本发明专利技术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。本发明专利技术能够减小量化粒度以及提高图片压缩比。
【技术实现步骤摘要】
本专利技术涉及图像编码领域，特别涉及一种对图片进行量化处理的方法及装置。
技术介绍
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。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。在实现本专利技术的过程中，专利技术人发现现有技术至少存在以下问题：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。
技术实现思路
为了减小量化粒度以及提高图片压缩比，本专利技术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：一种对图片进行量化处理的方法，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。一种对图片进行量化处理的装置，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。在本专利技术实施例中，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。附图说明图1是本专利技术实施例1提供的一种对图片进行量化处理的方法流程图；图2-1是本专利技术实施例2提供的一种对图片进行量化处理的方法流程图；图2-2是本专利技术实施例2提供的一种划分图片的界面示意图；图2-3是本专利技术实施例2提供的像素点数目直方图；图2-4是本专利技术实施例2提供的一种电路结构示意图；图3-1是本专利技术实施例3提供的一种对图片进行量化处理的方法流程图；图3-2是本专利技术实施例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；图4是本专利技术实施例4提供的一种对图片进行量化处理的装置结构示意图；图5是本专利技术实施例5提供的一种终端结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术 实施方式作进一步地详细描述。实施例1参见图1，本专利技术实施例提供了一种对图片进行量化处理的方法，包括：步骤101：对图片进行划分，得到该图片包括的图像宏块。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。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。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。在本专利技术实施例中，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。实施例2参见图2-1，本专利技术实施例提供了一种对图片进行量化处理的方法，包括：步骤201：对图片进行划分，得到该图片包括的图像宏块。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。预设的宏块大小可以为16×16、8×8或4×4等，如果某个图像宏块的宏块大小为16×16，则表示该图像宏块由256个像素点组成，同理8×8的图像宏块由64个像素点组成，4×4的图像宏块由16个像素点组成。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。例如，参见图2-2，假设，预设的宏块大小为4×4，对于一张40×40大小的图片，可以根据该宏块大小4×4，将该张图片划分成100个大小为4×4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。 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：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。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16×16预测模式、8×8预测模式和4×4预测模式，16×16预测模式对应的图像块大小为16×16，8×8预测模式对应的图像块大小为8×8，4×4预测模式对应的图像块大小为4×4。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。例如，对于划分出来的大小为4×4的图像宏块，选择对应的图像块大小小于或等于4×4的预测模式，选择的预测模式为4×4预测模式，根据4×4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0.3、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。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。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。具体地，本步骤可以包括如下(1)和(2)两步，分别为：(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。预设残差数据集合中包括目前出现所有残差数据。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0.3、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0.3、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0.3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。(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。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本文档来自技高网...
【技术保护点】
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。
【技术特征摘要】
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...
【专利技术属性】
技术研发人员：冯守强，
申请(专利权)人：深圳市腾讯计算机系统有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。