CN113099230B - 编码方法、装置、电子设备及计算机可读存储介质 - Google Patents

编码方法、装置、电子设备及计算机可读存储介质 Download PDF

Info

Publication number
CN113099230B
CN113099230B CN202110199486.6A CN202110199486A CN113099230B CN 113099230 B CN113099230 B CN 113099230B CN 202110199486 A CN202110199486 A CN 202110199486A CN 113099230 B CN113099230 B CN 113099230B
Authority
CN
China
Prior art keywords
compensation
reconstructed image
combination
pixel
compensation value
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
CN202110199486.6A
Other languages
English (en)
Other versions
CN113099230A (zh
Inventor
张雪
江东
林聚财
殷俊
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.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua 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 Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN202110199486.6A priority Critical patent/CN113099230B/zh
Publication of CN113099230A publication Critical patent/CN113099230A/zh
Priority to PCT/CN2021/143872 priority patent/WO2022174685A1/en
Priority to EP21926397.7A priority patent/EP4176583A4/en
Application granted granted Critical
Publication of CN113099230B publication Critical patent/CN113099230B/zh
Priority to US18/171,397 priority patent/US20230206602A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • 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
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/422—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor
    • G06V10/424—Syntactic representation, e.g. by using alphabets or grammars
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • H04N19/117—Filters, e.g. for pre-processing or post-processing
    • 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
    • H04N19/136—Incoming video signal characteristics or properties
    • 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
    • H04N19/182—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 a pixel
    • 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
    • H04N19/184—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 bits, e.g. of the compressed video stream
    • 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
    • H04N19/186—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 a colour or a chrominance component

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Compression Of Band Width Or Redundancy In Fax (AREA)

Abstract

本发明提供一种编码方法、装置、电子设备以及计算机可读存储介质。编码方法包括：利用第一方式对色度重建图像进行分类，得到第一类别组合；以及利用第二方式对所述色度重建图像进行分类，得到第二类别组合；根据所述第一类别组合以及所述第二类别组合得到第三补偿值；利用所述第三补偿值对所述色度重建图像进行补偿。用于提高补偿精度以及编码效率。

Description

编码方法、装置、电子设备及计算机可读存储介质
技术领域
本发明涉及视频编码技术领域，特别是涉及一种编码方法、装置、电子设备及计算机可读存储介质。
背景技术
现有技术中，对色度分量进行分类时，仅考虑像素值的大小，这会导致分类结果的准确性不足，从而补偿结果不准确。
发明内容
本发明提供一种编码方法、装置、电子设备以及计算机可读存储介质。用于提高补偿精度以及编码效率。
为解决上述技术问题，本发明提供的第一个技术方案为：提供一种编码方法，包括：利用第一方式对色度重建图像进行分类，得到第一类别组合；以及利用第二方式对色度重建图像进行分类，得到第二类别组合；根据第一类别组合以及第二类别组合得到第三补偿值；利用第三补偿值对色度重建图像进行补偿。
为解决上述技术问题，本发明提供的第二个技术方案为：提供一种编码装置，包括：分类模块，用于利用第一方式对色度重建图像进行分类，得到第一类别组合；以及利用第二方式对色度重建图像进行分类，得到第二类别组合；计算模块，用于根据第一类别组合以及第二类别组合得到第三补偿值；补偿模块，用于利用第三补偿值对色度重建图像进行补偿。
为解决上述技术问题，本发明提供的第三个技术方案为：提供一种编码方法，包括：利用第一补偿值对重建图像进行补偿进而得到第一重建图像；利用第二补偿值对第一重建图像进行补偿。
为解决上述技术问题，本发明提供的第四个技术方案为：提供一种编码装置，包括：第一补偿模块，用于利用第一补偿值对重建图像进行补偿进而得到第一重建图像；第二补偿模块，用于利用第二补偿值对第一重建图像进行补偿。
为解决上述技术问题，本发明提供的第五个技术方案为：提供一种编码方法，包括：利用多个可选补偿值对重建图像进行补偿，补偿的方式包括一次补偿和两次补偿；根据多个可选补偿值的补偿结果选择最佳补偿值；利用最佳补偿值对重建图像进行编码，进而得到码流。
为解决上述技术问题，本发明提供的第六个技术方案为：提供一种编码装置，包括：补偿模块，用于利用多个可选补偿值对重建图像进行补偿，补偿的方式包括一次补偿和两次补偿；选择模块，用于根据多个可选补偿值的补偿结果选择最佳补偿值；编码模块，用于利用最佳补偿值对重建图像进行编码，进而得到码流。
为解决上述技术问题，本发明提供的第七个技术方案为：提供一种编码方法，包括：利用多个可选补偿值对重建图像进行补偿，补偿的方式包括一次补偿和两次补偿；根据多个可选补偿值的补偿结果选择至少两组最终补偿值；利用至少两组最终补偿值对每一重建图像进行编码，进而得到码流。
为解决上述技术问题，本发明提供的第八个技术方案为：提供一种编码装置，包括：补偿模块，用于利用多个可选补偿值对重建图像进行补偿，补偿的方式包括一次补偿和两次补偿；选择模块，用于根据多个可选补偿值的补偿结果选择至少两组最终补偿值；编码模块，用于利用至少两组最终补偿值对每一重建图像进行编码，进而得到码流。
为解决上述技术问题，本发明提供的第九个技术方案为：提供一种电子设备，包括相互藕接的处理器以及存储器，其中，存储器用于存储实现上述任一项的编码方法的程序指令；处理器用于执行存储器存储的程序指令。
为解决上述技术问题，本发明提供的第十个技术方案为：提供一种计算机可读存储介质，存储有程序文件，程序文件能够被执行以实现上述任一项的编码方法。
本发明的有益效果，区别于现有技术，本发明通过利用第一方式计算色度重建图像中每一像素的第一补偿值；以及利用第二方式计算色度重建图像中每一像素的第二补偿值；基于第一补偿值以及第二补偿值对色度重建图像进行补偿。以此提高补偿精度以及编码效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，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它的附图，其中：
图1为本发明编码方法的第一实施例的流程示意图；
图2为本发明编码装置的第一实施例的结构示意图；
图3为本发明编码方法的第二实施例的流程示意图；
图4为本发明编码装置的第二实施例的结构示意图；
图5为本发明编码方法的第三实施例的流程示意图；
图6为本发明编码装置的第三实施例的结构示意图；
图7为本发明编码方法的第四实施例的流程示意图；
图8为本发明编码装置的第四实施例的结构示意图；
图9是本发明电子设备的一实施例的结构示意图；
图10是本发明计算机可读存储介质的结构示意图。
具体实施方法
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
下面结合附图和实施例对本发明进行详细的说明。
请参见图1，为本发明编码方法的第一实施例的结构示意图。现有技术中，在对色度重建图像进行补偿时，仅根据像素值的大小进行分类，没有结合当前像素与周围像素的关系进行分类，从而使得分类结果的准确性还有提升空间。本实施例中，在对色度重建图像进行补偿时，结合当前像素与周围像素的关系进行分类，能够提高分类结果的准确性，并进一步提高补偿精度。
步骤S11：利用第一方式对色度重建图像进行分类，得到第一类别组合；以及利用第二方式对所述色度重建图像进行分类，得到第二类别组合。
具体的，根据色度重建图像中每一像素与周围像素的像素值的关系对每一像素进行分类，以得到第一类别组合，并得到第一类别组合对应的第一补偿值。在一具体实施例中，比较色度重建图像中当前像素与周围8个像素的大小，进而确定当前像素的第一类别组合。具体的，共有两种分类模式，分别可以将色度重建图像中的像素分类17类和9类。
根据色度重建图像中每一像素的像素值对每一像素进行分类，以得到第二类别组合，并得到第二类别组合对应的第二补偿值。具体的，对于色度重建图像而言，共有96种分类模式，不同模式将整个区间范围分为不同数量的区间。选定一种模式后，像素点的像素值属于哪个区间即为哪一类，每一模式对应一个区间数量也就是总类别数。例如第1种模式将整个区间分为两个均等的2个小区间，第96种模式将整个区间分为两个均等272的小区间。
步骤S12：根据所述第一类别组合以及所述第二类别组合得到第三补偿值。
在确定第一类别组合以及第二类别组合之后，对第一类别组合以及所述第二类别组合进行组合，以得到第三类别组合以及第三类别组合对应的第三补偿值。具体的，利用笛卡尔乘积算法对所述第一类别组合以及所述第二类别组合进行组合，以得到第三类别组合以及所述第三类别组合对应的所述第三补偿值。
例如，若分类得到的第一类别组合为17类，第二类别组合为10类，则笛卡尔乘积进行组合之后得到的类别为170个类别，则对应得到170个第三补偿值。
步骤S13：利用所述第三补偿值对所述色度重建图像进行补偿。
具体的，例如，将根据色度重建图像中每一像素与周围像素的像素值的关系对每一像素进行分类的分类方式记作方法1，其共有3种模式：像素分为17类，记作模式0；像素分类19类，记作模式1；像素分类1类，记作模式2。根据色度重建图像中每一像素的像素值对每一像素进行分类的分类方式记作方法2，方法2的分别类方法分得的类别根据方法1的不同情况不同。具体的，若方法1选择模式0或模式1的情况下，方法2将像素分类的模式有16种：像素分为1类，记作模式0；像素分为2类，记作模式1，……像素分为16类，记作模式15。方法1选择模式2的情况下，方法2将像素分类的模式有96种：像素分为2类，记作模式0，像素分为4类，记作模式1，……像素分为272类，记作模式95。模式选择过程在方法1中的几种模式中选择一种，在方法2中的几种模式中选择一种。对于每一种模式选择，利用笛卡尔乘积的方式将方法1分出的第一类别组合和方法2分出的第二类别组合进行组合，得到组合类别。对每一种组合类别，计算求得最优补偿值，也即第三补偿值。利用第三补偿值对色度重建图像进行补偿。具体的，像素属于哪一类，则利用哪一类对应的第三补偿值对该像素进行补偿。
在一具体实施例中，对色度重建图像进行补偿时，可以进一步判断每一编码单元的开关情况，若开关开启，则表示该编码单元具有滤波标记，利用第三补偿值对色度重建图像中具有滤波标记的编码单元进行补偿。
具体的，在利用第三补偿值对所述色度重建图像中具有滤波标记的编码单元进行补偿之后，进一步根据所述第三补偿值的补偿结果，选择出最终补偿值。具体的，可以利用率失真代价算法根据所述第三补偿值的补偿结果，选择出最终补偿值；利用最终补偿值对所述色度重建图像进行编码，进而得到码流。其中，码流包括句法元素，句法元素包括最终补偿值以及滤波标记。
例如在一实施例中，编码端的方法1选择模式0，对应将像素分为17类，方法2中选择了模式0，对应将像素分为1类；其笛卡尔积为17，因此计算得到的第三补偿值对应有17个。解码端对码流进行解码后，得到17个第三补偿值，利用17个第三补偿值进行解码。
再例如，在另一实施例中，编码端的方法1选择模式2，对应将像素分为1类，方法2中选择了模式95，对应将像素分为272类；其笛卡尔积为272，因此计算得到的第三补偿值对应有272个。解码端对码流进行解码后，得到272个第三补偿值，利用272个第三补偿值进行解码。
本实施例中，在对色度重建图像进行补偿时，不仅仅根据当前像素的像素值大小进行分类，还考虑当前像素与周围像素的关系进行分类，能够提高分类结果的准确性，并进一步提高补偿精度以及编码效率。
请参见图2，为本发明编码装置的第一实施例的结构示意图。具体包括：分类模块11、计算模块12以及补偿模块13。
其中，分类模块11用于利用第一方式对色度重建图像进行分类，得到第一类别组合；以及利用第二方式对所述色度重建图像进行分类，得到第二类别组合。
具体的，计算模块11用于根据色度重建图像中每一像素与周围像素的像素值的关系对每一像素进行分类，以得到第一类别组合，并得到第一类别组合对应的第一补偿值。在一具体实施例中，比较色度重建图像中当前像素与周围8个像素的大小，进而确定当前像素的第一类别组合。具体的，共有两种分类模式，分别可以将色度重建图像中的像素分类17类和9类。
计算模块11还用于根据色度重建图像中每一像素的像素值对每一像素进行分类，以得到第二类别组合，并得到第二类别组合对应的第二补偿值。具体的，对于色度重建图像而言，共有96种分类模式，不同模式将整个区间范围分为不同数量的区间。选定一种模式后，像素点的像素值属于哪个区间即为哪一类，每一模式对应一个区间数量也就是总类别数。例如第1种模式将整个区间分为两个均等的2个小区间，第96种模式将整个区间分为两个均等272的小区间。
计算模块12用于根据所述第一类别组合以及所述第二类别组合得到第三补偿值。
具体的，在确定第一类别组合以及第二类别组合之后，对第一类别组合以及所述第二类别组合进行组合，以得到第三类别组合以及第三类别组合对应的第三补偿值。具体的，利用笛卡尔乘积算法对所述第一类别组合以及所述第二类别组合进行组合，以得到第三类别组合以及所述第三类别组合对应的所述第三补偿值。
例如，若分类得到的第一类别组合为17类，第二类别组合为10类，则笛卡尔乘积进行组合之后得到的类别为170个类别，则对应得到170个第三补偿值。
补偿模块13用于利用所述第三补偿值对所述色度重建图像进行补偿。
具体的，例如，将根据色度重建图像中每一像素与周围像素的像素值的关系对每一像素进行分类的分类方式记作方法1，其共有3种模式：像素分为17类，记作模式0；像素分类19类，记作模式1；像素分类1类，记作模式2。根据色度重建图像中每一像素的像素值对每一像素进行分类的分类方式记作方法2，方法2的分别类方法分得的类别根据方法1的不同情况不同。具体的，若方法1选择模式0或模式1的情况下，方法2将像素分类的模式有16种：像素分为1类，记作模式0；像素分为2类，记作模式1，……像素分为16类，记作模式15。方法1选择模式2的情况下，方法2将像素分类的模式有96种：像素分为2类，记作模式0，像素分为4类，记作模式1，……像素分为272类，记作模式95。模式选择过程在方法1中的几种模式中选择一种，在方法2中的几种模式中选择一种。对于每一种模式选择，利用笛卡尔乘积的方式将方法1分出的第一类别组合和方法2分出的第二类别组合进行组合，得到组合类别。对每一种组合类别，计算求得最优补偿值，也即第三补偿值。利用第三补偿值对色度重建图像进行补偿。具体的，像素属于哪一类，则利用哪一类对应的第三补偿值对该像素进行补偿。
在一具体实施例中，对色度重建图像进行补偿时，可以进一步判断每一编码单元的开关情况，若开关开启，则表示该编码单元具有滤波标记，利用第三补偿值对色度重建图像中具有滤波标记的编码单元进行补偿。
具体的，在利用第三补偿值对所述色度重建图像中具有滤波标记的编码单元进行补偿之后，进一步根据所述第三补偿值的补偿结果，选择出最终补偿值。具体的，可以利用率失真代价算法根据所述第三补偿值的补偿结果，选择出最终补偿值；利用最终补偿值对所述色度重建图像进行编码，进而得到码流。其中，码流包括句法元素，句法元素包括最终补偿值以及滤波标记。
例如在一实施例中，编码端的方法1选择模式0，对应将像素分为17类，方法2中选择了模式0，对应将像素分为1类；其笛卡尔积为17，因此计算得到的第三补偿值对应有17个。解码端对码流进行解码后，得到17个第三补偿值，利用17个第三补偿值进行解码。
再例如，在另一实施例中，编码端的方法1选择模式2，对应将像素分为1类，方法2中选择了模式95，对应将像素分为272类；其笛卡尔积为272，因此计算得到的第三补偿值对应有272个。解码端对码流进行解码后，得到272个第三补偿值，利用272个第三补偿值进行解码。
本实施例中，在对色度重建图像进行补偿时，不仅仅根据当前像素的像素值大小进行分类，还考虑当前像素与周围像素的关系进行分类，能够提高分类结果的准确性，并进一步提高补偿精度以及编码效率。
请参见图3，为本发明编码方法的第二实施例的流程示意图。现有技术中，在对像素进行分类之后，仅仅利用笛卡尔乘积算法的方式，结合方式过于单一。本实施例提供多种结合方案，丰富组合方式，进一步提高补偿精度。
步骤S21：利用第一补偿值对重建图像进行补偿进而得到第一重建图像。
步骤S22：利用第二补偿值对第一重建图像进行补偿。
具体的，在一实施例中，可以根据重建图像中每一像素与周围像素的像素值的关系对每一像素进行分类，以得到第一类别组合，并得到第一类别组合对应的第一补偿值；利用第一补偿值对重建图像进行补偿进而得到第一重建图像。根据第一重建图像中每一像素的像素值对每一像素进行分类，以得到第二类别组合，并得到第二类别组合对应的第二补偿值。利用第二补偿值对第一重建图像进行补偿。
或者，在另一实施例中，还可以根据重建图像中每一像素的像素值对每一像素进行分类，以得到第一类别组合，得到第一类别组合对应的第一补偿值；利用第一补偿值对重建图像进行补偿进而得到第一重建图像。根据第一重建图像中每一像素与周围像素的像素值的关系对每一像素进行分类，以得到第二类别组合，并得到第二类别组合对应的第二补偿值。利用第二补偿值对第一重建图像进行补偿。
其中，重建图像包括色度重建图像以及亮度重建图像。
以亮度重建图像为例进行说明，若方法1根据亮度重建图像中每一像素与周围像素的像素值的关系对每一像素进行分类，得到第一类别组合。假设方法1有2种选择模式：模式0，分为17类；模式1，分为9类。从中选择最佳模式，以及对应的第一补偿值，对重建图像进行补偿，进而得到第一重建图像。接着进行方法2的分类，方法2根据第一重建图像中每一像素的像素值对每一像素进行分类，以得到第二类别组合。假设方法2有16种选择模式，分别为模式0至模式15，表示将整个像素区间分为1类到16类，并计算得到对应的第二补偿值，利用第二补偿值对第一重建图像进行补偿。
在本实施例中，在进行补偿时，可以进一步判断重建图像以及第一重建图像中的编码单元的开关情况，进而确定出重建图像以及第一重建图像中需要补偿的编码单元。利用第一补偿值对重建图像中需要补偿的编码单元进行补偿进而得到第一重建图像；利用第二补偿值对第一重建图像中需要补偿的编码单元进行补偿。
具体的，在遍历所有的第一补偿值以及第二补偿值之后，根据第一补偿值以及第二补偿值的补偿结果，选择出最终补偿值，最终补偿值包括最终第一补偿值以及最终第二补偿值。
具体的，在一实施例中，还可以利用第一补偿值对重建图像进行补偿后，根据补偿结果，选择出最终第一补偿值，利用选择出的最终第一补偿值对重建图像进行补偿，进而得到第一重建图像。利用第二补偿值对第一重建图像进行补偿，根据补偿结果，选择出最终第二补偿值。
利用选择的最终补偿值对重建图像进行编码，进而得到码流，码流包括句法元素，句法元素包括最终补偿值，以及重建图像中需要补偿的编码单元、第一重建图像中需要补偿的编码单元。
在解码端，根据句法元素解码出最终补偿值，以及重建图像中需要补偿的编码单元、第一重建图像中需要补偿的编码单元。进而利用最终补偿值，以及重建图像中需要补偿的编码单元、第一重建图像中需要补偿的编码单元对码流进行解码。
本实施例提供多种结合方案，丰富组合方式，进一步提高补偿精度。
请参见图4，为本发明编码装置的第二实施例的结构示意图，具体的，包括：第一补偿模块21以及第二补偿模块22。
其中，第一补偿模块21用于利用第一补偿值对重建图像进行补偿进而得到第一重建图像。第二补偿模块22用于利用第二补偿值对第一重建图像进行补偿。
具体的，在一实施例中，第一补偿模块21根据重建图像中每一像素与周围像素的像素值的关系对每一像素进行分类，以得到第一类别组合，并得到第一类别组合对应的第一补偿值；利用第一补偿值对重建图像进行补偿进而得到第一重建图像。第二补偿模块22用于根据第一重建图像中每一像素的像素值对每一像素进行分类，以得到第二类别组合，并得到第二类别组合对应的第二补偿值。利用第二补偿值对第一重建图像进行补偿。
在另一实施例中，第一补偿模块21还可以根据重建图像中每一像素的像素值对每一像素进行分类，以得到第一类别组合，得到第一类别组合对应的第一补偿值；利用第一补偿值对重建图像进行补偿进而得到第一重建图像。第二补偿模块22根据第一重建图像中每一像素与周围像素的像素值的关系对每一像素进行分类，以得到第二类别组合，并得到第二类别组合对应的第二补偿值。利用第二补偿值对第一重建图像进行补偿。其中，重建图像包括色度重建图像以及亮度重建图像。
进一步的，第一补偿模块21以及第二补偿模块22在进行补偿时，可以进一步判断重建图像以及第一重建图像中的编码单元的开关情况，进而确定出重建图像以及第一重建图像中需要补偿的编码单元。利用第一补偿值对重建图像中需要补偿的编码单元进行补偿进而得到第一重建图像；利用第二补偿值对第一重建图像中需要补偿的编码单元进行补偿。
请参见图5，为本发明编码方法的第三实施例的流程示意图。
步骤S31：利用多个可选补偿值对重建图像进行补偿，补偿的方式包括一次补偿和两次补偿。
在一具体实施例中，在进行一次补偿时，利用第一方式对重建图像进行分类，得到第一类别组合；以及利用第二方式对重建图像进行分类，得到第二类别组合。根据所述第一类别组合以及所述第二类别组合得到第三补偿值。具体的，在确定第一类别组合以及第二类别组合之后，对第一类别组合以及所述第二类别组合进行组合，以得到第三类别组合以及第三类别组合对应的第三补偿值。具体的，利用笛卡尔乘积算法对所述第一类别组合以及所述第二类别组合进行组合，以得到第三类别组合以及所述第三类别组合对应的所述第三补偿值。例如，若分类得到的第一类别组合为17类，第二类别组合为10类，则笛卡尔乘积进行组合之后得到的类别为170个类别，则对应得到170个第三补偿值。利用第三补偿值对重建图像进行补偿。
在另一实施例中，在进行两次补偿时，可以利用第一补偿值对重建图像对重建图像进行补偿进而得到第一重建图像，再利用第二补偿值对第一重建图像进行补偿。
具体的，在一实施例中，可以根据重建图像中每一像素与周围像素的像素值的关系对每一像素进行分类，以得到第一类别组合，并得到第一类别组合对应的第一补偿值；利用第一补偿值对重建图像进行补偿进而得到第一重建图像。根据第一重建图像中每一像素的像素值对每一像素进行分类，以得到第二类别组合，并得到第二类别组合对应的第二补偿值。利用第二补偿值对第一重建图像进行补偿。
或者，在另一实施例中，还可以根据重建图像中每一像素的像素值对每一像素进行分类，以得到第一类别组合，得到第一类别组合对应的第一补偿值；利用第一补偿值对重建图像进行补偿进而得到第一重建图像。根据第一重建图像中每一像素与周围像素的像素值的关系对每一像素进行分类，以得到第二类别组合，并得到第二类别组合对应的第二补偿值。利用第二补偿值对第一重建图像进行补偿。
步骤S32：根据多个可选补偿值的补偿结果选择最佳补偿值。
利用率失真代价算法根据第一补偿值以及第二补偿值、第三补偿值补偿后的结果选择得到最佳补偿值。
步骤S33：利用最佳补偿值对重建图像进行编码，进而得到码流。
本实施例中，重建图像包括亮度重建图像以及色度重建图像。
在一具体实施例中，可以进一步将本申请第二实施例的编码方法中的亮度重建图像的分类方式与现有技术中的色度重建图像的分类方式作为模式1，将本申请所示的第一实施例的编码方法中的色图重建图像的分类方式和现有技术的亮度重建图像的分类方式作为模式2，从模式1中和模式2中选择最优方案对应的最佳补偿值对重建图像进行补偿。
进一步的，在补偿后，对重建图像进行编码，进而得到码流，码流中包括最佳补偿值。
本实施例中，遍历多种补偿方式，从中选择最佳补偿值对重建图像进行补偿，进一步提高补偿精度，能够更好的对重建图像进行像素修正。
请参见图6，为本发明编码装置的第三实施例的结构示意图。具体包括：补偿模块31、选择模块32以及编码模块33。
其中，补偿模块31用于利用多个可选补偿值对重建图像进行补偿，补偿方式包括一次补偿和两次补偿。
在一具体实施例中，在进行一次补偿时，利用第一方式对重建图像进行分类，得到第一类别组合；以及利用第二方式对重建图像进行分类，得到第二类别组合。根据所述第一类别组合以及所述第二类别组合得到第三补偿值。具体的，在确定第一类别组合以及第二类别组合之后，对第一类别组合以及所述第二类别组合进行组合，以得到第三类别组合以及第三类别组合对应的第三补偿值。具体的，利用笛卡尔乘积算法对所述第一类别组合以及所述第二类别组合进行组合，以得到第三类别组合以及所述第三类别组合对应的所述第三补偿值。例如，若分类得到的第一类别组合为17类，第二类别组合为10类，则笛卡尔乘积进行组合之后得到的类别为170个类别，则对应得到170个第三补偿值。利用第三补偿值对重建图像进行补偿。
在另一实施例中，在进行两次补偿时，可以利用第一补偿值对重建图像对重建图像进行补偿进而得到第一重建图像，再利用第二补偿值对第一重建图像进行补偿。
具体的，在一实施例中，可以根据重建图像中每一像素与周围像素的像素值的关系对每一像素进行分类，以得到第一类别组合，并得到第一类别组合对应的第一补偿值；利用第一补偿值对重建图像进行补偿进而得到第一重建图像。根据第一重建图像中每一像素的像素值对每一像素进行分类，以得到第二类别组合，并得到第二类别组合对应的第二补偿值。利用第二补偿值对第一重建图像进行补偿。
或者，在另一实施例中，还可以根据重建图像中每一像素的像素值对每一像素进行分类，以得到第一类别组合，得到第一类别组合对应的第一补偿值；利用第一补偿值对重建图像进行补偿进而得到第一重建图像。根据第一重建图像中每一像素与周围像素的像素值的关系对每一像素进行分类，以得到第二类别组合，并得到第二类别组合对应的第二补偿值。利用第二补偿值对第一重建图像进行补偿。
选择模块32用于根据多个补偿值的补偿结果选择最佳补偿值。在一实施例中，选择模块32用于利用率失真代价算法根据多个可选补偿值的补偿结果选择最佳补偿值。
编码模块33用于利用最佳补偿值对重建图像进行编码，进而得到码流。在一实施例中，码流包括句法元素，句法元素包括最佳补偿值。
本实施例中，遍历多种补偿方式，从中选择最佳补偿值对重建图像进行补偿，进一步提高补偿精度，能够更好的对重建图像进行像素修正。
请参见图7，为本发明编码方法的第四实施例的流程示意图。具体包括：
步骤S41：利用多个可选补偿值对重建图像进行补偿，补偿的方式包括一次补偿和两次补偿。
在一具体实施例中，在进行一次补偿时，利用第一方式对重建图像进行分类，得到第一类别组合；以及利用第二方式对重建图像进行分类，得到第二类别组合。根据所述第一类别组合以及所述第二类别组合得到第三补偿值。具体的，在确定第一类别组合以及第二类别组合之后，对第一类别组合以及所述第二类别组合进行组合，以得到第三类别组合以及第三类别组合对应的第三补偿值。具体的，利用笛卡尔乘积算法对所述第一类别组合以及所述第二类别组合进行组合，以得到第三类别组合以及所述第三类别组合对应的所述第三补偿值。例如，若分类得到的第一类别组合为17类，第二类别组合为10类，则笛卡尔乘积进行组合之后得到的类别为170个类别，则对应得到170个第三补偿值。利用第三补偿值对重建图像进行补偿。
在另一实施例中，在进行两次补偿时，可以利用第一补偿值对重建图像对重建图像进行补偿进而得到第一重建图像，再利用第二补偿值对第一重建图像进行补偿。
具体的，在一实施例中，可以根据重建图像中每一像素与周围像素的像素值的关系对每一像素进行分类，以得到第一类别组合，并得到第一类别组合对应的第一补偿值；利用第一补偿值对重建图像进行补偿进而得到第一重建图像。根据第一重建图像中每一像素的像素值对每一像素进行分类，以得到第二类别组合，并得到第二类别组合对应的第二补偿值。利用第二补偿值对第一重建图像进行补偿。
或者，在另一实施例中，还可以根据重建图像中每一像素的像素值对每一像素进行分类，以得到第一类别组合，得到第一类别组合对应的第一补偿值；利用第一补偿值对重建图像进行补偿进而得到第一重建图像。根据第一重建图像中每一像素与周围像素的像素值的关系对每一像素进行分类，以得到第二类别组合，并得到第二类别组合对应的第二补偿值。利用第二补偿值对第一重建图像进行补偿。
步骤S42：根据多个可选补偿值的补偿结果选择至少两组最终补偿值。
利用率失真代价算法根据第一补偿值以及第二补偿值、第三补偿值补偿后的结果选择至少两组最终补偿值。
在一具体实施例中，对于不同颜色分量的重建图像，其选择的最终补偿值相同；或者部分相同。
具体的，假设最终选择出两组最终补偿值。其中第一组最终补偿值为Y分量：共34类补偿值；U分变量：共100类补偿值；V分量：共120类补偿值。第二组最终补偿值为Y分量：共85类补偿值；U分变量：共256类补偿值；V分量：共128类补偿值。
步骤S43：利用至少两组最终补偿值对每一重建图像进行编码，进而得到码流。
具体的，利用至少两组所述最终补偿值分别为所述重建图像中的不同编码单元进行编码。
现有技术中，整帧图像都采用同一套补偿参数，即所有需要补偿的编码单元均采用同一模式进行补偿，补偿方式比较粗糙。本实施例提供多组最终补偿值，在同一帧图像中，可以利用多套补偿参数对不同的编码单元进行补偿，实现编码单元的自适应，不同的编码单元选择适合自身的补偿参数，更好的修正像素值的特征，提高补偿效果以及编码效率。
进一步的，可以判断每一重建图像中每一编码单元的开关情况。对于每一重建图像，需要记录每一编码单元是否开启滤波，如果开启滤波，则需要进行补偿，利用选择的补偿值对其进行补偿。具体的，判断重建图像的编码单元是否具有滤波标记，若是，则利用至少两组最终补偿值分别为重建图像中的不同编码单元进行编码。
具体的，在进行编码时，需要记录编码单元的序号，以及编码单元编码时所选的补偿值。具体的，假设编码单元具有0或1的标记，若编码单元选择的模式为1，则表示具有滤波标记，需要进行滤波。若编码单元选择的模式为0，则表示没有滤波标记，不需要进行滤波。再进一步的，假设编码单元具有0或1的标记序号，其中0表示第一组最终补偿值，1表示第二组最终补偿值。若编码单元选则第一组最终补偿值时，则记录标记序号0，若编码单元选择第二组最终补偿值时，则记录标记序号1。
进一步的，可以利用相同的标记序号记录不同颜色分量的所述重建图像中相同位置的编码单元的所述最终补偿值。具体的，对于不同颜色的重建图像，例如，Y分量对应的重建图像，若其第二个编码单元具有滤波标记，且其选择Y分量对应的第一组最终补偿值进行编码，记录的标记序号为0。则对于U分量对应的重建图像，可以直接利用U分量对应第一组最终补偿值进行编码。
在一实施例中，如果Y、U、V三个分量的最终补偿值数量都不同时，不能共用标记序号。如果Y、U、V三个分量最终补偿值数量中仅有两个相同的，则两个可不共用标记序号，或可在同时具有滤波标记的情况下共用一个标记序号。如果三个分量可选补偿值数量都相同，则三个分量中相同位置的编码单元可以共用一个标记序号，或设置三个分量中的两个分量共用一个标记序号并与第三个分量不共用，或设置三个不共用标记序号也就是都分别设置滤波标记。设置可共用标记序号的分量在编码单元开启的情况用同一个开关。
进一步的，码流中包括句法元素，句法元素包括至少两组最终补偿值、滤波标记以及所述标记序号。
现有技术中，整帧图像都采用同一套补偿参数，即所有需要补偿的编码单元均采用同一模式进行补偿，补偿方式比较粗糙。本实施例提供多组最终补偿值，在同一帧图像中，可以利用多套补偿参数对不同的编码单元进行补偿，实现编码单元的自适应，不同的编码单元选择适合自身的补偿参数，更好的修正像素值的特征，提高补偿效果以及编码效率。
请参见图8，为本发明编码装置的第四实施例的结构示意图。具体包括：补偿模块41以及选择模块42、编码模块43。
其中，补偿模块41用于利用多个可选补偿值对重建图像进行补偿，补偿的方式包括一次补偿和两次补偿。
在一具体实施例中，在进行一次补偿时，利用第一方式对重建图像进行分类，得到第一类别组合；以及利用第二方式对重建图像进行分类，得到第二类别组合。根据所述第一类别组合以及所述第二类别组合得到第三补偿值。具体的，在确定第一类别组合以及第二类别组合之后，对第一类别组合以及所述第二类别组合进行组合，以得到第三类别组合以及第三类别组合对应的第三补偿值。具体的，利用笛卡尔乘积算法对所述第一类别组合以及所述第二类别组合进行组合，以得到第三类别组合以及所述第三类别组合对应的所述第三补偿值。例如，若分类得到的第一类别组合为17类，第二类别组合为10类，则笛卡尔乘积进行组合之后得到的类别为170个类别，则对应得到170个第三补偿值。利用第三补偿值对重建图像进行补偿。
在另一实施例中，在进行两次补偿时，可以利用第一补偿值对重建图像对重建图像进行补偿进而得到第一重建图像，再利用第二补偿值对第一重建图像进行补偿。
具体的，在一实施例中，可以根据重建图像中每一像素与周围像素的像素值的关系对每一像素进行分类，以得到第一类别组合，并得到第一类别组合对应的第一补偿值；利用第一补偿值对重建图像进行补偿进而得到第一重建图像。根据第一重建图像中每一像素的像素值对每一像素进行分类，以得到第二类别组合，并得到第二类别组合对应的第二补偿值。利用第二补偿值对第一重建图像进行补偿。
或者，在另一实施例中，还可以根据重建图像中每一像素的像素值对每一像素进行分类，以得到第一类别组合，得到第一类别组合对应的第一补偿值；利用第一补偿值对重建图像进行补偿进而得到第一重建图像。根据第一重建图像中每一像素与周围像素的像素值的关系对每一像素进行分类，以得到第二类别组合，并得到第二类别组合对应的第二补偿值。利用第二补偿值对第一重建图像进行补偿。
选择模块42用于根据多个可选补偿值的补偿结果选择至少两组最终补偿值。
具体的，选择模块42利用率失真代价算法根据第一补偿值以及第二补偿值、第三补偿值补偿后的结果选择至少两组最终补偿值。
在一具体实施例中，对于不同颜色分量的重建图像，其选择的最终补偿值相同；或者部分相同。
具体的，假设最终选择出两组最终补偿值。其中第一组最终补偿值为Y分量：共34类补偿值；U分变量：共100类补偿值；V分量：共120类补偿值。第二组最终补偿值为Y分量：共85类补偿值；U分变量：共256类补偿值；V分量：共128类补偿值。
编码模块43用于利用至少两组最终补偿值对每一重建图像进行编码，进而得到码流。
具体的，利用至少两组所述最终补偿值分别为所述重建图像中的不同编码单元进行编码。
现有技术中，整帧图像都采用同一套补偿参数，即所有需要补偿的编码单元均采用同一模式进行补偿，补偿方式比较粗糙。本实施例提供多组最终补偿值，在同一帧图像中，可以利用多套补偿参数对不同的编码单元进行补偿，实现编码单元的自适应，不同的编码单元选择适合自身的补偿参数，更好的修正像素值的特征，提高补偿效果以及编码效率。
进一步的，可以判断每一重建图像中每一编码单元的开关情况。对于每一重建图像，需要记录每一编码单元是否开启滤波，如果开启滤波，则需要进行补偿，利用选择的补偿值对其进行补偿。具体的，判断重建图像的编码单元是否具有滤波标记，若是，则利用至少两组最终补偿值分别为重建图像中的不同编码单元进行编码。
具体的，在进行编码时，需要记录编码单元的序号，以及编码单元编码时所选的补偿值。具体的，假设编码单元具有0或1的标记，若编码单元选择的模式为1，则表示具有滤波标记，需要进行滤波。若编码单元选择的模式为0，则表示没有滤波标记，不需要进行滤波。再进一步的，假设编码单元具有0或1的标记序号，其中0表示第一组最终补偿值，1表示第二组最终补偿值。若编码单元选则第一组最终补偿值时，则记录标记序号0，若编码单元选择第二组最终补偿值时，则记录标记序号1。
进一步的，可以利用相同的标记序号记录不同颜色分量的所述重建图像中相同位置的编码单元的所述最终补偿值。具体的，对于不同颜色的重建图像，例如，Y分量对应的重建图像，若其第二个编码单元具有滤波标记，且其选择Y分量对应的第一组最终补偿值进行编码，记录的标记序号为0。则对于U分量对应的重建图像，可以直接利用U分量对应第一组最终补偿值进行编码。
在一实施例中，如果Y、U、V三个分量的最终补偿值数量都不同时，不能共用标记序号。如果Y、U、V三个分量最终补偿值数量中仅有两个相同的，则两个可不共用标记序号，或可在同时具有滤波标记的情况下共用一个标记序号。如果三个分量可选补偿值数量都相同，则三个分量中相同位置的编码单元可以共用一个标记序号，或设置三个分量中的两个分量共用一个标记序号并与第三个分量不共用，或设置三个不共用标记序号也就是都分别设置滤波标记。设置可共用标记序号的分量在编码单元开启的情况用同一个开关。
进一步的，码流中包括句法元素，句法元素包括至少两组最终补偿值、滤波标记以及所述标记序号。
现有技术中，整帧图像都采用同一套补偿参数，即所有需要补偿的编码单元均采用同一模式进行补偿，补偿方式比较粗糙。本实施例提供多组最终补偿值，在同一帧图像中，可以利用多套补偿参数对不同的编码单元进行补偿，实现编码单元的自适应，不同的编码单元选择适合自身的补偿参数，更好的修正像素值的特征，提高补偿效果以及编码效率。
请参见图9，为本发明电子设备的一实施例的结构示意图。电子设备包括相互连接的存储器82和处理器81。
存储器82用于存储实现上述任意一项的方法的程序指令。
处理器81用于执行存储器82存储的程序指令。
其中，处理器81还可以称为CPU(Central Processing Unit，中央处理单元)。处理器81可能是一种集成电路芯片，具有信号的处理能力。处理器81还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(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。
存储器82可以为内存条、TF卡等，可以存储电子设备中全部信息，包括输入的原始数据、计算机程序、中间运行结果和最终运行结果都保存在存储器中。它根据控制器指定的位置存入和取出信息。有了存储器，电子设备才有记忆功能，才能保证正常工作。电子设备的存储器按用途存储器可分为主存储器(内存)和辅助存储器(外存)，也有分为外部存储器和内部存储器的分类方法。外存通常是磁性介质或光盘等，能长期保存信息。内存指主板上的存储部件，用来存放当前正在执行的数据和程序，但仅用于暂时存放程序和数据，关闭电源或断电，数据会丢失。
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，可以通过其它的方法实现。例如，以上所描述的装置实施方法仅仅是示意性的，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法，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法方案的目的。
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，系统服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方法的全部或部分步骤。
请参阅图10，为本发明计算机可读存储介质的结构示意图。本申请的存储介质存储有能够实现上述所有方法的程序文件91，其中，该程序文件91可以以软件产品的形式存储在上述存储介质中，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法的全部或部分步骤。而前述的存储装置包括：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，或者是计算机、服务器、手机、平板等终端设备。
以上仅为本发明的实施方法，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (37)

1.一种编码方法，其特征在于，包括：
利用第一方式对色度重建图像进行分类，得到第一类别组合；以及利用第二方式对所述色度重建图像进行分类，得到第二类别组合；
利用笛卡尔乘积算法对所述第一类别组合以及所述第二类别组合进行组合，以得到第三类别组合以及所述第三类别组合对应的第三补偿值；其中，所述利用笛卡尔乘积算法对所述第一类别组合以及所述第二类别组合进行组合为：利用所述笛卡尔乘积算法将所述第一类别组合包含的每一像素分别与所述第二类别组合包含的每一像素进行组合；
利用所述第三补偿值对所述色度重建图像进行补偿。
2.根据权利要求1所述的方法，其特征在于，所述利用第一方式对色度重建图像进行分类，得到第一类别组合包括：
根据所述色度重建图像中每一所述像素与周围像素的像素值的关系对每一所述像素进行分类，以得到所述第一类别组合。
3.根据权利要求1所述的方法，其特征在于，所述利用第二方式对所述色度重建图像进行分类，得到第二类别组合包括：
根据所述色度重建图像中每一所述像素的像素值对每一所述像素进行分类，以得到所述第二类别组合。
4.根据权利要求1所述的编码方法，其特征在于，所述利用所述第三补偿值对所述色度重建图像进行补偿包括：
利用所述第三补偿值对所述色度重建图像中具有滤波标记的编码单元进行补偿。
5.根据权利要求1所述的编码方法，其特征在于，所述方法还包括：
根据所述第三补偿值的补偿结果，选择出最终补偿值；
利用所述最终补偿值对所述色度重建图像进行编码，进而得到码流；所述码流包括句法元素，所述句法元素包括所述最终补偿值，以及滤波标记。
6.一种编码装置，其特征在于，包括：
分类模块，用于利用第一方式对色度重建图像进行分类，得到第一类别组合；以及利用第二方式对所述色度重建图像进行分类，得到第二类别组合；
计算模块，用于利用笛卡尔乘积算法对所述第一类别组合以及所述第二类别组合进行组合，以得到第三类别组合以及所述第三类别组合对应的第三补偿值；其中，所述利用笛卡尔乘积算法对所述第一类别组合以及所述第二类别组合进行组合为：利用所述笛卡尔乘积算法将所述第一类别组合包含的每一像素分别与所述第二类别组合包含的每一像素进行组合；
补偿模块，用于利用所述第三补偿值对所述色度重建图像进行补偿。
7.一种编码方法，其特征在于，包括：
利用第一方式对重建图像进行分类，得到第一类别组合以及所述第一类别组合对应的第一补偿值，利用所述第一补偿值对重建图像进行补偿进而得到第一重建图像；以及
利用第二方式对所述第一重建图像进行分类，得到第二类别组合以及所述第二类别组合对应的第二补偿值，利用所述第二补偿值对所述第一重建图像进行补偿；
利用笛卡尔乘积算法对所述第一类别组合以及所述第二类别组合进行组合，以得到第三类别组合以及所述第三类别组合对应的第三补偿值，利用所述第三补偿值对所述重建图像进行补偿；其中，所述利用笛卡尔乘积算法对所述第一类别组合以及所述第二类别组合进行组合为：利用所述笛卡尔乘积算法将所述第一类别组合包含的每一像素分别与所述第二类别组合包含的每一像素进行组合；
根据补偿结果，选择出最终补偿值；
利用所述最终补偿值对所述重建图像进行编码，进而得到码流。
8.根据权利要求7所述的编码方法，其特征在于，所述利用第一方式对重建图像进行分类，得到第一类别组合以及所述第一类别组合对应的第一补偿值，包括：
根据所述重建图像中每一所述像素与周围像素的像素值的关系对每一所述像素进行分类，以得到所述第一类别组合，并得到所述第一类别组合对应的所述第一补偿值；
所述利用第二方式对所述第一重建图像进行分类，得到第二类别组合以及所述第二类别组合对应的第二补偿值，包括：
根据所述第一重建图像中每一所述像素的像素值对每一所述像素进行分类，以得到所述第二类别组合，并得到所述第二类别组合对应的所述第二补偿值。
9.根据权利要求7所述的编码方法，其特征在于，所述利用第一方式对重建图像进行分类，得到第一类别组合以及所述第一类别组合对应的第一补偿值，包括：
根据所述重建图像中每一像素的像素值对每一所述像素进行分类，以得到所述第一类别组合，得到所述第一类别组合对应的所述第一补偿值；
所述利用第二方式对所述第一重建图像进行分类，得到第二类别组合以及所述第二类别组合对应的第二补偿值，包括：
根据所述第一重建图像中每一所述像素与周围像素的像素值的关系对每一所述像素进行分类，以得到所述第二类别组合，并得到所述第二类别组合对应的所述第二补偿值。
10.根据权利要求7所述的编码方法，其特征在于，所述重建图像包括色度重建图像以及亮度重建图像。
11.根据权利要求7所述的编码方法，其特征在于，所述利用所述第一补偿值对所述重建图像进行补偿进而得到第一重建图像包括：
利用所述第一补偿值对所述重建图像中具有滤波标记的编码单元进行补偿进而得到所述第一重建图像。
12.根据权利要求7所述的编码方法，其特征在于，所述利用所述第二补偿值对所述第一重建图像进行补偿包括：
利用所述第二补偿值对所述第一重建图像中具有滤波标记的编码单元进行补偿。
13.根据权利要求7所述的编码方法，其特征在于，
所述码流包括句法元素，所述句法元素包括所述最终补偿值，以及滤波标记。
14.一种编码装置，其特征在于，包括：
第一补偿模块，用于利用第一方式对重建图像进行分类，得到第一类别组合以及所述第一类别组合对应的第一补偿值，利用所述第一补偿值对所述重建图像进行补偿进而得到第一重建图像；
第二补偿模块，用于利用第二方式对所述第一重建图像进行分类，得到第二类别组合以及所述第二类别组合对应的第二补偿值，利用所述第二补偿值对所述第一重建图像进行补偿；
所述第一补偿模块或所述第二补偿模块用于利用笛卡尔乘积算法对所述第一类别组合以及所述第二类别组合进行组合，以得到第三类别组合以及所述第三类别组合对应的第三补偿值，利用所述第三补偿值对所述重建图像进行补偿；其中，所述利用笛卡尔乘积算法对所述第一类别组合以及所述第二类别组合进行组合为：利用所述笛卡尔乘积算法将所述第一类别组合包含的每一像素分别与所述第二类别组合包含的每一像素进行组合；
选择模块，用于根据补偿结果，选择出最终补偿值；
编码模块，用于利用所述最终补偿值对所述重建图像进行编码，进而得到码流。
15.一种编码方法，其特征在于，包括：
利用多个可选补偿值对重建图像进行补偿，补偿的方式包括一次补偿和两次补偿；
根据多个所述可选补偿值的补偿结果选择最佳补偿值；
利用所述最佳补偿值对所述重建图像进行编码，进而得到码流；
其中，所述利用多个补偿值对重建图像进行补偿包括：
利用第一方式对所述重建图像进行分类，得到第一类别组合；以及利用第二方式对所述重建图像进行分类，得到第二类别组合；
利用笛卡尔乘积算法对所述第一类别组合以及所述第二类别组合进行组合，以得到第三类别组合以及所述第三类别组合对应的第三补偿值，利用所述第三补偿值对所述重建图像进行补偿；其中，所述利用笛卡尔乘积算法对所述第一类别组合以及所述第二类别组合进行组合为：利用所述笛卡尔乘积算法将所述第一类别组合包含的每一像素分别与所述第二类别组合包含的每一像素进行组合。
16.根据权利要求15所述的方法，其特征在于，所述利用多个可选补偿值对重建图像进行补偿，包括：
利用第一补偿值对所述重建图像进行补偿进而得到第一重建图像；
利用第二补偿值对所述第一重建图像进行补偿。
17.根据权利要求16所述的方法，其特征在于，所述方法还包括：
根据所述重建图像中每一所述像素与周围像素的像素值的关系对每一所述像素进行分类，以得到所述第一类别组合，并得到所述第一类别组合对应的所述第一补偿值；
根据所述第一重建图像中每一所述像素的像素值对每一所述像素进行分类，以得到所述第二类别组合，并得到所述第二类别组合对应的所述第二补偿值。
18.根据权利要求16所述的编码方法，其特征在于，所述方法还包括：
根据所述重建图像中每一像素的像素值对每一所述像素进行分类，以得到所述第一类别组合，得到所述第一类别组合对应的所述第一补偿值；
根据所述第一重建图像中每一所述像素与周围像素的像素值的关系对每一所述像素进行分类，以得到所述第二类别组合，并得到所述第二类别组合对应的所述第二补偿值。
19.根据权利要求15所述的方法，其特征在于，所述利用第一方式对重建图像进行分类，得到第一类别组合包括：
根据所述重建图像中每一所述像素与周围像素的像素值的关系对每一所述像素进行分类，以得到所述第一类别组合。
20.根据权利要求15所述的方法，其特征在于，所述利用第二方式对所述重建图像进行分类，得到第二类别组合包括：
根据所述重建图像中每一所述像素的像素值对每一所述像素进行分类，以得到所述第二类别组合。
21.根据权利要求15~20任一项所述的方法，其特征在于，所述根据多个所述补偿值的补偿结果选择最佳补偿值包括：
利用率失真代价算法根据多个所述可选补偿值的补偿结果选择最佳补偿值。
22.根据权利要求15所述的方法，其特征在于，所述重建图像包括亮度重建图像以及色度重建图像。
23.根据权利要求15所述的方法，其特征在于，所述码流包括句法元素，所述句法元素包括所述最佳补偿值。
24.一种编码装置，其特征在于，包括：
补偿模块，用于利用多个可选补偿值对重建图像进行补偿，补偿的方式包括一次补偿和两次补偿；
其中，所述利用多个补偿值对重建图像进行补偿包括：利用第一方式对所述重建图像进行分类，得到第一类别组合；以及利用第二方式对所述重建图像进行分类，得到第二类别组合；利用笛卡尔乘积算法对所述第一类别组合以及所述第二类别组合进行组合，以得到第三类别组合以及所述第三类别组合对应的第三补偿值，利用所述第三补偿值对所述重建图像进行补偿；其中，所述利用笛卡尔乘积算法对所述第一类别组合以及所述第二类别组合进行组合为：利用所述笛卡尔乘积算法将所述第一类别组合包含的每一像素分别与所述第二类别组合包含的每一像素进行组合；
选择模块，用于根据多个所述可选补偿值的补偿结果选择最佳补偿值；
编码模块，用于利用所述最佳补偿值对所述重建图像进行编码，进而得到码流。
25.一种编码方法，其特征在于，包括：
利用多个可选补偿值对重建图像进行补偿，补偿的方式包括一次补偿和两次补偿；
根据多个所述可选补偿值的补偿结果选择至少两组最终补偿值；
利用至少两组所述最终补偿值对所述重建图像进行编码，进而得到码流；
其中，所述利用多个补偿值对重建图像进行补偿包括：
利用第一方式对所述重建图像进行分类，得到第一类别组合；以及利用第二方式对所述重建图像进行分类，得到第二类别组合；
利用笛卡尔乘积算法对所述第一类别组合以及所述第二类别组合进行组合，以得到第三类别组合以及所述第三类别组合对应的第三补偿值，利用所述第三补偿值对所述重建图像进行补偿；其中，所述利用笛卡尔乘积算法对所述第一类别组合以及所述第二类别组合进行组合为：利用所述笛卡尔乘积算法将所述第一类别组合包含的每一像素分别与所述第二类别组合包含的每一像素进行组合。
26.根据权利要求25所述的编码方法，其特征在于，所述利用至少两组所述最终补偿值对每一所述重建图像进行编码包括：
利用至少两组所述最终补偿值分别为所述重建图像中的不同编码单元进行编码。
27.根据权利要求26所述的编码方法，其特征在于，所述利用至少两组所述最终补偿值分别为所述重建图像中的不同编码单元进行编码包括：
判断所述重建图像的编码单元是否具有滤波标记；
若是，则利用至少两组所述最终补偿值分别为所述重建图像中的不同编码单元进行编码。
28.根据权利要求27所述的编码方法，其特征在于，所述利用至少两组所述最终补偿值分别为所述重建图像中的不同编码单元进行编码包括：
利用相同的标记序号记录不同颜色分量的所述重建图像中相同位置的编码单元的所述最终补偿值。
29.根据权利要求28所述的编码方法，其特征在于，所述码流包括句法元素，所述句法元素包括至少两组所述最终补偿值、滤波标记以及所述标记序号。
30.根据权利要求25所述的方法，其特征在于，所述利用多个可选补偿值对重建图像进行补偿，包括：
利用第一补偿值对所述重建图像进行补偿进而得到第一重建图像；
利用第二补偿值对所述第一重建图像进行补偿。
31.根据权利要求30所述的方法，其特征在于，所述方法还包括：
根据所述重建图像中每一所述像素与周围像素的像素值的关系对每一所述像素进行分类，以得到所述第一类别组合，并得到所述第一类别组合对应的所述第一补偿值；
根据所述第一重建图像中每一所述像素的像素值对每一所述像素进行分类，以得到所述第二类别组合，并得到所述第二类别组合对应的所述第二补偿值。
32.根据权利要求30所述的编码方法，其特征在于，所述方法还包括：
根据所述重建图像中每一像素的像素值对每一所述像素进行分类，以得到所述第一类别组合，得到所述第一类别组合对应的所述第一补偿值；
根据所述第一重建图像中每一所述像素与周围像素的像素值的关系对每一所述像素进行分类，以得到所述第二类别组合，并得到所述第二类别组合对应的所述第二补偿值。
33.根据权利要求25所述的方法，其特征在于，所述利用第一方式对重建图像进行分类，得到所述第一类别组合包括：
根据所述重建图像中每一所述像素与周围像素的像素值的关系对每一所述像素进行分类，以得到所述第一类别组合。
34.根据权利要求25所述的方法，其特征在于，所述利用第二方式对所述重建图像进行分类，得到所述第二类别组合包括：
根据所述重建图像中每一所述像素的像素值对每一所述像素进行分类，以得到所述第二类别组合。
35.一种编码装置，其特征在于，包括：
补偿模块，用于利用多个可选补偿值对重建图像进行补偿，补偿的方式包括一次补偿和两次补偿；
其中，所述利用多个补偿值对重建图像进行补偿包括：利用第一方式对所述重建图像进行分类，得到第一类别组合；以及利用第二方式对所述重建图像进行分类，得到第二类别组合；利用笛卡尔乘积算法对所述第一类别组合以及所述第二类别组合进行组合，以得到第三类别组合以及所述第三类别组合对应的第三补偿值，利用所述第三补偿值对所述重建图像进行补偿；其中，所述利用笛卡尔乘积算法对所述第一类别组合以及所述第二类别组合进行组合为：利用所述笛卡尔乘积算法将所述第一类别组合包含的每一像素分别与所述第二类别组合包含的每一像素进行组合；
选择模块，用于根据多个所述可选补偿值的补偿结果选择至少两组最终补偿值；
编码模块，用于利用至少两组所述最终补偿值对每一所述重建图像进行编码，进而得到码流。
36.一种电子设备，其特征在于，包括相互藕接的处理器以及存储器，其中，
所述存储器用于存储实现如权利要求1-5、7-13、15-23、25-34任一项所述的编码方法的程序指令；
所述处理器用于执行所述存储器存储的所述程序指令。
37.一种计算机可读存储介质，其特征在于，存储有程序文件，所述程序文件能够被执行以实现如权利要求1-5、7-13、15-23、25-34任一项所述的编码方法。
CN202110199486.6A 2021-02-22 2021-02-22 编码方法、装置、电子设备及计算机可读存储介质 Active CN113099230B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202110199486.6A CN113099230B (zh) 2021-02-22 2021-02-22 编码方法、装置、电子设备及计算机可读存储介质
PCT/CN2021/143872 WO2022174685A1 (en) 2021-02-22 2021-12-31 Methods and systems for image compensation
EP21926397.7A EP4176583A4 (en) 2021-02-22 2021-12-31 IMAGE COMPENSATION METHODS AND SYSTEMS
US18/171,397 US20230206602A1 (en) 2021-02-22 2023-02-20 Methods and systems for image compensation

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110199486.6A CN113099230B (zh) 2021-02-22 2021-02-22 编码方法、装置、电子设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN113099230A CN113099230A (zh) 2021-07-09
CN113099230B true CN113099230B (zh) 2022-09-06

Family

ID=76667164

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110199486.6A Active CN113099230B (zh) 2021-02-22 2021-02-22 编码方法、装置、电子设备及计算机可读存储介质

Country Status (4)

Country Link
US (1) US20230206602A1 (zh)
EP (1) EP4176583A4 (zh)
CN (1) CN113099230B (zh)
WO (1) WO2022174685A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113099230B (zh) * 2021-02-22 2022-09-06 浙江大华技术股份有限公司 编码方法、装置、电子设备及计算机可读存储介质
CN117478895A (zh) * 2022-07-19 2024-01-30 腾讯科技（深圳）有限公司 数据处理方法、装置、设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10638130B1 (en) * 2019-04-09 2020-04-28 Google Llc Entropy-inspired directional filtering for image coding

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012092787A1 (en) * 2011-01-09 2012-07-12 Mediatek Inc. Apparatus and method of efficient sample adaptive offset
GB201119206D0 (en) * 2011-11-07 2011-12-21 Canon Kk Method and device for providing compensation offsets for a set of reconstructed samples of an image
US20150237376A1 (en) * 2012-09-28 2015-08-20 Samsung Electronics Co., Ltd. Method for sao compensation for encoding inter-layer prediction error and apparatus therefor
US20140348222A1 (en) * 2013-05-23 2014-11-27 Mediatek Inc. Method of Sample Adaptive Offset Processing for Video Coding and Inter-Layer Scalable Coding
EP3276957A4 (en) * 2015-05-12 2018-02-28 Samsung Electronics Co., Ltd. Image encoding method and device for sample value compensation and image decoding method and device for sample value compensation
US11134247B2 (en) * 2016-10-11 2021-09-28 Lg Electronics Inc. Image encoding and decoding method and apparatus therefor
WO2019135294A1 (ja) * 2018-01-05 2019-07-11 株式会社ソシオネクスト 符号化方法、復号方法、符号化装置、復号装置、符号化プログラム及び復号プログラム
US10986371B2 (en) * 2018-03-22 2021-04-20 Mediatek Inc. Sample adaptive offset filtering method for reconstructed projection-based frame that employs projection layout of 360-degree virtual reality projection
GB2574423A (en) * 2018-06-05 2019-12-11 Canon Kk Video coding and decoding
CN113766247B (zh) * 2019-06-25 2023-07-25 北京大学 环路滤波的方法与装置
CN111866507A (zh) * 2020-06-07 2020-10-30 咪咕文化科技有限公司 图像滤波方法、装置、设备及存储介质
CN113099230B (zh) * 2021-02-22 2022-09-06 浙江大华技术股份有限公司 编码方法、装置、电子设备及计算机可读存储介质
CN113497941A (zh) * 2021-06-30 2021-10-12 浙江大华技术股份有限公司 图像滤波方法、编码方法及相关设备

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10638130B1 (en) * 2019-04-09 2020-04-28 Google Llc Entropy-inspired directional filtering for image coding

Also Published As

Publication number Publication date
CN113099230A (zh) 2021-07-09
EP4176583A4 (en) 2023-11-29
US20230206602A1 (en) 2023-06-29
WO2022174685A1 (en) 2022-08-25
EP4176583A1 (en) 2023-05-10

Similar Documents

Publication Publication Date Title
US10194150B2 (en) Method and device for coding image, and method and device for decoding image
CN113099230B (zh) 编码方法、装置、电子设备及计算机可读存储介质
CN110136071B (zh) 一种图像处理方法、装置、电子设备及存储介质
US10341651B2 (en) Image coding method, decoding method, coding device and decoding device
US8977048B2 (en) Method medium system encoding and/or decoding an image using image slices
US11451835B2 (en) Method and device for entropy coding and decoding using mapping of matching relationship parameters
CN111161188B (zh) 降低图像色彩噪声的方法、计算机装置及可读存储介质
CN108600783B (zh) 一种帧率调节方法、装置及终端设备
CN112055219B (zh) 一种串匹配预测方法、装置及计算机可读存储介质
CN109831668A (zh) 数据压缩方法及装置、数据编码/解码方法及装置
CN114025169A (zh) 帧内色度预测模式的选择方法、图像处理设备及存储设备
CN105144726A (zh) 指示媒体内容的样本的标称范围的定制数据
CN109117686B (zh) 对象信息的识别方法、装置、计算机设备和存储介质
CN113382246A (zh) 编码方法、装置、电子设备及计算机可读存储介质
CN112714338A (zh) 视频传输、播放方法、装置、计算机设备及存储介质
EP3989549A1 (en) Video image processing method and device, and storage medium
CN108765503B (zh) 一种肤色检测方法、装置及终端
CN113382257B (zh) 编码方法、装置、电子设备及计算机可读存储介质
WO2021217623A1 (zh) 一种多媒体数据处理方法、设备及存储介质
US11082718B2 (en) Method and device for coding image and method and device for decoding image
US20050134601A1 (en) Method and system to combine a digital graphics object and a digital picture
CN113194317A (zh) 一种图像处理方法和装置
CN112532957B (zh) 一种图像处理方法及装置
CN113473150B (zh) 一种图像处理方法、装置以及计算机可读存储装置
US10582207B2 (en) Video processing systems

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