任意比例视频图像放大算法的研究与实现Word文件下载.docx
《任意比例视频图像放大算法的研究与实现Word文件下载.docx》由会员分享，可在线阅读，更多相关《任意比例视频图像放大算法的研究与实现Word文件下载.docx（20页珍藏版）》请在冰豆网上搜索。
平均峰值信噪比较双线性插值提高0.24dB。
关键词：
视频信号；
图像处理；
缩放；
边缘
ABRSTRACT：
Withtherapiddevelopmentofmultimediainformationtechnology，videosignal'
sprocessingtechnologyemergesatthattime.Video’sreal-timescalingisthekeyissueinvideosignal'
sprocessingtechnology.Forimagescaling，themathematicalmodelaffectsthepicture’svisualquality.Invideoprocessing，notonlythescalingalgorithminfluencesthevideo’squality，butalsothealgorithm’sperformanceaffectsthedisplayofthevideosothatinfluencesthevideoplayingsmoothly.Duetothespeedandprecisiondemandedinvideosignal’sprocessing，onlyemploytheproposedalgorithminYchannelsignal.Undertheanalysisonthecharacteristicoftheedgeinimage，fourscalingmasksarededucedmathematically.Thispaperissuesalotofexperimentsontheinfrastructureofthetheoreticalstudy，whichshowthatthevideosignal'
sscalingalgorithmdesignedinthispaperhasobtainedthebettereffectivenessthantraditionalalgorithms.Ourdesignkeepstexturedetailsinsubjectivevision，raisesthePSNR0.24dBonaverage，andithaswellperformanceinbothhighandlowfrequencycomponentinspectrumatthesame.Thisissatisfiedwiththedesignatedtargetoftheproject.
Keywords:
videosignals;
imageprocessing;
scaling;
edge
1 绪论
1.1 研究背景及意义
信息技术和互联网发展到今天，多媒体信息技术的应用范围日趋广泛，多媒体信息包括音频数据、图像和视频数据及文字数据。
而人类获取的各种信息中，图像信息占有绝大部分，图像带给人们直观并具体的事物形象，这是声音、语言和文字不能比拟的。
人眼看到的是连续变化的景物，是模拟图像，而在数字设备中存储和显示的图像是经过采样和量化的数字
高的速度甚至达到实时的图像输出速率，只能采用相对来说运算量比较简单的缩放算法；
而如果要想获得处理效果比较好的图像，就只能考虑牺牲处理速度，采用计算量大、比较复杂的缩放算法。
图像缩放算法目前的研究趋势是希望能够尽可能准确地、清晰地恢复出图像的边缘信息和细节要素，最终实现无级缩放[2]。
1.2 国内外研究现状
目前数字图像缩放有很多新兴的技术，例如基于小波的图像缩放技术，基于分形的图像缩放技术等。
最典型的是近几年出现的应用梯度、差值信息进行的基于边缘的缩放算法，这些算法能够对图像的处理效果有所改善。
尽管软件仿真结果表现良好，但是它们的计算量庞大，实现复杂。
国外方面，GiovanniRamponi提出WaDi插值算法，他考虑图像的内在相关性和几何相似性，提出对待插值点的空间距离做非线性修正[3]；
JungWooHwang和HwangSooLee提出一种基于图像梯度信息的自适应插值方法，他们在待插值点周围的邻域内应用了四种模板，通过基于图像梯度信息的模板，将图像边缘变得尖锐[4]；
文献[5]提出的边缘插值方法，根据计算待插值像素周围已知像素点得出的梯度值调整周围像素点灰度的权重，使得插值后像素点的灰度值能够更接近于较平坦区域像素点对应的灰度值，这种算法对噪声干扰小的图像进行缩放处理时对于边缘的处理效果比较好，但是如果噪声干扰比较大，那么会容易造成插值的判断失误。
国内方面，党向盈提出基于边缘检测的边缘梯度多方向优化插值方法和阈值控制方法的边缘最大相关性的快速图像插值算法[9]；
王立国等人利用图像边缘在不同分辨率下具有不变性，根据局部标准偏差和局部协方差来计算最优插值系数向量，在边缘上得到较好的插值效果，同样，只能完成2k的缩放[10]；
陈建辉等人提出的插值算法通过判断插值点邻域多个方向上的相关性，在最大相关性方向插值，从而更好保持了多种边缘信息，并结合WarpDistance做自适应非线性优化插值，取得了较好的视觉效果[11]；
文献[12]利用了小波变换的思想，并将其与变分相结合提出一种新的图像放大算法，与传统的插值放大图像不同，该算法是用变分的思想进行图像放大，能达到和样条插值同样的放大效果。
此外，文献[13-16]对图像缩放算法也进行了改进，但在算法的速度和性能上仍有待提高。
目前提出的诸多缩放算法，虽然在仿真实验中得到较好的处理效果，但存在模型复杂，计算量大，不能达到快速有效缩放图像的目的。
上述缩放算法均在仿真实验中取得较好的处理结果，但使用模型复杂，运算量大，更有些只能完成2k倍数的缩放，为实际应用带来困难。
所以，设计一个运算速度快、处理图像效果好，并且能实时缩放的算法是很有必要的。
不仅降低编码文件处理时的数据复杂程度，解决占用过多带宽的问题，而且满足不同用户对分辨率、播放速率、图像质量的多样化需求，同时，对我国的高清数字电视的发展起着重大作用。
针对文献[4]中的模板中包含在硬件设计中难于实现的平方根和除法运算，本设计对其进行改进，取得较好的实验结果，达到任意比例实时缩放图像的目的。
2 数字图像缩放方法
2.1 数字图像缩放的基本理论
图像按照光谱特性可以分为彩色图像和灰度图像，按照图像在空间是否连续可以将图像分为模拟图像和数字图像。
视频信号处理和传输的图像均为数字图像，因此所研究的缩放算法分为：
灰度数字图像缩放和彩色图像缩放。
1
2
2.1
图像的灰度是指物体的二维光强度函数f（x，y），其中x，y是空间点的坐标，任意点处的数值（x，y）正比于图像在该点的亮度（灰度级L），一个二变量实函数就表示一幅灰度图像，它是在空间的坐标和亮度的取值上均已离散化的图像。
可以把一幅灰度图像看作一个矩阵，其行和列表示的是图像中一个点的位置，而对应的矩阵中的元素值则表示的是该点的灰度级。
在研究图像放大的方法的时候，通常将试图回到图像被数字化之前，寻求原始图像的特点，在离散的数据上施加相应的影响和处理方法，通过或是基于连续，或是基于离散的数学方法，来实现图像的缩放[17]。
彩色图像一般常用三原色（R红色、G绿色、B蓝色）来产生，所以彩色图像一般可以表示为：
（2.1）
其中fr（x，y）由（r，g，b）表示，r，g，b分别为fr，fg，fb三个灰度图像的灰度值。
彩色图像的另一种主要表示方式是YUV图像。
相比与RGB视频信号的传输，它最大的优点在于只需占用极少的频宽（RGB要求三个独立的视频信号同时传输）。
其中“Y”分量表示明亮度（Luminance或Luma），也就是灰阶值；
而“U”分量和“V”分量表示的则是色度（Chrominance或Chroma），是用来描述影像色调及饱和度的数值，用于指定像素具体的颜色。
由于彩色图像是由RGB分量构成，而RGB是三个正交的分量。
因此可以对彩色图像的处理就是对三个矩阵分别进行处理。
所以首要的工作是如何处理好单色灰度图像。
2.1.1 灰度图像缩放方法
灰度数字图像缩放按实现的方法不同可以分为两类：
重建方法和非重建方法。
目前典型的灰度数字图像缩放方法大多是通过重建实现的。
非重建方法是单纯的利用插值点周围的像素信息，直接运算得到待插值点的像素值。
通过非重建方法实现数字图像的缩放，一般是利用选取插值像素点附近的原始像素点的信息，进行分析处理计算获取插值点灰度值的方法。
邻域交换算法通过简单的时序控制就可以较好的去除马赛克效应[1]。
虽然在边缘、细节等方面取得了较良好的处理效果。
但要想获得高精度的处理效果，只能牺牲速度，采用比较复杂的算法。
重建方法的过程是通过各种重建函数将离散数字图像重建为连续数学模型，再对连续模型进行重采样得到插值点的灰度值[2]。
它们基本上都有快速生成图像的特点、视觉效果良好。
但是，由于在插值过程中，没有针对图像的边缘和纹理等局部特征进行特殊处理，所以，导致处理后的图像难以保持边界的清晰和轮廓的分明。
综合以上分析，灰度数字图像缩放时总是存在相悖的两个因素：
图像处理精度和处理速度。
2.1.2 彩色图像缩放方法
常用的彩色数字图像处理缩放方法有两种。
第一种是把三基色R、G、B作为三个分量，每一个分量分别采用灰度图像的缩放处理，然后再将三个分量合并。
另一种则是先把RGB图像转化为YUV彩色模式，对Y、U、V信号分别进行缩放处理，最后将YUV模型转换回RGB图像进行显示。
经实验得到：
对于同一幅彩色原始图像，如果对Y分量采用某一种算法进行缩放，而对U、V分量分别采用不同的算法进行缩放，得到的放大倍数相同的处理后图像，从视觉效果上看，几乎不能分辨出其中的差别。
可见人眼对色度的变化不敏感。
因此可以在采用第二种方法进行彩色数字图像的缩放处理时，只需要采用优秀的缩放算法对Y分量进行处理，U、V信号完全可以采用简单的算法来进行放大处理。
从彩色数字图像缩放的实现角度考虑，第一种方法需要对三个分量分别采用灰度数字图像的缩放方法进行处理，计算量大；
第二种方法只需要把性能良好的灰度数字图像算法应用于Y分量的缩放中，忽略人眼不敏感的分量，减小运算量，本设计中即采用第二种针对RGB图像的放大方法。
2.2 经典图像缩放方法
数字图像的像素点就好像棋盘上的一个个交叉点。
在图像缩放处理中，往往需要求得两个交叉点之间的灰度值，如果交叉点上的灰度值刚好落在像素位置上，可称之为像素灰度；
而交叉点以外的灰度值是像素位置间的灰度值或称之为子像素灰度值[9]。
像素位置间的灰度值通常可以使用插值的方法进行计算，传统插值算法通常有双线性插值法（Bilinear）、双三次缩放法（Bicub
升级会员 