= Ysrc/255.0，其中，Ysr。为原始的Y/U/V数据值，Υ_为归一化后的Y/U/V分量值。所述 YUV数据通过解码视频数据后获取。
[0050] 优选地，步骤S2中计算所述邻域模糊数据包括：
[0051] 以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;模糊矩阵中各元素取值优选为各像素距中心像素的距离，Y分量矩阵 中各元素取值优选为各像素的Y分量(优选为归一化后数值）;N的具体取值根据需求的像素 模糊程度来确定，一般N取值越大像素模糊程度越高；
[0052] 将所述模糊矩阵和所述Y分量矩阵进行运算得出邻域模糊数据(优选为矩阵乘法 运算，矩阵对应元素进行相乘，然后整体求和，得出的数据即为Y分量的邻域模糊数据）。 [0053] 进一步地，步骤S2中，计算所述图像纹理数据包括：
[0054]构建一个3 X 3的梯度算子矩阵；
[0055] 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；
[0056] 将3X3的Y分量矩阵与梯度算子矩阵进行运算得出图像纹理数据(优选为矩阵乘 法运算，矩阵对应元素进行相乘，然后整体求和，得出的数据即为Y分量的图像纹理数据）。 [0057]其中，在计算机图像处理领域，图像的边缘通常定义为两个明显不同强度区域的 过渡，边缘点对应于一阶微分幅度的极大值点以及二阶微分的零点。因此，利用梯度模的极 大值或二阶导数为零点来提取边缘就成为了目前常用的方法，传统的图像边缘检测算法大 部分都使用这种方法。具体地，梯度属于一阶微分算子，对应一阶导数;若图像含有较小的 噪声并且图像边缘的灰度值过渡较为明显，梯度算子可以得到较好的边缘检测效果。
[0058] 本发明实施例中优选采用梯度算子计算所述图像纹理数据，目的就是在边缘检测 的基础上强化不同事物之间的差异。本发明实施例中采用的梯度算子可基于现有技术成熟 图像边缘检测算法的梯度算子或二阶微分算子模板获取，如Roberts算子、Sobel算子、 Prewitt算子、Lap lace算子和Canny算子等，其中，Sobel算子、Prewitt算子和Lap lace算子 的卷积模板就是3 X 3的矩阵;鉴于上述算法及算子的定义较为成熟且内容较为复杂，限于 篇幅，本发明中不再逐一展开描述。
[0059] 步骤S3中，所述进行锐化增强包括：
[0060] 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;具体地，采 用下式计算锐化增强的Y分量：
[0061 ] Ye = YblUr+Yt$Fr ;其中Ye为锐化增强后的Y分量，Yblur为Y分量的邻域模糊数据，Yt为Y 分量的图像纹理数据，Fr为加强因子，取值范围为[0.0-1.0]。
[0062] 进一步地，所述调整整体对比度包括：
[0063] 使用调整因子对锐化增强后的Y分量进行调整;具体地，采用下式进行整体对比度 (色彩）的调整：
[0064] Yout= (Ye-0 · 5)*Fr2+0 · 5;其中Yout为调整后的Y分量，Ye为锐化增强后的Y分量，Fr2 为调整因子，取值范围为Fr2 2 1.0。
[0065] 步骤S4中，所述计算当前像素的RGB数据包括：
[0066] 使用调整后的Y分量与当前像素的UV分量(优选为归一化后数值)进行色彩空间转 化，计算RGB数据(前述3个分量构成的向量与转化矩阵的乘积），其中转化矩阵为
[0067]
[0068] 下面进一步来说明本发明实施例方案的实现原理，首先，由于各事物之间存在色 差，在视觉系统中产生的图像便可根据色差识别不同事物的轮廓，进而产生对不同事物的 认知。基于这一现象，本发明实施例的技术方案利用上述方式，通过在空间域对图像进行处 理，经过梯度算法计算图像的边缘，并结合邻域模糊对图像进行强化，从而有效提高不同事 物之前的色差，拉大各事物之间的对比度，达到提高图像清晰度的目的。
[0069] 进一步如图2所示，与上述方法一一对应地，本发明实施例还同时提供了一种动态 视频图像清晰度强化装置1，包括：
[0070] 归一化模块101，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；
[0071] 数据处理模块102,用于计算归一化后的Y分量的邻域模糊数据和图像纹理数据；
[0072] 图像强化模块103,用于使用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；
[0073] 输出模块104,用于使用调整后的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。
[0074]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：
[0075]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；
[0076]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。
[0077]优选地，所述矩阵构建模块包括：
[0078]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；
[0079] 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。
[0080] 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：
[0081] 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；
[0082]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。
[0083]优选地，所述图像强化模块包括：
[0084]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。
[0085]优选地，上述动态视频图像清晰度强化装置可以是处理设备，比如集群、服务器或 处理终端等;也可以是相对独立的功能单元，比如GPU、独立芯片或强化软件等，通过处理设 备加载后实现清晰度强化。在实际应用中，上述装置中的各模块均可由位于装置设备中的 中央处理器（Central Processing Unit，CPU)、微处理器（Micro Processor Unit，MPU)、数 字信号处理器（Digital Signal Processor，DSP)、或现场可编程门阵列（Field Programmable Gate Array，FPGA)等实现；图像数据(包括但不限于YUV数据、RGB数据、邻域 模糊数据、图像纹理数据和锐化增强数据等)优选通过存储设备进行保存并提供给上述处 理设备/单元。
[0086] 在本发明实施例中提及的术语"图像"可以包括二维图像、三维图像、视频帧、计算 机文件表示、来自相机的图像、视频帧或者其组合。例如，图像可以是机器可读数字文件、物 理照片、数字照片、运动图片帧、视频帧、X射线图像、扫描图像或其组合;图像可以从按矩形 阵列排列的像素中生成;图像可以包括沿着行方向的X轴和沿着列方向的y轴形成。
[0087] 在本发明更优选实施例中，可以形成包含动态视频图像清晰度强化装置在内的具 有图像细节创建机制的电子系统。其中，电子系统优选包括诸