專利名稱：智能型圖象接圖方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖象接圖方法，尤其涉及一種在掌上型掃描器中利用人工智能的圖象接圖方法，以增加接圖的效能與準(zhǔn)確度。
“圖象接圖”為掌上型掃描器所不可或缺的功能，其目的在連接所掃描的部分圖象，使其成為完整的圖象。現(xiàn)有的圖象接圖功能提供三種模式手動、半自動及全自動。由于目前全自動接圖所需的時間及功效并不甚令人滿意，所以使用者一般采取手動或半自動的接圖方式。雖然所得的結(jié)果改進了，但是使用者所花在圖象接圖的時間及精力，往往超過了主要的圖象處理，而影響了掌上型掃描器的應(yīng)用價值。
傳統(tǒng)的全自動接圖的速度慢及功效不明顯是主要原因，在于其接圖方法過于簡單。其方法為先在左邊圖象的某一固定位置選一塊圖象區(qū)塊作為比校的樣本，再將右邊圖象分割成同樣大小的圖象區(qū)塊，依序一一比校，直到兩圖象區(qū)塊內(nèi)的圖象數(shù)據(jù)接近一致為止。此方法的主要缺點為取樣不佳。及搜尋緩慢。由左邊圖象所選取的圖象區(qū)塊不一定適合作為對比的樣本。萬一選到全黑或全白的圖象區(qū)塊，則接下來的搜尋對比將毫無意義。而且，依圖象區(qū)塊順序搜尋的結(jié)果，將使其速度因圖象數(shù)據(jù)的增加而變慢?；谝陨系娜秉c，傳統(tǒng)的接圖技術(shù)往往在嘗試接圖數(shù)十分鐘后宣告失敗，而成為掌上型掃描器應(yīng)用上的缺憾。
基于所述的問題，本發(fā)明的主要目的在于提出一種可有效找出合適的對比樣本，且進行快速搜尋的方法，以提高圖象接圖的功能。
本發(fā)明的另一目的在于應(yīng)用人工智能的技術(shù)，使圖象接圖的功能完全自動化。
本發(fā)明的又一目的在于改進全自動圖象接圖的方法，以增加掌上型掃描器的應(yīng)用價值。
根據(jù)本發(fā)明的一個方面，提供了一種智能型圖象接圖方法，包含步驟a.讀取第一圖象數(shù)據(jù)及第二圖象數(shù)據(jù)；b從該第二圖象數(shù)據(jù)選取一個適合的對比樣本；c.執(zhí)行第一階段的搜尋并傳回一個粗略的圖象區(qū)塊，其預(yù)估值接近該對比樣本；d.執(zhí)行第二階段的搜尋并傳回一個相對應(yīng)的圖點；及e.依據(jù)該相對應(yīng)的圖點連接該第一圖象及該第二圖象。
根據(jù)本發(fā)明的另一方面，提供了一種自動接合第一圖象與第二圖象的方法，且該第一圖象與第二圖象有部分重疊，包含步驟a.從該第二圖象選取一個適合的對比樣本；b.從該第一圖象選取一個圖象區(qū)塊；c.比較該適合的對比樣本及該圖象區(qū)塊，并傳回一個預(yù)估值接近該對比樣本的圖象區(qū)塊；d.比較該對比樣本及該圖象區(qū)塊并傳回一個相對應(yīng)的圖點；e.重復(fù)步驟(c)直到找到最佳的結(jié)點或該區(qū)塊中的所有結(jié)點均已查驗過；f.重復(fù)步驟(d)直到找到最佳的結(jié)點或該第二圖象的搜尋空間已窮盡；以及e.應(yīng)用直線插入法以該相對應(yīng)的圖點接合該第一圖象及該第二圖象。
以下結(jié)合附圖詳細(xì)說明本發(fā)明實施例，其中，

圖1顯示本發(fā)明的掌上型掃描器的操作流程圖。
圖2顯示本發(fā)明的自動圖象接圖方法的流程圖。
圖3顯示接圖時的兩搜尋空間的示意圖。
圖4A、4B、4C顯示本發(fā)明的搜尋對比樣本的方法流程圖。
圖5A顯示本發(fā)明的產(chǎn)生子區(qū)塊的方法流程圖。
圖5B顯示本發(fā)明的區(qū)塊的取樣流程圖。
圖5C顯示依據(jù)圖5B所產(chǎn)生的部分樹狀結(jié)構(gòu)。
圖6顯示本發(fā)明的第一階段搜尋的流程圖。
圖7顯示本發(fā)明的第二階段搜尋的流程圖。
本發(fā)明的方法為掌上型掃描器功能的一部分。掌上型掃描器結(jié)合本發(fā)明的整體操作流程圖顯示于圖1。
101.啟動圖象接圖裝置；102.顯示接圖功能的視窗；103.載入左邊及右邊接圖的圖象；104.如果圖象載入不成功，則取消接圖并跳出接圖功能的視窗；105.如果圖象載入成功，則使用者可選擇手動或自動操作；106.如果選擇手動操作，使用者可依自己的設(shè)定接合兩圖象，并傳回接好的圖再跳出接圖功能的視窗；107.如果選擇自動操作，使用者可更改選項，或使用定義好的數(shù)值，直接進行接圖。更改圖象重疊的寬度可加速接圖的處理。而更改接圖的條件可改善接圖的效果。
108.執(zhí)行自動接圖的主要功能；109.如果自動接圖成功，則傳回接好的圖象并跳出接圖功能的視窗；110.如果接圖失敗，使用者可重覆步驟105或跳出接圖功能的視窗并結(jié)束。
本發(fā)明的自動接圖的基本流程圖顯示于圖2，其主要步驟如下201.讀取左邊圖象數(shù)據(jù)及右邊圖象數(shù)據(jù)；202.從右邊圖象取一個適合的對比樣本(meaningful sample)；203.執(zhí)行第一階段搜尋并從左邊圖象數(shù)據(jù)選取一16×16陣列的象素作為圖象區(qū)塊(region)，及該圖象區(qū)塊的預(yù)估值(estimate)接近該對比樣本的預(yù)估值；204.執(zhí)行第二階段搜尋并從該圖象區(qū)塊中選取一8×8陣列的象素作為結(jié)點(node)，以比較該對比樣本，并回覆一相對應(yīng)的圖點(matchpoint)；205.重復(fù)步驟204直到找到最佳的結(jié)點，或該圖象區(qū)塊的所有結(jié)點都已查驗過；206.重復(fù)步驟203直到找到相對應(yīng)的圖點，或左邊圖象的搜尋空間已窮盡；207.如果找到相對應(yīng)的圖點，則應(yīng)用直線插入法(linear interpolation)將左右兩圖象接合起來。
本發(fā)明的方法主要包含兩部分對比樣本的選擇及搜尋方法。本發(fā)明利用模糊邏輯的概念，將圖象數(shù)據(jù)加以過濾，以找出一塊有特征的圖象區(qū)塊作為對比的樣本。如此，才可避免無謂的搜尋。另外，在搜尋方法上，本發(fā)明利用A*演算以增加對比的準(zhǔn)確性，并加速搜尋的速度。以下分別說明對比樣本的選擇及兩階段的搜尋方法。
參照圖3，對比樣本的選擇主要在找出有意義的對比樣本(meaningfulsample)。假設(shè)圖象A301及圖象B302分別為原圖相連的左右部分。首先設(shè)定圖象B302的有效搜尋空間(search space)為上下0.2英寸，寬度為0.4英寸的圖象區(qū)塊，其為合理的圖象重疊大小。而最大的可容許搜尋范圍則為0.2×1.0的區(qū)塊306。然后在右圖象定義一任意的起始圖點P305，并以該點上下左右的等距范圖中，尋找合適的對比樣本。假設(shè)找到的對比樣本為PR(XR，YR)。其相對應(yīng)的左圖象有效搜尋空間的起始點則為PL(XL，YL)，其中XL＝XO+XR，YL＝Y(jié)O+YR。對于圖象區(qū)塊及對比樣本的搜尋方法將在第一階段及第二階段的搜尋方法中詳加解釋。
對于象素模糊(fuzzy)特性的處理，首先要設(shè)定一組模糊象素(fuzzypixels)。模糊象素的設(shè)定主要在設(shè)定一切取值(cut-offvalue)以去除不確定的象素，進而增進搜尋的速度。本發(fā)明定義模糊象素含有以下的元素{白象素(1)，模糊白象素(1)，模糊黑象素(0)，黑象素(0)]，括弧中的數(shù)字表示該模糊象素。例如，顯示在熒幕上時，＇1＇表示白象素，而＇0＇表示黑象素。除了模糊象素的設(shè)定，還需設(shè)定色彩明暗度(color Threshold)。在基線(baseline)上下的模糊范圍(fuzzy range)界定為“FUZZYRANGE”，其上限為(Color Threshold+FUZZYRANGE)，下限為(Color Threshold-FUZZYRANGE)。依據(jù)所述的定義，一個象素可能轉(zhuǎn)換為以下幾種模糊元素(a)參考色值(reference color)在上限(upper bound)的象素將轉(zhuǎn)換為白象素；(b)參考色值界于模糊上限及下限(lower bound)的象素將轉(zhuǎn)換為模糊白象素；(c)參考色值界于基線及模糊下限的象素將轉(zhuǎn)換為模糊黑象素；以及(d)參考色值在模糊下限的象素將轉(zhuǎn)換為黑象素。
由以上定義可知，模糊象素可為模糊白象素或模糊黑象素。依據(jù)象素所在的位置，具有相同參考色的模糊象素，有些可轉(zhuǎn)換為白象素而有些為黑象素。
搜尋合適的對比樣本從對比右圖象8×8陣列的象素開始。設(shè)定i及j表示一圖象的縱坐標(biāo)與橫坐標(biāo)由0至7。S(i，j)表示一對比樣本具有8×8陣列的象素。因此，一樣本的范圍便為0≤Sij≤255。然后，將樣本中的象素對比至一參考值RRij＝Map(Sij)Map(Sij)＝0，如果Sij≤iThreshold-iFuzzyRange；Fuzzy，如果iThreshold-iFuzzyRange≤Sij≤iThreshold+iFuzzyRange；l，如果Sij＞iThreshold+iFuzzyRange；讓
如果 Rij＝I
如果 Rij＝O
如果 Rij＝Fuzzy換而言之，如果一樣本符合下列條件，則該樣本為合適的樣本iOnes＜iMaxOnes；iZeros＜iMaxZeros；andiFuzzy＜iMaxFuzzy。圖4A、4B、4C顯示搜尋一合適樣本的步驟401開始；402設(shè)定錯誤容許值為iOptimalDifference及iFeasibleDifference；403設(shè)定色彩明暗度為iThreshold；404設(shè)定樣本中最大的模糊參數(shù)為(iMaxFuzzy＝(iOptimalDifference+iFeasibleDifference)/2)；405設(shè)定模糊范圍為iFuzzyRange＝12；406設(shè)定樣本的最大“1”及“0”的大小(iMaxOnes及iMaxzeros)；在此，文字模式的“MaxOnes”限定為42，灰階定為44，彩色為48；文字模式的“MaxZeros”限定為58，灰階定為56，彩色為52；407如果此為彩色圖象，執(zhí)行步驟420，否則執(zhí)行步驟408；408如果為灰階圖象，執(zhí)行步驟409，否則執(zhí)行步驟417；409設(shè)定濾色(color filter)為灰階；410搜尋樣本；411如果成功，執(zhí)行步驟412；否則，執(zhí)行步驟413；412傳回樣本并結(jié)束；413設(shè)定濾色為無；414搜尋樣本；415如果成功，執(zhí)行步驟412；否則，執(zhí)行步驟416；
416傳回失敗；417設(shè)定濾色為無；418搜尋樣本；419如果成功，執(zhí)行步驟412；否則，執(zhí)行步驟420；420設(shè)定濾色為綠色頻道(green channel)；421搜尋樣本；422如果成功，執(zhí)行步驟412；否則，執(zhí)行步驟423；423設(shè)定濾色為紅色頻道(red channel)；424搜尋樣本；425如果成功，執(zhí)行步驟412；否則，執(zhí)行步驟426；426設(shè)定濾色為藍色頻道(blue channel)；427搜尋樣本；428如果成功，執(zhí)行步驟412；否則，執(zhí)行步驟429；429設(shè)定濾色為灰階；430搜尋樣本；431如果成功，執(zhí)行步驟412；否則，執(zhí)行步驟432；432設(shè)定濾色為無；433搜尋樣本；434如果成功，執(zhí)行步驟412；否則，傳回失敗并結(jié)束。
選定合適的對比樣本后，必須將其與左圖象所選取的圖象區(qū)塊(region)做對比。本發(fā)明采用兩階段式搜尋，以增快搜尋的速度。第一階段的搜尋目的在快速找出粗略的圖象區(qū)塊(rough region)，因此，第一階段的搜尋好比一過濾作用，以除去不可能含有相對應(yīng)圖點的圖象區(qū)塊。第二階段的搜尋則執(zhí)行仔細(xì)的搜尋，并準(zhǔn)確地找出相對應(yīng)的圖點。
本發(fā)明的兩階段式搜尋為A*邏輯演算法的改良。由于A*邏輯演算法為最佳搜尋的方式(best-search approach)。本發(fā)明的主要概念在預(yù)估(estimate)從當(dāng)前位置到目的(goal)所須的行程花費(cost)，并走最佳的路徑。由于預(yù)估值并不總是正確的，因此搜尋的路徑可能因找到更好的路徑而改變，而不須回溯(backtracking)。本發(fā)明的方法可保證，如果有最佳的解決方案，本發(fā)明一定可以找到最快的路徑。
根據(jù)兩階段式搜尋，本發(fā)明采用兩種預(yù)估值函數(shù)。在詳述預(yù)估值之前，必須先定義一些名詞用語。設(shè)定S[8，8]為樣本，N[8，8]為結(jié)點，其差數(shù)則為Difference(P1，P2)。如果P1＝P2，或其中之一或兩者皆為模糊象素則Difference(P1，P2)＝0；否則Difference(P1，P2)＝1。其中，P1表示對比樣本中象素的參考元素，P2表示結(jié)點中象素的參考元素。
為表達方便，本發(fā)明亦定義了以下的名詞用語。假設(shè)Ro表示剛產(chǎn)生的起始區(qū)塊，Rp表示R的上層父區(qū)塊(parent region)。No表示Rp所產(chǎn)生的第一個結(jié)點。NBest表示Rp中所找到的最佳解決途徑。第一階段搜尋的預(yù)估值函數(shù)Est1(R)可限定為Est1(R)＝0，如果R＝Ro；Est2(N)x Distance(R，Rp，N)，否則，這里N＝No，如果R是個壞的區(qū)域，NBest，否則，且Distance(R，Rp，N)是按如下定義的距離函數(shù)(Distancex(R，Rp，N)+Distancey(R，Rp，N))/DistanceTotal，其中(Distancex(R，Rp，N))為R中心象素與Rp中N在X坐標(biāo)左上方象素的間距；(Distancey(R，Rp，N))為R中心象素與Rp中N在y坐標(biāo)左上方象素的間距；及DistanceTotal設(shè)定為24。
值得一提的是如何依據(jù)所述的預(yù)估值建立父區(qū)塊及其子區(qū)塊。圖5顯示父區(qū)塊及子區(qū)塊之間的相對位置。一個區(qū)塊為16×16陣列的象素，含有四個8×8的象素。如圖所示，R4由C11、C12、C21及C22組成。假設(shè)Rp父區(qū)塊，其由C22，C23，C32及C33所組成。那么，Rp的子區(qū)塊依序為R1，R2，R3，R4，R5，R6，R7，R8。每一子區(qū)塊不是剛建立的就是已存在的。然后，每一新建立的區(qū)塊便依據(jù)所述的預(yù)估值函數(shù)而附給一預(yù)估值。每一新建立的區(qū)塊，其預(yù)估值會重新計算，并與舊的預(yù)估值比較。由于本發(fā)明保證找到最佳的路徑，每一重新產(chǎn)生的區(qū)塊會附給最小的預(yù)估值。整個區(qū)塊隊列(region queue)則根據(jù)預(yù)估值s的大小重新排列。具有最小預(yù)估值的圖象區(qū)塊便會被選為下一個父區(qū)塊。對于圖象區(qū)塊的產(chǎn)生方法，須注意一共有三個起始圖象區(qū)塊產(chǎn)生，這是為了避免區(qū)域最佳化情況(local optiumum)的發(fā)生。
至于第二階段的搜尋，對于任一結(jié)點N的預(yù)估值函數(shù)Est2(N)，則限定如下
子結(jié)點的產(chǎn)生比子圖象區(qū)塊的產(chǎn)生更為復(fù)雜。本發(fā)明的進行方式類似人為的對比方式，也就是，先找一粗略的區(qū)塊，然后再做細(xì)部的對比及修正。圖6A顯示一區(qū)塊，含有4個結(jié)點，定義為N[r1，c1，r2，c2]。其中P(r1，c1)，P(r1，r2)，P(c2，c1)及P(r2，c2)分別表示四個結(jié)點位于不同位置的象素，且，1＜＝r1＜＝8，8＜r2＜15，及1＜＝c1＜＝8，8＜c2＜15。
圖5B中以粗框表示的范圍為一結(jié)點，以N0(＝N[1，1，8，8])表示。該結(jié)點為每一區(qū)塊的起始結(jié)點。在對比樣本與結(jié)點時，只要將粗框上下左右移動，以找尋與對比樣本相似的結(jié)點。在最壞的情況下，將產(chǎn)生64個對比的結(jié)點。
對于結(jié)點所組成的隊列，其排列方法如圖5C所示。圖5C顯示圖5B的區(qū)塊中子結(jié)點所產(chǎn)生的樹狀結(jié)構(gòu)。所有的結(jié)點分為四層并儲存在結(jié)點隊列中。起始結(jié)點N1為該樹狀結(jié)構(gòu)的根，并為第一層的唯一結(jié)點。N0有三個子結(jié)點，依其產(chǎn)生的順序分別為N1、N2、及N3，皆位于第二層。依據(jù)圖5C所選取的N3，其8個子結(jié)點為N4，N5，N6，N7，N8，N9，N10，N11，依照子區(qū)塊產(chǎn)生的順序排列，位于第三層。N4為下一個父結(jié)點，亦產(chǎn)生8個子結(jié)點N12，N13，N14，N15，N16，N17，N18，N19，并位于第四層。結(jié)點Ni的指數(shù)并非固定的，視結(jié)點最初產(chǎn)生的順序而定。如果N1被選為第2層的父結(jié)點，則所產(chǎn)生的子結(jié)點為N＇4，N＇3，N＇6(＝N4)，N＇7(＝N7)及N＇8(＝N8)。如果N2被選為第二層的父結(jié)點，則其子結(jié)點將為N″4，N″5(＝N5)，N″6(＝N7/N＇7)，N″7及N″8(＝N10)。然而，此4層的結(jié)點分割是固定的。以下的規(guī)則為限定子結(jié)點的生成1N0為第一層唯一的結(jié)點。
2對任何D層的結(jié)點N[rn1，cn1，rn2，cn2]而言，1＜D＜＝4，讓N[rp1，cp1，rp2，cp2]為深度D-1的結(jié)點，即N＇的上一層結(jié)點，則rn1＝rp1+O[i，0]×2(4-D)，1＜＝rn1＜＝8cn1＝cp1+O[i，1]×2(4-D)，1＜＝cn1＜＝8，
rn2＝rn1+7，及cn2＝cn1+7，其中O[8，2]為系數(shù)隊列(coefficient array)。每一對O[i，0]及O[i，1]，1＜＝i＜＝8，可用來計算相對位置i的子結(jié)點，如圖5A所示。系數(shù)隊列中元素的值如下表所示
例如，N1＝N[r1，c1，r2，c2]產(chǎn)生在位置3，而且為第二層的子結(jié)點之一。由于N1的父結(jié)點為根N0，也就是N[1，1，8，8]，則N1為N[5，1，12，8]。其計算方式如下r1＝1+O[3，0]×22＝5c1＝1+O[3，1]×22＝1，r2＝5+7＝12，及c2＝1+7＝8。
綜上所述，第一階段搜尋的執(zhí)行步驟如圖6所示601.設(shè)定左右兩圖象的搜尋空間；602.在右圖象的搜尋空間中以P為原點選取一合適的對比樣本，并調(diào)整左圖象的搜尋空間；603.設(shè)定三個起始的搜尋空間，并設(shè)iBestRegion為-1；604.查看區(qū)塊隊列是否為空的；605.如果隊列是空的，查看該區(qū)塊的值是否在可能的范圍內(nèi)；606.如果該區(qū)塊的值在可能的范圍內(nèi)，則傳回成功；I607.否則，傳回失?。?08.如果該區(qū)塊隊列不是空的，則取其中具有最小預(yù)估值，并將其值附于iCurrentRegion，再將其從區(qū)塊隊列中移去；609.查看其是否為不可能的區(qū)塊；610.如果是，則做“CHECKED”的記號；執(zhí)行步驟611；611.產(chǎn)生新的區(qū)塊；執(zhí)行步驟604；612.如果不是不可能的區(qū)塊，執(zhí)行第二階段搜尋以找出此區(qū)塊中最佳的結(jié)點；613.如果找到最佳的結(jié)點，將iBestRegion的值取代為iCurrentRegion，并傳回成功；614.如果沒找到最佳的結(jié)點，查看是否有次佳的結(jié)點；615.如果iBestRegion的值等于-1，將iBestRegion的值取代為iCurrentRegion的值；執(zhí)行步驟611；616.如果iBestRegion不等于-1，查看是否iCurrentRegion的值小于iBestRegion的值；如果是，將iBestRegion的值改為iCurrentRegion的值；執(zhí)行步驟611。如果不是，則執(zhí)行步驟611。參照圖7，第二階段搜尋的步驟如下701.設(shè)定一起始搜尋結(jié)點并設(shè)定iBestNode的值為-1；702.查看是否結(jié)點隊列為空；703.如果結(jié)點隊列是空的，而且如果iBestNode的值在可行的范圍內(nèi)，則傳回一可行的結(jié)點(feasible node)，否則傳回失??；704.如果結(jié)點隊列不是空的，則取具有最小預(yù)估值的結(jié)點，將其值附于iCurrentNode，并將之從隊列中移出；705.查看是否為模糊結(jié)點；如果是，則執(zhí)行步驟706；否則執(zhí)行步驟707；706.產(chǎn)生新結(jié)點并執(zhí)行步驟702；707.查看iCurrentNode的預(yù)估值是否在最佳范圍，即optimalrange(iOptimalDifference)；708.如果iCurrentNode的預(yù)估值在最佳范圍內(nèi)，則將iBestNode的值取代為iCurrentNode的值，并回復(fù)最佳的結(jié)點；709.查看是否iBestNode等于-1；710.如果iBestNode等于-1，則將iCurrentNode的值取代為iBestNode的值；執(zhí)行步驟706；711.如果iBestNode不等于-1，查看iCurrentNode的預(yù)估值是否小于iBestNode的值；如果是，則將iBestNode的值取代為iCurrentNode的值；執(zhí)行步驟706；如果不是，執(zhí)行步驟712；712.確定是否所有查過的結(jié)點都已產(chǎn)生了；如果是，執(zhí)行步驟703；如果不是，執(zhí)行步驟706。實驗結(jié)果顯示，利用本發(fā)明的接圖方法，的確可達成預(yù)計的功效。本發(fā)明的特點可綜合如下(1)利用模糊邏輯選取適合的對比樣本；(2)利用人工智能的A*演算法加速對比搜尋；(3)提供使用者設(shè)定搜尋標(biāo)準(zhǔn)，包括誤差容許度，及色彩明暗度(color threshold)以處理特殊情形的圖象；(4)應(yīng)用直線插入法(linear interpolation)調(diào)合左右圖象的色差。以上所述僅為本發(fā)明的優(yōu)選實施例而已，且已達廣泛的實用功效，凡依本發(fā)明申請專利范圍所作的均等變化與修改，均屬本發(fā)明專利涵蓋的范圍內(nèi)。
權(quán)利要求
1.一種智能型圖象接圖方法包含步驟a.讀取第一圖象數(shù)據(jù)及第二圖象數(shù)據(jù)；b.從該第二圖象數(shù)據(jù)選取一個適合的對比樣本；c執(zhí)行第一階段的搜尋并傳回一個粗略的圖象區(qū)塊，其預(yù)估值接近該對比樣本；d.執(zhí)行第二階段的搜尋并傳回一個相對應(yīng)的圖點；以及e.依據(jù)該相對應(yīng)的圖點連接該第一圖象及該第二圖象。
2.如權(quán)利要求1所述的方法，其中所述的步驟(b)包含步驟限定模糊象素的模糊范圍及色彩明暗度；以及選取一8×8陣列的象素，其模糊象素的數(shù)量少于最高容許數(shù)的模糊象素，及其白象素的數(shù)量界于最低及最大容許的白象素數(shù)之間。
3.如權(quán)利要求1所述的方法，其中所述的步驟(c)還包含步驟設(shè)定一16×16陣列的象素為父圖象區(qū)塊；區(qū)分該16×16陣列的象素為4個結(jié)點，每個結(jié)點有8×8陣列的象素；產(chǎn)生該父圖象區(qū)塊的子圖象區(qū)塊；以及儲存該父圖象區(qū)塊及該子圖象區(qū)塊于一圖象區(qū)塊隊列中。
4.如權(quán)利要求1所述的方法，其中所述的步驟(c)包含步驟設(shè)定第一預(yù)估值函數(shù)以計算該合適的對比樣本及該結(jié)點之間參考元素的差；設(shè)定第一錯誤容許值；計算該圖象區(qū)塊隊列中每一圖象區(qū)塊的預(yù)估值；重新依照該預(yù)估值的大小順序排列該圖象區(qū)塊隊列中的圖象區(qū)塊；比較該圖象區(qū)塊與該對比樣本；如果該圖象區(qū)塊的預(yù)估值接近該對比樣本的預(yù)估值，則傳回一個圖象區(qū)塊；以及如果該圖象區(qū)塊隊列中的圖象區(qū)塊沒有一個接近該對比樣本的預(yù)估值，則產(chǎn)生新的圖象區(qū)塊。
5.如權(quán)利要求4所述的方法，其中所述的象素的參考元素為該模糊象素中所定義的模糊集合中的任一元素。
6.如權(quán)利要求4所述的方法，其中所述的產(chǎn)生圖象區(qū)塊的步驟包含選取一具有最小預(yù)估值的區(qū)塊為下一個父圖象區(qū)塊；儲存該新的父圖象區(qū)塊及其子圖象區(qū)塊于新的隊列中。
7.如權(quán)利要求1所述的方法，其中所述的第一階段搜尋不斷重復(fù)，直到找到一圖象區(qū)塊其預(yù)估值與該對比樣本的預(yù)估值接近，或該第一圖象的搜尋已窮盡。
8.如權(quán)利要求1所述的方法，其中所述的第二階段搜尋包含步驟設(shè)定第二預(yù)估值函數(shù)；設(shè)定第二錯誤容許值；依據(jù)該圖象區(qū)塊隊列產(chǎn)生一結(jié)點隊列；計算該結(jié)點隊列中每一結(jié)點的預(yù)估值；依據(jù)該結(jié)點的預(yù)估值大小重新排列該結(jié)點隊列；比較該結(jié)點隊列中的結(jié)點與該對比樣本；如果該結(jié)點的預(yù)估值在最小的錯誤容許值內(nèi)，則傳回一結(jié)點；如果該隊列中所有結(jié)點皆不在最小的錯誤容許值內(nèi)，則產(chǎn)生一個新的結(jié)點隊列；以及設(shè)定該具有最小錯誤容許值的結(jié)點為相對應(yīng)的圖點。
9.如權(quán)利要求8所述的方法，其中所述的產(chǎn)生結(jié)點隊列的步驟包含區(qū)分所述的圖象區(qū)塊隊列中的結(jié)點為四個層次；重新依照設(shè)定的順序排列該隊列中的結(jié)點；以及儲存該結(jié)點于該結(jié)點隊列中。
10.如權(quán)利要求1所述的方法，其中所述的第二階段搜尋一直重復(fù)，直到找到具有最小容許值的結(jié)點或該圖象區(qū)塊中的所有結(jié)點均已查驗過。
11.如權(quán)利要求1所述的方法，其中所述的第一圖象與第二圖象的接合方法為直線插入法。
12.一種自動接合第一圖象與第二圖象的方法，且該第一圖象與第二圖象有部分重疊，包含步驟a.從該第二圖象選取一個適合的對比樣本；b.從該第一圖象選取一個圖象區(qū)塊；c.比較該適合的對比樣本及該圖象區(qū)塊，并傳回一個預(yù)估值接近該對比樣本的圖象區(qū)塊；d.比較該對比樣本及該圖象區(qū)塊并傳回一個相對應(yīng)的圖點；e.重復(fù)步驟(c)直到找到最佳的結(jié)點或該區(qū)塊中的所有結(jié)點均已查驗過；f.重復(fù)步驟(d)直到找到最佳的結(jié)點或該第二圖象的搜尋空間已窮盡；以及e.應(yīng)用直線插入法以該相對應(yīng)的圖點接合該第一圖象及該第二圖象。
13.如權(quán)利要求12所述的方法，其中所述的步驟(a)包含步驟設(shè)定模糊象素的模糊范圍及色彩明暗度；以及選取一8×8陣列的象素，其模糊象素的數(shù)量少于最高容許數(shù)的模糊象素，及其白象素的數(shù)量界于最低及最大容許的白象素數(shù)之間。
14.如權(quán)利要求12所述的方法，其中所述的步驟(b)包含步驟設(shè)定一16×16陣列的象素為父圖象區(qū)塊；區(qū)分該16×16陣列的象素為4個結(jié)點，每個結(jié)點有8×8陣列的象素；產(chǎn)生該父圖象區(qū)塊的子圖象區(qū)塊；以及儲存該父圖象區(qū)塊及該子圖象區(qū)塊于一圖象區(qū)塊隊列。
15.如權(quán)利要求12所述的方法，其中所述的步驟(c)包含步驟設(shè)定第一預(yù)估值函數(shù)以計算該對比樣本及該結(jié)點之間參考元素的差；設(shè)定第一錯誤容許值；計算該圖象區(qū)塊隊列中每一個圖象區(qū)塊的預(yù)估值；重新依照該預(yù)估值的大小排列該圖象區(qū)塊隊列中的圖象區(qū)塊；比較該圖象區(qū)塊與該對比樣本；如果該圖象區(qū)塊的預(yù)估值接近該對比樣本的預(yù)估值，則傳回一個圖象區(qū)塊；以及如果該圖象區(qū)塊隊列中的圖象區(qū)塊沒有一個接近該對比樣本的預(yù)估值，則產(chǎn)生新的圖象區(qū)塊。
16.如權(quán)利要求12所述的方法，其中所述的產(chǎn)生新圖象區(qū)塊的步驟包含選取一具有最小預(yù)估值的區(qū)塊為下一個父圖象區(qū)塊；儲存該新的父圖象區(qū)塊及其子圖象區(qū)塊于新的圖象區(qū)塊隊列中。
17.如權(quán)利要求12所述的方法，其中所述的步驟(d)包含步驟設(shè)定第二預(yù)估值函數(shù)；設(shè)定第二錯誤容許值；依據(jù)該圖象區(qū)塊隊列產(chǎn)生一結(jié)點隊列；計算該結(jié)點隊列中每一結(jié)點的預(yù)估值；依據(jù)該結(jié)點的預(yù)估值大小重新排列該結(jié)點隊列；比較該結(jié)點隊列中的結(jié)點與該對比樣本；如果該結(jié)點的預(yù)估值在最小的錯誤容許值內(nèi)，則傳回一結(jié)點；如果該隊列中的所有結(jié)點皆不在最小的錯誤容許值內(nèi)，則產(chǎn)生一個新的結(jié)點隊列；以及設(shè)定該具有最小錯誤容許值的結(jié)點為相對應(yīng)的圖點。
18.如權(quán)利要求17所述的方法，其中所述的產(chǎn)生結(jié)點隊列的步驟包含區(qū)分所述的圖象區(qū)塊隊列中的結(jié)點為四個層次；將該隊列中的結(jié)點依照設(shè)定的順序重新排列；以及存儲該結(jié)點于結(jié)點隊列中。
全文摘要
本發(fā)明為一種應(yīng)用于掌上型掃描器的自動接圖方法。本發(fā)明主要包含下列步驟:(a)讀取第一圖象資料及第二圖象資料;(2)從第二圖象資料中選取一合適的對比樣本;(3)執(zhí)行第一階段搜尋并傳回一圖象區(qū)塊,其預(yù)估值與該對比樣本的預(yù)估值相近;(4)執(zhí)行第二階段搜尋并傳回一相對應(yīng)的圖點;(6)以該相對應(yīng)的圖點接合第一圖象及第二圖象。
文檔編號H04N1/04GK1201325SQ9711147
公開日1998年12月9日 申請日期1997年6月2日 優(yōu)先權(quán)日1997年6月2日
發(fā)明者蔡宛銖 申請人:鴻友科技股份有限公司