中位數過濾器(median filter) 以及次序統計過濾器(orderstatistic filter) ，在
數位語音和影像處理方面已愈來愈受到重視。這些過濾器之所以顯著乃是由於它們容
易執行、可祛除尖峰雜訊而且保存信號的邊際。另一方面，基於集合理論觀念的型態
過濾器，亦可藉著適當的結構元件(structure element) 來追蹤物體型態以達到上述
兩種過濾器的效果。
以往這些過濾器都是直接在具有灰度(gfrayscale)的信號上做處理；但如此的做法，
無論在軟體或硬體方面都耗時耗力。近來，一種新的觀念－分解組合(threshold de-
composition)－提供了很好的方法；使得原先的灰度信號運算得以轉換成二位元(bi-
nary) 信號運算。首先，將具有 M個灰度的信號分解成 M組二位元信號；再分別把這
些二位元信號每組個別過濾；最後將結果相加還原為灰度信號。
在本篇論文中，我們亦是利用分解組合的觀念，於細胞化陣列(cellular array)上對
這些過濾器設計新的計算方法 (algorithm)。細胞化陣列非常適合處理區域運算；而
且由於超大型積體電路(VLSI)技術的進步，使得陣列的大小擴大許多。同時，我們也
發現這些過濾器的另一個特性－特疊(stacking)的特性。藉著此特行，我們可以使用
二位元搜尋法(binary search) 來找尋解答。如此一來，原先 M次的分解組合而今只
需要LogM次了。另外，我們也發展了一個二位元排序的快速方法。
我們所提出的計算方法不但適用於上述三種過濾器，只要任何具有分解組合及堆疊特
性的過濾器皆可應用。
|