CN105992001A - 一种对图片进行量化处理的方法及装置 - Google Patents

Abstract

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。

Description

一种对图片进行量化处理的方法及装置

技术领域

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

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。

在实现本发明的过程中，发明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。

发明内容

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：

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

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；

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；

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；

图 2-3是本发明实施例2提供的像素点数目直方图；

图 2-4是本发明实施例2提供的一种电路结构示意图；

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；

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；

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；

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

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。

实施例1

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：

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。

实施例2

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：

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。

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0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。

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。

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。

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。

表 1

宏块特征值范围	量化区域
		小于1	1
大于或等于1且小于或等于2	2

大于2且小于或等于4	3
		大于4	4

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。

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。

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。

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。

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。

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，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。

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。

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。

实施例3

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：

步骤301：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，假设，预设的宏块大小为16×16，对于一张160×160大小的图片，可以根据该宏块大小16×16，将该张图片划分成100个大小为16×16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。

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。

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：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。

例如，参见图 3-2，对于划分出来的大小为16×16的图像宏块，选择对应 的图像块大小小于或等于16×16的预测模式，选择的预测模式包括16×16预测模式、8×8预测模式和4×4预测模式；根据16×16预测模式对该图像宏块进行预测，得到16×16预测模式下该图像宏块包括256个像素点的残差数据；根据8×8预测模式对该图像宏块进行预测，得到8×8预测模式下该图像宏块包括256个像素点的残差数据；根据4×4预测模式对该图像宏块进行预测，得到4×4预测模式下该图像宏块包括256个像素点的残差数据。

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。

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。

具体地，本步骤可以包括如下(1)和(2)两步，分别为：

(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。

(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。

例如，参见图 3-2，对于16×16预测模式、8×8预测模式和4×4预测模式，从16×16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16×16预测模式下该图像宏块的宏块特征值，假设为1.6。从8×8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8×8预测模式下该图像宏块的宏块特征值，假设为1.2。从4×4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4×4预测模式下该图像宏块的宏块特征值，假设为1.4。

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。

例如，在步骤303中得到16×16预测模式下该图像宏块的宏块特征值为1.6， 8×8预测模式下该图像宏块的宏块特征值为1.2，4×4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。

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。

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。

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。

表 2

宏块特征值范围	量化步长
		小于1	1
大于或等于1且小于或等于2	2
		大于2且小于或等于4	3
大于4	4

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。

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。

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。

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。

例如，获取最大的宏块特征值1.6对应的16×16预测模式，将16×16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。

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。

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。

实施例4

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：

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；

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；

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；

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。

可选的，所述计算模块403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。

可选的，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。

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。

可选的，所述计算模块403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。

可选的，所述量化模块404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。

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。

实施例5

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：

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：

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(SIM)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。

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。

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。

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LCD(Liquid Crystal Display，液晶显示器)、OLED(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。

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。

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。

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。

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。

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。

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：

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。

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：

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。

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：

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。

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：

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。

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：

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。

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：

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。

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。

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。

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。

Claims (12)

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。

7.一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。