跳到主要內容

臺灣博碩士論文加值系統

(100.26.196.222) 您好!臺灣時間:2024/02/27 13:47
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:楊嘉倫
研究生(外文):Yang, Jia-Lun
論文名稱:從全彩影像選取最佳之256色
論文名稱(外文):Optimal Display of True Color Image with Palette-Distortion
指導教授:張隆紋張隆紋引用關係
指導教授(外文):Chang Long-Wen
學位類別:碩士
校院名稱:國立清華大學
系所名稱:資訊工程學系
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:1998
畢業學年度:86
語文別:中文
論文頁數:45
中文關鍵詞:人類視覺系統調色盤及失真度錯誤分散總和平方錯誤
外文關鍵詞:Human Visual SystemPalette-DistortionError DiffusionTotal Square Error
相關次數:
  • 被引用被引用:0
  • 點閱點閱:183
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:1
現今仍有許多彩色輸出設備,如顯示器及彩色印表機,無法適當地
使用全彩影像。這有幾個原因:第一,在很多電腦系統中,記憶體儲存裝
置的大小仍嫌不足,或者CPU的速度不夠快。第二,有些軟體必須使用較
少的顏色數來增進其效能,例如要在影像資料庫中搜尋某張圖片時,我們
可以先在資料庫的索引中預覽其256色的圖示,如此可減少搜尋時間。多
媒體應用程式和遊戲軟體也需使用較少的顏色以加快程式的執行速度,並
使其更順暢。第三,Internet 的發展日漸蓬勃,但目前的網路頻寬不足
,以致常常造成網路壅塞。因此,若使用較少顏色數的圖形檔,即可減輕
網路傳輸的壅塞問題。因此我們提出了一個新的方法,可以快速地從全彩
影像選取最佳之256色或更少的顏色。為降低搜尋時間及複雜度,我們使
用二元樹的結構和採用 RGB 彩色座標系統。當然也可以適用於其它座標
系統。選色時我們使用調色盤及失真度 (Palette-Distortion) 的方法。
而失真的計算,我們先使用總和平方錯誤(Total Square Error),後來為
了改善程式,又套用了人類視覺系統 (Human Visual System) 來計算失
真。最後,為了達到區域最小化的目標,我們在演算法的一開始加上分類
的觀念,也就是先把顏色值相近的分在同一個群組中。把這個觀念和人類
視覺系統組合在一起,由實驗結果證明如此的確會使產生的彩色影像有較
好的品質及較低的失真。對於較少的顏色數,可以加上簡單的錯誤分散
(Error Diffusion) 方法來處理影像。若能仔細地設計分類的方法,將會
對我們的選色演算法產生神奇的影響,甚至在低於256色的情況下也會有
不錯的品質,而不需要使用錯誤分散的方法。

Most color output devices use the frame buffer architecture.
Even if thesize of the memory storage is very large and the
speed ofthe CPU is very fast, such that the computer can
manipulate true colorimage, some applications, on computer
games and the Internet still needsto use K ( K<=256 ) colors.
Here we propose a fast method of color imagequantization based
on palette-distortion theory. It can generate highquality color
image very fast. To utilize theproperties of the HumanVisual
System (HVS), the distortion is measured in theluminance-
chrominance color space. Besides, we use a grouping method to
acheivethe goal of local minimum such that it will result in
good color imagequantization. Error diffusion is adopt to
improve the quality of fewer levelquantization.

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top