CN102843497A - 影像区块合并方法 - Google Patents

Abstract

本发明是关于一种能将多个影像区块合并成一影像合并区块的影像区块合并方法。其依据每一影像区块所具有的紧致度数值将这些影像区块依序排列，再以其中一个影像区块为基准，依序将与其邻近的其他影像区块拿来与其一并执行一合并测试程序，以形成一暂存影像合并区块。随后，再比较此暂存影像合并区块的紧致度数值是否高于构成此暂存影像合并区块的两个影像区块所分别具有的紧致度数值。当此暂存影像合并区块的紧致度数值高于构成此暂存影像合并区块的两个影像区块所分别具有的紧致度数值时，将此暂存影像合并区块设定为一影像合并区块。

Description

影像区块合并方法

技术领域

本发明是关于一种影像区块合并方法，尤指一种能依据一影像信号所包含的各影像区块所具有的紧致度数值，将两个或两个以上影像区块彼此合并而成为一个面积较大的影像合并区块，以提高影像辨识的效率的影像区块合并方法。

背景技术

在图像处理的领域中，影像区块的合并一直是非常棘手的问题。因为，对于计算机来说，一个影像信号中的影像区块仅仅代表一些具有相近参数数值的像素的集合，例如一些具有相同群别的纹理特征向量的像素或另一些具有相同色彩特征向量的像素。所以，计算机本身并无法依据这些影像区块背后所代表的意义，而将某些影像区块彼此合并，如将一代表人像的身体的影像区块与另一代表人像的头部的影像区块人像合并起来。

而在目前业界所使用的各种影像区块合并方法中，一般是以像素为运算基础，即所谓的pixel-based algorithm，这些算法必须依序地运算出每一个像素是否应与另一邻近于此像素的像素合并。所以，在这些现有影像区块合并方法中，需要花费极长的时间在前述的运算基础的运算过程中。况且，现今的影像信号的分辨率又极高(例如Full HD)，往往光处理一个影像信号的高分辨率画面就需要数个小时，使得现有的影像区块合并方法尚无法实用化。

除此之外，由于目前业界所使用的影像区块合并方法所应用于判断是否需合并的参数是与将一影像信号的各像素分类至多个群别时所需撷取的参数相同，例如两个程序(合并程序及分类程序)均应用色彩特征向量为判断用的参数，所以有时候会造成某些像素原本已经被分类至不同的群别内，但却在后续影像区块合并方法中被合并至同一个类别内，造成运算信息，如CPU时间上的严重浪费。

因此，业界需要一种能依据一影像信号所包含的各影像区块所具有的紧致度数值，将两个或两个以上影像区块彼此合并而成为一个面积较大的影像合并区块，以提高影像辨识的效率的影像区块合并方法。

发明内容

本发明的目的在于提供一种影像区块合并方法，能依据一影像信号所包含的各影像区块所具有的紧致度数值，将两个或两个以上影像区块彼此合并而成为一个面积较大的影像合并区块，以提高影像辨识的效率。

为达成上述目的，本发明的影像区块合并方法，用于将一影像信号所包含的多个影像区块合并为一影像合并区块，包括下列步骤：(A)接收一影像信号，此影像信号包含多个影像区块，且所述影像区块具有多个影像元素；(B)撷取每一所述影像区块所分别具有的一第一参数值及一第二参数值，以运算出每一所述影像区块所具有的一第三参数值；(C)依据每一所述影像区块所具有的此第三参数值，将所述影像区块以一特定顺序排序；(D)依据此特定顺序，对每一所述影像区块执行一合并测试程序，以形成一暂存影像合并区块，此暂存影像合并区块包含其中的一所述影像区块与相邻的另一所述影像区块，且撷取出此暂存影像合并区块的此第一参数值及此第二参数值，以运算出此第三参数值；以及(E)将此暂存影像合并区块的此第三参数值与其中的一所述影像区块的此第三参数值互相比较，且当此暂存影像合并区块的此第三参数值高于其中的一所述影像区块的此第三参数值时，将此暂存影像合并区块设定为此影像合并区块。

其中，在本发明的影像区块合并方法，其所合并的对象(多个影像区块)，是通过一影像信号分割方法而得出。例如，一可从一影像信号中分割出多个纹理色彩特征区块的影像信号分割方法。一般而言，此影像信号分割方法可包括下列步骤：(A)接收此影像信号，此影像信号包含多个影像元素；(B)应用一贾伯滤波器组，对每一所述影像元素执行一贾伯滤波程序，且再对执行此贾伯滤波程序所得的输出，执行一数值运算程序；(C)依据执行此数值运算程序所得的输出，分别赋予每一所述影像元素一纹理特征向量；(D)依据每一所述影像元素所被赋予的纹理特征向量，对此影像信号执行一分割程序，使得此影像信号具有多个纹理特征区块，且位于同一纹理特征区块内的所述影像元素均具有相同群别的纹理特征向量；以及(E)依据所述纹理特征区块于此影像信号中的分布，对此影像信号所包含的多个色彩特征区块分别执行一再分割程序，使得至少一所述色彩特征区块具有多个纹理色彩特征区块。

其中，前述的步骤(B)中所应用的贾伯滤波器组由多个二维贾伯滤波器所构成，且贾伯滤波器组所包含的多个二维贾伯滤波器的数目并无限制，且它们的配置方式亦无任何限制。然而，前述的贾伯滤波器组较佳由一内子带贾伯滤波器组及一外子带贾伯滤波器组所构成，但子带的数目亦无限制，即贾伯滤波器组可配置3个子带贾伯滤波器组(如内子带贾伯滤波器组、中子带贾伯滤波器组及外子带贾伯滤波器)或更多数目的子带贾伯滤波器组。

再者，前述的内子带贾伯滤波器组及外子带贾伯滤波器组可分别由一个或一个以上的二维贾伯滤波器构成，但它们较佳为分别由多个二维贾伯滤波器构成，且它们所分别具有的二维贾伯滤波器的数目也不一定要相同。但是，为了得到最佳滤波结果，一般是将内子带贾伯滤波器组及外子带贾伯滤波器组设计成具有相同数目的二维贾伯滤波器。

此外，在此影像信号分割方法中，每一个位于内子带贾伯滤波器组的二维贾伯滤波器均对应至一个位于外子带贾伯滤波器组的二维贾伯滤波器，且这两个二维贾伯滤波器一内一外的搭配方式，即构成前述的贾伯滤波器组的一个滤波方向。另一方面，前述的两个子带贾伯滤波器组可使用4至8个二维贾伯滤波器，然而，较佳使用6个二维贾伯滤波器，意即此影像信号分割方法是使用12个二维贾伯滤波器。而且，由于一由一个位于内子带贾伯滤波器组的二维贾伯滤波器延伸至一位于外子带贾伯滤波器组的相对应的二维贾伯滤波器的方向即构成一滤波方向，故在此影像信号分割方法中所使用的贾伯滤波器组具有6个滤波方向。

此外，在此影像信号分割方法的步骤(B)中，所执行的数值运算程序较佳为运算此贾伯滤波程序所得的输出的振幅大小。之后，运算所得的振幅大小的数值，则用于在步骤(C)中，赋予每一影像元素一相对应的纹理特征向量。意即，若在步骤(B)中，是以n个二维贾伯滤波器执行贾伯滤波程序，则数值运算程序便会运算出n个振幅大小的数值。接着，这n个振幅大小的数值便用于赋予一影像元素一理特征向量。如此，纹理特征向量即为一n维向量。换句话说，在此影像信号分割方法中，每一影像元素所分别被赋予的纹理特征向量的维度的数目是等于步骤(B)的贾伯滤波程序中所使用的二维贾伯滤波器的数目。

接者，经过执行步骤(D)的分割程序后，具有相同群别的纹理特征向量的多个影像元素便会被分类到同一个纹理特征区块内。如此一来，原始的影像信号(于步骤(A)中被接收)即会被分割为多个纹理特征区块。其中，执行前述的分割程序是应用一分群算法，但不限定为哪一种分群算法。一般而言，此处可使用的分群算法可为K-means分群算法、CRLA(constraint run length algorithm)分群算法或SBKM(Symmetrydistance Based K-means algorithm)分群算法等。但在本发明的影像信号分割程序中，较佳使用K-means分群算法。

之后，于此影像信号分割方法的步骤(E)中所执行的再分割程序，较佳包括下列步骤：将每一所述色彩特征区块的面积值与一再分割门限值互相比较；以及当其中的一所述色彩特征区块的面积值高于此再分割门限值时，便依据所述纹理特征区块于此影像信号中的分布，将此色彩特征区块再分割为所述纹理色彩特征区块。需注意的是，前述的再分割门限值并无任何限制，但其数值较佳介于160至200之间。

最后，于此影像信号分割方法的步骤(E)中，此影像信号所包含的多个色彩特征区块可通过下列方式得出：对每一所述影像元素执行一色彩特征撷取程序，以撷取每一所述影像元素所具有的色彩特征并分别赋予每一所述影像元素一色彩特征向量；应用一分群算法，依据每一所述影像元素所分别被赋予的色彩特征向量，将所述影像元素分群至多个色彩群别内；以及，将彼此相邻且位于同一色彩群别内的所述影像元素包含于同一色彩特征区块内。然而，此影像信号所包含的多个色彩特征区块并不限定由上述方法取得，它们可通过任何业界已使用于取得一影像信号的多个色彩特征区块的算法取得。

附图说明

图1是本发明一实施例的影像区块合并方法的流程示意图。

图2是显示一用于从一影像信号中分割出多个纹理色彩特征区块的影像信号分割方法的流程示意图。

图3所示，其是显示在图2所示的影像信号分割方法中，其所使用的贾伯滤波器组所包含的12个二维贾伯滤波器于一空间平面上的配置方式的示意图。

图4是显示在图2所示的影像信号分割方法中，其所执行的再分割程序的流程示意图。

图5是显示多个影像区块于一影像信号中的分布情况的示意图。

图6是显示将编号1的影像区块与编号5的影像区块合并成一暂存影像合并区块的动作的示意图。

【主要元件符号说明】

31    内子带贾伯滤波器组

32    外子带贾伯滤波器组

具体实施方式

以下是通过特定的具体实施例说明本发明的实施方式，熟悉此技艺的人士可由本说明书所揭示的内容轻易地了解本发明的其他优点与功效。此外，本发明亦可通过其他不同的具体实施例加以施行或应用，且本说明书中的各项细节亦可基于不同观点与应用，而在不悖离本发明的精神下进行各种修饰与变更。

请参阅图1，其是本发明一实施例的影像区块合并方法的流程示意图。如图1所示，本发明一实施例的影像区块合并方法包括下列步骤：

(A)接收一影像信号，此影像信号包含多个影像区块，且所述影像区块具有多个影像元素；

(B)撷取每一所述影像区块所分别具有的一第一参数值及一第二参数值，以运算出每一所述影像区块所具有的一第三参数值；

(C)依据每一所述影像区块所具有的此第三参数值，将所述影像区块以一特定顺序排序；

(D)依据此特定顺序，对每一所述影像区块执行一合并测试程序，以形成一暂存影像合并区块，此暂存影像合并区块包含其中的一所述影像区块与相邻的另一所述影像区块，且撷取出此暂存影像合并区块的此第一参数值及此第二参数值，以运算出此第三参数值；以及

(E)将此暂存影像合并区块的此第三参数值与其中的一所述影像区块的此第三参数值互相比较，且当此暂存影像合并区块的此第三参数值高于其中的一所述影像区块的此第三参数值时，将此暂存影像合并区块设定为此影像合并区块。

首先，于本发明一实施例的影像区块合并方法的步骤(A)中，接收一影像信号，且此影像信号包含多个影像区块，且这些影像区块具有多个影像元素。而于本实例中，此影像信号的格式并无任何限制，即以任何格式所表示的影像信号皆可被应用于本发明一实施例的影像区块合并方法。在本实施例中，这些影像区块为多个纹理色彩特征区块，且这些纹理色彩特征区块是通过一影像信号分割方法，由一影像信号分割而出。

而如图2所示，其是显示一用于从一影像信号中分割出多个纹理色彩特征区块的影像信号分割方法的流程示意图。此影像信号分割方法包括下列步骤：

(A)接收此影像信号，此影像信号包含多个影像元素；

(B)应用一贾伯滤波器组，对每一所述影像元素执行一贾伯滤波程序，且再对执行此贾伯滤波程序所得的输出，执行一数值运算程序；

(C)依据执行此数值运算程序所得的输出，分别赋予每一所述影像元素一纹理特征向量；

(D)依据每一所述影像元素所被赋予的纹理特征向量，对此影像信号执行一分割程序，使得此影像信号具有多个纹理特征区块，且位于同一纹理特征区块内的所述影像元素均具有相同群别的纹理特征向量；以及

(E)依据所述纹理特征区块于此影像信号中的分布，对此影像信号所包含的多个色彩特征区块分别执行一再分割程序，使得至少一所述色彩特征区块具有多个纹理色彩特征区块。

首先，于步骤(A)中，接收一影像信号，且此影像信号包含多个影像元素。而于本实例中，此影像信号的格式并无任何限制，即以任何格式所表示的影像信号皆可被应用于本发明一实施例的影像信号分割方法。

接着，于步骤(B)中，应用一贾伯滤波器组，对此影像信号所包含的每一个影像元素执行一贾伯滤波程序，且再对执行贾伯滤波程序所得的输出，接续执行一数值运算程序。在本实施例中，贾伯滤波器组由一内子带贾伯滤波器组及一外子带贾伯滤波器组所构成，且内子带贾伯滤波器组及外子带贾伯滤波器分别由6个二维贾伯滤波器构成。至于二维贾伯滤波器的详细运作方式及如何配置这些二维贾伯滤波器的方式，由于贾伯滤波器(不论是一维贾伯滤波器或二维贾伯滤波器)已经广泛被应用于各种需要滤波的场合中，且配置这些二维贾伯滤波器的方式亦已为业界人士所熟悉，故在此便不再赘述。

另一方面，前述的数值运算程序为运算此贾伯滤波程序所得的输出的振幅大小。

接着，于步骤(C)中，依据执行前述的数值运算程序所得的输出，分别赋予此影像信号所包含的每一个影像元素一纹理特征向量。其中，这些纹理特征向量的维度的数目等于步骤(B)的贾伯滤波程序中所使用的二维贾伯滤波器的数目。

再者，于步骤(D)中，依据每一个影像元素所被赋予的纹理特征向量，对此影像信号执行一分割程序，使得此影像信号具有多个纹理特征区块。在本实施例中，此分割程序应用一K-means分群算法。至于K-means分群算法的详细步骤，由于K-means分群算法已经广泛被应用于各领域中，且广为业界人士所熟悉，故在此便不再赘述。

而且，经过分割程序后，位于同一纹理特征区块内的多个影像元素均具有相同群别的纹理特征向量。

最后，于步骤(E)中，依据所述纹理特征区块于此影像信号中的分布，如位于影像信号中的相对位置，对此影像信号所包含的多个色彩特征区块分别执行一再分割程序，使得至少一所述色彩特征区块具有多个纹理色彩特征区块。而此再分割程序包括下列步骤：(E1)将每一所述色彩特征区块的面积值与一再分割门限值互相比较；以及(E2)当其中的一所述色彩特征区块的面积值高于此再分割门限值时，便依据所述纹理特征区块于此影像信号中的分布，将此色彩特征区块再分割为所述纹理色彩特征区块。

请参阅图3，其是显示在图2所示的影像信号分割方法中，其所使用的贾伯滤波器组所包含的12个二维贾伯滤波器于一空间平面上的配置方式的示意图。如图3所示，在前述的影像信号分割方法中，贾伯滤波器组由一内子带贾伯滤波器组31及一外子带贾伯滤波器组32所构成，且内子带贾伯滤波器组31及外子带贾伯滤波器组32均包含个二维贾伯滤波器。而这12个二维贾伯滤波器于一空间平面上的配置方式，则请参阅图3。

此外，这12个二维贾伯滤波器均可由下列公式描述：

$g(x,y;{\mathrm{\σ}}_x,{\mathrm{\σ}}_y,\mathrm{\ω},\mathrm{\θ})=\frac{1}{{2\mathrm{\π\σ}}_x{\mathrm{\σ}}_y}{e}^{-\frac{1}{2}({\left(\frac{x^{\′}}{{\mathrm{\σ}}_x}\right)}^2+{\left(\frac{y^{\′}}{{\mathrm{\σ}}_y}\right)}^2)}{e}^{{\mathrm{j\ωx}}^{\′}};$ (式1)

其中，σ_x、σ_y分别为一高斯核心的标准偏差，ω为一傅立叶基频，θ为二维贾伯滤波器的方向。而且，x’、y’、x、y之间并满足下列公式：

x′＝xcosθ+ysinθ；(式2)

y′＝-xsinθ+ycosθ；(式3)

除此之外，在本实施例中，构成内子带贾伯滤波器组31的6个二维贾伯滤波器所具有的标准偏差σ_x及σ_y较佳为分别设定在1.75至3.25之间，而构成外子带贾伯滤波器组32的6个二维贾伯滤波器所具有的标准偏差σ_x及σ_y较佳为分别设定在1.75至3.75之间。此外，傅立叶基频ω较佳为设定在介于0.2π至0.6π之间。

请再参阅图3，其中图3的横轴代表X方向的空间频率，纵轴则代表Y方向的空间频率，而图3中的每一个圆圈代表一个具有特定参数(σ_x、σ_y、ω及θ)的二维贾伯滤波器经过二维傅立业转换(2-D FourierTransformation)后，于一空间频率平面(频域)上的分布位置。由图3可看出，位于内圈的6个二维贾伯滤波器构成内子带贾伯滤波器组31，而位于外圈的6个二维贾伯滤波器构成外子带贾伯滤波器组32。

再者，由于一由一个位于内子带贾伯滤波器组31的二维贾伯滤波器延伸至一位于外子带贾伯滤波器组32的相对应的二维贾伯滤波器的方向即构成一滤波方向，所以图3所示的贾伯滤波器组具有6个滤波方向。其中，这6个滤波方向以0度为起始角度，且以30度为两滤波方向之间的间隔。因此，图3所示的贾伯滤波器组所具有的6个滤波方向分别为为0度、30度、60度、90度、120度、及150度。

此外，于本实施例中，位于内子带贾伯滤波器组31的6个二维贾伯滤波器的σ_x及σ_y均设定为2.75，而它们的傅立叶基频则设定为0.2π。另一方面，位于外子带贾伯滤波器组32的6个二维贾伯滤波器的σ_x及σ_y均设定为2.75，而它们的傅立叶基频则设定为0.6π

另一方面，请参阅图4，其是显示在图2所示的影像信号分割方法中，其所执行的再分割程序的流程示意图。如图4所示，前述的再分割程序包括下列步骤：

将每一所述色彩特征区块的面积值与一再分割门限值互相比较；以及

当其中的一所述色彩特征区块的面积值高于此再分割门限值时，便依据所述纹理特征区块于此影像信号中的分布，将此色彩特征区块再分割为所述纹理色彩特征区块。

而于本实施例中，前述的再分割门限值设定为180。但其亦可为任何适合的数值，如150至210之间的任何数值。

此时，便可得到如图5所示的多个影像区块于一影像信号中的分布情况。其中，一共分割出7个影像区块(纹理色彩特征区块)。

接着，于本发明一实施例的影像区块合并方法的步骤(B)中，撷取每一个影像区块所分别具有的一第一参数值及一第二参数值，以运算出每一个影像区块所具有的一第三参数值。在本实施例中，第一参数值为每一个影像区块的面积数值，第二参数值为每一个影像区块的周长数值，第三参数值则为每一个影像区块的紧致度数值。

请参阅图5，其是显示多个影像区块于一影像信号中的分布情况的示意图。而在本实施例中，这7个影像区块为7个纹理色彩特征区块，且分别被标号(标号1至7)。此外，依据下列公式，运算出每一个影像区块的第三参数值，即紧致度数值：

$C=\frac{A}{P^2};$ (式4)

其中，C为紧致度数值，A为面积数值，P则为周长数值。

如此，便可运算出每一个影像区块(纹理色彩特征区块)的紧致度数值。

接着，于本发明一实施例的影像区块合并方法的步骤(C)中，依据每一个影像区块所具有的紧致度数值，将这些影像区块以一特定顺序排序。在本实施例中，依据一由面积数值大的影像区块依序排列至面积数值小的影像区块的顺序，将前述的7个影像区块(纹理色彩特征区块)依序排列。

再者，于本发明一实施例的影像区块合并方法的步骤(D)中，依据前述的顺序(由面积数值大的影像区块依序排列至面积数值小的影像区块)，对每一个影像区块执行一合并测试程序，以形成一暂存影像合并区块。其中，此暂存影像合并区块包含其中的一所述影像区块与相邻的另一所述影像区块，且撷取出此暂存影像合并区块的此第一参数值及此第二参数值，以运算出此第三参数值。

在本实施例中，是从编号1的影像区块(纹理色彩特征区块)开始执行前述的合并测试程序。如图5所示，是先从邻近于编号1的影像区块(纹理色彩特征区块)的多个影像区块(纹理色彩特征区块)开始尝试合并。例如，先将编号1的影像区块(纹理色彩特征区块)与编号5的影像区块(纹理色彩特征区块)合并成一暂存影像合并区块。接着，再将编号1的影像区块(纹理色彩特征区块)与编号4的影像区块(纹理色彩特征区块)合并成另一暂存影像合并区块，如此依序执行下去。

然而，在某些应用环境中，会于执行前述的「合并测试程序」前，执行一门限值确认程序。意即，预先将每一个影像区块的面积数值及紧致度数值分别与一面积门限值及一紧致度门限值互相比较。而且，只有当比较出一个影像区块的面积数值低于前述的面积门限值，且此影像区块的紧致度数值亦低于前述的紧致度门限值的结果后，才会执行前述的合并测试程序。在本实施例中，前述的面积门限值介于120至240之间，较佳为180，而紧致度门限值则介于0.001至0.008之间，较佳为0.003，端看应用环境的需求而定。

随后，如图6所示，是将编号1的影像区块(纹理色彩特征区块)与编号5的影像区块(纹理色彩特征区块)合并成一暂存影像合并区块，而此包含编号1及标号5两个影像区块(纹理色彩特征区块)的暂存影像合并区块的面积数值及周长数值便可被撷取出来。如此，即此暂存影像合并区块的紧致度数值亦可被运算出来。

最后，于本发明一实施例的影像区块合并方法的步骤(E)中，将此暂存影像合并区块的紧致度数值与编号1的影像区块(纹理色彩特征区块)的紧致度数值互相比较。而当此暂存影像合并区块的紧致度数值高于编号1的影像区块(纹理色彩特征区块)的紧致度数值，将此暂存影像合并区块设定为此影像合并区块。反之，若此暂存影像合并区块的紧致度数值并不高于编号1的影像区块(纹理色彩特征区块)的紧致度数值，将重复执行前述的步骤(D)。例如，将编号1的影像区块(纹理色彩特征区块)与编号4的影像区块(纹理色彩特征区块)合并成另一暂存影像合并区块，再撷取出此另一暂存影像合并区块的面积数值及周长数值，进而运算出此另一暂存影像合并区块的的紧致度数值。

而当所有邻近于编号1的影像区块(纹理色彩特征区块)的多个影像区块(纹理色彩特征区块)均已被执行过前述的合并测试程序后，则依照前述的顺序(由面积数值大的影像区块依序排列至面积数值小的影像区块)，改由面积值次大的影像区块作为执行合并测试程序的基准影像区块。

最后，当所有的影像区块(纹理色彩特征区块)均被执行过前述的合并测试程序(作为合并测试程序的基准影像区块)后，便完成本发明一实施例的影像区块合并方法，且已将一影像信号中，符合区块合并条件(如紧致度数值低于紧致度门限值等)的各个影像区块，依据它们之间的相对位置关系而合并多个影像合并区块。

因此，本发明的影像区块合并方法确实能依据一影像信号所包含的各影像区块所具有的紧致度数值，将两个或两个以上影像区块彼此合并而成为一个面积较大的影像合并区块，以提高影像辨识的效率。

上述实施例仅是为了方便说明而举例而已，本发明所主张的权利范围自应以申请专利范围所述为准，而非仅限于上述实施例。

Claims (12)

1.一种影像区块合并方法，用于将一影像信号所包含的多个影像区块合并为一影像合并区块，包括下列步骤：

(A)接收一影像信号，该影像信号包含多个影像区块，且所述影像区块具有多个影像元素；

(B)撷取每一所述影像区块所分别具有的一第一参数值及一第二参数值，以运算出每一所述影像区块所具有的一第三参数值；

(C)依据每一所述影像区块所具有的该第三参数值，将所述影像区块以一特定顺序排序；

(D)依据该特定顺序，对每一所述影像区块执行一合并测试程序，以形成一暂存影像合并区块，该暂存影像合并区块包含其中的一所述影像区块与相邻的另一所述影像区块，且撷取出该暂存影像合并区块的该第一参数值及该第二参数值，以运算出该第三参数值；以及

(E)将该暂存影像合并区块的该第三参数值与其中的一所述影像区块的该第三参数值互相比较，且当该暂存影像合并区块的该第三参数值高于其中的一所述影像区块的该第三参数值时，将该暂存影像合并区块设定为该影像合并区块。

2.如权利要求1所述的影像区块合并方法，其特征在于，所述影像区块为多个纹理色彩特征区块，且所述纹理色彩特征区块是通过一影像信号分割方法，由一影像信号分割而出。

3.如权利要求2所述的影像区块合并方法，其特征在于，该影像信号分割方法包括下列步骤：

接收该影像信号，该影像信号包含多个影像元素；

应用一贾伯滤波器组，对每一所述影像元素执行一贾伯滤波程序，且再对执行该贾伯滤波程序所得的输出，执行一数值运算程序；

依据执行该数值运算程序所得的输出，分别赋予每一所述影像元素一纹理特征向量；

依据每一所述影像元素所被赋予的纹理特征向量，对该影像信号执行一分割程序，使得该影像信号具有多个纹理特征区块，且位于同一纹理特征区块内的所述影像元素均具有相同群别的纹理特征向量；以及

依据所述纹理特征区块于该影像信号中的分布，对该影像信号所包含的多个色彩特征区块分别执行一再分割程序，使得至少一所述色彩特征区块具有多个纹理色彩特征区块；

其中，位于同一纹理色彩特征区块内的所述影像元素均具有相同群别的纹理特征向量及相同群别的色彩特征向量。

4.如权利要求3所述的影像区块合并方法，其特征在于，该贾伯滤波器组是由一内子带贾伯滤波器组及一外子带贾伯滤波器组所构成，且该内子带贾伯滤波器组及该外子带贾伯滤波器组分别由多个二维贾伯滤波器构成。

5.如权利要求4所述的影像区块合并方法，其特征在于，每一所述二维贾伯滤波器由下列公式描述：

$g(x,y;{\mathrm{\σ}}_x,{\mathrm{\σ}}_y,\mathrm{\ω},\mathrm{\θ})=\frac{1}{{2\mathrm{\π\σ}}_x{\mathrm{\σ}}_y}{e}^{-\frac{1}{2}({\left(\frac{x^{\′}}{{\mathrm{\σ}}_x}\right)}^2+{\left(\frac{y^{\′}}{{\mathrm{\σ}}_y}\right)}^2)}{e}^{{\mathrm{j\ωx}}^{\′}};$

其中，σ_x、σ_y分别为一高斯核心的标准偏差，ω为一傅立叶基频，θ为二维贾伯滤波器的方向，且x’、y’、x、y之间并满足下列公式：

x′＝xcosθ+ysinθ

y′＝-xsinθ+ycosθ°

6.如权利要求3所述的影像区块合并方法，其特征在于，该影像信号分割方法的再分割程序包括下列步骤：

将每一所述色彩特征区块的面积值与一再分割门限值互相比较；以及

当其中的一所述色彩特征区块的面积值高于该再分割门限值时，便依据所述纹理特征区块于该影像信号中的分布，将该色彩特征区块再分割为所述纹理色彩特征区块。

7.如权利要求3所述的影像区块合并方法，其特征在于，影像信号分割方法所使用的所述色彩特征区块是通过下列方式得出：

对每一所述影像元素执行一色彩特征撷取程序，以撷取每一所述影像元素所具有的色彩特征并分别赋予每一所述影像元素一色彩特征向量；

应用一分群算法，依据每一所述影像元素所分别被赋予的色彩特征向量，将所述影像元素分群至多个色彩群别内；以及

将彼此相邻且位于同一色彩群别内的所述影像元素包含于同一色彩特征区块内。

8.如权利要求1所述的影像区块合并方法，其特征在于，该第一参数值为每一所述影像区块的面积数值，该第二参数值为每一所述影像区块的周长数值，该第三参数值则为每一所述影像区块的紧致度数值。

9.如权利要求8所述的影像区块合并方法，其特征在于，该特定顺序为一由面积数值大的影像区块依序排列至面积数值小的影像区块的顺序。

10.如权利要求8所述的影像区块合并方法，其特征在于，每一所述影像区块的紧致度数值是依据下列公式运算而出：

$C=\frac{A}{P^2}$

其中，C为紧致度数值，A为面积数值，P则为周长数值。

11.如权利要求8所述的影像区块合并方法，其特征在于，在步骤(D)中，先将该每一所述影像区块的面积数值与一面积门限值互相比较，且将每一所述影像区块的紧致度数值与一紧致度门限值互相比较，而当得出每一所述影像区块的面积数值低于该面积门限值，且每一所述影像区块的紧致度数值亦低于该紧致度门限值的比较结果后，执行该合并测试程序。

12.如权利要求11所述的影像区块合并方法，其特征在于，该面积门限值介于120至240之间，且该紧致度门限值则介于0.001至0.008之间。

Images