判斷 4×4 區域內邊以及角的實驗結果

示，要成為一個群組，兩點的像素值相減要小於內部臨界值（Internal Threshold）， 也就是樹狀圖中的 min_thred；而兩個群組間的差異值要大於外部臨界值（External Threshold），也就是樹狀圖中的 MAX_thred。若是內部臨界值設的越小，外部臨 界值設的越大，則條件越嚴格做外插運算的點也會越少，反之，若是內部臨界值

實驗結果中我們可以發現，在這樣的預先定義的條件下，可以將放大過後的 5.10 (c)做 Edge Extraction 的結果。圖 5.11(a)是整張影像做內插補點（Bi-Cubic）， 圖 5.11 (b)是利用本論文中提出的方法所得之放大影像，內部臨界值設為 10，外

(a)

(b) (c)

圖 5.9 由 268×305 放大到 1280×1024，(a) 原始影像，(b) 經由 Bi-Cubic 放大影像，(c) 以 4×4 影像區塊作分析，所得之影像（內部臨界值=10，外部臨界值=250）。

每個區塊的邊緣都會做外插計算，也因為這樣所以有些區塊的邊緣比較平整，而 有些區塊的邊緣鋸齒狀比較明顯，且邊緣也比較模糊。圖 5.15(a)是原始影像，圖 5.15 (b)是做內插補點（Bi-Cubic），圖 5.15 (c)是利用本論文中提出的方法放大影 像，內部臨界值設為 20，外部臨界值設為 100，(d)是利用本論文中提出的方法 的部分，(e) 對圖(b)的 Edge Extraction，(f) 對圖(c)的 Edge Extraction。

(b) 圖 5.10 （續）

(c) 圖 5.10 （續）

(d)

(e) (f) 圖 5.10 （續）

(a)

圖 5.11 由 800×600 放大到 1280×1024，(a) 經由 Bi-Cubic 放大影像，(b) 以 4×4 影像區塊作分 析，所得之部分影像（內部臨界值=10，外部臨界值=250）。

(b) 圖 5.11 （續）

(a)

圖 5.12 由 800×600 放大到 1280×1024，(a) 經由 Bi-Cubic 放大影像，(b) 以 4×4 影像區塊作分 析，所得之部分影像（內部臨界值=10，外部臨界值=250），(c) 以 4×4 影像區塊作分析，

所得之部分影像（內部臨界值=30，外部臨界值=120）。

(b) 圖 5.12 （續）

(c) 圖 5.12 （續）

(a)

(b)

圖 5.13 由 417×313 放大到 1280×1024，(a) 原始影像，(b) 以 4×4 影像區塊作分析，所得之影 像做外插計算的部分，(c) 經由 Bi-Cubic 放大影像，(d) 以 4×4 影像區塊作分析，所得 之部分影像（內部臨界值=10，外部臨界值=250）。

(c) 圖 5.13 （續）

(d) 圖 5.13 （續）

(a)

圖 5.14 由 463×358 放大到 1280×1024，(a) 原始影像，(b) 以 4×4 影像區塊作分析，所得之影 像做外插計算的部分，(c) 經由 Bi-cubic 放大影像，(d) 以 4×4 影像區塊作分析，所得 之部分影像（內部臨界值=30，外部臨界值=120）。

(b)

(c) 圖 5.14 （續）

(d) 圖 5.14 （續）

(a)

圖 5.15 由 320×214 放大到 1280×1024，(a) 原始影像，(b) 經由 Bi-cubic 放大影像，(c) 以 4×4 影像區塊作分析，所得之部分影像（內部臨界值=20，外部臨界值=100），(d) 以 4×4 影 像區塊作分析，所得之部分影像（內部臨界值=30，外部臨界值=40）。

(b) 圖 5.15 （續）

(c) 圖 5.15 （續）

(d) 圖 5.15 （續）

第六章 結論與未來的研究方向

由於運算複雜度非常低，也不需要利用到額外的 Training Set，而且只要使用有 限的記憶體，因此這個方法應該適合實作在硬體上。

參考文獻

[1] T.W. Parks and C.S. Burrus, Digital Filter Design, John Wiley & Sons, 1987.

Pages. 209-213.

[2] R.G. Keys, “Cubic Convolution Interpolation for Digital Image Processing,”

IEEE Trans. Acoustic, Speech and Signal Processing, vol. 29, pp. 1153-1160, 1981.

[3] K. Turkowski, “Filters for Common Resampling Tasks,” Graphics Gems I, Academic Press, pp. 147-165, 1991.

[4] D.P. Mitchell and A.N. Netravali, “Reconstruction Filters in Computer Graphics,” Proc. SIGGRAPH, volume 22, pages 221--228, August 1988.

[5] http://www.cg.tuwien.ac.at/~theussl/DA/node11.html

[6] R.C. Gonzalez and R.E. Woods, Digital Image Processing, Prentice Hall, 2^nd Edition, 2002.

[7] S.D. Bayrakeri and R.M. Mersereau, “A New Method for Directional Image Interpolation,” Proc. Int. Conf. Acoustics, Speech, Sig. Process., Vol. 4, pp.

2383-2386, 1995.

[8] D. Su and P. Willis, “Image Interpolation by Pixel Level Data-Dependent Triangulation,” Computer Graphics Forum, 2004.

[9] L. Rodrigues, D.L. Borges, and L.M. Ganalves, “A Locally Adaptive Edge-Preserving Algorithm for Image Interpolation,” Proc. Computer Graphics and Image Processing, pp. 300-305, Oct. 2002.

[10] C.H. Kim, S.M. Seong, J.A. Lee, and L.S. Kim, “Winscale: An Image-Scaling Algorithm Using an Area Pixel Model,” IEEE Trans. Circuits Syst. Video Technol., Vol. 13, No. 6, pp. 549-553, June 2003.

[11] G. de Haan and M. Zhao “Making the Best of Legacy Video on Modern Display,” Society for Information Display DIGEST, 2006.

[12] X. Wu and X. Zhang, “Image Interpolation Using Texture Orientation Map and Kernel Discriminant,” International Conference on Image Processing, 2005.

[13] A.J. Storkey, “Dynamic Structure Super-Resolution,” Proc. NIPS, 2002.

[14] M. Bertalmio, A.L. Bertozzi, and G. Sapiro, “Navier-Stokes, Fluid Dynamics, and Image and Video Inpainting,” Proc. CVPR, 2001.

[15] B.S. Morse and D. Schwartzwald, “Image Magnification Using Level-Set Reconstruction,” Proc. CVPR, 2001.

[16] M. Elad and A. Feuer, “Restoration of a Single Superresolution Image from Several Blurred, Noisy, and Undersampled Measured Images,” IEEE Trans.

Image Processing, vol. 6, no. 12, pp. 1646–1658, December 1997.

[17] M. Irani and S. Peleg, “Improving Resolution by Image Registration,” CVGIP, 1991.

[18] S. Baker and T. Kanade, “Limits on Super-Resolution and How to Break Them,” IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 24, no. 9, pp. 1167-1183, September 2002.

[19] H. Chang, D.Y. Yeung, and Y. Xiong, “Super-Resolution through Neighbor Embedding,” Proc. IEEE Conf. Computer Vision and Pattern Recognition, pp. I:

275–282, 2004.

[20] W.T. Freeman, T.R. Jones, and E.C. Pasztor, “Example-Based Super-Resolution,” IEEE Computer Graphics and Applications, 22(2):56–65, March/April 2002.

[21] A. Hertzmann, C.E. Jacobs, N. Oliver, B. Curless, and D.H. Salesin, “Image Analogies,” Proc. of ACM SIGGRAPH’01, pp. 327–340, 2001.

[22] J. Sun, N.N. Zheng, H. Tao, and H.Y. Shum, “Image Hallucination with Primal Sketch Priors,” Proc. CVPR, 2003.

[23] A.V. Oppenheim and R.W. Schafer, Discrete-Time Signal Processing, Prentice Hall, 2^nd Edition, 1999.

[24] A.J. Eglit, “Method and Apparatus for Upscaling an Image in Both Horizontal and Vertical Directions,” US005739867, Feb. 1997.