彩色量化在图像和视频编码中的应用

的ＰＮＳＲ＞最大误差增量法的ＰＮＳＲ＞最小绝对平均误差法的ＰＮＳＲ＞最大绝对平均误差法的ＰＮＳＲ。

图像量化时采用的图像为ＹＵＶ彩色空间的视频序列的单帧，为了主观评价量化前后图像的质量，我把图像从ＹＵＶ彩色空间转换为ＲＧＢ彩色空间。

本文中提到的原始图像和量化后图像都指经过转换的ＲＧＢ图像。

ｈｄｃｘ图是指使用颜色的索引号代替原本的颜色的一种图像，它是一种灰度图。

依据建立八叉树所遵循的准则，索引号与代表颜色是有一定的规律，索引次序也就代表了Ｙ信号的次序，因此它能保持较好的视觉效果。

基于ｈｄｅｘ图这个特点，所以它可以用于图像和视频压缩。

图２—３和图２—４是经过最小误差增量法量化后的图像及ｈｄｅｘ图，三幅图从左到右依次为２５６色图像、１２８色图像以及６４色图像。

图２—５和图２—６是经过最大误差增量法量化后的图像及Ｉｎｄｅｘ图，三幅图从左到右依次为２５６色图像、１２８色图像以及６４色图像。

图２—７和图２—８是经过最小绝对平均误差法量化后的图像及ｈｄｅｘ图，三幅图从左到右依次为２５６色图像、１２８色图像以及６４色图像。

图２—９和图２—１０是经过最大绝对平均误差法量化后的图像及ｈｄｏｘ图，三幅图从左到右依次为２５６色图像、１２８色图像以及６４色图像。

为了更好的显示１２８色和６４色ｈｄｅｘ图，我使用颜色的索引号加１２７代替原本的颜色。

图２—２原始图像
３１
图２—３最小误差增量法量化后的图像
图２—４最小误差增量法量化后的Ｉｎｄｅｘ图像
图２—５最大误差增量法量化后的图像
图２—６最大误差增量法量化后的Ｉｎｄｅｘ图像
图２—７最小绝对平均误差法量化后的图像
图２－－８最小绝对平均误差法量化后的Ｉｎｄｅｘ图像
图２－－９最大绝对平均误差法量化后的图像
图２一ｌＯ最大绝对平均误差法量化后的Ｉｎｄｅｘ图像
根据国际上规定的五级质量尺度和妨碍尺度，为上列量化后的图像进行主观评定，评定表如下：
最小误差增量最大误差增量法最小绝对平均最大绝对平均
法误差法误差法
２５６色图像很好很好好很差
１２８色图像很好很好好很差
６４色图像很好好一般很差
表２—４图像主观评定表
通过对量化后图像的主观评价以及对算法的实验数据分析，我们知道误差增量法比绝对平均误差法量化效果更好，量化后图像的质量更好；最大误差增量法和最大绝对平均误差法比最小误差增量法和最小绝对平均误差法花费更少的时间，这实验结论与理论分析～致。

最小误差增量法的量化效果最好，但是它花费的量化时问很长，所以为视频序列彩色量化选出量化速度和量化效果综合最佳的算法——最大误差增量法，并且它的最佳的最大量化颜色数为１２８个。

２．４改良Ｏｃｔｒｅｅ在视频量化中的应用
２．４．１量化算法
前一节我分析了四种改良Ｏｃｔｒｃｅ算法的优劣，选出量化速度和量化效果综合最佳的算法——最大误差增量法。

采用最大误差增量法对视频序列相邻的多帧进行彩色量化，得到每帧Ｉｎｄｅｘ图。

为了更好的显示１２８色Ｉｎｄｅｘ图，我使用颜色的索引号加１２８代替原本的颜色。

图２—１１Ｉｎｄｅｘ图像序列
从主观上看，相邻的Ｉｎｄｅｘ图都很相似。

通过分析相邻帧的色表以及统计相邻帧中相同颜色的概率分布来确定视频图像序列的空间相关性，从而选定视频量化方法·下面我将列出相邻５帧图像的色表以及相同的主要颜色的分布概率。

（Ｙ，Ｕ，Ｖ）
（０ｘｌＣ，０ｘ７８，０ｘ７Ｂ）（Ｏ）【５０，０】‘５８，０ｘ７Ｄ）（０ｘ５９，０ｘ７７，０ｘＴＢ）ｆｏｘ６Ｄ，０ｘ５４，０ｘ７Ｅ）（０ｘ６Ｃ，０ｘ７７，０ｘ７Ａ）（Ｏｘｌ８，０ｘ５８，０ｘ８Ｂ）（０ｘ１０，０ｘ７９，０ｘ８∞（０ｘＡ，０ｘ６Ｂ，０ｘＡｒ３（０ｘ３２，０ｘ５７，０ｘＳＡ）（０ｘ３２，０ｘＳＡ，０ｘＢ０）（０ｘ３５，０ｘ７８，０ｘ８３）（ｏｘ３５，０ｘ６Ｃ，ＯｘＡ８）（０ｘＡ，０ｘ６５，０ｘｃ３）（０ｘ３１，０ｘＳＣ，０ｘＣＤ）（Ｏｘ３２，０ｘ６２，０ｘＣ４）（ｏｘ５９，０ｘ３Ｆ，０ｘ９１）（０ｘ７２，０ｘ３Ｆ，０ｘ９Ａ）（０ｘ５３，０ｘ５７，０ｘ８Ｄ）（Ｏｘ５７，ＯｘＳＣ，ＯｘＢｌ）（０ｘ４８，ｏｘ６Ｂ＇ｏｘ８６）（０ｘ４７，０ｘ６Ｂ，０ｘ９９）（０ｘ４７，０ｘ７６，０ｘ８３）（０ｘ４６，０ｘ７３，０ｘ９５）（０ｘ５７，０ｘ６Ａ，０ｘ８９）（０ｘ５７，０ｘ６Ａ，０ｘ９７）（Ｏｘ５６，０ｘ７６，Ｏｘ８３）（０ｘ５７，０ｘ７３，０ｘ９４）（Ｏｘ４８，０ｘ６Ａ，０ｘＡ７）第一帧（％）第二帧（％）第三帧（％）第四帧（％）第五帧（％）０．７０１３４９０．６１６５１７０．５９８７６１０．６６５８３８０．６５５９７４０．００４９３２０．００４９３２０．０００９８６０．００１９７３０３．９３７８１６３．８８９４８１３．９２２０３３４．４６６５４４．３９７４９１０．０００９８６０．００１９７３０．０００９８６００１１．１８８０５２１１．３６７５８２１１．６４６７４１１１．２９７５４６１１．５２５４１００．００１９７３０．００１９７３００．００３９４６０．６３６２４５０．５９７７７５Ｏ．６１１５８５０．６２４４０８０．７１３１８７
０．０２８６０６Ｏ．０２８６０６０．０１９７２９
０．０３９４５７０，０２７６２０．０１３８１０．０１９７２９Ｏ．０２２６８８Ｏ．０２９５９３０．０２０７１５０．０００９８６０．００１９７３０．００２９５９０．００１９７３０１４．３４０６７２１３．６４４２５５１２．９９０２５４１２．６２６２６３１２．３５２０３６
Ｏ．１５６８４２０．１６４７３３Ｏ．１６４７３３０．１６６７０６
Ｏ．１４９９３７０００．００７８９１０００．００１９７３００．００１９７３００００．００１９７３０．００７８９１０．００１９７３０
００００．００１９７３０
００．００２９５９００００．０４２４１６０．０５８１９９０．０６６０９１０．０７２００９０．０６３１３１０．００９８６４０．０１７７５６Ｏ．０１４７９６Ｏ．０２０７１５Ｏ．０１２８２４Ｏ．２００２４５０．１７５５８４Ｏ．１５０９２３０．１４９９３７Ｏ．１４８９５０．０７２９９６０．０４８３３５０．０８６８０６０．０８２８６０．２５４４９８１６．２６９１３７１５．７８０８５５１５。

４７０１３１１４．８９３０７１１４．０４３７５８０．０９８６４３０．１４４０１８０．０９６６７０．１２７２４９０．１２５２７６０．１４１０５９０．１６７６９３Ｏ．１６８６７９０．２００２４５０．２１３０６８０．１１９３５８０．１２２３１７０．１１８３７１０．１５４８６９０．１５６８４２１２．５１１８３７１２．５５５２４１２．２８９８９１１２．１１８２５３１１．９１７０２２０．１０６５３４０．１２８２３５０．１４２０４５０．１３２１８１０．１６５７２０．０７２００９０．１０９４９３０．１４８９５０．１７９５３
０．１６８６７９
３１．６３３０．２９３．０６３１．１５４．５８３０．９９
４１．７７３１．０７３．０８３１．０４４．５９３１．８１
从表２～６、２—７、２～８中可以看出最大量化颜色数越大，量化后的ＰＮＳＲ值越高，即表明量化后图像与原图均方误差越小。

表２—７中我们可以知道ＧＯＰ包括的图像帧数为１５帧时，它的ＰＮＳＲ的范围为：３２．９８—３５．３８，相对于其他两种情况，此ＰＮＳＲ波动的范围较大。

所以视频最佳的ＧＯＰ包括的帧数为１０帧。

确定ＧＯＰ帧数为ｌＯ帧，采用最大误差增量法对视频序列进行量化，得到量化后的图像序列。

图２—１２为原始图像序列。

图２—１３为最大量化颜色数为２５６的量化后图像序列。

图２—１４为最大量化颜色数为１２８的量化后图像序列。

图２－－１５为最大量化颜色数为６４的量化后图像序列。

图２—１２原始图像序列
图２—１３２５６色图像序列
图２—１４１２８色图像序列
４０
图２—１５６４色图像序列
根据国际上规定的五级质量尺度和妨碍尺度，为上列量化后的图像序列进行主观评定，评定表如下：
２５６色图像序列１２８色图像序列６４色图像序列
ｌ很好很好一般
表２—９图像序列主观评定表
通过对量化后图像序列的主观评价，为视频序列找出最佳的最大量化颜色数为１２８个。

确定ＧｏＰ的帧数为ｌＯ帧，最大量化颜色数为１２８个，采用最大误差增量法对视频序列以ＧｏＰ为单位进行彩色量化，达到了较好的主观和客观的量化效果。

４１
１０１３７６０字节。

ＱＰＰＳＮＲ压缩后文件（‘．ａｖｓ）大小（ｂ”ｅ）压缩比ｒ２压缩比ｒ
５５１．７８６４２６６３１．５７７７．０９７
１５４５．９２４１９１７１２．４１８１０．８８１
２５３９．３８２３６０８８４．２９４１９．３２３
２７３７．９５１９９１４２５．０９１２２．９１
３０３５．８６１５０６１０６．７３１３０．２９
３５３２．８５９０６１３１１．１８８５０．３４６
４５２８３０２２８３３．５３７１５０．９１７
５５２３．７９７８７７１２８．６９９５７９．１４６
表３—３Ｉｎｄｅｘ图像序列压缩后数据表
从表３—３我们可以看出ＯＰ越大，则ＰＳＮＲ越小，即视频图像损失越大，此时压缩比越大。

对压缩后的ＡＶＳ文件进行解码，恢复成量化后的Ｉｎｄｅｘ图序列，然后用彩色图像量化的色表代替它的索引，则可以较好的恢复原始彩色图像和视频序列。

下面主观评价解码后的Ｉｎｄｅｘ图像序列的质量。

图３—１ＱＰ＝１５解码后的Ｉｎｄｅｘ图序列
图３—２ＱＰ＝１５解码后的视频序列
图３—３ＱＰ＝４５解码后的Ｉｎｄｅｘ图序列
图３—４ＱＰ＝４５解码后的视频序列
图３—５ＱＰ＝５５解码后的Ｉｎｄｅｘ图序列
图３—６ＱＰ＝５５解码后的视频序列
从主观上评定解码后的ＱＰ＝１５的视频序列与原视频序列相差不大。

解码后的ＱＰ＝４５的视频序列与原视频序列颜色上有一些差异，但不妨碍观看，此时的压缩率达到１５０左右。

所以采用彩色量化与视频压缩标准ＡＶＳ相结合既达到了一定的有损压缩比又与现有的视频压缩标准兼容。

这种更新、更有效的视频压缩方法不需要另外开发新的视频编码和解码算法，它可以应用标准的视频压缩工具进行视频编码和解码，并且达到了一定的有损压缩比。