[發明專利]影像處理裝置及其處理方法

有效

• 申請號: 201210122669.9
• 申請日: 2012-04-24
• 公開（公告）號: CN103379255B
• 公開（公告）日: 2017-06-06
• 發明（設計）人: 莊哲綸;吳宗達
• 申請（專利權）人: 華晶科技股份有限公司
• 主分類號: H04N5/14
• 分類號: H04N5/14;H04N5/21;G06T5/00;G06T3/40
• 代理公司: 北京同立鈞成知識產權代理有限公司11205
• 代理人: 馬雯雯,臧建明

技術領域

本發明是有關于一種影像處理裝置，特別是有關于一種產生超解析度(super-resolution)影像的影像處理裝置及其影像處理方法。

背景技術

傳統上，產生超解析度影像常用的技術是影像內插方法，此種單一影像放大方法包括多項式內插法(polynomial interpolation)、邊緣方向內插法(edge-directed interpolation)以及以樣本為基礎的超解析技術(exampled-based for super-resolution)等等。

然而，上述技術尚有待改進的缺點，例如多項式內插法雖然簡單且運算速度快，但是常因缺乏影像高頻資訊而導致放大后的影像模糊，且會產生區塊效應(block effect)。而邊緣方向內插法或以樣本為基礎的超解析技術則需要龐大的運算量。因此，從單一影像放大來完成影像放大的技術，影像品質受到很大的限制。

然而，若想利用多張影像序列混合產生放大影像的技術，最常見的副作用就是有鬼影現象。鬼影現象的成因是因為對同一場景進行連續拍攝時，場景中有個別物體在移動，而在混合影像時，是將影像做整體位移(或是相機位移)的校正，并不會對場景中的個別物體做校正，因此影像中若有個別移動的物體，會導致混合后的影像出現鬼影現象。

發明內容

有鑒于此，本發明的目的在于提供一種影像處理裝置，可將多張低解析度影像放大產生高解析度影像，并且先偵測影像中是否存在個別物體移動，再混合多張校正后影像以輸出超解析度影像。

本發明另提供一種影像處理方法，用于處理多張低解析度影像放大產生高解析度影像，且可混合多張校正后影像以產生超解析度影像。

根據本發明的目的，本發明采用以下技術方案：

一種影像處理裝置，用以接收依據多數個第一解析度影像進行放大而產生的多數個第二解析度影像，其中，第二解析度影像其中之一為目標影像，剩余的第二解析度影像為多數個未選擇影像。影像處理裝置包括影像校正模塊、物體移動偵測模塊以及影像混合模塊。其中，影像校正模塊估測未選擇影像相對于目標影像的多數個區塊位移量及多數個全域位移量，針對未選擇影像執行多數個位移量校正，以產生多數個校正后影像。物體移動偵測模塊耦接至影像校正模塊，判斷各區塊位移量與相對應的全域位移量的差值是否大于門檻值，并判斷目標影像的每一像素點與該些校正后影像的每一像素點間的一像素差異值是否大于一差異預定值，以產生多數個物體移動指標。影像混合模塊耦接至物體移動偵測模塊，影像混合模塊依據物體移動指標對目標影像的每一像素點與校正后影像的每一像素點進行算術運算以產生第三解析度影像，此第三解析度影像的解析度高于第二解析度影像的解析度。

較佳地，物體移動偵測模塊分別對該目標影像及該些校正后影像的每一像素點計算出一誤差頻率值，并將該目標影像的每一像素點的該誤差頻率值與該些校正后影像的每一像素點的該誤差頻率值做比較，以判定出每一像素點間的一最小誤差頻率值，再通過該最小誤差頻率值取決出該差異預定值。

較佳地，差異預定值為一固定值。

較佳地，所述的影像混合模塊依據該些物體移動指標設定多數個比重，該算術運算為該影像混合模塊利用該些比重對該目標影像的每一像素點與該些校正后影像的每一像素點進行比重和。

較佳地，所述的影像混合模塊針對目標影像的每一像素點與校正后影像的每一像素點執行多數個方向梯度運算以產生多數個梯度差值。

較佳地，其中當各區塊位移量與相對應的全域位移量的差值大于門檻值，或像素差異值大于差異預定值時，則物體移動偵測模塊致能物體移動指標，當各區塊位移量與相對應的全域位移量的差值小于門檻值，且像素差異值也小于差異預定值時，則物體移動偵測模塊禁能物體移動指標。

較佳地，其中當物體移動指標為致能時，則影像混合模塊將比重設定為零，當物體移動指標為禁能時，則影像混合模塊將比重設定為梯度差值。

較佳地，所述的影像混合模塊針對目標影像的每一像素點與校正后影像的每一像素點執行方向梯度運算用以產生多數個方向梯度值，方向梯度值包括水平方向梯度值、垂直方向梯度值以及對角線方向梯度值。

較佳地，所述的影像混合模塊針對目標影像的每一像素點與校正后影像的每一像素點，更選擇方向梯度值中的數值最大者作為最大梯度值，及選擇方向梯度值中的數值最小者作為最小梯度值，各梯度差值則等于最大梯度值與最小梯度值的差。