视频编码方法、设备以及视频解码方法、设备与流程

本发明涉及一种压缩技术领域，特别涉及一种视频编码方法、设备以及视频解码方法、设备。

背景技术：

随着视频技术的发展，各种视频编码标准已经被开发出来，以减少视频传输所需的比特率或存储所需的容量。举例来说，mpeg-2、mpeg-4和avc/h.264已经被广泛用于各种应用中。近来，在较新的视频压缩格式(例如，vp8，vp9和新兴的高效视频编码(highefficiencyvideocoding，简写为hevc)标准)中的编码效率被显著提高。

视频图像之所以能被压缩编码，是因为图像数据中存在着冗余。图像数据的冗余主要表现为：图像中相邻像素间的相关性引起的空间冗余；图像序列中不同帧之间存在相关性引起的时间冗余；不同彩色平面或频谱带的相关性引起的频谱冗余。压缩编码的目的就是通过去除这些数据冗余来减少表示图像数据所需的比特数。

视频图像的压缩编码技术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。随着视频图像数据的不断增加，如何针对图像特征在众多编码方法中选择一种最优方法从而提高压缩编码的效率成为亟待解决的问题。

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，本发明提出一种视频编码方法、设备以及视频解码方法、设备。

具体地，本发明一个实施例提出的一种视频编码方法，包括：

接收当前图像帧中的当前编码单元的多个输入像素分量；其中，所述当前图像帧被分为多个所述编码单元；

在自定义编码模式群中为所述当前编码单元选择一个最优编码模式；

根据所述最优编码模式对所述当前编码单元中的每个像素分量进行编码。

在本发明的一个实施例中，在自定义编码模式群中为所述当前编码单元选择一个最优编码模式，包括：

确定所述当前编码单元的纹理复杂度；

根据所述纹理复杂度在自定义编码模式群中选择一个编码模式作为所述当前编码单元最优编码模式。

在本发明的一个实施例中，根据所述最优编码模式对所述当前编码单元中的每个像素分量进行编码之后，还包括：

将所述当前编码单元中的每个像素分量的编码结果以及所述当前编码单元对应的所述最优编码模式标志信息传输至码流中

在本发明的另一个实施例提出的一种视频编码设备，包括：

接收器，用于接收当前图像帧中的当前编码单元的多个输入像素分量；其中，所述当前图像帧被分为多个所述编码单元；

选择器，用于在自定义编码模式群中为所述当前编码单元选择一个最优编码模式；

编码器，用于根据所述最优编码模式对所述当前编码单元中的每个像素分量进行编码。

在本发明的一个实施例中，所述选择器具体用于确定所述当前编码单元的纹理复杂度，根据所述纹理复杂度在自定义编码模式群中选择一个编码模式作为所述当前编码单元最优编码模式。

在本发明的一个实施例中，还包括传输器，用于将所述当前编码单元中的每个像素分量的编码结果以及所述当前编码单元对应的所述最优编码模式标志信息传输至码流中。

在本发明的又一个实施例提出的一种视频解码方法，包括：

接收传输码流；其中所述传输码流中包括当前编码单元中的每个像素分量的编码结果以及所述当前编码单元对应的最优编码模式标志信息；

根据所述当前编码单元中的每个像素分量的编码结果以及所述当前编码单元对应的最优编码模式标志信息解码出所述当前编码单元中的每个像素分量以及所述当前编码单元对应的最优编码模式。

在本发明的再一个实施例提出的一种视频解码设备，包括：

接收器，用于接收传输码流；其中所述传输码流中包括当前编码单元中的每个像素分量的编码结果以及所述当前编码单元对应的最优编码模式标志信息；

解码器，用于根据所述当前编码单元中的每个像素分量的编码结果以及所述当前编码单元对应的最优编码模式标志信息解码出所述当前编码单元中的每个像素分量以及所述当前编码单元对应的最优编码模式。

基于此，本发明具备如下优点：

本发明在众多编码方式中选取一种最优编码方式，利用该最优编码方式对编码单元进行编码。该编码方法无需轮询每种方式，减少了大量的计算量，进一步提高视频图像的编码压缩率。

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为本发明实施例提供的一种视频编码方法流程示意图；

图2为本发明实施例提供的一种当前像素分量与周围像素分量的位置示意图；

图3为本发明实施例提供的一种梯度值计算示意图；

图4为本发明实施例提供的一种采样方式示意图；

图5为本发明实施例提供的一种非采样点预测方式示意图；

图6为本发明实施例提供的一种待预测编码单元四叉树分割方式示意图；

图7为本发明实施例提供的另一种待预测编码单元四叉树分割方式示意图；

图8为本发明实施例提供的一种待预测编码单元四叉树分割方式示意图；

图9为本发明实施例提供的一种视频编码设备示意图。

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为本发明实施例提供的一种视频编码方法流程示意图；本实施例对本发明提供的一种视频编码方法进行详细描述，该方法包括如下步骤：

步骤1、接收当前图像帧中的当前编码单元的多个输入像素分量；其中，所述当前图像帧被分为多个所述编码单元；

视频即为连续的图像帧序列。视频编码技术通常将图像帧切割成多个编码单元(codingunit,cu)进行后续处理。每个编码单元包括多个像素分量。

步骤2、在自定义编码模式群中为所述当前编码单元选择一个最优编码模式；

自定义编码模式群中包括多个编码模式，是多个编码模式的集合，其中，每个编码模式可以由用户预先设定。进一步地，本实施例提供三种编码模式，自定义编码模式群中的编码模式不限于此三种。具体地，本实施例提供的三种编码模式分别为基于多像素分量预测的编码模式、基于自适应预测的编码模式和基于分割预测的编码模式。

通过计算当前编码单元的梯度值确定当前编码单元的纹理复杂度，进一步地，当前编码单元的梯度值(grad)计算公式如下所示：

i为当前编码单元中的行像素分量的位置标识，j为当前编码单元中的列像素分量的位置标识，p表示当前编码单元中的像素分量值，abs表示绝对值运算，m*n表示当前编码单元中的像素分量数量。当i的取值为0时，即代表行位置标识为0的像素分量，即第一行像素分量，此时，设定pi-1，j的取值为p0j，同理，当j的取值为0时，即代表列位置标识为0的像素分量，即第一列像素分量，此时，设定pi，j-1的取值为pi，0。

获取当前编码单元中像素分量的深度，根据像素分量的深度可以得出当前编码单元的梯度值范围。例如像素分量的深度为8，像素分量的像素值范围为0～2⁸-1，即0～255，则当前编码单元的梯度值范围为0～255。设计梯度分级，将梯度分为t个级别，可以得出每个级别的跨度范围。优选地，梯度分级可以进行平均分级也可以根据需求进行非平均分级。梯度值的大小与图像纹理信息相关，梯度值越大，当前编码单元的纹理信息越复杂，梯度值越小，当前编码单元的纹理信息越简单。因此，每个级别对应一种纹理复杂度。根据纹理复杂度，可以选取针对当前编码单元的最优编码模式。

优选地，设置阈值k1和k2，k1和k2的值可以提前设定。0～k1梯度范围为第一级别，k1～k2梯度范围为第二级别，k2～2^dep-1梯度范围为第三级别，其中，dep为像素分量的深度。进一地，第一级别对应初级纹理复杂度，第二级别对应中级纹理复杂度，第三级别对应高级纹理复杂度。根据纹理复杂度，以及本实施例提出的三种编码模式，可以得出当前编码单元的梯度值落入第一级别时，可以选取适应于初级纹理复杂度的基于分割预测的编码模式，当前编码单元的梯度值落入第二级别时，可以选取适应于中级纹理复杂度的基于自适应预测的编码模式，当前编码单元的梯度值落入第三级别时，可以选取适应于高级纹理复杂度的基于多像素分量预测的编码模式。

步骤3、根据所述最优编码模式对所述当前编码单元中的每个像素分量进行编码；

例如若最优编码模式为基于多像素分量预测的编码模式，则利用基于多像素分量预测的编码模式对当前编码单元中的每个像素分量进行预测获取每个像素分量的预测残差，将预测残差进行编码；

同理若最优编码模式为基于自适应预测的编码模式，则利用基于自适应预测的编码模式对当前编码单元中的每个像素分量进行预测获取每个像素分量的预测残差，将预测残差进行编码；

同理若最优编码模式为基于分割预测的编码模式，则利用基于分割预测的编码模式对当前编码单元中的每个像素分量进行预测获取每个像素分量的预测残差，将预测残差进行编码。

步骤4、将所述当前编码单元中的每个像素分量的编码结果以及所述当前编码单元对应的所述最优编码模式标志信息传输至码流中。

本实施例通过在自定义编码模式群中选取一种编码模式作为当前编码单元的最优编码模式进行编码。该编码方法无需轮询自定义编码模式群中每种编码模式，减少了大量的计算，进一步提高视频图像的编码压缩率。

实施例二

本实施例在上述实施例的基础上，对本发明提出的基于多像素分量预测的编码模式进行详细描述。该模式包括如下内容：

设定当前像素的有3个像素分量，分别为像素分量1(r像素分量)、像素分量2(g像素分量)和像素分量3(b像素分量)；

对于当前编码单元的每个像素分量，通过该像素分量的周围像素分量，确定每个像素分量的n个纹理方向梯度值g1～gn；

优选地，所述临近像素像素分量与所述当前像素紧邻，或者，所述临近像素分量与所述当前像素分量间隔设定的像素分量单元。如图2所示，图2为本发明实施例提供的一种当前像素分量与周围像素分量的位置示意图；cur代表当前像素分量，那么，临近像素分量可以为ghik(与cur紧邻)，也可以为abcdefj(与cur间隔有设定的像素分量单元)。

将每个像素分量的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，可以相同也可以不同；bg1为像素分量1(r像素分量)的第一加权梯度值，bg2为像素分量2(g像素分量)的第一加权梯度值，bg3为像素分量3(b像素分量)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，可以得到每个像素分量的第一加权梯度值的最优值bgbst。

将r像素分量、g像素分量和b像素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，可以相同也可以不同；bgbst1为r像素分量的第一加权梯度值的最优值，bgbst2为g像素分量的第一加权梯度值的最优值，bgbst3为b像素分量的第一加权梯度值的最优值，bg"1为r像素分量的第二加权梯度值，bg"2为g像素分量的第二加权梯度值，bg"3为b像素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，根据每个像素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获得每个像素分量的第二加权梯度值的最优值bg"bst。

优选地，当前像素分量下的第一加权梯度值的最优值bgbst加权系数值最大，与当前像素分量距离逐渐增加的其它像素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的方向即为当前像素分量的参考方向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用于配置多个像素像素分量之间的权重大小。

将每个像素分量的参考方向上所有可用的像素分量的像素值进行加权，得到每个像素分量的参考值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，可以相同也可以不同；cpt1～cptn为每个像素分量的参考方向上n个可用的像素分量的像素值；ref1为r像素分量的参考值，ref2为g像素分量的参考值，ref3为b像素分量的参考值。

将当前像素分量像素值减去参考值，可以得到当前像素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像素分量的像素值，curcpt2为g像素分量的像素值，curcpt3为b像素分量的像素值；dif1为r像素分量的预测残差，dif2为g像素分量的预测残差，dif3为b像素分量的预测残差。

在本发明提供的一种实施方式中，以上实施方式中r像素分量、g像素分量和b像素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。

在一个实施例中将当前像素分为r像素分量、g像素分量和b像素分量，具体步骤如下：

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

优选地，对于r像素分量、g像素分量、b像素分量，分别根据图3所示，图3为本发明实施例提供的一种梯度值计算示意图；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像素分量、g像素分量、b像素分量的每一个像素分量，选取两组w1、w2、w3的值，加权3个纹理方向梯度值g1、g2、g3，得到每一个像素分量的两个第一加权梯度值bg，查找每一个像素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个像素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"，设置加权系数t1、t2和t3获得每个像素分量的第二加权梯度值的最优值bg"bst。计算如下：

bg"bstr＝0.5*bgminr+0.3*bgming+0.2*bgminb

bg"bstg＝0.3*bgminr+0.4*bgming+0.3*bgminb

bg"bstb＝0.2*bgminr+0.3*bgming+0.5*bgminb

其中，bg"bstr为r像素分量第二加权梯度值的最优值，bg"bstg为g像素分量第二加权梯度值的最优值，bg"bstb为b像素分量第二加权梯度值的最优值，bgminr为r像素分量第一加权梯度值的最小值，bgming为g像素分量第一加权梯度值的最小值，bgminb为b像素分量第一加权梯度值的最小值。

上式中的系数选取规则为当前像素分量下的第一加权梯度值的最小值bgmin加权系数值最大，与当前像素分量距离逐渐增加的其它像素分量下的第一加权梯度值的最小值bgmin加权系数值逐渐减小，加权系数值的总和为1。

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

将3个像素分量的参考方向上2个像素分量的像素值进行加权，得到3个像素分量的参考值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像素分量的参考值，refg为g像素分量的参考值，refb为b像素分量的参考值，cpt1、cpt2为每个参考方向的像素分量像素值。

优选地，对于任意像素分量，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，像素分量像素值离当前像素越近，配置系数越大。

将当前像素分量的像素值减去参考值，可以得到当前像素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像素分量的像素值，curcptg为g像素分量的像素值，curcptb为b像素分量的像素值；difr为r像素分量的预测残差，difg为g像素分量的预测残差，difb为b像素分量的预测残差。

1、本发明通过对r、g、b三个像素分量的多方向梯度加权和同位置多像素分量的方向加权，可以更加合理的确定当前像素分量的预测方向，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三个像素分量之间和同像素分量相邻多像素间的纹理预测方向，减少单个像素分量预测误判的可能性，最终进一步降低复杂纹理图像的预测理论极限熵。

2、本发明还可以将多像素分量并行处理，更利于实现预测方法的并行化处理。相对于串行像素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。

实施例三

本实施例在上述实施例的基础上，对本发明提出的基于自适应预测的编码模式进行详细描述。该模式包括如下内容：

步骤1、确定当前编码单元的大小

获取当前编码单元的大小，假设当前编码单元的大小为8*2个像素分量，也可以为16*1个像素分量，32*1个像素分量，64*1个像素分量；本实施例以编码单元的大小为16*1个像素分量为例说明，其它不同大小的编码单元同理。当前编码单元中的像素分量按照从0到15的序号从左至右依次排列，每一个序号位置对应一个像素分量。

步骤2、定义采样方式

根据当前编码单元中存在的纹理相关性，当前编码单元中的像素分量距离越近，当前编码单元的纹理渐变的一致性概率越高，反之当前编码单元中的像素分量距离越远，当前编码单元的纹理渐变的一致性概率越低，据此将当前编码单元中的像素分量进行等距离采样，可以选取多种等距离采样方式。

优选地，如图4所示，图4为本发明实施例提供的一种采样方式示意图；本实施例将当前编码单元中的16*1个像素分量进行等距离采样，以全采样、1/2采样、1/4采样、1/8采样和1/16采样五种等距离采样方式举例说明，其它等距离采样方式同理，其中，

全采样是将当前编码单元中序号为0到15对应位置的16个像素分量全部进行采样；

1/2采样是将当前编码单元中序号为0、2、4、6、8、10、12、14、15对应位置的9个像素分量进行采样；

1/4采样是将当前编码单元中序号为0、4、8、12、15对应位置的5个像素分量进行采样；

1/8采样是将当前编码单元中序号为0、8、15对应位置的3个像素分量进行采样；

1/16采样是将当前编码单元中序号为0、15对应位置的2个像素分量进行采样。

步骤3、将步骤2中选取的多种等距离采样方式进行处理获取预测残差。

本实施例以一种等距离采样方式的处理过程为例进行说明，其他种类的等距离采样方式的处理过程相同。具体如下：

步骤31、设当前的等距离采样为1/4采样，将当前编码单元中的采样点与当前编码单元正上方相邻当前编码单元中垂直位置的点进行预测，求得预测残差，即将采样点的像素分量与当前编码单元正上方相邻当前编码单元中垂直位置点的像素分量相减，求得预测残差；

如图5所示，图5为本发明实施例提供的一种非采样点预测方式示意图；将当前编码单元中的非采样点，利用如下公式求得预测残差。

resi＝(sample1-sample0)*(i+1)/(num+1)

其中，simple0和simple1为连续的采样点的像素分量重建值，i为非采样点索引，num为非采样点数量。

进一步地，像素分量重建值可以指的是已压缩编码当前编码单元解码端重建得到的像素分量值。

步骤32、采用步骤31中的等距离采样方式的处理过程获取当前编码单元所有像素分量的预测残差，同时求取当前编码单元的残差绝对值和(sumofabsolutedifference，简称sad)，即将当前编码单元中每个像素分量的预测残差取绝对值后进行相加运算；

步骤33、重复步骤31～步骤33，获取当前当前编码单元的多种等距离采样方式的预测残差与sad，在本实施例中即获取当前编码单元的5种采样的5组预测残差和sad。

步骤4、将步骤3中获取的sad最小值所对应的采样方式确定为当前编码单元的最终采样方式。

步骤5、将当前编码单元的最终采样方式下对应的预测残差确定为当前编码单元的最终预测残差。

步骤6、将当前编码单元的最终采样方式以及最终预测残差进行编码。

进一步地，当编码单元的大小为8*2个像素分量时，即当前编码单元有两行八列像素分量，将第一行和第二行的像素分量按照从0到8的序号从左至右依次排列，每一个序号位置对应每一行的一个像素分量。

按照步骤2～步骤5的方式获取当前编码单元第一行像素分量的最终采样方式以及最终预测残差，继续重复步骤2～步骤5获取当前编码单元第二行像素分量的最终采样方式以及最终预测残差，其中，第二行采样点的预测残差，可以根据第二行采样点与当前编码单元正上方相邻当前编码单元中垂直位置的点进行预测，也可以根据第二行采样点与当前编码单元第一行中垂直位置的点进行预测。

本发明采用的预测方法与现有方法相比，当处理纹理较为复杂的压缩图像时，对处于当前待压缩图像纹理边界处的当前编码单元，根据纹理的渐变原理，通过当前编码单元自身的纹理特性自适应的获取预测残差，从而避免因周围编码单元与当前编码单元相关性较差，不能获取较小的预测残差，本发明的编码方法对与一般复杂度的纹理区域可以进一步降低理论极限熵，增大带宽压缩率。

实施例四

本实施例在上述实施例的基础上，对本发明提出的基于分割预测的编码模式进行详细描述。该模式包括如下内容：

在本发明实施例中，所述编码对象可以为一个64×64规格的图像编码单元，也可以为一个16×16规格图像编码单元，更或者是具有更小或更大尺寸规格的图像编码单元。例如，将待预测编码单元按照四叉树算法进行递归分割，每个编码单元被分割为四个相同大小的子编码单元。每个子编码单元是否再继续进行分割由预设算法判断。如图6所示，图6为本发明实施例提供的一种待预测编码单元四叉树分割方式示意图；假设待预测编码单元为64×64规格，将64×64的编码单元作为根节点，位于第一层。通过预设算法判断出需要将继续分割时，该节点被分为4个32×32的子编码单元，形成第二层。通过预设算法判断出第二层右上子编码单元和第二层左下子编码单元不需要继续分割，第二层左上子编码单元和第二层右下子编码单元需要继续分割，将第二层左上子编码单元分割为4个16×16的子编码单元，将第二层右下子编码单元分割为4个16×16的子编码单元，形成第三层，依次递归，直至第n层。该64×64规格的预测编码单元的最终分割方式如图7所示，图7为本发明实施例提供的另一种待预测编码单元四叉树分割方式示意图。

步骤1、将当前编码单元按照四叉树算法进行第一层分割，如图8所示，图8为本发明实施例提供的一种待预测编码单元四叉树分割方式示意图；所述当前编码单元分割后的子编码单元分别为第一子编码单元、第二子编码单元、第三子编码单元以及第四子编码单元。

步骤2、根据原始当前编码单元获取第一比特数以及第一预测残差，具体地，计算所述当前编码单元中像素分量最大值与所述当前编码单元中像素分量最小值之间的第一差值，得到表示所述第一差值的第一最少比特数，根据所述第一最少比特数以及所述当前编码单元的数据比特深度计算得到所述第一比特数，其中所述第一比特数满足如下公式：

mbit1＝m*bit_min1+2*bitdeth

其中，mbit1为所述第一比特数，bit_min1为所述第一最少比特数，bitdepth为所述当前编码单元的数据比特深度，m为所述当前编码单元中像素分量数量。

将所述当前编码单元中所有像素分量值分别减去所述当前编码单元中所有像素分量值的最小值，得到所述当前编码单元中所有像素分量对应的所述第一预测残差。

步骤3、根据分割后的每个子编码单元获取第二比特数以及第二预测残差，具体地，计算所述第一子编码单元中像素分量最大值与所述第一子编码单元中像素分量最小值之间的第二差值，得到表示所述第一子编码单元的第二最少比特数；

计算所述第二子编码单元中像素分量最大值与所述第二子编码单元中像素分量最小值之间的第三差值，得到表示所述第二子编码单元的第三最少比特数；计算所述第三子编码单元中像素分量最大值与所述第三子编码单元中像素分量最小值之间的第四差值，得到表示所述第三子编码单元的第四最少比特数；计算所述第四子编码单元中像素分量最大值与所述第四子编码单元中像素分量最小值之间的第五差值，得到表示所述第四子编码单元的第五最少比特数；根据所述第二最少比特数、所述第三最少比特数、第四最少比特数、第五最少比特数以及所述当前编码单元的数据比特深度计算得到所述第二比特数，其中所述第二比特数满足如下公式：

mbit2＝n1*bit_min2+n2*bit_min3+n3*bit_min4+n4*bit_min5+2*bitdeth，

其中，mbit2为所述第二比特数，bit_min2为所述第二最少比特数，bit_min3为所述第三最少比特数，bit_min4为所述第四最少比特数，bit_min5为所述第五最少比特数，bitdepth为所述当前编码单元的数据比特深度，n1为所述第一子编码单元中像素分量数量，n2为所述第二子编码单元中像素分量数量，n3为所述第三子编码单元中像素分量数量，n4为所述第四子编码单元中像素分量数量。

将所述第一子编码单元中所有像素分量值分别减去所述第一子编码单元中所有像素分量值的最小值，所述第二子编码单元中所有像素分量值分别减去所述第二子编码单元中所有像素分量值的最小值，所述第三子编码单元中所有像素分量值分别减去所述第三子编码单元中所有像素分量值的最小值，所述第四子编码单元中所有像素分量值分别减去所述第四子编码单元中所有像素分量值的最小值，得到分割后的当前编码单元中所有像素分量对应的所述第二预测残差。

步骤4、根据所述第一比特数、所述第一预测残差、所述第二比特数以及所述第二预测残差判断是否对所述当前编码单元进行分割；若是，则跳转到步骤1，按照递归算法将所述每个子编码单元分别执行步骤1～步骤4；若否，则结束所述当前编码单元的分割。

具体地，根据所述第一预测残差得到所述当前编码单元的第一重建值，将所述第一重建值与所述当前编码单元像素值求差的绝对值，得到第一重建差值，将所述第一重建差值以及所述第一比特数进行加权得到所述当前编码单元的第一加权值，其中，所述第一加权值满足如下公式：

rdo1＝a*mbit1+b*res1

其中，rdo1为所述第一加权值，mbit1为所述第一比特数，res1为所述第一重建差值，a和b为加权系数。

a和b的取值可以是预先设定的固定值，进一步地，a+b＝1，优选地，a可以选取为0.5，b可以选取为0.5，a和b也可以灵活调整大小。

根据所述第二预测残差得到分割后的所述当前编码单元的第二重建值，将所述第二重建值与分割后的所述当前编码单元像素值求差的绝对值，得到第二重建差值，将所述第二重建差值以及所述第二比特数进行加权得到分割后的所述当前编码单元的第二加权值，其中，所述第二加权值满足如下公式：

rdo2＝a*mbit2+b*res2

其中，rdo2为所述第二加权值，mbit2为所述第二比特数，res2为所述第二重建差值，a和b为加权系数。

a和b的取值可以是预先设定的固定值，进一步地，a+b＝1，优选地，a可以选取为0.5，b可以选取为0.5，a和b也可以灵活调整大小。

比较所述所述第一加权值、第二加权值的大小，若所述第一加权值大于所述第二加权值则将所述当前编码单元按照四叉树算法进行分割，将所述每个子编码单元分别执行步骤1～步骤4进行判断是否继续进行分割，即按照递归算法，判断是否进行第三分割、第四次分割直至第n层分割。反之，若所述第一加权值小于所述第二加权值则所述当前编码单元不进行分割。

步骤5、编码所述当前编码单元最终分割层次下，每个子编码单元的预测残差以及像素分量中的最小值。

本实施例通过当前区域像素值间的相关性进行预测编码，利用本发明的算法判断是否对当前编码单元进行四叉树分割，以使初始的编码单元和分割后的编码单元之间的差异最小而提高压缩效率并提高主观图片质量，对于简单纹理图像处理时，预测效果好、处理效率高，且能够降低理论极限熵。

实施例五

本实施例在上述实施例的基础上，对本发明提出的视频编码设备进行详细描述，如图9所示，图9为本发明实施例提供的一种视频编码设备示意图；该设备包括：

接收器91，用于接收当前图像帧中的当前编码单元的多个输入像素分量；其中，所述当前图像帧被分为多个所述编码单元；

选择器92，用于在自定义编码模式群中为所述当前编码单元选择一个最优编码模式；

编码器93，用于根据所述最优编码模式对所述当前编码单元中的每个像素分量进行编码。

其中，所述选择器具体用于确定所述当前编码单元的纹理复杂度，根据所述纹理复杂度在自定义编码模式群中选择一个编码模式作为所述当前编码单元最优编码模式。

其中，视频编码设备还包括传输器，用于将所述当前编码单元中的每个像素分量的编码结果以及所述当前编码单元对应的所述最优编码模式标志信息传输至码流中。

实施例六

本实施例在上述实施例的基础上，对本发明提出的视频解码方法进行详细描述，视频解码方法为编码方法的逆过程，具体包括：

接收传输码流；其中所述传输码流中包括当前编码单元中的每个像素分量的编码结果以及所述当前编码单元对应的最优编码模式标志信息；

根据所述当前编码单元中的每个像素分量的编码结果以及所述当前编码单元对应的最优编码模式标志信息解码出所述当前编码单元中的每个像素分量以及所述当前编码单元对应的最优编码模式。

本发明还提供一种视频解码设备，包括：接收器，用于接收传输码流；其中所述传输码流中包括当前编码单元中的每个像素分量的编码结果以及所述当前编码单元对应的最优编码模式标志信息；解码器，用于根据所述当前编码单元中的每个像素分量的编码结果以及所述当前编码单元对应的最优编码模式标志信息解码出所述当前编码单元中的每个像素分量以及所述当前编码单元对应的最优编码模式。

综上所述，本文中应用了具体个例对本发明进行了阐述，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。