JP7005215B2 - 画像処理装置、及び、画像処理方法、コンピュータプログラム - Google Patents
画像処理装置、及び、画像処理方法、コンピュータプログラム Download PDFInfo
- Publication number
- JP7005215B2 JP7005215B2 JP2017152583A JP2017152583A JP7005215B2 JP 7005215 B2 JP7005215 B2 JP 7005215B2 JP 2017152583 A JP2017152583 A JP 2017152583A JP 2017152583 A JP2017152583 A JP 2017152583A JP 7005215 B2 JP7005215 B2 JP 7005215B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- learning
- input
- output
- images
- 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
Images
Landscapes
- Image Processing (AREA)
Description
具体的には、撮像時にRAWデータと呼ばれる記録形式の画像データ、つまりイメージセンサで取得されたままの未加工データを取得して保存する。そして、デジタルカメラが有する画像エンジン(画像処理部)がこのRAWデータに対して現像処理を行う。そして、現像処理(例えば、RAWデータをJPEG画像へ変換する現像処理)後の画像は、デジタルカメラが有するファインダ、ディスプレイ等に提示される。
また、RAWデータは、イメージセンサから取得された光情報と撮像パラメータを別々に保存している。そのため、撮像した後であってもホワイトバランスや露出などを修正することができる。また、RAWデータは、他の記録形式の画像データと比較して高い階調の色情報を保持しているため、画像処理によって画質の劣化が起こりにくい傾向がある。
さらに、撮像時にRAWデータを保持することにより、保存されたRAWデータに対してユーザが好みに応じてパラメータを設定して現像処理を行うことで好みの画像に変換することが可能になる。この場合、デジタルカメラによる現像処理とは異なる、ユーザの意図に応じた高画質な現像画像を生成することができる。
例えば、モノクロ画像から失われた色情報を推定してカラー画像を生成などの機械学習の技術を使って画像から失われた情報の推定を行う手法がある(特許文献1、非特許文献1参照)。
なお、画像処理装置は、撮像装置の一種であるデジタルカメラに実装することもできる。この場合、デジタルカメラの撮像結果がRAWデータを有しない入力画像であっても当該入力画像の内容に合った高画質な画像を出力することが可能になる。つまり、RAWデータを有しない画像を対象とした場合であっても、ユーザがRAW現像処理を行ったかのような高画質な画像を出力することが可能になる。
以下、デジタルカメラなどに機器において撮像された撮像データが当該デジタルカメラにおいて自動的にRAW現像処理された処理後の画像を「カメラ内現像画像」(第1の画像)と称す。
一方、撮像データに基づいてユーザが任意にRAW現像処理を行った処理後の画像を「ユーザ現像画像」(第2の画像)と称す。
また、本発明を適用した画像処理装置によって生成されたユーザ現像画像と同等の画質を有する画像を「高画質画像」(出力画像)と称す。
図1は、本実施形態に係る画像処理装置の構成の一例を示す図である。
本実施形態に係る画像処理装置1000は、主として学習処理と画像生成処理の2つの処理を実行する。また、画像処理装置1000が有する各種機能部の動作は、主としてCPU(Central Processing Unit)100により制御される
学習画像ペア記憶部110は、予め用意された学習画像ペア群10を記憶する。学習画像ペア群10は、同一の撮像結果(撮像データ)から生成された複数のカメラ内現像画像とユーザ現像画像を関連付けた学習情報である。
学習画像ペア記憶部110には、学習情報である学習画像ペア群10が記憶される。
画像生成器選択テーブル作成部140は、画像生成時に用いる画像生成器を決定する。具体的には、画像生成器学習部130で生成された複数の画像生成器と学習に用いたカメラ内現像画像の関連付けを記憶した画像生成器選択テーブル(表)を作成する。なお、処理の詳細については後述する。
画像生成器選択部150は、ユーザが処理対象として入力した画像(入力画像20)と画像生成器選択テーブル生成部140により作成されたテーブルに基づいて、画像生成を行う画像生成器を選択する。
画像生成部160は、画像生成器選択部150により選択された画像生成器を用いて画像を生成する。
画像表示部170は、画像生成部160により生成された高画質画像を所定の表示画面に表示する。例えば、画像表示部170は、画像処理装置1000に接続された外部表示装置(不図示)の表示画面への表示を制御するように構成してもよい。
なお、以上の説明では学習処理と画像生成処理とを一体の画像処理装置により行うための構成について述べたが、各処理をそれぞれ別体の画像処理装置により行うように構成してもよい。
本処理では、画像処理装置1000が受け付けたユーザ現像画像群210、即ちユーザによってRAW現像が行われた後の画像について当該画像のテイストに応じた分類が行われる。以下、この点について具体的に説明する。
しかしながら、現像処理における現像方法は画像に写っている物体や撮像シーンなどによって異なり、且つ、同一の画像であっても現像処理におけるパラメータの調整次第で様々な画像を生成することができる。
つまり、ユーザの意図次第で様々な画像テイストのユーザ現像画像が存在することになり、ある入力画像に対して一意に決まる最適なユーザ現像画像というものは存在しないことになる。そこで本実施形態に係る画像処理装置では、ユーザ現像画像のテイスト毎に教師データを分類するものとする。
このように画像の「画像テイスト」は、画像の内容自体よりもその色合いや輝度値の分布(輝度分布)などが大きな影響を与えている。
なお、分類に用いる特徴量はHSVヒストグラム特徴量に限るものではなく、テイストを構成する要素である色情報に基づく任意の特徴量が利用可能である。
また、例えば同一のカメラ内現像画像に対して複数のユーザ現像画像(=教師データ)が存在する場合であってもカメラ内現像画像に対する教師データを一意に定めて学習を行うことができる。
本実施形態では、学習セットは複数のカメラ内現像画像とユーザ現像画像のペアで構成される。そこで、ステップS201の処理において作成した画像テイスト毎のクラスタを学習セットの1単位とする。具体的には、各画像テイストクラスタに含まれるユーザ現像画像と、そのユーザ現像画像のペアであるカメラ内現像画像の集合を1つの学習セットとする。
画像生成器は、ある画像が入力されたときに出力として高画質画像を生成するように構成される。ステップS203の処理では、カメラ内現像画像が入力された時の教師情報としてカメラ内現像画像のペアであるユーザ現像画像を用いて画像生成器の学習が行われる。また、学習セットは画像テイストごとに作成されるため、入力画像からある特定の画像テイストの高画質画像を生成する画像生成器は、ステップS201の処理において分類した画像テイストのクラスタの数だけ作成されることになる。
カメラ内現像画像と画像生成器との関連付けは、各画像生成器の学習処理で学習データとして用いられたカメラ内現像画像を当該画像生成器に関連付けるものとする。
本処理により、カメラ内現像画像と画像生成器が1対1の関係で関連付けされる。なお、関連付けの結果は画像生成器選択テーブルとして画像処理装置1000に記憶される。
以上の学習処理により、複数の異なる画像テイストの高画質画像を生成するための画像生成器を作成することができる。
前述したステップS203の処理では、ある特定の画像テイストの高画質画像を生成するために画像生成器の学習を行った。しかしながら、未知の画像が入力されたときにその画像をどのような画像テイストに変換すればいわゆる良い画像(高画質画像)になるか、ということは画像の意味内容や写っている被写体、撮像シーンなどに大きく影響される。
特徴量は、例えば画像の撮像シーン(画像撮影場所や画像撮影状況)やオブジェクト、構図などの画像内容に由来する任意の特徴量を用いることができる。例えば、シーン推定でよく用いられるGIST特徴量が挙げられる。あるいは、入力画像およびカメラ内現像画像に対してシーン推定処理やオブジェクト検出処理を実際に行い、その結果の一致度(類似度)が最も高いカメラ内現像画像を入力画像に割り当ててもよい。
本処理により、入力画像20と、画像の内容が類似したカメラ内現像画像とが選択され対応付けられる。
本処理によって、入力画像と内容が近い画像(=割り当てられたカメラ内現像画像)に対して適切な画像テイストで高画質画像を生成する画像生成器が選択される。
本処理によって、入力画像の内容に応じた適切な画像テイストで当該入力画像から高画質画像が生成される。
CPU100は、画像表示部170を介して、画像生成部160が生成した高画質画像をユーザに提示する(S304)。
これにより、カメラ内で現像処理された後の画像であっても、現像処理前の当該画像のRAWデータを用いて当該画像の内容に応じた適切な画像テイストでRAW現像処理を行ったかのような高画質な画像を出力することが可能になる。
なお、本実施形態では、学習処理と画像生成処理とを同一の画像処理装置1000が行う形態について説明を行った。しかし、本実施形態はこのような構成に限らず、学習処理と画像生成処理とがそれぞれ別の装置によって行われるようにしてもよい。その場合、例えばPC等により構成される学習装置では、学習処理により予め画像生成器を学習する。そして、カメラ等の撮像装置に相当する画像処理装置では、その学習された画像生成器を保持手段に保持しておき、その画像生成器を用いて画像の生成を行えばよい。
第1実施形態では、入力画像に応じた適切な画像テイストの高画質画像の生成について説明した。しかしながら、通常ではある入力画像について適切な画像テイストは複数存在することが一般的である。つまり同じ画像を対象とした場合であっても、RAWデータに基づいて現像処理を行う場合にはユーザが変われば処理内容も異なり、現像された画像のテイストもまた異なってくる。現像された画像の良し悪しはユーザの好みであり、いずれの画像テイストを有する画像であっても処理を行ったユーザにとっては良い画像(高画質画像)であると考えられる。
そこで、本実施形態では、入力画像の画像内容に応じて複数の異なる画像テイストを有する高画質画像を生成することができる画像処理装置について説明する。なお、第1実施形態において説明した機能構成と同じものは同一の符号を付すとともに、その説明を省略する。
本実施形態に係る画像処理装置4000は、第1実施形態における画像処理装置1000の構成に加えてカメラ内現像画像分類部420を有する点が異なる。
画像生成器選択テーブル作成部450は、画像生成器学習部440が生成した複数の画像生成器と、画像内容分類部420により分類された各カメラ内現像画像クラスタとの関連付けを行う。なお、関連付けた結果は画像生成器選択テーブル(表)として画像処理装置4000に記憶される。処理の詳細については後述する。
画像生成器選択部460は、ユーザが処理対象として入力した画像(入力画像20)と画像生成器選択テーブル作成部450が作成したテーブルに基づいて、画像生成を行う画像生成器を1つ以上選択する。
画像生成部470は、画像生成器選択部460により選択された1つ以上の画像生成器を用いて高画質画像を生成する。
画像表示部480は、画像生成部470により生成された1つ以上の高画質画像を表示画面に表示する。
また、図5に示すステップS502の処理からステップS504の処理は、第1実施形態に係るステップS201の処理からステップS203の処理と同様の処理であるため、その説明を省略する。
本処理では、画像処理装置4000が受け付けたカメラ内現像画像群510について画像の意味内容の類似性に応じた分類が行われる。以下、この点について具体的に説明する。
本処理によって、カメラ内現像画像群は画像の内容の類似性に基づく複数の異なるクラスタ(カメラ内現像画像クラスタ)に分類される。
カメラ内現像画像クラスタと画像生成器との関連付けは、各画像生成器の学習処理で用いられたカメラ内現像画像が含まれるクラスタを当該画像生成器に関連付けるものとする。例えば、同一のクラスタに含まれる(=画像内容が類似している)カメラ内現像画像であっても異なる画像テイストのユーザ現像画像に現像処理されている学習画像ペアが存在する。そのため、同一のカメラ内現像画像クラスタから複数の異なる画像生成器への関連付けが行われることになる。また、関連付けの結果は画像生成器選択テーブルとして画像処理装置4000に記憶される。
具体的には、前述したステップS501の処理においてカメラ内現像画像を分類したときと同様の特徴量を入力画像から抽出して、クラスタ毎に作成した代表特徴量と入力画像から抽出した特徴量を比較して最も類似しているクラスタに入力画像を割り当てる。
本処理により、入力画像と画像の内容が類似した画像内容クラスタが選択され対応付けられる。
前述したステップS505の処理において、各クラスタは1つ以上の画像生成器に関連付けられている。そのため、本処理によって、入力画像と内容が近い画像(=割り当てられたクラスタに含まれる画像)に対して適切な画像テイストで高画質画像を生成する画像生成器が1つ以上選択される。
本処理によって、各画像生成器から1枚の高画質画像が生成される。そのため、1枚の入力画像に対して複数の異なる画像テイストの高画質画像が出力されることになる。
なお、例えば学習処理におけるステップS505の処理で画像生成器毎の重みづけを行っている場合、当該重みづけの順序に応じた順番で画像を表示するように制御する。これにより、入力画像に対して頻繁に用いられる画像テイストの高画質画像を優先的にユーザに提示することが可能になる。
以下、特定の画像テイストに特化した画像処理を行う画像処理装置として構成する場合について説明する。
例えば、プロの写真家の作品には写真家固有の画像テイストが存在する。そこで特定の写真家が撮像したRAWデータに対するカメラ内現像画像およびユーザ(=写真家)現像画像を学習することで、該写真家の画像テイストを模倣した高画質画像を生成することができる。
具体的には、対象の写真家の画像が大量に存在する場合、当該写真家の画像のみを学習データとして用いる。
一方、予め用意された学習データに対して当該写真家の画像が少ない場合、既に学習された画像生成器に対して該写真家の画像データを用いて追加学習を行うことでプロ写真家の画像テイストを模倣する画像生成器の学習を行う。
この場合、まず、ステップS502の処理において分類した画像テイストのクラスタのいずれかに該写真家のユーザ現像画像を割り当てる。割り当ては、ステップS502の処理で行った分類基準と同様に画像テイストの類似性に基づいて行う。そして、割り当てられた画像テイストクラスタに対応する画像生成器に対して該写真家のカメラ内現像画像とユーザ現像画像のペアを教師データとして追加学習を行う。
このように制御することで、入力画像に対して一般的な画像テイストの高画質画像ではなく、特定の写真家の画像テイストを模倣したような高画質画像を生成することができる。
本実施形態では、第2実施形態で説明した画像処理装置の機能を含んで構成された画像処理装置について説明する。
図7は、本実施形態に係る画像処理装置の構成の一例を示す図である。
本実施形態に係る画像処理装置7000では、例えばユーザがクラウド環境(インターネット8)に接続された情報端末(例えば、タブレットPCなど)9を介して任意の画像をアップロードし、当該クラウド環境のサーバー上に記憶されている画像を用いて高画質画像を生成するものとする。また、ユーザは画像処理装置7000が生成した高画質画像のうち、情報端末9を介して気に入った画像をダウンロードするものとする。
なお、第1、第2実施形態において説明した機能構成と同じものは、同一の符号を付すとともにその説明を省略する。
画像処理装置4000は、予め用意された学習画像ペア群10を用いて学習した結果に基づいて、ユーザからの入力画像20に基づいて1つ以上の異なる画像テイストの高画質画像を生成する。
画像選択部710は、画像処理装置4000が生成した1つ以上の高画質画像の中からユーザが任意に選択した画像を特定する。
学習データ追加部720は、受け付けた入力画像20と画像選択部710が特定した画像のペアを学習情報として学習画像ペア群10に追加する。このように学習データ追加部720は、学習情報追加手段として機能する。
CPU100は、画像表示部480を介して、ステップS801の処理において生成された1つ以上の高画質画像をユーザに提示する(S802)。ユーザへの高画質画像の提示は、例えば画像表示部480を介してインターネット8に高画質画像をアップロードし、情報端末9を介してユーザが確認できるように構成することができる。
またこのときに、ユーザのID、入力画像の分類結果、選択された高画質画像を生成した画像生成器を記録しておいてもよい。これらの情報を記録しておくことで、次回以降、同じユーザが新たに画像を入力した時に、ユーザの嗜好に合った画像テイストの高画質画像を優先的に提示することができる。
Claims (9)
- 撮像装置による撮影によって得られた撮影データを所定のパラメータにより該撮像装置で現像した第1の画像と、該撮影データをユーザが調整したパラメータにより現像した第2の画像と、が関連づいた複数の学習画像のうちの前記第2の画像の画像特徴に基づいて前記複数の学習画像を複数のグループに分類する分類手段と、
前記複数のグループそれぞれと対応する、前記第1の画像が入力された場合に前記第2の画像を出力する複数の画像生成器に、当該画像生成器と対応するグループに分類された学習画像を用いた学習をさせる学習手段と、
前記複数の画像生成器から、入力画像と画像内容が類似する前記第1の画像を含む前記学習画像が分類されたグループと対応する一つ以上の画像生成器を選択する選択手段と、
前記選択手段により選択された前記一つ以上の画像生成器への前記入力画像の入力に対する出力に基づいて、出力画像を生成する生成手段と、
を有することを特徴とする画像処理装置。 - 前記入力画像と前記第1の画像とは、画像に含まれるオブジェクト、画像の撮影場所、撮影状況、構図を含む画像内容の少なくともいずれか一つに基づいて、k-平均法で分類を行ったときに同じクラスタに属することを特徴とする請求項1に記載の画像処理装置。
- 前記分類手段は、前記複数の学習画像を、色情報、彩度、コントラスト、輝度分布のいずれか一つ以上に基づいて分類することを特徴とする請求項1または2に記載の画像処理装置。
- 前記生成手段により生成された複数の出力画像を表示する表示手段と、
前記表示手段により表示された前記複数の出力画像からユーザ操作に基づいて選択された出力画像を特定する特定手段と、
前記入力画像と前記特定された出力画像とを関連付けて学習情報として記憶する手段と、を有することを特徴とする請求項1乃至3のいずれか一項に記載の画像処理装置。 - 前記撮影データはRAWデータであることを特徴とする請求項1乃至4のいずれか一項に記載の画像処理装置。
- 前記画像生成器は、前記入力画像の現像方法と異なる現像方法で現像されたような画風を有する前記出力画像を生成することを特徴とする請求項1乃至5のいずれか一項に記載の画像処理装置。
- 前記画像生成器は、ディープニューラルネットワークを利用して前記出力画像を生成することを特徴とする請求項1乃至6のいずれか一項に記載の画像処理装置。
- 1つ以上のプロセッサが実行する画像処理方法であって、
撮像装置による撮影によって得られた撮影データを所定のパラメータにより該撮像装置で現像した第1の画像と、該撮影データをユーザが調整したパラメータにより現像した第2の画像と、が関連づいた複数の学習画像のうちの前記第2の画像の画像特徴に基づいて前記複数の学習画像を複数のグループに分類する分類工程と、
前記複数のグループそれぞれと対応する、前記第1の画像が入力された場合に前記第2の画像を出力する複数の画像生成器に、当該画像生成器と対応するグループに分類された学習画像を用いた学習をさせる学習工程と、
前記複数の画像生成器から、入力画像と画像内容が類似する前記第1の画像を含む前記学習画像が分類されたグループと対応する一つ以上の画像生成器を選択する選択工程と、
前記選択工程により選択された前記一つ以上の画像生成器への前記入力画像の入力に対する出力に基づいて、出力画像を生成する生成工程と、
を含むことを特徴とする画像処理方法。 - コンピュータを請求項1乃至7のいずれか一項に記載の画像処理装置として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017152583A JP7005215B2 (ja) | 2017-08-07 | 2017-08-07 | 画像処理装置、及び、画像処理方法、コンピュータプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017152583A JP7005215B2 (ja) | 2017-08-07 | 2017-08-07 | 画像処理装置、及び、画像処理方法、コンピュータプログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019032654A JP2019032654A (ja) | 2019-02-28 |
JP2019032654A5 JP2019032654A5 (ja) | 2020-09-03 |
JP7005215B2 true JP7005215B2 (ja) | 2022-01-21 |
Family
ID=65524306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017152583A Active JP7005215B2 (ja) | 2017-08-07 | 2017-08-07 | 画像処理装置、及び、画像処理方法、コンピュータプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7005215B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220154049A1 (en) | 2019-02-26 | 2022-05-19 | Moresco Corporation | Ethylene vinyl acetate hot melt adhesive manufacturing method, and hot melt adhesive |
WO2023132223A1 (ja) * | 2022-01-04 | 2023-07-13 | ソニーグループ株式会社 | 画像処理装置、画像処理方法、および記録媒体 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011199671A (ja) | 2010-03-19 | 2011-10-06 | Sony Corp | 画像処理装置および方法、並びにプログラム |
JP2015179909A (ja) | 2014-03-18 | 2015-10-08 | キヤノン株式会社 | 撮像装置及びその制御方法 |
JP2016031747A (ja) | 2014-07-30 | 2016-03-07 | キヤノン株式会社 | 情報処理装置、情報処理方法 |
JP2017049686A (ja) | 2015-08-31 | 2017-03-09 | ノーリツプレシジョン株式会社 | 画像処理装置 |
JP2019025044A (ja) | 2017-07-31 | 2019-02-21 | 株式会社日立製作所 | 医用撮像装置及び医用画像処理方法 |
-
2017
- 2017-08-07 JP JP2017152583A patent/JP7005215B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011199671A (ja) | 2010-03-19 | 2011-10-06 | Sony Corp | 画像処理装置および方法、並びにプログラム |
JP2015179909A (ja) | 2014-03-18 | 2015-10-08 | キヤノン株式会社 | 撮像装置及びその制御方法 |
JP2016031747A (ja) | 2014-07-30 | 2016-03-07 | キヤノン株式会社 | 情報処理装置、情報処理方法 |
JP2017049686A (ja) | 2015-08-31 | 2017-03-09 | ノーリツプレシジョン株式会社 | 画像処理装置 |
JP2019025044A (ja) | 2017-07-31 | 2019-02-21 | 株式会社日立製作所 | 医用撮像装置及び医用画像処理方法 |
Non-Patent Citations (2)
Title |
---|
Patricia L. Suarez, Angel D. Sappa, Boris X. Vintimilla,"Infrared Image Colorization Based on a Triplet DCGAN Architecture",2017 IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW),米国,IEEE,2017年07月21日,pp.212-217 |
佐藤 絵理子、外3名,"過去風景動画の自動生成に関する基礎的研究",映像情報メディア学会技術報告,日本,(一社)映像情報メディア学会,2017年05月25日,Vol.41, No.16,pp.183-188 |
Also Published As
Publication number | Publication date |
---|---|
JP2019032654A (ja) | 2019-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5791336B2 (ja) | 画像処理装置及びその制御方法 | |
US11508038B2 (en) | Image processing method, storage medium, image processing apparatus, learned model manufacturing method, and image processing system | |
KR102146855B1 (ko) | 촬영 설정 값을 공유하는 촬영 장치 및 방법 및 공유 시스템 | |
US8885935B2 (en) | Image processing apparatus and image processing method | |
JP2009212853A (ja) | ホワイトバランス制御装置およびその制御方法並びに撮像装置 | |
US10706512B2 (en) | Preserving color in image brightness adjustment for exposure fusion | |
EP1130898A2 (en) | Method, apparatus and recording medium for image processing | |
JP2005295508A (ja) | カラー画像のモノクローム画像化 | |
US10600170B2 (en) | Method and device for producing a digital image | |
JP2011044064A (ja) | 画像処理装置、および画像処理プログラム | |
JP2014086956A (ja) | 画像処理装置及び画像処理方法 | |
JP2018148281A (ja) | 画像処理装置 | |
JP7005215B2 (ja) | 画像処理装置、及び、画像処理方法、コンピュータプログラム | |
JP2003244620A (ja) | 画像処理方法および装置並びにプログラム | |
JP5381498B2 (ja) | 画像処理装置、画像処理プログラムおよび画像処理方法 | |
US9413974B2 (en) | Information processing apparatus, image sensing apparatus, control method, and recording medium for conversion processing | |
US11825186B2 (en) | Program, information processing device, and information processing system | |
JP2010041607A (ja) | 撮像装置、その制御方法及びプログラム | |
JP2009070099A (ja) | 画像処理装置、画像処理方法、プログラムおよび記録媒体 | |
JP2007174015A (ja) | 画像管理プログラム、および画像管理装置 | |
CN110800285B (zh) | 图像处理设备、图像处理方法和存储介质 | |
JP7370762B2 (ja) | 撮像装置およびその制御方法 | |
JP2005064647A (ja) | 画像データに対する画像処理 | |
WO2023100664A1 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
JP2005151089A (ja) | 画像生成装置用の画像補正用パラメータの生成 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200720 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200720 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210816 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210831 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211101 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211116 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211126 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20211207 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220105 |