DE202015009148U1 - Automatische Bearbeitung von Bildern - Google Patents
Automatische Bearbeitung von Bildern Download PDFInfo
- Publication number
- DE202015009148U1 DE202015009148U1 DE202015009148.2U DE202015009148U DE202015009148U1 DE 202015009148 U1 DE202015009148 U1 DE 202015009148U1 DE 202015009148 U DE202015009148 U DE 202015009148U DE 202015009148 U1 DE202015009148 U1 DE 202015009148U1
- Authority
- DE
- Germany
- Prior art keywords
- image
- candidate
- computer
- parameters
- pixel groups
- 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.)
- Active
Links
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims description 40
- 230000008569 process Effects 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 230000002950 deficient Effects 0.000 claims 2
- 235000012167 tiramisu Nutrition 0.000 description 9
- 230000000007 visual effect Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 6
- 239000003086 colorant Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 235000021185 dessert Nutrition 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000001454 recorded image Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/772—Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/993—Evaluation of the quality of the acquired pattern
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Image Processing (AREA)
Abstract
Computerimplementiertes System zur automatischen Bildbearbeitung, das System ist dazu eingerichtet, folgendes zu umfassen:
Empfangen eines Kandidatenbilds, durch ein oder mehrere Rechengeräte, worin das Kandidatenbild mit einem oder mehreren Bildkategorieparametern verknüpft ist;
Erfassen, durch das eine oder die mehreren Rechengeräte, von einer oder mehreren Pixelgruppen im Kandidatenbild;
Verknüpfen, durch das eine oder die mehreren Rechengeräte, von jeder der einen oder mehreren Pixelgruppen im Kandidatenbild mit semantischen Daten, die zumindest teilweise basierend auf dem einen oder mehreren Bildkategorieparametern des Kandidatenbildes oder Daten, die den Inhalt der Pixelgruppe anzeigen, bestimmt werden;
Empfangen, durch den einen oder die mehreren Rechengeräte, einer Vielzahl von Einstellparametern, die zumindest teilweise basierend auf zumindest einem Referenzbild bestimmt werden, wobei das zumindest eine bezeichnete Referenzbild zumindest teilweise auf semantischen Daten der einen oder der mehreren Pixelgruppen im Kandidatenbild bestimmt wurde; und
Bearbeiten, durch das eine oder die mehreren Rechengeräte, der einen oder mehren Pixelgruppen im Kandidatenbild, zumindest teilweise basierend auf der Vielzahl von Einstellparametern, um ein bearbeitetes Bild zu erzeugen.
Empfangen eines Kandidatenbilds, durch ein oder mehrere Rechengeräte, worin das Kandidatenbild mit einem oder mehreren Bildkategorieparametern verknüpft ist;
Erfassen, durch das eine oder die mehreren Rechengeräte, von einer oder mehreren Pixelgruppen im Kandidatenbild;
Verknüpfen, durch das eine oder die mehreren Rechengeräte, von jeder der einen oder mehreren Pixelgruppen im Kandidatenbild mit semantischen Daten, die zumindest teilweise basierend auf dem einen oder mehreren Bildkategorieparametern des Kandidatenbildes oder Daten, die den Inhalt der Pixelgruppe anzeigen, bestimmt werden;
Empfangen, durch den einen oder die mehreren Rechengeräte, einer Vielzahl von Einstellparametern, die zumindest teilweise basierend auf zumindest einem Referenzbild bestimmt werden, wobei das zumindest eine bezeichnete Referenzbild zumindest teilweise auf semantischen Daten der einen oder der mehreren Pixelgruppen im Kandidatenbild bestimmt wurde; und
Bearbeiten, durch das eine oder die mehreren Rechengeräte, der einen oder mehren Pixelgruppen im Kandidatenbild, zumindest teilweise basierend auf der Vielzahl von Einstellparametern, um ein bearbeitetes Bild zu erzeugen.
Description
- TECHNISCHES GEBIET
- Die vorliegende Offenbarung betrifft die Analyse und Bearbeitung von Bildern im Allgemeinen und insbesondere die automatische Bearbeitung von Bildern.
- HINTERGRUND
- Bildaufnahmegeräte, die beispielsweise mit einem Smartphone oder einem Tablet verknüpft sind, ermöglichen es Benutzern, ein digitales Bild aufzunehmen und das Bild in einem Arbeitsspeicher abzuspeichern, der mit dem Bildaufnahmegerät verknüpft ist. Diese Bildaufnahmegeräte können auch Mobilfunknetz-Fähigkeiten beinhalten, was einem Benutzer ermöglicht, ein Bild an ein rechnerfernes Gerät zu übertragen, oder auf ein Bild von einem rechnerfernen Gerät über ein Mobilfunknetz zuzugreifen.
- Diese Bildaufnahmegeräte können auch verschiedene Techniken zum Verbessern der Fotoqualität beinhalten. Bildaufnahmegeräte ermöglichen es dem Benutzer beispielsweise oftmals, die verschiedenen Einstellungen, wie Balance, Blitzlicht, und/oder Belichtungszeitmessung zu regulieren. Außerdem können Bildaufnahmegeräte Technologien, wie Belichtungsgestaltung mit großem Belichtungsumfang (High Dynamic Range Imaging HDR) beinhalten. HDR ermöglicht einen höheren Dynamikumfang, Sättigung, Helligkeit und Kontrast durch die Benutzung von mehrfachen Bildern, die bei verschiedenen Belichtungen aufgenommen wurden. Zusätzlich dazu sind Bildaufnahmegeräte oftmals mit Softwareprodukten zur Nachbearbeitung ausgestattet, die einem Benutzer ermöglicht, mehrere Bildsteuerungen, wie Sättigung, Helligkeit und Kontrast zu regeln, und mehrere Filter und/oder Transformationen im Bild zu verwenden. Solch eine Postproduktions-Software kann Autokorrekturfilter beinhalten, die Sättigung, Helligkeit und Kontrast an ein normalisiertes Modell anpassen.
- KURZDARSTELLUNG
- Aspekte und Vorteile von Ausführungsformen der vorliegenden Erfindung werden teilweise in der folgenden Beschreibung dargelegt werden oder können aus der Beschreibung erlernt werden oder können durch die Praxis der Ausführungsformen erlernt werden.
- Unter Schutz gestellt werden und Gegenstand des Gebrauchsmusters sind dabei, entsprechend den Vorschriften des Gebrauchsmustergesetzes, lediglich Vorrichtungen wie in den beigefügten Schutzansprüchen definiert, jedoch keine Verfahren. Soweit nachfolgend in der Beschreibung gegebenenfalls auf Verfahren Bezug genommen wird, dienen diese Bezugnahmen lediglich der beispielhaften Erläuterung der in den beigefügten Schutzansprüchen unter Schutz gestellten Vorrichtung oder Vorrichtungen.
- Ein Aspekt der vorliegenden Offenbarung ist beispielsweise auf ein computerimplementiertes Verfahren bzw. System der automatischen Bildbearbeitung ausgerichtet. Das Verfahren beinhaltet das Empfangen eines Kandidatenbildes durch eines oder mehrere Rechengeräte. Das Kandidatenbild ist mit einem oder mehreren Bilderkategorie-Parametern verknüpft. Das Verfahren beinhaltet außerdem die Erfassung von einem oder mehreren Pixelgruppen im Kandidatenbild durch das eine oder die mehreren Rechengeräte. Das Verfahren beinhaltet außerdem das Verknüpfen von jeder der einen oder mehreren Pixelgruppen im Kandidatenbild mit semantischen Daten durch das eine oder die mehreren Rechengeräte. Die semantischen Daten werden zumindest teilweise basierend auf dem einen oder den mehreren Bildkategorieparametern des Kandidatenbilds ermittelt, oder auf Daten, die auf Inhalte der Pixelgruppe hinweisen. Das Verfahren beinhaltet außerdem den Empfang einer Vielzahl von Regulierungsparametern durch das eine oder die mehreren Rechengeräte, wobei die Regulierungsparameter zumindest teilweise basierend auf zumindest einem Referenzbild bestimmt werden. Das zumindest eine Referenzbild wird zumindest teilweise basierend auf den semantischen Daten der einen oder der mehreren Pixelgruppen im Kandidatenbild bezeichnet. Das Verfahren beinhaltet außerdem die Bearbeitung der einen oder mehreren Pixelgruppen im Kandidatenbild, die zumindest teilweise auf der Vielzahl von Regulierungsparametern basieren, um ein bearbeitetes Bild zu erzeugen.
- Das computerimplementierte Verfahren bzw. System der vorliegenden Offenbarung kann eine Anzahl von technischen Vorteilen bieten. Durch das Erfassen beispielsweise einer oder mehrerer Pixelgruppen in einem Bild und das Bearbeiten der Pixelgruppen basierend auf den empfangene Regelparametern kann ein verbessertes Bild erzeugt werden, ohne dass das gesamte Bild bearbeitet werden muss, sodass eventuell Verarbeitungsressourcen eingespart werden können. Außerdem ermöglicht dies die unterschiedliche Bearbeitung verschiedener Pixelgruppen, sodass für jede der verschiedenen Pixelgruppen entsprechende Einstellungen vorgenommen werden können. Dies kann, verglichen mit einem Bild, das durch die gleiche Bearbeitung des gesamten Bildes bereitstellt wurde, für eine verbesserte Bildbearbeitung sorgen. Zusätzlich kann die Menge der übertragenen Daten im System durch Bestimmen der Regelparameter basierend auf einem oder mehreren auf semantischen Daten aufgebauten Referenzbildern reduziert werden, verglichen mit beispielsweise einem System, in dem das ganze Bild übertragen und analysiert werden muss, um die Regelparameter zu identifizieren. Des Weiteren kann die Benutzung von semantischen Daten, die mit einem Subjektbild zum Erkennen von Referenzbildern verknüpft sind, die Wahrscheinlichkeit erhöhen, dass besonders relevante Referenzbilder gefunden werden können. Demnach können die auf der Basis der Referenzbilder bestimmten Regelparameter besonders zweckmäßig sein, sodass als Ergebnis ein qualitativ hochwertiges bearbeitetes Bildes entsteht.
- Andere Aspekte der vorliegenden Offenbarung sind an Systeme, Vorrichtungen, materielle, nichtflüchtige computerlesbare Datenträger, Benutzerschnittstellen und Geräte zur automatischen Bildbearbeitung gerichtet.
- Diese und andere Merkmale, Aspekte und Vorteile verschiedener Ausführungsformen werden besser in Bezug auf die folgende Beschreibung und angefügten Ansprüche verstanden werden. Die beigefügten Zeichnungen, die in diese Beschreibung einbezogen sind und einen Teil dieser darstellen, illustrieren Ausführungsformen der vorliegenden Offenbarung und dienen zusammen mit der Beschreibung dazu, die damit verbundenen Prinzipien zu erklären.
- KURZE BESCHREIBUNG DER ZEICHNUNGEN
- Eine ausführliche Erörterung der Ausführungsformen, die auf Fachleute auf dem Gebiet gerichtet sind, wird in der Beschreibung dargelegt, die Bezug auf die beigefügten Figuren nimmt, in denen:
-
1 stellt ein exemplarisches Rechengerät dar, das nach den exemplarischen Ausführungsformen der vorliegenden Offenbarung ein Bildaufnahmegerät hat. -
2 stellt ein exemplarisches Kandidatenbild nach den exemplarischen Ausführungsformen der vorliegenden Offenbarung dar. -
3 stellt ein exemplarisches bearbeitetes Bild nach den exemplarischen Ausführungsformen der vorliegenden Offenbarung dar. -
4 stellt ein Flussdiagramm eines exemplarischen Verfahrens zum automatischen Bearbeiten eines Bildes nach den exemplarischen Ausführungsformen der vorliegenden Offenbarung dar. -
5 stellt ein Flussdiagramm eines exemplarischen Verfahrens zum Bestimmen eines Referenzbildes nach den exemplarischen Ausführungsformen der vorliegenden Offenbarung dar. -
6 stellt ein Flussdiagramm einer exemplarischen Client-Server-Implementierung nach den exemplarischen Ausführungsformen der vorliegenden Offenbarung dar. -
7 stellt ein exemplarisches Rechnersystem nach den exemplarischen Ausführungsformen der vorliegenden Offenbarung dar. - DETAILLIERTE BESCHREIBUNG
- Wörterverzeichnis
- Bildkategorieparameter: Daten, die mit den Inhalten oder dem Kontext eines Bildes, einer Pixelgruppe und/oder einem Teil davon verknüpft sind. Beispiele von Bildkategorieparametern beinhalten Zeitstempel, Geolokation, mit Bildern verknüpfte Metadaten oder automatische Bildklassifizierungen.
- Pixelgruppe: Ein Bildbereich mit Pixeln, die zu einer gemeinsamen Einheit gehören. Beispiele einer Pixelgruppe beinhalten Pixel, die mit einer Person, einem Ort, einem Objekt, oder einer Szene oder mit Teilen davon verknüpft sind.
- Regelparameter: Ein Parameter, der eines oder mehrere Merkmale eines Verarbeitungsvorgangs eines Bildes bestimmt. Regelparameter beinhalten Bildsteuerungen, Bildfilter oder Bildwandler.
- Fehlerhaftes Bild: Ein Bild, das Eigenschaften oder Merkmale aufweist, die veranlassen, dass das Bild von Benutzern als Referenzbild abgelehnt wird. Beispiele von fehlerhaften Bildern beinhalten ein kreatives Blitzlicht oder einen kreativen Filter.
- Kreatives Blitzlicht: Ein mit einem Bild verknüpftes Blitzlicht, das dem Bild bestimmte visuelle Eigenschaften oder Merkmale gibt, die sich davon unterscheiden, wie der Bildinhalt vom menschlichen Auge gesehen wird.
- Kreative Filter: Ein mit einem Bild verknüpfter Filter, der dem Bild bestimmte visuelle Eigenschaften oder Merkmale gibt, die sich davon unterscheiden, wie der Bildinhalt vom menschlichen Auge gesehen wird.
- Bildsteuerung: Ein mit einem Bild verknüpfter Parameter, der ein visuelles Merkmal des Bildes bestimmt, darunter unter anderem Sättigung, Helligkeit oder Kontrast.
- Ähnlichkeitsbewertung: Elektronische Daten, die eine Ähnlichkeit zwischen Bilderkategorie-Parametern von zwei oder mehreren Bildern anzeigen.
- Bildqualitätsbewertung: Ein mit einem Bild verknüpfter Parameter, der den Qualitätsgrad des Bildes anzeigt.
- Überblick
- Bezug wird nun im Detail auf Ausführungsformen genommen werden, von denen ein oder mehrere Beispiele in den Zeichnungen dargestellt sind. Jedes Beispiel wird zur Erläuterung der Ausführungsformen bereitgestellt, nicht zur Beschränkung der Erfindung. Tatsächlich ist für Fachleute ersichtlich, dass diverse Modifikationen und Variationen an den Ausführungsformen durchgeführt werden können, ohne vom Umfang oder Geist der vorliegenden Offenbarung abzuweichen. Zum Beispiel können Merkmale, die als Teil einer Ausführungsform veranschaulicht oder beschrieben werden, mit einer anderen Ausführungsform verwendet werden, um eine noch weitere Ausführungsform zu erreichen. Deshalb ist beabsichtigt, dass Aspekte der vorliegenden Offenbarung solche Modifikationen und Variationen abdecken.
- Exemplarische Aspekte der vorliegenden Offenbarung sind auf automatische Bearbeitung eines Bildes gerichtet, das beispielsweise durch ein Bildaufnahmegerät aufgenommen wurde. Das Aufnehmen von qualitativ hochwertigen Bildern kann eine schwierige Aufgabe sein. Der Fotograf kann beispielsweise durch die Kameraausrüstung, die verfügbare Beleuchtung und sogar durch seine eigenen Fähigkeiten als Fotograf eingeschränkt sein. Insbesondere kann es für ein Bildaufnahmegerät, das mit einem mobilen Rechengerät, wie einem Smartphone, verknüpft ist, schwierig sein, ein Bild mit Farben und Kontrasten, wie es von dem menschlichen Auge gesehen wird, aufzunehmen. Die Bildqualität kann durch eine geeignete Kameraeinstellung, wie beispielsweise Weißabgleich, Blitzlicht, Belichtungszeit-Messpunkte usw. beeinflusst werden. Die Bildqualität kann außerdem durch Kameratechnologien, wie hochdynamische Bildgebung (High Dynamic Range Imaging, HDR) und/oder Nachtbearbeitungssoftware, verbessert werden, wodurch die Einstellung von Bildparametern, wie beispielsweise Sättigung, Helligkeit und Kontrast, und die Anwendung verschiedener Filter oder Wandler, auf das Bild ermöglicht werden. Jedoch sind solche Bildbearbeitungstechniken nicht immer leicht zugänglich oder zu zeitaufwendig oder schwierig für die meisten Benutzer.
- Hinsichtlich der oben beschriebenen speziellen Herausforderungen stellen die offenbarten Ausführungsformen Funktionen für die automatische Bildbearbeitung bereit. Spezifische Algorithmen zum Anpassen von Bildern werden basierend auf einem breiten Spektrum von Eingaben und Datenquellen ausgeführt. Insbesondere kann auf ein Kandidatenbild zur Bearbeitung zugegriffen werden. Zumindest ein Referenzbild kann zum Bestimmen einer Vielzahl von Regelparametern bezeichnet und genutzt werden. Basierend auf der Vielzahl der Regelparameter können eine oder mehrere Pixelgruppen im Kandidatenbild bearbeitet werden, um ein bearbeitetes Bild zu erzeugen. Solche Ausführungen können die Bildqualität verbessern und eine intelligente, benutzerfreundliche Bildbearbeitungstechnik bereitstellen, die für jedes individuelle Bild maßgeschneidert ist.
- Gemäß den exemplarische Aspekten der vorliegenden Offenbarung kann mittels Aufnahme mit einem Bildaufnahmegerät (z. B. Digitalkamera) ein Kandidatenbild erzeugt werden. Das Kandidatenbild kann auf einem tragbaren Rechengerät gespeichert werden, das mit einem Benutzer verknüpft ist, oder kann von einer Bilddatenbank abgerufen werden. Das Kandidatenbild kann mit einem oder mehreren Bildkategorieparametern verknüpft werden. Der eine oder die mehreren Bildkategorieparameter können beispielsweise eine Geolokation, einen Zeitabdruck, explizite vom Benutzer hinzugefügte Metadaten (z. B. Titel, Beschreibung, Hashtags), andere mit dem Bild verknüpfte Metadaten (z. B. Bemerkungen auf einem Post, mit dem das Bild verknüpft ist), und/oder automatische Bildklassifizierungen beinhalten.
- Nachdem das Kandidatenbild bezogen wurde, können eine oder mehrere Pixelgruppen in einem Kandidatenbild ermittelt werden. Eine Pixelgruppe kann einen Teil des Kandidatenbilds oder sogar das ganze Kandidatenbild beinhalten. Die eine oder mehreren Pixelgruppen können dann mit semantischen Daten verknüpft werden, die auf den Inhalt einer oder mehrerer Pixelgruppen hinweisen. Die semantischen Daten können zumindest teilweise oder ganz basierend auf dem einen oder den mehreren Bildkategorieparametern des Kandidatenbildes und/oder den Daten, die auf den Inhalt einer Pixelgruppe hinweisen, bestimmt werden.
- Sobald die semantischen Daten mit der einen oder den mehreren Pixelgruppen verknüpft wurden, kann eine Vielzahl von Regelparametern zumindest teilweise basierend auf zumindest einem Referenzbild erlangt werden. Das zumindest eine Referenzbild kann zumindest teilweise basierend auf semantischen Daten der einen oder den mehreren Pixelgruppen bezeichnet werden. Insbesondere kann auf eine Vielzahl von Bildern aus einer Bilddatenbank zugegriffen werden. Aus der Vielzahl von Bildern kann zumindest ein Referenzbild bezeichnet werden, zumindest teilweise basierend auf den semantischen Daten der einen oder mehreren Pixelgruppen im Kandidatenbild und/oder dem einen oder mehreren Bildkategorieparametern des Kandidatenbilds.
- In einer exemplarischen Ausführungsform kann das zumindest ein Referenzbild bezeichnet werden, zumindest teilweise basierend auf einer Ähnlichkeitsbewertung zwischen einem oder den mehreren Bildkategorieparametern von jedem Bild aus der Vielzahl an Bildern und dem Kandidatenbild. Das zumindest eine Referenzbild kann zusätzlich oder alternativ zumindest teilweise basierend auf Bildqualität bezeichnet werden. Insbesondere kann das Identifizieren von zumindest einem Referenzbild das Vergleichen eines Bildes aus der Vielzahl der Bilder mit einem Bildqualitätsschwellenwert beinhalten. Der Bildqualitätsschwellenwert kann auf einen Qualitätsgrad hinweisen, den jedes Bild aus der Vielzahl der Bilder aufweisen muss, um als Referenzbild bezeichnet zu werden. Nachdem der Bildqualitätsschwellenwert bestimmt wurde, kann die Bestimmung der Bildqualitätsbewertung für jedes Bild aus der Vielzahl der Bilder erfolgen. Eine Bildqualitätsbewertung kann beispielsweise zumindest teilweise auf einer Benutzerfeedback-Bewertung basieren, der sich auf das Bild bezieht.
- Ein Vergleich kann dann zwischen der Bildqualitätsbewertung für jedes Bild aus der der Vielzahl von Bildern und dem Bildqualitätsschwellenwert angestellt werden. Die Bilder mit Bildqualitätsbewertung über dem Bildqualitätsschwellenwert können als Referenzbilder bezeichnet werden, während die Bilder mit einer Bildqualitätsbewertung unter dem Bildqualitätsschwellenwert abgelehnt werden können. In einer exemplarischen Ausführungsform können fehlerhafte Referenzbilder auch für die Analyse abgelehnt werden. Fehlerhafte Bilder können Bilder sein, die eine Qualität oder eine Eigenschaft aufweisen, derentwegen das Bild von der Nutzung als Referenzbild ausgeschlossen wird, und können beispielsweise Bilder beinhalten, bei denen ein kreativer Filter oder ein kreatives Blitzlicht angewendet wurde. Ein kreativer Filter oder ein kreatives Blitzlicht können ein mit einem Bild verknüpften Filter oder verknüpften Blitzlicht sein, die dem Bild bestimmte visuelle Qualitäten oder Eigenschaften geben, die sich inhaltlich davon unterscheiden, wie das Bild vom menschlichen Auge gesehen wird.
- Eine Vielzahl von Regelparametern kann zumindest teilweise basierend auf dem zumindest einen bezeichneten Referenzbild bestimmt werden. Insbesondere kann die Vielzahl von Regelparametern zumindest teilweise basierend auf einem oder mehreren Bildqualitätsparametern von zumindest einem Referenzbild bestimmt werden. Die Vielzahl der Regelparameter kann beispielsweise Bildsteuerungen (z. B. Sättigung, Helligkeit, Kontrast, Schärfe) und/oder verschiedene mit dem Bild verknüpfte Filter oder Wandler beinhalten. Die eine oder mehreren Pixelgruppen des Kandidatenbilds können basierend zumindest teilweise auf der empfangenen Vielzahl der Regelparameter beispielsweise mit Nachbearbeitungstechniken bearbeitet werden. Die Nachbearbeitungstechniken können beispielsweise die Adaption von lokalisierten Spektren (z. B. RGB, HSV) und die Anwendung eines Normalisierungsverfahrens auf die eine oder die mehreren Pixelgruppe des Kandidatenbildes beinhalten. Das bearbeitete Bild kann dann beispielsweise zur Anzeige auf einem tragbaren Rechengerät bereitstellt werden.
- In einer speziellen Ausführung kann das bearbeitete Bild in der Datenbank bereitgestellt werden, sodass das bearbeitete Bild als Referenzbild für andere Kandidatenbilder bezeichnet werden kann. Auf das bearbeitete Bild kann beispielsweise als Teil einer Vielzahl von Bildern zugegriffen werden, und dieses kann entsprechend den exemplarischen Aspekten der derzeitigen Offenbarung als Referenzbild bezeichnet werden.
- In einer anderen speziellen Ausführung kann die Vielzahl von Regelparametern ohne das Benutzen von bezeichneten Referenzbildern bestimmt werden. Insbesondere kann die Vielzahl der Regelparameter basierend auf semantischen Daten, die mit dem einen oder den mehreren Pixelgruppen verknüpft sind, bestimmt werden. Die semantischen Daten können Eigenschaften identifizieren, die mit der einer oder den mehreren Pixelgruppen verknüpft sind, wie beispielsweise Farbe, Textur, Form usw. von einer bestimmten Einheit, die in einer Pixelgruppe dargestellt ist. In einer speziellen Ausführung können die semantischen Daten automatische Bildklassifizierungen zum Identifizieren von Merkmalen und/oder Klassifizierungsmodelle von einer Pixelgruppe benutzen. Die semantischen Daten können beispielsweise durch Nutzung von Bildklassifizierungen anzeigen, dass ein Teller in einem bestimmten Restaurant eine bestimmte Farbe hat. Die semantischen Daten können dann zum Bestimmen einer Vielzahl von Regelparametern benutzt werden, die während der Bearbeitung des Kandidatenbilds angewendet werden.
- Entsprechend einer exemplarischen Ausführung kann ein Benutzer ein Kandidatenbild von einem Stück Tiramisu im Lieblingsrestaurant des Benutzers mit der Digitalkamera im Smartphone des Benutzers aufnehmen. Das Kandidatenbild kann verknüpfte Metadaten aufweisen (z. B. Geocoding), die anzeigen, dass das Bild ein Stück Tiramisu in einer bestimmten Trattoria in Boston, Massachusetts, darstellt. Der Benutzer kann auf eine Smartphone-Anwendung des Benutzers zugreifen. Die Anwendung kann den Benutzer veranlassen, eine verbesserte Bildversion anzufordern. Der Benutzer kann dann durch Interaktion mit der Anwendung ein verbessertes Bild anfordern. Als Antwort auf die Benutzeranforderung kann das Kandidatenbild, entsprechend der exemplarischen Ausführung der vorliegenden Offenbarung bearbeitet werden und das bearbeitete Bild dem Benutzer zur Verfügung gestellt werden.
- In alternativen Ausführungen kann das Bild automatisch, entsprechend den exemplarischen Aspekten der vorliegenden Offenbarung basierend auf den Eingabeeinstellungen des Benutzers bearbeitet werden. Ein Benutzer kann beispielsweise die mit der Anwendung verknüpften Einstellungen regeln, um zu bestimmen, dass einige oder alle mit dem Bildaufnahmegerät im Smartphone des Benutzers aufgenommenen Bilder wenn möglich entsprechend dem exemplarischen Aspekt der vorliegenden Offenbarung bearbeitet werden. Auf diesem Weg kann der Benutzer verbesserte Bilder der auf dem Benutzergerät aufgenommenen Bilder erlangen.
- Bildbearbeitungsbeispiel
- Exemplarische Aspekte der vorliegenden Offenbarung werden nun mit Bezug auf die Abbildungen aufgeführt.
1 stellt ein exemplarisches tragbares Rechengerät102 entsprechend der exemplarischen Ausführung der vorliegenden Offenbarung dar. Das tragbare Rechengerät102 kann ein Bildaufnahmegerät von Bildern104 beinhalten. Das Bildaufnahmegerät104 kann eine digitale Kamera zum Aufnehmen von Bildern und/oder Video sein. Tragbare Rechengeräte102 können auch eine Anwendung beinhalten, bei der ein Benutzer ein verbessertes Bild anfordern kann. Die Anwendung kann zum Bereitstellen einer Benutzerschnittstelle, wie beispielsweise Benutzerschnittstelle106 , benutzt werden. Die Benutzerschnittstelle106 kann beispielsweise ein Kandidatenbild, verschiedene Kameraparameter, und/oder verschiedene Kameraeinstellungen anzeigen. Die Benutzerschnittstelle106 kann außerdem eine Bildverbesserungsoption108 anzeigen. Die Bilderbesserungsoption108 kann einen Benutzer veranlassen, eine verbesserte Version des Kandidatenbilds anzufordern. Entsprechend kann ein mit einem tragbaren Rechengerät102 verbundener Benutzer durch Interaktion mit einer Bildverbesserungsoption108 eine verbesserte Version eines Kandidatenbilds anfordern und als Antwort kann ein bearbeitetes Bild entsprechend den exemplarischen Aspekten der vorliegenden Offenbarung bereitgestellt werden. Das bearbeitete Bild kann dann durch das tragbare Rechengerät102 zur Anzeige in der Benutzerschnittstelle106 bereitgestellt werden. - In einer exemplarischen Ausführung können bei Anforderung einer verbesserten Version eines Kandidatenbilds durch einen Benutzer eine oder mehrere Pixelgruppen im Kandidatenbild ermittelt werden. So wird beispielsweise auf
2 stellt ein exemplarisches Kandidatenbild200 dar, in dem eine oder mehrere Pixelgruppen ermittelt wurden. Das Kandidatenbild200 kann durch ein Bildaufnahmegerät, wie das Bildaufnahmegerät102 in FIG., aufgenommenen werden. 1. Das Kandidatenbild200 stellt ein Stück Tiramisu Dessert210 im Kontext einer Restaurantumgebung dar. Die Ränder der ermittelten Pixelgruppe in2 sind durch unterbrochene Linien dargestellt. Wie abgebildet, beinhaltet Kandidatenbild200 eine Pixelgruppe202 , die einen Tisch darstellt, und eine Pixelgruppe204 , die einen Teller dargestellt. Das Tiramisu210 kann, abhängig von den verschiedenen Farben und Texturen des Tiramisu, in mehrere Pixelgruppen getrennt werden. Die Pixelgruppe206 stellt beispielsweise eine Schicht des Tiramisu210 dar und die Pixelgruppe208 stellt eine andere Schicht dar. Sobald die verschiedenen Pixelgruppen im Kandidatenbild200 erfasst wurden, kann eine Vielzahl von Regelparametern, die einem exemplarischen Aspekt der vorliegenden Offenbarung entsprechen, bestimmt werden. Eine oder mehrere Pixelgruppen im Kandidatenbild200 können dann, basierend auf der Vielzahl von Regelparametern, bearbeitet werden, um ein bearbeitetes Bild zu erzeugen. -
3 stellt beispielsweise ein bearbeitetes Bild300 entsprechend der exemplarischen Ausführung der vorliegenden Offenbarung dar. Insbesondere kann ein verarbeitetes Bild eine oder mehrere Pixelgruppen darstellen, die den Pixelgruppen im Kandidatenbild entsprechen. In3 stellt beispielsweise ein bearbeitetes Bild300 die bearbeitete Pixelgruppen308 und310 dar, das den Pixelgruppen208 und210 bezüglich des Kandidatenbilds200 entspricht. Bearbeitete Pixelgruppen sind in3 durch höhere Strichstärke, wie beispielsweise die stärkere Linienbreite des Tiramisu310 , dargestellt. Die Pixelgruppen308 und310 können bearbeitet werden, indem verschiedene für jede einzelne Pixelgruppe geeignete Regelparameter benutzt werden. Obwohl das bearbeitete Bild300 nur zwei bearbeitete Pixelgruppen darstellt, wird der versierte Fachmann erkennen, dass jede beliebige Anzahl von erfassten Pixelgruppen im Kandidatenbild200 nach den exemplarischen Ausführungsformen der vorliegenden Offenbarung bearbeitet sein kann. - Exemplarische Verfahren zum Bearbeiten von Bildern
-
4 stellt ein exemplarisches Verfahren (400 ) zum automatischen Bearbeiten eines Bildes nach den Ausführungsformen der vorliegenden Offenbarung dar. Verfahren (400 ) kann durch eines oder mehrere Rechengeräte, wie das eine oder die mehreren in FIG. dargestellten Rechengeräte ausgeführt werden. 6. Zusätzlich zeigt4 Schritte, die zu Darstellungs- und Erörterungszwecken in einer bestimmten Reihenfolge ausgeführt werden müssen, ab. Durchschnittsfachleute werden unter Verwendung der hierin bereitgestellten Offenbarungen verstehen, dass die verschiedenen Schritte eines beliebigen der hierin offenbarten Verfahren auf verschiedene Weisen weggelassen, adaptiert, modifiziert, umgeordnet oder erweitert werden können, ohne vom Umfang der vorliegenden Offenbarung abzuweichen. - In (
402 ) kann Verfahren400 das Empfangen eines Kandidatenbildes beinhalten. Das Kandidatenbild kann durch ein Bildaufnahmegerät aufgenommen werden und kann ein festes Bild oder ein mobiles Bild, wie beispielsweise ein Video oder ein Spielfilm sein. Das Bildaufnahmegerät kann beispielsweise mit einem mobilen Rechengerät, wie einem Smartphone oder Tablet, verknüpft sein. Das Kandidatenbild kann einen oder mehrere verknüpfte Bildkategorieparameter aufweisen. Der eine oder die mehreren Bildkategorieparameter können sich auf den Inhalt oder den Kontext des Bildes beziehen. Der eine oder die mehreren Bildkategorieparameter können beispielsweise den Standort des Bildes, den Zeitstempel zur Anzeige von Datum und Uhrzeit der Aufnahme, beschreibende Metadaten, die vom Benutzer hinzugefügt wurden (z. B. Titel, Beschreibung, Hashtags) oder mit dem Bild verknüpften Metadaten (z. B. Kommentare zu einem mit einem Bild verknüpften Post) und/oder automatische Bildklassifizierungen beinhalten. - Das Kandidatenbild kann auch einen oder mehrere verknüpfte Bildqualitätsparameter haben. Der eine oder die mehreren Bildqualitätsparameter können sich auf ein visuelles Merkmal des Bildes beziehen. Der eine oder die mehreren Bildqualitätsparameter können sich beispielsweise auf Farbe, Textur, und/oder andere visuelle Merkmale eines Bildes beziehen und können Bildsteuerungen und/oder verschiedene mit dem Bild verknüpfte Filter oder Transformationen beinhalten. Die Bildqualitätsparameter können auch anzeigen, ob das Bild mit einem Blitzlicht aufgenommenen wurde.
- In (
404 ) kann das Verfahren (400 ) das Erfassen einer oder mehrerer Pixelgruppen im Kandidatenbild beinhalten. Eine Pixelgruppe kann eine Bildregion mit Pixeln sein, die zu einer Gesamteinheit gehören, wie beispielsweise einschließlich aber nicht begrenzt auf eine normale Person, einen Ort, einen Gegenstand, oder eine Szene oder Teile davon. Eine Pixelgruppe kann sich räumlich mit einer andern Pixelgruppe überlappen. Ein Teil eines Bildes, das beispielsweise in einer Pixelgruppe beinhaltet ist kann entsprechend den exemplarischen Aspekten der vorliegenden Offenbarung auch in einer anderen Pixelgruppe beinhaltet sein. Pixelgruppen können verschiedene Regionen eines Bildes trennen und können beispielsweise durch Kantenerkennung und/oder lokale Klassifizierungstechnologien ermittelt werden. Insbesondere können Pixelgruppen ermittelt werden, die verschiedene Einheiten, wie beispielsweise einen Tisch oder einen Essensteller, in einem Bild trennen. Pixelgruppen können außerdem durch diese verschiedenen abgetrennten Teile einer einzelnen Einheit ermittelt werden. Ein Stück Tiramisu Dessert kann beispielsweise, zumindest teilweise basierend auf Farben und/oder Texturen des Tiramisu, in vielfache Pixelgruppen getrennt werden. - In (
406 ) kann Verfahren (400 ) das Verknüpfen der einen oder der mehreren Pixelgruppen mit semantischen Daten beinhalten. Die semantischen Daten können, zumindest teilweise basierend auf dem einem oder den mehreren Bildkategorieparametern des Kandidatenbilds, bestimmt werden. Semantische Daten können Daten sein, die eine Einheit beschreiben, die mit einer Pixelgruppe verknüpft sind, und können beispielsweise eine semantische Kennzeichnung umfassen. Eine semantische Kennzeichnung kann Daten enthalten, die auf die Inhalte einer Pixelgruppe hinweisen. Der versierte Fachmann wird erkennen, dass die Verknüpfung von der einen oder den mehreren Pixelgruppen mit semantischen Daten durch einen Benutzer oder einem Rechengerät, wie beispielsweise für automatische Bildklassifizierungen, durchgeführt werden kann. - In (
408 ) beinhaltet das Verfahren (400 ) den Empfang einer Vielzahl von Regelparametern, die zumindest teilweise auf zumindest einem Referenzbild basieren. Insbesondere kann auf eine Vielzahl von Bildern zugegriffen werden, und das zumindest eine Referenzbild kann aus der Vielzahl von Bildern basierend auf semantischen Daten der einen oder den mehren Pixelgruppen im Kandidatenbild bezeichnet werden. Das zumindest eine Referenzbild kann beispielsweise zumindest teilweise durch eine Ähnlichkeitsbewertung bezeichnet werden. Eine Ähnlichkeitsbewertung kann auf eine Anzahl von Ähnlichkeiten hinweisen, und kann durch einen Vergleich von Bildkategorieparametern und semantischen Daten bestimmt sein, die mit dem Kandidatenbild und Bildkategorieparametern eines Bildes aus der Vielzahl der Bilder verknüpft sind. Wie oben beschrieben können Bildkategorieparameter Daten umfassen, die mit dem Inhalt oder Kontext eines Bildes verknüpft sind. Durch das Analysieren und Vergleichen der Bildkategorieparameter eines Bildes aus der Vielzahl der Bilder mit Bildkategorieparametern und semantischen Daten des Kandidatenbilds kann ein Ähnlichkeitswert zwischen den Bildern bestimmt werden. Ein Ähnlichkeitswert kann für jedes Bild aus der Vielzahl der Bilder bestimmt werden. Jedes Bild in der Vielzahl der Bilder, das einen höheren Ähnlichkeitswert als ein irgendein Schwellenwert für Ähnlichkeit hat, kann als Referenzbild bezeichnet werden. - Die Vielzahl der Regelparameter kann teilweise zumindest basierend auf einem Referenzbild bestimmt werden. Insbesondere können die Regelparameter zumindest teilweise basierend auf einem oder mehreren Bildqualitätsparametern bestimmt werden, die mit zumindest einem Referenzbild verknüpft sind. Jedes bezeichnete Bild kann einen oder mehreren verknüpfte Bildqualitätsparametern haben. Der eine oder die mehreren Bildqualitätsparameter können sich auf ein visuelles Merkmal des Bildes beziehen. Insbesondere können beispielsweise der eine oder die mehreren Bildqualitätsparameter sich auf Farbe, Textur und/oder visuelle Merkmale beziehen, und können Bildsteuerungen und/oder verschiedene mit einem Referenzbild verknüpfte Filter oder Wandler beinhalten. Die Vielzahl der Regelparameter kann zumindest teilweise basierend auf den Bildqualitätsparametern bestimmt werden, die zumindest teilweise auf den Bildqualitätsparametern des zumindest einen Referenzbildes basieren, und kann während der Bearbeitung eines Kandidatenbilds verwendet werden, wie in (
408 ) des Verfahrens (400 ), das unten detaillierter beschrieben wird. - In manchen Beispielen kann der Regelparameter durch eine Analyse der einen oder der mehreren Bildqualitätsparameter von einer beliebigen Kombination des zumindest einen Referenzbildes bestimmt werden. Der Regelparameter kann beispielsweise basierend auf einer Analyse der Teilmenge der Referenzbilder, die dem Kandidatenbild am ähnlichsten sind, oder einer Untergruppe der Referenzbilder, die die höchste Qualitätsbewertung haben, bestimmt werden.
- Das zumindest eine Referenzbild kann zumindest teilweise basierend auf einer Bildqualität bezeichnet werden. So wird beispielsweise auf
5 stellt ein Flussdiagramm eines exemplarischen Verfahrens (500 ) zum Identifizieren von zumindest einem Referenzbild dar. Ein Bild aus einer Vielzahl von Bildern kann nicht als ein Referenzbild bezeichnet werden wenn es nicht einer bestimmten Qualitätsstandard entspricht. Ein Bild kann beispielsweise verworfen werden, falls es verschwommen oder schlecht beleuchtet ist. Solche Bilder können nicht als zumindest ein Referenzbild bezeichnet werden und werden später von der Analyse beim Bestimmen der Regelparameter ausgeschlossen. - Entsprechend in (
502 ) beinhaltet das Verfahren (500 ) die Bezeichnung eines Bildqualitätsschwellenwerts. Der Bildqualitätsschwellenwert kann ein Indikator sein, der dazu benutzt wird, zu bestimmen, ob die Qualität eines Bildes ausreicht, um als Referenzbild verwendet zu werden. Der Bildqualitätsschwellenwert kann auf einen Basisqualitätsgrad hinweisen, den ein Bild treffen muss, um als Referenzbild bezeichnet zu werden. Insbesondere kann der Bildqualitätsschwellenwert auf einer Bewertung basieren, die als Funktion von mehreren Bildparametern bestimmt wird, wie beispielsweise Schärfe, verschwommene Linien, Helligkeit, Vergleich zu echten Farben, und/oder jeder andere beliebige geeignete Bildparameter. - In (
504 ) kann Verfahren (500 ) das Bestimmen einer Bildqualitätsbewertung für ein Bild aus einer Vielzahl von Bildern beinhalten. Eine Bildqualitätsbewertung kann auf den Qualitätsgrad eines Bildes hinweisen. Die Bildqualitätsbewertung kann beispielsweise auf einer Bewertung basieren, die als eine Funktion von verschiedenen Bildparametern bestimmt werden kann, wie beispielsweise Schärfe, verschwommene Pixel, Helligkeit, Vergleich mit echten Farben usw. In einer Ausführung kann die Bildqualitätsbewertung zumindest basierend auf Benutzerfeedback-Bewertungen, die sich auf das Bild beziehen, bestimmt sein. - In (
506 ) kann Verfahren (500 ) den Vergleich der Bildqualitätsbewertung des Bildes mit dem Bildqualitätsschwellenwert beinhalten. In (508 ) kann Verfahren (500 ) die Bestimmung beinhalten, ob das Bild als Referenzbild bezeichnet werden soll. Falls die Bildqualitätsbewertung des Bildes höher als der Bildqualitätsschwellenwert ist, dann kann das Bild als Referenzbild bezeichnet werden, aber wenn die Bildqualitätsbewertung geringer ist als der Bildqualitätsschwellenwert, kann das Bild zurückgewiesen werden. Zurückgewiesene Bilder können von der Analyse ausgeschlossen werden wenn Regelparameter bestimmt werden. - In (
510 ) kann das Verfahren (500 ) die Bestimmung beinhalten, ob alle Bilder aus der Vielzahl der Bilder mit dem Bildqualitätsschwellenwert verglichen wurden. Falls zumindest ein Bild aus der Vielzahl der Bilder noch mit dem Bildqualitätsschwellenwert verglichen werden muss, kann Verfahren (500 ) die Rückkehr zu (504 ) beinhalten. Das Verfahren (500 ) kann enden, wenn die ganze Vielzahl der Bilder mit dem Bildqualitätsschwellenwert verglichen wurde. Eine Vielzahl von Regelparametern kann dann wie in (408 ) des Verfahrens (400 ) wie oben beschrieben bestimmt werden. - Unter erneuter Bezugnahme auf
4 , in (410 ), kann das Verfahren (400 ) die Bearbeitung der einen oder der mehreren Pixelgruppen des Kandidatenbildes beinhalten, die zumindest teilweise auf der Vielzahl der Regelparameter basieren. Insbesondere können die Bildqualitätsparameter der einen oder mehreren Pixelgruppen des Kandidatenbilds zumindest teilweise basierend auf der Vielzahl der Regelparameter angepasst werden. Verschiedene Regelparameter können für jede verschiedene Pixelgruppe unabhängig bestimmt werden. Die Bearbeitung kann beispielsweise die Adaption von lokalisierten Spektren (z. B. RGB, HSV) beinhalten, und ein Normalisierungsverfahren auf die einen oder mehreren Pixelgruppen den Kandidatenbilds anwenden. Das Normalisierungsverfahren kann zumindest teilweise auf der Vielzahl der Regelparameter basieren. -
6 stellt ein exemplarisches Flussdiagramm einer Client-/Server-Interaktion zum Ausführen der Systeme und Verfahren der vorliegenden Offenbarung nach der exemplarischen Ausführungsform der vorliegenden Offenbarung dar. Die Client-Server-Interaktion kann beispielsweise durch das Computersystem von FIG. ausgeführt werden. 7. Jedoch wird der versierte Fachmann erkennen, dass die Systeme und Verfahren der vorliegenden Offenbarung durch verschiedene andere Interaktionen und durch verschiedene andere passende Computersysteme, wie beispielsweise einzelne Computersysteme, ausgeführt werden können. - In (
602 ) kann ein tragbares Rechengerät ein Kandidatenbild aufnehmen. Das Kandidatenbild kann mit verschiedenen Bildkategorieparametern verknüpft werden, die den exemplarischen Ausführungsformen der vorliegenden Offenbarung entsprechen. In (604 ) kann das tragbare Rechengerät einen Benutzer veranlassen, eine Bildverbesserungsoption auszuwählen. In (606 ) kann das tragbare Rechengerät eine Benutzeranfrage für ein vergrößertes Bild empfangen. In (608 ) kann das tragbare Rechengerät die ermittelte Pixelgruppe mit semantischen Daten verknüpfen. In (610 ) kann das tragbare Rechengerät die Bildkategorieparameter und semantischen Daten zu einem Server senden. - In (
612 ) kann der Server die Bildkategorieparameter und semantische Daten empfangen. In (614 ) kann der Server zumindest ein Referenzbild zumindest teilweise basierend auf dem Bildkategorieparameter und den semantischen Daten identifizieren. In (616 ) kann der Server eine Vielzahl von Regelparametern zumindest teilweise basierend auf zumindest einem Referenzbild bestimmen. In (618 ) kann der Server die Vielzahl von Regelparametern zum tragbaren Rechengerät senden. - In (
620 ) kann das tragbare Rechengerät die Vielzahl der Regelparameter empfangen. In (622 ) kann das tragbare Rechengerät das Kandidatenbild zumindest teilweise basierend auf der Vielzahl der Regelparameter Bearbeiten. In (624 ) kann das tragbare Rechengerät das bearbeitete Bild anzeigen. - Exemplarisches Computersysteme zur Bildbearbeitung
-
7 stellt ein exemplarisches Computersystem700 dar, das zum Ausführen der Verfahren und Systeme benutzt wird, die den exemplarischen Aspekten der vorliegenden Offenbarung entsprechen. Das System700 kann durch die Benutzung einer Client-/Server-Architektur ausgeführt werden, die einen Server710 beinhaltet, der mit einem oder mehreren tragbaren Rechengeräten730 über ein Netzwerk740 kommuniziert. Das System700 kann durch die Benutzung von anderen geeigneten Architekturen, wie eines einzelnen Rechengeräts, ausgeführt werden. - Das System
700 beinhaltet einen Server710 , wie einen Webserver. Der Server710 kann ein geografisches Informationssystem hosten. Der Server710 kann auf jedem geeigneten Rechengerät implementiert sein. Der Server710 kann mit einem oder mehreren Prozessoren712 und einem Speicher714 bestückt sein. Der Server710 kann auch eine Netzwerkschnittstelle beinhalten, die zur Kommunikation mit einem oder mehreren tragbaren Rechengeräten730 über das Netzwerk740 benutzt werden kann. Die Netzwerkschnittstelle kann beliebige geeignete Komponenten zum Ankoppeln an ein oder mehrere Netzwerke beinhalten, die zum Beispiel Sender, Empfänger, Anschlüsse, Controller, Antennen oder andere geeignete Komponenten beinhalten. - Der eine oder die mehreren Prozessoren
712 können jedes geeignete Bearbeitungsgerät, wie einen Mikroprozessor, einen Mikrocontroller, einen integrierten Schaltkreis, ein logisches Gerät, oder ein anderes geeignetes Bearbeitungsgerät beinhalten. Der Speicher714 kann ein oder mehrere beliebige computerlesbare Medien beinhalten, die nicht begrenzt sind auf nichtflüchtige computerlesbare Datenträger, RAM, ROM, Festplattenlaufwerke, Speichersticks oder andere Speichergeräte. Der Speicher714 kann für den einen oder die mehreren Prozessoren712 zugängliche Informationen speichern, einschließlich computerlesbarer Anweisungen716 , die den durch einen oder die mehreren Prozessoren712 ausgeführt werden können. Die Anweisungen716 können eine Reihe von Anweisungen sein, die, wenn sie durch den einen oder die mehreren Prozessoren712 ausgeführt werden, den einen oder die mehreren Prozessoren712 dazu veranlassen, Operationen durchzuführen. Die Anweisungen716 können beispielsweise durch den einen oder die mehreren Prozessoren712 ausgeführt werden, um eine oder mehrere Module auszuführen, die dazu konfiguriert sind, ein Bearbeitungsmodul720 und/oder verschiedene Aspekte von jedem beliebigen der hier veröffentlichten Verfahren auszuführen. - Das Bearbeitungsmodul
720 kann zum Bearbeiten von Kandidatenbildern nach den exemplarischen Ausführungsformen der vorliegenden Offenbarung, konfiguriert werden. Das Bearbeitungsmodul720 kann eine oder mehrere Module, wie beispielsweise ein Pixelgruppenmodul, ein Regelparametermodul und/oder ein Referenzmodul, beinhalten. Das Pixelgruppenmodul kann zum Ermitteln von einer oder mehrerer Pixelgruppen in einem Kandidatenbild und zum Verknüpfen von Pixelgruppen mit semantischen Daten konfiguriert sein. Das Referenzmodul kann zum Bezeichnen von zumindest einem Referenzbild, entsprechend dem in FIG. dargestellten Verfahren konfiguriert sein. 5. Das Regelparametermodul kann zum Bestimmen einer Vielzahl von Regelparametern konfiguriert sein, die zumindest teilweise auf zumindest einem Referenzbild basieren. - Es versteht sich von selbst, dass der Begriff „Modul” sich auf eine Computerlogik bezieht, die verwendet wird, um die erwünschte Funktionalität bereitzustellen. Somit kann ein Modul in Hardware, anwendungsspezifischen Schaltungen, Firmware und/oder Software implementiert werden, mittels der denen ein Allzweckprozessor gesteuert wird. In einer Ausführungsform sind die Module Programmcode-Dateien, die auf dem Speichergerät gespeichert sind, in einen Speicher geladen werden und von einem Prozessor ausgeführt werden oder können von Computerprogramm-Produkten bereitgestellt werden, zum Beispiel computerausführbare Anweisungen, die in einem greifbaren computerlesbaren Speichermedium, wie RAM, Festplatte oder optischen oder magnetischen Medien, gespeichert sind. Wenn Software verwendet wird, kann eine beliebige geeignete Programmiersprache oder Plattform verwendet werden, um das Modul zu implementieren.
- Der Speicher
714 kann Daten718 beinhalten, die abgerufen, bearbeitet, erstellt oder durch den einen oder den mehreren Prozessoren712 gespeichert werden können. Die Daten718 können beispielsweise ein Kandidatenbild, eine Vielzahl von Bildern, semantische Daten, Regelparameter und andere Informationen beinhalten. Die Daten718 können in einer oder mehreren Datenbanken gespeichert werden. Die eine oder die mehreren Datenbanken können über ein LAN oder WAN mit hoher Bandbreite mit dem Server710 verbunden werden, oder auch über das Netzwerk740 mit dem Server710 verbunden werden. Die eine oder mehreren Datenbanken können so aufgeteilt sein, dass sie sich an mehreren Orten befinden. - Der Server
710 kann über das Netzwerk740 Daten mit einem oder mehreren tragbaren Rechengeräten730 austauschen. Obwohl in7 zwei tragbare Rechengeräte730 dargestellt sind, kann jede beliebige Anzahl von tragbaren Rechengeräten730 mit dem Server710 über das Netzwerk740 verbunden sein. Jedes der tragbaren Rechengeräte730 kann ein geeigneter Typ von Rechengerät, wie beispielsweise ein Allzweck-Computer, ein Computer für Spezialzwecke, ein Laptop, ein Desktop, ein Mobilfunkgerät, ein Smartphone, ein Tablet, ein tragbares Rechengerät, ein Anzeigegerät mit einem oder mehreren Prozessoren oder ein anderes passendes Rechengerät sein. - Ähnlich wie der Server
710 kann ein tragbares Rechengerät730 ein oder mehrere Prozessor(en)732 und einen Speicher734 beinhalten. Der eine oder die mehreren Prozessor(en)732 können eine oder mehrere zentrale Prozessoreinheiten (Central Processing Units, CPU), Grafikprozessoreinheiten (Graphics Processing Units, GNU) zum speziellen effizienten Erzeugen von Bildern und/oder andere Verarbeitungsgeräte beinhalten. Der Speicher734 kann eines oder mehrere computerlesbare Medien beinhalten und kann Informationen speichern, die für den einen oder die mehreren Prozessoren732 zugänglich sind, inklusive Anweisungen736 , die durch die eine oder die mehreren Prozessoren732 ausgeführt werden können, und Daten738 . Der Speicher734 kann beispielsweise Anweisungen736 zum Ausführen von Benutzerschnittstellenmodulen speichern, was die Bildaufnahmen erleichtert. - Das tragbare Rechengerät
730 von7 kann verschiedene Eingabe-/Ausgabegeräte zum Bereitstellen und Empfangen von Benutzerinformationen beinhalten, wie beispielsweise einen Touchscreen, ein Touchpad, Dateneingabetasten, einen Lautsprecher und/oder ein Mikrofon, das sich für Spracherkennung eignet. Das tragbare Rechengerät730 kann beispielsweise mit einer Anzeige735 bestückt sein, um die Bilder einem Benutzer anzuzeigen, und mit einem oder mehreren Bildaufnahmegeräten737 zur Aufnahme von Bildern. - Das tragbare Rechengerät
730 kann außerdem ein Positionierungssystem beinhalten. Das Positionierungssystem kann jedes Gerät oder Schaltkreis sein, das den Standort des rechnerfernen Geräts bestimmt. Das Positionierungssystem kann den aktuellen oder jeweiligen Standort, basierend auf der IP Adresse, durch ein Satellitennavigations-Positionierungssystem (z. B. ein GPS-System, ein Galileo-Positionierungssystem, das Globale Navigationssatellitensystem (Global Navigation Satellite System GLONASS), das BeiDou Satellitennavigations- und -positionierungssystem, ein Trägheitsnavigationssystem, ein Koppelnavigationssystem auf der Basis einer IP-Adresse, unter Nutzung von Triangulation und/oder der Nähe zu Mobilfunktürmen oder Wi-Fi Hotspots und/oder andere passende Techniken zur Standorterfassung, bestimmen. - Das tragbare Rechengerät
730 kann auch eine Netzwerkschnittstelle beinhalten, die zum Kommunizieren mit einem oder mehreren rechnerfernen Geräten (z. B. Server710 ) über das Netzwerk740 benutzt wird. Die Netzwerkschnittstelle kann beliebige geeignete Komponenten zum Ankoppeln an ein oder mehrere Netzwerke beinhalten, die zum Beispiel Sender, Empfänger, Anschlüsse, Controller, Antennen oder andere geeignete Komponenten beinhalten. - Das Netzwerk kann ein beliebiger Typ von Kommunikationsnetzwerk sein, wie ein lokales Netzwerk (z. B. Intranet), Weitverkehrsnetz (z. B. Internet), Funknetzwerk oder eine Kombination davon. Das Netzwerk
740 kann auch eine direkte Verbindung zwischen einem tragbaren Rechengerät730 und dem Server710 beinhalten. Im Allgemeinen kann die Kommunikation zwischen dem Server710 und einem tragbaren Rechengerät730 über eine Netzwerkschnittstelle erfolgen, die mit jeder Art von drahtgestützten und/oder drahtlosen Verbindungen arbeitet, unter Nutzung verschiedener Kommunikationsprotokolle (z. B. TCP/ICP, HTTP, SMTP, FTP), Verschlüsselungen oder Formate (z. B. HTML, XML), und/oder Schutzprogramme (z. B. VPN, sicheres HTTP, SSL). - Die hier besprochene Technologie nimmt Bezug auf Server, Datenbanken, Softwareanwendungen, und sonstige computergestützte Systeme, sowie auch unternommene Handlungen und die an und von derartigen Systemen und gesendeten Informationen. Der Durchschnittsfachmann auf diesem Gebiet wird erkennen, dass die naturgemäße Flexibilität computergestützter Systeme eine große Vielfalt an möglichen Konfigurationen, Kombinationen und der Aufteilung von Aufgaben und Funktionalitäten zwischen und unter den Komponenten ermöglicht. Die hierin diskutierten Serverprozesse können beispielsweise unter Verwendung eines einzelnen Servers oder mehrerer in Kombination betriebener Server umgesetzt werden. Datenbanken und Anwendungen können auf einem einzigen System oder auf mehrere Systeme verteilt, implementiert werden. Verteilte Komponenten können sequenziell oder parallel betrieben werden.
- Während der vorliegende Gegenstand im Detail unter Bezugnahme auf spezifische Ausführungsbeispiele beschrieben wurde, versteht es sich, dass Fachleute auf dem Gebiet nach Erlangen eines Verständnisses des Vorstehenden leicht Veränderungen an, Variationen von und Äquivalente zu solchen Ausführungsformen anfertigen können. Demgemäß ist der Umfang der vorliegenden Offenlegung nur exemplarisch und nicht begrenzend, und die betroffene Offenbarung schließt die Einbeziehung solcher Modifizierungen, Varianten und/oder Hinzufügungen des vorliegenden Gegenstands nicht aus, die für Fachleute problemlos offensichtlich sind.
Claims (23)
- Computerimplementiertes System zur automatischen Bildbearbeitung, das System ist dazu eingerichtet, folgendes zu umfassen: Empfangen eines Kandidatenbilds, durch ein oder mehrere Rechengeräte, worin das Kandidatenbild mit einem oder mehreren Bildkategorieparametern verknüpft ist; Erfassen, durch das eine oder die mehreren Rechengeräte, von einer oder mehreren Pixelgruppen im Kandidatenbild; Verknüpfen, durch das eine oder die mehreren Rechengeräte, von jeder der einen oder mehreren Pixelgruppen im Kandidatenbild mit semantischen Daten, die zumindest teilweise basierend auf dem einen oder mehreren Bildkategorieparametern des Kandidatenbildes oder Daten, die den Inhalt der Pixelgruppe anzeigen, bestimmt werden; Empfangen, durch den einen oder die mehreren Rechengeräte, einer Vielzahl von Einstellparametern, die zumindest teilweise basierend auf zumindest einem Referenzbild bestimmt werden, wobei das zumindest eine bezeichnete Referenzbild zumindest teilweise auf semantischen Daten der einen oder der mehreren Pixelgruppen im Kandidatenbild bestimmt wurde; und Bearbeiten, durch das eine oder die mehreren Rechengeräte, der einen oder mehren Pixelgruppen im Kandidatenbild, zumindest teilweise basierend auf der Vielzahl von Einstellparametern, um ein bearbeitetes Bild zu erzeugen.
- Computerimplementiertes System nach Anspruch 1, worin der eine oder die mehreren Bildkategorieparameter Metadaten umfassen, die mit einem Bild verknüpft sind.
- Computerimplementiertes System nach Anspruch 1 oder Anspruch 2, worin der eine oder die mehreren Bildkategorieparameter einen geografischen Standort umfassen, der mit einem Bild verknüpft ist.
- Computerimplementiertes System nach einem der vorhergehenden Ansprüche, worin das zumindest ein Referenzbild aus der Vielzahl der Bilder bezeichnet wird.
- Computerimplementiertes System nach Anspruch 4, worin das zumindest eine Referenzbild zumindest teilweise basierend auf einer Bildqualitätsbewertung als Referenzbild bezeichnet wird.
- Computerimplementiertes System nach Anspruch 4 oder 5, worin das zumindest eine Referenzbild zumindest teilweise basierend auf einer Ähnlichkeitsbewertung als Referenzbild bezeichnet wird, wobei die Ähnlichkeitsbewertung auf die Ähnlichkeit zwischen einem oder mehreren Bildkategorieparametern eines Bildes aus der Vielzahl der Bilder und dem einen oder den mehreren Bildkategorieparametern des Kandidatenbilds hinweisen.
- Computerimplementiertes System nach einem beliebigen der Ansprüche 4 bis 6, worin das bearbeite Bild zur Vielzahl der Bilder hinzugefügt wird.
- Computerimplementiertes System nach Anspruch 5, das außerdem das Zurückweisen von zumindest einem fehlerhaften Bild durch das eine oder die mehreren Rechengeräte umfasst.
- Computerimplementiertes System nach Anspruch 8, worin das zumindest eine fehlerhafte Bild ein Bild umfasst, das mit einem kreativen Blitzlicht aufgenommen wurde.
- Computerimplementiertes System nach Anspruch 8 oder Anspruch 9, worin das zumindest eine fehlerhafte Bild ein Bild umfasst, das mit einem kreativen Filter bearbeitet wurde.
- Computerimplementiertes System nach einem der vorhergehenden Ansprüche, worin die Vielzahl der Einstellparameter Bildsteuerungen umfasst.
- Computerimplementiertes System nach einem beliebigen der vorhergehenden Ansprüche, worin das Bearbeiten des Kandidatenbilds das Anwenden eines Normalisierungsverfahrens auf das Kandidatenbild umfasst.
- Computerimplementiertes System nach irgendeinem der vorstehenden Ansprüche, außerdem umfassend: Veranlassen eines Benutzers, durch das eine oder die mehreren Rechengeräte, eine Bildverbesserungsoption für das Kandidatenbild auszuwählen; Empfangen einer Benutzeranfrage, durch den einen oder die mehreren Rechengeräte, zum Bearbeiten des Kandidatenbildes; und Bereitstellen des bearbeiteten Bildes, durch das eine oder die mehreren Rechengeräte, als Antwort auf die Anfrage.
- Computerimplementiertes System zur automatischen Bildbearbeitung, wobei das System dazu eingerichtet ist, folgendes zu implementieren: Empfangen eines Kandidatenbildes, wobei das Kandidatenbild mit einem oder mehreren Bildkategorieparametern verknüpft ist; Erfassen einer oder mehrerer Pixelgruppen im Kandidatenbild; Verknüpfen jeder der einen oder mehreren Pixelgruppen im Kandidatenbild mit semantischen Daten, die zumindest teilweise auf dem einen oder den mehreren Bildkategorieparametern des Kandidatenbilds basieren; Empfangen einer Vielzahl von Einstellparametern, die zumindest teilweise auf den semantischen Daten basieren; und Bearbeiten der einen oder mehreren Pixelgruppen im Kandidatenbild, die zumindest teilweise auf der Vielzahl der Einstellparameter basieren, um ein bearbeitetes Bild zu erzeugen.
- Rechnersystem, das einen oder mehrere Prozessoren und ein oder mehrere computerlesbare Medien zur Speicherung von computerlesbaren Anweisungen umfasst, die wenn sie durch den einen oder die mehreren Prozessoren ausgeführt werden, den einen oder die mehreren Prozessoren veranlassen, das System nach jedem beliebigen der Ansprüche 1 bis 14 zu implementieren.
- Computerprogramprodukt, das computerlesbare Anweisungen enthält, die wenn sie durch den einen oder die mehreren Prozessoren ausgeführt werden, den einen oder die mehreren Prozessoren zur Implementierung des Systems nach einem beliebigen der Ansprüche 1 bis 14 veranlassen.
- Rechnersystem, umfassend: einen oder mehrere Prozessor(en); und ein oder mehrere computerlesbare Medien, die computerlesbare Anweisungen speichern, die bewirken, wenn sie vom einen oder den mehreren Prozessoren ausgeführt werden, dass der eine oder die mehreren Prozessoren Vorgänge durchführt, wobei die Vorgänge Folgendes umfassen: Empfangen eines Kandidatenbildes, wobei das Kandidatenbild mit einem oder mehreren Bildkategorieparametern verknüpft ist; Erfassen einer oder mehrerer Pixelgruppen im Kandidatenbild; Verknüpfen jeder der einen oder mehreren Pixelgruppen im Kandidatenbild mit semantischen Daten, die zumindest teilweise auf dem einen oder den mehreren Bildkategorieparametern des Kandidatenbilds oder Daten basieren, die auf den Inhalt der Pixelgruppe hinweisen; Empfangen einer Vielzahl von Einstellparametern, die zumindest teilweise auf zumindest einem Referenzbild basieren, wobei das zumindest eine Referenzbild zumindest teilweise basierend auf den semantischen Daten der einen oder der mehreren Pixelgruppen im Kandidatenbild bezeichnet wird; und Bearbeiten der einen oder mehreren Pixelgruppen im Kandidatenbild, die zumindest teilweise auf der Vielzahl der Einstellparameter basieren, um ein bearbeitetes Bild zu erzeugen.
- Rechnersystem nach Anspruch 17, worin das zumindest eine Referenzbild zumindest teilweise basierend auf einer Bildqualitätsbewertung als Referenzbild bezeichnet ist.
- Rechnersystem nach Anspruch 17 oder 18, worin der eine oder die mehreren Bildkategorieparameter Metadaten umfassen, die mit einem Bild verknüpft sind.
- Nicht-transitorisches computerlesbares Medium oder mehrere nicht-transitorische computerlesbare Medien, das bzw. die computerlesbare Anweisungen speichert bzw. speichern, die bewirken, wenn sie von einem oder mehreren Prozessoren ausgeführt werden, dass der eine oder die mehreren Prozessoren Vorgänge durchführt, wobei die Vorgänge Folgendes umfassen: Empfangen eines Kandidatenbildes, wobei das Kandidatenbild mit einem oder mehreren Bildkategorieparametern verknüpft ist; Erfassen einer oder mehrerer Pixelgruppen im Kandidatenbild; Verknüpfen jeder der einen oder mehreren Pixelgruppen im Kandidatenbild mit semantischen Daten, die zumindest teilweise auf dem einen oder den mehreren Bildkategorieparametern des Kandidatenbilds basieren; Empfangen einer Vielzahl von Einstellparametern, die zumindest teilweise auf den semantischen Daten basieren; und Bearbeiten der einen oder mehreren Pixelgruppen im Kandidatenbild, die zumindest teilweise auf der Vielzahl der Einstellparameter basieren, um ein bearbeitetes Bild zu erzeugen.
- Ein oder mehrere nichtflüchtige Medien nach Anspruch 20, worin die Vielzahl der Einstellparameter zumindest teilweise basierend auf einem Referenzbild bestimmt wird, wobei das zumindest eine Referenzbild zumindest teilweise basierend auf den semantischen Daten des einen oder der mehreren Pixelgruppen im Kandidatenbild bezeichnet wird.
- Ein oder mehrere nichtflüchtige computerlesbare Medien nach Anspruch 21, worin das zumindest eine Referenzbild zumindest teilweise basierend auf einer Bildqualitätsbewertung als Referenzbild bezeichnet ist.
- Ein oder mehrere nichtflüchtige computerlesbare Medien nach Anspruch 21 oder 22, worin das zumindest eine Referenzbild zumindest teilweise basierend auf einer Ähnlichkeitsbewertung als Referenzbild bezeichnet ist, wobei die Ähnlichkeitsbewertung auf die Ähnlichkeit zwischen einem oder mehreren Bildkategorieparametern eines Bildes aus der Vielzahl der Bilder und dem einen oder den mehreren Bilderkategorie-Parametern des Kandidatenbilds hinweist.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/560,094 US9171352B1 (en) | 2014-12-04 | 2014-12-04 | Automatic processing of images |
US14/560,094 | 2014-12-04 |
Publications (1)
Publication Number | Publication Date |
---|---|
DE202015009148U1 true DE202015009148U1 (de) | 2016-10-31 |
Family
ID=54328263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE202015009148.2U Active DE202015009148U1 (de) | 2014-12-04 | 2015-10-23 | Automatische Bearbeitung von Bildern |
Country Status (6)
Country | Link |
---|---|
US (1) | US9171352B1 (de) |
EP (1) | EP3047457A1 (de) |
KR (1) | KR101725884B1 (de) |
AU (1) | AU2015264915B1 (de) |
DE (1) | DE202015009148U1 (de) |
WO (1) | WO2016089502A1 (de) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10482091B2 (en) * | 2016-03-18 | 2019-11-19 | Oath Inc. | Computerized system and method for high-quality and high-ranking digital content discovery |
JP6872703B2 (ja) * | 2016-10-17 | 2021-05-19 | パナソニックIpマネジメント株式会社 | プログラム生成方法、プログラム生成装置および制御プログラム |
US10061984B2 (en) * | 2016-10-24 | 2018-08-28 | Accenture Global Solutions Limited | Processing an image to identify a metric associated with the image and/or to determine a value for the metric |
US11935285B1 (en) | 2017-06-02 | 2024-03-19 | Apple Inc. | Real-time synthetic out of focus highlight rendering |
US10410327B2 (en) | 2017-06-02 | 2019-09-10 | Apple Inc. | Shallow depth of field rendering |
CN110012210B (zh) * | 2018-01-05 | 2020-09-22 | Oppo广东移动通信有限公司 | 拍照方法、装置、存储介质及电子设备 |
US10896197B1 (en) * | 2018-05-22 | 2021-01-19 | Snap Inc. | Event detection system |
US10992845B1 (en) | 2018-09-11 | 2021-04-27 | Apple Inc. | Highlight recovery techniques for shallow depth of field rendering |
KR102114367B1 (ko) * | 2018-10-25 | 2020-05-22 | 카페24 주식회사 | 객체 영역 추출을 수행하는 인공 신경망을 위한 학습 데이터를 생성하는 방법 및 장치 |
CN112532856B (zh) * | 2019-09-17 | 2023-10-17 | 中兴通讯股份有限公司 | 一种拍摄方法、装置和*** |
US20220312059A1 (en) * | 2021-03-26 | 2022-09-29 | Social Labs, LLC | Systems and methods for media verification, organization, search, and exchange |
US11978271B1 (en) * | 2023-10-27 | 2024-05-07 | Google Llc | Instance level scene recognition with a vision language model |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6658139B1 (en) * | 1999-11-04 | 2003-12-02 | Eastman Kodak Company | Method for assessing overall quality of digital images |
JP2002112025A (ja) * | 2000-10-03 | 2002-04-12 | Fujitsu Ltd | 画像補正装置および補正方法 |
EP1814306B1 (de) * | 2000-10-06 | 2013-03-06 | Sony Corporation | Datenstapelverarbeitungssystem |
US20020172419A1 (en) | 2001-05-15 | 2002-11-21 | Qian Lin | Image enhancement using face detection |
US7092573B2 (en) | 2001-12-10 | 2006-08-15 | Eastman Kodak Company | Method and system for selectively applying enhancement to an image |
US7359572B2 (en) * | 2003-03-26 | 2008-04-15 | Microsoft Corporation | Automatic analysis and adjustment of digital images with exposure problems |
US8254674B2 (en) * | 2004-10-28 | 2012-08-28 | DigitalOptics Corporation Europe Limited | Analyzing partial face regions for red-eye detection in acquired digital images |
US7412105B2 (en) * | 2003-10-03 | 2008-08-12 | Adobe Systems Incorporated | Tone selective adjustment of images |
AU2005307724A1 (en) * | 2004-11-19 | 2006-05-26 | Triad Biometrics, Llc | Methods and systems for use in biomeiric authentication and/or identification |
JP2007166456A (ja) * | 2005-12-16 | 2007-06-28 | Fuji Xerox Co Ltd | 画像調整装置、画像調整方法及びプログラム |
US7813526B1 (en) | 2006-01-26 | 2010-10-12 | Adobe Systems Incorporated | Normalizing detected objects |
US7933454B2 (en) * | 2007-06-25 | 2011-04-26 | Xerox Corporation | Class-based image enhancement system |
US8340452B2 (en) * | 2008-03-17 | 2012-12-25 | Xerox Corporation | Automatic generation of a photo guide |
US8194992B2 (en) * | 2008-07-18 | 2012-06-05 | Xerox Corporation | System and method for automatic enhancement of seascape images |
US8111923B2 (en) | 2008-08-14 | 2012-02-07 | Xerox Corporation | System and method for object class localization and semantic class based image segmentation |
JP4927122B2 (ja) | 2009-06-15 | 2012-05-09 | シャープ株式会社 | 画像処理方法、画像処理装置、画像形成装置、プログラムおよび記録媒体 |
US8520967B2 (en) * | 2009-06-26 | 2013-08-27 | Nokia Corporation | Methods and apparatuses for facilitating generation images and editing of multiframe images |
US8224072B2 (en) | 2009-07-16 | 2012-07-17 | Mitsubishi Electric Research Laboratories, Inc. | Method for normalizing displaceable features of objects in images |
CN102236883A (zh) | 2010-04-27 | 2011-11-09 | 株式会社理光 | 图像增强方法和装置、物体检测方法和装置 |
EP2402867B1 (de) * | 2010-07-02 | 2018-08-22 | Accenture Global Services Limited | Computerimplementiertes Verfahren, Computerprogrammprodukt und Computersystem zur Bildverarbeitung |
WO2012112992A2 (en) * | 2011-02-18 | 2012-08-23 | Google Inc. | Facial recognition |
US8554011B2 (en) * | 2011-06-07 | 2013-10-08 | Microsoft Corporation | Automatic exposure correction of images |
US8458174B1 (en) | 2011-09-02 | 2013-06-04 | Google Inc. | Semantic image label synthesis |
US9014500B2 (en) * | 2012-01-08 | 2015-04-21 | Gary Shuster | Digital media enhancement system, method, and apparatus |
KR101431191B1 (ko) * | 2012-06-18 | 2014-08-18 | 인하대학교 산학협력단 | 영상보정 시스템, 영상보정방법 및 스마트 영상획득 장치 |
US9154709B2 (en) * | 2012-12-21 | 2015-10-06 | Google Inc. | Recommending transformations for photography |
US9489564B2 (en) * | 2013-07-11 | 2016-11-08 | Google Technology Holdings LLC | Method and apparatus for prioritizing image quality of a particular subject within an image |
JP6455016B2 (ja) * | 2013-08-27 | 2019-01-23 | 株式会社リコー | 画像検査装置、画像形成システム及び画像検査方法 |
-
2014
- 2014-12-04 US US14/560,094 patent/US9171352B1/en active Active
-
2015
- 2015-10-23 DE DE202015009148.2U patent/DE202015009148U1/de active Active
- 2015-10-23 KR KR1020157036477A patent/KR101725884B1/ko active IP Right Grant
- 2015-10-23 WO PCT/US2015/057041 patent/WO2016089502A1/en active Application Filing
- 2015-10-23 EP EP15791435.9A patent/EP3047457A1/de not_active Withdrawn
- 2015-12-04 AU AU2015264915A patent/AU2015264915B1/en active Active
Also Published As
Publication number | Publication date |
---|---|
AU2015264915B1 (en) | 2016-01-14 |
EP3047457A1 (de) | 2016-07-27 |
KR20160078929A (ko) | 2016-07-05 |
WO2016089502A1 (en) | 2016-06-09 |
US9171352B1 (en) | 2015-10-27 |
KR101725884B1 (ko) | 2017-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE202015009148U1 (de) | Automatische Bearbeitung von Bildern | |
DE102019005938A1 (de) | Intelligentes Identifizieren von Ersetzungsbereichen zum Mischen und Ersetzen von Personen in Gruppenporträts | |
DE112020003794T5 (de) | Tiefenbewusste Fotobearbeitung | |
DE102017010210A1 (de) | Bild-Matting mittels tiefem Lernen | |
EP3077898B1 (de) | Bearbeitungsoptionen für bildbereiche | |
WO2016011889A1 (zh) | 过曝拍摄方法及装置 | |
DE102017126269B4 (de) | Vorrichtung und Verfahren zur hinterleuchteten Gesichtserkennung | |
DE112016001901B4 (de) | Automatisches Meta-Tagging in Bildern | |
US10762649B2 (en) | Methods and systems for providing selective disparity refinement | |
DE102015010214A1 (de) | Erzeugung von Tiefenkarten | |
DE102013017122A1 (de) | Verfahren zum Herstellen automatischer Cinemagramme auf einer Bildgebungsvorrichtung | |
DE102021001438A1 (de) | Belichtungsdefektklassifizierung von Bildern unter Nutzung eines neuronalen Netzwerkes | |
DE102013009901A1 (de) | Gesichtsbild-Qualitätsbeurteilung | |
DE112008003972T5 (de) | Automatische Erzeugung einer skalierbaren, nach Relevanz geordneten Darstellung einer Bildsammlung | |
DE112019007550T5 (de) | Automatisches segmentieren und anpassen von bildern | |
JP2021531571A (ja) | 証明書画像抽出方法及び端末機器 | |
WO2021147418A1 (zh) | 一种图像去雾方法、装置、设备及计算机存储介质 | |
DE102016122790A1 (de) | Unterstützter automatischer Weißabgleich | |
US20180217743A1 (en) | Image processing apparatus, control method, and computer readable medium | |
DE102020007191A1 (de) | Maschinelles Lernen zur Digitalbildauswahl unter Objektvarianten | |
DE112020003332B4 (de) | Dreidimensionale (3D) Tiefenbildgebungssysteme und -Verfahren zur dynamischen Container-Autokonfiguration | |
DE102017005964A1 (de) | Techniken zum Auswählen von Objekten in Bildern | |
DE112019001702T5 (de) | Verfahren, systeme, herstellungsgegenstände und vorrichtungen zur erzeugung digitaler szenen | |
DE102020002302A1 (de) | Bildmodifikationsstile, die aus einem beschränkten Satz von modifizierten Bildern gelernt werden | |
DE112019004488T5 (de) | Doppelmodus-datenerfassungssystem zur kollisionserfassung und objektdimensionierung |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R207 | Utility model specification | ||
R081 | Change of applicant/patentee |
Owner name: GOOGLE LLC (N.D.GES.D. STAATES DELAWARE), MOUN, US Free format text: FORMER OWNER: GOOGLE INC., MOUNTAIN VIEW, CALIF., US |
|
R082 | Change of representative |
Representative=s name: BETTEN & RESCH PATENT- UND RECHTSANWAELTE PART, DE |
|
R150 | Utility model maintained after payment of first maintenance fee after three years | ||
R151 | Utility model maintained after payment of second maintenance fee after six years | ||
R152 | Utility model maintained after payment of third maintenance fee after eight years |