專利名稱：影像方塊內(nèi)物體邊緣偵測及決定量化縮放參數(shù)的方法
技術(shù)領(lǐng)域：
本發(fā)明是有關(guān)于一種決定量化縮放參數(shù)的方法，且特別是有關(guān)于一種參考影像物體邊緣及平坦區(qū)域強(qiáng)度，決定量化縮放參數(shù)的方法。
背景技術(shù)：
圖1所繪示為一個使用位速率控制器(Bit Rate Controller)100的影像編碼器方塊圖，影像編碼器為了達(dá)到控制資料量的目的，在將離散余旋轉(zhuǎn)換系數(shù)(Discrete Cosine Transform Coefficients，DCT Coefficients)作量化時，必須根據(jù)位速率控制器100所決定的量化縮放參數(shù)(Quantization Scaling Factor，簡稱Q值)來調(diào)整量化步距(Quantization Step)，因此位速率控制器產(chǎn)生量化縮放參數(shù)的算法對于影像壓縮的畫質(zhì)有決定性的影響。
過去位速率控制器的基本做法，是要在預(yù)設(shè)的資料量下，盡可能提高影像壓縮的畫質(zhì)，近年來則另外加入視覺心理的考量，除了使觀看者不易感受到影像壓縮后的失真外，也適時提升人眼敏感區(qū)域的畫質(zhì)。但是目前對于視覺心理所能夠偵測和辨識的項(xiàng)目還不夠豐富，大多是亮或暗、簡單或復(fù)雜、快速移動或靜止不動…等等，對于視覺中相當(dāng)重要的物體邊緣(Object Edge)和平坦區(qū)域(Flat Area)的偵測，目前尚未有相關(guān)做法整合到影像壓縮的過程中。

發(fā)明內(nèi)容
本發(fā)明的目的就是在提供一種影像方塊內(nèi)物體邊緣的偵測方法，是藉由將影像方塊切割成不同尺寸的畫素方塊，并計算其畫素平均值及絕對差值平均，分析比較后偵測出此影像方塊的物體邊緣及平坦區(qū)域，提供給位速率控制器，達(dá)到提升影像的視覺效果的目的。
本發(fā)明的再一目的是提供一種決定量化縮放參數(shù)的方法，藉由所接收的影像的物體邊緣及平坦區(qū)域信息，控制影像編碼時的位速率，并依照其強(qiáng)度增減量化縮放參數(shù)，而達(dá)到提升影像的視覺效果的目的。
本發(fā)明提出一種影像方塊內(nèi)物體邊緣的偵測方法，其中影像方塊是為一張影像畫面的多個影像方塊其中之一，此方法的步驟包括切割影像方塊為多個畫素方塊，接著計算每一個畫素方塊的畫素平均值，然后比較這些畫素方塊的畫素平均值，判斷此影像方塊是否具有物體邊緣。
依照本發(fā)明的較佳實(shí)施例所述影像方塊內(nèi)物體邊緣的偵測方法，上述的比較畫素方塊的畫素平均值的步驟包括找出這些畫素平均值中最大及最小的最大畫素平均值及最小畫素平均值，接著將最小畫素平均值乘上一個邊緣縮放參數(shù)，獲得一個比較畫素平均值，并與最大畫素平均值做比較，然后若此比較畫素平均值小于最大畫素平均值，則判斷此影像方塊具有物體邊緣。
依照本發(fā)明的較佳實(shí)施例所述影像方塊內(nèi)物體邊緣的偵測方法，還包括使用一個第一邊緣縮放參數(shù)及一個第二邊緣縮放參數(shù)，分別用以偵測出第一物體邊緣強(qiáng)度及第二物體邊緣強(qiáng)度，然后比較此第一物體邊緣強(qiáng)度及此第二物體邊緣強(qiáng)度，區(qū)分物體邊緣的強(qiáng)弱程度。
依照本發(fā)明的較佳實(shí)施例所述影像方塊內(nèi)物體邊緣的偵測方法，其中具有m個畫素寬、n個畫素高的畫素方塊的畫素平均值的計算公式為mean=(Σi=0nΣj=0mpixeli,j)(n×m)]]>
其中mean是為畫素平均值，pixeli，j為畫素方塊中第i+1行第j+1列的畫素的畫素值，而m及n為自然數(shù)，i及j為大于等于0的正整數(shù)。
依照本發(fā)明的較佳實(shí)施例所述影像方塊內(nèi)物體邊緣的偵測方法，還包括計算每一個畫素方塊的絕對差值平均，以及根據(jù)這些畫素方塊的絕對差值平均，判斷此影像方塊是否具有平坦區(qū)域。
依照本發(fā)明的較佳實(shí)施例所述影像方塊內(nèi)物體邊緣的偵測方法，上述的比較這些畫素方塊的絕對差值平均的步驟包括將每一個畫素方塊的絕對差值平均與一個平坦位準(zhǔn)比較，以及若這些絕對差值平均小于平坦位準(zhǔn)，則判斷這些畫素方塊具有平坦區(qū)域。
依照本發(fā)明的較佳實(shí)施例所述影像方塊內(nèi)物體邊緣的偵測方法，上述的比較這些畫素方塊的絕對差值平均的步驟包括找出這些絕對差值平均中最大的最大絕對差值平均，接著將此最大絕對差值平均與一個平坦位準(zhǔn)比較，若此最大絕對差值平均小于平坦位準(zhǔn)，則判斷此影像方塊具有平坦區(qū)域。
依照本發(fā)明的較佳實(shí)施例所述影像方塊內(nèi)物體邊緣的偵測方法，其中具有m個畫素寬、n個畫素高的畫素方塊的絕對差值平均的計算公式為MAD=Σi=0nΣj=0m|(pixeli,j-mean)|]]>其中MAD是為絕對差值平均(Mean of AbsolutelyDifference)，mean為畫素平均值(Pixel Mean)，pixeli，j為此畫素方塊中第i+1行第j+1列的畫素的畫素值，而m及n為自然數(shù)，i及j為大于等于0的正整數(shù)。
依照本發(fā)明的較佳實(shí)施例所述影像方塊內(nèi)物體邊緣的偵測方法，還包括根據(jù)此影像方塊的一影像結(jié)構(gòu)，將此影像方塊重組。
依照本發(fā)明的較佳實(shí)施例所述影像方塊內(nèi)物體邊緣的偵測方法，其中若影像結(jié)構(gòu)為圖框結(jié)構(gòu)，則將2個圖場的畫素線交錯成為影像方塊；若影像結(jié)構(gòu)為圖場結(jié)構(gòu)，則將2個圖場的畫素線個別排列的2個方塊重組為影像方塊。
本發(fā)明提出一決定量化縮放參數(shù)的方法，適用于處理一個影像方塊時，控制影像編碼時的位速率，此方法的步驟包括偵測影像方塊是否具有一個物體邊緣，若此影像方塊具有物體邊緣，則減少量化縮放參數(shù)，然后偵測此影像方塊是否具有一個平坦區(qū)域，若此影像方塊具有平坦區(qū)域，則增加量化縮放參數(shù)。
依照本發(fā)明的較佳實(shí)施例所述決定量化縮放參數(shù)的方法，上述的判斷影像方塊是否具有物體邊緣的步驟之后還包括偵測物體邊緣的強(qiáng)度，并與一個預(yù)定強(qiáng)度做比較，若此物體邊緣的強(qiáng)度大于預(yù)定強(qiáng)度時，則將量化縮放參數(shù)減少一個第一縮放量；若此物體邊緣的強(qiáng)度小于預(yù)定強(qiáng)度時，則將量化縮放參數(shù)減少一個第二縮放量，其中此第一縮放量大于此第二縮放量。
依照本發(fā)明的較佳實(shí)施例所述決定量化縮放參數(shù)的方法，上述的判斷影像方塊是否具有物體邊緣的步驟之后還包括偵測平坦區(qū)域的強(qiáng)度，并與一個預(yù)定強(qiáng)度做比較，若此平坦區(qū)域的強(qiáng)度大于預(yù)定強(qiáng)度時，則將量化縮放參數(shù)增加一個第一縮放量；若此平坦區(qū)域的強(qiáng)度小于預(yù)定強(qiáng)度時，則將量化縮放參數(shù)增加一個第二縮放量，其中此第一縮放量大于此第二縮放量。
依照本發(fā)明的較佳實(shí)施例所述決定量化縮放參數(shù)的方法，其中若同時偵測到物體邊緣及平坦區(qū)域時，則優(yōu)先考慮物體邊緣，增減量化縮放參數(shù)。
本發(fā)明在已知的視覺心理分類之外，更進(jìn)一步考慮到物體邊緣和平坦區(qū)域的偵測，并且將相關(guān)訊息傳給位速率控制器作處理，產(chǎn)生最佳的量化縮放參數(shù)，使壓縮的影像不但提高畫質(zhì)，更可以增加視覺流暢度，改進(jìn)已知技術(shù)未考慮物體邊緣和平坦區(qū)域等視覺心理因素的缺點(diǎn)。
為讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能更明顯易懂，下文特舉較佳實(shí)施例，并配合所附圖式，作詳細(xì)說明如下。


圖1所繪示為一個使用位速率控制器的影像編碼器方塊圖；
圖2是依照本發(fā)明較佳實(shí)施例所繪示的影像方塊內(nèi)物體邊緣的偵測方法的流程圖；圖3是依照本發(fā)明較佳實(shí)施例所繪示的影像方塊內(nèi)物體邊緣的偵測方法的一范例；圖4是依照本發(fā)明較佳實(shí)施例所繪示的影像方塊內(nèi)各畫素方塊的平坦區(qū)域的偵測方法的流程圖；圖5是依照本發(fā)明另一較佳實(shí)施例所繪示的影像方塊內(nèi)平坦區(qū)域的偵測方法的流程圖；圖6是依照本發(fā)明較佳實(shí)施例所繪示的影像方塊內(nèi)平坦區(qū)域的偵測方法的一范例；圖7是依照本發(fā)明較佳實(shí)施例所繪示的比較影像方塊內(nèi)物體邊緣與平坦區(qū)域的一范例；圖8是依照本發(fā)明較佳實(shí)施例所繪示的根據(jù)影像結(jié)構(gòu)重組影像方塊的示意圖；圖9是依照本發(fā)明較佳實(shí)施例所繪示的位速率控制器的控制流程圖。
具體實(shí)施例方式
為了使影像編碼器在執(zhí)行巨方塊(Macroblock)的壓縮編碼過程中，除了完成已知的視覺心理分類外，更進(jìn)一步作到物體邊緣和平坦區(qū)域的偵測，并且將相關(guān)訊息傳給位速率控制器作處理，產(chǎn)生最佳的量化縮放參數(shù)，使壓縮的影像不但提高畫質(zhì)，更可以增加視覺流暢度。本發(fā)明利用影像方塊內(nèi)多個畫素方塊的畫素平均值和絕對差值平均的計算，配合物體邊緣或平坦區(qū)域的判斷機(jī)制，達(dá)到得知巨方塊內(nèi)影像特性的目的，并且將此訊息傳送給位速率控制器，使其可以根據(jù)影像的內(nèi)容，決定出最適當(dāng)?shù)牧炕s放參數(shù)，進(jìn)而提升壓縮影像的實(shí)質(zhì)畫質(zhì)和視覺感受。
圖2是依照本發(fā)明較佳實(shí)施例所繪示的影像方塊內(nèi)物體邊緣的偵測方法的流程圖，首先根據(jù)影像方塊的影像結(jié)構(gòu)，將影像方塊重組(步驟S210)，接著將此影像方塊切割為多個畫素方塊(步驟S220)，并計算其中每一個畫素方塊的畫素平均值，然后由這些畫素平均值中找出一個最大的畫素平均值及一個最小的畫素平均值(步驟S240)。
接著，將最小畫素平均值乘上一個邊緣縮放參數(shù)，并判斷是否小于最大畫素平均值(步驟S250)，若最小畫素平均值乘上一個邊緣縮放參數(shù)小于最大畫素平均值的話，則判斷出此影像方塊具有一個物體邊緣(步驟S260)；反之，則判斷出此影像方塊不具有一個物體邊緣(步驟S270)。其中具有m個畫素寬、n個畫素高的畫素方塊的畫素平均值的計算公式為mean=(Σi=0nΣj=0mpixeli,j)(n×m)]]>其中mean是為畫素平均值，pixeli，j為畫素方塊中第i+1行第j+1列的畫素的畫素值，而m及n為自然數(shù)，i及j為大于等于0的正整數(shù)。
圖3是依照本發(fā)明較佳實(shí)施例所繪示的影像方塊內(nèi)物體邊緣的偵測方法的一范例。本實(shí)施例是將一個16×16的影像方塊分割為4個8×8的影像方塊，并分別計算這些影像方塊的畫素平均值，再找出其中最大的畫素平均值與最小的畫素平均值拿來比較，如果最小的畫素平均值遠(yuǎn)小于最大的畫素平均值，則判斷此影像方塊內(nèi)具有物體邊緣。
圖4是依照本發(fā)明較佳實(shí)施例所繪示的影像方塊內(nèi)各畫素方塊的平坦區(qū)域的偵測方法的流程圖，首先根據(jù)影像方塊的影像結(jié)構(gòu)，將影像方塊重組(步驟S410)，接著將此影像方塊切割為多個畫素方塊(步驟S420)，并計算其中每一個畫素方塊的絕對差值平均(步驟S430)。
然后，判斷每一個絕對差值平均是否小于一平坦位準(zhǔn)(步驟S440)，若絕對差值平均小于平坦位準(zhǔn)的話，則判斷出這個畫素方塊具有一個平坦區(qū)域(步驟S450) 反之，則判斷出這個畫素方塊不具有一個平坦區(qū)域(步驟S460)。其中具有m個畫素寬、n個畫素高的畫素方塊的絕對差值平均的計算公式為MAD=Σi=0nΣj=0m|(pixeli,j-mean)|]]>其中MAD是為絕對差值平均，mean為畫素平均值，pixeli，j為畫素方塊中第i+1行第j+1列的畫素的畫素值，而m及n為自然數(shù)，i及j為大于等于0的正整數(shù)。
圖5是依照本發(fā)明另一較佳實(shí)施例所繪示的影像方塊內(nèi)平坦區(qū)域的偵測方法的流程圖，首先根據(jù)影像方塊的影像結(jié)構(gòu)，將影像方塊重組(步驟S510)，接著將此影像方塊切割為多個畫素方塊(步驟S520)，并計算其中每一個畫素方塊的絕對差值平均(步驟S530)。
然后，由這些絕對差值平均中找出一個最大的絕對差值平均(步驟S540)，然后判斷此最大絕對差值平均是否小于一平坦位準(zhǔn)(步驟S550)，若絕對差值平均小于平坦位準(zhǔn)的話，則判斷這個影像方塊具有一個平坦區(qū)域(步驟S560)；反之，則判斷這個影像方塊不具有一個平坦區(qū)域(步驟S570)。
圖6是依照本發(fā)明較佳實(shí)施例所繪示的影像方塊內(nèi)平坦區(qū)域的偵測方法的一范例。本實(shí)施例是將一個16×16的影像方塊分割為4個8×8的影像方塊，并分別計算這些影像方塊的絕對差值平均，再找出其中最大的絕對差值平均與一個平坦位準(zhǔn)比較，如果最大的絕對差值平均小于此平坦位準(zhǔn)，則判斷此影像方塊內(nèi)具有平坦區(qū)域。
圖7是依照本發(fā)明較佳實(shí)施例所繪示的比較影像方塊內(nèi)物體邊緣與平坦區(qū)域的一范例。其中圖7B與先前描述的圖3相同，故在此不再贅述，而圖7A是將一個16×16的影像方塊分割為16個4×4的畫素方塊，并分別計算這些畫素方塊的畫素平均值，再找出其中最大的畫素平均值與最小的畫素平均值拿來比較，如果最小的畫素平均值遠(yuǎn)小于最大的畫素平均值，則判斷此畫素方塊內(nèi)具有物體邊緣。
由本實(shí)例可知，當(dāng)使用較小尺寸的畫素方塊來分割影像方塊時，可以更精細(xì)的計算出每個畫素方塊中物體邊緣的強(qiáng)弱，避免執(zhí)行物體邊緣偵測時容易造成誤判的缺點(diǎn)，另外也可以經(jīng)由最小和最大畫素平均值所對應(yīng)的畫素方塊的相對位置，進(jìn)一步判斷出物體邊緣的位置和方向。
上述的實(shí)施例中，更可以透過設(shè)定多組不同的邊緣縮放參數(shù)與平坦位準(zhǔn)，進(jìn)一步將物體邊緣和平坦區(qū)域作強(qiáng)弱程度的區(qū)分，如此可以讓位元速率控制器更了解巨方塊內(nèi)的影像特性，而精準(zhǔn)地調(diào)整量化縮放參數(shù)，使影像壓縮結(jié)果有最佳的視覺心理效果。
圖8是依照本發(fā)明較佳實(shí)施例所繪示的根據(jù)影像結(jié)構(gòu)重組影像方塊的示意圖。如果是圖框模式，則影像方塊為2個圖場畫素線交錯而成的16×16方塊；如果是圖場模式，則影像方塊為2個圖場畫素線個別排列的16×8的頂圖塊方塊及底圖場方塊所組成。
圖9是依照本發(fā)明較佳實(shí)施例所繪示的位速率控制器的控制流程圖，本實(shí)施例使用物體邊緣和平坦區(qū)域的偵測結(jié)果，直接調(diào)整位速率控制器的量化縮放參數(shù)(Q值)。首先由基本的位速率控制算法決定出一個量化縮放參數(shù)(步驟S910)，接著使用視覺心理模型中的物體邊緣與平坦區(qū)域來調(diào)整，且物體邊緣的優(yōu)先權(quán)比平坦區(qū)域高，因此先判斷是否偵測到物體邊緣(步驟S920)，若有偵測到物體邊緣，則進(jìn)一步判斷是否此物體邊緣強(qiáng)度大于一預(yù)定強(qiáng)度(步驟S930)，若物體邊緣強(qiáng)度大于預(yù)定強(qiáng)度，則將Q值減少一較大的量(步驟S931)；反之，若物體邊緣強(qiáng)度小于預(yù)定強(qiáng)度，則將Q值減少一較小的量(步驟S932)。
另外，若沒有偵測到物體邊緣，則接著判斷是否偵測到平坦區(qū)域(步驟S940)，若有偵測到平坦區(qū)域，則進(jìn)一步判斷是否此平坦區(qū)域強(qiáng)度大于一預(yù)定強(qiáng)度(步驟S950)，若平坦區(qū)域強(qiáng)度大于預(yù)定強(qiáng)度，則將Q值增加一較大的量(步驟S951)；反之，若平坦區(qū)域強(qiáng)度小于預(yù)定強(qiáng)度，則將Q值減少一較小的量(步驟S952)。
再者，若沒有偵測到平坦邊緣或是已經(jīng)調(diào)整完Q值的話，則繼續(xù)判斷是否偵測到其它的視覺心理因素(步驟S960)，若有偵測到其它的視覺心理因素，則依照偵測到的視覺心理因素調(diào)整Q值(步驟S970)；若沒有偵測到其它的視覺心理因素或是調(diào)整完Q值后，則完成決定最后量子化的Q值的動作。
綜上所述，在本發(fā)明的影像方塊內(nèi)物體邊緣的偵測方法，透過影像方塊內(nèi)多個畫素方塊的畫素平均值及絕對差值平均的計算與比較，達(dá)到偵測巨方塊內(nèi)是否有物體邊緣或平坦區(qū)域的目的，同時也將巨方塊內(nèi)的影像結(jié)構(gòu)加以分析及歸類，并將相關(guān)訊息運(yùn)用到位速率控制中，使被壓縮的影像可以適當(dāng)?shù)靥嵘曈X結(jié)果。
雖然本發(fā)明已以較佳實(shí)施例揭露如上，然其并非用以限定本發(fā)明，任何熟習(xí)此技藝者，在不脫離本發(fā)明的精神和范圍內(nèi)，當(dāng)可作些許的更動與潤飾，因此本發(fā)明的保護(hù)范圍當(dāng)視后附的申請專利范圍所界定者為準(zhǔn)。
權(quán)利要求
1.一種影像方塊內(nèi)物體邊緣的偵測方法，其中該影像方塊是為一影像畫面的多個影像方塊其中之一，該影像方塊內(nèi)物體邊緣的偵測方法包括下列步驟切割該影像方塊為多個畫素方塊；計算每一這些畫素方塊的一畫素平均值；以及比較這些畫素方塊的這些畫素平均值，判斷該影像方塊是否具有該物體邊緣。
2.如權(quán)利要求1所述的影像方塊內(nèi)物體邊緣的偵測方法，其中比較這些畫素方塊的這些畫素平均值的步驟包括找出這些畫素平均值中最大及最小的一最大畫素平均值及一最小畫素平均值；將該最小畫素平均值乘上一邊緣縮放參數(shù)，獲得一比較畫素平均值，并與該最大畫素平均值做比較；以及若該比較畫素平均值小于該最大畫素平均值，則判斷該影像方塊具有該物體邊緣。
3.如權(quán)利要求2所述的影像方塊內(nèi)物體邊緣的偵測方法，其中還包括下列步驟使用一第一邊緣縮放參數(shù)及一第二邊緣縮放參數(shù)，分別用以偵測出一第一物體邊緣強(qiáng)度及一第二物體邊緣強(qiáng)度；以及比較該第一物體邊緣強(qiáng)度及該第二物體邊緣強(qiáng)度，區(qū)分該物體邊緣的強(qiáng)弱程度。
4.如權(quán)利要求1所述的影像方塊內(nèi)物體邊緣的偵測方法，其中具有m個畫素寬、n個畫素高的該畫素方塊的該畫素平均值的計算公式為mean=(Σi=0nΣj=0mpixeli,j)(n×m)]]>其中mean是為該畫素平均值，pixeli，j為該畫素方塊中第i+1行第j+1列的畫素的畫素值，而m及n為自然數(shù)，i及j為大于等于0的正整數(shù)。
5.如權(quán)利要求1所述的影像方塊內(nèi)物體邊緣的偵測方法，還包括下列步驟計算每一這些畫素方塊的一絕對差值平均；以及根據(jù)這些畫素方塊的這些絕對差值平均，判斷該影像方塊是否具有一平坦區(qū)域。
6.如權(quán)利要求5所述的影像方塊內(nèi)物體邊緣的偵測方法，其中根據(jù)這些畫素方塊的這些絕對差值平均的步驟包括將每一這些畫素方塊的這些絕對差值平均與一平坦位準(zhǔn)比較；以及若這些絕對差值平均小于該平坦位準(zhǔn)，則判斷這些畫素方塊具有該平坦區(qū)域。
7.如權(quán)利要求5所述的影像方塊內(nèi)物體邊緣的偵測方法，其中比較這些畫素方塊的這些絕對差值平均的步驟包括找出這些絕對差值平均中最大的一最大絕對差值平均；將該最大絕對差值平均與一平坦位準(zhǔn)比較；以及若該最大絕對差值平均小于該平坦位準(zhǔn)，則判斷該影像方塊具有該平坦區(qū)域。
8.如權(quán)利要求7所述的影像方塊內(nèi)物體邊緣的偵測方法，其中還包括下列步驟使用一第一平坦位準(zhǔn)及一第二平坦位準(zhǔn)，分別用以偵測出一第一平坦區(qū)域強(qiáng)度及一第二平坦區(qū)域強(qiáng)度；以及比較該第一平坦區(qū)域強(qiáng)度及該第二平坦區(qū)域強(qiáng)度，區(qū)分該平坦區(qū)域的強(qiáng)弱程度。
9.如權(quán)利要求5所述的影像方塊內(nèi)物體邊緣的偵測方法，其中具有m個畫素寬、n個畫素高的畫素方塊的該絕對差值平均的計算公式為MAD=Σi=0nΣj=0m|pixeli,j-mean|]]>其中MAD是為該絕對差值平均，mean為該畫素平均值，pixeli，j為該畫素方塊中第i+1行第j+1列的畫素的畫素值，而m及n為自然數(shù)，i及j為大于等于0的正整數(shù)。
10.如權(quán)利要求1所述的影像方塊內(nèi)物體邊緣的偵測方法，其中還包括根據(jù)該影像方塊的一影像結(jié)構(gòu)，將該影像方塊重組。
11.如權(quán)利要求10所述的影像方塊內(nèi)物體邊緣的偵測方法，其中若該影像結(jié)構(gòu)為圖框結(jié)構(gòu)，則將2個圖場的畫素線交錯成為該影像方塊。
12.如權(quán)利要求10所述的影像方塊內(nèi)物體邊緣的偵測方法，其中若該影像結(jié)構(gòu)為圖場結(jié)構(gòu)，則將2個圖場的畫素線個別排列的2個方塊重組為該影像方塊。
13.如權(quán)利要求1所述的影像方塊內(nèi)物體邊緣的偵測方法，其中切割該影像方塊為多個畫素方塊的步驟還包括使用一第一尺寸及一第二尺寸的這些畫素方塊切割該影像方塊，分別用以偵測出一第一物體邊緣強(qiáng)度及一第二物體邊緣強(qiáng)度；以及比較該第一物體邊緣強(qiáng)度及該第二物體邊緣強(qiáng)度，區(qū)分該物體邊緣的強(qiáng)弱程度。
14.一種決定量化縮放參數(shù)的方法，適用于處理一影像方塊時，控制影像編碼時的位速率，該決定量化縮放參數(shù)的方法包括下列步驟偵測該影像方塊是否具有一物體邊緣；若該影像方塊具有該物體邊緣，則減少該量化縮放參數(shù)；偵測該影像方塊是否具有一平坦區(qū)域；以及若該影像方塊具有該平坦區(qū)域，則增加該量化縮放參數(shù)。
15.如權(quán)利要求14所述的決定量化縮放參數(shù)的方法，其中判斷該影像方塊是否具有一物體邊緣之后還包括偵測該物體邊緣的強(qiáng)度，并與一預(yù)定強(qiáng)度做比較；若該物體邊緣的強(qiáng)度大于該預(yù)定強(qiáng)度時，則將該量化縮放參數(shù)減少一第一縮放量；以及若該物體邊緣的強(qiáng)度小于該預(yù)定強(qiáng)度時，則將該量化縮放參數(shù)減少一第二縮放量，其中該第一縮放量大于該第二縮放量。
16.如權(quán)利要求14所述的決定量化縮放參數(shù)的方法，其中判斷該影像方塊是否具有一平坦區(qū)域之后還包括偵測該平坦區(qū)域的強(qiáng)度，并與一預(yù)定強(qiáng)度做比較；若該平坦區(qū)域的強(qiáng)度大于該預(yù)定強(qiáng)度時，則將該量化縮放參數(shù)增加一第一縮放量；以及若該平坦區(qū)域的強(qiáng)度小于該預(yù)定強(qiáng)度時，則將該量化縮放參數(shù)增加一第二縮放量，其中該第一縮放量大于該第二縮放量。
17.如權(quán)利要求14所述的決定量化縮放參數(shù)的方法，其中若同時偵測到該物體邊緣及該平坦區(qū)域時，則優(yōu)先考慮該物體邊緣，增減該量化縮放參數(shù)。
全文摘要
一種影像方塊內(nèi)物體邊緣偵測及決定量化縮放參數(shù)的方法，此方法是透過影像方塊內(nèi)多個畫素方塊的畫素平均值及絕對差值平均的計算與比較，達(dá)到偵測巨方塊內(nèi)是否有物體邊緣或平坦區(qū)域的目的，同時也將巨方塊內(nèi)的影像結(jié)構(gòu)加以分析及歸類，并將相關(guān)訊息運(yùn)用到位速率控制中，使被壓縮的影像可以適當(dāng)?shù)靥嵘曈X結(jié)果。
文檔編號H04N7/26GK1866298SQ20051007091
公開日2006年11月22日 申請日期2005年5月17日 優(yōu)先權(quán)日2005年5月17日
發(fā)明者謝百舉, 王子欣, 林建佑 申請人:凌陽科技股份有限公司