CN102917198B - 一种去隔行技术中的内插方法及系统 - Google Patents

Abstract

本发明公开了一种去隔行设计中可实现的对运动点进行分类内插的方法及装置，对判断为运动的点进行类型判断，包括：平面点模型、外直角点模型、内直角点模型、前景点模型、边缘点模型；分别对相应的类型进行处理，包括：对平面点模型进行周围六点的加权平均；对外直角点模型、内直角点模型、前景点模型的点进行上下点平均；对边缘点模型的点采用基于几个邻域多个方向判断的内插算法；根据上述处理结果，输出内插值点；本发明的有益效果是：有效地保护物体边缘，又使得前景点、直角点等不会错误地被当作小角度边缘而出现错误处理，可以得到很好的内插效果。

Description

一种去隔行技术中的内插方法及系统

技术领域

本发明主要应用于集成电路技术领域，其涉及一种去隔行技术中的内插方法和系统，对各运动点进行分类、然后根据不同情况进行内插处理。

背景技术

目前，隔行信号是由交错的两场构成：第一场包含所有的奇数行，第二场包含所有的偶数行。去隔行技术可将隔行的电视信号转为显示器所能识别的逐行信号，以消除隔行视频序列的缺陷，即消除行结构线、消除扫描线间的闪烁，提高显示画面的清晰度。去隔行技术的应用有利于高质量逐行显示器液晶、等离子推广与应用。

现有的去隔行算法一般采用运动检测算法或运动补偿算法，其中运动检测算法实现起来比运动补偿算法的代价小，是一种比较常用的方法。所述的运动检测算法就是对当前点进行是否运动的判断，如果是静止点，待插入点取另一场对应点即可；如是运动点，则需要采用效果较好的内插算法。当然，内插算法的好坏对于移动的字幕等场合有着至关重要的影响。

现有技术中，能实现去隔行技术的内插算法有多种：根据是否利用图像边缘信息，可分为不考虑边缘的算法和边缘自适应的算法。第一种算法缩放后的图像视觉效果较前者稍差，但硬件易于实现。第二种算法缩放后的图像视觉效果好，对小角度的边缘也可以得到比较好的插值效果，但是可能会带来由于考虑边缘处理而引起的其他效应，有以下几种可能：(1)本属于外直角点的点被错误的当成小角度边缘点引起的直角点缺失等(如图1所示，(a)为x点正确插值，(b)为x点取AB两点错误插值)；(2)内直角点被错误当成边缘处理(如图2所示，(a)为x点正确插值，(b)为x点取AB两点错误插值)；(3)前景点被错误当成边缘处理(如图3所示，(a)为x点正确插值，(b)为x点取AB两点错误插值)。

虽然，人们已经设计了大量的去隔行算法，如专利申请号为CN1428098A的专利公开了一种运动及边缘自适应去隔行扫描方法，将一条扫描线上的两个以上的象素分为一段，段中每个象素共享一个公用运动值；通过不同的查找表来确定运动值。公开号为200410026363.9的专利公开了一种数字电视后处理去隔行技术的方向相关运动补偿方法。该方法通过统计手段把前场和后场相关像素点结合起来进行三场检测，且把帧间差值和场间差值结合起来作为运动检测，弥补了两种检测方法的缺点，并结合了BPP的检测法，提高和增强了去隔行处理中运动检测的可靠性。

但是，上述的专利技术基本集中在运动检测部分，其内插算法最多只是考虑了边缘方向自适应处理，没有现有技术包括专利技术等提及边缘自适应处理引起的副作用，例如，只考虑边缘插值而带来的一些如前景错误插值成背景点、内插后的直角水平边缺少边缘点等副作用。

综上所述，为了避免上述情形，提高电视-电影视频流的检测和处理精度，一种新的，去隔行技术中的内插方法和系统的发明是势在必行的。

发明内容

本发明的目的是解决如下技术问题：现有去隔行技术中的内插方法一般只考虑到边缘自适应算法，而没有区分平面点，前景点、内直角点、外直角点等情况而引起的副作用，如，内插后的直角水平边缺少边缘点等副作用。

本发明公开的就是一种考虑了各种模型的内插算法；提出了一种对各运动点进行分类，然后根据不同情况进行内插的方法及系统，可以在有效的保护物体的小角度边缘的前提下，抑制只考虑边缘插值而带来的一些如前景错误插值成背景点、内插后的直角水平边缺少边缘点等副作用。

本发明提出了基于分类处理的去隔行技术中的内插方法及系统，可以对判断为运动的像素点进行分类并且分别处置，可以有效地保护物体边缘，防止小角度边缘产生的副作用。

本发明要解决的另一技术问题是：可以使平面点、外直角点、内直角点、前景点、边缘点每一种类型点都得到很好的内插效果。

本发明提供的技术方案是：首先对判断为是运动的点进行类型分类，包括平面点模型、外直角点模型、内直角点模型、前景点模型、边缘点模型等5种类型。然后分别对相应的类型进行处理，对最后判断为是边缘点模型的点采用基于几个邻域多个方向判断的内插算法，根据图像内容判定相关度最高的方向，然后在此方向上进行插值，因为前期已经区分出平面点模型、内直角点模型、外直角点模型、前景点模型，所以不会因小角度的边缘处理而引起不好的视觉效果。

即：一种去隔行技术中的内插方法，其特征在于，其包括如下步骤：

对判断为运动的点进行类型判断，包括：平面点模型、内直角点模型、外直角点模型、前景点模型、边缘点模型；

分别对相应的类型进行处理，包括：对平面点模型进行周围六点的加权平均；对外直角点模型、内直角点模型、前景点模型的点进行上下点平均；对边缘点模型的点采用基于几个邻域多个方向判断的内插算法；根据上述处理结果，输出内插值点。

所述对边缘点模型的点采用基于几个邻域多个方向判断的内插算法具体为：寻找相关度最高的方向作为此边缘点的方向，在此对应方向上进行区域平均。

所述平面点模型的判断和处理具体为：即当前待插入点的上下两点，45度角对应的两点和反向45度角对应的两点此三组点中，判断这3组绝对值差值中的最小值是否小于平面最大阈值，如是，则属于平面点；平面点的处理方法为插值得到周围6点的加权平均值。

所述外直角点模型的判断和处理具体为：判断当前点是否在矩形的边缘上，并且分析当前待插入点上下各两行的数据，根据附近点的相似性和差别性，判断是否属于左上角、左下角、右上角、右下角四种情况之一，如属于外直角点模型，则处理方法为上下点线性平均。

所述内直角点模型的判断和处理具体为：分析当前待插入点上下各两行的数据，根据附近点的相似性和差别性判断是否属于内直角点模型左上角、左下角、右上角、右下角四种情况之一，如属于内直角点模型，则处理方法为上下点线性平均。

所述前景点模型的判断和处理具体为：分析待插入点的上下各一行数据，分别向左向右探测边界，如果它的上下两行里在一定范围内向左有边界点存在，向右也有边界点存在，并且它们的边界点外的两点的值非常接近，插入点的上下两点很接近，则认定当前点是前景点，处理方法为上下点线性平均。

如果待插入点不属于平面点模型、不属于外直角点模型、不属于内直角点模型、不属于前景点模型，则考虑是否属于边缘点模型，进入边缘点模型的判断和处理。

所述边缘点模型的判断和处理具体为：采用基于几个邻域多个方向判断的内插算法，分第一近邻、第2近邻等6个区域，对多个方向进行最大相关度识别，在每个近邻里的多个方向里找到方向最小值，比较几个近邻的最小值，值最小的对应方向作为待插入点方向，方向识别好后内插处理是采用该方向上的区域平均值。

如果待插入点也不属于边缘点模型，则不属于以上各种模式，处理方法为上下点线性平均。

一种去隔行技术中的内插系统，其特征在于，其包括如下模块：

平面点模型判断模块，输入相邻两场需要内插的数据，输出是否属于平面点模型的判断信号；外直角点模型判断模块，输入相邻两场需要内插的数据、是否属于平面点模型的判断信号；输出是否属于外直角点模型的判断信号；

内直角点模型判断模块，输入相邻两场需要内插的数据、是否属于外直角点模型的判断信号，输出是否属于内直角点模型的判断信号；

前景点模型判断模块，输入相邻两场需要内插的数据、是否属于内直角点模型的判断信号，输出是否属于前景点模型的判断信号；

六点加权平均处理模块，输入相邻两场需要内插的数据、是否属于平面点模型的判断信号，输出六点加权平均后的处理数据；

上下点平均处理模块，输入相邻两场需要内插的数据、是否属于外直角点模型的判断信号、是否属于内直角点模型的判断信号、是否属于前景点模型的判断信号、不属于边缘的判断信号，输出上下平均后的处理数据；

边缘点模型判断模块和相应的处理模块，输入：相邻两场需要内插的数据、是否属于前景点模型的判断信号，输出：经边缘对应方向区域平均处理后的内插数据、不属于边缘的判断信号。

本发明相对现有技术具有以下优点和有益效果：针对现有内插技术中一般都只考虑边缘方向自适应处理，没有技术提及边缘自适应处理引起的副作用，本发明提供了一种去隔行设计中可实现的对运动点进行分类内插的方法，对经运动检测后是运动的像素点，分别分类为平面点模型、外直角点模型、内直角点模型、前景点模型、边缘点模型等不同类型，然后根据分类进行不同的处置，从而得到运动点的内插值。即有效地保护物体边缘，又使得前景点、直角点等不会错误地被当做小角度边缘而出现错误处理，可以得到很好的内插效果。

附图说明：

通过以下对本发明的实施例结合其附图的描述，可以进一步理解其发明的目的、具体结构特征和优点。其中，附图为：

图1是：外直角点正确内插以及因边缘处理而引起的错误内插对比示意图；

图2是：内直角点正确内插以及因边缘处理而引起的错误内插对比示意图；

图3是：前景点正确内插以及因边缘处理而引起的错误内插对比示意图；

图4是：平面模型点示意图；

图5是：四角的外直角点模型错误内插示意图；

图6是：左上角外直角点识别示意图；

图7是：右上角外直角点识别示意图；

图8是：左下角外直角点识别示意图；

图9是：右下角外直角点识别示意图；

图10是：左上角内直角点识别示意图；

图11是：前景模型点内插示意图；

图12是：边缘模型点内插示意图；

图13是：边缘模型点内插效果示意图；

图14是：场内插值去隔行插值窗口定义示意图；

图15是：边缘近邻示意图；

图16是：第1近邻多个方向示意图；

图17是：本发明的算法流程图；

图18是：本发明的系统模块示意图。

具体实施方式：

下面结合附图中的实例对本发明作进一步的描述。

本发明采用基于几个邻域多个方向判断的内插算法，可以根据图像内容判定相关度最高的方向，然后在此方向上进行插值，显然这种插值算法能够有效地保护物体边界，抑制有用信息的模糊。并对待插入点进行如下分类：平面点模型、外直角点模型、内直角点模型、前景点模型、边缘点模型。即，与背景技术相比，本发明提供一种保持边缘平滑度的基于分类处理的去隔行技术中的内插方法以及系统，通过对运动的点进行平面点、外直角点、内直角点、前景点、边缘点的分类，然后根据不同的分类情况进行相应的处理，可以有效的保护物体的小角度边缘的同时，抑制了只考虑边缘插值而带来的一些如前景错误插值成背景点、内插后的直角水平边缺少边缘点等副作用。即，首先对判断为是运动的点进行类型判断，包括平面点模型、内直角点模型、外直角点模型、前景点模型、边缘点模型等5种类型。然后分别对相应的类型进行处理，其中包括，对平面点模型进行周围六点的加权平均；对外直角点模型、内直角点模型、前景点模型的点进行上下点平均；对边缘点模型的点采用基于几个邻域多个方向判断的内插算法，即寻找相关度最高的方向作为此边缘点的方向，在此对应方向上进行区域平均。这样处理后的内插方法，可以避免因小角度的边缘处理而引起其他类型点的错误插值，从而引起的不好的视觉效果。

具体方法如下，首先是对平面点模型、外直角点模型、内直角点模型、前景点模型、边缘点模型的识别：

一、平面点模型的识别

所述平面点模型的判断和处理。即当前待插入点的上下两点，45度角对应的两点和反向45度角对应的两点这共三组点中，判断这3组绝对值差值中的最小值是否小于平面最大阈值，如是，则属于平面点。平面点的处理方法为插值得到周围6点的加权平均值。如图4，上下两点a1和b1、反向45度角两点a2和b3、45度角两点a3和b2，判断这3组绝对值差值中的最小值Min_diff是否小于一定阈值，如是，该红色插值点所处图像区域的属于平面型模型，插值结果为周围6点的加权平均值。

二、外直角点模型的识别

所述外直角点模型的判断和处理。即判断当前点是否在矩形的边缘上，并且分析当前待插入点上下各两行的数据，根据附近点的相似性和差别性，判断是否属于左上角、左下角、右上角、右下角四种情况之一，如属于则为外直角点模型，处理方法为上下点线性平均。

外直角点模型，如图5所示，是属于外直角点模型四个方向点的时候，如果不识别出来，很可能成为水平小角度边缘的牺牲品，被当成是水平小角度边缘来处理，会处理成如图5的效果，造成直角点缺失，所以需要进行特殊的识别，防止进入小角度边缘处理。

如图6所示为左上角外直角点，待插值点为b6和c6之间，正确结果应该是b6和c6的平均值，但是没有识别出是外直角点，被当成是小角度边缘，则可能b10-b12，和c0-b6两个区域中和而得到错误的背景点。

需要识别当前点作为直角点的特征，首先保证在矩形的边缘上。以下特征能保证在矩形的边缘上：

a)、当前待插入点的上一点b6和下一点c6应该是差比较大，这样才能保证是在矩形的边界上。

b)、当前待插入点的上一行5点b4-b9和下一行5点(c4-c9)，至少有一行是比较均衡的，最大最小值差不多的。

c)、并且当前待插入点的上一行5点b4-b9的最大值和下一行5点(c4-c9)的最大值应该是差比较大。然后分析当前待插入点上下各两行的数据，根据附近点的相似性和差别性判断，分左上角、左下角、右上角、右下角四种情况讨论，以左上角为例子：

a)、当前待插入点的下一行左边有一区域发生灰度值的跳变，记录该跳变点c3。

b)、此跳变点c3和左上角点b2差比较大。

c)、此跳变点c3和上一行同列点b3差比较大。

d)、此跳变点右一点c4和上一行同列点b4差比较大。

e)、此跳变点左一点c2和上一行同列点b2相差不多。

f)、此跳变点左一点c2和下一行左一列点d5相差不多。

g)、并且水平小角度的两块数据(c0c1c2与b10b11b12)邻域平均值非常接近。

如果以上都符合，令CrossFlag1_lu＝1；最后得到是否属于外直角点类型的标志CrossFlag，应该是四个角任意一个符合即属于外直角点类型，可表示为：

CrossFlag＝CrossFlag1_ru|CrossFlag1_ld|CrossFlag1_rd|CrossFlag1_lu；若属于外直角点模型(CrossFlag＝1)，则如下处理：P(x，y)＝(a_0+b_0)/2；只有CrossFlag＝0才有机会进入下面的模式判断。P(x，y)为需要计算的当前点输出结果。如图14，a_0为当前待插入点的上一点，b_0为当前待插入点的下一点。

三、内直角点模型的识别

所述内直角点模型的判断和处理。所述内直角点模型的判断和处理。即分析当前待插入点上下各两行的数据，根据附近点的相似性和差别性判断是否属于内直角点模型左上角、左下角、右上角、右下角四种情况之一，如属于则为内直角点模型，处理方法为上下点线性平均。

判断分析当前待插入点上下各两行的数据，根据附近点的相似性和差别性，判断是否属于内直角左上角、左下角、右上角、右下角四种情况之一。以内直角左上角为例子，模型如图10所示。当前待插入点如X所示，找到某点，1)该点上一行右边几点内有灰度值的跳变(如b6、b7之间)；2)上一点b6与上两点a6的值很接近；3)上方的左侧6点b1-b6属于同一灰度；4)该插入点下方7点(c3-c9)是同一灰度水平线；5)左四点b3-b6的最大值和下面7点(c3-c9)的最大值相差很多，说明是属于内直角点模型左上角。令CrossFlag2_lu＝1.

三、前景点模型的识别

如果不属于平面点模型，不属于外直角点模型，不属于内直角点模型，判断当前点是否属于前景模型点。之所以判断前景是为了防止把背景点判断成小角度边缘。

所述前景点模型的判断和处理。即分析待插入点的上下各一行数据，分别向左向右探测边界，如果它的上下两行里在一定范围内向左有边界点存在，向右也有边界点存在，并且它们的边界点外的两点的值非常接近，插入点的上下两点很接近，说明是当前点是前景点。如属于前景点模型，则处理方法为上下点线性平均。

如图11所示，x点是一个垂直物体(前景)上的点，但是背景A、B因为是属于同一个背景，容易被当成边缘而误判为图12那种边缘点模型情况，所以需要判断是否属于前景点。方法如下：统计2行数据，看是否有边界，如果它的上下两行里向左有边界点存在，向右也有边界点存在，并且它们的边界点外的两点C和D的值非常接近，插入点的上下两点很接近，说明是X是前景点，所以即使A、B点很接近也不能进入边缘点模式。

四、边缘模型点的识别

所述边缘点模型的判断和处理。采用基于几个邻域多个方向判断的内插算法，分第1近邻、第2近邻第3近邻、第4近邻、第5近邻、第6近邻等6个区域，对多个方向进行最大相关度识别，在每个近邻里的多个方向里找到方向最小值，比较几个近邻的最小值，值最小的对应方向作为待插入点方向，方向识别好后内插处理是采用该方向上的区域平均值。如果待插入点也不属于边缘点模型，则不属于以上各种模式，处理方法为上下点线性平均。即，以上几种情况如果都不是，则考虑有可能是边缘，分第1近邻、第2近邻等6个区域对多个方向进行最大相关度识别，方向识别好后采用该方向的两点平均。如果都不符合就进行简单的上下值平均。边缘插值示意图12，x点为待插入点，相关方向为A，B方向，判断出是边缘模型点后，新的内插行如图13所示比较平滑，视觉效果较好.

在实际内插过程中，以15×2的像素窗口为例，在当前场中，选取相邻两行邻近的15×2的像素窗口，分别将其定义为a_m7，a_m6，...，a_p6，a_p7和ba_m7，b_m6，...，b_p6，b_p7，需要插值计算的当前点为P(x，y)。

步骤一、判断是否属于平面点模型及其相应处理

如图14，a_m1和b_p1、a0和b0、a_p1和b_m1，判断这3组绝对值差值中的最小值Min_diff是否小于平面最大阈值，如是，该插值点P(x，y)所处图像区域的属于面型模型，插值结果为6点加权平均值，伪代码表示如下：

模式planar_mode为1，表示当前为平面模型点。T_planar为判断为平面的最大阈值，低于它的，认为属于平面模型点，通常取30。Min()表示求取几个数中的最小值。

步骤二、判断是否属于外直角点模型及其相应处理插值位置如图14，首先识别是否属于矩形的边缘：判断方式，如下列伪代码：

T_max_di表示灰度跳变的阈值，通常取50；T_min_di表示灰度接近的阈值，通常取30。

然后分四种具体情况分析：

一)左上角特征(如图6所示)：

1.当前待插入点的下一行左边有一区域发生灰度值跳变，记录该跳变点c3。即，abs(b_m4-b_m3)＞T_max_di；

2.此跳变点c3和左上角点b2差比较大。即，abs(a_m4-b_m3)＞T_max_di；

3.此跳变点c3和上一行同列点b3差比较大。即，abs(a_m3-b_m3)＞T_max_di；

4.此跳变点右一点c4和上一行同列点b4差比较大。即，abs(a_m2-b_m2)＞T_max_di；

5.此跳变点左一点c2和上一行同列点b2相差不多。即，abs(a_m4-b_m4)＜T_min_di；

6.此跳变点左一点c2和下一行左一列点d1相差不多。即，abs(b_m4-d_m5)＜T_min_di；

7.并且水平小角度的两块数据(c0c1c2与b10b11b12)邻域平均值非常接近，如图中阴影所示；

8.这时赋予CrossFlag1_lu＝1，否则为0。

二)右上角特征(如图7所示)：

1.当前待插入点的下一行右边有一区域发生灰度值跳变，记录该跳变点c9。即，abs(a_p4-b_p3)＞T_max_di；

2.此跳变点c9和右上角点b10差比较大。即，abs(b_p4-b_p3)＞T_max_di；

3.此跳变点c9和上一行同列点b9差比较大。即，abs(a_p3-b_p3)＞T_max_di；

4.此跳变点左一点c8和上一行同列点b8差比较大。即，abs(a_p2-b_p2)＞T_max_di；

5.此跳变点右一点c10和上一行同列点b10相差不多。即，abs(a_p4-b_p4)＜T_min_di；

6.此跳变点右一点c10和下一行右一列点d11相差不多即，abs(b_p4-d_p5)＜T_min_di；

7.并且水平小角度的两块数据(b0b1b2与c10c11c12)邻域平均值非常接近，如图中阴影所示；

8.这时赋予CrossFlag1_ru＝1，否则为0。

三)左下角特征(如图8所示)：

1. 1前待插入点的下一行左边有一区域发生跳变，记录该跳变点b3。即，abs(a_m4-a_m3)＞T_max_di；

2.此跳变点b3和左下角点c2差比较大。即，abs(b_m4-a_m3)＞T_max_di；

3.此跳变点b3和下一行同列点c3差比较大。即，abs(a_m3-b_m3)＞T_max_di；

4.此跳变点右一点b4和下一行同列点c4差比较大。即，abs(a_m2-b_m2)＞T_max_di；

5.此跳变点左一点b2和下一行同列点c2相差不多。即，abs(a_m4-b_m4)＜T_min_di；

6.此跳变点左一点b2和上一行左一列点a1相差不多。即，abs(a_m4-u_m5)＜T_min_di；

7.并且水平小角度的两块数据(b0b1b2与c10c11c12)邻域平均值非常接近，如图中阴影所示；

8.这时赋予CrossFlag1_1d＝1，否则为0。

四)右下角特征(如图9所示)

1.当前待插入点的下一行右边有一区域发生跳变，记录该跳变点b9。即，abs(a_p4-a_p3)＞T_max_di；

2.此跳变点b9和右下角点c10差比较大。即，abs(b_p4-a_p3)＞T_max_di；

3.此跳变点b9和下一行同列点c9差比较大。即，abs(a_p3-b_p3)＞T_max_di；

4.此跳变点左一点b8和下一行同列点c8差比较大。即，abs(a_p2-b_p2)＞T_max_di；

5.此跳变点右一点b10和下一行同列点c10相差不多。即，abs(a_p4-b_p4)＜T_min_di；

6.此跳变点右一点b10和上一行右一列点a11相差不多。即，abs(a_p4-u_p5)＜T_min_di；

7.并且水平小角度的两块数据(c0c1c2与b10b11b12)邻域点对点平均值非常接近，如图中阴影所示；

这时赋予CrossFlag1_rd＝1，否则为0；

最后得到是否属于CROSS情况的标志CrossFlag：

CrossFlag1＝CrossFlag1_ru|CrossFlag1_ld|CrossFlag1_rd|CrossFlag1_lu；若属于外直角点模型(CrossFlag1＝1)，则如下处理：P(x，y)＝(a_0+b_0)/2；若CrossFlag1＝0才有机会进入下面的内直角点模型处理模块。

步骤三、判断是否属于内直角点模型及其相应处理

根据内直角点模型识别思想，对内直角点模型的识别可用如下伪代码表示：

以左上角为例子，以上代码可以分析为，找到某点，1)该点右边几点内有灰度值跳变；2)上一点与上两点的值很接近3)上方的左侧6点属于同一灰度；4)该插入点下方7点是同一灰度水平线；5)左四点的最大值和下面7点的最大值相差很多，说明是属于CROSS内直角点模型左上角。CrossFlag2_lu＝1.其他三种情况就不一一分析。

Right1代表第一行右边第几点有灰度值跳变，up(i)代表这一点的上一行的同列点，ap(i)代表的是这一点的上两行的同列点，max_7_b为第2行的7点的最大值，min_7_b为第2行的7点的最小值，max_a_left为上面一行左边四点的最大值，T_big表示灰度相差很大的阈值，代表两点有很大的差异性，通常取100。

CrossFlag2＝CrossFlag2_ru|CrossFlag2_ld|CrossFlag2_rd|CrossFlag2_lu；若属于内直角点模型(CrossFlag2＝1)，则如下处理：P(x，y)＝(a_0+b_0)/2。

步骤四、判断是否属于前景模型及其相应处理

如果不属于平面点模型，不属于直角点模型，判断当前点是否属于前景点模型：之所以判断前景是为了防止把背景点判断成小角度边缘。具体如下：以统计2*15个数据为例，两行数据，分别向左向右探测边界，如果它的上下两行里向左有边界点存在，向右也有边界点存在，并且它们的边界点外的两点的值非常接近，插入点的上下两点很接近，说明是当前点是前景点。举例说明，如果上行在右边第三点有灰度突变，下行在左边第四点有灰度突变(这里为了简化，右边考察上一行数据，左边考察下一行数据)，并且跳变后的值都很接近，并且当前待插入点的上下点也很接近，说明是当前点是前景点。则用下式表示：

T_fore是个证明属于同一个前景的部位，灰度阈值比较宽松，为100。T_min_di是个小阈值，低于它，认为是相同背景，为30，T_big是个大阈值，为100，高于它，认为分别属于前景与背景。Right1代表上一行的数据左边第几点有灰度值突变，Left2代表上一行的数据右边第几点有灰度值突变。

若以上条件均不满足，进入边缘模式。本发明将2*15个点，划分为6个近邻，依次为第一近邻，第二近邻......第六近邻。其中离插入点越近的领域，优先级别越高。

第一近邻的示意图如图15中通过(a)部分标识的内容所示，第二近邻的示意图如图15中通过(b)部分标识的内容所示，第三近邻的示意图如图15中通过(c)部分标识的内容所示，第四近邻的示意图如图15中通过(d)部分标识的内容所示，第五近邻的示意图如图15中通过(e)部分标识的内容所示，第六近邻的示意图如图15中通过(f)部分标识的内容所示。以第一近邻为例，首先求各点的邻域平均值：

STEP 1：定义如下差值，求每个近邻的多个方向的最小值：

以第一近邻为例，对近邻内每三点设为一个区域，上下两行的各个区域相连，可分为7个方向：

diff_ave_1＝abs(a_m1-b_m1)+abs(a_0-b_0)+abs(a_p1-b_p1)；

diff_ave_2＝abs(a_m2-b_0)+abs(a_m1-b_p1)+abs(a_0-b_p2)；

diff_ave_3＝abs(a_0-b_m2)+abs(a_p1-b_m1)+abs(a_p2-b_0)；

diff_ave_4＝abs(a_m2-b_m1)+abs(a_m1-b_0)+abs(a_0-b_p1)；

diff_ave_5＝abs(a_m1-b_m2)+abs(a_0-b_m1)+abs(a_p1-b_0)；

diff_ave_6＝abs(a_m1-b_0)+abs(a_0-b_p1)+abs(a_p1-b_p2)；

diff_ave_7＝abs(a_0-b_m1)+abs(a_p1-b_0)+abs(a_p2-b_p1)；

min_diff_1＝min([diff_ave_1，diff_ave_2，diff_ave_3，diff_ave_4，diff_ave_5，diff_ave_6，diff_ave_7])；

上式表示取7个方向的最小值为第一近邻的最小值。

第一近邻的7个方向示意图如16所示，区域如框所示：分别取第二近邻的8个方向的最小值为min_diff_2，第三近邻的8个方向的最小值为min_diff_3，第四近邻的8个方向的最小值为min_diff_4，第五近邻的8个方向的最小值为min_diff_5，第六近邻的8个方向的最小值为min_diff_6。

STEP2：求取每个邻域内对应的每个区域平均值：

对每个如图框内的区域求取邻域平均值。平均值是这样计算的，离待插入点越近，权重为2，其余两点权重为1。

STEP3：判断最小方向并得到最终插值，步骤如下：

1.首先比较第一近邻，如果最小值是在第一近邻内，则对该近邻内最小方向上的2个区域平均值平均；

2.比较第二近邻，如果最小值是在第二近邻内，则对该近邻内最小方向上的2个邻域平均值进行平均；

3.比较第三近邻，如果最小值是在第三近邻内，则对该近邻内最小方向上的2个邻域平均值进行平均；

4.然后比较第四近邻，如果最小值是在第四近邻内，则对该近邻内最小方向上的2个邻域平均值进行平均；

5.比较第五近邻，如果最小值是在第五近邻内，则对该近邻内最小方向上的2个邻域平均值进行平均；

6.比较第六近邻，如果最小值是在第六近邻内，则对该近邻内最小方向上的2个邻域平均值进行平均；

7.最后，如果以上都不符合，直接进行该插入点的上下值平均，即P(x，y)＝(a_0+b_0)/2。具体的程序流程图如图17所示。

本发明与方法对应的系统地设置共分为7个模块，即：平面点模型判断模块，外直角点模型判断模块，内直角点模型判断模块，前景点模型判断模块，上下平均处理模块，六点加权平均处理模块，边缘点模型判断模块和相应的处理模块。

(一)、平面点模型判断模块，

输入：相邻两场需要内插的数据。

输出：是否属于平面点模型的判断信号。

(二)、外直角点模型判断模块

输入：相邻两场需要内插的数据、是否属于平面点模型的判断信号。

输出：是否属于外直角点模型的判断信号。

(三)、内直角点模型判断模块

输入：相邻两场需要内插的数据、是否属于外直角点模型的判断信号。

输出：是否属于内直角点模型的判断信号。

(四)、前景点模型判断模块

输入：相邻两场需要内插的数据、是否属于内直角点模型的判断信号。

输出：是否属于前景点模型的判断信号。

(五)、六点加权平均处理模块

输入：相邻两场需要内插的数据、是否属于平面点模型的判断信号。

输出：六点加权平均后的处理数据。

(六)、上下平均处理模块

输入：相邻两场需要内插的数据、是否属于外直角点模型的判断信号、是否属于内直角点模型的判断信号、是否属于前景点模型的判断信号、不属于边缘的判断信号。

输出：上下平均后的处理数据。

(七)、边缘点模型判断模块和相应的处理模块

输入：相邻两场需要内插的数据、是否属于前景点模型的判断信号。

输出：经边缘对应方向区域平均处理后的内插数据、不属于边缘的判断信号。

上述模块对应的处理方法与前述相同或类似，在此不再赘述。

本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明的目的，而并非用作对本发明的限定，只要在本发明的实质范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求的范围内。

Claims (5)

1.一种去隔行技术中的内插方法，其特征在于，其包括如下步骤：

首先对判断为运动的点进行类型判断，包括：平面点模型、外直角点模型、内直角点模型；如果均不属于，再判断当前点是否属于前景点模型；

其中，分别对相应的模型类型进行处理，包括：对平面点模型进行周围六点的加权平均包含当前待插入点的上下两点，45度角对应的两点和反向45度角对应的两点此三组点中，判断这3组点的绝对值差值中的最小值是否小于平面最大阈值，如是，则属于平面点；平面点的处理方法为插值得到周围6点的加权平均值；对外直角点模型、内直角点模型、前景点模型的点进行上下点平均；

再判断当前点是否属于边缘点模型，其中对边缘点模型的点采用基于几个邻域多个方向判断的内插算法，寻找相关度最高的方向作为此边缘点的方向，在与边缘点的方向相对应方向上进行区域平均；

如果待插入点也不属于边缘点模型，则不属于以上各种模型，处理方法为上下点线性平均；

根据上述处理结果，输出内插值点，

其中，所述外直角点模型的判断和处理具体为：判断当前点是否在矩形的边缘上，并且分析当前待插入点上下各两行的数据，根据附近点的相似性和差别性，判断是否属于左上角、左下角、右上角、右下角四种情况之一，如属于则为外直角点模型，处理方法为上下点线性平均，

所述内直角点模型的判断和处理具体为：分析当前待插入点上下各两行的数据，根据附近点的相似性和差别性判断是否属于内直角点模型左上角、左下角、右上角、右下角四种情况之一，如属于则为内直角点模型，处理方法为上下点线性平均，

所述前景点模型的判断和处理具体为：分析待插入点的上下各一行数据，分别向左向右探测边界，如果它的上下两行里在一定范围内向左有边界点存在，向右也有边界点存在，并且其边界点外的两点的值接近，插入点的上下两点接近，则认定当前点是前景点，处理方法为上下点线性平均。

2.根据权利要求1所述的去隔行技术中的内插方法，其特征在于，如果待插入点不属于平面点模型、不属于外直角点模型、不属于内直角点模型、不属于前景点模型，则考虑是否属于边缘点模型，进入边缘点模型的判断和处理。

3.根据权利要求2所述的去隔行技术中的内插方法，其特征在于，所述边缘点模型的判断和处理具体为：采用基于几个邻域多个方向判断的内插算法，分第1近邻、第2近邻等6个区域，对多个方向进行最大相关度识别，在每个近邻里的多个方向里找到方向最小值，比较几个近邻的最小值，值最小的对应方向作为待插入点方向，方向识别后内插处理是采用该方向上的区域平均。

4.一种去隔行技术中的内插系统，其特征在于，其包括如下模块：

平面点模型判断模块，输入相邻两场需要内插的数据，输出是否属于平面点模型的判断信号；

外直角点模型判断模块，输入相邻两场需要内插的数据、是否属于平面点模型的判断信号；输出是否属于外直角点模型的判断信号；

内直角点模型判断模块，输入相邻两场需要内插的数据、是否属于外直角点模型的判断信号，输出是否属于内直角点模型的判断信号；

前景点模型判断模块，输入相邻两场需要内插的数据、是否属于内直角点模型的判断信号，输出是否属于前景点模型的判断信号；

六点加权平均处理模块，输入相邻两场需要内插的数据、是否属于平面点模型的判断信号，输出六点加权平均后的处理数据；

上下点平均处理模块，输入相邻两场需要内插的数据、是否属于外直角点模型的判断信号、是否属于内直角点模型的判断信号、是否属于前景点模型的判断信号、当待插入点也不属于边缘点模型也不属于以上各种模型的判断信号，输出上下点平均后的处理数据；

边缘点模型判断模块和相应的处理模块，输入：相邻两场需要内插的数据、是否属于前景点模型的判断信号，输出：经边缘对应方向区域平均处理后的内插数据、不属于边缘的判断信号，其中，对边缘点模型的点采用基于几个邻域多个方向判断的内插算法，即寻找相关度最高的方向作为此边缘点的方向，在此对应方向上进行区域平均，

其中，当前待插入点的上下两点，45度角对应的两点和反向45度角对应的两点此三组点中，判断这3组点的绝对值差值中的最小值是否小于平面最大阈值，如是，则属于平面点；平面点的处理方法为插值得到周围6点的加权平均值，

所述外直角点模型的判断和处理具体为：判断当前点是否在矩形的边缘上，并且分析当前待插入点上下各两行的数据，根据附近点的相似性和差别性，判断是否属于左上角、左下角、右上角、右下角四种情况之一，如属于则为外直角点模型，其处理方法为上下点线性平均，

所述内直角点模型的判断和处理具体为：分析当前待插入点上下各两行的数据，根据附近点的相似性和差别性判断是否属于内直角点模型左上角、左下角、右上角、右下角四种情况之一，如属于则为内直角点模型，则处理方法为上下点线性平均，

所述前景点模型的判断和处理具体为：分析待插入点的上下各一行数据，分别向左向右探测边界，如果它的上下两行里在一定范围内向左有边界点存在，向右也有边界点存在，并且它们的边界点外的两点的值接近，插入点的上下两点接近，则认定当前点是前景点，处理方法为上下点线性平均。

5.根据权利要求4所述的去隔行技术中的内插系统，其特征在于：所述待插入点不属于平面点模型、不属于外直角点模型、不属于内直角点模型、不属于前景点模型，则考虑是否属于边缘点模型，进入边缘点模型的判断和处理；所述边缘点模型的判断和处理具体为：采用基于几个邻域多个方向判断的内插算法，分第1近邻、第2近邻等6个区域，对多个方向进行最大相关度识别，在每个近邻里的多个方向里找到方向最小值，比较几个近邻的最小值，值最小的对应方向作为待插入点方向，方向识别好后内插处理是采用该方向上的区域平均值。