 2002-05-28 2007-12-12 夏普株式会社 图像内预测模式估计、通信和组织的方法和系统
CN101309421A (zh) * 2008-06-23 2008-11-19 北京工业大学 帧内预测模式选择方法
CN101494792A (zh) * 2009-01-15 2009-07-29 北京航空航天大学 一种基于边缘特征的h.264/avc帧内预测方法
CN101895755A (zh) * 2010-07-20 2010-11-24 杭州电子科技大学 一种快速4x4块帧内预测模式选择方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103702131A (zh) * 2013-12-25 2014-04-02 清华大学 一种基于模式预处理的帧内编码优化方法和系统
CN103702131B (zh) * 2013-12-25 2017-02-15 清华大学 一种基于模式预处理的帧内编码优化方法和系统
US9727972B2 (en) 2013-12-30 2017-08-08 Xiaomi Inc. Method and terminal for generating thumbnail of image
CN106162175A (zh) * 2015-03-26 2016-11-23 北京君正集成电路股份有限公司 帧内预测模式选择方法及装置
CN104796701A (zh) * 2015-03-27 2015-07-22 北京君正集成电路股份有限公司 基于hevc的预测模式确定方法及装置
CN104796701B (zh) * 2015-03-27 2018-02-16 北京君正集成电路股份有限公司 基于hevc的预测模式确定方法及装置
WO2016180129A1 (zh) * 2015-05-08 2016-11-17 腾讯科技（深圳）有限公司 预测模式选择方法、装置及设备
US10455229B2 (en) 2015-05-08 2019-10-22 Tencent Technology (Shenzhen) Company Limited Prediction mode selection method, apparatus and device
CN110166775A (zh) * 2019-06-25 2019-08-23 浙江大华技术股份有限公司 帧内预测方法、编码器及存储装置

Also Published As

Publication number Publication date
CN102547257B (zh) 2014-04-02

Similar Documents

Publication Publication Date Title
TWI519132B (zh) 推導圖框內預測模式的方法和設備
KR100739714B1 (ko) 인트라 예측 모드 결정 방법 및 장치
RU2479940C2 (ru) Устройство кодирования и декодирования изображения, способы кодирования и декодирования изображения, их программы и носитель записи, записанный программами
KR102138828B1 (ko) 영상 부호화 방법 및 장치
KR20120012385A (ko) 인트라 예측 부호화 장치
KR20200002697A (ko) 처리율 향상을 위한 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체
KR20120012383A (ko) 예측 블록 생성 장치
CN102547257B (zh) 一种获得最优预测模式的方法及装置
KR20110018189A (ko) 영상의 부호화 방법 및 장치, 그 복호화 방법 및 장치
KR20130045148A (ko) 인트라 예측 모드에서의 영상 부호화 방법 및 장치
KR20130045153A (ko) 영상 복호화 장치
CN104168480B (zh) 基于hevc标准的帧内预测编码模式快速选择方法
CN102186081B (zh) 一种基于梯度向量的h.264帧内模式选择方法
CN102075751B (zh) 一种基于宏块运动状态的h264快速模式选择方法
KR20210145091A (ko) 영상 부호화 장치
CN112106372A (zh) 用于混合帧内预测的方法和设备
KR20130029693A (ko) 인트라 예측 모드 부호화/복호화 방법
CN107613300A (zh) 一种快速的hevc帧内预测编码方法
Chen et al. Adaptive linear prediction for block-based lossy image coding
CN104796725B (zh) 具有帧内预测预处理的视频编码器及与其一起使用的方法
Miao et al. Boundary-aided extreme value detection based pre-processing algorithm for H. 264/AVC fast intra mode prediction
CN116647676A (zh) 基于屏幕内容区域特性的cu划分快速选择

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
ASS Succession or assignment of patent right

Owner name: DATANG TELECOM TECHNOLOGY INDUSTRY HOLDING CO., LT

Free format text: FORMER OWNER: LEADCORE TECHNOLOGY CO., LTD.

Effective date: 20141215

C41 Transfer of patent application or patent right or utility model
COR Change of bibliographic data

Free format text: CORRECT: ADDRESS; FROM: 201206 PUDONG NEW AREA, SHANGHAI TO: 100191 HAIDIAN, BEIJING

TR01 Transfer of patent right

Effective date of registration: 20141215

Address after: 100191 Haidian District, Xueyuan Road, No. 1, No. 40,

Patentee after: Datang Telecom Technology Industry Holding Co., Ltd.

Address before: 201206 Pudong New Area Mingyue Road, Shanghai, No. 1258

Patentee before: Leadcore Technology Co., Ltd.