专利名称：影像放大的方法
技术领域：
本发明是有关于一种影像放大的方法，且特别是有关于一种可根据不同的影像特性，来选择算法的影像放大的方法。
背景技术：
随着光学科技与数字化时代的来临，影像信息在日常生活中扮演着一个重要的角色，也由于数字影像有保存容易、方便传输、便于修改且成本低廉等特性，因此已被广泛地运用在各领域中，故，各式各样的影像处理技巧也日趋重要。
最常见的影像处理技巧就是影像的放大与缩小。影像的缩小是减少影像的像素点，因此，可利用特征的观念保留下重要的特征。然而，影像的放大是需增加影像的像素点，等于是需重建部分影像，由现有的信息来填补缺少的部分，因此，如何在影像放大中得到最好的效果是近年来常被探讨的一个问题。
在公知的影像放大技术中，一张画面只使用一种算法进行处理。由于影像的内容是千变万化的，虽是同张画面，却有可能有着多种的影像特性，因此，若利用固定的算法来对整张影像做放大，即使影像中的一些部分有着不错的放大效果，但某些部份则有可能造成画面质量不佳的情形。
发明内容
本发明的目的就是在提供一种影像放大的方法，在影像放大时，可依据影像内容，找出最适合的算法，以求出最佳的影像质量。
本发明的另一目的就是在提供一种影像放大的方法，使用至少两种算法，来计算欲填补的像素值。
本发明的再一目的就是在提供一种影像放大的方法，依据取样方块值的不同，切换不同的算法，可以得到最佳的影像质量。
本发明的又一目的就是在提供一种影像放大的方法，可根据实际需求，由设计者或使用者自行设定临界值，以改变影像所呈现的效果。
为了达到本发明的上述目的，提出一种影像放大的方法，至少包括如下步骤。首先，将一影像分为多个取样区块。接着，决定各取样区块的一参考值。然后，比较上述的参考值与一临界值，得到一比较结果。接下来，根据上述的比较结果，计算出需填补的像素值。
依照本发明的较佳实施例，上述的决定步骤至少包括先提供一滤波器屏蔽各取样区块，再计算滤波器屏蔽各取样区块中的多个像素，以得到各取样区块的参考值，其中，计算滤波器屏蔽各取样区块中的多个像素循序计算各取样区块中的每一个像素。上述的滤波器为一高通滤波器。计算出需填补的像素值的步骤，至少包括当参考值大于临界值时，使用一高频算法，而当参考值小于临界值时，使用一低频算法。所使用的高频算法例如可以为Lanczos2算法、Lanczos3算法或Mitchell算法，而所使用的低频算法例如可以为立方回旋插补算法(Cubic Convolution Interpolation Algorithm)、最邻近算法(Nearest Neighborhood Algorithm)、双线性算法(Bilinear Algorithm)、双立方回旋算法(Bicubic Convolution Algorithm)、Box算法、三角算法(TriangleAlgorithm)、Quadradic算法、Catrom算法、Gaussian算法或Sinc算法。
根据本发明的另一目的，提出一种影像放大的方法，至少包括如下步骤。首先，将一影像分为多个取样区块。接着，决定各取样区块的一参考值。然后，比较上述的参考值与一临界值，得到一比较结果。接下来，根据上述的比较结果，当参考值大于临界值时，使用一高频算法，当参考值小于临界值时，使用一低频算法，以计算出需填补的像素值。
依照本发明的较佳实施例，上述的决定步骤至少包括先提供一滤波器屏蔽各取样区块，再计算滤波器屏蔽各取样区块中的多个像素，以得到各取样区块的参考值，其中，计算滤波器屏蔽各取样区块中的多个像素循序计算各取样区块中的每一个像素。上述的滤波器为一高通滤波器。计算出需填补的像素值的步骤，至少包括当参考值大于临界值时，使用一高频算法，而当参考值小于临界值时，使用一低频算法。所使用的高频算法例如可以为Lanczos2算法、Lanczos3算法或Mitchell算法，而所使用的低频算法例如可以为立方回旋插补算法、最邻近算法、双线性算法、双立方回旋算法、Box算法、三角算法、Quadradic算法、Catrom算法、Gaussian算法或Sinc算法。
根据本发明的另一方面，提供了一种影像放大的方法，包括将一影像分为多个取样区块；决定每一所述取样区块的一高频分量；根据该高频分量，执行一第一算法；以及根据该高频分量，执行一第二算法。
根据本发明的构思，该第一算法是选自于由Lanczos2算法、Lanczos3算法以及Mitchell算法所组成的一族群。
根据本发明的构思，该第二算法是选自于由立方回旋插补算法、最邻近算法、双线性算法、双立方回旋算法、Box算法、三角算法、Quadradic算法、Catrom算法、Gaussian算法以及Sinc算法所组成的一族群。
为让本发明的上述和其它目的、特征、和优点能更明显易懂，下文特举一较佳实施例，并配合所附附图，作详细说明如下图1是绘示依照本发明较佳实施例的流程示意图；图2是绘示依照本发明较佳实施例的取样区块的示意图；以及图3是绘示本发明较佳实施例所使用的高通滤波器。
其中，附图标记说明如下102-将一影像分为多个取样区块；104-决定各取样区块的一参考值；106-比较参考值与一临界值，得到一比较结果；108-根据比较结果，计算出需填补的像素值；202-取样区块；204-取样区块；302-屏蔽。
具体实施例方式
为了使本发明的叙述更加详尽与完备，可参照下列描述并配合图1至图3的附图。
请参考图1，图1是绘示依照本发明较佳实施例的流程示意图。首先，在步骤102中，将一影像分为多个取样区块，其中，取样区块的尺寸为n×n，n一般为正整数，当然，取样区块的尺寸是越大越好，如此可参考的像素也就越多，而应用本发明所计算出的插入像素也就越正确。在本发明的实施例中，取样区块的尺寸例如可以为4×4或6×6。
接着，在步骤104中，决定各取样区块的一参考值。在本发明的较佳实施例中，此决定步骤是提供一高通滤波器屏蔽各取样区块，并计算高通滤波器屏蔽各取样区块中的多个像素，以得到各取样区块的参考值。然后，在步骤106中，比较参考值与一临界值，得到一比较结果。接着，根据比较结果，计算出需填补的像素值，如步骤108所示。在本发明的较佳实施例中，根据上述的比较结果，当上述的参考值大于临界值时，使用一高频算法，而当上述的参考值小于临界值时，使用一低频算法，以计算出需填补的像素值。
接着，请参考图2，图2是绘示依照本发明较佳实施例的取样区块的示意图。在本发明的较佳实施例中，取样区块如图中的取样区块202、取样区块204所示，其尺寸为6×6。接下来，利用一屏蔽，对一取样区块中的像素进行运算。在本发明的较佳实施例中，使用一屏蔽302，对取样区块202中的像素进行运算，而屏蔽302为一种滤波器，且其尺寸大小并不限制，屏蔽302的尺寸仅需小于上述的取样区块尺寸即可。本发明较佳实施例的屏蔽302为一高通滤波器，其尺寸为3×3，如图3所示。高通滤波器可以突显影像中的高频部分，强化影像变化较大的区域，即强化高频的部分。在图2中，屏蔽302先对取样区块202中的像素P0、P1、P2、P6、P7、P8、P12、P13与P14进行一内积运算，得到一第一纯量值。值得注意的是，本发明较佳实施例所使用的高通滤波器、内积运算方法与所得的纯量值仅为本发明的一范例，在本发明的其它实施例中，亦可使用不同的高通滤波器与运算方法，以得到不同的结果。
接着，屏蔽302右移，对像素P1、P2、P3、P7、P8、P9、P13、P14与P15进行运算，得到一第二纯量值。以此方式，待屏蔽302循序计算取样区块中的每一个像素后，亦即，以此方式，待屏蔽302对取样区块202中的像素P21、P22、P23、P27、P28、P29、P33、P34与P35进行运算后，便可得到16个纯量值。上述的纯量值表示取样区块202中的高频分量，其数值越大，表示取样区块202中的颜色变化越剧烈。
接着，将此16个纯量值的绝对值相加，以得到一参考值。然后，比较参考值与一临界值，得到一比较结果。接着，根据比较结果，计算出需填补的像素值，若参考值大于一临界值，则表示取样区块202中的高频部分多，因此，取样区块202较适合使用高频算法，以计算出欲填补在取样区块202中的像素值，例如填补一像素值于像素P14、P15、P20与P21之间。若参考值小于临界值，则表示取样区块202中的低频部分多，因此，取样区块202较适合使用低频算法，以计算出欲填补在取样区块202中的像素值，例如填补一像素值于像素P14、P15、P20与P21之间。举例而言，若欲进行放大的影像为一脸部的放大，则利用4×4或6×6的取样方块来区分影像细节，判断出需要细部清晰的眼睛部分，和希望平滑的皮肤部分，再分别利用不同的差补方法(在眼睛部分使用高频算法，在皮肤部分使用低频算法)，来得到影像的像素值。
因此，本发明的一特征就是，本发明的影像放大的方法使用至少两种算法，来计算欲填补的像素值。
本发明的另一特征就是，本发明的影像放大的方法可根据影像内容，分别选择适合的算法，因此，在影像放大后，可得到最佳的影像质量。
值得注意的是，临界值可由设计者或使用者根据实际需求自行设定，例如在本发明的较佳实施例中，此临界值设定为300。当此临界值越大时，影像中的高频部分越少，低频部分越多，因此，影像也会越柔和。相反地，当此临界值越小时，影像中的低频部分越少，高频部分越多，因此，影像也会越锐利。
在本发明的较佳实施例中，低频算法例如可以为立方回旋插补算法、最邻近算法、双线性算法、双立方回旋算法、Box算法、三角算法、Quadradic算法、Catrom算法、Gaussian算法或Sinc算法。而高频算法例如可以为Lanczos2算法、Lanczos3算法或Mitchell算法。值得说明的是，本发明并不限制于上述的算法。
由上述本发明较佳实施例可知，本发明的一优点就是，本发明的影像放大的方法可利用适当的取样方块，来选择适合的算法。
由上述本发明较佳实施例可知，本发明的另一优点就是，本发明的影像放大的方法可根据不同的影像特性，切换不同的算法。
由上述本发明较佳实施例可知，本发明的再一优点就是，本发明的影像放大的方法可由设计者或使用者根据实际需求，自行设定临界值。
虽然本发明已以一较佳实施例揭示如上，然其并非用以限定本发明，任何熟悉此技术者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰，因此本发明的保护范围当视所附的权利要求书所界定的为准。
权利要求
1.一种影像放大的方法，其中包括将一影像分为多个取样区块；决定每一所述取样区块的一参考值；比较该参考值与一临界值，得到一比较结果；以及根据该比较结果，计算出需填补的像素值。
2.如权利要求1项所述的影像放大的方法，其特征是该决定每一所述取样区块的该参考值的步骤至少包括提供一滤波器屏蔽每一所述取样区块；以及计算该滤波器屏蔽每一所述取样区块中的多个像素，以得到每一所述取样区块的该参考值。
3.如权利要求2项所述的影像放大的方法，其特征是该计算该滤波器屏蔽每一所述取样区块中的所述像素的步骤至少包括循序计算每一所述取样区块中的每一所述像素。
4.如权利要求2项所述的影像放大的方法，其特征是该滤波器为一高通滤波器。
5.如权利要求1项所述的影像放大的方法，其特征是该计算出需填补的像素值的步骤至少包括当该参考值大于该临界值时，使用一高频算法。
6.如权利要求5项所述的影像放大的方法，其特征是该高频算法是选自于由Lanczos2算法、Lanczos3算法以及Mitchell算法所组成的一族群。
7.如权利要求1项所述的影像放大的方法，其特征是该计算出需填补的像素值的步骤至少包括当该参考值小于该临界值时，使用一低频算法。
8.如权利要求7项所述的影像放大的方法，其特征是该低频算法是选自于由立方回旋插补算法、最邻近算法、双线性算法、双立方回旋算法、Box算法、三角算法、Quadradic算法、Catrom算法、Gaussian算法以及Sinc算法所组成的一族群。
9.一种影像放大的方法，其中包括将一影像分为多个取样区块；决定每一所述取样区块的一高频分量；根据该高频分量，执行一第一算法；以及根据该高频分量，执行一第二算法。
10.如权利要求9项所述的影像放大的方法，其特征是该第一算法是选自于由Lanczos2算法、Lanczos3算法以及Mitchell算法所组成的一族群。
11.如权利要求9项所述的影像放大的方法，其特征是该第二算法是选自于由立方回旋插补算法、最邻近算法、双线性算法、双立方回旋算法、Box算法、三角算法、Quadradic算法、Catrom算法、Gaussian算法以及Sinc算法所组成的一族群。
全文摘要
本发明揭示一种影像放大的方法，至少包括如下步骤首先，将一影像分为多个取样区块；接着，决定每一个取样区块的参考值；然后，比较参考值与一临界值，以得到一比较的结果；最后，再根据比较的结果，计算出需填补的像素值。本发明还提供了一种影像放大的方法，其中包括将一影像分为多个取样区块；决定每一所述取样区块的一高频分量；根据该高频分量，执行一第一算法；以及根据该高频分量，执行一第二算法。本发明的影像放大的方法可利用适当的取样方块，来选择适合的算法，并可根据不同的影像特性，切换不同的算法，而且可由设计者或使用者根据实际需求，自行设定临界值。
文档编号H04N5/14GK1856009SQ20051006685
公开日2006年11月1日 申请日期2005年4月29日 优先权日2005年4月29日
发明者张佑民, 林香君 申请人:祥硕科技股份有限公司