动态视频图像清晰度强化方法及装置的制造方法
【技术领域】
[0001] 本发明涉及图像处理技术领域，特别涉及一种动态视频图像清晰度强化方法及装 置。
【背景技术】
[0002] 摄影摄像设备可帮助人们记录影像以便在任意时间地点进行查看，但受限于设备 和拍摄人的能力，很多影像资料所呈现的画面质量并不理想，很难满足用户需求。在重新拍 摄的时间和人力物力成本较高的情况下，通常会选择采用一定的技术手段来增强图像的清 晰度。
[0003] 传统的清晰度增强算法往往针对特定的行业或工作环境，比如计算机中的模式识 另IJ、医学X光成像、气象成像等，这些只需对个别的静态图像进行处理，处理的实时性要求不 高但处理量通常较大，无法满足连续处理动态图像的效率和性能需求。此外，现有技术中的 图像增强方法往往只针对某一特定要求进行片面强化，如增强亮度、增强对比度、增强色度 等，其强化幅度虽然较大，但算法一般比较单一，如果要同时对图像的多种参数进行强化则 需分别运行多种算法，计算量过大而实时性较差。
【发明内容】
[0004] 针对现有技术的缺陷，本发明的目的是提供一种动态视频图像清晰度强化方法及 装置，以高效快捷实时地对连续的动态视频图像进行清晰度强化。
[0005] 根据本发明的一个方面，提供了 一种动态视频图像清晰度强化方法，包括步骤：
[0006] 获取当前像素的YUV数据，对所述当前像素的YUV数据进行归一化处理；
[0007] 计算归一化后的Y分量的邻域模糊数据和图像纹理数据；
[0008] 使用Y分量的所述邻域模糊数据和所述图像纹理数据进行锐化增强，对锐化增强 后的Y分量调整整体对比度；
[0009] 使用调整后的Y分量与当前像素的UV分量计算当前像素的RGB数据，输出所述当前 像素的RGB数据。
[0010] 优选地，计算所述邻域模糊数据包括：
[0011] 以所述当前像素为中心点选取邻近的NXN个像素，构建NXN的模糊矩阵和Y分量 矩阵，其中N为大于1的奇数；
[0012] 将所述模糊矩阵和所述Y分量矩阵进行运算得出所述邻域模糊数据。
[0013] 优选地，所述方法中：
[0014] 所述模糊矩阵中各元素取值为各像素距所述当前像素的距离，所述Y分量矩阵中 各元素取值为各像素的Y分量。
[0015] 优选地，计算所述图像纹理数据包括：
[0016] 构建3X3的梯度算子矩阵；
[0017] 以当前像素为中心点选取邻近的3 X 3个像素，构建3 X 3的Y分量矩阵；
[0018] 将3X3的Y分量矩阵与所述梯度算子矩阵进行运算得出所述图像纹理数据。
[0019] 优选地，所述进行锐化增强包括：
[0020] 使用加强因子控制所述图像纹理数据对所述邻域模糊数据进行修正。
[0021] 在本发明的另一方面，还同时提供了一种动态视频图像清晰度强化装置，包括： [0022]归一化模块，用于获取当前像素的YUV数据，对所述当前像素的YUV数据进行归一 化处理；
[0023]数据处理模块，用于计算归一化后的Υ分量的邻域模糊数据和图像纹理数据；
[0024] 图像强化模块，用于使用Υ分量的所述邻域模糊数据和所述图像纹理数据进行锐 化增强，对锐化增强后的Υ分量调整整体对比度；
[0025] 输出模块，用于使用调整后的Υ分量与当前像素的UV分量计算当前像素的RGB数 据，输出所述当前像素的RGB数据。
[0026]优选地，所述数据处理模块包括邻域模糊模块，其中所述邻域模糊模块包括：
[0027] 矩阵构建模块，用于以所述当前像素为中心点选取邻近的NXN个像素，构建NXN 的模糊矩阵和Y分量矩阵，其中N为大于1的奇数；
[0028] 模糊运算模块，用于将所述模糊矩阵和所述Y分量矩阵进行运算得出所述邻域模 糊数据。
[0029]优选地，所述矩阵构建模块包括：
[0030]模糊矩阵构建模块，用于以各像素距所述当前像素的距离为各元素取值构建所述 模糊矩阵；
[0031] Y分量矩阵构建模块，用于以各像素的Y分量为各元素取值构建所述Y分量矩阵。
[0032] 优选地，所述数据处理模块包括边缘处理模块，其中所述边缘处理模块包括：
[0033] 梯度矩阵构建模块，用于构建3X3的梯度算子矩阵，并以当前像素为中心点选取 邻近的3 X 3个像素，构建3 X 3的Y分量矩阵；
[0034]纹理运算模块，用于将3X3的Y分量矩阵与所述梯度算子矩阵进行运算得出所述 图像纹理数据。
[0035]优选地，所述图像强化模块包括：
[0036] 锐化增强模块，用于使用加强因子控制所述图像纹理数据对所述邻域模糊数据进 行修正。
[0037] 本发明实施例提供了一种动态视频图像清晰度强化方法及装置，通过快速提高图 像中不同事物的色差，实现了高效的清晰度强化，可满足动态视频图像的连续处理需求。
【附图说明】
[0038] 图1是本发明实施例中动态视频图像清晰度强化方法的流程示意图；
[0039] 图2是本发明实施例中动态视频图像清晰度强化装置的模块示意图；
[0040] 图3a和图3b、图4a和图4b以及图5a和图5b分别是采用本发明实施例的技术方案进 行清晰度强化前后的图像对比示意图。
【具体实施方式】
[0041] 为使本发明的目的、技术方案和优点更加清楚明了，下面结合【具体实施方式】并参 照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发 明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本 发明的概念。
[0042] 现有技术中的图像增强方法普遍存在计算量大实时性差的缺陷，一般只适用于处 理静态图像，加上现有技术的图像增强方案一般只针对一种图像参数进行片面强化，难以 满足动态视频图像的清晰度强化的需求。
[0043] 本发明实施例提供了一种动态视频图像清晰度强化方案，通过快速提高图像中不 同事物的色差，实现了高效的清晰度强化，可满足动态视频图像的连续处理需求。如图1所 示，本发明实施例中的动态视频图像清晰度强化方法包括步骤：
[0044] S1，获取当前像素的YUV数据，对所述当前像素的YUV数据进行归一化处理；
[0045] S2,计算归一化后的Y分量的邻域模糊数据和图像纹理数据；
[0046] S3,使用所述邻域模糊数据和所述图像纹理数据对所述当前像素归一化后的Y分 量进行锐化增强，对锐化增强后的Y分量调整整体对比度；
[0047] S4,使用调整后的Y分量与当前像素的UV分量计算当前像素的RGB数据，输出所述 当前像素的RGB数据。
[0048] 其中，在本发明实施例中，上述方法对视频中每一图像帧的每一像素进行遍历处 理，处理后数据直接输出到显示设备，从而向用户呈现经过清晰度强化的视频。更进一步 地，可利用多个处理设备，比如CPU和GPU，或利用处理设备的多个核心处理单元，比如多核 处理器，对多个像素同时采用上述方法进行并行处理，多个像素的处理结果数据按时钟信 号的控制输出到显示设备。
[0049] 在本发明优选实施例中，步骤S1的归一化处理包括:将数据原始值统一除以255， 即Ynor