CN104933679A - 一种放大图像的方法及其对应系统 - Google Patents

Abstract

本发明公开一种放大图像的方法及其对应系统，包括如下步骤，将原始图像放大得到目标图像；遍历目标图像中的像素，判断像素所在区块属于边缘区块、平坦区块或纹理丰富区块；若判断属于平坦区块，则不作处理；若判断属于边缘区块，则以该像素一定邻域范围内的像素为第一目标窗口，在原始图像中寻找匹配窗口，然后将匹配窗口上的高频信息叠加到第一目标窗口上；若判断属于纹理丰富区块，则以该像素一定邻域范围内的像素为第二目标窗口，对第二目标窗口进行增强。

Description

一种放大图像的方法及其对应系统

技术领域

本发明涉及图像放大领域，尤其涉及一种超分辨率图像显示的方法。

背景技术

随着液晶电视、电脑显示屏等显示器的越做越大，有时信号传输内容的分辨率并不足以满足显示器的像素显示需要，最常见的是，一个超大的液晶电视，其中显示的电视画面只占据了显示屏中间的小小一块，显示器的边缘多是黑边显示，这显然降低了用户的观影体验。

为了解决上述问题，需要将传输来的图像信号进行放大显示，然而，放大图像中会多出很多无中生有的像素，这些像素并不是客观存在的，而是计算机认为它们“应该存在”的，即计算机通过均值或差值等算法，将新生区域的可能的像素值进行计算并显示。这些生硬的算法使得有些放大后的图片在人眼看来同样生硬不自然，直观看来便是多出了很多“锯齿”。因此，赋予这些算法更多的“智能”便是赋予放大图像灵魂，使得放大图像看起来更加自然。

超分辨率(super resolution)是解决放大问题的一个方法，其中心思想由Freeman提出，具体操作为，将图像的高通部分与低通部分分离通过滤波提取，再将高通部分叠加到一些需要进行自然化处理的地方。其基本假设在于，物体的边缘处都是自相似的。因此，将高通部分叠加到放大图像后，能够增加图像的高频细节。

对于原图细节的还原除了上述自学习的方法外，还有外部学习的图像超分辨率方法，如SONY公司在该领域应用了一种建立外部库的方法，将常见的自然物体的超分辨率图像汇编成库，当放大图像时从该数据库中调用对应的高分辨率图像进行叠加。

我们的发明人在进行超分辨率领域的工作时，发现现有技术仍有放大后图像并不够清晰、自然的问题。

发明内容

为此，需要提供一种改进的放大图像的方法，本发明提供了一种放大图像的方法，包括如下步骤，将原始图像放大得到目标图像；

遍历目标图像中的像素，判断像素所在区块属于边缘区块、平坦区块或纹理丰富区块；

若判断属于平坦区块，则不作处理；若判断属于边缘区块，则以该像素一定邻域范围内的像素为第一目标窗口，在原始图像中寻找匹配窗口，然后将匹配窗口上的高频信息叠加到第一目标窗口上；若判断属于纹理丰富区块，则以该像素一定邻域范围内的像素为第二目标窗口，对第二目标窗口进行增强。

具体的，所述判断像素所在区块的方法为，用Sobel梯度算子进行运算，根据运算结果判断像素所在区块类型。

进一步的，所述寻找匹配窗口还包括步骤：在匹配窗口一定领域范围内搜索最匹配窗口并进行梯度方向判断，在上述领域中选择梯度方向判断与第一目标窗口最相似的区域作为最匹配窗口，再将最匹配窗口上的高频信息叠加到第一目标窗口上。

进一步的，用高斯滤波获得原始图像匹配窗口的低频信息和高频信息，对第二目标窗口的进行的增强为边缘导向滤波增强。

进一步的，还包括步骤：对第一目标窗口和第二目标窗口的处理通过系数加权整合。

进一步的，还包括步骤，图像质量评价；具体操作为，对原始图像进行图像质量评价，并根据图像质量评价得到的不同的分值进行对应操作和设定放大时候的相关参数。。

一种放大图像的系统，包括放大模块、分区块模块、匹配模块、图像叠加模块和增强模块，放大模块用于将原始图像放大得到目标图像；

分区块模块用于遍历目标图像中的像素，判断像素所在区块属于边缘区块、平坦区块或纹理丰富区块；

分区块模块若判断某像素属于边缘区块，则使能匹配模块、图像叠加模块匹配模块，匹配模块用于以该像素一定邻域范围内的像素为第一目标窗口，在原始图像中寻找匹配窗口，图像叠加模块用于将匹配窗口上的高频信息叠加到第一目标窗口上；分区块模块若判断某像素属于为纹理丰富区块，则使能增强模块，所述增强模块用于以该像素一定邻域范围内的像素为第二目标窗口，并对第二目标窗口进行增强。

具体的，所述分区块模块用于根据Sobel梯度算子运算结果判断像素所在区块类型。

进一步的，所述匹配模块还用于：在匹配窗口一定领域范围内搜索最匹配窗口并进行梯度方向判断，在上述领域中选择梯度方向判断与第一目标窗口最相似的区域作为最匹配窗口，图像叠加模块还用于将最匹配窗口上的高频信息叠加到第一目标窗口上。

进一步的，图像叠加模块获得匹配窗口的低频信息和高频信息的方法为高斯滤波；增强模块对第二目标窗口的进行的增强为边缘导向滤波增强。

进一步的，还包括系数加权整合模块，所述加权整合模块用于对第一目标窗口和第二目标窗口的处理进行系数加权整合。

进一步的，还包括图像质量评价模块和参数调整模块，所述图像质量评价模块用于对原始图像进行图像质量评价，参数调整模块用于根据图像质量评价得到的不同的分值设定放大时候的相关参数。

附图说明

图1为本发明方法流程图；

图2为本发明系统模块图；

图3为描述本发明的一些实例。

附图标记说明：

201、图像质量评价模块；

202、放大模块；

203、分区块模块；

204、参数调整模块；

205、匹配模块；

206、增强模块；

207、图像叠加模块；

208、系数加权整合模块。

具体实施方式

为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。

本发明将要介绍的是一种放大图像的方法，包括图1所展示的如下步骤，步骤S101将原始图像放大得到目标图像；随后进行S102遍历目标图像中的像素，判断像素所在区块属于边缘区块、平坦区块或纹理丰富区块；根据S102的判断结果，对应处理有多种方式；若判断属于平坦区块，进行步骤S103不作处理；若判断属于边缘区块，则进行步骤S104,以该像素一定邻域范围内的像素为第一目标窗口，在原始图像中寻找匹配窗口；然后进行步骤S106,将匹配窗口上的高频信息叠加到第一目标窗口上；若判断属于纹理丰富区块，则进行步骤S105，以该像素一定邻域范围内的像素为第二目标窗口；并在S107对第二目标窗口进行导向滤波增强；在一些实施例中，一个经过S104-S106而获取的第一目标窗口,和经过S105-S107而获取的第二目标窗口，可在步骤S108进行加权整合。经过上述各种处理后的结果可用于增强该像素点所在区块

在步骤S101,一实施例将原始图像放大得到目标图像。放大方法包括一步放大到目标图像的大小，或者逐步放大到目标图像的大小。比如，如果需要将原始图像放大到原始图像的2倍大，可以一步到位将原始图像放大2倍，也可以先将原始图像通过第一步放大3/2倍，再通过第二步放大4/3倍，以达到放大2倍(3/2×4/3＝2)的效果。当采用多步放大时，每完成一步放大而获得的临时放大图像，将经历S102-S108的增强处理后，再实施下一步的放大和增强。

如图3所示，将原始图像310(包含24个像素)放大2.25倍后获得的目标图像320包含54个像素。放大之后的目标图像中会包括一些不存在原始图像中的像素。这些不存在的像素可以根据原始图像中的一些原有像素推算出来，也可以用拷贝一些原始图像中的临近像素的方法来生成这些不存在的像素。如果未经进一步的处理，这些之前不存在而通过估算获得的像素还是会减低目标图像的清晰度。

在步骤S102，一实施例遍历目标图像中的每个像素，并判断该像素所在区块属于平坦区块、边缘区块、或纹理丰富区块。比如图3所示，在处理像素4-6时，可以设定以该像素为中心的一个区块(比如，包括像素3-5，3-6，3-7，4-5，4-6，4-7，5-5，5-6，5-7这9个像素的以虚线标识的这个区块)，并用这个区块来判断其属于哪种区块。“平坦区块”指目标图像中,相邻像素之间的梯度变化较小的区域。例如，图像中那些与四周颜色变化不明显的部分就可视为平坦区块。“边缘区块”指目标图像中，相邻像素之间的梯度变化较大，且相邻像素之间的自相似度较高的区域。例如图像中那些有鲜明棱角的边界部分就可视为边缘区块。“纹理丰富区块”指目标图像中，相邻像素组成的线条较边缘区块显得不规则，自相似程度不高的区域。纹理丰富区块具体体现在某些自然纹路例如草地，动物皮毛花纹，大理石纹路等等。

所述判断像素所在区块可先用梯度算子对像素所在区块进行运算，并根据运算结果来判断。常用的梯度算子有Sobel算子、Robert算子、拉普拉斯算子等等。一实施例选用的是Sobel算子。选用该算子的优势在于：在检测边缘点时拥有抑制噪声的能力。而且，Sobel算子通过4个3*3算子可以计算出8个方向的梯度(比如，上，下，左，右，上左，上右，下左，下右)。相较于其他算子，例如只能反映4个方向的Robert算子，选用Sobel算子具有细分方向精细度上的优势。

具体来说，一实施例在判断一个像素所在区块时，先通过Sobel算子对像素所在区块进行梯度运算，运算获得的结果表达的是该像素所在位置的8个梯度方向上的梯度强度。再由这些梯度强度算出一个强度数值方差.然后，根据这些梯度方向、梯度强度、和/或强度数值方差来判断该像素所在区块类型。在一实施例中，可以根据最大梯度强度(比如，8个梯度方向上的梯度强度的最大值)来判断像素所在区块的性质。假设设定两个梯度强度比较值a和b,且a<b。当一个像素所在位置的最大梯度强度大于b时，可以判断该像素所在区域为边缘区块。当该像素所在位置的最大梯度强度小于a时，可以判断该像素所在区域为平坦区块。当该像素所在位置的最大梯度强度不小于a且不大于b时，则可以判断该像素处在纹理丰富区块。

在另外一实施例中，可以根据强度数值方差(比如，根据8个梯度方向上的梯度强度来计算出的方差)来判断像素所在区块的性质。假设设定两个强度数值方差的比较值，例如a和b且满足a<b。当强度数值方差小于比较值a)时，可以判断该像素所在区域为平坦区块。当强度数值方差大于比较值b时，可以判断该像素处在边缘区块。当强度数值方差不小于a且不大于b时，则可以判断该像素处在纹理丰富区块。

当判断某像素(称为第一像素)处在平坦区块后，一实施例对该像素所处的区域不作进一步的处理。当判断第一像素处在边缘区块后，如S104所述,一实施例试图在目标图像中建立一个第一目标窗口，并为这个第一目标窗口在原始图像中寻找一个较匹配或者最匹配的窗口。第一目标窗口可以是目标图像中，以第一像素为中心的一个区域，也可以是目标图像中包含了第一像素的一个区域。如图3所示，第一像素可以是目标图像320中的某个像素点(比如，像素1-1，像素4-6，等)。第一目标窗口可以是目标图像中一个边长为奇数个像素的正方形区域，比如目标窗口321或者目标窗口323。当第一像素在目标图像中处于边缘的位置(指第一像素到目标图像一个边缘的距离小于第一目标窗口边长的1/2)时，在建立的第一目标窗口中，此第一像素也处于边缘位置(指第一像素到第一目标窗口的一个边缘的距离小于目标窗口的边长1/2)。在另外一个实施例中，当第一像素在目标图像中处于边缘的位置时，在建立的第一目标窗口中，第一像素处于第一目标窗口的中心或者较中心的位置。而第一目标窗口中，超越了目标图像的部分像素，可以根据目标图像中的一些其他像素(比如处于目标图像边缘位置的其他像素)来推算/复制出来。

如图3所示，当建立一个以第一像素1-1为中心的第一目标窗口321(包含像素A,B,C,D,1-1，1-2，E,2-1，2-2)时，像素点A,B,C,D,E超越了目标图像320的范围。因此，本实施例在建立第一目标窗口321时，可以根据目标图像320的边缘像素(比如像素1-1、1-2、和2-1)来推算复制出像素A,B,C,D,E。具体来说，像素A可以根据像素1-1来复制；像素B,C可以根据像素1-1和1-2来推算；像素D,E可以根据像素1-1和2-1来推算。当第一像素在目标图像中，不处于边缘的位置(指第一像素到目标图像一个边缘的距离大于等于目标窗口的边长1/2)时，在建立的第一目标窗口中，此第一像素可处于第一目标窗口的中心或者较中心的位置。如图3所示，当为第一像素4-6建立一个第一目标窗口323(包含像素3-5，3-6，3-7，4-5，4-6，4-7，5-5，5-6，5-7)时，可以将第一像素4-6放在第一目标窗口323的中心。

为第一目标窗口寻找在原始图像里的匹配窗口时，与第一目标窗口在目标图像中的位置相对应的在原始图像的一个匹配窗口可能并非最合适的匹配窗口。本发明还包括一个优选的实施方案，所述寻找匹配窗口包括步骤S104：在匹配窗口一定领域范围内搜索最匹配窗口，所述最匹配窗口为与第一目标窗口的梯度方向一致并且图像差异最小的窗口。具体来说，假设与第一目标窗口在目标图像中的位置相对应的在原始图像的匹配窗口称为第一匹配窗口。上述“位置相对应”指根据第一目标窗口在目标图像中的坐标位置，用与放大比例相同的压缩比例缩放后的坐标位置，来判断如何在原始图像中获取第一匹配窗口的方式。

本实施方案在原始图像中的第一匹配窗口的附近(比如，在匹配窗口的宽度的2倍像素距离内)遍寻所有与第一匹配窗口同等大小的待选匹配窗口(包括第一匹配窗口)，然后对每个待选匹配窗口进行梯度方向判断。所述梯度方向判断可以用Sobel、Robert、Prewitt t、Laplacian t、Canny等算法。之后，本方案将那些与第一目标窗口的梯度方向相似的待选匹配窗口与第一目标窗口再进行图像差异性的判断。图像差异性的判断可以用SSD(Sum ofSquared Difference)或SAD(Sum of Absolute Difference)算法。SSD为求上述待选匹配窗口和第一目标窗口内所有位置的像素的绝对差的平方和；SAD为上述待选匹配窗口和第一目标窗口内所有位置像素绝对差的和。最匹配窗口为与第一目标窗口的SSD和/或SAD的差别最小的那个待选匹配窗口。

在图3的例子中，第一像素为像素4-6，第一目标窗口为目标窗口323。一实施例在原始图像310中找到对应第一像素4-6的一个像素点16，并在像素16的附近找到9个待选匹配窗口(待匹配窗口为以9，10，11，15，16，17，21，22，23为中心的3×3的窗口；比如，其中的2个待选匹配窗口为311和313)对应第一目标窗口323。之后，一实施例将每个待选匹配窗口分别进行相对第一目标窗口323的SSD和SAD计算。比如，如果发现待选匹配窗口313的SSD和SAD计算值最小，说明待选匹配窗口313与第一目标窗口323的差别最小。因此，待选匹配窗口313可视为第一目标窗口323的最匹配窗口。

找到最匹配窗口后，一实施方案即进行S106，将最匹配窗口的高频信息贴至第一目标窗口。具体来说，先用高斯滤波方法获得最匹配窗口的低频信息和高频信息，随即将最匹配窗口上的高频信息叠加到第一目标窗口上。具体做法包括将匹配窗口里的每个像素的高频信息都叠加到第一目标窗口中，那个相对应的像素上。在图3例中，在用高斯滤波方法处理最匹配窗口313后，可以将最匹配窗口313中每个处理后的像素的高频信息叠加到第一目标窗口323的相对应的像素上。因此，最匹配窗口313内像素9的高频信息可叠加在第一目标窗口323的像素3-5上，像素10的高频信息可叠加在像素3-6上，并以此类推。

高频信息是图像经过滤波得到的一种反应更多细节的信息。由于图像的边缘部分自相似程度很高，叠加了高频信息的边缘区块能反映更多图像细节，客观上起到了提高图像分辨率的效果，使得放大后的图像更加清晰。通过上述步骤，在匹配窗口的领域中寻找出最匹配窗口，再将最匹配窗口的高频信息叠加到原始图像上，效果将比不寻找最匹配窗口更好，更能使得处理后的图像自然，清晰。但是，一般图像并不仅仅只有边缘和平坦两种对应关系，仅仅划分为边缘区块和平坦区块显得过于简单粗糙。因此，可以通过一个对纹理丰富区块进行进一步增强的方法，使得图像区分更为细致，在处理纹路复杂，边缘区块与平坦区块变化不明显的图片时更有优势，在一般图像的处理中也更有助于使得处理后的图像更为平滑和自然。

因此，当判断第一像素处在纹理丰富区块后，如S105所述,一实施方案试图在目标图像中建立一个第二目标窗口。建立第二目标窗口可参照上述建立第一窗口的方式。在S107,本方案对第二目标窗口的进行增强。可选增强包括选用USM增强(即Unsharp Mask，即在原图上叠加“1－低频”来实现高频增强)。作为一个优选方案，本实施采用边缘导向滤波增强。采用边缘导向滤波增强的好处比普通高斯具有更好的保边性，比双边滤波速度更快，并能够使目标图像的视觉效果更加的突出，纹理更加逼真自然。

在一实施例中，当在S102判断第一像素不在平坦区块时，不管该像素是处于边缘区块或者是纹理丰富区块，该实施例将分别运行S104-S106流程和S105-S107流程的处理。具体来说，该实施例将先通过S104来建立第一目标边缘导向滤波增强窗口并找到其最匹配窗口，并在S106对第一目标窗口进行增强。然后再通过S105和S107来建立并增强第二目标窗口。之后，根据S102处计算的梯度方向和梯度强度，来判断该像素所处的区块是趋向于边缘区块还是趋向于纹理丰富区块，并在S108处对实施了S106和S107的第一目标窗口和第二目标窗口进行加权整合。如前述及，Sobel梯度算子计算出的结果可用于判断一像素所在的区域属于哪种区块。当计算结果显示该像素倾向于属于边缘区块时，则对第一目标窗口中的像素的处理赋予较高的权重；当计算结果倾向于属于纹理丰富区块时，则对第二目标窗口中的像素的处理赋予较高的权重。

假设在S102的Sobel梯度算子计算得到结果设为加权系数w，在S106增强后的第一目标窗口中一个增强像素为A,在S107增强后的第二目标窗口中相对应的增强像素为B,则在S108加权整合后的像素值可为w*A+(1-w)*B。用加权系数来进行加权整合和增强图像，其好处在于：对边缘区块和纹理丰富区块的过渡空间中的像素处理为不同处理系数加权叠加，综合了二者的影响因素，能使得边缘区块与纹理丰富区块在处理之后更为平滑的过渡，在视觉上的直观感受便是更加清晰，图像整体也更加自然。

在另一实施例中，当在做S102遍历目标图像中的像素时，一旦发现第一像素处于边缘区块时，会在S104和S106,建立一个第一目标窗口并对第一目标窗口进行增强处理。之后，当下一步S102遍历到另一个像素(称为第二像素)并发现第二像素的所在领域为附近纹理丰富区块时，本实施例会在S105和S107,为第二像素建立一个第二目标窗口并对其进行增强。由于第一像素与第二像素距离较近但分属不同的区块，相对应的第一目标窗口与第二目标窗口会有一定的重叠部分。因此在这个实施例中，可以在S108将第一目标窗口和第二目标窗口的重叠部分的像素通过加权进行整合。就是说，第一目标窗口中的重叠像素和第二目标窗口中的重叠像素通过一个加权系数进行加权后，再整合成为一个增强后的像素值。

以图3的例子中，假设第一目标窗口323属于边缘区块，第二目标窗口325(包括像素4-6，4-7，4-8，5-6，5-7，5-8，6-6，6-7，6-8)属于纹理丰富区块。第一目标窗口323范围中像素4-6，4-7，5-6，和5-7会在S106得到一次增强。同样的，这些像素也在第二目标窗口325的范围内，并会在S107得到又一次增强。因此，可以通过S108的加权整合，如上所述，按照一个加权系数来调整S106和S107的增强后，再整合为像素4-6，4-7，5-6，和5-7的像素值。

在另一些实施例中，相近边缘区块中的像素对应的第一目标窗口之间也会有重叠，对于相邻第一目标窗口之间的重叠关系，我们通过计算高频信息叠加次数和计算高频信息总叠加信息，用总叠加信息除以叠加次数来整合高频信息的重复叠加，也达到了图像整体更加自然，并且提高图像质量的效果。具体来说，“高频信息叠加次数”指对于重叠的像素，其目标窗口的最匹配窗口的高频信息的叠加次数。“高频信息总叠加信息”指对于重叠的像素，其目标窗口的最匹配窗口的高频信息的叠加总和。

以图3的例子中，假设第一目标窗口323属于边缘区块，第二目标窗口325也属于边缘区块。第一目标窗口323范围中的像素4-6，4-7，5-6，和5-7会在S106得到两次最匹配窗口的增强，一次是通过第一目标窗口323的最匹配窗口的增强，另外一次是通过第二目标窗口325的最匹配窗口的增强。因此，可以通过S108的加权整合，通过计算高频信息叠加次数(2次)和计算高频信息总叠加信息，用总叠加信息除以叠加次数来获得像素4-6，4-7，5-6，和5-7的像素值。

在一个实施例中，在S101之前，还包括一个步骤：图像质量评价。具体操作为，对原始图像进行图像质量评价，并根据图像质量评价得到的不同的分值进行对应操作和设定放大时候的相关参数。所述对应操作指是否进行判断分区块、高频信息的叠加和滤波增强等步骤，即若图像质量评价得分小于一定的阈值，则仅进行S101放大，而不再进行S102遍历分区块、S106高频信息叠加、S107滤波增强等步骤。当图像质量评价得分高于一定的阈值时，则进行放大后的S102遍历分区块、S106高频信息叠加、S107滤波增强等步骤，并且根据得分的不同设定相关参数。所述相关参数包括但不限于：上述第一目标窗口、第二目标窗口的领域的搜索范围；以及在匹配窗口内一定领域范围搜索最匹配窗口的搜索范围(比如，5×5)和搜素步长(比如，2)；还有进行高斯模糊/高斯滤波计算时，对模糊核或模糊半径的数值的设置等等。进行图像质量评价的好处在于，对于质量得分不高的原始图像，不再进行普通放大后的增强和叠加处理等操作，节省了系统资源。对不同的图像质量评价得分结果设定更加细分的参数设置，对质量得分不同图像进行不同的方法运行参数配置，减少对图像质量不足的图像进行的增强，搜索等操作，有利于提高本方法的工作效率。

本发明还提供了一种放大图像的系统，包括放大模块202、分区块模块203、匹配模块205、图像叠加模块207和增强模块206，放大模块用于将原始图像放大得到目标图像；

分区块模块用于遍历目标图像中的像素，判断像素所在区块属于边缘区块、平坦区块或纹理丰富区块；

分区块模块若判断某像素属于边缘区块，则使能匹配模块、图像叠加模块匹配模块，匹配模块用于以该像素一定邻域范围内的像素为第一目标窗口，在原始图像中寻找匹配窗口，图像叠加模块用于将匹配窗口上的高频信息叠加到第一目标窗口上；分区块模块若判断某像素属于为纹理丰富区块，则使能增强模块，所述增强模块用于以该像素一定邻域范围内的像素为第二目标窗口，并对第二目标窗口进行增强。本系统相对于现有技术的好处在于，在目标图像进行分区块操作，并多设计了一个纹理丰富模块的区分，并对纹理丰富模块进行增强。这样在实际工作中有助于使得处理后的图像更为平滑和自然。

具体的，所述分区块模块用于根据Sobel梯度算子运算结果判断像素所在区块类型。这样设计的好处在于检测边缘点时拥有抑制噪声的能力。

所述匹配模块还用于：在匹配窗口一定领域范围内搜索最匹配窗口并进行梯度方向判断，在上述领域中选择梯度方向判断与第一目标窗口最相似的区域作为最匹配窗口，图像叠加模块还用于将最匹配窗口上的高频信息叠加到第一目标窗口上。匹配模块在匹配窗口的领域中寻找出最匹配窗口，好处是使得处理后的图像更为自然，清晰。

在一些具体的实施例中，图像叠加模块获得原始图像的低频信息和高频信息的方法为高斯滤波，能使得所获取的高频信息在叠加回目标图像后展现更多的细节；增强模块对第二目标窗口的进行的增强为边缘导向滤波增强，增强模块采用该增强的好处在于能够使目标图像的视觉效果更加的突出，纹理更加逼真自然。

具体的，还包括系数加权整合模块208，所述加权整合模块用于对第一目标窗口和第二目标窗口的处理进行系数加权整合。通过设计了系数加权整合模块能使得边缘区块与纹理丰富区块在处理之后更为平滑的过度，使得视觉上的直观感受便是更加清晰，也更加自然。

还包括图像质量评价模块201和参数调整模块204，所述图像质量评价模块用于对原始图像进行图像质量评价，参数调整模块用于根据图像质量评价得到的不同的分值设定放大时候的相关参数。通过这两个模块的设计，使得质量得分不高的原始图像，不再进行普通放大后的增强和叠加处理等操作，节省了系统资源。对不同的图像质量评价得分结果设定更加细分的参数设置，对症下药，细分不同的相关参数设置，对质量评价得分不同的图像进行不同的方法运行参数配置，减少对图像质量不足的图像进行的增强，搜索等操作，有利于提高本方法的工作效率。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括……”或“包含……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的要素。此外，在本文中，“大于”、“小于”、“超过”等理解为不包括本数；“以上”、“以下”、“以内”等理解为包括本数。

本领域内的技术人员应明白，上述各实施例可提供为方法、装置、或计算机程序产品。这些实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。上述各实施例涉及的方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成，所述的程序可以存储于计算机设备可读取的存储介质中，用于执行上述各实施例方法所述的全部或部分步骤。所述计算机设备，包括但不限于：个人计算机、服务器、通用计算机、专用计算机、网络设备、嵌入式设备、可编程设备、智能移动终端、智能家居设备、穿戴式智能设备、车载智能设备等；所述的存储介质，包括但不限于：RAM、ROM、磁碟、磁带、光盘、闪存、U盘、移动硬盘、存储卡、记忆棒、网络服务器存储、网络云存储等。

上述各实施例是参照根据实施例所述的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到计算机设备的处理器以产生一个机器，使得通过计算机设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机设备以特定方式工作的计算机设备可读存储器中，使得存储在该计算机设备可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机设备上，使得在计算机设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已经对上述各实施例进行了描述，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改，所以以上所述仅为本发明的实施例，并非因此限制本发明的专利保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围之内。

Claims (12)

1.一种放大图像的方法，其特征在于：包括如下步骤，将原始图像放大得到目标图像；

遍历目标图像中的像素，判断像素所在区块属于边缘区块、平坦区块或纹理丰富区块；

若判断属于平坦区块，则不作处理；若判断属于边缘区块，则以该像素一定邻域范围内的像素为第一目标窗口，在原始图像中寻找匹配窗口，然后将匹配窗口上的高频信息叠加到第一目标窗口上；若判断属于纹理丰富区块，则以该像素一定邻域范围内的像素为第二目标窗口，对第二目标窗口进行增强。

2.根据权利要求1所述的放大图像的方法，其特征在于，所述判断像素所在区块的方法为，用Sobel梯度算子进行运算，根据运算结果判断像素所在区块类型。

3.根据权利要求1所述的放大图像的方法，其特征在于：所述寻找匹配窗口还包括步骤：在匹配窗口一定领域范围内搜索最匹配窗口并进行梯度方向判断，在上述领域中选择梯度方向判断与第一目标窗口最相似的区域作为最匹配窗口，再将最匹配窗口上的高频信息叠加到第一目标窗口上。

4.根据权利要求1所述的放大图像的方法，其特征在于：用高斯滤波获得匹配窗口的低频信息和高频信息，对第二目标窗口的进行的增强为边缘导向滤波增强。

5.根据权利要求4所述的放大图像的方法，其特征在于：包括步骤：对第一目标窗口和第二目标窗口的处理通过系数加权整合。

6.根据权利要求3或5所述的放大图像的方法，其特征在于：还包括步骤，图像质量评价；具体操作为，对原始图像进行图像质量评价，并根据图像质量评价得到的不同的分值进行对应操作和设定放大时候的相关参数。

7.一种放大图像的系统，其特征在于：包括放大模块、分区块模块、匹配模块、图像叠加模块和增强模块，放大模块用于将原始图像放大得到目标图像；

分区块模块用于遍历目标图像中的像素，判断像素所在区块属于边缘区块、平坦区块或纹理丰富区块；

分区块模块若判断某像素属于边缘区块，则使能匹配模块、图像叠加模块，匹配模块用于以该像素一定邻域范围内的像素为第一目标窗口，在原始图像中寻找匹配窗口，图像叠加模块用于将匹配窗口上的高频信息叠加到第一目标窗口上；分区块模块若判断某像素属于为纹理丰富区块，则使能增强模块，所述增强模块用于以该像素一定邻域范围内的像素为第二目标窗口，并对第二目标窗口进行增强。

8.根据权利要求7所述的放大图像的系统，其特征在于，所述分区块模块用于根据Sobel梯度算子运算结果判断像素所在区块类型。

9.根据权利要求7所述的放大图像的系统，其特征在于：所述匹配模块还用于：在匹配窗口一定领域范围内搜索最匹配窗口并进行梯度方向判断，在上述领域中选择梯度方向判断与第一目标窗口最相似的区域作为最匹配窗口，图像叠加模块还用于将最匹配窗口上的高频信息叠加到第一目标窗口上。

10.根据权利要求7所述的放大图像的系统，其特征在于：图像叠加模块获得匹配窗口的低频信息和高频信息的方法为高斯滤波；增强模块对第二目标窗口的进行的增强为边缘导向滤波增强。

11.根据权利要求10所述的放大图像的系统，其特征在于：还包括系数加权整合模块，所述加权整合模块用于对第一目标窗口和第二目标窗口的处理进行系数加权整合。

12.根据权利要求8或11所述的放大图像的系统，其特征在于：还包括图像质量评价模块和参数调整模块，所述图像质量评价模块用于对原始图像进行图像质量评价，参数调整模块用于根据图像质量评价得到的不同的分值设定放大时候的相关参数。