[发明专利]一种基于单幅图像的保边插值超分辨率计算方法

说明书

技术领域

本发明涉及基于单幅图像的保边插值超分辨率计算方法，具体是提出图像处理中利用双三次插值、边缘检测和梯度锐化，选择和设计特定的算子和算法矩阵获得高效、轻量的能面向移动设备的算法，在速度和处理质量上能达到一个适于移动设备使用的平衡。

背景技术

随着移动互联网技术的迅猛发展现代科技的发展，人们在日常生活中会越来越多从互联网上的获取到各种各样的图像信息。但一幅图像的分辨率通常是固定的，一旦放大后就会出现锯齿、马赛克或图像变形等一系列的问题。严重影响到视觉效果。然而从硬件设备角度提高成像质量面临着高精度元件所带来的昂贵成本。如果能通过软件的算法把快速高效的把图像低分辨率转换成人们视觉上可以接受的清晰的高分辨率图像是目前非常需要的。这种基于软件的超分辨率技术的成果在移动设备、遥感、医学成像、公共安全监控系统等很多领域都有非常重要的应用价值，但目前尚未见有这方面的研究成果。

发明内容

发明目的：针对上述现有存在的问题和不足，本发明的目的是提供一种有效的单幅图像保边插值的计算方法，快速保质的超分辨率图像，支持在容量小、内核处理能力较低的移动电子设备上，存储低分辨率的图像，显示高分辨率图像。

技术方案：为实现上述发明目的，本发明采用的技术方案为一种基于单幅图像的保边插值超分辨率计算方法，能为移动设备提供高分辨率的图像，包括以下步骤：

1)采用Canny算子提取图像边信息，分离边部分与非边部分；

2)非边部分采用双三次插值方法保证质量与速度；

3)为边部分处理设计梯度矩阵；

4)根据梯度矩阵进行边缘修正，实现边部分锐化还原；

在上述步骤被处理后，即可把单幅图像转化成一幅高分辨率的图像。

进一步的，所述步骤1)采用Canny算子提取图像边信息，分离边部分与非边部分。指定两个阈值参数来控制边的检测，其中一个阈值控制初始图像的分割(基础分割)，另一个阈值控制初始分割后的细节分割。Canny算子还使用卷积去除噪声，在平滑的图像上利用图像的边缘梯度来判断边的趋向性。这是一种使用是最广泛、效果最优的边缘检测算法之一。

11)选取一张需要进行超分辨率处理的图像；

12)直接将彩色图像转换成灰度图像，或使用分离RGB颜色通道分离出3幅灰度图；

13)选择Canny算子检测出灰度图像的边；

在Matlab中，采用edge(Image,’Canny’)函数计算；

进一步的，所述步骤2)中采用非边部分采用双三次插值方法，保证图像的质量与处理速度的均衡。包括如下步骤：

21)在非边部分选用不易出现马赛克和锯齿，以及处理时间较快的双三线性插值算法；

22)根据已有离散数据集推断出新的数据点，每1像素点扩展出周围8个像素点；每个新像素点由周边最邻近的四个旧像素点以及像素变化率生成；

23)最终获得放大2倍，但轮廓模糊的图像。

进一步的，所述步骤3)中，设计出隔行求差的梯度矩阵，为边部分处理做准备。包括如下步骤：

31)如果中心点为需要判断梯度方向的点，根据周围的8个点的像素值判断该点向8个方向的趋近度；

32)通过加大垂直方向上的权重，弱化倾斜方向的权重，设计出隔行求差梯度矩阵；

33)获得垂直向上、垂直向下、水平向左、水平向右、右上方、右下方、左上方、左下方8个方向的梯度矩阵：分别为H1、H2、H3、H4、H5、H6、H7、H8；

进一步的，所述步骤4)中，选取适当的锐化参数，根据梯度矩阵进行边缘修正，实现边部分锐化还原。部分使用梯度矩阵计算每一个点与其周边8个点的像素值的梯度，计算出边沿的法向，依据锐化参数，从而根据该方向对插值过后的图像在边部分进行锐化还原。最终获得超分辨率的目标图像。包括如下步骤：

41)依次选取图像中每一个像素点根据1)分离边信息，和2)双三线性插值处理后该点，判断是否是边缘两侧像素点，直到处理完整幅图像的所有的像素点。

42)如果是边像素点，转向43)，如果是非边像素点，转向41)；

43)边缘两侧的像素点与这些梯度矩阵做卷积运算

44)采用冒泡算法确定梯度值最大的方向，使该像素点趋近于反方向；

45)使用修正公式：Ai＝(Ai*f-P*g)/(f-g)，其中P为边缘两侧的像素点，Ai为P点最大梯度方向上生成的新像素点，并选取锐化参数f＝8；g＝1。