CN1293509C - 以无损的方式编码数字图像数据的设备和方法 - Google Patents

Abstract

提出一种无损压缩并编码表示图像信息的信号的方法(900)。生成有损压缩数据文件(922)和剩余项压缩数据文件(960)。当有损压缩数据文件和剩余项压缩文件组合时，创建一个实质上与源数据文件一致的无损数据文件。

Description

以无损的方式编码数字图像数据的设备和方法

                              发明背景

1.发明领域

本发明涉及图像处理和压缩。更具体地说，本发明涉及频率领域中对视频图像和音频信息的无损编码。

2.相关技术描述

在一般的数字信号处理的原理中，数字图片处理占有很重要的地位。人类视觉感知的重要性极大地激励了对本领域以及数字图片处理科学的兴趣和进展。在发送及接收视频信号的领域中，例如用于投影影片及电影，已对图像压缩技术做了多种改进。许多目前的或者提议的视频系统使用数字编码技术。该领域的这些方面包括：图像编码、图像复原以及图像特征选择。图像编码表示试图将图片以有效的方式在数字通信信道上发射，使用尽可能少的位以最小化所要求的带宽，与此同时，将失真维持在一定的限度内。图像复原表示努力恢复目标的真实图像的工作。编码后的图像在通信信道上发射会由于多种因素而失真。在从目标创建图像时，就可能产生失真源。特征选择是指选择图片的某些属性。这些属性可能是识别、分类以及宽泛内容中的判决所要求的。

对于视频的数字编码，例如在数码相机中进行的，是一个受益于改进的图像压缩技术的领域。数字图像压缩一般可以分成两类：无损方法和有损方法。无损图像可以不丢失任何信息而被恢复。有损方法会导致一些信息不可恢复地丢失，这要根据压缩率、压缩算法的质量以及算法的实施。通常，有损压缩的方法考虑获得经济的数字影院所期望的压缩率。为了达到数字影院的质量等级，该压缩方法需要提供视觉无损的性能等级。这样，尽管压缩处理仍会导致信息的数学丢失，但是由这种丢失而引起的图像失真在一般的观赏环境下是不会被观赏者所察觉的。

现存的数字图像压缩技术已被发展用于其它应用，即电视系统。这些技术已经设计为兼顾适合于所需的应用，却没有满足用于影院表现所需要的质量要求。

数字影院压缩技术需要提供看电影者之前已经体验过的视觉质量。理想地，数字影院的视觉质量要试图超越高质量的发行影印的影片。同时，压缩技术应该具有实用的高编码效率。如这里所定义的，编码效率是指压缩图像质量满足某一质量标准所需要的比特率。更进一步，该系统和编码技术需要内置足够的灵活性以容纳不同的格式，并且还应该是经济的，也就是，一种小大小并且有效的解码器或者编码器处理。

许多现存的压缩技术可提供显著的压缩程度，但是会导致视频信号质量的下降。一般而言，用于发送压缩的信息的技术要求压缩的信息以恒定的比特率被发送。

一种能提供显著的压缩程度并保持期望的视频信号质量水平的压缩技术使用编码的离散余弦变换(DCT)系数数据的自适应大小的块和子块。该技术下面就称为自适应块大小离散余弦变换(ABSDCT)方法。该技术在美国专利号5,021,891中公开，题为“自适应块大小图像压缩方法及系统”(“AdaptiveBlock SizeImage Compression Method And System”)，转让给本申请的受让人并通过引用结合于此。DCT技术还在美国专利No.5,107,345中公开，题为“自适应块大小图像压缩方法及系统”(“Adaptive Block Size Image CompressionMethod And System”)，转让给本申请的受让人并通过引用结合于此。此外，使用ABSDCT技术和差分四叉树变换技术的结合在美国专利No.5,452,104中公开，题为“自适应块大小图像压缩方法及系统”(“Adaptive Block Size ImageCompression Method And System”)同样转让给本申请的受让人并通过引用结合于此。这些专利中公开的系统使用称之为“帧内”编码的方法，该方法中图像数据的每一帧的编码不考虑任何其它帧的内容。使用ABSDCT技术，达到的数据速率可从每秒15亿比特左右降至大约每秒5000万比特，而图像质量却不出现可识别的下降。

ABSDCT技术可用于压缩黑白或彩色图像，或者是表示图像的信号。彩色输入信号可以是YIQ格式，其中Y是亮度，或辉度采样而I和Q是色度或彩色采样，对于每一个为4∶4∶4或者其他格式。也可以使用其它已知的格式比如YUV、YC_bC_r或RGB格式。由于眼睛对于色彩的空间灵敏度较低，多数的研究结果表明在垂直和水平方向上对彩色分量取4倍因子的子采样是合理的。因而，一个视频信号可是用4个亮度采样和两个色度采样来表示。

使用ABSDCT，一个视频信号一般将被分成像素块以进行处理。对于每个块，亮度和色度分量被送到一块大小分配元件，或者一块交错器。例如，一16×16(像素)的块被呈现给该块交错器，块交错器在每个16×16块中排列或组织图像采样以产生用于离散余弦变换(DCT)分析的数据块和合成的子块。DCT操作是将时间和空间采样的信号转换成同一信号的频率表示的一种方法。通过转换成频率表示，DCT技术表现出了允许很高程度的压缩，因为量化器可以设计成利用图像的频率分布特性。在一个较佳实施例中，一个16×16DCT被应用于第一次排序，4个8×8DCT被应用于第二排序，16个4×4DCT被应用于第三排序而64个2×2DCT被应用于第四排序。

DCT操作降低了视频源中固有的空间冗余。在进行DCT之后，大多数的视频信号能量将集中到少数几个DCT参数上。附加变换，差分四叉树变换，可用于降低DCT参数中的冗余。

对于16×16块和每一个子块，分析DCT参数值和DQT值(如果使用DQT)以确定编码该块或子块所要求的比特的数量。然后，选择要求最少数量的比特来实现编码的块或子块的组合来表示图像分段。例如，2个8×8子块、6个4×4子块和8个2×2子块可被选择用于表示图像分段。

选择的块或子块的组合然后被适当地排列到一个16×16块中。DCT/DQT参数值可能经过频率加权、量化和编码(比如可变长度编码)以准备用于传送。尽管上述的ABSDCT技术表现得相当之好，但它的计算强度大。

另外，尽管使用ABSDCT是视觉无损的，但是它有时希望以精确地和其编码一样的方式来恢复数据。例如，用于控制和存档要求以能精确恢复到原来的域中的方式来压缩数据。

传统的，用于图像的无损压缩系统包括预测器，预测器估计将要进行编码的当前像素的值。剩余项像素作为真实和预测的像素之间的方差而被获得。剩余项像素接下来被进行熵编码并保存或进行发送。由于预测除去了像素之间的关联，剩余项像素具有降低的动态范围，该动态范围为特征双边指数(拉普拉斯)分布。因此该压缩。对于剩余项的压缩的量同时取决于预测和后来的编码方法。大多数通常使用的预测方法为差分脉冲编码调制(DPCM)以及它的变种如自适应DPCM(ADPCM)。

使用基于像素的预测所带来的一个问题是剩余项仍然具有很高的能量。这是由于在预测过程中，实际上仅使用很小数量的相邻的像素。因此，在改进基于像素的预测方案的编码效率方面还有很大的空间。

                           发明概述

本发明的实施例描述了一种以无损的方式进行数字图像和视频数据编码以实现压缩的系统。该系统是混合式的，意谓该系统具有以有损的方式压缩所述数据的一部分以及以无损的方式压缩余项数据的另一部分。对于有损部分，该系统使用自适应块大小离散余弦变换(ABSDCT)算法。该ABSDCT系统压缩所述数据并提供高视觉质量和高压缩比率。余项图像作为源图像和从所述ABSDCT系统中解压缩得到的图像的方差被获得。该余项使用Golomb-Rice编码算法进行无损编码。由于基于视觉的自适应块大小和对于DCT系数的量化，剩余项具有很低的能量，这样就提供了较好的整体无损压缩比率。

该ABSDCT系统在影院质量上能实现高压缩比率。由于它是基于块的，它能比其他任何基于像素的方案更好地去除像素之间的相关性。因此它在这里将要描述的无损系统中用作预测器。结合该预测器增加一个无损编码系统就形成一个混合无损压缩系统。需要注意的是，该系统能够压缩静止的图像和运动的图像。如果是静止的图像，仅有该ABSDCT压缩数据和熵编码的剩余项数据被用作压缩输出。对于运动的序列，会做一个判决以确定是使用帧内还是帧间压缩。例如，如果f(t)表示时刻t的图像帧，F(t)和F(t+Δt)分别表示在时刻t和t+Δt图像帧的DCT。注意，Δt表示两个连续帧之间的时间间隔。

本发明是体现在一个允许以精确地和编码数据相同的方式来恢复数据的压缩数据的装置及方法中。实施例包括一进行帧内编码、帧间编码或者两者混合的系统。该系统是基于质量的系统，使用离散余弦变换系数数据的自适应大小的块和子块。一个像素数据块被输入到一个编码器。该编码器包括一个块大小分配(BSA)元件，其将输入的像素块进行分段以用于处理。块大小的分配是基于输入块和进一步分割的子块的方差。通常，方差较大的区域被分割成更小的块，而方差较小的区域不再进行子分割，倘着块和子块的平均值落入不同的预先确定的范围中。这样，首先块的方差门限根据它的平均值从它的标称值进行修改，接下来块的方差值与该门限值进行比较，如果方差值大于门限值，则该块进行子分割。

块大小分配被提供给一变换元件，它将像素数据变换成频域数据。该变换仅在通过块大小分配选择的块和子块上进行。对于AC元件，变换数据接下来通过量化和串行化来进行定标。变换数据的量化是基于图像质量度量，例如调整对比度的标度因子、系数计数、码率失真，块大小分配密度和/或以前的标度因子。串行化，例如Z字形扫描，是基于建立对于同一值的最长的可能的游程长度。数据流接下来由可变长度编码器进行编码以准备用于传送。编码可以是Huffman编码，或者是基于指数分布的编码，比如Golomb-Rice编码。

使用诸如ABSDCT的混合压缩系统，可作为像素或者DCT值的良好的预测器。因此它能得到比任何使用基于像素的预测更高的无损压缩比率。有损部分提供数字影院质量的结果，即压缩产生的一个文件是视觉无损的。对于无损部分，不同于Huffman编码，Golomb-Rice编码不要求生成任何先验编码。因此，它不需要像Huffman编码那样保存一个大容量的编码本。这样就能更有效率地使用芯片的资源，因此，用硬件实现的芯片大小可以缩小。另外，Golomb-Rice编码比Huffman编码实现起来更加简单。而且，由于DCT参数或剩余项具有自然的指数分布的特性，Golomb-Rice编码比Huffman编码实现更高的编码效率。更进一步，由于压缩系统的有损部分在块的子分割中使用视觉重要信息，在剩余项编码中会继承内容模型。这一点很重要，因为这样就不需要额外的存储寄存器来收集用于剩余项编码的相关内容数据。由于不使用任何的运动估计，该系统实现起来也非常简单。

提出一种用于无损压缩和编码表示图像信息的信号的装置和方法。表示图像信息的信号被压缩以创建压缩版本的图像。图像的压缩版本被量化，并创建该一个有损版本的图像。压缩版本的图像同样进行串行化以创建一个串行化的、量化的、压缩的版本的图像。该版本的图像接下来被解压缩，并确定源图像和解压缩版本之间的区别，并创建一个剩余项版本的图像。有损版本的图像和余项版本的图像可被分开地输出或者组合地输出，其中将解压缩的有损版本的图像和剩余项版本的图像相结合就实质上与源图像相同。

提出了一种无损压缩和编码表示图像信息的信号的方法。生成一个有损数据文件和一个剩余项压缩数据文件。当有损数据文件和余项压缩数据文件被组合时，创建一个实质上与源数据文件一致的无损数据文件。

因而，一个实施例的一个方面提供一种有效提供无损压缩的设备和方法。

一个实施例的另一个方面以有益于控制和存档的目的来无损压缩数字图像和音频信息。

一个实施例的又一方面提供一种基于帧间的无损压缩系统。

一个实施例的再一方面提供一种基于帧内的无损压缩系统。

                            附图概述

本发明的特征和优势将会通过下面结合附图所作的详细描述后边的更明显，在附图中，相同的标号始终标示相同的特征，其中：

图1一个图像压缩和处理系统中的编码部分的框图；

图2是一个图像压缩和处理系统中的解码部分的框图；

图3图示了涉及在基于方差的块大小分配的处理步骤的流程图；

图4a图示了DCT系数矩阵中Y分量游程长度的指数分布；

图4b图示了DCT系数矩阵中C_b分量游程长度的指数分布；

图4c图示了DCT系数矩阵中C_r分量游程长度的指数分布；

图5a图示了Y分量幅度大小或DCT系数矩阵中Y分量幅度大小的指数分布；

图5b图示了C_b分量幅度大小或DCT系数矩阵中C_b分量幅度大小的指数分布；

图5b图示了C_r分量幅度大小或DCT系数矩阵中C_r分量幅度大小的指数分布；

图6图示了Golomb-Rice编码处理；

图7图示了用于Golomb-Rice编码的设备；

图8图示了编码DC分量值的处理；

图9图示了用于无损压缩的设备；以及

图10图示了混合无损压缩的方法。

                      较佳实施例详述

为了实现数字信号的数字传输并利用其优势，通常需要使用一些形式的信号压缩。当在一个结果图像中实现高压缩比率时，维持图像的高质量也同样重要。并且，用于微型硬件实现时还期望其计算效率，这在很多应用中是很重要的。

在详细解释本发明的一个实施例之前，需要理解本发明并不限于应用于在下面的描述中说明的或者在附图中图示的详细结构和对于部件的安排。本发明能用于其他实施例并以不同的方式实现。同样，需要理解这里使用的措辞和术语是为了描述的目的而不应该被视为限制。

一个实施例中的一个方面使用的图像压缩是基于离散余弦变换(DCT)技术，例如未决的美国专利申请“对比度敏感的基于方差的自适应块大小DCT图像压缩”(“Contrast Sensitive Variance Based Adaptive Block Size DCTImage Compression”)中所公开的，序列号为No.09/436,085，提交于1999年11月8日，转让给本申请的受让人并通过引用结合于此。使用DCT的图像压缩和解压缩系统在共同待决的美国专利“基于质量的图像压缩”(“Quality BasedImage Compression”)中描述，序列号为No.09/494,192，提交于2000年1月28日，转让给本申请的受让人并通过引用结合于此。通常，一个在数字领域中进行处理的图像由分割成互不重叠的块的一个矩阵的像素数据组成，大小为N×N。在每一个块上可进行两维的DCT。该两维的DCT由下列关系定义：

$X(k,l)=\frac{\mathrm{\α}\left(k\right)-\mathrm{\β}\left(k\right)}{\sqrt{N*M}}\underset{m=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{\mathrm{Nn}=0}{\overset{N-1}{\mathrm{\Σ}}}x(m,n)\cos \left[\frac{(2m+1)\mathrm{\πk}}{2N}\right]\cos \left[\frac{(2n+1)\mathrm{\πd}}{2N}\right],0\≤k,l\≤N-1$

其中 $\mathrm{\α}\left(k\right),\mathrm{\β}\left(k\right)=\left\{\begin{array}{cc}1,\mathrm{if}& k=0\\ \sqrt{2},\mathrm{if}& k\≠0\end{array}\right.,$ 以及

x(m，n)是在一个N×M块中在位置(m，n)上的像素，而

X(k，l)是对应的DCT系数。

由于像素值是非负值，DCT分X(0，0)一直是正的并且一般具有大部分的能量。实际上，对于典型的图像，大部分的变换能量集中在分量X(0，0)的周围。这种能量压缩的特性使DCT技术成为一种具有吸引力的压缩方法。

该图像压缩技术使用对比度自适应编码来实现进一步的比特率的降低。通过观察发现大多数自然图像由相对缓慢变化的平滑区域和诸如目标边界和高对比度纹理的繁变区域组成。对比度自适应编码方案利用此点给繁变区域分配较多的位而向不太繁忙的区域分配较少的位。

对比度自适应方法使用帧内编码(空间处理)而不是帧间编码(空间-时间处理)。帧间编码固有地要求更为复杂的处理电路，还要求多个帧缓冲区。在许多应用中，实际实现中需要降低复杂度。帧内编码在能使空间-时间编码方案失效及表现很差的环境中也能使用。例如，由于机械快门使积分时间相对较短，每秒24帧的电影就能分入这一类。较短的积分时间允许更高程度的时域混叠。对于快速的运动，由于它变成急动的，因而破坏了对于帧与帧之间相关性的假设。当同时使用50Hz和60Hz的电源线频率时，帧内编码还易于进行标准化。电视现在就是以50Hz或者60Hz进行发送的。使用帧内编码，作为数字方案能适应50Hz以及60Hz的操作，或者通过相对于空间分辨率对帧速率折衷甚至能适应每秒24帧的电影。

为了图像处理，DCT操作是在分割成一个矩阵中的互不重叠的块的像素数据上进行的。需要注意，尽管这里讨论的块的大小是N×N，可以预见多种块大小都是可以使用的。例如，可以使用N×M的块大小，其中N和M是整数并且M可以大于或者小于N。另一个重要的方面是该块可以分割成至少一层子块，例如N/i×N/i、N/i×N/j、N/i×M/j等等，其中i和j是整数。另外，这里讨论的示范块大小是一个具有对应的DCT块和子块的16×16像素块。还可以预见各种其他整数例如两个偶数或者两个奇数都可以使用，比如9×9。

图1和2图示了一个结合可配置串行器概念的图像处理系统100。图像处理系统100包括压缩所接收的视频信号的编码器104。压缩的信号使用传输信道或物理媒体108发送，并由解码器112接收。解码器112将接收的编码数据解码成图像样本，图像样本接下来可能被展示。

通常，一个图像被分成多个像素块以进行处理。一个色彩信号可使用RGB到YC₁C₂转换器116从RGB空间转化到YC₁C₂空间，其中Y是亮度或者辉度分量，而C₁和C₂是色度，或色彩分量。因为眼睛对于色彩的低空间敏感度，许多系统在水平和垂直方向上用4倍因子来子采样C₁和C₂分量。然而，子采样是不需要的。一个完整分辨率的图像，即所知的4∶4∶4格式，可能在一些应用比如所称的“数字影院”中非常有用或者是必须的。两种可能的YC₁C₂表示是，YIQ表示和YUV表示，两者都是业内所熟知的。也可以使用YVU表示的一种变化即所称的YC_bC_r。这可以进一步分成奇偶分量。因而，在一个实施例中使用Y-偶、Y-奇、C_b-偶、C_b-奇、C_r-偶、C_r-奇来表示。

在一个较佳实施例中，处理奇偶Y、C_b和C_r分量中的每一个而不进行子采样。这样，一个16×16像素块的6个分量中的每一个的输入被提供给编码器104。为了说明，图示了用于Y-偶分量的编码器104。类似的编码器被用于Y-奇分量，和奇偶C_b和C_r分量。编码器104包括块大小分配器120，它进行块大小的分配以准备用于视频压缩。该块大小分配器120基于该块中的图像的可感知特征确定对16×16块的分解。块大小分配将每个16×16块子分割成更小的块，比如8×8、4×4和2×2，该分割是以一种根据16×16块中的活动性的四叉树形式。块大小分配器120生成四叉树数据，称为PQR数据，其长度可在1至21比特之间。这样，如果块大小分配确定一个16×16块需要分割，则设置R位PQR数据并在其后加上4位附加的Q数据，4位Q数据对应于分成的4个8×8块。如果块大小分配确定任何8×8块需要进行子分割，则对于每个进行子分割的8×8块再增加4位P数据。

现在参考图3，提供了详细表示块大小分配元件120的操作的流程图。块的方差被视为判决是否子分割一个块时的度量。从步骤202开始，读取一个16×16的像素块。在步骤204，计算16×16块的方差v16，其方差用下式计算：

$\mathrm{var}=\frac{1}{N^2}\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{N-1}{\mathrm{\Σ}}}{x}_{i,j}^2-{\left(\frac{1}{N^2}\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{N-1}{\mathrm{\Σ}}}{x}_{i,j}\right)}^2$

其中N＝16，而x_i，j是NxN块中位于i^th行j^th列的像素。在步骤206，首先如果块的平均值在两个预先确定的值之间，则修改方差门限T16以提供新的方差门限T’16。接下来块方差和新的门限T’16进行比较。

如果方差v16不大于门限T16，则在步骤208，16×16块的起始地址被写入临时存储器，而R位PQR数据被设置为0以表示该16×16块没有被子分割。该算法接下来读取下一个16×16的像素块。如果方差v16大于门限T16，则在步骤210，R位的PQR数据被设置为1以表示该16×16块被子分割为4个8×8块。

这4个8×8块，i＝1∶4，考虑可能会进行进一步的子分割，如步骤212所示。对于每一个8×8块，在步骤214中计算方差v8_i。在步骤216中，首先如果块的平均值在两个预先确定的值之间则修改方差门限T8以提供一个新的门限T’8，接下来块方差与新的门限进行比较。

如果方差v8_i不大于门限T8，则在步骤218，8×8块的起始地址被写入临时存储器，而对应的Q位，Q_i被设置为0。然后处理下一个8×8块。如果方差v8_i大于门限T8，则在步骤220，对应的Q位，Qi被设置为1以表示该8×8块将被子分割成4个4×4块。

这4个4×4块，j_i＝1∶4，考虑可能会进行进一步的子分割，如步骤222所示。对于每一个4×4块，在步骤224中计算方差v8_ij。在步骤226中，首先如果块的平均值在两个预先确定的值之间则修改方差门限T4以提供一个新的门限T’4，接下来块方差与新的门限进行比较。

如果方差v4_ij不大于门限T4，则在步骤228，该4×4块的首地址被写入，且对应的P位，P_ij被设置为0。然后处理下一个4×4块。如果方差v4_ij大于门限T4，则在步骤230中，对应的P位，P_ij被设置为1以表示该4×4块将被进一步子分割成4个2×2块。另外，这4个2×2块被写入临时存储器中。

门限T16、T8和T4可以是预先确定的常量。这称为硬判决。或者，也可以使用自适应或者软判决。例如，软判决根据2N×2N块的平均像素值来改变用于方差的门限，其中N可为8、4或2。这样，平均像素值的函数可被用作为门限。

为了说明，考虑以下的例子。将预先确定的用于Y分量的方差门限设为50、1100和880，分别用于16×16，8×8和4×4的块。换句话说，T16＝50，T8＝1100而T4＝880。将平均值的范围设为80到100。假设计算出16×16块的方差为60。由于60大于T16，而平均值90在80到100之间，该16×16块被子分割成4个8×8子块。假设计算出的8×8块的方差为1180、935、980和1210。由于两个8×8块的方差超过了T8，这两个块将进一步被子分割以生成总共8个4×4子块。最后，假设8个的4×4块的方差为620、630、670、610、590、525、930和690，对应的平均值为90、120、110、115。由于第一个4×4子块的平均值落在范围(80，100)之内，它的门限值将被降低为T’4＝200，比880要小。所以，该4×4子块和第七个4×4子块子块一样将进行子分割。

注意，类似的处理将被用于分配亮度分量Y-奇以及色彩分量C_b和C_r的块大小。彩色分量可以水平地、垂直地进行一抽选，或者两者皆是。

另外，需要注意尽管块大小分配被描述成一个自顶向下的方法，即最大的块(本例子中是16×16)首先进行估计，使用自底向上的方法也是可以的。自底向上的方法将首先估计最小的块(本例子中是2×2)。

回到图1，PQR数据连同所选择的块的地址被提供给DCT元件124。DCT元件124使用PQR数据在选择的块上进行适当大小的离散余弦变换。仅仅选择的块需要进行DCT处理。

图像处理系统100还包括DQT元件128用于降低DCT的DC系数中的冗余。DC系数位于每一个DCT块的左上角。通常，与AC系数比较，DC系数比较大。由于大小上的方差使得很难设计出一个有效的可变长度编码器。因此，降低DC系数中的冗余是有益的。

DQT元件128在DC系数上进行2-D的DCT，每次2×2。起始于4×4块中的2×2块，一个2-D的DCT在4个DC系数上进行。该2-D的DCT称为4个DC系数的差分四元树变换，或者DQT。接下来，该DQT的DC系数以及8×8块中的三个相邻的DC系数被用于计算下一级别的DQT。最后，16×16块中的4个8×8块的DC系数被用于计算DQT。这样，在一个16×16块中，只有一个真正的DC而其他都是对应与DCT和DQT的AC系数。

变换系数(DCT和DQT)被提供给量化器进行量化。在一个较佳实施例中，DCT系数使用频率加权掩码(FWMs)和一个量化标度因子进行量化。FWM是输入DCT系数块在同一维上的频率权重的表。频率权重对于不同的DCT系数应用不同的权重。权重被设计成对具有人类视觉或者光学系统敏感的频率内容的输入样本进行加强，而削弱对人类视觉或者光学系统不具有敏感的频率内容的输入样本。权重也可以基于诸如观看距离等等的因素而设计。

权重的选择是基于经验数据。一种设计用于8×8DCT系数的权重掩码的方法在ISO/IEC JTC1 CD 10918，“连续色调静止图像的数字压缩和编码第一部分：要求和指导方针”(“Digital compression and encoding ofcontinuous-tone still images-part 1：Requirements and guidelines”)，国际标准组织，1994，通过引用结合于此。通常，设计两个FWMs，一个用于亮度分量而另一个用于色度分量。用于块大小为2×2、4×4的FWM表通过对用于8×8块表抽选获得而用于16×16表通过对8×8块表的内插而获得。标度因子控制量化的系数的质量和比特率。

这样，每个DCT系数按照下列关系进行量化：

其中DCT(i，j)是输入的DCT系数，fwm(i，j)是频率加权掩码，q是标度因子，而DCTq(i，j)是经量化的系数。注意，根据DCT系数的符号，括号中的第一项向上或向下进行取整。DCT系数也使用合适的权重掩码进行量化。然而，可以使用多个表或者屏蔽，并应用到Y、C_b和C_r分量。

在框130，AC值接下来被从DC值中分离出来并分开进行处理。对于DC元素，对于每一段的第一DC分量值被编码。每一段的每一个后来的DC分量值然后被表示为它和它前面的DC分量之间的方差，并被编码，如框134。对于无损编码，每一段的起始DC分量值和差值使用结合图6、8所示的Golomb-Rice进行编码，如框138。使用Golomb-Rice编码连续的DC分量值之间的差值有利于使DC分量值的微分趋向于具有双边指数分布。数据接下来被使用缓存器142临时存储，并然后通过传输信道108传送或发送给解码器112。

图8图示了编码DC分量值的处理。该处理可同样用于静止图像、视频图像(比如，但不限于运动图像或者高分辨率电视)和音频。给出数据中的一段，如步骤804，该段的第一DC分量值被取回，如步骤808。该第一DC分量值然后被编码，如步骤812。不同于AC分量值，DC分量值不需要进行量化。在一个实施例中，不管块大小分配的失效而对于一个16×16块使用单一的值。可以预见任何固定大小的块，比如8×8或4×4，或者任何由块大小分配定义的可变块大小都可以使用。第二，或者然后，取回一给定段的DC分量值，如步骤816。第二DC分量值与第一DC分量值进行比较，其差值，或者剩余项被编码，如步骤820。这样，第二DC分量值进需要被表示为其与第一值之间的差值。该处理对于每一个段的DC分量值都重复一遍。这样，进行查询，步骤824确定是否到达了段的尾部(最后的块以及最后的DC值)。如果不是则至步骤828，取回下一个段的DC值，如步骤816并重复上述处理。如果是则至步骤832，取回下一个段，如步骤804并重复该处理直到该文件中所有的帧以及所有帧中的所有段都处理过为止。

对于DC分量值的无损编码的目的是生成具有低方差的余项值。使用DCT，DC系数分量值贡献了最大的像素能量。因此，通过不量化DC分量值而降低剩余项的方差。

对于AC分量，数据块和频率加权掩码接下来由量化器146或者标度因子元件进行定标。DCT系数的量化使它们中的一大部分降低为0从而达到压缩的效果。在一个较佳实施例中，有32个对应于平均比特率的标度因子。不同于诸如MPEG2等的其他压缩方法，平均比特率的控制是基于处理的图像的质量而不是目标比特率以及缓存的状态。

为了进一步增加压缩，量化的系数被提供给扫描串行器150。扫描串行器150扫描量化的系数块以产生量化系数的串行流。Z字形扫描、列扫描或者行扫描都可以使用。可以选择多种不同的Z字形扫描方式以及非Z字形扫描的方式。一种较佳的技术使用8×8块用于Z字形扫描。对于量化系数的Z字形扫描增加了遇到大的0值游程的可能性。这种0游程固有地具有递减的概率，并可用Huffman编码进行有效的编码。

串行的、量化的AC系数流被提供给可变长度编码器154。AC分量值可使用Huffman编码或Golomb-Rice编码进行编码。对于DC分量值，使用Golomb-Rice编码。游程长度编码器分开了0系数和非0的系数，并在图6中详细描述。在一个实施例中，使用Golomb-Rice编码。Golomb-Rice编码能有效编码具有指数分布的非负整数。使用Golomb编码进行压缩能更佳地提供较短长度的编码用于指数分布的变量。

在Golomb编码游程长度中，Golomb码由非负整数m进行系数化。例如，给出一个系数m，正整数n的Golomb编码由以一元码形式的商n/m加上修改的二进制码的余数来表示，如果余数小于等于

则其长度为log₂m位，否则长度为 Golomb-Rice编码是Golomb编码的一种特殊形式，其中系数m表示为m＝2^k。在这种情况下，商n/m通过将二进制表示的整数n向右移k位而获得。这样，Golomb-Rice码是两者的串接。Golomb-Rice编码能用于编码具有双边几何(指数)分布的正的或者是负的整数，该分布表示为

p_a(x)＝cα^|x|                                         (1)

在(1)中，α是表示概率x的衰减的特征系数，而c是标准化常量。由于P_a(x)是单调的，可见一系列的整数值应该满足

p_a(x_i＝0)≥p_a(x_i＝-1)≥p_a(x_i＝±1)≥p_a(x_i＝-2)≥…    (2)

如图4a，4b，4c和5a，5b，5c所示，量化的DCT系数矩阵中的0游程和幅度都具有指数分布。这些图中所示的分布是基于来自真实图像的数据。图4a图示了0游程长度相对于相关频率的Y分量分布400。类似的，图4b和4c分别图示了0游程长度相对于相关频率的C_b和C_r分量分布410和420。图5a图示了幅度大小相对于相关频率的Y分量分布500。类似的，图5b和5c分别图示了幅度大小相对于相关频率的C_b和C_r分量分布510和520。注意在图5a，5b和5c的曲线表示DCT系数大小的分布。每个大小表示一个系数值的范围。例如，大小值为4具有范围为{-15，-14，…-8，8…，14，15}，共有16个值。类似的，大小值为10具有范围为{-1023，-1022，…，-512，512，…，1022，1023}一共1024个值。从图4a，4b，4c，5a，5b和5c中可见，游程长度和幅度大小都具有指数分布。所示的幅度的实际分布可用下列方程拟合：

$p\left(X_{k,l}\right)=\frac{\sqrt{2\mathrm{\λ}}}{2}\exp \{-\sqrt{2\mathrm{\λ}}|X_{k,l}\left|\right\},k,l\≠0---\left(3\right)$

在(3)中，X_k，l表示对应与垂直方向上频率为k和水平方向上频率为1的DCT系数，而均值 ${\mathrm{\μ}}_x=\frac{1}{\sqrt{2\mathrm{\λ}}},$ 方差 ${\mathrm{\σ}}^2=\frac{1}{2\mathrm{\λ}}.$ 因而，以所述的形式使用Golomb-Rice编码来进行DCT中的数据处理更为理想。

尽管下面的描述是结合图像数据的压缩，这些实施例同样可用于压缩音频数据的实施例。在图像数据的压缩中，图像或视频数据可能是，例如，RGB或YIQ或YUV或具有线性或对数编码的像素值分量的YC_bC_r。

图6图示了编码0和非0系数的处理600。当DCT矩阵被扫描时，0和非0系数被分开地处理并被分离，如步骤604。对于0数据，确定0游程的长度，如步骤608。注意游程长度是正整数。例如，如果游程长度为n，则Golomb系数m被确定，如步骤612。在一个实施例中，Golomb系数被确定为游程长度的函数。在另一个实施例中，Golomb系数(m)由下式(4)确定

可任选地，游程长度的长度和相关的Golomb系数由计数器或者寄存器进行计数，如步骤616。为了编码0的游程长度n，对商进行编码，如步骤620。在一个实施例中，该商被确定为0的游程长度和Golomb系数的函数。在另一个实施例中，商(Q)由下式(5)确定：

Q＝n/2^m                             (5)

在一个实施例中，商Q被编码为一元码，需要Q+1位。接下来，对余数进行编码，如步骤624。在一个实施例中，余数被编码作为运行函数和商的函数。在另一个实施例中，余数(R)使用下式(6)确定：

R＝n-2^mQ                                (6)

在一个实施例中，余数R编码为m位的二进制编码。然后，确定商Q和余数R，串接Q和R的编码，如步骤628以表示用于0的游程长度n的整体编码。

非0系数也使用Golomb-Rice进行编码。由于系数幅度可以是正的或是负的，就需要使用一个符号位并对给出的幅度的绝对值进行编码。给出的非0系数的幅度为x，其幅度可表示为该绝对值和该符号的函数。因而，该幅度可使用下式(7)表示为y：

因而，非0系数的值也可以任选地由计数器或寄存器进行计数，如步骤632。接下来在步骤636中确定该幅度是否大于等于0。如果是，在步骤640其值被编码为两倍于给出的值。如果不是，在步骤644该值被编码为一个其绝对值两倍减1的值。可以预见其他映射方案也可以使用。其关键是不需要额外的用于区分该值的符号位。

用等式(7)进行的幅度编码，其结果为正的x值变成偶整数而负的x值变成奇整数。进一步，该映射保留了(2)式中的x的概率分布。使用(7)式说明的编码的优点是可以避免使用符号位为来表示正数和负数。在映射之后，y以和用于0游程同样的形式进行编码。处理继续进行直到当前块中的所有系数都被扫描。

需要重点指出，尽管本发明的实施例中将系数和游程长度的值确定为等式(1)-(7)的函数，并不需要使用确切的等式(1)-(7)。这是利用了Golomb-Rice编码和DCT系数的指数分布来做到对于图像和音频数据更为有效的压缩。

由于在编码之后0游程无法从非0幅度中区别出来，就需要使用固定长度的特殊的前缀编码来标记出现的第一个0游程。通常在计算完一个块中非0的幅度以后再计算所有的0。在一些情况下，使用称为块结尾(EOB)码可能比使用Golomb-Rice码更有效。EOB码也可以是一个特殊的固定长度的码。

按照等式(1)或(3)，DCT系数矩阵的幅度或游程长度的概率分布由α或λ进行系数化。其表示了对于出现在特定的DCT系数块下的内容的编码的效率可得到改善。接下来可使用合适的Golomb-Rice系数对感兴趣的量(quantity ofinterest)进行编码。在一个实施例中，计数器和寄存器被用于每一个游程长度和幅度值以计算分别的累积值和该值出现的对应次数。例如，如果寄存器用于保存累积值而累积的元素数量分别为R_r1和N_r1，下式(6)可被用作Rice-Golomb系数来编码该游程长度：

类似的处理可用于幅度。

剩余项像素通过首先使用ABSDCT解码器解压缩该压缩的数据，再将它从源数据中减去来产生。剩余项的动态范围越小，压缩的比例就越高。由于压缩是基于块的，剩余项也是以块为基础的。一个熟知的事实是剩余项像素具有双边指数分布，中心通常为0。由于Golomb-Rice码对于此类数据更佳，Golomb-Rice编码处理被用于压缩剩余项数据。然而，由于没有游程长度需要进行编码，不需要特殊码。进一步，不需要EOB编码。这样，压缩数据包括两个分量。一个分量是来自有损压缩器而另一个是来自无损压缩器。

在编码运动序列时，也可以利用时间相关性。为了完全利用时间相关性，首先估计由于运动而造成的像素移位，然后进行运动补偿预测以获得剩余项像素。由于ABSDCT进行自适应块大小编码，块大小信息可替换地用作由运动而引起的移位的度量。为了进一步简化，不使用场景变化检测。作为替代，对于序列中的每一个帧首先获得帧内压缩数据。接下来基于帧到帧的基础生成当前帧DCT和前面帧DCT之间的差值。这由美国专利申请序列号No.09/877,578进一步描述，提交于2001年6月7日，通过引用结合于此。这些DCT域中的剩余项使用Huffman和Golomb-Rice编码处理进行编码。最终的压缩输出对应于每帧使用的比特的数量最小的那一个。

该无损压缩算法是一个混合方案，它可以通过去掉其中的无损部分来适应再利用或编码转换。这样，使用ABSDCT最大化像素在空间领域中的相关性，能使剩余项像素与那些使用预测方案的像素相比较具有较低的方差。整体系统的有损部分允许用户实现需要的用于分配的质量和数据速率而不需要借助于帧间处理，从而消除了与运动有关人为隐影干扰并显著地降低了实施的复杂度。这在分发用于数字影院应用的程序中显得尤其重要，因为压缩材料的有损部分的分配要求较高等级的质量。

图9图示了混合无损编码设备900。图10图示了可运行在该设备上的处理。源数字信息904保存在存储设备中，或者被发射。图9中的许多元件在图1和2中详细描述。数据帧被发送到压缩器908，压缩器908包括块大小分配元件912、DCT/DQT变换元件916和量化器920。在对数据执行DCT/DQT后，该数据被转换到频域。在一个输出端922，数据由量化器920量化并传送到输出端924，输出端924包括存储器和/或交换机。上面所描述的所有处理是在帧内的基础上的。

量化器的输出也被发送到解压缩器928。解压缩器928进行压缩器处理的撤销操作，通过反量化器932，和IDQT/IDCT 936，连同按照由BSA定义的PQR数据的知识。解压缩器940的结果被提供给减法器944与源数据进行比较。减法器944可以是多种元件，比如差分器，计算剩余项像素作为每个块未压缩的和经压缩解压缩后的像素的差值。另外，差分器可获得DCT域中的剩余项用于每个块的有条件的帧间编码。解压缩数据和源数据之间的比较结果948就是像素剩余项文件。也就是说，结果948表示经过压缩和解压缩后的数据的丢失。这样，源数据就等于输出922与结果948的组合。结果948接下来被串行化952并被Huffman和/或Golomb Rice编码956，并被提供作为第二输出960。Huffman和/或Golomb Rice编码器956是一种形式的熵编码器，其使用Golomb Rice编码对剩余项像素进行编码。基于用于每个帧的最少比特来判决以确定是使用帧内还是帧间编码。使用Golomb Rice编码剩余项能提高整个系统的压缩比率。

这样，该无损的、帧间输出是两组数据的组合或混合，即有损的、高质量的图像文件(922，或A)和剩余项文件(960，或C)。

也可以使用帧间编码。量化器的输出被发送到存储器964，一起发送的还有对于BSA的知识。在获得了一帧的有效数据后，减法器966将保存的帧964和下一个帧968进行比较。其差值生成一个DCT剩余项970，该剩余项接下来进行串行化和/或Golomb-Rice编码974，以向输出924提供第三输出数据组976。这样，就编译了帧间无损文件B和C。这样，可基于大小的考虑选择组合(A+C或B+C)。进一步，为了编辑的目的，可能需要一个纯的帧间输出。

回到图1，编码器104生成的压缩图像信号可使用缓存142临时保存，然后使用传输信道108发送给解码器112。传输信道108可为物理媒体，比如磁或光存储设备，或者是有线或无线的传输处理或设备。包括块大小分配信息的PQR数据也被提供给解码器112(图2)。解码器112包括缓存164和可变长度解码器168，编码器168解码游程长度和非0值。可变长度解码器168以和图6中描述的类似但是相反的方式进行操作。

可变长度解码器168的输出被提供给反串行化器172，按照使用的扫描方案排列系数。例如，如果混合使用了Z字形扫描、垂直扫描和水平扫描，反向串行化器172将使用其知晓的所使用的扫描类型来合适地重排列系数。反串行化器173接收PQR数据来帮助正确地将系数排列到合成的系数块中。

合成的块被提供给反量化器174，用于撤销使用量化器标度因子和频率加权掩码的处理。

如果应用了差分四叉树变换，系数块接下来被提供给IDQT元件186，接着为IDCT元件190。否则，系数块被直接提供给IDCT元件190。IDQT元件186和IDCT元件190反变换系数以生成像素数据块。像素数据接下来必须进行内插，变换到RGB形式，并保存用于以后的显示。

图7图示了用于Golomb-Rice编码的设备700。图7的设备较佳地实施了图6中描述的处理。确定器704确定游程长度(n)和Golomb系数(m)。或者，计数器或寄存器708被用于每一个游程长度和幅度大小值以分别计算累积值和出现该值的对应次数。编码器712编码商(Q)作为游程长度和Golomb系数的函数。该编码器712还编码剩余数(R)作为游程长度、Golomb系数和商的函数。在其他实施例中，编码器712还编码非0数据作为非0数据值和该非0数据值的符号的函数。串接器716用于串接Q值和R值。

作为例子，这里公开的实施例相关的各种图示的逻辑框图、流程图和步骤可以以硬件或软件来实现或执行，用专用集成电路(ASIC)、可编程逻辑设备、离散门或晶体管逻辑、离散硬件部件，例如寄存器和FIFO，执行一组固件指令的处理器、任何传统的可编程软件和处理器、或它们的组合。处理器较佳的是微处理器，但也可以是任何传统处理器、控制器、微控制器或状态机。软件可保存在RAM存储器、快闪存储器、ROM存储器、寄存器、硬盘、可移动磁盘、CDROM、DVD-ROM或任何业内熟知的其他形式的存储媒体。

前面描述的较佳实施例是提供给熟悉本领域的人员来完成或使用本发明的。对于熟悉本领域的人员来说，对于这些实施例的多种改变是显而易见的，而这里所定义的一般原理可应用于其他实施例而不需要进行创造性地劳动。所以，本发明不应该被这里所示的实施例所限，而应该符合这里所公开的原理和创造性特征的最宽的范围。

本发明的其他特征和优势在权利要求中说明。

Claims (14)

1.一种对包括源图像的数据进行编码的方法，该方法包括：

生成与所述源图像相关联的有损压缩数据文件；

生成与所述源图像相关联的剩余项压缩数据文件，其中所述剩余项压缩数据文件的生成使用了由对源图像进行自适应块大小调整而在先生成的数据；以及

组合所述有损压缩数据文件和所述剩余项压缩数据文件以创建一无损数据文件，其中所述无损数据文件可用于产生与所述源图像实质上一致的图像。

2.如权利要求1所述的方法，其特征在于，所述有损压缩数据文件和所述剩余项压缩数据文件是在帧内的基础上生成的。

3.如权利要求1所述的方法，其特征在于，所述剩余项压缩数据文件是在帧间的基础上生成的。

4.如权利要求1所述的方法，其特征在于，所述有损压缩数据文件或剩余项压缩数据文件的生成使用了离散余弦变换和离散四叉树变换技术的组合。

5.如权利要求1所述的方法，其特征在于，所述剩余项压缩数据文件的生成使用Golomb-Rice编码技术。

6.一种对包括源图像的数据进行编码的设备，该设备包括：

生成与所述源图像相关联的有损压缩数据文件的装置；

生成与所述源图像相关联的剩余项压缩数据文件的装置，所述剩余项压缩数据文件是通过使用由对源图像进行自适应块大小调整而在先生成的数据来生成的；以及

组合所述有损压缩数据文件和所述剩余项压缩数据文件以创建一无损数据文件的装置，其中所述无损数据文件可用于产生与所述源图像实质上一致的图像。

7.如权利要求6所述的设备，其特征在于，生成所述有损压缩数据文件的装置和生成所述剩余压缩数据文件的装置是以帧内为基础生成的。

8.如权利要求6所述的设备，其特征在于，所述剩余压缩数据文件是以帧间为基础生成的。

9.如权利要求6所述的设备，其特征在于，所述生成有损压缩数据文件的装置或所述生成剩余项压缩数据文件的装置使用了离散余弦变换和离散四叉树变换技术的组合。

10.如权利要求6所述的设备，其特征在于，所述生成剩余项压缩数据文件的装置使用Golomb-Rice编码技术。

11.一种对包括源图像的数据进行编码的方法，该方法包括：

压缩表示所述源图像的数据并由此创建所述源图像的压缩版本，所述压缩使用了由对源图像进行自适应块大小调整而在先生成的数据；

量化所述源图像的压缩版本并由此创建所述源图像的有损版本；

解压缩所述源图像的压缩版本以创建经解压缩的图像，其中所述解压缩使用了由对源图像进行自适应块大小调整而在先生成的数据；

确定所述源图像和所述经解压缩的图像之间的差值并由此创建与所述源图像相关联的剩余项数据；以及

输出所述源图像的有损版本和剩余项数据，其中所述源图像的有损版本和所述剩余项数据可用来产生与所述源图像实质上一致的图像。

12.如权利要求11所述的方法，其特征在于，所述压缩是在帧内的基础上进行的。

13.如权利要求11所述的方法，其特征在于，所述压缩使用了离散余弦变换和离散四叉树变换技术的组合。

14.一种对包括源图像的数据进行处理的设备，该设备包括：

压缩器元件，被构造成对表示源图像的数据执行离散余弦变换和离散四叉树变换并由此创建所述源图像的压缩版本，其中所述压缩器元件使用由对源图像进行自适应块大小调整而在先生成的数据；

与所述压缩器元件耦合的量化器元件，被构造成量化所述源图像的压缩版本并由此创建所述源图像的有损版本；

解压缩器，被构造成对所述源图像的压缩版本执行离散余弦逆变换和离散四叉树逆变换以创建经解压缩的图像，其中所述解压缩器元件使用由对源图像进行自适应块大小调整而在先生成的数据；

确定器元件，被构造成确定所述源图像和所述经解压缩的图像之间的差值并由此创建与所述源图像相关联的剩余项数据；以及

组合器元件，被构造成组合所述源图像的有损版本和所述剩余项数据以产生与所述源图像实质上一致的图像。

Images