运用差分微波处理图像的方法.pdf

一种以一差分微波对一图像进行处理的方法，其包含读取该图像至一图像处理程序，利用该差分微波分解该图像，截断分解后的图像中低于一预定临界值的图像或依据一加强函数加强分解后的图像，利用该差分微波重建截断后或加强后的图像，以及输出重建后的图像。

1.  一种以差分微波处理一图像的方法，其包含：
(a)读取该图像至一图像处理程序；
(b)利用该差分微波分解该图像；
(c)截断分解后的图像中低于一预定临界值的图像，或依据一加强函数加强分解后的图像；
(d)利用该差分微波重建步骤(c)产生的图像；以及
(e)输出该重建后的图像。

2.  如权利要求1所述的方法，其中，步骤(a)包含改变该图像的原先矩阵维数的大小。

3.  如权利要求2所述的方法，其中，步骤(a)包含将该图像的矩阵维数改变为(2^k·m×2^k·n)，其中，m及n为正整数，k代表分解与重建步骤的级数。

4.  如权利要求3所述的方法，其中，步骤(b)包含下列步骤：
(b1)对矩阵维数已改变的图像的每一列执行图像分解；
(b2)对步骤(b1)产生的图像进行矩阵转换；以及
(b3)对步骤(b2)产生的图像的每一列执行另一次图像分解。

5.  如权利要求3所述的方法，其中，步骤(d)包含下列步骤：
(d1)对步骤(c)产生的图像的每一列执行图像重建；
(d2)对步骤(d1)产生的图像进行矩阵转换；以及
(d3)对步骤(d2)产生的图像的每一列执行另一次图像重建。

6.  如权利要求3所述的方法，其中，步骤(e)包含将该图像复原到原先的矩阵大小。

7.  如权利要求1所述的方法，其另包含在执行步骤(b)之后，对步骤(a)的图像执行红-绿-蓝至亮度-频宽-色度的转换。

8.  如权利要求7所述的方法，其另包含在执行步骤(d)后，对步骤(d)产生的图像执行亮度-频宽-色度至红-绿-蓝转换。

9.  如权利要求1所述的方法，其中，步骤(c)是逐行截断分解后的图像中低于该预定临界值的图像。

10.  如权利要求1所述的方法，其中，该差分微波具有一对应于平均值的第一滤波组以及一对应于波动值的第二滤波组。

11.  如权利要求10所述的方法，其中，该差分微波的参数为(r，rt)，r是该第一滤波组的参数，而rt是该第二滤波组的参数。

12.  如权利要求11所述的方法，其中，(r，rt)＝(1，3)。

13.  如权利要求1所述的方法，其步骤(d)是使用周期边界条件来执行。

14.  如权利要求1所述的方法，其中，步骤(b)及(d)是互为反向的步骤。

15.  如权利要求1所述的方法，其中，该截断分解后的图像的步骤，与该加强分解后的图像的步骤，是两者都执行。

运用差分微波处理图像的方法
技术领域
本发明涉及一种图像处理方法，特别涉及一种运用一差分微波进行一图像处理，以达到平滑图像、加强图像并移除图像噪声的效果。
背景技术
微波函数(Wavelet)是一种用来将数据切割为各种频域组，并依据每个频域组的大小来分析其分辨率。而微波函数尤其适合分析当信号包含有不连续且尖锐的突波(spike)时的物理状态。也因此，微波函数普遍应用于图像处理之中。主要常见的微波函数有Cohen-Daubechies-Feauveau(CDF)微波函数、崔王微波函数(Chui-Wang wavelet)以及差分微波。差分微波的详细内容请参阅国立台湾大学数学系的陈宜良先生于1998年所著作的“An Introductionto Wavelets”一文，请一并予以参考。
在过去，CDF微波函数以及Chui-Wang微波函数常用来加强图像效果、平滑图像以及移除图像的噪声。然而，这两种处理图像的运算方法都需要用到大量的计算。
发明内容
因此，本发明的目的是提供一种利用差分微波来进行图像处理的方法，以解决上述问题。
本发明提供一种以一差分微波对一图像进行处理的方法，其包含读取该图像至一图像处理程序，利用该差分微波分解该图像，截断分解后的图像中低于一预定临界值的图像或依据一加强函数加强分解后的图像，利用该差分微波重建截断后或加强后的图像，以及输出重建后的图像。
与已知方法相比，本发明的优点在于，运用差分微波来处理图像，仅需要较少的运算就能使图像更平滑，并加强图像效果且移除图像的噪声，因此，使用差分微波相较于已知微波函数可以更快速的处理图像。
附图说明
图1为本发明运用差分微波以进行图像处理的简略说明的流程图。
图2为本发明运用差分微波以进行图像处理的详细说明的流程图。
附图符号说明
50-62    步骤                   100-128    步骤
具体实施方式
本发明利用差分微波来处理图像。差分微波与其它微波函数相较之下，差分微波能使图像更加清晰以及平滑。特别是如果能仔细选择差分微波的参数的话，则能达到最理想的结果。除此之外，使用差分微波仅需要少量的计算且比其它的微波函数还迅速。
请参阅图1，图1为本发明运用差分微波以进行图像处理的简略说明的流程图。
步骤50：开始；
步骤52：读取图像，使用图像处理程序处理图像；
步骤54：使用差分微波对图像执行分解步骤；
步骤56：对图像执行截断步骤或提升步骤使图像更加平滑、提升图像品质或者将噪声从图像中移除；
步骤58：使用差分微波对图像执行重建步骤；
步骤60：输出图像到档案；以及
步骤62：结束。
步骤54的分解步骤与步骤58的重建步骤彼此间正好是反向(inverse)步骤的。因此，如果没有执行步骤56的截断或加强步骤，图1所示的方法所产生的图像会与原先的图像相同。
请参阅图2，图2为本发明运用差分微波以进行图像处理的详细说明的流程图。
步骤100：开始；
步骤102：从输入档案中读取图像到图像处理程序；
步骤104：在将图像调整为大小(2^k·m×2^k·n)的矩阵(matrix)，其中m、n为正整数，k代表分解与重建步骤的级数；
步骤106：执行红-绿-蓝(RGB，red-green-blue)至亮度-频宽-色度(YUV，luminance-bandwidth-chrominance)的转换；
步骤108：逐列地执行图像分解；
步骤110：执行图像的矩阵转换(matrix transpose)；
步骤112：逐列地执行另一次图像分解；
步骤114：截断低于某个临界值(certain threshold value)的图像，或者依照线性或非线性曲线，提升图像品质以提升图像的清晰度；
步骤116：逐列地执行图像重建；
步骤118：执行另一次的图像矩阵转换；
步骤120：逐列地执行另一次图像重建；
步骤122：执行YUV至RGB转换；
步骤124：将图像从矩阵尺寸复原到原尺寸；
步骤126：将图像写入至输出档案；以及
步骤128：结束。
如前所述，步骤106以及步骤122分别包含RGB至YUV转换以及YUV至RGB转换。是否需执行步骤106以及步骤122可依据时间成本的考虑来决定，虽然说执行YUV至RGB转换步骤，会使得图像更平滑，然而，对一兆位的图像执行YUV至RGB转换步骤所花费的时间，与对图像编码以及译码的时间是一样多的，因此会牺牲计算时间。
当步骤114在截断图像数据时，可以一行一行地执行或者一次截断整个图像。本发明较适合一行一行地截断数据，因为这样比一次截断整个图像还来的简单以及迅速。
如前所述，相较于先前技术使用其它微波函数的方法，本发明的分解以及重建步骤皆使用差分微波。用于分解以及重建的差分微波有对应于平均值(average values)的第一滤波组(filter bank)以及对应于波动值(fluctuation values)的第二滤波组。对应于上述的滤波组的参数标示为(r，rt)，r是第一滤波组的参数，而rt是第二滤波组的参数。在参数(r，rt)＝(1，3)情况下，可达到最佳执行状态以及获得相当的精确度。使用周期边界条件(periodic boundary condition)来重建图像。
相较于已知技术，本发明使用差分微波分解以及重建图像，能在减少复杂性下，提供较佳的成果。另外相较于先前技术的方法，本发明更可以提升图像品质，使图像平滑，以及将噪声从图像中移除。同时，与先前技术地方法相比，本发明的方法仅需要少量的计算而且执行速度更加地迅速。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明专利的涵盖范围。