CN101556689B - 图像缩放方法及装置 - Google Patents

Abstract

针对现有的图像缩放技术存在的输出图像分别率低的问题，本发明提供了一种新的图像缩放方法及装置。图像缩放方法包括如下步骤：选定与输出图像上像素点对应的输入图像上的像素点；对包含所述输入图像上对应的像素点的局部区域，计算其内部的边缘强度、边缘角度和区域平滑性；利用步骤B获得的边缘强度、边缘角度和区域平滑性构造滤波器，并将所述输入图像中的局部区域利用构造的滤波器进行滤波输出结果。本发明的图像缩放方法将图像局部区域的特征作为缩放考虑的要素，从而能够最大限度的保持图像分辨率，达到更好的图像缩放效果。

Description

图像缩放方法及装置

技术领域

本发明属于一种图像处理技术，特别是一种图像缩放技术。

背景技术

图像缩放技术在图像处理和视频处理中有着广泛的应用，例如在视频处理中，为了适应不同分辨率输出，对输入的图像必须采用图像的缩放技术。传统的图像缩放技术，例如最近邻域插值技术、双线形插值技术、双三次样条插值技术、多相插值技术，本质上都是仅通过输出平面与输入平面的几何关系来确定具体的插值滤波器，从而实现图像缩放目的。

现有这些常用的技术都没有考虑图像内容信息，这就不可避免地会造成输出图像分辨率的降低，特别是在图像放大情况下，这种问题更为突出。

发明内容

针对现有的图像缩放技术存在的输出图像分别率低的问题，本发明提供了一种新的图像缩放方法。本发明的另一目的是提供一种图像缩放装置。

本发明的技术方案如下：

图像缩放方法包括如下步骤：

A、根据输出图像与输入图像的几何比例关系选定与输出图像上像素点对应的输入图像上的像素点；

B、在包含所述输入图像上选定的对应像素点的局部区域，获取该局部区域的属性特征，所述属性特征包括边缘强度、边缘角度和平滑性特征；

C、利用步骤B获得的属性特征构造滤波器，并将所述输入图像中的局部区域利用构造的滤波器进行滤波输出结果。

步骤A所述选定输入图像对应像素点的方法包括如下步骤：I为输出图像中像素点的水平坐标，rh为输出图像水平方向的缩放比例，有 $\mathrm{ix}=\frac{I}{\mathrm{rh}},$ ix+0.5的整数部分记为Hpos；J为输出图像中像素点的垂直坐标，rv为输出图像垂直方向的缩放比例，有 $\mathrm{iy}=\frac{J}{\mathrm{rv}},$ iy+0.5的整数部分记为Vpos；Hpos即为输入图像对应像素点的水平坐标；Vpos即为输入图像对应像素点的垂直坐标。

步骤B中所述计算边缘强度的方法包括如下步骤：

(1)计算步骤A中所述局部区域内像素特征值的水平差分DH(i，j)，i为局部区域内横坐标，为自然数；j为局部区域内纵坐标，为自然数；

(2)计算步骤A中所述局部区域内像素特征值的垂直差分DV(i，j)，i为局部区域内横坐标，为自然数；j为局部区域内纵坐标，为自然数；

(3)计算下列各公式：

$A=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(\mathrm{DH}(i,j)\×\mathrm{DH}(i,j))$

$B=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(\mathrm{DH}(i,j)\×\mathrm{DV}(i,j))$

$C=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(\mathrm{DV}(i,j)\×\mathrm{DV}(i,j))$

其中，m为所述局部区域内横坐标的最大值，n为所述局部区域内纵坐标的最大值；

(4)计算边缘强度f1，f1为以

为变量的函数。

获得所述平滑性特征的方法为计算函数f2，f2为以(AC-B²)^-1/4为变量的函数。获得所述边缘角度的方法为计算函数f3，f3为以arctan为变量的函数。

构造滤波器的方法为二维高斯函数法：filter(i，j)＝f(i-xsize-Hphase，j-ysize-Vphase)，滤波窗口横坐标最大值为M，纵坐标最大值为N；xsize为M/2的整数部分值；ysize为N/2的整数部分值；

f(x₁，x₂)是二维高斯函数，下式中x为(x₁，x₂)组成的列向量，

$f\left(x\right)=\frac{1}{2\mathrm{\π}\sqrt{\det \left(M\right)}}\exp \left({-x}^T{M}^{-1}x\right);$

x^T为x的转置，M^-1为矩阵M的逆矩阵，M为

$M=f2\×{\left(\begin{array}{cc}\cos \left(f3\right)& \sin \left(f3\right)\\ -\sin \left(f3\right)& \cos \left(f3\right)\end{array}\right)}^T\left(\begin{array}{cc}f1& 0\\ 0& 1/f1\end{array}\right)\left(\begin{array}{cc}\cos \left(f3\right)& \sin \left(f3\right)\\ -\sin \left(f3\right)& \cos \left(f3\right)\end{array}\right);$

其中filter(i，j)为构造的滤波器，ix+0.5的小数部分为Hphase，iy+0.5的小数部分为Vphase。

步骤C所述利用构造的滤波器进行滤波的方法： $\mathrm{Vout}=\underset{i=0}{\overset{m}{\mathrm{\Σ}}}\underset{j=0}{\overset{n}{\mathrm{\Σ}}}(V(i,j)\×\mathrm{filter}(i,j)),$ V(i，j)为所述局部区域内像素特征值，Vout为滤波输出的结果。

图像缩放装置包括如下顺序连接的三个模块：选定输入像素模块、输入像素局部特性获取模块、滤波器构造及输出模块；选定输入像素模块用于根据输出图像与输入图像的比例关系选定与输出图像上像素点对应的输入图像上的像素点；输入像素局部特性获取模块用于划定包含所述输入图像上对应像素点的局部区域并计算其内部的属性特征值；滤波器构造及输出模块用于根据获得的属性特征值构造滤波器，并将所述输入图像中的局部区域利用构造的滤波器进行滤波输出结果。

所述属性特征值包括边缘强度、边缘角度、平滑性。

技术效果：

本发明的图像缩放方法将图像局部区域的特征作为缩放考虑的要素，根据局部区域的特征针对性进行缩放，从而能够最大限度的保持图像分辨率，达到更好的图像缩放效果。图1为采用现有缩放技术(多相插值技术)的结果，图2为采用本发明技术方案的结果。两种方法都是将一个标清图像，分辨率是720×480放大到高清，分辨率是1920×1080。原始输入标清图像内容是正中间(第239和第240行)只有2个像素宽水平线。从图1和图2的对比可见，采用本发明技术方案的缩放结果边缘清晰，分辨率高。

附图说明

图1为采用现有缩放技术(多相插值技术)的结果；

图2为采用本发明技术方案的结果；

图3为本发明图像缩放方法一个具体实施例的流程图；

图4为本发明图像缩放装置原理图。

具体实施方式

结合附图对本发明的技术方案进行详细说明。

如图3所示的本发明的图像缩放方法。首先需要在输入图像上选定对应像素点，选定的对应像素点根据输出图像与输入图像的缩放几何比例(简称缩放比例)确定，即对应于输出图像上每个像素在输入图像上选定对应的像素点，具体的方法如下：

设定I为输出图像中像素点的水平坐标，rh为输出图像水平方向的缩放比例，有 $\mathrm{ix}=\frac{I}{\mathrm{rh}},$ ix+0.5的整数部分记为Hpos；J为输出图像中像素点的垂直坐标，rv为输出图像垂直方向的缩放比例，有 $\mathrm{iy}=\frac{J}{\mathrm{rv}},$ iy+0.5的整数部分记为Vpos；Hpos即为输入图像对应像素点的水平坐标；Vpos即为输入图像对应像素点的垂直坐标。由于像素点的坐标为整数，因此需要对上述的ix+0.5和iy+0.5取整作为对应像素点的坐标。增加的0.5数值相当于对计算结果的四舍五入。

第二，在选定了输入图像上对应像素点后，包括该对应像素点的一个局部区域作为后续的处理对象。在本实施例中，该局部区域为以所述对应像素点为中心的7个像素×7个像素的正方形窗口。为了获得局部区域的边缘特征值，需要计算局部区域内像素特征值的水平差分和垂直差分，这里所述的特征值可以是图像像素的灰度值，也可以表征该像素的其他特征值，例如Lab颜色空间的L分量值，HSI颜色空间的I分量值等等，具体公式如下：

水平差分DH(i，j)：DH(i，j)＝V(i，j)-V(i，j-1)；

垂直差分DV(i，j)：DV(i，j)＝V(i，j)-V(i-1，j)；

其中V(i，j)为像素特征值，表征的像素横坐标为i，纵坐标为j。i、(i-1)为局部区域内横坐标，为自然数；j、(j-1)为局部区域内纵坐标，为自然数。上述差分方法不限于本实施例的一阶差分，可以是其它性质的一阶差分或二阶甚至高阶差分，例如隔点一阶差分DH＝V(i+1，j)-V(i-1，j)和DV＝V(i，j+1)-V(i，j-1)。

计算下列各公式：

$A=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(\mathrm{DH}(i,j)\×\mathrm{DH}(i,j))$

$B=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(\mathrm{DH}(i,j)\×\mathrm{DV}(i,j))$

$C=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(\mathrm{DV}(i,j)\×\mathrm{DV}(i,j))$

其中，m为所述局部区域内横坐标的最大值，n为所述局部区域内纵坐标的最大值，在本实施例中，m和n的值均为7。

将得到A、B、C的值代入下列公式：

计算边缘强度f1(A，B，C)： $f1(A,B,C)=\frac{{(A+C)}^2}{\mathrm{AC}-B^2}$

平滑性f2(A，B，C)的计算公式：f2(A，B，C)＝(AC-B²)^-1/4；

边缘角度值f3(A，B，C)的计算公式：

$f3(A,B,C)=\arctan \left(\frac{2B}{(C-A)-\sqrt{{(C-A)}^2+{4B}^2}}\right).$

需要说明的是，f3的表达式不限于该优选方式，通用的表达式为 $f1(A,B,C)=F1\left(\frac{{(A+C)}^2}{\mathrm{AC}-B^2}\right),$ 即f1为以

为变量的函数。本发明中实际用到的表达式是F1(x)＝x，例如还可以取 $F1\left(x\right)=K*x+b=K\frac{{(A+C)}^2}{\mathrm{AC}-B^2}+b,$ K和b为常数。同样，f2通用的表达式为f2(A，B，C)＝F2((AC-B²)^-1/4)，即f2为以(AC-B²)^-1/4为变量的函数。本发明中实际用到的表达式为F2(x)＝x，例如还可以取F2(x)＝K*x²+b＝K*(AC-B²)^-1/2+b。f3通用的表达式为 $f3(A,B,C)=F\left(\arctan \left(\frac{2B}{(C-A)-\sqrt{{(C-A)}^2+{4B}^2}}\right)\right),$ f3为以 $\arctan \left(\frac{2B}{(C-A)-\sqrt{{(C-A)}^2+{4B}^2}}\right)$ 为变量的函数。本发明中实际用到的表达式为F(x)＝x。

第三，根据获得的f1(A，B，C)、f2(A，B，C)、f3(A，B，C)，以及Hphase和Vphase作为输入构造二维的插值滤波器。ix+0.5的小数部分为Hphase，iy+0.5的小数部分为Vphase。本发明的构造滤波器的方法为二维高斯函数法。它的具体构造方法，以7×7的滤波器filter(i，j)为例，filter(i，j)＝f(i-3-Hphase，j-3-Vphase)。filter(i，j)的通用公式为：filter(i，j)＝f(i-xsize-Hphase，j-ysize-Vphase)，滤波窗口横坐标最大值为M，纵坐标最大值为N；xsize为M/2的整数部分值；ysize为N/2的整数部分值。

f(x₁，x₂)是二维高斯函数，下式中x为(x₁，x₂)组成的列向量，

$f\left(x\right)=\frac{1}{2\mathrm{\π}\sqrt{\det \left(M\right)}}\exp \left({-x}^T{M}^{-1}x\right);$

x^T为x的转置，M^-1为矩阵M的逆矩阵，M为

$M=f2\×{\left(\begin{array}{cc}\cos \left(f3\right)& \sin \left(f3\right)\\ -\sin \left(f3\right)& \cos \left(f3\right)\end{array}\right)}^T\left(\begin{array}{cc}f1& 0\\ 0& 1/f1\end{array}\right)\left(\begin{array}{cc}\cos \left(f3\right)& \sin \left(f3\right)\\ -\sin \left(f3\right)& \cos \left(f3\right)\end{array}\right).$

第四，对输入图像滤波并输出结果。对输入的图像利用构造的滤波器进行滤波。

具体方法如下： $\mathrm{Vout}=\underset{i=0}{\overset{m}{\mathrm{\Σ}}}\underset{j=0}{\overset{n}{\mathrm{\Σ}}}(V(i,j)\×\mathrm{filter}(i,j));$ Vout为滤波输出的结果；m为所述局部区域内横坐标的最大值，在本实施例(7×7窗口)中m为6；n为所述局部区域内纵坐标的最大值，在本实施例中n为6。

图4显示了本发明图像缩放装置原理图。图像缩放装置包括如下顺序连接的三个模块：选定输入像素模块、输入像素局部特性获取模块、滤波器构造及输出模块。

选定输入像素模块用于根据输出图像与输入图像的缩放比例关系选定与输出图像上像素点对应的输入图像上的像素点。

输入像素局部特性获取模块用于划定包含所述输入图像上对应像素点的局部区域并计算其内部的边缘强度、边缘角度和边缘平滑性等属性特征值。

滤波器构造及输出模块用于根据获得的边缘强度、边缘角度和边缘平滑性构造滤波器，并将所述输入图像中的局部区域利用构造的滤波器进行滤波输出结果。

应当指出，以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明，但不以任何方式限制本发明。因此，尽管本说明书参照附图和实施方式对本发明已进行了详细的说明，但是，本领域技术人员应当理解，仍然可以对本发明进行修改或者等同替换；而一切不脱离本发明的精神和技术实质的技术方案及其改进，其均应涵盖在本发明专利的保护范围当中。

Claims (5)

1.图像缩放方法，其特征在于包括如下步骤：

A、根据输出图像与输入图像的几何比例关系选定与输出图像上像素点对应的输入图像上的像素点；

B、在包含所述输入图像上对应像素点的局部区域，获取该局部区域的属性特征，所述属性特征包括边缘强度、边缘角度和平滑性特征；

C、利用步骤B获得的属性特征构造滤波器，并将所述输入图像中的局部区域利用构造的滤波器进行滤波输出结果；

步骤B中所述边缘强度的计算方法包括如下步骤：

(1)计算步骤B中所述局部区域内像素特征值的水平差分DH(i，j)，i为局部区域内横坐标，为自然数；j为局部区域内纵坐标，为自然数；

(2)计算步骤B中所述局部区域内像素特征值的垂直差分DV(i，j)，i为局部区域内横坐标，为自然数；j为局部区域内纵坐标，为自然数；

(3)计算下列各公式：

$A=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(\mathrm{DH}(i,j)\×\mathrm{DH}(i,j))$

$B=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(\mathrm{DH}(i,j)\×\mathrm{DV}(i,j))$

$C=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(\mathrm{DV}(i,j)\×\mathrm{DV}(i,j))$

其中，m为所述局部区域内横坐标的最大值，n为所述局部区域内纵坐标的最大值；

(4)计算边缘强度f1，f1为以为变量的函数。

2.根据权利要求1所述的图像缩放方法，其特征在于步骤A所述选定输入图像对应像素点的方法包括如下步骤：I为输出图像中像素点的水平坐标，rh为输出图像水平方向的缩放比例，有

ix+0.5的整数部分记为Hpos；J为输出图像中像素点的垂直坐标，rv为输出图像垂直方向的缩放比例，有

iy+0.5的整数部分记为Vpos；Hpos即为输入图像对应像素点的水平坐标；Vpos即为输入图像对应像素点的垂直坐标。

3.根据权利要求1所述的图像缩放方法，其特征在于获得所述平滑性特征的方法为计算函数f2，f2为以(AC-B²)^-1/4为变量的函数。

4.根据权利要求1所述的图像缩放方法，其特征在于获得所述边缘角度的方法为计算函数f3，f3为以

为变量的函数。

5.图像缩放装置，其特征在于包括如下顺序连接的三个模块：选定输入像素模块、输入像素局部特性获取模块、滤波器构造及输出模块；选定输入像素模块用于根据输出图像与输入图像的比例关系选定与输出图像上像素点对应的输入图像上的像素点；输入像素局部特性获取模块用于划定包含所述输入图像上对应的像素点的局部区域并计算其内部的属性特征值；滤波器构造及输出模块用于根据获得的属性特征值构造滤波器，并将所述输入图像中的局部区域利用构造的滤波器进行滤波输出结果；所述属性特征值包括边缘强度、边缘角度和平滑性特征；

所述边缘强度的计算方法包括如下步骤：

(1)计算所述局部区域内像素特征值的水平差分DH(i，j)，i为局部区域内横坐标，为自然数；j为局部区域内纵坐标，为自然数；

(2)计算所述局部区域内像素特征值的垂直差分DV(i，j)，i为局部区域内横坐标，为自然数；j为局部区域内纵坐标，为自然数；

(3)计算下列各公式：

$A=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(\mathrm{DH}(i,j)\×\mathrm{DH}(i,j))$

$B=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(\mathrm{DH}(i,j)\×\mathrm{DV}(i,j))$

$C=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(\mathrm{DV}(i,j)\×\mathrm{DV}(i,j))$

其中，m为所述局部区域内横坐标的最大值，n为所述局部区域内纵坐标的最大值；

(4)计算边缘强度f1，f1为以

为变量的函数。

Images