CN109257602B - 自适应量化方法 - Google Patents

自适应量化方法 Download PDF

Info

Publication number
CN109257602B
CN109257602B CN201811260519.8A CN201811260519A CN109257602B CN 109257602 B CN109257602 B CN 109257602B CN 201811260519 A CN201811260519 A CN 201811260519A CN 109257602 B CN109257602 B CN 109257602B
Authority
CN
China
Prior art keywords
quantization
residual
matrix
mode
rate
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.)
Active
Application number
CN201811260519.8A
Other languages
English (en)
Other versions
CN109257602A (zh
Inventor
周赞和
冉文方
田林海
李雯
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.)
HEYU HEALTH TECHNOLOGY Co.,Ltd.
Original Assignee
Heyu Health 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 Heyu Health Technology Co ltd filed Critical Heyu Health Technology Co ltd
Priority to CN201811260519.8A priority Critical patent/CN109257602B/zh
Publication of CN109257602A publication Critical patent/CN109257602A/zh
Application granted granted Critical
Publication of CN109257602B publication Critical patent/CN109257602B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation

Abstract

本发明涉及一种自适应量化方法，包括如下步骤：(a)获取图像宏模块；(b)对所述宏模块采用矩阵量化方法计算第一主观差异；(c)对所述宏模块采用模式自适应算法计算第二主观差异；(d)比较第一主观差异和第二主观差异，若第一主观差异小于第二主观差异，则设置模式标识为矩阵量化，否则设置模式标识为模式自适应；(e)根据所述模式标识对所述预测残差进行量化处理获得最终量化残差。本发明实施例，本发明通过自适应算法，给出最优的压缩量化方法，减少传输带宽，使解码端和编码端的量化损失达到最小。

Description

自适应量化方法
技术领域
本发明属于压缩编码领域，具体涉及一种自适应量化方法。
背景技术
随着多媒体、视频图象、文档映象等技术的出现，数据压缩成了网络管理员的一个重要课题。数据压缩基本上是挤压数据使得它占用更少的磁盘存储空间和更短的传输时间。压缩的依据是数字数据中包含大量的重复，它将这些重复信息用占用空间较少的符号或代码来代替。
压缩编码中，解码端和编码端之间因为量化处理会产生一定的量化损失，如何采用一种量化方法能够在压缩带宽的同时降低量化损失是压缩编码技术的热点问题。
发明内容
为了解决现有技术中存在的上述问题，本发明提供了一种自适应量化方法。本发明要解决的技术问题通过以下技术方案实现：
本发明实施例提供了一种自适应量化方法，包括如下步骤：
获取图像宏模块；
对所述宏模块采用矩阵量化方法计算第一主观差异；
对所述宏模块采用模式自适应算法计算第二主观差异；
比较第一主观差异和第二主观差异，若第一主观差异小于第二主观差异，则设置模式标识为矩阵量化，否则设置模式标识为模式自适应；
根据所述模式标识对所述预测残差进行量化处理获得最终量化残差。
在本发明的一个实施例中，所述第一主观差异和所述第二主观差异满足：
SUBDk＝a1×SADk+a2×Ek
其中，SUBDk为第k主观差异，所述SADk为第k主观差异对应的量化损失，Ek为第k主观差异对应的标准差，a1和a2为场景权重系数。
在本发明的一个实施例中，步骤(e)之后还包括：
将所述量化残差、所述模式标识对应的附加标志位放置在码流中进行传输。
在本发明的一个实施例中，步骤(b)包括：
(b1)设置量化矩阵大小；
(b2)将所述宏模块分解为若干个量化矩阵大小的矩阵量化单元；
(b3)计算各所述矩阵量化单元对应的残差分布类型；
(b4)获取基准量化参数；
(b5)根据所述基准量化参数和所述残差分布类型计算各所述矩阵量化单元对应的量化矩阵；
(b6)根据各所述量化矩阵对对应的所述矩阵量化单元进行量化处理。
在本发明的一个实施例中，所述宏模块的像素个数为所述量化矩阵像素个数的整数倍。
在本发明的一个实施例中，步骤(b3)包括：
(b31)计算所述矩阵量化单元各残差分布系数；
(b32)根据所述残差分布类型获得所述矩阵量化单元的所述残差分布类型。
在本发明的一个实施例中，步骤(c)包括：
(c1)对所述宏模块采用第一自适应量化方式处理获得第一率失真优化参数；
(c2)对所述宏模块采用第二自适应量化方式处理获得第二率失真优化参数；
(c3)比较所述第一率失真优化参数和所述第二率失真优化参数，选择所述第一率失真优化参数和所述第二率失真优化参数中较小的对应的量化方式计算所述第二主观差异。
在本发明的一个实施例中，所述第一自适应量化方式处理为对所述宏模块的预测残差依次进行量化、反量化、补偿处理。
在本发明的一个实施例中，所述第二自适应量化方式处理为对所述宏模块的预测残差依次进行补偿处理、量化处理、反量化处理。
在本发明的一个实施例中，所述第一率失真优化参数和所述第二率失真优化参数满足：
Figure GDA0002636289400000031
其中，RDOq表示第q率失真优化,resqpqi表示第q率失真优化对应的第i位像素的量化残差，lossresqi表示第q率失真优化对应的第i位像素的残差损失，a1和a2表示场景权重系数。
与现有技术相比，本发明的有益效果：
本发明通过自适应算法，给出最优的压缩量化方法，减少传输带宽，使解码端和编码端的量化损失达到最小。
附图说明
图1为本发明实施例提供的一种自适应量化方法的流程示意图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。
实施例一
请参见图1，图1为本发明实施例提供的一种自适应量化方法的流程示意图。该自适应量化方法包括如下步骤：
获取图像宏模块；
对所述宏模块采用矩阵量化方法计算第一主观差异；
对所述宏模块采用模式自适应算法计算第二主观差异；
比较第一主观差异和第二主观差异，若第一主观差异小于第二主观差异，则设置模式标识为矩阵量化，否则设置模式标识为模式自适应；
根据所述模式标识对所述预测残差进行量化处理获得最终量化残差。
本发明通过自适应算法，给出最优的压缩量化方法，减少传输带宽，使解码端和编码端的量化损失达到最小。
实施例二
本实施例在上述实施例的基础上，重点对自适应量化方法进行详细描述。具体地，该自适应量化方法在实施例一的基础上还包括如下内容：
其中，所述第一主观差异和所述第二主观差异满足：
SUBDk＝a1×SADk+a2×Ek
其中，SUBDk为第k主观差异，所述SADk为第k主观差异对应的量化损失，Ek为第k主观差异对应的标准差，a1和a2为场景权重系数。
其中，步骤(e)之后还包括：
将所述量化残差、所述模式标识对应的附加标志位放置在码流中进行传输。
其中，步骤(b)包括：
(b1)设置量化矩阵大小；
(b2)将所述宏模块分解为若干个量化矩阵大小的矩阵量化单元；
(b3)计算各所述矩阵量化单元对应的残差分布类型；
(b4)获取基准量化参数；
(b5)根据所述基准量化参数和所述残差分布类型计算各所述矩阵量化单元对应的量化矩阵；
(b6)根据各所述量化矩阵对对应的所述矩阵量化单元进行量化处理。
其中，所述宏模块的像素个数为所述量化矩阵像素个数的整数倍。
其中，步骤(b3)包括：
(b31)计算所述矩阵量化单元各残差分布系数；
(b32)根据所述残差分布类型获得所述矩阵量化单元的所述残差分布类型。
其中，步骤(c)包括：
(c1)对所述宏模块采用第一自适应量化方式处理获得第一率失真优化参数；
(c2)对所述宏模块采用第二自适应量化方式处理获得第二率失真优化参数；
(c3)比较所述第一率失真优化参数和所述第二率失真优化参数，选择所述第一率失真优化参数和所述第二率失真优化参数中较小的对应的量化方式计算所述第二主观差异。
其中，所述第一自适应量化方式处理为对所述宏模块的预测残差依次进行量化、反量化、补偿处理。
其中，所述第二自适应量化方式处理为对所述宏模块的预测残差依次进行补偿处理、量化处理、反量化处理。
其中，所述第一率失真优化参数和所述第二率失真优化参数满足：
Figure GDA0002636289400000061
其中，RDOq表示第q率失真优化,resqpqi表示第q率失真优化对应的第i位像素的量化残差，lossresqi表示第q率失真优化对应的第i位像素的残差损失，a1和a2表示场景权重系数。
本发明通过自适应算法，给出最优的压缩量化方法，减少传输带宽，使解码端和编码端的量化损失达到最小。
实施例三
本实施例在上述实施例的基础上，重点对自适应量化方法进行详细描述。
S10：获取宏模块；
设待量化宏模块(Macro Block，简称MB)为大小为m×n的像素矩阵，将MB各像素平铺为m×n列1行的一维矩阵，此处平铺顺序可设定。其中，m和n均为大于0的整数。最优地，m×n为4的倍数。
S20：对所述宏模块采用矩阵量化方法计算第一主观差异；
矩阵量化方法是指待量化矩阵内各元素的量化参数不同的一种像素级量化方式，但编码端和解码端仅需要传输必要的量化矩阵参数用于编码端和解码端计算量化矩阵。
S21：设置量化矩阵大小；
量化矩阵的像素大小可以和宏模块像素大小相同，为m×n列1行，也可以不同，若不同，需要将所述宏模块分解为若干个量化矩阵大小的矩阵量化单元；
S22：计算各所述矩阵量化单元对应的残差分布类型；具体包括如下步骤：
S221:计算所述矩阵量化单元各残差分布系数；
本实施例中设宏模块为4×2大小的矩阵，量化矩阵为8×1的一维矩阵。首先计算残差分布系数Gradj，其中，j为1到4的整数，残差分布系数Gradj满足：
Figure GDA0002636289400000071
其中，ri为图像块量化矩阵中第i位的像素的预测残差的绝对值，i为0到n-1的整数。
分别判断Gradj是否满足如下条件:
如果Grad1>a1，残差分布类型属于递弱型；
如果Grad2>a2，残差分布类型属于递强型；
如果Grad3>a3，残差分布类型属于弱强弱型；
如果Grad4>a4，残差分布类型属于强弱强型；
如果以上条件都不满足，则残差分布类型属于普通型，其中，ajaj＝1.5,j为1到4的整数；aj可根据实际情况设置为其它值。
若残差分布类型不属于普通型，则残差分布类型属于max{Gradj,其中满足Gradj>aj，j为1到4的整数}对应的类型。
若残差分布类型不属于普通型，则残差分布类型属于max{Gradj,其中满足Gradj>aj，j为1到4的整数}对应的类型。
S23：获取基准量化参数，根据码率控制给出基准量化参数QP。
S24：根据所述基准量化参数和所述残差分布类型计算各所述矩阵量化单元对应的量化矩阵；
S241：根据量化参数QP计算最大值QPmax,最小值QPmin，差异值QPdiff，满足如下公式：
Figure GDA0002636289400000081
其中，bitdepth为MB的像素的比特深度。
S25：计算量化矩阵QPmatrix；
若残差分布类型为递弱型，则QPmatrix中第i位像素对应的量化参数为：
Figure GDA0002636289400000082
若残差分布类型为递强型,则QPi满足:
Figure GDA0002636289400000083
若残差分布类型为弱强弱型,则QPi满足:
Figure GDA0002636289400000091
若残差分布类型为强弱强型,则QPi满足:
Figure GDA0002636289400000092
若残差分布类型为普通型则QPi满足:
QPi＝QP，0≤i≤n-1
S25：根据计算量化矩阵QPmatrix计算矩阵量化残差Resqpi；
Resqpi＝(Res+(1＜＜QPi)/2)＞＞QPi
其中，Resqpi为量化矩阵中第i个像素的量化残差，Res为图像块MB中第i个像素的预测残差。
其中，“<<”算式表示，若有表达式a<<m则表示将整型数a按二进制位向左移动m位，高位移出后，低位补0。
其中，“>>”算式表示，若有表达式a>>m则表示将整型数a按二进制位向右移动m位，低位移出后，高位补0。
第一反量化残差InvRes1＝Resqp1i＜＜QPi。
对应的矩阵模式附加标识即需要在码流中传输的标识位为：残差类型标识。
其中，可设置递弱型，递强型，强弱强型，弱强弱型，普通型对应的残差类型标识分别为：1，2，3，4，0。
S26：计算第一主观差异；
第一量化损失
Figure GDA0002636289400000101
标准差
Figure GDA0002636289400000102
第一主观差异SUBD1＝a1×SAD1+a2×E1
其中，a1和a2表示场景权重系数，此处a1＝a2＝1。
S30：对所述宏模块采用模式自适应算法计算第二主观差异；
S31：对所述宏模块采用第一自适应量化方式处理获得第一率失真优化参数；
S311：将所述设待量化宏模块(Macro Block，简称MB)为大小为m×n的像素矩阵，将MB各像素平铺为m×n列1行的一维矩阵；
获取一维矩阵的各像素预测残差Resi；
S312：采用第一自适应量化方法依次对预测残差进行量化、反量化、补偿处理，获得第一自适应反量化残差ResQP1i、第一自适应量化残差ResQP1i、第一自适应残差损失lossres1i，满足：
Figure GDA0002636289400000103
ResQP1i＝Resi＞＞QP
lossres1i＝SelInvRes1i-Resi
S313：计算第一率失真优化残差RDO1：
Figure GDA0002636289400000104
S32：对所述宏模块采用第二自适应量化方式处理获得第二率失真优化参数；
S321：所述第二自适应量化方式处理为对所述宏模块的预测残差依次进行补偿处理、量化处理、反量化处理。获得第二自适应反量化残差SefInvRes2i、第二自适应量化残差ResQP2i、第二自适应残差损失lossres2i，
Figure GDA0002636289400000111
Figure GDA0002636289400000112
lossres2i＝SelInvRes2i-Resi
S313:计算第二率失真优化残差RDO2:
Figure GDA0002636289400000113
S33：比较所述第一率失真优化参数RDO1和所述第二率失真优化参数RDO2，选择RDO1和RDO2较小的对应的量化方式计算所述第二主观差异。
同时，根据RDO1和RDO2较小的对应的量化方式，获得对应的自适应模式附加标识和自适应模式量化残差。
其中，对应自适应模式附加标识为：量化模式标识。
若RDO1＜RDO2，则量化模式标识为第一量化模式，自适应模式量化残差为第一自适应量化残差；否则量化模式标识为第二量化模式，自适应模式量化残差为第二自适应量化残差。
其中，可设置第一量化模式为0，第二量化模式为1。
S34：计算第二主观差异。
第二主观差异对应的量化损失，即第二量化损失
Figure GDA0002636289400000114
其中，InvRes2i为步骤S33中RDO较小的对应的反量化残差。因此，若RDO1≤RDO2，则InvRes2i＝sefInvRes1i；否则，InvRes2i＝sefInvRes2i。
标准差
Figure GDA0002636289400000121
第二主观差异SUBD2＝a1×SAD2+a2×E2
S50：比较第一主观差异和第二主观差异，若第一主观差异小于等于第二主观差异，则设置模式标识为矩阵量化，否则设置模式标识为模式自适应；
S60：根据所述模式标识对所述预测残差进行量化处理获得最终量化残差。
若模式标识为矩阵量化模式，则对应放在码流中的为矩阵量化残差、矩阵模式附加标识；
若模式标识为自适应模式，则对应放在码流中的为自适应模式量化残差、自适应模式附加标识。
本发明通过自适应算法，给出最优的压缩量化方法，减少传输带宽，使解码端和编码端的量化损失达到最小。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (3)

1.一种自适应量化方法，其特征在于，包括如下步骤：
(a)获取图像宏模块；
(b)对所述宏模块采用矩阵量化方法计算第一主观差异，包括：设置量化矩阵大小；将所述宏模块分解为若干个量化矩阵大小的矩阵量化单元；计算所述矩阵量化单元各残差分布系数，通过判断残差分布系数的大小，确定各所述矩阵量化单元对应的残差分布类型；根据码率控制给出基准量化参数；根据所述基准量化参数和所述残差分布类型计算各所述矩阵量化单元对应的量化矩阵；根据量化矩阵、图像块MB中像素的预测残差，计算矩阵量化残差和第一反量化残差；根据预测残差和第一反量化残差计算第一主观差异对应的量化损失SAD1和标准差E1，根据SAD1和E1计算得到第一主观差异；
(c)对所述宏模块采用模式自适应算法计算第二主观差异，包括：(c1)对所述宏模块采用第一自适应量化方式处理获得第一率失真优化参数；(c2)对所述宏模块采用第二自适应量化方式处理获得第二率失真优化参数；(c3)比较所述第一率失真优化参数和所述第二率失真优化参数，选择所述第一率失真优化参数和所述第二率失真优化参数中较小的对应的量化方式计算所述第二主观差异；其中，所述第一自适应量化方式处理为对所述宏模块的预测残差依次进行量化、反量化、补偿处理；所述第二自适应量化方式处理为对所述宏模块的预测残差依次进行补偿处理、量化处理、反量化处理；所述第一率失真优化参数和所述第二率失真优化参数满足：
Figure FDA0002733232660000011
其中，RDOq表示第q率失真优化,resqpqi表示第q率失真优化对应的第i位像素的量化残差，lossresqi表示第q率失真优化对应的第i位像素的残差损失，a1和a2表示场景权重系数，其中，q取值为1或2，pixnum＝m×n；
(d)比较第一主观差异和第二主观差异，若第一主观差异小于第二主观差异，则设置模式标识为矩阵量化，否则设置模式标识为模式自适应；
(e)根据所述模式标识对所述预测残差进行量化处理获得最终量化残差；
其中，所述第一主观差异和所述第二主观差异满足：
SUBDk＝a1×SADk+a2×Ek；SUBDk为第k主观差异，所述SADk为第k主观差异对应的量化损失，Ek为第k主观差异对应的标准差，k取值为1或2；a1和a2为场景权重系数；
Figure FDA0002733232660000021
Figure FDA0002733232660000022
Figure FDA0002733232660000023
Figure FDA0002733232660000024
m×n为MB的大小，m、n、i均为大于0的整数，InvRes1i为MB中第i个像素的第一反量化残差；InvRes2i为所述第一率失真优化参数和所述第二率失真优化参数中较小的对应的反量化残差；Resi为MB中第i个像素的预测残差。
2.根据权利要求1所述的自适应量化方法，其特征在于，步骤(e)之后还包括：
将所述量化残差、所述模式标识对应的附加标志位放置在码流中进行传输。
3.根据权利要求2所述的自适应量化方法，其特征在于，所述宏模块的像素个数为所述量化矩阵像素个数的整数倍。
CN201811260519.8A 2018-10-26 2018-10-26 自适应量化方法 Active CN109257602B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811260519.8A CN109257602B (zh) 2018-10-26 2018-10-26 自适应量化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811260519.8A CN109257602B (zh) 2018-10-26 2018-10-26 自适应量化方法

Publications (2)

Publication Number Publication Date
CN109257602A CN109257602A (zh) 2019-01-22
CN109257602B true CN109257602B (zh) 2021-02-05

Family

ID=65046391

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811260519.8A Active CN109257602B (zh) 2018-10-26 2018-10-26 自适应量化方法

Country Status (1)

Country Link
CN (1) CN109257602B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105812804B (zh) * 2014-12-30 2018-09-28 浙江大华技术股份有限公司 一种确定rdoq过程中最优量化值的方法及装置
CN106034235B (zh) * 2015-03-11 2020-01-03 杭州海康威视数字技术股份有限公司 计算编码失真度和编码模式控制的方法及其系统
CN104702959B (zh) * 2015-03-20 2019-03-26 上海国茂数字技术有限公司 一种视频编码的帧内预测方法及系统
CN105430416B (zh) * 2015-12-04 2019-03-01 四川大学 一种基于自适应稀疏域编码的指纹图像压缩方法
WO2017129147A1 (zh) * 2016-01-31 2017-08-03 中兴通讯股份有限公司 图像的编码、解码方法及装置、以及图像的编解码系统

Also Published As

Publication number Publication date
CN109257602A (zh) 2019-01-22

Similar Documents

Publication Publication Date Title
EP1512115B1 (en) Spatial prediction based intra coding
CN101755464B (zh) 基于行的视频码率控制和压缩
US7289674B2 (en) Spatial prediction based intra coding
CN101584218B (zh) 基于帧内预测的编码和解码方法及设备
CN100571365C (zh) 用于在双通道编码中选择扫描模式的方法与设备
CN104702962A (zh) 帧内编解码方法、编码器和解码器
CN110401833B (zh) 图像传输方法及装置
KR20200110442A (ko) 다중 부호 비트 숨기기 및 잔차 부호 예측을 조화시키기 위한 방법 및 장치
CN101589624A (zh) 图像再编码设备、图像再编码方法以及图像编码程序
CN109819250B (zh) 一种多核全组合方式的变换方法和系统
CN104754361A (zh) 图像编码、解码方法及装置
CN1128099A (zh) 用以确定对视频块是否进行帧内编码的方法
KR20190122638A (ko) 적응적인 후보 예측 모드에 따른 인트라 예측 부호화/복호화 방법 및 장치
CN112771865A (zh) 使用参数化模型对量化矩阵进行编解码
CN104333761A (zh) 一种hevc基本单元级码率分配方法
CN101836453B (zh) 用于交替熵编码的方法
CN101742323B (zh) 无再损视频编码和解码的方法和装置
CN109257602B (zh) 自适应量化方法
CN109274968B (zh) 视频压缩自适应量化与反量化方法
CN107222743B (zh) 一种图像处理方法、装置和系统
CN114189688B (zh) 基于亮度模板匹配的色度分量预测方法
JP2017005504A (ja) 画像符号化装置、画像復号装置、画像符号化プログラム及び画像復号プログラム
KR20150081240A (ko) 무손실 비디오 부호화/복호화 방법 및 장치
CN116233425A (zh) 一种编码单元强制划分的判决方法
CN109495745B (zh) 一种基于逆量化/逆变换的无损压缩解码方法

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Zhou Zanhe

Inventor after: Ran Wenfang

Inventor after: Tian Linhai

Inventor after: Li Wen

Inventor before: Ran Wenfang

Inventor before: Tian Linhai

Inventor before: Li Wen

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210118

Address after: Room 2003, 1801, 1804, No.13-1, Hai'an Road, Tianhe District, Guangzhou, Guangdong 510627

Applicant after: HEYU HEALTH TECHNOLOGY Co.,Ltd.

Address before: 710065 Xi'an new hi tech Zone, Shaanxi, No. 86 Gaoxin Road, No. second, 1 units, 22 stories, 12202 rooms, 51, B block.

Applicant before: Xi'an Cresun Innovation Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant