[发明专利]云桌面内容编码与解码方法及装置、系统在审
申请号: | 201611125592.5 | 申请日: | 2016-12-08 |
公开(公告)号: | CN108184118A | 公开(公告)日: | 2018-06-19 |
发明(设计)人: | 吴迪;崔振峰;朱海涛 | 申请(专利权)人: | 中兴通讯股份有限公司 |
主分类号: | H04N19/176 | 分类号: | H04N19/176;H04N19/21;H04N19/107;H04N19/51;H04N19/91 |
代理公司: | 深圳市世纪恒程知识产权代理事务所 44287 | 代理人: | 胡海国 |
地址: | 518057 广东省深圳市南山*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 宏块 宏块类型 解码 图像数据 压缩编码 桌面内容 桌面图像 客户端 解码方法及装置 无损压缩编码 解码装置 图形显示 预设 发送 图像 模糊 | ||
1.一种云桌面内容编码方法,其特征在于,所述方法包括:
将云桌面的桌面图像按照预设的方式划分为多个宏块,并确定所述多个宏块分别对应的宏块类型;
在所述宏块类型为第一类型的情况下,对所述宏块进行无损压缩编码,在所述宏块类型为第二类型的情况下,对所述宏块进行有损压缩编码,其中,所述第一类型包括文字类或图形类,所述第二类型包括图像类;
将编码得到的图像数据及所述图像数据对应的宏块类型发送至客户端。
2.根据权利要求1所述的云桌面内容编码方法,其特征在于,对所述宏块进行无损压缩编码的步骤包括:
对所述宏块进行帧内预测和帧间预测得到预测残差;
将所述预测残差按照预设的压缩方法进行变换,并将变换后的预测残差重新排序后进行基于上下文的自适应二进制算术CABAC熵编码。
3.根据权利要求2所述的云桌面内容编码方法,其特征在于,对所述宏块进行无损压缩编码之后还包括:
若编码得到的图像数据的字节bit数大于预设的阈值,则丢弃得到的图像数据,并将所述宏块的编码类型设置为脉冲编码调制PCM类;
若编码得到的图像数据的字节bit数小于或等于预设的阈值,则保留得到的图像数据。
4.根据权利要求3所述的云桌面内容编码方法,其特征在于,在将所述宏块的编码类型设置为PCM类之后还包括:
将所述PCM类的宏块按照Zip格式进行压缩编码,得到对应的图像数据。
5.根据权利要求1所述的云桌面内容编码方法,其特征在于,对所述宏块进行有损压缩编码的步骤包括:
对所述宏块进行帧内预测和帧间预测得到预测残差;
将所述预测残差进行整数DCT变换,得到频域残差数据,并将所述频域残差数据量化后进行所述CABAC熵编码。
6.根据权利要求1至5任意一项所述的云桌面内容编码方法,其特征在于,将编码得到的图像数据及所述图像数据对应的宏块类型发送至客户端之前还包括:
检测所述桌面图像是否为参考图像,若是,则对有损压缩编码所得到的图像数据进行去块效应滤波。
7.一种云桌面内容解码方法,其特征在于,所述方法包括:
接收由云桌面的桌面图像划分的多个宏块压缩编码后的图像数据,以及所述图像数据对应的宏块类型;
在所述图像数据对应的宏块类型为第一类型的情况下,对所述图像数据按照无损压缩编码对应的解码方式进行解码,在所述图像数据对应的宏块类型为第二类型的情况下,对所述图像数据按照有损压缩编码对应的解码方式进行解码,其中,所述第一类型包括文字类或图形类,所述第二类型包括图像类。
8.根据权利要求7所述的云桌面内容解码方法,其特征在于,所述接收由云桌面的桌面图像划分的多个宏块压缩编码后的图像数据,以及所述图像数据对应的宏块类型之后还包括:
在所述图像数据对应的宏块类型为PCM类的情况下,对所述图像数据按照Zip格式进行解码。
9.根据权利要求7或8任意一项所述的云桌面内容解码方法,其特征在于,所述云桌面内容解码方法还包括:
在对接收到的图像数据进行解码后,检测解码后产生的宏块所构成的桌面图像是否为参考图像,若是,则对产生的所述宏块进行去块效应滤波。
10.一种云桌面内容编码装置,其特征在于,所述装置包括:
分类模块,用于将云桌面的桌面图像按照预设的方式划分为多个宏块,并确定所述多个宏块分别对应的宏块类型;
编码模块,用于在所述宏块类型为第一类型的情况下,对所述宏块进行无损压缩编码,在所述宏块类型为第二类型的情况下,对所述宏块进行有损压缩编码,其中,所述第一类型包括文字类或图形类,所述第二类型包括图像类;
传输模块,用于将编码得到的图像数据及所述图像数据对应的宏块类型发送至客户端。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中兴通讯股份有限公司,未经中兴通讯股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201611125592.5/1.html,转载请声明来源钻瓜专利网。
- 上一篇:基于内容的比特流层视频质量评价模型
- 下一篇:推导量化参数的方法