[发明专利]图像的边界系数计算方法以及图像噪声去除方法

权利要求书

1.一种图像的边界系数计算方法，其中该图像包含多个像素，而该多个像素是以拜耳图样的形式排列，其特征在于，该方法包含：

(a)计算该图像的一特定范围内的多个特定类型像素的平均灰度；

(b)计算该特定范围内的该些特定类型像素与该平均灰度的灰度差异以产生多个灰度差异值；

(c)根据该些灰度差异值找出一具有最大灰度差异值的一特定像素；以及

(e)计算该平均灰度以及该最大灰度差异值的一比例值以作为该边界系数。

2.根据权利要求1所述的图像的边界系数计算方法，其特征在于，该特定类型像素为Y像素、U像素及V像素其中之一。

3.根据权利要求1所述的图像的边界系数计算方法，其特征在于，该特定类型像素为R像素、G像素及B像素其中之一。

4.根据权利要求1所述的图像的边界系数计算方法，其特征在于，该步骤(a)还包含使用不同大小的该特定范围以计算该第一范围内的所有像素的平均灰度。

5.一种图像噪声去除方法，其中该图像包含多个像素，而该多个像素是以拜耳图样的形式排列，其特征在于，该方法包含：

(a)计算该图像的一第一范围内的多个特定类型像素的平均灰度；

(b)计算该些特定类型像素与该平均灰度的灰度差异以产生多个灰度差异值；

(c)根据该些灰度差异值找出具有最大灰度差异值的一特定像素；

(d)依据该特定像素与该第一范围内的一目标像素决定一第二范围；以及

(e)选择性地利用该第二范围内的像素调整该目标像素的灰度值以去除噪声。

6.根据权利要求5所述的图像噪声去除方法，其特征在于，该目标像素位于该第一范围的中心位置，而该(d)步骤中，该第二范围是依照该目标像素与该特定像素的联机上所延伸的法向量而建立。

7.根据权利要求6所述的图像噪声去除方法，其特征在于，该第二范围包含与该目标像素同类型且最靠近该目标像素的多个像素。

8.根据权利要求5所述的图像噪声去除方法，其特征在于，该(e)步骤还包含：

(f)计算一边界系数；以及

(g)若该边界系数大于一第一临界值，则使用一第一加权值对该目标像素的灰度值进行一加权处理，若该边界系数小于该第一临界值，则使用一第二加权值对该目标像素的灰度值进行该加权处理。

9.根据权利要求8所述的图像噪声去除方法，其特征在于，该(f)步骤还包含计算该平均灰度以及该最大灰度差异值的一比例值以得到该边界系数。

10.根据权利要求5所述的图像噪声去除方法，其特征在于，该特定类型像素为Y像素、U像素及V像素其中之一或者该特定类型像素为R像素、G像素及B像素其中之一。

11.根据权利要求5所述的图像噪声去除方法，其特征在于，该步骤(a)还包含使用不同大小的该第一范围以计算该第一范围内的所有像素的平均灰度。

12.根据权利要求5所述的图像噪声去除方法，其特征在于，还包含：依据该特定类型像素的类型设定该第一临界值。

13.根据权利要求5所述的图像噪声去除方法，其特征在于，若特定类型像素的类型为R像素或B像素，则设定较高的临界值，若特定类型像素的类型为G像素，则设定较低的临界值。

14.根据权利要求5所述的图像噪声去除方法，其特征在于，还包含若该边界系数小于一第二临界值，则使用一第三加权值进行该加权处理，且该第二临界值小于该第一临界值。

15.根据权利要求14所述的图像噪声去除方法，其特征在于，该第二临界值是由该第一临界值减去一调整值而产生。

16.根据权利要求5所述的图像噪声去除方法，其特征在于，更包含若该边界系数小于该第一临界值而大于一第二临界值，则使用该第二加权值进行该加权处理，若该边界系数小于该第二临界值则使用一第三加权值进行该加权处理，其中该第一临界值大于该第二临界值。

17.根据权利要求5所述的图像噪声去除方法，其特征在于，该步骤(g)使用下列的公式来对该目标像素的灰度值进行该加权处理：

该目标像素加权后灰度值＝加权值*(第一像素的灰度值+第二像素的灰度值)+(1-加权值)*该目标像素的灰度值，其中该第一像素与第二像素是位于该第二范围内。