CN1744665A

CN1744665A - 一种逐点提高视频图像清晰度的处理方法

Info

Publication number: CN1744665A
Application number: CN 200510029629
Authority: CN
Inventors: 袁野; 侯钢; 王国中
Original assignee: Central Academy of SVA Group Co Ltd
Current assignee: Central Academy of SVA Group Co Ltd
Priority date: 2005-09-14
Filing date: 2005-09-14
Publication date: 2006-03-08

Abstract

一种逐点提高视频图像清晰度的处理方法，其包含以下步骤：一、首先对读入的视频图像计算亮度；二、求取出高频分量；三、设定一阈值，对低于该阈值的高频分量，认为是小噪声，去除该噪声。然后通过判断其周围象素点的连续性，来决定其是否是真正的边缘点，计算在N×N邻域的边缘点的个数，如小于某个设定的阈值，认为是噪声，否则是细节和边缘点；根据高频分量的不同求取高频增强幅度k，然后与上述输出相乘，得到增强的高频分量，最后与低频信号叠加。其可以抑制可能的噪声，逐点处理细节和边缘的增强程度，使画面增强了轮廓和细节的同时，更柔和细腻。

Description

一种逐点提高视频图像清晰度的处理方法

技术领域

本发明涉及一种逐点提高视频图像清晰度的处理方法，具体的说，是涉及一种应用于电视设备的，可以根据视频信号的局域特点逐点提高图像清晰度的方法。

背景技术

所谓提高清晰度又可称为锐化，目的是使模糊的图像变得更加清晰。视频图像之所以模糊，就是因为在信号传输过程中损失了高频分量，从频谱角度分析，图像模糊的实质是其高频分量被衰减，因而可以通过高通滤波来清晰图像。提高清晰度的基本思想就是合理地提高图像的高频成分。常用的增强清晰度算法一般有两种，微分法和高通滤波法，分别是空域和频域的处理算法。空域方法比较有代表性的有，拉普拉斯算法，SOBEL算法，反锐化掩模等方法，频域有代表性的有小波变换方法。这些方法都能够有效的提高图像的清晰度，但有个共同的特点，增强的同时也放大了噪声，有时还出现明显的白边。

申请号为03110774.5的中国专利提供了一种增强图像清晰度的方法和设备，其将一组图像复制成两组，一组进行阶梯/边缘增强，一组进行结构增强，然后将两组按一定方式组合成清晰度提高的图像，该方法需要提取两幅以上的视频图像，然后检测动态和非动态区域，得到多组图像组合，运算起来比较复杂；申请号为01800628的中国专利提出了一种应用于电视设备的增强图像的电路和方法，其改善了现有技术中执行成本较高的缺点，在不降低输出信号质量的情况下降低了成本，去除了低通滤波器，并提供了至少一个调整单元来调整高频增强程度；这些技术方案的共同特点是实现复杂，忽略了噪声的影响，并且没有根据周围邻域内象素的特点进行逐点地处理。

发明内容

本发明的目的在于提供一种逐点提高视频图像清晰度的处理方法，其可以抑制可能的噪声，逐点处理细节和边缘的增强程度，使画面增强了轮廓和细节的同时，更柔和细腻。

为达到上述目的，本发明提供的逐点提高视频图像清晰度的处理方法，其包含以下步骤：

一、首先对读入的视频图像计算亮度；

二、求取出高频分量；

三、设定一阈值，对低于该阈值的高频分量，认为是小噪声，去除该噪声。然后通过判断其周围象素点的连续性，来决定其是否是真正的边缘点，计算在N×N邻域的边缘点的个数，如小于某个设定的阈值，认为是噪声，否则是细节和边缘点；根据高频分量的不同求取高频增强幅度k，然后与上述输出相乘，得到增强的高频分量，最后与低频信号叠加。

本发明的优势在于根据视频图像的内容可以逐点地分析处理，首先根据高频分量来区分待处理像素的性质，是属于噪声，还是属于细节，小边缘，大边缘，超大边缘？然后根据不同属性，进行不同程度地处理，如属于噪声，则去除，如属于细节或边缘，则进行不同程度的增强。该方法的技术效果表现在可以抑制噪声，加强细节的表现能力，控制大边缘的过增强，并加入白边控制。经上述方法增强后的视频画面，更清晰，更柔和，没有白边的出现。

附图说明

图1为本发明方法的流程结构示意图；

图2为本发明中，k值随f_H(i，j)变化的曲线示意图。

具体实施方式

以下根据图1，图2，具体说明本发明的一个较佳实施方式。

如图1所示，为本发明方法的流程示意图，本发明包括以下步骤：

1)对读入的视频图像计算亮度图；

2)计算高低频分量；

3)对高频分量分为四类，分为小幅高频噪声，不连续噪声点，细节与大边缘四大类。然后进行相应的处理，得到新的高频分量；

4)得到增强后的亮度图；

本发明可以识别出噪声，从而对噪声不进行增强；还能根据每点高频分量的不同，进行不同程度的增强，因此可以避免白边的产生。

进一步，如图1所示，步骤1对读入的视频图像计算亮度图，意义是：读入图像数据的N行；因为本发明只针对灰度图像进行处理，因此从视频图像中计算出的亮度图，该亮度可以是YUV模型中的Y，HSV模型中的V，以及HIS模型中的I或其他的亮度公式推导出的亮度f(i，j)。

步骤2，计算高低频分量，其意义是：由于噪声和边缘都是具有局域特征的，不需要对整幅图进行处理，以N*N模板为单位计算图像的高、低频分量f_H(i，j)和f_L(i，j)；可选用合理的高通滤波器或低通滤波器；但要保证

f_H(i，j)＝f(i，j)-f_L(i，j) (1)；

步骤3，对高频分量进行识别处理，本步骤可划分为三步：

步骤3.1，清除细小噪声：

设定一阈值，判断该高频分量是否小于阈值(步骤3.1.1)，如是，则认为小于该阈值的高频分量为噪声，对f_H(i，j)处理，置为0(步骤3.1.2)，以抑制掉小幅高频噪声，用公式表示为：

f_H(i，j)＝0 if |f_H(i，j)|≤T₁ (2)

T₁为阈值；

步骤3.2，保留单象素线的高频分量，去除非边沿点的噪声：

当有单象素的线穿过该模板时，很可能模板内高频较大的点很少，但只要在模板中心点的对角线上的高频分量超过一定值，可以认为有单象素线通过，保留其高频分量。判断其他的高频分量是否在超过模板总数一半以上(步骤3.2.1)，如是则认为是边缘点，否则认为是噪声，此时，令高频分量为0(步骤3.2.2)。可以以下公式表述：

if (n(i，j)≥N&(|f_H(i，j)|＞T₃&|f_H(i-1，j)|＞T₃&|f_H(i+1，j)|＞T₃)|

(|f_H(i，j)|＞T₃&|f_H(i-1，j-1)|＞T₃&|f_H(i+1，j+1)|＞T₃)|

(|f_H(i，j)|＞T₃&|f_H(i，j-1)|＞T₃&|f_H(i，j+1)|＞T₃)|

(|f_H(i，j)|＞T₃&|f_H(i+1，j-1)|＞T₃&|f_H(i-1，j+1)|＞T₃)) (3)

LineFlag＝1

else

LineFlag＝0

其中，T_n为邻域的边界象素点数的阈值，通常可选(N*N+1)/2；T₃为单象素线的高频阈值；n(i，j)为以该点为中心的N×N个点中高频分量不为0的象素点个数；

步骤3.3：计算逐点增强系数k值

k值随f_H(i，j)调整可结合附图2来理解，当f_H(i，j)较小时，属于噪声区，无须增强，应该去噪(如步骤3.1)，[T₁，T₂]为细节和噪声的模糊区，如是噪声，选取较大的增强幅度是不恰当的，k值应选的较小；[T₂，T₃]为细节区，选稍微大的k值，可以使细节更突出，[T₃，T₄]为细节边缘区，选稍微大的k值，[T₄，T₅]为大边缘区，这时选稍小的k值，可防止画面变化太大。这种k值选取方式，使噪声和细节过渡自然。

因此，步骤3.3，可包含以下步骤：

步骤3.3.1，判断f_H(i，j)是否属于细节噪声模糊区，即T₁＜f_H(i，j)≤T₂，如是，k值选取方式如下：

k (i, j) = \frac{k_{1}}{T_{2} - T_{1}} \times f_{H} (i, j) - \frac{k_{1} T_{1}}{T_{2} - T_{1}} . . . (4)

(步骤3.3.2)

步骤3.3.3，判断f_H(i，j)是否属于细节区，即T₂＜f_H(i，j)≤T₃，如是，k值选取方式如下：

k (i, j) = \frac{k_{3} - k_{1}}{T_{3} - T_{2}} \times f_{H} (i, j) + \frac{k_{1} T_{3} - k_{3} T_{2}}{T_{3} - T_{2}} . . . (5)

(步骤3.3.4)；

步骤3.3.5，判断f_H(i，j)是否属于细节边缘区，即T₃＜f_H(i，j)≤T₄，如是，k值选取方式如下：

k (i, j) = \frac{k_{2} - k_{3}}{T_{4} - T_{3}} \times f_{H} (i, j) + \frac{k_{3} T_{4} - k_{2} T_{3}}{T_{4} - T_{3}} . . . (6)

(步骤3.3.6)；

步骤3.3.7，判断f_H(i，j)是否属于大边缘区，即T₄＜f_H(i，j)≤T₅，如是，k值选取方式如下：

k (i, j) = \frac{- k_{2}}{T_{5} - T_{4}} \times f_{H} (i, j) + \frac{k_{2} T_{5}}{T_{5} - T_{4}} . . . (7)

(步骤3.3.8)；

而在其它情况下，k值选取方式如下：

k(i，j)＝0 (步骤3.3.9)

其中k₁，k₂，k₃为k值的幅值，k₁是细节噪声模糊区的最大增益，该增益应该较小；k₂是增强大边缘的增益，控制图像大边缘增强的力度；k₃是增强细节的增益，控制图像细节增强的力度。而T₁为噪声阈值；T₂为细节阈值，即大于它的可认为是细节；T₃为细节小边缘阈值，即小于它的可认为是细节，大于它的可认为是小边缘；T₄为边缘阈值，即小于它的可认为是小边缘，大于它的可认为是大边缘；T₅为超大边缘阈值，大于它的可认为是超大边缘，无需增强。

步骤4，得到增强后的亮度图，可分为两步：

步骤4.1，对认为是边缘和细节的有用信号进行增强：

f_out(i，j)＝f_L(i，j)+k(i，j)*f_H(i，j) (9)

步骤4.2，判断是否属于白边；如是，则对白边控制处理(步骤4.3)，调整f_out(i，j)值：

f_{out} (i, j) = \frac{W + f (i, j)}{2} . . . (10)

其中W是亮度空间中比较接近最大值的值，大于它的我们认为已属于白边，在YcbCr空间，W为200～235之间的值；而在HSV空间，W为220～255之间的值；如果图像增强程度过高或本身亮度就很高，很可能会出现白边轮廓，视觉感觉不好，为了防止图像出现不希望的白边，即f_out(i，j)＞W，需要重置f_out(i，j)使之不至于太白。

Claims

1、一种逐点提高视频图像清晰度的处理方法，其包含以下步骤：

步骤1、对读入的视频图像计算亮度图；

步骤2、计算高低频分量；

步骤3、对高频分量分类进行识别处理，得到新的高频分量：

将步骤2的高频分量分为小幅高频噪声，不连续噪声点，细节与大边缘四类，进行相应处理；

步骤4、得到增强后的亮度图。

2、如权利要求1所述的逐点提高视频图像清晰度的处理方法，其特征在于，

步骤3，对高频分量进行识别处理，得到新的高频分量，包含以下步骤：

步骤3.1、清除细小噪声，包含：

步骤3.1.1、设定一阈值，判断该高频分量是否小于阈值；

步骤3.1.2、如是，则认为小于该阈值的高频分量为噪声，对fH(i，j)处理，置为0，以抑制掉小幅高频噪声；

步骤3.2、保留单象素线的高频分量，去除非边沿点的噪声：

步骤3.2.1、判断其他的高频分量是否在超过模板总数一半以上，

步骤3.2.2、如是则认为是边缘点，否则认为是噪声，否则认为是噪声，此时，令高频分量为0；

步骤3.3；计算逐点增强系数k值：

k (i, j) = \frac{k_{1}}{T_{2} - T_{1}} \times f_{H} (i, j) - \frac{k_{1} T_{1}}{T_{2} - T_{1}} - - - (4)

步骤(3.3.2)

k (i, j) = \frac{k_{3} - k_{1}}{T_{3} - T_{2}} \times f_{H} (i, j) - \frac{k_{1} T_{3} - k_{3} T_{2}}{T_{3} - T_{2}} - - - (5)

步骤(3.3.4)：

k (i, j) = \frac{k_{2} - k_{3}}{T_{4} - T_{3}} \times f_{H} (i, j) - \frac{k_{3} T_{4} - k_{2} T_{3}}{T_{4} - T_{3}} - - - (6)

(步骤3.3.6)；

k (i, j) = \frac{- k_{2}}{T_{5} - T_{4}} \times f_{H} (i, j) - \frac{k_{2} T_{5}}{T_{5} - T_{4}} - - - (7)

步骤(3.3.8)；

而在其它情况下，k值选取方式如下：

k(i，j)＝0 (步骤3.3.9)

其中k₁，k₂，k₃为k值的幅值，k₁是分不清是细节还是噪声的增益，该增益应该较小；k₂是增强大边缘的增益，控制图像大边缘增强的力度；k₃是增强细节的增益，控制图像细节增强的力度；而T₁为噪声阈值；T₂为细节阈值，即大于它的可认为是细节；T₃为细节小边缘阈值，即小于它的可认为是细节，大于它的可认为是小边缘；T₄为边缘阈值，即小于它的可认为是小边缘，大于它的可认为是大边缘；T₅为超大边缘阈值，大于它的可认为是超大边缘，无需增强。

3、如权利要求1所述的逐点提高视频图像清晰度的处理方法，其特征在于，

步骤4，包含以下步骤：

步骤4.1，对认为是边缘和细节的有用信号进行增强：

f_out(i，j)＝f_L(i，j)+k(i，j)*f_H(i，j) (9)

f_{out} (i, j) = \frac{W + f (i, j)}{2} - - - (10)

其中W是亮度空间中比较接近最大值的值，大于它的f_out(i，j)则认为已属于白边。

4、如权利要求3所述的逐点提高视频图像清晰度的处理方法，其特征在于，在YcbCr空间，W为200～235之间的值；在HSV空间，W为220～255之间的值。

5、如权利要求2所述的逐点提高视频图像清晰度的处理方法，其特征在于，

步骤3.2.1和步骤3.2.2，用公式可以表示为以下：

if(n(i，j)≥N&(|f_H(i，j)|＞T₃&|f_H(i-1，j)|＞T₃&|f_H(i+1，j)|＞T₃)|

(|f_H(i，j)|＞T₃&|f_H(i-1，j-1)|＞T₃&|f_H(i+1，j+1)|＞T₃)|

(|f_H(i，j)|＞T₃&|f_H(i，j-1)|＞T₃&|f_H(i，j+1)|＞T₃)|

(|f_H(i，j)|＞T₃&|f_H(i+1，j-1)|＞T₃&|f_H(i-1，j+1)|＞T₃))

LineFlag＝1

else

LineFlag＝0

其中，T_n为邻域的边界象素点数的阈值，T₃为单象素线的高频阈值；n(i，j)为以该点为中心的N×N个点中高频分量不为0的象素点个数。

6、如权利要求5所述的逐点提高视频图像清晰度的处理方法，其特征在于，所述的T_n通常可选(N*N+1)/2。