CN113382257B - 编码方法、装置、电子设备及计算机可读存储介质 - Google Patents

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：计算重建图像中每一像素点的梯度值；基于梯度值对重建图像中每一像素点进行分类，得到第一类别组合，以及第一类别组合中每一第一类别对应的第一补偿值；基于第一补偿值计算得到每一像素点对应的最佳补偿值；利用最佳补偿值对每一像素点进行补偿，进而对重建图像进行补偿。由此提高了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，在进行增强样点自适应补偿技术对重建图像中的像素点进行分类时，通常只考虑像素点本身以及周围像素点的像素值的大小关系，这使得像素点的分类结果不够准确，进而影响到补偿精度。

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：计算重建图像中每一像素点的梯度值；基于梯度值对重建图像中每一像素点进行分类，得到第一类别组合，以及第一类别组合中每一第一类别对应的第一补偿值；基于第一补偿值计算得到每一像素点对应的最佳补偿值；利用最佳补偿值对每一像素点进行补偿，进而对重建图像进行补偿。

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：第一计算模块，用于计算重建图像中每一像素点的梯度值；分类模块，用于基于梯度值对重建图像中每一像素点进行分类，得到第一类别组合，以及第一类别组合中每一第一类别对应的第一补偿值；第二计算模块，用于基于第一补偿值计算得到每一像素点对应的最佳补偿值；补偿模块，用于利用最佳补偿值对每一像素点进行补偿，进而对重建图像进行补偿。

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，本发明提供的第四个技术方案为：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。

相对于现有技术，本发明取得了显著的技术效果：本发明基于梯度值对重建图像中每一像素点进行分类，得到第一类别组合以及对应的第一补偿值；基于第一补偿值计算得到每一像素点对应的最佳补偿值；利用最佳补偿值对每一像素点进行补偿，进而对重建图像进行补偿，由此有效提高了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一实施例的流程示意图；

图2为图1中步骤S11的一实施例的流程示意图；

图3为像素点a与周围像素点b1～b8的位置示意图；

图4为图1中步骤S12的一实施例的流程示意图；

图5为本发明编码装置的第一实施例的结构示意图；

图6是本发明电子设备的一实施例的结构示意图；

图7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。

现有技术中，在进行增强样点自适应补偿技术时，需要对重建图像进行分类。本申请提供一种编码方法，其能够通过对当前像素进行和准确分类，进而提高补偿精度以及编码效率。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一实施例的流程示意图。包括：

步骤S11：计算重建图像中每一像素点的梯度值。

计算重建图像中每一像素点的梯度值，具体的，可以根据像素点的像素值以及周围像素点的像素值计算每一像素点的梯度值。

具体的，请结合图2，步骤S11具体包括：

步骤S111：获取重建图像中每一像素点以及像素点周围像素点的像素值。

在视频编码中，最常用颜色编码方法有YUV、RGB等，本发明中所采用的颜色编码方法为YUV。Y表示明亮度，也就是图像的灰度值；U和V(即Cb和Cr)表示色度，作用是描述图像色彩及饱和度。每个Y亮度块都对应一个Cb和一个Cr色度块，每个色度块只对应一个亮度块。以4:2:0的采样格式为例，一个N*M的块对应亮度块大小为N*M，对应的两个色度块的大小都为(N/2)*(M/2)，色度块为亮度块的1/4大小。

例如在一实施例中，若需要对Y分量对应的重建图像中的像素点a进行分类，可以获取Y分量中的像素点a的像素值(x，y)，或者获取U分量中的像素点a的像素值(x/2，y/2)，还可以获取V分量中的像素点a的像素值(x/2，y/2)。若需要对U分量对应的重建图像中的像素点a进行分类，可以获取Y分量中的像素点a的像素值(2x，2y)，或者获取U分量中的像素点a的像素值(x，y)，还可以获取V分量中的像素点a的像素值(x，y)。若需要对V分量对应的重建图像中的像素点a进行分类，可以获取Y分量中的像素点a的像素值(2x，2y)，或者获取U分量中的像素点a的像素值(x，y)，还可以获取V分量中的像素点a的像素值(x，y)。

本实施例中，基于当前待分类的像素点与周围像素点的像素值计算当前像素点的梯度值，因此需要进一步获取像素点对应的周围像素点的像素值。在本申请的一实施例中，可以利用当前像素点周围的8个像素点的像素值计算当前像素点的梯度值，具体如图3所示，进一步获取像素点b1、b2、b3、b4、b5、b6、b7、b8的像素值。

步骤S112：基于像素点的像素值与周围像素点的像素值计算得到每一像素点的梯度值；和/或基于周围像素点的像素值计算得到每一像素点的梯度值。

在一实施例中，可以基于像素点a的像素值与周围像素点b1～b8的像素值计算得到像素点a的梯度值。具体的，基于像素点的像素值与第一类别像素点的像素值计算得到每一像素点的第一梯度值，第一类别像素点为周围像素点中位于像素点上方以及左方的像素点。基于像素点的像素值与第二类别像素点的像素值计算得到每一像素点的第二梯度值，第二类别像素点为周围像素点中位于像素点下方以及右方的像素点。

具体以图3为例进行说明，将像素点a的周围像素点b1～b8分为第一类别像素点以及第二类别像素点，第一类别像素点为位于像素点a上方以及左方的像素点b1、b2、b3、以及b4；第二类别像素点为位于像素点a下方以及右方的像素点b5、b6、b7、以及b8。进一步根据像素点a的像素值以及像素点b1、b2、b3、以及b4的像素值计算得到像素点a的第一梯度值grad1：grad1＝P(a)–P(b4)，grad1＝P(a)–P(b2)，grad1＝P(a)–P(b1)，grad1＝P(a)–P(b3)。根据像素点a的像素值以及像素点b5、b6、b7、以及b8的像素值计算得到像素点a的第二梯度值grad2：grad2＝P(a)–P(b5)，grad2＝P(a)–P(b7)，grad2＝P(a)–P(b8)，grad2＝P(a)–P(b6)。其中，P(n)表示n点的像素值。

在另一实施例中，还可以基于周围像素点的像素值计算得到每一像素点的梯度值。具体的，基于第三类别像素点的像素值与第四类别像素点的像素值计算得到每一像素点的第一梯度值，第三类别像素点为周围像素点中位于像素点左上方以及正上方的像素点，第四类别像素点为周围像素点中与第三类别像素点相隔一个像素点的像素点。基于第五类别像素点的像素值与第六类别像素点的像素值计算得到每一像素点的第二梯度值，第五类别像素点为周围像素点中位于像素点左下方、左方以及右上方的像素点，第六类别像素点为周围像素点中与第五类别像素点相隔一个像素点的像素点。

具体以图3为例进行说明，将像素点a的周围像素点b1～b8分为第三类别像素点、第四类别像素点、第五类别像素点以及第六类别像素点。其中第三类别像素点为位于像素点a左上方的像素点b1以及正上方的像素点b2，第四类别像素点为与第三类别像素点相隔一个像素点的像素点，例如与像素点b1相隔一个像素点b2的像素点b3，与像素点b1相隔一个像素点b4的像素点b6，与像素点b1相隔一个像素点a的像素点b8，与像素点b2相隔一个像素点a的像素点b7。也即第四类别像素点包括像素点b3、像素点b6、像素点b8以及像素点b7。基于第三类别像素点的像素值与第四类别像素点的像素值计算得到像素点a的第一梯度值grad1：grad1＝P(b1)–P(b3)，grad1＝P(b1)–P(b6)，grad1＝P(b1)–P(b8)，grad1＝P(b2)–P(b7)。

其中，第五类别像素点为位于像素点a左下方的像素点b6，位于像素点a左方的像素点b4以及位于像素点a右上方的像素点b3。第六类别像素点包括与像素点b4相隔像素点a的像素点b5，与像素点b6相隔像素点a的像素点b8，与像素点b3相隔像素点a的像素点b6。也即第五类别像素点包括像素点b6、像素点b4以及像素点b3；第六类别像素点包括像素点b5、像素点b8以及像素点b6。基于第五类别像素点的像素值与第六类别像素点的像素值计算得到像素点a的第二梯度值grad2：grad2＝P(b6)–P(b8)，grad2＝P(b3)–P(b8)，grad1＝P(b3)–P(b6)，grad1＝P(b4)–P(b5)。

步骤S12：基于梯度值对重建图像中每一像素点进行分类，得到第一类别组合，以及第一类别组合中每一第一类别对应的第一补偿值。

具体的，基于上述第一梯度值grad1：grad1＝P(a)–P(b4)，grad1

＝P(a)–P(b2)，grad1＝P(a)–P(b1)，grad1＝P(a)–P(b3)，grad1＝P(1)–P(b3)，grad1＝P(1)–P(b6)，grad1＝P(1)–P(b8)，grad1＝P(2)–P(b7)；以及第二梯度值grad2：grad2＝P(a)–P(b5)，grad2＝P(a)–P(b7)，grad2＝P(a)–P(b8)，grad2＝P(a)–P(b6)，grad2＝P(b6)–P(b8)，grad2＝P(b3)–P(b8)，grad1＝P(b3)–P(b6)，grad1＝P(b4)–P(b5)对重建图像中的像素点a进行分类，进而得到第一类别组合。

具体请结合图4，步骤S12具体包括：

步骤S121：基于第一预设区间根据第一梯度值以及第二梯度值对重建图像中每一像素点进行分类，得到第五类别组合。

在一实施例中，还可以基于第一预设区间根据第一梯度值以及第二梯度值对重建图像中的每一像素点进行分类，得到第五类别组合。例如，可以在编码端设置一个阈值T或在一个阈值集合中选择最优阈值T，阈值T为大于0的自然数，基于该阈值T得到第一预设区间。例如，第一预设区间包括(-∞，-T)、(-T，0)、(0，T)，(T，+∞)。根据第一梯度值以及第二梯度值与第一预设区间的关系进行分类。具体的，以像素点a为例进行说明，根据像素点a的第一梯度值与第一预设区间的关系对像素点a进行分类，可以将像素点a分为4类，得到像素点a的第一子类别class1(class1可取值0、1、2、3)。根据第二梯度值与第一预设区间的关系对像素点a进行分类，将像素点a分为4类，得到像素点a的第二子类别class2(class2可取值0、1、2、3)，对第一子类别以及第二子类别进行组合，进而可以得到第五类别组合。如上述，第一子类别包括四类，第二子类别包括四类，在将第一子类别以及第二子类别进行组合之后，得到的第五类别组合包括16类，也即像素点a可以被分为16类，类别序号class_num1表示为：class_num1＝class1<<2+class2。

步骤S122：基于像素点的像素值对重建图像中每一像素点进行分类，得到第六类别组合。

具体的，该步骤中，根据像素点的像素值对重建图像中每一像素点进行分类，得到第六类别组合。需要说明的是，基于像素点的像素值进行分类的方法，共有16中模式。将整个像素区间(例如10bit图像区间为[0,1023])平均分为n段，一个像素的像素值在那个区间即为哪一类。例如，若选择第16种模式表示将整个像素区间分为16个相等的区间，第一种模式表示将整个像素区间分为1个区间，根据每一个像素值的大小选择将像素分为不同的类别。

以第二种模式为例进行说明，第二种模式表示将整个像素区间分为2个相等的区间，假设比特深度为10bit，像素区间即为[0,1023]，将其分为两个相等的区间[0，511]和[512，1023]，判断像素点a的像素值所在区间，进而对像素点a进行分类；进一步选择第三种模式，将整个像素区间分为3个相等的区间，判断像素点a的像素值所在区间，进而对像素点a进行分类；进一步选择第四种模式，将整个像素区间分为4个相等的区间，判断像素点a的像素值所在区间，以此类推，进而得到第六类别组合。

步骤S123：基于第五类别组合以及第六类别组合得到第一类别组合。

对于一个重建图像来说，根据梯度分类方法，能够将像素点分为16类，根据像素值大小可以将像素点分为2类，则重建图像中的像素点可以被分为16×2＝32类，也即第一类别组合为32类。对于重建图像种的某一个样点，假设梯度分类方法的分类序号为class_num1，像素值分类方法的分类结果为class_num2，则该像素点的类别序号表示为class_num＝class_num2<<4+class_num1。

具体的，在本实施例中，在对像素点进行分类之后，进一步得到第一类别组合种每一第一类别对应的第一补偿值。

步骤S13：基于第一补偿值计算得到每一像素点对应的最佳补偿值。

具体的，可以利用率失真代价计算方法基于每一第一类别对应的第一补偿值计算得到每一像素点对应的最佳补偿值。

步骤S14：利用最佳补偿值对每一像素点进行补偿，进而对重建图像进行补偿。

利用最佳补偿值对每一像素点进行补偿，进而对重建图像进行补偿。

本实施例的方法，其采用像素点的梯度值对像素点进行分类，使得分类结果更加准确，提高补偿精度以及编码效率。

在一实施例种，重建图像包括亮度重建图像或色度重建图像。本实施例的编码方法可以应用于亮度重建图像，还可以应用于色度重建图像。

以U分量重建图像(也即色度重建图像)为例进行说明，在进行增强样点自适应补偿的过程中，编码端设置阈值集合为{2,4,6,8,10,12,14,16}，8个阈值作为8个模式，需要编码端进行模式选择。假设比特深度为10，也即像素值范围为[0，1023]，编码端选择的阈值为8，也即第一预设区间为(-∞，-8)、(-8，0)、(0，8)，(8，+∞)。当前像素点a(x，y)为U分量重建图像的样点，获取U分量重建图像种像素点a的像素值。在一实施例中，编码端可以选择上述梯度计算方法中的部分作为待选择模式，本实施例待选择的梯度计算方法为以下四种：

1、grad1＝P(a)–P(b4)，grad2＝P(a)–P(b5)；

2、grad1＝P(a)–P(b2)，grad2＝P(a)–P(b7)；

3、grad1＝P(a)–P(b1)，grad2＝P(a)–P(b8)；

4、grad1＝P(a)–P(b3)，grad2＝P(a)–P(b6)。

编码端设置一个集合例如{1、2、3、4}，其中的数值表示将像素区间范围分成区间个数，四个数值代表四个模式，需要编码端进行模式选择。编码器分别在阈值的8种模式，计算梯度的4种模式，区间个数的4种模式中选择最优模式组合，以确定最优分类方式。

具体的，当编码端选择了阈值8，第3种计算梯度的方法，以及将像素区间分为2个区间时，编码端的分类过程为：将于像素点a，根据第3种计算梯度的方法grad1＝P(a)–P(b1),grad2＝P(a)–P(b8)计算像素点a的第一梯度值grad1以及第二梯度值grad2，并判断第一梯度值grad1属于(-∞，-8)、(-8，0)、(0，8)，(8，+∞)的那个区间，用class1(取值0，1，2，3)记录区间的序号。判断像素点a的第二梯度值grad2属于(-∞，-8)、(-8，0)、(0，8)，(8，+∞)的那个区间，用class2(取值0，1，2，3)记录区间的序号。将像素范围分为两个区间[0，511]和[512，1023]，判断像素点a的像素值P(a)所在区间，用class_num1(取值0，1)记录。则像素点a的类别序号为class_num：class_num＝(class_num1<<4)+class_num0；其中class_num0＝(class1<<2)+class2。

最后利用率失真代价计算方法计算每个类别的最优补偿值，利用最优补偿值对像素点进行补偿。

V分量重建图像与U分量重建图像的补偿方法相同，在此不再赘述。

以Y分量重建图像(也即亮度重建图像)为例进行说明，在进行增强样点自适应补偿的过程中，编码端设置阈值集合为{2,4,6,8,10,12,14,16}，8个阈值作为8个模式，需要编码端进行模式选择。假设比特深度为10，也即像素值范围为[0，1023]，编码端选择的阈值为8，也即第一预设区间为(-∞，-8)、(-8，0)、(0，8)，(8，+∞)。当前像素点a(x，y)为Y分量重建图像的样点，获取Y分量重建图像种像素点a的像素值。在一实施例中，编码端可以选择上述梯度计算方法中的所有作为待选择模式，本实施例待选择的梯度计算方法为以下八种：

1、grad1＝P(a)–P(b4)，grad2＝P(a)–P(b5)；

2、grad1＝P(a)–P(b2)，grad2＝P(a)–P(b7)；

3、grad1＝P(a)–P(b1)，grad2＝P(a)–P(b8)；

4、grad1＝P(a)–P(b3)，grad2＝P(a)–P(b6)；

5、grad1＝P(b1)–P(b3)，grad2＝P(b6)–P(b8)；

6、grad1＝P(b1)–P(b6)，grad2＝P(b3)–P(b8)；

7、grad1＝P(b1)–P(b8)，grad2＝P(b3)–P(b6)；

8、grad1＝P(b2)–P(b7)，grad2＝P(b4)–P(b5)。

编码端设置一个集合例如{1、2、3、4}，其中的数值表示将像素区间范围分成区间个数，四个数值代表四个模式，需要编码端进行模式选择。编码器分别在阈值的8种模式，计算梯度的8模式，区间个数的4种模式中选择最优模式组合，以确定最优分类方式。

具体的，当编码端选择了阈值8，第8种计算梯度的方法，以及将像素区间分为2个区间时，编码端的分类过程为：将于像素点a，根据第8种计算梯度的方法grad1＝P(b2)–P(b7)，grad2＝P(b4)–P(b5)计算像素点a的第一梯度值grad1以及第二梯度值grad2，并判断第一梯度值grad1属于(-∞，-8)、(-8，0)、(0，8)，(8，+∞)的那个区间，用class1(取值0，1，2，3)记录区间的序号。判断像素点a的第二梯度值grad2属于(-∞，-8)、(-8，0)、(0，8)，(8，+∞)的那个区间，用class2(取值0，1，2，3)记录区间的序号。将像素范围分为两个区间[0，511]和[512，1023]，判断像素点a的像素值P(a)所在区间，用class_num1(取值0，1)记录。则像素点a的类别序号为class_num：class_num＝(class_num1<<4)+class_num0；其中class_num0＝(class1<<2)+class2。

最后利用率失真代价计算方法计算每个类别的最优补偿值，利用最优补偿值对像素点进行补偿。

在另一实施例中，还可以计算色度重建图像中与亮度重建图像中像素点位置对应的像素点的梯度值，基于梯度值对亮度重建图像中每一像素点进行分类，得到第一类别组合，以及第一类别组合中每一第一类别对应的第一补偿值，基于第一补偿值计算得到每一所述像素点对应的最佳补偿值；利用最佳补偿值对亮度重建图像中每一像素点进行补偿。

也即，在本实施例中，可以利用跨分量取点的方式进行补偿，以下进行举例说明。以Y分量重建图像(也即亮度重建图像)为例进行说明，在进行增强样点自适应补偿的过程中，编码端设置阈值集合为{2,4,6,8,10,12,14,16}，8个阈值作为8个模式，需要编码端进行模式选择。假设比特深度为10，也即像素值范围为[0，1023]，编码端选择的阈值为8，也即第一预设区间为(-∞，-8)、(-8，0)、(0，8)，(8，+∞)。当前像素点a1(x，y)为Y分量重建图像的样点，进一步可以从色度重建图像例如U分量重建图像中获取与像素点a1(x，y)位置对应x的像素点a的位置，基于Y分量重建图像与U分量重建图像的关系可知，像素点a的坐标位置为(x/2，y/2)，进一步获取U分量重建图像种像素点a的像素值。在一实施例中，编码端可以选择上述梯度计算方法中的所有作为待选择模式，本实施例待选择的梯度计算方法为以下八种，其中，P(a)为U分量重建图像种像素点a的像素值：

1、grad1＝P(a)–P(b4)，grad2＝P(a)–P(b5)；

2、grad1＝P(a)–P(b2)，grad2＝P(a)–P(b7)；

3、grad1＝P(a)–P(b1)，grad2＝P(a)–P(b8)；

4、grad1＝P(a)–P(b3)，grad2＝P(a)–P(b6)；

5、grad1＝P(b1)–P(b3)，grad2＝P(b6)–P(b8)；

6、grad1＝P(b1)–P(b6)，grad2＝P(b3)–P(b8)；

7、grad1＝P(b1)–P(b8)，grad2＝P(b3)–P(b6)；

8、grad1＝P(b2)–P(b7)，grad2＝P(b4)–P(b5)。

编码端设置一个集合例如{1、2、3、4}，其中的数值表示将像素区间范围分成区间个数，四个数值代表四个模式，需要编码端进行模式选择。编码器分别在阈值的8种模式，计算梯度的8模式，区间个数的4种模式中选择最优模式组合，以确定最优分类方式。

具体的，当编码端选择了阈值8，第8种计算梯度的方法，以及将像素区间分为2个区间时，编码端的分类过程为：将于像素点a，根据第8种计算梯度的方法grad1＝P(b2)–P(b7)，grad2＝P(b4)–P(b5)计算像素点a的第一梯度值grad1以及第二梯度值grad2，并判断第一梯度值grad1属于(-∞，-8)、(-8，0)、(0，8)，(8，+∞)的那个区间，用class1(取值0，1，2，3)记录区间的序号。判断像素点a的第二梯度值grad2属于(-∞，-8)、(-8，0)、(0，8)，(8，+∞)的那个区间，用class2(取值0，1，2，3)记录区间的序号。将像素范围分为两个区间[0，511]和[512，1023]，判断Y分量重建图像中的像素点的像素值所在区间，用class_num1(取值0，1)记录。则像素点的类别序号为class_num：class_num＝(class_num1<<4)+class_num0；其中class_num0＝(class1<<2)+class2。

本实施例，利用色度重建图像中与亮度重建图像位置相同的像素点计算梯度值，根据梯度值对亮度重建图像的像素点进行分类，能够实现了跨分量取点补偿。

在另一实施例中，还可以计算亮度重建图像中与色度重建图像中像素点位置对应的像素点的梯度值，基于梯度值对色度重建图像中每一像素点进行分类，得到第一类别组合，以及第一类别组合中每一第一类别对应的第一补偿值，基于第一补偿值计算得到每一所述像素点对应的最佳补偿值；利用最佳补偿值对色度重建图像中每一像素点进行补偿。以此可以利用亮度重建图像中与色度重建图像位置相同的像素点计算梯度值，根据梯度值对色度重建图像的像素点进行分类，能够实现了跨分量取点补偿。

本实施例的方法，其采用像素点的梯度值对像素点进行分类，使得分类结果更加准确，提高补偿精度以及编码效率。

在一实施例中，还可以根据重建图像中每一像素点的像素值对像素点进行分类，进而得到第二类别组合，以及第二类别组合中每一第二类别对应的第二补偿值。利用率失真代价的计算方式基于第二补偿值与梯度值分类结果对应的第一补偿值计算得到每一像素点对应的最佳补偿值，利用最佳补偿值对每一像素点进行补偿，进而对重建图像进行补偿。本实施例可以应用于色度重建图像。

在另一实施例中，还可以根据重建图像中每一像素点的像素值对像素点进行分类，进而得到第二类别组合；以及根据重建图像中每一像素点的像素值与周围像素点的像素值大小对像素点进行分类，进而得到第三类别组合；对第二类别组合以及第三类别组合进行组合，以得到第四类别组合以及第四类别组合中每一第四类别对应的第三补偿值。利用率失真代价的计算方式基于第三补偿值与梯度值分类结果对应的第一补偿值计算得到每一像素点对应的最佳补偿值，利用最佳补偿值对每一像素点进行补偿，进而对重建图像进行补偿。本实施例可以应用于色度重建图像。本实施例可以应用于色度重建图像，还可以应用于亮度重建图像。

比较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三类别组合。具体的，共有两种分类模式，分别可以将重建图像中的像素分类17类和9类。进一步可以利用笛卡尔乘积对第三类别组合以及第二类别组合进行组合之后得到第四类别组合以及第四类别组合中每一第四类别对应的第三补偿值。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。

具体的，例如，将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分出的第三类别组合和方法2分出的第二类别组合进行组合，得到第四组合类别。对每一种组合类别，计算求得最优补偿值，也即第三补偿值。

在一具体实施例中，对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，利用最佳补偿值对重建图像中具有滤波标记的编码单元进行补偿。

在进行补偿之后，进一步对补偿后的重建图像进行编码，进而得到码流，码流包括句法元素以及滤波标记，句法元素包括最佳补偿值，滤波标记表示重建图像中需要进行补偿的编码单元。

具体的，编码端在将重建图像进行编码时，进一步将句法元素进行编码，然后传输给解码端，解码端根据该句法元素得到相应的模式以及模式对应的最佳补偿值。

具体的，可以新增一个表示是否采用新分类方法的句法esao_chroma_type，表示采用现有技术进行补偿还是采用新增方法进行补偿。esao_chroma_type为0时表示采用现有技术进行补偿，esao_chroma_type等于1表示采用新增的分类方法。若编码端选择新增的方法进行分类，则esao_chroma_type等于1，此时需要额外传输新增方法中所有模式的句法元素，具体为：句法：esao_chroma_edge_type，取值：0～3，其含义为4个计算梯度的方法；句法：esao_chroma_th_mode，取值：0～7，其含义为8和可选阈值；句法：esao_chroma_adaptive_mode，取值：0～3，其含义为4种像素值范围分成区间个数。

在另一实施例中，还可以新增一个表示是否采用新分类方法的句法esao_luma_new_type，表示采用现有技术进行补偿还是采用新增方法进行补偿。esao_luma_new_type为0时表示采用现有技术进行补偿，esao_luma_new_type等于1表示采用新增的分类方法。若编码端选择新增的方法进行分类，则esao_luma_new_type等于1，此时需要额外传输新增方法中所有模式的句法元素，具体为：句法：esao_luma_edge_type，取值：0～7，其含义为8个计算梯度的方法；句法：esao_luma_th_mode，取值：0～7，其含义为8和可选阈值；句法：esao_luma_adaptive_mode，取值：0～3，其含义为4种像素值范围分成区间个数。

在另一实施例中，还可以新增一个表示是否采用新分类方法的句法esao_luma_new_type，表示采用现有技术进行补偿还是采用新增方法进行补偿。esao_luma_new_type为0时表示采用现有技术进行补偿，esao_luma_new_type等于1表示采用新增的分类方法。若编码端选择新增的方法进行分类，则esao_luma_new_type等于1，此时需要额外传输新增方法中所有模式的句法元素，具体为：句法：esao_luma_component_choose，取值：0～2，其含义为3个像素点的选取方法；句法：esao_luma_edge_type，取值0～7，其含义为8个计算梯度的方法；句法：esao_luma_th_mode，取值：0～7，其含义为8和可选阈值；句法：esao_luma_adaptive_mode，取值：0～3，其含义为4种像素值范围分成区间个数。

本申请提出一种新的对像素点进行分类的方法，该方法利用待补偿像素点与周围像素点的梯度信息对待补偿像素点进行分类，增加了分类依据，结合现有技术中的利用待补偿像素点的像素值的大小进行分类，以及利用待补偿像素点与周围像素点的像素值的关系进行分类的方法，能够更准确的对图像进行分类，提升补偿效果以及补偿精度，进而提升编码效率。

本申请提处的新的对像素点进行分类的方法，其可应用于色度重建图像与亮度重建图像中任一种，并且可以在多种选择模式中选择最优化的方法，进而得到最佳补偿值，在分类依据中增加了图像间的像素点的相关性，能够对图像进行更准确的分类，补偿效果以及补偿精度，进而提升编码效率。

请参见图5，为本发明编码装置的一实施例的结构示意图，具体包括第一计算模块51、分类模块52、第二计算模块53以及补偿模块54。

其中，第一计算模块51用于计算重建图像中每一像素点的梯度值。具体的，第一计算模块51获取重建图像中每一像素点以及像素点周围像素点的像素值。基于像素点的像素值与周围像素点的像素值计算得到每一像素点的梯度值；和/或基于周围像素点的像素值计算得到每一像素点的梯度值。

在一实施例中，可以基于像素点a的像素值与周围像素点b1～b8的像素值计算得到像素点a的梯度值。具体的，基于像素点的像素值与第一类别像素点的像素值计算得到每一像素点的第一梯度值，第一类别像素点为周围像素点中位于像素点上方以及左方的像素点。基于像素点的像素值与第二类别像素点的像素值计算得到每一像素点的第二梯度值，第二类别像素点为周围像素点中位于像素点下方以及右方的像素点。

具体以图3为例进行说明，将像素点a的周围像素点b1～b8分为第一类别像素点以及第二类别像素点，第一类别像素点为位于像素点a上方以及左方的像素点b1、b2、b3、以及b4；第二类别像素点为位于像素点a下方以及右方的像素点b5、b6、b7、以及b8。进一步根据像素点a的像素值以及像素点b1、b2、b3、以及b4计算得到像素点a的第一梯度值grad1：grad1＝P(a)–P(b4)，grad1＝P(a)–P(b2)，grad1＝P(a)–P(b1)，grad1＝P(a)–P(b3)。根据像素点a的像素值以及像素点b5、b6、b7、以及b8计算得到像素点a的第二梯度值grad2：grad2＝P(a)–P(b5)，grad2＝P(a)–P(b7)，grad2＝P(a)–P(b8)，grad2＝P(a)–P(b6)。其中，P(n)表示n点的像素值。

在另一实施例中，还可以基于周围像素点的像素值计算得到每一像素点的梯度值。具体的，基于第三类别像素点的像素值与第四类别像素点的像素值计算得到每一像素点的第一梯度值，第三类别像素点为周围像素点中位于像素点左上方以及正上方的像素点，第四类别像素点为周围像素点中与第三类别像素点相隔一个像素点的像素点。基于第五类别像素点的像素值与第六类别像素点的像素值计算得到每一像素点的第二梯度值，第五类别像素点为周围像素点中位于像素点左下方、左方以及右上方的像素点，第六类别像素点为周围像素点中与第五类别像素点相隔一个像素点的像素点。

具体以图3为例进行说明，将像素点a的周围像素点b1～b8分为第三类别像素点、第四类别像素点、第五类别像素点以及第六类别像素点。其中第三类别像素点为位于像素点a左上方的像素点b1以及正上方的像素点b2，第四类别像素点为与第三类别像素点相隔一个像素点的像素点，例如与像素点b1相隔一个像素点b2的像素点b3，与像素点b1相隔一个像素点b4的像素点b6，与像素点b1相隔一个像素点a的像素点b8，与像素点b2相隔一个像素点a的像素点b7。也即第四类别像素点包括像素点b3、像素点b6、像素点b8以及像素点b7。基于第三类别像素点的像素值与第四类别像素点的像素值计算得到像素点a的第一梯度值grad1：grad1＝P(b1)–P(b3)，grad1＝P(b1)–P(b6)，grad1＝P(b1)–P(b8)，grad1＝P(b2)–P(b7)。

其中，第五类别像素点为位于像素点a左下方的像素点b6，位于像素点a左方的像素点b4以及位于像素点a右上方的像素点b3。第六类别像素点包括与像素点b4相隔像素点a的像素点b5，与像素点b6相隔像素点a的像素点b8，与像素点b3相隔像素点a的像素点b6。也即第五类别像素点包括像素点b6、像素点b4以及像素点b3；第六类别像素点包括像素点b5、像素点b8以及像素点b6。基于第五类别像素点的像素值与第六类别像素点的像素值计算得到像素点a的第二梯度值grad2：grad2＝P(b6)–P(b8)，grad2＝P(b3)–P(b8)，grad2＝P(b3)–P(b6)，grad2＝P(b4)–P(b5)。

分类模块52用于基于梯度值对重建图像中每一像素点进行分类，得到第一类别组合，以及第一类别组合中每一第一类别对应的第一补偿值。

具体的，分类模块52基于第一预设区间根据第一梯度值以及第二梯度值对重建图像中每一像素点进行分类，得到第五类别组合。基于像素点的像素值对重建图像中每一像素点进行分类，得到第六类别组合。基于第五类别组合以及第六类别组合得到第一类别组合。

在一实施例中，还可以基于第一预设区间根据第一梯度值以及第二梯度值对重建图像中的每一像素点进行分类，得到第五类别组合。例如，可以在编码端设置一个阈值T或在一个阈值集合中选择最优阈值T，阈值T为大于0的自然数，基于该阈值T得到第一预设区间。例如，第一预设区间包括(-∞，-T)、(-T，0)、(0，T)，(T，+∞)。根据第一梯度值以及第二梯度值与第一预设区间的关系进行分类。具体的，以像素点a为例进行说明，根据像素点a的第一梯度值与第一预设区间的关系对像素点a进行分类，可以将像素点a分为4类，得到像素点a的第一子类别class1(class1可取值0、1、2、3)。根据第二梯度值与第一预设区间的关系对像素点a进行分类，将像素点a分为4类，得到像素点a的第二子类别class2(class2可取值0、1、2、3)，对第一子类别以及第二子类别进行组合，进而可以得到第五类别组合。如上述，第一子类别包括四类，第二子类别包括四类，在将第一子类别以及第二子类别进行组合之后，得到的第五类别组合包括16类，也即像素点a可以被分为16类，类别序号class_num1表示为：class_num1＝class1<<2+class2。

根据像素点的像素值对重建图像中每一像素点进行分类，得到第六类别组合。需要说明的是，基于像素点的像素值进行分类的方法，共有16中模式。将整个像素区间(例如10bit图像区间为[0,1023])平均分为n段，一个像素的像素值在那个区间即为哪一类。例如，若选择第16种模式表示将整个像素区间分为16个相等的区间，第一种模式表示将整个像素区间分为1个区间，根据每一个像素值的大小选择将像素分为不同的类别。

以第二种模式为例进行说明，第二种模式表示将整个像素区间分为2个相等的区间，假设比特深度为10bit，像素区间即为[0,1023]，将其分为两个相等的区间[0，511]和[512，1023]，判断像素点a的像素值所在区间，进而对像素点a进行分类；进一步选择第三种模式，将整个像素区间分为3个相等的区间，判断像素点a的像素值所在区间，进而对像素点a进行分类；进一步选择第四种模式，将整个像素区间分为4个相等的区间，判断像素点a的像素值所在区间，以此类推，进而得到第六类别组合。

对于一个重建图像来说，根据梯度分类方法，能够将像素点分为16类，根据像素值大小可以将像素点分为2类，则重建图像中的像素点可以被分为16×2＝32类，也即第一类别组合为32类。对于重建图像种的某一个样点，假设梯度分类方法的分类序号为class_num1，像素值分类方法的分类结果为class_num2，则该像素点的类别序号表示为class_num＝class_num2<<4+class_num1。

具体的，在本实施例中，在对像素点进行分类之后，进一步得到第一类别组合种每一第一类别对应的第一补偿值。

第二计算模块53用于基于第一补偿值计算得到每一像素点对应的最佳补偿值。

具体的，可以利用率失真代价计算方法基于每一第一类别对应的第一补偿值计算得到每一像素点对应的最佳补偿值。

在一实施例中，还可以根据重建图像中每一像素点的像素值对像素点进行分类，进而得到第二类别组合，以及第二类别组合中每一第二类别对应的第二补偿值。第二计算模块53利用率失真代价的计算方式基于第二补偿值与梯度值分类结果对应的第一补偿值计算得到每一像素点对应的最佳补偿值，利用最佳补偿值对每一像素点进行补偿，进而对重建图像进行补偿。本实施例可以应用于色度重建图像。

在另一实施例中，还可以根据重建图像中每一像素点的像素值对像素点进行分类，进而得到第二类别组合；以及根据重建图像中每一像素点的像素值与周围像素点的像素值大小对像素点进行分类，进而得到第三类别组合；对第二类别组合以及第三类别组合进行组合，以得到第四类别组合以及第四类别组合中每一第四类别对应的第三补偿值。第二计算模块53利用率失真代价的计算方式基于第三补偿值与梯度值分类结果对应的第一补偿值计算得到每一像素点对应的最佳补偿值，利用最佳补偿值对每一像素点进行补偿，进而对重建图像进行补偿。本实施例可以应用于色度重建图像。本实施例可以应用于色度重建图像，还可以应用于亮度重建图像。

补偿模块54用于利用最佳补偿值对每一像素点进行补偿，进而对重建图像进行补偿。

利用最佳补偿值对每一像素点进行补偿，进而对重建图像进行补偿。

在一实施例中，第一计算模块51还用于计算色度重建图像中与亮度重建图像中像素点位置对应的像素点的梯度值。分类模块52还用于基于所述梯度值对所述亮度重建图像中每一所述像素点进行分类，得到第一类别组合，以及所述第一类别组合中每一第一类别对应的第一补偿值。第二计算模块53还用于基于所述第一补偿值计算得到每一所述像素点对应的最佳补偿值，补偿模块54还用于利用所述最佳补偿值对所述亮度重建图像中每一所述像素点进行补偿。

在一实施例中，第一计算模块51还用于计算亮度重建图像中与色度重建图像中像素点位置对应的像素点的梯度值。分类模块52还用于基于所述梯度值对所述色度重建图像中每一所述像素点进行分类，得到第一类别组合，以及所述第一类别组合中每一第一类别对应的第一补偿值。第二计算模块53还用于基于所述第一补偿值计算得到每一所述像素点对应的最佳补偿值，补偿模块54还用于利用所述最佳补偿值对所述色度重建图像中每一所述像素点进行补偿。

本实施例的编码装置，其采用像素点的梯度值对像素点进行分类，使得分类结果更加准确，提高补偿精度以及编码效率。本实施例的编码装置，一方面能够实现分量内取点计算梯度进行补偿，另一方面还能够支持跨分量取点计算梯度进行补偿。

请参见图6，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7，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 (13)

1.一种编码方法，其特征在于，包括：

计算重建图像中每一像素点的梯度值；

基于所述梯度值对所述重建图像中每一所述像素点进行分类，得到第一类别组合，以及所述第一类别组合中每一第一类别对应的第一补偿值；

基于所述第一补偿值计算得到每一所述像素点对应的最佳补偿值；

利用所述最佳补偿值对每一所述像素点进行补偿，进而对所述重建图像进行补偿；

其中，基于所述梯度值对所述重建图像中每一所述像素点进行分类，得到第一类别组合，包括：

基于第一预设区间根据第一梯度值以及第二梯度值对所述重建图像中每一所述像素点进行分类，得到第五类别组合；

基于所述像素点的像素值对所述重建图像中每一所述像素点进行分类，得到第六类别组合；

基于所述第五类别组合以及所述第六类别组合得到所述第一类别组合；

所述第一梯度值基于所述像素点的像素值与第一类别像素点的像素值计算得到；或者所述第一梯度值基于第三类别像素点的像素值与第四类别像素点的像素值计算得到；所述第二梯度值基于所述像素点的像素值与第二类别像素点的像素值计算得到；或者所述第二梯度值基于第五类别像素点的像素值与第六类别像素点的像素值计算得到；所述第一类别像素点为所述像素点周围像素点中位于所述像素点上方以及左方的像素点；所述第二类别像素点为所述周围像素点中位于所述像素点下方以及右方的像素点；所述第三类别像素点为所述周围像素点中位于所述像素点左上方以及正上方的像素点，所述第四类别像素点为所述周围像素点中与所述第三类别像素点相隔一个像素点的像素点；所述第五类别像素点为所述周围像素点中位于所述像素点左下方、左方以及右上方的像素点，所述第六类别像素点为所述周围像素点中与所述第五类别像素点相隔一个像素点的像素点。

2.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：

基于所述重建图像中每一所述像素点的像素值对所述像素点进行分类，得到第二类别组合，以及所述第二类别组合中每一第二类别对应的第二补偿值；

基于所述第一补偿值以及所述第二补偿值计算得到每一所述像素点对应的最佳补偿值。

3.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：

根据所述重建图像中每一所述像素点的像素值对所述像素点进行分类，进而得到第二类别组合；以及根据所述重建图像中每一像素点的像素值与周围像素点的像素值大小对所述像素点进行分类，进而得到第三类别组合；

对所述第二类别组合以及所述第三类别组合进行组合，以得到第四类别组合以及所述第四类别组合中每一所述第四类别对应的第三补偿值；

所述基于所述第一补偿值计算得到每一所述像素点对应的最佳补偿值的步骤，包括：

基于所述第一补偿值以及所述第三补偿值计算得到每一所述像素点对应的最佳补偿值。

4.根据权利要求1~3任一项所述的编码方法，其特征在于，所述计算重建图像中每一像素点的梯度值，包括：

获取所述重建图像中每一所述像素点以及所述像素点周围像素点的像素值；

基于所述像素点的像素值与所述周围像素点的像素值计算得到每一所述像素点的梯度值；和/或

基于所述周围像素点的像素值计算得到每一所述像素点的梯度值。

5.根据权利要求4所述的编码方法，其特征在于，所述基于第一预设区间基于所述第一梯度值以及所述第二梯度值对所述重建图像中每一所述像素点进行分类，得到第五类别组合包括：

根据所述第一梯度值与所述第一预设区间的关系对所述重建图像中每一所述像素点进行分类，得到第一子类别；

根据所述第二梯度值与所述第一预设区间的关系对所述重建图像中每一所述像素点进行分类，得到第二子类别；

对所述第一子类别以及所述第二子类别进行组合，进而得到所述第五类别组合。

6.根据权利要求1所述的编码方法，其特征在于，所述基于所述第一补偿值计算得到每一所述像素点对应的最佳补偿值的步骤，包括：

基于所述第一补偿值进行率失真代价计算，得到每一所述像素点对应的最佳补偿值。

7.根据权利要求1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中任一种。

8.根据权利要求7所述的编码方法，其特征在于，所述计算重建图像中每一像素点的梯度值，包括：

计算色度重建图像中与亮度重建图像中像素点位置对应的像素点的梯度值；

所述基于所述梯度值对所述重建图像中每一所述像素点进行分类，得到第一类别组合，以及所述第一类别组合中每一第一类别对应的第一补偿值，包括：

基于所述梯度值对所述亮度重建图像中每一所述像素点进行分类，得到第一类别组合，以及所述第一类别组合中每一第一类别对应的第一补偿值；

利用所述最佳补偿值对每一所述像素点进行补偿，进而对所述重建图像进行补偿，包括：

利用所述最佳补偿值对所述亮度重建图像中每一所述像素点进行补偿。

9.根据权利要求7所述的编码方法，其特征在于，所述计算重建图像中每一像素点的梯度值，包括：

计算亮度重建图像中与色度重建图像中像素点位置对应的像素点的梯度值；

所述基于所述梯度值对所述重建图像中每一所述像素点进行分类，得到第一类别组合，以及所述第一类别组合中每一第一类别对应的第一补偿值，包括：

基于所述梯度值对所述色度重建图像中每一所述像素点进行分类，得到第一类别组合，以及所述第一类别组合中每一第一类别对应的第一补偿值；

利用所述最佳补偿值对每一所述像素点进行补偿，进而对所述重建图像进行补偿，包括：

利用所述最佳补偿值对所述色度重建图像中每一所述像素点进行补偿。

10.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：

对补偿后的所述重建图像进行编码，进而得到码流，所述码流包括句法元素以及滤波标记，所述句法元素包括所述最佳补偿值，所述滤波标记表示所述重建图像中需要进行补偿的编码单元。

11.一种编码装置，其特征在于，包括：

第一计算模块，用于计算重建图像中每一像素点的梯度值；

分类模块，用于基于所述梯度值对所述重建图像中每一所述像素点进行分类，得到第一类别组合，以及所述第一类别组合中每一第一类别对应的第一补偿值；其中，分类模块还用于基于第一预设区间根据第一梯度值以及第二梯度值对所述重建图像中每一所述像素点进行分类，得到第五类别组合；基于所述像素点的像素值对所述重建图像中每一所述像素点进行分类，得到第六类别组合；基于所述第五类别组合以及所述第六类别组合得到所述第一类别组合；所述第一梯度值基于所述像素点的像素值与第一类别像素点的像素值计算得到；或者所述第一梯度值基于第三类别像素点的像素值与第四类别像素点的像素值计算得到；所述第二梯度值基于所述像素点的像素值与第二类别像素点的像素值计算得到；或者所述第二梯度值基于第五类别像素点的像素值与第六类别像素点的像素值计算得到；所述第一类别像素点为所述像素点周围像素点中位于所述像素点上方以及左方的像素点；所述第二类别像素点为所述周围像素点中位于所述像素点下方以及右方的像素点；所述第三类别像素点为所述周围像素点中位于所述像素点左上方以及正上方的像素点，所述第四类别像素点为所述周围像素点中与所述第三类别像素点相隔一个像素点的像素点；所述第五类别像素点为所述周围像素点中位于所述像素点左下方、左方以及右上方的像素点，所述第六类别像素点为所述周围像素点中与所述第五类别像素点相隔一个像素点的像素点；

第二计算模块，用于基于所述第一补偿值计算得到每一所述像素点对应的最佳补偿值；

补偿模块，用于利用所述最佳补偿值对每一所述像素点进行补偿，进而对所述重建图像进行补偿。

12.一种电子设备，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1-10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。

13.一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1-10任一项所述的编码方法。

Images