CN101452573B

CN101452573B - 一种图像边缘增强方法

Info

Publication number: CN101452573B
Application number: CN200710077567.9A
Authority: CN
Inventors: 彭茂; 胡文阁; 傅璟军
Original assignee: BYD Co Ltd
Current assignee: BYD Semiconductor Co Ltd
Priority date: 2007-12-04
Filing date: 2007-12-04
Publication date: 2013-01-30
Anticipated expiration: 2027-12-04
Also published as: US20090141999A1; US8417030B2; CN101452573A

Abstract

本发明适用于数字图像处理领域，提供了一种图像边缘增强方法，包括：根据中心像素点在不同方向上的二阶梯度值判断图像的边缘走向；对中心像素点进行插值运算，计算像素点缺失的色彩分量；基于Bayer数据，根据中心像素点原始分量的颜色、图像的边缘走向在插值模板中对图像进行边缘增强处理。本发明实施例在对图像进行边缘增强处理时，充分考虑了中心像素点周围不同像素点的绿色分量值的影响，采取了抗噪声的自适应的边缘增强算法，消除噪声可能对边缘产生的影响，使得图像边缘齐整，处理后的图像效果好；同时基于Bayer数据，在插值模块中进行边缘增强处理，节省了单独进行边缘增强处理所需要的SRAM，节省了器件的很多面积，从而节省了成本。

Description

一种图像边缘增强方法

技术领域

本发明属于数字图像处理领域，尤其涉及一种图像边缘增强方法。

背景技术

图像品质的提高，一般是通过增强图像的边缘效果来实现。传统的图像边缘增强方法是先对图像进行插值运算得到全彩的RGB图像，然后再对全彩的RGB图像进行二阶拉普拉斯运算、基于边缘走向的运算等操作，以实现图像的边缘增强。这些方法虽然能使图像品质有较大的提高，但在对图像进行边缘增强时，需要预先存储2行或者4行的RGB数据，即需要预先存储6行或者12行静态随机存储器(Static Random Access Memory，SRAM)，占用了较多的空间，成本高。

发明内容

本发明实施例的目的在于提供一种图像边缘增强方法，旨在解决现有技术基于RGB数据单独进行边缘增强处理导致占用空间多、成本高的问题。

本发明实施例是这样实现的，一种图像边缘增强方法，其特征在于，所述方法包括如下步骤：

根据中心像素点在不同方向上的二阶梯度值判断图像的边缘走向；

对中心像素点进行插值运算，计算像素点缺失的色彩分量；

基于Bayer数据，根据中心像素点原始分量的颜色、图像的边缘走向在插值模板中对图像进行边缘增强处理。

本发明实施例在对图像进行边缘增强处理时，充分考虑了中心像素点周围不同像素点的绿色分量值的影响，采取了抗噪声的自适应的边缘增强算法，消除噪声可能对边缘产生的影响，使得图像边缘齐整，处理后的图像效果好；同时基于Bayer数据，在插值模块中进行边缘增强处理，节省了单独进行边缘增强处理所需要的SRAM，节省了器件的很多面积，从而节省了成本。

附图说明

图1是本发明实施例提供的图像边缘增强方法的实现流程图；

图2是中心像素点为B分量的Bayer模式的原始图像的像素排列格式图；

图3是中心像素点为R分量的Bayer模式的原始图像的像素排列格式图；

图4是中心像素点为G分量，且该行包含原始值为B分量的Bayer模式的原始图像的像素排列格式图；

图5是中心像素点为G分量，且该行包含原始值为R分量的Bayer模式的原始图像的像素排列格式图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例，在插值模块中进行边缘增强处理，采用同一边缘上尽可能取多个点分别做边缘增强处理后再平均的方法，充分抑制了噪声对边缘的影响；用一个3×5的Bayer矩阵和一个5×3的Bayer矩阵来确定水平方向和垂直方向上的二阶梯度值，用一个5×5的Bayer矩阵来确定135度角方向和45度角方向上的二阶梯度值，从而判断图像边缘的走向，选择相应的边缘增强算法对图像进行边缘增强处理。

图像的边缘主要体现在边缘两侧亮度的变化，一侧为较亮区域，一侧为较暗区域，若亮区域越亮，暗区域越暗，则表示亮暗变化越明显，边缘越突出。处于边缘区域上的点，或者分布在较亮区域的一侧，或者分布在较暗区域的一侧，如果将分布在较暗区域上的点的亮度再降低一定亮度，将分布在较亮区域上的点的亮度再增加一定亮度，则边缘两侧亮暗变化更明显，达到了边缘增强的效果。

图1示出了本发明实施例提供的图像边缘增强方法的实现流程，详述如下：

在步骤S101中，计算中心像素点在不同方向上的二阶梯度值；

作为本发明的一个实施例，利用一个3×5的Bayer矩阵和一个5×3的Bayer矩阵计算中心像素点在水平方向上的二阶梯度值H和在垂直方向上的二阶梯度值V；利用一个5×5的Bayer矩阵计算中心像素点在135度角方向上的二阶梯度值X和在45度角方向上的二阶梯度值Y。

本发明实施例中，当中心像素点的原始分量为蓝色值时，如图2所示，中心像素点B₃₃在水平方向上的二阶梯度值H为：

其中：H₁＝|G₃₂-G₃₄|+|2B₃₃-B₃₁-B₃₅|；

H₂＝|R₂₂-R₂₄|+|2G₂₃-G₂₁-G₂₅|；

H₃＝|R₄₂-R₄₄|+|2G₄₃-G₄₁-G₄₅|；

在垂直方向上的二阶梯度值V为：

其中：V₁＝|G₂₃-G₄₃|+|2B₃₃-B₁₃-B₅₃|；

V₂＝|R₂₂-R₄₂|+|2G₃₂-G₁₂-G₅₂|；

V₃＝|R₂₄-R₄₄|+|2G₃₄-G₁₄-G₅₄|；

在135度角方向上的二阶梯度值X为：X＝|R₂₂-R₄₄|+|2B₃₃-B₁₁-B₅₅|；

在45度角方向上的二阶梯度值Y为：Y＝|R₂₄-R₄₂|+|2B₃₃-B₁₅-B₅₁|。

当中心像素点的原始分量为红色值时，如图3所示，中心像素点R₃₃在水平方向上二阶梯度值H为：

其中：H₁＝|G₃₂-G₃₄|+|2R₃₃-R₃₁-R₃₅|；

H₂＝|B₂₂-B₂₄|+|2G₂₃-G₂₁-G₂₅|；

H₃＝|B₄₂-B₄₄|+|2G₄₃-G₄₁-G₄₅|；

在垂直方向上的二阶梯度值V为：

其中：V₁＝|G₂₃-G₄₃|+|2R₃₃-R₁₃-R₅₃|；

V₂＝|B₂₂-B₄₂|+|2G₃₂-G₁₂-G₅₂|；

V₃＝|B₂₄-B₄₄|+|2G₃₄-G₁₄-G₅₄|；

在135度角方向上的二阶梯度值X为：X＝|B₂₂-B₄₄|+|2R₃₃-R₁₁-R₅₅|；

在45度角方向上的二阶梯度值Y为：Y＝|B₂₄-B₄₂|+|2R₃₃-R₁₅-R₅₁|。

当中心像素点的原始分量为绿色值，且左右相邻像素点为蓝色值时，如图 4所示，中心像素点G₃₃在水平方向上的二阶梯度值为：

其中：H₁＝|B₃₂-B₃₄|+|2G₃₃-G₃₁-G₃₅|；

H₂＝|G₂₂-G₂₄|+|2R₂₃-R₂₁-R₂₅|；

H₃＝|G₄₂-G₄₄|+|2R₄₃-R₄₁-R₄₅|；

在垂直方向上的二阶梯度值为：

其中：V₁＝|R₂₃-R₄₃|+|2G₃₃-G₁₃-G₅₃|；

V₂＝|G₂₂-G₄₂|+|2B₃₂-B₁₂-B₅₂|；

V₃＝|G₂₄-G₄₄|+|2B₃₄-B₁₄-B₅₄|；

在135度角方向上的二阶梯度值为：X＝|2G₃₃-G₂₂-G₄₄|+|2G₃₃-G₁₁-G₅₅|；

在45度角方向上的二阶梯度值为：Y＝|2G₃₃-G₂₄-G₄₂|+|2G₃₃-G₁₅-G₅₁|。

当中心像素点的原始分量为绿色值，且左右相邻像素点为红色值时，如图 5所示，中心像素点G₃₃在水平方向上的二阶梯度值为：

其中：H₁＝|R₃₂-R₃₄|+|2G₃₃-G₃₁-G₃₅|；

H₂＝|G₂₂-G₂₄|+|2B₂₃-B₂₁-B₂₅|；

H₃＝|G₄₂-G₄₄|+|2B₄₃-B₄₁-B₄₅|；

在垂直方向上的二阶梯度值为：

其中：V₁＝|B₂₃-B₄₃|+|2G₃₃-G₁₃-G₅₃|；

V₂＝|G₂₂-G₄₂|+|2R₃₂-R₁₂-R₅₂|；

V₃＝|G₂₄-G₄₄|+|2R₃₄-R₁₄-R₅₄|；

在步骤S102中，根据中心像素点在不同方向上的二阶梯度值判断图像的边缘走向；

在本发明实施例中，分别求出H和V中的最大值Max_{_HV}和最小值Min_{_HV}，以及X和Y中的最大值Max_{_XY}，最小值Min_{_XY}。将Max_{_HV}和Max_{_XY}分别与给定的平坦区域阈值TH_{_flat}进行比较。

当Max_{_HV}和Max_{_XY}同时小于TH_{_flat}时，将中心像素点视为平坦区域上的一点，即对该点不作边缘增强处理。

当Max_{_HV}和Max_{_XY}中至少有一个不小于TH_{_flat}时，再将Min_{_HV}和Min_{_XY}进行比较，当Min_{_HV}＜Min_{_XY}，且H-V＜-TH_{_edge}时，将中心像素点视为水平方向边缘上的一点；当Min_{_HV}＜Min_{_XY}，且H-V＞TH_{_edge}时，将中心像素点视为垂直方向边缘上的一点；当Min_{_HV}＞Min_{_XY}，且X-Y＜-TH_{_edge}时，将中心像素点视为135度角方向边缘上的一点；当Min_{_HV}＞Min_{_XY}，且X-Y＞TH_{_edge}时，将中心像素点视为45度角方向边缘上的一点。

除了上述四种情况下的点以外的任何点，均视为一般区域(即既不平坦也非边缘)上的点，不作边缘增强的处理。

上述过程可以通过软件编程实现，示例程序如下：

If(Max_{_HV}和Max_{_XY}同时小于TH_{_flat})-----平坦区域上的点

else if(Min_{_HV}小于Min_{_XY}并且|H-V|＞TH_{_edge})

If(H＜V) ----水平方向边缘上的点

else ----垂直方向边缘上的点

else if(Min_{_XY}小于Min_{_HV}并且|X-Y|＞TH_{_edge})

If(X＜Y) ----135度角方向边缘上的点

else ----45度角方向边缘上的点

else ----一般区域上的点

end

在步骤S103中，采用沿边缘插值的方法对中心像素点进行插值运算，计算出像素点缺失的色彩分量。

作为本发明的一个优选实施例，在插值运算时，可以以插值点为中心像素点建立5×5的Bayer矩阵，根据色彩变化趋势，选择插值运算基准，根据选定的插值运算基准，按照色彩的非突变性和边缘的非突变性计算中心像素点的两个插值分量的值。其中，色彩变化趋势与上述边缘判断一致

经过插值运算后，中心像素点的各颜色分量已经齐备，即有(R₃₃，G₃₃，B₃₃)。

在步骤S104中，基于Bayer数据，根据中心像素点原始分量的颜色、图像的边缘走向在插值模板中对图像进行边缘增强处理。

在本发明实施例中，进行边缘增强时需要避免的是中心像素点在边缘增强处理后的颜色变化。假定某个像素点周围像素点的颜色相同，只是亮度有差别，则根据RGB空间到YCbCr空间的转换公式：

Y＝0.299R+0.587G+0.114B……(1)

Cb＝-0.1687R-0.3313G+0.5B……(2)

Cr＝0.5R-0.4187G-0.0813B……(3)

其中，Y是亮度分量，Cb是蓝色色度分量，Cr是红色色度分量。

由(1)(2)(3)式可得：当R、G、B同时变化相同的变化值Diff时，Cb，Cr不变，Y变化Diff，即如果两个像素点a，b颜色相同，则G_a-G_b＝R_a-R_b＝B_a-B_b。因此，只需要计算一个颜色分量的变化值Diff，然后将这个变化值Diff附加于另外两个分量上，可使得中心像素点在边缘增强后的颜色不会发生变化，相当于对Y做边缘增强处理。

在本发明实施例提供的边缘增强方法包括以下步骤：

[1]通过边缘两侧的亮度值平均计算边缘正中心的亮度值Y_{_center}；

[2]计算中心像素点的亮度值Y₃₃同边缘正中心的亮度值的差值

En_{_Diff}＝Y₃₃-Y_{_center}，当En_{_Diff}＜0时，则表明中心像素点处于较暗的一侧；当

En_{_Diff}＞0时，则表明中心像素点处于较亮的一侧；

[3]放大差值En_{_Diff}，设放大倍数为Edge_{_Gain_t}，则

Y_{33_new}-Y_{_center}＝Edge_{_Gain_t}×En_{_Diff}即Y_{33_new}＝Y_{_center}+Edge_{_Gain_t}×En_{_Diff}

由Y_{_center}＝Y₃₃-En_{_Diff}得：

Y_{33_new}＝Y₃₃-En_{_Diff}+Edge_{_Gain_t}×En_{_Diff}

＝Y₃₃+(Edge_{_Gain_t}-1)×En_{_Diff}

＝Y₃₃+Edge_{_Gain}×En_{_Diff}

其中，Edge_{_Gain}为放大倍数，取值范围为0～3，默认值为1。

上述边缘增强算法中的数据是基于Bayer数据，亮度信息未知，依据由RGB空间到YCbCr空间的转换公式可得，只要R，G，B同时变化相同的Diff，则Cb，Cr不变，Y变化Diff。于是该算法中只需要计算一个颜色分量的变化值，然后将这个变化值附加于另外两个分量上，即可使得中心像素点在边缘增强后的颜色不会发生变化，相当于对Y做边缘增强。考虑到Bayer数据中绿色像素点是红色或者蓝色像素点的两倍，于是选择先对中心像素点的绿色分量G进行边缘增强处理，计算出En_{_Diff_G}，然后再分别对R，B分量进行边缘增强处理，进行边缘增强处理后的中心像素点三种颜色分量的亮度值按照下式计算：

R_{33_new}＝R₃₃+Edge_{_Gain}×En_{_Diff_G}；

G_{33_new}＝G₃₃+Edge_{_Gain}×En_{_Diff_G}；

B_{33_new}＝B₃₃+Edge_{_Gain}×En_{_Diff_G}。

以下根据中心像素点原始分量的颜色、图像的边缘走向以及相应的边缘增强算法分别进行描述：

1、中心像素点的原始分量为蓝色值，对中心像素点做边缘增强处理，如图2所示：

(1)当Min_{_HV}＜Min_{_XY}，且H-V＜-TH_{_edge}时，将中心像素点视为水平方向边缘上的一点，即对水平方向边缘上的点做边缘增强处理。

(a)计算中心像素点(3，3)处所在边缘的正中心绿色分量的En_{_Giff_G_cen}；

先估算中心像素点所在边缘的正中心绿色分量的亮度值G_{_center}：

式(1.1)中，G₂₃和G₄₃是已知的，而G₁₃和G₅₃是未知的，由于中心像素点为水平方向上的点，因此可以将G₁₃和G₅₃均视作水平方向上的点，即：

而中心像素点(3，3)处所在边缘的正中心绿色分量的En_{_Diff_G_cen}为：

En_{_Diff_G_cen}＝G₃₃-G_{_center}……(1.4)

再由(1.1)(1.2)(1.3)(1.4)可得：

(b)计算中心像素点左边相邻点(3，2)处所在边缘的正中心的绿色分量的En_{_Diff_G_lef}；

先估算中心像素点左边相邻点所在边缘的正中心绿色分量的亮度值G_{_lef_center}：

式(1.6)中，G₁₂和G₅₂是已知的，而G₂₂和G₄₂是未知的，由于中心像素点为水平方向上的点，因此可以将G₂₂和G₄₂均视作水平方向上的点，即：

而中心像素点左边相邻点(3，2)处所在边缘的正中心绿色分量的En_{_Diff_G_lef}为：

En_{_Diff_G_lef}＝G₃₂-G_{_lef_center}……(1.9)

再由(1.6)(1.7)(1.8)(1.9)可得：

(c)计算中心像素点右边相邻点(3，4)处所在边缘的正中心的绿色分量的En_{_Diff_G_rig}；

先估算中心像素点右边相邻点所在边缘的正中心绿色分量的亮度值G_{_rig_center}：

式(1.11)中，G₁₄和G₅₄是已知的，而G₂₄和G₄₄是未知的，由于中心像素点为水平方向上的点，因此可以将G₂₄和G₄₄均视作水平方向上的点，即：

而中心像素点右边相邻点(3，4)处所在边缘的正中心绿色分量的En_{_Diff_G_rig}为：

En_{_Diff_G_rig}＝G₃₄-G_{_rig_center}……(1.14)

再由(1.11)(1.12)(1.13)(1.14)可得：

(d)边缘增强处理

为了抑制噪声对图像边缘增强的影响，计算En_{_Diff_G_cen}，En_{_Diff_G_lef}和En_{_Diff_G_rig}的平均值，即

由(1.5)(1.10)(1.15)(1.16)可得：

即中心像素点(3，3)处R，G，B三个分量进行边缘增强处理之后的新值为：

R_{33_new}＝R₃₃+Edge_{_Gain}×En_{_Diff_G}；

G_{33_new}＝G₃₃+Edge_{_Gain}×En_{_Diff_G}；

B_{33_new}＝B₃₃+Edge_{_Gain}×En_{_Diff_G}。

(2)当Min_{_HV}＜Min_{_XY}，且H-V＞TH_{_edge}时，将中心像素点视为垂直方向边缘上的一点，即对垂直方向边缘上的点做边缘增强处理。

(a)计算中心像素点(3，3)处所在边缘的正中心绿色分量的En_{_Diff_G_cen}；

式(1.18)中，G₃₂和G₃₄是已知的，而G₃₁和G₃₅是未知的，由于中心像素点为垂直方向上的点，因此可以将G₁₃和G₅₃均视作垂直方向上的点，即：

En_{_Diff_G_cen}＝G₃₃-G_{_center}……(1.21)

再由(1.18)(1.19)(1.20)(1.21)可得：

(b)计算中心像素点上边相邻点(2，3)处所在边缘的正中心的绿色分量的En_{_Diff_G_up}；

先估算中心像素点上边相邻点所在边缘的正中心绿色分量的亮度值G_{_up_center}：

式(1.23)中，G₂₁和G₂₅是已知的，而G₂₂和G₂₄是未知的，由于中心像素点为垂直方向止的点，因此可以将G₂₂和G₂₄均视作垂直方向上的点，即：

而中心像素点上边相邻点(2，3)处所在边缘的正中心绿色分量的En_{_Diff_G_up}为：

En_{_Diff_G_up}＝G₂₃-G_{_up_center}……(1.26)

再由(1.23)(1.24)(1.25)(1.26)可得：

(c)计算中心像素点下边相邻点(4，3)处所在边缘的正中心的绿色分量的En_{_Diff_G_dow}；

先估算中心像素点下边相邻点所在边缘的正中心绿色分量的亮度值G_{_dow_center}：

式(1.28)中，G₄₁和G₄₅是已知的，而G₄₂和G₄₄是未知的，由于中心像素点为垂直方向上的点，因此可以将G₄₂和G₄₄均视作垂直方向上的点，即：

而中心像素点下边相邻点(4，3)处所在边缘的正中心绿色分量的En_{_Diff_G_dow}为：

En_{_Diff_G_dow}＝G₄₃-G_{_dow_center}……(1.31)

再由(1.28)(1.29)(1.30)(1.31)可得：

(d)边缘增强处理

为了抑制噪声对图像边缘增强的影响，计算En_{_Diff_G_cen}，En_{_Diff_G_up}和

En_{_Diff_G_dow}的平均值，即

由(1.22)(1.27)(1.32)(1.33)可得：

R_{33_new}＝R₃₃+Edge_{_Gain}×En_{_Diff_G}；

G_{33_new}＝G₃₃+Edge_{_Gain}×En_{_Diff_G}；

B_{33_new}＝B₃₃+Edge_{_Gain}×En_{_Diff_G}。

(3)当Min_{_HV}＞Min_{_XY}，且X-Y＜-TH_{_edge}时，将中心像素点视为135度角方向边缘上的一点，即对135度角方向边缘上的点做边缘增强处理。

式(1.35)中，G₂₄和G₄₂是未知的，由于中心像素点为135度角方向上的点，因此可以将G₂₄和G₄₂均视作135度角方向上的点，即：

En_{_Diff_G_cen}＝G₃₃-G_{_ceter}……(1.38)

再由(1.35)(1.36)(1.37)(1.38)可得：

R_{33_new}＝R₃₃+Edge_{_Gain}×En_{_Diff_G}；

G_{33_new}＝G₃₃+Edge_{_Gain}×En_{_Diff_G}；

B_{33_new}＝B₃₃+Edge_{_Gain}×En_{_Diff_G}。

(4)当Min_{_HV}＞Min_{_XY}，且X-Y＞TH_{_edge}时，将中心像素点视为45度角方向边缘上的一点，即对45度角方向边缘上的点做边缘增强处理。

式(1.40)中，G₂₂和G₄₄是未知的，由于中心像素点为45度角方向上的点，因此可以将G₂₂和G₄₄均视作45度角方向上的点，即：

En_{_Diff_G_cen}＝G₃₃-G_{_center}……(1.43)

再由(1.40)(1.41)(1.42)(1.43)可得：

R_{33_new}＝R₃₃+Edge_{_Gain}×En_{_Diff_G}；

G_{33_new}＝G₃₃+Edge_{_Gain}×En_{_Diff_G}；

B_{33_new}＝B₃₃+Edge_{_Gain}×En_{_Diff_G}。

2、中心像素点的原始分量为红色值，对中心像素点做边缘增强处理，如图3所示：

与1.(1)中计算En_{_Diff_G}同理可得：

R_{33_new}＝R₃₃+Edge_{_Gain}×En_{_Diff_G}；

G_{33_new}＝G₃₃+Edge_{_Gain}×En_{_Diff_G}；

B_{33_new}＝B₃₃+Edge_{_Gain}×En_{_Diff_G}。

与1.(2)中计算En_{_Diff_G}同理可得：

R_{33_new}＝R₃₃+Edge_{_Gain}×En_{_Diff_G}；

G_{33_new}＝G₃₃+Edge_{_Gain}×En_{_Diff_G}；

B_{33_new}＝B₃₃+Edge_{_Gain}×En_{_Diff_G}。

(3)当Min_{_HV}＞Min_{_XY}；且X-Y＜-TH_{_edge}时，将中心像素点视为135度角方向边缘上的一点，即对135度角方向边缘上的点做边缘增强处理。

与1.(3)中计算En_{_Diff_G}同理可得：

R_{33_new}＝R₃₃+Edge_{_Gain}×En_{_Diff_G}；

G_{33_new}＝G₃₃+Edge_{_Gain}×En_{_Diff_G}；

B_{33_new}＝B₃₃+Edge_{_Gain}×En_{_Diff_G}。

(4)当Min_{_HV}＞Min_{_XY}，且X-Y＞TH_{_edge}时，将中心像素点视为45度角方向边缘上的一点，即对45度角方向边缘上的点做边缘处理。

与1.(4)中计算En_{_Diff_G}同理可得：

R_{33_new}＝R₃₃+Edge_{_Gain}×En_{_Diff_G}；

G_{33_new}＝G₃₃+Edge_{_Gain}×En_{_Diff_G}；

B_{33_new}＝B₃₃+Edge_{_Gain}×En_{_Diff_G}。

3、中心像素点的原始分量为绿色值，且左右相邻像素点为蓝色值时，对中心像素点做边缘增强处理，如图4所示：

(1)当Min_{_HV}＜Min_{_XY}，且H-V＜-TH_{_edge}时，将中心像素点视为水平边缘上的一点，即对水平方向边缘上的点做边缘增强处理。

式(3.1)中，G₁₃和G₅₃是已知的，而G₂₃和G₄₃是未知的，由于中心像素点为水平方向上的点，因此可以将G₂₃和G₄₃均视作水平方向上的点，即：

En_{_Diff_G_cen}＝G₃₃-G_{_center}……(3.4)

再由(3.1)(3.2)(3.3)(3.4)可得：

式(3.6)中，G₂₂和G₄₂是已知的，而G₁₂和G₅₂是未知的，由于中心像素点为水平方向上的点，因此可以将G₁₂和G₅₂均视作水平方向上的点，即：

En_{_Diff_G_lef}＝G₃₂-G_{_lef_center}……(3.9)

G₃₂也可视作水平方向上的点，即

再由(3.6)(3.7)(3.8)(3.9)(3.10)可得：

式(3.12)中，G₂₄和G₄₄是已知的，而G₁₄和G₅₄是未知的，由于中心像素点为水平方向上的点，因此可以将G₁₄和G₅₄均视作水平方向上的点，即：

En_{_Diff_G_rig}＝G₃₄-G_{_rig_center}……(3.15)

G₃₄也可视作水平方向上的点，即

再由(3.12)(3.13)(3.14)(3.15)(3.16)可得：

(d)边缘增强处理

由(3.5)(3.11)(3.17)(3.18)可得：

R_{33_new}＝R₃₃+Edge_{_Gain}×En_{_Diff_G}；

G_{33_new}＝G₃₃+Edge_{_Gain}×En_{_Diff_G}；

B_{33_new}＝B₃₃+Edge_{_Gain}×En_{_Diff_G}。

式(3.20)中，G₃₁和G₃₅是已知的，而G₃₂和G₃₄是未知的，由于中心像素点为垂直方向上的点，因此可以将G₃₂和G₃₄均视作垂直方向上的点，即：

En_{_Diff_G_cen}＝G₃₃-G_{_center}……(3.23)

再由(3.20)(3.21)(3.22)(3.23)可得：

式(3.25)中，G₂₂和G₂₄是已知的，而G₂₁和G₂₅是未知的，由于中心像素点为垂直方向上的点，因此可以将G₂₁和G₂₅均视作垂直方向上的点，即：

En_{_Diff_G_up}＝G₂₃-G_{_up_center}……(3.28)

G₂₃也可以视作垂直方向上的点，即：

再由(3.25)(3.26)(3.27)(3.28)(3.29)可得：

式(3.31)中，G₄₂和G₄₄是已知的，而G₄₁和G₄₅是未知的，由于中心像素点为垂直方向上的点，因此可以将G₄₁和G₄₅均视作垂直方向上的点，即：

En_{_Diff_G_dow}＝G₄₃-G_{_dow_center}……(3.34)

G₄₃也可以视作垂直方向上的点，即：

再由(3.31)(3.32)(3.33)(3.34)(3.35)可得：

(d)边缘增强处理

为了抑制噪声对边缘增强的影响，计算En_{_Diff_G_cen}，En_{_Diff_G_up}和En_{_Diff_G_dow} 的平均值，即

由(3.24)(3.30)(3.36)(3.37)可得：

R_{33_new}＝R₃₃+Edge_{_Gain}×En_{_Diff_G}；

G_{33_new}＝G₃₃+Edge_{_Gain}×En_{_Diff_G}；

B_{33_new}＝B₃₃+Edge_{_Gain}×En_{_Diff_G}。

En_{_Diff_G_cen}＝G₃₃-G_{_center}……(3.40)

再由(3.39)(3.40)可得：

(b)计算中心像素点左上边相邻点(2，2)处所在边缘的正中心的绿色分量的En_{_Diff_G_lu}；

先估算中心像素点左上边相邻点所在边缘的正中心绿色分量的亮度值G_{_lu_center}：

而中心像素点左上边相邻点(2，2)处所在边缘的正中心绿色分量的En_{_Diff_G_lu}为：

En_{_Diff_G_lu}＝G₂₂-G_{_lu_ceter}……(3.43)

再由(3.42)(3.43)可得：

(c)计算中心像素点右下边相邻点(4，4)处所在边缘的正中心的绿色分量的En_{_Diff_G_rd}；

先估算中心像素点右下边相邻点所在边缘的正中心绿色分量的亮度值G_{_rd_center}：

而中心像素点右下边相邻点(4，4)处所在边缘的正中心绿色分量的En_{_Diff_G_rd}为：

En_{_Diff_G_rd}＝G₄₄-G_{_rd_center}……(3.46)

再由(3.45)(3.46)可得：

(d)边缘增强处理

为了抑制噪声对图像边缘增强的影响，计算En_{_Diff_G_cen}，En_{_Diff_G_lu}和 En_{_Diff_G_rd}的平均值，即

由(3.41)(3.44)(3.47)(3.48)可得：

R_{33_new}＝R₃₃+Edge_{_Gain}×En_{_Diff_G}；

G_{33_new}＝G₃3+Edge_{_Gain}×En_{_Diff_G}；

B_{33_new}＝B₃₃+Edge_{_Gain}×En_{_Diff_G}。

En_{_Diff_G_cen}＝G₃₃-G_{_center}……(3.51)

再由(3.50)(3.51)可得：

(b)计算中心像素点右上边相邻点(2，4)处所在边缘的正中心的绿色分量的En_{_Diff_G_ru}；

先估算中心像素点右上边相邻点所在边缘的正中心绿色分量的亮度值G_{_ru_center}：

而中心像素点右上边相邻点(2，4)处所在边缘的正中心绿色分量的En_{_Diff_G_ru}为：

En_{_Diff_G_ru}＝G₂₄-G_{_ru_center}……(3.54)

再由(3.53)(3.54)可得：

(c)计算中心像素点左下边相邻点(4，2)处所在边缘的正中心的绿色分量的En_{_Diff_G_ld}；

先估算中心像素点左下边相邻点所在边缘的正中心绿色分量的亮度值G_{_ld_center}：

而中心像素点左下边相邻点(4，2)处所在边缘的正中心绿色分量的En_{_Diff_G_ld}为：

En_{_Diff_G_ld}＝G₄₂-G_{_ld_center}……(3.57)

再由(3.56)(3.57)可得：

(d)边缘增强处理

为了抑制噪声对图像边缘增强的影响，计算En_{_Diff_G_cen}，En_{_Diff_G_ld}和 En_{_Diff_G_ru}的平均值，即

由(3.52)(3.55)(3.58)(3.59)可得：

R_{33_new}＝R₃₃+Edge_{_Gain}×En_{_Diff_G}；

G_{33_new}＝G₃₃+Edge_{_Gain}×En_{_Diff_G}；

B_{33_new}＝B₃₃+Edge_{_Gain}×En_{_Diff_G}。

4、中心像素点的原始分量为绿色值，且左右相邻像素点为红色值时，对中心像素点做边缘增强处理，如图5所示：

(1)当Min_{_HV}＜Min_{_XY}，且H-V＜-TH_{_edge}时，将中心像素点视为水平方向边缘上的一点，即对水平方向边缘上的点做边缘处理。

与3.(1)中计算En_{_Diff_G}同理可得：

R_{33_new}＝R₃₃+Edg_{e_Gain}×En_{_Diff_G}；

G_{33_new}＝G₃₃+Edge_{_Gain}×En_{_Diff_G}；

B_{33_new}＝B₃₃+Edge_{_Gain}×En_{_Diff_G}。

(2)当Min_{_HV}＜Min_{_XY}，且H-V＞TH_{_edge}时，将中心像素点视为垂直边缘上的一点，即对垂直方向边缘上的点做边缘处理。

与3.(2)中计算En_{_Diff_G}同理可得：

R_{33_new}＝R₃₃+Edge_{_Gain}×En_{_Diff_G}；

G_{33_new}＝G₃₃+Edge_{_Gain}×En_{_Diff_G}；

B_{33_new}＝B₃₃+Edge_{_Gain}×En_{_Diff_G}。

(3)当Min_{_HV}＞Min_{_XY}，且X-Y＜-TH_{_edge}时，将中心像素点视为135度角方向边缘上的一点，即对135度角方向边缘上的点做边缘处理。

与3.(3)中计算En_{_Diff_G}同理可得：

R_{33_new}＝R₃₃+Edge_{_Gain}×En_{_Diff_G}；

G_{33_new}＝G₃₃+Edge_{_Gain}×En_{_Diff_G}；

B_{33_new}＝B₃₃+Edge_{_Gain}×En_{_Diff_G}。

与3.(4)中计算En_{_Diff_G}同理可得：

R_{33_new}＝R₃₃+Edge_{_Gain}×En_{_Diff_G}；

G_{33_new}＝G₃₃+Edge_{_Gain}×En_{_Diff_G}；

B_{33_new}＝B₃₃+Edge_{_Gain}×En_{_Diff_G}。

由上述可知，本发明实施例在对图像进行边缘增强处理时，充分考虑了中心像素点周围不同像素点的绿色分量值的影响，采取了抗噪声的自适应的边缘增强算法，消除噪声可能对边缘产生的影响，使得图像边缘齐整，处理后的图像效果好。同时基于Bayer数据，在插值模块中进行边缘增强处理，节省了单独进行边缘增强处理所需要的SRAM，节省了器件的很多面积，从而节省了成本。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims

1.一种图像边缘增强方法，其特征在于，所述方法包括如下步骤：

对中心像素点进行插值运算，计算像素点缺失的色彩分量；

基于Bayer数据，根据中心像素点原始分量的颜色、图像的边缘走向在插值模板中对图像进行边缘增强处理；所述根据中心像素点在不同方向上的二阶梯度值判断图像的边缘走向的步骤具体为：

由一个3×5的Bayer矩阵和一个5×3的Bayer矩阵计算所述中心像素点在水平方向上的二阶梯度值H和在垂直方向上的二阶梯度值V；

由一个5×5的Bayer矩阵计算所述中心像素点在135度角方向上的二阶梯度值X和在45度角方向上的二阶梯度值Y；

将H和V中的最大值Max__HV，最小值Min__HV，以及X和Y中的最大值Max__XY，最小值Min__XY分别与给定的平坦区域阈值TH__flat进行比较；

当Max__HV和Max__XY同时小于TH__flat时，将中心像素点视为平坦区域上的一点；当Max__HV和Max__XY中至少有一个不小于TH__flat时，再将Min__HV和Min__XY进行比较，当Min__HV＜Min__XY，且H-V＜-TH__edge时，将中心像素点视为水平方向边缘上的一点，TH__edge为给定的边缘区域阈值；当Min__HV＜Min__XY，且H-V＞TH__edge时，将中心像素点视为垂直方向边缘上的一点；当Min__HV＞Min__XY，且X-Y＜-TH__edge时，将中心像素点视为135度角方向边缘上的一点；当Min__HV＞Min__XY，且X-Y＞TH__edge时，将中心像素点视为45度角方向边缘上的一点；

所述基于Bayer数据，根据中心像素点原始分量的颜色、图像的边缘走向在插值模板中对图像进行边缘增强处理的步骤具体为：

通过边缘两侧的亮度值平均计算边缘正中心的亮度值Y__center；

计算中心像素点的亮度值Y₃₃同边缘正中心的亮度值的差值En__Diff，判断中心像素点是处于较暗的一侧或者处于较亮的一侧；

计算中心像素点进行边缘增强处理后的新值Y_{33_new}＝Y₃₃+Edge__Gain×En__Diff；

其中，Edge__Gain为放大倍数。

2.如权利要求1所述的方法，其特征在于，当中心像素点的原始分量为蓝色值时，其在水平方向上的二阶梯度值为：

其中：H₁＝|G₃₂-G₃₄|+|2B₃₃-B₃₁-B₃₅|；

H₂＝|R₂₂-R₂₄|+|2G₂₃-G₂₁-G₂₅|；

H₃＝|R₄₂-R₄₄|+|2G₄₃-G₄₁-G₄₅|；

在垂直方向上的二阶梯度值为：

其中：V₁＝|G₂₃-G₄₃|+|2B₃₃-B₁₃-B₅₃|；

V₂＝|R₂₂-R₄₂|+|2G₃₂-G₁₂-G₅₂|；

V₃＝|R₂₄-R₄₄|+|2G₃₄-G₁₄-G₅₄|；

在135度角方向上的二阶梯度值为：X＝|R₂₂-R₄₄|+|2B₃₃-B₁₁-B₅₅|；

在45度角方向上的二阶梯度值为：Y＝|R₂₄-R₄₂|+|2B₃₃-B₁₅-B₅₁|；

其中，R₄₂、R₄₄、G₄₃、G₄₁及G₄₅是表示3×5的Bayer矩阵中的元素。

3.如权利要求1所述的方法，其特征在于，当中心像素点的原始分量为红色值时，其在水平方向上二阶梯度值为：

其中：H₁＝|G₃₂-G₃₄|+|2R₃₃-R₃₁-R₃₅|；

H₂＝|B₂₂-B₂₄|+|2G₂₃-G₂₁-G₂₅|；

H₃＝|B₄₂-B₄₄|+|2G₄₃-G₄₁-G₄₅|；

在垂直方向上的二阶梯度值为：

其中：V₁＝|G₂₃-G₄₃|+|2R₃₃-R₁₃-R₅₃|；

V₂＝|B₂₂-B₄₂|+|2G₃₂-G₁₂-G₅₂|

V₃＝|B₂₄-B₄₄|+|2G₃₄-G₁₄-G₅₄|；

在135度角方向上的二阶梯度值为：X＝|B₂₂-B₄₄|+|2R₃₃-R₁₁-R₅₅|；

在45度角方向上的二阶梯度值为：Y＝|B₂₄-B₄₂|+|2R₃₃-R₁₅-R₅₁|；

4.如权利要求1所述的方法，其特征在于，当中心像素点的原始分量为绿色值，且左右相邻像素点为蓝色值时，其在水平方向上的二阶梯度值为：

其中：H₁＝|B₃₂-B₃₄|+|2G₃₃-G₃₁-G₃₅|；

H₂＝|G₂₂-G₂₄|+|2R₂₃-R₂₁-R₂₅|；

H₃＝|G₄₂-G₄₄|+|2R₄₃-R₄₁-R₄₅|；

在垂直方向上的二阶梯度值为：

其中：V₁＝|R₂₃-R₄₃|+|2G₃₃-G₁₃-G₅₃|；

V₂＝|G₂₂-G₄₂|+|2B₃₂-B₁₂-B₅₂|；

V₃＝|G₂₄-G₄₄|+|2B₃₄-B₁₄-B₅₄|；

在45度角方向上的二阶梯度值为：Y＝|2G₃₃-G₂₄-G₄₂|+|2G₃₃-G₁₅-G₅₁|；

5.如权利要求1所述的方法，其特征在于，当中心像素点的原始分量为绿色值，且左右相邻像素点为红色值时，其在水平方向上的二阶梯度值为：

其中：H₁＝|R₃₂-R₃₄|+|2G₃₃-G₃₁-G₃₅|；

H₂＝|G₂₂-G₂₄|+|2B₂₃-B₂₁-B₂₅|；

H₃＝|G₄₂-G₄₄|+|2B₄₃-B₄₁-B₄₅|；

在垂直方向上的二阶梯度值为：

其中：V₁＝|B₂₃-B₄₃|+|2G₃₃-G₁₃-G₅₃|；

V₂＝|G₂₂-G₄₂|+|2R₃₂-R₁₂-R₅₂|；

V₃＝|G₂₄-G₄₄|+|2R₃₄-R₁₄-R₅₄|；

6.如权利要求1所述的方法，其特征在于，所述边缘正中心的亮度值Y_{_center}由绿色分量的亮度值近似代替。

7.如权利要求1所述的方法，其特征在于，所述Edge_{_Gain}的取值范围为0～3。

8.如权利要求1所述的方法，其特征在于，所述中心像素点进行边缘增强处理后的新值为：

R_{33_new}＝R₃₃+Edge_{_Gain}×En_{_Diff_G}；

G_{33_new}＝G₃₃+Edge_{_Gain}×En_{_Diff_G}；

B_{33_new}＝B₃₃+Edge_{_Gain}×En_{_Diff_G}。

9.如权利要求1或8所述的方法，其特征在于，当所述中心像素点的原始分量为蓝色值时，以水平方向为边缘走向，其中心像素点绿色分量的亮度值与边缘正中心的亮度值的差值En_{_Diff_G}按下式计算：

以垂直方向为边缘走向，其中心像素点绿色分量的亮度值与边缘正中心的亮度值的差值En_{_Diff_G}按下式计算：

以135度角方向为边缘走向，其中心像素点绿色分量的亮度值与边缘正中心的亮度值的差值En_{_Diff_G}按下式计算：

以45度角方向为边缘走向，其中心像素点绿色分量的亮度值与边缘正中心的亮度值的差值En_{_Diff_G}按下式计算：

10.如权利要求1或8所述的方法，其特征在于，当所述中心像素点的原始分量为绿色值时，以水平方向为边缘走向，其中心像素点绿色分量的亮度值与边缘正中心的亮度值的差值En_{_Diff_G}按下式计算：