基于简易边缘敏感的图像插值滤波器.docVIP

基于简易边缘敏感的图像插值滤波器 摘 要 本文提出了一种新的针对边缘保护的图像插值算法，这是基于简单的非线性滤波器能准确重构尖锐边缘的特点。仿真结果表明这项技术相比于其他的图像插值技术具有更优越的性能。 1.介绍 在本文中，我们介绍了一种新的针对边缘保护的图像插值算法;它是基于一个简单的非线性滤波器，它能准确地重建尖锐边缘，而且不会产生广泛存在于其它图像插值技术中的激振效应[l]。 这种算法基于：任何真实世界的图像都可以被视为是由一个更高分辨率的图像通过低通滤波和抽样，准确完成混叠低通滤波，或由图像采集系统处理这3种方法处理后得到的较低分辨率的图像。 当理想的边缘存在时，这种滤波操作根据边缘本身在高分辨率图像中的位置是否对称从而对称或不对称地修改相邻像素的值；因此，在抽样后，通过对低分辨率图像像素的值的分析可以得到边缘位置的子像素的信息，因而相比于一个线性插值，这种滤波操作可以得到精度更高（即图像效果更为清晰）的插值。由于在高分辨率的图像处理上没有任何的先验知识，我们可以假设：低分辨率图像中的边缘一般来自于高分辨率图像中的一个陡峭的边缘，所以我们可以把它重新构建为一个陡峭的边缘。 算法 本文提出的插值是用来评估一个像素到另一个相邻像素x的插值的非线性平均值。从简单的开始，让我们先来考虑一维的情况。 图1：(A)原图（高分辨率）(B)低通滤波(C)抽样(D)线性插值（E）本文提出的插值。这是一维的情况下插值的例子。经过判断，有两个位置可能是边缘，要被重建。通过对图像中a-b和c-d差异的评估，我们可以在低分辨率图像中得到很可能是图像边缘的位置。 如图1所示，在高分辨率的原始数据图.1a中的边缘位置，在经过低通滤波和抽样后，得到了图.1c所示的效果。我们按照图.1c将四个连续的像素分别标记为a，b，c和d，理想的情况应该是像素x（位于b和c之间）和b（左）或c（右）中的一个的值相似（如图.1e所示）。但是在线性插值（D）中只能为b、c之和的一半，不能得到上面的理想情况。 为了实现我们提出的插值方案，x的计算公式如下 ， 其中 k是一个用户定义的参数，用于可控地操作最后的结果：当k =0时，插值结果为线性插值，而当k为正值时，可以以预期的边缘灵敏度产生插值结果。当边缘位置是在b和c的正中间时，即a-b=c-d，使得 μ=0.5并且使x=（B+C）/2，滤波器表现为线性的。反过来，所述边缘处于不对称的位置时，滤波器不再表现为线性；例如，如果该边缘和c更靠近（即图.1的左半部分），即a-b＜c-d，使得μ0.5和x≌b。 本文建议的操作是非线性的，是能够在π/2到π之间，即已经在低通滤波/抽样处理中已经丢失的范围内重新引入频率。当然，这并不适用于高频振荡（在自然的图像中并不常见），但存在于原始信号处理高次谐波的步骤中。 在下文中，我们通过在一些综合实验中得到的数据进行研究讨论。在图.2a中，我们以128元件产生的方波图像（周期为20）为研究对象。它先以高斯低通滤波器（σ= 1，窗口长度为5）进行预滤波，再以因子为2进行下采样。该图向我们展示了原始信号，我们的非线性插值，和上采样信号的离散傅里叶变换的弹性模量的变化曲线。我们认为，上采样信号是为了显示镜像信号的频率分量。在这种情况下，插值器的任务是相当简单的，因为镜像信号的高频部分与原始信号的高频部分是一致。 (a) (b) 图2：在（a）连续方波信号和（b）连续边缘信号两种情况下的原始信号、非线性插值和上采样信号的复合模量 在图.2b中，我们一般认为矩形波是没用有恒定的周期，这使得矩形波的频谱变的更没有规律。非线性插值算法能够重建一些原始信号的谐波。但必须注意的是，这些镜像信号中的频率是不同的。 图.3：‘Lenna’图像中某一水平像素信号的复合模量 我们以‘Lenna’图像取水平方向上的一排像素为原始信号，进行和图2相同的处理，得到原始信号、非线性插值和上采样信号的复合模量，即图.3。观察图示结果，得到了相同的比较结论。此外，在图.3所示的这种情况下，大量的高频分量（没有和它们的镜像信号相匹配的高频分量）已由本文所提出的插值器重新构建引入。 2.1 二维情况 图4：在二维的情况下，拓展该算法。o为抽样图像的已知像素点。左侧：像素x是经过施加了所示掩模的一维滤波后得到的图像插值。中间：对像素y做与像素x相似的处理。右侧：施加所示掩模，将2次一维滤波得到的插值加权取平均值得到z。 参照图4，我们将一维图像扩展为二维图像。 在图4的左侧图中，像素x是经过施加了所示掩模的一维滤波后得到的插值；对像素y（中间图）做与像素x相似的处理。最后再处理z这类的像素。将所提出的一维算子施加到在右侧图中所示的两个掩模中，将重叠像素的插值加权取平均值得到像素z的插值。 虽然这种方