TWI618031B - 影像邊緣偵測方法 - Google Patents

Abstract

一種影像邊緣偵測方法。獲得包含目標物的場景的深度影像以及彩色影像。取得位於深度影像的目標物的第一邊緣輪廓以及位於彩色影像的目標物的第二邊緣輪廓。基於第一邊緣輪廓，自第二邊緣輪廓來獲得第三邊緣輪廓。基於第二邊緣輪廓與第三邊緣輪廓來獲得一或多個外緣區塊，而自基於第三邊緣輪廓所產生的第一遮罩中刪除所述外緣區塊來獲得第二遮罩。

Description

影像邊緣偵測方法

本發明是有關於一種影像處理方法，且特別是有關於一種影像邊緣偵測方法。

市面上大多數的深度相機（depth camera）在獲取物體的深度資訊時，常常會發現在物體邊緣的位置所取得的深度資訊並不準確。例如，在手指張開時，在兩個手指中間常常會出現蹼狀誤差，如圖11所示。這是因為在2個手指中間正好在旁邊都有物體，因此，深度相機在進行判斷時會將背景和手指視為相同深度。另外，人的身體邊緣也會因深度相機的誤差而造成身體邊緣沒有被良好裁切的狀況。圖11是習知中僅利用深度影像來進行邊緣偵測所獲得結果的示意圖。在圖11中可以清楚地看到去除背景後的人像輪廓在手指間會產生被誤判為人像輪廓的一部份的蹼狀區塊。

一般而言，針對上述身體邊緣出現的白邊或是手指間的蹼狀區塊，可以藉由取得圖片中的邊緣資訊，或是使用在影像處理中會用到的侵蝕及膨脹演算法來濾除白邊。然而，對於手指間被誤判的大面積背景，使用侵蝕及膨脹演算法對於手部區塊的效果並不好，甚至可能會造成破圖，或是手指等細微部位也一併被清除掉的狀況。

另一種處理方式，則是透過膚色檢測找出手部的位置並消除手指之間的蹼狀區塊。膚色檢測是基於圖片中像素的RGB色彩，或是將圖片轉換至YCbCr或是HSV等等色彩空間中，並透過設定出一個可能為膚色的色彩範圍，來找出臉、手或是圖片中其他屬於膚色的部分後再將這些區塊的背景消除。此作法的問題在於，畫面中的膚色常常因環境光線的明暗、顏色，或是人種及每個人的實際膚色而有所差異，導致在尋找膚色的色彩範圍時，容易造成極大的誤差。另外若要在錄影時及時地找出人像區塊並去背，如果使用其他更加複雜的演算法往往會拖慢整個程式的執行效能，造成機器的耗電及效能上的負擔，影片的幀率（frame rate）也會一併下降。

本發明提供一種影像邊緣偵測方法，可準確地去除背景並找出最貼近目標物（例如：人像）的邊緣輪廓。

本發明的影像邊緣偵測方法，包括下列步驟：獲得包含目標物的場景的深度影像以及彩色影像。對深度影像與彩色影像分別執行邊緣偵測，以獲得位於深度影像的目標物的第一邊緣輪廓以及位於彩色影像的目標物的第二邊緣輪廓。堆疊第一邊緣輪廓與第二邊緣輪廓，自第一邊緣輪廓中依序取出相鄰的兩個像素，並取出位於所述兩個像素的連線方向上通過其中一個像素的法線與第二邊緣輪廓相交的交點，由上述多個交點形成第三邊緣輪廓。堆疊第二邊緣輪廓與第三邊緣輪廓，根據第二邊緣輪廓與第三邊緣輪廓的重疊區域與未重疊區域形成第四邊緣輪廓，根據第二邊緣輪廓與第三邊緣輪廓的至少一未重疊區域形成第四邊緣輪廓的至少一外緣區塊，並且自基於第三邊緣輪廓所產生的第一遮罩（Mask）中刪除至少一外緣區塊對應的影像而獲得第二遮罩。

在本發明的一實施例中，在獲得第二遮罩之後的步驟更包括：基於第一遮罩與第二遮罩在彩色影像中進行去背動作。

在本發明的一實施例中，基於第一遮罩與第二遮罩在彩色影像中進行去背動作的步驟包括：對第二遮罩進行侵蝕膨脹運算而獲得多個圖案區塊；藉由對各圖案區塊的質心進行分群組，而以每一個群組的群心做為中心點並設定為感興趣區域；自第一遮罩中刪除感興趣區域的位置對應的外緣區塊的影像，而產生第三遮罩；以及基於第三遮罩在彩色影像中進行去背（background removal）動作，以保留彩色影像中目標物之影像。

在本發明的一實施例中，上述取出位於兩個像素的連線方向上通過其中一個像素的法線與第二邊緣輪廓相交的交點的步驟更包括：當位於兩個像素的連線方向上通過其中一個像素的法線與第二邊緣輪廓不相交時，將彩色影像轉換為灰階影像，並於灰階影像中對應法線的延伸方向利用梯度（gradient）偵測以取得交點。

在本發明的一實施例中，上述其中堆疊第二邊緣輪廓與第三邊緣輪廓，根據第二邊緣輪廓與第三邊緣輪廓的至少一重疊區域與至少一未重疊區域形成第四邊緣輪廓，根據第二邊緣輪廓與第三邊緣輪廓的至少一未重疊區域形成第四邊緣輪廓的至少一外緣區塊的步驟更包括：對第二邊緣輪廓及第三邊緣輪廓進行膨脹運算，再堆疊已膨脹運算後的第二邊緣輪廓與第三邊緣輪廓，根據已膨脹運算後的第二邊緣輪廓與第三邊緣輪廓的至少一重疊區域與至少一未重疊區域形成第四邊緣輪廓，根據已膨脹運算後的第二邊緣輪廓與第三邊緣輪廓的至少一未重疊區域形成第四邊緣輪廓的至少一外緣區塊。

在本發明的一實施例中，上述對第二遮罩進行侵蝕膨脹運算而獲得圖案區塊的步驟包括：先對第二遮罩進行侵蝕運算，之後執行膨脹運算。

在本發明的一實施例中，其中自基於第三邊緣輪廓所產生的第一遮罩中刪除至少一外緣區塊對應的影像而獲得第二遮罩的步驟包括：基於第三邊緣輪廓產生第一遮罩；堆疊第一遮罩與第四邊緣輪廓；刪除第一遮罩中對應至少一外緣區塊的影像，以獲得該第二遮罩。

基於上述，利用深度影像及彩色影像的邊緣資訊作為去除多餘背景的依據，以找出目標物（例如：人像）邊界，可避免環境光源及光線、個人膚色差異所造成的邊緣誤判問題，進而可更準確地將目標物與背景分離。

為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。

圖1是依照本發明一實施例的電子裝置的方塊圖。請參照圖1，電子裝置100包括處理器110、儲存裝置120以及攝像裝置130。處理器110耦接至儲存裝置120以及攝像裝置130。

處理器110例如為中央處理單元（Central Processing Unit，CPU）、圖像處理單元（Graphic Processing Unit，GPU）、物理處理單元（Physics Processing Unit，PPU）、可程式化之微處理器（Microprocessor）、嵌入式控制晶片、數位訊號處理器（Digital Signal Processor，DSP）、特殊應用積體電路（Application Specific Integrated Circuits，ASIC）或其他類似裝置。

儲存裝置120例如是任意型式的固定式或可移動式隨機存取記憶體（Random Access Memory，RAM）、唯讀記憶體（Read-Only Memory，ROM）、快閃記憶體（Flash memory）、硬碟或其他類似裝置或這些裝置的組合。儲存裝置120中儲存有多個程式碼片段，上述程式碼片段在被安裝後，會由處理器110來執行，以實現下述影像邊緣偵測方法。

攝像裝置130例如為彩色深度攝影機（RGB-D camera）。彩色深度攝影機除了能夠得到色彩影像之外，還能擷取所看到物體的深度影像。

在本實施例中，由處理器110執行儲存裝置120內的程式碼片段以對攝像裝置130所擷取的包含一目標物的一場景的深度影像及彩色影像進行處理，進而找出目標物與背景的邊界，進而可更準確地將去除背景。即，利用深度影像及彩色影像的邊緣資訊作為去除多餘背景的依據，以取代膚色檢測來找出背景與人像的邊緣。如此可避免環境光源及光線、每個人的膚色差異所造成的邊緣誤判問題。

底下進一步來說明影像邊緣偵測方法。

圖2A是依照本發明一實施例的影像邊緣偵測方法的流程圖。請參照圖2A，在步驟S20中，利用攝像裝置130對包含一目標物的一個場景進行拍攝以獲得此包含目標物的場景的深度影像及彩色影像。在此實施例中目標物例如為至少一個人像。

接著，在步驟S21中，對深度影像與彩色影像分別執行邊緣偵測，以獲得位於深度影像的目標物的第一邊緣輪廓以及位於彩色影像的目標物的第二邊緣輪廓。底下為了方便說明，僅繪示出一個手掌進行說明，然，需知道的是，本實施例是針對整張影像來進行邊緣偵測。例如，以Sobel演算法、Prewitt演算法或Canny演算法等來進行邊緣偵測。

圖3是依照本發明一實施例的深度影像與彩色影像中局部部位的邊緣輪廓的示意圖。在圖3中，僅繪示目標物的局部部位（即，手掌）的邊緣輪廓。在此，以點鏈線表示深度影像的第一邊緣輪廓，以實線（包括黑色區塊）表示彩色影像的第二邊緣輪廓。

接著，在步驟S22中，堆疊第一邊緣輪廓與第二邊緣輪廓，自第一邊緣輪廓中依序取出相鄰的兩個像素，並取出位於所述兩個像素的連線方向上通過其中一個像素的法線與第二邊緣輪廓相交的一交點，作為第三邊緣輪廓的點，而該些交點則形成第三邊緣輪廓。即，使用深度影像的第一邊緣輪廓以及彩色影像的第二邊緣輪廓來獲得更貼近目標物（即人像）的邊緣輪廓（第三邊緣輪廓）。

舉例來說，圖4是依照本發明一實施例的取出第三邊緣輪廓的示意圖。請參照圖4，假設點A1~點A5為第一邊緣輪廓的像素，點B1~點B7為第二邊緣輪廓的像素。例如，以找出點A1在第二輪廓邊緣中對應的交點為例，自第一邊緣輪廓中取出點A1與點A2（相鄰的兩個像素），依據點A1與點A2相連的連線方向獲得直線L，進而獲得直線L通過點A1上的法線N，在法線N上找出與第二邊緣輪廓有交集的點B1，意即法線N與第二邊緣輪廓相交的交點為點B1，而以點B1作為第三邊緣輪廓的點。

接著，找出點A2在第二輪廓邊緣中對應的點。如同上述，自第一邊緣輪廓中取出相鄰的點A2與點A3，並依據點A2與點A3的連線方向上通過點A2的法線與第二邊緣輪廓相交的交點來找出在第二邊緣輪廓中與點A2對應的交點，以該點作為第三邊緣輪廓的點。以此類推，而取得上述多個交點藉以形成第三邊緣輪廓。

另外，倘若第一邊緣輪廓中的點與第二邊緣輪廓的點重疊，則可省略上述步驟，而直接以重疊的第二邊緣輪廓的點來做為第三邊緣輪廓的點。又，當法線與第二邊緣輪廓不相交時，可利用梯度（gradient）偵測取得交點，更詳細的說，將彩色影像轉換為一灰階影像，並於灰階影像中對應法線的延伸方向利用梯度偵測獲得灰階值快速變化的點作為交點。

圖5是依照本發明的局部部位的第一、第二、第三邊緣輪廓的示意圖。在圖5中，以點線表示深度影像的第一邊緣輪廓，以實線（包括黑色區塊）表示彩色影像的第二邊緣輪廓，以虛線表示第三邊緣輪廓。由於第三邊緣輪廓是自第二邊緣輪廓所獲得，故，由圖5可以知道，第三邊緣輪廓（虛線）部分的點會與第二邊緣輪廓（實線）的點重疊。

而在獲得第三邊緣輪廓之後，在步驟S23中，堆疊第二邊緣輪廓與第三邊緣輪廓，根據第二邊緣輪廓與第三邊緣輪廓的至少一重疊區域與至少一未重疊區域形成第四邊緣輪廓，根據第二邊緣輪廓與第三邊緣輪廓的至少一未重疊區域形成第四邊緣輪廓的至少一外緣區塊。並且，在步驟S24中，自基於第三邊緣輪廓所產生的第一遮罩（Mask）中刪除所述至少一外緣區塊對應的影像而獲得一第二遮罩。

圖6是依照本發明一實施例的堆疊第二邊緣輪廓與第三邊緣輪廓所獲得的第四邊緣輪廓的示意圖。在本實施例中，對第二邊緣輪廓及該第三邊緣輪廓進行膨脹運算，再堆疊已膨脹運算後的第二邊緣輪廓與第三邊緣輪廓，根據已膨脹運算後的第二邊緣輪廓與第三邊緣輪廓的至少一重疊區域與至少一未重疊區域形成第四邊緣輪廓，根據已膨脹運算後的第二邊緣輪廓與第三邊緣輪廓的至少一未重疊區域形成第四邊緣輪廓的至少一外緣區塊。其中，區塊600（即斜線填滿的區塊）為經膨脹運算後所獲得的區塊，由於區塊600亦屬膨脹運算後第二邊緣輪廓與第三邊緣輪廓的重疊區域，故區塊600並未被判定為外緣區塊。

底下以圖6為例來說明如何獲得外緣區塊。首先，在第四邊緣輪廓中取出已膨脹運算後的第二邊緣輪廓與第三邊緣輪廓的多個區域r1~r10。接著，判斷區域r1~r10的最外圍的邊緣輪廓是否存在第二邊緣輪廓與第三邊緣輪廓重疊的部分。進而，將最外圍的邊緣輪廓不存在第二邊緣輪廓與第三邊緣輪廓重疊的部分的區域判定為外緣區塊。

在圖6中，黑色代表第二邊緣輪廓的點，深灰色代表只存在第三邊緣輪廓的點。而淺灰色代表同時存在第二邊緣輪廓的點與第三邊緣輪廓的點。由於區域r2、r3、r4、r6、r7、r8、r9不存在第二邊緣輪廓與第三邊緣輪廓重疊的部分，即未重疊區域，因此被判定為外緣區塊，至於區域r5、r10因最外圍的邊緣輪廓存在第二邊緣輪廓與第三邊緣輪廓重疊的部分，即重疊區域，故不屬於外緣區塊。

在步驟S24中，自基於第三邊緣輪廓所產生的第一遮罩中刪除外緣區塊對應的影像而獲得第二遮罩。舉例來說，圖7是依照本發明一實施例的第一遮罩的示意圖。圖8是依照本發明一實施例的第二遮罩的示意圖。圖7所示為第一遮罩M1，圖8所示為第二遮罩M2。堆疊第一遮罩M1與第四邊緣輪廓，在第一遮罩M1中刪除對應圖6所示的第四邊緣輪廓的區域r2、r3、r4、r6、r7、r8、r9（即，外緣區塊）的影像，便可獲得第二遮罩M2，在獲得第二遮罩M2之後，可基於第一遮罩與第二遮罩在彩色影像中進行一去背動作。

另外，針對不同目標物為了避免誤刪其外緣區塊，導致位於去背後之彩色影像之目標物產生缺塊，因此本發明再提出如何更精準地進行邊緣偵測，底下再舉一實施例說明。圖2B是依照本發明另一實施例的影像邊緣偵測方法的流程圖。請參照圖2B，在本實施例中，步驟S205~S227與上述圖2A步驟S20~S25相同，因此相關描述請參照上述。

在獲得第二遮罩M2之後，可基於第一遮罩與第二遮罩在彩色影像中進行一去背動作，詳細步驟如下，在步驟S230中，對第二遮罩M2進行侵蝕膨脹運算而獲得多個圖案區塊。在此，先對第二遮罩M2進行侵蝕運算，之後執行膨脹運算。例如，藉由侵蝕運算來找出可能是手指的部分。這是因為手指相對於人像其他部位屬於較細長的部位，因此在進行侵蝕運算之後，會產生相對較大的變形（例如：位於第二遮罩的面積變小，甚至於產生斷裂）。之後，再利用膨脹運算來修復因侵蝕運算所造成的斷裂以獲得所述圖案區塊。步驟S225~S230是為了找出手的部位，以避免將人像範圍較小的部位被誤判為外緣區塊。

接著，在步驟S235中，藉由對各圖案區塊的質心進行分群組，而以每一個群組的群心做為中心點並設定為感興趣區域（region of interest，ROI）。之後，在步驟S240中，自第一遮罩M1中刪除感興趣區域的位置對應的外緣區塊的影像，而產生第三遮罩。於此實施例中，可僅針對人像局部部位（例如：手掌）實施此步驟即可。

底下舉例來進行說明。圖9是依照本發明一實施例的進行侵蝕膨脹運算所獲得的區塊示意圖。圖10是依照本發明一實施例的感興趣區塊的示意圖。

如圖9所示，第二遮罩M2在進行侵蝕膨脹運算後獲得圖案區塊901~906。圖案區塊901~905各自的質心為c1~c5。而圖案區塊906的質心在此未繪示。由於上述方法皆是針對整張影像進行處理，因此，區塊906的部分是與身體連接在一起，因此區塊906的質心是落在未繪示出來的位置。在此，可利用k平均演算法（k-means algorithm）來對這些質心進行分群組。假設分群組後的結果為：質心c1與c2被分群為群組1，而質心c3、c4、c5被分群為群組2。群組1的群心為G1，群組2的群心為G2。

接著，為每一個群心設定一個相同尺寸的感興趣區域。如圖10所示，以群心G1做為中心點來設定對應的感興趣區域R1，並且以群心G2做為中心點來設定對應的感興趣區域R2。在獲得感興趣區域R1、R2之後，自第一遮罩M1中刪除感興趣區域R1、R2的位置對應的外緣區塊的影像，即刪除對應外緣區塊r2’、r3’、r4’、r6’、r7’、r8’、r9’ 的影像，而產生第三遮罩。

之後，在步驟S245中，基於第三遮罩在彩色影像中進行去背動作，以保留彩色影像中目標物之影像。

圖11是習知中僅利用深度影像來進行邊緣偵測所獲得結果的示意圖。圖12是依照本發明一實施例的利用影像邊緣偵測方法所獲得結果的示意圖。由圖12可以清楚地看到明顯地改善了習知的缺點。

綜上所述，利用深度相機的深度資訊來找出整個人像的區塊遮罩，再對彩色影像進行邊緣檢測找出一個更相近的人像邊緣，並根據這兩種資訊找出外緣區塊位置。接著將人像的邊緣輪廓做侵蝕處理，在此處理中，手指的部分非常容易因侵蝕運算而被截斷，藉此可找出人像細部或是手指的部分。而在獲得手指截斷的部分時，再以此資訊找出手指截斷部分的圖案區塊，並計算出每個圖案區塊的中心點後，再對每一個中心點以進行分群組，並且在找出每個群心位置後，以此群心設定一個ROI區塊。最後，判斷一開始由深度資訊及彩色影像的邊緣輪廓找出的外緣區塊有哪些落在這些ROI中，再於彩色影像中對應刪除落在ROI中的外緣區塊的影像，便可以儘量將手指之間屬於背景的蹼狀區塊予以清除。據此，可避免環境光源及光線、個人膚色差異所造成的邊緣誤判問題，進而可更準確地將背景與目標物（例如：人像）分離。

雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。

100‧‧‧電子裝置

110‧‧‧處理器

120‧‧‧儲存裝置

130‧‧‧攝像裝置

S20~S25‧‧‧影像邊緣偵測方法各步驟

S205~S245‧‧‧影像邊緣偵測方法各步驟

600、901~906‧‧‧區塊

A1~A5、B1~B8‧‧‧點

c1~c5‧‧‧質心

G1、G2‧‧‧群心

L‧‧‧直線

M1‧‧‧第一遮罩

M2‧‧‧第二遮罩

N‧‧‧法線

r1~r10‧‧‧區域

R1、R2‧‧‧感興趣區域

圖1是依照本發明一實施例的電子裝置的方塊圖。 圖2A及圖2B是依照本發明不同實施例的影像邊緣偵測方法的流程圖。 圖3是依照本發明一實施例的深度影像與彩色影像中局部部位的邊緣輪廓的示意圖。 圖4是依照本發明一實施例的取出第三邊緣輪廓的示意圖。 圖5是依照本發明的堆疊局部部位的第一、第二、第三邊緣輪廓的示意圖。 圖6是依照本發明一實施例的堆疊第二邊緣輪廓與第三邊緣輪廓所獲得的第四邊緣輪廓的示意圖。 圖7是依照本發明一實施例的第一遮罩的示意圖。 圖8是依照本發明一實施例的第二遮罩的示意圖。 圖9是依照本發明一實施例的第二遮罩進行侵蝕膨脹運算所獲得的區塊示意圖。 圖10是依照本發明一實施例的感興趣區塊的示意圖。 圖11是習知中僅利用深度影像來進行邊緣偵測所獲得結果的示意圖。 圖12是依照本發明一實施例的利用影像邊緣偵測方法所獲得結果的示意圖。

Claims (6)

1. 一種影像邊緣偵測方法，包括：獲得包含一目標物的一場景的一深度影像以及一彩色影像；對該深度影像與該彩色影像分別執行邊緣偵測，以獲得位於該深度影像的該目標物的一第一邊緣輪廓以及位於該彩色影像的該目標物的一第二邊緣輪廓；堆疊該第一邊緣輪廓與該第二邊緣輪廓，自該第一邊緣輪廓中依序取出相鄰的兩個像素，並取出位於所述兩個像素的連線方向上通過其中一個像素的法線與該第二邊緣輪廓相交的一交點，該些交點形成一第三邊緣輪廓；當位於所述兩個像素的連線方向上通過其中一個像素的法線與該第二邊緣輪廓不相交時，將該彩色影像轉換為一灰階影像，並於該灰階影像中對應法線的延伸方向利用梯度偵測以取得該交點；堆疊該第二邊緣輪廓與該第三邊緣輪廓，根據該第二邊緣輪廓與該第三邊緣輪廓的至少一重疊區域與至少一未重疊區域形成一第四邊緣輪廓；根據該第二邊緣輪廓與該第三邊緣輪廓的該至少一未重疊區域形成該第四邊緣輪廓的至少一外緣區塊；以及自基於該第三邊緣輪廓所產生的一第一遮罩中刪除該至少一外緣區塊對應的影像而獲得一第二遮罩。
2. 如申請專利範圍第1項所述的影像邊緣偵測方法，其 中在獲得該第二遮罩之後的步驟，更包括：基於該第一遮罩與該第二遮罩在該彩色影像中進行一去背動作。
3. 如申請專利範圍第2項所述的影像邊緣偵測方法，其中基於該第一遮罩與該第二遮罩在該彩色影像中進行該去背動作的步驟包括：對該第二遮罩進行侵蝕膨脹運算而獲得多個圖案區塊；藉由對各該些圖案區塊的質心進行分群組，而以每一個群組的群心做為中心點並設定為一感興趣區域；自該第一遮罩中刪除該感興趣區域的位置對應的該外緣區塊的影像，而產生一第三遮罩；以及基於該第三遮罩在該彩色影像中進行該去背動作，以保留該彩色影像中該目標物之影像。
4. 如申請專利範圍第1項所述的影像邊緣偵測方法，其中堆疊該第二邊緣輪廓與該第三邊緣輪廓，根據該第二邊緣輪廓與該第三邊緣輪廓的該至少一重疊區域與該至少一未重疊區域形成該第四邊緣輪廓，根據該第二邊緣輪廓與該第三邊緣輪廓的該至少一未重疊區域形成該第四邊緣輪廓的該至少一外緣區塊的步驟更包括：對該第二邊緣輪廓及該第三邊緣輪廓進行膨脹運算，再堆疊已膨脹運算後的該第二邊緣輪廓與該第三邊緣輪廓，根據已膨脹運算後的該第二邊緣輪廓與該第三邊緣輪廓的該至少一重疊區域 與該至少一未重疊區域形成該第四邊緣輪廓，根據已膨脹運算後的該第二邊緣輪廓與該第三邊緣輪廓的該至少一未重疊區域形成該第四邊緣輪廓的該至少一外緣區塊。
5. 如申請專利範圍第3項所述的影像邊緣偵測方法，其中對該第二遮罩進行侵蝕膨脹運算而獲得該些圖案區塊的步驟包括：先對該第二遮罩進行侵蝕運算，之後執行膨脹運算。
6. 如申請專利範圍第1項所述的影像邊緣偵測方法，其中自基於該第三邊緣輪廓所產生的該第一遮罩中刪除該至少一外緣區塊對應的影像而獲得該第二遮罩的步驟包括：基於該第三邊緣輪廓產生該第一遮罩；堆疊該第一遮罩與該第四邊緣輪廓；以及刪除該第一遮罩中對應該至少一外緣區塊的影像，以獲得該第二遮罩。