CN101600062A - 一种基于增强型边沿自适应的场内去隔行方法 - Google Patents

Abstract

本发明公开了一种基于增强型边沿自适应的场内去隔行方法。包括如下步骤：1)考虑待插补像素点P(i，j)，像素点处在第i行，第j列；计算边沿方向参数EDGE；2)比较三组差值，判断是否对待插补像素点进行上下行平均插值；3)计算边沿拟合函数f(k)，k＝0，…，β，确定边沿方向，连同待插补像素点的上下两点进行中值滤波并最终完成插值。本发明通过预先计算边沿方向参数，消除了反向插值的可能性。在增加插值边沿角度的同时，抑制了接近水平角度时错误插值的可能性。并且，利用像素块代替像素点，降低了噪声点对查找边沿的影响。

Description

一种基于增强型边沿自适应的场内去隔行方法

技术领域

本发明涉及视频信号处理技术领域，尤其涉及一种基于增强型边沿自适应的场内去隔行方法。

背景技术

传统的模拟信号电视采用隔行扫描制式。隔行扫描的行扫描频率为逐行扫描时的一半，因而电视信号的频谱及传送该信号的信道带宽亦为逐行扫描的一半。这样采用了隔行扫描后，在图像质量下降不多的情况下，信道利用率提高了一倍。由于信道带宽的减小，使系统及设备的复杂性与成本也相应减少，这就是为什么世界上早期的电视制式均采用隔行扫描的原因。

但隔行扫描也会带来许多缺点，如会产生行间闪烁效应、出现并行现象及出现垂直边沿锯齿化现象等不良效应。自从数字电视发展后，为了得到高品质的图像质量，逐行扫描也已成为数字电视扫描的优选方案。

去隔行技术便是将隔行扫描信号转换为逐行扫描信号的一种视频格式转换技术。而去隔行技术主要有场间插值法、场内插值法、运动自适应和运动补偿四类方法。场间插值法就是将前后两场合并起来组成一帧图像；场内插值法只使用本场信息还原出待插补像素点；运动自适应通过运动估计将场内插值法和场间插值法结合起来进行插值；运动补偿则需要利用运动矢量来对图像进行插值。

而在这些算法中，场内插值法是决定还原图像画质好坏非常关键的一环。运用较广泛的场内插值法为行平均法和边沿自适应法，但均存在产生锯齿、图像模糊、存在帧间闪烁等问题。

发明内容

本发明的目的是为了克服上述缺点和不足，提供一种基于增强型边沿自适应的场内去隔行方法，能够精确的监测边沿情况进行插值，有良好的图像处理效果。

基于增强型边沿自适应的场内去隔行方法包括以下步骤：

1)设待插补像素点P(i，j)，像素点处在第i行，第j列；计算边沿方向参数EDGE，公式如下，

EDGE＝left-right

left＝|P(i-1，j)-P(i+1，j+1)|+|P(i-1，j-1)-P(i+1，j)|

right＝|P(i-1，j)-P(i+1，j-1)|+|P(i-1，j+1)-P(i+1，j)|

其中，P(i-1，j-1)、P(i-1，j)、P(i-1，j+1)是待插补像素点上一行的像素点，P(i+1，j-1)、P(i+1，j)、P(i+1，j+1)是待插补像素点下一行的像素点；

如果|EDGE|小于预先设置好的阈值edge_threshold，则以

P(i，j)＝(P(i-1，j)+P(i+1，j))/2

对待插补像素点进行上下行平均插值，结束该像素点的插值计算；

如果|EDGE|大于预先设置好的阈值edge_threshold，进入步骤2)；

2)比较A，B，C三组差值，

$A=\underset{k=-\mathrm{\α}}{\overset{\mathrm{\α}}{\mathrm{\Σ}}}|P(i-1,j-1+k)-P(i+1,j+1+k)|$

$B=\underset{k=-\mathrm{\α}}{\overset{\mathrm{\α}}{\mathrm{\Σ}}}|P(i-1,j+k)-P(i+1,j+k)|$

$C=\underset{k=-\mathrm{\α}}{\overset{\mathrm{\α}}{\mathrm{\Σ}}}|P(i-1,j+1+k)-P(i+1,j-1+k)|$

α为预先确定的参数；

如果A＜B且B＞C，则以

P(i，j)＝(P(i-1，j)+P(i+1，j))/2

对待插补像素点进行上下行平均插值，结束该像素点的插值计算；

如果A＞B且B＜C，则以

P(i，j)＝(P(i-1，j)+P(i+1，j))/2

对待插补像素点进行上下行平均插值，结束该像素点的插值计算；

不然，则进入步骤3)；

3)如果EDGE＞0，计算P(i-1，j+k)与P(i+1，j-k)所在边沿的边沿拟合函数f(k)，k＝0，...，β，β为预先确定的参数；

在k从0逐渐增加到β-1的过程中，选取第一个满足以下公式的k对应的P(i-1，j+k)与P(i+1，j-k)所在边沿进行插值，

f(k)＜f(k+1)，k＝0，...，β-1

如果k＝0，...，β-1均不能满足以上公式，则以k＝β对应的P(i-1，j+k)与P(i+1，j-k)所在边沿进行插值；

如果EDGE＜0，计算P(i-1，j-k)与P(i+1，j+k)所在边沿的边沿拟合函数f(k)，k＝0，...，β；

在k从0逐渐增加到β-1的过程中，选取第一个满足以下公式的k对应的P(i-1，j-k)与P(i+1，j+k)所在边沿进行插值，

f(k)＜f(k+1)，k＝0，...，β-1

如果k＝0，...，β-1均不能满足以上公式，则以k＝β对应的P(i-1，j-k)与P(i+1，j+k)所在边沿进行插值。

所述的计算P(i-1，j+k)与P(i+1，j-k)所在边沿的边沿拟合函数f(k)步骤为：

1)计算D，E，F三组差值，

$D=\underset{l=-\mathrm{\α}}{\overset{\mathrm{\α}}{\mathrm{\Σ}}}|P(i-1,j+k-1+l)-P(i+1,j-k-1+l)|$

$E=\underset{l=-\mathrm{\α}}{\overset{\mathrm{\α}}{\mathrm{\Σ}}}|P(i-1,j+k+l)-P(i+1,j-k+l)|$

$F=\underset{l=-\mathrm{\α}}{\overset{\mathrm{\α}}{\mathrm{\Σ}}}|P(i-1,j+k+1+l)-P(i+1,j-k+1+l)|$

2)对D，E，F进行中值滤波得到MID，公式如下所示：

MID＝median(D，E，F)

3)通过MID计算边沿拟合函数f(k)，公式如下所示：

f(k)＝MID+a₁×|k|+a₂×|k|²+...+a_n×|k|ⁿ

其中，a₁，a₂，...，a_n为预先确定的多项式系数。

所述的以P(i-1，j-k)与P(i+1，j+k)所在边沿进行插值步骤为：

1)计算P(i-1，j-k)与P(i+1，j+k)的平均值，公式如下所示：

Q(i，j)＝(P(i-1，j-k)+P(i+1，j+k))/2，k＝-β，...，β

2)对P(i-1，j)，P(i+1，j)和Q(i，j)进行中值滤波得到最终的插值P(i，j)，公式如下所示：

P(i，j)＝median(P(i-1，j)，P(i+1，j)，Q(i，j))。

本发明通过预先计算边沿方向参数，消除了反向插值的可能性。在增加插值边沿角度的同时，抑制了接近水平角度时错误插值的可能性。并且，利用像素块代替像素点，降低了噪声点对查找边沿的影响。

附图说明

图1为基于增强型边沿自适应的场内去隔行方法流程图；

图2为计算边沿方向参数EDGE示意图；

图3为比较A，B，C三组差值示意图；

图4为计算P(i-1，j+k)与P(i+1，j-k)所在边沿的边沿拟合函数f(k)，k＝-β，...，β示意图；

图5为计算D，E，F三组差值示意图。

具体实施方式

如图1所示，基于增强型边沿自适应的场内去隔行方法包括如下步骤：

1)设待插补像素点P(i，j)，像素点处在第i行，第j列；计算边沿方向参数EDGE，其示意图如图2所示，公式如下，

EDGE＝left-right

left＝|P(i-1，j)-P(i+1，j+1)|+|P(i-1，j-1)-P(i+1，j)|

right＝|P(i-1，j)-P(i+1，j-1)|+|P(i-1，j+1)-P(i+1，j)|

其中，P(i-1，j-1)、P(i-1，j)、P(i-1，j+1)是待插补像素点上一行的像素点，P(i+1，j-1)、P(i+1，j)、P(i+1，j+1)是待插补像素点下一行的像素点；

如果|EDGE|小于预先设置好的阈值edge_threshold，则以

P(i，j)＝(P(i-1，j)+P(i+1，j))/2

对待插补像素点进行上下行平均插值，结束该像素点的插值计算；

如果|EDGE|大于预先设置好的阈值edge_threshold，进入步骤2)；

2)比较A，B，C三组差值，示意图如图3所示，

$A=\underset{k=-\mathrm{\α}}{\overset{\mathrm{\α}}{\mathrm{\Σ}}}|P(i-1,j-1+k)-P(i+1,j+1+k)|$

$B=\underset{k=-\mathrm{\α}}{\overset{\mathrm{\α}}{\mathrm{\Σ}}}|P(i-1,j+k)-P(i+1,j+k)|$

$C=\underset{k=-\mathrm{\α}}{\overset{\mathrm{\α}}{\mathrm{\Σ}}}|P(i-1,j+1+k)-P(i+1,j-1+k)|$

α为预先确定的参数；

如果A＜B且B＞C，则以

P(i，j)＝(P(i-1，j)+P(i+1，j))/2

对待插补像素点进行上下行平均插值，结束该像素点的插值计算；

如果A＞B且B＜C，则以

P(i，j)＝(P(i-1，j)+P(i+1，j))/2

对待插补像素点进行上下行平均插值，结束该像素点的插值计算；

不然，则进入步骤3)；

3)如果EDGE＞0，计算P(i-1，j+k)与P(i+1，j-k)所在边沿的边沿拟合函数f(k)，k＝0，...，β，β为预先确定的参数；

在k从0逐渐增加到β-1的过程中，选取第一个满足以下公式的k对应的P(i-1，j+k)与P(i+1，j-k)所在边沿进行插值，

f(k)＜f(k+1)，k＝0，...，β-1

如果k＝0，...，β-1均不能满足以上公式，则以k＝β对应的P(i-1，j+k)与P(i+1，j-k)所在边沿进行插值；

如果EDGE＜0，计算P(i-1，j-k)与P(i+1，j+k)所在边沿的边沿拟合函数f(k)，k＝0，...，β；

为计算P(i-1，j+k)与P(i+1，j-k)所在边沿的边沿拟合函数f(k)，k＝-β，...，β的示意图如图4所示。

在k从0逐渐增加到β-1的过程中，选取第一个满足以下公式的k对应的P(i-1，j-k)与P(i+1，j+k)所在边沿进行插值，

f(k)＜f(k+1)，k＝0，...，β-1

如果k＝0，...，β-1均不能满足以上公式，则以k＝β对应的P(i-1，j-k)与P(i+1，j+k)所在边沿进行插值。

发明提出的这样场内插值方法的优点在于能更精确得查找待插补像素点所在边沿。首先，引入边沿方向参数EDGE，对插值边沿的方向进行预先判断，消除了反向插值错误的可能性。其次，通过比较A，B，C三组差值，减小了插值伪边沿的可能性。接着，通过增加β，我们可以获得更多边沿存在的倾斜角度，β越大，边沿越趋于水平。但增加β的同时也意味着错误插值的可能性在增加。最后，利用边沿拟合函数f(k)有效地抑制了增加β所带来的错误插值的可能性。

所述的计算P(i-1，j+k)与P(i+1，j-k)所在边沿的边沿拟合函数f(k)步骤为：

1)计算D，E，F三组差值，示意图如图5所示，

$D=\underset{l=-\mathrm{\α}}{\overset{\mathrm{\α}}{\mathrm{\Σ}}}|P(i-1,j+k-1+l)-P(i+1,j-k-1+l)|$

$E=\underset{l=-\mathrm{\α}}{\overset{\mathrm{\α}}{\mathrm{\Σ}}}|P(i-1,j+k+l)-P(i+1,j-k+l)|$

$F=\underset{l=-\mathrm{\α}}{\overset{\mathrm{\α}}{\mathrm{\Σ}}}|P(i-1,j+k+1+l)-P(i+1,j-k+1+l)|$

2)对D，E，F进行中值滤波得到MID，公式如下所示：

MID＝median(D，E，F)

3)通过MID计算边沿拟合函数f(k)，公式如下所示：

f(k)＝MID+a₁×|k|+a₂×|k|²+...+a_n×|k|ⁿ

其中，a₁，a₂，...，a_n为预先确定的多项式系数。

以上边沿拟合函数f(k)的技术特点在于三点。第一，在传统边沿自适应插值方法单边沿上下行相似度比较的同时，引入相邻同一方向的两条边沿进行中值滤波，更精确地实现了边沿判断。第二，为了防止噪声像素点对边沿查找带来的影响，通过比较上下两行各自所在的2α+1的像素块来消除噪声。第三，我们对边沿拟合函数f(k)增加了一个多项式，随着k的增加，即β的增加，边沿拟合函数f(k)也会相应增加一个系数，从而抑制了增加β所带来错误边沿插值的可能性。

另一个技术特点在于，我们在逐一比较边沿拟合函数f(k)的过程中，采取了提前终止的方法，即随着k从0增加到β，当f(k)从递减变为递增时，认为监测到相应的边沿。这样的做法比之单纯从所有f(k)中找出最小值对应的k进行插值的优点在于，消除了跨边沿错误插值的可能性，即f(k)反复递增、递减。

所述的以P(i-1，j-k)与P(i+1，j+k)所在边沿进行插值步骤为：

1)计算P(i-1，j-k)与P(i+1，j+k)的平均值，公式如下所示：

Q(i，j)＝(P(i-1，j-k)+P(i+1，j+k))/2，k＝-β，...，β

2)对P(i-1，j)，P(i+1，j)和Q(i，j)进行中值滤波得到最终的插值P(i，j)，公式如下所示：

P(i，j)＝median(P(i-1，j)，P(i+1，j)，Q(i，j))

选取α＝2，即比较采用的图像块大小为5×1。选取β＝3，即在查找边沿时，共有90°，45°，135°，21.57°，123.43°，18.43°，161.57°这7种可能的边沿倾斜角度。选取f(k)＝MID+3×|k|+1×|k|²。

Claims (3)

1.一种基于增强型边沿自适应的场内去隔行方法，其特征在于它包括以下步骤：

1)设待插补像素点P(i，j)，像素点处在第i行，第j列；计算边沿方向参数EDGE，公式如下，

EDGE＝left-right

left＝|P(i-1，j)-P(i+1，j+1)|+|P(i-1，j-1)-P(i+1，j)|

right＝|P(i-1，j)-P(i+1，j-1)|+|P(i-1，j+1)-P(i+1，j)|

其中，P(i-1，j-1)、P(i-1，j)、P(i-1，j+1)是待插补像素点上一行的像素点，P(i+1，j-1)、P(i+1，j)、P(i+1，j+1)是待插补像素点下一行的像素点；

如果|EDGE|小于预先设置好的阈值edge_threshold，则以

P(i，j)＝(P(i-1，j)+P(i+1，j))/2

对待插补像素点进行上下行平均插值，结束该像素点的插值计算；

如果|EDGE|大于预先设置好的阈值edge_threshold，进入步骤2)；

2)比较A，B，C三组差值，

$A=\underset{k=-\mathrm{\α}}{\overset{\mathrm{\α}}{\mathrm{\Σ}}}|P(i-1,j-1+k)-P(i+1,j+1+k)|$

$B=\underset{k=-\mathrm{\α}}{\overset{\mathrm{\α}}{\mathrm{\Σ}}}|P(i-1,j+k)-P(i+1,j+k)|$

$C=\underset{k=-\mathrm{\α}}{\overset{\mathrm{\α}}{\mathrm{\Σ}}}|P(i-1,j+1+k)-P(i+1,j-1+k)|$

α为预先确定的参数；

如果A＜B且B＞C，则以

P(i，j)＝(P(i-1，j)+P(i+1，j))/2

对待插补像素点进行上下行平均插值，结束该像素点的插值计算；

如果A＞B且B＜C，则以

P(i，j)＝(P(i-1，j)+P(i+1，j))/2

对待插补像素点进行上下行平均插值，结束该像素点的插值计算；

不然，则进入步骤3)；

3)如果EDGE＞0，计算P(i-1，j+k)与P(i+1，j-k)所在边沿的边沿拟合函数f(k)，k＝0，...，β，β为预先确定的参数；

在k从0逐渐增加到β-1的过程中，选取第一个满足以下公式的k对应的P(i-1，j+k)与P(i+1，j-k)所在边沿进行插值，

f(k)＜f(k+1)，k＝0，...，β-1

如果k＝0，...，β-1均不能满足以上公式，则以k＝β对应的P(i-1，j+k)与P(i+1，j-k)所在边沿进行插值；

如果EDGE＜0，计算P(i-1，j-k)与P(i+1，j+k)所在边沿的边沿拟合函数f(k)，k＝0，...，β；

在k从0逐渐增加到β-1的过程中，选取第一个满足以下公式的k对应的P(i-1，j-k)与P(i+1，j+k)所在边沿进行插值，

f(k)＜f(k+1)，k＝0，...，β-1

如果k＝0，...，β-1均不能满足以上公式，则以k＝β对应的P(i-1，j-k)与P(i+1，j+k)所在边沿进行插值。

2.如权利要求1所述的一种基于增强型边沿线平均的场内去隔行方法，其特征在于所述的计算P(i-1，j+k)与P(i+1，j-k)所在边沿的边沿拟合函数f(k)步骤为：

1)计算D，E，F三组差值，

$D=\underset{l=-\mathrm{\α}}{\overset{\mathrm{\α}}{\mathrm{\Σ}}}|P(i-1,j+k-1+l)-P(i+1,j-k-1+l)|$

$E=\underset{l=-\mathrm{\α}}{\overset{\mathrm{\α}}{\mathrm{\Σ}}}|P(i-1,j+k+l)-P(i+1,j-k+l)|$

$F=\underset{l=-\mathrm{\α}}{\overset{\mathrm{\α}}{\mathrm{\Σ}}}|P(i-1,j+k+1+l)-P(i+1,j-k+1+l)|$

2)对D，E，F进行中值滤波得到MID，公式如下所示：

MID＝median(D，E，F)

3)通过MID计算边沿拟合函数f(k)，公式如下所示：

f(k)＝MID+a₁×|k|+a₂×|k|²+...+a_n×|k|ⁿ

其中，a₁，a₂，...，a_n为预先确定的多项式系数。

3.如权利要求1所述的一种基于增强型边沿线平均的场内去隔行方法，其特征在于所述的以P(i-1，j-k)与P(i+1，j+k)所在边沿进行插值步骤为：

1)计算P(i-1，j-k)与P(i+1，j+k)的平均值，公式如下所示：

Q(i，j)＝(P(i-1，j-k)+P(i+1，j+k))/2，k＝-β，...，β

2)对P(i-1，j)，P(i+1，j)和Q(i，j)进行中值滤波得到最终的插值P(i，j)，公式如下所示：

P(i，j)＝median(P(i-1，j)，P(i+1，j)，Q(i，j))。

Images