TWI226193B - Image segmentation method, image segmentation apparatus, image processing method, and image processing apparatus - Google Patents
Image segmentation method, image segmentation apparatus, image processing method, and image processing apparatus Download PDFInfo
- Publication number
- TWI226193B TWI226193B TW092114142A TW92114142A TWI226193B TW I226193 B TWI226193 B TW I226193B TW 092114142 A TW092114142 A TW 092114142A TW 92114142 A TW92114142 A TW 92114142A TW I226193 B TWI226193 B TW I226193B
- Authority
- TW
- Taiwan
- Prior art keywords
- unit
- image
- image segmentation
- excitable
- units
- Prior art date
Links
- 238000003709 image segmentation Methods 0.000 title claims abstract description 165
- 238000012545 processing Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims description 86
- 238000003672 processing method Methods 0.000 title claims description 7
- 238000010168 coupling process Methods 0.000 claims abstract description 81
- 238000005859 coupling reaction Methods 0.000 claims abstract description 81
- 230000008878 coupling Effects 0.000 claims abstract description 80
- 238000004364 calculation method Methods 0.000 claims abstract description 44
- 230000005284 excitation Effects 0.000 claims abstract description 39
- 238000001514 detection method Methods 0.000 claims description 33
- 230000005281 excited state Effects 0.000 claims description 32
- 239000000463 material Substances 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 2
- 230000001629 suppression Effects 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 230000000977 initiatory effect Effects 0.000 claims 2
- 230000005764 inhibitory process Effects 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 50
- 238000010586 diagram Methods 0.000 description 37
- 238000007792 addition Methods 0.000 description 15
- 230000011218 segmentation Effects 0.000 description 12
- 238000013461 design Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 11
- 238000002372 labelling Methods 0.000 description 6
- 239000006185 dispersion Substances 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 239000003990 capacitor Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 241000282412 Homo Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 238000005312 nonlinear dynamic Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 239000011257 shell material Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241000255925 Diptera Species 0.000 description 1
- 101000863873 Homo sapiens Tyrosine-protein phosphatase non-receptor type substrate 1 Proteins 0.000 description 1
- 241000282376 Panthera tigris Species 0.000 description 1
- 241000124033 Salix Species 0.000 description 1
- YZCKVEUIGOORGS-NJFSPNSNSA-N Tritium Chemical compound [3H] YZCKVEUIGOORGS-NJFSPNSNSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002964 excitative effect Effects 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000003112 inhibitor Substances 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000012925 reference material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 229910052722 tritium Inorganic materials 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/955—Hardware or software architectures specially adapted for image or video understanding using specific electronic processors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/28—Indexing scheme for image data processing or generation, in general involving image processing hardware
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Description
1226193 玖、發明說明:
L發明所廣之技術領域]I 發明領域 本發明是有關於例如一種軟體,用於··像影辨識系統 5中之影像分段/擷取,移動物體偵測系統,數位照像機,數 位影像照像機,機器人視力,借助於表面辨識之確認系統, 安全系統,人工智慧(AI)系統等;並且有關於:影像分段方 法’影像分段裝置,影像處理方法,以及影像處理裳置, 其可使用於影像分段/擷取積體電路(1C)。 10 【先前 發明背景 最近’有人期望加快影像辨識速率,以便實現智慧7 訊處理技術。例如,為了實現智慧機器人其幾乎與人類以 相同的方式行為動作與作決定,以及即時表面辨識或移動 15物體辨識,須要快速處理由照相機等所攝取之視訊資气(自 然影像資訊)。特別是在用於機器人之控制或影像辨識的情 形中,須要即時地處理視訊資訊。然而,此視訊資訊典= 地是數量龐大,並且因此須要相當長的時間使用一般用途 電腦等處理。 ' 20 執行影像處理(例如影像辨)所須之一基本且不可戈缺 之處理項目為影像分段。此影像分段是進行處理,從複雜 的自然影像(其攝入作為輸入)取出個別物件(例如,人類、 臉,或例如車輛之移動物體),以致於此項處理在例如影像 辨識之影像處理中是基本且不可或缺。截至目前為止= 5 1226193 影像分段有若干建議。此等所建議之影像分段方法分類如 下: (1) 根據輪廓線之方法 (2) 根據區域之方法 5 (3)方法(1)與方法(2)之組合,以及方法其形成邏輯式, 而將此組合最適化。 方法(1)是在以下參考資料1與參考資料2中詳細說明。 此外’方法(3)是在以下參考資料3中詳細說明。 參考資料1 : J· C.所著”The image Processing 10 Handbook’’,CRC PRESS,(1999)。 參考資料2 : S. Sarker與K. L. Boyer,所著’’Integration inference,and management of spatial information using Bayesian networks : Perceptual organization’’,IEEE Trans· Pattern Anal. Machine Intel·,Vol· 15, pp. 256-274,(1993)。 15 參考資料3 ·· S. M. Bhandarker and Η· Zhang, "Image segmentation using evolutionary computationf,5 IEEE Trans, on Evolutionary Computation,Vol_ 3, No. 1,(1999)。 在這些影像分段方法中,此根據區域之方法(2)稱為區 域生長式,其由於可以正確地將物件分段而受到注意。 2〇 請注意截至目前為止所建議之影像分段方法,其前題 均為顏色或灰階影像是由軟體處理。因此,此等方法涉及 複雜處理過程且在處理中耗用大量時間。為加速此項處理 ,它較佳由硬體實現。然而,其相關之算法複雜,使得難 以在相當小的面積中實施此算法。因此,此算法不得不依 1226193 靠軟體,造成實現即時處理中非常困難的目前情況,(其耗 用數秒左右)。此外,此顏色與灰階自然影像各須要用於其 分段之專用算法。 然而,另一方面,對於二進位影像截至目前為止建議 5 了數種硬體處理方法,以實現高速標記(labeling)。例如, 請參考以下的參考資料: 參考 > 料4 · E. Mozef專人所者 ’’Parallel architecture dedicated to image component labeling in O(nlogn) : FPGA implementation’’· Proceedings of SPIE, Vol· 2784, pp. 10 120-125,(1996)。 參考 > 料5 · Y. Ishiyama專人所著 ’’Labeling board based onboundarytracking’’.SystemsandComputersinJapan,Vol· 26, No. 14, pp· 67-76,(1995)。 參考資料6 ·· Ishiyama等人所著’’Labeling board based 15 on boundary tracking’’,the Institute of Electronics, Information,and Communication Engineers Research Paper Magazine D-II,Vol. J78-D-II,No. 1,pp. 69-75,(1995)。 參考資料7 : S. D. Jean等人所著nNew algorithm and its VLSI architecture design for connected component labeling'1. 20 Proceedings of Intfl Symp. on Cir. &Sys. (ISCAS), Part 2 (of 6),pp. 565-568,(1994)。 然而,此等是專門使用於處理二進位影像,且只處理 用於各像素之一位元值,此意味著無法輕易地將它們直接 應用於處理彩色或灰階自然影像。 1226193 截至目前為止,D. L· Wang等人建議用於灰階影像之影 像分段方法,其根據單元網路模式LEGION(Locally Excitatory Globally Inhibitory Oscillator Network)(請參考資 料8 · D· L· Wang and D. Terman,’’Image segmentation based 5 〇n oscillator correlation"· Neural Computation,Vol. 9, No. 4, pp. 805-836,(1997)。 在此模式中,此等單元是與分段一標的影像之像素有 關,以致於此影像是根據各此等單元之同步與非同步振盪 狀態,使用單元網路非線性動力學而分段。然而,為了直 10接實現此,須要解多個用於各像素之微分方程式,以便高 度準確地實施影像分段,但這是非常耗費時間的。因此, 為了實現即時處理,必須藉由以硬體實現以加速處理。 為達此目的,建議一種使用類比電路方法,以便根據 用於灰階影像LEGION實現單元網路之非線性動力學。例如 15 請參閱以下之參考資料: 參考資料9:兄八11(1〇,丁,]\4〇1^,]\4.灿8&1&,&11(1八· lwata,’Oscillator networks for image segmentation and their circuits using pulse modulation methods11, Procs. 5,th International Conference on Neural Information Processing 20 (ICONIP’98),pp· 586-589, Kitakyushu,Oct. 21,(1998)。 參考資料 10 : H. Ando, T. Morie,Nagata and A_ lwata, ’’A nonlinear oscillator network for gray-level image segmentation and PWM/PPM circuits for its VLSI implementation’’,IEICE Trans. Fundamentals, Vol. E83-A, 1226193
No. 2, ρρ· 329-336,(2000)。 旦此等方法使用類比電路,其使用電容器以儲存類比數 里。較大的電容須要較大的電容器面積。此在未來之積體 電路在嘗試增加其積體密度,在其面積之減少與操作速率 増加上造成重大限制。此外,類比數量之處理受到製造過 程中波動的影響。因此,在製造過程期間必須非常注音, 2得即使由目前的技術水準,亦不易以lsi晶片實現此算 【發明内容】 10 15 發明概要 本發明之目的是提供—郷像分段方法,其可在彩色 體2自然影像上實施即時影像分段,且其亦適用於由硬 體實現,本發_提料彡料 影像處理裝置,i使用-鮮M L 處理方法’以 我1其使用種根據此算法之結構,此 供用於此影像分段方法之基礎。 / 於相之現點,提供—種影像分段方法,其從層 於相同種類輸人影像指定此等區域之— 識為畢彡德八以 、將此區域辨 旦tli 法包括:啟始步驟,將對應於輸入 7像素之各㈣像讀單狀U置於錢發狀 擷取步驟,操取對應於此單元之像素之像素值,且=在 ^固相鄰單元之間之麵合權數;以及决定步驟,根據: 异結果決定領導單元(可自行激發單元之候選者 一 發單元偵測步驟,藉由決定步驟所決 w可自订激 項等早元選擇苴 -’則貞測—單元作為可自行激發單元;自行激發步/,、 20 1226193 將在可自行激發單元偵測步驟中所偵測之可自行激發單元 置入激發狀態;可激發單元偵測步驟,根據在激發狀態中 此等單元(包括領導單元與相鄰單元)之間之耦合權數,從相 鄰單元偵測可激發單元;激發步驟,將在可激發單元偵測 5步驟中所偵測之單元置入於激發狀態中;以及停止步驟, 如果在可激發單元偵測步驟中未偵測到單元,則將激發狀 態中之單元置入於停止狀態中。其中一區域之影像分段是 藉由重覆激發,-直到在可激發單元读測步驟中不再債測 到任何單元為止而完成。並且所有區域之影像分段是藉由 1〇重覆各步驟,-直到在可自行激發單元偵測步驟中不再偵 測到領導單元在未激發狀態中為止而完成。 、 在影像分段方法中具有此結構,此影像分段可以藉由 簡單處理而實現’並且因此可在非常短的處理時心實 施,並且由處理各像素之簡單影像分段單元(ceii)伴隨,以 15致於它可以在小的面積中之硬體實現,因此將在晶片
數個單元整合。此外,各單元彼此並聯操作,因此使得即 使具有大數目像素之影像可以增加影像分段之速率^P 外’它亦可以作為軟體實現,因此使得能夠増加由傳統^ 體所容納之應用之速率。 、尺 20 根據本發明之另一觀點,提供-種影像分段裝置,复 從屬於相同種類之輸入影像指定此等區域之^辨二其 區域作為影像分段區,以選擇地輸出任意影像分段區^此 影像,此裝置包括:輪入影像記憶體,其儲存輪入旦^之 像素值;搞合權數計算電路,其由輸入影像記憶體^取^ 1226193 5 10 15 素值’精由管道處理計算對應於各像素之各影像分段單元 與相鄰單元之間之輪合權數;領導單元決定電路,立根據 由,合減計算電路料算^合權數㈣定領導單元, 單u與相鄰單7€^合權數之總和超過 分段單元财,具料«置,其帽料料分段= 交;配置於陣列狀態中,此等影像分段單元根據輪入影像 素與輕合權數暫存器,而在未激發狀態,可自行激 «悲’以及激發狀態上轉換’此暫存器保存由輕合權數 2電路所獲得之單元間耗合權數,此決定褒置根據在搞 δ權數暫存器中所保存之值,以決定各單元是否可激發, 其中將此等單元配置成彼此相鄰,此決定裝置將由領導單 凡決定電路所決定之領導單元置入於激發狀態中,並且將 2㈣元所選出之可激發單元置入於激發狀態中以擴張 域,因此決定此影像分段區;分段區域儲存電路, 其:存由影像分段單元網路所決定影像分段區中所有單元 之貝I以及輸出影像記龍,其根據在分段區 =儲存之内容儲存像素值,其對應於任意影像分 在以上的結構中’藉由將對應於像素之影像分卜 (cells)與财單元_合權數之衫權㈣存器交^元 於陣列中,將祕分段結構叫像分段單元網路配置 在小的面積中提供二度空間陣列結構,並且因此可心以 體電路中非常容易地實現。 在積 作為本發明應用的例子,㈣計此種影像處理方法 20 1226193 影像處理裝置,其藉由使用以上之結構以實施所須之即時 處理。 本發明其他的目的與優點將在以下的描述中說明,以 及其一部份將由此描述而為明顯,或可由實施本發明而得 5 知。可以藉由以下特別指出之工具與組合,而實現與達成 本發明之目的與優點。 將本案所附之圖式併入且構成本發明書之一部份,其 說明本發明之實施例,其與以上所作一般性描述,以及以 下實施例詳細描述,用於說明本發明之原理。 10 圖式簡單說明 第1A與1B圖為本發明實施例輸入影像與單元間耦合 權數之說明圖式,第1A圖顯示輸入影像,以及第1B圖顯示 單元間耦合權數; 第2圖為流程圖,其顯示在相同實施例中影像分段算法 15 之處理流程; 第3圖為圖表,其顯示在相同實施例中單元狀態之轉 變; 第4圖為方塊圖,其顯示在相同實施例中影像分段裝置 之硬體結構例子; 20 第5A、5B、5C以及5D圖為在第4圖中所示耦合權數計 算電路之說明圖式,第5A圖顯示其基本結構,第5B圖顯示 灰階影像權數計算電路之結構,第5C圖顯示彩色影像權數 計算電路之結構,以及第5D圖顯示編碼器之輸入/輸出之 例0 12 1226193 第6A、6B圖,以及6C圖為第4圖中所示領導單元決定 電路之說明圖式,第6A圖計算標的單元,第6B圖顯示耦合 權數資料轉換順序,以及第6C圖顯示領導單元決定電路之 例之基本結構例; 5 第7圖為方塊圖,其顯示結構例,在此情形中單元網路 之輸入/輸出操作是使用在第4圖中所示之影像分段單元網 路中之位移暫存器實施; 第8圖為方塊圖,其顯示結構例,在此情形中單元網路 之輸入/輸出操作是使用在第4圖中所示之影像分段單元網 10 路中之滙流排而實施; 第9A與9B圖為說明,其顯示在第7或8圖中所使用單元 與耦合權數暫存器之間之連接例,第9A圖顯示具有水平耦 合權數暫存器之連接例,以及第9B圖顯示具有垂直耦合權 數暫存器之連接例; 15 第10圖為方塊圖,其顯示在相同實施例中,介於任意 單元與四個相鄰耦合一權數一暫存器塊之間之連接例; 第11圖為方塊圖,其顯示在相同實施例中,包括四個 耦合一權數一暫存器之耦合一權數一暫存器塊之結構例; 第12A與12B圖為圖式說明,其顯示在相同實施例中影 20 像分段單元之結構例;第12A圖為方塊圖其顯示結構,在此 情形中加法與減法彼此平行同時實施,以及第12B圖為方塊 圖其顯示結構,其中加法與減法彼此串聯依序實施; 第13圖為方塊圖,其顯示在相同實施例中整體抑制器 之連接例; 13 1226193 何依序 單元中 第14圖為概念圖,其顯示自行激發允許信號如 搜尋未激發領導單元,以及在相同實施例中從領導 偵測出可自行激發單元; 第15A至151圖為在相同實施例中影像分段算法之毛。、乍 之說明圖式,其參考在3x3灰階影像上之執行例; 第16A至16D圖為在相同實施例中影像分段釺構之狖 作之說明圖式,其參考在7x7影像上之執行例; 第17圖為計時圖,其顯示第16A至16D圖之7χ7影像上 影像分段模擬之結果; 10 第18圖為說明圖,其顯示當相同實施例之影像分段算 法以JAVA軟體程式實現以執行影像分段時之顯示螢幕之 例; 第19圖為特性圖,其顯示影像分段時間之實施結果, 在此例中此相同實施例之影像分散算法是以軟體實現; 15 第20A至20D圖為圖式說明,各顯示在相同實施例中灰 階影像上影像分段之應用例, 第21A至21D圖為圖式說明,各顯示在相同實施例中彩 色影像上影像分段之應用例;以及 第22圖為特性圖,其顯示影像分段時間之模擬結果, 20在此情形中相同實施例之影像分段算法是以硬體實現。 【貧施方式3 以下參考圖式詳細說明本發明之實施例。 A ·以影像分散算法(方法)之結構 以下將說明影像分段算法,以實現根據本發明實施例 14 1226193 之影像分段。 為了根據上述由RL·Wang所提出之LEGION模式,以軟 體直接實現影像分段,則對於每個像素須要解多個微分方 程式。因此,無法輕易地應用於須要即時處理之例。此外, 為了以硬體將它實現以便增加處理速率,則此嘗試以硬體 有接實現此算法,會導致解料微分方程柄須之複雜且 大規模之硬體。因此,在晶片上欲實現大規模單元網路被 認為非常困難。 10 因此,本實施例建議一種影像分段算法,其可藉由能 作高速處理之數㈢職實現賴硬體,而相硬^直^ 實現LEGI〇N模型。此算法之特性為,單元網路之行為藉由 以下的事實㈣明;對聽各像权單元,可以在未激發 狀態’可自行激發狀態’以及激發狀態中處理。 15 應注意如同於第1績_中所示,各單元對於輸入f 像之-像素’以致於例如使用相對應像素之值,計算單元 單元j之間之耦合餘Wiji1A關示輸人影像之例,莫 中-單元對應於-像素,以及參考㈣a_d㈣影像分段區 域。第圃顯示單合權數,並且參考符號i、j、 及1顯示對應於像素之單元,以料㈣^、Wik、^, 20
Wki、Wkj以及Wj丨顯示單元間耦合權數。 1 第2圖為流程圖’其顯示影像分段算法之處理程序。财 影像分段算法是由六個處理(a)___ 自行激發之單元⑷自行激發(d)_可激發單元⑴附 元之激發’以_停止。根據此算法,對應於各像素之名 15 1226193 單元進入未激發狀態,可自行激發狀態,以及激發狀態, 並根據八個相鄰像素之間之耦合權數彼此並聯操作。 第3圖顯示單元狀態轉換。在第3圖中,變數义代表單元 i是在激發狀態或未激發狀態中,Xi=l表示激發狀態,並且 5 表示未激發狀態。此外,變數Pi代表相關單元是否可自 行激發。Pi=l表示此單元為領導單元,並且因此成為可自 行激發單元候選者。本實施例之影像分段算法根據激發或 未激發狀態而決定,此有關單元與領導單元是否屬於相同 的影像分段區域。 10 以下說明在第2圖中所示之處理程序。 在步驟(a)之”啟始,,,此方法將各單元i 一次初設至未激 發狀態中。然後,此方法計算單元i與其相鄰八個單元 間之各單元間耦合權數Wik根據此等所計算之單元耦合權 數,以決定此可自行激發單元(其稱為領導單元)。在步 15驟(b)之”偵測可自行激發單元”,此過程選擇待激發之領導 單元(Pi=l)作為可自行激發單元。在步驟(c)之,,自行激發”, 此方法將此經選擇之領導單元置入於激發狀態中。在步驟 (d)之”偵測可激發單元”,此方法根據八個相鄰單元之狀態 與單元間之耦合權數選擇可激發單元。此步驟(e)之,,附屬單^ 20之激發,,,此方法將在步驟⑷所選擇單元置入激發狀態中。 此方法重覆此等操作,-直到沒有可激發單元可再被 選擇為止。如果不再有任何可激發單元,此方法執行步驟 (0之”停止,區域標示,,。因此完成此區域之影像分段。此 方法重覆此等操作,-直到不再有未激發之領導單元為 1226193 止,因此完成整個影像之影像分散。 以下將說明上述步驟(a)至⑴各項處理之細節。 在步驟(a)之”啟始,,,此方法將顯示單元丨是在激發或未激 务狀態中之變數Xi初設至Xi=〇(未激發)。此方法根據相鄰此單 5元(像素)1之此等單元之像素值以計算耦合權數Wik,keN⑴。 N(i)代表相鄰於單元i之一組單元(例如:一組相鄰八個單 元)。例如,對於灰階影像,其耦合權數Wik由下式⑴代表: wik=Imax/(H I IrIk | ),keN(i) ⑴
Ii與Ik各顯示像素i與k之亮度值’並iImax顯示像素亮度 10值之最大值,且如果亮度值是以八個位元表示的話,則其 成為Imax—255。 在顏色影像分段的情形中,可以使用顏色資訊以改盖 影像分段之準確度。由於本實施例之算法,使得藉由相鄰 單元(像素)之間的耦合權數(例如:用於各紅(R)、綠(G)、 15以及藍色(B)之搞合權數)w(R)ik、w(G)ik以及w(B)ik,在單 凡狀態上之轉換是由下式(2)計算而得: w(R)ik= I(R)max /(1+1 I(R)r l(R)k I ), w(G)ik= I(G)max /(i+l i(G)r i(〇)k I ), W(B)ik=I(B)max/(i+ I I(B)r I(B)k I } (2) 〜根據式(2)之計算結果計算式(3),而決定單元間之耗合 權數Wik。因此,可以實現更準備之影像分段。 口
Wik=min{W(R)ik、w⑹ik、w(Bk } ⑺ ,次,此方法根據單元間之麵合權數,決定此所感興 趣之單元是否為領導單元(自行可激發單元之候選者)。如果 17 1226193 此所感興趣單元之所有相鄰單元之柄合權數之總和 EkeN(i)Wik大於預先設定之臨界值φρ(ΣπΝ(ί)λ\^>φρ),則 此方法將此顯示是否允許作自行激發之變數Pi設定為 Pi=l,以決定此所感興趣單元為自行可激發領導單元。如 5 果此總和不大於(Sk e N(i)Wik - φρ),則此方法將此變數初設 為Pi=0(不可自行激發)。此領導單元成為用於影像分段繼續 處理開始點之候選者。 最後,此方法初設變數z(其稱為整體抑制器),其決定 是否有被激發單元。如果z=l,其顯示有被激發單元,即, 10 此區域持續進行影像分段。如果z=0,其顯示不再有任何受 激發單元,即,此區域已完成影像分段。對於各單元i設有 變數Zi,其顯示其狀態是否改變,以致於只有當此單元從未 激發狀態轉換至激發狀態時,才設定ζρΐ,否則設定zfO。 根據此變數Zi,將整體抑制器z之值界定為Z=vViZi,作為所 15 有Zi值之邏輯和。在此情形中,v顯示邏輯和(OR)運算子。 在步驟(b)之”可自行激發單元偵測”,此方法選擇待激 發之領導單元(可自行激發單元候選者),即,其滿足條件 (Xi=〇Api=l)者。在此情形中,Λ表示邏輯積(AND)運算子。 在步驟(c)之”自行激發”,此方法將此所選擇領導單元 20 設定至激發狀態Xi=l(自行激發),以開始此區域之影像分 段。在此情形中,設定Zi=l。 在步驟(d)之”偵測可激發單元”,此方法檢查相鄰此未 激發單元i之此等單元keN(i)之激發狀態,且計算在此激發 狀態中此等單元耦合權數之總和Si=Zk e N(i)/\xk= 1 Wik。如果 18 1226193 此等單元keN(i)是在激發狀態中,即,xk=1,則此方法將 所感興趣單元與相鄰受激發單元k之間的耦合權數加至 Si。如果此耦合權數之總和Si大於預先設定之臨界值 φζ〇φζ),則單元i成為可激發單元。 5 在步驟(e)之,,附屬的激發”,此方法將步驟(句之”偵測可 激發單元,,所偵測之所有可激發單元i設定為激發狀態 Xi=l,並且在同時設定zi=l。此外,此方法將在”附屬的激 發,,處理所激發單元以外之已經在激發狀態(xi=1且2产1)中 之單元i之狀態數變數設定為zi=0。 10 如果有不可激發單元存在,則此方法執行步驟(f)之,, 停止,,。在此”停止”處理中,對於在激發狀態中之單元i且如 果設定Pi=l,Pi=〇,則設定Xi=0以及Zi=0,因此,一個區域 完成影像分段。 隨後,此方法回到步驟(b)之,,偵測可自行激發單元”, 15 移至下一個區域之影像分段,因此重覆上述之處理項目。 如果在步驟(b)之”偵測可自行激發單元,,之處理中不再偵測 到待激發之可自行激發單元,則此方法決定所有的區域完 成影像分段。 在以下說明之本實施例之影像分段算法之例。所有的 2〇單元彼此平行同時執行以下的算法。請注意在此算法中之 号找,領導單兀()函數,檢索待激發領導單元且送回其單 元號碼。如果沒有此種單元存在,則送回負的數值。此外, 變數Xi、Zl以及Z隨著時間經過而改變,以致於在時刻1與 t+Ι,&之值各以Xi(t)與Xi(t+1)之形式表示。 1226193 [影像分段方法] 1.啟始 1. 將整體禁止器啟始為0(Z(0)=0); 2. 計算八個相鄰單元之耦合權數 5 (a)在灰階影像的情形中 wik=lmax/(l+ I Ir Ik I ),keN(i); (b)在彩色影像的情形中 W(R)ik= I(R)max /(1+ I I(R)r I(R)k I ),
W(G)ik= I(G)max /(1+ I I(G)r I(G)k I ), 10 W(B)ik= I(B)max /(1+ I I(B)r I(B)k I ),
Wik=min{W(R)ik、W(G)ik、W(B)ik}〇 3. 領導單元之決定 如果(EkeN(i) Wik>())p)則pfl ;否則pi=0 ; 4. 將所有單元置入未激發狀態&(0)=0丨 15 2. Self-excitation
if (there is no excitable cell present) then stop ; //terminate else if (find_leader( )==i Api=l) then Xi(t+l)=l,z(t+l)=l,go to 20 (3. Excitation)//self-excitation else go to (2. Self-excitation); 3. Excitation of dependent cells
Setting of global inhibitor 乙⑴二 v \/而(t) ; //zi’s logical or 20 1226193 5 10 15 if(z(t)==〇) then//there is no excited cell present if(xi(t)==l)then
Xi (t+l)=0,Ζί(ΐ+1)=0,pi=0 ; "inhibition go to (2. Self-excitation); else if (Xi(t)==〇AZi (t)==0)then//non_excitation Si(t)= IkEN(i)( Wikx xk(t)); if(Si(t) >(j>z)then Xi (t+l)=l ; Zi (t+l)=l ; //excitation else Xi (t+l)=〇 ; Zi (t+l)=0 ; //non_excitation else if(Xi (t)==l/\ Zi ⑴==l) then Xi (t+l)=l ; Zi (t+l)=0 ; go to (3. Excitation of dependent cells); 本實施例之影像分段算法所具有之特點。 (1)此算法可以單—處理實現,以致於可以在非常短的 處理時間將影像分段。 、⑺此外將處理用於各像权元件(單元)簡化,以致於 可、在】區或中以硬體實現此算法,因此將許多單元整合
20 匕專單元均平行同時操作,使得可以對_ 大數目像素之影像加快影像分段處理之速率。> ⑷此异法亦可作為敕體實現,以致 體可包含之應用中可以作高速處理。 由傳、、 B _〜像分段結構(裝置)與積體電路結拼 P像刀&异法可以藉由使用數位電路作為硬| 21 1226193 1。第4圖顯示結構方塊圖,其藉由數位電 作為有關士每 貫見此·ΤΤ法 〇有關本實施例影像分段裝置之實施例。 值r(以從輸人影像記龍11依序錄影像之高度 權數W Γ ,1"她合職料料12計算輕合 ==k導㈣在=紐計算電路12料算—, Σ \早凡決疋電路13決定領導單元(建立是否 (1)wik>p'之蚊)。以此方式,在輸人影像之各像素· t實辭道處理,將所計算資料Wik^傳送至執行影像分1 10 段之單it網路14。此單元網路14在各像素(單元)上同時實^ 由此算法所給定之運算將影像分段。將此影像分段之結果: 由分段區簡存電祕傳送,並且輸出至輸出影像記憶體‘ 以下將說明各方塊之細節。 [耦合權數計算電路12] 請參考5A、5B、5C以及5〇圖說明耗合權數計算電路12 15 ^結構。第__電路之基本結構,隸由管道處理計 算搞合權數。在此圖中,將在影像記憶體中三個垂直連續 列y-1、y以及y+Ι中所給定像素值1、Im.....Ij、Ij i、.. 以及Ik、Ik·〗,依序從圖中左側輸入。 將各此等列之像素值經由暫存器121傳送至資料選擇 20電路122,其直接延遲此值一個像素。根據控制信號,此資 料選擇電路122將計算相關像素(單元)之間耦合權數所須之 各兩個像素值,傳送給各四個權數計算電路123。 此權數計算電路123根據兩個像素值^與“計算耦合權 數wik,且將計算結果依序傳送至領導單元決定電路B以及 22 1226193 單元網14。 第5B與5C圖各顯示用於灰階影像與彩色影像之權數 計算電路123。在第5B與5C圖中,參考號碼123A顯示絕對 值计真電路’參考號碼123B顯示編碼器,以及參考號碼 5 123C顯示最小值決定電路。
雖然可以直接計算用於灰階影像之此值: Wik=Imax/(l+ | IrIk | ),keN(i),然而除法電路之硬體數量 會變得大。因此,本實施之權數計算電路123並不如此作而 使用編碼器123B,其執行例如在第5D圖中所示之編碼處 10理,因此將絕對值計算電路123A之八位元輸出編碼成三位 元輸出。因此可以減少使用硬體結構情形中所須面積。 在彩色影像的情形中,將R、(}與]8顏色之三件資料 I(R)i、I(G)i以及I(B)i從圖中左側依序傳送以計算W(R)&、 W(G)ik以及W⑼ik。由在第冗圖中之最小值決定電路⑵c 15 選擇最小值(Wik=min{W(R)ik、W(G)ik、w(Bk m
將wik值傳送至領導單元決定電路13與單元網路i4,因此使 其能夠實現。 斤請注意關於所計算之私權數值,可以料前由軟體 所异得之值作為輸入資料。 20 [領導單元決定電路13] 以下參考弟6 A、6B 闰〜、 ,” ’ ’綱領導單S決定電路13 之基本結構。此領導卓元決定雷敗 、疋電路13根據耦合權數計算電 路12之計算結果而計算八個相鄰單元之 並且決定此總和是否大於預定設u臨界值_立是否 23 1226193
EkeN(i) Wik> φρ之決定)。如果是此種情形,則電路13之輪 出Pi=l,並且否則輸出Pi=〇。將此輸出值傳送至單元網路 14,而在作為位移暫存器之各影像分段單元之pi暫存器中依 序從最左列開始,經由所有的單元位移,因此設定用於各 5 單元Pi。 在例如決定在第6A圖中所示影像分段單元ps是否為領 導單元之情形中,將於第6B圖中所示之耦合權數計算電路 12所計算結果輸入,以輸入於具有於第6(:圖中所示結構之 領導單元決定電路13之輸入端子ΙΝι·ΙΝ3。 10 15 20
此領導單元決定電路13在第一加法器131將經由端子 叫损3輸入之耦合權數值相加,且將此相加之結果在第二 加法器132與經由端子以2輸入之耦合權數值相加。將此相 加之結果在第一暫存器133以時間調整,並且在同時,加至 在第三加法器134之第一加法器131之輸出值。此第三加法 器134之相加之結果在暫存器135以時間調整,並且在同時 在第四加法器135將其加至第二加法器之輸出值。最後,將 第四加法器135相加之結果傳送至比較器137,其將此結果 與臨界值φΡ比較,並且如果它大於臨界值-,則決定匕為領 導單元,且將Pi之值設定為1。 雖然此例是參考單元!>5說明,可以將對應之輕合權數 值各依序給予此等單元,使得能夠作管道處理。因此,將 j异結果傳送至單元網路14。在單元網路14中,此P暫疒 器構成位移暫存器。因此,藉錢用位移暫存器1 = 資料傳送給所有單元。 : 24 1226193 、“在/、有例如在第g圖中所示稍後說明的匯流排 U構之情形中’可簡由匯流排將資料直接傳送至相關 單元。此外,麵算此種解單元巾,如同在計算麵合權 t 將由軟體所先料算之值給定作為輸入 資斜。 [影像分段單元網路14] 第7與8圖顯示執行各影像分段過程之單元網路U之結 構之例。在本實例之影像分段算法中,根據相鄰八單元之 狀態與相對應之輕合權數以決定各單元所轉換成之狀能。 10 α因此,將影像分段單元⑽職於各像素)餘合權數暫存 器WRk(其暫存在相鄰單元之間的輕合權數)在陣列中彼此 父替配置’而實現單元網路14。 。。第7圖為方塊圖其顯示結構例,在此例中使用位移暫存 器將單元網路14之資料輸入/輸出。在第7圖中,Pi代表影像 15分段單元,WRk(V)代垂直柄合權數暫存器,以及_⑻ 代表水德合概暫存ϋ。M合缝%與例如&之直㈣ 料是在單元與耗合權數暫存器之間經由以箭頭所示:區域 佈線而傳送。此外,為了將資料輪人網路/從網路輪出,資 料同樣地亦在相鄰單元之間與在相鄰耗合權數暫存器之間 2〇 經由區域佈線而傳送。 口 次 …、例小、,口佴例,在此例 -貝料經由滙W排輸人至單^網路14且由單元網路 在第8圖巾,Pl代表f彡像分段.= 數暫存器,以及WRk(H)顯示水平耗合權數暫存号。為; 25 1226193 善同時平行處理,將耦合權數Wik與例如々之其他資料傳送 至此等單元與耦合權數暫存器,將滙流排連接至由箭頭所 示之區域佈線。 存在有兩種耦合權數暫存器WRk :於第9A圖中所示之 水平耦合權數暫存器WRk(H),以及在第犯圖中所示之垂直 輕合權數暫存器WRk(V)。此水钱合權數暫存器wRk(H) 保存與對肖_及水平像素相關之四彳_合魏值,而垂 直轉合權數暫存器WRk(V)保存與對角線以及垂直像素有 ,之四_合職值。在第8與9财,在从合權數暫存 器中之箭賴《衫其觸存料_合她之 關係。 15 如同於第7細情示,此料合權數暫存器卿⑻ 與WRk(V)是妓替的料配置介於影像分段單元η之間。 ,由將它們㈣方式配置,它們可以各共財它們與相鄰 早喊之間之相同耗合權數。此外,可以減少在翠元p澳各 耦合權數暫㈣WRk(拳及WRk( v)之間佈線之長度了此 外*藉由造餅㈣合魏計算㈣預先計算絲^合 20 :數暫存隱k(_WRk(V)中相鄰像素之間之麵合權數 ^此影像分段單邮無須實施計算。因A,簡化各 早Μ之結構,因而減少其面積且增加其操作速率。 第__介於影像分鮮元與相㈣合職暫存器 θ之連接。在此財,此_5之連接是由粗線所示。 [耦合權數暫存器WRk] 第_顯示叙合權數暫存器WRk之結構例。此等輕合 26 1226193 魏暫存器哪可分為兩類:垂絲合式與水補合式。 此兩者均有相_基柄部結構,叫果财 =合權數包括垂直單元_合權數,則其辨識為垂絲 :;=:們包括水平單元間耦合權數,則其辨識為 右二同於第11圖中所示,此輕合權數暫存器WRk其中設 有開’,其將從資料輸入埠所輸入之 部控制信號切換進人四個輸出f 。f數值根據内 彻出糸統中。四個暫存器221-224 10 15 20 =賺1所給予之編權數值,並且輸峨電路 23將麵合觀_駐相^彡像分料元。如果像素值 是由八位元代表的話,_合權數值具有胁255,並且因 此典魏須要具有人位元。“,此料合權數暫存器之 數目疋與像素數目成關。因此,將人位元麵合權數值偏 碼成三位_合權數值,並保存在暫存器221 224中。因 此可以減Jm足各輕合權數暫存器傳送資料至影像分段單 元所須佈線之⑽寬度,因而減少所須面積。 第圖之輸出選擇電路23,根據信號Xi(激發狀態: X! 1未激务狀恶.Xi=0),其顯示相鄰四個單元pi㈣_4) 之激务或未激發狀g,選擇各保存在暫存器221_224中四個 輛合權數值之―,並將其輸出。如果,例如,單元P5如同 於第ίο圖中所示被激發(Xi=1),職輸出從對應於單元朽 之像素所獲彳于之_合權數(在圖中以粗線連接之部份)。另一 方面’如果單元P5未被激發(Xi=〇),則其輸出0。 [影像分段單元Pi] 27 1226193 在第12A與12B圖中顯示影像分段單邮之結構例。此 影像分段單元Pi根據影像分段算法,在”未激發,,可自行激 發,以及,,激發,,狀態上轉換。 丁/ 5 10 15 20 在第12A圖中所示之影像分段單元pi中,此方法各在暫 存器31與32巾儲存:㈣Xi(—位元)其顯錢發狀態;以及 變數Pi(-位元)其顯示自行激發之允許/不允許。此外,此 方法輸入耗合權數WikX Xi,其在人個相鄰單元之間被編石馬 成三位_合權數,由解碼器33將此等權數解碼,並藉由 加法器34計算此等輕合權數之總和&⑴(=ς㈣)(^ 柳’並且由減法抓從此總和&⑴⑴位元财決定,,可 自行激發”之臨界值1。在減法器35,此方法決定是 φζ>〇,且輸出符號其對控制電路36顯示決定之結果。1 凊注意第12 A ®顯示,由加法n 3 4平行 之例中結構例,1叶算蛐和8 h 、<而實現 ,、杯總和SH決定在影像分段 之可激發狀態。然、而,如同在第UB圖中所示, Γ;"制電路37在輸人選擇中對開_進行控制= 情形中在影像分段單元Pi中,當開關38操作將輸入切換 時,此方法依序且選擇性地輸入1合權數WikX Xl,其在 八個相鄰單元之間錢碼成三位元權數;以及臨界值^, 其決疋可自行激發,,狀態。此方法藉由解碼器娜選擇結 果抑成位7貝料’且藉由串聯之加法器減法器40與暫 存1541依錢行加法與減法。 這即是’在第丨2關中所示結構之情形中,加法與減法 彼此平仃同時實施’以致於可以增加操作速率。然而,此 28 χ226ΐ93 ίο 15 20 如了 _要人個加法器與減法器,以致於單元面積整體增 /減法。:方面,在第12Β圖中所示之結構只須要—個加法i 二,以致於單元面積減少 '然而,用於各加/滅所須時 行&個週期增加至9個週期,以致於整個處理時間長於平 第同寺加/減情形中之處理時間。因此,第12A圖之結構與 圖之結構是成抵換的關係。因此,依據在使用中較高 、率或較小面積何者較重要,而適當使用此等結構。 數將控制電路36或37之輸出信號讀送至相鄰之搞合權 用暫存器。此外,在整體抑制器z(z⑴)=v ViZi⑴之計算中使 第^出信號Zi。第13圖顯示整體抑制器之連接之例。如同於 圖中所示,各單元Pi之輸出信號Zi是以OR的方式與相 鄰單- 疋之輸出4連接,且各列與下一列以〇R的方式連接, 4成所有的整體抑制器z。此信號2;經由緩衝電路回饋 至各單元之控制電路36與37。在使用第8圖之滙流排結構之 晴形中,可以藉由使用匯流排將信號Z供應至各單元。 此外,”下一個”信號成為在第7與8圖中所示,用於相 郴影像分段單元之”前置”(pre)輸入信號。使用此,,下一個,, “ 5虎以實現影像分段算法之,,尋找領導者(),,功能,即,控 制激發領導單元(可自行激發單元候選者)之順序 0例如,如 同於第14圖中所示,此,,下一個,,信號輸出端子是與,,前置,, 信號輸入端子,是在相鄰單元之間依序連接。當將輸入,,前 置”信號設定為pre=l與Pi=l時,則各此等單元為自行可激 發。因此,在此結構中可以實施控制,以致於此等具有設 定Pi=l且在未激發狀態中之單元,可以在在上單元開始之 29 1226193 順序中成為領導單元。 [刀段區域儲存電路I5] 、字各單元之Xi值設定為l(Xi=l),則可摘測至受影像 分段區域之資訊。在第7圖中所示實施例之情形中,各:元 5 P^Xl㈣器是連接介於在各列中相鄰單元之間,因此構= 列-特定位移暫存器。因此,配置在輸出側之分段區域儲 存電路5接收來自各行中單元而保存在Xi暫存器中之資 以儲存所有單元之資訊。因此,可以儲存受到影像分 段各區域之資訊。在第8圖所示實施例的情形中可以藉由 10使用滙流排實現相同的操作。 C·影像分段算法之行動(方法) 以下將參考第15圖以3x3之灰階像之例說明本實例中 影像分段算法之操作。 如同在第15A-15I圖中所示,藉由此例算法之操作,在 15根據相鄰於像素i之八個像素ΣρΝ⑴之像素值之以下耗合 權數為基礎上成長分段區域;
Wik=Imax/(i+ | IrIk | ),让⑼⑴
Imax為像素之亮度值之最大值。如果在此單元本身與對 應於八個相鄰像素之此等單元之間之耗合權數總和心,) 20 Wik大於臨界值φζ,則對應於各像素之單元成為領導單元(可 自行激發單元之候選者,ρ;=1)。如同第況圖所中所示, 在此例中存在兩個領導單元,並且以從在上側開始之順序 又到自行激&此領導單元提供影像分段開始點候選者。 首先,在初設(第2圖之步驟⑷),所有單元各同時受到 30 1226193 f各單元與相鄰八個單元keN(i)之間耦合權數Wik之計 、决疋領導單元(對於領導單元Pi=l,以及對於其他單 一 Pl )其次’如果任何領導單元(Pi=i)存在(第2圖之步驟 (b)),則它們其中之一開始自行激發(區域分段),從領導單 元開始擴張分段區域(第15E圖)。 果此專單元在激發狀態中(Xk=l),則各單元i受到在其 /、對應於八個相鄰像素之單元keN(i)之間的總和計算:
SkeN(i) Λ Xk=iwik 10 15 20 並且如果此總和大於臨界值φζ,則此單元 發—之步轉)與(6))。此„是麵有單元上同 寺實化’-相不再有任何單元被激發為止。如果不再有 任何新激發之單元,則此方法實施停止㈣、㈣,以及 Ρΐ=〇)(第2®之步_)。在此财,如同於第15G圖中所 不’不再有任何可㈣之單元,此白色區域之分散結束。 此一系列步驟完成區域分段。重覆此系列步驟,一直 到不再有任何未分段之領導單元為止。在此财,如同於 第15H圖中所示,此灰色區域分段從在底部之領導單元開 始,而在分段完成時,則如同在第则中所示結束。 D.影像分段結構之行動(裝置)與積體電路 本實施例之影像分段裳置中結構,在基本上具有與影 像分段算法之結構相同的操作。以下參相子說明,直在 影像中具有三個區域A、叫及c,而由爾素構成^同 於第竭中所示者。雖然,在正常情況下,將對應於除了 A、B、C區域以外背景之區域亦分段為〆區域,為了簡便 31 1226193 說明起見,假設此區域其中不具有領導單元。 電路’此_合權數計算電路12與領導單元決定 。十异之轉合權數Wik|^,從在第7與8圖中所示各 別左側輸人埠傳送至單元網路14。如果,例如 犯 圖中由”认咖”所示之單以為領導單心則此等單元之 ^值如同在第16C圖中所示。因此,藉由將資料從第⑽圖 之最右側開始依序移至單元網賴(參考第帽),而將各單
之Pi初設。_合權數Wik上實施相同的作業,因此將此資 料移至單元網路14。 、 1〇 在一種情形中,其中領導單元(自行可激發單元候選者) 連接成’’自行可激發單元選擇空制,,之順序,如[S]第14圖中 所不者。此方法決定㈣之支激發單元之連接順序是從左 上單70開始,且依順序決定它們作為領導單元。在第16B 圖的情形中,是以L1、L2,以及L3之順序處理領導單元。
15第161)圖顯示此等單元被激發之順序。此激發從L1單元開 啟,且當區域A之分段結束時,移至L2單元將區域B分段。 最後’此方法開啟激發單元L3,以完成區域C之分段。 第Π圖顯示在第16A圖中所實施影像分段的情形中各 仏號波形之部份。在此圖中,信號名稱x〇-X6給定在位元結 2〇構中在行〇-6(其對應於在第16A圖中行Χ(τΧ6)中此等單元之 激發狀態(Xi之值)之16進位代表;在此結構中之上列被認為 代表高階位元。此外,此圖顯示時脈信號與整體抑制器2之 信號波形。在對於根據此結果之激發順序之檢查顯示,此 激發由在第16D圖中所顯示數字所示之順序開始,以實施區 32 1226193 域分段。 E•影像分段算法之效應(方法) 為了證實本實施例算法之功效,本案發明人以JAVA語 言(註冊商標)與c語言產生模擬器。使用JAVA語言以產生大 5級1300行包括用於影像資料之輸入/輸出常式(_丨·),而 使用C語言以產生大約340行之算法部份。 第18圖顯示在由320x240像素所構成灰階影像上以 JAVA產生之影像分段算法模擬器之實施例。如同於圖中所 示’將白色車輛之車體分段。 10 第19圖顯示當將本實施例之算法以C語言設置安裝作 為依序處理程式,且在lntel Pentium(註冊商標)4(13GHz) 處理器上執行時所獲得之結果。在此實驗中,給定多個樣 本影像作為輸入資料,以測量像素數目之平方根(其表示影 像一邊之長度),以及分段影像所須之處理時間。在此實驗 15中,將處理時間測量1㈨次且平均。因此發現,由大約 10,000(100xl00)個像素所構成影像可以在大約2831118中分 段(除了輸入/輸出常式外)。因此,本實施例之影像分段算 法之處理快速,且因此可以在相當小的影像上藉由軟體使 用於即時處理中。 20 第2〇A至2〇D圖各顯示在灰階影像上影像分段之例。此 外,第21A至21D圖顯示在彩色影像上影像分段之例。如同 於第21B與21C圖中所示,當彩色影像轉換成灰階像時,其 綠色與紅色具有相同的壳度值(耦合權數),且因此被分段於 相同的區域中,其在某些情形中使得影像分段困難。因此, 33 1226193 心色影像的情形巾藉由使_合職將彩色影像直接分 ^則甚至在灰階影像的情形中無法作影像分段之例中, 可以獲得如同在第21G圖中所示正確之分段。因此,可以藉 ^相同的算法與相同單元網路,只藉由改變麵合權%之計 算而將影像分段,其提供相當大的優點。 F·影像分段結構之效應(裝置)與積體電路 第22圖顯示當以从从糾語言產生根據第心7以及8層 之影像分段結構之模㈣,關量在難巾影像分段時指 時所獲得之結果。將實現在第UA@巾所示高速處理之方沒 用於影像分段單元。在觀巾,將所給予之乡個樣本影傳 作為輪人㈣,明量平絲(其顯㈣像—邊之長度)以及 =影像分段巾所須最大與最小處理時間。此外 公式估計最科m況之處_間,此歸像分段^間亦如 同預期顯示於圖中,這是當所感興趣之影像為規則且由黑 白格子所構成,而在非常少有的情形由自然影像所構成而 有許多區域受到影像分段時之情形。 20
此結果顯示,如果假設此處理可以在1Gns的週期 施(在100MHz之頻率),而可以作非常高速影像分卜藉由 它此由1⑽啊她彻)像素所構成之影像可^平:5( 口或以下的時間處理,或者甚至錢大利的情形中在⑽ 或以下的時間處理。因此,即使考慮計算輪 外時間,亦可足夠作即時處理。 此根據本實施例之影像分段結構之影像分段積體電路 是使用硬體描述語言設計。在硬體描 、电硌
將實現在第12A 34 1226193 圖中所示高速處理之方法使用於影像分段單元。在此種产 形中,此影像分段單元被給予大約1〇〇行(11如),水平與垂直 Μ合權數暫存器各被給予大約剛亍,以及其他的週邊電路 被給予大約300行。 5 ⑽本實施例之影像分段結構具有如同於第7與8圖中 所示陣列形規則結構,而以e語言製成—種產生器,其自動 地產生整個單元網路。此單元網路產生器具有大約働行。 當使用此產生器以產生由16><16像素所構成之單元網路 時’此整個描述是以大約行以上之硬體描述語言產 10 生,以及模擬描述是以大約600行產生。 此所因此產生之硬體描述是在LSI中實現,其根據〇35 #爪之設計規則使用三層金屬佈線CMOS技術製成。為了大 致計算可以置於晶片上之影像分段單元之數目,則實施具 有商業軟體之邏輯分析,其使用標準單元程序庫以估計面 15積。作為邏輯綜合之結果,此影像分段單元具有面積A"為 26.495/zm2,以及耦合權數暫存器具有面積為8.873 # m2。在影像為正方形的情形中,如果各側具有N個像素, 則此整個單元網路之面積Atotal可由下式估計:
At〇tai = Apix N2 +AWRk x (N2+2) (4) 20 因此’如果將此等單元置於91!111^9111111(面積811111112)之 曰曰片上,從所獲得單元面積之估計看來,可以安裝大約 45x45個像素。如果,此外假設可以藉由完全定製之設計將 電晶體數目佈局面積減半,則可將影像分段單元之面積與 柄百權數暫存器之面積均減至大約1/4,因此可安裝大約 35 1226193 67x67個像素。 藉由以實施序列處理之串聯加法器/滅法器(第12B圖) 以替代此加法器,可以進一步減少面積,其計算權數總和 (Si 4keN(i)(Wikx Xk⑴),以便在影像分段單元中決定自行 5 可激發狀態。 在此情形中’此決定處理須要用於執行之九個週期而 非一週期,因此整個處理時間增加大約9倍之多。藉由使用 本實施例之電路之影像分段處理是非常快速,且對即時處 理沒有影響,以致於它即使在最不利情況之估計中,可在 10小於或等於2.7ms(且平均為450 // s)中處理由160,000 (400x400)個像素所構成之影像。在此情形中影像分段單元 之面積八^減少至13,953 // 1112,以致於估計在完全訂製設計 的情形中,根據0.35//m之設計規則使用MOS技術,可以在 9mmx9mm晶片上安裝大約84x84個像素;以及根據〇 18//m 15之設計規則使用CMOS技術,可以在9mmx9mm之晶片上安 裝大約162x162個像素。 表1顯示在完全訂製設計之根據〇·35 、0.18//m以及 0·09//m設計規則使用CMOS技術之情形中可安裝像素數目 之估計值。晶片面積與技術之資料請參考:JTRS 2000 Update : 20 The Internationan Technology Roadmap for Semiconductors 2000 Update’’,URL http://public.itrs.net/(2000))。根據此參考 資料可以估計,如果使用根據0.09//m之設計規則之CMOS 技術(其在2004年成為標準),可以對於高表覌應用實現在晶 片上(面積·· 356mm2)安裝大約972x972個像素。 36 1226193 表1 在晶^上可以處理像素數目之估計 _ 倉$製設計之愔況中) G·有關於本發明實施例之關係點 10 技術 晶片面積 在並聯加法器/減法^ 器之情形中所能處 理像素之數目 在串聯加法器/減法 器之情形中所能處 理像素之數目 0.35 //m 170[mm2]之 標準尺寸 138x138 (19,044) 171x171 (29241) 310[mrr?]^7 高表現尺寸 186x186 (34,596) 232x232 (53,824) 0.18 //m (1999) 170[nW]^7 標準尺寸 270x270 (72,900) 336x336 (112,896) 310[mm?]^7 高表現尺寸 363x363 (131,769) 452x452 (204,304) 0.35 βνα (2004) l95[inn?]^ 標準尺寸 578x578 (334,084) 718x718 (515,524) 356[mm2]之 局表現尺寸 780x780 (608,400) 972x972 (944,784) 如同以上所說明,根據用於影像分段之方法或裝置之 依據此等實_之影像分段算法無構,可以在並聯輸入 影像之所有像素上執行彩色減階自㈣像之即時影像分 因此可以實現即時處理,其在依據軟體使用傳統影像 分段方法-直是困難的。此外,轉法與結構使得可以實 現即時影像處理方法,㈣影像處理裝置,以及影像處理 積體電路。以下將列舉此等實施例之特徵。 ⑴不僅可由㈣’亦可由數位電路實現簡單且高速之 影像分段算法。此算法藉由數字變如表示單元狀態,因 而可以作域位電路實現。因此,藉域用目前的cad技 術,可以料電路,其如㈣計條件不太嚴_話,可以 容納由自動處理所造成的限制。因此,可以由目前技術水 37 15 1226193 準(state-of-the-art)之製造技術可以非常容易地設計電路, 而在整合密度與操作速率巾給料善之希望。此外 象 分段方法是非常簡單的方法,且因此可以増加影像分=之 處理速率,甚至在借助於軟體之傳統以處理器為主之影像 5 分段糸統中亦是如此。 、 (2)作為影像分段結構’將影像分段單元⑷2圖)交替 地配置於陣列狀態中,此等單元在所實現之影像分段翠元 網路之形成中(第7與8圖)對應於像素以及垂直盘 耦合權數暫存器(第9圖)。可將此種伴隨著實現較小面積之 1〇兩因次陣列結構,非常容易地安裝於積體電路中。、 ⑺此影像分段單元相兩種方式實現:使用此加法^ = ::=理。,而將重要性置於增加處理速率心及 使用加法為/減法轉串聯處理,而將重要性置於面積之減 B Hi圖K料可錄據歸线㈣擇高速處理與裝 現分段如同於第4圖中所示是藉由管道處理而實 二分=使仔相㈣簡單的結構,將鱗像素彼此平行同 :藉由嶋構,使用相鄰單元(像素)之間之輕合權 使用2 權數’而可以 冋的异法與單元網路用於彩色影 外,可以將在彩色與灰階影像之_合 = 份,從單元網路分離作為耗合權數計s十异=同之4 篡可总、* 士 I异罨路,以致於此計 e道處理實施。因此’可以減少所使用之面積。 38 1226193 本發明其他的優點與修正對於熟習此技術之人士將為 明顯。因此,本發明以其較廣的觀點而言,並不受限於在 此顯示與說明之特定細節與代表實施例。因此,在不偏離 由所附申請專利範圍與其等同物所界定之一般發明觀念之 5精神與範圍之情況下,對本發明作各種修正。 【圖式簡單說^明】 第1A與1B圖為本發明實施例輸入影像與單元間耦合 權數之說明圖式,第1A圖顯示輸入影像,以及第1B圖顯示 單元間耦合權數; 10 第2圖為流程圖,其顯示在相同實施例中影像分段算法 之處理流程; 第3圖為圖表,其顯示在相同實施例中單元狀態之轉變; 苐4圖為方塊圖,其顯示在相同實施例中影像分段裝置 之硬體結構例子; 15 第5A、5B、5C以及50圖為在第4圖中所示搞合權數計算 電路之說明m5A酬轉基本結構1测顯示灰階 影像權數計算電路之結構,狄關示彩色影㈣數計算電 路之結構,以及第5D圖顯示編碼器之輸入/輪出之例。 第6A、6B圖,以及6C圖為第4圖中所示領導單元決定 2〇電路之說明圖式,第όΑ圖計算標的單元,第犯圖顯示輕合 權數貝料轉換順序’以及第6C圖顯示領導單元決定電路之 例之基本結構例; 第7圖為方塊圖,其顯示結湘,在此情财單元網路 之輸入/輸出操作是使用在第4圖中所示之影像分段單元網 39 1226193 路中之位移暫存器實施; 第8圖為方塊圖’其顯示結構例,在此情形中單元網路 之輸入/輸出#作疋使用在第4圖中所示之影像分段單元網 路中之滙流排而實施; 第9A與9B圖為說明,其顯示在第…圖中所使用單元 與耦合權數暫存器之間之連接例,第9A圖顯示具有水平輕 合權數暫存器之連接例,以及第9B圖顯示具有垂直輕合權 數暫存器之連接例; 第10圖為方塊圖,其顯示在相同實施例中,介於任意 10單元與四個相鄰叙合-權數一暫存器塊之間之連接例; 第11圖為方塊圖,其顯示在相同實施例中,包括四個 柄合一權數一暫存器之輕合一權數一暫存器塊之結構例; 第12A與12B圖為圖式說明,其顯示在相同實施例中影 像分段單元之結構例;第12A圖為方塊圖其顯示結構,在此 15情形中加法與減法彼此平行同時實施,以及第⑽圖為方塊 圖其顯示結構,其中加法與減法彼此串聯依序實施; 第13圖為方塊圖,其顯示在相同實施例中整體抑制器 之連接例; 第14圖為概念圖,其顯示自行激發允許信號如何依序 20搜尋未激發領導單元,以及在相同實施例中從領導單元中 偵測出可自行激發單元; 第15A至151圖為在相同實施例中影像分段算法之操作 之說明圖式,其參考在3x3灰階影像上之執行例; 第16A至16D圖為在相同實施例中影像分段結構之操 1226193 作之說明圖式,其參考在7x7影像上之執行例; 第17圖為計時圖,其顯示第16A至16D圖之7x7影像上 影像分段模擬之結果; 第18圖為說明圖,其顯示當相同實施例之影像分段算法 5 以JAVA軟體程式實現以執行影像分段時之顯示螢幕之例; 第19圖為特性圖,其顯示影像分段時間之實施結果, 在此例中此相同實施例之影像分散算法是以軟體實現; 第20A至20D圖為圖式說明,各顯示在相同實施例中灰 階影像上影像分段之應用例, 10 第21A至21D圖為圖式說明,各顯示在相同實施例中彩 色影像上影像分段之應用例;以及 第22圖為特性圖,其顯示影像分段時間之模擬結果, 在此情形中相同實施例之影像分段算法是以硬體實現。 【圖式之主要元件代表符號表】 11…輸入影像記憶體 39…解碼器 12…耦合權數計算電路 40…加法器/減法器 13…導領單元決定電路 41…暫存器 14…影像分段單元網路 121…暫存哭 15…分段區域保存電路 122…資料選擇電路 16…輸出影像記憶體 123…權數計算電路 21…開關 123A···絕對值計算電路 23…輸出選擇電路 123B···編碼器 31,32···暫存器 123C…最小值決定電路 33…解碼器 131···加法器 34···加法器 132···加法器 35…減法器 133,135···暫存器 36…控制電路 134,136…加法器 37…控制電路 137…比較器 38…開關 221-224…暫存器 41
Claims (1)
- 5 拾、申請專利範圍: 此等&方去’其從屬於相同種類之輸人影像指定 =3、之一,並且辨識此區域作為影像分段區域,其 特攸為包括以下步驟: 準備步驟,包括·· σ v驟冑對應於輸人影像之像素之個別影像分 又早位之單元置入未激發狀態中, 取得v驟’以取得對應此單元之像素之像素值,並 且計算多個相鄰單元之間之各叙合權數,以及 10 15 决定步驟,根據各計算結果決定領導單元(自行可 激發單元候選者); 自行可激發單元偵測步驟,藉由決定步驟決定而選 擇一領導單元,以偵測此單元作為可自行激發單元; 自行激發步驟,將在可自行激發單元偵測步驟中所 偵測之可自行激發單元,置入激發狀態中; 可激發單元偵測步驟,根據在激發狀態中單元(包 括領導單元)與相鄰單元之間之耦合權數,從相鄰單元 债測可激發單元; 激發步驟,將在可激發單元偵測步驟中所彳貞測之單 20 元’置入激發狀態中;以及 停止步驟,如果在可激發單元偵測步驟中未偵剛到 單元,則將在激發狀態中之單元置於停止狀態中;其中 藉由重覆激發步驟,一直到在可激發單元偵測步驟 中不再偵測到任何單元為止,以完成一區域之影像分 42 1226193 段;以及 藉由重覆各步驟,一直到在自行可激發單元偵測步 驟中,不再偵測到任何在未激發狀態中之領導單元為 止,而完成所有區域之影像分段。 5 2.如申請專利範圍第1項之影像分段方法,其中: Ii為單元i之像素值(i代表單元號碼),其為對應於輸 入影像之像素之個別影像分段單位,Xi為變數其顯示單 元i是在激發或在未激發狀態中,Pi為變數其顯示是否允 許自行激發,Wik為介於相鄰單元i與k之間之耦合權數, 10 φΡ為臨界值其決定是否允許自行激發,φζ為臨界值其決 定是否允許自行激發,4為變數其顯示單元i之狀態是否 改變,以及z為整體抑制器之變數,其根據所有單元之 Zi值之邏輯和決定此等單元是否已經改變至激發狀態; 在準備狀態中,將影像分段單元i之變數Xi設定為 15 〇(Xi=〇 ;未激發),採用對應於單元i之像素值Ii,以計算 相鄰多個單元i與k之間的耦合權數W i k,以致於如果計算 結果之總和大於臨界值φρ,則設定Pi=l(自行可激發狀 態),且如果此總和小於或等於臨界值φρ,則設定Pi=0(非 自行可激發狀態)用於啟始,以及z=0,設定此整體抑制 20 器變數z用於啟始; 在各自行可激發單元偵測步驟中,從決定步驟中所 決定之Pi=l之領導單元中選擇至少一未激發領導單 元,以偵測所選擇的單元作為自行可激發單元; 在各自行激發步驟中,將在自行可激發單元偵測步 43 1226193 驟中所偵測之自行可激發單元i之變數Xi與z〇各設定為 1〇产1 :自行激發,Zi=i :經改變狀態); 在可激發單元偵測步驟中,如果相鄰於在未激發狀 態中單元i之經激發單元k(xk= 1)之間耦合權數Wik之總 5 和大於臨界值φζ,則將單元i偵測為可激發單元; 在各附屬激發步驟中,將可激發單元偵測步驟中所 偵測所有單元i之變數Xi與Α各設定為l(Xi=l :激發狀態, . Zi=1 :改變狀態),且將已經在激發狀態(Xi=l與Zfl)中單 元i之變數Zi設定為〇(Zi=〇未改變狀態);以及 · 10 在各停止步驟中,如果在可激發單元積測步驟中未 债測到單元,則將Xi=l(激發狀態)之單元設定為X产〇(未 激發狀態)與2产〇(未改變狀態),並且如果Pi=l,則將此 單元設定至Pi=〇(停止狀態)。 3·如申請專利範圍第1項之影像分段方法,其中: 15 當此輸入影像為灰階影像時,使用亮度值作為像素 值。 、 4·如申請專利範圍第1項之影像分段方法,其中: · 、*此輸入影像為彩色影像時,使用彩色資訊作為像 5·種:像分段裝置,其從屬於相同種類之輸入影像指定 此等區域之-,並且辨識此區域為影像分段區域,以選 擇欧地輸出任意影像分段區域之影像,其特徵為包括:、 輸入影像記憶體,其儲存輪入影像之像素值; 搞合權數計算電路,其從輪入影像記憶體讀取像素 44 1226193 值,藉由管道處理以計算對應於各像素之各影像分段單 元與相鄰單元之間之耦合權數; 領導單元決定電路,其根據由耦合權數計算電路所 計算之耦合權數以決定領導單元,此單元其中與相鄰單 元之耦合權數之總和超過參考值; 10 15 影像分段單元網路具有決定裝置,其中將影像分散 單元交替配置成陣列狀態,此單元根據輪入影像之各像 素與耦合權數暫存器,在未激發狀態,可自行激發狀 態,以及激發狀態之間轉換,此等暫存器保存由耦合權 數計算電路所獲得之單元間耦合權數,此決定裝置根據 在耦合權數暫存器中所保存之值以決定各單元是否可 激發,其中此等單元配置成彼此相鄰,此決定裝置將由 領導單元妓電路所蚊之領導料置入於激發狀態 中,並且從相鄰單元選擇可激發料㈣人激發狀態中 以擴張激發11域,因此決定影像分段區域; 分段區域儲錢路,其儲存《像料單元網路所 決定影像分段區域中所有單元之資訊,以及 像素值。輸7像錢體,其根據在分段區域儲存電路中所 儲存之内容’儲存對應於任意影像分贿域中各單元之 此耦合權數計算電路取用^取用對應於來自輸入影像記 由平行處料算在行方向中相 以及藉由管道處理計算在列方 45 1226193 向中相鄰單元之間的搞合權數。 7.如申請專利範圍第6項之影像分段裝置,其中: 耦合權數計算電路設有編碼器,其減少耦合權數計 算結果之位元數目。 5 8.如申請專利範圍第5項之影像分段裝置,其中: 此領導單元決定電路取用對應於來自耦合權數計 算電路之單元之耦合權數,藉由行一平行管道處理依序 決定領導單元。 9. 如申請專利範圍第5項之影像分段裝置,其中: 10 影像分段單元網路之各列設有位移暫存器,其將資 料傳送至所有單元與耦合權數暫存器。 10. 如申請專利範圍第5項之影像分段裝置,其中: 影像分段單元網路之各列設有滙流排,其將資料傳 送至所有單元與耦合權數暫存器。 15 11.如申請專利範圍第5項之影像分段裝置,其中: 影像分段單元網路設有作為耦合權數暫存器之:垂 直耦合權數暫存器,其儲存在垂直與對角線單元之間的 耦合權數;以及水平耦合權數暫存器,其儲存介於水平 與對角線單元之間之耦合權數;其中,垂直耦合權數暫 20 存器與水平耦合權數暫存器是在此等單元之間交替配 置,以致於可以在相鄰單元之間共用相同的耦合權數。 12.如申請專利範圍第5項之影像分段裝置,其中: 耦合權數暫存器將來自耦合權數計算電路之耦合 權數資料之位元數目、減少至所允許之位元數目,且儲 46 存此經減少的資料。 13·如申請專·圍第5項之影像分段裝置,並中· =像分段單元網路之單元執行在以可激發狀態 相二之加,域減法,其彼此並聯而作為相鄰單元數目 相同多之加法器(其個別設置用 λά L ^ T干%)與一減法斋0 14.如申凊專利範圍第5項之影像分段裝置,並中. 10 影像分段單元網路之單元,以串聯料在加法器/ 減法器以及㈣應之暫存器,實糕定可激發狀態所須 之加法與減法,此所設加法器/減法器之數目可多至⑽ (k為小於相鄰單元數目之整數)。 15.如申請專利範圍第5項之影像分段裝置,其中: 影像分段單元網路包括: 自行激發裝置,—領導單元料電路所決定 之領導單元置入激發狀態中; 15 可激發單元偵測裝置,用於根據介於在激發狀態中 之單元以及與此在激發狀態中之單元相鄰此等單元之 間的耦合權數,從相鄰單元偵測可激發單元; 激發裝置,用於將由可激發單元偵測裝置所偵測到 之單元,置入激發狀態中;以及 20 停止裝置,用於在由可激發單元偵測裝置偵測不到 單元的情形中,將在激發狀態中之單元置入停止狀態 中; 其中一區域之影像分段是由以下方式完成:在由可 激發單元偵測裝置所偵測到之此等單元上同時重覆實 47 1226193 施激發裝置之處理,一直到可激發單元偵測裝置不再偵 測到任何單7L為止;以致於所有區域之影像分段是由以 下方式完成:在此等單元上依序實施各別的自行激發裝 置,可激發單元侧裝置、激發裝置以及停止裝置之處 5 $里’以及領導單元是在未激發狀態中且不在停止狀態 中。 16.如申請專利範圍第5項之影像分段裝置,其中: 如果輸入影像為灰階影像,則使用亮度值作為像素 值。 10 I7.如申請專利範圍第5項之影像分段裝置,其中: 如果輸入影像為彩色影像,則使用彩色資訊作為像 素值。 I8· -種&括影像分段之f彡像處財法,其從屬帅同麵 之輸入影像指定此等區域之一,並且辨識此區域作為影 15 像分段區域,其特徵為包括以下步驟: 啟始步驟,將對應於輸入影像之像素之個別影像分 段單位之單元置入未激發狀態中, 取得步驟,以取得對應於此單元之像素之像素值, ^ 並且計算多個相鄰單元之間之各耦合權數,以及 決定步驟,根據各計算結果決定領導單元(自行可 激發單元候選者); 自行可激發單元偵測步驟,藉由決定步驟決定而選 擇-領導單元,以備測此單元作為可自行激發單元; 自行激發步驟,將在可自行激發單元偵測步驟中所 48 1226193 彳之可自行激發單元,置入激發狀態中; 可激發早元偵測步驟,根據在激發狀態中單元(包 括領導單元)與相鄰單元之間之耦合權數,從相鄰單元 偵蜊可激發單元; 激發步驟,將在可激發單元偵測步驟中所偵測之單 % ’置入激發狀態中;以及 停止步驟,如果在可激發單元偵測步驟中未偵測到 tm 一 早元’則將在激發狀態中之單元置於停止狀態中;其中 10 藉由重覆激發步驟,一直到在可激發單元偵測步驟 中不再偵測到任何單元為止,以完成一區域之影像分 段;以及 15 藉由重覆各步驟,一直到在自行可激發單元偵測步 驟中,不再偵測到任何未激發狀態中之領導單元為止, 而完成所有區域之影像分段。 種包括影像分段之影像處理裝置,其從屬於相同種類 輪入讀指定料區域之一,並辨識此區域為影像分 姓Γ、成以選擇性地輸出任意影像分段區域之影像,其 特欲為包括: /、 20 體’其儲存輸人影像之像素值; 值,# A權數4异電路’其從輸人影像記憶體讀取脅 元與:::道處理以計算對應於各像素之各影像如 相岫早疋之間之耦合權數; 領導單元決定電 計算之據料合餘計算㉝ 權㈣心領導單元’此單元其中與相葬 49
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2002152491A JP3689740B2 (ja) | 2002-05-27 | 2002-05-27 | 画像分割処理方法、画像分割処理装置、リアルタイム画像処理方法、リアルタイム画像処理装置及び画像処理集積化回路 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW200400757A TW200400757A (en) | 2004-01-01 |
TWI226193B true TWI226193B (en) | 2005-01-01 |
Family
ID=29545403
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW092114142A TWI226193B (en) | 2002-05-27 | 2003-05-26 | Image segmentation method, image segmentation apparatus, image processing method, and image processing apparatus |
Country Status (5)
Country | Link |
---|---|
US (1) | US7298899B2 (zh) |
EP (1) | EP1369819A3 (zh) |
JP (1) | JP3689740B2 (zh) |
KR (1) | KR100505311B1 (zh) |
TW (1) | TWI226193B (zh) |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6940998B2 (en) | 2000-02-04 | 2005-09-06 | Cernium, Inc. | System for automated screening of security cameras |
NZ573064A (en) | 2002-04-04 | 2011-02-25 | Coley Pharm Gmbh | Immunostimulatory G,U-containing oligoribonucleotides |
JP3955953B2 (ja) | 2003-09-12 | 2007-08-08 | 国立大学法人広島大学 | 画像分割処理装置、画像分割処理方法及び画像分割処理集積化回路 |
JP2007531121A (ja) * | 2004-03-24 | 2007-11-01 | セルニウム コーポレイション | エリアごとの分割ゲインの使用によるビデオ分析の改良 |
JP4500999B2 (ja) * | 2004-09-02 | 2010-07-14 | 国立大学法人広島大学 | 画像処理装置、画像処理方法、画像処理プログラム、およびコンピュータ読み取り可能な記録媒体 |
US7822224B2 (en) | 2005-06-22 | 2010-10-26 | Cernium Corporation | Terrain map summary elements |
JP4742260B2 (ja) * | 2005-09-13 | 2011-08-10 | 国立大学法人広島大学 | 画像処理装置 |
KR100720943B1 (ko) * | 2005-11-10 | 2007-05-22 | (주)카피온테크놀로지 | 전자나침반을 이용한 알에프아이디 기반의 경로안내시스템 |
US8340421B2 (en) * | 2008-02-04 | 2012-12-25 | Eyep Inc. | Three-dimensional system and method for connection component labeling |
US8249348B2 (en) * | 2008-02-04 | 2012-08-21 | Eyep Inc. | Label reuse method and system for connected component labeling |
US8111919B2 (en) * | 2008-02-04 | 2012-02-07 | Eyep, Inc. | Feature encoding system and method for connected component labeling |
US8280167B2 (en) | 2008-02-04 | 2012-10-02 | Eyep, Inc. | Connected component labeling system and method |
US7853075B2 (en) | 2008-07-31 | 2010-12-14 | Hiroshima University | Image segmentation apparatus and image segmentation method |
JP5223133B2 (ja) * | 2008-10-24 | 2013-06-26 | 国立大学法人広島大学 | 画像分割装置および画像分割方法 |
US8571261B2 (en) | 2009-04-22 | 2013-10-29 | Checkvideo Llc | System and method for motion detection in a surveillance video |
DE102010060526A1 (de) * | 2010-11-12 | 2012-05-16 | Christian Hieronimi | System zur Lagebestimmung und/oder -kontrolle von Gegenständen |
US9996634B2 (en) * | 2010-12-15 | 2018-06-12 | Autodesk, Inc. | Computer-aided design and manufacturing system and method for composite part manufacturing method and system |
CN102800050B (zh) * | 2011-05-25 | 2016-04-20 | 国基电子(上海)有限公司 | N维特征空间连通性计算方法 |
CN103984958B (zh) * | 2014-05-07 | 2017-11-07 | 深圳大学 | 宫颈癌细胞分割方法及系统 |
US10379528B2 (en) * | 2014-12-01 | 2019-08-13 | Siemens Aktiengesellschaft | Method and apparatus for generating machining codes of workpieces from a paper engineering drawing |
CN106228552A (zh) * | 2016-07-20 | 2016-12-14 | 湖南文理学院 | 基于调和k均值聚类的灰度图像直方图快速分割方法 |
US10366302B2 (en) * | 2016-10-10 | 2019-07-30 | Gyrfalcon Technology Inc. | Hierarchical category classification scheme using multiple sets of fully-connected networks with a CNN based integrated circuit as feature extractor |
CN112149470B (zh) * | 2019-06-28 | 2023-09-05 | 杭州海康威视数字技术股份有限公司 | 一种行人重识别方法和装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5313532A (en) * | 1990-01-23 | 1994-05-17 | Massachusetts Institute Of Technology | Recognition of patterns in images |
JPH056356A (ja) * | 1990-11-20 | 1993-01-14 | Ricoh Co Ltd | 信号処理方法及びその装置 |
US5283839A (en) * | 1990-12-31 | 1994-02-01 | Neurosciences Research Foundation, Inc. | Apparatus capable of figure-ground segregation |
JP2863072B2 (ja) | 1993-10-21 | 1999-03-03 | シャープ株式会社 | 画像階調変換方法及び画像処理装置 |
US5497430A (en) * | 1994-11-07 | 1996-03-05 | Physical Optics Corporation | Method and apparatus for image recognition using invariant feature signals |
JPH11185033A (ja) | 1997-12-22 | 1999-07-09 | Canon Inc | 画像処理方法及び装置 |
JPH11339041A (ja) | 1998-05-26 | 1999-12-10 | Ricoh Co Ltd | カラー画像処理方法及び装置並びに記録媒体 |
US7088860B2 (en) * | 2001-03-28 | 2006-08-08 | Canon Kabushiki Kaisha | Dynamically reconfigurable signal processing circuit, pattern recognition apparatus, and image processing apparatus |
-
2002
- 2002-05-27 JP JP2002152491A patent/JP3689740B2/ja not_active Expired - Lifetime
-
2003
- 2003-05-26 EP EP03011840A patent/EP1369819A3/en not_active Withdrawn
- 2003-05-26 TW TW092114142A patent/TWI226193B/zh not_active IP Right Cessation
- 2003-05-26 KR KR10-2003-0033324A patent/KR100505311B1/ko not_active IP Right Cessation
- 2003-05-27 US US10/445,247 patent/US7298899B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
TW200400757A (en) | 2004-01-01 |
JP3689740B2 (ja) | 2005-08-31 |
US20030219157A1 (en) | 2003-11-27 |
KR100505311B1 (ko) | 2005-08-03 |
EP1369819A2 (en) | 2003-12-10 |
KR20030091794A (ko) | 2003-12-03 |
EP1369819A3 (en) | 2010-04-28 |
JP2003346142A (ja) | 2003-12-05 |
US7298899B2 (en) | 2007-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI226193B (en) | Image segmentation method, image segmentation apparatus, image processing method, and image processing apparatus | |
Oh et al. | Crowd counting with decomposed uncertainty | |
CN110059620B (zh) | 基于时空注意力的骨骼行为识别方法 | |
Hu et al. | SAC-Net: Spatial attenuation context for salient object detection | |
CN108805083B (zh) | 单阶段的视频行为检测方法 | |
CN109271933B (zh) | 基于视频流进行三维人体姿态估计的方法 | |
CN112990211B (zh) | 一种神经网络的训练方法、图像处理方法以及装置 | |
JP5520387B2 (ja) | 拡張現実における動的モデリングによる頑強なオブジェクト認識 | |
Doulamis et al. | FAST-MDL: Fast Adaptive Supervised Training of multi-layered deep learning models for consistent object tracking and classification | |
CN109033107A (zh) | 图像检索方法和装置、计算机设备和存储介质 | |
Chen et al. | Learning linear regression via single-convolutional layer for visual object tracking | |
Zhu et al. | Irisformer: Dense vision transformers for single-image inverse rendering in indoor scenes | |
CN113095254B (zh) | 一种人体部位关键点的定位方法及系统 | |
CN109920018A (zh) | 基于神经网络的黑白照片色彩恢复方法、装置及存储介质 | |
CN109255382A (zh) | 用于图片匹配定位的神经网络系统,方法及装置 | |
CN114897728A (zh) | 图像增强方法、装置、终端设备以及存储介质 | |
CN113554653A (zh) | 基于互信息校准点云数据长尾分布的语义分割方法 | |
Zheng et al. | Feater: An efficient network for human reconstruction via feature map-based transformer | |
Kadim et al. | Deep-learning based single object tracker for night surveillance. | |
CN114764941A (zh) | 一种表情识别方法、装置以及电子设备 | |
Hafiz et al. | Classification of skeletal wireframe representation of hand gesture using complex-valued neural network | |
Cao et al. | QMEDNet: A quaternion-based multi-order differential encoder–decoder model for 3D human motion prediction | |
Kim et al. | A neural network accelerator for mobile application processors | |
KR20230040111A (ko) | 이미지 처리 장치 및 방법 | |
Schmeckpeper et al. | Object-centric video prediction without annotation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |