CN111988611B - 量化偏移信息的确定方法、图像编码方法、装置及电子设备 - Google Patents
量化偏移信息的确定方法、图像编码方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111988611B CN111988611B CN202010722699.8A CN202010722699A CN111988611B CN 111988611 B CN111988611 B CN 111988611B CN 202010722699 A CN202010722699 A CN 202010722699A CN 111988611 B CN111988611 B CN 111988611B
- Authority
- CN
- China
- Prior art keywords
- image block
- image
- information
- quantization offset
- determining
- 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
- 238000013139 quantization Methods 0.000 title claims abstract description 278
- 238000000034 method Methods 0.000 title claims abstract description 97
- 230000003044 adaptive effect Effects 0.000 claims abstract description 35
- 238000009826 distribution Methods 0.000 claims description 88
- 238000003860 storage Methods 0.000 claims description 7
- 238000005520 cutting process Methods 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 230000006835 compression Effects 0.000 abstract description 17
- 238000007906 compression Methods 0.000 abstract description 17
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 206010021403 Illusion Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/146—Data rate or code amount at the encoder output
- H04N19/147—Data rate or code amount at the encoder output according to rate distortion criteria
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本公开关于一种量化偏移信息的确定方法、图像编码方法、装置及电子设备，涉及视频编码技术，其中，该方法包括：获取当前图像帧，并按照预设的图像尺寸将当前图像帧切分为多个图像块；对于每个图像块，确定图像块的初始量化偏移信息，以及图像块的内容复杂度信息，其中，内容复杂度信息用于表征图像块中图像内容的复杂程度；根据内容复杂度信息调整初始量化偏移信息，以得到图像块的目标量化偏移信息。由此，结合对应图像块的图像内容情况，自适应性地确定出对应图像块所对应的量化偏移信息，实现了量化偏移信息的自适应性调整，方便了后续可基于每个图像块各自对应量化偏移信息进行编码，从而可实现在减少图像的失真的同时，不损失压缩效率。
Description
技术领域
本公开涉及视频编码技术领域，尤其涉及量化偏移信息的确定方法、图像编码方法、装置及电子设备。
背景技术
量化是有损视频压缩编码器中(例如基于H.264、H.265标准的视频压缩编码器)一个非常重要的处理步骤，量化将较大动态范围的变换系数映射到有限个量化区间，充分利用人眼视觉失真系统的感知冗余特性，在较小感知失真情况下实现信号压缩。量化决定着视频压缩失真大小，也决定着压缩后视频的码率。
量化过程中有两个决定性的参数：量化步长和量化偏移。对于量化步长而言，视频编解码标准中定义了量化参数QP(Quantization Parameter)来体现量化步长，QP由视频编码的码率控制方案决定。对于量化偏移，相关技术中的编码器对视频帧的每个图像块所使用的量化偏移信息均是固定的，每个图像块所采用的量化偏移信息固定设置为预设值，例如，1/3或者1/6等。然而，在编码器采用上述固定的量化偏移信息对视频进行编码时，基于该量化偏移信息下所得到的率失真性能并不理想，即，压缩后所得到的视频容易出现伪轮廓假边缘情况，且不能实现理论最优的压缩效率。因此，如何准确确定出视频编码时所采用的量化偏移信息是视频编码技术中亟需解决的问题。
发明内容
本公开提供一种量化偏移信息的确定方法、图像编码方法、装置及电子设备，以至少解决相关技术中采用固定量化偏移信息从而导致视频编码的率失真性能不理想的问题。本公开的技术方案如下：
根据本公开实施例的第一方面，提供一种量化偏移信息的确定方法，包括：获取当前图像帧，并按照预设的图像尺寸将所述当前图像帧切分为多个图像块；对于每个所述图像块，确定所述图像块的初始量化偏移信息，以及所述图像块的内容复杂度信息，其中，所述内容复杂度信息用于表征所述图像块中图像内容的复杂程度；根据所述内容复杂度信息调整所述初始量化偏移信息，以得到所述图像块的目标量化偏移信息。
在本公开的一个实施例中，所述确定所述图像块的内容复杂度信息，包括：获取所述图像块对应的梯度图像块和边缘图像块；根据所述梯度图像块，确定所述图像块的梯度分布特征信息；根据所述边缘图像块，确定所述图像块的边缘强度信息；以及根据所述梯度分布特征信息和所述边缘强度信息，确定所述图像块的内容复杂度信息。
在本公开的一个实施例中，所述获取所述图像块对应的梯度图像块和边缘图像块，包括：对所述当前图像帧进行梯度处理，以得到所述当前图像帧的梯度图像；对所述梯度图像进行二值化处理，以得到所述当前图像帧的边缘图像；按照所述预设的图像尺寸将所述梯度图像和所述边缘图像分别进行切分处理，以得到所述当前图像帧的梯度图像块集合和边缘图像块集合；从所述梯度图像块集合中获取所述图像块对应的所述梯度图像块；以及从所述边缘图像块集合中获取所述图像块对应的所述边缘图像块。
在本公开的一个实施例中，所述确定所述图像块的初始量化偏移信息，包括：获取对所述图像块所使用的预测模式；获取在所述预测模式下所述图像块的残差频域系数信息所在的频段信息；以及根据所述预测模式和所述频段信息，确定所述图像块的初始量化偏移信息。
在本公开的一个实施例中，所述根据所述内容复杂度信息调整所述初始量化偏移信息，以得到所述图像块的目标量化偏移信息，包括：对所述内容复杂度信息进行加权，以得到加权后的内容复杂度信息；以及将所述初始量化偏移信息和所述加权后的内容复杂度信息进行相乘，以得到所述图像块的目标量化偏移信息。
在本公开的一个实施例中，所述根据所述梯度图像块，确定所述图像块的梯度分布特征信息，包括：对所述梯度图像块中每个图像单元的梯度方向进行统计，以得到所述每个图像单元的梯度方向；根据预设角度间隔将预设的角度范围划分成N组，其中，所述预设的角度范围为0度到360度，N为大于1的整数；按照所述每个图像单元的梯度方向对图像单元进行分组，以获取每个分组中图像单元的个数；以及根据所述梯度图像块中的图像单元总数和每个分组中图像单元的个数，确定所述图像块的梯度方向分布特征信息。
在本公开的一个实施例中，所述梯度方向分布特征信息包括分组总数以及每个分组的频率，其中，所述根据所述梯度分布特征信息和所述边缘强度信息，确定所述图像块的内容复杂度信息，包括：根据所述图像块的分组总数和每个分组的频率生成第一复杂度；根据所述边缘强度信息生成第二复杂度；以及根据所述第一复杂度和所述第二复杂度确定所述图像块的内容复杂度信息。
在本公开的一个实施例中，所述根据所述边缘图像块，确定所述图像块的边缘强度信息，包括：计算所述边缘图像块中多个图像单元的取值的方差，并将计算得到的方差作为所述图像块的边缘强度信息。
在本公开的一个实施例中，所述根据所述预测模式和所述频段信息，确定所述图像块的初始量化偏移信息，包括：根据所述预测模式和所述频段信息，确定所述图像块的残差频域系数信息所对应的分布参数；以及基于分布参数和初始量化偏移信息之间的函数关系，利用所述图像块对应的分布参数，确定所述图像块的初始量化偏移信息。
根据本公开实施例的第三方面，提供一种图像编码方法，包括：获取待编码图像帧，将所述待编码图像帧划分为多个图像块；对于每一个所述图像块，根据本公开第一方面实施例的量化偏移信息的确定方法，确定所述图像块的自适应量化偏移信息；根据所述自适应量化偏移信息对所述图像块进行编码。
在本公开的一个实施例中，还包括：根据所述自适应量化偏移信息对所述图像块进行编码后，确定所述图像块编码后的第一率失真代价信息；当所述第一率失真代价信息与第二率失真代价信息的差值小于预设阈值时，将根据所述自适应量化偏移信息对所述图像块进行编码得到的编码数据作为所述图像块的目标编码数据，所述第二率失真代价信息为根据编码器对应的固定量化偏移信息对所述图像块进行编码后的率失真代价信息。
在本公开的一个实施例中，还包括：当所述第一率失真代价信息与第二率失真代价信息的差值不小于预设阈值时，将根据编码器对应的固定量化偏移信息对所述图像块进行编码得到的编码数据作为目标编码数据。
在本公开的一个实施例中，根据所述图像块的内容复杂度信息确定所述预设阈值。
在本公开的一个实施例中，在所述根据所述图像块的内容复杂度信息确定所述预设阈值之前，还包括：获取所述图像块对应的梯度图像块和边缘图像块；根据所述梯度图像块，确定所述图像块的梯度分布特征信息；根据所述边缘图像块，确定所述图像块的边缘强度信息；以及根据所述梯度分布特征信息和所述边缘强度信息，确定所述图像块的内容复杂度信息。
根据本公开实施例的第三方面，提供一种量化偏移信息的确定装置，包括：第一划分模块，被配置为获取当前图像帧，并按照预设的图像尺寸将所述当前图像帧切分为多个图像块；第一确定模块，被配置为对于每个所述图像块，确定所述图像块的初始量化偏移信息，以及所述图像块的内容复杂度信息，其中，所述内容复杂度信息用于表征所述图像块中图像内容的复杂程度；量化偏移确定模块，被配置为根据所述内容复杂度信息调整所述初始量化偏移信息，以得到所述图像块的目标量化偏移信息。
在本公开的一个实施例中，所述第一确定模块，包括：第一获取子模块，被配置为获取所述图像块对应的梯度图像块和边缘图像块；第二确定子模块，被配置为根据所述梯度图像块，确定所述图像块的梯度分布特征信息；第三确定子模块，被配置为根据所述边缘图像块，确定所述图像块的边缘强度信息；以及第四确定子模块，被配置为根据所述梯度分布特征信息和所述边缘强度信息，确定所述图像块的内容复杂度信息。
在本公开的一个实施例中，所述第一获取子模块，包括：梯度单元，被配置为对所述当前图像帧进行梯度处理，以得到所述当前图像帧的梯度图像；二值化处理单元，被配置为对所述梯度图像进行二值化处理，以得到所述当前图像帧的边缘图像；切分单元，被配置为按照所述预设的图像尺寸将所述梯度图像和所述边缘图像分别进行切分处理，以得到所述当前图像帧的梯度图像块集合和边缘图像块集合；第一获取单元，被配置为从所述梯度图像块集合中获取所述图像块对应的所述梯度图像块；以及第二获取单元，被配置为从所述边缘图像块集合中获取所述图像块对应的所述边缘图像块。
在本公开的一个实施例中，所述第一确定模块，包括：第二获取子模块，被配置为获取对所述图像块所使用的预测模式；第三获取子模块，被配置为获取在所述预测模式下所述图像块的残差频域系数信息所在的频段信息；以及第五确定子模块，被配置为根据所述预测模式和所述频段信息，确定所述图像块的初始量化偏移信息。
在本公开的一个实施例中，所述量化偏移确定模块，包括：加权子模块，被配置为对所述内容复杂度信息进行加权，以得到加权后的内容复杂度信息；以及计算子模块，被配置为将所述初始量化偏移信息和所述加权后的内容复杂度信息进行相乘，以得到所述图像块的目标量化偏移信息。
在本公开的一个实施例中，所述第二确定子模块，包括：统计单元，被配置为对所述梯度图像块中每个图像单元的梯度方向进行统计，以得到所述每个图像单元的梯度方向；划分单元，被配置为根据预设角度间隔将预设的角度范围划分成N组，其中，所述预设的角度范围为0度到360度，N为大于1的整数；分组单元，被配置为按照所述每个图像单元的梯度方向对图像单元进行分组，以获取每个分组中图像单元的个数；以及第一确定单元，被配置为根据所述梯度图像块中的图像单元总数和每个分组中图像单元的个数，确定所述图像块的梯度方向分布特征信息。
在本公开的一个实施例中，所述梯度方向分布特征信息包括分组总数以及每个分组的频率，其中，所述第四确定子模块，包括：第一生成单元，被配置为根据所述图像块的分组总数和每个分组的频率生成第一复杂度；第二生成单元，被配置为根据所述边缘强度信息生成第二复杂度；以及第二确定单元，被配置为根据所述第一复杂度和所述第二复杂度确定所述图像块的内容复杂度信息。
在本公开的一个实施例中，所述第三确定子模块，具体被配置为：计算所述边缘图像块中多个图像单元的取值的方差，并将计算得到的方差作为所述图像块的边缘强度信息。
在本公开的一个实施例中，所述第五确定子模块，包括：第三确定单元，被配置为根据所述预测模式和所述频段信息，确定所述图像块的残差频域系数信息所对应的分布参数；以及第四确定单元，被配置为基于分布参数和初始量化偏移信息之间的函数关系，利用所述图像块对应的分布参数，确定所述图像块的初始量化偏移信息。
根据本公开实施例的第四方面，提供一种图像编码装置，包括：第二划分模块，被配置为获取待编码图像帧，将所述待编码图像帧划分为多个图像块；第二确定模块，被配置为对于每一个所述图像块，根据本公开第一方面实施例的量化偏移信息的确定方法，确定所述图像块的自适应量化偏移信息；编码模块，被配置为根据所述自适应量化偏移信息对所述图像块进行编码。
在本公开的一个实施例中，还包括：第三确定模块，被配置为根据所述自适应量化偏移信息对所述图像块进行编码后，确定所述图像块编码后的第一率失真代价信息；第四确定模块，被配置为当所述第一率失真代价信息与第二率失真代价信息的差值小于预设阈值时，将根据所述自适应量化偏移信息对所述图像块进行编码得到的编码数据作为所述图像块的目标编码数据，所述第二率失真代价信息为根据编码器对应的固定量化偏移信息对所述图像块进行编码后的率失真代价信息。
在本公开的一个实施例中，还包括：第五确定模块，被配置为当所述第一率失真代价信息与第二率失真代价信息的差值不小于预设阈值时，将根据编码器对应的固定量化偏移信息对所述图像块进行编码得到的编码数据作为目标编码数据。
在本公开的一个实施例中，还包括：第六确定模块，被配置为根据所述图像块的内容复杂度信息确定所述预设阈值。
在本公开的一个实施例中，还包括：第一获取模块，被配置为获取所述图像块对应的梯度图像块和边缘图像块；第七确定模块，被配置为根据所述梯度图像块，确定所述图像块的梯度分布特征信息；第八确定模块，被配置为根据所述边缘图像块，确定所述图像块的边缘强度信息；以及第九确定模块，被配置为根据所述梯度分布特征信息和所述边缘强度信息，确定所述图像块的内容复杂度信息。
根据本公开实施例的第五方面，提供一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令，以实现如前所述的量化偏移信息的确定方法，或者，图像编码方法。
根据本公开实施例的第六方面，提供一种计算机程序产品，该计算机程序由电子设备的处理器执行时，使得电子设备能够执行如前所述的量化偏移信息的确定方法，或者，图像编码方法。
本公开的实施例提供的技术方案至少带来以下有益效果：
在确定量化偏移信息时，将当前图像帧划分为多个图像块，针对每个图像块，确定图像块的内容复杂和初始量化偏移信息，然后，结合内容复杂度信息对图像块的初始量化偏移信息进行调整，以得到图像块的目标量化偏移信息。由此，结合对应图像块的图像内容情况，自适应性地确定出对应图像块所对应的量化偏移信息，实现了量化偏移信息的自适应性调整，方便了后续可基于每个图像块各自对应量化偏移信息进行编码，从而可实现在减少图像的失真，保证了图像质量的同时，不损失压缩效率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种量化偏移信息的确定方法的流程图。
图2是根据一示例性实施例示出的另一种量化偏移信息的确定方法的流程图。
图3是根据一示例性实施例示出的另一种量化偏移信息的确定方法的流程图。
图4是根据一示例性实施例示出的另一种量化偏移信息的确定方法的流程图。
图5是根据一示例性实施例示出的另一种量化偏移信息的确定方法的流程图。
图6是根据一示例性实施例示出的另一种量化偏移信息的确定方法的流程图。
图7是根据一示例性实施例示出的一种图像编码方法的流程图。
图8是根据一示例性实施例示出的另一种图像编码方法的流程图。
图9是根据一示例性实施例示出的一种量化偏移信息的确定装置的框图。
图10是根据一示例性实施例示出的另一种量化偏移信息的确定装置的框图。
图11是根据一示例性实施例示出的一种图像编码装置的框图。
图12是根据一示例性实施例示出的另一种图像编码装置的框图。
图13是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种量化偏移信息的确定方法的流程图，如图1所示，该量化偏移信息的确定方法包括以下步骤。
在步骤101中，获取当前图像帧，并按照预设的图像尺寸将当前图像帧切分为多个图像块。
需要说明的是，本公开的量化偏移信息的确定方法的执行主体可以为量化偏移信息的确定装置，其中，本实施的量化偏移信息的确定装置可以配置在电子设备中，该电子设备具有视频编码功能。
其中，可以理解的是，多个图像块共同包含当前图像帧的全部信息。也就是说，切分的多个图像块覆盖当前图像帧的全部面积。
其中，图像块的尺寸与预设的图像尺寸相关，诸如，图像块的尺寸可以等于预设的图像尺寸。
在本公开的一个实施例中，该实施例中所确定出的量化偏移信息是编码器中的编码参数，为了方便后续编码器可基于所确定出的量化偏移信息对图像块进行编码处理，可根据后续对当前图像帧进行编码处理的编码器，来确定预设的图像尺寸。例如，H.265的x265编码器进行编码时，图像块的尺寸为16*16，对应地，预设的图像尺寸可以设置为16*16。又例如，H.265的HM编码器进行编码时，图像块的尺寸为64*64，对应地，可将图像尺寸预先设置为64*64，以根据该图像尺寸对当前图像帧进行切分处理。
通常而言，当前图像帧的尺寸较大，在当前图像帧中比较小的邻域内的像素有比较高的相关性，而编码器正是基于比较小的邻域内的像素之间的相关性进行图像压缩，基于此，本实施例将当前图像帧切割为多个图像块，以便于编码器在编码时顺利得到对应图像块的处理结果。
在具体实施时，可将当前图像帧均匀切割为多个图像块，即，图像块的高度和宽度可以是相同的，也可以不同，本公开对此不作限定。
举例而言，图像块的高度和宽度均是相同的，图像块的高度和宽度M均为64，当前图像帧的尺寸为640*640，预设的图像尺寸为64*64，按照预设的图像尺寸可将当前图像帧分割为100个图像块，每个图像块的尺寸为64*64。
又例如，图像块的高度和宽度均是相同的，图像块的高度和宽度M均为32，当前图像帧的尺寸为640*640，预设的图像尺寸为32*32，按照预设的图像尺寸可将当前图像帧分割为400个图像块，每个图像块的尺寸为32*32。
可以理解的是，除了可以基于待采用的编码器所处理的图像块的尺寸情况来预设设置本实施例的图像尺寸外，在实际应用中，还可以结合当前图像帧的尺寸信息，或者，自定义的方式来预先设置本实施例的图像尺寸，本公开对此不作具体限定。
在步骤102中，对于每个图像块，确定图像块的初始量化偏移信息，以及图像块的内容复杂度信息。
其中，内容复杂度信息用于表征图像块中图像内容的复杂程度。可以理解的是，图像块中对应的图像内容越丰富，其对应的内容复杂度信息越高，图像块对应的图像内容越单一，其对应的内容复杂度信息越低。
其中，内容复杂度信息与运动幅度、纹理复杂度、细节丰富度以及空间相关度中的至少一种有关。
在一些实施例中，可基于图像梯度值来确定内容复杂度信息。图像梯度值是根据各个像素对应的像素梯度值之和得到的。计算得到的图像梯度值越大，内容复杂度信息越大，反之，计算得到的图像梯度值越小，内容复杂度信息越小。
在另一些实施例中，可基于梯度方向直方图以及边界个数来确定内容复杂度信息。
在另一些实施例中，可通过对图像的灰度梯度变换密度、灰度级出现情况和边缘比率进行加权求所得到的值来确定图像的内容复杂度信息。
在另一些实施例中，可基于图像的梯度分布特征信息和边缘强度信息来确定图像的内容复杂度信息。
具体而言，可针对每个图像块，可对该图像块进行梯度处理，以得到该图像块的梯度图像块，并根据该梯度图像块，确定该图像块的边缘图像块，并根据梯度图像块确定该图像块的梯度分布信息，以及根据边缘图像块确定该图像块的边缘强度信息，然后，根据梯度分布信息和边缘强度信息来确定该图像块的内容复杂度信息。
需要说明的是，本公开提供的上述确定内容复杂度信息的方式，仅是示例性说明，在实际应用中，本领域技术人员可以根据实际需要通过其它方式来确定内容复杂度信息，本公开对此不作限制。
在一些实施例中，对于内容复杂度信息可采用0到1之间的数值来表示。对于一个图像块而言，其对应的内容复杂度信息越接近零，表示该图像块的内容越单一。反之，其对应的内容复杂度信息越接近1，表示该图像块的内容越丰富。
在另一些实施例中，对于内容复杂度信息可采用0到100之间的数值来表示。对于一个图像块而言，其对应的内容复杂度信息越接近零，表示该图像块的内容越单一。反之，其对应的内容复杂度信息越接近100，表示该图像块的内容越丰富。
在本公开的实施例中，在将当前图像帧切分为多个图像块后，针对每个该图像块，可确定该图像块的初始量化偏移信息。可以理解的是，在确定该图像块的初始量化偏移信息的过程中，并没有采用到该图像块的内容复杂度信息。
其中，每个图像块的初始量化偏移信息可是采用多种方式而确定的，例如，可获取待采用的编码器的预测模式，并根据所获取的预测模式来确定每个图像块的初始量化偏移信息。又例如，可获取对每个图像块所采用的预测模式，以及每个图像块在该预测模式下的残差频域系数信息所在的频段信息；以及根据对每个图像块所使用的预测模式和每个图像块所对应的频段信息，确定每个图像块的初始量化偏移信息。
其中，预测模式可以包括但不限于帧内预测模式和帧间预测模式。对于图像块是进行帧内预测模式，还是帧间预测模式可以是由待采用的编码器来决定的。
在步骤103中，根据内容复杂度信息调整初始量化偏移信息，以得到图像块的目标量化偏移信息。
作为一种可能的实现方式，在获取该图像块的内容复杂度信息以及初始量化偏移信息后，可将内容复杂信息和初始量化偏移信息输入到预设的量化偏移调整模型中，从而通过内容复杂度信息对初始量化偏移信息进行调整，以得到每个图像块的目标量化偏移信息。
作为另一种可能的实现方式，对内容复杂度信息进行加权，以得到加权后的内容复杂度信息；以及将初始量化偏移信息和加权后的内容复杂度信息进行相乘，以得到图像块的目标量化偏移信息。
其中，对内容复杂信息进行加权所使用的权重系数是通过对海量样本图像块的目标量化偏移信息、初始量化偏移信息和内容复杂度信息进行分析而确定出的。
具体地，可通过下述公式来生成图像块的目标量化偏移信息。
B＝A*score*β
其中，B表示目标量化偏移信息，A表示初始量化偏移信息，score表示内容复杂度信息，β表示权重系数。
本公开实施例提供的量化偏移信息的确定方法，在确定量化偏移信息时，将当前图像帧划分为多个图像块，针对每个图像块，确定图像块的内容复杂和初始量化偏移信息，然后，结合内容复杂度信息对图像块的初始量化偏移信息进行调整，以得到图像块目标量化偏移信息。由此，结合对应图像块的图像内容情况，自适应性地确定出对应图像块所对应的量化偏移信息，实现了量化偏移信息的自适应性调整，方便了后续可基于每个图像块各自对应量化偏移信息进行编码，从而可实现在减少图像的失真，保证了图像质量的同时，不损失压缩效率。
可以理解的是，针对每个图像块而言，其图像块的目标量化偏移信息是基于图像块的内容复杂而确定出的，因此，准确地确定出图像块的内容复杂度信息，可以提高图像块的目标量化偏移信息的准确性。为了可准确确定出对应图像块的内容复杂度信息，在本公开的一个实施例中，可结合图像块的梯度情况和边缘信息情况来确定图像块的内容复杂度信息。下面结合图2对确定该图像块的内容复杂度信息的过程进行说明。
图2是根据一示例性实施例示出的另一种量化偏移信息的确定方法的流程图，如图2所示，上述确定图像块的内容复杂度信息的具体实现方式可以包括以下步骤。
在步骤201中，获取图像块对应的梯度图像块和边缘图像块。
在本公开的一个实施例中，在不同应用场景中，获取图像块对应的梯度图像块和边缘图像块的方式有很多，举例说明如下：
作为一种可能的实现方式，针对图像块，可对图像块进行梯度处理，以得到图像块的梯度图像块，并对图像块的梯度图像块进行边缘处理，以得到图像块的边缘图像块。
作为另一种可能的实现方式，可根据当前图像帧的梯度图像和边缘图像，确定出图像块对应的梯度图像块和边缘图像块。
其中，关于根据当前图像帧的梯度图像和边缘图像，确定出图像块对应的梯度图像块和边缘图像块的具体描述将在后续实施例中进行描述。
在步骤202中，根据梯度图像块，确定图像块的梯度分布特征信息。
其中，梯度分布特征信息用于表示图像块中的梯度方向的分布情况，作为一种示例，可采用梯度方向直方图来体现梯度方向分布特征信息。
在步骤203中，根据边缘图像块，确定图像块的边缘强度信息。
其中，图像块对应的边缘强度信息可通过边缘图像块的像素方差来表示，或者，可以采用二值化边缘图像块的方差来表示，或者，可以采用边缘图像块中边缘梯度的方差来表示。
在步骤204中，根据梯度分布特征信息和边缘强度信息，确定图像块的内容复杂度信息。
本实施例，针对每个图像块，根据该图像块的梯度图像块确定对应图像块的梯度分布特征信息，以及根据该图像块的边缘图像块来确定该图像块的边缘强度信息，并基于梯度分布特征信息和边缘强度信息确定出该图像块的内容复杂度信息。由此，结合图像块的梯度情况和边缘情况，准确分析出了该图像块的内容复杂度信息，方便了后续基于该图像块的内容复杂度信息，准确确定出该图像块的目标量化偏移信息。
可以理解的是，上述实施例中的图像块的内容复杂度信息是基于图像块的梯度图像块和边缘图像块而确定出的，因此，如何快速得到的每个图像块的梯度图像块和边缘图像块，对于提高生成每个图像块的内容复杂度信息的效率是十分必要的。因此，在本公开的一个实施例中，为了可提高确定出图像块的内容复杂度信息的效率，可结合当前图像帧的梯度图像和边缘图像，可确定出该图像块对应的梯度图像块和边缘图像块。下面结合图3对当前图像帧的梯度图像和边缘图像，获取图像块对应的梯度图像块和边缘图像块的过程进行一步说明。
图3是根据一示例性实施例示出的另一种量化偏移信息的确定方法的流程图，如图3所示，上述步骤201的具体实现方式可以包括以下步骤。
在步骤301中，对当前图像帧进行梯度处理，以得到当前图像帧的梯度图像。
在本公开的一个实施例中，为了减少当前图像帧中的噪声对后续计算造成影响，在对当前图像帧进行梯度处理之前，可对当前图像帧进行去噪声处理，例如，可对当前图像帧进行高速滤波处理，或者，可对当前图像帧进行均值滤波处理。
在步骤302中，对梯度图像进行二值化处理，以得到当前图像帧的边缘图像。
其中，可基于预设的边缘算子算法，对当前帧图像进行处理，以得到该当前图像帧的梯度图像和边缘图像。
其中，预设的边缘算子算法可以包括但不限于Roberts、Sobel、Prewitt等。
在步骤303中，按照预设的图像尺寸将梯度图像和边缘图像分别进行切分处理，以得到当前图像帧的梯度图像块集合和边缘图像块集合。
其中，本实施例中对梯度图像和边缘图像进行切分所使用的图像尺寸，与对当前图像帧进行切分所使用的图像尺寸是相同的。
在步骤304中，从梯度图像块集合中获取图像块对应的梯度图像块。
作为一种可能的实现方式，可获取与该图像块所对应的梯度图像块的标识，并根据梯度图像块的标识，从梯度图像块集合中获取与该标识对应的梯度图像块，并将所获得的梯度图像块作为该图像块对应的梯度图像块。
在步骤305中，从边缘图像块集合中获取图像块对应的边缘图像块。
作为一种可能的实现方式，可获取与该图像块所对应的边缘图像块的标识，并根据边缘图像块的标识，从边缘图像块集合中获取与该标识对应的边缘图像块，并将所获得的边缘图像块作为该图像块对应的边缘图像块。
本实施例，通过对当前图像帧的梯度图像以及边缘图像，采用与对当前图像帧相同的切分方式，从而得到了梯度图像的多个梯度图像块和多个边缘图像块，从而快速确定出了每个图像块各自对应的梯度图像块和边缘图像块。
在本公开的一个实施例中，为了准确确定出各个图像块对应的梯度分布特征信息，针对每个图像块，可对该图像块对应的梯度图像块中每个图像单元的梯度方向进行统计，以得到该图像块对应的梯度分布特征信息。下面结合图4对图像块对应的梯度图像块中每个图像单元的梯度方向进行统计，以得到该图像块对应的梯度分布特征信息的过程进行描述。
图4是根据一示例性实施例示出的另一种量化偏移信息的确定方法的流程图，如图4所示，上述步骤202的具体方式可以包括以下步骤。
在步骤401中，对梯度图像块中每个图像单元的梯度方向进行统计，以得到每个图像单元的梯度方向。
在步骤402中，根据预设角度间隔将预设的角度范围划分成N组，其中，预设的角度范围为0度到360度，N为大于1的整数。
在步骤403中，按照每个图像单元的梯度方向对图像单元进行分组，以获取每个分组中图像单元的个数。
可以理解的是，图像块是由多个图像单元组成的。
在步骤404中，根据梯度图像块中的图像单元总数和每个分组中图像单元的个数，确定图像块对应的梯度方向分布特征信息。
在本公开的一个示例性的实现方式，对于梯度方向分布特征信息可通过梯度方向直方图来表示。其中，梯度方向直方图可以表示出梯度图像块的梯度方向分布的统计结果。
在本公开的一个实施例中，为了可以准确确定出各个图像块对应的边缘强度信息，可结合对应图像块所对应的边缘图像块中多个图像单元的取值的方差，确定对应图像块的边缘强度信息。
在本公开的实施例中，为了可准确表示出对应图像块的边缘强度信息，可结合图像块中各个图像单元的当前取值，来确定出图像块的边缘强度信息。下面结合图5对根据边缘图像块，确定图像块的边缘强度信息的具体过程进行描述。
图5是根据一示例性实施例示出的另一种量化偏移信息的确定方法的流程图，如图5所示，上述步骤203的具体实现方式可以包括以下步骤。
在步骤501中，计算边缘图像块中多个图像单元的取值的方差，并将计算得到的方差作为图像块对应的边缘强度信息。
在示例性实施例中，上述梯度方向分布特征信息可以包括分组总数以及每个分组的频率，根据梯度分布特征信息和边缘强度信息，确定图像块的内容复杂度信息的具体实现方式可以包括如下步骤：
步骤a，根据图像块的分组总数和每个分组的频率生成第一复杂度。
步骤b，根据边缘强度信息生成第二复杂度。以及
步骤c，根据第一复杂度和第二复杂度确定图像块的内容复杂度信息。
具体而言，结合梯度方向分布特征信息和边缘强度信息生成图像块的内容复杂度信息的具体公式如下：
其中，Nall表示分组总数。N>1/x表示频率大于1/x的分组个数,Nother表示频率≤1/8的分组个数。Vb表示图像块二值化边缘图像的方差。Vmax为预设的图像尺寸大小的梯度图像块的理论方差最大值。α为可自定义的调节系数。min为取最小值操作。
其中，预设的图像尺寸M*M，M的取值可以为64，32，16，8等。
在本公开的一个实施例中，为了可以进一步准确确定出对应图像块的初始量化偏移信息，可结合对图像块所使用的预测模式以及在该预测模式下图像块对应的残差频域系数信息所在的频段信息，来确定对应图像块的初始量化偏移信息，进而方便后续基于所确定的初始量化偏移信息和内容复杂度信息，灵活自适应地为该图像块选择可以使得图像质量更优地(图像失真更小)的量化偏移信息。下面结合图6对图像块所使用的预测模式以及在该预测模式下图像块对应的残差频域系数信息所在的频段信息，来确定对应图像块的初始量化偏移信息的过程进行描述。
图6是根据一示例性实施例示出的另一种量化偏移信息的确定方法的流程图，如图6所示，上述确定图像块的初始量化偏移信息的具体实现方式可以包括如下步骤：
在步骤601中，获取对图像块所使用的预测模式。
在步骤602中，获取在预测模式下图像块的残差频域系数信息所在的频段信息。
在步骤603中，根据预测模式和频段信息，确定图像块的初始量化偏移信息。
在不同应用场景中，根据预测模式和频段信息，确定图像块的初始量化偏移信息的实现方式不同，示例说明如下：
作为一种可能的实现方式，可根据预测模式和频段信息，确定图像块的残差频域系数信息所对应的分布参数；以及基于分布参数和初始量化偏移信息之间的函数关系，利用图像块对应的分布参数，确定图像块的初始量化偏移信息。
其中，分布参数为拉普拉斯分布的分布参数λ。
可以理解的是，在根据图像块对应的预测模式以及频段信息，确定图像块的残差频域系数信息所对应的分布参数λ之前，本实施例通过对在不同预测模式p下样本图像对应的残差频域系数进行分析，确定出了在不同预测模式下p，不同频段f的残差频域系数的分布服从分布参数为λ(f，p)的拉布拉斯分布，并保存了预测模式、频段以及分布参数三者之间的对应关系，从而可方便后续可基于该对应关系快速确定出与预测模式以及频段信息对应的分布参数。
具体而言，在根据图像块对应的预测模式以及频段信息，确定出拉普拉斯分布的分布参数λ后，可根据量化失真理论，计算出图像块的初始量化偏移值，该初始量化偏移值为该图像块的理论最优的量化偏移信息。
其中，计算理论最优的量化偏移信息的公式为：
其中，A表示理论最优的量化偏移信息，Δ表示量化步长，λ为拉普拉斯分布的分布参数。
本公开实施例，针对每个图像块，在确定图像块的初始量化偏移信息的过程中，结合对图像块所使用的预测模式以及在该预测模式下图像块对应的残差频域系数信息所在的频段信息，来确定图像块的初始量化偏移信息，进而方便后续基于所确定的初始量化偏移信息和内容复杂度信息，灵活地、自适应地为该图像块选择可以使得图像失真更小的量化偏移信息。
图7是根据一示例性实施例示出的一种图像编码方法的流程图，如图7所示，该图像编码方法可以包括以下步骤。
在步骤701中，获取待编码图像帧，将待编码图像帧划分为多个图像块。
其中，本公开的图像编码方法的执行主体可以为图像编码装置，其中，本实施的图像编码装置可以配置在电子设备中，该图像编码装置可对待编码图像帧进行编码处理。
具体地，在将待编码图像帧输入到电子设备中的编码装置后，编码装置采用自身的图像尺寸对图像帧进行划分，以得到多个图像块，其中，每个图像块的尺寸和图像尺寸相同。
在步骤702中，对于每一个图像块，根据上述实施例的量化偏移信息的确定方法，确定图像块的自适应量化偏移信息。
其中，关于量化偏移信息的确定方法确定图像块的自适应量化偏移信息的具体过程，与上述确定图像块的目标量化偏移信息的过程类似，可参见上述实施例中的相关描述，此处不再赘述。
在步骤703中，根据自适应量化偏移信息对图像块进行编码。
本公开实施例提供的图像编码方法，在对待编码图像帧进行编码处理时，对待编码图像帧进行划分以得到多个图像块，并针对每个图像块，确定该图像块的初始量化偏移信息和内容复杂度信息，并基于内容复杂度信息对初始量化偏移信息进行调整，以得到该图像块的自适应量化偏移信息，并结合自适应量化偏移信息对该图像块进行编码处理。由此，在对待编码图像帧进行编码的过程中，结合待编码图像帧中各个图像块的内容复杂度信息，实现量化偏移信息的自适应调整，并结合各个图像块各自所对应的自适应量化偏移信息进行编码，从而可实现在减少图像帧的失真，保证了图像帧质量的同时，不损失压缩效率。
基于上述实施例的基础上，为了进一步减少图像帧的失真的同时，不损失压缩效率，如图8所示，该图像编码方法还可以包括以下步骤。
在步骤801中，根据自适应量化偏移信息对图像块进行编码后，确定图像块编码后的第一率失真代价信息。
在步骤802中，当第一率失真代价信息与第二率失真代价信息的差值小于预设阈值时，将根据自适应量化偏移信息对图像块进行编码得到的编码数据作为图像块的目标编码数据，第二率失真代价信息为根据编码器对应的固定量化偏移信息对图像块进行编码后的率失真代价信息。
在本公开的一个实施例中，在获取第一率失真代价和第二率失真代价后，可计算第一率失真代价减去第二率失真代价的差值，并判断该差值是否小于预设阈值；如果差值小于阈值，则执行步骤802，否则执行步骤803。
其中，率失真是指编码码率和图像失真度之间的相互关系，可以用预设的率失真代价函数进行得到的率失真代价表示，率失真代价小，则表示在一定的码率限制下，视频的失真度小。
其中，本实施例中的预设阈值是预先设置的差值阈值，在本实施例中，为了进一步提高图像块的编码质量，本实施例中的预设阈值可以是根据图像块的内容复杂度信息。
在本公开的一个实施例中，确定图像块的内容复杂度信息的一种可能实现方式为：获取图像块对应的梯度图像块和边缘图像块；根据梯度图像块，确定图像块的梯度分布特征信息；根据边缘图像块，确定图像块的边缘强度信息；以及根据梯度分布特征信息和边缘强度信息，确定图像块的内容复杂度信息。由此，结合图像块的梯度信息和边缘信息，准确确定出了图像块的内容复杂度信息。
在步骤803中，当第一率失真代价信息与第二率失真代价信息的差值不小于预设阈值时，将根据编码器对应的固定量化偏移信息对图像块进行编码得到的编码数据作为目标编码数据。
其中，编码器对应的固定量化偏移信息可以为基于传统的标量量化偏移信息确定算法、固定偏移量的死区硬判决量化(deadzone，HDQ)算法、软判决量化算法(soft-decision quantization，SDQ)、率失真优化量化算法(Rate distortion optimizationquantization，RDOQ)等方式而确定出的，该实施例对此不作具体限定。
本实施例的图像编码方法，对于待编码图像帧，将待编码图像帧划分为多个图像块，并对于每一个图像块，根据上述实施例的量化偏移信息的确定方法，确定图像块的自适应量化偏移信息，根据自适应量化偏移信息对图像块进行编码，以及确定图像块编码后的第一率失真代价信息，并将第一率失真代价以及第二率失真代价的差值与预设阈值进行比较，当第一率失真代价信息与第二率失真代价信息的差值小于预设阈值时，将根据自适应量化偏移信息对图像块进行编码得到的编码数据作为图像块的目标编码数据；当第一率失真代价信息与第二率失真代价信息的差值不小于预设阈值时，将根据编码器对应的固定量化偏移信息对图像块进行编码得到的编码数据作为目标编码数据，并基于目标编码数据完成图像块的编码，从而可进一步减少图像块的失真，进而可减少图像帧的失真，保证图像帧的质量的同时，不损失压缩效率。
图9是根据一示例性实施例示出的一种量化偏移信息的确定装置的框图。参照图9，该量化偏移信息的确定装置90包括第一划分模块91、第一确定模块92和量化偏移确定模块93，其中：
第一划分模块91，被配置为获取当前图像帧，并按照预设的图像尺寸将当前图像帧切分为多个图像块。
第一确定模块92，被配置为对于每个图像块，确定图像块的初始量化偏移信息，以及图像块的内容复杂度信息，其中，内容复杂度信息用于表征图像块中图像内容的复杂程度。
量化偏移确定模块93，被配置为根据内容复杂度信息调整初始量化偏移信息，以得到图像块的目标量化偏移信息。
具体的，本公开实施例的量化偏移信息的确定装置可以执行前述实施例提供的量化偏移信息的确定方法，其中，量化偏移信息的确定装置可以配置在电子设备中，该电子设备具有视频编码功能。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本公开实施例提供的量化偏移信息的确定装置，在确定量化偏移信息时，将当前图像帧划分为多个图像块，针对每个图像块，确定图像块的内容复杂和初始量化偏移信息，然后，结合内容复杂度信息对图像块的初始量化偏移信息进行调整，以得到图像块的目标量化偏移信息。由此，结合对应图像块的图像内容情况，自适应性地确定出对应图像块所对应的量化偏移信息，实现了量化偏移信息的自适应性调整，方便了后续可基于每个图像块各自对应量化偏移信息进行编码，从而可实现在减少图像的失真，保证了图像质量的同时，不损失压缩效率。
图10是根据一示例性实施例示出的另一种量化偏移信息的确定装置的框图。参照图10，在图9所示的基础上，该装置90中的第一确定模块92可以包括：
第一获取子模块921，被配置为获取图像块对应的梯度图像块和边缘图像块。
第二确定子模块922，被配置为根据梯度图像块，确定图像块的梯度分布特征信息。
第三确定子模块923，被配置为根据边缘图像块，确定图像块的边缘强度信息。以及
第四确定子模块924，被配置为根据梯度分布特征信息和边缘强度信息，确定图像块的内容复杂度信息。
在本公开的一个实施例中，第一获取子模块921，包括：
梯度单元9211，被配置为对当前图像帧进行梯度处理，以得到当前图像帧的梯度图像。
二值化处理单元9212，被配置为对梯度图像进行二值化处理，以得到当前图像帧的边缘图像。
切分单元9213，被配置为按照预设的图像尺寸将梯度图像和边缘图像分别进行切分处理，以得到当前图像帧的梯度图像块集合和边缘图像块集合。
第一获取单元9214，被配置为从梯度图像块集合中获取图像块对应的梯度图像块。
以及
第二获取单元9215，被配置为从边缘图像块集合中获取图像块对应的边缘图像块。
在本公开的一个实施例中，如图10所示，该第一确定模块92，包括：
第二获取子模块925，被配置为获取对图像块所使用的预测模式。
第三获取子模块926，被配置为获取在预测模式下图像块的残差频域系数信息所在的频段信息。以及
第五确定子模块927，被配置为根据预测模式和频段信息，确定图像块的初始量化偏移信息。
在本公开的一个实施例中，如图10所示，该量化偏移确定模块93可以包括：
加权子模块931，被配置为对内容复杂度信息进行加权，以得到加权后的内容复杂度信息；以及
计算子模块932，被配置为将初始量化偏移信息和加权后的内容复杂度信息进行相乘，以得到图像块的目标量化偏移信息。
在本公开的一个实施例中，如图10所示，该第二确定子模块922可以包括：
统计单元9221，被配置为对梯度图像块中每个图像单元的梯度方向进行统计，以得到每个图像单元的梯度方向。
划分单元9222，被配置为根据预设角度间隔将预设的角度范围划分成N组，其中，预设的角度范围为0度到360度，N为大于1的整数。
分组单元9223，被配置为按照每个图像单元的梯度方向对图像单元进行分组，以获取每个分组中图像单元的个数。以及
第一确定单元9224，被配置为根据梯度图像块中的图像单元总数和每个分组中图像单元的个数，确定图像块的梯度方向分布特征信息。
在本公开的实施例中，梯度方向分布特征信息包括分组总数以及每个分组的频率，其中，第四确定子模块924包括：
第一生成单元9241，被配置为根据图像块的分组总数和每个分组的频率生成第一复杂度；
第二生成单元9242，被配置为根据边缘强度信息生成第二复杂度；以及
第二确定单元9243，被配置为根据第一复杂度和第二复杂度确定图像块的内容复杂度信息。
在本公开的一个实施例中，第三确定子模块923具体被配置为：计算边缘图像块中多个图像单元的取值的方差，并将计算得到的方差作为图像块的边缘强度信息。
在本公开的一个实施例中，如图10所示，第五确定子模块927可以包括：
第三确定单元9271，被配置为根据预测模式和频段信息，确定图像块的残差频域系数信息所对应的分布参数。以及
第四确定单元9272，被配置为基于分布参数和初始量化偏移信息之间的函数关系，利用图像块对应的分布参数，确定图像块的初始量化偏移信息。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本公开实施例的量化偏移信息的确定装置，在将当前图像帧切分为多个图像块后，对每个图像块，根据该图像块的梯度图像块确定对应图像块的梯度分布特征信息，以及根据该图像块的边缘图像块来确定该图像块的边缘强度信息，并基于梯度分布特征信息和边缘强度信息确定出该图像块的内容复杂度信息，并基于该图像块的内容复杂度信息对该图像块的初始量化偏移信息进行调整，以得到该图像块的目标量化偏移信息。由此，结合图像块的梯度情况和边缘情况，准确分析出了该图像块的内容复杂度信息，方便了后续基于该图像块的内容复杂度信息，准确确定出该图像块的目标量化偏移信息，进而方便了后续自适应确定出的量化偏移信息对相应图像块进行编码，从而可实现在减少图像的失真，保证了图像质量的同时，不损失压缩效率。
图11是根据一示例性实施例示出的一种图像编码装置的框图。参照图11，该装置110包括第二划分模块111、第二确定模块112和编码模块113，其中：
该第二划分模块111，被配置为获取待编码图像帧，将待编码图像帧划分为多个图像块。
该第二确定模块112，被配置为对于每一个图像块，根据上述的量化偏移信息的确定方法，确定图像块的自适应量化偏移信息。
该编码模块113，被配置为根据自适应量化偏移信息对图像块进行编码。
需要说明的是，本公开实施例的图像编码装置可以执行前述实施例提供的图像编码方法，其中，该图像编码装置可以配置在电子设备中，从而使得电子设备可对视频进行编码。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本公开实施例的图像编码装置，在对待编码图像帧进行编码处理时，对待编码图像帧进行划分以得到多个图像块，并针对每个图像块，确定该图像块的初始量化偏移信息和内容复杂度信息，并基于内容复杂度信息对初始量化偏移信息进行调整，以得到该图像块的自适应量化偏移信息，并结合自适应量化偏移信息对该图像块进行编码处理。由此，在对待编码图像帧进行编码的过程中，结合待编码图像帧中各个图像块的内容复杂度信息，实现量化偏移信息的自适应调整，并结合各个图像块各自所对应的自适应量化偏移信息进行编码，从而可实现在减少图像帧的失真，保证了图像帧质量的同时，不损失压缩效率。
图12是根据一示例性实施例示出的另一种图像编码装置的框图。参照图12，在图11的基础上，该装置110还可以包括：
第三确定模块114，被配置为根据自适应量化偏移信息对图像块进行编码后，确定图像块编码后的第一率失真代价信息。
第四确定模块115，被配置为当第一率失真代价信息与第二率失真代价信息的差值小于预设阈值时，将根据自适应量化偏移信息对图像块进行编码得到的编码数据作为图像块的目标编码数据，第二率失真代价信息为根据编码器对应的固定量化偏移信息对图像块进行编码后的率失真代价信息。
在本公开的一个实施例中，如图12所示，该装置110还可以包括：
第五确定模块116，被配置为当第一率失真代价信息与第二率失真代价信息的差值不小于预设阈值时，将根据编码器对应的固定量化偏移信息对图像块进行编码得到的编码数据作为目标编码数据。
在本公开的一个实施例中，如图12所示，该装置110还包括：
第六确定模块117，被配置为根据图像块的内容复杂度信息确定预设阈值。
在本申请的一个实施例中，如图12所示，该装置110还可以包括：
第一获取模块118，被配置为获取图像块对应的梯度图像块和边缘图像块。
第七确定模块119，被配置为根据梯度图像块，确定图像块的梯度分布特征信息。
第八确定模块120，被配置为根据边缘图像块，确定图像块的边缘强度信息。以及
第九确定模块121，被配置为根据梯度分布特征信息和边缘强度信息，确定图像块的内容复杂度信息。
本公开实施例的图像编码装置，对于待编码图像帧，将待编码图像帧划分为多个图像块，并对于每一个图像块，根据上述实施例的量化偏移信息的确定方法，确定图像块的自适应量化偏移信息，根据自适应量化偏移信息对图像块进行编码，以及确定图像块编码后的第一率失真代价信息，并将第一率失真代价以及第二率失真代价的差值与预设阈值进行比较，当第一率失真代价信息与第二率失真代价信息的差值小于预设阈值时，将根据自适应量化偏移信息对图像块进行编码得到的编码数据作为图像块的目标编码数据；当第一率失真代价信息与第二率失真代价信息的差值不小于预设阈值时，将根据编码器对应的固定量化偏移信息对图像块进行编码得到的编码数据作为目标编码数据，并基于目标编码数据完成图像块的编码，从而可进一步减少图像块的失真，进而可减少图像帧的失真，保证图像帧的质量的同时，不损失压缩效率。
图13是根据一示例性实施例示出的一种电子设备200的框图。
如图13所示，上述电子设备200包括：
处理器220、用于存储处理器220可执行指令的存储器210；
其中，处理器220被配置为执行指令，以实现本公开实施例的量化偏移信息的确定方法，或者，图像编码方法。
在一种可能的实现形式中，电子设备还可以包括连接不同组件(包括存储器210和处理器220)的总线230。
总线230表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备200典型地包括多种电子设备可读介质。这些介质可以是任何能够被电子设备200访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器210还可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)240和/或高速缓存存储器250。电子设备200可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统260可以用于读写不可移动的、非易失性磁介质(图13未显示，通常称为“硬盘驱动器”)。尽管图13中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线230相连。存储器210可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本公开各实施例的功能。
具有一组(至少一个)程序模块270的程序/实用工具280，可以存储在例如存储器210中，这样的程序模块270包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块270通常执行本公开所描述的实施例中的功能和/或方法。
电子设备200也可以与一个或多个外部设备290(例如键盘、指向设备、显示器291等)通信，还可与一个或者多个使得用户能与该电子设备200交互的设备通信，和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口292进行。并且，电子设备200还可以通过网络适配器293与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图13所示，网络适配器293通过总线230与电子设备200的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器220通过运行存储在存储器210中的程序，从而执行各种功能应用以及数据处理。
在一个实施例中，该处理器220可以被配置为执行本公开实施例的量化偏移信息的确定方法。
在另一个实施中，该处理器可以被配置为执行本公开实施例的图像编码方法。
其中，需要说明的是，前述实施例中的关于量化偏移信息的确定方法以及图像编码方法的解释说明也适用于本实施例，本实施例不再赘述。
在示例性实施例中，还提供了一种包括指令的存储介质，例如包括指令的存储器，上述指令可由装置200的处理器220执行以完成上述方法。可选地，存储介质可以是非临时性计算机可读存储介质，例如，非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中，还提供了一种计算机程序产品，该计算机程序由电子设备的处理器执行时，使得电子设备能够执行如前的量化偏移信息的确定方法以及图像编码方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (30)
1.一种量化偏移信息的确定方法，其特征在于，包括：
获取当前图像帧，并按照预设的图像尺寸将所述当前图像帧切分为多个图像块；
对于每个所述图像块，确定所述图像块的初始量化偏移信息，以及所述图像块的内容复杂度信息，其中，基于图像块的梯度分布特征信息和边缘强度信息确定所述图像块的内容复杂度信息，所述内容复杂度信息用于表征所述图像块中图像内容的复杂程度；
根据所述内容复杂度信息调整所述初始量化偏移信息，以得到所述图像块的目标量化偏移信息。
2.根据权利要求1所述的量化偏移信息的确定方法，其特征在于，所述确定所述图像块的内容复杂度信息，包括：
获取所述图像块对应的梯度图像块和边缘图像块；
根据所述梯度图像块，确定所述图像块的梯度分布特征信息；
根据所述边缘图像块，确定所述图像块的边缘强度信息；以及
根据所述梯度分布特征信息和所述边缘强度信息，确定所述图像块的内容复杂度信息。
3.根据权利要求2所述的量化偏移信息的确定方法，其特征在于，所述获取所述图像块对应的梯度图像块和边缘图像块，包括：
对所述当前图像帧进行梯度处理，以得到所述当前图像帧的梯度图像；
对所述梯度图像进行二值化处理，以得到所述当前图像帧的边缘图像；
按照所述预设的图像尺寸将所述梯度图像和所述边缘图像分别进行切分处理，以得到所述当前图像帧的梯度图像块集合和边缘图像块集合；
从所述梯度图像块集合中获取所述图像块对应的所述梯度图像块；以及
从所述边缘图像块集合中获取所述图像块对应的所述边缘图像块。
4.根据权利要求1所述的量化偏移信息的确定方法，其特征在于，所述确定所述图像块的初始量化偏移信息，包括：
获取对所述图像块所使用的预测模式；
获取在所述预测模式下所述图像块的残差频域系数信息所在的频段信息；以及
根据所述预测模式和所述频段信息，确定所述图像块的初始量化偏移信息。
5.根据权利要求1所述的量化偏移信息的确定方法，其特征在于，所述根据所述内容复杂度信息调整所述初始量化偏移信息，以得到所述图像块的目标量化偏移信息，包括：
对所述内容复杂度信息进行加权，以得到加权后的内容复杂度信息；以及
将所述初始量化偏移信息和所述加权后的内容复杂度信息进行相乘，以得到所述图像块的目标量化偏移信息。
6.根据权利要求2所述的量化偏移信息的确定方法，其特征在于，所述根据所述梯度图像块，确定所述图像块的梯度分布特征信息，包括：
对所述梯度图像块中每个图像单元的梯度方向进行统计，以得到所述每个图像单元的梯度方向；
根据预设角度间隔将预设的角度范围划分成N组，其中，所述预设的角度范围为0度到360度，N为大于1的整数；
按照所述每个图像单元的梯度方向对图像单元进行分组，以获取每个分组中图像单元的个数；以及
根据所述梯度图像块中的图像单元总数和每个分组中图像单元的个数，确定所述图像块的梯度方向分布特征信息。
7.根据权利要求6所述的量化偏移信息的确定方法，其特征在于，所述梯度方向分布特征信息包括分组总数以及每个分组的频率，其中，所述根据所述梯度分布特征信息和所述边缘强度信息，确定所述图像块的内容复杂度信息，包括：
根据所述图像块的分组总数和每个分组的频率生成第一复杂度；
根据所述边缘强度信息生成第二复杂度；以及
根据所述第一复杂度和所述第二复杂度确定所述图像块的内容复杂度信息。
8.根据权利要求2所述的量化偏移信息的确定方法，其特征在于，所述根据所述边缘图像块，确定所述图像块的边缘强度信息，包括：
计算所述边缘图像块中多个图像单元的取值的方差，并将计算得到的方差作为所述图像块的边缘强度信息。
9.根据权利要求4所述的量化偏移信息的确定方法，其特征在于，所述根据所述预测模式和所述频段信息，确定所述图像块的初始量化偏移信息，包括：
根据所述预测模式和所述频段信息，确定所述图像块的残差频域系数信息所对应的分布参数；以及
基于分布参数和初始量化偏移信息之间的函数关系，利用所述图像块对应的分布参数，确定所述图像块的初始量化偏移信息。
10.一种图像编码方法，其特征在于，包括：
获取待编码图像帧，将所述待编码图像帧划分为多个图像块；
对于每一个所述图像块，根据权利要求1-9任一项所述的量化偏移信息的确定方法，确定所述图像块的自适应量化偏移信息；
根据所述自适应量化偏移信息对所述图像块进行编码。
11.如权利要求10所述的图像编码方法，其特征在于，还包括：
根据所述自适应量化偏移信息对所述图像块进行编码后，确定所述图像块编码后的第一率失真代价信息；
当所述第一率失真代价信息与第二率失真代价信息的差值小于预设阈值时，将根据所述自适应量化偏移信息对所述图像块进行编码得到的编码数据作为所述图像块的目标编码数据，所述第二率失真代价信息为根据编码器对应的固定量化偏移信息对所述图像块进行编码后的率失真代价信息。
12.根据权利要求11所述的图像编码方法，其特征在于，还包括：
当所述第一率失真代价信息与第二率失真代价信息的差值不小于预设阈值时，将根据编码器对应的固定量化偏移信息对所述图像块进行编码得到的编码数据作为目标编码数据。
13.根据权利要求11或12所述的图像编码方法，其特征在于，
根据所述图像块的内容复杂度信息确定所述预设阈值。
14.根据权利要求13所述的图像编码方法，其特征在于，在所述根据所述图像块的内容复杂度信息确定所述预设阈值之前，还包括：
获取所述图像块对应的梯度图像块和边缘图像块；
根据所述梯度图像块，确定所述图像块的梯度分布特征信息；
根据所述边缘图像块，确定所述图像块的边缘强度信息；以及
根据所述梯度分布特征信息和所述边缘强度信息，确定所述图像块的内容复杂度信息。
15.一种量化偏移信息的确定装置，其特征在于，包括：
第一划分模块，被配置为获取当前图像帧，并按照预设的图像尺寸将所述当前图像帧切分为多个图像块；
第一确定模块，被配置为对于每个所述图像块，确定所述图像块的初始量化偏移信息，以及所述图像块的内容复杂度信息，其中，基于图像块的梯度分布特征信息和边缘强度信息确定所述图像块的内容复杂度信息，所述内容复杂度信息用于表征所述图像块中图像内容的复杂程度；
量化偏移确定模块，被配置为根据所述内容复杂度信息调整所述初始量化偏移信息，以得到所述图像块的目标量化偏移信息。
16.根据权利要求15所述的量化偏移信息的确定装置，其特征在于，所述第一确定模块，包括：
第一获取子模块，被配置为获取所述图像块对应的梯度图像块和边缘图像块；
第二确定子模块，被配置为根据所述梯度图像块，确定所述图像块的梯度分布特征信息；
第三确定子模块，被配置为根据所述边缘图像块，确定所述图像块的边缘强度信息；以及
第四确定子模块，被配置为根据所述梯度分布特征信息和所述边缘强度信息，确定所述图像块的内容复杂度信息。
17.根据权利要求16所述的量化偏移信息的确定装置，其特征在于，所述第一获取子模块，包括：
梯度单元，被配置为对所述当前图像帧进行梯度处理，以得到所述当前图像帧的梯度图像；
二值化处理单元，被配置为对所述梯度图像进行二值化处理，以得到所述当前图像帧的边缘图像；
切分单元，被配置为按照所述预设的图像尺寸将所述梯度图像和所述边缘图像分别进行切分处理，以得到所述当前图像帧的梯度图像块集合和边缘图像块集合；
第一获取单元，被配置为从所述梯度图像块集合中获取所述图像块对应的所述梯度图像块；以及
第二获取单元，被配置为从所述边缘图像块集合中获取所述图像块对应的所述边缘图像块。
18.根据权利要求15所述的量化偏移信息的确定装置，其特征在于，所述第一确定模块，包括：
第二获取子模块，被配置为获取对所述图像块所使用的预测模式；
第三获取子模块，被配置为获取在所述预测模式下所述图像块的残差频域系数信息所在的频段信息；以及
第五确定子模块，被配置为根据所述预测模式和所述频段信息，确定所述图像块的初始量化偏移信息。
19.根据权利要求15所述的量化偏移信息的确定装置，其特征在于，所述量化偏移确定模块，包括：
加权子模块，被配置为对所述内容复杂度信息进行加权，以得到加权后的内容复杂度信息；以及
计算子模块，被配置为将所述初始量化偏移信息和所述加权后的内容复杂度信息进行相乘，以得到所述图像块的目标量化偏移信息。
20.根据权利要求16所述的量化偏移信息的确定装置，其特征在于，所述第二确定子模块，包括：
统计单元，被配置为对所述梯度图像块中每个图像单元的梯度方向进行统计，以得到所述每个图像单元的梯度方向；
划分单元，被配置为根据预设角度间隔将预设的角度范围划分成N组，其中，所述预设的角度范围为0度到360度，N为大于1的整数；
分组单元，被配置为按照所述每个图像单元的梯度方向对图像单元进行分组，以获取每个分组中图像单元的个数；以及
第一确定单元，被配置为根据所述梯度图像块中的图像单元总数和每个分组中图像单元的个数，确定所述图像块的梯度方向分布特征信息。
21.根据权利要求20所述的量化偏移信息的确定装置，其特征在于，所述梯度方向分布特征信息包括分组总数以及每个分组的频率，其中，所述第四确定子模块，包括：
第一生成单元，被配置为根据所述图像块的分组总数和每个分组的频率生成第一复杂度；
第二生成单元，被配置为根据所述边缘强度信息生成第二复杂度；以及
第二确定单元，被配置为根据所述第一复杂度和所述第二复杂度确定所述图像块的内容复杂度信息。
22.根据权利要求16所述的量化偏移信息的确定装置，其特征在于，所述第三确定子模块，具体被配置为：
计算所述边缘图像块中多个图像单元的取值的方差，并将计算得到的方差作为所述图像块的边缘强度信息。
23.根据权利要求18所述的量化偏移信息的确定装置，其特征在于，所述第五确定子模块，包括：
第三确定单元，被配置为根据所述预测模式和所述频段信息，确定所述图像块的残差频域系数信息所对应的分布参数；以及
第四确定单元，被配置为基于分布参数和初始量化偏移信息之间的函数关系，利用所述图像块对应的分布参数，确定所述图像块的初始量化偏移信息。
24.一种图像编码装置，其特征在于，包括：
第二划分模块，被配置为获取待编码图像帧，将所述待编码图像帧划分为多个图像块；
第二确定模块，被配置为对于每一个所述图像块，根据权利要求1-9任一项所述的量化偏移信息的确定方法，确定所述图像块的自适应量化偏移信息；
编码模块，被配置为根据所述自适应量化偏移信息对所述图像块进行编码。
25.如权利要求24所述的图像编码装置，其特征在于，还包括：
第三确定模块，被配置为根据所述自适应量化偏移信息对所述图像块进行编码后，确定所述图像块编码后的第一率失真代价信息；
第四确定模块，被配置为当所述第一率失真代价信息与第二率失真代价信息的差值小于预设阈值时，将根据所述自适应量化偏移信息对所述图像块进行编码得到的编码数据作为所述图像块的目标编码数据，所述第二率失真代价信息为根据编码器对应的固定量化偏移信息对所述图像块进行编码后的率失真代价信息。
26.根据权利要求25所述的图像编码装置，其特征在于，还包括：
第五确定模块，被配置为当所述第一率失真代价信息与第二率失真代价信息的差值不小于预设阈值时，将根据编码器对应的固定量化偏移信息对所述图像块进行编码得到的编码数据作为目标编码数据。
27.根据权利要求25或26所述的图像编码装置，其特征在于，还包括：
第六确定模块，被配置为根据所述图像块的内容复杂度信息确定所述预设阈值。
28.根据权利要求27所述的图像编码装置，其特征在于，还包括：
第一获取模块，被配置为获取所述图像块对应的梯度图像块和边缘图像块；
第七确定模块，被配置为根据所述梯度图像块，确定所述图像块的梯度分布特征信息；
第八确定模块，被配置为根据所述边缘图像块，确定所述图像块的边缘强度信息；以及
第九确定模块，被配置为根据所述梯度分布特征信息和所述边缘强度信息，确定所述图像块的内容复杂度信息。
29.一种电子设备，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如权利要求1至9中任一项所述的量化偏移信息的确定方法，或者，权利要求10至14中任一项所述的图像编码方法。
30.一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1至9中任一项所述的量化偏移信息的确定方法，或者，权利要求10至14中任一项所述的图像编码方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010722699.8A CN111988611B (zh) | 2020-07-24 | 2020-07-24 | 量化偏移信息的确定方法、图像编码方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010722699.8A CN111988611B (zh) | 2020-07-24 | 2020-07-24 | 量化偏移信息的确定方法、图像编码方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111988611A CN111988611A (zh) | 2020-11-24 |
| CN111988611B true CN111988611B (zh) | 2024-03-05 |
Family
ID=73438062
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010722699.8A Active CN111988611B (zh) | 2020-07-24 | 2020-07-24 | 量化偏移信息的确定方法、图像编码方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111988611B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112738515B (zh) * | 2020-12-28 | 2023-03-24 | 北京百度网讯科技有限公司 | 用于自适应量化的量化参数调整方法和装置 |
| CN112991446A (zh) | 2021-03-10 | 2021-06-18 | 北京百度网讯科技有限公司 | 图像稳像方法、装置、路侧设备以及云控平台 |
| WO2022198465A1 (zh) * | 2021-03-23 | 2022-09-29 | 华为技术有限公司 | 一种编码方法及装置 |
| CN113259667B (zh) * | 2021-05-17 | 2023-01-31 | 北京百度网讯科技有限公司 | 视频量化方法、装置、电子设备和计算机可读存储介质 |
| CN113395518B (zh) * | 2021-08-13 | 2022-03-15 | 杭州微帧信息科技有限公司 | 一种视频编码自适应量化死区的方法 |
| CN114222121B (zh) * | 2021-12-21 | 2023-11-14 | 北京达佳互联信息技术有限公司 | 视频编码方法、装置、电子设备和计算机可读存储介质 |
| CN114554204A (zh) * | 2022-01-20 | 2022-05-27 | 珠海全志科技股份有限公司 | 一种编码图像画质调节方法及装置 |
| CN114531594B (zh) * | 2022-02-16 | 2023-05-26 | 北京百度网讯科技有限公司 | 一种数据处理方法、装置、设备及存储介质 |
| CN116095320A (zh) * | 2022-12-30 | 2023-05-09 | 杭州海康威视数字技术股份有限公司 | 量化参数调整方法、装置、设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102243706A (zh) * | 2011-08-18 | 2011-11-16 | 杭州海康威视软件有限公司 | 基于目标边缘方向的目标分类方法和系统 |
| CN108174210A (zh) * | 2018-02-09 | 2018-06-15 | 杭州雄迈集成电路技术有限公司 | 一种适用于视频压缩的自适应宏块级码率控制系统及控制方法 |
| CN109819253A (zh) * | 2017-11-21 | 2019-05-28 | 腾讯科技（深圳）有限公司 | 视频编码方法、装置、计算机设备和存储介质 |
| CN109816673A (zh) * | 2018-12-27 | 2019-05-28 | 合肥工业大学 | 一种非极大值抑制、动态阈值计算及图像边缘检测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9661329B2 (en) * | 2014-04-30 | 2017-05-23 | Intel Corporation | Constant quality video coding |
-
2020
- 2020-07-24 CN CN202010722699.8A patent/CN111988611B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102243706A (zh) * | 2011-08-18 | 2011-11-16 | 杭州海康威视软件有限公司 | 基于目标边缘方向的目标分类方法和系统 |
| CN109819253A (zh) * | 2017-11-21 | 2019-05-28 | 腾讯科技（深圳）有限公司 | 视频编码方法、装置、计算机设备和存储介质 |
| CN108174210A (zh) * | 2018-02-09 | 2018-06-15 | 杭州雄迈集成电路技术有限公司 | 一种适用于视频压缩的自适应宏块级码率控制系统及控制方法 |
| CN109816673A (zh) * | 2018-12-27 | 2019-05-28 | 合肥工业大学 | 一种非极大值抑制、动态阈值计算及图像边缘检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111988611A (zh) | 2020-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111988611B (zh) | 量化偏移信息的确定方法、图像编码方法、装置及电子设备 | |
| AU2021202099B2 (en) | Systems and methods for encoder-guided adaptive-quality rendering | |
| US8401280B2 (en) | Device for improving stereo matching results, method of improving stereo matching results using the device, and system for receiving stereo matching results | |
| CN103313047B (zh) | 一种视频编码方法及装置 | |
| US11917163B2 (en) | ROI-based video coding method and device | |
| US11593968B2 (en) | Coefficient context modeling in video coding | |
| US20230343017A1 (en) | Virtual viewport generation method and apparatus, rendering and decoding methods and apparatuses, device and storage medium | |
| CN113906762B (zh) | 用于视频压缩的预处理 | |
| CN115311161A (zh) | 基于人工智能的图像增强方法、装置、设备以及存储介质 | |
| US11979587B2 (en) | Hybrid inter-frame coding using an autoregressive model | |
| CN117041581B (zh) | 一种用于视频编码参数优化的方法、装置及设备 | |
| KR101517019B1 (ko) | 블록특성을 이용한 적응 이미지 압축방법 및 그 시스템 | |
| CN111770330B (zh) | 图像压缩方法、装置以及电子设备 | |
| JPH0993585A (ja) | 動きベクトル検出装置及び動きベクトル検出方法 | |
| JP2002232888A (ja) | 映像信号符号化方法、その装置、そのプログラム及びその記録媒体 | |
| CN112104878A (zh) | 图像编码方法、装置、编码端设备及存储介质 | |
| CN113573070A (zh) | 一种图像编码方法及装置、计算机存储介质 | |
| CN117115433A (zh) | 显示异常检测方法、装置、设备及存储介质 | |
| CN117714697A (zh) | 数字人视频显示方法及设备 | |
| CN116668713A (zh) | 样点自适应补偿模式决策方法、装置、介质及终端设备 | |
| US20200329232A1 (en) | Method and device for encoding or decoding video signal by using correlation of respective frequency components in original block and prediction block | |
| JPH0993584A (ja) | 動きベクトル検出装置及び動きベクトル検出方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |