CN1882083A - 一种降低图像方块效应的方法 - Google Patents

Abstract

本发明提供一种降低图像方块效应的方法，其核心为：确定图像块DCT系数量化结果的取值范围，根据所述图像块的相邻块中的像素信息、所述取值范围调整所述图像块的DCT系数量化结果，根据所述调整后的DCT系数量化结果对所述图像块进行压缩编码。本发明能够使相邻图像块的DCT系数量化误差的大小及其分布特性相互关联，使经过压缩编码后的相邻图像块的边界连续，在降低方块效应的同时，不会损伤图像的细节；本发明能够分辨图像纹理边缘和方块效应引起的边缘，不会引入额外的视频模糊现象；本发明不需要对解码端做任何调整，且能够与主流的基于B－DCT技术的视频压缩编码技术的标准兼容；从而实现了降低视频图像的方块效应，提高视频主观质量和客观质量的目的。

Description

一种降低图像方块效应的方法

技术领域

本发明涉及网络通讯技术领域，具体涉及一种降低图像方块效应的方法。

背景技术

方块效应(Block Artifacts，Block Effects)是在对数字图像进行视频压缩编码环节中人为引入的一种现象，自然图像中没有，所以，也称方块人工效果。

目前的主流视频压缩编码技术如MPEG-1/MPEG-2/MPEG-4 part2，part 10，H.261/H.263/H.263+/H.263++/H.264等国际标准都基于DCT(离散余玄变换)方法，DCT方法也叫做B-DCT(Block-based DCT)压缩编码方法，该方法通过DCT变换，将空域(Space Domain)图像信息变换到频率域(Frequency Domain)，从而，使图像信号的能量集中在少数DCT系数如DCT直流系数、DCT低频系数上，对这些DCT系数进行量化和熵编码可以有效地对图像数据进行压缩。

在采用B-DCT压缩编码方法的视频中，尤其是在低码率压缩的视频中，方块效应是引起图像失真的一个重要因素，方块效应严重影响着视频的主观质量和客观质量(PSNR)。

下面通过介绍基于DCT的视频压缩编码方法来分析方块效应的成因。

8×8块的DCT和反DCT，即IDCT(反离散余玄变换)的变换公式分别为：

$F(u,v)=\frac{1}{4}C\left(u\right)C\left(v\right)\underset{x=0}{\overset{7}{\mathrm{\Σ}}}\underset{y=0}{\overset{7}{\mathrm{\Σ}}}f(x,y)\cos \frac{(2x+1)\mathrm{u\π}}{16}\cos \frac{(2y+1)\mathrm{v\π}}{16}----\left(1\right)$

$f(x,y)=\frac{1}{4}\underset{u=0}{\overset{7}{\mathrm{\Σ}}}\underset{v=0}{\overset{7}{\mathrm{\Σ}}}C\left(u\right)C\left(v\right)F(u,v)\cos \frac{(2x+1)\mathrm{u\π}}{16}\cos \frac{(2y+1)\mathrm{v\π}}{16}----\left(2\right)$

公式(1)、(2)中，f(x，y)表示图像块的像素值，F(u，v)表示DCT系数，且

公式(1)给出了对于图像像素灰度的DCT。对于视频图像中的I帧，即帧内编码帧，图像像素灰度是像素本身的灰度；对于视频图像中的P帧，即预测编码帧，图像像素灰度是预测残差像素的灰度。

通过公式(2)可以将压缩图像块经过IDCT，解压缩变回到空间域中的图像块。

在DCT系数中，F(0，0)称为直流系数，其它DCT系数称为交流系数。另外，DCT系数中的直流分量正比于图像块的平均灰度值，高频分量表明图像中物体边缘的强度及方向，F(0，v)系数反映图像水平方向的变化，F(u，0)则反映图像垂直方向的变化。

采用B-DCT的视频压缩编码方法，图像失真主要是由DCT系数的量化引起的，典型的DCT系数量化和恢复算法为：

$F_Q(u,v)=\mathrm{round}\left(\frac{F_D(u,v)}{Q(u,v)}\right)----\left(4\right)$

F_R＝F_Q(u，v)Q(u，v)                                    (5)

其中：round(.)函数表示舍入处理，即通俗所说的四舍五入，F_D表示量化前的DCT系数，F_Q表示量化后的DCT系数，F_R表示恢复的DCT系数，Q(u，v)表示量化步长。

DCT系数的量化误差为：

d_F(u，v)＝F_R(u，v)-F_D(u，v)                            (6)

在目前的B-DCT视频压缩编码方法中，由于图像中所有块都是独立量化的，使相邻块的DCT系数量化误差互不相关，所以，对于相邻两个块边界处的像素，如果DCT系数量化误差不连续，就会使本来平滑的纹理在块边界处有较大的变化，从而产生方块效应。

下面以H.263视频编码标准为例，分析DCT系数中直流分量F(0，0)的量化对方块效应的影响。

在H.263视频编码标准中，DCT系数中的直流分量采用固定为8的量化步长，F(0，0)的量化及恢复公式分别为：

$F_Q\left(\mathrm{0,0}\right)=\mathrm{round}\left(\frac{F_D\left(\mathrm{0,0}\right)}{8}\right)----\left(7\right)$

F_R(0，0)＝F_Q(0，0)×8                              (8)

设定对于左右相邻的两个块f₁和f₂， $F_{f_1,D}(0,0)=11,$ $F_{f_2,D}\left(\mathrm{0,0}\right)=12,$ 根据公式(4)～(8)可知：

$F_{f_1,Q}\left(\mathrm{0,0}\right)=1,$ $F_{f_2,Q}\left(\mathrm{0,0}\right)=2;$

$F_{f_1,R}\left(\mathrm{0,0}\right)=8,$ $F_{f_2,R}\left(\mathrm{0,0}\right)=16;$

$d_{f_1,F}\left(\mathrm{0,0}\right)=-3,$ $d_{f_2,F}\left(\mathrm{0,0}\right)=4.$

直流系数量化误差，经过IDCT，得到空间域的像素。根据公式(2)可知，F(0，0)对于8×8块中每个像素灰度的贡献是：

$\frac{1}{4}\×\frac{1}{\sqrt{2}}\×\frac{1}{\sqrt{2}}\×F\left(\mathrm{0,0}\right)=0.125\×F\left(\mathrm{0,0}\right)----\left(9\right)$

因此，由于直流系数的量化误差，块f₁中每个像素产生的误差为：

$d_{f_1,f}(x,y)=0.125\×(-3)=-0.375;$

块f₂中的每个像素产生的误差为： $d_{f_2,f}(x,y)=0.125\×4=0.5.$

块f₁和f₂产生的误差不连续，导致块f₁和f₂的像素在边界处误差的变化为：0.5-(-0.375)＝0.875，显然，产生方块效应。

目前，降低视频图像中方块效应的方法主要包括两种：

方法一：滤波后处理类方法，即在接收端对图像解码后，通过后处理的方法在一定程度上降低方块效应。

滤波后处理类方法主要包括：平滑滤波(Smoothing Filtering)方法和环路滤波方法。

平滑滤波方法又可以为：

A.线性滤波，如：FIR(FIR，Finite Impulse Response)滤波，也叫做Non-recursive(非递归)滤波，IIR(IIR，Infinite Impulse Response)滤波，也叫做Recursive(递归)滤波。

B.非线性滤波，如：Volterra滤波，顺序统计量(rank statistics)滤波，形态学滤波。

C.神经网络滤波。

D.基于模糊数学(fuzzy set theory)的滤波。

环路滤波(Loop Filtering)在很多国际标准如H.263，H.264中都有规定。环路滤波是一种非线性滤波，嵌入在解码器中，对于已经解码的图像，根据相邻块之间边界灰度的相对差值关系来判断是否进行滤波。

在上述滤波技术中，线性滤波简单易行，但是，线性滤波适用于对各种随机噪声的处理，对人工方块效应的处理效果并不好，而且还会模糊图像，可能得不偿失。非线性滤波如基于模糊数学、神经网络或者形态学等方法的滤波，比线性滤波的效果好一些，但是，非线性滤波的计算非常复杂，对于静止图像处理或许可以，对于实时性要求高的视频通信应用缺乏实际意义。

方法二：重叠的块DCT，通过在编码端进行处理来降低方块效应。

这类方法的实现原理为：首先，将图像划分成一系列的8×8的块，在H.264国际标准中，块也可以更小如4×4块，这些块是重叠的，比如相邻的两个块之间可以有2个像素的重叠。通过重叠使得各个块“你中有我，我中有你”，相互关联，从而在一定程度上消除方块效应。

这类方法的最大问题是效率问题，设想如果8×8的块，相邻块之间重叠4个像素，则整个图像中的块要比块不重叠的情况下多将近300％，即使相邻块之间重叠2个像素，块的增加量也将近80％，使整个图像的压缩编码复杂度随着块之间重叠像素数量的增加而以近似平方的关系增加，因此，该方法的可行性在压缩编码效率方面存在很大问题。

发明内容

本发明的目的在于，提供一种降低图像方块效应的方法，通过对DCT系数量化后的结果进行“柔性”处理，以实现降低视频图像的方块效应，提高视频主观质量和客观质量的目的。

为达到上述目的，本发明提供的一种降低图像方块效应的方法，包括：

a、确定图像块DCT系数量化结果的取值范围；

b、根据所述图像块的相邻块中的像素信息、所述取值范围调整所述图像块的DCT系数量化结果；

c、根据所述调整后的DCT系数量化结果对所述图像块进行压缩编码。

所述图像块包括：帧内编码帧中的n1×n2图像块或帧间编码帧中的n1×n2残差块，其中：n1、n2为正整数。

所述步骤a具体包括如下步骤：

a1、确定图像帧中需要调整DCT系数量化结果的图像块；

a2、根据所述图像块量化前的DCT系数和量化步长确定图像块量化结果的最大值和最小值。

所述步骤a1具体包括如下步骤：

a11、根据图像帧中各图像块的相邻块中像素的灰度信息确定各图像块的方块效应度量；

a12、按照各图像块的方块效应度量从大到小的顺序选取预定个数的方块效应度量；

a13、将所述预定个数的方块效应度量对应的图像块确定为需要调整DCT系数量化结果的图像块。

所述步骤a2具体包括如下步骤：

确定所述需要调整DCT系数量化结果的图像块的DCT系数量化结果的最大值和最小值分别为：

其中：F_D表示图像块量化前的DCT系数，F_Q表示图像块量化后的DCT系数，Q(u，v)表示量化步长，X表示最接近X而又小于或等于X的整数值， 表示最接近X而又大于或等于X的整数值。

所述步骤b具体包括如下步骤：

b1、在需要调整DCT系数量化结果的图像块的DCT系数量化结果最大值和最小值之间确定至少两个量化结果；

b2、根据所述至少两个量化结果分别对所述图像块进行反DCT；

b3、分别根据各相邻块中像素的灰度信息确定所述反DCT获得的至少两个图像块的方块效应度量；

b4、将最小的方块效应度量对应的量化结果作为需要调整DCT系数量化结果的图像块的DCT系数量化结果。

所述步骤b1具体包括：

确定所述最大值和最小值之间的p+2个量化结果分别为：

$F_{Q,\mathrm{MIN}}(u,v)+\frac{k}{p+1}(F_{Q,\mathrm{MAX}}(u,v)-F_{Q,\mathrm{MIN}}(u,v)),k=\mathrm{0,1,2},.....,p+1;$

其中：p为大于等于零的正整数。

图像块的方块效应度量BEM为：

$\mathrm{BEM}(B,B_L,B_R,B_T,B_M)=\begin{array}{c}\underset{i=0}{\overset{7}{\mathrm{\Σ}}}{(f_B(i,0)-f_{B_L}(i,7))}^2+\\ \underset{i=0}{\overset{7}{\mathrm{\Σ}}}{(f_B(i,7)-f_{B_R}(i,0))}^2+\\ \underset{i=0}{\overset{7}{\mathrm{\Σ}}}{(f_B(0,i)-f_{B_T}(7,i))}^2+\\ \underset{i=0}{\overset{7}{\mathrm{\Σ}}}{(f_B(7,i)-f_{B_B}(0,i))}^2+\end{array};$ 或

$\mathrm{BEM}(B,B_L,B_R,B_T,B_M)=\begin{array}{c}\underset{i=0}{\overset{7}{\mathrm{\Σ}}}|f_B(i,0)-f_{B_L}(i,7)|+\\ \underset{i=0}{\overset{7}{\mathrm{\Σ}}}|f_B(i,7)-f_{B_R}(i,0)|+\\ \underset{i=0}{\overset{7}{\mathrm{\Σ}}}|f_B(0,i)-f_{B_T}(7,i)|+\\ \underset{i=0}{\overset{7}{\mathrm{\Σ}}}|f_B(7,i)-f_{B_B}(0,i)|\end{array};$

其中：f_B(i，j)，f_BL(i，j)，f_BR(i，j)，f_BT(i，j)，f_BB(i，j)分别表示块B、与块B左边相邻的相邻块B_L、与块B右边相邻的相邻块B_R、与块B上边相邻的相邻块B_T、与块B下边相邻的相邻块B_B的第(i，j)像素的灰度值，0≤i≤7，0≤j≤7。

所述步骤b中DCT系数包括：F(0，0)、F(0，1)…F(0，m)、F(1，0)、F(2，0)....F(m，0)，其中：0≤m≤7。

所述步骤b中DCT系数包括：F(0，0)、F(0，1)、F(0，2)、F(1，0)、F(2，0)。

所述步骤b中DCT系数包括：F(0，0)、F(0，1)、F(1，0)。

所述步骤b中DCT系数包括：F(0，0)。

通过上述技术方案的描述可知，本发明通过在频率域中对图像块DCT系数量化后的量化结果进行“柔性”处理，使相邻图像块的DCT系数量化误差的大小及其分布特性相互关联，使相邻图像块的边界连续，在降低方块效应的同时，不会损伤图像的细节；由于编码端能够清楚地知道原始图像在块边界处的图像信息，使本发明能够分辨图像纹理边缘和方块效应引起的边缘，不会引入额外的视频模糊现象；本发明不需要对解码端做任何调整，且能够与各视频压缩编码技术的标准兼容；本发明通过对图像中方块效应大的图像块的主要DCT系数的量化结果进行“柔性”处理，使本发明能够在降低方块效应的同时，保持较低的计算复杂度；本发明虽然在压缩视频的比特率方面有所增加，但是，由于平均增加的幅度仅为0.19％，可忽略不计；从而通过本发明提供的技术方案实现了降低视频图像的方块效应，提高视频主观质量和客观质量的目的。

附图说明

图1是图像中的相邻块示意图；

图2中的(a)图是Foreman序列的方块效应对比图；

图2中的(b)图是Claire序列的方块效应对比图；

图2中的(c)图是Carphone序列的方块效应对比图；

图2中的(d)图是News序列的方块效应对比图；

图3中的(a)图是未采用本发明技术方案的Foreman序列第10帧图像的方块效应示意图；

图3中的(b)图是采用本发明技术方案的Foreman序列第10帧图像的方块效应示意图；

图4中的(a)图是未采用本发明技术方案的Claire序列第10帧图像的方块效应示意图；

图4中的(b)图是采用本发明技术方案的Claire序列第10帧图像的方块效应示意图。

具体实施方式

通过现有技术的描述可知，目前的B-DCT视频压缩编码方法中产生方块效应的本质原因为：各个图像块独立进行DCT系数量化过程，使各图像块引入的DCT系数量化误差的大小及其分布特性相互独立，从而导致相邻图像块边界的不连续。

继续现有技术中的例子，如果上述例子中左右相邻的两个块f₁和f₂的DCT量化系数中的直流系数为：

${\hat{F}}_{f_1,Q}\left(\mathrm{0,0}\right)=1,$ ${\hat{F}}_{f_2,Q}\left(\mathrm{0,0}\right)=1;$

${\hat{F}}_{f_1,R}\left(\mathrm{0,0}\right)=8,$ ${\hat{F}}_{f_2,R}\left(\mathrm{0,0}\right)=8.$

则由于DCT系数中的直流系数的量化误差，引起的块f₁、f₂中产生的像素误差分别为：

${\hat{d}}_{f_1,f}(x,y)=0.125\×(-3)=-0.375;$

${\hat{d}}_{f_2,f}(x,y)=0.125\×(-4)=-0.5.$

此时，块f₁和f₂的像素在边界处误差的变化为：-0.5-(-0.375)＝-0.125，相对于现有技术中块f₁和f₂的像素在边界处误差的变化0.875来说，块f₁和f₂的像素在边界处具有连续性，从而，降低方块效应的产生。

由此可知，在视频图像的编码端，如果能够在图像块的DCT系数量化时，采用一定的技术方案使相邻图像块的DCT系数的量化误差尽可能地连续，就能够使相邻图像块的边缘边界尽可能地连续，从而，有效降低编码重建视频中的方块效应。

因此，本发明的核心是：确定图像块DCT系数量化结果的取值范围，根据所述图像块的相邻块中的像素信息、所述取值范围调整所述图像块的DCT系数量化结果，根据所述调整后的DCT系数量化结果对所述图像块进行压缩编码。

下面基于本发明的核心思想对本发明提供的技术方案做进一步的描述。

一个视频序列由多个帧组成，每个帧为一幅数字图像。对视频数字图像进行视频压缩编码是从视频序列的第一帧开始，并顺序处理后续的各个帧。在处理每一帧数字图像时，需要经过多个环节。在视频压缩编码过程中，如果当前帧是帧内编码帧，即I帧，则直接对于每个n1×n2的块进行DCT变换和DCT系数量化处理；如果当前帧是帧间编码帧，即P帧，则首先需要进行运动估计，根据运动估计获得宏块(Macroblock)的运动向量和该宏块在前一帧的参考宏块，并计算该宏块相对于上述前一帧的参考宏块的运动预测残差块，由于宏块的大小一般为16×16像素，所以，可以将残差块分成4个8×8的残差块，然后对每个残差块进行DCT变换和DCT系数量化处理。不论是I帧还是P帧，在进行DCT系数量化后，都需要根据量化结果进行视频压缩编码如熵编码。本发明的实现方案在上述整个处理过程中的DCT系数量化部分。

本发明首先需要对整帧图像的每个n1×n2的块进行方块效应检测，以确定出方块效应度量最大的N个块。本发明对图像块的大小不限制，即图像块可以为8×8的块，也可以为4×4、4×8、8×4的块，或任意大小的块。下面以8×8大小的图像块为例进行说明。

本发明测量方块效应的准则为：

设定B_L，B_R，B_T，B_B分别表示与8×8的块B左边相邻、右边相邻、上边相邻和下边相邻的相邻块。通过公式(10)或公式(11)对块B的方块效应进行度量。

$\mathrm{BEM}(B,B_L,B_R,B_T,B_M)=\begin{array}{c}\underset{i=0}{\overset{7}{\mathrm{\Σ}}}{(f_B(i,0)-f_{B_L}(i,7))}^2+\\ \underset{i=0}{\overset{7}{\mathrm{\Σ}}}{(f_B(i,7)-f_{B_R}(i,0))}^2+\\ \underset{i=0}{\overset{7}{\mathrm{\Σ}}}{(f_B(0,i)-f_{B_T}(7,i))}^2+\\ \underset{i=0}{\overset{7}{\mathrm{\Σ}}}{(f_B(7,i)-f_{B_B}(0,i))}^2\end{array}----\left(10\right)$

$\mathrm{BEM}(B,B_L,B_R,B_T,B_M)=\begin{array}{c}\underset{i=0}{\overset{7}{\mathrm{\Σ}}}|f_B(i,0)-f_{B_L}(i,7)|+\\ \underset{i=0}{\overset{7}{\mathrm{\Σ}}}|f_B(i,7)-f_{B_R}(i,0)|+\\ \underset{i=0}{\overset{7}{\mathrm{\Σ}}}|f_B(0,i)-f_{B_T}(7,i)|+\\ \underset{i=0}{\overset{7}{\mathrm{\Σ}}}|f_B(7,i)-f_{B_B}(0,i)|\end{array}----\left(11\right)$

其中：f_B(i，j)，f_BL(i，j)，f_BR(i，j)，f_BT(i，j)，f_BB(i，j)，分别表示块B，B_L，B_R，B_T，B_B中的第(i，j)个像素的灰度，且0≤i，j≤7。

在确定了检测方块效应度量BEM的准则之后，可根据该准则对图像中各个8×8的块计算其对应的BEM，然后，从中选出BEM最大的N个8×8的块，本发明需要对这N个图像块进行DCT系数量化结果调整。

在对图像进行视频图像压缩编码过程中，当对上述BEM最大的N个图像块进行处理时，需要对它们在DCT变换后得到的DCT系数的量化进行特殊的“柔性”处理，即允许这N个块的DCT系数的量化结果在一定范围内变化。

设定块B为上述BEM最大的N个图像块中的一个，对块B的DCT系数量化过程的“柔性”处理具体为：

通过公式(12)和公式(13)确定块B的量化后的DCT系数F_Q(u，v)(0≤u，v≤7)可能取的最大值F_Q.MAX(u，v)和最小值F_Q.MIN(u，v)：

其中：F_D表示块B的量化前的DCT系数，F_Q表示块B的量化后的DCT系数，Q(u，v)表示量化步长，X表示最接近X而又小于或等于X的整数值，表示最接近X而又大于或等于X的整数值。

本发明允许块B的量化后的DCT系数F_Q(u，v)(0≤u，v≤7)的量化结果在上述可能取的最大值和最小值之间变化。

在 和 之间可均匀插入p个值作为块B的量化后的DCT系数F_Q(u，v)(0≤u，v≤7)的可能取的量化结果，其中：p为大于等于零的整数。

这样，块B的量化后的每个DCT系数F_Q(u，v)(0≤u，v≤7)都可以有P+2个量化值，这些量化值分别是：

以及均匀插入的p个量化后的DCT系数。上述p+2个量化值可通过公式(14)来表示：

$F_{Q,\mathrm{MIN}}(u,v)+\frac{k}{p+1}(F_{Q,\mathrm{MAX}}(u,v)-F_{Q,\mathrm{MIN}}(u,v)),k=\mathrm{0,1,2},.....,p+1----\left(14\right)$

由于块B有64个DCT系数，于是块B的量化后的DCT系数量化结果可能有(p+2)⁶⁴种不同的情况，针对每种可能的量化结果进行反量化处理(de-quantization)，即根据公式(2)计算IDCT，从而，获得一个8×8的像素块B’，再根据公式(10)或公式(11)计算像素块B’的BEM。

这样，可得到像素块B’的(p+2)⁶⁴个BEM，将最小的BEM对应的量化结果作为块B最终的量化后的DCT系数。

在实际应用中，针对(p+2)⁶⁴个DCT系数量化结果的计算像素块B’的BEM值的计算量非常大，因此，本发明可以选取p＝0的情况来确定像素块B’的最终的量化后的DCT系数，即只考虑 和 两个值，这样，就会有2⁶⁴个量化后的DCT系数，确定像素块B’的最终的量化后的DCT系数的计算复杂度有所降低。

通过大量的实验研究发现，方块效应主要由某几个DCT系数的量化误差引起，如F(0，0)、F(0，1)、F(0，2)、F(1，0)、F(2，0)。

因此，本发明也可以为：只针对几个主要的DCT系数如F(0，0)、F(0，1)、F(0，2)、F(1，0)、F(2，0)在量化过程中进行上述的“柔性”处理，对于其它的DCT系数，则按照一般的量化过程进行处理。当只对这5个DCT系数仅考虑

和

两个值时，只有25个量化后的DCT系数需要在量化过程中进行“柔性”处理。

本发明还可以进一步简化为：只对F(0，0)、F(0，1)、F(1，0)三个DCT系数的量化过程进行上述的“柔性”处理，对于其它的DCT系数，则按照一般的量化过程进行处理。当只对这3个DCT系数仅考虑

和

两个值时，只有8个量化后的DCT系数需要在量化过程中进行“柔性”处理。

另外，当仅对F(0，0)一个DCT系数的量化过程进行上述的“柔性”处理，、对其它的DCT系数按照一般的量化过程进行处理、且只对这1个DCT系数仅考虑

和 两个值时，只有2个量化后的DCT系数需要在量化过程中进行“柔性”处理。极大的降低了调整像素块B量化后的DCT系数的计算复杂度。

当然，本发明也可以针对F(0，0)、F(0，1)…F(0，m)、F(1，0)、F(2，0)....F(m，0)这2m+1个DCT系数在量化过程中进行上述的“柔性”处理，对于其它的DCT系数，则按照一般的量化过程进行处理，上述0≤m≤7，由于m取值不同，2m+1可以是1，3，5，7，9，11，13，15中的任何一个数值。

下面通过实际的实验结果对本发明的降低方块效应的效果进行说明。

在实验中，视频编码器采用基于H.263国际标准的视频编码器，视频数字图像采用QCIF格式的标准图像序列“Foreman”，“Claire”，“Carphone”和“News”的前100帧图像，并采用帧内模式编码，量化步长为：10-25。

在本发明提出的降低方块效应的方法中，设定在根据各图像块的方块效应度量BEM选取N个BEM最大的块时，N为15％K，其中：K为一帧图像中的总块数；需要进行“柔性”处理的DCT系数为：F(0，0)、F(0，1)、F(0，2)、F(1，0)、F(2，0)，且这些DCT系数仅考虑

和 两个值时的量化结果。

图2的(a)图是Foreman序列的方块效应对比图，(b)图是Claire序列的方块效应对比图，(c)图是Carphone序列的方块效应对比图，(d)图是News序列的方块效应对比图，且图2中的(a)、(b)、(c)、(d)图的实验结果中，带“.”的曲线为采用现有技术中对DCT系数进行一般量化处理后产生的方块效应曲线，带“*”的曲线为采用本发明的对DCT系数进行“柔性”处理后产生的方块效应曲线图。从图2中的(a)、(b)、(c)、(d)图可以看出，本发明明显降低了图像中的方块效应。

上述实验中，采用现有技术的对DCT系数进行一般量化处理后、在解码端恢复的“Foreman”序列第10帧图像、“Claire”序列的第10帧图像分别如附图3、附图4中的(a)图所示，采用本发明的对DCT系数进行“柔性”处理后、在解码端恢复的Foreman序列第10帧图像、“Claire”序列的第10帧图像分别如附图3、附图4中的(b)图所示。

通过比较图3、图4中的(a)、(b)图中的方块效应可以明显看出，本发明极大程度的降低了整帧图像中的方块效应。

本发明通过DCT系数的“柔性”量化过程来降低恢复视频的方块效应，可以使得视频主观质量大大改善。本发明具有微小的副作用，因为柔性量化处理后，DCT系数的量化结果不是统计意思上最优的，少许偏离了最优的DCT系数量化结果，因此，在压缩效率上会稍有降低。实验证明，在应用本发明的方法后，会使得压缩视频的平均比特率最多增加0.19％，是非常微乎其微的。

在上述实施例中，是以视频图像中的某一帧图像为例进行描述的，本发明的方法适用于图像序列中的各个帧。

虽然通过实施例描绘了本发明，本领域普通技术人员知道，本发明有许多变形和变化而不脱离本发明的精神，本发明的申请文件的权利要求包括这些变形和变化。

Claims (12)

1、一种降低图像方块效应的方法，其特征在于，包括步骤：

a、确定图像块DCT系数量化结果的取值范围；

b、根据所述图像块的相邻块中的像素信息及所述取值范围调整所述图像块的DCT系数量化结果；

c、根据所述调整后的DCT系数量化结果对所述图像块进行压缩编码。

2、如权利要求1所述的一种降低图像方块效应的方法，其特征在于，所述图像块包括：帧内编码帧中的n1×n2图像块或帧间编码帧中的n1×n2残差块，其中：n1、n2为正整数。

3、如权利要求1所述的一种降低图像方块效应的方法，其特征在于，所述步骤a具体包括如下步骤：

a1、确定图像帧中需要调整DCT系数量化结果的图像块；

a2、根据所述图像块量化前的DCT系数和量化步长确定图像块量化结果的最大值和最小值。

4、如权利要求3所述的一种降低图像方块效应的方法，其特征在于，所述步骤a1具体包括如下步骤：

a11、根据图像帧中各图像块的相邻块中像素的灰度信息确定各图像块的方块效应度量；

a12、按照各图像块的方块效应度量从大到小的顺序选取预定个数的方块效应度量；

a13、将所述预定个数的方块效应度量对应的图像块确定为需要调整DCT系数量化结果的图像块。

5、如权利要求3所述的一种降低图像方块效应的方法，其特征在于，所述步骤a2具体包括如下步骤：

确定所述需要调整DCT系数量化结果的图像块的DCT系数量化结果的最大值和最小值分别为：

其中：F_D表示图像块量化前的DCT系数，F_Q表示图像块量化后的DCT系数，Q(u，v)表示量化步长，X表示最接近X而又小于或等于X的整数值， 表示最接近X而又大于或等于X的整数值。

6、如权利要求3所述的一种降低图像方块效应的方法，其特征在于，所述步骤b具体包括如下步骤：

b1、在需要调整DCT系数量化结果的图像块的DCT系数量化结果最大值和最小值之间确定至少两个量化结果；

b2、根据所述至少两个量化结果分别对所述图像块进行反DCT；

b3、分别根据各相邻块中像素的灰度信息确定所述反DCT获得的至少两个图像块的方块效应度量；

b4、将最小的方块效应度量对应的量化结果作为需要调整DCT系数量化结果的图像块的DCT系数量化结果。

7、如权利要求6所述的一种降低图像方块效应的方法，其特征在于，所述步骤b1具体包括：

确定所述最大值和最小值之间的p+2个量化结果分别为：

$F_{Q,\mathrm{MIN}}(u,v)+\frac{k}{p+1}(F_{Q,\mathrm{MAX}}(u,v)-F_{Q,\mathrm{MIN}}(u,v)),k=\mathrm{0,1,2},.....,p+1;$

其中：p为大于等于零的正整数。

8、如权利要求4或6所述的一种降低图像方块效应的方法，其特征在于，图像块的方块效应度量BEM为：

$\mathrm{BEM}(B,B_L,B_R,B_T,B_M)=\begin{array}{c}\underset{i=0}{\overset{7}{\mathrm{\Σ}}}{(f_B(i,0)-f_{B_L}(i,7))}^2+\\ \underset{i=0}{\overset{7}{\mathrm{\Σ}}}{(f_B(i,7)-f_{B_R}(i,0))}^2+\\ \underset{i=0}{\overset{7}{\mathrm{\Σ}}}{(f_B(0,i)-f_{B_T}(7,i))}^2+\\ \underset{i=0}{\overset{7}{\mathrm{\Σ}}}{(f_B(7,i)-f_{B_B}(0,i))}^2\end{array};$

或

$\mathrm{BEM}(B,B_L,B_R,B_T,B_M)=\begin{array}{c}\underset{i=0}{\overset{7}{\mathrm{\Σ}}}|f_B(i,0)-f_{B_L}(i,7)|+\\ \underset{i=0}{\overset{7}{\mathrm{\Σ}}}|f_B(i,7)-f_{B_B}(i,0)|+\\ \underset{i=0}{\overset{7}{\mathrm{\Σ}}}|f_B(0,i)-f_{B_T}(7,i)|+\\ \underset{i=0}{\overset{7}{\mathrm{\Σ}}}|f_B(7,i)-f_{B_B}(0,i)|\end{array};$

其中：f_B(i，j)，f_BL(i，j)，f_BR(i，j)，f_BT(i，j)，f_BB(i，j)分别表示块B、与块B左边相邻的相邻块B_L、与块B右边相邻的相邻块B_R、与块B上边相邻的相邻块B_T、与块B下边相邻的相邻块B_B的第(i，j)像素的灰度值，0≤i≤7，0≤j≤7。

9、如权利要求1至7中任一权利要求所述的一种降低图像方块效应的方法，其特征在于，所述步骤b中DCT系数包括：F(0，0)、F(0，1)...F(0，m)、F(1，0)、F(2，0)....F(m，0)，其中：0≤m≤7。

10、如权利要求1至7中任一权利要求所述的一种降低图像方块效应的方法，其特征在于，所述步骤b中DCT系数包括：F(0，0)、F(0，1)、F(0，2)、F(1，0)、F(2，0)。

11、如权利要求1至7中任一权利要求所述的一种降低图像方块效应的方法，其特征在于，所述步骤b中DCT系数包括：F(0，0)、F(0，1)、F(1，0)。

12、如权利要求1至7中任一权利要求所述的一种降低图像方块效应的方法，其特征在于，所述步骤b中DCT系数包括：F(0，0)。

Images