TWI675593B - 影像校正方法與影像校正裝置 - Google Patents

Abstract

本發明提供一種影像校正方法與影像校正裝置。影像校正方法包括如下步驟。(A)擷取具有一校正圖形的一輸入影像，其中該校正圖形包含至少一圖框與一分析區塊，該至少一圖框位於該分析區塊之外側，且該分析區塊包括彼此分離的複數個特殊圖形；(B)判斷該輸入影像中是否包含該至少一圖框；(C)若是，擷取該分析區塊；以及(D)根據該些特殊圖形在該分析區塊的位置對該輸入影像執行一位移校正、一縮放校正、一旋轉角度校正、一梯形變異校正其中之一或其組合，進而可以得到較佳的輸出影像。

Description

影像校正方法與影像校正裝置

本發明有關於一種影像校正方法與影像校正裝置，特別是指一種對一輸入影像執行一位移校正、一縮放(Scaling)校正、一旋轉角度(Rotation)校正、一梯形變異(Keystone)校正其中之一或其組合的影像校正方法與影像校正裝置。

一般說來，影像裝置在組裝於一裝置(例如車子後照鏡)的組裝過程中會產生影像形變。現有技術是提供複雜的數學模型來分析輸入影像的形變，以藉此校正影像裝置的影像形變，亦即現有技術所提供的數學模型是利用模擬影像裝置的物理行為來降低其影像形變。然而，現有技術所提供的數學模型可能因為光學特性的因素而無法完全模擬影像裝置的物理行為，又或者輸入影像具有複雜背景而導致影像裝置的校正效果不好，甚至是錯誤的校正結果。

因此，如何校正影像裝置的影像形變，以及在具有複雜校正環境下得到較佳的校正結果成為一項重要課題。

本發明之目的在於提供一種影像校正方法與影像校正裝置，其透過一輸入影像中的一校正圖形來對輸入影像執行一位移校正、一縮放校正、一旋轉角度校正、一梯形變異校正其中之一或其組 合。藉此，本發明之影像校正方法與影像校正裝置可以得到較佳的校正結果。

本發明實施例提供一種影像校正方法，且適用於一影像校正裝置。影像校正方法包括如下步驟：(A)擷取具有一校正圖形的一輸入影像，其中該校正圖形包含至少一個圖框與一分析區塊，至少一圖框位於分析區塊的外側，且分析區塊包括彼此分離的多個特殊圖形；(B)判斷輸入影像中是否具有至少一圖框；(C)若是，擷取分析區塊；以及(D)根據多個特殊圖形在分析區塊的位置對輸入影像執行一位移校正、一縮放校正、一旋轉角度校正、一梯形變異校正其中之一或其組合以產生輸出影像。

本發明實施例提供一種影像校正裝置。影像校正裝置包括一影像擷取器與一影像處理器。影像擷取器擷取一校正圖形的一輸入影像。校正圖形包含至少一個圖框與一分析區塊。至少一圖框位於分析區塊的外側，且分析區塊包括彼此分離的多個特殊圖形。影像處理器耦接影像擷取器，且用以執行下列步驟：(A)擷取具有該校正圖形的該輸入影像；(B)判斷輸入影像中是否具有至少一圖框；(C)若是，擷取分析區塊；以及(D)根據多個特殊圖形在分析區塊的位置對輸入影像執行一位移校正、一縮放校正、一旋轉角度校正與一梯形變異校正其中之一或其組合以產生輸出影像。

綜合以上所述，本發明實施例所提供的影像校正方法與影像校正裝置，其分析輸入影像中的校正圖形，以擷取校正圖形中具有多個特殊圖形的分析區塊。接著再根據多個特殊圖形在分析區塊中的位置對輸入影像進行位移校正、縮放校正、旋轉角度校正與梯形變異校正其中之一或其組合，以藉此校正影像校正裝置的影像形變，且可以得到較佳的校正結果。

為了能更進一步瞭解本發明為達成既定目的所採取之技術、方法及功效，請參閱以下有關本發明之詳細說明、圖式，相信本 發明之目的、特徵與特點，當可由此得以深入且具體之瞭解，然而所附圖式與附件僅提供參考與說明用，並非用來對本發明加以限制者。

100‧‧‧影像校正裝置

110‧‧‧影像擷取器

120‧‧‧影像處理器

Im‧‧‧輸入影像

Iout‧‧‧輸出影像

F0-Fn‧‧‧輸入像素

50‧‧‧校正圖形

52‧‧‧過濾區塊

54‧‧‧分析區塊

F1‧‧‧第一圖框

F2‧‧‧第二圖框

X‧‧‧水平方向

Y‧‧‧垂直方向

p1、p2、p3、p4、p5、p6、p7、p8、p9‧‧‧特殊圖形

50a‧‧‧校正圖形

52a‧‧‧過濾區塊

54a‧‧‧分析區塊

A1‧‧‧圖框

m1、m2、m3、m4‧‧‧特殊圖形

cr1、cr2、cr3、cr4‧‧‧轉角處

L1、L2、L3、L4‧‧‧定位圖形

50b‧‧‧校正圖形

52b‧‧‧過濾區塊

54b‧‧‧分析區塊

B1、B2‧‧‧圖框

n1、n2‧‧‧特殊圖形

S410、S420、S430、S440‧‧‧步驟

54c‧‧‧分析區塊

(X3a,Y3a)、(X3,Y3)、(X9,Y9)‧‧‧真實分析座標

(Xc,Yc)‧‧‧真實中心座標

D39‧‧‧真實距離

54Id‧‧‧理想區塊

(Ix3,Iy3)、(Ix9,Iy9)‧‧‧理想分析座標

(Ic1,Ic2)‧‧‧理想中心座標

Di39‧‧‧理想距離

60‧‧‧分析區塊

D1、D2、D3、D4‧‧‧真實距離

60Id‧‧‧理想區塊

Id1、Id2、Id3、Id4‧‧‧理想定位圖形

Di1、Di2、Di3、Di4‧‧‧理想距離

S710、S720、S730、S740、S750‧‧‧步驟

54d‧‧‧分析區塊

(X2,Y2)、(X4,Y4)、(X6,Y6)、(X8,Y8)‧‧‧真實分析座標

θ a、θ b、θ c、θ d‧‧‧偏移夾角

70‧‧‧直角三角形

a、b、c‧‧‧長度

S810、S820、S830、S840、S850、S860、S870‧‧‧步驟

COV1、COV2、COV3、COV4‧‧‧覆蓋範圍

BLK‧‧‧校正區塊

g1、g2、g3、g4、g5、g6、g7、g8、g9‧‧‧目標圖形

r0、r1、r2、r3、r4‧‧‧特殊點

s0、s1、s2、s3、s4‧‧‧目標點

V10、V11、V12、V13、V14‧‧‧差異向量

圖1是本發明一實施例之影像校正裝置的示意圖。

圖2是本發明一實施例之輸入影像的示意圖。

圖3A是本發明另一實施例之校正圖形的示意圖。

圖3B是本發明另一實施例之校正圖形的示意圖。

圖4是本發明一實施例之影像校正方法的流程圖。

圖5A是本發明一實施例之分析區塊的示意圖。

圖5B是本發明一實施例之理想區塊的示意圖。

圖6A是本發明一實施例之具有定位圖形的分析區塊的示意圖。

圖6B是本發明一實施例之具有定位圖形的理想區塊的示意圖。

圖7A是本發明一實施例之旋轉角度校正的流程圖。

圖7B是本發明一實施例之多個特殊圖形與真實中心座標之間的偏移夾角的示意圖。

圖7C是本發明一實施例之某一個偏移夾角的示意圖。

圖8A是本發明一實施例之梯形變異校正的流程圖。

圖8B是本發明一實施例之具有多個校正區塊與多個覆蓋範圍的輸入影像的示意圖。

圖8C是本發明一實施例之多個特殊圖形與多個目標圖形的示意圖。

圖8D是本發明一實施例之其中一個覆蓋範圍的示意圖。

圖8E是本發明一實施例之其中一個被覆蓋特殊圖形與對應的目標圖形的示意圖。

圖8F是本發明一實施例之其中一個覆蓋範圍中的調整後代表向量的示意圖。

圖8G是本發明一實施例之每一個校正區塊中的調整後代表向量的示意圖。

圖8H是本發明一實施例之每一個校正區塊中的校正向量的示意圖。

在下文中，將藉由圖式說明本發明之各種例示實施例來詳細描述本發明。然而，本發明概念可能以許多不同形式來實現，且不應解釋為限於本文中所闡述之例示性實施例。此外，在圖式中相同參考數字可用以表示類似的元件。以下將進一步介紹本發明揭露之影像校正方法與影像校正裝置。

首先，請參考圖1，其顯示本發明一實施例之影像校正裝置的示意圖。如圖1所示，影像校正裝置100為用來對一輸入影像Im中的輸入像素F0-Fn進行校正，以藉此校正影像校正裝置100的影像形變，並輸出調整後的輸出影像Iout。在本實施例中，影像校正裝置100可為智慧型手機、電子後照鏡、筆記型電腦、監控式系統、網路攝影機或其他裝設有鏡頭的影像校正裝置，本發明對此不作限制。

影像校正裝置100包括一影像擷取器110與一影像處理器120。如圖1與圖2，影像擷取器110擷取具有一校正圖形50的輸入影像Im，並傳送輸入影像Im中的每一個輸入像素F0-Fn至影像處理器120進行後續處理。在本實施例中，影像擷取器110可以是具有鏡頭的照相機、攝影機或其他可以用來擷取景物的影像擷取器，本發明對此不作限制。

再請參考圖2，校正圖形50具有一過濾區塊52與一分析區塊54。過濾區塊52具有至少一圖框且位於分析區塊54的外側。在 本實施例中，至少一個圖框包含一第一圖框F1與一第二圖框F2。第一圖框F1具有一第一單調色彩(例如紅色)。第二圖框F2具有一第二單調色彩(例如藍色)。較佳地，圖框的色彩可由紅色、綠色與藍色中選出，或由青色、洋紅色與黃色中選出。第一圖框F1與第二圖框F2彼此接觸且第一單調色彩與第二單調色彩不相同。而過濾區塊52的第一圖框F1與第二圖框F2是用來協助影像處理器120判斷校正圖形50在輸入影像Im中的位置。

如圖2所示，分析區塊54具有彼此分離的多個特殊圖形p1、p2、p3、p4、p5、p6、p7、p8與p9，且用來協助影像處理器120校正影像校正裝置100的影像形變。在本實施例中，每一個特殊圖形p1-p9為正方形且這9個正方形組成一個較大的正方形。藉此，影像處理器120可以透過分布於校正圖形50的特殊圖形p1-p9進行後續校正。

在其他實施例中，如圖3A所示，校正圖形50a中的過濾區塊52a僅有一個圖框A1，且圖框A1為單調色彩(例如綠色)。分析區塊54a具有彼此分離的四個特殊圖形m1、m2、m3與m4。每一個特殊圖形m1-m4為三角形且平均分布在分析區塊54a中。值得注意的是，本實施例的分析區塊54a更具有多個定位圖形L1、L2、L3與L4，且定位圖形L1-L4位於分析區塊54a的角落。定位圖形L1-L4是用來協助影像處理器120更準確地擷取輸入影像Im中分析區塊54a的位置且減少後續影像處理器120所要處理的像素數量。更進一步來說，定位圖形L1-L4位於特殊圖形m1-m4與圖框A1之間的區域且不與特殊圖形m1、m2、m3與m4重疊。藉此，影像處理器120可以偵測定位圖形L1-L4來進一步界定分析區塊54a的範圍，以藉此擷取到較準確的分析區塊54a。

另外，在其他實施例中，如圖3B所示，校正圖形50b中的過濾區塊52b有二個圖框B1與B2。圖框B1與B2分別為不同的單調色彩(例如黑色與紅色)，且圖框B1-B2為同心圓。分析區塊54b 具有彼此分離的二個特殊圖形n1與n2。每一個特殊圖形n1-n2為正方形且分布在分析區塊54b中。藉此，影像處理器120可以透過特殊圖形n1-n2進行後續校正。

由上述校正圖形50、50a與50b可知，本實施例的過濾區塊中圖框的數量、顏色與形狀並沒有特別的限制，只要是可以區別於背景影像的圖框即可。另外，本實施例的分析區塊中特殊圖形的數量為至少二個且形狀並沒有特別的限制，只要是位於分析區塊中即可。

值得注意的是，由於影像校正裝置100在組裝過程中會有影像形變的間題，導致輸入影像Im中的校正圖形50產生形變與偏移，如圖2所示。因此，影像處理器120將透過調整輸入影像Im來校正影像校正裝置100的影像形變。

請同參考圖2與圖4，圖4顯示本發明一實施例之影像校正方法的流程圖。影像處理器120電連接影像擷取器110，且用以執行下列步驟，以對輸入影像Im進行調整，進而校正影像校正裝置100的影像形變。首先，影像處理器120擷取具有校正圖形50的輸入影像Im(步驟S410)。接著，影像處理器120將判斷輸入影像Im中是否包含一圖框(步驟S420)。若否，代表影像處理器120判斷輸入影像Im中沒有包含圖框。此時，影像處理器120將回到步驟S410以重新擷取輸入影像Im。若是，代表影像處理器120判斷輸入影像Im中包含圖框。此時，影像處理器120將執行步驟S430。

在本實施例中，影像校正裝置100與校正圖形50之間具有一預定距離。校正圖形50中包括具有第一單調色彩的第一圖框F1與具有第二單調色彩的第二圖框F2。因此，在步驟S420中，影像處理器120將依序以一預定方向掃描校正圖形50且計算第一單調色彩的像素數量是否超過一第一預設值。若第一單調色彩的像素數量沒有超過第一預設值時，代表影像處理器120沒有判斷到 第一圖框F1。此時，影像處理器120將重新回到步驟S410。若第一單調色彩的像素數量超過第一預設值時，代表影像處理器120有判斷到第一圖框F1。此時，影像處理器120將進一步計算第二單調色彩的像素數量是否超過一第二預設值。若第二單調色彩的像素數量沒有超過第二預設值時，代表影像處理器120沒有判斷到第二圖框F2。此時，影像處理器120將重新回到步驟S410。若第二單調色彩的像素數量超過第二預設值時，代表影像處理器120有判斷到第二圖框F2。此時，影像處理器120將判斷輸入影像Im中具有圖框。在本實施例中，預定方向可以是輸入影像Im的水平方向X、垂直方向Y或其他規律的方向，本發明對此不作限制。

在步驟S420後，影像處理器120將根據第一圖框F1與第二圖框F2在輸入影像Im中的位置擷取分析區塊54(步驟S430)。更進一步來說，影像處理器120將擷取圖框F1與F2內的區域範圍作為分析區塊54。而影像處理器120也可以水平方向X與垂直方向Y的切割方式擷取圖框F1與F2內的區域範圍作為分析區塊54，本發明對此不作限制。

在其他實施例中，若分析區塊54具有例如圖3A的多個定位圖形L1-L4，且定位圖形L1-L4位於分析區塊54的角落。在步驟S430中，影像處理器120將進一步偵測每一個定位圖形L1-L4在輸入影像Im中的一像素位置(未繪於圖2中)，並根據每一個像素位置來擷取分析區塊54。舉例來說，定位圖形為圖3A的「L」圖形。因此上述像素位置也可以是對應到定位圖形L1-L4的轉角處cr1、cr2、cr3與cr4的位置。在本實施例中，影像處理器120為擷取每個定位圖形L1-L4外的區域範圍作為分析區塊54。當然，影像處理器120也可以根據實際狀況擷取每個定位圖形L1-L4內的區域範圍作為分析區塊54，本發明對此不作限制。

在擷取到分析區塊54(即步驟S430)後，影像處理器120將根據分析區塊54中的多個特殊圖形p1-p9在分析區塊54中的位置 對輸入影像Im執行一位移校正、一縮放校正、一旋轉角度校正、一梯形變異校正其中之一或其組合以產生一輸出影像。接下來將分別說明影像處理器120對輸入影像Im執行位移校正、縮放校正、旋轉角度校正、與梯形變異校正的實施方式(步驟S440)。

請參考圖5A與圖5B，其說明本發明一實施例之分析區塊與理想區塊的示意圖。如圖5A所示，影像處理器120以水平方向X與垂直方向Y的切割方式擷取圖2的第一圖框F1與第二圖框F2內的區域範圍作為分析區塊54c。另外，如圖5B所示，影像處理器120將事先模擬一個理想區塊54Id，其代表未失真的分析區塊54c，且理想區塊54Id位於輸入影像Im的中心位置。理想區塊54Id具有多個理想圖形，且這些理想圖形在理想區塊54Id中的位置分別對應到分析區塊54c中的多個特殊圖形p1-p9在未失真的分析區塊54c中的位置，以藉此提供影像處理器120執行位移校正。

影像處理器120對輸入影像Im執行位移校正的步驟如下所述。首先，影像處理器120將依據分析區塊54c中的這些特殊圖形p1-p9的位置計算分析區塊54c的一真實中心座標(Xc,Yc)。舉例來說，影像處理器120利用特殊圖形p5的座標位置來計算分析區塊54c的真實中心座標(Xc,Yc)。再舉例來說，影像處理器120利用特殊圖形p1與p9的座標位置來計算分析區塊54c的真實中心座標(Xc,Yc)。接著，影像處理器120再計算真實中心座標(Xc,Yc)與理想區塊54Id中的一理想中心座標(Ic1,Ic2)之間的一位移量。舉例來說，位移量以向量作表示，即位移量=(Ic1-Xc,Ic2-Yc)。最後，影像處理器120將根據位移量來校正輸入影像Im。而有關影像處理器120根據位移量校正輸入影像Im的實施方式為所屬領域具有通常知識者所悉知，故在此不再贅述。

另外，在其他實施例中，影像處理器120也可以根據其中一個特殊圖形p1-p9對輸入影像Im執行位移校正，且其實施方式如下。為了方便說明，以下以其中一個特殊圖形p3來作說明。首先， 影像處理器120將計算某一個特殊圖形p3在分析區塊54c中的一真實分析座標(X3,Y3)。接著，影像處理器120將計算真實分析座標(X3,Y3)與理想區塊54Id中的一理想分析座標(Ix3,Iy3)之間的一位移量。而真實分析座標(X3,Y3)對應的特殊圖形p3與理想分析座標(Ix3,Iy3)對應的理想圖形(即右上角的理想圖形)相同。而位移量的計算方式例如為：位移量=(Ix3-X3,Iy3-Y3)。最後，影像處理器120將根據位移量來校正輸入影像Im。在本實施例中，影像處理器120係將特殊圖形p3的中心位置作為真實分析座標(X3,Y3)。而在其他實施例中，影像處理器120也可以將特殊圖形p3中的某一特定位置(例如左上角位置、右上角位置、左下角位置或右下角位置)作為真實分析座標，例如特殊圖形p3中的左上角位置作為真實分析座標(X3a,Y3a)。當然，理想圖形的理想分析座標也要對應到特殊圖形p3中的特定位置。

此外，影像處理器120也可以根據圖5A-5B來對輸入影像Im執行縮放校正。而在執行縮放校正以前，影像處理器120會先從分析區塊54c中選擇一第一特殊圖形與一第二特殊圖形，且從理想區塊54Id中選擇對應第一特殊圖形的一第一理想圖形與對應第二特殊圖形的一第二理想圖形。舉例來說，若影像處理器120選擇特殊圖形p3與p9作為第一特殊圖形與第二特殊圖形，影像處理器120會將理想區塊54Id中右上角與右下角的理想圖形作為第一理想圖形與第二理想圖形。

在取得特殊圖形p3、p9與對應的理想圖形後，影像處理器120將對輸入影像Im執行縮放校正，且詳細步驟如下所述。首先，影像處理器120計算第一特殊圖形與第二特殊圖形之間的一真實距離，且計算第一理想圖形與第二理想圖形之間的一理想距離。在本實施例中，影像處理器120將根據特殊圖形p3與p9的真實分析座標(X3,Y3)與(X9,Y9)計算特殊圖形p3與p9之間的真實距離D39例如為203個像素數量，且根據理想分析座標(Ix3,Iy3)與 (Ix9,Iy9)計算對應的理想距離Di39例如為210個像素數量。

接下來，影像處理器120將計算真實距離與理想距離之間的一縮放程度。在本實施例中，縮放程度=真實距離D39/理想距離Di39=203/210=0.97，其表示真實區塊54C相較於理想區塊54Id縮小了0.97倍。而影像處理器120亦可以其他方法來計算真實距離與理想距離之間的縮放程度，本發明對此不作限制。最後，影像處理器120將根據縮放程度來校正輸入影像Im。而有關影像處理器120根據縮放程度來校正輸入影像Im的實施方式為所屬領域具有通常知識者所悉知，故在此不再贅述。

在其他實施例中，影像處理器120也可以根據圖6A-6B中的定位圖形來對輸入影像Im執行縮放校正。圖6A與圖6B說明本發明一實施例之具有定位圖形的分析區塊與理想區塊的示意圖。相較於圖5A中擷取的分析區塊54c，圖6A中擷取的分析區塊60更具有多個定位圖形L1-L4，且影像處理器120為以水平方向X與垂直方向Y的切割方式擷取每個定位圖形L1-L4外的區域範圍作為分析區塊60。定位圖形L1-L4位於分析區塊60的角落。例如定位圖形L1-L4分別位於分析區塊60的左上角位置、右上角位置、左下角位置與右下角位置。

相較於圖5B的理想區塊54Id，圖6B的理想區塊60Id具有多個理想定位圖形Id1、Id2、Id3與Id4。而這些理想定位圖形Id1-Id4在理想區塊60Id中的位置分別對應到分析區塊60的多個定位圖形L1-L4在未失真的分析區塊60中的位置。

而在執行縮放校正以前，影像處理器120會先從分析區塊60中選擇一第一定位圖形與一第二定位圖形，且從理想區塊60Id中選擇對應第一定位圖形的一第一理想定位圖形與對應第二定位圖形的一第二理想定位圖形。舉例來說，若影像處理器120選擇定位圖形L1與L2作為第一定位圖形與第二定位圖形，影像處理器120會將理想區塊60Id中左上角與右上角的理想定位圖形Id1與 Id2作為第一理想圖形與第二理想圖形。

在取得定位圖形L1、L2與對應的理想定位圖形後，影像處理器120將對輸入影像Im執行縮放校正，且詳細步驟如下所述。首先，影像處理器120計算第一定位圖形與第二定位圖形之間的一真實距離，且計算第一理想定位圖形與第二理想定位圖形之間的一理想距離。在本實施例中，影像處理器120將計算定位圖形L1與L2之間的真實距離D1例如為203個像素數量，且計算對應的理想距離Di1例如為210個像素數量。而影像處理器120可以根據代表定位圖形L1與L2的座標(如定位圖形L1的轉角位置與定位圖形L2的轉角位置)來計算真實距離D1，以及可以根據代表理想定位圖形Id1與Id2的座標(如理想定位圖形Id1的轉角位置與理想定位圖形1d2的轉角位置)來計算理想距離Di1。

接下來，影像處理器120將計算真實距離D1與理想距離Di1之間的一縮放程度。在本實施例中，縮放程度=真實距離D1/理想距離Di1=203/210=0.97，其表示真實區塊60相較於理想區塊60Id縮小了0.97倍。而影像處理器120亦可以其他方法來計算真實距離與理想距離之間的縮放程度，本發明對此不作限制。最後，影像處理器120將根據縮放程度來校正輸入影像Im，即影像處理器120根據縮放程度為0.97倍來校正輸入影像Im。而有關影像處理器120根據縮放程度來校正輸入影像Im的實施方式為所屬領域具有通常知識者所悉知，故在此不再贅述。

另外，在其他實施例中，影像處理器120也可以根據多個的定位圖形L1-L4與多個理想定位圖形Id1-Id4所對應的多個縮放程度來對輸入影像Im執行縮放校正。如圖6A所示，影像處理器120透過上述實施例的計算方式計算定位圖形L1-L4之間的真實距離D1、D2、D3、D4，以及理想定位圖形Id1-Id3之間的理想距離Di1、Di2、Di3、Di4。再來，影像處理器120再透過上述實施例的計算方式計算真實距離D1-D4與對應的理想距離Di1-Di4之間的4個 不同的縮放程度Sca1、Sca2、Sca3、Sca4，且縮放程度Sca1-Sca4例如為0.97、0.98、0.98、0.98。再來，影像處理器120將平均四個縮放程度Sca1-Sca4，即(0.97+0.98+0.98+0.98)/4=0.98，以表示真實區塊60相較於理想區塊60Id縮小了0.98倍。藉此，影像處理器120參考多個縮放程度Sca1-Sca4可以降低計算出錯誤的縮放程度。

另外，在其他實施例中，影像處理器120也可以平均縮放程度Sca1與Sca3以計算出水平方向X上的縮放程度SHOR為(0.97+0.98)/2=0.975。類似地，影像處理器120也可以平均縮放程度Sca2與Sca4以計算出垂直方向Y上的縮放程度SVER為(0.98+0.98)/2=0.98。最後，影像處理器120將根據水平方向X上的縮放程度SHOR來校正輸入影像Im在水平方向X上的位置，且根據垂直方向Y上的縮放程度SVER來校正輸入影像Im在垂直方向Y上的位置。而有關影像處理器120根據縮放程度來校正輸入影像Im的實施方式為所屬領域具有通常知識者所悉知，故在此不再贅述。

接下來，請參考圖7A與7B，其顯示本發明一實施例之旋轉角度校正的流程圖與示意圖。如圖7B所示，影像處理器120以水平方向X與垂直方向Y的切割方式擷取圖2的第一圖框F1與第二圖框F2內的區域範圍作為分析區塊54d，以藉此提供影像處理器120執行旋轉角度校正。

影像處理器120對輸入影像Im執行旋轉角度校正的步驟如下所述。首先，影像處理器120將依據分析區塊54d中的這些特殊圖形p1-p9的位置計算分析區塊54d的一真實中心座標(Xc,Yc)(步驟S710)。接著，影像處理器120再計算真實中心座標(Xc,Yc)與一或多個特殊圖形p1-p9之間的一或多個偏移夾角(步驟S720)。以多個特殊圖形p2、p4、p6、p8為例作說明，真實中心座標(Xc,Yc)與特殊圖形p2的真實分析座標(X2,Y2)之間的一延伸線與垂直方 向Y形成偏移夾角θ a。真實中心座標(Xc,Yc)與特殊圖形p6的真實分析座標(X6,Y6)之間的一延伸線與水平方向X形成偏移夾角θ b。真實中心座標(Xc,Yc)與特殊圖形p8的真實分析座標(X8,Y8)之間的一延伸線與垂直方向Y形成偏移夾角θ c。真實中心座標(Xc,Yc)與特殊圖形p4的真實分析座標(X4,Y4)之間的一延伸線與水平方向X形成偏移夾角θ d。

在計算偏移夾角θ a~θ d的過程中，影像處理器120首先將根據真實中心座標與對應的真實分析座標來計算偏移夾角θ a~θ d。以偏移夾角θ a為例作說明，並請同時參考圖7C。真實分析座標(X2,Y2)、真實中心座標(Xc,Yc)與水平方向X之間的延伸線形成一直角三角形70。直角三角形70的三個邊分別為長度a、長度b與長度c。因此，影像處理器120可透過下述公式1來計算偏移夾角θ a，且公式1如下所示。

類似地，影像處理器120可透過上述公式1的計算方式計算其他偏移夾角θ b~θ d。舉例來說，偏移夾角θ a為-3.92，偏移夾角θ b為-3.87，偏移夾角θ c為-4.70，且偏移夾角θ d為-3.92。

再來，影像處理器120接著從這些特殊圖形p1-p9中選擇二個特殊圖形(例如特殊圖形p1與p3)作為第一特殊圖形與第二特殊圖形。接著，影像處理器120將根據每一個偏移夾角與一旋轉公式Frot(X,Y)來調整第一特殊圖形與第二特殊圖形的座標，並產生第一特殊圖形的一旋轉後座標與第二特殊圖形的一旋轉後座標。在本實施例中，旋轉公式Frot(X,Y)分成水平方向X上的旋轉公式Fr(X)與垂直方向Y上的旋轉公式Fr(Y)，且旋轉公式Frot(X,Y)如下述所示。

其中，(Xn,Yn)為特殊圖形分別在水平方向X與垂直方向Y的座標，且θ x為偏移夾角。以偏移夾角θ a為例作說明。承接上述例子，影像處理器120將特殊圖形p1作為第一特殊圖形，且其座標例如為(X1,Y1)=(545,249)。影像處理器120將特殊圖形p3作為第二特殊圖形，且其座標為(X3,Y3)=(763,262)。因此，影像處理器120將特殊圖形p1的座標(X1,Y1)與偏移夾角θ a代入旋轉公式Frot(X,Y)，以得到特殊圖形p1的旋轉後座標(X1a,Y1a)=(537,255)。再來，影像處理器120將特殊圖形p3的座標(X3,Y3)與偏移夾角θ a代入旋轉公式Frot(X,Y)，以得到特殊圖形p3的旋轉後座標(X3a,Y3a)=(756,253)。

最後，影像處理器120再根據上述兩個旋轉後座標計算多個特殊圖形中的第一特殊圖形與第二特殊圖形對應的斜率。在本實施例中，第一特殊圖形與第二特殊圖形對應的斜率代表上述兩個旋轉後座標之間的斜率。承接上述例子，特殊圖形p1與特殊圖形p3對應的斜率ma如下述方程式所示。

因此，在偏移夾角θ a下，特殊圖形p1與特殊圖形p3對應的斜率ma為-0.009132。類似地，在偏移夾角θ b~θ d下，特殊圖形p1與特殊圖形p3對應的斜率mb、mc與md分別為-0.009163、-0.22936與-0.009132。

而若上述斜率越接近0，代表對應的偏移夾角越正確。因此，影像處理器120將選擇具有最小斜率所對應的偏移夾角作為一旋轉角度(步驟S740)。承接上述例子，在偏移夾角θ a~θ d下，特殊圖形p1與特殊圖形p3對應的斜率ma、mb、mc與md分別為-0.009132、-0.009163、-0.22936與-0.009132。因此，影像處理器120將選擇偏移角度θ a、θ b(即-3.92)作為旋轉角度。

最後，影像處理器120將根據旋轉角度來校正輸入影像Im(步 驟S750)。而有關影像處理器120根據步驟S750來校正輸入影像Im的實施方式為所屬領域具有通常知識者所悉知，故在此不再贅述。

接下來，請參考圖8A-8H，其顯示本發明一實施例之梯形變異校正的流程圖與示意圖。如圖8A-8B所示，影像處理器120將根據特殊圖形p1-p9在分析區塊54的位置對輸入影像Im執行梯形變異校正，且步驟如下所述。首先，影像處理器120將輸入影像Im切割成多個校正區塊BLK與分成多個覆蓋範圍COV1、COV2、COV3與COV4(步驟S810)。在本實施例中，這些覆蓋範圍COV1-COV4涵蓋所有的校正區塊BLK。而每一個覆蓋範圍COV1-COV4包含部分的校正區塊BLK與一被覆蓋特殊圖形。而在其他實施例中，每一個覆蓋範圍COV1-COV4也可以有多個被覆蓋特殊圖形，本發明對此不作限制。另外，覆蓋範圍COV1-COV4也可包含有重疊的校正區塊BLK或不重疊的校正區塊BLK，本發明同樣對此不作限制。

如圖8B所示，在本實施例中，影像處理器120將輸入影像Im切割成9*8個校正區塊BLK，且將輸入影像Im分成4個覆蓋範圍COV1-COV4。每一個覆蓋範圍COV1-COV4涵蓋了5*4個校正區塊BLK，且覆蓋範圍COV1-COV4具有部分重疊的校正區塊BLK。覆蓋範圍COV1涵蓋特殊圖形p1-p2、p4-p5；覆蓋範圍COV2涵蓋特殊圖形p2-p3、p5-p6；覆蓋範圍COV3涵蓋特殊圖形p4-p5、p7-p8；以及覆蓋範圍COV4涵蓋特殊圖形p5-p6、p8-p9。

值得注意的是，覆蓋範圍COV1-COV4所包含的被覆蓋特殊圖形是由影像處理器120選出。舉例來說，影像處理器120選擇特殊圖形p1作為覆蓋範圍COV1的被覆蓋特殊圖形；選擇特殊圖形p3作為覆蓋範圍COV2的被覆蓋特殊圖形；選擇特殊圖形p7作為覆蓋範圍COV3的被覆蓋特殊圖形；以及選擇特殊圖形p9作為覆蓋範圍COV4的被覆蓋特殊圖形。而在其他實施例中，影像 處理器120也可以選擇多個特殊圖形作為對應覆蓋範圍的被覆蓋特殊圖形，例如選擇特殊圖形p1-p2與p4作為覆蓋範圍COV1的被覆蓋特殊圖形，本發明對此不作限制。

為了方便說明，以下被覆蓋特殊圖形的數量皆以一個為例作說明，每一個覆蓋範圍COV1-COV4對應的被覆蓋特殊圖形分別為特殊圖形p1、p3、p7、p9。因此，如圖8C所示，在步驟S810後，影像處理器120接著將依據特殊圖形p1-p9的位置計算一真實中心座標(Xc,Yc)，且依據真實中心座標(Xc,Yc)定義多個目標圖形(步驟S820)。在本實施例中，真實中心座標(Xc,Yc)剛好位於特殊圖形p5的中心位置。而影像處理器120將以真實中心座標(Xc,Yc)為中心向外擴展，以定義多個目標圖形g1、g2、g3、g4、g5、g6、g7、g8、g9。而這些目標圖形g1-g9在分析區塊54中的位置代表這些特殊圖形p1-p9在未失真的分析區塊54中的位置。

在定義目標圖形g1-g9(即步驟S820)後，影像處理器120將在每一個被覆蓋特殊圖形中，計算被覆蓋特殊圖形與對應的目標圖形之間的一位置差異以藉此產生多個差異向量(步驟S830)。更進一步來說，影像處理器120首先將取得被覆蓋圖形(例如特殊圖形p1)上的多個特殊點與對應的目標圖形(例如目標圖形g1)上與上述這些特殊點相同位置的多個目標點。接著，影像處理器120再計算每一個特殊點與相同位置的目標點之間的位置差異，以藉此產生多個差異向量。

承接上述例子，每一個覆蓋範圍COV1-COV4對應的被覆蓋特殊圖形分別為特殊圖形p1、p3、p7、p9。以覆蓋範圍COV1對應的被覆蓋特殊圖形為特殊圖形p1為例作說明。如圖8D所示，影像處理器120擷取特殊圖形p1上的多個特殊點r0、r1、r2、r3、r4(即特殊圖形p1的中心點、左上角點、右上角點、左下角點、右下角點)，以及擷取目標圖形g1上對應的多個目標點s0、s1、s2、s3、s4(即目標圖形g1的中心點、左上角點、右上角點、左下角點、 右下角點)。再來，影像處理器120將計算每一個特殊點r0、r1、r2、r3、r4與相同位置的目標點s0、s1、s2、s3、s4之間的位置差異，以藉此產生多個差異向量V10、V11、V12、V13、V14。而類似地，影像處理器120依照上述同樣方式計算特殊圖形p3、p7、p9(在本實施例是作為被覆蓋特殊圖形)與對應的目標圖形g3、g7、g9之間的位置差異，以藉此產生多個差異向量。而特殊圖形p1、p3、p7、p9對應的多個差異向量整理如下表<一>。

影像處理器120根據每一個覆蓋範圍COV1~COV4相對的多個差異向量計算代表向量(步驟S840)。在一實施例中，影像處理器120係根據覆蓋範圍COV1~COV4在輸入影像Im中的位置來選擇合適的差異向量作為代表向量。舉例來說，覆蓋範圍COV1位於輸入影像Im中的左上角位置，故影像處理器120選擇左上角的差異向量V11作為覆蓋範圍COV1的代表向量。再舉例來說，覆蓋範圍COV4位於輸入影像Im中的右下角位置，故影像處理器120選擇右下角的差異向量V44作為覆蓋範圍COV4的代表向量。而對於每一個覆蓋範圍COV1-COV4來說，影像處理器120也可以從對應的多個差異向量中隨機選擇一個作為代表向量(例如影像處理器120從差異向量V10-V14中選擇V13作為覆蓋範圍COV1的代表向量)，本發明對此不作限制。

承接上述例子，本實施例的影像處理器120將選擇差異向量V11作為覆蓋範圍COV1的代表向量，選擇差異向量V22作為覆 蓋範圍COV2的代表向量，選擇差異向量V33作為覆蓋範圍COV3的代表向量，以及選擇差異向量V44作為覆蓋範圍COV4的代表向量。

在其他實施例中，影像處理器120也可以在每一個覆蓋範圍中平均對應的多個差異向量，並將平均後的結果作為對應的覆蓋範圍的代表向量。舉例來說，影像處理器120在覆蓋範圍COV1中平均對應的差異向量V10、V11、V12、V13、V14，並將平均後的結果作為覆蓋範圍COV1的代表向量。而影像處理器120也可以透過其他方式並根據對應的差異向量來取得每一個覆蓋範圍COV1-COV4的代表向量，本發明對此不作限制。

影像處理器120調整代表向量相對於每一個覆蓋範圍COV1-COV4，並施加調整後的代表向量至每一個覆蓋範圍COV1-COV4的每個校正區塊BLK(步驟S850)。而每一個校正區塊中皆具有至少一調整後代表向量。更進一步來說，在每一個覆蓋範圍中，影像處理器120將根據被覆蓋特殊圖形在校正區塊中的位置以及每一個校正區塊的位置，產生每一個校正區塊中的一調整後代表向量。

在本實施例中，若校正區塊距離被覆蓋特殊圖形越遠，代表此校正區塊需要校正的幅度越大。此時，影像處理器120將產生較大的調整後代表向量。反之，若校正區塊距離被覆蓋特殊圖形越近，代表此校正區塊需要校正的幅度越小。此時，影像處理器120將產生較小的調整後代表向量。而在其他實施例中，影像處理器120也可以根據被覆蓋特殊圖形在校正區塊中的其他特徵來調整對應的代表向量，本發明對此不作限制。

承接上述例子，並以覆蓋範圍COV1為例作說明。請同時參考圖8E與8F，影像處理器120將在覆蓋範圍COV1中調整作為代表向量的差異向量V11。如圖8E所示，覆蓋範圍COV1具有20個校正區塊BLK，且校正區塊BLK由左上至右下分別為第1個至 第20個校正區塊BLK。作為被覆蓋特殊圖形的特殊圖形p1位於第14個校正區塊BLK。而影像處理器120將根據特殊圖形p1在20個校正區塊BLK中的位置來調整作為代表向量的差異向量V11。距離特殊圖形p1越近的校正區塊BLK，調整後代表向量越接近差異向量V11。距離特殊圖形p1越遠的校正區塊BLK，調整後代表向量將越高於差異向量V11。

因此，如圖8F所示，在覆蓋範圍COV1中，第14個校正區塊BLK最接近調整後代表向量，第8-10、13、15、18-20個校正區塊BLK具有第三大的調整後代表向量，第2-5、7、12、17個校正區塊BLK具有第二大的調整後代表向量，以及第1、6、11、16個校正區塊BLK具有第最大的調整後代表向量。由圖8F可知，在覆蓋範圍COV1中，調整後代表向量將由第14個校正區塊BLK開始逐漸向外增加。

類似地，在覆蓋範圍COV2-COV4中，影像處理器120同樣依照此方式計算每一個校正區塊的調整後代表向量。藉此，影像處理器120將可分別計算每一個覆蓋範圍COV1-COV4中的每一個校正區塊BLK的調整後代表向量，並將調整後代表向量的計算結果顯示在圖8G中。如圖8G所示，覆蓋範圍COV1與COV2具有4個重疊的校正區塊BLK。故這四個重疊的校正區塊BLK中分別具有2個調整後代表向量。類似地，覆蓋範圍COV3與COV4具有4個重疊的校正區塊BLK。故這四個重疊的校正區塊BLK中分別具有2個調整後代表向量。

在取得每一個校正區塊的調整後代表向量(即步驟S850)後，影像處理器120將在每一個校正區塊中，平均這些代表向量以產生一校正向量(步驟S860)。承接上述例子，並請同時參考圖8G與8H。以第1個與第5個校正區塊BLK為例作說明。如圖8G所示，第1個校正區塊BLK中僅有一個調整後代表向量。因此，影像處理器120平均這個調整後代表向量之後，產生與此調整後代表向 量相同的校正向量(顯示於圖8H中的第1個校正區塊BLK)。第5個校正區塊BLK中有二個調整後代表向量。因此，影像處理器120平均這些調整後產生代表向量之後，產生新的校正向量(顯示於圖8H中的第5個校正區塊BLK)。

最後，影像處理器120將根據如圖8所示的每一個校正區塊BLK中的校正向量校正輸入影像Im(步驟S870)。而有關影像處理器120根據步驟S870來校正輸入影像Im的實施方式為所屬領域具有通常知識者所悉知，故在此不再贅述。

綜合以上所述，本發明實施例所提供的影像校正方法與影像校正裝置100，其分析輸入影像Im中的校正圖形(例如校正圖形50)，以擷取校正圖形中具有多個特殊圖形的分析區塊(例如具有特殊圖形p1-p9的分析區塊54)。接著再根據多個特殊圖形在分析區塊中的位置對輸入影像Im進行位移校正、縮放校正、旋轉角度校正與梯形變異校正其中之一或其組合以產生輸出影像Iout，進而可校正影像校正裝置100的影像形變，且可以得到較佳的校正結果。

以上所述僅為本發明之實施例，其並非用以侷限本發明之專利範圍。

Claims (14)

1. 一種影像校正方法，適用於一影像校正裝置，且該影像校正方法包括：(A)擷取具有一校正圖形的一輸入影像，其中該校正圖形包含至少一個圖框與一分析區塊，該至少一圖框環繞於該分析區塊之外側，且該分析區塊包括彼此分離的複數個特殊圖形，其中該至少一圖框具有一單調色彩；(B)判斷該輸入影像中是否包含該至少一圖框；(C)若是，判斷出該圖框，以擷取該圖框所環繞的一區域範圍為該分析區塊；以及(D)根據該些特殊圖形在該分析區塊中的位置對該輸入影像執行一位移校正、一縮放校正、一旋轉角度校正、一梯形變異校正其中之一或其組合以產生一輸出影像。
2. 如請求項1之影像校正方法，其中，該至少一個圖框包含一第一圖框及一第二圖框，該第一圖框具有一第一單調色彩，該第二圖框具有一第二單調色彩，該第一圖框與該第二圖框彼此接觸且該第一單調色彩與該第二單調色彩不相同。
3. 如請求項2之影像校正方法，其中，於該步驟(B)中，更包括：依序以一預定方向掃描該校正圖形；計算該第一單調色彩的像素數量是否超過一第一預設值；若是，計算該第二單調色彩的像素數量是否超過一第二預設值；以及若是，判斷該輸入影像中包含該至少一圖框。
4. 如請求項1之影像校正方法，其中，該分析區塊更包括多個定位圖形，且該定位圖形位於該分析區塊的角落，且於該步驟(C)中， 更包括：偵測每一該定位圖形在該輸入影像中的一像素位置；以及根據每一該像素位置擷取該分析區塊。
5. 如請求項1之影像校正方法，其中，於該步驟(D)的該位移校正中，更包括：依據該些特殊圖形在該分析區塊中的位置計算該分析區塊的一真實中心座標；計算該真實中心座標與一理想區塊中的一理想中心座標之間的一位移量，其中該理想區塊代表未失真的該分析區塊；以及根據該位移量校正該輸入影像。
6. 如請求項1之影像校正方法，其更包括一理想區塊，該理想區塊具有複數個理想圖形，且該些理想圖形在該理想區塊中的位置對應該些特殊圖形在未失真的該分析區塊中的位置，該些特殊圖形包括一第一特殊圖形，該些理想圖形包括一第一理想圖形，於該步驟(D)的該位移校正中，更包括：計算該第一特殊圖形在該分析區塊中的一真實分析座標；計算該真實分析座標與該第一理想圖形在該理想區塊中的一理想分析座標之間的一位移量，其中該第一特殊圖形對應於該第一理想圖形；以及根據該位移量校正該輸入影像。
7. 如請求項1之影像校正方法，其更包括一理想區塊，該理想區塊具有複數個理想圖形，該些理想圖形包括一第一理想圖形與一第二理想圖形，其中該些特殊圖形包括一第一特殊圖形與一第二特殊圖形，該第一理想圖形與該第二理想圖形在該理想區塊中的位置對應於該第一特殊圖形與該第二特殊圖形在未失真的該分析 區塊中的位置，且於該步驟(D)的該縮放校正中，更包括：計算該第一特殊圖形與該第二特殊圖形之間的一真實距離，且計算該第一理想圖形與該第二理想圖形之間的一理想距離；計算該真實距離與該理想距離之間的一縮放程度；以及根據該縮放程度以校正該輸入影像。
8. 如請求項1之影像校正方法，其更包括多個定位圖形與一理想區塊，該些定位圖形位於該分析區塊的角落且包括一第一定位圖形與一第二定位圖形，該理想區塊具有多個理想定位圖形，該些理想定位圖形包括一第一理想定位圖形與一第二理想定位圖形，且該第一理想定位圖形與該第二理想定位圖形在該理想區塊中的位置對應於該第一定位圖形與該第二定位圖形在未失真的該分析區塊中的位置，於該步驟(D)的該縮放校正中，更包括：計算該第一定位圖形與該第二定位圖形之間的一真實距離與計算該第一理想定位圖形與該第二理想圖形之間的一理想距離；計算該真實距離與該理想距離之間的一縮放程度；以及根據該縮放程度以校正該輸入影像。
9. 如請求項1之影像校正方法，其中，於該步驟(D)的該旋轉角度校正中，更包括：依據該些特殊圖形在該分析區塊中的位置計算一真實中心座標；分別計算該真實中心座標與至少一該特殊圖形之間的一偏移夾角；依據該些特殊圖形之中的一第一特殊圖形及一第二特殊圖形的座標、每一該偏移夾角以及一旋轉公式計算該第一特殊圖形與該第二特殊圖形對應的斜率；選擇具有最小斜率所對應的該偏移夾角作為一旋轉角度；以 及根據該旋轉角度校正該輸入影像。
10. 如請求項1之影像校正方法，其中，於該步驟(D)的該梯形變異校正中，更包括：將該輸入影像切割成多個校正區塊與分成多個覆蓋範圍，其中該些覆蓋範圍涵蓋所有的該些校正區塊，每一該覆蓋範圍包含部分的該些校正區塊與一被覆蓋特殊圖形；依據該些特殊圖形的位置計算一真實中心座標，且依據該真實中心座標定義複數個目標圖形，其中該些目標圖形在該分析區塊中的位置對應於該些特殊圖形在未失真的該分析區塊中的位置；於每一該被覆蓋特殊圖形中，計算該被覆蓋特殊圖形與對應的該目標圖形之間的一位置差異以藉此產生多個差異向量；相比於每一該覆蓋範圍，根據該被覆蓋特殊圖形的該些差異向量計算一代表向量；於每一該覆蓋範圍中，調整該代表向量並施加一調整後代表向量到被覆蓋的每一該校正區塊中，其中每一該校正區塊中具有該調整後代表向量；於每一該校正區塊中，平均該些代表向量以產生一校正向量；以及根據每一該校正區塊中的該校正向量校正該輸入影像。
11. 如請求項10之影像校正方法，其中，於每一該被覆蓋特殊圖形中，計算該被覆蓋特殊圖形與對應的該目標圖形之間的該位置差異的步驟中，更包括：取得該被覆蓋圖形上的多個特殊點與對應的該目標圖形上與該些特殊點相同位置的多個目標點；以及 計算每一該特殊點與該目標點之間的該位置差異以藉此產生該些差異向量。
12. 一種影像校正裝置，包括：一影像擷取器，擷取具有一校正圖形的一輸入影像，其中該校正圖形包含至少一個圖框與一分析區塊，該至少一圖框環繞於該分析區塊之外側，且該分析區塊包括彼此分離的複數個特殊圖形，其中該至少一圖框具有一單調色彩；一影像處理器，耦接該影像擷取器，且用以執行下列步驟：(A)接收該輸入影像；(B)判斷該輸入影像中是否包含該至少一圖框；(C)若是，判斷出該圖框，以擷取該圖框所環繞的一區域範圍為該分析區塊；以及(D)根據該些特殊圖形在該分析區塊中的位置對該輸入影像執行一位移校正、一縮放校正、一旋轉角度校正與一梯形變異校正其中之一或其組合以產生一輸出影像。
13. 如請求項12之影像校正裝置，其中，該至少一個圖框包含一第一圖框及一第二圖框，該第一圖框具有一第一單調色彩，該第二圖框具有一第二單調色彩，該第一圖框與該第二圖框彼此接觸且該第一單調色彩與該第二單調色彩不相同。
14. 如請求項12之影像校正裝置，其中，該些特殊圖形的數量為9個，該9個特殊圖形分布在該分析區塊以形成一正方形。