通過高頻增強曲線提高圖像清晰度的方法

袁 野，顧振宇

(上海對外貿易學院商務信息學院，上海 201620)

在數字電視視頻后處理芯片中，提高清晰度算法至關重要。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償高頻分量，使模糊的圖像變得清晰，邊緣部分得到進一步銳化。

增強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雜，一般不適合應用到視頻后處理芯片中，而空域算法在圖像細節(jié)增強的同時放大了噪聲，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進行折中考慮［4-9］。如文獻［2］把圖像根據細節(jié)程度分為低、中、高三個區(qū)域，應用不同的增強因子，對低細節(jié)區(qū)域、中細節(jié)區(qū)域、高細節(jié)區(qū)域做不同程度的增強，但因為增強因子的復雜以及不連續(xù)性，很難保證增強后圖像的高頻分量能夠保持增強前的單調性。即兩個像素點比較，增強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，本文提出一種新的基于高頻增強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行分析，由空域信號計算出高低頻分量，然后根據頻率大小和性質不同，通過設置閾值，區(qū)分出哪些是需要抑制的噪聲，哪些是需要增強的細節(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)域進行去噪處理，并應用高頻增強曲線對高頻分量進行不同程度的增強:低細節(jié)區(qū)域做很小增強，小邊緣區(qū)域做較大增強，大邊緣區(qū)域不做增強。使畫面增強了輪廓和細節(jié)的同時，大邊緣沒有增強，因此沒有白邊的產生，這樣增強后的高頻分量可以保持原圖像的單調性。

2 算法實現

2.1 計算高頻分量

本文以反銳化掩模法為例進行說明，以N×N模板為單位計算圖像的高、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，這就達到提高圖像中高頻成分、增強圖像輪廓的目的。本文在此基礎上應用高頻增強曲線對高頻分量進一步識別處理。

2.2 對高頻分量分類進行識別和處理

對亮度信號的高頻分量進行識別，分出噪聲、細節(jié)、小邊緣、大邊緣，并進行如下增強處理。

1)計算核化降噪動態(tài)閾值T1。

計算動態(tài)閾值，根據該點高頻分量判斷該點是否屬于噪聲。用公式表示為

式中:T1為核化降噪的動態(tài)閾值，因為黑場景的噪聲比較明顯，所以設置成動態(tài)閾值。根據N×N模板內各像素的亮度平均值大小ave來調整，T0為固定閾值，可選0.5～5，通常選1.8。

2)應用非線性高頻增強曲線，得到新的高頻分量。

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

圖1 高頻`增強曲線示意圖

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

點(x1，y1)與(x2，y2)對應曲線上的兩個點，加上點(T1，0)共3點可以決定高頻增強曲線H的形狀，通常參數控制點x1，y1，x2，y2的默認值選取10，28，30，50。fH(i，j)較小時，f′H(i，j)增強，可使細節(jié)突出;當 fH(i，j)較大時，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，大于T2將不再增強。

式(3)可解讀為，在增強時，對噪聲區(qū)域進行去噪處理。細節(jié)區(qū)域、小邊緣區(qū)域做增強，等到高頻分量再增大時，變?yōu)榇筮吘墔^(qū)域，新的高頻分量不應該增強太過，無須再做增強，以防止畫面變化太大。該方法的優(yōu)點是沒有硬性判斷哪個區(qū)域屬于細節(jié)，哪個區(qū)域屬于小邊緣，而是根據一條曲線的變化趨勢，對不同區(qū)域段進行不同程度的處理。這樣得到的增強圖像，過渡平滑自然，且保持了高頻分量的單調性。

2.3 獲得增強信號

將對有用信號進行增強后的高頻分量與低頻分量疊加，即

式中:fout(i，j)為增強后的新圖像。

3 算法的仿真結果

采用Verilog語言設計本文算法，視頻處理平臺采用Virtex-5的FPGA芯片進行了仿真驗證，圖2是系統(tǒng)仿真的結果。圖2a為一幅細節(jié)豐富的視頻圖像，分辨率為720×480，分別應用反銳化掩模算法(見圖2b)和本文算法(見圖2c)對算法進行仿真。對圖像效果進行比較，可以看出，反銳化掩模算法在播放視頻的時候背景噪聲很大，胡須等處出現白邊過增強現象。圖2c背景噪聲較之圖2b要干凈很多，其圖像的細節(jié)、小邊緣地方如貓毛等得到了一定程度的增強，而大邊緣地方，如胡須沒有因為過增強而出現白邊。實驗結果說明應用本文提出的提高圖像清晰度算法，有很好的實驗效果。

圖2 算法仿真結果

4 結束語

本文提出一種基于高頻增強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;然后對細節(jié)和小邊緣，應用高頻增強曲線進行不同程度的增強，同時保持了高頻分量的單調性;如果屬于大邊緣，則不再增強。仿真結果表明，應用本文提出的方法增強后的視頻圖像，加強了細節(jié)的表現能力，控制了大邊緣的過增強，消除了噪聲，增強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，2001，25(8):20-22.

［3］任炎輝，李僅偉，畢衛(wèi)紅.一種優(yōu)化參數的圖像增強算法［J］.電視技術，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反銳化掩模算法［J］.貴州大學學報，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算法［J］.現代電子技術，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.