CN109587494B

CN109587494B - 视频压缩的预测方法

Info

Publication number: CN109587494B
Application number: CN201811261753.2A
Authority: CN
Inventors: 杨剑; 叶恒; 陆浩; 杭伟; 陆晓艳; 田林海; 李雯; 岳庆冬
Original assignee: Jiangsu Huaiye Information Technology Co ltd
Current assignee: Jiangsu huaiye Information Technology Co.,Ltd.
Priority date: 2018-10-26
Filing date: 2018-10-26
Publication date: 2020-07-10
Anticipated expiration: 2038-10-26
Also published as: CN109587494A

Abstract

本发明涉及一种视频压缩的预测方法，包括以下步骤：(a)采用第一预测法计算图像的第一预测残差；(b)采用第二预测法计算所述图像的第二预测残差；(c)根据所述第一预测残差计算所述图像的第一残差主观和，根据所述第二预测残差计算所述图像的第二残差主观和；(d)根据所述第一残差主观和和所述第二残差主观和完成所述视频压缩的预测。本发明实施例，在两种预测方法中选择最合适的预测方法，可以进一步降低预测的理论极限熵。

Description

视频压缩的预测方法

技术领域

本发明属于压缩编码领域，具体涉及一种视频压缩的预测方法。

背景技术

视频数据中存在着大量的冗余，即图像的各像素数据之间存在极强的相关性。利用这些相关性，一部分像素的数据可以由另一部分像素的数据推导出来，结果视频数据量能极大地压缩，有利于传输和存储。

预测法是最简单和实用的视频压缩编码方法，这时压缩编码后传输的并不是像素本身的取样幅值，而是该取样的预测值和实际值之差。大量统计表明，同一副图像的临近像素之间有着相关性，或者说这些像素值相似，而且同帧图像中邻近行之间对应位置的像素之间也有较强的相关性，人们可以利用这些性质进行视频压缩编码。基于图像的统计特性进行数据压缩的基本方法就是预测编码。它是利用图像信号的空间或时间相关性，用已传输的像素对当前的像素进行预测，然后对预测值与真实值的差—预测误差进行编码处理和传输。目前预测的算法主要包括图像纹理相关预测和像素值相关预测。

但是，现有的纹理相关预测方法由于参考方向的数量少，存在如下问题：1)预测像素的分量容易误判，影响预测结果；2)预测方法没有充分利用像素纹理之间的相关性，无法进一步降低理论极限熵以及运算的复杂度。而进行像素值相关预测时，通常按光栅扫描图像，因此，对每个MB进行预测时，MB的参考方向仅有上参考，左上参考，左参考，右上参考而无法获得下参考，左下参考，右参考，右下参考。因此，在预测时，由于不能获得更多的参考方向导致无法获得更好的预测参考以及预测结果。可以看出上述的光栅扫描并不是最优的，且相对于平坦区域，光栅扫描在边界和纹理复杂区域进行预测时，效果更差。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种视频压缩的预测方法。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视频压缩的预测方法，包括以下步骤：

(a)采用第一预测法计算图像的第一预测残差；

(b)采用第二预测法计算所述图像的第二预测残差；

(c)根据所述第一预测残差计算所述图像的第一残差主观和，根据所述第二预测残差计算所述图像的第二残差主观和。

(d)根据所述第一残差主观和和所述第二残差主观和完成所述视频压缩的预测。

在本发明的一个实施例中，步骤(a)包括：

(a1)获取所述图像当前像素的多个分量；

(a2)确定所述多个分量的纹理方向的梯度值；

(a3)通过对所述纹理方向的梯度值加权，获得所述当前像素的多个分量的参考值；

(a4)通过所述参考值确定所述当前像素的预测残差；

(a5)将所述图像的每一个像素作为当前像素，重复步骤(a1)～步骤(a4)以得到所述图像的第一预测残差。

在本发明的一个实施例中，步骤(a3)包括：

(a31)通过所述纹理方向的梯度值以及第一加权值获得第一加权梯度值；

(a32)根据所述第一加权梯度值以及第二加权值获得第二加权梯度值；

(a33)根据所述第二加权梯度值获得所述多个分量的各参考方向；

(a33)通过所述参考方向上的分量像素值以及所述第三加权值获得所述当前像素中每个分量的参考值。

在本发明的一个实施例中，所述当前像素的预测残差的获取为多分量并行处理或多分量串行处理。

在本发明的一个实施例中，步骤(b)包括：

(b1)将所述图像分为大小相同的多个MB；

(b2)对所述多个MB进行标记；

(b3)依次对相同标记的所述多个MB进行预测以获取所述图像的第二预测残差。

在本发明的一个实施例中，步骤(b2)包括：

将所述多个MB分别按照从左到右、从上到下的顺序进行标记。

在本发明的一个实施例中，步骤(b)还包括：

对所述多个MB进行纹理方向的选取。

在本发明的一个实施例中，步骤(c)包括：

(c1)根据所述第一预测残差计算第一残差绝对值和和第一标准差，根据所述第二预测残差计算第二残差绝对值和和第二标准差；

(c2)根据所述第一残差绝对值、所述第一标准差、第一权重系数和第二权重系数计算所述图像的第一残差主观和；根据所述第二残差绝对值、所述第二标准差、第三权重系数和第四权重系数计算所述图像的第二残差主观和。

在本发明的一个实施例中，步骤(d)包括：

(d1)比较第一残差主观和和第二残差主观和的大小；

(d2)若所述第一残差主观和大于所述第二残差主观和，则将所述第二预测残差、所述第二预测方法对应的标记信息传输到码流中，完成所述视频压缩的预测；若所述第一残差主观和小于所述第二残差主观和，则将所述第一预测残差、所述第一预测方法对应的标记信息传输到码流中，完成所述视频压缩的预测。

与现有技术相比，本发明的有益效果：

1.第一种预测方法通过每个分量的多方向梯度加权和同位置多分量的方向加权，可以更加合理的确定当前分量的预测方向，尤其是当纹理复杂时，可以起到更好的预测方向纠偏效果。并且该方法可以均衡同位置各分量间和同分量相邻多像素间的纹理预测方向，减少单个分量预测误判的可能性，最终进一步降低预测的理论极限熵。

2.第二种预测方法对于图像中的MB可获得更多的参考方向，导致预测可以获得更小的预测残差，尤其是纹理复杂区域的预测效果更优。

3.本发明通过两种预测方法分别对图像进行预测，选出最合适的预测方法，最终进一步降低预测的理论极限熵。

附图说明

图1为本发明实施例提供的一种视频压缩的预测方法的流程示意图；

图2为本发明实施例提供的一种视频压缩的预测方法的第一种预测方法的算法原理图；

图3为本发明实施例提供的一种视频压缩的预测方法的当前像素分量与周围像素分量的位置示意图；

图4为本发明实施例提供的一种视频压缩的预测方法的MB的划分标记示意图；

图5为本发明实施例提供的另一种视频压缩的预测方法的MB的划分标记示意图；

图6为本发明实施例提供的一种视频压缩的预测方法的当前MB与距离最近的参考MB的原始位置示意图；

图7为本发明实施例提供的一种视频压缩的预测方法的当前MB与距离最近的参考MB的拉近位置示意图；

图8为本发明实施例提供的一种视频压缩的预测方法的当前MB全参考方向的示意图；

图9为本发明实施例提供的一种视频压缩的预测方法的当前MB无下参考方向的示意图；

图10为本发明实施例提供的一种视频压缩的预测方法的当前像素确定第二参考像素的示意图；

图11为本发明实施例提供的另一种视频压缩的预测方法的第一种预测方法的算法原理图；

图12为本发明实施例提供的一种视频压缩的预测方法的一种梯度值计算示意图；

图13为本发明实施例提供的一种视频压缩的预测方法的一种参考值选取示意图。

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视频压缩的预测方法的流程示意图。

一种视频压缩的预测方法，包括以下步骤：

(a)采用第一预测法计算图像的第一预测残差；

(b)采用第二预测法计算所述图像的第二预测残差；

本发明实施例，通过两种预测方法分别计算出图像的两个预测残差结果，根据两个不同的预测残差结果分别计算出了两个不同的残差主观和，对比两个不同的残差主观和选出最优的预测方法，进一步优化了图像的预测效果。

实施例二

本实施例在上述实施例的基础上，重点对视频压缩的预测方法进行详细描述。该预测方法包括如下步骤：

(S10)采用第一预测法计算图像的第一预测残差。请参见图2，图2为本发明实施例提供的一种视频压缩的预测方法的第一种预测方法的算法原理示意图。

(S101)获取所述图像当前像素的多个分量。

在本实施例中，假设当前像素有k个分量，k≥1。

(S102)确定所述多个分量的纹理方向的梯度值。

对于所述当前像素的每个分量，通过确定所述每个分量的周围分量，确定出所述每个分量的N个纹理方向的梯度值，所述梯度值用G1～GN表示，采用同样的方式，确定出所述多个分量的纹理方向的梯度值。

在一个具体实施例中，所述每个分量的周围分量，可以与所述图像当前像素的每个分量相邻，也可不相邻。请参见图3，图3为本发明实施例提供的一种视频压缩的预测方法的当前像素分量与周围像素分量的位置示意图，所述周围分量可以为GHIK，也可以为ABCDEFJ。

在一个具体实施例中，所述纹理方向的梯度值G，可以用像素值差的绝对值表示，但是不限于此。

(S103)通过对所述纹理方向的梯度值加权，获得所述当前像素的多个分量的参考值。

其中，步骤(S103)还包括以下步骤：

(S1031)通过所述纹理方向的梯度值以及第一加权值获得第一加权梯度值；

将所述每个分量的N个纹理方向的梯度值G1～GN(G1～GN既代表纹理方向梯度值的大小，也代表纹理方向梯度值的方向)利用所述第一加权值进行加权计算，得到N个纹理方向梯度值加权后的第一加权梯度值BG。加权公式满足：

BGi＝w1*G1+w2*G2+…+wN*GN (i＝1…K)

其中，w1、w2，wN为所述第一加权值；BGi为i分量的所述第一加权梯度值。

在一个具体实施例中，根据每个分量与对应的计算纹理方向梯度值的像素的位置关系，设置加权系数w1、w2…wN获得每个分量的第一加权梯度值的最优值BG′。

优选地，计算当前纹理方向梯度值的像素与当前分量距离越近加权系数值越大，加权系数值的总和为1，具体为w1+w2+…+wN＝1。

(S1032)根据所述第一加权梯度值以及第二加权值获得第二加权梯度值。

在步骤(S1031)中，计算出K个分量的所述第一加权梯度值的最优值，利用所述第二加权值对所述K个分量的所述第一加权梯度值的最优值进行加权计算，得到所述K个分量的所述第一加权梯度值的最优值加权后的第二加权梯度值WBG′。加权公式满足：

WBG′i＝t1*BG′1+t2*BG′2+…+tK*BG′K (i＝1…K)

其中，k1、k2，kN为所述第二加权值；WBG′i为i分量的所述第二加权梯度值。

在一个具体实施例中，根据每个分量与对应第一加权梯度值的最优值BG′的关系，设置加权系数t1、t2…tK获得每个分量的第二加权梯度值的最优值BG″。

在一个具体实施例中，当前分量下的第一加权梯度值的最优值BG′加权系数值最大，与当前分量距离逐渐增加的其它分量下的第一加权梯度值的最优值BG′加权系数值逐渐减小，加权系数值的总和为1，具体为t1+t2+…+tk＝1。

(S1033)根据所述第二加权梯度值获得所述多个分量的各参考方向；

所述第二加权梯度值的最优值BG"的方向即为当前分量的参考方向Dir。

(S1034)通过所述参考方向上的分量像素值以及所述第三加权值获得所述当前像素中每个分量的参考值。

利用所述第三加权值对所述每个分量的参考方向上的所有可用的分量像素值进行加权，得到所述每个分量的参考值Ref1。加权公式满足：

Refi＝r1*cpt1+r2*cpt2+…+rN*cptN (i＝1…K)

其中，r1、r2，rN为所述第三加权值，cpt1～cptN为所述每个分量的参考方向上N个可用的分量像素值；Refi为i分量的参考值。

在一个具体实施例中，r1、r2个rN的值可以相同，也可以不相同。

(S104)通过所述参考值确定所述当前像素的预测残差。

用所述当前分量的像素值减去所述当前分量的参数像素值，得到当前分量的预测残差Dif。据此，可以得到所述当前像素的所有分量的所述预测残差。

所述当前像素的所有分量的所述预测残差Dif满足：

Difi＝Curcpti-Refi (i＝i＝1…K)

其中，Curcpti为i分量的像素值；Difi为i分量的所述预测残差。

在一个具体实施例中，所述当前像素的预测残差的获取为多分量并行处理或多分量串行处理。

(S105)将所述图像的每一个像素作为当前像素，重复步骤(a1)～步骤(a4)以得到所述图像的第一预测残差，此处不再赘述。

(S20)采用第二预测法计算所述图像的第二预测残差；

(S201)将所述图像分为大小相同的多个MB；

每个MB的大小固定，因此所述图像中的所述MB的数量固定，本实施例中以所述MB的大小为8*4，图像大小为128*64为例进行说明。

(S202)对所述多个MB进行标记；

采用M个标记符号，对每个MB进行标记，按照从左到右、从上到下的顺序进行标记。

请参见图4，图4为本发明实施例提供的一种视频压缩的预测方法的MB的划分标记示意图；在本实施例中将大小为128*64的图像分为16*16共256个大小为8*4的MB。

分别用0、1、2、3标记每个MB，将奇数行的MB分别用0、2循环标记，将偶数行的MB分别用3、1循环标记。

请参见图5，图5为本发明实施例提供的另一种视频压缩的预测方法的MB的划分标记示意图；在一个具体实施例中，还可以将所述图像分成4*4的矩阵，该矩阵中有16个大小为8*4的MB。分别用0、1循环标记奇数行的每个MB，分别用1、0循环标记偶数行的每个MB。

(S203)依次对相同标记的所述多个MB进行预测以获取所述图像的第二预测残差。

预测时，对相同标记的MB进行预测，直至所有的MB预测结束，达到对MB跳块扫描的目的。

在一个具体的实施例中，任意一种标记符号的MB的预测顺序按照图像从左到右、从上到下的顺序进行。

在本实施例中，可以按照如下顺序进行预测。

(S2031)依次对相同标记的所述多个MB进行预测以获取所述图像的第二预测残差。

先对标记为0的所有MB进行预测。

(x1)标记为0的MB最多仅能获得间隔一个MB的4个参考方向，所述参考方向为上方向的参考MB、左方向的参考MB、左上方向的参考MB、右上方向的参考MB。

(x2)请同时参见图6和图7，图6为本发明实施例提供的一种视频压缩的预测方法的当前MB与距离最近的参考MB的原始位置示意图；图7为本发明实施例提供的一种视频压缩的预测方法的当前MB与距离最近的参考MB的拉近位置示意图；

在当前MB的8个参考方向中，找到距离最近的参考MB，若存在参考MB与当前MB不紧相邻，那么拉近该参考MB为紧相邻参考MB，若任一方向没有参考MB，则不处理，置空。

(x3)在一个具体实施例中，通过参考MB寻找当前MB的第一参考像素，若某MB的参考方向为空，则无第一参考像素。请同时参见图8和图9，图8为本发明实施例提供的一种视频压缩的预测方法的当前MB全参考方向的示意图；图9为本发明实施例提供的一种视频压缩的预测方法的当前MB无下参考方向的示意图；假设对当前第一列的MB进行预测，由于上方参考方向为空，则当前MB无上方向的第一参考像素；假设对当前最后一列的MB进行预测，由于下方参考方向为空，则当前MB无下方向的第一参考像素。

(x4)根据所述第一参考像素，计算每个参考方向的权重，权重采用离方向箭头最近一面的第一参考像素，本实施例采用如下公式计算所述每个参考方向权重Dir：

优选地，权重计算公式还可以为：

其中，abs为绝对值运算，Dir₁₈₀为左参考方向权重，Dir₀为右参考方向权重，Dir₄₅为右上参考方向权重，Dir₂₇₀为下参考方向权重，Dir₉₀为上参考方向权重，Dir₁₃₅为左上参考方向权重，Dir₂₂₅为左下参考方向权重，Dir₃₁₅为右下参考方向权重。

(x5)在计算出的8个参考方向的权重中选出Dir最小的1组作为最优纹理方向，所述MB中的所有像素值根据该方向进行预测。

(x6)请参见图10，图10为本发明实施例提供的一种视频压缩的预测方法的当前像素确定第二参考像素的示意图。根据所选的最优纹理方向和对应的反方向，根据当前的像素的位置，计算每个当前像素的第二参考像素，计算公式如下：

refmid＝p1*(dir2/(dir1+dir2))+p2*(dir1/(dir1+dir2))

若位置偏向1，ref＝weight*refmid+(1-weight)*p1

若位置偏向2，ref＝weight*refmid+(1-weight)*p2

其中，其中refmid为两个第一参考像素的中点，p1、p2为按最优纹理方向的第一参考像素，dir1、dir2为参考方向权重；weight为距离权重。

首先考虑权重计算所述第一参考像素的中点，然后考虑位置计算所述第二参考像素，即所述第一参考像素中点靠近哪个方向，最后采用哪个方向的所述第一参考像素点作为所述第二参考像素。

在一个具体实施例中，最优纹理方向为45度参考，对于C_l4，dir225＝16，可得到第一参考像素为R05和R50，设R05＝100，R50＝40。

Refmid＝100*(14/16)+40*(2/16)＝88+5＝93。

由于C14偏向R05，因此Refmid＝C23，计算得出：

Ref＝0.5*93+0.5*100＝96，即所述第二参考像素值为96。

(S204)依次对相同标记的所述多个MB进行预测以获取所述图像的第二预测残差。

在标记符号为0的MB预测结束后，再分别对标记符号为1、2、3的MB进行预测。预测方法同标记符号为1的预测方法，此处不再赘述。

标记符号为1的MB最多仅能获得间隔一个MB的2个参考方向，分别为上方向、左方向，由此可以确定出所述标记符号为1的MB的上方向的参考MB，左方向的参考MB；同时可以获得相邻MB的4个参考方向，分别为左上方向、右上方向、左下方向、右下方向，可以确定出所述标记符号为1的MB的左上方向的参考MB，右上方向的参考MB，左下方向的参考MB，右下方向的参考MB；

所有标记符号为2的MB最多仅能获得间隔一个MB的2个参考方向，分别为上方向、左方向，可以确定出所述标记符号为2的MB的上方向的参考MB，左方向的参考MB；同时可以获得相邻MB的4个参考方向，分别为上方向、下方向、左方向、右方向，可以确定出所述标记符号为2的MB的上方向的参考MB，下方向的参考MB，左方向的参考MB，右方向的参考MB；

所有标记符号为3的MB最多获得相邻MB的8个参考方向，分别为上方向、下方向、左方向、右方向、左上方向、右上方向、左下方向、右下方向，可以确定出所述标记符号为3的MB上方向的参考MB，下方向的参考MB，左方向的参考MB，右方向的参考MB，左上方向的参考MB，右上方向的参考MB，左下方向的参考MB，右下方向的参考MB。

(S30)根据所述第一预测残差计算图像的第一残差主观和，根据所述第二预测残差计算所述图像的第二残差主观和。

(301)根据所述第一预测残差计算第一残差绝对值和和第一标准差，根据所述第二预测残差计算第二残差绝对值和和第二标准差；

所述第一残差绝对值和所述第二残差绝对值和满足：

其中，ABS表示取绝对值，m和n表示MB的大小，k表示选用的预测模式的序号。

所述第一标准差和所述第二标准差满足：

其中：

(S302)根据所述第一残差绝对值、所述第一标准差、第一权重系数和第二权重系数计算所述图像的第一残差主观和；根据所述第二残差绝对值、所述第二标准差、第三权重系数和第四权重系数计算所述图像的第二残差主观和。

所述第一残差主观和和所述第二残差主观和满足：

SUBD_k＝a₁×SAD_k+a₂×E_k

其中，a1和a2分别表示第一权重系数和第二权重系数。

(S40)根据所述第一残差主观和和所述第二残差主观和完成所述视频压缩的预测。

(S401)比较第一残差主观和和第二残差主观和的大小。

(S402)若所述第一残差主观和大于所述第二残差主观和，则将所述第二预测残差、所述第二预测方法对应的标记信息传输到码流中，完成所述视频压缩的预测；若所述第一残差主观和小于所述第二残差主观和，则将所述第一预测残差、所述第一预测方法对应的标记信息传输到码流中，完成所述视频压缩的预测。

在一个具体实施例中，将所述第一预测方法标记为0，将所述第二预测方法标记为1，若所述第一预测方法得到的所述第一残差主观和小于所述第二预测方法得到的所述第二残差主观和，则将所述第一预测残差，0传输到码流中，完成视频压缩的预测；若所述第一预测方法得到的所述第一残差主观和大于所述第二预测方法得到的所述第二残差主观和，则将所述第二预测残差，1传输到码流中，完成视频压缩的预测。

本发明通过这种方法，可以达到以下有益效果：

1.本发明采用第一种预测方法通过每个分量的多方向梯度加权和同位置多分量的方向加权，可以更加合理的确定当前分量的预测方向，尤其是当纹理复杂时，可以起到更好的预测方向纠偏效果。

2.本发明采用第二种预测方法通过跳块多遍历的方法，对于图像中每个块MB，平均可以获得更多的参考边缘，即获得更多的参考像素；然后对于每个块，采用多方向预测，可以在更精确的获得该块的纹理方向；根据纹理方向和相应的参考像素，通过纹理方向权重和位置偏移权重，对当前预测块中的像素，可获得与当前像素值最相似的参考像素，并获得更小的预测残差，降低了编码的理论极限熵。

3.本发明通过比较两种预测方法，选择了最优的预测方法，得到了更小的预测残差，进一步降低了编码的理论极限熵，对于复杂纹理图像进一步优化了预测效果。

实施例三

本实施例在上述实施例的基础上，将当前像素分为Y、U、V三个分量对第一种预测方法进行了详细描述，具体实施方式如下。

(S30)请参见图11，图11为本发明实施例提供的另一种视频压缩的预测方法的第一种预测方法的算法原理图；将当前像素分为三个分量，分别为分量Y、分量U、分量V。

(S31)通过所述当前像素的三个分量的周围分量，确定3个纹理方向的梯度值G1、G2、G3。

请参见图12，图12为本发明实施例提供的一种视频压缩的预测方法的一种梯度值计算示意图；在一个具体实施例中，对于Y、U、V三个分量，ABS(K-H)为45度梯度值，ABS(K-G)为90度梯度值，ABS(K-F)为135度梯度值，ABS(K-J)为180度梯度值。

(S32)分别对所述3个纹理方向的梯度值G1、G2、G3进行加权，例如为45度梯度值，90度梯度值，135度梯度值，分别得到三个所述分量的第一加权梯度值BG，求解每一个分量的第一加权梯度值BG的最优值BG′。

在一个具体实施例中，对于Y分量，45度梯度值上的像素H、90度梯度值上的像素G与135度梯度值上的像素F与Y分量的距离逐渐增大，因此，w1选取为0.5，w2选取为0.3，w3选取为0.2，BG′Y＝0.5*G1+0.3*G2+0.2*G3。同理可以得出BG′U和BG′V。

(S33)分别对所述3个分量的第一加权梯度值的最优值进行加权，得到加权后的第二加权梯度值WBG′，取每一个分量的第二加权梯度值WBG′的最小值，作为每一个分量的第二加权梯度值的最优值BG。

每个分量的加权公式满足：

BG″Y＝0.5*BG′Y+0.3*BG′U+0.2*BG′V

BG″U＝0.3*BG′Y+0.4*BG′U+0.3*BG′V

BG″V＝0.2*BG′Y+0.3*BG′U+0.5*BG′V

其中，BG″Y为分量Y第二加权梯度值的最优值，BG″U为分量U第二加权梯度值的最优值，BG″V为分量V第二加权梯度值的最优值，BG′Y为分量Y第一加权梯度值的最优值，BG′U为分量U第一加权梯度值的最优值，BG′V为分量V第一加权梯度值的最优值。

上式中的系数选取规则为当前分量下的第一加权梯度值的最优值BG′加权系数值最大，与当前分量距离逐渐增加的其它分量下的第一加权梯度值的最优值BG′加权系数值逐渐减小，加权系数值的总和为1。

在一个具体实施例中，BG″的方向为当前分量的参考方向Dir，即DirY为Y分量的参考方向，DirU为U分量的参考方向，DirV为V分量的参考方向。

(S34)加权3个分量的参考方向上的2个分量，得到的值分别为三个分量的参考像素值Ref，加权公式满足：

RefY＝r1*cpt1+r2*cpt2

RefU＝r1*cpt1+r2*cpt2

RefV＝r1*cpt1+r2*cpt2

其中，RefY为分量Y的参考像素值，RefU为分量U的参考像素值，RefV为分量V的参考像素值，cpt1、cpt2为每个分量的参考方向的分量像素值。

请再次参见图12，在一个具体实施例中，对于任意分量，若为45度参考，那么参考像素值Ref为0.8*I+0.2E；若为90度参考，那么参考像素值Ref为0.8*H+0.2C；若为135度参考，那么参考像素值Ref为0.8*G+0.2A；若为180度参考，那么参考像素值Ref为0.8*K+0.2J，分量像素值离当前像素越近，配置系数越大。

(S35)用当前分量的像素值减去当前分量的参数像素值，得到当前分量像素的预测残差Dif。所述当前分量像素的预测残差Dif满足：

DifY＝CurcptY-RefY

DifU＝CurcptU-RefU

DifV＝CurcptV-RefV

其中，CurcptY为分量Y的像素值，CurcptU为分量U的像素值，CurcptV为分量V的像素值；DifY为分量Y的预测残差，DifU为分量U的预测残差，DifV为分量V的预测残差。

实施例四

本实施例在上述实施例的基础上，对于1分量像素的第一种预测方法进行了详细描述，具体实施方式如下。

请参见图13，图13为本发明实施例提供的视频压缩的预测方法的一种参考值选取示意图。图中A、B、C、D、E为当前像素相邻的周围像素。

若ABS(E-A)最小，即135度纹理，那么参考像素为B；

若ABS(E-B)最小，即垂直纹理，那么参考像素为C；

若ABS(E-C)最小，即45度纹理，那么参考像素为D；

若ABS(C-B)最小，即水平纹理，那么参考像素为E；

选用得到的参考值和当前像素分量，进行求差得到所述第一预测方法的预测残差。

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

1.一种视频压缩的预测方法，其特征在于，包括以下步骤：

(a)采用第一预测法计算图像的第一预测残差；

(b)采用第二预测法计算所述图像的第二预测残差；

(c)根据所述第一预测残差计算所述图像的第一残差主观和，根据所述第二预测残差计算所述图像的第二残差主观和；

(d)根据所述第一残差主观和和所述第二残差主观和完成所述视频压缩的预测；其中，

所述第一预测法计算图像的所述第一预测残差的步骤包括：

(a1)获取所述图像当前像素的多个分量；

(a2)确定所述多个分量的纹理方向的梯度值；

(a4)通过所述参考值确定所述当前像素的预测残差；

(a5)将所述图像的每一个像素作为当前像素，重复步骤(a1)～步骤(a4)以得到所述图像的第一预测残差；

所述采用第二预测法计算所述图像的所述第二预测残差的步骤包括：

(b1)将所述图像分为大小相同的多个MB；

(b2)对所述多个MB进行标记；

(b3)依次对相同标记的所述多个MB进行预测以获取所述图像的第二预测残差；

所述根据所述第一残差主观和和所述第二残差主观和完成所述视频压缩的预测步骤包括：

(d1)比较所述第一残差主观和和所述第二残差主观和的大小；

2.根据权利要求1所述的视频压缩的预测方法，其特征在于，步骤(a3)包括：

(a33)通过所述参考方向上的分量像素值以及第三加权值获得所述当前像素中每个分量的参考值。

3.根据权利要求1所述的视频压缩的预测方法，其特征在于，所述当前像素的预测残差的获取为多分量并行处理或多分量串行处理。

4.根据权利要求1所述的视频压缩的预测方法，其特征在于，步骤(b2)包括：

5.根据权利要求4所述的视频压缩的预测方法，其特征在于，步骤(b)还包括：

对所述多个MB进行纹理方向的选取。

6.根据权利要求1所述的视频压缩的预测方法，其特征在于，步骤(c)包括：