TWI459821B - Identification device of image feature pixel and its identification method - Google Patents

Identification device of image feature pixel and its identification method Download PDF

Info

Publication number
TWI459821B
TWI459821B TW096151604A TW96151604A TWI459821B TW I459821 B TWI459821 B TW I459821B TW 096151604 A TW096151604 A TW 096151604A TW 96151604 A TW96151604 A TW 96151604A TW I459821 B TWI459821 B TW I459821B
Authority
TW
Taiwan
Prior art keywords
pixel
image
filter
value
pixels
Prior art date
Application number
TW096151604A
Other languages
English (en)
Other versions
TW200930107A (en
Inventor
Chung Fang Chien
Yu Chen Huang
Che Hung Lin
Original Assignee
Altek Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Altek Corp filed Critical Altek Corp
Priority to TW096151604A priority Critical patent/TWI459821B/zh
Priority to US12/193,827 priority patent/US8180170B2/en
Publication of TW200930107A publication Critical patent/TW200930107A/zh
Application granted granted Critical
Publication of TWI459821B publication Critical patent/TWI459821B/zh

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/73Deblurring; Sharpening
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/20Image enhancement or restoration using local operators
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/30Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/10Image acquisition
    • G06V10/16Image acquisition using multiple overlapping images; Image stitching

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Description

影像特徵像素點的辨識裝置及其辨識方法
本發明係關於一種影像處理技術,特別是一種影像特徵像素點的辨識裝置及其辨識方法。
虛擬實境是一個非常方便的視覺傳達工具。虛擬實境在於建立一個新的使用者介面,讓使用者可置身於電腦模擬環境的空間中,且能任意移動,讓使用者有身歷其境的感受。
一般而言,虛擬實境場景的製作方式分為兩種,一種是利用3D(three-dimensional)物件來建構,適合虛幻的場景,另一種為環場影像,適合介紹真實的場景。其中環場影像指得是360度環場實境(panorama)。簡單的說,就是利用人類肉眼可見的影像,在經過影像數位化處理後,可以呈現360度的完整視覺效果。
舉例來說,以一中心點向四周圍以固定旋轉角度拍攝多張影像後,再利用影像接合技術依序將一張張影像連接起來,並使相連二張影像的相同畫面無縫連接,即可完成顯示全景的環場影像。
傳統上,係利用於每張影像所找到的特徵像素點作為影像與影像間的接合參考,然後再淡化影像間的接合邊界,進 而得到無接縫的環場影像。
不論是在物件辨識上或是環場影像接合上,為了獲得較好的效果,常利用多個差異高斯模糊(Difference of Gaussian)運算來找出影像中的極值,並已相對應極大值或極小值的像素點作為影像上具有代表性意義的特徵像素點。
然而,對於高解析度(例如:百萬畫素以上)的影像來說,利用多個差異高斯模糊(Difference of Gaussian)運算來進行影像處理,常會導致運算過程過於複雜且耗時。尤其是,對於嵌入式系統而言,要直接進行高解析度影像的差異高斯模糊(Difference of Gaussian)運算則相當困難。
鑒於以上的問題,本發明的主要目的在於提供一種影像特徵像素點的辨識裝置及其辨識方法,藉以解決先前技術所存在整張影像進行處理的耗時問題。
本發明所揭露之影像特徵像素點的辨識方法,包括:接收具有複數個像素點的一影像;利用基於像素點的像素值邊緣偵測每一像素點的篩選方法接續執行至少一次像素點的篩選以得到複數個候選像素點;以及將候選像素點進行差異高斯模糊運算以找出具有極值的候選像素點作為複數個特徵像素點。
其中一種篩選方法可包括:縮小影像;依序計算縮小後的影像上相關於每一像素點的複數個梯度值;取得相關於每一像素點的梯度值中的最大梯度值;將每一最大梯度值與一門檻 值比對,以得到大於門檻值的最大梯度值所對應的像素點;當次篩選係為最後一次時,將得到的像素點作為候選像素點;以及當次篩選非最後一次時,將得到的像素點提供給下一次篩選。此外,於每一最大梯度值與門檻值比對之後,可先進行找出的像素點中相鄰的像素點的排斥判斷以保留相鄰的像素點中之一。
另一種篩選方法可包括:以每一像素點為一中心點建立一視窗區塊;計算視窗區塊中像素值的均值;依據均值比對對應的中心點的像素值以得到可做為候選像素點的像素點;當次篩選係為最後一次時,將得到的像素點作為候選像素點;以及當次篩選非最後一次時,以得到的像素點進行下一次的篩選。此外,於依據均值比對之後,可先進行像素點中相鄰的像素點的排斥判斷以保留相鄰的像素點中之一,以得到不相鄰的像素點。
再者,於進行像素點的篩選之前,先選擇影像的一色彩通道,而後才由相應色彩通道的像素點進行後續像素點的篩選。
本發明所揭露之影像特徵像素點的辨識裝置,包括:影像接收端、依序串聯的至少一過濾器以及特徵描述器。
影像接收端接收具有複數個像素點的影像。過濾器會接續進行影像的像素點的篩選。於此,每一基於像素點的像素值邊緣偵測每一像素點來篩選像素點。並且由最下游的過濾器依照其篩選結果定義出此影像的候選像素點。特徵描述器基於最下游的過濾器所輸出的候選像素點進行多個差異高斯模糊運算以找 出具有極值的候選像素點作為複數個特徵像素點。
於此,每一個過濾器可根據鄰近像素點的像素值比對每一像素點的像素值以執行一次像素點的篩選。於像素值可為亮度值,或是彩度值。過濾器可選自梯度過濾器或均值過濾器,甚至是其他邊緣偵測過濾器。換言之,過濾器中可有至少一梯度過濾器。再者,過濾器中亦可有至少一梯度過濾器。
其中,影像接收端可為一接收端點,或是設置有通道選擇器。通道選擇器選擇接收到的影像的色彩通道以輸出相應色彩通道的影像,而後才由相應色彩通道的影像中的像素點進行後續像素點的篩選。
綜上所述,根據本發明的影像特徵像素點的辨識裝置及其辨識方法能減少特徵像素點的辨識時間,進而加快影像的處理時間。用於高解析度(例如:百萬畫素以上)的影像處理上,更能有效的提升系統效率。並且,相較來說,透過像素點的篩選和/或色彩通道的選擇更有機會將影像中的雜訊排除,進而可減少誤判率。
210‧‧‧影像接收端
220‧‧‧通道選擇器
230‧‧‧過濾器
230a‧‧‧過濾器
230b‧‧‧過濾器
231‧‧‧影像輸入端
232‧‧‧縮放單元
233‧‧‧偵測單元
234‧‧‧判斷單元
235‧‧‧互斥單元
236‧‧‧影像輸出端
241‧‧‧影像輸入端
242‧‧‧視窗建立單元
243‧‧‧均值計算單元
244‧‧‧判斷單元
245‧‧‧互斥單元
246‧‧‧影像輸出端
250‧‧‧特徵描述器
P(-1,-1)‧‧‧像素點
P(0,-1)‧‧‧像素點
P(1,-1)‧‧‧像素點
P(-1,0)‧‧‧像素點
P(0,0)‧‧‧像素點
P(1,0)‧‧‧像素點
P(-1,1)‧‧‧像素點
P(0,1)‧‧‧像素點
P(1,1)‧‧‧像素點
Grad1‧‧‧梯度值
Grad2‧‧‧梯度值
Grad3‧‧‧梯度值
Grad4‧‧‧梯度值
Grad5‧‧‧梯度值
Grad6‧‧‧梯度值
Grad7‧‧‧梯度值
Grad8‧‧‧梯度值
Grad9‧‧‧梯度值
Grad10‧‧‧梯度值
Grad11‧‧‧梯度值
Grad12‧‧‧梯度值
Grad13‧‧‧梯度值
Grad14‧‧‧梯度值
Grad15‧‧‧梯度值
Grad16‧‧‧梯度值
P00‧‧‧像素點
P01‧‧‧像素點
P02‧‧‧像素點
P03‧‧‧像素點
P04‧‧‧像素點
P10‧‧‧像素點
P11‧‧‧像素點
P12‧‧‧像素點
P13‧‧‧像素點
P14‧‧‧像素點
P20‧‧‧像素點
P21‧‧‧像素點
P22‧‧‧像素點
P23‧‧‧像素點
P24‧‧‧像素點
P30‧‧‧像素點
P31‧‧‧像素點
P32‧‧‧像素點
P33‧‧‧像素點
P34‧‧‧像素點
P40‧‧‧像素點
P41‧‧‧像素點
P42‧‧‧像素點
P43‧‧‧像素點
P44‧‧‧像素點
第1圖係為根據本發明一實施例之影像特徵像素點的辨識方法的流程圖;第2圖係為根據本發明一實施例之影像特徵像素點的辨識裝置的概要方塊圖;第3圖係為根據本發明另一實施例之影像特徵像素點的辨識 方法的流程圖;第4圖係為根據本發明另一實施例之影像特徵像素點的辨識裝置的概要方塊圖;第5圖係為根據本發明又另一實施例之影像特徵像素點的辨識方法的流程圖;第6圖係為於根據本發明之影像特徵像素點的辨識裝置中,一實施例之過濾器的概要方塊圖;第7圖係為於根據本發明之影像特徵像素點的辨識方法中,一實施例之像素點篩選方法的流程圖;第8圖係為於根據本發明之影像特徵像素點的辨識裝置中,另一實施例之過濾器的概要方塊圖;第9圖係為於根據本發明之影像特徵像素點的辨識方法中,另一實施例之像素點篩選方法的流程圖;第10圖係為於根據本發明之影像特徵像素點的辨識裝置及其辨識方法中,有關計算一像素點的梯度值之一實施例的示意圖;以及第11圖係為於根據本發明之影像特徵像素點的辨識裝置及其辨識方法中,有關以一像素點為中心點建立視窗區塊之一實施例的示意圖。
「第1圖」,係顯示根據本發明一實施例之影像特徵像素點的辨識方法;以及「第2圖」,係顯示根據本發明一實施例之影像特徵像素點的辨識裝置。
參照「第2圖」,於此實施例中,影像特徵像素點的 辨識裝置包括:影像接收端210、至少一過濾器和特徵描述器250。為了方便說明,於下述的實施例中,都以2個過濾器230a、230b(以下通稱為過濾器230)為例,但可配合實際需求(例如:成本考量、系統能力考量和/或處理效果考量等,但不侷限於此)設置單一個過濾器,或是設置多於2個過濾器。
過濾器230會依序串聯,並且於此些過濾器230中最上游的過濾器230a電性連接影像接收端210。特徵描述器250電性連接影像接收端210和過濾器230中最下游的過濾器230b。
參照「第1圖」,影像接收端210用以接收一影像(步驟110)。其中影像具有複數個像素點。
每一過濾器230接續前一元件的輸出結果,利用基於像素點的像素值邊緣偵測每一像素點的篩選方法來篩選像素點以得到複數個候選像素點(步驟130)。換句話說,過濾器230a會篩選來自影像接收端210的影像中每個像素點,而過濾器230b則只篩選過濾器230a篩選後所保留的像素點。
特徵描述器250基於最下游的過濾器230所輸出的候選像素點進行差異高斯模糊運算以找出具有極值的候選像素點作為複數個特徵像素點。(步驟150)
於是,即可將得到特徵像素點運用到後續影像應用,例如:物件辨識或環場影像接合。以環場影像接合來說,參照「第3圖」,於得到特徵像素點後,將具有相同特徵像素點的不同影像依據特徵像素點相互接合(步驟170),然後淡化不同影像 之間的接合邊界(步驟190),藉以得到無接縫的環場影像。
其中,影像接收端210可為一接收端點,或是設置有通道選擇器220,如「第4圖」所示。參照「第4圖」,通道選擇器220電性連接過濾器230中最上游的過濾器230a和特徵描述器250。再一併參照「第5圖」,通道選擇器220選擇接收到的影像的色彩通道以輸出相應色彩通道的影像(步驟120),而後才由相應色彩通道的影像中的像素點進行後續像素點的篩選。
於此,每一個過濾器可根據鄰近像素點的像素值比對每一像素點的像素值以執行一次像素點的篩選。於像素值可為亮度值,或是彩度值。
舉例來說,當過濾器為最上游之過濾器(如前述過濾器230a)時,過濾器接收來自影像接收端的影像,並逐一將每一像素點的像素值和與其相鄰的像素點的像素值相比較,以篩選出相較於相鄰的像素點,其像素值有強烈變化者,並且將篩選出的像素值有強烈變化的像素點定義後輸出。而後的過濾器則接收前一個過濾器的輸出,並且逐一將前一個過濾器所定義的每一像素點的像素值和與其相鄰的像素點的像素值相比較,以篩選出相較於相鄰的像素點,其像素值有強烈變化者,然後重新定義篩選出的像素值有強烈變化的像素點以輸出給下一個過濾器。當過濾器為最下游之過濾器(如前述過濾器230b)時,過濾器接收前一個過濾器(如前述與過濾器230b連接之過濾器230a)的輸出,並且逐一將前一個過濾器所定義的每一像素點的像素值和與其相鄰 的像素點的像素值相比較,以篩選出相較於相鄰的像素點,其像素值有強烈變化者,然後將篩選出的像素值有強烈變化的像素點定義候選像素點為以輸出給下一個元件(如前述與過濾器230b連接之特徵描述器250)。
於此,過濾器可選自梯度過濾器或均值過濾器,甚至是其他邊緣偵測過濾器。換言之,過濾器中可有至少一梯度過濾器。再者,過濾器中亦可有至少一梯度過濾器。
參照「第6圖」,每一梯度過濾器包括:影像輸入端231、縮放單元232、偵測單元233、判斷單元234和影像輸出端236。
縮放單元232電性連接影像輸入端231、偵測單元233電性連接縮放單元232、判斷單元234電性連接偵測單元233,並且影像輸出端236電性連接判斷單元234。
請一併參照「第7圖」,影像輸入端231接收來自上游的影像(步驟131)。當此梯度過濾器係為串聯之過濾器中最上游的過濾器時,影像輸入端231則接收影像接收端(例如:接收端點或通道選擇器)輸出的影像。當此梯度過濾器不為串聯之過濾器中最上游的過濾器時,影像輸入端231則接收前一個過濾器輸出的影像,即接收前一個過濾器所執行的前一次篩選結果。
縮放單元232縮小影像輸入端所接收到的影像(步驟132)。於此,縮放單元232可將影像等比例縮小二分之一、四分之一或八分之一,即影像的寬和高同比例縮小。
偵測單元233依序計算縮小後的影像上相關於每一像素點的複數個梯度值(步驟133),以得到相關於每一像素點的梯度值中的最大梯度值並且將其輸出(步驟134)。
判斷單元234將每一最大梯度值與一門檻值比對,以得到大於門檻值的最大梯度值所對應的像素點並且定義此些像素點(步驟135)。
影像輸出端236輸出具有判斷單元所定義的像素點的影像。當梯度過濾器係執行最後一次篩選(即梯度過濾器係為串聯之過濾器中最下游的過濾器)(步驟137)時,判斷單元234會將所得到大於門檻值的最大梯度值所對應的像素點定義為候選像素點,即將得到的像素點作為候選像素點(步驟138),以提供給特徵描述器。當梯度過濾器不是執行最後一次篩選(即梯度過濾器不為串聯之過濾器中最下游的過濾器)(步驟137)時,影像輸出端236將具有判斷單元234所定義的像素點的影像提供給下一個過濾器,以由下一個過濾器基於此梯度過濾器所定義的像素點進行下一次的篩選(步驟139)。
於此,當來自上游的影像中具有已定義的像素點時,偵測單元233係針對已定義的像素點進行梯度值的計算,且判斷單元234會於比對後重新定義像素點。
其中,判斷單元234找出大於門檻值的最大梯度值所對應的像素點(步驟135)。然後,先經由電性連接判斷單元234的互斥單元235將判斷單元234所找到(定義)的像素點中相鄰的 像素點進行排斥判斷,然後僅保留相鄰的像素點中之一,即不相鄰的像素點(步驟136),然後再由影像輸出端236輸出(步驟138或步驟139)。
參照「第8圖」,每一均值過濾器包括:影像輸入端241、視窗建立單元242、均值計算單元243、判斷單元244和影像輸出端246。
視窗建立單元242電性連接影像輸入端241、均值計算單元243電性連接視窗建立單元242、判斷單元244電性連接均值計算單元243,並且影像輸出端246電性連接判斷單元244。
請一併參照「第9圖」,影像輸入端241接收來自上游的影像(步驟141)。當此均值過濾器係為串聯之過濾器中最上游的過濾器時,影像輸入端241則接收影像接收端(例如:接收端點或通道選擇器)輸出的影像。當此均值過濾器不為串聯之過濾器中最上游的過濾器時,影像輸入端241則接收前一個過濾器輸出的影像,即接收前一個過濾器所執行的前一次篩選結果。
視窗建立單元242以影像輸入端241所接收到的影像中每一像素點為中心點建立一視窗區塊(步驟142)。
均值計算單元243計算於視窗區塊中像素值的均值(步驟143)。
判斷單元244依據均值比對對應的中心點的像素值(步驟144)以得到可做為候選像素點的像素點(步驟145)。於此,判斷單元244可找出像素值與所對應的均值存在有一差距的像素 點並定義所找出的像素點。
影像輸出端246輸出具有判斷單元244所定義的像素點的影像(步驟145)。當此均值過濾器係執行最後一次篩選(即均值過濾器係為串聯之過濾器中最下游的過濾器)(步驟147)時,判斷單元244將所得到像素值與所對應的均值存在有一特定差距的像素點定義為候選像素點,即將得到的像素點作為候選像素點(步驟148),以提供給特徵描述器。當均值過濾器不是執行最後一次篩選(即均值過濾器不為串聯之過濾器中最下游的過濾器)(步驟147)時,影像輸出端246將具有判斷單元244所定義的像素點的影像提供給下一個過濾器,以由下一個過濾器基於此均值過濾器所定義的像素點進行下一次的篩選(步驟149)。
於此,當來自上游的影像中具有已定義的像素點時,視窗建立單元242係針對已定義的像素點進行視窗區塊的建立,且判斷單元244依照找出的像素點重新定義影像的像素點。
其中,於判斷單元244找出像素值與所對應的均值存在有一差距的像素點(步驟145)之後,會先經由電性連接判斷單元244的互斥單元245將判斷單元244所取得的像素點中相鄰的像素點進行排斥判斷,然後僅保留相鄰的像素點中之一,即不相鄰的像素點(步驟146),然後再由影像輸出端246輸出(步驟148或步驟149)。
舉例來說,假設採用通道選擇器和兩道過濾器,請參照「第4圖」,其中過濾器230a使用梯度過濾器,而過濾器230b 使用均值過濾器。通道選擇器係對影像進行Gr(補償後偏紅色的綠色)通道選擇,於此僅為本範例之說明,本發明不侷限於此,實際上一亦可選擇紅色(R)通道、藍色(B)通道或Gb(偏藍色的綠色)b通道。
過濾器230a先將影像的寬和高各縮小四分之一,然後針對每一個屬於Gr的像素點進行梯度值的運算。參照「第10圖」所示,以像素點P(0,0)來說,將像素點P(0,0)的亮度值與其周遭的像素點P(-1,-1)、P(0,-1)、P(1,-1)、P(-1,0)、P(1,0)、P(-1,1)、P(0,1)、P(1,1)的亮度值兩兩相減並取絕對值,以得到梯度值Grad1-Grad16,然後從中取得最大梯度值。再將最大梯度值與事先設定好的門檻值進行比較,來確認相應最大梯度值的像素點所對應的真實影像區域的點是否為值得執行後續高斯模糊運算,即就真實影像而言其是否為特徵點。最後再將確認值得執行後續高斯模糊運算的像素點(即相應最大梯度值大於門檻值的像素點)定義出來,並處理後的影像輸出給下一個元件,於此範例中即過濾器230b。
於此,過濾器230a可基於下列運算式(如公式1和公式2)來得到區域內的最大梯度值(MaxGrad)。
MaxGrad=Max{Gradi},i є[1~16]…………………公式1
Gradi=| Pia-Pib |…………………………………公式2
其公式中,Pia和Pib係指相鄰的兩像素點的像素值。例如:Grad1=| P(0,-1)-P(0,0)|,其中P(0,-1)和P(0,0)分別表示像素點P(0,-1) 和像素點P(0,0)的像素值。
於此,梯度門檻值(Th)可依據影像的總體亮度特性而動態調整。舉例來說,基於下列運算式(如公式3)來找到梯度門檻值(Th)。
先設定一個初始的梯度門檻值(Th check ),利用這個梯度門檻值(Th check )將基礎測試用的數組影像對找出特徵點,再將特徵點應用在各個影像對的配對上,如果每一組配對結果(MatchingSet i )的最大誤差值(MatchingSet i _MaxError with Filter)和不加過濾器時的最大誤差值(MatchingSet i _MaxError w/o Filter)的比值均比一個預先設定的誤差門檻值(Th error )小,則認定此梯度門檻值為一可接受之梯度門檻值。增加梯度門檻值再進行一次以上的認定動作,直到找出最大可接受的梯度門檻值(Th STD )。將Th STD 找出之後,可以再利用以下運算式(如公式4和公式5)廣泛地運用不同的影像組上。
Th=k×Th STD ……………………………………………公式4
k=f(Global_Means)……………………………………公式5
其中,f(Global_Means)係指整體影像的像素值的平均值。透過公式5可以依據影像的整體亮度產生不同的k值,藉由k值來動態地來調整梯度門檻值。
過濾器230b再基於過濾器230a的處理結果繼續篩選影像中的像素點。於此,過濾器230b會形成一遮罩(mask), 此遮罩則為真實影像下的視窗區塊,如「第11圖」的以像素點P22為中心點所形成的5×5視窗區塊。
過濾器230b利用下列公式7計算出以中心點(P22)所建立起的視窗區域內的像素值的均值(Mean),然後再利用下列公式8或公式9判斷此中心點(P22)的像素值和均值(Mean)是否具有一特定差距(差距範圍則由α定義,α可由以下運算式,即公式6,所得)。
先設定一個初始的均值門檻值(α check ),利用這個均值門檻值(α check )將基礎測試用的數組影像對找出特徵點,再將特徵點應用在各個影像對的配對上,如果每一組配對結果(MatchingSet i )的最大誤差值(MatchingSet i _MaxError with Filter)和不加過濾器時的最大誤差值(MatchingSet i _MaxError w/o Filter)的比值均比一個預先設定的誤差門檻值(α error )小時,認定此均值門檻值為一可接受之均值門檻值。增加均值門檻值再進行一次以上的認定動作,直到找出最大可接受的均值門檻值(α)。
Mean=(P00+P02+P04+P20+P24+P40+P42+P44)÷8……公式7
P22>Mean+α×P22……………………………………………公式8
P22<Mean-α×P22……………………………………………公式9
於公式中,P00、P02、P04、P20、P22、P24、P40、P42和P44係表示該像素點的像素值。
於此範例中,雖顯示均值(Mean)係為視窗區域內 中心點以外的部分像素點的平均值,但本發明不侷限於此。實際上,亦可為視窗區域內所有像素點的平均值。此均值的計算方式可依據實際所需過濾器的處理效果來決定。
過濾器230b基於過濾器230a處理後的影像進行上述處理後,會於過濾器230a所定義出的像素點中重新定義出其中像素值與對應均值存在有一特定差距的像素點,以做為候選像素點輸出給特徵描述器。
特徵描述器在基於此些候選像素點進行差異高斯模糊運算,以找出其中具有極值的候選像素點作為特徵像素點。
於此,以習知架構和根據本發明之影像特徵像素點的辨識裝置的兩種測試架構(以下分別稱為第一測試架構和第二測試架構)同樣對八張影像進行運算。其中,習知架構係為單純只以尺寸不變性特徵轉換(scale-invariant features transform;SIFT)技術進行影像的特徵擷取並做配對運算。第一測試架構係先經由梯度過濾器處理影像後,再將處理後之影像以SIFT技術進行特徵擷取並做配對運算。第二測試架構則係先經由梯度過濾器處理影像後,接著由均值過濾器處理梯度過濾器處理後的影像,而後才將均值過濾器處理後的影像以SIFT技術進行特徵擷取並做配對運算。以平均每張影像的處理時間來看,習知架構要1.45秒,而第一測試架構只需要0.35秒,並且第二測試架構則只需要0.26秒。以平均每張影像的誤判的像素點的數量來看,習知架構為1.02個像素點,第一測試架構為1.12個像素點,而第二測試架構則為1.09 個像素點。以八張影像中誤判的像素點的最大數量來看,習知架構為2.76個像素點,第一測試架構為2.96個像素點,而第二測試架構則為2.90個像素點。結果顯示,根據本發明的影像特徵像素點的辨識裝置及其辨識方法明顯地加快影像處理的時間。
綜上所述,根據本發明的影像特徵像素點的辨識裝置及其辨識方法能減少特徵像素點的辨識時間,進而加快影像的處理時間。用於高解析度(例如:百萬畫素以上)的影像處理上,更能有效的提升系統效率。
雖然本發明以前述之較佳實施例揭露如上,然其並非用以限定本發明,任何熟習相像技藝者,在不脫離本發明之精神和範圍內,當可作些許之更動與潤飾,因此本發明之專利保護範圍須視本說明書所附之申請專利範圍所界定者為準。

Claims (15)

  1. 一種影像特徵像素點的辨識方法,其係應用於環場影像的接合處理中,該辨識方法包括:接收一影像,該影像具有複數個像素點;利用基於該像素點的像素值邊緣偵測每一該像素點的篩選方法接續執行至少一次該像素點的篩選以得到複數個候選像素點,其中基於該像素點的像素值邊緣偵測每一該像素點的篩選方法為逐一將每一該像素點的像素值與其相鄰的該像素點的像素值相比較;將該候選像素點進行差異高斯模糊運算以找出具有極值的該候選像素點作為複數個特徵像素點;將具有相同該特徵像素點的不同該影像依據該特徵像素點相互接合;以及淡化不同該影像之間的接合邊界,其中在該接續執行至少一次該像素點的篩選之步驟中的至少一次篩選方式係透過根據鄰近該像素點的亮度值比對每一該像素點的亮度值來篩選該像素點。
  2. 一種影像特徵像素點的辨識方法,其係應用於環場影像的接合處理中,該辨識方法包括:接收一影像,該影像具有複數個像素點;利用基於該像素點的像素值邊緣偵測每一該像素點的篩選方法接續執行至少一次該像素點的篩選以得到複數個候選像素點,其中基於該像素點的像素值邊緣偵測每一該像素點的篩選方法為逐一將每一該像素點的像素值與其相鄰的該像素點的像素值相比較;將該候選像素點進行差異高斯模糊運算以找出具有極值的該候選像素點作為複數個特徵像素點; 將具有相同該特徵像素點的不同該影像依據該特徵像素點相互接合;以及淡化不同該影像之間的接合邊界,其中在該接續執行至少一次該像素點的篩選之步驟中的至少一次篩選方式係透過根據鄰近該像素點的彩度值比對每一該像素點的彩度值來篩選該像素點。
  3. 一種影像特徵像素點的辨識方法,其係應用於環場影像的接合處理中,該辨識方法包括:接收一影像,該影像具有複數個像素點;利用基於該像素點的像素值邊緣偵測每一該像素點的篩選方法接續執行至少一次該像素點的篩選以得到複數個候選像素點,其中基於該像素點的像素值邊緣偵測每一該像素點的篩選方法為逐一將每一該像素點的像素值與其相鄰的該像素點的像素值相比較;將該候選像素點進行差異高斯模糊運算以找出具有極值的該候選像素點作為複數個特徵像素點;將具有相同該特徵像素點的不同該影像依據該特徵像素點相互接合;以及淡化不同該影像之間的接合邊界,其中該接續執行至少一次該像素點的篩選之步驟,包括:以該影像的該像素點執行該像素點的第一次篩選;以前一次篩選得的該像素點執行該像素點的再次篩選;以及將最後一次篩選得的該像素點作為該候選像素點。
  4. 一種影像特徵像素點的辨識方法,其係應用於環場影像的接合處理中,該辨識方法包括:接收一影像,該影像具有複數個像素點; 利用基於該像素點的像素值邊緣偵測每一該像素點的篩選方法接續執行至少一次該像素點的篩選以得到複數個候選像素點,其中基於該像素點的像素值邊緣偵測每一該像素點的篩選方法為逐一將每一該像素點的像素值與其相鄰的該像素點的像素值相比較;將該候選像素點進行差異高斯模糊運算以找出具有極值的該候選像素點作為複數個特徵像素點;將具有相同該特徵像素點的不同該影像依據該特徵像素點相互接合;以及淡化不同該影像之間的接合邊界,其中在該接續執行至少一次該像素點的篩選之步驟中的至少一次的篩選方法,包括:縮小該影像;依序計算縮小後的該影像上相關於每一該像素點的複數個梯度值;取得相關於每一該像素點的該梯度值中的最大梯度值;將每一該最大梯度值與一門檻值比對,以得到大於該門檻值的該最大梯度值所對應的該像素點;當該次篩選係為最後一次時,將得到的該像素點作為該候選像素點;以及當該次篩選非最後一次時,將得到的該像素點提供給下一次篩選。
  5. 如申請專利範圍第4項所述之影像特徵像素點的辨識方法,其中在該接續執行至少一次該像素點的篩選之步驟中的至少一次的篩選方法,更包括:於每一該最大梯度值與該門檻值比對之後,進行找出的該 像素點中相鄰的該像素點的排斥判斷以保留相鄰的該像素點中之一,以得到不相鄰的該像素點。
  6. 一種影像特徵像素點的辨識方法,其係應用於環場影像的接合處理中,該辨識方法包括:接收一影像,該影像具有複數個像素點;利用基於該像素點的像素值邊緣偵測每一該像素點的篩選方法接續執行至少一次該像素點的篩選以得到複數個候選像素點,其中基於該像素點的像素值邊緣偵測每一該像素點的篩選方法為逐一將每一該像素點的像素值與其相鄰的該像素點的像素值相比較;將該候選像素點進行差異高斯模糊運算以找出具有極值的該候選像素點作為複數個特徵像素點;將具有相同該特徵像素點的不同該影像依據該特徵像素點相互接合;以及淡化不同該影像之間的接合邊界,其中在該接續執行至少一次該像素點的篩選之步驟中的至少一次的篩選方法,包括:以每一該像素點為一中心點建立一視窗區塊;計算該視窗區塊中該像素值的均值;依據該均值比對對應的該中心點的該像素值以得到可做為該候選像素點的該像素點;當該次篩選係為最後一次時,將得到的該像素點作為該候選像素點;以及當該次篩選非最後一次時,以得到的該像素點進行下一次的篩選。
  7. 如申請專利範圍第6項所述之影像特徵像素點的辨識方法,其中在該接續執行至少一次該像素點的篩選之步驟中的至少一 次的篩選方法,更包括:於依據該均值比對之後,進行該像素點中相鄰的該像素點的排斥判斷以保留相鄰的該像素點中之一,以得到不相鄰的該像素點。
  8. 一種影像特徵像素點的辨識方法,其係應用於環場影像的接合處理中,該辨識方法包括:接收一影像,該影像具有複數個像素點;利用基於該像素點的像素值邊緣偵測每一該像素點的篩選方法接續執行至少一次該像素點的篩選以得到複數個候選像素點,其中基於該像素點的像素值邊緣偵測每一該像素點的篩選方法為逐一將每一該像素點的像素值與其相鄰的該像素點的像素值相比較;將該候選像素點進行差異高斯模糊運算以找出具有極值的該候選像素點作為複數個特徵像素點;將具有相同該特徵像素點的不同該影像依據該特徵像素點相互接合;以及淡化不同該影像之間的接合邊界,選擇該影像的一色彩通道以由相應該色彩通道的該像素點進行後續該像素點的篩選。
  9. 一種影像特徵像素點的辨識裝置,其係應用於環場影像的接合處理中,該辨識裝置包括:一影像接收端,用以接收一影像,其中該影像具有複數個像素點;至少一過濾器,該過濾器依序串聯且該過濾器中最上游的該過濾器電性連接該影像接收端,該過濾器用以基於該像素點的像素值邊緣偵測每一該像素點來接續篩選該像素點以得到複數個候選像素點,其中基於該像素點的像素值邊緣偵測每一該 像素點為逐一將每一該像素點的像素值與其相鄰的該像素點的像素值相比較;以及一特徵描述器,電性連接該影像接收端和該過濾器中最下游的該過濾器,用以基於最下游的該過濾器所輸出的該候選像素點進行差異高斯模糊運算以找出具有極值的該候選像素點作為複數個特徵像素點;其中,該特徵描述器將具有相同該特徵像素點的不同該影像依據該特徵像素點相互接合,並淡化不同該影像之間的接合邊界,以及在該過濾器中之至少一該過濾器中,該像素值係為亮度值。
  10. 一種影像特徵像素點的辨識裝置,其係應用於環場影像的接合處理中,該辨識裝置包括:一影像接收端,用以接收一影像,其中該影像具有複數個像素點;至少一過濾器,該過濾器依序串聯且該過濾器中最上游的該過濾器電性連接該影像接收端,該過濾器用以基於該像素點的像素值邊緣偵測每一該像素點來接續篩選該像素點以得到複數個候選像素點,其中基於該像素點的像素值邊緣偵測每一該像素點為逐一將每一該像素點的像素值與其相鄰的該像素點的像素值相比較;以及一特徵描述器,電性連接該影像接收端和該過濾器中最下游的該過濾器,用以基於最下游的該過濾器所輸出的該候選像素點進行差異高斯模糊運算以找出具有極值的該候選像素點作為複數個特徵像素點;其中該特徵描述器將具有相同該特徵像素點的不同該影像依據該特徵像素點相互接合,並淡化不同該影像之間的接合邊界,以及在該過濾器中之至少一該過濾器中,該像素值係為 色度值。
  11. 一種影像特徵像素點的辨識裝置,其係應用於環場影像的接合處理中,該辨識裝置包括:一影像接收端,用以接收一影像,其中該影像具有複數個像素點;至少一過濾器,該過濾器依序串聯且該過濾器中最上游的該過濾器電性連接該影像接收端,該過濾器用以基於該像素點的像素值邊緣偵測每一該像素點來接續篩選該像素點以得到複數個候選像素點,其中基於該像素點的像素值邊緣偵測每一該像素點為逐一將每一該像素點的像素值與其相鄰的該像素點的像素值相比較;以及一特徵描述器,電性連接該影像接收端和該過濾器中最下游的該過濾器,用以基於最下游的該過濾器所輸出的該候選像素點進行差異高斯模糊運算以找出具有極值的該候選像素點作為複數個特徵像素點;其中該特徵描述器將具有相同該特徵像素點的不同該影像依據該特徵像素點相互接合,並淡化不同該影像之間的接合邊界,以及該過濾器中之至少一該過濾器分別為一梯度過濾器,每一該梯度過濾器包括:一影像輸入端,用以接收來自上游的該影像;一縮放單元,電性連接該影像輸入端,以縮小該影像輸入端所接收到的該影像;一偵測單元,電性連接該縮放單元,以依序計算縮小後的該影像上相關於每一該像素點的複數個梯度值並輸出相關於每一該像素點的該梯度值中的最大梯度值;一判斷單元,電性連接該偵測單元,以將每一該最大梯度值與一門檻值比對並定義大於該門檻值的該最大梯 度值所對應的該像素點;以及一影像輸出端,電性連接該判斷單元,以輸出具有該判斷單元所定義的該像素點的該影像;其中,當來自上游的該影像中具有已定義的該像素點時,該偵測單元係針對已定義的該像素點進行該梯度值的計算,且該判斷單元會於比對後重新定義該像素點。
  12. 一種影像特徵像素點的辨識裝置,其係應用於環場影像的接合處理中,該辨識裝置包括:一影像接收端,用以接收一影像,其中該影像具有複數個像素點;至少一過濾器,該過濾器依序串聯且該過濾器中最上游的該過濾器電性連接該影像接收端,該過濾器用以基於該像素點的像素值邊緣偵測每一該像素點來接續篩選該像素點以得到複數個候選像素點,其中基於該像素點的像素值邊緣偵測每一該像素點為逐一將每一該像素點的像素值與其相鄰的該像素點的像素值相比較;以及一特徵描述器,電性連接該影像接收端和該過濾器中最下游的該過濾器,用以基於最下游的該過濾器所輸出的該候選像素點進行差異高斯模糊運算以找出具有極值的該候選像素點作為複數個特徵像素點;其中該特徵描述器將具有相同該特徵像素點的不同該影像依據該特徵像素點相互接合,並淡化不同該影像之間的接合邊界,以及該過濾器中之至少一該過濾器分別為一梯度過濾器,每一該梯度過濾器包括:一影像輸入端,用以接收來自上游的該影像;一縮放單元,電性連接該影像輸入端,以縮小該影像輸入端所接收到的該影像; 一偵測單元,電性連接該縮放單元,以依序計算縮小後的該影像上相關於每一該像素點的複數個梯度值並輸出相關於每一該像素點的該梯度值中的最大梯度值;一判斷單元,電性連接該偵測單元,以將每一該最大梯度值與一門檻值比對並定義大於該門檻值的該最大梯度值所對應的該像素點;一互斥單元,電性連接該判斷單元,以進行該判斷單元所定義的該像素點中相鄰的該像素點的排斥判斷來保留相鄰的該像素點中之一;以及一影像輸出端,電性連接該互斥單元,以輸出具有該互斥單元所包留的已定義的該像素點的該影像;其中,當來自上游的該影像中具有已定義的該像素點時,該偵測單元係針對已定義的該像素點進行該梯度值的計算,且該判斷單元會於比對後重新定義該像素點。
  13. 一種影像特徵像素點的辨識裝置,其係應用於環場影像的接合處理中,該辨識裝置包括:一影像接收端,用以接收一影像,其中該影像具有複數個像素點;至少一過濾器,該過濾器依序串聯且該過濾器中最上游的該過濾器電性連接該影像接收端,該過濾器用以基於該像素點的像素值邊緣偵測每一該像素點來接續篩選該像素點以得到複數個候選像素點,其中基於該像素點的像素值邊緣偵測每一該像素點為逐一將每一該像素點的像素值與其相鄰的該像素點的像素值相比較;以及一特徵描述器,電性連接該影像接收端和該過濾器中最下游的該過濾器,用以基於最下游的該過濾器所輸出的該候選像素點進行差異高斯模糊運算以找出具有極值的該候選像素點作 為複數個特徵像素點;其中該特徵描述器將具有相同該特徵像素點的不同該影像依據該特徵像素點相互接合,並淡化不同該影像之間的接合邊界,以及該過濾器中之至少一該過濾器分別為一均值過濾器,每一該均值過濾器包括:一影像輸入端,用以接收來自上游的該影像;一視窗建立單元,電性連接該影像輸入端,用以以該影像輸入端所接收到的該影像中每一該像素點為一中心點建立一視窗區塊;一均值計算單元,電性連接該視窗建立單元,以計算於該視窗區塊中該像素值的一均值;一判斷單元,電性連接該均值計算單元和該視窗建立單元,以找出該像素值與所對應的該均值存在有一差距的該像素點並定義所找出的該像素點;以及一影像輸出端,電性連接該判斷單元,以輸出具有該判斷單元所定義的該像素點的該影像;其中,當來自上游的該影像中具有已定義的該像素點時,該視窗建立單元係針對已定義的該像素點進行該視窗區塊的建立,且該判斷單元依照找出的該像素點重新定義該影像的該像素點。
  14. 一種影像特徵像素點的辨識裝置,其係應用於環場影像的接合處理中,該辨識裝置包括:一影像接收端,用以接收一影像,其中該影像具有複數個像素點;至少一過濾器,該過濾器依序串聯且該過濾器中最上游的該過濾器電性連接該影像接收端,該過濾器用以基於該像素點的像素值邊緣偵測每一該像素點來接續篩選該像素點以得到複 數個候選像素點,其中基於該像素點的像素值邊緣偵測每一該像素點為逐一將每一該像素點的像素值與其相鄰的該像素點的像素值相比較;以及一特徵描述器,電性連接該影像接收端和該過濾器中最下游的該過濾器,用以基於最下游的該過濾器所輸出的該候選像素點進行差異高斯模糊運算以找出具有極值的該候選像素點作為複數個特徵像素點;其中該特徵描述器將具有相同該特徵像素點的不同該影像依據該特徵像素點相互接合,並淡化不同該影像之間的接合邊界,以及該過濾器中之至少一該過濾器分別為一均值過濾器,每一該均值過濾器包括:一影像輸入端,用以接收來自上游的該影像;一視窗建立單元,電性連接該影像輸入端,用以以該影像輸入端所接收到的該影像中每一該像素點為一中心點建立一視窗區塊;一均值計算單元,電性連接該視窗建立單元,以計算於該視窗區塊中該像素值的一均值;一判斷單元,電性連接該均值計算單元和該視窗建立單元,以找出該像素值與所對應的該均值存在有一差距的該像素點並定義所找出的該像素點;一互斥單元,電性連接該判斷單元,以進行該判斷單元所定義的該像素點中相鄰的該像素點的排斥判斷來保留相鄰的該像素點中之一;以及一影像輸出端,電性連接該互斥單元,以輸出具有該互斥單元所包留的已定義的該像素點的該影像;其中,當來自上游的該影像中具有已定義的該像素點時,該視窗建立單元係針對已定義的該像素點進行該視窗 區塊的建立,且該判斷單元會於依照找出的該像素點重新定義該影像的該像素點。
  15. 一種影像特徵像素點的辨識裝置,其係應用於環場影像的接合處理中,該辨識裝置包括:一影像接收端,用以接收一影像,其中該影像具有複數個像素點;至少一過濾器,該過濾器依序串聯且該過濾器中最上游的該過濾器電性連接該影像接收端,該過濾器用以基於該像素點的像素值邊緣偵測每一該像素點來接續篩選該像素點以得到複數個候選像素點,其中基於該像素點的像素值邊緣偵測每一該像素點為逐一將每一該像素點的像素值與其相鄰的該像素點的像素值相比較;以及一特徵描述器,電性連接該影像接收端和該過濾器中最下游的該過濾器,用以基於最下游的該過濾器所輸出的該候選像素點進行差異高斯模糊運算以找出具有極值的該候選像素點作為複數個特徵像素點;其中該特徵描述器將具有相同該特徵像素點的不同該影像依據該特徵像素點相互接合,並淡化不同該影像之間的接合邊界,以及該影像接收端包括:一通道選擇器,電性連接該過濾器中最上游的該過濾器和該特徵描述器,用以選擇接收到的該影像的一色彩通道並輸出相應該色彩通道的該影像。
TW096151604A 2007-12-31 2007-12-31 Identification device of image feature pixel and its identification method TWI459821B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW096151604A TWI459821B (zh) 2007-12-31 2007-12-31 Identification device of image feature pixel and its identification method
US12/193,827 US8180170B2 (en) 2007-12-31 2008-08-19 Apparatus and method of recognizing image feature pixel point

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW096151604A TWI459821B (zh) 2007-12-31 2007-12-31 Identification device of image feature pixel and its identification method

Publications (2)

Publication Number Publication Date
TW200930107A TW200930107A (en) 2009-07-01
TWI459821B true TWI459821B (zh) 2014-11-01

Family

ID=40798535

Family Applications (1)

Application Number Title Priority Date Filing Date
TW096151604A TWI459821B (zh) 2007-12-31 2007-12-31 Identification device of image feature pixel and its identification method

Country Status (2)

Country Link
US (1) US8180170B2 (zh)
TW (1) TWI459821B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI656323B (zh) * 2017-12-27 2019-04-11 財團法人工業技術研究院 醫療影像差異比對方法及其系統
TWI698269B (zh) * 2018-07-03 2020-07-11 宏碁股份有限公司 立體顯示系統與立體顯示方法
TWI798459B (zh) * 2018-10-18 2023-04-11 南韓商三星電子股份有限公司 提取特徵之方法、圖像匹配之方法以及處理圖像之方法

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI421784B (zh) * 2009-11-09 2014-01-01 Univ Nat Sun Yat Sen 用於篩選一作為一皮膚美白劑之候選物的魚體影像分析系統及其應用
KR101357262B1 (ko) * 2010-08-13 2014-01-29 주식회사 팬택 필터 정보를 이용한 객체 인식 장치 및 방법
GB2487375B (en) 2011-01-18 2017-09-20 Aptina Imaging Corp Interest point detection
GB2487377B (en) 2011-01-18 2018-02-14 Aptina Imaging Corp Matching interest points
JP2012234257A (ja) * 2011-04-28 2012-11-29 Sony Corp 画像処理装置と画像処理方法およびプログラム
CN102855642B (zh) * 2011-06-28 2018-06-15 富泰华工业(深圳)有限公司 图像处理装置及其物体轮廓的提取方法
US8724893B2 (en) 2011-09-27 2014-05-13 Thomson Licensing Method and system for color look up table generation
CN103208014A (zh) * 2012-01-13 2013-07-17 施亿民 影像辨识系统及其操作方法
TWI578268B (zh) * 2012-02-22 2017-04-11 能晶科技股份有限公司 鳥瞰影像系統及其補償方法
JP6230345B2 (ja) * 2013-09-06 2017-11-15 キヤノン株式会社 画像処理方法、画像処理装置、及びプログラム
US9881408B2 (en) * 2015-07-30 2018-01-30 David Sarma Digital signal processing for image filtering field
US10319131B2 (en) * 2015-07-30 2019-06-11 David Sarma Digital signal processing for image filtering field
TWI578240B (zh) * 2015-12-01 2017-04-11 財團法人工業技術研究院 特徵描述方法及應用其之特徵描述器
US10311554B2 (en) * 2017-03-01 2019-06-04 Fotonation Limited Method of providing a sharpness measure for an image

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7305145B2 (en) * 2003-05-23 2007-12-04 Lockheed Martin Corporation Method and apparatus for filtering an image

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI656323B (zh) * 2017-12-27 2019-04-11 財團法人工業技術研究院 醫療影像差異比對方法及其系統
US10510145B2 (en) 2017-12-27 2019-12-17 Industrial Technology Research Institute Medical image comparison method and system thereof
TWI698269B (zh) * 2018-07-03 2020-07-11 宏碁股份有限公司 立體顯示系統與立體顯示方法
TWI798459B (zh) * 2018-10-18 2023-04-11 南韓商三星電子股份有限公司 提取特徵之方法、圖像匹配之方法以及處理圖像之方法

Also Published As

Publication number Publication date
US8180170B2 (en) 2012-05-15
US20090169107A1 (en) 2009-07-02
TW200930107A (en) 2009-07-01

Similar Documents

Publication Publication Date Title
TWI459821B (zh) Identification device of image feature pixel and its identification method
US10055815B2 (en) Image processing apparatus, image processing system, imaging apparatus and image processing method
US20200034997A1 (en) An image processing method and apparauts
CN111489346B (zh) 一种全参考图像质量评价方法及系统
JPH07236147A (ja) 単板式カラービデオカメラの色分離回路
JP5767064B2 (ja) イメージのエッジ向上方法
JP6825617B2 (ja) 画像処理装置、撮像装置、および画像処理方法、並びにプログラム
TWI544785B (zh) 影像縮減取樣裝置與方法
CN103841388A (zh) 一种去马赛克的方法及装置
JP2008234130A (ja) 複数領域に対応した画質改善処理方法及び画質改善処理プログラム
CN117274060B (zh) 一种无监督的端到端去马赛克方法及系统
JP6977483B2 (ja) 画像処理装置、画像処理方法、画像処理システムおよびプログラム
CN113542864B (zh) 视频的花屏区域检测方法、装置、设备及可读存储介质
CN110580449B (zh) 一种图像型火焰识别检测方法
CN106408617A (zh) 一种基于yuv颜色空间的交互式单幅图像材质获取系统和方法
CN101488217B (zh) 影像特征像素点的辨识装置及其辨识方法
KR20160114374A (ko) 채널간 상관관계 기반 컬러 필터 어레이 보간 방법
CN114390266A (zh) 一种图像白平衡处理方法、设备及计算机可读存储介质
US8068145B1 (en) Method, systems, and computer program product for demosaicing images
Chung et al. New joint demosaicing and zooming algorithm for color filter array
CN111914689A (zh) 一种图像型火灾探测器的火焰识别方法
CN107517367B (zh) 拜尔域图像插值方法、装置、图像处理芯片及存储装置
KR101724308B1 (ko) 고 해상도 재현을 위한 영상 처리 장치 및 방법
CN112184588A (zh) 一种针对故障检测的图像增强系统及方法
WO2014050689A1 (ja) 画像処理装置

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees