Winscale
Рис. 9.1 (a – источник, b – метод ближайшего соседа)
Рис. 9.2 (с – билинейный метод, d – алгоритм Winscale)
Рис. 9.3 (e – Winscale + хитрый приём сглаживания, f – бикубический метод)
Чтобы визуально оценить свойства краёв, на рис. 9 приведены карты с выделенными краями первоначального и масштабированного изображений. Там же приведены увеличенные фрагменты изображения, масштабированного с VGA на XGA. Очевидно, что ближайший сосед и winscale сохраняет гладкие контуры. Изображения, полученные с помощью зонной пластинки предназначены для сравнения частотных характеристик различных методов масштабирования. На рис. 10 показано, что winscale имеет частотные характеристики, близкие к характеристикам билинейного алгоритма. Плохая высокочастотная характеристика бикубического алгоритма связана с высокой гладкостью, вызванной фильтрацией с помощью 16 пикселей источника.
Рис. 10.1 (а – метод ближайшего соседа, b – билинейный метод)
Рис. 10.2 (с – Winscale, d – Winscale + приём сглаживания, e – бикубический метод)
ЗАКЛЮЧЕНИЕ
В этой статье мы предложили новый алгоритм масштабирования winscale и проверили работу его аппаратной реализации на FPGA. Winscale состоит из пяти функциональных блоков (блок предварительного масштабирования, буферы строк, фильтр, интерполятор фильтра, блок расчёта весовых коэффициентов) и использует около 29 000 элементов И-НЕ. Алгоритм тестировался на FPGA, некоторые тестовых сцены выводились на LCD-дисплей с помощью DVI-интерфейса. Предлагаемый алгоритм имеет лучшее качество изображения, чем у билинейного алгоритма при сравнимой сложности. Кроме того, алгоритм требует только четыре буфера строк для вертикального масштабирования при потоковой обработке. Как результат, winscale является эффективным алгоритмом для приложений, требующих хорошее качество изображения и низкую вычислительную сложность.[1] A. K. Jain, Fundamentals of Digital Image Processing. Englewood Cliffs, NJ: Prentice-Hall, 1989.
[2] L.-M. Joshua, “Flat panel display interface technologies,” in Silicon Graphics. Mountain View, CA: Silicon Graphics, Inc., 1998.
[3] W. K. Pratt, Digital Image Processing. New York:Wiley-Interscience, 1991.
[4] J. A. Parker, R. V. Kenyon, and D. E. Troxel, “Comparison of interpolation methods for image resampling,” IEEE Trans. Med. Imag., vol. 2, pp. 31–39, 1983.
[5] S. Fifman, “Digital rectification of ERTS multispectral imagery,” in Proc. Significant Results Obtained From Earth Resources Technology Satellite-1, vol. 1, 1973, pp. 1131–1142.
[6] R. C. Gonzalez and R. E.Woods, Digital Image Processing. Reading, MA: Addison-Wesley, 1992.
[7] H. S. Hou and H. C. Andrews, “Cubic splines for image interpolation and digital filtering,” IEEE Trans. Acoust., Speech, Signal Processing, vol. ASSP-26, pp. 508–517, 1978.
[8] S. Andrews and F. Harris, “Polynomial approximations of interpolants,” in Conf. Record 33rd Asilomar Conf. Signals, Systems, and Computers, vol. 1, 1999, pp. 447–451.
[9] N. Shezaf, H. Abramov-Segal, I. Sutskover, and R. Bar-Sella, “Adaptive lowcomplexity algorithm for image zooming at fractional scaling ratio,” in 21st IEEE Conv. Electrical and Electronic Engineers, Tel Aviv, Israel, 2000, pp. 253–256.
[10] H. C. Kim, B. H. Kwon, and M. R. Choi, “An image interpolator with image improvement for LCD controller,” IEEE Trans. Consumer Electron., vol. 47, pp. 263–271, May 2001.
[11] S. Carrato and L. Tenze, “A high quality 2_ image interpolator,” IEEE Signal Processing Lett., vol. 7, pp. 132–134, June 2000.
[12] M. Unser, “Enlargement or reduction of digital images with minimum loss of information,” IEEE Trans. Image Processing, vol. 4, pp. 247–258, Mar. 1995.
[13] A. M. Darwish, M. S. Bedair, and S. I. Shaheen, “Adaptive resampling algorithm for image zooming,” in Proc. Inst. Elect. Eng. Visual Image Signal Process, vol. 144, Aug. 1997, pp. 207–212.