CN108200429A - 一种Bayer图像压缩方法及装置 - Google Patents

一种Bayer图像压缩方法及装置 Download PDF

Info

Publication number
CN108200429A
CN108200429A CN201711455788.5A CN201711455788A CN108200429A CN 108200429 A CN108200429 A CN 108200429A CN 201711455788 A CN201711455788 A CN 201711455788A CN 108200429 A CN108200429 A CN 108200429A
Authority
CN
China
Prior art keywords
current macro
bits
image
diff
bit
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
CN201711455788.5A
Other languages
English (en)
Other versions
CN108200429B (zh
Inventor
王洪剑
林江
陈本强
陈涛
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.)
SHANGHAI TONGTU SEMICONDUCTOR TECHNOLOGY Co Ltd
Original Assignee
SHANGHAI TONGTU SEMICONDUCTOR 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 SHANGHAI TONGTU SEMICONDUCTOR TECHNOLOGY Co Ltd filed Critical SHANGHAI TONGTU SEMICONDUCTOR TECHNOLOGY Co Ltd
Priority to CN201711455788.5A priority Critical patent/CN108200429B/zh
Publication of CN108200429A publication Critical patent/CN108200429A/zh
Application granted granted Critical
Publication of CN108200429B publication Critical patent/CN108200429B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/124—Quantisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/004—Predictors, e.g. intraframe, interframe coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/593—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial prediction techniques
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/80—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Compression Of Band Width Or Redundancy In Fax (AREA)

Abstract

本发明公开了一种Bayer图像压缩方法及装置，所述方法包括如下步骤：步骤S1，对输入的单行图像进行宏块分割；步骤S2，对当前宏块进行分析，计算出当前宏块的代价；步骤S3，根据当前宏块的代价进行码率控制，将每行图像产生的码流控制在额定的长度；步骤S4，根据上下文预测的方法计算出当前像素点的预测残差diff，利用步骤S3得出的量化等级对其进行量化，并对其进行编码输出码流，本发明不使用行缓冲区，在算法复杂度极低的同时，压缩效率也很高，满足ISP系统的低功耗、低面积等各项硬件实现要求。

Description

一种Bayer图像压缩方法及装置
技术领域
本发明涉及图像处理技术领域，特别是涉及一种基于上下方预测的Bayer图像压缩方法及装置。
背景技术
彩色图像在成像过程中，往往需要采集多种基本颜色，如RGB三种颜色，最直接的方法就是采用滤镜。如果采集RGB三种基本颜色，则需要三块滤镜，为了保证每一个像素点都对齐，那么就会工艺变得复杂，导致成本急剧增加，不利于工业化生产。而使用Bayer格式就能很好的解决上述问题，在一块滤镜上设置不同的颜色即可，由于人眼对绿色G分量比较敏感，所以G分量的像素是R和B的总和。实际中，Bayer格式(如图1)图像成了CCD、CMOS等传感器最终的输出格式。
虽然Bayer格式比全彩色格式能够节省带宽和存储，但是，直接从传感器中得到的图像是相当的糟糕，无论是细节还是色彩都与实际图像有相当大的差距，这时就需要ISP(Image Signal Processing，图像信号处理)对传感器出来的图像进行后处理，如图2所示，这些处理算法包括线性纠正、噪声去除、坏点去除、内插、自动白平衡、自动曝光等等。为了完成所有的图像处理，往往需要一帧或者连续几帧的图像数据，那么就需要将图像存入DDR(Double Data Rate双倍速率同步动态随机存储器)，以方便读取使用。由于工艺的发展和应用的需求等，现在Bayer格式图像的分辨率已经达到几百万甚至千万的水平。往DDR中存入图像和读取图像，都对其带宽和空间带来了严峻的考验，同时也增加了ISP系统的功耗和面积。
因此为了满足ISP系统低功耗、小面积的要求，压缩算法必须有高效率、低功耗的特点。针对单帧图像进行无损压缩的国际标准有JPEG2000、JPEG-LS等，同时，也有一些比较热点的无损压缩算法，如SPIHT、FELICS、CALIC算法等。但是，这些算法都不同程度的存在着复杂度过高、占用line buffer(行缓存区)资源过多等缺陷，极不适合集成在ISP这样的低功耗、小面积的系统中。
同时，在一些高端ISP系统中除了需要对Bayer图像进行“多路”存储外，在实现图像处理算法时，还需要“多路”对DDR进行读取。如果使用需要line buffer的压缩算法，并考虑到Bayer图像的分辨率，就需要很大的缓存空间，ISP的成本将大幅度增加，其竞争优势也将消失殆尽。
发明内容
为克服上述现有技术存在的不足，本发明之目的在于提供一种Bayer图像压缩方法及装置，以不使用行缓存区(linebuffer)，在算法复杂度极低的同时，压缩效率也很高，满足ISP系统的低功耗、低面积等各项硬件实现要求。
为达上述及其它目的，本发明提出一种Bayer图像压缩方法，包括如下步骤：
步骤S1，对输入的单行图像进行宏块分割；
步骤S2，对当前宏块进行分析，计算出当前宏块的代价；
步骤S3，根据当前宏块的代价进行码率控制，将每行图像产生的码流控制在额定的长度,并获得当前宏块的量化等级；
步骤S4，根据上下文预测的方法计算出当前像素点的预测残差diff，利用步骤S3得出的量化等级对其进行量化，并对其进行编码输出码流。
优选地，步骤S2进一步包括：
计算获得当前宏块中的每两个相邻像素之间的梯度grad；
根据获得的梯度求和，得到当前宏块的代价。
优选地，于步骤S3中，综合当前宏块的SAD信息，根据图像内容，并采用码率控制虚拟缓冲模型计算出最优的量化等级near_q。
优选地，步骤S3进一步包括：
对当前宏块编码所需比特数产生一个目标比特数target_bits；
根据步骤S2的宏块分析中得到的代价SAD，以及预估量化等级l_near_q，对残差进行比特数估计，得到总的估计编码比特数est_bits；
计算出的目标比特数target_bits和估计编码比特数est_bits，求出它们之间的差，进而得出量化差dq，并求出当前宏块的量化等级near_q。
优选地，所述对当前宏块编码所需比特数产生一个目标比特数target_bits的步骤进一步包括：
获取图像目标分配比特数budget_bits；
根据得到的当前宏块的代价合理分配比特数sad_bits；
采用虚拟缓冲验证模型对本行的码率进行控制，通过缓冲充盈度得出当前宏块的可缓冲比特buf_bits；
根据目标分配比特数budget_bits、代价合理分配比特数sad_bits以及当前宏块的可缓冲比特获得最终的目标比特数target_bits。
优选地，步骤S4进一步包括：
获取当前像素点的预测像素pix_pred，进而求出预测残差diff，利用量化等级near_q对diff量化，得到量化后的残差diff’；
预测出当前像素点所对应的上下文context，进而求出编码所需的最优k；
对残差diff’的映射绝对值diff_map进行Golomb编码，并输出码流。
优选地，于所述获取当前像素点的预测像素pix_pred，进而求出预测残差diff，利用量化等级near_q对diff量化，得到量化后的残差diff’的步骤中，还计算出重建后的像素点pix_rec，以供下一个同颜色属性的像素点预测使用。
优选地，所述Golomb编码使用有限长度的编码。
优选地，所述获取图像目标分配比特数budget_bits的步骤通过如下公式获取：
budget_bits＝w*bit_dep/comp_ratio
其中bit_dep为像素的比特深度，comp_ratio为压缩率，w为当前宏块的宽度。
为达到上述目的，本发明还提供一种Bayer图像压缩装置，包括：
宏块分割单元，用于对输入的单行图像进行宏块分割；
宏块分析单元，用于对当前宏块进行分析，计算出当前宏块的代价；
码率控制单元，用于根据当前宏块的代价进行码率控制，将每行图像产生的码流控制在额定的长度,并获得当前宏块的量化等级；
基于上下文预测编码单元，用于根据上下文预测的方法计算出当前像素点的预测残差diff，利用所述码率控制单元得出的量化等级对其进行量化，并对其进行编码输出码流。
与现有技术相比，本发明一种Bayer图像压缩方法及装置通过利用宏块分析单元产生当前宏块的复杂度SAD，可根据复杂度SAD预估当前宏块编码需要的比特数，采用VBV模型把每行图像产生的码流控制在额定的长度，根据当前像素点的预测残差来更新上下文，并使用有限长度的Golomb编码，实现快速解压缩的目的，本发明没有使用line buffer，在算法复杂度极低的同时，压缩效率也很高，满足ISP系统的低功耗、低面积等各项硬件实现要求，具有很高的实用性和创新性。
附图说明
图1为目前Bayer格式图像示意图；
图2为Bayer图像后处理流程图；
图3为本发明一种Bayer图像压缩方法的步骤流程图；
图4为本发明具体实施例中步骤S2的细部流程图；
图5为本发明具体实施例中步骤S3的细部流程图；
图6为本发明具体实施例中步骤S6的细部流程图；
图7为本发明具体实施例中DDR中码流的存储与“多路”读取示意图；
图8为一种Bayer图像压缩装置的系统架构图；
图9为本发明具体实施例中码率控制单元的码率控制示意图。
具体实施方式
以下通过特定的具体实例并结合附图说明本发明的实施方式，本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用，本说明书中的各项细节亦可基于不同观点与应用，在不背离本发明的精神下进行各种修饰与变更。
图3为本发明一种Bayer图像压缩方法的步骤流程图。如图3所示，本发明一种Bayer图像压缩方法，包括如下步骤：
步骤S1，对输入的单行图像进行宏块(MB)分割，具体地，分割的宏块大小可以为1、16、32、64、128等，宽度记为w，由于具体的宏块分割采用的是现有技术，在此不予赘述
步骤S2，对当前宏块进行分析，计算出当前宏块的代价(即SAD)，优选地，于步骤S2中，还计算出当前宏块的复杂度。
具体地，如图4所示，步骤S2进一步包括：
步骤S200，计算获得当前宏块中的每两个相邻像素之间的梯度grad；具体地，利用下述公式计算获得每两个相邻像素之间的梯度grad：
grad(i)＝|pix(i+1)-pix(i)|,i＝0,...,w-1
其中，|·|表示求绝对值。
步骤S201，对步骤S200求得的梯度求和，得到当前宏块的代价。具体公式如下：
步骤S3，进行码率控制，即综合当前宏块的SAD等信息，根据图像内容，并采用码率控制虚拟缓冲模型计算出最优的量化等级near_q。
具体地，如图5所示，步骤S3进一步包括：
步骤S300，对当前宏块(MB)编码所需比特数产生一个目标比特数target_bits。步骤S300具体步骤如下：
a.获得图像目标分配比特数budget_bits。具体地，
budget_bits＝w*bit_dep/comp_ratio
其中bit_dep为像素的比特深度，comp_ratio为压缩率。
b.根据得到的当前宏块(MB)的代价合理分配比特数。经过宏块分析可以得到当前MB的SAD，而SAD可以反映图像的复杂程度，故可以视SAD的大小来合理分配比特数sad_bits：
sad_bits＝SAD＞＞ngain
其中，ngain为反增益系数，即ngain设置的越大，sad_bits越小，ngain设置的越小，sad_bits越大
c.采用虚拟缓冲验证模型(VBV模型)对本行的码率进行控制，通过buffer_fullness(缓冲充盈度)得出当前MB的可缓冲比特：
buf_bits＝buffer_fullness＞＞ngain
其中，buffer_fullness为缓冲充盈度，ngain为反增益系数，即ngain设置的越大，buf_bits越小，ngain设置的越小，buf_bits越大。
d.根据目标分配比特数budget_bits、代价合理分配比特数sad_bits以及当前宏块(MB)的可缓冲比特获得最终的目标比特数target_bits:
target_bits＝budget_bits+sad_bits+buf_bits
步骤S301，进行编码比特数估计，即根据步骤S2的宏块分析中得到的复杂度SAD，以及预估量化等级l_near_q，然后对残差进行比特数估计，得到总的估计编码比特数est_bits。
est_bits＝fun(SAD/l_near_q)
其中，fun(.)为通过SAD预估比特数的映射函数。
步骤S302，进行量化等级计算，即利用上述步骤中计算出的目标比特数target_bits和估计编码比特数est_bits，求出它们之间的差dif，进而得出量化差dq，并求出本宏块的量化等级near_q。
dq＝map_table(dif)
near_q＝l_near_q+dq
其中，map_table为一映射表,dif＝target_bits-est_bits。
步骤S4，根据上下文预测的方法计算出当前像素点的预测残差diff，利用步骤S3得出的量化等级near_q对其进行量化，然后对其进行Golomb编码，并输出码流。
具体地，如图6所示，步骤S4进一步包括：
步骤S400，求出当前像素点的预测像素pix_pred，进而求出预测残差diff，利用量化等级near_q对diff量化，得到量化后的残差diff’。同时，于步骤S400中，还计算出重建后的像素点pix_rec，供下一个同颜色属性的像素点预测使用。
步骤S401，预测出当前像素点所对应的上下文context，进而求出Golomb编码所需的最优k，该最优k表示编码时的预估复杂度大小。
步骤S402，对残差diff’的映射绝对值diff_map进行Golomb编码，并写出码流。
具体地，基于上下文的编码流程如下：
(1)预测像素pix_pred使用与当前像素相同颜色属性的两个重建像素点进行预测。
pix_pred＝(pix_l+pix_ll)/2
其中，pix_l与pix_ll为当前像素的左端两个重建像素点。
(2)残差计算，并量化，求出映射绝对值。
diff＝pix_cur-pix_pred
diff_map＝2*abs_diff-sign
near_ronud＝MAX((1<<(near_q-1))-1,0)
其中，abs_diff为diff’的绝对值，diff’大于等于0时，sign为0，否则为1。
(3)预测出当前像素点所对应的上下文context，计算最优k，具体地
k＝log2context
其中，context为上下文内容，可根据(2)中的diff_map进行更新。更新公式如下：
context＝(coeff0*context+coeff1*diff_map)/16
其中，coeff0、coeff1为滤波系数。
(4)Golomb编码使用有限长度的编码，即Golomb-Rice编码。
当diff_map接近2k时：
code_word＝(1＜＜k)|diff_map[k-1:0]
code_len＝(diff_map＞＞k)+1+k
当diff_map远大于2k，即码字超过长度限制limit(设定为32)时：
code_word＝(1＜＜qbpp)|(diff_map-1)
code_len＝limit
其中，code_word为编码后的码字，code_len为编码长度，qbpp为对应比特深度bit_dep的固定值。
本发明由于采用行级码率控制的策略，故bayer图像的每一行产生的码流可控制在理想的长度范围内，且解压缩时，可以从任意行开始解压缩，而不需要依赖上一行的重建像素，可实现“多路”解压缩，参考示意图7。其具体实现过程如下：
(1)压缩时，可把码流控制在设定的长度，往DDR存储时，可按照规定的地址任意存储。
(2)解压缩时，可根据指定的行号，从DDR中选取对应的码流进行解压缩。当然，也可以整帧图像顺序解压缩。
图8为本发明一种Bayer图像压缩装置的系统架构图。如图7所示，本发明一种Bayer图像压缩装置，包括：
宏块分割单元801，对输入的单行图像进行宏块(MB)分割，具体地，分割的宏块大小可以为1、16、32、64、128等，本发明不以此为限。
宏块分析单元802，对当前宏块进行分析，计算出当前宏块的代价(即SAD)，优选地，宏块分析单元802还计算出当前宏块的复杂度。宏块分析单元802具体用于：
计算当前宏块中的每两个相邻像素之间的梯度grad；
对求得的梯度求和，得到当前宏块的代价。
码率控制单元803，用于进行码率控制，即综合当前宏块的SAD等信息，根据图像内容，并采用码率控制虚拟缓冲模型计算出最优的量化等级near_q。如图9所示，码率控制单元803具体用于：
对当前宏块(MB)编码所需比特数产生一个目标比特数target_bits。目标比特数target_bits的获取过程如下：
a.获得图像目标分配比特数budget_bits。
b.根据得到的当前宏块(MB)的代价合理分配比特数。经过宏块分析可以得到当前MB的SAD，而SAD可以反映图像的复杂程度，故可以视SAD的大小来合理分配比特数sad_bits：
c.采用虚拟缓冲验证模型对本行的码率进行控制，通过buffer_fullness(缓冲充盈度)得出当前MB的可缓冲比特buf_bits；
d.根据目标分配比特数budget_bits、代价合理分配比特数sad_bits以及当前宏块(MB)的可缓冲比特获得最终的目标比特数target_bits。
进行编码比特数估计，即根据宏块分析单元802中得到的复杂度SAD，以及预估量化等级l_near_q，然后对残差进行比特数估计，得到总的估计编码比特数est_bits。
进行量化等级计算，即利用计算出的目标比特数target_bits和估计编码比特数est_bits，求出它们之间的差，进而得出量化差dq，并求出本宏块的量化等级near_q。
基于上下文预测编码单元804，用于根据上下文预测的方法计算出当前像素点的预测残差diff，利用码率控制单元803得出的量化等级near_q对其进行量化，然后对其进行Golomb编码，并输出码流。基于上下文预测编码单元804具体用于：
求出当前像素点的预测像素pix_pred，进而求出预测残差diff，利用量化等级near_q对diff量化，得到量化后的残差diff’。同时，还计算出重建后的像素点pix_rec，供下一个同颜色属性的像素点预测使用。
预测出当前像素点所对应的上下文context，进而求出Golomb编码所需的最优k。
对残差diff’的映射绝对值diff_map进行Golomb编码，并写出码流。
综上所述，本发明一种Bayer图像压缩方法及装置通过利用宏块分析单元产生当前宏块的复杂度SAD，可根据复杂度SAD预估当前宏块编码需要的比特数，采用VBV模型把每行图像产生的码流控制在额定的长度，根据当前像素点的预测残差来更新上下文，并使用有限长度的Golomb编码，实现快速解压缩的目的，本发明没有使用linebuffer，在算法复杂度极低的同时，压缩效率也很高，满足ISP系统的低功耗、低面积等各项硬件实现要求，具有很高的实用性和创新性。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下，对上述实施例进行修饰与改变。因此，本发明的权利保护范围，应如权利要求书所列。

Claims (10)

1.一种Bayer图像压缩方法，包括如下步骤：
步骤S1，对输入的单行图像进行宏块分割；
步骤S2，对当前宏块进行分析，计算出当前宏块的代价SAD；
步骤S3，根据当前宏块的代价进行码率控制，将每行图像产生的码流控制在额定的长度，并获得当前宏块的量化等级；
步骤S4，根据上下文预测的方法计算出当前像素点的预测残差diff，利用步骤S3得出的量化等级对其进行量化，并对其进行编码输出码流。
2.如权利要求1所述的一种Bayer图像压缩方法，其特征在于，步骤S2进一步包括：
计算获得当前宏块中的每两个相邻像素之间的梯度grad；
根据获得的梯度求和，得到当前宏块的代价SAD。
3.如权利要求1所述的一种Bayer图像压缩方法，其特征在于，于步骤S3中，综合当前宏块的SAD信息，根据图像内容，并采用码率控制虚拟缓冲模型计算出最优的量化等级near_q。
4.如权利要求2所述的一种Bayer图像压缩方法，其特征在于，步骤S3进一步包括：
对当前宏块编码所需比特数产生一个目标比特数target_bits；
根据步骤S2的宏块分析中得到的代价SAD，以及预估量化等级l_near_q，对残差进行比特数估计，得到总的估计编码比特数est_bits；
计算出的目标比特数target_bits和估计编码比特数est_bits，求出它们之间的差，进而得出量化差dq，并求出当前宏块的量化等级near_q。
5.如权利要求4所述的一种Bayer图像压缩方法，其特征在于，所述对当前宏块编码所需比特数产生一个目标比特数target_bits的步骤进一步包括：
获取图像目标分配比特数budget_bits；
根据得到的当前宏块的代价合理分配比特数sad_bits；
采用虚拟缓冲验证模型对本行的码率进行控制，通过缓冲充盈度得出当前宏块的可缓冲比特buf_bits；
根据目标分配比特数budget_bits、代价合理分配比特数sad_bits以及当前宏块的可缓冲比特buf_bits获得最终的目标比特数target_bits。
6.如权利要求5所述的一种Bayer图像压缩方法，其特征在于，步骤S4进一步包括：
获取当前像素点的预测像素pix_pred，进而求出预测残差diff，利用量化等级near_q对diff量化，得到量化后的残差diff’；
预测出当前像素点所对应的上下文context，进而求出编码所需的最优k；
对残差diff’的映射绝对值diff_map进行Golomb编码，并输出码流。
7.如权利要求6所述的一种Bayer图像压缩方法，其特征在于：于所述获取当前像素点的预测像素pix_pred，进而求出预测残差diff，利用量化等级near_q对diff量化，得到量化后的残差diff’的步骤中，还计算出重建后的像素点pix_rec，以供下一个同颜色属性的像素点预测使用。
8.如权利要求6所述的一种Bayer图像压缩方法，其特征在于：所述Golomb编码使用有限长度的编码。
9.如权利要求5所述的一种Bayer图像压缩方法，其特征在于，所述获取图像目标分配比特数budget_bits的步骤通过如下公式获取：
budget_bits＝w*bit_dep/comp_ratio
其中bit_dep为像素的比特深度，comp_ratio为压缩率，w为当前宏块的宽度。
10.一种Bayer图像压缩装置，包括：
宏块分割单元，用于对输入的单行图像进行宏块分割；
宏块分析单元，用于对当前宏块进行分析，计算出当前宏块的代价；
码率控制单元，用于根据当前宏块的代价进行码率控制，将每行图像产生的码流控制在额定的长度，并获得当前宏块的量化等级；
基于上下文预测编码单元，用于根据上下文预测的方法计算出当前像素点的预测残差diff，利用所述码率控制单元得出的量化等级对其进行量化，并对其进行编码输出码流。
CN201711455788.5A 2017-12-28 2017-12-28 一种Bayer图像压缩方法及装置 Active CN108200429B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711455788.5A CN108200429B (zh) 2017-12-28 2017-12-28 一种Bayer图像压缩方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711455788.5A CN108200429B (zh) 2017-12-28 2017-12-28 一种Bayer图像压缩方法及装置

Publications (2)

Publication Number Publication Date
CN108200429A true CN108200429A (zh) 2018-06-22
CN108200429B CN108200429B (zh) 2020-08-25

Family

ID=62585314

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711455788.5A Active CN108200429B (zh) 2017-12-28 2017-12-28 一种Bayer图像压缩方法及装置

Country Status (1)

Country Link
CN (1) CN108200429B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112887725A (zh) * 2021-01-19 2021-06-01 珠海全志科技股份有限公司 参考帧缓存数据压缩方法、计算机装置及计算机可读存储介质
CN115474044A (zh) * 2022-10-31 2022-12-13 江苏游隼微电子有限公司 一种Bayer域图像有损压缩方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1476253A (zh) * 2003-07-04 2004-02-18 清华大学 一种基于预测块组的采用帧内预测的帧内编码帧编码方法
CN101102502A (zh) * 2007-08-21 2008-01-09 中国科学院计算技术研究所 一种基于图像特征的码率控制方法及装置
US20090027517A1 (en) * 2007-07-25 2009-01-29 Micron Technology, Inc. Method, apparatus, and system for pre-compression assessment of compressed data length
CN103533359A (zh) * 2013-10-16 2014-01-22 武汉大学 一种h.264码率控制方法
CN104349171A (zh) * 2013-07-31 2015-02-11 上海通途半导体科技有限公司 一种视觉无损的图像压缩编、解码装置及编、解码方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1476253A (zh) * 2003-07-04 2004-02-18 清华大学 一种基于预测块组的采用帧内预测的帧内编码帧编码方法
US20090027517A1 (en) * 2007-07-25 2009-01-29 Micron Technology, Inc. Method, apparatus, and system for pre-compression assessment of compressed data length
CN101102502A (zh) * 2007-08-21 2008-01-09 中国科学院计算技术研究所 一种基于图像特征的码率控制方法及装置
CN104349171A (zh) * 2013-07-31 2015-02-11 上海通途半导体科技有限公司 一种视觉无损的图像压缩编、解码装置及编、解码方法
CN103533359A (zh) * 2013-10-16 2014-01-22 武汉大学 一种h.264码率控制方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112887725A (zh) * 2021-01-19 2021-06-01 珠海全志科技股份有限公司 参考帧缓存数据压缩方法、计算机装置及计算机可读存储介质
CN115474044A (zh) * 2022-10-31 2022-12-13 江苏游隼微电子有限公司 一种Bayer域图像有损压缩方法
CN115474044B (zh) * 2022-10-31 2023-01-20 江苏游隼微电子有限公司 一种Bayer域图像有损压缩方法

Also Published As

Publication number Publication date
CN108200429B (zh) 2020-08-25

Similar Documents

Publication Publication Date Title
US10721471B2 (en) Deep learning based quantization parameter estimation for video encoding
US7483486B2 (en) Method and apparatus for encoding high dynamic range video
ES2551561T3 (es) Codecs de alto rango dinámico
CN104737223B (zh) 数据处理装置以及相关数据处理方法
US9774875B2 (en) Lossless and near-lossless image compression
US11159824B1 (en) Methods for full parallax light field compression
CN105282548B (zh) 动态压缩比选择
Okuda et al. Two-layer coding algorithm for high dynamic range images based on luminance compensation
RU2008150330A (ru) Сжатие видеоданных без видимых потерь
KR20230145537A (ko) 멀티-뷰 신호 코덱
JP2015534778A (ja) 高解像度クロマ・サンプリング・フォーマットのフレーム・パッキング及びフレーム・アンパッキング
MXPA03011623A (es) Optimizador de patrones configurable.
EP2513861A2 (en) Resolution based formatting of compressed image data
JP2007049680A (ja) イメージ圧縮デバイス及びその方法
JP2015501604A (ja) 知覚的に無損失のおよび知覚的に強調された画像圧縮システムならびに方法
JP2003517796A (ja) 「ムラのあるピクチャ」効果を減らす方法
US20070047646A1 (en) Image compression apparatus and method
CN108200429A (zh) 一种Bayer图像压缩方法及装置
TWI421798B (zh) 影像壓縮之位元率控制方法及其裝置
CN108156461A (zh) 一种Bayer图像压缩方法及装置
US8428381B2 (en) Image compression method with variable quantization parameter
GB2614381A (en) Image encoding apparatus and method for controlling the same and program
CN108156462A (zh) 一种图像压缩、解压缩方法、系统及其应用的me架构
Kim et al. Implementation of DWT-based adaptive mode selection for LCD overdrive
WO2019185983A1 (en) A method, an apparatus and a computer program product for encoding and decoding digital volumetric video

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant