CN104881843A - 图像插值方法和图像插值装置 - Google Patents

图像插值方法和图像插值装置 Download PDF

Info

Publication number
CN104881843A
CN104881843A CN201510317022.5A CN201510317022A CN104881843A CN 104881843 A CN104881843 A CN 104881843A CN 201510317022 A CN201510317022 A CN 201510317022A CN 104881843 A CN104881843 A CN 104881843A
Authority
CN
China
Prior art keywords
interpolation
angle
edge direction
point
angle domain
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201510317022.5A
Other languages
English (en)
Inventor
段然
张丽杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BOE Technology Group Co Ltd
Original Assignee
BOE Technology Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by BOE Technology Group Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN201510317022.5A priority Critical patent/CN104881843A/zh
Publication of CN104881843A publication Critical patent/CN104881843A/zh
Priority to US15/030,588 priority patent/US10115180B2/en
Priority to PCT/CN2015/096933 priority patent/WO2016197571A1/en
Priority to EP15849829.5A priority patent/EP3308351A4/en
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/403—Edge-driven scaling; Edge-based scaling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20004—Adaptive image processing
    • G06T2207/20012—Locally adaptive
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种图像插值方法和图像插值装置，该图像插值方法包括：获取图像上的边缘点信息；根据边缘点信息和待插值点的周边参考点判断待插值点是否位于边缘区域；当判断出待插值点位于边缘区域时，获取待插值点的边缘方向所属的角度类，图像中像素点的边缘方向被预先分类成m个角度域，m个角度域被预先划分成n个角度类；根据待插值点的边缘方向所属的角度类选取对应的一维水平插值核对待插值点进行水平插值；在完成水平插值后，采用预设的一维垂直插值核对待插值点进行垂直插值。本发明的技术方案不仅可保证经插值处理后图像的质量，而且还可降低插值过程中的计算复杂度和减小插值过程中可能占用的软、硬件资源。

Description

图像插值方法和图像插值装置
技术领域
本发明涉及显示技术领域，特别涉及一种图像插值方法和图像插值装置。
背景技术
在视频显示系统中，由于视频源分辨率多种多样，视频输入信号在被送入显示器件显示之前，需要经过图像插值缩放处理。由于图像插值缩放的性能直接决定了视频显示的质量，因此视频显示系统迫切需要高质量的图像插值缩放来提高用户的视觉体验。
目前，现有技术中往往利用Nearest插值核、Bilinear插值核、Bicubic插值核、Lanczos插值核(包括：Lanczos1插值核、Lanczos2插值核、Lanczos4插值核和Lanczos6插值核)等一些现有的二维插值核来对图像进行插值。
然而在利用现有的这些二维插值核进行插值运算时，当选用较小的二维插值核进行运算时，往往使得最终呈现的图像中存在明显的锯齿或失真；当选用较大的二维插值核进行运算时，虽然能避免图像的失真，但是整个运算过程所耗费的时间较长，且对硬件的要求更高。
发明内容
本发明提供一种图像插值方法和图像插值装置，可有效根据图像的边缘点信息进行自适应插值，以在保证经插值处理后图像的质量的同时，还可降低插值过程中的计算复杂度和减小插值过程中可能占用的软、硬件资源。
为实现上述目的，本发明提供了一种图像插值方法，用于对图像进行插值，包括：
获取所述图像上的边缘点信息；
根据所述边缘点信息和待插值点的周边参考点判断所述待插值点是否位于边缘区域，所述周边参考点为所述待插值点周围p×p阵列的所有像素点，其中p为大于1的自然数；
当判断出所述待插值点位于边缘区域时，获取所述待插值点的边缘方向所属的角度类，所述边缘方向为与梯度方向垂直的方向，所述图像中像素点的边缘方向被预先分类成m个角度域，所述m个角度域被预先划分成n个角度类，其中m和n为自然数，且n≤m；
根据所述待插值点的边缘方向所属的角度类选取对应的一维水平插值核对所述待插值点进行水平插值；
完成水平插值后，采用预设的一维垂直插值核对所述待插值点进行垂直插值。
可选地，n的取值为3，3个角度类分别为第一角度类、第二角度类和第三角度类；
当所述待插值点的边缘方向属于第一角度类时，所述根据所述待插值点的边缘方向所属的角度类选取对应的一维水平插值核对所述待插值点进行水平插值的步骤包括：
采用一维的Lanczos6水平插值核来对所述待插值点进行水平插值；
当所述待插值点的边缘方向属于第二角度类时，所述根据所述待插值点的边缘方向所属的角度类选取对应的一维水平插值核对所述待插值点进行水平插值的步骤包括：
采用一维的Bicubic水平插值核来对所述待插值点进行水平插值；
当所述待插值点的边缘方向属于第三角度类时，所述根据所述待插值点的边缘方向所属的角度类选取对应的一维水平插值核对所述待插值点进行水平插值的步骤包括：
采用一维的Lanczos3水平插值核来对所述待插值点进行水平插值。
可选地，m的取值为8，8个角度域分别为：
角度域0，边缘方向的角度范围包括：
[0°，11.25°+α]∪[168.75°，191.25°+α]∪[348.75°，360°]；
角度域1，边缘方向的角度范围包括：
[11.25°，40°+α]∪[191.25°，220°+α]；
角度域2，边缘方向的角度范围包括：
[40°，50°+α]∪[220°，230°+α]；
角度域3，边缘方向的角度范围包括：
[50°，78.75°+α]∪[230°，258.75°+α]；
角度域4，边缘方向的角度范围包括：
[78.75°，101.25°+α]∪[258.75°，281.25°+α]；
角度域5，边缘方向的角度范围包括：
[101.25°，130°+α]∪[281.25°，310°+α]；
角度域6，边缘方向的角度范围包括：
[130°，140°+α]∪[310°，320°+α]；
角度域7，边缘方向的角度范围包括：
[140°，168.75°+α]∪[320°，348.75°+α]；
或者，
角度域0，边缘方向的角度范围包括：
[0°，11.25°]∪[168.75°-α，191.25°]∪[348.75°-α，360°]；
角度域1，边缘方向的角度范围包括：
[11.25°-α，40°]∪[191.25°-α，220°]；
角度域2，边缘方向的角度范围包括：
[40°-α，50°]∪[220°-α，230°]；
角度域3，边缘方向的角度范围包括：
[50°-α，78.75°]∪[230°-α，258.75°]；
角度域4，边缘方向的角度范围包括：
[78.75°-α，101.25°]∪[258.75°-α，281.25°]；
角度域5，边缘方向的角度范围包括：
[101.25°-α，130°]∪[281.25°-α，310°]；
角度域6，边缘方向的角度范围包括：
[130°-α，140°]∪[310°-α，320°]；
角度域7，边缘方向的角度范围包括：
[140°-α，168.75°]∪[320°-α，348.75°]；
其中，以在所述图像所处的平面中当边缘方向指向水平向右时的方向为基准方向，所述边缘方向的角度为所述基准方向沿逆时针旋转至所述边缘方向时所旋转过的角度，α的取值范围为[0，5°]；
所述角度域0和角度域4属于第一角度类，所述角度域2和所述角度域6属于第二角度类，所述角度域1、所述角度域3、所述角度域5和所述角度域7属于第三角度域。
可选地，所述获取所述图像上的边缘点信息的步骤包括：
计算图像上各像素点的梯度幅值和梯度方向；
将所述像素点的梯度幅值与第一预设阈值进行比较，当比较出所述像素点的梯度幅度大于所述第一预设阈值时，则判断所述像素点为边缘点。
可选地，所述根据所述边缘点信息和待插值点的周边参考点判断所述待插值点是否位于边缘区域的步骤包括：
在所述待插值点周围对应的p×p阵列内统计边缘点，并在p×p阵列的边缘点中统计边缘方向分类的m个角度域中各个角度域的边缘点个数；
判断m个角度域中是否存在分布的边缘点个数大于或等于第二预设阈值的角度域，若判断结果为是，则判断出所述待插值点位于边缘区域；若判断结果为否，则判断出所述待插值点位于非边缘区域。
可选地，p的取值为5。
可选地，所述第二预设阈值为10。
可选地，所述获取所述待插值点的边缘方向所属的角度类的步骤包括：
从在分布的边缘点个数大于或等于第二预设阈值的各角度域中获取分布的边缘点个数最多的一个角度域，以作为最相似角度域；
根据预先设置的角度域划分角度类的规则，获取所述最相似角度域所对应的角度类，并将所述最相似角度域所对应的角度类作为所述待插值点的边缘方向所属的角度类。
可选地，所述采用预设的一维垂直插值核对所述待插值点进行垂直插值的步骤包括：
采用一维的Lanczos3垂直插值核来对所述待插值点进行垂直插值。
为实现上述目的，本发明还提供了一种图像插值装置，用于对图像进行插值，包括：
边缘点信息获取模块，用于获取所述图像上的边缘点信息；
边缘区域判断模块，用于根据所述边缘点信息和待插值点的周边参考点判断所述待插值点是否位于边缘区域，所述周边参考点为所述待插值点周围p×p阵列的所有像素点，其中p为大于1的自然数；
角度类获取模块，用于当判断出所述待插值点位于边缘区域时，获取所述待插值点的边缘方向所属的角度类，所述边缘方向为与梯度方向垂直的方向，所述图像中像素点的边缘方向被预先分类成m个角度域，所述m个角度域被预先划分成n个角度类，其中m和n为自然数，且n≤m；
水平插值模块，用于根据所述待插值点的边缘方向所属的角度类选取对应的一维水平插值核对所述待插值点进行水平插值；
垂直插值模块，用于在完成水平插值后，采用预设的一维垂直插值核对所述待插值点进行垂直插值。
可选地，n的取值为3，3个角度类分别为第一角度类、第二角度类和第三角度类，所述水平插值模块包括：
第一水平插值单元，用于当所述待插值点的边缘方向属于第一角度类时，采用一维的Lanczos6水平插值核来对所述待插值点进行水平插值；
第二水平插值单元，用于当所述待插值点的边缘方向属于第二角度类时，采用一维的Bicubic水平插值核来对所述待插值点进行水平插值；
第三水平插值单元，用于当所述待插值点的边缘方向属于第三角度类时，采用一维的Lanczos3水平插值核来对所述待插值点进行水平插值。
可选地，m的取值为8，8个角度域分别为：
角度域0，边缘方向的角度范围包括：
[0°，11.25°+α]∪[168.75°，191.25°+α]∪[348.75°，360°]；
角度域1，边缘方向的角度范围包括：
[11.25°，40°+α]∪[191.25°，220°+α]；
角度域2，边缘方向的角度范围包括：
[40°，50°+α]∪[220°，230°+α]；
角度域3，边缘方向的角度范围包括：
[50°，78.75°+α]∪[230°，258.75°+α]；
角度域4，边缘方向的角度范围包括：
[78.75°，101.25°+α]∪[258.75°，281.25°+α]；
角度域5，边缘方向的角度范围包括：
[101.25°，130°+α]∪[281.25°，310°+α]；
角度域6，边缘方向的角度范围包括：
[130°，140°+α]∪[310°，320°+α]；
角度域7，边缘方向的角度范围包括：
[140°，168.75°+α]∪[320°，348.75°+α]；
或者，
角度域0，边缘方向的角度范围包括：
[0°，11.25°]∪[168.75°-α，191.25°]∪[348.75°-α，360°]；
角度域1，边缘方向的角度范围包括：
[11.25°-α，40°]∪[191.25°-α，220°]；
角度域2，边缘方向的角度范围包括：
[40°-α，50°]∪[220°-α，230°]；
角度域3，边缘方向的角度范围包括：
[50°-α，78.75°]∪[230°-α，258.75°]；
角度域4，边缘方向的角度范围包括：
[78.75°-α，101.25°]∪[258.75°-α，281.25°]；
角度域5，边缘方向的角度范围包括：
[101.25°-α，130°]∪[281.25°-α，310°]；
角度域6，边缘方向的角度范围包括：
[130°-α，140°]∪[310°-α，320°]；
角度域7，边缘方向的角度范围包括：
[140°-α，168.75°]∪[320°-α，348.75°]；
其中，以在所述图像所处的平面中当边缘方向指向水平向右时的方向为基准方向，所述边缘方向的角度为所述基准方向沿逆时针旋转至所述边缘方向时所旋转过的角度，α的取值范围为[0，5°]；
所述角度域0和角度域4属于第一角度类，所述角度域2和所述角度域6属于第二角度类，所述角度域1、所述角度域3、所述角度域5和所述角度域7属于第三角度域。
可选地，所述边缘点信息获取模块包括：
像素点计算单元，用于计算图像上各像素点的梯度幅值和梯度方向；
梯度幅值比较单元，用于将所述像素点的梯度幅值与第一预设阈值进行比较，当比较出所述像素点的梯度幅度大于所述第一预设阈值时，则判断所述像素点为边缘点。
可选地，所述边缘区域判断模块包括：
边缘点统计单元，用于在所述待插值点周围对应的p×p阵列内统计边缘点，并在p×p阵列的边缘点中统计边缘方向分类的m个角度域中各个角度域的边缘点个数；
边缘区域判断单元，用于判断m个角度域中是否存在分布的边缘点个数大于或等于第二预设阈值的角度域，若判断结果为是，则判断出所述待插值点位于边缘区域；若判断结果为否，则判断出所述待插值点位于非边缘区域。
可选地，p的取值为5。
可选地，所述第二预设阈值为10。
可选地，所述角度类获取模块包括：
最相似角度域获取单元，用于从在分布的边缘点个数大于或等于第二预设阈值的各角度域中获取分布的边缘点个数最多的一个角度域，以作为最相似角度域；
角度类获取单元，用于根据预先设置的角度域划分角度类的规则，获取所述最相似角度域所对应的角度类，并将所述最相似角度域所对应的角度类作为所述待插值点的边缘方向所属的角度类。
可选地，垂直插值模块具体用于采用一维的Lanczos3垂直插值核来对所述待插值点进行垂直插值。
本发明具有以下有益效果：
本发明提供了一种图像插值方法和图像插值装置，可根据位于边缘区域的待插值点的边缘方向选取对应的一维水平插值核进行计算，以对待插值点进行自适应的水平插值处理，从而可有效的避免最终输出的图像在边缘处失真。与此同时，由于在完成水平插值处于之后，选用固定的一维垂直插值核进行计算，从而能有效的减小插值过程的计算量。由上述内容可见，本发明的技术方案不仅可保证经插值处理后图像的质量，而且还可降低插值过程中的计算复杂度和减小插值过程中可能占用的软、硬件资源。
附图说明
图1为本发明实施例一提供的图像插值方法的流程图；
图2为基于图1的一种具体插值过程的流程图；
图3为原始图像的示意图；
图4为采用一维的Bicubic水平插值核来进行水平插值的示意图；
图5为采用一维的Lanczos3垂直插值核来进行垂直插值的示意图；
图6本发明实施例二提供的图像插值装置的结构框图。
具体实施方式
为使本领域的技术人员更好地理解本发明的技术方案，下面结合附图对本发明提供的一种图像插值方法和图像插值装置进行详细描述。
图1为本发明实施例一提供的图像插值方法的流程图，如图1所示，该图像插值方法用于对图像进行插值处理，该图像插值方法包括：
步骤101：获取图像上的边缘点信息。
可选地，步骤101包括：
步骤1011：计算图像上各像素点的梯度幅值和梯度方向。
本实施例中以采用Sobel算子进行梯度求解的情况为例进行说明。
首先，将Sobel算子转换为水平和垂直两个一维滤波系数，其中，水平一维滤波系数为：
Sobx＝[-1 0 1]
垂直一维滤波系数为：
Soby＝[-1 0 1]T
然后，定义输入图像为A，利用Sobel算子进行滤波，获取图像中各像素点的水平梯度和垂直梯度，其中，水平梯度为：
Dx＝[-1 0 1]*A
垂直梯度为：
Dy＝[-1 0 1]T*A
接着，根据水平梯度和垂直梯度计算出图像中各像素点的梯度幅值和梯度方向。
梯度幅值N＝|Dx|+|Dy|，梯度方向
需要说明的是，在利用Sobel算子计算出水平梯度和垂直梯度之后，可对水平梯度和垂直梯度进行Scharr滤波，以消除噪声对梯度的影响。
此外，本领域技术人员应该知晓的是，本实施例中采用Sobel算子进行梯度求解的情况进气道示例性作用，本申请中还可采用其他算法来求解图像上各像素点的梯度幅值和梯度方向，例如：Roberts算子、Canny算子、Laplacian算子等。
步骤1012：将像素点的梯度幅值与第一预设阈值进行比较。
通过上述步骤1011可以得知图像中每一个像素点的梯度幅值，然后将每一个像素点的梯度幅值域第一预设阈值进行比较，当比较出像素点的梯度幅度大于第一预设阈值时，则判断像素点为边缘点；当比较出像素点的梯度幅度大于第一预设阈值时，则判断像素点不为边缘点。本实施例中，当采用Sobel算子计算梯度幅值时，第一预设阈值可以取值为30。基于步骤1012，可以得知图像中所有的边缘点，图像中所有的边缘点构成图像的边缘点信息。
说要说明的是，在上述步骤中，通过计算出梯度方向，可以得到各边缘点的边缘方向，其中，边缘方向与梯度方向垂直。此外，图像中像素点的边缘方向被预先分类成m个角度域，m个角度域被预先划分成n个角度类，其中m和n为自然数，且n≤m。
步骤102：根据边缘点信息和待插值点的周边参考点判断待插值点是否位于边缘区域。
需要说明的是，上述周边参考点为待插值点周围p×p阵列的所有像素点，其中P为大于1的自然数。
可选地，步骤102包括：
步骤1021：在待插值点周围对应的p×p阵列内统计边缘点，并在p×p阵列的边缘点中统计边缘方向分类的m个角度域中各个角度域的边缘点个数。
图2为基于图1的一种具体插值过程的流程图，如图2所示，本实施例中，基于对运算量和识别准确率的考虑，将p取值为5，m取值为8，8个角度域分别为：角度域0～角度域7。
角度域0，边缘方向的角度范围包括：
[0°，11.25°+α]∪[168.75°，191.25°+α]∪[348.75°，360°]；
角度域1，边缘方向的角度范围包括：
[11.25°，40°+α]∪[191.25°，220°+α]；
角度域2，边缘方向的角度范围包括：
[40°，50°+α]∪[220°，230°+α]；
角度域3，边缘方向的角度范围包括：
[50°，78.75°+α]∪[230°，258.75°+α]；
角度域4，边缘方向的角度范围包括：
[78.75°，101.25°+α]∪[258.75°，281.25°+α]；
角度域5，边缘方向的角度范围包括：
[101.25°，130°+α]∪[281.25°，310°+α]；
角度域6，边缘方向的角度范围包括：
[130°，140°+α]∪[310°，320°+α]；
角度域7，边缘方向的角度范围包括：
[140°，168.75°+α]∪[320°，348.75°+α]；
或者，角度域0，边缘方向的角度范围包括：
[0°，11.25°]∪[168.75°-α，191.25°]∪[348.75°-α，360°]；
角度域1，边缘方向的角度范围包括：
[11.25°-α，40°]∪[191.25°-α，220°]；
角度域2，边缘方向的角度范围包括：
[40°-α，50°]∪[220°-α，230°]；
角度域3，边缘方向的角度范围包括：
[50°-α，78.75°]∪[230°-α，258.75°]；
角度域4，边缘方向的角度范围包括：
[78.75°-α，101.25°]∪[258.75°-α，281.25°]；
角度域5，边缘方向的角度范围包括：
[101.25°-α，130°]∪[281.25°-α，310°]；
角度域6，边缘方向的角度范围包括：
[130°-α，140°]∪[310°-α，320°]；
角度域7，边缘方向的角度范围包括：
[140°-α，168.75°]∪[320°-α，348.75°]；
其中，以在图像所处的平面中当边缘方向指向水平向右时的方向为基准方向，边缘方向的角度为基准方向沿逆时针旋转至边缘方向时所旋转过的角度，α的取值范围为[0，5°]，其中，相邻的两个角度域之间存在2α的重叠区域，该重叠区域的大小可根据实际仿真测试进行相应的调整。
需要说明的是，在图2中示例为α取值为0的情况，此时相邻的角度域之间没有重叠区域。
角度域0和角度域4属于第一角度类，角度域2和角度域6属于第二角度类，角度域1、角度域3、角度域5和角度域7属于第三角度域。
其中，通过步骤1021可以统计出8个角度域中分布的边缘点个数Ci，其中，Ci表示角度域i中分布的边缘点个数，i取值为[0，7]。
步骤1022：判断m个角度域中是否存在分布的边缘点个数大于或等于第二预设阈值的角度域。
在步骤1022中，通过分别将C1、C2、C3、C4、C5、C6、C7与第二预设阈值进行比较，若存在至少一个Ci比第二预设阈值大，则存在至少一个角度域中分布的边缘点个数大于第二预设阈值，则可以判断待插值点位于边缘区域。若C1、C2、C3、C4、C5、C6和C7均小于或等于第二预设阈值，则可以判断待插值点位于非边缘区域。
本实施例中，第二预设阈值可根据周边参考点的个数进行适当的取值，本实施例中，当p取值为5时，即待插值点的周边参考点的个数为25时，优选地，第二预设阈值取值为10。
需要说明的是，若步骤102判断出待插值点位于边缘区域时，则执行步骤103，若步骤103判断出待插值点不位于边缘区域时，则执行步骤106。
步骤103：获取待插值点的边缘方向所属的角度类。
此处需要说明的是，由上述内容可知，图像中像素点的边缘方向被预先分类成m个角度域，m个角度域被预先划分成n个角度类，其中n≤m。
可选地，步骤103包括：
步骤1031：从在分布的边缘点个数大于第二预设阈值的各角度域中获取分布的边缘点个数最多的一个角度域，以作为最相似角度域。
当在上述步骤1022出现仅一个角度域中分布的边缘点个数大于第二预设阈值时，则在步骤1031中直接选取该角度域作为待插值点的最相似角度域。
当在上述步骤1022出现至少两个角度域中分布的边缘点个数大于第二预设阈值时，则在步骤1031中可从该至少两个角度域从中选取分布的边缘点个数最多的一个角度域以作为待插值点的最相似角度域。
步骤1032：根据预先设置的角度域划分角度类的规则，获取最相似角度域所对应的角度类，并将最相似角度域所对应的角度类作为待插值点的边缘方向所属的角度类。
具体地，通过步骤1032可以得知待插值点的边缘方向是属于第一角度类、第二角度类或第三角度类。
步骤104：根据待插值点的边缘方向所属的角度类选取对应的一维水平插值核对待插值点进行水平插值。
需要说明的是，不同的角度类对应不同的一维水平插值核。本领域技术人员应该知晓的是，通过将二维的插值核进行一维化，从而可得到对应的一维的水平插值核和一维的垂直插值核。
具体地，当待插值点的边缘方向属于第一角度类时，则步骤104具体包括：
步骤1041：采用一维的Lanczos6水平插值核来对待插值点进行水平插值。
当待插值点的边缘方向属于第二角度类时，则步骤104具体包括：
步骤1042：采用一维的Bicubic水平插值核来对待插值点进行水平插值。
具体地，当待插值点的边缘方向属于第三角度类时，则步骤104具体包括：
步骤1043：采用一维的Lanczos3水平插值核来对待插值点进行水平插值。
需要说明的是，上述采用一维的Lanczos6水平插值核、一维的Bicubic水平插值核或者一维的Lanczos3水平插值核来对待插值点进行水平插值的具体计算过程此处不进行详细描述。
本发明的技术方案，将边缘方向处于角度域0和角度域4的边缘点采用一维的Lanczos6水平插值核进行滤波以对待插值点进行插值，将边缘方向处于角度域2和角度域6的边缘点采用一维的Bicubic水平插值核进行滤波以对待插值点进行插值，将边缘方向处于角度域1、角度域6的边缘点采用一维的Bicubic水平插值核进行滤波以对待插值点进行插值，可有效的保证插值之后所呈现图像的各边缘处的平滑性，从而能避免图像在边缘处失真。
步骤105：采用预设的一维垂直插值核对待插值点进行垂直插值。
在对待插值像素完成水平插值之后，再对待插值点进行垂直插值。可选地，在步骤105中采用一维的Lanczos3垂直插值核来对待插值点进行垂直插值。
采用一维的Lanczos3垂直插值可在保证最终输出图像的质量的同时，能有效的较小整个插值过程中的计算量，从而节省软、硬件资源。
需要说明的是，本发明在对原始图像插值，以使得图像的分辨率由W×H变为2W×2H的过程中，需要先在对原始图像进行补“零”操作以形成上采样图像(此时，可以看作是在原始图像中，在每一个原始像素点的周围均设置了三个待插入点)，然后采用相应的一维水平插值核和一维的垂直插值核对上采样图像以进行低通滤波，以实现水平插值和垂直插值。然而，由于对上采样图像中的“0”位置进行低通是无效的，因此需要将各插值核进行奇偶分离。
具体地，在进行水平插值过程中，在利用一维的Lanczos3水平插值核进行水平插值时，可将该一维的Lanczos3水平插值核分为水平向左插值核Lanczos3L和水平向右插值核Lanczos3R,其中
lanczos3L＝[1 -9 35 114 -17 4]/128
lanczos3R＝[4 -17 114 35 -9 1]/128
利用水平向左插值核Lanczos3L和水平向右插值核Lanczos6R来对进行水平插值，则输出为：
OutputL＝Lanczos3L*Input
OutputR＝Lanczos3R*Input
在利用一维的Lanczos6水平插值核进行水平插值时，可将该一维的Lanczos6水平插值核分为水平向左插值核Lanczos6L和水平向右插值核Lanczos6R,其中
lanczos6L＝[-1 6 -14 29 -57 150 459 -86 40 -21 10 -3]/128
lanczos6R＝[-3 10 -21 40 -86 459 150 -57 29 -14 6 -1]/128
利用水平向左插值核Lanczos6L和水平向右插值核Lanczos6R来进行水平插值，则输出为：
OutputL＝Lanczos6L*Input
OutputR＝Lanczos6R*Input
在利用一维的Bicubic水平插值核进行水平插值时，可将该一维的Bicubic水平插值核分为水平向左插值核BicubicL和水平向右插值核BicubicR,其中
BicubicL＝[-3 29 111 -9]/128
BicubicR＝[-9 111 29 -3]/128
利用水平向左插值核BicubicL和水平向右插值核BicubicR来进行水平插值，则输出为：
OutputL＝BicubicL*Input
OutputR＝BicubicR*Input
在进行垂直插值过程中，在利用一维的Lanczos3垂直插值核进行垂直插值时，可将该一维的Lanczos3垂直插值核分为垂直向上插值核Lanczos3U和垂直向下插值核Lanczos3D,其中
lanczos3U＝(lanczos3L)T
lanczos3D＝(lanczos3R)T
利用垂直向上插值核Lanczos3U和垂直向下插值核Lanczos3D对待插值点进行垂直插值，则输出为：
OutputUL＝lanczos3U*OutputL
OutputUR＝lanczos3U*OutputR
OutputDL＝lanczos3D*OutputL
OutputDR＝lanczos3D*OutputR
其中，OutputUL、OutputUR、OutputDL和OutputDR中的一个可赋予原始像素点(原始像素点的亮度信息被进行平滑修改)，另外的三个可以赋予与原始像素点对应的三个待插值点(完成对图像上的所有待插值点进行插值)。
经过上述水平插值运算和垂直插值运算之后，最终输出的图像为：
下面将结合附图，以在步骤103中获取到待插值点的边缘方向所属的角度类为第二角度类为例进行示例性描述，且在步骤103中统计到待插值点的周边参考点在角度域2中分布的边缘点个数最多，即待插值点的边缘方向的角度范围处于[40°，50°+α]∪[220°，230°+α]中。此时，利用水平向左插值核BicubicL和水平向右插值核BicubicR来对待插值点进行水平插值，并在水平插值完成之后采用一维的Lanczos3垂直插值核来对待插值点进行垂直插值。
图3为原始图像的示意图，图4为采用一维的Bicubic水平插值核来进行水平插值的示意图，图5为采用一维的Lanczos3垂直插值核来进行垂直插值的示意图，如图3至图5所示，假定原始图像的分辨率为W×H，先利用一维的Bicubic水平插值核来进行水平插值，此时可以看作是在原始像素点Pi的水平方向上设置水平待插值点H-Pi，图像的分辨率由W×H变为了2W×H；然后采用一维的Lanczos3垂直插值核来对待插值点进行垂直插值，此时可以看作是在原始像素点和水平插值点的垂直方向上设置垂直插值点V-Pi，图像的分辨率由2W×H变为了2W×2H。
步骤106：基于预设的固定插值核来对待插值点进行插值。
在步骤106中，该预设的固定插值核可以为本领域技术人员在非边缘区域进行插值处理时所采用的任意一种插值核，例如：Nearest插值核、Bilinear插值核、Bicubic插值核、Lanczos插值核等一些二维插值核。其中，优选地，采用Bicubic插值核来对位于非边缘区域的待插值点进行插值，此时可使得最后输出图像在非边缘区域平滑性较优。当然，在基于这些二维插值核对位于非边缘区域的待插值点进行插值计算时，可将二维插值核分为一维的水平插值核和垂直插值核，从而来减小计算量。具体的插值过程，此处不进行详细描述。
本发明实施例一提供了一种图像插值方法，可根据位于边缘区域的待插值点的边缘方向选取对应的一维水平插值核进行计算，以对待插值点进行自适应的水平插值处理，从而可有效的避免最终输出的图像在边缘处失真。与此同时，由于在完成水平插值处于之后，选用固定的一维垂直插值核进行计算，从而能有效的减小插值过程的计算量。由上述内容可见，本发明的技术方案不仅可保证经插值处理后图像的质量，而且还可降低插值过程中的计算复杂度和减小插值过程中可能占用的软、硬件资源。
图6本发明实施例二提供的图像插值装置的结构框图，如图6所示，该图像插值装置用于对图像进行插值，该图像插值装置包括：边缘点信息获取模块1、边缘区域判断模块2、角度类获取模块3、水平插值模块4、垂直插值模块5和非边缘区域插值模块6。边缘点信息获取模块1用于获取图像上的边缘点信息；边缘区域判断模块2用于根据边缘点信息和待插值点的周边参考点判断待插值点是否位于边缘区域，周边参考点为待插值点周围p×p阵列的所有像素点，其中P为大于1的自然数；角度类获取模块3用于当判断出待插值点位于边缘区域时，获取待插值点的边缘方向所属的角度类，图像中像素点的边缘方向被预先分类成m个角度域，m个角度域被预先划分成n个角度类，其中m和n为自然数，且n≤m；水平插值模块4用于根据待插值点的边缘方向所属的角度类选取对应的一维水平插值核对待插值点进行水平插值；垂直插值模块5用于在完成水平插值后，采用预设的一维垂直插值核对待插值点进行垂直插值。非边缘区域插值模块6用于当判断出待插值点不位于边缘区域时(待插值点位于非边缘区域)，基于预设的固定插值核来对位于非边缘区域的待插值点进行插值。
需要说明的是，本实施例中的边缘点信息获取模块1、边缘区域判断模块2、角度类获取模块3、水平插值模块4、垂直插值模块5和非边缘区域插值模块6的工作过程可参见上述实施例一中对步骤101～步骤106的相应内容，此处不再赘述。
可选地，边缘点信息获取模块1包括：像素点计算单元11和梯度幅值比较单元12，像素点计算单元11执行上述实施例一中的步骤1011，梯度幅值比较单元12执行上述实施例一中的步骤1012。具体地，像素点计算单元11用于计算图像上各像素点的梯度幅值和梯度方向；梯度幅值比较单元12用于将像素点的梯度幅值与第一预设阈值进行比较，当比较出像素点的梯度幅度大于第一预设阈值时，则判断像素点为边缘点。
进一步可选地，边缘区域判断模块2包括：边缘点统计单元21和边缘区域判断单元22，边缘点统计单元21执行上述实施例一中的步骤1021，边缘区域判断单元22执行上述实施例一中的步骤1022。具体地，边缘点统计单元21用于在待插值点周围对应的p×p阵列内统计边缘点，并在p×p阵列的边缘点中统计边缘方向分类的m个角度域中各个角度域的边缘点个数；边缘区域判断单元22用于判断m个角度域中是否存在分布的边缘点个数大于或等于第二预设阈值的角度域，若判断结果为是，则判断出待插值点位于边缘区域；若判断结果为否，则判断出待插值点位于非边缘区域。
可选地，角度类获取模块3包括：最相似角度域获取单元31和角度类获取单元32，最相似角度域获取单元31执行上述实施例一中的步骤1031，角度类获取单元32执行上述实施例一中的步骤1032。具体地，最相似角度域获取单元31用于从在分布的边缘点个数大于或等于第二预设阈值的各角度域中获取分布的边缘点个数最多的一个角度域，以作为最相似角度域；角度类获取单元32用于根据预先设置的角度域划分角度类的规则，获取最相似角度域所对应的角度类，并将最相似角度域所对应的角度类作为待插值点的边缘方向所属的角度类
需要说明的是，本实施例中，第二预设阈值可根据选取的周边参考点的个数进行相应设置。作为一种可选方案，p的取值为5，即周边参考点为待插值点周围5×5阵列的共25个像素点，此时，优先地，第二预设阈值设置为10。
本实施例中，作为本实施例的一种可选方案，m的取值为8，n的取值为3，即所有的边缘方向被划分为8个角度域，8个角度域被划分为3个角度类，3个角度类分别为第一角度类、第二角度类和第三角度类。
其中，8个角度域分别为：
角度域0，边缘方向的角度范围包括：
[0°，11.25°+α]∪[168.75°，191.25°+α]∪[348.75°，360°]；
角度域1，边缘方向的角度范围包括：
[11.25°，40°+α]∪[191.25°，220°+α]；
角度域2，边缘方向的角度范围包括：
[40°，50°+α]∪[220°，230°+α]；
角度域3，边缘方向的角度范围包括：
[50°，78.75°+α]∪[230°，258.75°+α]；
角度域4，边缘方向的角度范围包括：
[78.75°，101.25°+α]∪[258.75°，281.25°+α]；
角度域5，边缘方向的角度范围包括：
[101.25°，130°+α]∪[281.25°，310°+α]；
角度域6，边缘方向的角度范围包括：
[130°，140°+α]∪[310°，320°+α]；
角度域7，边缘方向的角度范围包括：
[140°，168.75°+α]∪[320°，348.75°+α]；
或者，
角度域0，边缘方向的角度范围包括：
[0°，11.25°]∪[168.75°-α，191.25°]∪[348.75°-α，360°]；
角度域1，边缘方向的角度范围包括：
[11.25°-α，40°]∪[191.25°-α，220°]；
角度域2，边缘方向的角度范围包括：
[40°-α，50°]∪[220°-α，230°]；
角度域3，边缘方向的角度范围包括：
[50°-α，78.75°]∪[230°-α，258.75°]；
角度域4，边缘方向的角度范围包括：
[78.75°-α，101.25°]∪[258.75°-α，281.25°]；
角度域5，边缘方向的角度范围包括：
[101.25°-α，130°]∪[281.25°-α，310°]；
角度域6，边缘方向的角度范围包括：
[130°-α，140°]∪[310°-α，320°]；
角度域7，边缘方向的角度范围包括：
[140°-α，168.75°]∪[320°-α，348.75°]；
其中，以在图像所处的平面中当边缘方向指向水平向右时的方向为基准方向，边缘方向的角度为基准方向沿逆时针旋转至边缘方向时所旋转过的角度，α的取值范围为[0，5°]；其中，相邻的两个角度域之间存在2α的重叠区域，该重叠区域的大小可根据实际仿真测试进行相应的调整。
角度域0和角度域4属于第一角度类，角度域2和角度域6属于第二角度类，角度域1、角度域3、角度域5和角度域7属于第三角度域。
在本实施例中，对应于3个角度类，水平插值模块4包括3个不同的水平插值单元：第一水平插值单元41、第二水平插值单元42和第三水平插值单元43，第一水平插值单元41执行上述实施例一中的步骤1041，第二水平插值单元42执行上述实施例一中的步骤1042，第三水平插值单元43执行上述实施例一中的步骤1043。具体地，第一水平插值单元41用于当待插值点的边缘方向属于第一角度类时，采用一维的Lanczos6水平插值核来对待插值点进行水平插值；第二水平插值单元42用于当待插值点的边缘方向属于第二角度类时，采用一维的Bicubic水平插值核来对待插值点进行水平插值；第三水平插值单元43用于当待插值点的边缘方向属于第三角度类时，采用一维的Lanczos3水平插值核来对待插值点进行水平插值。
需要说明的是，第一水平插值单元41、第二水平插值单元42和第三水平插值单元43可实现对位于边缘区域的待插值点进行自适应水平插值，从而可有效的保证经插值处理后图像的质量。该水平插值具体过程可参见上述实施例一中步骤1041～步骤1043的相应内容，此处不再赘述。
本实施例中，可选地，垂直插值模块5具体用于采用一维的Lanczos3垂直插值核来对待插值点进行垂直插值。本实施中采用Lanczos3垂直插值核来对待插值点进行垂直插值，可在保证经插值处理后图像的质量的同时，有效的降低插值过程中的计算复杂度和减小插值过程中可能占用的软、硬件资源。
本发明实施例二提供了一种图像插值装置，可根据位于边缘区域的待插值点的边缘方向选取对应的一维水平插值核进行计算，以对待插值点进行自适应的水平插值处理，从而可有效的避免最终输出的图像在边缘处失真。与此同时，由于在完成水平插值处于之后，选用固定的一维垂直插值核进行计算，从而能有效的减小插值过程的计算量。由上述内容可见，本发明的技术方案不仅可保证经插值处理后图像的质量，而且还可降低插值过程中的计算复杂度和减小插值过程中可能占用的软、硬件资源。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (18)

1.一种图像插值方法，用于对图像进行插值，其特征在于，包括：
获取所述图像上的边缘点信息；
根据所述边缘点信息和待插值点的周边参考点判断待插值点是否位于边缘区域，所述周边参考点为所述待插值点周围p×p阵列的所有像素点，其中p为大于1的自然数；
当判断出所述待插值点位于边缘区域时，获取所述待插值点的边缘方向所属的角度类，所述边缘方向为与梯度方向垂直的方向，所述图像中像素点的边缘方向被预先分类成m个角度域，所述m个角度域被预先划分成n个角度类，其中m和n为自然数，且n≤m；
根据所述待插值点的边缘方向所属的角度类选取对应的一维水平插值核对所述待插值点进行水平插值；
在完成水平插值后，采用预设的一维垂直插值核对待插值点进行垂直插值。
2.根据权利要求1所述的图像插值方法，其特征在于，n的取值为3，3个角度类分别为第一角度类、第二角度类和第三角度类；
当所述待插值点的边缘方向属于第一角度类时，所述根据所述待插值点的边缘方向所属的角度类选取对应的一维水平插值核对所述待插值点进行水平插值的步骤包括：
采用一维的Lanczos6水平插值核来对所述待插值点进行水平插值计算；
当所述待插值点的边缘方向属于第二角度类时，所述根据所述待插值点的边缘方向所属的角度类选取对应的一维水平插值核对所述待插值点进行水平插值的步骤包括：
采用一维的Bicubic水平插值核来对所述待插值点进行水平插值；
当所述待插值点的边缘方向属于第三角度类时，所述根据所述待插值点的边缘方向所属的角度类选取对应的一维水平插值核对所述待插值点进行水平插值的步骤包括：
采用一维的Lanczos3水平插值核来对所述待插值点进行水平插值。
3.根据权利要求2所述的图像插值方法，其特征在于，m的取值为8，8个角度域分别为：
角度域0，边缘方向的角度范围包括：
[0°，11.25°+α]∪[168.75°，191.25°+α]∪[348.75°，360°]；
角度域1，边缘方向的角度范围包括：
[11.25°，40°+α]∪[191.25°，220°+α]；
角度域2，边缘方向的角度范围包括：
[40°，50°+α]∪[220°，230°+α]；
角度域3，边缘方向的角度范围包括：
[50°，78.75°+α]∪[230°，258.75°+α]；
角度域4，边缘方向的角度范围包括：
[78.75°，101.25°+α]∪[258.75°，281.25°+α]；
角度域5，边缘方向的角度范围包括：
[101.25°，130°+α]∪[281.25°，310°+α]；
角度域6，边缘方向的角度范围包括：
[130°，140°+α]∪[310°，320°+α]；
角度域7，边缘方向的角度范围包括：
[140°，168.75°+α]∪[320°，348.75°+α]；
或者，
角度域0，边缘方向的角度范围包括：
[0°，11.25°]∪[168.75°-α，191.25°]∪[348.75°-α，360°]；
角度域1，边缘方向的角度范围包括：
[11.25°-α，40°]∪[191.25°-α，220°]；
角度域2，边缘方向的角度范围包括：
[40°-α，50°]∪[220°-α，230°]；
角度域3，边缘方向的角度范围包括：
[50°-α，78.75°]∪[230°-α，258.75°]；
角度域4，边缘方向的角度范围包括：
[78.75°-α，101.25°]∪[258.75°-α，281.25°]；
角度域5，边缘方向的角度范围包括：
[101.25°-α，130°]∪[281.25°-α，310°]；
角度域6，边缘方向的角度范围包括：
[130°-α，140°]∪[310°-α，320°]；
角度域7，边缘方向的角度范围包括：
[140°-α，168.75°]∪[320°-α，348.75°]；
其中，以在所述图像所处的平面中当边缘方向指向水平向右时的方向为基准方向，所述边缘方向的角度为所述基准方向沿逆时针旋转至所述边缘方向时所旋转过的角度，α的取值范围为[0，5°]；
所述角度域0和角度域4属于第一角度类，所述角度域2和所述角度域6属于第二角度类，所述角度域1、所述角度域3、所述角度域5和所述角度域7属于第三角度域。
4.根据权利要求1所述的图像插值方法，其特征在于，所述获取所述图像上的边缘点信息的步骤包括：
计算图像上各像素点的梯度幅值和梯度方向；
将所述像素点的梯度幅值与第一预设阈值进行比较，当比较出所述像素点的梯度幅度大于所述第一预设阈值时，则判断所述像素点为边缘点。
5.根据权利要求1所述的图像插值方法，其特征在于，所述根据所述边缘点信息和待插值点的周边参考点判断所述待插值点是否位于边缘区域的步骤包括：
在所述待插值点周围对应的p×p阵列内统计边缘点，并在p×p阵列的边缘点中统计边缘方向分类的m个角度域中各个角度域的边缘点个数；
判断m个角度域中是否存在分布的边缘点个数大于或等于第二预设阈值的角度域，若判断结果为是，则判断出所述待插值点位于边缘区域；若判断结果为否，则判断出所述待插值点位于非边缘区域。
6.根据权利要求5所述的图像插值方法，其特征在于，p的取值为5。
7.根据权利要求6所述的图像插值方法，其特征在于，所述第二预设阈值为10。
8.根据权利要求5所述的图像插值方法，其特征在于，所述获取所述待插值点的边缘方向所属的角度类的步骤包括：
从在分布的边缘点个数大于或等于第二预设阈值的各角度域中获取分布的边缘点个数最多的一个角度域，以作为最相似角度域；
根据预先设置的角度域划分角度类的规则，获取所述最相似角度域所对应的角度类，并将所述最相似角度域所对应的角度类作为所述待插值点的边缘方向所属的角度类。
9.根据权利要求1-8中任一所述的图像插值方法，其特征在于，所述采用预设的一维垂直插值核对所述待插值点进行垂直插值的步骤包括：
采用一维的Lanczos3垂直插值核来对所述待插值点进行垂直插值。
10.一种图像插值装置，用于对图像进行插值，其特征在于，包括：
边缘点信息获取模块，用于获取所述图像上的边缘点信息；
边缘区域判断模块，用于根据所述边缘点信息和待插值点的周边参考点判断待插值点是否位于边缘区域，所述周边参考点为所述待插值点周围p×p阵列的所有像素点，其中p为大于1的自然数；
角度类获取模块，用于当判断出所述待插值点位于边缘区域时，获取所述待插值点的边缘方向所属的角度类，所述边缘方向为与梯度方向垂直的方向，所述图像中像素点的边缘方向被预先分类成m个角度域，所述m个角度域被预先划分成n个角度类，其中m和n为自然数，且n≤m；
水平插值模块，用于根据所述待插值点的边缘方向所属的角度类选取对应的一维水平插值核对所述待插值点进行水平插值；
垂直插值模块，用于在完成水平插值后，采用预设的一维垂直插值核对所述待插值点进行垂直插值。
11.根据权利要求10所述的图像插值装置，其特征在于，n的取值为3，3个角度类分别为第一角度类、第二角度类和第三角度类，所述水平插值模块包括：
第一水平插值单元，用于当所述待插值点的边缘方向属于第一角度类时，采用一维的Lanczos6水平插值核来对所述待插值点进行水平插值；
第二水平插值单元，用于当所述待插值点的边缘方向属于第二角度类时，采用一维的Bicubic水平插值核来对所述待插值点进行水平插值；
第三水平插值单元，用于当所述待插值点的边缘方向属于第三角度类时，采用一维的Lanczos3水平插值核来对所述待插值点进行水平插值。
12.根据权利要求11所述的图像插值装置，其特征在于，m的取值为8，8个角度域分别为：
角度域0，边缘方向的角度范围包括：
[0°，11.25°+α]∪[168.75°，191.25°+α]∪[348.75°，360°]；角度域1，边缘方向的角度范围包括：
[11.25°，40°+α]∪[191.25°，220°+α]；
角度域2，边缘方向的角度范围包括：
[40°，50°+α]∪[220°，230°+α]；
角度域3，边缘方向的角度范围包括：
[50°，78.75°+α]∪[230°，258.75°+α]；
角度域4，边缘方向的角度范围包括：
[78.75°，101.25°+α]∪[258.75°，281.25°+α]；
角度域5，边缘方向的角度范围包括：
[101.25°，130°+α]∪[281.25°，310°+α]；
角度域6，边缘方向的角度范围包括：
[130°，140°+α]∪[310°，320°+α]；
角度域7，边缘方向的角度范围包括：
[140°，168.75°+α]∪[320°，348.75°+α]；
或者，
角度域0，边缘方向的角度范围包括：
[0°，11.25°]∪[168.75°-α，191.25°]∪[348.75°-α，360°]；角度域1，边缘方向的角度范围包括：
[11.25°-α，40°]∪[191.25°-α，220°]；
角度域2，边缘方向的角度范围包括：
[40°-α，50°]∪[220°-α，230°]；
角度域3，边缘方向的角度范围包括：
[50°-α，78.75°]∪[230°-α，258.75°]；
角度域4，边缘方向的角度范围包括：
[78.75°-α，101.25°]∪[258.75°-α，281.25°]；
角度域5，边缘方向的角度范围包括：
[101.25°-α，130°]∪[281.25°-α，310°]；
角度域6，边缘方向的角度范围包括：
[130°-α，140°]∪[310°-α，320°]；
角度域7，边缘方向的角度范围包括：
[140°-α，168.75°]∪[320°-α，348.75°]；
其中，以在所述图像所处的平面中当边缘方向指向水平向右时的方向为基准方向，所述边缘方向的角度为所述基准方向沿逆时针旋转至所述边缘方向时所旋转过的角度，α的取值范围为[0，5°]；
所述角度域0和角度域4属于第一角度类，所述角度域2和所述角度域6属于第二角度类，所述角度域1、所述角度域3、所述角度域5和所述角度域7属于第三角度域。
13.根据权利要求10所述的图像插值装置，其特征在于，所述边缘点信息获取模块包括：
像素点计算单元，用于计算图像上各像素点的梯度幅值和梯度方向；
梯度幅值比较单元，用于将所述像素点的梯度幅值与第一预设阈值进行比较，当比较出所述像素点的梯度幅度大于所述第一预设阈值时，则判断所述像素点为边缘点。
14.根据权利要求10所述的图像插值装置，其特征在于，所述边缘区域判断模块包括：
边缘点统计单元，用于在所述待插值点周围对应的p×p阵列内统计边缘点，并在p×p阵列的边缘点中统计边缘方向分类的m个角度域中各个角度域的边缘点个数；
边缘区域判断单元，用于判断m个角度域中是否存在分布的边缘点个数大于或等于第二预设阈值的角度域，若判断结果为是，则判断出所述待插值点位于边缘区域；若判断结果为否，则判断出所述待插值点位于非边缘区域。
15.根据权利要求14所述的图像插值装置，其特征在于，p的取值为5。
16.根据权利要求15所述的图像插值装置，其特征在于，所述第二预设阈值为10。
17.根据权利要求14所述的图像插值装置，其特征在于，所述角度类获取模块包括：
最相似角度域获取单元，用于从在分布的边缘点个数大于或等于第二预设阈值的各角度域中获取分布的边缘点个数最多的一个角度域，以作为最相似角度域；
角度类获取单元，用于根据预先设置的角度域划分角度类的规则，获取所述最相似角度域所对应的角度类，并将所述最相似角度域所对应的角度类作为所述待插值点的边缘方向所属的角度类。
18.根据权利要求10-17中任一所述的图像插值装置，其特征在于，垂直插值模块具体用于采用一维的Lanczos3垂直插值核来对所述待插值点进行垂直插值。
CN201510317022.5A 2015-06-10 2015-06-10 图像插值方法和图像插值装置 Pending CN104881843A (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201510317022.5A CN104881843A (zh) 2015-06-10 2015-06-10 图像插值方法和图像插值装置
US15/030,588 US10115180B2 (en) 2015-06-10 2015-12-10 Image interpolation device and method thereof
PCT/CN2015/096933 WO2016197571A1 (en) 2015-06-10 2015-12-10 Image interpolation device and method thereof
EP15849829.5A EP3308351A4 (en) 2015-06-10 2015-12-10 Image interpolation device and method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510317022.5A CN104881843A (zh) 2015-06-10 2015-06-10 图像插值方法和图像插值装置

Publications (1)

Publication Number Publication Date
CN104881843A true CN104881843A (zh) 2015-09-02

Family

ID=53949329

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510317022.5A Pending CN104881843A (zh) 2015-06-10 2015-06-10 图像插值方法和图像插值装置

Country Status (4)

Country Link
US (1) US10115180B2 (zh)
EP (1) EP3308351A4 (zh)
CN (1) CN104881843A (zh)
WO (1) WO2016197571A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106204453A (zh) * 2016-07-14 2016-12-07 京东方科技集团股份有限公司 一种图像的插值方法及装置
WO2016197571A1 (en) * 2015-06-10 2016-12-15 Boe Technology Group Co., Ltd. Image interpolation device and method thereof
CN107123086A (zh) * 2017-03-22 2017-09-01 建荣半导体（深圳）有限公司 图像缩放方法、图像缩放装置及电子设备
CN110719475A (zh) * 2018-07-13 2020-01-21 北京字节跳动网络技术有限公司 取决于形状的插值顺序
CN113242389A (zh) * 2021-07-12 2021-08-10 深圳市艾为智能有限公司 用于rccb图像传感器的多帧动态范围扩展方法及系统

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10469708B2 (en) * 2017-02-17 2019-11-05 Synaptics Incorporated Systems and methods for image optimization and enhancement in electrophotographic copying
US10861131B2 (en) * 2017-12-28 2020-12-08 Samsung Electronics Co., Ltd. Image magnifying apparatus
CN109215046B (zh) * 2018-08-06 2021-05-21 浙江工贸职业技术学院 一种基于图像插值运算的拉普拉斯算子边缘检测方法
CN111951207B (zh) * 2020-08-25 2022-06-14 福州大学 基于深度增强学习和语义损失的图像质量增强方法
CN113128521B (zh) * 2021-04-30 2023-07-18 西安微电子技术研究所 一种小型化人工智能模型特征提取方法、系统、计算机设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103500435A (zh) * 2013-09-11 2014-01-08 西安交通大学 一种边缘导向的自适应图像插值方法及其vlsi实现装置
JP2014085892A (ja) * 2012-10-24 2014-05-12 Sharp Corp 画像処理装置
CN104077773A (zh) * 2014-06-23 2014-10-01 北京京东方视讯科技有限公司 图像边缘检测方法、图像目标识别方法及装置
CN104200426A (zh) * 2014-08-25 2014-12-10 北京京东方视讯科技有限公司 图像插值方法和装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7379625B2 (en) 2003-05-30 2008-05-27 Samsung Electronics Co., Ltd. Edge direction based image interpolation method
JP4333997B2 (ja) * 2004-08-24 2009-09-16 シャープ株式会社 画像処理装置、撮影装置、画像処理方法、画像処理プログラムおよび記録媒体
CN1953504B (zh) * 2005-10-21 2010-09-29 意法半导体研发（上海）有限公司 用于cfa图像插值的自适应分类方法
KR100818447B1 (ko) * 2006-09-22 2008-04-01 삼성전기주식회사 컬러 필터를 사용하여 검출된 영상의 컬러 보간 방법
US8891906B2 (en) * 2012-07-05 2014-11-18 Intel Corporation Pixel-adaptive interpolation algorithm for image upscaling
US9461876B2 (en) * 2012-08-29 2016-10-04 Loci System and method for fuzzy concept mapping, voting ontology crowd sourcing, and technology prediction
CN104881843A (zh) 2015-06-10 2015-09-02 京东方科技集团股份有限公司 图像插值方法和图像插值装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014085892A (ja) * 2012-10-24 2014-05-12 Sharp Corp 画像処理装置
CN103500435A (zh) * 2013-09-11 2014-01-08 西安交通大学 一种边缘导向的自适应图像插值方法及其vlsi实现装置
CN104077773A (zh) * 2014-06-23 2014-10-01 北京京东方视讯科技有限公司 图像边缘检测方法、图像目标识别方法及装置
CN104200426A (zh) * 2014-08-25 2014-12-10 北京京东方视讯科技有限公司 图像插值方法和装置

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016197571A1 (en) * 2015-06-10 2016-12-15 Boe Technology Group Co., Ltd. Image interpolation device and method thereof
US10115180B2 (en) 2015-06-10 2018-10-30 Boe Technology Group Co., Ltd. Image interpolation device and method thereof
CN106204453A (zh) * 2016-07-14 2016-12-07 京东方科技集团股份有限公司 一种图像的插值方法及装置
CN106204453B (zh) * 2016-07-14 2019-12-03 京东方科技集团股份有限公司 一种图像的插值方法及装置
CN107123086A (zh) * 2017-03-22 2017-09-01 建荣半导体（深圳）有限公司 图像缩放方法、图像缩放装置及电子设备
CN107123086B (zh) * 2017-03-22 2021-01-05 建荣集成电路科技(珠海)有限公司 图像缩放方法、图像缩放装置及电子设备
CN110719475A (zh) * 2018-07-13 2020-01-21 北京字节跳动网络技术有限公司 取决于形状的插值顺序
CN110719475B (zh) * 2018-07-13 2022-12-09 北京字节跳动网络技术有限公司 取决于形状的插值顺序
CN113242389A (zh) * 2021-07-12 2021-08-10 深圳市艾为智能有限公司 用于rccb图像传感器的多帧动态范围扩展方法及系统

Also Published As

Publication number Publication date
WO2016197571A1 (en) 2016-12-15
EP3308351A1 (en) 2018-04-18
EP3308351A4 (en) 2018-12-26
US10115180B2 (en) 2018-10-30
US20160364839A1 (en) 2016-12-15

Similar Documents

Publication Publication Date Title
CN104881843A (zh) 图像插值方法和图像插值装置
US10861133B1 (en) Super-resolution video reconstruction method, device, apparatus and computer-readable storage medium
CN111275626B (zh) 一种基于模糊度的视频去模糊方法、装置及设备
JP4571987B2 (ja) 車両の画像から特徴を検出するシステムおよび方法
CN102682446B (zh) 使用自适应联合双边滤波器生成稠密深度图的设备和方法
US9959600B2 (en) Motion image compensation method and device, display device
CN107133914B (zh) 用于生成三维彩色图像的装置和用于生成三维彩色图像的方法
US8175417B2 (en) Apparatus, method, and computer-readable recording medium for pixel interpolation
CN107451976B (zh) 一种图像处理方法及装置
CN106600544A (zh) 基于纹理贴图的抗锯齿方法及系统
JP2010171976A (ja) 歪み文書画像を補正する方法及びシステム
CN103718540A (zh) 用于生成全景图像的方法、用户终端和计算机可读记录介质
CN110942071A (zh) 一种基于车牌分类和lstm的车牌识别方法
CN108960012B (zh) 特征点检测方法、装置及电子设备
CN106062824A (zh) 边缘检测装置、边缘检测方法和程序
CN113592776A (zh) 图像处理方法及装置、电子设备、存储介质
WO2017096814A1 (zh) 一种图像处理方法及装置
CN114331951A (zh) 图像检测方法、装置、计算机、可读存储介质及程序产品
CN113506305B (zh) 三维点云数据的图像增强方法、语义分割方法及装置
CN116563172B (zh) 一种vr全球化在线教育互动优化增强方法及装置
CN105530505B (zh) 三维图像转换方法和装置
JP2012048326A (ja) 画像処理装置及びプログラム
CN111222446A (zh) 人脸识别方法、人脸识别装置及移动终端
CN110427944A (zh) 车牌检测数据的获取方法、装置、设备及存储介质
He et al. An approach of canny edge detection with virtual hexagonal image structure

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20150902

RJ01 Rejection of invention patent application after publication