逢 甲 大 學 自動控制工程學系專題製作

專 題 論 文

影像合成與分析系統研究

Image Synthesis and Analysis System

指導教授：林宸生 老師

學 生：吳宗霖

黃子祥

中 華 民 國 九 十 七 年 十 二 月

1

I

感謝

首先感謝學生的指導教授林宸生老師對我們在製作專題期間給予的細心指

導，以及在寫作期間不厭其煩的加以修正。

在此也感謝逢甲大學提供一個設備齊全的實驗室讓學生們完成專題製作，並

且感謝同學們協助指點程式上的問題，給予我們精神上最大的鼓舞，從專題製作

到發表一路走來，在程式修改撰寫等等都是獲益良多，心中充滿無限的感謝，對

未來各種不同的研究計畫奠定深厚的基礎。

最後，感謝默默栽培我們的父、母親，由於你們的養育、付出與關懷，使我

們能專心於研究工作上，在此表達內心由衷的感激之意。

II

中文摘要

本研究主要是整合各數位影像處理效果而製作的軟體，主要是以 Borland

c++ Builder將影像作處理變化。影像處理與電腦視覺由於它的輸出結果是以影

像形式來顯示，數位影像處理的發展突飛猛進，在各領域上的應用非常廣泛，而

且占據相當重要得地位。因此我們從影像品質改良可以原本圖片把雜訊消除、邊

緣偵測可以利用來尋找特徵值做辨識用、區域分割可以將圖片做剪輯、直線偵測

可以了解點和點之間的距離、顏色變化讓影像可以變得更豐富。

III

Abstract

This research is digital image process effect synthesis and the analysis

of software.Images will be dealt with the changes by Borland c++ Builder.

Image process and computer vision, because its output result is showed

by the phantom form，Digital image processing development in various

fields on the application of a very broad，and occupy a very important

status.Therefore, we improved the quality of images from some of the

images can be used to filter images to eliminate noise、Sobel filter and

thinning can be used finding Characteristic value for Identification、

Segmentation can be separated and then do as a picture of the puzzle game、

Operators can know the number of bright spots in white picture of the

number of blocks、So that changes color images can become richer.

The function of these images is deal with some, there are more rich

features waiting to be developed to produce.

IV

目錄

感謝 .................................................... I

中文摘要 ............................................... II

Abstract .............................................. III

目錄 ................................................... IV

圖目錄 .................................................. V

第一章 概論 ............................................. 1

1.1 研究動機與目的 ............................................................................................ 1

1.2研究目的及其重要性 ..................................................................................... 2

第二章 影像軟體理論 ..................................... 3

2.1 數位影像概論 .............................................................................................. 3

2.2研究軟體的功能與理論 ................................................................................. 5

第三章 研究結果與數據 ................................... 13

第四章 結論與未來展望 ................................... 24

參考文獻 ............................................... 25

V

圖目錄

圖表 1 程式主介面 .................................................................................... 13

圖表 2 二值化執行結果 ............................................................................ 14

圖表 3 灰階化執行結果 ............................................................................. 14

圖表 4 底片執行結果 ................................................................................. 15

圖表 5 馬賽克執行結果 ............................................................................. 15

圖表 6 高通濾波執行結果 ........................................................................ 16

圖表 7 細線化執行結果 ............................................................................. 16

圖表 8 影像合成相加結果 ........................................................................ 17

圖表 9 影像合成相減結果 ........................................................................ 17

圖表 10 影像合成AND結果 ..................................................................... 18

圖表 11 影像合成OR結果 .......................................................................... 18

圖表 12 切割結果 ...................................................................................... 19

圖表 13 圖片亂數排列結果 ....................................................................... 19

圖表 14 邊緣偵測 ...................................................................................... 20

圖表 15 文字辨識結果 .............................................................................. 20

圖表 16 影像滑移變暗 .............................................................................. 21

圖表 17 影像滑移變亮 .............................................................................. 21

圖表 18 紅藍綠三種顏色的顏色處理 ....................................................... 22

圖表 19 扭曲變形執行結果(Form5 為其操作面板) ................................ 22

圖表 20 執行算個數結果。 ....................................................................... 23

1

第一章 概論

1.1 研究動機與目的

影像處理與電腦視覺是一門既有趣且應用廣泛的課程，由於它的輸出結果

是以影像形式來顯示，連門外漢都能判斷輸出影像的品質與好壞，而且一目了然

其處理的目的與意涵，自 1970年至今，數位影像處理的發展突飛猛進，在科學、

工業、生活家電、國防、太空、電視、娛樂、通訊，以及醫學等各領域上的應用

非常廣泛，而且占據相當重要的地位，目前研發成功的影像處理的軟硬體設備暨

輕便短小，而且運算快速，更加速這門學術的實用性及重要性。

近年來影像處理及電腦視覺的方法日新月異，突飛猛進，電腦視覺是否要模

仿及真實複製人類的視覺？到目前依然未有個完整的結論，至少瞭解人類及動物

的視覺原理，可以借鏡來輔助改良電腦視覺系統的圖形識別效率及認知，例如人

類利用蝙蝠的聲波原理發明了雷達，以及利用電腦視覺來做全程監事用途，其機

器的優良效率及不疲憊性，更遠遠超過人類。

數位影像處理經過前人的研究下，他們貢獻了一套理論基礎，減少我們瞎子

摸象的辛苦。何謂數位影像處理？影像處理，是對圖像進行分析、加工、和處理，

使其滿足視覺、心裡以及其他要求的技術。目前大多數的圖像是以數位形式存

儲，因而圖像處理很多情況下指數字圖像處理。數位影像處理即是信號處理的一

部分，與光學、電腦科技有著密切的關係。本研究就是集合前人的理論與方法進

而整合成數位影像處理的軟體。

2

1.2研究目的及其重要性

以傳統的相機與軟片所攝得的影像稱為「類比影像」。也就是說這種影像是

以連續調的方式形成，連續調的變化好比音響的調音量裝置，音量大小的控制是

透過轉動旋鈕，以平滑無段的方式調節；而類比影像就是以一種由亮到暗，漸層

變化的連續光點所組成。

所謂數位化影像處理，即是使用電腦來處理影像，但是類比影像在作處理

前，必須先將資料「數位化」，也就是需要先把影像資料轉換成電腦能看得懂的

「0」與「1」，其作法是先將影像的全部位置「取樣」，再分析並記錄其每一點約

「 亮度」、「顏色」與「位置」等。在影像中取樣的每一點稱為「像素」，構成影

像的像素，就像把圖像分割成許多小方格後的單位方格一樣，每個像素都有特定

的位置、顏色、亮度等資料，將此資料換成數據，以陣列（Array）方式存入電

腦中以便處理。

影像一旦數位化以後，我們便可利用各種影像處理軟體，來進行各種局部或

全部的影像處理；例如加色、減色或改色，改變明度或彩度，'變形或放大等效

果事實上這是電腦對陣列中的每一元素做算術或邏輯運算，而其結果用顏色顯示

在螢幕上。

影像處理能力增強。數位化後的影像讓我們得以利用影像處理軟體，來改變

影像的效果，而這些工作以往都是在暗房內來完成的，例如加光、減光或色調分

離等，但是利用電腦來從事這樣的工作卻是更容易更快速。電腦作業解決了傳統

方法中複雜、費時、枯燥等的困擾。

3

第二章 影像軟體理論

2.1 數位影像概論

影像分析基本上可分為:影像區分、特徵抽取和表示、影像描述。

影像分析系統

影像認識系統

輸入影像我們知道影像有黑白、灰階、彩色，這三種色彩的影像。[4]所以

對於不同的輸入影像就有不同的處理，一般而言黑白影像適用於文字辨識；灰階

影像適用於分析識別；彩色影像適用於多種用途或是必須做為前處理的輸入資

料。何謂前處理？就是預先處理，先將影像輸入的資料做正規化，讓這些資料轉

換為可以規範的範圍內，這樣會比較好做接下來的處理動作。例如:「將彩色影

像轉換為灰階影像。」如此處理的資料量就會大幅縮減，系統的效能就會明顯的

提升。

影像強化，這個部分中我們要將原始的影像資料做區分，如同畫家看到人

臉的時候，能夠把人臉跟風景畫面做區分，讓他的腦中只留下人臉輪廓的部分，

以達到強化人臉輪廓的部分。這就是影像強化的意義。可以將文字影像的斷點或

雜點，做為連接獲清除的動作，並且把相連較少的文字做區隔。這樣才能為下一

個步驟提供良好的素材，以提升系統的成功機率。

影像區分的重點就是縮小影像的範圍，只留下重要的部分。這種動作到了人

臉追蹤的時候，可以透過膚色過濾的方法，把膚色留下來，去除非膚色的部分，

因此就可以的到人臉的位置，系統也因此抓到人臉位置進而去追蹤他。所以影像

輸出影像 影像強化 影像區分 特徵抽取和表示

影像描述

4

區分是相當重要的一個環節，此外還有其他的用途，例如電路板上的路徑，在視

覺自動化的部分，系統可以區分出哪裡是線路，哪裡是電路板的部分。這是很重

要的一點，因為可以節省許多時間，系統就可以自動的將零件插入正確位置，或

是判斷有哪些零件沒有插入。[4]

特徵值抽取和表示，在這裏我們只要處理區分後的影像部分即可，因此大幅

減少資料的處理量，這也就是考試的時候，有重點複習一樣，減少資料處理量，

只要讀取重點即可。特徵抽取和表示的部分，就是在擷取有用的資料，並且加以

標註。簡單來說，區分出文字的間隔之後，針對每一個文字做擷取的動作，並切

加以標註其特徵，標註特徵的方法又再度的減少許多資料量，為下一個階段提供

較好的索引記錄。

影像描述是最後的階段，這就是要讓系統知道你所想要表達的意思。舉例來

說，你如何用最少的資料量來表達所標示出來的文字？所以必須要有一個的描述

索引，來表達出文字。因為要讓系統認是，而非人類認是，所以一個好的影像描

述區塊是非常重要，這也就像是手寫辨識系統一樣，如何讓手寫文字無論筆畫或

草書，系統都能認識該文字，這就要有效能較佳的描述系統來協助。這就是影像

描述區塊的意義。

紅綠藍是色彩的基礎色，而這三種顏色無法使用其他顏色混合而成，但是這

三種顏色可以混和成為其他顏色。當這三種顏色依照一樣比例加到最大時，可以

混和成白色。這就稱為加色系統。當我們製作網頁時，要設定文字顏色為白色，

就可以輸入<font color=#FFFFFF>，其中#之後的三個顏色值，分別代表 RGB，

也就是紅色 Red、綠色 Green、藍色 Blue。因此電腦螢幕最基本的顯色方式，也

就是使用加色系統。當然也有減色系統，那是用於印刷的ＣＭＹＫ系統，由於依

些考量末點在紙上點的時候，是以墨點的多少來產生不同的顏色，所謂的ＣＭＹ

Ｋ指的就是青色Ｃ、品紅色Ｍ、黃色Ｙ、黑色Ｋ。其中黑色是為了補足前面三種

顏色的不足而設計的。

5

因為 RGB是屬於非線性的色彩系統，也就是說當你想要抽離出光對於色彩的影響

時，是非常困難的，必須要轉換到其它的色彩系統上，才有辦法抽離出來。

2.2研究軟體的功能與理論

二值化

二值運算處理影像形成黑白分明的圖形，一般皆令臨

界值以下界值以上的灰度值轉成白色，在許多機械視

覺的場合，在辨認與計算前，都會先對影像實施二值

運算，再來才進行後續的動作。[2]

灰階化

彩色圖轉成灰階圖時，灰階度是將紅、綠、藍三原色依照以下的比例混合而成：

W = 0.30R + 0.59G + 0.11B

其中：

W：灰階亮度

R：該顏色的紅色亮度

G：該顏色的綠色亮度

B：該顏色的藍色亮度

如此一來，彩色圖裡的白色還是白色，黑色還是黑色，而其它顏色則會依比例

混成灰階色。[2]

滑移運算

6

我們可以將點素原灰度值加減一個常數，而使得整個灰度分佈圖往左或網

又滑動，除了飽和(灰度值為0或最大)的點素數目有所更動，整個灰度分佈

圖的曲線形狀可以說沒有太大的更動。

設G(x,y)為原始影像之點(x,y)之灰度值而G`(x,y)為運算後影像之點(x,y)

之灰度值則G`(x,y)= G(x,y)±a;a為一常數，對8位元影像而言:

當G`(x,y)>255令G`(x,y)=255，當G`(x,y)<0令G`(x,y)=0，在往後的運算

中也都遵循此一法來做。[2]

反轉運算:

所謂反轉運算即是將影像中亮處便暗，暗處變亮，造成了類似照片正片、負

片的效果，經過反轉運算後的影像，又稱為負片影像，因為人的眼睛敏感曲

線在明亮處易呈飽和狀態，亦即無法分辨量區的細部結構，此時如果我們將

整個影像實施反轉運算，亮區轉換至暗區再來觀察，自然比較容易辨別一些

微細的差別。對8位元影像而言，其反轉運算為G`(x,y)=255- G(x,y)[1]

馬賽克處理

是將遮罩中所有點素的灰度值加總後求其平均，然後重新寫入遮罩中的每一

點素之灰度值中，這樣的操作可以想像新的畫面雖然細部的結構不可分辨。

此法所使用的遮罩可視需要作調整遮罩寬度可以是奇數或偶數。並且也可以

是長寬不相等的長方形，當遮罩寬度越大，則處理後畫面的點素就變的越

大。以3x3之點素運算來說，對於一個點G(x,y)及其8鄰接點之灰度值會相等：

G`(x,y)=n`0=n`1=n`2=n`3=n`4=n`5=n`6=n`7

7

= G(x,y)+n0+n1+n2+n3+n4+n5+n6+n7/9

像3x3這種微量的之點素運算結果，能提供有點像一些沙龍藝術照布面處理

的朦朧感覺。[1]

中通濾波運算

中通濾波運算士一種非線性的濾波，主要利用邏輯比較的運算，找出在遮罩

里所有點素灰度大小排序在中間的灰度值在將此值新入新的影像中所對應

的點素中，此法不但可以濾掉影像中突起的高頻雜訊部份，對於影像的邊

緣，又能給予適度保持，但對於低頻的部分，則產生適度的壓抑的效果。[1]

低通濾波

低通濾波器中常見的均化遮罩是將遮罩中所有灰度值加總後求其平均，然後

寫入對應的點素中這樣的方式，點素合併運算勢將球出之平均值當作對應遮

罩中所有點素灰度值，如果是3x3的遮罩，則出來的結果是9個點素灰度值大

小都一樣，而低通濾波則是將求出之平均值寫入遮罩中間的對應點素，所以

一次只處理一個點素的值，旁邊的點素再下次的遮罩移動後再做處理，因此

出來的結果，灰度值和鄰週的各點素灰度值可能不一樣。低通濾波會慘生影

像模糊的效果，常用的迴旋計算的空間遮罩是由9個1/9的係數組成：

1/9 1/9 1/9

1/9 1/9 1/9

1/9 1/9 1/9

影像灰度分劃後，常常可以發現雜訊，因此我們在灰度分劃前，先耐影像施

以低通濾波，則情況會改善很多。[1]

8

高通濾波

在數位信號的遮罩運算裡，如果我們把前中後的值乘上若干的權重，然後相減成

為新對應點的值，那樣就是一種高通濾撥的方式。高通濾波其增強了影像高頻特

性，常用的迴旋計算的空間遮罩值為：

-1 -1 -1

-1 9 -1

-1 -1 -1

高通濾波處理在於可以突顯影像中邊緣及細微複雜的部分，經份處理後，影像可

能變的較清晰，對比較好，然而伴隨而生的是高頻的雜訊也明顯增加。[1]

邊緣偵測

Sobel邊緣檢測運算元使用兩個如下有向運算元(一個水平的，一個是垂直的)，

每一個逼近一個偏導數：

Dxf(x,y)={f(x+1,y-1)+2f(x+1,y)+f(x+1,y+1)}-{f(x-1,y-1)+2f(x-1,y)+

f(x-1,y+1)}

Dyf(x,y)={f(x-1,y+1)+2f(x,y+1)+f(x+1,y+1)}-{f(x-1,y-1)+2f(x,y-1)+

f(x+1,y-1)}

如果用 Sobel運算元檢測圖像 M的邊緣的話，可以先分別用水準運算元和垂

直運算元對圖像進行卷積，得到的是兩個矩陣，在不考慮邊界的情形下也是和原

圖像同樣大小的圖像 M1，M2，他們分別表示圖像 M中相同位置處的兩個偏導數。

然後把 M1，M2對應位置的兩個數平方後相加得到一個新的矩陣 G，G表示 M中各

個圖元的灰度的梯度值(一個逼近)。這樣就可以通過閥值處理得到邊緣圖像。

Sobel運算元利用圖元的左、右、上、下鄰域的灰度加權演算法，根據在邊

緣點處達到極值這一原理進行邊緣檢測。該方法不但產生較好的檢測效果，而且

對雜訊具有平滑作用，可以提供較為精確的邊緣方向資訊。但是，在抗雜訊好的

同時也存在檢測到偽邊緣，定位精度不高的缺點。如果在 Sobel運算元處理圖像

9

之前對圖片進行預處理，突出圖片的邊緣線條部分，那麼再經 Sobel運算元運算

後的邊緣線條將會精確得多，而 Sobel運算元的雜訊抑制作用也得到保存。所以

有必要先對圖像作增強的預處理。[3]

細線化

細線化就是在找物體骨架。令物體表示為 O且物體的外圍輪廓為 B。在 O內，若

能找到一個像素 t且在 B上能找到二個邊點，e1和 e2，使得 d(t,e1)=d(t, e2)，

則 t就可為 O的骨架中之一個元素。這裡距離函數 d(t,ei)，1 ，表示像

素 t和邊點 ei的距離。採用不同的距離函數會導致得到不同的骨架。我們主要

考慮黑白影像的 O。先選一個 3x3的面罩，假設面罩框住的 3x3子影像的像素如

圖

0

Z1

0

Z2

1

Z3

1

Z4

Z5

1

Z6

1

Z7

0

Z8

1

Z9

以 Z5為中心，在圖中的非零像素個數記為 N(Z5)。當 N(Z5)=0或 1時，表示像素

Z5的八個鄰近像素中所有的像素皆為白色像素或只有一個像素為黑色像素。

我們利用下列四個式子來決定 Z5是否要修改為 0。

(1)2≤N (Z5)≤6

(2)T(Z5)=1

(3)Z2‧Z6‧Z8=0 (A式)

(4)Z2‧Z4‧Z6=0

10

若以上式子皆成立，則 Z5=1時，將 Z5改為 0。

細化時，需考慮到細線化過程時的對稱性。以上式子中的(3)和(4)偏向以東南方

的方向進行細線化工作。為平衡細化後的骨架。我們可以交替另外進行西方和北

方的細線化程序，其式子如下所示

(1)2≤N (Z5)≤6

(2)T(Z5)=1

(3)Z4‧Z6‧Z8=0 (B式)

(4)Z2‧Z4‧Z8=0

實際進行細線化物體 O時，我們在物體 O的最外圍開始依式進行細線化的工作。

在依式進行另外二個方向的細化工作，利用 A 式和 B式交替在物體 O的外圍不斷

地進行細線化的工作，直到無法再細化為止。[3]

影像比對運算

1.算數的相加減運算[4]

影像分析技術中兩個影像作比對運算的方法非常重要，其運算的方式可分為

兩大類，一是算術的相加減運算，令一則是邏輯上的運算。影像相加運算是將兩

影像相對應的點素灰度值予以相加，如此可把兩個影像重疊起來，得到類似照相

雙重曝光的效果。

G`(x,y)=G1(x,y)+G2(x,y)

其中G`(x,y)為新灰度值，G1(x,y)，G2(x,y)為兩影像相對應點素之灰度值。

為了避免灰度值產生飽和的情形，將兩影像取暗，或是作擴張處理，所有灰度值

乘上小於1的常數，在做相加運算。

G`(x,y)=G1(x,y)/2+G2(x,y)/2

相加運算可以用於疊紋的量測處理，或是特殊合成畫面處理。

影像相減處理[4]則將兩個影像相對處點素的灰度值加以相減，減後的結果

如果小於0，可以令其為0。這個方法可以用於兩相似物體的檢出。兩影像相減運

11

算能夠運用於量測的先決條件必須是兩影像間彼此的為一非常小，這標才能夠不

致因為位移的關係，而使相減出來的畫面包含太多的資訊，而無法專注於相異處

的檢出。

AND邏輯運算[4]是把兩影像相對應點素之灰度值作AND邏輯處理，如果是二影像

有灰度值，則以灰度值較低者為新灰度值入新的影像中。

AND G`(x,y)=min{G1(x,y),G2(x,y)}

其中G`(x,y)為新灰度值，G1(x,y),G2(x,y)為兩影像相對應點素之灰度值。

如果二影像A、B街為二元影像，則輸出影像C之真值表如下：

A B C

0 0 0

0 1 0

1 0 0

1 1 1

如果背景是白色，物體是黑色的話，利用AND運算，有剪貼的效果。

OR邏輯運算[4]是把兩影像相對應點素之灰度值作OR邏輯處理，如果是二影像有

灰度值，則以灰度值較高者為新灰度值入新的影像中。

OR G`(x,y)=Max{G1(x,y),G2(x,y)}

其中G`(x,y)為新灰度值，G1(x,y),G2(x,y)}為兩影像相對應點素之灰度值。如

果二影像A、B街為二元影像，則輸出像C之真值表如下：

A B C

0 0 0

0 1 1

1 0 1

1 1 1

12

算亮點個數

我們只須以八鄰接或四鄰接點為基礎，由左而右，再由右而左逐次掃描影像中有

亮點的點素，再以該點出發向鄰近各點去尋找，將尋到的連結在一起去尋找，將

尋到的連結在一起的點予以編列同一個碼值，待確定所有連結在一起的點素均已

轉換成同一碼值後，即可以再使用另一碼值對下一個目標實施掃描處理。[4]

文字辨識

影像辨識可以分成影像輸入、影像辨識、結果輸出三個步驟。影像輸入的來源裝

置包括數位相機、數位攝影機、掃描器等。影像辨識步驟可分成影像前置處理、

特徵值擷取、執行辨識三個主要部分。辨識完成後，會輸出辨識結果的資料。

再進行辨識圖形之前，要先對圖形進行各項處理，其作用在於統一圖形資料的格

式、降低圖形的變異度，方便特徵值的擷取，這些相關的處理動作即是影像辨識

前置處理。所謂的特徵，就是用以區分字與字間差異處的依據。而特徵值截取的

目的即為擷取文字辨識上最穩定、有效的特徵。理想上，由特徵擷取出的特徵值

最好對同一個字有著高度的集中性，而對不同的字卻存在著高度的分散性，如此

才可避免辨識錯物的情形發生。特徵比對的方法有逐一比對法、動態規畫、鬆弛

比對法、彈性比對法、最小距離分類法等。近年來類神經網路提供自動且能最佳

化的方式來學習文字的代表模型特徵，頗受學著的重視。而模糊理論之應用，正

符合手寫文字之不精確的特性，所以目前也常被學者利用，與類神經網路混合使

用在文字辨識上。[4]

13

第三章 研究結果與數據

圖表 1 程式主介面

14

執行二值化

從上方工具列[效果]->[二值化]->[圖片一]

將彩色圖片處理成黑白圖片。

圖表 2 二值化執行結果

執行灰階化

從上方工具列[效果]->[灰階]->[圖片一]

將彩色圖片轉換白色還是白色，黑色還是黑色，而其它顏色則會依比例混成灰階

色。

圖表 3 灰階化執行結果

15

執行底片效果

從上方工具列[效果]->[ 底片效果]->[圖片一]

將圖片亮處便暗，暗處變亮，造成了類似照片正片、負片的效果。

圖表 4 底片執行結果

執行馬賽克

從上方工具列[效果]->[馬賽克]

將圖片各點像素平均值最為遮罩使圖片產生朦朧感覺。可以修改方格大小來產生

不一樣的效果。

圖表 5 馬賽克執行結果

16

執行高通濾波

從上方工具列[效果]->[濾波]->[HPF]

高通濾波處理在於可以突顯影像中邊緣及細微複雜的部分，經份處理後，影像可

能變的較清晰，對比較好，然而伴隨而生的是高頻的雜訊也明顯增加。

圖表 6 高通濾波執行結果

執行細線化

從上方工具列[效果]->[細線化]

將圖片骨架顯示出來。

圖表 7 細線化執行結果

17

影像比對運算

算數的相加運算

從上方工具列[圖片合成]->[+]

影像相加運算是將兩影像相對應的點素灰度值予以相加，如此可把兩個影像重疊

起來，得到類似照相雙重曝光的效果。

圖表 8 影像合成相加結果

算數的相加減運算

從上方工具列[圖片合成]->[-]

影像相減處理則將兩個影像相對處點素的灰度值加以相減，減後的結果如果小於

0，可以令其為 0。這個方法可以用於兩相似物體的檢出。

圖表 9 影像合成相減結果

18

算數的AND運算

從上方工具列[圖片合成]->[AND]

AND邏輯運算是把兩影像相對應點素之灰度值作AND邏輯處理，如果是二影像有灰

度值，則以灰度值較低者為新灰度值入新的影像中。

圖表 10 影像合成 AND 結果

算數的OR運算

從上方工具列[圖片合成]->[OR]

OR邏輯運算是把兩影像相對應點素之灰度值作OR邏輯處理，如果是二影像有灰度

值，則以灰度值較高者為新灰度值入新的影像中。

圖表 11 影像合成 OR結果

19

圖片切割

從上方工具列[切割]->[切割]

先選擇切割數可以將圖片選擇幾乘幾的方式對圖片做切割。

圖表 12 切割結果

從上方工具列[切割]->[亂數排列]

可以把圖片切割以後將每張小圖亂序排列可以當作拼圖的小遊戲。

控制鍵盤方向鍵可以移動灰色格子。

圖表 13 圖片亂數排列結果

20

邊緣偵測

從上方工具列[效果]->[濾波]->[邊緣偵測]

用 Sobel運算元利用圖元的左、右、上、下鄰域的灰度加權演算法，根據在邊緣

點處達到極值這一原理進行邊緣檢測，而且對雜訊具有平滑作用，可以提供較為

精確的邊緣方向資訊。

圖表 14 邊緣偵測

文字辨識

從上方工具列[文字辨識]

影像辨識步驟可分成影像前置處理、特徵值擷取、執行辨識三個主要部分。辨識

完成後，會輸出辨識結果的資料。

圖表 15 文字辨識結果

21

灰度滑移運算

從上方工具列[效果]->[灰度滑移]

這時候如果用滑鼠在 SCROLLBAR 上移動，就能觀察滑移灰階值變化，如果滑

移灰階值為負，用滑鼠按下 OK 的按鈕，就可以看到影像滑移變暗。這時候如

果用滑鼠在 SCROLLBAR 將滑移灰階值變大，再用滑鼠按下 OK 的按鈕，就可

以看到影像滑移變亮

圖表 16 影像滑移變暗

圖表 17 影像滑移變亮

22

顏色處理

從上方工具列[顏色處理]->[紅]([藍]、[綠])

用 mask 功能將紅色做遮罩，將其餘兩色素先歸零，再將遮罩除去，以呈現僅有

紅色色度變化。

圖表 18 紅藍綠三種顏色的顏色處理

扭曲變形

從上方工具列[扭曲變形]

分別可以調整圖片的內外扭曲度、內外補償、大小、內外分界的數值。

圖表 19 扭曲變形執行結果(Form5 為其操作面板)

23

算白色區塊個數

從上方工具列[效果]->[算個數]

掃描圖片中白色區塊個數。

圖表 20 執行算個數結果。

24

第四章 結論與未來展望

數位影像的處理在這個資訊發達的現代應用極為廣泛，而本專題整合了平常

較為常用的幾個功能，藉由這些功能可以初步的了解它們如何應用在日常生活。

從擷取影像方法、所使用的機器，對取得的影像做分析處理，最後研究如何呈現

所須的影像資料，從輸入、分析處理、輸出，每個部分都是一門學問，影像的二

值化讓分析的辨別度增加、邊緣偵測對特定的物件分析、影像的合成豐富了圖片

的變化。而本專題所研究的也只是浩瀚學海中的冰山一角，仍然有無數多的知識

等待我們去發現、學習。

25

參考文獻

[1]. 洪維恩 主編，“C++教學手冊”，博碩文化股份有限公司，05.2003。

[2]. 廖榮貴工作室 編著，“Visual Basic.NET”，文魁資訊股份有限公司，08.2005

[3]. 志佳工作室 著，“Visual Basic 6.0 程式教學手冊”，博碩文化股份有限公

司 02.2004

[4]. 賴岱佑、劉敏 編著，“數位影像處理技術手冊”，文魁資訊股份有限公司，

06.2007

[5]. 鍾國亮 編著，“影像處理與電腦視覺”，台北市 台灣東華，2004

[6]. 連國珍 著， ”數位影像處理” ，茂昌圖書有限公司，2004

[7]. 李維 編著， ”精通 Borland C++ Builder 視覺化 C/C++程式設計基礎篇”

博碩文化股份有限公司，1997