通過高頻增強(qiáng)曲線提高圖像清晰度的方法

袁 野，顧振宇

(上海對外貿(mào)易學(xué)院商務(wù)信息學(xué)院，上海 201620)

在數(shù)字電視視頻后處理芯片中，提高清晰度算法至關(guān)重要。在視頻后處理中，由于信號傳輸過程中損失了很多高頻成分，引起了解碼圖像的模糊，提高圖像清晰度算法的目的是合理補(bǔ)償高頻分量，使模糊的圖像變得清晰，邊緣部分得到進(jìn)一步銳化。

增強(qiáng)清晰度算法可分為空域和頻域的不同處理算法［1］?？沼蚍椒ㄖ杏写硇缘陌?拉普拉斯算法、反銳化掩模等;頻域有代表性的有小波變換方法等［2-3］。但是頻域算法相對復(fù)雜，一般不適合應(yīng)用到視頻后處理芯片中，而空域算法在圖像細(xì)節(jié)增強(qiáng)的同時(shí)放大了噪聲，尤其是在圖像的平坦區(qū)域，背景噪聲非常明顯。

人們提出了很多方法，對減小噪聲和對邊緣不同程度地增強(qiáng)進(jìn)行折中考慮［4-9］。如文獻(xiàn)［2］把圖像根據(jù)細(xì)節(jié)程度分為低、中、高三個(gè)區(qū)域，應(yīng)用不同的增強(qiáng)因子，對低細(xì)節(jié)區(qū)域、中細(xì)節(jié)區(qū)域、高細(xì)節(jié)區(qū)域做不同程度的增強(qiáng)，但因?yàn)樵鰪?qiáng)因子的復(fù)雜以及不連續(xù)性，很難保證增強(qiáng)后圖像的高頻分量能夠保持增強(qiáng)前的單調(diào)性。即兩個(gè)像素點(diǎn)比較，增強(qiáng)前后的高頻分量的大小可能發(fā)生倒置。

為了克服上述缺點(diǎn)，本文提出一種新的基于高頻增強(qiáng)曲線的對視頻圖像提升清晰度的處理方法。

1 基本原理

本文算法的提高清晰度的基本原理就是首先對圖像進(jìn)行分析，由空域信號計(jì)算出高低頻分量，然后根據(jù)頻率大小和性質(zhì)不同，通過設(shè)置閾值，區(qū)分出哪些是需要抑制的噪聲，哪些是需要增強(qiáng)的細(xì)節(jié)和小邊緣，以及哪些是需要保持的大邊緣。接著對噪聲區(qū)域進(jìn)行去噪處理，并應(yīng)用高頻增強(qiáng)曲線對高頻分量進(jìn)行不同程度的增強(qiáng):低細(xì)節(jié)區(qū)域做很小增強(qiáng)，小邊緣區(qū)域做較大增強(qiáng)，大邊緣區(qū)域不做增強(qiáng)。使畫面增強(qiáng)了輪廓和細(xì)節(jié)的同時(shí)，大邊緣沒有增強(qiáng)，因此沒有白邊的產(chǎn)生，這樣增強(qiáng)后的高頻分量可以保持原圖像的單調(diào)性。

2 算法實(shí)現(xiàn)

2.1 計(jì)算高頻分量

本文以反銳化掩模法為例進(jìn)行說明，以N×N模板為單位計(jì)算圖像的高、低頻分量fH(i，j)和fL(i，j)，N可取3或5，即

式中:fL(i，j)表示原圖像f(i，j)進(jìn)行低通濾波后的低頻分量;fH(i，j)表示原圖與fL(i，j)差值運(yùn)算后得到的高頻分量。

傳統(tǒng)的反銳化掩模法將fH(i，j)與一個(gè)修正因子相乘，再與原圖疊加，提升了高頻成分，而低頻成分幾乎不受影響，這就達(dá)到提高圖像中高頻成分、增強(qiáng)圖像輪廓的目的。本文在此基礎(chǔ)上應(yīng)用高頻增強(qiáng)曲線對高頻分量進(jìn)一步識別處理。

2.2 對高頻分量分類進(jìn)行識別和處理

對亮度信號的高頻分量進(jìn)行識別，分出噪聲、細(xì)節(jié)、小邊緣、大邊緣，并進(jìn)行如下增強(qiáng)處理。

1)計(jì)算核化降噪動態(tài)閾值T1。

計(jì)算動態(tài)閾值，根據(jù)該點(diǎn)高頻分量判斷該點(diǎn)是否屬于噪聲。用公式表示為

式中:T1為核化降噪的動態(tài)閾值，因?yàn)楹趫鼍暗脑肼暠容^明顯，所以設(shè)置成動態(tài)閾值。根據(jù)N×N模板內(nèi)各像素的亮度平均值大小ave來調(diào)整，T0為固定閾值，可選0.5～5，通常選1.8。

2)應(yīng)用非線性高頻增強(qiáng)曲線，得到新的高頻分量。

f′H(i，j)值隨 fH(i，j)調(diào)整，如圖 1 所示，f′H(i，j)=F(fH(i，j))，F(xiàn)是一非線性單調(diào)遞增的曲線，它的增強(qiáng)程度可控制。f′H(i，j)值隨 fH(i，j)調(diào)整的公式表示為

圖1 高頻`增強(qiáng)曲線示意圖

式(3)含義為，如該點(diǎn)的高頻分量的絕對值小于核化降噪閾值T1，則該點(diǎn)為噪聲，將高頻分量值f′H(i，j)置為0，以抑制掉小幅高頻噪聲，達(dá)到核化降噪的目的。

點(diǎn)(x1，y1)與(x2，y2)對應(yīng)曲線上的兩個(gè)點(diǎn)，加上點(diǎn)(T1，0)共3點(diǎn)可以決定高頻增強(qiáng)曲線H的形狀，通常參數(shù)控制點(diǎn)x1，y1，x2，y2的默認(rèn)值選取10，28，30，50。fH(i，j)較小時(shí)，f′H(i，j)增強(qiáng)，可使細(xì)節(jié)突出;當(dāng) fH(i，j)較大時(shí)，f′H(i，j)的增長幅度變小;曲線與直線y=x相交的位置為T2，T2為大邊緣點(diǎn)，大于T2將不再增強(qiáng)。

式(3)可解讀為，在增強(qiáng)時(shí)，對噪聲區(qū)域進(jìn)行去噪處理。細(xì)節(jié)區(qū)域、小邊緣區(qū)域做增強(qiáng)，等到高頻分量再增大時(shí)，變?yōu)榇筮吘墔^(qū)域，新的高頻分量不應(yīng)該增強(qiáng)太過，無須再做增強(qiáng)，以防止畫面變化太大。該方法的優(yōu)點(diǎn)是沒有硬性判斷哪個(gè)區(qū)域?qū)儆诩?xì)節(jié)，哪個(gè)區(qū)域?qū)儆谛∵吘?，而是根?jù)一條曲線的變化趨勢，對不同區(qū)域段進(jìn)行不同程度的處理。這樣得到的增強(qiáng)圖像，過渡平滑自然，且保持了高頻分量的單調(diào)性。

2.3 獲得增強(qiáng)信號

將對有用信號進(jìn)行增強(qiáng)后的高頻分量與低頻分量疊加，即

式中:fout(i，j)為增強(qiáng)后的新圖像。

3 算法的仿真結(jié)果

采用Verilog語言設(shè)計(jì)本文算法，視頻處理平臺采用Virtex-5的FPGA芯片進(jìn)行了仿真驗(yàn)證，圖2是系統(tǒng)仿真的結(jié)果。圖2a為一幅細(xì)節(jié)豐富的視頻圖像，分辨率為720×480，分別應(yīng)用反銳化掩模算法(見圖2b)和本文算法(見圖2c)對算法進(jìn)行仿真。對圖像效果進(jìn)行比較，可以看出，反銳化掩模算法在播放視頻的時(shí)候背景噪聲很大，胡須等處出現(xiàn)白邊過增強(qiáng)現(xiàn)象。圖2c背景噪聲較之圖2b要干凈很多，其圖像的細(xì)節(jié)、小邊緣地方如貓毛等得到了一定程度的增強(qiáng)，而大邊緣地方，如胡須沒有因?yàn)檫^增強(qiáng)而出現(xiàn)白邊。實(shí)驗(yàn)結(jié)果說明應(yīng)用本文提出的提高圖像清晰度算法，有很好的實(shí)驗(yàn)效果。

圖2 算法仿真結(jié)果

4 結(jié)束語

本文提出一種基于高頻增強(qiáng)曲線的提升視頻圖像清晰度的處理方法，首先識別出噪聲信號并平滑掉;然后對細(xì)節(jié)和小邊緣，應(yīng)用高頻增強(qiáng)曲線進(jìn)行不同程度的增強(qiáng)，同時(shí)保持了高頻分量的單調(diào)性;如果屬于大邊緣，則不再增強(qiáng)。仿真結(jié)果表明，應(yīng)用本文提出的方法增強(qiáng)后的視頻圖像，加強(qiáng)了細(xì)節(jié)的表現(xiàn)能力，控制了大邊緣的過增強(qiáng)，消除了噪聲，增強(qiáng)后的圖像符合人眼視覺特性，更清晰柔和。

［1］RAFAEL C.GONZALEZ R E.Digital image processing［M］.2nd ed.［S.l.］:Pearson Education，2002.

［2］甘斌，張雄偉，甘仲民.基于小波變換的多尺度圖像邊緣處理［J］.電視技術(shù)，2001，25(8):20-22.

［3］任炎輝，李僅偉，畢衛(wèi)紅.一種優(yōu)化參數(shù)的圖像增強(qiáng)算法［J］.電視技術(shù)，2012，36(3):7-10.

［4］RAMPONI G.A cubic unsharp masking technique for contrast enhancement［J］.Signal Process，1998，67(2):211-222.

［5］LEE Y H，PARK S Y.A study of convex/concave edges and edge enhancing operators based on the laplacian［J］.IEEE Trans.Circuits Syst.，1990，37(7):940-946.

［6］POLESEL A，RAMPONI G，MATHEWS V J.Image enhancement via adaptive unsharp masking［J］.IEEE Trans.Image Processing，2000(9):505-510.

［7］劉明坤，龍奕，基于圖像局部方差分布的自適應(yīng)反銳化掩模算法［J］.貴州大學(xué)學(xué)報(bào)，2009，26(1):51-54.

［8］謝明果，何劍光.帶噪聲抑制的反銳化掩模圖像增強(qiáng)算法［J］.現(xiàn)代電子技術(shù)，2005(2):76-80.

［9］MITRA S K，LI H，LIN I S，et al.A new class of nonlinear filters for image enhancement［C］//Proc.ICASSP 1991.Toronto，Canada:［s.n.］，1991:2525-2528.