TWI413021B - 圖像比較系統及方法 - Google Patents

Description

圖像比較系統及方法

本發明涉及一種圖像處理系統及方法，特別係關於一種對圖像進行差異比較的系統及方法。

對兩張圖像進行比較，最簡單的方法係比較圖像中的各個像素值，找出像素值不同的區域。一般來說，這種方法只能精確地比較像素值上的差異，而不適用於大多數實際的圖像辨識。當對兩張圖像中的目標物體進行對比時，可以提取圖像的形狀特徵，根據形狀特徵確定兩張圖像的相似程度。提取形狀特徵常用的方法有傅立葉變換和不變矩等。然而，提取形狀特徵的運算量往往比較大，當運算能力不足時難以實現，並且對目標物體進行模糊辨識的效果不是很理想。

此外，當比較一張原圖像及一張對上述原圖像掃描之後生成的掃描圖像時，由於在掃描時出現的種種原因，如掃描器品質問題，可能使該掃描圖像出現一些誤差點或者偏差，而利用傳統的圖像比較方法對該兩張圖像進行比較時，可能得出的比較結果是兩張圖像不一致，而這樣的結果可能導致用戶的錯誤判斷。例如，用戶需要對一份合約的原文件和該合約列印後的掃描檔進行比較，若該掃描檔因掃描器的問題出現了某些誤差點，則利用傳統的圖像比較方法會得到該兩張圖像不一致，因此，該用戶可能會錯誤地認為該合約曾經被篡改過。

鑒於以上內容，有必要提供一種圖像比較系統及方法，其採用輪廓加粗及提取骨幹的方法對圖像進行比較，其不會因為圖像上的某些誤差而錯誤地判斷該比較的圖像不一致。

一種圖像比較系統，運行於電腦中，用於比較圖像中目標物體的差異。該系統包括：骨幹提取模組，用於提取黑白圖像A2中目標物體的骨幹，得到骨幹圖像A3，及提取黑白圖像B2中目標物體的骨幹，得到骨幹圖像B3；輪廓加粗模組，用於將黑白圖像A2中目標物體的外輪廓加粗，以得到加粗圖像A4，及將黑白圖像B2中目標物體的外輪廓加粗，以得到加粗圖像B4；圖像覆蓋模組，用於將加粗圖像A4覆蓋在骨幹圖像B3上，生成覆蓋圖像AB1，以得到黑白圖像B2相對於黑白圖像A2多的部分，及將加粗圖像B4覆蓋在骨幹圖像A3上，生成覆蓋圖像AB2，以得到黑白圖像B2相對於黑白圖像A2少的部分；及結果輸出模組，用於輸出對黑白圖像A2和B2的比較結果。

一種圖像比較方法，用於比較兩張圖像中目標物體的差異。該方法包括步驟：提取黑白圖像B2中目標物體的骨幹，得到骨幹圖像B3；將黑白圖像A2中目標物體的外輪廓加粗，以得到加粗圖像A4；將加粗圖像A4覆蓋在骨幹圖像B3上，生成覆蓋圖像AB1，以得到黑白圖像B2相對於黑白圖像A2多出的部分；提取黑白圖像A2中目標物體的骨幹，得到骨幹圖像A3；將黑白圖像B2中目標物體的外輪廓加粗，以得到加粗圖像B4；將加粗圖像B4覆蓋在骨幹圖像A3上，生成覆蓋圖像AB2，以得到黑白圖像B2相對於黑白圖像A2少的部分；及輸出對黑白圖像A2和B2的比較結果。

相較於習知技術，本發明易於實現，且能夠準備地比較圖像中目標物體的差異，而不會因為圖像上的某些誤差而錯誤地判斷該比較的圖像不一致。

參閱圖1所示，係本發明圖像比較系統1較佳實施例的功能模組圖。所述圖像比較系統1運行於電腦中。該圖像比較系統1包括圖像轉換模組10、骨幹提取模組11、輪廓加粗模組12、圖像覆蓋模組13及結果輸出模組14。

所述圖像轉換模組10用於將需要比較的彩色圖像轉換為黑白圖像，從而分割出目標物體。黑白圖像也稱為二值圖像，圖像中只包含黑和白兩個灰度，沒有中間的過渡。黑白圖像的像素值通常為0或者1，0表示黑色，1表示白色。為了便於說明，將黑白圖像中代表目標物體的像素值稱為目標物體像素值，以及將黑白圖像中目標物體的顏色稱為前景色，背景的顏色稱為背景色。參閱圖4所示，為一個黑白圖像的示意圖。在該黑白圖像中，白色部分為目標物體，黑色部分為背景。應該可以理解，在其他的黑白圖像中，也可能是黑色部分為目標物體，白色部分為背景色。

詳細地，在本實施例中，對於彩色圖像A和B，圖像轉換模組100首先利用一個轉換演算法將A和B分別轉換為灰度圖像A1和B1，然後將灰度圖像A1和B1進行二值化處理，分別轉換為黑白圖像A2和B2。灰度圖像係指每個像素值的資訊由一個量化的灰度值來描述的圖像，灰度值通常為整數。例如，8位元的灰度圖像具有256級灰度，灰度值取值範圍是0-255。也就是說，用0-255的整數來描述從黑到白的不同等級的灰度，0表示黑色，255表示白色。將彩色圖像轉換為灰度圖像的轉換演算法可以為：Gray=(R*0.3 + G*.059 + B*0.11)。

二值化處理就是設定一個閾值，將灰度值大於或等於閾值的像素值取值為1，而灰度值小於閾值的像素值取值為0。灰度圖像的二值化可以根據圖像中目標物體的不同而有不同的二值化演算法。目前主要的二值化演算法有全局閾值法、局部閾值法和動態閾值法。其中最簡單的是全局閾值法，就是整個圖像採用單一閾值進行圖像二值化，比如將閾值設置為0-255的中值127。

應該可以理解，若需要比較的圖像本來就是黑白圖像，則可以不需要該圖像轉換模組10。

所述骨幹提取模組11用於從黑白圖像A2或者B2中提取其目標物體的骨幹，得到骨幹圖像A3或者B3。以下，以提取黑白圖像A2中目標物體骨幹為例詳細說明該骨幹提取模組11怎樣提取目標物體骨幹。

在本實施例中，所述骨幹提取模組11對黑白圖像A2按行或者按列提取每個點的像素值，對於任意一行（或列），若該行（或列）中存在多個連續的目標物體像素值，則以一個目標物體像素值表示該多個連續的目標物體像素值。例如，以該多個連續的目標物體像素值的中間一個像素值來表示該多個連續的目標物體像素值。也就是說，提取的目標物體骨幹的寬度為1。例如，假設黑白圖像中取值為1的像素值係目標物體像素值，假設該黑白圖像某一行的所有點的像素值為1,1,1,0,0,1,1,1,1,1,0,0,1，則提取圖像骨幹後該行的像素值係0,1,0,0,0,0,0,1,0,0,0,0,1。參閱圖5所示，係對圖4中黑白圖像的目標物體提取骨幹後得到的骨幹圖像。

所述輪廓加粗模組12用於將黑白圖像A2或者B2中目標物體的外輪廓加粗，以得到加粗圖像A4或者B4。參閱圖6（A）及圖6（B）所示，分別為一張黑白圖像及對該黑白圖像中目標物體的外輪廓加粗之後生成的加粗圖像的示意圖。該輪廓加粗模組12的子功能模組圖請參見圖2所示。

所述圖像覆蓋模組13用於將加粗圖像A4覆蓋在骨幹圖像B3上，生成覆蓋圖像AB1，以得到骨幹圖像B3相對於加粗圖像A4多的部分,及將加粗圖像B4覆蓋在骨幹圖像A3上，生成覆蓋圖像AB2，以得到加粗圖像B4相對於骨幹圖像A3少的部分。所述骨幹圖像B3相對於加粗圖像A4多的部分也即黑白圖像B2的目標物體比黑白圖像A2的目標物體多出的部分，以及加粗圖像B4相對於骨幹圖像A3少的部分也即黑白圖像B2的目標物體比黑白圖像A2的目標物體少的部分。該圖像覆蓋模組13的子功能模組圖請參見圖3所示。

所述的結果輸出模組14用於根據圖像覆蓋模組13的處理結果生成並輸出黑白圖像A2和B2的比較結果，該比較結果為黑白圖像A2和B2一致或者不一致。進一步地，當黑白圖像A2和B2的比較結果不一致時，該結果輸出模組14還將黑白圖像B2相較於黑白圖像A2多出的部分以彩色標注在黑白圖像B2上，及/或把將黑白圖像B2相較於黑白圖像A2少的部分以彩色標注在黑白圖像A2上，並顯示出上述標注之後的黑白圖像A2和B2。也就是說，當黑白圖像B2的目標物體有比黑白圖像A2的目標物體多出的部分時，或者，當黑白圖像B2的目標物體有比黑白圖像A2的目標物體少的部分時，該比較結果為黑白圖像A2和B2不一致；反之，則該比較結果為黑白圖像A2和B2一致。

參閱圖2所示，係圖1中輪廓加粗模組12的子功能模組圖。該輪廓加粗模組12包括設置子模組120、第一圖像獲取子模組121、座標值讀取子模組122、第一像素值讀取子模組123、第一判斷子模組124、點獲取子模組125及第一著色子模組126。

所述的設置子模組120用於定義一個加粗矩陣，該加粗矩陣中定義了需要採用前景色，即目標物體的顏色著色的點。所述加粗矩陣可以係一個X階矩陣，如圖7（A）所示的3階矩陣。所述加粗矩陣的中心處數值為1，表示在進行外輪廓加粗操作過程中的當前點。所述加粗矩陣中心處以外的其他位置的數值由0、1組成，其中1表示需要採用前景色著色，0表示不需要採用前景色著色。眾所週知，在二維平面圖像中，每一個點都有相鄰的八個點，即右上、上、左上、右、左、右下、下、左下八個點。在圖7（A）所示的3階加粗矩陣中，矩陣中心處的上、下、左、右取值為1，左上、右上、左下、右下取值為0，則表示，對當前點的上、下、左、右四個相鄰點採用目標物體的顏色著色。

此外，該設置子模組120還用於設置上述加粗矩陣的矩陣座標。詳細地，該設置子模組130可以設置加粗矩陣中心處的點的座標值為（x，y），則其右上、上、左上、右、左、右下、下、左下八個點的座標分別為（x-1，y-1）、（x，y-1）、（x+1，y-1）、（x-1，y）、（x+1，y）、（x-1，y+1）、（x，y+1）、（x+1，y+1）。該矩陣座標可以參見圖7（B）所示。

所述的第一圖像獲取子模組121用於獲取第一圖像。本實施例中，所述第一圖像為黑白圖像A2或者B2。

所述的座標值讀取子模組122用於讀取該第一圖像的每一行的每個點的座標值。

所述的第一像素值獲取子模組123用於讀取該第一圖像的每一行的每個點的像素值。

所述的第一判斷子模組124用於判斷該第一圖像的第N行的第n點的像素值是否與該第一圖像中目標物體像素值相同。進一步地，該第一判斷子模組124還用於判斷該第n點是否為該第N行的最末點，及該第N行是否為該第一圖像的最末行。

所述的點獲取子模組125用於當第一圖像的第N行第n點的像素值與該第一圖像的目標物體像素值相同時，根據上述定義的加粗矩陣及該加粗矩陣的矩陣座標在該第一圖像取出與該第N行第n點相鄰的Y個點。例如，已知該第一圖像中第N行第n點的座標值為（x，y），根據圖7（A）所示的加粗矩陣及圖7（B）所示的矩陣座標，該點獲取子模組125獲取座標值為（x，y-1），（x，y+1），（x-1，y），（x+1，y）的4個點。

所述的第一著色子模組126用於判斷上述獲取的Y個點中是否存在其像素值與該第一圖像中目標物體像素值不同的點，以及當存在這樣的點時，用該第一圖像中目標物體的顏色對該點著色，以加粗該第一圖像的目標物體外輪廓生成加粗圖像。

參閱圖3所示，係圖1中圖像覆蓋模組13的子功能模組圖。該圖像覆蓋模組13包括第二圖像獲取子模組130、第二像素值讀取子模組131、第二判斷子模組132、覆蓋子模組133、第二著色子模組134及圖像生成子模組135。

所述第二圖像獲取子模組130用於獲取需要進行圖像覆蓋的第二圖像及第三圖像。本實施例中，所述第二圖像及第三圖像均為黑白圖像，且其目標物體顏色為黑色，背景顏色為白色。所述第二圖像及第三圖像分別為加粗圖像A4及骨幹圖像B3，或者該第二圖像及第三圖像分別為加粗圖像B4及骨幹圖像A3。

所述的第二像素值讀取子模組131用於讀取該第二圖像及第三圖像的每一行的每個點的像素值。本實施例中，該像素值為0或者1，其中，0表示黑色，1表示白色。

所述的第二判斷子模組132用於判斷第二圖像中第N行第n點的像素值與第三圖像中第N行第n點的像素值是否相同。當第二圖像與第三圖像第N行第n點的像素值不同時，該第二判斷子模組132還用於判斷第二圖像中的第N行第n點的像素值是否為0，即該點是否為黑色。進一步地，所述第二判斷子模組132還用於判斷該第n點是否為該第N行的最末點，及該第N行是否為該第二圖像及第三圖像的最末行。

所述的覆蓋子模組133用於當第二圖像中第N行第n點的像素值與第三圖像中第N行第n點的像素值相同時，或者雖然第二圖像與第三圖像第N行第n點的像素值不同，但第二圖像中的第N行第n點的像素值為0時，用該第二圖像中第N行第n點覆蓋該第三圖像中第N行第n點。

所述的第二著色子模組134，用於當第二圖像與第三圖像第N行第n點的像素值不同，且第二圖像中的該第N行第n點的像素值不為0時，將第三圖像中的第N行第n點著彩色，以便更清楚地展現該多出的點。

所述的圖像生成子模組135用於生成第二圖像覆蓋第三圖像之覆蓋圖像，如覆蓋圖像AB1及覆蓋圖像AB2。

參閱圖8所示，係本發明圖像比較方法較佳實施例的實施流程圖。

步驟S10，圖像轉換模組10將需要比較的彩色圖像A和B利用一個轉換演算法分別轉換為灰度圖像A1和B1。所述將彩色圖像轉換為灰度圖像的轉換演算法可以為：Gray=(R*0.3 + G*.059 + B*0.11)。

步驟S11，圖像轉換模組10將灰度圖像A1和B1進行二值化處理，分別轉換為黑白圖像A2和B2。所述二值化處理就是設定一個閾值，將灰度值大於或等於閾值的像素值取值為1，而灰度值小於閾值的像素值取值為0。灰度圖像的二值化可以根據圖像中目標物體的不同而有不同的二值化演算法。目前主要的二值化演算法有全局閾值法、局部閾值法和動態閾值法。其中最簡單的是全局閾值法，就是整個圖像採用單一閾值進行圖像二值化，比如將閾值設置為0-255的中值127。

需要說明書的是，若需要比較的圖像本來就是黑白圖像，則可以不需要步驟S10及步驟S11。

步驟S12，骨幹提取模組11從黑白圖像B2中提取其目標物體骨幹，得到骨幹圖像B3。詳細地，所述骨幹提取模組11對黑白圖像B2按行或者按列提取每個點的像素值。對於任意一行（或列），若該行（或列）中存在多個連續的目標物體像素值，則以一個目標物體像素值表示該多個連續的目標物體像素值。例如，以該多個連續的目標物體像素值的中間一個像素值來表示該多個連續的目標物體像素值。也就是說，提取的目標物體骨幹的寬度為1。例如，假設黑白圖像中取值為1的像素值係目標物體像素值，假設該黑白圖像某一行所有點的像素值為1,1,1,0,0,1,1,1,1,1,0,0,1，則提取圖像骨幹後該行的像素值係0,1,0,0,0,0,0,1,0,0,0,0,1。

步驟S13，輪廓加粗模組12將黑白圖像A2中目標物體的外輪廓加粗，生成加粗圖像A4。該步驟的詳細流程請參見圖9所示。

步驟S14，圖像覆蓋模組13將加粗圖像A4覆蓋在骨幹圖像B3上，生成覆蓋圖像AB1，以得到骨幹圖像B3相對於加粗圖像A4多的部分。該步驟的詳細流程請參見圖10所示。

步驟S15，骨幹提取模組11從黑白圖像A2中提取其目標物體骨幹，得到骨幹圖像A3。提取骨幹圖像A3的方法可以參照步驟S12中提取骨幹圖像B3的方法。

步驟S16，輪廓加粗模組12將黑白圖像B2中目標物體的外輪廓加粗，生成加粗圖像B4。該步驟的詳細流程請參見圖9所示。

步驟S17，圖像覆蓋模組13將加粗圖像B4覆蓋在骨幹圖像A3上，生成覆蓋圖像AB2，以得到加粗圖像B4相對於骨幹圖像A3少的部分。該步驟的詳細流程請參見圖10所示。

步驟S18，結果輸出模組14輸出對黑白圖像A2和B2的比較結果。進一步地，當黑白圖像A2和B2的比較結果為不一致時，在該步驟中，結果輸出模組14還將黑白圖像B2相較於黑白圖像A2多出的部分以彩色標注在黑白圖像B2上及把將黑白圖像B2相較於黑白圖像A2少的部分以彩色標注在黑白圖像A2上，並顯示出上述標注之後的黑白圖像A2和B2。

參閱圖9所示，係圖8中步驟S13及S16的詳細實施流程圖。

步驟S100，設置子模組120定義一個加粗矩陣並設置該加粗矩陣的矩陣座標。所述加粗矩陣可以係一個X階矩陣。

步驟S101，第一圖像獲取子模組121獲取第一圖像。本實施例中，所述第一圖像為黑白圖像A2或者黑白圖像B2。

步驟S102，座標值讀取子模組122讀取該第一圖像的第N行所有點的座標值，此時N=1。

步驟S103，第一像素值獲取子模組123讀取該第一圖像的第N行所有點的像素值。

步驟S104，第一判斷子模組124判斷該第一圖像的第N行的第n點的像素值是否與該第一圖像的目標物體像素值相同，此時n=1。若像素值相同，則流程進入步驟S105。否則，若像素值不相同，則進入步驟S108。

在步驟S105中，點獲取子模組125根據上述定義的加粗矩陣及該加粗矩陣的矩陣座標在第一圖像取出該第N行第n點相鄰的Y個點。例如，已知該第一圖像中第N行第n點的座標值為（x，y），根據圖7（A）所示的加粗矩陣及圖7（B）所示的矩陣座標，該點獲取子模組125獲取座標值為（x，y-1），（x，y+1），（x-1，y），（x+1，y）的4個點。

步驟S106，第一著色子模組126判斷上述獲取的Y個點中是否存在其像素值與該第一圖像中目標物體像素值不同的點。若該Y個點中存在像素值與該第一圖像中目標物體像素值不同的點，則流程進入步驟S107。否則，若該Y個點中不存在像素值與該第一圖像中目標物體像素值不同的點，則流程進入步驟S108。

在步驟S107中，第一著色子模組126用該第一圖像中目標物體的顏色對該點著色，以加粗該第一圖像的目標物體外輪廓。

在步驟S108中，第一判斷子模組124判斷該第n點是否為第N行的最末點。若不是最末點，則流程返回步驟S104，此時n=n+1。若是最末點，則流程進入步驟S109。

在步驟S109中，第一判斷子模組124判斷該第N行是否為該第一圖像的最末行。若不是最末行，則流程返回步驟S102，此時N=N+1。若是最末行，則流程結束。

參閱圖10所示，係圖8中步驟S14及S17的詳細實施流程圖。

步驟S200，第二圖像獲取子模組130獲取需要進行圖像覆蓋的第二圖像及第三圖像。本實施例中，所述第二圖像及第三圖像均為黑白圖像，且其目標物體顏色為黑色，背景顏色為白色。所述第二圖像及第三圖像分別為加粗圖像A4及骨幹圖像B3，或者該第二圖像及第三圖像分別為加粗圖像B4及骨幹圖像A3。

步驟S201，第二像素值讀取子模組131讀取該第二圖像及第三圖像的第N行的所有點的像素值，此時N=1。本實施例中，該像素值為0或者1，其中，0表示黑色，1表示白色。

步驟S202，第二判斷子模組132判斷該第二圖像與第三圖像的第N行第n點的像素值是否相同，此時n=1。若像素值相同，則流程進入步驟S204。否則，若像素值不相同，則流程進入步驟S203。

在步驟S203中，該第二判斷子模組132進一步判斷第二圖像中的該第N行第n點的像素值是否為0，即該點是否為黑色。若該點像素值為0，則流程進入步驟S204。否則，若該點像素值不為0，則流程進入步驟S205。

在步驟S204中，覆蓋子模組133用該第二圖像中第N行第n點覆蓋該第三圖像中第N行第n點。

在步驟S205中，著色子模組134將第三圖像中的該第N行第n點著彩色，以便更清楚地展現該多出的點。

步驟S206，第二判斷子模組132判斷該第n點是否為該第N行的最末點。若不是最末點，則流程返回步驟S202，此時的n=n+1。若是最末點，則流程進入步驟S207。

步驟S207，第二判斷子模組132判斷該第N行是否為該第二圖像及第三圖像的最末行。若不是最末行，則流程返回步驟S201，此時的N=N+1。若是最末點，則流程進入步驟S208。

步驟S208，圖像生成子模組135生成第二圖像覆蓋第三圖像之覆蓋圖像，即生成覆蓋圖像AB1或覆蓋圖像AB2。

以上所述僅為本發明之較佳實施例而已，且已達廣泛之使用功效，凡其他未脫離本發明所揭示之精神下所完成之均等變化或修飾，均應該包含在下述之申請專利範圍內。

1‧‧‧圖像比較系統

10‧‧‧圖像轉換模組

11‧‧‧骨幹提取模組

12‧‧‧輪廓加粗模組

120‧‧‧設置子模組

121‧‧‧第一圖像獲取子模組

122‧‧‧座標值讀取子模組

123‧‧‧第一像素值讀取子模組

124‧‧‧第一判斷子模組

125‧‧‧點獲取子模組

126‧‧‧第一著色子模組

13‧‧‧圖像覆蓋模組

130‧‧‧第二圖像獲取子模組

131‧‧‧第二像素值讀取子模組

132‧‧‧第二判斷子模組

133‧‧‧覆蓋子模組

134‧‧‧第二著色子模組

135‧‧‧圖像生成子模組

14‧‧‧結果輸出模組

圖1係本發明圖像比較系統較佳實施例的功能模組圖。

圖2係圖1中輪廓加粗模組的子功能模組圖。

圖3係圖1中圖像覆蓋模組的子功能模組圖。

圖4係黑白圖像的示意圖。

圖5係由圖4所示的黑白圖像得到的骨幹圖像的示意圖。

圖6（A）及圖6（B）分別係一張黑白圖像及對該黑白圖像中的目標物體的外輪廓加粗之後生成的加粗圖像的示意圖。

圖7（A）及圖7（B）演示了一個3階加粗矩陣及該3階加粗矩陣的矩陣座標。

圖8係本發明圖像比較方法較佳實施例的實施流程圖。

圖9係圖8中步驟S13及S16的詳細實施流程圖。

圖10係圖8中步驟S14及S17的詳細實施流程圖。

1‧‧‧圖像比較系統

10‧‧‧圖像轉換模組

11‧‧‧骨幹提取模組

12‧‧‧輪廓加粗模組

13‧‧‧圖像覆蓋模組

14‧‧‧結果輸出模組

Claims (10)

1. 一種圖像比較系統，運行於電腦中，用於比較圖像中目標物體的差異，該系統包括：
   骨幹提取模組，用於提取黑白圖像A2中目標物體的骨幹，得到骨幹圖像A3，及提取黑白圖像B2中目標物體的骨幹，得到骨幹圖像B3；
   輪廓加粗模組，用於將黑白圖像A2中目標物體的外輪廓加粗，以得到加粗圖像A4，及將黑白圖像B2中目標物體的外輪廓加粗，以得到加粗圖像B4；
   圖像覆蓋模組，用於將加粗圖像A4覆蓋在骨幹圖像B3上，生成覆蓋圖像AB1，以得到黑白圖像B2相對於黑白圖像A2多的部分，及將加粗圖像B4覆蓋在骨幹圖像A3上，生成覆蓋圖像AB2，以得到黑白圖像B2相對於黑白圖像A2少的部分；及
   結果輸出模組，用於根據圖像覆蓋模組的處理結果生成並輸出黑白圖像A2和B2的比較結果。
2. 如申請專利範圍第1項所述之圖像比較系統，該系統還包括：
   圖像轉換模組，用於在需要比較的圖像不是黑白圖像時，將該需要比較的圖像轉換為黑白圖像。
3. 如申請專利範圍第1項所述之圖像比較系統，其中，所述的輪廓加粗模組包括：
   設置子模組，用於定義一個加粗矩陣及設置該加粗矩陣的矩陣座標，其中該加粗矩陣中定義了需要採用黑白圖像A2或者B2中目標物體的顏色著色的點；
   第一圖像獲取子模組，用於獲取黑白圖像A2或者B2；
   座標值讀取子模組，用於讀取黑白圖像A2或者B2的每一行的每個點的座標值；
   第一像素值獲取子模組，用於讀取黑白圖像A2或者B2的每一行的每個點的像素值；
   第一判斷子模組，用於判斷黑白圖像A2或者B2的第N行的第n點的像素值是否與該黑白圖像A2或者B2中目標物體像素值相同，判斷該第n點是否為第N行的最末點，及該第N行是否為黑白圖像A2或者B2的最末行；
   點獲取子模組，用於當黑白圖像A2或者B2的第N行第n點的像素值與該黑白圖像A2或者B2中目標物體像素值相同時，根據上述定義的加粗矩陣及該加粗矩陣的矩陣座標在黑白圖像A2或者B2取出與該第N行第n點相鄰的Y個點；及
   第一著色子模組，用於判斷上述獲取的Y個點中是否存在其像素值與該黑白圖像A2或者B2中目標物體像素值不同的點，以及當存在這樣的點時，用該黑白圖像A2或者B2中目標物體的顏色對該點著色。
4. 如申請專利範圍第1項所述之圖像比較系統，其中，所述的圖像覆蓋模組包括：
   第二圖像獲取子模組，用於獲取需要進行圖像覆蓋的加粗圖像及骨幹圖像，所述加粗圖像及骨幹圖像為加粗圖像A4及骨幹圖像B3或者該加粗圖像及骨幹圖像為加粗圖像B4及骨幹圖像A3；
   第二像素值讀取子模組，用於讀取上述加粗圖像及骨幹圖像的每一行的每個點的像素值；
   第二判斷子模組，用於判斷加粗圖像中第N行第n點的像素值與骨幹圖像中第N行第n點的像素值是否相同，判斷該第n點是否為該第N行的最末點，及該第N行是否為上述加粗圖像及骨幹圖像的最末行；
   覆蓋子模組，用於當加粗圖像中第N行第n點的像素值與骨幹圖像中第N行第n點的像素值相同時，或者雖然加粗圖像與骨幹圖像的第N行第n點的像素值不同，但加粗圖像的第N行第n點的顏色為黑色時，用該加粗圖像中第N行第n點覆蓋該骨幹圖像中第N行第n點；
   第二著色子模組，用於當加粗圖像中與骨幹圖像第N行第n點的像素值不同，且加粗圖像中的第N行第n點的顏色為白色時，將骨幹圖像中的第N行第n點著彩色；及
   圖像生成子模組，用於生成用加粗圖像覆蓋骨幹圖像之後成的覆蓋圖像，其中，若加粗圖像及骨幹圖像為加粗圖像A4及骨幹圖像B3，則生成的覆蓋圖像為AB1，及若加粗圖像及骨幹圖像為加粗圖像B4及骨幹圖像A3，則生成的覆蓋圖像為AB2。
5. 一種圖像比較方法，用於比較兩張圖像中目標物體的差異，該方法包括：
   第一骨幹提取步驟：提取黑白圖像B2中目標物體的骨幹，得到骨幹圖像B3；
   第一輪廓加粗步驟：將黑白圖像A2中目標物體的外輪廓加粗，以得到加粗圖像A4；
   第一圖像覆蓋步驟：將加粗圖像A4覆蓋在骨幹圖像B3上，生成覆蓋圖像AB1，以得到黑白圖像B2相對於黑白圖像A2多出的部分；
   第二骨幹提取步驟：提取黑白圖像A2中目標物體的骨幹，得到骨幹圖像A3；
   第二輪廓加粗步驟：將黑白圖像B2中目標物體的外輪廓加粗，以得到加粗圖像B4；
   第二圖像覆蓋步驟：將加粗圖像B4覆蓋在骨幹圖像A3上，生成覆蓋圖像AB2，以得到黑白圖像B2相對於黑白圖像A2少的部分；及
   結果輸出步驟，輸出對黑白圖像A2和B2的比較結果。
6. 如申請專利範圍第5項所述之圖像比較方法，其中，若需要比較的圖像係彩色圖像A和B時，該方法還包括：
   將需要比較的彩色圖像A和B利用一個轉換演算法分別轉換為灰度圖像A1和B1；
   設定一個閾值；及
   將灰度圖像A1和B1中灰度值大於或等於該閾值的像素值取值為1，及將灰度值小於該閾值的像素值取值為0，生成黑白圖像A2和B2。
7. 如申請專利範圍第6項所述之圖像比較方法，其中，所述閾值為0~255之間的中值127。
8. 如申請專利範圍第5項所述之圖像比較方法，其中，所述的第一骨幹提取步驟或者第二骨幹提取步驟包括：
   按行或者按列提取黑白圖像A2或者B2中每個點的像素值；及
   當每一行或列中存在多個連續的目標物體像素值時，以一個目標物體像素值表示該多個連續的目標物體像素值。
9. 如申請專利範圍第5項所述之圖像比較方法，其中，所述第一輪廓加粗步驟或者第二輪廓加粗步驟包括：
   （A）定義一個加粗矩陣及設置該加粗矩陣的矩陣座標，其中該加粗矩陣中定義了需要採用黑白圖像A2或者B2中目標物體的顏色著色的點；
   （B）獲取黑白圖像A2或者B2；
   （C）讀取黑白圖像A2或者B2的第N行的每個點的座標值，此時N=1；
   （D）讀取黑白圖像A2或者B2的第N行的每個點的像素值；
   （E）判斷黑白圖像A2或者B2的第N行的第n點的像素值是否與該黑白圖像A2或者B2的目標物體像素值相同，此時n=1；
   （F）當黑白圖像A2或者B2的第N行第n點的像素值與該黑白圖像A2或者B2的目標物體像素值相同時，根據上述定義的加粗矩陣及該加粗矩陣的矩陣座標在該黑白圖像A2或者B2取出與該第N行第n點相鄰的Y個點；
   （G）當上述獲取的Y個點中否存在其像素值與該黑白圖像A2或者B2中目標物體像素值不同的點時，用該黑白圖像A2或者B2中目標物體的顏色對該點著色；
   （H）判斷該第n點是否為第N行的最末點，其中，若該第n點不是第N行的最末點則返回步驟（E），此時n=n+1，或者若該第n點係第N行的最末點，則進入步驟（I）；及
   （I）判斷該第N行是否為黑白圖像A2或者B2的最末行，若不是最末行則返回步驟（C），此時N=N+1。
10. 如申請專利範圍第5項所述之圖像比較方法，其中，所述的第一圖像覆蓋步驟或者第二圖像覆蓋步驟包括：
    （a）獲取需要進行圖像覆蓋的加粗圖像及骨幹圖像，所述加粗圖像及骨幹圖像為加粗圖像A4及骨幹圖像B3或者該加粗圖像及骨幹圖像為加粗圖像B4及骨幹圖像A3；
    （b）讀取上述加粗圖像及骨幹圖像的第N行的每個點的像素值，此時N=1；
    （c）判斷加粗圖像中第N行第n點的像素值與骨幹圖像中第N行第n點的像素值是否相同，此時n=1；
    （d）當加粗圖像中第N行第n點的像素值與骨幹圖像中第N行第n點的像素值相同時，或者雖然加粗圖像中與骨幹圖像中第N行第n點的像素值不同，但加粗圖像的第N行第n點的顏色為黑色時，用該加粗圖像中第N行第n點覆蓋該骨幹圖像中第N行第n點；
    （e）當加粗圖像中與骨幹圖像第N行第n點的像素值不同，且加粗圖像中的第N行第n點的顏色為白色時，將骨幹圖像中的第N行第n點著彩色；
    （f）判斷該第n點是否為該第N行的最末點，其中，若不是最末點，則返回步驟（c），此時的步驟（c）中n=n+1，若該第n點係該第N行的最末點，則進入步驟（g）；
    （g）判斷第N行是否為該加粗圖像及骨幹圖像的最末行，其中，若不是最末行，則返回步驟（b），此時的步驟（b）中N=N+1，若該第N行係最末行，則進入步驟（h）；及
    （h）生成加粗圖像覆蓋骨幹圖像之覆蓋圖像。