CN102170549A - 一种边缘预判断的边缘相关性图像场内去隔行算法 - Google Patents

Abstract

本发明公开了一种边缘预判断的边缘相关性图像场内去隔行算法，采用梯度判断，分辨出图像中的平坦区域、垂直边缘、水平边缘以及对角边缘，并对水平边缘和对角边缘部分的边缘方向采取分象限判断，区分出细节部分和非细节部分，并采用不同的插值方式。对图像的边缘部分通过采用九个点，并且每个点与其左右相邻两点构成的区域来判断方向，方向在90°附近的4个角度时，内插亚像素点，以达到更精确的边缘角度。最后根据方向来完成插值，从而达到较好去隔行效果的目的。

Description

一种边缘预判断的边缘相关性图像场内去隔行算法

技术领域：

本发明涉及一种视频图像处理系统，更具体的是，涉及视频图像处理时，一种边缘预判断的边缘相关性图像去隔行算法。

背景技术：

为了节省视频传输的带宽，长期以来视频信号都是以隔行扫描的方式进行传输，而隔行扫描的视频会带来画面行间闪烁、跳跃等不良视觉效果，顺序扫描则因具有更高的垂直分辨率而不会出现这种现象，随着信息技术的进步以及等离子平板显示器、液晶显示器等为代表的平板显示器的飞速发展，逐行扫描将成为替代隔行扫描的传输方式。但在当前及以后的一段过渡时间内，隔行扫描和顺序扫描视频源将长期并存，因此把隔行扫描的视频源转换为顺序扫描的方式成为视频格式转换系统中的关键技术，而去隔行技术的关键在于图像边缘和细节信息的保持。

常规的视频去隔行技术分为帧内去隔行和帧间去隔行两种，帧间去隔行技术在硬件实现上需要存储多帧视频，帧内去隔行算法仅需存储若干行便可以取得很好的去隔行效果，不仅大大节省了硬件资源，也是帧间去隔行算法的关键部分。帧内去隔行最常用的算法是双线性插值，通过对待插值像素点上下两个点求平均值得到，结构简单，但在图像的边缘会带来严重的锯齿效应。基于边缘方向的去隔行算法利用相邻行像素之间的方向相关性选择插值的边缘方向，可以有效的降低插值后图像边缘的锯齿效应。简单的基于边缘方向的插值算法往往只能检测较少的边缘方向，对于小角度的锯齿则没有作用，而随着检测点数的增加而引起的边缘方向误判问题则会对图像中的纹理区域造成细节的丢失。

发明内容：

本发明的目的在于提供一种用于视频图像处理的去隔行算法。更具体的说，该方法是在视频图像去隔行处理时，对图像进行边缘方向预判断，选择对应的插值算法再计算边缘相关性选择插值方向的去隔行算法。

下面详细介绍本发明的具体技术方案：

一种边缘相关性的场内去隔行算法。

该系统包括：

一种边缘相关性的场内去隔行算法对图像进行边缘方向预判断，选择合适的插值方向；

一种边缘相关性的场内去隔行算法对平坦区域、纹理区域、水平边缘采用垂直方向插值的算法；

一种边缘相关性的场内去隔行算法对其他边缘方向采用边缘相关性的去隔行算法；

一种边缘相关性的场内去隔行算法在进行边缘方向检测时采用的区域内点的方向检测来降低边缘误检概率；

一种边缘相关性的场内去隔行算法在进行边缘方向检测时考虑子像素点提高边缘能够检测到角度的个数。

其特征在于：

本发明所述方法为了实现视频格式从隔行到逐行的转换并且在占用较低的硬件资源的基础上对图像的边缘和细节有很好的保持效果，采用对图像边缘方向预判断，对不同的部分选取合适的插值方式，使得整体的去隔行算法能够在低硬件实现代价的基础上取得非常好的去隔行效果。

本发明所述方法为了降低计算复杂度减少运算量，在对边缘预判断以后对平坦区域、纹理区域和水平边缘采用垂直方向插值的算法；

本发明所述方法为了很好的保持边缘信息，减少边缘的锯齿效应，对其他边缘方向采用边缘相关性的去隔行算法；

本发明所述方法为了降低边缘方向的误检测，在进行边缘方向检测时采用的区域内点的方向检测，减少了假边缘现象的出现，在边缘上取得较好的去隔行效果；

本发明所述方法为了提高边缘方向的检测精度，在进行边缘方向检测时考虑亚像素点，能够检测到更精确的边缘方向。

附图说明：

以下结合附图和具体实施方式来进一步说明本发明。

图1为本发明所述算法的流程图。

图2为本发明所述算法的梯度算子。

图3为本发明所述算法的9点边缘方向检测图。

图4为本发明所述算法的区域性方向检测图。

图5为本发明所述算法的亚像素点示意图。

具体实施方式：

下面将结合附图进一步阐述本发明。

如图1所示为整个去隔行算法的流程图。首先对输入奇数场视频图像进行梯度的计算，可得每个插值点的水平方向梯度和垂直方向梯度，与阈值Th进行判断，将图像分为不同的区域，其次计算对角方向和水平方向区域的9点区域最小值和次最小值，然后通过最小值和次最小值的象限判断进一步把该区域分为细节和非细节部分，每个部分用不同插值方式，最后输出完整的去隔行图像。

如图2所示为梯度算子，其中(a)为水平方向的梯度算子，(b)为垂直方向的梯度算子。利用这两个算子计算每个待插值像素点的水平梯度Ch和垂直梯度Cv。如公式1、公式2所示。

Ch＝|(2f(i-1，j)+f(i-1，j+1)+f(i-1，j-1))-(2f(i+1，j)+f(i+1，j+1)+f(i+1，j-1))|/3；

公式1

Cv＝|(f(i-1，j-1)+f(i+1，j-1))-(f(i-1，j+1)+f(i+1，j+1))|/2；

公式2

设定水平阈值Th，垂直阈值Tv来对梯度进行分析判断，Ch＜Th时为平坦区域和垂直边缘，Ch＞Th时为水平边缘和对角边缘。若为平坦区域或者垂直边缘点，插值则采用待插值像素点上下两点的原像素点的值的平均作为插值后的像素，在水平边缘和对角边缘中，进一步进行边缘方向性检测，其中通过判断方向的象限进一步将非平坦区域细分为细节和非细节部分，若为细节部分，那么在较小的范围内，方向多次发生改变，如果仍然使用边缘方向判断的方法，则会造成细节部分模糊，因此通过边缘方向相关性判断时位于不同象限为细节区域，在插值时，选择简单的上下两点平均的方法反而可以较好的保持细节信息，若不是细节信息，则用边缘方向相关性最强的两点的均值来作为插值后的像素。

如图3所示为9点的边缘方向检测示意图，图中白色的点为原始像素点，黑色的点为待插值像素点。待插值像素点的上下两行共18个原始像素点分别形成代表9个方向的像素对。

如图4所示为区域性方向检测示意图，图中用虚线方框内的三个像素对计算所得的方向来最终表示经过待插值像素点中心的区域中心的方向。

结合图2、图3，9个方向偏差计算公式为：

D1＝|a1-b9|+|a2-b10|+|a3-b11|

D2＝|a2-b8|+|a3-b9|+|a4-b 10|

D3＝|a3-b7|+|a4-b8|+|a5-b9|

D4＝|a4-b6|+|a5-b7|+|a6-b8|

D5＝|a5-b5|+|a6-b6|+|a7-b7|

D6＝|a6-b4|+|a7-b5|+|a8-b6|

D7＝|a7-b3|+|a8-b4|+|a9-b5|

D8＝|a8-b2|+|a9-b3|+|a10-b4|

D9＝|a9-b1|+|a10-b2|+|a11-b3|

公式3

计算9个方向中的两个最小值Dm，Dn。如图5所示当Dm，Dn的方向角为45°、135°、26.75°、153.25、90°时，为了能检测到更精确的角度，在代表这5个角度的像素点之间各插入3个亚像素点。如图所示，设a2和a3之间的3个点依次为a21、a22、a23，则计算公式如公式4，同理可计算其他的亚像素点。

a21＝(3/4)*a2+(1/4)*a3

a22＝(1/2)*a2+(1/2)*a3

a23＝(1/4)*a2+(3/4)*a3

公式4

如图4所示沿着待插值像素点将其周围的原始像素点划分为4个象限。偏差最小代表边缘相关性最大，因此如果Dm和Dn位于同一个象限，则为非细节的边缘部分，根据这两个方向差值大小来选择加权或者直接平均插值；如果Dm和Dn位于不同的象限，则为细节部分，直接采用简单的上下两点平均插值。

至此完成了一帧图像的去隔行插值。

上述算法设计是本发明所述装置的一种典型的实施方式，对于本领域的技术人员，在上述装置的基础上可以对更复杂的去隔行算法进行移植，同样能够实现本发明的目的。但是，这种变化显然应该在本发明的权利要求书的保护范围内。

Claims (6)

1.一种边缘预判断的边缘相关性图像场内去隔行算法，其特征在于包括以下步骤：

(1)对图像进行边缘方向预判断，选择合适的插值方向；

(2)对平坦区域、纹理区域、水平边缘采用垂直方向插值的算法；

(3)对其他边缘方向采用边缘相关性的去隔行算法；

(4)在进行边缘方向检测时采用的区域内点的方向检测来降低边缘误检概率；

(5)在进行边缘方向检测时考虑子像素点提高边缘能够检测到角度的个数。

2.根据权利要求1所述一种边缘预判断的边缘相关性图像场内去隔行算法，其特征在于：

步骤1中采用对图像边缘方向预判断，对不同的部分选取合适的插值方式，使得整体的去隔行算法能够在低硬件实现代价的基础上取得非常好的去隔行效果。

3.根据权利要求1所述一种边缘预判断的边缘相关性图像场内去隔行算法，其特征在于：

步骤2中对边缘预判断以后对平坦区域、纹理区域和水平边缘采用垂直方向插值的算法。

4.根据权利要求1所述一种边缘预判断的边缘相关性图像场内去隔行算法，其特征在于：

步骤3中为了很好的保持边缘信息，减少边缘的锯齿效应，对其他边缘方向采用边缘相关性的去隔行算法。

5.根据权利要求1所述一种边缘预判断的边缘相关性图像场内去隔行算法，其特征在于：

步骤4中为了降低边缘方向的误检测，在进行边缘方向检测时采用的区域内点的方向检测，减少了假边缘现象的出现，在边缘上取得较好的去隔行效果。

6.根据权利要求1所述一种边缘预判断的边缘相关性图像场内去隔行算法，其特征在于：

步骤5中为了提高边缘方向的检测精度，在进行边缘方向检测时考虑亚像 素点，能够检测到更精确的边缘方向。 

Images