CN1099188C - 信号自适应滤波方法和信号自适应滤波器 - Google Patents

Abstract

一种用于减小图像数据阻滞效应和振铃噪声的信号自适应滤波方法。首先获得输入图像的梯度数据，然后将梯度数据分别与由量化步长确定的全局阈值和针对一定尺寸的每个数据块确定的局部阈值相比较，得到全局和局部边缘映像；再对它们执行“或”运算以产生二值边缘映像；利用滤波窗口来判断二值边缘映像中边缘的位置；对于存在或不存在边缘的窗口，分别采用加权和均值滤波来产生新像素值，若窗口中心像素代表边缘则不执行滤波。

Description

信号自适应滤波方法和信号自适应滤波器

                        技术领域

本发明涉及数据滤波，更具体地涉及一种减小阻滞效应(blocking effect)和振铃噪声(ringing noise)的信号自适应滤波方法及适用于该方法的信号自适应滤波器。

                        背景技术

诸如国际标准化组织(ISO)的MPEG和国际无线通信联盟(ITU)推荐的H.263的图像编码标准一般采用基于数据块的运动估计和数据块的离散余弦变换(DCT)。介所周知，当高度压缩图像时，基于数据块的编码会引起阻滞效应和振铃噪声。常见的一种阻滞效应是在均匀区域内出项的栅状噪声，在均匀区域内相邻像素之间具有近似相同的像素值。另一种阻滞效应为具有阶梯形状的阶梯状噪声，它沿着图像的边沿产生。而且，在高度压缩图像时由量化对DCT系数的截尾而导致的通常的吉布斯现象(Gibbsphenomenon)也带来了振铃噪声。

当恢复压缩的数据在屏幕上显示时，若出现栅状噪声，每个数据块上执行的处理引起的痕迹会显示在块与块之间的边界上，这样块边界就会被用户注意到。若出现阶梯状噪声，图像的边缘具有阶梯形状，用户会注意到该图像的锯齿状边缘。振铃噪声引起的问题是显示图像中的物体具有多重重影。

                        发明内容

本发明的目的在于解决上述问题，提供一种在高度压缩编码系统中减小阻滞效应和振铃噪声的信号自适应滤波方法和采用该方法的信号自适应滤波器。

在本发明的信号自适应滤波方法中，要对图像数据的每个像素计算图像数据的梯度。然后，将每个像素的梯度数据与一个全局阈值(Tg)比较并且产生该像素的全局边缘映像信息，全局阈值根据预定的量化步长(Q)来确定。同时，每个像素的梯度数据还与一个局部阈值(Tn)比较并产生该像素的局部边缘映像信息，局部阈值针对具有预定尺寸的每个数据块来确定。对全局边缘映像信息和局部边缘映像信息执行一“或”操作，以产生二值(binary)边缘信息。然后，利用一预定尺寸的滤波窗口，根据在该滤波窗口内的二值边缘映像信息，来判断是否在该滤波窗口中出现了边缘。之后，如果判断出不存在边缘，则采用预定第一权值对相应滤波窗口的像素值逐个像素地滤波，以产生新的像素值。而且，如果判断出存在边缘，则采用预定第二权值对相应滤波窗口的像素值逐个像素地滤波，以产生新的像素值。但如果表示一边缘的像素位于该滤波窗口的中心，则不执行滤波。

全局阈值(Tg)可采用下式来确定：其中，Q为量化器的量化步长。

另外，本发明的信号自适应滤波器包括：图像存储单元，用于暂时存储解压缩的图像数据；梯度运算单元，用于接收来自图像存储单元的以预定尺寸块为单位的图像数据，并利用梯度算子计算在水平和垂直方向上图像数据的梯度以寻找边缘像素；全局边缘映像产生器，用于将梯度运算单元输出的每个像素的梯度数据和根据量化步长(Q)确定的全局阈值(Tg)相比较，以产生二值全局边缘映像信息，其中全局阈值(Tg)采用与本发明上述信号自适应滤波方法中的全局阈值(Tg)相同的公式来确定；局部边缘映像产生器，用于将由梯度运算单元输出的每个像素的梯度数据和对每个预定尺寸的块个别确定的局部阈值相比较，以产生二值局部边缘映像信息；或门，用于对来自全局边缘映像产生器的全局边缘映像信息和来自局部边缘映像产生器的局部边缘映像信息逐个像素地进行“或”操作，以产生二值边缘映像信息；滤波器选择器，用于存储由或门输出的二值边缘映像信息，并根据该二值边缘映像信息将输入图像数据分成：包括至少一个边缘信息的边缘区域和没有边缘信息的均匀区域；均值滤波器，用于在一滤波区域的滤波窗口内对中心像素执行均值滤波，以产生新的像素值，该滤波区域被滤波器选择器划分为均匀区域；和加权滤波器，用于在一滤波区域的滤波窗口内对中心像素执行加权滤波，以产生新的像素值，该滤波区域被滤波器选择器划分为边缘区域。

                        附图说明

通过参照附图对本发明优选实施例进行详细说明，本发明的上述目的和优点将更加清楚，附图中：

图1为本发明信号自适应滤波器优选实施例的框图；

图2示出由二值边缘映像产生器产生的二值边缘映像和在信号自适应滤波单元中使用的低通滤波器；

图3A示出一二维3×3滤波的滤波窗口；

图3B和3C为二维3×3滤波权值的示意图；和

图4示出本发明信号自适应滤波方法的流程图。

                     具体实施方式

图1中，信号自适应滤波器包括图像存储单元100、二值边缘映像信息产生器110和滤波单元150。图4示出了本发明信号自适应滤波方法的流程图。

图像存储单元100暂时存储经过逆离散余弦变换(inverse-DCT)和解压缩的图像数据，该图像数据含有阻滞效应和振铃噪声。

二值边缘映像信息产生器110产生二值边缘信息，该信息包括在图像存储单元100中存储的解压缩图像的全局边缘和局部边缘。二值边缘映像信息产生器110包括梯度运算单元112、全局边缘映像产生器114和局部边缘映像产生器116。

滤波单元150包括均值滤波器154和加权滤波器156。滤波单元150根据产生的二值边缘映像信息选择均值滤波器154或加权滤波器156，并利用所选滤波器对解压缩图像数据滤波，以减小栅状噪声和阶梯状噪声。

梯度运算单元112利用梯度算子以像素为单位计算来自图像存储单元100的图像数据的梯度，以寻找边缘像素(步骤410)。梯度算子可包括垂直索贝尔(sobel)梯度算子(__v)和水平索贝尔梯度算子(__h)。梯度数据被提供给全局边缘映像产生器114和局部边缘映像产生器116。

全局边缘映像产生器114接收来自梯度运算单元112的梯度数据，以产生每帧的全局边缘映像信息(步骤420)。通过计算每个像素的绝对梯度和然后将该绝对梯度和与全局阈值Tg比较来获得全局边缘映像信息edge(i，j)，如下面的方程(1)所示。

edge(i，j)＝1，如果|__h(i，j)|+| __v(i，j)|≥Tg

        0，如果|__h(i，j)|+|__v(i，j)|＜Tg                …(1)

这里，根据量化器的量化步长Q来确定全局阈值Tg。若每个像素具有256个灰度级，则由下面的方程(2)来确定全局阈值Tg。

这里，根据图像数据的信道带宽来确定量化步长值Q。即，如果带宽较大，因有较多数据要传输，则将Q值设定为一较小值。

这样，如果计算出某像素的绝对梯度和大于或等于全局阈值Tg，则全局阈值边缘映像产生器114确定该像素的全局边缘映像信息edge(i，j)为“1”。相反，如果计算出某像素的绝对梯度和小于全局阈值Tg，则全局阈值边缘映像产生器114确定该像素的全局边缘映像信息edge(i，j)为“0”。由上述步骤获得的每帧的全局边缘映像信息被提供给或门118。

局部边缘映像产生器116接收来自梯度运算单元112的梯度数据，以产生局部边缘映像。即，局部边缘映像产生器116计算对应梯度数据的每个M₁×M₂块的局部阈值，并利用计算出的局部阈值来产生对应于相应块内所有像素的局部边缘映像信息(步骤430)。按照MPEG标准，诸如DCT和量化的基于块的信号处理基本上在每块包含8×8个像素的8×8数据块上进行。于是，在本实施例中，局部边缘映像产生器116接收以16×16尺寸宏块为单位的梯度数据值，并产生以8×8块为单位的局部边缘映像信息，每个宏块包含16×16个像素。然而，应注意到宏块和块的尺寸并不限于本

实施例。

第n个8×8梯度数据块的局部阈值Tn由下式计算： $T_n=|1-\frac{{\mathrm{\σ}}_n}{m_n}|\×T_g---\left(3\right)$ 其中 ${\mathrm{\σ}}_n=\sqrt{\frac{1}{N}{\{\underset{(i,j)\∈R_n}{\mathrm{\Σ}}g(i,j)-m_n\}}^2}$ $m_n=\frac{1}{N}\underset{(i,j)\∈R_n}{\mathrm{\Σ}}g(i,j)$ 此处，g(i，j)代表梯度图像或梯度数据，Rn代表第n个8×8块区，m_n和σ_n分别代表第n个8×8块像素点梯度计算值的平均和标准偏差，Tg代表全局阈值。

这样，利用Tn来产生细微的边缘映像信息，即没有被Tg划分为全局边缘的局部边缘映像信息。如果第n个8×8块是均匀的，则σ_n/m_n的比值趋于“0”，使得Tn近似等于Tg。相反，如果第n个8×8块是复杂图像的一部分，则σ_n/m_n的比值增大，使得Tn小于Tg。

局部边缘映像产生器116将第n个8×8块的局部阈值Tn分别与该块的一些梯度数据比较。此外的这些梯度数据相应于8×8尺寸块的6×6的像素，不包括边界像素。如果用于产生局部边缘映像的梯度数据如上限定，则细微信息就不会模糊，而且栅状噪声就不会作为图像边缘出现。如果在第n个8×8尺寸块内的梯度数据大于或等于局部阈值Tn，则局部边缘映像产生器116确定相应于该块的局部边缘信息为“1”。相反，如果该梯度数据小于局部阈值Tn，则局部边缘映像产生器116确定该局部边缘值为“0”。由上述步骤获得的局部边缘映像信息提供给或门118。

或门118对由全局边缘映像产生器114产生的全局边缘映像信息和由局部边缘映像产生器116产生的局部边缘映像信息执行“或”操作(步骤440)。详细地说，或门118对每个像素的全局边缘值和局部边缘值执行“或”操作。或门118对全局边缘映像的所有全局边缘值和局部边缘映像的所有局部边缘值执行“或”操作，以产生二值边缘映像信息(步骤450)。然后，或门118将操作结果输出给滤波器选择器152。图2示出由二值边缘映像信息产生器110产生的二值边缘映像和在滤波单元150中使用的低通滤波器。

滤波器选择器152存储由或门118提供的二值边缘映像信息，并根据来自二值边缘映像产生器110的二值边缘映像信息，将解压缩的输入图像数据分成边缘区域和均匀区域。

在本实施例中，均值滤波器154和加权滤波器156采用一个3×3尺寸的滤波窗口。这样，在滤波器选择器152中使用的滤波窗口也是3×3尺寸的。根据滤滤窗口内的边缘信息，滤波器选择器152判断该滤波窗口位于的二值边缘映像的部分是属于边缘区域还是均匀区域(步骤460)。更详细地讲，滤波器选择器152利用3×3尺寸的滤波窗口对每个像素设置3×3尺寸的图像数据滤波区域。然后，检查该滤波区域内的像素是否代表边缘信息。具有代表边缘信息的像素的滤波区域被当作“边缘区域”，没有边缘信息的滤波区域被当作“均匀区域”。

如果判断滤波区域为边缘区域，则滤波器选择器152将用于确定的滤波窗口的二值边缘映像信息和该滤波窗口内中心像素的位置数据输出给加权滤波器156。而且，滤波器选择器152还根据滤波窗口内中心像素的位置数据来检查该滤波窗口的中心像素是否代表边缘信息(步骤470)。如果中心像素代表边缘信息，则不对原始输入图像数据的像素值进行滤波操作(步骤475)。然而，如果中心像素不代表边缘信息，则对输入图像数据进行加权滤波(步骤480)。因此，该滤波窗口内的中心像素的像素值被新值取代。

如果判断滤波区域为均匀区域，则滤波器选择器152输出用于确定的该滤波窗口内中心像素的位置数据，以便均值滤波器154执行均值滤波(步骤485)。

图3A、3B和3C示出二维3×3滤波。具体地说，图3A示出3×3滤波的滤波窗口，图3B示出3×3均值滤波的权值，图3C示出3×3加权滤波的权值。在图3A所示的滤波窗口中，具有编号“5”的像素代表该滤波窗口的中心像素。

下面将详细说明均值滤波器154和加权滤波器156，它们是二维低通滤波器。

当输入中心像素的位置数据时，均值滤波器154从图像存储单元100读取计算中心像素的滤波像素值所需的像素值。然后，均值滤波器154利用读出的像素值和图3B中所示的权值来计算滤波像素值。计算出的滤波像素值用作中心像素的新像素值。

加权滤波器156根据由滤波器选择器152提供的二值边缘映像信息和中心像素的位置数据来执行滤波操作。为了更清楚地理解，下面给出描述加权滤波器156操作的实例。如果编号“5”的中心像素在一边缘上，加权滤波器156不执行对中心像素的滤波操作。如果在3×3滤波窗口内虽存在一边缘点(或多个边缘点)，却不在中心像素上，则加权滤波器156使用图3C所示的权值执行滤波操作。如果边缘点在图3A的编号2和6点上，各边缘点和它外围相邻点(例如编号3点)的权值被设为“0”。相似地，如果边缘点在图3A的点6和8、点4和8、或点2和4上，各边缘点和外围相邻点的权值被设为“0”。之后，经过信号自适应滤波处理后的图像数据由均值滤波器154或加权滤波器156输出(步骤490)。

在上述滤波后的图像数据的基础上，再次组织16×16尺寸的宏块。在一帧中的所有宏块均以这样的方式滤波。这里，由滤波单元150滤波的块尺寸不限于本发明上述实施例中所述的尺寸。

按照本发明，从基于块处理的图像中消降了阻滞效应和振铃噪声。因此，提高了峰-峰信噪比(PSNR)并改善了解压缩图像的质量。

Claims (7)

1.一种用于减小图像数据阻滞效应和振铃噪声的信号自适应滤波方法，包括下列步骤：

(a)对图像数据的每个像素计算图像数据的梯度；

(b)将每个像素的梯度数据与一个全局阈值(Tg)比较以产生该像素的全局边缘映像信息，该全局阈值(Tg)采用下式来确定：

其中，Q为量化器的量化步长；

(c)将每个像素的梯度数据与一个局部阈值(Tn)比较以产生该像素的局部边缘映像信息，该局部阈值针对具有预定尺寸的每个数据块来确定；

(d)对在所述步骤(b)中产生的全局边缘映像信息和在所述步骤(c)中产生的局部边缘映像信息执行一“或”操作，以产生二值边缘映像信息；

(e)利用一预定尺寸的滤波窗口，根据在该滤波窗口内的二值边缘映像信息，来判断在该滤波窗口中是否存在边缘；

(f)如果在所述步骤(e)中判断出不存在边缘，则采用预定第一权值对相应滤波窗口的像素值逐个像素地滤波，以产生新的像素值；以及

(g)如果在所述步骤(e)中判断出存在边缘，则采用预定第二权值对相应滤波窗口的像素值逐个像素地滤波，以产生新的像素值，其中如果表示一边缘的像素位于该滤波窗口的中心，则不执行滤波。

2.如权利要求1所述的信号自适应滤波方法，其中在所述步骤(c)中的第n个局部阈值(Tn)采用下式来计算： $T_n=|1-\frac{{\mathrm{\σ}}_n}{m_n}|\×T_g$ 其中 ${\mathrm{\σ}}_n=\sqrt{\frac{1}{N}\underset{(i,j)\∈R_n}{\mathrm{\Σ}}{\{g(i,j)-m_n\}}^2}$ $m_n=\frac{1}{N}\underset{(i,j){\∈R}_n}{\mathrm{\Σ}}g(i,j)$ g(i，j)代表梯度图像，Rn代表n个8×8块，m_n和σ_n分别代表第n个8×8块像素点梯度计算值的平均和标准偏差，Tg代表全局阈值。

3.如权利要求2所述的信号自适应滤波方法，其中在所述步骤(c)，将8×8尺寸的块除去边界像素而剩余的6×6个像素中每个像素的梯度数据与局部阈值比较，以产生局部边缘映像信息。

4.如权利要求1所述的信号自适应滤波方法，其中该滤波窗口的尺寸为3×3。

5.如权利要求4所述的信号自适应滤波方法，其中在所述步骤(f)中的该预定第一权值等于1。

6.如权利要求3所述的信号自适应滤波方法，其中在所述步骤(g)中施加给位于3×3滤波窗口中心的像素的权值等于2。

7.一种信号自适应滤波器，包括：

图像存储单元，用于暂时存储解压缩的图像数据；

梯度运算单元，用于接收来自所述图像存储单元的以预定尺寸块为单位的图像数据，并利用梯度算子来计算在水平和垂直方向上图像数据的梯度以寻找边缘像素；

全局边缘映像产生器，用于将由所述梯度运算单元输出的每个像素的梯度数据和根据量化步长(Q)确定的全局阈值(Tg)相比较，以产生二值全局边缘映像信息，采用下式来确定全局阈值(Tg)：其中，Q为量化器的量化步长；

局部边缘映像产生器，用于将由所述梯度运算单元输出的每个像素的梯度数据和对每个预定尺寸的块个别确定的局部阈值相比较，以产生二值局部边缘映像信息；

或门，用于对来自全局边缘映像产生器的全局边缘映像信息和来自局部边缘映像产生器的局部边缘映像信息逐个像素地进行“或”操作，产生二值边缘映像信息；

滤波器选择器，用于存储由所述或门输出的二值边缘映像信息，并根据该二值边缘映像信息，将输入图像数据分成包括至少一个边缘信息的边缘区域和没有边缘信息的均匀区域；

均值滤波器，用于在一滤波区域的滤波窗口内对中心像素执行均值滤波，以产生新的像素值，该滤波区域被所述滤波器选择器划分为均匀区域；以及

加权滤波器，用于在一滤波区域的滤波窗口内对中心像素执行加权滤波，来产生新的像素值，该滤波区域被所述滤波器选择器划分为边缘区域。

Images