CN103093418A - 一种改进的数字图像缩放方法 - Google Patents

Abstract

一种改进的数字图像缩放方法，包括根据对目标图像方向和强度检测的结果确定一个插值滤波器对原始图像进行处理得到目标像素值，其特征在于所述插值滤波器由相对平滑的插值滤波器和相对锐利的插值滤波器分别根据其对应的权重修正后相加复合而成，所述方向和强度检测包括分别计算水平、垂直、对角线、反对角线四个方向的SAD值，对水平缩放和垂直缩放分别根据四个方向的SAD值计算水平边缘置信度和垂直边缘置信度，对水平缩放和垂直缩放分别按水平边缘置信度越高以及垂直边缘置信度越高，权重越大的原则设定相对平滑的插值滤波器的权重，本发明解决了插值法缩放长期以来无法克服的边缘锯齿和边缘模糊问题。

Description

一种改进的数字图像缩放方法

技术领域

本发明涉及一种改进的数字图像缩放方法，具体涉及到数字图像的缩放技术，其属于数字图像处理领域类。

背景技术

图像缩放（image scaling）是数字图像处理的基本技术之一。它是指对数字图像的宽高进行调整的过程。图像缩放可以通过两次缩放即水平缩放和垂直缩放来实现。水平缩放改变图像水平像素数量，垂直缩放改变图像垂直像素的数量。如图像从640（宽）×480（高）（宽高比为4:3）到1920×1080（宽高比为16:9），可以先进行垂直缩放将图像放大到640×1080，然后通过水平缩放将图像像素从640×1080调整到1920×1080。这两次缩放的算法原理是相同的。在图像缩放中有一个重要的问题就是缩放过程中图像边缘处理的问题，所述图像边缘指的是图像中物体与图像中其它物体或背景间的分界线，如果这分界线平行于水平轴线我们定义为水平边缘，如果这分界线垂直于水平轴线我们定义为垂直边缘。

在现有技术中，数字图像缩放方法有最近邻方法、双线性插值方法、双三次插值等。最近邻插值比较简单，容易实现，但该方法会在结果图像中产生有明显的边缘锯齿。双线性插值法具有平滑功能， 能有效地克服最近邻法的不足，但会使图像细节和边缘变模糊。双三次插值能提供了较好的折衷，但没有完全有效地解决边缘锯齿和边缘模糊问题，这是插值缩放最大的问题。为了最终解决数字图像缩放过程中产生的边缘锯齿和边缘模糊，亦有学者提出过基于边缘检测的缩放方法，其要点是先检测图像的亚像素边缘，然后对边缘像素和非边缘像素分别进行插值。对于边缘像素，进行基于曲线拟合的插值。而对非边缘像素，进行双线性插值。此方法的缩放效果依赖于亚像素边缘检测结果的好坏。而亚像素边缘检测方法(如Canny边缘检测方法)不仅非常复杂，而且往往难以得到稳定的检测结果。依以上所述，显然现有技术有进一步改进的必要。

发明内容

本发明的目的在于提供一种改进的数字图像缩放方法，以克服现有技术存在的问题。

本发明的一种改进的数字图像缩放方法，包括对目标图像对应的原始图像进行方向和强度检测，然后根据方向和强度检测的结果确定一个插值滤波器对原始图像进行处理得到目标像素值，其特征在于所述插值滤波器为复合插值滤波器，其由相对平滑的插值滤波器和相对锐利的插值滤波器分别根据其对应的权重修正后相加复合而成，所述方向和强度检测包括以与目标像素点对应的原始图像像素点为中心取n×n个像素点，分别计算水平、垂直、对角线、反对角线四个方向的SAD值（方向绝对差之和），对水平缩放根据四个方向的SAD值计算水平边缘置信度，对于垂直缩放根据四个方向的SAD值计算垂直边缘置信度，对水平缩放按水平边缘置信度越高，权重越大的原则基于水平边缘置信度设定相对平滑的插值滤波器的权重，对于垂直缩放，按垂直边缘置信度越高，权重越大的原则基于垂直边缘置信度设定相对平滑的插值滤波器的权重，相对平滑的插值滤波器定义为filter_smooth，相对锐利的插值滤波器定义为filter_sharp，复合滤波器定义为filter_intel，相对平滑的插值滤波器权重定义为w_smooth，则：

filter_intel＝（w_smooth）×filter_smooth+（1- w_smooth）×filter_sharp

其中0≤w_smooth≤1。

作为优选，所述水平、垂直、对角线、反对角线四个方向的SAD值计算方向SAD的计算，水平方向的SAD定义为SAD_H，垂直方向的SAD定义为SAD_V，对角线方向的SAD定义为SAD_D，反对角线方向的SAD定义为SAD_A，所述SAD_H为n×n个像素点中行相邻像素点像素值绝对差之和，SAD_V为n×n个像素点中列相邻像素点像素值绝对差之和，SAD_D为n×n个像素点中对角线相邻像素点像素值绝对差之和，SAD_A为n×n个像素点中反对角线相邻像素点像素值绝对差之和。

作为前述优选方案的进一步优先之一，在原始图像是RGB图像的情况下，取RGB图像的Y分量（灰度值）分别计算所述水平、垂直、对角线、反对角线四个方向的SAD值；

作为前述优选方案的进一步优选之二，在原始图像是RGB图像的情况下，分别计算RGB三个通道的水平、垂直、对角线、反对角线四个方向的SAD值，分别取它们中的最大值作为当前目标像素点的水平方向、垂直方向、对角线方向以及反对角线方向的SAD值。

作为进一步优选，对于水平缩放，所述水平边缘置信度为w_dir；

所述w_dir = min(1,max(0,k_p×w_dir_p －k_n×w_dir_n))；

其中：

w_dir为水平边缘置信度；

w_dir_p为水平边缘正置信度；

w_dir_n为水平边缘负置信度；

k_p>0为正因素调整系数；

k_n>0为负因素调整系数；

其中：

水平边缘正置信度w_dir_p为max(0,SAD_V-SAD_H)；

水平边缘负置信度w_dir_n为w_dir_n0+w_dir_n1+w_dir_n2+w_dir_n3；

其中：

w_dir_n0 = min_SAD, 

w_dir_n1 = avg_SAD，

w_dir_n2 = max(0,SAD_H-min_SAD)，

w_dir_n3 = min( max(0,SAD_A-SAD_V), max(0,SAD_D-SAD_V) )

其中：

所述min_SAD为水平、垂直、对角线、反对角线四个方向的SAD的最小值；

所述avg_SAD为水平、垂直、对角线、反对角线四个方向的SAD的均值；

本优选方案，给出了通过水平、垂直、对角线、反对角线四个方向的SAD值计算水平边缘置信度的一种方法，对于任何一幅图像来说，一般会存在平行于水平方向的水平边缘以及垂直于水平方向的垂直边缘，在通过水平、垂直、对角线、反对角线四个方向的SAD值计算水平边缘置信度的函数关系式中，我们限定了当目标像素点对应原始图像中的水平边缘或者近水平方向的边缘时，水平边缘置信度较大，如果对应原始图像中的垂直边缘或者近垂直方向边缘时，水平边缘置信度较小；

作为优选，对于水平缩放，所述相对平滑的插值滤波器权重w_smooth依据下式得到：

w_smooth = min(1,k×( w_dir ^alpha))，

其中，k>=1,alpha>=1均为变换调整参数，所述w_dir ^alpha我们称之为水平变换函数，其意义在于当水平边缘置信度较小的时候，此时不大可能是水平边缘，可以将平滑滤波器权重进一步降低，使复合滤波器filter_intel更倾向于相对锐利滤波器；当水平边缘置信度较大的时候，此时是比较可靠的水平边缘，将相对平滑滤波器权重进一步提高，使复合滤波器filter_intel更倾向于相对平滑滤波器。

作为进一步优选，对于垂直缩放，定义所述垂直边缘置信度为v_dir；

所述v_dir = min(1,max(0,k_p×v_dir_p － k_n×v_dir_n))；

其中：

v_dir为垂直边缘置信度；

v_dir_p为垂直边缘正置信度；

v_dir_n为垂直边缘负置信度； 

k_p>0为正因素调整系数；

k_n>0为负因素调整系数；

其中：

垂直边缘正置信度v_dir_p为max(0,SAD_H-SAD_V)；

垂直边缘负置信度v_dir_n为v_dir_n0+v_dir_n1+v_dir_n2+v_dir_n3；

其中：

v_dir_n0 = min_SAD, 

v_dir_n1 = avg_SAD，

v_dir_n2 = max(0,SAD_V-min_SAD)，

v_dir_n3 = min( max(0,SAD_A-SAD_V, max(0,SAD_D-SAD_V) )

其中：

所述min_SAD为水平、垂直、对角线、反对角线四个方向的SAD的最小值；

所述avg_SAD为水平、垂直、对角线、反对角线四个方向的SAD的均值；

本优选方案，给出了通过水平、垂直、对角线、反对角线四个方向的SAD值计算垂直边缘置信度的一种方法，亦如前所述那样对于任何一幅图像来说，一般会存在平行于水平方向的水平边缘以及垂直于水平方向的垂直边缘，在通过水平、垂直、对角线、反对角线四个方向的SAD值计算垂直边缘置信度的函数关系式中，我们限定了当目标像素点对应原始图像中的垂直边缘或者近垂直方向的边缘时，垂直边缘置信度较大，如果目标像素点对应原始图像中的水平边缘或者近水平方向边缘时，垂直边缘置信度较小；

作为优选，对于垂直缩放，所述相对平滑的插值滤波器权重w_smooth依据下式得到：

w_smooth = min(1,k×( v_dir ^alpha))，

其中，k>=1,alpha>=1均为变换调整参数，所述“v_dir ^alpha”我们称之垂直变换函数，其意义在于当垂直边缘置信度较小的时候，此时不大可能是垂直边缘，可以将相对平滑的插值滤波器权重进一步降低，使复合滤波器filter_intel更倾向于相对锐利滤波器；当垂直边缘置信度较大的时候，此时是比较可靠的垂直边缘，将相对平滑的插值滤波器权重进一步放大，使复合滤波器filter_intel更倾向于相对平滑滤波器。

本发明的方法，本质上是水平缩放时对于水平边缘最终采用的复合插值滤波器相对平滑，垂直缩放时则对于垂直边缘最终采用的复合插值滤波器相对平滑，同时本发明的复合插值滤波器是由相对平滑的插值滤波器和相对锐利的插值滤波器分别根据其对应的权重修正后相加复合而成的，而相对平滑的插值滤波器和相对锐利的插值滤波器的权重则是以目标像素点对应的原始图像像素点为中心，选定n×n个像素点,并通过计算其水平、垂直、对角线、反对角线四个方向的SAD值，最终以SAD值为基础，在水平缩放中计算出相应的水平边缘置信度，在垂直缩放中计算出相应的垂直边缘置信度而最终确定的，本发明最终实现了在水平缩放时，对水平边缘或近水平方向的边缘的目标像素点采用相对平滑的复合插值滤波器来进行插值，对垂直边缘或近垂直方向的边缘的目标像素则采用相对锐利的复合插值滤波器来进行插值。对于垂直缩放，对垂直边缘或近垂直方向的边缘的目标像素采取相对平滑的复合插值滤波器来进行插值，对水平边缘或近水平方向的边缘的目标像素采用相对锐利的复合插值滤波器来进行插值。显然对于水平缩放时的水平边缘以及垂直缩放时的垂直边缘采用相对平滑的插值滤波器插值，不会带来锯齿问题，而于水平缩放时的垂直边缘以及垂直缩放时的水平边缘采用相对锐利的插值滤波器插值，可确保边缘的清晰度，本发明在水平、垂直、对角线、反对角线四个方向的SAD值的计算的基础上，只附加了水平强边缘和垂直强边缘的检测，就较好地解决了插值法缩放长期以来无法克服的边缘锯齿和边缘模糊问题，另外检测比较简单而且结果可靠鲁棒，同时对系统资源的需求，即对计算机系统的处理能力要求亦低，综上所述，显然本发明的目的得以实现。

附图说明

图1是拟缩放原始图像示意图；

图2是相对平滑的插值滤波器filter_smooth示意图，图中水平轴为像素位置，与目标像素点对应的原始图像像素点位置为0，垂直轴为滤波器取值；

图3是相对锐利的插值滤波器filter_sharp示意图，图中水平轴为像素位置，与目标像素点对应的原始图像像素点位置为0，垂直轴为滤波器取值；

图4是以原始图像像素点为中心形成的3×3矩阵各像素点邻域位置关系图；

图5是以原始图像像素点为中心形成的3×3矩阵水平方向各像素点邻域位置关系图；

图6是以原始图像像素点为中心形成的3×3矩阵垂直方向各像素点邻域位置关系图；

图7是以原始图像像素点为中心形成的3×3矩阵对角线方向各像素点邻域位置关系图；

图8是以原始图像像素点为中心形成的3×3矩阵反对角线方向各像素点邻域位置关系图；

图9是相对平滑的插值滤波器变换函数图图中水平轴为边缘置信度，垂直轴为平滑滤波器权重；

各图中的主要标识如下：

1为图像中物体；

101为垂直边缘；

102为水平边缘；

103为近水平方向边缘；

104为近垂直方向边缘；

2为水平轴线；

3为垂直轴线；

4为水平边缘置信度曲线；

5为经相对平滑的插值滤波器变换函数变换得来的相对平滑的插值滤波器权重曲线；

6为相对平滑的插值滤波器曲线；

7为相对锐利的插值滤波器曲线。

具体实施方式

以下将结合本发明较佳实施例所提供的一种改进的数字图像缩放方法及其附图对本发明作进一步说明。

附图1给出了拟进行缩放处理的原始图像示意图，如附图1所示，图像中包括物体1，包括明显与水平轴线2垂直的垂直缘101,以及与水平轴线2平行的水平缘102, 当然垂直边缘101与垂直轴线3平行，水平边缘102与垂直轴线3垂直，同时，所述物体1还可能存在近103，亦称水平强边缘和近垂直方向边缘10[tao1] 4，亦称垂直强边缘，本较佳实施例给出的这种改进的数字图像缩放方法，首先确定一个相对平滑的插值滤波器filter_smooth和一个相对锐利的插值滤波器filter_sharp，在本较佳实施例中，所述相对平滑的插值滤波器filter_smooth如附图2所示，所述相对锐利的插值滤波器filter_sharp如附图3所示，同时定义复合滤波器filter_intel等于（w_smooth）×filter_smooth+（1- w_smooth）×filter_sharp，其中w_smooth为相对平滑的插值滤波器权重，且0≤w_smooth≤1；

具体缩放时，先以与目标像素点对应的原始图像像素点22为中心取3×3个像素点，附图4同时标示出了以原始图像像素点22为中心形成的3×3矩阵各像素点邻域位置关系，如附图4所示，3×3矩阵中第一行从左到右各像素点分别标示为：11、12、13,第二行分别标示为21、22、23,第三行分别标示为：31、32、33；如附图5、附图6、附图7、附图8所示，所述3×3个像素点中，水平方向、垂直方向、对角线方向以及反对角线方向均为三行，定义P为像素点的像素值，则我们有SAD_H为∣p12-p11∣、∣p13-p12∣、∣p22-p21∣、∣p23-p22∣、∣p32-p31∣、∣p33-p32∣六个邻域像素点像素值绝对差之和，SAD_V为∣p21-p11∣、∣p31-p21∣、∣p22-p12∣、∣p32-p22∣、∣p23-p13∣、∣p33-p13∣六个邻域像素点像素点像素值绝对差之和，SAD_D为∣p32-p21∣、∣p22-p11∣、∣p33-p22∣、∣p23-p12∣四个邻域像素点像素点像素值绝对差之和，SAD_A为∣p21-p12∣、∣p22-p13∣、∣p31-p22∣、∣p32-p23∣四个邻域像素点像素值绝对差之和，在本较佳实施例中，所述原始图像1为RGB图像，为此取RGB图像的Y分量，即灰度值作为计算SAD的依据，

在本较佳实施例中，如果[tao2] ，可对水平边缘置信度进行计算，在本较佳实施例中定义水平边缘正置信度为w_dir_p，然后根据w_dir_p＝max(0,SAD_V-SAD_H)求得水平边缘正置信度w_dir_p的值；再定义水平边缘负置信度为w_dir_n，然后根据w_dir_n＝w_dir_n0+w_dir_n1+w_dir_n2+w_dir_n3取得水平边缘负置信度w_dir_n的值，其中：

w_dir_n0 = min_SAD, 

w_dir_n1 = avg_SAD，

w_dir_n2 = max(0,SAD_H-min_SAD)，

w_dir_n3 = min( max(0,SAD_A-SAD_V), max(0,SAD_D-SAD_V) )

其中：

所述min_SAD为水平、垂直、对角线、反对角线四个方向的SAD的最小值；

所述avg_SAD为水平、垂直、对角线、反对角线四个方向的SAD的均值；

最后根据水平边缘置信度为w_dir = min(1,max(0,k_p×w_dir_p －k_n×w_dir_n))取得水平边缘置信度为w_dir的值；

其中：

k_p>0为正因素调整系数，其取值范围为0-4,在本较佳实施例中取值2；

k_n>0为负因素调整系数，其取值范围为0-4,在本较佳实施例中取值2；

过大的k_p值和太小k_n值会有模糊图像细节的风险，反之会有导致水平边缘锯齿的风险。

 而所述相对平滑的插值滤波器权重w_smooth依据下式给出的相对平滑的插值滤波器变换函数得到：

w_smooth = min(1,k×( w_dir ^alpha))，

其中，k>=1,alpha>=1均为变换调整参数，在本较佳实施例中k值为1.5，alpha值为2；w_dir ^alpha为水平变换函数，附图9给出了在k值为1.5，alpha值为2的情况下，经水平变换函数处理后的相对平滑的插值滤波器权重w_smooth的变化情况，图中虚线3为经水平变换函数处理前的相对平滑的插值滤波器权重w_smooth，实线3为经水平变换函数处理后的相对平滑的插值滤波器权重w_smooth。

依前所述，相对平滑的插值滤波器定义为filter_smooth，相对锐利的插值滤波器定义为filter_sharp，复合插值滤波器定义为filter_intel，相对平滑的插值滤波器权重定义为w_smooth，则我们有：

filter_intel＝（w_smooth）×filter_smooth+（1- w_smooth）×filter_sharp；

最后按我们得到的复合插值滤波器filter_intel进行水平缩放的插值处理得到目标图像；

如果进行垂直缩放，在本较佳实施例中定义垂直边缘正置信度为v_dir_p，然后根据v_dir_p＝max(0,SAD_H-SAD_V)求得垂直边缘正置信度v_dir_p的值；再定义垂直边缘负置信度为v_dir_n，然后根据v_dir_n＝v_dir_n0+v_dir_n1+v_dir_n2+v_dir_n3取得垂直边缘负置信度v_dir_n的值;

其中：

v_dir_n0 = min_SAD, 

v_dir_n1 = avg_SAD，

v_dir_n2 = max(0,SAD_V-min_SAD)，

v_dir_n3 = min( max(0,SAD_A-SAD_V, max(0,SAD_D-SAD_V) )

其中：

所述min_SAD为水平、垂直、对角线、反对角线四个方向的SAD的最小值；

所述avg_SAD为水平、垂直、对角线、反对角线四个方向的SAD的均值；

然后根据垂直边缘置信度v_dir = min(1,max(0,k_p×v_dir_p – k_n×v_dir_n))取得垂直边缘置信度v_dir的值，其中：

k_p>0为正因素调整系数，其取值范围为0-4,在本较佳实施例中取值2； 

k_n>0为负因素调整系数，其取值范围为0-4,在本较佳实施例中取值2； 

过大的k_p值和太小k_n值会有模糊图像细节的风险，反之会有导致垂直边缘锯齿的风险。

相对平滑的插值滤波器权重w_smooth依据下式给出的相对平滑的插值滤波器变换函数得到：

w_smooth = min(1,k×( v_dir ^alpha))，

其中，k>=1,alpha>=1均为变换调整参数，所述“v_dir ^alpha”我们称之垂直变换函数，意义同水平缩放，在此不再详细说明。

依前所述，相对平滑的插值滤波器定义为filter_smooth，相对锐利的插值滤波器定义为filter_sharp，复合插值滤波器定义为filter_intel，相对平滑的插值滤波器权重定义为w_smooth，则我们有：

filter_intel＝（w_smooth）×filter_smooth+（1- w_smooth）×filter_sharp；

最后按我们得到的复合插值滤波器filter_intel进行垂直缩放的插值处理得到目标图像。

综上所述，本发明的一种改进的数字图像缩放方法，包括根据对目标图像方向和强度检测的结果确定一个插值滤波器对原始图像进行处理得到目标像素值，其特征在于所述插值滤波器由相对平滑的插值滤波器和相对锐利的插值滤波器分别根据其对应的权重修正后相加复合而成，所述方向和强度检测包括分别计算水平、垂直、对角线、反对角线四个方向的SAD值，对水平缩放和垂直缩放分别根据四个方向的SAD值计算水平边缘置信度和垂直边缘置信度，对水平缩放和垂直缩放分别按水平边缘置信度越高以及垂直边缘置信度越高，权重越大的原则设定相对平滑的插值滤波器的权重，本发明解决了插值法缩放长期以来无法克服的边缘锯齿和边缘模糊问题。

以上所述，仅为本发明的具体实施方式。但本发明的保护范围并不局限于此。任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内，因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (9)

1.一种改进的数字图像缩放方法，包括对目标图像对应的原始图像进行方向和强度检测，然后根据方向和强度检测的结果确定一个插值滤波器对原始图像进行处理得到目标像素值，其特征在于所述插值滤波器为复合插值滤波器，其由相对平滑的插值滤波器和相对锐利的插值滤波器分别根据其对应的权重修正后相加复合而成，所述方向和强度检测包括以与目标像素点对应的原始图像像素点为中心取n×n个像素点，分别计算水平、垂直、对角线、反对角线四个方向的SAD值，对水平缩放根据四个方向的SAD值计算水平边缘置信度，对于垂直缩放根据四个方向的SAD值计算垂直边缘置信度，对水平缩放按水平边缘置信度越高，权重越大的原则基于水平边缘置信度设定相对平滑的插值滤波器的权重，对于垂直缩放，按垂直边缘置信度越高，权重越大的原则基于垂直边缘置信度设定相对平滑的插值滤波器的权重。

2.根据权利要求1所述的一种改进的数字图像缩放方法，其特征在于相对平滑的插值滤波器定义为filter_smooth，相对锐利的插值滤波器定义为filter_sharp，复合滤波器定义为filter_intel，相对平滑的插值滤波器权重定义为w_smooth，则：

filter_intel＝（w_smooth）×filter_smooth+（1- w_smooth）×filter_sharp；

其中0≤w_smooth≤1。

3.根据权利要求2所述的一种改进的数字图像缩放方法，其特征在于所述水平、垂直、对角线、反对角线四个方向的SAD值计算方向SAD的计算，水平方向的SAD为n×n个像素点中行相邻像素点像素值绝对差之和，垂直方向的SAD为n×n个像素点中列相邻像素点像素值绝对差之和，对角线方向的SAD为n×n个像素点中对角线相邻像素点像素值绝对差之和，反对角线方向的SAD为n×n个像素点中反对角线相邻像素点像素值绝对差之和。

4.根据权利要求3所述的一种改进的数字图像缩放方法，其特征在于在原始图像是RGB图像的情况下，取RGB图像的Y分量（灰度值）分别计算所述水平、垂直、对角线、反对角线四个方向的SAD值。

5.根据权利要求3所述的一种改进的数字图像缩放方法，其特征在于在原始图像是RGB图像的情况下，分别计算RGB三个通道的水平、垂直、对角线、反对角线四个方向的SAD值，分别取它们中的最大值作为当前目标像素点的水平方向、垂直方向、对角线方向以及反对角线方向的SAD值。

6.根据权利要求3所述的一种改进的数字图像缩放方法，其特征在于对于水平缩放，所述水平边缘置信度为w_dir；

所述w_dir = min(1,max(0,k_p×w_dir_p – k_n×w_dir_n))；

其中：

SAD_H为水平方向的SAD；

SAD_V为垂直方向的SAD；S

AD_D为对角线方向的SAD；

SAD_A为反对角线方向的SAD；

w_dir为水平边缘置信度；

w_dir_p为水平边缘正置信度；

w_dir_n为水平边缘负置信度；

k_p>0为正因素调整系数；

k_n>0为负因素调整系数；

其中：

水平边缘正置信度w_dir_p为max(0,SAD_V-SAD_H)；

水平边缘负置信度w_dir_n为w_dir_n0+w_dir_n1+w_dir_n2+w_dir_n3；

其中：

w_dir_n0 = min_SAD, 

w_dir_n1 = avg_SAD，

w_dir_n2 = max(0,SAD_H-min_SAD)，

w_dir_n3 = min( max(0,SAD_A-SAD_V), max(0,SAD_D-SAD_V) )

其中：

所述min_SAD为水平、垂直、对角线、反对角线四个方向的SAD的最小值；

所述avg_SAD为水平、垂直、对角线、反对角线四个方向的SAD的均值。

7.根据权利要求6所述的一种改进的数字图像缩放方法，其特征在于所述相对平滑的插值滤波器权重w_smooth依据下式得到：

w_smooth = min(1,k×( w_dir ^alpha))；

其中，k>=1,alpha>=1均为变换调整参数。

8.根据权利要求3所述的一种改进的数字图像缩放方法，其特征在于对于垂直缩放，所述垂直边缘置信度为v_dir；

所述v_dir = min(1,max(0,k_p×v_dir_p – k_n×v_dir_n))；

其中：

SAD_H为水平方向的SAD；

SAD_V为垂直方向的SAD；

S AD_D为对角线方向的SAD；

SAD_A为反对角线方向的SAD；

v_dir为垂直边缘置信度；

v_dir_p为垂直边缘正置信度；

v_dir_n为垂直边缘负置信度； 

k_p>0为正因素调整系数；

k_n>0为负因素调整系数；

其中：

垂直边缘正置信度v_dir_p为max(0,SAD_H-SAD_V)；

垂直边缘负置信度v_dir_n为v_dir_n0+v_dir_n1+v_dir_n2+v_dir_n3；

其中：

v_dir_n0 = min_SAD, 

v_dir_n1 = avg_SAD，

v_dir_n2 = max(0,SAD_V-min_SAD)，

v_dir_n3 = min( max(0,SAD_A-SAD_V, max(0,SAD_D-SAD_V) )

其中：

所述min_SAD为水平、垂直、对角线、反对角线四个方向的SAD的最小值；

所述avg_SAD为水平、垂直、对角线、反对角线四个方向的SAD的均值。

9.根据权利要求8所述的一种改进的数字图像缩放方法，其特征在于对于垂直缩放，所述相对平滑的插值滤波器权重w_smooth依据下式得到：

w_smooth = min(1,k×( v_dir ^alpha))；

其中，k>=1,alpha>=1均为变换调整参数。

Images