近年來電腦科技的進步，影像處理的技術愈來愈發達，尤其在針對舊照片或是污損的影像或影片，進行修補或是修復的研究，引起相當多學者的興趣與討論。
    目前對圖片修補的研究裡，使用電腦科技進行自動修補時，必須要先知道要修補的區域，並且由操作者進行區域的選定或標示，然後執行修補的程序。這樣的前置作業，往往在待修補區域呈現不規則狀或是污損的區域散落整張圖片時，造成使用者的困擾或有選取困難的問題。
    我們的目的是研究一個有效的方法，利用相片中瑕疵區域的特性，將輸入的破壞圖片由RGB轉換成HIS彩色空間，分析在亮度變化時，圖片像素的變化，根據變化量，得到一個最接近能呈現破壞區域的亮度值，再依不同的破壞種類的特性，得到更準確的偵測結果。協助使用者在進行影像修補程序前，可以找到正確的修補區域，以自動化或半自動化的方式，進行相片修補的程序。

Image inpainting techniques use textural or structural information to repair or fill damaged potions of a picture. However, most techniques request a human to identify the portion to be inpainted. We developed a new mechanism which can automatically detect defect portions in a photo, including damages by color ink spray and scratch drawing. Different damage has different features. The mechanism is based on several filters and structural information of damages according to different damage. The system can make users more convenient to identify the portions before inpainting

目錄
第一章  緒論
 1.1   研究動機	     1
   1.2   相關研究	     3
   1.3   研究目的	     6
   1.4   論文架構	     10
第二章  理論基礎
   2.1   彩色模組	     11
   2.2   相關影像處理技術	     18
第三章  研究方法
   3.1墨水破壞研究方法	     25
      3.1.1  瑕疵偵測	     25
      3.1.2  亮度比對過濾	     28
      3.1.3  物件過濾	     34
      3.1.4  相關研究測試	     41
   3.2刮痕破壞研究方法	     43
      3.2.1  瑕疵偵測	     43
      3.3.2  亮度比對過濾	     45
      3.2.3  相鄰像素亮度差異值	     47
第四章 實驗結果與分析
   4.1  亮面與布面彩色照片分析	     49
   4.2  墨水毀損破壞之分析	     50
   4.3  刮痕毀損破壞之分析	     55
第五章 系統實作與技術
   5.1  系統架構	     57
   5.2  實作技術	     61
第六章  結論與未來研究方向
   6.1   結論與貢獻	     81
   6.2   未來研究方向	     82
參考文獻	     83
英文論文

圖目錄	     
第一章
圖1. 破損的相片	     2 
圖2. 老舊受損的照片	     6 
圖3. 污損的相片	     7
  圖4. 毀損的相片	     7
  圖5. 污損照片偵測範例	     8
  圖6. 刮損照片偵測範例	     8
第二章
圖7.  RGB色彩模組空間	     12
圖8.  HSI Color Space色彩分佈示意圖	     16
圖9. 墨水破壞範例	     18
圖10. 刮痕破壞相片範例	     19
圖11. Median filter操作之範例	     21
圖12. Structuring element	     21
圖13. Erosion操作之範例	     22
圖14. Dilation操作之範例	     22
圖15. Closing操作之範例	     23
圖16. Opening操作之範例	     24
第三章
圖17. 墨水破壞照片偵測流程圖	     25
圖18. 瑕疵照片範例	     26
  圖19. 被墨水污損的照片範例	     27
  圖20. HSI Color Space色彩分佈示意圖	     29
圖21. 經過HSI色彩系統轉換後的結果	     29
圖22. 圖片對比值(I)變化所計算的像素值	     30
  圖23. 利用對比值的關係所偵測出的相片瑕疵區域    31
  圖24. 亮度對比過濾演算法	     32
圖25. 亮度比對流程圖	     33
  圖26. 物件與邊緣偵測的演算法	     35
圖27. 物件追蹤流程圖	     37
圖28. 瑕疵區域偵測對應之範例	     38
圖29. 相片瑕疵偵測工具之雛型	     39
圖30. 物件過濾演算法	     39
圖31. 墨水破壞照片偵測流程圖	     40
圖32. 藍色墨水破壞範例	     41
圖33. 兩種墨水顏色破壞範例	     42
圖34. 墨水和藍筆破壞範例	     42
圖35. 刮痕破壞範例照片(出處為同一相片圖37)	    43
圖36. 刮痕原圖(圖片大小1155＊739)	     44
圖37. 刮痕相片亮度變化像素統計圖	     46
圖38. 刮痕偵測流程圖	     48
第四章
圖39. 黑色墨水破壞偵測範例1	     50
圖40. 黑色墨水破壞偵測範例2	     51
圖41. 藍色墨水破壞偵測範例1	     51
圖42. 藍色墨水破壞偵測範例2	     51
圖43. 藍色和黑色墨水破壞偵測範例1	     52
圖44. 藍色和黑色墨水破壞偵測範例2	     52
圖45. 墨水和塗鴉破壞偵測範例1	     53
圖46. 墨水和塗鴉破壞偵測範例2	     53
圖47. 墨水和塗鴉破壞偵測範例3	     53
圖48. 刮痕破壞偵測範例1	     55
圖49. 刮痕破壞偵測範例2	     56
圖50. 刮痕破壞偵測範例3	     56
第五章
圖51. 編輯程式介面1	     58
圖52. 編輯程式介面2	     59
圖53. 編輯程式介面3	     60
圖54. 編輯程式介面4	     61
圖55. 系統自動偵測流程圖	     62
圖56. 輸入破壞的圖片做偵測示範圖	     63
圖57. 偵測完成圖	     64
圖58. Details頁面呈現結果	     66
圖59. 曲線範例圖	     66
圖60. 亮度變化與圖片範例圖	     67
圖61. Results實驗範例1	     67
圖62. Details實驗範例1	     68
圖63. 實驗範例1曲線圖	     68
圖64. Results實驗範例2	     69
圖65. Details實驗範例2	     69
圖66. 實驗範例2曲線圖	     70
圖67. Results實驗範例3	     70
圖68. 實驗範例3曲線圖	     71
圖69. Results實驗範例4	     71
圖70. 實驗範例4曲線圖	     72
圖71. Results實驗範例5	     72
圖72. 實驗範例4曲線圖5	     73

表目錄 
第四章
Table1. 墨水破壞圖片分析表	     52
Table2. 墨水和塗鴉破壞偵測分析表	     54

[1] M. Bertalmio, G. Sapiro, V. Caselles and C. Ballester, “Image Inpainting,” in Proceedings of the ACM SIGGRAPH Conference on Computer Graphics, 2000, SIGGRAPH 2000, 2000, pp.417-424.
[2] M. Bertalmio, A. Bertozzi, G. Sapiro, “Navier-Stokes, Fluid-Dynamics and Image and Video Inpainting,” in Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2001, pp. I355-I362.
[3] T. F. Chan and J. Shen, “Nontexture Inpainting by Curvature-Driven Diffusions,” Journal of Visual Communication and Image Representation, V. 12, N. 4, 2001, pp. 436-449.
[4] Manuel M. Oliveira, Brian Bowen, Richard McKenna, Yu-Sung Chang, “Fast Digital Image Inpainting,” in Proceedings of the International Conference on Visualization, Imaging and Image Processing (VIIP 2001), 2001, pp. 261-266.
[5] Sung Ha Kang, T.F. Chan, Soatto, S., “Inpainting From Multiple Views,” First International Symposium on 3D Data Processing Visualization and Transmission, 2002.
[6] S. Masnou , J.M. Morel.,  “Level-Lines Based Disocclusion,”  The 5th IEEE Int’l Conf. on Image Processing,  Chicago, IL. Oct 4-7, 1998.
[7] Barcelos. C.A.Z., Boaventura. M., Silva. E.C. Jr., “A well-balanced flow equation for noise removal and edge detection,”, IEEE Transactions on Image Processing Vol. 12,  Issue 7,  July 2003 pp.751 – 763
[8] K. Y. Song, J. Kittler and M. Petrou, “Defect detection in random colour textures,” Image and Vision Computing, Vol. 14, Issue 9, October 1996, pp. 667-683. 
[9] Gouchol Pok,  Jyh-Charn Liu, Nair, A.S., ” Selective removal of impulse noise based on homogeneity level information”, IEEE Transactions of Image Processing on Vol.12, Issue 1, Jan. 2003 pp.85 - 92

[10] Xiaowei Han, Junsheng Li,Yanping Li, Xinhe Xu, ” A selective and adaptive image filtering approach based on impulse noise detection,”
Intelligent Control and Automation, 2004. WCICA 2004. Fifth World Congress on Vol. 5, 15-19 June 2004 , pp.4156 - 4159 Vol.5

[11] Mei Yu, Gangyi Jiang, Bokang Yu, “ Noise detection based impulse noise removal for color image,” Circuits and Systems, 2000. IEEE APCCAS 2000. The 2000 IEEE Asia-Pacific Conference on
4-6 Dec. 2000 , pp.453 - 456
[12] Shih, T. K., Liang-Chen Lu, Ying-Hong Wang, Rong-Chi Chang,         “Multi-resolution image inpainting,” Proceedings on 2003    International Conference Multimedia and Expo, 2003. ICME '03., Vol. 1 ,6-9 July 2003 ,pp. 485 - 488
[13] Chi Zhang; Wang, P., ” A new method of color image segmentation based on intensity and hue clustering,” Pattern Recognition, 2000. Proceedings. 15th International Conference on Vol. 3, 3-7 Sept. 2000 , pp.613 - 616 
[14]高泉合” Image Retrival Engine Based on Color Histogram,” 淡江大  學資訊工程學系碩士班碩士論文.pp.2-1-2-5