[发明专利]用于被空间子采样的图像的样本水平变化

说明书

技术领域

本发明一般地涉及图像和视频处理，并且更具体地涉及图像或视频的 子采样。

背景技术

对图像处理和视频处理的评价以三种方式发生：计算复杂性、已处理 数据的存储需求、以及重建的图像数据或视频数据的视觉质量。图像处理 及视频处理通常利用某些形式的子采样。子采样是例如从图像中选择某些 像素的处理，其中这些像素作为原图中样本周围像素的良好预测因子 (predictor)。仅仅对所选的子样本进行存储或传输，而不是整个图像，从 而减小了尺寸。重建的图像的质量取决于子样本作为图像中像素预测因子 的有效性。不规则的子采样选择图像中的样本以提高预测能力，这通常将 导致不规则的采样图型(例如，较多的样本位于对象边缘附近以及高纹理 区域，较少的样本在均匀的低纹理背景区域中)而不是规则的采样图型。

提高预测强度(predictive strength)需要找到更好的子样本或使用更 多的子样本。使用更多的子样本减少了对存储空间的节省(the storage savings)，而找到更好的子样本需要更高的计算复杂性。用于图像和视频 处理的现有技术主要是利用简单滤波器的基于块的技术。然而，这些技术 没有充分利用基于像素的样本位置选择、样本水平变化及自适应滤波这三 者之间彼此耦合的特性。

发明内容

一种样本水平变化引擎通过确定样本的初始样本水平值来执行对不规则 样本的样本水平变化。样本水平变化引擎计算样本的影响区域，该影响区域 包括如下像素：样本是这些像素的预测中的因子。该引擎计算影响区域中的 像素的预测误差，还基于像素的预测误差来计算样本的预测误差。如果样 本的预测误差超过了预测误差阈值，则该引擎仅基于像素的预测误差来计 算样本的样本水平改变。如果样本水平改变小于水平改变阈值，则该引擎 基于样本水平改变来指派新的样本水平值给样本。

附图说明

图1A是示出本发明的实施例的操作概况的示图；

图1B是示出根据本发明的实施例的、将由处理器执行的方法的流程 图；

图1C是示出本发明的实施例的数据流概况的示图；

图2A-2C是示出本发明的实施例的操作的示例；

图3是示出均匀采样方法的示例；

图4是示出根据本发明的实施例的不规则采样方法的结果的示例；

图5是示出根据本发明的实施例的、将由处理器执行的样本移动方法 的流程图；

图6A-6C是示出根据本发明的实施例的样本移动的示例；

图7是示出根据本发明的实施例的、将由处理器执行的样本去除方法 的流程图；

图8是示出根据本发明的实施例的、将由处理器执行的样本去除循环 的流程图；

图9是示出根据本发明的实施例的、将由处理器执行的样本密度方法 的流程图；

图10A-10C是示出根据本发明的实施例的样本去除的示例；

图11是示出根据本发明的实施例的、将由处理器执行的样本水平变 化方法的流程图；

图12是示出根据本发明的实施例的、将由处理器执行的样本水平变 化循环的流程图；

图13是示出根据本发明的实施例的样本和像素的示例；

图14是示出根据本发明的实施例的样本及样本影响区域的示例；

图15是示出根据本发明的实施例的、将由处理器执行的自适应影响区 域滤波方法的流程图；

图16是一组样本的样本单元的示例。从运动/对象/纹理边界修改样本 单元也被示出。

图17是示出根据本发明的实施例的、将由处理器执行的初始样本单 元构造方法的流程图；

图18是示出根据本发明的实施例的样本及样本单元的示例；

图19A是示出根据本发明的实施例的非重叠的样本单元边界的示例；

图19B是示出根据本发明的实施例的、出现在像素上的样本单元边界 的示例；

图19C是示出根据本发明的实施例的重叠的样本单元边界的示例；

图20是示出包括出现在样本单元边界下的像素的样本分区的示例；

图21A是示出根据本发明的实施例的由对象边界分开的对象的示例；

图21B是根据本发明的实施例的由对象边界修改的样本单元的示例；