一种去除视频图像方块效应的方法

摘要

本发明涉及一种曲率驱动和边缘停止非线性扩散去除方块效应的方法，首先计算图像中每个像素的梯度绝对值，以及图像的等照度线曲率绝对值，并根据这两个参数确定每个像素的扩散系数取值；然后进行非线性扩散算法去除方块效应，即根据扩散系数确定扩散程度，同时更新像素的灰度值；最后计算此次图像扩散结果的信噪比，如果该信噪比高于指定值则图像处理结束，否则返回到第一步继续，直至信噪比高于指定值。本发明适用于滤除重建图像的方块效应，且可以保护边缘，具有很好的效果。

说明书

技术领域

本发明涉及一种消除重建图像的方块效应的方法，属图像处理和计算机视觉技术领域。

背景技术

在H264/MPEG-4 AVC视频编码标准中，编解码反变换量化后图像会出现方块效应。其产生的原因有两个。重要的一个原因在于基于块的帧内和帧间预测残差的DCT变换，其变换系数的量化过程相对粗糙，因而反量化过程恢复的变换系数带有误差，会造成在图像块边界上的视觉不连续；其次，另一个原因来自于运动补偿预测，运动补偿块可能是从不是同一帧的不同位置上的内插样点数据中复制而来的。因为运动补偿块的匹配不可能是绝对准确的，所以就会在复制块的边界上产生数据不连续。

在H264中已经采用环路滤波器来消除方块效应，但是在DCT边界上，正好是图像的边界，若不加以判断而误认为是方块效应，则可能造成新的误差。所以在滤除方块效应时，需要先判断该边界是图像的真实边界还是方块效应所形成的边界。对真实边界不进行滤波处理，而对假边界则要根据周围图像块的性质和编码方法采用不同强度的滤波。为了区分真假边界要分析每个需要被滤波的边界两边的样点值，然后设置阈值来判定此样点是否要被滤波，结果表明在H264中运用环路滤波器可以明显减轻方块效应，但是不可避免的在图像的边缘处还是存在方块效应，不够光顺。为了进一步去除方块效应，可以对显示缓冲器中的数据进行后置滤波，提高图像的主观质量。

在图像的去噪平滑过程中，线性扩散等价于高斯低通滤波器，它对图像所有高频成分不加区别地减弱，从而在平滑的同时模糊了边缘，因此需要找到一种扩散方法能自动检测图像边缘，从而在图像的重要边缘附近扩散过程的传导系数自动变小，甚至接近为零。1990年Perona和Malik提出了著名的P-M非线性扩散方程，它可以平滑的同时保护边缘，但是对方块边缘处理具有一定的限制。因此，在H264的去方块环路滤波之后，是否能引入一种非线性的扩散滤波作为后置滤波，使边缘得以保护的情况下进一步减轻方块效应，还有待研究和开发。

发明内容

本发明的目的是提供一种能有效地提高图像的主观评价质量的去除视频图像方块效应的方法。

为达到上述目的，本发明采用的技术方案是：提供一种去除视频图像方块效应的方法，视频图像经处理后得到重建图象，其特征在于再进行非线性扩散滤波处理，包括如下步骤：

第一步，计算重建图象中每个像素点的梯度绝对值，依据梯度绝对值计算得到边缘停止参数函数值；

第二步，计算重建图象中每个像素点的曲率，依据曲率计算得到曲率驱动参数值；

第三步，以得到的曲率驱动参数值和边缘停止参数值为扩散系数，进行非线性扩散计算处理，得到新的图像值

第四步，按和信噪比之差值进行判定，若小于设定值，则从第一步开始重复操作，若等于或大于设定值，则完成对视频图像的处理。

所述的设定值为10^-3或更小。

本发明由于引入了曲率驱动参数和边缘停止参数作为扩散系数，在保护边缘的基础上有效的减弱了方块效应，在重建图像的滤波中运用，与现有技术相比，能有效地提高图像的主观评价质量。

附图说明

图1是本发明实施例提供的一种去除视频图像方块效应的实现框图；

图2是本发明实施例提供的一种在H264解码中去除视频图像方块效应处理中，进行非线性扩散滤波处理的步骤框图。

具体实施方式

下面结合附图及实施例对本发明作进一步描述：

实施例一：参见图1所示，它是本实施例提供的一种去除视频图像方块效应的实现框图，对视频图像经熵解码、重排序、反量化、反变换及滤波处理等步骤后，得到重建图象，再进行非线性扩散滤波处理。

参见图2所示，它是本实施例提供的一种在H264解码中去除视频图像方块效应处理中，进行非线性扩散滤波处理的步骤框图，包括如下步骤：

第一步，计算每个像素点的梯度绝对值，根据梯度绝对值计算边缘停止函数的值：

假设显示缓存区的图像数据为u_i，j，则梯度绝对值为：

$\left|{▿u}_{i,j}\right|=|u_i-u_j|$

然后将值代入边缘停止函数其中K的值一般取1.3～1.5之间，获得边缘停止参数。

第二步，计算每个像素点的曲率参数κ，其计算公式为：

$\kappa =\frac{u_{\mathrm{xx}}{u}_y^2-2u_x{u}_y{u}_{\mathrm{xy}}+u_{\mathrm{yy}}{u}_x^2}{{(u_x^2+u_y^2)}^{3/2}}$

其中，u_x是图像在x方向上的一阶偏导数，u_xx是图像在x方向上的二阶偏导数，u_y是图像在y方向上的一阶偏导数，u_yy是图像在y方向上的二阶偏导数，u_xy是图像先在x方向上求一阶偏导数，然后再在y方向上求二阶偏导数，将κ值代入曲率驱动函数f(|κ|)＝|κ|^p，p＝2中，计算出曲率驱动参数，其中一阶和二阶导数都采用中心差分近似计算。

第三步，将曲率驱动参数和边缘停止参数相结合作为扩散系数，然后进行非线性扩散的计算，得到新的图像值：

$u_{i,j}^{n+1}=u_{i,j}^n$

$+\frac{\mathrm{\Delta t}}{\left|{\eta }_s\right|}\underset{p\in {\eta }_s}{\Sigma }f\left(\right|{\kappa }_s^n\left|\right)g\left(\right|▿u_{s,p}^n\left|\right)▿u_{s,p}^n$

式中下标s，p为图像像素坐标，而η_s是以S为中心的图像四邻域集合，|η_s|＝4。Δt是迭代的时间间隔，一般设定值为1。

第四步，计算和信噪比之差，并与设定值进行比较，设定值为10^-3或更小，若小于设定值，则从第一步开始重复操作，若等于或大于设定值，则完成对视频图像的处理。

本发明中，引入了曲率驱动参数和边缘停止参数作为扩散系数，在保护边缘的基础上有效的减弱了方块效应，这在重建图像的滤波中运用，可以很好的提高图像的主观评价质量。