专利名称：图像下采样方法和系统的制作方法
技术领域：
本发明涉及图像处理领域，更具体地涉及一种图像下采样方法和系统。
背景技术：
图像下采样是一种降低图像分辨率以对图像进行显示、存储、和/或传 输等的技术。
传统的图像下采样方法直接在时域采用了诸如最近邻插值或双线性插 值的插值方法，这种时域的下采样方法会导致像素色彩的重叠，从而产生 所谓的摩尔效应，影响下采样图像的视觉质量。并且，当下采样率较高 时，根据上述的插值方法，会采样出不连续的相邻像素，从而使得大小调 整后的图像中存在不平滑的景象。
由于在时域和频域的良好局部化特性，小波变换在其低频率系数块中 保留了输入图像信号的大部分信息，从而在一层分解后，形成了大小仅为 输入图像信号的一半的、与输入图像信号类似的信号。另外，由于低频率 信号是原始信号的平滑部分，所以利用高下采样率采样出的图像具有平滑 的景象，在视觉质量方面优于时域中的插值方法。
发明内容
鉴于以上所述的一个或多个问题，本发明提供了一种新的图像下采样 方法和系统。
根据本发明实施例的一种图像下采样方法，包括以下步骤根据预先 确定的图像下采样率确定图像分解层级；根据所确定的图像分解层级对输 入图像的每个分量进行小波分解；根据小波分解后的每个分量的最低频率 小波系数，确定用于对输入图像的小波分解后的所有分量的最低频率小波系数进行归一化的归一化因子；以及根据所确定的归一化因子将输入图像
的小波分解后的所有分量的最低频率小波系数归一化到时域。
其中，通过下式确定图像分解层级Z = 1°g2(M)，其中，M表示图像
下采样率，L表示图像分解层级，^&表示以2为底的对数。采用双正交 Daubechies 9/7抽头滤波器对输入图像的每个分量进行小波分解。可以对输 入图像进行水平和垂直两个方向的下采样，并且用于对输入图像的每个分 量进行水平方向下采样的图像下采样率与用于对输入图像的每个分量进行 垂直方向下采样的图像下采样率相等。进一步地，可以先对输入图像的每 个分量进行水平方向的小波分解，再对输入图像的每个分量的水平方向小 波分解结果进行垂直方向的小波分解。另外，将输入图像的小波分解后的 所有分量的最低频率小波系数的最大绝对值作为归一化因子。
根据本发明实施例的一种图像下采样系统，包括分解层级确定单 元，用于根据预先确定的图像下采样率确定图像分解层级；小波分解执行
单元，用于根据所确定的图像分解层级对输入图像的每个分量进行小波分 解；归一化因子确定单元，用于根据小波分解后的每个分量的最低频率小 波系数，确定用于对输入图像的小波分解后的所有分量的最低频率小波系
数进行归一化的归一化因子；以及分量归一化执行单元，用于根据所确定 的归一化因子将输入图像的小波分解后的所有分量的最低频率小波系数归 一化到时域。
其中，分解层级确定单元通过下式确定图像分解层级Z = 1°g2(M)， 其中，M表示图像分别在水平和垂直方向的下采样率，L表示图像分解层 级，1(^表示以2为底的对数。小波分解执行单元采用双正交Daubechies 9/7抽头滤波器来对输入图像的每个分量进行小波分解。另外，该图像下 采样系统可以对输入图像进行水平和垂直两个方向的下采样，并且用于对 输入图像的每个分量进行水平方向下采样的图像下采样率与用于对输入图 像的每个分量进行垂直方向下采样的图像下采样率相等。进一步地，小波 分解执行单元可以先对输入图像的每个分量进行水平方向的小波分解，再 对输入图像的每个分量的水平方向小波分解结果进行垂直方向的小波分 解。另外，归一化因子确定单元将输入图像的小波分解后的所有分量的最低频率小波系数的最大绝对值确定为归一化因子。
由于通过小波分解得到的低频率信号保留了输入图像的大部分信息， 所以通过本发明得出的图像在视觉质量方面优于在时域直接执行的其他方 法(尤其对于较高采样率来说)。另外，本发明可以将小波分解后的每个 分量的最低频率小波系数直接变换到时域，所以可以节省图像下采样方法 和系统的运算量，提高变换速度，节省计算资源。
通过结合附图参考以下描述，可以更好地理解本发明的上述及其他优 点，其中
图1示出了根据本发明实施例的图像下采样方法的流程图； 图2示出了当图像分解层级L等于2时的广义小波分解的示意图3示出了 LazyRow函数执行的处理的示意图； 图4示出了FirstLiftRow函数执行的处理的示意图；以及 图5示出了根据本发明实施例的图像下采样系统的框图。
具体实施例方式
以下结合附图，详细描述本发明的具体实施方式
。
图1示出了根据本发明实施例的图像下采样方法的流程图。如图1所 示，该图像下采样方法被划分为以下步骤S102，根据预先确定的图像下 采样率确定图像分解层级；S104，根据所确定的图像分解层级对输入图像 的每个分量进行小波分解；S106，根据小波分解后的每个分量的最低频率 小波系数，确定用于对输入图像的小波分解后的所有分量的最低频率小波 系数进行归一化的归一化因子；以及S108，根据所确定的归一化因子将输 入图像的小波分解后的所有分量的最低频率小波系数归一化到时域。下面 分别对以上的步骤S102至S108进行详细说明
步骤S102，确定图像分解层级L。假设，将要利用下采样率(即，以 上所述的图像下采样率)M在水平和垂直方向对输入图像信号进行下采 样。例如，M为2的乘方，并且可以通过以下公式确定L: Z = log2(M)，其中，^g2表示以2为底的对数函数。
步骤S104，分别将输入图像的每个分量小波分解到步骤S102中确定
的图像分解层级L。图2给出了当L等于2时的广义小波分解的示意图。
其中，采用了双正交Daubechies 9/7抽头滤波器来分解输入图像的每个分
量。在每个小波分解层级中，首先对输入图像进行水平方向的行变换，然
后对输入图像的水平方向小波分解结果进行垂直方向的列变换。在完成了
一个小波分解层级的分解后，分解出的左上四分之一块是当前小波分解层
级的低频率块。并且，如果还没有达到预先给定的小波分解层级，则该当
前小波分解层级的低频率块还可以作为下个小波分解层级的输入图像。对
于第一个小波分解层级来说，输入图像是最初的图像分量。假设，输入图 像分量C是^^行xC《列的块，图像分解层级是l，则分解过程为首
先对图像分量C进行第一层级的小波变换，其中包括对C的行变换，以及 对行变换结果的列变换。当第一层级的小波变换完成后，此时c的左上角 四分之一块就是第一层级的小波变换的低频率系数块，相应的将对应的 ^^和。/c减半，分解层级递减。上述操作完成后，如果预定的分解层级
数没有达到(L>0)，则将当前层的低频率块作为输入信号，进一步进行 下一层级的小波分解。例如，对输入图像分量的分解过程可以通过以下程 序段实现
WaveletDecompose( C, 7 owc, Co/c, Z)
While(L>0)
DecomposeRow( C, WoWc ， Co/c); DecomposeCol( C, i owc, Co/c);
Co/c》=l; 丄=
其中，函数WaveletDecompose是用于将输入图像分量C分解到图像分 解层级L的函数。函数DecomposeRow禾Q DecomposeCol分别是用于在行 方向和列方向分解输入图像分量的函数。函数DecomposeRow实现的逻辑 过程为对输入图像分量进行逐行分解。具体地，在对输入图像分量的每一行进行分解的过程中，首先将输入图像分量的每一行分解为奇位置数据和
偶位置数据，然后通过两个提升过程(由函数FirstLiftRow和 SecondLiftRow实现)对奇和偶位置数据进行更新，以分别形成低频率和 高频率输出，最后对低频率和高频率输出进行尺度变换(由函数ScaleRow 实现)。
具体地，函数DecomposeRow实现的逻辑过程可以通过以下程序段实
现
DecomposeRow( C ， ^置c, 。k )
For(i=0; i〈細c;i+十)
LazyRow(C,'，C""; FirstLiftRow(C,/,Co/c);
SecondLiftR。w(c, ! ， Co/c ); ScaleRow(c,z.，Co/c);
具体地，将输入图像分量的每一行分解为奇位置数据和偶位置数据的 逻辑过程为(如图3所示)将第f行数据 C[/]
, C[,'][l], L C[C。/c-2], C[C。/c-l]的偶位置数据C[/〗
, C[z'][2], L C[C。/C-2]和 奇位置元素C[/][1], C[/][3], L C[CH-1]按如下顺序存储在数组W][C《一]中: C[,'][O], C[/][2], ZC[Co/c-2], C[/][l], C[。[3], iX[C0/c-l]。例如，该过程可以通过 以下函数LazyRow实现 LazyRow( C, z' ， C《)
Rearrange the data C[。[。] C[/][CWC -1] as the following sequence: C,C刚,C[。[Co/c—2], C,, C刚,C[/][Co/c-1]
}
具体地，通过两个提升过程对奇和偶位置数据进行更新以分别形成低频率和高频率输出。其中，第一次提升的逻辑过程为首先根据偶位置数 据计算奇位置数据(高频率系数)，然后利用更新过的奇位置数据(高频 率系数)计算偶位置数据(低频率系数)。第二次提升的逻辑过程与第一 次相似，但提升参数不同。例如，该两个提升过程可以分别通过函数
FirstLiftRow禾卩SecondLiftRow实现(其中，FirstLiftRow的过程如图4所 示)
FirstLiftRow(C人C"c)
NC = C《/2; NP = Co/c ;
For(n=0;n<NC-l;n++) C[i][NC+n] = C[i][NC+n]+ alpha*(C[i][n]+C[i][n+l]); C[i][NP-l] = C[i〗[NP-l]+ alpha* (C[i][NC陽l]+C[i][NC-l]);
C[i][O] = C[i][O]十beta*(C[i][NC]+C[i][NC]);
For(n=l; n<NC; n++) C[i][n] = C[i][n]+ beta*(C[i][NC+n]+C[i][NC+n-l]);
SecondLiftRow( C, , Co/c) {
NC = C《/2; NP = C《；
For(n=0; n<NC-l;n++) C[i][NC+n] = C[i][NC+n]+ gamma* (C[i][n]+C[i][n+1]); C[i][NP-l] = C[i][NP-l]+ gamma*(C[i][NC-l]+C[i][NC-l]);
C[i][O] = C[i]
+ dlta承(C[i][NC]+C[i][NC]);
For(n=l;n<NC;n++) C[i][n] = C[i][n]+ dlta*(C[i][NC+n]+C[i][NC+n-l]);
具体地，对低频率和高频率输出进行尺度变换的逻辑过程为对于两
次提升操作的低频率系数乘以r，而对于两次提升操作的高频率系数除以 r。例如，该过程可以通过函数ScaleRow实现
9ScaleRow(C人C"c)
NC = Co/c /2; For(n=0; n<NC; n++)
C[i][n] = C[i][n"r; C[i][NC+n] = C[i][NC+n]/r;
其中，r=l. 1496043988602 ， alpha=-1.586134342059924 ， beta=-0.052980118572961 ， gamma = 0.882911075530934 ， dlta = 0.443506852043971。
函数DecomposeCol是用于在列方向分解输入图像分量的函数。函数 DecomposeRow实现的逻辑过程为对输入图像分量进行逐列分解。具体 地，除了对输入图像分量进行逐列处理而不是逐行处理以外，函数 DecomposeRow与函数DecomposeCol基本相同。例如，可以将函数 DecomposeCol定义如下
DecomposeCol( C, i owc, Co/c)
FOT(j=0;j<Co/c;j++)
LazyCol(C/，c力； FirstLiftCol(C,^Wc乂)； SecondLiftCol(C,W，c乂)； ScaleCol(C，")；
其中，DecomposeCol中的四个子函数与DecomposeRow中的相应函 数相同，除了对输入图像分量进行逐列处理而不是逐行处理以外。步骤S106，根据输入图像的所有分量的最低频率小波系数选择归一化
因子。在将输入图像的所有分量都分解到图像分解层级L后，首先计算每 个分量的最低频率系数块的最大绝对值。假设，已经将输入图像分量c (^Wc行X 。k列)分解到图像分解层级L，则输出小波系数块为^' (Aowc行x Co/c列)。在这个块中，Wowc / M行X Co/c /M歹jj ( M = /7，(2, Z)
是给定的下采样率)的左上角块是最低频率块，用『&表示。通过这个最 低频率块『Q ，可以计算出这个最低频率块中小波系数的最大绝对值
Mi&。根据每个输入图像分量c的最大绝对值^" ，可以按如下计算
归一化因子NF: ,^axc(皿^)，其中maXc(M4^)表示在各分量C间取 M4X、的最大值。
步骤S108，将每个分量的最低频率小波系数归一化到时域。具体地，
该步骤的逻辑过程为对每个分量的最低频率系数块中的各个小波系数首
先取绝对值，然后再乘以255.0后除以归一化因子NF，最后再四舍五入取
整。例如，该过程可以通过以下函数实现 『
NormalizeCoff( & )
For(i=0; i<^wC/M;i++) FOr(j=0;j<Co/c/M;j++)
& [i]LJ] = abs( & [i][j]) *255.0 / ^尸 『&[i][j] = fk)OT(^Mi][j] + 0.5);
这个函数根据归一化因子NF对每个构件的最低频率块进行归一化， 从而确保了归一化系数位于
中。其中，Floor(float num)函数用于获 取不大于num的最大整数。
图5示出了用于实现上述方法的根据本发明实施例的图像下采样系统 的框图。如图5所示，该图像下采样系统包括分解层级确定单元502， 用于根据预先确定的图像下采样率确定图像分解层级；小波分解执行单元504，用于根据所确定的图像分解层级对输入图像的每个分量进行小波分 解；归一化因子确定单元506，用于根据小波分解后的每个分量的最低频 率小波系数，确定用于对输入图像的小波分解后的所有分量的最低频率小 波系数进行归一化的归一化因子；以及分量归一化执行单元508，用于根 据所确定的归一化因子将输入图像的小波分解后的所有分量的最低频率小 波系数归一化到时域。
本领域技术人员将理解，在一些实施例中，上述系统和方法的功能可 以使用预编程的硬件或固件元件(例如，专用集成电路(ASIC)、可电擦 除并可编程的只读存储器(EEPROM)等)、或者其它有关组件实现。在 其它实施例中，上述系统和方法的功能可以使用一连串的多个计算装置完 成。其中，该些计算装置可以访问存储有用于操作该计算装置的计算机可 读程序代码的代码存储器(未示出)。计算机可读程序代码可以被储存在 固定的、有形的、并且可由这些组件直接读取的介质上(例如，可拆卸的 磁盘、CD-ROM、 ROM、硬盘、USB驱动)，或者计算机可读程序代码 可被远程地存储，但是可通过传输介质经由连接到网络(包括但不限于互 联网)的调制解调器或其它接口设备发送到这些组件。传输介质可以是非 无线介质(例如，光或模拟通信线路)或者无线介质(例如，微波、红外 线、自由空间光系统或者其它传输方案)或者他们的组合。
本领域技术人员将理解，还存在可用于实现本发明实施例的更多可选 实施方式和改进方式，并且上述实施方式和示例仅是一个或多个实施例的 说明。因此，本发明的范围仅由所附权利要求书限制。
权利要求
1.一种图像下采样方法，其特征在于，包括以下步骤根据预先确定的图像下采样率确定图像分解层级；根据所述图像分解层级对输入图像的每个分量进行小波分解；根据小波分解后的每个分量的最低频率小波系数，确定用于对所述输入图像的小波分解后的所有分量的最低频率小波系数进行归一化的归一化因子；以及根据所述归一化因子将所述输入图像的小波分解后的所有分量的最低频率小波系数归一化到时域。
2. 根据权利要求1所述的图像下采样方法，其特征在于，将所述输入 图像的小波分解后的所有分量的最低频率小波系数的最大绝对值作为所述 归一化因子。
3. 根据权利要求1所述的图像下采样方法，其特征在于，通过下式确 定所述图像分解层级Z = lQg2(M)，其中，M表示所述图像下采样率，L表示所述图像分解层级，1()§2表示以2为底的对数。
4. 根据权利要求1至3中任一项所述的图像下采样方法，其特征在 于，采用双正交Daubechies 9/7抽头滤波器来对所述输入图像的每个分量 进行小波分解。
5. 根据权利要求1至3中任一项所述的图像下采样方法，其特征在 于，用于对所述输入图像的每个分量进行水平方向下采样的图像下采样率 与用于对所述输入图像的每个分量进行垂直方向下采样的图像下采样率相 等。
6. 根据权利要求5所述的图像下采样方法，其特征在于，先对所述输 入图像的每个分量进行水平方向的小波分解，再对所述输入图像的每个分 量的水平方向小波分解结果进行垂直方向的小波分解。
7. —种图像下采样系统，其特征在于，包括分解层级确定单元，用于根据预先确定的图像下采样率确定图像分解 层级；小波分解执行单元，用于根据所述图像分解层级对输入图像的每个分 量进行小波分解；归一化因子确定单元，用于根据小波分解后的每个分量的最低频率小 波系数，确定用于对所述输入图像的小波分解后的所有分量的最低频率小波系数进行归一化的归一化因子；以及分量归一化执行单元，用于根据所述归一化因子将所述输入图像的小 波分解后的所有分量的最低频率小波系数归一化到时域。
8. 根据权利要求7所述的图像下采样系统，其特征在于，所述归一化 因子确定单元将所述输入图像的小波分解后的所有分量的最低频率小波系 数的最大绝对值确定为所述归一化因子。
9. 根据权利要求7所述的图像下采样系统，其特征在于，所述分解层 级确定单元通过下式确定所述图像分解层级z = lQg2(M)，其中，M表示 所述图像下采样率，L表示所述图像分解层级，b^表示以2为底的对 数。
10. 根据权利要求7至9中任一项所述的图像下采样系统，其特征在 于，所述小波分解执行单元采用双正交Daubechies 9/7抽头滤波器来对所 述输入图像的每个分量进行小波分解。
11. 根据权利要求7至9中任一项所述的图像下采样系统，其特征在 于，用于对所述输入图像的每个分量进行水平方向下采样的图像下采样率 与用于对所述输入图像的每个分量进行垂直方向下采样的图像下采样率相 等。
12. 根据权利要求11所述的图像下采样系统，其特征在于，所述小波 分解执行单元先对所述输入图像的每个分量进行水平方向的小波分解，再 对所述输入图像的每个分量的水平方向小波分解结果进行垂直方向的小波 分解。
全文摘要
公开了一种图像下采样方法和系统。其中，该图像下采样方法包括以下步骤根据预先确定的图像下采样率确定图像分解层级；根据所确定的图像分解层级对输入图像的每个分量进行小波分解；根据小波分解后的每个分量的最低频率小波系数，确定用于对输入图像的小波分解后的所有分量的最低频率小波系数进行归一化的归一化因子；以及根据所确定的归一化因子将输入图像的小波分解后的所有分量的最低频率小波系数归一化到时域。通过本发明，可以将小波分解后的每个分量的最低频率小波系数直接变换到时域，从而可以节省图像下采样方法和系统的运算量，提高变换速度，节省计算资源。
文档编号H04N7/01GK101686389SQ20081016848
公开日2010年3月31日 申请日期2008年9月28日 优先权日2008年9月28日
发明者杨永明 申请人:富士通株式会社