專利名稱：一種圖像邊緣增強方法
技術(shù)領(lǐng)域：
本發(fā)明屬于數(shù)字圖像處理領(lǐng)域，尤其涉及一種圖像邊緣增強方法。

背景技術(shù)：
圖像品質(zhì)的提高，一般是通過增強圖像的邊緣效果來實現(xiàn)。傳統(tǒng)的圖像邊緣增強方法是先對圖像進行插值運算得到全彩的RGB圖像，然后再對全彩的RGB圖像進行二階拉普拉斯運算、基于邊緣走向的運算等操作，以實現(xiàn)圖像的邊緣增強。這些方法雖然能使圖像品質(zhì)有較大的提高，但在對圖像進行邊緣增強時，需要預先存儲2行或者4行的RGB數(shù)據(jù)，即需要預先存儲6行或者12行靜態(tài)隨機存儲器(Static Random Access Memory，SRAM)，占用了較多的空間，成本高。


發(fā)明內(nèi)容
本發(fā)明實施例的目的在于提供一種圖像邊緣增強方法，旨在解決現(xiàn)有技術(shù)基于RGB數(shù)據(jù)單獨進行邊緣增強處理導致占用空間多、成本高的問題。
本發(fā)明實施例是這樣實現(xiàn)的，一種圖像邊緣增強方法，其特征在于，所述方法包括如下步驟 根據(jù)中心像素點在不同方向上的二階梯度值判斷圖像的邊緣走向； 對中心像素點進行插值運算，計算像素點缺失的色彩分量； 基于Bayer數(shù)據(jù)，根據(jù)中心像素點原始分量的顏色、圖像的邊緣走向在插值模板中對圖像進行邊緣增強處理。
本發(fā)明實施例在對圖像進行邊緣增強處理時，充分考慮了中心像素點周圍不同像素點的綠色分量值的影響，采取了抗噪聲的自適應(yīng)的邊緣增強算法，消除噪聲可能對邊緣產(chǎn)生的影響，使得圖像邊緣齊整，處理后的圖像效果好；同時基于Bayer數(shù)據(jù)，在插值模塊中進行邊緣增強處理，節(jié)省了單獨進行邊緣增強處理所需要的SRAM，節(jié)省了器件的很多面積，從而節(jié)省了成本。



圖1是本發(fā)明實施例提供的圖像邊緣增強方法的實現(xiàn)流程圖； 圖2是中心像素點為B分量的Bayer模式的原始圖像的像素排列格式圖； 圖3是中心像素點為R分量的Bayer模式的原始圖像的像素排列格式圖； 圖4是中心像素點為G分量，且該行包含原始值為B分量的Bayer模式的原始圖像的像素排列格式圖； 圖5是中心像素點為G分量，且該行包含原始值為R分量的Bayer模式的原始圖像的像素排列格式圖。

具體實施例方式 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及買施例，對本發(fā)明進行進一步詳細說明。應(yīng)當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
本發(fā)明實施例，在插值模塊中進行邊緣增強處理，采用同一邊緣上盡可能取多個點分別做邊緣增強處理后再平均的方法，充分抑制了噪聲對邊緣的影響；用一個3×5的Bayer矩陣和一個5×3的Bayer矩陣來確定水平方向和垂直方向上的二階梯度值，用一個5×5的Bayer矩陣來確定135度角方向和45度角方向上的二階梯度值，從而判斷圖像邊緣的走向，選擇相應(yīng)的邊緣增強算法對圖像進行邊緣增強處理。
圖像的邊緣主要體現(xiàn)在邊緣兩側(cè)亮度的變化，一側(cè)為較亮區(qū)域，一側(cè)為較暗區(qū)域，若亮區(qū)域越亮，暗區(qū)域越暗，則表示亮暗變化越明顯，邊緣越突出。處于邊緣區(qū)域上的點，或者分布在較亮區(qū)域的一側(cè)，或者分布在較暗區(qū)域的一側(cè)，如果將分布在較暗區(qū)域上的點的亮度再降低一定亮度，將分布在較亮區(qū)域上的點的亮度再增加一定亮度，則邊緣兩側(cè)亮暗變化更明顯，達到了邊緣增強的效果。
圖1示出了本發(fā)明實施例提供的圖像邊緣增強方法的實現(xiàn)流程，詳述如下 在步驟S101中，計算中心像素點在不同方向上的二階梯度值； 作為本發(fā)明的一個實施例，利用一個3×5的Bayer矩陣和一個5×3的Bayer矩陣計算中心像素點在水平方向上的二階梯度值H和在垂直方向上的二階梯度值V；利用一個5×5的Bayer矩陣計算中心像素點在135度角方向上的二階梯度值X和在45度角方向上的二階梯度值Y。
本發(fā)明實施例中；當中心像素點的原始分量為藍色值時，如圖2所示，中心像素點B33在水平方向上的二階梯度值H為 其中H1＝|G32-G34|+|2B33-B31-B35|； H2＝|R22-R24|+|2G23-G21-G25|； H3＝|R42-R44|+|2G43-G41-G45|； 、在垂直方向上的二階梯度值V為 其中V1＝|G23-G43|+|2B33-B13-B53|； V2＝|R22-R42|+|2G32-G12-G52|； V3＝|R24-R44|+|2G34-G14-G54|； 在135度角方向上的二階梯度值X為X＝|R22-R44|+|2B33-B11-B55|； 在45度角方向上的二階梯度值Y為Y＝|R24-R42|+|2B33-B15-B51|。
當中心像素點的原始分量為紅色值時，如圖3所示，中心像素點R33在水平方向上二階梯度值H為 其中H1＝|G32-G34|+|2R33-R31-R35|； H2＝|B22-B24|+|2G23-G21-G25|； H3＝|B42-B44|+|2G43-G41-G45|； 在垂直方向上的二階梯度值V為 其中V1＝|G23-G43|+|2R33-R13-R53|； V2＝|B22-B42|+|2G32-G12-G52|； V3＝|B24-B44|+|2G34-G14-G54|； 在135度角方向上的二階梯度值X為X＝|B22-B44|+|2R33-R11-R55|； 在45度角方向上的二階梯度值Y為Y＝|B24-B42|+|2R33-R15-R51|。
當中心像素點的原始分量為綠色值，且左右相鄰像素點為藍色值時，如圖4所示，中心像素點G33在水平方向上的二階梯度值為 其中H1＝|B32-B34|+|2G33-G31-G35|； H2＝|G22-G24|+|2R23-R21-R25|； H3＝|G42-G44|+|2R43-R41-R45|； 在垂直方向上的二階梯度值為 其中V1＝|R23-R43|+|2G33-G13-G53|； V2＝|G22-G42|+|2B32-B12-B52|； V3＝|G24-G44|+|2B34-B14-B54|； 在135度角方向上的二階梯度值為X＝|2G33-G22-G44|+|2G33-G11-G55|； 在45度角方向上的二階梯度值為Y＝|2G33-G24-G42|+|2G33-G15-G51|。
當中心像素點的原始分量為綠色值，且左右相鄰像素點為紅色值時，如圖5所示，中心像素點G33在水平方向上的二階梯度值為 其中H1＝|R32-R34|+|2G33-G31-G35|； H2＝|G22-G24|+|2B23-B21-B25|； H3＝|G42-G44|+|2B43-B41-B45|； 在垂直方向上的二階梯度值為 其中V1＝|B23-B43|+|2G33-G13-G53|； V2＝|G22-G42|+|2R32-R12-R52|； V3＝|G24-G44|+|2R34-R14-R54|； 在135度角方向上的二階梯度值為X＝|2G33-G22-G44|+|2G33-G11-G55|； 在45度角方向上的二階梯度值為Y＝|2G33-G24-G42|+|2G33-G15-G51|。
在步驟S102中，根據(jù)中心像素點在不同方向上的二階梯度值判斷圖像的邊緣走向； 在本發(fā)明實施例中，分別求出H和V中的最大值Max_HV和最小值Min_HV，以及X和Y中的最大值Max_XY，最小值Min_XY。將Max_HV和Max_XY分別與給定的平坦區(qū)域閾值TH_flat進行比較。
當Max_HV和Max_XY同時小于TH_flat時，將中心像素點視為平坦區(qū)域上的一點，即對該點不作邊緣增強處理。
當Max_HV和Max_XY中至少有一個不小于TH_flat時，再將Min_HV和Min_XY進行比較，當Min_HV<Min_XY，且H-V<-TH_edge時，將中心像素點視為水平方向邊緣上的一點；當Min_HV<Min_XY，且H-V>TH_edge時，將中心像素點視為垂直方向邊緣上的一點；當Min_HV>Min_XY，且x-Y<-TH_edge時，將中心像素點視為135度角方向邊緣上的一點；當Min_HV>Min_XY，且X-Y>TH_edge時，將中心像素點視為45度角方向邊緣上的一點。
除了上述四種情況下的點以外的任何點，均視為一般區(qū)域(即既不平坦也非邊緣)上的點，不作邊緣增強的處理。
上述過程可以通過軟件編程實現(xiàn)，示例程序如下 If(Max_HV和Max_XY同時小于TH_flat)-----平坦區(qū)域上的點 else if(Min_HV小于Min_XY并且|H-V|>TH_edge) If(H<V)----水平方向邊緣上的點 else ----垂直方向邊緣上的點 else if(Min_XY小于Min _HV并且|X-Y|>TH_edge)If(X<Y) ----135度角方向邊緣上的點else ----45度角方向邊緣上的點 else ----一般區(qū)域上的點 end 在步驟S103中，采用沿邊緣插值的方法對中心像素點進行插值運算，計算出像素點缺失的色彩分量。
作為本發(fā)明的一個優(yōu)選實施例，在插值運算時，可以以插值點為中心像素點建立5×5的Bayer矩陣，根據(jù)色彩變化趨勢，選擇插值運算基準，根據(jù)選定的插值運算基準，按照色彩的非突變性和邊緣的非突變性計算中心像素點的兩個插值分量的值。其中，色彩變化趨勢與上述邊緣判斷一致 經(jīng)過插值運算后，中心像素點的各顏色分量已經(jīng)齊備，即有(R33，G33，B33)。
在步驟S104中，基于Bayer數(shù)據(jù)，根據(jù)中心像素點原始分量的顏色、圖像的邊緣走向在插值模板中對圖像進行邊緣增強處理。
在本發(fā)明實施例中，進行邊緣增強時需要避免的是中心像素點在邊緣增強處理后的顏色變化。假定某個像素點周圍像素點的顏色相同，只是亮度有差別，則根據(jù)RGB空間到Y(jié)CbCr空間的轉(zhuǎn)換公式 Y＝0.299R+0.587G+0.114B……(1) Cb＝-0.1687R-0.3313G+0.5B……(2) Cr＝0.5R-0.4187G-0.0813B……(3) 其中，Y是亮度分量，Cb是藍色色度分量，Cr是紅色色度分量。
由(1)(2)(3)式可得當R、G、B同時變化相同的變化值Diff時，Cb，Cr不變，Y變化Diff，即如果兩個像素點a，b顏色相同，則Ga-Gb＝Ra-Rb＝Ba-Bb。因此，只需要計算一個顏色分量的變化值Diff，然后將這個變化值Diff附加于另外兩個分量上，可使得中心像素點在邊緣增強后的顏色不會發(fā)生變化，相當于對Y做邊緣增強處理。
在本發(fā)明實施例提供的邊緣增強方法包括以下步驟 [1]通過邊緣兩側(cè)的亮度值平均計算邊緣正中心的亮度值
[2]計算中心像素點的亮度值Y33同邊緣正中心的亮度值的差值 En_Diff＝Y(jié)33-Y_center，當En_Diff<0時，則表明中心像素點處于較暗的一側(cè)；當En_Diff>0時，則表明中心像素點處于較亮的一側(cè)； [3]放大差值En_Diff，設(shè)放大倍數(shù)為Edge_Gain_t，則 Y33_new-Y_center＝Edge_Gain_t×En_Diff即Y33_new＝Y(jié)_center+Edge_Gain_t×En_Diff 由Y_center＝Y(jié)33-En_Diff得 Y_33_new＝Y(jié)33-En_Diff+Edge_Gain_t×En_Diff ＝Y(jié)33+(Edge_Gain_t-1)×En_Diff ＝Y(jié)33+Edge_Gain×En_Diff 其中，Edge_Gain為放大倍數(shù)，取值范圍為0～3，默認值為1。
上述邊緣增強算法中的數(shù)據(jù)是基于Bayer數(shù)據(jù)，亮度信息未知，依據(jù)由RGB空間到Y(jié)CbCr空間的轉(zhuǎn)換公式可得，只要R，G，B同時變化相同的Diff，則Cb，Cr不變，Y變化Diff。于是該算法中只需要計算一個顏色分量的變化值，然后將這個變化值附加于另外兩個分量上，即可使得中心像素點在邊緣增強后的顏色不會發(fā)生變化，相當于對Y做邊緣增強?？紤]到Bayer數(shù)據(jù)中綠色像素點是紅色或者藍色像素點的兩倍，于是選擇先對中心像素點的綠色分量G進行邊緣增強處理，計算出En_Diff_G，然后再分別對R，B分量進行邊緣增強處理，進行邊緣增強處理后的中心像素點三種顏色分量的亮度值按照下式計算 R33_new＝R33+Edge_Gain×En_Diff_G； G33_new＝G33+Edge_Gain×En_Diff_G； B33_new＝B33+Edge_Gain×En_Diff_G° 以下根據(jù)中心像素點原始分量的顏色、圖像的邊緣走向以及相應(yīng)的邊緣增強算法分別進行描述 1、中心像素點的原始分量為藍色值，對中心像素點做邊緣增強處理，如圖2所示 (1)當Min_HV<Min_XY，且H-V<-TH_edge時，將中心像素點視為水平方向邊緣上的一點，即對水平方向邊緣上的點做邊緣增強處理。
(a)計算中心像素點(3，3)處所在邊緣的正中心綠色分量的En_Diff_G_cen； 先估算中心像素點所在邊緣的正中心綠色分量的亮度值G_center 式(1.1)中，G23和G43是已知的，而G13和G53是未知的，由于中心像素點為水平方向上的點，因此可以將G13和G53均視作水平方向上的點，即 而中心像素點(3，3)處所在邊緣的正中心綠色分量的En_Diff_G_cen為 En_Diff_G_cen＝G33-G_center……(1.4) 再由(1.1)(1.2)(1.3)(1.4)可得 (b)計算中心像素點左邊相鄰點(3，2)處所在邊緣的正中心的綠色分量的En_Diff_G_lef； 先估算中心像素點左邊相鄰點所在邊緣的正中心綠色分量的亮度值G_lef_center 式(1.6)中，G12和G52是已知的，而G22和G42是未知的，由于中心像素點為水平方向上的點，因此可以將G22和G42均視作水平方向上的點，即 而中心像素點左邊相鄰點(3，2)處所在邊緣的正中心綠色分量的En_Diff_G_lef為 En_Diff_G_Ief＝G32-G_lef_center……(1.9) 再由(1.6)(1.7)(1.8)(1.9)可得 (c)計算中心像素點右邊相鄰點(3，4)處所在邊緣的正中心的綠色分量的En_Diff_G_rig； 先估算中心像素點右邊相鄰點所在邊緣的正中心綠色分量的亮度值G_rig_center 式(1.11)中，G14和G54是已知的，而G24和G44是未知的，由于中心像素點為水平方向上的點，因此可以將G24和G44均視作水平方向上的點，即 而中心像素點右邊相鄰點(3，4)處所在邊緣的正中心綠色分量的En_Diff_G_rig為 En_Diff_G_rig＝G34-G_rig_center……(1.14) 再由(1.11)(1.12)(1.13)(1.14)可得 (d)邊緣增強處理 為了抑制噪聲對圖像邊緣增強的影響，計算En_Diff_G_cen，En_Diff_G_lef和En_Diff_G_rig的平均值，即 由(1.5)(1.10)(1.15)(1.16)可得 即中心像素點(3，3)處R，G，B三個分量進行邊緣增強處理之后的新值為 R33_new＝R33+Edge_Gain×En_Diff_G； G33_new＝G33+Edge_Gain×En_Diff_G； B33_new＝B33+Edge_Gain×En_Diff_G。
(2)當Min_HV<Min_XY，且H-V>TH_edge時，將中心像素點視為垂直方向邊緣上的一點，即對垂直方向邊緣上的點做邊緣增強處理。
(a)計算中心像素點(3，3)處所在邊緣的正中心綠色分量的En_Diff_G_cen； 先估算中心像素點所在邊緣的正中心綠色分量的亮度值G_center 式(1.18)中，G32和G34是已知的，而G31和G35是未知的，由于中心像素點為垂直方向上的點，因此可以將G13和G53均視作垂直方向上的點，即 而中心像素點(3，3)處所在邊緣的正中心綠色分量的En_Diff_G_cen為 En_Diff_G_cen＝G33-G_center……(1.21) 再由(1.18)(1.19)(1.20)(1.21)可得 (b)計算中心像素點上邊相鄰點(2，3)處所在邊緣的正中心的綠色分量的En_Diff_G_up； 先估算中心像素點上邊相鄰點所在邊緣的正中心綠色分量的亮度值G_up_center 式(1.23)中，G21和G25是已知的，而G22和G24是未知的，由于中心像素點為垂直方向上的點，因此可以將G22和G24均視作垂直方向上的點，即 而中心像素點上邊相鄰點(2，3)處所在邊緣的正中心綠色分量的En_Diff_G_up為 En_Diff_G_up＝G23-G_up_center……(1.26) 再由(1.23)(1.24)(1.25)(1.26)可得 (c)計算中心像素點下邊相鄰點(4，3)處所在邊緣的正中心的綠色分量的En_dow_center； 先估算中心像素點下邊相鄰點所在邊緣的正中心綠色分量的亮度值G_dow_center 式(1.28)中，G41和G45是已知的，而G42和G44是未知的，由于中心像素點為垂直方向上的點，因此可以將G42和G44均視作垂直方向上的點，即 而中心像素點下邊相鄰點(4，3)處所在邊緣的正中心綠色分量的En_Diff_G_dow為 En_Diff_G_dow＝G43-G_dow_center……(1.31) 再由(1.28)(1.29)(1.30)(1.31)可得 (d)邊緣增強處理 為了抑制噪聲對圖像邊緣增強的影響，計算En_Diff_G_cen，En_Diff_G_up和En_Diff_G_dow的平均值，即 由(1.22)(1.27)(1.32)(1.33)可得 即中心像素點(3，3)處R，G，B三個分量進行邊緣增強處理之后的新值為 R33_new＝R33+Edge_Gain×En_Diff_G； G33_new＝G33+Edge_Gain×En_Diff_G； B33_new＝B33+Edge_Gain×En_Diff_G。
(3)當Min_HV>Min_XY，且X-Y<-TH_edge時，將中心像素點視為135度角方向邊緣上的一點，即對135度角方向邊緣上的點做邊緣增強處理。
先估算中心像素點所在邊緣的正中心綠色分量的亮度值G_centerr 式(1.35)中，G24和G42是未知的，由于中心像素點為135度角方向上的點，因此可以將G24和G42均視作135度角方向上的點，即 而中心像素點(3，3)處所在邊緣的正中心綠色分量的En_Diff_G_cen為 En_Diff_G_cen＝G33-G_center……(1.38) 再由(1.35)(1.36)(1.37)(1.38)可得 即中心像素點(3，3)處R，G，B三個分量進行邊緣增強處理之后的新值為 R33_new＝R33+Edge_Gain×En_Diff_G； G33_new＝G33+Edge_Gain×En_Diff_G； B33_new＝B33+Edge_Gain×En_Diff_G。
(4)當Min_HV>Min_XY，且X-Y>TH_edge時，將中心像素點視為45度角方向邊緣上的一點，即對45度角方向邊緣上的點做邊緣增強處理。
先估算中心像素點所在邊緣的正中心綠色分量的亮度值G_center 式(1.40)中，G22和G44是未知的，由于中心像素點為45度角方向上的點，因此可以將G22和G44均視作45度角方向上的點，即 而中心像素點(3，3)處所在邊緣的正中心綠色分量的En_Diff_G_cen為 En_Diff_G_cen＝G33-G_center……(1.43) 再由(1.40)(1.41)(1.42)(1.43)可得 即中心像素點(3，3)處R，G，B三個分量進行邊緣增強處理之后的新值為 R33_new＝R33+Edge_Gain×En_Diff_G； G33_new＝G33+Edge_Gain×En_Diff_G； B33_new＝B33+Edge_Gain×En_Diff_G。
2、中心像素點的原始分量為紅色值，對中心像素點做邊緣增強處理，如圖3所示 (1)當Min_HV<Min_XY，且H-V<-TH_edge時，將中心像素點視為水平方向邊緣上的一點，即對水平方向邊緣上的點做邊緣增強處理。
與1.(1)中計算En_Diff_G同理可得 即中心像素點(3，3)處R，G，B三個分量進行邊緣增強處理之后的新值為 R33_new＝R33+Edge_Gain×En_Diff_G； G33_new＝G33+Edge_Gain×En_Diff_G； B33_new＝B33+Edge_Gain×En_Diff_G。
(2)當Min_HV<Min_XY，且H-V>TH_edge時，將中心像素點視為垂直方向邊緣上的一點，即對垂直方向邊緣上的點做邊緣增強處理。
與1.(2)中計算En_Diff_G同理可得 即中心像素點(3，3)處R，G，B三個分量進行邊緣增強處理之后的新值為 R33_new＝R33+Edge_Gain×En_Diff_G； G33_new＝G33+Edge_Gain×En_Diff_G； B33_new＝B33+Edge_Gain×En_Diff_G。
(3)當Min_HV>Min_XY；且X-Y<-TH_edge時，將中心像素點視為135度角方向邊緣上的一點，即對135度角方向邊緣上的點做邊緣增強處理。
與1.(3)中計算En_Diff_G同理可得 即中心像素點(3，3)處R，G，B三個分量進行邊緣增強處理之后的新值為 R33_new＝R33+Edge_Gain×En_Diff_G； G33_new＝G33+Edge_Gain×En_Diff_G； B33_new＝B33+Edge_Gain×En_Ditf_G。
(4)當Min_HV>Min_XY，且X-Y>TH_edge時，將中心像素點視為45度角方向邊緣上的一點，即對45度角方向邊緣上的點做邊緣處理。
與1.(4)中計算En_Diff_G同理可得 即中心像素點(3，3)處R，G，B三個分量進行邊緣增強處理之后的新值為 R33_new＝R33+Edge_Gain×En_Diff_G； G33_new＝G33+Edge_Gain×En_Diff_G； B33_new＝B33+Edge_Gain×En_Diff_G。
3、中心像素點的原始分量為綠色值，且左右相鄰像素點為藍色值時，對中心像素點做邊緣增強處理，如圖4所示 (1)當Min_HV<Min_XY，且H-V<-TH_edge時，將中心像素點視為水平邊緣上的一點，即對水平方向邊緣上的點做邊緣增強處理。
(a)計算中心像素點(3，3)處所在邊緣的正中心綠色分量的En_Diff_G_cen； 先估算中心像素點所在邊緣的正中心綠色分量的亮度值G_center 式(3.1)中，G13和G53是已知的，而G23和G43是未知的，由于中心像素點為水平方向上的點，因此可以將G23和G43均視作水平方向上的點，即 而中心像素點(3，3)處所在邊緣的正中心綠色分量的En_Diff_G_cen為 En_Diff_G_cen＝G33-G_center……(3.4) 再由(3.1)(3.2)(3.3)(3.4)可得 (b)計算中心像素點左邊相鄰點(3，2)處所在邊緣的正中心的綠色分量的En_Diff_G_lef； 先估算中心像素點左邊相鄰點所在邊緣的正中心綠色分量的亮度值G_lef_center 式(3.6)中，G22和G42是已知的，而G12和G52是未知的，由于中心像素點為水平方向上的點，因此可以將G12和G52均視作水平方向上的點，即 而中心像素點左邊相鄰點(3，2)處所在邊緣的正中心綠色分量的En_Diff_G_lef為 En_Diff_G_lef＝G32-G_lef_center……(3.9) G32也可視作水平方向上的點，即 再由(3.6)(3.7)(3.8)(3.9)(3.10)可得 (c)計算中心像素點右邊相鄰點(3，4)處所在邊緣的正中心的綠色分量的En_Diff_G_rig； 先估算中心像素點右邊相鄰點所在邊緣的正中心綠色分量的亮度值G_rig_center 式(3.12)中，G24和G44是已知的，而G14和G54是未知的，由于中心像素點為水平方向上的點，因此可以將G14和G54均視作水平方向上的點，即 而中心像素點右邊相鄰點(3，4)處所在邊緣的正中心綠色分量的En_Diff_G_rig為 En_Diff_G_rig＝G34-G_rig_center……(3.15) G34也可視作水平方向上的點，即 再由(3.12)(3.13)(3.14)(3.15)(3.16)可得 (d)邊緣增強處理 為了抑制噪聲對圖像邊緣增強的影響，計算En_Diff_G_cen，En_Diff_G_lef和En_Diff_G_rig的平均值，即 由(3.5)(3.11)(3.17)(3.18)可得 即中心像素點(3，3)處R，G，B三個分量進行邊緣增強處理之后的新值為 R33_new＝R33+Edge_Gain×En_Diff_G； G33_new＝G33+Edge_Gain×En_Diff_G； B33_new＝B33+Edge_Gain×En_Diff_G。
(2)當Min_HV<Min_XY，且H-V>TH_edge時，將中心像素點視為垂直方向邊緣上的一點，即對垂直方向邊緣上的點做邊緣增強處理。
(a)計算中心像素點(3，3)處所在邊緣的正中心綠色分量的En_Diff_G_cen； 先估算中心像素點所在邊緣的正中心綠色分量的亮度值G_center 式(3.20)中，G31和G35是已知的，而G32和G34是未知的，由于中心像素點為垂直方向上的點，因此可以將G32和G34均視作垂直方向上的點，即 而中心像素點(3，3)處所在邊緣的正中心綠色分量的En_Diff_G_cen為 En_Diff_G_cen＝G33-G_center……(3.23) 再由(3.20)(3.21)(3.22)(3.23)可得 (b)計算中心像素點上邊相鄰點(2，3)處所在邊緣的正中心的綠色分量的En_Diff_G_up； 先估算中心像素點上邊相鄰點所在邊緣的正中心綠色分量的亮度值G_up_center 式(3.25)中，G22和G24是已知的，而G21和G25是未知的，由于中心像素點為垂直方向上的點，因此可以將G21和G25均視作垂直方向上的點，即 而中心像素點上邊相鄰點(2，3)處所在邊緣的正中心綠色分量的En_Diff_G_up為 En_Diff_G_up＝G23-G_up_center……(3.28) G23也可以視作垂直方向上的點，即 再由(3.25)(3.26)(3.27)(3.28)(3.29)可得 (c)計算中心像素點下邊相鄰點(4，3)處所在邊緣的正中心的綠色分量的En_Diff_G_dow； 先估算中心像素點下邊相鄰點所在邊緣的正中心綠色分量的亮度值G_dow_center 式(3.31)中，G42和G44是已知的，而G41和G45是未知的，由于中心像素點為垂直方向上的點，因此可以將G41和G45均視作垂直方向上的點，即 而中心像素點下邊相鄰點(4，3)處所在邊緣的正中心綠色分量的En_Diff_G_dow為 En_Diff_G_dow＝G43-G_dow_center……(3.34) G43也可以視作垂直方向上的點，即 再由(3.31)(3.32)(3.33)(3.34)(3.35)可得 (d)邊緣增強處理 為了抑制噪聲對邊緣增強的影響，計算En_Diff_G_cen，En_Diff_G_up和En_Diff_G_dow的平均值，即 由(3.24)(3.30)(3.36)(3.37)可得 即中心像素點(3，3)處R，G，B三個分量進行邊緣增強處理之后的新值為 R33_new＝R33+Edge_Gain×En_Diff_G； G33_new＝G33+Edge_Gain×En_Diff_G； B33_new＝B33+Edge_Gain×En_Diff_G° (3)當Min_HV>Min_XY，且X-Y<-TH_edge時，將中心像素點視為135度角方向邊緣上的一點，即對135度角方向邊緣上的點做邊緣增強處理。
(a)計算中心像素點(3，3)處所在邊緣的正中心綠色分量的En_Diff_G_cen； 先估算中心像素點所在邊緣的正中心綠色分量的亮度值G_center 而中心像素點(3，3)處所在邊緣的正中心綠色分量的En_Diff_G_cen為 En_Diff_G_cen＝G33-G_center……(3.40) 再由(3.39)(3.40)可得 (b)計算中心像素點左上邊相鄰點(2，2)處所在邊緣的正中心的綠色分量的En_Diff_G_lu； 先估算中心像素點左上邊相鄰點所在邊緣的正中心綠色分量的亮度值G_lu_center 而中心像素點左上邊相鄰點(2，2)處所在邊緣的正中心綠色分量的En_Diff_G_lu為 En_Diff_G_lu＝G22-G_lu_center……(3.43) 再由(3.42)(3.43)可得 (c)計算中心像素點右下邊相鄰點(4，4)處所在邊緣的正中心的綠色分量的En_Diff_G_rd； 先估算中心像素點右下邊相鄰點所在邊緣的正中心綠色分量的亮度值G_rd_center 而中心像素點右下邊相鄰點(4，4)處所在邊緣的正中心綠色分量的En_Diff_G_rd為 En_Diff_G_rd＝G44-G_rd_center……(3.46) 再由(3.45)(3.46)可得 (d)邊緣增強處理 為了抑制噪聲對圖像邊緣增強的影響，計算En_Diff_G_cen，En_Diff_G_lu和En_Diff_G_rd的平均值，即 由(3.41)(3.44)(3.47)(3.48)可得 即中心像素點(3，3)處R，G，B三個分量進行邊緣增強處理之后的新值為 R33_new＝R33+Edge_Gain×En_Diff_G； G33_new＝G33+Edge_Gain×En_Diff_G； B33_new＝B33+Edge_Gain×En_Diff_G° (4)當Min_HV>Min_XY，且X-Y>TH_edge時，將中心像素點視為45度角方向邊緣上的一點，即對45度角方向邊緣上的點做邊緣增強處理。
(a)計算中心像素點(3，3)處所在邊緣的正中心綠色分量的En_Diff_G_cen； 先估算中心像素點所在邊緣的正中心綠色分量的亮度值G_center 而中心像素點(3，3)處所在邊緣的正中心綠色分量的En_Diff_G_cen為 En_Diff_G_cen＝G33-G_center……(3.51) 再由(3.50)(3.51)可得 (b)計算中心像素點右上邊相鄰點(2，4)處所在邊緣的正中心的綠色分量的En_Diff_G_ru； 先估算中心像素點右上邊相鄰點所在邊緣的正中心綠色分量的亮度值G_ru_center 而中心像素點右上邊相鄰點(2，4)處所在邊緣的正中心綠色分量的En_Diff_G_ru為 En_Diff_G_ru＝G24-G_ru_center……(3.54) 再由(3.53)(3.54)可得 (c)計算中心像素點左下邊相鄰點(4，2)處所在邊緣的正中心的綠色分量的En_Diff_G_ld； 先估算中心像素點左下邊相鄰點所在邊緣的正中心綠色分量的亮度值G_ld_center 而中心像素點左下邊相鄰點(4，2)處所在邊緣的正中心綠色分量的En_Diff_G_ld為 En_Diff_G_ld＝G42-G_ld_center……(3.57) 再由(3.56)(3.57)可得 (d)邊緣增強處理 為了抑制噪聲對圖像邊緣增強的影響，計算En_Diff_G_cen，En_Diff_G_ld和En_Diff_G_ru的平均值，即 由(3.52)(3.55)(3.58)(3.59)可得 即中心像素點(3，3)處R，G，B三個分量進行邊緣增強處理之后的新值為 R33_new＝R33+Edge_Gain×En_Diff_G； G33_new＝G33+Edge_Gain×En_Diff_G； B33_new＝B33+Edge_Gain×En_Diff_G。
4、中心像素點的原始分量為綠色值，且左右相鄰像素點為紅色值時，對中心像素點做邊緣增強處理，如圖5所示 (1)當Min_HV<Min_XY，且H-V<-TH_edge時，將中心像素點視為水平方向邊緣上的一點，即對水平方向邊緣上的點做邊緣處理。
與3.(1)中計算En_Diff_G同理可得 即中心像素點(3，3)處R，G，B三個分量進行邊緣增強處理之后的新值為 R33_new＝R33+Edge_Gain×En_Diff_G； G33_new＝G33+Edge_Gain×En_Diff_G； B33_new＝B33+Edge_Gain×En_Diff_G。
(2)當Min_HV<Min_XY，且H-V>TH_edge時，將中心像素點視為垂直邊緣上的一點，即對垂直方向邊緣上的點做邊緣處理。
與3.(2)中計算En_Diff_G同理可得 即中心像素點(3，3)處R，G，B三個分量進行邊緣增強處理之后的新值為 R33_new＝R33+Edge_Gain×En_Diff_G； G33_new＝G33+Edge_Gain×En_Diff_G； B33_new＝B33+Edge_Gain×En_Diff_G。
(3)當Min_HV>Min_XY，且X-Y<-TH_edge時，將中心像素點視為135度角方向邊緣上的一點，即對135度角方向邊緣上的點做邊緣處理。
與3.(3)中計算En_Diff_G同理可得 即中心像素點(3，3)處R，G，B三個分量進行邊緣增強處理之后的新值為 R33_new＝R33+Edge_Gain×En_Diff_G； G33_new＝G33+Edge_Gain×En_Diff_G； B33_new＝B33+Edge_Gain×En_Diff_G。
(4)當Min_HV>Min_XY，且X-Y>TH_edge時，將中心像素點視為45度角方向邊緣上的一點，即對45度角方向邊緣上的點做邊緣處理。
與3.(4)中計算En_Diff_G同理可得 即中心像素點(3，3)處R，G，B三個分量進行邊緣增強處理之后的新值為 R33_new＝R33+Edge_Gain×En_Diff_G； G33_new＝G33+Edge_Gain×En_Diff_G； B33_new＝B33+Edge_Gain×En_Diff_G。
由上述可知，本發(fā)明實施例在對圖像進行邊緣增強處理時，充分考慮了中心像素點周圍不同像素點的綠色分量值的影響，采取了抗噪聲的自適應(yīng)的邊緣增強算法，消除噪聲可能對邊緣產(chǎn)生的影響，使得圖像邊緣齊整，處理后的圖像效果好。同時基于Bayer數(shù)據(jù)，在插值模塊中進行邊緣增強處理，節(jié)省了單獨進行邊緣增強處理所需要的SRAM，節(jié)省了器件的很多面積，從而節(jié)省了成本。
以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。
權(quán)利要求
1、一種圖像邊緣增強方法，其特征在于，所述方法包括如下步驟
根據(jù)中心像素點在不同方向上的二階梯度值判斷圖像的邊緣走向；
對中心像素點進行插值運算，計算像素點缺失的色彩分量；
基于Bayer數(shù)據(jù)，根據(jù)中心像素點原始分量的顏色、圖像的邊緣走向在插值模板中對圖像進行邊緣增強處理。
2、如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)中心像素點在不同方向上的二階梯度值判斷圖像的邊緣走向的步驟具體為
由一個3×5的Bayer矩陣和一個5×3的Bayer矩陣計算所述中心像素點在水平方向上的二階梯度值H和在垂直方向上的二階梯度值V；
由一個5×5的Bayer矩陣計算所述中心像素點在135度角方向上的二階梯度值X和在45度角方向上的二階梯度值Y；
將H和V中的最大值Max_HV，最小值Min_HV，以及X和Y中的最大值Max_XY，最小值Min_XY分別與給定的平坦區(qū)域閾值TH_flat進行比較；
當Max_HV和Max_XY同時小于TH_flat時，將中心像素點視為平坦區(qū)域上的一點；當Max_HV和Max_XY中至少有一個不小于TH_flat時，再將Min_HV和Min_XY進行比較，當Min_HV<Min_XY，且H-V<-TH_edge時，將中心像素點視為水平方向邊緣上的一點；當Min_HV<Min_XY，且H-V>TH_edge時，將中心像素點視為垂直方向邊緣上的一點；當Min_HV>Min_XY，且X-Y<-TH_edge時，將中心像素點視為135度角方向邊緣上的一點；當Min_HV>Min_XY，且X-Y>TH_edge時，將中心像素點視為45度角方向邊緣上的一點。
3、如權(quán)利要求1或2所述的方法，其特征在于，當中心像素點的原始分量為藍色值時，其在水平方向上的二階梯度值為
其中H1＝|G32-G34|+|2B33-B31-B35|；
H2＝|R22-R24|+|2G23-G21-G25|；
H3＝|R42-R44|+|2G43-G41-G45|；
在垂直方向上的二階梯度值為
其中V1＝|G23-G43|+|2B33-B13-B53|；
V2＝|R22-R42|+|2G32-G12-G52|；
V3＝|R24-R44|+|2G34-G14-G54|；
在135度角方向上的二階梯度值為X＝|R22-R44|+|2B33-B11-B55|；在45度角方向上的二階梯度值為Y＝|R24-R42|+|2B33-B15-B51|。
4、如權(quán)利要求1或2所述的方法，其特征在于，當中心像素點的原始分量為紅色值時，其在水平方向上二階梯度值為
其中H1＝|G32-G34|+|2R33-R31-R35|；
H2＝|B22-B24|+|2G23-G21-G25|；
H3＝|B42-B44|+|2G43-G41-G45|；
在垂直方向上的二階梯度值為
其中V1＝|G23-G43|+|2R33-R13-R53|；
V2＝|B22-B42|+|2G32-G12-G52|
V3＝|B24-B44|+|2G34-G14-G54|；
在135度角方向上的二階梯度值為X＝|B22-B44|+|2R33-R11-R55|；
在45度角方向上的二階梯度值為Y＝|B24-B42|+|2R33-R15-R51|。
5、如權(quán)利要求1或2所述的方法，其特征在于，當中心像素點的原始分量為綠色值，且左右相鄰像素點為藍色值時，其在水平方向上的二階梯度值為
其中H1＝|B32-B34|+|2G33-G31-G35|；
H2＝|G22-G24|+|2R23-R21-R25|；
H3＝|G42-G44|+|2R43-R41-R45|；
在垂直方向上的二階梯度值為
其中V1＝|R23-R43|+|2G33-G13-G53|；
V2＝|G22-G42|+|2B32-B12-B52|；
V3＝|G24-G44|+|2B34-B14-B54|；
在135度角方向上的二階梯度值為X＝|2G33-G22-G44|+|2G33-G11-G55|；
在45度角方向上的二階梯度值為Y＝|2G33-G24-G42|+|2G33-G15-G51|。
6、如權(quán)利要求1或2所述的方法，其特征在于，當中心像素點的原始分量為綠色值，且左右相鄰像素點為紅色值時，其在水平方向上的二階梯度值為
其中H1＝|R32-R34|+|2G33-G31-G35|；
H2＝|G22-G24|+|2B23-B21-B25|；
H3＝|G42-G44|+|2B43-B41-B45|；
在垂直方向上的二階梯度值為
其中V1＝|B23-B43|+|2G33-G13-G53|；
V2＝|G22-G42|+|2R32-R12-R52|；
V3＝|G24-G44|+|2R34-R14-R54|；
在135度角方向上的二階梯度值為X＝|2G33-G22-G44|+|2G33-G11-G55|；
在45度角方向上的二階梯度值為Y＝|2G33-G24-G42|+|2G33-G15-G51|。
7、如權(quán)利要求1所述的方法，其特征在于，所述基于Bayer數(shù)據(jù)，根據(jù)中心像素點原始分量的顏色、圖像的邊緣走向在插值模板中對圖像進行邊緣增強處理的步驟具體為
通過邊緣兩側(cè)的亮度值平均計算邊緣正中心的亮度值Y_center；
計算中心像素點的亮度值Y33同邊緣正中心的亮度值的差值En_Diff，判斷中心像素點是處于較暗的一側(cè)或者處于較亮的一側(cè)；
計算中心像素點進行邊緣增強處理后的新值Y33_new＝Y(jié)33+Edge_Gain×En_Diff；
其中，Edge_Gain為放大倍數(shù)。
8、如權(quán)利要求7所述的方法，其特征在于，所述邊緣正中心的亮度值Y_center由綠色分量的亮度值近似代替。
9、如權(quán)利要求7所述的方法，其特征在于，所述Edge_Gain的取值范圍為0～3。
10、如權(quán)利要求7所述的方法，其特征在于，所述中心像素點進行邊緣增強處理后的新值為
R33_new＝R33+Edge_Gain×En_Diff_G；
G33_new＝G33+Edge_Gain×En_Diff_G；
B33_new＝B33+Edge_Gain×En_Diff_G。
11、如權(quán)利要求2或7或10所述的方法，其特征在于，當所述中心像素點的原始分量為藍色值時或者當所述中心像素點的原始分量為紅色值時，以水平方向為邊緣走向，其中心像素點綠色分量的亮度值與邊緣正中心的亮度值的差值En_Diff_G按下式計算
以垂直方向為邊緣走向，其中心像素點綠色分量的亮度值與邊緣正中心的亮度值的差值En_Diff_G按下式計算
以135度角方向為邊緣走向，其中心像素點綠色分量的亮度值與邊緣正中心的亮度值的差值En_Diff_G按下式計算
以45度角方向為邊緣走向，其中心像素點綠色分量的亮度值與邊緣正中心的亮度值的差值En_Diff_G按下式計算
12、如權(quán)利要求2或7或10所述的方法，其特征在于，當所述中心像素點的原始分量為綠色值時，以水平方向為邊緣走向，其中心像素點綠色分量的亮度值與邊緣正中心的亮度值的差值En_Diff_G按下式計算
以垂直方向為邊緣走向，其中心像素點綠色分量的亮度值與邊緣正中心的亮度值的差值En_Diff_G按下式計算
以135度角方向為邊緣走向，其中心像素點綠色分量的亮度值與邊緣正中心的亮度值的差值En_Diff_G按下式計算
以45度角方向為邊緣走向，其中心像素點綠色分量的亮度值與邊緣正中心的亮度值的差值En_Diff_G按下式計算
全文摘要
本發(fā)明適用于數(shù)字圖像處理領(lǐng)域，提供了一種圖像邊緣增強方法，包括根據(jù)中心像素點在不同方向上的二階梯度值判斷圖像的邊緣走向；對中心像素點進行插值運算，計算像素點缺失的色彩分量；基于Bayer數(shù)據(jù)，根據(jù)中心像素點原始分量的顏色、圖像的邊緣走向在插值模板中對圖像進行邊緣增強處理。本發(fā)明實施例在對圖像進行邊緣增強處理時，充分考慮了中心像素點周圍不同像素點的綠色分量值的影響，采取了抗噪聲的自適應(yīng)的邊緣增強算法，消除噪聲可能對邊緣產(chǎn)生的影響，使得圖像邊緣齊整，處理后的圖像效果好；同時基于Bayer數(shù)據(jù)，在插值模塊中進行邊緣增強處理，節(jié)省了單獨進行邊緣增強處理所需要的SRAM，節(jié)省了器件的很多面積，從而節(jié)省了成本。
文檔編號G06T5/00GK101452573SQ20071007756
公開日2009年6月10日 申請日期2007年12月4日 優(yōu)先權(quán)日2007年12月4日
發(fā)明者茂 彭, 胡文閣, 傅璟軍 申請人:比亞迪股份有限公司