通过高频增强曲线提高图像清晰度的方法

袁 野，顾振宇

(上海对外贸易学院商务信息学院，上海 201620)

在数字电视视频后处理芯片中，提高清晰度算法至关重要。在视频后处理中，由于信号传输过程中损失了很多高频成分，引起了解码图像的模糊，提高图像清晰度算法的目的是合理补偿高频分量，使模糊的图像变得清晰，边缘部分得到进一步锐化。

增强清晰度算法可分为空域和频域的不同处理算法［1］。空域方法中有代表性的包括:拉普拉斯算法、反锐化掩模等;频域有代表性的有小波变换方法等［2-3］。但是频域算法相对复杂，一般不适合应用到视频后处理芯片中，而空域算法在图像细节增强的同时放大了噪声，尤其是在图像的平坦区域，背景噪声非常明显。

人们提出了很多方法，对减小噪声和对边缘不同程度地增强进行折中考虑［4-9］。如文献［2］把图像根据细节程度分为低、中、高三个区域，应用不同的增强因子，对低细节区域、中细节区域、高细节区域做不同程度的增强，但因为增强因子的复杂以及不连续性，很难保证增强后图像的高频分量能够保持增强前的单调性。即两个像素点比较，增强前后的高频分量的大小可能发生倒置。

为了克服上述缺点，本文提出一种新的基于高频增强曲线的对视频图像提升清晰度的处理方法。

1 基本原理

本文算法的提高清晰度的基本原理就是首先对图像进行分析，由空域信号计算出高低频分量，然后根据频率大小和性质不同，通过设置阈值，区分出哪些是需要抑制的噪声，哪些是需要增强的细节和小边缘，以及哪些是需要保持的大边缘。接着对噪声区域进行去噪处理，并应用高频增强曲线对高频分量进行不同程度的增强:低细节区域做很小增强，小边缘区域做较大增强，大边缘区域不做增强。使画面增强了轮廓和细节的同时，大边缘没有增强，因此没有白边的产生，这样增强后的高频分量可以保持原图像的单调性。

2 算法实现

2.1 计算高频分量

本文以反锐化掩模法为例进行说明，以N×N模板为单位计算图像的高、低频分量fH(i，j)和fL(i，j)，N可取3或5，即

式中:fL(i，j)表示原图像f(i，j)进行低通滤波后的低频分量;fH(i，j)表示原图与fL(i，j)差值运算后得到的高频分量。

传统的反锐化掩模法将fH(i，j)与一个修正因子相乘，再与原图叠加，提升了高频成分，而低频成分几乎不受影响，这就达到提高图像中高频成分、增强图像轮廓的目的。本文在此基础上应用高频增强曲线对高频分量进一步识别处理。

2.2 对高频分量分类进行识别和处理

对亮度信号的高频分量进行识别，分出噪声、细节、小边缘、大边缘，并进行如下增强处理。

1)计算核化降噪动态阈值T1。

计算动态阈值，根据该点高频分量判断该点是否属于噪声。用公式表示为

式中:T1为核化降噪的动态阈值，因为黑场景的噪声比较明显，所以设置成动态阈值。根据N×N模板内各像素的亮度平均值大小ave来调整，T0为固定阈值，可选0.5～5，通常选1.8。

2)应用非线性高频增强曲线，得到新的高频分量。

f′H(i，j)值随 fH(i，j)调整，如图 1 所示，f′H(i，j)=F(fH(i，j))，F是一非线性单调递增的曲线，它的增强程度可控制。f′H(i，j)值随 fH(i，j)调整的公式表示为

图1 高频`增强曲线示意图

式(3)含义为，如该点的高频分量的绝对值小于核化降噪阈值T1，则该点为噪声，将高频分量值f′H(i，j)置为0，以抑制掉小幅高频噪声，达到核化降噪的目的。

点(x1，y1)与(x2，y2)对应曲线上的两个点，加上点(T1，0)共3点可以决定高频增强曲线H的形状，通常参数控制点x1，y1，x2，y2的默认值选取10，28，30，50。fH(i，j)较小时，f′H(i，j)增强，可使细节突出;当 fH(i，j)较大时，f′H(i，j)的增长幅度变小;曲线与直线y=x相交的位置为T2，T2为大边缘点，大于T2将不再增强。

式(3)可解读为，在增强时，对噪声区域进行去噪处理。细节区域、小边缘区域做增强，等到高频分量再增大时，变为大边缘区域，新的高频分量不应该增强太过，无须再做增强，以防止画面变化太大。该方法的优点是没有硬性判断哪个区域属于细节，哪个区域属于小边缘，而是根据一条曲线的变化趋势，对不同区域段进行不同程度的处理。这样得到的增强图像，过渡平滑自然，且保持了高频分量的单调性。

2.3 获得增强信号

将对有用信号进行增强后的高频分量与低频分量叠加，即

式中:fout(i，j)为增强后的新图像。

3 算法的仿真结果

采用Verilog语言设计本文算法，视频处理平台采用Virtex-5的FPGA芯片进行了仿真验证，图2是系统仿真的结果。图2a为一幅细节丰富的视频图像，分辨率为720×480，分别应用反锐化掩模算法(见图2b)和本文算法(见图2c)对算法进行仿真。对图像效果进行比较，可以看出，反锐化掩模算法在播放视频的时候背景噪声很大，胡须等处出现白边过增强现象。图2c背景噪声较之图2b要干净很多，其图像的细节、小边缘地方如猫毛等得到了一定程度的增强，而大边缘地方，如胡须没有因为过增强而出现白边。实验结果说明应用本文提出的提高图像清晰度算法，有很好的实验效果。

图2 算法仿真结果

4 结束语

本文提出一种基于高频增强曲线的提升视频图像清晰度的处理方法，首先识别出噪声信号并平滑掉;然后对细节和小边缘，应用高频增强曲线进行不同程度的增强，同时保持了高频分量的单调性;如果属于大边缘，则不再增强。仿真结果表明，应用本文提出的方法增强后的视频图像，加强了细节的表现能力，控制了大边缘的过增强，消除了噪声，增强后的图像符合人眼视觉特性，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，张雄伟，甘仲民.基于小波变换的多尺度图像边缘处理［J］.电视技术，2001，25(8):20-22.

［3］任炎辉，李仅伟，毕卫红.一种优化参数的图像增强算法［J］.电视技术，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］刘明坤，龙奕，基于图像局部方差分布的自适应反锐化掩模算法［J］.贵州大学学报，2009，26(1):51-54.

［8］谢明果，何剑光.带噪声抑制的反锐化掩模图像增强算法［J］.现代电子技术，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.