CN104794692A - 一种图像去锯齿的系统 - Google Patents

Abstract

本发明公开了一种图像去锯齿系统包括边缘检测单元、方向滤波器、小角度方向滤波器、方向滤波融合单元、结果融合单元，边缘检测单元依据输入图像输出像素的边缘方向和边缘置信度，方向滤波器依据输入图像和像素的边缘方向输出方向滤波结果，小角度方向滤波器依据输入图像和像素的边缘方向输出小角度方向滤波结果；方向滤波融合单元依据各像素的边缘方向将方向滤波器输出结果和小角度方向滤波器输出结果加权组合，输出方向滤波加权组合结果；结果融合单元依据各像素的边缘置信度、输入图像、方向滤波加权组合结果输出优化图像。本发明能很好地处理任意方向的方向滤波，并对低角度锯齿具有良好的效果。

Description

一种图像去锯齿的系统

技术领域

本发明涉及图像视频处理技术领域，尤其涉及对图像、视频、图形进行锯齿去除的领域。

背景技术

图像和视频处理中的缩放和去隔行等处理会给图像的边缘带来锯齿效应，即在源图像中看上去直的边缘在处理后的图像上，在边缘附近出现了锯齿效应。在图形渲染中，处理一条直线时，如果处理不当，渲染出的直线会出现锯齿。当图像出现锯齿时，需要对锯齿进行去除。

一种传统的去锯齿系统如图1所示，先检测图像的边缘，根据边缘方向在方向滤波器组中选取一个滤波器，进行沿边缘方向的滤波，最后利用边缘的置信度对源图像和方向滤波融合单元组合的结果进行组合，输出最终结果。这种去锯齿系统有几个缺点，第一个缺点是方向往往经过量化，量化成有限的几个的方向，每个方向对应一个沿方向的滤波器，这样对于落在量化方向中间的方向，只能选取就近的量化方向进行滤波，或者对邻近的几个量化方向滤波结果进行组合，准确性受到影响。第二个缺点是在处理低角度(即接近水平方向的角度)时，对于低于量化方向中最低角度的方向，无法有效处理该方向出现的锯齿。第三个缺点是在处理小角度(即接近水平方向的角度)时，参与滤波的像素相隔较远，容易造成错误。

发明内容

为了解决上述技术问题，本发明提出了一种图像去锯齿系统，该系统能很好地处理任意方向的方向滤波，并对低角度锯齿具有良好的效果。

本发明提出的一种图像去锯齿系统，包括边缘检测单元、方向滤波器、结果融合单元，边缘检测单元依据输入图像输出像素的边缘方向和边缘置信度，方向滤波器依据输入图像和像素的边缘方向输出方向滤波结果，结果融合单元依据像素的边缘置信度、输入图像和方向滤波结果输出优化图像，所述的方向滤波器根据待插值像素的边缘方向，计算出穿过该像素的沿边缘方向的一条线与邻域水平扫描线或邻域垂直扫描线的交点坐标，并利用一维插值的方法，插出位于交点的临时像素，再利用滤波器对沿边缘方向上的各个临时像素进行滤波，输出方向滤波结果。

为了实现更好的去锯齿效果，本发明的一种图像去锯齿系统还包括小角度方向滤波器、方向滤波融合单元；小角度方向滤波器依据输入图像和像素的边缘方向输出小角度方向滤波结果；方向滤波融合单元依据像素的边缘方向将方向滤波器输出结果和小角度方向滤波器输出结果加权组合，输出方向滤波加权组合结果；结果融合单元依据像素的边缘置信度、输入图像、方向滤波加权组合结果输出优化图像；

所述方向滤波器通过计算穿过待插值像素的沿边缘方向的一条线与邻域水平扫描线的交点坐标来得到位于交点的临时像素时，所述的小角度方向滤波器依据待插值像素的边缘方向，计算出穿过该像素的沿边缘方向的一条线与邻域垂直扫描线的交点坐标，并利用一维插值的方法，插出位于交点的临时像素；再利用一维滤波器对沿边缘方向上的各个临时像素进行滤波，输出小角度方向滤波结果。

所述方向滤波器通过计算穿过待插值像素的沿边缘方向的一条线与邻域垂直扫描线的交点坐标来得到位于交点的临时像素时，所述的小角度方向滤波器依据待插值像素的边缘方向，计算出穿过该像素的沿边缘方向的一条线与邻域水平扫描线的交点坐标，并利用一维插值的方法，插出位于交点的临时像素；再利用一维滤波器对沿边缘方向上的各个临时像素进行滤波，输出小角度方向滤波结果。

本发明具有如下有益效果

(1)由于不进行方向量化，可以处理任意方向的锯齿；

(2)可以很好地处理小角度的锯齿，可以处理的角度可以任意接近水平方向。

附图说明

图1传统的去锯齿系统框图；

图2本发明图像去锯齿系统框图；

图3本发明边缘检测单元框图；

图4归一化的边缘置信度计算曲线示意图；

图5本发明方向滤波器结构示意图；

图6本发明方向滤波示意图；

图7本发明在小角度进行方向滤波示意图；

图8本发明小角度方向滤波示意图；

图9本发明小角度方向滤波器结构示意图；

图10本发明方向滤波的融合权重计算曲线示意图；

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

如图2所示，本实施例的图像去锯齿系统包括边缘检测单元、方向滤波器、小角度方向滤波器、方向滤波融合单元、结果融合单元，边缘检测单元依据输入图像f输出像素的边缘方向D和边缘置信度R_edge，方向滤波器依据输入图像f和像素的边缘方向D输出方向滤波结果f_dh，小角度方向滤波器依据输入图像f和像素的边缘方向D输出小角度方向滤波结果f_dl；方向滤波融合单元依据像素的边缘方向D将方向滤波器输出结果f_dh和小角度方向滤波器输出结果f_dl加权组合，输出方向滤波加权组合结果f_d；结果融合单元依据像素的边缘置信度R_edge、输入图像f、方向滤波加权组合结果f_d输出优化图像f’。

如图3所示，边缘检测单元包括水平梯度计算模块、垂直梯度计算模块、局部协方差矩阵据算模块、特征值和特征向量计算模块、边缘方向计算模块、边缘置信度计算模块，水平梯度计算模块依据输入图像f计算图像像素的水平梯度g_x，垂直梯度计算模块依据输入图像f计算图像像素的垂直梯度g_y，局部协方差矩阵据算模块依据像素的水平梯度g_x和垂直梯度g_y计算像素的局部协方差M_c，特征值和特征向量计算模块依据局部协方差M_c计算像素局部协方差矩阵的特征值λ和特征向量e，边缘方向计算模块依据特征值λ计算像素的边缘方向d，边缘置信度计算模块用于依据特征向量e计算像素的边缘置信度R_edge。

其中水平梯度g_x和垂直梯度g_y可以用sobel梯度算子或其他梯度算子得到。局部协方差M_c的计算公式如式(1)，假设用于计算局部协方差的窗口大小为(2K+1)*(2N+1)，则位于(i,j)的像素其局部协方差为

$M_c(i,j)=\left(\begin{array}{cc}m11& m12\\ m21& m22\end{array}\right)=\left(\begin{array}{cc}{\mathrm{\Σ}}_{n=-N}^N{\mathrm{\Σ}}_{k=-K}^K{\left(g_x(i+k,j+n)\right)}^2& {\mathrm{\Σ}}_{n=-N}^N{\mathrm{\Σ}}_{k=-K}^K{g}_x(i+k,j+n)*g_y(i+k,j+n)\\ {\mathrm{\Σ}}_{n=-N}^N{\mathrm{\Σ}}_{k=-K}^K{g}_x(i+k,j+n)*g_y(i+k,j+n)& {\mathrm{\Σ}}_{n=-N}^N{\mathrm{\Σ}}_{k=-K}^K(g_y(i+k,j+n){)}^2\end{array}\right)---\left(1\right)$

协方差矩阵M_c特征值为λ₁和λ₂，λ₁≥λ₂，特征向量为e_λ1和e_λ2。则边缘方向D和较小特征值λ₂对应的特征向量相同，即如式(2)所示

D＝e_λ2  (2)

边缘方向的置信度R计算如式(3)所示，其中Tr表示矩阵的迹，Det表示矩阵的行列式。

$R=\frac{{\mathrm{\λ}}_1}{{\mathrm{\λ}}_2}\≈\frac{\mathrm{Tr}\left(M_c\right)}{\mathrm{Det}\left(M_c\right)}---\left(3\right)$

归一化的边缘置信度R_edge计算如图4所示，其公式如图4所示

$R_{\mathrm{edge}}=\left\{\begin{array}{ccc}& & \\ 1& \mathrm{if}& R>R\_T2\\ 0& \mathrm{if}& R<R\_T1\\ \frac{R-R\_T1}{R\_T2-R\_T1}& \mathrm{else}& \end{array}\right.---\left(4\right)$

其中R_T1和R_T2为预设的两个阈值。

方向滤波器采用邻域水平扫描线和邻域垂直扫描线均可达到相应的滤波效果，本实施例采用邻域水平扫描线进行详细说明。所述的方向滤波器根据待处理像素的边缘方向D，计算出穿过该像素的沿边缘方向的一条线与邻域水平扫描线的交点坐标，并利用一维插值的方法，插出位于交点的临时像素，再利用滤波器对沿边缘方向上的各个临时像素进行滤波，输出方向滤波结果f_dh。

为方便叙述和理解，本实施例仅举穿过该像素的沿边缘方向的一条线与邻域水平扫描线的交点计算单元为5个的例子。

方向滤波示意图如图6所示，其中黑点为原始图像像素，P为待滤波像素，根据待滤波像素P的边缘方向，计算出穿过该像素的沿边缘方向的一条线Lp与邻域水平扫描线(如图6所示的H0，H1,H2,H3,H4)的交点坐标，并利用水平插值的方法，插出位于交点的临时像素(P0,P1,P2,P3,P4)，如图6的五角星所示，再利用沿方向的一维滤波器对各个边缘方向上的临时像素进行滤波，得到最终的方向滤波结果。

如图5所示方向滤波器中的边缘方向与水平扫描线交点计算单元一共有m个(本实施例中m＝5)，其中边缘方向与水平扫描线交点计算单元n(n＝0,1...,m-1)计算出边缘方向与水平扫描线Hn(n＝0,1...,m-1)之间的交点Pn的坐标，即边缘方向与水平扫描线交点计算单元0计算出边缘方向与水平扫描线H0之间的交点P0的坐标，边缘方向与水平扫描线交点计算单元4计算出边缘方向与水平扫描线H4之间的交点P4的坐标。交点坐标计算过程如下，设待滤波的像素P的坐标为(i,j)，设输入方向D＝[v1,v2]^T，则穿过该像素的沿边缘方向的一条线Lp与水平线Hn(n＝0,1,2,3,4)的交点Pn(n＝0,1,2,3,4)的坐标(Pn.y,Pn,x)如公式(5)所示

$\left\{\begin{array}{cc}P0.y=i-2;& P0.x=j+2*\frac{v1}{v2}\\ P1.y=i-1;& P1.x=j+1*\frac{v1}{v2}\\ P2.y=i;& P2.x=j\\ P3.y=i+1;& P3.x=j-1*\frac{v1}{v2}\\ P4.y=i+2;& P4.x=j-2*\frac{v1}{v2}\end{array}\right.---\left(5\right)$

如图5所示方向滤波器中的一维插值单元接受图像输入，以及边缘方向与水平扫描线的交点计算单元计算出的交点坐标，用一维插值的方法插出边缘方向上的临时像素点Pn。一维插值利用水平邻近的几个原始像素的加权组合计算出待插值点的值。具体一维插值的方法可以选取三次插值，线性插值，及多相位滤波器插值方法。

如图5所示方向滤波器中的一维滤波单元接受5个位于边缘方向上的临时像素点Pn(n＝0,1,2,3,4)的输入，对5个临时像素点进行一维滤波得到最终的滤波结果f_dh，如式(6)所示

$f_{\mathrm{dh}}={\mathrm{\&Sigma;}}_{n=0}^4{c}_n*p_n---\left(6\right)$

其中c_n为预设的进行滤波的系数，可以取做c_n＝1/5.即均值滤波。

如果用图6所示的方向滤波方式对图像进行滤波，当像素的边缘方向为小角度时(即接近水平角度)时，边缘方向上的临时像素点P0,P1,P3,P4与待滤波像素P之间距离较远，如图7所示，相距较远的像素可能已经不属于待滤波像素所处的边缘，让非边缘的像素也参与平滑滤波，有可能出现错误。

为解决这个问题，本实施例采用如图8所示的小角度方向滤波方法，根据待滤波像素P的边缘方向D，此时计算出穿过该像素的沿边缘方向的一条线Lp与邻域垂直扫描线(如图8所示的V0，V1,V2,V3,V4)的交点坐标，并利用一维插值的方法，插出位于交点的临时像素P0、P1、P2、P3、P4(如图8的五角星所示)，再利用一维滤波器对沿边缘方向上的各个临时像素进行滤波，输出小角度方向滤波结果f_dl。

小角度方向滤波器单元的结构图如图9所示，接受图像f和边缘检测单元计算的方向D的输入，输出方向滤波的结果f_dl。为方便叙述和理解，本实施例仅举本实施例仅举穿过该像素的沿边缘方向的一条线与邻域水平扫描线的交点计算单元为5个的例子。

如图9所示小角度方向滤波器中的边缘方向与垂直扫描线交点计算单元一共有m个(本实施例中m＝5)，其中边缘方向与垂直扫描线交点计算单元n(n＝0,1...,m-1)计算出边缘方向与垂直扫描线Vn(n＝0,1...,m-1)之间的交点Pn的坐标，即边缘方向与垂直扫描线交点计算单元0计算出边缘方向与垂直扫描线V0之间的交点P0的坐标，边缘方向与垂直扫描线交点计算单元4计算出边缘方向与垂直扫描线V4之间的交点P4的坐标。交点坐标计算过程如下，设待滤波的像素P的坐标为(i,j)，设输入方向D＝[v1,v2]^T，则穿过该像素的沿边缘方向的一条线Lp与垂直扫描线Vn(n＝0,1,2,3,4)的交点Pn(n＝0,1,2,3,4)的坐标(Pn.y,Pn,x)如公式(7)所示

$\left\{\begin{array}{cc}P0.y=i-2*\frac{v2}{v1};& P0.x=j+2\\ P1.y=i-1*\frac{v2}{v1};& P1.x=j+1\\ P2.y=i;& P2.x=j\\ P3.y=i+1*\frac{v2}{v1};& P3.x=j-1\\ P4.y=i+2*\frac{v2}{v1};& P4.x=j-2\end{array}\right.---\left(7\right)$

如图9所示小角度方向滤波器中的一维插值单元接受图像输入，以及边缘方向与垂直扫描线的交点计算单元计算出的交点坐标，用一维插值的方法插出位于交点的临时像素点Pn。一维插值利用垂直方向上邻近的几个原始像素的加权组合计算出待插值点的值。具体一维插值的方法可以选取三次插值，线性插值，及多相位滤波器插值方法。

如图9所示小角度方向滤波器中的一维滤波单元接受5个位于边缘方向上的临时像素点Pn(n＝0,1,2,3,4)的输入，对5个临时像素点进行一维滤波得到最终的滤波结果f_dl，如式(8)所示

$f_{\mathrm{dl}}={\mathrm{\&Sigma;}}_{n=0}^4{c}_n*p_n---\left(8\right)$

其中c_n为预设的进行滤波的系数，可以取做|c_n＝1/5.即均值滤波。

如图2所示的图像去锯齿系统中的方向滤波融合单元接受方向滤波器的输入f_dh和小角度方向滤波器的输入f_dl，以及边缘方向D＝[v1,v2]^T输入,v1代表方向向量的水平分量，v2代表代表方向向量的垂直分量。根据边缘方向的角度进行加权组合，如式(9)所示，其中w为加权的权重

f_d＝(1-w)*f_dh+w*f_dl  (9)

其中权重计算如图10所示，其计算公式如(10)所示

$w=\left\{\begin{array}{ccc}& & \\ 1& \mathrm{if}& \mathrm{\&theta;}<\mathrm{\&theta;}\_T1\\ 0& \mathrm{if}& \mathrm{\&theta;}>\mathrm{\&theta;}\_T2\\ \frac{\mathrm{\&theta;}\_T2-\mathrm{\&theta;}}{\mathrm{\&theta;}\_T2-\mathrm{\&theta;}\_T1}& \mathrm{else}& \end{array}\right.---\left(10\right)$

其中θ为边缘方向D对应的角度，θ_T1和θ_T2为预设的两个阈值。

边缘方向D对应的角度θ的计算公式如(11)所示

$\mathrm{\&theta;}={\tan }^{-1}\frac{v2}{v1}---\left(11\right)$

结果融合单元接受图像输入f以及方向滤波结果f_d，以及边缘置信度R_edge，根据边缘置信度对f_d和f进行加权融合，如式(12)所示

f_d＝(1-R_edge)*f+R_edge*f_d     (12)

Claims (11)

1.一种图像去锯齿系统，包括边缘检测单元、方向滤波器、结果融合单元，边缘检测单元依据输入图像输出像素的边缘方向和边缘置信度，方向滤波器依据输入图像和像素的边缘方向输出方向滤波结果，结果融合单元依据像素的边缘置信度、输入图像和方向滤波结果输出优化图像，其特征在于，所述的方向滤波器根据待插值像素的边缘方向，计算出穿过该像素的沿边缘方向的一条线与邻域水平扫描线或邻域垂直扫描线的交点坐标，并利用一维插值的方法，插出位于交点的临时像素，再利用滤波器对沿边缘方向上的各个临时像素进行滤波，输出方向滤波结果。

2.如权利要求1所述的一种图像去锯齿系统，其特征在于，还包括小角度方向滤波器、方向滤波融合单元；小角度方向滤波器依据输入图像和像素的边缘方向输出小角度方向滤波结果；方向滤波融合单元依据像素的边缘方向将方向滤波器输出结果和小角度方向滤波器输出结果加权组合，输出方向滤波加权组合结果；结果融合单元依据像素的边缘置信度、输入图像、方向滤波加权组合结果输出优化图像；

所述方向滤波器通过计算穿过待插值像素的沿边缘方向的一条线与邻域水平扫描线的交点坐标来得到位于交点的临时像素时，所述的小角度方向滤波器依据待插值像素的边缘方向，计算出穿过该像素的沿边缘方向的一条线与邻域垂直扫描线的交点坐标，并利用一维插值的方法，插出位于交点的临时像素；再利用一维滤波器对沿边缘方向上的各个临时像素进行滤波，输出小角度方向滤波结果；

所述方向滤波器通过计算穿过待插值像素的沿边缘方向的一条线与邻域垂直扫描线的交点坐标来得到位于交点的临时像素时，所述的小角度方向滤波器依据待插值像素的边缘方向，计算出穿过该像素的沿边缘方向的一条线与邻域水平扫描线的交点坐标，并利用一维插值的方法，插出位于交点的临时像素；再利用一维滤波器对沿边缘方向上的各个临时像素进行滤波，输出小角度方向滤波结果。

3.如权利要求2所述的一种图像去锯齿系统，其特征在于，边缘检测单元包括水平梯度计算模块、垂直梯度计算模块、局部协方差矩阵据算模块、特征值和特征向量计算模块、边缘方向计算模块、边缘置信度计算模块，水平梯度计算模块依据输入图像计算图像像素的水平梯度，垂直梯度计算模块依据输入图像计算图像像素的垂直梯度，局部协方差矩阵据算模块依据像素的水平梯度和垂直梯度计算像素的局部协方差，特征值和特征向量计算模块依据局部协方差计算像素局部协方差矩阵的特征值和特征向量，边缘方向计算模块依据特征值计算像素的边缘方向，边缘置信度计算模块用于依据特征向量计算像素的边缘置信度。

4.如权利要求3所述的一种图像去锯齿系统，其特征在于，局部协方差的计算公式为

$M_c(i,j)=\left(\begin{array}{cc}{\mathrm{\&Sigma;}}_{x=-N}^N{\mathrm{\&Sigma;}}_{k=-K}^K{\left(g_x(i+k,j+n)\right)}^2& {\mathrm{\&Sigma;}}_{n=-N}^N{\mathrm{\&Sigma;}}_{k=-K}^K{g}_x(i+k,j+n)*g_y(i+k,j+n)\\ {\mathrm{\&Sigma;}}_{n=-N}^N{\mathrm{\&Sigma;}}_{k=-K}^K{g}_x(i+k,j+n)*g_y(i+k,j+n)& {\mathrm{\&Sigma;}}_{n=-N}^N{\mathrm{\&Sigma;}}_{k=-K}^K{\left(g_y(i+k,j+n)\right)}^2\end{array}\right)$

其中局部协方差的窗口大小为(2K+1)*(2N+1)，M_c(i，j)为坐标为(i,j)的像素的局部协方差，g_x为像素的水平梯度，g_y为像素的垂直梯度；

边缘方向的计算公式为D＝e_λ2，其中D为边缘方向，e_λ2为协方差矩阵M_c的较小特征值对应的特征向量；

边缘置信度的计算公式为

$R_{\mathrm{edge}}=\left\{\begin{array}{ccc}1& \mathrm{if}& R>R\_T2\\ 0& \mathrm{if}& R<R\_T1\\ \frac{R-R\_T1}{R\_T2-R\_T1}& & \mathrm{else}\end{array}\right.$

其中R_edge为归一化的边缘方向的置信度，R_T1和R_T2为预设的两个阈值，R为边缘方向置信度，其中λ₁和λ₂分别为协方差矩阵M_c(i,j)的两个特征值为，且λ₁≥λ₂。

5.如权利要求4所述的一种图像去锯齿系统，其特征在于，所述的一维插值的方法可以采用三次插值方法、线性插值方法或多相位滤波器插值方法。

6.如权利要求5所述的一种图像去锯齿系统，其特征在于，待处理像素的沿边缘方向的一条线与邻域水平扫描线交点坐标的计算公式为：

$\left\{\begin{array}{cc}\mathrm{Pn}-m.y=i-m;& \mathrm{Pn}-m.x=j+m*\frac{v1}{v2}\\ & \&CenterDot;\\ & \&CenterDot;\\ & \&CenterDot;\\ \mathrm{Pn}-2.y=i-2;& \mathrm{Pn}-2.x=j+2*\frac{v1}{v2}\\ \mathrm{Pn}-1.y=i-1;& \mathrm{Pn}-1.x=j+1*\frac{v1}{v2}\\ \mathrm{Pn}.y=i;& \mathrm{Pn}.x=j\\ \mathrm{Pn}+1.y=i+1;& \mathrm{Pn}+1.x=j-1*\frac{v1}{v2}\\ \mathrm{Pn}+2.y=i+2;& \mathrm{Pn}+2.x=j-2*\frac{v1}{v2}\\ & \&CenterDot;\\ & \&CenterDot;\\ & \&CenterDot;\\ \mathrm{Pn}+m.y=i-m;& \mathrm{Pn}+m.y=j-m*\frac{v1}{v2}\end{array}\right.$

其中(Pn.y,Pn,x)为坐标为(i,j)的待处理像素P的边缘方向与水平扫描线交点，m为大于等于2的自然数，v1代表边缘方向向量的水平分量，v2代表代表边缘方向向量的垂直分量。

7.如权利要求5所述的一种图像去锯齿系统，其特征在于，待处理像素的沿边缘方向的一条线与邻域垂直扫描线交点坐标的计算公式为：

$\left\{\begin{array}{cc}\mathrm{Pn}-m.y=i-m*\frac{v1}{v2};& \mathrm{Pn}-m.x=j+m\\ \&CenterDot;& \\ \&CenterDot;& \\ \&CenterDot;& \\ \mathrm{Pn}-2.y=i-2*\frac{v1}{v2};& \mathrm{Pn}-2.x=j+2\\ \mathrm{Pn}-1.y=i-1*\frac{v1}{v2}& \mathrm{Pn}-1.x=j+1\\ \mathrm{Pn}.y=i;& \mathrm{Pn}.x=j\\ \mathrm{Pn}+1.y=i+1*\frac{v1}{v2}& \mathrm{Pn}+1.x=j-1\\ \mathrm{Pn}+2.y=i+2*\frac{v1}{v2}& \mathrm{Pn}+2.x=j-2\\ \&CenterDot;& \\ \&CenterDot;& \\ \&CenterDot;& \\ \mathrm{Pn}+m.y=i+m*\frac{v1}{v2}& \mathrm{Pn}+m.x=j-m\end{array}\right.$

其中(Pn.y,Pn,x)为坐标为(i,j)的待处理像素P的边缘方向与垂直扫描线交点，m为大于等于2的自然数，v1代表边缘方向向量的水平分量，v2代表代表边缘方向向量的垂直分量。

8.如权利要求6或7所述的一种图像去锯齿系统，其特征在于，对各个临时像素进行滤波的滤波器为一维滤波器。

9.如权利要求8所述的一种图像去锯齿系统，其特征在于，方向滤波加权组合结果为f_d＝(1-w)*f_dh+w*f_dl，其中f_d为方向滤波加权组合结果，w为加权组合权重，f_dh方向滤波结果，f_dl为小角度方向滤波结果。

10.如权利要求9所述的一种图像去锯齿系统，其特征在于，方向滤波融合单元中的加权组合权重w的计算公式为

$w=\left\{\begin{array}{ccc}1& \mathrm{if}& \mathrm{\&theta;}<\mathrm{\&theta;}\_T1\\ 0& \mathrm{if}& \mathrm{\&theta;}>\mathrm{\&theta;}\_T2\\ \frac{\mathrm{\&theta;}\_T2-\mathrm{\&theta;}}{\mathrm{\&theta;}\_T2-\mathrm{\&theta;}\_T1}& & \mathrm{else}\end{array}\right.$

其中θ为边缘方向D对应的角度，θ_T1和θ_T2为预设的两个阈值。

11.如权利要求10所述的一种图像去锯齿系统，其特征在于，优化图像的加权融合公式为

f′＝(1-R_edge)*f+R_edge*f_d

其中f′为优化图像，R_edge为归一化的边缘方向的置信度，f为输入图像，f_d为方向滤波加权组合结果。