CN105260986A - 一种抗模糊的图像放大方法 - Google Patents

Abstract

本发明公开了一种抗模糊的图像放大方法，根据输入图像的梯度获得图像模糊程度的评价指标，再结合放大倍数、图像分辨率，求取图像锐化强度参数，在该参数的控制下，执行与输入图像质量等级相适应的锐化；进而将图像的总体放大过程分解为若干个小倍率的逐级放大，采用普通的插值方法每次放大图像宽高1.2倍，直到满足总体放大倍数要求。本发明在不明显增加运算复杂度的前提下，有效消除了插值方法固有的模糊效应，显著改善了放大图像的清晰度。

Description

一种抗模糊的图像放大方法

技术领域

本发明属于图像处理技术领域，涉及一种图像插值放大方法，具体涉及一种抗模糊的图像放大方法。

技术背景

当前，数码相机或摄像头可以轻松地拍摄高分辨率的视频，但出于节省存储或传输成本的考虑，在视频监控、视频会议以及网络电视等应用场合依然存在大量的低分辨率视频内容。视频放大技术因而被广泛地用于提升图像的空间分辨率，以适应屏幕实际显示区域的要求。一些特殊的应用，例如视频监控，还涉及到对图像局部区域进行放大以便能辨识图像的细节内容。

大量的视频图像缩放技术被发展起来，从简单的插值到复杂的图像超分辨率。图像超分辨率技术尽管可以获得更清晰的放大效果，但运算复杂度居高不下；更不方便的是，图像超分辨率一般都要事先训练样本库，在实际应用中缺乏普适性和可操作性。因此，目前的视频应用软件或媒体播放器中采用的图像放大技术主要以简单、快速的插值方法为主，例如双线性插值(Bilinear)、双立方插值(Bicubic)、兰兹插值(Lanczos)等。然而，这些经典的插值放大方法同时也存在一个严重的缺陷，当原始图像清晰度不高(例如经过压缩的图像)或放大倍数过大时，插值放大后的图像存在明显的模糊效应，影响观看者的主观体验。

空间锐化滤波器是一种高通滤波器，可以强化数字图像的高频分量，恰好与插值滤波的低通作用相反。因此，如果在图像插值放大之前安插一个锐化操作，将有可能一定程度上抵消插值带来的模糊效应。此外，图像单次放大的倍数越高越易造成模糊，相反，放大倍数越低模糊越轻。因此，如果将高倍数放大过程转换为若干个低倍数的逐级放大，将有助于放大图像质量的提升。基于这两个角度，本发明提出一种抗模糊的图像放大方法。

发明内容

为了解决上述技术问题，本发明将图像锐化运算和插值运算级联成一个整体，通过锐化预处理加强图像的轮廓细节，为插值运算贡献高频成分提升的信号源，从而消除插值过程的低通模糊效应影响。

本发明所采用的技术方案是：一种抗模糊的图像放大方法，其特征在于，包括以下步骤：

步骤1：采用图像的梯度特征衡量图像模糊程度，计算输入图像的模糊度指标；

步骤2：综合输入图像的模糊度指标、总体放大倍数、图像分辨率三个要素，计算输入图像的锐化强度参数；

步骤3：根据计算得到的锐化强度常数，调用锐化算法对输入图像进行锐化；

步骤4：将总体放大倍数为R的放大操作分解为若干个小倍率的逐级放大，确定逐级放大的执行次数n；

步骤5：执行n次逐级插值放大运算。

作为优选，步骤1中所述的模糊度指标的计算，采用如下方法：

将模糊度指标Fb定义为能量归一化的梯度：

$Fb=\frac{E}{\sqrt{\mathrm{\Σ}Gx.*Gx+Gy.*Gy}};$

其中，Gx、Gy分别表示水平和垂直梯度图，通过Sobel、Roberts或Prewitt梯度算子求取；E为输入图像的能量，用输入图像像素I计算“.*”表示矩阵点积运算。

作为优选，步骤2中所述的锐化强度参数λ的计算，采用如下方法：

$\mathrm{\λ}=\frac{Fb}{6}+\frac{R-2}{4}+\frac{S_{cif}}{8S};$

其中，Fb为模糊度指标，R是总体放大倍数，S为输入图像的面积，等于长乘高，S_cif为一以CIF格式图像面积为基准的常数。

作为优选，步骤3中所述的锐化操作，是将输入图像的高通滤波版本经过调校后叠加到原始输入图像上，计算公式为：

y(n,m)＝x(n,m)+λz(n,m)；

这里，x，y分别表示原始输入图像和锐化后的输入图像，z表示高通滤波后的输入图像，用二维Laplacian微分算子获得，λ为锐化强度参数。

作为优选，步骤4中所述的确定逐级放大的执行次数n，采用如下规则：

每次将图像的宽度和高度放大1.2倍，若总体放大倍数为R，则每次放大1.2倍、逐次放大到R倍的执行次数n计算为符号表示下取整。

作为优选，步骤5中所述的执行n次逐级插值放大运算，其插值方法包括但不限于双线性插值法、双立方插值法、兰兹插值法。

与现有的图像放大方案相比，本发明具有以下优点和积极效果：

(1)本发明在简单的插值方法的前面施加一个锐化预处理，在不明显增加运算复杂度的前提下，有效消除了插值方法固有的模糊效应，显著改善了放大图像的清晰度；

(2)与复杂的超分辨率方案相比，本发明方法不牵涉样本图像训练，具有实现简单，处理效率高，普适性强的优点；

(3)本发明方法基于的锐化算法和插值算法均来自成熟技术，便于组装现有的模块集成实现。

附图说明

图1：本发明实施例的处理流程图；

图2：本发明实施例的放大效果对比示例图，其中(a)为原始图像经普通双线性放大4倍效果图，(b)为原始图像经本发明的方法放大4倍效果图，(c)为解码图像经普通双线性放大4倍效果图，(d)为解码图像经本发明的方法放大4倍效果图。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。

本发明提供的一种抗模糊的图像放大方法，将图像锐化运算和插值运算级联成一个整体。锐化操作的强度应与输入图像自身质量相适应，清晰的图像应弱锐化，模糊的图像应强锐化，否则，锐化不仅不能为后续的插值操作提供高频成分增强的预处理图像，反而会损伤图像、降低视觉保真度。导致图像模糊的因素来自多个方面，如目标和摄像机的相对运动产生的运动模糊，镜头散焦，大气散射，图像压缩、降噪和重采样等滤波过程，等等。这些过程无一例外地造成图像细节丢失及削弱目标边缘轮廓梯度，因此，采用图像的梯度特征刻画图像的模糊程度，清晰图像的梯度图锐利，模糊图像的梯度图平坦。

图像锐化算法通常用一个锐化强度参数控制锐化程度，对输入图像施加多大程度的锐化最少应考虑三个因素。首先，也是最重要的是图像的模糊程度，可用模糊度指标衡量；其次是图像的放大倍数，放大倍数越高越容易引起低通插值模糊效应，相应地应该执行更强的锐化来补偿放大的模糊效应；最后是输入图像自身的分辨率，分辨率越低的图像的细节保持度越差，越需要通过锐化来增强细节。

基于以上考虑，本发明方法完整的处理流程如图1所示，包含以下步骤：

步骤1：采用图像的梯度特征衡量图像模糊程度，计算输入图像的模糊度指标；

综合图像强度的影响，将模糊度指标Fb定义为能量归一化的梯度

$Fb=\frac{E}{\sqrt{\mathrm{\Σ}Gx.*Gx+Gy.*Gy}}$

这里，Gx、Gy分别表示水平和垂直梯度图，可通过Sobel，Roberts，Prewitt等经典的梯度算子求取，E为输入图像的能量，用输入图像像素I计算“.*”表示矩阵点积运算。

步骤2：综合输入图像的模糊度指标、总体放大倍数、图像分辨率三个要素，计算输入图像的锐化强度参数；

结合经验数据，锐化强度参数λ的计算，采用如下方法：

$\mathrm{\λ}=\frac{Fb}{6}+\frac{R-2}{4}+\frac{S_{cif}}{8S};$

其中，Fb为模糊度指标，R是总体放大倍数，S为输入图像的面积，等于长乘高，S_cif为一以CIF格式图像面积(352x288)为基准的常数。

步骤3：根据计算得到的锐化强度常数，调用锐化算法对输入图像进行锐化；

本发明采用的锐化算法是，将输入图像图像的高通滤波版本经过调校后叠加到原始输入图像图像上，计算公式为

y(n,m)＝x(n,m)+λz(n,m)；

这里，x，y分别表示原始输入图像图像和锐化后的输入图像图像，z表示高通滤波后的输入图像图像，用二维Laplacian微分算子获得，λ为锐化强度参数。

步骤4：将总体放大倍数为R的放大操作分解为若干个小倍率的逐级放大，确定逐级放大的执行次数n；

每次将图像的宽度和高度放大1.2倍，若总体放大倍数为R，则每次放大1.2倍、逐次放大到R倍的执行次数n计算为符号表示下取整。

步骤5：执行n次逐级插值运算，可供选择的插值方法包括但不限于双线性插值、双立方插值、兰兹插值。

应当理解的是，本说明书未详细阐述的部分均属于现有技术。

应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (6)

1.一种抗模糊的图像放大方法，其特征在于，包括以下步骤：

步骤1：采用图像的梯度特征衡量图像模糊程度，计算输入图像的模糊度指标；

步骤2：综合输入图像的模糊度指标、总体放大倍数、图像分辨率三个要素，计算输入图像的锐化强度参数；

步骤3：根据计算得到的锐化强度常数，调用锐化算法对输入图像进行锐化；

步骤4：将总体放大倍数为R的放大操作分解为若干个小倍率的逐级放大，确定逐级放大的执行次数n；

步骤5：执行n次逐级插值放大运算。

2.根据权利要求1所述的抗模糊的图像放大方法，其特征在于：步骤1中所述的模糊度指标的计算，采用如下方法：

将模糊度指标Fb定义为能量归一化的梯度：

$Fb=\frac{E}{\sqrt{\mathrm{\Σ}Gx.*Gx+Gy.*Gy}};$

其中，Gx、Gy分别表示水平和垂直梯度图，通过Sobel、Roberts或Prewitt梯度算子求取；E为输入图像的能量，用输入图像像素I计算“.*”表示矩阵点积运算。

3.根据权利要求1所述的抗模糊的图像放大方法，其特征在于：步骤2中所述的锐化强度参数λ的计算，采用如下方法：

$\mathrm{\λ}=\frac{Fb}{6}+\frac{R-2}{4}+\frac{S_{cif}}{8S};$

其中，Fb为模糊度指标，R是总体放大倍数，S为输入图像的面积，等于长乘高，S_cif为一以CIF格式图像面积为基准的常数。

4.根据权利要求1所述的抗模糊的图像放大方法，其特征在于：步骤3中所述的锐化操作，是将输入图像的高通滤波版本经过调校后叠加到原始输入图像上，计算公式为：

y(n,m)＝x(n,m)+λz(n,m)；

这里，x，y分别表示原始输入图像和锐化后的输入图像，z表示高通滤波后的输入图像，用二维Laplacian微分算子获得，λ为锐化强度参数。

5.根据权利要求1所述的抗模糊的图像放大方法，其特征在于：步骤4中所述的确定逐级放大的执行次数n，采用如下规则：

每次将图像的宽度和高度放大1.2倍，若总体放大倍数为R，则每次放大1.2倍、逐次放大到R倍的执行次数n计算为符号表示下取整。

6.根据权利要求1所述的抗模糊的图像放大方法，其特征在于：步骤5中所述的执行n次逐级插值放大运算，其插值方法包括但不限于双线性插值法、双立方插值法、兰兹插值法。