欧美在线观看视频网站,亚洲熟妇色自偷自拍另类,啪啪伊人网,中文字幕第13亚洲另类,中文成人久久久久影院免费观看 ,精品人妻人人做人人爽,亚洲a视频

具濾噪聲步驟的圖框種類(lèi)偵測(cè)方法

文檔序號(hào):7715837閱讀:175來(lái)源:國(guó)知局
專(zhuān)利名稱(chēng):具濾噪聲步驟的圖框種類(lèi)偵測(cè)方法
技術(shù)領(lǐng)域
本發(fā)明為一種具濾噪聲步驟的圖框種類(lèi)偵測(cè)方法。是在計(jì)算出梳狀因子后,進(jìn)行一濾噪聲(Denoising)步驟,以達(dá)到提高判斷圖框種類(lèi)精確度的目的。
背景技術(shù)
目前視訊畫(huà)面的影像是由每秒傳送30個(gè)圖框(frame)所組成,進(jìn)而產(chǎn)生連續(xù)的動(dòng)態(tài)影像,每一圖框是由多條掃描線組合而成(以National Television System Committee;NTSC為例,系傳送525條掃描線),也就是每一圖框是利用1/30秒來(lái)傳送525條掃描線。
而上述視訊的圖框目前可分為二種,分別可分為交錯(cuò)式圖框(interlace)以及順次(progressive)圖框,其中交錯(cuò)式圖框其掃描方式是將每一圖框再分為頂圖場(chǎng)(top field)及底圖場(chǎng)(bottom field),其中頂圖場(chǎng)為奇數(shù)的掃描線,底圖場(chǎng)則為偶數(shù)的掃描線,然后分成兩次分別掃描,如先掃描頂圖場(chǎng)后再掃描底圖場(chǎng)后產(chǎn)生一完整的圖框;而順次(progressive)圖框的掃描方式則為同時(shí)一次傳送整個(gè)圖框(frame)所有的掃描線,然后一線一線順次掃描。
如圖1(a)及圖1(b)所示分別為交錯(cuò)式圖框10及順次圖框11的影像示意圖,由前述可知,由于交錯(cuò)式圖框10的掃描方式為于不同的時(shí)間分別傳送頂圖場(chǎng)(奇數(shù)掃描線)及底圖場(chǎng)(偶數(shù)掃描線),因此會(huì)在如圖1(a)中的方形影像100及三角形影像101其輪廓邊緣產(chǎn)生如梳狀的影像(一般稱(chēng)為梳狀因子(comb factor)),分辨率較差,相對(duì)的畫(huà)面品質(zhì)也較差;而由于順次圖框11由于為同時(shí)傳送整個(gè)圖框,因此其不會(huì)產(chǎn)生如圖1(a)中的梳狀因子。
由前述可知由于梳狀因子的產(chǎn)生對(duì)于分辨率有極大的影響,因此在輸出影像之前會(huì)進(jìn)行一偵測(cè)流程,以偵測(cè)輸入的圖框?yàn)榻诲e(cuò)圖框或是順次圖框,若偵測(cè)為交錯(cuò)圖框,則當(dāng)畫(huà)面于輸出之前會(huì)有一解交錯(cuò)(deinterlacing)處理步驟以將梳狀因子去除,以獲得更佳的影像輸出品質(zhì);若為順次圖框,則不需經(jīng)過(guò)解交錯(cuò)步驟而直接輸出影像即可。
傳統(tǒng)的偵測(cè)流程如圖2所示,首先在步驟201中,設(shè)計(jì)數(shù)器為零,輸入一可計(jì)算出畫(huà)素梳狀因子值(comb factor)的圖框函式F(n),接著進(jìn)行步驟202,將所有畫(huà)素代入此圖框函式F(n)中,步驟203,計(jì)算畫(huà)素梳狀因子值(comb factor),此梳狀因子值計(jì)算的演算式在后面予以敘述;步驟204中,判斷梳狀因子值是否大于臨界值,若大于臨界值,則進(jìn)入步驟205中,將計(jì)數(shù)值加1;若梳狀因子值小于臨界值,則進(jìn)入步驟206,判斷是否為最后一梳狀因子;若是,則進(jìn)入步驟207;若否,則重復(fù)步驟203至步驟206;步驟207,判斷計(jì)數(shù)器中數(shù)值是否小于臨界值,若計(jì)數(shù)器中數(shù)值小于臨界值時(shí),則于步驟208判斷其圖框種類(lèi)為順次圖框,若計(jì)數(shù)器數(shù)值大于臨界值時(shí),則進(jìn)入步驟209判斷其圖框種類(lèi)為交錯(cuò)式圖框;最后,結(jié)束偵測(cè)流程。
圖3所示為在圖2中步驟203其計(jì)算一畫(huà)素其梳狀因子值的圖框畫(huà)素示意圖,其中欲計(jì)算畫(huà)素30發(fā)生于圖中所示的X的位置,而所示○的第一鄰近畫(huà)素31與第二鄰近畫(huà)素32為鄰近的周遭畫(huà)素,其計(jì)算畫(huà)素30梳狀因子值的演算式為梳狀因子值(Comb Factor(x,y))=(b-x)×(e-x)-(b-e)2其中,x為畫(huà)素30在坐標(biāo)(x,y)的畫(huà)素值;b為第一鄰近畫(huà)素31在坐標(biāo)(x,y-1)的畫(huà)素值;e為第二鄰近畫(huà)素32在坐標(biāo)(x,y+1)的畫(huà)素值。
雖然利用演算式算出每一梳狀因子的數(shù)值然后與一設(shè)定的固定臨界值作比較可作為一判斷此畫(huà)素是否為梳狀因子,最后再根據(jù)梳狀因子的數(shù)目(即計(jì)數(shù)器數(shù)目)可判斷出圖框種類(lèi),但是此種方法亦會(huì)造成誤判。其原因是由于當(dāng)一畫(huà)素若與周遭畫(huà)素的亮度差異極大時(shí),其利用上述演算式所算出來(lái)的梳狀因子值會(huì)極大,因此,若在一影像上有雜點(diǎn)時(shí),其也有可能因與周遭畫(huà)素的亮度差異極大而被誤判為梳狀因子,例如若在一順次影像中有較多的雜點(diǎn)時(shí),即會(huì)因被判斷為梳狀因子而造成最后誤判為交錯(cuò)式圖框。
為解決上述因?qū)⒂跋裆系碾s點(diǎn)誤判為梳狀因子的問(wèn)題,本發(fā)明提出一種具濾噪聲步驟的圖框種類(lèi)偵測(cè)方法來(lái)達(dá)到更精確的交錯(cuò)式圖框及順次圖框判斷方法。

發(fā)明內(nèi)容
本發(fā)明為一種具濾噪聲步驟的圖框種類(lèi)偵測(cè)方法,是在計(jì)算出梳狀因子后,進(jìn)行一濾噪聲(Denoising)步驟,以確認(rèn)其是屬于梳狀因子還是雜點(diǎn),最后再進(jìn)行判斷圖框種類(lèi)的步驟,如此可精確的計(jì)算出梳狀因子的數(shù)目,減少誤將雜點(diǎn)判斷為梳狀因子的可能,以達(dá)到提高判斷圖框種類(lèi)精確度的目的。
為達(dá)到上述目的,本發(fā)明具濾噪聲步驟的圖框種類(lèi)偵測(cè)方法為先在處理器中輸入圖框一函式F(n),并設(shè)計(jì)數(shù)器為零;然后將圖框中所有畫(huà)素帶入該函式中并判斷每一畫(huà)素是否為梳狀因子;接著,再經(jīng)過(guò)一濾噪聲步驟以判斷每一梳狀因子是否為真或是為雜點(diǎn);若為梳狀因子,則將計(jì)數(shù)器加一;最后,根據(jù)計(jì)數(shù)器數(shù)目判斷其為交錯(cuò)式圖框或是順次圖框。


有關(guān)本發(fā)明的詳細(xì)內(nèi)容及技術(shù),現(xiàn)配合

如下圖1(a)為交錯(cuò)式圖框的影像輸出示意圖;圖1(b)為順次圖框的影像輸出示意圖;圖2為現(xiàn)有技術(shù)偵測(cè)圖框種類(lèi)方法的流程示意圖;圖3為計(jì)算一畫(huà)素其梳狀因子值的圖框畫(huà)素示意圖;圖4為本發(fā)明具濾噪聲步驟的圖框種類(lèi)偵測(cè)方法其較佳實(shí)施例之一流程示意圖;及圖5為本發(fā)明具濾噪聲步驟的圖框種類(lèi)偵測(cè)方法其另一較佳實(shí)施例的流程示意圖。
符號(hào)說(shuō)明10交錯(cuò)式圖框;100方形影像;101三角形影像;11順次圖框; 30畫(huà)素; 31第一鄰近畫(huà)素;32第二鄰近畫(huà)素;301、401輸入一函式F(n)至處理中,設(shè)計(jì)數(shù)器為零;
302、402將所有畫(huà)素代入該函式F(n)算出梳狀因子值;303、403梳狀因子值>梳狀因子臨界值;304、404第一梳狀圖為1;305、405第一梳狀圖為零;306、406最后一梳狀因子值;307、407進(jìn)行濾噪聲步驟;308、408算出每一畫(huà)素的判斷值;309、409判斷值>多數(shù)臨界值;310、413計(jì)算器加1;311最后一判斷值;414最后一第二梳狀圖;312、415計(jì)數(shù)器數(shù)值<計(jì)數(shù)器臨界值;313、416順次圖框;314、417交錯(cuò)式圖框。
具體實(shí)施例方式
圖4為本發(fā)明一較佳實(shí)施例具濾噪聲步驟的圖框種類(lèi)偵測(cè)方法的一流程示意圖,包括下列步驟首先,進(jìn)行步驟301,設(shè)計(jì)數(shù)器為零,輸入一圖框函式F(n)至一處理器中,由于此圖框函式在現(xiàn)有技術(shù)中已提及,在此不再贅敘;接著,在步驟302中將所有畫(huà)素代入該函式F(n)中,并算出梳狀因子值;接著,在步驟303中判斷梳狀因子值是否大于梳狀因子臨界值,若大于梳狀因子臨界值時(shí),則進(jìn)入步驟304將其對(duì)應(yīng)的第一梳狀圖(Comb map1)的值設(shè)為1;若小于梳狀因子臨界值,則于步驟305中將對(duì)應(yīng)的第一梳狀圖(Comb map1)其值設(shè)為零;接著進(jìn)行步驟306,判斷是否為最后一畫(huà)素的梳狀因子圖,若為最后一畫(huà)素的梳狀因子圖,則進(jìn)入步驟307,若非最后一畫(huà)素的梳狀因子圖,則進(jìn)入重復(fù)步驟302至305,直到計(jì)算出最后一畫(huà)素的梳狀因子圖為止。
接著進(jìn)行步驟307,進(jìn)行濾噪聲步驟(Median Flitering),其是在步驟308中再將每一畫(huà)素所對(duì)應(yīng)的第一梳狀圖帶入下列演算式中算出一判斷值(counts),其演算式在本實(shí)施例為如下所示判斷值(counts)=111111111·CombMap(x-1,y+1)CombMap(x,y+1)CombMap(x+1,y+1)CombMap(x-1,y)CombMap(x,y)CombMap(x+1,y)CombMap(x-1,y-1)CombMap(x,y-1)CombMap(x+1,y-1)]]>其中,M及Combmap(x+i,y+j)for i=-1~1,j=-1~1皆為一3×3的矩陣,Comb map(x+i,y+j)則為各別畫(huà)素在對(duì)應(yīng)位置(x+i,y+j)所先前計(jì)算出的第一梳狀圖值。
當(dāng)計(jì)算出該判斷值后,則于步驟309中將算出的判斷值與一多數(shù)臨界值(Majority-th)作一比較判斷,若大于多數(shù)臨界值,則進(jìn)入步驟310將計(jì)數(shù)器加一;若此判斷值小于多數(shù)臨界值(Majority-th),則進(jìn)入步驟311判斷是否為最后一畫(huà)素的判斷值,若是,則進(jìn)入步驟312;若不是,則重復(fù)步驟308至309。
在步驟312中,判斷計(jì)數(shù)器數(shù)值是否小于一計(jì)數(shù)器臨界值,其計(jì)數(shù)器的數(shù)值即代表梳狀因子的數(shù)目,若計(jì)數(shù)器數(shù)值小于計(jì)數(shù)器臨界值,代表此圖框中的梳狀因子數(shù)目未達(dá)交錯(cuò)式圖框的標(biāo)準(zhǔn),在步驟312中判斷其為順次圖框;若大于計(jì)數(shù)器臨界值,代表此圖框中的梳狀因子數(shù)目已超過(guò)交錯(cuò)式圖框其梳狀因子數(shù)目設(shè)定的標(biāo)準(zhǔn)值,進(jìn)入步驟313判斷其為交錯(cuò)式圖框,最后,結(jié)束偵測(cè)流程。
如圖5所示為本發(fā)明另一較佳實(shí)施例的流程示意圖,其與前一實(shí)施例主要不同在于增加一將判斷值與多數(shù)臨界值(Majority-th)作比較判斷的結(jié)果輸入至一第二梳狀圖的步驟,其包括下列步驟首先,進(jìn)行步驟401,設(shè)計(jì)數(shù)器為零,輸入一圖框函式F(n)至一處理器中,由于此圖框函式在現(xiàn)有技術(shù)中已提及,在此不再贅敘;接著,在步驟402中將所有畫(huà)素代入該函式F(n)中,并算出梳狀因子值;接著,在步驟403中判斷梳狀因子值是否大于梳狀因子臨界值,若大于梳狀因子臨界值時(shí),則進(jìn)入步驟404將其對(duì)應(yīng)的第一梳狀圖(Comb map1)其值設(shè)為1;若小于梳狀因子臨界值,則于步驟405中將對(duì)應(yīng)的第一梳狀圖(Comb map1)其值設(shè)為零;接著進(jìn)行步驟406,判斷是否為最后一畫(huà)素的梳狀因子圖,若為最后一畫(huà)素的梳狀因子圖,則進(jìn)入步驟407,若非最后一畫(huà)素的梳狀因子圖,則進(jìn)入重復(fù)步驟402至405,直到計(jì)算出最后一畫(huà)素的梳狀因子圖為止。
接著進(jìn)行步驟407,進(jìn)行濾噪聲步驟(Median Flitering),首先在步驟408中將每一畫(huà)素所對(duì)應(yīng)的第一梳狀圖帶入下列演算式中算出一判斷值(counts),其演算式在本實(shí)施例為如下所示判斷值(counts)=111111111·CombMap(x-1,y+1)CombMap(x,y+1)CombMap(x+1,y+1)CombMap(x-1,y)CombMap(x,y)CombMap(x+1,y)CombMap(x-1,y-1)CombMap(x,y-1)CombMay(x+1,y-1)]]>其中,M及Combmap(x+i,y+j)for i=-1~1,j=-1~1皆為一3×3的矩陣Combmap(x+i,y+j)則為各別畫(huà)素在對(duì)應(yīng)位置(x+i,y+j)先前算出的第一梳狀圖值。
當(dāng)計(jì)算出該判斷值后,則于步驟409中將算出的判斷值與一多數(shù)臨界值(Majority-th)作一比較判斷,并將判別的結(jié)果輸入一第二梳狀圖中,在此梳狀圖為一位梳狀圖(bit map)。此步驟為利用前述演算式算出的判斷值用以判斷此畫(huà)素為梳狀因子還是雜點(diǎn),在本實(shí)施例中,若此畫(huà)素的判斷值大于多數(shù)臨界值,則進(jìn)入步驟410設(shè)其第二梳狀圖值為1;若此判斷值小于多數(shù)臨界值,則進(jìn)入步驟411將對(duì)應(yīng)的第二梳狀圖的值為零。
在步驟412中,判斷每一第二梳狀圖是否為1;若是,則將計(jì)數(shù)器加1;若不是,則進(jìn)入步驟414中判斷是否為最后一第二梳狀圖,若是,則進(jìn)入步驟415中,若否,則返回步驟412。步驟415為判斷計(jì)數(shù)器數(shù)值是否小于計(jì)數(shù)器臨界值,其計(jì)數(shù)器的數(shù)值即代表梳狀因子的數(shù)目,若計(jì)數(shù)器數(shù)值小于計(jì)數(shù)器臨界值,代表此圖框中的梳狀因子數(shù)目未達(dá)交錯(cuò)式圖框的標(biāo)準(zhǔn),則判斷其為順次圖框(步驟416);若計(jì)數(shù)器數(shù)值大于計(jì)數(shù)器臨界值,代表此圖框中的梳狀因子數(shù)目已超過(guò)交錯(cuò)式圖框其梳狀因子數(shù)目設(shè)定的標(biāo)準(zhǔn)值,則判斷其為交錯(cuò)式圖框(步驟417),最后,結(jié)束偵測(cè)流程。
以上為本發(fā)明具濾噪聲步驟的圖框種類(lèi)偵測(cè)方法實(shí)施例的詳細(xì)說(shuō)明,當(dāng)計(jì)算出梳狀因子后,利用一濾噪聲(Denoising)步驟,以確認(rèn)其對(duì)應(yīng)于此梳狀因子的畫(huà)素是屬于梳狀因子(Comb factor)還是雜點(diǎn),最后再進(jìn)行判斷圖框種類(lèi)的步驟,如此可精確的計(jì)算出一圖框中梳狀因子的數(shù)目,減少誤將雜點(diǎn)判斷為梳狀因子的可能,以達(dá)到提高判斷圖框種類(lèi)精確度的目的。
綜上所述,充分顯示出本發(fā)明具濾噪聲步驟的圖框種類(lèi)偵測(cè)方法在目的及功效上均深富實(shí)施的進(jìn)步性,具有產(chǎn)業(yè)上的利用價(jià)值,并且為目前市面上前所未見(jiàn)的新發(fā)明,完全符合發(fā)明專(zhuān)利的條件,所以依法提出申請(qǐng)。
前面所敘述的,僅為本發(fā)明的較佳實(shí)施例而已,并不作為限定本發(fā)明所實(shí)施的范圍。即大凡依本發(fā)明申請(qǐng)專(zhuān)利范圍所做出的均等變化與修飾,均應(yīng)仍屬于本發(fā)明專(zhuān)利涵蓋的范圍內(nèi)。
權(quán)利要求
1.一種具濾噪聲步驟的圖框種類(lèi)偵測(cè)方法,其借助一處理器完成,該處理器中儲(chǔ)存有可計(jì)算出梳狀因子值的函式,其特征在于該偵測(cè)方法包括有將一圖框中的畫(huà)素依序輸入至一處理器中;根據(jù)該函式計(jì)算出圖框其所有畫(huà)素的梳狀因子值;進(jìn)行一濾噪聲步驟,并進(jìn)行辨認(rèn)該各該畫(huà)素的梳狀因子值;若屬于梳狀因子,則將計(jì)數(shù)器加一;若不屬于梳狀因子,則計(jì)數(shù)器不變;及根據(jù)計(jì)數(shù)器數(shù)值及計(jì)數(shù)器臨界值判斷出該圖框種類(lèi);及結(jié)束偵測(cè)流程。
2.如權(quán)利要求1所述的具濾噪聲步驟的圖框種類(lèi)偵測(cè)方法,其特征在于在進(jìn)行一濾噪聲步驟中,包括將該梳狀因子與一梳狀因子臨界值作一比較;若大于梳狀因子臨界值時(shí),則將其對(duì)應(yīng)的第一梳狀圖設(shè)為一;若小于梳狀因子臨界值,則將對(duì)應(yīng)的第一梳狀圖設(shè)為零;及算出各該畫(huà)素其第一梳狀圖的判斷值。
3.如權(quán)利要求2所述的具濾噪聲步驟的圖框種類(lèi)偵測(cè)方法,其特征在于還包括將判斷值與一多數(shù)臨界值作一比較,若大于多數(shù)臨界值,則將計(jì)數(shù)器加一;及若小于多數(shù)臨界值,計(jì)數(shù)器維持不變。
4.如權(quán)利要求2所述的具濾噪聲步驟的圖框種類(lèi)偵測(cè)方法,其特征在于還包括將判斷值與一多數(shù)臨界值作一比較,若大于多數(shù)臨界值,則設(shè)對(duì)應(yīng)的第二梳狀圖為一;若此判斷值小于多數(shù)臨界值,則設(shè)對(duì)應(yīng)的第二梳狀圖為零;及判斷每一第二梳狀圖是否為一;若是,則將計(jì)數(shù)器加一;若不是,則計(jì)數(shù)器維持不變。
5.如權(quán)利要求1所述的具濾噪聲步驟的圖框種類(lèi)偵測(cè)方法,其特征在于在根據(jù)計(jì)數(shù)器數(shù)值判斷出該圖框種類(lèi)的步驟中,若計(jì)數(shù)器數(shù)值大于該計(jì)數(shù)器臨界值,則判定其為順次圖框,若小于該計(jì)數(shù)器臨界值,則判定其為交錯(cuò)式圖框。
6.一種具濾噪聲步驟的圖框種類(lèi)偵測(cè)方法,其借助一處理器完成,該處理器中儲(chǔ)存有可計(jì)算出梳狀因子值的函式,其特征在于該偵測(cè)方法包括有將一圖框中的畫(huà)素依序輸入至一處理器中;根據(jù)該圖框函式計(jì)算出所有畫(huà)素的梳狀因子值;算出各該畫(huà)素的第一梳狀圖值;根據(jù)各該畫(huà)素的第一梳狀圖值,算出各該畫(huà)素的判斷值,并將判斷值與一多數(shù)臨界值作一比較,若大于多數(shù)臨界值,則設(shè)對(duì)應(yīng)的第二梳狀圖為一;若此判斷值小于多數(shù)臨界值,則設(shè)對(duì)應(yīng)的第二梳狀圖為零;及判斷每一第二梳狀圖是否為一;若是,則將計(jì)數(shù)器加一;若不是,則計(jì)數(shù)器維持不變。根據(jù)計(jì)數(shù)器數(shù)值及計(jì)數(shù)器臨界值判斷出該圖框種類(lèi);及結(jié)束偵測(cè)流程。
7.如權(quán)利要求6所述的具濾噪聲步驟的圖框種類(lèi)偵測(cè)方法,其特征在于在算出各該畫(huà)素的第一梳狀圖值的步驟中,將該梳狀因子值與一梳狀因子臨界值作一比較,若大于梳狀因子臨界值時(shí),則將其對(duì)應(yīng)的第一梳狀圖值設(shè)為一;若小于梳狀因子臨界值,則將對(duì)應(yīng)的第一梳狀圖值設(shè)為零。
全文摘要
本發(fā)明為一種具濾噪聲步驟的圖框種類(lèi)偵測(cè)方法,是在計(jì)算出梳狀因子后,進(jìn)行一濾噪聲(Denoising)步驟,以確認(rèn)其是屬于梳狀因子(Comb factor)還是雜點(diǎn),最后再進(jìn)行判斷圖框種類(lèi)的步驟,如此可精確的計(jì)算出梳狀因子的數(shù)目,減少誤將雜點(diǎn)判斷為梳狀因子的可能,以達(dá)到提高判斷圖框種類(lèi)精確度的目的。
文檔編號(hào)H04N3/15GK1567978SQ0314855
公開(kāi)日2005年1月19日 申請(qǐng)日期2003年7月2日 優(yōu)先權(quán)日2003年7月2日
發(fā)明者林文國(guó), 顏仲和 申請(qǐng)人:矽統(tǒng)科技股份有限公司
網(wǎng)友詢問(wèn)留言 已有0條留言
  • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1
县级市| 佛坪县| 河间市| 泊头市| 南涧| 锡林郭勒盟| 北安市| 灌阳县| 陈巴尔虎旗| 新疆| 哈密市| 瓮安县| 武宁县| 北宁市| 红河县| 太原市| 永仁县| 特克斯县| 马边| 汶上县| 昌吉市| 榆林市| 焦作市| 剑川县| 商丘市| 商城县| 昌宁县| 项城市| 汤阴县| 榆树市| 建湖县| 金阳县| 伊春市| 长垣县| 革吉县| 达孜县| 林甸县| 牟定县| 青神县| 曲松县| 罗源县|