透過影片的亮度平均修正後，拉近了影片中各圖像的亮度值，進而消弭亮度高低差異，因此影片閃爍的現象即可消除，而亮度值皆在調整後針對影片中各個影像進行細部的微調，調整圖像中亮度對比，使圖像中細部的顏色呈現一個協調的色彩。
色彩亮度校正主要是針對影片中的連續圖像，由於拍攝中光源的不穩定而有可能產生一樣的場景但是圖像中的亮度差異卻有所不同，進而在進行影像修補與重建時該圖像的前後張也會一同列入修補的可能情況，因此在貼補的過程中，會有不自然不協調的情況發生，而為求達到正確的修補置入物件，而在此特地針對這個問題進行修正，讓修補置入的影像可以有更佳效果呈現。

After luminance fixed in image and video, luminance in image and video can be similar. Removed luminance difference, then we can see the clearly image with accordant luminance. And we can detail adjust intensity in video or frames, then we can show the modify intensity value in our experiment. After inpaint the intensity in image or video, the image will display the new intensity. We can see the image different and better than original intensity. We maybe also adjust intensity contrast, make sure the detail color and luminance appear same coordinate color. In this issue, we try to use average intensity to solve luminance in video, permeate the frames average intensity we can calculate the middle intensity then we can get the threshold help us to fix the image intensity. And we can use histogram and tensor voting to solve luminance difference in image. We will show the experiment in this research. Then, we will compare these two methods, the result in histogram and tensor voting.

圖目錄	IV
第一章 緒論	1
1.1 研究動機與目的	1
1.2 相關研究	2
1.3 論文組織介紹	3
第二章 基礎理論	5
2.1 色彩空間	5
2.1.1 RGB色彩空間	6
2.1.2 CMYK色彩空間	7
2.1.3 LUV及YUV色彩空間	9
2.1.4 HIS、HSV和HSL色彩空間	11
2.2 相關影像處理技術	12
2.2.1 Low Pass Filter低通濾波	13
2.2.2 Sobel邊緣偵測	14
2.2.3 二值化	15
2.2.4 Erosion侵蝕運算	16
2.2.5 Dilation膨脹運算	17
2.2.6 Opening斷開運算	19
2.2.7 Closing閉合運算	20
2.3	20
2.3.1 直方圖均衡化	20
2.3.2 可調整式直方圖均衡化	22
第三章 研究方法與進行步驟	24
3.1 系統架構流程	24
3.2 影像平均亮度調整	24
3.3 圖像亮度分佈調整	28
3.4 正確置入物件之亮度修改	38
3.4.1 全域性置換	41
3.4.2 區域性置換	47
3.5 直方圖亮度分佈之物件置入調整	49
第四章 系統實作	52
4.1 系統環境與開發平台	52
4.2 系統介面	58
4.3 系統介紹	60
4.3.1 系統程式架構	60
4.3.2 系統元件編輯	64
第五章 結論以及未來展望	73
5.1 結論	73
5.2 未來展望	76
參考文獻	77
附錄─英文論文	79
圖 1 RBG 色彩空間	7
圖 2 CMYK色彩空間	8
圖 3 八鄰居示意圖	13
圖 4 灰階影像	14
圖 5 Low Pass Filter之後	14
圖 6 Sobel邊緣化偵測	15
圖 7 使用低通濾波後之邊緣化偵測	15
圖 8 邊緣化後取臨界值為80	15
圖 9 邊緣化後取臨界值為160	15
圖 10 原物件	16
圖 11 二值化物件	16
圖 12 鄰居示意圖	17
圖 13 物件原圖	17
圖 14 二值化結果	17
圖 15 Erosion結果	17
圖 16 dilation鄰居示意圖	18
圖 17 dilation圖示	18
圖 18 二值化缺陷問題	19
圖 19 opening圖示	19
圖 20 圖像亮度	21
圖 21 亮度排序統計次數	21
圖 22 計算cdf值	22
圖 23 平均亮度流程圖	26
圖 24 平均亮度曲線圖	27
圖 25 八鄰居對應圖	30
圖 26 假想模擬圖像	30
圖 27 模擬圖之序對分佈圖(intensity-pair Distribution)	31
圖 28 真實圖像之序對分佈圖	32
圖 29 對應函式前後曲線	32
圖 30 經修改後的亮度值	33
圖 31 曲線合成圖	34
圖 32 擴張力圖示	35
圖 33 亮度分佈流程圖	37
圖 34 重疊圖示	39
圖 35 紅色邊框內為重疊影像部份	39
圖 36 投票場所的建制圖	42
圖 37 灰色虛線即為該階層中得票最高的特殊張力	44
圖 38 錯誤發生圖示(A)	45
圖 39 錯誤發生圖示(B)	45
圖 40 (甲)部份範圍疊合投票法	47
圖 41 (乙)大範圍疊合投票法	47
圖 42 解析度低的同心圓	48
圖 43 解析度高的同心圓	48
圖 44 暗角層次	48
圖 45 亮度出現次數直方圖	50
圖 46 亮度調整對應曲線圖	51
圖 47 物件插入原圖	51
圖 48 Borland C++ Builder 6.0軟體介面	53
圖 49 元件種類	54
圖 50 元件屬性設定	55
圖 51 元件事件設定	55
圖 52 元件選取	56
圖 53 執行面板	56
圖 54 程式撰寫區	57
圖 55 亮度平均介面	58
圖 56 tensor voting介面	59
圖 57 直方圖亮度調整介面	60
圖 58 亮度平均操作圖	61
圖 59 tensor voting操作圖	62
圖 60 區塊亮度分佈直方圖	63
圖 61 TForm	64
圖 62 TMainMenu	65
圖 63 FileListBox元件	66
圖 64 FileListBox元件範例	66
圖 65 Edit元件	66
圖 66 Edit元件範例	67
圖 67 Image元件	67
圖 68 Image元件範例	68
圖 69 Button元件	69
圖 70 Label元件	70
圖 71 Tchart元件	71
圖 72 Tchart範例	72
圖 73 原圖	74
圖 74 亮度平均	74
圖 75 原圖	75
圖 76 已修補	75

[1]	Tzu-Cheng Jen, Brian Hsieh and Sheng-Jyh Wang. "Image Contrast Enhancement Based on Intensity-Pair Distribution", Image Processing,2005.ICIP 2005.IEEE Conference on 11-14 Sept. 2005,Vol 1, pp. 1-913 -16
[2]	Md. Hasanul Kabir, M. Abdullah-Al-Wadud. " Block based Intensity-Pair Distribution for Image Contrast Enhancement ", Emerging Technologies, 2006. ICET apos;06. International Conference on Volume , Issue , 13-14 Nov. 2006 Page(s):76 - 83
[3]	Jiaya Jia ,Chi-Keung Tang " Eliminating Structure and Intensity Misalignment in Image Stitching" Computer Vision, 2005. ICCV 2005. Tenth IEEE International Conference on Volume: 2, 17-21 Oct. 2005, On page(s): 1651- 1658 Vol. 2 
[4]	M. Shinozaki, K. Umeda, G. Godin, M. Rioux, "Correction of intensity of a color image using a range intensity image ", Pattern Recognition, 2006. ICPR 2006. 18th International Conference on Volume: 3, On page(s): 774-777
[5]	Jiaya Jia, Member, IEEE Computer Society, and Chi-Keung Tang, Member, IEEE Computer Society " Tensor voting for image correction by global and local intensity alignment ", Pattern Analysis and Machine Intelligence, IEEE Transactions on ,Jan. 2005, Volume: 27,  On page(s): 36- 50
[6]	S.K. Nayar, M. Ben-Ezra, " Motion-based motion deblurring ", Pattern Analysis and Machine Intelligence, IEEE Transactions on Volume: 26, June 2004, On page(s): 689- 698
[7]	Y. Matsushita, E. Ofek, Weina Ge, Xiaoou Tang, Heung-Yeung Shum, " Full-frame video stabilization with motion inpainting ", Pattern Analysis and Machine Intelligence, IEEE Transactions on Volume: 28, July 2006. On page(s): 1150- 1163
[8]	Yasuyuki Matsushita, Eyal Ofek, Xiaoou Tang and Heung-Yeung Shum, " Full-frame Video Stabilization ", IEEE International Conference on Computer Vision and Pattern Recognition (CVPR) on Vol. 1, pp. 50-57, June, 2005.
[9]	Lanlan Chang, Yap-Peng Tan, Hock-Chuan Chua. " Detection and Removal of Rainbow effect Artifacts ", Image Processing, 2007. ICIP 2007. IEEE International Conference on Volume: 1, Sept. 16 2007-Oct. 19 2007, On page(s): I - 297-I - 300
[10]	S. Sen-Ching, Cheung Jian Zhao, M.V. Venkatesh, " Efficient Object-Based Video Inpainting ", Image Processing, 2006 IEEE International Conference on 8-11 Oct. 2006, page(s): 705-708
[11]	Shengyang Dai, Ming Yang, Ying Wu, A.K. Katsaggelos, " Tracking Motion-Blurred Targets in Video ", Image Processing, 2006 IEEE International Conference on 8-11 Oct. 2006, On page(s): 2389-2392
[12]	Heung-Yeung Shum, R. Szeliski, " Construction and refinement of panoramic mosaics with global and local alignment ", Computer Vision, 1998. Sixth International Conference on 4-7 Jan 1998, On page(s): 953-956
[13]	P. Bao, D. Xu, " Panoramic image mosaics via complex wavelet pyramid      ", Systems, Man, and Cybernetics, 1998. 1998 IEEE International Conference on Volume: 5, 11-14 Oct 1998, On page(s): 4614-4619 vol.5