CN103530845A - 一种改进的图像缩放方法 - Google Patents

Abstract

本发明涉及一种改进的图像缩放方法，其特征在于所述方法包括将源图像分成M×N个区域块，所述区域块组成M列和N行，对于需要进行非线性缩放的行或列，通过计算源图像各像素点的像素非位置兴趣点特征值，以及计算行或列的行位置兴趣点特征值或列位置兴趣点特征值，最终得需要进行非线性缩放的各行或各列实际缩放比例，像素非位置兴趣点特征值至少包括像素局部兴趣点特征值、像素特别兴趣点特征值和像素全局兴趣点特征值，相对现有技术本发明增加了与图像内容相关的兴趣点参数，还考虑了位置因素，从而保证了人眼感兴趣的部分缩放后不会失真。

Description

一种改进的图像缩放方法

技术领域

本发明涉及图像处理技术领域，尤其涉及图像缩放方法。

背景技术

图像缩放是最为常用的图像处理技术，其中不同比例的图像之间的缩放在图像处理领域十分常见，应用也十分普遍，如视频应用领域，视频播出格式不可能与显示设备的显示格式完全一致，也即在许多情况下存在源图像和目标图像之间的宽高比不一致，就需要对图像进行不同比例的缩放，在这种情况下，由于源图像和目标图像之间的宽高比不一致，在缩放时会引起图像的失真，尤其是在源图像和目标图像的宽高比差异较大的情况下，这种图像的失真的情况就更加明显。在典型的应用中，宽高比为4:3的图像与宽高比为16:9图像之间的缩放适配问题就经常遇到，比如，当前的电视系统需要兼容原来宽高比为4:3的标清图像(如4CIF)和新的宽高比为16:9的高清图像(如720p和1080p)；因为传统的CRT电视基本采用4:3的显示模式，最新的高清LCD电视都采用16:9显示模式，电视系统单纯满足高清的LCD电视而不兼容CRT电视至少在目前阶段是不可想象的。

对于上述问题的解决，现有技术中有多种方案，包括线性缩放方法、边缘剪裁方法、非线性缩放方法等比例缩放方法等。但前述的所有方案均分别存在一定的问题，采用线性缩放方法对图像进行缩放，虽然方法简单，但是图像之间的失真比较严重；采用边缘剪裁方法进行图像缩放虽然不会造成图像的失真，但可能会使图像的主要拍摄对象丢失。采用等比例缩放方法进行图像缩放会导致缩放后的图像相较于源图像而言变小，无法填满整个显示区域。此外，填充的黑边对观看者也会造成一定的干扰。采用非线性缩放算方法进行图像缩放，位于中间的图像缩放后较好，位于边缘的图像缩放后变形较大，缩放后整体的效果并不理想。为了解决前述问题，有发明人提出了一种新的图像缩放方法，其内容为CN200810169225.4所公开，CN200810169225.4所公开的这种新的图像缩放方法，包括如下步骤：确定源图像中主要拍摄对象的分布方向，其中源图像中主要拍摄对象的分布方向为对称性较大的方向，或分布较均匀的方向，或纹理较丰富的方向；根据所述源图像中主要拍摄对象的分布方向将所述源图像采用非线性缩放方法缩放为目标图像，其中所述非线性缩放方法的缩放方向和源图像中主要拍摄对象的分布方向垂直。其中源图像中主要拍摄对象的分布方向可为对称性较大的方向，或分布较均匀的方向，或纹理较丰富的方向。同时主要拍摄对象的确定利用人脸检测法，边缘检测法，熵编码法等方法确定。CN200810169225.4所公开的这种新的图像缩放方法所存在的问题在于，其主要是根据图像本身的内容因素来进行判别和处理的，至少是没有考虑对象在图像中的位置关系，为此在许多情况下处理的结果并不理想。原因在于这样的简单处理方法不符合人类的视觉感知理论和认知理论，根据人类的视觉感知理论和认知理论，人眼兴趣点分为位置兴趣点和非位置兴趣点，所述非位置兴趣点一般与图像的内容因素相关，包括局部兴趣点、特别兴趣点和全局兴趣点。位置兴趣点是由图像中像素的位置引起的。对于不同位置的像素，人眼的关注度不同。一般来说，人眼对图像中间位置的像素更感兴趣。非位置兴趣点是由图像内容因素决定的，在非位置兴趣点中，局部兴趣点是由图像像素间的差异引起的，包括亮度、颜色、方向等引起的差异，梯度模值大的像素点，会更引起人眼的关注。特别兴趣点是由人眼会对某些特定的目标（如形状、颜色、物体）会更感兴趣。一般的，人眼会对图像中的人物比对其它物体更感兴趣。全局兴趣点由图像全局特征的不同导致的。例如图像中的前景物体会比背景更引人关注。显然CN200810169225.4所公开的这种新的图像缩放方法只考虑了局部兴趣点、特别兴趣点的处理，采用这样的处理方法最终的处理效果不理想也就不难理解了，综上所述，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图像缩放方法，其特征在于所述方法包括如下步骤：

A、计算源图像各像素点的像素非位置兴趣点特征值，所述像素非位置兴趣点特征值至少包括像素局部兴趣点特征值、像素特别兴趣点特征值和像素全局兴趣点特征值，同时，将源图像划分为M×N个区域块，所述区域块组成M列和N行，并根据各区域块内包括的像素点的像素非位置兴趣点特征值计算各区域块的区块非位置兴趣点特征值；

B、分别计算缩放后的目标图像的宽度与源图像的宽度以及目标图像的高度与源图像的高度之比的绝对值，得到水平缩放比例和垂直缩放比例，水平缩放比例大于垂直缩放比例，则源图像由各区域块组成的M列中的各列的高度方向按垂直缩放比例缩放，M列中的各列的宽度方向的实际缩放比例的平均值等于水平缩放比例，同时，将各区块非位置兴趣点特征值按列及像素非位置兴趣点特征值的属性分类合并，对应每种像素非位置兴趣点特征值分别得到M个水平区域非位置兴趣点特征值，垂直缩放比例大于水平缩放比例，则源图像由各区域块组成的N行中的各行的宽度方向按水平缩放比例缩放，N行中的各行的高度方向的实际缩放比例的平均值等于垂直缩放比例，同时将各区块非位置兴趣点特征值按行及非位置兴趣点特征值的属性分类合并，对应每种像素非位置兴趣点特征值，分别得到N个垂直区域非位置兴趣点特征值；

C、水平缩放比例大于垂直缩放比例，则将M×N个区域块按列所在位置的不同赋予列位置兴趣点特征值，赋值原则为位于源图像中间位置的列位置兴趣点特征值较大，越远离源图像中间位置的列位置兴趣点特征值越小；垂直缩放比例大于水平缩放比例，则将M×N个区域块分按行所在位置的不同赋予行位置兴趣点特征值，赋值原则为位于源图像中间位置的行位置兴趣点特征值较大，越远离源图像中间位置的行位置兴趣点特征值越小；

D、水平缩放比例大于垂直缩放比例，则根据列位置兴趣点特征值和与该列对应的每种非位置兴趣点的水平区域非位置兴趣点特征值计算水平区域兴趣度量初始值，垂直缩放比例大于水平缩放比例，则根据行位置兴趣点特征值以及与该行对应的每种非位置兴趣点的垂直区域非位置兴趣点特征值计算垂直区域兴趣度量初始值；

E、根据水平区域兴趣度量初始值以及垂直区域兴趣度量初始值的分布情况确定调整比例值、水平区域兴趣度值或垂直区域兴趣度值的上限值以及调整量值，并在此基础上对水平区域兴趣度量初始值或垂直区域兴趣度量初始值进行修正或约束得到水平区域兴趣度值或垂直区域兴趣度值；

F、水平缩放比例大于垂直缩放比例，则根据水平区域兴趣度值、图像的水平缩放比例和垂直缩放比例计算出每列的宽度方向的实际缩放比例，垂直缩放比例大于水平缩放比例，则根据垂直区域兴趣度值、图像的水平缩放比例和垂直缩放比例计算出每行的高度方向的实际缩放比例。

本发明的这种改进的图像缩放方法，不仅考虑与图像内容相关的局部兴趣点、特别兴趣点因素，还考虑了与图像内容相关的全局兴趣点因素，更为重要的是还考虑了位置因素。采用本发明的这种改进的图像缩放方法对图像进行缩放，保证了人眼感兴趣的部分缩放后不会失真。这也是本发明的这种改进的图像缩放方法的核心所在，即对于人眼敏感的区域获得较高水平区域兴趣度值或垂直区域兴趣度值，从而对这一区域进行不失真缩放，对于人眼一敏感部分则进行失真缩放，从而避免图像的视觉失真又保证了整体图像质量最佳。本发明提取基于图像内容的兴趣特征量，并考虑位置兴趣度因素，综合计算图像不同区域的水平区域兴趣度值或垂直区域兴趣度值，在人眼感兴趣的区域保持缩放比例，而在人眼不感兴趣的区域不保持缩放比例。但是，最终图像的大小与线性缩放的是相同的，即总体的非线性缩放的平均缩放比例等于线性缩放的缩放比例。

作为优选，所述像素局部兴趣点特征值根据亮度和/或颜色和/或方向差异来计算，且使用梯度计算法，并以梯度模值作为计算像素局部兴趣点特征值的依据；

作为前述优选的进一步优选，对于RGB图像，通过亮度分量求梯度模值或者对RGB三个分量分别求梯度模值，然后以三个分量的梯度模值的最大值作为梯度模值的量值。

作为优选，所述像素特别兴趣点特征值为“1”或“0”，根据图像中是否存在人物来取值，图像中包含人物赋值“1”，图像中不包含人物赋值“0”，作为进一步优选，图像中是否存在人物通过肤色特征来判定。

不论种族如何，根据统计人类皮肤的颜色都处于某个亮度范围和某个色调范围。当RGB图像分量的取值范围为0到255，皮肤的亮度范围为60到90。而皮肤的色调值一般在100度到150度之间。这可见统计数据，为此，可以通过判断像素点是否具备肤色像素点特征来判别是否存在人物。但是，从RGB图像参数通过计算得到色调的计算相对复杂。为了减少计算量，本发明直接通过在RGB颜色空间检测肤色来判定图像中是否存在人物。

考虑到具备肤色像素点特征主要应满足亮度条件和色调条件，为此作为优选，本发明通过检测像素点是否同时满足肤色的亮度条件和色调条件来判定图像中是否存在人物。作为前述优选的进一步优选，对于RGB图像，像素点满足为肤色的亮度条件如下：

R>TH_r_skin，

G>TH_g_skin，

B>TH_b_skin，

其中，TH_r_skin，TH_g_skin，TH_b_skin为阈值参数，在具体应用中可以根据图像中人物属性进行确定，比如根据人物是黑色人种还是白色人种来具体加以确定。

对于RGB图像，像素点满足为肤色的色调条件如下：

TH0_rg_skin<R-G<TH1_rg_skin

TH0_rb_skin<R-B<TH1_rb_skin

其中，TH0_rg_skin和TH1_rg_skin为R分量和G分量差值的低阀值和高阀值参数，TH0_rb_skin和TH1_rb_skinR分量和B分量差值的低阈值和高阈值参数，如果输入图像的像素同时满足肤色的亮度和色调条件，则其肤色特征值为1，否则为0，相应像素特别兴趣点特征值为“1”或“0”。

作为进一步改进，所述像素全局兴趣点特征值基于图像的全局对比度来进行计算，并以像素点的全局对比度作为像素点的像素全局兴趣点特征值。人眼对于对比度高的像素点更为敏感。在本发明中采用图像的灰度直方图，用来计算全局对比度。对于RGB图像则采用亮度直方图来计算全局对比度，RGB图像分量的取值范围为0到255，采用亮度直方图时为256级亮度直方图，通过将每个亮度等级的像素点数除以图像总的像素个数得到。所述直方图定义为Hist_C，它是有256个元素的数组，每个元素范围都为0到1。对于某个像素点其对应的亮度等级J（0≤J≤255），其基于直方图Hist_C该像素点全局对比度GC(J)即该像素点的像素全局兴趣点特征值为：

$\mathrm{GC}\left(J\right)=\underset{0\&le;i\&le;255}{\mathrm{\&Sigma;}}\mathrm{Hist}\_C\left[i\right]*\mathrm{Dist}\left(\right|i-J\left|\right)$

其中，Dist是关于i与J绝对差的函数，可以取为如下形式（σ可以取值为10）：

$\mathrm{Dist}\left(x\right)=1-\exp (-\frac{x^2}{2{\mathrm{\&sigma;}}^2})$

作为优选，所述根据各区域块内包括的像素点的像素非位置兴趣点特征值计算各区域块的区块非位置兴趣点特征值，其方法为在每个区域块内，通过对区域块内像素点的像素局部兴趣点特征值进行累加得到区块局部兴趣点特征值之和，通过对区域块内像素点的像素特别兴趣点特征值进行累加得区块特别兴趣点特征值之和，通过对区域块内像素点的像素全局兴趣点特征值进行累加得到区块全局兴趣点特征值之和，将前述之和分别除以区域块的像素点数分别得到区块局部兴趣点特征值blk_mag、区块特别兴趣点特征值blk_skin以及区块全局兴趣点特征值blk_contrast。

作为优选：

定义第J列所有区域块中的区块局部兴趣点特征值的最大值为max_blk_mag[j]；

定义第J列所有区域块中的区块特别兴趣点特征值的最大值为max_blk_skin；

定义第第J列所有区域块中的区块全局兴趣点特征值的最大值为max_blk_contrast；

定义第J列所有区域块中的区块局部兴趣点特征值的平均值为avg_blk_mag[j]；

定义第第J列所有区域块中的区块特别兴趣点特征值的平均值为avg_blk_skin；

定义第J列所有区域块中的区块全局兴趣点特征值的平均值为avg_blk_contrast；

同时定义第J列水平区域局部兴趣点特征值为rg_mag[j]；

定义第J列水平区域特别兴趣点特征值为rg_skin[j]；

定义第J列水平区域全局兴趣点特征值为rg_contrast[j]；

则所述将各区块非位置兴趣点特征值按列及像素非位置兴趣点特征值的属性分类合并得到M个水平区域非位置兴趣点特征值的方法为：

rg_mag[j]=(1-k_avg)×max_blk_mag[j]+k_avg×avg_blk_mag[j]；

rg__skin[j]=(1-k_avg)×max_blk_skin[j]+k_avg×avg_blk_skin[j]；

rg__contrast[j]=(1-k_avg)×max_blk_contrast[j]+k_avg×avg_blk_contrast[j]；

其中j（0≤j≤M-1），k_avg为修正参数，取值范围为0≤k_avg≤1。

作为优选：

定义第J行所有区域块中的区块局部兴趣点特征值的最大值为max_blk_mag[j]；

定义第J行所有区域块中的区块特别兴趣点特征值的最大值为max2_blk_skin；

定义第J行所有区域块中的区块全局兴趣点特征值的最大值为max2_blk_contrast；

定义第J行所有区域块中的区块局部兴趣点特征值的平均值为avg2_blk_mag[j]；

定义第J行所有区域块中的区块特别兴趣点特征值的平均值为avg2_blk_skin；

定义第J行所有区域块中的区块全局兴趣点特征值的平均值为avg2_blk_contrast；

定义第J行垂直区域局部兴趣点特征值为rg2_mag[j]；

定义第J行垂直区域特别兴趣点特征值为rg2_skin[j]；

定义第J行垂直区域全局兴趣点特征值为rg2_contrast[j]；

则所述将各区块非位置兴趣点特征值按行及像素非位置兴趣点特征值的属性分类合并得到N个垂直区域非位置兴趣点特征值的方法为：

rg2_mag[j]=(1-k_avg)×max2_blk_mag[j]+k_avg×avg2_blk_mag[j]；

rg2__skin[j]=(1-k_avg)×max2_blk_skin[j]+k_avg×avg2_blk_skin[j]；

rg2__contrast[j]=(1-k_avg)×max2_blk_contrast[j]+k_avg×avg2_blk_contrast[j]；

其中j（0≤j≤N-1），k_avg为修正参数，取值范围为0≤k_avg≤1。

作为优选：

定义第J列的水平区域兴趣度量初始值为rg_intr_raw[j]；

定义第J列的列位置兴趣点特征值为rg_intr_pos[j]；

所述根据列位置兴趣点特征值和与该列对应的每种非位置兴趣点的水平区域非位置兴趣点特征值计算水平区域兴趣度量初始值的方法为：

rg_intr_raw[j]＝rg_intr_pos[j]+max（km×rg_mag[j],ks×rg_skin[j],kc×rg_contrast[j]）

其中，km>0，ks>0和kc>0为分别为梯度模特征量的调整参数、肤色特征量的调整参数和对比度特征量的调整参数。

作为优选：

定义第J行的垂直区域兴趣度量初始值为rg2_intr_raw[j]；

定义第J行的行位置兴趣点特征值为rg2_intr_pos[j]；

所述根据行位置兴趣点特征值和与该行对应的每种非位置兴趣点的垂直区域非位置兴趣点特征值计算水平垂直区域兴趣度量初始值的方法为：

rg2_intr_raw[j]＝rg2_intr_pos[j]+max（km×rg2_mag[j],ks×rg2_skin[j],kc×rg2_contrast[j]）

其中，km>0，ks>0和kc>0为分别为梯度模特征量的调整参数、肤色特征量的调整参数和对比度特征量的调整参数。

作为优选：

定义第j列所对应的整个区域的水平区域兴趣度值为rg_intr[j]；

所述对水平区域兴趣度量初始值进行修正或约束得到水平区域兴趣度值的方法为：

rg_intr[j]＝min(L_intr[j],K_intr[j]×rg_intr_raw[j])+B

其中，0<k_intr[j]为第j列所对应的整个区域的水平区域兴趣度值的调整比例，0<L_intr[j]为第J列的水平区域兴趣度值的上限，0<B为水平区域兴趣度值的调整量。

作为优选：

定义第j行所对应的整个区域的垂直区域兴趣度值为rg2_intr[j]；

所述对垂直区域兴趣度量初始值进行修正或约束得到垂直区域兴趣度值的方法为：

rg2_intr[j]＝min(L2_intr[j],K2_intr[j]×rg2_intr_raw[j])+B2

其中，0<k2_intr[j]为第j行所对应的整个区域的垂直区域兴趣度值的调整比例，0<L2_intr[j]为第J行的垂直区域兴趣度值的上限，0<B2为垂直区域兴趣度值的调整量。

作为优选：

定义第J列所对应的整个区域在宽度方向的实际缩放比例为rg_ratio[j]；

则根据水平区域兴趣度值、图像的水平缩放比例和垂直缩放比例计算出每列的宽度方向的实际缩放比例的方法为：

$\mathrm{rg}\_\mathrm{ratio}\left[j\right]=\mathrm{ratio}\_\max \_\mathrm{intr}+\frac{\mathrm{ratio}\_\mathrm{avg}\_\mathrm{intr}-\mathrm{ratio}\_\max \_\mathrm{intr}}{\mathrm{avg}\_\mathrm{intr}-\max \_\mathrm{intr}}(\mathrm{rg}\_\mathrm{intr}[j]-\max \_\mathrm{intr})$

其中，max_intr是各列所对应的水平区域兴趣度值的最大值，avg_intr是各列所对应的水平区域兴趣度值rg_intr的平均值，ratio_max_intr是水平区域兴趣度值最大值max_intr对应的列区域在宽度方向上的缩放比例，显然在图像的水平缩放比例大于垂直缩放比例时，水平区域兴趣度值最大值max_intr对应的列区域在宽度方向上的缩放比例应等于垂直缩放比例，这样可确保位于该列的图像放大后不失真，ratio_avg_intr是各列区域在宽度方向上的平均缩放比例。当图像从M（宽）×N（高）放大到M1（宽）×N1（高）,水平缩放比例为M/M1,垂直缩放比例为N/N1,需要做水平非线性缩放，则ratio_max_intr等于N/N1，ratio_avg_intr等于M/M1。例如，当图像从640（宽）×480（高）放大到1920×1080，水平缩放比例的值为3,垂直缩放比例的值为2.25,显然需要做水平非线性缩放，这时ratio_max_intr应等于垂直缩放比例的值为2.25；各列区域在宽度方向上的平均缩放比例ratio_avg_intr应等于水平缩放比例，其值为3。

作为优选：

定义第J行所对应的整个区域在高度方向的实际缩放比例为rg2_ratio[j]；

则根据垂直区域兴趣度值、图像的水平缩放比例和垂直缩放比例计算出每列的宽度方向的实际缩放比例的方法为：

$\mathrm{rg}2\_\mathrm{ratio}\left[j\right]=\mathrm{ratio}2\_\max \_\mathrm{intr}+\frac{\mathrm{ratio}2\_\mathrm{avg}\_\mathrm{intr}-\mathrm{ratio}2\_\max \_\mathrm{intr}}{\mathrm{avg}2\_\mathrm{intr}-\max 2\_\mathrm{intr}}(\mathrm{rg}2\_\mathrm{intr}[j]-\max 2\_\mathrm{intr})$

其中，max2_intr是各行所对应的垂直区域兴趣度值的最大值，avg2_intr是各行所对应的垂直区域兴趣度值rg2_intr的平均值，ratio2_max_intr是垂直区域兴趣度值最大值max2_intr对应的行区域在高度方向上的缩放比例，显然在图像的垂直缩放比例大于水平缩放比例，垂直区域兴趣度值最大值max2_intr对应的行区域在高方向上的缩放比例应等于水平缩放比例，这样可确保位于该行的图像放大后不失真，ratio2_avg_intr是各行区域在高度方向上的平均缩放比例，当图像从M（宽）×N（高）放大到M1（宽）×N1（高）,水平缩放比例为M/M1,垂直缩放比例为N/N1,需要做垂直非线性缩放，则ratio2_max_intr等于M/M1，ratio2_avg_intr等于N/N1，例如，480（宽）×640（高）放大到1080×1920，水平缩放比例的值为2.25,垂直缩放比例的值为3,显然需要做垂直非线性缩放，这时ratio2_max_intr应等于水平缩放比例的值为2.25；各行区域在高度方向上的平均缩放比例ratio2_avg_intr应等于垂直缩放比例，其值为3。

附图说明

图1是源图像放大到目标图像的状态示意图；

图2是源图像被划分为7×5个区域块后的示意图；

图3为像素点梯度模特征值计算示意图。

各图中：

1为RGB源图像；

2为目标图像；

具体实施方式

以下将结合本发明较佳实施例及其附图对本发明作进一步说明。

为了便于对本发明的理解，我们结合一个如附图1所示的640（宽）×480（高）的RGB源图像1采用本发明的一种改进的图像缩放方法放大成1920（宽）×1080（高）的目标图像2为实例，在该实例中体现出来的符合本发明的发明思想方法即为本发明的较佳实施例。

如前所述，在本较佳实施例中，RGB源图像1为640（宽）×480（高），拟采用本发明较佳实施例提供的一种改进的图像缩放方法将其放大成一幅1920（宽）×1080（高）的目标图像2，为此，如附图2所示，我们将该源图像1划分成7×5个区域块，形成五行、七列共35个区域块，同时计算RGB源图像1中各像素点的像素非位置兴趣点特征值，在本较佳实施例中，所述像素非位置兴趣点特征值包括像素局部兴趣点特征值、像素特别兴趣点特征值和像素全局兴趣点特征值。

如附图1所示，在本较佳实施例中，RGB源图像1为640（宽）×480（高），目标图像2为1920（宽）×1080（高），为此水平缩放比例等于3，垂直缩放比例等于2.25，水平缩放比例大于垂直缩放比例，则源图像1由各区域块组成的7列中的各列的高度方向按垂直缩放比例2.25缩放，7列中的各列的宽度方向的实际缩放比例的平均值应等于水平缩放比例，其值为3。

在本较佳实施例中，对于RGB源图像1,我们通过亮度分量来计算像素局部兴趣点特征值，如附图3所示，对于像素点为P(i,j)，取其邻域的四个像素点，分别P(i,j-1)、P(i,j+1)、P(i-1,j)、P(i+1,j),分别计算像素点为P(i,j)相对其领域的四个像素的水平梯度值和垂直梯度值，取最大值最为像素点P(i,j)的梯度模值，定义像素局部兴趣点特征值为mag(i,j)，则：

mag(i,j)=min(1,k_mag×max{|P(i,j)-P(i,j-1)|,|P(i,j)-P(i,j+1)|,|P(i,j)-P(i-1,j)|,|P(i,j)-P(i+1,j)|})，

其中，0≤k_mag≤1为模值归一化参数，在本较佳实施例中取值为1/64。

在本较佳实施例中，对于RGB源图像1,所述像素特别兴趣点特征值为“1”或“0”，且根据图像中是否存在人物来取值，图像中包含人物赋值“1”，图像中不包含人物赋值“0”，同时在本较佳实施例中，图像中是否存在人物通过肤色特征来判定，在本较佳实施例中采用的判定的方法为检测像素点是否同时满足肤色的亮度条件和色调条件，同时对于RGB源图像1，在本较佳实施例中像素点满足为肤色的亮度条件为：

R>TH_r_skin，

G>TH_g_skin，

B>TH_b_skin，

其中，TH_r_skin，TH_g_skin，TH_b_skin为阈值参数，在具体应用中可以根据RGB源图像1中人物属性进行确定，比如根据人物是黑色人种还是白色人种来具体加以确定。

对于RGB源图像1，像素点满足为肤色的色调条件为：

TH0_rg_skin<R-G<TH1_rg_skin

TH0_rb_skin<R-B<TH1_rb_skin

其中，TH0_rg_skin和TH1_rg_skin为R分量和G分量差值的低阀值和高阀值参数，TH0_rb_skin和TH1_rb_skinR分量和B分量差值的低阈值和高阈值参数，如果输入图像的像素同时满足肤色的亮度和色调条件，则其像素特别兴趣点特征值“1”，否则为“0”。

在本较佳实施例中，对于RGB源图像1,所述像素全局兴趣点特征值基于RGB源图像1的像素点的全局对比度来进行计算，并以像素点的全局对比度作为像素点的像素全局兴趣点特征值，在本较佳实施例中，利用RGB源图像1的亮度直方图用来计算像素点的全局对比度。

RGB源图像1的亮度分量的取值范围为0到255，所述256级亮度直方图，通过将每个亮度等级的像素点数除以RGB源图像1的总的像素个数得到。所述直方图定义为Hist_C，它是有256个元素的数组，每个元素范围都为0到1，对于某个像素点其对应的亮度等级J，0≤J≤255，基于直方图Hist_C，该像素点的全局对比度GC(J)即该像素点的像素全局兴趣点特征值为：

$\mathrm{GC}\left(J\right)=\underset{0\&le;i\&le;255}{\mathrm{\&Sigma;}}\mathrm{Hist}\_C\left[i\right]*\mathrm{Dist}\left(\right|i-J\left|\right)$

其中，Dist是关于i与J绝对差的函数，可以取为如下形式：

$\mathrm{Dist}\left(x\right)=1-\exp (-\frac{x^2}{2{\mathrm{\&sigma;}}^2})$

其中σ在本较佳实施例中取值为10。

在本较佳实施例中，对于RGB源图像1中的7×5个区域块，将各区域块内的像素点的像素局部兴趣点特征值进行累加得到区块局部兴趣点特征值之和，将区域块内的像素点的像素特别兴趣点特征值进行累加得区块特别兴趣点特征值之和，通过对区域块内像素点的像素全局兴趣点特征值进行累加得到区块全局兴趣点特征值之和，将前述之和分别除以区域块的像素点数分别得到区块局部兴趣点特征值blk_mag、区块特别兴趣点特征值blk_skin以及区块全局兴趣点特征值blk_contrast。

在本较佳实施例中，对于RGB源图像1中的7×5个区域块：

定义第J列所有区域块中的区块局部兴趣点特征值的最大值为max_blk_mag[j]；

定义第J列所有区域块中的区块特别兴趣点特征值的最大值为max_blk_skin；

定义第第J列所有区域块中的区块全局兴趣点特征值的最大值为max_blk_contrast；

定义第J列所有区域块中的区块局部兴趣点特征值的平均值为avg_blk_mag[j]；

定义第第J列所有区域块中的区块特别兴趣点特征值的平均值为avg_blk_skin；

定义第J列所有区域块中的区块全局兴趣点特征值的平均值为avg_blk_contrast；

同时定义第J列水平区域局部兴趣点特征值为rg_mag[j]；

定义第J列水平区域特别兴趣点特征值为rg_skin[j]；

定义第J列水平区域全局兴趣点特征值为rg_contrast[j]；

则所述将各区块非位置兴趣点特征值按列及像素非位置兴趣点特征值的属性分类合并得到7个水平区域非位置兴趣点特征值的方法为：

rg_mag[j]=(1-k_avg)×max_blk_mag[j]+k_avg×avg_blk_mag[j]；

rg_skin[j]=(1-k_avg)×max_blk_skin[j]+k_avg×avg_blk_skin[j]；

rg_contrast[j]=(1-k_avg)×max_blk_contrast[j]+k_avg×avg_blk_contrast[j]；

其中j（0≤j≤6），k_avg为修正参数，取值范围为0≤k_avg≤1。

在本较佳实施例中，对于RGB源图像1中的7×5个区域块：

定义第J列的水平区域兴趣度量初始值为rg_intr_raw[j]；

定义第J列的列位置兴趣点特征值为rg_intr_pos[j]；

所述根据列位置兴趣点特征值和与该列对应的每种非位置兴趣点的水平区域非位置兴趣点特征值计算水平区域兴趣度量初始值的方法为：

rg_intr_raw[j]＝rg_intr_pos[j]+max（km×rg_mag[j],ks×rg_skin[j],kc×rg_contrast[j]）

其中，km>0，ks>0和kc>0为分别为梯度模特征量的调整参数、肤色特征量的调整参数和对比度特征量的调整参数。

在本较佳实施例中，对于RGB源图像1中的7×5个区域块：

定义第J列的水平区域兴趣度量初始值为rg_intr_raw[j]；

定义第J列的列位置兴趣点特征值为rg_intr_pos[j]；

所述根据列位置兴趣点特征值和与该列对应的每种非位置兴趣点的水平区域非位置兴趣点特征值计算水平区域兴趣度量初始值的方法为：

rg_intr_raw[j]＝rg_intr_pos[j]+max（km×rg_mag[j],ks×rg_skin[j],kc×rg_contrast[j]）

其中，km>0，ks>0和kc>0为分别为梯度模特征量的调整参数、肤色特征量的调整参数和对比度特征量的调整参数。

在本较佳实施例中，对于RGB源图像1中的7×5个区域块：

定义第j列所对应的整个区域的水平区域兴趣度值为rg_intr[j]；

所述对水平区域兴趣度量初始值进行修正或约束得到水平区域兴趣度值的方法为：

rg_intr[j]＝min(L_intr[j],K_intr[j]×rg_intr_raw[j])+B

其中，0<k_intr[j]为第j列所对应的整个区域的水平区域兴趣度值的调整比例，0<L_intr[j]为第J列的水平区域兴趣度值的上限，0<B为水平区域兴趣度值的调整量。

在本较佳实施例中，对于RGB源图像1中的7×5个区域块：

定义第J列所对应的整个区域在宽度方向的实际缩放比例为rg_ratio[j]；

则根据水平区域兴趣度值、图像的水平缩放比例和垂直缩放比例计算出每列的宽度方向的实际缩放比例的方法为：

$\mathrm{rg}\_\mathrm{ratio}\left[j\right]=\mathrm{ratio}\_\max \_\mathrm{intr}+\frac{\mathrm{ratio}\_\mathrm{avg}\_\mathrm{intr}-\mathrm{ratio}\_\max \_\mathrm{intr}}{\mathrm{avg}\_\mathrm{intr}-\max \_\mathrm{intr}}(\mathrm{rg}\_\mathrm{intr}[j]-\max \_\mathrm{intr})$

其中，max_intr是各列所对应的水平区域兴趣度值的最大值，avg_intr是各列所对应的水平区域兴趣度值rg_intr的平均值，ratio_max_intr是水平区域兴趣度值最大值max_intr对应的列区域在宽度方向上的缩放比例，显然在图像的水平缩放比例大于垂直缩放比例时，水平区域兴趣度值最大值max_intr对应的列区域在宽度方向上的缩放比例应等于垂直缩放比例，这样可确保位于该列的图像放大后不失真，ratio_avg_intr是各列区域在宽度方向上的平均缩放比例。在本较佳实施例中，对于RGB源图像1从640（宽）×480（高）放大到1920×1080，水平缩放比例的值为3,垂直缩放比例的值为2.25,显然需要做水平非线性缩放，这时ratio_max_intr应等于垂直缩放比例的值为2.25；各列区域在宽度方向上的平均缩放比例ratio_avg_intr应等于水平缩放比例，其值为3。

Claims (11)

1.一种改进的图像缩放方法，其特征在于所述方法包括如下步骤： 

A、计算源图像各像素点的像素非位置兴趣点特征值，所述像素非位置兴趣点特征值至少包括像素局部兴趣点特征值、像素特别兴趣点特征值和像素全局兴趣点特征值，同时，将源图像划分为M×N个区域块，所述区域块组成M列和N行，并根据各区域块内包括的像素点的像素非位置兴趣点特征值计算各区域块的区块非位置兴趣点特征值； 

B、分别计算缩放后的目标图像的宽度与源图像的宽度以及目标图像的高度与源图像的高度之比的绝对值，得到水平缩放比例和垂直缩放比例，水平缩放比例大于垂直缩放比例，则源图像由各区域块组成的M列中的各列的高度方向按垂直缩放比例缩放，M列中的各列的宽度方向的实际缩放比例的平均值等于水平缩放比例，同时，将各区块非位置兴趣点特征值按列及像素非位置兴趣点特征值的属性分类合并，对应每种像素非位置兴趣点特征值分别得到M个水平区域非位置兴趣点特征值，垂直缩放比例大于水平缩放比例，则源图像由各区域块组成的N行中的各行的宽度方向按水平缩放比例缩放，N行中的各行的高度方向的实际缩放比例的平均值等于垂直缩放比例，同时将各区块非位置兴趣点特征值按行及非位置兴趣点特征值的属性分类合并，对应每种像素非位置兴趣点特征值，分别得到N个垂直区域非位置兴趣点特征值； 

C、水平缩放比例大于垂直缩放比例，则将M×N个区域块按列所在位置的不同赋予列位置兴趣点特征值，赋值原则为位于源图像中间位置的列位置兴趣点特征值较大，越远离源图像中间位置的列位置兴趣点特征值越小；垂直缩放比例大于水平缩放比例，则将M×N个区域块分按行所在位置的不同赋予行位置兴趣点特征值，赋值原则为位于源图像中间位置的行位置兴趣点特征值较大，越远离源图像中间位置的行位置兴趣点特征值越小； 

D、水平缩放比例大于垂直缩放比例，则根据列位置兴趣点特征值和与该列对应的每种非位置兴趣点的水平区域非位置兴趣点特征值计算水平区域兴趣度量初始值，垂直缩放比例大于水平缩放比例，则根据行位置兴趣点特征值以及与该行对应的每种非位置兴趣点的垂直区域非位置兴趣点特征值计算垂直区域兴趣度量初始值； 

E、根据水平区域兴趣度量初始值以及垂直区域兴趣度量初始值的分布情况确定调整比例值、水平区域兴趣度值或垂直区域兴趣度值的上限值以及调整量值，并在此基础上对水平区域兴趣度量初始值或垂直区域兴趣度量初始值进行修正或约束得到水平区域兴趣度值或垂直区域兴趣度值； 

F、水平缩放比例大于垂直缩放比例，则根据水平区域兴趣度值、图像的水平缩放比例和垂直缩放比例计算出每列的宽度方向的实际缩放比例，垂直缩放比例大于水平缩放比例，则根 据垂直区域兴趣度值、图像的水平缩放比例和垂直缩放比例计算出每行的高度方向的实际缩放比例。 

2.根据权利要求1所述的一种改进的图像缩放方法，其特征在于所述像素局部兴趣点特征值根据亮度和/或颜色和/或方向差异来计算，且使用梯度计算法，并以梯度模值作为计算像素局部兴趣点特征值的依据，对于RGB图像，通过亮度分量求梯度模值或者对RGB三个分量分别求梯度模值，然后以三个分量的梯度模值的最大值作为梯度模值的量值，对于RGB源图像,通过亮度分量来计算像素局部兴趣点特征值，对于像素点为P(i,j)，取其邻域的四个像素点，分别P(i,j-1)、P(i,j+1)、P(i-1,j)、P(i+1,j),分别计算像素点为P(i,j)相对其领域的四个像素的水平梯度值和垂直梯度值，取最大值最为像素点P(i,j)的梯度模值，定义像素局部兴趣点特征值为mag(i,j)，则： 

mag(i,j)=min(1,k_mag×max{|P(i,j)-P(i,j-1)|,|P(i,j)-P(i,j+1)|,|P(i,j)-P(i-1,j)|,|P(i,j)-P(i+1,j)|})， 

其中，0≤k_mag≤1为模值归一化参数。 

3.根据权利要求1所述的一种改进的图像缩放方法，其特征在于所述像素特别兴趣点特征值为“1”或“0”，根据图像中是否存在人物来取值，图像中包含人物赋值“1”，图像中不包含人物赋值“0”，图像中是否存在人物通过肤色特征来判定。 

4.根据权利要求3所述的一种改进的图像缩放方法，其特征在于通过检测像素点是否同时满足肤色的亮度条件和色调条件来判定图像中是否存在人物，对于RGB图像，像素点满足为肤色的亮度条件如下： 

R>TH_r_skin， 

G>TH_g_skin， 

B>TH_b_skin， 

其中，TH_r_skin，TH_g_skin，TH_b_skin为阈值参数，根据图像中人物属性进行确定； 

对于RGB图像，像素点满足为肤色的色调条件如下： 

TH0_rg_skin<R-G<TH1_rg_skin 

TH0_rb_skin<R-B<TH1_rb_skin 

其中，TH0_rg_skin和TH1_rg_skin为R分量和G分量差值的低阀值和高阀值参数，TH0_rb_skin和TH1_rb_skinR分量和B分量差值的低阈值和高阈值参数。 

5.根据权利要求1所述的一种改进的图像缩放方法，其特征在于所述像素全局兴趣点特征值基于图像的全局对比度来进行计算，并以像素点的全局对比度作为像素点的像素全局兴趣点特征值，对于RGB图像则采用亮度直方图来计算全局对比度，RGB图像分量的取值范围为0到255，采用亮度直方图时为256级亮度直方图，通过将每个亮度等级的像素点数除以图像 总的像素个数得到，所述直方图定义为Hist_C，它是有256个元素的数组，每个元素范围都为0到1，对于某个像素点其对应的亮度等级J（0≤J≤255），其基于直方图Hist_C该像素点全局对比度GC(J)即该像素点的像素全局兴趣点特征值为： 

其中，Dist是关于i与J绝对差的函数，可以取为如下形式： 

其中σ取值为10。 

6.根据权利要求1所述的一种改进的图像缩放方法，其特征在于根据各区域块内包括的像素点的像素非位置兴趣点特征值计算各区域块的区块非位置兴趣点特征值的方法为在每个区域块内，通过对区域块内像素点的像素局部兴趣点特征值进行累加得到区块局部兴趣点特征值之和，通过对区域块内像素点的像素特别兴趣点特征值进行累加得区块特别兴趣点特征值之和，通过对区域块内像素点的像素全局兴趣点特征值进行累加得到区块全局兴趣点特征值之和，将前述之和分别除以区域块的像素点数分别得到区块局部兴趣点特征值blk_mag、区块特别兴趣点特征值blk_skin以及区块全局兴趣点特征值blk_contrast。 

7.根据权利要求1所述的一种改进的图像缩放方法，其特征在于： 

定义第J列所有区域块中的区块局部兴趣点特征值的最大值为max_blk_mag[j]； 

定义第J列所有区域块中的区块特别兴趣点特征值的最大值为max_blk_skin； 

定义第J列所有区域块中的区块全局兴趣点特征值的最大值为max_blk_contrast； 

定义第J列所有区域块中的区块局部兴趣点特征值的平均值为avg_blk_mag[j]； 

定义第第J列所有区域块中的区块特别兴趣点特征值的平均值为avg_blk_skin； 

定义第J列所有区域块中的区块全局兴趣点特征值的平均值为avg_blk_contrast； 

定义第J列水平区域局部兴趣点特征值为rg_mag[j]； 

定义第J列水平区域特别兴趣点特征值为rg_skin[j]； 

定义第J列水平区域全局兴趣点特征值为rg_contrast[j]； 

则所述将各区块非位置兴趣点特征值按列及像素非位置兴趣点特征值的属性分类合并得到M个水平区域非位置兴趣点特征值的方法为： 

rg_mag[j]=(1-k_avg)×max_blk_mag[j]+k_avg×avg_blk_mag[j]； 

rg__skin[j]=(1-k_avg)×max_blk_skin[j]+k_avg×avg_blk_skin[j]； 

rg__contrast[j]=(1-k_avg)×max_blk_contrast[j]+k_avg×avg_blk_contrast[j]； 

其中j（0≤j≤M-1），k_avg为修正参数，取值范围为0≤k_avg≤1。 

8.根据权利要求1所述的一种改进的图像缩放方法，其特征在于： 

定义第J行所有区域块中的区块局部兴趣点特征值的最大值为max_blk_mag[j]； 

定义第J行所有区域块中的区块特别兴趣点特征值的最大值为max2_blk_skin； 

定义第J行所有区域块中的区块全局兴趣点特征值的最大值为max2_blk_contrast； 

定义第J行所有区域块中的区块局部兴趣点特征值的平均值为avg2_blk_mag[j]； 

定义第J行所有区域块中的区块特别兴趣点特征值的平均值为avg2_blk_skin； 

定义第J行所有区域块中的区块全局兴趣点特征值的平均值为avg2_blk_contrast； 

定义第J行垂直区域局部兴趣点特征值为rg2_mag[j]； 

定义第J行垂直区域特别兴趣点特征值为rg2_skin[j]； 

定义第J行垂直区域全局兴趣点特征值为rg2_contrast[j]； 

则所述将各区块非位置兴趣点特征值按行及像素非位置兴趣点特征值的属性分类合并得到N个垂直区域非位置兴趣点特征值的方法为： 

rg2_mag[j]=(1-k_avg)×max2_blk_mag[j]+k_avg×avg2_blk_mag[j]； 

rg2__skin[j]=(1-k_avg)×max2_blk_skin[j]+k_avg×avg2_blk_skin[j]； 

rg2__contrast[j]=(1-k_avg)×max2_blk_contrast[j]+k_avg×avg2_blk_contrast[j]； 

其中j（0≤j≤N-1），k_avg为修正参数，取值范围为0≤k_avg≤1。 

9.根据权利要求1所述的一种改进的图像缩放方法，其特征在于： 

定义第J列的水平区域兴趣度量初始值为rg_intr_raw[j]； 

定义第J列的列位置兴趣点特征值为rg_intr_pos[j]； 

定义第J行的垂直区域兴趣度量初始值为rg2_intr_raw[j]； 

定义第J行的行位置兴趣点特征值为rg2_intr_pos[j]； 

所述根据列位置兴趣点特征值和与该列对应的每种非位置兴趣点的水平区域非位置兴趣点特征值计算水平区域兴趣度量初始值的方法为： 

rg_intr_raw[j]＝rg_intr_pos[j]+max（km×rg_mag[j],ks×rg_skin[j],kc×rg_contrast[j]） 

所述根据行位置兴趣点特征值和与该行对应的每种非位置兴趣点的垂直区域非位置兴趣点特征值计算水平垂直区域兴趣度量初始值的方法为： 

rg2_intr_raw[j]＝rg2_intr_pos[j]+max（km×rg2_mag[j],ks×rg2_skin[j],kc×rg2_contrast[j]） 

其中，km>0，ks>0和kc>0为分别为梯度模特征量的调整参数、肤色特征量的调整参数和对 比度特征量的调整参数。 

10.根据权利要求1所述的一种改进的图像缩放方法，其特征在于： 

定义第j列所对应的整个区域的水平区域兴趣度值为rg_intr[j]； 

定义第j行所对应的整个区域的垂直区域兴趣度值为rg2_intr[j]； 

所述对水平区域兴趣度量初始值进行修正或约束得到水平区域兴趣度值的方法为： 

rg_intr[j]＝min(L_intr[j],K_intr[j]×rg_intr_raw[j])+B 

其中，0<k_intr[j]为第j列所对应的整个区域的水平区域兴趣度值的调整比例，0<L_intr[j]为第J列的水平区域兴趣度值的上限，0<B为水平区域兴趣度值的调整量； 

所述对垂直区域兴趣度量初始值进行修正或约束得到垂直区域兴趣度值的方法为： 

rg2_intr[j]＝min(L2_intr[j],K2_intr[j]×rg2_intr_raw[j])+B2 

其中，0<k2_intr[j]为第j行所对应的整个区域的垂直区域兴趣度值的调整比例，0<L2_intr[j]为第J行的垂直区域兴趣度值的上限，0<B2为垂直区域兴趣度值的调整量。 

11.根据权利要求1所述的一种改进的图像缩放方法，其特征在于： 

定义第J列所对应的整个区域在宽度方向的实际缩放比例为rg_ratio[j]； 

则根据水平区域兴趣度值、图像的水平缩放比例和垂直缩放比例计算出每列的宽度方向的实际缩放比例的方法为： 

其中，max_intr是各列所对应的水平区域兴趣度值的最大值，avg_intr是各列所对应的水平区域兴趣度值rg_intr的平均值，ratio_max_intr是水平区域兴趣度值最大值max_intr对应的列区域在宽度方向上的缩放比例，在图像的水平缩放比例大于垂直缩放比例时，水平区域兴趣度值最大值max_intr对应的列区域在宽度方向上的缩放比例等于垂直缩放比例，ratio_avg_intr是各列区域在宽度方向上的平均缩放比例，当图像从M（宽）×N（高）放大到M1（宽）×N1（高）,水平缩放比例为M/M1,垂直缩放比例为N/N1,需要做水平非线性缩放时，则ratio_max_intr等于N/N1，ratio_avg_intr等于M/M1； 

定义第J行所对应的整个区域在高度方向的实际缩放比例为rg2_ratio[j]； 

则根据垂直区域兴趣度值、图像的水平缩放比例和垂直缩放比例计算出每列的宽度方向的实际缩放比例的方法为： 

其中，max2_intr是各行所对应的垂直区域兴趣度值的最大值，avg2_intr是各行所对应的垂直 区域兴趣度值rg2_intr的平均值，ratio2_max_intr是垂直区域兴趣度值最大值max2_intr对应的行区域在高度方向上的缩放比例，在图像的垂直缩放比例大于水平缩放比例，垂直区域兴趣度值最大值max2_intr对应的行区域在高方向上的缩放比例等于水平缩放比例，ratio2_avg_intr是各行区域在高度方向上的平均缩放比例，当图像从M（宽）×N（高）放大到M1（宽）×N1（高）,水平缩放比例为M/M1,垂直缩放比例为N/N1,需要做垂直非线性缩放时，则ratio2_max_intr等于M/M1，ratio2_avg_intr等于N/N1。 

Images