提出的改進

由於 Bilinear 以及 NN 各有其優點與其缺點，Bilinear 在平滑區能夠做出簡單 有效的內插，而且不會破壞原始影像的平滑程度，但是在邊界地方卻很容易造成 影像的模糊；另一方面，NN 能夠有效的保持住邊界的銳利程度，但是會產生嚴 重的 aliasing 的結果，而且在邊界的地方，其內插方式是是以方塊狀為模型，因 此容易在邊界產生鋸齒狀波紋。

因此，我們提出一個方法，首先先對影像內容區分為平滑區，邊界區，以及 中間區，而在平滑區之中，利用一階線性內插 Bilinear 可以對平滑區做有效的內 插，並不會破壞到平滑的區域，而若是處於難以判斷為平滑區或是邊界區的中間 區時，我們利用 Win-scale 的方法來直接做內插。Win-scale 可以視為在端點附近 為 NN 而過一段距離後用一階線性內插，這個距離與縮放的比例有關，放大比例 越大則越像 NN，放大比例越接近為 1 則越像 Bilinear 的方法，用此方法的原因 是我們無法判定這塊區域是屬於平滑區還是屬於邊界的部分，在平滑區我們希望 能有平滑的特性，而在邊界能有銳利的特性，因此我們選用 Win-scale 來當做我 們的內插方式。

最後， 處於邊界區時再簡單的分類出邊界的方向，再根據方向進一步的做 影像的縮放。

6.3.1 邊界的判定

由於我們是要架構在即時監控系統上面，因此方式的複雜度是我們所關切 的，複雜的運算會使得速度降低，因此我們希望一切的運算能夠用距離待補點最 近的四個影像點就可以達到，就像 Bilinear 和 NN 一樣，因此對於邊界與否的判 定，我們直接用離待補點附近四點的最大和最小值相減，並觀察在平滑區和在邊

當

界區時，最大和最小的差量為多少。

T = 5 T = 8 Original Image

圖 6.3 利用 Foreman 模擬分析門檻值的設定。左上圖為原始影像，依序往右邊為設定門檻值為 5、

8、10、20，利用相鄰四點的最大最小值的差量算這區塊的斜度，若差量大於此門檻則為 亮的，反之則

T = 10 T = 20

為暗的區塊。

如圖 6.3 所示，當門檻值為 10 以下的部分，可以視為平滑區的部分，而大 於 20 的部分則可以代表為邊界的部分，而介於 10 到 20 的中間部分則為無法判 定的邊界區。

言，可以得到一個判斷是否為邊界的條件 z 平滑區 ： 此區域四週的端點最大與最小值差量小於 10

z 中間區 ： 此區域四週的端點最大與最小值差量介於 10 到 20 之間

我們將在平滑區使用 Bilinear 來做為內插的方式，因為可以達到平滑的效 果，而在中間區時，我們利用 Win-scale 來做為內插的方式，因為 Win-scale 保有 平滑與銳利的特性，當在邊界區的時候，希望在內插完之後能夠保持其銳利度與 方向性，因此我們採用改良型的 Nearest Neighbor。

接下來我們分析從四個端點可以看到的資訊，首先分析邊界的方向性，一般 可以視為直的、橫的、斜的三類，傾斜的角度各種方向都有可能，簡單起見我們 考慮 45 度的方向性來當做代表：

因此以 Foreman 影像而

z 邊界區 ： 此區域四週的端點最大與最小值差量大於 20

6.3.2 建構新的模型

(A) (B) (C) 圖 6.4 邊界的三種情況，(A)斜的、(B)橫的、(C)直的邊界。

(B) (C)

界。

端點值，其中，

在討論完邊界的方向後，我們試著去分析內插時在邊界區域的特性，為了方

，把物體分為兩個區塊，一塊是黑的另一塊是白的。分析周圍四點可以分

，另一點為一組，而這種情形往往代表著此 為垂直或是水平的邊界，其中相鄰的兩點為一

，另一邊相鄰的兩點為另一組 ，這一類

(A)

圖 6.5 各種邊界所對應的端點值，(A)斜的，角落值不確定、(B)橫的、(C)直的邊

圖 6.4 展現出各個邊界可能的情況，圖 6.5 則代表其對應的 斜邊的部分由於不清楚靠近哪一方，所以有可能為白色或是黑色。

便起見

成三類，第一類為其中三個點為一組 邊界區屬於斜邊的部分，第二類

組 ，而第三類可以視為一個像素點寬的線

為對角的兩點為一組，另外兩點屬於另一組，如下圖所示

(A) (B) (C)

圖 6.6 可能 的斜邊。

以 NN 來做內插時，對於上面的端點，它將會內插出如下圖的形式：

(A) (B) (C)

角。

(A) (B) (C)

圖 6.8 提出的模型，(A)斜邊、(B)橫的、(C)對角。

的邊界對應的端點值，(A)斜邊、(B)橫的、(C)一個像素點寬

圖 6.7 NN 方法對應此三種端點值的處理方式，(A)斜邊、(B)橫的、(C)對

圖 6.7 為 NN 對應邊界時四個端點與內差點之間的關係，把最為靠近的點的 值直接待進來，完全不考慮其邊界的方向性，有鑑於此，我們提出了另一套模型，

希望能夠針對此不足的地方做補強。

0

0 0

0

圖 6.8 為提出的模型與對應邊界四個端點之關係，當有三個點為同一個群落 時，我們提出的模型為從一個點的群落網外延伸，到另外兩端點的中點畫一條線 連起來，若內差點在此三角形內，則直接用此點的值去補，而當落再此三角形外 面時，則利用另外三點的資訊去做內插。若是直線或是斜線的情況，則與 NN 相 同，若是對角線為同一群落時，因為僅以四個點來參考並沒有多餘的資訊告訴我 們可能是哪個方向的線段，因此我們使用 Bilinear 來做為我們內插的方式。

6.3.3 邊界點的分群的方法

當我們判定為邊界區域後，直接把四個點分類為兩群，利用最大和最小的平

均值來 插。

我們主要是利用 Foreman sequence 來做為我們測量的平台，首先先利用 NN 來降頻到 240*192 種情形，在利用四種方法 NN、Bilinear、Win-scale、Proposed Method 來內插還原出 352*288 的影像，下面為各種圖示

圖 6.9 本圖為針對 Foreman 影像先用 NN 取樣到 240*192 個點之後在分別用四種內插方式補回 352*288 個像素點。

當作區分的門檻，這麼一來就可以套進提出的模型裡面做進一步的內