[go: up one dir, main page]

CN111050169B - 图像编码中量化参数的生成方法、装置及终端 - Google Patents

图像编码中量化参数的生成方法、装置及终端 Download PDF

Info

Publication number
CN111050169B
CN111050169B CN201811198337.2A CN201811198337A CN111050169B CN 111050169 B CN111050169 B CN 111050169B CN 201811198337 A CN201811198337 A CN 201811198337A CN 111050169 B CN111050169 B CN 111050169B
Authority
CN
China
Prior art keywords
image
texture complexity
relation
quantization parameter
coded
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
Application number
CN201811198337.2A
Other languages
English (en)
Other versions
CN111050169A (zh
Inventor
郭俊元
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN201811198337.2A priority Critical patent/CN111050169B/zh
Publication of CN111050169A publication Critical patent/CN111050169A/zh
Application granted granted Critical
Publication of CN111050169B publication Critical patent/CN111050169B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04N19/136—Incoming video signal characteristics or properties
    • H04N19/137—Motion inside a coding unit, e.g. average field, frame or block difference

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本申请实施例公开了一种图像编码中量化参数的生成方法、装置及终端，该生成方法包括：生成或从外部获取图像的多尺度纹理复杂度、所述图像编码后的图像大小及所述图像编码所采用的量化参数之间的关系模型；获取待编码图像的多尺度纹理复杂度和预设图像大小；使用所述关系模型生成与所述待编码图像的多尺度纹理复杂度和预设图像大小相对应的量化参数。该生成方法中使用的关系模型更加精确的反应了图像的纹理特征，使得使用该关系模型生成的待编码图像的量化参数更加精确，从而减小了使用该量化参数对所述待编码图像编码后的实际图像大小与预设图像大小之间的误差，得到更加符合预期图像大小的编码后图像。

Description

图像编码中量化参数的生成方法、装置及终端
技术领域
本申请实施例涉及图像编码技术领域，尤其涉及一种图像编码中量化参数的生成方法、装置及终端。
背景技术
HEVC/H.265标准，即高效视频编码(High Efficiency Video Coding)标准，相比传统的视频编码标准，其压缩率和图像质量均有较大幅度提升，因此，HEVC/H.265标准成为目前常用的视频编码标准。HEVC/H.265标准还可以用于对单帧图像进行编码，编码时常用的编码工具为HEVC/H.265编码器。
使用HEVC/H.265编码器对单帧图像进行编码时，需要设置量化参数(英文：Quantization Parameter，缩写：QP)，通过设置不同的量化参数，可以使编码器在输入的图像相同时，输出不同图像质量的编码后图像。因此现有技术中，使用HEVC/H.265编码器对单帧图像进行编码时，可以根据预期的图像质量，生成所述量化参数。
量化参数的生成方式包括多种，例如可以预先将图像质量划分为多个质量等级，并为每一个质量等级对应设置一个量化参数；实际编码时，首先确定预期的图像质量对应的质量等级，之后根据该质量等级确定出与之对应的量化参数，便可确定出编码时需要的量化参数，例如，预先将图像质量划分为高、中、低三个质量等级，高、中、低三个质量等级分别对应量化参数0、18、37，如果预期的图像质量对应的质量等级为高，则根据质量等级与量化参数的对应关系可知，所需的量化参数为0。
但是，使用HEVC/H.265编码器对单帧图像进行编码时，不同的量化参数不但会影响编码后的图像质量，还会影响编码后的图像大小。因此采用前述量化参数的生成方法得到的量化参数，虽然可以得到图像质量符合预期要求的编码后图像，但是却可能无法满足对编码后的图像大小的要求。
发明内容
本申请实施例提供了一种图像编码中量化参数的生成方法、装置及终端，以解决现有的量化参数的生成方法得到的量化参数，无法满足对编码后的图像大小的要求的问题。
第一方面，本申请实施例提供了一种图像编码中量化参数的生成方法，该生成方法包括：获取待编码图像的多尺度纹理复杂度和预设图像大小，其中，图像的多尺度纹理复杂度为所述图像的纹理复杂度和所述图像的降采样图像的纹理复杂度的算术平均值或加权平均值；根据所述图像的多尺度纹理复杂度、所述图像编码后的图像大小及所述图像编码所采用的量化参数之间的关系模型生成与所述待编码图像的多尺度纹理复杂度和预设图像大小相对应的量化参数。
本实现方式中，图像的多尺度纹理复杂度、所述图像编码后的图像大小及所述图像编码所采用的量化参数之间的关系模型，考虑了图像对应的多个尺度的纹理复杂度，更加精确的反应了图像的纹理特征，使得使用该关系模型生成的与待编码图像的多尺度纹理复杂度和预设图像大小相对应的量化参数更加精确，从而减小了使用该量化参数对所述待编码图像编码后的实际图像大小与预设图像大小之间的误差，得到更加符合预期图像大小的编码后图像。
结合第一方面，在第一方面第一种可能的实现方式中，在获取待编码图像的多尺度纹理复杂度和预设图像大小之前，可以生成所述关系模型，其中生成所述关系模型的步骤包括：确定生成所述图像的多尺度纹理复杂度所需的目标采样单元；获取与所述目标采样单元对应的第一关系式，所述第一关系式为第一图像大小因子与所述图像的多尺度纹理复杂度之间的关系式；获取第二关系式，所述第二关系式为第二图像大小因子与所述图像编码所采用的量化参数之间的关系式；获取第三关系式，所述第三关系式为所述图像编码后的图像大小、所述第一图像大小因子与所述第二图像大小因子之间的关系式；建立待训练关系模型，所述待训练关系模型由所述第一关系式、所述第二关系式和所述第三关系式联立而成；根据已知的图像样本的多尺度纹理复杂度、量化参数和图像大小，训练所述待训练关系模型，生成图像的多尺度纹理复杂度、所述图像编码后的图像大小及所述图像编码所采用的量化参数之间的关系模型。
本实现方式中，图像的多尺度纹理复杂度、所述图像编码后的图像大小及所述图像编码所采用的量化参数之间的关系模型根据当前已知的图像样本生成，更加适用于当前的应用场景，使得后续根据该关系模型生成的量化参数的精确度更高。
结合第一方面，在第一方面第二种可能的实现方式中，所述第一关系式为：
Figure BDA0001829387110000021
其中，φ(Gradm)表示所述第一图像大小因子；
Figure BDA0001829387110000022
表示所述图像的多尺度纹理复杂度；Grad0表示所述图像的纹理复杂度；Grad1、Grad2、…、Gradm均为采用所述目标采样单元对所述图像进行降采样处理生成的降采样图像的纹理复杂度；m的取值根据所述目标采样单元包含的采样单元的数量确定；A为系数。
使用本实现方式中的第一关系式，计算过程更加简单。
结合第一方面，在第一方面第三种可能的实现方式中，所述第二关系式为：F(Q)＝B*Q2+C*Q+D；其中，F(Q)表示所述第二图像大小因子；Q表示所述图像编码所采用的量化参数；B、C和D均为系数。
使用本实现方式中的第二关系式，可以简化关系模型的计算过程。
结合第一方面，在第一方面第四种可能的实现方式中，所述第三关系式为：R＝φ(Gradm)*F(Q)；其中，R表示所述图像编码后的图像大小；φ(Gradm)表示所述第一图像大小因子；F(Q)表示所述第二图像大小因子。
使用本实现方式中的第三关系式，生成所述关系模型及使用所述关系模型的计算过程均更加简单。
结合第一方面，在第一方面第五种可能的实现方式中，获取待编码图像的多尺度纹理复杂度和预设图像大小之前，还可以接收外部输入的所述关系模型。
本实现方式中，在系统中预设所述关系模型后，使用所述关系模型生成待编码图像的量化参数时，直接从系统中获取所述关系模型即可，无需再生成所述关系模型，可以更加快速的生成待编码图像的量化参数。
结合第一方面，在第一方面第六种可能的实现方式中，所述获取待编码图像的多尺度纹理复杂度，包括：采用所述目标采样单元对所述待编码图像进行降采样处理，生成所述待编码图像的降采样图像；获取所述待编码图像的第一纹理复杂度；获取所述待编码图像的降采样图像的第二纹理复杂度；对所述第一纹理复杂度和所述第二纹理复杂度进行均值计算，生成所述待编码图像的多尺度纹理复杂度。
本实现方式中，待编码图像的多尺度纹理复杂度的生成原理与所述关系模型中图像的多尺度纹理复杂度的生成原理一致，使得后续生成的待编码图像的量化参数的精确度更高。
需要说明的是，第一方面及第一方面的第一至第六种可能的实现方式中的待编码图像的量化参数可以作为待编码图像的第一量化参数。
第二方面，本申请实施例提供了一种模型生成方法，该模型生成方法包括：确定生成图像的多尺度纹理复杂度所需的目标采样单元；获取与所述目标采样单元对应的第一关系式，所述第一关系式为第一图像大小因子与所述图像的多尺度纹理复杂度之间的关系式；获取第二关系式，所述第二关系式为第二图像大小因子与所述图像编码所采用的量化参数之间的关系式；获取第三关系式，所述第三关系式为所述图像编码后的图像大小、所述第一图像大小因子与所述第二图像大小因子之间的关系式；建立待训练关系模型，所述待训练关系模型由所述第一关系式、所述第二关系式和所述第三关系式联立而成；根据已知的图像样本的多尺度纹理复杂度、量化参数和图像大小，训练所述待训练关系模型，生成图像的多尺度纹理复杂度、所述图像编码后的图像大小及所述图像编码所采用的量化参数之间的关系模型。
使用本实现方式生成的图像的多尺度纹理复杂度、所述图像编码后的图像大小及所述图像编码所采用的量化参数之间的关系模型，考虑了图像的多个尺度的纹理复杂度，更加精确的反映了图像的纹理特征，模型计算的精确度更高。
第三方面，本申请实施例提供了一种图像编码中量化参数的生成方法，该生成方法包括：使用预设量化参数对待编码图像进行编码，生成所述待编码图像的实际图像大小；使用所述预设量化参数与第一量化步长之间的关系式，计算生成与所述预设量化参数对应的第一量化步长；使用所述第一量化步长与第一量化噪声方差之间的关系式，计算生成与所述第一量化步长对应的第一量化噪声方差；使用所述第一量化噪声方差、所述待编码图像的实际图像大小、所述待编码图像的预设图像大小及第二量化噪声方差之间的关系式，计算生成与所述第一量化噪声方差、所述待编码图像的实际图像大小及所述待编码图像的预设图像大小对应的第二量化噪声方差；使用所述第二量化噪声方差与第二量化步长之间的关系式，计算生成与所述第二量化噪声方差相对应的第二量化步长；使用所述第二量化步长与量化参数之间的关系式，计算生成与所述第二量化步长对应的量化参数，作为所述待编码图像的第二量化参数。
本实现方式中，基于对同一帧待编码图像两次编码中，图像纹理特征固定不变的原理，首先根据预设量化参数对待编码图像进行编码，获取所述待编码图像的实际图像大小，之后根据所述预设量化参数、所述待编码图像的实际图像大小和预设图像大小，生成了所述待编码图像的第二量化参数。后续使用该第二量化参数对待编码图像编码后的图像大小与该待编码图像的预设图像大小之间的误差更小。
结合第三方面，在第三方面第一种可能的实现方式中，所述预设量化参数为所述待编码图像的第一量化参数。
本实现方式中，根据待编码图像的第一量化参数对所述待编码图像进行编码，获取所述待编码图像的实际图像大小，之后根据所述待编码图像的第一量化参数、所述待编码图像的实际图像大小和预设图像大小，生成了所述待编码图像的第二量化参数。后续使用该第二量化参数对所述待编码图像编码后的图像大小与该待编码图像的预设图像大小之间的误差更小。
第四方面，本申请实施例提供了一种图像编码中量化参数的生成装置，该生成装置包括用于执行上述第一方面和/或第三方面的生成方法步骤的模块。具体地，该生成装置包括：接收模块和处理模块，此外，还可以包括发送模块、存储模块等其他模块或单元。
第五方面，本申请实施例提供了一种模型生成装置，该模型生成装置包括用于执行上述第二方面的模型生成方法步骤的模块。具体地，该模型生成装置包括：接收模块和处理模块，此外，还可以包括发送模块、存储模块等其他模块或单元。
第六方面，本申请实施例还提供了一种终端，该终端包括上述第四方面和/或第五方面所述的装置。
第七方面，本申请实施例还提供了一种计算机存储介质，该计算机存储介质可存储有程序，该程序执行时可实现上述各个方面中，包括本申请提供的图像编码中量化参数的生成方法及模型生成方法各实施例中的部分或全部步骤。
为解决现有的量化参数的生成方法得到的量化参数，无法满足对编码后的图像大小的要求的问题，本申请实施例提供了一种图像编码中量化参数的生成方法、装置及终端，该生成方法中，图像的多尺度纹理复杂度、所述图像编码后的图像大小及所述图像编码所采用的量化参数之间的关系模型，考虑了图像对应的多个尺度的纹理复杂度，更加精确的反应了图像的纹理特征，使得使用该关系模型生成的与待编码图像的多尺度纹理复杂度和预设图像大小相对应的量化参数更加精确，从而减小了使用该量化参数对所述待编码图像编码后的实际图像大小与预设图像大小之间的误差，得到更加符合预期图像大小的编码后图像。
附图说明
图1为本申请实施例提供的图像编码中量化参数的生成方法的一种实施方式的流程示意图；
图2为本申请实施例提供的模型生成方法的一种实施方式的流程示意图；
图3为本申请实施例提供的步骤S26的一种实施方式的流程示意图；
图4为本申请实施例提供的图像编码中量化参数的生成方法的另一种实施方式的流程示意图；
图5为本申请实施例提供的图像编码中量化参数的生成装置的一种实施方式的结构框图；
图6为本申请实施例提供的图像编码中量化参数的生成装置的另一种实施方式的结构框图；
图7为本申请实施例提供的终端的一种实施方式的结构框图。
具体实施方式
使用HEVC/H.265编码器对单帧图像进行编码时，为了获取合适的量化参数，使得根据该量化参数编码后的图像大小符合预期要求，本申请发明人尝试寻找如下解决方案：根据预设图像大小(即预期的编码后的图像大小)生成编码所需的量化参数。由于目前尚无公开的相关技术启示，而HEVC/H.265标准被应用于视频编码时，在视频速率控制算法中，涉及到初始I帧的量化参数的设定，且在对初始I帧的量化参数的众多设定方法中，使用码流与量化参数之间的关系模型设定量化参数的方法，涉及到根据码流设定量化参数，于是，本申请发明人尝试借鉴视频编码中，初始I帧的量化参数的设定方法，将图像编码中，每帧图像均作为初始I帧，建立该帧图像编码后的图像大小与该帧图像编码所采用的量化参数之间的关系模型。
在视频编码中，设定初始I帧的量化参数时，使用的码流与量化参数的关系模型，是通过分析大量已知的图像样本的纹理复杂度、码流和量化参数之间的关系而建立，其中，已知的图像样本的纹理复杂度为该图像样本对应的原始图像的纹理复杂度，已知的图像样本的码流为该图像样本对应的原始图像编码后的码流，已知的图像样本的量化参数为该图像样本对应的原始图像编码所采用的量化参数。
此外，根据HEVC/H.265编码原理可知，在采用HEVC/H.265编码器对任意一帧图像进行图像编码时，编码后的图像大小主要由预测残差和量化参数决定，而预测残差主要由该帧图像的纹理复杂度和编码模式决定。其中，编码模式由编码器内部实现，无法进行设定，但该帧图像的纹理复杂度会决定编码器内部编码模式的选择，所以可以认为在采用HEVC/H.265编码器对任意一帧图像进行图像编码时，影响编码后的图像大小的因素主要包括纹理复杂度和量化参数。
有鉴于此，本申请发明人在寻找上述解决方案时，首先尝试根据大量已知的图像样本的纹理复杂度、图像大小和量化参数之间的关系，建立图像的纹理复杂度、所述图像编码后的图像大小、以及所述图像编码所采用的量化参数之间的关系模型。得到此类关系模型后，使用该类关系模型可以生成与待编码图像的预设图像大小对应的量化参数。
不过使用此类关系模型生成与待编码图像的预设图像大小对应的量化参数后，使用该量化参数对所述待编码图像进行编码后的实际图像大小，与所述待编码图像的预设图像大小之间，可能会存在较大的误差，即编码后的实际图像大小与预期的图像大小之间可能会存在较大的误差，所以使用此类关系模型生成的量化参数的精确度较低，使得使用该量化参数编码后得到的实际图像大小与预期的图像大小之间可能会存在较大的误差。
进一步，为了提高根据预设图像大小生成的编码所需量化参数的精确度，使得使用该量化参数编码后的实际图像大小符合预期的要求，本申请发明人提出了如下两种解决方案：
第一种方案请参考下述实施例的内容。
参见图1，图1为本申请实施例提供的图像编码中量化参数的生成方法的一种实施方式的流程示意图，结合图1可知，该生成方法包括：
步骤S11、生成或从外部获取图像的多尺度纹理复杂度、所述图像编码后的图像大小及所述图像编码所采用的量化参数之间的关系模型。
其中，图像的多尺度纹理复杂度可以只考虑该图像自身的尺度，将该图像自身的纹理复杂度设置为该图像的多尺度纹理复杂度。此种情况下，图像的多尺度纹理复杂度、所述图像编码后的图像大小及所述图像编码所采用的量化参数之间的关系模型即为上述图像的纹理复杂度、所述图像编码后的图像大小、以及所述图像编码所采用的量化参数之间的关系模型，结合前述内容可知，使用该关系模型生成的与待编码图像的预设图像大小对应的量化参数的精确度可能较低，在对精确度要求较低时，可以使用该关系模型。
进一步分析可知，使用上述关系模型生成的量化参数的精确度之所以可能较低，可能是由于图像的纹理复杂度仅能从细节的角度反映该图像的纹理特征，而无法反映出帧内预测编码中对图像尺寸的影响。所以，本申请发明人尝试从图像的多个尺度确定该图像对应的纹理复杂度，本申请实施例中，将从图像的多个尺度确定出的该图像对应的纹理复杂度并进行加权平均或算术平均后获得的纹理复杂度称为图像的多尺度纹理复杂度。
结合图像的多尺度技术(即图像的多分辨率技术)可知，对同一帧图像从多个尺度进行表征，是指采用不同尺寸的采样单元对该图像进行降采样处理，得到该图像的多帧相对于该图像的分辨率降低的降采样图像，采用该图像与该图像的多帧降采样图像对该图像进行表征。例如：分别采用尺寸为2*2、4*4、8*8、16*16、32*32和64*64的采样单元对该图像进行降采样处理，得到该图像的多帧降采样图像，采用该图像和该图像的多帧降采样图像就可以从多个尺度对该图像进行表征。
其中，采用尺寸为2*2的采样单元对图像进行降采样处理指的是将该图像中的2*2个像素点在对应的降采样图像中用一个像素点表示，该降采样图像中该像素点的值可以为该图像中相应2*2个像素点的值的平均，也可以为该图像中相应2*2个像素点中任意一个像素点的值。采用尺寸为4*4的采样单元对该图像进行降采样处理，指的是将该图像中的4*4个像素点在对应的降采样图像中用一个像素点表示，该降采样图像中该像素点的值可以为该图像中相应4*4个像素点的值的平均，也可以为该图像中相应4*4个像素点中任意一个像素点的值。采用其它尺寸的采样单元对该图像进行降采样处理的过程以此类推，此处不再一一列举。
基于此，在本申请的另一个可选实施例中，图像的多尺度纹理复杂度可以为该图像的纹理复杂度和该图像的降采样图像的纹理复杂度的算术平均值或加权平均值。
例如：对于任意一帧图像，将该图像记为目标图像，该目标图像的多尺度纹理复杂度可以按照下述方式生成：
使用关系式
Figure BDA0001829387110000061
计算生成所述目标图像的纹理复杂度；其中，计算后生成的Grad0的值为所述目标图像的纹理复杂度；H对应的输入值为所述目标图像的长度的值，单位为像素；W对应的输入值为所述目标图像的宽度的值，单位为像素；i1和j1对应的输入值分别为所述目标图像的像素点的行索引和列索引的值；
Figure BDA0001829387110000062
对应的输入值为所述目标图像中，行索引为i1，列索引为j1的像素点的灰度值；
Figure BDA0001829387110000063
对应的输入值为所述目标图像中，行索引为i1+1，列索引为j1的像素点的灰度值；
Figure BDA0001829387110000071
对应的输入值为所述目标图像中，行索引为i1，列索引为j1+1的像素点的灰度值；
使用关系式
Figure BDA0001829387110000072
计算生成所述目标图像的降采样图像的纹理复杂度；其中，计算后生成的Gradm的值为所述目标图像的降采样图像的纹理复杂度；H′对应的输入值为所述目标图像的降采样图像的长度的值，单位为像素；W′对应的输入值为所述目标图像的降采样图像的宽度的值，单位为像素；i2和j2对应的输入值分别为所述目标图像的降采样图像的像素点的行索引和列索引的值；
Figure BDA0001829387110000073
对应的输入值为所述目标图像的降采样图像中，行索引为i2，列索引为j2的像素点的灰度值；
Figure BDA0001829387110000074
对应的输入值为所述目标图像的降采样图像中，行索引为i2+1，列索引为j2的像素点的灰度值；
Figure BDA0001829387110000075
对应的输入值为所述目标图像的降采样图像中，行索引为i2，列索引为j2+1的像素点的灰度值；
对所述目标图像的纹理复杂度和所述目标图像的降采样图像的纹理复杂度进行均值计算，生成所述目标图像的多尺度纹理复杂度。
步骤S12、获取待编码图像的多尺度纹理复杂度和预设图像大小。
步骤S13、根据所述关系模型生成与所述待编码图像的多尺度纹理复杂度和预设图像大小相对应的量化参数。
在本申请的一个可选实施例中，在执行步骤S11时，可以按照下述方式实现：生成图像的多尺度纹理复杂度、所述图像编码后的图像大小及所述图像编码所采用的量化参数之间的关系模型。生成所述关系模型的具体实施方式可参考图2，按照图2所示的模型生成方法生成所述关系模型。
参见图2，图2为本申请实施例提供的模型生成方法的一种实施方式的流程示意图，结合图2可知，该模型生成方法包括：
步骤S21、确定生成图像的多尺度纹理复杂度所需的目标采样单元。
确定目标采样单元的方式包括多种，例如：根据系统的鲁棒性确定目标采样单元，如果系统的鲁棒性较高，可以将适用于当前图像的所有尺寸的采样单元均确定为目标采样单元，例如将上述尺寸为2*2、4*4、8*8、16*16、32*32和64*64的采样单元均确定为目标采样单元；或，如果系统的鲁棒性较低，可以根据实际应用场景的需求确定目标采样单元，例如根据实际应用场景的需求设置一个经验阈值和预设参考图像，如果预设参考图像的纹理复杂度大于该经验阈值，将4*4和8*8的采样单元确定为目标采样单元；或，如果预设参考图像的纹理复杂度小于该经验阈值，将16*16和32*32的采样单元确定为目标采样单元；或，如果预设参考图像的纹理复杂度等于该经验阈值，则将目标采样单元确定为无。
步骤S22、获取与所述目标采样单元对应的第一关系式，所述第一关系式为第一图像大小因子与所述图像的多尺度纹理复杂度之间的关系式。
在本申请的一个可选实施例中，第一关系式可以为
Figure BDA0001829387110000081
其中，φ(Gradm)表示所述第一图像大小因子，所述第一图像大小因子为关于所述图像的多尺度纹理复杂度的函数；
Figure BDA0001829387110000082
为所述图像的多尺度纹理复杂度；Grad0表示所述图像的纹理复杂度；Grad1、Grad2、…、Gradm均为采用所述目标采样单元对所述图像进行降采样处理生成的降采样图像的纹理复杂度；m的取值可以为1、2、3、4、5或6等，具体根据所述目标采样单元包含的采样单元的数量确定，如果目标采样单元包含的采样单元的数量为2，则m的取值为2，如果目标采样单元包含的采样单元的数量为5，则m的取值为5，以此类推，此处不再一一列举；A为系数。
第一关系式包括多个，可以将所有可能使用的第一关系式均存储于系统中，在确定目标采样单元后，从系统中直接获取与目标采样单元对应的第一关系式即可。
需要说明的是，第一关系式还可以设置为其它形式，例如：将所述第一图像大小因子φ(Gradm)设置为对图像的纹理复杂度与其权重系数的乘积，以及采用所述目标采样单元对该图像进行降采样处理生成的降采样图像的纹理复杂度与其权重系数的乘积，求均值的形式。当然还可以将第一关系式设置为其它形式，此处不再一一列举。
步骤S23、获取第二关系式，所述第二关系式为第二图像大小因子与所述图像编码所采用的量化参数之间的关系式。
在本申请的一个可选实施例中，第二关系式可以为F(Q)＝B*Q2+C*Q+D，其中，F(Q)表示所述第二图像大小因子，所述第二图像大小因子为关于所述图像编码所采用的量化参数的函数；Q表示所述图像编码所采用的量化参数；B、C和D均为系数。可以将第二关系式预先存储于系统中，使用时直接从系统中获取即可。
需要说明的是，还可以将第二关系式设置为其它形式，例如将第二图像大小因子F(Q)设置为Q的一元多次方程。当然还可以将第二关系式设置为其它形式，此处不再一一列举。
步骤S24、获取第三关系式，所述第三关系式为所述图像编码后的图像大小、所述第一图像大小因子与所述第二图像大小因子之间的关系式。
在本申请的一个可选实施例中，第三关系式可以为R＝φ(Gradm)*F(Q)，其中，R表示所述图像编码后的图像大小；φ(Gradm)表示所述第一图像大小因子；F(Q)表示所述第二图像大小因子。
步骤S25、建立待训练关系模型，所述待训练关系模型由所述第一关系式、所述第二关系式和所述第三关系式联立而成。
步骤S26、根据已知的图像样本的多尺度纹理复杂度、量化参数和图像大小，训练所述待训练关系模型，生成图像的多尺度纹理复杂度、所述图像编码后的图像大小及所述图像编码所采用的量化参数之间的关系模型。
其中，已知的图像样本包括多个，已知的图像样本的数量记为N，N的取值可以根据实际计算需求设置，例如，N为1000。每个已知的图像样本的多尺度纹理复杂度为该图像样本对应的原始图像的多尺度纹理复杂度；每个已知的图像样本的量化参数为该图像样本对应的原始图像编码所采用的第一量化参数；每个已知的图像样本的图像大小为该图像样本对应的原始图像编码后的图像大小。
此外，每个已知的图像样本对应的原始图像、每个已知的图像样本的量化参数和每个已知的图像样本的图像大小均为已知。
在本申请的一个可选实施例中，参见图3，图3为本申请实施例提供的步骤S26的一种实施方式的流程示意图，结合图3可知，步骤S26可以按照下述步骤实施：
步骤S31、获取已知的图像样本。
已知的图像样本可以预先存储于系统中，直接从系统中获取即可。
步骤S32、获取所述已知的图像样本的多尺度纹理复杂度、量化参数和图像大小。
已知的图像样本的量化参数和图像大小与所述已知的图像样本对应存储于系统中，直接从系统中获取即可。
每个已知的图像样本的多尺度纹理复杂度可以按照下述方式获取：
获取该已知的图像样本对应的原始图像，记为目标原始图像；
使用目标采样单元对所述目标原始图像进行降采样处理，生成该目标原始图像的降采样图像，记为目标降采样图像；
获取所述目标原始图像的纹理复杂度；
获取所述目标降采样图像的纹理复杂度；
对所述目标原始图像的纹理复杂度和所述目标降采样图像的纹理复杂度进行均值计算，生成该已知的图像样本的多尺度纹理复杂度。
其中，获取所述目标原始图像的纹理复杂度的具体实现方式可以参考前述任意一帧图像的纹理复杂度的生成方式，获取所述目标降采样图像的纹理复杂度的具体实现方式可以参考前述任意一帧图像的降采样图像的纹理复杂度的生成方式，此处不再赘述。
步骤S33、使用所述已知的图像样本的多尺度纹理复杂度、量化参数和图像大小，对所述待训练关系模型进行回归训练，确定出所述待训练关系模型的系数，生成图像的多尺度纹理复杂度、所述图像编码后的图像大小及所述图像编码所采用的量化参数之间的关系模型。
在本申请的一个可选实施例中，步骤S33可以按照下述方式实现：
使用所述待训练关系模型生成与所述已知的图像样本的多尺度纹理复杂度和量化参数对应的图像大小，记为目标图像大小；
使用关系式
Figure BDA0001829387110000091
计算生成所述待训练关系模型的系数A、B、C和D的值；其中，MinD表示
Figure BDA0001829387110000092
的最小值，j3表示已知的图像样本的编号，N为已知的图像样本的数量，
Figure BDA0001829387110000093
表示编号为j3的已知的图像样本的图像大小；
Figure BDA0001829387110000094
表示编号为j3的已知的图像样本的目标图像大小；
将系数A、B、C和D的值输入所述待训练关系模型中，生成图像的多尺度纹理复杂度、所述图像编码后的图像大小及所述图像编码所采用的量化参数之间的关系模型。
在本申请的另一个可选实施例中，在执行步骤S11之前，可以先按照图2所示的模型生成方法生成所述关系模型，生成所述关系模型后，将所述关系模型存储于系统中。需要生成任意一帧待编码图像的量化参数时，均可以按照图1所示的生成方法实现，并且在执行步骤S11时，直接从系统中获取生成的所述关系模型即可。此种实施方式下，需要生成多帧待编码图像的量化参数时，只需生成一个关系模型即可，可以提高生成该多帧待编码图像的量化参数的效率。
在本申请的另一个可选实施例中，还可以接收外部输入的关系模型。用户或管理员可以将预先训练好的所述关系模型作为预设的关系模型输入系统中，在执行步骤S11时，直接从系统中获取预设的关系模型即可。其中，预设的关系模型可以根据实际应用场景进行设置，不同的应用场景中，关系模型的系数A、B、C和D的值不同，可以预先训练好多个应用场景对应的关系模型，例如监控场景对应的关系模型和娱乐场景对应的关系模型等，训练好之后，根据具体的应用场景设置预设的关系模型，或者将应用场景与关系模型建立对应关系，执行步骤S11时，根据实际应用场景获取对应的关系模型。
在执行步骤S12时，待编码图像的预设图像大小为用户对待编码图像预期的图像大小，可以由用户基于需求进行设定。
在本申请的一个可选实施例中，获取待编码图像的多尺度纹理复杂度可以按照下述方式实现：采用所述目标采样单元对所述待编码图像进行降采样处理，生成所述待编码图像的降采样图像；获取所述待编码图像的纹理复杂度，记为第一纹理复杂度；获取所述待编码图像的降采样图像的纹理复杂度，记为第二纹理复杂度；对所述第一纹理复杂度和所述第二纹理复杂度进行均值计算，生成所述待编码图像的多尺度纹理复杂度。其中，第一纹理复杂度和第二纹理复杂度均可以参考前述任意一帧图像的纹理复杂度和该帧图像的降采样图像的纹理复杂度的生成方式获取，此处不再赘述。
在执行步骤S13时，将所述待编码图像的多尺度纹理复杂度和预设图像大小输入所述关系模型中，便可使用所述关系模型计算生成所述待编码图像的量化参数。
需要说明的是，第一种方案中确定的待编码图像的量化参数可以作为该待编码图像的第一量化参数。
本实施例中，图像的多尺度纹理复杂度、所述图像编码后的图像大小及所述图像编码所采用的量化参数之间的关系模型，考虑了图像对应的多个尺度的纹理复杂度，更加精确的反应了图像的纹理特征，使得使用该关系模型生成的与待编码图像的多尺度纹理复杂度和预设图像大小相对应的量化参数更加精确，从而减小了使用该量化参数对所述待编码图像编码后的实际图像大小与预设图像大小之间的误差，得到更加符合预期图像大小的编码后图像。
第二种方案请参考下述实施例的内容。
参见图4，图4为本申请实施例提供的图像编码中量化参数的生成方法的另一种实施方式的流程示意图，结合图4可知，该生成方法包括：
步骤S41、使用预设量化参数对待编码图像进行编码，生成所述待编码图像的实际图像大小。
其中，预设量化参数可以根据经验设定。
步骤S42、使用所述预设量化参数与第一量化步长之间的关系式，计算生成与所述预设量化参数对应的第一量化步长。
在本申请的一个可选实施例中，所述预设量化参数与第一量化步长之间的关系式可以为
Figure BDA0001829387110000111
其中，Qstep1表示所述第一量化步长；Q1表示所述预设量化参数。
步骤S43、使用所述第一量化步长与第一量化噪声方差之间的关系式，计算生成与所述第一量化步长对应的第一量化噪声方差。
在本申请的一个可选实施例中，所述第一量化步长与第一量化噪声方差之间的关系式可以为
Figure BDA0001829387110000112
其中，D1′表示所述第一量化噪声方差；Qstep1表示所述第一量化步长。
步骤S44、使用所述第一量化噪声方差、所述待编码图像的实际图像大小、所述待编码图像的预设图像大小及第二量化噪声方差之间的关系式，计算生成与所述第一量化噪声方差、所述待编码图像的实际图像大小及所述待编码图像的预设图像大小对应的第二量化噪声方差。
在图像编码中，图像编码后的图像大小与量化噪声方差之间具有关系式
Figure BDA0001829387110000113
其中，R表示所述图像编码后的图像大小；σ2表示帧内预测残差的方差，其大小取决于所述图像的纹理复杂度；D′表示所述量化噪声方差；α为系数，取值为0.5。
对任意一帧待编码图像编码时，默认为两次编码中，该待编码图像的纹理特征固定不变，即两次编码中，该待编码图像的纹理复杂度不变，则两次编码中，帧内预测残差的方差不变。基于此，使用关系式
Figure BDA0001829387110000114
可以得到本申请实施例的所述第一量化噪声方差、所述待编码图像的实际图像大小、所述待编码图像的预设图像大小及第二量化噪声方差之间的关系式R2-R1＝αlnD2′-αlnD1′，其中，R2表示所述待编码图像的预设图像大小；R1表示所述待编码图像的实际图像大小；D2′表示所述第二量化噪声方差；D1′表示所述第一量化噪声方差；α为系数，取值为0.5。
步骤S45、使用所述第二量化噪声方差与第二量化步长之间的关系式，计算生成与所述第二量化噪声方差相对应的第二量化步长。
在本申请的一个可选实施例中，所述第二量化噪声方差与第二量化步长之间的关系式可以为
Figure BDA0001829387110000115
其中，D2′表示所述第二量化噪声方差；Qstep2表示所述第二量化步长。
步骤S46、使用所述第二量化步长与量化参数之间的关系式，计算生成与所述第二量化步长对应的量化参数，作为所述待编码图像的第二量化参数。
在本申请的一个可选实施例中，所述第二量化步长与量化参数之间的关系式可以为
Figure BDA0001829387110000121
其中，Qstep2表示所述第二量化步长；Q2表示所述第二量化步长对应的量化参数，即所述待编码图像的第二量化参数。
本实施例中，基于对同一帧待编码图像两次编码中，图像纹理特征固定不变的原理，首先根据预设量化参数对待编码图像进行编码，获取所述待编码图像的实际图像大小，之后根据所述预设量化参数、所述待编码图像的实际图像大小和预设图像大小，生成了所述待编码图像的第二量化参数。后续使用该第二量化参数对待编码图像编码后的图像大小与该待编码图像的预设图像大小之间的误差更小。
为了进一步提高待编码图像编码所采用的量化参数的精确度，还可以使用上述第一种方案和第二种方案共同生成待编码图像编码所采用的量化参数，具体实施过程为：使用上述第一种方案生成待编码图像的第一量化参数；将待编码图像的第一量化参数设置为上述第二种方案中的预设量化参数，然后使用上述第二种方案生成该待编码图像的第二量化参数，将该第二量化参数作为该待编码图像编码所采用的量化参数。
使用上述任一实施例提供的量化参数的生成方法生成待编码图像编码所采用的相应量化参数后，将待编码图像和相应量化参数输入至编码器中，便可得到符合预期图像大小的编码后图像。
此外，使用本申请实施例提供的生成方法生成多帧(例如1000帧)待编码图像的第一量化参数或第二量化参数，并且采用相应的第一量化参数或第二量化参数对每一帧待编码图像编码后，可以得到多个新的图像样本，还可以采用新的图像样本继续训练所述关系模型，更新所述关系模型的系数A、B、C和D的值。
参见图5，图5为本申请实施例提供的图像编码中量化参数的生成装置的一种实施方式的结构框图，结合图5可知，该生成装置500包括：关系模型获取模块501、多尺度纹理复杂度获取模块502、图像大小获取模块503和量化参数生成模块504。此外，该生成装置500还可以包括其它功能模块或单元，用于执行图1至图3所示实施例提供的方法。
其中，关系模型获取模块501，用于获取图像的多尺度纹理复杂度、所述图像编码后的图像大小及所述图像编码所采用的量化参数之间的关系模型；所述图像的多尺度纹理复杂度为所述图像的纹理复杂度和所述图像的降采样图像的纹理复杂度的算术平均值或加权平均值。
多尺度纹理复杂度获取模块502，用于获取待编码图像的多尺度纹理复杂度。
图像大小获取模块503，用于获取所述待编码图像的预设图像大小。
量化参数生成模块504，用于使用所述关系模型生成与所述待编码图像的多尺度纹理复杂度和预设图像大小相对应的量化参数。
需要说明的是，本实施例中的待编码图像的量化参数可以作为该待编码图像的第一量化参数，量化参数生成模块504可以作为第一量化参数生成模块。
本实施例中，生成装置获取的图像的多尺度纹理复杂度、所述图像编码后的图像大小及所述图像编码所采用的量化参数之间的关系模型，由于考虑了图像对应的多个尺度的纹理复杂度，更加精确的反应了图像的纹理特征，生成的与待编码图像的多尺度纹理复杂度和预设图像大小相对应的量化参数更加精确。
可选的，关系模型获取模块501具体用于：确定生成所述图像的多尺度纹理复杂度所需的目标采样单元；获取与所述目标采样单元对应的第一关系式，所述第一关系式为第一图像大小因子与所述图像的多尺度纹理复杂度之间的关系式；获取第二关系式，所述第二关系式为第二图像大小因子与所述图像编码所采用的量化参数之间的关系式；获取第三关系式，所述第三关系式为所述图像编码后的图像大小、所述第一图像大小因子与所述第二图像大小因子之间的关系式；建立待训练关系模型，所述待训练关系模型由所述第一关系式、所述第二关系式和所述第三关系式联立而成；根据已知的图像样本的多尺度纹理复杂度、量化参数和图像大小，训练所述待训练关系模型，生成图像的多尺度纹理复杂度、所述图像编码后的图像大小及所述图像编码所采用的量化参数之间的关系模型。关系模型获取模块501在生成了关系模型之后，将生成的关系模型存储起来，在图像编码需要生成模型参数时即可调用生成的模型参数。
可选的，关系模型获取模块501具体用于：接收并存储外部输入的关系模型。
可选的，量化参数生成模块504还可以用于：使用待编码图像的第一量化参数对所述待编码图像进行编码，生成所述待编码图像的实际图像大小；使用关系式
Figure BDA0001829387110000131
计算生成与所述待编码图像的第一量化参数对应的第一量化步长；其中，Qstep1表示所述第一量化步长；Q1表示所述待编码图像的第一量化参数；使用关系式
Figure BDA0001829387110000132
计算生成与所述第一量化步长对应的第一量化噪声方差；其中，D1′表示所述第一量化噪声方差；Qstep1表示所述第一量化步长；使用关系式R2-R1＝αlnD2′-αlnD1′，计算生成与所述第一量化噪声方差、所述待编码图像的实际图像大小及所述待编码图像的预设图像大小对应的第二量化噪声方差；其中，R2表示所述待编码图像的预设图像大小；R1表示所述待编码图像的实际图像大小；D2′表示所述第二量化噪声方差；D1′表示所述第一量化噪声方差；α为系数，取值为0.5；使用关系式
Figure BDA0001829387110000133
计算生成与所述第二量化噪声方差对应的第二量化步长；其中，D2′表示所述第二量化噪声方差；Qstep2表示所述第二量化步长；使用关系式
Figure BDA0001829387110000134
计算生成与所述第二量化步长对应的所述待编码图像的第二量化参数；其中，Qstep2表示所述第二量化步长；Q2表示所述待编码图像的第二量化参数。
可选的，多尺度纹理复杂度获取模块502具体用于：采用所述目标采样单元对所述待编码图像进行降采样处理，生成所述待编码图像的降采样图像；获取所述待编码图像的纹理复杂度，记为第一纹理复杂度；获取所述待编码图像的降采样图像的纹理复杂度，记为第二纹理复杂度；对所述第一纹理复杂度和所述第二纹理复杂度进行均值计算，生成所述待编码图像的多尺度纹理复杂度。
参见图6，图6为本申请实施例提供的图像编码中量化参数的生成装置的另一种实施方式的结构框图，结合图6可知，该生成装置600包括：实际图像大小生成模块601、第一量化步长生成模块602、第一量化噪声方差生成模块603、第二量化噪声方差生成模块604、第二量化步长生成模块605和第二量化参数生成模块606。此外，该生成装置600还可以包括其它功能模块或单元，用于执行图4所示实施例提供的生成方法。
其中，实际图像大小生成模块601，用于使用预设量化参数对待编码图像进行编码，生成所述待编码图像的实际图像大小。
第一量化步长生成模块602，用于使用所述预设量化参数与第一量化步长之间的关系式，计算生成与所述预设量化参数对应的第一量化步长。
第一量化噪声方差生成模块603，用于使用所述第一量化步长与第一量化噪声方差之间的关系式，计算生成与所述第一量化步长对应的第一量化噪声方差。
第二量化噪声方差生成模块604，用于使用所述第一量化噪声方差、所述待编码图像的实际图像大小、所述待编码图像的预设图像大小及第二量化噪声方差之间的关系式，计算生成与所述第一量化噪声方差、所述待编码图像的实际图像大小及所述待编码图像的预设图像大小对应的第二量化噪声方差。
第二量化步长生成模块605，用于使用所述第二量化噪声方差与第二量化步长之间的关系式，计算生成与所述第二量化噪声方差相对应的第二量化步长。
第二量化参数生成模块606，用于使用所述第二量化步长与量化参数之间的关系式，计算生成与所述第二量化步长对应的量化参数，作为所述待编码图像的第二量化参数。
本实施例中，生成装置基于对同一帧待编码图像两次编码中，图像纹理特征固定不变的原理，首先根据预设量化参数对待编码图像进行编码，获取所述待编码图像的实际图像大小，之后根据所述预设量化参数、所述待编码图像的实际图像大小和预设图像大小，生成了所述待编码图像的第二量化参数。后续使用该第二量化参数对待编码图像编码后的图像大小与该待编码图像的预设图像大小之间的误差更小。
在具体的硬件实现中，本申请实施例还提供了一种终端，如图7所示，该终端700可以包括：收发器701、处理器702和存储器703，所述收发器701、所述处理器702与所述存储器703之间相耦合。该终端700还可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置，本申请对此不进行限定。
其中，收发器701用于信息或数据的接收和发送，并与网络中的其他设备进行数据传输。进一步地，收发器701可以包括收发模块，所述收发模块可以包括无线局域网(wireless local area network，WLAN)模块、蓝牙模块、基带(base band)模块等通信模块，以及所述通信模块对应的射频(radio frequency，RF)电路，用于进行无线局域网络通信、蓝牙通信、红外线通信及/或蜂窝式通信系统通信，例如宽带码分多重接入(widebandcode division multiple access，WCDMA)及/或高速下行封包存取(high speed downlinkpacket access，HSDPA)。所述收发模块用于控制网络设备中的各组件的通信，并且可以支持直接内存存取(direct memory access)。
处理器702为终端700的控制中心，利用各种接口和线路连接整个终端700的各个部分，通过运行或执行存储在存储器703内的软件程序和/或单元，以及调用存储在存储器703内的数据，以执行终端700的各种功能和各种功能和/或处理数据。
进一步地，处理器702可以由集成电路(Integrated Circuit，IC)组成，例如可以由单颗封装的IC所组成，也可以由连接多颗相同功能或不同功能的封装IC而组成。举例来说，处理器702可以仅包括中央处理器(Central Processing Unit，CPU)，也可以是GPU、数字信号处理器(Digital Signal Processor，DSP)、图片处理器、及收发器中的控制芯片(例如基带芯片)的组合。
存储器703可以包括易失性存储器(volatile memory)，例如随机存取内存(Random Access Memory，RAM)；还可以包括非易失性存储器(non-volatile memory)，例如快闪存储器(flash memory)，硬盘(Hard Sisk Drive，HDD)或固态硬盘(Solid-StateDrive，SSD)；存储器703还可以包括上述种类的存储器的组合。所述存储器703中可以存储有程序或代码，处理器702通过执行所述程序或代码可以实现所述终端的功能。
图5所示生成装置实施例中的关系模型获取模块、多尺度纹理复杂度获取模块及图像大小获取模块等各获取模块所要实现的功能可以由收发器701实现，或者也可以由处理器702实现，或者也可以由处理器702控制收发器701实现。第一量化参数生成模块等各生成模块所要实现的功能则可以由处理器702实现。
此外，图6所示生成装置实施例中的各生成模块所要实现的功能也可以由处理器702实现。
具体实现中，本申请还提供一种计算机存储介质，其中，该计算机存储介质可存储有程序，所述程序包括指令，该程序执行时可包括本申请提供的图像编码中量化参数的生成方法的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，ROM)或随机存储记忆体(random access memory，RAM)等。
本领域的技术人员可以清楚地了解到本申请实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者无线通信设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其，对于图像编码中量化参数的生成装置的实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例中的说明即可。
此外，在本申请的描述中，除非另有说明，“多个”是指两个或多于两个。另外，为了便于清楚描述本申请实施例的技术方案，在本申请的实施例中，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定，并且“第一”、“第二”等字样也并不限定一定不同。
以上所述的本申请实施方式并不构成对本申请保护范围的限定。

Claims (13)

1.一种图像编码中量化参数的生成方法，其特征在于，包括：
获取待编码图像的多尺度纹理复杂度和预设图像大小，其中，图像的多尺度纹理复杂度为所述图像的纹理复杂度和所述图像的降采样图像的纹理复杂度的算术平均值或加权平均值；
根据所述图像的多尺度纹理复杂度、所述图像编码后的图像大小及所述图像编码所采用的量化参数之间的关系模型生成与所述待编码图像的多尺度纹理复杂度和预设图像大小相对应的量化参数。
2.根据权利要求1所述的生成方法，其特征在于，在获取待编码图像的多尺度纹理复杂度和预设图像大小之前，所述方法还包括，生成所述关系模型，其中生成所述关系模型的步骤包括：
确定生成所述图像的多尺度纹理复杂度所需的目标采样单元；
获取与所述目标采样单元对应的第一关系式，所述第一关系式为第一图像大小因子与所述图像的多尺度纹理复杂度之间的关系式；
获取第二关系式，所述第二关系式为第二图像大小因子与所述图像编码所采用的量化参数之间的关系式；
获取第三关系式，所述第三关系式为所述图像编码后的图像大小、所述第一图像大小因子与所述第二图像大小因子之间的关系式；
建立待训练关系模型，所述待训练关系模型由所述第一关系式、所述第二关系式和所述第三关系式联立而成；
根据已知的图像样本的多尺度纹理复杂度、量化参数和图像大小，训练所述待训练关系模型，生成图像的多尺度纹理复杂度、所述图像编码后的图像大小及所述图像编码所采用的量化参数之间的关系模型。
3.根据权利要求2所述的生成方法，其特征在于，所述第一关系式为：
Figure FDA0001829387100000011
其中，φ(Gradm)表示所述第一图像大小因子；
Figure FDA0001829387100000012
表示所述图像的多尺度纹理复杂度；Grad0表示所述图像的纹理复杂度；Grad1、Grad2、…、Gradm均为采用所述目标采样单元对所述图像进行降采样处理生成的降采样图像的纹理复杂度；m的取值根据所述目标采样单元包含的采样单元的数量确定；A为系数。
4.根据权利要求2所述的生成方法，其特征在于，所述第二关系式为：
F(Q)＝B*Q2+C*Q+D；
其中，F(Q)表示所述第二图像大小因子；Q表示所述图像编码所采用的量化参数；B、C和D均为系数。
5.根据权利要求2所述的生成方法，其特征在于，所述第三关系式为：
R＝φ(Gradm)*F(Q)；
其中，R表示所述图像编码后的图像大小；φ(Gradm)表示所述第一图像大小因子；F(Q)表示所述第二图像大小因子。
6.根据权利要求1所述的生成方法，其特征在于，在获取待编码图像的多尺度纹理复杂度和预设图像大小之前，所述方法还包括：接收外部输入的所述关系模型。
7.根据权利要求2所述的生成方法，其特征在于，所述获取待编码图像的多尺度纹理复杂度，包括：
采用所述目标采样单元对所述待编码图像进行降采样处理，生成所述待编码图像的降采样图像；
获取所述待编码图像的第一纹理复杂度；
获取所述待编码图像的降采样图像的第二纹理复杂度；
对所述第一纹理复杂度和所述第二纹理复杂度进行均值计算，生成所述待编码图像的多尺度纹理复杂度。
8.一种图像编码中量化参数的生成装置，其特征在于，包括：
关系模型获取模块，用于获取图像的多尺度纹理复杂度、所述图像编码后的图像大小及所述图像编码所采用的量化参数之间的关系模型；所述图像的多尺度纹理复杂度为所述图像的纹理复杂度和所述图像的降采样图像的纹理复杂度的算术平均值或加权平均值；
多尺度纹理复杂度获取模块，用于获取待编码图像的多尺度纹理复杂度；
图像大小获取模块，用于获取所述待编码图像的预设图像大小；
量化参数生成模块，用于根据所述关系模型生成与所述待编码图像的多尺度纹理复杂度和预设图像大小相对应的量化参数。
9.根据权利要求8所述的生成装置，其特征在于，所述关系模型获取模块具体用于：
确定生成所述图像的多尺度纹理复杂度所需的目标采样单元；
获取与所述目标采样单元对应的第一关系式，所述第一关系式为第一图像大小因子与所述图像的多尺度纹理复杂度之间的关系式；
获取第二关系式，所述第二关系式为第二图像大小因子与所述图像编码所采用的量化参数之间的关系式；
获取第三关系式，所述第三关系式为所述图像编码后的图像大小、所述第一图像大小因子与所述第二图像大小因子之间的关系式；
建立待训练关系模型，所述待训练关系模型由所述第一关系式、所述第二关系式和所述第三关系式联立而成；
根据已知的图像样本的多尺度纹理复杂度、量化参数和图像大小，训练所述待训练关系模型，生成图像的多尺度纹理复杂度、所述图像编码后的图像大小及所述图像编码所采用的量化参数之间的关系模型。
10.根据权利要求8所述的生成装置，其特征在于，所述关系模型获取模块具体用于：接收外部输入的所述关系模型。
11.根据权利要求9所述的生成装置，其特征在于，所述多尺度纹理复杂度获取模块具体用于：
采用所述目标采样单元对所述待编码图像进行降采样处理，生成所述待编码图像的降采样图像；
获取所述待编码图像的第一纹理复杂度；
获取所述待编码图像的降采样图像的第二纹理复杂度；
对所述第一纹理复杂度和所述第二纹理复杂度进行均值计算，生成所述待编码图像的多尺度纹理复杂度。
12.一种终端，其特征在于，所述终端包括权利要求8至11任意一项所述的生成装置。
13.一种计算机存储介质，其特征在于，所述计算机存储介质中包括指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1至7任意一项所述的生成方法。
CN201811198337.2A 2018-10-15 2018-10-15 图像编码中量化参数的生成方法、装置及终端 Active CN111050169B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811198337.2A CN111050169B (zh) 2018-10-15 2018-10-15 图像编码中量化参数的生成方法、装置及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811198337.2A CN111050169B (zh) 2018-10-15 2018-10-15 图像编码中量化参数的生成方法、装置及终端

Publications (2)

Publication Number Publication Date
CN111050169A CN111050169A (zh) 2020-04-21
CN111050169B true CN111050169B (zh) 2021-12-14

Family

ID=70230286

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811198337.2A Active CN111050169B (zh) 2018-10-15 2018-10-15 图像编码中量化参数的生成方法、装置及终端

Country Status (1)

Country Link
CN (1) CN111050169B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112738522A (zh) * 2020-12-17 2021-04-30 腾讯科技（深圳）有限公司 视频编码方法、装置
CN112738516B (zh) * 2021-03-30 2021-07-09 浙江华创视讯科技有限公司 编码方法、装置、存储介质及电子设备
CN113329228B (zh) * 2021-05-27 2024-04-26 杭州网易智企科技有限公司 视频编码方法、解码方法、装置、电子设备及存储介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05167998A (ja) * 1991-12-16 1993-07-02 Nippon Telegr & Teleph Corp <Ntt> 画像の符号化制御処理方法
US7995649B2 (en) * 2006-04-07 2011-08-09 Microsoft Corporation Quantization adjustment based on texture level
JP2011259362A (ja) * 2010-06-11 2011-12-22 Sony Corp 画像処理装置および方法
US20140205007A1 (en) * 2011-08-31 2014-07-24 Sony Corporation Image processing devices and methods
KR20130049523A (ko) * 2011-11-04 2013-05-14 오수미 인트라 예측 블록 생성 장치
CN103313047B (zh) * 2012-03-13 2016-12-14 中国移动通信集团公司 一种视频编码方法及装置
CN104113761B (zh) * 2013-04-19 2018-05-01 北京大学 一种视频编码中的码率控制方法及编码器
CN104038769B (zh) * 2014-06-11 2017-05-03 同济大学 帧内编码的码率控制方法
CN106231305B (zh) * 2016-07-26 2019-04-12 中国科学院自动化研究所 基于梯度的全i帧视频码率控制方法及控制系统

Also Published As

Publication number Publication date
CN111050169A (zh) 2020-04-21

Similar Documents

Publication Publication Date Title
CN110876060B (zh) 一种编码过程中的码率调整方法及装置
JP5606591B2 (ja) ビデオ圧縮方法
US11172220B2 (en) Video encoding method, and storage medium thereof
JP5164866B2 (ja) ビデオ画像シーケンスの時間的頻度を適合させる方法および装置
US20140369621A1 (en) Encoding an image
CN111050169B (zh) 图像编码中量化参数的生成方法、装置及终端
JP2008541569A (ja) マクロブロックレベルレート制御
CN112437301B (zh) 一种面向视觉分析的码率控制方法、装置、存储介质及终端
CN114268792A (zh) 视频转码方案的确定方法及装置和视频转码方法及装置
US20170214915A1 (en) Image encoding device and image encoding method
CN117768647B (zh) 图像处理方法、装置、设备及可读存储介质
CN101466042A (zh) 代码量控制方法及装置、照相机系统
CN114374841A (zh) 视频编码码率控制的优化方法、装置及电子设备
CN117729353B (zh) 视频转码方法、视频转码模型训练方法及相关设备
CN113691814A (zh) 视频编码方法、装置、电子装置和存储介质
US8428381B2 (en) Image compression method with variable quantization parameter
JP2021090129A (ja) 画像処理装置、撮像装置、画像処理方法およびプログラム
KR20130095322A (ko) 양자화 제어 장치 및 방법, 및 양자화 제어 프로그램
CN116800953A (zh) 视频质量评估方法及装置
WO2020053688A1 (en) Rate distortion optimization for adaptive subband coding of regional adaptive haar transform (raht)
JP5043849B2 (ja) ビデオシーケンスにおける可変形状動き推定
KR101035746B1 (ko) 동영상 인코더와 동영상 디코더에서의 분산적 움직임 예측 방법
CN118872263A (zh) 用于视觉数据处理的方法、装置和介质
CN112243129B (zh) 视频数据处理方法、装置、计算机设备及存储介质
WO2022198465A1 (zh) 一种编码方法及装置

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