解块滤波方法及解块滤波器

摘要

本发明公开了一种解块滤波方法及解块滤波器，所述解块滤波方法直接对图像或视频对应的压缩数据进行解块滤波，由于频域的压缩数据的自身特点，对于8×8的图像块仅需访问U(0，0)、U(0，1)、U(1，1)、U(1，0)这四个DCT变换系数，而传统的解块滤波方法需要对8×8的图像块中的所有像素进行访问，即64个数据，本发明提供的解块滤波方法及解块滤波器需要处理的数据量大大减小约为传统方法的1/16，大大降低了对处理器的带宽要求；而且，所述解块滤波方法及解块滤波器仅需要50MHz的时钟频率，而传统的解块滤波方式需要数百MHz的时钟频率，大大提高了解块滤波的处理速度。

说明书

技术领域

本申请涉及图像解块技术领域，特别是涉及解块滤波方法及解块滤波器。

背景技术

图像或视频在传输时通常需要进行压缩，大多数视频压缩标准采用基于 块变换编码，比如，将整个视频影像分为多个块，对每个块进行预测、用DCT (Discrete Cosine Transform，离散余弦变换)对每个块的残余进行变化，进行 量化以及熵编码。

但是，采用基于块变换编码技术进行变换，当压缩视频或图像的压缩率 较大时，解码图像(即解压出来的图像)就会出现块状瑕疵，所述块状瑕疵 通常称为马赛克，所述块状瑕疵将直接影响图像或视频的画面质量，利用解 块滤波方法可以消除所述块状瑕疵。

传统的解块滤波方法是对解压后的像素域数据进行解块滤波处理，以32 ×32的图像宏块完成16∶9视频格式，图像尺寸为4690×2304，其解块滤波 需要数百MHz时钟频率，需要对每个图像块中的所有像素进行访问，数据量 较大，处理过程很复杂。

发明内容

为解决上述技术问题，本申请实施例提供一种解块滤波方法及解块滤波 器，以解决现有的解块滤波方法存在的数据量大、处理过程复杂的问题，技 术方案如下：

本申请提供一种解块滤波方法，包括：

从图像块压缩数据中获取相邻的第一图像块和第二图像块两图像块的半 尺寸平移图像块对应的压缩数据；

对所述半尺寸平移图像块对应的压缩数据进行滤波处理，得到第一半尺 寸平移图像块压缩数据；

利用所述第一半尺寸平移图像块压缩数据重构所述第一图像块和第二图 像块对应的压缩数据。

优选的，所述获取所述半尺寸平移图像块对应的压缩数据具体根据以下 公式计算得到：

W′(0，0)＝[8U(0，0)-7U(0，1)+8V(0，0)+7V(0，1)]/16

W′(0，1)＝[7U(0，0)-5U(0，1)-7V(0，0)-5V(0，1)]/16

W′(0，2)＝[3U(0，1)-3V(0，1)]/16

W′(0，3)＝[-3U(0，0)+5U(0，1)+3V(0，0)+5V(0，1)]/16

其中，所述半尺寸平移图像块对应的压缩数据为W′，W′具体为一个8×8 的矩阵，U为第一图像块对应的压缩数据，V为第二图像块对应的压缩数据， 且U和V均为8×8的矩阵。

优选的，在获得所述半尺寸平移图像块对应的压缩数据之后，所述对所 述半尺寸平移图像块对应的压缩数据进行滤波处理之前还包括：

依据所述图像块出现的块状瑕疵的强弱，确定第一图像块和第二图像块 的边界强度，所述边界强度包括强瑕疵边界、次强瑕疵边界和弱瑕疵边界；

所述对所述半尺寸平移图像块对应的压缩数据进行滤波处理具体包括：

当确定出所述边界强度为强瑕疵边界强度时，采用强边界滤波方式对所 述半尺寸平移图像块对应的压缩数据进行滤波，得到第一半尺寸平移图像块 压缩数据；

当确定出所述边界强度为次强瑕疵边界强度时，采用次强边界滤波方式 对所述半尺寸平移图像块对应的压缩数据进行滤波，得到第一半尺寸平移图 像块压缩数据；

当确定出所述边界强度为若瑕疵边界强度时，采用弱边界滤波方式对所 述半尺寸平移图像块对应的压缩数据进行滤波，得到第一半尺寸平移图像块 压缩数据。

优选的，所述采用强边界滤波方式对所述半尺寸平移图像块对应的压缩 数据进行滤波，得到第一半尺寸平移图像块压缩数据，具体采用以下公式计 算得到：

W″＝W′+ΔW′，式中，W″为所述第一半尺寸平移图像块压缩数据，也为 8×8的矩阵，ΔW′也为8×8的矩阵，其中：

ΔW′(0，x)＝[1.25W′(0，2)0.75W′(0，3)0-W′(0，3)0-W′(0，5)0 -W′(0，7)]，式中，x为整数，且0≤x≤7。

优选的，所述采用次强边界滤波方式对所述半尺寸平移图像块对应的压 缩数据进行滤波，得到第一半尺寸平移图像块对应的压缩数据时，具体采用 以下公式计算得到：

W″＝W′+ΔW′，式中，W″为所述第一半尺寸平移图像块压缩数据，也为 8×8的矩阵，ΔW′也为8×8的矩阵，其中：

$\Delta W^{\prime }(0,x)=\left(\begin{array}{c}0.5(1.25W^{\prime }\left(\mathrm{0,2}\right)-W^{\prime }\left(\mathrm{0,0}\right)+0.5[U\left(\mathrm{0,0}\right)+V\left(\mathrm{0,0}\right)\left]\right)\\ 0.5(0.75W^{\prime }\left(\mathrm{0,3}\right)-W^{\prime }\left(\mathrm{0,1}\right)+0.5[U\left(\mathrm{0,1}\right)+V\left(\mathrm{0,1}\right)\left]\right)\\ 0\\ 0.5(0-2W^{\prime }\left(\mathrm{0,3}\right)+0.5[U\left(\mathrm{0,3}\right)+V\left(\mathrm{0,3}\right)\left]\right)\\ 0\\ 0.5(0-2W^{\prime }\left(\mathrm{0,5}\right)+0.5[U\left(\mathrm{0,5}\right)+V\left(\mathrm{0,5}\right)\left]\right)\\ 0\\ 0.5(0-2W^{\prime }\left(\mathrm{0,7}\right)+0.5[U\left(\mathrm{0,7}\right)+V\left(\mathrm{0,7}\right)\left]\right)\end{array}\right)\prime ,$式中， x为整数，且0≤x≤7。

优选的，所述采用弱边界滤波方式对所述半尺寸平移图像块对应的压缩 数据进行滤波，得到第一半尺寸平移图像块对应的压缩数据，具体采用以下 公式计算得到：

W″＝W′+ΔW′，式中，W″为所述第一半尺寸平移图像块压缩数据，也为 8×8的矩阵，ΔW′也为8×8的矩阵，其中：

$\Delta W^{\prime }(0,x)=\left(\begin{array}{c}0.5(0-W^{\prime }\left(\mathrm{0,0}\right)+0.5[U\left(\mathrm{0,0}\right)+V\left(\mathrm{0,0}\right)\left]\right)\\ 0.5(0-W^{\prime }\left(\mathrm{0,1}\right)+0.5[U\left(\mathrm{0,1}\right)+V\left(\mathrm{0,1}\right)\left]\right)\\ 0\\ 0.5(0-W^{\prime }\left(\mathrm{0,3}\right)+0.5[U\left(\mathrm{0,3}\right)+V\left(\mathrm{0,3}\right)\left]\right)\\ 0\\ 0.5(0-W^{\prime }\left(\mathrm{0,5}\right)+0.5[U\left(\mathrm{0,5}\right)+V\left(\mathrm{0,5}\right)\left]\right)\\ 0\\ 0.5(0-W^{\prime }\left(\mathrm{0,7}\right)+0.5[U\left(\mathrm{0,7}\right)+V\left(\mathrm{0,7}\right)\left]\right)\end{array}\right)\prime ,$式中，x为整数，且 0≤x≤7。

优选的，所述利用所述第一半尺寸平移图像块压缩数据重构所述第一图 像块和第二图像块对应的压缩数据具体采用以下公式计算得到：

U′＝U+(ΔW′)T₁′，其中，${T_1}^{\prime }=\left(\begin{array}{cc}2& -2\\ 2& 1\end{array}\right)/4,$式中，U为第一图像块对应 的压缩数据，U′为重构后第一图像块对应的压缩数据；

V′＝V+(ΔW′)T₁，其中，$T_1=\left(\begin{array}{cc}2& 2\\ -2& 1\end{array}\right)/4,$式中，V为第二图像块对应的 压缩数据，V′为重构后第二图像块对应的压缩数据。

本申请还提供一种解块滤波器，包括半尺寸平移图像块压缩数据计算电 路、滤波电路和重构电路，其中：

所述半尺寸平移图像块压缩数据计算电路，用于根据两个相邻第一图像 块和第二图像块对应的压缩数据得到两个相邻图像块的半尺寸平移图像块对 应的压缩数据；

所述滤波电路，用于对所述半尺寸平移图像块压缩数据计算电路计算得 到的半尺寸平移图像块对应的压缩数据进行滤波处理，得到第一半尺寸平移 图像块压缩数据；

所述重构电路，用于利用所述第一半尺寸平移图像块压缩数据重构所述 第一图像块和第二图像块对应的压缩数据。

优选的，所述滤波电路包括：强边缘滤波电路、次强边缘滤波电路和弱 边缘滤波电路，此三种滤波电路均通过加法器和移位器实现，其中：

当所述边界强度为强瑕疵边界强度时，利用所述强边缘滤波电路对所述 半尺寸平移图像块对应的压缩数据进行滤波，得到第一半尺寸平移图像块压 缩数据；

当所述边界强度为次强瑕疵边界强度时，采用次强边缘滤波电路对所述 半尺寸平移图像块对应的压缩数据进行滤波，得到第一半尺寸平移图像块压 缩数据；

当所述边界强度为若瑕疵边界强度时，采用弱边缘滤波方式对所述半尺 寸平移图像块对应的压缩数据进行滤波，得到第一半尺寸平移图像块压缩数 据。

优选的，所述重构电路包括：第一重构电路和第二重构电路，其中：

所述第一重构电路，用于利用所述滤波电路输出的第一半尺寸平移图像 块压缩数据及第一图像块对应的压缩数据，重构所述第一图像块对应的压缩 数据；

所述第二重构电路，用于利用所述滤波电路输出的第一半尺寸平移图像 块压缩数据及第二图像块对应的压缩数据，重构所述第二图像块对应的压缩 数据。

由以上本申请实施例提供的技术方案可见，所述解块滤波方法及解块滤 波器，直接对图像或视频对应的压缩数据进行解块滤波，由于频域的压缩数 据的自身特点，对于8×8的图像块仅需访问U(0，0)、U(0，1)、U(1，1)、U(1，0) 这四个DCT变换系数，而传统的解块滤波方法需要对8×8的图像块中的所 有像素进行访问，即64个数据，本申请提供的解块滤波方法及解块滤波器需 要处理的数据量大大减小约为传统方法的1/16，大大降低了对处理器的带宽 要求；而且，所述解块滤波方法及解块滤波器仅需要50MHz的时钟频率，而 传统的解块滤波方式需要数百MHz的时钟频率，大大提高了解块滤波的处理 速度。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实 施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面 描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员 来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例一种图像块的结构示意图；

图2为本申请实施例一种解块滤波方法的流程示意图；

图3为本申请实施例一种解块滤波器的电路原理框图；

图4为本申请实施例一种半尺寸平移图像块的压缩数据计算电路的示意 图；

图5为本申请实施例一种强边缘滤波电路的电路示意图；

图6为本申请实施例一种次强边缘滤波电路的电路示意图；

图7为本申请实施例一种弱边缘滤波电路的电路示意图；

图8为本申请实施例一种第一重构电路的示意图；

图9为本申请实施例一种第二重构电路的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合 本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描 述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施 例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前 提下所获得的所有其他实施例，都应当属于本申请保护的范围。

如图1所示，示出了两个相邻的图像块，第一图像块为u，第二图像块为 v，由于DCT变换针对的是8×8的图像块，因此，u和v均为8×8的图像块， 块状瑕疵一般出现在两个图像块的边界处。

本申请实施例提供的解块滤波方法直接对图像块的压缩数据进行处理， 即选取两个图像块u和v的半块尺寸平移图像块，即第一图像块u和第二图 像块v的半尺寸平移图像块，也即图1中的图像块w，将半尺寸平移图像块w 对应的压缩数据W′进行解块滤波处理后得到第一半尺寸平移图像块压缩数据 W″，利用所述第一半尺寸平移图像块压缩数据W″重构第一图像块u对应的 压缩数据U′及第二图像块v对应的压缩数据V′，得到的U′和V′是不存在块状 瑕疵。

请参见图2，示出了本申请实施例一种解块滤波方法，该解块滤波方法直 接对图像块的压缩数据进行处理，具体包括以下步骤：

S201，从图像块压缩数据中获取相邻的第一图像块和第二图像块两图像 块的半尺寸平移图像块对应的压缩数据；

具体的，结合图1所示的图像块，第一图像块为u，其对应的压缩数据记 为U，第二图像块为v，其对应的压缩数据记为V，该步骤获取第一图像块u 和第二图像块v的半尺寸平移图像块，即图1中的W对应的压缩数据记为W′， 其中，W′为8×8的矩阵据。

具体的，可以根据第一图像块对应的压缩数据U和第二图像块对应的压 缩数据V通过公式计算得到半尺寸平移图像块对应的压缩数据W′，其中U为 8×8的矩阵，V也为8×8的矩阵。

具体的，根据以下公式计算得到半尺寸平移图像块w对应的压缩数据W′， 由于压缩视频经过量化，同时频域数据自身呈现的特点，主频率分量接近(0，0) 位置，在进行半块尺寸平移图像块频率系数提取过程时，因此，仅使用到 W′(0，0)、W′(0，1)、W′(0，2)、W′(0，3)这四个数据：

W′(0，0)＝[8U(0，0)-7U(0，1)+8V(0，0)+7V(0，1)]/16    (式1)

W′(0，1)＝[7U(0，0)-5U(0，1)-7V(0，0)-5V(0，1)]/16    (式2)

W′(0，2)＝[3U(0，1)-3V(0，1)]/16                      (式3)

W′(0，3)＝[-3U(0，0)+5U(0，1)+3V(0，0)+5V(0，1)]/16   (式4)

S202，对所述半尺寸平移图像块对应的压缩数据进行滤波处理，得到第 一半尺寸平移图像块压缩数据；

对获得的半尺寸平移图像块W对应的压缩数据W′进行解块滤波处理，得 到第一半尺寸平移图像块压缩数据W″，根据以下公式可计算得到第一半尺寸 平移图像块压缩数据W″：

W″＝W′+ΔW′                        (式5)

式中，W″为8×8的矩阵，ΔW′也为8×8的矩阵，具体的，ΔW′可以根 据以下公式计算得到。

具体的，此步骤需要根据所述图像块出现的块状瑕疵的强弱，确定边界 强度，即块状瑕疵的强度，具体可以划分为强瑕疵边界、次强瑕疵边界和弱 瑕疵边界；

1)当确定为强瑕疵边界时，采用强边界滤波方式进行滤波；

ΔW′(0，x)＝[1.25W′(0，2)0.75W′(0，3)0-W′(0，3)0-W′(0，5)0- W′(0，7)]                                            (式6)

式中，x为整数，且0≤x≤7。

此处给出了ΔW′矩阵中的第一行的8个数据，即ΔW′(0，0)＝1.25W′(0，2)、 ΔW′(0，1)＝0.75W′(0，3)、ΔW′(0，2)＝0、ΔW′(0，3)＝-W′(0，3)、ΔW′(0，4)＝0、 ΔW′(0，5)＝-W′(0，5)、ΔW′(0，6)＝0、ΔW′(0，7)＝-W′(0，7)。

需要说明的是，实际计算时，由于压缩视频经过量化，同时压缩视频频 域数据自身呈现的特点，主频率分量接近(0，0)的位置，因此，仅使用ΔW′(0，0) 和ΔW′(0，1)这两个数据。

2)当确定为次强瑕疵边界时，采用次强边界滤波方式进行滤波；

$\Delta W^{\prime }(0,x)=\left(\begin{array}{c}0.5[1.25W^{\prime }(0,2)-W^{\prime }\left(\mathrm{0,0}\right)+0.5(U\left(\mathrm{0,0}\right)+V\left(\mathrm{0,0}\right))]\\ 0.5[0.75W^{\prime }\left(\mathrm{0,3}\right)-W^{\prime }\left(\mathrm{0,1}\right)+0.5(U\left(\mathrm{0,1}\right)+V\left(\mathrm{0,1}\right))]\\ 0\\ 0.5[0-2W^{\prime }\left(\mathrm{0,3}\right)+0.5(U\left(\mathrm{0,3}\right)+V\left(\mathrm{0,3}\right))]\\ 0\\ 0.5[0-2W^{\prime }\left(\mathrm{0,5}\right)+0.5(U\left(\mathrm{0,5}\right)+V\left(\mathrm{0,5}\right))]\\ 0\\ 0.5[0-2W^{\prime }\left(\mathrm{0,7}\right)+0.5(U\left(\mathrm{0,7}\right)+V\left(\mathrm{0,7}\right))]\end{array}\right)\prime$(式7)

式7中，x为整数，且0≤x≤7。

此公式与(式6)相同，给出了ΔW′矩阵中的第一行的8个数据，此8个 数据的计算公式具体如下：

ΔW′(0，0)＝0.5(1.25W′(0，2)-W′(0，0)+0.5[U(0，0)+V(0，0)])    (式7-1)

ΔW′(0，1)＝0.5(0.75W′(0，3)-W′(0，1)+0.5[U(0，1)+V(0，1)])    (式7-2)

ΔW′(0，2)＝0                                                    (式7-3)

ΔW′(0，3)＝0.5(0-2W′(0，3)+0.5[U(0，3)+V(0，3)])               (式7-4)

ΔW′(0，4)＝0                                                    (式7-5)

ΔW′(0，5)＝0.5(0-2W′(0，5)+0.5[U(0，5)+V(0，5)])               (式7-6)

ΔW′(0，6)＝0                                                    (式7-7)

ΔW′(0，7)＝0.5(0-2W′(0，7)+0.5[U(0，7)+V(0，7)])               (式7-7)

需要说明的是，具体应用时，由于压缩视频经过量化，同时，频域 压缩数据自身呈现的特点，主频率分量接近(0，0)位置，因此，仅使用ΔW′(0，0) 和ΔW′(0，1)这两个数据。

3)当确定为弱瑕疵边界时，采用弱边界滤波方式进行滤波。

$\Delta W^{\prime }(0,x)=\left(\begin{array}{c}0.5[0-W^{\prime }\left(\mathrm{0,0}\right)]+0.5[U\left(\mathrm{0,0}\right)+V\left(\mathrm{0,0}\right)]\\ 0.5[0-W^{\prime }\left(\mathrm{0,1}\right)]+0.5[U\left(\mathrm{0,1}\right)+V\left(\mathrm{0,1}\right)]\\ 0\\ 0.5[0-W^{\prime }\left(0.3\right)]+0.5[U\left(\mathrm{0,3}\right)+V\left(\mathrm{0,3}\right)]\\ 0\\ 0.5[0-W^{\prime }\left(\mathrm{0,5}\right)]+0.5[U\left(\mathrm{0,5}\right)+V\left(\mathrm{0,5}\right)]\\ 0\\ 0.5[0-W^{\prime }\left(\mathrm{0,7}\right)]+0.5[U\left(\mathrm{0,7}\right)+V\left(\mathrm{0,7}\right)]\end{array}\right)\prime$(式8)

式8中，x为整数，且0≤x≤7。

此公式与(式7)相同，给出了ΔW′矩阵中的第一行的8个数据，此8个 数据的计算公式具体如下：

ΔW′(0，0)＝0.5[0-W′(0，0)]+0.5[U(0，0)+V(0，0)]    (式8-1)

ΔW′(0，1)＝0.5[0-W′(0，1)]+0.5[U(0，1)+V(0，1)]    (式8-2)

ΔW′(0，2)＝0                                        (式8-3)

ΔW′(0，3)＝0.5[0-W′(0，3)]+0.5[U(0，3)+V(0，3)]    (式8-4)

ΔW′(0，4)＝0                                        (式8-5)

ΔW′(0，5)＝0.5[0-W′(0，5)]+0.5[U(0，5)+V(0，5)]    (式8-6)

ΔW′(0，6)＝0                                        (式8-7)

ΔW′(0，7)＝0.5[0-W′(0，7)]+0.5[U(0，7)+V(0，7)]    (式8-8)

需要说明的是，具体应用时，由于压缩视频经过量化，且频域数据自身 呈现的特点，主频率分量接近(0，0)位置，仅使用ΔW′(0，0)和ΔW′(0，1)这两 个数据。

S203，利用所述第一半尺寸平移图像块压缩数据重构所述第一图像块和 第二图像块对应的压缩数据。

利用上个步骤得到的第一半尺寸平移图像块压缩数据W″重构第一图像 块对应的压缩数据U′和第二图像块对应的压缩数据V′，重构得到的U′和V′不 存在块状瑕疵。

具体的，利用以下公式重构第一图像块对应的压缩数据U′：

U′＝U+(ΔW′)T₁′                                    (式9)

式中，${T_1}^{\prime }=\left(\begin{array}{cc}2& -2\\ 2& 1\end{array}\right)/4,$U为第一图像块对应的压缩数据，U′为重构后 第一图像块u对应的压缩数据；

利用以下公式重构第二图像块对应的压缩数据V′：

V′＝V+(ΔW′)T₁                        (式10)

式中，$T_1=\left(\begin{array}{cc}2& 2\\ -2& 1\end{array}\right)/4,$V为第二图像块对应的压缩数据，V′为重构后 第二图像块v对应的压缩数据。

本实施例提供的解块滤波方法直接对图像或视频对应的压缩数据进行解 块滤波，由于频域的压缩数据的自身特点，对于8×8的图像块仅需访问 U(0，0)、U(0，1)、U(1，1)、U(1，0)这四个DCT变换系数，而传统的解块滤波 方法需要对8×8的图像块中的所有像素进行访问，即64个数据，本申请提 供的解块滤波方法需要处理的数据量大大减小约为传统方法的1/16，大大降 低了对处理器的带宽要求；而且，所述解块滤波方法仅需要50MHz的时钟频 率，而传统的解块滤波方式需要数百MHz的时钟频率，大大提高了解块滤波 的处理速度。

请参见图3，示出了本申请实施例提供的解块滤波器的电路原理图，所述 解块滤波器包括：半尺寸平移图像块压缩数据计算电路100、滤波电路200和 重构电路300。

所述半尺寸平移图像块压缩数据计算电路100，用于根据两个相邻图像块 的压缩数据得到两个相邻图像块的半尺寸平移图像块对应的压缩数据。

具体实施时，结合图1，两个相邻的图像块分别为第一图像块U和第二 图像块V，所述半尺寸平移图像块压缩数据计算电路100用于计算得到包含 两个图像块边界的半尺寸平移图像块W对应的压缩数据W′。

所述滤波电路200，用于对所述半尺寸平移图像块压缩数据计算电路100 计算得到的半尺寸平移图像块对应的压缩数据W′进行解块滤波处理，即通过 该滤波电路200计算得到ΔW′，其中，W′+ΔW′＝W″，W′为半尺寸平移图像 块对应的压缩数据，W″为W′进行滤波处理后的压缩数据。

具体的，该滤波电路200包括：强边缘滤波电路、次强边缘滤波电路和 弱边缘滤波电路三种滤波电路，其中，强边缘滤波电路适用于强块状瑕疵的 情况；次强边缘滤波电路适用于块状瑕疵不强的情况；弱边缘滤波电路适用 于块状瑕疵较弱的情况。

所述重构电路300，用于利用所述滤波电路200得到的ΔW′重新构成第一 图像块u的压缩数据U′和第二图像块v的压缩数据V′，重构的U′和V′不存在 块状瑕疵。

具体的，所述重构电路300包括第一重构电路和第二重构电路，所述第 一重构电路利用所述滤波电路200得到的ΔW′重新构成第一图像块u的压缩 数据U′；所述第二重构电路利用所述滤波电路200得到的ΔW′重新构成第二 图像块v的压缩数据V′。

本实施例提供的解块滤波器，直接对图像块的压缩数据进行解块滤波， 由于频域的压缩数据的自身特点，对于8×8的图像块仅需访问U(0，0)、 U(0，1)、U(1，1)、U(1，0)这四个DCT变换系数，而传统的解块滤波方法需要 对8×8的图像块中的所有像素进行访问，即64个数据，本申请提供的解块 滤波器需要处理的数据量大大减小，约为传统解块滤波方式的1/16，大大降 低了对处理器的带宽要求；而且，所述解块滤波器仅需要50MHz的时钟频率， 而传统的解块滤波方式需要数百MHz的时钟频率，大大提高了解块滤波的处 理速度。

请参见图4，示出了半尺寸平移图像块压缩数据计算电路的电路原理示意 图。

如图4所示，所述半尺寸平移图像块压缩数据计算电路通过加法器及移 位器实现，电路的输入端分别为U(0)(即第一图像块的压缩数据U(0，0))、U(1) (即第一图像块的压缩数据U(0，1))、V(0)(即第二图像块的压缩数据V(0，0))、 V(1)(即第二图像块的压缩数据V(0，1))。

所述半尺寸平移图像块压缩数据计算电路的输出端分别输出W′(0)(即半 尺寸平移图像块的压缩数据W′(0，0))、W′(1)(即半尺寸平移图像块的压缩数 据W′(0，1))、W′(2)(即半尺寸平移图像块的压缩数据W′(0，2))、W′(3)(即半 尺寸平移图像块的压缩数据W′(0，3))。

如图4所示，图中的移位器中的“＜＜3”表示的左移3位，“＞＞4”表示右 移4位，对于二进制数据，左移3位相当于原数据乘以8，右移4位相当于原 数据除以16，以此类推，左移一位相当于原数据乘以2，左移两位相当于原 数据乘以4，右移1位相当于原数据除以2，右移2位相当于原数据除以4。

如图4所示的电路可得：

W′(0，0)＝[8(U(0)-U(1))+8(V(0)+V(1))+(U(1)-V(1))]/16

＝[8U(0，0)-7U(0，1)+8V(0，0)+7V(0，1)]/16

W′(0，1)＝[8(U(0)-V(0))+(V(0)-U(0))-4(U(1)+V(1))-(U(1)+V(1))]/16

＝[7U(0，0)-5U(0，1)-7V(0，0)-5V(0，1)]/16

W′(0，2)＝[4(U(1)-V(1))-(U(1)-V(1))]/16

＝[3U(0，1)-3V(0，1)]/16

W′(0，3)＝[4(U(1)+V(1))+(U(1)+V(1))+2(V(0)-U(0))+(V(0)-U(0))]/16

＝[-3U(0，0)+5U(0，1)+3V(0，0)+5V(0，1)]/16

通过图4所示的半尺寸平移图像块压缩数据计算电路，能够分别得到前 文的(式1)、(式2)、(式3)和(式4)的计算公式，进而得到W′(0，0)、W′(0，1)、W′(0， 2)、W′(0，3)这四个数据。

请参见图5示出了强边缘滤波电路的电路原理示意图。

如图5所示，强边缘滤波电路也是通过加法器及移位器实现，该强边缘 滤波电路包括两个输入端，分别输入半尺寸平移图像块对应的压缩数据 W′(0，2)、W′(0，3)，输出端输出ΔW′(0，0)、ΔW′(0，1)。

具体的，由于仅需要ΔW′(0，0)、ΔW′(0，1)这两个数据，因此，强边缘滤 波电路可得到以下公式：

ΔW′(0，0)＝W′(0，2)+W′(0，2)/4＝1.25W′(0，2)        (式11)

ΔW′(0，1)＝W′(0，3)-W′(0，3)/4＝0.75W′(0，3)        (式12)

请参见图6，示出了次强边缘滤波电路的电路原理示意图。所述次强边缘 滤波电路也是通过加法器及移位器实现，该电路包括8个输入端，8个输入端 由上至下依次输入W′(0，2)、W′(0，0)、U(0，0)、V(0，0)、W′(0，3)、W′(0，1)、V(0，1)、 U(0，1)，其中，W′(0，2)、W′(0，0)、W′(0，3)、W′(0，1)为半尺寸平移图像块对应 的压缩数据矩阵W′中的数据；U(0，0)、U(0，1)为第一图像块U对应的压缩数据 矩阵U中的数据；V(0，0)、V(0，1)为第二图像块V对应的压缩数据矩阵V中 的数据。该电路包括两个输出端，分别输出ΔW′(0，0)和ΔW′(0，1)。

如图6所示，由次强边缘滤波电路可以得到以下公式：

ΔW′(0，0)＝0.5[W′(0，2)+0.25W′(0，2)-W′(0，0)+0.5(U(0，0)+V(0，0))]

＝0.5[1.25W′(0，2)-W′(0，0)+0.5(U(0，0)+V(0，0))]    (式13)

ΔW′(0，1)＝0.5[W′(0，3)-0.25W′(0，3)-W′(0，1)+0.5(V(0，1)+U(0，1))]

＝0.5[0.75W′(0，3)-W′(0，1)+0.5(U(0，1)+V(0，1))]    (式14)

请参见图7，示出了弱边缘滤波电路的电路原理示意图，所述弱边缘滤波 电路通过加法器和移位器实现，该电路包括8个输入端，8个输入端由上至下 依次输入：0、W′(0，0)、U(0，0)、V(0，0)、0、W′(0，1)、V(0，1)、U(0，1)；该电 路包括两个输出端，分别输出ΔW′(0，0)和ΔW′(0，1)。

如图所示，由弱边缘滤波电路可以得到以下公式：

ΔW′(0，0)＝0.5[0-W′(0，0)]+0.5[U(0，0)+V(0，0)]            (式15)

ΔW′(0，1)＝0.5[0-W′(0，1)]+0.5[U(0，1)+V(0，1)]            (式16)

请参见图8，示出了第一重构电路的电路示意图，该电路包括6个输入端， 此6个输入端由上至下依次输入：U(0，0)、ΔW′(0，0)、ΔW′(0，1)、U(0，1)、 ΔW′(0，1)、ΔW′(0，0)；该电路包括两个输出端，依次输出第一图像块对应的重 新构成的压缩数据U′(0，0)、U′(0，1)。

由图8所示的电路图可以得到以下公式：

U′(0，0)＝U(0，0)+0.5[ΔW′(0，0)+ΔW′(0，1)]                (式17)

U′(0，1)＝U(0，1)+0.25[ΔW′(0，1)-2ΔW′(0，0)]              (式18)

请参见图9，示出了第二重构电路的电路示意图，该电路包括6个输入端， 此6个输入端由上至下依次输入：V(0，0)、ΔW′(0，0)、ΔW′(0，1)、V(0，1)、 ΔW′(0，1)、ΔW′(0，0)；该电路包括两个输出端，依次输出第一图像块对应的重 新构成的压缩数据V′(0，0)、V′(0，1)。

由图9所示的电路示意图可以得到以下公式：

V′(0，0)＝V(0，0)+0.5[ΔW′(0，0)-ΔW′(0，1)]              (式19)

V′(0，1)＝V(0，1)+0.25[ΔW′(0，1)+2ΔW′(0，0)]            (式20)

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用 来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者 暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语 “包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使 得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且 还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品 或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......” 限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还 存在另外的相同要素。

以上所述仅是本申请的具体实施方式，应当指出，对于本技术领域的普 通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润 饰，这些改进和润饰也应视为本申请的保护范围。