CN102036099A - 一种分析图像质量的方法和装置 - Google Patents

Abstract

本发明提出一种分析图像质量的方法和装置，应用于对重建图像的质量进行分析，所述重建图像为对原始图像经过编码和解码操作后生成的图像，其中方法包括：对原始图像和重建图像采用相同的方式进行二维分割，将所述原始图像和重建图像分割为个数相同且位置对应的宏块；计算原始图像和重建图像的各个对应宏块的灰阶值的差或色彩值的差；将所述各个对应宏块的灰阶值的差或色彩值的差按照所述各个对应宏块的位置组成二维数组，用于表示所述重建图像的质量。本发明能够筛选出视频图像的局部损伤。

Description

一种分析图像质量的方法和装置

技术领域

本发明涉及视频图像技术领域，尤其涉及一种分析图像质量的方法和装置。

背景技术

随着图像编解码技术的发展以及数字信号处理器(DSP)运算能力的提高，将模拟图像进行数字压缩并在Internet网络上传输、存储形成了数字视频监控技术。

在数字视频监控技术中，编码器首先对原始图像进行编码，之后将编码器后的数据在网络上进行传输，接收端接收到数据后，接收端的解码器再对编码后的数据进行解码，得到重建图像。编解码过程中，由于输入图像、编解码算法、数字信号处理器等多方面因素的影响，可能在输出的重建图像上出现图像损伤，引起图像质量的降低。因此，重建图像的质量是数字视频监控***重要的指标之一。目前，对图像质量的分析方法主要有主观分析方法和客观分析方法。

目前常用的客观分析方法是通过对原始图像和重建图像进行计算，得到原始图像经编解码后的峰值信号与噪声比(PSNR)值，一般采用如下的式(1)进行计算：

$\mathrm{PSNR}=10\lg \left(\frac{a_{\max }^2}{\mathrm{MSE}}\right)$ …………………………………………………………………式(1)

其中，a_max＝2ⁿ-1，n表示图像中一个像素的灰阶值或色彩值占用的比特数，a_max表示图像中一个像素的灰阶值或色彩值的最大可能取值；

表示原始图像与重建图像的灰阶值或色彩值的均方误差。其中，a(i，j)和

分别是原始图像和重建图像中一个像素的灰阶值或色彩值，i、j分别表示该像素在图像中的横坐标和纵坐标，M、N分别表示一幅图像中包含像素的列数和行数。

一般情况下，对于一幅给定的图像，高的PSNR值意味着高的图像质量，低的PSNR值意味着低的图像质量。PSNR值在一个范围内波动，若某个或一段PSNR数值明显偏低，则可初步判断该PSNR值对应的图像出现了图像损伤。

但是，现有的通过计算PSNR值判断图像质量的客观分析方法只能分析整副图像的质量，如果一幅图像只有局部损伤，则该局部损伤只能引起该副图像PSNR值的轻微降低，很难对数据进行筛选，因此现有的客观分析方法无法对图像的局部损伤进行筛选。

发明内容

本发明提供了一种分析图像质量的方法，能够筛选出视频图像的局部损伤。

本发明还提供了一种分析图像质量的装置，能够筛选出视频图像的局部损伤。

本发明的技术方案是这样实现的：

一种分析图像质量的方法，应用于对重建图像的质量进行分析，所述重建图像为对原始图像经过编码和解码操作后生成的图像，该方法包括：

对原始图像和重建图像采用相同的方式进行二维分割，将所述原始图像和重建图像分割为个数相同且位置对应的宏块；

计算原始图像和重建图像的各个对应宏块的灰阶值的差或色彩值的差；

将所述各个对应宏块的灰阶值的差或色彩值的差按照所述各个对应宏块的位置组成二维数组，用于表示所述重建图像的质量。

一种分析图像质量的装置，应用于对重建图像的质量进行分析，所述重建图像为对原始图像经过编码和解码操作后生成的图像，该装置包括：

分割模块，用于对原始图像和重建图像采用相同的方式进行二维分割，将所述原始图像和重建图像分割为个数相同且位置对应的宏块；

计算模块，用于计算原始图像和重建图像的各个对应宏块的灰阶值的差或色彩值的差；

数组生成模块，将所述各个对应宏块的灰阶值的差或色彩值的差按照所述各个对应宏块的位置组成二维数组，用于表示所述重建图像的质量。

可见，本发明提出的分析图像质量的方法和装置，将原始图像和重建图像分割成多个宏块，计算各个对应宏块的灰阶值的差或色彩值的差；并将各个对应宏块的灰阶值的差或色彩值的差按照对应宏块的位置组成二维数组，可以表示重建图像的质量，并且可以具体表示出重建图像各个宏块的质量，从而能够筛选出视频图像的局部损伤。

附图说明

图1为本发明提出的分析图像质量的方法流程图；

图2为本发明实施例一中PSNR的单边正态分布曲线。

具体实施方式

本发明提出一种分析图像质量的方法，利用编解码技术中宏块这一概念，将原始图像和重建图像分别进行二维分割，分割单位可以与编码编解码中宏块的大小保持一致，也可以分割成其他大小的宏块；分割之后，分别计算各个对应宏块的灰阶值的差或色彩值的差(可以采用类似现有技术中计算PSNR的方式，或采用其他的方式进行计算，以下将详细介绍)，将计算出的值根据对应宏块的位置组成一个二维数组，该二维数组就可以表示重建图像的质量。

如图1为本发明提出的分析图像质量的方法流程图，该方法应用于对重建图像的质量进行分析，其中，该重建图像为对原始图像经过编码和解码操作后生成的图像，该方法包括：

步骤101：对原始图像和重建图像采用相同的方式进行二维分割，将所述原始图像和重建图像分割为个数相同且位置对应的宏块；

步骤102：计算原始图像和重建图像的各个对应宏块的灰阶值的差或色彩值的差；

步骤103：将所述各个对应宏块的灰阶值的差或色彩值的差按照所述各个对应宏块的位置组成二维数组，用于表示所述重建图像的质量。

为了更直观地表示重建图像的质量，可以在上述步骤103之后，进一步包括：

步骤104：根据预先设定的对应关系，生成所述各个对应宏块的灰阶值的差或色彩值的差所对应的灰阶值，根据所述灰阶值及对应宏块的位置生成灰阶图像，用于表示所述重建图像的质量。

这样，重建图像某一宏块的质量越差，其对应的灰阶值越小，则生成的灰阶图像中对应位置的灰度越深；可见，在最后生成的灰阶图像中，灰度越深的位置表示重建图像对应位置的质量越差。这样，从生成的灰阶图像就可以直观地看出重建图像中哪些位置的图像质量差。

以下举具体的实施例详细介绍。

实施例一：

在本实施例中，可以采用类似现有技术中计算PSNR的方式计算原始图像和重建图像的各个对应宏块的灰阶值的差或色彩值的差。

本实施例包括以下步骤：

步骤1：将原始图像和重建图像采用相同的方式进行二维分割，将原始图像和重建图像分割为个数相同且位置对应的宏块；这里，分割单元可以与编解码格式中的宏块保持一致。

步骤2：计算原始图像和重建图像的各个对应宏块的灰阶值的差或色彩值的差，计算方式与现有技术中计算PSNR的方式相同，即：

采用式(1)进行计算：

$\mathrm{PSNR}=10\lg \left(\frac{a_{\max }^2}{\mathrm{MSE}}\right)$ …………………………………………………………………式(1)

在上述式子中，

PSNR表示原始图像和重建图像的一个对应宏块的灰阶值的差或色彩值的差；

a_max表示像素的灰阶值或色彩值的最大可能取值；

MSE表示原始图像的宏块与对应的重建图像的宏块的灰阶值或色彩值的均方误差。

具体地，

a(i，j)和

分别是原始图像的宏块和对应的重建图像的宏块中一个像素的灰阶值或色彩值，i、j分别表示该像素在所属宏块中的横坐标和纵坐标，M、N分别表示一个宏块中包含像素的列数和行数。

步骤3：将步骤2中得到的各个PSNR按照对应宏块的位置组成二维数组，这个二维数组就可以表示重建图像的质量，PSNR越小，表示重建图像对应位置的宏块质量越差。

步骤4：生成对应的灰阶图像。具体包括：

(1)确定PSNR的正态分布函数：

首先，标准正态分布函数为：

$f\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}{e}^{-\frac{{(x-\mathrm{\μ})}^2}{{2\mathrm{\σ}}^2}}(\mathrm{\σ}=1,\mathrm{\μ}=0)$

经过数据统计，图像静态编码后PSNR数据一般波动范围为(30，45)，因此，在PSNR的正态分布函数中，令标准正态分布函数的σ＝15，μ＝0，PSNR＝x，生成PSNR的正态分布函数为：

$f\left(\mathrm{PSNR}\right)=\frac{1}{15\sqrt{2\mathrm{\π}}}{e}^{-\frac{{\mathrm{PSNR}}^2}{2\×{15}^2}}$ ……………………………………………式(1-1)

如图2为本发明实施例一中PSNR的单边正态分布曲线，当PSNR为最小值0时，得到f(PSNR)的最大值为：f(PSNR)_max＝0.0265961520267622

(2)记Gn_max为灰阶值的最大可能取值，设置一个中间变量g(PSNR)，该变量与f(PSNR)成正比，且最大值为Gn_max，则g(PSNR)的计算方式为：

$g\left(\mathrm{PSNR}\right)=\frac{f\left(\mathrm{PSNR}\right){\mathrm{Gn}}_{\max }}{f{\left(\mathrm{PSNR}\right)}_{\max }}$ …………………………………………式(1-2)

(3)在一幅灰阶图像中，灰阶值越小的部位灰度越深，看起来越明显；同时，重建图像中一个宏块的质量越差，其PSNR越小、f(PSNR)越大、g(PSNR)越大；因此，在本步骤中，需要将g(PSNR)进行翻转，得到灰阶值G(PSNR)，这样使最后生成的灰阶图像中灰度越深的部位表示宏块的质量越差。灰阶值G(PSNR)的计算方式为：

G(PSNR)＝|g(PSNR)-255|…………………………………………式(1-3)

通过上式(1-1)、(1-2)和(1-3)设定了宏块的灰阶值的差或色彩值的差与灰阶值的对应关系，在上述关系中，灰阶值的差或色彩值的差越大，则对应的灰阶值越小。根据上述对应关系生成各个对应宏块的灰阶值的差或色彩值的差所对应的灰阶值，并根据灰阶值及对应宏块的位置生成灰阶图像，用于表示所述重建图像的质量。在该灰阶图像中，灰阶值越小的位置表示重建图像对应位置的质量越差。

另外，灰阶图像的命名可以采用“年-月-日-小时-分-秒-毫秒”的方式。

当图像的PSNR值低于30时，图像质量较差，人眼可明显观察到图像有损。通过计算一段视频序列，可以将PSNR值低于30的灰阶图像以及其原始图像和重建图像保存，供后续分析使用。

实施例二：

步骤1：将原始图像和重建图像采用相同的方式进行二维分割，将原始图像和重建图像分割为个数相同且位置对应的宏块；这里，分割单元可以与编解码格式中的宏块保持一致。

步骤2：计算原始图像和重建图像的各个对应宏块的灰阶值的差，这里，灰阶值的差可以为灰阶差值均衡化结果，记为ε，采用式(2-1)进行计算：

$\mathrm{\ϵ}=\frac{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|X_{i,j}^{\′}-\mathrm{\μ}|}{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|X_{i,j}^{\′}+\mathrm{\μ}|}$ ……………………………………………式(2-1)

其中，

X_i，j和

分别是原始图像的宏块和对应的重建图像的宏块中一个像素的灰阶值，i、j分别表示该像素在所属宏块中的横坐标和纵坐标，M、N分别表示一个宏块中包含像素的列数和行数。

可见，μ表示原始图像的一个宏块的灰阶平均值。

由上述式(2-1)可见，ε的取值范围为[0，1]。当重建图像的某个宏块质量越差时，其与原始图像对应宏块的差别越大时，即X_i，j与μ相差越大，则ε越大。

步骤3：将步骤2中得到的各个宏块的ε按照对应宏块的位置组成二维数组，这个二维数组就可以表示重建图像的质量，ε越大，表示重建图像对应位置的宏块质量越差。

步骤4：按照预先设定的对应关系，将各个对应宏块的灰阶差值均衡化结果生成对应的灰阶值，该对应关系为：

L(ε)＝(1-ε)×L(ε)_max …………………………………………………(式2-2)

其中，L(ε)为灰阶值，L(ε)_max为灰阶值的最大可能取值。

通过上述式2-2计算出对应的灰阶值，并根据灰阶值及对应宏块的位置生成灰阶图像，用于表示重建图像的质量。在该灰阶图像中，灰阶越小的位置表示重建图像对应位置的质量越差。

另外，当ε的值大于0.25(该数值可以根据实际情况变更)时，可以将对应的原始图像及重建图像保存，供后续分析使用。

本发明还提出一种分析图像质量的装置，应用于对重建图像的质量进行分析，所述重建图像为对原始图像经过编码和解码操作后生成的图像，该装置包括：

分割模块，用于对原始图像和重建图像采用相同的方式进行二维分割，将所述原始图像和重建图像分割为个数相同且位置对应的宏块；

计算模块，用于计算原始图像和重建图像的各个对应宏块的灰阶值的差或色彩值的差；

数组生成模块，用于将所述各个对应宏块的灰阶值的差或色彩值的差按照所述各个对应宏块的位置组成二维数组，用于表示所述重建图像的质量。

上述装置可以进一步包括：

灰阶图像生成模块，用于根据预先设定的对应关系，生成所述各个对应宏块的灰阶值的差或色彩值的差所对应的灰阶值，根据所述灰阶值及对应宏块的位置生成灰阶图像，用于表示所述重建图像的质量。

上述计算模块计算原始图像和重建图像的各个对应宏块的灰阶值的差或色彩值的差的方式可以为：

采用以下式子进行计算：

$\mathrm{PSNR}=10\lg \left(\frac{a_{\max }^2}{\mathrm{MSE}}\right),$ 其中，

PSNR表示原始图像和重建图像的一个对应宏块的灰阶值的差或色彩值的差；

a_max表示像素的灰阶值或色彩值的最大可能取值；

表示原始图像的宏块与对应的重建图像的宏块的灰阶值或色彩值的均方误差；

a(i，j)和

分别是原始图像的宏块和对应的重建图像的宏块中一个像素的灰阶值或色彩值，i、j分别表示该像素在所属宏块中的横坐标和纵坐标，M、N分别表示一个宏块中包含像素的列数和行数。

上述对应宏块的灰阶值的差或色彩值的差与灰阶值的对应关系可以为以下三个式子构成的对应关系：

$f\left(\mathrm{PSNR}\right)=\frac{1}{15\sqrt{2\mathrm{\π}}}{e}^{-\frac{{\mathrm{PSNR}}^2}{2\×{15}^2}};$

其中，f(PSNR)_max＝0.0265961520267622，Gn_max表示灰阶值的最大可能取值；

G(PSNR)＝|g(PSNR)-255|，其中，G(PSNR)表示灰阶值。

或者，上述原始图像和重建图像的各个对应宏块的灰阶值的差为灰阶差值均衡化结果，上述计算模块对该灰阶差值均衡化结果的计算方式可以为：

采用以下式子进行计算：

$\mathrm{\ϵ}=\frac{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|X_{i,j}^{\′}-\mathrm{\μ}|}{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|X_{i,j}^{\′}+\mathrm{\μ}|},$ 其中，

ε表示一个对应宏块的灰阶差值均衡化结果；

表示原始图像的一个宏块的灰阶平均值；

X_i，j和

分别表示原始图像的宏块和对应的重建图像的宏块中一个像素的灰阶值，i、j分别表示该像素在所属宏块中的横坐标和纵坐标，M、N分别表示一个宏块中包含像素的列数和行数。

上述对应关系可以为：L(ε)＝(1-ε)×L(ε)_max，其中，L(ε)表示灰阶值，L(ε)_max表示灰阶值的最大可能取值。

综上可见，本发明提出的分析图像质量的方法和装置，将原始图像和重建图像分割成多个宏块，分别计算各个对应宏块的灰阶值的差或色彩值的差；并将各个对应宏块的灰阶值的差或色彩值的差按照对应宏块的位置组成二维数组，可以表示重建图像的质量，并且可以具体表示出重建图像各个宏块的质量，从而能够筛选出视频图像的局部损伤。进一步地，本发明还可以利用该二维数组生成灰阶图像，用该灰阶图像可以更直观地表示出重建图像各个宏块的质量。通过本发明生成的灰阶图像，在大量减少输出的同时保证了样本的正确程度，大大降低了人力投入，观察者能够识别小概率图像局部损伤，且不会对图像质量判定造成影响。通过分析存盘的灰阶图像、原始图像和重建图像，可以清晰地判定重建图像的局部损伤，省略了需要存储设备以及录像回放定位问题的步骤，降低了投入成本。本发明可以对编解码中图像出现的心跳、蚊式噪声、方块效应等进行客观图像质量测试。此外，由于PSNR的计算有一定的偏差，某些情况下会导致人眼看上去很舒服的图像其PSNR值反而较差，而某些PSNR值高的图像给人眼的主观感受较差，本发明实施例二使用灰阶差值均衡化结果对测试结果进行了一定的修正和补充，减少了漏测。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (12)

1.一种分析图像质量的方法，应用于对重建图像的质量进行分析，所述重建图像为对原始图像经过编码和解码操作后生成的图像，其特征在于，所述方法包括：

对原始图像和重建图像采用相同的方式进行二维分割，将所述原始图像和重建图像分割为个数相同且位置对应的宏块；

计算原始图像和重建图像的各个对应宏块的灰阶值的差或色彩值的差；

将所述各个对应宏块的灰阶值的差或色彩值的差按照所述各个对应宏块的位置组成二维数组，用于表示所述重建图像的质量。

2.根据权利要求1所述的方法，其特征在于，所述组成二维数组之后，进一步包括：

根据预先设定的对应关系，生成所述各个对应宏块的灰阶值的差或色彩值的差所对应的灰阶值，根据所述灰阶值及对应宏块的位置生成灰阶图像，用于表示所述重建图像的质量。

3.根据权利要求2所述的方法，其特征在于，所述计算原始图像和重建图像的各个对应宏块的灰阶值的差或色彩值的差的方式为：

采用以下式子进行计算：

$\mathrm{PSNR}=10\lg \left(\frac{a_{\max }^2}{\mathrm{MSE}}\right),$ 其中，

PSNR表示原始图像和重建图像的一个对应宏块的灰阶值的差或色彩值的差；

a_max表示像素的灰阶值或色彩值的最大可能取值；

表示原始图像的宏块与对应的重建图像的宏块的灰阶值或色彩值的均方误差；

a(i，j)和

分别是原始图像的宏块和对应的重建图像的宏块中一个像素的灰阶值或色彩值，i、j分别表示该像素在所属宏块中的横坐标和纵坐标，M、N分别表示一个宏块中包含像素的列数和行数。

4.根据权利要求3所述的方法，其特征在于，所述对应宏块的灰阶值的差或色彩值的差与灰阶值的对应关系为以下三个式子构成的对应关系：

$f\left(\mathrm{PSNR}\right)=\frac{1}{15\sqrt{2\mathrm{\π}}}{e}^{-\frac{{\mathrm{PSNR}}^2}{2\×{15}^2}};$

其中，f(PSNR)_max＝0.0265961520267622，Gn_max表示灰阶值的最大可能取值；

G(PSNR)＝|g(PSNR)-255|，其中，G(PSNR)表示灰阶值。

5.根据权利要求2所述的方法，其特征在于，所述原始图像和重建图像的各个对应宏块的灰阶值的差为灰阶差值均衡化结果，该灰阶差值均衡化结果的计算方式为：

采用以下式子进行计算：

$\mathrm{\ϵ}=\frac{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|X_{i,j}^{\′}-\mathrm{\μ}|}{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|X_{i,j}^{\′}+\mathrm{\μ}|},$ 其中，

ε表示一个对应宏块的灰阶差值均衡化结果；

表示原始图像的一个宏块的灰阶平均值；

X_i，j和

分别表示原始图像的宏块和对应的重建图像的宏块中一个像素的灰阶值，i、j分别表示该像素在所属宏块中的横坐标和纵坐标，M、N分别表示一个宏块中包含像素的列数和行数。

6.根据权利要求5所述的方法，其特征在于，所述对应关系为：L(ε)＝(1-ε)×L(ε)_max，其中，L(ε)表示灰阶值，L(ε)_max表示灰阶值的最大可能取值。

7.一种分析图像质量的装置，应用于对重建图像的质量进行分析，所述重建图像为对原始图像经过编码和解码操作后生成的图像，其特征在于，所述装置包括：

分割模块，用于对原始图像和重建图像采用相同的方式进行二维分割，将所述原始图像和重建图像分割为个数相同且位置对应的宏块；

计算模块，用于计算原始图像和重建图像的各个对应宏块的灰阶值的差或色彩值的差；

数组生成模块，用于将所述各个对应宏块的灰阶值的差或色彩值的差按照所述各个对应宏块的位置组成二维数组，用于表示所述重建图像的质量。

8.根据权利要求7所述的装置，其特征在于，所述装置进一步包括：

灰阶图像生成模块，用于根据预先设定的对应关系，生成所述各个对应宏块的灰阶值的差或色彩值的差所对应的灰阶值，根据所述灰阶值及对应宏块的位置生成灰阶图像，用于表示所述重建图像的质量。

9.根据权利要求8所述的装置，其特征在于，所述计算模块计算原始图像和重建图像的各个对应宏块的灰阶值的差或色彩值的差的方式为：

采用以下式子进行计算：

$\mathrm{PSNR}=10\lg \left(\frac{a_{\max }^2}{\mathrm{MSE}}\right),$ 其中，

PSNR表示原始图像和重建图像的一个对应宏块的灰阶值的差或色彩值的差；

a_max表示像素的灰阶值或色彩值的最大可能取值；

表示原始图像的宏块与对应的重建图像的宏块的灰阶值或色彩值的均方误差；

a(i，j)和

分别是原始图像的宏块和对应的重建图像的宏块中一个像素的灰阶值或色彩值，i、j分别表示该像素在所属宏块中的横坐标和纵坐标，M、N分别表示一个宏块中包含像素的列数和行数。

10.根据权利要求9所述的装置，其特征在于，所述对应宏块的灰阶值的差或色彩值的差与灰阶值的对应关系为以下三个式子构成的对应关系：

$f\left(\mathrm{PSNR}\right)=\frac{1}{15\sqrt{2\mathrm{\π}}}{e}^{-\frac{{\mathrm{PSNR}}^2}{2\×{15}^2}};$

其中，f(PSNR)_max＝0.0265961520267622，Gn_max表示灰阶值的最大可能取值；

G(PSNR)＝|g(PSNR)-255|，其中，G(PSNR)表示灰阶值。

11.根据权利要求8所述的装置，其特征在于，所述原始图像和重建图像的各个对应宏块的灰阶值的差为灰阶差值均衡化结果，所述计算模块对该灰阶差值均衡化结果的计算方式为：

采用以下式子进行计算：

$\mathrm{\ϵ}=\frac{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|X_{i,j}^{\′}-\mathrm{\μ}|}{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|X_{i,j}^{\′}+\mathrm{\μ}|},$ 其中，

ε表示一个对应宏块的灰阶差值均衡化结果；

表示原始图像的一个宏块的灰阶平均值；

X_i，j和

分别表示原始图像的宏块和对应的重建图像的宏块中一个像素的灰阶值，i、j分别表示该像素在所属宏块中的横坐标和纵坐标，M、N分别表示一个宏块中包含像素的列数和行数。

12.根据权利要求11所述的装置，其特征在于，所述对应关系为：L(ε)＝(1-ε)×L(ε)_max，其中，L(ε)表示灰阶值，L(ε)_max表示灰阶值的最大可能取值。

Images