基于并行运算的双层图像锐化方法

　　0引言

　　随着大版面海报、广告的日益流行，高清显示器、蓝光技术的发展，以及计算机处理能力的日新月异，人们对高清影像的要求越来越高。与此同时，高清晰度的素材却不近人意，除现有的一大批非高清晰度的素材外，人们还在大量产生非高清晰度的素材。尤其对于许多无线终端，其分辨率低、画面小，经放大后，有些画面会产生严重失真。这个问题一直在困扰着人们，限制了图像编辑者的取材范围，导致一些大版面的印刷品图像不清晰或边缘出现毛刺现象，影响了画面的美观和质感。

　　图像锐化是通过补偿图像轮廓、突出图像的边缘信息以使图像更加清晰，即图像锐化的实质是增强原始图像的高频分量，同时抑制、降低甚至剔除图像的噪声。但常见的图像锐化算法在放大原始图像高频分量的同时，也会伴随着噪声的放大，如何处理噪声就成为图像锐化算法的主要研究问题。人们已经开发了许多图像锐化算法，如：线性插值法[1-3]、非线性逆扩散方程去噪法[1，4-5]、拉普拉斯锐化算法[6]、反锐化掩模法[7-8]、马尔可夫随机场法[9]以及量子遗传算法[10]等。

　　最邻近插值法[1]是一种简单、高效的方法，具体操作如下：对任意放大后未知的像素点P，在原始图像上找到其对应点Q，以曼哈顿距离计算出Q点的最邻近像素点A、B、C、D，取P点的像素值为最靠近的邻近点像素值。该方法通过简单复制原始图像像素来获得放大效果，放大后的图像有明显马赛克效应，像素值会突然出现跳跃，导致图像明显失真。

　　双线性插值法[2]可以避免方块效应，使放大后的图像更平滑，视觉效果相对较好，且运算量较小，容易实现；缺点是应用双线性插值法放大的图像边缘会模糊，且随着放大倍数增加模糊程度将加剧，从而影响图像效果。

　　双立方插值法[4]被插值点的值是由16个邻近点计算获得的，由它得到的图像比双线性插值的结果更平滑。双立方插值算法与双线性插值算法的本质区别不仅在于扩大了影响点的范围，还采用了高级的插值算法——非线性插值算法。双立方插值算法在现有的一些常用图像处理软件中得到了应用，如Photoshop、AfterEffects、Avid、FinalCutPro等。

　　小波双立方配比插值法[4]比双立方插值法含有更多的高频成分，其消除马赛克效果比双立方插值更好，但边缘仍存在锯齿现象。

　　文献[5]采用B样条插值法使物体的轮廓更加清晰，边缘的锯齿现象大大减弱，图像感受更为自然。

　　郝玉峰等[6]将各向异性逆扩散算法用于指纹图像的锐化去噪，克服了非线性扩散方程对大曲率边缘点的模糊效应，兼顾了去噪和保持边界这一矛盾的两方面。

　　张玲等[7]提出了将粗糙集和小波反锐化掩模相结合的方法来实现图像增强，运用粗糙集中的近似及等价属性关系将知识化后的图像划分成不同的区域，再根据估计好的阈值进行数据约简，实现噪声的有效去除；运用小波反锐化掩模法对图像的轮廓及细节信息进行增强处理，完成图像的最终增强；最后用实验检验了算法的效果。

　　王利平等[8]采用受限拉普拉斯锐化算法，有效地抑制了图像的噪声加强，使图像边缘清晰，保护了图像的细节。

　　刘芳等[9]将ThinPlate先验能量函数引入到反锐化掩膜方法中，给出了一种基于马尔可夫随机场理论的图像锐化方法，并用实验证明了该方法能有效抑制噪声，突出图像边缘细节。

　　姜桂圆等[11]采用尺度不变特征变换方法提取局部特征点、生成局部特征描述器，研究了数据分配、特征调整、数据块划分与数据发送方式，给出了基于消息传递机制的并行图像处理与优化策略，并用实验说明了算法的加速效果。

　　王刚等[12]提出了基于脊小波（ridgelet）变换域的模糊自适应图像增强算法，利用脊小波变换在表示图像线性奇异边缘时具有独特的优越性，达到突出边缘和抑制噪声的目的，并用实验验证了算法的效果。

　　钱惟贤等[13]给出了一种既可以对图像进行锐化滤波，又不降低图像信噪比的算法，该算法采用模式识别的相关理论，基于隶属度和概率松弛技术对红外图像中由真实边缘和由各种噪声引起的亮度数值变化进行区分，对不同区域采用不同的锐化处理，并用实验证明该算法的效果。

　　Xu等[14]通过从不同缩放率中取得的锐化参数来修改图像缩放所需的像素值，在近似梯度方法上采用简单的高斯分布来保障运算速度，从而锐化放大后的图像。

　　Pattanasethanon等[15]把直方图均衡化和边缘检测程序应用到原始图像，在锐化过程中，均值、方差、噪声率信号被用来对明亮度、分辨率做统计参数，经验证，输出的图像亮度和对比度得到增强，最后该文指出这种方法适合历史图像、卫星图像和捕获图像三类。

　　Lee等[16]提出了一个新颖的锐化掩模技术，该技术在锐化图像时，既不使图像失真又不会放大噪声，给出的算法模仿了人类可视化系统的特点，用于控制锐化的级别，同时使用能量分散过滤来排除图像色彩失真，最后通过实验验证了算法的效果。

　　Nooraliei等[17]利用IJAIrajiJamalianAutomaton，是人名随机学习自动机检测噪声和α参数调优，该参数被用于大气扩散模型图的锐化。该方法被用于自动机和自适应方式的灰度图处理时，表明IJA自动机能检测到噪声并用邻近点的相应特征值代替，作局部图像恢复，最后作者通过实验给出了与采用其他方法作图像锐化的比较。

　　Tseng等[18-19]使用Hermite插值法设计分数延迟滤波器，给出了两种基于Hermite插值的分数延迟滤波器的实现方法，而滤波器被广泛用于数字合成和图像锐化过程的去噪；另外，用分数阶导数和Mach带效应进行图像锐化，使用GrünwaldLetnikov导数设计分数阶数字微分器，进而将Mach带效应和分数阶数字微分器用于构造图像锐化算法，最后用例子表明了方法的有效性。

　　Gui等[20]提出了一个增强图像的空间局部对比度的非线性模块，该方法利用线性反锐化掩模技术和非抽样离散模糊逻辑来降低噪声的敏感程度，获得了感知愉悦的结果。进而，Gui等[21]将非线性模块结合图像的灰度差异用于X射线图像的锐化，用实验表明了方法的效果。