基于图像缩放的新算法研究与应用

论文摘要

图像缩放在图像处理领域中,发挥着重要作用。图像的分辨率调整和格式变换,都需要用到图像缩放技术。图像放大和缩小(简称缩放或放缩)是图像处理的一种基本操作。所谓图像缩放是指改变图像的分辨率。图像的这种处理手法在图像显示、传输(通信)、图像分析以及动画制作、电影合成等方面有着相当广泛的应用。目前专门基于图像缩小的研究很少,而传统缩放插值算法缩小效果并不理想,尤其是当缩小比例变小时,会出现边缘锯齿状和部分信息丢失的现象。为了消除传统插值算法细节模糊和边缘锯齿化,本文提出一种新颖的基于图像子块加权缩小的自适应修正算法。算法思想主要是:首先,通过对加权平均缩小后得到的低分辨率图像进行对比拉伸处理,然后根据局部区域方差对整体图像的影响情况,对缩小图像像素点进行自适应修正。实验证明,算法克服了加权平均缩小后图像的边缘锯齿和模糊效应,使修正优化后的图像清晰。尤其对缩小比率大的图像质量的提高有较显著的效果。传统的插值算法由于实现原理的局限性,在图像放大时容易引起边缘锯齿或细节模糊现象。针对传统放大插值算法的这个不足本文又提出一种基于边缘梯度多方向优化的加权插值放大算法。算法通过借鉴一种基于梯度信息的加权插值方法的优点,将该方法成功运用到基于边缘最大梯度的多方向优化插值算法中,使得这种基于边缘最大梯度的多方向优化插值算法在提高图像放大的插值精度上有显著的效果。通过大量的实验数据与效果图,验证了本文中提出的两种分别针对图像缩小和图像放大插值算法的可行性和有效性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景与意义
• 1.2 图像缩放技术方法概述
• 1.2.1 灰度数字图像缩放
• 1.2.2 彩色数字图像缩放
• 1.2.3 当前图像缩放算法中存在的问题
• 1.3 主要工作与论文结构
• 1.3.1 本文的主要工作包括
• 1.3.2 本文的论文结构
• 第二章 经典图像缩放插值算法
• 2.1 最近邻域法
• 2.2 双线性内插算法
• 2.3 双三次内插算法
• 2.4 本章小结
• 第三章 边缘检测及插值方向判定方法
• 3.1 边缘检测方法及 Canny 边缘算子法
• 3.1.1 图像边缘特性研究
• 3.1.2 边缘检测方法及Canny 边缘算子法
• 3.2 内邻域基于边缘最大梯度的插值方向判定方法
• 3.3 本章小结
• 第四章 基于图像子块加权缩小的自适应修正算法
• 4.1 基于图像子块加权均值缩小算法原理
• 4.1.1 本节算法基本原理
• 4.1.2 对上面方法进行对比拉伸的处理
• 4.2 对图像加权平均缩小改进的自适应修正算法
• 4.3 加权平均自适应修正算法对彩色图像缩小的实现
• 4.4 实验结果和算法性能分析
• 4.4.1 图像质量主观评价
• 4.4.2 图像质量客观评价
• 4.5 本章小结
• 第五章 基于边缘梯度多方向优化的加权插值放大算法
• 5.1 基于梯度信息的加权插值方法
• 5.2 基于边缘最大梯度的多方向优化插值算法
• 5.3 基于边缘梯度多方向优化的加权插值放大算法
• 5.3.1 经典图像插值算法模糊成因分析
• 5.3.2 梯度多方向优化的加权插值放大算法步骤
• 5.4 改进算法与原算法对比分析
• 5.5 算法的实验结果与分析
• 5.5.1 图像放大的质量评价方法
• 5.5.2 图像质量主观评价
• 5.5.3 图像质量客观评价
• 5.6 本章小结
• 第六章 总结与展望
• 致谢
• 参考文献
• 附录：作者在攻读硕士学位期间发表的论文