[发明专利]结合局部方向特征的数字图像三倍插值放大方法

摘要

本发明公开了一种结合局部方向特征的数字图像三倍插值放大方法。该方法首先提取低分辨率图像的四个方向特征，然后将插值点按位置关系分成三类分别进行插值。对非同行非同列类插值点，首先利用已知点与待插值点之间的距离和相应的方向特征作为权重系数进行插值，然后利用邻域已知点的方向特征判断子块是否为45°和135°强纹理区域，如果是则沿纹理方向对相应插值点按线性插值方法进行更新；估计同行、同列类待插值点时，对0°和90°强纹理区域的插值点沿相应方向进行插值，对其他点则按照传统的线性插值方法进行重构。该方法能够在有效抑制插值图像边缘模糊和锯齿现象的同时缩短运算时间，使得重构出的图像边缘更清晰，视觉效果更锐利。

主权项

1.一种结合局部方向特征的数字图像三倍插值放大方法，其步骤如下：1)方向特征提取利用梯度、方向滤波或超小波方法提取出低分辨率图像X＝{x_i，j|i＝1，2，……，m；j＝1，2，……，n}在0°、45°、90°和135°四个方向上的方向特征D_k(k＝1，2，3，4)：Dk={di,jk|k=1,2,3,4}]]>其中，k代表方向，k＝1，2，3，4分别对应0°、45°、90°和135°的方向；m，n为低分辨图像X的尺寸，方向特征D_k与X的大小相同；代表低分辨率图像X相应像素点x_i，j的第k个方向的方向特征；2)三倍插值点的估计2.1分类低分辨率图像的2×2子块为三倍插值的最小插值单元，每个2×2子块中的横向竖向斜向均插入两个插值点，即每个2×2子块中含有4个已知点x_i，j、x_i，j+1、x_i+1，j、x_i+1，j+1和12个插值点，12个插值点分为同行插值点(x′_i，j+1、x′_i，j+2、x′_i+3，j+1、x′_i+3，j+2)、同列插值点(x′_i+1，j、x′_i+2，j、x′_i+1，j+3、x′_i+2，j+3)和非同行非同列插值点(x′_i+1，j+1、x′_i+2，j+1、x′_i+1，j+2、x′_i+2，j+2)三类；2.2非同行非同列插值点的值估计任意2×2子块中已知点x_i，j+1和x_i+1，j的0°、45°、90°和135°方向特征分别为和2.2.1初始化非同行非同列插值点的值：令，x″₁＝x_i，j；x″₂＝x_i，j+1；x″₃＝x_i+1，j；x″₄＝x_i+1，j+1，及a₁＝x′_i+1，j+1；a₂＝x′_i+1，j+2；a₃＝x′_i+2，j+1；a₄＝x′_i+2，j+2则，aq=Σp=14wpq·xp′′,]]>q＝1，2，3，4，而wpq=spq·tpqΣp=14spq·tpq]]>其中，s_pq为已知点x″_p到插值点a_q的距离权重，s_pq＝(3-插值点a_q到已知点x″_p的水平距离)×(3-插值点a_q到已知点x″_p的垂直距离)/9；t_pq是已知点x″_p到插值点a_q的方向权重，t_pq按下式进行估计：tpq=1+(hpq-14)]]>hpq=gpq/Σp=14gpq]]>其中g_pq表示已知点x″_p沿待插值点a_q方向的方向特征，由已知点x″_p四个方向中与待插值点a_q方向最接近的方向特征在x″_p沿a_q方向上的投影得到；2.2.2更新非同行非同列插值点的值：如果x_i，j+1和x_i+1，j的四个方向特征中都是45°方向特征最大，即则判定该子块属于45°强纹理区域，利用已知点x_i+1，j和x_i，j+1更新x_i+1，j的相邻插值点x′_i+2，j+1和x_i，j+1的相邻插值点x′_i+1，j+2的值，即：xi+2,j+1′=23·xi+1,j+13·xi,j+1;]]>xi+1,j+2′=13·xi+1,j+23·xi,j+1]]>如果x_i，j和x_i+1，j+1的四个方向特征中都是135°方向特征最大，即则判定该子块属于135°强纹理区域，利用已知点x_i，j和x_i+1，j+1求出x_i，j的相邻插值点x′_i+1，j+1和x_i+1，j+1的相邻插值点x′_i+2，j+2的值，即：xi+1,j+1′=23·xi,j+13·xi+1,j+1;]]>xi+2,j+2′=13·xi,j+23·xi+1,j+1;]]>2.3同行插值点的值估计2.3.1上面行插值点的估计：如果2×2子块中上面一行的两已知点x_i，j和x_i，j+1的四个方向特征中都是0°方向特征最大，即则判定该行属于0°强纹理区域，利用已知点x_i，j和x_i，j+1求出x_i，j的相邻同行插值点x′_i，j+1和x_i，j+1的相邻同行插值点x′_i，j+2的值，即：xi,j+1′=23·xi,j+13·xi,j+1;]]>xi,j+2′=13·xi,j+23·xi,j+1]]>如果2×2子块中上面一行的两已知点x_i，j和x_i，j+1的四个方向特征中不满足都是0°方向特征最大的条件，则利用同一行内本子块内的两个已知点(x_i，j，x_i，j+1)和左右相邻子块中的两个最近已知点(x_i，j-1，x_i，j+2)对插值点x′_i，j+1和x′_i，j+2进行估计：x′_i，j+1＝α₁·x_i，j-1+α₂·x_i，j+α₃·x_i，j+1+α₄·x_i，j+2x′_i，j+2＝α₁·x_i，j+2+α₂·x_i，j+1+α₃·x_i，j+α₄·x_i，j-1其中[α₁，α₂，α₃，α₄]＝[-2，21，9，-1]/27，是三倍插值的核函数；如果x_i，j-1或x_i，j+2不存在，则只利用子块内的两个同行已知点x_i，j和x_i，j+1对插值点x′_i，j+1和x′_i，j+2进行估计：xi,j+1′=23·xi,j+13·xi,j+1;]]>xi,j+2′=13·xi,j+23·xi,j+1]]>2.3.2下面行插值点的估计：如果2×2子块中下面一行的两已知点x_i+1，j和x_i+1，j+1四个方向特征中都是0°方向特征最大，即则判定该行属于0°强纹理区域，利用同行的两已知点x_i+1，j和x_i+1，j+1求出x_i+1，j的相邻同行插值点x′_i+3，j+1和x_i+1，j+1的相邻同行插值点x′_i+3，j+2的值，即：xi+3,j+1′=23·xi+1,j+13·xi+1,j+1;]]>xi+3,j+2′=13·xi+1,j+23·xi+1,j+1]]>如果2×2子块中下面一行的两已知点x_i+1，j和x_i+1，j+1的四个方向特征中不满足都是0°方向特征最大的条件，则利用同一行内本子块内的两个已知点(x_i+1，j，x_i+1，j+1)和左右相邻子块中的两个最近已知点(x_i+1，j-1，x_i+1，j+2)对插值点x′_i+3，j+1和x′_i+3，j+2进行估计：x′_i+3，j+1＝α₁·x_i+1，j-1+α₂·x_i+1，j+α₃·x_i+1，j+1+α₄·x_i+1，j+2x′_i+3，j+2＝α₁·x_i+1，j+2+α₂·x_i+1，j+1+α₃·x_i+1，j+α₄·x_i+1，j-1其中[α₁，α₂，α₃，α₄]＝[-2，21，9，-1]/27，是三倍插值的核函数；如果x_i+1，j-1或x_i+1，j+2不存在，则只利用子块内的两个同行已知点x_i+1，j和x_i+1，j+1对插值点x′_i+3，j+1和x′_i+3，j+2进行估计：xi+3,j+1′=23·xi+1,j+13·xi+1,j+1;]]>xi+3,j+2′=13·xi+1,j+23·xi+1,j+1]]>2.4同列插值点的估计2.4.1左面列插值点的估计：如果2×2子块中左面一列的两已知点x_i，j和x_i+1，j的四个方向特征中都是90°方向特征最大，即则判定该列属于90°强纹理区域，利用已知点x_i，j和x_i+1，j求出x_i，j的相邻同列插值点x′_i+1，j和x_i+1，j的相邻同列插值点x′_i+2，j的值，即：xi+1,j′=23·xi,j+13·xi+1,j;]]>xi+2,j′=13·xi,j+23·xi+1,j]]>如果2×2子块中左面一列的两已知点x_i，j和x_i+1，j的四个方向特征中不满足都是90°方向特征最大的条件，则利用同一列内本子块内的两个已知点x_i，j，x_i+1，j和上下相邻子块中的两个最近已知点x_i-1，j，x_i+2，j对插值点x′_i+1，j和x′_i+2，j进行估计：x′_i+1，j＝α₁·x_i-1，j+α₂·x_i，j+α₃·x_i+1，j+α₄·x_i+2，jx′_i+2，j＝α₁·x_i+2，j+α₂·x_i+1，j+α₃·x_i，j+α₄·x_i-1，j其中[α₁，α₂，α₃，α₄]＝[-2，21，9，-1]/27，是三倍插值的核函数；如果x_i-1，j或x_i+2，j不存在，则只利用子块内的两个同列已知点x_i，j和x_i+1，j对插值点x′_i+1，j和x′_i+2，j进行估计：xi+1,j′=23·xi,j+13·xi+1,j;]]>xi+2,j′=13·xi,j+23·xi+1,j]]>2.4.2右面列插值点的估计：如果2×2子块中右面一列的两已知点x_i，j+1和x_i+1，j+1四个方向特征中都是90°方向特征最大，即则判定该列属于90°强纹理区域，利用同列的两已知点x_i，j+1和x_i+1，j+1求出x_i，j+1的相邻同列插值点x′_i+1，j+3和x_i+1，j+1的相邻同列插值点x′_i+2，j+3的值，即：xi+1,j+3′=23·xi,j+1+13·xi+1,j+1;]]>xi+2,j+3′=13·xi,j+1+23·xi+1,j+1]]>如果2×2子块中右面一列的两已知点x_i，j+1和x_i+1，j+1的四个方向特征中不满足都是90°方向特征最大的条件，则利用同一列内本子块内的两个已知点x_i，j+1，x_i+1，j+1和上下相邻子块中的两个最近已知点x_i-1，j+1，，x_i+2，j+1对插值点x′_i+1，j+3和x′_i+2，j+3进行估计：x′_i+1，j+3＝α₁·x_i-1，j+1+α₂·x_i，j+1+α₃·x_i+1，j+1+α₄·x_i+2，j+1x′_i+2，j+3＝α₁·x_i+2，j+1+α₂·x_i+1，j+1+α₃·x_i，j+1+α₄·x_i-1，j+1其中[α₁，α₂，α₃，α₄]＝[-2，21，9，-1]/27，是三倍插值的核函数；如果x_i-1，j+1或x_i+2，j+1不存在，则只利用子块内的两个同列已知点x_i，j+1和x_i+1，j+1对插值点x′_i+1，j+3和x′_i+2，j+3进行估计：xi+1,j+3′=23·xi,j+1+13·xi+1,j+1;]]>xi+2,j+3′=13·xi,j+1+23·xi+1,j+1]]>2.5令x′_i，j＝x_i，j；x′_i，j+3＝x_i，j+1；x′_i+3，j＝x_i+1，j；x′_i+3，j+3＝x_i+1，j+1，这四个像素点和2.2-2.4步得到的同行插值点x′_i，j+1 x′_i，j+2 x′_i+3，j+1 x′_i+3，j+2、同列插值点x′_i+1，j x′_i+2，j x′_i+1，j+3 x′_i+2，j+3、非同行非同列插值点x′_i+1，j+1 x′_i+2，j+1 x′_i+1，j+2 x′_i+2，j+2一起即构成4×4的插值后子块；3)将所有的4×4的插值后子块进行重构，组成的图像X′，X′＝{x′_i′，j′|i′＝1，2，……，3m；j′＝1，2，……，3n}即为完成三倍插值放大的高分辨率图像。