一种对图片进行量化处理的方法及装置的制造方法

一种对图片进行量化处理的方法及装置的制造方法
【专利摘要】本发明公开了一种对图片进行量化处理的方法及装置，属于图像编码领域。所述方法包括：对图片进行划分，得到所述图片包括的图像宏块；对所述图像宏块进行预测处理，得到所述图像宏块包括的每个像素点的残差数据；根据所述图像宏块包括的每个像素点的残差数据计算所述图像宏块的量化步长；根据所述量化步长和所述图像宏块包括的每个像素点的残差数据，对所述图像宏块进行量化处理。所述装置包括：划分模块、预测模块、计算模块和量化模块。本发明能够减小量化粒度以及提高图片压缩比。
【专利说明】
一种对图片进行量化处理的方法及装置
技术领域
[0001] 本发明涉及图像编码领域，特别涉及一种对图片进行量化处理的方法及装置。
【背景技术】
[0002] 手机等终端都具有拍照功能，用户常常使用拍照功能拍摄图片，有时用户想将该 图片分享给他人，于是用户将该图片上传到网络侧供他人下载并浏览。网络侧在接收到该 图片时，对该图片进行预测、变换、量化和熵编码等处理以将该图片转换成不同分辨率大小 的图片，以满足不同下载需求。
[0003] 目前对图片进行处理的过程为：对该图片进行预测处理得到残差图片，该残差图 片由该图片包括的每个像素点的残差数据组成；根据预设的图像块位置信息，将该残差图 片划分成四个图像块；对于任一个图像块，根据预设的该图像块的量化步长和该图像块包 括的每个像素点的残差数据，对该图像块进行量化处理得到该图像块包括的每个像素点的 量化值；根据每个图像块包括的像素点的量化值，对该图片进行熵编码得到压缩后的图像 码流。
[0004] 在实现本发明的过程中，发明人发现现有技术至少存在以下问题：
[0005] 由于每个图像块的量化步长都是事先预设的，只能划分成四个连续的图像块，划 分粒度大，导致量化粒度大，降低图片压缩比。

【发明内容】

[0006] 为了减小量化粒度以及提高图片压缩比，本发明提供了一种对图片进行量化处理 的方法及装置。所述技术方案如下：
[0007] -种对图片进行量化处理的方法，所述方法包括：
[0008] 对图片进行划分，得到所述图片包括的图像宏块；
[0009] 对所述图像宏块进行预测处理，得到所述图像宏块包括的每个像素点的残差数 据；
[0010] 根据所述图像宏块包括的每个像素点的残差数据计算所述图像宏块的量化步 长；
[0011] 根据所述量化步长和所述图像宏块包括的每个像素点的残差数据，对所述图像宏 块进行量化处理。
[0012] 一种对图片进行量化处理的装置，所述装置包括：
[0013] 划分模块，用于对图片进行划分，得到所述图片包括的图像宏块；
[0014] 预测模块，用于对所述图像宏块进行预测处理，得到所述图像宏块包括的每个像 素点的残差数据；
[0015] 计算模块，用于根据所述图像宏块包括的每个像素点的残差数据计算所述图像宏 块的量化步长；
[0016] 量化模块，用于根据所述量化步长和所述图像宏块包括的每个像素点的残差数 据，对所述图像宏块进行量化处理。
[0017] 在本发明实施例中，由于能够根据该图像宏块包括的每个像素点的残差数据计算 该图像宏块的量化步长，所以可以将图片划分出更多的图像宏块，对图片进行精细化量化， 提高压缩比。
【附图说明】
[0018] 图1是本发明实施例1提供的一种对图片进行量化处理的方法流程图；
[0019] 图2-1是本发明实施例2提供的一种对图片进行量化处理的方法流程图；
[0020] 图2-2是本发明实施例2提供的一种划分图片的界面示意图；
[0021] 图2-3是本发明实施例2提供的像素点数目直方图；
[0022] 图2-4是本发明实施例2提供的一种电路结构示意图；
[0023] 图3-1是本发明实施例3提供的一种对图片进行量化处理的方法流程图；
[0024] 图3-2是本发明实施例3提供的一种利用多种预测模式对图片进行量化处理的流 程图；
[0025] 图4是本发明实施例4提供的一种对图片进行量化处理的装置结构示意图；
[0026] 图5是本发明实施例5提供的一种终端结构示意图。
【具体实施方式】
[0027] 为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方 式作进一步地详细描述。
[0028] 实施例1
[0029] 参见图1，本发明实施例提供了一种对图片进行量化处理的方法，包括：
[0030] 步骤101 :对图片进行划分，得到该图片包括的图像宏块。
[0031] 步骤102 :对该图像宏块进行预测处理，得到该图像宏块包括的每个像素点的残 差数据。
[0032] 步骤103 :根据该图像宏块包括的每个像素点的残差数据计算该图像宏块的量化 步长。
[0033] 步骤104 :根据该量化步长和该图像宏块包括的每个像素点的残差数据，对该图 像宏块进行量化处理。
[0034] 在本发明实施例中，由于能够根据该图像宏块包括的每个像素点的残差数据计算 该图像宏块的量化步长，所以可以将图片划分出更多的图像宏块，对图片进行精细化量化， 提高压缩比。
[0035] 实施例2
[0036] 参见图2-1，本发明实施例提供了一种对图片进行量化处理的方法，包括：
[0037] 步骤201 :对图片进行划分，得到该图片包括的图像宏块。
[0038] 具体地，根据预设的宏块大小，对图片进行划分得到该图片包括的多个图像宏块。 划分的多个图像宏块都为等大小的图像块。
[0039] 预设的宏块大小可以为16X16、8X8或4X4等，如果某个图像宏块的宏块大小为 16X16,则表示该图像宏块由256个像素点组成，同理8X8的图像宏块由64个像素点组 成，4X4的图像宏块由16个像素点组成。
[0040] 其中，预设的宏块大小较小，可以将图片划分成多个图像宏块，划分的图像宏块的 数目远远超过四个，在后续步骤中分别对每个图像宏块进行量化，从而可以对图片进行精 细化量化。
[0041] 例如，参见图2-2,假设，预设的宏块大小为4 X 4,对于一张40 X 40大小的图片，可 以根据该宏块大小4X4,将该张图片划分成100个大小为4X4的图像宏块，图像宏块的数 目远远超过四个，每个图像宏块包括16个像素点。
[0042] 对于划分出的任一图像宏块，可以采用后续步骤来对该图像宏块进行量化，包 括：
[0043] 步骤202 :对于任一个图像宏块，对该图像宏块进行预测处理，得到该图像宏块包 括的每个像素点的残差数据。
[0044]目前存在多种预测模式，每种预测模式对应一个图像块大小。例如目前存在 16X16预测模式、8X8预测模式和4X4预测模式，16X16预测模式对应的图像块大小 为16X 16,8X8预测模式对应的图像块大小为8X8,4X4预测模式对应的图像块大小为 4X4。
[0045] 本步骤可以为：选择一种预测模式，且该预测模式对应的图像块大小小于或等于 该图像宏块的大小，根据该预测模式对该图像宏块进行预测，得到该图像宏块包括的每个 像素点的残差数据。
[0046] 例如，对于划分出来的大小为4X4的图像宏块，选择对应的图像块大小小于或等 于4X4的预测模式，选择的预测模式为4X4预测模式，根据4X4预测模式对该图像宏块 进行预测，得到到该图像宏块包括16个像素点的残差数据，假设该16个像素点的残差数据 分别为 〇· 3、0· 5、0· 7、1· 5、1· 4、0· 7、1· 2、1· 2、1· 4、1· 5、0· 7、0· 7、0· 5、1· 2、1· 2 和 0· 7。
[0047] 其中，预测得到的每个像素点的残差数据都为时域数据，可以将每个像素点的残 差数据转换为频域数据，然后再执行如下步骤203。
[0048] 步骤203 :根据该图像宏块包括的每个像素点的残差数据，计算出该图像宏块的 宏块特征值。
[0049] 具体地，本步骤可以包括如下（1)和（2)两步，分别为：
[0050] (1):从该图像宏块包括的每个像素点的残差数据中统计出预设残差数据集合中 的每个残差数据对应的像素点数目。
[0051] 预设残差数据集合中包括目前出现所有残差数据。
[0052] 例如，对于在步骤202得到的16个像素点的残差数据，该16个像素点的残差数据 分别为 〇· 3、0· 5、0· 7、1· 5、1· 4、0· 7、1· 2、1· 2、1· 4、1· 5、0· 7、0· 7、0· 5、1· 2、1· 2 和 0· 7 ;假设， 预设残差数据集合中包括〇. 3、0. 5、0. 7、1. 2、1. 4、1. 5、1. 6、1. 7。从该16个像素点的残差数 据中统计出残差数据〇. 3对应的像素点数目为1，0. 5对应的像素点数目为3,0. 7对应的像 素点数目为5,1. 2对应的像素点数目为4,1. 4对应的像素点数目为2,1. 5对应的像素点数 目为1，1. 6对应的像素点数目为0,1. 7对应的像素点数目为0。
[0053] (2):根据预设残差数据集合中的每个残差数据对应的像素点数目，计算出该图像 宏块的宏块特征值。
[0054] 具体地，根据预设残差数据集合中的每个残差数据对应的像素点数目，绘制像素 点数目直方图，该像素点数据直方图的横坐标是预设残差数据集合中的残差数据，且纵坐 标为像素点数目，从该像素点直方图中找出最后一个对应的像素点数目不为0的残差数 据，获取找出的该残差数据在横坐标上的位置，从每个残差数据对应的像素点数目中选择 最大的像素点数目，如果最大的像素点数目大于1，则计算最大的像素点数目与获取的位置 之间的商并将计算的商作为该图像宏块的宏块特征值，如果最大的像素点数目小于或等于 1，则确定该图像宏块的宏块特征值为0。
[0055] 例如，根据预设残差数据集合中的每个残差数据对应的像素点数目，绘制如图2-3 所示的像素点数目直方图，从该像素点直方图中找出最后一个对应的像素点数目不为〇的 残差数据为1. 5,获取该残差数据1. 5在横坐标上的位置为6,从每个残差数据对应的像素 点数目中选择最大的像素点数目为5,最大的像素点数目大于1，则计算最大的像素点数目 5与获取的位置6之间的商为0. 83并将计算的商0. 83作为该图像宏块的宏块特征值。
[0056] 步骤204 :确定该宏块特征值所在的特征值范围，获取该特征值范围对应的量化 步长作为该图像宏块的量化步长。
[0057] 在执行本步骤之前，事先划分出多个宏块特征值范围，并定义每个宏块特征值范 围对应的量化步长，将划分的每个宏块特征值范围和每个宏块特征值范围对应的量化步长 存储在宏块特征值范围与量化步长的对应关系中。
[0058] 例如，事先划分四个宏块特征值范围，分别为小于1，大于或等于1且小于或等于 2,大于2且小于或等于4,大于4,以及分别定义该四个宏块特征值范围分别对应的量化步 长为1、2、3、4 ;然后，将划分的每个宏块特征值范围和每个宏块特征值范围对应的量化步 长存储在如表1所示的宏块特征值范围与量化步长的对应关系中。
[0059] 表 1
[0060]
[0061]
[0062] 本步骤可以为：确定该图像宏块的宏块特征值所在的特征值范围，根据该特征值 范围，从宏块特征值范围与量化步长的对应关系中获取对应的量化步长作为该图像宏块的 量化步长。
[0063] 例如，在步骤203中得到的宏块特征值为0. 83,确定该图像宏块的宏块特征值所 在的特征值范围为"小于1"，根据该特征值范围"大于1"，从如表1所示的宏块特征值范围 与量化步长的对应关系中获取对应的量化步长1作为该图像宏块的量化步长。
[0064] 步骤205 :根据该量化步长和每个像素点的残差数据，对该图像宏块进行量化处 理。
[0065] 具体地，将该图像宏块包括的每个像素点的残差数据分别除以该图像宏块的量化 步长，得到每个像素点的商，对每个像素点的商进行取整得到每个像素点的量化值。
[0066] 按上述步骤202至205的步骤对其他每个图像宏块进行处理，得到该图片包括的 每个像素点的量化值，实现对该图片进行量化。
[0067] 例如，对于在步骤202中得到的16个像素点的残差数据，以及在步骤204得到量 化步长为1. 2,将该16个像素点的残差数据分别与该量化步长1. 2相除得到该16个像素点 分别对应的商为 〇· 3、0· 5、0· 7、1· 5、1· 4、0· 7、1· 2、1· 2、1· 4、1· 5、0· 7、0· 7、0· 5、1· 2、1· 2 和 〇. 7,再分别对该16个像素点的商取整得到该16个像素点的量化值，分别为0、0、0、1、1、0、 1、1、1、1、0、0、0、1、1、0〇
[0068] 本实施例提供的方法可以应用在FPGA (Field - Programmable Gate Array，即现 场可编程门阵列）上，参见图2-4所示的FPGA电路图，将图片进行帧内预测得到图像宏块 包括的各像素点的残差数据，将各像素点的残差数据从时域向频域变换，然后再计算出量 化步长，根据该量化步长和变换后的各像素点的残差数据进行量化处理，得到各像素点的 量化值，对各像素点的量化值进行熵编码得到图片码流。
[0069] 在本发明实施例中，由于能够根据该图像宏块包括的每个像素点的残差数据计 算该图像宏块的量化步长，所以可以将图片划分出更多的图像宏块，对图片进行精细化量 化，提高压缩比。
[0070] 实施例3
[0071] 参见图3-1，本发明实施例提供了一种对图片进行量化处理的方法，包括：
[0072] 步骤301 :对图片进行划分，得到该图片包括的图像宏块。
[0073] 具体地，根据预设的宏块大小，对图片进行划分得到该图片包括的多个图像宏块。 划分的多个图像宏块都为等大小的图像块。
[0074] 预设的宏块大小可以为16X16、8X8或4X4等，如果某个图像宏块的宏块大小为 16X16,则表示该图像宏块由256个像素点组成，同理8X8的图像宏块由64个像素点组 成，4X4的图像宏块由16个像素点组成。
[0075] 其中，预设的宏块大小较小，可以将图片划分成多个图像宏块，划分的图像宏块的 数目远远超过四个，在后续步骤中分别对每个图像宏块进行量化，从而可以对图片进行精 细化量化。
[0076] 例如，假设，预设的宏块大小为16X16,对于一张160X160大小的图片，可以根据 该宏块大小16X 16,将该张图片划分成100个大小为16X 16的图像宏块，图像宏块的数目 远远超过四个，每个图像宏块包括256个像素点。
[0077] 对于划分出的任一图像宏块，可以采用后续步骤来对该图像宏块进行量化，包 括：
[0078] 步骤302 :对于任一个图像宏块，采用多种预测模式对该图像宏块进行预测处理， 得到每种预测模式下该图像宏块包括的每个像素点的残差数据。
[0079]目前存在多种预测模式，每种预测模式对应一个图像块大小。例如目前存在 16X16预测模式、8X8预测模式和4X4预测模式，16X16预测模式对应的图像块大小 为16X 16,8X8预测模式对应的图像块大小为8X8,4X4预测模式对应的图像块大小为 4X4。
[0080] 本步骤可以为：从预设的多种预测模式中选择对应的图像块大小小于或等于该图 像宏块的大小一种或多种预测模式，根据选择的每种预测模式对该图像宏块进行预测，得 到在选择的每种预测模式下该图像宏块包括的每个像素点的残差数据。
[0081] 例如，参见图3-2,对于划分出来的大小为16X16的图像宏块，选择对应的图像 块大小小于或等于16 X 16的预测模式，选择的预测模式包括16 X 16预测模式、8X8预测模 式和4X4预测模式；根据16X 16预测模式对该图像宏块进行预测，得到16X 16预测模式 下该图像宏块包括256个像素点的残差数据；根据8X8预测模式对该图像宏块进行预测， 得到8X8预测模式下该图像宏块包括256个像素点的残差数据；根据4X4预测模式对该 图像宏块进行预测，得到4X4预测模式下该图像宏块包括256个像素点的残差数据。
[0082] 其中，预测得到的每种预测模式下该图像宏块包括的每个像素点的残差数据都为 时域数据，可以将每个像素点的残差数据转换为频域数据，然后再执行如下步骤303。
[0083] 步骤303 :根据每种预测模式下该图像宏块包括的每个像素点的残差数据，分别 计算出每种预测模式下该图像宏块的宏块特征值。
[0084] 具体地，本步骤可以包括如下（1)和（2)两步，分别为：
[0085] (1):对于每种预测模式，从该预测模式下该图像宏块包括的每个像素点的残差数 据中统计出预设残差数据集合中的每个残差数据对应的像素点数目。
[0086] (2):根据预设残差数据集合中的每个残差数据对应的像素点数目，计算出在该种 模式下该图像宏块的宏块特征值。
[0087] 例如，参见图3-2,对于16X16预测模式、8X8预测模式和4X4预测模式，从 16X16预测模式下该图像宏块包括的每个像素点的残差数据中统计出预设残差数据集合 中的每个残差数据对应的像素点数目，根据预设残差数据集合中的每个残差数据对应的像 素点数目，计算出在16X16预测模式下该图像宏块的宏块特征值，假设为1.6。从8X8预测 模式下该图像宏块包括的每个像素点的残差数据中统计出预设残差数据集合中的每个残 差数据对应的像素点数目，根据预设残差数据集合中的每个残差数据对应的像素点数目， 计算出在8X8预测模式下该图像宏块的宏块特征值，假设为1. 2。从4X4预测模式下该 图像宏块包括的每个像素点的残差数据中统计出预设残差数据集合中的每个残差数据对 应的像素点数目，根据预设残差数据集合中的每个残差数据对应的像素点数目，计算出在 4X4预测模式下该图像宏块的宏块特征值，假设为1. 4。
[0088] 步骤304 :从每种预测模式下该图像宏块的宏块特征值中选择最大的宏块特征 值。
[0089] 例如，在步骤303中得到16X16预测模式下该图像宏块的宏块特征值为1. 6， 8X8预测模式下该图像宏块的宏块特征值为1. 2,4X4预测模式下该图像宏块的宏块特征 值为1. 4,选择最大的宏块特征值1. 6。
[0090] 步骤305 :确定最大的宏块特征值所在的特征值范围，获取该特征值范围对应的 量化步长作为该图像宏块的量化步长。
[0091] 在执行本步骤之前，事先划分出多个宏块特征值范围，并定义每个宏块特征值范 围对应的量化步长，将划分的每个宏块特征值范围和每个宏块特征值范围对应的量化步长 存储在宏块特征值范围与量化步长的对应关系中。
[0092] 例如，事先划分四个宏块特征值范围，分别为小于1，大于或等于1且小于或等于 2,大于2且小于或等于4,大于4,以及分别定义该四个宏块特征值范围分别对应的量化步 长为1、2、3、4 ;然后，将划分的每个宏块特征值范围和每个宏块特征值范围对应的量化步 长存储在如表2所示的宏块特征值范围与量化步长的对应关系中。
[0093] 表 2
[0094]
[0095] 本步骤可以为：确定最大的宏块特征值所在的特征值范围，根据该特征值范围，从 宏块特征值范围与量化步长的对应关系中获取对应的量化步长作为该图像宏块的量化步 长。
[0096] 例如，确定最大的宏块特征值所在的特征值范围为"大于或等于1且小于或等于 2"，根据该特征值范围"大于或等于1且小于或等于2"，从如表2所示的宏块特征值范围与 量化步长的对应关系中获取对应的量化步长2作为该图像宏块的量化步长。
[0097] 步骤306 :获取最大的宏块特征值对应的预测模式，根据该量化步长和在该预测 模式下每个像素点的残差数据，对该图像宏块进行量化处理。
[0098] 具体地，获取最大的宏块特征值对应的预测模式，将该预测模式下该图像宏块包 括的每个像素点的残差数据分别除以该图像宏块的量化步长，得到每个像素点的商，对每 个像素点的商进行取整得到每个像素点的量化值。
[0099] 例如，获取最大的宏块特征值1. 6对应的16X16预测模式，将16X16预测模式下 该图像宏块包括的每个像素点的残差数据分别除以该图像宏块的量化步长1. 2,得到每个 像素点的商，对每个像素点的商进行取整得到每个像素点的量化值。
[0100] 按上述步骤302至306的步骤对其他每个图像宏块进行处理，得到该图片包括的 每个像素点的量化值，实现对该图片进行量化。
[0101] 在本发明实施例中，由于能够根据该图像宏块包括的每个像素点的残差数据计算 该图像宏块的量化步长，所以可以将图片划分出更多的图像宏块，对图片进行精细化量化， 提高压缩比。另外，在本发明实施例中，还通过多种预测模式来对图像宏块进行处理，然后 选择最优的一种预测模式，根据选择的预测模式对图片进行量化，提高量化效果。
[0102] 实施例4
[0103] 参见图4,本发明实施例提供了一种对图片进行量化处理的装置，包括：
[0104] 划分模块401，用于对图片进行划分，得到所述图片包括的图像宏块；
[0105] 预测模块402,用于对所述图像宏块进行预测处理，得到所述图像宏块包括的每个 像素点的残差数据；
[0106] 计算模块403,用于根据所述图像宏块包括的每个像素点的残差数据计算所述图 像宏块的量化步长；
[0107] 量化模块404,用于根据所述量化步长和所述图像宏块包括的每个像素点的残差 数据，对所述图像宏块进行量化处理。
[0108] 可选的，所述计算模块403包括：
[0109] 第一计算单元，用于根据所述图像宏块包括的每个像素点的残差数据，计算出所 述图像宏块的宏块特征值；
[0110] 第一确定单元，用于确定所述宏块特征值所在的特征值范围；
[0111] 第一获取单元，用于获取所述特征值范围对应的量化步长作为所述图像宏块的量 化步长。
[0112] 可选的，所述第一计算单元包括：
[0113] 统计子单元，用于从所述图像宏块包括的每个像素点的残差数据中统计出预设 残差数据集合中包括的每个残差数据对应的像素点数目；
[0114] 计算子单元，用于根据所述预设残差数据集合中包括的每个残差数据对应的像素 点数目，计算出所述图像宏块的宏块特征值。
[0115] 可选的，所述预测模块402,具体用于采用多种预测模式分别对所述图像宏块进行 预测处理，得到每种预测模式下所述图像宏块包括的每个像素点的残差数据。
[0116] 可选的，所述计算模块403包括：
[0117] 第二计算单元，用于根据所述每种预测模式下所述图像宏块包括的每个像素点的 残差数据，分别计算出所述每种预测模式下所述图像宏块的宏块特征值；
[0118] 选择单元，用于从所述每种预测模式下所述图像宏块的宏块特征值中选择最大的 宏块特征值；
[0119] 第二确定单元，用于确定所述最大的宏块特征值所在的特征值范围；
[0120] 第二获取单元，用于获取所述特征值范围对应的量化步长作为所述图像宏块的量 化步长。
[0121] 可选的，所述量化模块404包括：
[0122] 第三获取单元，用于获取所述最大的宏块特征值对应的预测模式；
[0123] 量化单元，用于根据所述量化步长和所述获取的预测模式下所述图像宏块包括的 每个像素点的残差数据，对所述图像宏块进行量化处理。
[0124] 在本发明实施例中，由于能够根据该图像宏块包括的每个像素点的残差数据计算 该图像宏块的量化步长，所以可以将图片划分出更多的图像宏块，对图片进行精细化量化， 提高压缩比。
[0125] 实施例5
[0126] 请参考图5,其示出了本发明实施例所涉及的终端结构示意图，该终端可以为上述 穿戴设备，用于实施上述实施例中提供的显示视频的海报信息的方法。具体来讲：
[0127] 终端900可以包括RF(Radio Frequency，射频）电路110、包括有一个或一个以上 计算机可读存储介质的存储器120、输入单元130、显示单元140、传感器150、音频电路160、 WiFi(wireless fidelity，无线保真）模块170、包括有一个或者一个以上处理核心的处理 器180、以及电源190等部件。本领域技术人员可以理解，图5中示出的终端结构并不构成 对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布 置。其中：
[0128] RF电路110可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站 的下行信息接收后，交由一个或者一个以上处理器180处理；另外，将涉及上行的数据发 送给基站。通常，RF电路110包括但不限于天线、至少一个放大器、调谐器、一个或多个 振荡器、用户身份模块（S頂）卡、收发信机、耦合器、LNA(Low Noise Amplifier，低噪声放 大器）、双工器等。此外，RF电路110还可以通过无线通信与网络和其他设备通信。所述 无线通信可以使用任一通信标准或协议，包括但不限于GSM (Global System of Mobile communication，全球移动通讯系统）、GPRS(General Packet Radio Service，通用分组 无线服务）、CDMA (Code Division Multiple Access，码分多址）、WCDMA (Wideband Code Division Multiple Access,宽带码分多址）、LTE(Long Term Evolution,长期演进）、电 子邮件、SMS (Short Messaging Service，短消息服务）等。
[0129] 存储器120可用于存储软件程序以及模块，处理器180通过运行存储在存储器120 的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器120可主要包括存储 程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序 (比如声音播放功能、图像播放功能等）等；存储数据区可存储根据终端900的使用所创建 的数据（比如音频数据、电话本等）等。此外，存储器120可以包括高速随机存取存储器， 还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存 储器件。相应地，存储器120还可以包括存储器控制器，以提供处理器180和输入单元130 对存储器120的访问。
[0130] 输入单元130可用于接收输入的数字或字符信息，以及产生与用户设置以及功能 控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，输入单元130可包括 触敏表面131以及其他输入设备132。触敏表面131，也称为触摸显示屏或者触控板，可收 集用户在其上或附近的触摸操作（比如用户使用手指、触笔等任何适合的物体或附件在触 敏表面131上或在触敏表面131附近的操作），并根据预先设定的程式驱动相应的连接装 置。可选的，触敏表面131可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装 置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制 器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器180,并能接收 处理器180发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波 等多种类型实现触敏表面131。除了触敏表面131，输入单元130还可以包括其他输入设备 132。具体地，其他输入设备132可以包括但不限于物理键盘、功能键（比如音量控制按键、 开关按键等）、轨迹球、鼠标、操作杆等中的一种或多种。
[0131] 显示单元140可用于显示由用户输入的信息或提供给用户的信息以及终端900的 各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。 显示单元140可包括显示面板141，可选的，可以采用IXD(Liquid Crystal Display，液晶 显示器）、〇LED (Organic Light-Emitting Diode,有机发光二极管）等形式来配置显示面 板141。进一步的，触敏表面131可覆盖显示面板141，当触敏表面131检测到在其上或附 近的触摸操作后，传送给处理器180以确定触摸事件的类型，随后处理器180根据触摸事件 的类型在显示面板141上提供相应的视觉输出。虽然在图5中，触敏表面131与显示面板 141是作为两个独立的部件来实现输入和输入功能，但是在某些实施例中，可以将触敏表面 131与显示面板141集成而实现输入和输出功能。
[0132] 终端900还可包括至少一种传感器150,比如光传感器、运动传感器以及其他传 感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环 境光线的明暗来调节显示面板141的亮度，接近传感器可在终端900移动到耳边时，关闭 显示面板141和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上 (一般为三轴）加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的 应用（比如横竖屏切换、相关游戏、磁力计姿态校准）、振动识别相关功能（比如计步器、敲 击）等；至于终端900还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传 感器，在此不再赘述。
[0133] 音频电路160、扬声器161，传声器162可提供用户与终端900之间的音频接口。音 频电路160可将接收到的音频数据转换后的电信号，传输到扬声器161，由扬声器161转换 为声音信号输出；另一方面，传声器162将收集的声音信号转换为电信号，由音频电路160 接收后转换为音频数据，再将音频数据输出处理器180处理后，经RF电路110以发送给比 如另一终端，或者将音频数据输出至存储器120以便进一步处理。音频电路160还可能包 括耳塞插孔，以提供外设耳机与终端900的通信。
[0134] WiFi属于短距离无线传输技术，终端900通过WiFi模块170可以帮助用户收发电 子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图5示 出了 WiFi模块170,但是可以理解的是，其并不属于终端900的必须构成，完全可以根据需 要在不改变发明的本质的范围内而省略。
[0135] 处理器180是终端900的控制中心，利用各种接口和线路连接整个手机的各个部 分，通过运行或执行存储在存储器120内的软件程序和/或模块，以及调用存储在存储器 120内的数据，执行终端900的各种功能和处理数据，从而对手机进行整体监控。可选的，处 理器180可包括一个或多个处理核心；优选的，处理器180可集成应用处理器和调制解调处 理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要 处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器180中。
[0136] 终端900还包括给各个部件供电的电源190 (比如电池），优选的，电源可以通过电 源管理系统与处理器180逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗 管理等功能。电源190还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故 障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
[0137] 尽管未示出，终端900还可以包括摄像头、蓝牙模块等，在此不再赘述。具体在本 实施例中，终端900的显示单元是触摸屏显示器，终端900还包括有存储器，以及一个或者 一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一 个以上处理器执行述一个或者一个以上程序包含用于进行以下操作的指令：
[0138] 对图片进行划分，得到所述图片包括的图像宏块；
[0139] 对所述图像宏块进行预测处理，得到所述图像宏块包括的每个像素点的残差数 据；
[0140] 根据所述图像宏块包括的每个像素点的残差数据计算所述图像宏块的量化步 长；
[0141] 根据所述量化步长和所述图像宏块包括的每个像素点的残差数据，对所述图像宏 块进行量化处理。
[0142] 可选的，所述根据所述图像宏块包括的每个像素点的残差数据计算所述图像宏块 的量化步长，包括：
[0143] 根据所述图像宏块包括的每个像素点的残差数据，计算出所述图像宏块的宏块特 征值；
[0144] 确定所述宏块特征值所在的特征值范围；
[0145] 获取所述特征值范围对应的量化步长作为所述图像宏块的量化步长。
[0146] 可选的，所述根据所述图像宏块包括的每个像素点的残差数据，计算出所述图像 宏块的宏块特征值，包括：
[0147] 从所述图像宏块包括的每个像素点的残差数据中统计出预设残差数据集合中包 括的每个残差数据对应的像素点数目；
[0148] 根据所述预设残差数据集合中包括的每个残差数据对应的像素点数目，计算出所 述图像宏块的宏块特征值。
[0149] 可选的，所述对所述图像宏块进行预测处理，得到所述图像宏块包括的每个像素 点的残差数据，包括：
[0150] 采用多种预测模式分别对所述图像宏块进行预测处理，得到每种预测模式下所述 图像宏块包括的每个像素点的残差数据。
[0151] 可选的，所述根据所述图像宏块包括的每个像素点的残差数据计算所述图像宏块 的量化步长，包括：
[0152] 根据所述每种预测模式下所述图像宏块包括的每个像素点的残差数据，分别计算 出所述每种预测模式下所述图像宏块的宏块特征值；
[0153] 从所述每种预测模式下所述图像宏块的宏块特征值中选择最大的宏块特征值；
[0154] 确定所述最大的宏块特征值所在的特征值范围；
[0155] 获取所述特征值范围对应的量化步长作为所述图像宏块的量化步长。
[0156] 可选的，所述根据所述量化步长和所述图像宏块包括的每个像素点的残差数据， 对所述图像宏块进行量化处理，包括：
[0157] 获取所述最大的宏块特征值对应的预测模式；
[0158] 根据所述量化步长和所述获取的预测模式下所述图像宏块包括的每个像素点的 残差数据，对所述图像宏块进行量化处理。
[0159] 在本发明实施例中，由于能够根据该图像宏块包括的每个像素点的残差数据计 算该图像宏块的量化步长，所以可以将图片划分出更多的图像宏块，对图片进行精细化量 化，提尚压缩比。
[0160] 本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件 来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读 存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0161] 以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和 原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
【主权项】
1. 一种对图片进行量化处理的方法，其特征在于，所述方法包括： 对图片进行划分，得到所述图片包括的图像宏块； 对所述图像宏块进行预测处理，得到所述图像宏块包括的每个像素点的残差数据； 根据所述图像宏块包括的每个像素点的残差数据计算所述图像宏块的量化步长； 根据所述量化步长和所述图像宏块包括的每个像素点的残差数据，对所述图像宏块进 行量化处理。2. 如权利要求1所述的方法，其特征在于，所述根据所述图像宏块包括的每个像素点 的残差数据计算所述图像宏块的量化步长，包括： 根据所述图像宏块包括的每个像素点的残差数据，计算出所述图像宏块的宏块特征 值； 确定所述宏块特征值所在的特征值范围； 获取所述特征值范围对应的量化步长作为所述图像宏块的量化步长。3. 如权利要求2所述的方法，其特征在于，所述根据所述图像宏块包括的每个像素点 的残差数据，计算出所述图像宏块的宏块特征值，包括： 从所述图像宏块包括的每个像素点的残差数据中统计出预设残差数据集合中包括的 每个残差数据对应的像素点数目； 根据所述预设残差数据集合中包括的每个残差数据对应的像素点数目，计算出所述图 像宏块的宏块特征值。4. 如权利要求1所述的方法，其特征在于，所述对所述图像宏块进行预测处理，得到所 述图像宏块包括的每个像素点的残差数据，包括： 采用多种预测模式分别对所述图像宏块进行预测处理，得到每种预测模式下所述图像 宏块包括的每个像素点的残差数据。5. 如权利要求4所述的方法，其特征在于，所述根据所述图像宏块包括的每个像素点 的残差数据计算所述图像宏块的量化步长，包括： 根据所述每种预测模式下所述图像宏块包括的每个像素点的残差数据，分别计算出所 述每种预测模式下所述图像宏块的宏块特征值； 从所述每种预测模式下所述图像宏块的宏块特征值中选择最大的宏块特征值； 确定所述最大的宏块特征值所在的特征值范围； 获取所述特征值范围对应的量化步长作为所述图像宏块的量化步长。6. 如权利要求5所述的方法，其特征在于，所述根据所述量化步长和所述图像宏块包 括的每个像素点的残差数据，对所述图像宏块进行量化处理，包括： 获取所述最大的宏块特征值对应的预测模式； 根据所述量化步长和所述获取的预测模式下所述图像宏块包括的每个像素点的残差 数据，对所述图像宏块进行量化处理。7. -种对图片进行量化处理的装置，其特征在于，所述装置包括： 划分模块，用于对图片进行划分，得到所述图片包括的图像宏块； 预测模块，用于对所述图像宏块进行预测处理，得到所述图像宏块包括的每个像素点 的残差数据； 计算模块，用于根据所述图像宏块包括的每个像素点的残差数据计算所述图像宏块的 量化步长； 量化模块，用于根据所述量化步长和所述图像宏块包括的每个像素点的残差数据，对 所述图像宏块进行量化处理。8. 如权利要求7所述的装置，其特征在于，所述计算模块包括： 第一计算单元，用于根据所述图像宏块包括的每个像素点的残差数据，计算出所述图 像宏块的宏块特征值； 第一确定单元，用于确定所述宏块特征值所在的特征值范围； 第一获取单元，用于获取所述特征值范围对应的量化步长作为所述图像宏块的量化步 长。9. 如权利要求8所述的装置，其特征在于，所述第一计算单元包括： 统计子单元，用于从所述图像宏块包括的每个像素点的残差数据中统计出预设残差数 据集合中包括的每个残差数据对应的像素点数目； 计算子单元，用于根据所述预设残差数据集合中包括的每个残差数据对应的像素点数 目，计算出所述图像宏块的宏块特征值。10. 如权利要求7所述的装置，其特征在于， 所述预测模块，具体用于采用多种预测模式分别对所述图像宏块进行预测处理，得到 每种预测模式下所述图像宏块包括的每个像素点的残差数据。11. 如权利要求10所述的装置，其特征在于，所述计算模块包括： 第二计算单元，用于根据所述每种预测模式下所述图像宏块包括的每个像素点的残差 数据，分别计算出所述每种预测模式下所述图像宏块的宏块特征值； 选择单元，用于从所述每种预测模式下所述图像宏块的宏块特征值中选择最大的宏块 特征值； 第二确定单元，用于确定所述最大的宏块特征值所在的特征值范围； 第二获取单元，用于获取所述特征值范围对应的量化步长作为所述图像宏块的量化步 长。12. 如权利要求11所述的方法，其特征在于，所述量化模块包括： 第三获取单元，用于获取所述最大的宏块特征值对应的预测模式； 量化单元，用于根据所述量化步长和所述获取的预测模式下所述图像宏块包括的每个 像素点的残差数据，对所述图像宏块进行量化处理。
【文档编号】H04N19/176GK105992001SQ201510093071
【公开日】2016年10月5日
【申请日】2015年3月2日
【发明人】冯守强
【申请人】深圳市腾讯计算机系统有限公司