图像的边缘增强方法和装置以及数码摄像设备的制作方法
【专利摘要】本发明公开了一种图像的边缘增强方法和装置以及数码摄像设备。其中，方法包括：对所述图像中的任一像素点进行粗糙边缘检测；判断该像素点是否为粗糙边缘；对该像素点进行细小边缘检测；判断该像素点是否为细小边缘；计算该像素点在细小边缘和粗糙边缘的不同方向上的边缘增强值，并输出该像素点的边缘增强结果；直接输出该像素点的值；重复执行上述步骤，直到处理完所述图像中的所有像素点。根据本发明的图像的边缘增强方法，通过对图像的所有像素点不但进行粗糙边缘判断，而且细小边缘的判断，并根据各像素点在粗糙边缘或细小边缘的不同方向上的边缘增强值，得出各像素点的边缘增强结果，从而增加了图像细节信息，提高了图像清晰度。
【专利说明】图像的边缘增强方法和装置以及数码摄像设备
【技术领域】
[0001]本发明涉及图像处理【技术领域】，特别地涉及一种图像的边缘增强方法和装置以及数码摄像设备。
【背景技术】
[0002]在数字图像的处理过程中，需要充分显示图像的细节信息，因此要求增强图像的边缘部分。图像的边缘部分指的是在图像中局部亮度变化明显的部分。
[0003]目前存在很多的图像边缘增强方法,例如，Sobel算法，Robert算法，Robinson算法，Laplace算法等，其中，最常用的是Sobel算法。
[0004]Sobel算法的优点是方法简单，处理速度快，但是缺点是处理后的图像的清晰度不闻。
【发明内容】
[0005]本发明旨在至少在一定程度上解决现有技术中的上述技术问题之一。
[0006]为此，本发明的一个目的在于提出一种能够提高图像清晰度的图像的边缘增强方法。
[0007]本发明的另一个目的在于提出一种图像的边缘增强装置。
[0008]本发明的又一个目的在于提出一种数码摄像设备。
[0009]为达到上述目的，本发明提出一种图像的边缘增强方法，包括以下步骤:S11、对所述图像中的任一像素点进行粗糙边缘检测；S12、判断该像素点是否为粗糙边缘，如果是，则执行步骤S16 ;S13、对该像素点进行细小边缘检测；S14、判断该像素点是否为细小边缘，如果是，则执行步骤S15，如果不是，则执行步骤S17;S15、计算该像素点在细小边缘的不同方向上的边缘增强值，并输出该像素点的边缘增强结果；S16、计算该像素点在粗糙边缘的不同方向上的边缘增强值，并输出该像素点的边缘增强结果；S17、直接输出该像素点的值；重复执行上述步骤SI 1-S17，直到处理完所述图像中的所有像素点。
[0010]根据本发明的图像的边缘增强方法，通过对图像的所有像素点不但进行粗糙边缘判断，而且细小边缘的判断，并根据各像素点在粗糙边缘或细小边缘的不同方向上的边缘增强值，得出各像素点的边缘增强结果，从而增加了图像细节信息，提高了图像清晰度。
[0011]为达到上述目的，本发明提出一种图像的边缘增强装置，包括:第一检测模块，用于对所述图像中的任一像素点进行粗糙边缘检测；第二检测模块，用于对所述像素点进行细小边缘检测；判断模块，用于判断所述像素点是否为粗糙边缘或细小边缘；计算模块，用于计算所述像素点在所述粗糙边缘或所述细小边缘的不同方向上的边缘增强值；以及增强模块，用于根据所述像素点的边缘增强值，输出所述像素点的边缘增强结果。
[0012]根据本发明实施例的图像的边缘增强装置，利用判断模块判断图像中各像素点是否为粗糙边缘或细小边缘，并根据计算模块计算各像素点在粗糙边缘或细小边缘的不同方向上的边缘增强值，通过增强模块输出各像素点的边缘增强结果，从而增加了图像细节信息，提高了图像清晰度。
[0013]为达到上述目的，本发明提出一种数码摄像设备，包括:本发明的图像边缘增强装置；开关，所述开关与所述图像的边缘增强装置连接；以及寄存器，所述寄存器与所述开关连接，用于控制所述开关的接通和关断。
[0014]根据本发明的数码摄像设备，通过设置上述的图像边缘增强装置，并在需要开启边缘增强功能时，通过寄存器控制打开开关进行正常的边缘增强操作，从而提高数码摄像设备生成的图像的清晰度。
[0015]本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
【专利附图】
【附图说明】
[0016]本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中:
图1是根据本发明第一实施例的图像的边缘增强方法的流程图；
图2是根据本发明第二实施例的图像的边缘增强方法的流程图；
图3是根据本发明第一实施例的对像素点A (i，j)进行粗糙边缘判断和边缘增强值计算的不意图；
图4是根据本发明第一实施例的以像素点A (i，j)为中心建立的第一矩阵的示意图； 图5是根据本发明第一实施例的以像素点A (i, j)为中心建立的第二矩阵的示意图； 图6是根据本发明第一实施例的图像的边缘检测装置的结构框图；
图7为根据本发明一实施例的数码摄像设备的结构框图。
【具体实施方式】
[0017]下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
[0018]本发明发现，在常规的边缘增强处理方法中，例如Sobel算法中，由于边缘的提取不够精细，因此容易丢失一些细节信息，导致图像的清晰度不高。因此，在本发明中，有效地检测图像的细小边缘，从而提高图像的清晰度。
[0019]图1为根据本发明第一实施例的图像的边缘增强方法的流程图，图3为根据本发明的第一实施例对像素点A (i, j)进行粗糙边缘判断和边缘增强值计算的示意图，如图1和图3所示，根据本发明第一实施例的图像的边缘增强方法包括以下步骤:
步骤S11、对所述图像中的任一像素点进行粗糙边缘检测。
[0020]在本发明的第一实施例中，利用Sobel算法检测粗糙边缘。
[0021]具体地，首先，以图像的任一像素点为中心建立第一矩阵。图4为根据本发明第一实施例的以像素点A (i, j)为中心建立的第一矩阵的示意图。如图4所示，在本发明的一个实施例中，第一矩阵为5X5矩阵。
[0022]然后，根据该第一矩阵分别计算该像素点的第一横向梯度H、第一纵向梯度V、45度方向梯度X和135度方向梯度Y。这是因为图像中其它方向的边缘不够典型，检测比较复杂，因此在本发明的实施例中只对上述四个方向进行检测。应理解的是，在本发明的其它实施例中，还可以对其它方向进行检测。具体地，以像素点A (i, j)为例，对该像素点的第一横向梯度、第一纵向梯度、45度方向梯度和135度方向梯度的计算方法如下:
像素点A(i，j)的第一横向梯度为H=| (2X A(i，j)+ A(i，j-1) +A(i, j+1))- (2XA(1-2，j)+ A(1-2, j-1)+ A(i_2，j+1) ) | +1 (2X A(i，j)+ A(i，j_l) +A(i, j+1))- (2XA(i+2, j)+ A(i+2, j-1)+ A(i+2, j+1)),
像素点A (i，j)的第一纵向梯度为V=| (2X A(i, j)+ A(1-1, j) +A(i+1, j)) - (2XA(i, j-2)+ A(1-1, j-2)+ A (i+1，j_2) ) | + | (2X A(i，j)+ A(i_l，j) +A(i+1, j)) - (2XA(i, j+2)+ A(1-1, j+2)+ A(i+1, j+2)),
像素点 A (i，j)的 45 度方向梯度为 X=| (2X A(i, j)+ A(1-1, j+1) +A(i+1, j-1)) - (2XA(1-l, j-1)+ A(1-2, j)+ A(i, j-2)) + (2X A(i, j)+ A(i_l，j+1) +A(i+1, j-1)) - (2XA(i+l, j+1)+ A(i, j+2)+ A(i+2, j)),
像素点 A (i，j)的 135 度方向梯度为 Y=| (2X A(i, j)+ A(1-1, j-1) +A(i+1, j+1)) - (2XA(1-l, j+1)+ A(1-2, j)+ A(i, j+2)) + (2X A(i, j)+ A(i_l，j-1) +A(i+1, j+1)) - (2XA(i+l, j-1)+ A(i, j-2)+ A(i+2, j)),
其中，A (i，j)、A(1-l，j)、A(1-2，j)、A(1-l，j-l)、A(1-2，j-l)、A(i_l，j+l)、A(i_l，j+2)、A(1-2，j+l)、A(i，j_l)、A(i，j_2)、A(i，j+l)、A(i，j+2), A (i+1, j)、A(i+l，j-1)、A(i+1, j-2)、A(i+l，j+1)、A(i+l，j+2)、A(i+2，j)、A(i+2，j-1)、A(i+2，j+1)和 A(i_l，j-2)为所述第一矩阵，即5X5矩阵中的各像素点的像素值。
[0023]步骤S12、判断该像素点是否为粗糙边缘，如果是，则执行步骤S16。
[0024]判断该像素点是否为粗糙边缘，具体为，根据该像素点的第一横向梯度、第一纵向梯度、45度方向的梯度和135度方向的梯度以及预设的粗糙阈值，判断该像素点是否为粗糙边缘。在本发明的一个实施例中，优先判断是否为横向边缘或纵向边缘，然后再判断是否为45度方向边缘和135度方向边缘。以像素点A (i，j)为例结合图3，具体的判断方法如下:
如果像素点A (i，j)的第一横向梯度H大于像素点A (i，j)的第一纵向梯度V与预设的第一阈值THl的和且大于预设的第二阈值TH2，即，H>V+TH1且ΗΧΓΗ2，则判断像素点A(i，j)为横向边缘；
如果像素点A (i，j)的第一纵向梯度V大于像素点A (i，j)的第一横向梯度H与预设的第一阈值THl的和且大于预设的第二阈值TH2，即，V>H+TH1且V>TH2，则判断像素点A(i，j)为纵向边缘；
如果像素点A (i，j)的45度方向的梯度X大于像素点A (i，j)的135度方向的梯度Y与预设的第一阈值THl的和且大于预设的第二阈值TH2，即，X>Y+TH1且ΧΧΓΗ2，则判断像素点A (i, j)为45度方向边缘；
如果像素点A (i，j)的135度方向的梯度Y大于像素点A (i，j)的45度方向的梯度X与预设的第一阈值THl的和且大于预设的第二阈值TH2，即，Y>X+TH1且ΥΧΓΗ2，则判断像素点A (i, j)为135度方向边缘。
[0025]需要说明的是，本实施例中的第一阈值THl和第二阈值TH2为经验值，具体地，第一阈值THl的取值范围为像素值15-32，第二阈值TH2的取值范围为像素值24-48。
[0026]步骤S13、对该像素点进行细小边缘检测。
[0027]在本发明的一个实施例中，利用Sobel算法检测图像的细小边缘。
[0028]具体地，首先，以所述像素点为中心建立第二矩阵，第二矩阵中的相关像素点的距离小于第一矩阵中的相关像素点的距离。图5为根据本发明第一实施例的以像素点A (i,j)为中心建立的第二矩阵的示意图。如图5所示，在本发明的一个实施例中，第二矩阵为3X3矩阵。
[0029]然后，根据该第二矩阵计算该像素点的第二横向梯度Hl和第二纵向梯度VI。这是因为，对于细小边缘来说，45度方向和135度方向的边缘不明显，因此在本发明的实施例中只计算横向和纵向的梯度。应理解的是，在本发明的其它实施例中，还可以对其它方向的梯度进行计算。具体地，以像素点A (i，j)为例，该像素点的第二横向梯度Hl和第二纵向梯度Vl的计算方法如下:
像素点A (i，j)的第二横向梯度为Hl=| (2X A(i, j)+ A(i, j-1) +A(i, j+1)) - (2XA(1-l, j)+ A(1-1, j-1)+ A(1-1，j+1)) | + | (2X A(i，j)+ A(i, j-1) +A (i, j+1) ) - (2XA(i+l, j)+ A (i+1, j-1) + A (i+1, j+1) ) I，
像素点 A (i，j)的第二纵向梯度为 Vl= (2 X A(i, j)+ A(1-1, j)+ A(i+1, j))- (2 XA(i, j-1)+ A(1-1, j-1)+ A(i+1, j-1)) + (2X A(i, j)+ A(i_l，j)+ A(i+1, j)) - (2XA(i, j+1) + A(1-1, j+1) + A(i+1, j+1) ) |。
[0030]其中，A(i，j)、A(i_l，j)、A(i_l，j-l)、A(i_l，j+l)、A(i，j_l)、A(i，j_2)、A(i，j+1)、A (i+1，j)、A(i+l，j-1)和A (i+1，j+1)为所述第一矩阵，即3X3矩阵中的各像素点的像素值。
[0031]S14、判断该像素点是否为细小边缘，如果是，则执行步骤S15，如果不是，则执行步骤 S17。
[0032]判断该像素点是否为粗糙边缘，具体为，根据该像素点的第二横向梯度、第二纵向梯度以及预设的细小阈值，判断该像素点是否为细小边缘。具体的判断方法如下:
如果像素点A (i，j)的第二横向梯度Hl大于像素点A (i，j)的第二纵向梯度Vl与预设的第三阈值TH3的和且大于预设的第四阈值TH4，S卩，HDV1+TH3且Η1ΧΓΗ4，则判断像素点A (i, j )为横向边缘；
如果像素点A (i，j)的第二纵向梯度Vl大于像素点A (i，j)的第二横向梯度Hl与预设的第三阈值TH3的和且大于预设的第四阈值TH4，S卩，VDH1+TH3且V1>TH4，则判断像素点A (i, j)为纵向边缘。
[0033]应理解的是，在本发明中，第一矩阵中相关像素点的距离较远，因此检测边缘粗糙，而第二矩阵中相关像素点的距离较近，因此检测出来的边缘较为精细。此外，在本发明的实施例中，优先检测图像的粗糙边缘，再检测细小边缘。而在检测粗糙边缘时，优先判断是否为横向边缘或纵向边缘，再判断是否为45度方向边缘或135度方向边缘。
[0034]步骤S15、计算该像素点在细小边缘的不同方向上的边缘增强值，并输出该像素点的边缘增强结果。
[0035]根据上述的实施例，计算像素点在细小边缘上沿横向和纵向方向的边缘增强值。需注意的是，计算的边缘增强值的方向与上述检测粗糙边缘和细小边缘时计算的梯度的方向相对应。也就是说，如果检测粗糙边缘和细小边缘时计算的是横向、纵向、30度方向和150度方向的梯度，那么计算横向、纵向、30度方向和150方向上的边缘增强值。
[0036]以像素点A (i, j)为例，在本发明的第一实施例中，像素点(i，j)的边缘增强值的计算方法如下。
[0037]像素点A (i, j)的横向边缘的边缘增强值为Enhance_H, Enhance_H=2X (2XA(i, j)+ A(i, j-1)+ A(i, j + 1)) - (2X A(1-2, j)+ A(i_2，j-1)+ A(i_2，j+1))- (2XA(i+2, j)+ A(i+2, j-1)+ A(i+2, j + 1)) + A(i，j)_l/8X( A(i_l，j-1)+ A(i + 1, j-1) +A(1-1, j+1)+ A(i+1, j+1)+ A(1-1, j)+ A(i+1, j)+ A(i, j-1)+ A(i, j+1))；
像素点A (i, j)的纵向边缘的边缘增强值为Enhance_V,Enhance_V=2X (2X A(i, j) +A(1-l，j)+ A(i+l，j))_ (2X A(i, j-2)+ A(1-1, j-2)+ A (i+1, j-2)) - (2X A(i, j+2) +A(1-1, j+2)+ A (i+1, j+2))+ A(i，j)-1/8X( A(i_l，j-1)+ A (i+1, j-1)+ A(i_l，j+1) +A(i+1, j+1)+ A(1-1, j)+ A(i+1, j)+ A(i, j-1)+ A(i, j+1))。
[0038]需要说明的是,两个方向的边缘增强值Enhance_H、Enhance_V是有符号的,可能为正数，也可能为负数。其中，如果边缘增强值为正数，则为亮边缘；如果边缘增强值为负数，则为暗边缘。
[0039]以像素点A (i，j)为例，在本发明的第一实施例中该像素点的边缘增强结果的计算方法如下:
当像素点A (i, j)为横向边缘时,像素点A (i, j)的边缘增强结果为:A(i, j)_0UT=A (i, j) + KXEnhance_H ；
当像素点A (i, j)为纵向边缘时,像素点A (i, j)的边缘增强结果为:A(i, j)_0UT=A (i, j) + KXEnhance_V ；
当像素点A (i，j)不属于任何边缘时，像素点A (i，j)的边缘增强结果为:A(i，j)_OUT= A(i, j)。
[0040]其中，K为预设的增强系数，调节增强系数K的大小可以调节图像边缘的增强程度。增强系数K 一般设置为0.25到2之间。
[0041]需要说明的是，根据上述步骤S103得出的结果，如果边缘增强值Enhance_H、Enhance_V为正数,则像素点A (i, j)为亮边缘,则在原像素值A (i, j)的基础上加一个数值，使得亮边缘更亮；如果边缘增强值Enhance_H、Enhance_V为负数，则像素点A (i，j)为暗边缘，则在原像素值A (i, j)的基础上减去一个数值，使得暗边缘更暗。由此，实现了图像边缘的锐化，提高了图像的清晰度。
[0042]步骤S16、计算该像素点在粗糙边缘的不同方向上的边缘增强值，并输出该像素点的边缘增强结果。
[0043]根据上述的实施例，计算像素点在粗糙边缘上沿横向、纵向、45度方向和135度方向上的边缘增强值。需注意的是，计算的边缘增强值的方向与上述检测粗糙边缘和细小边缘时计算的梯度的方向相对应。也就是说，如果检测粗糙边缘和细小边缘时计算的是横向、纵向、30度方向和150度方向的梯度，那么计算横向、纵向、30度方向和150方向上的边缘增强值。
[0044]以像素点A (i，j )为例，在本发明的第一实施例中，像素点(i，j )的边缘增强值的计算方法如下。
[0045]像素点A (i, j)的横向边缘的边缘增强值为Enhance_H, Enhance_H=2X (2XA(i，j)+ A(i, j-1)+ A(i, j+1)) - (2X A(1-2, j)+ A(i_2，j-1)+ A(i_2，j+1))- (2XA(i+2, j)+ A(i+2, j-1)+ A(i+2, j + 1))+ A(i，j)_l/8X( A(i_l，j-1)+ A(i + 1, j-1) +A(1-1, j+1)+ A(i+1, j+1)+ A(1-1, j)+ A(i+1, j)+ A(i, j-1)+ A(i, j+1))；
像素点A (i, j)的纵向边缘的边缘增强值为Enhance_V,Enhance_V=2X (2X A(i, j) +A(1-l，j)+ A(i+l，j))_ (2X A(i, j-2)+ A(1-1, j-2)+ A (i+1, j-2)) - (2X A(i, j+2) +A(1-1, j+2)+ A(i+1, j+2))+ A(i，j)-1/8X( A(i_l，j-1)+ A(i+1, j-1)+ A(i_l，j+1) +A(i+1, j+1)+ A(1-1, j)+ A(i+1, j)+ A(i, j-1)+ A(i, j+1))；
像素点A (i，j)的45度方向边缘的边缘增强值为Enhance_X，Enhance_X=2X (2XA(i，j)+ A(1-1, j+1)+ A(i+1, j-1)) - (2X A(1-l，j-l)+ A(i_2，j)+ A(i, j-2)) - (2XA(i+1, j+1)+ A(i, j+2)+ A(i+2, j))；
像素点A (i，j)的135度方向边缘的边缘增强值为Enhance_Y，Enhance_Y=2X (2XA(i，j)+ A(1-1, j-1)+ A(i+1, j+1)) - (2X A(1-1, j+1)+ A(i_2，j)+ A(i, j+2)) - (2XA (i+1, j-1) + A(i, j-2) + A(i+2, j))。
[0046]需要说明的是，四个方向的边缘增强值Enhance_H、Enhance_V、Enhance_X、Enhance_Y是有符号的，可能为正数，也可能为负数。其中，如果边缘增强值为正数，则为亮边缘；如果边缘增强值为负数，则为暗边缘。
[0047]以像素点A (i，j)为例，在本发明的第一实施例中该像素点的边缘增强结果的计算方法如下:
当像素点A (i, j)为横向边缘时,像素点A (i, j)的边缘增强结果为:A(i, j)_0UT=A (i, j) + KXEnhance_H ；
当像素点A (i, j)为纵向边缘时,像素点A (i, j)的边缘增强结果为:A(i, j)_0UT=A (i, j) + KX Enhance_V ；
当像素点A (i，j)为45度方向边缘时，像素点A (i，j)的边缘增强结果为:A(i，j)_OUT= A (i, j) + KXEnhance_X ；
当像素点A (i, j)为135度方向边缘时,像素点A (i, j)的边缘增强结果为:A(i，j)_OUT= A (i, j) + KXEnhance_Y ；
其中，K为预设的增强系数，调节增强系数K的大小可以调节图像边缘的增强程度。增强系数K 一般设置为0.25到2之间。
[0048]需要说明的是，根据上述步骤S103得出的结果，如果边缘增强值Enhance_H、Enhance_V、Enhance_X、Enhance_Y为正数，则像素点A (i, j)为亮边缘，则在原像素值A(i, j)的基础上加一个数值，使得亮边缘更亮；如果边缘增强值Enhance_H、Enhance_V、EnhanCe_X、EnhanCe_Y为负数，则像素点A (i，j)为暗边缘，则在原像素值A (i，j)的基础上减去一个数值，使得暗边缘更暗。由此，实现了图像边缘的锐化，提高了图像的清晰度。
[0049]S17、直接输出该像素点的值。
[0050]如果该像素点既不是粗糙边缘也不是细小边缘，则该像素点则处于图像的平坦区域，不需要对该像素点进行增强处理，直接输出该像素点的值，即该素点A (i, j)的边缘增强结果为:A(i，j)_0UT= A(i，j)。
[0051]重复执行上述步骤S11-S17，直到处理完所述图像中的所有像素点。
[0052]对图像中的所有像素点都进行上述的边缘增强处理，输出所有像素点的边缘增强结果，由此得到边缘增强后的图像。
[0053]根据本实施例的图像的边缘增强方法，通过对图像的所有像素点不但进行粗糙边缘判断，而且细小边缘的判断，并根据各像素点在粗糙边缘或细小边缘的不同方向上的边缘增强值，得出各像素点的边缘增强结果，从而增加了图像细节信息，提高了图像清晰度。
[0054]图2为根据本发明第二实施例的图像的边缘增强方法的流程图。如图2所示，根据本发明第二实施例的图像的边缘增强方法包括以下步骤:
521、对所述图像中的任一像素点分别进行粗糙边缘检测和细小边缘检测；
522、判断该像素点是否为粗糙边缘，如果是，则执行步骤S25；
523、判断该像素点是否为细小边缘，如果是，则执行步骤S24，如果不是，则执行步骤
S26 ；
524、计算该像素点在细小边缘的不同方向上的边缘增强值，并输出该像素点的边缘增强结果；
525、计算该像素点在粗糙边缘的不同方向上的边缘增强值，并输出该像素点的边缘增强结果；
526、直接输出该像素点的值；
重复执行上述步骤S21-S26，直到处理完所述图像中的所有像素点。
[0055]本实施例中，与本发明第一实施例不同的是，对图像中的像素点进行细小边缘检测是在判断该像素点是否为粗糙边缘步骤之前进行的，即对图像中的素点进行粗糙边缘检测和细小边缘检测是可以同时进行的，不需要先进行像素点是否为粗糙边缘的判断步骤。进一步的，步骤S24中计算该像素点在细小边缘的不同方向上的边缘增强值，以及步骤S25中计算该像素点在粗糙边缘的不同方向上的边缘增强值，也可以与步骤S21同时进行。
[0056]根据本实施例的图像的边缘增强方法，通过对图像的所有像素点不但进行粗糙边缘判断，而且进行细小边缘的判断，并根据各像素点在粗糙边缘或细小边缘的不同方向上的边缘增强值，得出各像素点的边缘增强结果，从而增加了图像细节信息，提高了图像清晰度。
[0057]图6为根据本发明第一实施例的图像的边缘增强装置的结构框图。如图6所示，根据本发明实施例的图像的边缘增强装置包括第一检测模块10、第二检测模块20、判断模块30、计算模块40和增强模块50。
[0058]第一检测模块10，用于对所述图像中的任一像素点进行粗糙边缘检测；第二检测模块20，用于对所述像素点进行细小边缘检测；判断模块30，用于判断所述像素点是否为粗糙边缘或细小边缘；计算模块40,用于计算所述像素点在所述粗糙边缘或所述细小边缘的不同方向上的边缘增强值；以及增强模块50，用于根据所述像素点的边缘增强值，输出所述像素点的边缘增强结果。
[0059]在本发明的一个实施例中，判断模块30包括第一判断模块301和第二判断模块302，第一判断301用于根据所述像素点的第一横向梯度、第一纵向梯度、45度方向的梯度和135度方向的梯度以及预设的粗糙阈值，判断所述像素点是否为粗糙边缘；第二判断模块302，用于根据所述像素点的第二横向梯度和第二纵向梯度以及预设的细小阈值，判断所述像素点是否为细小边缘。
[0060]在本发明的第一实施例中，如图6所示，第一检测模块10包括第一建立单元101、第一计算单元102。第一建立单元101用于以图像中的任一像素点为中心建立第一矩阵。在本发明的一个实施例中，第一矩阵为5X5矩阵。第一计算单元102用于根据第一建立单元101建立的第一矩阵，计算该像素点的第一横向梯度、第一纵向梯度、45度方向梯度和135度方向梯度。
[0061]具体地，以像素点A (i，j)为例，像素点A (i，j)的第一横向梯度为H=| (2XA(i，j)+ A(i, j-1)+ A(i, j+1)) - (2XA(1-2，j)+ A(i_2，j-1)+ A (i_2，j+1) ) | +1 (2XA(i, j)+ A(i, j-1)+ A(i, j+1)) - (2XA(i+2, j)+ A(i+2, j-1)+ A(i+2, j+1)) | ；
像素点A (i，j)的第一纵向梯度为V=| (2X A(i，j)+ A(1-l，j) +A(i+l，j))_ (2XA(i, j-2)+ A(1-1, j-2)+ A (i+1, j-2)) |+ (2X A(i，j)+ A(i_l，j) +A(i+1, j)) - (2XA(i, j+2)+ A(1-1, j+2)+ A (i+1, j+2)) | ；
像素点 A(i，j)的 45 度方向梯度为 X=| (2X A(i，j)+ A(1-1, j+1) +A(i+1, j-1)) - (2XA(1-l, j-1)+ A(1-2, j)+ A(i, j-2)) + (2X A(i, j)+ A(i_l，j+1) +A(i+1, j-1)) - (2XA(i+l, j+1)+ A(i, j+2)+ A(i+2, j)) | ；
像素点 A (i，j)的 135 度方向梯度为 Y=| (2X A(i, j)+ A(1-1，j-1) +A(i+1, j+1)) - (2XA(1-l, j+1)+ A(1-2, j)+ A(i, j+2)) + (2X A(i, j)+ A(i_l，j-1) +A(i+1, j+1) ) - (2XA(i+l, j-1)+ A(i, j-2)+ A(i+2, j) ) |。
[0062]第一判断模块301用于根据该像素点的第一横向梯度、第一纵向梯度、45度方向的梯度和135度方向的梯度以及预设的粗糙阈值，判断该像素点是否为粗糙边缘。在本发明的一个实施例中，第一判断模块301优先判断该像素点是否为横向边缘或纵向边缘，再判断是否为45度方向边缘或135度方向边缘。具体地，以像素点A (i, j)为例，如果像素点A (i, j)的第一横向梯度H大于像素点A (i, j)的第一纵向梯度V与预设的第一阈值THl的和且大于预设的第二阈值TH2，即，H>V+TH1且ΗΧΓΗ2，则判断像素点A (i，j)为横向边缘；如果像素点A (i，j)的第一纵向梯度V大于像素点A (i，j)的第一横向梯度H与预设的第一阈值THl的和且大于预设的第二阈值TH2，S卩，V>H+TH1且V>TH2，则判断像素点A (i, j)为纵向边缘；如果像素点A (i, j)的45度方向的梯度X大于像素点A (i，j)的135度方向的梯度Y与预设的第一阈值THl的和且大于预设的第二阈值TH2，即，X>Y+TH1且ΧΧΓΗ2，则判断像素点A (i，j)为45度方向边缘；如果像素点A ( i，j)的135度方向的梯度Y大于像素点A (i，j)的45度方向的梯度X与预设的第一阈值THl的和且大于预设的第二阈值TH2，即，Y>X+TH1且ΥΧΓΗ2，则判断像素点A (i，j)为135度方向边缘。
[0063]在本发明的一个实施例中，第二检测模块20包括第二建立单元201、第二计算单元202。第二建立单元201用于以图像中的任一像素点为中心建立第二矩阵，其中第二矩阵的相关像素点的距离小于第一矩阵的相关像素点的距离。在本发明的一个实施例中，第二矩阵为3X3矩阵。由于第一矩阵的相关像素点的距离较远，因此检测边缘粗糙，而第二矩阵的相关像素点的距离较近，因此检测出来的边缘较精细。
[0064]第二计算单元202用于根据第二建立单元201建立的第二矩阵，分别计算该像素点的第二横向梯度和第二纵向梯度。具体地，以像素点A (i，j)为例，像素点A (i，j)的第二横向梯度和第二纵向梯度如下:
像素点A (i，j)的第二横向梯度为Hl=| (2X A(i, j)+ A(i, j-1) +A(i, j+1)) - (2XA(1-l，j)+ A(1-1, j-1)+ A(1-1，j+1)) | + | (2X A(i，j)+ A(i, j-1) +A(i, j+1)) - (2XA(i+l, j)+ A(i+1, j-1)+ A(i+1, j+1)) | ；
像素点 A (i，j)的第二纵向梯度为 Vl= (2 X A(i, j)+ A(1-1, j)+ A(i+1, j))- (2 XA(i, j-1)+ A(1-1, j-1)+ A(i+1, j-1)) I+ (2X A(i，j)+ A(i_l，j)+ A(i+l，j))_ (2XA(i, j+1) + A(1-1, j+1) + A(i+1, j+1) ) |。
[0065]第二判断模块302用于根据该像素点的第二横向梯度和第二纵向梯度以及预设的细小阈值，判断该像素点是否为细小边缘。具体地，以像素点A (i, j)为例,如果像素点A(i，j)的第二横向梯度Hl大于像素点A (i，j)的第二纵向梯度Vl与预设的第三阈值TH3的和且大于预设的第四阈值TH4，即，HDV1+TH3且Η1ΧΓΗ4，则判断像素点A (i，j)为横向边缘；如果像素点A (i，j)的第二纵向梯度Vl大于像素点A (i，j)的第二横向梯度Hl与预设的第三阈值TH3的和且大于预设的第四阈值TH4，S卩，VDH1+TH3且V1>TH4，则判断像素点A (i, j)为纵向边缘。
[0066]在本发明的一个实施例中，计算模块40计算横向、纵向、45度方向和135度方向上的边缘增强值。需注意的是，计算的边缘增强值的方向与上述检测粗糙边缘和细小边缘时计算的梯度的方向相对应。也就是说，如果检测粗糙边缘和细小边缘时计算的是横向、纵向、30度方向和150度方向的梯度，那么计算横向、纵向、30度方向和150方向上的边缘增强值。对于细小边缘来说，只需计算该像素点的第二横向梯度Hl和第二纵向梯度VI，这是因为，细小边缘在45度方向和135度方向的边缘不明显，因此在计算细小边缘像素点的边缘增强值的时候也只需计算横向边缘的边缘增强值和纵向边缘的边缘增强值。
[0067]以像素点A ( i，j )为例，在本发明的一个实施例中，像素点(i，j )的边缘增强值的计算方法如下。
[0068]像素点A (i, j)的横向边缘的边缘增强值为Enhance_H, Enhance_H=2X (2XA(i, j)+ A(i, j-1)+ A(i, j + 1)) - (2X A(1-2, j)+ A(i_2，j-1)+ A(i_2，j+1))- (2XA(i+2, j)+ A(i+2, j-1)+ A(i+2, j + 1)) + A(i，j)_l/8X( A(i_l，j-1)+ A(i + 1, j-1) +A(1-1, j+1)+ A(i+1, j+1)+ A(1-1, j)+ A(i+1, j)+ A(i, j-1)+ A(i, j+1))；
像素点A (i, j)的纵向边缘的边缘增强值为Enhance_V,Enhance_V=2X (2X A(i, j) +A(1-l，j)+ A(i+l，j))_ (2X A(i, j-2)+ A(1-1, j-2)+ A (i+1, j-2)) - (2X A(i, j+2) +A(1-1, j+2)+ A (i+1, j+2))+ A(i，j)-1/8X( A(i_l，j-1)+ A (i+1, j-1)+ A(i_l，j+1) +A(i+1, j+1)+ A(1-1, j)+ A(i+1, j)+ A(i, j-1)+ A(i, j+1))；
像素点A (i，j)的45度方向边缘的边缘增强值为Enhance_X，Enhance_X=2X (2XA(i，j)+ A(1-1, j+1)+ A(i+1, j-1)) - (2X A(1-1, j-1)+ A(i_2，j)+ A(i, j-2)) - (2XA(i+1, j+1)+ A(i, j+2)+ A(i+2, j))；
像素点A (i，j)的135度方向边缘的边缘增强值为Enhance_Y，Enhance_Y=2X (2XA(i，j)+ A(1-1, j-1)+ A(i+1, j+1)) - (2X A(1-1, j+1)+ A(i_2，j)+ A(i, j+2)) - (2XA (i+1, j-1) + A(i, j-2) + A(i+2, j))。
[0069]需要说明的是，四个方向的边缘增强值Enhance_H、Enhance_V、Enhance_X、Enhance_Y是有符号的，可能为正数，也可能为负数。其中，如果边缘增强值为正数，则为亮边缘；如果边缘增强值为负数，则为暗边缘。
[0070]在本发明的一个实施例中，增强模块50按如下方式对每个像素点进行边缘增强: 当像素点A (i, j)为横向边缘时,像素点A (i, j)的边缘增强结果为:A(i, j)_0UT=A (i, j) + KXEnhance_H ；
当像素点A (i, j)为纵向边缘时,像素点A (i, j)的边缘增强结果为:A(i, j)_OUT=A (i, j) + KXEnhance_V ；
当像素点A (i，j)为45度方向边缘时，像素点A (i，j)的边缘增强结果为:A(i，j)_OUT= A (i, j) + KXEnhance_X ；
当像素点A (i, j)为135度方向边缘时,像素点A (i, j)的边缘增强结果为:A(i，j)_OUT= A (i, j) + KXEnhance_Y ；
当像素点A (i，j)不属于任何边缘时，像素点A (i，j)的边缘增强结果为:A(i，j)_OUT= A(i, j),
其中，K为预设的增强系数，调节增强系数K的大小可以调节图像边缘的增强程度。增强系数K 一般设置为0.25到2之间。
[0071 ] 需要说明的是，根据计算模块40得出的结果，如果边缘增强值Enhance_H、Enhance_V、Enhance_X、Enhance_Y为正数，则像素点A (i, j)为亮边缘，则在原像素值A(i, j)的基础上加一个数值，使得亮边缘更亮；如果边缘增强值Enhance_H、Enhance_V、EnhanCe_X、EnhanCe_Y为负数，则像素点A (i，j)为暗边缘，则在原像素值A (i，j)的基础上减去一个数值，使得暗边缘更暗。这样就实现了图像边缘的锐化，提高了图像的清晰度。
[0072]根据本发明实施例的图像的边缘增强装置，利用判断模块判断图像中各像素点是否为粗糙边缘或细小边缘，并根据计算模块计算各像素点在粗糙边缘或细小边缘的不同方向上的边缘增强值，通过增强模块输出各像素点的边缘增强结果，从而增加了图像细节信息，提高了图像清晰度。
[0073]本发明还提供一种数码摄像设备。图7为根据本发明一实施例的数码摄像设备的结构框图。如图7所示，根据本发明实施例的数码摄像设备包括如上所述的第一实施例或第二实施例中所述的图像的边缘增强装置1000、开关2000和寄存器3000。开关2000与图像的边缘增强装置1000相连接。寄存器3000与开关2000连接，用于控制开关的接通和关断。
[0074]根据本发明实施例的数码摄像设备，在需要开启边缘增强功能时，通过寄存器控制接通开关，以使用上述的图像的边缘增强装置进行边缘增强操作，而在不需要边缘增强功能时，通过寄存器控制断开开关，以旁通此边缘增强装置。由此，可以有效地提高数码摄像设备生成的图像的清晰度。
[0075]流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属【技术领域】的技术人员所理解。
[0076]应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
[0077]本【技术领域】的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0078]此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
[0079]上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0080]尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
【权利要求】
1.一种图像的边缘增强方法，其特征在于，包括以下步骤: 511、对所述图像中的任一像素点进行粗糙边缘检测； 512、判断该像素点是否为粗糙边缘，如果是，则执行步骤S16； 513、对该像素点进行细小边缘检测； 514、判断该像素点是否为细小边缘，如果是，则执行步骤S15，如果不是，则执行步骤S17 ； 515、计算该像素点在细小边缘的不同方向上的边缘增强值，并输出该像素点的边缘增强结果； 516、计算该像素点在粗糙边缘的不同方向上的边缘增强值，并输出该像素点的边缘增强结果； 517、直接输出该像素点的值； 重复执行上述步骤S11-S17，直到处理完所述图像中的所有像素点。
2.根据权利要求1所述的图像的边缘增强方法，其特征在于，所述步骤Sll具体为: 以所述图像中的任一像素点为中心建立第一矩阵； 根据所述第一矩阵，分别计算该像素点的第一横向梯度、第一纵向梯度、45度方向梯度和135度方向梯度。
3.根据权利要求2所述的图像的边缘增强方法，其特征在于，所述判断该像素点是否为粗糙边缘具体为，根据该像素点的第一横向梯度、第一纵向梯度、45度方向梯度和135度方向梯度以及预设的粗糙阈值，判断该像素点是否为粗糙边缘。
4.根据权利要求3所述的图像的边缘增强方法，其特征在于，所述第一矩阵为5X5矩阵。
5.根据权利要求4所述的图像的边缘增强方法，其特征在于， 所述像素点的第一横向梯度为H=| (2X A(i，j)+ A(i，j-1) +A(i, j+1))- (2XA(1-2, j)+ A(1-2, j-1)+ A(i_2，j+1) ) | + | (2X A(i，j)+ A(i，j_l) +A(i, j+1))- (2XA(i+2, j)+ A(i+2, j-1)+ A(i+2, j+1)) | ； 所述像素点的第一纵向梯度为V=| (2X A(i, j)+ A(1-l，j) +A(i+1, j)) - (2XA(i, j-2)+ A(1-1, j-2)+ A (i+1，j_2) ) | +1 (2X A(i，j)+ A(i_l，j) +A(i+1, j)) - (2XA(i, j+2)+ A(1-1, j+2)+ A(i+1, j+2)) | ； 所述像素点的45度方向梯度为X=| (2X A(i，j)+ A(1-1, j+1) +A(i+1, j-1)) - (2XA(1-l, j-1)+ A(1-2, j)+ A(i, j-2)) + (2X A(i, j)+ A(i_l，j+1) +A(i+1, j-1) ) - (2XA(i+l, j+1)+ A(i, j+2)+ A(i+2, j) ) | ； 所述像素点的135度方向梯度为Y=| (2X A(i，j)+ A(1-1, j-1) +A(i+1, j+1)) - (2XA(1-l, j+1)+ A(1-2, j)+ A(i, j+2)) + (2X A(i, j)+ A(i_l，j-1) +A(i+1, j+1) ) - (2XA(i+l, j-1)+ A(i, j-2)+ A(i+2, j) ) |， 其中，A(i，j)、A(1-l，j)、A(1-2，j)、A(1-l，j-l)、A(1-2，j-l)、A(i_l，j+l)、A(i_l，j+2)、A(1-2，j+l)、A(i，j_l)、A(i，j_2)、A(i，j+l)、A(i，j+2)、A (i+1，j)、A(i+l，j-1)、A(i+1, j-2)、A(i+l，j+1)、A(i+l，j+2)、A(i+2，j)、A(i+2，j-1)、A(i+2，j+1)和 A(i_l，j-2)为所述第一矩阵中各像素点的像素值。
6.根据权利要求3所述的图像的边缘增强方法，其特征在于，所述根据该像素点的第一横向梯度、第一纵向梯度、45度方向梯度和135度方向梯度以及预设的粗糙阈值，判断该像素点是否为粗糙边缘，具体为: 如果所述像素点的第一横向梯度大于所述像素点的第一纵向梯度与预设的第一阈值的和且大于预设的第二阈值，则判断所述像素点为横向边缘； 如果所述像素点的第一纵向梯度大于所述像素点的第一横向梯度与所述第一阈值的和且大于所述第二阈值，则判断所述像素点为纵向边缘； 如果所述像素点的45度方向梯度大于所述像素点的135度方向梯度与所述第一阈值的和且大于所述第二阈值，则判断所述像素点为45度方向边缘； 如果所述像素点的135度方向梯度大于所述像素点的45度方向梯度与所述第一阈值的和且大于所述第二阈值，则判断所述像素点为135度方向梯度。
7.根据权利要求1所述的图像的边缘增强方法，其特征在于，所述步骤S13中对该像素点进行细小边缘检测，具体为: 以所述图像中的该像素点为中心建立第二矩阵，其中所述第二矩阵的相关像素点的距离小于所述第一矩阵的相关像素点的距离； 根据所述第二矩阵，分别计算该像素点的第二横向梯度和第二纵向梯度。
8.根据权利要求7所述的图像的边缘增强方法，其特征在于，所述判断该像素点是否为细小边缘，具体为:根据该像素点的第二横向梯度和第二纵向梯度以及预设的细小阈值，判断所述该像素点是否为细小边缘。
9.根据权利要求8所述的图像的边缘增强方法，其特征在于，所述第二矩阵为3X 3矩阵。
10.根据权利要求9所述的图像的边缘增强方法，其特征在于， 所述像素点的第二横向梯度为Hl=| (2X A(i，j)+ A(i, j-1) +A(i, j+1)) - (2XA(1-l，j)+ A(1-1, j-1)+ A(1-1, j+1)) |+ (2X A(i，j)+ A(i, j-1) +A(i, j+1)) - (2XA(i+l, j)+ A(i+1, j-1)+ A(i+1, j+1)) | ； 所述像素点的第二纵向梯度为 Vl=I (2X A(i，j)+ A(1-l，j)+ A(i+1, j)) - (2XA(i, j-1)+ A(1-1, j-1)+ A(i+1, j-1)) I+ (2X A(i，j)+ A(i_l，j)+ A(i+l，j))_ (2XA(i, j+1)+ A(1-1, j+1)+ A(i+1, j+1) ) I， 其中，A(i，j)、A(1-l，j)、A(1-l，j-l)、A(1-l，j+l)、A(i，j_l)、A(i，j_2)、A(i，j+1)、A (i+1, j)、A(i+l, j_l)和A (i+1, j+1)为所述第二矩阵中各像素点的像素值。
11.根据权利要求8所述的图像的边缘增强方法，其特征在于，所述根据该像素点的第二横向梯度和第二纵向梯度以及预设的细小阈值，判断该像素点是否为所述细小边缘，具体为: 如果所述像素点的第二横向梯度大于所述像素点的第二纵向梯度与预设的第三阈值的和且大于预设的第四阈值，则判断所述像素点为横向边缘； 如果所述像素点的第二纵向梯度大于所述像素点的第二横向梯度与所述第三阈值的和且大于所述第四阈值，则判断所述像素点为纵向边缘。
12.根据权利要求1所述的图像的边缘增强方法，其特征在于， 所述步骤S16中计算该像素点在粗糙边缘的不同方向上的边缘增强值，具体为: 计算横向边缘的边缘增强值 Enhance_H, Enhance_H=2X (2X A(i, j)+ A(i, j-1) +A(i, j+1))- (2X A(1-2, j)+ A(1-2, j-1)+ A(i_2，j+l))_ (2X A(i+2, j)+ A(i+2, j-1) +A(i+2, j+1))+ A(i，j)-1/8X( A(1-1, j-1)+ A(i+1, j-1)+ A(i_l，j+1)+ A(i+1, j+1) +A(1-1, j)+ A(i+1, j)+ A(i, j-1)+ A(i, j+1))； 计算纵向边缘的边缘增强值 Enhance_V, Enhance_V=2X (2X A(i, j)+ A(i_l，j) +A(i+1, j))- (2X A(i, j-2)+ A(1-1, j-2)+ A(i+1, j-2))- (2X A(i, j+2)+ A(i_l，j+2) +A (i+1, j+2))+ A(i，j)-1/8X( A(1-1, j-1)+ A(i+1, j-1)+ A(i_l，j+1)+ A(i+1, j+1) +A(1-1, j)+ A(i+1, j)+ A(i, j-1)+ A(i, j+1))； 计算45度方向边缘的边缘增强值Enhance_X, Enhance_X=2X (2X A(i, j) +A(1-1, j+1)+ A(i+1, j-l))-(2X A(1-1, j-1)+ A(i_2，j)+ A(i, j-2) )-(2X A(i+1, j+1) +A(i, j+2)+ A(i+2, j))； 计算135度方向边缘的边缘增强值Enhance_Y, Enhance_Y=2X (2X A(i, j) +A(1-1, j-1)+ A(i+1, j+l))-(2X A(1-1, j+1)+ A(i_2，j)+ A(i, j+2) )-(2X A(i+1, j-1) +A(i, j-2)+ A(i+2，j))。
13.根据权利要求12所述的图像的边缘增强方法，其特征在于，所述步骤S16中该像素点的边缘增强结果，具体为: 当所述像素点为横向边缘时，所述像素点的边缘增强结果为:A(i，j)_OUT= A(i, j) +KXEnhance_H ； 当所述像素点为纵向边缘时，所述像素点的边缘增强结果为:A(i，j)_OUT= A(i, j) +KXEnhance_V ； 当所述像素点为45度方向边缘时，所述像素点的边缘增强结果为:A(i，j)_OUT=A (i, j) + KXEnhance_X ； 当所述像素点为135度方向边缘时，所述像素点的边缘增强结果为:A(i，j)_OUT=A (i, j) + KXEnhance_Y ； 当所述像素点不属于任何边缘时，所述像素点的边缘增强结果为:A(i，j)_OUT=A(i, j), 其中，K为预设的增强系数。
14.根据权利要求1所述的图像的边缘增强方法，其特征在于， 所述步骤S15中计算该像素点在细小边缘的不同方向上的边缘增强值，具体为:计算横向边缘的边缘增强值 Enhance_H, Enhance_H =2X (2X A(i, j)+ A(i, j-1) +A(i, j+1))- (2X A(1-2, j)+ A(1-2, j-1)+ A(i_2，j+l))_ (2X A(i+2, j)+ A(i+2, j-1) +A(i+2, j+1))+ A(i，j)-1/8X( A(1-1, j-1)+ A(i+1, j-1)+ A(i_l，j+1)+ A(i+1, j+1) +A(1-1, j)+ A(i+1, j)+ A(i, j-1)+ A(i, j+1))； 计算纵向边缘的边缘增强值 Enhance_V, Enhance_V=2X (2X A(i, j)+ A(i_l，j) +A(i+1, j))- (2X A(i, j-2)+ A(1-1, j-2)+ A(i+1, j-2))- (2X A(i, j+2)+ A(i_l，j+2) +A (i+1, j+2))+ A(i，j)-1/8X( A(1-1, j-1)+ A(i+1, j-1)+ A(i_l，j+1)+ A(i+1, j+1) +A(1-1, j)+ A(i+1, j)+ A(i, j-1)+ A(i, j+1))。
15.根据权利要求14所述的图像的边缘增强方法，其特征在于，所述步骤S15中该像素点的边缘增强结果具体为: 当所述像素点为横向边缘时，所述像素点的边缘增强结果为:A(i，j)_OUT= A(i, j) +K X Enhance—H ； 当所述像素点为纵向边缘时，所述像素点的边缘增强结果为:A(i，j)_OUT= A(i, j) +KXEnhance_V ； 当所述像素点不属于任何边缘时，所述像素点的边缘增强结果为:A(i，j)_OUT=A(i, j), 其中，K为预设的增强系数。
16.根据权利要求1所述的图像的边缘增强方法，其特征在于，所述步骤Sll和S13可同时执行。
17.一种图像的边缘增强装置，其特征在于，包括: 第一检测模块，用于对所述图像中的任一像素点进行粗糙边缘检测； 第二检测模块，用于对所述像素点进行细小边缘检测； 判断模块，用于判断所述像素点是否为粗糙边缘或细小边缘； 计算模块，用于计算所述像素点在所述粗糙边缘或所述细小边缘的不同方向上的边缘增强值；以及 增强模块，用于根据所述像素点的边缘增强值，输出所述像素点的边缘增强结果。
18.根据权利要求17所述的图像的边缘增强装置，其特征在于，所述第一检测模块包括: 第一建立单元，用于以所述图像中的任一像素点为中心建立第一矩阵； 第一计算单元，用于根据所述第一矩阵，分别计算该像素点的第一横向梯度、第一纵向梯度、45度方向梯度和135度方向梯度。
19.根据权利要求18所述的图像的边缘增强装置，其特征在于，所述第二检测模块包括: 第二建立单元，用于以所述像素点为中心建立第二矩阵，其中所述第二矩阵的相关像素点的距离小于所述第一矩阵的相关像素点的距离； 第二计算单元，用于根据所述第二矩阵，分别计算该像素点的第二横向梯度和第二纵向梯度。
20.根据权利要求19所述的图像的边缘增强装置，其特征在于， 所述判断模块包括第一判断模块和第二判断模块，所述第一判断用于根据所述像素点的第一横向梯度、第一纵向梯度、45度方向的梯度和135度方向的梯度以及预设的粗糙阈值，判断所述像素点是否为所述粗糙边缘，以及 所述第二判断模块，用于根据所述像素点的第二横向梯度和第二纵向梯度以及预设的细小阈值，判断所述像素点是否为所述细小边缘。
21.根据权利要求20所述的图像的边缘增强装置，其特征在于，所述第一判断模块具体用于: 判断所述像素点的第一横向梯度是否大于所述像素点的第一纵向梯度与预设的第一阈值的和以及是否大于预设的第二阈值，如果是，则判断所述像素点为横向边缘； 判断所述像素点的第一纵向梯度是否大于所述像素点的第一横向梯度与所述第一阈值的和以及是否大于所述第二阈值，如果是，则判断所述像素点为纵向边缘； 判断所述像素点的45度方向的梯度是否大于所述像素点的135度方向的梯度与所述第一阈值的和以及是否大于所述第二阈值，如果是，则判断所述像素点为45度方向边缘；以及 判断所述像素点的135度方向的梯度是否大于所述像素点的45度方向的梯度与所述第一阈值的和以及是否大于所述第二阈值，如果是，则判断所述像素点为135度方向边缘。
22.根据权利要求20所述的图像的边缘增强装置，其特征在于，所述第二判断模块具体用于: 判断所述像素点的第二横向梯度是否大于所述像素点的第二纵向梯度与预设的第三阈值的和以及是否大于预设的第四阈值，如果是，则判断所述像素点为横向边缘；以及判断所述像素点的第二纵向梯度是否大于所述像素点的第二横向梯度与所述第三阈值的和以及是否大于所述第四阈值，如果是，则判断所述像素点为纵向边缘。
23.一种数码摄像设备，其特征在于，包括: 根据权利要求17至22中任一项所述的图像的边缘增强装置； 开关，所述开关与所述图像的边缘增强装置连接；以及 寄存器，所述寄存器与所述开关连接，用于控制所述开关的接通和关断。
【文档编号】G06T5/00GK104346778SQ201410112705
【公开日】2015年2月11日 申请日期:2014年3月25日 优先权日:2013年7月30日
【发明者】刘花忍, 毛水江, 傅璟军, 冯卫 申请人:比亚迪股份有限公司