基于纹理边缘自适应数据融合的高精度快速图像插值方法技术

技术编号:14123707 阅读:115 留言:0更新日期:2016-12-09 10:21
本发明专利技术提供了一种基于纹理边缘自适应数据融合的高精度快速图像插值方法,首先求出待插值点在源图像中对应点的2×2邻域内的像素灰度方差,将其与设定的阈值进行对比,判定对应点所在区域类型;在灰度平坦区域采用简单快速的双线性插值算法进行插值;在边缘纹理区域计算待插值点在源图像中对应点的4×4邻域内距离最近的水平、垂直和对角四个方向上的十二个像素点沿这四个方向的估计值,然后结合方向灰度梯度和垂直插值距离两个权重因子进行数据融合,获得最终插值。本发明专利技术可以满足高精度和快速的图像插值要求。

【技术实现步骤摘要】

本专利技术涉及一种图像插值方法,尤其是高精度快速灰度图像插值方法。
技术介绍
图像插值作为数字图像处理中的一项重要技术,在图像处理领域发挥着重要作用。它被广泛应用于网络视频传输、图像修复、图像识别以及医疗辅助诊断等多种领域中。现有图像插值方法大致分为传统线性插值方法和边缘自适应非线性插值方法两类。传统线性插值方法中较为经典的有最近邻插值、双线性插值以及双三次插值等。其中,最近邻插值方法操作最为简单方便,运行速度快,但插值效果差,应用范围有限。双线性插值方法运行速度较快,插值效果较好,但在边缘纹理区域会造成图像模糊现象。双三次插值方法插值效果良好,但运算量巨大,插值速度慢,限制了该算法的使用范围。边缘自适应非线性插值方法主要是为了解决图像插值后边缘纹理模糊等问题,部分学者对其进行了研究。相对于传统线性插值方法,这类方法插值精度较高,效果较好,在一定程度上能保护图像的边缘纹理细节,但这类算法一般较为复杂,运算量大,实时性较差。数据融合技术通过选取合适的融合模式和处理算法,将多维数据进行关联和综合分析,能够达到提高数据质量的效果。近年来,部分学者在图像插值中引入了数据融合技术,插值精度和速度均有所提升。如西安电子科技大学孙毓敏将每个待插值点均融合两个方向上的估计值,插值效果优于双线性插值,但只能进行2n倍的插值变换,且整幅图像不区分区域类型,全部使用同一种插值算法,效率较低。重庆大学邓彩在孙毓敏的基础上进行改进研究,在图像灰度平坦区域使用双线性插值,在边缘区域使用改进的插值算法,每个待插值点均融合六个方向上的估计值,插值精度和速度都有所提高。但该方法在邻域中各个方向上的估计值公式考虑欠佳,还有一定的提升空间。综上,目前一些基于融合思想的插值方法虽然在插值速度和精度上有所突破,但在融合方法的设计上考虑得并不充分,插值的最终效果还有待改善。
技术实现思路
为了克服现有技术的不足,本专利技术提供一种基于纹理边缘自适应数据融合的高精度快速图像插值方法,根据待插值点在源图像中对应点所处的区域类型,结合数据融合技术,满足高端工业检测中对检测精度和检测时间的严格要求。本专利技术解决其技术问题所采用的技术方案包括以下步骤:步骤一、计算待插值图像上的待插值点G在源图像上的对应点S(u,v)的2×2邻域内四个像素点灰度均值和灰度方差其中,i为不大于u的最大整数,j为不大于v的最大整数;根据设定的阈值T进行判定,若Var<T,判定点S位于灰度平坦区域,进入步骤二;否则判定点S位于边缘纹理区域,进入步骤三;步骤二、令a=u-i,b=v-j,G点的灰度g(x′g,y′g)=b t1+(1-b)t2,其中,t1=af(i,j+1)+(1-a)f(i+1,j+1),t2=af(i+1,j)+(1-a)f(i,j);进入步骤四;步骤三、对位于边缘纹理区域的G点进行插值,包括以下步骤:(1)设Sx,y为点S距离源图像中坐标为(x,y)的像素点的欧式距离,其中,x=i-1,i,i+1,i+2;y=j-1,j,j+1,j+2;计算待插值点在45°对角线方向的灰度分量估计值y1, y 1 = 1 2 ( f ( i + 2 , j - 1 ) S i , j + 1 2 + f ( i , j + 1 ) S i + 2 , j - 1 2 S i , j + 1 2 + S i + 2 , j - 1 2 + f ( i + 1 , j ) S i - 1 , j + 2 2 + f ( i - 1 , j + 2 本文档来自技高网
...
基于纹理边缘自适应数据融合的高精度快速图像插值方法

【技术保护点】
一种基于纹理边缘自适应数据融合的高精度快速图像插值方法,其特征在于包括下述步骤:步骤一、计算待插值图像上的待插值点G在源图像上的对应点S(u,v)的2×2邻域内四个像素点灰度均值和灰度方差其中,i为不大于u的最大整数,j为不大于v的最大整数;根据设定的阈值T进行判定,若Var<T,判定点S位于灰度平坦区域,进入步骤二;否则判定点S位于边缘纹理区域,进入步骤三;步骤二、令a=u‑i,b=v‑j,G点的灰度g(x′g,y′g)=bt1+(1‑b)t2,其中,t1=af(i,j+1)+(1‑a)f(i+1,j+1),t2=af(i+1,j)+(1‑a)f(i,j);进入步骤四;步骤三、对位于边缘纹理区域的G点进行插值,包括以下步骤:(1)设Sx,y为点S距离源图像中坐标为(x,y)的像素点的欧式距离,其中,x=i‑1,i,i+1,i+2;y=j‑1,j,j+1,j+2;计算待插值点在45°对角线方向的灰度分量估计值y1,y1=12(f(i+2,j-1)Si,j+12+f(i,j+1)Si+2,j-12Si,j+12+Si+2,j-12+f(i+1,j)Si-1,j+22+f(i-1,j+2)Si+1,j2Si-1,j+22+Si+1,j2);]]>计算待插值点在135°对角线方向的灰度分量估计值y2,y2=12(f(i-1,j-1)Si+1,j+12+f(i+1,j+1)Si-1,j-12Si+1,j+12+Si-1,j-12+f(i,j)Si+2,j+22+f(i+2,j+2)Si,j2Si+2,j+22+Si,j2);]]>计算待插值点在水平方向的灰度分量估计值y3,y3=12(f(i-1,j)Si+1,j2+f(i+1,j)Si-1,j2Si+1,j2+Si-1,j2+f(i,j)Si+2,j2+f(i+2,j)Si,j2Si+2,j2+Si,j2)0≤v-j≤0.512(f(i-1,j+1)Si+1,j+12+f(i+1,j+1)Si-1,j+12Si+1,j+12+Si-1,j+12+f(i,j+1)Si+2,j+12+f(i+2,j+1)Si,j+12Si+2,j+12+Si,j+12)0.5<v-j<1;]]>计算待插值点在垂直方向的灰度分量估计值y4,y4=12(f(i,j-1)Si,j+12+f(i,j+1)Si,j-12Si,j+12+Si,j-12+f(i,j)Si,j+22+f(i,j+2)Si,j2Si,j+22+Si,j2)0≤u-i≤0.512(f(i+1,j-1)Si+1,j+12+f(i+1,j+1)Si+1,j-12Si+1,j+12+Si+1,j-12+f(i+1,j)Si+1,j+22+f(i+1,j+2)Si+1,j2Si+1,j+22+Si+1,j2)0.5<u-i<1;]]>(2)待插值点在每一个方向上的估计值由源图像中四个像素点的信息构成,这四个像素点组成一条直线,分别称为45°对角线方向插值线、135°对角线方向插值线、水平方向插值线、垂直方向插值线;待插值点G的源图像对应点S到四条插值线的距离分别为r1、r2、r3、r4,r1=u-i+v-j-12]]>r2=u-i-v+j2]]>r3=v-j0≤v-j≤0.5j-v+10.5<v-j<1]]>r4=u-i0≤u-i≤0.5i+1-u0.5<u-i<1]]>进一步得到r1、r2、r3、r4的归一化距离k=1,2,3,4;(3)计算45°对角线方向灰度梯度均值g1,g1=|f(i+2,j-1)-f(i+1,j)|+|f(i+1,j)-f(i,j+1)|+|f(i,j+1)-f(i-1,j+2)|3;]]>计算135°对角线方向灰度梯度均值g2,g2=|f(i-1,j-1)-f(i,j)|+|f(i,j)-f(i+1,j+1)|+|f(i+1,j+1)-f(i+2,j+2)|3;]]>计算水平方向灰度梯度均值g3,g3=|f(i-1,j)-f(i,j)|+|f(i,j)-f(i+1,j)|+|f(i+1,j)-f(i+2,j)|30≤v-j≤0.5|f(i-1,j+1)-f(i,j+1)|+|f(i,j+1)-f(i+1,j+1)|+|f(i+1,j+1)-f(i+2,j+1)|30.5<v-j<1;]]>计算垂直方向灰度梯度均值g4,g4=|f(i,j-1)-f(i,j)|+|f(i,j)-f(i,j+1)|+|f(i,j+1)-f(i,j+2)|30≤u-i≤0.5|f(i+1,j-1)-f(i+1,j)|+|f(i+1,j)-f(i+1,j+1)+|f(i+1,j+1)-f(i+1,j+2)30...

【技术特征摘要】
2016.01.26 CN 201610050981X1.一种基于纹理边缘自适应数据融合的高精度快速图像插值方法,其特征在于包括下述步骤:步骤一、计算待插值图像上的待插值点G在源图像上的对应点S(u,v)的2×2邻域内四个像素点灰度均值和灰度方差其中,i为不大于u的最大整数,j为不大于v的最大整数;根据设定的阈值T进行判定,若Var<T,判定点S位于灰度平坦区域,进入步骤二;否则判定点S位于边缘纹理区域,进入步骤三;步骤二、令a=u-i,b=v-j,G点的灰度g(x′g,y′g)=bt1+(1-b)t2,其中,t1=af(i,j+1)+(1-a)f(i+1,j+1),t2=af(i+1,j)+(1-a)f(i,j);进入步骤四;步骤三、对位于边缘纹理区域的G点进行插值,包括以下步骤:(1)设Sx,y为点S距离源图像中坐标为(x,y)的像素点的欧式距离,其中,x=i-1,i,i+1,i+2;y=j-1,j,j+1,j+2;计算待插值点在45°对角线方向的灰度分量估计值y1, y 1 = 1 2 ( f ( i + 2 , j - 1 ) S i , j + 1 2 + f ( i , j + 1 ) S i + 2 , j - 1 2 S i , j + 1 2 + S i + 2 , j - 1 2 + f ( i + 1 , j ) S i - 1 , j + 2 2 + f ( i - 1 , j + 2 ) S i + 1 , j 2 S i - 1 , j + 2 2 + S i + 1 , j 2 ) ; ]]>计算待插值点在135°对角线方向的灰度分量估计值y2, y 2 = 1 2 ( f ( i - 1 , j - 1 ) S i + 1 , j + 1 2 + f ( i + 1 , j + 1 ) S i - 1 , j - 1 2 S i + 1 , j + 1 2 + S i - 1 , j - 1 2 + f ( i , j ) S i + 2 , j + 2 2 + f ( i + 2 , j + 2 ) S i , j 2 S i + 2 , j + 2 2 + S i , j 2 ) ; ]]>计算待插值点在水平方向的灰度分量估计值y3, y 3 = 1 2 ( f ( i - 1 , j ) S i + 1 , j 2 + f ( i + 1 , j ) S i - 1 , j 2 S i + 1 , j 2 + S i - 1 , j 2 + f ( i , j ) S i + 2 , j 2 + f ( i + 2 , j ) S i , j 2 S i + 2 , j 2 + S i , j 2 ) 0 ≤ v - j ≤ 0.5 1 2 ( f ( i - 1 , j + 1 ) S i + 1 , j + 1 2 + f ( i + 1 , j + 1 ) S i - 1 , j + 1 2 S i + 1 , j + 1 2 + S i - 1 , j + 1 2 + f ( i , j + 1 ) S i + 2 , j + 1 2 + f ( i + 2 , j + 1 ) S i , j + 1 2 S i + 2 , j + 1 2 + S i , j + 1 2 ) 0.5 < v - j < 1 ; ]]>计算待插值点在垂直方向的灰度分量估计值y4, y 4 = 1 2 ( f ( i , j - 1 ) S i , j + 1 2 + f ( i , j + 1 ) S i , j - 1 2 S i , j + 1 2 + S i , j - 1 2 + f ( i , j ) S i , j + 2 2 + f ( ...

【专利技术属性】
技术研发人员:齐敏程恭杜乾敏魏效昱朱柏飞
申请(专利权)人:西北工业大学
类型:发明
国别省市:陕西;61

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1