CN1505866A - 二维锥形过滤器体系结构 - Google Patents

Abstract

描述了二维锥形过滤器体系结构的实施例。

Description

二维锥形过滤器体系结构

相关申请

此专利申请涉及于2001年1月3日由Tinku Acharya提交的、序列号为09/754,684，名称为“Multiplierless Pyramid Filter(无乘法器的锥形过滤器)”的美国专利申请；于2001年3月26日由Tinku Acharya提交的，序列号为09/817,711，名称为“Two-Dimensional Pyramid Filter Architecture(二维锥形过滤器体系结构)”(代理人文档号为042390.P11275)的美国专利申请；于2001年3月28日由TinkuAcharya提交的，序列号为09/820,108，名称为“Pyramid Filter(锥形过滤器)”(代理人文档号为042390.P11211)的美国专利申请；于2001年3月30日由TinkuAcharya提交的，序列号为09/823,212，名称为“Two Dimensional Pyramid FilterArchitecture(二维锥形过滤器体系结构)”(代理人文档号为042390.P11276)的美国专利申请以及于2001年3月30日由Tinku Acharya提交的、专利申请号为09/823,390，名称为“Two-Dimensional Pyramid Filter Architecture(二维锥形过滤器体系结构)”(代理人文档号为042390.P11277)的专利申请，所有上述申请转让给当前所要求保护的主题的受让人，并且在此引入以供参考。

背景

此公开内容涉及锥形过滤器(pyramid filter)。

在图像处理中，经常希望能够将诸如已扫描的彩色图像等图像分解为两个或更多个分离的图像表示。例如，正如有时在典型的复印机或扫描设备中应用到的那样，为诸如放大、压缩的有效图像处理操作，可以将彩色或灰度级文档图像分解为背景和前景图像。在这一环境中，该操作通常称为分屏操作。该分屏操作有时还应用于消除可能存在于原始扫描图像中的半色调图案。例如，如果没有完全地消除，这些半色调图案可以引起令人眼不悦的假象。该分解或分屏操作的传统方法是适宜地过滤所述彩色图像以便使其模糊。然后，将这些模糊的结果用来帮助确定使图像模糊以及尖锐到什么程度，以便产生分解。通常，该模糊操作可以使用“对称锥形”过滤器来实现。对称锥形有限激励响应(FIR)过滤器是众所周知的。

然而，对于应用如刚才所描述的技术来说，该图像处理技术的一个缺点是：当将多个不同大小的锥形过滤器并行应用以便生成多个模糊图像时，复杂度增加许多倍。对该多个锥形过滤方法的平滑方法是并行使用多个FIR过滤器，如图1所示。这种方法证明用于从单个源图像并行生成不同的模糊图像的快速“对称锥形过滤”体系结构的设计和实现可能是理想的。

在图1中的每个FIR框的插句中所提供的数字表示相应长度的锥形过滤器。例如，(1，2，1)是阶(order)或长度为3的对称锥形有限激励响应(FIR)过滤器的过滤器系数。同样地，(1，2，3，2，1)是阶为5的FIR锥形过滤器的系数，(1，2，3，4，3，2，1)是阶为7的FIR锥形过滤器的系数，(1，2，3，4，5，4，3，2，1)是阶为9的FIR锥形过滤器的系数，(1，2，3，4，5，6，5，4，3，2，1)是阶为11的FIR锥形过滤器的系数等等。

不幸的是，在图1中所示方法具有缺点。例如，可能由于冗余计算导致低效率。同样地，FIR实现方式频繁使用乘法器电路。虽然存在用于减少或避免使用乘法器的实现方式，诸如采用移动以及求和电路，但是这可能会造成时钟增加并由此可能减小电路的吞吐量。因此，存在对改善锥形过滤的实现方式或体系结构的需要。

附图简述

在所包括的说明书部分具体指出并清楚地要求了主题。然而，所要求的关于操作方法和组织这两者的主题以及其目的、特征以及附属，当依照附图阅读时，通过参考随后的详细描述可更好的理解，在所述附图中：

图1是举例说明实现有限激励响应(FIR)的多个锥形过滤体系结构的平滑方法的框图；

图2是一维无乘法器的锥形过滤器的一个实施例；

图3是二维锥形过滤器体系结构的一个实施例；

图4是示出由实现诸如图3的实施例实现的二维锥形过滤器体系结构，而产生的矩阵的例子的表/矩阵；

图5是示出由二维锥形过滤器体系结构操作的二维信号的例子的表/矩阵；

图6是示出逐行和逐列地应用一维锥形过滤器内核的例子的表/矩阵；

图7是k＝11的图6的表/矩阵；

图8是示出将一维锥形过滤器应用于二维输入信号采样矩阵的行的结果的表/矩阵；

图9是示出将一维锥形过滤器应用于二维输入信号采样矩阵的列的结果的表/矩阵。

详细说明

在随后的详细说明中，提出了许多具体的细节，以便提供对所要求主题的彻底理解。然而，本领域技术人员应该理解，所要求的主题可以在没有这些具体细节的情况下实施。在其他情况下，众所周知的方法、过程、组件以及电路未给出详细的描述，以便不使所要求的主题模糊。

如先前所述，锥形过滤，特别是对称锥形过滤可以在彩色图像或彩色图像处理方面使用，以便将所述图像分解或分屏为诸如背景图像和前景图像的图像。尽管所要求的主题不限于该方面的范围，但是在这种环境中，具体描述了用于减少计算的复杂性或处理和/或硬件成本的锥形过滤体系结构。同样地，由于这种实现方式或实施例比使用或包括乘法器电路的那些实现方式可更加廉价，故而通常还希望无乘法器的实现方式，即在所述实现方式中不特别使用乘法。

虽然所要求的主题在范围上并不限于这一方面，但图2举例说明了一维锥形过滤器的实施例200，所述一维锥形过滤器是诸如在前述的于2001年1月3日由T.Acharya提交的序列号为09/754,684，名称为“Multiplierless Pyramid Filter(无乘法器的过滤器)”(代理人文档号为042390.P10722)的美国专利申请中更详细描述的过滤器。实施例200包括统一的无乘法器的级联的对称锥形过滤体系结构，以便为具有不同阶的一系列或一序列锥形过滤器生成多个已过滤的输出信号流，所述输出信号流的生成是并行发生的。此外，在该具体的实施例中，虽然所要求的主题在范围上不限于这一方面，但是为正执行的不同阶的每个锥形过滤器在每个时钟周期上产生已过滤的输出信号流。因此，除了计算效率外，该具体的实施例在吞吐量方面也提供了好的结果。然而，如先前所述，该具体实施例实现一维锥形过滤器。

图2依照特殊符号的上下文关系来理解。例如，可以将输入源信号X指定为以下符号：

X＝(x₀，x₁，...，x_i-2，x_i-1，x_i，x_i+1，x_i+2，....)

在数字或离散信号的处理中，过滤可表示为输入信号X以及过滤器F的卷积，在这一环境下，有限长度的数字过滤器在此称为有限激励响应(FIR)过滤器。因此，已过滤的输出信号流表示如下：

Y＝XF

如先前所述，图2中的具体实施例使用了锥形过滤器。这些过滤器通常使用长度或阶为奇数，诸如3、5、7、9的数字过滤器来加以实现。在这一环境下，奇数数目或阶可以以2N-1的形式来表达，其中N例如是大于2的正整数。这种数字过滤器的一些例子如下所示：

F₃＝(1，2，1)

F₅＝(1，2，3，2，1)

F₇＝(1，2，3，4，3，2，1)

F₉＝(1，2，3，4，5，4，3，2，1)

F₁₁＝(1，2，3，4，5，6，5，4，3，2，1)

F_M＝(1，2，3，...，N，...，3，2，1)(其中，在这一环境下，M＝2N-1)

对于前面的过滤器来说，已过滤的输出信号或输出信号流可表示如下：

B³＝XF₃＝(b₀ ³，b₁ ³，...，b_i-1 ³，b_i ³，b_i+1 ³，....)输入信号X被F₃过滤的结果

B⁵＝XF₅＝(b₀ ⁵，b₁ ⁵，...，b_i-15，b_i ⁵，b_i+1 ⁵，....)输入信号X被F₅过滤的结果

B⁷＝XF₇＝(b₀ ⁷，b₁ ⁷，...，b_i-1 ⁷，b_i ⁷，b_i+1 ⁷，....)输入信号X被F₇过滤的结果

B⁹＝XF₉＝(b₀ ⁹，b₁ ⁹，...，b_i-1 ⁹，b_i ⁹，b_i+1 ⁹，....)输入信号X被F₉过滤的结果

B¹¹＝XF₁₁＝(b₀ ¹¹，b₁ ¹¹，...，b_i-1 ¹¹b_i ¹¹，b_i+1 ¹¹，....)输入信号X被F₁₁过滤的结果

B^M＝XF_M＝(b₀ ^M，b₁ ^M，...，b_i-1 ^M，b_i ^M，b_i+1 ^M，....)输入信号X被F_M过滤的结果

一种经验性地表示这些已过滤的输出信号采样的可供选择的方式如下：

b_i ³＝x_i-1+2x_i+x_i+1

b_i ⁵＝x_i-2+2x_i-1+3_xi+2_xi+1+x_i+2

b_i ⁷＝x_i-3+2x_i-2+3x_i-1+4x_i+3x_i+1+2x_i+2+x_i+3

b_i ⁹＝x_i-4+2x_i-3+3x_i-2+x_i-1+5x_i+x_i+1+3x_i+2+2x_i+3+x_i+4

b_i ¹¹＝x_i-5+2x_i-4+3x_i-3+4x_i-2+5x_i-1+6x_i+5x_i+1+4x_i+2+3x_i+3+2x_i+4+x_i+5

同样地，在这一环境下，通过引入被称为状态变量的内容，上面的表达式可以如下重新表示为：

b_i ³＝x_i+s_i ³，其中x_i ³＝x_i-1+x_i+x_i+1

b_i ⁵＝b_i ³+s_i ⁵，其中s_i ⁵＝x_i-2+x_i-1+x_i+x_i+1+x_i+2

b_i ⁷＝b_i ⁵+s_i ⁷，其中s_i ⁷＝x_i-3+x_i-2+x_i-1+x_i+x_i+1+x_i+2+x_i+3

b_i ⁹＝b_i ⁷+s_i ⁹，其中s_i ⁹＝x_i-4+x_i-3+x_i-2+x_i-1+x_i+x_i+1+x_i+2+x_i+3+x_i+4

b_i ¹¹＝b_i ⁹+s_i ¹¹，其中s_i ¹¹＝x_i-5+x_i-4+x_i-3+x_i-2+x_i-1+x_i+x_i+1+x_i+2+x_i+3+x_i+4+x_i+5

因此，所希望的锥形过滤器可表示如下：

B³＝X+S₃，其中S₃＝(s₀ ³，s₁ ³，s₂ ³，...，s_i-1 ³，s_i ³，s_i+1 ³，...)

B⁵＝B³+S₅，其中S₃＝(s₀ ⁵，s₁ ⁵，s₂ ⁵，...，s_i-1 ⁵，s_i ⁵，s_i+1 ⁵，...)

B⁷＝B⁵+S₇，其中S₇＝(s₀ ⁷，s₁ ⁷，s₂ ⁷，...，s_i-1 ⁷，s_i ⁷，s_i+1 ⁷，...)

B⁹＝B⁷+S₉，其中S₉＝(s₀ ⁹，s₁ ⁹，s₂ ⁹，...，s_i-1 ⁹，s_i ⁹，s_i+1 ⁹，...)

B¹¹＝B⁹+S₁₁，其中S₁₁＝(s₀ ¹¹，s₁ ¹¹，s₂ ¹¹，...，s_i-1 ¹¹，s_i ¹¹，s_i+1 ¹¹，...)

图2的学习举例说明了通过所示的实施例产生的图2中所示锥形过滤器的已计算的输出信号流B³，B⁵，B⁷，B⁹，B¹¹等。

前面讨论的锥形过滤器发生在一维过滤的环境中；然而，至少部分因为这种过滤器的对称性质，故而其能够实现锥形二维过滤，而不以使用额外计算步骤的逐行和逐列的一维方式来计算。如果我们将一维k-抽头锥形过滤器表示为 $F_k=[123\·\·\·\frac{k+1}{2}\·\·\·321],$ 对应的二维锥形过滤器F_k×k可如图6所示导出。在图7中，我们已示出了k＝11的二维锥形过滤器内核。假设二维输入信号、例如信号采样具有如图5中所示的形式，图4是举例说明了可得到矩阵的表，在此为二维已过滤的信号采样输出矩阵P^k×k，其中二维输入信号采样矩阵使用二维锥形过滤器内核F_k×k来进行过滤。

图8中所示矩阵可通过在二维输入信号采样矩阵的每行中应用一维k-抽头锥形过滤器来产生，并且图9中所示矩阵可通过在二维输入信号采样矩阵的每列中应用一维k-抽头锥形过滤器来产生。图4中的矩阵可通过将二维(k×k)抽头的过滤器应用到二维输入信号采样矩阵来产生，或者作为选择，可通过逐行地然后接着逐列地应用一维k-抽头锥形过滤器来产生。应用该方法产生已过滤的信号采样输出P^1×3、P^3×1以及P^3×3，产生以下关系式：

P_i，j ^1×3＝s_i，j-1+2s_i，j+s_i，j+1

P_i，j ^3×1＝s_i-1，j+2s_i，j+s_i+1，j

P_i，j ^3×3＝s_i-1，j-1+2s_i-1，j+s_i-1，j+1+2s_i，j-1+4s_i，j+2s_i，j+1+s_i+1，j-1+2s_i+1，j+s_i+1，j+1

生成已过滤的信号采样输出P^5×1、P^1×5以及P^5×5，产生以下关系式：

P_i，j ^5×1＝s_i-2，j+2s_i-1，j+3s_i，j+2s_i+1，j+s_i+2，j

P_i，j ^1×5＝s_i，j-2+2s_i，j-1+3s_i，j+2s_i，j+1+s_i，j+2

P_i，j ^5×5＝(s_i-2，j-2+2s_i-2，j-1+3s_i-2，j+2s_i-2，j+1+s_i-2，j+2)+(2s_i-1，j-2+4s_i-1，j-1+6s_i-1，j+4s_i-1，j+1+2s_i-1，j+2)+(3s_i，j-2+6s_i，j-1+9s_i，j+6s_i，j+1+3s_i，j+2)+(2s_i+1，j-2+4s_i+1，j-1+6s_i+1，j+4s_i+1，j+1+2s_i-1，j+2)+(S_i+2，j-2+2s_i+2，j-1+3s_i+2j+2s_i+2，j+1+s_i+2，j+2)

同样地，生成已过滤的信号采样输出R^7×1、P^1×7以及R^7×7，产生以下关系式：

R_i，j ^7×1＝s_i-3，j+2S_i-2，j+3s_i-1，j+4S_i，j+3s_i+1，j+2s_i+2，j+S_i+3，j

R_i，j ^1×7＝s_i，j-3+2s_i，j-2+3s_i，j-1+4s_i，j+3s_i，j+1+2s_i，j+2+S_i，j+3

P_i，j ^7×7＝(s_i-3，j-3+2s_i-3，j-2+3s_i-3，j-1+4s_i-3，j+3s_i-3，j+1+2s_i-3，j+2+S_i-3，j+3)+

           (2s_i-2，j-3+4s_i-2，j-2+6s_i-2，j-1+8S_i-2j+6s_i-2，j+1+4s_i-2j，j+2+2S_i-2，j+3)+

           (3s_i-1，j-3+6s_i-1，j-2+9s_i-1，j-1+12s_i-1，j+9s_i-1，j+1+6s_i-1，j+2+3s_i-1，j+3)+

           (4s_ij-3+8s_i，j-2+12s_i，j-1+16s_i，j+12s_i，j+1+8s_i，j+2+4s_i，j+3)+

           (3s_i+1，j-3+6s_i+1，j-2+9s_i+1，j-1+12s_i+1，j+9s_i+1，j+1+6s_i+1，j+2+3s_i+1，j+3)+

           (2s_i+2，j-3+4s_i+2，j-1+6s_i+2，j-1+8s_i+2，j+6s_i+2，j+1+4s_i+2，j+2+2s_i+2，j+3)+

           (s_i+3，j-3+2s_i+3，j-2+3s_i+3，j-1+4s_i+3j+3s_i+3，j+1+2s_i+3，j+2+s_i+3，j+3)

同样地，生成已过滤的信号采样输出P^9×1、P^1×9以及P^9×9，产生以下关系式

$P_{i,j}^{9\×1}=s_{i-4,j}+2s_{i-3,j}+3s_{i-2,j}+4s_{i-1,j}+{5s}_{i,j}+{4s}_{i+1,j}+{3s}_{i+2,j}+{2s}_{i+3,j}+s_{i+4,j}$

$P_{i,j}^{1\×9}=s_{i,j-4}+2s_{i,j-3}+3s_{i,j-2}+4s_{i,j-1}+{5s}_{i,j}+{4s}_{i,j+1}+{3s}_{i,j+2}+{2s}_{i,j+3}+s_{i,j+4}$

$P_{i,j}^{9\×9}=(s_{i-4,j-4}+{2s}_{i-4,j-3}+{3s}_{i-4,j-1}+{{4s}_{i-4,j-1}+5s}_{i-4,j}+{4s}_{i-4,j+1}+{3s}_{i-4,j+2}+{2s}_{i-4,j+3}+s_{i-4,j+4})+$

      (2s_i-3，j-4+4s_i-3，j-3+6s_i-3，j-2+8s_i-3，j-1+10s_i-3，j+8s_i-3，j+1+6s_i-3，j+2+4s_i-3，j+3+2s_i-3，j+4)+

      (3s_i-2，j-4+6s_i-2，j-3+9s_i-2，j-2+12s_i-2，j-1+15s_i-2，j+12s_i-2，j+1+9s_i-2，j+2+6s_i-2，j+3+3s_i-2，j+4)+

      (4s_i-1，j-4+8s_i-1，j-3+12s_i-1，j-2+16s_i-1，j-1+20s_i-1，j+16s_i-1，j+1+12s_i-1，j+2+8s_i-1，j+3+4s_i-1，j+4)+

      (5s_i，j-4+10s_i，j-3+15s_i，j-2+20s_i，j-1+25s_i，j+20s_i，j+1+15s_i，j+2+10s_i，j+3+5s_i，j+4)+

      (4s_i+1，j-4+8s_i+1，j-3+12s_1+1，j-2+16s_i+1，j-1+20s_i+1，j+16s_i+1，j+1+12s_i+1，j+2+8s_i+1，j+3+4s_i+1，j+4)+

      (3s_i+2，j-4+6s_i+2，j-3+9s_i+2，j-2+12s_i+2，j-1+15s_i+2，j+12s_i+2，j+1+9s_i+2，j+2+6s_i+2，j+3+3s_i+2，j+4)+

      (2s_i+3，j-4+4s_i+3，j-3+6s_i+3，j-2+8s_i+3，j-1+10s_i+3，j+8s_i+3，j+1+6s_i+3，j+2+4s_i+3，j+3+2s_i+3，j-4)+

      (s_i+4，j-4+2s_i+4，j-3+3s_i+4，j-2+4s_i+4，j-1+5s_i+4，j+4s_i+4，j+1+3s_i+4，j+2+2s_i+4，j+3+s_i+4，j+4)

此外，生成已过滤的信号采样输出P^11×1，P^1×11以及P^11×11，产生如下关系式：

$P_{i,j}^{11\×1}=s_{i-5,j}+{2s}_{i-4,j}+{3s}_{i-3,j}+{4s}_{i-2,j}+{5s}_{i+1,j}+{6s}_{i,j}+{4s}_{i+2,j}+{3s}_{i+3,j}{+2s}_{i+4,j}+s_{i+5,j}$

$P_{i,j}^{1\×11}=s_{i,j-5}+{2s}_{i,j-4}+{3s}_{i,j-3}+{4s}_{i,j-2}+{5s}_{i,j-1}+{6s}_{i,j}+{5s}_{i,j+1}+{4s}_{i,j+2}+{3s}_{i,j+3}+{2s}_{i,j+4}+s_{i,j+5}$

$P_{i,j}^{11\×11}=(s_{i-5,j-5}+{2s}_{i-5,j-4}+{3s}_{i-5,j-3}+{4s}_{i-5,j-2}+{5s}_{i-5,j-1}+{6s}_{i-5,j}+$

           5s_i-5，j+1+4s_i-5，j+2+3s_i-5，j+3+2s_i-5，j+4+s_i-5，j+5)+

(2s_i-4，j-5+4s_i-4，j-4+6s_i-4，j-3+8s_i-4，j-2+10s_i-4，j-1+12s_i-4，j+

           10s_i-4，j+1+8s_i-4，j+2+6s_i-4，j+3+4s_i-4，j+4+2s_i-4，j+5)+

(3s_i-3，j-5+6s_i-3，j-4+9s_i-3，j-3+12s_i-3，j-2+15s_i-3，j-1+18s_i-3，j+

           15s_i-3，j+1+12s_i-3，j+2+9s_i-3，j+3+6s_i-3，j+4+s_i-3，j+5)+

(4s_i-2，j-5+8s_i-2，j-4+12s_i-2，j-3+16s_i-2，j-2+20s_i-2，j-1+24s_i-2，j+

           20s_i-2，j+1+16s_i-2，j+2+12s_i-2，j+3+8s_i-2，j+4+4s_i-2，j+5)+

(5s_i-1，j-5+10s_i-1，j-4+15s_i-1，j-3+20s_i-1，j-2+25s_i-1，j-1+30s_i-1，j+

           25s_i-1，j+1+20s_i-1，j+2+15s_i-1，j+3+10s_i-1，j+4+5s_i-1，j+5)+

(6s_i，j-5+12s_i，j-4+18s_i，j-3+24s_i，j-2+30s_i，j-1+36s_i，j+30s_i，j+i+

           24s_i，j+2+18s_i，j+3+12s_i，j+4+6s_i，j+5)+

(5s_i+1，j-5+10s_i+1，j-4+15s_i+1，j-3+20s_i+1，j-2+25s_i+1，j-1+30s_i+1，j+

           25s_i+1，j+1+20s_i+1，j+2+15s_i+1，j+3+10s_i+1，j+4+5s_i+1，j+5)+

(4s_i+2，j-5+8s_i+2，j-4+12s_i+2，j-3+16s_i+2，j-2+20s_i+2，j-1+24s_i+2，j+

           20s_i+2，j+1+16s_i+2，j+2+12s_i+2，j+3+8s_i+2，j+4+4s_i+2，j+5)+

(3s_i+3，j-5+6s_i+3，j-4+9s_i+3，j-3+12s_i+3，j-2+15s_i+3，j-1+18s_i+3，j+

           15s_i+3，j+1+12s_i+3，j+2+9s_i+3，j+3+6s_i+3，j+4+3s_i+3，j+5)+

(2_i+4，j-5+4s_i+4，j-4+6s_i+4，j-3+8s_i+4，j-2+10s_i+4，j-1+12s_i+4，j+

           10s_i+4，j+1+8s_1+4，j+2+6s_i+4，j+3+4s_i+4，j+4+2s_1+4，j+5)+

(s_i+5，j-5+2s_i+5，j-4+3s_i+5，j-3+4s_i+5，j-2+5s_i+5，j-1+6s_i+5，j+

           5s_i+5，j+1+4s_i+5，j+2+3s_i+5，j+3+2s_i+5，j+4+s_i+5，j+5)

可以使用数学操纵以产生以下各项：

$P_{i,j}^{11\×11}=(P_{i-1,j-1}^{9\×9}+P_{i-1,j+1}^{9\×9}+P_{i+1,j-1}^{9\×9}+P_{i+1,j+1}^{9\×9})$

$-(P_{i,j-3}^{11\×1}+2P_{i,j-2}^{11\×1}+{3P}_{i,j-1}^{11\×1}+{2P}_{i,j}^{11\×1}+{3P}_{i,j+1}^{11\×1}+{2P}_{i,j+2}^{11\×1}+P_{i,j+3}^{11\×1})---\left[1\right]$

$-(P_{i-3,j}^{1\×11}+2P_{i-2,j}^{1\×11}+{3P}_{i-1,j}^{1\×11}+{2P}_{i,j}^{1\×11}+{3P}_{i+1,j}^{1\×11}+{2P}_{i+2,j}^{1\×11}+P_{i+3,j}^{1\×11})$

$-P_{i,j}^{7\×7}+2(P_{i,j}^{7\×1}+P_{i,j}^{1\×7})-{4s}_{i,j}$

上面的等式(1)举例说明了2N-1阶的、在N是6的情况下的直接二维锥形过滤器的体系结构，可利用4个[2(N-1)-1]阶、即9的二维锥形过滤器，或者利用使用了4个信号采样矩阵P_i-1，j-1 ^9×9，P_i-1，j+1 ^9×9，P_i+1，j-1 ^9×9，P_i+1，j+1 ^9×9的1个[2(N-1)-1]阶的二维锥形过滤器和14个2N-1阶、在此为11的一维锥形过滤器来潜在地实现，在该例子中，所述过滤器是逐行和逐列的。在该例子中，其也使用1个[2(N-2)-1]阶、在此为7的二维锥形过滤器来产生P_i,j ^7×7，以及2个[2(N-2)-1]阶、在此为7的一维锥形过滤器来产生两个信号采样矩阵P_i，j ^7×1，P_i，j ^1×7。图3是举例说明这种实施例的示意图，不过，当然，所要求的主题在范围上不限于这一特定实现方式或实施例。例如，与由4个2(N-1)-1阶、在此为9阶且N为6的二维锥形过滤器所产生的那些相对应的输出信号采样，以及与由2(N-2)-1阶、在此为7阶的二维锥形过滤器所产生的那些相对应的输出信号采样，可不必由二维锥形过滤器来产生。正好作为一个例子，这些输出信号可使用一维锥形过滤器产生。在图21中示出了这样的一种过滤器，不过还可以使用其他方法来为图3中所示的体系结构产生输出信号。

图3举例说明了集成电路(IC)300，不过，当然，可供选择的实施例可不必在单个的集成电路芯片上实现。IC 300包括2N-1阶的二维锥形过滤器体系结构，其中N是大于5的正整数、在此为6，在操作过程中，在相应的时钟周期上能够产生至少下列各项。锥形过滤的输出信号被产生，对应于由图3中的14个2N-1阶的、在这一例子中还是11，其中N是6的一维锥形过滤器330、332、334、340、342、344、350、352、354、360、362、364、366以及368产生的输出信号。锥形过滤的输出信号还被产生，对应于由4个二维锥形过滤器或1个[2(N-1)-1]阶或在此为9其中N为6的二维锥形使用信号采样矩阵P_i-1，j-1 ^9×9，P_i-1，j+1 ^9×9，P_i+1，j-1 ^9×9，P_i+1，j+1 ^9×9所产生的输出信号。这些输出信号由图3中的加法器310来求和。锥形过滤的输出信号还被产生，对应于由1个[2(N-2)-1]阶或在此为7，其中N为6的二维锥形过滤器使用信号采样矩阵P_i，j ^7×7所产生的输出信号，以及对应于由2个2(N-2)-1阶的一维锥形过滤器使用信号采样矩阵P_i，j ^7×1、P_i，j ^1×7所产生的输出信号。这三个输出信号P_i，j ^7×7，P_i，j ^7×1，P_i，j ^1×7以及输入信号S_i，j由图3中的加法器390来求和。同样地，在这一二维锥形过滤器体系结构实现方式中各自的输出信号，例如在图3的实现方式中，330、332、334、340、342、344、350、352、354、360、362、364、366以及368的输出信号，在二维锥形过滤器体系结构的相应的时钟周期上由图3中的加法器370以及375进行求和。加法器380将310、370、375以及390的输出信号相加。当然，图3仅仅是实现方式的一个可能的例子，而所要求的主题在范围上并不限于此或者另一个特定实现方式。

例如，N不限于6。同样地，与二维锥形过滤器所产生的输出信号相对应的锥形过滤的输出信号，不限于由一维锥形过滤器或二维锥形过滤器来实现。同样地，如先前所述，如果使用一维过滤器，那么所述过滤器不限于前述的于2001年1月3日由Tinku Acharya提交的、名称为“Multiplierless Pyramid Filter”，序列号为09/754,684的美国专利申请，或于2001年3月28日由Tinku Acharya提交的、名称为“Pyramid Filter”(代理人文档号为042390.P11211)，序列号美国专利申请中所描述的实现方法。例如，可以使用不同于无乘法器的锥形过滤器的一维锥形过滤器。同样的，根据实现方式，可以使用不同数量的这种锥形过滤器以及不同阶的这种锥形过滤器。例如，输出信号可以采用一种方式被组合或处理，以产生对应于不同数目、维数或阶的锥形过滤器的锥形过滤的输信号。

当然，应该理解的是，虽然刚刚已经描述了特定的实施例，但是所要求的主题在范围上不限于特定实施例或实现方式。例如，一个实施例可以采用硬件，而另一个实施例可以采用软件。同样地，实施例可以采用固件，或者例如采用硬件、软件或固件的任意组合。同样地，虽然所要求的主题在范围上不限于这一方面，但是一个实施例可包括诸如存储介质之类的物品。这种存储介质，例如像CD-ROM或盘，可以在其上存储指令，当诸如计算机系统或平台、或者成像系统之类的系统执行所述指令时，可导致依照所要求的主题的方法的实施例被执行，如先前所述，所述方法的实施例例如是诸如过滤或处理图像或视频的方法的实施例。例如，图像处理平台或图像处理系统可包括图像处理单元、视频或图像输入/输出设备和/或存储器。

虽然已经在此举例说明以及描述了所要求的主题的特定特征，但是本领域技术人员将能够想到许多修改、代替、变化以及等价。因此，应该理解的是，所述权利要求书意在涵盖所有这种落在所要求的主题的真实精神内的修改以及变化。

Claims (23)

1.一种集成电路，包括：

2N-1阶的二维锥形过滤器体系结构，其中N是大于5的正整数；

所述2N-1阶的二维锥形过滤器体系结构，在操作中能够在相应的时钟周期上产生至少以下各项：

与由14个2N-1阶的一维锥形过滤器所产生的输出信号相对应的锥形过滤的输出信号；以及

与由4个二维锥形过滤器或者1个[2(N-1)-1]阶的二维锥形过滤器使用[2(N-1)-1]阶的信号采样矩阵所产生的输出信号相对应的锥形过滤的输出信号；

其中在所述二维锥形过滤器体系结构中的各个输出信号在所述二维锥形过滤器体系结构的相应时钟周期上被求和。

2.如权利要求1所述的集成电路，其特征在于：N为6；并且

其中所述11阶的二维锥形过滤器体系结构，在操作中能够在相应的时钟周期上产生与由4个二维锥形过滤器或者1个9阶的二维锥形过滤器使用4个信号采样矩阵P_i-1，j-1 ^9×9、P_i-1，j+1 ^9×9、P_i+1，j-1 ^9×9、P_i+1，j+1 ^9×9所产生的输出信号相对应的锥形过滤的输出信号，锥形过滤的输出信号由多个一维锥形过滤器产生。

3.如权利要求2所述的集成电路，其特征在于：所述一维锥形过滤器包括一序列可扩展的级联的无乘法器的操作单元，每个所述的操作单元能够产生不同阶的锥形过滤的输出信号采样流。

4.如权利要求2所述的集成电路，其特征在于：所述一维锥形过滤器包括不同于一维无乘法器的锥形过滤器的过滤器。

5.如权利要求2所述的集成电路，其特征在于：所述11阶的二维锥形过滤器，在操作中能够在相应的时钟周期上产生与由4个二维锥形过滤器或1个7阶的二维锥形过滤器使用4个信号采样矩阵P_i-1，j-1 ^9×9、P_i-1，j+1 ^9×9、P_i+1，j-1 ^9×9、P_i+1，j+1 ^9×9所产生的输出信号相对应的锥形过滤的输出信号，由多个一维锥形过滤器产生的锥形过滤的输出信号由8个9阶的一维锥形过滤器产生。

6.如权利要求5所述的集成电路，其特征在于：8个9阶的一维锥形过滤器中的4个被逐行地应用，而另外4个被逐列地应用。

7.如权利要求5所述的集成电路，其特征在于：所述11阶的二维锥形过滤器体系结构，在操作中能够在相应的时钟周期上产生与由4个9阶的二维锥形过滤器所产生的输出信号相对应的锥形过滤的输出信号，由多个一维锥形过滤器产生的锥形过滤的输出信号由8个9阶的一维无乘法器的锥形过滤器产生。

8.如权利要求7所述的集成电路，其特征在于：8个9阶的一维锥形过滤器中的4个被逐行地应用，而另外4个被逐列地应用。

9.如权利要求2所述的集成电路，其特征在于：所述11阶的二维锥形过滤器体系结构，在操作中能够在相应的时钟周期上产生与由4个9阶的二维锥形过滤器所产生的输出信号相对应的锥形过滤的输出信号，由多个一维锥形过滤器产生的锥形过滤的输出信号由不同于一维无乘法器的锥形过滤器的过滤器产生

10.如权利要求1所述的集成电路，其特征在于：N为6；

所述11阶的二维锥形过滤器体系结构，在操作中能够在相关的时钟周期上产生至少下项：

由4个9阶二维锥形过滤器产生的输出信号。

11.如权利要求1所述的集成电路，其特征在于：所述11阶的二维锥形过滤器体系结构，在操作中能够在相应的时钟周期上产生与由4个9阶的二维锥形过滤器所产生的输出信号相对应的锥形过滤的输出信号，锥形过滤的输出信号由不同于4个二维锥形过滤器的一个或多个二维锥形过滤器产生。

12.一种使用2N-1阶的二维锥形过滤器体系结构过滤图像的方法，其中N是大于5的正整数，所述方法包括：

在所述二维锥形过滤器体系结构的相应时钟周期上，对以下各项求和：

与由14个2N-1阶的一维锥形过滤器所产生的输出信号相对应的锥形过滤的输出信号；以及

与由4个二维锥形过滤器或者1个[2(N-1)-1]阶的二维锥形过滤器使用[2(N-1)-1]阶的信号采样矩阵所产生的输出信号相对应的锥形过滤的输出信号

13.如权利要求12所述的方法，其特征在于：N是6；

与由4个二维锥形过滤器或者1个[2(N-1)-1]阶的二维锥形过滤器使用[2(N-1)-1]阶的信号采样矩阵所产生的输出信号相对应的锥形过滤的输出信号，包括由4个9阶二维锥形过滤器所产生的输出信号。

14.如权利要求12所述的方法，其特征在于：N是6；以及

其中与由4个二维锥形过滤器或者1个9阶的二维锥形过滤器使用4个信号采样矩阵P_i-1，j-1 ^9×9、P_i-1，j+1 ^9×9、P_i+1，j-1 ^9×9、P_i+1，j+1 ^9×9所产生的输出信号相对应的锥形过滤的输出信号，包括由多个一维锥形过滤器所产生的锥形过滤的输出信号。

15.如权利要求14所述的方法，其特征在于：所述一维锥形过滤器包括一序列可扩展的级联的无乘法器的操作单元，每个所述的操作单元能够产生不同阶的锥形过滤的输出信号采样流。

16.一种包括存储介质的物品，所述存储介质具有存储在其上的指令，当执行所述指令时引起使用2N-1阶的二维锥形过滤器体系结构通过如下方式过滤图像，其中N是大于5的正整数，所述方式是：

在所述二维锥形过滤器体系结构的相应时钟周期上，对以下各项求和：

与由14个2N-1阶的一维锥形过滤器所产生的输出信号相对应的锥形过滤的输出信号；以及

与由4个二维锥形过滤器或者1个[2(N-1)-1]阶的二维锥形过滤器使用[2(N-1)-1]阶的信号采样矩阵所产生的输出信号相对应的锥形过滤的输出信号

17.如权利要求16所述的物品，其特征在于：N是6；

与由4个二维锥形过滤器或者1个[2(N-1)-1]阶的二维锥形过滤器使用[2(N-1)-1]阶的信号采样矩阵所产生的输出信号相对应的锥形过滤的输出信号，包括由4个9阶二维锥形过滤器所产生的输出信号。

18.如权利要求16所述的物品，其特征在于：N是6；以及

其中与由4个二维锥形过滤器或者1个9阶的二维锥形过滤器使用4个信号采样矩阵P_i-1，j-1 ^9×9、P_i-1，j+1 ^9×9、P_i+1，j-1 ^9×9、P_i+1，j+1 ^9×9所产生的输出信号相对应的锥形过滤的输出信号，包括由多个一维锥形过滤器所产生的锥形过滤的输出信号。

19.如权利要求18所述的物品，其特征在于：所述一维锥形过滤器包括一序列可扩展的、级联的、无乘法器的操作单元，每个所述的操作单元能够产生不同阶的锥形过滤的输出信号采样流。

20.一种图像处理系统，包括：

图像处理单元，用于过滤已扫描的彩色图像；

所述图像处理单元包括至少一个二维锥形过滤器体系结构；

所述至少一个二维锥形过滤器体系结构包括：

2N-1阶的二维锥形过滤器体系结构，其中N是大于5的正整数；

所述2N-1阶的二维锥形过滤器体系结构，在操作中能够在相应的时钟周期上产生至少以下各项：

与由14个2N-1阶的一维锥形过滤器所产生的输出信号相对应的锥形过滤的输出信号；以及

与由4个二维锥形过滤器或者1个[2(N-1)-1]阶的二维锥形过滤器使用[2(N-1)-1]阶的信号采样矩阵所产生的输出信号相对应的锥形过滤的输出信号；

其中在所述二维锥形过滤器体系结构中的各个输出信号在所述二维锥形过滤器的相应时钟周期上被求和。

21.如权利要求20所述的系统，其特征在于：N是6；

与由4个二维锥形过滤器或者1个[2(N-1)-1]阶的二维锥形过滤器使用[2(N-1)-1]阶的信号采样矩阵所产生的输出信号相对应的锥形过滤的输出信号，包括由4个9阶二维锥形过滤器所产生的输出信号。

22.如权利要求20所述的系统，其特征在于：N是6；以及

其中与由4个二维锥形过滤器或者1个9阶的二维锥形过滤器使用4个信号采样矩阵P_i-1，j-1 ^9×9、P_i-1，j+1 ^9×9、P_i+1，j-1 ^9×9、P_i+1，j+1 ^9×9所产生的输出信号相对应的锥形过滤的输出信号，包括由多个一维锥形过滤器所产生的锥形过滤的输出信号。

23.如权利要求22所述的方法，其特征在于：所述一维锥形过滤器包括一序列可扩展的级联的无乘法器的操作单元，每个所述的操作单元能够产生不同阶的锥形过滤的输出信号采样流。

Images