用于图像压缩的多分量参考预测方法与流程

本发明属于半导体显示与图像处理领域，特别涉及一种用于图像压缩的多分量参考预测方法。

背景技术：

随着集成电路设计与制造技术和半导体显示技术的发展，显示器的分辨率越来越高，如今支持4k*2k分辨率的显示屏已经在市场上普遍出现，支持8k*4k分辨率的显示屏也已问世，未来支持更高分辨率的显示屏也会出现。在保证显示器刷新率不变的情况下，显示器驱动芯片、时序控制芯片以及图像处理单元所需要支持的带宽越来越高。随之带来的问题是：现有技术中，芯片工作速率已无法满足芯片带宽的要求；芯片整体功耗增加，设计更为复杂，芯片及系统设计成本增加。因此，技术人员希望采用带宽压缩技术来克服以上困难。

带宽压缩技术的目标是用较小的逻辑面积成本，尽可能的提高压缩倍数，减少双倍速率同步动态随机存储器(doubledatarate,简称ddr)的占用。带宽压缩主要由四个部分组成，包含预测模块、量化模块、码控模块和熵编码模块。其中预测模块作为一个重要的模块，是利用图像相邻像素间存在的空间冗余度，根据邻近像素信息对当前像素值进行预测，预测差值的标准差要远小于原始图像数据的标准差，因此对预测差值进行编码，更有利于使图像数据的理论熵达到最小，达到提高压缩效率的目的。

目前预测模块的算法主要分为2类，包括图像的像素纹理相关预测和像素值相关预测。现有的纹理相关预测方法由于参考方向的数量少，存在如下问题：1)预测像素的分量容易误判，影响预测结果；2)预测方法没有充分利用像素纹理之间的相关性，无法进一步降低理论极限熵以及运算的复杂度。

技术实现要素：

因此，为解决现有技术存在的技术缺陷和不足，本发明提出一种用于图像压缩的多分量参考预测方法。

具体地，本发明提供一种用于图像压缩的多分量参考预测方法，包括：

确定当前像素的多个分量；

分别计算所述当前像素的多个分量沿多个纹理方向的像素差异度以确定所述当前像素分量的梯度值；

根据所述梯度值和预设的加权系数确定所述当前像素分量的参考值；

通过所述参考值确定所述当前像素分量的预测残差。

在本发明提供的一种实施方式中，所述多个分量为r、g、b三分量，相应地，分别计算所述当前像素的多个分量沿多个纹理方向的像素差异度以确定所述当前像素分量的梯度值，包括：

分别计算当前像素的r、g、b三分量沿多个纹理方向的像素差异度以确定所述当前像素分量的梯度值。

在本发明提供的一种实施方式中，分别计算当前像素的r、g、b三分量沿多个纹理方向的像素差异度以确定所述当前像素分量的梯度值，包括：

分别计算当前像素的r、g、b三分量沿多个纹理方向的像素梯度值，将所述像素梯度值最小的纹理方向确定为所述当前像素分量的梯度值。

在本发明提供的一种实施方式中，分别计算当前像素的r、g、b三分量沿多个纹理方向的像素梯度值，包括：

分别计算当前像素的r、g、b三分量和沿多个纹理方向的临近像素的r、g、b三分量差值的绝对值，将所述差值绝对值作为所述当前像素的像素梯度值。

在本发明提供的一种实施方式中，所述临近像素与所述当前像素紧邻，或者，所述临近像素与所述当前像素间隔设定的像素单元。

在本发明提供的一种实施方式中，根据所述梯度值和预设的加权系数确定所述当前像素分量的参考值，包括：

将所述梯度值和预设的第一加权系数相乘后进行加权运算获取第一加权梯度值。

在本发明提供的一种实施方式中，根据所述梯度值和预设的加权系数确定所述当前像素分量的参考值，还包括：

在获取第一加权梯度值之后，按照预设规则选取出所述第一加权梯度值的第一最优值；

将所述第一最优值和预设的第二加权系数相乘后进行加权运算以获取第二加权梯度值；

按照预设算法选取出所述第二加权梯度值的第二最优值；

将所述第二最优值作为所述当前像素的参考方向。

在本发明提供的一种实施方式中，所述第一加权梯度值的第一最优值为所述所述第一加权梯度值中的最小值；所述第二加权梯度值的第二最优值为所述所述第二加权梯度值中的最小值。

在本发明提供的一种实施方式中，还包括：

分别将所述参考方向的r、g、b三分量像素值和与所述r、g、b三分量相应的所述第一加权系数相乘后进行加权运算以获取所述当前像素分量的参考值。

在本发明提供的一种实施方式中，通过所述参考值确定所述当前像素分量的预测残差，包括：

求取所述当前像素分量和所述当前像素分量的参考值的差值，将所述差值作为所述当前像素分量的预测残差。

基于此，本发明具备如下优点：

1、本发明通过对r、g、b三个分量的多方向梯度加权和同位置多分量的方向加权，可以更加合理的确定当前分量的预测方向，尤其是当纹理复杂时，可以起到更好的预测方向纠偏效果。并且该方法，可以均衡同位置r、g、b三个分量之间和同分量相邻多像素间的纹理预测方向，减少单个分量预测误判的可能性，最终进一步降低预测的理论极限熵。

2、本发明还可以将多分量并行处理，更利于实现预测方法的并行化处理。相对于串行分量处理的时间长效率低，并行处理可以成倍提高处理速度，利于预测算法的硬件实现。

通过以下参考附图的详细说明，本发明的其它方面和特征变得明显。但是应当知道，该附图仅仅为解释的目的设计，而不是作为本发明的范围的限定，这是因为其应当参考附加的权利要求。还应当知道，除非另外指出，不必要依比例绘制附图，它们仅仅力图概念地说明此处描述的结构和流程。

附图说明

下面将结合附图，对本发明的具体实施方式进行详细的说明。

图1为本发明提供的一种用于图像压缩的多分量参考预测方法流程图；

图2为本发明提供的另一种用于图像压缩的多分量参考预测方法流程图；

图3为本发明实施例提供的一种当前像素分量和临近像素分量位置关系示意图；

图4为本发明实施例提供的一种梯度值计算示意图；

图5为本发明实施例提供的另一种像素级多分量参考的自适应方向预测方法的算法原理示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。

实施例一

请参见图1，图1为本发明提供的一种用于图像压缩的多分量参考预测方法流程图，其包括：

确定当前像素的多个分量；

分别计算所述当前像素的多个分量沿多个纹理方向的像素差异度以确定所述当前像素分量的梯度值；

根据所述梯度值和预设的加权系数确定所述当前像素分量的参考值；

通过所述参考值确定所述当前像素分量的预测残差。

在本发明提供的一种实施方式中，所述多个分量为r、g、b三分量，相应地，分别计算所述当前像素的多个分量沿多个纹理方向的像素差异度以确定所述当前像素分量的梯度值，具体可以为：

分别计算当前像素的r、g、b三分量沿多个纹理方向的像素差异度以确定所述当前像素分量的梯度值。

在本发明提供的一种实施方式中，分别计算当前像素的r、g、b三分量沿多个纹理方向的像素差异度以确定所述当前像素分量的梯度值，具体可以为：

分别计算当前像素的r、g、b三分量沿多个纹理方向的像素梯度值，将所述像素梯度值最小的纹理方向确定为所述当前像素分量的梯度值。

在本发明提供的一种实施方式中，分别计算当前像素的r、g、b三分量沿多个纹理方向的像素梯度值，具体可以为：

分别计算当前像素的r、g、b三分量和沿多个纹理方向的临近像素的r、g、b三分量差值的绝对值，将所述差值绝对值作为所述当前像素的像素梯度值。

在本发明提供的一种实施方式中，所述临近像素与所述当前像素紧邻，或者，所述临近像素与所述当前像素间隔设定的像素单元。

在本发明提供的一种实施方式中，根据所述梯度值和预设的加权系数确定所述当前像素分量的参考值，具体可以为：

将所述梯度值和预设的第一加权系数相乘后进行加权运算获取第一加权梯度值。

在本发明提供的一种实施方式中，根据所述梯度值和预设的加权系数确定所述当前像素分量的参考值，还包括：

在获取第一加权梯度值之后，按照预设规则选取出所述第一加权梯度值的第一最优值；

将所述第一最优值和预设的第二加权系数相乘后进行加权运算以获取第二加权梯度值；

按照预设算法选取出所述第二加权梯度值的第二最优值；

将所述第二最优值作为所述当前像素的参考方向。

在本发明提供的一种实施方式中，本实施方式还包括：

分别将所述参考方向的r、g、b三分量像素值和与第三加权系数相乘后进行加权运算以获取所述当前像素分量的参考值。

在本发明提供的一种实施方式中，通过所述参考值确定所述当前像素分量的预测残差，具体可以为：

求取所述当前像素分量和所述当前像素分量的参考值的差值，将所述差值作为所述当前像素分量的预测残差。

本发明具备如下优点：

1、本发明通过对r、g、b三个分量的多方向梯度加权和同位置多分量的方向加权，可以更加合理的确定当前分量的预测方向，尤其是当纹理复杂时，可以起到更好的预测方向纠偏效果。并且该方法，可以均衡同位置r、g、b三个分量之间和同分量相邻多像素间的纹理预测方向，减少单个分量预测误判的可能性，最终进一步降低预测的理论极限熵。

2、本发明还可以将多分量并行处理，更利于实现预测方法的并行化处理。相对于串行分量处理的时间长效率低，并行处理可以成倍提高处理速度，利于预测算法的硬件实现。

实施例二

请参见图2、图3，图2为本发明提供的另一种用于图像压缩的多分量参考预测方法流程图，图3为本发明实施例提供的一种当前像素分量和临近像素分量位置关系示意图。本实施例在上述实施例的基础上对本发明提出的用于图像压缩的多分量参考预测方法进行详细描述，该预测方法包括如下步骤：

设定当前像素的3个分量，分别为分量1(r分量)、分量2(g分量)和分量3(b分量)；

对于当前像素的每个分量，通过该分量的周围分量，确定每个分量的n个纹理方向梯度值g1～gn；

优选地，所述临近像素与所述当前像素紧邻，或者，所述临近像素与所述当前像素间隔设定的像素单元。如图3所示，cur代表当前像素，那么，临近像素可以为ghik(与cur紧邻)，也可以为abcdefj(与cur间隔有设定的像素单元)。

将每个分量的n个纹理方向梯度值g1～gn进行加权(g1～gn既代表纹理方向梯度值的大小，也代表纹理方向梯度值的方向)得到n个纹理方向梯度值加权后的第一加权梯度值bg，加权公式如下：

bgi＝w1*g1+w2*g2+…+wn*gn(i＝1，2或3)

其中，w1、w2…wn为加权系数(第一加权系数)，可以相同也可以不同；bg1为分量1(r分量)的第一加权梯度值，bg2为分量2(g分量)的第一加权梯度值，bg3为分量3(b分量)的第一加权梯度值。

在一种实施方式中，w1、w2…wn可以是预先自行设定的固定值。更进一步的，并且，配置w1、w2…wn的相对大小时，可以考虑先验经验。例如，从以往的经验得知，在梯度值g1的这个方向可能更加适合本图像做预测的实际情况，则可以将w1配置一个更加适合本图像做预测的实际情况的值(例如，可以将w1配置很小)，以增加在梯度值g1的这个方向的权重。当然，w1、w2…wn也可以是自适应的，即可以根据早期预测处理的实际情况，灵活调整w1、w2…wn的相对大小，具体地w1+w2+…+wn＝1。

在一种实施方式中，第一加权梯度值bg可用像素值差的绝对值表示，但是不限于此。

在一种实施方式中，选取多组w1、w2…wn的值，得到多个第一加权梯度值，取第一加权梯度值的最小值，可以得到每个分量的第一加权梯度值的最优值bgbst。

将r分量、g分量和b分量的第一加权梯度值的最优值bgbst进行加权，可以得到第一加权梯度值的最优值加权后的第二加权梯度值bg"，加权公式如下：

bg"i＝t1*bgbst1+t2*bgbst2+t3*bgbst3(i＝1…3)

其中，t1、t2、t3为加权系数(第二加权系数)，可以相同也可以不同；bgbst1为r分量的第一加权梯度值的最优值，bgbst2为g分量的第一加权梯度值的最优值，bgbst3为b分量的第一加权梯度值的最优值，bg"1为r分量的第二加权梯度值，bg"2为g分量的第二加权梯度值，bg"3为b分量的第二加权梯度值，确定出第二加权梯度值bg"的最优值bg"bst。

优选地，根据每个分量与对应第一加权梯度值的最优值bgbst的关系，设置加权系数t1、t2和t3获得每个分量的第二加权梯度值的最优值bgbst。

优选地，当前分量下的第一加权梯度值的最优值bgbst加权系数值最大，与当前分量距离逐渐增加的其它分量下的第一加权梯度值的最优值bgbst加权系数值逐渐减小，加权系数值的总和为1，具体为t1+t2+t3＝1。。

第二加权梯度值的最优值bg"bst的方向即为当前分量的参考方向dir。

值得指出的是，本实施方式中，w1、w2…wn和t1、t2、t3均为加权系数，但是实际意义有所区别。w1、w2…wn用于配置一个像素分量在不同纹理方向上的权重大小，而t1、t2、t3用于配置多个像素分量之间的权重大小。

将每个分量的参考方向上所有可用的分量像素值进行加权，得到每个分量的参考值ref，加权公式如下所示：

refi＝r1*cpt1+r2*cpt2+…+rn*cptn(i＝1，2或3)

其中，r1、r2…rn为加权系数(第三加权系数)，可以相同也可以不同；cpt1～cptn为每个分量的参考方向上n个可用的分量像素值；ref1为r分量的参考值，ref2为g分量的参考值，ref3为b分量的参考值。

将当前分量像素值减去参考值，可以得到当前分量像素的预测残差dif；公式如下：

difi＝curcpti-refi(i＝1，2或3)

其中，curcpt1为r分量的像素值，curcpt2为g分量的像素值，curcpt3为b分量的像素值；dif1为r分量的预测残差，dif2为g分量的预测残差，dif3为b分量的预测残差。

在本发明提供的一种实施方式中，以上实施方式中r分量、g分量和b分量的预测残差的获取过程可以并行处理，也可以串行处理，具体应用规格场景需要。

实施例三

请参见图4、图5，图4为本发明实施例提供的一种梯度值计算示意图；图5为本发明实施例提供的另一种像素级多分量参考的自适应方向预测方法的算法原理示意图。本实施例在上述实施例的基础上对本发明提出的像素级多分量参考的自适应方向预测方法举例描述。本实施例将当前像素分为r分量、g分量和b分量，具体步骤如下：

对于当前像素的三个分量，通过每个分量的周围分量，确定每个分量的3个纹理方向梯度值g1、g2、g3；

优选地，对于r分量、g分量、b分量，分别根据图4所示，abs(k-h)为45度梯度值，abs(k-g)为90度梯度值，abs(k-f)为135度梯度值，abs(k-j)为180度梯度值。其中，abs为绝对值运算。

对于r分量、g分量、b分量的每一个分量，选取多组w1、w2…wn的值，加权3个纹理方向梯度值g1、g2、g3，得到每一个分量的多个第一加权梯度值bg，查找每一个分量的第一加权梯度值的最小值bgmin，作为第一加权梯度值的最优值。

将3个分量的第一加权梯度值的最小梯度值进行加权得出第一加权梯度值最优值加权后的第二加权梯度值bg"，并查找出第二加权梯度值的最优值bg"bst。加权计算如下：

bg"bsty＝0.5*bgbsty+0.3*bgbstu+0.2*bgbstv

bg"bstu＝0.3*bgbsty+0.4*bgbstu+0.3*bgbstv

bg"bstv＝0.2*bgbsty+0.3*bgbstu+0.5*bgbstv

其中，bg"bsty为分量y第二加权梯度值的最优值，bg"bstu为分量u第二加权梯度值的最优值，bg"bstv为分量v第二加权梯度值的最优值，bgbsty为分量y第一加权梯度值的最优值，bgbstu为分量u第一加权梯度值的最优值，bgbstv为分量v第一加权梯度值的最优值。

上式中的系数选取规则为当前分量下的第一加权梯度值的最优值bgbst加权系数值最大，与当前分量距离逐渐增加的其它分量下的第一加权梯度值的最优值bgbst加权系数值逐渐减小，加权系数值的总和为1。。

其中，bg"bst的方向为当前分量的参考方向dir，即dirr为r分量的参考方向，dirg为g分量的参考方向，dirb为b分量的参考方向。

将3个分量的参考方向上2个分量像素值进行加权，得到3个分量的参考值ref，加权公式如下所示：

refr＝r1*cpt1+r2*cpt2

refg＝r1*cpt1+r2*cpt2

refb＝r1*cpt1+r2*cpt2

其中，refr为r分量的参考值，refg为g分量的参考值，refb为b分量的参考值，cpt1、cpt2为每个参考方向的分量像素值。

优选地，对于任意分量，若为45度参考，那么参考值ref为0.8*i+0.2e；若为90度参考，那么参考值为0.8*h+0.2c；若为135度参考，那么参考值为0.8*g+0.2a；若为180度参考，那么参考值为0.8*k+0.2j，分量像素值离当前像素越近，配置系数越大。

将当前分量像素值减去参考值，可以得到当前像素分量的预测残差dif，计算如下：

difr＝curcptr-refr

difg＝curcptg-refg

difb＝curcptb-refb

其中，curcptr为r分量的像素值，curcptg为g分量的像素值，curcptb为b分量的像素值；difr为r分量的预测残差，difg为g分量的预测残差，difb为b分量的预测残差。

综上所述，本文中应用了具体个例对本发明基于带宽压缩的自适应模板预测方法进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制，本发明的保护范围应以所附的权利要求为准。