一种基于AVS2的帧内预测方法、系统及电子设备和存储介质与流程

本申请涉及视频
技术领域：
，更具体地说，涉及一种基于avs2的帧内预测方法、系统及一种电子设备和一种计算机可读存储介质。
背景技术：
：avs2是我国自主知识产权的信源编码标准avs标准系列的第二代，是针对中国音视频产业的需求，由中国数字音视频领域的科研机构和企业牵头，相关国际单位和企业广泛参与，按照国际开放式规则制定的系列标准。帧内预测是avs2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。avs2的pu(中文全称：预测单元，应用全称：predictionunit)的亮度帧内预测模式高达33种，包括dc模式、plane模式、bilinear模式以及30种角度模式。在现有技术中，对于预测单元的帧内预测需要遍历33种帧内预测模式，计算量较大。因此，如何减少avs2帧内预测的计算量是本领域技术人员需要解决的问题。技术实现要素：本申请的目的在于提供一种基于avs2的帧内预测方法、系统及一种电子设备和一种计算机可读存储介质，减少了avs2帧内预测的计算量。为实现上述目的，本申请提供了一种基于avs2的帧内预测方法，包括：获取avs2的每个预测单元的图像梯度信息，并根据所述图像梯度信息确定每个所述预测单元对应的平均角度；其中，所述平均角度用于表征所述预测单元的图像方向的整体趋势；根据所述平均角度，利用预设的映射信息确定每个所述预测单元对应的角度预测模式；利用所述角度预测模式、dc模式、plane模式和bilinear模式分别预测每个所述预测单元的目标像素点，得到目标像素点的预测像素值；根据所有所述预测像素值确定每个所述预测单元的最佳预测模式，以便利用所述最佳预测模式完成帧内预测。其中，根据所述图像梯度信息确定每个所述预测单元对应的平均角度，包括：根据所述图像梯度信息计算每个所述预测单元的所有方向角，并将所有所述方向角的平均值确定为所述平均角度。其中，还包括：确定avs2的30种角度预测模式对应的角度区间，并在所述30种角度预测模式中选取基准角度预测模式；以所述基准角度预测模式为基准，将所述30种角度预测模式对应的角度区间进行归一化处理，得到归一化角度区间；根据每一所述角度预测模式和对应的归一化角度区间建立所述预设的映射信息。其中，根据所有所述预测像素值确定每个所述预测单元的最佳预测模式，包括：根据所有所述预测像素值和参考像素值计算每个所述预测单元的每个预测模式的失真度；其中，所述失真度具体为每个所述预测单元对应的所有预测像素值与参考像素值差值的平方和；将失真度最小的预测模式作为每个所述预测单元的的最佳预测模式。其中，利用所述最佳预测模式完成帧内预测，包括：利用每个变换单元对应的最佳预测模式对每个所述变换单元进行帧内预测得到帧内预测结果。其中，根据所述平均角度，利用预设的映射信息确定每个所述预测单元对应的角度预测模式，包括：确定每个所述平均角度对应的目标角度区间，并根据所述预设的映射信息确定每个所述目标角度区间对应的第一角度预测模式；选取每个所述第一角度预测模式的前m个第二角度预测模式和后n个第三角度预测模式；其中，m和n为整数；将所述第一角度预测模式、所有所述第二角度预测模式和所有所述第三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。其中，m和n均为1。为实现上述目的，本申请提供了一种电子设备，所述电子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程序，所述帧内预测程序被所述处理器执行时实现如上述帧内预测方法的步骤。为实现上述目的，本申请提供了一种基于avs2的帧内预测系统，包括：获取模块，用于获取avs2的每个预测单元的图像梯度信息，并根据所述图像梯度信息确定每个所述预测单元对应的平均角度；其中，所述平均角度用于表征所述预测单元的图像方向的整体趋势；第一确定模块，用于根据所述平均角度，利用预设的映射信息确定每个所述预测单元对应的角度预测模式；预测模块，用于利用所述角度预测模式、dc模式、plane模式和bilinear模式分别预测每个所述预测单元的目标像素点，得到目标像素点的预测像素值；第二确定模块，用于根据所有所述预测像素值确定每个所述预测单元的最佳预测模式，以便利用所述最佳预测模式完成帧内预测。为实现上述目的，本申请提供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程序，所述帧内预测程序被处理器执行时实现如上述帧内预测方法的步骤。为实现上述目的，本申请提供了一种计算机程序产品，包括计算机指令，当其在计算机上运行时，使得计算机可以执行上述任一项所述帧内预测方法。通过以上方案可知，本申请提供的一种基于avs2的帧内预测方法，包括：获取avs2的每个预测单元的图像梯度信息，并根据所述图像梯度信息确定每个所述预测单元对应的平均角度；其中，所述平均角度用于表征所述预测单元的图像方向的整体趋势；根据所述平均角度，利用预设的映射信息确定每个所述预测单元对应的角度预测模式；利用所述角度预测模式、dc模式、plane模式和bilinear模式分别预测每个所述预测单元的目标像素点，得到目标像素点的预测像素值；根据所有所述预测像素值确定每个所述预测单元的最佳预测模式，以便利用所述最佳预测模式完成帧内预测。本申请提供的基于avs2的帧内预测方法，预先建立不同的平均角度与不同的角度预测模式的对应关系，通过预测单元的平均角度可以确定其对应的角度预测模式，从而相当于从avs2的30种角度预测模式中选取出与预测单元所对应的角度预测模式，而剔除其他角度预测模式，后续只需遍历上述选取出的角度预测模式、dc模式、plane模式和bilinear模式即可，无需对全部33种帧内预测模式进行全部遍历，大幅减少了avs2帧内预测的计算量，提高了帧内预测效率。本申请还公开了一种基于avs2的帧内预测系统及一种电子设备和一种计算机可读存储介质，同样能实现上述技术效果。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，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申请的一些实施例，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为avs2的30种角度预测模式的角度预测方向示意图；图2为本申请实施例公开的一种基于avs2的帧内预测方法的流程图；图3为基于roberts算子的x和y方向上的梯度计算过程示意图；图4为确定参考像素点的示意图；图5为用于预测的参考样点的示意图；图6为本申请实施例公开的另一种基于avs2的帧内预测方法的流程图；图7为本申请实施例公开的又一种基于avs2的帧内预测方法的流程图；图8为本申请实施例公开的一种基于avs2的帧内预测系统的结构图；图9为本申请实施例公开的一种电子设备的结构图；图10为本申请实施例公开的另一种电子设备的结构图。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。在现有技术中，由于avs2的帧内预测模式众多，对于预测单元的帧内预测需要遍历33种帧内预测模式，计算量较大。因此，在本申请中，从avs2的30种角度预测模式中选取出与预测单元所对应的角度预测模式，而剔除其他角度预测模式，后续只需遍历上述选取出的角度预测模式、dc模式、plane模式和bilinear模式即可，无需对全部33种帧内预测模式进行全部遍历，大幅减少了avs2帧内预测的计算量，提高了帧内预测效率。本申请实施例公开了一种基于avs2的帧内预测方法，减少了avs2帧内预测的计算量。参见图1，本申请实施例公开的一种基于avs2的帧内预测方法的流程图，如图1所示，包括：s101：获取avs2的每个预测单元的图像梯度信息，并根据所述图像梯度信息确定每个所述预测单元对应的平均角度；其中，所述平均角度用于表征所述预测单元的图像方向的整体趋势；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。在本步骤中，获取一预测单元的图像梯度信息之后，可以利用该图像梯度信息确定出该预测单元对应的平均角度，该平均角度用于表征该预测单元的图像方向的整体趋势。s102：根据所述平均角度，利用预设的映射信息确定每个所述预测单元对应的角度预测模式；本步骤默认存在预先创建的预设的映射信息，该映射信息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。在通过上一步骤中得到的任一预测单元对应的平均角度之后，便可以利用该映射信息，确定出该平均角度对应的角度预测模式。s103：利用所述角度预测模式、dc模式、plane模式和bilinear模式分别预测每个所述预测单元的目标像素点，得到目标像素点的预测像素值；在具体实施中，分别利用上一步骤确定的角度预测模式、dc模式、plane模式和bilinear模式对预测单元进行预测，得到各帧内预测模式对应的预测结果，即各帧内预测模式对目标像素点的预测像素值。s104：根据所有所述预测像素值确定每个所述预测单元的最佳预测模式，以便利用所述最佳预测模式完成帧内预测。在具体实施中，可以根据预测像素值和参考像素值确定各帧内预测模式对预测单元预测的失真度，失真度即为该预测单元对应的所有预测像素值与参考像素值差值的平方和，从而筛选出最佳预测模式，即本步骤可以包括根据所有预测像素值和参考像素值计算每个预测单元的每个预测模式的失真度；将失真度最小的预测模式作为每个预测单元的的最佳预测模式。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，avs2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(中文全称：变换单元，英文全称：transformunit)为单位的，avs2的帧内预测主要分为以下过程：步骤1：判断当前tu相邻像素是否可用并做相应的处理；步骤2：对于角度预测模式，确定参考像素点，如图4所示，对于目标像素点箭头指向的像素点即为参考像素点；步骤3：根据参考像素和一定的加权系数，计算当前tu的目标像素点的预测像素值；重复上述步骤1-3的过程，直到计算完整个tu的预测像素值。步骤4：将以上步骤获取的预测像素块与待编码块进行对应像素点的差值计算，然后计算这些差值的平方和，作为失真度；步骤5：遍历所有的角度预测模式、dc模式、plane模式和bilinear模式，得出一个最小的失真度，对应的一个最佳角度预测模式；本实施例中，帧内预测模式确定过程是针对avs2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帧内预测模式，利用最佳帧内预测模式进行帧内预测。可以理解的是，本实施例可以每次从avs2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帧内预测模式，利用最佳帧内预测模式进行帧内预测。本申请实施例提供的基于avs2的帧内预测方法，预先建立不同的平均角度与不同的角度预测模式的对应关系，通过预测单元的平均角度可以确定其对应的角度预测模式，从而相当于从avs2的30种角度预测模式中选取出与预测单元所对应的角度预测模式，而剔除其他角度预测模式，后续只需遍历上述选取出的角度预测模式、dc模式、plane模式和bilinear模式即可，无需对全部33种帧内预测模式进行全部遍历，大幅减少了avs2帧内预测的计算量，提高了帧内预测效率。在上述实施例的基础上，作为一种优选实施方式，步骤s101中根据所述图像梯度信息确定每个所述预测单元对应的平均角度，可以包括：根据所述图像梯度信息计算每个所述预测单元的所有方向角，并将所有所述方向角的平均值确定为所述平均角度。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30种角度预测模式各自对应的角度预测方向可知，模式12和模式24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1帧内预测模式dxdy311-442-1511-861-178-1181-294-11101-4111-812001318141415411161217811181119118202121114224123812400258-1264-12711-4282-12911-8301-1318-11321-2例如，如图5所示，框中的待预测块大小为n×n，则其左边的参考样点数为2n，即图中标识的r，也就是行中选取的点。其上边的参考样点数也为2n，即图中标识的c，也就是列中选取的点，这些点都是已经完成重构的相邻点。根据avs2标准规定：模式3～11，只使用c标识的点来预测，模式25～32只使用r标识的点来预测，而模式13～23则有可能选择c或r标识的点来预测，判断的方法是根据样点是位于图1中的该预测线的上面还是下面来选择c或r。根据上面的分类，可以计算出这三类模式所表示的角度信息分别为：模式3～11：θ1表示当以垂直方向为基准向左偏离的角度。模式25～32：θ2表示当以水平方向为基准向上偏离的角度。模式13～23：θ3表示当以水平方向为基准向下偏离的角度。下面详细介绍预设的映射信息的创建方法，具体的：参见图6，本申请实施例公开的一种基于avs2的帧内预测方法的流程图，如图6所示，包括：s201：确定avs2的30种角度预测模式对应的角度区间，并在所述30种角度预测模式中选取基准角度预测模式；可以理解的是，每种角度预测模式对应有原始区间，为方便映射，本实施例在30中角度预测模式选取基准角度预测模式作为归一化处理的标准，优选为模式3。s202：以所述基准角度预测模式为基准，将所述30种角度预测模式对应的角度区间进行归一化处理，得到归一化角度区间；s203：根据每一所述角度预测模式和对应的归一化角度区间建立所述预设的映射信息。以模式3为基准角度预测模式，avs2的帧内预测模式的归一化的角度值映射表如下表2所示，按图1逆时针排列，表2中的角度信息即为上述角度区间的边界值。表2帧内模式原角度信息归一化后的角度信息3垂直偏左70.01度0度4垂直偏左63.43度70.01-63.43＝6.58度5垂直偏左53.97度70.01-53.97＝16.04度6垂直偏左45度70.01-45＝25.01度7垂直偏左35.75度70.01-35.75＝34.26度8垂直偏左26.56度70.01-26.56＝43.45度9垂直偏左19.79度70.01-19.79＝50.22度10垂直偏左14.03度70.01-14.03＝55.98度11垂直偏左7.12度70.01-7.12＝62.89度12垂直70.01度13垂直偏右7.12度70.01+7.12＝77.13度14垂直偏右14.03度70.01+14.03＝85.04度15垂直偏右19.79度70.01+19.79＝89.8度16垂直偏右26.56度70.01+26.56＝96.57度17垂直偏右35.75度70.01+35.75＝105.76度18垂直偏右45度70.01+45＝115.01度19垂直偏右53.97度70.01+53.97＝123.98度20垂直偏右63.43度70.01+63.43＝133.44度21垂直偏右70.01度70.01+70.01＝140.02度22垂直偏右75.96度70.01+75.96＝145.97度23垂直偏右82.87度70.01+82.87＝152.88度24水平70.01+90＝160.01度25水平偏上7.12度160.01+7.12＝167.13度26水平偏上14.03度160.01+14.03＝174.04度27水平偏上19.79度160.01+19.79＝179.8度28水平偏上26.56度160.01+26.56＝186.57度29水平偏上35.75度160.01+35.75＝195.76度30水平偏上45度160.01+45＝205.01度31水平偏上53.97度160.01+53.97＝213.98度32水平偏上63.43度160.01+63.43＝223.44度本申请实施例公开了一种基于avs2的帧内预测方法，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化。具体的：参见图7，本申请实施例提供的另一种基于avs2的帧内预测方法的流程图，如图7所示，包括：s301：获取avs2的每个预测单元的图像梯度信息，并根据所述图像梯度信息确定每个所述预测单元对应的平均角度；s302：确定每个所述平均角度对应的目标角度区间，并根据所述预设的映射信息确定每个所述目标角度区间对应的第一角度预测模式；s303：选取每个所述第一角度预测模式的前m个第二角度预测模式和后n个第三角度预测模式；其中，m和n为整数；s304：将所述第一角度预测模式、所有所述第二角度预测模式和所有所述第三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；在本实施例中，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，本实施例还进一步选取第一目标角度预测模式的前m个第二角度预测模式和后n个第三角度预测模式，然后将第一目标角度预测模式、第二目标角度预测模式和第三角度预测模式作为与平均角度对应的角度预测模式。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m和n的取值不宜过大，优选的，本实施例中的m和n均为1。具体的，选取每个所述第一角度预测模式的前m个第二角度预测模式和后n个第三角度预测模式，可以包括：选取出位于每个所述预测单元对应的第一角度预测模式的前后相邻的各一个角度预测模式。可以理解的是，在上述30种角度预测模式中，与模式3前后相邻的各一个角度预测模式分别为模式4和模式32，同理，与模式32前后相邻的各一个角度预测模式分别为模式31和模式3。需要说明的是，也可以直接将上述的第一角度预测模式作为相应预测单元对应的角度预测模式，即m和n的值均为0，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。s305：利用所述角度预测模式、dc模式、plane模式和bilinear模式分别预测每个所述预测单元的目标像素点，得到目标像素点的预测像素值；s306：根据所有所述预测像素值确定每个所述预测单元的最佳预测模式，以便利用所述最佳预测模式完成帧内预测。下面对本申请实施例提供的一种基于avs2的帧内预测系统进行介绍，下文描述的一种基于avs2的帧内预测系统与上文描述的一种基于avs2的帧内预测方法可以相互参照。参见图8，本申请实施例提供的一种基于avs2的帧内预测系统的结构图，如图8所示，包括：获取模块801，用于获取avs2的每个预测单元的图像梯度信息，并根据所述图像梯度信息确定每个所述预测单元对应的平均角度；其中，所述平均角度用于表征所述预测单元的图像方向的整体趋势；第一确定模块802，用于根据所述平均角度，利用预设的映射信息确定每个所述预测单元对应的角度预测模式；预测模块803，用于利用所述角度预测模式、dc模式、plane模式和bilinear模式分别预测每个所述预测单元的目标像素点，得到目标像素点的预测像素值；第二确定模块804，用于根据所有所述预测像素值确定每个所述预测单元的最佳预测模式，以便利用所述最佳预测模式完成帧内预测。本申请实施例提供的基于avs2的帧内预测系统，预先建立不同的平均角度与不同的角度预测模式的对应关系，通过预测单元的平均角度可以确定其对应的角度预测模式，从而相当于从avs2的30种角度预测模式中选取出与预测单元所对应的角度预测模式，而剔除其他角度预测模式，后续只需遍历上述选取出的角度预测模式、dc模式、plane模式和bilinear模式即可，无需对全部33种帧内预测模式进行全部遍历，大幅减少了avs2帧内预测的计算量，提高了帧内预测效率。在上述实施例的基础上，作为一种优选实施方式，所述第一确定模块802具体为根据所述图像梯度信息计算每个所述预测单元的所有方向角，并将所有所述方向角的平均值确定为所述平均角度的模块。在上述实施例的基础上，作为一种优选实施方式，还包括：选取模块，用于确定avs2的30种角度预测模式对应的角度区间，并在所述30种角度预测模式中选取基准角度预测模式；归一化模块，用于以所述基准角度预测模式为基准，将所述30种角度预测模式对应的角度区间进行归一化处理，得到归一化角度区间；建立模块，用于根据每一所述角度预测模式和对应的归一化角度区间建立所述预设的映射信息。在上述实施例的基础上，作为一种优选实施方式，所述第二确定模块804包括：计算单元，用于根据所有所述预测像素值和参考像素值计算每个所述预测单元的每个预测模式的失真度；其中，所述失真度具体为每个所述预测单元对应的所有预测像素值与参考像素值差值的平方和；确定单元，用于将失真度最小的预测模式作为每个所述预测单元的的最佳预测模式；预测单元，用于利用所述最佳预测模式完成帧内预测。在上述实施例的基础上，作为一种优选实施方式，所述预测单元具体为利用每个变换单元对应的最佳预测模式对每个所述变换单元进行帧内预测得到帧内预测结果的单元。在上述实施例的基础上，作为一种优选实施方式，所述第一确定模块802包括：确定角度区间单元，用于确定每个所述平均角度对应的目标角度区间，并根据所述预设的映射信息确定每个所述目标角度区间对应的第一角度预测模式；选取单元，用于选取每个所述第一角度预测模式的前m个第二角度预测模式和后n个第三角度预测模式；其中，m和n为整数；确定角度预测模式单元，用于将所述第一角度预测模式、所有所述第二角度预测模式和所有所述第三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。在上述实施例的基础上，作为一种优选实施方式，m和n均为1。本申请还提供了一种电子设备，该电子设备可以是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、等终端设备。参见图9，本申请实施例提供的一种电子设备的结构图，如图9所示，可以包括存储器11、处理器12和总线13。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电子设备的内部存储单元，例如该电子设备的硬盘。存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备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还可以既包括电子设备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电子设备的应用软件及各类数据，例如帧内预测程序01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，实现上述任一实施例提供的帧内预测方法，例如执行帧内预测程序01等。该总线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9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。在上述实施例的基础上，作为优选实施方式，参见图10，所述电子设备还包括：输入接口14，用于获取外部导入的计算机程序、参数和指令，经处理器12控制保存至存储器11中。该输入接口14可以与输入装置相连，接收用户手动输入的参数或指令。该输入装置可以是显示屏上覆盖的触摸层，也可以是终端外壳上设置的按键、轨迹球或触控板，也可以是键盘(keyboard)、触控板或鼠标等。显示单元15，用于显示处理器12处理的数据以及用于显示可视化的用户界面。该显示单元15可以为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。网络端口16，用于与外部各终端设备进行通信连接。该通信连接所采用的通信技术可以为有线通信技术或无线通信技术，如移动高清链接技术(mhl)、通用串行总线(usb)、高清多媒体接口(hdmi)、无线保真技术(wifi)、蓝牙通信技术、低功耗蓝牙通信技术、基于ieee802.11s的通信技术等。图10仅示出了具有组件11-16以及基于avs2的帧内预测程序01的电子设备，本领域技术人员可以理解的是，图10示出的结构并不构成对电子设备的限定，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。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