[发明专利]带宽压缩矩阵量化和反量化方法

说明书

本发明涉及一种带宽压缩矩阵量化和反量化方法，该量化方法包括：获取图像宏模块各像素预测残差；根据所述预测残差获取残差分布类型；根据所述残差分布类型获取量化矩阵；根据所述量化矩阵对所述预测残差进行量化。本发明的带宽压缩矩阵量化方法不但可以实现像素级量化，而且传输的用于反量化的数据少，能够节省大量比特数，能够进一步缩小量化造成的损失，同样的量化参数下，采用本发明实施例的方法恢复的图像损失较小。

技术领域

本发明属于压缩技术领域，具体涉及一种带宽压缩矩阵量化和反量化方法。

背景技术

随着视频应用不断向高清晰度、高帧率、高压缩率方向发展，视频压缩标准已经从H.264过渡到H.265。对于视频处理芯片，分辨率的成倍数增加，不但会造成芯片面积成本的大幅度增加，而且也会对总线带宽和功耗带来很大的冲击。

视频压缩通常使用编码器对源视频进行编码以实现带宽压缩，传输到解码端恢复视频。但编码、传输、解码处理可能是有损的，这种损失可能产自量化和反量化处理过程。量化算法中有损量化常采用空域量化算法，其优点为对源视频和恢复视频之间的像素损失可以严格控制，运算复杂度低，因此，更适合对压缩损失、运算复杂度要求较高的低倍率压缩。现有的空余量化方法中，对一个图像块MB宏模块(Macro Block，简称MB)的所有像素进行量化处理中采用相同的量化参数(Quantization Parameter,简称QP)，因此存在很多缺点，如：对跨纹理边界的图像块MB，由于人眼主观特性，对不同纹理采用相同QP，不但会造成主观损失，而且不能节约编码比特数；图像块MB中，预测残差大小不一，对所有像素点采用相同QP，会扩大的原始像素和重建像素之间的差异损失。为了解决上述问题，现有技术还有采用像素级量化，该方法虽然可以避免以上问题，但是由于每个像素都要传输一个量化参数，会导致大量的附加bit，起不到压缩的效果。

因此，如何研制出一种重建损失小、且不会增加带宽负担的量化方法已经成为研究的热点问题。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种带宽压缩矩阵量化和反量化方法。

本发明的一个实施例提供了一种带宽压缩矩阵量化方法，包括：

获取图像宏模块各像素预测残差；

根据所述预测残差获取残差分布类型；

根据所述残差分布类型获取量化矩阵；

根据所述量化矩阵对所述预测残差进行量化。

在本发明的一个实施例中，所述获取图像宏模块各像素预测残差之后，还包括：将所述图像宏模块各像素预测残差转化为一维预测残差矩阵。

在本发明的一个实施例中，所述根据所述预测残差获取残差分布类型包括：根据所述预测残差矩阵中预测残差的分布获取所述残差分布类型。

在本发明的一个实施例中，所述残差分布类型包括：递弱型，递强型，强弱强型，弱强弱型、普通型。

在本发明的一个实施例中，所述残差分布类型还包括：波浪1型和波浪2型。

在本发明的一个实施例中，根据所述残差分布类型获取量化矩阵包括：

获取基准QP_B；

根据所述残差分布类型、原始像素比特深度、所述基准QP_B获取所述量化矩阵。

在本发明的一个实施例中，所述根据所述残差分布类型、原始像素比特深度、所述基准QP_B获取所述量化矩阵包括：

根据所述基准QP_B和所述原始像素比特深度分别计算量化参数最大值、量化参数最小值、量化参数差异值；