JPH06333041A - デジタル連続階調イメージの局部欠陥検出及び除去技術 - Google Patents
デジタル連続階調イメージの局部欠陥検出及び除去技術Info
- Publication number
- JPH06333041A JPH06333041A JP6089064A JP8906494A JPH06333041A JP H06333041 A JPH06333041 A JP H06333041A JP 6089064 A JP6089064 A JP 6089064A JP 8906494 A JP8906494 A JP 8906494A JP H06333041 A JPH06333041 A JP H06333041A
- Authority
- JP
- Japan
- Prior art keywords
- pixel
- image
- defect
- value
- residual
- 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
- 238000001514 detection method Methods 0.000 title description 71
- 230000002950 deficient Effects 0.000 claims abstract description 34
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 230000007547 defect Effects 0.000 claims description 133
- 238000000034 method Methods 0.000 claims description 35
- 238000012360 testing method Methods 0.000 claims description 23
- 238000001914 filtration Methods 0.000 claims description 7
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims description 2
- 230000003287 optical effect Effects 0.000 abstract description 8
- 239000000428 dust Substances 0.000 abstract description 7
- 230000005856 abnormality Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 60
- 238000004140 cleaning Methods 0.000 description 30
- 230000003628 erosive effect Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 238000009499 grossing Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 230000003750 conditioning effect Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 230000000877 morphologic effect Effects 0.000 description 4
- 239000000523 sample Substances 0.000 description 4
- 230000004083 survival effect Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000001143 conditioned effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000010339 dilation Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000796 flavoring agent Substances 0.000 description 2
- 235000019634 flavors Nutrition 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000010076 replication Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- ZBMRKNMTMPPMMK-UHFFFAOYSA-N 2-amino-4-[hydroxy(methyl)phosphoryl]butanoic acid;azane Chemical compound [NH4+].CP(O)(=O)CCC(N)C([O-])=O ZBMRKNMTMPPMMK-UHFFFAOYSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 101100083446 Danio rerio plekhh1 gene Proteins 0.000 description 1
- 208000037170 Delayed Emergence from Anesthesia Diseases 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012411 cloning technique Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000005476 size effect Effects 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10008—Still image; Photographic image from scanner, fax or copier
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
(57)【要約】
【目的】 オペレータの介在を最小限としつつ、イメー
ジ上に生じる異常を効率的に検出及び修正する方法及び
装置を提供する。 【構成】 最小限のユーザの介在によって、局部デジタ
ルイメージ欠陥を広範囲にわたり自動的に検出修正する
方法。この検出方法は、非線形空間フィルタの残存に対
する大きさのスレッショルドと輝度及び色のスレッショ
ルドを使用し、これによって最小限の混同率で、シーン
の内容から欠陥を分離することができる。検出された欠
陥は、その後非線形平滑化とグレースケール侵食との組
み合わせによって修正される。
ジ上に生じる異常を効率的に検出及び修正する方法及び
装置を提供する。 【構成】 最小限のユーザの介在によって、局部デジタ
ルイメージ欠陥を広範囲にわたり自動的に検出修正する
方法。この検出方法は、非線形空間フィルタの残存に対
する大きさのスレッショルドと輝度及び色のスレッショ
ルドを使用し、これによって最小限の混同率で、シーン
の内容から欠陥を分離することができる。検出された欠
陥は、その後非線形平滑化とグレースケール侵食との組
み合わせによって修正される。
Description
【0001】関連出願へのクロスリファランス 本願は、ロバート・グレイ他により1992年8月21
日に出願された「撮像素子の表面における汚点検出及び
マッピング方法」(出願番号第07934089)の関
連出願である。
日に出願された「撮像素子の表面における汚点検出及び
マッピング方法」(出願番号第07934089)の関
連出願である。
【0002】
【産業上の利用分野】本発明は、被走査イメージの電気
的等価を形成するための、主に写真フィルムからのイメ
ージ走査、特に、フィルムの汚れまたは物理的損傷に起
因する欠陥を検出及び除去する技術に関する。
的等価を形成するための、主に写真フィルムからのイメ
ージ走査、特に、フィルムの汚れまたは物理的損傷に起
因する欠陥を検出及び除去する技術に関する。
【0003】本願開示内容の一部は、著作権の保護対象
となっている。この著作権者は、それが特許商標庁のフ
ァイルや記録に掲載される場合には、任意の特許開示者
によるファックス再生に関して何の反論もないが、それ
以外の場合には、いかなる場合であっても、すべての著
作権が保護される。
となっている。この著作権者は、それが特許商標庁のフ
ァイルや記録に掲載される場合には、任意の特許開示者
によるファックス再生に関して何の反論もないが、それ
以外の場合には、いかなる場合であっても、すべての著
作権が保護される。
【0004】
【従来の技術】連続階調写真フィルムを電子走査して生
成されたデジタルイメージは、フィルム表面の傷や汚れ
などのために、視覚的な欠陥を呈することがある。この
ような欠陥は、たいていは手作業によるデジタルレタッ
チング(例えば、「ダストバステイング」や他のクロー
ニング技術により)によりデジタル的に修正しなければ
ならないが、これには、オペレータがイメージ中の各局
部欠陥を視覚的に把握しなければならない。
成されたデジタルイメージは、フィルム表面の傷や汚れ
などのために、視覚的な欠陥を呈することがある。この
ような欠陥は、たいていは手作業によるデジタルレタッ
チング(例えば、「ダストバステイング」や他のクロー
ニング技術により)によりデジタル的に修正しなければ
ならないが、これには、オペレータがイメージ中の各局
部欠陥を視覚的に把握しなければならない。
【0005】この技術に関連する特許として、USP第
4,189,235号(発明の名称「銀行通帳上への汚
点蓄積度を動的測定する試験装置」; 発明者 ギュー
ター他)である。この特許は、汚点蓄積に対する不透明
ウェブ物質を検査する方法を記載したものである。ウェ
ブ物質からの反射信号は、物質がセンサを通過したとき
に、3個の隣接光センサにより感知される。中央センサ
により感知された信号が両側センサにより感知された信
号から大幅に相違しているときに、感知領域が汚れをも
つと分類される。
4,189,235号(発明の名称「銀行通帳上への汚
点蓄積度を動的測定する試験装置」; 発明者 ギュー
ター他)である。この特許は、汚点蓄積に対する不透明
ウェブ物質を検査する方法を記載したものである。ウェ
ブ物質からの反射信号は、物質がセンサを通過したとき
に、3個の隣接光センサにより感知される。中央センサ
により感知された信号が両側センサにより感知された信
号から大幅に相違しているときに、感知領域が汚れをも
つと分類される。
【0006】
【発明が解決しようとする課題】従来の光プリントシス
テムでは、もし汚れや傷が写真イメージに現れると、ネ
ガやスライドが洗浄され、再プリントされるか或いはプ
リント自体がレタッチされる。イメージが光ディスクに
書き込まれるような場合には、多くのイメージが視認さ
れるまえにディスクに書き込まれており、一旦イメージ
が書き込まれるとそれを除去することはできなくなるた
め、イメージの再書き込みは不適切であり望ましくな
い。従って、写真仕上げ環境で存在する汚れをモニター
し、任意の選択されたフィルムクリーニング方法の効果
を査定することが望ましい。
テムでは、もし汚れや傷が写真イメージに現れると、ネ
ガやスライドが洗浄され、再プリントされるか或いはプ
リント自体がレタッチされる。イメージが光ディスクに
書き込まれるような場合には、多くのイメージが視認さ
れるまえにディスクに書き込まれており、一旦イメージ
が書き込まれるとそれを除去することはできなくなるた
め、イメージの再書き込みは不適切であり望ましくな
い。従って、写真仕上げ環境で存在する汚れをモニター
し、任意の選択されたフィルムクリーニング方法の効果
を査定することが望ましい。
【0007】米国特許第4,907,156号(発明の
名称「デジタルイメージにおける異常解析領域の向上及
び検出方法及びシステム」; 発明者 土井他)では、
入力イメージの「向上」と「劣化」バージョン間の相違
を明かにし、構造的な解析背景を確認除去する技術が開
示されている。一連の単一スレッショルドがイメージ領
域の形状/サイズ作用によって相違イメージに適用さ
れ、肺葉の検出に関した特徴抽出を行う。特徴抽出は、
スレッショルドを用いて行われ、このスレッショルドを
超えたどのブロブが肺葉でどれがそうでないかを確認す
るために、異なるイメージピクセルが比較される。
名称「デジタルイメージにおける異常解析領域の向上及
び検出方法及びシステム」; 発明者 土井他)では、
入力イメージの「向上」と「劣化」バージョン間の相違
を明かにし、構造的な解析背景を確認除去する技術が開
示されている。一連の単一スレッショルドがイメージ領
域の形状/サイズ作用によって相違イメージに適用さ
れ、肺葉の検出に関した特徴抽出を行う。特徴抽出は、
スレッショルドを用いて行われ、このスレッショルドを
超えたどのブロブが肺葉でどれがそうでないかを確認す
るために、異なるイメージピクセルが比較される。
【0008】塵の検出における重要な問題として、
「小」物体を検出するための適切な方法を提供すること
が挙げられる。この問題を解決するための幾つかの方法
がある。たとえば、イメージ中の全カラーピクセルを色
分類し、共通な色クラスのピクセルを空間的に分節へ接
続し、その後分節の空間寸法を調べるというものがあ
る。この方法は、確かに可能ではあるが、色分類が非常
に正確になされなければ、周辺がカラーのピクセルが誤
分類される恐れがある。問題は、直接RGB(または輝
度−色相)イメージ値の相違だけが、それらの間、即ち
小塵アーチファクトとアーチファクトが重畳された明る
いグレー拡張シーン領域との間に大きなコントラストを
与えるのではないということである。従って、色分類後
は、合理的に中性で明るいが可視ダストアーチファクト
をマスクする非常に大きな分節として残存することにな
る。
「小」物体を検出するための適切な方法を提供すること
が挙げられる。この問題を解決するための幾つかの方法
がある。たとえば、イメージ中の全カラーピクセルを色
分類し、共通な色クラスのピクセルを空間的に分節へ接
続し、その後分節の空間寸法を調べるというものがあ
る。この方法は、確かに可能ではあるが、色分類が非常
に正確になされなければ、周辺がカラーのピクセルが誤
分類される恐れがある。問題は、直接RGB(または輝
度−色相)イメージ値の相違だけが、それらの間、即ち
小塵アーチファクトとアーチファクトが重畳された明る
いグレー拡張シーン領域との間に大きなコントラストを
与えるのではないということである。従って、色分類後
は、合理的に中性で明るいが可視ダストアーチファクト
をマスクする非常に大きな分節として残存することにな
る。
【0009】分類前におけるより良いアプローチは、そ
の周辺に対して大きな局部コントラストを有するポイン
トだけを前選択することである。これは、(1)カラー
イメージを空間的に円滑化すること、及び(2)原カラ
ーイメージから円滑化カラーイメージを差し引くこと、
によって直接的に達成される。結果として得られる相違
(または「残存」)イメージは、重み付けされた局部平
均サイズよりも大きな全てのピクセルを強調することと
なる。ここにおいてキーとなる決定事項は、空間スムー
サーの選択である。最も明白な第1候補は、ローパスリ
ニアフィルタ(例:局部ウインドウにおける全グレーレ
ベル(GLs)の単純空間重み付け平均)である。すな
わち、各特性は数学的に容易に解析され、また(おそら
くはより重要なことであるが)このようなフィルタはソ
フトウェア及びハードウェア内で速やかに実行される
(残存イメージは、基本的には原イメージのハイパスフ
ィルタ通過バージョンである)。残念ながら、リニア残
存イメージは、イメージにおける、シーン不連続性に起
因する非常に長いエッジを含む全ての局部エッジを保持
するという特性を有している。この結果、非常に「乱雑
化」したイメージとなる(すなわち、残存イメージは、
汚れや傷とは関係のない多くの明るいピクセルを含
む)。従って、欠陥決定が行われる前に、残存マップを
きれいにするためのシーンリーゾニングのために、多大
な時間を費やすこととなる。略言すれば、リニアフィル
タ残存では、局部欠陥と真シーンディテイルとを十分に
弁別できないということである。
の周辺に対して大きな局部コントラストを有するポイン
トだけを前選択することである。これは、(1)カラー
イメージを空間的に円滑化すること、及び(2)原カラ
ーイメージから円滑化カラーイメージを差し引くこと、
によって直接的に達成される。結果として得られる相違
(または「残存」)イメージは、重み付けされた局部平
均サイズよりも大きな全てのピクセルを強調することと
なる。ここにおいてキーとなる決定事項は、空間スムー
サーの選択である。最も明白な第1候補は、ローパスリ
ニアフィルタ(例:局部ウインドウにおける全グレーレ
ベル(GLs)の単純空間重み付け平均)である。すな
わち、各特性は数学的に容易に解析され、また(おそら
くはより重要なことであるが)このようなフィルタはソ
フトウェア及びハードウェア内で速やかに実行される
(残存イメージは、基本的には原イメージのハイパスフ
ィルタ通過バージョンである)。残念ながら、リニア残
存イメージは、イメージにおける、シーン不連続性に起
因する非常に長いエッジを含む全ての局部エッジを保持
するという特性を有している。この結果、非常に「乱雑
化」したイメージとなる(すなわち、残存イメージは、
汚れや傷とは関係のない多くの明るいピクセルを含
む)。従って、欠陥決定が行われる前に、残存マップを
きれいにするためのシーンリーゾニングのために、多大
な時間を費やすこととなる。略言すれば、リニアフィル
タ残存では、局部欠陥と真シーンディテイルとを十分に
弁別できないということである。
【0010】ごみや傷などの異常を確認することによっ
て、オペレータが介在することなく、これらを除去する
ことができるという利点がある。本発明は、このような
異常を最小限のオペレータ介在によって、確認し化粧修
正するための方法を提供しようとするものである。
て、オペレータが介在することなく、これらを除去する
ことができるという利点がある。本発明は、このような
異常を最小限のオペレータ介在によって、確認し化粧修
正するための方法を提供しようとするものである。
【0011】
【課題を解決するための手段】本発明の好適な方法の一
つは、デジタルイメージにおける欠陥検出及び除去方法
において、次の各ステップを含むことを特徴とする。
つは、デジタルイメージにおける欠陥検出及び除去方法
において、次の各ステップを含むことを特徴とする。
【0012】a)ピクセル値により表わされるデジタル
イメージを前処理し、これによって欠陥ピクセルがその
隣接非欠陥ピクセルに対して大きな局部コントラストを
有する特徴イメージを形成するステップと、 b)各特徴イメージピクセル値をテストし、その値が欠
陥推定ピクセル範囲内にあるかどうかを決定するステッ
プと、 c)欠陥推測範囲内にある各特徴イメージピクセル値に
対してエッジ保持した空間フィルタリングを行うステッ
プと、 d)各ピクセルに対して、対応特徴イメージピクセル値
と上記ステップc)でのフィルタされた値との差の関数
として、残存値を形成するステップと、 e)ステップd)の各残存値をテストし、残存値が欠陥
推測残存値の範囲内にあるかどうかを決定するステップ
と、 f)ステップb)及びe)に係る欠陥推測範囲内にある
各ピクセルが欠陥として記されたマップを作成するステ
ップと、 g)ステップf)で作成されたマップを用いて、デジタ
ルイメージを修正するステップ。
イメージを前処理し、これによって欠陥ピクセルがその
隣接非欠陥ピクセルに対して大きな局部コントラストを
有する特徴イメージを形成するステップと、 b)各特徴イメージピクセル値をテストし、その値が欠
陥推定ピクセル範囲内にあるかどうかを決定するステッ
プと、 c)欠陥推測範囲内にある各特徴イメージピクセル値に
対してエッジ保持した空間フィルタリングを行うステッ
プと、 d)各ピクセルに対して、対応特徴イメージピクセル値
と上記ステップc)でのフィルタされた値との差の関数
として、残存値を形成するステップと、 e)ステップd)の各残存値をテストし、残存値が欠陥
推測残存値の範囲内にあるかどうかを決定するステップ
と、 f)ステップb)及びe)に係る欠陥推測範囲内にある
各ピクセルが欠陥として記されたマップを作成するステ
ップと、 g)ステップf)で作成されたマップを用いて、デジタ
ルイメージを修正するステップ。
【0013】本発明方法は、自己塵埃バスター(AD
B)アルゴリズムと呼ばれ、これは、消費者型カラー写
真イメージ及びカラー動作写真フレーム双方に対してテ
ストされた結果、成功を収めることができた。
B)アルゴリズムと呼ばれ、これは、消費者型カラー写
真イメージ及びカラー動作写真フレーム双方に対してテ
ストされた結果、成功を収めることができた。
【0014】以上より、本発明の主目的は、デジタルイ
メージに対して、自動局部欠陥検出及び除去を行うこと
である。
メージに対して、自動局部欠陥検出及び除去を行うこと
である。
【0015】本発明の上記及び他の目的は、以下の詳細
な説明及び各図面を参照することによって、より明かと
なろう。なお、各図中、同一符号は、同一または対応構
成要素を示す。
な説明及び各図面を参照することによって、より明かと
なろう。なお、各図中、同一符号は、同一または対応構
成要素を示す。
【0016】
【実施例】図1において、デジタル化スキャナ10、表
示装置26を備えたコンピュータなどの制御及び論理装
置24、及び光学ディスクライター36により本発明が
実施されている。図示したごとく、現像されたフィルム
の一または複数のフレーム18を含むフィルムストリッ
プ15は、スキャンゲート12内に配置されており、こ
のスキャンゲート12内で、フィルムストリップ15が
制御及び論理回路30の指令のもとで走査される。各フ
レーム18が走査されると、イメージデータ22によっ
て表される被走査イメージデータは、デジタル化される
と共にメモリ28へ伝送されて記憶される。コンピュー
タ24は、記憶されたデータを以下に説明する方法で処
理し、出力イメージデータ32を生成する。このデータ
32は、光ディスクライター36によって光ディスク3
4へ書き込まれ、異常の特性に関するレポートが作成さ
れることになる。走査装置10は、ピクセル値を個別の
赤、緑及び青チャンネルにおけるマルチ輝度レベルに量
子化することができる。輝度レベルの最小数は、適切な
品質イメージに対して、典型数が256とすると、約6
4である。イメージデータは、フィルムの走査作用から
発生すると説明したが、イメージデータの生成に他の周
知技術を使用することも可能であることが理解される。
異なるソース形式及び演算制約に対するカスタマイゼー
ションを可能とするADBアルゴリズム及び幾つかの処
理オプションについて、以下説明する。
示装置26を備えたコンピュータなどの制御及び論理装
置24、及び光学ディスクライター36により本発明が
実施されている。図示したごとく、現像されたフィルム
の一または複数のフレーム18を含むフィルムストリッ
プ15は、スキャンゲート12内に配置されており、こ
のスキャンゲート12内で、フィルムストリップ15が
制御及び論理回路30の指令のもとで走査される。各フ
レーム18が走査されると、イメージデータ22によっ
て表される被走査イメージデータは、デジタル化される
と共にメモリ28へ伝送されて記憶される。コンピュー
タ24は、記憶されたデータを以下に説明する方法で処
理し、出力イメージデータ32を生成する。このデータ
32は、光ディスクライター36によって光ディスク3
4へ書き込まれ、異常の特性に関するレポートが作成さ
れることになる。走査装置10は、ピクセル値を個別の
赤、緑及び青チャンネルにおけるマルチ輝度レベルに量
子化することができる。輝度レベルの最小数は、適切な
品質イメージに対して、典型数が256とすると、約6
4である。イメージデータは、フィルムの走査作用から
発生すると説明したが、イメージデータの生成に他の周
知技術を使用することも可能であることが理解される。
異なるソース形式及び演算制約に対するカスタマイゼー
ションを可能とするADBアルゴリズム及び幾つかの処
理オプションについて、以下説明する。
【0017】要求されるADBオペレーションは、
(1)特徴選択、(2)欠陥検出、及び(3)欠陥修正
に分けられる。これらの作用によって、非欠陥のシーン
素子に対する影響を最小限に抑制しつつ、最大の欠陥数
が検出されると共に最適に修正される。このようにし
て、ユーザが検出処理の精度に対して持つ信頼性が大き
ければ大きいほど、除去処理も激しく行われる。逆に、
シーン素子からの「偽警告」を回避する信頼性が減少す
ると、真のシーン素子に損傷を与えることを回避するた
めに、より穏やかな除去方法が採用される。
(1)特徴選択、(2)欠陥検出、及び(3)欠陥修正
に分けられる。これらの作用によって、非欠陥のシーン
素子に対する影響を最小限に抑制しつつ、最大の欠陥数
が検出されると共に最適に修正される。このようにし
て、ユーザが検出処理の精度に対して持つ信頼性が大き
ければ大きいほど、除去処理も激しく行われる。逆に、
シーン素子からの「偽警告」を回避する信頼性が減少す
ると、真のシーン素子に損傷を与えることを回避するた
めに、より穏やかな除去方法が採用される。
【0018】走査されたカラーネガから生成されたデジ
タルポジにおける可視汚れアーティファクトは、次の各
特性をもつ: それらは「白」(低色飽和)、「明」
(超高外見露光値)、「小」(小空間広がり)、及び
「コントラスト」(その直周囲に対して大きな相違)。
(もし走査されたものが汚れカラーポジならば、汚れア
ーティファクトが「明」ではなく「暗」になる)。更
に、このような多くのフラグメントは、個々の欠陥内に
おいてはわずかの輝度変化しか示さない。
タルポジにおける可視汚れアーティファクトは、次の各
特性をもつ: それらは「白」(低色飽和)、「明」
(超高外見露光値)、「小」(小空間広がり)、及び
「コントラスト」(その直周囲に対して大きな相違)。
(もし走査されたものが汚れカラーポジならば、汚れア
ーティファクトが「明」ではなく「暗」になる)。更
に、このような多くのフラグメントは、個々の欠陥内に
おいてはわずかの輝度変化しか示さない。
【0019】上記各特性は、比較的緩く決定されてお
り、多くの真のシーン(非欠陥)特性はこれらの一また
は複数の属性を有する。従って、ADBアルゴリズムの
目的は、欠陥と誤認される真のシーン素子数を最小限に
抑制しつつ、欠陥検出割合(ヒット)を最大化すること
である。これらの目的は、互いに競合する傾向がある。
即ち、「ヒット」のパーセンテージを上げるように特徴
に関するしきい値を設定すれば、「偽警告」の数を増大
する傾向が生じ、また逆も真である。検出メカニズム
は、真のシーン素子から可能なかぎり相違する欠陥があ
らわれている状況で使用されなければならない。
り、多くの真のシーン(非欠陥)特性はこれらの一また
は複数の属性を有する。従って、ADBアルゴリズムの
目的は、欠陥と誤認される真のシーン素子数を最小限に
抑制しつつ、欠陥検出割合(ヒット)を最大化すること
である。これらの目的は、互いに競合する傾向がある。
即ち、「ヒット」のパーセンテージを上げるように特徴
に関するしきい値を設定すれば、「偽警告」の数を増大
する傾向が生じ、また逆も真である。検出メカニズム
は、真のシーン素子から可能なかぎり相違する欠陥があ
らわれている状況で使用されなければならない。
【0020】殆どのイメージでは、直近接周囲に対して
輝度または色が大きく異なる立体サイズの小さい物体
は、比較的少ない。ADBアルゴリズムは、非線形空間
フィルタの特定形態のものを使用するという新たな方法
によって、この特性を利用する。このフィルタの特性
は、後述する。
輝度または色が大きく異なる立体サイズの小さい物体
は、比較的少ない。ADBアルゴリズムは、非線形空間
フィルタの特定形態のものを使用するという新たな方法
によって、この特性を利用する。このフィルタの特性
は、後述する。
【0021】図2は、一般的な、自動ダストバスターの
処理をフローチャートで表したものである。ブロック1
00の原イメージは、一または複数のピクセル値のマト
リックスまたはこれに相当するグレーレベル(GL)で
表されたマルチ帯域デジタルイメージである。前処理ブ
ロック110では、いくつかの有効及び適切な原イメー
ジのマッピングが行われる。前処理の一例は、演算上の
便宜より、そのサイズを減少するイメージのデジタル再
サンプリングである。他の前処理としては、原イメージ
帯域を選択または再組み合わせして、より少ない帯域で
特徴イメージを生成することである。いずれの場合で
も、結果として生じる特徴イメージの検出適性は、原イ
メージのそれと少なくとも比較可能でなければならな
い。楕円120は、ブロック110から出力された特徴
イメージを表したものである。特徴イメージは、ブロッ
ク130において帯域輝度テストを受ける。このテスト
は、特徴イメージ中の各帯域の全ピクセルに対して、低
及び高しきい値評価を行う。各帯域において、高しきい
値以上及び低しきい値未満のピクセル値は、テストに合
格したものと見なされ、これらはエッジ保持円滑(EP
S)フィルタ140へ供給される。このフィルタは、以
下に述べるように主要シーンエッジを保持するように、
全ての帯域において選択されたピクセルを非線形的に円
滑化する。このピクセル位置におけるフィルタの出力
は、円滑化イメージ142における対応位置へ書き込ま
れる。高しきい値未満であるが低しきい値以上のピクセ
ル値に対しては、後段のEPSフィルタリングは行われ
ない。すなわち、テストは失敗と考えられる。特徴イメ
ージピクセルの各帯域は、円滑化イメージ142の結果
出力にコピーされ、EPSフィルタリングは受けない。
異なるノード145において、円滑化イメージの各帯域
のピクセル値は、特徴イメージ120における対応位置
でピクセル値から差し引かれ、これによって残存イメー
ジ148が生成される。
処理をフローチャートで表したものである。ブロック1
00の原イメージは、一または複数のピクセル値のマト
リックスまたはこれに相当するグレーレベル(GL)で
表されたマルチ帯域デジタルイメージである。前処理ブ
ロック110では、いくつかの有効及び適切な原イメー
ジのマッピングが行われる。前処理の一例は、演算上の
便宜より、そのサイズを減少するイメージのデジタル再
サンプリングである。他の前処理としては、原イメージ
帯域を選択または再組み合わせして、より少ない帯域で
特徴イメージを生成することである。いずれの場合で
も、結果として生じる特徴イメージの検出適性は、原イ
メージのそれと少なくとも比較可能でなければならな
い。楕円120は、ブロック110から出力された特徴
イメージを表したものである。特徴イメージは、ブロッ
ク130において帯域輝度テストを受ける。このテスト
は、特徴イメージ中の各帯域の全ピクセルに対して、低
及び高しきい値評価を行う。各帯域において、高しきい
値以上及び低しきい値未満のピクセル値は、テストに合
格したものと見なされ、これらはエッジ保持円滑(EP
S)フィルタ140へ供給される。このフィルタは、以
下に述べるように主要シーンエッジを保持するように、
全ての帯域において選択されたピクセルを非線形的に円
滑化する。このピクセル位置におけるフィルタの出力
は、円滑化イメージ142における対応位置へ書き込ま
れる。高しきい値未満であるが低しきい値以上のピクセ
ル値に対しては、後段のEPSフィルタリングは行われ
ない。すなわち、テストは失敗と考えられる。特徴イメ
ージピクセルの各帯域は、円滑化イメージ142の結果
出力にコピーされ、EPSフィルタリングは受けない。
異なるノード145において、円滑化イメージの各帯域
のピクセル値は、特徴イメージ120における対応位置
でピクセル値から差し引かれ、これによって残存イメー
ジ148が生成される。
【0022】残存イメージからの全ピクセル値は、ブロ
ック150の残存テストを受ける。この残存テストは、
残存イメージ148の各帯域に適用される最小及び最大
しきい値から成る。輝度欠陥が発見された場合には、合
格ピクセルは全帯域値が最小しきい値を超えなければな
らず、少なくとも一の帯域値が最大しきい値を超えなけ
ればならない。暗欠陥が検出されたときには、全帯域値
が最大しきい値未満であり少なくとも一の帯域値が最小
しきい値未満であると、ピクセルが通過(合格)する。
ック150の残存テストを受ける。この残存テストは、
残存イメージ148の各帯域に適用される最小及び最大
しきい値から成る。輝度欠陥が発見された場合には、合
格ピクセルは全帯域値が最小しきい値を超えなければな
らず、少なくとも一の帯域値が最大しきい値を超えなけ
ればならない。暗欠陥が検出されたときには、全帯域値
が最大しきい値未満であり少なくとも一の帯域値が最小
しきい値未満であると、ピクセルが通過(合格)する。
【0023】合格したピクセルは、クラスマップ160
へ送られ、異なる値でマークされる。クラスマップ16
0は、検出された欠陥の位置をマークするために使用さ
れる単一帯域イメージ表示である。欠陥ピクセルは、ク
ラスマップ160内で異なる値にマークされる。クラス
マップ条件化ブロック170では、クラスマップ160
内の値が更に、欠陥の周知空間特性を受け入れるように
修正される。例えば、クラスマップ内における欠陥マー
ク(合格)ピクセルの1−ピクセル形態的膨張が通常行
われる。条件化されたクラスマップ175は、原イメー
ジピクセル値でクリーニングブロック180の長さに指
向する。クラスマップを通過したとマークされていない
原イメージ中のピクセルは、出力されたクリーンイメー
ジ190へ変化なしにコピーされる。通過したとマーク
されたピクセル即ち欠陥は、隣接の非欠陥ピクセル値を
用いて修正される。修正された値は、その後クリーンイ
メージ190へ書き込まれる。
へ送られ、異なる値でマークされる。クラスマップ16
0は、検出された欠陥の位置をマークするために使用さ
れる単一帯域イメージ表示である。欠陥ピクセルは、ク
ラスマップ160内で異なる値にマークされる。クラス
マップ条件化ブロック170では、クラスマップ160
内の値が更に、欠陥の周知空間特性を受け入れるように
修正される。例えば、クラスマップ内における欠陥マー
ク(合格)ピクセルの1−ピクセル形態的膨張が通常行
われる。条件化されたクラスマップ175は、原イメー
ジピクセル値でクリーニングブロック180の長さに指
向する。クラスマップを通過したとマークされていない
原イメージ中のピクセルは、出力されたクリーンイメー
ジ190へ変化なしにコピーされる。通過したとマーク
されたピクセル即ち欠陥は、隣接の非欠陥ピクセル値を
用いて修正される。修正された値は、その後クリーンイ
メージ190へ書き込まれる。
【0024】以下、図2の主要ブロックについて、更に
詳述する。ADB処理においては、欠陥位置を検出する
ために使用される特徴イメージ120は、修正される原
イメージ100とは異なる。これは、演算時間が貴重で
完全(通常3色)イメージでは過度に負担が大きい場合
に、通常有利である。この場合、前処理モジュール11
0を適用することが可能になることが多く、これによっ
て、その代わりにEPSフィルタリングされ欠陥に対し
て分類される1または2帯域「特徴」イメージ120を
生成することができる。この作戦の効果は、減少された
寸法の特徴イメージがオリジナルイメージ100のサイ
ズ、輝度、コントラスト及び色欠陥弁別を保持すること
の成否にかかっている。もちろん、これはアプリケーシ
ョン毎に異なる。例えば、重畳されたカラーセルから発
生するデジタルイメージ(アニメなどのような)では、
欠陥は任意の色及び飽和である。したがって、色及び飽
和情報を犠牲にする減少された寸法のスペースを用いた
検出作用では損失は少ない。この場合、全ての特徴ピク
セル値が入力赤、緑及び青の帯域の最大値である「帯域
最大」1帯域特徴イメージ120帯域を用いて、成功で
きた。これに対して、写真CD装置では、欠陥の主要源
は、走査中におけるネガ上の汚れであり、これはデジタ
ルポジ上では「白」スペックとして現れる。ここでは、
飽和情報が重要識別名として保持され、2個または3個
の帯域EPSフィルタ特徴イメージがノルムである。図
7は、分類のために全3原色の保持を示したものであ
る。
詳述する。ADB処理においては、欠陥位置を検出する
ために使用される特徴イメージ120は、修正される原
イメージ100とは異なる。これは、演算時間が貴重で
完全(通常3色)イメージでは過度に負担が大きい場合
に、通常有利である。この場合、前処理モジュール11
0を適用することが可能になることが多く、これによっ
て、その代わりにEPSフィルタリングされ欠陥に対し
て分類される1または2帯域「特徴」イメージ120を
生成することができる。この作戦の効果は、減少された
寸法の特徴イメージがオリジナルイメージ100のサイ
ズ、輝度、コントラスト及び色欠陥弁別を保持すること
の成否にかかっている。もちろん、これはアプリケーシ
ョン毎に異なる。例えば、重畳されたカラーセルから発
生するデジタルイメージ(アニメなどのような)では、
欠陥は任意の色及び飽和である。したがって、色及び飽
和情報を犠牲にする減少された寸法のスペースを用いた
検出作用では損失は少ない。この場合、全ての特徴ピク
セル値が入力赤、緑及び青の帯域の最大値である「帯域
最大」1帯域特徴イメージ120帯域を用いて、成功で
きた。これに対して、写真CD装置では、欠陥の主要源
は、走査中におけるネガ上の汚れであり、これはデジタ
ルポジ上では「白」スペックとして現れる。ここでは、
飽和情報が重要識別名として保持され、2個または3個
の帯域EPSフィルタ特徴イメージがノルムである。図
7は、分類のために全3原色の保持を示したものであ
る。
【0025】前処理110中における特徴イメージグレ
ーレベルレンジの再スケーリングは、有利であることが
多い。現在の実施では、これは、10−または12−ビ
ットの原データに対しても、0−255ピクセル値の範
囲へ線形スケーリングすることから成る。これにより、
ヒストグラムが全てのウインドウ場所において検索され
たときに、EPSフィルタリング140中の速度が若干
向上することとなる(図4及び5をその説明と共に参
照)。フォトCD装置(図7参照)では、この再スケー
リングは、全入力イメージの色修正帯域の.5%及び9
9.5%の累積ヒストグラムポイントを見いだすことに
より、決定することができる。全帯域における最小0.
5%点及び最大99.5%点は、特徴イメージ中におい
てそれぞれ0及び225ピクセル値としてマップされ、
これによって、色シフトは生じない。もし入力データの
色バランスがとれていないのであれば、原データに対し
て色バンランシング処理を行う必要がある。
ーレベルレンジの再スケーリングは、有利であることが
多い。現在の実施では、これは、10−または12−ビ
ットの原データに対しても、0−255ピクセル値の範
囲へ線形スケーリングすることから成る。これにより、
ヒストグラムが全てのウインドウ場所において検索され
たときに、EPSフィルタリング140中の速度が若干
向上することとなる(図4及び5をその説明と共に参
照)。フォトCD装置(図7参照)では、この再スケー
リングは、全入力イメージの色修正帯域の.5%及び9
9.5%の累積ヒストグラムポイントを見いだすことに
より、決定することができる。全帯域における最小0.
5%点及び最大99.5%点は、特徴イメージ中におい
てそれぞれ0及び225ピクセル値としてマップされ、
これによって、色シフトは生じない。もし入力データの
色バランスがとれていないのであれば、原データに対し
て色バンランシング処理を行う必要がある。
【0026】EPSフィルタ及びk最隣接(kNN) 所望欠陥の基準サイズを検出するためには、拡張イメー
ジエッジを保持するとともに小局部コントラストイメー
ジ領域(ブロブ)を円滑化する円滑化フィルタが望まし
い。このようなフィルタは、「エッジ保持円滑器」(E
PS)のカテゴリーで、種々の非線形ノイズ低減方法と
して存在する。最も広く知られているEPSフィルタ
は、中間フィルタであり、これはランク順位フィルタの
1種である。ランクオーダーフィルタにおいては、ピク
セルの大きさが分類され、分類された大きさの幾つかの
隣接数が演算される。例えば、中間フィルタでは、ソー
トされた大きさの「中間」素子が保持される(1サンプ
ルにおける平均)。このサンプルの意味は、ランクオー
ダーフィルタ(貧弱なEPSではあるが)であり、これ
によって全種類の大きさの値の平均が得られる。
ジエッジを保持するとともに小局部コントラストイメー
ジ領域(ブロブ)を円滑化する円滑化フィルタが望まし
い。このようなフィルタは、「エッジ保持円滑器」(E
PS)のカテゴリーで、種々の非線形ノイズ低減方法と
して存在する。最も広く知られているEPSフィルタ
は、中間フィルタであり、これはランク順位フィルタの
1種である。ランクオーダーフィルタにおいては、ピク
セルの大きさが分類され、分類された大きさの幾つかの
隣接数が演算される。例えば、中間フィルタでは、ソー
トされた大きさの「中間」素子が保持される(1サンプ
ルにおける平均)。このサンプルの意味は、ランクオー
ダーフィルタ(貧弱なEPSではあるが)であり、これ
によって全種類の大きさの値の平均が得られる。
【0027】イメージ走査に対する標準ランクオーダー
フィルタの貧弱な特性は、現在のウインドウ内における
ピクセルの相対空間位置に対して不感であるということ
である。すなわち、「中間」として選択された大きさ
は、ウインドウの中心またはウインドウの極エッジにお
いて存在する。多くの特殊化された非線形ウインドウオ
ペレータが局部空間構造をアカウントするための装備さ
れてきた。一例は、シグマフィルタ(J.S.Lee,
CVGIP,24,255−269,1983)であ
る。このフィルタでは、スライドウインドウにおけるグ
レーレベルのヒストグラムが生成される。これは、イメ
ージノイズの評価に基づいて行われ、ウインドウの中心
におけるピクセルのグレーレベルに関するヒストグラム
値のレンジが演算される。しかし、シグマフィルタの一
の特性は、それがノイズ除去のために特別設計されてい
るということと、その平均レンジがノイズ特性のみに依
存するということである。フィルタは、各ウインドウ一
において、異なるピクセル数に対して平均を行う。しか
し、ブロブ検出において所望されるのは、局部形状特性
に対する感受性をもつパラメータのフィルタである。
フィルタの貧弱な特性は、現在のウインドウ内における
ピクセルの相対空間位置に対して不感であるということ
である。すなわち、「中間」として選択された大きさ
は、ウインドウの中心またはウインドウの極エッジにお
いて存在する。多くの特殊化された非線形ウインドウオ
ペレータが局部空間構造をアカウントするための装備さ
れてきた。一例は、シグマフィルタ(J.S.Lee,
CVGIP,24,255−269,1983)であ
る。このフィルタでは、スライドウインドウにおけるグ
レーレベルのヒストグラムが生成される。これは、イメ
ージノイズの評価に基づいて行われ、ウインドウの中心
におけるピクセルのグレーレベルに関するヒストグラム
値のレンジが演算される。しかし、シグマフィルタの一
の特性は、それがノイズ除去のために特別設計されてい
るということと、その平均レンジがノイズ特性のみに依
存するということである。フィルタは、各ウインドウ一
において、異なるピクセル数に対して平均を行う。しか
し、ブロブ検出において所望されるのは、局部形状特性
に対する感受性をもつパラメータのフィルタである。
【0028】この制御を行うシグマフィルタに関連する
ものとして、K最隣接(kNN)フィルタ(Davis
and Rosenfeld,IEEE Tran
s,SMC,7,107−109,1978参照)があ
る。このフィルタは、図2のEPSフィルタモジュール
140内で実施される。このフィルタは、各カラー帯域
に対して、次の作用を有する。
ものとして、K最隣接(kNN)フィルタ(Davis
and Rosenfeld,IEEE Tran
s,SMC,7,107−109,1978参照)があ
る。このフィルタは、図2のEPSフィルタモジュール
140内で実施される。このフィルタは、各カラー帯域
に対して、次の作用を有する。
【0029】図3において、ラスタ順序でイメージに対
する奇数寸法n x mの直角ウインドウをスライドす
る。各一において、中心ピクセル(GLc)のグレーレ
ベルまたはこれに相当するピクセル値を決定し、また図
4におけるローカルウインドウ内のグレーレベルのヒス
トグラムを作成する。中心グレーレベルGLcを含むヒ
ストグラム位置ビンから開始し、次の方法で、開始ビン
の両側におけるヒストグラムビンの総和の内容は、次の
ようになる。
する奇数寸法n x mの直角ウインドウをスライドす
る。各一において、中心ピクセル(GLc)のグレーレ
ベルまたはこれに相当するピクセル値を決定し、また図
4におけるローカルウインドウ内のグレーレベルのヒス
トグラムを作成する。中心グレーレベルGLcを含むヒ
ストグラム位置ビンから開始し、次の方法で、開始ビン
の両側におけるヒストグラムビンの総和の内容は、次の
ようになる。
【0030】もしGLcに対するビン内の内容がkピク
セルよりも大きいか等しいかをテストする。もしこれが
真であるならば、存在する値GLcのみを平均値GLa
vとして書き込む。もしビンGLcに対する内容がk未
満であるならば、ビンの直下及びGLcより上の内容を
総和に付加し、再び総和がk以上であるかどうかをテス
トする。もし総和がkと等しければ、次式に従って平均
グレーレベルを演算する。
セルよりも大きいか等しいかをテストする。もしこれが
真であるならば、存在する値GLcのみを平均値GLa
vとして書き込む。もしビンGLcに対する内容がk未
満であるならば、ビンの直下及びGLcより上の内容を
総和に付加し、再び総和がk以上であるかどうかをテス
トする。もし総和がkと等しければ、次式に従って平均
グレーレベルを演算する。
【0031】
【数1】 ここで、インデックスiは、総和ヒストグラムビンに対
するものである。もし総和がkよりも大きければ、総和
中の端ビンはGLavに対する演算における重量におい
て比例的に減少され、これによって総和中における総ビ
ン重量がkに等しくなる(添付図面のソースコードに示
されるように)。もし総和がk未満であるならば、次の
GLc未満GLcを超えるビンは、kに対して総和され
テストされる。この処理は、GLcに関するヒストグラ
ムビンの総和がkを超えるかkと等しくなるまで繰り返
される。kピクセル(k < n x m)が総和され
るまで続ける。図5における総和ピクセルの平均グレー
レベルをもとめ、この値を図6におけるウインドウ中心
の位置で出力イメージに書き込む。
するものである。もし総和がkよりも大きければ、総和
中の端ビンはGLavに対する演算における重量におい
て比例的に減少され、これによって総和中における総ビ
ン重量がkに等しくなる(添付図面のソースコードに示
されるように)。もし総和がk未満であるならば、次の
GLc未満GLcを超えるビンは、kに対して総和され
テストされる。この処理は、GLcに関するヒストグラ
ムビンの総和がkを超えるかkと等しくなるまで繰り返
される。kピクセル(k < n x m)が総和され
るまで続ける。図5における総和ピクセルの平均グレー
レベルをもとめ、この値を図6におけるウインドウ中心
の位置で出力イメージに書き込む。
【0032】kNNフィルタは、上記の説明からはすぐ
には明かではない、幾つかの興味あるフィルタリング特
性を有する。まず、ローカルウインドウにおいてkまた
はそれ以上の領域を有する定GLイメージ構造(ブロ
ブ)は、十分に平滑化されない。kピクセル未満のあら
ゆる構造は、kが減少するにつれて更に平滑化されてゆ
く。次に、他の一定グレーレベル領域感における傾斜エ
ッジでは、傾斜の傾きは、フィルタによって増大(鮮鋭
化)される。
には明かではない、幾つかの興味あるフィルタリング特
性を有する。まず、ローカルウインドウにおいてkまた
はそれ以上の領域を有する定GLイメージ構造(ブロ
ブ)は、十分に平滑化されない。kピクセル未満のあら
ゆる構造は、kが減少するにつれて更に平滑化されてゆ
く。次に、他の一定グレーレベル領域感における傾斜エ
ッジでは、傾斜の傾きは、フィルタによって増大(鮮鋭
化)される。
【0033】第1の特性は、ブロブ検出に対する有効性
の一つである。例えば、もしウインドウサイズが5x5
ピクセルであるならば、そしてもしkが15であるなら
ば、3ピクセルよりも大きい深さ(エッジに対して垂直
な両方向における一定ピクセル値)を有する拡張直線エ
ッジは、効果的に不変化状態に保持され、従って、残存
イメージ中からは消滅することとなる。ウインドウ内で
完全にフィットする15ピクセル未満の領域のブロブ
は、平滑化され、これによって残存イメージ中に強く現
れる。これは、局部欠陥検出器に対する所望残存特性で
ある。
の一つである。例えば、もしウインドウサイズが5x5
ピクセルであるならば、そしてもしkが15であるなら
ば、3ピクセルよりも大きい深さ(エッジに対して垂直
な両方向における一定ピクセル値)を有する拡張直線エ
ッジは、効果的に不変化状態に保持され、従って、残存
イメージ中からは消滅することとなる。ウインドウ内で
完全にフィットする15ピクセル未満の領域のブロブ
は、平滑化され、これによって残存イメージ中に強く現
れる。これは、局部欠陥検出器に対する所望残存特性で
ある。
【0034】kNNフィルタリングに対する主な不安
は、演算速度である。これは、線形フィルタではなく且
つ分離不可であり、また他の使用可能な対称特性も有し
ない。ウインドウ配置に対する主な作用は、ヒストグラ
ム生成であり、そして総蓄積サンプルのテストの蓄積で
ある。現在のkNN実施は、ウインドウ毎に完全な演算
を実施するのではなく、イメージの水平ストリップにお
いてウインドウヒストグラムを更新するだけで、ヒスト
グラムを演算するコストを大幅に低減できる。これによ
って、ヒストグラム演算作用(nピクセル x mライ
ンウインドウ)における約(n−2)/nのフラクショ
ナル・セービングが達成される。即ち、ウインドウの長
さが増大するにつれて、セービングも増大する。(この
高速ヒストグラム更新は、「高速−中間」フィルタ−H
uang及びTang,IEEETrans,ASS
P,27,13−18,1979)に使用されているも
のに相当する。
は、演算速度である。これは、線形フィルタではなく且
つ分離不可であり、また他の使用可能な対称特性も有し
ない。ウインドウ配置に対する主な作用は、ヒストグラ
ム生成であり、そして総蓄積サンプルのテストの蓄積で
ある。現在のkNN実施は、ウインドウ毎に完全な演算
を実施するのではなく、イメージの水平ストリップにお
いてウインドウヒストグラムを更新するだけで、ヒスト
グラムを演算するコストを大幅に低減できる。これによ
って、ヒストグラム演算作用(nピクセル x mライ
ンウインドウ)における約(n−2)/nのフラクショ
ナル・セービングが達成される。即ち、ウインドウの長
さが増大するにつれて、セービングも増大する。(この
高速ヒストグラム更新は、「高速−中間」フィルタ−H
uang及びTang,IEEETrans,ASS
P,27,13−18,1979)に使用されているも
のに相当する。
【0035】残存テスト 上述のように、残存イメージ148は、図2に示される
ように生成される。モジュール150及び170に包含
される異常分類ステップは、入力として残存イメージ1
48を受領し、出力としてクリーンされるべきピクセル
をマークする最終クラスマップ175を生成する。
ように生成される。モジュール150及び170に包含
される異常分類ステップは、入力として残存イメージ1
48を受領し、出力としてクリーンされるべきピクセル
をマークする最終クラスマップ175を生成する。
【0036】モジュール150内の残存テストは、残存
イメージ148の各ピクセルに対してテストを行うこと
によって、初期クラスマップを生成する。クラスマップ
条件化モジュール170において、クラスマップ中の非
背景ピクセルの空間分節化(即ち、接続要素ラベリン
グ)が、同じ分節に適用される付加テストがオプション
で行われる。
イメージ148の各ピクセルに対してテストを行うこと
によって、初期クラスマップを生成する。クラスマップ
条件化モジュール170において、クラスマップ中の非
背景ピクセルの空間分節化(即ち、接続要素ラベリン
グ)が、同じ分節に適用される付加テストがオプション
で行われる。
【0037】輝度欠陥を検出するための最も簡単(単一
状態)な方法として、各色残存ピクセルが2個の残存G
Lしきい値GLrmin及びGLrmaxに対して評価
される。この実施において、その最小帯域残存GLがG
Lrminを超えその最大帯域残存GLがGLrmax
を超える全ての色残存ピクセルが後段のクリーニングに
対して、唯一マークされる。これらの両制約のいずれを
も充足しないピクセルは、出力イメージ中で変化しない
ままである(単一帯域特徴イメージでは、GLrmin
とGLrmaxは等しい)。各ピクセルに対するカテゴ
リーマーキングの2次元マップは、「クラスマップ」と
呼ばれる。これらのしきい値は、欠陥ピクセルとその直
背景との間で要求される最小コントラストとしての意味
を有する。
状態)な方法として、各色残存ピクセルが2個の残存G
Lしきい値GLrmin及びGLrmaxに対して評価
される。この実施において、その最小帯域残存GLがG
Lrminを超えその最大帯域残存GLがGLrmax
を超える全ての色残存ピクセルが後段のクリーニングに
対して、唯一マークされる。これらの両制約のいずれを
も充足しないピクセルは、出力イメージ中で変化しない
ままである(単一帯域特徴イメージでは、GLrmin
とGLrmaxは等しい)。各ピクセルに対するカテゴ
リーマーキングの2次元マップは、「クラスマップ」と
呼ばれる。これらのしきい値は、欠陥ピクセルとその直
背景との間で要求される最小コントラストとしての意味
を有する。
【0038】(より小さい)GLrminしきい値は、
通常は残存イメージ中の「0点」よりも若干上に設定さ
れ(例えば上記128の値によりバイアスされた残存の
再スケール特徴に対しては133)、例えば走査された
ネガ上の汚れによる有効輝度欠陥ピクセルはいずれの帯
域でも負コントラスト(0点未満の残存値)を有しない
ことを認める。(より大きな)GLrmaxしきい値
は、欠陥が視認できるために、少なくとも一の帯域にお
いて有効局部コントラストの要件を示す(これらのしき
い値が残存GLsに対するものであることを思い出せ
ば、全ての帯域が大GLrmax値を通過するために必
要となるわけではないことは明かである。例えば、明る
い赤色の背景に対する白色汚れアーティファクトは、緑
及び青帯域内において大きな残存値を有するが、赤色帯
域内では小残存値のみである)。
通常は残存イメージ中の「0点」よりも若干上に設定さ
れ(例えば上記128の値によりバイアスされた残存の
再スケール特徴に対しては133)、例えば走査された
ネガ上の汚れによる有効輝度欠陥ピクセルはいずれの帯
域でも負コントラスト(0点未満の残存値)を有しない
ことを認める。(より大きな)GLrmaxしきい値
は、欠陥が視認できるために、少なくとも一の帯域にお
いて有効局部コントラストの要件を示す(これらのしき
い値が残存GLsに対するものであることを思い出せ
ば、全ての帯域が大GLrmax値を通過するために必
要となるわけではないことは明かである。例えば、明る
い赤色の背景に対する白色汚れアーティファクトは、緑
及び青帯域内において大きな残存値を有するが、赤色帯
域内では小残存値のみである)。
【0039】2状態異常分類としては、2組の残存しき
い値が使用される。すなわち、GLrmin1、GLr
max1、GLrmin2、及びGLrmax2であ
る。一般二、最小残存しきい値は、等しく設定され、上
記0点よりも若干上である。最大残存しきい値は、低信
頼性ピクセルに対する最大残存しきい値よりも、高信頼
性ピクセルのラベリングに対しては若干高く設定され
る。このラベリングによって、各ピクセルが3個のレベ
ルの内の一を所有するクラスマップが得られる(異常、
低信頼性よごれ、高信頼性よごれ)。2状態分類では、
このクラスマップはモジュール170におけるイメージ
分節化を受ける。即ち、同じクラスをもつクラスマップ
において空間的に隣接した全ての残存ピクセルには、単
一のコード値が割り当てられている(これらのコード値
は、イメージ中における予測欠陥の全ブロブを単一にラ
ベリングするものと考えられる)。クラスマップを分節
化するための極めて有効なアルゴリズムは、同じクラス
の原型セグメントの空間「木」における最小原型コード
を見いだし、そして木における全ての分節に対してこの
最低コード値を再び名付けることを含むように使用され
る。
い値が使用される。すなわち、GLrmin1、GLr
max1、GLrmin2、及びGLrmax2であ
る。一般二、最小残存しきい値は、等しく設定され、上
記0点よりも若干上である。最大残存しきい値は、低信
頼性ピクセルに対する最大残存しきい値よりも、高信頼
性ピクセルのラベリングに対しては若干高く設定され
る。このラベリングによって、各ピクセルが3個のレベ
ルの内の一を所有するクラスマップが得られる(異常、
低信頼性よごれ、高信頼性よごれ)。2状態分類では、
このクラスマップはモジュール170におけるイメージ
分節化を受ける。即ち、同じクラスをもつクラスマップ
において空間的に隣接した全ての残存ピクセルには、単
一のコード値が割り当てられている(これらのコード値
は、イメージ中における予測欠陥の全ブロブを単一にラ
ベリングするものと考えられる)。クラスマップを分節
化するための極めて有効なアルゴリズムは、同じクラス
の原型セグメントの空間「木」における最小原型コード
を見いだし、そして木における全ての分節に対してこの
最低コード値を再び名付けることを含むように使用され
る。
【0040】分節化に引きつづき、低信頼性欠陥ピクセ
ルを含み且つ高信頼性ピクセルを含む空間接触分節が高
信頼性にグレードアップされる(すなわち、ピクセルの
クラスマップ値は「欠陥の高信頼性」クラスへ再割当さ
れる)。このステップの目的は、極めて明かな欠陥の近
接存在を利用して、若干の低コントラスト領域が同じ欠
陥の一部であることを決定することである。低信頼性で
ある分節は、「クリーン」(即ち、分節の全ピクセルが
クラスマップ中における非クリーニングに対してマーク
される)またはモジュール180における後段のクリー
ニング状態に対してマークされた他の名前のそれらのピ
クセルとして再ラベルされる。欠陥の信頼性が高いとマ
ークされた分節は、モジュール180において、後段の
侵食クリーニングに対するクラスマップ内においてマー
クされたピクセルを有する。
ルを含み且つ高信頼性ピクセルを含む空間接触分節が高
信頼性にグレードアップされる(すなわち、ピクセルの
クラスマップ値は「欠陥の高信頼性」クラスへ再割当さ
れる)。このステップの目的は、極めて明かな欠陥の近
接存在を利用して、若干の低コントラスト領域が同じ欠
陥の一部であることを決定することである。低信頼性で
ある分節は、「クリーン」(即ち、分節の全ピクセルが
クラスマップ中における非クリーニングに対してマーク
される)またはモジュール180における後段のクリー
ニング状態に対してマークされた他の名前のそれらのピ
クセルとして再ラベルされる。欠陥の信頼性が高いとマ
ークされた分節は、モジュール180において、後段の
侵食クリーニングに対するクラスマップ内においてマー
クされたピクセルを有する。
【0041】クリーニング 2種の一般的クリーニング方法が、ADBアルゴリズム
内におけるモジュール180内での使用に適する: す
なわち、EPS代替及びグレースケール侵食である。単
純なEPS代替では、イメージ100の原入力マルチ帯
域グレーレベルは、平滑化イメージ142の帯域EPS
フィルタグレーレベルによって単純に代替され、このイ
メージ142ではピクセルはクラスマップ175内で欠
陥としてマークされる(図2参照)。この方法は、EP
S値がすでに欠陥検出作用中に演算されているという点
で演算が簡単であるという利点をもつ。しかし、これ
は、EPSイメージがクリーニング中に使用されるため
に保存されることを必要とする。更に、EPS代替は、
「偽警告」の比較的寛大である。すなわち、汚れアーテ
ィファクトと分類されたが本当はシーンの一部であるピ
クセルである。逆に、EPS代替クリーニングは、欠陥
自体が局部EPS値に影響を及ぼす程度であって、拡張
されたすべての欠陥を除去しない。
内におけるモジュール180内での使用に適する: す
なわち、EPS代替及びグレースケール侵食である。単
純なEPS代替では、イメージ100の原入力マルチ帯
域グレーレベルは、平滑化イメージ142の帯域EPS
フィルタグレーレベルによって単純に代替され、このイ
メージ142ではピクセルはクラスマップ175内で欠
陥としてマークされる(図2参照)。この方法は、EP
S値がすでに欠陥検出作用中に演算されているという点
で演算が簡単であるという利点をもつ。しかし、これ
は、EPSイメージがクリーニング中に使用されるため
に保存されることを必要とする。更に、EPS代替は、
「偽警告」の比較的寛大である。すなわち、汚れアーテ
ィファクトと分類されたが本当はシーンの一部であるピ
クセルである。逆に、EPS代替クリーニングは、欠陥
自体が局部EPS値に影響を及ぼす程度であって、拡張
されたすべての欠陥を除去しない。
【0042】グレースケール侵食クリーニング方法で
は、検出された欠陥領域に値して反復処理が行われ、欠
陥ピクセルのGLsが、欠陥ピクセルの小距離内の「通
常」(すなわち、非欠陥または修正された欠陥)ピクセ
ルの原GLsの重み付け平均によって代替される。反復
が進行するについれて、「通常」GLsの効果が原拡大
された欠陥の中心に向けて伝播してゆく。反復は、全て
のマークされた欠陥ピクセルが代替された時に終わる。
2種の注意が必要となる。まず、反復の初期における欠
陥ピクセルと直に接触する「通常」ラベルピクセルは、
クリーニングが御セットされる前に「欠陥」クラスへ再
ラベルされる(3x3ピクセルプローブ機能を用いる形
態学的拡大作用を介して)。これは、検出しきい値を通
過しないこうしたピクセルが、しばしば侵食中に多ピク
セルに対して伝播したときに可視となるそれらのGLs
における欠陥からいくつかの貢献を有する。それらの値
及び「真」欠陥ピクセルの値をクリーニングすることに
よって、クリーニングの品質を著しく向上させることが
できる。第2の用心は、侵食が重み付けされる空間ウイ
ンドウが合理的に小さく、例えば5x5サンプルに保持
されるべきであるということである。その理由は、中心
欠陥ピクセルにより暗化された領域と同じシーン構成の
部分ではない距離ピクセルの影響を最小限に抑制するた
めである。
は、検出された欠陥領域に値して反復処理が行われ、欠
陥ピクセルのGLsが、欠陥ピクセルの小距離内の「通
常」(すなわち、非欠陥または修正された欠陥)ピクセ
ルの原GLsの重み付け平均によって代替される。反復
が進行するについれて、「通常」GLsの効果が原拡大
された欠陥の中心に向けて伝播してゆく。反復は、全て
のマークされた欠陥ピクセルが代替された時に終わる。
2種の注意が必要となる。まず、反復の初期における欠
陥ピクセルと直に接触する「通常」ラベルピクセルは、
クリーニングが御セットされる前に「欠陥」クラスへ再
ラベルされる(3x3ピクセルプローブ機能を用いる形
態学的拡大作用を介して)。これは、検出しきい値を通
過しないこうしたピクセルが、しばしば侵食中に多ピク
セルに対して伝播したときに可視となるそれらのGLs
における欠陥からいくつかの貢献を有する。それらの値
及び「真」欠陥ピクセルの値をクリーニングすることに
よって、クリーニングの品質を著しく向上させることが
できる。第2の用心は、侵食が重み付けされる空間ウイ
ンドウが合理的に小さく、例えば5x5サンプルに保持
されるべきであるということである。その理由は、中心
欠陥ピクセルにより暗化された領域と同じシーン構成の
部分ではない距離ピクセルの影響を最小限に抑制するた
めである。
【0043】腐食クリーナーに対する現在のプラクティ
スは、中心欠陥クラスピクセルがフィルタされるため
に、6個のクリーンクラスを含有したピクセルの最小値
のもので5x5ピクセルスライドウインドウを使用する
ことである。もし、中心ピクセルが欠陥クラスであるが
6個のクリーンサンプルよりも少ない数が含まれている
ならば、欠陥分類が次の反復に維持される。もし中心ピ
クセルが欠陥クラスであり6個以上のクリーンクラスサ
ンプルがウインドウ内に含まれるならば、中心ピクセル
のGLsは含有されるクリーンピクセルの帯域GLsの
重み付け平均により代替され、この重みは、中心ピクセ
ルからのクリーンピクセルのEuclidean空間距
離の逆数に線形比例する。クリーニングは反復性(クラ
スマップを多数回通過する)であるが、帰納的ではな
い。すなわち、一のウインドウ位置におけるクリーニン
グ効果は、同じ反復中における後段の位置におけるクリ
ーニングに影響を及ぼさない。これは、方向的バイアス
を回避するためである。
スは、中心欠陥クラスピクセルがフィルタされるため
に、6個のクリーンクラスを含有したピクセルの最小値
のもので5x5ピクセルスライドウインドウを使用する
ことである。もし、中心ピクセルが欠陥クラスであるが
6個のクリーンサンプルよりも少ない数が含まれている
ならば、欠陥分類が次の反復に維持される。もし中心ピ
クセルが欠陥クラスであり6個以上のクリーンクラスサ
ンプルがウインドウ内に含まれるならば、中心ピクセル
のGLsは含有されるクリーンピクセルの帯域GLsの
重み付け平均により代替され、この重みは、中心ピクセ
ルからのクリーンピクセルのEuclidean空間距
離の逆数に線形比例する。クリーニングは反復性(クラ
スマップを多数回通過する)であるが、帰納的ではな
い。すなわち、一のウインドウ位置におけるクリーニン
グ効果は、同じ反復中における後段の位置におけるクリ
ーニングに影響を及ぼさない。これは、方向的バイアス
を回避するためである。
【0044】グレースケール侵食は、イメージから全て
のアーティファクトトレースを完全に除去することがで
きるという点で、EPS代替よりも有利である。その欠
点は、複雑になること、処理レートが変化すること(反
復の回数は演繹的には知ることができない)、そして
「偽警告」の場合にシビアなシーン欠陥の可能性がある
(すなわち、真のシーン素子がイメージから除去されて
しまう)。これらの心配はあるが、優れた侵食クリーニ
ングは、フォトCD(図7)及びシネオン(図8)双方
の装置において、現在好適な方法である。
のアーティファクトトレースを完全に除去することがで
きるという点で、EPS代替よりも有利である。その欠
点は、複雑になること、処理レートが変化すること(反
復の回数は演繹的には知ることができない)、そして
「偽警告」の場合にシビアなシーン欠陥の可能性がある
(すなわち、真のシーン素子がイメージから除去されて
しまう)。これらの心配はあるが、優れた侵食クリーニ
ングは、フォトCD(図7)及びシネオン(図8)双方
の装置において、現在好適な方法である。
【0045】他の実施例 ADBアルゴリズムは、幾つかのフレーバーを有する。
これらは、(a)単一空間解像度での作用、(b)解像
度ピラミッド内での作用、(c)単一欠陥状態検出、
(d)マルチ欠陥状態検出、及び(e)EPS代替また
は(f)グレースケール侵食を介してのクリーニングを
含む。単一状態バージョンでは、イメージの全ピクセル
が「非欠陥」か「欠陥」かのいずれかに分類される。す
なわち、一の欠陥状態のみが取り扱われるわけである。
マルチ状態バージョンでは、「欠陥」分類が更に、ピク
セルが事実上欠陥であるという信頼性に基づいて下位分
類される。したがって、3状態分類が、「非欠陥」、
「高信頼性欠陥」及び「移行信頼性欠陥」から成る。単
一状態バージョンでは、使用されるクリーナーは、EP
S代替かグレースケール侵食かのいずれかであるが、一
の実施に双方は含まれない。マルチ状態バージョンは、
低信頼性欠陥をクリーニングするためのEPS代替及び
高信頼性欠陥領域のクリーニングのためのグレースケー
ル侵食双方の組み合わせを使用することができる。
これらは、(a)単一空間解像度での作用、(b)解像
度ピラミッド内での作用、(c)単一欠陥状態検出、
(d)マルチ欠陥状態検出、及び(e)EPS代替また
は(f)グレースケール侵食を介してのクリーニングを
含む。単一状態バージョンでは、イメージの全ピクセル
が「非欠陥」か「欠陥」かのいずれかに分類される。す
なわち、一の欠陥状態のみが取り扱われるわけである。
マルチ状態バージョンでは、「欠陥」分類が更に、ピク
セルが事実上欠陥であるという信頼性に基づいて下位分
類される。したがって、3状態分類が、「非欠陥」、
「高信頼性欠陥」及び「移行信頼性欠陥」から成る。単
一状態バージョンでは、使用されるクリーナーは、EP
S代替かグレースケール侵食かのいずれかであるが、一
の実施に双方は含まれない。マルチ状態バージョンは、
低信頼性欠陥をクリーニングするためのEPS代替及び
高信頼性欠陥領域のクリーニングのためのグレースケー
ル侵食双方の組み合わせを使用することができる。
【0046】フレーバー組み合わせオプション(a)、
(b)及び(f)は、実施の単純な変化形であるが、こ
れが必ずしも最も早くあるいは最も優れた実施形態であ
るというわけではない。この場合、空間解像度ピラミッ
ドは形成されず、残存イメージは分節化されず、そして
クリーナは最大修正のためにグレースケール侵食に選択
される。図7は、このような処理フローを示し、これは
フォトCD装置に典型的なものである。この場合、前処
理110は、最低の.5%帯域グレースケールレベルを
0の値にそして最高99.5%レベルを255に線形再
マッピングすることによって最大視認コントラストとな
るように原イメージのピクセルを再スケーリングするこ
とから成る。これは、図2に関して先に説明した。走査
されたネガ上の汚れに対する輝度テスト130は、特徴
イメージ120の各帯域において等しくあるいは超過し
なければならない最小しきいピクセル値から成り、これ
によって対応するピクセルが可能欠陥としてテストを通
過する。残存分類150は、非欠陥クラスか欠陥クラス
について、ピクセル毎の単一状態決定である。これは、
最小帯域残存が0背景残存レベルに等しいか或いはこれ
を超えるか及び最大帯域残存が0背景レベルより大きな
ユーザが決定したスレッショルドレベルに等しいか或い
はこれを超えるかの要件に基づくものである。この場合
のクラスマップ条件化170は、3 x 3または5
x 5kernelを用いたクラスマップにおける欠陥
ピクセルの形態学的膨張から成る。クリーニング180
は、「クリーニング」の項で先に説明したグレースケー
ル侵食から成る。
(b)及び(f)は、実施の単純な変化形であるが、こ
れが必ずしも最も早くあるいは最も優れた実施形態であ
るというわけではない。この場合、空間解像度ピラミッ
ドは形成されず、残存イメージは分節化されず、そして
クリーナは最大修正のためにグレースケール侵食に選択
される。図7は、このような処理フローを示し、これは
フォトCD装置に典型的なものである。この場合、前処
理110は、最低の.5%帯域グレースケールレベルを
0の値にそして最高99.5%レベルを255に線形再
マッピングすることによって最大視認コントラストとな
るように原イメージのピクセルを再スケーリングするこ
とから成る。これは、図2に関して先に説明した。走査
されたネガ上の汚れに対する輝度テスト130は、特徴
イメージ120の各帯域において等しくあるいは超過し
なければならない最小しきいピクセル値から成り、これ
によって対応するピクセルが可能欠陥としてテストを通
過する。残存分類150は、非欠陥クラスか欠陥クラス
について、ピクセル毎の単一状態決定である。これは、
最小帯域残存が0背景残存レベルに等しいか或いはこれ
を超えるか及び最大帯域残存が0背景レベルより大きな
ユーザが決定したスレッショルドレベルに等しいか或い
はこれを超えるかの要件に基づくものである。この場合
のクラスマップ条件化170は、3 x 3または5
x 5kernelを用いたクラスマップにおける欠陥
ピクセルの形態学的膨張から成る。クリーニング180
は、「クリーニング」の項で先に説明したグレースケー
ル侵食から成る。
【0047】図8は、特徴(a)、(c)及び(F)を
保持する別の処理フローを示し、これはシネオン装置に
おける輝度欠陥を除去するのに適している。この場合、
大きなイメージフォーマットにより要求される処理時間
を最小限に抑制することが望ましく、したがってその処
理は最大欠陥を検出すること及び特徴イメージ中の帯域
数を最小限にすることのみを行うものである。この例に
おける前処理110は、イメージを0から255のグレ
ーレベルレンジに再スケーリングすることによって減少
解像度イメージを生成することから成り、これによって
カラーバランスが修正され、出力ピクセル値が赤、緑及
び青の入力値の大きなものである単一帯域特徴イメージ
を抽出される。残存テスト150は、各残存ピクセルが
欠陥としてマークされるのに等しいかそれを超える単一
のスレッショルドを適用するものである。クラスマップ
条件化170は、上述した形態学的膨張から成る。クリ
ーニングモジュール180は、まず上述したように減少
した解像度の非再スケール入力イメージのグレースケー
ル侵食を実行することから成る。次に、クリーン化され
た減少解像度マルチ帯域イメージは、原サイズに戻すよ
うBILINEARLYに補間され、条件化されたクラ
スマップは原イメージサイズに複製される。最後に、複
製されたクラスマップ中で「欠陥」とマークされた原イ
メージ中のこれらのピクセルは、補間されクリーン化さ
れた減少解像度イメージ中のピクセル値に交換される。
保持する別の処理フローを示し、これはシネオン装置に
おける輝度欠陥を除去するのに適している。この場合、
大きなイメージフォーマットにより要求される処理時間
を最小限に抑制することが望ましく、したがってその処
理は最大欠陥を検出すること及び特徴イメージ中の帯域
数を最小限にすることのみを行うものである。この例に
おける前処理110は、イメージを0から255のグレ
ーレベルレンジに再スケーリングすることによって減少
解像度イメージを生成することから成り、これによって
カラーバランスが修正され、出力ピクセル値が赤、緑及
び青の入力値の大きなものである単一帯域特徴イメージ
を抽出される。残存テスト150は、各残存ピクセルが
欠陥としてマークされるのに等しいかそれを超える単一
のスレッショルドを適用するものである。クラスマップ
条件化170は、上述した形態学的膨張から成る。クリ
ーニングモジュール180は、まず上述したように減少
した解像度の非再スケール入力イメージのグレースケー
ル侵食を実行することから成る。次に、クリーン化され
た減少解像度マルチ帯域イメージは、原サイズに戻すよ
うBILINEARLYに補間され、条件化されたクラ
スマップは原イメージサイズに複製される。最後に、複
製されたクラスマップ中で「欠陥」とマークされた原イ
メージ中のこれらのピクセルは、補間されクリーン化さ
れた減少解像度イメージ中のピクセル値に交換される。
【0048】マルチ解像度ピラミッド構造内でADBを
使用し、マルチ小型EPSkernelsを使用するこ
とからいくつかの速度ゲインを与えることが可能であ
る。この実施によって、特定ピラミッドレベルにチュー
ンされるEPS残存しきい値の使用からより効果的なク
リーニングが可能となる。
使用し、マルチ小型EPSkernelsを使用するこ
とからいくつかの速度ゲインを与えることが可能であ
る。この実施によって、特定ピラミッドレベルにチュー
ンされるEPS残存しきい値の使用からより効果的なク
リーニングが可能となる。
【0049】図9は、解像度ピラミッド内でADB処理
を行うフローを示す。多くの点において、空間レベル内
におけるADBクリーニングは、単一レベルADBバー
ジョンにおけるそれに類似している。すなわち、検出、
分類、及びクリーニングが行われ、1または2状態の選
択及びEPS代替及び/またはグレースケール侵食の選
択も同じである。一のキーとなる相違は、空間ピラミッ
ド残存イメージが処理される方法にある。
を行うフローを示す。多くの点において、空間レベル内
におけるADBクリーニングは、単一レベルADBバー
ジョンにおけるそれに類似している。すなわち、検出、
分類、及びクリーニングが行われ、1または2状態の選
択及びEPS代替及び/またはグレースケール侵食の選
択も同じである。一のキーとなる相違は、空間ピラミッ
ド残存イメージが処理される方法にある。
【0050】空間ピラミッドにおいて、イメージは通常
低解像度イメージ+増大する解像度の残存イメージ数で
表される。イメージを特定解像度に再構成するため、低
解像度イメージを規定の方法によって次解像度レベルへ
補間し、その後そのレベルの残存値を各ピクセルGLへ
付加する。この処理は、所望の解像度レベルが再構成さ
れるまで継続される。フォトCDファイルフォーマット
は、空間ピラミッド構造の一例である。これらの残存イ
メージは、単に、その解像度における原イメージと補間
された低解像度バージョンとの間のピクセル帯域差であ
る。それらは、上述したEPS残存イメージと混同して
はならない。
低解像度イメージ+増大する解像度の残存イメージ数で
表される。イメージを特定解像度に再構成するため、低
解像度イメージを規定の方法によって次解像度レベルへ
補間し、その後そのレベルの残存値を各ピクセルGLへ
付加する。この処理は、所望の解像度レベルが再構成さ
れるまで継続される。フォトCDファイルフォーマット
は、空間ピラミッド構造の一例である。これらの残存イ
メージは、単に、その解像度における原イメージと補間
された低解像度バージョンとの間のピクセル帯域差であ
る。それらは、上述したEPS残存イメージと混同して
はならない。
【0051】ピラミッド構造においては、全ての高次解
像度の再構成されたピクセルは、この空間位置における
低解像度GLsに依存する。従って、欠陥ピクセルのい
くつかの下位組が所定の解像度レベルでクリーンされる
と、これらの位置における全ての高次解像度における残
存値もまた調整されなければならない。残存値の修正を
失敗すると、ピラミッド再構成したものに、原欠陥の
「ゴースト」イメージとなって現れる。種々の残存処理
方法が可能であるが、ADBに対して現在使用されてい
る方法は、次の比較的簡単なものである。原イメージの
基本(最低レベル)バージョンは、図7でクリーンされ
ている。基本クリーニング前におけるクラスマップ17
5は、モジュール200内で次最高解像度レベルのサイ
ズへ複製される。複製されたクラスマップにおける欠陥
クラスピクセルは、その後、そのレベル、すなわち次の
低次解像度レベルを生成するために使用されるkern
alの半分の幅、に対するピラミッド平滑化帰納の指示
領域に等しい空間範囲によってモジュール210で膨張
される。結果として得られる膨張したクラスマップ22
0は、その後ピラミッド残存イメージ230と比較され
る。ピラミッド残存イメージは、クラスマップ220内
における対応ピクセルが欠陥としてラベルされているあ
らゆる帯域における0ピクセル値が割り当てられる。結
果として得られる修正ピラミッド残存イメージ250
は、その後モジュール270内のピクセル毎に、モジュ
ール260内における現在のピラミッド解像度レベルへ
空間補間された基本レベルクリーンイメージ190のバ
ージョンへ付加される。
像度の再構成されたピクセルは、この空間位置における
低解像度GLsに依存する。従って、欠陥ピクセルのい
くつかの下位組が所定の解像度レベルでクリーンされる
と、これらの位置における全ての高次解像度における残
存値もまた調整されなければならない。残存値の修正を
失敗すると、ピラミッド再構成したものに、原欠陥の
「ゴースト」イメージとなって現れる。種々の残存処理
方法が可能であるが、ADBに対して現在使用されてい
る方法は、次の比較的簡単なものである。原イメージの
基本(最低レベル)バージョンは、図7でクリーンされ
ている。基本クリーニング前におけるクラスマップ17
5は、モジュール200内で次最高解像度レベルのサイ
ズへ複製される。複製されたクラスマップにおける欠陥
クラスピクセルは、その後、そのレベル、すなわち次の
低次解像度レベルを生成するために使用されるkern
alの半分の幅、に対するピラミッド平滑化帰納の指示
領域に等しい空間範囲によってモジュール210で膨張
される。結果として得られる膨張したクラスマップ22
0は、その後ピラミッド残存イメージ230と比較され
る。ピラミッド残存イメージは、クラスマップ220内
における対応ピクセルが欠陥としてラベルされているあ
らゆる帯域における0ピクセル値が割り当てられる。結
果として得られる修正ピラミッド残存イメージ250
は、その後モジュール270内のピクセル毎に、モジュ
ール260内における現在のピラミッド解像度レベルへ
空間補間された基本レベルクリーンイメージ190のバ
ージョンへ付加される。
【0052】これによって、基本レベルADB学習の結
果が補間された再組立(基本+1)レベルイメージ10
0’が得られる。このイメージは、その後前処理ステッ
プ110’から開始してADB処理され、図9の処理は
全てのレベルが再組立されクリーンされるまで繰り返さ
れる。ADBクリーニングが修正されない小欠陥を犠牲
にして高次解像度レベルから省略されるが、全ての高次
レベルのピラミッド残存は0化されなければならず、こ
れによって最終イメージ上に欠陥「ゴースト」は現れな
くすることができる。
果が補間された再組立(基本+1)レベルイメージ10
0’が得られる。このイメージは、その後前処理ステッ
プ110’から開始してADB処理され、図9の処理は
全てのレベルが再組立されクリーンされるまで繰り返さ
れる。ADBクリーニングが修正されない小欠陥を犠牲
にして高次解像度レベルから省略されるが、全ての高次
レベルのピラミッド残存は0化されなければならず、こ
れによって最終イメージ上に欠陥「ゴースト」は現れな
くすることができる。
【0053】以上、本発明の好適な実施例と考えられる
ものについて説明してきたが、本発明の本質的技術思想
から逸脱することなく、種々の変更改良が可能であるこ
とは明白である。従って、添付のクレームでは、本発明
の真正な範囲内にあると考えられる全てのそうした変更
改良をカバーした。
ものについて説明してきたが、本発明の本質的技術思想
から逸脱することなく、種々の変更改良が可能であるこ
とは明白である。従って、添付のクレームでは、本発明
の真正な範囲内にあると考えられる全てのそうした変更
改良をカバーした。
【図1】本発明が実施されたシステムを示す図である。
【図2】位置Xにおいて中央ピクセルGLcのグレーレ
ベルを決定するためのイメージラスタのウインドウ作用
を示す図である。
ベルを決定するためのイメージラスタのウインドウ作用
を示す図である。
【図3】対応ウインドウにおけるGL値のヒストグラム
を示すチャート図である。
を示すチャート図である。
【図4】図3のヒストグラムにおいて、グレーレベルG
Lにおける「最近接」サンプルを中央ピクセルGLcへ
平均化する作用を示す図である。
Lにおける「最近接」サンプルを中央ピクセルGLcへ
平均化する作用を示す図である。
【図5】位置Xにおいて、GLc値をグレーレベル平均
GLavと交換した図である。
GLavと交換した図である。
【図6】マルチ帯域原イメージに対する処理フローを示
す図である。
す図である。
【図7】イメージの解像度ピラミッドに対する処理フロ
ーを示す図である。
ーを示す図である。
【図8】赤、緑、青イメージに適用された処理フローを
示す図である。
示す図である。
【図9】解像度ピラミッド内でADB処理を行うフロー
チャートである。
チャートである。
【図10】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図11】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図12】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図13】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図14】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図15】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図16】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図17】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図18】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図19】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図20】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図21】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図22】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図23】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図24】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図25】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図26】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図27】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図28】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図29】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図30】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図31】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図32】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図33】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図34】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図35】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図36】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図37】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図38】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図39】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図40】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図41】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図42】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図43】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図44】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図45】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図46】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図47】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図48】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図49】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図50】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図51】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図52】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図53】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図54】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図55】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図56】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図57】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図58】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図59】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図60】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図61】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図62】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図63】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
【図64】本発明の欠陥検出方法を実現するプログラム
のソースリストを示す図である。
のソースリストを示す図である。
10 スキャナ装置 12 スキャンゲート 15 フィルムストリップ 16 フィルムクリーナー 18 フレーム 22 イメージデータ 24 制御及び論理装置(コンピュータ) 26 表示装置 28 メモリ 30 論理回路 32 出力イメージデータ 34 光ディスク 36 ディスクライター 100 原イメージ 110 前処理 120 特徴イメージ 130 帯域輝度テスト 140 エッジ保持平滑化(EPS)フィルタ 142 円滑化イメージ 145 相違または差引ノード 148 残存イメージ 150 残存テスト 160 クラスマップ 170 条件化ブロック 175 条件化クラスマップ 180 クリーニングブロック 190 クリーンイメージ 200 クラスマップ複製ブロック 210 クラスマップ拡大ブロック 220 複製拡大クラスマップ 230 高次解像度空間解像度残存イメージ 240 空間残存0ブロック 250 修正高次解像度空間解像度残存ブロック 260 クリーンイメージ補間ブロック 270 ピクセル値総和ノード 100’再構成被変調解像度イメージ 110’高次解像度前処理
Claims (2)
- 【請求項1】 デジタルイメージの欠陥を検出及び除去
するための方法において、 a)ピクセル値により表わされるデジタルイメージを前
処理し、これによって欠陥ピクセルがその隣接非欠陥ピ
クセルに対して大きな局部コントラストを有する特徴イ
メージを形成するステップと、 b)各特徴イメージピクセル値をテストし、その値が欠
陥推定ピクセル範囲内にあるかどうかを決定するステッ
プと、 c)欠陥推測範囲内にある各特徴イメージピクセル値に
対してエッジ保持した空間フィルタリングを行うステッ
プと、 d)各ピクセルに対して、対応特徴イメージピクセル値
と上記ステップc)でのフィルタされた値との差の関数
として、残存値を形成するステップと、 e)ステップd)の各残存値をテストし、残存値が欠陥
推測残存値の範囲内にあるかどうかを決定するステップ
と、 f)ステップb)及びe)に係る欠陥推測範囲内にある
各ピクセルが欠陥として記されたマップを作成するステ
ップと、 g)ステップf)で作成されたマップを用いて、デジタ
ルイメージを修正するステップと、 を含むことを特徴とするデジタルイメージの欠陥検出除
去方法。 - 【請求項2】 デジタルイメージの欠陥を検出除去する
装置において、 ピクセル値により表わされたデジタルイメージを前処理
し、欠陥ピクセルがその隣接非欠陥ピクセルに対して大
きな局部コントラストをもつ特徴イメージを形成する手
段と、 各特徴イメージピクセル値をテストし、その値が欠陥推
測ピクセル値の範囲内にあるかどうかを決定する第1テ
スト手段と、 各特徴イメージピクセル値に対してエッジ保持した空間
フィルタリングを行うためのフィルタ手段と、 各ピクセルに対して、対応する特徴イメージピクセル値
と前記フィルタ手段により得られたフィルタされた値と
の差の関数として、各ピクセルに対して残存値を形成す
る手段と、 前記形成手段からの各残存値をテストし、残存値が欠陥
推測残存値の範囲内にあるかどうかを決定する第2テス
ト手段と、 前記第1及び第2テスト手段に係る欠陥推測範囲内にあ
る各ピクセルが欠陥として記されたマップを作成する手
段と、 作成されたマップの関数として、デジタルイメージを修
正する手段と、 を含むことを特徴とするデジタルイメージの欠陥検出除
去装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US5794293A | 1993-05-04 | 1993-05-04 | |
US057942 | 1993-05-04 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH06333041A true JPH06333041A (ja) | 1994-12-02 |
Family
ID=22013685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP6089064A Pending JPH06333041A (ja) | 1993-05-04 | 1994-04-27 | デジタル連続階調イメージの局部欠陥検出及び除去技術 |
Country Status (2)
Country | Link |
---|---|
EP (1) | EP0624848A3 (ja) |
JP (1) | JPH06333041A (ja) |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6104839A (en) * | 1995-10-16 | 2000-08-15 | Eastman Kodak Company | Method and apparatus for correcting pixel values in a digital image |
US5875040A (en) * | 1995-12-04 | 1999-02-23 | Eastman Kodak Company | Gradient based method for providing values for unknown pixels in a digital image |
WO1997043613A1 (en) | 1996-05-10 | 1997-11-20 | Applied Science Fiction, Inc. | Luminance-priority color sensor |
US6442301B1 (en) | 1997-01-06 | 2002-08-27 | Applied Science Fiction, Inc. | Apparatus and method for defect channel nulling |
US6380539B1 (en) | 1997-01-30 | 2002-04-30 | Applied Science Fiction, Inc. | Four color trilinear CCD scanning |
EP1053644A1 (en) | 1998-02-04 | 2000-11-22 | Applied Science Fiction, Inc. | Multilinear array sensor with an infrared line |
US6393160B1 (en) | 1998-03-13 | 2002-05-21 | Applied Science Fiction | Image defect correction in transform space |
DE19842572B4 (de) * | 1998-09-17 | 2005-03-24 | Heidelberger Druckmaschinen Ag | Verfahren zur automatischen Entfernung von Bildfehlern |
US6297889B1 (en) * | 1998-12-22 | 2001-10-02 | Xerox Corporation | Logic-based image processing method |
US6437358B1 (en) | 1999-02-04 | 2002-08-20 | Applied Science Fiction, Inc. | Apparatus and methods for capturing defect data |
US6487321B1 (en) | 1999-09-16 | 2002-11-26 | Applied Science Fiction | Method and system for altering defects in a digital image |
AU1962701A (en) | 1999-10-08 | 2001-04-23 | Applied Science Fiction, Inc. | System and method for correcting defects in digital images through selective fill-in from surrounding areas |
WO2001028226A1 (en) | 1999-10-08 | 2001-04-19 | Applied Science Fiction | Method and apparatus for differential illumination image-capturing and defect handling |
US6924911B1 (en) | 1999-10-12 | 2005-08-02 | Eastman Kodak Company | Method and system for multi-sensor signal detection |
US6711302B1 (en) | 1999-10-20 | 2004-03-23 | Eastman Kodak Company | Method and system for altering defects in digital image |
US6683995B2 (en) | 1999-12-23 | 2004-01-27 | Eastman Kodak Company | Method and apparatus for correcting large defects in digital images |
US6704458B2 (en) * | 1999-12-29 | 2004-03-09 | Eastman Kodak Company | Method and apparatus for correcting heavily damaged images |
US7164511B2 (en) | 1999-12-29 | 2007-01-16 | Eastman Kodak Company | Distinguishing positive and negative films system and method |
US6720560B1 (en) | 1999-12-30 | 2004-04-13 | Eastman Kodak Company | Method and apparatus for scanning images |
US6862117B1 (en) | 1999-12-30 | 2005-03-01 | Eastman Kodak Company | Method and apparatus for reducing the effect of bleed-through on captured images |
US6750435B2 (en) | 2000-09-22 | 2004-06-15 | Eastman Kodak Company | Lens focusing device, system and method for use with multiple light wavelengths |
US6987892B2 (en) | 2001-04-19 | 2006-01-17 | Eastman Kodak Company | Method, system and software for correcting image defects |
US7148998B2 (en) * | 2002-05-31 | 2006-12-12 | Hewlett-Packard Development Company, L.P. | System and method for automatic descreening of digital images |
EP1562144B1 (en) * | 2004-02-09 | 2007-02-21 | Noritsu Koki Co., Ltd. | Image processing apparatus and image processing method for correcting image data |
JP4239094B2 (ja) | 2004-03-03 | 2009-03-18 | ノーリツ鋼機株式会社 | 画像処理装置、方法、及びプログラム |
JP4239091B2 (ja) * | 2004-02-09 | 2009-03-18 | ノーリツ鋼機株式会社 | 画像処理装置、方法、及びプログラム |
GB0504913D0 (en) | 2005-03-10 | 2005-04-13 | Eastman Kodak Co | Method and apparatus for digital processing of images |
CN110287968B (zh) * | 2019-07-01 | 2022-09-06 | 河南大学 | 一种基于lbp纹理的焊缝探伤底片图像造假的检测方法 |
CN112991326B (zh) * | 2021-04-14 | 2023-11-07 | 北京铁道工程机电技术研究所股份有限公司 | 一种清洗质量评价方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5036405A (en) * | 1986-11-19 | 1991-07-30 | Canon Kabushiki Kaisha | Image amending method |
US4975972A (en) * | 1988-10-18 | 1990-12-04 | At&T Bell Laboratories | Method and apparatus for surface inspection |
US5038388A (en) * | 1989-05-15 | 1991-08-06 | Polaroid Corporation | Method for adaptively sharpening electronic images |
US5142589A (en) * | 1990-12-21 | 1992-08-25 | Environmental Research Institute Of Michigan | Method for repairing images for optical character recognition performing different repair operations based on measured image characteristics |
-
1994
- 1994-04-25 EP EP19940106449 patent/EP0624848A3/en not_active Withdrawn
- 1994-04-27 JP JP6089064A patent/JPH06333041A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
EP0624848A2 (en) | 1994-11-17 |
EP0624848A3 (en) | 1994-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JPH06333041A (ja) | デジタル連続階調イメージの局部欠陥検出及び除去技術 | |
JP4792109B2 (ja) | 画像特徴を意識した画像欠陥除去 | |
US6985180B2 (en) | Intelligent blemish control algorithm and apparatus | |
US8285070B2 (en) | Methods and apparatus for image restoration | |
EP0585759B1 (en) | Process for detecting and mapping dirt on the surface of a photographic element | |
JP3877916B2 (ja) | デジタル画像の異常検出方法およびシステム、ならびにそのための記憶媒体 | |
JP4160258B2 (ja) | 勾配ベースの局部輪郭線検出のための新しい知覚的しきい値決定 | |
US7522782B2 (en) | Digital image denoising | |
CN114494259B (zh) | 一种基于人工智能的布匹缺陷检测方法 | |
US7769244B2 (en) | Automatic digital film and video restoration | |
JP2000184202A (ja) | 走査により生成した画像上における垂直方向に並んだパタ―ンを除去するための画像処理システム | |
CN113724257A (zh) | 一种碳板灰色污点检测方法、计算机设备及存储介质 | |
JP4214507B2 (ja) | データ処理方法、装置、プログラムおよび記録媒体 | |
US7646892B2 (en) | Image inspecting apparatus, image inspecting method, control program and computer-readable storage medium | |
JP4520880B2 (ja) | しみ検査方法及びしみ検査装置 | |
CN111179182A (zh) | 图像的处理方法及装置、存储介质及处理器 | |
JP3818044B2 (ja) | ノイズ除去装置及びノイズ除去方法並びにコンピュータ読み取り可能な記録媒体 | |
JP2004193957A (ja) | 画像処理装置、画像処理方法、画像処理プログラムおよび画像記録装置 | |
Hassaïne et al. | Efficient restoration of variable area soundtracks | |
JP4491922B2 (ja) | 表面欠陥検査方法 | |
JP3806704B2 (ja) | 画像処理装置 | |
Kim et al. | Automatic film line scratch removal system based on spatial information | |
Stanco et al. | An improved method for water blotches detection and restoration | |
Kisilev | Automatic context-aware dust and scratch removal in scanned images | |
Song et al. | A new edge detection algorithm using data fusion approaches |