一種基于多方向檢測的線性插值場內(nèi)去隔行方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及視頻信號處理領(lǐng)域,具體涉及一種基于多方向檢測的線性插值場內(nèi)去 隔行方法。
【背景技術(shù)】
[0002] 隨著視頻編解碼技術(shù)的發(fā)展和人們對視頻質(zhì)量的提高,隔行顯示技術(shù)逐漸退出歷 史的舞臺,逐行顯示成為視頻播放的主流。為了更好地利用現(xiàn)在大量存儲的隔行掃描視頻 節(jié)目資源,需要將隔行掃描的視頻通過數(shù)字化處理,轉(zhuǎn)換為逐行掃描視頻,也就是視頻去隔 行技術(shù)。
[0003] 現(xiàn)有的去隔行算法主要有時域去隔行算法、空域去隔行算法。
[0004] 常見時域去隔行方法有場混合法和場間插值法,它涉及到相鄰兩場的運算。場混 合法利用兩個相鄰場合并成一幀;場插值法則由多個相鄰近的場經(jīng)過線性插值運算得到一 幀。時域法的缺點是當運動劇烈的圖像經(jīng)過去隔行后,行與行之間會有"對不齊"現(xiàn)象,形成 錯位失真,而且需要額外的存儲器來保存相鄰場的信息,硬件成本高。
[0005] 常見的空域去隔行算法有邊沿自適應平均法(ELA算法),直接行重復法和行平均 法。而目前ELA算法是應用最多的空域去隔行算法。ELA算法根據(jù)圖形的紋理進行插值,首先 進行邊緣檢測,然后利用邊緣方向的像素進行插值,但是對于細節(jié)較多的隔行圖像,ELA算 法邊緣檢測的方向少,算法單一,邊緣方向的誤差較大,而且ELA的平均插值法方法簡單,容 易導致插值后的圖像模糊。因此,邊緣檢測算法和插值方法的優(yōu)化是ELA算法的關(guān)鍵。
【發(fā)明內(nèi)容】
[0006] 本發(fā)明旨在克服傳統(tǒng)邊沿自適應平均法(ELA算法)的缺陷,提供一種基于多方向 檢測的線性插值場內(nèi)去隔行方法。利用一種改進的圓形sobel算子模板在七個方向上進行 邊緣檢測,提高邊緣檢測的準確度,較好地保持了圖像的邊緣信息。再利用邊緣方向上的八 個候選點進行線性插值代替平均插值法,減少待插像素值的誤差,達到良好的去隔行效果。
[0007] 本發(fā)明解決上述技術(shù)問題所采用的技術(shù)方案是:
[0008] -種基于多方向檢測的線性插值場內(nèi)去隔行方法,具體步驟包括:
[0009] 步驟一:計算改進的圓形sobel算子模版不同位置的權(quán)值;
[00?0]步驟二:在以待插值點為中心的5x5像素范圍內(nèi),利用改進的圓形sobel算子為模 版進行模版檢測,得到七個方向上的梯度算子;
[0011] 步驟三:對步驟二中模版檢測得到的梯度算子取最小值,最小值對應的方向即待 插值點的邊緣方向;
[0012] 步驟四:在步驟三中得到邊緣方向后,對邊緣方向上的八個候選點進行場內(nèi)線性 插值,得到當前待插像素點的像素值。
[0013] 所述步驟一中,不同位置的權(quán)值W(m,η)計算公式如下:
[0015]其中d(m,n)為坐標(m,n)的模版元素到坐標為(i,j)的模版中心的歐式距離,μ為 調(diào)整系數(shù)," Π "符號代表上取整運算。
[0016]所述步驟二中,在以待插值點為中心的5x5像素范圍內(nèi),利用改進的圓形sobel算 子模版進行模版檢測,計算出七個方向的梯度算子,梯度算子的計算公式如下:
[0017] 22.5°方向梯度算子:
[0045] 其中α,β,γ是位置權(quán)值,"I I"符號代表取絕對值,i和j分別表示行數(shù)和列數(shù),以i 行為待插入行,與其相鄰的行分別為i-Ι行和i + Ι行;待插入像素的列為j列,與其相鄰的列 為j-Ι列和j+Ι列,以此類推,x(i,j)表示第i行第j列處待插像素點的像素值。
[0046] 所述步驟三中,取的最小值Dmin是指步驟二中得到的七個模版方向中梯度算子的 最小值:Dmin = min(D22.5,D45,D67.5,Dg〇,Dll2.5,Dl35,Dl57.5),Dmin對應的方向即待插值點的邊緣 方向。
[0047] 所述步驟四中,場內(nèi)線性插值是指在邊緣方向上選取八個候選點A,B,C,D,E,F(xiàn),G, H,然后根據(jù)公式P= (-A+4B-11C+40D+40E-11F+4G-H) > >6進行場內(nèi)線性插值,得到當前待 插像素點的像素值x( i,j)。
[0048] 本發(fā)明同現(xiàn)有技術(shù)相比具有以下優(yōu)點及效果:
[0049] 本發(fā)明的方法相比于傳統(tǒng)的ELA算法,利用改進的圓形sobel算子模版邊緣檢測從 三個方向增加到七個方向,可以檢測到更準確的邊緣,而且模版像素到中心像素的距離的 絕對值越大,權(quán)值越?。环粗0嫦袼氐街行南袼氐木嚯x的絕對值越小,權(quán)值越大,進一步 增加了邊緣檢測的準確性。
[0050] 本發(fā)明中的插值方法通過移位的方式替代除法,降低算法復雜度,實現(xiàn)簡單,并且 根據(jù)與目標像素的遠近分配不同的權(quán)值,采用八個候選點進行插值,能充分利用空間上的 相關(guān)性,使畫面更加平滑,并且后續(xù)的視頻編碼能獲得更好的壓縮效率。
【附圖說明】
[0051] 圖1為一種基于多方向檢測的線性插值場內(nèi)去隔行方法的流程框圖。
[0052] 圖2為隔行掃描技術(shù)中先前場、當前場、以及后續(xù)場的場結(jié)構(gòu)示意圖。
[0053]圖3為三點中值濾波算法示意圖。
[0054]圖4為七個方向的圓形sobel算子模版示意圖。
[0055]圖5為場內(nèi)線性插值方法示意圖。
【具體實施方式】
[0056] 本發(fā)明的優(yōu)選實施例結(jié)合附圖詳述如下:
[0057] 本發(fā)明提出一種基于多方向檢測的線性插值場內(nèi)去隔行方法,本實施例中,圖2為 隔行掃描技術(shù)中的場結(jié)構(gòu),實線圓表示存在的像素點,虛線圓表示不存在的像素點,當前場 僅包含奇數(shù)行的數(shù)據(jù)或者偶數(shù)行的數(shù)據(jù),而相鄰的兩場僅包含偶數(shù)行的數(shù)據(jù)或者奇數(shù)行的 數(shù)據(jù),兩者正好互補。以i和j分別表示行數(shù)和列數(shù),以i行為待插入行,與其相鄰的掃描行分 別為i-1行和i+1行;待插入像素的列為j列,與其相鄰的列為j-1列和j+1列,以此類推,x(i, j)表示第i行第j列處待插像素點的像素值。
[0058] 圖1是本發(fā)明一種基于多方向檢測的線性插值場內(nèi)去隔行方法的流程框圖,具體 步驟包括:
[0059] 步驟一:計算改進的圓形sobel算子模版不同位置的權(quán)值;
[0000]步驟二:在以待插值點為中心的5x5像素范圍內(nèi),利用改進的圓形sobel算子為模 版進行模版檢測,得到七個方向上的梯度算子;
[0061 ]步驟三:對步驟二中模版檢測得到的梯度算子取最小值,最小值對應的方向即待 插值點的邊緣方向;
[0062]步驟四:在步驟三中得到邊緣方向后,對邊緣方向上的八個候選點進行場內(nèi)線性 插值,得到當前待插像素點的像素值。
[0063]以下對本實施例中的各步驟進行詳細說明。
[0064] 上述步驟一中,不同位置的權(quán)值W(m,η)計算公式如下:
[0066]其中d(m,n)為坐標(m,n)的模版元素到坐標為(ij)的模版中心的歐式距離,μ為 調(diào)整系數(shù),本實施例中μ取4, "「Γ符號代表上取整運算。
[0067] 上述步驟二中進行模版檢測時,由于隔行場只存在奇數(shù)行的數(shù)據(jù)或偶數(shù)行的數(shù) 據(jù),當模板檢測需要用到的一些點不存在時,則利用三點中值濾波算法得到。具體步驟參見 圖3:要得到F(n)場中(i,j)點的像素值,取該點上下相鄰兩點的像素值 X(i-l,j),X(i+l,j) 以及上一場F(η-1)場中該點對應的像素值X (i,j ),三者取中值得到該點的像素值。中值濾 波算法隱含了在空間方向上的邊界自適應和時間方向上的運動自適應,并具有一定的降噪 能力。
[0068] 上述步驟二中的模版檢測是指計算出七個方向的梯度算子,參見圖4,圖中的虛線 圓像素值 x(i-2,j-l),x(i-2,j+l),x(i,j-l),x(i,j+l),x(i+2,j-l), x(i+2,j+l)*SA* 值濾波算法得到,梯度算子的計算公式如下