一种自适应去除振铃滤波新算法

周家玉;殷瑞祥

【摘 要】振铃效应严重地影响了复原图像质量,在此针对MEPG-4中的去振铃滤波方法,提出一种新的去振铃滤波算法,既能有效消除振铃效应又能充分保护图像的边缘.算法首先找出边缘区域和非边缘区域,然后根据振铃效应产生的原因和现象,采用中值滤波器对图像进行自适应滤波,以去除振铃效应.实验结果表明,这里的滤波算法相对于MEPG-4中的去振铃滤波方法,能更加有效地去除振铃效应,并且大大提高了图像的主客观质量.

【期刊名称】《现代电子技术》 【年(卷),期】2010(033)004 【总页数】3页(P58-60)

【关键词】去振铃效应;自适应滤波;中值滤波;图像质量 【作 者】周家玉;殷瑞祥

【作者单位】华南理工大学,电子与信息学院,广东,广州,510640;华南理工大学,电子与信息学院,广东,广州,510640 【正文语种】中 文 【中图分类】TP391 0 引 言

视频图像的压缩技术在很大程度上减少了视频图像的存储容量和传输带宽,极大地

促进了图像和视频业务的广泛应用。目前很多主流的视频及图像编码技术是使用基于块的DCT变换，并在变换域中对变换后的系数进行量化[1,2]。由于高频的交流系数通常在量化时会被去掉，从而导致解码后视频图像的失真。失真有两种，一种是在块的边界出现不连续的现象，另一种是当原始图像里面有强边界的时候，解码后会在边界周围产生类似于水波纹样的效果。前一种失真可以在编码器端加入滤波器对块边界进行滤波得以减弱并消除。而后一种失真现象称为振铃现象。这种现象严重地降低了视频图像的主客观质量。 1 振铃效应的产生原因和去除原理

振铃效应是指失真图像中高对比度边缘处的抖动现象，在对比度高的区域较明显，但不会出现在平滑区域。它同样是由于量化，特别是高频分量的粗量化引起的，对高频分量的粗量化等同于使用了一个锐截止的低通滤波器对图像数据进行滤波。下面从信号的角度解释振铃效应的产生。如图1(a)所示，g(t)是一个输入的阶跃信号(如图1(a)中虚线所示)；f(t)是g(t)经过低通滤波h(t)(如图1(b)所示)后得到的信号(如图1(a)中实线所示)。从图1(a)可看出，经滤波后，在信号的阶跃处出现了明显的抖动现象。因此，当图像存在强边界时，经过低通滤波就会在边界产生振铃现象。 图1 振铃效应的产生

在视频图像的编码过程中，量化实际上也是一个平滑低通滤波的效果。因此，在原始图像里面有强的边界时，解码后会在边界产生振铃效应。

常用的去除振铃效应的方法[3,4]是先找出边缘区域，然后根据不同的区域自适应滤波。这样，就可以在滤除图像振铃效应的同时，尽量保留图像的边缘部分。 2 编解码标准MEPG-4中的去振铃算法

MEPG-4中去振铃滤波算法[5]也是基于图像边界滤波的方法。该方法首先将每个16×16的宏块划分为8×8的子宏块，然后确定每个子宏块的局部阈值，并根据局部阈值对子宏块进行二值化处理，最后根据二值化的结果对宏块进行自适应滤波。

具体方法如下：

(1) 划分子宏块。首先将每帧解码的图像分为大小为16×16的宏块，再将每个宏块分为8×8的子宏块，即每个子宏块包含4个8×8的块，并对每个子宏块进行标号，如图2所示 。

(2) 确定每个子宏块的局部阈值。为了确定每个子宏块的局部阈值，首先找出每个子宏块中的最大像素值b[k]max和最小像素值b[k]min，其中k=1,2,3,4，然后确定宏块中每个子宏块的阈值threshold[k]以及灰度变化范围range[k]，计算公式如下：

threshold[k]=(b[k]max+b[k]min)/2 (1)

range[k]=b[k]max-b[k]min (2)

接下来，将4个子宏块中最大的灰度范围range[k](k=1,2,3,4)，作为这个宏块的range,并将该子宏块对应的标号k标志为kmax如式(3)所示。 range=range[kmax] (3)

最后对一些子宏块的阈值threshold进行调整。如果宏块的灰度范围range<16，则全部子宏块的局部阈值threshold[k]置为0；如果宏块的灰度范围range≥64，并且子宏块的range[k]<32，则该子宏块的threshold[k]更新为threshold[kmax]；其余的子宏块的局部阈值保持不变。

(3) 用局部阈值对子宏块进行二值化。如果子宏块的像素点大于该子宏块的阈值threshold[k]，则将该像素点置为1，反之，置为0。

(4) 自适应滤波。用图3中的滤波器对图像进行自适应滤波。当3×3的滤波模板所覆盖的区域所对应的二值化值全为1或全为0时，则用图3的滤波器对解码图

像对应的3×3区域进行滤波，改变该区域的中心像素点的值。反之，不滤波。 图2 16×16的宏块，标号代表8×8的子宏块 图3 去振铃效应的滤波器 3 去振铃滤波新算法

原去振铃滤波算法主要有两点不足：

(1) 采用的低通滤波器是3×3的对称滤波器，由于振铃效应是在强边界处产生类似水波纹状的弱边缘，并且具有方向性。因此，二维对称滤波器并不能完全有效地去除振铃效应。

(2) 由于该算法是针对所有的非边缘点进行滤波，这样务必会造成一些不太可能产生振铃效应的区域如弱边缘区域也进行了滤波，这样会造成图像细节的丢失，影响图像的主观效果。

在此提出的去振铃滤波算法在原去振铃滤波算法的基础上进行改进，改进后的算法流程为：

(1) 划分子宏块并确定每个子宏块的局部阈值，并根据局部阈值对宏块进行二值化。该部分和原算法完全相同。 (2) 自适应滤波

① 滤波像素点的确定。根据得到的二值化图像，可以知道，被连通的全1或者全0包围的区域为非边缘区，而0和1相邻的区域为边缘区。实验结果表明，振铃效应一般产生在距离强边缘小于等于5个像素点的区域。因此，当非边缘点距离边缘的距离小于等于5个像素点时，将该点标记为滤波像素点；当非边缘点距离边缘的距离大于5个像素点时，将该点标记为不滤波像素点，相比于原方法对所有的非边缘点进行滤波，该方法对图像的一部分细节进行了保留。

② 滤波过程。由于振铃效应在强边缘的周围产生与强边缘同方向的假边缘[6]，因此，用二维的对称滤波器滤波，并不能完全滤除振铃效应，故提出用一维中值滤波

器对滤波像素点进行滤波，具体过程如下： 如图4所示，Y5为需滤波的像素点。 图4 滤波像素点和相邻的8个点 图5 边缘的4个方向

判断振铃效应引起的假边缘点的方向

若(Y5-Y2)(Y5-Y8)>0，则T1=|Y5-Y2|+|Y5-Y8|，否则T1=0; 若(Y5-Y1)(Y5-Y9)>0，则T2=|Y5-Y1|+|Y5-Y9|，否则T2=0； 若(Y5-Y4)(Y5-Y6)>0，则T3=|Y5-Y4|+|Y5-Y6|，否则T3=0； 若(Y5-Y3)(Y5-Y7)>0，则T4=|Y5-Y3|+|Y5-Y7|，否则T4=0； 比较T1，T2，T3，T4的值，找出值最大的Ti，即： Ti=max{T1,T2,T3,T4} 进行有方向的滤波：

当Ti=T1时，说明振铃方向为图4中的方向1，对Y5沿着方向3进行中值滤波，即滤波后的值为Y2，Y5，Y8的中值；

当Ti=T2时，说明振铃方向为图4中的方向2，对Y5沿着方向4进行中值滤波，即滤波后的值为Y1，Y5，Y9的中值；

当Ti=T3时，说明振铃方向为图4中的方向3，对Y5沿着方向1进行中值滤波，即滤波后的值为Y4，Y5，Y6的中值；

当Ti=T4时，说明振铃方向为图4中的方向4，对Y5沿着方向2进行中值滤波，即滤波后的值为Y1，Y5，Y9的中值。 4 性能测试结果对比 4.1 主观结果

对序列hall_cif.yuv编解码，然后分别用MEPG-4中的滤波方法和改进的滤波方法对解码图像进行去振铃滤波，比较滤波后的图像。

经过对比图6(a)和(b)，可以看出图6(b)相对于图6(a)，振铃效应得到了更好的削弱。特别是图6(c)，(d)中的局部放大区域，可以明显看出，改进的滤波算法对振铃效应的消除有更好的效果，大大提高了图像的主观质量。 图6 两种去振铃滤波方法的对比 4.2 客观结果

将图6(c)，(d)中产生振铃效应的区域的局部的PSNR计算出来，比较两种算法的客观性能。

选取两幅图像中横坐标从20～50，纵坐标从137～167的区域，计算局部PSNR。经过计算，原算法滤波后的局部区域PNSR为29.42 dB，改进算法滤波后的局部区域PNSR为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，新算法也提高了图像的客观质量。 5 结 语

本文在MEPG-4中去振铃滤波算法的基础上，提出的一种新的去振铃滤波算法。该算法克服了原算法中图像细节的丢失和振铃效应去除不够彻底的缺点。只对边缘点周围的非边缘点进行滤波，防止图像细节的丢失，同时有方向性的中值滤波，对振铃效应消减有更好的效果。实验结果表明，相对于原方法，本文提出的方法可以有效提高图像的主客观质量。 参 考 文 献

[1]龚翊廷,郭炜,祝永新.改进的自适应去振铃滤波算法及其硬件实现[J].信息技术,2008,32(1):49-51.

[2]吴淑艳,黄继风,闵瑞隽.一种基于边界处理的图像复原方法[J].微计算机应用,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.变换编码中消除图像“块效应”的优化算法[J].计算机工程与科学,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.一种盲复原图像振铃效应的后处理与质量评价方法[J].计算机应用,2007,27(4):986-989.

[10]吴显金,王润生.基于边缘恢复和伪像消除的正则化图像复原[J].电子与信息学报,2006,28(4):577-581.