图像处理方法、设备、系统和存储介质与流程
版权申明
本专利文件披露的内容包含受版权保护的材料。该版权为版权所有人所有。版权所有人不反对任何人复制专利与商标局的官方记录和档案中所存在的该专利文件或者该专利披露。
本公开涉及图像处理领域，并且更具体地，涉及一种图像处理方法、设备、系统和存储介质。
背景技术：
为了节约网络传输的带宽或节省存储空间，通常将图像数据通过编码器进行压缩编码后，进行存储或网络传输，并在需要时可以通过解码器进行解压缩后恢复出图像数据。
在压缩过程中，图像会有一定的失真率，这会导致图像质量的降低。然而，对于一些特别的场景下，例如在制作高质量影片时，人们希望得到尽量高的图像质量。
技术实现要素：
本公开实施例提供一种图像处理方法、设备、系统和存储介质，能够降低图像失真率，提高图像质量。
第一方面，提供了一种图像处理方法，包括：获取图像传感器采集的原始图像数据；分别确定所述原始图像数据包括的多个像素点对应的像素残差；分别对所述多个像素点对应的像素残差进行量化处理；分别对所述多个像素点对应的量化处理后的像素残差进行熵编码，以获取第一压缩数据。
第二方面，提供了一种图像处理方法，包括：获取图像数据，所述图像数据包括第一像素点和至少一个不同于所述第一像素点的第二像素点；确定所述第一像素点对应的像素残差；对所述第一像素点对应的像素残差进行量化处理；根据至少一个所述第二像素点对应的量化处理后的像素残差，对所述第一像素点对应的量化处理后的像素残差进行熵编码。
第三方面，提供了一种图像处理设备，包括：至少一个处理器，单独地或共同地用于：获取图像传感器采集的原始图像数据；分别确定所所述原始图像数据包括的多个像素点对应的像素残差；分别对所述多个像素点对应的像素残差进行量化处理；分别对所述多个像素点对应的量化处理后的像素残差进行熵编码，以获取第一压缩数据。
第四方面，提供了一种图像处理系统，其特征在于，包括用于采集原始图像数据的图像传感器以及第三方面中的图像处理设备。
第五方面，提供了一种图像处理设备，包括：至少一个处理器，单独地或共同地用于：获取图像数据，所述图像数据包括第一像素点和至少一个不同于所述第一像素点的第二像素点；确定所述第一像素点对应的像素残差；对所述第一像素点对应的像素残差进行量化处理；根据至少一个所述第二像素点对应的量化处理后的像素残差，对所述第一像素点对应的量化处理后的像素残差进行熵编码。
第六方面，提供了一种图像处理系统，其特征在于，包括用于采集原始图像数据的图像传感器以及第五方面中的图像处理设备。
第七方面，提供了一种图像处理系统，包括：获取模块，用于获取图像传感器采集的原始图像数据；确定模块，用于分别确定所述原始图像数据包括的多个像素点对应的像素残差；量化模块，用于分别对所述多个像素点对应的像素残差进行量化处理；熵编码模块，用于分别对所述多个像素点对应的量化处理后的像素残差进行熵编码，以获取第一压缩数据。
第八方面，提供了一种图像处理系统，包括：获取模块，用于获取图像数据，所述图像数据包括第一像素点和至少一个不同于所述第一像素点的第二像素点；确定模块，用于确定所述第一像素点对应的像素残差；量化模块，用于对所述第一像素点对应的像素残差进行量化处理；熵编码模块，用于根据至少一个所述第二像素点对应的量化处理后的像素残差，对所述第一像素点对应的量化处理后的像素残差进行熵编码。
第九方面，提供了一种图像处理方法，包括：获取压缩后的图像数据，所述图像数据包括多个像素点对应的熵编码后的像素残差；分别对所述多个像素点对应的熵编码后的像素残差进行熵解码；分别对所述多个像素点对应的熵解码后的像素残差进行反量化处理；分别对所述多个像素点对应的反量化处理后的像素残差进行重建，以得到图像传感器采集的原始图像数据。
第十方面，提供了一种图像处理方法，包括：获取压缩后的图像数据，所述图像数据包括第一像素点对应的熵编码后的像素残差和至少一个不同于所述第一像素点的第二像素点对应的熵编码后的像素残差；对至少一个所述第二像素点对应的熵编码后的像素残差进行熵解码；根据至少一个所述第二像素点对应的熵解码后的像素残差，对所述第一像素点对应的熵编码后的像素残差进行熵解码；对所述第一像素点对应的熵解码后的像素残差进行反量化处理；对所述第一像素点对应的反量化处理后的像素残差进行重建处理，以得到重建后的所述第一像素点。
第十一方面，提供了一种图像处理设备，包括：至少一个处理器，单独地或共同地用于：获取压缩后的图像数据，所述图像数据包括多个像素点对应的熵编码后的像素残差；分别对所述多个像素点对应的熵编码后的像素残差进行熵解码；分别对所述多个像素点对应的熵解码后的像素残差进行反量化处理；分别对所述多个像素点对应的反量化处理后的像素残差进行重建，以得到图像传感器采集的原始图像数据。
第十二方面，提供了一种图像处理设备，包括：至少一个处理器，单独地或共同地用于：获取压缩后的图像数据，所述图像数据包括第一像素点对应的熵编码后的像素残差和至少一个不同于所述第一像素点的第二像素点对应的熵编码后的像素残差；对至少一个所述第二像素点对应的熵编码后的像素残差进行熵解码；根据至少一个所述第二像素点对应的熵解码后的像素残差，对所述第一像素点对应的熵编码后的像素残差进行熵解码；对所述第一像素点对应的熵解码后的像素残差进行反量化处理；对所述第一像素点对应的反量化处理后的像素残差进行重建处理，以得到重建后的所述第一像素点。
第十三方面，提供了一种图像处理系统，包括：获取模块，用于获取压缩后的图像数据，所述图像数据包括多个像素点对应的熵编码后的像素残差；熵解码模块，用于分别对所述多个像素点对应的熵编码后的像素残差进行熵解码；反量化模块，用于分别对所述多个像素点对应的熵解码后的像素残差进行反量化处理；重建模块，用于分别对所述多个像素点对应的反量化处理后的像素残差进行重建，以得到图像传感器采集的原始图像数据。
第十四方面，提供了一种图像处理系统，包括：获取模块，用于获取压缩后的图像数据，所述图像数据包括第一像素点对应的熵编码后的像素残差和至少一个不同于所述第一像素点的第二像素点对应的熵编码后的像素残差；熵解码模块，用于对至少一个所述第二像素点对应的熵编码后的像素残差进行熵解码；根据至少一个所述第二像素点对应的熵解码后的像素残差，对所述第一像素点对应的熵编码后的像素残差进行熵解码；反量化模块，用于对所述第一像素点对应的熵解码后的像素残差进行反量化处理；重建模块，用于对所述第一像素点对应的反量化处理后的像素残差进行重建处理，以得到重建后的所述第一像素点。
第十五方面，提供了一种存储介质，该存储介质存储指令，该指令可以用于执行第一方面中的方法。
第十六方面，提供了一种存储介质，该存储介质存储指令，该指令可以用于执行第二方面中的方法。
第十七方面，提供了一种存储介质，该存储介质存储指令，该指令可以用于执行第九方面中的方法。
第十八方面，提供了一种存储介质，该存储介质存储指令，该指令可以用于执行第十方面中的方法。
因此，在本公开实施例中，通过对原始图像数据进行编码处理，可以避免对进行去马赛克等处理后的图像数据进行压缩所导致的图像失真的问题，并且通过对各个像素点分别进行编码处理，实现简单，可以提高吞吐率，实现成本低。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是图像处理方法的示意性图。
图2是根据本公开的一些实施例的图像处理方法的示意性流程图。
图3是根据本公开实施例的像素点排列示意图。
图4是根据本公开的另一些实施例的图像处理方法的示意性流程图。
图5是根据本公开实施例的预测块排列示意图。
图6是根据本公开的另一些实施例的图像处理方法的示意性流程图。
图7是根据本公开的另一些实施例的图像处理方法的示意性流程图。
图8是根据本公开的另一些实施例的图像处理方法的示意性流程图。
图9是根据本公开的另一些实施例的图像处理方法的示意性流程图。
图10是根据本公开的一些实施例的图像处理系统的示意性框图。
图11是根据本公开的另一些实施例的图像处理系统的示意性框图。
图12是根据本公开的另一些实施例的图像处理系统的示意性框图。
图13是根据本公开的另一些实施例的图像处理系统的示意性框图。
图14是根据本公开的另一些实施例的图像处理设备的示意性框图。
图15是根据本公开的另一些实施例的图像处理设备的示意性框图。
图16是根据本公开的另一些实施例的图像处理系统的示意性框图。
图17是根据本公开的另一些实施例的图像处理设备的示意性框图。
图18是根据本公开的另一些实施例的图像处理系统的示意性框图。
图19是根据本公开的另一些实施例的图像处理系统的示意性框图。
图20是根据本公开的另一些实施例的图像处理系统的示意性框图。
图21是根据本公开的另一些实施例的图像处理设备的示意性框图。
图22是根据本公开的另一些实施例的图像处理设备的示意性框图。
具体实施方式
下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，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，都属于本公开保护的范围。
应理解，本文中的具体的例子只是为了帮助本领域技术人员更好地理解本公开实施例，而非限制本公开实施例的范围。
还应理解，在本公开的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本公开实施例的实施过程构成任何限定。
图1是图像处理方法100的示意性图。
如图1所示，在110中，图像传感器可以采集原始图像数据。在120中，用于压缩的图像处理设备可以对图像数据进行压缩处理。
在130中，用于压缩的图像处理设备在对数据进行压缩之后，可以将压缩后的数据发送给用于解压缩的图像处理设备，则用于解压缩的图像处理设备可以对该数据进行解压缩。
或者，在140中，用于压缩的图像处理设备将压缩数据存储在存储设备中。则在150中，在需要时，用于解压缩的图像处理设备可以从存储设备中获取压缩数据，并可以对该数据进行解压缩。
在图像传感器采集到原始图像数据之后，由于原始图像数据中的像素点具有单个颜色信息，图像传感器或用于压缩的图像处理设备可以对原始图像数据采集的原始图像数据进行“去马赛克”处理，也即，从每一像素的外围像素收集不充分的颜色信息以补充颜色信息，且创建全色图像，并且可与去马赛克处理并行地执行自动地修描颜色和亮度的色调的图像处理。然而，去马赛克处理和自动修描的准确度将对图像的失真率造成一定的影响，从而影响图像质量。
因此，本公开实施例提供了一种对原始图像数据进行压缩的方法，该方法通过直接对原始图像数据进行压缩以抑制图像质量的降低。
图2是根据本公开实施例的图像处理方法200的示意性流程图。如图2所示，该方法200可以包括以下内容。
在210中，获取图像传感器采集的原始图像数据。
可选地，在本公开实施例中，原始图像数据可以是指在执行去马赛克处理之前的图像数据。原始图像数据中的像素点可以具有单颜色信息，例如，可以是红色(red，r)像素点，或者绿色(green，g)像素点，或蓝色(blue，b)像素点。
在220中，分别确定该原始图像数据包括的多个像素点对应的像素残差。
可选地，在本公开实施例中，还可以将确定像素点对应的像素残差的处理称为预测处理。
为了便于更加清楚地理解本公开实施例，以下将该多个像素点所包括的第一像素点为例描述如何获取像素残差，其中，该第一像素点可以是该多个像素点中任一像素点。
可选地，在本公开实施例中，可以确定该第一像素点的参考像素点，并利用对该参考像素点对应的像素残差进行量化处理、反量化处理以及重建处理后得到的像素，以及该第一像素点的像素，确定该第一像素点对应的像素残差。
可选地，第一像素点的参考像素点可以是与该第一像素点具有相同颜色的像素点。
可选地，第一像素点的参考像素点可以是与该第一像素点具有相同颜色且距离小于等于预定距离的像素点。
例如，如图3所示，在获取颜色为红色的像素点0对应的像素残差时，可以将像素点10、像素点12、像素点14、像素点16和像素点23作为参考像素点，如果设定参考像素点与预测像素点之间间隔的像素距离小于等于1个像素点，则可以将像素点10、像素点12、像素点14和像素点23作为像素点0的参考像素点。
可选地，第一像素点的参考像素点还可以是与该第一像素点具有相同颜色且距离最近的像素点。
可选地，在第一像素点具有多个参考像素点时，可以获取通过多个参考像素点中每个参考像素点得到的第一像素点对应的像素残差，并将得到的多个像素残差进行平均处理。
在230中，分别对该多个像素点对应的像素残差进行量化处理。
可选地，在本公开实施例中，可以分别对该多个像素点对应的像素残差分别进行均匀量化处理。
在240中，分别对该多个像素点对应的量化处理后的像素残差进行熵编码，以获取第一压缩数据。
为了便于更加清楚地理解本公开，以下将以多个像素点中的第一像素点为例说明如何对量化处理后的像素残差进行熵编码，其中，该第一像素点可以是该多个像素点中的任一像素点。
可选地，在本公开实施例中，可以对该第一像素点对应的量化处理后的像素残差进行能量或熵估计，以得到估计值，利用该估计值，对该第一像素点对应的量化处理后的像素残差进行熵编码。
例如，可以按照log2(lvl)的方式对该第一像素点进行能量或熵估计，得到的估计值可以用于熵编码。其中，lvl是指像素残差的绝对值。
可选地，在对该第一像素点对应的量化处理后的像素残差进行能量或熵估计，并按照估计值进行熵编码的实施例中，可以进行哈夫曼编码或k阶哥伦布编码，其中，进行哈夫曼编码的哈夫曼码表或哥伦布编码的阶数可以随着压缩数据进行存储或者传送给解码端。
以上介绍了可以通过利用第一像素点本身对应的量化处理后的像素残差进行能量或熵估计得到估计值，对第一像素点对应的量化后的像素残差进行熵编码，然而本公开实施例并不限于此。
例如，在本公开实施例中，可以根据至少一个不同于该第一像素点的第二像素点对应的量化处理后的像素残差，对该第一像素点对应的量化处理后的像素残差进行熵编码。
例如，可以按照log2(lvl)的方式对该第二像素点进行能量或熵估计，得到的估计值可以用于第一像素点的熵编码。其中，lvl是指像素残差的绝对值。
由于相邻像素点对应的像素残差有较强的能量和熵的相关性，可以利用一像素点的相邻像素点对应的像素残差，对该像素点进行熵编码。
因此可选地，在本公开实施例中，该第二像素点可以与该第一像素点的距离小于等于第一预定距离。
例如，仍以图3所示的像素分布为例进行说明，假设需要对像素点0进行熵编码，则可以选择像素点9、像素点10、像素点11、像素点15作为该第二像素点。
可选地，在本公开实施例中，在包括多个第二像素点的情况下，可以对多个该第二像素点中的每个该第二像素点对应的量化处理后的像素残差进行能量或熵估计，以得到每个该第二像素点对应的该估计值；利用每个该第二像素点对应的权值和对应的该估计值，进行加权处理；根据该加权处理后得到的值，对该第一像素点量化处理后的像素残差进行熵编码。
可选地，可以根据多个该第二像素点中每个该第二像素点与该第一像素点的位置关系，确定每个该第二像素点对应的权值。
例如，可以将与第一像素点距离较近的像素点设置的权值较高，或者可以将第一像素点正上和左上的像素点设置的权值较高，正左像素点设置的权值次之，右上设置的权值最低。但应理解本公开实施例并不限于此，本公开实施例中各个像素点设置的权值大小还可以参考其他因素。
例如，对于当前待编码的像素点0而言，可以将像素点9和像素点10设置的权值高于像素点15，像素点15对应的权值高于像素点11。
可选地，还可以直接将各个第二像素点进行能量或熵估计得到的值进行平均处理，平均处理后得到的值用于对第一像素点进行熵编码。
可选地，在本公开实施例中，可以利用至少一个第二像素点对应的量化后的像素残差，对第一像素点进行k阶哥伦布编码。具体地，对第一像素点进行k阶哥伦布编码的阶数k可以通过对至少一个第二像素点对应的量化后的像素残差进行能量或熵估计得到的。
因此，在解码端，可以对至少一个第二像素点熵解码后的像素残差进行能量或熵估计，得到估计值，例如k，并根据该估计值对第一像素点进行熵解码，从而编码端不需要将对第一像素点进行熵解码的估计值(例如，编码端通过对第一像素点对应的量化后的像素残差进行能量或熵估计得到的估计值)传送给解码端，从而可以提高压缩比。
为了便于更加清楚地理解本公开，以下将以熵编码为哥伦布编码为例进行说明，假设能量或熵估计后得到的值为哥伦布编码的阶数k。
k阶哥伦布编码：
1、假定量化后的残差为pr，定义
lvl＝abs(pr)；
sig＝(pr<0)？1:0；
2、对于定义的信息(sig，lvl)，进行空间映射：
me＝(pr>0)？2*lvl-sig:lvl；
3、对于阶数k值，进行k阶哥伦布编码:
编码(me/(1<＜k)个bit的0
编码1个bit的1
编码k个bit的(me&((1<＜k)–1))
应理解，以上编码过程中进行哥伦布编码的阶数k可以是像素点本身对应的量化处理后的残差进行能量或熵估计得到的，也可以是其他像素点对应的量化后的残差进行能量或熵估计得到的值。
可选地，在本公开实施例中，在对各个像素点熵编码之后，可以进行存储在存储设备，而非进行实时传输，可以解决传输带宽限制所带来的传输问题。
为了更加清楚地理解本公开，以下将结合图4描述根据本公开实施例的编码方法300的流程图。如图4所示，该方法300可以包括以下内容。
在310中，图像传感器采集图像数据，采集的原始图像数据可以包括多个像素点。
以下对该多个像素点中的单个像素点a为例说明整个处理过程。
在320中，图像处理设备对像素点a进行预测，得到像素点a对应的像素残差，其中，在对像素点a进行预测时，可以从存储的上下文中获取参考像素点重建后得到像素，按照参考像素点重建后得到的像素与像素点a的像素，得到像素点a对应的像素残差。
在330中，图像处理设备对像素点a对应的像素残差进行量化处理。
其中，像素点a对应的量化处理后的像素残差可以分别进行340、350和360中的处理。
在340中，对像素点a对应的量化处理后的像素残差进行熵编码，其中，在熵编码过程中，可以从存储的上下文中，获取相邻像素点进行能量或熵估计得到的估计值，并按照该估计值进行熵编码。
在350中，可以对像素点a对应的量化处理后的像素残差进行能量或熵估计，并进行存储，以便于用于其他像素点的熵编码。
在360中，对像素点a对应的量化处理后的像素残差进行反量化处理。
在370中，对像素点a对应的量化且反量化处理后的像素残差进行重建处理，得到像素点a重建后的像素，并将像素点a重建后的像素进行存储，以便于在像素点a作为参考像素点时，利用像素低a重建后的像素，获取其他像素点对应的像素残差。
因此，在本公开实施例中，通过对原始图像数据进行编码处理，可以避免对进行去马赛克等处理后的图像数据进行压缩所导致的图像失真的问题，并且通过对各个像素点分别进行编码处理，实现简单，可以提高吞吐率，实现成本低。
可选地，在本公开实施例中，可以原始图像数据各个颜色进行分离，例如过滤处理的方式，具体地，可以过滤得到红色像素点、绿色像素点和蓝色像素点。可以对过滤得到各种颜色的像素点分别进行重新排列。可以对重新排列后的像素点进行划块得到各个预测块。当然，在本公开实施例中，还可以通过除过滤处理之外的方式得到具有相同颜色的预测块，本公开实施例对此不做具体限定。
可选地，在本公开实施例中，对于每个预测块而言，可以对多个像素点中的各个像素点分别进行预测处理，得到各个像素点对应的残差，分别对各个像素点对应的残差分别进行量化处理和熵编码处理，此种处理方式为了称呼的方便在本公开实施例中有时可以称为单像素处理。
其中，在单像素处理方式中，获取像素点对应的残差所采用的参考像素点可以是该像素点对应的预测块中的像素点，也可以是其他预测块中的像素点。
例如，如图5所示，对于预测块4而言，预测块4中的左上像素点的参考像素点可以是预测块1中的右下像素点，预测块2中的左下像素点以及预测块3中的右上像素点；预测块4的左下像素点的参考像素点可以是预测块4的左上像素点、预测块3的右上像素点，以及预测块3的右下像素点；预测块4的右下像素点的参考像素点可以是预测像素点4的右上像素点，左上像素点以及左下像素点。
应理解，图5所示中的每个预测块具有单个颜色，即蓝色，这不代表各个蓝色像素点之间并没有间隔其他颜色，例如，该预测块是利用距离最近的几个蓝色像素点抽象出的预测块。
可选地，在本公开实施例中，对于每个预测块而言，可以获取该预测块对应的像素残差，对该预测块对应的像素残差进行变换和量化处理，得到变换和量化后的残差，对变换和量化后的残差进行熵编码，此种处理方式为了称呼的方便在本公开实施例中有时称为按块处理的方式。
其中，在按照块处理的方式中，获取块对应的残差可以利用相邻块的像素点的像素获取。
例如，如图5所示，对于预测块4而言，预测块4对应的残差可以通过块1、块2和块3中的像素点重建后的像素残差获取。
可选地，在本公开实施例中，对于某一预测块，可以即进行单像素处理得到第一压缩数据，也可以按块处理得到第二压缩数据。
可选地，在本公开实施例中，在得到第一压缩数据和第二压缩数据之后，可以根据该第一压缩数据的码流大小和该第二压缩数据的码流大小，和/或，该第一压缩数据的失真率和该第二压缩数据的失真率，确定该第一压缩数据或该第二压缩数据为输出压缩数据；存储或发送该输出压缩数据。
例如，如果对压缩率要求较高，则可以比较第一压缩数据和第二压缩数据的码流大小，将码流较小的压缩数据进行存储或传送。
例如，如果对画面质量要求较高，则可以比较第一压缩数据的失真率和第二压缩数据的失真率，将失真率较小的压缩数据进行存储或传送。
例如，也可以综合考虑第一压缩数据和第二压缩数据的失真率以及码流大小，来确定需要传送或存储的压缩数据。
因此，在本公开实施例中，对于每个待处理块分别进行单像素处理和按块处理，并可以按照压缩后的数据的失真率和/码流大小，来选择需要传输或存储的压缩数据，从而可以降低压缩数据的失真率和/或提高压缩数据的压缩比。
以上结合图2和图4从编码端对图像处理进行了描述。以下将从解码端描述方法200或300所对应的解压缩的方法。
图6是根据本公开实施例的图像处理方法400的示意性流程图。如图6所示，该方法400可以包括以下内容。
在410中，获取压缩后的图像数据，该图像数据包括多个像素点对应的熵编码后的像素残差。
在420中，分别对该多个像素点对应的熵编码后的像素残差进行熵解码。
可选地，在本公开实施例中，为了便于理解，以下将结合该多个像素点中任一像素点，即以下称为第一像素点，描述根据本公开实施例的熵解码。
在一种实现方式中，可以对第一像素点量化处理后的像素残差进行能量或熵估计得到的估计值，进行熵解码，此时，该估计值可以由编码端随熵编码后的压缩数据共同存储或传送。
可选地，该估计值可以是进行哥伦布编码的阶数k，则可以利用k对该第一像素点进行k阶哥伦布解码。
在另一种实现方式，可以根据至少一个不同于该第一像素点的第二像素点对应的熵解码后的像素残差，对该第一像素点对应的熵编码后的像素残差进行熵解码。
具体地，可以对至少一个该第二像素点对应的熵编码后的像素残差进行能量或熵估计，以得到估计值；利用该估计值，对该第一像素点对应熵编码后的像素残差进行熵解码。
例如，可以对多个该第二像素点中的每个该第二像素点对应的熵解码后的像素残差进行能量或熵估计，以得到每个该第二像素点对应的该估计值；利用每个该第二像素点对应的权值和对应的该估计值，进行加权处理；根据该加权处理后得到的值，对该第一像素点对应的熵编码后的像素残差进行熵解码。
可选地，可以根据多个该第二像素点中每个该第二像素点与该第一像素点的位置关系，确定每个该第二像素点对应的权值。
再例如，可以对多个该第二像素点中的每个该第二像素点对应的熵解码后的像素残差进行能量或熵估计，以得到每个该第二像素点对应的该估计值；对该多个第二像素点对应的该估计值进行平均处理；根据该平均处理后得到的值，对该第一像素点对应的熵编码后的像素残差进行熵解码。
可选地，本公开实施例提到的熵编码可以为k阶哥伦布编码，则上述提到的该估计值可以为哥伦布编码的阶数；则可以利用该哥伦布编码的阶数，对该第一像素点对应的熵编码后的像素残差进行哥伦布解码。
可选地，上述第二像素点可以为与该第一像素点的距离小于等于第一预定距离的像素点，或者可以为与第一像素点距离最近的像素点。
在430中，分别对该多个像素点对应的熵解码后的像素残差进行反量化处理。
在440中，分别对该多个像素点对应的反量化处理后的像素残差进行重建，以得到图像传感器采集的原始图像数据。
可选地，在本公开实施例中，可以确定该第一像素点的参考像素点；利用重建后的该参考像素点的像素，以及该第一像素点对应的反量化处理后的像素残差，重建该第一像素点的像素。
可选地，在本公开实施例中，可以将与该第一像素点的颜色相同且距离小于等于第二预定距离的像素点确定为该参考像素点。
为了更加清楚地理解本公开，以下将结合图7中所述方法500，描述解压缩的整体过程。如图7所示，该方法500包括以下内容。
在510中，可以从编码端或存储器中获取压缩后的数据。
该压缩数据包括多个熵编码后的像素点，以下以像素点a为例进行说明。
在520中，对像素点a对应的熵编码后的像素残差进行熵解码，可选地，对像素点进行熵解码所用的估计值可以是对其他像素点对应的熵解码后的像素残差进行能量或熵估计得到的估计值。
像素点a对应的熵解码后的像素残差可以分别进行530和540中所示的处理。
在530中，可以对像素点a对应的熵解码后的像素残差进行能量或熵估计，将得到的估计值进行存储，用于其他像素点的熵解码。
在540中，对像素点a对应的熵解码后的像素残差进行反量化处理。
在550中，对像素点a对应的反量化处理后的像素残差进行重建，其中，可以利用参考像素点重建后的像素，对该像素点a进行重建，其中，像素点a重建后的像素可以进行存储，用于其他像素点的重建，以及后续可以进行其他处理，例如影片制作所需的处理。
因此，在本公开实施例中，对原始图像数据进行编码处理的图像数据进行解码处理，可以恢复出原始图像数据，可以降低图像失真率，并且通过对各个像素点分别进行解码处理，实现简单，可以提高吞吐率，实现成本低。
在上文过程中，我们已经提到在编码过程中，在对第一像素点进行熵编码时，可以利用其他像素点对应像素残差进行熵编码。但是上文在描述中，是在对原始图像数据进行压缩的过程中进行阐述的，但是本公开实施例并不限于此，为了清楚，以下将单独说明，但应理解，图8所示的方法600中特征可以与图2所示方法200或图4所示方法300的特征相互结合使用，为了简洁，在此不再赘述。
图8是根据本公开实施例的图像处理方法600的示意性流程图。如图7所示，该方法600可以包括以下内容。
在610中，获取图像数据，该图像数据包括第一像素点和至少一个不同于该第一像素点的第二像素点。
可选地，在本公开实施例中，该第一像素点以及该第二像素点为对图像传感器采集的原始图像数据进行去马赛克处理后的像素点。但应理解，本公开实施例并不限于此，例如，该第一像素点和第二像素点还可以是经过其他处理后的数据。例如，可以经过yuv格式转换后的像素点，其中，y为明亮度(luminance，"u"和"v"表示的则是色度和浓度(chrominance或chroma)。
在620中，确定该第一像素点对应的像素残差。
在630中，对该第一像素点对应的像素残差进行量化处理。
在640中，根据至少一个该第二像素点对应的量化处理后的像素残差，对该第一像素点对应的量化处理后的像素残差进行熵编码。
可选地，可以对该至少一个第二像素点对应的量化处理后的像素残差进行能量或熵估计，以得到估计值；利用该估计值，对该第一像素点对应的量化处理后的像素残差进行熵编码。
可选地，可以对多个该第二像素点中每个该第二像素点对应的量化处理后的像素残差进行能量或熵估计，以得到每个该第二像素点对应的该估计值；利用每个该第二像素点对应的权值和对应的该估计值，进行加权处理；根据该加权处理后得到的值，对该第一像素点对应的量化处理后的像素残差进行熵编码。
可选地，在本公开实施例中，根据多个该第二像素点中每个该第二像素点与该第一像素点的位置关系，确定每个该第二像素点对应的权值。
可选地，在本公开实施例中，该估计值为哥伦布编码的阶数；利用该哥伦布编码的阶数，对该第一像素点对应的量化处理后的像素残差进行哥伦布编码。
可选地，在本公开实施例中，该第二像素点与该第一像素点的距离小于等于预定距离。
因此，在本公开实施例中，利用至少一个第二像素点对应的量化处理后的像素残差，对第一像素点量化处理后的像素残差进行熵编码，可以实现在解码端，利用至少一个第二像素点熵解码后得到的像素残差，对第一像素点对应的像素残差进行熵解码，可以避免传送对第一像素点进行熵解码所需的信息，例如，假设熵编码为k阶哥伦布编码，则无需传送该阶数k，则可以提高压缩比。
图9是根据本公开实施例的图像处理方法700的示意性流程图。如图9，该方法700包括以下内容。
在710中，获取压缩后的图像数据，该图像数据包括第一像素点对应的熵编码后的像素残差和至少一个不同于该第一像素点的第二像素点对应的熵编码后的像素残差。
在720中，对至少一个该第二像素点对应的熵编码后的像素残差进行熵解码。
在730中，根据至少一个该第二像素点对应的熵解码后的像素残差，对该第一像素点对应的熵编码后的像素残差进行熵解码。
可选地，在本公开实施例中，对该至少一个第二像素点对应的熵解码后的像素残差进行能量或熵估计，以得到估计值；利用该估计值，对该第一像素点对应的熵编码后的像素残差进行熵解码。
具体地，对多个该第二像素点中每个该第二像素点对应的熵解码后的像素残差进行能量或熵估计，以得到每个该第二像素点对应的该估计值；利用每个该第二像素点对应的权值和对应的该估计值，进行加权处理；根据该加权处理后得到的值，对该第一像素点对应的熵编码后的像素残差进行熵解码。
可选地，根据多个该第二像素点中每个该第二像素点与该第一像素点的位置关系，确定每个该第二像素点对应的权值。
可选地，该估计值为哥伦布编码的阶数；利用该哥伦布编码的阶数，对该第一像素点对应的熵编码后的像素残差进行哥伦布解码。
可选地，该第二像素点与该第一像素点的距离小于等于预定距离。
在740中，对该第一像素点对应的熵解码后的像素残差进行反量化处理。
在750中，对该第一像素点对应的反量化处理后的像素残差进行重建处理，以得到重建后的该第一像素点。
同样的，图9所示的方法700中特征可以与方法400或方法500特征相互结合使用，为了简洁，在此不再赘述。
因此，在本公开实施例中，利用至少一个第二像素点对应的量化处理后的像素残差，对第一像素点量化处理后的像素残差进行熵编码，可以实现在解码端，利用至少一个第二像素点熵解码后得到的像素残差，对第一像素点对应的像素残差进行熵解码，可以避免传送对第一像素点进行熵解码所需的信息，例如，假设熵编码为k阶哥伦布编码，则无需传送该阶数k，则可以提高压缩比。
以上描述了根据本公开实施例的图像处理方法，以下将描述根据本公开实施例的图像处理设备或系统等。但应理解，以下描述的图像处理设备或系统可以实现以上的图像处理方法，为了避免赘述，以下将简洁描述。
图10是根据本公开实施例的图像处理系统800的示意性框图。如图10所示，该系统800包括获取模块810、确定模块820、量化模块830和熵编码模块840。
其中，获取模块810，用于获取图像传感器采集的原始图像数据；确定模块820，用于分别确定该原始图像数据包括的多个像素点对应的像素残差；量化模块830，用于分别对该多个像素点对应的像素残差进行量化处理；熵编码模块840，用于分别对该多个像素点对应的量化处理后的像素残差进行熵编码，以获取第一压缩数据。
可选地，该多个像素点包括第一像素点，该熵编码模块840进一步用于：
根据至少一个不同于该第一像素点的第二像素点对应的量化处理后的像素残差，对该第一像素点对应的量化处理后的像素残差进行熵编码。
可选地，该熵编码模块840进一步用于：
对至少一个该第二像素点对应的量化处理后的像素残差进行能量或熵估计，以得到估计值；
利用该估计值，对该第一像素点对应的量化处理后的像素残差进行熵编码。
可选地，该熵编码模块840进一步用于：
对多个该第二像素点中的每个该第二像素点对应的量化处理后的像素残差进行能量或熵估计，以得到每个该第二像素点对应的该估计值；
利用每个该第二像素点对应的权值和对应的该估计值，进行加权处理；
根据该加权处理后得到的值，对该第一像素点量化处理后的像素残差进行熵编码。
可选地，该熵编码模块840进一步用于：
根据多个该第二像素点中每个该第二像素点与该第一像素点的位置关系，确定每个该第二像素点对应的权值。
可选地该估计值为哥伦布编码的阶数；该熵编码模块840进一步用于：
利用该哥伦布编码的阶数，对该第一像素点对应的量化处理后的像素残差进行哥伦布编码。
可选地，该第二像素点与该第一像素点的距离小于等于第一预定距离。
可选地，该多个像素点具有相同颜色，该熵编码模块840进一步用于：
确定该当前待处理像素块对应的像素残差；
对该待处理像素块对应的像素残差进行变换和量化处理，得到变换和量化处理的残差；
对该变换和量化处理的残差，进行熵编码，以获取第二压缩数据。
可选地，如图11所示，获取模块810、确定模块820、量化模块830和熵编码模块840，该系统800还包括比较模块850，以及包括存储模块860和发送模块870中的至少一种：
该比较模块850用于根据该第一压缩数据的码流大小和该第二压缩数据的码流大小，和/或，该第一压缩数据的失真率和该第二压缩数据的失真率，确定该第一压缩数据或该第二压缩数据为输出压缩数据；
该存储模块850用于存储该输出压缩数据；
该发送模块860用于发送该输出压缩数据。
可选地，该多个像素点包括第一像素点，该确定模块820进一步用于：
确定该第一像素点的参考像素点；
利用对该参考像素点对应的像素残差进行量化处理、反量化处理以及重建处理后得到的像素，以及该第一像素点的像素，确定该第一像素点对应的像素残差。
可选地，该确定模块820进一步用于：
将与该第一像素点的颜色相同且距离小于等于第二预定距离的像素点确定为该参考像素点。
可选地，如图11所示，该图像处理系统800还包括图像传感器880。可选地，该图像传感器用于采集原始图像数据。
可选地，该图像处理系统800设置于无人飞行器中。
应理解，该图像处理系统可以执行图像处理方法200和方法300及其各种可选实施例，为了简洁，在此不再赘述。
图12是根据本公开实施例的图像处理系统900的示意性框图。如图11所示，该图像处理系统900包括获取模块910、确定模块920、量化模块930和熵编码模块940。
可选地，获取模块910用于：获取图像数据，该图像数据包括第一像素点和至少一个不同于该第一像素点的第二像素点；确定模块920用于：确定该第一像素点对应的像素残差；量化模块930用于：对该第一像素点对应的像素残差进行量化处理；熵编码模块940用于：根据至少一个该第二像素点对应的量化处理后的像素残差，对该第一像素点对应的量化处理后的像素残差进行熵编码。
可选地，熵编码模块940进一步用于：
对该至少一个第二像素点对应的量化处理后的像素残差进行能量或熵估计，以得到估计值；
利用该估计值，对该第一像素点对应的量化处理后的像素残差进行熵编码。
可选地，熵编码模块940进一步用于：
对多个该第二像素点中每个该第二像素点对应的量化处理后的像素残差进行能量或熵估计，以得到每个该第二像素点对应的该估计值；
该利用该估计值，对该第一像素点对应的量化处理后的像素残差进行熵编码，包括：
利用每个该第二像素点对应的权值和对应的该估计值，进行加权处理；
根据该加权处理后得到的值，对该第一像素点对应的量化处理后的像素残差进行熵编码。
可选地，熵编码模块940进一步用于：
根据多个该第二像素点中每个该第二像素点与该第一像素点的位置关系，确定每个该第二像素点对应的权值。
可选地，该估计值为哥伦布编码的阶数；熵编码模块940进一步用于：
利用该哥伦布编码的阶数，对该第一像素点对应的量化处理后的像素残差进行哥伦布编码。
可选地，该第二像素点与该第一像素点的距离小于等于预定距离。
可选地，重建后的该第一像素点为已进行去马赛克处理的像素点。
可选地，如图13所示，除了获取模块910、确定模块920、量化模块930和熵编码模块940，该图像处理系统900还包括图像传感器950。
可选地，该系统900还可以包括存储模块和发送模块中的至少一种，用于存储或发送熵编码后的像素点。
可选地，该图像处理系统900设置于无人飞行器中。
可选地，该系统900可以实现方法600中各种可选实施例，为了简洁，在此不再赘述。
图14是根据本公开实施例的图像处理设备1000的示意性框图。如图14所示，该图像处理设备1010包括至少一个处理器1010。
可选地，至少一个处理器1010，单独地或共同地用于：获取图像传感器采集的原始图像数据；分别确定所该原始图像数据包括的多个像素点对应的像素残差；分别对该多个像素点对应的像素残差进行量化处理；分别对该多个像素点对应的量化处理后的像素残差进行熵编码，以获取第一压缩数据。
可选地，该至少一个处理器1010用于：
根据至少一个不同于第一像素点的第二像素点对应的量化处理后的像素残差，对该第一像素点对应的量化处理后的像素残差进行熵编码。
可选地，该至少一个处理器1010用于：
对至少一个该第二像素点对应的量化处理后的像素残差进行能量或熵估计，以得到估计值；
利用该估计值，对该第一像素点对应的量化处理后的像素残差进行熵编码。
可选地，该至少一个处理器1010用于：
对多个该第二像素点中每个该第二像素点对应的量化处理后的像素残差进行能量或熵估计，以得到每个该第二像素点对应的该估计值；
利用每个该第二像素点对应的权值和对应的该估计值，进行加权处理；
根据该加权处理后得到的值，对该第一像素点量化处理后的像素残差进行熵编码。
可选地，该至少一个处理器1010用于：
根据多个该第二像素点中每个该第二像素点与该第一像素点的位置关系，确定每个该第二像素点对应的权值。
可选地，该估计值为哥伦布编码的阶数；该至少一个处理器1100用于：
利用该哥伦布编码的阶数，对该第一像素点对应的量化处理后的像素残差进行哥伦布编码。
可选地，该第二像素点与该第一像素点的距离小于等于第一预定距离。
可选地，该多个像素点具有相同颜色，且属于当前待处理像素块，该至少一个处理器1010单独地或共同地用于：
确定该当前待处理像素块对应的像素残差；
对该待处理像素块对应的像素残差进行变换和量化处理，得到变换和量化处理的残差；
对该变换和量化处理的残差，进行熵编码，以获取第二压缩数据。
可选地，该至少一个处理器1010用于：
根据该第一压缩数据的码流大小和该第二压缩数据的码流大小，和/或，该第一压缩数据的失真率和该第二压缩数据的失真率，确定该第一压缩数据或该第二压缩数据为输出压缩数据。
可选地，如图15所示，该图像处理设备还包括存储器1020和发送器1030中的至少一个，该存储器用于存储该输出压缩数据，并且该发送器用于发送该输出压缩数据。
可选地，该至少一个处理器1010用于：
确定该第一像素点的参考像素点；
利用对该参考像素点对应的像素残差进行量化处理、反量化处理以及重建处理后得到的像素，以及该第一像素点的像素，确定该第一像素点对应的像素残差。
可选地，该至少一个处理器1010用于：
将与该第一像素点的颜色相同且距离小于等于第二预定距离的像素点确定为该参考像素点。
可选地，该图像处理设备1000设置于无人飞行器上。
应理解，该图像处理设备可以执行图像处理方法200和方法300及其各种可选实施例，为了简洁，在此不再赘述。
图16是根据本公开实施例的图像处理系统1100的示意性框图。如图16所示，该图像处理系统1100包括采集原始图像数据的图像传感器1110和图像处理设备1120，其中，该图像处理设备1120可以对应于图像处理设备1000，可以实现该图像处理设备1000的相应功能，为了简洁，在此不再赘述。
图17是根据本公开实施例的图像处理设备1200的示意性框图。如图17所示，该图像处理设备包括至少一个处理器1210。
可选地，至少一个处理器1210，单独地或共同地用于：
获取图像数据，该图像数据包括第一像素点和至少一个不同于该第一像素点的第二像素点；
确定该第一像素点对应的像素残差；
对该第一像素点对应的像素残差进行量化处理；
根据至少一个该第二像素点对应的量化处理后的像素残差，对该第一像素点对应的量化处理后的像素残差进行熵编码。
可选地，该至少一个处理器1210用于：
对该至少一个第二像素点对应的量化处理后的像素残差进行能量或熵估计，以得到估计值；
利用该估计值，对该第一像素点对应的量化处理后的像素残差进行熵编码。
可选地，该至少一个处理器1210用于：
对多个该第一像素点中每个该第一像素点对应的量化处理后的像素残差进行能量或熵估计，以得到每个该第二像素点对应的该估计值；
利用每个该第二像素点对应的权值和对应的该估计值，进行加权处理；
根据该加权处理后得到的值，对该第一像素点对应的量化处理后的像素残差进行熵编码。
可选地，该至少一个处理器1210用于：
根据多个该第二像素点中每个该第二像素点与该第一像素点的位置关系，确定每个该第二像素点对应的权值。
可选地，该估计值为哥伦布编码的阶数；该至少一个处理器1210用于：
利用该哥伦布编码的阶数，对该第一像素点量化处理后的像素残差进行哥伦布编码。
可选地，该第二像素点与该第一像素点的距离小于等于预定距离。
可选地，重建后的该第一像素点为已进行去马赛克处理的像素点。
可选地，该图像处理设备1200设置于无人飞行器上。
可选地，该图像处理设备1200还可以包括存储器和发送器中的至少一种，用于存储或发送熵编码后的像素点。
应理解，该图像处理设备可以执行图像处理方法600及其各种可选实施例，为了简洁，在此不再赘述。
图18是根据本公开实施例的图像处理系统1300的示意性框图。如图18所示，该图像处理系统1300包括采集原始图像数据的图像传感器1310和图像处理设备1320，其中，该图像处理设备1320可以对应于图像处理设备1200，可以实现该图像处理设备1200的相应功能，为了简洁，在此不再赘述。
图19是根据本公开实施例的图像处理系统1400的示意性框图。如图19所示，该图像处理系统1400包括获取模块1410、熵解码模块1420、反量化模块1430和重建模块1440。
可选地，获取模块1410，用于获取压缩后的图像数据，该图像数据包括多个像素点对应的熵编码后的像素残差；
熵解码模块1420，用于分别对该多个像素点对应的熵编码后的像素残差进行熵解码；
反量化模块1430，用于分别对该多个像素点对应的熵解码后的像素残差进行反量化处理；
重建模块1440，用于分别对该多个像素点对应的反量化处理后的像素残差进行重建，以得到图像传感器采集的原始图像数据。
可选地，该熵解码模块1420进一步用于：
根据至少一个不同于该第一像素点的第二像素点对应的熵解码后的像素残差，对该第一像素点对应的熵编码后的像素残差进行熵解码。
可选地，该熵解码模块1420进一步用于：
对至少一个该第二像素点对应的熵解码后的像素残差进行能量或熵估计，以得到估计值；
利用该估计值，对该第一像素点对应熵编码后的像素残差进行熵解码。
可选地，该熵解码模块1420进一步用于：
对多个该第二像素点中的每个该第二像素点对应的熵解码后的像素残差进行能量或熵估计，以得到每个该第二像素点对应的该估计值；
利用每个该第二像素点对应的权值和对应的该估计值，进行加权处理；
根据该加权处理后得到的值，对该第一像素点对应的熵编码后的像素残差进行熵解码。
可选地，该熵解码模块1420进一步用于：
根据多个该第二像素点中每个该第二像素点与该第一像素点的位置关系，确定每个该第二像素点对应的权值。
可选地，该估计值为哥伦布编码的阶数；
该熵解码模块1420进一步用于：
利用该哥伦布编码的阶数，对该第一像素点对应的熵编码后的像素残差进行哥伦布解码。
可选地，该第二像素点与该第一像素点的距离小于等于第一预定距离。
可选地，该多个像素点包括第一像素点，该重建模块1440进一步用于：
确定该第一像素点的参考像素点；
利用重建后的该参考像素点的像素，以及该第一像素点对应的反量化后的像素残差，重建该第一像素点对应的像素。
可选地，该重建模块1440进一步用于：
将与该第一像素点的颜色相同且距离小于等于第二预定距离的像素点确定为该参考像素点。
可选地，该图像处理系统1400还可以包括接收模块，用于接收编码端发送的压缩后的图像数据。
应理解，该图像处理系统可以执行方法400和500及其各种可选实施例，为了简洁，在此不再赘述。
可选地，在本公开实施例中，提供一种系统，该系统包括图像处理系统1400、以及包括存储设备和编辑器中的至少一种，该存储设备可以存储用于图像处理数据处理的熵编码后的数据，该数据数据编辑器用于对解码后的数据进行编辑。
图20是根据本公开实施例的图像处理系统1500的示意性框图。如图20所示，该图像处理系统1500包括获取模块1510、熵解码模块1520、反量化模块1530和重建模块1540。
其中，获取模块1510用于：获取压缩后的图像数据，该图像数据包括第一像素点对应的熵编码后的像素残差和至少一个不同于该第一像素点的第二像素点对应的熵编码后的像素残差；熵解码模块1520用于：对至少一个该第二像素点对应的熵编码后的像素残差进行熵解码；根据至少一个该第二像素点对应的熵解码后的像素残差，对该第一像素点对应的熵编码后的像素残差进行熵解码；反量化模块1530用于：对该第一像素点对应的熵解码后的像素残差进行反量化处理；重建模块1540用于：对该第一像素点对应的反量化处理后的像素残差进行重建处理，以得到重建后的该第一像素点。
可选地，该熵解码模块1520进一步用于：
对该至少一个第二像素点对应的熵解码后的像素残差进行能量或熵估计，以得到估计值；
利用该估计值，对该第一像素点对应的熵编码后的像素残差进行熵解码。
可选地，该熵解码模块1520进一步用于：
对多个该第二像素点中每个该第二像素点对应的熵解码后的像素残差进行能量或熵估计，以得到每个该第二像素点对应的该估计值；
利用每个该第二像素点对应的权值和对应的该估计值，进行加权处理；
根据该加权处理后得到的值，对该第一像素点对应的熵编码后的像素残差进行熵解码。
可选地，该熵解码模块1520进一步用于：
根据多个该第二像素点中每个该第二像素点与该第一像素点的位置关系，确定每个该第二像素点对应的权值。
可选地，该估计值为哥伦布编码的阶数；
该熵解码模块1520进一步用于：
利用该哥伦布编码的阶数，对该第一像素点对应的熵编码后的像素残差进行哥伦布解码。
可选地，该第二像素点与该第一像素点的距离小于等于预定距离。
可选地，重建后的该第一像素点为已进行去马赛克处理的像素点。
可选地，该图像处理系统1500还可以包括接收模块，用于接收编码端发送的压缩后的图像数据。
应理解，该图像处理系统1500可以执行方法700及其各种可选实施例的相应流程，为了简洁，在此不再赘述。
可选地，在本公开实施例中，提供一种系统，该系统包括图像处理系统1500、以及包括存储设备和编辑器中的至少一种，该存储设备可以存储用于图像处理数据处理的熵编码后的数据，该数据数据编辑器用于对解码后的数据进行编辑。
图21是根据本公开实施例的图像处理设备1600的示意性框图。如图20所示，该设备1600包括至少一个处理器1610。
可选地，至少一个处理器1610，单独地或共同地用于：
获取压缩后的图像数据，该图像数据包括多个像素点对应的熵编码后的像素残差；
分别对该多个像素点对应的熵编码后的像素残差进行熵解码；
分别对该多个像素点对应的熵解码后的像素残差进行反量化处理；
分别对该多个像素点对应的反量化处理后的像素残差进行重建，以得到图像传感器采集的原始图像数据。
可选地，该多个像素点包括第一像素点，该至少一个处理器1610用于：
根据至少一个不同于该第一像素点的第二像素点对应的熵解码后的像素残差，对该第一像素点对应的熵编码后的像素残差进行熵解码。
可选地，该至少一个处理器1610用于：
对至少一个该第二像素点对应的熵解码后的像素残差进行能量或熵估计，以得到估计值；
利用该估计值，对该第一像素点对应熵编码后的像素残差进行熵解码。
可选地，该至少一个处理器1610用于：
对多个该第二像素点中的每个该第二像素点对应的熵解码后的像素残差进行能量或熵估计，以得到每个该第二像素点对应的该估计值；
利用每个该第二像素点对应的权值和对应的该估计值，进行加权处理；
根据该加权处理后得到的值，对该第一像素点熵编码后的像素残差进行熵解码。
可选地，该至少一个处理器1610用于：
根据多个该第二像素点中每个该第二像素点与该第一像素点的位置关系，确定每个该第二像素点对应的权值。
可选地，该估计值为哥伦布编码的阶数；
该至少一个处理器1610用于：
利用该哥伦布编码的阶数，对该第一像素点对应的熵编码后的像素残差进行哥伦布解码。
可选地，该第二像素点与该第一像素点的距离小于等于第一预定距离。
可选地，该多个像素点包括第一像素点，该至少一个处理器1610用于：
确定该第一像素点的参考像素点；
利用重建后的该参考像素点的像素，以及该第一像素点对应的反量化后的像素残差，重建该第一像素点的像素。
可选地，该至少一个处理器1610用于：
将与该第一像素点的颜色相同且距离小于等于第二预定距离的像素点确定为该参考像素点。
可选地，该图像处理设备1500还可以包括接收器，用于接收编码端发送的压缩后的图像数据。
应理解，该图像处理设备1600可以执行方法400和500及其各种可选实施例，为了简洁，在此不再赘述。
可选地，在本公开实施例中，提供一种系统，该系统包括图像处理设备1600、以及包括存储设备和编辑器中的至少一种，该存储设备可以存储用于图像处理数据处理的熵编码后的数据，该数据数据编辑器用于对解码后的数据进行编辑。
图22是根据本公开实施例的图像处理设备1700的示意性框图。如图21所示，该设备1700包括至少一个处理器1710。
可选地，至少一个处理器1710，单独地或共同地用于：
获取压缩后的图像数据，该图像数据包括第一像素点对应的熵编码后的像素残差和至少一个不同于该第一像素点的第二像素点对应的熵编码后的像素残差；
对至少一个该第二像素点对应的熵编码后的像素残差进行熵解码；
根据至少一个该第二像素点对应的熵解码后的像素残差，对该第一像素点对应的熵编码后的像素残差进行熵解码；
对该第一像素点对应的熵解码后的像素残差进行反量化处理；
对该第一像素点对应的反量化处理后的像素残差进行重建处理，以得到重建后的该第一像素点。
可选地，该至少一个处理器1710用于：
对该至少一个第二像素点对应的熵解码后的像素残差进行能量或熵估计，以得到估计值；
利用该估计值，对该第一像素点对应的熵编码后的像素残差进行熵解码。
可选地，该至少一个处理器1710用于：
对多个该第二像素点中每个该第二像素点对应的熵解码后的像素残差进行能量或熵估计，以得到每个该第二像素点对应的该估计值；
利用每个该第二像素点对应的权值和对应的该估计值，进行加权处理；
根据该加权处理后得到的值，对该第一像素点对应的熵编码后的像素残差进行熵解码。
可选地，该至少一个处理器1710用于：
根据多个该第二像素点中每个该第二像素点与该第一像素点的位置关系，确定每个该第二像素点对应的权值。
可选地，该估计值为哥伦布编码的阶数；
该至少一个处理器1710用于：
利用该哥伦布编码的阶数，对该第一像素点对应的熵编码后的像素残差进行哥伦布解码。
可选地，该第二像素点与该第一像素点的距离小于等于预定距离。
可选地，重建后的该第一像素点为已进行去马赛克处理的像素点。
可选地，该图像处理设备1700还可以包括接收器，用于接收编码端发送的压缩后的图像数据。
应理解，该图像处理系统1700可以执行方法700及其各种可选实施例的相应流程，为了简洁，在此不再赘述。
可选地，在本公开实施例中，提供一种系统，该系统包括图像处理设备1700、以及包括存储设备和编辑器中的至少一种，该存储设备可以存储用于图像处理数据处理的熵编码后的数据，该数据数据编辑器用于对解码后的数据进行编辑。
可选地，在本公开实施例中，图像传感器也可称为感光元件，是一种将光学图像转换成电子信号的装置。
可选地，本公开实施例中的图像处理设备可以是数字信号处理(digitalsignalprocess，dsp)芯片。
可选地，本公开实施例中的处理器可以是中央处理器(centralprocessingunit，简称为“cpu”)，网络处理器(networkprocessor，简称为“np”)或者cpu和np的组合。处理器还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(application-specificintegratedcircuit，简称为“asic”)，可编程逻辑器件(programmablelogicdevice，简称为“pld”)或其组合。上述pld可以是复杂可编程逻辑器件(complexprogrammablelogicdevice，简称为“cpld”)，现场可编程逻辑门阵列(field-programmablegatearray，简称为“fpga”)，通用阵列逻辑(genericarraylogic,简称为“gal”)或其任意组合。
本公开的实施例可以应用于各种类型的uav(unmannedaerialvehicle，无人飞行器)。例如，uav可以是小型的uav。在某些实施例中，uav可以是旋翼飞行器(rotorcraft)，例如，由多个推动装置通过空气推动的多旋翼飞行器，本公开的实施例并不限于此，uav也可以是其它类型的uav或可移动装置。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。
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。
在本公开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，在本公开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。
所述功能如果以软件50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，本公开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)执行本公开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。
以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应所述以权利要求的保护范围为准。
- 还没有人留言评论。精彩留言会获得点赞！