FI107496B - Kuvan kompressointi - Google Patents

Kuvan kompressointi Download PDF

Info

Publication number
FI107496B
FI107496B FI973042A FI973042A FI107496B FI 107496 B FI107496 B FI 107496B FI 973042 A FI973042 A FI 973042A FI 973042 A FI973042 A FI 973042A FI 107496 B FI107496 B FI 107496B
Authority
FI
Finland
Prior art keywords
zero value
quantization
image
zero
coefficients
Prior art date
Application number
FI973042A
Other languages
English (en)
Swedish (sv)
Other versions
FI973042A0 (fi
FI973042A (fi
Inventor
Qin Liu
Original Assignee
Nokia Mobile Phones 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 Nokia Mobile Phones Ltd filed Critical Nokia Mobile Phones Ltd
Priority to FI973042A priority Critical patent/FI107496B/fi
Publication of FI973042A0 publication Critical patent/FI973042A0/fi
Priority to AU77699/98A priority patent/AU7769998A/en
Priority to EP98925676A priority patent/EP0997034B1/en
Priority to PCT/FI1998/000512 priority patent/WO1999004553A2/en
Priority to DE69811669T priority patent/DE69811669T2/de
Priority to US09/116,563 priority patent/US6118903A/en
Publication of FI973042A publication Critical patent/FI973042A/fi
Application granted granted Critical
Publication of FI107496B publication Critical patent/FI107496B/fi

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102Methods 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
    • H04N19/124Quantisation
    • H04N19/126Details of normalisation or weighting functions, e.g. normalisation matrices or variable uniform quantisers
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102Methods 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
    • H04N19/124Quantisation

Description

1 107496
Kuvan kompressointi
Esillä oleva keksintö koskee menetelmää ja laitteita digitoidun kuvan 5 kompressoimiseksi.
Nykyisin laajimmin käytetty standardi sävystillkuvien, sekä harmaansävyisten että värillisten, kompressoimiseksi tunnetaan lyhenteellä JPEG eli Joint Photographic Experts Group. JPEG määrittää mm. diskreettiin kosinimuunnokseen (DCT) 10 perustuvan menetelmän stillkuvien häviölliseksi kompressoimiseksi.
Kuvion 1 kaavio esittää DCTihen perustuvaa JPEG:n mukaista kooderia 1 (katso G. K. Wallace, ’’The JPEG Still Picture Compression Standard” Communications of The ACM, huhtikuu 1991). Digitoitua harmaansävyistä, pikseli-15 intensiteettiarvomatriisista (esim. 512X480) koostuvaa kuvaa 2 varten kuva jaetaan ensin 8x8 pikselilohkoon 3. Pikselilohkot 3 syötetään peräkkäin kooderille 1, jolla on tulossaan myötäsuuntainen DCT (FDCT) -yksikkö 4. DCT liittyy diskreettiin Fourier-muunnokseen (DFT) siten, että FDCT-yksikkö 4 muuntaa tehokkaasti jokaisen 8x8 lohkon 3 64:ksi ortogonaaliseksi perussignaaliksi eli 20 DCT-kertoimeksi, joista jokainen vastaa yhtä 64:stä ’’avaruustaajuudesta”. DCT edustaa itse asiassa tulolohkon 3 taajuusspektriä. DCT-kerroin, jonka taajuus on nolla kummassakin dimensiossa, on ”DC”-kerroin, ja loput 63 kerrointa ovat ”AC”-kertoimia. Kuville on ominaista, että pikseli-intensiteettiarvot vaihtelevat hitaasti pikselistä toiseen kuvan poikki. Tyypilliselle 8x8 näytelohkolle 3 tyypillisestä 25 lähdekuvasta useimmilla DCT-kertoimilla amplitudi on nolla tai lähes nolla.
FDCT-yksikön 4 jälkeen jokainen DCT viedään kvantisoijayksikköön 5, joka kvantisoi DCT-kertoimet käyttämällä 64-elementistä kvantisointitaulukkoa, joka on tallennettu taulukonmääritysmuistiin 6. Kvantisointitaulukon elementit määrittävät 30 kvantisointivaihekoon vastaaville DCT-kertoimille. Käytetty kvantisointitaulukko on käytännössä joko ”perus”-taulukko , joka on tallennettu muistiin 6 (CCITT Suositus T.81, ’’Digital Compression and Coding of Continuous -Tone Still Images -Requirements and Guidelines”, liite K) tai taulukko, joka on tuotettu tasaisesti skaalaamalla perustaulukon elementit. Tyypillisesti määritetään 100 eri taulukkoa, 35 jotka vastaavat laatutasoaluetta Q=1 - 100, jossa perustaulukko vastaa laatutasoa Q=50. On huomattava, että millä tahansa kvantisointitaulukolla kvantisointivaiheen koot voivat vaihdella elementistä toiseen.
Kvantisoinnin jälkeen kunkin DCT:n kvantisoidut kertoimet, jotka on järjestetty 40 nousevan taajuuden mukaan, viedään merkkijaksokooderille (run length encoder) 2 107496 7 tietovirtana. Merkkijaksokooderi 7 hyödyntää tietovirrassa olevia peräkkäisiä nollia tiedon kompressoimiseksi. Kuten on jo todettu, tyypilliselle kuvalohkolle DCT-kertoimilla on taipumus olla pieniä niin, että kvantisoinnin jälkeen nollien määrä DCT-tietovirrassa on todennäköisesti suuri. Merkkijaksokoodaus voi tämän 5 vuoksi saavuttaa merkittävän kompressiotason. Lopulta merkkijaksokoodattu tietovirta viedään entropiakooderille 8, joka edelleen kompressoi tietovirtaa käyttämällä esim. Huffman-koodausta kompressoidun ’kuvan’ 9 tuottamiseksi.
Monissa sovelluksissa bittien määrä, jota voidaan käyttää kompressoidun kuvan 10 esittämiseen, on määritetty etukäteen. Eräs tällainen sovellus on solukkopuhelinstandardin GSM mahdollistama ehdotettu stillkuvien siirto lyhytsanomapalvelun (SMS) kautta. Yksittäisen ketjutetun lyhytsanoman maksimipituus on 34170 (255x134) oktettia (eli tavua). Jotta yksittäinen ketjutettu lyhytsanoma voisi lähettää stillkuvan, kompressoidussa kuvassa on oltava alle 15 34170 oktettia. Koska eri kuvien spektriset ominaisuudet voivat kuitenkin olla hyvinkin erilaiset, on erittäin vaikeaa ennustaa tiettyä kvantisointitaulukkoa (tai Q-arvoa) käyttämällä tuotetun kompressoidun kuvan kokoa. Yleinen käytäntö, joka vastaa ennalta määritettyä bittibudjettia, on valita kvantisointitaulukko kokemuksen perusteella ja soveltaa tätä kompressoidun kuvan aikaansaamiseksi. Jos 20 kompressoitu kuva ei vastaa bittibudjettia, valitaan toinen kvantisointitaulukko kvantisointitaulukon valintayksikön 10 kautta ja tuotetaan uusi kompressoitu kuva. Tämä prosessi toteutetaan ’’yritys ja erehdys” -periaatteella, kunnes saadaan aikaan bittibudjettia vastaava kompressoitu kuva.
25 On ilmeistä, että edellä esitetyn kompressointimenetelmän yritys ja erehdys -luonne on tehoton sikäli, että kvantisointi- ja koodausvaiheet on usein toistettava : useita kertoja ennen kuin saadaan aikaan bittibudjettia vastaava kompressoitu kuva.
30 Esillä olevan keksinnön erään ensimmäisen suoritusmuodon mukaisella menetelmällä kompressoidaan digitoitu kuva, joka koostuu kuvanäytematriisista ennalta määritettyä bittibudjettia vastaavan kompressoidun kuvan tuottamiseksi. Tämä menetelmä käsittää seuraavat vaiheet: 35 1. digitoidun kuvan jakaminen lohkoihin ja muuntokertoimien joukon käsittävän energiapakkausmuunnoksen johtaminen kullekin lohkolle; 2. kvantisointitaulukon valitseminen kvantisointitaulukkojen joukosta ja valitun taulukon käyttäminen kunkin muunnoksen kertoimien kvantisoimiseksi; 3. nolla-arvokvantisoitujen muuntokertoimien määrän ilmaisevan nolla-40 arvoindeksin johtaminen; 3 107496 4. ennustetun nolla-arvoindeksin määrittäminen käyttämällä mainittua ennalta määritettyä bittibudjettia; 5. kvantisointitaulukon valitseminen mainitusta taulukkojoukosta käyttämällä johdettua indeksiä ja mainittua ennustettua indeksiä ja tämän valitun taulukon 5 käyttäminen kunkin muunnoksen kertoimien kvantisoimiseksi; ja 6. vaiheessa 5) kvantisoitujen kertoimien kompressointi käyttämällä merkkijaksokoodausta.
Esillä olevan keksinnön suoritusmuodot mahdollistavat ennalta määritettyä 10 bittibudjettia vastaavan kompressoidun kuvan tuottamisen käyttämällä ainoastaan yhtä koodausvaihetta 6).
Kompressoitu kuva voidaan jakaa minkä kokoisiksi lohkoiksi tahansa. Lohkot voivat olla joka vierekkäin tai osittain päällekkäin. Tyypillisesti lohkot ovat kuitenkin 15 vierekkäin, ja jokainen niistä muodostuu 8x8 pikselistä.
Mainittu energiapakkausmuunnos on edullisesti diskreetti Fourier-muunnos (DCT). Vaihtoehtoisia energiapakkausmuunnoksia, kuten Karhunen-Loeve -muunnos, voidaan myös käyttää.
20
Harmaansävyistä kuvaa varten mainitut kuvanäytteet ovat harmaansävyisiä intensiteettiarvoja. Värillistä kuvaa varten kullekin värijoukolle, esim. punaiselle, siniselle ja vihreälle, voidaan järjestää kuvanäytematriisi, ja matriisit voidaan käsitellä erikseen keksinnön menetelmän mukaisesti. Kompressoitu kuva käsittää 25 kompressoitujen kerroinjoukkojen yhdistelmän. Vaihtoehtoisesti ja kompressiosuhteen edelleen kasvattamiseksi punaisista, sinisistä ja vihreistä • * värimatriiseista voidaan tuottaa luminanssimatriiseja (Y) ja krominanssimatriiseja (U, V). Ja luminanssi- ja krominanssimatriisit käsitellään erikseen yllä kuvatun menetelmän mukaisesti.
30
Mainittu nolla-arvoindeksi on edullisesti nolla-arvokvantisoitujen muuntokertoimien keskimäärä muunnoksissa. Vaihtoehtoisesti voidaan kuitenkin käyttää mediaania tai muuta edustavaa arvoa.
35 Vaihe 3) käsittää edullisesti nolla-arvoindeksien johtamisen kullekin eri kvantisointitaulukkojen kumulaatiolle nolla-arvoindeksi vastaan kvantisointitaulukko -suhteen aikaansaamiseksi. Muuntokertoimien uudelleenkvantisoiminen kullekin lisäkvantisointitaulukolle ei ole kuitenkaan tarpeen. Pikemminkin lisänolla-arvoindeksit voidaan johtaa ensimmäisenä 40 saadusta kvantisoitujen kertoimien joukosta.
4 107496
Menetelmä käsittää edullisesti viitenolla-arvoindeksi vastaan bittibudjetti -suhteen aikaansaamisen: 7) jakamalla digitoitu testikuva lohkoihin ja johtamalla kullekin lohkolle 5 energiapakkausmuunnos, joka käsittää muuntokertoimien joukon; 8) valitsemalla kvantisointitaulukko kvantisointitaulukkojen joukosta ja käyttämällä valittua taulukkoa kunkin muunnoksen kertoimien kvantisoimiseksi; 9) johtamalla nolla-arvokvantisoitujen muuntokertoimien määrän ilmaiseva nolla-arvoindeksi; 10 10) kompressoimalla vaiheessa 5) kvantisoidut kertoimet käyttämällä merkkijaksokoodausta; 11) määrittämällä kompressoidun kuvan bittikoko; 12) toistamalla vaiheet 7) ja 11) eri kvantisointitaulukkojen kumulaatiolle nolla-arvo vastaan bittikoko -suhteen aikaansaamiseksi testikuvaa varten; ja 15 13) toistamalla vaiheet 7) ja 12) eri testikuvien kumulaatiolle ja yhdistämällä lopputuloksena saadut suhteet viitenolla-arvoindeksi vastaan bittibudjetti -suhteen aikaansaamiseksi, missä tätä suhdetta käytetään vaiheessa 4) ennustetun nolla-arvoindeksin määrittämiseksi käyttämällä ennalta määritettyä bittibudjettia.
20
Vaihe 5) käsittää ennustetun nolla-arvoindeksin ja nolla-arvoindeksi vastaan kvantisointitaulukko -suhteen käyttämisen kompressoitavalle kuvalle kvantisointitaulukon valitsemiseksi. Tämä valinta voi käsittää interpolaation johdetun nolla-arvojoukon nolla-arvojen välillä, jotka ovat lähellä ennustettua nolla-25 arvoa.
" Sen varmistamiseksi, että lopullinen kompressoitu kerroinjoukko vastaa ennalta määritettyä bittibudjettia, lopullisen kvantisointitaulukon valinta on edullisesti konservatiivinen. Esimerkiksi ennalta määritetty bittibudjetti voi itse asiassa olla 30 pienempi kuin varsinainen bittien määrä, jotka voidaan lähettää, tallentaa tai muutoin käsitellä.
Vaiheet 6) ja 10) käsittävät edullisesti tiedot koodaavan entropian, esim käyttämällä Huffman-koodausta merkkijaksokoodauksen jälkeen.
35
Esillä olevan keksinnön erään toisen suoritusmuodon mukaisilla laitteilla kompressoidaan digitoitu kuva, joka käsittää kuvanäytematriisin ennalta määritettyä bittibudjettia vastaavan kompressoidun kuvan tuottamiseksi, jotka laitteet käsittävät: 5 107496 ensimmäiset signaalinkäsittelyvälineet digitoidun kuvan jakamiseksi lohkoihin ja muuntokerroinjoukon käsittävän energiapakkausmuunnoksen johtamiseksi kullekin lohkolle; kvantisointivälineet kunkin muunnoksen kertoimien kvantisoimiseksi käyttämällä 5 ensimmäistä kvantisointitaulukkoa, joka on valittu kvantisointitaulukkojen joukosta; toiset signaalinkäsittelyvälineet indeksin johtamiseksi, joka indeksi edustaa nolla-arvokvantisoitujen muuntokertoimien määrää, ennustetun nolla-arvoindeksin määrittämiseksi käyttämällä mainittua ennalta määritettyä bittibudjettia, kvantisointitaulukon valitsemiseksi mainitusta taulukkojen joukosta käyttämällä 10 johdettua indeksiä ja mainittua ennustettua indeksiä ja käyttämällä tuota valittua taulukkoa kunkin muunnoksen kertoimien kvantisoimiseksi; ja koodausvälineet toisilla signaalinkäsittelyvälineillä kvantisoitujen kertoimien kompressoimiseksi käyttämällä merkkijaksokoodausta.
15 Esillä olevan keksinnön laitteet voidaan kytkeä matkaviestinlaitteeseen, esim. matkapuhelimeen.
Jotta keksintö voitaisiin ymmärtää paremmin ja osoittaaksemme, kuinka se voidaan toteuttaa käytännössä, viittaamme esimerkinomaisesti oheisiin 20 piirustuksiin, joissa kuvion 1 lohkokaavio esittää tekniikan tason mukaista DCT:hen perustuvaa häviöllistä kooderia; kuvion 2 lohkokaavio esittää esillä olevan keksinnön erään suoritusmuodon mukaista DCT:hen perustuvaa häviöllistä kooderia; 25 kuvio 3 esittää tavukoko vastaan nolla-arvoindeksi -suhteita vastaaville testikuville; ·’ kuvio 4 esittää useilla eri kvantisointitaulukoilla (Q) aikaansaatuja nolla-arvoindeksejä kompressoitavalle kuvalle; ja kuvion 5 vuokaavio havainnollistaa menetelmää kuvan kompressoimiseksi.
30
Kuvio 2 esittää esillä olevan keksinnön suoritusmuodon mukaisen DCT:hen .. perustuvan kooderin yleisarkkitehtuuria. Tämä on edellä kuviossa 1 esitetyn \ kooderin modifikaatio, ja vastaavanlaiset osat on merkitty samoilla viitenumeroilla. Kooderi sopii käytettäväksi stillkuvien kompressoimisessa JPEG-standardin 35 mukaisesti, vaikka sitä voidaan myös käyttää muiden kompressointistandardien ja menetelmien mukaisesti. Konventionaalista dekooderia voidaan käyttää koodaamaan tällä kooderilla kompressoituja kuvia.
Kuviossa 2 esitetty kooderi käsittää modifioidun kvantisointitaulukon 40 valintayksikön 11. Tämä on järjestetty tallentamaan hakutaulukon tai muun 6 1074 96 esitysmuodon kompressoidun kuvan koon (jota kutsutaan ’bittibudjettiksi’) ja indeksin, jota kutsutaan ’nolla-arvo’-indeksiksi, välisestä suhteesta. Kuten edellä on jo esitetty, kuvan 2 kullekin lohkolle 3 saatu DCT sisältää DCT-kertoimien joukon, joista suuri osa voi olla nolla kvantisoinnin jälkeen. Määrätyn kuvan nolla-5 arvoindeksi määritetään laskemalla nolla-arvokvantisoitujen kertoimien määrä kussakin DCT:ssä ja määrittämällä nolla-arvokertoimien keskimäärä DCT:tä kohti.
Tallennettu suhde konstruoidaan käyttämällä useita arkisto- tai testikuvia, jotka on valittu edustamaan useita eri tyylejä, esim. kuvia, jotka sisältävät vähän 10 yksityiskohtia, esim. taivas, ja kuvia, jotka sisältävät runsaasti yksityiskohtia, esim. maisemat. Jokainen testikuva käsitellään jakamalla kuva lohkoihin ja määrittämällä DCT kullekin lohkolle. Tämä DCTiden joukko kvantisoidaan sitten vuorotellen kullakin kvantisointitaulukolla (Q=1 - 100), missä taulukot tuotetaan perustaulukosta (Q=50) käyttämällä seuraavia suhteita: β>50; Q eL J 100 r , mJ;,/U+5o <2>50; k = 200 - 2Q; TBQ[ij]= 5oLj^- missä TBs0[i,j] on kvantisointivaihe perustaulukkoelementille i :llä rivillä ja y:ssä 20 sarakkeessa, ja TBQ[i,j] on kvantisointivaihe uudelle taulukkoelementille i :llä rivillä ja y':ssä sarakkeessa. TBQ[i,j] pyöristetään myös käytännössä lähimpään kokonaislukuun.
Lopputuloksena saadut kvantisoidut DCT:t koodataan käyttämällä ·” 25 merkkijaksokoodausta ja entropiakoodausta (eli Huffman-koodausta). Tämän jälkeen määritetään kompressoidun kuvan koko (bittibudjetti). Lisäksi lasketaan nolla-arvoindeksi kullekin kvantisoitujen DCT:den joukolle. Kuviossa 3 on esitetty nolla-arvoindeksi vastaan bittibudjetti usealle eri testikuvalle. Tämän jälkeen lasketaan tämän suhdejoukon keskiarvo mallisuhteen tuottamiseksi. Todetaan, 30 että yleensä kuvan nolla-arvoindeksi vastaan bittibudjetti -suhde poikkeaa vain vähän mallisuhteesta.
Kuten edellä esitettiin, mallisuhde tallennetaan modifioituun kvantisointitaulukon valintayksikköön 11 tyypillisesti hakutaulukkona. Uusi digitoitu kompressoitava 35 kuva viedään läpi lohko lohkolta FDCT 4:ään DCT:n tuottamiseksi kullekin lohkolle. Kvantisointitaulukko, joka vastaa Q:n arvoa 97, tuotetaan modifioidulla kvantisointitaulukon valintayksiköllä 11 taulukonmääritysmuistista 6 kvantisoijayksikön 5 käyttöön kunkin DCT:n kvantisoimiseksi vuorollaan. Tämän 7 107496 jälkeen määritetään nolla-arvokertoimien määrä kussakin DCT:ssä ja lasketaan nolla-arvoindeksi.
Kvantisoitujen DCT:den joukkoa käyttäen on myös mahdollista määrittää nolla- 5 arvoindeksi alemmille Q:n arvoille. Voidaan esimerkiksi nähdä, että kaikilla kertoimilla TB^[i,j], joiden arvo on 1, tulee kvantisoinnin jälkeen olemaan arvo O, kun Q=91. Tämän vuoksi on välttämätöntä laskea ainoastaan nollien ja ykkösten lukumäärä kussakin DCT:ssä, kun Q=97 ja löytää keskimäärä lohkoa kohti nolla-arvoindeksin määrittämiseksi, kun Q=91. Kuviossa 4 näkyy Q-arvo vastaan nolla-10 arvoindeksi -käyrä tietylle kuvalle.
Jos oletamme, että kompressointivaiheelle on ennalta määritetty tietty bittibudjetti (BB), kuviossa 3 esitettyä ja kvantisointitaulukon valintayksikön 11 pysyttämää suhdetta voidaan käyttää tunnistamaan tämä nolla-arvoindeksi (’ennustettu’ nolla-15 arvoindeksi), joka on bittibudjetin mukainen. Tunnistettua nolla-arvoindeksiä voidaan tämän jälkeen vuorostaan käyttää kuviossa 4 esitetyn tietyn suhteen yhteydessä tunnistamaan se Q:n arvo, joka saavuttaa tämän bittibudjetin kyseistä kuvaa varten. Tämän jälkeen kvantisoijayksikkö 5 tuottaa ja soveltaa tätä Q:n arvoa vastaavan kvantisointitaulukon DCT:den joukon kvantisoimiseksi kuvaa 20 varten. Kvantisoidut DCT:t viedään sitten merkkijaksokooderille 7 ja entropiakooderille 8 edellä esitetyllä tavalla kompressoidun kuvan tuottamiseksi.
Kuvion 5 vuokaavio esittää yllä kuvattua menetelmää.
25 Alan ammattimiehelle on ilmeistä, että edellä esitettyyn suoritusmuotoon voidaan tehdä muutoksia poikkeamatta esillä olevan keksinnön tunnusmerkeistä.
• <

Claims (8)

8 107496
1. Menetelmä kuvanäytematriisista koostuvan digitoidun kuvan 5 kompressoimiseksi tuottamaan kompressoitu kuva, joka on ennalta määritetyn bittibudjetin mukainen, joka menetelmä käsittää seuraavat vaiheet: 1. digitoidun kuvan jakaminen lohkoihin ja energiapakkausmuunnoksen, joka koostuu muuntokertoimien joukosta, johtaminen kullekin lohkolle; 2. kvantisointitaulukon valitseminen kvantisointitaulukkojen joukosta ja valitun 10 taulukon käyttäminen kunkin muunnoksen kerrointen kvantisoimiseksi; tunnettu sittä, että 3. nolla-arvokvantisoitujen muuntokertoimien määrän ilmaisevan nolla-arvoindeksin johtaminen; 4. ennustetun nolla-arvoindeksin määrittäminen käyttämällä mainittua ennalta 15 määritettyä bittibudjettia; 5. kvantisointitaulukon valitseminen mainitusta taulukkojoukosta käyttämällä johdettua indeksiä ja mainittua ennustettua indeksiä sekä käyttämällä tätä valittua taulukkoa kunkin muunnoksen kertoimien kvantisoimiseksi; ja 6. vaiheessa 5) kvantisoitujen kertoimien kompressointi käyttämällä 20 merkkijaksokoodausta.
2. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu siitä, että mainittu nolla-arvoindeksi on nolla-arvokvantisoitujen muuntokertoimien keskimäärä kullekin muunnokselle. 25
3. Patenttivaatimuksen 1 tai 2 mukainen menetelmä, tunnettu siitä, että vaihe 3) .· käsittää nolla-arvoindeksien johtamisen kullekin eri kvantisointitaulukkojen kumulaatiolle nolla-arvoindeksi vastaan kvantisointitaulukko-suhteen aikaansaamiseksi. 30
4. Minkä tahansa edellä esitetyn patenttivaatimuksen mukainen menetelmä, tunnettu siitä, että käsittää viitenolla-arvoindeksi vastaan bittibudjetti -suhteen '·, aikaansaamisen: 7. jakamalla digitoitu testikuva lohkoihin ja johtamalla kullekin lohkolle 35 energiapakkausmuunnos, joka käsittää muuntokertoimien joukon; 8. valitsemalla kvantisointitaulukko kvantisointitaulukkojen joukosta ja käyttämällä valittua taulukkoa kunkin muunnoksen kertoimien kvantisoimiseksi; 9. johtamalla nolla-arvokvantisoitujen muuntokertoimien määrän ilmaiseva 40 nolla-arvoindeksi; 9 107496 10. kompressoimalla vaiheessa 5) kvantisoidut kertoimet käyttämällä merkkijaksokoodausta; 11. määrittämällä kompressoidun kuvan bittikoko; . 12. toistamalla vaiheet 7) ja 11) eri kvantisointitaulukkojen kumulaatiolle nolla- 5 arvo vastaan bittikoko -suhteen aikaansaamiseksi testikuvaa varten; ja 13. toistamalla vaiheet 7) ja 12) eri testikuvien kumulaatiolle ja yhdistämällä saadut suhteet viitenolla-arvoindeksi vastaan bittibudjetti -suhteen aikaansaamiseksi, missä tätä suhdetta käytetään vaiheessa 4) määrittämään ennustettu nolla-10 arvoindeksi käyttämällä ennalta määritettyä bittibudjettia.
5. Patenttivaatimuksen 4, kun siihen liittyy patenttivaatimus 3, mukainen menetelmä, tunnettu siitä, että vaihe 5) käsittää kompressoitavalle kuvalle ennustetun nolla-arvoindeksin ja nolla-arvoindeksi vastaan kvantisointitaulukko 15 -suhteen käyttämisen kvantisointitaulukon valitsemiseksi.
6. Minkä tahansa edellä esitetyn patenttivaatimuksen mukainen menetelmä, tunnettu siitä, että mainittu energiapakkausmuunnos on diskreetti kosinimuunnos (DCT). 20
7. Minkä tahansa edellä esitetyn patenttivaatimuksen mukainen menetelmä, tunnettu siitä, että vaihe 6) käsittää tiedon entropiakoodauksen merkkijaksokoodauksen jälkeen.
8. Laitteet kuvanäytematriisista koostuvan digitoidun kuvan kompressoimiseksi tuottamaan kompressoitu kuva, joka on ennalta määritetyn bittibudjetin .· mukainen, jotka laitteet käsittävät: ensimmäiset signaalinkäsittelyvälineet digitoidun kuvan jakamiseksi lohkoihin ja muuntokertoimien joukon käsittävän energiapakkausmuunnoksen 30 johtamiseksi kullekin lohkolle; kvantisointitaulukon määritysmuistin (6), joka tallentaa kvantisointitaulukkojen joukon; kvantisointivälineet (5) kunkin muunnoksen kertoimien kvantisoimiseksi käyttämällä mainitusta kvantisointitaulukkojen joukosta valittua ensimmäistä 35 kvantisointitaulukkoa; tunnettu siitä, että laitteet käsittävät toiset signaalinkäsittelyvälineet (11) nolla-arvokvantisoitujen muuntokertoimien määrän ilmaisevan indeksin johtamiseksi, ennustetun nolla-arvoindeksin määrittämiseksi käyttämällä mainittua ennalta määritettyä bittibudjettia, kvantisointitaulukon valitsemiseksi mainitusta 40 taulukkojoukosta käyttämällä johdettua indeksiä ja mainittua ennustettua 10 107496 indeksiä ja käyttämällä tuota valittua taulukkoa kunkin muunnoksen kertoimien kvantisoimiseksi; ja koodausvälineet (7, 8) toisilla signaalinkäsittelyväljneillä kvantisoitujen kertoimien kompressoimiseksi käyttämällä merkkijaksokoodausta. » 11 107496
FI973042A 1997-07-18 1997-07-18 Kuvan kompressointi FI107496B (fi)

Priority Applications (6)

Application Number Priority Date Filing Date Title
FI973042A FI107496B (fi) 1997-07-18 1997-07-18 Kuvan kompressointi
AU77699/98A AU7769998A (en) 1997-07-18 1998-06-12 Image compression
EP98925676A EP0997034B1 (en) 1997-07-18 1998-06-12 Image compression
PCT/FI1998/000512 WO1999004553A2 (en) 1997-07-18 1998-06-12 Image compression
DE69811669T DE69811669T2 (de) 1997-07-18 1998-06-12 Bildkompression
US09/116,563 US6118903A (en) 1997-07-18 1998-07-15 Image compression method and apparatus which satisfies a predefined bit budget

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FI973042A FI107496B (fi) 1997-07-18 1997-07-18 Kuvan kompressointi
FI973042 1997-07-18

Publications (3)

Publication Number Publication Date
FI973042A0 FI973042A0 (fi) 1997-07-18
FI973042A FI973042A (fi) 1999-01-19
FI107496B true FI107496B (fi) 2001-08-15

Family

ID=8549275

Family Applications (1)

Application Number Title Priority Date Filing Date
FI973042A FI107496B (fi) 1997-07-18 1997-07-18 Kuvan kompressointi

Country Status (6)

Country Link
US (1) US6118903A (fi)
EP (1) EP0997034B1 (fi)
AU (1) AU7769998A (fi)
DE (1) DE69811669T2 (fi)
FI (1) FI107496B (fi)
WO (1) WO1999004553A2 (fi)

Families Citing this family (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6779040B1 (en) * 1999-08-27 2004-08-17 Hewlett-Packard Development Company, L.P. Method and system for serving data files compressed in accordance with tunable parameters
US6680974B1 (en) * 1999-12-02 2004-01-20 Lucent Technologies Inc. Methods and apparatus for context selection of block transform coefficients
JP2001196935A (ja) * 2000-01-12 2001-07-19 Kawasaki Steel Corp データ量子化装置
US6584435B2 (en) * 2001-08-30 2003-06-24 Xerox Corporation Systems and methods for determining spectra using dynamic karhunen-loeve algorithms with measurements from led color sensor
SE0103746D0 (sv) * 2001-11-13 2001-11-13 Svep Design Ct Ab Digital image system
DK1413139T3 (da) * 2001-11-22 2011-11-21 Panasonic Corp Fremgangsmåde til kodning og dekodning med variabel længde
JP3716225B2 (ja) * 2002-04-05 2005-11-16 松下電器産業株式会社 符号量制御装置および符号量制御方法
US7073505B2 (en) * 2002-09-06 2006-07-11 Apneon, Inc. Systems and methods for moving and/or restraining tissue in the oral cavity
JP2004166128A (ja) * 2002-11-15 2004-06-10 Pioneer Electronic Corp 画像情報の符号化方法、符号化装置及び符号化プログラム
US7383261B2 (en) * 2004-01-16 2008-06-03 Xerox Corporation Reference database and method for determining spectra using measurements from an LED color sensor, and method of generating a reference database
FR2867291B1 (fr) * 2004-03-08 2006-05-19 Canon Kk Procede et dispositif d'acces a une image numerique stockee sur un ordinateur serveur
US7801383B2 (en) 2004-05-15 2010-09-21 Microsoft Corporation Embedded scalar quantizers with arbitrary dead-zone ratios
US7747095B2 (en) * 2004-10-08 2010-06-29 Nvidia Corporation Methods and systems for rate control in image compression
US7471385B2 (en) * 2005-01-13 2008-12-30 Xerox Corporation Systems and methods for selecting a reference database for determining a spectrum of an object based on fluorescence of the object
US8422546B2 (en) 2005-05-25 2013-04-16 Microsoft Corporation Adaptive video encoding using a perceptual model
US8081682B1 (en) 2005-10-13 2011-12-20 Maxim Integrated Products, Inc. Video encoding mode decisions according to content categories
US8126283B1 (en) 2005-10-13 2012-02-28 Maxim Integrated Products, Inc. Video encoding statistics extraction using non-exclusive content categories
US8149909B1 (en) 2005-10-13 2012-04-03 Maxim Integrated Products, Inc. Video encoding control using non-exclusive content categories
US7995649B2 (en) 2006-04-07 2011-08-09 Microsoft Corporation Quantization adjustment based on texture level
US8059721B2 (en) 2006-04-07 2011-11-15 Microsoft Corporation Estimating sample-domain distortion in the transform domain with rounding compensation
US8503536B2 (en) 2006-04-07 2013-08-06 Microsoft Corporation Quantization adjustments for DC shift artifacts
US8130828B2 (en) 2006-04-07 2012-03-06 Microsoft Corporation Adjusting quantization to preserve non-zero AC coefficients
US7974340B2 (en) 2006-04-07 2011-07-05 Microsoft Corporation Adaptive B-picture quantization control
US8711925B2 (en) 2006-05-05 2014-04-29 Microsoft Corporation Flexible quantization
US7747093B2 (en) * 2006-12-07 2010-06-29 Adobe Systems Incorporated Method and apparatus for predicting the size of a compressed signal
US8238424B2 (en) 2007-02-09 2012-08-07 Microsoft Corporation Complexity-based adaptive preprocessing for multiple-pass video compression
US8498335B2 (en) 2007-03-26 2013-07-30 Microsoft Corporation Adaptive deadzone size adjustment in quantization
US8243797B2 (en) 2007-03-30 2012-08-14 Microsoft Corporation Regions of interest for quality adjustments
US8442337B2 (en) 2007-04-18 2013-05-14 Microsoft Corporation Encoding adjustments for animation content
US8331438B2 (en) 2007-06-05 2012-12-11 Microsoft Corporation Adaptive selection of picture-level quantization parameters for predicted video pictures
CN101106715B (zh) * 2007-07-26 2012-08-29 昊迪移通(北京)技术有限公司 一种视频带宽适配方法及装置
US8189933B2 (en) 2008-03-31 2012-05-29 Microsoft Corporation Classifying and controlling encoding quality for textured, dark smooth and smooth video content
US8897359B2 (en) 2008-06-03 2014-11-25 Microsoft Corporation Adaptive quantization for enhancement layer video coding
US20100035217A1 (en) * 2008-08-11 2010-02-11 David Kasper System and method for transmission of target tracking images
TR201001101A2 (tr) 2010-02-12 2011-09-21 Vestel Elektroni̇k Sanayi̇ Ve Ti̇caret A.Ş. Bir veri sıkıştırma metodu.
US9723312B2 (en) 2015-06-09 2017-08-01 Samsung Electronics Co., Ltd. Method and system for random accessible image compression with adaptive quantization
US11190810B2 (en) 2018-01-26 2021-11-30 Samsung Electronics Co., Ltd. Device and method for compressing image data using quantization parameter and entropy tables
CN108769704A (zh) * 2018-06-04 2018-11-06 浙江工业大学 一种基于动态能量分析的离散余弦变换图像压缩方法
KR20200065367A (ko) 2018-11-30 2020-06-09 삼성전자주식회사 이미지 처리 장치 및 프레임 버퍼 컴프레서

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2520306B2 (ja) * 1989-05-24 1996-07-31 三菱電機株式会社 変換符号化装置
US5086488A (en) * 1989-08-19 1992-02-04 Mitsubishi Denki Kabushiki Kaisha Transform coding apparatus
US5142380A (en) * 1989-10-23 1992-08-25 Ricoh Company, Ltd. Image data processing apparatus
US5144423A (en) * 1990-12-11 1992-09-01 At&T Bell Laboratories Hdtv encoder with forward estimation and constant rate motion vectors
US5333212A (en) * 1991-03-04 1994-07-26 Storm Technology Image compression technique with regionally selective compression ratio
US5657399A (en) * 1991-05-17 1997-08-12 Canon Kabushiki Kaisha Encoding/decoding apparatus using quantizing steps information
JPH0563996A (ja) * 1991-09-02 1993-03-12 Ricoh Co Ltd 画像処理装置
JP3105335B2 (ja) * 1992-02-07 2000-10-30 株式会社ハドソン 画像の直交変換符号化による圧縮・伸張方法
EP0630506A4 (en) * 1992-03-17 1995-01-04 Zoran Corporation Image compression coder having improved bit rate control and block allocation.
FR2708168B1 (fr) * 1993-07-20 1995-08-25 Thomson Consumer Electronics Procédé et dispositif d'estimation d'un budget de bits pour encodeurs à longueur de mot variable.
JPH07203428A (ja) * 1993-12-28 1995-08-04 Canon Inc 画像処理方法及び装置
US5654760A (en) * 1994-03-30 1997-08-05 Sony Corporation Selection of quantization step size in accordance with predicted quantization noise
US5473376A (en) * 1994-12-01 1995-12-05 Motorola, Inc. Method and apparatus for adaptive entropy encoding/decoding of quantized transform coefficients in a video compression system
US5629780A (en) * 1994-12-19 1997-05-13 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Image data compression having minimum perceptual error
US5710595A (en) * 1994-12-29 1998-01-20 Lucent Technologies Inc. Method and apparatus for controlling quantization and buffering for digital signal compression
KR0186112B1 (ko) * 1995-05-19 1999-04-15 구자홍 영상 시스템의 양자수 결정 장치
US5835149A (en) * 1995-06-06 1998-11-10 Intel Corporation Bit allocation in a coded video sequence
US5677689A (en) * 1995-08-31 1997-10-14 Yovanof; Gregory S. Fixed rate JPEG compliant still image compression
US5926569A (en) * 1995-09-28 1999-07-20 Intel Corporation Bitrate damper for selecting quantization levels for image encoding
US6160846A (en) * 1995-10-25 2000-12-12 Sarnoff Corporation Apparatus and method for optimizing the rate control in a coding system
US6285793B1 (en) * 1995-11-06 2001-09-04 Siemens Medical Systems, Inc. Method and apparatus for automatically determining a quantization factor value that produces a desired average compression ratio of an image sequence using JPEG compression
JPH10243399A (ja) * 1997-02-25 1998-09-11 Sharp Corp 符号量制御装置及び該符号量制御装置を含む動画像符号化装置

Also Published As

Publication number Publication date
DE69811669D1 (de) 2003-04-03
EP0997034B1 (en) 2003-02-26
US6118903A (en) 2000-09-12
DE69811669T2 (de) 2003-12-18
FI973042A0 (fi) 1997-07-18
AU7769998A (en) 1999-02-10
WO1999004553A2 (en) 1999-01-28
FI973042A (fi) 1999-01-19
EP0997034A2 (en) 2000-05-03
WO1999004553A3 (en) 1999-04-08

Similar Documents

Publication Publication Date Title
FI107496B (fi) Kuvan kompressointi
US10045034B2 (en) System and method for using pattern vectors for video and image coding and decoding
EP1834487B1 (en) Method for improved entropy coding
US6757438B2 (en) Method and apparatus for video compression using microwavelets
US6526174B1 (en) Method and apparatus for video compression using block and wavelet techniques
TWI431948B (zh) 轉換區塊之效率編碼和解碼
CA3000020C (en) Entropy coding techniques for display stream compression (dsc) of non-4:4:4 chroma sub-sampling
KR20000064840A (ko) 정지영상과 동영상 코딩을 위한 양자화 매트릭스
Nageswara et al. Image compression using discrete cosine transform
US7403561B2 (en) Fixed bit rate, intraframe compression and decompression of video
US7742521B2 (en) Method and system for processing signals via perceptive vectorial quantization, computer program product therefor
KR19990037507A (ko) 지각적 압축 및 견고한 비트 레이트 제어 시스템
CN113613004A (zh) 图像编码方法、装置、电子设备及存储介质
US20070019875A1 (en) Method of further compressing JPEG image
EP1324618A2 (en) Encoding method and arrangement
US5822000A (en) Video encoding using rearrangement of transform coefficients and inter-block correlation
US6850650B1 (en) System and method for recompressing a jpeg image using requantization
JP2004040429A (ja) ディジタル画像符号化装置及びそれに用いるディジタル画像符号化方法並びにそのプログラム
US20090304073A1 (en) Systems and Methods for the Bandwidth Efficient Processing of Data
KR20170098163A (ko) 이미지 부호화 및 복호화 방법, 이를 이용하는 이미지 부호화기 및 이미지 복호화기
JP4241517B2 (ja) 画像符号化装置及び画像復号装置
KR100189523B1 (ko) 영상분리와 산술부호화를 이용한 영상 압축 장치 및 방법과 그 복원 방법
FI115188B (fi) Kuva- ja videokompressio alhaisen bittinopeuden kanaville
NCTU Wireless Communication Systems
Rahman et al. The Impact of State-of-the-Art Techniques for Lossless Still Image Compression. Electronics 2021, 10, 360