專利名稱：改善影像識(shí)別率的方法
技術(shù)領(lǐng)域：
本發(fā)明有關(guān)一種影像處理的方法，特別是有關(guān)一種改善影像識(shí)別率的方法。
(2)背景技術(shù)目前有關(guān)影像擷取的電子器材相當(dāng)?shù)亩?例如掃描器、數(shù)字相機(jī)等)，而且也相當(dāng)普遍，絕大部分的人擁有或曾使用過這些電子器材。這些電子器材利用將欲擷取物體所發(fā)出或反射的光(照射物體的光可能是自然光或由我們所提供的光)經(jīng)過一些光學(xué)鏡片而使影像成像至感光元件上，常見的感光元件有電荷耦合器件(charge-coupled device，CCD)或者互補(bǔ)型金屬氧化半導(dǎo)體(complementarymetal-oxide-semiconductor，CMOS)，利用這些感光元件將影像轉(zhuǎn)為電子數(shù)字?jǐn)?shù)據(jù)。
影像數(shù)據(jù)由于物理上的限制或者器材功能上的缺陷不足，而使影像與實(shí)際肉眼所見有差距，例如影像對(duì)比不足、模糊等，影像的識(shí)別率因而降低。物理上成像的限制有光的繞射，而器材功能方面有鏡片的成像的像差或色差，欲擷取物體以外的光進(jìn)入器材內(nèi)部所造成光的散射或感光元件對(duì)光反應(yīng)不足等。這些問題利用器材設(shè)計(jì)上的改善可以減少影響，例如像差問題可以將鏡片的曲率修正，或光軸的修正來改善；色差問題可以改變鏡片的材質(zhì)或鏡片組(凸透鏡與凹透鏡黏合)的方式來改善，而外來的散光可以將器材內(nèi)部粗糙化并以涂上黑色吸光的物質(zhì)等方式改進(jìn)。這些處置雖改善了成像的品質(zhì)，但卻無法完全克服這些影響。因此原本清楚、銳利的影像，經(jīng)擷取后影像的清晰度、銳利度上依然會(huì)受影響而降低。
實(shí)際的影像的信號(hào)經(jīng)這些影響，并非被破壞，而是這些數(shù)據(jù)隱藏在外來干擾信號(hào)的里面。例如物體的邊緣與背景影像，亮度上的差異還在，但由于成像與擷取信號(hào)過程一些外在的、其他的信號(hào)也一起加入，造成這些影像亮度的差異因?yàn)檫@些外來的信號(hào)的加入，相對(duì)地變得不明顯而使影像顯得模糊。也就是說，所擷取的影像數(shù)據(jù)內(nèi)除我們所要的實(shí)際影像數(shù)據(jù)，還包含其他我們不要的信號(hào)。
數(shù)字影像的優(yōu)點(diǎn)是數(shù)據(jù)可以進(jìn)行邏輯上的運(yùn)算、判斷。因此有相當(dāng)多的影像處理軟件可以處理這些數(shù)字影像，例如加強(qiáng)對(duì)比或調(diào)高、降低亮度等。但例如讓影像加強(qiáng)對(duì)比，看起來似乎影像變得銳利了，但處理過程并不去判斷實(shí)際影像的情況，而僅是對(duì)亮度上的差異提高，而非針對(duì)影像需調(diào)整處加以調(diào)整。因此調(diào)整對(duì)比后的影像，銳利度提高了，但物體的影像本身信號(hào)也改變，使影像信號(hào)失真。
要提高影像的清晰度，即是影像上不同物體本身必須可以判別。雖然要消除這些外來信號(hào)并不容易，但由于這些外來信號(hào)并不影響實(shí)際影像上信號(hào)的差異，因此我們可以利用這個(gè)特性，再加上數(shù)字影像可以進(jìn)行邏輯上的運(yùn)算、判斷的優(yōu)點(diǎn)，將實(shí)際影像上的一些物體的邊緣加以判斷出來，而針對(duì)這些邊緣加以處理，使影像上不同物體的邊緣或交界處變得銳利。而由于調(diào)整的部分僅在這些影像邊緣處，對(duì)物體本身的信號(hào)不加以改變，因此可以在調(diào)整過程不造成影像的失真問題。習(xí)知技術(shù)對(duì)于影像上物體邊緣的判斷，利用周邊與此像素共九點(diǎn)來判斷，因此運(yùn)算效率較差，本發(fā)明將以較習(xí)知技術(shù)少的點(diǎn)數(shù)來判斷是否為影像的邊緣，因此效率上亦可以改善。
(3)發(fā)明內(nèi)容鑒于上述的發(fā)明背景中，擷取影像的銳利度與清晰度無法與實(shí)際一致，且利用影像軟件處理也會(huì)造成影像失真的問題，本發(fā)明的主要目的在于提供一種改善影像識(shí)別率的方法，以提升影像識(shí)別率。
本發(fā)明的另一目的為利用改善影像識(shí)別率的方法，僅調(diào)整物體邊緣部分的影像，而不影響物體本身的數(shù)據(jù)，使影像不因調(diào)整過程而使影像進(jìn)一步失真。
本發(fā)明的又一目的為利用改善影像識(shí)別率的方法，僅調(diào)整物體邊緣部分的影像，使物體邊緣亮度變化所需的寬度(像素?cái)?shù))減少。
本發(fā)明的再一目的為利用以少量的像素值來改善影像識(shí)別率的方法，使邊緣的判斷及運(yùn)算的效率提高，從而節(jié)省運(yùn)算所需的時(shí)間。
為實(shí)現(xiàn)上述目的，根據(jù)本發(fā)明一方面提供一種改善影像識(shí)別率的方法，其特點(diǎn)是，包含判斷一像素是否位于一影像上一物體邊緣；以及修正該判斷為物體邊緣的像素的影像數(shù)值。
根據(jù)本發(fā)明另一方面提供一種改善影像識(shí)別率的方法，其特點(diǎn)是，包含以演繹法判斷一像素是否位于一影像上的灰階部分；以演繹法判斷該像素是否位于該影像上一物體邊緣；以及修正該判斷為物體邊緣的像素的影像數(shù)值。
本發(fā)明是利用影像邊緣亮度變化的特性，判斷影像上物體邊緣的部分，針對(duì)這些部分加以調(diào)整修正，使影像的識(shí)別率提升，并使物體邊緣亮度變化所需的寬度(像素?cái)?shù))減少。而因調(diào)整部分僅為物體邊緣的部分，不影響實(shí)際擷取的物體本身的信號(hào)，故不會(huì)使調(diào)整過的影像增加其影像失真度。并且以少量的像素值即可進(jìn)行判斷，可以增加運(yùn)算的效率，節(jié)省運(yùn)算所需的時(shí)間。
(4)


本發(fā)明的上述目的與優(yōu)點(diǎn)，將以下列實(shí)施例以及圖示進(jìn)行詳細(xì)說明如下，其中圖1A是縱向邊緣的修正的流程圖；圖1B是縱向邊緣的判斷方程式的流程圖；圖2A是橫向邊緣的修正的流程圖；圖2B是橫向邊緣的判斷方程式的流程圖；圖3A是縱向及橫向邊緣的修正的流程圖；圖3B是縱向及橫向邊緣的判斷方程式的流程圖；以及圖4A至圖4D是修正前后的柱狀示意圖。
(5)具體實(shí)施方式
本發(fā)明的一些實(shí)施例予以詳細(xì)描述如下。然而，除了詳細(xì)描述外，本發(fā)明還可以廣泛地在其他的實(shí)施例施行，且本發(fā)明的范圍不受其限定，而是以權(quán)利要求所限定的專利范圍為準(zhǔn)。
影像的每一個(gè)像素的數(shù)據(jù)均含有紅R綠G藍(lán)B三原色的各自亮度，而我們所看到的顏色即為紅R綠G藍(lán)B三原色各按此的亮度混合而成的。因此我們的改善影像識(shí)別率的方法即利用紅R綠G藍(lán)B三原色各自的數(shù)值大小來判斷。
在實(shí)施例中，X(i，j)代表在座標(biāo)(i，j)的數(shù)值X，而數(shù)值X可以為紅R、綠G或藍(lán)B的數(shù)值。(i，j)的i代表橫向座標(biāo)上的數(shù)值，j代表縱向座標(biāo)上的數(shù)值。
本發(fā)明的一較佳實(shí)施例為，參考圖1A，為一種縱向邊緣的修正100的流程圖。首先判斷縱向邊緣102為利用橫向上連續(xù)三個(gè)像素X(i-1，j)、X(i，j)以及X(i+1，j)的數(shù)據(jù)來判斷是否為縱向邊緣，若為縱向邊緣，則其數(shù)值將逐漸變大或變小，也就是逐漸變亮或變暗。因此只要符合X(i-1，j)＜X(i，j)＜X(i+1，j)或X(i-1，j)＞X(i，j)＞X(i+1，j)即可判斷為縱向邊緣，因此判斷式可寫為[X(i+1，j)-X(i，j)][X(i，j)-X(i-1，j)]＞0 (1)若為非將進(jìn)行橫向修正200；若為是則繼續(xù)判斷是否為縱向及橫向邊緣104，其判斷式為[X(i，j+1)-X(i，j)][X(i，j)-X(i，j-1)]＞0 (2)若為是則將進(jìn)行縱向及橫向修正300，若為非則繼續(xù)判斷像素?cái)?shù)值大小偏向106，也就是判斷像素X(i，j)其數(shù)值大小比較接近X(i+1，j)或X(i-1，j)，其判斷式為abs[X(i+1，j)-X(i，j)]＞abs[X(i-1，j)-X(i，j)] (3)若為是則代表X(i，j)與X(i-1，j)比較接近，將X(i，j)以X(i，j)與X(i-1，j)的平均值來取代；若為非則代表X(i，j)與X(i+1，j)比較接近，將X(i，j)以X(i，j)與X(i+1，j)的平均值來取代。此步驟為判斷像素X(i，j)比較偏向X(i-1，j)或X(i+1，j)，當(dāng)像素X(i，j)比較接近X(i-1，j)時(shí)，表示X(i，j)受X(i-1，j)的影響比較大，即是實(shí)際上此像素X(i，j)的值與像素X(i-1，j)同屬亮或暗區(qū)，但受像素X(i+1，j)的影響略往向X(i+1，j)偏了一些，因此將X(i，j)往X(i-1，j)方向修正。同理，X(i，j)比較接近X(i+1，j)時(shí)，往X(i-1，j)方向修正。也就是X(i，j)數(shù)值接近X(i-1，j)與X(i+1，j)較小值時(shí)，往較小值修正108；X(i，j)數(shù)值接近X(i-1，j)與X(i+1，j)較大值時(shí)，往較大值修正110。如此使較模糊的亮部往更亮部修正，使較模糊的暗部往更暗部修正，可提升影像的邊緣的銳利度。判斷方程式流程圖請(qǐng)參考圖1B。
本發(fā)明的另一較佳實(shí)施例為，參考圖2A，為一種橫向邊緣的修正200的流程圖。首先利用第一方程式判斷是否為縱向邊緣202，若為是，則進(jìn)行縱向修正100，若為非，則可繼續(xù)進(jìn)行橫向邊緣的修正。接下來，利用縱向上連續(xù)三個(gè)像素X(i，j-1)、X(i，j)以及X(i，j+1)的數(shù)據(jù)來判斷是否為橫向邊緣204，若為橫向邊緣則其數(shù)值將逐漸變大或變小，也就是逐漸變亮或變暗。因此只要符合X(i，j-1)＜X(i，j)＜X(i，j+1)或X(i，j-1)＞X(i，j)＞X(i，j+1)即可判斷為橫向邊緣，可利用第二方程式來判斷。
判斷為非時(shí)，此像素非位于縱向或橫向邊緣，故不修正其數(shù)值206；而判斷為是時(shí)(即為橫向邊緣但非縱向邊緣)，則進(jìn)行判斷像素?cái)?shù)值大小偏向208，，也就是判斷像素X(i，j)其數(shù)值大小比較接近X(i，j+1)或X(i，j-1)，其判斷式為abs[X(i，j+1)-X(i，j)]＞abs[X(i，j)-X(i，j-1)] (4)若為是則代表X(i，j)與X(i，j-1)比較接近，將X(i，j)以X(i，j)與X(i，j-1)的平均值來取代；若為非則代表X(i，j)與X(i，j+1)比較接近，將X(i，j)以X(i，j)與X(i，j+1)的平均值來取代。同理，此步驟為判斷像素X(i，j)比較偏向X(i，j-1)或X(i，j+1)，當(dāng)像素X(i，j)比較接近X(i，j-1)時(shí)，表示X(i，j)受X(i，j-1)的影響比較大，即是實(shí)際上此像素X(i，j)的值與像素X(i，j-1)同屬亮或暗區(qū)，但受像素X(i，j+1)的影響略往向X(i，j+1)偏了一些，因此將X(i，j)往X(i，-1j)方向修正。同樣，X(i，j)比較接近X(i，j+1)時(shí)，往X(i，j-1)方向修正。也就是X(i，j)數(shù)值接近X(i，j-1)與X(i，j+1)較小值時(shí)，往較小值修正210；X(i，j)數(shù)值接近X(i，j-1)與X(i，j+1)較大值時(shí)，往較大值修正212。這樣可以使較模糊的亮部往更亮部修正，使較模糊的暗部往更暗部修正，可提升影像的邊緣的銳利度。判斷方程式流程圖請(qǐng)參考圖2B。
本發(fā)明的再一較佳實(shí)施例為，參考圖3A，為一種縱向及橫向邊緣的修正300的流程圖。首先利用第一方程式判斷是否為縱向邊緣302，若為非，則進(jìn)行橫向修正200，若為是，則可繼續(xù)進(jìn)行縱向及橫向邊緣的判斷304。利用第二方程式來判斷像素是否位于縱向及橫向邊緣，若為非則進(jìn)行縱向修正100，若為是則進(jìn)行橫向數(shù)值大小偏向306。也就是利用第三方程式來判斷像素X(i，j)其在橫向上數(shù)值大小比較接近X(i+1，j)或X(i-1，j)。
若為是則代表橫向上X(i，j)與X(i-1，j)比較接近。進(jìn)一步利用第四方程式來判斷像素X(i，j)其在縱向上數(shù)值大小308比較接近X(i，j+1)或X(i，j-1)，若為是代表像素X(i，j)的數(shù)值在橫向上接近X(i-1，j)而縱向上接近X(i，j-1)，將X(i，j)以X(i，j)、X(i-1，j)與X(i，j-1)的平均值來取代；若為非代表像素X(i，j)的數(shù)值在橫向上接近X(i-1，j)而縱向上接近X(i，j+1)，將X(i，j)以X(i，j)、X(i-1，j)與X(i，j+1)的平均值來取代。
若為橫向數(shù)值大小偏向306判斷為非時(shí)，則代表橫向上X(i，j)與X(i+1，j)比較接近。進(jìn)一步利用第四方程式來判斷像素X(i，j)其在縱向上數(shù)值大小310比較接近X(i，j+1)或X(i，j-1)，若為是代表像素X(i，j)的數(shù)值在橫向上接近X(i+1，j)而縱向上接近X(i，j-1)，將X(i，j)以X(i，j)、X(i+1，j)與X(i，j-1)的平均值來取代；若為非代表像素X(i，j)的數(shù)值在橫向上接近X(i+1，j)而縱向上接近X(i，j+1)，將X(i，j)以X(i，j)、X(i+1，j)與X(i，j+1)的平均值來取代。
也就是X(i，j)的數(shù)值大小在橫向上接近較小值且縱向上也接近較小值時(shí)，往橫向與縱向上的較小值修正312，X(i，j)的數(shù)值大小在橫向上接近較小值且縱向上接近較大值時(shí)，往橫向上較小值與縱向上較大值修正314。而X(i，j)的數(shù)值大小在橫向上接近較大值且縱向上也接近較大值時(shí)，往橫向與縱向上的較大值修正318，X(i，j)的數(shù)值大小在橫向上接近較大值且縱向上接近較小值時(shí)，往橫向上較大值與縱向上較小值修正316。判斷方程式流程圖請(qǐng)參考圖3B。
利用以上三個(gè)較佳的實(shí)施例，即可判斷一個(gè)影像的像素是否位于橫向、縱向、縱向及橫向的邊緣或者不是，可使位于邊緣處的像素暗部往較暗部修正，像素亮部往較亮部修正，如此可改善影像上物體的邊緣處的清晰度，提升影像識(shí)別率。參考圖4A、4B，為修正前后數(shù)值大小的示意圖。
另外，像素X(i，j)的數(shù)值大小修正時(shí)，其修正比重可以調(diào)整，例如往X(k，j)及X(i，m)做修正時(shí)，可使新的X(i，j)數(shù)值為α×X(i，j)+β×X(k，j)+γ×X(i，m)(5)其中X(k，j)為X(i，j)橫向上相鄰像素上數(shù)值較接近的數(shù)值，X(i，m)縱向上相鄰像素上數(shù)值較接近的數(shù)值α、β、γ分別為X(i，j)、X(k，j)與X(i，m)所占的權(quán)重，大小介于0到1，且α+β+γ＝1。
當(dāng)只做橫向邊緣修正時(shí)，β＝0，而只做縱向邊緣修正時(shí)，γ＝0。如此可針對(duì)不同環(huán)境做不同權(quán)重的修正，可使修正量的大小可配合環(huán)境而得到較佳的修正。
本發(fā)明的改善影像識(shí)別率的方法也可以應(yīng)用于縱向或橫向上超過三個(gè)像素的情況，用以配合物體邊緣寬度超過一個(gè)像素的寬度。例如橫向上的連續(xù)五個(gè)像素為X(i-2，j)、X(i-1，j)、X(i，j)、X(i+1，j)以及X(i+2，j)，且為物體的邊緣，即其數(shù)值為逐漸變大或逐漸變小。則像素的修正數(shù)值為修正前的數(shù)值與修正前兩側(cè)較接近的數(shù)值的平均。這樣修正后的數(shù)值所產(chǎn)生的影像，可輕易判斷出為物體的內(nèi)或物體的外的影像，而減少的前因?yàn)楦鲾?shù)值差異不大而判斷不出的問題，因此可以增加影像的識(shí)別率，且修正后影像的物體邊緣的影像寬度也可以有效縮窄，參考圖4C、4D。
對(duì)于顏色變化較多的物體的影像，單獨(dú)以紅R綠G藍(lán)B來分別判斷有可能會(huì)造成并非物體的邊緣誤判為物體的邊緣的情況。因此對(duì)于顏色變化較多的物體的影像，可以只針對(duì)為灰階的部分來減少、甚至避免發(fā)生錯(cuò)誤修正的情況。也就是我們可以針對(duì)紅R綠G藍(lán)B三色的數(shù)值相差不大的部分才做修正動(dòng)作。當(dāng)紅R綠G藍(lán)B三原色的數(shù)值大小差異在某一范圍δ的內(nèi)時(shí)，我們定義為該像素處于灰階部分。因此判斷式為Max[abs(Xr-Xg)，abs(Xg-Xb)，abs(Xb-Xr)]＜δ(6)其中Xr、Xg、Xb代表紅R綠G藍(lán)B三原色的各自數(shù)值，abs代表取其絕對(duì)值，δ代表判斷灰階的范圍限制，例如δ的數(shù)值可以為21。
因此只要三原色兩兩的差異均小于21時(shí)，才執(zhí)行縱向修正100、橫向修正200或縱向及橫向修正300，如此可避免誤判為物體的邊緣而修正的問題。
以上所述僅為本發(fā)明的較佳實(shí)施例而已，并非用以限定本發(fā)明的申請(qǐng)專利范圍；凡其他為脫離本發(fā)明所揭示的精神下所完成的等效改變或替換，均應(yīng)包含在下述的權(quán)利要求所限定的范圍內(nèi)。
權(quán)利要求
1.一種改善影像識(shí)別率的方法，其特征在于，包含判斷一像素是否位于一影像上一物體邊緣；以及修正該判斷為物體邊緣的像素的影像數(shù)值。
2.如權(quán)利要求1所述的改善影像識(shí)別率的方法，其特征在于，所述的判斷邊緣的演繹法包含一縱向及一橫向邊緣的演繹法。
3.如權(quán)利要求2所述的改善影像識(shí)別率的方法，其特征在于，所述的縱向及橫向邊緣的演繹法的判斷式分別為[X(i+1，j)-X(i，j)][X(i，j)-X(i-1，j)]＞0[X(i，j+1)-X(i，j)][X(i，j)-X(i，j-1)]＞0其中，X(i，j)為該像素在該影像上座標(biāo)(i，j)的紅、綠、藍(lán)三色的其中一數(shù)值大小。
4.如權(quán)利要求2所述的改善影像識(shí)別率的方法，其特征在于，所述的修正邊緣的運(yùn)算法，為該修正后的像數(shù)數(shù)值為一縱向上一數(shù)值較接近該像素?cái)?shù)值的相鄰像素?cái)?shù)值、一縱向上一數(shù)值較接近該像素?cái)?shù)值的相鄰像素?cái)?shù)值與該像素修正前數(shù)值權(quán)重相加，其運(yùn)算式為α×X(i，j)+β×X(i，k)+γ×X(m，j)其中，X(i，j)為該像素在該影像上座標(biāo)(i，j)的紅、綠、藍(lán)三色的其中一數(shù)值大小，X(i，k)代表該縱向上紅、綠、藍(lán)三色的其中一數(shù)值較接近該像素?cái)?shù)值的相鄰像素，X(m，j)代表該橫向上紅、綠、藍(lán)三色的其中一數(shù)值較接近該像素?cái)?shù)值的相鄰像素k為j-1或j+1，m為i-1或i+1，α、β、γ分別為該像素、縱向上該相鄰像素與橫向上該相鄰像素的權(quán)重，大小為0到1之間，其和為1。
5.如權(quán)利要求2所述的改善影像識(shí)別率的方法，其特征在于，所述的修正邊緣的運(yùn)算法，該縱向邊緣的演繹法的判斷為非時(shí)，γ為零。
6.如權(quán)利要求2所述的改善影像識(shí)別率的方法，其特征在于，所述的修正邊緣的運(yùn)算法，該橫向邊緣的演繹法的判斷為非時(shí)，β為零。
7.一種改善影像識(shí)別率的方法，其特征在于，包含以演繹法判斷一像素是否位于一影像上的灰階部分；以演繹法判斷該像素是否位于該影像上一物體邊緣；以及修正該判斷為物體邊緣的像素的影像數(shù)值。
8.如權(quán)利要求7所述的改善影像識(shí)別率的方法，其特征在于，所述的判斷灰階的演繹法判斷式為Max[abs(Xr-Xg)，abs(Xg-Xb)，abs(Xb-Xr)]＜δ其特征在于，Xr為該像素的紅色的數(shù)值，Xg為該像素的綠色的數(shù)值，Xb為該像素的藍(lán)色的數(shù)值，δ范圍為0到21。
9.如權(quán)利要求8所述的改善影像識(shí)別率的方法，其特征在于，所述的判斷邊緣的演繹法包含一縱向及一橫向邊緣的演繹法。
10.如權(quán)利要求8所述的改善影像識(shí)別率的方法，其特征在于，所述的縱向及橫向邊緣的演繹法的判斷式為[X(i+1，j)-X(i，j)][X(i，j)-X(i-1，j)]＞0[X(i，j+1)-X(i，j)][X(i，j)-X(i，j-1)]＞0其中X(i，j)為該像素在該影像上座標(biāo)(i，j)的紅、綠、藍(lán)三色的其中一數(shù)值大小。
全文摘要
一種改善影像識(shí)別率的方法，其特點(diǎn)是，包含判斷一像素是否位于一影像上一物體邊緣；以及修正該判斷為物體邊緣的像素的影像數(shù)值。本發(fā)明利用物體邊緣為連續(xù)逐漸變亮或暗的特性，利用一演繹法找出影像上物體邊緣的部分，對(duì)此部分加以修正，提升影像上物體邊緣的部分的影像識(shí)別率，對(duì)顏色變化較大的影像，也可先用一判斷灰階的演繹法，過濾可能誤判為物體邊緣的部分，增加修正的準(zhǔn)確度，從而有效解決影像上有關(guān)物體邊緣處常會(huì)顯得模糊，而影響影像識(shí)別率的問題。
文檔編號(hào)H04N1/58GK1499822SQ0215060
公開日2004年5月26日 申請(qǐng)日期2002年11月6日 優(yōu)先權(quán)日2002年11月6日
發(fā)明者王國(guó)任 申請(qǐng)人:力捷電腦股份有限公司