的優(yōu)越性。這7種插值算法包括傳統(tǒng)的雙三次 插值算法，NEDI插值算法，LMMSE插值算法，SAI插值算法，SME插值算法，CGI插值算法以及 NARM插值算法。
[0169] 在實(shí)驗(yàn)中，本發(fā)明將傳統(tǒng)的雙三次插值算法作為基準(zhǔn)算法以定量計(jì)算其余改進(jìn)算 法較雙三次算法在插值性能和計(jì)算時(shí)間上的優(yōu)勢(shì)。圖7顯示了實(shí)驗(yàn)中用到的8幅測(cè)試圖片 (都為pgm格式）。為了可以將插值圖片與測(cè)試圖片的真實(shí)圖進(jìn)行比較，本發(fā)明首先分別對(duì)每 幅圖進(jìn)行降采樣獲得相應(yīng)的低分辨率圖LR，采樣因子為2X2,并且在降采樣過程中不要人 為地添加噪聲。那么在插值過程中的輸入圖片就是這些降采樣得到的LR圖，然后對(duì)這些圖 片進(jìn)行插值，插值因子為2X2,最后可以得到與原始圖片尺寸大小相同的HR圖。這樣做的目 的是可以定量的計(jì)算插值得到的圖片與原始圖片的峰值信噪比PSNR(peak signal-to-noise ratio)以及結(jié)構(gòu)相似性SSIM(structural similarity)。而這兩種度量標(biāo)準(zhǔn)也是目 前衡量圖片處理結(jié)果的重要指標(biāo)。
[0170] 表1:各個(gè)算法在對(duì)LR進(jìn)行2X2插值得到的圖片與原圖片的PSNR(單位:dB)比較。 LR是通過對(duì)原HR圖片進(jìn)行2X2降采樣得到的圖片。最后一行數(shù)據(jù)是各算法在處理8幅測(cè)試 圖片得到的平均PSNR高出雙三次插值的數(shù)據(jù)。對(duì)于每幅圖片各算法中取得最大值的數(shù)據(jù)已 用黑色字體標(biāo)出。
[0171]
[0172] 表2:各個(gè)算法在對(duì)LR進(jìn)行2X2插值得到的圖片與原圖片的SS頂比較。LR是通過對(duì) 原HR圖片進(jìn)行2X2降采樣得到的圖片。最后一行數(shù)據(jù)是各算法在處理8幅測(cè)試圖片得到的 平均SS頂高出雙三次插值的數(shù)據(jù)。對(duì)于每幅圖片各算法中取得最大值的數(shù)據(jù)已用黑色字體 標(biāo)出。 「01731
[0174]表3:不同算法的插值時(shí)間比較(單位:秒）。實(shí)驗(yàn)允許環(huán)境:MATLAB版本2014，計(jì)算 機(jī)條件：Inter Core 3.10GHz CPU，安裝內(nèi)存RAM為4GB。
[0175]
[0176] 表1是所有插值算法所得到的峰值信噪比PSNR比較，本發(fā)明可以看出，SME，NARM以 及本發(fā)明所提出的算法要比其他算法的效果好。而且本發(fā)明所提出算法的平均結(jié)果要比 SME和NARM算法好。
[0177] 在進(jìn)行客觀比較時(shí)，除了PSNR這個(gè)標(biāo)準(zhǔn)外，本發(fā)明也用結(jié)構(gòu)相似性SSIM對(duì)結(jié)果進(jìn) 行測(cè)評(píng)，由于SSIM這個(gè)指標(biāo)與人類視覺感知結(jié)果相似，結(jié)果如圖2所示。值得注意的是，PSNR 和SS頂都是用來(lái)比較插值圖像和原圖像的相似度，也就是說(shuō)值越大，效果越好。從表2中，本 發(fā)明可以看出，本發(fā)明提出的算法比其他7種算法結(jié)果好。
[0178] 本發(fā)明提出的插值算法的另一個(gè)優(yōu)勢(shì)在于時(shí)間相對(duì)較少，表3記錄了處理8幅圖片 所消耗的CPU時(shí)間。從表3，本發(fā)明可以看出，本發(fā)明算法所耗時(shí)間略高于Bicubic和CGI，但 是比其他算法時(shí)間要短。
[0179] 本發(fā)明算法插值得到的結(jié)果在邊緣部分沒有產(chǎn)生偽彩色，而CGI卻出現(xiàn)較多偽彩 色，而且在CPU時(shí)間消耗方面，本發(fā)明算法大約是CGI的一半，這對(duì)以后的實(shí)時(shí)彩圖圖像插值 應(yīng)用具有重要的意義。
[0180]這篇文章提出了一種新的基于邊緣的圖像插值方法。這種方法可以看成是已存在 的對(duì)比度引導(dǎo)的插值算法CGI的一個(gè)改進(jìn)算法。本發(fā)明的貢獻(xiàn)有兩個(gè)方面:一是提出了一種 在圖像插值過程中判斷待插像素是否是邊緣像素的新策略;二是提出了一種基于變換顏色 空間的彩色圖像插值算法。本發(fā)明算法則是用待插像素周邊的梯度值來(lái)預(yù)測(cè)其梯度值以及 邊緣方向。在處理彩色圖像插值時(shí)，本發(fā)明考慮到圖像的亮度和色度對(duì)人眼影響的差異，在 對(duì)亮度分量進(jìn)行插值時(shí)采用本發(fā)明提出的梯度圖像插值算法，而對(duì)色度分量則采用傳統(tǒng)的 圖像插值算法進(jìn)行插值時(shí)，這樣可以降低處理彩色圖像所需要的時(shí)間，提高算法的執(zhí)行效 率。大量實(shí)驗(yàn)結(jié)果證明無(wú)論是從主觀視覺質(zhì)量評(píng)估還是客觀度量計(jì)算方面，本發(fā)明提出的 算法都具有很大的優(yōu)勢(shì)，并且在時(shí)間復(fù)雜度上，與目前常用的插值方法相比，本發(fā)明提出的 方法的速度也名列前茅，這一結(jié)果對(duì)實(shí)現(xiàn)實(shí)時(shí)的在線圖像插值是非常重要的。
[0181]對(duì)本發(fā)明應(yīng)當(dāng)理解的是，以上所述的實(shí)施例，對(duì)本發(fā)明的目的、技術(shù)方案和有益效 果進(jìn)行了進(jìn)一步詳細(xì)的說(shuō)明，以上僅為本發(fā)明的實(shí)施例而已，并不用于限定本發(fā)明，凡是在 本發(fā)明的精神原則之內(nèi)，所作出的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù) 范圍之內(nèi)，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求所界定的保護(hù)范圍為準(zhǔn)。
【主權(quán)項(xiàng)】
1. 一種基于預(yù)測(cè)梯度的圖像插值方法，其特征在于，包括： 判斷待插值像素是否為邊緣像素， 若該待插值像素為非邊緣像素，則采用線性插值方法進(jìn)行插值得到高分辨率圖像； 若該待插值像素為邊緣像素，則采用非線性插值方法進(jìn)行插值得到高分辨率圖像。2. 根據(jù)權(quán)利要求1所述的基于預(yù)測(cè)梯度的圖像插值方法，其特征在于，判斷待插值像素 是否為邊緣像素具體包括： 計(jì)算低分辨率圖像上所有像素L· (i，j)的梯度值，梯度值計(jì)算公式為： f裏喝關(guān)為指像素(i，j)上的梯度值，ULR圖像的方向?qū)?shù)，Θ代表所 計(jì)算梯度的方向，Se是邊緣檢測(cè)器，*是卷積操作； 采用預(yù)測(cè)方法選擇待插值像素周圍的像素Ui，j)的梯度值預(yù)測(cè)該待插值像素的梯度 值％>:，公式表不如下：嫩給您滅:?) Ψ為一種預(yù)測(cè)方法； 計(jì)算該待插值像素正交方向上的梯度差值，將該梯度插值與預(yù)定的閾值進(jìn)行比較， 若大于或等于所述閾值，則該待插值像素為邊緣像素； 若小于所述閾值，則該待插值像素為非邊緣像素。3. 根據(jù)權(quán)利要求2所述的基于預(yù)測(cè)梯度的圖像插值方法，其特征在于，所述預(yù)測(cè)方法包 括:雙三次預(yù)測(cè)、基于預(yù)插值圖片的預(yù)測(cè)。4. 根據(jù)權(quán)利要求2所述的基于預(yù)測(cè)梯度的圖像插值方法，其特征在于，所述的非線性插 值方法具體包括： 對(duì)邊緣像素進(jìn)行擴(kuò)散，并計(jì)算擴(kuò)散后的梯度； 基于低分辨圖像LR的像素Mlj)，對(duì)處理高分辨圖像對(duì)角上的像素進(jìn)行插值，其中，基于低分辨率圖像的Ui，j)以及處理圖像插值得到的對(duì)角像素Ih(2i，2j)，對(duì)余下的 水平和垂直方向上的像素進(jìn)行處理，插值公式下如所示：其中，Ia，Ib，Ic和Id是已知像素，1〇是待插像素，ω是可調(diào)參數(shù)，T是一個(gè)閾值，Τ取值為0 至1。5. 根據(jù)權(quán)利要求4所述的基于預(yù)測(cè)梯度的圖像插值方法，其特征在于，ω為17/40，Τ = 0.08〇6. -種基于預(yù)測(cè)梯度的彩色圖像插值方法，其特征在于，包括： 將彩色圖像從RGB顏色空間轉(zhuǎn)到Lab顏色空間； 分咼亮度分量L、色度分量a，b; 色度分量a、b，采用線性插值方法進(jìn)行插值處理； 亮度分量L采用權(quán)利要求1至5任一所述的基于預(yù)測(cè)梯度的圖像插值方法進(jìn)行插值。7. 根據(jù)權(quán)利要求6所述的基于預(yù)測(cè)梯度的彩色圖像插值方法，其特征在于，彩色圖像從 RGB顏色空間轉(zhuǎn)到Lab顏色空間，具體包括： 將原始的rgb色彩分量通過Gamma矯正為RGB色彩分量 R=gamma(r)，G = gamma(g)，B = gamma(b)(r，g，be [0,255])將RGB模式轉(zhuǎn)換為XYZ模式 [X，Y，Z] = [M]*[R，G，B] 其中，Μ是一個(gè)3X3的矩陣； 將ΧΥΖ模式轉(zhuǎn)換為L(zhǎng)ab模式其中，f是矯正函數(shù)，分別是線性詭異化之后的X，Y，Z值。8. -種基于預(yù)測(cè)梯度的圖像插值系統(tǒng)，其特征在于，包括： 邊緣像素判斷模塊，用于判斷待插值像素是否為邊緣像素， 若該待插值像素為非邊緣像素，則線性插值模塊采用線性插值方法進(jìn)行插值得到高分 辨率圖像； 若該待插值像素為邊緣像素，則非線性插值模塊采用非線性插值方法進(jìn)行插值得到高 分辨率圖像。9. 根據(jù)權(quán)利要求8所述的基于預(yù)測(cè)梯度的圖像插值系統(tǒng)，其特征在于，所述的邊緣像素 判斷模塊，包括： 計(jì)算單元，用于計(jì)算低分辨率圖像上所有像素Mi，j)的梯度值，梯度值計(jì)算公式為： = 指像素(i，j)上的梯度值，％是1^圖像的方向?qū)?shù)，Θ代表所計(jì) 算梯度的方向，&是邊緣檢測(cè)器，*是卷積操作； 采用預(yù)測(cè)方法選擇待插值像素周圍的像素Ui，j)的梯度值預(yù)測(cè)該待插值像素的梯度 值^%,公式表示如下：ψ為一種預(yù)測(cè)方法； 比較單元，用于計(jì)算該待插值像素正交方向上的梯度差值，將該梯度插值與預(yù)定的閾 值進(jìn)行比較， 若大于或等于所述閾值，則該待插值像素為邊緣像素； 若小于所述閾值，則該待插值像素為非邊緣像素。10.根據(jù)權(quán)利要求8所述的基于預(yù)測(cè)梯度的圖像插值系統(tǒng)，其特征在于，所述的非線性 插值模塊包括： 擴(kuò)散單元，用于對(duì)邊緣像素進(jìn)行擴(kuò)散，并計(jì)算擴(kuò)散后的梯度； 對(duì)角線插值單元，基于低分辨圖像LR的像素Ui，」），對(duì)處理高分辨圖像對(duì)角上的像素 進(jìn)行插值，其中，水平和垂直方向值單元，基于低分辨率圖像的Ii(i，j)以及處理圖像插值得到的對(duì)角像 素Ih(2i，2j)，對(duì)余下的水平和垂直方向上的像素進(jìn)行處理，插值公式下如所示：其中，Ia，Ib，Ic和Id是已知像素，1〇是待插像素，ω是可調(diào)參數(shù)，T是一個(gè)閾值，T取值為0 至1。
【專利摘要】本發(fā)明公開一種基于預(yù)測(cè)梯度的圖像插值方法及系統(tǒng)，主要是為了提供一種根據(jù)有效判斷像素為邊緣像素，且能夠有效提高插值質(zhì)量而設(shè)計(jì)。本發(fā)明基于預(yù)測(cè)梯度的圖像插值方法，包括：判斷待插值像素是否為邊緣像素，若該待插值像素為非邊緣像素，則采用線性插值方法進(jìn)行插值得到高分辨率圖像；若該待插值像素為邊緣像素，則采用非線性插值方法進(jìn)行插值得到高分辨率圖像。本發(fā)明，能夠有效判斷圖像梯度值，保留了邊緣，紋理信息，減少插值算法中存在的鋸齒現(xiàn)象和模糊現(xiàn)象并且處理轉(zhuǎn)換到Lab顏色空間上的彩色圖像只需要消耗較少的計(jì)算時(shí)間，對(duì)于實(shí)時(shí)圖像應(yīng)用具有重要的意義。
【IPC分類】G06T3/40
【公開號(hào)】CN105678700
【申請(qǐng)?zhí)枴緾N201610015629
【發(fā)明人】鐘寶江, 陸志芳
【申請(qǐng)人】蘇州大學(xué)
【公開日】2016年6月15日
【申請(qǐng)日】2016年1月11日...