CN1708096A - 判定影像的颜色组成的方法 - Google Patents

Abstract

一种判定影像的颜色组成的方法，该方法包含计算一影像中每一像素的强度值以及饱和度值，将所计算的每一像素的强度值以及饱和度值分别与一第一默认值与一第二默认值做比较，若所计算出的像素的强度值以及饱和度值分别大于该第一与第二默认值，则将此像素标记为彩色像素。接着，计算该影像中一矩阵的彩色像素的数目，若该矩阵所选择的彩色像素的数目大于或等于一预设密度值，则判定该影像为一彩色影像。

Description

判定影像的颜色组成的方法

技术领域

本发明涉及一种影像处理方法，特别是涉及一种判定影像为彩色影像、黑白影像或灰色影像的方法。

背景技术

当撷取数字影像时，如利用扫描机或数字相机撷取数字影像，必须知道所撷取的影像是属于哪一种类型，而影像的类型可依据影像的颜色组成来划分。举例来说，影像的类型中，主要的三种类型分别为彩色影像、黑白影像以及灰色影像。由于必须在做影像处理前就判定影像的颜色组成，因此需要快速又有效率的方法将影像的颜色组成判定出来。

请参阅图1，图1为现有技术中判定影像的颜色组成的流程图。图1中的流程图从步骤10开始，在步骤12中，计算影像中每一像素的强度值与饱和度值，根据强度值与饱和度值来判断所对应的像素是否为彩色像素。现有的方法将强度值、相对应的饱和度值以及数据状态储存于内存的一查询表中，用以判断影像是否为彩色影像。在步骤14中，影像的每一像素的强度值与饱和度值必须与查询表中的数据做比较，而影像中每一像素于比较后，将一一归类为彩色像素或非彩色像素。

在步骤16中，利用矩阵来执行颜色密度的检测。请参阅图2，图2显示利用矩阵44来执行颜色密度的检测。数组40包含二进制的数据，用以标示影像中每一像素42是否为彩色像素。举例来说，图2中的二进制数据「1」表示相对应的像素42为彩色像素。矩阵44的大小并不限定，而图2中的矩阵44为3×3的范围，意谓矩阵44的大小为三像素乘以三像素。矩阵44亦可对应于数组40中不同区域的像素，用以判断矩阵44中彩色像素的密度。每当矩阵44确定后，则计算出此矩阵44中像素42的数目。在步骤18中，比较计算出的彩色像素数目与一预设密度值，假若彩色像素的数目超过此预设密度值，则标记此影像为彩色影像，如步骤20，因此完成影像的颜色组成判断。相反地，假若影像中任何区域的像素的彩色像素的数目未超过此预设密度值，则进入步骤22。

若影像已判断为非彩色影像后，接着，判断影像为黑白或灰色影像。在现有技术中，判断影像为黑白或灰色影像是利用影像中所有像素的强度值制作出一统计图，用以判断黑白或灰色影像，如步骤22。请参阅图3，图3为影像中所有像素的强度值的统计图50。假设像素的每一强度值的范围为0至1，亦包含0与1，这些强度范围可划分为数个区块。如图3所示，统计图50划分为15个强度范围，L1至L15。而统计图50的垂直长条代表符合各强度范围的像素数目。统计图50制作出来后，便可利用统计图50来判断影像为黑白或灰色影像。

在步骤24中，判断统计图50中的像素百分比是否集中于其中一强度范围之内。假设超过80％的像素全落于同一强度范围内，则判断此影像为黑白影像，如步骤30。因此完成影像的颜色组成判断。假若步骤24的结论为否，则进入步骤26，利用统计图50判断像素是否落于两个相对的强度范围内，若为如此，此两相对的强度范围分别代表黑色像素与白色像素，因此判断此影像为黑白影像，如步骤30。

若情况并不符合步骤24与26，则进入步骤28，利用统计图50判断是否大多数的像素属于灰色像素。若灰色像素的数目大于一预定值，则标记此影像为灰色影像，如步骤32，并完成影像判断。相反地，若灰色像素的数目不大于此预定值，则判断此影像为黑白影像，如步骤30，并完成影像判断。

虽然现有技术可判断影像究竟为彩色、黑白、或灰色影像，但步骤14中所使用的查询表，用来比较影像中每一像素的强度值与饱和度值，其方式会浪费许多资源。第一，需要内存来储存查询表，依据查询表的数据大小需消耗相当大容量的内存。第二，现有技术需要去搜寻查询表内的数据用以与每一像素的强度值与饱和度值做比较，不断重复地搜寻与比较会较耗时与耗能。基于这些原因，急需一种更简易的方式来判断影像的颜色组成。

发明内容

本发明提供一种判定影像的颜色组成的方法，以解决上述的问题。

本发明披露了一种判定影像的颜色组成的方法，该方法包含计算一影像中每一像素的强度值以及饱和度值，将所计算的每一像素的强度值以及饱和度值分别与一第一默认值与一第二默认值做比较，若所计算出的像素的强度值以及饱和度值分别大于该第一与第二默认值，则将此像素标记为彩色像素。接着，计算该影像中一矩阵的彩色像素的数目，若该矩阵所选择的彩色像素的数目大于或等于一预设密度值，则判定该影像为一彩色影像(colorimage)。

本发明的优点在于可不利用查询表的方式来比较影像中每一像素的强度值与饱和度值，便可有效率地判断出影像的颜色组成。本发明的方法为利用两个默认值分别与每一像素的强度值与饱和度值做比对，因此可立即判断出像素是否为彩色像素。

附图说明

图1为现有技术中判定影像的颜色组成的流程图。

图2显示利用矩阵来执行颜色密度的检测。

图3为影像中所有像素的强度值的统计图。

图4为本发明判定影像的颜色组成的流程图。

图5为影像中所有像素的强度值的统计图。

图6为利用影像中所有像素的新强度值所得到的统计图。

附图符号说明

40数组                   42像素

44矩阵

50、90、95统计图

具体实施方式

请参阅图4，图4为本发明判定影像的颜色组成的流程图。本发明从步骤60开始，在步骤62中，计算影像中每一像素的强度值与饱和度值。而本发明计算像素的强度值与饱和度值的方法分别为以下两方程式：

I＝(R+G+B)/3                        (方程式1)

S＝1-Min(R，G，B)/I                 (方程式2)

其中I代表强度值，R、G、B分别代表红色分量的灰度、绿色分量的灰度以及蓝色分量的灰度，S代表饱和度值，Min(R，G，B)表示选择红色、绿色、蓝色中最小的分量的灰度，而方程式1与2中的R、G、B值近于0至1之间，亦包含0与1。

在步骤64中，将每一像素的强度值与饱和度值分别与第一与第二默认值做比较，用以判断像素是否为彩色像素。举例来说，本发明实施例中的第一与第二默认值分别为50/255与40/255，假若像素的强度值大于第一默认值50/255且像素的饱和度值大于第二默认值40/255，则判断此像素为彩色像素。若有其中一条件不符合或两条件皆不符合，则此像素为非彩色像素。

在步骤66中，经由矩阵来执行颜色密度的分析。请再参阅图2，图2显示利用矩阵44来执行颜色密度的检测，如同现有技术，每一像素分类为彩色像素(标示1)或非彩色像素(标示0)。数组40包含二进制的数据，用以指示影像中每一像素42是否为彩色像素。矩阵44对应于数组40中每一区域，用以判断数组40中任一区域的颜色密度是否足够，而本发明的实施例中矩阵44的大小为3×3，其大小并不限定于此，亦可为其它大小。每当确定矩阵44的大小与对应区域后，则计算矩阵44中的像素数目。在步骤68中，将彩色像素的总数与一预设密度值做比较，在本发明实施例中此预设密度值为7个像素，而矩阵44为3×3的大小。不论矩阵的大小为何，假若彩色像素的总数大于或等于预设密度值，则判断此影像为彩色影像，如步骤70，因此完成影像的颜色组成判断。相反地，不论矩阵的大小为何，假若彩色像素的总数小于预设密度值，则进入步骤72。

若影像已判断为非彩色影像后，本发明的方法将继续判断此影像为黑白影像或灰色影像。如步骤72中所示，利用影像中所有像素的强度值计算出一统计图，请参阅图5，图5为影像中所有像素的强度值的统计图90。如前所述，像素的每一强度值的范围为0至1，亦包含0与1，这些强度范围可划分为数个区块。如图5所示，统计图90划分为10个强度范围，L1至L10。而统计图90的垂直长条代表符合各强度范围L1至L10的像素数目。统计图90制作出来后，选择具有最多像素数目的强度范围，然后设定所选择的强度范围之中位数为影像的背景值(background value)Vback。影像的背景值Vback最能代表此影像的强度值，也是最简单的方式以呈现此影像的背景颜色。

在步骤74中，背景值Vback与一第三默认值做比较。假若背景值Vback大于第三默认值，则执行对影像强化(dilation)功能，如步骤76。假若背景值Vback小于或等于第三默认值，则执行对影像衰减(erosion)功能，如步骤78。当执行步骤76的强化功能时，提供一窗口于此影像的每一像素，并调节此窗口的中心像素的强度值。此窗口的大小为3×3，但并不限定于此，窗口的大小亦可为其它的大小。而窗口的中心像素的强度值由以下的方程式3重新计算出。

I’＝Max(W(p))                      (方程式3)

其中I’代表中心像素的新强度值，W(p)表示窗口中围绕于中心像素周围的像素，Max(W(p))选择窗口中的像素的最大强度值。

相反地，当执行步骤78的衰减功能时，亦提供一窗口于此影像的每一像素，并调节此窗口的中心像素的强度值，窗口的中心像素的强度值由以下的方程式4重新计算出。

I’＝Min(W(p))                      (方程式4)

其中Min(W(p))选择窗口中的像素的最小强度值。

于执行完步骤76的强化功能或步骤78的衰减功能后，进入步骤80。在步骤80中，利用新的强度值来计算出一第二统计图。请参阅图6，图6为利用影像中所有像素的新强度值所得到的统计图95。不同于现有技术，统计图95划分为30个强度范围，L1至L30。本发明利用统计图95来判断影像为黑白影像或灰色影像，假若影像为黑白影像，强化或衰减功能会将像素的新强度值集中于一特定的强度范围之内。在步骤82中，本发明判断强度范围L1至L30中是否有一强度范围，其所包含的像素占所有像素的百分比大于一第四默认值，在本发明实施例中此第四默认值为90％，当然此数值亦可大于或小于90％。假若强度范围L1至L30中任一个强度范围的像素百分比大于第四默认值，则判断此影像为黑白影像，如步骤84。相反地，假若强度范围L1至L30中的每一强度范围的像素百分比皆不大于第四默认值，则判断此影像为灰色影像，如步骤86。因此完成影像的颜色组成判断。

相较于先前技术，本发明判断影像的颜色组成的方法不需经由使用查询表来比较像素的强度值与饱和度值，即可有效率地判断出影像的类型。本发明利用两个默认值分别与每一像素的强度值与饱和度值做比较，以立即地判断像素是否为彩色像素。此外，本发明使用强化与衰减功能来更新像素的强度值，用以判断影像为黑白影像或灰色影像。

以上所述仅为本发明的较佳实施例，凡依本发明权利要求所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (10)

1.一种判定一影像的颜色组成的方法，该方法包含：

计算该影像中每一像素的强度值以及饱和度值；

将所计算的每一像素的强度值以及饱和度值分别与一第一默认值与一第二默认值做比较；

若所计算出的像素的强度值以及饱和度值分别大于该第一与第二默认值，则将此像素标记为彩色像素；以及

计算该影像中一矩阵的彩色像素的数目，若该矩阵所选择的彩色像素的数目大于或等于一预设密度值，则判定该影像为一彩色影像。

2.如权利要求1所述的方法，其中每一像素的强度值系由方程式I＝(R+G+B)/3所得的，其中I代表强度值，R、G、B分别代表红色分量的灰度、绿色分量的灰度以及蓝色分量的灰度。

3.如权利要求2所述的方法，其中每一像素的饱和度值系由方程式S＝1-Min(R，G，B)/I所得的，其中S代表饱和度值，Min(R，G，B)表示选择红色、绿色、蓝色中最小的分量的灰度。

4.如权利要求1所述的方法，其中于判定该影像不是彩色影像后，该方法还包含：

根据该影像中所有像素的强度值，计算出一第一统计图，该第一统计图分为一第一预定数目个强度范围；

选择该第一统计图中具有最多像素数目的一强度范围；

设定所选择的强度范围的中位数为该影像的背景值；

若该背景值大于一第三默认值，则执行强化功能以更新该影像中所有像素的强度值，若该背景值小于或等于该第三默认值，则执行衰减功能以更新该影像中所有像素的强度值；

根据该影像中所有像素更新后的强度值，计算出一第二统计图，该第二统计图分为一第二预定数目个强度范围；以及

若该第二统计图中任一个强度范围内的像素数目等于或大于一第四默认值，则判定该影像为一黑白影像，反之，则判定该影像为一灰色影像(grayimage)。

5.如权利要求4所述的方法，其中当执行强化功能时，提供一窗口于该影像的每一像素，该窗口的中心像素的新强度值依据方程式I’＝Max(W(p))得到，其中I’代表该中心像素的新强度值，W(p)表示该窗口中围绕于该中心像素周围的像素，Max(W(p))选择该窗口中的像素的最大强度值。

6.如权利要求5所述的方法，其中该窗口的大小为三像素乘三像素。

7.如权利要求4所述的方法，其中当执行衰减功能时，提供一窗口于该影像的每一像素，该窗口的中心像素的新强度值依据方程式I’＝Min(W(p))得到，其中I’代表该中心像素的新强度值，W(p)表示该窗口中围绕于该中心像素周围的像素，Min(W(p))选择该窗口中的像素的最小强度值。

8.如权利要求7所述的方法，其中该窗口的大小为三像素乘三像素。

9.如权利要求1所述的方法，其中该矩阵的大小为三像素乘三像素。

10.如权利要求1所述的方法，其中该预设密度值等于七个像素。

Images