图像处理设备和图像处理方法

专利名称：图像处理设备和图像处理方法
技术领域：
本发明涉及基于预定单元检测例如先前的编码处理使用什么(例如量 化矩阵或量化参数)的编码设备和方法。
背景技术：
传统上，当在电视广播台站之间传送视频数据，或者当利用多个视频
记录器(VTR设备)拷贝视频数据时，以MPEG (运动图像专家组)格式 编码的视频数据被解码并随后被再次编码。因此，编码器和解码器需要前 后串联连接。
并且在串联连接的情况下，所谓的"向后搜索"(back search)方法 被用来减少因编码和解码的重复而引起的视频质量恶化。
这里，"向后搜索"是一种通过使用下述特性来获得与最小值有关的 量化步骤作为适当的量化步骤的方法当在先前编码处理中所用的量化步 骤或者作为在先前编码处理中所用的量化步骤的倍数的量化步骤被使用 时，离散余弦变换(DCT)系数的余数(residue)的总和变为最小。
例如，对于使用"向后搜索"的技术，在专利文献1中公开了一种视 频数据压縮设备。该视频数据压縮设备在编码器和解码器串联连接时防止 了因编码和解码的重复而引起的视频质量恶化该设备在向后搜索方法中 再现先前编码处理的量化步骤，并且使用与先前处理相同的量化步骤和 GOP (图像组)相位来编码输入视频数据。
另一方面，目前，AVC (高级视频编码)标准取代MPEG格式被广泛 使用，范围从低速低视频质量应用(例如蜂窝电话中的电视电话)到大容 量高视频质量运动图像(例如高清晰电视广播)。然而，这使用了包括运 动补偿、帧间预测、DCT和熵编码在内的算法的组合。这意味着标准已被 修改以使得如果质量与MPEG相同则这需要大约一半的数据量。在AVC的图像内编码中，为了提高编码效率，引入了图像内预测方 法，该方法从图像内一宏块周围的像素预测该宏块中的像素的值，并且对 从预测生成的差分图像数据进行编码。在下文中，将通过仅使用该图像内 编码方法进行编码的AVC流称为AVC Intra。即，在AVC Intra的情况 中，在编码处理期间将输入图像划分为从周围像素生成的预测图像以及一 差值，并且随后对该差值进行编码。
为预测图像准备了包括根据上部像素的预测和根据水平像素的预测在 内的九种模式；预测模式通常用来使得逐单元块(例如，4X4样本等)的 相对预测图像的差值之和变为最小。
专利文献l:日本专利公报No.H10-174098
然而，根据上述传统方法，在编码处理期间所生成的代码量可能减 小，但是由于针对量化部分的AVC编码处理是不可逆变换，因此视频质 量由于重复进行编码和解码处理而下降，这是因为在编码和解码处理之 后，在原始输入图像上发生了量化失真。尤其是如果使用与在先前编码处 理中所用的预测模式不同的预测模式，则由于先前量化失真的影响而再次 出现量化失真，这最终可能导致视频质量降低的问题。

发明内容
为了解决上面的问题，根据本发明， 一种图像处理设备包括差分图 像数据生成部件，用于针对多个预定图像内预测模式中的每个模式生成包 含来自处理目标像素周围的像素的差分值在内的差分图像数据项；以及排
序部件，用于基于差分之和以及针对图像内预测模式预设的优先顺序对图 像内预测模式排序，差分之和值是基于差分图像数据项的每个处理目标像 素的绝对值之和的。
因此，图像处理设备可以根据优先顺序将特定图像内预测模式排在高 位，并且这使得能更容易选出该特定图像内预测模式。由于可以容易地选 出在先前编码处理中使用的图像内预测模式，因此，图像处理设备可以抑制配音期间的量化失真。
此外，根据本发明， 一种图像处理方法包括差分图像数据生成步 骤，用于针对多个预定图像内预测模式中的每个模式生成包含来自处理目 标像素周围的像素的差分值在内的差分图像数据项；以及排序步骤，用于 根据差分之和以及针对图像内预测模式预设的优先顺序对图像内预测模式 排序，差分之和值是基于差分图像数据项的每个处理目标像素的绝对值之 和的。
因此，图像处理设备可以根据优先顺序将特定图像内预测模式排在高 位，并且这使得能更容易选出该特定图像内预测模式。由于可以容易地选 出在先前编码处理中使用的图像内预测模式，因此，图像处理设备可以抑 制配音期间的量化失真。
根据本发明，图像处理设备可以根据优先顺序将特定图像内预测模式 排在高位，并且这使得能更容易选出该特定图像内预测模式。由于可以容 易地选出在先前编码处理中使用的图像内预测模式，因此，图像处理设备 可以抑制配音期间的量化失真。因此，可以实现能够抑制视频质量下降的 图像处理设备和图像处理方法。


图1是图示出根据本发明第一和第二实施例的编码设备的概念图。
图2是图示出根据AVC标准的变换和量化的示意图。
图3是图示出当输入尚未经任何编码处理的图像时的量化参数QP与
余数之和(￡r)之间的相互关系的示图。
图4是图示出对于己经过编码和解码处理的输入图像的量化参数QP 与余数之和(Er)之间的相互关系的示图。
图5是图示出在利用縮放因子(rescaling factor) RF进行标准化之后 的量化参数QP与评估值之和(SY)之间的相互关系的示图。
图6是图示出在利用縮放因子RF进行标准化并对预定区域进行校正 之后的量化参数QP与评估值之和(EY)之间的相互关系的示图。
图7是图示出根据本发明第一实施例的编码设备的配置的示图。图8 (a)是图示出Qmatrix检测部件的配置的示图，并且图8 (b)是 图示出QP检测部件的配置的示图。
图9是图示出宏块与内编码(intra encoding)单元之间的相互关系的 示图。
图IO (a)至(j)是图示出9种4X4Intra预测模式的示图。
图11是图示出根据本发明第一实施例的处理流程的框图。
图12是图示出由根据本发明第一实施例的编码设备的Qmatrix检测部
件以片(slice)为单位进行的Qmatrix检测处理的流程图。
图13是图示出由根据本发明第一实施例的编码设备的QP检测部件以
宏块为单位进行的QP检测处理的流程图。
图14是详细说明根据本发明第一实施例的偏移优先应用处理(offset
preference application process )的流程图。
图15是图示出根据本发明第二实施例的编码设备的配置的示图。
图16是图示出由根据本发明第二实施例的编码设备进行的预测模式
检测处理的流程图。
图17是详细说明根据本发明另一实施例的偏移优先应用处理的流程图。
具体实施例方式
将参考附图以下述顺序详细描述本发明的最佳实施例(此后简称为本 发明的实施例)。
(1) 本发明的概述
(2) 本发明的第一实施例(偏移优先应用处理)
(3) 本发明的第二实施例(利用向后搜索对图像内预测模式的确 认)
(1)本发明的概述 (1-1)前提
一般地，由于AVC (高级视频编码)编码是不可逆变换，因此，在编 码和解码处理之后，在原始基带图像上出现失真。因此，例如，在串联连接的情况中，在配音等期间，由于重复进行编码和解码处理引起的失真使 视频质量下降。
因此，根据本发明的第一实施例，当对曾经经过编码和解码处理的图
像再次进行编码时，AVC的图像内编码再次使用在先前编码处理中使用的 下面三个参数以将图像失真减小到仅编码器和解码器的运算误差被观察到 的水平。这是特征之一。
(1) 图像内预测模式
(2) 量化矩阵(Qmatrix)
(3) 量化参数(QP)
在上述参数中，在第一实施例的量化矩阵检测处理中，特别关注 (2);在量化参数检测处理中，特别关注(3);在偏移优先应用处理中 特别关注(1)。
艮P,当对AVC的Intra图像(或AVC Intra)执行配音处理时，在先 前编码处理中使用的量化矩阵Qmatrix、量化参数QP和图像内预测模式被 检测，并且相同的Qmatrix和QP被用来防止量化舍入(rounding)，由此
提高配音质量。
下面提供了对图1的描述，图1示出了根据本发明第一实施例的编码 设备和方法的概念图。
如图所示，图像处理设备1包括第一编码部件2、第二编码部件4和 向后搜索部件3。此外，向后搜索部件3包括预测模式检测部件5、量化 矩阵(Qmatrix)检测部件6以及量化参数(QP)检测部件7。
利用上述配置，第一编码部件2对输入图像信息执行第一编码处理。 向后搜索部件3对通过将在第一编码处理期间获得的整数DCT系数除以 縮放因子(RF)(各种量化矩阵Qmatrix和量化参数QP的组合)而获得 的余数r的大小进行评价，以便检测在第一编码处理中使用的量化矩阵 Qmatrix、量化参数QP和图像内预测模式。然后，第二编码部件4利用在 第一编码处理中由向后搜索部件3检测到的量化矩阵Qmatrix、量化参数 QP和图像内预测模式执行第二编码处理。
艮P,更具体地，向后搜索部件3的Qmatrix检测部件6基于在第一编码处理期间获得的整数DCT系数来使用在第一编码处理期间通过将上述整数DCT系数除以縮放因子RF (各种量化矩阵Qmatrix和量化参数QP的组合)而获得的余数，以便检测每片的量化矩阵Qmatrix。
QP检测部件7基于在第一编码处理中获得的整数DCT系数来使用在第一编码处理期间通过将上述整数DCT系数除以縮放因子RF (各种量化矩阵Qmatrix和量化参数QP的组合)而获得的余数，以便检测每个宏块的量化参数QP。
此外，预测模式检测部件5检测在先前编码处理中使用的图像内预测模式。检测到的预测模式将由第二编码部件4使用。
首先，为了获得对本发明第一实施例的图像处理设备1的更好的理解，下面提供对本发明所关注的独特特性和原理的详细描述。
如图1所示，根据AVC标准，对于Intm图像，九种图像内预测模式之一被选择来从输入图像生成差分图像数据。顺便提及，在下文中，将Intra图像的AVC标准称为AVC Intm。然后，根据AVC Intra,利用差分图像数据执行DCT处理，并且将所获得的DCT系数除以縮放因子RF (量化矩阵Qmatrix和量化参数QP的组合)以执行量化，由此生成由量化电平(量化系数)构成的量化数据。随后，以预定编码格式对量化数据编码，使其变为编码流。对于编码流，将设置在编码处理中使用的图像内预测模式、量化矩阵Qmatrix和量化参数QP。
根据AVC标准，在解码处理期间，所设置的图像内预测模式、量化矩阵Qmatrix和量化参数QP被用来对量化数据解码，但是经编码处理舍入的余数部分不能被再现。因此，在AVC标准的情况中，视频质量根据量化余数部分的大小而降低。在下文中，视频质量的降低称为量化失真。
例如，希望诸如商用广播设备之类的设备多次重复对视频数据的编码和解码处理。在此情况中，如果每次使用不同的图像内预测模式、量化矩阵Qmatrix和量化参数QP，则在每次编码处理中出现量化失真，由此，因重复编码处理而降低了视频数据的质量。
根据AVCIntm，当曾经经过编码和解码处理的图像再次被编码时，使用在先前编码处理中所用的量化矩阵Qmatrix、量化参数QP和图像内预测模式；由于已经通过先前的编码处理阻断了量化失真，因此量化失真不能再发生。
因此，根据本发明，对在先前的编码处理中所用的量化矩阵Qmatrix、量化参数或图像内预测模式进行检测，并且利用它们执行编码处理来减少视频数据质量的恶化。
在下文中，将几乎一定可以检测在先前的编码处理中所用的量化矩阵Qmatrix、量化参数QP或图像内预测模式的该方法称为"向后搜索"。
这里，如在上面的专利文献1中所公开的，向后搜索在MPEG (运动图像专家组)-2中将DCT系数除以每个量化位阶Q，并且可以检测量化位阶Q,并且可以检测其余数r最小的量化位阶Q，作为在先前编码处理中所使用的量化位阶Q。
然而，在AVC标准和MPEG-2之间存在如下的不同。因此，不加改变地应用MPEG-2方法降低了检测的精确度。
由于整数运算的引入，不能等同地处理编码处理中的DCT系数和解码处理中的DCT系数。
-在解码处理期间的运算误差较大，这大大影响了检测的精确度。
由于余数函数相对于量化参数QP具有周期性，因此存在多个相同的最小值。
因此，本发明的一个目标在于通过应用AVC编码，几乎一定可以基于预定单元检测到在先前的编码处理中使用的量化矩阵Qmatrix、量化参数QP等，并且通过使用它们来减小配音期间的量化舍入误差，由此提高配音质量。
(1-2)向后搜索的原理
下面提供对上面的向后搜索的详细描述。
根据AVC Intra,在解码期间，量化电平Z被乘以缩放因子RF (縮放因子RF是量化矩阵Qmatrix和量化参数QP的函数)，并且解码结果是整数DCT系数Q，其图形已被向左移位了六位
(W 6) =ZXRF ... (1)
10RF r = {V Qmatrix 2fl。。r (QP/6)} >〉4 …(2 )V:由AVC标准定义的倍增因子(multiplication factor)以这种方式，在解码期间，整数DCT系数W作为量化电平Z乘以RF的结果而被获得。因此，在后续编码处理中，可以将整数DCT系数W除以RF。这意味着如果在后续的编码处理期间经移位的整数DCT系数(W<<6)被除以相同的RF，则认为得到的余数r为零。给定这些特性，通过评价通过将经移位的整数DCT系数(W<<6)除以縮放因子RF (各种量化矩阵Qmatrix和量化参数QP的组合)而获得的余数r的大小，就可以检测到在先前编码处理中所用的量化矩阵Qmatrix和量化参数QP。
除此之外，为了提高检测的精确度，第一实施例的图像处理设备1考虑到了 MPEG未考虑的与AVC Intra的独特特性相关联的如下几方面(i)至(vO 。下面提供对每个方面的详细描述。(i)编码和解码期间的RF变换
根据AVC Intra, DCT部分被划分为整数部分和非整数部分整数部分称为整数DCT，而非整数部分和量化总地称为量化。根据AVC Intra,编码处理中整数部分与非整数部分分离的位置不同于解码处理中的位置。因此，在编码处理中所用的整数DCT (在下文中简称为"DCT")与在解码处理中所用的整数逆DCT (在下文中简称为"逆DCT")不是逆变换。因此，编码处理中所用的DCT系数W不会变得等于在解码处理中所用的逆DCT系数W (在下文中称为"W'")。艮P，将DCT系数和DCT系数W'表示如下<formula>formula see original document page 11</formula>0<formula>formula see original document page 12</formula>20162C'
202525
1S加化20
2025加25
(5)
以这种方式，将16、 20和25乘以DCT系数W'的位置(i， j)的结果
x=CW'CT=
.1 i
T
(4)
根据DCT和逆DCT的这些等式，在DCT系数W和DCT系数W'之间存在下面的等式
1111<formula>formula see original document page 12</formula>1 1-1-2
1 1-2*1 21'
T
丄2 .v 1 丄2
丄2丄2 *7
12 4 t 12
，112 112 .7
12 11
1111
1112
12 11
一一
-2<formula>formula see original document page 12</formula><formula>formula see original document page 13</formula>
(6)
就是W。该变换矩阵称为"D"，并且在等式(6)中被定义。g卩，向后 搜索处理的编码所使用的RF是将解码所使用的RF (在下文中称为 "RFr")乘以DCT系数以及DCT系数W'的变换矩阵D的结果。
<formula>formula see original document page 13</formula>
艮口，根据AVC Intra,如图2所示，如果针对利用编码和解码的DCT 处理之后的差分图像数据执行逆DCT处理，则根据变换矩阵D放大了解 码差分图像数据的值。
此外，根据AVCIntm，在量化期间，出现由下面的等式表示的量化 误差ER。顺便提及，针对等式(7)使用实际数字就提供了等式(8)。 即，根据AVC Intra,当通过编码和解码DCT系数来执行量化处理和逆量 化处理时，逆DCT系数的要素的值根据量化误差ER而被放大。
<formula>formula see original document page 13</formula>
(8)
因此，根据AVC Intra,在解码期间，解码差分图像数据被除以64， 以使得解码差分数据的值处于与差分图像数据相同的水平。
艮口，根据AVC Intra,在针对差分图像数据执行DCT处理时，可以假 设变换矩阵D已被相乘并放大。这意味着余数r的值也已被相应地放大， 但是如等式(8)所指示的，该值(即，系数要素)取决于矩阵的位置而 变化。
因此，如果DCT系数被除以解码縮放因子RF，则余数r可能取决于 DCT系数的位置而增大或减小。结果，余数r的简单比较是不可能的。因此，如下面的等式所表示的，图像处理设备1将在解码处理中使用
的縮放因子(在下文中称为解码縮放因子RFr)乘以变换矩阵D来生成将 被用于向后所搜处理的除法的縮放因子RF:
<formula>formula see original document page 14</formula>
因此，给定等式(5)的DCT系数W以及DCT系数W'的变换矩阵 D，曾经经过编码处理的输入图像(差分图像数据)的DCT系数W可以 被除以{VQmatriXD2fl°OT(QP/6)}，并且余数r被认为变成了零。
因此，图像处理设备l可以消除来自余数r的DCT处理的放大效果， 这使得能够以相同尺度比较余数r。
以该方式，图像处理设备1通过将解码縮放因子RFr乘以变换矩阵D 的值来计算縮放因子RF。因此，通过将差分图像数据除以縮放因子RF， 图像处理设备1还可以同时执行对统一经DCT处理放大的量的除法处 理。这减少了因放大引起的余数r的改变，由此提高了向后搜索的检测的 精确度。
(ii)解码期间的误差
根据AVC Intm，周围像素相对于预测图像的绝对差之和(SAD， 即，差分图像数据)被编码。在解码期间，量化电平Z被乘以解码縮放因 子RFr，然而，为了防止解码处理的运算舍入，解码縮放因子RFr已经根 据标准被预先进位6位(这就是在解码处理中获得被向左移位了 6位的 DCT系数W'的原因)。
因此，利用已经被进位六位的解码縮放因子RFr执行量化处理和逆 DCT处理；在被加到已经被进位六位的预测图像之后，这六位被借位给相 加结果以获得基带图像。该六位的借位舍掉了低六位中的数据，这导致了 运算误差E;在后续编码处理中生成的经移位的系数(W<<6)可能不被 除以縮放因子RF。
因此，根据本发明，检测使得余数r为最小值的量化参数QP，而不检测使余数r等于零的量化参数QP。
这里，存在解码处理的运算误差E变为负值的可能性。因此，将实际 余数r的值与从縮放因子RF减去余数r而获得的值相比较，并且将较小的 一个确定为评估值Y。
例如，假设RF为3600而DCT系数W为2700。
如果没有运算误差E，则余数r表示为-
r = W%RF =7200%3600 = 0 ... (10)
实际上，运算误差E不能被估计，但是如果E为-2并且余数r被简单 地确定为等于评估值Y，则获得了下面的等式，这使得难以将其检测为最 小值
Y = r= (W + E) %RF = 3598 …(11)
这里，如上所述，如果将实际余数r的值与从縮放因子RF减去余数r 而获得的值相比较并将较小的一个确定为评估值Y，则获得了下面的等 式，并且评估值Y结果为运算误差E的绝对值
Y = min[r,(RF-r)] = min[3598,2] = 2 …(12)
因此，本发明的图像处理设备1根据等式(12)来计算评估值Y，同 时检测使得评估值Y为最小值的量化参数QP。因此，利用适当的评估值 Y，图像处理设备1适当地检测量化参数QP。
(iii)余数曲线和量化参数QP的周期的特性
图3示出了如下情况中的从右至左倾斜的曲线对于尚未经编码处理 的输入图像，将经移位六位的DCT系数(W<<6)除以各种量化参数QP 的縮放因子RF来计算余数r;并且水平轴表示量化参数QP，而垂直轴表 示余数之和(Er)。
类似地，图4示出了如下情况对于已经经过编码和解码处理的输入 图像，将经移位六位的DCT系数(W<<6)除以各种量化参数QP的縮放 因子RF来计算余数r;并且水平轴表示量化参数QP，而垂直轴表示余数r 之和(Er)。在此情况中，即使余数r之和(Er)的最小值被生成，曲
15线也趋于从右向左倾斜；无论是否已执行了编码和解码处理，余数r之和 (Er)都随着量化参数QP的变小而变小。
因此，如果简单地比较各种量化参数QP的余数r之和的大 小，则可能将比在先前编码处理中所用的量化参数QP小的量化参数QP 错误地检测为最小值。为了解决这个问题，经縮放因子RF标准化的余数r 的值被用作评估值Y。
图5示出了此时的评估值Y之和(￡Y)与量化参数QP之间的相互 关系。从图5显而易见，在先前编码处理中所用的量化参数QP的评估值 Y之和(EY)小于经移位6n的量化参数QP的评估值Y之和(EY)。
此外，如图3和图4所示，利用使得(网<<7)变得小于或等于RF 的量化参数QP，评估值Y的值(余数r的绝对值)趋于具有其变得平坦 的范围。如果利用縮放因子RF在此范围中执行标准化，则出现单调下降 (参见图5)，这就是错误检测的原因。
在此情况中，如果利用相同的縮放因子RP执行除法，则余数r在统 计上随着DCT系数W的增大而变大。因此，利用余数r的DCT系数的绝 对值IWI执行縮放，并且随后利用縮放因子RF执行标准化。因此，如果能 够具有较大余数的DCT系数W具有较小的余数，则认为这不是偶然的。 这允许进行加权(由于DCT系数W随着频率分量变低而变大，因此较低 的频率分量通常被加权)。
图6示出了在余数r被DCT系数的绝对衝W陶放后，经縮放因子RF 标准化的评估值Y之和(￡Y)与量化参数QP之间的相互关系。从与图5 相比较的示图显而易见，针对在先前的编码处理中所用的量化参数QP的 评估值Y之和(L Y)以及针对经移位6n的量化参数QP的评估值Y之和 (EY)几乎保持不变。
此外，图像处理设备l仅在评估值Y之和随着(|W|<<7) 〉RF而倾斜 的范围中利用縮放因子RF执行标准化。在其它范围中，可以将DCT系数 绝对值IWI用作评估值Y。
因此，如图6所示，图像处理设备1一定可以防止将错误的量化参数 QP检测为在先前处理中所用的量化参数QP。如果评估值Y之和(EY)在因利用縮放因子RF的标准化而使.(|W|<<7)小于或等于RF的范围内变 为最小，则可能检测到错误的量化参数QP。
(iv)量化参数QP的周期
根据AVC Intra的规范，量化参数QP具有如下特性量化参数QP被 改变±6，縮放因子RF被乘以土2。因此，如果余数r之和(Er)在某个 量化参数QP时具有最小值，则余数r之和(Er)即使在QP±6 (n=l， 2，...)时也可以具有最小值(参见图4)。
因此，当以简单方式评估上面的评估值Y时，经移位6n的量化参数 QP可以被检测到。因此，如果比使得余数r之和(Er)变为最小的量化 参数QP大6n的量化参数QP具有最小值，则图像处理设备1采用该量化 参数QP。
具体地，图像处理设备1选择余数r之和(Er)小于其余量化参数 QP的余数之和的多达5个量化参数QP并且将它们的值存储在队列中。图 像处理设备1随后将具有最小的余数r之和(1>)的量化参数QP与具有 第二小的余数r之和(Er)的量化参数QP相比较，并且如果两者之间的 差为6n，则图像处理设备1采用较大的量化参数QP。此外，图像处理设 备1将所采用的量化参数QP与具有第三小的余数r之和(￡r)的量化参 数QP相比较，并且如果两者之差为6n，则图像处理设备1再次采用较大 的量化参数QP。以这种方式，所采用的量化参数QP被另一个替换。
以这种方式，如果存在检测到的余数r之和(Er)的多个最小值，则 图像处理设备1优先考虑具有较大值的量化参数QP并将其用作在先前编 码处理中使用的量化参数QP。以这种方式，图像处理设备1可以防止错 误地将经移位6n的量化参数QP检测为在先前编码处理中所用的量化参数 QP。
此外，图像处理设备l确认所检测到的每个余数r之和(Er)是否具 有6n的周期，并且由此防止将偶然的最小值检测为在先前编码处理中所 用的量化参数QP。
17(V)计算量的减小方法
如上所述关于各种量化参数QP，本发明的图像处理设备1计算缩放 因子RF，并且通过使用根据余数r计算出的评估值Y来检测在先前编码 处理中所用的量化参数QP。因此，随着可能被采用的量化参数QP的数目 的增加，应当被计算或评价的处理量也相应地增加。为了防止这个问题， 如果可以粗略估计在先前编码处理中所用的量化参数QP的值，则认为仅 仅评价其周围的量化参数QP就足够了 ，由此减少了计算量。
顺便提及，该量化参数QP例如可以在使用第三实施例中所述的量化 系数的原始确定处理期间被计算出来。此外，这可以从输入图像数据的活 动性进行估计。
(vi)而且，还考虑下面的方面。
即使图像内检测模式与先前编码处理中使用的不同，也可以通过执行 在上面(iv)中所述的6n替换来维持检测速率。此外，对于已粗略估计出 量化参数QP的值的情况也是如此。这关注的是在将预测模式切换到与先 前编码处理所使用的模式不同的切换模式时出现的问题。但是即使预测模 式与先前编码处理所使用的模式不同，本实施例也可以对此进行处理。
假设已存在若干样式的量化矩阵Qmatrix (例如，可以通过ID号等来 标识它们)。
艮P，在图像处理设备1中，縮放因子RF随着量化矩阵Qmatrix的改 变而改变。因此，除了量化参数QP之外，还需要检测量化矩阵Qmatrix。
图像处理设备1通过以宏块为单位改变量化矩阵Qmatrix和量化参数 QP的组合来计算针对每个量化矩阵Qmatrix和每个量化参数QP的縮放因 子RF。顺便提及，如上参考图4所述的，余数r的最小值相对于量化参数 QP具有6n的周期。即使量化参数QP中存在6n的差异，只要检测到量化 矩阵Qmatrix，则也没有问题。因此，如果已经粗略估计了在先前编码处 理中使用的量化参数QP的值，则认为足够用于图像处理设备1评价包括 上面的QP在内的六个连续的量化参数QP 。
考虑到上面的事实，本发明的图像处理设备1基于上面具有特性的观点来执行量化矩阵检测处理以检测在先前处理中使用的量化矩阵
Qmatrix，并且随后执行使用该量化矩阵Qmatrix的量化参数检测处理以检 测量化参数QP。
(2)第一实施例 (2-1)编码设备的配置
下面参考图7描述本发明第一实施例的编码设备10的配置。顺便提 及，编码设备IO对应于图1中的图像处理设备1。此外，向后搜索部件 30对应于向后搜索部件3，参数编码器50对应于第二编码部件4， Qmatrix检测部件31对应于Qmatrix检测部件6，并且QP检测部件32对 应于QP检测部件7。
如图7所示，编码设备10包括用于第一通道(pass)的预编码器20、 向后搜索部件30、用于第二通道的参数编码器50、代码量控制部件40、 Qmatrix/QP决定部件41以及图像内预测模式决定部件45。更具体地，第 一通道预编码器20包括附加了偏移的Intra预测模式决定部件21、整数 DCT部件22、量化部件23以及熵计算部件24。向后搜索部件30包括 Qmatrix检测部件31、 QP检测部件32以及图像内预测模式检测部件33。 并且第二通道参数编码器50包括图像内预测处理部件51、整数DCT部件 52、量化部件53和熵编码部件54。顺便提及，这里，希望采用双通道编 码。但是，即使使用了其它的多通道编码，基本概念也不会改变。
这里，图8 (a)是图示出Qmatrix检测部件31的配置的一个示例的 详细示图。此外，图8 (b)是图示出QP检测部件32的配置的一个示例 的详细示图。
如图8 (a)所示，Qmatrix检测部件31包括余数计算部件31a、评估 值确定部件31b和Qmatrix确定部件31c。并且，如图8 (b)所示，QP检 测部件32包括余数计算部件32a、评估值确定部件32b和QP确定部件 32c。
利用上面的配置，输入图像被输入到第一通道预编码器20中。 更具体地，输入图像数据被输入到附加了偏移的Intm预测模式决定部
19件21。附加了偏移的Intm预测模式决定部件21执行下面所述的偏移优先 应用处理，以从九种图像内预测模式中确定适当的图像内预测模式，并且 还从输入图像使用周围像素的预测图像生成差分图像数据，以及差分绝对 值之和SAD。附加了偏移的Intm预测模式决定部件21将它们输入到整数 DCT部件22中。
整数DCT部件22利用离散余弦变换执行正交变换，以从差分图像数 据生成DCT系数W，并且将其提供给量化部件23以及向后搜索部件30。
当接收到DCT系数W之后，量化部件23对DCT系数进行量化以生 成量化数据。该量化之后从量化部件23输出的量化电平Z被传送到熵计 算部件24。
熵计算部件24对输入的量化电平Z执行二值化和算术编码以生成编 码流，并且将其提供给代码量控制部件40。代码量控制部件40基于所生 成的编码流的代码量，估计用于针对参数编码器50执行代码量控制处理 的情况的量化矩阵Qmatrix和量化参数QP，并将它们提供给Qmatrix/QP 决定部件41。
同时，整数DCT部件22以片为单位传送给向后搜索部件30的DCT 系数被输入到Qmatrix检测部件31。 Qmatrix检测部件31利用余数计算部 件31a来将DCT系数除以各种量化矩阵Qmatrix的縮放因子RF，并且将 结果提供给评估值确定部件31b。评估值确定部件31b遵照在上面的 (iii)中描述的观点将余数r变换为评估值Y，并且将其传送给Qmatrix确 定部件31c。 Qmatrix确定部件31c比较各种量化矩阵Qmatrix的评估值 Y，并将评估值Y最小的量化矩阵Qmatrix输出，作为在先前处理中使用 的量化矩阵Qmatrix。顺便提及，后面将叙述对Qmatrix检测部件31的量 化矩阵检测处理的过程的详细描述。
该检测到的量化矩阵Qmatrix被传送给QP检测部件32。余数计算部 件32a将DCT系数W除以各种量化参数QP的縮放因子RF，并且将结果 提供给评估值确定部件32b。评估值确定部件32b使用由Qmatrix检测部 件31检测到的量化矩阵Qmatrix,遵照在上面的(iii)中描述的观点将余 数r变换为评估值Y，并且将其传送给QP确定部件32c。 QP确定部件32c比较各种量化参数QP的评估值Y，并将评估值Y最小的量化参数QP输 出，作为在先前处理中使用的量化参数QP。顺便提及，后面将提供对QP 检测部件32的量化参数检测处理的过程的详细描述。
该检测到的先前的量化参数QP和量化矩阵Qmatrix被传送给 Qmatrix/QP决定部件41。 Qmatrix/QP决定部件41针对量化矩阵Qmatrix 和量化参数QP，判断是采用第一通道预编码器20估计出来的模式还是采 用向后搜索部件30检测到的模式。通常，如果输入图像数据是尚未经任 何编码处理的原始图像，则向后搜索可能失败，这是因为尚未执行编码处 理；因此，采用第一通道预编码器20的编码处理所估计出来的模式。作 为对比，如果输入图像是已经经过编码处理的非原始图像，则采用向后搜 索部件30检测到的模式以防止量化失真的反复。
如上所述，第二通道参数编码器50使用由Qmatrix/QP决定部件41确 定的量化矩阵Qmatrix、量化参数QP以及由附加了偏移的Intra预测模式 决定部件21确定的图像内预测模式，来对输入图像编码并将其输出为编 码流(Stream)。
更具体地，图像内预测处理部件51将由附加了偏移的Intm预测模式 决定部件21确定的图像内预测模式选为适当的图像内预测模式，利用周 围像素的预测图像从输入图像生成差分图像数据，并且将差分图像数据输 入整数DCT部件52。整数DCT部件52通过离散余弦变换的正交变换输 出差分图像数据，作为DCT系数W。在接收到DCT系数W之后，量化 部件53利用由Qmatrix/QP决定部件41确定的量化矩阵Qmatrix以及量化 参数QP执行量化，并将量化电平Z提供给熵编码部件54。熵编码部件54 对输入的量化电平Z执行二值化和算术编码，并将其输出为编码流。
(2-2)偏移优先应用处理
对于AVC的内部(图像内编码)帧，再次使用在先前的配音编码处 理中所使用的图像内预测模式是减少图像质量恶化的有效措施。
在量化矩阵检测处理和量化参数检测处理中，如上所述，根据AVC Intm,在解码期间，量化电平Z被乘以縮放因子RF (其是量化矩阵Qmatrix和量化参数QP的函数)，并且解码结果是己经被向左移位了六位 的DCT系数。如果图像内预测模式改变，则DCT系数的分布也改变，由 此降低了余数r为零的可能性。
艮P，如图9所示，针对每个宏块MB或者16X16像素单元执行上述 量化矩阵检测处理和量化参数检测处理，而基于4X4像素子宏块的内部 编码单元IA执行图像预测。即，宏块MB包含4X4=16个内部编码单元 IA。
编码设备10预先检测具有最小代码量的图像内预测模式，并且利用 检测到的图像内预测模式执行上述量化矩阵检测处理和量化参数检测处 理。此时，检测到的图像内预测模式不必是在先前编码处理中使用的模 式，但是由于具有最小的所生成代码量的图像内预测模式被使用，因此， 16个内部编码单元IA中的多数被认为是经先前处理编码的图像内预测模 式。
在此情况中，如上所述，编码设备10利用每个宏块的余数r之和(E r)来检测最小值。因此，即使16个内部编码单元IA包含与在先前处理中 所用的图像内预测模式不同的模式，图像处理设备1也可以基于多个先前 经编码的图像内预测模式来适当地检测量化矩阵Qmatrix和量化参数QP。
除了上面的配置之外，本发明的编码设备IO在根据AVC Intra执行编 码处理时优先考虑九种图像内(Intm)预测模式中由AVC标准指定的特 定图像内预测模式并选择它。这有助于编码设备10防止图像内预测模式 在配音期间改变。结果，防止了量化失真的重复，由此提高了配音质量。
艮口，存在这样的特性如果在配音期间选择在先前编码处理中使用的 图像内预测模式，则不会出现进一步的量化失真，这是因为应当被舍入的 数据已由先前的量化处理丢弃。给定了这样的特性，根据本实施例，将在 其它图像内预测模式中选择预定图像内预测模式，由此提高了配音质量。
这里，为了获得对本发明的更好理解，将参考图IO描述用于AVC Intra的编码处理的九种图像内预测模式的概况。
图10 (a)至(i)示出了九种类型的图像内预测模式(模式号0至 8)的预测方向。
22对于预测方向，从九种预测方向中(模式号0至8的图像内预测模 式)为每个4X4像素块选择一种预测方向(或者一种图像内预测模 式)，并且利用所选预测方向以4X4像素块为单位执行编码处理。具体 地，根据具有模式号2的图像内预测模式，基于包括将被处理的4X4处 理目标像素中的左侧四个像素(在水平方向上相邻)以及上侧四个像素 (在垂直方向上相邻)在内的总计八个像素的平均值(例如，mean (A, B, C,D,I,J,K,L))，对处理目标像素中的所有4X4个像素进行预测。
在下文中，将具有模式号2的图像内预测模式称为DC (直接当前， Direct Current)预测模式，对于其它图像内预测模式(具有模式号0至 1，以及3至8)，根据图中的箭头来执行预测。
图11图示出了在输入图像数据为非原始图像时执行的处理的流程 图图11图示出了图7的编码设备10的配置的一部分。
如图ll所示，编码设备IO利用以下部件执行处理用作图像内预测 模式决定装置的附加了偏移的Intm预测模式决定部件21、用作离散余弦 变换装置的整数DCT部件22、用作量化参数计算装置的向后搜索部件 30、用作量化装置的量化部件53以及用作编码装置并且可以为CABAC
(基于上下文的自适应二进制算术编码)等的熵编码部件54。顺便提及， 熵编码部件54采用二值化算术编码方法，在该方法中，根据周围区域的 状态(上下文)适应性地执行编码。
利用上面的配置，输入图像数据被输入到附加了偏移的Intra预测模式 决定部件21中。附加了偏移的Intra预测模式决定部件21采用九种图像内 预测模式之一。传统信息编码设备采用具有最小的差分绝对值之和SAD (每个内部编码单元IA的预测图像中的处理目标像素的绝对值之和)的 一种模式，以便通过增加量化系数中的零的数目来减少熵编码部件54中 所生成的代码量。根据本实施例，遵照后面参考图14描述的流程图的流 程来执行处理。即，编码设备10的附加了偏移的Intm预测模式决定部件 21中预先为每种图像内预测模式设置偏移值，并且计算经各种图像内预测 模式编码的差分图像数据的差分绝对值之和SAD。然后，附加了偏移的 Intm预测模式决定部件21中将图像内预测模式所对应的偏移值添加到差分绝对值之和SAD中。同时，附加了偏移的Intra预测模式决定部件21比 较添加了偏移的绝对值之和SADf (向其添加了偏移值)，并且采用绝对 值之和SAD最小的图像内预测模式作为将在实际编码处理中使用的图像 内预测模式。附加了偏移的Intm预测模式决定部件21将所选图像内预测 模式的模式号x以及差分图像数据提供给整数DCT部件22。
整数DCT部件22通过DCT对差分图像数据执行正交坐标变换，并且 将它们作为DCT系数W提供给向后搜索部件30。向后搜索部件30执行 上述向后搜索处理以检测量化参数QP和量化矩阵Qmatrix，并且将它们与 DCT系数W —起提供给量化部件53。量化部件53利用量化参数QP和量 化矩阵Qmatrix对DCT系数W进行量化，并且将结果作为量化电平Z输 出给熵编码部件54。
因此，熵编码部件54对量化电平Z执行二值化和算术编码，并且将 结果输出为编码流。
这里，特别地，附加了偏移的Intra预测模式决定部件21可以提供下 面的特性点。
(1) 通过预先设置DC预测模式防止量化失真再次出现，该DC预测 模式在差分绝对值之和SAD方面与其它图像内预测模式之差较小并且其 差分绝对值之和SAD在编码处理被执行时可以因编码处理期间的量化失 真而变得大于或小于其它的。
(2) 例如，如果在某个方向上存在过强的相关性，比如隔行扫描图 像，并且所生成的代码量随着在所设置的DC预测模式下来自预测图像的 差分绝对值之和SAD的极大增加而增加，则通过选择相关性较强的方向 的图像内预测模式来抑制所生成的代码量的增加。
(3) 由于输入图像的特性，通过参数偏移值来调节上面(1)和 (2)的阈值。此外，参数偏移针对每种图像内预测模式采用不同的值，
并且可以以阶段性方式给出优先顺序，比如DC预测一垂直方向预测一水 平方向预测一...方向预测。
由于上面的(1)至(3)，本实施例的编码设备可以因输入图像的特 性而获得灵活的图像质量并控制配音质量。如果只允许如上所述的九种图像内预测 模式中的一种图像内预测模式，则根据周围像素的平均值获得预测图像的 DC预测模式(即，图10 (c)中的图像内预测模式号2)不仅在SNR值 方面而且在视觉性能方面都是优秀的。考虑到这些点，本实施例的编码设 备IO优先考虑DC预测模式并选择它。实际上，编码设备IO将九种图像 内预测模式中具有最小的差分绝对值之和SAD的图像内预测模式(在正 常情形中应当被选择)与DC预测模式在预测图像的差分绝对值之和SAD 方面进行比较，并且如果其差小于偏移，则编码设备10选择DC预测模 式。
具体地，在输入图像数据被输入之后，附加了偏移的Intra预测模式决 定部件21为每种图像内预测模式设置offset[n]的值。offset[n]的值对于每 种图像内预测模式是预定的。附加了偏移的Intra预测模式决定部件21从 ROM (只读存储器未示出)读出offset[n]以设置offset[n]的值。
offset[n]的值是根据视频质量因编码而降低的程度来确定的将用于 视频质量下降较小的图像内预测模式的值设置得较小。即，对于offset[n] 的值，将零设置给视频质量下降最小的DC预测模式的偏移(未添加偏 移)。此外，对于offset[n]的值，将用于视频质量下降程度较大的图像内 预测模式的值设置得较大，而将用于视频质量下降程度较小的图像内预测 模式的值设置得较小。
然后，附加了偏移的Intm预测模式决定部件21针对每种图像内预测 模式从输入图像数据生成差分图像数据，并且计算差分绝对值之和SAD。 附加了偏移的Intra预测模式决定部件21将与图像内预测模式相对应的 o飽et[n]添加到差分绝对值之和SAD中，并且计算添加了偏移的差分绝对 值之和SADf。顺便提及，对于DCT预测模式，差分绝对值之和SAD等 于添加了偏移的差分绝对值之和SADf。
附加了偏移的Intm预测模式决定部件21比较添加了偏移的差分绝对 值之和SADf，并且选择具有最小的添加了偏移的差分绝对值之和SADf的 图像内预测模式作为将在编码处理中使用的图像内预测模式。
然后，附加了偏移的Intm预测模式决定部件21将所选图像内预测模
25式的模式号x以及差分图像数据提供给整数DCT处理部件23。 最后，偏移值一般提供下面的结果。
(a) 当偏移值较小时
在此情况中，具有最小的差分绝对值之和SAD的图像内预测模式可 以被选择。因此，在第一编码处理后获得的图像的质量可能提高，但是由 于保持DC预测模式的能力较弱，因此配音后的图像质量没有巨大的提 高。
(b) 当偏移值较大时
在此情况中，由于保持DC预测模式的能力较强，因此可以抑制因配 音引起的图像质量的恶化。但是结果，具有最小的差分绝对值之和SAD 的图像内预测模式已经被选择，并且第一编码处理之后获得的图像质量可 能降低。当重复配音处理时，与当具有最小的差分绝对值之和SAD的图 像内预测模式被采用时相比，其SNR和视觉功效提高。
考虑到这些(a)和(b)的事实，如果希望对电视广播台站等中的图 像多次重复配音处理，则应将较大值(约32至128)设为偏移。作为对 比，如果希望仅对图像执行一次编码处理或者很少对图像重复配音处理， 则应将较小值(例如小于32)设为偏移，以便在使用经编码图像的最合适 阶段(配音处理的次数)获得最好的SNR特性和视觉性能。
如上所述，根据本发明的一个实施例，编码设备10提供了下面的效 果。即，通过取决于偏移值优先考虑DC预测模式并选择它，编码设备10 可以抑制配音期间图像内预测模式的改变。此外，由于偏移值，编码设备 10可以根据编码设备10将如何使用图像来灵活地控制配音质量。并且编 码设备10允许与在先前的配音编码处理中使用的模式相同的图像内预测 模式比其它模式更容易被选择，由此防止量化失真的反复并且抑制了配音 期间视频质量的恶化。
(2-3)处理过程
(2-3-1)量化矩阵检测处理
下面参考图12的流程图描述根据本发明第一实施例的编码设备10以片为单位进行的Qmatrix捡测处理，图12图示出了量化矩阵检测处理的过 程RT1。这也对应于本实施例的图像信息编码方法。
顺便提及，在图12的情况中，只有当每个DCT系数的绝对值IWi小于 或等于标准化阈值时(即，当IW^〈7小于或等于RF时)，编码设备10才 利用縮放因子RF来使余数r标准化以计算评估值Y;当每个DCT系数的 绝对值IWI大于标准化阈值时，编码设备10将余数r确定为评估值Y。然 后，基于使评估值Y变为最小的縮放因子RF，编码设备10检测量化矩阵 Qmatrix 。
在输入了由整数DCT部件22计算出的DCT系数W的绝对值IWI之 后，Qmatrk检测部件31从先前编码处理可能使用的量化矩阵Qmatrk中 确定初始值以及量化参数QP (步骤S1)。
随后，通过以宏块为单位改变量化矩阵Qmatrix和量化参数QP的组 合，Qmatrix检测部件31计算每个量化矩阵Qmatrix的縮放因子RF以及 每个量化参数QP。此时，余数计算部件31a通过针对片中的每个样本将 |W|<<6除以该縮放因子RF来计算余数r (步骤S2)。顺便提及，如上参 考图4所述的，余数r的最小值相对于量化参数QP具有6n的周期。即使 量化参数QP之间存在6n的差异，只要检测到量化矩阵Qmatrix，对于图 10的处理来说也不会有问题。因此，只要已粗略估计出了在先前编码处理 中使用的量化参数QP的值，就认为足够利用包括该QP的值在内的六个 连续量化参数QP执行评估。
然后，评估值确定部件31b判断1百|<<7是否大于RF，并且如果该关 系成立，则余数r利用缩放因子RF被标准化(縮放)并且结果被确定为 评估值Y (步骤S4)。作为对比，如果该关系不成立，则评估值确定部件 31b将|^￥|<<6确定为评估值Y (步骤S5)。以这种方式，对于宏块中的 256 (=16X 16)个样本，评估值确定部件31b将对通过将经移位的DCT 系数(W<<6)除以縮放因子RF而获得的余数r进行上面(iii)中的校正 和标准化的结果作为每个量化矩阵Qmatrix和量化参数QP的评估值Y (步骤S6至S8)。
以这种方式，在计算出了针对所有可能的量化矩阵Qmatrix和量化参数QP的评估值Y之后(步骤S7中的是)，Qmatrix确定部件31c以片为 单位比较每个量化矩阵Qmatrix和每个量化参数QP的评估值Y之和(步 骤S9)，检测具有最小和(EY)的量化矩阵Qmatrix，将其确定为在先 前处理中使用的量化矩阵Qmatrix (步骤SIO)，并且随后输出该量化矩阵 Qmatrix的ID号。
顺便提及，编码设备10可以在例如步骤S2的处理之前将余数r乘以 DCT系数的绝对值IWI以获得加权乘法值，利用缩放因子RF使乘法值标准 化，并且将结果确定为评估值Y。在此情况中，即使每个DCT系数的绝 对值IWI为较大区域，编码设备IO也可以通过增加该区域的评估值Y来防 止错误检测。因此，可以将通过加权而标准化的值统一确定为评估值Y。
此外，如果将未进行改变的余数r确定为评估值Y的编码设备10检 测到最小值并且最后检测到多个最小值，则编码设备10能够在确认了量 化参数QP的最小值的周期为6n之后，将较大量化参数QP检测作为在先 前编码处理中使用的量化参数QP。
(2-3-2)量化参数检测处理
下面参考图13描述根据本发明第一实施例的QP检测部件32以宏块 为单位进行的量化参数QP检测处理，图13图示出了量化参数检测处理的 过程RT2。这对应于本实施例的图像信息编码方法。
顺便提及，在图13的情况中，只有当每个DCT系数的绝对值IWI小于 或等于标准化阈值时(即，当IWh^7小于或等于RF时)，编码设备10才 通过縮放因子RF来使余数r标准化以计算评估值Y;当每个DCT系数的 绝对值IWI大于标准化阈值时，编码设备10将余数r确定为评估值Y。然 后，基于使评估值Y变为最小的縮放因子RF，编码设备10检测量化参数 QP。
在输入了由整数DCT部件22计算出的DCT系数W的绝对值IWI之 后，QP检测部件32以宏块为单位使用检测到的量化矩阵Qmatrix来计算 每个量化参数QP的縮放因子RF。如果已粗略估计出了在先前处理中使用 的量化参数QP的值，则QP检测部件32仅在该QP周围执行检测处理，
28由此减少了计算量。在从先前编码处理可能使用的量化参数QP中获得了
初始值之后(步骤S21) ， QP检测部件32判断宏块中的所有DCT系数的 绝对值IWI是否都为零(步骤S22)。然后，如果所有DCT系数的绝对值 IWI都为零，则QP检测部件32假设其不能检测到量化参数QP (步骤 S33)。即，如果所有DCT系数的绝对值IWI都为零，则QP检测部件32 不能检测出量化参数QP，这是因为通过将余数r除以任意量化参数QP而 获得的余数r总变为零；QP检测部件32因此停止检测。
作为对比，在步骤S22，如果所有DCT系数的绝对值IWI不都为零， 则QP检测部件32的余数计算部件32a针对宏块中的256 (=16X16)个样 本中的每个样本，通过将经移位的DCT系数(|W|<<6)除以由等式(9) 计算出的縮放因子RF来计算余数r (步骤S24)。
随后，评估值确定部件32b判断(|W|<<7)是否大于RF (步骤 S25)，并且如果(|Wi<<7)大于RF，则评估值确定部件32b将通过縮放 因子RF对余数r进行标准化的结果确定为评估值Y (步骤S26)。如果 (|W|<<7)不大于RF，则评估值确定部件32b将(|W|<<6)确定为评估值 Y (步骤S27)。即，对于宏块中的256 (=16X16)个样本，评估值确定 部件32b将对通过将经移位的DCT系数(W<<6)除以RF而获得的余数 进行上面(iii)中的校正和标准化的结果作为评估值Y，并且计算用于每 个量化参数QP的和(SY)(步骤S28)。
然后，评估值确定部件32b判断是否已经计算出了针对所有可能量化 参数QP的评估值Y (步骤S29)，如果未计算出针对所有可能量化参数 QP的评估值Y，则评估值确定部件32b改变量化参数QP (步骤S30)， 并且重复步骤S26、 S28和S29中的处理。
在计算出了针对所有可能量化参数QP的评估值Y之后(步骤S29中 的是)，QP确定部件32c以宏块为单位将一个QP的评估值Y之和(E Y)与其它的进行比较(步骤S31)，将具有最小和的量化参数QP确定为 在先前处理中使用的量化参数QP (步骤S32)，并且输出该量化参数QP 的值。
此时，排除了量化参数QP小于六的区域，这是因为这可能是错误检测的原因。这是因为在小于200 Mbps的实践区域中，很少使用值小于六 的量化参数QP。因此排除这样的量化参数QP有助于提高检测速率。
如上所述，根据本发明的第一实施例，编码设备IO通过使用Qmatrix 检测部件31，几乎一定可以通过以每片为单位使用余数r来从在编码处理 期间获得的DCT系数中检测到在先前编码处理中使用的Qmatrix。此外， 编码设备10通过使用QP检测部件32，几乎一定可以通过以每个宏块为 单位使用余数r来从在编码处理期间获得的DCT系数中检测到在先前编码 处理中使用的QP。然后，通过再次使用检测到的量化矩阵Qmatrix和量化 参数QP，编码设备IO减小了配音处理期间的舍入误差，由此提高了配音 质量。此外，通过引入变换矩阵D,编码设备10可以同样地处理编码处 理中的DCT系数以及解码处理中的DCT系数。此外，通过利用DCT系数 W对余数r加权并利用縮放因子RF使其标准化，编码设备IO可以提高检 测精确度。
此外，编码设备10考虑到了从AVC引入的具有6n的周期的量化参 数QP的周期性，并且如果比使余数r最小的量化参数QP大6n的量化参 数QP具有最小值，则即使该量化参数QP不是最小值，编码设备10也将 该量化参数QP确定为在先前编码处理中使用的量化参数QP。然后，如果 已粗略估计出了在先前编码处理中使用的量化参数QP的值，则编码设备 10在土n的范围内改变量化参数QP的值并评估它，由此减小计算量。
(2-3-3)偏移优先应用处理的过程
下面参考图14的流程图描述根据编码程序执行的偏移优先应用处理 的过程RT3。
在输入图像数据被提供来之后，编码设备10的附加了偏移的Intm预 测模式决定部件21开始偏移优先应用处理的过程RT3，并前进到步骤 S51。
在步骤S51，附加了偏移的Intm预测模式决定部件21针对每种图像 预测模式根据模式号n来设置offset[n]，并且随后前进到下一步骤S52。 在步骤S52,附加了偏移的Intra预测模式决定部件21生成与每种图像预测模式的每个模式号n相对应的差分图像数据项，从差分图像数据项 计算差分绝对值之和SAD，并且随后前进到下一步骤S53。
在步骤S53，附加了偏移的Intra预测模式决定部件21将添加处理目 标(addition-process-target)图像内预测模式的模式号n设为零，将根据计 算被当作可能值的最大值INT—MAX设为最小的差分绝对值之和 minSAD，并且随后前进到下一步骤S54。
在步骤S54，附加了偏移的Intra预测模式决定部件21判断当前的添 加处理目标的模式号是否为"2"。如果在此获得了否定结果，则这意味 着应将偏移添加到差分绝对值之和SAD中。在此情况下，附加了偏移的 Intra预测模式决定部件21前进到下一步骤S55。
在步骤S55，附加了偏移的Intra预测模式决定部件21将在步骤S51 中设置的offset[n]添加到差分绝对值之和SAD中，并且随后前进到下一步 骤S56。
作为对比，如果在步骤S54中获得了肯定的结果，则这意味着应将未 经改变的差分绝对值之和SAD确定为添加了偏移的差分绝对值之和 SADf。在此情况下，附加了偏移的Intra预测模式决定部件21前进到下一 步骤S56。
在步骤S56，附加了偏移的Intra预测模式决定部件21判断当前的添 加处理目标的模式号n是否为"8"。如果在此获得否定结果，则这意味 着仍然存在待处理的图像内预测模式。此时，附加了偏移的Intm预测模式 决定部件21前进到下一步骤S57,将添加处理目标的模式号加"1"，然 后返回步骤S54继续处理。
作为对比，如果在步骤S56中获得肯定的结果，则这意味着已计算出 了与所有图像内预测模式(n=0至8)相对应的所有添加了偏移的差分绝 对值之和SADf。此时，附加了偏移的Intra预测模式决定部件21前进到下 一步骤S59。
在步骤S59，附加了偏移的Intra预测模式决定部件21将比较处理目 标的模式号n设为"0",然后前进到步骤S60。
在步骤S60，附加了偏移的Intra预测模式决定部件21判断比较处理目标的添加了偏移的差分绝对值之和SADf是否小于最小的差分绝对值之 和minSAD。
如果在此获得肯定的结果，则附加了偏移的Intm预测模式决定部件 21前进到下一步骤S61，更新最小的差分绝对值之和minSAD以使得最小 的差分绝对值之和minSAD为添加了偏移的差分绝对值之和SADf，然后 前进到下一步骤S62。
作为对比，如果在步骤S60中获得否定结果，则附加了偏移的Intm预 测模式决定部件21前进到下一步骤S62，这是因为它不必更新最小的差分 绝对值之和minSAD。
在步骤S62，附加了偏移的Intra预测模式决定部件21判断当前的添 加处理目标的模式号n是否为"8"。如果在此获得否定结果，则这意味 着仍然存在待处理的图像内预测模式。此时，附加了偏移的Intm预测模式 决定部件21前进到下一步骤S63，将比较处理目标的模式号加"1"，然 后返回步骤S60继续处理。
作为对比，如果在步骤S62中获得肯定的结果，则这意味着已计算出 了与所有图像内预测模式(n=0至8)相对应的所有添加了偏移的差分绝 对值之和SADf。此时，附加了偏移的Intm预测模式决定部件21前进到下 一结束步骤以结束偏移优先应用处理的过程RT3。
(2-4)操作和效果
利用上述配置，编码设备IO针对AVC标准指定的九种图像内预测模 式中的每个模式生成包括来自围绕处理目标像素的周围像素的差分值在内 的差分图像数据项。然后，编码设备IO根据差分绝对值之和SAD以及为 图像内预测模式预设offset[n]的优先顺序来对图像内预测模式排序，其中 差分绝对值之和SAD是基于将差分图像数据项的每个处理目标像素的绝 对值加起来的结果的差分之和。
因此，offset[n]的值较小且优先级较高的特定图像内预测模式被编码 设备10排在较高排位上。
此外，编码设备10根据图像内预测模式将偏移(offset[n])添加到多个差分图像数据项的差分绝对值之和SAD中以生成附加了偏移的差分绝 对值之和SADf。然后，编码设备10比较附加了偏移的差分绝对值之和 S ADf以对图像内预测模式排序。
因此，编码设备10可以容易地根据图像内预测模式设置顺序的优先 程度。此外，编码设备IO可以通过添加offset[n]而不固定到特定图像内预 测模式来抑制所生成的代码量的增加。
此外，当添加了偏移的差分绝对值之和SADf最小的差分图像数据项 被生成时的图像内预测模式被编码设备10确定为将用来对差分图像数据 项编码的图像内预测模式。
因此，编码设备10允许特定图像内预测模式容易地被选为将用来对 差分图像数据项进行编码的图像内预测模式。因此，在先前编码处理中使 用的图像内预测模式可以容易地被选择。结果，编码设备10可以增加使 用与先前编码处理所使用的图像内预测模式相同的模式的可能性，由此提 高了配音期间的图像质量。
此外，编码设备10不向多种图像内预测模式中视频质量下降较小的 一种图像内预测模式添加偏移。因此，可以容易地将视频质量下降较小的 图像内预测模式选作将用来对差分图像数据进行编码的图像内有预测模 式。这可以防止解码期间视频质量下降。
视频质量下降较小的这种图像内预测模式是具有来自周围像素的平均 值的差分值的DC预测模式，或者具有来自AVC标准的垂直和水平方向 上的周围像素的平均值的差分值的模式2。因此，通过多次使用视频质量 下降最小的DC预测模式，编码设备IO可以防止编码期间视频质量下降。
此外，编码设备10根据图像内预测模式的图像质量降低的程度来设 置offset[n]。因此，视频质量下降较小的图像内预测模式根据优先顺序被 排在高位。
此外，编码设备10从图像内预测模式的差分图像数据项检测量化因 子用于先前的编码处理的量化步骤是基于量化因子的。因此，编码设备 10可以防止配音期间视频质量下降。
此外，编码设备10将取决于估计出的配音被执行的次数的值设置为
33offset[n]。因此，利用所生成的代码量与考虑到的视频质量下降之间的相 互关系，根据使用和目的来设置offset[n]，以便满足用户的需求。
根据上面的配置，作为比较图像内预测模式的差分绝对值之和SAD 的结果，编码设备10将特定图像内预测模式排在比其余模式更高的排位 上。因此，特定图像内预测模式每次都被排在高位。结果，编码设备10 选择性地将在先前编码处理中使用的图像内预测模式排在比其余模式更高 的排位上，这允许该模式容易地被选为将用来对差分图像数据进行编码的 图像内预测模式。因此，根据本发明，可以实现能够防止视频质量下降的 图像处理设备和图像处理方法。
(3)第二实施例
在图示出了本发明第二实施例的图15和图16中，各部分被标有与图 示出本发明第一实施例的图2至图14的对应部分相同的符号。在第二实 施例的编码设备11与第一实施例的编码设备之间存在的差别在于在量 化矩阵检测处理和量化参数检测处理之后执行图像内预测模式检测处理。
(3-1)图像内预测模式的检测
在AVC内部(图像内编码)帧中，再次使用在先前编码处理中使用 的图像内预测模式是防止视频质量下降的有效措施。因此，通过仅使用输 入图像数据，图像内预测模式检测处理通过使用余数r的算术处理来检测 在先前编码处理中使用的图像内预测模式，并且这是特征之一。
艮P，在检测了量化矩阵Qmatrk和量化参数QP之后，编码设备11在 针对每个内部编码单元IA改变图像内预测模式的同时，使用量化矩阵 Qmatrix和量化参数QP并且还使用余数r之和(Er)，以检测最小值。这 使得编码设备11能够针对宏块MB中的所有内部编码单元IA中的每个检 测在先前处理中经编码的图像内预测模式。
此时，编码设备11执行偏移优先应用处理以对附加了偏移的差分绝 对值之和SADf进行排序，选出附加了偏移的差分绝对值之和SADf比其 余的小的三种图像内预测模式，并且对它们执行图像内预测模式检测处理。这使编码设备11更容易选择在先前处理中经编码的图像内预测模 式。因此，这确保了三种图像内预测模式包括在先前处理中经编码的图像
即，如果基于上述量化矩阵检测处理和量化参数检测处理等已得知了 在先前编码处理中使用的量化矩阵和量化参数，则图像内预测模式检测处
理检测具有最小的余数r的图像内预测模式，余数r是通过将九种图像内 预测模式的被移位6位的DCT系数(W<<6)除以縮放因子RF而获得 的。
除此之外，为了提高检测的精确度，图像处理设备1考虑MPEG未考 虑到、可归因于AVC Intra的独特特性的下面的方面。gp，该图像内预测 模式检测处理考虑到了下面的方面(vii)，以及上面关于量化矩阵检测处 理和量化参数检测处理而描述的(0和(ii)。
(vii) DCT系数的分布
随着图像内预测模式的改变，差分值也改变。结果，DCT系数的分布 也改变了。因此， 一般来说，认为将子宏块中的余数r之和除以DCT系数 的个数(非零)并以样本为单位比较余数是合理的。
然而，实际上，如果在先前编码处理中使用的预测模式被选择，则预 测很可能是真的。因此，不为零的DCT系数的个数减少。如果在方向上 不同于先前预测的模式被选择，则不为零的DCT系数的个数趋于增加。
因此，图像内预测模式检测处理不将余数r之和除以不为零的DCT系 数的个数。相反，图像内预测模式检测处理将余数r之和乘以不为零的 DCT系数的个数。这是考虑在方向上不同于先前预测的模式的余数r之和 上强力卩一数值惩罚(numerical penalty)。
余数r之和乘以不为零的DCT系数的个数的结果被确定为评估值Y。 一种预测模式的评估值Y被与其它模式的评估值Y相比较。然后，评估值 Y最小的预测模式被当作在先前编码处理中使用的预测模式。
考虑到上述特性观点(vii)，本发明的编码设备11确定适当的预测 模式。
35(3-2)编码设备的配置
编码设备11在下面的方面与编码设备IO不同编码设备11具有图像
内预测模式检测部件33、图像内预测模式决定部件45、图像内预测处理 部件51以及整数DCT部件52。下面主要描述编码设备IO没有的这些部 件。
由Qmatrix检测部件31和QP检测部件32检测到的先前的量化参数 QP和量化矩阵Qmatrix被提供给Qmatrix/QP决定部件41 。 Qmatrix/QP决 定部件41针对量化矩阵Qmatrix和量化参数QP，判断是采用第一通道预 编码器20估计出来的模式还是采用向后搜索部件30检测到的模式。通 常，如果输入图像是尚未经任何编码处理的原始图像，则向后搜索失败， 这是因为从未执行编码处理。因此，Qmatrix/QP决定部件41采用第一通 道预编码器20的编码处理所估计出来的模式。作为对比，如果输入图像 是已经经过编码处理的非原始图像，则Qmatrix/QP决定部件41采用向后 搜索部件30检测到的模式以防止量化失真的反复。
此外，由向后搜索部件30检测到的并且是在先前编码处理中使用的 量化参数QP和量化矩阵Qmatrix还被提供给图像内预测模式检测部件 33。图像内预测模式检测部件33使用量化参数QP和量化矩阵Qmatrix通 过执行上述图像内预测模式检测处理来检测先前的图像内预测模式。顺便 提及，后面将描述图像内预测模式检测部件33进行的图像内预测模式检 测处理的过程。该先前的预测模式被传送给图像内预测模式决定部件45。 图像内预测模式决定部件45判断是采用在第一通道编码中附加了偏移的 差分绝对值之和SAD变为最小的第一预测模式还是采用由图像内预测模 式检测部件33检测到的先前的预测模式。
艮P，图像内预测模式检测部件33基于量化参数QP和量化矩阵 Qmatrix检测先前的预测模式。该先前的预测模式被传送给图像内预测模 式决定部件45。图像内预测模式决定部件45判断是采用在第一通道编码 中附加了偏移的差分绝对值之和SAD变为最小的第一预测模式还是采用 由图像内预测模式检测部件33检测到的先前的预测模式。艮P，如果输入图像是尚未经编码处理的原始图像，则图像内预测模式
决定部件45采用附加了偏移的Intm预测模式决定部件21估计出的模式， 这是因为还未执行编码处理，因此对图像内预测模式的检测(向后搜索) 将失败。作为对比，如果输入图像是已经经过编码处理的非原始图像，则 图像内预测模式决定部件45采用图像内预测模式检测部件33检测到的模 式以防止量化失真的反复。
如上所述，第二通道参数编码器50使用Qmatrix/QP决定部件41所确 定的量化矩阵Qmatrix和量化参数QP，以及由图像内预测模式决定部件 45确定的图像内预测模式来对输入图像进行编码，并且将其输出为编码流 (Stream)。
更具体地，图像内预测处理部件51将由图像内预测模式决定部件45 确定的图像内预测模式选作适当的图像内预测模式，利用周围像素的预测 图像从输入图像生成差分图像数据，并且将差分图像数据输入到整数DCT 部件52中。整数DCT部件52通过离散余弦变换执行正交变换以将差分图 像数据输出为DCT系数W。在接收到DCT系数W之后，量化部件53利 用由Qmatrix/QP决定部件41确定的量化矩阵Qmatrix以及量化参数QP执 行量化，并将量化电平Z传送给熵编码部件54。熵编码部件54对输入的 量化电平Z执行二值化和算术编码，并将其输出为编码流。
(3-3)图像内预测模式检测处理
下面参考图14描述由本发明第二实施例的编码设备11的图像内预测 模式检测部件33进行的图像内预测模式检测处理，图14图示出了图像内 预测模式检测处理的过程RT4。这也对应于本实施例的图像信息编码方 法。
首先，图像内预测模式检测部件33将来自预测图像的差分绝对值之 和(即，差分图像数据的绝对值之和)为最小的图像内预测模式确定为初 始值(步骤S151)。然后，图像内预测模式检测部件33对来自预测图像 的差分图像数据执行DCT处理(步骤S152)。图像内预测模式检测部件 33针对4X4子宏块中的每个样本，通过将DCT系数W的经移位6位的绝对值IWI (|W|<<6)除以RF来计算余数.r (步骤S153)。
然后，图像内预测模式检测部件33将余数r之和乘以DCT系数的偶 数的结果确定为评估值Y (步骤S156)。
然后，图像内预测模式检测部件33判断是否已经针对可能没有图像 的所有图像内预测模式计算出了 Y (步骤S157)。如果尚未计算出它们的 评估值Y，则图像内预测模式检测部件33则用具有第二小的差分绝对值 之和SAD的预测模式替换当前的预测模式(步骤S158)，并且重复步骤 S152至S157的处理。然后，如果图像内预测模式检测部件33确定已计算 出了针对所有可能图像内预测模式的Y (步骤S157中的是)，则图像内 预测模式检测部件33则比较图像内预测模式的评估值Y (步骤S159)， 将具有最小评估值Y的图像内预测模式确定为在先前处理中使用的预测模 式(步骤S160)，然后结束处理。
如上所述，根据本发明第一实施例，编码设备10以算术方法检测在 先前编码处理中使用的图像内预测模式，由此防止AVC内部帧处理期间 量化失真的重复。因此，编码设备IO可以防止配音期间SN比率和视觉性 能的降低。
此外，当利用来自子宏块中的预测图像的图像内预测模式的差分绝对 值之和SAD来比较图像内预测模式时，编码设备IO开始选出差分绝对值 之和SAD比其余的小的图像内预测模式并比较它们。这意味着编码设备 10开始比较比其它模式更确定地被用在先前编码处理中的图像内预测模 式。例如，如果计算开始于最小的图像内预测模式并且最终仅针对一定数 目的图像内预测模式被执行(三个，例如)，则这减少了计算量。此外， 通过引入变换矩阵D，编码设备10可以同样地处理编码处理的DCT系数 以及解码处理的DCT系数。
除此之外，不论先前编码处理的图像内预测算法是什么，编码设备10 都可以执行检测处理。因此，即使在第一编码处理中使用了考虑到视觉性 能的图像内预测方法，也可以在配音期间使用该算法。
(3-4)操作和效果根据上面的配置，编码设备11从添加了偏移的差分绝对值之和SADf 最小的差分图像数据中，检测作为量化因子的、并且在先前编码处理中使 用的量化步骤所基于的量化参数QP和量化矩阵Qmatrix。
编码设备11通过利用基于由后向搜索检测到的量化参数QP和量化矩 阵Qmatrix的除法因子并按添加了偏移的差分绝对值之和的升序，对三个 差分图像数据组(数据组的数目(或者3)是目标数目)进行除法运算以 计算余数值r。
然后，编码设备11假设具有最小余数值r的差分图像数据项在其中被 生成的图像内预测模式为该差分图像数据项的图像内预测模式。
因此，编码设备11可以确定地检测到在先前编码处理中使用的图像 内预测模式，由此还抑制了配音期间视频质量的下降。
根据上面的配置，编码设备11执行偏移优先应用处理以在对图像内 预测模式排序时优先考虑特定图像内预测模式，由此几乎一定确保了作为 图像内预测模式检测处理目标的三种图像内预测模式包含先前编码处理所 使用的图像内预测模式。
这几乎一定确保了编码设备11通过执行图像内预测模式检测处理而 检测到先前编码处理所使用的图像内预测模式。因此，根据本发明，可以 实现能够抑制编码期间视觉质量下降的图像处理设备和图像处理方法。
(4)其它实施例
下面参考图17的流程图详细描述由本发明另外的实施例的编码设备 进行的偏移优先应用处理的过程RT5。
当输入图像数据被输入时，附加了偏移的Intm预测模式决定部件确定 每种预测模式的offset[n]的值(步骤S201)。这里，n表示将与DC预测 相比较的预测模式号(0至8 (除去2))。然后，附加了偏移的Intm预 测模式决定部件设置x-2 (设置DC预测模式)(步骤S202)，并且将比 较目标图像内预测模式号指定为n (步骤S203)。这里，x表示将用于编 码的预测模式号。
然后，附加了偏移的Intm预测模式决定部件判断比较目标图像内预测模式的差分绝对值之和SAD与offset[n]相加的和是否小于DC预测模式的 差分绝对值之和SAD (步骤S204)。
在步骤S204，如果附加了偏移的Intra预测模式决定部件确定添加了 偏移的差分绝对值之和SADf，或者比较目标图像内预测模式的差分绝对 值之和SAD与offset[n]的相加结果小于模式号x的添加了偏移的差分绝对 值之和SADf (步骤S204中的是)，则附加了偏移的Intra预测模式决定 部件用比较目标图像内预测模式的模式号n来取代x，并从而前进到步骤 S205。
作为对比，如果附加了偏移的Intra预测模式决定部件确定添加了偏移 的差分绝对值之和SADf，或者比较目标图像内预测模式的差分绝对值之 和SAD与offset[n]的相加结果不小于模式号x的添加了偏移的差分绝对值 之和SADf (步骤S204中的否)，则附加了偏移的Intra预测模式决定部 件判断是否已针对可能采用的所有预测模式执行了比较(步骤S206)。如 果未针对所有模式进行判断(步骤S206中的否)，则附加了偏移的Intra 预测模式决定部件更新n (步骤S207)，并且针对下一候选模式执行步骤 S204的比较。
如果附加了偏移的Intra预测模式决定部件在步骤S206确定已针对可 能采用的所有预测模式执行了比较，贝U附加了偏移的Intm预测模式决定部 件将模式x确定为将用于编码的预测模式(步骤S208)，然后结束处理序 列。
此外，编码设备选择具有最小差分绝对值之和SAD的图像内预测模 式，并且将所选图像内预测模式的差分绝对值之和SAD与图像内预测模 式之一或优先预测模式(DC预测模式)的差分绝对值之和SAD相比较。 然后，如果差分绝对值之和SAD之差小于阈值，则编码设备可以将与差 分绝对值之和优先预测模式相对应的差分图像数据项确定为将被执行实际 编码处理的差分图像数据。
此外，在上述第一和第二实施例中，排序是基于差分绝对值之和SAD 而被执行的。然而，本发明不限于此。例如，通过使用在针对差分绝对值 之和SAD执行Hadamard变换以计算绝对值之和以后获得的SATD (经变
40换的差分绝对值之和)或者SSD (差分平方和)，可以执行排序。
此外，在上述第一和第二实施例中，offset[n]仅未被添加到DC预测模 式。但是，本发明不限于此。offset[n]可以不被添加到其它图像内预测模 式。此外，根据本发明，offset[n]可以不被添加到两个或更多种图像内预 测模式。
此外，在上述第一和第二实施例中，offset[n]的差值被添加到每种图 像内预测模式。然而，本发明不限于此。而是可以向它们添加offset[n]的 相同值。
此外，在上述第一和第二实施例中，要添加的offset[n]的值是根据视 频质量下降的程度来确定的。然而，本发明不限于此。例如，可以根据已 生成的代码的多少来确定offset[n]的值。此外，添加offset[n]的指示符不是 必要的。
此外，在上述第一和第二实施例中，编码设备执行向后搜索处理以及 偏移优先应用处理。然而，本发明不限于此。编码设备可以仅执行偏移优 先应用处理。在此情况下，整数DCT部件22将DCT系数提供给量化参数 计算部件(未示出)。量化参数计算部件根据DCT系数W的大小以及频 率范围的分布状态确定适当的量化参数QP，将其提供给量化部件53，并 通过熵编码部件54将其输出为编码流。
此外，在上第二实施例中，编码设备针对三种图像内预测模式(这个 "三"是要处理的模式数目)执行图像内预测模式检测处理。
此外，在上述第一和第二实施例中，针对由4X4像素子宏块构成的 每个内部编码单元来计算差分绝对值之和SAD。然而，本发明不限于此。 对内部编码单元没有限制其可以是8X8或16X8像素的。
此外，在上述第一和第二实施例中，编码设备根据AVC标准执行处 理。然而，本发明不限于此。本发明可以应用于从多种图像内预测模式中 选择一种图像内预测模式的所有方法。
此外，在上述第一和第二实施例中，用作图像处理设备的编码设备10 和11包括附加了偏移的Intra预测模式决定部件21，该部件用作差分图像 数据生成部件和排序部件。然而，本发明不限于此。本发明的图像处理设备可以包含以各种其它方式配置的差分图像数据生成部件和排序部件。
上面描述了本发明的实施例，然而这并不限制本发明的范围。可以进
行各种修改和替换只要它们在所附权利要求或其等同物的范围内。
例如，第一和第二实施例中的上述图像信息编码处理设备和方法可以
由计算机程序实现；它们也可以实现为记录了程序的存储介质。即使在这
种情况下，也可以获得上述效果。
权利要求
1.一种图像处理设备，包括差分图像数据生成部件，用于针对多个预定图像内预测模式中的每个模式生成一个包含来自要处理的处理目标像素周围的像素的差分值在内的差分图像数据项；以及排序部件，用于基于差分之和以及针对图像内预测模式预设的优先顺序对所述图像内预测模式排序，所述差分之和值是基于所述差分图像数据项的每个处理目标像素的绝对值之和的。
2. 根据权利要求1所述的图像处理设备，其中，所述排序部件包括偏移添加部件，用于通过将一偏移添加到多个差分图像数据项的 生成代码量中来生成添加了偏移的生成代码量，所述偏移的值取决于所述 图像内预测模式而变化；以及差分和值比较部件，用于通过比较添加了偏移的差分和值来对所 述图像内预测模式排序。
3. 根据权利要求2所述的图像处理设备，包括图像内预测模式决定部件，用于将具有最小的添加了偏移的差分和值 的差分图像数据项被生成时的图像内预测模式，确定为将用来对图像数据 项编码的图像内预测模式。
4. 根据权利要求3所述的图像处理设备，其中所述偏移添加部件不向多种图像内预测模式中视频质量下降较小的一 种图像内预测模式添加所述偏移。
5. 根据权利要求4所述的图像处理设备，其中所述视频质量下降较小的一种图像内预测模式是具有来自周围像素的 平均值的差分值的图像内预测模式。
6. 根据权利要求5所述的图像处理设备，其中 所述图像处理设备支持AVC标准；并且所述视频质量下降较小的一种图像内预测模式是模式2，该模式2选取来自垂直和水平方向上的周围像素的平均值的差分值。
7. 根据权利要求6所述的图像处理设备，其中所述偏移添加部件根据所述图像内预测模式中的视频质量下降程度来 设置所述偏移。
8. 根据权利要求3所述的图像处理设备，包括向后搜索部件，用于利用由所述图像内预测模式决定部件所确定的图 像内预测模式从所述差分图像数据项中检测在先前编码处理中所使用的量 化步骤所基于的量化因子。
9. 根据权利要求3所述的图像处理设备，包括向后搜索部件，用于从具有最小的添加了偏移的差分和值的差分图像 数据项中检测在先前编码处理中所使用的量化步骤所基于的量化因子；余数值计算部件，用于计算在利用基于所述向后搜索部件检测到的所 述量化因子的除法因子，去除按添加了偏移的差分和值的升序排列的目标 数目个差分图像数据项时的余数值；以及图像内预测模式决定部件，用于将具有最小余数值的差分图像数据项 在其中被生成时的图像内预测模式确定为用于图像数据项的图像内预测模 式。
10. 根据权利要求1所述的图像处理设备，其中 要处理的目标的数目为三。
11. 根据权利要求3所述的图像处理设备，其中所述偏移添加部件将随着估计出的配音次数而变化的值设置为所述偏移。
12. —种图像处理方法，包括差分图像数据生成步骤，用于针对多个预定图像内预测模式中的每个 模式生成包含来自处理目标像素周围的像素的差分值在内的差分图像数据 项；以及排序步骤，用于根据差分之和以及针对图像内预测模式预设的优先顺 序对所述图像内预测模式排序，所述差分之和是基于所述差分图像数据项 的每个处理目标像素的绝对值之和的。
全文摘要
本发明可以抑制编码期间视频质量的下降。本发明针对根据AVC标准预设的九种图像内预测模式的每个模式生成包含来自处理目标像素周围的像素的差分值在内的差分图像数据项。然后，编码设备(10)根据差分绝对值之和(SAD)以及为图像内预测模式预设offset[n]的优先顺序对所述图像内预测模式排序，差分绝对值之和是基于差分图像数据项的每个处理目标像素的绝对值之和的差分之和。
文档编号H04N7/32GK101641958SQ20088000815
公开日2010年2月3日 申请日期2008年9月12日 优先权日2007年9月12日
发明者堀内祐哉, 柴田正二郎, 渕江孝明 申请人:索尼株式会社