TWI446277B - 圖像比較容錯處理系統及方法 - Google Patents

Description

圖像比較容錯處理系統及方法

本發明涉及一種圖像處理系統及方法，尤其係關於一種圖像比較及對比較後的圖像進行容錯處理的系統及方法。

對兩張圖像進行比較，最簡單的方法係比較圖像中的各個像素值，找出像素值不同的區域。一般來說，這種方法只能精確地比較像素值上的差異，而不適用於大多數實際的圖像辨識。當對兩張圖像中的目標物體進行對比時，可以提取圖像的形狀特徵，根據形狀特徵確定兩張圖像的相似程度。提取形狀特徵常用的方法有傅立葉變換和不變矩等。然而，提取形狀特徵的運算量往往比較大，當運算能力不足時難以實現，並且對目標物體進行模糊辨識的效果不是很理想。

此外，當比較一張原圖像及一張對上述原圖像掃描之後生成的掃描圖像時，由於在掃描時出現的種種原因，如掃描器品質問題，可能使該掃描圖像出現一些誤差點或者偏差，而利用傳統的圖像比較方法對該兩張圖像進行比較時，可能得出的比較結果是兩張圖像不一致，而這樣的結果可能導致用戶的錯誤判斷。例如，用戶需要對一份合約的原文件和該合約列印後的掃描文檔進行比較，若該掃描文檔因掃描器的問題出現了某些誤差點，則利用傳統的圖像比較方法會得到該兩張圖像不一致，因此，該用戶可能會錯誤地認為該合約曾經被篡改過。

鑒於以上內容，有必要提供一種圖像比較容錯處理系統及方法，其可以對圖像中的目標物體進行比較，並在比較之後對圖像進行容錯處理，以防止比較結果出現偏差。

一種圖像比較容錯處理系統，運行於電腦中，用於比較圖像中目標物體的差異，並對該差異進行容錯處理。該系統包括：骨幹提取模組，用於提取黑白圖像A2的目標物體的骨幹，得到骨幹圖像A3，及提取黑白圖像B2的目標物體的骨幹，得到骨幹圖像B3；圖像覆蓋模組，用於將黑白圖像A2覆蓋在骨幹圖像B3上，生成覆蓋圖像B4，以得到骨幹圖像B3相對於黑白圖像A2多餘的部分，或者將黑白圖像B2覆蓋在骨幹圖像A3上，生成覆蓋圖像A4，以得到黑白圖像B2相對於黑白圖像A2少的部分；容錯處理模組，用於對覆蓋圖像B4或者A4進行容錯處理；及圖像顯示模組，用於顯示或輸出經過容錯處理的覆蓋圖像A4及B4。

一種圖像比較容錯處理方法，用於比較兩張圖像中目標物體的差異，並對該差異進行容錯處理。該方法包括步驟：提取黑白圖像B2中目標物體的骨幹，得到骨幹圖像B3；將黑白圖像A2覆蓋在骨幹圖像B3上，生成覆蓋圖像B4，以得到骨幹圖像B3相對於黑白圖像A2多餘的部分；對覆蓋圖像B4進行容錯處理；提取黑白圖像A2中目標物體的骨幹，得到骨幹圖像A3；將黑白圖像B2覆蓋在骨幹圖像A3上，生成覆蓋圖像A4，以得到黑白圖像B2相對於黑白圖像A2少的部分對覆蓋圖像A4進行容錯處理；及顯示或輸出經過容錯處理的覆蓋圖像A4及B4。

相較於習知技術，本發明易於實現，對圖像中目標物體有較好的模糊辨識比較能力，並且在比較後可以對圖像進行容錯處理以刪除被比較圖像上的誤差點，以防止比較結果出現偏差。

參閱圖1所示，係本發明圖像比較容錯處理系統1較佳實施例的功能模組圖。所述圖像比較容錯處理系統1運行於電腦中。該圖像比較容錯處理系統1包括圖像轉換模組10、骨幹提取模組11、圖像覆蓋模組12、容錯處理模組13及圖像顯示模組14。

所述圖像轉換模組10用於將需要比較的彩色圖像轉換為黑白圖像，從而分割出目標物體。黑白圖像也稱為二值圖像，圖像中只包含黑和白兩種灰度，沒有中間的過渡。黑白圖像的像素值通常為0或者1，0表示黑色，1表示白色。為了便於說明，將黑白圖像中代表目標物體的像素值稱為目標物體像素值。參閱圖4所示，係一個黑白圖像的示意圖。在該黑白圖像中，白色部分為目標物體，黑色部分為背景。應該可以理解，在其他的黑白圖像中，也可能是黑色部分為目標物體，白色部分為背景色。

詳細地，在本實施例中，對於彩色圖像A和B，圖像轉換模組10首先利用一個轉換演算法將A和B分別轉換為灰度圖像A1和B1，然後將灰度圖像A1和B1進行二值化處理，分別轉換為黑白圖像A2和B2。灰度圖像係指每一個像素值的資訊由一個量化的灰度值來描述的圖像，灰度值通常為整數。例如，8位元的灰度圖像具有256級灰度，灰度值的取值範圍是0-255。也就是說，用0-255的整數來描述從黑到白的不同等級的灰度，0表示黑色，255表示白色。所述將彩色圖像轉換為灰度圖像的轉換演算法可以為：Gray=(R*0.3 + G*.059 + B*0.11)。

二值化處理係設定一個閾值，將灰度值大於或等於閾值的像素值取為1，而灰度值小於閾值的像素值取為0。灰度圖像的二值化可以根據圖像中目標物體的不同而有不同的二值化演算法。目前主要的二值化演算法有全局閾值方法、局部閾值方法和動態閾值方法。其中最簡單的是全局閾值方法，就是整個圖像採用單一閾值進行圖像二值化，比如將閾值設置為0-255的中間值127。

應該可以理解，若需要比較的圖像本來就是黑白圖像，則可以不需要該圖像轉換模組10。

所述骨幹提取模組11用於從黑白圖像A2或者B2中提取其目標物體的骨幹，得到骨幹圖像A3或者B3。在本實施例中，所述骨幹提取模組11對黑白圖像A2或者B2按行或者按列提取每一個點的像素值，對於任意一行（或列），若該行（或列）中存在多個連續的目標物體像素值，則以一個目標物體像素值表示該多個連續的目標物體像素值。例如，以該多個連續的目標物體像素值的中間一個像素值來表示該多個連續的目標物體像素值。也就是說，提取的目標物體骨幹的寬度為1。例如，假設黑白圖像中取值為1的像素值為目標物體像素值，假設該黑白圖像某一行的所有點的像素值為1,1,1,0,0,1,1,1,1,1,0,0,1，則提取圖像骨幹後該行的像素值為0,1,0,0,0,0,0,1,0,0,0,0,1。參閱圖5所示，係由圖4所示的黑白圖像得到的骨幹圖像的示意圖。

所述圖像覆蓋模組12用於將黑白圖像A2覆蓋在骨幹圖像B3上，生成覆蓋圖像B4，以得到骨幹圖像B3相對於黑白圖像A2多的部分,及將黑白圖像B2覆蓋在骨幹圖像A3上，生成覆蓋圖像A4，以得到黑白圖像B2相對於骨幹圖像A3少的部分。所述骨幹圖像B3相對於黑白圖像A2多的部分也即黑白圖像B2的目標物體比黑白圖像A2的目標物體多出的部分，以及黑白圖像B2相對於骨幹圖像A3少的部分也即黑白圖像B2的目標物體比黑白圖像A2的目標物體少的部分。該圖像覆蓋模組12的子功能模組圖請詳見圖2所示。

所述容錯處理模組13用於對覆蓋圖像A4及覆蓋圖像B4進行容錯處理。如前所述，對於某些圖像，如掃描圖像或者傳真圖像，其可能由於某種原因，如掃描器或者傳真機的品質問題，該圖像可能產生某些誤差，為了使圖像的比較結果更準確，該容錯處理模組13可以對某些容許的誤差進行校正。該容錯處理模組13的子功能模組圖請詳見圖3所示。

所述圖像顯示模組14用於顯示或輸出經過容錯處理的覆蓋圖像A4及或B4，以直觀地展示出對黑白圖像A2及黑白圖像B2的比較結果。

參閱圖2所示，係圖1中圖像覆蓋模組12的子功能模組圖。該圖像覆蓋模組12包括第一圖像獲取子模組120、第一像素值讀取子模組121、第一判斷子模組122、覆蓋子模組123、著色子模組124及圖像生成子模組125。

所述第一圖像獲取子模組120用於獲取需要進行圖像覆蓋的第一圖像及第二圖像。所述第一圖像及第二圖像均為黑白圖像，且其目標物體顏色為黑色，背景顏色為白色。本實施例中，該第一圖像為黑白圖像A2及第二圖像為骨幹圖像B3，或者該第一圖像為黑白圖像B2及第二圖像為骨幹圖像A3。

所述第一像素值讀取子模組121用於讀取第一圖像及第二圖像的每一行的每一個點的像素值。本實施例中，該像素值為0或者1，其中，0表示黑色，1表示白色。

所述第一判斷子模組122用於判斷第一圖像中第N行第n點的像素值與第二圖像中第N行第n點的像素值是否相同。當第一圖像與第二圖像第N行第n點的像素值不同時，該第一判斷子模組122還用於判斷第一圖像中的第N行第n點的像素值是否為0，即該點是否為黑色。進一步地，該第一判斷子模組122還用於判斷該第n點是否為第N行的最末點，以及該第N行是否為第一圖像及第二圖像的最末行。

所述覆蓋子模組123用於當第一圖像中第N行第n點的像素值與第二圖像中第N行第n點的像素值相同時，或者雖然第一圖像與第二圖像第N行第n點的像素值不同，但第一圖像中的該第N行第n點的像素值為0時，用該第一圖像中第N行第n點覆蓋該第二圖像中第N行第n點。

所述之著色子模組124用於當第一圖像與第二圖像第N行第n點的像素值不同，且第一圖像中的該第N行第n點的像素值不為0時，將第二圖像中的該第N行第n點著彩色，以便更清楚地展現該多出的點。

所述圖像生成子模組125用於生成用第一圖像覆蓋第二圖像之後生成的覆蓋圖像，如覆蓋圖像A4及覆蓋圖像B4。

參閱圖3所示，係圖1中容錯處理模組13的子功能模組圖。該容錯處理模組13包括一個設置子模組130、第二圖像獲取子模組131、比較子模組132、座標值讀取子模組133、第二像素值獲取子模組134、第二判斷子模組135、點獲取子模組136及點刪除子模組137。

所述設置子模組130用於定義一個比較矩陣，該比較矩陣中定義了在容錯處理過程中需要被選擇用來進行像素值比較的點。所述比較矩陣可以係一個X階矩陣，如圖6所示的3階矩陣。所述比較矩陣的中心處數值為1，表示與待容錯處理的點相對應的點。例如，當容錯處理模組13根據黑白圖像A2對黑白圖像B2進行容錯處理時，黑白圖像B2中第N行第n點為待容錯處理的點，而黑白圖像A2中第N行第n點為與待容錯處理的點相對應的點。所述比較矩陣中心處以外的其他位置的數值由0、1組成，其中1表示需與待容錯處理的點進行比較的點，0表示不需與待容錯處理的點進行比較的點。眾所週知，在二維平面圖像中，每一個點都有相鄰的八個點，即右上、上、左上、右、左、右下、下、左下八個點。在圖6所示的3階比較矩陣中，矩陣中心處的上、下、左、右取值為1，左上、右上、左下、右下取值為0，其表示某一個待容錯處理的點需要同與其對應的點的上、下、左、右四個相鄰點進行像素值比較。

此外，該設置子模組130還用於設置上述比較矩陣的矩陣座標。詳細地，該設置子模組130可以設置比較矩陣中心處的點的座標值為（x，y），則其右上、上、左上、右、左、右下、下、左下八個點的座標分別為（x-1，y-1）、（x，y-1）、（x+1，y-1）、（x-1，y）、（x+1，y）、（x-1，y+1）、（x，y+1）、（x+1，y+1）。該矩陣座標可以參見圖7所示。

所述第二圖像獲取子模組131用於獲取第三圖像及第四圖像。本實施例中，所述第三圖像為黑白圖像A2及所述第四圖像為覆蓋圖像B4，或者所述第三圖像為黑白圖像B2及所述第四圖像為覆蓋圖像A4。

所述比較子模組132用於比較獲取的第三圖像及第四圖像的高度與寬度，並在該第三圖像及第四圖像的高度及/或者寬度不一致時，以第三圖像為基準，對第四圖像進行拉伸/壓縮操作，以使該第三圖像及第四圖像的高度與寬度一致。

所述座標值讀取子模組133用於讀取該第三圖像及第四圖像的每一行的每一個點的座標值。

所述第二像素值獲取子模組134用於讀取該第三圖像及第四圖像的每一行的每個點的像素值。

所述第二判斷子模組135用於判斷該第三圖像及第四圖像的第N行的第n點的像素值是否相同。進一步地，該第二判斷子模組135還用於判斷該第n點是否為第N行的最末點，及該第N行是否為第三圖像及第四圖像的最末行。

所述點獲取子模組136用於當第三圖像及第四圖像的第N行的第n點的像素值不相同時，根據上述定義的比較矩陣及該比較矩陣的矩陣座標在第三圖像取出與該第三圖像中第N行第n點相鄰的Y個點。例如，已知該第三圖像中第N行第n點的座標值為（x，y），根據圖6所示的比較矩陣，該點獲取子模組136獲取座標值為（x，y-1），（x，y+1），（x-1，y），（x+1，y）的4個點。

所述點刪除子模組137用於判斷上述獲取的Y個點中是否至少有一個點的像素值與第三圖像中目標物體像素值相同。當獲取的Y個點中沒有一個點的像素值與第三圖像中目標物體像素值相同時，該點刪除子模組137還用於刪除第四圖像中的第N行第n點。

參閱圖8所示，係本發明圖像比較容錯處理方法較佳實施例的實施流程圖。

步驟S10，圖像轉換模組10將需要比較的彩色圖像A和B利用一個轉換演算法分別轉換為灰度圖像A1和B1。所述將彩色圖像轉換為灰度圖像的轉換演算法可以為：Gray=(R*0.3 + G*.059 + B*0.11)。

步驟S11，圖像轉換模組10將灰度圖像A1和B1進行二值化處理，使其分別轉換為黑白圖像A2和B2。所述二值化處理就是設定一個閾值，將灰度值大於或等於閾值的像素值，取值為1，而灰度值小於閾值的像素值取值為0。灰度圖像的二值化可以根據圖像中目標物體的不同而有不同的二值化演算法。目前主要的二值化演算法有全局閾值法、局部閾值法和動態閾值法。其中最簡單的是全局閾值法，就是整個圖像採用單一閾值進行圖像二值化，比如將閾值設置為0-255的中值127。

需要說明書的是，若需要比較的圖像本來就是黑白圖像，則可以不需要步驟S10及步驟S11。

步驟S12，骨幹提取模組11從黑白圖像B2中提取其目標物體骨幹，得到骨幹圖像B3。詳細地，所述骨幹提取模組11對黑白圖像B2按行或者按列提取每個點的像素值。對於任意一行（或列），若該行（或列）中存在多個連續的目標物體像素值，則以一個目標物體像素值表示該多個連續的目標物體像素值。例如，以該多個連續的目標物體像素值的中間一個像素值來表示該多個連續的目標物體像素值。也就是說，提取的目標物體骨幹的寬度為1。例如，假設黑白圖像中取值為1的像素值係目標物體像素值，假設該黑白圖像某一行所有點的像素值為1,1,1,0,0,1,1,1,1,1,0,0,1，則提取圖像骨幹後該行的像素值係0,1,0,0,0,0,0,1,0,0,0,0,1。

步驟S13，圖像覆蓋模組12將黑白圖像A2覆蓋在骨幹圖像B3上，生成覆蓋圖像B4，以得到骨幹圖像B3相對於黑白圖像A2多的部分。該步驟的詳細流程請參見圖9所示。

步驟S14，容錯處理模組13對覆蓋圖像B4進行容錯處理。該步驟的詳細流程請參見圖10所示。

步驟S15，骨幹提取模組11從黑白圖像A2中提取其目標物體的骨幹，得到骨幹圖像A3。提取骨幹圖像A3的方法可以參照步驟S12中提取骨幹圖像B3的方法。

步驟S16，圖像覆蓋模組12將黑白圖像B2覆蓋在骨幹圖像A3上，生成覆蓋圖像A4，以得到黑白圖像B2相對於骨幹圖像A3少的部分。該步驟的詳細流程請詳見圖9所示。

步驟S17，容錯處理模組13對覆蓋圖像A4進行容錯處理。該步驟的詳細流程請參見圖10所示。

步驟S18，圖像顯示模組14顯示或輸出經過容錯處理的覆蓋圖像A4及B4，以直觀地展示出對黑白圖像A2及B2的比較結果。

參閱圖9所示，係圖8中步驟S13及S16的詳細實施流程圖。

步驟S100，第一圖像獲取子模組120獲取需要進行圖像覆蓋的第一圖像及第二圖像。本實施例中，所述第一圖像及第二圖像均為黑白圖像，且其目標物體顏色為黑色，背景顏色為白色。其中，該第一圖像及第二圖像分別為黑白圖像A2及骨幹圖像B3，或者該第一圖像及第二圖像分別為黑白圖像B2及骨幹圖像A3。

步驟S101，第一像素值讀取子模組121讀取該第一圖像及第二圖像的第N行的所有點的像素值，此時N=1。本實施例中，因為所述第一圖像及第二圖像均為黑白圖像，因此該像素值為0或者1。其中，0表示黑色，1表示白色。

步驟S102，第一判斷子模組122判斷該第一圖像與第二圖像的第N行第n點的像素值是否相同，此時n=1。若像素值相同，則流程進入步驟S104。否則，若像素值不相同，則流程進入步驟S103。

在步驟S103中，該第一判斷子模組122進一步判斷第一圖像中的該第N行第n點的像素值是否為0，即該點是否為黑色。若該點像素值為0，則流程進入步驟S104。否則，若該點像素值不為0，則流程進入步驟S105。

在步驟S104中，覆蓋子模組123用該第一圖像中第N行第n點覆蓋該第二圖像中第N行第n點。

在步驟S105中，著色子模組124將第二圖像中的該第N行第n點著彩色，以便更清楚地展現該多出的點。

步驟S106，第一判斷子模組122判斷該第n點是否為該第N行的最末點。若不是最末點，則流程返回步驟S102，此時的n=n+1。若是最末點，則流程進入步驟S107。

步驟S107，第一判斷子模組122判斷該第N行是否為該第一圖像及第二圖像的最末行。若不是最末行，則流程返回步驟S101，此時的N=N+1。若是最末點，則流程進入步驟S108。

步驟S108，圖像生成子模組125生成用第一圖像覆蓋第二圖像之後生成的覆蓋圖像，即生成覆蓋圖像A4或覆蓋圖像B4。

參閱圖10所示，係圖8中步驟S14及S17的詳細實施流程圖。

步驟S200，設置子模組130定義一個比較矩陣並設置該比較矩陣的矩陣座標。所述比較矩陣可以係一個X階矩陣。

步驟S201，第二圖像獲取子模組131獲取第三圖像及第四圖像。本實施例中，所述第三圖像為黑白圖像A2及所述第四圖像為覆蓋圖像B4，或者所述第三圖像為黑白圖像B2及所述第四圖像為覆蓋圖像A4。

步驟S202，比較子模組132比較上述第三圖像及第四圖像的高度與寬度以判斷該第三圖像及第四圖像的高度及寬度是否一致。當高度及/或者寬度一致時，流程直接進入步驟S204。或者當高度及/或者寬度不一致時，流程進入步驟S203。

在步驟S203中，比較子模組132以第三圖像為基準，對第四圖像進行拉伸/壓縮操作，以使該第三圖像及第四圖像的高度與寬度一致。

在步驟S204中，座標值讀取子模組133讀取該第三圖像及第四圖像的第N行所有點的座標值，此時N=1。

步驟S205，第二像素值獲取子模組134讀取該第三圖像及第四圖像的該第N行所有點的像素值。

步驟S206，第二判斷子模組135判斷該第三圖像與第四圖像的第N行的第n點的像素值是否相同，此時n=1。若像素值相同，則流程進入步驟S211。否則，若像素值不相同，則進入步驟S207。

在步驟S207中，點獲取子模組136根據上述定義的比較矩陣及該比較矩陣的矩陣座標在第三圖像取出與該第三圖像中第N行第n點相鄰的Y個點。例如，已知該第三圖像中第N行第n點的座標值為（x，y），根據圖6所示的比較矩陣，該點獲取子模組136獲取座標值為（x，y-1），（x，y+1），（x-1，y），（x+1，y）的4個點。

步驟S208，點刪除子模組137判斷上述獲取的Y個點中是否至少有一個點的像素值與第三圖像中目標物體像素值相同。若該Y個點中至少有一個點的像素值與第三圖像中目標物體像素值相同，則流程進入步驟S209。否則，若該Y個點中沒有一個點的像素值與第三圖像中目標物體像素值相同，則流程進入步驟S210。

在步驟S209中，點刪除子模組137刪除第四圖像中的第N行第n點。

在步驟S210中，保留該第四圖像中的第N行第n點。

在步驟S211中，第二判斷子模組135判斷該第n點是否為第N行的最末點。若不是最末點，則流程返回步驟S206，此時n=n+1。若是最末點，則流程進入步驟S212。

在步驟S212中，第二判斷子模組135判斷該第N行是否為第三圖像及第四圖像的最末行。若不是最末行，則流程返回步驟S204，此時N=N+1。若是最末行，則流程結束。

以上所述僅為本發明之較佳實施例而已，且已達廣泛之使用功效，凡其他未脫離本發明所揭示之精神下所完成之均等變化或修飾，均應該包含在下述之申請專利範圍內。

1‧‧‧圖像比較容錯處理系統

10‧‧‧圖像轉換模組

11‧‧‧骨幹提取模組

12‧‧‧圖像覆蓋模組

120‧‧‧第一圖像獲取子模組

121‧‧‧第一像素值讀取子模組

122‧‧‧第一判斷子模組

123‧‧‧覆蓋子模組

124‧‧‧著色子模組

125‧‧‧圖像生成子模組

13‧‧‧容錯處理模組

130‧‧‧設置子模組

131‧‧‧第二圖像獲取子模組

132‧‧‧比較子模組

133‧‧‧座標值讀取子模組

134‧‧‧第二像素值讀取子模組

135‧‧‧第二判斷子模組

136‧‧‧點獲取子模組

137‧‧‧點刪除子模組

14‧‧‧圖像顯示模組

圖1係本發明圖像比較容錯處理系統較佳實施例的功能模組圖。

圖2係圖1中圖像覆蓋模組的子功能模組圖。

圖3係圖1中容錯處理模組的子功能模組圖。

圖4係黑白圖像的示意圖。

圖5係由圖4所示的黑白圖像得到的骨幹圖像的示意圖。

圖6演示了一個3階的比較矩陣。

圖7演示了圖6所示比較矩陣的矩陣座標。

圖8係本發明圖像比較容錯處理方法較佳實施例的實施流程圖。

圖9係圖8中步驟S13及S16的詳細實施流程圖。

圖10係圖8中步驟S14及S17的詳細實施流程圖。

1‧‧‧圖像比較容錯處理系統

10‧‧‧圖像轉換模組

11‧‧‧骨幹提取模組

12‧‧‧圖像覆蓋模組

13‧‧‧容錯處理模組

14‧‧‧圖像顯示模組

Claims (10)

1. 一種圖像比較容錯處理系統，運行於電腦中，用於比較圖像中目標物體的差異，並對該差異進行容錯處理，該系統包括：
   骨幹提取模組，用於提取黑白圖像A2中目標物體的骨幹，得到骨幹圖像A3，及提取黑白圖像B2中目標物體的骨幹，得到骨幹圖像B3；
   圖像覆蓋模組，用於將黑白圖像A2覆蓋在骨幹圖像B3上，生成覆蓋圖像B4，以得到黑白圖像B2相對於黑白圖像A2多出的部分，或者將黑白圖像B2覆蓋在骨幹圖像A3上，生成覆蓋圖像A4，以得到黑白圖像B2相對於黑白圖像A2少的部分；
   容錯處理模組，用於對覆蓋圖像B4或者A4進行容錯處理；及
   圖像顯示模組，用於顯示或輸出經過容錯處理的覆蓋圖像。
2. 如申請專利範圍第1項所述之圖像比較容錯處理系統，該系統還包括：
   圖像轉換模組，用於在需要比較的圖像不是黑白圖像時，將該需要對比的圖像轉換為黑白圖像。
3. 如申請專利範圍第1項所述之圖像比較容錯處理系統，其中，所述圖像覆蓋模組包括：
   第一圖像獲取子模組，用於獲取需要進行圖像覆蓋的第一圖像及第二圖像，其中所述第一圖像及第二圖像分別為黑白圖像A2及骨幹圖像B3，或者所述第一圖像及第二圖像分別為黑白圖像B2及骨幹圖像A3；
   第一像素值讀取子模組，用於讀取第一圖像及第二圖像的每一行的每個點的像素值；
   第一判斷子模組，用於判斷第一圖像中第N行第n點的像素值與第二圖像中第N行第n點的像素值是否相同，判斷該第n點是否為第N行的最末點，及該第N行是否為第三圖像及第四圖像的最末行；
   覆蓋子模組，用於當第一圖像中第N行第n點的像素值與第二圖像中第N行第n點的像素值相同時，或者雖然第一圖像中與第二圖像中第N行第n點的像素值不同，但第一圖像的第N行第n點的顏色為黑色時，用該第一圖像中第N行第n點覆蓋該第二圖像中第N行第n點；
   著色子模組，用於當第一圖像中與第二圖像第N行第n點的像素值不同，且第一圖像中的第N行第n點的顏色為白色時，將第二圖像中的第N行第n點著彩色；及
   圖像生成子模組，用於生成用第一圖像覆蓋第二圖像之後成的覆蓋圖像。
4. 如申請專利範圍第1項所述之圖像比較容錯處理系統，其中，所述容錯處理模組包括：
   設置子模組，用於定義一個比較矩陣及設置該比較矩陣的矩陣座標，其中所述比較矩陣中定義了在容錯處理過程中需要被選擇用來進行像素值比較的點；
   第二圖像獲取子模組，用於獲取第三圖像及第四圖像，其中所述第三圖像及第四圖像分別為黑白圖像A2及覆蓋圖像B4，或者所述第三圖像及第四圖像分別為黑白圖像B2及覆蓋圖像A4；
   比較子模組，用於在該第三圖像及第四圖像的高度及/或者寬度不一致時，以第三圖像為基準，對第四圖像進行拉伸/壓縮操作，以使該第三圖像及第四圖像的高度與寬度一致；
   座標值讀取子模組，用於讀取該第三圖像及第四圖像的每一行的每個點的座標值；
   第二像素值獲取子模組，用於讀取該第三圖像及第四圖像的每一行的每個點的像素值；
   第二判斷子模組，用於判斷該第三圖像及第四圖像的第N行的第n點的像素值是否相同，判斷該第n點是否為第N行的最末點，及該第N行是否為第三圖像及第四圖像的最末行；
   點獲取子模組，用於當第三圖像及第四圖像的第N行的第n點的像素值不相同時，根據上述定義的比較矩陣、該比較矩陣的矩陣座標在第三圖像取出與該第三圖像中第N行第n點相鄰的Y個點；及
   點刪除子模組，用於當上述獲取的Y個點中至少有一個點的像素值與第三圖像中目標物體的像素值相同時，刪除第四圖像中的第N行第n點。
5. 一種圖像比較容錯處理方法，用於比較兩張圖像中目標物體的差異，並對該差異進行容錯處理，該方法包括步驟：
   第一骨幹提取步驟：提取黑白圖像B2中目標物體的骨幹，得到骨幹圖像B3；
   第一圖像覆蓋步驟：將黑白圖像A2覆蓋在骨幹圖像B3上，生成覆蓋圖像B4，以得到骨幹圖像B3相對於黑白圖像A2多出的部分；
   第一容錯處理步驟：對覆蓋圖像B4進行容錯處理；
   第二骨幹提取步驟：提取黑白圖像A2中目標物體的骨幹，得到骨幹圖像A3；
   第二圖像覆蓋步驟：將黑白圖像B2覆蓋在骨幹圖像A3上，生成覆蓋圖像A4，以得到黑白圖像B2相對於黑白圖像A2少的部分；及
   第二容錯處理步驟：對覆蓋圖像A4進行容錯處理；及
   圖像輸出步驟：顯示或輸出經過容錯處理的覆蓋圖像A4及B4。
6. 如申請專利範圍第5項所述之圖像比較容錯處理方法，其中，若需要比較的圖像係彩色圖像時，該方法還包括：
   將需要比較的彩色圖像A和B利用一個轉換演算法分別轉換為灰度圖像A1和B1；
   設定一個閾值；及
   將灰度圖像A1和B1中灰度值大於或等於該閾值的像素值取值為1，及將灰度值小於該閾值的像素值取值為0，生成黑白圖像A2和B2。
7. 如申請專利範圍第6項所述之圖像比較容錯處理方法，其中，所述閾值為0~255之間的中值127。
8. 如申請專利範圍第5項所述之圖像比較容錯處理方法，其中，所述骨幹提取步驟包括：
   按行或者按列提取黑白圖像A2或者B2中每個點的像素值；及
   當每一行或列中存在多個連續的目標物體像素值時，以一個目標物體像素值表示該多個連續的目標物體像素值。
9. 如申請專利範圍第5項所述之圖像比較容錯處理方法，其中，所述第一圖像覆蓋步驟或者第二圖像覆蓋步驟包括：
   a）獲取需要進行圖像覆蓋的第一圖像及第二圖像，其中所述第一圖像及第二圖像分別為黑白圖像A2及骨幹圖像B3，或者所述第一圖像及第二圖像分別為黑白圖像B2及骨幹圖像A3；
   b）讀取第一圖像及第二圖像的第N行的每個點的像素值，此時N=1；
   c）判斷第一圖像中第N行第n點的像素值與第二圖像中第N行第n點的像素值是否相同，此時n=1；
   d）當第一圖像中第N行第n點的像素值與第二圖像中第N行第n點的像素值相同時，或者雖然第一圖像中與第二圖像中第N行第n點的像素值不同，但第一圖像的第N行第n點的顏色為黑色時，用該第一圖像中第N行第n點覆蓋該第二圖像中第N行第n點；
   e）當第一圖像中與第二圖像第N行第n點的像素值不同，且第一圖像中的第N行第n點的顏色為白色時，將第二圖像中的第N行第n點著彩色；
   f）判斷該第n點是否為該第N行的最末點，其中，若不是最末點，則返回步驟c），此時n=n+1，或者若該第n點是該第N行的最末點，則進步g）；
   g）判斷第N行是否為該第一圖像及第二圖像的最末行，其中，若不是最末行，則返回步驟b），此時N=N+1，或者若該第N行是最末行，則進步h）；及
   h）生成用第一圖像覆蓋第二圖像之後成的覆蓋圖像。
10. 如申請專利範圍第5項所述之圖像比較容錯處理方法，其中，所述第一容錯處理步驟或者第二容錯處理步驟包括：
    1）定義一個比較矩陣及設置該比較矩陣的矩陣座標，其中所述比較矩陣中定義了在容錯處理過程中需要被選擇用來進行像素值比較的點；
    2）獲取第三圖像及第四圖像，其中所述第三圖像及第四圖像分別為黑白圖像A2及覆蓋圖像B4，或者所述第三圖像及第四圖像分別為黑白圖像B2及覆蓋圖像A4；
    3）在該第三圖像及第四圖像的高度及/或者寬度不一致時，以第三圖像為基準，對第四圖像進行拉伸/壓縮操作，以使該第三圖像及第四圖像的高度與寬度一致；
    4）讀取該第三圖像及第四圖像的第N行的每個點的座標值，此時N=1；
    5）讀取該第三圖像及第四圖像的該第N行的每個點的像素值；
    6）判斷該第三圖像及第四圖像的第N行的第n點的像素值是否相同，此時n=1；
    7）當第三圖像及第四圖像的第N行的第n點的像素值不相同時，根據上述定義的比較矩陣、該比較矩陣的矩陣座標在第三圖像取出與該第三圖像中第N行第n點相鄰的Y個點；
    8）當上述獲取的Y個點中至少有一個點的像素值與第三圖像中目標物體像素值相同時，刪除第四圖像中的第N行第n點，或者當上述獲取的Y個點中沒有一個點的像素值與第三圖像中目標物體像素值相同時，保留第四圖像中的第N行第n點；
    9）判斷該第n點是否為第N行的最末點，其中，若該第n點不是第N行的最末點，則返回步驟6），此時n=n+1，或者若該第n點是第N行的最末點，則進入步驟10）；及
    10）判斷該第N行是否為第三圖像及第四圖像的最末行，若不是最末行，則返回步驟4），此時N=N+1。