專利名稱：一種去除邊界影像拉鏈狀模糊的方法與裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種去除邊界影像拉鏈狀模糊的方法。特別是一種利用一還原模型，將受干擾信號還原成未受干擾前的信號，以增進(jìn)影像品質(zhì)的方法。
背景技術(shù)：
隨著科技的發(fā)展，數(shù)字掃描儀、數(shù)字相機、數(shù)字?jǐn)z影機等數(shù)字影像設(shè)備也愈來愈普遍地出現(xiàn)在人們的日常生活當(dāng)中。然而目前數(shù)字影像處理在技術(shù)上仍存有一些缺點，使得數(shù)字影像的效果一直比不上傳統(tǒng)模擬式影像來的好。
這其中之一的問題就是邊界影像拉鏈狀模糊(Zipper)現(xiàn)象。請參照圖1，此為邊界影像拉鏈狀模糊現(xiàn)象。邊界影像拉鏈狀模糊現(xiàn)象就是指影像擷取設(shè)備在色差很大的區(qū)域掃瞄時，因為受到鄰近區(qū)域色差大的干擾，使所輸出影像產(chǎn)生類似拉鏈間隔狀的失真現(xiàn)象。以下對邊界影像拉鏈狀模糊現(xiàn)象作詳細(xì)說明。圖2為CCD的運作示意圖。圖中的電荷耦合組件(Charge Coupled Device，CCD)有兩個影像檢測器奇影像檢測器11及偶影像檢測器12。影像擷取設(shè)備電荷耦合組件的輸出(綜合輸出信號10)是由奇影像檢測器11及偶影像檢測器12感測后兩者合并感測結(jié)果所產(chǎn)生的。故一條水平線是由奇影像檢測器11及偶影像檢測器12于不同時間感測到的。并請參照圖3，此為掃瞄樣圖。以此為例，電荷耦合組件的奇影像檢測器11及偶影像檢測器12間因構(gòu)造的關(guān)系會有一個差距，如當(dāng)相差一條線時，當(dāng)偶影像檢測器12感測Line 0的偶數(shù)點，則奇影像檢測器11就會在Line 2感測奇數(shù)點。此時時間點1的輸出順序為P00、P21、P02、P23、P04、P25……。下一個時間點2輸出順序為P10、P3 1、P12、P33、P14、P35……。再下一個時間點3輸出順序為P20、P41、P22、P43、P24、P45……。如此類推下去，即可得到完整的影像資料。若圖3中的區(qū)域為全白，在時間點1則可得到如圖4A的輸出圖。若圖3的區(qū)域為全黑，在時間點1則可得到如圖4B的輸出圖。若圖3中的區(qū)域Line 0為黑，Line1以后為白，理論上在時間點1可得到如圖4C的輸出圖。但實際上因受到相鄰電位干擾以及電性轉(zhuǎn)變無法如此快速的影響，我們所得到的會是如圖4D的輸出圖，也就是造成高電位Vh不足高電位位準(zhǔn)VW，、低電位V1比低電位位準(zhǔn)VB高的情況，使得整張圖形資料在整合時，對Line 0而言，會變成如圖4E的輸出；而Line 2會如圖4F的輸出，由于相鄰位置取樣時間差的關(guān)系，使得原本應(yīng)該一樣的電位，出現(xiàn)如拉鏈鋸齒狀的現(xiàn)象，使得黑非全黑，白亦非純白的現(xiàn)象更加明顯，此即所謂邊界影像拉鏈狀模糊現(xiàn)象，如圖1所示。從中可以很明顯看出，在色差大的交界區(qū)域，邊界影像拉鏈狀模糊現(xiàn)象造成的格子狀間格使得影像品質(zhì)變得較差。這個現(xiàn)象在兩個區(qū)域的色差愈大時，受影響的程度就會愈嚴(yán)重。
目前業(yè)界解決這個問題的作法是采用‘平均法’來處理?！骄ā菍CD所輸出的圖形信號，在色差變化大區(qū)域把相鄰兩個位置的影像資料予以平均處理。如先前所述，當(dāng)圖3中的區(qū)域Line 0為黑，Line 1以后為白，此時所得的影像資料會產(chǎn)生邊界影像拉鏈狀模糊現(xiàn)象，平均法的作法是以(P00+P01)/2的值，放到P00的位置；(P01+P02)/2的值，放到P01的位置去，如此類推，即可以得到如圖5A所示的Line 0輸出圖；以及如圖5B所示的Line2的輸出圖。明顯可見，如拉鏈鋸齒狀的現(xiàn)象不見了，而高電壓Vah及低電壓Va1比Vh及V1更接近VW及VB，使得黑非全黑，白亦非純白的現(xiàn)象減輕。但是這種取相鄰位置平均來解決邊界影像拉鏈狀模糊現(xiàn)象的方法，雖然可以減輕癥狀，但是卻只是治標(biāo)的方法，最重要的缺點是使原本純白的地方也受到‘污染’也變成不是純白，雖然癥狀減輕，但結(jié)果卻是影像品質(zhì)大家一起變差。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種去除邊界影像拉鏈狀模糊的方法。尤指一種利用一還原模型，將受干擾信號還原成未受干擾前的信號，以增進(jìn)影像品質(zhì)的方法。
本發(fā)明的次要目的是解決平均法所未能解決的色彩失真問題。
本發(fā)明的方法包括如下步驟(1)設(shè)定最亮光及最暗光所對應(yīng)的電壓電平；(2)設(shè)定光源種類以及偵測由暗到亮或亮到暗模式；(3)以實驗方式量測電壓誤差；(4)是否達(dá)到實驗預(yù)定次數(shù)？如為是，執(zhí)行步驟(5)；如為否，執(zhí)行步驟(3)；
(5)將實驗所得數(shù)據(jù)以統(tǒng)計學(xué)推估其受干擾影響及失真度，并據(jù)此建立干擾模型；(6)由步驟(5)所得的干擾模型，以數(shù)值方法求得其還原模型，以抵銷干擾模型的影響；(7)是否完成各單色的還原模型參數(shù)？如為是，執(zhí)行步驟(8)；如為否，執(zhí)行步驟(2)；(8)整合所得的各單色還原模型后，輸出還原模型。
為了便于進(jìn)一步了解本發(fā)明的特征、目的及功能，下面結(jié)合附圖以具體實例對本發(fā)明進(jìn)行詳細(xì)說明。


圖1是為邊界影像拉鏈狀模糊現(xiàn)象；圖2是為CCD的運作示意圖；圖3是為掃瞄樣圖；圖4A是色差小時間點1的輸出圖；圖4B是色差小時間點1的輸出圖；圖4C是色差大時理論上時間點1的輸出圖；圖4D是色差大時實際上時間點1的輸出圖；圖4E是Line 0受邊界影像拉鏈狀模糊現(xiàn)象的輸出圖；圖4F是Line 2受邊界影像拉鏈狀模糊現(xiàn)象的輸出圖；圖5A是平均法Line 0的輸出圖；圖5B是平均法Line 2的輸出圖；圖6A是為邊界影像拉鏈狀模糊現(xiàn)象的成因方塊圖；圖6B是為本發(fā)明原理說明圖；圖6C是為圖6B精簡化后的等效圖；圖7A是本發(fā)明求取還原模型流程圖；圖7B是為本發(fā)明還原模型的一實施例圖；圖7C是利用類神經(jīng)元網(wǎng)絡(luò)模型求取還原模型的流程圖；圖8是本發(fā)明的操作流程圖；圖9是本發(fā)明去除邊界圖影像拉鏈模糊現(xiàn)象成果圖；
圖10A是本發(fā)明的一實施例示意圖；圖10B是本發(fā)明的另一實施例示意圖；圖10C是本發(fā)明的又一實施例示意圖。
附圖標(biāo)記說明10-綜合輸出信號；10’-修正輸出信號；11-奇影像檢測器；12-偶影像檢測器；60-真實信號；61-失真信號；62-還原信號；65-干擾模型；66-還原模型；660-輸入級；6601-660n-輸入級單元；661-類神經(jīng)元網(wǎng)絡(luò)一級；6611-661n-類神經(jīng)元網(wǎng)絡(luò)一級單元；662-類神經(jīng)元網(wǎng)絡(luò)二級；6621-662n-類神經(jīng)元網(wǎng)絡(luò)二級單元；663-類神經(jīng)元網(wǎng)絡(luò)三級；6631-663n-類神經(jīng)元網(wǎng)絡(luò)三級單元；664-輸出級；6641-664n-輸出級單元；665-輸出信號；666-輸入級到類神經(jīng)元網(wǎng)絡(luò)一級的權(quán)值集合；667-神經(jīng)元網(wǎng)絡(luò)一級到類神經(jīng)元網(wǎng)絡(luò)二級權(quán)值集合；668-神經(jīng)元網(wǎng)絡(luò)一級到類神經(jīng)元網(wǎng)絡(luò)三級權(quán)值集合；669-神經(jīng)元網(wǎng)絡(luò)三級到輸出級權(quán)值集合；67-處理單元；71-78-本發(fā)明求取還原模型的一實施例步驟；760-769-本發(fā)明求取還原模型的步驟76的一具體實施例步驟；81-85-本發(fā)明去除邊界影像拉鏈狀模糊現(xiàn)象的步驟。
具體實施例方式
請參照圖6A，此為邊界影像拉鏈狀模糊現(xiàn)象的成因方塊圖。如圖6A所示，由CCD影像檢測器所得的真實信號60受到如述原因的干擾，產(chǎn)生邊界影像拉鏈狀模糊現(xiàn)象，在此以干擾模型65來表示外界的影響，得到出一個失真信號61，故一般CCD所輸出的綜合輸出信號10即為失真信號61。以數(shù)學(xué)方式表示，若x代表真實信號60、A代表干擾模型65以及y代表失真信號61，可以寫為y＝Ax(I)請參閱圖6B，此為本發(fā)明原理說明圖。本發(fā)明解決邊界影像拉鏈狀模糊現(xiàn)象的原理是在影像輸出前，利用一處理裝置將產(chǎn)生邊界影像拉鏈狀模糊現(xiàn)象的原因抵銷，使得輸出信號如同真實信號60未受邊界影像拉鏈狀模糊的影響。實際的作法是先求得一還原模型66，利用此還原模型66抵銷干擾模型65的影響，使經(jīng)過干擾模型65及還原模型66的還原信號62約等同于真實信號60，所以影像輸出就不再是綜合輸出信號10而是修正輸出信號10’，此時的修正輸出信號10’即為還原信號62，就會等同于真實信號60。若B代表還原模型66，以數(shù)學(xué)式表示，則可寫為r＝By (II)因為(I)代入(II)所以r＝BAx (III)又因為B用來抵銷A的作用，則B＝A-1代入(III)所以r＝A-1Ax經(jīng)過作用抵銷后r＝x也就是在經(jīng)過還原模型66去除干擾模型65的處理流程后，就可以使真實信號60幾乎不受任何影響通過干擾，而輸出還原信號62，如圖6C所示，如此便可以達(dá)到去除邊界影像拉鏈狀模糊現(xiàn)象的目標(biāo)，并且沒有平均法解決拉鏈模糊問題卻又造成色彩失真的缺點。
經(jīng)由上述可知，一個還原模型66的好壞，將直接影響去除邊界影像拉鏈狀模糊現(xiàn)象的效果。故求得一個好的還原模型66便是本發(fā)明的首要任務(wù)。還原模型66的建立可經(jīng)由許多諸如統(tǒng)計，數(shù)學(xué)多項式等形式建立，本發(fā)明建議采取統(tǒng)計的方式，原因是外界干擾的因素很多，不一定都能用線性(linear)的方式所含括的，故使用數(shù)學(xué)多項式模型的時候，項數(shù)和次數(shù)必將提高，而大大增加求取模型的困難度。使用統(tǒng)計模型的最大好處就是讓事實說話，以實際所得資料為基礎(chǔ)，分析其誤差及分布，當(dāng)資料足夠充分時，就能求得好的還原模型，雖然仍會有誤差，但無傷大雅。故許多學(xué)術(shù)論文或是工業(yè)運用上，都會采用省時省力的統(tǒng)計模型，亦稱的為微解耦合模型(Nearly Decoupled Model)。
請參閱圖7A，此為本發(fā)明求取統(tǒng)計式的還原模型66流程圖。使用統(tǒng)計式模型是先決條件是大量的資料，故本發(fā)明人設(shè)計以下的步驟來求取還原模型66步驟71設(shè)定最亮光與最暗光所對應(yīng)的電壓電平。電壓電平的設(shè)定相當(dāng)重要，因為如果電壓電平愈大，所造成的邊界影像拉鏈狀模糊現(xiàn)象就愈明顯、愈嚴(yán)重，但如果減少電壓電平，則所能表現(xiàn)的色階就會減小，直接影響色彩的表現(xiàn)度。故選取一個適當(dāng)電壓電平，是相當(dāng)重要的。
步驟72設(shè)定光源種類及CCD的奇影像檢測器11及偶影像檢測器12的光暗屬性。由于影像輸出的所有顏色都是由光三原色紅色、綠色及藍(lán)色依各種不同比例所組成的。而且光的三原色各自獨立，互不影響，故三個顏色光可以分別求取其單色光的還原模型，最后再整合成一個完整的還原模型66。又由于色差大的情況有從暗到亮以及從亮到暗兩種模式，這兩種模式所影響的特性有些許不同，故求還原模型66時，應(yīng)將此兩模式將分開考慮。
步驟73以實驗的方式去測量誤差并予以記錄。實驗時，雖然非極值的情況所產(chǎn)生的邊界影像拉鏈狀模糊現(xiàn)象相對不嚴(yán)重，但由于其仍會產(chǎn)生邊界影像拉鏈狀模糊現(xiàn)象，為求較精準(zhǔn)的還原模型，也需一并測量非極值時的失真狀況。
步驟74是否達(dá)到預(yù)計的實驗次數(shù)。由于統(tǒng)計式模型精確的先決條件是足夠的資料，若未達(dá)預(yù)計的數(shù)量時，重回步驟73，將資料補足；如資料已足夠，則進(jìn)行步驟75。
步驟75，將步驟74所得的資料，推估其受干擾影響所受的失真，統(tǒng)計其誤差、誤差分布等信息，并據(jù)此建立干擾模型65。
步驟76由步驟75所得的干擾模型65，以數(shù)值方法求得其還原模型66，目的在抵銷干擾模型65的影響，使信號通過干擾模型65及還原模型66后，如同通過沒有任何影響的區(qū)域。在實施例中，以類神經(jīng)網(wǎng)絡(luò)的后向式方法說明的。求其還原模型66可運用類神經(jīng)網(wǎng)絡(luò)、模糊邏輯、矩陣模型或是微解耦合模型等數(shù)值方法，而模型參數(shù)的求法可為類神經(jīng)網(wǎng)絡(luò)求法、最小平方法、最佳化(Optimization)或是H∞等方法。請參閱圖7B，圖7B為本發(fā)明還原模型66的一實施例三層的類神經(jīng)元網(wǎng)絡(luò)模型圖。假設(shè)由步驟74所得的資料共有m筆。如圖7B所示，在求取還原模型66時，左端為長度為n的失真信號61，輸入至類神經(jīng)元網(wǎng)絡(luò)模型的輸入級660的6601至660n類神經(jīng)元網(wǎng)絡(luò)一級661由輸入級660的各單元6601-660n各自乘上一權(quán)值后加總所得，也就是說，類神經(jīng)元網(wǎng)絡(luò)一級661的單元6611是由輸入級的各單元6601-660n各自乘上一特定權(quán)值后全部相加所得，類神經(jīng)元網(wǎng)絡(luò)一級661的單元6612是由輸入級的各單元6601-660n各自乘上另一特定權(quán)值后全部相加所得，于此類推，就可以得到類神經(jīng)元網(wǎng)絡(luò)一級661的所有單元6611-661n，這些從輸入級660到類神經(jīng)元網(wǎng)絡(luò)一級661的權(quán)值集合666以W1表示，權(quán)值集合666的值，第一次可由隨機隨機數(shù)取得。同理，由類神經(jīng)元網(wǎng)絡(luò)一級661到類神經(jīng)元網(wǎng)絡(luò)二級662的權(quán)值集合667以W2表示；由類神經(jīng)元網(wǎng)絡(luò)二級662到類神經(jīng)元網(wǎng)絡(luò)三級663的權(quán)值集合668以W3表示；由類神經(jīng)元網(wǎng)絡(luò)三級668到輸出級664的權(quán)值集合669以W4表示，其值第一次皆由隨機隨機數(shù)取得。此時在輸出級664可以得到輸出信號665，若輸出信號665會和目標(biāo)也就是真實信號60會有誤差，則將誤差輸入公式疊代修正，反方向修正權(quán)值集合666-669，也就是所謂的后向式修正由誤差先修正W4，再藉由W4來修正W3，以此類推修正W2及W1。請參照圖7C，圖7C為利用類神經(jīng)元網(wǎng)絡(luò)模型求取還原模型66的流程圖，可以將圖7C視為是把圖7A的步驟76的一個實施例。把步驟76打開，分述如下步驟760設(shè)定容許誤差所謂的容許誤差就是輸出信號665和真實信號60的誤差如果大于容許誤差，則認(rèn)定輸出信號665和真實信號60需要修正。設(shè)定容許誤差是一個重要的步驟，因為所設(shè)定的容許誤差如果過大，則所求得的還原模型66效果會較差，但如果所設(shè)定的容許誤差如果過小，則不容易求得還原模型66。故需慎選。
步驟761設(shè)定i值為1使資料從第一筆開始。
步驟762執(zhí)行第i筆的資料，輸入還原模型66將第i筆的資料丟入如圖7B的模型中。
步驟763執(zhí)行還原模型66，求取輸出信號665執(zhí)行如前述的類神經(jīng)元網(wǎng)絡(luò)步驟，經(jīng)過一番計算后，可得得到一輸出信號665。
步驟764輸出信號665與真實信號60的差是否在容許誤差內(nèi)？若為是，表示還原模型66不需修正，執(zhí)行步驟766；否則，表示還原模型需66要修正，執(zhí)行步驟765。
步驟765執(zhí)行還原模型66的修正。如前述地后向式地修正權(quán)值集合669-666，使還原模型66更接近正確。
步驟766將i值加1，使的能順利執(zhí)行下一筆資料。
步驟767是否已執(zhí)行全部資料？若i值等于m+1的時候，表示已經(jīng)將全部m筆資料執(zhí)行過一遍，此時執(zhí)行步驟768進(jìn)行下一步的判斷；否則，執(zhí)行步驟762，繼續(xù)執(zhí)行下一筆資料。
步驟768還原模型66是否修正過？如為是，執(zhí)行步驟步驟761，否則執(zhí)行步驟769。如果一個還原模型66在大量M筆資料的測試中沒有修正過還原模型66，表示失真信號61經(jīng)過還原模型66的運算后，都落在容許誤差內(nèi)，也就是說，這是已經(jīng)是一個所需的還原模型66。雖然訓(xùn)練的資料筆數(shù)愈多，訓(xùn)練愈不易，但求得的還原模型66也愈精確。當(dāng)然，如果更講究的話，還要準(zhǔn)備另一些在這m筆以外的資料作測試，但因為如果m筆的資料夠多，邊界影像拉鏈狀模糊所產(chǎn)生的誤差現(xiàn)象皆已掌握，也就是還原模型66在訓(xùn)練的過程中，已經(jīng)考慮過所有造成誤差的可能。
步驟769輸出該單色光還原模型。
步驟77是某完成各單色光的還原模型？若為否，回到步驟72；若為是，到步驟78。確認(rèn)三色各兩種模式總計六種單色光還原模型是否已經(jīng)完成。
步驟78整合所得的各單色還原模型后，輸出還原模型66。
請參閱圖8，此為本發(fā)明的操作流程圖，以下作流程的詳細(xì)敘述步驟81是將影像信號輸入，此信號即為綜合輸出信號10。
步驟82判斷是否因為有相鄰位置色差過大而有可能產(chǎn)生邊界影像拉鏈狀模糊現(xiàn)象？如果色差沒有過大，就直接到步驟85輸出影像；如果色差有，就到步驟83進(jìn)行還原處理。
步驟83如果色差有過大，則綜合輸出信號10會有邊界影像拉鏈狀模糊現(xiàn)象，此時的綜合輸出信號10就是失真信號61，將其輸入至去除邊界影像拉鏈狀模糊現(xiàn)象處理裝置。
步驟84處理所輸入失真影像資料，由處理裝置配合事先已得的還原模型66，經(jīng)過數(shù)學(xué)運算，使造成邊界影像拉鏈狀模糊現(xiàn)象的因素——干擾模型65無效化后，得到還原影像。
步驟85輸出影像資料，即可得到?jīng)]有邊界影像拉鏈狀模糊現(xiàn)象的影像，此時所輸出的就是修正輸出信號10’。
經(jīng)由本發(fā)明的方法所處理后的圖形，在同圖1的條件下，經(jīng)處理后的圖形的輸出如圖9。明顯可見，本發(fā)明確實可以改進(jìn)邊界影像拉鏈狀模糊現(xiàn)象。
請參見圖10A，此為利用本發(fā)明的一實施例示意圖軟件形式的去除邊界影像拉鏈狀模糊裝置。由CCD出來的信號「輸入信號61」送入由能執(zhí)行處理流程的處理單元67如個人計算機中央處理器，配合還原模型66執(zhí)行數(shù)學(xué)運算去除邊界影像拉鏈狀模糊的處理后，再將還原信號62輸出到應(yīng)用軟件如Photoshop或其它輸出端。
請參見圖10B，此為利用本發(fā)明的另一實施例示意圖硬件形式的去除邊界影像拉鏈狀模糊裝置。由CCD出來的信號「輸入信號61」送入特定級數(shù)的時間遲延，如圖所示即為二級的遲延，即能同時送入現(xiàn)在時間點、前時間點以及前前時間點三個信號送入給硬件形式的處理單元67配合還原模型66執(zhí)行數(shù)學(xué)運算去除邊界影像拉鏈狀模糊之后，最后將還原信號62輸出到應(yīng)用軟件或其它輸出端。
請參見圖10C，此為利用本發(fā)明的又一實施例示意圖韌體形式的去除邊界影像拉鏈狀模糊裝置。由CCD出來的信號「輸入信號61」送入由韌體形式的處理單元67及還原模型66執(zhí)行數(shù)學(xué)運算處理，去除邊界影像拉鏈狀模糊的處理后，再將還原信號62輸出到應(yīng)用軟件或其它輸出端。
上所述僅為本發(fā)明的較佳實施例，不能用來限制本發(fā)明的范圍。凡依本發(fā)明權(quán)利要求所做的均等變化及修飾，仍將不失本發(fā)明的要義所在，亦不脫離本發(fā)明的精神和范圍，故都應(yīng)視為本發(fā)明的進(jìn)一步實施。
權(quán)利要求
1.一種用來建立一影像還原模型的方法，該還原模型為仿真影像邊界拉鏈狀模糊現(xiàn)象的一干擾模型的反模型，用于去除影像受邊界拉鏈狀模糊干擾的影響，該方法包含以下步驟(1)設(shè)定最亮光及最暗光所對應(yīng)的電壓電平；(2)設(shè)定光源種類以及偵測由暗到亮或亮到暗模式；(3)量測電壓誤差；(4)依(3)所得的數(shù)據(jù)推估其受干擾影響及失真度，以建立該干擾模型；(5)由(4)所得的干擾模型，以一數(shù)值方法求得該還原模型，以抵銷干擾模型的影響。
2如權(quán)利要求1所述的方法，其中該數(shù)值方法為類神經(jīng)網(wǎng)絡(luò)、模糊邏輯、矩陣模型近似法或微解耦合模型近似法其中之一。
3.一種去除邊界影像拉鏈狀模糊的方法，該方法是利用事先已得的一還原模型，將影像中在色差變化大的區(qū)域的邊界影像拉鏈狀模糊現(xiàn)象予以去除的方法，其中該還原模型為仿真影像受邊界拉鏈狀模糊影響的一干擾模型的反模型，該方法包含以下步驟[1]輸入一影像資料；[2]判斷鄰近區(qū)域色差是否過大；若為是，執(zhí)行步驟[3]；若為否，執(zhí)行步驟[5]；[3]將該影像資料輸入至去除邊界影像拉鏈狀模糊現(xiàn)象處理裝置；[4]由處理裝置配合已得的該還原模型，經(jīng)過數(shù)學(xué)運算，使造成邊界影像拉鏈狀模糊現(xiàn)象的因素?zé)o效化后，得到一還原影像；[5]輸出影像。
4.如權(quán)利要求第3項所述的方法，其中該還原模型，可由以下步驟所得(1)設(shè)定最亮光及最暗光所對應(yīng)的電壓電平；(2)設(shè)定光源種類以及偵測由暗到亮或亮到暗模式；(3)量測電壓誤差；(4)依步驟(3)所得的數(shù)據(jù)推估其受干擾影響及失真度，以建立該干擾模型；(5)由步驟(4)所得的干擾模型，以一數(shù)值方法求得該還原模型，以抵銷干擾模型的影響。
5.如權(quán)利要求4所述的方法，其中該數(shù)值方法為類神經(jīng)網(wǎng)絡(luò)、模糊邏輯、矩陣模型近似法或微解耦合模型近似法其中之一。
6.一種去除邊界影像拉鏈狀模糊的設(shè)備，包括有一還原模型，用以抵銷邊界影像拉鏈狀模糊的干擾；以及一處理單元，連接該還原模型，并接收由一可能有邊界影像拉鏈狀模糊現(xiàn)象的一失真信號，該失真信號，藉由該還原模型所提供的參數(shù)，經(jīng)過數(shù)學(xué)計算去除邊界影像拉鏈狀模糊現(xiàn)象；該處理單元輸出已去除邊界影像拉鏈狀模糊現(xiàn)象的一還原信號。
7.如權(quán)利要求6所述的設(shè)備，其中求得該還原模型的步驟包括有(1)設(shè)定最亮光及最暗光所對應(yīng)的電壓電平；(2)設(shè)定光源種類以及偵測由暗到亮或亮到暗模式；(3)量測電壓誤差；(4)依步驟(3)所得的數(shù)據(jù)推估其受干擾影響及失真度，以建立該干擾模型；(5)由步驟(4)所得的干擾模型，以一數(shù)值方法求得該還原模型，以抵銷干擾模型的影響。
8.如權(quán)利要求第6項所述的設(shè)備，其中該處理單元的處理步驟如下[1]輸入影像檢測器所得的影像資料；[2]判斷鄰近區(qū)域色差是否過大？如為是，執(zhí)行步驟(3)；如為否，執(zhí)行步驟(5)；[3]將影像資料輸入至去除邊界影像拉鏈狀模糊現(xiàn)象處理裝置；[4]處理所輸入失真影像資料，由處理裝置配合已得的還原模型，經(jīng)過數(shù)學(xué)運算，使造成邊界影像拉鏈狀模糊現(xiàn)象的因素?zé)o效化后，得到還原影像；[5]輸出影像。
9.如權(quán)利要求6所述的設(shè)備，其中該處理單元為軟件(software)、硬件(hardware)以及韌體(firmware)其中之一。
10.如權(quán)利要求6所述的設(shè)備，其中該數(shù)值方法為類神經(jīng)網(wǎng)絡(luò)、模糊邏輯、矩陣模型近似法或微解耦合模型近似法其中之一。
全文摘要
一種去除邊界影像拉鏈狀模糊的方法，尤指一種利用事先已得的一還原模型，將影像中在色差變化大的區(qū)域所造成的邊界影像拉鏈狀模糊現(xiàn)象予以去除的方法。該還原模型可由以下步驟得到(1)設(shè)定最亮光及最暗光所對應(yīng)的電壓電平；(2)設(shè)定光源種類以及偵測由暗到亮或亮到暗模式；(3)以實驗方式量測電壓誤差；(4)是否達(dá)到實驗預(yù)定次數(shù)？如為是，執(zhí)行步驟(5)；如為否，執(zhí)行步驟(3)；(5)將實驗數(shù)據(jù)以統(tǒng)計學(xué)推估其受干擾影響及失真度，并據(jù)此建立一干擾模型；(6)由步驟(5)所得的干擾模型，以數(shù)值方法求得其還原模型；(7)是否完成各單色的還原模型參數(shù)？如為是，執(zhí)行步驟(8)；如為否，執(zhí)行步驟(2)；(8)整合所得的各單色還原模型后，輸出還原模型。
文檔編號H04N1/58GK1505382SQ0215554
公開日2004年6月16日 申請日期2002年12月5日 優(yōu)先權(quán)日2002年12月5日
發(fā)明者林家鋒, 郭峻銘, 張輝煌 申請人:瑞昱半導(dǎo)體股份有限公司