隔行视频基础和去隔行处理所采用的技术

什么是隔行视频？

传统的电视采用阴极射线管或CRT。你家的老电视屏幕实际上就是这种射线管的终端，其内侧被涂以磷—一种当被电子束撞击时会发光的化学物质。在这个管的前侧(电视机的后部)，有一个“电子枪”会朝屏幕发送一束电子。电子枪能让发射的电子瞄准目标，这使射线管整个前侧的面被具有电子束“喷绘”。这就造成射线管前侧发亮，产生了我们所看见的图像。

为了在电视中描绘这一视频画面，图像被分解成一系列水平线条，这些线组成了一个视频帧。这个帧被视为电视中一个静止的画面。要产生一个移动的画面，多个帧被连续的刷新，通常是每秒刷新60次。要获得有较高分辨率的画面，需要增加更多的水平线条。因为电视传输系统仅容许每秒传输这样多的线条，要做到这一点并不容易。如果每个帧中我们发送更多的线条，那么我们就不能经常升级帧。如果帧太慢(例如每秒少于60次)，我们会发现电视中有闪烁。

当完成了目前的电视标准开发之后，在每个帧内线条的数量和每秒的帧数量之间进行了折衷，并给定了可用带宽(每秒有多少数据能被传输)。在电视系统开发早期，开发人员有非常有限的带宽，要在具有极差分辨率的画面和具有大量闪烁的系统之间进行选择会带来困难。因此开发人员决定，利用人眼不会觉察到低于50Hz时间频率的连续性。他们开发了一种系统，在这一系统中，电视机首先采用帧隔行来获得一个半分辨率图像，然后返回并填满剩余的线。这会产生一个具有可接受分辨率(525个水平线条)的图像和一个可接受的足够的帧的速度(60场/秒)。这就是大约70年前首次推出的基本电视系统，目前，许多人打开他们的电视机时所看到的就是这种系统。

隔行视频

在这一图形上方，电视的电子枪首先绘制红色线条。点状线条表明CRT束结束某行并返回到下一行的起始位置时的路径(已知的水平回描)。一旦所有红色的线条被绘制，CRT束立刻沿着黑色点状线条路径向上返回到顶部，并绘制绿色线条。黑色点状线条即是所知的垂直回扫。所有帧的一半为红色的场，另一半为绿色的场。这两个场在一起即是所说的隔行，并且当它们被组合后被称为帧。

隔行视频利用了我们视觉系统固有的反应时间。当电视屏幕上的一个线条在非常短的时间内被绘制，甚至在它实际上消失后，我们会继续看见它。我们感到一系列的图像(每秒60个图像)是连续的。通过刷新旧的图像甚至线条，我们得到可用带宽的两倍的垂直分辨率，并且我们避免了看得见的图像闪烁。视频图像在从广播公司收到的同时被扫描到CRT上，这就意味着在系统中不需要存储器。

去隔行(De-interlacing)特性

在过去的几十年当中，开发了大量不同的去隔行技术。这些技术中的每一种都有不同的方面或特性，有待探究的课题包括：与自适应处理相对的静态处理；场内(intra-field)相对于场间(inter-field)；运动自适应相对于运动补偿。

固定相对于自适应

固定处理与场内的图像内容无关。固定处理的典型实例包括不同形式的标记干扰性移动，这其中又包括线平均和垂直滤波、垂直时间方向滤波、垂直时间滤波和编织等。固定处理的复杂性相对较低，并且在较低分辨率的显示器上提供较好的性能，但在HDTV(1920x1080像素)显示器上性能则较差。自适应处理取决于场或几个场内的图像内容。自适应处理的实例包括：处理、运动自适应和运动补偿。自适应处理的复杂性非常高，但可提供非常优异的性能。

场内相对于场间

场内仅采用一个信息场(有时被称为空间处理)。场内处理的曲型实例包括线平均、垂直滤波和边缘适应。场内处理就复杂性而言从底到高，并提供可接受的较好性能。

场间处理采用了来自不同场的信息(有时被称为时间处理)。场间处理的典型实例包括编织、垂直时间过滤、运动自适应和运动补偿。场间处理就复杂性而言从低到非常高，并提供令人满意的优越性能。

运动自适应相对于运动补偿

这两种特性最易被混用，也让消费者混淆。好在这一简单的定义会有所帮助。

运动自适应处理检测出现在两个场之间的运动。运动检测可能出现在场级、块级 (像素的子集)或每个像素(往往被称为每像素或基于像素的处理)。运动自适应处理的复杂性趋于中等，并提供较好的性能。运动补偿处理评估两个场之间的运动。这一运动评估可出现在场级、块级或每个像素。运动补偿处理的复杂性非常高，并提供非常优越的性能(我没有说是完美的性能!)

结论

随着高分辨率电视格式及等离子和LCD逐行显示技术的出现，对于高质量去隔行技术的需要是显而易见的。不幸的是，并非所有的去交织器都是一样创建的。如果你走到当地的电子产品店中，你会很容易地看到陈列的不同监视器。高对比度电视的运动边缘锐丽吗？在不应该存在斑点和运动的地方是否存在斑点和运动？在那里，甚至从最昂贵的逐行扫描显示器电视也可以看到低劣的去隔行技术所产生的人工处理的痕迹。如果你要花许多钱在每一个其它方面都远优越于传统CRT的一台电视机上，你也会值得做最佳处理技术以确保最佳的图像质量！

作者简介：David Vrhovnik是加拿大安大略省伯灵顿 Gennum Corporation公司的视频算法开发经理。 David在麦克马司特大学(安大略省哈密尔顿市)取得其计算机工程学位，并在麦大商学院(安大略省哈密尔顿市)取得MBA学位。您可通过邮址dave_v@gennum.com与他取得联系。