CN102946505A - 一种基于图像分块统计的自适应运动检测方法 - Google Patents

Abstract

本发明公开了一种基于图像分块统计的自适应运动检测方法，通过当前像素点位置场间图像子块的亮度均值差来确定场景是否发生变化，然后根据场景是否发生变化，选择依据场间图像子块存在差异像素的数目确定较低或较高的阈值，最后将像素点所在位置的亮度分量场间差值与确定的对应场间图像子块的阈值进行比较，检测得到当前像素点的运动状态。本发明中场间图像子块的阈值与当前像素点所在视频序列位置相适应，即自适应，因而对像素点的运动状态判断更加准确，克服了现有技术采用固定的一组场间图像阈值与像素点所在位置的亮度分量场间差值进行比较，容易造成运动检测错误从而造成噪声的缺陷，提高了去隔行效果。

Description

一种基于图像分块统计的自适应运动检测方法

技术领域

本发明属于视频处理技术领域，更为具体地讲，涉及视频后处理隔行视频信号向逐行视频转换中的一种基于图像分块统计的自适应运动检测方法。

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，而是将一个场景分成奇场和偶场两个部分分时发送，这样就产生隔行视频信号。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在目前的高端平板电视上显示就会出现严重的屏闪、锯齿等严重问题。去隔行技术即隔行转逐行技术正是为了解决隔行视频信号和高端电视之间矛盾产生的。

去隔行算法根据其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，去隔行后视频图像模糊并产生严重矩尺；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，硬件实现成本高等原因还没有成为目前产品的主流方案；而基于运动自适应的去隔行算法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，是目前大多终端显示产品选择的去隔行方案。

目前基于运动自适应的去隔行算法最主要的核心内容就是判断当前像素的运动和静止状态。对于运动和静止的判断往往都是通过对场间或者帧间差值与一个阈值进行比较得到，而这个阈值在很多方法中都是固定的，这样在不同的场景中就容易造成运动检测错误从而造成噪声。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于图像分块统计的自适应运动检测方法，以实现阈值的自适应，有利于正确判断当前像素的运动状态，提高去隔行效果。

为实现上述目的，本发明基于图像分块统计的自适应运动检测方法，其特征在于，包括以下步骤：

（1）、获取当前像素点位置一组亮度分量场间差值；

（2）、根据当前像素点位置场间图像子块的亮度均值差，确定是否发生了场景变化；如果发生了场景变化，依据场间图像子块存在差异像素的数目，确定一组较低的对应场间图像子块的阈值，如果没有发生场景变化，则依据场间图像子块存在差异像素的数目，确定一组较高的对应场间图像子块的阈值；

其中，所述的依据场间图像子块存在差异像素的数目是指数目越大，对应场间图像子块的阈值越小；

（3）、将步骤（1）获得的一组亮度分量场间差值与步骤（2）确定的对应场间图像子块的阈值进行比较，检测得到当前像素点的运动状态。

本发明的发明目的是这样实现的：

本发明基于图像分块统计的自适应运动检测方法，通过当前像素点位置场间图像子块的亮度均值差来确定场景是否发生变化，然后根据场景是否发生变化，选择依据场间图像子块存在差异像素的数目确定较低或较高的阈值，最后将像素点所在位置的亮度分量场间差值与步骤（3）确定的对应场间图像子块的阈值进行比较，检测得到当前像素点的运动状态。本发明依据场景以及场间图像子块存在差异像素的数目来确定对应场间图像子块的阈值，该阈值与当前像素点所在视频序列位置相适应，即自适应，因而对像素点的运动状态判断更加准确，克服了现有技术采用固定的一组场间图像阈值与像素点所在位置的亮度分量场间差值进行比较，容易造成运动检测错误从而造成噪声的缺陷，提高了去隔行效果。

附图说明

图1是本发明基于图像分块统计的自适应运动检测方法一具体实施方式流程图；

图2是本发明中图像分块示意图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

图1是本发明基于图像分块统计的自适应运动检测方法一具体实施方式流程图。

如图1所示，在本实施例中，本发明基于图像分块统计的自适应运动检测方法包括以下步骤：

1、亮度场间差值计算

在本实施例中，本发明的亮度场间差值是基于4场视频图像输入的。设标识F_n、F_n+1、F_n-1、F_n-2分别表示当前场图像、当前场后一场图像，当前场前一场图像、当前场前面第二场图像的亮度分量（Y分量）。其中F_n(i,j)，F_n+1(i,j),F_n-1(i,j),F_n-2(i,j)表示F_n，F_n+1，F_n-1，F_n-2中的空间位置（i,j）处的像素值。

亮度场间差值计算：

field_diff12=|F_n(i,j)-F_n+1(i,j)|+|F_n(i,j-1)-F_n+1(i,j-1)|+|F_n(i,j+1)-F_n+1(i,j+1)|

field_diff23=|F_n(i,j)-F_n-1(i,j)|+|F_n(i,j-1)-F_n-1(i,j-1)|+|F_n(i,j+1)-F_n-1(i,j+1)|

field_diff02=|F_n(i,j)-F_n-2(i,j)|+|F_n(i,j-1)-F_n-2(i,j-1)|+|F_n(i,j+1)-F_n-2(i,j+1)|

field_diff13=|F_n+1(i,j)-F_n-1(i,j)|+|F_n+1(i,j-1)-F_n-1(i,j-1)|+|F_n+1(i,j+1)-F_n-1(i,j+1)|

以上是4个变量field_diff12、field_diff23、field_diff02、field_diff13就表示了输入的4场图像在位置（i,j）处的亮度场间差值，其中field_diff12表示当前场n与它后一场n+1之间的差值、field_diff23表示当前场n与它前一场n-1之间的差值、field_diff02表示当前场n与它前第二场之间n-2的差值、field_diff13表示它后一场n+1和它前一场n-1之间的差值。

经过本步骤，获取当前像素点位置（i,j）一组亮度分量场间差值field_diff12、field_diff23、field_diff02、field_diff13。

2、运动检测的自适应阈值计算

在计算完当前像素点位置的场间差值后，就需要把这些差值和对应的阈值进行比较判断当前像素点的运动或者静止状态。在现有技术中，在大多数去隔行方案中对于阈值都设置为一个固定值。但是由于视频图像场景的不同，导致人眼对应运动和静止的敏感程度也不同，所以本发明阈值计算方法是以视频图像的子块统计为基础，结合图像场景进行自适应的变化。

201、图像子块的统计变量计算

在本发明中，要计算的图像子块的统计量包括该子块的内像素均值和场间对应子块存在差异像素的数目。

将每场图像按M×N的大小划分为若干图像子块，其中M是图像子块的水平宽度，它的典型取值为16，N是子块的垂直长度，它的典型取值为16，当然也可以是其他大于10的值。如果输入图像的水平分辨率不能整除M时，一行的最后一个图像子块的水平宽度小于M，同理如果输入图像的垂直分辨率不能整除N时，一列的最后一个子块的高度小于N，这样如图2所示。

在本实施例中，图像子块的大小为16×16，即M、N的取值都为16。

2011、图像子块内像素均值计算

计算每个子块的亮度均值，下面是图像F_n，F_n+1，F_n-1，F_n-2在位置(i，j)处的像素所在的子块的亮度均值计算方法如下：

$\mathrm{AVER}\_{\mathrm{BLK}}_{n-2}(k,l)=\frac{1}{M*N}\underset{p}{\mathrm{\Σ}}\underset{q}{\mathrm{\Σ}}{F}_{n-2}(p,q)$

$\mathrm{AVER}\_{\mathrm{BLK}}_{n-1}(k,l)=\frac{1}{M*N}\underset{p}{\mathrm{\Σ}}\underset{q}{\mathrm{\Σ}}{F}_{n-1}(p,q)$

$\mathrm{AVER}\_{\mathrm{BLK}}_n(k,l)=\frac{1}{M*N}\underset{p}{\mathrm{\Σ}}\underset{q}{\mathrm{\Σ}}{F}_n(p,q)$

$\mathrm{AVER}\_{\mathrm{BLK}}_{n+1}(k,l)=\frac{1}{M*N}\underset{p}{\mathrm{\Σ}}\underset{q}{\mathrm{\Σ}}{F}_{n+1}(p,q)$

以上表示分别是4场图像中的当前像素点位置的图像子块的均值计算，例如AVER_BLK_n(k,l)是当前场图像当前像素点位置的图像子块BLK_n(k,l)的均值，即BLK_n(k,l)是位置(k,l)处M×N大小的图像子块，其中k=int(i/M),l=int(j/N),0<i<W,0<j<H。int(.)表示向下取整运算。

这里k*M<p<((k+1)*M-1)<W,l*N<q<((l+1)*N-1)<H，其中W为一场图像的宽度，H为一场图像的高度。在本实施例中图像的宽度W为1024，高度H为768。

2012、对应场间图像子块存在差异像素的数目计算

在本发明中，分别计算各场之间的对应图像子块中存在差异像素的数目，即对应像素差值大于设定阈值Thread1的像素个数，分别表示为：

DIF_NUM0(k,l)表示当前场前面第二场图像F_n-2的当前像素点位置的图像子块BLK_n-2(k,l)与当前场图像F_n的当前像素点位置的图像子块BLK_n(k,l)内部对应像素差值大于设定阈值Thread1的像素个数；

DIF_NUM1(k,l)表示当前场前面第一场图像F_n-1的当前像素点位置的图像子块BLK_n-1(k,l)与当前场图像F_n的当前像素点位置的图像子块BLK_n(k,l)内部对应像素差值大于设定阈值Thread1的像素个数；

DIF_NUM2(k,l)表示当前场前面第一场图像F_n-1的当前像素点位置的图像子块BLK_n-1(k,l)与当前场后面第一场图像F_n+1的当前像素点位置的图像子块BLK_n+1(k,l)内部对应像素差值大于设定阈值Thread1的像素个数；

DIF_NUM3(k,l)表示当前场图像F_n的当前像素点位置的图像子块BLK_n(k,l)与当前场后面第一场图像F_n+1的当前像素点位置的图像子块BLK_n+1(k,l)内部对应像素差值大于设定阈值Thread1的像素个数。

从上面的说明可以，看出只有当对应像素的差值大于设定阈值Thread1才表示两个像素值是不同像素，这是为了防止一些细微噪声的干扰。在本实施例中，阈值Thread1的取值范围为40~80，而像素值的取值范围为0~255。

202、基于图像子块统计的阈值计算

自适应阈值就是要根据步骤201计算得到的图像子块统计量来计算，其步骤如下：

2021、计算场间图像子块的亮度均值差

aver_sub02（k,l）=|AVER_BLK_n-2(k,l)-AVER_BLK_n(k,l)|

aver_sub12（k,l）=|AVER_BLK_n-1(k,l)-AVER_BLK_n(k,l)|

aver_sub13（k,l）=|AVER_BLK_n-1(k,l)-AVER_BLK_n+1(k,l)|

aver_sub23（k,l）=|AVER_BLK_n(k,l)-AVER_BLK_n+1(k,l)|

2022、根据对应场间图像子块存在差异像素的数目计算下面4个系数

coef0(k,l)=N/10.0-(DIF_NUM0(k,l)/(10.0*M))

coef1(k,l)=N/10.0-(DIF_NUM1(k,l)/(10.0*M))

coef2(k,l)=N/10.0-(DIF_NUM2(k,l)/(10.0*M))

coef3(k,l)=N/10.0-(DIF_NUM3(k,l)/(10.0*M))

2023、场景变化判断

在本实施例中，通过如下方法判断是否发生了场景变化。如果发生场景变化，则场景变量scene_change为1，否则为0。

如果场间图像子块的亮度均值差aver_sub02（k,l）和aver_sub12（k,l）同时小于阈值Thread2，并且场间图像子块的亮度均值差aver_sub13（k,l）和aver_sub23（k,l）同时大于阈值Thread3，则场景变量scene_change为1，否则场景变量scene_change为0。

2024、4个对应场间图像子块阈值的计算

如果发生场景变化即场景变量scene_change为1，则对应场间图像子块阈值为：

MD_THD0=60*coef0(k,l)

MD_THD1=40*coef1(k,l)

MD_THD2=60*coef2(k,l)

MD_THD3=40*coef3(k,l)

如果没有发生场景变化即场景变量scene_change为0，则对应场间图像子块阈值为：

MD_THD0=max(100,(180*AVER_BLK_n(k,l)/(768)))*coef0(k,l)

MD_THD1=max(60,(100*AVER_BLK_n(k,l)/(768)))*coef1(k,l)

MD_THD2=max(100,(180*AVER_BLK_n(k,l)/(768)))*coef2(k,l)

MD_THD3=max(60,(100*AVER_BLK_n(k,l)/(768)))*coef3(k,l)

以上阈值确定公式中，是根据1024×768的图像确定的，具体实施过程中可以进行适当调整。

3、运动静止判断方法

在本实施例中，提出了一种新的运动静止判断方法，即：

301、如果满足亮度分量场间差值field_diff12<场间图像子块阈值MD_THD1和亮度分量场间差值field_diff23<场间图像子块阈值MD_THD3,并且亮度分量场间差值field_diff13<场间图像子块阈值MD_THD2，则当前像素点运动状态判断为静止，运动状态变量mv_state=0，表示当前像素点处于静止状态，绝对运动状态变量absmov=0，表示非绝对运动状态；

302、如果满足亮度分量场间差值field_diff02<场间图像子块阈值MD_THD0和亮度分量场间差值field_diff13<场间图像子块阈值MD_THD2，绝对运动状态变量absmov=0，表示非绝对运动状态，最终运动状态需要根据相邻像素的绝对运动状态来进行进一步处理：

对当前像素点左边的8个像素点的绝对运动状态变量absmov值进行累加得到变量left_mov_num，与当前像素点相邻的上一行正上方的15个像素点即正上方像素点以及正上方左右各7个像素点的绝对运动状态变量absmov的值进行累加得到变量up_mov_num，如果变量left_mov_num>4并且变量up_mov_num>7则判断为运动，运动状态变量mv_state为1，否则，该像素点判断为静止状态，运动状态变量mv_state为0；

在本实施例中，阈值MD_THD1、MD_THD2、MD_THD3范围为50~300。

303、如果步骤301和步骤302这个条件都不满足，则该像素点判断为运动，运动状态变量mv_state为1，绝对运动状态变量absmov=1，表示绝对运动状态。

通过以上步骤可以将当前像素点的运动状态检测出来，由于检测结果是依据场景变化、场间图像子块存在差异像素的数目决定，在场景变化以及场间图像子块差异像素数据较大时，选择较小的阈值，场景没有变化以及场间图像子块差异像素数据较小时选择较大的阈值，使得后续的运动状态判断更加准确，提高了运动检测的鲁棒性，为隔行视频的去隔行奠定了良好的基础。

同时，在本实施例中，运动状态判断还要根据当前像素左边和上边像素的运动状态进一步判断当前像素的运动状态提高了运动判断的准确性。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (6)

1.一种基于图像分块统计的自适应运动检测方法，其特征在于，包括以下步骤：

（1）、获取当前像素点位置一组亮度分量场间差值；

（2）、根据当前像素点位置场间图像子块的亮度均值差，确定是否发生了了场景变化；如果发生了场景变化，依据场间图像子块存在差异像素的数目，确定一组较低的对应场间图像子块的阈值，如果没有发生场景变化，则依据场间图像子块存在差异像素的数目，确定一组较高的对应场间图像子块的阈值；

其中，所述的依据场间图像子块存在差异像素的数目是指与数目越大，对应场间图像子块的阈值越小；

（3）、将步骤（1）获得的一组亮度分量场间差值与步骤（2）确定的对应场间图像子块的阈值进行比较，检测得到当前像素点的运动状态。

2.根据权利要求1所述的自适应运动检测方法，其特征在于，步骤（1）中，所述亮度分量场间差值为：

field_diff12=|F_n(i,j)-F_n+1(i,j)|+|F_n(i,j-1)-F_n+1(i,j-1)|+|F_n(i,j+1)-F_n+1(i,j+1)|

field_diff23=|F_n(i,j)-F_n-1(i,j)|+|F_n(i,j-1)-F_n-1(i,j-1)|+|F_n(i,j+1)-F_n-1(i,j+1)|

field_diff02=|F_n(i,j)-F_n-2(i,j)|+|F_n(i,j-1)-F_n-2(i,j-1)|+|F_n(i,j+1)-F_n-2(i,j+1)|

field_diff13=|F_n+1(i,j)-F_n-1(i,j)|+|F_n+1(i,j-1)-F_n-1(i,j-1)|+|F_n+1(i,j+1)-F_n-1(i,j+1)|

其中，field_diff12、field_diff23、field_diff02、field_diff13分别表示在图像在位置（i，j）处，当前场n与它后一场n+1之间的亮度场间差值、当前场n与它前一场n-1之间的亮度场间差值、当前场n与它前第二场之间n-2的亮度场间差值、field_diff13表示当前场后一场n+1和当前场前一场n-1之间的差值；

F_n、F_n+1、F_n-1、F_n-2分别表示当前场图像、当前场后一场图像，当前场前一场图像、当前场前面第二场图像的亮度分量。

3.根据权利要求2所述的自适应运动检测方法，其特征在于，步骤（2）中，当前像素点位置场间图像子块的亮度均值差为：

aver_sub02（k,l）=|AVER_BLK_n-2(k,l)-AVER_BLK_n(k,l)|

aver_sub12（k,l）=|AVER_BLK_n-1(k,l)-AVER_BLK_n(k,l)|

aver_sub13（k,l）=|AVER_BLK_n-1(k,l)-AVER_BLK_n+1(k,l)|

aver_sub23（k,l）=|AVER_BLK_n(k,l)-AVER_BLK_n+1(k,l)|

其中：

$\mathrm{AVER}\_{\mathrm{BLK}}_{n-2}(k,l)=\frac{1}{M*N}\underset{p}{\mathrm{\&Sigma;}}\underset{q}{\mathrm{\&Sigma;}}{F}_{n-2}(p,q)$

$\mathrm{AVER}\_{\mathrm{BLK}}_{n-1}(k,l)=\frac{1}{M*N}\underset{p}{\mathrm{\&Sigma;}}\underset{q}{\mathrm{\&Sigma;}}{F}_{n-1}(p,q)$

$\mathrm{AVER}\_{\mathrm{BLK}}_n(k,l)=\frac{1}{M*N}\underset{p}{\mathrm{\&Sigma;}}\underset{q}{\mathrm{\&Sigma;}}{F}_n(p,q)$

$\mathrm{AVER}\_{\mathrm{BLK}}_{n+1}(k,l)=\frac{1}{M*N}\underset{p}{\mathrm{\&Sigma;}}\underset{q}{\mathrm{\&Sigma;}}{F}_{n+1}(p,q)$

其中，AVER_BLK_n(k,l)、AVER_BLK_n+1(k,l)、AVER_BLK_n-1(k,l)、AVER_BLK_n-2(k,l)分别表示当前场图像、当前场后一场图像，当前场前一场图像、当前场前面第二场图像的当前像素点位置M×N大小的图像子块的均值；k,l为图像子块的位置，k=int(i/M),l=int(j/N),0<i<W,0<j<H，int(.)表示向下取整运算。

4.根据权利要求3所述的自适应运动检测方法，其特征在于，步骤（2）中，根据当前像素点位置场间图像子块的亮度均值差，确定是否发生了场景变化为：

如果场间图像子块的亮度均值差aver_sub02（k,l）和aver_sub12（k,l）同时小于阈值Thread2，并且场间图像子块的亮度均值差aver_sub13（k,l）和aver_sub23（k,l）同时大于阈值Thread3，则场景变量scene_change为1，否则场景变量scene_change为0。

5.根据权利要求2所述的自适应运动检测方法，其特征在于，步骤（2）中，如果发生了场景变化，依据场间图像子块存在差异像素的数目，确定一组较低的对应场间图像子块的阈值，如果没有发生场景变化，则依据场间图像子块存在差异像素的数目，确定一组较高的对应场间图像子块的阈值为：

如果发生场景变化，则对应场间图像子块阈值为：

MD_THD0=60*coef0(k,l)

MD_THD1=40*coef1(k,l)

MD_THD2=60*coef2(k,l)

MD_THD3=40*coef3(k,l)

如果没有发生场景变化，则对应场间图像子块阈值为：

MD_THD0=max(100,( 180*AVER_BLK_n(k,l)/(768)))*coef0(k,l)

MD_THD1=max(60,(100*AVER_BLK_n(k,l)/(768)))*coef1(k,l)

MD_THD2=max(100,(180*AVER_BLK_n(k,l)/(768)))*coef2(k,l)

MD_THD3=max(60,(100*AVER_BLK_n(k,l)/(768)))*coef3(k,l)

其中，4个系数为：

coef0(k,l)=N/10.0-(DIF_NUM0(k,l)/(10.0*M))

coef1(k,l)=N/10.0-(DIF_NUM1(k,l)/(10.0*M))

coef2(k,l)=N/10.0-(DIF_NUM2(k,l)/(10.0*M))

coef3(k,l)=N/10.0-(DIF_NUM3(k,l)/(10.0*M))

DIF_NUM0(k,l)表示当前场前面第二场图像F_n-2的当前像素点位置的图像子块BLK_n-2(k,l)与当前场图像F_n的当前像素点位置的图像子块BLK_n(k,l)内部对应像素差值大于设定阈值Thread1的像素个数；

DIF_NUM1(k,l)表示当前场前面第一场图像F_n-1的当前像素点位置的图像子块BLK_n-1(k,l)与当前场图像F_n的当前像素点位置的图像子块BLK_n(k,l)内部对应像素差值大于设定阈值Thread1的像素个数；

DIF_NUM2(k,l)表示当前场前面第一场图像F_n-1的当前像素点位置的图像子块BLK_n-1(k,l)与当前场后面第一场图像F_n+1的当前像素点位置的图像子块BLK_n+1(k,l)内部对应像素差值大于设定阈值Thread1的像素个数；

DIF_NUM3(k,l)表示当前场图像Fn的当前像素点位置的图像子块BLK_n(k,l)与当前场后面第一场图像F_n+1的当前像素点位置的图像子块BLK_n+1(k,l)内部对应像素差值大于设定阈值Thread1的像素个数。

6.根据权利要求5所述的自适应运动检测方法，其特征在于，步骤（3）中，将步骤（1）获得的一组亮度分量场间差值与步骤（2）确定的对应场间图像子块的阈值进行比较，检测得到当前像素点的运动状态为：

301、如果满足亮度分量场间差值field_diff12<场间图像子块阈值MD_THD1和亮度分量场间差值field_diff23<场间图像子块阈值MD_THD3,并且亮度分量场间差值field_diff13<场间图像子块阈值MD_THD2，则当前像素点运动状态判断为静止，运动状态变量mv_state=0，表示当前像素点处于静止状态，绝对运动状态变量absmov=0，表示非绝对运动状态；

302、如果满足亮度分量场间差值field_diff02<场间图像子块阈值MD_THD0和亮度分量场间差值field_diff13<场间图像子块阈值MD_THD2，绝对运动状态变量absmov=0，表示非绝对运动状态，最终运动状态需要根据相邻像素的绝对运动状态来进行进一步处理：

对当前像素点左边的8个像素点的绝对运动状态变量absmov值进行累加得到变量left_mov_num，与当前像素点相邻的上一行正上方的15个像素点即正上方像素点以及正上方左右各7个像素点的绝对运动状态变量absmov的值进行累加得到变量up_mov_num，如果变量left_mov_num>4并且变量up_mov_num>7则判断为运动，运动状态变量mv_state为1，否则，该像素点判断为静止状态，运动状态变量mv_state为0；

在本实施例中，阈值MD_THD1、MD_THD2、MD_THD3范围为50~300。

303、如果步骤301和步骤302这个条件都不满足，则该像素点判断为运动，运动状态变量mv_state为1，绝对运动状态变量absmov=1，表示绝对运动状态。

Images