CN106462989A - 保持显著性的独特的低足迹照片老化效果 - Google Patents

保持显著性的独特的低足迹照片老化效果 Download PDF

Info

Publication number
CN106462989A
CN106462989A CN201580034192.0A CN201580034192A CN106462989A CN 106462989 A CN106462989 A CN 106462989A CN 201580034192 A CN201580034192 A CN 201580034192A CN 106462989 A CN106462989 A CN 106462989A
Authority
CN
China
Prior art keywords
effect
computing device
film
layer
effect layer
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201580034192.0A
Other languages
English (en)
Other versions
CN106462989B (zh
Inventor
C.内格里拉
J.G.德安吉洛
A.赖特
D.李
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Microsoft Technology Licensing LLC
Original Assignee
Microsoft Technology Licensing LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Microsoft Technology Licensing LLC filed Critical Microsoft Technology Licensing LLC
Publication of CN106462989A publication Critical patent/CN106462989A/zh
Application granted granted Critical
Publication of CN106462989B publication Critical patent/CN106462989B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
    • G11B27/02—Editing, e.g. varying the order of information signals recorded on, or reproduced from, record carriers
    • G11B27/031—Electronic editing of digitised analogue information signals, e.g. audio or video signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • H04N5/2621—Cameras specially adapted for the electronic generation of special effects during image pickup, e.g. digital cameras, camcorders, video cameras having integrated special effects capability
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20204—Removing film grain; Adding simulated film grain
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20216—Image averaging

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)

Abstract

技术用于修改数字图像以展现古董图像的外观。这样的修改典型地是基于生成和渲染与输入图像混合的各种效果，诸如颜色变换、模拟胶片颗粒、灰尘、纤维、撕裂和复古边界。这样的效果可以向叠覆在经颜色变换的图像上的各种层渲染，从而导致看起来是古董图像。

Description

保持显著性的独特的低足迹照片老化效果
背景技术
古董照片通常包括指示早期摄影的各种视觉效果。这样的视觉效果可以包括胶片颗粒、灰尘、纤维、刮划和撕裂在照片中的出现。古董照片还可以具有带毛边边缘的边界。所有这些特性贡献于古董照片的外观。数字图像一般没有这样的视觉效果的倾向。但是，这样可能在一些情况下是合期望的。
发明内容
在该章节中提供的发明内容总结了本发明的一个或多个部分或完整的示例，以便向读者提供基本高级理解。该发明内容不是本发明的广泛描述并且其可以不标识本发明的关键元件或方面，或者对本发明的范围进行描述。其单纯目的是以简化形式呈现本发明的各种方面，以作为以下提供的详细描述的前序。
本发明涵盖用于修改数字图像以展现古董图像的外观的技术。这样的修改典型地基于生成并且渲染与输入图像混合的各种效果，诸如颜色变换、模拟胶片颗粒、灰尘、纤维、撕裂和复古边界。这样的效果可以向叠覆在经颜色变换的图像上的各种层渲染，从而导致看起来是古董图像。
许多伴随特征将更加容易地领会，如通过参照以下结合附图提供的详细描述而变得更好地理解一样。
附图说明
当结合附图考虑时，将更好地理解在下文提供的详细描述，其中：
图1是其中可以实现本文描述的发明的示例计算环境的框图。
图2是示出了配置用于从数字图像生成经修改的图像的示例***的框图，其中经修改的图像可以是所模拟的古董图像。
图3是示出了配置用于生成各种视觉胶片效果的示例胶片效果模块的框图，各种视觉胶片效果在复古照片中可能是常见的，诸如胶片颗粒、灰尘、纤维和刮划。
图4是示出了配置用于生成各种视觉胶片效果的示例边界效果模块的框图，各种胶片效果在复古照片中可能是常见的，诸如撕裂和边界效果。
图5是示出了用于修改数字图像以展现古董图像的外观的示例方法的框图。
图6是示出了示例边界累积的图示。
图7是示出了图6的部分的分解图的图示，其进一步图示了所模拟的毛边边缘的部分。
图8是示出了图片的纸张中的所模拟的撕裂的图示。
图9是示出了图8的部分的分解图的图示，其进一步图示了所模拟的撕裂的细节。
不同图中的相同编号的标记用于指定附图中的类似或相同的元件或步骤。
具体实施方式
结合附图，在该章节中提供的详细描述是对本发明的一个或多个部分或完整示例实施例的描述，但是不意图描述本发明的所有可能实施例。该详细描述阐述了本发明的至少一些技术、***和/或方法的各种示例。然而，相同或等同的技术、***和/或方法也可以根据示例而实现。
尽管本文提供的示例被描述和实现为在计算环境中可实现，但是所描述的环境仅提供为示例并且不作为限制。如本领域技术人员将领会到，所公开的示例适于在各种各样不同的计算环境中实现。
图1是示出了其中可以实现本文描述的发明的示例计算环境100的框图。适合的计算环境可以利用众多通用或专用***而实现。公知的***的示例包括但不限于手机、个人数字助手（“PDA”）、个人计算机（“PC”）、手持式或膝上型设备、基于微处理器的***、微处理器***、片上***（“SOC”）、服务器、互联网服务、工作站、消费者电子设备、手机、机顶盒等。在所有情况下，这样的***严格限于制造品等。
计算环境100典型地包括以计算设备101的形式的通用计算***，其耦合到各种组件，诸如***设备102,103,101等。这些可以包括诸如输入设备103之类的组件，包括语音识别技术、触摸板、按钮、键盘和/或指向设备，诸如鼠标或追踪球，其可以经由一个或多个输入/输出（“I/O”）接口112进行操作。计算设备101的组件可以包括一个或多个处理器（包括中央处理单元（“CPU”）、图形处理单元（“GPU”）、微处理器（“μP”）等）107、***存储器109、以及典型地耦合各种组件的***总线108。（多个）处理器107典型地处理或执行各种计算机可执行指令，并且基于那些指令而控制计算设备101的操作。这可以包括计算设备101，其经由诸如网络连接114等等的各种通信技术而与其它电子和/或计算设备、***或环境（未示出）通信。***总线108表示任何数目的总线结构，包括存储器总线或存储器控制器、***总线、串行总线、加速图形端口、使用任何各种总线结构的处理器或本地总线等。
***存储器109可以包括以易失性存储器和/或非易失性存储器的形式的计算机可读介质，易失性存储器诸如随机存取存储器（“RAM”），非易失性存储器诸如只读存储器（“ROM”）或闪速存储器（“FLASH”）。基本输入/输出***（“BIOS”）可以存储在非易失性等中。***存储器109典型地存储数据、计算机可执行指令和/或程序模块，其包括对于一个或多个处理器107而言立即可访问和/或当前通过一个或多个处理器107在其上进行操作的计算机可执行指令。
大容量存储设备104和110可以耦合到计算设备101或者经由到***总线的耦合而并入计算设备101中。这样的大容量存储设备104和110可以包括非易失性RAM，从可移除、非易失性磁盘（例如，“软盘”）105读取和/或向其写入的磁盘驱动，和/或从诸如CD ROM、DVDROM 106之类的非易失性光盘读取和/或向其写入的光盘驱动。可替换地，大容量存储设备，诸如硬盘110，可以包括不可移除存储介质。其它大容量存储设备可以包括存储器卡、存储器棒、磁带存储设备等。
任何数目的计算机程序、文件、数据结构等可以存储在大容量存储装置110、其它存储设备104,105,106以及***存储器109（典型地，由可用空间限制），作为示例而非限制性地包括操作***、应用程序、数据文件、目录结构、计算机可执行指令等。
输出组件或设备，诸如显示设备102，可以耦合到计算设备101，典型地经由诸如显示器适配器111之类的接口。输出设备102可以是液晶显示器（“LCD”）。其它示例输出设备可以包括打印机、音频输出、语音输出、阴极射线管（“CRT”）显示器、触觉设备或者其它感官输出机构等。输出设备可以使得计算设备101能够与人类操作者或其它机器、***、计算环境等进行交互。用户可以经由任何数目的不同I/O设备103与计算环境100对接，诸如触摸板、按钮、键盘、鼠标、操纵杆、游戏垫、数据端口等。这些以及其它I/O设备可以经由I/O接口112耦合到处理器107，I/O接口112可以耦合到***总线108，和/或通过其它接口和总线结构进行耦合，诸如并行端口、游戏端口、通用串行总线（“USB”）、火线、红外（“IR”）端口等。
计算设备101可以经由通过一个或多个蜂窝网络、无线网络、局域网（“LAN”）、广域网（“WAN”）、存储域网（“SAN”）、互联网、无线电链接、光学链接等向一个或多个远程计算设备的通信连接而操作在联网环境中。计算设备101可以经由网络适配器113等耦合到网络，或者可替换地经由调制解调器、数字订户线路（“DSL”）链接、集成服务数字网络（“ISDN”）链接、互联网链接、无线链接等耦合到网络。
通信连接114，诸如网络连接，典型地提供向诸如网络之类的通信介质的耦合。通信介质典型地使用诸如载波之类的调制数据信号或者其它输运机制来提供计算机可读和计算机可执行指令、数据结构、文件、程序模块和其它数据。术语“调制数据信号”典型地意指其一个或多个特性以便于将信息编码在信号中的这种方式而设定或改变的信号。作为示例而非限制，通信介质可以包括有线介质，诸如有线网络或直接有线连接等，并且可以包括无线介质，诸如声学、射频、红外或其它无线通信机制。
电源190，诸如电池或电力供应，典型地提供用于部分或所有的计算环境100的电力。在计算环境100是移动设备或便携式设备等的情况下，电源190可以是电池。可替换地，在计算环境100是桌上型计算机或服务器等的情况下，电源190可以是设计成诸如经由墙壁插座而连接到交流（“AC”）源的电力供应。
一些移动设备可以不包括结合图1所述的许多组件。例如，电子徽章可以包括导线线圈连同简单的处理单元107等，线圈配置成在处于读卡器设备等的邻域中时充当电源190。这样的线圈还可以配置成充当耦合到处理单元107等的天线，线圈天线能够提供电子徽章和读卡器设备之间的通信形式。这样的通信可以不涉及联网，但是可以可替换地为经由遥感勘测、点对点、RF、IR、音频或其它措施的通用或专用通信。电子卡可以不包括显示器102、I/O设备103或者结合图1描述的许多其它组件。可以不包括结合图1描述的许多组件的其它移动设备作为示例而非限制性地包括电子手链、电子标签、可植入设备等。
本领域那些技术人员将认识到，用于提供计算机可读和计算机可执行指令和数据的存储设备可以在网络之上分布。例如，远程计算机或存储设备可以以软件应用和数据的形式存储计算机可读和计算机可执行指令。本地计算机可以经由网络访问远程计算机或存储设备并且下载部分或所有的软件应用或数据并且可以执行任何计算机可执行指令。可替换地，本地计算机可以下载所需要软件或数据片段，或者通过在本地计算机处执行一些指令并且在远程计算机和/或设备处执行一些指令而分布式处理软件。
本领域技术人员将认识到，通过利用常规技术，软件的计算机可执行指令全部或部分可以通过专用电子电路来实施，诸如数字信号处理器（“DSP”）、可编程逻辑阵列（“PLA”）、离散电路等。术语“电子装置”可以包括包含任何软件、固件等的计算设备或消费者电子设备，或者不包含软件、固件等的电子设备或电路。
术语“固件”典型地是指维持在诸如ROM之类的电子设备中的可执行指令、代码、数据、应用、程序、程序模块等。术语“软件”一般是指计算机可执行指令、代码、数据、应用、程序、程序模块等，其维持在任何形式或类型的计算机可读介质上或中，该计算机可读介质配置用于以计算机可访问的形式存储计算机可执行指令等。如本文中使用的术语“计算机可读介质”等严格限于一个或多个装置、制造品等，其不是信号或载波本身。如在权利要求中使用的术语“计算设备”是指诸如计算设备101之类的一个或多个设备并且涵盖客户端设备、移动设备、一个或多个服务器、诸如互联网服务或企业网络服务之类的网络服务等、以及这样的任何组合。
图2是示出了配置用于从数字图像生成经修改的图像的示例***200的框图，其中经修改的图像可以是所模拟的古董图像。***200可以包括若干模块，其包括颜色效果模块220、胶片效果模块230、纸张效果模块240和/或显著性特征检测器250。这些模块中的每一个（包括本文描述的任何子模块和任何其它模块）可以实现在硬件、固件、软件（例如，作为包括计算机可执行指令的程序模块）或者其任何组合。每一个这样的模块可以实现在诸如计算设备之类的一个设备上/由诸如计算设备之类的一个设备执行，或者跨多个这样的设备和/或服务而实现。例如，模块可以以分布式方式实现和/或通过多个设备实现，诸如服务器或者网络服务的元件等。另外，每一个这样的模块（包括任何子模块）可以涵盖一个或多个子模块等，并且模块可以实现为分离的模块，或者任何两个或更多个可以整体地或者部分地组合。本文描述的模块的划分（包括任何子模块）不是限制性的并且主要意图帮助描述本发明的各方面。如本文中关于图像等所使用的术语“古董”一般是指可以与陈旧的复古照片相关联的视觉特性，包括胶片颗粒、灰尘、纤维、刮划、毛边边缘以及各种纸张撕裂等。数字图像可以是单个图像、视频帧等。数字图像可以作为输入提供给***200。
作为总结，***200典型地包括诸如结合图1描述的计算设备，以及诸如结合图2描述的模块之类的至少一个程序模块，其一起配置用于执行从数字图像生成古董图像的动作。这样的程序模块典型地包括体现本文描述的方法的各方面的计算机可执行指令。本领域技术人员将熟悉编码方法，诸如在本文中提供为计算机可执行指令的那些，其在由一个或多个计算设备执行时使计算设备实施所编码的方法。一般地，至少模块220,230和240可以串行地以任何次序或者并行地在相同或不同设备上操作。
颜色效果模块220是配置用于变换输入图像的颜色的模块。这样的变换可以使用查找表和/或颜色曲线而通过改变输入图像的像素的原始颜色和/或为像素着色来执行。这样的变换可以用于实现许多不同外观，诸如黑白、红外、玩具相机摄影、乌贼墨等。一般地，黑白、乌贼墨和类似变化可以优选用于生成古董图像，诸如图像210。变换输入图像一般导致向其添加各种效果的经变换的图像。颜色效果模块220典型地提供（222）该经变换的图像。
胶片效果模块230是配置用于生成在复古照片中可能常见的各种视觉胶片效果的模块，诸如胶片颗粒、灰尘、纤维和刮划。在一个示例中，每一个这种所生成的效果可以应用于一个或多个效果层，诸如胶片效果层231。示例胶片效果模块230进一步结合图3来描述。如本文中使用的术语“效果层”典型地是指向其中渲染一个或多个效果的存储器，其中这样的存储器典型地如与大容量存储设备等相反地从易失性***存储器等动态地分配，除了这样的存储器可以临时换出到由盘提供的虚拟存储器等之外。通过在临时易失性存储器中生成并且渲染效果层，相比于常规预限定的效果层而言可以节省显著的盘空间等。
胶片效果层231表示在通过胶片效果模块230生成后向其上渲染胶片效果的至少一个逻辑油布。一旦生成，这些层就可以应用于（232）经变换的图像以便向图像添加效果。
纸张效果模块240是配置用于生成在复古照片中可能常见的各种视觉纸张效果的模块，诸如各种类型的纸张撕裂和图片边界。在一个示例中，每一个这种所生成的效果可以应用于一个或多个效果层，诸如纸张效果层241。一旦生成，这些层就可以应用于经变换的图像，以便向图像添加效果。示例纸张效果模块240进一步结合图4来描述。
与胶片效果层231相似，纸张效果层241，表示在通过纸张效果模块240生成后向其上渲染纸张效果的至少一个逻辑油布。一旦生成，这些层就可以应用于（232）经变换的图像以便向图像添加效果。
在一个示例中，胶片效果层和纸张效果层在功能上相同。一般地，每一个效果层配置用于叠覆输入图像，使得图像上的任何给定x、y坐标对应于效果层的相同x、y坐标。
显著性特征检测器250是检测输入图像中的显著性特征并且指示这样的特征的位置的模块。图像的显著性特征典型地包括面部、临近图像中心的（多个）对象、以及聚焦的图像区域（在给定其它区域没有聚焦的情况下）。在一个示例中，模块250的功能性可以以软件开发套件（“SDK”）的形式提供。显著性特征的位置可以以反射点的形式投射到各种效果层上。一般地，每一个反射点指示输入图像中的显著性特征的位置以及每一个效果层中的对应位置。
图3是示出了配置用于生成复古照片中可能常见的各种视觉胶片效果的示例胶片效果模块230的框图，诸如胶片颗粒、灰尘、纤维和刮划。胶片效果模块230可以包括颗粒生成器310、灰尘生成器320、纤维生成器330和/或刮划生成器340。一般地，至少模块310,320,330和340可以串行地以任何次序或者并行地在相同或不同设备上操作。
颗粒生成器310是配置用于模拟图像中的高ISO胶片颗粒的模块。在一个示例中，颗粒生成器310通过在至少一个颗粒效果层311上生成颗粒纹理而执行这样的模拟。要指出，颗粒生成器310与使用预存在层相反地来生成和渲染用于每一个输入图像的（多个）独特颗粒效果层，预存在层诸如例如可以经剪裁或者以其它方式调整尺寸并且然后应用于许多输入图像的jpeg或胶片颗粒叠层（“FGO”）等。用于这样的生成和渲染的方法结合图5的步骤532来描述。如本文中使用并且如本领域技术人员所已知的术语“高ISO”一般是指由国际标准化组织（“ISO”）限定的胶片速度定级。如本文中使用的术语“胶片颗粒”一般是指源自经处理的照片胶片的随机光学纹理的照片中的光学效果，随机光学纹理典型地是由于小粒子或燃料云在胶片的处理期间的存在。如本文中使用的术语“颗粒纹理”一般是指这样的随机光学纹理。颗粒生成器310可以编码为计算机可执行指令和/或以任何组合实现在硬件逻辑中。
灰尘生成器320是配置用于模拟图像中的胶片灰尘的模块。在一个示例中，灰尘生成器320通过生成所模拟的灰尘并且在至少一个灰尘效果层321上渲染所模拟的灰尘来执行这样的模拟。要指出，灰尘生成器320与使用预存在层相反地生成和渲染用于每一个输入图像的（多个）独特灰尘效果层，预存在层诸如例如可以经剪裁或者以其它方式尺寸设计并且然后应用于许多输入图像的jpeg等。用于这样的生成和渲染的方法结合图5的步骤534来描述。如本文中使用的术语“胶片灰尘”一般是指源自灰尘、沙尘或其它碎片的粒子在胶片曝光期间存在于照片胶片上和/或相机的光学路径中的照片中的光学效果。灰尘生成器320可以编码为计算机可执行指令和/或以任何组合实现在硬件逻辑中。
纤维生成器330是配置用于模拟图像中的胶片纤维和灰尘丛簇的模块。在一个实例中，纤维生成器330通过生成所模拟的纤维和灰尘丛簇并且在至少一个灰尘效果层331上渲染它们而执行这样的模拟。要指出，灰尘生成器330与使用预存在层相反地生成和渲染用于每一个输入图像的（多个）独特纤维效果层，预存在层诸如例如可以经剪裁或以其它方式尺寸设计并且然后应用于许多输入图像的jpeg等。用于这样的生成和渲染的方法结合图5的步骤536来描述。如本文中使用的术语“胶片纤维”一般是指源自纤维等在胶片曝光期间存在于照片胶片上和/或相机的光学路径中的照片中的光学效果。如本文中使用的术语“灰尘丛簇”一般是指源自胶片灰尘的群簇等在胶片曝光期间存在于照片胶片上和/或相机的光学路径中的照片中的光学效果。纤维生成器330可以编码为计算机可执行指令和/或以任何组合实现在硬件逻辑中。
刮划生成器340是配置用于模拟图像中的刮划的模块。在一个示例中，刮划生成器340通过生成所模拟的刮划并且在至少一个刮划效果层341上渲染它们而执行这样的模拟。要指出，刮划生成器340与使用预存在层相反地生成和渲染用于每一个输入图像的（多个）独特刮划效果层，预存在层诸如例如可以经剪裁或者以其它方式尺寸调整并且然后应用于许多输入图像的jpeg等。用于这样的生成和渲染的方法结合图5的步骤538来描述。如本文中使用的术语“胶片刮划”一般是指照片中的光学效果，其源自任何沙尘和/或（多个）任何其它材料在其前行时对照片胶片的刮划、胶片在处理期间的刮划、照片纸张在处理期间的刮划、以及导致照片中的刮划效果的胶片或照片纸张的任何其它刮划或损坏。刮划生成器340可以编码为计算机可执行指令和/或以任何组合实现在硬件逻辑中。
箭头350典型地指示各种效果层（例如，311,321,331和341）向图像210的应用，诸如输入图像或经变换的图像。
图4是示出了配置用于生成各种视觉胶片效果的示例边界效果模块240的框图，各种视觉胶片效果在复古照片中可能是常见的，诸如撕裂和边界效果。边界效果模块240可以包括边界生成器410和/或撕裂生成器420。一般地，至少模块410和420可以串行地以任何次序或者并行地在相同或不同设备上操作。
边界生成器410配置用于模拟图像中的照片纸张边界的模块。在一个示例中，边界生成器410通过生成所模拟的边界并且将它渲染在至少一个边界效果层411上来执行这样的模拟。要指出，边界生成器410与使用预存在层相反地生成和渲染用于每一个输入图像的（多个）独特边界效果层，预存在层诸如例如可以经剪裁或者以其它方式尺寸调制并且然后应用于许多输入图像的jpeg等。用于这样的生成和渲染的方法结合图5的步骤542来描述。如本文中使用的术语“照片纸张边界边缘”、“边界边缘”、“纸张边缘”和“边缘”一般是指照片边界的切割边缘的各种样式。可以通过边界生成器410模拟的各种纸张边缘的示例包括直线边缘、毛边边缘、蜿蜒边缘以及之字形边缘（诸如由锯齿剪刀制得）。边界生成器410可以编码为计算机可执行指令和/或以任何组合实现在硬件逻辑中。
撕裂生成器420是配置用于模拟图像中的各种类型的照片纸张撕裂的模块。在一个示例中，撕裂生成器420通过生成所模拟的撕裂并且在至少一个撕裂效果层421上渲染它来执行这样的模拟。要指出，撕裂生成器420与使用预存在层相反地生成和渲染用于每一个输入层的（多个）独特撕裂效果层，预存在层诸如例如可以经剪裁或者以其它方式尺寸调整并且然后应用于许多输入图像的jpeg等。用于这样的生成和渲染的方法结合图5的步骤544来描述。如本文中使用的术语“照片纸张撕裂”一般是指照片中和/或照片边缘上或者沿照片边缘的各种类型的撕裂、裂口、切割和切口，包括照片的缺失角落或其它部分。撕裂生成器420可以编码为计算机可执行指令和/或以任何组合实现在硬件逻辑中。
箭头450典型地指示各种效果层（例如，411和421）向图像210的应用，诸如输入图像或经变换的图像。
图5是示出了用于修改数字图像以展现古董图像的外观的示例方法500的框图。这样的方法可以由***200等执行。在一个示例中，方法400（或者本文描述的任何其它方法）在计算设备上执行，诸如结合图1描述的那样，根据程序模块的计算机可执行指令来控制计算设备，该计算机可执行指令在由计算设备执行时使计算设备实施方法的一些或所有方面。在其它示例中，模块可以实现为固件、软件、硬件或其任何组合。附加地或者可替换地，模块可以实现为片上***（“SoC”）的部分。一般地，至少步骤510,532,534,536,538,542和544可以串行地以任何次序或者并行地在相同或不同设备上执行。另外，本文的示例包括各种体积、密度、半径、维度并且这样（“度量”）涉及各种效果等。在一些示例中，这样的度量是相对于如以英寸或毫米等观看的图像的尺寸。在其它示例中，这些度量以像素计并且可以是相对于图像的分辨率。如本文中使用的短语“图像的尺寸”和“如所观看的图像的尺寸”一般是指显示器或打印纸张等上的图像的尺寸。在各种示例中，在其上观看图像的显示器的尺寸可以用于替换图像本身的尺寸。例如，如果图像经缩放以填充显示器，则该尺寸可以用作图像尺寸。
方法500的步骤510典型地指示对输入图像的颜色进行变换。这样的变换可以由颜色效果模块220执行。在一个示例中，步骤510典型地通过根据查找表和/或颜色曲线等改变图像的每一个像素的颜色和/或对其着色来执行。这样的变换可以导致作为黑白、红外、玩具相机摄影、乌贼墨或其它颜色方案的经变换的图像。一旦图像变换完成，则方法500典型地在步骤530处继续。
方法500的步骤520典型地指示检测图像中的显著性特征，诸如输入图像和/或经变换的图像。这样的检测可以由显著性特征检测器250执行。通过检测图像中的显著性特征的位置，可以通过歪曲或调节效果（诸如所模拟的灰尘、纤维、刮划等）的均匀分布使得这样的效果较不可能覆盖图像的显著性特征而使这样的显著性特征预留在最终图像560中。如本文中使用的短语“显著性特征”一般是指图像的重要特征，其典型地包括面部和面部特征、临近图像中心的（多个）对象和/或聚焦的图像区域。面部特征典型地至少包括在图像中检测的面部的眼睛、眉毛、鼻子和嘴巴。
在一个示例中，检测图像中的至少一些显著性特征可以根据各技术来执行，诸如在通过引用以其整体而并入的2014年4月28日提交并且题为“Creation ofRepresentative Content based on Facial Analysis”美国专利申请No.14/264012中描述的那些技术。
步骤520还可以包括扭曲或者调解效果（诸如所模拟的灰尘、纤维、刮划等）的均匀分布，使得这样的效果较不可能覆盖图像的显著性特征。步骤520的这一部分可以由显著性特征检测器250和/或由胶片效果模块230执行。在基于显著性特征检测而给定图像中的显著性特征的位置的情况下，该位置典型地以反射点的形式投射到各种效果层上。因而，这样的反射点在效果层上的位置典型地对应于显著性特征在图像上的位置，诸如特征的中心等。在各种示例中，这样的反射点在效果层上渲染效果时用于调节效果的分布或放置以减少效果将覆盖对应显著性特征的可能性。例如，在给定图像中的所检测的面部的情况下，其中面部相比于图像的总体尺寸相对小，反射点可以定位成临近面部中心。在其中面部占据图像的许多部分的另一个示例中，反射点可以定位成临近眼睛中心。在其中仅图像的特定区域聚焦的另一个示例中，反射点可以定位成临近聚焦区域的中心。
在给定投射于效果层上的反射点的情况下，对应效果的分布或放置一般地基于反射点的位置来调节。例如，对于效果（诸如，所模拟的灰尘颗粒或刮划）的任何特定元素，可以计算随机确定的元素位置和最接近的反射点之间的距离。在给定该距离的情况下，可以计算元素应当放置在随机确定的位置处的可能性。在一个示例中，该可能性在随机确定的位置逼近反射点的位置时逼近零。然后，可以基于所计算的可能性而做出是将元素放置在随机确定的位置还是丢弃它的决定。在另一个示例中，元素可以基于决定和/或所计算的可能性而定位成更远离反射点。
一旦检测到显著性特征并且投射反射点，则方法500典型地在步骤510,530和/或540处继续。对效果元素的分布或放置的调节可以在效果渲染之后或期间执行。
方法500的步骤530典型地指示生成在复古照片中可能常见的各种视觉胶片效果，诸如胶片颗粒、灰尘、纤维和刮划。这样的生成可以由胶片效果模块230或其各种子模块执行。
方法500的步骤532典型地指示生成胶片颗粒层311。这样的生成可以由颗粒生成器310执行。在一个示例中，在至少一个颗粒效果层311上生成和渲染均匀噪声纹理。在该示例中，纹理生成和渲染可以包括：（1）将效果层中的每一个像素设定成纯白色和纯黑色之间的随机灰度等级，（2）将每一个像素的透明度等级设定成高透明度等级，诸如在1%和10%之间，其中0%是完全透明并且100%是不透明，以及（3）基于特定模糊半径而模糊化效果层中的每一个像素。在各种示例中，透明度等级是5%，特定模糊半径是3个像素，并且模糊化是基于高斯模糊化函数。如本文中使用的术语“灰度等级”一般是指在真实白色和真实黑色之间的灰度的各种阴影，特别地典型地表示在计算机图形中的那些阴影。用于生成和渲染均匀噪声纹理的步骤可以编码为计算机可执行指令和/或以任何组合实现在硬件逻辑中。
方法500的步骤534典型地指示生成灰尘层321。这样的生成可以由灰尘生成器320执行。在一个示例中，在至少一个灰尘效果层321上生成和渲染所填充的椭圆的均匀分布。每一个椭圆的尺寸随机地确定成高达典型地相对于输入图像的尺寸的最大像素半径。分布中的椭圆的体积可以是基于图像的尺寸。当应用于图像时，（多个）效果层的椭圆典型地没有像素对准。通过避免像素对准，由于防混淆所致的子像素效果往往向所模拟的灰尘添加感兴趣的细节，而不要求附加的复杂几何形状。
在一个示例中，所模拟的灰尘生成和渲染可以包括：（1）生成以均匀分布渲染在（多个）灰尘效果层上的数个椭圆，其中每一个椭圆以高达最大值的随机x和y半径而生成，以及（2）在步骤520中根据投射到（多个）灰尘效果层上的任何反射点来调节分布。这样的调节的示例方法结合步骤520来提供。在各种示例中，所生成的椭圆取决于最终图像560类型（诸如，负或正图像）而以轻灰度等级或暗灰度等级进行渲染，在渲染中使用的任何轻灰度是纯白色，在渲染中使用的任何暗灰度是纯黑色，所生成的椭圆的密度为大约每平方英寸10个，并且最大半径为大概0.005英寸。如本文中使用的术语“轻灰度”一般是指较轻的50%的灰度等级并且还包括纯白色。如本文中使用的术语“暗灰度”一般是指较暗的50%的灰度等级并且还包括纯黑色。用于生成和渲染所模拟的灰尘的步骤可以编码为计算机可执行指令和/或以任何组合实现在硬件逻辑中。
方法500的步骤536典型地指示生成纤维层331。这样的生成可以由纤维生成器330执行。在一个示例中，在至少一个纤维效果层321上生成和渲染所模拟的纤维和/或灰尘丛簇。在一些示例中，所模拟的纤维可以渲染在一个纤维效果层上，并且所模拟的灰尘丛簇可以渲染在另一个上。另外，在一个尺寸内的纤维和/或灰尘丛簇可以渲染在一个纤维效果层上，而在另一个尺寸范围内的那些可以渲染在其它纤维效果层上。
所模拟的纤维和/或灰尘丛簇的生成和渲染基本上与针对所模拟的灰尘的情况相同，如针对步骤534所述，除了生成和渲染椭圆群组而不是单独椭圆之外，其中群组中的椭圆之间的距离处于典型地相对于输入图像的尺寸的最大分离距离内，并且其中线状物和灰尘丛簇的最大尺寸处于典型地相对于输入图像的尺寸的最大尺寸。当应用于图像时，（多个）效果层的椭圆/群组典型地没有像素对准。
在一个示例中，所模拟的纤维和/或灰尘丛簇的生成和渲染可以包括：（1）生成以均匀分布渲染在（多个）线状物效果层上的数个椭圆群组，其中每一个椭圆以高达典型地在1个和10个像素之间的最大值的随机半径而生成每一个椭圆，其中每一个群组以高达最大值的随机尺寸来生成，以及（2）根据投射到（多个）纤维效果层上的任何反射点在步骤520中调节分布。这样的调节的示例方法结合步骤520来提供。在各种示例中，所生成的椭圆取决于最终图像560类型（诸如，负或正图像）而以轻灰度等级或者暗灰度等级来渲染，在渲染中使用的任何轻灰度是纯白色，在渲染中使用的任何暗灰度是纯黑色，所生成的线状物的密度为每平方英寸0.25个，丛簇的密度为每平方英寸0.5个，最大半径为0.01英寸，并且最大群组尺寸为0.1英寸。用于生成和渲染所模拟的纤维和/或灰尘丛簇的步骤可以编码为计算机可执行指令和/或以任何组合实现在硬件逻辑中。
方法500的步骤538典型地指示生成刮划层341。这样的生成可以由刮划生成器340执行。在一个示例中，在至少一个刮划效果层341上生成和渲染所模拟的刮划。在一个示例中，在至少一个刮划效果层321上生成和渲染所模拟的刮划。在一些示例中，在一个尺寸范围内的所模拟的刮划可以渲染在一个刮划效果层上，而在其它尺寸范围中的那些可以渲染在其它刮划效果层上。
所模拟的刮划典型地生成并且渲染为直线或曲线，其中任何一个刮划可以包括线条中的偶然跳跃或断裂。在一个示例中，小刮划可以渲染在一个刮划效果层上并且大刮划渲染在另一个刮划效果层上。粗略地可以如大刮划那样渲染五倍多的小刮划。大刮划可以粗略地为小刮划的最大尺寸的五倍。在一些示例中，大多数刮划往往在表示相机的胶片推进方向的方向上纵长地取向。当应用于图像时，（多个）效果层的刮划典型地没有像素对准。
在一个示例中，所模拟的刮划的生成和渲染可以包括：（1）选择用于在最大值内渲染的数个线条（长和/或短），（2）选择用于线条的层上的起始点，（3）选择用于线条的层上的方向，（4）选择线条类型（例如，直线或曲线），（5）在最大值内选择用于线条的长度，（6）在最大值内选择用于线条的宽度，（7）根据投射到（多个）刮划效果层上的任何反射点在步骤520中调节参数，以及（8）根据所选择的参数来渲染线条。任何参数可以在任何最大值内随机选择。在各种示例中，线条的最大密度为每平方英寸0.1个，最大长度为0.5英寸，最大宽度为0.0001英寸。在一个示例中，曲线可以是基于Bezier曲线。用于生成和渲染刮划的步骤可以编码为计算机可执行指令和/或以任何组合渲染在硬件逻辑中。
方法500的步骤540典型地指示生成在复古照片中可能常见的各种视觉纸张效果，诸如各种类型的纸张撕裂和图片边界。这样的生成可以由边界效果模块240或其各种子模块来执行。
图6是示出了示例边界累积600的图示。没有意图或暗示特定比例。在该示例中，图像610叠覆在背景630上所叠覆的边界上，其中每一个表示一个或多个效果层。插图编号622指示边界的侧面，插图编号621指示边界侧面的宽度，并且插图编号631指示背景侧面的宽度。
方法500的步骤542典型地指示生成边界层411。这样的生成可以由边界生成器410执行。在一个示例中，在至少一个边界效果层411上生成和渲染所模拟的照片纸张边界620。一个这样的边界效果层可以是模拟用于边界620的背景630的背景层。另一个边界效果层可以是典型地向其上渲染所模拟的纸张边界620的照片纸张边界层，所模拟的纸张边界620模拟图像610周围的照片纸张的宽度621。图像层610可以叠覆在背景层630上所可能叠覆的边界层620上。可替换地，背景和边界可以渲染在相同层（组合的620和630）上。这样的（多个）边界效果层可以使用在边界累积600中。
在各种示例中，可以生成和渲染边界620以模拟所期望的任何特性，诸如照片纸张特性。这包括利用所期望的任何颜色方案和/或纹理方案来填充边界620。所期望的边缘622样式或图案可以应用于边界。边界的宽度621可以是任何期望的宽度，包括零。因而，边界620可以可选。在该示例（没有边界）中，所期望的边缘622可以应用于图像层610。另外，每一个侧面的宽度可以从其它者的宽度变化。
在各种示例中，可以生成和渲染背景630以提供用于边界620的背景。这样的背景典型地填充有“中性颜色”，其在本文中限定为黑色、白色或者从输入图像或者经变换的图像选择的颜色。背景的宽度631可以是任何期望的宽度，包括零。因而，边界630可以可选。另外，每一个侧面的宽度可以从其它者的宽度变化。
在各种示例中，图像610或其经剪裁的版本可以缩放成适应在（多个）边界效果层的所模拟的边界620内，或者（多个）边界效果层可以缩放成适应在图像610或其经剪裁的版本周围。
在一个示例中，边界和背景生成和渲染可以包括：（1）生成渲染在（多个）边界效果层上的背景，（2）生成渲染在（多个）边界效果层上的边界。在各种示例中，边界叠覆在背景上。这些用于生成和渲染边界和背景的步骤可以编码为计算机可执行指令和/或以任何组合实现在硬件逻辑中。
可以通过边界生成器410在照片纸张边界620上模拟的各种边缘622的示例包括直线边缘、毛边边缘、蜿蜒边缘和之字形边缘。如本文中使用的术语“毛边边缘”典型地是指手动地在毛边帧中产生的早期纸片的非规则边缘。
图7是示出了图6的部分的分解图的图示，其进一步图示了基于随机片段宽度730而在侧面714上生成的所模拟的毛边边缘740的部分，其中每一个它们的顶点（诸如716和718）分别在内和外界限710和720内朝向或者远离图像610移动随机距离。没有意图或暗示特定比例。要注意，边缘740外部的所有空间可以填充成匹配背景630并且边缘740内部的所有空间可以填充成匹配边界620，或者如果没有边界，则填充有图像和任何叠覆的效果层内容。
在一个示例中，用于所模拟的毛边边缘的生成和渲染的方法可以包括：（1）将侧面（例如，714）划分成随机数目的片段（例如，如由通过虚线散列标记730划出的暗线740所指示），其中每一个片段具有随机片段宽度（例如，如由虚线散列标记730之间的间距所指示），其中每一个片段具有两个顶点（例如，片段a的716和718），并且其中每一个顶点一般与相邻片段所共享（例如，顶点716由片段a和b共享），（2）在内界限710和外界限720内朝向或者远离图像610以随机偏置移动每一个顶点。用于毛边边缘的最大片段宽度在该示例中可以在0.02和0.08英寸之间或者在边界宽度的2%和20%之间。最大边缘幅度（内界限加上外界限）可以在0.5到0.1英寸之间或者在边界宽度的5%和25%之间。在各种示例中，最大片段宽度为0.08英寸，并且最大边缘幅度为0.10英寸。用于生成和渲染毛边边缘的这些步骤可以编码为计算机可执行指令和/或以任何组合实现在硬件逻辑中。
可以使用类似技术利用如适于边缘样式的直线和/或曲线和/或较长和/或较短的片段来生成和渲染其它类型的边缘。例如，对于之字形边缘，片段各自可以是具有一致的交替顶点偏置的相同宽度。蜿蜒边缘可以基于“S”形线条等类似地创建。
图8是示出了图片纸张中的所模拟的撕裂810,820和830的图示。没有意图或暗示特定比例。一种类型的撕裂是半圆形等，诸如在示例830中所示。这样的撕裂可以在图像的侧面中模拟。另一个类型的撕裂是破损角落，诸如在示例810和820中所示。在每一个情况下，破损掉的部分一般填充成匹配背景630。
图9是示出了图8的部分的分解图的图示，其进一步图示了所模拟的撕裂的细节。没有意图或暗示特定比例。这样的撕裂典型地基于两个大重叠形状而生成，一个比另一个更小，诸如示例三角形T1和T2（分别地920和930）。较小的形状典型地覆盖较大形状的大部分并且典型地填充成匹配背景630。撕裂典型地由较大形状的暴露部分模拟，其中暴露部分在本文中限定为“撕裂空间”，诸如示例撕裂空间940，并且典型地在一侧上由较低形状的侧面（例如，由插图编号930指示的T1的侧面）和较高形状的侧面（例如，由插图编号920指示的T2的侧面）定界。对侧面定界的这些撕裂空间可以是非规则的——也就是说，它们不需要彼此平行，或者甚至具有相同形状。实际上，这些侧面中的一些非规则性可以增大所模拟的撕裂的现实性。例如，对于诸如示例830之类的半圆形撕裂，两个形状可以是彼此偏置的圆形，其为畸形和/或以其它方式不一致，这导致非规则撕裂空间。
撕裂空间940典型地填充有模拟破损照片纸张的颜色和纹理的颜色和/或纹理连同由这样的撕裂暴露的纸张纤维。另外，对两个形状的侧面定界的撕裂空间可以渲染有毛边边缘，诸如结合图7所述。在该示例中，最大片段宽度和最大边缘幅度可以是定界侧面的长度的某一百分比，诸如在定界侧面长度的1%和7%之间。
方法500的步骤544典型地指示生成撕裂层421。这样的生成可以由撕裂生成器420执行。在一个示例中，在至少一个撕裂效果层421上生成和渲染所模拟的撕裂。在该示例中，所模拟的撕裂的生成和渲染包括：（1）生成和渲染呈现撕裂空间的重叠形状，（2）填充上部重叠形状以匹配背景，（3）以模拟破损照片纸张的颜色和纹理的颜色和/或纹理连同由这样的撕裂暴露的纸张纤维来填充撕裂空间。用于生成和渲染撕裂的这些步骤可以编码为计算机可执行指令和/或以任何组合实现在硬件逻辑中。
方法500的步骤550典型地指示向输入图像或经变换的图像应用所生成和渲染的效果层中的一个或多个，从而导致最终图像560。这样的应用通过一起混合各种效果层而执行。在一个示例中，这样的混合是基于每一个层的alpha透明度通道，使得仅所渲染的效果（例如，胶片颗粒、灰尘、纤维、刮划、边界、撕裂等）隐蔽输入图像的细节。
鉴于本发明和前述示例可以应用于的许多可能的实施例，应当认识到，本文描述的示例意图仅为说明性并且不应当视为限制本发明的范围。因此，如本文中描述的本发明涵盖可以落入权利要求及其任何等同方案的范围内的所有这样的实施例。

Claims (15)

1.一种在至少一个计算设备上执行的方法，该方法包括：
通过至少一个计算设备检测数字图像中的显著性特征；
通过至少一个计算设备在对应于数字图像中的显著性特征的位置的效果层上的位置处投射反射点；
通过至少一个计算设备在效果层上渲染胶片效果，其中所渲染的胶片效果包括所模拟的灰尘、纤维和刮划效果，其中渲染包括在效果层中的至少一个上的随机位置处定位所渲染的胶片效果中的至少一个；
通过至少一个计算设备而根据基于反射点的位置和随机位置之间的距离所计算的可能性来调节定位；
通过至少一个计算设备在效果层中的至少一个其它效果层上生成边界效果；以及
通过至少一个计算设备响应于所述调节和生成而混合效果层与数字图像，从而导致最终数字图像。
2.权利要求1所述的方法，还包括变换数字图像的颜色。
3.权利要求1所述的方法，其中所渲染的胶片效果还包括所模拟的胶片颗粒。
4.权利要求1所述的方法，还包括生成撕裂效果。
5.权利要求4所述的方法，其中撕裂效果包括对撕裂效果的撕裂空间定界的侧面上的毛边边缘。
6.权利要求1所述的方法，其中边界效果包括毛边边缘。
7.权利要求6所述的方法，其中毛边边缘是基于片段宽度和边缘幅度。
8.一种***，包括计算设备和至少一个程序模块，其一起配置用于执行包括以下各项的动作：
通过至少一个计算设备检测数字图像中的显著性特征；
通过至少一个计算设备在对应于数字图像中的显著性特征的位置的效果层上的位置处投射反射点；
通过至少一个计算设备在效果层上渲染胶片效果，其中所渲染的胶片效果包括所模拟的灰尘、纤维和刮划效果，其中渲染包括在效果层中的至少一个上的随机位置处定位所渲染的胶片效果中的至少一个；
通过至少一个计算设备而根据基于反射点的位置和随机位置之间的距离所计算的可能性来调节定位；
通过至少一个计算设备在效果层中的至少一个其它效果层上生成边界效果；以及
通过至少一个计算设备响应于所述调节和生成而混合效果层与数字图像，从而导致最终数字图像。
9.权利要求8所述的***，所述动作还包括变换数字图像的颜色。
10.权利要求8所述的***，其中所渲染的胶片效果还包括所模拟的胶片颗粒。
11.权利要求8所述的***，所述动作还包括生成撕裂效果。
12.权利要求11所述的***，其中撕裂效果包括对撕裂效果的撕裂空间定界的侧面上的毛边边缘。
13.权利要求8所述的***，其中边界效果包括毛边边缘。
14.权利要求13所述的***，其中毛边边缘是基于片段宽度和边缘幅度。
15.存储计算机可执行指令的至少一个计算机可读介质，所述计算机可执行指令在由至少一个计算设备执行时使至少一个计算设备实施包括以下各项的动作：
通过至少一个计算设备检测数字图像中的显著性特征；
通过至少一个计算设备在对应于数字图像中的显著性特征的位置的效果层上的位置处投射反射点；
通过至少一个计算设备在效果层上渲染胶片效果，其中所渲染的胶片效果包括所模拟的灰尘、纤维和刮划效果，其中渲染包括在效果层中的至少一个上的随机位置处定位所渲染的胶片效果中的至少一个；
通过至少一个计算设备而根据基于反射点的位置和随机位置之间的距离所计算的可能性来调节定位；
通过至少一个计算设备在效果层中的至少一个其它效果层上生成边界效果；以及
通过至少一个计算设备响应于所述调节和生成而混合效果层与数字图像，从而导致最终数字图像。
CN201580034192.0A 2014-06-23 2015-06-19 保持显著性的独特的低足迹照片老化效果 Active CN106462989B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/312562 2014-06-23
US14/312,562 US9373179B2 (en) 2014-06-23 2014-06-23 Saliency-preserving distinctive low-footprint photograph aging effect
PCT/US2015/036595 WO2015200109A1 (en) 2014-06-23 2015-06-19 Saliency-preserving distinctive low-footprint photograph aging effect

Publications (2)

Publication Number Publication Date
CN106462989A true CN106462989A (zh) 2017-02-22
CN106462989B CN106462989B (zh) 2020-06-12

Family

ID=53765524

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580034192.0A Active CN106462989B (zh) 2014-06-23 2015-06-19 保持显著性的独特的低足迹照片老化效果

Country Status (4)

Country Link
US (2) US9373179B2 (zh)
EP (1) EP3158730A1 (zh)
CN (1) CN106462989B (zh)
WO (1) WO2015200109A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112164121A (zh) * 2020-09-30 2021-01-01 北京完美赤金科技有限公司 撕裂效果图的生成方法和装置、存储介质、电子装置

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9614724B2 (en) 2014-04-21 2017-04-04 Microsoft Technology Licensing, Llc Session-based device configuration
US9639742B2 (en) 2014-04-28 2017-05-02 Microsoft Technology Licensing, Llc Creation of representative content based on facial analysis
US9773156B2 (en) 2014-04-29 2017-09-26 Microsoft Technology Licensing, Llc Grouping and ranking images based on facial recognition data
US9384334B2 (en) 2014-05-12 2016-07-05 Microsoft Technology Licensing, Llc Content discovery in managed wireless distribution networks
US9384335B2 (en) 2014-05-12 2016-07-05 Microsoft Technology Licensing, Llc Content delivery prioritization in managed wireless distribution networks
US9430667B2 (en) 2014-05-12 2016-08-30 Microsoft Technology Licensing, Llc Managed wireless distribution network
US10111099B2 (en) 2014-05-12 2018-10-23 Microsoft Technology Licensing, Llc Distributing content in managed wireless distribution networks
US9874914B2 (en) 2014-05-19 2018-01-23 Microsoft Technology Licensing, Llc Power management contracts for accessory devices
US10037202B2 (en) 2014-06-03 2018-07-31 Microsoft Technology Licensing, Llc Techniques to isolating a portion of an online computing service
US9367490B2 (en) 2014-06-13 2016-06-14 Microsoft Technology Licensing, Llc Reversible connector for accessory devices
US9717006B2 (en) 2014-06-23 2017-07-25 Microsoft Technology Licensing, Llc Device quarantine in a wireless network
WO2023211861A1 (en) * 2022-04-25 2023-11-02 Invizipro Llc Simulation of analog film characteristics

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1868215A (zh) * 2003-10-14 2006-11-22 汤姆森特许公司 用于位精确的胶片颗粒模拟的技术
US20080183751A1 (en) * 2007-01-25 2008-07-31 Cazier Robert P Applying visual effect to image data based on audio data
CN101420627A (zh) * 2008-12-05 2009-04-29 香港应用科技研究院有限公司 模拟胶片颗粒噪声的方法和装置
CN102714723A (zh) * 2010-01-15 2012-10-03 马维尔国际贸易有限公司 使用胶片颗粒遮蔽压缩伪影

Family Cites Families (107)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4868653A (en) 1987-10-05 1989-09-19 Intel Corporation Adaptive digital video compression system
US5687011A (en) * 1990-10-11 1997-11-11 Mowry; Craig P. System for originating film and video images simultaneously, for use in modification of video originated images toward simulating images originated on film
US5544258A (en) 1991-03-14 1996-08-06 Levien; Raphael L. Automatic tone correction of images using non-linear histogram processing
US5475425B1 (en) * 1994-01-25 2000-07-25 Przyborski Production Apparatus and method for creating video ouputs that emulate the look of motion picture film
US6028960A (en) 1996-09-20 2000-02-22 Lucent Technologies Inc. Face feature analysis for automatic lipreading and character animation
US6283858B1 (en) * 1997-02-25 2001-09-04 Bgk International Incorporated Method for manipulating images
EP1064793B1 (de) 1998-03-23 2002-02-27 Heidelberger Druckmaschinen Aktiengesellschaft Verfahren zur bildanalyse und korrektur von videosignalwerten
US6297825B1 (en) 1998-04-06 2001-10-02 Synapix, Inc. Temporal smoothing of scene analysis data for image sequence generation
US6389181B2 (en) 1998-11-25 2002-05-14 Eastman Kodak Company Photocollage generation and modification using image recognition
US6959274B1 (en) 1999-09-22 2005-10-25 Mindspeed Technologies, Inc. Fixed rate speech compression system and method
US6757027B1 (en) 2000-02-11 2004-06-29 Sony Corporation Automatic video editing
US7010163B1 (en) 2001-04-20 2006-03-07 Shell & Slate Software Method and apparatus for processing image data
WO2003009216A1 (en) 2001-07-17 2003-01-30 Yesvideo, Inc. Automatic selection of a visual image based on quality
US7200561B2 (en) 2001-08-23 2007-04-03 Nippon Telegraph And Telephone Corporation Digital signal coding and decoding methods and apparatuses and programs therefor
US7082211B2 (en) 2002-05-31 2006-07-25 Eastman Kodak Company Method and system for enhancing portrait images
US6947579B2 (en) 2002-10-07 2005-09-20 Technion Research & Development Foundation Ltd. Three-dimensional face recognition
US7194114B2 (en) 2002-10-07 2007-03-20 Carnegie Mellon University Object finder for two-dimensional images, and system for determining a set of sub-classifiers composing an object finder
GB2395853A (en) 2002-11-29 2004-06-02 Sony Uk Ltd Association of metadata derived from facial images
AU2003289116A1 (en) 2002-12-16 2004-07-09 Canon Kabushiki Kaisha Pattern identification method, device thereof, and program thereof
JP3984175B2 (ja) 2003-01-31 2007-10-03 富士フイルム株式会社 写真画像選別装置およびプログラム
US7236653B2 (en) 2003-03-27 2007-06-26 Sharp Laboratories Of America, Inc. System and method for locating document areas using markup symbols
US7421097B2 (en) 2003-05-27 2008-09-02 Honeywell International Inc. Face identification verification using 3 dimensional modeling
DE602004008282T2 (de) 2003-06-30 2008-05-15 Honda Motor Co., Ltd. System und verfahren zur gesichtserkennung
JP5100121B2 (ja) * 2003-09-23 2012-12-19 トムソン ライセンシング 事前に計算されたサンプルをモザイキングすることでフィルムグレインをシミュレートするための方法
JP4078649B2 (ja) 2004-01-28 2008-04-23 日本ビクター株式会社 映像信号処理装置及び方法
WO2006003270A1 (fr) 2004-06-04 2006-01-12 France Telecom Procede pour la reconnaissance de visages, a analyse discriminante lineaire bidimensionnelle
JP2006085678A (ja) * 2004-08-16 2006-03-30 Fuji Photo Film Co Ltd 画像作成方法および装置並びにプログラム
US7542600B2 (en) 2004-10-21 2009-06-02 Microsoft Corporation Video image quality
US8488023B2 (en) 2009-05-20 2013-07-16 DigitalOptics Corporation Europe Limited Identifying facial expressions in acquired digital images
US7580952B2 (en) 2005-02-28 2009-08-25 Microsoft Corporation Automatic digital image grouping using criteria based on image metadata and spatial information
US7978925B1 (en) 2005-04-16 2011-07-12 Apple Inc. Smoothing and/or locking operations in video editing
US8004584B2 (en) * 2005-04-29 2011-08-23 Hewlett-Packard Development Company, L.P. Method and apparatus for the creation of compound digital image effects
US7809722B2 (en) 2005-05-09 2010-10-05 Like.Com System and method for enabling search and retrieval from image files based on recognized information
WO2007002271A2 (en) * 2005-06-22 2007-01-04 Mediapod Llc. System and method for digital film simulation
US20060290705A1 (en) 2005-06-24 2006-12-28 Microsoft Corporation Performing a pre-rendering pass in digital image processing
JP4687320B2 (ja) 2005-08-11 2011-05-25 ソニー株式会社 画像処理装置および方法、記録媒体、並びに、プログラム
US8488847B2 (en) 2005-11-25 2013-07-16 Nikon Corporation Electronic camera and image processing device
KR100745981B1 (ko) 2006-01-13 2007-08-06 삼성전자주식회사 보상적 특징에 기반한 확장형 얼굴 인식 방법 및 장치
US7551754B2 (en) 2006-02-24 2009-06-23 Fotonation Vision Limited Method and apparatus for selective rejection of digital images
GB0607143D0 (en) 2006-04-08 2006-05-17 Univ Manchester Method of locating features of an object
US8306280B2 (en) 2006-04-11 2012-11-06 Nikon Corporation Electronic camera and image processing apparatus
JP5239126B2 (ja) 2006-04-11 2013-07-17 株式会社ニコン 電子カメラ
US7715598B2 (en) 2006-07-25 2010-05-11 Arsoft, Inc. Method for detecting facial expressions of a portrait photo by an image capturing electronic device
US8031914B2 (en) 2006-10-11 2011-10-04 Hewlett-Packard Development Company, L.P. Face-based image clustering
US20080204598A1 (en) 2006-12-11 2008-08-28 Lance Maurer Real-time film effects processing for digital video
US7792379B2 (en) 2007-02-06 2010-09-07 Accenture Global Services Gmbh Transforming a submitted image of a person based on a condition of the person
JP2008219163A (ja) * 2007-02-28 2008-09-18 Toshiba Corp 情報符号化方法、情報再生方法、及び情報記憶媒体
US8290257B2 (en) * 2007-03-02 2012-10-16 The Procter & Gamble Company Method and apparatus for simulation of facial skin aging and de-aging
WO2008130906A1 (en) 2007-04-17 2008-10-30 Mikos, Ltd. System and method for using three dimensional infrared imaging to provide psychological profiles of individuals
JP4823970B2 (ja) 2007-05-24 2011-11-24 オリンパスイメージング株式会社 画像編集装置
JP4974788B2 (ja) 2007-06-29 2012-07-11 キヤノン株式会社 画像処理装置、画像処理方法、プログラム、及び記憶媒体
US8391639B2 (en) * 2007-07-23 2013-03-05 The Procter & Gamble Company Method and apparatus for realistic simulation of wrinkle aging and de-aging
US8165352B1 (en) 2007-08-06 2012-04-24 University Of South Florida Reconstruction of biometric image templates using match scores
US8331632B1 (en) 2007-08-06 2012-12-11 University Of South Florida Indexing face templates using linear models
US8041076B1 (en) 2007-08-09 2011-10-18 Adobe Systems Incorporated Generation and usage of attractiveness scores
US8423485B2 (en) 2007-09-14 2013-04-16 The University Of Tokyo Correspondence learning apparatus and method and correspondence learning program, annotation apparatus and method and annotation program, and retrieval apparatus and method and retrieval program
JP4720810B2 (ja) 2007-09-28 2011-07-13 富士フイルム株式会社 画像処理装置、撮像装置、画像処理方法及び画像処理プログラム
JP5109564B2 (ja) 2007-10-02 2012-12-26 ソニー株式会社 画像処理装置、撮像装置、これらにおける処理方法およびプログラム
CN101414348A (zh) 2007-10-19 2009-04-22 三星电子株式会社 多角度人脸识别方法和***
US8150098B2 (en) 2007-12-20 2012-04-03 Eastman Kodak Company Grouping images by location
CA2711143C (en) 2007-12-31 2015-12-08 Ray Ganong Method, system, and computer program for identification and sharing of digital images with face signatures
US8180112B2 (en) 2008-01-21 2012-05-15 Eastman Kodak Company Enabling persistent recognition of individuals in images
KR20090086754A (ko) 2008-02-11 2009-08-14 삼성디지털이미징 주식회사 디지털 영상 처리 장치 및 그 제어 방법
JP5055166B2 (ja) 2008-02-29 2012-10-24 キヤノン株式会社 眼の開閉度判定装置、方法及びプログラム、撮像装置
KR101618735B1 (ko) 2008-04-02 2016-05-09 구글 인코포레이티드 디지털 영상 컬렉션에 자동 얼굴 인식 기능을 통합하는 방법 및 장치
US20110029510A1 (en) 2008-04-14 2011-02-03 Koninklijke Philips Electronics N.V. Method and apparatus for searching a plurality of stored digital images
US8170298B2 (en) 2008-05-16 2012-05-01 Arcsoft, Inc. Method for detecting facial expression and repairing smile face of portrait photo
US20090313546A1 (en) 2008-06-16 2009-12-17 Porto Technology, Llc Auto-editing process for media content shared via a media sharing service
JP2010027035A (ja) 2008-06-16 2010-02-04 Canon Inc 個人認証装置及び個人認証方法
US20100027663A1 (en) 2008-07-29 2010-02-04 Qualcomm Incorporated Intellegent frame skipping in video coding based on similarity metric in compressed domain
US9330630B2 (en) 2008-08-30 2016-05-03 Sharp Laboratories Of America, Inc. Methods and systems for display source light management with rate change control
US8737695B2 (en) 2008-09-04 2014-05-27 Microsoft Corporation Photography auto-triage
US8611677B2 (en) 2008-11-19 2013-12-17 Intellectual Ventures Fund 83 Llc Method for event-based semantic classification
JP4439579B1 (ja) 2008-12-24 2010-03-24 株式会社東芝 音質補正装置、音質補正方法及び音質補正用プログラム
JP5247480B2 (ja) 2009-01-13 2013-07-24 キヤノン株式会社 オブジェクト識別装置及びオブジェクト識別方法
US8194938B2 (en) 2009-06-02 2012-06-05 George Mason Intellectual Properties, Inc. Face authentication using recognition-by-parts, boosting, and transduction
CN102804759B (zh) 2009-06-24 2016-03-02 惠普开发有限公司 图像相册创建
JP2011005050A (ja) 2009-06-26 2011-01-13 Canon Inc 画像処理方法及び画像処理装置
EP2460354A4 (en) 2009-07-27 2015-11-04 Utc Fire & Security Corp SYSTEM AND METHOD FOR IMPROVING VIDEO QUALITY
JP5423379B2 (ja) 2009-08-31 2014-02-19 ソニー株式会社 画像処理装置および画像処理方法、並びにプログラム
JP2011071573A (ja) 2009-09-24 2011-04-07 Sanyo Electric Co Ltd 画像処理装置
US8078623B2 (en) 2009-10-14 2011-12-13 Cyberlink Corp. Systems and methods for summarizing photos based on photo information and user preference
JP5451302B2 (ja) 2009-10-19 2014-03-26 キヤノン株式会社 画像処理装置及び方法、プログラム及び記憶媒体
US8571331B2 (en) 2009-11-30 2013-10-29 Xerox Corporation Content based image selection for automatic photo album generation
US8761512B1 (en) 2009-12-03 2014-06-24 Google Inc. Query by image
JP5554987B2 (ja) 2009-12-28 2014-07-23 キヤノン株式会社 オブジェクト識別装置及びその制御方法
US8212294B2 (en) 2010-01-28 2012-07-03 Raytheon Company Structure having silicon CMOS transistors with column III-V transistors on a common substrate
US8611678B2 (en) 2010-03-25 2013-12-17 Apple Inc. Grouping digital media items based on shared features
US8345934B2 (en) 2010-07-19 2013-01-01 Telefonica, S.A. Method for automatic storytelling for photo albums using social network context
US20120027311A1 (en) 2010-07-27 2012-02-02 Cok Ronald S Automated image-selection method
US8774528B2 (en) 2010-09-24 2014-07-08 Kodak Alaris Inc. Method of selecting important digital images
US10042993B2 (en) 2010-11-02 2018-08-07 Homayoon Beigi Access control through multifactor authentication with multimodal biometrics
JP5824806B2 (ja) 2010-12-28 2015-12-02 オムロン株式会社 顔画像管理装置、顔画像管理方法、並びにプログラム
US9223802B2 (en) 2011-01-24 2015-12-29 T-Mobile Usa, Inc. Automatic sharing of superlative digital images
US8811726B2 (en) 2011-06-02 2014-08-19 Kriegman-Belhumeur Vision Technologies, Llc Method and system for localizing parts of an object in an image for computer vision applications
US8934661B2 (en) 2011-12-09 2015-01-13 Facebook, Inc. Automatic photo album creation based on social information
US8924315B2 (en) 2011-12-13 2014-12-30 Xerox Corporation Multi-task learning using bayesian model with enforced sparsity and leveraging of task correlations
US9256620B2 (en) 2011-12-20 2016-02-09 Amazon Technologies, Inc. Techniques for grouping images
US9003289B2 (en) 2012-02-23 2015-04-07 Google Inc. Automatic detection of suggested video edits
US8880439B2 (en) 2012-02-27 2014-11-04 Xerox Corporation Robust Bayesian matrix factorization and recommender systems using same
US9159321B2 (en) 2012-02-27 2015-10-13 Hong Kong Baptist University Lip-password based speaker verification system
JP5900052B2 (ja) 2012-03-15 2016-04-06 オムロン株式会社 登録判定装置、その制御方法および制御プログラム、並びに電子機器
US8959092B2 (en) 2012-06-27 2015-02-17 Google Inc. Providing streams of filtered photographs for user consumption
US9147131B2 (en) 2012-07-30 2015-09-29 Evernote Corporation Extracting multiple facial photos from a video clip
US9058662B2 (en) * 2012-08-16 2015-06-16 Facebook, Inc. Systems and methods for non-destructive editing of digital images
US20140072242A1 (en) * 2012-09-10 2014-03-13 Hao Wei Method for increasing image resolution
US20140341443A1 (en) 2013-05-16 2014-11-20 Microsoft Corporation Joint modeling for facial recognition

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1868215A (zh) * 2003-10-14 2006-11-22 汤姆森特许公司 用于位精确的胶片颗粒模拟的技术
US20080183751A1 (en) * 2007-01-25 2008-07-31 Cazier Robert P Applying visual effect to image data based on audio data
CN101420627A (zh) * 2008-12-05 2009-04-29 香港应用科技研究院有限公司 模拟胶片颗粒噪声的方法和装置
CN102714723A (zh) * 2010-01-15 2012-10-03 马维尔国际贸易有限公司 使用胶片颗粒遮蔽压缩伪影

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112164121A (zh) * 2020-09-30 2021-01-01 北京完美赤金科技有限公司 撕裂效果图的生成方法和装置、存储介质、电子装置
CN112164121B (zh) * 2020-09-30 2021-11-23 北京完美赤金科技有限公司 撕裂效果图的生成方法和装置、存储介质、电子装置

Also Published As

Publication number Publication date
WO2015200109A1 (en) 2015-12-30
US9892525B2 (en) 2018-02-13
CN106462989B (zh) 2020-06-12
US20160239987A1 (en) 2016-08-18
EP3158730A1 (en) 2017-04-26
US20150371409A1 (en) 2015-12-24
US9373179B2 (en) 2016-06-21

Similar Documents

Publication Publication Date Title
CN106462989A (zh) 保持显著性的独特的低足迹照片老化效果
Thompson et al. Visual perception from a computer graphics perspective
Martin An empirical approach to grouping and segmentation
Dachsbacher et al. Implicit visibility and antiradiance for interactive global illumination
US11551404B2 (en) Photorealistic three dimensional texturing using canonical views and a two-stage approach
CN109791624A (zh) 用于机读制品的遮蔽弹性光学代码
Musgrave Methods for realistic landscape imaging
JP6421990B2 (ja) クイックレスポンスコードを含む要素を生成するシステムおよび方法
US9188783B2 (en) Reflective and refractive surfaces configured to project desired caustic pattern
Gomes et al. Computer graphics: theory and practice
Peng et al. Fabricating QR codes on 3D objects using self-shadows
Wolf Abstracting reality: Art, communication, and cognition in the digital age
Ganovelli et al. Introduction to computer graphics: A practical learning approach
Gerl et al. Interactive example-based hatching
Lukáč et al. Brushables: Example‐based Edge‐aware Directional Texture Painting
Deussen et al. Halftoning and stippling
Winnemöller NPR in the Wild
US7616198B2 (en) System and computer-implemented method for modeling the three-dimensional shape of an object by shading of a two-dimensional image of the object
Lopez-Moreno et al. Non-photorealistic, depth-based image editing
Papp et al. Embedding QR code onto triangulated meshes using horizon based ambient occlusion
Ye [Retracted] Application of Photoshop Graphics and Image Processing in the Field of Animation
Schofield Non-photorealistic rendering: a critical examination and proposed system.
Thomson-Jones Image in the Making: Digital Innovation and the Visual Arts
Foster et al. 3D Design and Photogrammetry
Parker An Artist's Guide to Programming: A Graphical Introduction

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant