基于梯度的快速图像插值算法

doi:10.3724/SP.J.1087.2012.02821

计算机应用 ›› 2012, Vol. 32 ›› Issue (10): 2821-2823.DOI: 10.3724/SP.J.1087.2012.02821

基于梯度的快速图像插值算法

杨鹤猛¹,²,黄战华¹,²

1. 光电信息技术教育部重点实验室,天津 300072
2. 天津大学精密仪器与光电子工程学院,天津 300072

收稿日期:2012-04-09 修回日期:2012-05-23 发布日期:2012-10-23 出版日期:2012-10-01
通讯作者: 黄战华
作者简介:杨鹤猛（1985-）,男,河北辛集人,博士研究生,主要研究方向：红外视频成像系统及其处理算法；黄战华（1965-）,男,湖北孝感人,教授,博士生导师,博士,主要研究方向：光电信息检测、图像处理。
基金资助:
国家863计划项目（2008AA01Z407）

Fast image interpolation algorithm based on gradient

YANG He-meng¹,²,HUANG Zhan-hua¹,²

1. Key Laboratory of Optic-Electronics Information Technical Science of Education Ministry,Tianjin 300072, China
2. School of Precision Instrument and Opto-electronics Engineering,Tianjin University,Tianjin 300072, China

Received:2012-04-09 Revised:2012-05-23 Online:2012-10-23 Published:2012-10-01
Contact: HUANG Zhan-hua

摘要/Abstract

摘要： 为解决传统插值算法效果不佳而新发展的边缘方向插值算法计算量大的问题,提出了一种基于梯度检测边缘的快速图像插值算法。该算法通过在原图像每一个3×3邻域内计算二阶梯度,检测边缘是否存在:若存在边缘,则计算一阶梯度判断边缘强弱并自适应得到权值因子,然后进行带权的线性插值；若不存在边缘,则在此邻域内进行双线性插值。实验结果表明,此算法不仅使插值后图像具备整体清晰性和边缘平滑性,有效保持了图像的主观视觉质量,而且相比现有同等效果的插值算法,运算时间至少能降低20%,尤其适用于嵌入式设备图像放大的应用。

关键词: 图像放大, 快速插值, 带权插值, 边缘检测, 二阶梯度

Abstract: Traditional image interpolation algorithms have poor performance and most of the recently developed edge-directed interpolation algorithms are of high computation. To solve those problems, a fast image interpolation algorithm based on gradient distribution detection was proposed. The basic idea was to detect the existence of edges in each 3×3 neighbourhood of the original low-resolution image by calculating its two-step gradients. If an edge existed, adaptive weighted factor up to edge strength was obtained by calculating its one-step gradient, and then the weighted linear interpolation was implemented. Otherwise, bilinear interpolation was carried through in that neighbourhood. The experiments show that the proposed algorithm is able to not only keep the subjective visual quality of the interpolated high-resolution image with whole clarity and edge smoothness, but also reduce the operation time by at least 20% compared with the equivalent algorithms now available. It contributes to an image enlargement application in embedded systems.

Key words: image enlargement, fast interpolation, weighted interpolation, edge detection, two-step gradient

杨鹤猛黄战华. 基于梯度的快速图像插值算法[J]. 计算机应用, 2012, 32(10): 2821-2823.

YANG He-meng HUANG Zhan-hua. Fast image interpolation algorithm based on gradient[J]. Journal of Computer Applications, 2012, 32(10): 2821-2823.

参考文献

［1］符祥,郭宝龙.图像插值技术综述［J］.计算机工程与设计,2009,30(1)：141-144. ［2］梁云,朱为鹏,李峥.基于几何分类的自适应图像插值算法［J］.中山大学学报:自然科学版,2011,50(4)：11-16. ［3］党向盈,吴锡生,赵勇.基于边缘最大相关性的快速图像插值算法［J］.JOCA,2006,26(12)：2880-2883. ［4］ FENG XIAOJUN,ALLEBACH J P.Segmented image interpolation using edge direction and texture synthesis［C］// Proceedings of IEEE International Conference on Image Processing. San Diego:IEEE,2008:881-884. ［5］张海员,蔡念,张楠.基于加权抛物线插值误差补偿算法的图像放大［J］.计算机工程与应用,2011,47(25)：194-197. ［6］冯象初,姜东焕,徐光宝.基于变分和小波变换的图像放大算法［J］.计算机学报,2008,31(2)：340-345. ［7］孙春凤,袁峰,丁振良.一种新的边缘保持局部自适应图像插值算法［J］.仪器仪表学报,2010,31(10)：2279-2284. ［8］ SHAN QI,LI ZHAORONG,JIA JIAYA,et al.Fast image/video upsampling［J］. ACM Transactions on Graphics,2008,27(5)：1531-1537. ［9］刘政林,肖建平,邹雪城,等.基于边缘的实时图像缩放算法研究［J］.中国图象图形学报,2008,13(2)：225-229. ［10］龚昌来.一种基于数据融合的图像插值算法［J］.光电工程,2010,37(2)：103-107. ［11］ GIACHETTI A,ASUNI N. Real-time artifact-free image upscaling［J］.IEEE Transactions on Image Processing,2011,20(10)：2760-2768. ［12］ HWANG J W,LEE H S. Adaptive image interpolation based on local gradient features［J］.IEEE Signal Processing Letters,2004,11(3)：359-362. ［13］ KRYLOV A,NASONOV A. Edge-directed image interpolation using color gradient information［C］// Proceedings of 16th International Conference on Image Analysis and Processing-Part Ⅱ, LNCS 6979. Berlin:Springer-Verlag,2011：40-49. ［14］ MURESAN D D. Fast edge directed polynomial interpolation［C］// Proceedings of IEEE International Conference on Image Processing. Arlington:IEEE,2005：990-993. ［15］ SUN JIAN,XU ZONGBEN,SHUM EUNG-YEUNG. Image super-resolution using gradient profile prior［C］// Proceedings of IEEE Conference on Computer Vision and Pattern Recognition. Anchorage:IEEE,2008：1-8. ［16］王杰,李洪兴,王加银,等.一种图像快速线性插值的实现方案与分析［J］.电子学报,2009,37(7)：1481-1486.

[1]	宋杰, 于裕, 骆起峰. 基于RCF的跨层融合特征的边缘检测[J]. 计算机应用, 2020, 40(7): 2053-2058.
[2]	滕旭, 张晖, 杨春明, 赵旭剑, 李波. 基于循环一致性对抗网络的数码迷彩伪装生成方法[J]. 计算机应用, 2020, 40(2): 566-570.
[3]	李翠锦, 瞿中. 基于深度学习的图像边缘检测算法综述[J]. 计算机应用, 2020, 40(11): 3280-3288.
[4]	宋小娜, 芮挺, 王新晴. 结合语义边界信息的道路环境语义分割方法[J]. 计算机应用, 2019, 39(9): 2505-2510.
[5]	景年昭, 杨维. 基于RCF的精细边缘检测模型[J]. 计算机应用, 2019, 39(9): 2535-2540.
[6]	付久鹏, 曾国辉, 黄勃, 方志军. 基于双向快速探索随机树的狭窄通道路径规划[J]. 计算机应用, 2019, 39(10): 2865-2869.
[7]	海涛, 张雷, 刘旭焱, 张新刚. 基于改进复扩散自适应耦合非局部变换域模型的图像放大[J]. 计算机应用, 2018, 38(4): 1151-1156.
[8]	赖传滨, 韩越兴, 顾辉, 王冰. 基于深度学习的虚拟边界检测方法[J]. 计算机应用, 2018, 38(11): 3211-3215.
[9]	杨帆, 李建平, 李鑫, 陈雷霆. 基于多任务深度卷积神经网络的显著性对象检测算法[J]. 计算机应用, 2018, 38(1): 91-96.
[10]	石陆魁, 张延茹, 张欣. 基于时空模式的轨迹数据聚类算法[J]. 计算机应用, 2017, 37(3): 854-859.
[11]	刘国奇, 李晨静. 基于贝塞尔滤波改进的测地活动轮廓图像分割模型[J]. 计算机应用, 2017, 37(12): 3536-3540.
[12]	龙鹏, 鲁华祥. LoG边缘算子改进的加权引导滤波算法[J]. 计算机应用, 2015, 35(9): 2661-2665.
[13]	海涛, 席志红. 各向异性四阶偏微分方程耦合二阶偏微分方程的图像放大[J]. 计算机应用, 2015, 35(4): 1084-1088.
[14]	宦海, 黄凌霄, 张雨, 卢松. 基于最大内切圆的椭圆孔组检测[J]. 计算机应用, 2015, 35(4): 1101-1105.
[15]	宋健飞, 高莉. 基于四元数的改进型最小核值相似区边缘检测[J]. 计算机应用, 2015, 35(3): 826-829.

基于梯度的快速图像插值算法

Fast image interpolation algorithm based on gradient

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics