本发明专利技术提供了一种图像缩放优化的方法、系统、存储介质及设备，方法包括：对输入图像做灰度化处理并计算其的评价因子；分别对输入图像进行最邻近插值算法缩放和双线性插值算法缩放得到第一图像和第二图像；对第一图像和第二图像分别计算其对应的评价因子；根据评价因子的值按照特定的权重系数计算第一图像和第二图像中各像素的平均质量因子；选择第一图像和第二图像中平均质量因子较大的像素点，组成组合图像，并计算其评价因子；以及比对输入图像与组合图像的评价因子，如果平均差值大于设定阈值则判定组合图像没有达到预期优化水平，调整权重系数并继续计算平均质量因子得到新的组合图像，直到该组合图像与输入图像的平均差值达到设定阈值。值达到设定阈值。值达到设定阈值。
【技术实现步骤摘要】
一种图像缩放优化的方法、系统、存储介质及设备
[0001]本专利技术涉及影像
，具体涉及一种图像缩放优化的方法、系统、存储介质及设备。
技术介绍
[0002]随着多媒体技术的发展，对图像的处理优化有了各种各样的算法。其中对于服务器中基板管理控制芯片(BMC)，需要连接服务器VGA接口捕获实时图像数据，对于不同分辨率的输出，BMC芯片在对客户端展示的时候需要进行一定的缩放，来支持客户端屏幕的显示。图像在捕获输出过程中，通过算法对输出图像的缩放往往会引入的图像显示噪点，视觉展示上具有不好的效果，影响操作人员的观感体验。
[0003]现有的图像视频缩放方法一般有线性插值与最邻近插值，在对图像的缩放完成之后，一般针对图像中存在的噪点进行滤波操作。图像在缩放完成后往往使用低通滤波器去对图像进行噪点去除，达到对图像优化的效果。
[0004]现有的技术在对图像进行缩放后，不同分辨率情况下对于不同的图像会出现一定的高频信息噪点，传统的处理方法是使用低通滤波器过滤掉高频噪点，但是同时滤波器会使图像中的一部分高频信息缺失，从而使图像缩放后丢失了部分细节信息，一定程度上影响了人的视觉观感。
[0005]因此，针对问题，需要提出一种更优的图像缩放优化模式，以针对不同频率分布的图像，对缩放后的图像进行优化调整，解决图像在缩放过程中的出现的异常图像噪点的问题，输出较高质量的图像。
技术实现思路
[0006]有鉴于此，本专利技术的目的在于提出一种改进的图像缩放优化的方法、系统、存储介质及设备，以针对不同频率分布的图像，对缩放后的图像进行优化调整，解决图像在缩放过程中的出现的异常图像噪点的问题，输出较高质量的图像。
[0007]基于上述目的，一方面，本专利技术提供了一种图像缩放优化的方法，其中所述方法包括：
[0008]对输入图像做灰度化处理并计算输入图像的评价因子；
[0009]对所述输入图像进行最邻近插值算法缩放得到第一图像并对所述输入图像进行双线性插值算法缩放得到第二图像；
[0010]对所述第一图像和所述第二图像分别计算其对应的评价因子；
[0011]根据所述评价因子的值按照特定的权重系数计算所述第一图像和所述第二图像中各像素的平均质量因子；
[0012]选择所述第一图像和所述第二图像中所述平均质量因子较大的像素点，组合成组合图像，并计算该组合图像的评价因子；以及
[0013]比对所述输入图像与所述组合图像的评价因子，如果平均差值大于设定阈值则判
定所述组合图像没有达到预期优化水平，调整所述权重系数并继续计算所述平均质量因子得到新的组合图像，直到该组合图像与所述输入图像的平均差值达到所述设定阈值。
[0014]在根据本专利技术的图像缩放优化的方法的一些实施例中，所述评价因子包括均值、标准差与平均梯度，
[0015]其中，所述均值的计算公式为：
[0016][0017]所述标准差的计算公式为：
[0018][0019]所述平均梯度的计算公式为：
[0020][0021]其中，被评价的图像为F，且该图像的大小为MN。
[0022]在根据本专利技术的图像缩放优化的方法的一些实施例中，所述平均质量因子的计算公式为：
[0023]K＝
‑
m
×
G
×
abs(P(j，k)
‑
P(j
‑
1，k
‑
1))+n
×
S
×
sqrt(abs(P(j，k)
‑
Avg)))+o
×
Avg
×
P(j，k)
[0024]其中，m、n、o为所述特定的权重系数，G为所述平均梯度，S为所述标准差，Avg为所述均值，(j，k)是灰度化处理的图像对应的像素点坐标，abs为求绝对值并且sqrt为开根号。
[0025]在根据本专利技术的图像缩放优化的方法的一些实施例中，所述权重系数的调整按照预定规则自动配置或通过外部控制总线手动配置。
[0026]本专利技术的另一方面，还提供了一种图像缩放优化的系统，包括：
[0027]第一评价模块，该第一评价模块用于对输入图像做灰度化处理并计算输入图像的评价因子；
[0028]缩放处理模块，该缩放处理模块用于对所述输入图像进行最邻近插值算法缩放得到第一图像并对所述输入图像进行双线性插值算法缩放得到第二图像；
[0029]第二评价模块，该第二评价模块用于对所述第一图像和所述第二图像分别计算其对应的评价因子；
[0030]平均质量因子计算模块，该平均质量因子计算模块用于根据所述评价因子的值按照特定的权重系数计算所述第一图像和所述第二图像中各像素的平均质量因子；
[0031]组合模块，该组合模块用于选择所述第一图像和所述第二图像中所述平均质量因子较大的像素点，组合成组合图像，并计算该组合图像的评价因子；以及
[0032]比对模块，该比对模块用于比对所述输入图像与所述组合图像的评价因子，如果平均差值大于设定阈值则判定所述组合图像没有达到预期优化水平，调整所述权重系数并
继续计算所述平均质量因子得到新的组合图像，直到该组合图像与所述输入图像的平均差值达到所述设定阈值。
[0033]在根据本专利技术的图像缩放优化的系统的一些实施例中，其特征在于，所述评价因子包括均值、标准差与平均梯度，
[0034]其中，所述均值的计算公式为：
[0035][0036]所述标准差的计算公式为：
[0037][0038]所述平均梯度的计算公式为：
[0039][0040]其中，被评价的图像为F，且该图像的大小为MN。
[0041]在根据本专利技术的图像缩放优化的系统的一些实施例中，所述平均质量因子的计算公式为：
[0042]K＝
‑
m
×
G
×
abs(P(j，k)
‑
P(j
‑
1，k
‑
1))+n
×
S
×
sqrt(abs(P(j，k)
‑
Avg)))+o
×
Avg
×
P(j，k)
[0043]其中，m、n、o为所述特定的权重系数，G为所述平均梯度，S为所述标准差，Avg为所述均值，(j，k)是灰度化处理的图像对应的像素点坐标，abs为求绝对值并且sqrt为开根号。
[0044]在根据本专利技术的图像缩放优化的系统的一些实施例中，其特征在于，所述权重系数的调整按照预定规则自动配置或通过外部控制总线手动配置。
[0045]本专利技术的再一方面，还提供了一种计算机可读存储介质，存储有计算机程序指令，该计算机程序指令被执行时实现上述任一项根据本专利技术的图像缩放优化的方法。
[0046]本专利技术的又一方面，还提供了一种计算机设备，包括存储器和处理器，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像缩放优化的方法，其特征在于，包括数据处理步骤，该数据处理步骤包括以下步骤：对输入图像做灰度化处理并计算输入图像的评价因子；对所述输入图像进行最邻近插值算法缩放得到第一图像并对所述输入图像进行双线性插值算法缩放得到第二图像；对所述第一图像和所述第二图像分别计算其对应的评价因子；根据所述评价因子的值按照特定的权重系数计算所述第一图像和所述第二图像中各像素的平均质量因子；选择所述第一图像和所述第二图像中所述平均质量因子较大的像素点，组合成组合图像，并计算该组合图像的评价因子；以及比对所述输入图像与所述组合图像的评价因子，如果平均差值大于设定阈值则判定所述组合图像没有达到预期优化水平，调整所述权重系数并继续计算所述平均质量因子得到新的组合图像，直到该组合图像与所述输入图像的平均差值达到所述设定阈值。2.根据权利要求1所述的方法，其特征在于，所述评价因子包括均值、标准差与平均梯度，其中，所述均值的计算公式为：所述标准差的计算公式为：所述平均梯度的计算公式为：其中，被评价的图像为F，且该图像的大小为MN。3.根据权利要求2所述的方法，其特征在于，所述平均质量因子的计算公式为：K＝
‑
m
×
G
×
abs(P(j，k)
‑
P(j
‑
1，k
‑
1))+n
×
S
×
sqrt(abs(P(j，k)
‑
Avg)))+o
×
Avg
×
P(j，k)其中，m、n、o为所述特定的权重系数，G为所述平均梯度，S为所述标准差，Avg为所述均值，(j，k)是灰度化处理的图像对应的像素点坐标，abs为求绝对值并且sqrt为开根号。4.根据权利要求1所述的方法，其特征在于，所述权重系数的调整按照预定规则自动配置或通过外部控制总线手动配置。5.一种图像缩放优化的系统，其特征在于，包括：第一评价模块，该第一评价模块用于对输入图像做灰度化处理并计算输入图像的评价因子；
缩放处理模块，该缩放处理模块用于对所述输入图像进行最邻近插值算法缩放得到第一图像并对所述输入图像进行双线性插值算法缩放得到第二图像；第二评价...
【专利技术属性】
技术研发人员：丁月，高玉昕，
申请(专利权)人：山东云海国创云计算装备产业创新中心有限公司，
类型：发明
国别省市：
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。