CN101212560A

CN101212560A - 逐点提高视频图像清晰度的处理方法

Info

Publication number: CN101212560A
Application number: CNA2007101728001A
Authority: CN
Inventors: 袁野
Original assignee: SHANGHAI SUPER VALUE ACTION GROUP CO Ltd
Current assignee: SHANGHAI SUPER VALUE ACTION GROUP CO Ltd
Priority date: 2007-12-21
Filing date: 2007-12-21
Publication date: 2008-07-02

Abstract

本发明提供一种逐点提高视频图像清晰度的处理方法，首先，对读入的视频图像计算亮度图，接着，计算高低频分量，将高频分量划分为小幅高频噪声、不连续噪声点、细节与大边缘，随后进行相应的处理，以得到新的高频分量，最后，获取增强后的亮度图；利用本发明的逐点提高视频图像清晰度的处理方法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

逐点提高视频图像清晰度的处理方法

技术领域

本发明涉及一种提高视频图像清晰度的处理方法，具体的说，涉及一种应用于电视设备的逐点提高视频图像清晰度的处理方法。

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地提高图像的清晰度，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01800628.0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；这些技术方案的不足之处是实现复杂，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

本发明的主要目的是提供一种逐点提高视频图像清晰度的处理方法，其通过识别象素点的性质，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：首先，对读入的视频图像计算亮度图；接着，计算高、低频分量f_H(i，j)以及f_L(i，j)；随后，将高频分量f_H(i，j)划分为小幅高频噪声、不连续噪声点、细节与大边缘，然后进行相应的处理，得到新的高频分量；最后，获取增强后的亮度图。

本发明所述的逐点提高视频图像清晰度的处理方法，其中对高频分量进行划分及处理的步骤更进一步包括：清除细小噪声；保留单象素线的高频分量f_H(i，j)，去除非边沿点的噪声；计算逐点增强系数k值。更详细地说，清除细小噪声的步骤更进一步包括：设定一阈值，判断所述高频分量f_H(i，j)是否小于阈值；若是，则认为小于所述阈值的高频分量为噪声，将高频分量f_H(i，j)置为0，以抑制掉小幅高频噪声。

本发明所述的逐点提高视频图像清晰度的处理方法，其中保留单象素线的高频分量f_H(i，j)并去除非边沿点的噪声的步骤更进一步包括判断其他的高频分量f_H(i，j)是否在超过模板总数一半以上；若是，则认为是边缘点，否则认为是噪声，将高频分量f_H(i，j)置为0。

本发明所述的逐点提高视频图像清晰度的处理方法，其中计算逐点增强系数k值的步骤更进一步包括：判断高频分量f_H(i，j)是否属于细节噪声模糊区，即T₁＜f_H(i，j)≤T₂，若是，则k值为

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

判断高频分量f_H(i，j)是否属于细节区，即T₂＜f_H(i，j)≤T₃，若是，则k值为

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}};

判断高频分量f_H(i，j)是否属于细节边缘区，即T₃＜f_H(i，j)≤T₄，若是，则k值为

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}};

判断高频分量f_H(i，j)是否属于大边缘区，即T₄＜f_H(i，j)≤T₅，若是，则k值为

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

在其它情况下，k值为k(i，j)＝0；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。

本发明所述的逐点提高视频图像清晰度的处理方法，其中获取增强后的亮度图的步骤更进一步包括：对认为是边缘和细节的有用信号进行增强判断是否属于白边；若是，则对白边控制处理，调整输出亮度值f_out(i，j)。其中，所述对白边控制处理并调整输出亮度的步骤，用公式表示为：

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

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

采用本发明的逐点提高视频图像清晰度的处理方法可以根据视频图像的内容逐点地分析处理，首先根据高频分量来区分待处理像素的性质，是属于噪声、细节、小边缘、大边缘或者超大边缘，然后根据不同属性，进行不同程度的处理，如属于噪声，则去除；属于细节或边缘，则进行不同程度的增强，其能够抑制噪声，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，使得经本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

通过以下对本发明的一个较佳实施例结合其附图的描述，可以进一步理解其发明的目的、具体结构特征和优点。其中，附图为：

图1为本发明的逐点提高视频图像清晰度的处理方法的一个较佳实施例的流程图；

图2为本发明的逐点提高视频图像清晰度的处理方法的的一个较佳实施例中k值随f_H(i，j)变化的曲线示意图。

具体实施方式

以下根据结合图1以及图2，具体说明本发明的一个较佳实施方式。

如图1所示，为本发明逐点提高视频图像清晰度的处理方法的一个较佳实施例的流程示意图。

步骤S1，对读入的视频图像计算亮度图，即读入图像数据的N行，为了更清楚地说明本发明，在本实施例中，假设只针对灰度图像进行处理，因此仅需要从视频图像中计算出灰度图像的亮度图，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S2，计算高、低频分量，在本实施例中，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)

接着，对高频分量f_H(i，j)进行识别并增强处理。

步骤S3，设定一阈值，判断该高频分量f_H(i，j)是否小于阈值；如是，则进至步骤S4，即认为小于该阈值的高频分量为噪声，将f_H(i，j)置为0，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为噪声阈值，可选0.5～2，通常选用1。

步骤S5，保留单象素线的高频分量f_H(i，j)，去除非边沿点的噪声。在本实施例中，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，即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f_H(i，j)是否在超过模板总数一半以上，若是，则认为是边缘点，否则认为是噪声，进至步骤S6，令高频分量f_H(i，j)为0。可采用以下公式表述：

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

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

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

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

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；T_s为单象素线的高频阈值，通常选2；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。

随后，计算逐点增强系数k值，请同时参阅图2，k值随f_H(i，j)调整可结合图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，[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值应选得较小；[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。这里，T₂为细节阈值，大于它的可认为是细节，可选2～4，通常选用2。T₃为细节小边缘阈值，可选3～5，通常选用3。T₄为边缘阈值，小于它的可认为是小边缘，大于它的可认为是大边缘，可选25～30，通常选用30。T₅为超大边缘阈值，大于它的可认为是超大边缘，无须增强，可选40～60，通常选用50。

步骤S7，判断f_H(i，j)是否属于细节噪声模糊区，若高频分量满足T₁＜f_H(i，j)≤T₂，则进至步骤S8，按照如下公式选取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S9，判断f_H(i，j)是否属于细节区，若高频分量满足T₂＜f_H(i，j)≤T₃，则进至步骤S10，按照如下公式选取k值：

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S11，判断f_H(i，j)是否属于细节边缘区，若高频分量满足T₃＜f_H(i，j)≤T₄，则进至步骤S12，按照如下公式选取k值：

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S13，判断f_H(i，j)是否属于大边缘区，若高频分量满足T₄＜f_H(i，j)≤T₅，则进至步骤S14，按照如下公式选取k值：

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S15，而在其它情况下，k值选取方式如下：

k(i，j)＝0 (8)

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，选用固定值0.5；k₂是增强大边缘的增益，控制图像大边缘增强的力度，可选0～1.5，通常选用1；k₃是增强细节的增益，控制图像细节增强的力度。可选1～4，通常选用2。

最后，获取增强后的亮度图。

步骤S16，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S17，判断是否属于白边，若是，则进至步骤S18对白边控制处理，调整_fout(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。

综上所述，本发明的逐点提高视频图像清晰度的处理方法可以识别出噪声，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。

需要特别说明的是，本发明的逐点提高视频图像清晰度的处理方法不局限于上述实施例中所限定步骤执行顺序，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明进行修改或者等同替换，而不脱离本发明的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims

1.一种逐点提高视频图像清晰度的处理方法，其特征在于，包含以下步骤：

对读入的视频图像计算亮度图；

计算高、低频分量f_H(i，j)以及f_L(i，j)；

将高频分量f_H(i，j)划分为小幅高频噪声、不连续噪声点、细节与大边缘，然后进行相应的处理，得到新的高频分量；

获取增强后的亮度图。

2.根据权利要求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，其中对高频分量f_H(i，j)进行划分及处理的步骤更详细地包括：

清除细小噪声；

保留单象素线的高频分量f_H(i，j)，去除非边沿点的噪声；

计算逐点增强系数k值。

3.根据权利要求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，其中清除细小噪声的步骤更进一步包括：

设定一阈值，判断所述高频分量f_H(i，j)是否小于阈值；

若是，则认为小于所述阈值的高频分量为噪声，将高频分量f_H(i，j)置为0，以抑制掉小幅高频噪声。

4.根据权利要求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，其中保留单象素线的高频分量f_H(i，j)并去除非边沿点的噪声的步骤更进一步包括：

判断其他的高频分量f_H(i，j)是否在超过模板总数一半以上；

若是，则认为是边缘点，否则认为是噪声，将高频分量f_H(i，j)置为0。

5.根据权利要求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，其中计算逐点增强系数k值的步骤更进一步包括：

判断高频分量f_H(i，j)是否属于细节噪声模糊区，即T₁＜f_H(i，j)≤T₂，若是，则k值为

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

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}};

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}};

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

在其它情况下，k值为k(i，j)＝0；

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。

6.根据权利要求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，其中获取增强后的亮度图的步骤更进一步包括：

对认为是边缘和细节的有用信号进行增强；

判断是否属于白边；

若是，则对白边控制处理，调整输出亮度值f_out(i，j)。

7.根据权利要求6所述的逐点提高视频图像清晰度的处理方法，其特征在于，所述对白边控制处理并调整输出亮度的步骤，用公式表示为：

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

8.根据权利要求7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。

9.根据权利要求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，保留单象素线的高频分量f_H(i，j)并去除非边沿点的噪声的步骤，用公式可以表示为：

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)为以点(i，j)为中心的N×N个点中高频分量不为0的象素点个数。

10.根据权利要求9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为(N×N+1)/2。