CN110740324B - 编码控制方法及相关装置 - Google Patents
编码控制方法及相关装置 Download PDFInfo
- Publication number
- CN110740324B CN110740324B CN201910859712.1A CN201910859712A CN110740324B CN 110740324 B CN110740324 B CN 110740324B CN 201910859712 A CN201910859712 A CN 201910859712A CN 110740324 B CN110740324 B CN 110740324B
- Authority
- CN
- China
- Prior art keywords
- image
- texture complexity
- sample
- model
- coded
- 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
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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本申请公开了一种编码控制方法及相关装置，其中，编码控制方法包括：计算待编码图像的纹理复杂度；利用编码控制模型对待编码图像的纹理复杂度、目标数据量进行处理，得到待编码图像的目标量化参数；基于目标量化参数对待编码图像进行编码。上述方案，能够快速且准确地预测待编码图像的目标量化参数。
Description
技术领域
本申请涉及信息技术领域，特别是涉及一种编码控制方法及相关装置。
背景技术
当今社会，信息技术的发展，使得智能手机、平板电脑等电子产品越来越普及，且随着通信技术的发展，利用电子产品浏览图像、观看视频已成为人们工作生活中不可或缺的一部分。然而，静态图像或视频帧图像等待编码图像的数据量一般较大，故通常需要对其进行编码压缩。此外，由于受硬件和其他条件限制，通常需要控制待编码图像的数据量与目标数据量之间的误差在允许范围之内。而待编码图像编码后的数据量受编码时所采用的诸如量化因子(Quantization factor)、量化步长等量化参数影响，有鉴于此，如何快速且准确地预测待编码图像的目标量化参数，从而控制待编码图像编码后的数据量与目标数据量之间的误差成为亟待解决的问题。
发明内容
本申请主要解决的技术问题是提供一种编码控制方法及相关装置，能够快速且准确地预测待编码图像的目标量化参数。
为了解决上述问题，本申请第一方面提供了一种编码控制方法，包括：计算待编码图像的纹理复杂度；利用编码控制模型对待编码图像的纹理复杂度、目标数据量进行处理，得到待编码图像的目标量化参数；基于目标量化参数对待编码图像进行编码。
为了解决上述问题，本申请第二方面提供了一种编码控制装置，包括相互耦接的存储器和处理器，处理器用于执行存储器存储的程序指令，以实现上述第一方面中的编码控制方法。
为了解决上述问题，本申请第三方面提供了一种存储装置，存储有能够被处理器运行的程序指令，程序指令用于实现上述第一方面中的编码控制方法。
上述方案，通过计算待编码图像的纹理复杂度，继而利用编码控制模型对待编码图像的纹理复杂度、目标数据量进行处理，得到待编码图像的目标量化参数，并基于目标量化参数对待编码图像进行编码，只需计算待编码图像的纹理复杂度即可将其与目标数据量作为输入参数，利用编码控制模型进行处理，进而能够快速且准确地预测得到目标量化参数，有利于大大提高编码效率。
此外，由于基于编码控制模型以及纹理复杂度、目标数据量能够实现在编码之前预测得到待编码图像的目标量化参数，而无需依据待编码图像的前一帧图像预测目标量化参数，或在对待编码图像进行编码时不断调整其目标量化参数直至编码后的数据量与目标数据量之之间的误差在允许范围之内，故此，既可应用于软件图像编码，也可应用于硬件芯片等装置，具有广泛的适用性。
附图说明
图1是本申请编码控制方法一实施例的流程示意图；
图2是图1中步骤S12一实施例的流程示意图；
图3是本申请编码控制方法另一实施例的流程示意图；
图4是图3中步骤S32一实施例的流程示意图；
图5是对样本图像的多组样本量化参数和与其对应的像素比特数进行非线性回归拟合得到的拟合曲线一实施例的示意图；
图6是本申请编码控制方法又一实施例的流程示意图；
图7是样本图像划分为多个图像子块一实施例的框架示意图；
图8是本申请编码控制装置一实施例的框架示意图；
图9是本申请编码控制装置另一实施例的框架示意图；
图10是本申请存储装置一实施例的框架示意图。
具体实施方式
下面结合说明书附图，对本申请实施例的方案进行详细说明。
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本申请。
本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。
请参阅图1，图1是本申请编码控制方法一实施例的流程示意图。具体而言，可以包括如下步骤：
步骤S11：计算待编码图像的纹理复杂度。
本实施例中，待编码图像可以是静态图像，也可以是视频帧图像，本实施例在此不做具体限制。
纹理是一种反映图像中同质现象的视觉特征，体现了物体表面的具有缓慢变化或者周期性变化的表面结构组织排列属性。在一个实施场景中，纹理复杂度可以用图像空域相邻像素的统计相关性来表示。一般的，图像纹理特征越简单，局部像素相似度越大、变化越小，纹理复杂度较小，而图像纹理特征越复杂，局部像素相似度越小、变化越大，纹理复杂度较大。
本实施例中，待编码图像的纹理复杂度可以是图像的方差、标准差、梯度纹理中的任一种，本实施例在此不做具体限制。
例如，当纹理复杂度用图像的方差来表示时，可以通过如下公式计算得到待编码图像的纹理复杂度：
其中，w、h分别表示待编码图像的宽、高，i、j表示待编码图像的像素坐标，Y(i，j)表示待编码图像对应像素坐标的像素值，Y表示待编码图像的平均像素值。
例如，当纹理复杂度用图像的梯度纹理来表示时，可以通过如下公式计算得到待编码图像的纹理复杂度：
其中，w、h分别表示待编码图像的宽、高，i、j表示待编码图像的像素坐标，Y(i，j)表示待编码图像对应像素坐标的像素值。
在一个实施场景中，可以计算待编码图像整张图像的纹理复杂度，在另一个实施场景中，为了更加准确地预测待编码图像的目标量化参数，尽可能地降低待编码图像最终编码后的数据量与目标数据量之间的误差，还可以将待编码图像划分为多个图像子块，图像子块的大小可以根据实际情况而设置，例如：8*8、16*16、32*32等等，本实施例在此不做具体限制。
步骤S12：利用编码控制模型对待编码图像的纹理复杂度、目标数据量进行处理，得到待编码图像的目标量化参数。
量化参数可以是量化因子Q值(Quantization factor)，对于不同的静态图像和视频帧图像的编解码标准，量化参数也可以是其他值，例如：量化步长Qstep等等，本实施例在此不做具体限制。
目标数据量是用户基于网络传输带宽、设备硬件资源等因素而期望的待编码图像编码后的数据量。本实施例中，设置目标数据量的目的在于控制待编码图像编码之后的实际数据量与目标数据量之间的误差在允许范围之内，以使编码后的待编码图像能够不会由于网络传输上限等因素而被丢弃部分数据，而被完整地被网络传输，并被设备解码。例如，用户基于网络传输质量以及设备硬件资源较好，而设置待编码图像的目标数据量为20000字节；或者，用户基于网络传输质量较差，或设备硬件资源不足，而设置待编码图像的目标数据量为1000字节，本实施例在此不再一一举例。此外，在一个实施场景中，目标数据量也可以通过编码控制装置基于检测到的网络传输质量，以及获取到的相关设备硬件资源情况而计算得到，本实施例在此不做具体限制。
在一个实施场景中，为了利用编码控制模型以及待编码图像的纹理复杂度、目标数据量进行处理即可得到待编码图像的目标量化参数，编码控制模型可以包括量化参数、纹理复杂度、数据量以及至少一个模型参数之间的函数关系。模型参数可以是一个具体数值，然而，在一般情况下，由于随着待编码图像纹理复杂度轻微或剧烈的变化，量化参数也会随之而发生或大或小的改变，故此，为了可以使编码控制模型可以适应于不同纹理复杂的待编码图像，在另一个实施场景中，编码控制模型还可以进一步包括纹理复杂度和至少一个模型参数之间的相关关系，从而可以根据待编码图像的纹理复杂度首先确定编码控制模型中的模型参数的具体数值，再利用上述函数关系即可确定待编码图像的目标量化参数。
在一个实施场景中，当步骤S11中计算得到的纹理复杂度是待编码图像整张图像的纹理复杂度时，步骤S12中计算得到的待编码图像的目标量化参数也是待编码图像整张图像的目标量化参数；在另一个实施场景中，当步骤S11中计算得到的纹理复杂度是待编码图像多个图像子块的纹理复杂度时，步骤S12中利用编码控制模型对待编码图像的纹理复杂度、目标数据量进行处理，而得到的待编码图像的目标量化参数也是待编码图像多个图像子块的目标量化参数，进一步地，可以对多个图像子块的目标量化参数取平均值作为待编码图像整张图像的目标量化参数，本实施例在此不做具体限制。
步骤S13：基于目标量化参数对待编码图像进行编码。
由于目标量化参数是基于待编码图像的纹理复杂度和目标数据量获得的，因此基于目标量化参数对待编码图像进行编码后，能够确保编码后的待编码图像的数据量与目标数据量之间的误差在允许范围内。
上述方案，通过计算待编码图像的纹理复杂度，继而利用编码控制模型对待编码图像的纹理复杂度、目标数据量进行处理，得到待编码图像的目标量化参数，并基于目标量化参数对待编码图像进行编码，只需计算待编码图像的纹理复杂度即可将其与目标数据量作为输入参数，利用编码控制模型进行处理，进而能够快速且准确地预测得到目标量化参数，有利于大大提高编码效率。
此外，由于基于编码控制模型以及纹理复杂度、目标数据量能够实现在编码之前预测得到待编码图像的目标量化参数，而无需依据待编码图像的前一帧图像预测目标量化参数，或在对待编码图像进行编码时不断调整其目标量化参数直至编码后的数据量与目标数据量之之间的误差在允许范围之内，故此，既可应用于软件图像编码，也可应用于硬件芯片等装置，具有广泛的适用性。
请参阅图2，图2是图1中步骤S12一实施例的流程示意图。本实施例中，编码控制模型包括量化参数、纹理复杂度、数据量以及至少一个模型参数之间的函数关系，以及纹理复杂度与至少一个模型参数之间的相关关系，具体而言，可以包括如下步骤：
步骤S121：基于待编码图像的纹理复杂度和编码控制模型中的相关关系，得到与待编码图像的纹理复杂度对应的至少一个模型参数。
本实施例中，上述函数关系可以包括一个模型参数、两个模型参数、三个模型参数等等，本实施例在此不做具体限制。
利用上述相关关系，可以根据待编码图像的纹理复杂度确定得到上述函数关系中，与待编码图像所对应的模型参数的具体数值。
在一个实施场景中，上述函数关系可以是幂函数，且幂函数包括两个模型参数，分别是第一模型参数和第二模型参数，幂函数可以如下式表示为：
其中，R为数据量，D为纹理复杂度，w为图像的宽度，h为图像的高度，α为第一模型参数，β为第二模型参数，Q为量化参数。
此外，第一模型参数α与纹理复杂度D之间的相关关系，以及第二模型参数β与纹理复杂度D之间的相关关系也可以是相关关系，例如，可以如下式分别表示为：
其中，param1、param2、param3、param4、param5表示相关关系中的参数值。
为了进一步拓宽上述函数关系的适用性，使其可以适用于静态图像，也可以适用于视频帧图像，上述函数关系可以进一步表示为：
其中，R为数据量，D为纹理复杂度，w为图像的宽度，h为图像的高度，α为第一模型参数，β为第二模型参数，f(Q)表示关于量化参数的子函数，当待编码图像为静态图像时，量化参数与数据量之间为负相关关系，当待编码图像为视频序列中的一帧时，量化参数与数据量之间为正相关关系，例如，当待编码图像为静态图像，且采用的编码标准为JPEG，则f(Q)可以表示为：
f(Q)＝101-Q。
其中，Q表示量化参数。当待编码图像为视频帧图像，或待编码图像为静态图像，且采用与JPEG不同的编码标准进行编码时，可以以此类推，本实施例在此不再一一举例。
由此可见，当计算得到待编码图像的纹理复杂度时，可以将求得纹理复杂度代入上式，从而确定函数关系中的第一模型参数α、第二模型参数β的具体数值。
此外，当计算得到待编码图像中多个图像子块的纹理复杂度时，也可以将求得的多个子块的纹理复杂度代入上式，从而确定对应于每个图像子块的函数关系中的第一模型参数α、第二模型参数β的具体数值，进而后续可以基于每个子块的函数关系，计算得到每个子块的目标量化参数。
步骤S122：基于待编码图像的目标数据量、纹理复杂度和与其对应的至少一个模型参数，以及编码控制模型中的函数关系，得到待编码图像的目标量化参数。
当确定得到与待编码图像的纹理复杂度对应的至少一个模型参数时，可以将待编码图像的目标数据量、纹理复杂度代入上述函数关系，即可计算得到待编码图像的目标量化参数。
此外，当确定得到的第一模型参数α、第二模型参数β的具体数值是待编码图像中图像子块所对应的模型参数时，可以将图像子块的目标数据量、纹理复杂度代入每个图像对应的函数关系，从而计算得到每个图像子块的目标量化参数。在一个实施场景中，当求得每个图像子块的目标量化参数时，可以将所有图像子块的目标量化参数取平均值作为待编码图像的目标量化参数。
上述方案，可以对不同待编码图像根据其纹理复杂度，确定与不同待编码图像对应的函数关系，从而能够对不同待编码图像均可预测出目标量化参数，进而使得目标量化参数的预测更为准确。
请参阅图3，图3是本申请编码控制方法另一实施例的流程示意图。本实施例中，编码控制模型包括量化参数、纹理复杂度、数据量以及至少一个模型参数之间的函数关系，以及纹理复杂度与至少一个模型参数之间的相关关系，具体的函数关系和相关关系可以参考前述实施例，本实施例在此不再赘述。具体而言，本实施例中的编码控制方法可以包括如下步骤：
步骤S31：分别计算多帧样本图像的纹理复杂度。
样本图像可以是静态图像，也可以是视频帧图像。本实施例中，样本图像为未编码的原始图像，例如：YUV格式的图像等等，本实施例在此不再一一举例。
此外，为了使构建得到的编码控制模型更加准确，还可以对多帧样本图像进行划分，从而每个样本图像都可划分为多个图像子块，进而大大增加了样本容量，以便后续以图像子块为最小单元进行处理，最终得到编码控制模型，具体实施步骤，本实施例在此暂不赘述。
本实施例中样本图像的纹理复杂度和后续步骤S35中待编码图像的纹理复杂度为同一种图像参数，例如：图像的方差、标准差、梯度纹理等等。纹理复杂度的具体计算方式可以参考上述步骤S11，本实施例在此不再赘述。
步骤S32：基于利用多个样本量化参数分别对每帧样本图像进行编码后的数据量情况和函数关系，获取多组样本图像的纹理复杂度和与其对应的模型参数。
本实施例中，对应不同的编码标准，样本量化参数的取值范围也有所不同，例如，对于JPEG(Joint Photographic Experts Group，联合图像专家小组)编码标准，其对应的样本量化参数的取值范围为[1,100]；而对于JPEG-LS(Lossless JPEG，无损JPEG)编码标准，其对应的样本量化参数的取值范围为[1,20]；而对应于视频编码的相关标准，样本量化参数的取值范围为[1,51]，本实施例在此不再一一举例。此外，本实施例，以及后述实施例所涉及的取值范围中‘(’，‘)’表示不包括端点值，‘[’，‘]’表示包括端点值，后述实施例中不再赘述。
本实施例中对于每帧样本图像所取的样本量化参数的个数可以是对应样本量化参数的取值范围。以采用JPEG编码标准为例，多个样本量化参数可以是1、2、3、4、5、……100，从而可以利用上述多个样本量化对每帧样本图像进行编码，进而可以根据编码后的数据量情况和函数关系，获取得到多组样本图像的纹理复杂度和与其对应的模型参数，以前述实施例中的函数关系为例，多组样本图像的纹理复杂度和与其对应的模型参数可以表示为{Di,αi,βi}，其中，i∈[1,N]，N表示样本图像的个数。
具体地，请结合参阅图4，图4是图3中步骤S32一实施例的流程示意图，具体而言，可以通过如下步骤获取多组样本图像的纹理复杂度和与其对应的模型参数：
步骤S321：利用多个样本量化参数对每帧样本图像进行编码，获取每帧样本图像编码后的样本数据量。
例如，多个样本量化参数可以表示为{Qj}，其中，j∈[1,M]，M表示样本量化参数的个数。利用上述样本量化参数{Qj}对每帧样本图像进行编码，获取到每帧样本图像编码后的样本数据量
其中，/>
表示对第i个样本图像采用第j个样本量化参数进行编码，而获取到的样本量化参数。
步骤S322：计算每帧样本图像编码后的样本数据量与样本图像的尺寸之间的商，作为每帧样本图像采样样本量化参数进行编码之后的像素比特数。
具体地，可以通过如下公式计算每帧样本图像编码后的像素比特数BPP(Bits PerPixel)：
其中，w表示样本图像的宽度，h表示样本图像的高度，BPPi j表示对第i个样本图像采用第j个样本量化参数进行编码而得到的像素比特数。
步骤S323：采用函数关系对每帧样本图像的多组样本量化参数和与其对应的像素比特数进行非线性回归拟合，获取与每帧样本图像对应的模型参数。
本实施例中，每帧样本图像的多组样本量化参数和与其对应的像素比特数可以表示为
其中，样本量化参数Q中i的取值应与像素比特数中i的取值一致，表示同一帧样本图像的样本量化参数和与其对应的像素比特数，且样本量化参数Q中j的取值应与像素比特数BPP中j的取值一致，表示采用一样本量化参数进行编码对应得到的编码后的像素比特数。例如，对于某一帧样本图像的多组样本量化参数和与其对应的像素比特数可以表示为{Qj,BPPj}。
非线性回归拟合可以包括Levenberg-Marquardt算法，此外还可以采样最小二乘法等等，本实施例在此不做具体限制。关于Levenberg-Marquardt算法、最小二乘法的具体技术细节为本领域的现有技术，本实施例在此不再赘述。
本实施例中，当待编码图像为静态图像时，函数关系中量化参数与数据量之间为负相关关系，当待编码图像为视频序列中的一帧时，即待编码图像是视频帧图像时，函数关系中量化参数与数据量之间为正相关关系。也就是说，上述函数关系可以进一步表示为：
其中，R为数据量，D为纹理复杂度，w为图像的宽度，h为图像的高度，α为第一模型参数，β为第二模型参数，f(Q)表示关于量化参数的子函数，例如，当待编码图像为静态图像，且采用的编码标准为JPEG，则f(Q)可以表示为：
f(Q)＝101-Q。
其中，Q表示量化参数。当待编码图像为视频帧图像，或待编码图像为静态图像，且采用与JPEG不同的编码标准进行编码时，可以以此类推，本实施例在此不再一一举例。
请结合参阅图5，图5是对样本图像的多组样本量化参数和与其对应的像素比特数进行非线性回归拟合得到的拟合曲线一实施例的示意图。如图5所述，横坐标表示样本量化参数，纵坐标表示像素比特数。通过对每帧样本图像的多组样本量化参数和与其对应的像素比特数采样函数关系进行拟合，可以得到对应的拟合曲线，以前述实施例中的函数关系为例，可以得到图5所示的拟合曲线，从而得到每帧图像对应的模型参数{αi,βi}。
步骤S324：将每帧样本图像的纹理复杂度和与每帧样本图像对应的模型参数作为一组样本图像的纹理复杂度和与其对应的模型参数。
例如，对于样本图像pi，可以将其纹理复杂度Di和与其对应的模型参数{αi,βi}作为一组样本图像pi的纹理复杂度和与其对应的模型参数，可以分别表示为{Di,αi}以及{Di,βi}。
步骤S33：基于多组样本图像的纹理复杂度和与其对应的模型参数，确定纹理复杂度与至少一个模型参数之间的相关关系。
具体地，可以通过预设拟合方式将多组样本图像的纹理复杂度和与其对应的模型参数进行非线性拟合，预设拟合方式可以是上述非线性回归拟合，例如Levenberg-Marquardt算法等等，从而得到纹理复杂度D和模型参数α，以及纹理复杂度D和模型参数β之间的相关关系，具体可以参阅前述实施例中的相关关系，本实施例在此不再一一举例。
步骤S34：利用相关关系和函数关系构建得到编码控制模型。
具体地，可以将纹理复杂度与至少一个模型参数之间的相关关系作为用于确定函数关系中至少一个模型参数的数值的子函数关系。以上述实施例中的函数关系和相关关系为例，纹理复杂度D和第一模型参数α，以及纹理复杂度D和第二模型参数β之间的相关关系可以分别表示为：
可以将上述相关关系作为用于确定下式函数关系中第一模型参数α和第二模型参数β的具体数值的子函数关系：
上述方式，可以构建适用于准确预测不同纹理复杂度的待编码图像的目标量化参数的编码控制模型，进而为后续准确预测待编码图像的目标量化参数提供了保障。
步骤S35：计算待编码图像的纹理复杂度。
具体请参阅上述步骤S11。
步骤S36：利用编码控制模型对待编码图像的纹理复杂度、目标数据量进行处理，得到待编码图像的目标量化参数。
具体请参阅上述步骤S12，以及步骤S121至步骤S122。
步骤S37：基于目标量化参数对待编码图像进行编码。
具体请参阅上述步骤S13。
本实施例中，上述步骤S31～步骤S34可以在步骤S35之前即可执行，从而在正式对待编码图像进行预测目标量化参数并进行编码之前即构建完成编码控制模型，此外，上述步骤S31～步骤S34也可以在步骤S36之前执行，从而在计算得到第一个待编码图像的纹理复杂度之后，再构建编码控制模型，本实施例在此不做具体限制。
请参阅图6，图6是本申请编码块控制方法又一实施例的流程示意图。如前述实施例所示，用于构建编码控制模型的样本图像还可以包括多个图像子块，待编码图像也可以包括多个图像子块，并以图像子块为最小单元进行目标量化参数的预测，具体而言，本实施例可以包括如下步骤：
步骤S601：将多帧样本图像划分为多个图像子块。
本实施例中，样本图像的图像子块与待编码图像的图像子块尺寸相同。
请结合参阅图7，图7是本申请样本图像划分为多个图像子块一实施例的框架示意图，如图7所示，样本图像的尺寸为80*64，图像子块的尺寸为16*16，在其他实施例中，样本图像的尺寸和图像子块的尺寸还可以是其他尺寸，本实施例在此不再一一举例。如图7所示，将样本图像P划分为20个图像子块，可以表示为{P(i,j)}，其中，i∈[1,4],j∈[1,5]，其他划分方式可以以此类推，本实施例在此不再一一举例。
此外，对于其他样本图像也可以参考图7所示的划分方式进行划分，从而同样得到多个图像子块。
步骤S602：计算多帧样本图像中每个图像子块的纹理复杂度。
本实施例中，计算样本图像每个图像子块的纹理复杂度的方式可以参考上述实施例中步骤S31的实施方式，例如，采样图像的方差、标准差、梯度纹理等等。
本实施例中计算多帧样本图像的每个图像子块的纹理复杂度的计算方式与后续步骤S605中计算待编码图像每个图像子块的纹理复杂度的计算方式一致，例如，样本图像的每个图像子块采用图像的方差来计算纹理复杂度，则待编码图像的每个图像子块也应采样图像的方差来计算其纹理复杂度，或者，样本图像的每个图像子块采样梯度纹理来计算纹理复杂度，则待编码图像的每个图像子块也应采样梯度纹理来计算其纹理复杂度，其他计算方式可以以此类推，本实施例在此不再一一举例。
以某一帧样本图像为例，本实施例通过上述方式，可以计算得到样本图像中多个图像子块的纹理复杂度D(i，j)，表示为该帧样本图像中位于第i行第j列的图像子块的纹理复杂度。
步骤S603：基于利用多个样本量化参数分别对每帧样本图像中的图像子块进行编码后的数据量情况和函数关系，获取多组样本图像中的图像子块的纹理复杂度和与其对应的模型参数。
本实施例中，利用多个样本量化参数Qk分别对每帧样本图像中的图像子块P(i，j)进行编码，得到对应的数据量Rk(i,j)，表示对图像子块P(i，j)采用样本量化参数Qk进行编码而得到的数据量，从而可以基于图像子块的尺寸s，得到对应图像子块P(i，j)的像素比特数BPPk(i,j)，表示对图像子块P(i，j)采样样本量化参数Qk进行编码而得到的像素比特数。继而，可以利用函数关系对每帧样本图像的图像子块所对应的多组样本量化参数Qk和与其对应的像素比特数BPPk(i,j)进行非线性回归拟合，获取得到与每帧样本图像的图像子块对应的模型参数，例如：α(i,j)，β(i,j)，进而，进一步可以将样本图像的图像子块P(i，j)的纹理复杂度D(i，j)和对应的模型参数α(i,j)，β(i,j)作为一组样本图像的图像子块的纹理复杂度和与其对应的模型参数，由此，通过对多帧样本图像的图像子块做相同处理，可以得到多组样本图像的图像子块的纹理复杂度和与其对应的模型参数。
具体地，可以参考前述实施例中步骤S32，以及步骤S321～步骤S324。
步骤S604：基于多组样本图像中的图像子块的纹理复杂度和与其对应的模型参数，确定纹理复杂度与至少一个模型参数之间的相关关系。
具体地，可以通过预设拟合方式将多组样本图像的图像子块的纹理复杂度和与其对应的模型参数进行非线性拟合，预设拟合方式可以是非线性回归拟合，例如Levenberg-Marquardt算法等等，从而得到纹理复杂度D和模型参数α，以及纹理复杂度D和模型参数β之间的相关关系。具体可以参数前述实施例中步骤，本实施例在此不再赘述。
步骤S605：利用相关关系和函数关系构建得到编码控制模型。
具体可以参阅前述实施例中的步骤S34。
上述方案，以样本图像的图像子块为最小单元而构建编码控制模型，从而可以进一步丰富构建编码控制模型的样本，从而使得最终构建的编码控制模型更加精确，进一步提高了后续预测目标量化参数的准确性。
步骤S606：计算待编码图像中每个图像子块的纹理复杂度。
本实施例中，以与样本图像相同的划分方式划分待编码图像，从而得到多个图像子块，进一步计算每个图像子块的纹理复杂度，例如，可以参阅图7所示的划分方式。具体地，可以参阅前述实施例中的步骤，本实施例在此不再赘述。
通过对待编码图像T进行划分，得到L个图像子块T(i,j)，从而计算得到多个图像子块T(i,j)的纹理复杂度D(i,j)。
步骤S607：基于待编码图像中的图像子块的纹理复杂度和编码控制模型中的相关关系，得到与待编码图像中的图像子块的纹理复杂度对应的至少一个模型参数。
基于待编码图像中图像子块T(i,j)的纹理复杂度D(i,j)，以及编码控制模型中的相关关系，得到与待编码图像中的图像子块T(i,j)的纹理复杂度D(i,j)对应的至少一个模型参数，以前述实施例中的编码控制模型为例，可以得到第一模型参数α(i,j)，以及第二模型参数β(i,j)。
步骤S608：基于待编码图像中的图像子块的目标数据量、纹理复杂度和与其对应的至少一个模型参数，以及编码控制模型中的函数关系，得到待编码图像中的图像子块的目标量化参数。
基于待编码图像T中的图像子块T(i,j)的目标数据量R(i,j)、纹理复杂度D(i,j)，以及所求得的模型参数α(i,j)、β(i,j)，根据上述编码控制模型中的函数关系，可以得到待编码图像T的图像子块T(i,j)的目标量化参数Q(i,j)。
本实施例中，可以将待编码图像的目标数据量R与图像子块的个数之商作为图像子块T(i,j)的目标数据量R(i,j)。
步骤S609：将待编码图像中的图像子块的目标量化参数取平均值作为待编码图像的目标量化参数。
本实施例中，当求得待编码图像的所有图像子块的目标量化参数后，可以对所求得目标量化参数取平均值，作为待编码图像的目标量化参数，例如，可以通过下式求取待编码图像T的目标量化参数Q：
步骤S610：基于目标量化参数对待编码图像进行编码。
具体请参阅上述实施例中步骤S13。
下面以4K视频帧图像为例，说明采样本申请上述任一实施例中的编码控制方法在JPEG编码下的编码控制结果，请参阅表1，表1是为目标数据量和采样预测得到的目标量化参数实际编码得到的数据量之间的对应表。表1中准确率可以通过下式计算得到：
表1目标数据量和采样预测得到的目标量化参数实际编码得到的数据量之间的对应表
由此可见，采样上述任一实施例中的编码控制方法控制编码，能够取得优良的编码控制效果，目标数据量与实际编码后的数据量之间的误差能够控制在一个较小的范围内。
请参阅图8，图8为本申请编码控制装置80一实施例的框架示意图。本实施例中，编码控制装置80包括计算模块81、获取模块82和编码模块83，计算模块81用于计算待编码图像的纹理复杂度；获取模块82用于利用编码控制模型对待编码图像的纹理复杂度、目标数据量进行处理，得到待编码图像的目标量化参数；编码模块83用于基于目标量化参数对待编码图像进行编码。
上述方案，通过计算待编码图像的纹理复杂度，继而利用编码控制模型对待编码图像的纹理复杂度、目标数据量进行处理，得到待编码图像的目标量化参数，并基于目标量化参数对待编码图像进行编码，只需计算待编码图像的纹理复杂度即可将其与目标数据量作为输入参数，利用编码控制模型进行处理，进而能够快速且准确地预测得到目标量化参数，有利于大大提高编码效率。
此外，由于基于编码控制模型以及纹理复杂度、目标数据量能够实现在编码之前预测得到待编码图像的目标量化参数，而无需依据待编码图像的前一帧图像预测目标量化参数，或在对待编码图像进行编码时不断调整其目标量化参数直至编码后的数据量与目标数据量之之间的误差在允许范围之内，故此，既可应用于软件图像编码，也可应用于硬件芯片等装置，具有广泛的适用性。
在一些实施例中，编码控制模型包括量化参数、纹理复杂度、数据量以及至少一个模型参数之间的函数关系；纹理复杂度与至少一个模型参数之间的相关关系，获取模块82包括模型参数获取模块，用于基于待编码图像的纹理复杂度和编码控制模型中的相关关系，得到与待编码图像的纹理复杂度对应的至少一个模型参数，获取模块82还包括目标量化参数获取模块，用于基于待编码图像的目标数据量、纹理复杂度和与其对应的至少一个模型参数，以及编码控制模型中的函数关系，得到待编码图像的目标量化参数。
在一些实施例中，计算模块81还用于分别计算多帧样本图像的纹理复杂度，编码控制装置80还包括取样模块，用于基于利用多个样本量化参数分别对每帧样本图像进行编码后的数据量情况和函数关系，获取多组样本图像的纹理复杂度和与其对应的模型参数，编码控制装置80还包括确定模块，用于基于多组样本图像的纹理复杂度和与其对应的模型参数，确定纹理复杂度与至少一个模型参数之间的相关关系，编码控制装置80还包括构建模块，用于利用相关关系和函数关系构建得到编码控制模型。
在一些实施例中，取样模块还包括第一取样单元，用于利用多个样本量化参数对每帧样本图像进行编码，获取每帧样本图像编码后的样本数据量，取样模块还包括像素比特数求取单元，用于计算每帧样本图像编码后的样本数据量与样本图像的尺寸之间的商，作为每帧样本图像采样样本量化参数进行编码之后的像素比特数，取样模块还包括第二取样单元，用于采用函数关系对每帧样本图像的多组样本量化参数和与其对应的像素比特数进行非线性回归拟合，获取与每帧样本图像对应的模型参数，取样模块还包括对应单元，用于将每帧样本图像的纹理复杂度和与每帧样本图像对应的模型参数作为一组样本图像的纹理复杂度和与其对应的模型参数。
在一些实施例中，确定模块具体还用于通过预设拟合方式将多组样本图像的纹理复杂度和与其对应的模型参数进行非线性拟合，确定纹理复杂度与至少一个模型参数之间的相关关系。
在一些实施例中，构架模块具体还用于将纹理复杂度与至少一个模型参数之间的相关关系作为用于确定函数关系中至少一个模型参数的数值的子函数关系。
在一些实施例中，待编码图像被划分为多个图像子块，编码控制装置80还包括划分模块，用于将多帧样本图像划分为多个图像子块，其中，样本图像的图像子块与待编码图像的图像子块尺寸相同，计算模块81具体还用于计算多帧样本图像中每个图像子块的纹理复杂度，取样模块具体还用于基于利用多个样本量化参数分别对每帧样本图像中的图像子块进行编码后的数据量情况和函数关系，获取多组样本图像中的图像子块的纹理复杂度和与其对应的模型参数，确定模块具体还用于基于多组样本图像中的图像子块的纹理复杂度和与其对应的模型参数，确定纹理复杂度与至少一个模型参数之间的相关关系，计算模块81还用于计算待编码图像中每个图像子块的纹理复杂度，模型参数获取模块具体还用于基于待编码图像中的图像子块的纹理复杂度和编码控制模型中的相关关系，得到与待编码图像中的图像子块的纹理复杂度对应的至少一个模型参数，目标量化参数获取模块具体还用于基于待编码图像中的图像子块的目标数据量、纹理复杂度和与其对应的至少一个模型参数，以及编码控制模型中的函数关系，得到待编码图像中的图像子块的目标量化参数，并将待编码图像中的图像子块的目标量化参数取平均值作为待编码图像的目标量化参数。
区别于前述实施例，本实施例中将样本图像和待编码图像划分多个图像子块，并以图像子块为最小单元，从而丰富了样本，有利于提高构建得到的编码控制模型的准确性，进一步有利于提高获取到的目标量化参数的准确性，进而有利于进一步减小通过目标量化参数对待编码图像进行编码而获取到的数据量与目标数据量之间的误差。
在一些实施例中，函数关系为幂函数，幂函数包括第一模型参数和第二模型参数，幂函数表示为：
其中，R为数据量，D为纹理复杂度，w为图像的宽度，h为图像的高度，α为第一模型参数，β为第二模型参数，Q为量化参数。
在一些实施例中，待编码图像的纹理复杂度和样本图像的纹理复杂度为同一种图像参数。
在一些实施例中，待编码图像和样本图像均为未编码的原始图像。
在一些实施例中，图像参数为图像的方差、标准差、梯度纹理中的任一种。
在一些实施例中，当待编码图像为静态图像时，函数关系中量化参数与数据量之间为负相关关系；当待编码图像中视频序列中的一帧时，函数关系中量化参数与数据量之间为正相关关系。
请参阅图9，图9是本申请编码控制装置90一实施例的框架示意图。本实施例中，编码控制装置90包括相互耦接的存储器91和处理器92，处理器92用于执行存储器91存储的程序指令，以实现上述任一编码控制方法实施例中的步骤。
具体而言，处理器92用于控制其自身以及存储器81以实现上述任一编码控制方法实施例中的步骤。处理器92还可以称为CPU(Central Processing Unit，中央处理单元)。处理器92可能是一种集成电路芯片，具有信号的处理能力。处理器92还可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外，处理器92可以由多个集成电路芯片共同实现。
本实施例中，处理器92用于计算待编码图像的纹理复杂度；处理器92还用于利用编码控制模型对待编码图像的纹理复杂度、目标数据量进行处理，得到待编码图像的目标量化参数；处理器92还用于基于目标量化参数对待编码图像进行编码。
上述方案，通过计算待编码图像的纹理复杂度，继而利用编码控制模型对待编码图像的纹理复杂度、目标数据量进行处理，得到待编码图像的目标量化参数，并基于目标量化参数对待编码图像进行编码，只需计算待编码图像的纹理复杂度即可将其与目标数据量作为输入参数，利用编码控制模型进行处理，进而能够快速且准确地预测得到目标量化参数，有利于大大提高编码效率。
此外，由于基于编码控制模型以及纹理复杂度、目标数据量能够实现在编码之前预测得到待编码图像的目标量化参数，而无需依据待编码图像的前一帧图像预测目标量化参数，或在对待编码图像进行编码时不断调整其目标量化参数直至编码后的数据量与目标数据量之之间的误差在允许范围之内，故此，既可应用于软件图像编码，也可应用于硬件芯片等装置，具有广泛的适用性。
在一些实施例中，编码控制模型包括量化参数、纹理复杂度、数据量以及至少一个模型参数之间的函数关系；纹理复杂度与至少一个模型参数之间的相关关系，处理器92还用于基于待编码图像的纹理复杂度和编码控制模型中的相关关系，得到与待编码图像的纹理复杂度对应的至少一个模型参数；处理器92还用于基于待编码图像的目标数据量、纹理复杂度和与其对应的至少一个模型参数，以及编码控制模型中的函数关系，得到待编码图像的目标量化参数。
在一些实施例中，处理器92还用于分别计算多帧样本图像的纹理复杂度；处理器92还用于基于利用多个样本量化参数分别对每帧样本图像进行编码后的数据量情况和函数关系，获取多组样本图像的纹理复杂度和与其对应的模型参数；处理器92还用于基于多组样本图像的纹理复杂度和与其对应的模型参数，确定纹理复杂度与至少一个模型参数之间的相关关系；处理器92还用于利用相关关系和函数关系构建得到编码控制模型。
在一些实施例中，处理器92还用于利用多个样本量化参数对每帧样本图像进行编码，获取每帧样本图像编码后的样本数据量；处理器92还用于计算每帧样本图像编码后的样本数据量与样本图像的尺寸之间的商，作为每帧样本图像采样样本量化参数进行编码之后的像素比特数；处理器92还用于采用函数关系对每帧样本图像的多组样本量化参数和与其对应的像素比特数进行非线性回归拟合，获取与每帧样本图像对应的模型参数；处理器92还用于将每帧样本图像的纹理复杂度和与每帧样本图像对应的模型参数作为一组样本图像的纹理复杂度和与其对应的模型参数。
在一些实施例中，处理器92还用于通过预设拟合方式将多组样本图像的纹理复杂度和与其对应的模型参数进行非线性拟合，确定纹理复杂度与至少一个模型参数之间的相关关系。
在一些实施例中，处理器92还用于将纹理复杂度与至少一个模型参数之间的相关关系作为用于确定函数关系中至少一个模型参数的数值的子函数关系。
在一些实施例中，待编码图像被划分为多个图像子块，处理器92还用于将多帧样本图像划分为多个图像子块，其中，样本图像的图像子块与待编码图像的图像子块尺寸相同，处理器92还用于计算多帧样本图像中每个图像子块的纹理复杂度，处理器92还用于基于利用多个样本量化参数分别对每帧样本图像中的图像子块进行编码后的数据量情况和函数关系，获取多组样本图像中的图像子块的纹理复杂度和与其对应的模型参数，处理器92还用于基于多组样本图像中的图像子块的纹理复杂度和与其对应的模型参数，确定纹理复杂度与至少一个模型参数之间的相关关系，处理器92还用于计算待编码图像中每个图像子块的纹理复杂度，处理器92还用于基于待编码图像中的图像子块的纹理复杂度和编码控制模型中的相关关系，得到与待编码图像中的图像子块的纹理复杂度对应的至少一个模型参数，处理器92还用于基于待编码图像中的图像子块的目标数据量、纹理复杂度和与其对应的至少一个模型参数，以及编码控制模型中的函数关系，得到待编码图像中的图像子块的目标量化参数，处理器92还用于将待编码图像中的图像子块的目标量化参数取平均值作为待编码图像的目标量化参数。
区别于前述实施例，本实施例中将样本图像和待编码图像划分多个图像子块，并以图像子块为最小单元，从而丰富了样本，有利于提高构建得到的编码控制模型的准确性，进一步有利于提高获取到的目标量化参数的准确性，进而有利于进一步减小通过目标量化参数对待编码图像进行编码而获取到的数据量与目标数据量之间的误差。
在一些实施例中，函数关系为幂函数，幂函数包括第一模型参数和第二模型参数，幂函数表示为：
其中，R为数据量，D为纹理复杂度，w为图像的宽度，h为图像的高度，α为第一模型参数，β为第二模型参数，Q为量化参数。
在一些实施例中，待编码图像的纹理复杂度和样本图像的纹理复杂度为同一种图像参数。
在一些实施例中，待编码图像和样本图像均为未编码的原始图像。
在一些实施例中，图像参数为图像的方差、标准差、梯度纹理中的任一种。
在一些实施例中，当待编码图像为静态图像时，函数关系中量化参数与数据量之间为负相关关系；当待编码图像中视频序列中的一帧时，函数关系中量化参数与数据量之间为正相关关系。
请参阅图10，图10为本申请存储装置1000一实施例的框架示意图。存储装置1000存储有能够被处理器运行的程序指令1100，程序指令1100用于实现上述任一编码控制方法实施例中的步骤。
上述方案，通过计算待编码图像的纹理复杂度，继而利用编码控制模型对待编码图像的纹理复杂度、目标数据量进行处理，得到待编码图像的目标量化参数，并基于目标量化参数对待编码图像进行编码，只需计算待编码图像的纹理复杂度即可将其与目标数据量作为输入参数，利用编码控制模型进行处理，进而能够快速且准确地预测得到目标量化参数，有利于大大提高编码效率。
此外，由于基于编码控制模型以及纹理复杂度、目标数据量能够实现在编码之前预测得到待编码图像的目标量化参数，而无需依据待编码图像的前一帧图像预测目标量化参数，或在对待编码图像进行编码时不断调整其目标量化参数直至编码后的数据量与目标数据量之之间的误差在允许范围之内，故此，既可应用于软件图像编码，也可应用于硬件芯片等装置，具有广泛的适用性。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种编码控制方法，其特征在于，包括：
计算待编码图像的纹理复杂度；
利用编码控制模型对所述待编码图像的纹理复杂度、目标数据量进行处理，得到所述待编码图像的目标量化参数；其中，所述编码控制模型包括量化参数、纹理复杂度、数据量以及至少一个模型参数之间的函数关系，以及所述纹理复杂度与所述至少一个模型参数之间的相关关系，且所述编码控制模型中的模型参数的具体数值通过将所述待编码图像的纹理复杂度代入所述相关关系计算得到，所述相关关系为非线性关系；
基于所述目标量化参数对所述待编码图像进行编码；
其中，所述利用编码控制模型对所述待编码图像的纹理复杂度、目标数据量进行处理，得到所述待编码图像的目标量化参数包括：基于所述待编码图像的纹理复杂度和所述编码控制模型中的所述相关关系，得到与所述待编码图像的纹理复杂度对应的至少一个模型参数；基于所述待编码图像的目标数据量、纹理复杂度和与其对应的至少一个模型参数，以及所述编码控制模型中的所述函数关系，得到所述待编码图像的目标量化参数；且所述函数关系为幂函数，所述至少一个模型参数包括第一模型参数和第二模型参数，所述幂函数表示为：
其中，
为所述数据量，/>
为所述纹理复杂度，/>
为图像的宽度，/>
为图像的高度，/>
为所述第一模型参数，/>
为所述第二模型参数，/>
为所述量化参数；
和/或，在所述利用编码控制模型对所述待编码图像的纹理复杂度、目标数据量进行处理，得到所述待编码图像的目标量化参数之前，分别计算多帧样本图像的纹理复杂度；基于利用多个样本量化参数分别对每帧所述样本图像进行编码后的数据量情况和所述函数关系，获取多组所述样本图像的纹理复杂度和与其对应的模型参数；基于多组所述样本图像的纹理复杂度和与其对应的模型参数，确定所述纹理复杂度与所述至少一个模型参数之间的相关关系；利用所述相关关系和所述函数关系构建得到所述编码控制模型。
2.根据权利要求1所述的编码控制方法，其特征在于，所述基于利用多个样本量化参数分别对每帧所述样本图像进行编码后的数据量情况和所述函数关系，获取多组所述样本图像的纹理复杂度和与其对应的模型参数包括：
利用多个样本量化参数对每帧所述样本图像进行编码，获取每帧所述样本图像编码后的样本数据量；
计算所述每帧所述样本图像编码后的样本数据量与所述样本图像的尺寸之间的商，作为每帧所述样本图像采样所述样本量化参数进行编码之后的像素比特数；
采用所述函数关系对每帧所述样本图像的多组所述样本量化参数和与其对应的像素比特数进行非线性回归拟合，获取与每帧所述样本图像对应的模型参数；
将每帧所述样本图像的纹理复杂度和与每帧所述样本图像对应的模型参数作为一组所述样本图像的纹理复杂度和与其对应的模型参数。
3.根据权利要求1所述的编码控制方法，其特征在于，所述基于多组所述样本图像的纹理复杂度和与其对应的模型参数，确定所述纹理复杂度与所述至少一个模型参数之间的相关关系包括：
通过预设拟合方式将多组所述样本图像的纹理复杂度和与其对应的模型参数进行非线性拟合，确定所述纹理复杂度与所述至少一个模型参数之间的相关关系。
4.根据权利要求1所述的编码控制方法，其特征在于，所述利用所述相关关系和所述函数关系构建得到所述编码控制模型包括：
将所述纹理复杂度与所述至少一个模型参数之间的相关关系作为用于确定所述函数关系中所述至少一个模型参数的数值的子函数关系。
5.根据权利要求1所述的编码控制方法，其特征在于，所述待编码图像被划分为多个图像子块，所述分别计算多帧样本图像的纹理复杂度包括：
将所述多帧样本图像划分为多个图像子块，其中，所述样本图像的图像子块与所述待编码图像的图像子块尺寸相同；
计算所述多帧样本图像中每个图像子块的纹理复杂度；
所述基于利用多个样本量化参数分别对每帧所述样本图像进行编码后的数据量情况和所述函数关系，获取多组所述样本图像的纹理复杂度和与其对应的模型参数包括：
基于利用多个样本量化参数分别对每帧所述样本图像中的图像子块进行编码后的数据量情况和所述函数关系，获取多组所述样本图像中的图像子块的纹理复杂度和与其对应的模型参数；
所述基于多组所述样本图像的纹理复杂度和与其对应的模型参数，确定所述纹理复杂度与所述至少一个模型参数之间的相关关系包括：
基于多组所述样本图像中的图像子块的纹理复杂度和与其对应的模型参数，确定所述纹理复杂度与所述至少一个模型参数之间的相关关系；
所述计算待编码图像的纹理复杂度包括：
计算所述待编码图像中每个图像子块的纹理复杂度；
所述基于所述待编码图像的纹理复杂度和所述编码控制模型中的所述相关关系，得到与所述待编码图像的纹理复杂度对应的至少一个模型参数包括：
基于所述待编码图像中的图像子块的纹理复杂度和所述编码控制模型中的所述相关关系，得到与所述待编码图像中的图像子块的纹理复杂度对应的至少一个模型参数；
所述基于所述待编码图像的目标数据量、纹理复杂度和与其对应的至少一个模型参数，以及所述编码控制模型中的所述函数关系，得到所述待编码图像的目标量化参数包括：
基于所述待编码图像中的图像子块的目标数据量、纹理复杂度和与其对应的至少一个模型参数，以及所述编码控制模型中的所述函数关系，得到所述待编码图像中的图像子块的目标量化参数；
将所述待编码图像中的图像子块的目标量化参数取平均值作为所述待编码图像的目标量化参数。
6.根据权利要求1所述的编码控制方法，其特征在于，所述待编码图像的纹理复杂度和所述样本图像的纹理复杂度为同一种图像参数；和/或，
所述待编码图像和所述样本图像均为未编码的原始图像。
7.根据权利要求6所述的编码控制方法，其特征在于，所述图像参数为图像的方差、标准差、梯度纹理中的任一种。
8.根据权利要求1所述的编码控制方法，其特征在于，当所述待编码图像为静态图像时，所述函数关系中所述量化参数与所述数据量之间为负相关关系。
9.一种编码控制装置，其特征在于，包括相互耦接的存储器和处理器，所述处理器用于执行所述存储器存储的程序指令，以实现权利要求1至8任一项所述的编码控制方法。
10.一种存储装置，其特征在于，存储有能够被处理器运行的程序指令，所述程序指令用于实现权利要求1至8任一项所述的编码控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910859712.1A CN110740324B (zh) | 2019-09-11 | 2019-09-11 | 编码控制方法及相关装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910859712.1A CN110740324B (zh) | 2019-09-11 | 2019-09-11 | 编码控制方法及相关装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110740324A CN110740324A (zh) | 2020-01-31 |
| CN110740324B true CN110740324B (zh) | 2023-03-31 |
Family
ID=69267598
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910859712.1A Active CN110740324B (zh) | 2019-09-11 | 2019-09-11 | 编码控制方法及相关装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110740324B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112738516B (zh) * | 2021-03-30 | 2021-07-09 | 浙江华创视讯科技有限公司 | 编码方法、装置、存储介质及电子设备 |
| CN116095319A (zh) * | 2022-07-26 | 2023-05-09 | 杭州海康威视数字技术股份有限公司 | 一种视频译码方法、装置及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101287123A (zh) * | 2008-05-23 | 2008-10-15 | 清华大学 | 基于ρ域的视频编码码率控制方法 |
| CN101572806A (zh) * | 2009-06-01 | 2009-11-04 | 北京邮电大学 | 一种基于h.264的i帧码率控制方法 |
| CN107547898A (zh) * | 2017-09-05 | 2018-01-05 | 东华大学 | 一种能耗‑精度可控的传感器双参数分配系统 |
| CN108184117A (zh) * | 2018-01-10 | 2018-06-19 | 北京工业大学 | 基于内容的比特流层视频质量评价模型 |
| CN109076212A (zh) * | 2017-12-27 | 2018-12-21 | 深圳市大疆创新科技有限公司 | 码率控制的方法与编码装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102254535B1 (ko) * | 2015-07-22 | 2021-05-20 | 애리스 엔터프라이지즈 엘엘씨 | 높은 동적 범위 및 넓은 컬러 재현 시퀀스들을 코딩하기 위한 시스템 |
-
2019
- 2019-09-11 CN CN201910859712.1A patent/CN110740324B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101287123A (zh) * | 2008-05-23 | 2008-10-15 | 清华大学 | 基于ρ域的视频编码码率控制方法 |
| CN101572806A (zh) * | 2009-06-01 | 2009-11-04 | 北京邮电大学 | 一种基于h.264的i帧码率控制方法 |
| CN107547898A (zh) * | 2017-09-05 | 2018-01-05 | 东华大学 | 一种能耗‑精度可控的传感器双参数分配系统 |
| CN109076212A (zh) * | 2017-12-27 | 2018-12-21 | 深圳市大疆创新科技有限公司 | 码率控制的方法与编码装置 |
| CN108184117A (zh) * | 2018-01-10 | 2018-06-19 | 北京工业大学 | 基于内容的比特流层视频质量评价模型 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110740324A (zh) | 2020-01-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111918066B (zh) | 视频编码方法、装置、设备及存储介质 | |
| WO2023045420A1 (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN111131828B (zh) | 一种图像压缩方法、装置、电子设备和存储介质 | |
| CN110740324B (zh) | 编码控制方法及相关装置 | |
| CN109324778B (zh) | 补偿表压缩方法 | |
| KR101805550B1 (ko) | 프리젠테이션 가상화를 위한 화면 부호화 방법 및 서버 | |
| EP4221207A1 (en) | Point cloud encoding and decoding method and system, and point cloud encoder and point cloud decoder | |
| CN112437301B (zh) | 一种面向视觉分析的码率控制方法、装置、存储介质及终端 | |
| CN110740316A (zh) | 数据编码方法及装置 | |
| CN112584153B (zh) | 基于恰可察觉失真模型的视频压缩方法及装置 | |
| CN113170134A (zh) | 用于语境分割和处理的基于块的图片融合 | |
| CN116567246A (zh) | Avc编码方法和装置 | |
| TWI680437B (zh) | 圖片轉碼方法和裝置 | |
| CN112839234A (zh) | 屏幕内容编码标准帧内图像码率的估计方法 | |
| Bondžulić et al. | A simple and reliable approach to providing a visually lossless image compression | |
| CN109618155B (zh) | 压缩编码方法 | |
| Yang et al. | Sur-driven video coding rate control for jointly optimizing perceptual quality and buffer control | |
| Al-Jammas et al. | FPGA implementation of intra frame for H. 264/AVC based DC mode | |
| WO2024051299A1 (zh) | 一种编解码方法及装置 | |
| RU2796934C2 (ru) | Измерения пространственных действий изображений на основе блоков | |
| RU2782583C1 (ru) | Слияние изображений на блочной основе для контекстной сегментации и обработки | |
| CN114615496A (zh) | 获取量化参数的方法、装置、存储介质及系统 | |
| US11546597B2 (en) | Block-based spatial activity measures for pictures | |
| CN112637597B (zh) | Jpeg图像压缩方法、装置、计算机设备及存储介质 | |
| CN102271247B (zh) | 一种编码码率调整方法和装置 |
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 |