[发明专利]一种Bayer图像压缩方法及装置

权利要求书

1.一种Bayer图像压缩方法，包括如下步骤：

步骤S1，对输入的单行图像进行宏块分割；

步骤S2，对当前宏块进行预测，对于R/G/B三分量采用相同的预测算法，利用当前像素点与周围像素点关系得出预测像素点值，进而获得当前像素点的预测残差：

从行缓存区中读出上一行的重建点pix_b、pix_c、pix_d，其中pix_b为正上方重建像素点，pix_c为左上重建像素点，pix_d为右上重建像素点，并读出左边原始像素点pix_a，以及左左端原始像素点pix_f；

对左端像素点pix_a和左左端像素点pix_f进行滤波处理，得到滤波后的左边像素点pix_flt；

计算求出左边像素点与正上方像素点的最大值max_ab和最小值min_ab；

根据左上重建像素点pix_c与上述计算结果的关系得出最终的预测像素点值:

根据预测像素点与当前像素点计算出所述预测残差；

步骤S3，通过所述预测残差和梯度信息进行噪音分析，得出噪音级别,包括：

对当前像素点和周围像素点进行分析，得到当前像素点的梯度信息；

对当前像素点的梯度进行直方图统计，并进行分类处理；

找到当前所有类别中梯度最小的那一类，其中的像素点个数为grad_bin[0]，进而求得其在整个图像所有像素点中的比例sgrad_ratio；

根据所述比例sgrad_ratio配置不同的阈值，进而计算出到当前图像的噪音级别；

步骤S4，利用得到的噪音级别，对行缓存区中的重建像素点进行自适应滤波；

步骤S5，对预测残差进行熵编码并输出码流。

2.如权利要求1所述的一种Bayer图像压缩方法，其特征在于，所述对当前像素点和周围像素点进行分析，得到当前像素点的梯度信息的步骤具体为：计算获得当前像素点pix_0与周围像素点pix_a、pix_b、pix_c、pix_d之间的梯度，并取这四个梯度之间的最小值作为当前像素点最终的梯度。

3.如权利要求1所述的一种Bayer图像压缩方法，其特征在于，于步骤S4中，对于G分量自适应滤波，步骤S4具体包括：

选择偶数阶的滤波器；

选取当前重建像素点，以及其左边两个重建像素点，右边三个重建像素点；

利用选取的滤波器进行自适应滤波；

对滤波后的重建像素点归一化处理，得到最终的重建像素点；

把当前宏块的重建像素点更新到行缓冲区中。

4.如权利要求3所述的一种Bayer图像压缩方法，其特征在于，于步骤S4中，对于R/B分量自适应滤波，步骤S4具体包括：

选择奇数阶的滤波器；

选取当前重建像素点，以及左边三个重建像素点，右边三个重建像素点；

进行自适应滤波；

对滤波后的重建像素点归一化处理，得到最终的重建像素点；

把当前宏块的重建像素点更新到行缓冲区中。

5.如权利要求4所述的一种Bayer图像压缩方法，其特征在于，步骤S5进一步包括：

对预测残差后处理，得到最终需要编码的残差系数；

对所述残差系数进行熵编码并输出码流。

6.一种Bayer图像压缩装置，包括：

宏块分割单元，对输入的单行图像进行宏块分割；

预测单元，用于对当前宏块进行预测，对于R/G/B三分量采用相同的预测算法，利用当前像素点与周围像素点关系得出预测像素点值，进而获得当前像素点的预测残差：

从行缓存区中读出上一行的重建点pix_b、pix_c、pix_d，其中pix_b为正上方重建像素点，pix_c为左上重建像素点，pix_d为右上重建像素点，并读出左边原始像素点pix_a，以及左左端原始像素点pix_f；

对左端像素点pix_a和左左端像素点pix_f进行滤波处理，得到滤波后的左边像素点pix_flt；

计算求出左边像素点与正上方像素点的最大值max_ab和最小值min_ab；

根据左上重建像素点pix_c与上述计算结果的关系得出最终的预测像素点值:

根据预测像素点与当前像素点计算出所述预测残差；

噪音分析单元，用于通过所述预测残差和梯度信息进行噪音分析，得出噪音级别,包括：

对当前像素点和周围像素点进行分析，得到当前像素点的梯度信息；

对当前像素点的梯度进行直方图统计，并进行分类处理；

找到当前所有类别中梯度最小的那一类，其中的像素点个数为grad_bin[0]，进而求得其在整个图像所有像素点中的比例sgrad_ratio；

根据所述比例sgrad_ratio配置不同的阈值，进而计算出到当前图像的噪音级别；

自适应滤波单元，用于利用得到的噪音级别，对行缓存区中的重建像素点进行自适应滤波；

熵编码单元，用于对预测残差进行熵编码并输出码流。