學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/124126

Browse

Has files: YesSubject: search.filters.subject.Tone Reproduction

Search Results

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    基於巨觀邊緣感知與對比圖分析的高動態範圍成像
    (2025) 鄭翔元; Cheng, Hsiang-Yuan
    本研究主要探討高動態範圍影像處理中，在極端光照條件下的影像主體重建與色調映射問題。當畫面遭遇強烈背光、低光源或大面積背景干擾時，傳統的影像處理方法經常無法有效地凸顯主體，且在壓縮動態範圍過程中容易造成細節喪失與色彩失真。本研究針對上述問題，提出一套考慮巨集邊緣資訊的影像處理方法，結合全域與區域對比度評估，透過調整適合的色調映射曲線，使暗部細節清晰且避免亮部過曝。此外，研究中亦針對色彩還原問題，於色彩轉換過程中引入色域映射模型的補償機制，有效避免傳統方法常見的色相偏移與飽和失真現象。本論文透過實驗驗證所提出方法的有效性，並經由業界常見的客觀指標評估其在亮度、色彩準確性與視覺對比度上的改善效果，期望能提供未來影像訊號處理系統設計的重要參考。
  • No Thumbnail Available
    Item
    用於反射式電子紙顯示器色彩校正的AI模型：邊緣實現的即時方法
    (2025) 童培軒; Tung, Pei-Hsuan
    本研究旨在解決反射式彩色電子紙的非線性色彩失真與色偏問題。為此本研究提出了一套基於深度學習的色彩校正架構和基於過往方法開發的半色調演算法，以有效提升色彩還原的準確度與空間連續性，克服傳統方法的限制。為驗證本方法在邊緣運算裝置上的可行性與即時性，我們將模型部署於 NVIDIA Jetson Orin NX，並採用訓練後量化策略將模型由全精度轉換為INT8精度。實驗結果顯示，量化後模型在推論速度上提升近五倍，同時僅有輕微的影像品質減損，大幅降低了記憶體與運算資源需求。本研究提供了一套低成本、高效率且無需額外色彩量測的AI調色方案，證實其具備高度的實用性與延展潛力。