CN102831589B - 一种利用卷积滤波和抗锯齿分析增强图像分辨率的方法 - Google Patents
一种利用卷积滤波和抗锯齿分析增强图像分辨率的方法 Download PDFInfo
- Publication number
- CN102831589B CN102831589B CN201210313603.8A CN201210313603A CN102831589B CN 102831589 B CN102831589 B CN 102831589B CN 201210313603 A CN201210313603 A CN 201210313603A CN 102831589 B CN102831589 B CN 102831589B
- Authority
- CN
- China
- Prior art keywords
- picture
- service
- antialiasing
- carry out
- filtering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Processing (AREA)
- Image Generation (AREA)
Abstract
本发明涉及一种利用卷积滤波和抗锯齿分析增强图像分辨率的方法,该方法包括以下步骤:对原始图片O进行预处理,得到预处理图片L;利用滤波器对预处理图片L依次进行下采样滤波处理和上采样滤波处理,得到原始图片O的低通部分;将原始图片O与低通部分相减,得到原始图片O的高通部分;对预处理图片L进行自相似处理,寻找预处理图片L上与高通部分相似的位置,利用映射关系将高通信息匹配到预处理图片L中,得到和预处理图片L相同像素点的更为清晰的图片S;判断自相似处理后的图片S是否存在锯齿化现象,若是,则对处理后的图片和预处理图片L进行抗锯齿化边缘处理,得到更为平滑的高清图片R。与现有技术相比,本发明具有可提高图片清晰度和分辨率、实用性强等优点。
Description
技术领域
本发明涉及一种图像处理技术领域的方法,尤其是涉及一种利用卷积滤波和抗锯齿分析增强图像分辨率的方法。
背景技术
图像的上采样和反走样技术是图像处理技术的重要领域,在超分辨率方面起到了很大的作用。过去的拍摄技术低下造成了很多图片的模糊和分辨率较低,通过对这些图片进行处理,可以恢复图片和进行高保真清晰的放大,因此具有广泛的应用性。
经过对现有技术的文献检索发现,LeiYang等人在《ACMTransactionsonGraphics(PresentedatSIGGRAPH2011),Volume30Issue3,ArticleNo.22》上发表的“AntialiasingRecovery”论文中提出了一种根据原始图片和经过非线性滤波造成损害的图片结合来进行抗锯齿处理的方法。该方法能有效的处理折线、文字等由于放大或者滤波而造成的损失,但是需要原始图片进行结合处理,且相对位置要求不变,需要的条件较多,应用范围窄。
此外,Freedman等人《ACMTransactionsonGraphics(TOG),April2011,Volume30Issue2ArticleNo.12》上发表的“ImageandVideoUpscalingfromLocalSelf-Examples”论文中提到了一种上采样的方法,该方法能够通过一种非线性滤波器对图片进行上采样处理,得到清晰的高分辨率图片。但是经过滤波处理后的图片有时会出现锯齿和走样,有些地方会出现错误点,使得放大后的高分辨率图片效果不理想。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种可提高图片清晰度和分辨率、实用性强的利用卷积滤波和抗锯齿分析增强图像分辨率的方法。
本发明的目的可以通过以下技术方案来实现:
一种利用卷积滤波和抗锯齿分析增强图像分辨率的方法,该方法包括以下步骤:
第一步:对原始图片O进行预处理,增加图片像素,得到预处理图片L;
第二步:利用下采样滤波器对预处理图片L进行下采样滤波处理,然后利用上采样滤波器进行上采样滤波处理,得到原始图片O的低通部分;
第三步:将原始图片O与低通部分相减,得到原始图片O的高通部分H,判断是否存在单个像素点或小像素块异常现象,若是,则进行矫正和反走样处理;
第四步:利用区域自相似原理对预处理图片L进行自相似处理,寻找预处理图片L上与高通部分相似的位置,利用映射关系将高通信息匹配到预处理图片L中,得到和预处理图片L相同像素点的更为清晰的图片S;
第五步:判断自相似处理后的图片S是否存在锯齿化现象,若是,则对处理后的图片和预处理图片L进行抗锯齿化边缘处理,得到更为平滑的高清图片R。
所述的第一步中的预处理为对原始图片进行(N-1)∶N比例增加图片像素点的扩展处理。
所述的第二步的下采样滤波处理具体是指:
对每N个像素进行卷积计算得到总数为N-1的结果,具体函数可表示如下:
D(L)(n)=(L(n)*dp(-n)(Nq+p))
其中:
D为下采样滤波器,p=nmod(N-1),q=(n-p)/(N-1),dp(-n)为第p个滤波器dp(dp=d1,...,dN),“*”为离散卷积和的符号,n为第n个像素点。
所述的第二步的上采样滤波处理具体是指:
对每N-1个像素进行卷积计算,具体函数可表示如下:
其中:
u为上采样滤波器,g为经过下采样滤波处理后的图片,up(-n)为第p个滤波器up(up=u1,...,uN),表示对于除了待处理位置的点以外,其余补零。
所述的第三步中的像素点异常是指图片的RGB值大于255或者小于0;
所述的矫正和反走样处理包括中通滤波处理,所述的中通滤波处理的公式为:
所述的第四步中的自相似处理具体是指:对图片H中每个M×M区域进行相似匹配,并映射补充到图片L中,得到图片S,S=L+γH,其中,γ是一个常数。
所述的γ=0.01。
所述的第五步中的抗锯齿化边缘处理具体为:
对于非边缘点A,高清图片R等于S,即R(A)=S(A);
利用Sobel边缘检测器检测图像的边缘位置,对于边缘点B,根据如下公式计算:
R(B)=βB(αBR(a)+(1-αB)R(b))+(1-βB)L(B)
其中:
βB=G(disB,σ)(1-G(eB,δ)),
disx=||(axca+(1-ax)cb)-cx||,式中,ca和cb是在B点的邻域中最极限的颜色,a、b为分别与ca、cb对应的点;
σ、δ是可控制的常数,大小在0到1之间;
eB是sobel边缘检测器的边缘强度参数,如果eB>3σ,βB=0。
与现有技术相比,本发明具有以下优点:
(1)本发明通过对图片的锯齿化和卷积造成的失真点进行处理,能够得到更为清晰的图片;
(2)本发明利用滤波解决了抗锯齿化处理时两个图片输入的问题,在抗锯齿和反走样处理上更有实用性;
(3)本发明对于滤波操作有很强的并行性。
附图说明
图1为本发明的流程示意图;
图2为本发明有实施效果图;
其中,(ai)是低分辨率图,(bi)是预处理之后的图,(ci)高通部分图片,(di)是边缘检测图片,(ei)是提高分辨率之后的图片,i=1,2,3,4;
图3为本发明方法与Freedman算法、插值法的对比结果图;
图4为经过不同放大倍数的误差标准差和每百万像素的标准差。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
如图1所示,一种利用卷积滤波和抗锯齿分析增强图像分辨率的方法,该方法包括以下步骤:
第一步:对原始图片O进行预处理,增加图片像素,得到预处理图片L。所述的预处理为对原始图片进行(N-1)∶N比例增加图片像素点的扩展处理。如果是文字图片,按照RGB或灰度线性变换处理。对于文字图片的扫描,取α(0≤α≤1),对于单通道的灰度图来说,设PB,PW分别为白色和黑色的灰度,则对于任意一点可以表示P=αPB+(1-α)PW,取定值α0(eg.α0-0.5),当α>α0时,P=PB,否则P=PW。
第二步:利用下采样滤波器对预处理图片L进行下采样滤波处理,然后利用上采样滤波器进行上采样滤波处理,得到原始图片O的低通部分。
对于一个经过预处理的图片来说,滤波过程是一个先进行下采样再进行上采样的过程。设下采样滤波器为DD(上采样和下采样的滤波器不同,设为U),对于图片L,过程可以表示成U(D(L))。具体是指:
对于下采样滤波,对每N个像素进行卷积计算得到总数为N-1的结果,具体函数可表示如下:
D(L)(n)=(L(n)*dp(-n)(Nq+p))
其中:
D为下采样滤波器,p=nmod(N-1),q=(n-p)/(N-1),dp(-n)为第p个滤波器dp(dp=d1,...,dN),“*”为离散卷积和的符号,n为第n个像素点,本方法分别进行行滤波和列滤波,所以n指每行的第n个或者每列的第n个。
对于上采样滤波,对每N-1个像素进行卷积计算,具体函数可表示如下:
其中:
u为上采样滤波器,g为经过下采样滤波处理后的图片,up(-n)为第p个滤波器up(up=u1,...,uN),表示对于除了待处理位置的点以外,其余补零。
第三步:将原始图片O与低通部分相减,得到原始图片O的高通部分H,判断是否存在单个像素点或小像素块异常现象,若是,则进行矫正和反走样处理。
所述的像素点异常主要是由于滤波过后多个滤波器叠加造成RGB值大于255或者小于0所致;
所述的矫正和反走样处理包括中通滤波处理,所述的中通滤波处理的公式为:
第四步:利用区域自相似原理(由Freedman论文中提出)对预处理图片L进行自相似处理,寻找预处理图片L上与高通部分相似的位置,利用映射关系将高通信息匹配到预处理图片L中,得到和预处理图片L相同像素点的更为清晰的图片S。
所述的自相似处理具体是指:对图片H中每个M×M(例如M=10)区域进行相似匹配,并映射补充到图片L中,得到图片S,S=L+γH,其中,γ是一个常数。在多次试验中,在γ=0.01时结果最好。
第五步:判断自相似处理后的图片S是否存在锯齿化现象,若是,则对处理后的图片和预处理图片L进行抗锯齿化边缘处理,得到更为平滑的高清图片R。
经过自相似处理后的图片S边缘有时候会不清晰,而差值预处理图片会明显出现锯齿化和过度滤波的现象。此时利用自相似处理后的图片S和预处理图片L两者的抗锯齿化边缘处理,得到更为平滑的高清图片结果。
对于图片S中边界点P的像素p,LeiYang的论文中假设平滑的图片像素点在锯齿部分灰度或者颜色应该是线性变化的。并且通过在该像素的邻域中找到两个标准的颜色ca和cb,来进行抗锯齿化处理,寻找p=αpa+(1-α)pb。
在P点的邻域中,找到最极限的颜色ca和cb,并利用几何距离,计算出邻域中距离点P最近的两个点A和B。此时需要确定最理想的α值。利用LeiYang的论文中的公式:
dp=||(αpca+(1-αp)cb)-cp||求最小值,从而得到αp值,其中0≤αp≤1。
所述的抗锯齿化边缘处理具体为:
对于非边缘点A,高清图片R等于S,即R(A)=S(A);
利用Sobel边缘检测器检测图像的边缘位置,对于边缘点B,根据如下公式计算:
R(B)=βB(αBR(a)+(1-αB)R(b))+(1-βB)L(B)
其中:
βB=G(disB,σ)(1-G(eB,δ)),
disx=||(axca+(1-ax)cb)-cx||,式中,ca和cb是在B点的邻域中最极限的颜色,a、b为分别与ca、cb对应的点;
σ、δ是可控制的常数,大小在0到1之间;
eB是sobel边缘检测器的边缘强度参数,如果eB>3σ,βB=0。
实施效果
依据上述步骤,对于收集到的图片进行利用卷积滤波和抗锯齿分析增强图像分辨率的处理。所有试验均在PC计算机上实现,该PC计算机的主要参数为:中央处理器Intel(R)Core(TM)i3CPU5403.07GHz内存3G。
图2为对收集到的图片实施本发明方法后得到的效果图。图中(ai)是低分辨率的原始图片O,(bi)是预处理之后的图L,(ci)高通部分图片H,(di)是边缘检测图片S,(ei)是提高分辨率之后的高清结果图片R,i=1,2,3,4。
对于所得的结果图片R,对其每个像素和标准图片的RGB求几何平均差值,即 结果与插值法和freedman算法对比,得到结果图3,将标准差除以像素数并以百万为单位,得到结果图4。
Claims (7)
1.一种利用卷积滤波和抗锯齿分析增强图像分辨率的方法,其特征在于,该方法包括以下步骤:
第一步:对原始图片O进行预处理,增加图片像素,得到预处理图片L;
第二步:利用下采样滤波器对预处理图片L进行下采样滤波处理,然后利用上采样滤波器进行上采样滤波处理,得到原始图片O的低通部分;
第三步:将原始图片O与低通部分相减,得到原始图片O的高通部分H,判断是否存在单个像素点或小像素块异常现象,若是,则进行矫正和反走样处理;
第四步:利用区域自相似原理对预处理图片L进行自相似处理,寻找预处理图片L上与高通部分相似的位置,利用映射关系将高通信息匹配到预处理图片L中,得到和预处理图片L相同像素点的更为清晰的图片S;
第五步:判断自相似处理后的图片S是否存在锯齿化现象,若是,则对处理后的图片和预处理图片L进行抗锯齿化边缘处理,得到更为平滑的高清图片R;
所述的抗锯齿化边缘处理具体为:
对于非边缘点A,高清图片R等于S,即R(A)=S(A);
利用Sobel边缘检测器检测图像的边缘位置,对于边缘点B,根据如下公式计算:
R(B)=βB(αBR(a)+(1-αB)R(b))+(1-βB)L(B)
其中:
βB=G(disB,σ)(1-G(eB,δ)),
disB=||(αBca+(1-αB)cb)-cB||,式中,ca和cb是在B点的邻域中最极限的颜色,a、b为分别与ca、cb对应的点;
σ、δ是可控制的常数,大小在0到1之间;
eB是sobel边缘检测器的边缘强度参数,如果eB>3σ,βB=0。
2.根据权利要求1所述的一种利用卷积滤波和抗锯齿分析增强图像分辨率的方法,其特征在于,所述的第一步中的预处理为对原始图片进行(N-1):N比例增加图片像素点的扩展处理。
3.根据权利要求1所述的一种利用卷积滤波和抗锯齿分析增强图像分辨率的方法,其特征在于,所述的第二步的下采样滤波处理具体是指:
对每N个像素进行卷积计算得到总数为N-1的结果,具体函数可表示如下:
D(L)(n)=(L(n)*dp(-n)(Nq+p))
其中:
D为下采样滤波器,p=nmod(N-1),q=(n-p)/(N-1),dp(-n)为第p个滤波器dp(dp=d1,...,dN),“*”为离散卷积和的符号,n为第n个像素点。
4.根据权利要求3所述的一种利用卷积滤波和抗锯齿分析增强图像分辨率的方法,其特征在于,所述的第二步的上采样滤波处理具体是指:
对每N-1个像素进行卷积计算,具体函数可表示如下:
其中:
u为上采样滤波器,g为经过下采样滤波处理后的图片,up(-n)为第p个滤波器up(up=u1,...,uN),表示对于除了待处理位置的点以外,其余补零。
5.根据权利要求4所述的一种利用卷积滤波和抗锯齿分析增强图像分辨率的方法,其特征在于,所述的第三步中的像素点异常是指图片的RGB值大于255或者小于0;
所述的矫正和反走样处理包括中通滤波处理,所述的中通滤波处理的公式为:
6.根据权利要求1所述的一种利用卷积滤波和抗锯齿分析增强图像分辨率的方法,其特征在于,所述的第四步中的自相似处理具体是指:对图片H中每个M×M区域进行相似匹配,并映射补充到图片L中,得到图片S,S=L+γH,其中,γ是一个常数。
7.根据权利要求6所述的一种利用卷积滤波和抗锯齿分析增强图像分辨率的方法,其特征在于,所述的γ=0.01。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210313603.8A CN102831589B (zh) | 2012-08-29 | 2012-08-29 | 一种利用卷积滤波和抗锯齿分析增强图像分辨率的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210313603.8A CN102831589B (zh) | 2012-08-29 | 2012-08-29 | 一种利用卷积滤波和抗锯齿分析增强图像分辨率的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102831589A CN102831589A (zh) | 2012-12-19 |
CN102831589B true CN102831589B (zh) | 2015-12-09 |
Family
ID=47334706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210313603.8A Active CN102831589B (zh) | 2012-08-29 | 2012-08-29 | 一种利用卷积滤波和抗锯齿分析增强图像分辨率的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102831589B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778606B (zh) * | 2014-01-17 | 2018-01-12 | Tcl集团股份有限公司 | 一种图像的处理方法及相关装置 |
CN103839238B (zh) * | 2014-02-28 | 2017-02-15 | 西安电子科技大学 | 一种基于边缘信息和反卷积的sar图像超分辨率方法 |
CN106339999A (zh) * | 2016-08-31 | 2017-01-18 | 上海交通大学 | 一种本征图像重构方法 |
CN113628142B (zh) * | 2021-08-19 | 2022-03-15 | 湖南汽车工程职业学院 | 一种基于相似模拟的图片清晰化处理系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101867816A (zh) * | 2010-05-10 | 2010-10-20 | 南京邮电大学 | 一种基于人眼视觉特性的立体视频非对称压缩编码方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8442108B2 (en) * | 2004-07-12 | 2013-05-14 | Microsoft Corporation | Adaptive updates in motion-compensated temporal filtering |
-
2012
- 2012-08-29 CN CN201210313603.8A patent/CN102831589B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101867816A (zh) * | 2010-05-10 | 2010-10-20 | 南京邮电大学 | 一种基于人眼视觉特性的立体视频非对称压缩编码方法 |
Non-Patent Citations (1)
Title |
---|
Image and Video Upscaling from Local Self-Examples;Gilad Freedman et al.;《ACM Transactions on Graphics》;20110430;第30卷(第2期);第1-12页 * |
Also Published As
Publication number | Publication date |
---|---|
CN102831589A (zh) | 2012-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101465002B (zh) | 椭圆目标的亚像素边缘定位方法 | |
US7903880B2 (en) | Image processing apparatus and method for detecting a feature point in an image | |
US9639918B2 (en) | Method for anti-aliasing of image with super-resolution | |
CN107292310B (zh) | 一种圆形指针式表盘视觉定位及自动读数方法 | |
CN102831589B (zh) | 一种利用卷积滤波和抗锯齿分析增强图像分辨率的方法 | |
CN109102469B (zh) | 一种基于卷积神经网络的遥感图像全色锐化方法 | |
CN101551900B (zh) | 一种视频马赛克图像检测方法 | |
US20130106902A1 (en) | Filtering method and apparatus for anti-aliasing | |
CN103198463A (zh) | 基于整体结构和空间细节信息融合的光谱图像全色锐化方法 | |
US8189952B2 (en) | Image noise reduction method based on local correlation | |
CN104376564B (zh) | 基于各向异性高斯方向导数滤波器提取图像粗边缘的方法 | |
US9105106B2 (en) | Two-dimensional super resolution scaling | |
CN101246593B (zh) | 一种彩色图像边缘检测方法及设备 | |
CN101505367B (zh) | 自适应图像增强方法 | |
CN104463881B (zh) | 一种基于光谱反射率邻域差异图和邻域概率融合的多光谱遥感影像变化检测方法 | |
CN101795350B (zh) | 一种基于相关性检测的非线性图像放大两倍方法 | |
CN108335265B (zh) | 一种基于样本学习的快速图像超分辨率重建方法及装置 | |
CN105469358A (zh) | 一种图像处理方法 | |
CN102663750A (zh) | 数字图像边缘检测方法 | |
CN108537810B (zh) | 一种改进的Zernike矩亚像素边缘检测方法 | |
CN101556689B (zh) | 图像缩放方法及装置 | |
CN103729826A (zh) | 一种基于粗糙集约简的图像插值方法 | |
Pagot et al. | Automated processing of lasco coronal images: Spurious point-source-filtering and missing-blocks correction | |
CN102609943A (zh) | 一种基于线性Radon变换算法的图像处理方法 | |
Ren et al. | A new and fast contour-filling algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |