專利名稱：一種基于模式預測和方向排序的圖像銳化方法
技術(shù)領域：
本發(fā)明涉及數(shù)字圖像處理與顯示技術(shù)領域，涉及一種基于模式預測和方向排序的 圖像銳化方法。
背景技術(shù)：
在數(shù)字圖像的變換和傳輸過程中，圖像質(zhì)量會降低，所以在數(shù)字圖像的接收端，需 要對圖像進行增強處理，使其具有更好的視覺效果。
銳化處理是數(shù)字圖像增強技術(shù)中最常見和最重要的一種，其主要目的是為了更好 地突出圖像中的細節(jié)或者增強被模糊了的細節(jié)，所以銳化處理需要恢復和增強紋理的細 節(jié)。
目前存在多種圖像銳化技術(shù)，概括為空間域銳化濾波器和頻率域銳化濾波器?？?間域銳化濾波器是基于各種梯度算子和拉普拉斯算子以及其各種改進形式，頻率域銳化 濾波器是空間域銳化濾波器在頻率域的實現(xiàn)形式。關(guān)于空間域銳化濾波器和頻率域銳 化濾波器的詳細描述，可參見《數(shù)字圖像處理(第二版)，Digital Image Processing, kcondEdition》，著作者[美]Rafael C. Gonzalez, Richard Ε. Woods，譯作者阮秋琦，阮 宇智，張杰良等電子工業(yè)出版社，2007年9月第二版，ISBN 9787121043987的第3章第7 節(jié)(第98-108頁)和第4章第4節(jié)(第142-148頁)?？臻g域銳化濾波器和頻率域銳化 濾波器的思想是類似的，區(qū)別在于分析的方式不同而已。這些方法雖然能夠有效地銳化圖 像，但是有個共同的缺點這些銳化方法是對整個圖像進行批處理，沒有選擇性地按照圖像 的紋理方向進行銳化，沒有自適應地根據(jù)圖像特征調(diào)整銳化強度，造成噪聲放大和紋理復 雜的細節(jié)部分銳化效果不理想。
在空間域的銳化濾波器中，各種算子都是用局部圖像的中心像素點的灰度值和相 鄰像素點的灰度值做差的方法來提取圖像邊緣或者細節(jié)。不同的算子的差別在于計算灰度 值之差的方向和不同方向上的比重。例如對于拉普拉斯算子，見圖2(a)中的拉普拉斯算 子只計算垂直方向和水平方向，并且權(quán)重均勻分配，圖2(b)中的拉普拉斯算子的實現(xiàn)方式 不僅計算垂直方向和水平方向，而且還計算兩個對角線方向，權(quán)重也是均勻分配。權(quán)重的分 配，如果不考慮到圖像細節(jié)的方向性而均勻分配，就會造成像素之間的差異貢獻的均勻化， 使得圖像邊緣等本該強力銳化的地方銳化的強度相對不夠，而噪聲等本不該銳化的地方進 行了銳化，造成銳化效果不佳，噪聲同時被放大。發(fā)明內(nèi)容
為了克服已有的圖像銳化方法的資源消耗較大、自適應能力差、不能適應于處理 圖像細節(jié)、抗干擾能力差、無法平滑噪聲、適用性差的不足，本發(fā)明提供一種減少資源消耗、 自適應能力強、特別適合處理圖像細節(jié)、具有良好的抗干擾能力、有效平滑噪聲、適用性良 好的基于模式預測和方向排序的圖像銳化方法。
本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是
一種基于模式預測和方向排序的圖像銳化方法，所述圖像銳化方法包括以下步 驟
1)、確定待銳化圖像的灰度值，選定待銳化像素點MP的鄰域，并且按照鄰域的大 小，預先定義V個預測方向和V個與之對應的預測模式，編號為0-V-1，其中V為大于1的整 數(shù)；
2)、在像素點MP的鄰域內(nèi)，判斷以MP為中心的局部圖像的紋理方向，對預先定義 的V個預測模式執(zhí)行預測過程，形成預先定義的預測方向的可能性大小排序，排名規(guī)則是 預測到實際的紋理方向與該方向相符的可能性越大排名越靠后；
3)、在像素點MP的鄰域內(nèi)，在預先定義的與V個預測模式對應的V個方向上，依次 執(zhí)行高通濾波，高通濾波器的系數(shù)的可預先定義，按照0-V-1方向的次序，高通濾波的結(jié)果 依次標記為F0-FV-1 ；
4)、設置 V 個不同的權(quán)重系數(shù)alphaO-alphaV-Ι，其中 alphaO > aphal >丨> aphaV-Ι ；
5)按照步驟2)的排序結(jié)果在V個方向上依次分配與之對應次序的權(quán)重系數(shù)，分 配的規(guī)則為排名最前的方向上分配權(quán)重系數(shù)alphaO，第二位的方向上分配aphal，依次分 配，排名最后的方向上分配權(quán)重系數(shù)aphaV-Ι ；
6)所有方向上的高通濾波的結(jié)果和與其分配的權(quán)重系數(shù)的乘積和即為像素點MP 的銳化量；
7)經(jīng)過銳化后的像素點MP的灰度值為像素點MP的原灰度值和像素點MP的銳 化量之和。
作為優(yōu)選的一種方案所述步驟2)中，預測模式的預測過程采用H. M6的 Intra_4x4預測過程。
或者是所述步驟幻中，預測模式的預測過程采用H. 246的htra_8X8預測過程。 當然，也可以采用其他現(xiàn)有公知的預測過程。
作為優(yōu)選的另一種方案所述步驟3)中，按照每個方向上的像素點的不同，高通 濾波器的系數(shù)選[-1,2, -1]或者[-0.5,-0.5,2,-0.5,-0. 5]。
本發(fā)明的技術(shù)構(gòu)思為銳化的重點是圖像紋理的細節(jié)。不同圖像之間過渡的地方 需要很大強度地銳化，所以這些地方的灰度值之差對銳化量應該有大的權(quán)重貢獻，而圖像 紋理平坦的區(qū)域，圖像沒有變化，即不存在圖像的細節(jié)，這些地方不需要銳化，其灰度值之 差對銳化量應該有小的權(quán)重貢獻，甚至沒有貢獻。所以，如果能判斷出來圖像的紋理方向， 即可按照其特征分配權(quán)重。
根據(jù)圖像灰度值，判讀出圖像局部的圖像特征并對按照需要加強銳化的強度的等 級對若干個計算方向進行排序，并按照排序的結(jié)果給不同的方向上分配不同的權(quán)重，達到 銳化圖像但不放大噪聲，既能銳化一般的圖像邊緣的同時也能銳化紋理復雜的細節(jié)的理想 效果。
用一個示例說明這個問題。假設一個圖像的9個像素點(其灰度值分別為xll， xl2, xl3, x21, x22, x23, x31, x32, x33)按照如圖 2(c)所示 3x3 矩陣分布，并且 xll = x21 =x31 = xl3 = x23 = x33 > xl2 = x22 = x32,很顯然，xl2, x22, x23 是該圖像的一個細 節(jié)一段垂直的線條，所以x22分別與xll，x21，x31和xl3，x23，x33的的灰度值之差對x22點的銳化量有最大的貢獻，而x22與xl2，x32的灰度值之差對x22點的銳化量基本沒有貢 獻。所以在對點x22進行銳化處理時，如果能在該3x3區(qū)間中預測出垂直方向的紋理，并在 水平方向和45度，135度方向上分配較大的權(quán)重，而在垂直方向分配小的權(quán)重，即可對x22 點得到很好的銳化效果。
通常，圖像紋理的細節(jié)變化的方向，即不同圖像之間過渡的方向和方向預測結(jié)果 是垂直關(guān)系，在進行銳化處理時，越靠近紋理方向上的灰度值之差對銳化量的貢獻度應該 小，即紋理方向上的灰度值之差對銳化量的貢獻度最小，而與紋理方向相垂直的方向上的 灰度值之差對銳化量的貢獻度最大。該原理簡化了權(quán)重分配的方法，即在越靠近紋理方向 上分配越小的權(quán)重，即在紋理方向上的分配最小的權(quán)重，而在與紋理方向垂直的方向上分 配最大的權(quán)重。
判斷圖像的紋理方向，可以利用特定的算法分析，進行預先定義的預測模式的預 測過程，形成預先定義的預測方向的可能性大小排序，并根據(jù)這個排序決定各預測方向上 權(quán)重的分配。
預測模式的預測過程作為成熟技術(shù)，已經(jīng)得到廣泛應用。其實現(xiàn)方式依賴于不同 的計算方法，例如H. 264視頻處理規(guī)范中介紹了一種亮度樣點的htra_4x4預測過程。
H. 264是新一代的視頻編碼標準，為了提高編碼效率，H. 264提出了各種編碼模 式，通過率失真優(yōu)化(Rate Distortion Optimization, RD0)技術(shù)對各模式進行計算，以取 得最優(yōu)的編碼模式。
在H. 264標準中，亮度樣點的處理單元稱為亮度塊，其可以被定義為4x4塊或者 8x8塊或者16x16塊，分別表示虹4的亮度樣點矩陣，8x8亮度樣點矩陣，16x16亮度樣點矩 陣。
為了更好地理解本發(fā)明的實施過程，下面對H. 246的htra_4x4預測過程簡單介 紹。
H. 246的htra_4x4預測過程屬于幀內(nèi)預測，利用空間相關(guān)性，用當前的一個4x4 塊(稱為當前宏塊)的左邊和上邊的相鄰點對當前的4x4塊進行方向預測。
圖3中小寫字母(a-p)表示當前宏塊，即當前4x4采樣點矩陣，大寫字母(A-M)表 示其上邊和左邊的相鄰點。
H. 264的htra_4x4預測過程給出了 9種可選預測模式，見圖5。其中除了預測模 式2是無方向的，其他8種預測模式和圖4中的8種預測方向是一一對應的。在不同的預 測模式下，可以采用不同的函數(shù)，對原來的4x4塊(原始塊)左邊和上邊的相鄰點(A-M)進 行處理，得到一個新的4x4塊，稱為重建塊。
RP = PRED (NB，PM)；
其中NB是原始塊左邊和上邊的相鄰點，RP是重建塊，PM是預測模式，PRED是相應 的重建函數(shù)，定義如下
當 PM 為模式 0 時，PRED () = PRED_0 ()；
當PM 為模式 1 時，PRED () = PRED_1 ()；
當 PM 為模式 2 時，PRED () = PRED_2 ()；
當 PM 為模式 3 時，PRED () = PRED_3 ()；
當PM 為模式 4 時，PRED () = PRED_4 ()；
當 PM 為模式 5 時，PRED () = PRED_5 ()；
當 PM 為模式 6 時，PRED () = PRED_6 ()；
當 PM 為模式 7 時，PRED () = PRED_7 ()；
當 PM 為模式 8 時，PRED () = PRED_8 ()；
其中PRED_0 () -PRED_8 ()分別為模式0_模式8的重建函數(shù)，其具體計算方法，分 別參見國際電信聯(lián)盟的《ITU-T H. 264建議書(2005年3月版)》第8. 3. 1. 2. 1-8. 3. 1. 2. 9小節(jié)。
圖5所示的9預測模式和圖4所示的預測方向有對應關(guān)系除了模式2，其他8種 預測模式分別與其相同編號的預測方向?qū)?br> 對當前的虹4的采樣點矩陣(稱為當前宏塊)，H. 264的htra_4x4預測過程如 下
(1)分別在9種不同的預測模式下，對原來的4x4塊(原始塊)左邊和上邊的相鄰 點(A-M)進行處理，得到一個新的4x4塊(重建塊)。
RP = PRED (NB，PM)；
其中NB是原始塊左邊和上邊的相鄰點，RP是重建塊，PM是預測模式，PRED是相應 的重建函數(shù)
(2)分別在9種不同的預測模式下，進行RDO計算代價，RDO計算代價函數(shù)如下
RDO (NB, RP, PM | QP，λ mode) = SSD (NB, RP, PM | QP) + λ mode X R (NB，RP，PM | QP)
其中，NB是原始塊，RP是重建塊，QP是宏塊的量化參數(shù)，Xm。de為拉格朗日乘數(shù)， Afflode = 0. 85X2QIV3，R(NB, RP, PM|QP)是采用該預測模式需要的比特數(shù)。
權(quán)利要求
1.一種基于模式預測和方向排序的圖像銳化方法，其特征在于所述圖像銳化方法包 括以下步驟1)、確定待銳化圖像的灰度值，選定待銳化像素點MP的鄰域，并且按照鄰域的大小，預 先定義V個預測方向和V個與之對應的預測模式，編號為0— V-I，其中V為大于1的整數(shù)；2)、在像素點MP的鄰域內(nèi)，判斷以MP為中心的局部圖像的紋理方向，對預先定義的V 個預測模式執(zhí)行預測過程，形成預先定義的預測方向的可能性大小排序，排名規(guī)則是預測 到實際的紋理方向與該方向相符的可能性越大排名越靠后；3)、在像素點MP的鄰域內(nèi)，在預先定義的與V個預測模式對應的V個方向上，依次執(zhí)行 高通濾波，高通濾波器的系數(shù)的可預先定義，按照0—V-I方向的次序，高通濾波的結(jié)果依 次標記為FO — FV-I ；4)、設置V個不同的權(quán)重系數(shù)alphaO—alphaV-Ι，其中 alpha0> aphal〉···〉aphaV-1 ；5)按照步驟2)的排序結(jié)果在V個方向上依次分配與之對應次序的權(quán)重系數(shù)，分配的規(guī) 則為排名最前的方向上分配權(quán)重系數(shù)alphaO，第二位的方向上分配aphal，依次分配，排 名最后的方向上分配權(quán)重系數(shù)aphaV-Ι ；6)所有方向上的高通濾波的結(jié)果和與其分配的權(quán)重系數(shù)的乘積和即為像素點MP的銳 化量；7)經(jīng)過銳化后的像素點MP的灰度值為像素點MP的原灰度值和像素點MP的銳化量 之和。
2.如權(quán)利要求1所述的一種基于模式預測和方向排序的圖像銳化方法，其特征在于 所述步驟2)中，預測模式的預測過程采用H. 246的htra_4X4預測過程。
3.如權(quán)利要求1所述的一種基于模式預測和方向排序的圖像銳化方法，其特征在于 所述步驟2)中，預測模式的預測過程采用H. 246的htra_8X8預測過程。
4.如權(quán)利要求廣3之一所述的一種基于模式預測和方向排序的圖像銳化方法，其特征 在于所述步驟3)中，按照每個方向上的像素點的不同，高通濾波器的系數(shù)選[_1，2，-1]或 者[-0. 5，-0. 5，2，-0. 5，-0. 5]。
5.如權(quán)利要求2所述的一種基于模式預測和方向排序的圖像銳化方法，其特征在于 所述步驟2)中，所述H. 264的htra_4X4預測過程給出9種可選預測模式，其中除了預測 模式2是無方向的，其他8種預測模式和8種預測方向是一一對應的；在不同的預測模式下，可以采用不同的函數(shù)，對原來的原始塊4x4塊左邊和上邊的相 鄰點進行處理，得到一個新的4x4塊，稱為重建塊，其計算過程為RP=PRED (NB,PM)；其中NB是原始塊左邊和上邊的相鄰點，RP是重建塊，PM是預測模式，PRED是相應的重 建函數(shù)，重建函數(shù)定義如下當PM為模式0時，PRED()=PRED_0()當PM為模式1時，PRED()=PRED_1()當PM為模式2時，PRED()=PRED_2()當PM為模式3時，PRED()=PRED_3()當PM為模式4時，PRED()=PRED_ 4()當PM為模式5時，PRED()=PRED_5()當 PM 為模式 6 時，PRED ( ) = PRED_6 ()； 當 PM 為模式 7 時，PRED ( ) = PRED_7 ()； 當 PM 為模式 8 時，PRED ( ) = PRED_8 ()；其中，PRED_0 O - PRED_8 ()分別為模式0—模式8的重建函數(shù)。
6.如權(quán)利要求5所述的一種基于模式預測和方向排序的圖像銳化方法，其特征在于 所述步驟2)中，對當前的虹4的采樣點矩陣，預測模式的設定過程如下分別在9種不同的預測模式下，進行RDO計算代價，RDO計算代價函數(shù)如下
全文摘要
一種基于模式預測和方向排序的圖像銳化方法，根據(jù)圖像灰度值，選定待銳化像素點MP的鄰域，判讀出圖像局部的圖像特征并對按照需要加強銳化的強度的等級對若干個計算方向進行排序，并按照排序的結(jié)果給不同的方向上分配不同的權(quán)重，所有方向上的高通濾波的結(jié)果和與其分配的權(quán)重系數(shù)的乘積和即為像素點MP的銳化量；經(jīng)過銳化后的像素點MP的灰度值為像素點MP的原灰度值和像素點MP的銳化量之和。本發(fā)明減少資源消耗、自適應能力強、特別適合處理圖像細節(jié)、具有良好的抗干擾能力、有效平滑噪聲、適用性良好。
文檔編號H04N5/208GK102035997SQ20101058772
公開日2011年4月27日 申請日期2010年12月14日 優(yōu)先權(quán)日2010年12月14日
發(fā)明者呂炳赟, 秦興 申請人:杭州愛威芯科技有限公司