基于边缘的实时图像缩放算法研究

传统的基于图像边缘的插值算法由于自身的复杂性而很少用于实时图像处理,而不基于边缘的插值算法由于低通滤波的效应通常会使插值后的图像出现边缘模糊,影响视觉效果。针对上述问题,提出了一种基于边缘的自适应图像插值算法。该算法以相邻像素的二阶差分为基础,自动选择与目标像素点相对应的源像素组进行插值运算。在Matlab环境中实现了各种图像插值算法,然后对插值结果进行了主客观评价,并对各种算法获得的图像进行了边缘检测及复杂度分析。同时,设计了本文算法的硬件实现结构,并用Verilog语言进行描述,综合出目标代码,最后通过FPGA验证。研究表明,运用该算法插值获得了边缘清晰的目标图像,且该算法复杂度低,便于硬件实现。因此,该算法能有效地实现图像插值,适应于实时条件下的图像缩放。     

基于Sobel算子的自适应图像缩放算法

为了提高图像的缩放质量,提出一种自适应图像缩放算法。当原图像像素点处于边缘区域时,沿Sobel算子确定的边缘方向进行自适应插值,当原图像像素点处于非边缘区域时,采用双线性插值法进行插值。实验结果表明,Sobel算子可有效获得图像边缘特性,该算法能通过较低的运算复杂度获得较好的图像缩放质量。     

基于OTSU的图像插值算法

在图像畸变矫正和图像缩放过程中,需要使用插值算法对像素点进行插值。为了更好地保留图像的纹理细节,以及降低算法时间复杂度,论文提出一种基于OTSU的图像插值算法。利用被插值点四邻域像素的方差来划分图像区域,并采用OTSU算法确定阈值,对图像平坦区域采用双线性插值,而图像纹理细节部分采用双三次插值。实验结果表明,该算法很好地保留了图像细节部分,算法时间复杂度较低,获得的图像质量高,算法具有一定的实用价值。     

双二次B-样条插值图像缩放

双线性和各种双三次插值方法是图像缩放中常用方法,但是双二次插值函数却很少被人提起。本文提出了一种基于双二次B-样条局部插值的图像缩放方法,该算法在图像局部重构过程中对称地采用了4×4采样点,并通过对该函数进行重采样来实现图像的缩放,避免了二次函数在图像重构与采样中的相位失真问题,此算法是一个局部性算法,易于扩展。实验结果表明,本文算法得到的图像的峰值信噪比(PSNR)、MISSIM值比双线性插值、双三次卷积、Catmull-Rom三次插值、Dodgson插值算法都要好,接近于最好的双三次B-样条算法,视觉效果虽然不如双三次B-样条插值算法,但优于Dodgson方法,计算时间比双三次B-样条减少了近三分之一。由于该算法没有对图像边缘特征进行特殊处理,对于一些细节纹理比较丰富的图像,将进一步研究。     

自适应Catmull-Rom样条图像放大

针对Catmull-Rom样条图像插值放大不能保证图像内各物体之间边界清晰的问题,提出一种基于几何分类的自适应Catmull-Rom样条图像插值放大算法.通过对原图像的边缘进行几何分类,根据原图像的边缘几何类型插值目标图像中的未知像素点;若未知像素点为原图像中的边缘,则调整Catmull-Rom样条的切向方向和切向长度来计算未知像素值,得到边缘保持的目标图像.实验结果表明,应用该算法得到的目标图像边界清晰、细节模糊减少,忠实地反映了原图像的面貌.     

基于有理样条的图像缩放算法

提出基于双三次有理插值样条模型的图像缩放算法.用有理插值样条函数将离散数字图像建成相应的连续数学模型,然后按缩放要求进行重新采样,实现图像的缩放.实验结果表明:该算法能有效地应用于数字图像的缩放处理,得到的图像轮廓清晰、边界分明,且算法简单,易于实现.     

基于Canny边缘检测的Catmull-Rom图像放大

为了较好地保持图像的边缘信息,提出一种基于Canny边缘检测的Catmull-Rom图像插值放大算法。首先用Canny算子检测出原图像的边缘;然后,根据插值目标图像未知像素点时,目标图像与原图像的相似性,如果未知像素点为边缘点,则调整Catmull-Rom的切向和切向长度。实验结果表明,该算法比传统算法的边缘更加清晰,保持了边缘的尖锐特征,减少了锯齿,提高了图像的质量。     

基于误差修正的自适应边缘保持图像插值

传统插值算法容易产生细节模糊和边缘锯齿效应,而边缘是图像的重要信息,直接影响插值图像的视觉效果.为了解决这一问题,提出了一种新的基于误差修正的自适应边缘保持插值算法.首先将原图像向插值图像进行映射,再定义一个3×3的滑动窗口,用水平和垂直两个模板确定边缘类型,根据边缘类型进行插值,最后对仍未定义像素点用插值误差定理进行处理,总体上对所有像素都进行了分情况插值处理.实验结果表明,本算法有效地保持了图像的边缘信息,能够获得视觉质量较好的插值图像,且算法比较简单,容易实现.     

改进型快速NEDI图像插值实现算法

针对经典新边缘指导插值(NEDI)算法存在的计算复杂度高、硬件实现困难、插值系数误差累计导致放大图像边缘噪声大的缺陷,提出一种改进的快速NEDI算法。算法采用圆形窗口计算插值系数,且该插值系数在高倍放大中可重复使用,避免了迭代计算插值系数引入的误差,并节省了迭代计算的时间。同时,对边缘区域非中心像素插值时,采用和被插点相邻的6个原像素点估计高分辨率图像的局部协方差。最后给出实验,并与双立方插值及经典NEDI算法进行比较。实验结果表明,使用改进算法插值后的图像边缘更加清晰,消除了大比例缩放时锯齿现象,提高了图像的视觉质量,计算复杂度也较经典NEDI算法大大降低。     

基于Hermite插值的视频图像分辨率匹配电路设计

目前常用的图像分辨率匹配算法,存在着缩放效果模糊或硬件消耗过大等问题。综合缩放效果和电路消耗考虑,提出了一种基于三次Hermite插值算法的图像分辨率匹配电路。以基于数字差分分析算法的模块控制插值源像素的选取,以Hermite算法为内核完成插值系数的计算,相对双三次插值算法,保证了较小的硬件消耗。通过均方差、峰值信噪比、灰度梯度模值和傅里叶频谱对Hermite插值算法缩放效果与其余算法缩放效果进行定量分析,表明三次Hermite插值算法比双线性插值算法具有更好的缩放效果。同时通过电路综合结果,表明该电路相对基于双三次插值的电路,硬件消耗更小。     

基于误差修正的自适应边缘保持图像插值

传统插值算法容易产生细节模糊和边缘锯齿效应,而边缘是图像的重要信息,直接影响插值图像的视觉效果。为了解决这一问题,提出了一种新的基于误差修正的自适应边缘保持插值算法。首先将原图像向插值图像进行映射,再定义一个3×3的滑动窗口,用水平和垂直两个模板确定边缘类型,根据边缘类型进行插值,最后对仍未定义像素点用插值误差定理进行处理,总体上对所有像素都进行了分情况插值处理。实验结果表明,本算法有效地保持了图像的边缘信息,能够获得视觉质量较好的插值图像,且算法比较简单,容易实现。     

基于Sobel算子和均匀插值的非线性缩放算法

针对图像缩放后产生的图像畸形与拉伸问题,提出一种基于Sobel算子和均匀插值的非线性缩放算法。通过图像能量区分出图像强势区域和弱势区域,在保护强势区域的同时,对弱势区域进行非线性均匀插值缩放。实验结果表明,该算法可解决图像缩放时主体区域产生的畸变问题,保证边缘区域的平稳过渡。     

基于区域划分的快速图像插值算法

图像插值是将低分辨率图像放大后提高视觉效果的有效方法,传统算法中有较简单且算法复杂度小的方法,但插值后的图像常常有锯齿边缘或者效果模糊,因而实际应用并不广泛。为克服以上缺陷,提出了一种先将图像进行区域划分,然后再进行快速图像插值的算法,既保证了算法较低的复杂度,又优化了图像显示效果,适合实际应用。     

划痕图像的连分式插值修补算法

目的 图像修复在图像处理中起着举足轻重的地位,针对目前大部分图像修补算法在修复划痕时存在纹理修复不够突出的缺陷,提出了两种基于连分式插值的修补算法,可以较好保持图像纹理的特性。方法 该算法基于连分式插值理论,采用图像破损点周围像素信息来插值出破损点的像素值。根据插值函数和插值窗口的不同,提出了两种插值方法,即Thiele型修补算法与Newton-Thiele型修补算法,解决不同纹理类型图像的划痕修补问题,并对插值过程中出现的奇异点问题和平移问题提出了行之有效的解决办法。结果 对大量的划痕图像进行实验测试,并通过主观评价和客观评价进行评估。客观评价包括峰值信噪比（PSNR）和运行时间的比较。相对于目前流行的一些修补方法来说,本文算法有更好的视觉效果,更高的峰值信噪比和更短的运行时间,峰值信噪比为44.79 dB,运行时间为0.53 s。结论 Thiele型修补算法更加擅长处理纹理垂直于划痕的图像,而Newton-Thiele型修补算法适用于复杂纹理的图像。     

基于细分的图像插值算法

将基于法向的曲线细分技术应用到图像插值中，提出一种基于细分的图像插值算法．该算法无须建立中间连续图像模型，能自适应地插值，而且插值系数可为任意正实数．应用该算法插值后的边界清晰、自然，忠实地反映了原始图像的面貌．与传统的插值算法相比，其边界处理效果好，具有线性复杂度且易于实现．     

新的基于边缘检测提高图像质量的插值算法

通过对经典插值算法放大后得到的高分辨率图像先进行边缘检测,然后根据多方向边缘梯度变化,对边缘邻接像素点进行自相关模糊消除修正插值;多倍放大时采取小倍率循环修正方式实现.实验证明,算法克服了经典插值后图像的边缘锯齿和模糊效应,使修正优化后的图像清晰.对于RGB彩色图像先进行各分量色融合,再边缘检测,对提高图像质量也取得了明显的效果.     

基于图像增强的灰度插值算法

针对传统彩色滤波阵列（Color Filter Array，CFA）插值算法在图像识别前一般需要对彩色图像预处理，其中包括把插值后的彩色图像转化为灰度图像、平滑内部和锐化边缘，过程较为繁琐的问题，提出一种新的基于图像增强的灰度插值算法，即在插值过程中锐化图像的边缘并平滑内部，插值结果直接是一幅灰度图像并且保证图像的几何特性不变．实验结果表明此算法的有效性．