带宽压缩中自适应纹理渐变预测的方法与流程

本发明涉及一种压缩技术领域，特别涉及一种带宽压缩中自适应纹理渐变预测的方法。

背景技术：

随着公众对视频质量需求的不断提高，视频的图像分辨率作为视频质量的重要特性之一，视频的图像分辨率也随之成倍数的增加，已经从720p和1080p过渡到目前市场主流的4k视频分辨率，对应的视频压缩标准也从h.264过渡到h.265。由此使视频图像的数据量十分巨大，需要占用较多的存储空间和传输带宽，在这种情况下，利用芯片内的带宽压缩技术来提高图像的存储空间和传输带宽就显得尤为必要。

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，根据图像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两类，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中，对于图像中纹理边界处的宏块(macroblock,简称mb)，由于当前mb与周围mb不在相同的纹理区域，因此当前mb与周围mb之间的相关性较差，即不能通过当前mb与周围mb相关性获取较小的预测残差，从而无法进一步降低理论极限熵，增大带宽压缩率。

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，本发明提出一种带宽压缩中自适应纹理渐变预测的方法。

具体地，本发明一个实施例提出的一种带宽压缩中自适应纹理渐变预测的方法，包括：

选取采样方式对当前mb进行采样；

根据所述采样方式选取预测方式对所述当前mb进行预测确定所述当前mb的预测残差；

处理所述预测残差以获取残差绝对值和(sumofabsolutedifference，简称sad)；

根据所述sad确定所述当前mb的采样方式和预测方式的组合。

在本发明的一个实施例中，选取采样方式对当前mb进行采样，包括：

选取n种等距离采样方式、选取n种非等距离采样方式或选取像素值拐点采样方式对当前mb进行采样，其中n的取值为大于1的自然数。

在本发明的一个实施例中，根据所述采样方式选取预测方式对所述当前mb进行预测确定所述当前mb的预测残差，包括：

根据所述采样方式选取预测方式；

根据所述预测方式对所述当前mb的采样点进行预测获取第一预测残差；

根据预测公式对所述当前mb的非采样点进行预测获取第二预测残差。

在本发明的一个实施例中，根据所述采样方式选取预测方式，包括：

若采样方式为所述等距离采样方式则选取点对点预测方式；

若采样方式为所述非等距离采样方式或像素值拐点采样方式则均选取m种角度预测方式，其中m的取值为大于1的自然数。

在本发明的一个实施例中，所述预测公式为：

resi＝(sample1-sample0)*(i+1)/(num+1)+sample0

其中，simple0和simple1为连续的采样点，i为非采样点索引，num为非采样点数量，res为第二预测残差。

在本发明的一个实施例中，处理所述预测残差以获取sad，包括：

处理所述预测残差以获取第一sad和第二sad；其中，所述第一sad为将所述当前mb中的所述第一预测残差以及所述第二预测残差进行绝对值求；所述第二sad为将所述当前mb中的所述第一预测残差进行绝对值求和。

在本发明的一个实施例中，处理所述预测残差以获取第一sad和第二sad，包括：

若采样方式为所述等距离采样方式且预测方式为所述点对点预测方式，则获取n种所述等距离采样方式的n个所述第一sad。

在本发明的一个实施例中，处理所述预测残差以获取第一sad和第二sad，包括：

若采样方式为所述非等距离采样方式且预测方式为所述角度预测方式，则通过当前采样方式下m种所述角度预测方式获取m个所述第二sad；选取m个所述第二sad中最小值对应的所述角度预测方式；根据选取的所述角度预测方式获取所述当前采样方式下的所述第一sad；通过n种所述非等距离采样方式获取n个所述第一sad。

在本发明的一个实施例中，处理所述预测残差以获取第一sad和第二sad，包括：

若采样方式为像素值拐点采样方式且预测方式为所述角度预测方式，则获取m种所述角度预测方式的m个所述第二sad。

在本发明的一个实施例中，根据所述sad确定所述当前mb的采样方式和预测方式的组合，包括：

根据所述第一sad的最小值对应的采样方式和预测方式确定所述当前mb的采样方式和预测方式的组合。

基于此，本发明具备如下优点：

本发明通过定义mb的采样方式和像素分量预测的参考方式，计算当前宏块的预测残差和sad。与现有方法相比，当待压缩图像的纹理较为复杂时，对处于当前图像的纹理边界处的mb，根据纹理的渐变原理，不依赖于当前mb的周围mb，而是通过当前mb自身的纹理特性获得预测残差，能够提高对复杂纹理区域求预测残差值的精度，进一步降低理论极限熵，增大带宽压缩率。

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带宽压缩中自适应纹理渐变预测的方法流程示意图；

图2为本发明实施例提供的一种自适应纹理渐变预测的采样方式示意图；

图3为本发明实施例提供的一种自适应纹理渐变预测的方法示意图；

图4为本发明实施例提供的另一种自适应纹理渐变预测的采样方式示意图；

图5为本发明实施例提供的另一种自适应纹理渐变预测的方法示意图；

图6为本发明实施例提供的再一种自适应纹理渐变预测的方法示意图。

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带宽压缩中自适应纹理渐变预测的方法流程示意图；本实施例对本发明提供的一种预测方法进行详细描述，该预测方法包括如下步骤：

步骤1、选取采样方式对当前mb进行采样；

步骤2、根据所述采样方式选取预测方式对所述当前mb进行预测确定所述当前mb的预测残差；

步骤3、处理所述预测残差以获取sad；

步骤4、根据所述sad确定所述当前mb的采样方式和预测方式的组合。

其中，步骤1可以包括如下步骤：

步骤11、选取n种等距离采样方式、选取n种非等距离采样方式或选取像素值拐点采样方式对当前mb进行采样，其中n的取值为大于1的自然数。

其中，步骤2可以包括如下步骤：

步骤21、根据所述采样方式选取预测方式；

步骤22、根据所述预测方式对所述当前mb的采样点进行预测获取第一预测残差；

步骤23、根据预测公式对所述当前mb的非采样点进行预测获取第二预测残差。

其中，步骤21可以包括如下步骤：

步骤211、若采样方式为所述等距离采样方式则选取点对点预测方式；

步骤212、若采样方式为所述非等距离采样方式或像素值拐点采样方式则均选取m种角度预测方式，其中m的取值为大于1的自然数。

其中，步骤23中所述预测公式为：

resi＝(sample1-sample0)*(i+1)/(num+1)+sample0

其中，simple0和simple1为连续的采样点，i为非采样点索引，num为非采样点数量，res为第二预测残差。

其中，步骤3可以包括如下步骤：

步骤31、处理所述预测残差以获取第一sad和第二sad；其中，所述第一sad为将所述当前mb中的所述第一预测残差以及所述第二预测残差进行绝对值求；所述第二sad为将所述当前mb中的所述第一预测残差进行绝对值求和。

其中，步骤31可以包括如下步骤：

若采样方式为所述等距离采样方式且预测方式为所述点对点预测方式，则获取n种所述等距离采样方式的n个所述第一sad。

其中，步骤31可以包括如下步骤：

若采样方式为所述非等距离采样方式且预测方式为所述角度预测方式，则通过当前采样方式下m种所述角度预测方式获取m个所述第二sad；选取m个所述第二sad中最小值对应的所述角度预测方式；根据选取的所述角度预测方式获取所述当前采样方式下的所述第一sad；通过n种所述非等距离采样方式获取n个所述第一sad。

其中，步骤31可以包括如下步骤：

若采样方式为像素值拐点采样方式且预测方式为所述角度预测方式，则获取m种所述角度预测方式的m个所述第二sad。

其中，步骤4可以包括如下步骤：

根据所述第一sad的最小值对应的采样方式和预测方式确定所述当前mb的采样方式和预测方式的组合。

实施例二

请参见图2和图3，图2为本发明实施例提供的一种自适应纹理渐变预测的采样方式示意图；图3为本发明实施例提供的一种自适应纹理渐变预测的方法示意图。本实施例在上述实施例的基础上对本发明提供的一种预测方法进行详细描述，该预测方法包括如下步骤：

步骤1、定义mb的大小

定义mb的大小为m*n个像素分量，其中m≥1，n≥1；

优选的，可以定义mb的大小为8*1个像素分量、16*1个像素分量、32*1个像素分量和64*1个像素分量；本实施例以mb的大小为16*1个像素分量为例说明，其它不同大小的mb同理。mb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mb中存在的纹理相关性，mb中的像素距离越近，mb的纹理渐变的一致性概率越高，反之mb中的像素距离越远，mb的纹理渐变的一致性概率越低，据此将mb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2所示，本实施例将mb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。

全采样是将mb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mb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mb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mb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mb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、如图3所示，设当前的等距离采样为1/4采样，将当前mb中的采样点与当前mb正上方相邻mb中垂直位置的点进行预测，求得预测残差；将当前mb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)+sample0

其中，simple0和simple1为连续的采样点，i为非采样点索引，num为非采样点数量。

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mb所有像素分量的预测残差，同时求取当前mb的残差绝对值和即第一sad；

步骤33、重复步骤31～步骤33，获取当前mb的多种等距离采样方式的预测残差与第一sad，在本实施例中即获取当前mb的5种采样的5组预测残差和第一sad。

步骤4、将步骤3中获取的第一sad最小值所对应的采样方式确定为当前mb的最终采样方式。

步骤5、将当前mb的采样方式和预测残差写入码流。

实施例三

请参见图4和图5，图4为本发明实施例提供的另一种自适应纹理渐变预测的采样方式示意图；图5为本发明实施例提供的另一种自适应纹理渐变预测的方法示意图。本实施例在上述实施例的基础上，对本发明提出的另一种预测方法进行详细描述。该预测方法包括如下步骤：

步骤1、定义mb大小

定义mb的大小为m*n个像素分量，其中m、n是大于1的自然数；

优选的，可以定义mb的大小为8*1个像素分量，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mb的大小为16*1个像素分量为例说明，其它不同大小的mb同理。mb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mb中存在的纹理相关性，mb中的像素距离越近，mb的纹理渐变的一致性概论越高；反之，mb中的像素距离越远，mb的纹理渐变的一致性概率越低，据此将mb中的像素分量进行非等距离采样，可以选取多种非等距离采样方式。

优选地，如图4所示，本实施例将mb中的16*1个像素进行非等距离采样，以采样1、采样2和采样3三种非等距离采样方式举例说明，其它非等距离采样方式同理。具体如下：

采样1是将mb中序号为0、4、15对应位置的3个像素分量进行采样；

采样2是将mb中序号为0、5、10、15对应位置的4个像素分量进行采样；

采样3是将mb中序号为0、11、15对应位置的3个像素分量进行采样。

步骤3、将步骤2中选取的多种非等距离采样方式进行处理获取预测残差

本实施例以一种非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、如图5所示，对于采样1，将当前mb正上方相邻mb中处于采样点45度的像素分量点、90度的像素分量点和135度的像素分量点与采样点分别进行预测，即预测方式为135度预测、45度预测和90度预测，求解三种角度预测方式下所有采样点的预测残差，并分别计算每种预测方式下所有采样点的预测残差绝对值和即第二sad，选取第二sad最小值对应的一种预测方式作为当前mb采样点的预测方式。

优选地，预测方式可以为135度预测、45度预测和90度预测的任意中组合。

步骤32、获取步骤31中选取的预测方式下当前mb采样点的预测残差，对于非采样点，利用公式求解非采样点的预测残差，公式为：

resi＝(sample1-sample0)*(i+1)/(num+1)+sample0

其中，公式中的sample0和sample1为当前mb中连续的采样点，i为非采样点索引，num为非采样点数量。

最终获取步骤31中选取的预测方式下的当前mb所有像素分量点的预测残差，并计算第一sad。

步骤33、重复步骤31～32，获取采样2以及采样3下的当前mb所有像素分量点的预测残差，并计算第一sad，选取第一sad最小值对应的一种采样方式作为当前mb的采样方式，并采用该采样方式中确定的预测方式作为当前mb的预测方式。

步骤4、将当前mb中的采样方式、预测残差、采样点的预测方式写入码流。

实施例四

请继续参见图6，图6为本发明实施例提供的再一种自适应纹理渐变预测的方法示意图。本实施例在上述实施例的基础上，对本发明提出的再一种预测方法进行详细描述。该预测方法包括如下步骤：

步骤1、定义mb大小；

定义mb的大小为m*n个像素分量，其中m，n均为大于1的自然数；

优选的，可以定义mb的大小为8*1个像素分量、16*1个像素分量、32*1个像素分量和64*1个像素分量；本实施例以mb的大小为16*1个像素分量为例说明，其它不同大小的mb同理。

如图6所示，mb中的16*1个像素分量的像素值按照从左至右的顺序依次设定为12、14、15、18、20、23、15、10、4、0、2、2、4、5、5、6。

步骤2、定义采样方式；

步骤201、根据mb中存在的纹理相关性，检测mb的纹理渐变性，确定mb的纹理渐变点，将mb的纹理渐变点设定为像素值拐点。

具体地，将当前mb中的当前像素分量的像素值减去当前mb中相邻像素分量的像素值，如图6所示，将图中当前mb中的当前像素分量的像素值减去当前mb中前一像素分量的像素值，求解当前mb的像素残差值。当前mb中对应位置的像素残差值从左至右依次为12、2、1、3、2、3、-8、-5、-6、-4、2、0、2、1、0、1。

步骤202、设定像素残差值中的连续正值或连续负值的最后一个值为像素值拐点，其中像素残差值为0的值不设定为像素值拐点。

步骤203、将像素值拐点所对应的当前像素分量所对应的位置设定为采样点，同时将当前像素分量中处于首位和末位的点设定为采样点。

优选地，如图6所示，所求得的像素残差值中的像素值拐点为3和-4，将像素值拐点3和像素值拐点-4所对应的当前像素分量23、0以及首位和末位的像素分量设定为采样点。原始点所对应的像素分量12、23、0、6形成4个采样点。

步骤3、将当前mb中的采样点与正上方mb进行预测。预测方式为135度预测、45度预测和90度预测三种角度预测方式。即将当前mb中的采样点与当前mb正上方相邻mb中采样点对应的45度的像素分量点、90度的像素分量点和135度的像素分量点分别进行预测，求解预测残差和sad。最终选取sad最小的一种预测方式作为当前mb的采样点预测方式，获取该预测方式的预测残差。

步骤4、对于当前mb中的非采样点，利用公式求解非采样点的预测残差，公式为：

resi＝(sample1-sample0)*(i+1)/(num+1)+sample0

其中，公式中的sample0和sample1为当前mb连续的采样点，i为非采样点索引，num为非采样点数量。

步骤5、将当前mb中除首位的采样点、预测方式和预测残差写入码流。

综上所述，本文中应用了具体个例对本发明带宽压缩中自适应纹理渐变预测的方法进行了阐述，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。