CN108769684A - 基于WebP图像压缩算法的图像处理方法以及装置 - Google Patents

Abstract

本发明公开了一种基于WebP图像压缩算法的图像处理方法、装置、设备及计算机可读存储介质，包括：获取待处理图像的YUV图像数据内多个Y宏块、多个U宏块和多个Z宏块；依据宏块间依赖关系，对多个Y宏块、多个U宏块和多个V宏块内子块遍历顺序进行重组；将子块遍历顺序重组后的每个Y宏块及所述Y宏块所在图像区域的U宏块、V宏块进行合并，得到所述Y宏块所在图像区域的目标宏块；依据目标宏块间依赖关系，对所述各个目标宏块内的子块遍历顺序进行重组，根据重组后的顺序遍历所述各个目标宏块内的子块，得到待处理图像的亮度和色度。本发明所提供的图像处理方法、装置、设备及计算机可读存储介质，实现了Y宏块、U宏块、V宏块之间的并行处理。

Description

基于WebP图像压缩算法的图像处理方法以及装置

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WebP图像 压缩算法的图像处理方法、装置、设备以及计算机可读存储介质。

背景技术

随着手机、平板、数码相机等图像采集设备的发展及图片像素规 模提升，导致互联网图像数据规模呈指数级增长。最新研究表明，2016 年至2021年，数据中心服务器上数据存储规模将增长四倍，从663EB 增长至2.6ZB，其中，大部分数据存储来源于图像和视频。例如，2013 年Facebook用户上传图片规模已超2500亿张，至2015年，Facebook 每天增加近20亿张图像；据腾讯2016年最新的统计，腾讯公司数据 中心服务器上因QQ、微信等应用，每天新增80亿张图像存储量。这 给数据中心服务器的数据存储和网络带宽将带来严重挑战。

由于目前JPEG图片文件格式的压缩编码算法优化在理论上几乎 已达极致，为了降低图像存储的大小，往往会采用具有较高压缩率的 图像文件格式WebP来替代现有的JPEG图像文件，与JPEG有损压缩 算法相比，WebP图像有损压缩算法能够降低30％左右的文件大小。 在数据中心服务器上采用WebP图像压缩算法对JPEG文件进行编码 转换，能够有效的缓解图片规模增长所带来的数据中心存储和网络带 宽访问的压力。

但是WebP图像有损压缩算法数据处理过程计算复杂度较高，对 Y数据通道、U数据通道和V数据通道分开进行处理，不能对Y宏块、 U宏块和V宏块进行并行处理，不能同时得到图像的亮度值和色度值。

综上所述可以看出，如何实现Y宏块、U宏块和V宏块的并行处 理是目前有待解决的问题。

发明内容

本发明的目的是提供一种基于WebP图像压缩算法的图像处理方 法、装置、设备以及计算机可读存储介质，已解决现有技术中不能对Y宏块、U宏块和V宏块进行并行处理的问题。

为解决上述技术问题，本发明提供一种基于WebP图像压缩算法 的图像处理方法，包括：采集待处理图像的YUV图像数据后，获取 所述YUV图像数据多个Y宏块、多个U宏块和多个Z宏块；依据宏 块间的依赖关系，分别对所述多个Y宏块、所述多个U宏块和所述多 个V宏块内的子块遍历顺序进行重组；将子块遍历顺序重组后的每个 Y宏块、所述Y宏块所在图像区域的U宏块和所述Y宏块所在图像 区域的V宏块进行合并，得到所述Y宏块所在图像区域的目标宏块； 依据各个目标宏块间的边界依赖关系，对所述各个目标宏块内的子块 遍历顺序进行重组后，根据重组后的目标宏块内的子块遍历顺序遍历 所述各个目标宏块内的子块，从而得到所述待处理图像的亮度值和色 度值。

优选地，所述获取所述YUV图像数据多个Y宏块、多个U宏块 和多个Z宏块包括：

将所述YUV图像数据的Y数据通道划分为多个16×16大小的Y 宏块后，将每个Y宏块划分为16个4×4大小的子块；将所述YUV 图像数据的U数据通道划分为多个8×8大小的U宏块后，将每个U 宏块划分为4个4×4大小的子块；将所述YUV图像数据的V数据通 道划分为多个8×8大小的V宏块后，将每个V宏块划分为4个4×4 大小的子块。

优选地，所述依据各个目标宏块间的边界依赖关系，对所述各个 目标宏块内的子块遍历顺序进行重组后，根据重组后的目标宏块内的 子块遍历顺序遍历所述各个目标宏块内的子块包括：

完成当前目标宏块内Y宏块的右边界子块的处理后，对所述当前 宏块内的U宏块的右边界子块进行数据处理；完成所述当前目标宏块 内U宏块的右边界子块的处理后，对所述当前目标宏块内的V宏块的 右边界子块进行处理；完成所述当前目标宏块内V宏块的右边界子块 的处理后，对所述当前目标宏块内剩余子块进行处理。

优选地，所述完成所述当前目标宏块内V宏块的右边界子块的处 理后，对所述当前目标宏块内剩余子块进行处理包括：完成所述当前 目标宏块内V宏块的右边界子块的处理后，在对所述当前目标宏块内 剩余子块进行处理的同时，对与所述当前目标宏块右边界相邻的目标 宏块的右边界子块同时进行处理。

优选地，所述完成所述当前目标宏块内V宏块的右边界子块的处 理后，对所述当前目标宏块内剩余子块进行处理包括：

完成所述当前目标宏块内V宏块的右边界子块的处理后，对所述 当前目标宏块内Y宏块的下边界子块进行处理；完成所述当前目标宏 块内Y宏块的下边界子块的处理后，对所述当前目标宏块内U宏块的 下边界子块进行处理；完成所述当前目标宏块内U宏块的下边界子块 的处理后，对所述当前目标宏块内V宏块的边界子块进行处理；完成 所述当前目标宏块内V宏块的下边界子块的处理后，对所述当前目标 宏块内剩余子块进行处理。

本发明还提供了一种基于WebP图像压缩算法的图像处理装置， 包括：

采集模块，用于采集待处理图像的YUV图像数据后，获取所述 YUV图像数据多个Y宏块、多个U宏块和多个Z宏块；

重组模块，用于依据宏块间的依赖关系，分别对所述多个Y宏块、 所述多个U宏块和所述多个V宏块内的子块遍历顺序进行重组；

合并模块，用于将子块遍历顺序重组后的每个Y宏块、所述Y宏 块所在图像区域的U宏块和所述Y宏块所在图像区域的V宏块进行 合并，得到所述Y宏块所在图像区域的目标宏块；

计算模块，用于依据各个目标宏块间的边界依赖关系，对所述各 个目标宏块内的子块遍历顺序进行重组后，根据重组后的目标宏块内 的子块遍历顺序遍历所述各个目标宏块内的子块，从而得到所述待处 理图像的亮度值和色度值。

优选地，所述采集模块具体用于：

将所述YUV图像数据的Y数据通道划分为多个16×16大小的Y 宏块后，将每个Y宏块划分为16个4×4大小的子块；

将所述YUV图像数据的U数据通道划分为多个8×8大小的U 宏块后，将每个U宏块划分为4个4×4大小的子块；

将所述YUV图像数据的V数据通道划分为多个8×8大小的V 宏块后，将每个V宏块划分为4个4×4大小的子块。

优选地，所述计算模块具体用于：

完成当前目标宏块内Y宏块的右边界子块的处理后，对所述当前 宏块内的U宏块的右边界子块进行数据处理；

完成所述当前目标宏块内U宏块的右边界子块的处理后，对所述 当前目标宏块内的V宏块的右边界子块进行处理；

完成所述当前目标宏块内V宏块的右边界子块的处理后，对所述 当前目标宏块内剩余子块进行处理。

本发明还提供了一种基于WebP图像压缩算法的图像处理设备， 包括：

存储器，用于存储计算机程序；处理器，用于执行所述计算机程 序时实现上述一种基于WebP图像压缩算法的图像处理方法的步骤。

本发明还提供了一种计算机可读存储介质，所述计算机可读存储 介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述 一种基于WebP图像压缩算法的图像处理方法的步骤。

本发明所提供的基于WebP图像压缩算法的图像处理方法，获取 待处理图像的YUV图像数据后，获取所述YUV图像数据中Y数据通 道中的多个Y宏块、U数据通道中的多个U宏块和V数据通道中的 多个V宏块；依据宏块间的依赖关系，分别对所述Y宏块、所述U 宏块和所述V宏块内的子块遍历顺序进行重组，将子块遍历顺序重组 后的每个Y宏块、所述Y宏块所在图像区域的U宏块和所述Y宏块 所在图像区域的V宏块进行合并，得到所述Y宏块所在的图像区域的 目标宏块；依据各个目标宏块间的边界依赖关系，对各个目标宏块内 的子块遍历顺序进行重组，依据重组后的目标宏块内子块的遍历顺序 遍历所述各个目标宏块内的子块，从而得到所述待处理图像的亮度值 和色度值。本发明所提供的图像数据处理方法，在合并待处理图像的 子块遍历数据重组后的Y宏块、U宏块和V宏块后，得到目标宏块。优先处理目标宏块内对下一相邻宏块有依赖关系的子块，从而在处理 当前目标宏块内剩余子块的同时，处理与所述当前子块相邻的子块； 从而实现了待处理图像Y宏块、U宏块、V宏块之间的并行处理。

附图说明

为了更清楚的说明本发明实施例或现有技术的技术方案，下面将 对实施例或现有技术描述中所需要使用的附图作简单的介绍，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为本发明所提供的一种基于WebP图像压缩算法的图像处理 的方法的第一种具体实施例的流程图；

图2为原始的Y宏块间子块遍历顺序示意图；

图3为重组后的Y宏块间子块遍历顺序示意图；

图4为原始的U宏块间子块遍历顺序示意图；

图5为重组后的U宏块间子块遍历顺序示意图；

图6为原始的V宏块间子块遍历顺序示意图；

图7为重组后的V宏块间子块遍历顺序示意图；

图8为本发明所提供的一种基于WebP图像压缩算法的图像处理 的方法的第二种具体实施例的流程图；

图9为原始的目标宏块内子块遍历顺序示意图；

图10为重组后的目标宏块间子块遍历顺序示意图；

图11为重组后的目标宏块间子块遍历顺序流程图；

图12为本发明实施例提供的一种基于WebP图像压缩算法的图像 处理的装置的结构框图。

具体实施方式

本发明的核心是提供一种基于WebP图像压缩算法的图像处理方 法、装置、设备以及计算机可读存储介质，实现了待处理图像中Y宏 块、U宏块和V宏块之间的并行处理。

为了使本技术领域的人员更好地理解本发明方案，下面结合附图 和具体实施方式对本发明作进一步的详细说明。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做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。

请参考图1，图1为本发明所提供的一种基于WebP图像压缩算 法的图像处理的方法的第一种具体实施例的流程图；具体操作步骤如 下：

步骤S101：采集待处理图像的YUV图像数据后，获取所述YUV 图像数据多个Y宏块、多个U宏块和多个Z宏块；

将所述YUV图像数据的Y数据通道划分为多个16×16大小的Y 宏块后，将每个Y宏块划分为16个4×4大小的子块；

将所述YUV图像数据的U数据通道划分为多个8×8大小的U 宏块后，将每个U宏块划分为4个4×4大小的子块；

将所述YUV图像数据的V数据通道划分为多个8×8大小的V 宏块后，将每个V宏块划分为4个4×4大小的子块。

步骤S102：依据宏块间的依赖关系，分别对所述多个Y宏块、 所述多个U宏块和所述多个V宏块内的子块遍历顺序进行重组；

Y宏块内的子块索引定义为y_sub[index]，y_sub[i]表示在对Y宏 块内的子块进行遍历时，处理的第i个子块索引值为y_sub[]i；其中 index最大值等于16，表示Y宏块内包含16个4×4子块。如图2所 示，原始的Y宏块内子块遍历顺序方式为：

y_sub_old[i]＝{1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16}。

依据所述宏块间的依赖关系，对宏块内子块的遍历顺序重组，如 图3所示，子块遍历顺序重组后，所述Y宏块内子块遍历顺序为：

与原始Y宏块内子块索引位置的实际映射关系为：

y_sub_new[i]＝{4,8,12,16,13,14,15,1,2,3,5,6,7,9,10,11}。

U宏块内的子块遍历顺序分别定义为u_sub[index]，u_sub[i]表示在 对U宏块内的子块进行遍历时，处理的第i个子块索引值为u_sub[i]； 其中index最大值等于4，表示U宏块内包含4个4×4子块。

如图4所示，原始的U宏块内子块顺序遍历方式为：

u_sub_old[i]＝{1,2,3,4}。

如图5所示，对所述U宏块内子块的遍历顺序进行重组后，所述 U宏块内子块遍历顺序为：

u_sub_new[i]＝{u_sub_old[2],u_sub_old[4],u_sub_old[3],u_sub_old[1]}；与原始U宏块内子块索引位置的实际映射关系为：

u_sub_new[i]＝{2,4,3,1}。

V宏块内的子块遍历顺序分别定义为v_sub[index]，v_sub[i]表示在 对V宏块内的子块进行遍历时，处理的第i个子块索引值为v_sub[i]； 其中index最大值等于4，表示V宏块内包含4个4×4子块。

如图6所示，原始的V宏块内子块顺序遍历方式为：

v_sub_old[i]＝{1,2,3,4}。

如图7所示，对所述V宏块内子块的遍历顺序进行重组后，所述 V宏块内子块遍历顺序为：

v_sub_new[i]＝{v_sub_old[2],v_sub_old[4],u_sub_old[3],v_sub_old[1]}；与原始V宏块内子块索引位置的实际映射关系为：

v_sub_new[i]＝{2,4,3,1}。

步骤S103：将子块遍历顺序重组后的每个Y宏块、所述Y宏块 所在图像区域的U宏块和所述Y宏块所在图像区域的V宏块进行合 并，得到所述Y宏块所在图像区域的目标宏块；

步骤S104：依据各个目标宏块间的边界依赖关系，对所述各个目 标宏块内的子块遍历顺序进行重组后，根据重组后的目标宏块内的子 块遍历顺序遍历所述各个目标宏块内的子块，从而得到所述待处理图 像的亮度值和色度值。

本实施所提供的图像处理方法，获取所述YUV图像数据中Y数 据通道中的多个Y宏块、U数据通道中的多个U宏块和V数据通道 中的多个V宏块；依据宏块间的依赖关系，分别对所述Y宏块、所述 U宏块和所述V宏块内的子块遍历顺序进行重组，将子块遍历顺序重 组后的Y宏块，与所述Y宏块所对应的U宏块、与所述Y宏块对应 的V宏块进行合并得到与多个Y宏块对应的多个目标宏块，对所述多 个目标宏块中的子块遍历顺序重组后，依次处理所述各个目标宏块， 从而得到所述待处理图像的亮度和色度。本实施例实现对Y宏块、U 宏块和V宏块的并行处理，在对所述待处理图像的一次处理过程中得 到亮度值和色度值。

基于上述实施例，本实施例将所述各个Y宏块、所述各个U宏块和所述各 个V宏块进行合并后，对所述目标宏块内子块进行重组，依次对所述Y宏块右 边界子块、U宏块右边界子块和V宏块右边界子块进行处理，从而实现所述Y 宏块、所述U宏块、所述V宏块的并行处理。请参考图8，图8为本发明所提 供的一种基于WebP图像压缩算法的图像处理的方法的第二种具体实施例的流 程图；具体操作步骤如下：

步骤S801：采集待处理图像的YUV图像数据后，获取所述YUV 图像数据多个Y宏块、多个U宏块和多个Z宏块；

步骤S802：依据宏块间的依赖关系，分别对所述多个Y宏块、 所述多个U宏块和所述多个V宏块内的子块遍历顺序进行重组；

步骤S803：将子块遍历顺序重组后的每个Y宏块、所述Y宏块 所在图像区域的U宏块和所述Y宏块所在图像区域的V宏块进行合 并，得到所述Y宏块所在图像区域的目标宏块；

步骤S804：依据各个目标宏块间的边界依赖关系，对所述各个目 标宏块内的子块遍历顺序进行重组后，根据重组后的目标宏块内的子 块遍历顺序处理当前目标宏块内Y宏块的右边界子块；

步骤S805：完成当前目标宏块内Y宏块的右边界子块的处理后， 对所述当前宏块内的U宏块的右边界子块进行数据处理；

步骤S806：完成所述当前目标宏块内U宏块的右边界子块的处 理后，对所述当前目标宏块内的V宏块的右边界子块进行处理；

完成所述当前目标宏块内V宏块的右边界子块的处理后，在对所 述当前目标宏块内剩余子块进行处理的同时，对与所述当前目标宏块 右边界相邻的目标宏块的右边界子块同时进行处理。

步骤S807：完成所述当前目标宏块内V宏块的右边界子块的处 理后，对所述当前目标宏块内Y宏块的下边界子块进行处理；

步骤S808：完成所述当前目标宏块内Y宏块的下边界子块的处 理后，对所述当前目标宏块内U宏块的下边界子块进行处理；

步骤S809：完成所述当前目标宏块内U宏块的下边界子块的处 理后，对所述当前目标宏块内V宏块的边界子块进行处理；

步骤S810：完成所述当前目标宏块内V宏块的下边界子块的处 理后，对所述当前目标宏块内剩余子块进行处理；

步骤S811：完成所述待处理图像中所有目标宏块内子块的处理 后，得到所述待处理图像的亮度值和色度值。

所述Y宏块、所述Y宏块所在图像区域的U宏块和所述Y宏所 述图像区域的V宏块合并后得到的目标宏块，如图9所述。对 y_sub_new[index]、u_sub_new[index]、v_sub_new[index]的子块遍历顺序 进行重组，得到所述目标宏块内重组后的子块遍历顺序 yuv_sub_new[index]，其中index最大值为24，表示所述目标宏块内一 共包含24个子块。如图10和图11所示，重组后的所述目标宏块内子 块遍历顺序为：

yuv_sub_new[i]＝{y_sub_new[1,2,3,4],u_sub_new[1,2],

v_sub_new[1,2],y_sub_new[5,6,7],u_sub_new[3],v_sub_new[3]，

y_sub_new[8,9,10,11,12,13,14,15,16]，u_sub_new[4],v_sub_new[4]}

对应初始目标宏块内子块索引位置的实际映射关系为：

yuv_sub_new[i]＝{y_sub_old[4,8,12,16],u_sub_old[2,4],

v_sub_old[2,4],y_sub_old[13,14,15],u_sub_old[3],v_sub_old[3],

y_sub_old[1,2,3,5,6,7,9,10,11],u_sub_old[1],v_sub_old[1]}

在本实施例中，在完成所述Y宏块、U宏块和V宏块合并后，按 照yuv_sub_new[index]遍历顺序对所述目标宏块内所有的24个4×4子 块进行遍历，优先完成所述Y宏块、所述U宏块和所述V宏块内右 边界子块的处理，然后分别处理所述Y宏块、所述U宏块和所述V 宏块内下边界的子块，从而为相邻目标宏块提前提供所需的边界数据， 在对所述目标宏块内剩余子块进行处理的同时，就可以实现对所述相 邻目标宏块数据的处理过程，从而实现待处理图像Y宏块、U宏块、 V宏块之间的并行处理，相邻目标宏块数据间的流水并行处理。

请参考图12，图12为本发明实施例提供的一种基于WebP图像 压缩算法的图像处理的装置的结构框图；具体装置可以包括：

采集模块100，用于采集待处理图像的YUV图像数据后，获取所 述YUV图像数据多个Y宏块、多个U宏块和多个Z宏块；

重组模块200，用于依据宏块间的依赖关系，分别对所述多个Y 宏块、所述多个U宏块和所述多个V宏块内的子块遍历顺序进行重组；

合并模块300，用于将子块遍历顺序重组后的每个Y宏块、所述 Y宏块所在图像区域的U宏块和所述Y宏块所在图像区域的V宏块 进行合并，得到所述Y宏块所在图像区域的目标宏块；

计算模块400，用于依据各个目标宏块间的边界依赖关系，对所 述各个目标宏块内的子块遍历顺序进行重组后，根据重组后的目标宏 块内的子块遍历顺序遍历所述各个目标宏块内的子块，从而得到所述 待处理图像的亮度值和色度值。

本实施例的基于WebP图像压缩算法的图像处理装置用于实现前 述的基于WebP图像压缩算法的图像处理方法，因此基于WebP图像 压缩算法的图像处理装置中的具体实施方式可见前文中的基于WebP 图像压缩算法的图像处理方法的实施例部分，例如，采集模块100， 重组模块200，合并模块300，计算模块400，分别用于实现上述基于 WebP图像压缩算法的图像处理方法中步骤S101，S102，S103和S104， 所以，其具体实施方式可以参照相应的各个部分实施例的描述，在此 不再赘述。

本发明具体实施例还提供了一种基于WebP图像压缩算法的图像 处理设备，包括：存储器，用于存储计算机程序；处理器，用于执行 所述计算机程序时实现上述一种基于WebP图像压缩算法的图像处理 方法的步骤。

本发明具体实施例还提供了一种计算机可读存储介质，所述计算 机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行 时实现上述一种基于WebP图像压缩算法的图像处理方法的步骤。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说 明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分 互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的 方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述 的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者 的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明 中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟 以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束 条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所 描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接 用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块 可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程 ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上对本发明所提供的基于WebP图像压缩算法的图像处理方 法、装置以及计算机可读存储介质进行了详细介绍。本文中应用了具 体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只 是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术 领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对 本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求 的保护范围内。

Claims (10)

1.一种基于WebP图像压缩算法的图像处理方法，其特征在于，包括：

采集待处理图像的YUV图像数据后，获取所述YUV图像数据多个Y宏块、多个U宏块和多个Z宏块；

依据宏块间的依赖关系，分别对所述多个Y宏块、所述多个U宏块和所述多个V宏块内的子块遍历顺序进行重组；

将子块遍历顺序重组后的每个Y宏块、所述Y宏块所在图像区域的U宏块和所述Y宏块所在图像区域的V宏块进行合并，得到所述Y宏块所在图像区域的目标宏块；

依据各个目标宏块间的边界依赖关系，对所述各个目标宏块内的子块遍历顺序进行重组后，根据重组后的目标宏块内的子块遍历顺序遍历所述各个目标宏块内的子块，从而得到所述待处理图像的亮度值和色度值。

2.如权利要求1所述的图像处理方法，其特征在于，所述获取所述YUV图像数据多个Y宏块、多个U宏块和多个Z宏块包括：

将所述YUV图像数据的Y数据通道划分为多个16×16大小的Y宏块后，将每个Y宏块划分为16个4×4大小的子块；

将所述YUV图像数据的U数据通道划分为多个8×8大小的U宏块后，将每个U宏块划分为4个4×4大小的子块；

将所述YUV图像数据的V数据通道划分为多个8×8大小的V宏块后，将每个V宏块划分为4个4×4大小的子块。

3.如权利要求1所述的图像处理方法，其特征在于，所述依据各个目标宏块间的边界依赖关系，对所述各个目标宏块内的子块遍历顺序进行重组后，根据重组后的目标宏块内的子块遍历顺序遍历所述各个目标宏块内的子块包括：

完成当前目标宏块内Y宏块的右边界子块的处理后，对所述当前宏块内的U宏块的右边界子块进行数据处理；

完成所述当前目标宏块内U宏块的右边界子块的处理后，对所述当前目标宏块内的V宏块的右边界子块进行处理；

完成所述当前目标宏块内V宏块的右边界子块的处理后，对所述当前目标宏块内剩余子块进行处理。

4.如权利要求3所述的图像处理方法，其特征在于，所述完成所述当前目标宏块内V宏块的右边界子块的处理后，对所述当前目标宏块内剩余子块进行处理包括：

完成所述当前目标宏块内V宏块的右边界子块的处理后，在对所述当前目标宏块内剩余子块进行处理的同时，对与所述当前目标宏块右边界相邻的目标宏块的右边界子块同时进行处理。

5.如权利要求4所述的图像处理方法，其特征在于，所述完成所述当前目标宏块内V宏块的右边界子块的处理后，对所述当前目标宏块内剩余子块进行处理包括：

完成所述当前目标宏块内V宏块的右边界子块的处理后，对所述当前目标宏块内Y宏块的下边界子块进行处理；

完成所述当前目标宏块内Y宏块的下边界子块的处理后，对所述当前目标宏块内U宏块的下边界子块进行处理；

完成所述当前目标宏块内U宏块的下边界子块的处理后，对所述当前目标宏块内V宏块的边界子块进行处理；

完成所述当前目标宏块内V宏块的下边界子块的处理后，对所述当前目标宏块内剩余子块进行处理。

6.一种基于WebP图像压缩算法的图像处理装置，其特征在于，包括：

采集模块，用于采集待处理图像的YUV图像数据后，获取所述YUV图像数据多个Y宏块、多个U宏块和多个Z宏块；

重组模块，用于依据宏块间的依赖关系，分别对所述多个Y宏块、所述多个U宏块和所述多个V宏块内的子块遍历顺序进行重组；

合并模块，用于将子块遍历顺序重组后的每个Y宏块、所述Y宏块所在图像区域的U宏块和所述Y宏块所在图像区域的V宏块进行合并，得到所述Y宏块所在图像区域的目标宏块；

计算模块，用于依据各个目标宏块间的边界依赖关系，对所述各个目标宏块内的子块遍历顺序进行重组后，根据重组后的目标宏块内的子块遍历顺序遍历所述各个目标宏块内的子块，从而得到所述待处理图像的亮度值和色度值。

7.如权利要求6所述的图像处理装置，其特征在于，所述采集模块具体用于：

将所述YUV图像数据的Y数据通道划分为多个16×16大小的Y宏块后，将每个Y宏块划分为16个4×4大小的子块；

将所述YUV图像数据的U数据通道划分为多个8×8大小的U宏块后，将每个U宏块划分为4个4×4大小的子块；

将所述YUV图像数据的V数据通道划分为多个8×8大小的V宏块后，将每个V宏块划分为4个4×4大小的子块。

8.如权利要求6所述的图像处理装置，其特征在于，所述计算模块具体用于：

完成当前目标宏块内Y宏块的右边界子块的处理后，对所述当前宏块内的U宏块的右边界子块进行数据处理；

完成所述当前目标宏块内U宏块的右边界子块的处理后，对所述当前目标宏块内的V宏块的右边界子块进行处理；

完成所述当前目标宏块内V宏块的右边界子块的处理后，对所述当前目标宏块内剩余子块进行处理。

9.一种基于WebP图像压缩算法的图像处理设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至5任一项所述基于WebP图像压缩算法的图像处理方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述基于WebP图像压缩算法的图像处理方法的步骤。