基于纹理边缘自适应数据融合的高精度快速图像插值方法与流程

技术特征：

1.一种基于纹理边缘自适应数据融合的高精度快速图像插值方法，其特征在于包括下述步骤：

步骤一、计算待插值图像上的待插值点G在源图像上的对应点S(u，v)的2×2邻域内四个像素点灰度均值和灰度方差其中，i为不大于u的最大整数，j为不大于v的最大整数；

根据设定的阈值T进行判定，若Var<T，判定点S位于灰度平坦区域，进入步骤二；否则判定点S位于边缘纹理区域，进入步骤三；

步骤二、令a＝u-i，b＝v-j，G点的灰度g(x′_g,y′_g)＝bt₁+(1-b)t₂，其中，t₁＝af(i,j+1)+(1-a)f(i+1,j+1)，t₂＝af(i+1,j)+(1-a)f(i,j)；进入步骤四；

步骤三、对位于边缘纹理区域的G点进行插值，包括以下步骤：

(1)设S_x，y为点S距离源图像中坐标为(x，y)的像素点的欧式距离，其中，x＝i-1，i，i+1，i+2；y＝j-1，j，j+1，j+2；

计算待插值点在45°对角线方向的灰度分量估计值y₁，

$y_1=\frac{1}{2}(\frac{f(i+2,j-1){S_{i,j+1}}^2+f(i,j+1){S_{i+2,j-1}}^2}{{S_{i,j+1}}^2+{S_{i+2,j-1}}^2}+\frac{f(i+1,j){S_{i-1,j+2}}^2+f(i-1,j+2){S_{i+1,j}}^2}{{S_{i-1,j+2}}^2+{S_{i+1,j}}^2});$

计算待插值点在135°对角线方向的灰度分量估计值y₂，

$y_2=\frac{1}{2}(\frac{f(i-1,j-1){S_{i+1,j+1}}^2+f(i+1,j+1){S_{i-1,j-1}}^2}{{S_{i+1,j+1}}^2+{S_{i-1,j-1}}^2}+\frac{f(i,j){S_{i+2,j+2}}^2+f(i+2,j+2){S_{i,j}}^2}{{S_{i+2,j+2}}^2+{S_{i,j}}^2});$

计算待插值点在水平方向的灰度分量估计值y₃，

$y_3=\left\{\begin{array}{cc}\frac{1}{2}\left(\frac{f\left(i-1,j\right){S_{i+1,j}}^2+f\left(i+1,j\right){S_{i-1,j}}^2}{{S_{i+1,j}}^2+{S_{i-1,j}}^2}+\frac{f\left(i,j\right){S_{i+2,j}}^2+f\left(i+2,j\right){S_{i,j}}^2}{{S_{i+2,j}}^2+{S_{i,j}}^2}\right)& 0\&le;v-j\&le;0.5\\ \frac{1}{2}\left(\frac{f\left(i-1,j+1\right){S_{i+1,j+1}}^2+f\left(i+1,j+1\right){S_{i-1,j+1}}^2}{{S_{i+1,j+1}}^2+{S_{i-1,j+1}}^2}+\frac{f\left(i,j+1\right){S_{i+2,j+1}}^2+f\left(i+2,j+1\right){S_{i,j+1}}^2}{{S_{i+2,j+1}}^2+{S_{i,j+1}}^2}\right)& 0.5\&lt;v-j\&lt;1\end{array}\right.;$

计算待插值点在垂直方向的灰度分量估计值y₄，

$y_4=\left\{\begin{array}{cc}\frac{1}{2}\left(\frac{f\left(i,j-1\right){S_{i,j+1}}^2+f\left(i,j+1\right){S_{i,j-1}}^2}{{S_{i,j+1}}^2+{S_{i,j-1}}^2}+\frac{f\left(i,j\right){S_{i,j+2}}^2+f\left(i,j+2\right){S_{i,j}}^2}{{S_{i,j+2}}^2+{S_{i,j}}^2}\right)& 0\&le;u-i\&le;0.5\\ \frac{1}{2}\left(\frac{f\left(i+1,j-1\right){S_{i+1,j+1}}^2+f\left(i+1,j+1\right){S_{i+1,j-1}}^2}{{S_{i+1,j+1}}^2+{S_{i+1,j-1}}^2}+\frac{f\left(i+1,j\right){S_{i+1,j+2}}^2+f\left(i+1,j+2\right){S_{i+1,j}}^2}{{S_{i+1,j+2}}^2+{S_{i+1,j}}^2}\right)& 0.5\&lt;u-i\&lt;1\end{array}\right.;$

(2)待插值点在每一个方向上的估计值由源图像中四个像素点的信息构成，这四个像素点组成一条直线，分别称为45°对角线方向插值线、135°对角线方向插值线、水平方向插值线、垂直方向插值线；待插值点G的源图像对应点S到四条插值线的距离分别为r₁、r₂、r₃、r₄，

$r_1=\frac{u-i+v-j-1}{\sqrt{2}}$

$r_2=\frac{u-i-v+j}{\sqrt{2}}$

$r_3=\left\{\begin{array}{cc}v-j& 0\&le;v-j\&le;0.5\\ j-v+1& 0.5\&lt;v-j\&lt;1\end{array}\right.$

$r_4=\left\{\begin{array}{cc}u-i& 0\&le;u-i\&le;0.5\\ i+1-u& 0.5\&lt;u-i\&lt;1\end{array}\right.$

进一步得到r₁、r₂、r₃、r₄的归一化距离k＝1，2，3，4；

(3)计算45°对角线方向灰度梯度均值g₁，

$g_1=\frac{|f(i+2,j-1)-f(i+1,j)|+|f(i+1,j)-f(i,j+1)|+|f(i,j+1)-f(i-1,j+2)|}{3};$

计算135°对角线方向灰度梯度均值g₂，

$g_2=\frac{|f(i-1,j-1)-f(i,j)|+|f(i,j)-f(i+1,j+1)|+|f(i+1,j+1)-f(i+2,j+2)|}{3};$

计算水平方向灰度梯度均值g₃，

$g_3=\left\{\begin{array}{cc}\frac{|f\left(i-1,j\right)-f\left(i,j\right)|+|f\left(i,j\right)-f\left(i+1,j\right)|+|f\left(i+1,j\right)-f\left(i+2,j\right)|}{3}& 0\&le;v-j\&le;0.5\\ \frac{|f\left(i-1,j+1\right)-f\left(i,j+1\right)|+|f\left(i,j+1\right)-f\left(i+1,j+1\right)|+|f\left(i+1,j+1\right)-f\left(i+2,j+1\right)|}{3}& 0.5\&lt;v-j\&lt;1\end{array}\right.;$

计算垂直方向灰度梯度均值g₄，

$g_4=\left\{\begin{array}{cc}\frac{|f(i,j-1)-f(i,j)|+|f(i,j)-f(i,j+1)|+|f(i,j+1)-f(i,j+2)|}{3}& 0\&le;u-i\&le;0.5\\ \frac{|f(i+1,j-1)-f(i+1,j)|+|f(i+1,j)-f(i+1,j+1)+|f(i+1,j+1)-f(i+1,j+2)}{3}& 0.5\&lt;u-i\&lt;1\end{array}\right.;$

进一步得到g₁、g₂、g₃、g₄的归一化灰度梯度均值

(4)确定四个插值方向的融合系数k＝1，2，3，4，其中，λ为常数，0<λ<1；

进一步得到ψ_k的归一化融合系数

(5)融合四个插值方向的数据，得到待插值点G的灰度值g(x′_g，y′_g)，g(x′_g,y′_g)＝ω₁y₁+ω₂y₂+ω₃y₃+ω₄y₄；

步骤四、重复步骤一至步骤三，遍历待插值图像中的各个待插值点，得到完整的插值图像。

2.根据权利要求1所述的基于纹理边缘自适应数据融合的高精度快速图像插值方法，其特征在于：所述的步骤一中，当S位于源图像的右边界，则令f(i+1，j)＝f(i，j)，f(i+1，j+1)＝f(i，j+1)；当S位于源图像的下边界，则令f(i，j+1)＝f(i，j)，f(i+1，j+1)＝f(i+1，j)。

3.根据权利要求1所述的基于纹理边缘自适应数据融合的高精度快速图像插值方法，其特征在于：所述的阈值T的取值范围为[2500，15000]。

4.根据权利要求1所述的基于纹理边缘自适应数据融合的高精度快速图像插值方法，其特征在于：所述的步骤二中，当S位于源图像的右边界，令f(i+1，j)＝f(i，j)、f(i+1，j+1)＝f(i，j+1)；当S位于源图像的下边界，令f(i，j+1)＝f(i，j)、f(i+1，j+1)＝f(i+1，j)。

5.根据权利要求1所述的基于纹理边缘自适应数据融合的高精度快速图像插值方法，其特征在于：所述的步骤三中，当整幅源图像所有像素点灰度方差的平均值大于100时，λ的取值区间为(0，0.5]；当整幅源图像所有像素点灰度方差的平均值不大于100时，λ的取值区间为(0.5，1)。

6.根据权利要求1所述的基于纹理边缘自适应数据融合的高精度快速图像插值方法，其特征在于：

所述的步骤三中，当S到源图像左边界的距离小于1个像素，令f(i-1，p₁)＝f(i，p₁)，其中，p₁＝j-1，j，j+1，j+2；

当S到源图像上边界的距离小于1个像素，令f(p₂，j-1)＝f(p₂，j)，其中，p₂＝i-1，i，i+1，i+2；

当S位于源图像的右边界，令f(i+1，p₃)＝f(i，p₃)，f(i+2，p₃)＝f(i，p₃)，其中，p₃＝j-1，j，j+1，j+2；

当S到源图像右边界的距离大于0且小于等于1个像素，令f(i+2，p₄)＝f(i+1，p₄)，其中，p₄＝j-1，j，j+1，j+2；

当S位于源图像的下边界，令f(p₅，j+1)＝f(p₅，j)、f(p₅，j+2)＝f(p₅，j)，其中，p₅＝i-1，i，i+1，i+2；

当S到源图像下边界的距离大于0且小于等于1个像素，令f(p₆，j+2)＝f(p₆，j+1)，其中，p₆＝i-1，i，i+1，i+2。