CN103366342B - 应用于视频图像放大的分段线性插值方法 - Google Patents

Abstract

本发明涉及数字图像处理领域，为提供一种经过大比例的放大后仍能保持图像边缘清晰，并且计算量较小，方便硬件实现的图像放大算法，本发明采用的技术方案是，应用于视频图像放大的分段线性插值方法，包括下列步骤：对每个插值点的计算都包括水平和垂直两个方向，需要邻近四个源像素点的灰度进行加权，先将上方和下方各两个源像素按照与插值点的水平距离进行加权计算，得到两个中间像素点，再将这两个中间像素点按照与插值点的垂直距离进行加权计算，即得到待求插值点的灰度；其中，对插值点进行计算时采用了分情况处理，即根据相邻两源灰度之差的大小，选择相应不同的插值曲线进行计算。本发明主要应用于数字图像处理。

Description

应用于视频图像放大的分段线性插值方法

技术领域

本发明涉及数字图像处理领域，具体讲，涉及应用于视频图像放大的分段线性插值方法。

技术背景

数字图像缩放是数字图像处理中的关键技术之一，是其他一些数字图像处理的基础，图像缩放算法的效率和缩放后图像的质量，对于整个系统而言都是至关重要的。

图像插值是利用已知的周边领域像素点，产生目标图像中未知像素点的值，从而由原始图像再生出具有更高分辨率的图像。新图像中像素点的值是将此点投影到源图像（投影得到的点即插值点），由源图像中投影点周围邻近像素点的值进行加权得到的。

根据是否利用图像边缘信息，插值可分为基于图像边缘和不考虑图像边缘两种算法。使用前者缩放后的图像视觉效果好，但其算法复杂，运算时间长，硬件实现难度大。不考虑图像边缘缩放后的视觉效果较前者稍差，但硬件较易于实现，应用比较广泛。

常见的不考虑图像边缘的插值方法有：最近邻域插值，双线性插值，双三次插值等。最近邻域插值是最简单的插值方法，它的本质就是放大象素。新图像的像素点值是源图像中与投影像素位置最接近像素的值。这种方法只是对像素的简单复制，所以会产生严重的锯齿。在双线性插值中，新创造的灰度，是由原图像位置在它附近的（2×2）4个邻近像素的灰度值通过加权平均计算得出的。这种方法具有一定的防锯齿效果。但由于是附近4个灰度的直接线性加权计算，因而新图像的边缘处颜色变化趋缓，边缘不清晰。双三次插值（Bicubic）是一种更加复杂的插值方式，它能创造出比双线性插值更平滑的图像边缘。新像素的灰度，是由它投影到源图像上的点附近的（4×4）16个邻近像素点的值加权计算出来的，因此精度较高。但由于算法较复杂，对硬件的消耗也较大。同时，因为同样是属于线性插值方法，双三次插值也存在一定程度的边缘不清晰情况。

发明内容

为克服现有技术的不足，本发明旨在提供一种经过大比例的放大后仍能保持图像边缘清晰，并且计算量较小，方便硬件实现的图像放大算法，为现今多种多样的多媒体设备提供一种可选的图像放大解决方案，为此，本发明采用的技术方案是，应用于视频图像放大的分段线性插值方法，包括下列步骤：对每个插值点的计算都包括水平和垂直两个方向，需要邻近四个源像素点的灰度进行加权，先将上方和下方各两个源像素按照与插值点的水平距离进行加权计算，得到两个中间像素点，再将这两个中间像素点按照与插值点的垂直距离进行加权计算，即得到待求插值点的灰度；其中，对插值点进行计算时采用了分情况处理，即根据相邻两源灰度之差的大小，选择相应不同的插值曲线进行计算。

所述方法进一步具体为：

1)符号说明：

x₁,x₂：待插像素点最近邻两源像素点的坐标；

y₁,y₂：待插像素点最近邻两源像素点的灰度；

x：待插像素点的坐标；

y：待插像素点的灰度值；

M：判断是否采用分段线性缩放算法的阈值，当y₂和y₁的差值大于阈值M时，采用分段线性缩放算法，否则采用常见的线性插值算法；

k：分段曲线的斜率，根据和的差值来确定;

2)计算流程：

（1）选择计算插值点灰度的算法：

首先根据放大系数计算出插值点在源图像中的水平坐标x，以确定与其相邻的两个源像素点，灰度分别为y₁，y₂，水平坐标分别为x₁，x₂，取每两个源像素点之间的间距为单位1，即x₂-x₁＝1；根据相邻两源灰度之差的大小，选择相应不同的插值曲线进行计算具体是，根据这两个源像素点的灰度之差|y₂-y₁|的大小确定插值点计算采用的算法，这里选取一个适当的阈值M，作为判断算法选择的标准，即判断是否使用分段线性缩放算法，当两个源像素点的灰度值之差的绝对值|y₂-y₁|的值小于阈值M时，采用双线性插值，当两个源像素点的灰度值之差的绝对值|y₂-y₁|的值大于阈值M时，选择分段线性插值算法；

（2）灰度值之差的绝对值小于阈值即|y₂-y₁|＜M时对插值点灰度的计算

此时采用普通的双线性插值方法：

插值曲线为从y1到y2的直线，斜率为(y₂-y₁)/(x₂-x₁)，则插值点x的灰度值为：

$y=y_1+(y_2-y_1)\×\frac{x-x_1}{x_2-x_1}$

即：y＝y₁+(y₂-y₁)(x-x₁)（公式1）

（3）灰度值之差的绝对值大于阈值即|y₂-y₁|＞M时对插值点灰度的计算

此时采用分段线性算法进行计算：

在进行分段插值计算时，分为两种情况，即插值点位于相邻两源像素点之间的左半部分和右半部分，中点位置归为右半部分，针对不同情况采用不同的计算方法：

①插值点在左半部分，即插值点x在左侧源像素点x₁到中点(x₂-x₁)/2之间时，采用斜率为k的插值曲线，并使用x1点的灰度y1进行计算；

对于插值曲线斜率k的取值，考虑如下：斜率k的值跟随两侧源像素点的灰度值之差的绝对值|y₂-y₁|的变化而改变，差值越大，则曲线越平缓，斜率k的绝对值越小；差值越小，则曲线越陡峭，斜率k的绝对值越大；

两个极限情况是：

当灰度值之差的绝对值等于阈值即|y₂-y₁|＝M时，斜率绝对值|k|＝M/(x₂-x₁)，即斜率绝对值|k|＝M；

当灰度值之差的绝对值等于255即|y₂-y₁|＝255时，斜率绝对值|k|＝0；

由以上条件得出插值曲线斜率k的计算公式如下：

当灰度值之差大于0即(y₂-y₁)＞0时，斜率值k为

$k=\frac{M}{M-255}\×(y_2-y_1)-\frac{M}{M-255}\×255$

即 $k=\frac{M}{M-255}\×(y_2-y_1-255)$ （公式2）

当灰度值之差小于0即(y₂-y₁)＜0时，斜率值k为

$k=\frac{M}{M-255}\×(y_2-y_1)+\frac{M}{M-255}\×255$

即 $k=\frac{M}{M-255}\×(y_2-y_1+255)$ （公式3）

此时插值点的灰度值为

y＝y₁+k(x-x₁)（公式4）

②插值点在右半部分包括中点，即插值点x在中点(x₂-x₁)/2到右侧源像素点x₂之间时，采用斜率为k的插值曲线，并使用x₂　点的灰度值y₂进行计算：

选用斜率为k的直线作为插值曲线，斜率k的计算方法与之前①所述相同,此时插值点的灰度值为：

y＝y₂-k(x₂-x)（公式5）

（4）若灰度值之差的绝对值大于阈值即|y₂-y₁|＞M，则在步骤（3）计算完成后，再给计算出的插值点灰度y加一个大小为δy的微扰，以减小可能产生的锯齿影响，即公式（2）（3）（4）(5)中给插值点灰度值y的值再加上一个随机的微扰抖动δ_y(-4,-2,0,2,4)，这里的δ_y只是人为添加的一个值非常小的量，用来减轻锯齿影响。

将两源像素点之间的单位1距离，平均分成64段，即每段长度为1/64，当插值点落在某一小段中时，按照这一段的左端点进行计算，则实际计算时，所有插值点位置只有64种情况，若某个插值点的真实插值位置（x-x₁）是3/64+1/65，那么按照3/64来进行后续计算，其余部分的计算依次类推。

所述的双线形插值和分段线形插值两种算法统一为一种实现流程，差别在于斜率k值的不同，对于双线形插值算法，同样按照分段线形的类似方式，分为左侧、右侧两种情况进行计算，由于分段线形插值算法中，斜率k的计算较困难，所以将斜率绝对值的所有可能值计算出来并存储建立查找表，然后在计算中需要斜率的时候，通过灰度值之差的绝对值|y₂-y₁|的值来查找并取出相应的斜率k值；因为灰度值之差的绝对值|y₂-y₁|在阈值M=64以上有65到255共191种可能，M为正整数，所以表中共有对应的191个斜率绝对值|k|，考虑到双线形算法也采用同样流程，所以将双线形使用的斜率k值，也按同样的方式存入查找表中，计算时通过查表取值，因为灰度值之差的绝对值小于阈值|y₂-y₁|＜M时才使用双线形，所以只有相应0到64共65个斜率绝对值|k|，这里斜率绝对值|k|＝|y₂-y₁|；

所有在表中存储的斜率均为实际斜率k值得绝对值|k|，在查表取出相应的斜率绝对值|k|值后，根据灰度值之差(y₂-y₁)的符号来确定斜率k值的符号；

采用查表方式的具体计算步骤流程为：

1）水平方向运算（scale_line）：

（1）计算出插值点的位置x值。

（2）判断x的左右，并计算到相邻最近源像素的距离；

若x在左侧，即(x-x₁)＝sum＜1/2，则不需要再进行计算，直接将sum值输出到下一级运算,其中sum为插值点位置差；

若x在右侧，即(x-x₁)＝sum＞1/2，则需要计算(x₂-x)＝1-sum，将这个值输出到下一级运算,其中sum为插值点位置差；

在（1）找到插值点位置及左右两侧的源像素点后，即可以通过灰度值之差的绝对值|y₂-y₁|的值对斜率k值进行查表；取出相应的斜率k的绝对值|k|；

由于灰度值之差(y₂-y₁)有正负两种情况，对应两个绝对值相同，但符号相反的斜率，所以，从表中找出斜率k的绝对值|k|后，要进行符号判断，若x₂点的灰度值大于x₁点的灰度值(y₂＞y₁），则不需要进行符号变化，若x₂点的灰度值小于x₁点的灰度值（y₂＜y₁），则对取出的值进行取反，然后将结果输出到下一级进行计算；

（3）用插值点到最近邻源像素点的距离（(x-x₁)或(x₂-x)）与斜率k相乘；

（4）若插值点在左侧，则用x₁点的灰度值y₁加上前一级的输出；

若插值点在右侧，则用x₂点的灰度值y₂减去前一级的输出。

（5）添加一个随机微扰量δ_y(-4,-2,0,2,4)，计算完毕。

垂直方向运算(scale_hight)：

与水平方向运算过程相似，并且所需要的斜率k值查找表也相同，所以可以共用同一个查找表，节省硬件资源。由于每一个新像素的生成都是经过了水平方向及垂直方向两级运算得到的，所以，这里垂直方向运算需要输入的灰度值是前级水平运算后输出的中间像素，并且计算需要使用两行像素数据。同样用水平方向计算流程，因为每一行像素的垂直方向位置都一定，所以计算一行新像素使用的插值曲线的斜率相同，只需要进行一次查表即可。

本发明具备下列技术效果：

本发明在双线性插值的基础上，通过对插值点进行计算时采用分情况处理，即根据相邻两源灰度之差的大小，选择相应不同的插值曲线进行计算，从而在更大程度上保留图像的边缘信息，使得缩放后的图像效果优于一般的插值算法。当曲线的选择较为合理以及硬件计算精度较高时，结果可以非常接近实际值，并且该算法总体计算量不大，硬件实现消耗资源较少。

附图说明

图1图像插值原理。

图2双线性插值原理。

图3分段线性插值原理。

图4分段非线性插值的左半部分插值原理图。

图5分段非线性插值的右半部分插值原理图。

图6分段非线性插值的简单流程。

图7分段非线性插值的计算示意图。

图8分段非线性插值的水平方向计算流程。

具体实施方式

本发明提出的图像放大算法是基于双线性插值，但对插值点进行计算时采用了分情况处理，即根据相邻两源灰度之差的大小，选择相应不同的插值曲线进行计算。从而在一定程度上达到了保留图像边缘信息的效果，使得缩放后的图像效果优于一般的插值算法。当曲线的选择较为合理以及硬件计算精度较高时，结果可以非常接近实际值，并且该算法总体计算量不大，硬件实现消耗资源较少。

对每个插值点的计算都包括水平和垂直两个方向，需要邻近四个源像素点的灰度进行加权。如图1所示，先将上方和下方各两个源像素按照与插值点的水平距离进行加权计算，得到两个中间像素点，再将这两个中间像素点按照与插值点的垂直距离进行加权计算，即得到待求插值点的灰度。

对插值点垂直方向和水平方向的加权计算思路及方法相同，此处仅以水平一维情况为例进行介绍。

1．符号说明：

x₁,x₂：待插像素点最近邻两源像素点的坐标（本算法中，将任意两相邻源像素点的间距设为单位1，即x₂-x₁＝1）；

y₁,y₂：待插像素点最近邻两源像素点的灰度；

x：待插像素点的坐标；

y：待插像素点的灰度值；

M：判断是否采用分段线性缩放算法的阈值，当最近相邻源像素点的灰度值y₂和y₁的差值大于阈值M时，采用分段线性缩放算法，否则采用常见的线性插值算法（例如本专利中使用的双线性插值算法）；

k：分段曲线的斜率，根据和的差值来确定

2．本发明的主要流程：

（1）选择计算插值点灰度的算法。

首先根据放大系数计算出插值点在源图像中的水平坐标x，以确定与其相邻的两个源像素点，灰度分别为y₁，y₂，水平坐标分别为x₁，x₂（注意这里取每两个源像素点之间的间距为单位1，即x₂-x₁＝1）。根据这两个源像素点的灰度之差的绝对值|y₂-y₁|的大小确定插值点计算采用的算法。这里选取一个适当的域值M，作为判断算法选择的标准，即判断是否使用分段线性缩放算法。当两个源像素点的灰度之差的绝对值|y₂-y₁|的值小于阈值M时，采用双线性插值，当两个源像素点的灰度之差的绝对值|y₂-y₁|的值大于阈值M时，选择分段线性插值算法。

（2）当灰度之差的绝对值小于阈值（|y₂-y₁|＜M）时对插值点灰度的计算

此时采用普通的双线性插值方法：

如图2，插值曲线为从y₁到y₂的直线，斜率为(y₂-y₁)/(x₂-x₁)，则插值点x的灰度值为：

$y=y_1+(y_2-y_1)\×\frac{x-x_1}{x_2-x_1}$

即：y＝y₁+(y₂-y₁)(x-x₁)（公式1）

（3）灰度之差的绝对值大于阈值（|y₂-y₁|＞M）时对插值点灰度的计算

此时采用分段线性算法进行计算。

如图3，在进行分段插值计算时，分为两种情况，即插值点位于相邻两源像素点之间的左半部分和右半部分（中点位置归为右半部分），针对不同情况采用不同的计算方法。

①插值点在左半部分，即插值点x在左侧源像素点x₁到中点(x₂-x₁)/2之间时（如图

4），采用斜率为k的插值曲线，并使用左侧源像素点x₁点的灰度值y₁进行计算。

对于插值曲线斜率k的取值，考虑如下：斜率k的值跟随两侧源像素点的灰度值差值的绝对值|y₂-y₁|的变化而改变，差值越大，则曲线越平缓，斜率k的绝对值越小；差值越小，则曲线越陡峭，斜率k的绝对值越大。

两个极限情况是：

当灰度值之差的绝对值等于阈值（|y₂-y₁|＝M）时，斜率绝对值|k|＝M/(x₂-x₁)，即斜率绝对值|k|＝M；

当灰度值之差的绝对值等于255（|y₂-y₁|＝255）时，斜率绝对值|k|＝0；

由以上条件得出插值曲线斜率k的计算公式如下：

当灰度值之差大于0（(y₂-y₁)＞0）时，

$k=\frac{M}{M-255}\×(y_2-y_1)-\frac{M}{M-255}\×255$

即 $k=\frac{M}{M-255}\×(y_2-y_1-255)$ （公式2）

当灰度值之差小于0（(y₂-y₁)＜0）时，

$k=\frac{M}{M-255}\×(y_2-y_1)+\frac{M}{M-255}\×255$

即 $k=\frac{M}{M-255}\×(y_2-y_1+255)$ （公式3）

此时插值点的灰度值为

y＝y₁+k(x-x₁)（公式4）

②插值点在右半部分（包括中点），即插值点x在中点(x₂-x₁)/2到右侧源像素点x₂之间时（如图5），采用斜率为k的插值曲线，并使用右侧源像素点x₂点的灰度值y₂进行计算：

选用斜率为k的直线作为插值曲线，斜率k的计算方法与之前①所述相同,此时插值点的灰度为：

y＝y₂-k(x₂-x)（公式5）

（4）若灰度值之差的绝对值大于阈值（|y₂-y₁|＞M），则在步骤（3）计算完成后，再给计算出的插值点灰度值y加一个δy的微扰，以减小可能产生的锯齿影响。即公式（2）（3）（4）(5)中给插值点x的灰度值y的值再加上一个随机的微扰抖动δ_y(-4,-2,0,2,4)，这里的δ_y只是人为添加的一个值非常小的量，用来减轻锯齿影响。

在本发明中，当灰度值之差的绝对值|y₂-y₁|值大于阈值M时，采用分段线性算法求得的值比采用双线性算法更接近其最近邻源像素点的值，当插值|y₂-y₁|很大，表现为图像中的纹理和边缘时，采用分段线性缩放算法能够更好地保留纹理和边缘信息。

下面结合附图和具体实施例进一步详细说明本发明。

1、综述

采用水平和垂直方向先后两级运算，最终得出新像素点的灰度值。

如图6所示每一个新像素点的灰度值，都是经过水平和垂直两次计算得出的。先进行一次水平计算，得到中间像素点，再对中间像素点进行垂直计算，得到最终像素点。

如图7所示，在水平计算时，每个插值点由水平方向上两个相邻源像素计算得出，在垂直计算时，每个插值点由垂直方向上两个相邻源像素计算出。

由于公式中有较复杂的计算部分，若每次都进行计算，需要消耗大量硬件资源及时间，所以，事先将公式中复杂的部分所有可能值计算出来，并进行存储，然后在计算中通过查表的方式取出相应所需的值。

为降低计算量，提高运算速度，将两源像素点之间的单位1距离，平均分成64段，即每段长度为1/64。当插值点落在某一小段中时，按照这一段的左端点进行计算。则实际计算时，所有插值点位置只有64种情况。例如：若某个插值点的真实插值位置(x-x₁)是3/64+1/65，那么按照3/64来进行后续计算。

采用本发明介绍的方法，在对一幅图象进行放大时，会用到线性插值（如双线形插值）和分段线形插值两种算法。考虑到两种算法具有一定的相似性，为了降低实现难度，减少硬件消耗，将两种算法统一为一种实现流程，差别在于斜率k值的不同。对于双线形插值算法，同样按照分段线形的类似方式，分为左侧、右侧两种情况进行计算。采用这种方式，系统在进行插值计算时，省去了判断图像边缘，决定使用双线形还是分段线形算法的过程，两种算法的差别体现在了查找表内对应的k值不同。这样统一流程，简化了计算步骤，降低了运算量，减少了硬件消耗。

由于分段线形插值算法中，斜率k的计算较困难，所以将的所有可能值计算出来并存储建立查找表，然后在计算中需要斜率的时候，通过源像素点灰度值之差的绝对值|y₂-y₁|的值来查找并取出相应的k值。因为源像素点灰度值之差的绝对值|y₂-y₁|在阈值M（本专利采取经验值64）以上有65---255共191种可能，所以表中共有对应的191个斜率绝对值|k|值。考虑到双线形算法也采用同样流程，所以将双线形使用的斜率k值，也按同样的方式存入查找表中，计算时通过查表取值。因为源像素点灰度值之差的绝对值小于阈值（|y₂-y₁|＜M）时才使用双线形，所以只有相应0到64共65个|k|值，这里斜率绝对值等于源像素点灰度值之差的绝对值|k|＝|y₂-y₁|。

所有在表中存储的斜率均为实际斜率k值得绝对值|k|，在查表取出相应的斜率绝对值|k|值后，根据源像素点灰度值之差(y₂-y₁)的符号来确定斜率k值的符号。

2、具体步骤流程

1）水平方向运算（scale_line）：

（1）计算出插值点的位置x值。

（2）判断x的左右，并计算到相邻最近源像素的距离；

若x在左侧，即(x-x₁)＝sum＜1/2，则不需要再进行计算，直接将sum值输出到下一级运算,其中sum为插值点位置差；

若x在右侧，即(x-x₁)＝sum＞1/2，则需要计算(x₂-x)＝1-sum，将这个值输出到下一级运算,其中sum为插值点位置差；

在（1）找到插值点位置及左右两侧的源像素点后，即可以通过灰度值之差的绝对值|y₂-y₁|的值对斜率k值进行查表；取出相应的斜率k的绝对值|k|；

由于灰度值之差(y₂-y₁)有正负两种情况，对应两个绝对值相同，但符号相反的斜率，所以，从表中找出斜率k的绝对值|k|后，要进行符号判断，若x₂　点的灰度值大于x₁点的灰度值（y₂＞y₁），则不需要进行符号变化，若x₂　点的灰度值小于x₁点的灰度值（y₂＜y₁），则对取出的值进行取反，然后将结果输出到下一级进行计算；

（3）用插值点到最近邻源像素点的距离（(x-x₁)或(x₂-x)）与斜率k相乘；

（4）若插值点在左侧，则用x₁点的灰度值y₁加上前一级的输出；

若插值点在右侧，则用x₂点的灰度值y₂减去前一级的输出。

（5）添加一个随机微扰量δ_y(-4,-2,0,2,4)，计算完毕。

2）垂直方向运算(scale_hight)：

与水平方向运算过程相似，在水平计算的结果的基础上，需要先计算出插值点的位置x′，然后判断x′的左右，计算出其到相邻最近源像素点的距离；根据找到插值点的位置及左右两侧的源像素点，即可以通过灰度值之差的绝对值|y₂′-y₁′|的值对斜率k′值进行查表；取出相应的斜率k′的绝对值|k′|，并判断斜率k′的符号。将插值点x′与最近相邻源像素点的距离与斜率k′相乘；插值点在左侧，则用x₁′点的灰度值y₁′加上前一级的输出，插值点在右侧，则用x₂′点的灰度值y₂′减去前一级的输出，添加随机微扰量δ_y′(-4,-2,0,2,4)，得到垂直方向的插值点x′的灰度值y′。

由于所需要的斜率k值查找表相同，所以水平方向和垂直方向的运算可以共用同一个查找表，节省硬件资源。由于每一个新像素的生成都是经过了水平方向及垂直方向两级运算得到的，所以，这里垂直方向运算需要输入的灰度值是前级水平运算后输出的中间像素，并且计算需要使用两行像素数据。同样用水平方向计算流程，因为每一行像素的垂直方向位置都一定，所以计算一行新像素使用的插值曲线的斜率相同，只需要进行一次查表即可。

Claims (4)

1.一种应用于视频图像放大的分段线性插值方法，其特征是，包括下列步骤：对每个插值点的计算都包括水平和垂直两个方向，需要邻近四个源像素点的灰度进行加权，先将上方和下方各两个源像素按照与插值点的水平距离进行加权计算，得到两个中间像素点，再将这两个中间像素点按照与插值点的垂直距离进行加权计算，即得到待求插值点的灰度；其中，对插值点进行计算时采用了分情况处理，即根据相邻两源灰度之差的大小，选择相应不同的插值曲线进行计算；上述步骤进一步具体为：

1)符号说明：

x₁,x₂：待插像素点最近邻两源像素点的坐标；

y₁,y₂：待插像素点最近邻两源像素点的灰度；

x：待插像素点的坐标；

y：待插像素点的灰度值；

M：判断是否采用分段线性缩放算法的阈值，当y₂和y₁的差值大于阈值M时，采用分段线性缩放算法，否则采用常见的线性插值算法；

k：分段曲线的斜率，根据和的差值来确定；

2)计算流程：

(1)选择计算插值点灰度的算法：

首先根据放大系数计算出插值点在源图像中的水平坐标x，以确定与其相邻的两个源像素点，灰度分别为y₁，y₂，水平坐标分别为x₁，x₂，取每两个源像素点之间的间距为单位1，即x₂-x₁＝1；根据相邻两源灰度之差的大小，选择相应不同的插值曲线进行计算具体是，根据这两个源像素点的灰度之差|y₂-y₁|的大小确定插值点计算采用的算法，这里选取一个适当的阈值M，作为判断算法选择的标准，即判断是否使用分段线性缩放算法，当两个源像素点的灰度值之差的绝对值|y₂-y₁|的值小于阈值M时，采用双线性插值，当两个源像素点的灰度值之差的绝对值|y₂-y₁|的值大于阈值M时，选择分段线性插值算法；

(2)灰度值之差的绝对值小于阈值即|y₂-y₁|<M时对插值点灰度的计算此时采用普通的双线性插值方法：

插值曲线为从y1到y2的直线，斜率为(y₂-y₁)/(x₂-x₁)，则插值点x的灰度值为：

即：y＝y₁+(y₂-y₁)(x-x₁)(公式1)

(3)灰度值之差的绝对值大于阈值即|y₂-y₁|>M时对插值点灰度的计算

此时采用分段线性算法进行计算：

在进行分段插值计算时，分为两种情况，即插值点位于相邻两源像素点之间的左半部分和右半部分，中点位置归为右半部分，针对不同情况采用不同的计算方法：

①插值点在左半部分，即插值点x在左侧源像素点x₁到中点(x₂-x₁)/2之间时，采用斜率为k的插值曲线，并使用x1点的灰度y1进行计算；

对于插值曲线斜率k的取值，考虑如下：斜率k的值跟随两侧源像素点的灰度值之差的绝对值|y₂-y₁|的变化而改变，差值越大，则曲线越平缓，斜率k的绝对值越小；差值越小，则曲线越陡峭，斜率k的绝对值越大；

两个极限情况是：

当灰度值之差的绝对值等于阈值即|y₂-y₁|＝M时，斜率绝对值|k|＝M/(x₂-x₁)，即斜率绝对值|k|＝M；

当灰度值之差的绝对值等于255即|y₂-y₁|＝255时，斜率绝对值|k|＝0；

由以上条件得出插值曲线斜率k的计算公式如下：

当灰度值之差大于0即(y₂-y₁)>0时，斜率值k为

即(公式2)

当灰度值之差小于0即(y₂-y₁)<0时，斜率值k为

即(公式3)

此时插值点的灰度值为

y＝y₁+k(x-x₁)(公式4)

②插值点在右半部分包括中点，即插值点x在中点(x₂-x₁)/2到右侧源像素点x₂之间时，采用斜率为k的插值曲线，并使用x₂点的灰度值y₂进行计算：

选用斜率为k的直线作为插值曲线，斜率k的计算方法与之前①所述相同,此时插值点的灰度值为：

y＝y₂-k(x₂-x)(公式5)

(4)若灰度值之差的绝对值大于阈值即|y₂-y₁|>M，则在步骤(3)计算完成后，再给计算出的插值点灰度y加一个大小为δy的微扰，以减小可能产生的锯齿影响，即公式(2)(3)(4)(5)中给插值点灰度值y的值再加上一个随机的微扰抖动δ_y(-4,-2,0,2,4)，这里的δ_y只是人为添加的一个值非常小的量，用来减轻锯齿影响。

2.根据权利要求1所述的应用于视频图像放大的分段线性插值方法，其特征是，将两源像素点之间的单位1距离，平均分成64段，即每段长度为1/64，当插值点落在某一小段中时，按照这一段的左端点进行计算，则实际计算时，所有插值点位置只有64种情况，若某个插值点的真实插值位置(x-x₁)是3/64+1/65，那么按照3/64来进行后续计算，其余部分的计算依次类推。

3.根据权利要求1所述的应用于视频图像放大的分段线性插值方法，其特征是，所述的双线形插值和分段线形插值两种算法统一为一种实现流程，差别在于斜率k值的不同，对于双线形插值算法，同样按照分段线形的类似方式，分为左侧、右侧两种情况进行计算，由于分段线形插值算法中，斜率k的计算较困难，所以将斜率绝对值的所有可能值计算出来并存储建立查找表，然后在计算中需要斜率的时候，通过灰度值之差的绝对值|y₂-y₁|的值来查找并取出相应的斜率k值；因为灰度值之差的绝对值|y₂-y₁|在阈值M＝64以上有65到255共191种可能，M为正整数，所以表中共有对应的191个斜率绝对值|k|，考虑到双线形算法也采用同样流程，所以将双线形使用的斜率k值，也按同样的方式存入查找表中，计算时通过查表取值，因为灰度值之差的绝对值小于阈值|y₂-y₁|<M时才使用双线形，所以只有相应0到64共65个斜率绝对值|k|，这里斜率绝对值|k|＝|y₂-y₁|；

所有在表中存储的斜率均为实际斜率k值得绝对值|k|，在查表取出相应的斜率绝对值|k|值后，根据灰度值之差(y₂-y₁)的符号来确定斜率k值的符号；

采用查表方式的具体计算步骤流程为：

1)水平方向运算(scale_line)：

(1)计算出插值点的位置x值；

(2)判断x的左右，并计算到相邻最近源像素的距离；

若x在左侧，即(x-x₁)＝sum<1/2，则不需要再进行计算，直接将sum值输出到下一级运算,其中sum为插值点位置差；

若x在右侧，即(x-x₁)＝sum>1/2，则需要计算(x₂-x)＝1-sum，将这个值输出到下一级运算,其中sum为插值点位置差；

在(1)找到插值点位置及左右两侧的源像素点后，即可以通过灰度值之差的绝对值|y₂-y₁|的值对斜率k值进行查表；取出相应的斜率k的绝对值|k|；

由于灰度值之差(y₂-y₁)有正负两种情况，对应两个绝对值相同，但符号相反的斜率，所以，从表中找出斜率k的绝对值|k|后，要进行符号判断，若x₂点的灰度值大于x₁点的灰度值(y₂>y₁)，则不需要进行符号变化，若x₂点的灰度值小于x₁点的灰度值(y₂<y₁)，则对取出的值进行取反，然后将结果输出到下一级进行计算；

(3)用插值点到最近邻源像素点的距离((x-x₁)或(x₂-x))与斜率k相乘；

(4)若插值点在左侧，则用x₁点的灰度值y₁加上前一级的输出；

若插值点在右侧，则用x₂点的灰度值y₂减去前一级的输出；

(5)添加一个随机微扰量δ_y(-4,-2,0,2,4)，计算完毕。

4.根据权利要求1所述的应用于视频图像放大的分段线性插值方法，其特征是，垂直方向运算(scale_hight)：

与水平方向运算过程相似，并且所需要的斜率k值查找表也相同，所以可以共用同一个查找表，节省硬件资源；由于每一个新像素的生成都是经过了水平方向及垂直方向两级运算得到的，所以，这里垂直方向运算需要输入的灰度值是前级水平运算后输出的中间像素，并且计算需要使用两行像素数据；同样用水平方向计算流程，因为每一行像素的垂直方向位置都一定，所以计算一行新像素使用的插值曲线的斜率相同，只需要进行一次查表即可。