人造影像分析

為了比較次像素演算法的分析結果，我們使用人造的影像來進行實驗。我們 使用一張照片，先在此張照片上擷取一小部分作為第一個影像。之後平移一小部 分，再在同一張照片上擷取同樣尺寸的影像。如此，我們可以假設擷取區域的平 移量是這兩張影像的背景平移量。另外我們再兩張影像上，各放置一小區域的另 一張照片，來模擬前景物體。

圖5-1 為兩張截取自同一張照片的影像。模擬的背景平移量在 X 及 Y 方向為 12 及 10 個像素。經過我們的分析，估計出來的背景平移量為 12.0053 及 10.0047 像素，僅有在小數點下第三位的誤差。在背景區域的分割上，紫紅色為在水平方 向估計的背景區域，青色則是在垂直方向估計的背景區域，藍色部分則是在兩個 方向都判斷為背景區域。在下方的樹叢以及右方的部分郵筒，沒有被判斷為背景 區域，這是因為在比對時，變異量不足的緣故。圖5-2(a)是圖 5-1(a)圖每行的變 異量，圖5-2(b)是圖 5-1(a)圖每列的變異量，我們可以發現，在兩張變異量的圖 中，靠近右方邊界的變異量比其他部分較低，所以被列入了不被考量的區域。

為了模擬次像素的背景平移量，我們使用尺寸為兩倍大的影像，並在平移後 將影像縮小。在同一張照片中的不同位置擷取出兩張同樣尺寸的影像，而後，我 們將兩張影像以線性的演算法將影像長寬各縮小為原本的一半，則產生兩張平移 量為次像素的影像。

(a) (b)

(c) (d)

圖 5-1 (a)、(b)為兩張合成的影像，兩張影像擷取自同一張照片，其擷取位 置相差在 X 方向及 Y 方向分別為 12、10 像素。 (c)、(d)分別為兩張影像估 計的背景區域。估計的背景平移量為12.0053 及 10.0047。

(a) (b) 圖5-2 (a)圖 5-1 中各行的變異量。 (b) 圖 5-1 中各列的變異量。

圖5-3 (a)、(b)是模擬次像素背景平移量的兩張影像，原本是兩張尺寸為 480

640× 的影像，背景平移量為(−5,−7)。我們將影像的尺寸縮小為320×240， 則背景平移量變為(−2.5,−3.5)，也就是非整數像素的平移量。我們估計出的背景

平移量為(−2.2047,−3.5386)。在圖5-3 (c)、(d)背景區域的分割結果中，在前景物 體的右邊邊界及下方邊界有不錯的結果，但是在前景物體的上方及左方，都各有 一部分的背景區域，因為黑色過多或是亮度變化過小而沒有被標示。我們可以在 圖5-4 中看到這兩個區域的變異量，較其他部分來的低。

(a) (b)

(c) (d)

圖5-3 (a)、(b)為兩張合成的影像，兩張影像擷取自同一張照片，其模擬的 背景平移量為(-2.5, -3.5)。(c)、(d)分別為在兩張影像所估計的背景區域。估 計的背景平移量為(-2.2047, -3.5386)。

(a) (b)

圖5-5(a)、(b)則是另一組模擬次像素背景平移量的影像。背景平移量為 )

5 . 3 , 5 . 6

( ，估計結果則是(6.2852,3.5693)。圖5-5 (c)、(d)中背景區域的分割，大 部分的背景區域都有被標示出來，在右側樹木較多的部分，容易因為變異量較低 而不列入背景。前景物體的左邊邊界及下方邊界都有不錯的分割結果，上方區域 則有部分的前景區域被列入背景區域。因為前景物體判斷錯誤的部分和被其遮蔽 的背景區域，其水平方向的平均值相近，造成判斷的困難。

(a) (b)

(c) (d)

圖5-5 (a)、(b)為兩張合成的影像，兩張影像擷取自同一張照片，其模擬的 背景平移量為(6.5, 3.5)。 (c)、(d)分別為在兩張影像所估計的背景區域。

估計的背景平移量為(6.2852, 3.5693)。