背景技术
随着技术进步,图像处理技术的发展和IC成本的相对下降,模拟电视发展出现两大趋势:1)模拟电路数字化;2)对图像质量要求不断提高。目前,接收端采用对模拟信号进行数字化处理来提高图像质量。由于模拟电视信号采用模拟技术发射,因此受信道影响大,这样,在接收端最终显示的画面上会出现很多噪声,影响显示质量。针对这一问题,近来不断发展出很多滤波方法来提高图像质量。目前主要滤波算法可分为两类:
1)2D算法。模拟电视在PAL制式下一秒钟发送(或接受)50帧,其中每帧包括一个奇场(Field)和一个偶场。2D算法基于当前场数据进行运算。线性滤波一般采用低通滤波,非线性滤波一般采用中值滤波。低通滤波能够有效降低图像噪声的频率,但会丢失图像整体的细节。中值滤波能够有效降低噪声影响,也能够在一定程度上保证图像细节不会严重丢失;但是由于算法原因会破坏局部图像内容。
2)3D算法。3D算法是在2D算法的基础上,在时间方向上增加图像信息。在播放连续图像的情况下,图像上一场内容和当前场内容有一定的关联性,可以根据这种关联性来提高当前场的图像质量。3D算法正是基于上一场内容与当前场内容的关联性来进行计算的。
具体的3D算法为:
其中,
表示第i-1场中第
行、第
列和的像素点的象素值,P′(h,v,i)表示经过3D算法调整后的第i场中第h列、第v行的像素点的象素值,μ是一个参数。
其中,μ的计算公式如下:
其中,TH1/TH2/TH3是三个经验参数,取值分别为:TH1=525;TH=2312;以及TH3=100。
C=|P(h-1,v,i)-P(h-1,v,i-1)|+|P(h,v,i)-P(h,v,i-1)|+|P(h+1,v,i)-P(h+1,v,i-1)|
公式(1):Pmt=min{
|P(h,v,i-1)-P(h-1,v-1,i)|,
|P(h,v,i-1)-P(h,v-1,i)|,
|P(h,v,i-1)-P(h+1,v-1,i)|,
|P(h,v,i-1)-P(h-1,v,i)|,
|P(h,v,i-1)-P(h,v,i)|,
|P(h,v,i-1)-P(h+1,v,i)|,
|P(h,v,i-1)-P(h-1,v+1,i)|,
|P(h,v,i-1)-P(h,v+1,i)|,
|P(h,v,i-1)-P(h+1,v+1,i)|,
}
其中min{}为求最小值函数。
P
mt对应的第i-1场中的像素点的值表示为:P(h+a,v+b,i-1),则得出:
但是,由于3D算法中引入了更多信息,因此算法复杂性大幅提高。
而且,从上述算法过程中可以看出,3D算法计算某个象素点的参数μ值是:先取当前场中该象素周围的几个象素点的值和上一场中几个象素点的值之间的差值C,然后将该差值C与经验参数进行比较,得出参数μ值。由此可见,该参数μ值的获得依赖于场中的几个象素点的值。当场景进行切换的时候,背景和人物一般都会发生变化。这样,每个象素点的变化都会比较大。取周围小块区域的象素点的值计算得到的参数μ值,并不能真实地反映这种变化。因此,这种情况下利用该参数的值μ进行3D算法,必然会失效,因而会引起更严重的副作用。
例如,第N-1场内容如图1所示,第N场内容如图2所示,采用3D算法滤波后的第N场内容如图3所示。从图3中可以看出,采用3D算法滤波时,3D算法产生了失效,出现了如下问题:
在显示第N场内容时,第N-1场内容影响第N场内容的显示。即在显示当前场的时候,上一场的内容会影响当前的显示,这就是由3D算法失效产生的问题。
具体实施方式
为使本发明的目的、技术方案、及优点更加清楚明白,以下参照附图并举实施例,对本发明进一步详细说明。
实施例一
如图1和图2所示,当相邻两场图像之间出现切换时,如果不对3D算法的参数μ的值进行调整,而直接采用该值对当前场图像进行处理,则会出现图3中所示的现象。
因此,需要在发生场景切换时调整3D算法的参数μ的值。
该调整参数μ的值的方法主要依据如下数学公式:
F(i)=∫P(h,v,i)dhdv (1)
C=abs(F(i)-F(i-1)); (2)
其中公式(1)表示对整场图像的所有象素值进行求和,公式(2)表示对当前场图像象素值总和与上一场图像之间象素值总和之间进行取差值。
一般地,如果连续输出图像,则视频中的人、物和背景变化不大。当图像中的主要人物在图像中移动的时候,背景变化也会比较缓慢。由以上公式(1)和(2)可以计算得出,当前场所有象素值的和F(i)与前一场所有象素值的和F(i-1)之间的差值C不大。
当场景进行切换的时候,背景和人物一般都会发生变化。这样,每个象素点的变化都会比较大。由以上公式(1)和(2)可以计算得出,当前场所有象素值的和F(i)与前一场所有象素值的和F(i-1)之间的差值C会很大。
例如,已知图1和图2中所有各个象素值,根据上述公式(1),可以计算出图1中F(1)=153833964,图2中F(2)=187303527;再根据公式(2),可以计算出C=33469563。
根据实验得出的结果,将C值与参数μ建立对应关系。根据C值,能够确定参数μ的取值范围。
然而,由于不同大小的图片会产生不同的C值,为保证该调整参数μ的值的方法可以应用于不同制式,使用C值与图片大小的比值(C/picture_size)与参数μ建立对应关系。现提供(C/picture_size)值的范围与参数μ的对应关系,如表1所示:
>=76 |
[0.85,1] |
[35,76] |
[0.5,0.85] |
[10,35] |
[0.25,0.5] |
=<10 |
[0,1] |
表1
表1中,第一列为C与图片大小的比值,第二列为3D算法参数μ的下限。实际应用中,也可以直接建立C与参数μ的取值范围对应关系表,通过该表获得参数μ的取值范围。
根据计算得出的C/picture_size值,从表1中找到对应的参数μ的取值范围。然后,利用这个取值范围来调整3D算法的参数μ值。
例如,已知图1和图2的图像大小都为1024×1024,C=33469563,计算得出C/picture_size值约为32。从表1中可以得出,参数μ的取值范围为>=0.25。
本发明处理图像的方法的流程参见图6。
步骤101,接收当前场图像。
步骤102,对当前整场图像的所有像素值和前一场整场图像的像素值进行第一算法计算,确定参数μ的第一取值范围μ1。确定参数μ的第一取值范围μ1的步骤具体包括:
(1)根据已知的前一场和当前场中的所有各个象素点的值,利用上述公式(1),计算各场的象素值总和;
(2)根据公式(2),计算各场的象素值总和之间的差值C;
(3)根据已知的图像尺寸大小picture_size,计算C值与picture_size的比值(C/picture_size);
(4)根据预设的C/picture_size与参数μ的取值范围之间的对应关系,如表1所示,确定参数μ的第一取值范围。
步骤103,根据现有3D算法计算当前场图像的各个象素的参数μ值。
步骤104,判断该μ值是否在所确定的参数μ的第一取值范围μ1内。如果该μ值在所确定的参数μ的第一取值范围μ1内,执行执行步骤107;否则,执行步骤105、106。
步骤105,调整该μ值,使得该μ值在所确定的参数μ的第一取值范围μ1内。
步骤106,3D算法利用调整后的μ值对图像进行处理。
步骤107,3D算法直接利用该μ值对图像进行处理。
其中,步骤102~步骤107为根据场图像计算出的参数μ值对图像进行处理的过程,图中以100示意。
由此可见,通过上述简单的处理方法,参数μ能够被调整在一定范围内。3D算法采用调整后的参数μ值来对图像进行处理,从而使得当前场图像不会过多引入上一场的图像信息,提高了最终输出图像的质量。因而避免了3D算法在场景切换时失效而带来的一系列问题。而且该图像处理方法步骤简单,实施成本低。
实施例二
当图像中出现高斯噪声时,利用3D算法对图像进行处理,也会失效。因此,在这种情况下,也需要调整3D算法中的参数μ值。
该调整参数μ值的方法主要依据如下公式:
其中公式(3)表示对计算所述当前场图像所有相邻象素之间的差的总和,即对当前场的所有相邻象素的值两两求差,再将所有的差求和。G(i)值越大,表示图像被高斯噪声破坏的效果越明显。
例如,已知一场图像的所有象素点的值,根据公式(3)可以计算图(4)和(5)的G(i)值分别为:
G(1)=541420;G(2)=1018059。
根据实验得出的结果,将G(i)值与参数μ建立对应关系。根据G(i)值,可以确定参数μ的取值范围。
然而,由于不同大小的图片会产生不同的G(i)值,为保证该调整参数μ的值的方法可以应用于不同制式,需要先对G(i)值进行规定归一化处理,即将其与图片大小的比值(G(i)/picture_size)再除以256,将得到的值与参数μ建立对应关系。
例如,已知,图4和图5的图像大小都为200×200,因此,G(1)经过归一化后为5%,G(2)经过归一化后为9%。。
现提供G(i)归一化后的值的范围与参数μ的对应关系,如下表2所示。
G(i)/picture_size |
μ |
>=12% |
≈0.5 |
[8%,12%] |
[0.4,0.7] |
[4%,8%] |
[0.3,0.8] |
[2%,4%] |
[0.2,0.9] |
=<2% |
[0,1] |
表2
根据G(i)归一化后的值,可以根据表2找出对应的参数μ的取值范围。实际应用中,也可以直接建立G(i)与参数μ的取值范围对应关系表,通过该表获得参数μ的取值范围。
本发明处理图像的方法的流程参见图7。
步骤201,接收当前场图像。
步骤202,判断该当前场图像是否存在高斯噪声。本步骤通过从调谐器中接收的信噪比大小可以判断,当信噪比小于某一预定值,例如10,这里称第一阈值时,可以判断当前场图像出现了高斯噪声。如果出现高斯噪声,执行步骤203;否则,执行步骤209。
步骤203,确定参数μ的第二取值范围μ2。确定参数μ的第二取值范围μ2的步骤具体包括:
(1)根据已知的当前场中的所有各个象素点的值,利用上述公式
(3),计算当前场的所有相邻象素点的差的总和G;
(2)对G进行归一化处理,即其与已知图像大小的比值再除以256;
(3)根据预设的归一化之后的G值与参数μ的取值范围之间的对应关系表,如表2所示,确定参数μ的取值范围μ2。
步骤204,根据现有3D算法计算当前场图像的各个象素的参数μ值。
步骤205,判断该μ值是否在所确定的参数μ的第二取值范围μ2内。如果该μ值在所确定的参数μ的第二取值范围μ2内,执行步骤208;否则,执行步骤206、207。
步骤206,调整该μ值,使得该μ值在所确定的参数μ的第二取值范围μ2内。
步骤207,3D算法利用调整后的μ值对图像进行处理。
步骤208,3D算法直接利用该μ值对图像进行处理。
步骤209,如果判断出未出现高斯噪声,也就是大于10的情况,则根据现有3D算法计算当前场图像的各个象素的参数μ值。
在本实施例中,当信噪比大于10时,可以采用实施例1中的方式对图像进行处理。
步骤210,3D算法直接利用该μ值对图像进行处理。
其中,步骤203~步骤208为根据高斯噪声计算出的参数μ值对图像进行处理的过程,图中以200示意。
由此可见,通过上述简单的处理方法,参数μ能够被调整在确定的取值范围内。3D算法采用调整后的参数μ值来对图像进行处理,避免了3D算法在出现高斯噪声时失效而带来的一系列问题。而且该图像处理方法步骤简单,实施成本低。
实施例三
当高斯噪声很大时,图像就会非常不清晰。因此,这时是否考虑场景切换不是很重要。而且,从实施例二及其表2中可以得知,高斯噪声越大,G(i)越大,其μ值的取值范围就越小。因此,当图像中既出现场景切换,又出现很大的高斯噪声时,该图像处理方法根据实施例二中的方式对参数μ值进行调整,而不再做实施一中的场景切换方式下的图像处理。
另外,如果高斯噪声越小,G(i)值就小,参数μ的取值范围就越大。因此,这时除了调整高斯情况下的参数μ的第二取值范围μ2,还需要调整场景切换情况下的参数μ的第一取值范围μ1。然后,取μ1与μ2之间的交集,将参数μ值调整到该交集内,3D算法根据该调整后的参数μ值进行图像处理,具体的处理流程参见图8。
步骤301,接收当前场图像。
步骤302,判断是否有高斯噪声。这通过从调谐器中接收的信噪比大小与第一阈值相比较可以判断。如果信噪比大于或者称高斯噪声小于该第一阈值,则表明没有高斯噪声,执行步骤100;否则,表明有高斯噪声,执行步骤303。
步骤100,根据场图像计算出的参数μ值对图像进行处理的过程。
步骤303,判断是否有高高斯噪声。这通过从调谐器中接收的信噪比大小与第二阈值相比较可以判断。如果高斯噪声大于该第二阈值,则表明有高高斯噪声,执行步骤200;否则,表明没有高的高斯噪声,执行步骤304。
步骤200,根据高斯噪声计算出的参数μ值对图像进行处理的过程。
步骤304,确定参数μ的第二取值范围μ2。确定参数μ的第二取值范围μ2的步骤如实施例二中所示,在此不再赘述。
步骤305,确定参数μ的第一取值范围μ1。确定参数μ的取值范围μ1的步骤如实施例一中所示,在此不再赘述。
步骤306,取参数μ的取值范围μ1与μ2的交集μ′。
步骤307,根据现有3D算法计算当前场图像的各个象素的参数μ值。
步骤308,判断该μ值是否在所确定的参数μ的取值范围μ′内。如果该μ值在所确定的参数μ的取值范围μ′内,执行步骤311,否则,执行步骤309、310。
步骤309,调整该μ值,使得该μ值在所确定的参数μ的取值范围μ′内。
步骤310,3D算法利用调整后的μ值对图像进行处理。
步骤311,3D算法直接利用该μ值对图像进行处理。。
由此可见,当既有较大高斯噪声又有场景切换时,该方法首先执行实施例二中的方式调整参数,而不再判断是否有场景切换。采用该方法解决了3D算法实效的问题,从而避免了图像输出质量不高。
另外,从实施例二及表2中可知,如果高斯噪声越小,G(i)值就小,参数μ的取值范围就越大。因此,当图像中既出现场景切换,又出现很低的高斯噪声时,有必要再根据实施一中的方式调整参数μ的取值范围。该图像处理方法首先根据实施例二中的方法确定参数μ的取值范围μ2,再根据实施例一中的方法确定参数μ的取值范围μ1,然后,取μ1与μ2之间的交集,将参数μ值调整到该交集内,3D算法根据该调整后的参数μ值进行图像处理,具体处理过程不再赘述。
由此可见,该图像处理方法将实施一中的处理方法和实施二中的处理方法进行结合,解决了在既有高斯噪声又有场景切换下3D算法实效的问题,从而避免了图像输出质量不高。
另外,由于现有的3D算法比较复杂,因此对于图像处理要求不是特别高的情况下,可以采用如下简单的3D算法进行处理。
P’(h,v,i)=μP(h,v,i)+(1-μ)P(h,v,i-1)
从表2中可见,当归一化后的值为9%时,参数μ的取值范围大约为0.5。因此,利用该简单3D算法,就能快速知道对高斯噪声最好的处理方法是对每个象素点进行平均操作,针对于3D滤波器就是用上一场和当前场进行平均。
因此,上述3D算法非常简单,并且处理速度很高。
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,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。