CN111770330B - 图像压缩方法、装置以及电子设备 - Google Patents
图像压缩方法、装置以及电子设备 Download PDFInfo
- Publication number
- CN111770330B CN111770330B CN202010522277.6A CN202010522277A CN111770330B CN 111770330 B CN111770330 B CN 111770330B CN 202010522277 A CN202010522277 A CN 202010522277A CN 111770330 B CN111770330 B CN 111770330B
- Authority
- CN
- China
- Prior art keywords
- quantization
- value
- image
- offset
- region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/124—Quantisation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/154—Measured or subjectively estimated visual quality after decoding, e.g. measurement of distortion
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本公开关于一种图像压缩方法、装置以及电子设备,涉及图像处理技术领域,其中,该方法包括:在获取到原始图像后,识别得到原始图像中的平滑的第一区域,以及除第一区域以外的第二区域,以在对原始图像进行压缩过程中,采用取值为第一量化值的量化因子,对第一区域中多个图像单元的频域残差系数进行量化处理,采用取值为第二量化值的量化因子,对第二区域中多个图像单元的频域残差系数进行量化处理。该方法通过对原始图像进行识别得到平滑的第一区域后,采用失真度较小的量化因子对第一区域进行量化处理,保留了更多图像细节,从而减轻了平滑区域的轮廓效应。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种图像压缩方法、装置以及电子设备。
背景技术
由于采集到的原始图像的数据量比较大,不便于传输,一般会对图像进行压缩处理,以去除图像中冗余的数据信息,使得用尽可能少的符号来表示尽可能多的信息。但是,图像进行压缩后,如果经过离散余弦变换后的残差系数的高频信息由于量化过程归零,就会出现轮廓效应,从而影响图像的质量。
相关技术中,通过在图像压缩过程中调整压缩参数,以避免图像因为压缩而产生轮廓效应。但是,压缩参数的调整会影响整个图像的压缩力度,从而导致图像因为压缩过渡而出现信息丢失并产生轮廓效应,或者因压缩力度过小导致图像的文件大小会大幅增加,为后续图像处理带来较高的成本的问题。
发明内容
本公开提供一种图像压缩方法、装置以及电子设备,以至少解决相关技术中图像压缩过程中由于压缩参数过大导致信息丢失严重,出现轮廓效应的,或者压缩参数过小导致图像文件过大的问题。
本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种图像压缩方法,包括:
获取原始图像;
从所述原始图像中,识别得到平滑的第一区域,以及除所述第一区域以外的第二区域;
在对所述原始图像进行压缩过程中,采用取值为第一量化值的量化因子,对所述第一区域中多个图像单元的频域残差系数进行量化处理;以及
采用取值为第二量化值的量化因子,对所述第二区域中多个图像单元的频域残差系数进行量化处理,其中,所述第一量化值对应的量化失真度小于所述第二量化值对应的量化失真度。
作为本公开实施例的第一种可能的情况,所述采用取值为第一量化值的量化因子,对所述第一区域中多个图像单元的频域残差系数进行量化处理,包括:
在所述量化因子的取值范围内,以设定调整步长调整所述量化因子的取值;
每当所述量化因子调整一次取值,采用所述量化因子调整后的取值,对所述第一区域中多个图像单元的频域残差系数进行量化处理;
若量化后具有非零频域残差系数的图像单元个数大于个数阈值,则将所述量化因子调整后的取值作为所述第一量化值,并停止调整所述量化因子的取值。
作为本公开实施例的第二种可能的情况,所述在所述量化因子的取值范围内,以设定调整步长调整所述量化因子的取值,包括:
在所述量化因子的取值范围内,按照所述量化失真度由大到小的顺序,以所述调整步长调整所述量化因子的取值。
作为本公开实施例的第三种可能的情况,所述量化因子包括偏移量和量化步长,其中,所述在所述量化因子的取值范围内,按照所述量化失真度由大到小的顺序,以所述调整步长调整所述量化因子的取值,包括:
在所述偏移量的取值范围内,按照取值从小到大的顺序,以所述偏移量的调整步长调整所述偏移量的取值;
每当所述偏移量的取值达到所述偏移量的取值范围上限,则减小所述量化步长的取值,并重复执行所述在所述偏移量的取值范围内,按照取值从小到大的顺序,以所述偏移量的调整步长调整所述偏移量的取值的步骤,直至所述量化步长的取值达到所述量化步长的取值范围下限。
作为本公开实施例的第四种可能的情况,所述偏移量的取值范围下限,是根据所述偏移量的第二量化值确定;
所述量化步长的取值范围上限,是根据所述量化步长的第二量化值确定。
作为本公开实施例的第五种可能的情况,在所述若量化后具有非零频域残差系数的图像单元个数大于个数阈值,则将所述量化因子调整后的取值作为所述第一量化值之前,还包括:
对所述第一区域,统计量化前具有非零频域残差系数的图像单元个数,和/或图像单元总数;
根据所述量化前具有非零频域残差系数的图像单元个数,和/或所述图像单元总数,确定所述个数阈值。
作为本公开实施例的第六种可能的情况,所述根据所述量化前具有非零频域残差系数的图像单元个数,和/或所述图像单元总数,确定所述个数阈值,包括:
根据所量化前具有非零频域残差系数的图像单元个数,生成第一候选阈值;
根据所述图像单元总数,生成第二候选阈值;
将所述第一候选阈值和所述第二候选阈值之中取值小的一个作为所述个数阈值。
作为本公开实施例的第七种可能的情况,所述从所述原始图像中,识别得到平滑的第一区域,包括:
将所述原始图像划分为多个区域;
确定每一所述区域中多个图像单元的亮度分量方差;
若所述亮度分量方差低于方差阈值,则确定对应区域为所述第一区域。
作为本公开实施例的第八种可能的情况,所述若所述亮度分量方差低于方差阈值,则确定对应区域为所述第一区域,包括:
若所述亮度分量方差低于所述方差阈值,则确定对应区域中多个图像单元的亮度分量均值;
若所述亮度分量均值低于均值阈值,则确定所述对应区域为所述第一区域。
本公开实施例的图像压缩方法,在获取到原始图像后,识别得到原始图像中的平滑的第一区域,以及除第一区域以外的第二区域,以在对原始图像进行压缩过程中,采用取值为第一量化值的量化因子,对第一区域中多个图像单元的频域残差系数进行量化处理,采用取值为第二量化值的量化因子,对第二区域中多个图像单元的频域残差系数进行量化处理。该方法通过对原始图像进行识别得到平滑的第一区域后,采用失真度较小的量化因子对第一区域进行量化处理,保留了更多图像细节,从而减轻了平滑区域的轮廓效应。
根据本公开实施例的第二方面,提供一种图像压缩装置,包括:
获取模块,被配置为执行获取原始图像;
识别模块,被配置为执行从所述原始图像中,识别得到平滑的第一区域,以及除所述第一区域以外的第二区域;
第一处理模块,被配置为执行在对所述原始图像进行压缩过程中,采用取值为第一量化值的量化因子,对所述第一区域中多个图像单元的频域残差系数进行量化处理;以及
第二处理模块,被配置为执行采用取值为第二量化值的量化因子,对所述第二区域中多个图像单元的频域残差系数进行量化处理,其中,所述第一量化值的量化失真度小于所述第二量化值的量化失真度。
作为本公开实施例的第一种可能的情况,所述第一处理模块,包括:
调整单元,被配置为在所述量化因子的取值范围内,以设定调整步长调整所述量化因子的取值;
量化单元,被配置为每当所述量化因子调整一次取值,采用所述量化因子调整后的取值,对所述第一区域中多个图像单元的频域残差系数进行量化处理;
处理单元,被配置为若量化后具有非零频域残差系数的图像单元个数大于个数阈值,则将所述量化因子调整后的取值作为所述第一量化值,并停止调整所述量化因子的取值。
作为本公开实施例的第二种可能的情况,所述调整单元,还被配置为:
在所述量化因子的取值范围内,按照所述量化失真度由大到小的顺序,以所述调整步长调整所述量化因子的取值。
作为本公开实施例的第三种可能的情况,所述量化因子包括偏移量和量化步长,所述调整单元,还被配置为:
在所述偏移量的取值范围内,按照取值从小到大的顺序,以所述偏移量的调整步长调整所述偏移量的取值;
每当所述偏移量的取值达到所述偏移量的取值范围上限,则减小所述量化步长的取值,并重复执行所述在所述偏移量的取值范围内,按照取值从小到大的顺序,以所述偏移量的调整步长调整所述偏移量的取值的步骤,直至所述量化步长的取值达到所述量化步长的取值范围下限。
作为本公开实施例的第四种可能的情况,所述偏移量的取值范围下限,是根据所述偏移量的第二量化值确定;
所述量化步长的取值范围上限,是根据所述量化步长的第二量化值确定。
作为本公开实施例的第五种可能的情况,所述第一处理模块,还包括:
统计单元,被配置为对所述第一区域,统计量化前具有非零频域残差系数的图像单元个数,和/或图像单元总数;
第一确定单元,被配置为根据所述量化前具有非零频域残差系数的图像单元个数,和/或所述图像单元总数,确定所述个数阈值。
作为本公开实施例的第六种可能的情况,所述第一确定单元,还被配置为:
根据所量化前具有非零频域残差系数的图像单元个数,生成第一候选阈值;
根据所述图像单元总数,生成第二候选阈值;
将所述第一候选阈值和所述第二候选阈值之中取值小的一个作为所述个数阈值。
作为本公开实施例的第七种可能的情况,所述识别模块,还包括:
划分单元,被配置为将所述原始图像划分为多个区域;
第二确定单元,被配置为确定每一所述区域中多个图像单元的亮度分量方差;
第三确定单元,被配置为若所述亮度分量方差低于方差阈值,则确定对应区域为所述第一区域。
作为本公开实施例的第八种可能的情况,所述第三确定单元,还被配置为:
若所述亮度分量方差低于所述方差阈值,则确定对应区域中多个图像单元的亮度分量均值;
若所述亮度分量均值低于均值阈值,则确定所述对应区域为所述第一区域。
本公开实施例的图像压缩装置,在获取到原始图像后,识别得到原始图像中的平滑的第一区域,以及除第一区域以外的第二区域,以在对原始图像进行压缩过程中,采用取值为第一量化值的量化因子,对第一区域中多个图像单元的频域残差系数进行量化处理,采用取值为第二量化值的量化因子,对第二区域中多个图像单元的频域残差系数进行量化处理。该方法通过对原始图像进行识别得到平滑的第一区域后,采用失真度较小的量化因子对第一区域进行量化处理,保留了更多图像细节,从而减轻了平滑区域的轮廓效应。
根据本公开实施例的第三方面,提供一种电子设备,包括:处理器;用于存储所述处理器可执行指令的存储器;其中,所述处理器被配置为执行所述指令,以实现本公开实施例的第一方面的图像压缩方法。
根据本公开实施例的第四方面,提供一种存储介质,当所述存储介质中的指令由服务器的处理器执行时,使得电子设备能够执行本公开实施例的第一方面的图像压缩方法。
根据本公开实施例的第五方面,提供一种计算机程序产品,该计算机程序由服务器的处理器执行时,使得服务器能够执行本公开实施例的第一方面的图像压缩方法。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种图像压缩方法的流程图。
图2是根据一示例性实施例示出的另一种图像压缩方法的流程图。
图3是根据一示例性实施例示出的一种量化处理结果的示例图。
图4是根据一示例性实施例示出的一种用于识别第一区域的方法的流程图。
图5是根据一示例性实施例示出的一种图像压缩装置框图。
图6是根据一示例性实施例示出的一种用于图像压缩的电子设备200的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
相关技术中,图像压缩的过程可能包括:变换编码,量化,熵编码,运动估计,运动补偿等等,本公开实施例中主要对量化的过程进行了改进,下面将对量化过程进行详细介绍。
图1是根据一示例性实施例示出的一种图像压缩方法的流程图,如图1所示,图像压缩方法用于电子设备中,包括以下步骤:
在步骤S101中,获取原始图像。
本公开实施例以该图像压缩方法被配置于图像压缩装置中来举例说明,该图像压缩装置可以应用于任一电子设备中,以使该电子设备可以执行图像压缩功能。
其中,电子设备,可以为个人电脑(Personal Computer,简称PC)、云端设备、移动设备等,移动设备例如可以为手机、平板电脑、个人数字助理、穿戴式设备、车载设备等具有各种操作***的硬件设备。
其中,原始图像,可以为电子设备拍摄的未经过任何处理的图像。原始图像可以是RGB(Red,Green,Blue)图像、灰度图像、深度图像等其中的任意一种。
电子设备可以设置摄像头,设置的摄像头的数量可以是一个或者多个。例如,设置1个、2个、3个、5个等,在此不做限定。摄像头设置于电子设备的形式不限,例如,可以是内置于电子设备的摄像头,也可以外置于电子设备的摄像头;可以是前置摄像头,也可以是后置摄像头。
电子设备上的摄像头可以为任意类型的摄像头。例如,摄像头可以是彩色摄像头、黑白摄像头、深度摄像头、长焦摄像头、广角摄像头等,在此不做限定。
相对应地,通过彩色摄像头获取彩色图像,即RGB图像,通过黑白摄像头获取灰度图像,通过深度摄像头获取深度图像,通过长焦摄像头获取长焦图像,通过广角摄像头获取广角图像,在此不做限定。电子设备中的摄像头可以是相同类型的摄像头,也可以是不同类型的摄像头。例如,可以均是彩色摄像头,也可以均是黑白摄像头;可以其中的一个摄像头为长焦摄像头,其他的摄像头为广角摄像头,在此不做限定。
在步骤S102中,从原始图像中,识别得到平滑的第一区域,以及除第一区域以外的第二区域。
本公开实施例中,可以将原始图像划分为多个区域,为了便于区分,可以将多个区域中平滑的区域命名为第一区域,将第一区域以外的区域命名为第二区域。当然,也可以采用其他的命名方式,在此不做限定。
例如,可以采用图像分割技术将原始图像划分为多个区域,其中,图像分割是指将数字图像细分为多个图像子区域的过程。例如,可以将原始图像划分为16*16个区域,或者32*32个区域等等。
可选地,将原始图像划分为多个区域后,可以遍历每一个区域,确定每一区域中多个图像单元的亮度分量方差。当该区域的亮度分量方差低于方差阈值,则可以确定对应区域为平滑的第一区域;反而,可以确定相应区域为第二区域。其中,方差阈值,可以为预先设定的,用于区分原始图像不同区域是否为平滑区域的值。
作为一种可选的实施方式,若某一区域的亮度分量方差低于方差阈值,可能存在相应区域的不同图像单元对应的亮度分量方差差别较大的情况。为了准确判断该区域是否为光滑的第一区域,可以进一步确定对应区域中多个图像单元的亮度分量均值,当多个图像单元的亮度分量均值低于均值阈值时,则确定对应区域为平滑的第一区域。其中,均值阈值,可以为预先设定的,用于区分原始图像不同区域是否为平滑区域的值。例如,亮度分量均值阈值可以为200。
在步骤S103中,在对原始图像进行压缩过程中,采用取值为第一量化值的量化因子,对第一区域中多个图像单元的频域残差系数进行量化处理。
在步骤S104中,采用取值为第二量化值的量化因子,对第二区域中多个图像单元的频域残差系数进行量化处理,其中,第一量化值对应的量化失真度小于第二量化值对应的量化失真度。
在对原始图像进行压缩的过程中,可以首先对原始图像进行变换编码,以将原始图像变换至频率域,然后对变化后的系数进行编码处理。量化处理,是指把变换后的频域系数除以一个常量,经过量化后的结果是量化步长的整数倍或者为更多的零值,从而达到了压缩的目的。量化处理,实质是在不降低视觉效果的前提下减少图像编码长度,减少视觉恢复中不必要的信息。并且,图像量化处理的过程,是以经过离散余弦变换的图像单元为基本单位进行的。
需要解释的是,量化因子反映了空间细节压缩情况,如量化因子小,图像大部分的细节都会被保留,码率增大。量化因子增大,图像的一些细节会丢失,码率降低,但图像失真加强,质量也会下降。
可选地,由于第一区域的平滑程度高于第二区域,为了避免对原始图像进行压缩后,第一区域因为量化因子过大,导致信息丢失严重并产生轮廓效应的情况,本公开实施例中,可以采用不同的量化因子分别对第一区域和第二区域进行压缩处理。
作为本公开的一种可能的实现方式,在对原始图像进行压缩过程中,可以采用取值为第一量化值的量化因子,对第一区域中多个图像单元的频域残差系数进行量化处理,采用取值为第二量化值的量化因子,对第二区域中多个图像单元的频域残差系数进行量化处理。由于第一量化值对应的量化失真度小于第二量化值对应的量化失真度,从而避免了原始图像在压缩过程中平滑的第一区域会出现信息丢失严重的技术问题。
可选地,在对原始图像进行压缩过程中,采用取值为第一量化值的量化因子,对第一区域中多个图像单元的频域残差系数进行量化处理,以及采用取值为第二量化值的量化因子,对第二区域中多个图像单元的频域残差系数进行量化处理后,可以通过扫描的处理方式对量化后得到的数据进行处理,以将量化后的系数从二维变到了一维,进而对得到的一维数据进行熵编码,以得到最终的图像压缩结果。
作为本公开的另一种可能的实现方式,可以采用如下公式对第一区域和第二区域进行量化处理,其中,公式如下:
q(x,y)=round(F(x,y)/Q+0.5);
其中,F(x,y)为原始图像经过频域变换后的频域系数,Q为量化步长,round()函数返回四舍五入的整数值,q(x,y)为原始图像经过量化处理之后的值。
例如,假设某个像素点经过频域变换后的值为205,量化步长Q取值28,那么q(x,y)=round(205/28+0.5)=round(7.8214)=8。
需要解释的是,在对原始图像进行压缩的过程中,对第一区域和第二区域的量化处理顺序不做限定,可以对第一区域中多个图像单元的频域残差系数进行量化处理,再对第二区域中多个图像单元的频域残差系数进行量化处理;也可以先对第二区域进行量化处理,再对第一区域进行量化处理;或者,还可以同时对第一区域和第二区域进行量化处理,本公开实施例中对此不做限定。因此,步骤S103和步骤S104并不限于顺序执行的过程,还可以先执行步骤S104,再执行步骤S103,或者同时执行步骤S103和S步骤104,本公开实施例中对此不做限定。
本公开实施例的图像压缩方法,在获取到原始图像后,识别得到原始图像中的平滑的第一区域,以及除第一区域以外的第二区域,以在对原始图像进行压缩过程中,采用取值为第一量化值的量化因子,对第一区域中多个图像单元的频域残差系数进行量化处理,采用取值为第二量化值的量化因子,对第二区域中多个图像单元的频域残差系数进行量化处理。该方法通过对原始图像进行识别得到平滑的第一区域后,采用失真度较小的量化因子对第一区域进行量化处理,保留了更多图像细节,从而减轻了平滑区域的轮廓效应。
在本公开一种可能的实现形式中,在对原始图像进行压缩的过程中,为了避免对平滑的第一区域进行量化处理时,由于量化因子取值过大导致信息丢失严重,或者由于量化因子取值过小导致压缩后文件太大,不利于后续处理的问题,可以通过设定调整步长调整量化因子的取值,以根据不同取值的量化因子对第一区域进行量化处理的结果,确定第一区域最终的量化因子对应的取值,从而避免了原始图像在图像压缩过程第一区域因为量化因子取值过高,导致图像信息丢失严重的,或者,量化因子取值过小导致压缩后文件太大问题。
图2是根据一示例性实施例示出的另一种图像压缩方法的流程图,如图2所示,该上述步骤S103,还可以包括以下步骤:
在步骤S1031中,在对原始图像进行压缩过程中,在量化因子的取值范围内,以设定调整步长调整量化因子的取值。
本公开实施例中,为了避免原始图像在压缩过程中,出现信息丢失过多,或者出现轮廓效应的情况,可以预先设定量化因子的取值范围,以根据取值范围内的量化因子对原始图像进行量化处理。
可选地,在对原始图像进行压缩的过程中,可以在量化因子的取值范围内,以设定调整步长调整量化因子的取值,以根据调整后的量化因子的取值,对第一区域中多个图像单元的频域残差系数进行量化处理。
例如,在对原始图像进行压缩的过程中,量化因子的取值范围可以为P-6至P,预设调整步长可以为1,此时,在对原始图像的不同区域中的多个图像单元的频域残差系数进行量化处理时,可以以每次P-1的方式下调量化因子的取值。
可选地,在量化因子的取值范围内,可以按照量化失真度由大到小的顺序,以预设的调整步长调整量化因子的取值。
在本公开实施例的一种可能的实现方式中,量化因子可以包括偏移量和量化步长,在按照量化失真度由大到小的顺序,以预设的调步长调整量化因子的取值时,可以在偏移量的取值范围内,按照取值从小到大的顺序,以偏移量的调整步长调整偏移量的取值;每当偏移量的取值达到偏移量的取值范围上限,则减小量化步长的取值,并重复执行在偏移量的取值范围内,按照取值从小到大的顺序,以偏移量的调整步长调整偏移量的取值的步骤,直至量化步长的取值达到量化步长的取值范围下限。
其中,偏移量的取值范围下限,可以是根据偏移量的第二量化值确定;量化步长的取值范围上限,可以是根据量化步长的第二量化值确定。
例如,偏移量的取值范围可以为1/3至1/2,可以在该取值范围内,按照取值从小大大的顺序,以偏移量的调整步长为1/24的步长调整偏移量的取值,直至偏移量的取值达到1/2,则减小量化步长的取值,并重复执行在偏移量的取值范围为1/3至1/2内,按照取值从小到大的顺序,以偏移量的调整步长调整偏移量的取值的步骤,直至量化步长的取值达到量化步长的取值范围下限。
需要说明的是,上述示例中的偏移量的取值范围并不是完全固定的,可以根据原始图像在帧内或者帧间的残差会有所变化。
在步骤S1032中,每当量化因子调整一次取值,采用量化因子调整后的取值,对第一区域中多个图像单元的频域残差系数进行量化处理。
本公开实施例中,在量化因子的取值范围内,每当以设定调整步长调整量化因子的取值后,采用量化因子调整后的取值,对第一区域中多个图像单元的频域残差系数进行量化处理。
在本公开实施例的一种可能的情况下,在偏移量的取值范围内,以偏移量的调整步长调整偏移量的取值,则采用调整后的偏移量,对第一区域中多个图像单元的频域残差系数进行量化处理。
在本公开实施例的另一种可能的情况下,在每一次减少量化步长的取值后,在偏移量的取值范围内,按照取值从小到大的顺序,以偏移量的调整步长调整偏移量的取值,并采用调整后的偏移量和量化步长,对第一区域中多个图像单元的频域残差系数进行量化处理。
在步骤S1033中,若量化后具有非零频域残差系数的图像单元个数大于个数阈值,则将量化因子调整后的取值作为第一量化值,并停止调整量化因子的取值。
可以理解的是,在图像压缩过程中,对原始图像进行编码后会得到频域系数,进而对频域系数进行量化处理后,会存在具有零频域残差系数的图像单元。
作为一种示例,参见图3,图3中左侧表格为对某一原始图像进行编码后得到的各图像单元的频域系数,采用某一量化因子对各频域系数进行量化处理,可以得到图3中右侧表格中的系数,对原始图像进行量化处理后会得到具有零频域残差系数的图像单元。由于对原始图像进行量化处理后的得到较多的零值,从而可以实现图像压缩的目的。
作为本公开实施例的一种可能的实现方式,在确定具有非零频域残差系数的图像单元的个数阈值时,可以对第一区域,统计量化前具有非零频域残差系数的图像单元个数和图像单元总数,以根据量化前具有非零频域残差系数的图像单元个数和图像单元总数,确定个数阈值。
可选地,可以根据量化前具有非零频域残差系数的图像单元个数,生成第一候选阈值,根据量化前具有非零频域残差系数的图像单元总数,生成第二候选阈值,然后,可以将第一候选阈值和第二候选阈值之中取值小的一个作为个数阈值。
在本公开实施例中,在量化因子的取值范围内,以设定步骤调整量化因子的取值后,采用调整后的量化因子,对第一区域中多个图像单元的频域残差系数进行量化处理后,若量化后具有非零频域残差系数的图像单元个数大于个数阈值,则将量化因子调整后的取值作为第一量化值,并停止调整量化因子的取值。
可以理解为,若量化后具有非零频域残差系数的图像单元个数小于个数阈值,可以说明对第一区域进行压缩的太厉害,导致第一区域的信息丢失过多,并且容易产生轮廓效应。
在本公开实施例的一种可能的情况下,量化因子包括偏移量和量化步长,可以通过对偏移量和量化步长的调整,使得采用调整后的偏移量和量化步长对第一区域中多个图像单元的频域残差系数进行量化处理,直至量化后具有非零频域残差系数的图像单元个数大于个数阈值,则将当前偏移量和量化步长调整后的取值作为第一量化值,并停止调整偏移量和量化步长的取值。
在一种可能的情况下,在量化步长为量化步长范围内某一值时,可以在偏移量的取值范围内,按照从小到大的顺序,以偏移量的调整步长调整偏移量的取值,采用调整后的偏移量的取值,对第一区域中多个图像单元的频域残差系数进行量化处理,若量化处理后具有非零频域残差系数的图像单元个数大于个数阈值,则将量化步长以及调整后的偏移量的取值作为第一量化值,并停止调整偏移量的取值。
举例来说,假设量化步长的取值范围为Q至Q-6,偏移量的取值范围为1/3至1/2,可以在该取值范围内,按照取值从小到大的顺序,以偏移量的调整步长为1/24调整偏移量的取值,每当偏移量调整一次取值,均采用调整后的偏移量的取值,对第一区域中多个图像单元的频域残差系数进行量化处理。若量化步长取值为Q,偏移量取值为5/12时,对第一区域中多个图像单元的频域残差系数进行量化处理后,具有非零频域残差系数的图像单元个数大于个数阈值,则将偏移量取值为5/12、量化步长为Q作为第一量化值,并停止调整偏移量的取值。
在另一种可能的情况下,在量化步长为量化步长范围内某一值时,可以在偏移量的取值范围内,按照从小到大的顺序,以偏移量的调整步长调整偏移量的取值,每次调整偏移量的取值后,均采用调整后的偏移量的取值,对第一区域中多个图像单元的频域残差系数进行量化处理。若直至偏移量的取值达到偏移量的取值范围上限时,对第一区域中多个图像单元的频域残差系数进行量化处理后具有非零频域残差系数的图像单元个数不大于个数阈值,则将减小量化步长的取值,并重复执行在偏移量的取值范围内,按照取值从小到大的顺序,以偏移量的调整步长调整偏移量的取值的步骤。在重复调整偏移量的取值时,每一次以偏移量的调整步长调整偏移量的取值,均采用调整后的偏移量的取值,对第一区域中多个图像单元的频域残差系数进行量化处理,若量化处理后具有非零频域残差系数的图像单元个数大于个数阈值,则将量化步长减小后的取值以及调整后的偏移量的取值作为第一量化值,并停止调整偏移量的取值。
举例来说,假设量化步长的取值范围为Q至Q-6,偏移量的取值范围为1/3至1/2,可以在该取值范围内,按照取值从小到大的顺序,以偏移量的调整步长为1/24调整偏移量的取值,每当偏移量调整一次取值,均采用调整后的偏移量的取值,对第一区域中多个图像单元的频域残差系数进行量化处理。若量化步长取值为Q,偏移量取值为1/2时,对第一区域中多个图像单元的频域残差系数进行量化处理后,具有非零频域残差系数的图像单元个数并未大于个数阈值,则将量化步长调整为Q-1,并重复执行按照取值从小到大的顺序,以偏移量的调整步长为1/24调整偏移量的取值的步骤。若偏移量取值为11/24时,对第一区域中多个图像单元的频域残差系数进行量化处理后,具有非零频域残差系数的图像单元个数大于个数阈值,则将偏移量取值为11/24,量化步长为Q-1作为第一量化值,并停止调整偏移量和量化步长的取值。
在又一种可能的情况下,在量化步长为量化步长范围内某一值时,可以在偏移量的取值范围内,按照从小到大的顺序,以偏移量的调整步长调整偏移量的取值,每次调整偏移量的取值后,均采用调整后的偏移量的取值,对第一区域中多个图像单元的频域残差系数进行量化处理。若直至偏移量的取值达到偏移量的取值范围上限时,对第一区域中多个图像单元的频域残差系数进行量化处理后具有非零频域残差系数的图像单元个数不大于个数阈值,则将减小量化步长的取值,并重复执行在偏移量的取值范围内,按照取值从小到大的顺序,以偏移量的调整步长调整偏移量的取值的步骤。
在重复调整偏移量的取值时,每一次以偏移量的调整步长调整偏移量的取值时,均采用调整后的偏移量的取值,对第一区域中多个图像单元的频域残差系数进行量化处理,若量化处理后具有非零频域残差系数的图像单元个数并未大于个数阈值,则继续减小量化步长的取值。若量化步长的取值达到量化步长的取值范围下限时,在调整偏移量的取值,采用调整后的偏移量的取值,对第一区域中多个图像单元的频域残差系数进行量化处理后具有的非零频域残差系数的图像单元个数并未大于个数阈值,则停止调整量化步长和偏移量的过程。
本公开实施例中,在对原始图像进行压缩过程中,在量化因子的取值范围内,以设定调整步长调整量化因子的取值,每当量化因子调整一次取值,采用量化因子调整后的取值,对第一区域中多个图像单元的频域残差系数进行量化处理,若量化后具有非零频域残差系数的图像单元个数大于个数阈值,则将量化因子调整后的取值作为第一量化值,并停止调整量化因子的取值。由此,避免了对平滑的第一区域进行量化处理时,由于量化因子取值过大导致信息丢失严重产生轮廓效应。
在上述实施例的基础上,对原始图像进行压缩过程中,不同区域采用不同的量化因子进行量化处理,以避免容易出现轮廓效应的区域在压缩过程中信息丢失严重的问题,因此,在步骤S102中从原始图像中,识别得到平滑的第一区域和第二区域后,可以使得原始图像的不同区域自适应的调整压缩过程中的量化因子。
图4是根据一示例性实施例示出的一种用于识别第一区域的方法的流程图,如图4所示,上述步骤S102可以包括以下步骤。
在步骤S1021中,将原始图像划分为多个区域。
在本公开实施例中的一种可能的实现方式,获取到原始图像后,可以将原始图像划分为多个长宽相等的区域。例如原始图像的尺寸大小为1000*1000,可以将其划分为100个100*100的区域。
在本公开实施例中的另一种可能的实现方式,获取到原始图像后,也可以根据图像内容的特征,将原始图像划分为尺寸不等的多个区域,使得特定位置(感兴趣位置)被划分的足够小,而其它位置的区域尺寸可以相对较大。
需要说明的是,本公开实施例中对原始图像划分为多个区域时,可以采用均等划分的方式,还可以采用不均等划分的方式,在此不做限定。
在步骤S1022中,确定每一区域中多个图像单元的亮度分量方差。
其中,图像单元,可以为图像的像素单元。亮度分量方差,可以衡量各区域中多个像素点的亮度差异程度。例如,每一区域中多个图像单元的亮度分量方差越大,可以确定该区域中像素点之间的亮度差异较大;每一区域中多个图像单元的亮度分量方差越小,可以确定该区域中像素点之间的亮度差异也较小。
本公开实施例中,将原始图像划分为多个区域后,可以根据每一个区域中多个图像单元的亮度分量,计算得到每一区域中多个图像单元的亮度分量方差。
在步骤S1023中,判断亮度分量方差是否低于方差阈值。
其中,方差阈值,可以为根据采集的不同的原始图像,预先设定的值。
本公开实施例中,确定原始图像的每一区域中多个图像单元的亮度分量方差后,可以将每一区域的亮度分量方差与方差阈值进行比较,以确定对应区域是否为平滑的第一区域。
在步骤S1024中,若亮度分量方差低于方差阈值,则确定对应区域为第一区域。
在一种可能的情况下,将原始图像的某一区域中多个图像单元的亮度分量方差与方差阈值进行比较,确定亮度分量方差低于方差阈值,则可以确定该区域为平滑的第一区域。
可选地,将原始图像的某一区域中多个图像单元的亮度分量方差与方差阈值进行比较,确定亮度分量方差低于方差阈值时,可以进一步确定对应区域中多个图像单元的亮度分量均值,若亮度分量均值低于均值阈值,则确定对应区域为第一区域。其中,均值阈值,为各像素的亮度平均值,例如,可以为200。
在步骤S1025中,若亮度分量方差高于方差阈值,则确定对应区域为第二区域。
在另一种可能的情况下,将原始图像的某一区域中多个图像单元的亮度分量方差与方差阈值进行比较,确定亮度分量方差高于方差阈值,则可以确定该区域为第二区域。
可以理解为,某一区域中多个图像单元的亮度分量方差高于方差阈值,可以说该区域中多个像素点的亮度值之间差异较大,该区域的平滑程度较低,可以确定该区域为第二区域。
本公开实施例中,在获取到原始图像后,将原始图像划分为多个区域,通过根据每一区域中多个图像单元的亮度分量差值与方差阈值进行比较,以确定各区域为平滑的第一区域或者第二区域。由此,通过将原始图像划分为平滑的第一区域和第二区域,以使得平滑的第一区域后采用失真度较小的量化因子进行量化处理,从而避免了采用同一量化因子对原始图像进行量化处理时,导致某些区域中信息丢失严重,出现轮廓效应的现象。
为了实现上述实施例,本公开实施例提出了一种图像压缩装置。
图5是根据一示例性实施例示出的一种图像压缩装置框图。参照图5,该图像压缩装置50,可以包括:获取模块121、识别模块122、第一处理模块123和第二处理模块124。
其中,获取模块121,被配置为执行获取原始图像。
识别模块122,被配置为执行从原始图像中,识别得到平滑的第一区域,以及除第一区域以外的第二区域。
第一处理模块123,被配置为执行在对原始图像进行压缩过程中,采用取值为第一量化值的量化因子,对第一区域中多个图像单元的频域残差系数进行量化处理。
第二处理模块124,被配置为执行采用取值为第二量化值的量化因子,对第二区域中多个图像单元的频域残差系数进行量化处理,其中,第一量化值的量化失真度小于第二量化值的量化失真度。
在本公开实施例的一种可能的实现形式中,第一处理模块123,可以包括:
调整单元,被配置为在量化因子的取值范围内,以设定调整步长调整量化因子的取值;
量化单元,被配置为每当量化因子调整一次取值,采用量化因子调整后的取值,对第一区域中多个图像单元的频域残差系数进行量化处理;
处理单元,被配置为若量化后具有非零频域残差系数的图像单元个数大于个数阈值,则将量化因子调整后的取值作为第一量化值,并停止调整量化因子的取值。
在本公开实施例的另一种可能的实现形式中,调整单元,还可以被配置为:
在量化因子的取值范围内,按照量化失真度由大到小的顺序,以调整步长调整量化因子的取值。
在本公开实施例的另一种可能的实现形式中,量化因子可以包括偏移量和量化步长,调整单元,还可以被配置为:
在偏移量的取值范围内,按照取值从小到大的顺序,以偏移量的调整步长调整偏移量的取值;
每当偏移量的取值达到偏移量的取值范围上限,则减小量化步长的取值,并重复执行在偏移量的取值范围内,按照取值从小到大的顺序,以偏移量的调整步长调整偏移量的取值的步骤,直至量化步长的取值达到量化步长的取值范围下限。
在本公开实施例的另一种可能的实现形式中,偏移量的取值范围下限,是根据偏移量的第二量化值确定;量化步长的取值范围上限,是根据量化步长的第二量化值确定。
在本公开实施例的另一种可能的实现形式中,第一处理模块123,还可以包括:
统计单元,被配置为对第一区域,统计量化前具有非零频域残差系数的图像单元个数,和/或图像单元总数;
第一确定单元,被配置为根据量化前具有非零频域残差系数的图像单元个数,和/或所述图像单元总数,确定个数阈值。
在本公开实施例的另一种可能的实现形式中,第一确定单元,还可以被配置为:
根据所量化前具有非零频域残差系数的图像单元个数,生成第一候选阈值;
根据图像单元总数,生成第二候选阈值;
将第一候选阈值和第二候选阈值之中取值小的一个作为个数阈值。
在本公开实施例的另一种可能的实现形式中,识别模块122,还可以包括:
划分单元,被配置为将原始图像划分为多个区域;
第二确定单元,被配置为确定每一区域中多个图像单元的亮度分量方差;
第三确定单元,被配置为若亮度分量方差低于方差阈值,则确定对应区域为第一区域。
在本公开实施例的另一种可能的实现形式中,第三确定单元,还可以被配置为:
若亮度分量方差低于方差阈值,则确定对应区域中多个图像单元的亮度分量均值;
若亮度分量均值低于均值阈值,则确定对应区域为所述第一区域。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开实施例的图像压缩装置,在获取到原始图像后,识别得到原始图像中的平滑的第一区域,以及除第一区域以外的第二区域,以在对原始图像进行压缩过程中,采用取值为第一量化值的量化因子,对第一区域中多个图像单元的频域残差系数进行量化处理,采用取值为第二量化值的量化因子,对第二区域中多个图像单元的频域残差系数进行量化处理。该方法通过对原始图像进行识别得到平滑的第一区域后,采用失真度较小的量化因子对第一区域进行量化处理,保留了更多图像细节,从而减轻了平滑区域的轮廓效应。
为了实现上述实施例,本公开实施例还提出了一种电子设备。
其中,电子设备包括:
处理器;用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如前所述的图像压缩方法。
作为一种示例,图6是根据一示例性实施例示出的一种用于图像压缩的电子设备200的框图,如图6所示,上述电子设备200,还可以包括:
存储器210及处理器220,连接不同组件(包括存储器210和处理器220)的总线230,存储器210存储有计算机程序,当处理器220执行所述程序时实现本公开实施例所述的图像压缩方法。
总线230表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
电子设备200典型地包括多种电子设备可读介质。这些介质可以是任何能够被电子设备200访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器210还可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)240和/或高速缓存存储器250。服务器200可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***260可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线230相连。存储器210可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本公开各实施例的功能。
具有一组(至少一个)程序模块270的程序/实用工具280,可以存储在例如存储器210中,这样的程序模块270包括——但不限于——操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块270通常执行本公开所描述的实施例中的功能和/或方法。
电子设备200也可以与一个或多个外部设备290(例如键盘、指向设备、显示器291等)通信,还可与一个或者多个使得用户能与该电子设备200交互的设备通信,和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口292进行。并且,电子设备200还可以通过网络适配器293与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器293通过总线230与电子设备200的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备200使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理器220通过运行存储在存储器210中的程序,从而执行各种功能应用以及数据处理。
需要说明的是,本实施例的电子设备的实施过程和技术原理参见前述对本公开实施例的图像压缩方法的解释说明,此处不再赘述。
本公开实施例提供的电子设备,在获取到原始图像后,识别得到原始图像中的平滑的第一区域,以及除第一区域以外的第二区域,以在对原始图像进行压缩过程中,采用取值为第一量化值的量化因子,对第一区域中多个图像单元的频域残差系数进行量化处理,采用取值为第二量化值的量化因子,对第二区域中多个图像单元的频域残差系数进行量化处理。该方法通过对原始图像进行识别得到平滑的第一区域后,采用失真度较小的量化因子对第一区域进行量化处理,保留了更多图像细节,从而减轻了平滑区域的轮廓效应。
为了实现上述实施例,本公开实施例还提出了一种存储介质。
其中,当存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如前所述的图像压缩方法。
为了实现上述实施例,本公开还提供一种计算机程序产品,该计算机程序由服务器的处理器执行时,使得服务器能够执行如前所述的图像压缩方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (18)
1.一种图像压缩方法,其特征在于,包括:
获取原始图像;
从所述原始图像中,识别得到平滑的第一区域,以及除所述第一区域以外的第二区域;
在对所述原始图像进行压缩过程中,采用取值为第一量化值的量化因子,对所述第一区域中多个图像单元的频域残差系数进行量化处理;以及
采用取值为第二量化值的量化因子,对所述第二区域中多个图像单元的频域残差系数进行量化处理,其中,所述第一量化值对应的量化失真度小于所述第二量化值对应的量化失真度;
其中,所述采用取值为第一量化值的量化因子,对所述第一区域中多个图像单元的频域残差系数进行量化处理,包括:
在所述量化因子的取值范围内,以设定调整步长调整所述量化因子的取值;
每当所述量化因子调整一次取值,采用所述量化因子调整后的取值,对所述第一区域中多个图像单元的频域残差系数进行量化处理;
若量化后具有非零频域残差系数的图像单元个数大于个数阈值,则将所述量化因子调整后的取值作为所述第一量化值,并停止调整所述量化因子的取值。
2.根据权利要求1所述的图像压缩方法,其特征在于,所述在所述量化因子的取值范围内,以设定调整步长调整所述量化因子的取值,包括:
在所述量化因子的取值范围内,按照所述量化失真度由大到小的顺序,以所述调整步长调整所述量化因子的取值。
3.根据权利要求2所述的图像压缩方法,其特征在于,所述量化因子包括偏移量和量化步长,其中,所述在所述量化因子的取值范围内,按照所述量化失真度由大到小的顺序,以所述调整步长调整所述量化因子的取值,包括:
在所述偏移量的取值范围内,按照取值从小到大的顺序,以所述偏移量的调整步长调整所述偏移量的取值;
每当所述偏移量的取值达到所述偏移量的取值范围上限,则减小所述量化步长的取值,并重复执行所述在所述偏移量的取值范围内,按照取值从小到大的顺序,以所述偏移量的调整步长调整所述偏移量的取值的步骤,直至所述量化步长的取值达到所述量化步长的取值范围下限。
4.根据权利要求3所述的图像压缩方法,其特征在于,
所述偏移量的取值范围下限,是根据所述偏移量的第二量化值确定;
所述量化步长的取值范围上限,是根据所述量化步长的第二量化值确定。
5.根据权利要求1所述的图像压缩方法,其特征在于,在所述若量化后具有非零频域残差系数的图像单元个数大于个数阈值,则将所述量化因子调整后的取值作为所述第一量化值之前,还包括:
对所述第一区域,统计图像单元总数,和/或量化前具有非零频域残差系数的图像单元个数;
根据所述图像单元总数,和/或所述量化前具有非零频域残差系数的图像单元个数,确定所述个数阈值。
6.根据权利要求5所述的图像压缩方法,其特征在于,所述根据所述图像单元总数,和/或所述量化前具有非零频域残差系数的图像单元个数,确定所述个数阈值,包括:
根据所述量化前具有非零频域残差系数的图像单元个数,生成第一候选阈值;
根据所述图像单元总数,生成第二候选阈值;
将所述第一候选阈值和所述第二候选阈值之中取值小的一个作为所述个数阈值。
7.根据权利要求1-6中任一项所述的图像压缩方法,其特征在于,所述从所述原始图像中,识别得到平滑的第一区域,包括:
将所述原始图像划分为多个区域;
确定每一所述区域中多个图像单元的亮度分量方差;
若所述亮度分量方差低于方差阈值,则确定对应区域为所述第一区域。
8.根据权利要求7所述的图像压缩方法,其特征在于,所述若所述亮度分量方差低于方差阈值,则确定对应区域为所述第一区域,包括:
若所述亮度分量方差低于所述方差阈值,则确定对应区域中多个图像单元的亮度分量均值;
若所述亮度分量均值低于均值阈值,则确定所述对应区域为所述第一区域。
9.一种图像压缩装置,其特征在于,包括:
获取模块,被配置为执行获取原始图像;
识别模块,被配置为执行从所述原始图像中,识别得到平滑的第一区域,以及除所述第一区域以外的第二区域;
第一处理模块,被配置为执行在对所述原始图像进行压缩过程中,采用取值为第一量化值的量化因子,对所述第一区域中多个图像单元的频域残差系数进行量化处理;以及
第二处理模块,被配置为执行采用取值为第二量化值的量化因子,对所述第二区域中多个图像单元的频域残差系数进行量化处理,其中,所述第一量化值的量化失真度小于所述第二量化值的量化失真度;
其中,所述第一处理模块,包括:
调整单元,被配置为在所述量化因子的取值范围内,以设定调整步长调整所述量化因子的取值;
量化单元,被配置为每当所述量化因子调整一次取值,采用所述量化因子调整后的取值,对所述第一区域中多个图像单元的频域残差系数进行量化处理;
处理单元,被配置为若量化后具有非零频域残差系数的图像单元个数大于个数阈值,则将所述量化因子调整后的取值作为所述第一量化值,并停止调整所述量化因子的取值。
10.根据权利要求9所述的图像压缩装置,其特征在于,所述调整单元,还被配置为:
在所述量化因子的取值范围内,按照所述量化失真度由大到小的顺序,以所述调整步长调整所述量化因子的取值。
11.根据权利要求10所述的图像压缩装置,其特征在于,所述量化因子包括偏移量和量化步长,所述调整单元,还被配置为:
在所述偏移量的取值范围内,按照取值从小到大的顺序,以所述偏移量的调整步长调整所述偏移量的取值;
每当所述偏移量的取值达到所述偏移量的取值范围上限,则减小所述量化步长的取值,并重复执行所述在所述偏移量的取值范围内,按照取值从小到大的顺序,以所述偏移量的调整步长调整所述偏移量的取值的步骤,直至所述量化步长的取值达到所述量化步长的取值范围下限。
12.根据权利要求11所述的图像压缩装置,其特征在于,
所述偏移量的取值范围下限,是根据所述偏移量的第二量化值确定;
所述量化步长的取值范围上限,是根据所述量化步长的第二量化值确定。
13.根据权利要求9所述的图像压缩装置,其特征在于,所述第一处理模块,还包括:
统计单元,被配置为对所述第一区域,统计图像单元总数,和/或量化前具有非零频域残差系数的图像单元个数;
第一确定单元,被配置为根据所述图像单元总数,和/或所述量化前具有非零频域残差系数的图像单元个数,确定所述个数阈值。
14.根据权利要求13所述的图像压缩装置,其特征在于,所述第一确定单元,还被配置为:
根据所量化前具有非零频域残差系数的图像单元个数,生成第一候选阈值;
根据所述图像单元总数,生成第二候选阈值;
将所述第一候选阈值和所述第二候选阈值之中取值小的一个作为所述个数阈值。
15.根据权利要求9-14任一项所述的图像压缩装置,其特征在于,所述识别模块,还包括:
划分单元,被配置为将所述原始图像划分为多个区域;
第二确定单元,被配置为确定每一所述区域中多个图像单元的亮度分量方差;
第三确定单元,被配置为若所述亮度分量方差低于方差阈值,则确定对应区域为所述第一区域。
16.根据权利要求15所述的图像压缩装置,其特征在于,所述第三确定单元,还被配置为:
若所述亮度分量方差低于所述方差阈值,则确定对应区域中多个图像单元的亮度分量均值;
若所述亮度分量均值低于均值阈值,则确定所述对应区域为所述第一区域。
17.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1-8中任一项所述的图像压缩方法。
18.一种存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如权利要求1-8中任一项所述的图像压缩方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010522277.6A CN111770330B (zh) | 2020-06-10 | 2020-06-10 | 图像压缩方法、装置以及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010522277.6A CN111770330B (zh) | 2020-06-10 | 2020-06-10 | 图像压缩方法、装置以及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111770330A CN111770330A (zh) | 2020-10-13 |
CN111770330B true CN111770330B (zh) | 2022-11-04 |
Family
ID=72720464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010522277.6A Active CN111770330B (zh) | 2020-06-10 | 2020-06-10 | 图像压缩方法、装置以及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111770330B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101043633A (zh) * | 2006-06-05 | 2007-09-26 | 华为技术有限公司 | 一种编码中量化矩阵选择方法、装置及编解码方法及*** |
CN104902285A (zh) * | 2015-05-21 | 2015-09-09 | 北京大学 | 一种图像编码方法 |
CN105208389A (zh) * | 2015-09-24 | 2015-12-30 | 中国计量学院 | 一种基于内容自适应偏移模型的视频编码硬判决量化方法 |
CN108683915A (zh) * | 2018-05-11 | 2018-10-19 | 北京奇艺世纪科技有限公司 | 一种写入dQP值的方法、装置及电子设备 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4621574B2 (ja) * | 2005-10-06 | 2011-01-26 | 株式会社東芝 | 画像符号化装置および画像符号化方法 |
US7995649B2 (en) * | 2006-04-07 | 2011-08-09 | Microsoft Corporation | Quantization adjustment based on texture level |
TW201134223A (en) * | 2010-03-29 | 2011-10-01 | Univ Nat Taiwan | Perceptual video encoding system and circuit thereof |
JP5580887B2 (ja) * | 2010-05-12 | 2014-08-27 | 日本電信電話株式会社 | 符号量制御方法および装置 |
US9270986B2 (en) * | 2012-04-13 | 2016-02-23 | Qualcomm Incorporated | Level decision in rate distortion optimized quantization |
CN103796015A (zh) * | 2012-10-31 | 2014-05-14 | 朱洪波 | 系数数目自适应的量化参数差分编码 |
CN105787893B (zh) * | 2016-02-23 | 2018-11-02 | 西安电子科技大学 | 一种基于整数dct变换的图像噪声方差估计方法 |
-
2020
- 2020-06-10 CN CN202010522277.6A patent/CN111770330B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101043633A (zh) * | 2006-06-05 | 2007-09-26 | 华为技术有限公司 | 一种编码中量化矩阵选择方法、装置及编解码方法及*** |
CN104902285A (zh) * | 2015-05-21 | 2015-09-09 | 北京大学 | 一种图像编码方法 |
CN105208389A (zh) * | 2015-09-24 | 2015-12-30 | 中国计量学院 | 一种基于内容自适应偏移模型的视频编码硬判决量化方法 |
CN108683915A (zh) * | 2018-05-11 | 2018-10-19 | 北京奇艺世纪科技有限公司 | 一种写入dQP值的方法、装置及电子设备 |
Non-Patent Citations (1)
Title |
---|
H.265/HEVC中量化算法的优化与实现;常现伟;《中国优秀硕士论文全文数据集》;20141115;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111770330A (zh) | 2020-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1781041B1 (en) | JPEG detectors and JPEG image history estimators | |
US10963995B2 (en) | Image processing apparatus and image processing method thereof | |
CN111988611B (zh) | 量化偏移信息的确定方法、图像编码方法、装置及电子设备 | |
US8908989B2 (en) | Recursive conditional means image denoising | |
US12022096B2 (en) | Human visual system adaptive video coding | |
WO2012149645A1 (en) | Method and system for increasing robustness of visual quality metrics using spatial shifting | |
CN104378636B (zh) | 一种视频图像编码方法及装置 | |
CN107454413B (zh) | 一种保留特征的视频编码方法 | |
US11030777B2 (en) | Adaptive subband coding for lifting transform | |
CN110740316A (zh) | 数据编码方法及装置 | |
WO2016033725A1 (zh) | 视频编码中的块分割方式处理方法和相关装置 | |
Jayachandra et al. | Directional variance: a measure to find the directionality in a given image segment | |
WO2019037471A1 (zh) | 视频处理方法、视频处理装置以及终端 | |
CN111770330B (zh) | 图像压缩方法、装置以及电子设备 | |
CN113810692B (zh) | 对变化和移动进行分帧的方法、图像处理装置及程序产品 | |
CN114051144A (zh) | 视频的压缩方法、装置、计算机设备及存储介质 | |
CN113191990B (zh) | 一种图像处理方法、装置、电子设备及介质 | |
CN112584153B (zh) | 基于恰可察觉失真模型的视频压缩方法及装置 | |
US11825088B2 (en) | Adaptively encoding video frames based on complexity | |
Sun et al. | Reduced-reference image quality assessment through SIFT intensity ratio | |
CN112509107A (zh) | 一种点云属性重着色方法、装置及编码器 | |
AU2016201449B2 (en) | Encoding and decoding using perceptual representations | |
US9508020B2 (en) | Image processing system with artifact suppression mechanism and method of operation thereof | |
CN113099220B (zh) | 一种视频会议视频图像绿屏检测方法、***及存储介质 | |
US20080095456A1 (en) | Adaptive Classification System and Method for Mixed Graphic and Video Sequences |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |