CN101188671A - 视频图像的锐化方法 - Google Patents

Abstract

本发明提供一种视频图像的锐化方法，首先，对读入的视频图像计算亮度图，接着，计算高低频分量，随后，将高频分量划分为噪声和需增强的有用分量，并进行相应的处理，得到新的高频分量，最后，获取增强后的亮度图；利用本发明的视频图像的锐化方法可以抑制可能的噪声，逐点处理细节和边缘的增强程度，使画面增强了轮廓和细节的同时，更柔和细腻。

Description

视频图像的锐化方法

技术领域

本发明涉及一种针对视频图像进行锐化的方法，具体的说，是涉及一种应用于电视设备的逐点锐化图像的方法。

背景技术

所谓锐化，目的是使模糊的图像变得更加清晰。视频图像之所以模糊，就是因为在信号传输过程中损失了高频分量，从频谱角度分析，图像模糊的实质是其高频分量被衰减，因而可以通过高通滤波来清晰图像。锐化的基本思想就是合理地提高图像的高频成分。

常用的增强清晰度的算法一般有两种，即微分法和高通滤波法，其分别是空域和频域的处理算法。空域方法比较有代表性的有拉普拉斯算法、SOBEL算法、反锐化掩模等方法，频域较有代表性的有小波变换方法。这些方法都能够有效地提高图像的清晰度，但有个共同的特点，增强的同时也放大了噪声，有时还出现明显的白边。

申请号为03110774.5的中国专利提供了一种增强图像清晰度的方法和设备，其将一组图像复制成两组，一组进行阶梯/边缘增强，一组进行结构增强，然后将两组按一定方式组合成清晰度提高的图像，所述方法需要提取两幅以上的视频图像，然后检测动态和非动态区域，得到多组图像组合，运算起来比较复杂。而申请号为01800628.0的中国专利提出了一种应用于电视设备的增强图像的电路和方法，其改善了现有技术中执行成本较高的缺点，在不降低输出信号质量的情况下降低了成本，去除了低通滤波器，并提供了至少一个调整单元来调整高频增强程度。然而，这些技术方案的共同特点是实现复杂，没有对噪声进行相应的抑制。

发明内容

本发明的目的在于提供一种可以抑制噪声且实现复杂度较低的视频图像锐化方法，以改善画面质量，提高视频图像的清晰度。

为达到上述目的，本发明提供一种视频图像的锐化方法，其包含以下步骤：首先，对读入的视频图像计算亮度图；接着，计算高低频分量；随后，将高频分量划分为噪声和需增强的有用分量，并进行相应的处理，得到新的高频分量；最后，获取增强后的亮度图。

本发明所述的视频图像的锐化方法，其中对高频分量进行划分及处理的步骤更详细地包括：清除细小噪声；用非线性高频增强曲线，得到新的高频分量，其中，所述增强程度为可控制。更详细地说，清除细小噪声的步骤更进一步包括：设定一阈值，判断所述高频分量是否小于阈值；若是则认为小于所述阈值的高频分量为噪声，将新的高频分量f_newHp(i，j)置为0，以抑制掉小幅高频噪声。

本发明所述的视频图像的锐化方法，其中用非线性高频增强曲线H，得到新的高频分量f_newHp(i，j)，并利用边缘亮度f_Edge(i，j)控制所述增强程度。

本发明所述的视频图像的锐化方法，其中获取增强后的亮度图的步骤更详细地包括：对认为是边缘和细节的有用信号进行增强；判断是否属于白边；若是，则对白边控制处理，调整输出亮度。

采用本发明的视频图像的锐化方法可以对噪声进行识别清除，不改变原图的高频分量的大小顺序，其先根据高频分量来区分待处理像素的性质，是属于噪声，还是属于其他细节，例如小边缘、大边缘、或者超大边缘，然后根据不同属性，进行不同程度地处理，如属于噪声，则去除，如属于其他，则进行不同程度的增强，从而可以抑制噪声，加强细节的表现能力，控制大边缘的过增强，并加入白边控制，使输出的视频画面，更清晰，更柔和，没有白边的出现。

附图说明

通过以下对本发明的一个较佳实施例结合其附图的描述，可以进一步理解其发明的目的、具体结构特征和优点。其中，附图为：

图1为本发明的视频图像的锐化方法的一个较佳实施例的流程图；

图2为本发明的视频图像的锐化方法的的一个较佳实施例中f_newHp(i，j)随f_H(i，j)变化的曲线示意图。

具体实施方式

以下结合图1和图2，具体说明本发明的一个较佳实施方式，其中，以坐标(i，j)表示视频图像中任一像素的坐标。

如图1所示，为本发明视频图像的锐化方法的一个较佳实施例的流程示意图，其具体包括以下步骤：

步骤S1，对读入的视频图像计算亮度图，即读入图像数据的N行并计算其亮度图，为了更清楚地说明本发明，在本实施例中，假设只针对灰度图像进行处理，因此仅需要从视频图像中计算出灰度图像的亮度图，该亮度可以是YUV模型中的Y，HSV模型中的V，HIS模型中的I或其他的亮度公式推导出的亮度f(i，j)。

步骤S2，计算高低频分量，在本实施例中，由于噪声和边缘都是具有局域特征的，不需要对整幅图进行处理，以N*N模板为单位计算图像的高、低频分量f_H(i，j)和f_L(i，j)；可选用合理的高通滤波器或低通滤波器，但要保证

       f_H(i，j)＝f(i，j)-f_L(i，j)                      (1)

接着，对高频分量进行识别并增强处理。

步骤S3，设定一阈值，判断该高频分量是否小于阈值；如是，则进至步骤S4，即认为小于该阈值的高频分量为噪声，将高频分量f_newHp(i，j)置为0，以抑制掉小幅高频噪声，用公式表示为：

      f_newHp(i，j)＝0  if|f_H(i，j)|≤T₁               (2)

其中，T₁为核化降噪的阈值，可选0.5～5，通常选1。

如否，则进至步骤S5，用非线性高频增强曲线，得到新的高频分量，该增强程度可控制。

在本实施例中，考虑到随着高频分量的增大，新的高频分量不应该增强太过，否则，整个画面会很生硬，任何一个画面如果加大象素点加大到50以上，都会和原图有很大的差别。所以大于一定值的高频分量将不再增强。

f_newHp(i，j)值随f_H(i，j)调整可结合参阅图2来理解，f_newHp(i，j)＝H(f_H(i，j))，其中，H是一非线性单调递增的曲线，它的增强程度可由曲线上的两个点(x₁，y₁)、(x₂，y₂)来控制；

f_newHp(i，j)值随f_H(i，j)调整的公式表示如下：

$a=\frac{(-y_1*x_2+y_2*x_1)}{(y_2*y_1*(-x_2+x_1))};$

$b=\frac{x_1*x_2*(-y_2+y_1)}{(y_2*y_1*(-x_2+x_1))};$

if f_H(i，j)＜＝T₁&f_H(i，j)＞＝-T₁

   f_newHp(i，j)＝0

elseif f_H(i，j)＜(1-b)/a&f_H(i，j)＞T₁

$f_{\mathrm{newHp}}(i,j)=\frac{f_H(i,j)}{a*f_H(i,j)+b}$

elseif f_H(i，j)＞(b-1)/a&f_H(i，j)＜-T₁

$f_{\mathrm{newHp}}(i,j)=\frac{f_H(i,j)}{-a*f_H(i,j)+b}$

else

   f_newHp(i，j)＝f_H(i，j)

end

其中T₁为噪声的阈值，小于它的高频为0，可以达到平滑噪声的作用，大于它的将进行处理。(x₁，y₁)、(x₂，y₂)对应曲线上的两个点，可以决定高频增强曲线H的形状，增强程度点x₁，y₁，x₂，y₂默认值为10，28，30，50，调整步长为1。f_H(i，j)较小时，对应较大的f_newHp(i，j)，可以使细节突出，当f_H(i，j)较大时，f_newHp(i，j)的增长幅度变小，防止画面变化太大。这种方式，使噪声和细节过渡自然。曲线根据不同的参数x₁，y₁，x₂，y₂而有不同的变化，直接影响到图中T₂的位置，大于T₂以上的值将不必增强。经过上述公式后，图中所示的高频分量a就可以增强为a’。这样的处置可以使得增强前后的高频分量保持单调性。

最后，得到增强后的亮度图。

步骤S6，将对有用的信号进行增强后的高频信号与低频信号叠加：

f_out(i，j)＝f_L(i，j)+f_newHp(i，j)           (3)

步骤S7，判断是否属于白边；如是，则进至步骤S8对白边控制处理，调整f_out(i，j)值：

$f_{\mathrm{out}}(i,j)=\frac{W+f(i,j)}{2}---\left(4\right)$

其中W是亮度空间中比较接近最大值的值，大于它的我们认为已属于白边，在YcbCr空间，W为200～235之间的值；而在HSV空间，W为220～255之间的值；如果图像增强程度过高或本身亮度就很高，很可能会出现白边轮廓，视觉感觉不好，为了防止图像出现不希望的白边，即f_out(i，j)＞W，需要重置f_out(i，j)使之不至于太白。至此，完成对视频图像的锐化处理。

综上所述，本发明的视频图像的锐化方法可以识别出噪声，从而对噪声不进行增强；还能根据每点高频分量的不同，进行不同程度的增强，因此可以避免白边的产生。

需要特别说明的是，本发明的视频图像的锐化方法不局限于上述实施例中所限定步骤执行顺序，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明进行修改或者等同替换，而不脱离本发明的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (9)

1.一种视频图像的锐化方法，其特征在于，包含以下步骤：

对读入的视频图像计算亮度图；

计算高低频分量；

将高频分量划分为噪声和需增强的有用分量，然后进行相应的处理，得到新的高频分量；

获取增强后的亮度图。

2.根据权利要求1所述的视频图像的锐化方法，其特征在于，其中对高频分量进行划分及处理的步骤更详细地包括：

清除细小噪声；

用非线性高频增强曲线，得到新的高频分量，其中，所述增强程度为可控制。

3.根据权利要求2所述的视频图像的锐化方法，其特征在于，其中清除细小噪声的步骤更进一步包括：

设定一阈值，判断所述高频分量是否小于阈值；

若是则认为小于所述阈值的高频分量为噪声，将新的高频分量f_newHp(i，j)置为0，以抑制掉小幅高频噪声。

4.根据权利要求3所述的视频图像的锐化方法，其特征在于，其中将新的高频分量f_newHp(i，j)置为0，用公式表示为：

           f_newHp(i，j)＝0  if|f_H(i，j)|≤T₁

其中，f_H(i，j)表示高频分量，T₁为核化降噪的阈值。

5.根据权利要求2所述的视频图像的锐化方法，其特征在于，其中用非线性高频增强曲线H，得到新的高频分量f_newHp(i，j)，并利用曲线上的两个点(x₁，y₁)、(x₂，y₂)来控制增强程度，所述的公式表示为：

$a=\frac{(-y_1*x_2+y_2*x_1)}{(y_2*y_1*(-x_2+x_1))};$

$b=\frac{x_1*x_2*(-y_2+y_1)}{(y_2*y_1*(-x_2+x_1))};$

if f_H(i，j)＜＝T₁&f_H(i，j)＞＝-T₁

   f_newHp(i，j)＝0

elseif f_H(i，j)＜(1-b)/a&f_H(i，j)＞T₁

$f_{\mathrm{newHp}}(i,j)=\frac{f_H(i,j)}{a*f_H(i,j)+b}$

elseif f_H(i，j)＞(b-1)/a&f_H(i，j)＜-T₁

$f_{\mathrm{newHp}}(i,j)=\frac{f_H(i,j)}{-a*f_H(i,j)+b}$

else

   f_newHp(i，j)＝f_H(i，j)

end

其中，f_H(i，j)和f_L(i，j)分别表示高、低频分量，T₁为噪声的阈值，小于它的高频为0，可以达到平滑噪声的作用，大于它的将进行处理，(x₁，y₁)、(x₂，y₂)对应非线性高频增强曲线H上的两个点。

6.根据权利要求1所述的视频图像的锐化方法，其特征在于，其中获取增强后的亮度图的步骤更详细地包括：

对认为是边缘和细节的有用信号进行增强；

判断是否属于白边；

若是，则对白边控制处理，调整输出亮度。

7.根据权利要求6所述的视频图像的锐化方法，其特征在于，所述对认为是边缘和细节的有用信号进行增强的步骤，用公式表示为：

f_out(i，j)＝f_L(i，j)+f_newHp(i，j)

其中，f_out(i，j)表示输出亮度。

8.根据权利要求6所述的视频图像的锐化方法，其特征在于，所述对白边控制处理并调整输出亮度的步骤，用公式表示为：

$f_{\mathrm{out}}(i,j)=\frac{W+f(i,j)}{2}$

其中，W是亮度空间中接近最大值的值，大于它的f_out(i，j)则认为属于白边。

9.根据权利要求8所述的视频图像的锐化方法，其特征在于，在YcbCr空间，W为200～235之间的值；在HSV空间，w为220～255之间的值。