一种新的基于图像边缘的插值算法.docVIP

一种新的基于图像边缘的插值算法 　　摘要:灰度图像放大时,插值所具有的平滑作用会退化图像的高频部分,使放大图像轮廓变得模糊,该文提出了一种新的图像插值算法,先用一阶微分运算分离出图像的平坦区域和边缘区域,对图像的平坦区域采用双线性插值法,对图像的边缘部分采用本文的插值算法,实验证明该算法有效地保持了边缘信息,得到了视觉信息较好的插值图像。 　　关键词:图像插值;边缘保持;距离密次反比 　　中图分类号:TP391文献标识码:A文章编号:1009-3044(2009)13-3470-02 　　 　　1 引言 　　成像系统所记录的分辨率往往无法达到实际图像处理应用的要求,因而本文围绕基于低分辨率图像重建超分辨率的图像这一问题展开讨论,图象插值在其中起着重要的作用,传统的插值算法有最近邻插值[1],双线性插值[2],三次样条插值[3]等,这些方法侧重于图像的平滑,从而取的更好的视觉效果,但这类方法在保持图像平滑的同时常常导致图像边缘的模糊,而图像的边缘信息是影响视觉效果的重要因素,因而基于边缘方向的插值技术成为近年来研究的热点。文献[4]提出了一种局部自适应数字图像放大插值算法,文献[5]提出了一种最大相关性自适应数字图像插值算法,以上这些算法明显地改善了图像边缘的模糊效应但存在算法复杂、运算速度慢的缺点。本文提出的算法计算原理比较简单,运算速度比较快。并且较好地保持了图像边缘信息。 　　 　　2 常用的图象插值算法 　　2.1 最近邻插值 　　最近临插值是其中简单之一,新图像中的一点映到原图像时,将该点最近的一个相素作为新图像中像素, 　　f(x)=f(xk)(xk-1+xk)x≤(xk+xk+1) 　　即每个像素被赋予给输入图像中与其最临近的采样点的值,该算法运算较快,但插值后的图像常常出现方块效应或锯齿现象。 　　2.2 线性插值 　　线性插值是一种常用的插值方法,新图像中某点映到原图像中,在原图像中利用该映射点最近的相素点计算新图像中相素点的值。该算法可由下列插值多项式表示: 　　f(x)=f(xk)+(f(xk+1)-f(xk))(x-xk)/(xk+1-xk) 　　其中(xk-1+xk)/2x(xk+xk+1)/2 　　双线性插值方法比最近邻方法慢,但是产生的图像效果较好,由于双线性插值具有低通滤波器的性质,使高频分量受损,所以可能会使图像轮廓在一定程度上变的模糊。 　　2.3 三次样条插值 　　三次样条插值是一种标准的插值方法,三次样条插值算法可由下列插值多项式表示: 　　f(x)=A3(x-xk)3+A2(x-xk)2+A1(x-xk)+A0 xkxxk+1 　　其中A0=ykA1=yk■ 　　虽然插值效果好但运算量巨大。 　　 　　3 本文的基于图象边缘的插值算法 　　3.1 基本思想 　　首先对低分辨率图象进行简单的一阶微分运算,通过阕值门限分离出平坦区域和边缘区域,对图像的平坦区域采用双线性插值算法,对图象的边缘部分采用本文的算法。 　　已知边缘区域的相素点的灰度值xk(1,2,…,N),则待插点B的估计值为■,其中λk为各点的权重,λk的确定运用经典统计学上的距离幂次反比法[4],影响关系为■,dk是待插点与已知点的距离,密指数i的大小决定着距离的权重,使用较高的密指数时距待插点较近的数据几乎占了全部的权重。每个权重用一分数或小数表示, ■,且有■,故距离密次反比是一种无偏的插值方法。 　　3.2 插值算法 　　在数学上一幅图像可用一矩阵来描述,该矩阵的元素即所谓的相素,反映了亮度和色度等信息,在对图像进行处理生成新图像时,必须计算出新图像各个点的相素值,进行图像放大的方法很多,但理论基础大致相同,都是根据放大比例,计算出新图像中的点在原图象中的位置,,这点在原图像中可能不存在,这就需要对点进行近似估计,一般是采用插值的方法根据这点周围存在点的相素值的大小,按特定的插值方法进行。 　　设一幅大小为H×V低分辨率图像Xi,j,拟插值为2H×2V的高分辨率图像Yi,j,满足Y2i-1,2j-1=Xi,j1≤i≤H,1≤j≤V,插值的任务是完成Yi,j其他点的赋值。先考虑对角方向的4个最近邻点,由已知的隔行点阵Y2i+1,2j+1去插值未知的隔行点阵Y2i,2j 　　■ 　　实验证明一般ρ=2插值效果比较满意,一旦高分辨率的系数向量λ=(λ2h1, λ2h2, λ2h3,λ2h4)计算出来,Y2i,2j的值就确定了。 　　 　　4 实验结果和分析 　　采用本文算法,选择标准光学图像lena进行测试,并与最近邻插值,双线性插值,双三次样条插值作了比较,比较的方法通常用峰值信噪比(PSNR),均方差(MSE)对图像效果进行比较。 　　表1 几种插值算