TW463133B - Color image processing method and apparatus thereof - Google Patents
Color image processing method and apparatus thereof Download PDFInfo
- Publication number
- TW463133B TW463133B TW089103997A TW89103997A TW463133B TW 463133 B TW463133 B TW 463133B TW 089103997 A TW089103997 A TW 089103997A TW 89103997 A TW89103997 A TW 89103997A TW 463133 B TW463133 B TW 463133B
- Authority
- TW
- Taiwan
- Prior art keywords
- color
- day
- pixels
- image processing
- group
- Prior art date
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 56
- 238000001914 filtration Methods 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims description 47
- 239000013598 vector Substances 0.000 claims description 43
- 238000013139 quantization Methods 0.000 claims description 26
- 239000003086 colorant Substances 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000007704 transition Effects 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 2
- 239000007787 solid Substances 0.000 claims 1
- 230000001174 ascending effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- HGUFODBRKLSHSI-UHFFFAOYSA-N 2,3,7,8-tetrachloro-dibenzo-p-dioxin Chemical compound O1C2=CC(Cl)=C(Cl)C=C2OC2=C1C=C(Cl)C(Cl)=C2 HGUFODBRKLSHSI-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Color Television Systems (AREA)
- Facsimile Image Signal Circuits (AREA)
Description
4 6 313 3 五、發明說明α) 相關申請案參照 本申請案請求對於1999年2月5曰提出申請之美國臨時 申請案序號Ν〇·60/118,742之利益的權利,該案揭示内容 以參照方式併入此處。 發明背景 1. 發明範圍 本發明有關一種圖像處理方法,尤其有關一種彩色圖 像處理方法’其為一種擷取色彩特徵描述符两以索引與搜 尋一彩色圖像時所需的預處理方法。 2. 相關技術說明 在物體基準式數位圖像壓縮標準中,諸如MPEG_7,係 定義色彩特徵描述符用以索引與搜尋彩色圖像。色彩特徵 描述符是從一輸入圖像擷取的。 在彩色圖像處理方法中’為了擷取色彩特徵描述符, 所以將輸入圖像分割成複數個區域’取得分割後各區域之 量子化色彩向量,然後使用 域之色彩特徵描述符-。然而 此外,良好的色彩量子化對 也很重要。因此,量子化前 等預處理。 量子化色彩向量決定各相關區 ’囷像中可能存在雜訊成份Q 於精確表示圖像中的色彩資訊 必須執行諸如過濾或雜訊去除 係運用諸如向量介質 通常’為了從圖像中去除雜訊 過濾或向量定向過濾等過濾方法。 然而,由於傳統彩色圖像處理方法中使用 是統-用在圖像上’因此可能會修改到非雜訊晝素’:、造成
8902102.ptd 第4頁 4 6 313 3
五、發明說明(2) 原始圖像邊緣模糊·》 發明概要 為解決上述問題’本發明目的之一是提供—種彩 像處理方法與設備’藉以執行過渡 】
糊,並可消除彩色圖像中的雜訊。本方法是操取 K 描述符用α索引與搜尋彩色圖像時所冑的一種預處理方徵 法0 本發明另-目的是提供一種電腦可讀媒體,其具有電 腦可執行之程式,用以執行彩色圖像處理方法。 實現本發明特徵之彩色圖像處理方法,包括以下步驟 :(a)根據圖像晝素(Pixels)與—中央畫素間的色彩距離 ,將圖像畫素分類;(b )將分類後的畫素群集成多組,使 組内的色彩距離差異最小化’而組間的色彩距離差異最大 化,以及(c)用組内畫素之晝素值決定的預定書 代中央畫素值,以執行過濾。 —μ 本彩色圖像處理方法可進而包括以下步驟:在一輸入 圖像内,定義一具有預定大小之視箭,其中,圓像晝素是 視窗内的晝素。 — 本方法最好在步驟(b)前進而包括一步驟:針對已分 類晝素中位於最初與末尾部份的一預定數目之畫素,將其 中與中央晝素間的色彩距離差異大於或等於—預定閾之晝 素除去。 所謂預定數目’較佳小於或等於L/2,其中,L是一預 定正數’指示一 LxL之視窗的大小。
8902102.ptd 第5頁 46 3彳 3 3
五、發明說明(3) 本方法最好在步驟(b)前進而包括一步驟: 笼t對分翻 畫素位於開始與末尾部份的一預定數目之晝素, 二頌 中央畫素間的色彩距離差異大於或等於一預定間之書去、 ^除 去。 此外’步驟(b )可包括:使用以費希爾氏判別預估法 (Fisher’s discriminant estimation method)為基礎的 函數,將分類的晝素群組。 步驟(b )可包括以下次步驟:(b- 1 )設定包含第〇個到 第(i-1)個晝素之第一組,及包含第i個到第K個晝素之第 二組’其中’ i是一從0到K之整數,而K = L2-1 ; (b-2)以下 列算式分別取得第一及第二組晝素色彩距離差異之平均數 ΚΧ) ΣΑ (π厂及」C心= Σ d± (n) \ ; < (b-3)以下列算式分別取得第一及第二組畫素色彩距離差 異之方差(variance): V⑴= Σ | 2 V = Σ 1 d±(n)-a2(^) \ 2 (b - 4)使用取得的平均數與方差,以下列算式計算一值以 : u(u~- \^(v- ^ι(ΐ) \l! hl7IJV17(v\\ 及(b-5)以下列算式取得使j(i)最大之i值: ^i(n) {πι"<3x ~ J riTTI, 並在具有小色彩距離之晝素與具有以上所得i值之晝素的
46 313 3 五、發明說明(4) 範圍間選擇晝素’以決定屬一同等(peer)群組Ρ(η)之晝素 〇 此外,本方法在步驟(b-5)後,進而可包括以下步驟 :在根據與中央晝素之色彩距離分類的晝素中,從具有最 小色彩距離之晝素範圍内,選擇i個晝素;將選取之晝素 的最大色彩距離值,設定為同等群組(peer gr〇up)内的最 大色彩距離;以及,將各畫素之色彩向量用eXp(-T(n))加 權’執行色彩量子化,其中,T(n)是同等群組内的最大色 彩距離。 或者’本方法在步驟(b_5)後,進而可包括以下步驟 :在根據與中央晝素之色彩距離分類的晝素中,從具有最 小色彩距離之畫素範圍内,選擇i個畫素;將選取之畫素 的最大色彩距離值,設定為同等群組(peer groUp)内的最 大色彩距離;以及,取得整體圖像之τ(η)值的平均值,將 此平均值乘以一作為叢集數的預定常數,並使用其乘積值 執行色彩量子化,其中,τ(η)是同等群組内的最大色彩距 離0 此外’本方法在步驟(b — 5)後’進而可包括以下步驟 在根據與中央晝素之色彩距離分類的畫素中,從具有最 小色彩距離之晝素範圍内,選出數目對應同等群組之大小 的畫素’並將選出之晝素的最大色彩距離值,設定為同等 群組内的最大色彩距離;將各晝素之色彩向量用exp(— 加權其中’Τ(η)是同等群組内的最大色彩距離;以及 ’將整體圖像之Τ(η)值的平均值,乘以一作為叢集數的預
8902102.ptd 第7頁 46 313 3 五、發明說明(5) 定常數’並使用其乘積值執行色彩量子化。 置換 步驟(c)最好包括:以下列算式將中央畫素\(n) 為一新的畫素X’Q(n): ' I是對應PJn)的預 其中,Pi (n)是構成同等群組之晝素 定加權數。 此外,步驟(c)最好包括 的平均值,置換中央畫素的色 中央晝素的晝素,加權數較大 素,加權數較小。 '用一經預定加權數加權後 彩向量’其中,對於較接近 ’對於較遠離中央畫素的畫 預疋之加權數,較佳為一由標準高斯函數(Gaussian f unct i on)決定的值。 本彩色圖像處理方法可進而包括以下步驟:用 (η))加權各晝素之色彩向量,以執行色彩量子化,其中, Τ(η)是一組内的最大色彩距離。 根據本發明另一層面,其中提供一種彩色圖像處理方 法,此方法包括以下步驟:(a)接收一彩色圖像傾(c〇1〇r image frame),用預定的分割方法將其分割成複數個彩 色圖像;(b)針對分割之彩色圖像中選出的單一圖像,根 據圖像晝素與-中央晝素間的色彩距離,㈣像晝素分類 ;(c )將分類後的晝素群集成多組’使組内的色彩距離差 異最小化,而組間的色彩距離差異最大化;以及(d )用組 内畫素之畫素值決定的預定畫素值’替代中央畫素值,以
8902102.ptd 第8頁 46313-3
可讀媒體 色圖像處 彩色圖像 畫素與一 將分類後 化,而組 之晝素值 濾。 彩色圖像 的彩色圖 與一中央 群組裝置 離差異最 裝置,用 晝素值, 五'發明說明(6) 執行過濾。 , 根據本發明再一層面, f ’此方法包括以下步驟: 定義—具有預定大小之視窗 中央畫素之色彩向量相似之 —群組;以及(C )僅使用定 除模糊。 卜 本發明亦包括一種電腦 行之程式,用以執行一種彩 以下步驟:(a)在一輸入的 大小之視窗;(b )根據圖像 離’將圖像晝素分類;(c) 使組内的色彩距離差異最小 大化;以及(d )用組内晝素 替代中央畫素值,以執行過 或者,本發明提供—種 括分類裝置,用以在一輸入 小之視窗,並根據圖像晝素 將視窗内的圖像晝素分類; 集成多组,使組内的色彩距 距離差異最大化;以及過濾 定的預定畫素值,替代中央 較佳實施例說明 本發明以上目的及優點 其令提供一種*色圖像處理方 (.a )在一輸入的彩色圖像内, ;(b)選出色彩向量與視窗内 f素,並將選取的畫素定義為 義群組内的畫素,執行過濾去 ’其具有可由電腦執 理方法。此方法包括 内,定義一具有預定 中央晝素間的色彩距 的晝素群集成多組, 間的色彩距離差異最 決定的預定晝素值, 處理設備,此設備包 像内,設定一預定大 晝素間的色彩距離, ,將分類後的晝素群 小化,而組間的色彩 組内晝素之晝素值決 以執行過濾。 可藉參照附圖詳細說明其較
8902102.ptd 第9頁 463133 五、發明說明(7) 佳實施例而更趨於明白’附圖包括: 以下將參照附圖詳細說明本發明較佳實施例。 請參照第1A圖,其中顯示根據本發明之彩色圖像處理方法 。首先輸入一彩色圖像(步驟1〇〇) ^此彩色圖像可為從多 個依照適當分割方法分割出的圖像區域中選出的~個。 其次,針對在一輸入的彩色圖像中’大小為LxL之視 窗内的所有畫素的色彩向量’用算式(丨)表示它們與LxL視 窗中心位置η上之畫素的色彩向量x〇(n)之間的色彩距離4 (η)(步驟 1 0 2 ): 距離(Xi (n) ’ x〇 (η)).........(l) 其中’L是一任意正整數’並假定K=L2-1,i是一從〇到κ之 整數。此外,為了解説方便,Χ〇(η)除表示輸入彩色圖像 内位於LxL視窗中心位置·η上之晝素的色彩向量,亦可用來 表示位於中心的對應畫素’亦即’一中央畫素。 其次,依照色彩距離\ ( η)的大小,以升序將視窗内 所有晝素的對應色彩向量分類(步驟1 0 4)。以下將以Xi (η ) 表示以升序分類的色彩向量 町對以升斤 現在 色彩距離差異(步驟106): fi(n^=diH(n)-di(n) .........(2) 向量中其丨“11)大於一預定閾q之色彩向量除去 視為隨後要除H fi(n)大於一預定間9之色彩向量’被 初L/2的畫素與後的脈衝雜訊°依據實驗確認’對升序中最 、後L/2的晝素執行步驟1〇8,更優於對LxL視
第10頁 46 313 3 五、發明說明(8) 一~~ ,但中央晝素XQ(η)除外 圖像邊緣模糊,所以是 執行過遽,而非對Lxl 同等群組的方法如下。 彩向量間的色彩距離而 第一組包括第0個到第 第K個晝素。 獲得第一組畫素色彩距 距離差異之平岣數: (3a) (3b) 方差(variance)與第二 用算式(3c)與(3d)表示 窗中所有(L2-l)畫去# , „ 面τ , β^重I執行步驟1〇8 〇 此外,根據本發明,為了防止 對稱後要說8月的㈣群組内的畫素 視窗内的所有畫素執行過濾。獲得 Τ先,根據晝素與中央晝素色 以升序分類的畫素,被分成兩組。 (i 1)個晝素,第二組包括第丨個到 其次,用算式(3a)與(3b)分別 離差異之平均數與第二組晝素色彩 H./n) '~, ---",Ji, 色g (X) y. d t f η ) 同時,第一組畫素色彩距離差異之 組晝素色彩距離差異之方差,分別 的方式算出:
•Μ ·_ ·Β« 、^_|· J ·«··( d ) 其中,i是一新定義的整數,範圍從0到K。 然後,使用獲得的平均數與方差,計算以算式(4 )表 示的值J(i)(步驟11〇): l·/ grvi;+ .........(4) 其中’ i是一整數’範圍從1到K。算式(4)是以費帑爾氏列 別估計法為基礎。
第11頁 46313 3 五、發明說明(9) 此處’i的實際範圍是從1到由K減去一數所獲得的數 ;所減去之數是對應被視為欲除去之脈衝雜訊之畫素的色 彩向量。然而’由於對應被視為脈衝雜訊而除去之畫素之 色彩向量的數’並非太大,所以假設i的範圍是從丨到反。 其次’用算式(5)算出使J(i)最大的i值: h(n)=^l{ir\ax J(V}\ · (5) 然後決定獲得的i值作為一同等群組P(n)的大小(步驟112) 。換言之,當i被重設為變數,其範圍從〇到步驟11 2所獲 得的值時,同等群組P(n)包括畫素Pi (n)。 請參照第1Β圖’中央晝素xQ(n)已被算式(6)換成新的 晝素X’D(n): (^) ......... (6) 其中’ Wi是對應PiU)的標準高斯加權數(步驟114) β此處 ,標準高斯加權數t是用一標準高斯函數決定的^較接近 圖像中心的晝素’其標準高斯加權數較大,而遠離圖像中 心的晝素’其標準高斯加權數較小《以此種方式置換畫素 的程序稱為柔和(smoothing)或過遽(filtering)。 假設每一同等群組的最大色彩距離是T(n), 則於色彩量子化期間,係對各晝素之色彩向量使用exp( _τ (r〇)(步驟116)。每一同等群組的最大色彩距離(η)指 示色彩距離值最大的畫素,這些畫素的數目對應根據各畫 素與中央晝素間的色彩距離而以升序分類的晝素中,具有 最小色彩距離之晝素範圍内的同等群組的大小。因此,每
8902102.ptd 第12頁 46313 3 五、發明說明(ίο) —同等群组的最大色彩距離dn⑷〆n)越小,與中央晝素間 的色彩距離越短,使成為一圖像柔和度的指標。 同時,由於用exp(-T(r〇)加權各畫素之色彩向量,所以在 柔和區域内的畫素加權較重,而高雜訊區域内的畫素加權 較輕《高雜訊區域内的畫素加權較輕,而柔和區域内的畫 ^加權較重,係以眼睛感覺的分析結果為基礎,亦即,眼 :感覺對於細部區域内的變& ’比對於柔和區域内的變化 根據本發明, 值平均數乘以一預 之’在量子化期間 集’而T(n)值大的 在根據本發明 畫素有較大色彩距 畫素色彩向量的同 。因此,幾乎不會 緣模糊。此外,根 化程度的資訊。 本彩色圖像處 電腦程式的編碼與 術之電腦程式設計 了項媒體中,並可 色圖像處理方法。 媒體、載波媒體等 在量子化 定常數所 ’ Τ(η)值 高雜訊區 之彩色圊 離之畫素 等群組, 因為去除 據本發明 期間,最 獲得的值 小的柔和 域内,使 像處理方 ,然後定 以於隨後 與過濾脈 ,可獲得 〜/ΤΓ负固 ’作為叢集 區域内,使 用較多叢集 法中,只除 義色彩向量 對同等群組 衝雜訊而發 欲對圖像執 像的Τ (η) 數。換言 用較少叢 〇 去與中央 類似中央 執行過濾 生圖像邊 行的量子 理方法可用電腦程式作程式設 編碼節段(code segments)可由相 :J易導出。&外’程式係儲存在電腦 由電腦讀取與執行,藉此具體 前述媒體包括磁性記錄媒體、本彩 。 τ肢先學記錄
第13頁 463彳 3 3 五、發明說明(11) ,外,本彩色圖像處理方法可在一彩色圖像處理設備 上實施。苐2圖為根據本發明之彩色圖像處理設備之方塊 圖《請參照第2圖,此根據本發明之彩色圖像處理設備包 括一分割單元2〇〇、一分類單元2〇2、一脈衝雜訊去除單元 204、一群組單元2〇6、一過濾單元208 、及一量子化單元 210。 此彩色圖像處理設備在操作時,分割單元2 〇 〇接收一 彩色圖像幀(color image frame),並以預定的分割方法 將此彩色圖像幀分割成複數個彩色圖像。 分類單元202在這些彩色圖像内設定一LxL視窗(L是一 預足正整數),並根據每一晝素與中央畫素間的色彩距離 ,將視窗内的晝素分類。因此,分類單元2〇2輸出分類後 晝素的色彩向量。 脈衝雜訊去除單元204針對分類後晝素中最初L/2晝素 與末尾L/2晝素,將畫素中與中央畫素之色彩距離差異大 於—預定閾的部份去除。 群組單元206接收LxL視窗内所有已除雜訊之畫素的色 彩向量’並使用已分類畫素間的色彩距離方差與平均數, §十算以算式(4)表示的函數,將這些向量分成兩組,其中 ’使組内的色彩距離差異最小化,而組間的色彩距離差異 最大化。 過濾單元20 8使用與視窗内中央畫素之色彩向量間具 小差異的一組内的畫素’置換中央晝素,執行過濾。 量子化單元210使用exp(~T(n))加權各晝素的色彩向
8902102.ptd 第14頁 463133 五、發明說明02) 一 --- 量(T(n)是與視窗内中央畫素間具有小色彩向量差異的一 組内的最大色彩距離),並使用所有圖像之τ(η)值平均數 乘以一預定常數所得的值作為叢集數,執行量子化。 了盥發明彩色圖像處理設備中,由於去除 ϋί畫ί::色彩距離的晝素,戶斤以定義-個彩 Li I 色向量的同等群組,以於隨後對此 =行f;二此,幾乎不會因為去除與過渡脈衝雜訊 =生圓像ίί”,,根據本發明,可用欲處理之 圖像的柔和度或細節為基礎,獲得欲執行的量子化叢集數 的資訊。因此,可使用此資訊有效執行量子化^ 如上所述二根據本發明,從一圖像去除脈衝雜訊並過 遽圖像時,巧減少圖像邊緣產生模糊。
8902102.ptd 第15頁 46313 3 圖式簡單說明 圖式簡要說明 第1 A圊及第1B圖為流程圖,顯示根據本發明之彩色圖 像處理方法;以及 第2圊為根據本發明之彩色圖像處理設備之方塊圖。
S902102.ptd 第16頁
Claims (1)
- 463133 六、申請專利範圍 1 . 一種彩色圖像處理方法,包括以下步驟: (a )根據圖像晝素與一中央晝素間的色彩距離,將圖 像畫素分類; (b) 將分類後的晝素群集成多組,其中,組内的色彩 距離差異最小化,而組間的色彩距離差異最大化 ;以及 (c) 用組内晝素之晝素值決定的預定晝素值,替代中 央晝素值,以執行過濾。 2 *如申請專利範圍第1項之彩色圖像處理方法,進而包 括一步驟:在一輸入之彩色圖像内,定義一具有預定 大小之視窗,其中,圖像晝素是該視窗内的晝素。 3 *如申請專利範圍第1項之彩色圖像處理方法,在步驟 (b)前,進而包括一步驟:針對分類晝素中位於最初 部份與末尾部份的一預定數目之晝素,將其中與中央 晝素間的色彩距離差異大於或等於一預定閾之晝素除 去。 4 *如申請專利範圍第3項之彩色圖像處理方法,其中該 預定數目為少或等於L/2,其中L是一預定之正整數, 指示一LxL視窗之大小。 5 ·如申請專利範圍第2項之彩色圖像處理方法,在步驟 (b)前,進而包括一步驟:針對分類畫素中位於最初 部份與末尾部份的一預定數目之晝素,將其中與中央 晝素間的色彩距離差異大於或等於一預定閾之晝素除 去。8902102.ptd 第17頁 463133 六、申請專利範圍 6 ·如申請專利範 驟(b )包括: 數,將分類後 7 ·如申請專利範 驟(b )包括: 數,將分類後 8 *如申請專利範 驟(b )包括: 數,將分類後 9 ·如申請專利範 驟(b )包括: 數,將分類後 1 0.如申請專利範 驟(b )包括: 數,將分類後 1 1.如申請專利範 驟(b)包括以 (b -1)設 第二組包括第 數,而 K = L?- 1 圍第1項 使用以費 的畫素群 圍第2項 使用以費 的晝素群 圍第3項 使用以費 的晝素群 圍第4項 使用以費 的晝素群 圍第5項 使用以費 的晝素群 圍第1項 下次步驟 之彩色圖像處理方法,其中步 希爾氏判別估計法為基礎之函 組。 之彩色圖像處理方法,其中步 希爾氏判別估計法為基礎之函 組。 之彩色圖像處理方法,其中步 希爾氏判別估計法為基礎之函 組。 之彩色圖像處理方法,其中步 希爾氏判別估計法為基礎之函 組。 之彩色圖像處理方法,其中步 希爾氏判別估計法為基礎之函 組。 之彩色圖像處理方法,其中步 定第一組包括第0個到第(i -1)個晝素, ί個到第K個晝素,其中i是從0到K之整 (b-2)以下列算式分別取得第一及第二組晝素色 彩距離差異之平均數: =—Σ Ί ⑻及 a2 (I) =--^djCn);8902102.ptd 第18頁 46313 3 六 申請專利範圍 (b-3)以下列算式分別取得第一及第二組畫素色 彩距離差異之方差:(b-4)使用取得的平均數與方差,以下列算式計 算一值J(i): 以及 (b-5)以下列算式取得使J(i)最大之i值: h⑻J·⑴;], 並在具有小色彩距離之晝素與具有以上所得i值 之晝素的範圍間選擇畫素,以決定屬一同等群組p ( n ) 之畫素。 2. 如申請專利範圍第1 i項之彩色圖像處理方法’在步 驟(b-5)後,進而包括以下步驟: 在根據與中央晝素之色彩距離分類的晝素中,從 選【最:色彩距離之晝素範圍内,選擇"固晝素;將 最大素的最大色彩距離值’設定為同等群組内的 敢大色彩距離;以及, 1 J =各晝素之色彩向量用exp(_TU))加 衫量子化,其中,τ 县 俾巩订邑 。 中()疋冋4群組内的最大色彩距離 3. 如申請專利範圍第i ^之彩色圓像處理方法,在步463ί 33 ------ 六、申請專利範圍" _ 驟(b-5)後,進而包括以下步驟: 在根據與中央晝素之色彩距離分類的畫素中,從 具有最小色彩距離之畫素範圍内,選擇丨個畫素;將 選取之畫素的最大色彩距離值,設定為同等群組内的 最大色彩距離;以及, 取得整體圖像之T(n)值的平均值,將此平均值乘 乂作為叢集數的預疋常數,並使用其乘積值執行色 彩量子化,其中,Τ(η)是同等群組内的最大色彩距離 〇 14_如申請專利範圍第1 1項之彩色圖像處理方法,在步 驟(b-5)後,進而包括以下步驟: 在根據與中央晝素之色彩距離分類的畫素中,從 具有最小色彩距離之晝素範圍内,選出數目對應同等 群組之大小的晝素,並將選出之晝素的最大色彩距離 值’設定為同等群組内的最大色彩距離;以及 將各畫素之色彩向量用ex p(-T(n))加權,其中, Τ(η)是同-等群組内的最大色彩距離;並將整體圖像之 T(r〇值的平均值,乘以一作為叢集數的預定常數,並 使用其乘積值執行色彩量子化β 1 5·如申請專利範圍第1 1項之彩色圖像處理方法,其中 步驅Cc)包括:以下列算式將中央畫素\(n)置換為 —新的畫素X’Q(n): Κΰίτη)第20頁 46313 3 申請專利範圍 其中,Pi(n)是構成同等群組之畫素,‘ 的預定加權數。 艮如申請專利範圍第1項之彩色圖像處 驟(c )包括:用一經預定加權數加權 換中央晝素的色彩向量,其中,對於 的畫素’加權數較大,對於較遠離中 加權數較小。 7, 如申請專利範圍第1 6項之彩色圖像 該預定之加權數為一由標準高斯函數 8. 如申請專利範圍第1項之彩色圖像處 括以下步驟:用exp(-T(n))加權各書 以執行色彩量子化’其中,τ(η)是一 距離。 9_ —種彩色圖像處理方法,包括以下步 (a )接收一彩色圖像幀,並用預定的 割成複數個彩色圖像; (b)針射分割之彩色圖像中選出的單 像晝素與一中央畫素間的色彩距 分類; (C)將分類後的畫素群集成多組,使 差異最小化,而組間的色彩距離 及 (d)用組内晝素之畫素值決定的預定 央晝素值’以執行過遽。 Wi是對應Pi(n) 理方法,其中步 後的平均值,置 較接近中央畫素 央晝素的畫素, 處理方法,其中 決定的值》 理方法,進而包 素之色彩向量, 組内的最大色彩 驟: 分割方法將其分 一圖像,根據圖 離,將圖像晝素 組内的色彩距離 差異最大化;以 晝素值,替代中4 63133 六、申請專利範圍 2 〇.如申請專利範圍第1 9項之彩色圖像處理方法,在步 驟(b)前,進而包括一步驟:在一選取之彩色囷像内 ,定義一具有預定大小之視窗,其中,圖像晝素是該 視窗内的晝素。 2 1,如申請專利範圍第1 9項之彩色圖像處理方法,在步 驟(b)前,進而包括一步驟:針對分類畫素中位於最 初部份與末尾部份的一預定數目之晝素,將其中與中 央晝素間的色彩距離差異大於或等於一預定閾之畫素 除去。 —、 2 2.如申請專利範圍第2 1項之彩色圖像處理方法,其中 該預定數目為少或等於L/2,而l是一預定之正整數, 指示一LxL視窗之大小。 2 3 _如申請專利範圍第1 9項之彩色圖像處理方法,在步 驟(b )前,進而包括一步驟:針對分類晝素中位於最 初部份與末尾部份的一預定數目之畫素,將其中與中 央畫素間的色彩距離差異大於或等於—預定閾之晝素 除去。 一 2 4‘如申請專利範圍第1 9項之彩色圖像處理方法,其中 步驟(b )包括:使用以費希爾氏判別估計法為基礎之 函數,將分類後的畫素群組。 2 5.如申請專利範圍第2 〇項之彩色圖像處理方法,其中 步騍(b )包括:使用以費希爾氏判別估計法為基礎之 函數,將分類後的畫素群組。 2 6,如申請專利範圍第2 1項之彩色圖像處理方法,其中六、申請專利範圍 爾氏判別估計法為基礎之 彩色圓像處理方 爾氏判別估計法 〇 彩色圖像處理方 爾氏判別估計法 0 彩色圊像處理方 第〇個到第(i -1 ) 素’其中i是從0 法’其中 為基礎之 法,其中 為基礎之 法,其中 個晝素, 到K之整 取得第一及第二級晝素色 步驟(b)包括.使用以費希 函數,將分類後的畫素群纽 2 7,如申請專利範圍第2 2項之 步驟(b)包括:使用以費希 函數,將分類後的畫素群組 2 8.如申請專利範圍第2 3項之 步驟(b)包括:使用以費希 函數,將分類後的晝素群組 2 9.如申請專利範圍第1 9項之 步驟(b)包括以下次步驟: (b-Ι)設定第一组包括 第二組包括第i個到第K個晝 數,而 K = L2 - 1 ; (b-2)以下列算式分別 彩距離差異之平均數: 彩距(:差3)異=算式分別取得第-及第二“素色 K2 a)= ~ ί^^ΙΞΙΓαΤ (V = (b-4)使用取得的平均數歲 算-值J⑴: 歎與方差,以下列算式計463^3 3 六、申請專利範圍 — 以及 (b-5)以下列算式取得使j(丨)最大之i值: h⑻二j| , 並在具有小色彩距離之晝素與具有以上所得丨值之查 素的範圍間選擇畫素,以決定屬一同等群組p(n)之書 素0 一 3 0.如申請專利範圍第1 9項之彩色圖像處理方法,其 步驟(b)包括:用一經預定加權數加權後的平均^, 置換中央畫素的色彩向量,其中,對於較接近中央晝 素的晝素,加權數較大,對於較遠離中央晝素的晝素 ,加權數較小。 3 1‘如申請專利範圍第3 0項之彩色圖像處理方法,其中 該預定之加權數為一由標準高斯函數決定的值。 3 2.如申μ專利範圍第1 9項之彩色圖像處理方法’立中 步驟(b)包括:以下列算式將中央晝素心(1〇置換為 一新的畫素X’Q(n): 其中’ Pi(n)疋構成同等群组之晝素,(是對應[(η) 的預定加權數。 3 3如申請專利範圍第2 9項之彩色圖像處理方法,在步463133 六、申請專利範圍 驟(b-5)後,進而包括以下步驟: 在根據與中央晝素之色彩距離分頬的畫素中,從 具有最小色彩距離之晝素範圍内’選擇i個畫素;將 選取之畫素的最大色彩距離值’設定為同等群组内的 最大色彩距離;以及, 將各畫素之色彩向量用exp(_T(n))加權,執行色 彩量子化,其中,T(n)是同等群組内的最大色彩距離 3 4.如申請專利範圍第2 9項之彩色圖像處理方法,在步 驟(b-5)後,進而包括以下步驟: 夕 在根據與中央晝素之色彩距離分類的畫素中,從 具有最小色彩距離之晝素範圍内,選擇i個畫素.將 選取之晝素的最大色彩距離值,設定為同等群組内的 最大色彩距離;以及, 取得整體圖像之T(n)值的平均值,將此平均值乘 以一作為叢集數的預定常數,並使用其乘積值執 彩量子化。 3 5·如申請專利範圍第2 9項之彩色圖像處理方法,在步 驟(b-5)後,進而包括以下步驟: ^ 在根據與中央晝素之色彩距離分類的畫素中,從 具有最小色彩距離之畫素範圍内,選出數目對應同$ 群組^ ί小的晝素,並將選出之畫素的最大色彩距離 值’設定為同等群組内的最大色彩距離;以及 將各晝素之色彩向量用exp(_T(n))加權,其中,8902102,ptd 第25頁 46313 3 六、申請專利範圍 T(n)是同等 Τ ( η )值的平 使用其乘積 3 6.如申請專利 驟(b - 5)後, 在根據 具有最小色 選取之畫素 最大色彩距 取得整 以一作為叢 彩量子化。 3 7. 一種彩色圖 (a )在一輸 視窗; (b )選擇色 畫素, (c )僅使用 群組内的最大色彩距離;並將整體圖像之 均值,乘以一作為叢集數的預定常數,並 值執行色彩量子化。 範圍第3 2項之彩色 進而包括以下步驟: 與中央畫素之色彩距 彩距離之畫素範圍内 的最大色彩距離值, 離,以及* 體圖像之T(n)值的平 集數的預定常數,並 像處理方法,包括以 入之彩色圖像内,定 彩向量類似視窗内中 並將選取的晝素定義 定義群組内的晝素, 圖像處理方法,在步 離分類的晝素中,從 ’選擇i個晝素;將 設定為同等群組内的 均值’將此平均值乘 使用其乘積值執行色 下步驟: 義—具有預定大小之 央畫素之色彩向量的 為—群組;以及 執行過濾以去除模糊 3 8,=電服14媒體,其具有可由電腦執行的程式編碼 ’用以執行一種彩色圖像處理方法,颉 步驟: z方法包括Μ下 (a)在一輸入的彩色圖像内,定義一 視窗; 巩具有預定大小之S902 ⑽.ptd 第26頁 4 6 3 彳 3 3 六、申請專利範圍 (b)根據圖像畫素與一中央晝素間的色彩距離,將圖 像畫素分類; (c )將分類後的晝素群集成多組,使組内的色彩距離 差異最小化,而組間的色彩距離差異最大化;以 及 (d)用組内晝素之晝素值決定的預定晝素值,替代中 央晝素值,以執行過渡。 3 9.如申請專利範圍第3 8項之電腦可讀媒體,其中,該 彩色圖像處理方法在步驟(c)前,進而包括一步驟: 針對分類晝素中位於最初部份與末尾部份的一預定數 目之晝素,將其中與中央晝素間的色彩距離差異大於 或等於一預定閾之晝素除去。 4 0.如申請專利範圍第3 9項之電腦可讀媒體,其中,該 彩色圖像處理方法進而包括以下步驟: 在根據與中央晝素之色彩距離分類的晝素中,從 具有最小色彩距離之晝素範圍内,選擇i個畫素;將 選取之畫素的最大色彩距離值,設定為所-選取群組内 的最大色彩距離;以及, 將各晝素之色彩向量用exp(-T(n))加權,執行色 彩量子化,其中,T(n)是同等群組内的最大色彩距離 4 1,如申請專利範圍第3 8項之電腦可讀媒體,其中,該 彩色圖像處理方法進而包括以下步驟: 在根據與中央晝素之色彩距離分類的晝素中,從8902102.ptd 第27頁 463133六、申請專利範圍 具有最小色彩距離之畫素範圍内’選擇i個畫素;將 選取之晝素的最大色彩距離值,設定為選取^組内的 最大色彩距離;以及, ' 取得整體圓像之T(n)值的平均值,將此平均值乘 以一作為叢集數的預定常數,並使用其乘積值執行色 彩量子化。 4 2·如申請專利範圍第3 8項之電腦可讀媒體,其中,該 彩色圖像處理方法進而包括以下步驟: 在根據與中央畫素之色彩距離分類的晝素中,從 具有最小色彩距離之畫素範圍内,選擇i個畫素;將 選取之畫素的最大色彩距離值’設定為選取群組内的 最大色彩距離;以及, 將各畫素之色彩向量用exp(-T(n))加權,其中, T(n)是選取群組内的最大色彩距離;並將整體圖像之 Τ(η)值的平均值’乘以一作為叢集數的預定常數,並 使用其乘積值執行色彩量子化。 4 3·=申請專利範圍第3 8項之電腦可讀媒體,其中,該 彩色圖像處理方法進而包括以下步驟:接收一彩色圖 像巾貞,並用預定的分割方法將其分割成複數個彩色圖 像,其中,該彩色圖像是從複數個彩色圖像中選出的 一個圖像。 4 4. 一種彩色圖像處理設備,包括: 分類装置,用以在一輪入的彩色圖像内,設定一 預定大小之視窗’並根據圖像晝素與一中央畫素間的8902102.ptd 第28頁 463133 六、申請專利範圍 ' ----- 色彩距離,將視窗内的圖像晝素分類. 群組裝置’將分類後的晝素群占 的色彩距離差異最小化,而組間的 ^异: 化;以及 町邑如距離差異最大 過濾裝置,用組内畫素之畫音枯 值,替代中央晝素值,以執行^值決定的預定晝素 利範圍第…之彩色圖像處理設備,進而 c、置’它使用exp卜τ(η))加權各畫素之色 色彩量子化’其中,τ(η)是與視窗内 小量差異的-組内的最大色彩 4 6.::請專利範圍第4 4項之彩色圖像處理設備,進而 包括量子化裝置,用以取得整體圖像之Τ(η)值的平均 值將此平均值乘以一作為叢集數的預定常數,並使 2其乘積值執行色彩量子化,其中,τ(η)是與視窗内 央晝素間具有小色彩向量差異的—組内的最大色彩 距離。 7.如申,專利範圍第4 4項之彩色圖像處理設備,進而 ^括=子化裝置,它使用exp(-T(r〇)加權各晝素之色 知向里’以整體圖像之了(〇)值的平均值,乘以一作為 叢集數的預定常數,並用所得的值執行色彩量子化, 其中’ T(n)是與視窗内中央晝素間具有小色彩向量差 異的一組内的最大色彩距離。 4 8.如甲印專利範圍第4 4項之彩色圖像處理設備,進而4631 3 38902102.ptd 第30頁
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11874199P | 1999-02-05 | 1999-02-05 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW463133B true TW463133B (en) | 2001-11-11 |
Family
ID=22380461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW089103997A TW463133B (en) | 1999-02-05 | 2000-06-16 | Color image processing method and apparatus thereof |
Country Status (8)
Country | Link |
---|---|
EP (1) | EP1153364A4 (zh) |
JP (1) | JP3558985B2 (zh) |
KR (1) | KR100439697B1 (zh) |
CN (1) | CN1209735C (zh) |
AU (1) | AU2464500A (zh) |
MY (1) | MY127890A (zh) |
TW (1) | TW463133B (zh) |
WO (1) | WO2000046749A1 (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100378351B1 (ko) | 2000-11-13 | 2003-03-29 | 삼성전자주식회사 | 색-텍스추어 거리 측정 방법 및 장치와 이를 이용한영상의 영역 구분 방법 및 장치 |
JP3862613B2 (ja) | 2002-06-05 | 2006-12-27 | キヤノン株式会社 | 画像処理装置及び画像処理方法並びにコンピュータプログラム |
GB2400257A (en) | 2003-04-05 | 2004-10-06 | Autodesk Canada Inc | Removal of grain |
US7372991B2 (en) | 2003-09-26 | 2008-05-13 | Seiko Epson Corporation | Method and apparatus for summarizing and indexing the contents of an audio-visual presentation |
US20060103892A1 (en) * | 2004-11-18 | 2006-05-18 | Schulze Mark A | System and method for a vector difference mean filter for noise suppression |
WO2007020559A2 (en) * | 2005-08-17 | 2007-02-22 | Nxp B.V. | Method and arrangement for suppressing noise in digital signal sequences, and a corresponding computer program and a corresponding computer-readable storage medium |
JP4001162B2 (ja) * | 2005-11-04 | 2007-10-31 | オムロン株式会社 | 画像処理方法、画像処理用のプログラムならびにその記憶媒体、および画像処理装置 |
US7952646B2 (en) * | 2006-12-27 | 2011-05-31 | Intel Corporation | Method and apparatus for content adaptive spatial-temporal motion adaptive noise reduction |
CN101546425B (zh) * | 2009-05-05 | 2011-04-13 | 广东工业大学 | 双阈值开关型彩色图像矢量滤波方法 |
KR101290200B1 (ko) * | 2012-02-13 | 2013-07-30 | 중앙대학교 산학협력단 | 충격 잡음 제거 장치 및 방법 |
CN103778611B (zh) * | 2014-01-26 | 2016-08-17 | 天津大学 | 利用边缘检测的开关加权矢量中值滤波方法 |
CN105809630B (zh) * | 2014-12-30 | 2019-03-12 | 展讯通信(天津)有限公司 | 一种图像噪声过滤方法及系统 |
CN104899899A (zh) * | 2015-06-12 | 2015-09-09 | 天津大学 | 一种基于密度峰值的颜色量化方法 |
CN113298790B (zh) * | 2021-05-31 | 2023-05-05 | 奥比中光科技集团股份有限公司 | 一种图像滤波方法、装置、终端和计算机可读存储介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4541116A (en) * | 1984-02-27 | 1985-09-10 | Environmental Research Institute Of Mi | Neighborhood image processing stage for implementing filtering operations |
US4783840A (en) * | 1987-12-04 | 1988-11-08 | Polaroid Corporation | Method for enhancing image data by noise reduction or sharpening |
US5222154A (en) * | 1991-06-12 | 1993-06-22 | Hewlett-Packard Company | System and method for spot color extraction |
US5684897A (en) * | 1992-02-19 | 1997-11-04 | Ezel Inc. | Method for quantizing color image data by minimizing least squares error of binary coding |
KR0149517B1 (ko) * | 1992-07-18 | 1998-10-15 | 강진구 | 에지 검출과 노이즈 제거를 위한 다단식 비선형 필터 |
KR100230254B1 (ko) * | 1996-04-17 | 1999-11-15 | 윤종용 | 잡음 감소 회로 |
KR100219544B1 (ko) * | 1997-05-26 | 1999-09-01 | 윤종용 | 선택형 대역통과필터 |
JPH1188705A (ja) * | 1997-09-11 | 1999-03-30 | Matsushita Electric Ind Co Ltd | 画像読み取り装置 |
-
2000
- 2000-02-03 AU AU24645/00A patent/AU2464500A/en not_active Abandoned
- 2000-02-03 JP JP2000597757A patent/JP3558985B2/ja not_active Expired - Fee Related
- 2000-02-03 MY MYPI20000378A patent/MY127890A/en unknown
- 2000-02-03 EP EP00903005A patent/EP1153364A4/en not_active Withdrawn
- 2000-02-03 KR KR10-2001-7009441A patent/KR100439697B1/ko not_active IP Right Cessation
- 2000-02-03 WO PCT/KR2000/000090 patent/WO2000046749A1/en active IP Right Grant
- 2000-02-03 CN CNB008039895A patent/CN1209735C/zh not_active Expired - Fee Related
- 2000-06-16 TW TW089103997A patent/TW463133B/zh not_active IP Right Cessation
Also Published As
Publication number | Publication date |
---|---|
EP1153364A1 (en) | 2001-11-14 |
MY127890A (en) | 2006-12-29 |
WO2000046749A1 (en) | 2000-08-10 |
EP1153364A4 (en) | 2002-10-30 |
KR100439697B1 (ko) | 2004-07-14 |
KR20010113666A (ko) | 2001-12-28 |
JP3558985B2 (ja) | 2004-08-25 |
CN1209735C (zh) | 2005-07-06 |
AU2464500A (en) | 2000-08-25 |
JP2002536749A (ja) | 2002-10-29 |
CN1341246A (zh) | 2002-03-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW463133B (en) | Color image processing method and apparatus thereof | |
CN110677598B (zh) | 视频生成方法、装置、电子设备和计算机存储介质 | |
Zhang et al. | Adaptive residual networks for high-quality image restoration | |
CN110353675B (zh) | 基于图片生成的脑电信号情感识别方法及装置 | |
CN111783566B (zh) | 一种基于唇语同步和神态适配效果增强的视频合成方法 | |
CN111161360B (zh) | 基于Retinex理论的端到端网络的图像去雾方法 | |
CN110188708A (zh) | 一种基于卷积神经网络的人脸表情识别方法 | |
CN110443775B (zh) | 基于卷积神经网络的离散小波变换域多聚焦图像融合方法 | |
CN110738153A (zh) | 异质人脸图像转换方法、装置、电子设备及存储介质 | |
CN110738660A (zh) | 基于改进U-net的脊椎CT图像分割方法及装置 | |
WO2015180055A1 (zh) | 一种基于分类字典库的超分辨率图像重构方法及装置 | |
CN114694074A (zh) | 一种使用图像生成视频的方法、装置以及存储介质 | |
CN105979283A (zh) | 视频转码方法和装置 | |
Liu et al. | Single image super-resolution using a deep encoder–decoder symmetrical network with iterative back projection | |
CN112085094A (zh) | 单证图像翻拍检测方法、装置、计算机设备和存储介质 | |
CN115471413A (zh) | 图像处理方法及装置、计算机可读存储介质和电子设备 | |
CN109003247B (zh) | 彩色图像混合噪声的去除方法 | |
CN117726602A (zh) | 基于带状池化的息肉分割方法及系统 | |
KR101515686B1 (ko) | 주파수 성분과 영역 분할을 이용한 고해상도 얼굴 영상 복원 장치 및 방법 | |
CN117459649A (zh) | 一种基于图像风格迁移的大容量信息隐藏方法及系统 | |
Bashir et al. | Towards deep learning-based image steganalysis: practices and open research issues | |
CN117197470A (zh) | 一种基于结肠镜图像的息肉分割方法、设备及介质 | |
CN109711286B (zh) | 一种基于人工视网膜空间感知的控制方法及装置 | |
CN115376542B (zh) | 一种低侵入性的视听语音分离方法及系统 | |
CN109741300B (zh) | 一种适用于视频编码的图像显著性快速检测方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GD4A | Issue of patent certificate for granted invention patent | ||
MM4A | Annulment or lapse of patent due to non-payment of fees |