TWI384418B - 採用區域架構之影像處理方法及系統 - Google Patents
採用區域架構之影像處理方法及系統 Download PDFInfo
- Publication number
- TWI384418B TWI384418B TW098138271A TW98138271A TWI384418B TW I384418 B TWI384418 B TW I384418B TW 098138271 A TW098138271 A TW 098138271A TW 98138271 A TW98138271 A TW 98138271A TW I384418 B TWI384418 B TW I384418B
- Authority
- TW
- Taiwan
- Prior art keywords
- image processing
- clustering
- regions
- adjacent pixels
- region
- Prior art date
Links
Classifications
-
- 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
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
Description
本揭露是有關於一種一種採用區域架構的影像處理方法及系統。
現今的影像處理技術係使用許多「影像處理基礎單元」,諸如平滑(smooth)處理單元、去除雜訊(de-noise)處理單元、邊緣(edge)偵測單元、角落(corner)偵測單元、直線(straight line)偵測單元,以及曲線(curve line)偵測單元,以優化原始影像或是取得有效的影像特徵。然而,這些基礎單元的運算,均是以「點架構」為基礎,而利用「鄰域像素(neighborhood pixels)」來完成各種影像處理的運算需求。每次在實施特定的基礎單元時,各個像素均會根據其鄰域像素而產生相對應的結果,而將各個像素的運算結果匯集起來,即是處理後的結果。
圖1(a)及圖1(b)為傳統「點架構之平滑/去雜訊處理」的例子。其中,圖1(a)繪示在對原始影像100實施平滑/去雜訊的影像處理時,會採用「由上而下」以及「由左而右」的方式在影像上移動一個3*3的遮罩102。而針對每個像素的計算,則是先將遮罩102上的每個數值與原始影像100中相對位置之像素的像素值相乘後再加總起來,此即為數學的旋積(convolution)運算,然後再將此旋積除以遮罩102上數值的總和,最後即可獲得經平滑/去雜訊運算後的影像110。例如,在對原始影像100上的像素104進行平滑/去雜訊處理時,即是將其本身及相鄰的八個像素分別乘上遮罩102上的數值後加總,然後再除以遮罩102上數值的總和,即(1*65+1*66+1*65+1*67+1*90+1*68+1*67+1*66+1*65)/9,最後所獲得的像素值69即為像素104經平滑/去雜訊處理後的結果(如圖1(b)所示)。然而,在實施平滑運算之後,影像中邊緣的特徵就會被模糊化。
圖2(a)~圖2(e)為傳統「點架構之邊緣偵測」的例子。其中,圖2(a)為8*8的原始影像200,圖2(b)與圖2(c)分別為用以偵測水平與垂直邊緣的遮罩202及204。圖2(d)與圖2(e)則分別為對圖2(a)之原始影像200實施水平與垂直偵測的結果。其中,傳統的邊緣偵測方法在判斷邊緣像素(edge pixel)時,也是利用在原始影像200上移動水平偵測遮罩202及垂直偵測遮罩204,而獲得如圖2(d)與圖2(e)的旋積運算結果,最後再根據運算後影像中之像素的梯度(gradient)來判斷邊緣。雖然藉由上述的邊緣偵測方法可以成功地偵測出影像中水平以及垂直的邊緣點,但卻無法得知每個邊緣點所對應的區域為何。
圖3(a)及圖3(b)為傳統「點架構之直線偵測」的例子。其中,圖3(a)表示在二維空間中的點(x,y),而透過下面的座標轉換公式,即可將點(x,y)轉換為對應的w
值:
w
=x
cos(Φ
)+y
sin(Φ
) (1)
其中,由於x、y均為已知數,因此對於每個不同的變數Φ
(由0°到180°),都可以計算出相對應的w
值,而得到如圖3(b)所示的累積矩陣。在xy空間中的每一個點皆可以轉換為一條在wΦ
空間中的曲線,而在此wΦ
空間中有最多曲線經過之交點上的曲線數目,即代表xy空間中的直線數目。雖然由上述的直線偵測方法可以得知影像中的直線數目,但卻無法進一步得知每條直線所對應的區域為何。
因此,傳統以「點架構」為基礎的影像處理技術有下面幾個主要缺點。
第一:無法得知像素的影像性質,因此在實際進行運算時,必須對所有像素進行運算以求得結果。然而,若能在運算前事先得知每個像素的特性(例如某像素是屬於雜訊點或是邊緣點),便可將邊緣或是角落偵測限縮在僅針對這些像素實施,進而降低運算成本。
第二:無法得知像素與其相鄰像素的性質差異,因此在實際進行運算時,必須使用所有的鄰域像素。然而,若能在運算前事先得知每個像素與其相鄰像素間的性質差異(例如相鄰像素為雜訊),則在進行平滑處理、邊緣偵測或是角落偵測時,可以忽略不同性質的相鄰像素,進而減少錯誤的產生。
第三:需要額外的步驟以修正因為基礎運算所改變的影像特徵。舉例而言,若要偵測影像中的直線,傳統的影像處理技術須先使用「平滑處理單元」以及「去除雜訊處理單元」將雜訊移除。如此一來,便會造成影像中邊緣像素的增加。換句話說,在實施「邊緣偵測單元」時,會偵測出較粗的線。此時則需要實施額外的「細線化(Thinning)處理單元」,藉以取出粗線的骨幹(Skeleton),之後才能使用「直線偵測基礎單元」來偵測影像中的直線。
第四:無法有效整合,並且平行運作多種影像處理基礎單元。舉例而言,若要對影像做「直線」、「曲線」、以及「角落偵測」等三種影像處理基礎單元時,可共用的資訊除了「平滑處理」以及「邊緣偵測」後的像素資訊外,只能各自進行運算。換句話說,無法藉由平行處理以減少不必要的運算。
第五:經過基礎單元運算後的影像,並無法提供額外的資訊給後續的「影像處理進階單元」作參考。舉例而言,「邊緣偵測單元」僅能偵測出影像中的邊緣像素,但卻無法知道哪些邊緣像素是屬於同一個區域(物體),因此也無法提供區域資訊給後續的「影像分割」或是「圖形辨識」等影像處理進階單元,以更有效率地進行處理。
由上述可知,傳統以「點架構」為基礎的影像處理技術仍存在諸多缺點,而如何能同步進行各種「影像處理基礎單元」以減少不必要運算,並提供更多資訊給後續的「影像處理進階單元」運用,已成為影像處理領域中一個非常重要的課題。
本揭露提供一種採用區域架構之影像處理方法,將相似特性的多個相鄰像素歸類為具有相同特徵的群聚區域,而可對此些群聚區域同步運行影像處理。
本揭露提供一種採用區域架構之影像處理系統,利用區域鏈碼描述影像中的多個群聚區域,而可提供更多資訊給後續的影像處理進階單元作運用。
本揭露提出一種採用區域架構之影像處理方法,其包括將影像中具有至少一個相似特性的多個相鄰像素歸類為具有相同特徵的群聚區域,並給定各個群聚區域唯一的群聚標記,以及將各個群聚區域的邊緣描述為區域鏈碼,然後根據各個群聚區域的群聚標記及區域鏈碼辨別群聚區域,以同步運行至少一種影像處理於這些群聚區域。
本揭露提出一種採用區域架構之影像處理系統,其包括像素群聚前處理單元、區域標記前處理單元、區域描述前處理單元及影像處理基礎單元。其中,像素群聚前處理單元係用以將影像中具有至少一個相似特性的多個相鄰像素歸類為具有相同特徵的群聚區域。區域標記前處理單元係用以給定各個群聚區域唯一的群聚標記。區域描述前處理單元係用以將各個群聚區域之邊緣描述為區域鏈碼。影像處理基礎單元則是根據各個群聚區域的群聚標記及區域鏈碼來辨別出各個群聚區域,以在這些群聚區域上同步運行至少一種影像處理。
基於上述,本揭露之採用區域架構之影像處理方法及系統係將具有相似特性的多個相鄰像素歸類為具有相同特徵的群聚區域,並針對各個群聚區域給定唯一的群聚標記,以及可描述其邊緣的區域鏈碼,因此在進行後續的影像處理時,能夠針對各個群聚區域同步運行處理程序。
為讓本揭露之上述特徵和優點能更明顯易懂,下文特舉範例實施例,並配合所附圖式作詳細說明如下。本揭露說明書提供不同的範例實施例來說明本揭露不同實施方式的技術特徵。其中,範例實施例中的各元件之配置係為說明之用,並非用以限制本揭露。
本揭露提出一種全新的影像處理架構,其係定義三個影像區域化前處理單元,將原始影像由「像素點」的組合,轉換為各種「區域組合」,進而將影像處理由傳統的「點架構」處理提升為「區域架構」處理。因此,新架構的影像處理技術可以在不影響影像特徵的情況下,有系統的整合並同步執行「平滑處理」、「邊緣偵測」、「角落偵測」、「直線偵測」及「曲線偵測」等各種「影像處理基礎單元」的運算。此外,本揭露的影像處理技術亦可以提供更多的資訊(區域資料結構)給「影像處理進階單元」運用。以下則舉範例實施例說明本揭露採用區域架構之影像處理方法及系統的詳細實施內容。
圖4是依照本揭露一範例實施例所繪示之採用區域架構之影像處理系統的方塊圖,圖5則是依照本揭露一範例實施例所繪示之採用區域架構之影像處理方法的流程圖。請同時參照圖4及圖5,本範例實施例之影像處理系統400的架構係將影像處理分為「區域化前處理」以及「影像處理」兩個階段,其中包括像素群聚前處理單元410、區域標記前處理單元420、區域描述前處理單元430及影像處理基礎單元440,其功能分述如下:在「區域化前處理階段」中,首先由像素群聚前處理單元410根據其定義的相似性準則,將影像中具有至少一相似特性的多個相鄰像素歸類為具有相同特徵的群聚區域(步驟S510)。其中,像素群聚前處理單元410例如是對影像進行量化(Quantization)處理,以將影像中多個像素的像素值分別量化為多個量化值其中之一,之後再將具有相同量化值且彼此相鄰的多個像素歸類為具有相同特徵(或顏色)的群聚區域。
舉例來說,圖6(a)及圖6(b)是依照本揭露一範例實施例所繪示之影像量化處理的範例。其中,圖6(a)係繪示原始影像600中各個像素的像素值,本範例實施例假設原始影像600的像素值範圍為1~100,而在進行量化處理時,則是將此像素值範圍區分為4個區段(1~25、26~50、51~75、76~100)以分別給予量化值。其中,當像素值落於1~25時,即將該像素值量化為1;當像素值落於26~50時,即將該像素值量化為2;當像素值落於51~75時,即將該像素值量化為3;當像素值落於76~100時,即將該像素值量化為4。而根據上述規則對原始影像600進行量化處理之後,即可獲得如圖6(b)所示的量化結果610。
接著,由區域標記前處理單元420針對像素群聚前處理單元410所歸類的各個群聚區域給定一個唯一的群聚標記(步驟S520)。其中,區域標記前處理單元420例如是利用連通區域標記法(connected components labeling)來給定群聚標記。
舉例來說,圖7(a)及圖7(b)是依照本揭露一範例實施例所繪示之給定群聚標記的範例。其中,圖7(a)係沿用圖6(b)所繪示的量化結果610,而本範例實施例即針對圖6(a)中量化值相同且彼此連通的群聚區域給定一個唯一的群聚標記。例如,針對量化值為0的群聚區域給定群聚標記A;針對量化值為1的群聚區域給定群聚標記B;針對量化值為2的群聚區域給定群聚標記D。值得注意的是,雖然量化值為3的群聚區域有3個,但這些群聚區域彼此不相連,因此本範例實施例即將其視為獨立的區域,而分別給定群聚標記C、E、F,最後則獲得如圖7(b)所示的群聚標記結果620。
除了給定群聚標記外,本範例實施例之影像處理系統400還包括由區域描述前處理單元430藉由鏈碼(chain code)的描述方式,將各個群聚區域的邊緣描述為區域鏈碼(步驟S530)。詳細地說,區域描述前處理單元430會針對不同方向定義不同的鏈碼,而在描述邊緣時,則例如是從群聚區域最左上角的像素開始,以逆時針方向或順時針方向沿著群聚區域的邊緣依序找出兩兩相鄰像素間的相對方向,並將這些相對方向所對應的鏈碼記錄成區域鏈碼。
舉例來說,圖8(a)、圖8(b)、圖8(c)及圖8(d)是依照本揭露一範例實施例所繪示之鏈碼與區域特徵描述方法的範例。其中,圖8(a)係沿用圖7(b)所繪示的群聚標記結果620,而本範例實施例即分別針對圖8(a)中的各個群聚區域,利用鏈碼的方式來描述其邊緣;圖8(b)繪示多個不同方向所對應的鏈碼,亦即右方、右上方、上方、左上方、左方、左下方、下方及右下方分別對應於鏈碼0~7;圖8(c)列示出各個群聚區域經由鏈碼描述後所獲得的區域鏈碼;圖8(d)則列示出各個群聚區域的區域屬性,包括該區域的大小、平均亮度、起始點、周長等。其中,以群聚區域A為例,本範例實施例的鏈碼描述方法係由其最左上角的像素(0,0)開始,以逆時針方向沿著其邊緣依序找出兩兩相鄰像素間的相對方向,並記錄此相對方向對應的鏈碼。其中,像素(0,1)相對於像素(0,0)的方向為下方,故可記錄下方所對應的鏈碼6。同理,接下來的像素(0,2)、…、(0,7)相對於前個像素的方向都是下方,故可記錄6個鏈碼6。之後,群聚區域A的邊緣則轉向右方,而像素(1,7)相對於像素(0,7)的方向為右方,故可記錄右方所對應的鏈碼0。以此類推,待鏈碼的描述回到像素(0,0),即可獲得群聚區域A的區域鏈碼。同理,其他群聚區域也可經由此法取得其對應的區域鏈碼。
在完成各個群聚區域的標記及邊緣描述後,即結束「區域化前處理階段」,而進入「影像處理階段」。此時,影像處理基礎單元440會根據其運作的需要,利用各個群聚區域的群聚標記及區域鏈碼來辨別這些群聚區域,藉以在這些群聚區域上同步運行影像處理(步驟S540)。其中,所述的影像處理包括平滑處理、角落偵測、直線偵測、曲線偵測等基礎影像處理,而影像處理基礎單元440則可分別配置平滑處理基礎單元442、夾角計算基礎單元444、直線偵測基礎單元446及曲線偵測基礎單元448(如圖9所示)來執行這些基礎影像處理,以下則分別介紹這些基礎影像處理的詳細作法。
關於平滑處理:平滑處理基礎單元442可由群聚區域的區域鏈碼可獲知群聚區域的邊緣資訊,因此在實際進行平滑處理時,也僅針對所處理像素周圍屬於同一個群聚區域的像素進行運算。換句話說,平滑處理基礎單元442所使用的均化遮罩僅會作用在所處理像素所屬的群聚區域內,而不會將群聚區域外的像素一併納入平滑運算中。據此,本範例實施例的平滑處理即可避免其他區域像素加乘所造成之邊緣模糊化的結果。
關於角落偵測:夾角計算基礎單元444可由各個群聚區域的區域鏈碼找出其邊緣上任意三個相鄰像素(x 0
,y 0
)、(x 1
,y 1
)、(x 2
,y 2
)及其間的相對方向,並利用下列的餘弦公式來求取這三個相鄰像素所形成的夾角θ:
其中,根據夾角θ,則可判定像素(x 0
,y 0
)的角落特徵性質。例如θ=90,則表示該點為直角角落像素。
關於直線偵測:直線偵測基礎單元446可藉由分析上述夾角計算基礎單元444所求出之每個像素的夾角,而判斷出這些像素之間是否存在直線。其中,當直線偵測基礎單元446發現有多個相鄰像素的夾角均為180度時,即可判斷出相鄰像素之間具有直線,且其長度等於這些夾角為180度之相鄰像素的個數。
舉例來說,下表1列示出群聚區域C中多個像素對應的角度值。其中,由像素C(2)至C(7)的角度值均為180度可知:像素C(2)至C(7)為直線,且此直線的長度為6。
關於曲線偵測:曲線偵測基礎單元448可藉由分析上述夾角計算基礎單元444所求出之每個像素的夾角,而判斷出這些像素之間是否存在曲線。其中,當曲線偵測基礎單元448發現有多個相鄰像素的夾角相同且為不等於180度之角度時,即可判斷出相鄰像素之間具有曲線,且其長度等於這些相鄰像素的個數。
舉例來說,下表2列示出群聚區域D中多個像素對應的角度值。其中,由像素D(2)至D(7)的角度值均為145度可知:像素D(2)至D(7)為曲線,且此曲線的角度為145度,長度為6。
由上述可知,運用「區域化前處理階段」所得的群聚標記以及區域鏈碼的資訊,本揭露之影像處理系統在「影像處理階段」中即可在這些群聚區域上同步運行影像處理程序。
值得一提的是,在進行影像處理之前,影像處理系統400還可利用排序單元(未繪示)來根據各個群聚區域的大小、周長或平均亮度等區域屬性(如圖8(d)所示),對這些群聚區域進行排序。而在實際進行影像處理程序時,則可考量系統整體的運算負載,僅選擇排序在前的部分群聚區域先行處理。
為了更清楚地說明上述本揭露同步運行多種影像處理的特徵,以下則再舉一範例實施例來說明本揭露針對群聚區域邊緣逐像素地進行多種影像處理之同步運算的程序。
圖10A及圖10B是依照本揭露一範例實施例所繪示之採用區域架構之影像處理方法的範例。請同時參照圖10A及圖10B,本範例實施例之圖10A係擷取圖7(b)所繪示之群聚標記結果中群聚標記為D之群聚區域周圍的原始影像1010及群聚標記結果1020,而對群聚區域1000(粗黑線框起區域)的每個像素同步進行平滑處理、邊緣偵測、角度計算及直線與曲線偵測的影像處理運算。下文的每個階段代表根據區域鏈碼而依序處理的區域邊緣像素。此外,為了簡化說明步驟,以下係使用四連通(4-connectivity)的相鄰像素定義來作為影像處理的運算基礎。
在第(1)階段中,影像處理系統係針對群聚區域1000最左上角的像素進行處理。其中,在進行平滑處理時,僅取用所處理像素周圍屬於同一區域的相鄰像素(即右方與下方像素)及其本身進行旋積運算,並取平均以獲得該像素的處理結果,亦即(65*1+66*1+67*1)/3=66;在進行邊緣偵測時,則由群聚區域1000的區域鏈碼即可獲知該像素為邊緣像素,故標記為E;在進行角度計算時,則可計算所處理像素與其相鄰像素(即右方與下方像素)所形成的夾角,而獲得90度的運算結果;在進行直線與曲線偵測時,則由於目前僅處理一個像素,尚無法確認是否其是否屬於直線或曲線的一部分。
在第(2)階段中,影像處理系統係針對群聚區域1000左邊第二個像素進行處理。其中,在進行平滑處理時,僅取用所處理像素及其相鄰像素(即上方與下方像素)進行旋積運算,並取平均以獲得該像素的處理結果,亦即(65*1+67*1+67*1)/3=66;在進行邊緣偵測時,則由群聚區域1000的區域鏈碼即可獲知該像素為邊緣像素,故標記為E;在進行角度計算時,則可計算所處理像素與其相鄰像素(即上方與下方像素)所形成的夾角,而獲得180度的運算結果;在進行直線與曲線偵測時,則由於目前僅獲得一個90度及一個180度的像素,尚無法確認是否其是否屬於直線或曲線的一部分。
在第(3)階段中,影像處理系統係針對群聚區域1000左邊第三個像素進行處理。其中,在進行平滑處理時,僅取用所處理像素及其相鄰像素(即上方、右方與下方像素)進行旋積運算,並取平均以獲得該像素的處理結果,亦即(67*1+66*1+67*1+67*1)/4=66;在進行邊緣偵測時,則由群聚區域1000的區域鏈碼即可獲知該像素為邊緣像素,故標記為E;在進行角度計算時,則可計算所處理像素與其相鄰像素(即上方與下方像素)所形成的夾角,而獲得180度的運算結果;在進行直線與曲線偵測時,則由於目前已獲得兩個180度的像素,因此可確認這兩個像素之間為直線,且該直線的長度為2。
在第(4)階段中,影像處理系統係針對群聚區域1000左邊第四個像素進行處理。其中,在進行平滑處理時,僅取用所處理像素及其相鄰像素(即上方與右方像素)進行旋積運算,並取平均以獲得該像素的處理結果,亦即(67*1+66*1+67*1)/3=67;在進行邊緣偵測時,則由群聚區域1000的區域鏈碼即可獲知該像素為邊緣像素,故標記為E;在進行角度計算時,則可計算所處理像素與其相鄰像素(即上方與右下方像素)所形成的夾角,而獲得135度的運算結果;在進行直線與曲線偵測時,則由於目前獲得的135並非屬於直線,因此仍維持先前判定的直線一。
在第(5)階段中,影像處理系統係針對群聚區域1000中間最下方像素進行處理。其中,在進行平滑處理時,僅取用所處理像素及其相鄰像素(即上方像素)進行旋積運算,並取平均以獲得該像素的處理結果,亦即(66*1+69*1)/2=67;在進行邊緣偵測時,則由群聚區域1000的區域鏈碼即可獲知該像素為邊緣像素,故標記為E;在進行角度計算時,則可計算所處理像素與其相鄰像素(即左上方與上方像素)所形成的夾角,而獲得45度的運算結果;在進行直線與曲線偵測時,則由於目前獲得的45並非屬於直線,因此仍維持先前判定的直線一。
依照上述做法,即可類推出第(6)階段至第(11)階段的運算結果,而由本範例實施例可知,影像處理系統藉由「區域化前處理階段」所得的群聚標記以及區域鏈碼資訊,即可在不影響原始影像特徵的情況下,對影像中的各個群聚區域同步運行多種影像處理程序。
綜上所述,本揭露之採用區域架構之影像處理方法及裝置係將原始影像由「像素點」的組合,轉換為「區域」的組合,其優點不僅可以使得後續的「影像處理基礎單元」以「相鄰像素中的相同區域」為基礎來做運算,而能夠在不影響原始影像特徵的情況下同步執行各種「影像處理基礎單元」。甚至在某些應用中,還可以跳過基礎單元的運算,而利用「區域化前處理」運算後的區域資料(區域特徵)直接執行「影像處理進階單元」。
雖然本揭露已以範例實施例揭露如上,然其並非用以限定本揭露,任何所屬技術領域中具有通常知識者,在不脫離本揭露之精神和範圍內,當可作些許之更動與潤飾,故本揭露之保護範圍當視後附之申請專利範圍所界定者為準。
100、200...原始影像
102、202、204...遮罩
104...像素
110...運算後的影像
400...影像處理系統
410...像素群聚前處理單元
420...區域標記前處理單元
430...區域描述前處理單元
440...影像處理基礎單元
442...平滑處理基礎單元
444...夾角計算基礎單元
446...直線偵測基礎單元
448...曲線偵測基礎單元
600、1010...原始影像
610...量化結果
620...群聚標記結果
1000...群聚區域
1020...群聚標記結果
A、B、C、D、E、F...群聚標記
S510~S540...本揭露一範例實施例之採用區域架構之影像處理方法之各步驟
圖1(a)及圖1(b)為傳統「點架構之平滑/去雜訊處理」的例子。
圖2(a)~圖2(e)為傳統「點架構之邊緣偵測」的例子。
圖3(a)及圖3(b)為傳統「點架構之直線偵測」的例子。
圖4是依照本揭露一範例實施例所繪示之採用區域架構之影像處理系統的方塊圖。
圖5則是依照本揭露一範例實施例所繪示之採用區域架構之影像處理方法的流程圖。
圖6(a)及圖6(b)是依照本揭露一範例實施例所繪示之影像量化處理的範例。
圖7(a)及圖7(b)是依照本揭露一範例實施例所繪示之給定群聚標記的範例。
圖8(a)、圖8(b)、圖8(c)及圖8(d)是依照本揭露一範例實施例所繪示之鏈碼與區域特徵描述方法的範例。
圖9是依照本揭露一範例實施例所繪示之影像處理基礎單元的方塊圖。
圖10A及圖10B是依照本揭露一範例實施例所繪示之採用區域架構之影像處理方法的範例。
S510~S540...本揭露一範例實施例之採用區域架構之影像處理方法之各步驟
Claims (27)
- 一種採用區域架構之影像處理方法,包括:將一影像中具有至少一相似特性的多個相鄰像素歸類為具有相同特徵的一群聚區域;給定各該些群聚區域唯一的一群聚標記;描述各該些群聚區域之一邊緣為一區域鏈碼;根據各該些群聚區域的該群聚標記及該區域鏈碼辨別該些群聚區域,以同步運行至少一影像處理於該些群聚區域。
- 如申請專利範圍第1項所述之採用區域架構之影像處理方法,其中將該影像中具有該至少一相似特性的多個相鄰像素歸類為具有相同特徵之群聚區域的步驟包括:對該影像進行一量化處理,以將該影像中多個像素的像素值量化為多個量化值;以及將具有相同量化值的多個相鄰像素歸類為具有相同特徵的群聚區域。
- 如申請專利範圍第1項所述之採用區域架構之影像處理方法,其中給定各該些群聚區域唯一的該群聚標記的步驟包括利用一連通區域標記法給定各該些群聚區域的群聚標記。
- 如申請專利範圍第1項所述之採用區域架構之影像處理方法,其中描述各該些群聚區域之該邊緣為該區域鏈碼的步驟包括:定義對應於不同方向的多個鏈碼;以及以一逆時針方向或一順時針方向沿著各該些群聚區域之該邊緣依序找出兩相鄰像素間的一相對方向,並記錄該些相對方向對應的鏈碼以生成該區域鏈碼。
- 如申請專利範圍第4項所述之採用區域架構之影像處理方法,其中以該逆時針方向或該順時針方向沿著各該些群聚區域之該邊緣依序找出兩相鄰像素間之該相對方向,並記錄該些相對方向對應的鏈碼以生成該區域鏈碼的步驟包括由各該些群聚區域之一最左上角像素開始。
- 如申請專利範圍第4項所述之採用區域架構之影像處理方法,其中該些方向包括右方、右上方、上方、左上方、左方、左下方、下方及右下方。
- 如申請專利範圍第1項所述之採用區域架構之影像處理方法,其中在根據各該些群聚區域的該群聚標記及該區域鏈碼辨別該些群聚區域,以同步運行該至少一影像處理於該些群聚區域的步驟之前,更包括:依據各該些群聚區域之一區域屬性排序該些群聚區域;以及依照該些群聚區域的排序,選擇部分的該些群聚區域以進行後續的該至少一影像處理。
- 如申請專利範圍第7項所述之採用區域架構之影像處理方法,其中該區域屬性包括該群聚區域之大小、周長或平均亮度。
- 如申請專利範圍第1項所述之採用區域架構之影像處理方法,其中根據各該些群聚區域的該群聚標記及該區域鏈碼辨別該些群聚區域,以同步運行該至少一影像處理於該些群聚區域的步驟包括:對各該群聚區域中的每一像素進行一平滑運算,其中僅針對該像素周圍屬於同一群聚區域的像素進行運算。
- 如申請專利範圍第1項所述之採用區域架構之影像處理方法,其中根據各該些群聚區域的該群聚標記及該區域鏈碼辨別該些群聚區域,以同步運行該至少一影像處理於該些群聚區域的步驟包括:根據各該些群聚區域的該區域鏈碼找出位於該群聚區域之該邊緣的三個相鄰像素及其間的相對方向,而用以求取該三個相鄰像素所形成的一夾角。
- 如申請專利範圍第10項所述之採用區域架構之影像處理方法,其中求取該三個相鄰像素所形成的該夾角的步驟包括利用一餘弦公式。
- 如申請專利範圍第10項所述之採用區域架構之影像處理方法,其中在根據各該些群聚區域的該區域鏈碼找出位於該群聚區域之該邊緣的三個相鄰像素及其間的相對方向,而用以求取該三個相鄰像素所形成的該夾角的步驟之後,更包括:分析各該些群聚區域中每一該些像素之該夾角,以完成一直線偵測及一曲線偵測。
- 如申請專利範圍第12項所述之採用區域架構之影像處理方法,其中分析各該些群聚區域中每一該些像素之該夾角,以完成該直線偵測的步驟包括:當有多個相鄰像素之該夾角均為180度時,判斷該些相鄰像素之間具有一長度等於該些相鄰像素之個數的直線。
- 如申請專利範圍第12項所述之採用區域架構之影像處理方法,其中分析各該些群聚區域中每一該些像素之該夾角,以完成該曲線偵測的步驟包括:當有多個相鄰像素之該夾角相同且為不等於180度之一角度時,判斷該些相鄰像素之間具有一長度等於該些相鄰像素之個數的曲線。
- 一種採用區域架構之影像處理系統,包括:一像素群聚前處理單元,將一影像中具有至少一相似特性的多個相鄰像素歸類為具有相同特徵的一群聚區域;一區域標記前處理單元,給定各該些群聚區域唯一的一群聚標記;一區域描述前處理單元,描述各該些群聚區域之一邊緣為一區域鏈碼;以及一影像處理基礎單元,根據各該些群聚區域的該群聚標記及該區域鏈碼辨別該些群聚區域,以同步運行至少一影像處理於該些群聚區域。
- 如申請專利範圍第15項所述之採用區域架構之影像處理系統,其中該像素群聚前處理單元包括對該影像進行一量化處理,以將該影像中多個像素的像素值量化為多個量化值,而將具有相同量化值的多個相鄰像素歸類為具有相同特徵的群聚區域。
- 如申請專利範圍第15項所述之採用區域架構之影像處理系統,其中該區域標記前處理單元包括利用一連通區域標記法給定各該些群聚區域唯一的該群聚標記。
- 如申請專利範圍第15項所述之採用區域架構之影像處理系統,其中該區域描述前處理單元包括定義對應於不同方向的多個鏈碼,而以一逆時針方向或一順時針方向沿著各該些群聚區域之該邊緣依序找出兩相鄰像素間的一相對方向,並記錄該些相對方向對應的鏈碼以生成該區域鏈碼。
- 如申請專利範圍第18項所述之採用區域架構之影像處理系統,其中該區域描述前處理單元包括由各該些群聚區域之一最左上角像素開始以該逆時針方向或該順時針方向沿著各該些群聚區域之該邊緣依序找出兩相鄰像素間的該相對方向,並記錄該些相對方向對應的鏈碼以生成該區域鏈碼。
- 如申請專利範圍第18項所述之採用區域架構之影像處理系統,其中該些方向包括右方、右上方、上方、左上方、左方、左下方、下方及右下方。
- 如申請專利範圍第15項所述之採用區域架構之影像處理系統,更包括:一排序單元,依據各該些群聚區域之一區域屬性排序該些群聚區域,而依照該些群聚區域的排序,選擇部分的該些群聚區域提供給該影像處理基礎單元以進行後續的該影像處理。
- 如申請專利範圍第21項所述之採用區域架構之影像處理系統,其中該區域屬性包括該群聚區域之大小、周長或平均亮度。
- 如申請專利範圍第15項所述之採用區域架構之影像處理系統,其中該影像處理基礎單元包括:一平滑處理基礎單元,對各該群聚區域中的每一像素進行一平滑運算,其中僅針對該像素周圍屬於同一群聚區域的像素進行運算。
- 如申請專利範圍第15項所述之採用區域架構之影像處理系統,其中該影像處理基礎單元包括:一夾角計算基礎單元,根據各該些群聚區域的該區域鏈碼找出位於該群聚區域之該邊緣的三個相鄰像素及其間的相對方向,而用以求取該三個相鄰像素所形成的一夾角。
- 如申請專利範圍第24項所述之採用區域架構之影像處理系統,其中該夾角計算基礎單元包括利用一餘弦公式求取該三個相鄰像素所形成的該夾角。
- 如申請專利範圍第24項所述之採用區域架構之影像處理系統,其中該影像處理基礎單元更包括:一直線偵測基礎單元,分析各該些群聚區域中每一該些像素之該夾角,而當有多個相鄰像素之該夾角均為180度時,判斷該些相鄰像素之間具有一長度等於該些相鄰像素之個數的直線。
- 如申請專利範圍第24項所述之採用區域架構之影像處理系統,其中該影像處理基礎單元更包括:一曲線偵測基礎單元,分析各該些群聚區域中每一該些像素之該夾角,而當有多個相鄰像素之該夾角相同且為不等於180度之一角度時,判斷該些相鄰像素之間具有一長度等於該些相鄰像素之個數的曲線。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW098138271A TWI384418B (zh) | 2009-11-11 | 2009-11-11 | 採用區域架構之影像處理方法及系統 |
US12/726,352 US8705874B2 (en) | 2009-11-11 | 2010-03-18 | Image processing method and system using regionalized architecture |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW098138271A TWI384418B (zh) | 2009-11-11 | 2009-11-11 | 採用區域架構之影像處理方法及系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201117133A TW201117133A (en) | 2011-05-16 |
TWI384418B true TWI384418B (zh) | 2013-02-01 |
Family
ID=43974226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW098138271A TWI384418B (zh) | 2009-11-11 | 2009-11-11 | 採用區域架構之影像處理方法及系統 |
Country Status (2)
Country | Link |
---|---|
US (1) | US8705874B2 (zh) |
TW (1) | TWI384418B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI438729B (zh) | 2011-11-16 | 2014-05-21 | Ind Tech Res Inst | 車道偏移警示方法及系統 |
TWI454697B (zh) * | 2013-02-07 | 2014-10-01 | Meiho University Of Science And Technology | 尿液顏色辨識方法 |
CN116433990B (zh) * | 2023-06-12 | 2023-08-15 | 恒超源洗净科技(深圳)有限公司 | 基于视觉检测的超声波清洗机反馈调节系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5943442A (en) * | 1996-06-12 | 1999-08-24 | Nippon Telegraph And Telephone Corporation | Method of image processing using parametric template matching |
TW200522719A (en) * | 2003-12-30 | 2005-07-01 | Realtek Semiconductor Corp | Adaptive interpolation method based on edge detection |
US6917721B2 (en) * | 2001-07-16 | 2005-07-12 | Hewlett-Packard Development Company, L.P. | Method and apparatus for sub-pixel edge detection |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3163215B2 (ja) * | 1994-03-07 | 2001-05-08 | 日本電信電話株式会社 | 直線抽出ハフ変換画像処理装置 |
JP4042563B2 (ja) * | 2002-12-27 | 2008-02-06 | セイコーエプソン株式会社 | 画像ノイズの低減 |
JP3772845B2 (ja) * | 2003-03-24 | 2006-05-10 | コニカミノルタホールディングス株式会社 | 画像処理プログラム、画像処理装置、および撮影装置 |
US20070206844A1 (en) * | 2006-03-03 | 2007-09-06 | Fuji Photo Film Co., Ltd. | Method and apparatus for breast border detection |
-
2009
- 2009-11-11 TW TW098138271A patent/TWI384418B/zh active
-
2010
- 2010-03-18 US US12/726,352 patent/US8705874B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5943442A (en) * | 1996-06-12 | 1999-08-24 | Nippon Telegraph And Telephone Corporation | Method of image processing using parametric template matching |
US6917721B2 (en) * | 2001-07-16 | 2005-07-12 | Hewlett-Packard Development Company, L.P. | Method and apparatus for sub-pixel edge detection |
TW200522719A (en) * | 2003-12-30 | 2005-07-01 | Realtek Semiconductor Corp | Adaptive interpolation method based on edge detection |
Also Published As
Publication number | Publication date |
---|---|
US8705874B2 (en) | 2014-04-22 |
US20110110598A1 (en) | 2011-05-12 |
TW201117133A (en) | 2011-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104751142B (zh) | 一种基于笔划特征的自然场景文本检测方法 | |
KR101617681B1 (ko) | 히스토그램들을 갖는 다중 층 연결 요소들을 사용하는 텍스트 검출 | |
WO2018233055A1 (zh) | 保单信息录入的方法、装置、计算机设备及存储介质 | |
CN111008597A (zh) | Cad图纸的空间识别方法、装置、电子设备及存储介质 | |
CN101122953A (zh) | 一种图片文字分割的方法 | |
WO2014160433A2 (en) | Systems and methods for classifying objects in digital images captured using mobile devices | |
CN102722731A (zh) | 一种基于改进sift算法的高效图像匹配方法 | |
Chen et al. | Shadow-based Building Detection and Segmentation in High-resolution Remote Sensing Image. | |
CN101122952A (zh) | 一种图片文字检测的方法 | |
CN110765992B (zh) | 印章鉴别方法、介质、设备及装置 | |
CN110852311A (zh) | 一种三维人手关键点定位方法及装置 | |
CN109858438B (zh) | 一种基于模型拟合的车道线检测方法 | |
CN104408728A (zh) | 一种基于噪声估计的伪造图像检测方法 | |
US20120082372A1 (en) | Automatic document image extraction and comparison | |
WO2012056002A1 (en) | Method for detecting and recognising an object in an image, and an apparatus and a computer program therefor | |
CN103310439A (zh) | 一种基于尺度空间的图像最稳极值区域检测方法 | |
CN110084229B (zh) | 一种印章检测方法、装置、设备及可读存储介质 | |
TWI384418B (zh) | 採用區域架構之影像處理方法及系統 | |
US20050271260A1 (en) | Device, method and program for removing pores | |
US10853640B2 (en) | Method and system for extracting information from hand-marked industrial inspection sheets | |
Ghandour et al. | Building shadow detection based on multi-thresholding segmentation | |
CN111047614A (zh) | 一种基于特征提取的复杂场景图像的目标角点提取方法 | |
US10115195B2 (en) | Method and apparatus for processing block to be processed of urine sediment image | |
JP4936250B2 (ja) | 書込み抽出方法、書込み抽出装置および書込み抽出プログラム | |
CN102087741B (zh) | 采用区域架构的图像处理方法及系统 |