摘 要:振鈴效應(yīng)嚴(yán)重地影響了復(fù)原圖像質(zhì)量，在此針對(duì)MEPG-4中的去振鈴濾波方法，提出一種新的去振鈴濾波算法，既能有效消除振鈴效應(yīng)又能充分保護(hù)圖像的邊緣。算法首先找出邊緣區(qū)域和非邊緣區(qū)域，然后根據(jù)振鈴效應(yīng)產(chǎn)生的原因和現(xiàn)象，采用中值濾波器對(duì)圖像進(jìn)行自適應(yīng)濾波，以去除振鈴效應(yīng)。實(shí)驗(yàn)結(jié)果表明，這里的濾波算法相對(duì)于MEPG-4中的去振鈴濾波方法，能更加有效地去除振鈴效應(yīng)，并且大大提高了圖像的主客觀質(zhì)量。

關(guān)鍵詞:去振鈴效應(yīng);自適應(yīng)濾波;中值濾波;圖像質(zhì)量

中圖分類號(hào):TP391文獻(xiàn)標(biāo)識(shí)碼:A

文章編號(hào):1004-373X(2010)04-058-03

New Adaptive Deringing Algorithm

ZHOU Jiayu，YIN Ruixiang

(School of Electronic and Information Engineering，South China University of Technology，Guangzhou，510640，China)

Abstract:Ringing effects seriously influenced the quality of restored image.A new adaptive deringing algorithm is proposedbased on the deringing algorithm of MEPG-4.In the algorithm，edge parts are found firstly，then the median filter is applied to the image adaptively according to the cause of ringing effect.The results show that the proposed algorithm can reduce the ringing more effectively and can improve the subjective and objective quality of image compared to the existed algorithm.

Keywords:deringing;adaptive filter;median filter;image quality

0 引 言

視頻圖像的壓縮技術(shù)在很大程度上減少了視頻圖像的存儲(chǔ)容量和傳輸帶寬，極大地促進(jìn)了圖像和視頻業(yè)務(wù)的廣泛應(yīng)用。目前很多主流的視頻及圖像編碼技術(shù)是使用基于塊的DCT變換，并在變換域中對(duì)變換后的系數(shù)進(jìn)行量化[1，2]。由于高頻的交流系數(shù)通常在量化時(shí)會(huì)被去掉，從而導(dǎo)致解碼后視頻圖像的失真。失真有兩種，一種是在塊的邊界出現(xiàn)不連續(xù)的現(xiàn)象，另一種是當(dāng)原始圖像里面有強(qiáng)邊界的時(shí)候，解碼后會(huì)在邊界周圍產(chǎn)生類似于水波紋樣的效果。前一種失真可以在編碼器端加入濾波器對(duì)塊邊界進(jìn)行濾波得以減弱并消除。而后一種失真現(xiàn)象稱為振鈴現(xiàn)象。這種現(xiàn)象嚴(yán)重地降低了視頻圖像的主客觀質(zhì)量。

1 振鈴效應(yīng)的產(chǎn)生原因和去除原理

振鈴效應(yīng)是指失真圖像中高對(duì)比度邊緣處的抖動(dòng)現(xiàn)象，在對(duì)比度高的區(qū)域較明顯，但不會(huì)出現(xiàn)在平滑區(qū)域。它同樣是由于量化，特別是高頻分量的粗量化引起的，對(duì)高頻分量的粗量化等同于使用了一個(gè)銳截止的低通濾波器對(duì)圖像數(shù)據(jù)進(jìn)行濾波。下面從信號(hào)的角度解釋振鈴效應(yīng)的產(chǎn)生。如圖1(a)所示，g(t)是一個(gè)輸入的階躍信號(hào)(如圖1(a)中虛線所示);f(t)是g(t)經(jīng)過低通濾波h(t)(如圖1(b)所示)后得到的信號(hào)(如圖1(a)中實(shí)線所示)。從圖1(a)可看出，經(jīng)濾波后，在信號(hào)的階躍處出現(xiàn)了明顯的抖動(dòng)現(xiàn)象。因此，當(dāng)圖像存在強(qiáng)邊界時(shí)，經(jīng)過低通濾波就會(huì)在邊界產(chǎn)生振鈴現(xiàn)象。

圖1 振鈴效應(yīng)的產(chǎn)生

在視頻圖像的編碼過程中，量化實(shí)際上也是一個(gè)平滑低通濾波的效果。因此，在原始圖像里面有強(qiáng)的邊界時(shí)，解碼后會(huì)在邊界產(chǎn)生振鈴效應(yīng)。

常用的去除振鈴效應(yīng)的方法[3，4]是先找出邊緣區(qū)域，然后根據(jù)不同的區(qū)域自適應(yīng)濾波。這樣，就可以在濾除圖像振鈴效應(yīng)的同時(shí)，盡量保留圖像的邊緣部分。

2 編解碼標(biāo)準(zhǔn)MEPG-4中的去振鈴算法

MEPG-4中去振鈴濾波算法[5]也是基于圖像邊界濾波的方法。該方法首先將每個(gè)16×16的宏塊劃分為8×8的子宏塊，然后確定每個(gè)子宏塊的局部閾值，并根據(jù)局部閾值對(duì)子宏塊進(jìn)行二值化處理，最后根據(jù)二值化的結(jié)果對(duì)宏塊進(jìn)行自適應(yīng)濾波。具體方法如下:

(1) 劃分子宏塊。首先將每幀解碼的圖像分為大小為16×16的宏塊，再將每個(gè)宏塊分為8×8的子宏塊，即每個(gè)子宏塊包含4個(gè)8×8的塊，并對(duì)每個(gè)子宏塊進(jìn)行標(biāo)號(hào)，如圖2所示 。

(2) 確定每個(gè)子宏塊的局部閾值。為了確定每個(gè)子宏塊的局部閾值，首先找出每個(gè)子宏塊中的最大像素值b[k]max和最小像素值b[k]min，其中k=1，2，3，4，然后確定宏塊中每個(gè)子宏塊的閾值threshold[k]以及灰度變化范圍range[k]，計(jì)算公式如下:

threshold[k]=(b[k]max+b[k]min)/2(1)

range[k]=b[k]max-b[k]min(2)

接下來，將4個(gè)子宏塊中最大的灰度范圍range[k](k=1，2，3，4)，作為這個(gè)宏塊的range，并將該子宏塊對(duì)應(yīng)的標(biāo)號(hào)k標(biāo)志為kmax如式(3)所示。

range=range[kmax](3)

最后對(duì)一些子宏塊的閾值threshold進(jìn)行調(diào)整。如果宏塊的灰度范圍range<16，則全部子宏塊的局部閾值threshold[k]置為0;如果宏塊的灰度范圍range≥64，并且子宏塊的range[k]<32，則該子宏塊的threshold[k]更新為threshold[kmax];其余的子宏塊的局部閾值保持不變。

(3) 用局部閾值對(duì)子宏塊進(jìn)行二值化。如果子宏塊的像素點(diǎn)大于該子宏塊的閾值threshold[k]，則將該像素點(diǎn)置為1，反之，置為0。

(4) 自適應(yīng)濾波。用圖3中的濾波器對(duì)圖像進(jìn)行自適應(yīng)濾波。當(dāng)3×3的濾波模板所覆蓋的區(qū)域所對(duì)應(yīng)的二值化值全為1或全為0時(shí)，則用圖3的濾波器對(duì)解碼圖像對(duì)應(yīng)的3×3區(qū)域進(jìn)行濾波，改變?cè)搮^(qū)域的中心像素點(diǎn)的值。反之，不濾波。

圖2 16×16的宏塊，標(biāo)號(hào)代表8×8的子宏塊

圖3 去振鈴效應(yīng)的濾波器

3 去振鈴濾波新算法

原去振鈴濾波算法主要有兩點(diǎn)不足:

(1) 采用的低通濾波器是3×3的對(duì)稱濾波器，由于振鈴效應(yīng)是在強(qiáng)邊界處產(chǎn)生類似水波紋狀的弱邊緣，并且具有方向性。因此，二維對(duì)稱濾波器并不能完全有效地去除振鈴效應(yīng)。

(2) 由于該算法是針對(duì)所有的非邊緣點(diǎn)進(jìn)行濾波，這樣務(wù)必會(huì)造成一些不太可能產(chǎn)生振鈴效應(yīng)的區(qū)域如弱邊緣區(qū)域也進(jìn)行了濾波，這樣會(huì)造成圖像細(xì)節(jié)的丟失，影響圖像的主觀效果。

在此提出的去振鈴濾波算法在原去振鈴濾波算法的基礎(chǔ)上進(jìn)行改進(jìn)，改進(jìn)后的算法流程為:

(1) 劃分子宏塊并確定每個(gè)子宏塊的局部閾值，并根據(jù)局部閾值對(duì)宏塊進(jìn)行二值化。該部分和原算法完全相同。

(2) 自適應(yīng)濾波

① 濾波像素點(diǎn)的確定。根據(jù)得到的二值化圖像，可以知道，被連通的全1或者全0包圍的區(qū)域?yàn)榉沁吘墔^(qū)，而0和1相鄰的區(qū)域?yàn)檫吘墔^(qū)。實(shí)驗(yàn)結(jié)果表明，振鈴效應(yīng)一般產(chǎn)生在距離強(qiáng)邊緣小于等于5個(gè)像素點(diǎn)的區(qū)域。因此，當(dāng)非邊緣點(diǎn)距離邊緣的距離小于等于5個(gè)像素點(diǎn)時(shí)，將該點(diǎn)標(biāo)記為濾波像素點(diǎn);當(dāng)非邊緣點(diǎn)距離邊緣的距離大于5個(gè)像素點(diǎn)時(shí)，將該點(diǎn)標(biāo)記為不濾波像素點(diǎn)，相比于原方法對(duì)所有的非邊緣點(diǎn)進(jìn)行濾波，該方法對(duì)圖像的一部分細(xì)節(jié)進(jìn)行了保留。

② 濾波過程。由于振鈴效應(yīng)在強(qiáng)邊緣的周圍產(chǎn)生與強(qiáng)邊緣同方向的假邊緣[6]，因此，用二維的對(duì)稱濾波器濾波，并不能完全濾除振鈴效應(yīng)，故提出用一維中值濾波器對(duì)濾波像素點(diǎn)進(jìn)行濾波，具體過程如下:

如圖4所示，Y5為需濾波的像素點(diǎn)。

圖4 濾波像素點(diǎn)和相鄰的8個(gè)點(diǎn)

圖5 邊緣的4個(gè)方向

判斷振鈴效應(yīng)引起的假邊緣點(diǎn)的方向

若(Y5-Y2)(Y5-Y8)>0，則T1=Y5-Y2+Y5-Y8，否則T1=0;

若(Y5-Y1)(Y5-Y9)>0，則T2=Y5-Y1+Y5-Y9，否則T2=0;

若(Y5-Y4)(Y5-Y6)>0，則T3=Y5-Y4+Y5-Y6，否則T3=0;

若(Y5-Y3)(Y5-Y7)>0，則T4=Y5-Y3+Y5-Y7，否則T4=0;

比較T1，T2，T3，T4的值，找出值最大的Ti，即:

Ti=max{T1，T2，T3，T4}

進(jìn)行有方向的濾波:

當(dāng)Ti=T1時(shí)，說明振鈴方向?yàn)閳D4中的方向1，對(duì)Y5沿著方向3進(jìn)行中值濾波，即濾波后的值為Y2，Y5，Y8的中值;

當(dāng)Ti=T2時(shí)，說明振鈴方向?yàn)閳D4中的方向2，對(duì)Y5沿著方向4進(jìn)行中值濾波，即濾波后的值為Y1，Y5，Y9的中值;

當(dāng)Ti=T3時(shí)，說明振鈴方向?yàn)閳D4中的方向3，對(duì)Y5沿著方向1進(jìn)行中值濾波，即濾波后的值為Y4，Y5，Y6的中值;

當(dāng)Ti=T4時(shí)，說明振鈴方向?yàn)閳D4中的方向4，對(duì)Y5沿著方向2進(jìn)行中值濾波，即濾波后的值為Y1，Y5，Y9的中值。

4 性能測(cè)試結(jié)果對(duì)比

4.1 主觀結(jié)果

對(duì)序列hallcif.yuv編解碼，然后分別用MEPG-4中的濾波方法和改進(jìn)的濾波方法對(duì)解碼圖像進(jìn)行去振鈴濾波，比較濾波后的圖像。

經(jīng)過對(duì)比圖6(a)和(b)，可以看出圖6(b)相對(duì)于圖6(a)，振鈴效應(yīng)得到了更好的削弱。特別是圖6(c)，(d)中的局部放大區(qū)域，可以明顯看出，改進(jìn)的濾波算法對(duì)振鈴效應(yīng)的消除有更好的效果，大大提高了圖像的主觀質(zhì)量。

圖6 兩種去振鈴濾波方法的對(duì)比

4.2 客觀結(jié)果

將圖6(c)，(d)中產(chǎn)生振鈴效應(yīng)的區(qū)域的局部的PSNR計(jì)算出來，比較兩種算法的客觀性能。

選取兩幅圖像中橫坐標(biāo)從20~50，縱坐標(biāo)從137~167的區(qū)域，計(jì)算局部PSNR。經(jīng)過計(jì)算，原算法濾波后的局部區(qū)域PNSR為29.42 dB，改進(jìn)算法濾波后的局部區(qū)域PNSR為29.72 dB。由此，可以看出，新算法比原算法的局部PSNR提高了0.31 dB。因此，新算法也提高了圖像的客觀質(zhì)量。

5 結(jié) 語

本文在MEPG-4中去振鈴濾波算法的基礎(chǔ)上，提出的一種新的去振鈴濾波算法。該算法克服了原算法中圖像細(xì)節(jié)的丟失和振鈴效應(yīng)去除不夠徹底的缺點(diǎn)。只對(duì)邊緣點(diǎn)周圍的非邊緣點(diǎn)進(jìn)行濾波，防止圖像細(xì)節(jié)的丟失，同時(shí)有方向性的中值濾波，對(duì)振鈴效應(yīng)消減有更好的效果。實(shí)驗(yàn)結(jié)果表明，相對(duì)于原方法，本文提出的方法可以有效提高圖像的主客觀質(zhì)量。

參考文獻(xiàn)

[1]龔翊廷，郭煒，祝永新.改進(jìn)的自適應(yīng)去振鈴濾波算法及其硬件實(shí)現(xiàn)[J].信息技術(shù)，2008，32(1):49-51.

[2]吳淑艷，黃繼風(fēng)，閔瑞雋.一種基于邊界處理的圖像復(fù)原方法[J].微計(jì)算機(jī)應(yīng)用，2008(7):11-15.

[3]Wang Ci，Xue Ping，Lin Weisi，et al.Fast Edge-preserved Post-processing for Compressed Images[J].IEEE Trans.on Circuits and Systems for Video Technology，2006，16(9):1 142-1 147.

[4]Kong H，Niey，Vetro A，et al.Coding Artifacts Reduction using Edge map Guided Adaptive and Fuzzy Filtering[A].IEEE ICME[C]Taipei，2004.

[5]International Standard ISO/IEC 14496-2:2004 Technical Corrigendum 1[S].2004，15(6):612.

[6]徐金波.變換編碼中消除圖像“塊效應(yīng)”的優(yōu)化算法[J].計(jì)算機(jī)工程與科學(xué)，2006，28(2):51-53.

[7]You Y-L，Kavehm.Ringing Reduction in Image Restoration by Orientation-selective Regularization[J].IEEE Signal Processing Letters，1996，3(2):29-31.

[8]Bin L K，Weimiao Y，Liangls.Ringing Reduction of Image Restoration[A].IEEE ICSP[C].Beijing，2002:1 757-1 761.

[9]宗琦，高璐.一種盲復(fù)原圖像振鈴效應(yīng)的后處理與質(zhì)量評(píng)價(jià)方法[J].計(jì)算機(jī)應(yīng)用，2007，27(4):986-989.

[10]吳顯金，王潤(rùn)生.基于邊緣恢復(fù)和偽像消除的正則化圖像復(fù)原[J].電子與信息學(xué)報(bào)，2006，28(4):577-581.