基于距离与面积加权算法绘制实时视频警戒线反走样技术

2014-12-25王浩兵苏应敢

城市建设理论研究 2014年37期

王浩兵苏应敢

摘要：

智能视频监控系统中，在实时视频上绘制警戒线会呈现锯齿状或阶梯状外观，警戒线周边视频失真，严重影响视频展示效果，用户体验差。如何消除或减轻走样现象，给人视频上产生更舒适更准确的警戒线图形，在以视频图形交互为核心的监控系统中，具有极其重要的意义。该文提出了一种基于距离与面积加权算法绘制实时视频警戒线反走样技术，该对警戒线边缘像素灰度级别进行调整，线条过渡流畅，有效提高警戒线平滑效果。

关键字：智能视频监控系统, 警戒线, 反走样

中图分类号：C35文献标识码： A

Abstract:

In intelligent video monitoring system, warning lines drawed on the real-time video appear jagged or ladder-like, and the video around the warning lines is distorted.All above will seriously affect the video display and have an bad effect on user experience. How to eliminate or reduce the distortion in order to create more comfortable and more accurate warning lines, it is of extremely important significance in the video monitoring system which uses the video graphics interaction as the core. In this paper, an antialiasing technique used for drawing warning lines on the real-time video, which is based on distance and area weighted algorithm is proposed. This algorithm can adjust the gray level of warning lines' edge pixel, smooth the transition of lines and effectively improve the smoothing effect of warning lines.

Key words:

intelligent video monitoring system; warning lines; antialiasing

1、概述

在光栅图形显示器上绘制非水平且非垂直的直线或多边形边界时，或多或少会呈现锯齿状或台阶状外观。这是因为直线、多边形、色彩边界等是连续的，而光栅则是由离散的点组成，在光栅显示设备上表现直线、多边形等，必须在离散位置采样。由于采样不充分重建后造成的信息失真，就叫走样(aliasing)。而用于减少或消除这种效果的技术，就称为反走样(antialiasing)。如何消除或减轻走样现象，给人视频上产生更舒适更准确的警戒线图形，在以视频图形交互为核心的监控系统中，具有极其重要的意义。

2、技术现状

基本上反走样方法可分为两类。第一类是提高分辨率,即增加采样点(提高采样频率)。然而，CRT光栅扫描设备显示非常精细光栅的能力是有限的，因此人们通常是在较高分辨率上对光栅进行计算，然后采用某种平均算法(滤除高频分量)得到较低分辨率的象素的属性，并显示在分辨率较低的显示器上。这种方法称为超采样或后置滤波。另一类反走样是把像素作为一个有限区域，对区域采样来调整像素的亮度，以光顺边界来减小锯齿现象。这种方法等价于图像的前置滤波。然而在实际应用中，这两种算法虽能减轻走样现象，但处理效率和反走样效果并不理想，在处理后仍存在着锯齿现象。

3、基于现有技术提出快速高效新反走样算法

基于当前技术现状，提出了新的算法，距离与面积加权算法绘制实时视频警戒线反走样的处理算法。此算法是根据理想的警戒线距离和面积对像素的灰度级别进行调整，分为基于警戒线距离加权子算法和基于加权面积子算法。

3.1基于距离加权反走样子算法

基于距离加权反走样子算法是采用空间混色原理来对警戒线进行修正。空间混色原理指出，人眼对某一区域颜色的识别是取这个区域颜色的平均值。距离加权反走样算法原理是对于理想警戒线上的任一点，同时点亮两个以不同灰度级别显示的相邻像素。

已知警戒线L[point(x0,y0),point(x1,y1)],警戒线L的斜率为k(0

图一、警戒线灰度模型

警戒线上左下角的点，可用像素点P5和像素点 P4按不同的灰度级别共同表示，像素点离警戒线越近，其灰度值越大，离警戒线越远，其灰度值就越小，但二者的灰度级别之和等于255。在 RGB(bRedbGreen，bBlue)函数中，当 bRed、bGreen、bBlue 3 个值的变化率不同时，出现彩色;当 bRed、bGreen、bBlue 的 3 个值变化率相同时，出现灰度。bRed、bGreen、bBlue3 个分量的值都在 0~255 之间，共有 256 种灰度级别，并且灰度值越大像素越亮，灰度值越小像素越暗。本算法将灰度级别规范化为闭区间〔0,1〕，使用时乘以 255 即可。

然而仅通过距离维度计算，同时显示上下相邻的两个点，会出现视觉效果比理想警戒线的线条膨胀变粗的情况，因此仅通过距离维度无法做到精细化绘制效果，为解决此问题，引入从面积维度计算与距离维度相结合的技术。将理想线条看做是具有一定宽度的矩形，当警戒线与像素有相交时，通过该区域距离像素的中心距离，来确定像素点亮度。

警戒线距离加权反走样算法没有考虑像素的面积，仍然假定像素是数学上面积为零的一个点，像素的颜色是由像素中心的颜色决定的。从图二中看到，实际上像素并不是一个点，而是个正方形区域;屏幕上所绘制的警戒线也不是数学意义上的无宽度的理想线段，而是宽度至少为一个像素单位的长方形线条。

图二、警戒线宽度模型

3.2基于加权面积子算法

基于加权面积子算法，是将警戒线看作是具有一定像素宽度的矩形长条，矩形长条在光栅设备上所覆盖过的像素的光强和该像素被覆盖的面积成正比。假设警戒线线条的斜率为 k（0≤k≤1），在传统的算法计算过程中，通过当前判别式 d和斜率 k 的值，判断出当前像素点是属于图三描述中的哪一种被覆盖情况。再根据所推导出的公式计算出被覆盖面积，并根据面积的比例分配光强。

图三、警戒线覆盖面积图

各相交面积的计算公式如下：

同时，考虑算法的效率，对此面积加权反走样子算法做了如下的优化。

引入两个判别式d1和d2,如图四，并简化像素覆盖面积的计算,算法如下:

图四、算法简化模型

1）输入警戒线的两端点P0(X0,Y0)和P1(X1,Y1);

2）计算初始值K=(Y1-Y0)/(X1-X0),Len=,d1=1,d2 = 2-Len,x=x0,y=y0;

3）判断d1的值，若d1-k<0,则area_d=(d1*d1)/2K,使用亮度area_d*I_max绘制点(x,y)；

4）判断d2的值，若d2-k<0,则area_u=(k-d2)*(k-d2)/2K,使用亮度area_u*I_max绘制点(x,y+2)；否则，area_u=1-d2+k,使用亮度area_u*I_max绘制点(x,y+1)；

5）d1更新为d1-k,d2更新为d2-k.若d1<0,则(x,y)更新为(x+1,y+1)，否则，更新为(x+1,y)；

6）当警戒线没有绘制完成时，重复步骤3、4、5，否则结束，此步骤充分利用警戒线段存在的多段相似性，运算简单，可有效提高反走样处理速度。

3.3融合基于距离反走样子算法与面积反走样子算法