CN102497523A - 中值滤波去隔行的方法 - Google Patents

Abstract

本发明涉及中值滤波去隔行的方法，包括步骤：a.通过当前插值像素点相邻的至少13个方向的相关性值，得到第一候选像素点的值；b.对相关性进行补偿，得到第二候选像素点的初始边缘方向；c.判断初始边缘方向是否需要校正，如果需要进入步骤d，否则得到第二候选像素点的值；d.根据当前插值像素点的前后两个像素点的最终边缘方向的类型得到第二候选像素点的值；e.通过与中心方向相邻的最多9个方向的相关性值，得到第三候选像素点的值；f.通过中值滤波得到当前插值像素点的值。本发明的方法，能够对插入的候选像素点不同边缘类型分别进行处理，从而能够消除图像的闪烁和锯齿现象，得到光滑边缘、细节无闪烁的去隔行图像。

Description

中值滤波去隔行的方法

技术领域

本发明涉及屏幕中图像信号去隔行的方法，具体的讲是基于中值滤波去隔行的方法。

背景技术

由于受到传输带宽的限制，电视台发送的电视信号都不是完整的图像，而是按照先传奇数行再传偶数行的规律发送，这样的信号就是隔行视频信号。但是随着数字信号处理技术的不断发展和宽屏幕平板电视的出现，人们对电视显示质量的要求越来越高，电视台发送的隔行信号存在的屏闪、锯齿等严重问题已经不能让观众满意。因此去隔行技术正是为了解决落后的隔行视频信号和消费者日益提高的视觉要求而产生的。

去隔行放法根据所用滤波器的种类不同分为线性算法、非线性算法、运动补偿算法和运动自适应算法。线性算法包括行复制、行平均等，线性算法去隔行后视频图像模糊并产生严重锯齿；非线性算法包括中值滤波和一些拟和算法；运动补偿算法理论上是效果最好的，但是由于其算法复杂度高，硬件实现成本高结构复杂等原因还没有成为目前产品的主流方案；运动自适应算法是根据运动检测得到的运动参数来选择场内插值或场间复制，是目前大多数产品选择的去隔行方案。

目前场内插值的去隔行方法很多，但是不同的方法对于不同的图像纹理处理得到的效果不同。通过实践发现有的场内插值方法对细节丰富的线型边缘处理效果较好，但是对于细节不丰富的阶梯型边缘容易产生锯齿；而另一方面如果把阶梯型边缘处理效果好，在图像纹理丰富的线型边缘处又容易因方向判断错误而产生空洞噪声。并且通常在传统方法中得到候选像素的方法都比较简单，比如直接取插入像素点的上下像素点作为候选像素，这样使得图像处理粗造，使图像出现闪烁或锯齿等现象。

发明内容

针对上述的问题，本发明提供了一种中值滤波去隔行的方法，对插入的候选像素点不同边缘类型分别进行处理，使不同的候选像素点的侧重点不同以互相弥补，从而使消除图像的闪烁和锯齿现象。

本发明的中值滤波去隔行的方法，包括步骤：

a.通过计算与输入的隔行图像中当前插值像素点相邻的至少13个方向的相关性值，获得当前插值像素点中心方向左右两边的相关值的最小值和所述最小值对应的方向，再通过比较所述最小值和所述对应的方向，得到第一候选像素点的值；

b.根据当前插值像素点相邻的至少13个方向与中心方向之间的距离对所述各方向的相关性进行补偿，补偿后各方向相关性的最小值为第二候选像素点的初始边缘方向；

c.判断当前插值像素点和其前后像素点方向的分类，通过它们的分类的关系判断当前插值像素点的初始边缘方向是否需要校正，如果需要校正进入步骤d，否则根据当前插值像素点的方向得到第二候选像素点的值；

d.对当前插值像素点的前后两个像素点的最终边缘方向的类型求平均值，根据所述的平均值对第二候选像素点的最终边缘方向进行设置后，得到第二候选像素点的值；

e.计算输入的隔行图像中与中心方向相邻的最多9个方向的相关性值，获得所述9个方向相关性值的最小值和所述最小值对应的初始边缘方向，根据当前像素点所在区域的纹理是否为阶梯型边缘，确定第三候选像素点的最终边缘方向为中心方向或所述的初始边缘方向，并由第三候选像素点的最终边缘方向计算得到第三候选像素点的值；

f.通过对包括所述的第一候选像素点的值、第二候选像素点的值和第三候选像素点的值进行中值滤波得到当前插值像素点的值。

本发明的方法采用3种不同的方法进行场内插值，得到3个候选像素，每种方法都是一个独立的场内插值方法，并且三种方法的侧重点不同并能互相弥补不足。然后对这3个候选像素进行中值滤波的结果就是最终的插值结果。因为每种方法对不同纹理图像的处理侧重点不同，所以中值滤波后可以得到光滑边缘、细节无闪烁的去隔行图像。

具体的，步骤a中比较所述最小值和所述对应的方向包括步骤：

如果中心方向的相关性值同时小于左边最小值和右边最小值，则第一候选像素点的边缘方向为中心方向，否则向下执行；

如果左边最小值和右边最小值的差的绝对值＜阈值1，则第一候选像素点的边缘方向为中心方向，否则向下执行；

如果左边最小值和右边最小值的差的绝对值＞阈值2，根据左边最小值和右边最小值之间的大小关系，第一候选像素点的边缘方向为左边最小值对应的方向或右边最小值对应的方向，否则向下执行；

当前插值像素点的水平方向的高频分量值与阈值3之间的大小关系，确定第一候选像素点的边缘方向为中心方向或左边最小值对应的方向或右边最小值对应的方向。

进一步的，所述的阈值1的范围为20～80，阈值2的范围为190～240，阈值3的范围为120～200。

具体的，步骤d中根据所述的平均值对第二候选像素点的最终边缘方向进行设置为：

平均值＝0时，第二候选像素点的最终边缘方向为0；

平均值＝1时，第二候选像素点的最终边缘方向为1；

平均值＝2时，第二候选像素点的最终边缘方向为3；

平均值＝-1时，第二候选像素点的最终边缘方向为-1；

平均值＝-2时，第二候选像素点的最终边缘方向为-3。

优选的，步骤f所述的中值滤波为3点中值滤波，分别为第一候选像素点的值、第二候选像素点的值和第三候选像素点的值。

可选的，步骤f所述的中值滤波为5点中值滤波，分别为第一候选像素点的值、第二候选像素点的值、第三候选像素点的值、当前插值像素点的上一像素值和当前插值像素点的下一像素值。

本发明的中值滤波去隔行的方法，能够对插入的候选像素点不同边缘类型分别进行处理，使得不同的候选像素点的侧重点不同以互相弥补，从而能够消除图像的闪烁和锯齿现象，得到光滑边缘、细节无闪烁的去隔行图像。

以下结合实施例的具体实施方式，对本发明的上述内容再作进一步的详细说明。但不应将此理解为本发明上述主题的范围仅限于以下的实例。在不脱离本发明上述技术思想情况下，根据本领域普通技术知识和惯用手段做出的各种替换或变更，均应包括在本发明的范围内。

具体实施方式

本发明中值滤波去隔行的方法，包括步骤：

a.通过计算与输入的隔行图像中当前插值像素点P(i，j)相邻的至少13个方向的相关性值，方法为：

$R1\left(k\right)=\underset{-1\≤a\≤1}{\mathrm{\Σ}}|P(i-1,j+k+a)-P(i+1,j-k+a)|$

-6≤k≤6

其中R1(k)为k方向的相关性值，k为0表示当前像素的中心方向，该方向是垂直方向(或者是正北方向)；k为负数表示该方向属于西北方向，位于当前中心方向的左边；k为正数表示该方向属于东北方向，位于中心方向的右边，a为计算相关性的窗口，它的典型取值为1，也可以取其他大于0的值。

再获得当前插值像素点P(i，j)中心方向左右两边的相关值的最小值和所述最小值对应的方向，分别记为：左边相关值的最小值：left_Rmin1，左边相关值最小值的对应方向：left_dir1，右边相关值的最小值：right_Rmin1，右边相关值最小值的对应方向：right_dir1。

再通过比较所述最小值和所述对应的方向，得到第一候选像素点的值，具体为：

(1)如果|left_Rmin1-right_Rmin1|的值小于阈值1，则说明中心方向左右两边的相关性差异很小，这时最好是选择中心方向为插值方向，即最终边缘方向dir_final1＝0；否则进入下一步；

(2)如果|left_Rmin1-right_Rmin1|的值大于阈值2，则说明中心方向左右两边的相关性差异很大则：

(2.1)如果left_Rmin1＞right_Rmin1，则最终边缘方向dir_final1＝right_dir1；

(2.2)如果left_Rmin1＜right_Rmin1，则最终边缘方向dir_final1＝left_dir1；

(3)其它情况先计算当前插值像素点的水平方向的高频分量值：

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

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

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

再根据水平方向的高频分量HF_hor的值与阈值3之间的大小关系，确定第一候选像素点的边缘方向为中心方向或左边最小值对应的方向或右边最小值对应的方向：

(3.1)如果水平方向的高频分量HF_hor的值＞阈值3，则最终边缘方向dir_final1＝0。否则进入下一步；

(3.2)如果left_Rmin1＞right_Rmin1，则最终边缘方向dir_final1＝right_dir1；

(3.3)如果left_Rmin1＜right_Rmin1，则最终边缘方向dir_final1＝left_dir1；

(4)在最终边缘方向确定后，得到第一个候选像素点的值：

${P1}_{\mathrm{int}}=\frac{P(i-1,j+\mathrm{dir}\_\mathrm{final}1)+P(i+1,j-\mathrm{dir}\_\mathrm{final}1)}{2}$

其中阈值1的范围为20～80，阈值2的范围为190～240，阈值3的范围为120～200。

该步骤主要是对小角度的方向进行处理，对阶梯型边缘有较好的处理效果。

b.根据当前插值像素点P(i，j)相邻的至少13个方向与中心方向之间的距离对所述各方向的相关性进行补偿：

$R2\left(k\right)=\underset{1\≤a\≤1}{\mathrm{\Σ}}|P(i-1,j+k+a)-P(i+1,j-k+a)|*\mathrm{gain}\left(k\right)$

-6≤k≤6

R2(k)为第二候选像素的相关性，gain(k)是这各个方向的补偿系数，距离中心方向越远则它的值越大。gain(k)的取值范围为1～9。

补偿后各方向相关性的最小值

为第二候选像素点的初始边缘方向min_dir2，即Rmin2＝min_dir2；

c.根据第二候选像素点的初始边缘方向min_dir2的值，把初步计算得到的方向分为5类，分类方法为：

A类：如果min_dir2的值为0，即是中心方向，表示是A类，值为0；

B类：如果min_dir2＜-2，表示是B类，值为-2；

C类：如果min_dir2＝-1或者min_dir2＝-2，表示是C类，值为-1；

D类：如果min_dir2＞2，表示是D类，值为2；

E类：如果min_dir2＝1或者min_dir2＝2，表示是E类，值为1。

当前插值像素点P(i，j)的前一个像素为P(i，j-1)，它对应的最终边缘方向为pre_dir_final2。当前插值像素点P(i，j)的后一个像素为P(i，j+1)，它对应的初始边缘方向为next_min_dir2。对前像素边缘方向pre_dir_final2、第二候选像素点的初始边缘方向min_dir2和后像素边缘方向next_min_dir2按上述方法分类，分别得到三个对应的方向类别，并分别标识为前像素类型pre_dir_class，第二后候选像素类型curr_dir_class和后像素类型next_dir_class。

通过它们的分类的关系判断当前插值像素点P(i，j)的初始边缘方向min_dir2是否需要校正，当满足以下两个条件之一时，即对前插值像素点P(i，j)的初始边缘方向min_dir2进行校正：

(1)pre_dir_class＝next_dir_class并且curr_dir_class！＝pre_dir_class；

(2)|pre_dir_class-curr_dir_class|＞1或者|next_dir_class-curr_dir_class|＞1。

如果需要校正进入步骤d，不需要校正时第二后候选像素最终边缘方向＝第二候选像素点的初始边缘方向，即：dir_final2＝min_dir2。

d.对当前插值像素点P(i，j)的前后两个像素点的最终边缘方向的类型求平均值：

dir_class＝(pre_dir_class+next_dir_class)/2，

对第二候选像素点的初始边缘方向min_dir2进行校正得到最终的第二候选像素点的边缘方向，校正方法如下：

(d.1)如果dir_class＝0，则第二候选像素点的最终边缘方向dir_final2＝0；

(d.2)如果dir_class＝1，则第二候选像素点的最终边缘方向dir_final2＝1；

(d.3)如果dir_class＝2，则第二候选像素点的最终边缘方向dir_final2＝3；

(d.4)如果dir_class＝-1，则第二候选像素点的最终边缘方向dir_final2＝-1；

(d.5)如果dir_class＝-2，则第二候选像素点的最终边缘方向dir_final2＝-3；

在二候选像素点的最终边缘方向确定后，第二个候选像素点的值为：

${P2}_{\mathrm{int}}=\frac{P(i-1,j+\mathrm{dir}\_\mathrm{final}2)+P(i+1,j-\mathrm{dir}\_\mathrm{final}2)}{2}.$

e.计算输入的隔行图像中与中心方向相邻的最多9个方向的相关性值，获得所述9个方向相关性值的最小值和所述最小值对应的初始边缘方向，所述相关性为：

$R3\left(k\right)=\underset{-1\≤a\≤1}{\mathrm{\Σ}}|P(i-1,j+k+a)-P(i+1,j-k+a)|$

-3≤k≤3

补偿后各方向相关性的最小值

第三候选像素点的初始边缘方向即为所述相关性对应的方向min_dir3。该步骤选择较少的边缘方向进行处理，它可以对大部分边缘方向进行判断但是同时又避免了小角度方向的判断失误。

判断当前像素点所在区域的纹理是否为阶梯型边缘：

left_up_min＝min(P(i-1，j-1)，P(i-1，j-2)，P(i-1，j-3)，P(i-1，j-4))

left_up_max＝max(P(i-1，j-1)，P(i-1，j-2)，P(i-1，j-3)，P(i-1，j-4))

right_up_min＝min(P(i-1，j-1)，P(i-1，j-2)，P(i-1，j-3)，P(i-1，j-4))

right_up_max＝max(P(i-1，j-1)，P(i-1，j-2)，P(i-1，j-3)，P(i-1，j-4))

left_dn_min＝min(P(i+1，j-1)，P(i+1，j-2)，P(i+1，j-3)，P(i+1，j-4))

left_dn_max＝max(P(i+1，j-1)，P(i+1，j-2)，P(i+1，j-3)，P(i+1，j-4))

right_dn_min＝min(P(i+1，j-1)，P(i+1，j-2)，P(i+1，j-3)，P(i+1，j-4))

right_dn_max＝max(P(i+1，j-1)，P(i+1，j-2)，P(i+1，j-3)，P(i+1，j-4))

e1＝|left_up_min-right_up_max|

e2＝|left_up_max-right_up_min|

e3＝|left_dn_min-right_dn_max|

e4＝|left_dn_max-right_dn_min|

当e1、e2、e3、e4中有一个值大于阈值4，就表示是属于阶梯型边缘。阈值4是经过大量仿真实验得到的值，其范围为120～200。上式中e1和e2分别表示输入的原始上一行像素的左边部分像素与右边部分像素的差异；e3和e4分别表示输入的原始下一行像素的左边部分像素与右边部分像素的差异。它们之一大于阈值4就是说明所述的差异较大，所以可以判断为阶梯边缘。left_up_min表示以P(i-1，j)为中心，输入的原始上一行像素的左边部分像素的最小值；left_up_max表示以P(i-1，j)为中心，输入的原始上一行像素的左边部分像素的最大值；right_up_min表示以P(i-1，j)为中心，输入的原始上一行像素的右边部分像素的最小值；right_up_max表示以P(i-1，j)为中心，输入的原始上一行像素的右边部分像素的最大值；left_dn_min表示以P(i+1，j)为中心，输入的原始下一行像素的左边部分像素的最小值；left_dn_max表示以P(i+1，j)为中心，输入的原始下一行像素的左边部分像素的最大值；right_dn_min表示以P(i+1，j)为中心，输入的原始下一行像素的右边部分像素的最小值；right_dn_max表示以P(i+1，j)为中心，输入的原始下一行像素的右边部分像素的最大值。

在满足阶梯型边缘条件的情况下，如果水平方向的高频分量HF_hor的值＞阈值3，则第三候选像素点的最终边缘方向为中心方向：dir_final3＝0；否则第三候选像素点的最终边缘方向为初始边缘方向：dir_final3＝min_dir3。如果不满足阶梯型边缘条件，第三候选像素点的最终边缘方向为中心方向：dir_final3＝0。

由第三候选像素点的对应方向计算得到第三候选像素点的值：

${P3}_{\mathrm{int}}=\frac{P(i-1,j+\mathrm{dir}\_\mathrm{final}3)+P(i+1,j-\mathrm{dir}\_\mathrm{final}3)}{2}.$

f.通过对包括所述的第一候选像素点的值、第二候选像素点的值和第三候选像素点的值进行中值滤波得到当前插值像素点P(i，j)的值：P(i，j)＝median(P1_int，P2_int，P3_int)，median()为中值滤波公式。如果得到的当前插值点P(i，j)比上下两点的亮度值相差太大，那么这一点是噪声的可能性也非常大。因此也可以增加上下两个像素点，使用的5点中值滤波进行处理得到该点的插值像素：P(i，j)＝median(P1_int，P2_int，P3_int，P(i-1，j)，P(i+1，j))。

Claims (6)

1.中值滤波去隔行的方法，其特征为包括步骤：

a.通过计算与输入的隔行图像中当前插值像素点相邻的至少13个方向的相关性值，获得当前插值像素点中心方向左右两边的相关值的最小值和所述最小值对应的方向，再通过比较所述最小值和所述对应的方向，得到第一候选像素点的值；

b.根据当前插值像素点相邻的至少13个方向与中心方向之间的距离对所述各方向的相关性进行补偿，补偿后各方向相关性的最小值为第二候选像素点的初始边缘方向；

c.判断当前插值像素点和其前后像素点方向的分类，通过它们的分类的关系判断当前插值像素点的初始边缘方向是否需要校正，如果需要校正进入步骤d，否则根据当前插值像素点的方向得到第二候选像素点的值；

d.对当前插值像素点的前后两个像素点的最终边缘方向的类型求平均值，根据所述的平均值对第二候选像素点的最终边缘方向进行设置后，得到第二候选像素点的值；

e.计算输入的隔行图像中与中心方向相邻的最多9个方向的相关性值，获得所述9个方向相关性值的最小值和所述最小值对应的初始边缘方向，根据当前像素点所在区域的纹理是否为阶梯型边缘，确定第三候选像素点的最终边缘方向为中心方向或所述的初始边缘方向，并由第三候选像素点的最终边缘方向计算得到第三候选像素点的值；

f.通过对包括所述的第一候选像素点的值、第二候选像素点的值和第三候选像素点的值进行中值滤波得到当前插值像素点的值。

2.如权利要求1所述的中值滤波去隔行的方法，其特征为步骤a中比较所述最小值和所述对应的方向包括步骤：

如果中心方向的相关性值同时小于左边最小值和右边最小值，则第一候选像素点的边缘方向为中心方向，否则向下执行；

如果左边最小值和右边最小值的差的绝对值＜阈值1，则第一候选像素点的边缘方向为中心方向，否则向下执行；

如果左边最小值和右边最小值的差的绝对值＞阈值2，根据左边最小值和右边最小值之间的大小关系，第一候选像素点的边缘方向为左边最小值对应的方向或右边最小值对应的方向，否则向下执行；

当前插值像素点的水平方向的高频分量值与阈值3之间的大小关系，确定第一候选像素点的边缘方向为中心方向或左边最小值对应的方向或右边最小值对应的方向。

3.如权利要求2所述的中值滤波去隔行的方法，其特征为所述的阈值1的范围为20～80，阈值2的范围为190～240，阈值3的范围为120～200。

4.如权利要求1所述的中值滤波去隔行的方法，其特征为步骤d中根据所述的平均值对第二候选像素点的最终边缘方向进行设置为：

平均值＝0时，第二候选像素点的最终边缘方向为0；

平均值＝1时，第二候选像素点的最终边缘方向为1；

平均值＝2时，第二候选像素点的最终边缘方向为3；

平均值＝-1时，第二候选像素点的最终边缘方向为-1；

平均值＝-2时，第二候选像素点的最终边缘方向为-3。

5.如权利要求1至4之一所述的中值滤波去隔行的方法，其特征为步骤f所述的中值滤波为3点中值滤波。

6.如权利要求1至4之一所述的中值滤波去隔行的方法，其特征为步骤f所述的中值滤波为5点中值滤波。