JP2001034750A - 画像処理チェーンにおける非画像データの修正方法 - Google Patents
画像処理チェーンにおける非画像データの修正方法Info
- Publication number
- JP2001034750A JP2001034750A JP2000185601A JP2000185601A JP2001034750A JP 2001034750 A JP2001034750 A JP 2001034750A JP 2000185601 A JP2000185601 A JP 2000185601A JP 2000185601 A JP2000185601 A JP 2000185601A JP 2001034750 A JP2001034750 A JP 2001034750A
- Authority
- JP
- Japan
- Prior art keywords
- image
- metadata
- noise
- transformation
- data
- 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.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000009466 transformation Effects 0.000 claims abstract description 49
- 230000003044 adaptive effect Effects 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000003384 imaging method Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 5
- 230000000873 masking effect Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 2
- 230000004043 responsiveness Effects 0.000 claims 1
- 230000003595 spectral effect Effects 0.000 claims 1
- 238000006243 chemical reaction Methods 0.000 abstract description 50
- 230000006870 function Effects 0.000 description 20
- 238000012937 correction Methods 0.000 description 7
- 230000009467 reduction Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000004807 localization Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000009877 rendering Methods 0.000 description 4
- 238000000844 transformation Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 230000006866 deterioration Effects 0.000 description 3
- 238000003702 image correction Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001235 sensitizing effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000005309 stochastic process Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Television Signal Processing For Recording (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
(57)【要約】
【課題】 画像処理チェーンにおけるメタデータの修正
方法が開示される。 【解決手段】 この方法は、特定のデジタル画像の特徴
に対応するメタデータを提供するステップと、最低1つ
の特定の画像変換に関連したメタデータ変換を生成する
ステップと、特定の画像変換に従ってメタデータを修正
するステップとを含む。この方法は画像再生システム中
で実現される。このシステムはデジタル画像データを提
供する画像撮影装置8を含む。画像撮影装置はフィルム
スキャナ、フラットベッドスキャナ、またはデジタルカ
メラ等で構成されうる。メモリ装置は、撮影されたデジ
タル画像データに関連したメタデータを記憶する。画像
変換は画像処理チェーン10によって実行される。ま
た、画像変換がメタデータに感作する場合は、メタデー
タ処理チェーンが画像処理チェーンに接続して実施され
る。
方法が開示される。 【解決手段】 この方法は、特定のデジタル画像の特徴
に対応するメタデータを提供するステップと、最低1つ
の特定の画像変換に関連したメタデータ変換を生成する
ステップと、特定の画像変換に従ってメタデータを修正
するステップとを含む。この方法は画像再生システム中
で実現される。このシステムはデジタル画像データを提
供する画像撮影装置8を含む。画像撮影装置はフィルム
スキャナ、フラットベッドスキャナ、またはデジタルカ
メラ等で構成されうる。メモリ装置は、撮影されたデジ
タル画像データに関連したメタデータを記憶する。画像
変換は画像処理チェーン10によって実行される。ま
た、画像変換がメタデータに感作する場合は、メタデー
タ処理チェーンが画像処理チェーンに接続して実施され
る。
Description
【0001】
【発明の属する技術分野】本発明は、ノイズ、および入
力装置や入力媒体に関連したその他の非画像データが一
連の作像変換を経て伝搬されるデジタル作像システムに
関する。特定的には、本発明はノイズおよびその他の非
画像データを画像処理チェーンを介して伝搬させる方法
に関する。
力装置や入力媒体に関連したその他の非画像データが一
連の作像変換を経て伝搬されるデジタル作像システムに
関する。特定的には、本発明はノイズおよびその他の非
画像データを画像処理チェーンを介して伝搬させる方法
に関する。
【0002】
【従来の技術】多くの画像処理操作では、その各種パラ
メータを予想される状態に正しく適応させるために非画
像情報を必要とする。非画像情報とは、各画像とともに
保持され、撮影条件、装置、予想されるノイズ統計等に
関する情報を与えるデータをさす。本明細書中、非画像
データをメタデータとも称する。このタイプの画像処理
操作の一例として、各信号レベルについて各カラーレコ
ードごとのノイズの平方二乗平均(rms)値の表を用
いるノイズ低減アルゴリズムがある。公称上は均一な画
像領域のrms値は画素間の変化の大きさを示し、N個
の値の組から
メータを予想される状態に正しく適応させるために非画
像情報を必要とする。非画像情報とは、各画像とともに
保持され、撮影条件、装置、予想されるノイズ統計等に
関する情報を与えるデータをさす。本明細書中、非画像
データをメタデータとも称する。このタイプの画像処理
操作の一例として、各信号レベルについて各カラーレコ
ードごとのノイズの平方二乗平均(rms)値の表を用
いるノイズ低減アルゴリズムがある。公称上は均一な画
像領域のrms値は画素間の変化の大きさを示し、N個
の値の組から
【数1】 として計算することができ、ここでサンプル平均は
【数2】 xiはi番目の位置の画素値、σxはrms画素間変化を
さす。このため、様々な信号レベルをもつ均一な領域に
ついてrms値を計算すると、得られた値の組は同じ画
像源を用いて取得される実際の場面中の画像ノイズの振
幅を画像信号に対する関数として特徴づけると考えられ
る。
さす。このため、様々な信号レベルをもつ均一な領域に
ついてrms値を計算すると、得られた値の組は同じ画
像源を用いて取得される実際の場面中の画像ノイズの振
幅を画像信号に対する関数として特徴づけると考えられ
る。
【0003】rms統計は画像の局所化領域においてテ
クスチャとノイズを適応的に識別するのに使用されう
る。他の使用例には画像依存型のシャープ化があり、こ
れはrms統計とともにシャープネス損失の大きさを用
いて画像のシャープ化レベルを適応変化させる。しかし
多段作像システムでの画像情報処理の間は、ノイズ統計
を含むメタデータは信号に適用される各操作または変換
ごとに変更されうる。もしこのメタデータの変換が考慮
されなければ、その後の適応型操作は意図したように機
能せず、通常は画像品質の形であらわれるシステムの性
能が劣化する。
クスチャとノイズを適応的に識別するのに使用されう
る。他の使用例には画像依存型のシャープ化があり、こ
れはrms統計とともにシャープネス損失の大きさを用
いて画像のシャープ化レベルを適応変化させる。しかし
多段作像システムでの画像情報処理の間は、ノイズ統計
を含むメタデータは信号に適用される各操作または変換
ごとに変更されうる。もしこのメタデータの変換が考慮
されなければ、その後の適応型操作は意図したように機
能せず、通常は画像品質の形であらわれるシステムの性
能が劣化する。
【0004】非画像情報の変換を説明する一方法とし
て、作像システムにおいて各ステップごとに非画像情報
を直接推定する方法がある。例えば、米国特許第5,6
41,596号(1997年6月24日発行、発明者グ
レイら(Gray et al.)、発明の名称「デジタル画像に
おけるフィルムグレイン特性の調整方法(Adjusting Fi
lm Grain Properties in Digital Image)」)は、現実
の場面には通常存在しない複数の均一なステップパッチ
のスキャンに基づいて画像ノイズ統計を測定する方法を
開示している。この推定ステップは、画像処理操作が決
定論的で、かつ均一なパッチの組の処理に柔軟性がある
場合に、作像システム中で使用されうるが、推定ステッ
プ後のノイズ統計の適応型変換にはあてはまらない。
て、作像システムにおいて各ステップごとに非画像情報
を直接推定する方法がある。例えば、米国特許第5,6
41,596号(1997年6月24日発行、発明者グ
レイら(Gray et al.)、発明の名称「デジタル画像に
おけるフィルムグレイン特性の調整方法(Adjusting Fi
lm Grain Properties in Digital Image)」)は、現実
の場面には通常存在しない複数の均一なステップパッチ
のスキャンに基づいて画像ノイズ統計を測定する方法を
開示している。この推定ステップは、画像処理操作が決
定論的で、かつ均一なパッチの組の処理に柔軟性がある
場合に、作像システム中で使用されうるが、推定ステッ
プ後のノイズ統計の適応型変換にはあてはまらない。
【0005】他のアプローチとしては、米国特許出願番
号第08/822,722号(1997年3月24日出
願、出願人スナイダーら(Snyder et al.)、1999
年2月1日許可)があり、これは現実の影像の信号レベ
ルの関数としてのノイズrms値からなる表を自動作成
する方法を教示している。しかしこの方法もやはり、ノ
イズ統計をその後の画像処理操作に基づいて変換する方
法については教示していない。
号第08/822,722号(1997年3月24日出
願、出願人スナイダーら(Snyder et al.)、1999
年2月1日許可)があり、これは現実の影像の信号レベ
ルの関数としてのノイズrms値からなる表を自動作成
する方法を教示している。しかしこの方法もやはり、ノ
イズ統計をその後の画像処理操作に基づいて変換する方
法については教示していない。
【0006】画像ノイズが複数の共通の作像操作を介し
て伝搬することは、Peter D.BurnsおよびRoy S. Berns
著の「色の研究と応用」(Color Research and Applica
tion) 中の「カラー測定と作像におけるエラー伝搬分
析("Error Propagation Analysis in Color Measureme
nt and Imaging")」という文献に記載されている。し
かしこの分析は、適応型アルゴリズムによって用いられ
る画像処理システム中のノイズ統計の変換には適用され
ていない。同様に、画像撮影装置または撮影条件に関連
したデータを提供するのが非常に有用であり、これらは
画像処理アルゴリズムによってうまく利用されて上級画
像品質を提供できる。米国特許第5,461,440号
(1995年10月24日発行、発明者トヨダら(Toyo
da et al.)、発明の名称「写真撮影における画像補正
システム(Photographing Image Correction Syste
m)」は、カメラ本体またはレンズに固有の劣化情報に
基づいて画像補正を行う写真画像補正システムを開示し
ている。劣化情報は、フィルムに記録されるカメラおよ
びレンズの情報から推測される。しかしこの方法は、そ
れに続く画像処理後の劣化情報の調整方法については教
示していない。
て伝搬することは、Peter D.BurnsおよびRoy S. Berns
著の「色の研究と応用」(Color Research and Applica
tion) 中の「カラー測定と作像におけるエラー伝搬分
析("Error Propagation Analysis in Color Measureme
nt and Imaging")」という文献に記載されている。し
かしこの分析は、適応型アルゴリズムによって用いられ
る画像処理システム中のノイズ統計の変換には適用され
ていない。同様に、画像撮影装置または撮影条件に関連
したデータを提供するのが非常に有用であり、これらは
画像処理アルゴリズムによってうまく利用されて上級画
像品質を提供できる。米国特許第5,461,440号
(1995年10月24日発行、発明者トヨダら(Toyo
da et al.)、発明の名称「写真撮影における画像補正
システム(Photographing Image Correction Syste
m)」は、カメラ本体またはレンズに固有の劣化情報に
基づいて画像補正を行う写真画像補正システムを開示し
ている。劣化情報は、フィルムに記録されるカメラおよ
びレンズの情報から推測される。しかしこの方法は、そ
れに続く画像処理後の劣化情報の調整方法については教
示していない。
【0007】米国特許第5,694,484号(199
7年12月2日発行、発明者コットレルら(Cottrell e
t al.)、発明の名称「画像データの自動処理により最
適な認識品質の画像を提供するシステムおよび方法(Sy
stem and Method for Automatically Processing Image
Data to Provide Images of Optimal Perceptual Qual
ity)」は、所与のメタデータの組に正しい画像変換を選
択する方法を記載している。しかしこの方法は、画像変
換に特定的なメタデータの調整については教示していな
い。
7年12月2日発行、発明者コットレルら(Cottrell e
t al.)、発明の名称「画像データの自動処理により最
適な認識品質の画像を提供するシステムおよび方法(Sy
stem and Method for Automatically Processing Image
Data to Provide Images of Optimal Perceptual Qual
ity)」は、所与のメタデータの組に正しい画像変換を選
択する方法を記載している。しかしこの方法は、画像変
換に特定的なメタデータの調整については教示していな
い。
【0008】
【発明が解決しようとする課題】以上の先行技術は、画
像処理におけるノイズ統計および他のメタデータの有用
性は認識しているが、かかるデータをその収集後に作像
システム中で伝搬させることについてはどれも記載して
いない。本発明の目的は、画像処理チェーンに沿ってノ
イズおよび他のメタデータを修正して、その後の操作に
おけるデータユーティリティを改善し、これによりシス
テムの性能および画像品質を向上させる方法を提供する
ことである。メタデータは、画像に行われた変更を反映
するように各画像処理操作後に変換することが必要であ
る。
像処理におけるノイズ統計および他のメタデータの有用
性は認識しているが、かかるデータをその収集後に作像
システム中で伝搬させることについてはどれも記載して
いない。本発明の目的は、画像処理チェーンに沿ってノ
イズおよび他のメタデータを修正して、その後の操作に
おけるデータユーティリティを改善し、これによりシス
テムの性能および画像品質を向上させる方法を提供する
ことである。メタデータは、画像に行われた変更を反映
するように各画像処理操作後に変換することが必要であ
る。
【0009】
【課題を解決するための手段】この目的は次の各ステッ
プ、すなわち、 a)特定のデジタル画像の特徴に対応するメタデータを
提供するステップ、 b)最低1つの特定の画像変換に関連したメタデータ変
換を生成するステップ、および c)メタデータ変換に従ってメタデータを修正するステ
ップによって達成される。
プ、すなわち、 a)特定のデジタル画像の特徴に対応するメタデータを
提供するステップ、 b)最低1つの特定の画像変換に関連したメタデータ変
換を生成するステップ、および c)メタデータ変換に従ってメタデータを修正するステ
ップによって達成される。
【0010】本発明の他の目的は、画像処理チェーンに
おいてメタデータを修正して、処理後の撮影画像データ
の出力を改善する他の方法を提供することである。メタ
データはオンデマンドで(要求に応じて)のみ与えられ
る。この目的は、次の各ステップ、すなわち a)特定のデジタル画像の特徴に対応するメタデータを
提供するステップと、 b)提供されたメタデータによって説明される特徴をも
つ画像ターゲットを生成するステップと、 c)画像変換を提供するステップと、 d)画像ターゲットをデジタル画像に適用される画像変
換によって処理するステップと、 e)処理された画像ターゲットから修正済みのメタデー
タを計算するステップとを含む方法によって達成され
る。
おいてメタデータを修正して、処理後の撮影画像データ
の出力を改善する他の方法を提供することである。メタ
データはオンデマンドで(要求に応じて)のみ与えられ
る。この目的は、次の各ステップ、すなわち a)特定のデジタル画像の特徴に対応するメタデータを
提供するステップと、 b)提供されたメタデータによって説明される特徴をも
つ画像ターゲットを生成するステップと、 c)画像変換を提供するステップと、 d)画像ターゲットをデジタル画像に適用される画像変
換によって処理するステップと、 e)処理された画像ターゲットから修正済みのメタデー
タを計算するステップとを含む方法によって達成され
る。
【0011】本発明の目的は、画像処理の複数のステッ
プの間にメタデータを修正する画像再生システムを提供
することである。これにより元のデジタル画像データと
比較した場合の画像データ出力を改善する。この目的
は、 a)デジタル画像データを提供する画像撮影装置と、 b)ノイズおよびデジタル画像データに関連した他のメ
タデータを記憶するメモリ装置と、 c)画像変換を実行する画像処理チェーンと、 d)画像変換がメタデータに感作する場合は、画像処理
チェーンに結びつけられたメタデータ処理チェーンとを
含むシステムによって達成される。
プの間にメタデータを修正する画像再生システムを提供
することである。これにより元のデジタル画像データと
比較した場合の画像データ出力を改善する。この目的
は、 a)デジタル画像データを提供する画像撮影装置と、 b)ノイズおよびデジタル画像データに関連した他のメ
タデータを記憶するメモリ装置と、 c)画像変換を実行する画像処理チェーンと、 d)画像変換がメタデータに感作する場合は、画像処理
チェーンに結びつけられたメタデータ処理チェーンとを
含むシステムによって達成される。
【0012】本発明の他の目的は、画像処理の複数のス
テップの間にノイズおよびその他のメタデータを修正す
る画像再生システムを提供することである。メタデータ
はオンデマンドでのみ適用される。この目的は、 a)デジタル画像データを提供する画像撮影装置と、 b)ノイズおよびデジタル画像データに関連したその他
のメタデータを記憶するメモリ装置と、 c)画像変換を実行する第1の処理チェーンと、 d)ターゲット画像に対して変換を実行する第2の処理
チェーンと、 e)第2の処理チェーンにおいてターゲット画像からメ
タデータを求め、これにより第1の処理チェーンのメタ
データ感作型画像変換への入力を与えるターゲット画像
評価器とを含むシステムによって達成される。
テップの間にノイズおよびその他のメタデータを修正す
る画像再生システムを提供することである。メタデータ
はオンデマンドでのみ適用される。この目的は、 a)デジタル画像データを提供する画像撮影装置と、 b)ノイズおよびデジタル画像データに関連したその他
のメタデータを記憶するメモリ装置と、 c)画像変換を実行する第1の処理チェーンと、 d)ターゲット画像に対して変換を実行する第2の処理
チェーンと、 e)第2の処理チェーンにおいてターゲット画像からメ
タデータを求め、これにより第1の処理チェーンのメタ
データ感作型画像変換への入力を与えるターゲット画像
評価器とを含むシステムによって達成される。
【0013】先行技術には、作像システムにおいて適応
型アルゴリズムに適用するメタデータ伝搬の詳細を提供
するものはない。メタデータは、明らかに各画像処理操
作後に変換が必要なため、画像に適用された変化を反映
する。かかる変換を生成する下地は確率処理理論によっ
て与えられるが、これまでこの理論をデジタル作像シス
テムに適用して画像変換に必要な入力データを得たこと
はない。
型アルゴリズムに適用するメタデータ伝搬の詳細を提供
するものはない。メタデータは、明らかに各画像処理操
作後に変換が必要なため、画像に適用された変化を反映
する。かかる変換を生成する下地は確率処理理論によっ
て与えられるが、これまでこの理論をデジタル作像シス
テムに適用して画像変換に必要な入力データを得たこと
はない。
【0014】以下に、図面に示す実施形態を参照して本
発明の主題を説明する。
発明の主題を説明する。
【0015】
【発明の実施の形態】理解を容易にするため、本発明は
デジタル画像に対して作用するものであることを述べて
おく。デジタル画像は一般には多数の画像チャネルから
なる。一般的な画像チャネル数は3つであり、それぞれ
赤、緑、および青の画像チャネルである。デジタル画像
内の画素値は、デジタル画像の各チャネルごとの特定の
位置における値からなる。従って、デジタル画像中の画
素値は位置に対する関数として表すことができる。例え
ば、f0(x,y)は3つの画素値、例えば{19 3
4 19}をさし、これはそれぞれデジタル画像中の位
置(x,y)における画素の赤、緑、および青の値を示
す。
デジタル画像に対して作用するものであることを述べて
おく。デジタル画像は一般には多数の画像チャネルから
なる。一般的な画像チャネル数は3つであり、それぞれ
赤、緑、および青の画像チャネルである。デジタル画像
内の画素値は、デジタル画像の各チャネルごとの特定の
位置における値からなる。従って、デジタル画像中の画
素値は位置に対する関数として表すことができる。例え
ば、f0(x,y)は3つの画素値、例えば{19 3
4 19}をさし、これはそれぞれデジタル画像中の位
置(x,y)における画素の赤、緑、および青の値を示
す。
【0016】図1を参照すると、画像取得システム8お
よび画像レンダリングシステム12は、それぞれ画像処
理チェーン10の入力側と出力側である。画像取得シス
テム8はフィルムスキャナ、文書もしくは印刷物スキャ
ナ、またはデジタルカメラでもよい。画像レンダリング
システム12は従来型のディスプレイ、デジタルプリン
タ、写真プリンタ、またはデジタル式コピー機でもよ
い。画像処理チェーン10は、図2に示すように一連の
画像変換201,202,...,20i,...,20N
を含む。これらの画像変換201,202,...,20
i,...,20 Nは、画像取得システム8によって与え
られるデジタル画像データに作用して、変換デジタル画
像データを生成する。1番目の画像変換201は入力デ
ジタル画像データf0(x,y)に適用されて、第1の
変換画像f1(x,y)を生成する。残りのi個の画像
変換(2≦i≦N)の各々は、前の画像変換の出力f
i-1(x,y)に作用して変換画像fi(x,y)を生成
する。画像処理チェーン10の最後の画像変換20Nは
最終画像fN(x,y)を生成する。
よび画像レンダリングシステム12は、それぞれ画像処
理チェーン10の入力側と出力側である。画像取得シス
テム8はフィルムスキャナ、文書もしくは印刷物スキャ
ナ、またはデジタルカメラでもよい。画像レンダリング
システム12は従来型のディスプレイ、デジタルプリン
タ、写真プリンタ、またはデジタル式コピー機でもよ
い。画像処理チェーン10は、図2に示すように一連の
画像変換201,202,...,20i,...,20N
を含む。これらの画像変換201,202,...,20
i,...,20 Nは、画像取得システム8によって与え
られるデジタル画像データに作用して、変換デジタル画
像データを生成する。1番目の画像変換201は入力デ
ジタル画像データf0(x,y)に適用されて、第1の
変換画像f1(x,y)を生成する。残りのi個の画像
変換(2≦i≦N)の各々は、前の画像変換の出力f
i-1(x,y)に作用して変換画像fi(x,y)を生成
する。画像処理チェーン10の最後の画像変換20Nは
最終画像fN(x,y)を生成する。
【0017】画像処理チェーン10の画像変換201,
202,...,20i,...,20Nは、一次元ルッ
クアップテーブル(1D LUT)等の単純な操作、多
次元ルックアップテーブル(ウィリアム・F・シュライ
バ(Willam F. Schreiber)による米国特許第4,50
0,919号に記載される3次元LUTなど)、デジタ
ル画像の既存チャネルを組み合わせて新たなチャネルを
作成する行列、1つ以上の画像チャネルと線形フィルタ
との線形コンボリューションを含む空間操作、またはノ
イズ低減や適応型シャープ化等のその他のより複雑な変
換を含みうる。
202,...,20i,...,20Nは、一次元ルッ
クアップテーブル(1D LUT)等の単純な操作、多
次元ルックアップテーブル(ウィリアム・F・シュライ
バ(Willam F. Schreiber)による米国特許第4,50
0,919号に記載される3次元LUTなど)、デジタ
ル画像の既存チャネルを組み合わせて新たなチャネルを
作成する行列、1つ以上の画像チャネルと線形フィルタ
との線形コンボリューションを含む空間操作、またはノ
イズ低減や適応型シャープ化等のその他のより複雑な変
換を含みうる。
【0018】画像処理チェーン10では、画素値では説
明されないデジタル画像の属性を説明するデジタル画像
関連データが有用な場合がある。デジタル画像の画素値
では説明されない属性に関連したデータを本明細書では
メタデータと称する。またデジタル画像fi(x,y)
に関連したメタデータ要素の組はMiとする。メタデー
タとなりうる要素には、非包括的に、画像撮影時間、シ
ャッタースピード、画像のカラー符号化計量、画像源
(デジタルカメラやフィルムカメラ等)、レンズの焦点
距離、レンズ口径、撮影レンズの変調伝達関数(MT
F)、フィルムタイプ、検出器タイプ、被写体の位置、
被写体の距離、カメラフラッシュ情報、カメラフラッシ
ュ発光情報、画像解像度、焦点情報、および画像ノイズ
特性が挙げられる。
明されないデジタル画像の属性を説明するデジタル画像
関連データが有用な場合がある。デジタル画像の画素値
では説明されない属性に関連したデータを本明細書では
メタデータと称する。またデジタル画像fi(x,y)
に関連したメタデータ要素の組はMiとする。メタデー
タとなりうる要素には、非包括的に、画像撮影時間、シ
ャッタースピード、画像のカラー符号化計量、画像源
(デジタルカメラやフィルムカメラ等)、レンズの焦点
距離、レンズ口径、撮影レンズの変調伝達関数(MT
F)、フィルムタイプ、検出器タイプ、被写体の位置、
被写体の距離、カメラフラッシュ情報、カメラフラッシ
ュ発光情報、画像解像度、焦点情報、および画像ノイズ
特性が挙げられる。
【0019】図2を参照すると、画像変換には画像のメ
タデータへのアクセスをもつのが有利と考えられる。例
えば画像をシャープ化する変換の場合、撮影レンズのM
TFを説明するメタデータによってシャープニングのレ
ベル調整を行うのが有利である。i番目の画像変換へ入
力される画像fi-1(x,y)を説明する正確なメタデ
ータによって改善されうる任意のi番目の画像変換を、
本明細書ではメタデータ感作型画像変換(メタデータセ
ンシティブな画像変換:a metadata sensitiveimage tr
ansform)と称する。このような画像のメタデータを認
識した画像変換を適用することで、全体的な画像品質の
向上が可能となる。
タデータへのアクセスをもつのが有利と考えられる。例
えば画像をシャープ化する変換の場合、撮影レンズのM
TFを説明するメタデータによってシャープニングのレ
ベル調整を行うのが有利である。i番目の画像変換へ入
力される画像fi-1(x,y)を説明する正確なメタデ
ータによって改善されうる任意のi番目の画像変換を、
本明細書ではメタデータ感作型画像変換(メタデータセ
ンシティブな画像変換:a metadata sensitiveimage tr
ansform)と称する。このような画像のメタデータを認
識した画像変換を適用することで、全体的な画像品質の
向上が可能となる。
【0020】さらに、ある変換をデジタル画像に適用し
て得られる変換デジタル画像では、以前に取得したメタ
データはもはや正しくなくなることが認められている。
言い換えれば、画像fi-1(x,y)がi番目の画像変
換によって変換されて画像fi(x,y)を生成した場
合、元の画像のメタデータMi-1は必ずしも変換後の画
像のメタデータMiと同じとは限らない。本質的には、
メタデータと画像との対応関係を維持するには、i番目
の画像変換には対応するi番目のメタデータを見つけな
ければならない。例えば、画像変換によってデジタル画
像をシャープ化する場合をもう一度検討してみる。デジ
タル画像のメタデータはブレ画像に関するMTF情報を
含みうる。このデジタル画像に、変換によってシャープ
ニングを加えて変換デジタル画像を生成する。この時点
で元のデジタル画像のメタデータ(MTFに関するも
の)は変換後のデジタル画像に対してはもう正しくな
い。本発明の利点は、デジタル画像のメタデータを修正
する、画像変換に関連したメタデータ変換を作成するこ
とである。デジタル画像のメタデータがメタデータ変換
によって変換されると、変換後のメタデータは変換後の
デジタル画像の属性を正確に説明するものとなる。これ
により、メタデータを用いるその後の任意のi番目の画
像変換は、デジタル画像fi-1(x,y)について正し
いメタデータを用いるようになる。
て得られる変換デジタル画像では、以前に取得したメタ
データはもはや正しくなくなることが認められている。
言い換えれば、画像fi-1(x,y)がi番目の画像変
換によって変換されて画像fi(x,y)を生成した場
合、元の画像のメタデータMi-1は必ずしも変換後の画
像のメタデータMiと同じとは限らない。本質的には、
メタデータと画像との対応関係を維持するには、i番目
の画像変換には対応するi番目のメタデータを見つけな
ければならない。例えば、画像変換によってデジタル画
像をシャープ化する場合をもう一度検討してみる。デジ
タル画像のメタデータはブレ画像に関するMTF情報を
含みうる。このデジタル画像に、変換によってシャープ
ニングを加えて変換デジタル画像を生成する。この時点
で元のデジタル画像のメタデータ(MTFに関するも
の)は変換後のデジタル画像に対してはもう正しくな
い。本発明の利点は、デジタル画像のメタデータを修正
する、画像変換に関連したメタデータ変換を作成するこ
とである。デジタル画像のメタデータがメタデータ変換
によって変換されると、変換後のメタデータは変換後の
デジタル画像の属性を正確に説明するものとなる。これ
により、メタデータを用いるその後の任意のi番目の画
像変換は、デジタル画像fi-1(x,y)について正し
いメタデータを用いるようになる。
【0021】他の例では、入力デジタル画像データf0
(x,y)は、この入力デジタル画像データf0(x,
y)が絞りをしぼって撮影されたことを記載する関連メ
タデータM0をもちうる。第1の画像変換201におい
て、画像の非被写体領域をぼかすことによって被写体深
度をシミュレートして画像f1(x,y)を生成したと
する。すると画像f1(x,y)の見かけは絞りを広げ
て撮影した画像となる。これはメタデータM0が第1の
メタデータ変換301によって変換されて、絞りを広げ
た画像f1(x,y)に関連するデータを含むメタデー
タM1を作成したと考えられる。これにより、メタデー
タの絞り要素を利用するその後の任意の画像変換i(i
>1)は、入力デジタル画像f0(x,y)が絞りに関
して修正されたことを認識する。
(x,y)は、この入力デジタル画像データf0(x,
y)が絞りをしぼって撮影されたことを記載する関連メ
タデータM0をもちうる。第1の画像変換201におい
て、画像の非被写体領域をぼかすことによって被写体深
度をシミュレートして画像f1(x,y)を生成したと
する。すると画像f1(x,y)の見かけは絞りを広げ
て撮影した画像となる。これはメタデータM0が第1の
メタデータ変換301によって変換されて、絞りを広げ
た画像f1(x,y)に関連するデータを含むメタデー
タM1を作成したと考えられる。これにより、メタデー
タの絞り要素を利用するその後の任意の画像変換i(i
>1)は、入力デジタル画像f0(x,y)が絞りに関
して修正されたことを認識する。
【0022】図3は、画像変換201,202,...,
20Nの一つ(例えば3番目の画像変換203)が、デジ
タル画像f2(x,y)に関連した1つ以上のメタデー
タ要素を利用する画像処理チェーン10を示す。1番目
および2番目のメタデータ変換301および302は、1
番目および2番目の画像変換201および202に対応し
て生成される。こうして、1番目のメタデータ変換20
1をメタデータM0に適用することによってM1が生成さ
れる。同様に、M2は2番目のメタデータ変換302をM
1に適用することによって生成される。メタデータM
2は、2番目の画像変換202から出力される画像f
2(x,y)の、個々の画素では説明されない属性を記
載する。こうして、入力デジタル画像に関連したあるメ
タデータ要素の入力を必要とする3番目の画像変換20
3は、画像f2(x,y)と、3番目の画像変換203に
入力されるデジタル画像を正確に説明する関連メタデー
タM2とを入力する。
20Nの一つ(例えば3番目の画像変換203)が、デジ
タル画像f2(x,y)に関連した1つ以上のメタデー
タ要素を利用する画像処理チェーン10を示す。1番目
および2番目のメタデータ変換301および302は、1
番目および2番目の画像変換201および202に対応し
て生成される。こうして、1番目のメタデータ変換20
1をメタデータM0に適用することによってM1が生成さ
れる。同様に、M2は2番目のメタデータ変換302をM
1に適用することによって生成される。メタデータM
2は、2番目の画像変換202から出力される画像f
2(x,y)の、個々の画素では説明されない属性を記
載する。こうして、入力デジタル画像に関連したあるメ
タデータ要素の入力を必要とする3番目の画像変換20
3は、画像f2(x,y)と、3番目の画像変換203に
入力されるデジタル画像を正確に説明する関連メタデー
タM2とを入力する。
【0023】図4は、本発明を(i+1)番目の画像変
換20i+1に関して示したものである。(i+1)番目
の画像変換20i+1はメタデータ変換生成器40i+1に入
力されて、i+1番目の画像変換に対応するi+1番目
のメタデータ変換を生成する。その後、メタデータMi
はi+1番目のメタデータ変換40i+1によって修正さ
れて、画像fi+1(x,y)の特徴を正確に説明するメ
タデータMi+1を生成する。また、i+1番目の画像変
換20i+1はfi(x,y)に適用されてfi+1(x,
y)を生成する。
換20i+1に関して示したものである。(i+1)番目
の画像変換20i+1はメタデータ変換生成器40i+1に入
力されて、i+1番目の画像変換に対応するi+1番目
のメタデータ変換を生成する。その後、メタデータMi
はi+1番目のメタデータ変換40i+1によって修正さ
れて、画像fi+1(x,y)の特徴を正確に説明するメ
タデータMi+1を生成する。また、i+1番目の画像変
換20i+1はfi(x,y)に適用されてfi+1(x,
y)を生成する。
【0024】次に、本発明の残りの部分をある一つのメ
タデータ要素である画像ノイズ特性に関して説明する。
考慮するメタデータ要素としてノイズ特性をとりあげて
本発明を説明するが、同業者であれば同様のメタデータ
変換を生成して他のメタデータ要素を修正できることを
理解するであろう。以下の説明では、画像変換ごとにノ
イズデータ修正用の適切なメタデータ変換を生成するメ
タデータ変換生成器の動作について述べる。
タデータ要素である画像ノイズ特性に関して説明する。
考慮するメタデータ要素としてノイズ特性をとりあげて
本発明を説明するが、同業者であれば同様のメタデータ
変換を生成して他のメタデータ要素を修正できることを
理解するであろう。以下の説明では、画像変換ごとにノ
イズデータ修正用の適切なメタデータ変換を生成するメ
タデータ変換生成器の動作について述べる。
【0025】図4に示す実施形態では、メタデータM1
はi番目の画像fi(x,y)のノイズ統計を説明する
データである。ノイズ統計は、関連した(カラー)信号
中のノイズ間の共分散を含むノイズ表によって記載され
る。以下、記号σrは確率変数または確率過程rについ
てのrms値(標準偏差)をさす。分散および共分散の
項は、例えばσrr、σrgなどと記す。記号ΣiおよびΣ
i+1は、それぞれ画像fi(x,y)およびfi+1(x,
y)に存在するノイズに対応する信号レベルの関数とし
ての共分散行列を示す。記述の便宜上、以下の議論では
画像fi(x,y)をfiと称する。3つのカラーレコー
ド(r,g,b)画像について、画像データfiでは共
分散行列は次の6つの量σrr,σgg,σbb,σrg,
σrb,σgbを含む。
はi番目の画像fi(x,y)のノイズ統計を説明する
データである。ノイズ統計は、関連した(カラー)信号
中のノイズ間の共分散を含むノイズ表によって記載され
る。以下、記号σrは確率変数または確率過程rについ
てのrms値(標準偏差)をさす。分散および共分散の
項は、例えばσrr、σrgなどと記す。記号ΣiおよびΣ
i+1は、それぞれ画像fi(x,y)およびfi+1(x,
y)に存在するノイズに対応する信号レベルの関数とし
ての共分散行列を示す。記述の便宜上、以下の議論では
画像fi(x,y)をfiと称する。3つのカラーレコー
ド(r,g,b)画像について、画像データfiでは共
分散行列は次の6つの量σrr,σgg,σbb,σrg,
σrb,σgbを含む。
【0026】
【数3】 このような画像変換20i+1の各々について、i番目の
メタデータ変換30i+1で示す対応する画像ノイズ統計
の変換が求められる。
メタデータ変換30i+1で示す対応する画像ノイズ統計
の変換が求められる。
【0027】行列 図4に関して、画像変換20i+1が線形行列Aならば、
【数4】fi+1=Afi 式(2) となり、対応する(メタデータ)ノイズ共分散変換は
【数5】 となり、上付き文字Tは転置を示す。
【0028】一次元連続変換 図4に関して、画像変換20i+1が一次元関数ならば、
各画像チャネルについて連続関数giによって定義され
る。これをGとすると、
各画像チャネルについて連続関数giによって定義され
る。これをGとすると、
【数6】fi+1=Gfi 式(4) となり、Gは三色系について展開することができるの
で、入力信号と出力信号の組をそれぞれ{p,q,r}
および{s,t,u}とすると、式(4)は
で、入力信号と出力信号の組をそれぞれ{p,q,r}
および{s,t,u}とすると、式(4)は
【数7】 となる。これに対応する共分散行列変換については、Pe
ter D. BurnsおよびRoyS. Bernsによる文献 "Error Pro
pagation Analysis in Color Measuremenet andImagin
g"には次のように記載されている。
ter D. BurnsおよびRoyS. Bernsによる文献 "Error Pro
pagation Analysis in Color Measuremenet andImagin
g"には次のように記載されている。
【0029】
【数8】 ここで、
【数9】 であり、JGは平均入力信号レベルμGにおいて評価され
る。
る。
【0030】一次元ルックアップテーブル 図4に関して、画像変換20i+1が一次元LUTなら
ば、上記の一次元関数の離散型と考えることができる。
もしそうならば、JGの偏導関数要素は
ば、上記の一次元関数の離散型と考えることができる。
もしそうならば、JGの偏導関数要素は
【数10】 あるいは
【数11】 またはその他の同様のデジタルフィルターによって概算
することができ、離散信号は整数値{0,1,
2,...}をとる。
することができ、離散信号は整数値{0,1,
2,...}をとる。
【0031】図5は、一般的なフィルムセンシトメトリ
ー補正LUTである。これは入力信号レベルと出力信号
レベルとの関係を示し、トーンスケール変換とみなすこ
とができる。出力信号レベルは入力信号レベルの線形関
数とはならない。スキャンしたフィルムについての元信
号依存型ノイズ表を図6に示す。考慮する画像変換とし
て図5のセンシトメトリー補正LUTを用いた場合、ノ
イズ特性についてのメタデータ変換は上記の式(8)で
表される。このメタデータ変換を元のノイズデータに適
用すると、図7に示すノイズ表が得られる。表7の表
は、センシトメトリー補正LUTを補償するための修正
ノイズ表であり、赤、緑、および青の各色についてノイ
ズの標準偏差を示す。この修正ノイズ表(図7)は、セ
ンシトメトリー補正LUT後に画像に適用されるアルゴ
リズムへの入力に適している。図7では入力信号レベル
が低い場合はノイズが非常に高いことを示す。これは図
5の低入力信号レベルでの急傾斜から生じるノイズ増幅
の直接的な結果である。
ー補正LUTである。これは入力信号レベルと出力信号
レベルとの関係を示し、トーンスケール変換とみなすこ
とができる。出力信号レベルは入力信号レベルの線形関
数とはならない。スキャンしたフィルムについての元信
号依存型ノイズ表を図6に示す。考慮する画像変換とし
て図5のセンシトメトリー補正LUTを用いた場合、ノ
イズ特性についてのメタデータ変換は上記の式(8)で
表される。このメタデータ変換を元のノイズデータに適
用すると、図7に示すノイズ表が得られる。表7の表
は、センシトメトリー補正LUTを補償するための修正
ノイズ表であり、赤、緑、および青の各色についてノイ
ズの標準偏差を示す。この修正ノイズ表(図7)は、セ
ンシトメトリー補正LUT後に画像に適用されるアルゴ
リズムへの入力に適している。図7では入力信号レベル
が低い場合はノイズが非常に高いことを示す。これは図
5の低入力信号レベルでの急傾斜から生じるノイズ増幅
の直接的な結果である。
【0032】多次元連続変換 図4に関して、画像変換20i+1が三次元関数ならば、
各画像レコードについての連続関数によって定義でき
る。これをGとすると、入力信号と出力信号の組をそれ
ぞれ{p,q,r}および{s,t,u}とした場合に
各画像レコードについての連続関数によって定義でき
る。これをGとすると、入力信号と出力信号の組をそれ
ぞれ{p,q,r}および{s,t,u}とした場合に
【数12】 ここで、
【数13】 となる。これに対応する共分散行列変換は、Peter D. B
urnsおよびRoy S. Bernsによる文献Color Research and
Application, 22:280-289, 1997では次のように記載さ
れている。
urnsおよびRoy S. Bernsによる文献Color Research and
Application, 22:280-289, 1997では次のように記載さ
れている。
【0033】
【数14】 ここで、
【数15】 であり、JGは平均入力信号レベルμGにおいて評価され
る。
る。
【0034】多次元ルックアップテーブル 図4に関して、画像変換20i+1が多次元LUTなら
ば、これは上記の連続関数の離散形と考えることができ
る。もしそうならば、JGの偏導関数要素はそれぞれの
差、例えば
ば、これは上記の連続関数の離散形と考えることができ
る。もしそうならば、JGの偏導関数要素はそれぞれの
差、例えば
【数16】 あるいは
【数17】 または同様のデジタルフィルターによって概算すること
ができる。
ができる。
【0035】ノイズの伝搬は、行列の6つのそれぞれの
要素を推定することによって達成されうる。これにより
画像のノイズ統計に関するメタデータMi+1の要素を求
めることができる。
要素を推定することによって達成されうる。これにより
画像のノイズ統計に関するメタデータMi+1の要素を求
めることができる。
【0036】空間フィルター 固定係数核または局所適応型核によるデジタルフィルタ
リングは、通常、離散型コンボリューションによって達
成される。k=1,2,...nかつl=1,
2,...mである係数hk,lをもつ一般的な(nx
m)フィルターでは、pカラーレコードをフィルタする
場合の分散変換は
リングは、通常、離散型コンボリューションによって達
成される。k=1,2,...nかつl=1,
2,...mである係数hk,lをもつ一般的な(nx
m)フィルターでは、pカラーレコードをフィルタする
場合の分散変換は
【数18】 空間フィルタリングが行われない場合は、フィルター動
作はカラーレコードについて恒等式となることに注意さ
れたい。必要に応じて、上記の式を拡張して画素間およ
びレコード間の共分散を含むようにすることも可能であ
る。
作はカラーレコードについて恒等式となることに注意さ
れたい。必要に応じて、上記の式を拡張して画素間およ
びレコード間の共分散を含むようにすることも可能であ
る。
【0037】局所化メタデータマップ いくつかの画像変換は、その特性が画像の局所化領域の
特徴に基づいて適用されるように働く。この意味で、こ
のようなアルゴリズムを適応型アルゴリズムと称する。
これにより所与の領域内の元の画素値に基づいてメタデ
ータを変更することになる。一例として、ある適応型ノ
イズ低減アルゴリズムは画像を横切って走る核からな
り、テクスチャまたはエッジを含まないと検知する領域
は積極的にぶれさせ、同時にテクスチャまたはエッジが
存在する領域中のノイズは堅実に取り除く。同様に、適
応型シャープ化アルゴリズムは画像の混雑した領域また
はエッジ領域では周波数を高くする一方で、均一な背景
中ではノイズの増幅を避けるため高くしない。
特徴に基づいて適用されるように働く。この意味で、こ
のようなアルゴリズムを適応型アルゴリズムと称する。
これにより所与の領域内の元の画素値に基づいてメタデ
ータを変更することになる。一例として、ある適応型ノ
イズ低減アルゴリズムは画像を横切って走る核からな
り、テクスチャまたはエッジを含まないと検知する領域
は積極的にぶれさせ、同時にテクスチャまたはエッジが
存在する領域中のノイズは堅実に取り除く。同様に、適
応型シャープ化アルゴリズムは画像の混雑した領域また
はエッジ領域では周波数を高くする一方で、均一な背景
中ではノイズの増幅を避けるため高くしない。
【0038】適応型アルゴリズムを用いて処理された画
像に対応するメタデータは、全体ではなく局所化された
領域中で影響を受ける。つまり、適応型ノイズ低減アル
ゴリズム適用後は、異なる画像領域は異なるノイズ統計
を示す。また適応型シャープ化アルゴリズムの適用後
は、異なる画像領域は異なる有効シャープネスを示す。
局所化操作の他の例は、レンズフォールオフの補償であ
る。画像撮影装置におけるレンズフォールオフは、画像
の中心から隅部へ向かって異なるシャープネスおよび露
出特性を示させる。レンズの光フォールオフは、画像マ
スキング変換を用いて補償されうるが、マスキング変換
適用後のノイズ特性は位置によって異なる。図8は本実
施形態の局所化メタデータの伝搬を処理する好ましい方
法の概略図である。図8を参照すると、1番目の画像変
換201が元の画像f0に適用される。その後、2番目の
画像変換202が適用されるが、この変換は上記で定義
したような適応型すなわち局所化型である。元の画像に
対応するメタデータM0は、まず全体的なメタデータ変
換によって変換されてメタデータM1を生成する。2番
目の画像変換202は適応型であるため、局所化メタデ
ータ変換302によって二次元マップL2(x,y)が作
成される。このマップは画像の局所メタデータ情報を画
素ごとにもつ。この意味で、マップLi(x,y)は一
般には「局所化メタデータマップ」、またはメタデータ
の要素が画像ノイズである場合は「局所化ノイズデータ
マップ」と称する。局所化マップは、画像変換202,
203,...,20Nに対応する各メタデータ変換30
2,303,...,30N後に変換される。局所化メタ
データマップには、上述したようなノイズ変換(LU
T、行列、空間フィルタ等)が適用される。次の例で
は、適応型ノイズ低減アルゴリズムをデジタル画像に適
用することに関して、この方法をより詳細に説明する。
像に対応するメタデータは、全体ではなく局所化された
領域中で影響を受ける。つまり、適応型ノイズ低減アル
ゴリズム適用後は、異なる画像領域は異なるノイズ統計
を示す。また適応型シャープ化アルゴリズムの適用後
は、異なる画像領域は異なる有効シャープネスを示す。
局所化操作の他の例は、レンズフォールオフの補償であ
る。画像撮影装置におけるレンズフォールオフは、画像
の中心から隅部へ向かって異なるシャープネスおよび露
出特性を示させる。レンズの光フォールオフは、画像マ
スキング変換を用いて補償されうるが、マスキング変換
適用後のノイズ特性は位置によって異なる。図8は本実
施形態の局所化メタデータの伝搬を処理する好ましい方
法の概略図である。図8を参照すると、1番目の画像変
換201が元の画像f0に適用される。その後、2番目の
画像変換202が適用されるが、この変換は上記で定義
したような適応型すなわち局所化型である。元の画像に
対応するメタデータM0は、まず全体的なメタデータ変
換によって変換されてメタデータM1を生成する。2番
目の画像変換202は適応型であるため、局所化メタデ
ータ変換302によって二次元マップL2(x,y)が作
成される。このマップは画像の局所メタデータ情報を画
素ごとにもつ。この意味で、マップLi(x,y)は一
般には「局所化メタデータマップ」、またはメタデータ
の要素が画像ノイズである場合は「局所化ノイズデータ
マップ」と称する。局所化マップは、画像変換202,
203,...,20Nに対応する各メタデータ変換30
2,303,...,30N後に変換される。局所化メタ
データマップには、上述したようなノイズ変換(LU
T、行列、空間フィルタ等)が適用される。次の例で
は、適応型ノイズ低減アルゴリズムをデジタル画像に適
用することに関して、この方法をより詳細に説明する。
【0039】ここでは、普及した適応型ノイズ低減アル
ゴリズムであるリーのシグマフィルタ(Lee, J著の Dig
ital Image Smoothing and the Sigmma Filter. Comput
er Vision, Graphics, and Image Processing 24, 255-
269, 1983参照)について検討する。この特定のアルゴ
リズムをクレームするのが目的ではなく、実証用として
用いる。シグマフィルターは、デジタル画像とともに畳
み込まれる矩形のサンプリング窓からなる。スライドす
る窓が画像を横切るように動かされ、各中心画素位置で
は、中心画素強度から一定範囲内の強度をもつ近隣画素
だけを平均することによって、画像ノイズが平滑化され
る。その結果、画像エッジ部は保存され、画像のエッジ
部が残され、微妙なディテールが保たれる。
ゴリズムであるリーのシグマフィルタ(Lee, J著の Dig
ital Image Smoothing and the Sigmma Filter. Comput
er Vision, Graphics, and Image Processing 24, 255-
269, 1983参照)について検討する。この特定のアルゴ
リズムをクレームするのが目的ではなく、実証用として
用いる。シグマフィルターは、デジタル画像とともに畳
み込まれる矩形のサンプリング窓からなる。スライドす
る窓が画像を横切るように動かされ、各中心画素位置で
は、中心画素強度から一定範囲内の強度をもつ近隣画素
だけを平均することによって、画像ノイズが平滑化され
る。その結果、画像エッジ部は保存され、画像のエッジ
部が残され、微妙なディテールが保たれる。
【0040】予想されるノイズは信号レベルに対する関
数として、米国特許第5,641,596号に記載され
るようなノイズ表で
数として、米国特許第5,641,596号に記載され
るようなノイズ表で
【数19】σ=N〔f(x,y)〕 として与えられ、ここでσはノイズの標準偏差、Nはノ
イズ表をさす。
イズ表をさす。
【0041】図6はスキャンしたネガフィルムについて
のノイズ表の例を示す。シグマフィルターは、局所ウィ
ンドウ中で、その中心画素強度からの強度平均偏差が、
予め規定されたある数値内に入る画素を選択する。その
後、中心画素は選択された画素の平均と交換される。つ
まり、仮にfi(k,l)が、デジタル画像fiのサイズ
mxnの矩形のウィンドウ中でk行l列の画素群を指定
し、fi+1(x,y)はデジタル画像fi+1中のx行y列
での中心画素値とすると、サイズmxnの局所フィルタ
による変換は
のノイズ表の例を示す。シグマフィルターは、局所ウィ
ンドウ中で、その中心画素強度からの強度平均偏差が、
予め規定されたある数値内に入る画素を選択する。その
後、中心画素は選択された画素の平均と交換される。つ
まり、仮にfi(k,l)が、デジタル画像fiのサイズ
mxnの矩形のウィンドウ中でk行l列の画素群を指定
し、fi+1(x,y)はデジタル画像fi+1中のx行y列
での中心画素値とすると、サイズmxnの局所フィルタ
による変換は
【数20】 と表すことができ、ここでΔはノイズ表によって与えら
れる予想ノイズ標準偏差に基づく強度範囲(例えばΔ=
2σ)をさす。従って
れる予想ノイズ標準偏差に基づく強度範囲(例えばΔ=
2σ)をさす。従って
【数21】 となる。適応型ノイズ低減アルゴリズムを画像に適用し
た後は、前に取得したメタデータ要素のうちノイズ表で
与えられたノイズ特性に対応する要素はもはや有効では
なくなる。従って、メタデータ変換はメタデータ中のノ
イズ要素を修正するように求められなければならない。
式14において画像fiに対応する信号レベルdの関数
としてのノイズ分散をσpp(d)、式14においてnx
mシグマフィルター適用後の画像fi+1に対応する位置
(x,y)および信号レベルdの関数としてのノイズ分
散をσss(x,y,d)とすると、新しい分散σssは適
応型の性質をもつため、やはり位置の関数となり、
た後は、前に取得したメタデータ要素のうちノイズ表で
与えられたノイズ特性に対応する要素はもはや有効では
なくなる。従って、メタデータ変換はメタデータ中のノ
イズ要素を修正するように求められなければならない。
式14において画像fiに対応する信号レベルdの関数
としてのノイズ分散をσpp(d)、式14においてnx
mシグマフィルター適用後の画像fi+1に対応する位置
(x,y)および信号レベルdの関数としてのノイズ分
散をσss(x,y,d)とすると、新しい分散σssは適
応型の性質をもつため、やはり位置の関数となり、
【数22】 σss(x,y,d)=α(x,y)・σpp(d) 式(15) として与えられる。ここで位置に依存する係数αは式1
2から導かれ、
2から導かれ、
【数23】 ここで、
【数24】 となり、δは式13によって与えられる。
【0042】従って、各画像面におけるノイズは、各位
置(x,y)がデジタル画像fi+1(x,y)の位置
(x,y)に対応するとすれば、二次元関数α(x,
y)によって伝搬されうる。本質的には、α(x,y)
は元のノイズ分散統計σpp(d)とともに、局所化メタ
データまたはノイズデータマップL(x,y)となる。
L(x,y)中の各(x,y)位置におけるエントリー
を元のノイズ分散統計σpp(d)で乗じたものは、信号
レベルに対する関数である、ノイズ表として与えられる
新たなノイズ分散統計に対応する。またマップL(x,
y)は、必要なメモリ格納領域を広げず、かつシステム
の処理量を上げるために、大幅に削除したり対処可能な
大きさに圧縮されうる。その後のノイズ感作型変換はこ
のマップを読み、補間または伸張を行って、各画像位置
(x,y)における予想ノイズを計算する。この方法
は、ノイズパワースペクトル、共分散、MTF等の、局
所ベースの任意のメタデータ情報の提供に簡単に応用す
ることができる。
置(x,y)がデジタル画像fi+1(x,y)の位置
(x,y)に対応するとすれば、二次元関数α(x,
y)によって伝搬されうる。本質的には、α(x,y)
は元のノイズ分散統計σpp(d)とともに、局所化メタ
データまたはノイズデータマップL(x,y)となる。
L(x,y)中の各(x,y)位置におけるエントリー
を元のノイズ分散統計σpp(d)で乗じたものは、信号
レベルに対する関数である、ノイズ表として与えられる
新たなノイズ分散統計に対応する。またマップL(x,
y)は、必要なメモリ格納領域を広げず、かつシステム
の処理量を上げるために、大幅に削除したり対処可能な
大きさに圧縮されうる。その後のノイズ感作型変換はこ
のマップを読み、補間または伸張を行って、各画像位置
(x,y)における予想ノイズを計算する。この方法
は、ノイズパワースペクトル、共分散、MTF等の、局
所ベースの任意のメタデータ情報の提供に簡単に応用す
ることができる。
【0043】生成したターゲットを用いる他の実施形態 図9は本発明の他の実施形態を示し、ここではメタデー
タM0の特徴を示すターゲット画像g0(x,y)が生成
される。このため、メタデータM0はターゲット画像生
成器50に入力される。好ましい実施形態では、メタデ
ータM0はノイズデータを含む。このノイズデータは密
度によって異なり、ノイズ表に記載されてもよい。かか
る表は、平均強度および対応する共分散のリストからな
る。表1は、平均強度に対する関数としてのノイズ標準
偏差を示す表の一例である。
タM0の特徴を示すターゲット画像g0(x,y)が生成
される。このため、メタデータM0はターゲット画像生
成器50に入力される。好ましい実施形態では、メタデ
ータM0はノイズデータを含む。このノイズデータは密
度によって異なり、ノイズ表に記載されてもよい。かか
る表は、平均強度および対応する共分散のリストからな
る。表1は、平均強度に対する関数としてのノイズ標準
偏差を示す表の一例である。
【0044】
【表1】 その後、ターゲット画像生成器50は、M0によって説
明されるノイズ特性を用いてターゲット画像g0(x,
y)を生成する。好ましい実施形態では、ターゲット画
像g0(x,y)は信号領域に広がる複数のパッチから
なり、各パッチの寸法はA画素xB行で、その統計は実
際の影像と同じである。AxB画素からなる各パッチ
は、以下の式(18)で示すような確率分布をもつ確率
変数をxとすると、各画素値に値xをランダムに割り当
てることによって生成される。
明されるノイズ特性を用いてターゲット画像g0(x,
y)を生成する。好ましい実施形態では、ターゲット画
像g0(x,y)は信号領域に広がる複数のパッチから
なり、各パッチの寸法はA画素xB行で、その統計は実
際の影像と同じである。AxB画素からなる各パッチ
は、以下の式(18)で示すような確率分布をもつ確率
変数をxとすると、各画素値に値xをランダムに割り当
てることによって生成される。
【0045】
【数25】 ターゲット画像g0(x,y)の所与のパッチnについ
てのμの値は、表1のノイズ表の行nについてのμ値と
して選択されうる。例えば、ターゲット画像g 0(x,
y)の最初の行については、μ=500かつσ=20で
ある。
てのμの値は、表1のノイズ表の行nについてのμ値と
して選択されうる。例えば、ターゲット画像g 0(x,
y)の最初の行については、μ=500かつσ=20で
ある。
【0046】図9を再び参照すると、図9には画像f0
(x,y)用の画像処理チェーン10と、対応するター
ゲット画像g0(x,y)用のターゲット画像処理チェ
ーン52が示される。好ましい実施形態では、ターゲッ
ト画像処理チェーン52の各画像変換521,5
22,...,52Nは、画像処理チェーン10中の画像
変換201,202,...,20Nと同一である。こう
して、画像f0(x,y)に1番目と2番目の画像変換
201と202が連続して適用される。3番目の画像変換
203はメタデータ感作型画像変換である。この3番目
の画像変換203に必要な入力は、画像f2(x,y)と
メタデータM2である。メタデータM2は、ターゲット画
像g0(x,y)に、ターゲット画像処理チェーン52
の最初の2つの画像変換521および522を適用して求
められる。2番目のターゲット画像変換522から出力
されるターゲット画像g2(x,y)は、ターゲット画
像評価器54に与えられてメタデータM2を生成する。
ターゲット画像評価器54は、ターゲット画像g
2(x,y)の各行の平均μと共分散要素とを計算し
て、メタデータM2のノイズ表に必要な情報を生成す
る。その後、メタデータM2は画像f2(x,y)ととも
に3番目の画像変換203に与えられて、画像f3(x,
y)を生成する。当業者であれば、この方法はいかなる
長さの画像処理チェーンについても継続されうることを
理解するであろう。
(x,y)用の画像処理チェーン10と、対応するター
ゲット画像g0(x,y)用のターゲット画像処理チェ
ーン52が示される。好ましい実施形態では、ターゲッ
ト画像処理チェーン52の各画像変換521,5
22,...,52Nは、画像処理チェーン10中の画像
変換201,202,...,20Nと同一である。こう
して、画像f0(x,y)に1番目と2番目の画像変換
201と202が連続して適用される。3番目の画像変換
203はメタデータ感作型画像変換である。この3番目
の画像変換203に必要な入力は、画像f2(x,y)と
メタデータM2である。メタデータM2は、ターゲット画
像g0(x,y)に、ターゲット画像処理チェーン52
の最初の2つの画像変換521および522を適用して求
められる。2番目のターゲット画像変換522から出力
されるターゲット画像g2(x,y)は、ターゲット画
像評価器54に与えられてメタデータM2を生成する。
ターゲット画像評価器54は、ターゲット画像g
2(x,y)の各行の平均μと共分散要素とを計算し
て、メタデータM2のノイズ表に必要な情報を生成す
る。その後、メタデータM2は画像f2(x,y)ととも
に3番目の画像変換203に与えられて、画像f3(x,
y)を生成する。当業者であれば、この方法はいかなる
長さの画像処理チェーンについても継続されうることを
理解するであろう。
【0047】以上、本発明を特に好ましい実施形態を用
いて説明したが、本発明の精神および範囲から逸脱する
ことなく変更および修正が実行可能であることを理解さ
れたい。
いて説明したが、本発明の精神および範囲から逸脱する
ことなく変更および修正が実行可能であることを理解さ
れたい。
【図1】 画像取得およびレンダリングシステムの概略
図である。
図である。
【図2】 画像処理チェーンの概略説明図である。
【図3】 画像変換の1つがデジタル画像に関連したメ
タデータの1つ以上の要素を利用する画像処理チェーン
を示す図である。
タデータの1つ以上の要素を利用する画像処理チェーン
を示す図である。
【図4】 メタデータ変換が生成されるプロセスを示す
図である。
図である。
【図5】 一般的なセンシトメトリ補正ルックアップテ
ーブルを示す図である。
ーブルを示す図である。
【図6】 スキャン後のフィルムについての一般的な信
号依存型ノイズ表であって、赤、緑、および青のノイズ
レベルを示す図である。
号依存型ノイズ表であって、赤、緑、および青のノイズ
レベルを示す図である。
【図7】 センシトメトリ補正ルックアップテーブルを
補償するための修正されたノイズ表であって、赤、緑、
および青のノイズの標準偏差を示す図である。
補償するための修正されたノイズ表であって、赤、緑、
および青のノイズの標準偏差を示す図である。
【図8】 適応型アルゴリズム用の局所化マップ伝搬の
概略説明図である。
概略説明図である。
【図9】 評価済みのターゲット画像変換を画像処理チ
ェーンが利用する本発明の他の実施形態を示す図であ
る。
ェーンが利用する本発明の他の実施形態を示す図であ
る。
8 画像取得システム、10 画像処理チェーン、12
画像レンダリングシステム、201,202,...,
20i,...,20N 画像変換、301,3
02,...,30N メタデータ変換、40i+1 メタ
データ変換生成器i+1、50 ターゲット画像生成
器、52 ターゲット画像処理チェーン、521,5
22,523,...,52N ターゲット画像変換、5
4 ターゲット画像評価器、f0(x,y) 入力デジ
タル画像データ、f1(x,y) 最初の変換後の画
像、fN(x,y) 最終画像、Mi メタデータiの要
素の組、fi-1(x,y) 画像変換iへの入力、Li
(x,y) 局所化メタデータマップi、g 0(x,
y) ターゲット画像。
画像レンダリングシステム、201,202,...,
20i,...,20N 画像変換、301,3
02,...,30N メタデータ変換、40i+1 メタ
データ変換生成器i+1、50 ターゲット画像生成
器、52 ターゲット画像処理チェーン、521,5
22,523,...,52N ターゲット画像変換、5
4 ターゲット画像評価器、f0(x,y) 入力デジ
タル画像データ、f1(x,y) 最初の変換後の画
像、fN(x,y) 最終画像、Mi メタデータiの要
素の組、fi-1(x,y) 画像変換iへの入力、Li
(x,y) 局所化メタデータマップi、g 0(x,
y) ターゲット画像。
───────────────────────────────────────────────────── フロントページの続き (72)発明者 アレックス ロペス エストラーダ アメリカ合衆国 ニューヨーク州 マセド ン イーグルス ロースト レーン 3301
Claims (3)
- 【請求項1】 画像処理チェーンにおいてメタデータを
修正する方法であって、 a)特定のデジタル画像の特徴に対応するメタデータを
提供するステップと、 b)最低1つの特定の画像変換に関連したメタデータ変
換を生成するステップと、 c)ステップbで実行された変換に従ってメタデータを
修正するステップと、を含む方法。 - 【請求項2】 請求項1に記載の方法において、 前記メタデータは、システム変調伝達関数(MTF)、
システムスペクトル応答性、撮影装置の口径、システム
有効口径、被写界深度、または局所化メタデータマップ
のうちの少なくともいずれかを含むことを特徴とする方
法。 - 【請求項3】 請求項1に記載の方法において、 前記メタデータ変換は、単変量変換、多次元変換、行
列、一次元ルックアップテーブル、多次元ルックアップ
テーブル、線形空間フィルタリング操作、適応型フィル
タリング操作、またはマスキング操作のうちの少なくと
もいずれかを含むことを特徴とする方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US09/337792 | 1999-06-22 | ||
US09/337,792 US6707950B1 (en) | 1999-06-22 | 1999-06-22 | Method for modification of non-image data in an image processing chain |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2001034750A true JP2001034750A (ja) | 2001-02-09 |
Family
ID=23322029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2000185601A Pending JP2001034750A (ja) | 1999-06-22 | 2000-06-21 | 画像処理チェーンにおける非画像データの修正方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US6707950B1 (ja) |
EP (1) | EP1063611B1 (ja) |
JP (1) | JP2001034750A (ja) |
DE (1) | DE60040819D1 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100408523B1 (ko) * | 2001-07-09 | 2003-12-06 | 삼성전자주식회사 | 메타데이터를 이용한 자동 화면 조정 장치 및 그 방법 |
JP2009259298A (ja) * | 2001-06-12 | 2009-11-05 | Eastman Kodak Co | 画像におけるノイズ出現の評価方法 |
JP2010010837A (ja) * | 2008-06-24 | 2010-01-14 | Canon Inc | 画像処理装置、画像処理方法、及び、画像処理プログラム |
JP2010514052A (ja) * | 2006-12-22 | 2010-04-30 | イーストマン コダック カンパニー | デジタル画像内の位置に依存するノイズの低減 |
Families Citing this family (62)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7630006B2 (en) * | 1997-10-09 | 2009-12-08 | Fotonation Ireland Limited | Detecting red eye filter and apparatus using meta-data |
US7738015B2 (en) * | 1997-10-09 | 2010-06-15 | Fotonation Vision Limited | Red-eye filter method and apparatus |
US7042505B1 (en) | 1997-10-09 | 2006-05-09 | Fotonation Ireland Ltd. | Red-eye filter method and apparatus |
US6795585B1 (en) * | 1999-07-16 | 2004-09-21 | Eastman Kodak Company | Representing digital images in a plurality of image processing states |
US6856702B2 (en) | 2001-06-28 | 2005-02-15 | Andrew C. Gallagher | System and method for selecting an image processing path using estimated appearance of noise |
US8675980B2 (en) * | 2001-07-12 | 2014-03-18 | Do Labs | Method and system for reducing update frequency of image-processing means |
US7106366B2 (en) * | 2001-12-19 | 2006-09-12 | Eastman Kodak Company | Image capture system incorporating metadata to facilitate transcoding |
US6965702B2 (en) | 2002-02-27 | 2005-11-15 | Eastman Kodak Company | Method for sharpening a digital image with signal to noise estimation |
US6891977B2 (en) | 2002-02-27 | 2005-05-10 | Eastman Kodak Company | Method for sharpening a digital image without amplifying noise |
JP4012079B2 (ja) * | 2002-03-20 | 2007-11-21 | キヤノン株式会社 | 画像処理装置、画像処理方法及びプログラム |
US20080129758A1 (en) * | 2002-10-02 | 2008-06-05 | Harry Fox | Method and system for utilizing a JPEG compatible image and icon |
KR100970621B1 (ko) * | 2003-05-26 | 2010-07-15 | 엘지전자 주식회사 | 영상 보정 장치 |
US7574016B2 (en) | 2003-06-26 | 2009-08-11 | Fotonation Vision Limited | Digital image processing using face detection information |
US7689009B2 (en) * | 2005-11-18 | 2010-03-30 | Fotonation Vision Ltd. | Two stage detection for photographic eye artifacts |
US7587085B2 (en) * | 2004-10-28 | 2009-09-08 | Fotonation Vision Limited | Method and apparatus for red-eye detection in an acquired digital image |
US7920723B2 (en) * | 2005-11-18 | 2011-04-05 | Tessera Technologies Ireland Limited | Two stage detection for photographic eye artifacts |
US7792970B2 (en) | 2005-06-17 | 2010-09-07 | Fotonation Vision Limited | Method for establishing a paired connection between media devices |
US8036458B2 (en) * | 2007-11-08 | 2011-10-11 | DigitalOptics Corporation Europe Limited | Detecting redeye defects in digital images |
US7336821B2 (en) | 2006-02-14 | 2008-02-26 | Fotonation Vision Limited | Automatic detection and correction of non-red eye flash defects |
US8170294B2 (en) * | 2006-11-10 | 2012-05-01 | DigitalOptics Corporation Europe Limited | Method of detecting redeye in a digital image |
US7970182B2 (en) | 2005-11-18 | 2011-06-28 | Tessera Technologies Ireland Limited | Two stage detection for photographic eye artifacts |
US8254674B2 (en) | 2004-10-28 | 2012-08-28 | DigitalOptics Corporation Europe Limited | Analyzing partial face regions for red-eye detection in acquired digital images |
US20050018229A1 (en) * | 2003-07-24 | 2005-01-27 | International Business Machines Corporation | System and method for enhanced printing capabilities using a print job manager function |
US9412007B2 (en) * | 2003-08-05 | 2016-08-09 | Fotonation Limited | Partial face detector red-eye filter method and apparatus |
US20050140801A1 (en) * | 2003-08-05 | 2005-06-30 | Yury Prilutsky | Optimized performance and performance for red-eye filter method and apparatus |
US8520093B2 (en) * | 2003-08-05 | 2013-08-27 | DigitalOptics Corporation Europe Limited | Face tracker and partial face tracker for red-eye filter method and apparatus |
US20050031224A1 (en) * | 2003-08-05 | 2005-02-10 | Yury Prilutsky | Detecting red eye filter and apparatus using meta-data |
US7424170B2 (en) * | 2003-09-30 | 2008-09-09 | Fotonation Vision Limited | Automated statistical self-calibrating detection and removal of blemishes in digital images based on determining probabilities based on image analysis of single images |
US7590305B2 (en) * | 2003-09-30 | 2009-09-15 | Fotonation Vision Limited | Digital camera with built-in lens calibration table |
US7340109B2 (en) * | 2003-09-30 | 2008-03-04 | Fotonation Vision Limited | Automated statistical self-calibrating detection and removal of blemishes in digital images dependent upon changes in extracted parameter values |
US7369712B2 (en) * | 2003-09-30 | 2008-05-06 | Fotonation Vision Limited | Automated statistical self-calibrating detection and removal of blemishes in digital images based on multiple occurrences of dust in images |
US8369650B2 (en) | 2003-09-30 | 2013-02-05 | DigitalOptics Corporation Europe Limited | Image defect map creation using batches of digital images |
US7676110B2 (en) * | 2003-09-30 | 2010-03-09 | Fotonation Vision Limited | Determination of need to service a camera based on detection of blemishes in digital images |
US7295233B2 (en) * | 2003-09-30 | 2007-11-13 | Fotonation Vision Limited | Detection and removal of blemishes in digital images utilizing original images of defocused scenes |
GB2406992A (en) * | 2003-10-09 | 2005-04-13 | Ta Vision Lab Ltd | Deconvolution of a digital image using metadata |
US20110102643A1 (en) * | 2004-02-04 | 2011-05-05 | Tessera Technologies Ireland Limited | Partial Face Detector Red-Eye Filter Method and Apparatus |
US20060007464A1 (en) * | 2004-06-30 | 2006-01-12 | Percey Michael F | Structured data update and transformation system |
US7609846B2 (en) * | 2004-07-13 | 2009-10-27 | Eastman Kodak Company | Matching of digital images to acquisition devices |
US20060221197A1 (en) * | 2005-03-30 | 2006-10-05 | Jung Edward K | Image transformation estimator of an imaging device |
US7412106B1 (en) | 2005-06-25 | 2008-08-12 | Cognex Technology And Investment Corporation | Methods for locating and decoding distorted two-dimensional matrix symbols |
US20090254562A1 (en) | 2005-09-02 | 2009-10-08 | Thomson Licensing | Automatic Metadata Extraction and Metadata Controlled Production Process |
US7599577B2 (en) * | 2005-11-18 | 2009-10-06 | Fotonation Vision Limited | Method and apparatus of correcting hybrid flash artifacts in digital images |
US7878402B2 (en) * | 2005-12-20 | 2011-02-01 | Cognex Technology And Investment Corporation | Decoding distorted symbols |
WO2007095556A2 (en) | 2006-02-14 | 2007-08-23 | Fotonation Vision Limited | Digital image acquisition device with built in dust and sensor mapping capability |
EP1840822A1 (en) * | 2006-03-29 | 2007-10-03 | Sony Deutschland Gmbh | Method for deriving noise statistical properties of a signal |
US7668369B2 (en) * | 2006-04-26 | 2010-02-23 | Hewlett-Packard Development Company, L.P. | Using camera metadata to classify images into scene type classes |
DE602007012246D1 (de) | 2006-06-12 | 2011-03-10 | Tessera Tech Ireland Ltd | Fortschritte bei der erweiterung der aam-techniken aus grauskalen- zu farbbildern |
JP2008035328A (ja) * | 2006-07-31 | 2008-02-14 | Fujifilm Corp | テンプレート生成装置、画像配置装置、変更テンプレート生成装置およびそのプログラム |
US8055067B2 (en) | 2007-01-18 | 2011-11-08 | DigitalOptics Corporation Europe Limited | Color segmentation |
US8700675B2 (en) * | 2007-02-19 | 2014-04-15 | Sony Corporation | Contents space forming apparatus, method of the same, computer, program, and storage media |
WO2008109708A1 (en) * | 2007-03-05 | 2008-09-12 | Fotonation Vision Limited | Red eye false positive filtering using face location and orientation |
US8139249B2 (en) | 2007-06-29 | 2012-03-20 | Xerox Corporation | Event driven plugin architecture for importing scanned image data into a production workflow |
US7755802B2 (en) * | 2007-08-24 | 2010-07-13 | Eastman Kodak Company | Toner-based noise reduction in electrostatography |
US8503818B2 (en) | 2007-09-25 | 2013-08-06 | DigitalOptics Corporation Europe Limited | Eye defect detection in international standards organization images |
US8212864B2 (en) * | 2008-01-30 | 2012-07-03 | DigitalOptics Corporation Europe Limited | Methods and apparatuses for using image acquisition data to detect and correct image defects |
US8081254B2 (en) * | 2008-08-14 | 2011-12-20 | DigitalOptics Corporation Europe Limited | In-camera based method of detecting defect eye with high accuracy |
US9426441B2 (en) | 2010-03-08 | 2016-08-23 | Dolby Laboratories Licensing Corporation | Methods for carrying and transmitting 3D z-norm attributes in digital TV closed captioning |
US9519994B2 (en) | 2011-04-15 | 2016-12-13 | Dolby Laboratories Licensing Corporation | Systems and methods for rendering 3D image independent of display size and viewing distance |
JP5846357B2 (ja) * | 2011-08-15 | 2016-01-20 | 富士ゼロックス株式会社 | 画像処理装置及び画像処理プログラム |
US8867831B2 (en) * | 2012-05-09 | 2014-10-21 | University Of Southern California | Image enhancement using modulation strength map and modulation kernel |
US10955825B2 (en) * | 2016-05-13 | 2021-03-23 | General Electric Company | Beam pumping unit and method of operation |
CN112988225B (zh) * | 2021-03-12 | 2024-04-05 | 中国平安财产保险股份有限公司 | 注解配置方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07170436A (ja) * | 1993-12-14 | 1995-07-04 | Nikon Corp | 画像入力装置 |
JPH07219778A (ja) * | 1994-02-03 | 1995-08-18 | Internatl Business Mach Corp <Ibm> | ルール・ベース・コンピュータ・システム |
US5694484A (en) * | 1995-05-15 | 1997-12-02 | Polaroid Corporation | System and method for automatically processing image data to provide images of optimal perceptual quality |
JPH10116359A (ja) * | 1996-10-09 | 1998-05-06 | Sony Corp | カメラパラメータ演算装置及び画像合成装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2278250B (en) | 1990-08-31 | 1995-03-15 | Canon Kk | Image processing |
US5528194A (en) * | 1991-05-13 | 1996-06-18 | Sony Corporation | Apparatus and method for performing geometric transformations on an input image |
JP2894117B2 (ja) * | 1992-10-20 | 1999-05-24 | 富士ゼロックス株式会社 | 画像信号処理方法及びその装置 |
US5461440A (en) | 1993-02-10 | 1995-10-24 | Olympus Optical Co., Ltd. | Photographing image correction system |
US5835627A (en) * | 1995-05-15 | 1998-11-10 | Higgins; Eric W. | System and method for automatically optimizing image quality and processing time |
US5641596A (en) | 1995-12-05 | 1997-06-24 | Eastman Kodak Company | Adjusting film grain properties in digital images |
US5696850A (en) * | 1995-12-21 | 1997-12-09 | Eastman Kodak Company | Automatic image sharpening in an electronic imaging system |
US6243502B1 (en) * | 1998-08-13 | 2001-06-05 | International Business Machines Corporation | Image quality maintenance |
-
1999
- 1999-06-22 US US09/337,792 patent/US6707950B1/en not_active Expired - Lifetime
-
2000
- 2000-06-13 EP EP00202055A patent/EP1063611B1/en not_active Expired - Lifetime
- 2000-06-13 DE DE60040819T patent/DE60040819D1/de not_active Expired - Lifetime
- 2000-06-21 JP JP2000185601A patent/JP2001034750A/ja active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07170436A (ja) * | 1993-12-14 | 1995-07-04 | Nikon Corp | 画像入力装置 |
JPH07219778A (ja) * | 1994-02-03 | 1995-08-18 | Internatl Business Mach Corp <Ibm> | ルール・ベース・コンピュータ・システム |
US5694484A (en) * | 1995-05-15 | 1997-12-02 | Polaroid Corporation | System and method for automatically processing image data to provide images of optimal perceptual quality |
JPH10116359A (ja) * | 1996-10-09 | 1998-05-06 | Sony Corp | カメラパラメータ演算装置及び画像合成装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009259298A (ja) * | 2001-06-12 | 2009-11-05 | Eastman Kodak Co | 画像におけるノイズ出現の評価方法 |
KR100408523B1 (ko) * | 2001-07-09 | 2003-12-06 | 삼성전자주식회사 | 메타데이터를 이용한 자동 화면 조정 장치 및 그 방법 |
JP2010514052A (ja) * | 2006-12-22 | 2010-04-30 | イーストマン コダック カンパニー | デジタル画像内の位置に依存するノイズの低減 |
JP2010010837A (ja) * | 2008-06-24 | 2010-01-14 | Canon Inc | 画像処理装置、画像処理方法、及び、画像処理プログラム |
Also Published As
Publication number | Publication date |
---|---|
EP1063611B1 (en) | 2008-11-19 |
US6707950B1 (en) | 2004-03-16 |
DE60040819D1 (de) | 2009-01-02 |
EP1063611A2 (en) | 2000-12-27 |
EP1063611A3 (en) | 2003-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2001034750A (ja) | 画像処理チェーンにおける非画像データの修正方法 | |
US6937775B2 (en) | Method of enhancing the tone scale of a digital image to extend the linear response range without amplifying noise | |
US6069982A (en) | Estimation of frequency dependence and grey-level dependence of noise in an image | |
CN101305397B (zh) | 基于多个图像帧形成图像的方法,图像处理***和数字照相机 | |
US7065255B2 (en) | Method and apparatus for enhancing digital images utilizing non-image data | |
EP2124190B1 (en) | Image processing to enhance image sharpness | |
US8253825B2 (en) | Image data processing method by reducing image noise, and camera integrating means for implementing said method | |
JP5300595B2 (ja) | 画像処理装置及び方法、及びコンピュータプログラム | |
JP4262557B2 (ja) | デジタル画像鮮鋭化方法 | |
EP1367538A2 (en) | Image processing method and system | |
JP2000050076A (ja) | シ―ンバランス、コントラスト正規化及び鮮明化のデジタル画像処理を含むデジタル写真仕上げシステム | |
JP2003150956A (ja) | ノイズ除去、ノイズ推定、又はディジタル画像強調のためにディジタル画像を空間フィルタリングする方法 | |
US7046400B2 (en) | Adjusting the color, brightness, and tone scale of rendered digital images | |
JP3238392B2 (ja) | 画像処理方法 | |
JP2002216127A (ja) | 最新の統計に利用するデジタルイメージのためのノイズ推定 | |
JP2002269558A (ja) | 色の相互相関統計量を利用した、デジタル画像から雑音を計算する方法。 | |
EP1304867A2 (en) | Image processing system and method that maintains black level | |
JP2001313844A (ja) | 局所的な色補正を実行する方法および装置 | |
JP4176369B2 (ja) | 光バランスの変化を最小としつつディジタル画像を光フォールオフについて補償する方法 | |
EP0368162B1 (en) | Method of and apparatus for performing image detail enhancement | |
JP2000050080A (ja) | フィルム露出不足ガンマ、シ―ンバランス、コントラスト正規化及び画像鮮明化のデジタル画像処理を含むデジタル写真仕上げシステム | |
US7430334B2 (en) | Digital imaging systems, articles of manufacture, and digital image processing methods | |
JPH0573675A (ja) | 画像処理装置 | |
JP5693089B2 (ja) | 画像処理装置、及び画像処理装置の制御方法 | |
JP2003051004A (ja) | ノイズ出現の評価を利用して画像処理経路を選択するシステムおよび方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070524 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20070524 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20091215 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20100615 |