一种HEVC的帧内预测模式确定方法、设备、系统及介质与流程

本发明涉及视频
技术领域：
，尤其涉及一种hevc的帧内预测模式确定方法、设备、系统及介质。
背景技术：
帧内预测是hevc(即highefficiencyvideocoding)视频编码标准的核心技术之一，是指利用视频空间域的相关性，使用当前图像已编码的像素预测当前像素，以达到去除视频空间冗余的目的。hevc的pu(即predictionunit，预测单元)的帧内预测模式高达35种，分别包括dc模式、planar模式以及如图1所示的33种角度预测模式。图1中，每个箭头指示的方向代表一种角度预测模式的角度预测方向，从模式2到模式34，一共33种角度预测模式。由上可见，预测单元的帧内预测模式的数量众多，按照传统的模式判决方式，需要在hevc编码过程中对上述35种帧内预测模式进行依次遍历，这个过程需要消耗极大的计算量。技术实现要素：本发明的主要目的在于提供一种hevc的帧内预测模式确定方法、设备、系统及介质，旨在解决现有技术中存在的模式判决过程需要消耗过多计算量的技术问题。为实现上述目的，本发明提供的一种hevc的帧内预测模式确定方法，所述方法包括：确定hevc的每个预测单元的图像梯度信息；分别利用每个所述预测单元的图像梯度信息，相应地确定用于表征每个所述预测单元的图像方向的整体趋势的平均角度；利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相关联的角度预测模式，得到每个所述预测单元对应的角度预测模式；其中，所述预设映射信息为预先创建的用于表征不同的平均角度与不同的角度预测模式之间的对应关系的信息；分别确定每个所述预测单元对应的角度预测模式、dc模式和planar模式各自的帧内预测结果，并根据所述帧内预测结果判定出每个所述预测单元的最佳的帧内预测模式。可选地，所述分别利用每个所述预测单元的图像梯度信息，相应地确定用于表征每个所述预测单元的图像方向的整体趋势的平均角度，包括：分别利用每个所述预测单元的图像梯度信息，相应地计算出图像中与每个所述预测单元对应的所有方向角；确定每个所述预测单元对应的所有方向角的平均值，得到用于表征每个所述预测单元的图像方向的整体趋势的平均角度。可选地，所述方法还包括：在所述利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相关联的角度预测模式之前，从hevc的33种角度预测模式中选取出第一个角度预测模式作为基准参照模式，然后将所述33种角度预测模式各自对应的角度预测方向重新进行归一化后再计算相应的角度值，以形成与所有角度预测方向对应的第一角度区间；将平均角度所对应的初始角度区间加上135°，并把大于180°的角度进行取模运算，得到与平均角度对应的第二角度区间；依据所述第一角度区间和所述第二角度区间，创建所述预设映射信息。可选地，所述利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相关联的角度预测模式，得到每个所述预测单元对应的角度预测模式，包括：利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相对应的角度预测模式，得到每个所述预测单元对应的第一目标角度预测模式；从hevc的33种角度预测模式中选取出与每个所述预测单元对应的第一目标角度预测模式相邻的n个角度预测模式，得到每个所述预测单元对应的第二目标角度预测模式；其中，所述n为正整数；将每个所述预测单元对应的第一目标角度预测模式和第二目标角度预测模式确定为每个所述预测单元对应的角度预测模式。可选地，所述n为2。可选地，所述从hevc的33种角度预测模式中选取出与每个所述预测单元对应的第一目标角度预测模式相邻的n个角度预测模式，得到每个所述预测单元对应的第二目标角度预测模式，包括：从hevc的33种角度预测模式中选取出位于每个所述预测单元对应的第一目标角度预测模式的前后相邻的各一个角度预测模式，得到每个所述预测单元对应的第二目标角度预测模式。可选地，所述利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相关联的角度预测模式，得到每个所述预测单元对应的角度预测模式，包括：利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相对应的角度预测模式，得到每个所述预测单元对应的角度预测模式。为实现上述目的，本发明进一步提供一种hevc的帧内预测模式确定设备，所述设备包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的帧内预测模式确定程序，所述帧内预测模式确定程序被所述处理器执行时实现前述公开的方法。为实现上述目的，本发明进一步提供一种hevc的帧内预测模式确定系统，所述系统包括：梯度确定单元，用于确定hevc的每个预测单元的图像梯度信息；角度确定单元，用于分别利用每个所述预测单元的图像梯度信息，相应地确定用于表征每个所述预测单元的图像方向的整体趋势的平均角度；模式确定单元，用于利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相关联的角度预测模式，得到每个所述预测单元对应的角度预测模式；其中，所述预设映射信息为预先创建的用于表征不同的平均角度与不同的角度预测模式之间的对应关系的信息；模式判定单元，用于分别确定每个所述预测单元对应的角度预测模式、dc模式和planar模式各自的帧内预测结果，并根据所述帧内预测结果判定出每个所述预测单元的最佳的帧内预测模式。为实现上述目的，本发明进一步提供一种计算机可读存储介质，所述计算机可读存储介质上存储有帧内预测模式确定程序，所述帧内预测模式确定程序可被一个或多个处理器执行，以实现前述公开的帧内预测模式确定方法。为实现上述目的，本发明进一步提供一种计算机程序产品，包括计算机指令，当所述计算机指令在计算机上运行时，使得所述计算机可以执行前述公开的帧内预测模式确定方法。可见，本发明先利用预测单元的图像梯度信息，确定出能够用于表征预测单元的图像方向的整体趋势的平均角度，然后利用预先创建的用于表征不同的平均角度与不同的角度预测模式之间的对应关系的信息，确定出与预测单元所对应的平均角度相关联的角度预测模式，从而相当于从hevc的33种角度预测模式中只选取出与预测单元所对应的平均角度相关联的角度预测模式，而把其他不相关的角度预测模式排除掉，后续只需从上述选取出的角度预测模式以及dc模式、planar模式中进行进一步的确认即可，而无需对全部35种帧内预测模式进行遍历，由此大幅减少了模式判决过程所需的计算量，并由此也提升了模式判决效率。附图说明图1为hevc的33种角度预测模式的角度预测方向示意图；图2为本发明一实施例的流程示意图；图3为本发明一实施例揭露的基于roberts算子的x和y方向上的梯度计算过程示意图；图4为本发明另一实施例的流程示意图；图5为本发明另一实施例的流程示意图；图6为本发明一实施例揭露的帧内预测模式确定设备的内部结构示意图；图7为本发明一实施例揭露的帧内预测模式确定系统的结构示意图。具体实施方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，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，都属于本发明保护的范围。本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。需要说明的是，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。在hevc技术中，预测单元的帧内预测模式的数量众多，多达35种帧内预测模式。按照传统的模式判决方式，需要在hevc编码过程中对上述35种帧内预测模式进行依次遍历，这个过程需要消耗极大的计算量。为此，本发明提供了一种用于确定hevc的帧内预测模式的技术方案，能够解决现有技术中存在的模式判决过程需要消耗过多计算量的技术问题。本发明提供一种hevc的帧内预测模式确定方法。参照图2，图2为本发明一实施例的流程示意图。在一实施例中，该方法包括：s10，确定hevc的每个预测单元的图像梯度信息。可以理解的是，图像函数f(x,y)在点(x,y)的梯度是一个具有大小和方向的矢量，设为gx和gy，依次表示x方向和y方向的梯度。可以理解的是，图像函数f(x,y)的梯度的矢量可以表示为：其中，上述矢量的幅度具体为：另外，上述矢量的方向角具体为：对于不同类型的图像来说，上述图像梯度信息的计算方式会有所差异。例如：对于数字图像f(x,y)，求其梯度相当于对二维离散函数求梯度，具体计算过程为：gx＝f(x,y)-f(x-1,y)，gy＝f(x,y)-f(x,y-1)。对于二维的数字图像f(x,y)，需要通过在x方向和y方向上进行偏微分来求得梯度，具体计算过程为：表示梯度。对于离散图像，一阶微分的数学表达相当于两个相邻像素的差值，根据选择的梯度算子不同，效果可能有所不同，但是基本原理不会变化。最常见的梯度算子为roberts算子，其中，图3为基于roberts算子的x和y方向上的梯度的计算过程示意图，图3中，像素点a5、a6、a8和a9分别通过f(x,y)、f(x+1,y)、f(x,y+1)和f(x+1,y+1)来表示，则对于上述四个像素点，基于roberts算子的x方向上的梯度为gx＝a5-a9，基于roberts算子的y方向上的梯度为gy＝a6-a8，与上述梯度对应的方向角为θ＝arctan(gy/gx)，其中，θ∈(-π/2,π/2)。其它常见的梯度算子还包括sobel，prewitt等算子。s20，分别利用每个所述预测单元的图像梯度信息，相应地确定用于表征每个所述预测单元的图像方向的整体趋势的平均角度。本实施例中，在得到某个预测单元的图像梯度信息之后，可以利用该预测单元的图像梯度信息确定出与该预测单元对应的所述平均角度，并且，任一预测单元对应的所述平均角度能够表征该预测单元的图像方向的整体趋势。s30，利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相关联的角度预测模式，得到每个所述预测单元对应的角度预测模式；其中，所述预设映射信息为预先创建的用于表征不同的平均角度与不同的角度预测模式之间的对应关系的信息。本实施例中，上述预设映射信息是预先创建的，并能够表征不同的平均角度与不同的角度预测模式之间的对应关系。在通过上述步骤s20得到任一预测单元对应的平均角度之后，便可以利用上述预设映射关系，确定出与该平均角度相关联的角度预测模式，从而得到该预测单元对应的角度预测模式。s40，分别确定每个所述预测单元对应的角度预测模式、dc模式和planar模式各自的帧内预测结果，并根据所述帧内预测结果判定出每个所述预测单元的最佳的帧内预测模式。可以理解的是，为了整个帧内预测过程的顺利完成，在确定出每个预测单元最佳的帧内预测模式的同时，还需要编码该帧内预测模式所需的辅助信息。另外需要指出的是，hevc的预测模式是在预测单元pu的基础上定义的，而具体的预测过程的实现则是以tu(即transformunit，变换单元)为单位的，hevc的帧内预测过程主要包括以下三步：第一步：判断当前tu相邻像素是否可用并做相应的处理；第二步：对参考像素进行滤波；第三步：根据滤波后的参考像素计算当前tu的预测像素值。其中，在第三步中需要利用本实施例公开的帧内预测模式确定方法来确定出每个预测单元pu的最佳的帧内预测模式。本实施例中，帧内预测模式确定过程是针对hevc的每个预测单元pu而展开的，也即，通过本实施例提供的技术方案，可以确定出每个预测单元各自对应的最佳的帧内预测模式。可以理解的是，本实施例可以每次从hevc的所有还未经过处理的预测单元中选取出一个预测单元来进行处理，以确定出该预测单元的最佳的帧内预测模式，然后依次遍历，直到确定出所有预测单元各自对应的最佳的帧内预测模式。可见，本实施例先利用预测单元的图像梯度信息，确定出能够用于表征预测单元的图像方向的整体趋势的平均角度，然后利用预先创建的用于表征不同的平均角度与不同的角度预测模式之间的对应关系的信息，确定出与预测单元所对应的平均角度相关联的角度预测模式，从而相当于从hevc的33种角度预测模式中只选取出与预测单元所对应的平均角度相关联的角度预测模式，而把其他不相关的角度预测模式排除掉，后续只需从上述选取出的角度预测模式以及dc模式、planar模式中进行进一步的确认即可，而无需对全部35种帧内预测模式进行遍历，由此大幅减少了模式判决过程所需的计算量，并由此也提升了模式判决效率。在前述实施例的基础上，本实施例对技术方案进行进一步的说明和优化。具体如下：前述实施例步骤s20中，所述分别利用每个所述预测单元的图像梯度信息，相应地确定用于表征每个所述预测单元的图像方向的整体趋势的平均角度，具体可以包括：分别利用每个所述预测单元的图像梯度信息，相应地计算出图像中与每个所述预测单元对应的所有方向角，由此也即得到每个所述预测单元对应的图像纹理的角度信息；确定每个所述预测单元对应的所有方向角的平均值，得到用于表征每个所述预测单元的图像方向的整体趋势的平均角度。由此可见，上述内容公开了一种用于确定所述平均角度的具体过程，根据该过程，可以确定出每个所述预测单元对应的所述平均角度。另外，可以理解的是，在得到任一预测单元的某个图像梯度信息(gx,gy)之后，可以通过下式来计算出与该图像梯度信息(gx,gy)对应的方向角：θ＝arctan(gy/gx)，θ表示方向角。需要进一步指出的是，根据图1示出的33种角度预测模式各自对应的角度预测方向可知，模式26和模式10分别表示垂直方向v和水平方向h，而其余角度预测模式的角度预测方向均可以看成是在垂直方向v或水平方向h作了一定的偏移，相应的偏移角的大小可以由表一中对应的数字计算得出：表一模式编号234567891011121314151617偏移值32262117139520-2-5-9-13-17-21-26模式编号1819202122232425262728293031323334偏移值-32-26-21-17-13-9-5-202591317212632比如，假设某个垂直类角度预测模式对应的偏移值为v+x，则与该角度预测模式对应的偏移角为：θ＝arctan(x/32)；其中，当θ为正则表示预测方向向左偏移，当θ为负则表示预测方向向右偏移。与此类似的，对于水平类角度预测模式，当θ为正则表示预测方向向上偏移，当θ为负则表示预测方向向下偏移。可以理解的是，上述垂直类角度预测模式包括垂直方向对应的角度预测模式以及相比于水平方向，更靠近垂直方向的角度预测模式；同理，上述水平类角度预测模式包括水平方向对应的角度预测模式以及相比于垂直方向，更靠近水平方向的角度预测模式。本实施例中，所述帧内预测模式确定方法，还可以具体包括：在所述利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相关联的角度预测模式之前，从hevc的33种角度预测模式中选取出第一个角度预测模式作为基准参照模式，然后将所述33种角度预测模式各自对应的角度预测方向重新进行归一化后再计算相应的角度值，以形成与所有角度预测方向对应的第一角度区间；将平均角度所对应的初始角度区间加上135°，并把大于180°的角度进行取模运算，得到与平均角度对应的第二角度区间；依据所述第一角度区间和所述第二角度区间，创建所述预设映射信息。由此可见，上述内容公开了一种具体的用于创建所述预设映射信息的具体过程，通过上述过程，可以得到区间范围均位于(0°,180°)的第一角度区间和第二角度区间，然后依据上述第一角度区间和第二角度区间，可以创建用于表征不同的平均角度与不同的角度预测模式之间的对应关系的信息，从而得到所述预设映射信息。可以理解的是，上述第一个角度预测模式也即是图1示出的33种角度预测模式中的模式2。另外，平均角度所对应的初始角度区间具体是(-90°,90°)。参照图4，图4为另一实施例的流程示意图，该实施例中的方法包括：s11，确定hevc的每个预测单元的图像梯度信息。s21，分别利用每个所述预测单元的图像梯度信息，相应地确定用于表征每个所述预测单元的图像方向的整体趋势的平均角度。其中，关于上述步骤s11和s21的具体过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。s31，利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相对应的角度预测模式，得到每个所述预测单元对应的第一目标角度预测模式。s41，从hevc的33种角度预测模式中选取出与每个所述预测单元对应的第一目标角度预测模式相邻的n个角度预测模式，得到每个所述预测单元对应的第二目标角度预测模式；其中，所述n为正整数。s51，将每个所述预测单元对应的第一目标角度预测模式和第二目标角度预测模式确定为每个所述预测单元对应的角度预测模式。由此可见，本实施例为了降低遗漏最佳帧内预测模式的可能性，减少模式判决误差，在利用预设映射信息确定出与平均角度相对应的一个角度预测模式之后，也即在得到预测单元对应的第一目标角度预测模式之后，本实施例还进一步将第一目标角度预测模式相邻的n个角度预测模式选取出来作为第二目标角度预测模式，然后将第一目标角度预测模式和第二目标角度预测模式作为与平均角度相关联的角度预测模式。可以理解的是，在减少模式判决误差的同时，为了避免过多地增加模式判决过程所需的计算量，本实施例中n的取值不宜过大，优选的，本实施例中的n可以取2。具体的，所述从hevc的33种角度预测模式中选取出与每个所述预测单元对应的第一目标角度预测模式相邻的n个角度预测模式，得到每个所述预测单元对应的第二目标角度预测模式，可以包括：从hevc的33种角度预测模式中选取出位于每个所述预测单元对应的第一目标角度预测模式的前后相邻的各一个角度预测模式，得到每个所述预测单元对应的第二目标角度预测模式。可以理解的是，在上述33种角度预测模式中，与模式2前后相邻的各一个角度预测模式分别为模式3和模式34，同理，与模式34前后相邻的各一个角度预测模式分别为模式33和模式2。s61，分别确定每个所述预测单元对应的角度预测模式、dc模式和planar模式各自的帧内预测结果，并根据所述帧内预测结果判定出每个所述预测单元的最佳的帧内预测模式。其中，关于上述步骤s61的具体过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。参照图5，图5为另一实施例的流程示意图，该实施例中的方法包括：s12，确定hevc的每个预测单元的图像梯度信息。s22，分别利用每个所述预测单元的图像梯度信息，相应地确定用于表征每个所述预测单元的图像方向的整体趋势的平均角度。其中，关于上述步骤s12和s22的具体过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。s32，利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相对应的角度预测模式，得到每个所述预测单元对应的角度预测模式。由此可见，本实施例是直接将利用所述预设映射信息得到的与平均角度相对应的角度预测模式作为相应预测单元对应的角度预测模式，这样虽然牺牲了一定的模式判决准确度，但是能够进一步减少模式判决过程所需的计算量，加快了模式判决速度。s42，分别确定每个所述预测单元对应的角度预测模式、dc模式和planar模式各自的帧内预测结果，并根据所述帧内预测结果判定出每个所述预测单元的最佳的帧内预测模式。其中，关于上述步骤s42的具体过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。进一步的，本实施例还公开了一种hevc的帧内预测模式确定设备。参照图6，图6为本发明一实施例揭露的帧内预测模式确定设备的内部结构示意图。图6中，帧内预测模式确定设备1包括存储器11和处理器12，所述存储器11上存储有可在所述处理器12上运行的帧内预测模式确定程序，所述帧内预测模式确定程序被所述处理器12执行时实现如下方法：确定hevc的每个预测单元的图像梯度信息；分别利用每个所述预测单元的图像梯度信息，相应地确定用于表征每个所述预测单元的图像方向的整体趋势的平均角度；利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相关联的角度预测模式，得到每个所述预测单元对应的角度预测模式；其中，所述预设映射信息为预先创建的用于表征不同的平均角度与不同的角度预测模式之间的对应关系的信息；分别确定每个所述预测单元对应的角度预测模式、dc模式和planar模式各自的帧内预测结果，并根据所述帧内预测结果判定出每个所述预测单元的最佳的帧内预测模式。可见，本实施例先利用预测单元的图像梯度信息，确定出能够用于表征预测单元的图像方向的整体趋势的平均角度，然后利用预先创建的用于表征不同的平均角度与不同的角度预测模式之间的对应关系的信息，确定出与预测单元所对应的平均角度相关联的角度预测模式，从而相当于从hevc的33种角度预测模式中只选取出与预测单元所对应的平均角度相关联的角度预测模式，而把其他不相关的角度预测模式排除掉，后续只需从上述选取出的角度预测模式以及dc模式、planar模式中进行进一步的确认即可，而无需对全部35种帧内预测模式进行遍历，由此大幅减少了模式判决过程所需的计算量，并由此也提升了模式判决效率。所述帧内预测模式确定程序被所述处理器12执行时，具体可以实现：分别利用每个所述预测单元的图像梯度信息，相应地计算出图像中与每个所述预测单元对应的所有方向角；确定每个所述预测单元对应的所有方向角的平均值，得到用于表征每个所述预测单元的图像方向的整体趋势的平均角度。由此可见，上述内容公开了一种用于确定所述平均角度的具体方案，根据该方案，可以确定出每个所述预测单元对应的所述平均角度。所述帧内预测模式确定程序被所述处理器12执行时，还可以实现：在所述利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相关联的角度预测模式之前，从hevc的33种角度预测模式中选取出第一个角度预测模式作为基准参照模式，然后将所述33种角度预测模式各自对应的角度预测方向重新进行归一化后再计算相应的角度值，以形成与所有角度预测方向对应的第一角度区间；将平均角度所对应的初始角度区间加上135°，并把大于180°的角度进行取模运算，得到与平均角度对应的第二角度区间；依据所述第一角度区间和所述第二角度区间，创建所述预设映射信息。由此可见，上述内容公开了一种具体的用于创建所述预设映射信息的具体方案，通过上述方案，可以得到区间范围均位于(0°,180°)的第一角度区间和第二角度区间，然后依据上述第一角度区间和第二角度区间，可以创建用于表征不同的平均角度与不同的角度预测模式之间的对应关系的信息，从而得到所述预设映射信息。所述帧内预测模式确定程序被所述处理器12执行时，具体可以实现：利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相对应的角度预测模式，得到每个所述预测单元对应的第一目标角度预测模式；从hevc的33种角度预测模式中选取出与每个所述预测单元对应的第一目标角度预测模式相邻的n个角度预测模式，得到每个所述预测单元对应的第二目标角度预测模式；其中，所述n为正整数；将每个所述预测单元对应的第一目标角度预测模式和第二目标角度预测模式确定为每个所述预测单元对应的角度预测模式。通过上述方案，能够降低遗漏最佳帧内预测模式的可能性，减少模式判决误差。所述帧内预测模式确定程序被所述处理器12执行时，具体可以实现：从hevc的33种角度预测模式中选取出位于每个所述预测单元对应的第一目标角度预测模式的前后相邻的各一个角度预测模式，得到每个所述预测单元对应的第二目标角度预测模式。所述帧内预测模式确定程序被所述处理器12执行时，具体可以实现：利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相对应的角度预测模式，得到每个所述预测单元对应的角度预测模式。上述方案虽然牺牲了一定的模式判决准确度，但是能够进一步减少模式判决过程所需的计算量，加快了模式判决速度。在本实施例中，所述帧内预测模式确定设备1可以是pc(personalcomputer，个人电脑)，也可以是智能手机、平板电脑、掌上电脑、便携计算机。进一步的，参照图6，所述帧内预测模式确定设备1还可以包括总线13，其中，所述存储器11和所述处理器12通过所述总线13连接。其中，存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是帧内预测模式确定设备1的内部存储单元，例如该帧内预测模式确定设备1的硬盘。存储器11在另一些实施例中也可以是帧内预测模式确定设备1的外部存储设备，例如帧内预测模式确定设备1上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。进一步地，存储器11还可以既包括帧内预测模式确定设备1的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于帧内预测模式确定设备1的应用软件及各类数据，例如帧内预测模式确定程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。处理器12在一些实施例中可以是一中央处理器(centralprocessingunit,cpu)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行帧内预测模式确定程序等。总线13可以是外设部件互连标准(peripheralcomponentinterconnect，简称pci)总线或扩展工业标准结构(extendedindustrystandardarchitecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。进一步地，帧内预测模式确定设备1还可以包括网络接口14，网络接口14可选的可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该帧内预测模式确定设备1与其他电子设备之间建立通信连接。可选地，该帧内预测模式确定设备1还可以包括用户接口15，用户接口15可以包括显示器(display)、输入单元比如键盘(keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organiclight-emittingdiode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在帧内预测模式确定设备1中处理的信息以及用于显示可视化的用户界面。图6仅示出了具有组件11-15的帧内预测模式确定设备1，本领域技术人员可以理解的是，图6示出的结构并不构成对帧内预测模式确定设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。进一步的，本实施例还公开了一种hevc的帧内预测模式确定系统。参照图7，图7为本发明一实施例揭露的帧内预测模式确定系统结构示意图。图7中，所述帧内预测模式确定系统，包括：梯度确定单元21，用于确定hevc的每个预测单元的图像梯度信息；角度确定单元22，用于分别利用每个所述预测单元的图像梯度信息，相应地确定用于表征每个所述预测单元的图像方向的整体趋势的平均角度；模式确定单元23，用于利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相关联的角度预测模式，得到每个所述预测单元对应的角度预测模式；其中，所述预设映射信息为预先创建的用于表征不同的平均角度与不同的角度预测模式之间的对应关系的信息；模式判定单元24，用于分别确定每个所述预测单元对应的角度预测模式、dc模式和planar模式各自的帧内预测结果，并根据所述帧内预测结果判定出每个所述预测单元的最佳的帧内预测模式。可见，本实施例先利用预测单元的图像梯度信息，确定出能够用于表征预测单元的图像方向的整体趋势的平均角度，然后利用预先创建的用于表征不同的平均角度与不同的角度预测模式之间的对应关系的信息，确定出与预测单元所对应的平均角度相关联的角度预测模式，从而相当于从hevc的33种角度预测模式中只选取出与预测单元所对应的平均角度相关联的角度预测模式，而把其他不相关的角度预测模式排除掉，后续只需从上述选取出的角度预测模式以及dc模式、planar模式中进行进一步的确认即可，而无需对全部35种帧内预测模式进行遍历，由此大幅减少了模式判决过程所需的计算量，并由此也提升了模式判决效率。本实施例中，所述角度确定单元22，具体可以用于分别利用每个所述预测单元的图像梯度信息，相应地计算出图像中与每个所述预测单元对应的所有方向角；确定每个所述预测单元对应的所有方向角的平均值，得到用于表征每个所述预测单元的图像方向的整体趋势的平均角度。由此可见，上述内容公开了一种用于确定所述平均角度的具体方案，根据该方案，可以确定出每个所述预测单元对应的所述平均角度。进一步的，所述帧内预测模式确定系统，还可以包括：第一角度区间确定单元，用于在所述利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相关联的角度预测模式之前，从hevc的33种角度预测模式中选取出第一个角度预测模式作为基准参照模式，然后将所述33种角度预测模式各自对应的角度预测方向重新进行归一化后再计算相应的角度值，以形成与所有角度预测方向对应的第一角度区间；第二角度区间确定单元，用于将平均角度所对应的初始角度区间加上135°，并把大于180°的角度进行取模运算，得到与平均角度对应的第二角度区间；映射信息创建单元，用于依据所述第一角度区间和所述第二角度区间，创建所述预设映射信息。由此可见，上述内容公开了一种具体的用于创建所述预设映射信息的具体方案，通过上述方案，可以得到区间范围均位于(0°,180°)的第一角度区间和第二角度区间，然后依据上述第一角度区间和第二角度区间，可以创建用于表征不同的平均角度与不同的角度预测模式之间的对应关系的信息，从而得到所述预设映射信息。本实施例中，所述模式确定单元23，具体可以包括：第一模式确定子单元，用于利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相对应的角度预测模式，得到每个所述预测单元对应的第一目标角度预测模式；第二模式确定子单元，用于从hevc的33种角度预测模式中选取出与每个所述预测单元对应的第一目标角度预测模式相邻的n个角度预测模式，得到每个所述预测单元对应的第二目标角度预测模式；其中，所述n为正整数；第三模式确定子单元，用于将每个所述预测单元对应的第一目标角度预测模式和第二目标角度预测模式确定为每个所述预测单元对应的角度预测模式。通过上述方案，能够降低遗漏最佳帧内预测模式的可能性，减少模式判决误差。本实施例中，所述第二模式确定子单元，具体用于从hevc的33种角度预测模式中选取出位于每个所述预测单元对应的第一目标角度预测模式的前后相邻的各一个角度预测模式，得到每个所述预测单元对应的第二目标角度预测模式。本实施例中，所述模式确定单元23，具体可以包括：第四模式确定子单元，用于利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相对应的角度预测模式，得到每个所述预测单元对应的角度预测模式。上述方案虽然牺牲了一定的模式判决准确度，但是能够进一步减少模式判决过程所需的计算量，加快了模式判决速度。进一步的，本实施例还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储有帧内预测模式确定程序，所述帧内预测模式确定程序可被一个或多个处理器执行，以实现如下方法：确定hevc的每个预测单元的图像梯度信息；分别利用每个所述预测单元的图像梯度信息，相应地确定用于表征每个所述预测单元的图像方向的整体趋势的平均角度；利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相关联的角度预测模式，得到每个所述预测单元对应的角度预测模式；其中，所述预设映射信息为预先创建的用于表征不同的平均角度与不同的角度预测模式之间的对应关系的信息；分别确定每个所述预测单元对应的角度预测模式、dc模式和planar模式各自的帧内预测结果，并根据所述帧内预测结果判定出每个所述预测单元的最佳的帧内预测模式。可见，本实施例先利用预测单元的图像梯度信息，确定出能够用于表征预测单元的图像方向的整体趋势的平均角度，然后利用预先创建的用于表征不同的平均角度与不同的角度预测模式之间的对应关系的信息，确定出与预测单元所对应的平均角度相关联的角度预测模式，从而相当于从hevc的33种角度预测模式中只选取出与预测单元所对应的平均角度相关联的角度预测模式，而把其他不相关的角度预测模式排除掉，后续只需从上述选取出的角度预测模式以及dc模式、planar模式中进行进一步的确认即可，而无需对全部35种帧内预测模式进行遍历，由此大幅减少了模式判决过程所需的计算量，并由此也提升了模式判决效率。所述帧内预测模式确定程序被一个或多个处理器执行时，具体可以实现：分别利用每个所述预测单元的图像梯度信息，相应地计算出图像中与每个所述预测单元对应的所有方向角；确定每个所述预测单元对应的所有方向角的平均值，得到用于表征每个所述预测单元的图像方向的整体趋势的平均角度。由此可见，上述内容公开了一种用于确定所述平均角度的具体方案，根据该方案，可以确定出每个所述预测单元对应的所述平均角度。所述帧内预测模式确定程序被一个或多个处理器执行时，还可以实现：在所述利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相关联的角度预测模式之前，从hevc的33种角度预测模式中选取出第一个角度预测模式作为基准参照模式，然后将所述33种角度预测模式各自对应的角度预测方向重新进行归一化后再计算相应的角度值，以形成与所有角度预测方向对应的第一角度区间；将平均角度所对应的初始角度区间加上135°，并把大于180°的角度进行取模运算，得到与平均角度对应的第二角度区间；依据所述第一角度区间和所述第二角度区间，创建所述预设映射信息。由此可见，上述内容公开了一种具体的用于创建所述预设映射信息的具体方案，通过上述方案，可以得到区间范围均位于(0°,180°)的第一角度区间和第二角度区间，然后依据上述第一角度区间和第二角度区间，可以创建用于表征不同的平均角度与不同的角度预测模式之间的对应关系的信息，从而得到所述预设映射信息。所述帧内预测模式确定程序被一个或多个处理器执行时，具体可以实现：利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相对应的角度预测模式，得到每个所述预测单元对应的第一目标角度预测模式；从hevc的33种角度预测模式中选取出与每个所述预测单元对应的第一目标角度预测模式相邻的n个角度预测模式，得到每个所述预测单元对应的第二目标角度预测模式；其中，所述n为正整数；将每个所述预测单元对应的第一目标角度预测模式和第二目标角度预测模式确定为每个所述预测单元对应的角度预测模式。通过上述方案，能够降低遗漏最佳帧内预测模式的可能性，减少模式判决误差。所述帧内预测模式确定程序被一个或多个处理器执行时，具体可以实现：从hevc的33种角度预测模式中选取出位于每个所述预测单元对应的第一目标角度预测模式的前后相邻的各一个角度预测模式，得到每个所述预测单元对应的第二目标角度预测模式。所述帧内预测模式确定程序被一个或多个处理器执行时，具体可以实现：利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相对应的角度预测模式，得到每个所述预测单元对应的角度预测模式。上述方案虽然牺牲了一定的模式判决准确度，但是能够进一步减少模式判决过程所需的计算量，加快了模式判决速度。进一步的，本发明还提供一种计算机程序产品，包括计算机指令，当所述计算机指令在计算机上运行时，使得所述计算机可以执行以下方法步骤：确定hevc的每个预测单元的图像梯度信息；分别利用每个所述预测单元的图像梯度信息，相应地确定用于表征每个所述预测单元的图像方向的整体趋势的平均角度；利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相关联的角度预测模式，得到每个所述预测单元对应的角度预测模式；其中，所述预设映射信息为预先创建的用于表征不同的平均角度与不同的角度预测模式之间的对应关系的信息；分别确定每个所述预测单元对应的角度预测模式、dc模式和planar模式各自的帧内预测结果，并根据所述帧内预测结果判定出每个所述预测单元的最佳的帧内预测模式。可见，本实施例先利用预测单元的图像梯度信息，确定出能够用于表征预测单元的图像方向的整体趋势的平均角度，然后利用预先创建的用于表征不同的平均角度与不同的角度预测模式之间的对应关系的信息，确定出与预测单元所对应的平均角度相关联的角度预测模式，从而相当于从hevc的33种角度预测模式中只选取出与预测单元所对应的平均角度相关联的角度预测模式，而把其他不相关的角度预测模式排除掉，后续只需从上述选取出的角度预测模式以及dc模式、planar模式中进行进一步的确认即可，而无需对全部35种帧内预测模式进行遍历，由此大幅减少了模式判决过程所需的计算量，并由此也提升了模式判决效率。本实施例中，当所述计算机指令在计算机上运行时，使得所述计算机具体可以执行以下步骤：分别利用每个所述预测单元的图像梯度信息，相应地计算出图像中与每个所述预测单元对应的所有方向角；确定每个所述预测单元对应的所有方向角的平均值，得到用于表征每个所述预测单元的图像方向的整体趋势的平均角度。由此可见，上述内容公开了一种用于确定所述平均角度的具体方案，根据该方案，可以确定出每个所述预测单元对应的所述平均角度。本实施例中，当所述计算机指令在计算机上运行时，使得所述计算机可以进一步执行以下步骤：在所述利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相关联的角度预测模式之前，从hevc的33种角度预测模式中选取出第一个角度预测模式作为基准参照模式，然后将所述33种角度预测模式各自对应的角度预测方向重新进行归一化后再计算相应的角度值，以形成与所有角度预测方向对应的第一角度区间；将平均角度所对应的初始角度区间加上135°，并把大于180°的角度进行取模运算，得到与平均角度对应的第二角度区间；依据所述第一角度区间和所述第二角度区间，创建所述预设映射信息。由此可见，上述内容公开了一种具体的用于创建所述预设映射信息的具体方案，通过上述方案，可以得到区间范围均位于(0°,180°)的第一角度区间和第二角度区间，然后依据上述第一角度区间和第二角度区间，可以创建用于表征不同的平均角度与不同的角度预测模式之间的对应关系的信息，从而得到所述预设映射信息。本实施例中，当所述计算机指令在计算机上运行时，使得所述计算机具体可以执行以下步骤：利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相对应的角度预测模式，得到每个所述预测单元对应的第一目标角度预测模式；从hevc的33种角度预测模式中选取出与每个所述预测单元对应的第一目标角度预测模式相邻的n个角度预测模式，得到每个所述预测单元对应的第二目标角度预测模式；其中，所述n为正整数；将每个所述预测单元对应的第一目标角度预测模式和第二目标角度预测模式确定为每个所述预测单元对应的角度预测模式。通过上述方案，能够降低遗漏最佳帧内预测模式的可能性，减少模式判决误差。本实施例中，当所述计算机指令在计算机上运行时，使得所述计算机具体可以执行以下步骤：从hevc的33种角度预测模式中选取出位于每个所述预测单元对应的第一目标角度预测模式的前后相邻的各一个角度预测模式，得到每个所述预测单元对应的第二目标角度预测模式。本实施例中，当所述计算机指令在计算机上运行时，使得所述计算机具体可以执行以下步骤：利用预设映射信息，确定出与每个所述预测单元所对应的平均角度相对应的角度预测模式，得到每个所述预测单元对应的角度预测模式。上述方案虽然牺牲了一定的模式判决准确度，但是能够进一步减少模式判决过程所需的计算量，加快了模式判决速度。在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solidstatedisk(ssd))等。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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式，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。所述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例方案的目的。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。所述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，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。以上仅为本发明的优选实施例，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。当前第1页12