阅读说明：本技术 图像数据解码方法及解码器、图像数据编码方法及编码器 (Image data decoding method, image data decoding device, image data encoding method, and image data encoding device ) 是由 王圣博 林俊隆 林敬杰 姚昌皜 林柏翰 于 2019-06-19 设计创作，主要内容包括：图像数据解码方法,包括：接收一编码值,根据该编码值的一索引值执行以下步骤。收集多个参考样本；对该些参考样本进行分群,产生至少一个群组；得到该至少一个群组的一模型；于一目标区块内取得一目标像素；根据该目标像素,从该至少一个群组中选择一目标群组；以及将该目标像素的一亮度值代入至该目标群组的一模型,以预测出该目标像素的一色度值。(An image data decoding method comprising: receiving a coded value, and executing the following steps according to an index value of the coded value. Collecting a plurality of reference samples; grouping the reference samples to generate at least one group; obtaining a model of the at least one group; obtaining a target pixel in a target block; selecting a target group from the at least one group according to the target pixel; and substituting a luminance value of the target pixel into a model of the target group to predict a chrominance value of the target pixel.)

图像数据解码方法及解码器、图像数据编码方法及编码器

技术领域

本公开是有关于一种图像数据解码方法、图像数据解码器、图像数据编码方法与图像数据编码器。

背景技术

为提高对图像数据的编码效率，国际视频编码标准，例如H.264/AVC(AdvancedVideo Coding，先进视频编码)中引入帧内预测技术来去除当前编码图像区块与邻近已编码图像区块的空间信息冗余。

当在编码格式为YCbCr的图像数据时，如果可以进一步减少编码数据量的话，则可以提高编/解码效率。

发明内容

根据本案一示范性实施例，提出一种图像数据解码方法，包括：接收一编码值，根据该编码值的一索引值执行以下步骤。收集多个参考样本；对所述多个参考样本进行分群，产生至少一个群组；得到该至少一个群组的一模型；于一目标区块内取得一目标像素；根据该目标像素，从该至少一个群组中选择一目标群组；以及将该目标像素的一亮度值代入至该目标群组的一模型，以预测出该目标像素的一色度值。

根据本案一示范性实施例，提出一种图像数据编码方法，包括：收集多个参考样本；对所述多个参考样本进行分群，产生至少一个群组；得到该至少一个群组的一模型；于一目标区块内取得一目标像素；根据该目标像素，从该至少一个群组中选择一目标群组；将该目标像素的一亮度值代入至该目标群组的一模型，以预测出该目标像素的一色度值；以及产生一编码值，该编码值包含一索引值。

根据本案一示范性实施例，提出一种图像数据解码器，包括：一处理器，用以控制该图像数据解码器；一存储器，用以储存多个参考样本与一目标区块；一解码模块；以及一索引接收模块，接收一编码值。该处理器、该存储器、该解码模块以及该索引接收模块彼此互相耦接。该解码模块根据该编码值的一索引值执行以下操作：收集所述多个参考样本；对所述多个参考样本进行分群，产生至少一个群组；得到该至少一个群组的一模型；于该目标区块内取得一目标像素；根据该目标像素，从该至少一个群组中选择一目标群组；以及将该目标像素的一亮度值代入至该目标群组的一模型，以预测出该目标像素的一色度值。

根据本案一示范性实施例，提出一种图像数据编码器，包括：一处理器，用以控制该图像数据编码器；一存储器，用以储存多个参考样本与一目标区块；一编码模块；以及一索引选择模块。该处理器、该存储器、该编码模块以及该索引选择模块彼此互相耦接。该编码模块执行以下操作：收集所述多个参考样本；对所述多个参考样本进行分群，产生至少一个群组；得到该至少一个群组的一模型；于该目标区块内取得一目标像素；根据该目标像素，从该至少一个群组中选择一目标群组；将该目标像素的一亮度值代入至该目标群组的一模型，以预测出该目标像素的一色度值；以及产生一编码值。该索引选择模块从该编码模块所产生的该编码值而产生一索引值。

为了对本公开的上述及其他方面有更佳的了解，下文特举实施例，并配合附图详细说明如下：

附图说明

图1绘示依照本公开一示范性实施例的图像数据解码方法的流程图。

图2A至图2C绘示依照本公开一示范性实施例的参考区块。

图3显示依照本公开一示范性实施例的分群示意图。

图4显示依照本公开一示范性实施例的分群示意图。

图5显示依照本公开一示范性实施例的分群示意图。

图6显示依照本公开一示范性实施例的切割示意图。

图7显示依照本公开一示范性实施例的另一种切割示意图。

图8显示依照本公开一示范性实施例的建立线性模型的示意图。

图9A至图9C显示依照本公开一示范性实施例的建立线性模型的示意图。

图10显示依照本公开一示范性实施例的建立线性模型的示意图。

图11显示依照本公开一示范性实施例的预测色度值的示意图。

图12显示依照本公开一示范性实施例的预测色度值的示意图，其中该目标像素被视为是异常值。

图13绘示依照本公开一示范性实施例的图像数据编码方法的流程图。

图14绘示依照本公开一示范性实施例的图像数据解码器的功能方块图。

图15绘示依照本公开一示范性实施例的图像数据编码器的功能方块图。

符号说明

105-160、1310-1365：步骤

RB1与RB2：参考区块

TB：目标区块

G1、G2、G3、Gi：群组

LM1、LM2、LM3、LMi、LM：线性模型

Yi_group_min：群组最小亮度值

Yi_group_max：群组最大亮度值

Ci_group_min：群组最小色度值

Ci_group_max：群组最大色度值

Ymargin：亮度范围阀值

Cmargin：色度范围阀值

RB1_1、RB1_2、RB1_3、RB2_1、RB2_2：参考子区块

D1-D3：颜色不连续

TB_1、TB_2、TB_3、TB_4、TB_5、TB_6：目标子区块

V1、V2与V3：平均亮度值

TP_Y：目标像素的亮度值

TP_C：目标像素的色度值

1400：图像数据解码器

1410：处理器

1420：存储器

1430：解码模块

1440：索引接收模块

1500：图像数据编码器

1510：处理器

1520：存储器

1530：编码模块

1540：索引选择模块

具体实施方式

本说明书的技术用语参照本技术领域的习惯用语，如本说明书对部分用语有加以说明或定义，该部分用语的解释是以本说明书的说明或定义为准。本公开的各个实施例分别具有一个或多个技术特征。在可能实施的前提下，本技术领域普通技术人员可选择性地实施任一实施例中部分或全部的技术特征，或者选择性地将这些实施例中部分或全部的技术特征加以组合。

图1绘示依照本公开一示范性实施例的图像数据解码方法的流程图。如图1所示，于步骤105中，接收一编码值，根据该编码值的一索引值执行以下步骤。于步骤110中，收集多个参考样本。于步骤120中，对所述多个参考样本进行分群，产生至少一个群组。所产生的群组数量为1，或者是，所产生的群组数量为2以上的任意数。于步骤130中，得到该至少一个群组的模型(例如但不限于，相关性模型(correlation model))。于步骤140中，于一目标区块内取得一目标像素。于步骤150中，根据该目标像素，从该至少一个群组中选择一目标群组。于步骤160中，将该目标像素的一亮度值代入至该目标群组的一模型，以预测出该目标像素的一色度值。

图2A至图2C绘示依照本公开一示范性实施例的参考区块。如图2A所示，参考区块RB1与RB2乃是从目标区块TB的相邻1条像素线取出而得，其中，参考区块RB1乃是从目标区块TB的上方相邻区块而得，参考区块RB2乃是从目标区块TB的左方相邻区块而得，亦即，所述多个参考样本乃是从目标区块的上方相邻区块与左方相邻区块收集而得。目标区块TB包括2B*2B个像素(B为正整数)。如图2B所示，参考区块RB1与RB2乃是从目标区块TB的相邻2条像素线取出而得。如图2C所示，参考区块RB1与RB2乃是从目标区块TB的相邻4条像素线取出而得。

目标区块TB是指待重建的区块，其中，目标区块TB的亮度值乃是已知，而在本案示范性实施例中，利用该些参考区块所建出的模型，可以从目标区块TB的一目标像素的一亮度值来预测出目标区块TB的该目标像素的一色度值。当预测完该目标区块TB内的所有目标像素的个别色度值后，即可视为已重建好该目标区块TB。在底下，以模型为线性模型(linear model)为例做说明，但当知本案并不受限于此。

在步骤110中，扫描所述多个参考样本，以得到所述多个参考样本的多个亮度值与多个色度值。

现将说明步骤120的分群原则。图3显示依照本公开一示范性实施例的分群示意图。如图3所示，将所有的参考样本(图3中的该些点即为各参考样本)分成单一群组G1，并针对该群组G1产生线性模型LM1。之后，将每一目标像素的亮度值代入该线性模型LM1，以预测出每一目标像素的色度值。

图4显示依照本公开一示范性实施例的分群示意图。如图4所示，计算所有参考样本的一平均亮度值AL。根据该平均亮度值AL，将所有参考样本分成2个群组G1与G2，其中，亮度值大于平均亮度值AL的该参考样本分入于群组G1内，亮度值小于平均亮度值AL的该参考样本分入于群组G2内。针对群组G1与G2分别产生线性模型LM1与LM2。找出距离目标像素较近的该群组，以利用该群组的该线性模型来预测该目标像素的色度值。如果目标像素的亮度值大于平均亮度值AL，则将群组G1视为距离该目标像素较近，并利用群组G1的线性模型LM1来预测该目标像素的色度值。相反地，如果目标像素的亮度值小于平均亮度值AL，则将群组G2视为距离该目标像素较近，并利用群组G2的线性模型LM2来预测该目标像素的色度值。

图5显示依照本公开一示范性实施例的分群示意图。扫描各个参考样本，并决定该参考样本是否属于该些群组的任何一既存群组。对所述多个参考样本进行分群的步骤包括：根据所述多个参考样本的一第一参考样本建立一第一群组，并将该第一参考样本归属于该第一群组；根据所述多个参考样本的一第二参考样本的一样本特征值决定是否将该第二参考样本加入该第一群组；若决定将该第二参考样本加入该第一群组，则更新该第一群组的一群组特征值；以及若决定不将该第二参考样本加入该第一群组，建立一第二群组并计算该第二群组的一群组特征值。该群组特征值包括下列的任意组合：一位置、一亮度代表值、一色度分量代表值、一最大亮度、一最小亮度、一最大色度、一最小色度、一参考样本数量。该样本特征值包括下列的任意组合：一亮度、至少一个色度分量、一位置。其细节例如如下所举例。

例如，根据所述多个参考样本的一第二参考样本的一样本特征值决定是否将该第二参考样本加入该第一群组的细节可以如后。其中，下述列出两种实施例，即两组判断公式，只要判断单一或所有参考样本Rn(n为正整数)符合其中任一组判断公式，即可决定将该参考样本Rn(n为正整数)加入至该群组内。

第一组判断公式如后：判断该参考样本Rn(n为正整数)的亮度值YRn与色度值CRn是否符合下列公式，以判断该参考样本Rn是否属于该群组Gi(i＝1～A，A代表既有群组的个数)(下列4个公式都成立，则判断该参考样本Rn属于该群组Gi，亦即，若有任一个公式不成立，则判断该参考样本Rn不属于该群组Gi)：YRn>Yi_group_min–Ymargin；YRn<Yi_group_max+Ymargin；CRn>Ci_group_min-Cmargin；以及CRn<Ci_group_max+Cmargin。

其中，Yi_group_min代表群组Gi内的最小亮度值，Ymargin与Cmargin分别代表亮度范围阀值(其可为既定固定值)与色度范围阀值(其可为既定固定值)，Yi_group_max代表群组Gi内的最大亮度值。Ci_group_min代表群组Gi内的最小色度值，Ci_group_max代表群组Gi内的最大色度值。

第二组判断公式如后：判断参考样本Rn的亮度值YRn与色度值CRn是否符合下列公式，以判断该参考样本Rn是否属于该群组Gi(下列4个公式都成立，则判断该参考样本Rn属于该群组Gi，亦即，若有任一个公式不成立，则判断该参考样本Rn不属于该群组Gi)：YRn>Yi_group_max–Ymargin；YRn<Yi_group_min+Ymargin；CRn>Ci_group_max-Cmargin；以及CRn<Ci_group_min+Cmargin。

如果该参考样本Rn不落于任一现有群组，则创造一新群组，并让该参考样本Rn属于该新群组。

对所有参考样本分群之后，对各群组分别得到其相关的线性模型。

根据目标像素的亮度值，从该些群组中挑出一目标群组，并利用该目标群组的一目标线性模型来预测该目标像素的色度值。例如，假设目标像素的亮度值落于Yi_group_min与Yi_group_max之间，则挑选群组Gi为目标群组，并利用目标群组Gi的目标线性模型LMi来预测目标像素的色度值。

底下举例说明。于初始时，于扫描第一参考样本后，建立第一群组G1，其中该第一群组G1目前只包括该第一参考样本。

之后，扫描第二参考样本R2，并根据上述的二组判断公式的其中之一来判断第二参考样本R2是否属于第一群组G1。

如果判断第二参考样本属于第一群组G1，则将第二参考样本分类至第一群组G1，且据以更新Y1_group_min(选择第一参考样本的亮度值与第二参考样本的亮度值的较小者)、Y1_group_max(选择第一参考样本的亮度值与第二参考样本的亮度值的较大者)、C1_group_min(选择第一参考样本的亮度值与第二参考样本的色度值的较小者)与C1_group_max(选择第一参考样本的亮度值与第二参考样本的色度值的较大者)。

或者，如果判断第二参考样本R2不属于第一群组G1，则建立新的第二群组G2(同样地，目前第二群组G2只包括该第二参考样本R2)。依此方式，直到将所有参考样本都分群为止。

亦即，图5的分群可表示如后：(1)根据一第一参考样本建立一第一群组，并将该第一参考样本归属于该第一群组，并产生该第一群组的一最小亮度值、一最大亮度值、一最小色度值、一最大色度值，其中该最小亮度值为该第一参考样本的一亮度值、该最大亮度值为该第一参考样本的一亮度值、该最小色度值为该第一参考样本的一色度值、该最大色度值为该第一参考样本的一色度值；(2)根据一第二参考样本的一亮度值与一色度值判断该第二参考样本是否属于该第一群组，其细节如上述；(3)若该第二参考样本归属于该第一群组，则更新该第一群组的该最小亮度值为该第一群组的该最小亮度值与该第二参考样本的该亮度值之间的一最小值，更新该第一群组的该最大亮度值为该第一群组的该最大亮度值与该第二参考样本的该亮度值之间的一最大值，更新该第一群组的该最小色度值为该第一群组的该最小色度值与该第二参考样本的该色度值之间的一最小值，更新该第一群组的该最大色度值为该第一群组的该最大色度值与该第二参考样本的该色度值的一最大值；(4)搜寻所有已建立的群组，判断该第二参考样本是否属于任一群组，若该第二参考样本不属于该至少一个群组，则产生一第二群组，并产生该第二群组的一最小亮度值、一最大亮度值、一最小色度值、一最大色度值，其中该第二群组的该最小亮度值为该第二参考样本的该亮度值，该第二群组的该最大亮度值为该第二参考样本的该亮度值，该第二群组的该最小色度值为该第二参考样本的该色度值，以及该第二群组的该最大色度值为该第二参考样本的该色度值。

在本案其他可能示范性实施例中，对所述多个参考样本进行分群的步骤包括：(1)根据一第一参考样本建立一第一群组，并将该第一参考样本归属于该第一群组，并产生该第一群组的一最小亮度值、一最大亮度值，其中该第一群组的该最小亮度值为该第一参考样本的一亮度值、该第一群组的该最大亮度值为该第一参考样本的该亮度值；(2)根据一第二参考样本的一亮度值判断该第二参考样本是否属于该第一群组，其中，根据下列两组判断公式的其中之一来判断该第二参考样本是否归属于该第一群组(若符合任一组判断公式，则将该第二参考样本归属于该第一群组)：(A)第一组判断公式：YRn>Yi_group_min–Ymargin；以及YRn<Yi_group_max+Ymargin；以及(B)第二组判断公式：YRn>Yi_group_max–Ymargin；以及YRn<Yi_group_min+Ymargin；(3)若该第二参考样本归属于该第一群组，则更新该第一群组的该最小亮度值为该第一群组的该最小亮度值与该第二参考样本的该亮度值之间的一最小值、更新该第一群组的该最大亮度值为该第一群组的该最大亮度值与该第二参考样本的该亮度值之间的一最大值；(4)搜寻所有已建立的群组，判断该第二参考样本是否属于任一群组，若该第二参考样本不属于该至少一个群组，则产生一第二群组，并产生该第二群组的一最小亮度值、一最大亮度值。

在本案其他可能示范性实施例中，对所述多个参考样本进行分群的步骤包括：(1)根据一第一参考样本建立一第一群组，并将该第一参考样本归属于该第一群组，并产生该第一群组的一最小色度值、一最大色度值，其中该第一群组的该最小色度值为该第一参考样本的一色度值、该第一群组的该最大色度值为该第一参考样本的该色度值；(2)根据一第二参考样本的一色度值判断该第二参考样本是否属于该第一群组，其中，根据下列两组判断公式来判断该第二参考样本是否归属于该第一群组(若符合任一组判断公式，则将该第二参考样本归属于该第一群组)：(A)第一组判断公式：CRn>Ci_group_min-Cmargin；以及CRn<Ci_group_max+Cmargin；以及(B)第二组判断公式：CRn>Ci_group_max-Cmargin；以及CRn<Ci_group_min+Cmargin；(3)若该第二参考样本归属于该第一群组，则更新该第一群组的该最小色度值为该第一群组的该最小色度值与该第二参考样本的该色度值之间的一最小值、更新该第一群组的该最大色度值为该第一群组的该最大色度值与该第二参考样本的该色度值之间的一最大值；(4)搜寻所有已建立的群组，判断该第二参考样本是否属于任一群组，若该第二参考样本不属于该至少一个群组，则产生一第二群组，并产生该第二群组的一最小色度值、一最大色度值。

此外，在本案实施例中，更可以对参考区块与目标区块进行切割。请参照图6，显示依照本公开一示范性实施例的切割示意图。沿着X轴与Y轴扫描参考样本，并判断是否出现颜色不连续(discontinuity)，判断方式乃是：|C_R(i+1)-C_Ri|>Cthreshold及/或|Y_R(i+1)-Y_Ri|>Ythreshold。其中，C_R(i+1)与C_Ri分别代表参考样本R(i+1)的色度值与参考样本Ri的色度值，Y_R(i+1)与Y_Ri分别代表参考样本R(i+1)的亮度值与参考样本Ri的亮度值。Cthreshold与Ythreshold则为色度临界值(既定值)与亮度临界值(既定值)。

此外，于本案其他示范性实施例中，对所述多个参考样本进行分群的步骤可以包括：定义群组的数量；建立固定数量的群组，并依据该些群组所包括的多个参考样本的个别样本特征值计算该至少一个群组的个别群组特征值；以及将所述多个参考样本依据其个别样本特征值分入该至少一个群组内。该群组特征值包括下列的任意组合：一位置、一亮度代表值、一色度分量代表值、一最大亮度、一最小亮度、一最大色度、一最小色度、一参考样本数量。该样本特征值包括下列的任意组合：一亮度、至少一个色度分量、一位置。

在找出颜色不连续的空间位置后，对参考区块与目标区块进行切割。以图6为例，在找出颜色不连续D1与D2后，将参考区块RB1进行切割为参考子区块RB1_1、RB1_2与RB1_3；在找出颜色不连续D3后，将参考区块RB2进行切割为参考子区块RB2_1与RB2_2。同样地，根据颜色不连续D1-D3，将目标区块TB进行切割为目标子区块TB_1、TB_2、TB_3、TB_4、TB_5与TB_6。之后，可以对参考子区块进行分群(分群细节如上所述)，并利用分群后的该参考子区块建立相对应的模型。

或者是，于预测目标子区块TB_1的目标样本的色度值时，乃是参考参考子区块RB1_1与参考子区块RB2_1；于预测目标子区块TB_2的目标样本的色度值时，乃是参考参考子区块RB1_2与参考子区块RB2_1；于预测目标子区块TB_3的目标样本的色度值时，乃是参考参考子区块RB1_3与参考子区块RB2_1；于预测目标子区块TB_4的目标样本的色度值时，乃是参考参考子区块RB1_1与参考子区块RB2_2；于预测目标子区块TB_5的目标样本的色度值时，乃是参考参考子区块RB1_2与参考子区块RB2_2；以及于预测目标子区块TB_6的目标样本的色度值时，乃是参考参考子区块RB1_3与参考子区块RB2_2。至于预测色度值的方式则如上述所示，于此不重述。亦即，于预测该些目标子区块的任一时，排除该些参考子区块的至少一者。

颜色不连续例如发生在，白色参考样本相邻于黑色参考样本，则出现颜色不连续。或者是，红色参考样本相邻于蓝色参考样本，则出现颜色不连续。

在本案中，找出颜色不连续处，以对参考区块与目标区块进行切割。于预测目标子区块的色度值时，乃是将颜色较为相近的参考子区块纳入参考，而排除颜色较不相近的参考子区块。亦即，以图6而言，目标子区块TB_1的颜色可能较相似于参考子区块RB1_1，但较不相似于参考子区块RB1_2，所以，在重建目标子区块TB_1时，将参考子区块RB1_1纳入参考，但排除参考子区块RB1_2。故而，预测结果可以更加准确。

也就是说，在本案一示范性实施例中，在进行切割时，找出一特征值不连续(例如，颜色不连续)的一空间位置，以对该参考区块与该目标区块进行切割，将该参考区块进行切割为至少一个参考子区块，并对该至少一个参考子区块建立群组；以及利用该至少一个参考子区块建立至少一个模型。

请参照图7，显示依照本公开一示范性实施例的另一种切割示意图。在找出颜色不连续D1与D2后，将参考区块RB1切割为参考子区块RB1_1、RB1_2与RB1_3；在找出颜色不连续D3后，将参考区块RB2切割为参考子区块RB2_1与RB2_2。同样地，根据颜色不连续D1-D3，将目标区块TB切割为目标子区块TB_1、TB_2与TB_3。

之后，于预测目标子区块TB_1的目标样本的色度值时，乃是参考参考子区块RB1_1与参考子区块RB2_1；于预测目标子区块TB_2的目标样本的色度值时，乃是参考参考子区块RB1_2与参考子区块RB2_2；以及于预测目标子区块TB_3的目标样本的色度值时，乃是参考参考子区块RB1_3。至于预测色度值的方式则如上述所示，于此不重述。

或者是，于本案其他示范性实施例中，预测出该目标像素的该色度值的该步骤包括：根据一特征值不连续的一空间位置，将该目标区块切割为至少一个目标子区块；根据该目标像素属于哪一个目标子区块，选择该目标群组；以及利用该目标群组的该模型预测该目标像素的该色度值。

请参照图8，显示依照本公开一示范性实施例的建立线性模型的示意图。图8乃是应用线性回归(linear regression)算法来建立线性模型。对每一群组建立个别相对应线性模型。所建出的线性模型可以表示如下：Y＝αx+β，其中，Y代表色度值，x代表亮度值，α与β则如底下所示：

其中，N代表该群组内的参考样本数量，L(n)与C(n)代表参考样本Rn的亮度值与色度值。

或者是，另一种线性直线方程式计算公式如下：Y＝αx+β，α与β则如底下所示：α＝(Cmax-Cmin)/(Lmax-Lmin)；β＝Cmax-Lmax·(Cmax-Cmin)/(Lmax-Lmin)。其中，Cmax、Cmin、Lmax与Lmin分别代表该群组内的所述多个参考样本的最大色度值、最小色度值、最大亮度值与最小亮度值。

请参照图9A至图9C，显示依照本公开一示范性实施例的建立线性模型的示意图。图9A至图9C乃是应用直线方程式(straight line equation)算法来建立线性模型，亦即，从一群组内的所述多个参考样本中找出2个点(2个参考样本)来建立直线，所建出的直线即为线性模型。

于图9A中，所找的点乃是P1:(L1,Max C)与P2:(L2,Min C)，亦即，P1代表该群组的所述多个参考样本中具有最大色度值的一参考样本，而P2代表该群组的所述多个参考样本中具有最小色度值的一参考样本。

于图9B中，所找的点乃是P1:(Max L,C1)P2:(Min L,C2)，亦即，P1代表该群组的所述多个参考样本中具有最大亮度值的一参考样本，而P2代表该群组的所述多个参考样本中具有最小亮度值的一参考样本。

于图9C中，所找的点乃是P1:(Max L,Max C),P2:(Min L,Min C)，亦即，P1代表该群组的所述多个参考样本中兼具最大亮度值与最大色度值的一参考样本，而P2代表该群组的所述多个参考样本中兼具最小亮度值与最小色度值的一参考样本。

请参照图10，显示依照本公开一示范性实施例的建立线性模型的示意图。图10乃是应用平均(averaging)算法来建立线性模型。图10所应用的情境乃是，在该群组内，所述多个参考样本的亮度值分布及/或色度值分布非常集中(concentrated)，或者是该群组只包括一个参考样本。而应用平均算法时，所预测出的目标样本的色度值乃是所述多个参考样本的该些色度值的平均值。

图11显示依照本公开一示范性实施例的预测色度值的示意图。在本案示范性实施例中，于预测目标像素的色度值时，乃是根据该目标像素的该亮度值，来找出最接近该目标像素的一群组。之后，应用该最接近群组(nearest group)的该线性模型来预测目标像素的色度值。

详言之，于图11中，V1、V2与V3乃是分别代表群组G1、G2与G3的平均亮度值。找出最接近该目标像素的一群组乃是：判断目标像素的亮度值TP_Y最接近V1或V2或V3。如果目标像素的亮度值TP_Y最接近V1，则判断群组G1最接近目标像素，应用群组G1的该线性模型LM1来预测目标像素的色度值TP_C。同样地，如果目标像素的亮度值TP_Y最接近V2，则判断群组G2最接近目标像素，应用群组G2的该线性模型LM2来预测目标像素的色度值TP_C。如果目标像素的亮度值TP_Y最接近V3，则判断群组G3最接近目标像素，应用群组G3的该线性模型LM3来预测目标像素的色度值TP_C。在图11的例子中，目标像素的亮度值TP_Y最接近V2，判断群组G2最接近目标像素，则应用群组G2的线性模型LM2来预测目标像素的色度值TP_C。

图12显示依照本公开一示范性实施例的预测色度值的示意图，其中该目标像素被视为是异常值(out-lier)。在本案示范性实施例中，如果目标像素不落于任一群组的范围内，则将该目标像素被视为是异常值。在本公开一示范性实施例中，对于被视为是异常值的该目标像素的色度值预测有三种方式。

第一种方式是使用整体线性模型ULM(universal linear model)来预测色度值。「整体相关模型」/「整体线性模型」乃是根据所有群组的个别中心点而得。

第二种方式乃是利用邻近色度预测值的平均值来当成被视为是异常值的该目标像素的色度值预测值。在此，所谓「邻近色度预测值」是指亮度值相似的其余目标像素的色度预测值。

第三种方式则是以中间灰阶值来当成被视为是异常值的该目标像素的色度值预测值。例如，以像素值为10位的话，则将512当成是被视为异常值的该目标像素的色度值预测值。

另外，于本案一示范性实施例中，如果先前处理过目标像素的亮度值接近于该目标像素的亮度值，则可以使用先前处理过目标像素的(已预测)色度值当成该目标像素的预测色度值。

图13绘示依照本公开一示范性实施例的图像数据编码方法的流程图。如图13所示，于步骤1310中，收集多个参考样本。于步骤1320中，对所述多个参考样本进行分群，产生至少一个群组。于步骤1330中，得到该至少一个群组的一模型。于步骤1340中，于一目标区块内取得一目标像素。于步骤1350中，根据该目标像素，从该至少一个群组中选择一目标群组。于步骤1360中，将该目标像素的一亮度值代入至该目标群组的一模型，以预测出该目标像素的一色度值。于步骤1365中，产生一编码值，该编码值包含一索引值。

图14绘示依照本公开一示范性实施例的图像数据解码器的功能方块图。本公开一示范性实施例的图像数据解码器1400包括处理器1410、存储器1420、解码模块1430以及索引接收模块1440。处理器1410、存储器1420、解码模块1430以及索引接收模块1440彼此互相耦接。处理器1410用以控制图像数据解码器1400。存储器1420用以储存参考区块与目标区块。解码模块1430可以执行如上所述的解码方法。索引接收模块1440接收由编码器所传来的索引值。解码模块1430以及索引接收模块1440可以是由处理器执行的软件来实现，或是由硬件电路来实现。

图15绘示依照本公开一示范性实施例的图像数据编码器的功能方块图。本公开一示范性实施例的图像数据编码器1500包括处理器1510、存储器1520、编码模块1530以及索引选择模块1540。处理器1510、存储器1520、编码模块1530以及索引选择模块1540彼此互相耦接。处理器1510用以控制图像数据编码器1500。存储器1520用以储存参考区块与目标区块。编码模块1530可以执行如上所述的编码方法。索引选择模块1540从编码模块1530所产生的一编码值而产生索引值。编码模块1530以及索引选择模块1540可以是由处理器执行的软件来实现，或是由硬件电路来实现。

如上所述，本案示范性实施例可以有效预测色度值。故而，当对格式为YCbCr的图像数据进行编码时，只需将Y数据编码即可。故而，可以有效减少编码的比特率。至于CbCr数据则可通过上述方式来预测。本案示范性实施例可以解决独立对色度值编码的效率不佳问题，提高整体编码效率。故而，本案可以应用于具有视频压缩相关技术的产品，例如但不受限于，网络摄影机(webcam)、数字相机、数字摄影机、手持移动装置、数字电视等。

综上所述，虽然本公开已以实施例公开如上，然其并非用以限定本公开。本公开所属技术领域中普通技术人员，在不脱离本公开的精神和范围内，当可作各种的更动与润饰。因此，本公开的保护范围当视所附的权利要求所界定者为准。