一種基于改進(jìn)的邊緣插值的運(yùn)動(dòng)自適應(yīng)去隔行算法

安慧中，劉衛(wèi)東,2

（1.中國(guó)海洋大學(xué) 信息學(xué)院，山東 青島 266100；2.青島海信電器股份有限公司 山東 青島 266072）

由于傳統(tǒng)模擬電視廣播傳輸帶寬的限制和陰極射線管電視的掃描頻率的限制，電視廣播信號(hào)是以隔行視頻格式傳輸?shù)?。而隨著數(shù)字電視和高清晰度電視技術(shù)的發(fā)展和成熟，逐行掃描的新型平板顯示器件成為主流的顯示終端。為了使隔行信號(hào)能夠在逐行掃描的設(shè)備上顯示，需要將隔行掃描的信號(hào)轉(zhuǎn)變?yōu)橹鹦袙呙璧男盘?hào)。

去隔行技術(shù)大體可以分為3類(lèi)：線性濾波[1]、運(yùn)動(dòng)自適應(yīng)[2-3]和運(yùn)動(dòng)補(bǔ)償[4]。線性濾波方法主要有行復(fù)制、行平均、場(chǎng)合并等，其實(shí)現(xiàn)較為簡(jiǎn)單，但實(shí)際應(yīng)用效果較差。運(yùn)動(dòng)自適應(yīng)方法是根據(jù)運(yùn)動(dòng)信息區(qū)分運(yùn)動(dòng)或靜止區(qū)域并采用不同的插值方式，對(duì)于靜止部分的處理效果較好，而對(duì)于運(yùn)動(dòng)部分也能消除場(chǎng)間插值帶來(lái)的鋸齒、羽化等現(xiàn)象。運(yùn)動(dòng)補(bǔ)償方法是目前比較先進(jìn)的算法，但計(jì)算量太大，硬件實(shí)現(xiàn)復(fù)雜度過(guò)高，插值結(jié)果對(duì)運(yùn)動(dòng)估計(jì)的誤差非常敏感，所以這種算法一般應(yīng)用在設(shè)計(jì)復(fù)雜的高端產(chǎn)品中。本文介紹的運(yùn)動(dòng)自適應(yīng)方法是經(jīng)過(guò)改良的運(yùn)動(dòng)檢測(cè)[5]和邊緣自適應(yīng)插值的新型運(yùn)動(dòng)自適應(yīng)方法，其算法主要包括運(yùn)動(dòng)檢測(cè)、改進(jìn)的邊緣插值和加權(quán)求插值及濾波[6]。運(yùn)動(dòng)檢測(cè)方法，能夠有效的利用4個(gè)鄰場(chǎng)數(shù)據(jù)對(duì)待插值像素點(diǎn)的運(yùn)動(dòng)情況進(jìn)行判斷，通過(guò)時(shí)空加權(quán)的方法計(jì)算介于靜止和運(yùn)動(dòng)之間的像素插值；對(duì)于邊緣插值，改善了無(wú)法進(jìn)行水平邊緣判斷的狀況，加入了水平邊緣判斷的算法；對(duì)不同運(yùn)動(dòng)情況的像素的計(jì)算得到插值，聯(lián)合上下直接插值進(jìn)行中值濾波，以減少誤差。

1 運(yùn)動(dòng)檢測(cè)

運(yùn)動(dòng)自適應(yīng)方法本質(zhì)上是通過(guò)運(yùn)動(dòng)檢測(cè)將待插像素所在區(qū)域分為靜止、慢速運(yùn)動(dòng)和運(yùn)動(dòng)區(qū)域，將場(chǎng)間直接插值和改良后的場(chǎng)內(nèi)行平均插值混合的方法。運(yùn)動(dòng)檢測(cè)的好壞直接影響運(yùn)動(dòng)自適應(yīng)方法處理圖像的效果，使用一種較為完善的運(yùn)動(dòng)檢測(cè)方法，是運(yùn)動(dòng)自適應(yīng)達(dá)到理想效果的前提。

本算法以待插像素點(diǎn)為中心，取本身及周?chē)?4個(gè)點(diǎn)，共14個(gè)點(diǎn)為一個(gè)單元塊，以這個(gè)單元塊為單位，通過(guò)與相鄰時(shí)刻的單元塊的像素值進(jìn)行比較，得出這個(gè)單元塊的運(yùn)動(dòng)情況，并代表中心待插像素的運(yùn)動(dòng)情況。由于隔行視頻信號(hào)是按照奇偶行交替的順序進(jìn)行傳輸，相鄰兩場(chǎng)的奇偶場(chǎng)并不能提供完整的兩個(gè)單元塊，于是引入相鄰四場(chǎng)的數(shù)據(jù)進(jìn)行處理，將相鄰的不同時(shí)刻4場(chǎng)進(jìn)行組合可以得出兩個(gè)完整的5×3單元塊，進(jìn)行取差求和，求的一個(gè)量值MAD，經(jīng)過(guò)與給出的閾值Tmin與Tmax比較，得出中心待插像素所在單元塊的運(yùn)動(dòng)情況，也就是中心待插像素的運(yùn)動(dòng)情況。如圖1所示，通過(guò)計(jì)算t-1和t+1場(chǎng)的i行對(duì)應(yīng)的像素差和t與t-2場(chǎng)的i-1與i+1行對(duì)應(yīng)的像素差，求得MAD：

將MAD值與閾值Tmin和Tmax進(jìn)行比較，若MAD值小于閾值Tmin，則待插像素處于靜止?fàn)顟B(tài)，若MAD值大于Tmax，則待插像素處于快速運(yùn)動(dòng)狀態(tài)，若MAD值處于Tmin與Tmax之間，則待插像素處于慢速運(yùn)動(dòng)狀態(tài)。其運(yùn)動(dòng)狀態(tài)用一個(gè)MD來(lái)表示：

圖1 連續(xù)四場(chǎng)的單元塊Fig. 1 Cell blocks of adjacent four fields

2 基于水平方向和小角度的邊緣插值

基于邊緣插值的方法一直得到廣泛的應(yīng)用，最簡(jiǎn)單的邊緣行平均算法，只能檢測(cè)45°、90°和135°的邊緣，邊緣檢測(cè)結(jié)果比較粗糙；后來(lái)又經(jīng)過(guò)角度的擴(kuò)展，增加周?chē)袼氐乃阉鏖L(zhǎng)度，這些算法逐步的縮小了邊緣搜索的角度，但是依然無(wú)法完全檢測(cè)出水平邊緣。

傳統(tǒng)的基于邊緣插值的方法如圖2所示，白色像素為待插像素X(i, j)，灰色像素為本場(chǎng)已存在像素，通過(guò)尋找以待插像素為中心點(diǎn)的上下行具有相同邊緣方向的對(duì)角像素對(duì)來(lái)進(jìn)行插值。對(duì)角像素的絕對(duì)差值越小，邊緣方向相關(guān)性越大，取絕對(duì)差值最小的方向作為邊緣方向，并對(duì)對(duì)角像素取平均值，作為待插像素的插值。

圖2 傳統(tǒng)邊緣插值法Fig. 2 Traditional edge-based line averaging

本文算法在以上算法的基礎(chǔ)上加以改進(jìn)，提高了邊緣的檢測(cè)能力，算法的改進(jìn)在于以下兩個(gè)方面：

一是對(duì)于具有相同邊緣的像素對(duì)求差值的同時(shí)，考慮到待搜索像素的誤差，將待搜索像素周?chē)南袼丶{入計(jì)算范圍，增加邊緣搜索的精確度。

如圖3所示，以X(i-1, j+2)與X(i+1, j-2)像素對(duì)為例，通過(guò)增加待插值像素周?chē)鷥蓚?cè)的像素，共取五對(duì)對(duì)角線像素取絕對(duì)差值，分別為X(i+1, j-1)與X(i+1, j-2)，X(i-1, j+2)與 X(i+1, j-2)、X(i-1, j+3)與 X(i+1, j-2)、X(i-1, j+2)與 X(i-1,j+3)、X(i-1, j+2)與X(i-1, j+1),將這5對(duì)像素絕對(duì)差值求和，比較搜索長(zhǎng)度內(nèi)所有5對(duì)像素絕對(duì)差值和，最小值對(duì)應(yīng)的像素對(duì)的方向即為邊緣所在方向，在比較所有像素絕對(duì)差值和時(shí)都要與前一對(duì)的值進(jìn)行插值，如果差值超過(guò)某個(gè)值，則此像素對(duì)及后面的像素對(duì)都要舍去，不予考慮，因?yàn)榇藭r(shí)像素對(duì)已經(jīng)發(fā)生跳變，失去搜索邊緣的價(jià)值。對(duì)求得的像素對(duì)取均值，即為待插像素的邊緣插值。

圖3 改進(jìn)的邊緣插值法Fig. 3 Improved edge-based line averaging

二是增加水平邊緣搜索，解決了傳統(tǒng)邊緣搜索無(wú)法判斷水平方向邊緣的缺點(diǎn)。

圖4 水平邊緣搜索Fig. 4 Horizonal edge search

如圖4所示，如果在待插像素的上下行的像素邊緣在一定的搜索范圍內(nèi)是相同的，則直接取上下平均插值，即為待插像素插值。

3 加權(quán)求插值及濾波

上文通過(guò)運(yùn)動(dòng)檢測(cè)獲得了待插像素的運(yùn)動(dòng)狀態(tài)MD，由MD的值表示待插像素的實(shí)際運(yùn)動(dòng)狀態(tài)。

1)當(dāng)MD=0時(shí)，待插像素是靜止?fàn)顟B(tài)，待插像素的插值由場(chǎng)間插值得到，取兩場(chǎng)對(duì)應(yīng)位置的像素均值，X(i, j, t)'=Xif(i, j, t)=(X(i, j, t-1)+X(i, j, t+1))/2,即為插值像素。

2)當(dāng)MD=1時(shí)，待插像素是運(yùn)動(dòng)狀態(tài)，待插像素由改進(jìn)的邊緣插值方法得到，即X(i, j, t)=Xm_ela(i, j, t)。

3)當(dāng)0＜MD＜1時(shí)，待插像素處于慢速運(yùn)動(dòng)狀態(tài)，其插值由場(chǎng)間插值和改進(jìn)的邊緣插值的加權(quán)求和得到，若場(chǎng)間插值為Xif，改進(jìn)的邊緣插值為Xm_ela，則待插像素的插值為X(i, j, t)'=(1-MD)×Xif(i, j, t)+MD×Xm_ela(i, j, t)。

4)經(jīng)插值獲得的新像素可能會(huì)與周?chē)袼夭顒e很大，在圖像中形成噪點(diǎn)。為了消除誤差，本算法采用濾波方法，如果插值獲得的值是此三像素的中值，則插值即為新像素值，若新像素值同時(shí)大于或者同時(shí)小于另外兩個(gè)像素，則新像素值取對(duì)應(yīng)位置上下行像素的均值，即

4 實(shí)驗(yàn)結(jié)果及分析

將上述算法在MATLAB[7-8]中實(shí)現(xiàn)所得結(jié)果如圖5～圖7所示。

圖5 待處理的相鄰場(chǎng)圖像Fig. 5 Images of adjacent fields to be processed

圖6 基于傳統(tǒng)邊緣插值得出的相鄰幀F(xiàn)ig. 6 Images of adjacent frames based on traditional edge-based line averaging

圖7 基于改進(jìn)的邊緣插值得出的相鄰幀F(xiàn)ig. 7 Images of adjacent frames based on improved edge-based line averaging

如圖5所示，圖(a)、圖(b)是飄揚(yáng)的旗子的相鄰場(chǎng)圖像,圖(c)、圖(d)是鐘擺的相鄰場(chǎng)圖像。將場(chǎng)圖進(jìn)行處理后得到的相應(yīng)場(chǎng)所對(duì)應(yīng)的相應(yīng)幀的圖像。如圖6所示，是基于傳統(tǒng)邊緣插值所獲得的相鄰幀圖像。如圖7所示，是基于改進(jìn)的邊緣插值得出的相鄰幀圖像。在細(xì)節(jié)的邊緣上圖7的效果優(yōu)于圖6的效果。

圖8 不同方法的細(xì)節(jié)Fig. 8 Details based on different methods

下面以邊緣效果明顯的細(xì)節(jié)圖像來(lái)說(shuō)明，如圖8所示，圖(a)、圖(b)分別為完整相鄰場(chǎng)圖像，圖(c)為基于傳統(tǒng)邊緣插值的局部細(xì)節(jié)圖，圖(d)為未引入水平邊緣搜索的改進(jìn)的小角度邊緣插值局部細(xì)節(jié)圖，圖(e)為改進(jìn)引入了水平邊緣搜索的改進(jìn)的小角度邊緣插值局部細(xì)節(jié)圖。通過(guò)3個(gè)細(xì)節(jié)圖的對(duì)比得出引入水平邊緣搜索的改進(jìn)的邊緣插值算法為最優(yōu)。

5 結(jié)束語(yǔ)

本文提供的運(yùn)動(dòng)自適應(yīng)去隔行算法改進(jìn)了運(yùn)動(dòng)自適應(yīng)去隔行算法運(yùn)動(dòng)部分的傳統(tǒng)邊緣插值算法，不僅使小角度邊緣搜索更加準(zhǔn)確，使得到的插值圖像更為清晰，更提出了基于水平邊緣的邊緣搜索方法，改善了傳統(tǒng)邊緣插值無(wú)法進(jìn)行水平邊緣搜索的弱點(diǎn)，進(jìn)一步的提高了圖像的清晰度。

[1] Haan G de,Bellers E B.Deinterlacing)An overview [J].Proceedings of the IEEE,1998,86(9):1839-1857.

[2] 劉政林,劉菊,鄒雪城,等.一種新型運(yùn)動(dòng)自適應(yīng)去隔行算法[J].微處理機(jī),2008(6):116-118.LIU Zheng-lin,LIU Ju,ZOU Xue-cheng et al.A novel motion adaptive de-interlacing algorithm[J].Microprocesso rs,2008(6):116-118.

[3] Lin S F,ChangY L,Chen LG. Motion adaptive de-interlacing with horizontal motion detection and ELA with median [C]//Proceedings of 2003 IEEE International Symposium on Circuits and Systems(ISCAS 2003),2003: 696-699.

[4] 楊柳，徐維樸.一種新型基于運(yùn)動(dòng)補(bǔ)償?shù)淖赃m應(yīng)去隔行算法[J].微電子學(xué)與計(jì)算機(jī),2002(9):4-6,11.YANG Liu,XU Wei-pu.Anoveladaptive de-interlacing algorithm based on motion compensation[J].Microelectronics and computer,2002(9):4-6,11.

[5] 普玉偉，葉兵，曾德瑞，等.一種運(yùn)動(dòng)自適應(yīng)去隔行技術(shù)及其VLSI結(jié)構(gòu)[J].電視技術(shù),2011(21):40-44.PU Yu-wei,YE Bing,ZENG De-rui,et al.A motion adaptive de-interlacing technique and VLSI architecture[J]. Video Engineering,2011(21):40-44.

[6] 羅韜,姚素英,史再峰,等.自適應(yīng)加權(quán)濾波的去隔行算法及其FPGA實(shí)現(xiàn)[J].吉林大學(xué)學(xué)報(bào):工學(xué)版,增刊2,2008(9):281-286.LUO Tao,YAO Su-ying,SHI Zai-feng,et al.Adaptive weighted filter de-interlacing algorithm and FPGA implementation[J].Journal of Jilin University:Engineering Science,Sup2,2008(9):281-286.

[7] 韋煒.常用圖像邊緣檢測(cè)方法及Matlab研究[J].現(xiàn)代電子技術(shù),2011(4):91-94.WEI Wei.Comparative study on some common edge detection methods based on Matlab[J].Modern Electronics Technique,2011(4):91-94.

[8] 劉麗，蘇賦，田芳，等. 基于Matlab的圖像感興趣區(qū)域提取[J].現(xiàn)代電子技術(shù),2013(8):117-120.LIU Li,SU Fu,TIAN Fang，et al.Matlab-based extraction of interested image regions[J].Modern Electronics Technique，2013(8):117-120.