任意比例视频图像放大算法的研究与实现.doc

任意比例视频图像放大算法的研究与实现摘　要：随着多媒体信息技术的发展，针对视频信号的处理技术应运而生其中实时缩放正是视频信号处理技术的关键对于图像缩放，所用数学模型的优劣会直接影响用户观看图像的质量在视频处理中，图像的缩放算法不仅影响视频质量，而且算法的处理速度也会影响视频流的显示，从而影响用户观看的连续性本文针对视频信号对处理速度和精度的要求，采用只对亮度信号进行复杂处理的方法分析图像边缘区域的特性，并通过数学推导，在边缘区域的插值中设计四个模板，从而设计改进的视频缩放算法实验结果表明，本设计的视频信号缩放算法在主观视觉上保持了图像纹理细节和边缘信息客观评价中，本算法处理得到的图像高频分量丢失少，且保证较好的低频分量处理效果；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： With the rapid development of multimedia information technology，video signal's processing technology emerges at that time. Video’s real-time scaling is the key issue in video signal's processing technology. For image scaling， the mathematical model affects the picture’s visual quality. In video processing，not only the scaling algorithm influences the video’s quality， but also the algorithm’s performance affects the display of the video so that influences the video playing smoothly.Due to the speed and precision demanded in video signal’s processing，only employ the proposed algorithm in Y channel signal. Under the analysis on the characteristic of the edge in image，four scaling masks are deduced mathematically. This paper issues a lot of experiments on the infrastructure of the theoretical study，which show that the video signal's scaling algorithm designed in this paper has obtained the better effectiveness than traditional algorithms. Our design keeps texture details in subjective vision，raises the PSNR 0.24dB on average， and it has well performance in both high and low frequency component in spectrum at the same. This is satisfied with the designated target of the project.Key words: video signals; image processing; scaling; edge1　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图像为满足人类视觉和实现信息传输的需求，针对图像和视频信息的实时缩放技术在生活中起着不可忽略的作用 [1]视频图像的后期缩放处理势必将会作为显示呈现在终端之前的一个重要环节无论其输入视频信源的分辨率大小尺寸多少，最终都应该以用户的实际物理显示设备的最佳观看分辨率作为显示输出结果，通常由于带宽有限的关系，该显示过程通常以放大为主，即输入视频图像分辨率小于输出分辨率为了满足不同终端用户对图像尺寸的需求，改变图像尺寸的缩放技术应运而生图像缩放是数字图像处理中非常重要的技术之一对于网络传输的图像，由于客观条件的种种限制，想要快速地传输高分辨率的图像一般难以达到，同时由于硬件性能的限制，图片往往也无法满足所需要的分辨率，而硬件的改进却需要复杂的技术并付出昂贵的代价，所以如果能够从软件技术方面进行改进，采用图像插值技术提高图像质量来达到所期望的分辨率和清晰度，其具有的实用意义将是十分重大的因此，利用插值的方法将低分辨率图像插值放大成高分辨率图像就成为人们追求的目标。

用图像缩放算法进行处理时，存在一对相悖的要素：图像处理速度和图像精度一般情况下，要想获得比较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，Giovanni Ramponi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]；Jung Woo Hwang和Hwang Soo Lee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Warp Distance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122.1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Error! Reference source not found.。

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Error! Reference source not found.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Error! Reference source not found.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。