KR20090107907A - 메타 데이터에 기초한 디지털 이미지 개선 방법 및 화상형성장치 - Google Patents

메타 데이터에 기초한 디지털 이미지 개선 방법 및 화상형성장치 Download PDF

Info

Publication number
KR20090107907A
KR20090107907A KR1020080132196A KR20080132196A KR20090107907A KR 20090107907 A KR20090107907 A KR 20090107907A KR 1020080132196 A KR1020080132196 A KR 1020080132196A KR 20080132196 A KR20080132196 A KR 20080132196A KR 20090107907 A KR20090107907 A KR 20090107907A
Authority
KR
South Korea
Prior art keywords
exif
mark
probability
noise
image
Prior art date
Application number
KR1020080132196A
Other languages
English (en)
Inventor
예카테리나 브이. 톨스타야
일리아 브이. 사포노프
일리아 브이. 쿠릴린
미하일 엔. 리차코프
세르게이 브이. 에피모프
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020080132196A priority Critical patent/KR20090107907A/ko
Publication of KR20090107907A publication Critical patent/KR20090107907A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/60—Colour correction or control
    • H04N1/62—Retouching, i.e. modification of isolated colours only or in isolated picture areas only
    • H04N1/624—Red-eye correction
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

메타 데이터에 기초하여 디지털 이미지의 품질을 개선시키기 위한 방법은, JPEG 아티팩트의 존재의 확률을 EXIF-마크에 기초하여 결정하는 단계, JPEG 아티팩트의 정정을 수행하는 단계, 높은 레벨의 노이즈 존재 확률을 EXIF-마크에 기초하여 결정하는 단계, 노이즈의 레벨을 측정하는 단계, 노이즈의 레벨을 감소하는 단계, 흐릿한 움직임 효과의 존재 확률을 EXIF-마크에 기초하여 결정하는 단계, 흐릿한 움직임 효과의 레벨을 측정하는 단계. 흐릿한 움직임 효과를 정정하는 단계, 이미지의 노출을 이미지의 스케치(썸네일)의 EXIF-마크에 기초하여 측정하는 단계, 노출의 정정을 수행하는 단계, 적목현상의 존재 확률을 EXIF-마크에 기초하여 결정하는 단계, 및, 적목현상의 정정이 수행되는 단계를 포함한다.
카메라, 디지털 이미지, 사진, 메타 데이터, 분류, EXIF

Description

메타 데이터에 기초한 디지털 이미지 개선 방법 및 화상형성장치{METHOD OF DIGITAL IMAGE ENHANCEMENT BASED ON METADATA AND IMAGE FORMING APPARTUS}
청구된 발명은 디지털 이미지를 처리하는 분야에 관한 것이다. 특히, 본 발명은 이미지의 품질의 정의와 그것의 개선에 관한 것이다.
디지털 카메라의 출현과 함께, 사진촬영의 처리는 더욱 매력적이며 쉬운 작업이 된다. 연간 촬영되는 사진의 수는 부분적으로는 저비용(low cost)과 촬영의 단순함에 의해 기하급수적으로 증가한다. 더욱 보관과 인쇄를 위한 사진의 선택시에는 촬영된 사진 수에 비례하는 노력이 요구된다. 예를 들어, 여행 중에 촬영된 수십 장 또는 심지어 수백 장의 사진을 인쇄하기에 적합한 것인지를 선택하기 위해 정렬하거나 저장하는 것은 매우 힘든 작업일 수 있다. 사진의 품질은 디지털 사진의 인쇄 여부 결정시 사용자가 사용하는 주된 기준들 중의 하나이다. 어떤 이미지들은 불충분한 품질(예를 들어, 노출부족(underexposed), 과잉노출(overexposed), 또는 낮은 대비(low-contrast)) 또는 수용할 수 없는 콘텐츠(content) 때문에 제거될 수 있다. 일반적으로, 품질을 분류하기 위한 시스템들은 이미지의 콘텐츠-분석에 기초하여 이미지를 분류한다. 각 이미지는 이미지로부터 얻어지는 낮은 레벨의 다수의 속성들(예를 들어, 구조(structure), 컬러(color), 그리고 형태(form))에 의해 일반적으로 표현된다. 이미지들은 품질의 종류(예를 들어, 과잉노출, 노출부족, 낮은 대비)에 따라 예비적으로 지정된 이미지들에 대하여 조정된 한정자(qualifier)에 기록되면서 분류된다. 입력된 속성에 기초하여, 한정자는 새로운 이미지가 주어진 품질의 종류에 분류되어야 하는지 정의한다.
디지털 카메라에 의해 이루어진 사진촬영은, 일반적으로, 센서의 지시(indication)를 포함할 수 있는 카메라의 메타 데이터(metadata), 카메라의 초기 데이터(initial data), 및 촬영처리에 관한 다른 정보를 포함한다. 메타 데이터는 데이터에 관한 데이터와 관련된 용어로서, 디지털 카메라를 이용하는 디지털 사진가들에게는, 그것은 촬영된 사진에 관한 추가적 정보인 보조 데이터를 의미한다. 몇 년 전, JEITA(Association of the Japanese Electronic and Information Industry)와 협동하여 사진기술 장비의 대형 제조업자들의 그룹이, EXIF(Exchange Format of Graphic Files)의 이름 하에 메타 데이터의 시스템을 개발하였다. 이 시스템은, 촬영하는 순간에 바로 디지털 프레임 내에 카메라의 기능, 이미지의 파라미터들, 및 다양한 추가적인 정보에 관한 정보의 어떤 세트를 구축하기 위해 개발되었다. 이러한 정보의 확장 세트는 디지털 사진촬영의 개선을 위해 잠재적으로 유용할 수 있지만, 데이터의 다차원(mutidimension) 및 상이한 구조는 그것의 사용을 복잡하게 한다.
실제로, 현재의 디지털 카메라(디지털 스틸 카메라(Digital Still Camera: DSC))는 EXIF의 추가적 정보 영역을 사용할 수 있으므로, 메타 데이터는 필수적으 로 만들어진다. EXIF의 메타 데이터는 보통 촬영의 조건 및 자동 또는 수동 조정의 표시를 저장하는 기능을 수행한다. 현대(modern) DSC는 환경의 상태 및 설정된 사용자 모드에 기초하여 최적의 촬영 파라메터들을 자동적으로 선택할 수 있다. 그러나, 외부 요인들의 복잡한 상황이 카메라의 자동 또는 수동의 부적절한 선택 결과를 발행할 수 있다. 이론적으로, 이와 같은 점은 EXIF 메타 데이터의 분석에 기초하여 사후에 검출될 수 있다.
현대 사진 프린터(photoprinter)들은 메모리 카드로부터 인쇄를 수행할 수 있다. 사용자는 DSC 또는 프린터(화상형성장치)의 LC 디스플레이 상에 보여지는 이미지를 수동으로 찾아볼 수 있다. 그러나, 상술한 디스플레이의 크기는 일반적으로 이미지의 품질을 정확하게 측정하기에 충분하지 않다. 게다가, 많은 프린터 모델들은 디스플레이를 전혀 갖고 있지 않으며, 특히, 현재 DSC의 메모리 카드가 수백 개의 사진을 포함할 수 있다는 점을 고려하면, 사진 이미지들을 선택하기 위한 처리는 긴 시간이 요구된다.
프린터는 예를 들어 풀 사이즈(Full-size)로 고화질 사진(high-quality photo)만을 인쇄하고, 품질의 개선을 위한 추가적인 처리를 요구하는 사진에 대해서는 작은 크기의 스케치(low-size sketche) 형태로써 인쇄하는, 사진의 분류 동작을 수행할 수 있다.
[3]에서, 저자들은 다차원의 다양한 EXIF 메타 데이터의 조합을 스테이지의 종류와 자동으로 연결하기 위하여 데이터의 검색에 기초하여 데이터의 수신을 위한 시스템을 이용한다. 따라서, 스테이지의 매우 간단하고 효과적인 분류가 어떠한 사 진 종류에 대해서 수행 가능하다. 또한 사용자 인터페이스가 제공되어, 사용자는 키보드로부터 메타 데이터에 관한 질문을 입력할 수 있으며, 시스템은 그래픽 데이터의 베이스에서 질문에 대응하는 그 이미지들을 찾을 수 있으며, 이를 디스플레이에 표시할 수 있다. 이와 같은 접근법은 특정 스테이지 종류 예를 들어, 백라이트(backlight)를 갖는 스테이지, 심야 스테이지(evening stage) 및 눈(snow)을 갖는 스테이지 같은 특정 스테이지 종류를 갖는 EXIF-메타 데이터와 연관한다. 분류의 결과들을 개선하기 위해, 메타 데이터만을 기초로 하는 초기 분류는 검출된 데이터의 신속한 확인을 위한 히스토그램에 기초한 간단한 분석과 결합된다. 다음, 분류의 결과들은 사진의 품질의 최적 제어(best control), 측정(estimation), 또는 개선(improvement)을 위해 이용될 수 있다.
미국 공개특허출원 2007-0041657 [4]는 이미지의 품질을 정의하며, 주어진 이미지들을 분리된 이미지들의 세트로 분리하는 분리블록, 대응하는 분리된 이미지들의 밝기의 히스토그램을 계산하는 계산블록, 밝기의 히스토그램을 이용하여 분리된 이미지들의 품질을 측정하고, 이 측정된 품질의 계수 과점에 따라 이미지의 데이터 품질을 측정하는 측정블록을 포함하는 이미지 처리 장치에 관해서 기술한다. 따라서, 이미지의 데이터 품질은 더욱 정확하게 결정될 수 있다.
미국 공개특허출원 20060239583 [5]은, 밝기의 픽셀들의 수적인 분포에 관한 정보가 결정되게 하고, 검출된 수치 정보의 분포의 특징에 따른 속성들을 이용하여 이미지의 구체적인 영역의 밝기를 정정하는 이미지의 밝기의 정정을 위한 방법 및 장치를 기술한다. 따라서, 사람에 의한 이미지의 인식의 특징들의 열화는 이미지의 낮은 밝기의 영역과 같은 구체적인 영역에서 보상된다.
장치의 노이즈의 프로파일(profile)은, 어떤 모드로 작동하는 이미지 캡처 장치(디지털 카메라, 스캐너 등)의 노이즈 속성의 재사용된 분석을 나타낸다. 자동 모드로 동작하는 디스플레이 장치를 위해 노이즈 프로파일을 이용하는 것은, 즉, 이미지의 캡처를 위한 장치의 종류 EXIF 정보와, 그리고 또한 예비적으로 저장되거나 또는 로드된 노이즈 프로파일의 이용은, 주어진 디스플레이 장치를 위해 프로파일된 노이즈 억제를 이룬다. 이미지의 노이즈 분석과 이미지의 품질 측정은, EXIF-메타 데이터를 이용하여, 디지털 이미지의 파일의 수신 이후에 자동적으로 수행될 수 있다.
상술된 발명에서 제시된 기술적 결정은, 사진 데이터의 베이스로부터 고품질 이미지를 인쇄하기 위한 이미지 자동 선택을 위한 고속 방법을 기술한다. EXIF 정보에 기초하여 분류된 고품질 이미지들은 추가적인 분석 없이 묶음(batch) 모드로 인쇄될 수 있다. 이 방법의 주된 장점은 이미지의 콘텐츠 분석에 기초한 품질 분석 방법과 비교하여 처리 시간을 감소할 수 있다는 점이다. .
미국 공개특허출원 20070253699 [6]은 메타 데이터에 기초한 분류 시스템에 관한 것이다. 따라서, 분류의 결과는 이미지와 연관된 메타 데이터 및 이미지의 밝기값으로 구성된 히스토그램에 기초하여 수신된다. 따라서, 이미지는 스테이지의 종류 따라 분류(참조)되며, 메타 데이터에 기초한 분류의 결과와 히스토그램에 기초한 분류의 양자가 이용된다. 이미지의 처리를 위한 시스템은 메타 데이터에 기초한 스테이지 종류의 한정자(qualifier)와 확인(check)의 한정자를 포함한다. 제 1 한정자는 스테이지의 종류에 따라 이미지의 초기 분류를 수행하고, 제 2 한정자는 이미지의 밝기값의 히스토그램에 기초한 방법에 따라 초기 분류의 결과를 확인한다. 이 방법에 해당하는 것은 품질의 특징에 의해 이미지를 분류하는 것을 허용하지 않는다.
미국특허 6,895,112 [7]는 촬영시 플래시가 사용되었는지 여부를 알리는 EXIF 섹션의 마크(태그)를 이용하여 적색 영역의 검출방법에 기초한 적목현상(red eye)의 검출 방법을 설명한다. 디지털 촬영을 위한 디지털 카메라가 사용되며, 여기서 마크 또는 각 이미지의 촬영시 카메라의 플래시가 사용되었는지를 상술하는 마크(EXIF의 "플래시(Flash)" 마크)는 이 영역에서 각 이미지에 대하여 제거된다. [7]에 설명된 적목현상을 검출하기 위한 처리는, 이미지의 정보 헤딩(information heading)을 확인하는 것을 허용하며, 이 헤딩이 플래시가 사용되지 않았다는 것을 상술하는 경우, 적목현상의 문제가 존재하지 않는다는 결론을 이미지의 추가적인 분석 없이 바로 제공한다. 이러한 신속한 결론은 이미지의 처리를 위해 필요한 시간을 절약할 수 있으며, 적목현상의 인디게이터(indecator)의 오동작 수를 줄일 수 있다. 게다가. 헤딩은 플래시로부터 반사가능한 빛이 카메라에서 검출되었는지에 관한 정보(예를 들어, EXIF의 "플래시(Flash)" 마크의 섹션에서)를 또한 포함할 수 있다. 만약 반사가능한 빛이 검출되지 않은 경우, 적목현상의 검출 처리는 플래시의 빛이 촬영에 충분하지 않았다는 결론을 부여할 수 있으며, 플래시의 빛이 적목현상의 효과를 디스플레이하기에 충분하지 않다는 결론을 부여할 수 있다(따라서, 이미지의 추가적인 분석을 요구하지 않고도 적목 현상이 효과가 없음을 신속하게 해결할 수 있다).
미국 공개특허출원 20050031224 [8]은 적목현상의 결함을 검출하고 이 결함을 정정하기 위한 방법을 기술한다. 부분적으로, 이 방법은 디지털 이미지에서 적목현상의 결함의 간단한 검출을 위해 이용되는 메타 데이터의 분석에 기초한다. 예를 들어, 하나 또는 그 이상의 예외의 기준이 플래시가 사용되지 않았다는 결론을 위해 이용될 수 있다. 디지털 이미지에 포함되어 있는 메타 데이터는 EXIF 마크 또는 간단한 마크로서 분석될 수 있으며, 이미지의 광범위한 사후처리는, 이미지의 톤(tone)의 그라데이션(gradation), 선명도(sharpness) 및/또는 컬러 밸런스(color balance)를 정정하기 위해, 그러한 정보에 기초하여 수행될 수 있다. 메타 데이터를 이용하는 다른 방법은, 사진 인쇄의 결과를 최적화하기 위하여, 디지털 이미지가 후처리에 종속될 수 있을 때 사진-처리 산업에서의 적용을 찾아낼 수 있다 메타 데이터 이미지들은 대상들의 크기들의 범주와 이미지에서 그들과 연결된 특징들의 정의를 위해, 또한 이미지의 톤들의 그라데이션, 선명도, 및 컬러 밸런스와 같은 전체 파라미터들의 정정을 위하여 이용될 수 있다.
이미지의 콘텐츠 분석에 기초하고, 결함들의 하나의 종류만을 검출하고 제거하는 것에 관한, 많은 방법 예를 들어, 미국 특허들 6 950 473 [9], 5 923 775 [10], 6 987 530 [11], 728 414 [12] 이 알려져 있다. 그러나, 이 방법들의 연속적인 적용은 많은 시간을 소비하며, 그들의 정확한 순서는 명확하지 않다.
품질의 특징에 따른 분류를 위한 시스템들의 대부분은 이미지들의 콘텐츠-분석에 기초하여 이미지들을 분류한다. 각 이미지는 일반적으로, 이미지에서 검출되 는 낮은 레벨의 특징들의 세트(예를 들어, 구조, 컬러, 및 형태)에 의해 표현된다. 이미지들은, 테스트 이미지들에서 학습된 한정자에 의해 대응하는 특징들에 기초하여 분류되고, 품질의 종류(예를 들어, 과잉노출, 노출부족, 낮은 대비 등)에 따라서 분류된다. 한정자는 입력 특징들에 기초하여, 새로운 이미지가 대응하는 품질의 종류로 분류되어야 하는지를 정의한다.
불행하게도, 스테이지의 콘텐츠에 기초한 분류 방법들은, 필수적인 메모리의 리소스를 포함하는 중요한 계산 자원들을 요구하며, 이것은 하드웨어 수준에서 실용적으로 적용하여 실현하기에 부적합하게 한다.
참조문헌
[1] Rob Fergus, Barun Singh, Aaron Hertzmann, Sam T. Roweis, William T. Freeman Removing Camera Shake from a Single Photograph. SIGGRAPH 2006, Boston.
[2] Peter Meer, Jean-Michel Jolion, Azriel Rosenfeld A Fast Parallel Algorighm for Blind Estimation of Noise Variance. IEEE Trans. Pattern Anal. Mach. Intell. 12(2): 216-223(1990).
[3] Jonathan Yen, Peng Wu, Daniel Tretter Knowledge discovery for better photographs Proc. of SPIE-IS & T Electronic Imaging, SPIE Vol. 6506, 65060B, 2007.
[4] 미국 공개특허출원 20070041657
[5] 미국 공개특허출원 20060239583
[6] 미국 공개특허출원 20070253699
[7] 미국특허 6,895,112
[8] 미국 공개특허출원 20050031224
[9] 미국특허 6,950,473
[10] 미국특허 5,923,775
[11] 미국특허 6,987,530
[12] 미국특허 6,728,414
결정 청구된 발명이 관련하는 문제는, 처리의 평균시간을 감소하고, 추가적인 계산 리소스를 요구하지 않는, EXIF 마크의 이용에만 기초하여 표준 결함을 분류하기 위한 전체 처리의 개발로 구성된다.
기술적인 결과는 메타 데이터에 기초하여 디지털 이미지의 품질을 개선시키기 위한 새로운 방법을 생성함으로써 달성되며, 상기 방법은, JPEG 아티팩트의 존재의 확률을 EXIF-마크에 기초하여 결정하는 단계, JPEG 아티팩트의 정정을 수행하는 단계, 높은 레벨의 노이즈의 존재의 확률을 EXIF-마크에 기초하여 결정하는 단계, 노이즈의 레벨을 측정하는 단계, 노이즈의 레벨을 감소하는 단계, 흐릿한 움직임 효과의 존재의 확률을 EXIF-마크에 기초하여 결정하는 단계, 흐릿한 움직임 효과의 레벨을 측정하는 단계, 흐릿한 움직임 효과의 정정을 수행하는 단계, 이미지 의 노출을 이미지의 스케치(썸네일)의 EXIF-마크에 기초하여 측정하는 단계, 노출의 정정을 수행하는 단계, 적목현상의 존재의 확률을 EXIF-마크의 기초하여 결정하는 단계, 및 적목현상의 효과의 정정을 수행하는 단계를 포함한다.
청구된 방법을 실시할 때, 상기 JPEG 아티팩트의 존재의 확률은, "픽셀 당 압축비트( CompressedBitsPerPixel )", "픽셀 Y 크기( PixelYDimension )", "픽셀 X 크기( PixelXDimension )"와 같은 EXIF-마크에 기초하여 정의되는 것이 바람직하다.
청구된 방법을 실시할 때, 상기 높은 레벨의 노이즈의 존재의 확률은, "노출시간( ExposureTime )", "F넘버( FNumber )", "ISO 속도평가( ISOSpeedRating )", "게인제어( GaingControl )"와 같은 EXIF-마크에 기초하여 정의되는 것이 바람직하다.
청구된 방법을 실시할 때, 상기 흐릿한 움직임 효과의 존재의 확률은, "노출시간( ExposureTime )"과 같은 EXIF-마크에 기초하여 정의되는 것이 바람직하다.
청구된 방법을 실시할 때, 상기 이미지의 노출을, 이미지의 스케치(썸네일)와 같은 EXIF-마크에 기초하여 측정하는 것이 바람직하다.
청구된 방법을 실시할 때, 상기 적목현상의 존재의 확률을, "플래시( Flash )"와 같은 EXIF-마크에 기초하여 정의되는 것이 바람직하다.
한편, 다른 실시예에 따른 디지털 이미지의 품질을 개선시키기 위한 방법은, 상기 디지털 이미지의 EXIF 메타 데이터를 수신하는 단계, 상기 수신된 EXIF 메타 데이터의 EXIF-마크에 기초하여 상기 디지털 이미지의 결함 확률을 계산하는 단계, 및, 상기 계산된 결함 확률에 기초하여 상기 결함의 정정을 수행하는 단계를 포함한다.
이 경우, 상기 결함은, JPEG 아티팩트, 높은 레벨의 노이즈, 흐릿한 움직임 효과, 노출부족, 과잉노출, 백라이트, 적목현상 중 적어도 하나의 결함인 것을 특징으로 하는 방법.
한편, 상기 JPEG 아티팩트는, 상기 EXIF-마크 중 "픽셀 당 압축비트(CompressedBitsPerPixel)", "픽셀 Y 크기(PixelYDimension)", 및, "픽셀 X 크기(PixelXDimension)" 에 기초하여 결정되며, 상기 높은 레벨의 노이즈는, 상기 EXIF-마크 중 "노출시간(ExposureTime)", "F넘버(FNumber)", "ISO 속도평가(ISOSpeedRating)", 및 "게인제어(GainControl)"에 기초하여 결정되며, 상기 흐릿한 움직임 효과는, 상기 EXIF-마크 중 "노출시간(ExposureTime)"에 기초하여 결정되며, 상기 노출부족은, 상기 EXIF-마크 중 "스케치(썸네일)"에 기초하여 측정되며, 상기 적목현상은, 상기 EXIF-마크 중 "플래시(Flash)"에 기초하여 결정되는 것이 바람직하다.
한편, 본 실시예에 따른 화상형성장치는, 디지털 이미지의 EXIF 메타 데이터를 수신하는 수신부, 및, 상기 수신된 EXIF 메타 데이터의 EXIF-마크에 기초하여 상기 디지털 이미지의 결함 확률을 계산하여 결함을 검출하는 검출부 및, 상기 계산된 결함 확률에 기초하여 상기 결함의 정정을 수행하는 정정부를 포함한다.
이 경우, 상기 결함은, JPEG 아티팩트, 높은 레벨의 노이즈, 흐릿한 움직임 효과, 노출부족, 과잉노출, 백라이트, 적목현상 중 적어도 하나의 결함인 것이 바람직하다.
한편, 상기 계산부는, 상기 EXIF-마크 중 "픽셀 당 압축비 트(CompressedBitsPerPixel)", "픽셀 Y 크기(PixelYDimension)", 및, "픽셀 X 크기(PixelXDimension)" 에 기초하여 JPEG 아티팩트의 존재의 확률을 결정하는 JPEG 아티팩트의 존재 확률 결정 모듈, 상기 EXIF-마크 중 "노출시간(ExposureTime)", "F넘버(FNumber)", "ISO 속도평가(ISOSpeedRating)", 및 "게인제어(GainControl)"에 기초하여 높은 레벨의 노이즈 존재 확률을 결정하는 노이즈의 존재 확률 결정 모듈, 상기 EXIF-마크 중 "노출시간(ExposureTime)"에 기초하여 흐릿한 움직임 효과의 존재 확률을 결정하는 흐릿한 움직임 효과의 존재 확률 결정 모듈, 상기 EXIF-마크 중 "스케치(썸네일)"에 기초하여 이미지의 노출을 측정하는 노출 측정 모듈, 및, 상기 EXIF-마크 중 "플래시(Flash)"에 기초하여 적목현상의 존재 확률을 결정하는 적목현상의 존재 확률 결정 모듈를 포함할 수 있다.
이 경우, 상기 정정부는, 상기 JEPG 아티팩트의 존재 확률 결정 모듈에서 결정된 JPEG 아티팩트의 존재 확률에 따라, 상기 디지털 이미지의 JPEG 아티팩트의 정정을 수행하는 JPEG 아티팩트 정정 모듈, 상기 노이즈의 존재 확률 결정 모듈에서 결정된 높은 레벨의 노이즈 존재 확률에 따라, 상기 디지털 이미지의 노이즈 레벨을 측정하고, 상기 디지털 이미지의 노이즈 레벨을 감소하는 노이즈 레벨 감소 모듈, 상기 흐릿한 움직임 효과의 존재 확인 결정 모듈에서 결정된 흐릿한 움직임 효과의 존재 확률에 따라, 상기 디지털 이미지의 흐릿한 움직임 효과의 레벨을 측정하고, 상기 디지털 이미지의 흐릿한 움직임 효과를 정정하는 흐릿한 움직임 효과 정정 모듈, 상기 노출 측정 모듈의 측정된 노출에 따라, 상기 디지털 이미지의 노출 정정을 수행하는 노출 정정 모듈, 및, 상기 적목현상의 존재 확률 결정 모듈의 결정된 적목현상의 존재 확률에 따라, 적목현상의 정정을 수행하는 적목 현상 정정 모듈를 포함할 수 있다.
청구된 발명의 이해를 위해, 그래픽 재료들과 함께 그것의 상세한 설명이 더 제시된다.
이미지의 품질을 자동 분석하고 및 개선시키는 문제는 디지털 사진의 대중성의 성장과 함께 더욱 현실적이 되어간다. 문제는 사용자가 대량의 이미지 촬영 기회를 가지며, 데이터를 컴퓨터에 자주 저장하며, 자주 저품질의 이미지로부터 "고품질"의 이미지를 정렬할(sort) 현실적인 기회가 없다는 것이다. 청구된 기술적 결정은 이 방향으로 제 1 단계들 중 하나를 나타낸다.
청구된 방법의 실시를 위한 제 1 스테이지는 가능한 결함들 중 가장 널리 이용되는 종류의 확인된 선택이다. .
결함들 중 가장 널리 이용되는 종류는 다음의 리스트에서 제시될 수 있다:
1. 노출의 문제들
-노출부족(Underexpose);
-과잉노출(Overexpose);
-낮은 대비(Low-contrast);
-대상의 백라이트(Backlight).
2. <<노이지한>> 사진
3. 컬러 음영(Color shades:왜곡(distortion))
-진파랑 음영(Dark blue shade);
-녹색 음영(Green shade);
-황색 음영(Yellow shade);
-적색 음영(Red shade).
4. 흐릿한 사진(Blurred photo)
-디포커스된 사진(Defocused picture)
-흐릿한 움직임 효과(Effect of the blurred motion)
5. JPEG-아티팩트(JPEG-artifacts)
6. 적목(Red eyes)
상술한 종류들을 포함하는 분류의 개발을 위해, 테스트 이미지들의 트레이닝 베이스가 생성되었다. 트레이닝 베이스는 1054개의 이미지를 포함하였다. 도 1에 도시된 테이블에서, 결함들의 각 종류에 대하여, 마크-특징의 가장 가능성이 큰 조합들이 결과로서 도출된다. 테이블은 이미지들의 트레이닝 베이스에서 각 마크의 발생의 빈도(퍼센티지)를 도시한다.
자기 기술성(self-descriptiveness)은 선택된 EXIF-필드들의 각각에 대하여 동일하지 않다는 것을 주지하는 것이 가능하다. 예를 들어, 필드들 "노출시간(ExposureTim)" 및 "F넘버(FNumber)"가 노출의 시간의 유효값들과 카메라의 초점거리를 나타내는 경우, 마크 "밝기값(BrightnessValue)"은 밝기의 실제값이 측정될 수 없다는 것을 상술하는 데이터를 종종 포함하기도 한다. 따라서, 필드 "밝기값(BrightnessValue )"이 마크되어 있는 이미지의 8.8%로부터, 심지어 더 제한된 수 의 이미지들이 유용한 정보를 수반한다. 게다가, 다수의 마크는 메이커 노트(Maker Note)들 필드에서 디지털 카메라의 제조자들에 의해 교체되며, 이것은 이 정보를 인라인 처리(in-line processing)에서 접근할 수 없는 것으로 만든다.
효율적인 분류를 위해, 결함들의 각 종류에 대한 마크-특징의 가장 정보적인 조합들을 선택하고 분석할 필요가 있다. 이후, 특징들의 그러한 조합에 기초하여, 분류의 규칙들을 개발하고, 사진의 테스트 베이스에서 한정자를 트레이닝하는 것을 수행할 필요가 있다.
EXIF 정보를 이용하여, 높은 정도의 정확도를 가지고, 다양한 종류의 결함들의 존재 또는 부재를 검출하는 것이 명백하게 가능하다. 디지털 사진들의 가장 자주 만나는 결함들의 분석의 예가 EXIF-정보에 기초하여 상세하게 아래와 같이 결과로서 도출된다.
노출의 문제의 분류. 우리의 분석이 도시하는 바와 같이, EXIF-마크를 포함하는 이미지의 대부분은, 스케치(썸네일(thumbnail)), 즉, 메인 이미지의 지정을 위해 사용되는 축소된 이미지를 포함한다. 예를 들어, 우리의 데이터 베이스에서 1054개 이미지 중, 이미지의 98.5%가 스케치를 포함한다. 히스토그램 <<이미지의 스케치>>("썸네일 이미지")을 이용한 이미지의 품질의 분석은 [4]에서 설명된 방법들에 의해 인도될 수 있다.
<< 노이지한 >> 사진의 분류를 위한 EXIF -마크에 기초한 분석( 노이지한 사진 분류). 이론적으로, 이미지에서 "노이즈(noise)"는 장시간 노출(long exposure), 매트릭스(matrix)의 약한 조명, ISO의 높은 값, 그리고 또한 신호의 과도한 증폭의 경우에 나타난다. 그것에 선행하여, 우리는, 다음의 EXIF 라벨, 즉, "노출시간(ExposureTime)", "F넘버(FNumber )", "플래시(Flash)", "ISO 속도평가(ISOSpeedRating ,)", "게인제어(GainControl)"를 분석하였다.
<<노이지한>> 이미지의 발생이 일어나지 않을 것 같은, 작은 값들의 노출시간(큰 값들-log2("노출시간(ExposureTime )"))을 가지는 사이트(site)와, 작은 값들의 "F넘버(FNumber )"(조리개가 개방된)를 가지는 사이트가 있다. 카메라(디지털 촬영 장치)의 구체적인 모델들에서, 심지어 그러한 장치의 전체 종류에서, 그러한 사이트는 중요할 수 있지만, 모든 모델을 전체적으로 분석하면, 이 사이트는 다음과 같이 결정될 수 있다:
-log2("노출시간(ExposureTime )")>6 및 "F넘버(FNumber)"<4
("노출시간(ExposureTime)"<0.015 및 "F넘버(FNumber)"<4)
트레이닝의 처리를 적용함에 따라, 노이즈의 정정을 위한 절차에 종속될 수 없는 정상적인 사진의 약 15%를 식별할(reveal) 기회가 있으며, 이것은 일반적으로 처리 시간을 감소할 수 있다.
불행하게도, 30-40% 이하의 에러를 가지는 노이지한 사진을 식별하는 것이 불가능한 것으로 나타난다. 플래시에 대한 정보는 노이지한 사진을 식별하기 위한 새로운 데이터를 부가하지 않는다.
마크 "ISO 속도평가(ISOSpeedRatings)"는 트레이닝 데이터 베이스에 포함되어 있는 사진의 51%에 존재한다.
이론적으로, ISO의 높은값은 높은 레벨의 노이즈와 연관된다. 그럼에도, 저 렴하고 콤팩트한 카메라에 있어서, ISO 100 값은 큰 값으로 여겨질 수 있는 반면에, 전문가 카메라에 있어서, 심지어 ISO 400 값 이상에서 정상 이미지 수신의 기회가 있다. 이에 따라, 현대 카메라에서 800 이상의 ISO의 값에서 더 노이지한 사진이 존재할 있음을 생각할 수 있다.
마크 "ISO 속도평가(ISOSpeedRatings)"는 트레이닝 데이터 베이스에 포함된 사진의 29%에 존재한다. 이론적으로, ""게인제어(GainControl)"=2"(하이게인업-신호의 증폭) 값은 더 높은 레벨의 노이즈에 대응한다. 실제로, 마크 "하이게인업(High Gain Up)"은 노이지한 이미지에 대응하지만, 동시에, 노이지한 이미지는 "게인제어(GainControl)"의 다른 값에도 대응한다.
노이즈의 정정을 요구하지 않는 그러한 이미지를 식별하기 위한 규칙이 제공된다:
"노출시간(ExposureTime )"<0.015 및 "F넘버(FNumber)"<4 그리고
"ISO 속도평가(ISOSpeedRatings)"<=800(ISO 속도평가가 존재하는 경우) 그리고
"게인제어(GainControl)"=2 ("게인제어(GainControl)"가 존재하는 경우)
EXIF-데이터에 기초한 이러한 조건의 도입은, 품질의 개선을 위한 처리중에, 사진의 15-20%에 대한 노이즈의 여과를 위한 스테이지를 제거하는 것을 허용하며, 이것은 처리의 전체 시간을 감소시킨다.
흐릿한 움직임을 가지는 사진의 분류. 다음의 공식에 의해 표현되는 규칙이 개발된다:
("노출시간(ExposureTime)">0.0678)인 경우, 흐릿한 이미지
("노출시간(ExposureTime)"≤0.0678)인 경우, 정상
이 규칙은 재확인의 에러를 12.9%와 같게 만든다. 특징 수의 증가가 에러의 본질적인 감소를 유도하지 않는다.
JPEG -아티팩트를 포함하는 이미지의 분류. 우선, EXIF 마크 "픽셀 당 압축비트(CompressedBitsPerPixel)"가 분석되었다. 이 마크는 우리의 이미지의 데이터 베이스로부터 사진의 87%에 존재한다. 실제비율 "픽셀당비트(bit per pixel(BPP))"는 다음과 같이 계산되었다:
실제 BPP=(비트로된 파일의 크기)/(폭*높이)
실제 BPP는 이미지의 콘텐츠에 의존한다. 이미지가 더 부드러워질수록, JPEG 압축의 정도가 더 높다는 것은 알려져 있다. 이것은 예를 들어 흐릿한 이미지(blurred image)의 결함을 가지는 사진이 더 높은 정도의 압축을 가질 것이라는 것을 의미한다.
양호한 사진, 즉, JPEG 압축에 의해 야기된 아티팩트를 가지지 않는 사진과, 불량 사진, 즉 그러한 아티팩트를 가지는 사진을 분리하는 것에 어려움이 있다. 고려된 예에서, 그것은 검증의 절차의 결함의 결과가 될 수 있다(모든 불량 사진은 조명 및 노출의 동일한 파라미터에서 여러 사진 세션 동안 수행되었다).
제 2의 종류의 에러들, 즉, 틀리게 인식된 결함 이미지의 최소화의 문제를 고려하는 것이 적절해 보인다: 그러한 한정자는, 결함이 존재하는 상황을 배제할 수 있으며, 한정자는 사진을 양호한 것으로 지정한다. EXIF에 기초한 개선의 절차 에서, 그러한 한정자는 아티팩트의 발생이 일어날 가능성이 상당할 때 알릴 것이며, 양호한 이미지의 JPEG 개선을 이용하는 것을 허용하지 않을 것이다. 기본적으로, 그러한 분류의 적용은 더 약한 분류의 적용에 선행할 수 있다.
JPEG 압축의 방법은 이미지를 크기 8대8 픽셀들의 중첩되지 않은 정사각형들로 분리하는 것과 이산 코사인 변환(discrete consine transformation)을 적용하는 것에 기초한다. 이것은, 이미지의 스케일의 증가(인쇄시 해상도의 실제 증가)로, 특히 이미지의 인쇄시 압축 왜곡은 덜 보이게 된다는 것을 의미한다. 이러한 관찰로부터, 이미지(픽셀)의 크기는 이미지의 분류를 위해 좋은 식별가능한 특징이 될 수 있다는 것을 알 수 있다.
따라서, JPEG 압축의 왜곡에 종속되는 또는 종속되지 않는 이미지의 분류를 위한 다음의 EXIF 마크를 이용하는 것이 제공된다:
-"픽셀당 압축비트(CompressedBitsPerPixel)"
-"픽셀 Y 크기(PixelYDimension)"
-"픽셀 X 크기(PixelXDimension)"
이 마크들은 카메라의 제조자들에 의해 넓게 이용되며, 우리의 데이터 베이스의 모든 이미지에 제시된다.
트레이닝 데이터 베이스로서, 873개의 양호한, 즉 고품질의 사진들과 103개의 불량, 즉 저품질의 사진들을 포함하는 976개의 이미지가 이용되었다. 선형적 분리 한정자가 개발되었다. 200개의 이미지(이중 179개의 양호한 사진, 21개의 불량 사진)의 테스팅 동안, 주어진 한정자는 다음의 결과를 보여주었다:
제 1종류의 에러들(FP) 38
제 2종류의 에러들(FN) 1
그러한 결과는 JPEG 개선을 요구하지 않는 양호한 이미지를 배제할 가능성이 꽤 높은 것을 입증한다.
이미지가 JPEG 압축의 왜곡에 종속되는지 아닌지를 결정하는 결정수립의 규칙은 다음과 같이 도시된다:
Figure 112008088327493-PAT00001
Figure 112008088327493-PAT00002
Figure 112008088327493-PAT00003
Figure 112008088327493-PAT00004
만약 C1>C2인 경우, JPEG 압축에 의한 왜곡이 존재하며, 만약 C1<C2인 경우, 이미지는 충분히 고품질이다.
식별 및 정정을 위한 다양한 스테이지들의 수행의 순서 또한 그들이 서로에 영향을 주므로 중요하다. 도 2에서, EXIF-메타 데이터에 기초하여, 이미지의 개선을 위한 절차의 블록도가 제시된다. 정보가 저장될 수 있거나 그것을 독출하는 것 이 가능한 카메라, 메모리 카드(memory card), CD-ROM, CD-RW, DVD 또는 다른 장치로부터 디지털 이미지의 EXIF 메타 데이터의 수신이 수행된다(단계 201). 알고리즘은 지각할 수 있는 JPEG 아티팩트의 존재를 확인한다(단계 202). 아티팩트가 존재하는 경우, 예를 들어 [12]에서 설명된 바와 같이 JPEG 아티팩트는 정정되고(단계 203), 가시 노이즈(visible noise)의 식별이 수행된다(단계 204). 이미지에 가시적인 노이즈가 있는 경우, 노이즈의 정도(레벨)가 결정된다(단계 205). 노이즈의 정도를 정의하는 많은 방법이 알려져 있다. 예를 들어 [2]에서 설명되는 방법을 이용하는 것이 가능하다. 노이즈의 레벨의 감소가 수행된다(단계 206). 노이즈의 레벨의 감소를 위한 잘 알려진 많은 방법이 있다. 흐릿한 움직임의 존재의 가능성이 결정된다(단계 207). 흐릿한 움직임의 검출의 기회가 있는 경우, 이미지(콘텐츠)의 콘텐츠에 기초한 흐릿한 이미지를 식별하는 것이 수행된다(단계 208). 흐릿한 이미지의 정정이 수행된다(단계 209). 흐릿한 움직임의 식별 및 정정을 위한 많은 방법이 알려져 있다. 그러한 방법들 중 하나가 [1]에 설명된다. 노출의 식별 및 정정이 수행된다(단계 210). 알고리즘은 플래시가 이용되었는지를 확인한다(단계 211). 그렇다면, 적목현상의 효과의 식별 및 정정이 공개된 러시아 특허출원 2006123847에 기초하여 수행된다(단계 212). 플래시가 턴-온되지 않은 경우, 알고리즘의 동작은 종료한다.
도 3에서, EXIF-메타 데이터에 기초한 이미지의 개선을 위한 절차에 이용되는, 노출의 처리를 위한 모듈의 블록도가 제시된다. EXIF-메타 데이터로부터 이미지의 스케치에 대한 로딩이 수행된다(단계 301). 이미지의 스케치에 대한 밝기의 히스토그램 계산이 수행된다(단계 302). 정상, 노출부족, 과잉노출, 및 백라이트로 이미지의 스케치 분류가 공개된 특허출원 [4] 및 [5]에 설명된 기술들에 기초하여 수행되며, 분류된 특징들의 메타 데이터에 대한 가능한 기록이 수행된다(단계 303). 알고리즘을 이용하여 이미지가 노출부족인지를 확인한다(단계 304). 그렇다면, 명암 대비(contrast)의 광범위한 정정이 수행된다(단계 306). 그렇지 않다면, 이미지가 과잉노출인지를 알고리즘을 이용하여 확인한다(단계 305). 이미지가 과잉노출이라면, 명암 대비의 공통적인 정정이 수행된다(단계 306). 이미지가 과잉노출이 아니라면, 백라이트의 결함이 식별된다(단계 307). 백라이트의 결함이 식별되면, 이 결함은 정정된다(단계 308). 이러한 종류의 결함이 식별되지 않으면, EXIF-메타 데이터에 기초한 이미지의 개선을 위한 절차에서 노출을 처리하기 위한 모듈의 동작은 종료한다.
청구된 발명에 설명된 절차의 실시를 위한 다양한 변형 예들이 가능하지만, 그들 모두는 청구항들의 범주에서 결정된 보호하에 있는 것으로 간주되어야 한다.
도 4는 본 발명의 일 실시예에 따른 화상형성장치(100)의 구성을 나타내는 블록도이다. 도 4를 참고하면, 본 화상형성장치(100)는, 수신부(110), 계산부(120) 및 정정부(130)를 포함한다. 여기서 화상형성장치(100)는 복사기, 프린터, 팩시밀리 또는 이들의 기능을 하나의 장치를 통해 복합적으로 구현하는 복합기(Multi Function Peripherial: MFP) 일 수 있다.
수신부(110)는 정보가 저장될 수 있거나 그것을 독출하는 것이 가능한 카메라, 메모리 카드, CD-ROM, CD-RW, DVD 또는 다른 장치로부터 디지털 이미지의 EXIF 메타 데이터를 수신할 수 있다.
계산부(120)는 수신부(110)로부터 수신된 EXIF 메타데이터의 EXIF-마크에 기초하여 디지털 이미지의 결함 확률을 계산할 수 있다. 구체적으로, 계산부(120)는 JPEG 아티팩트의 존재 확률 결정 모듈(121), 노이즈의 존재 확률 결정 모듈(122), 흐릿한 움직임 효과의 존재 확률 결정 모듈(123), 노출 측정 모듈(124), 적목 현상의 존재 확률 결정 모듈(125)을 포함할 수 있다. 여기서 결함은 JPEG 아티팩트, 높은 레벨의 노이즈, 흐릿한 움직임 효과, 노출부족, 과잉 노출, 백라이트, 적목현상 중 적어도 하나의 결함일 수 있다.
구체적으로, JPEG 아티팩트의 존재 확률 결정 모듈(121)는 EXIF-마크 중 "픽셀 당 압축비트(CompressedBitsPerPixel)", "픽셀 Y 크기(PixelYDimension)", 및, "픽셀 X 크기(PixelXDimension)" 에 기초하여 JPEG 아티팩트의 존재의 확률을 결정할 수 있다. 그리고, 노이즈의 존재 확률 결정 모듈(122)는 EXIF-마크 중 "노출시간(ExposureTime)", "F넘버(FNumber)", "ISO 속도평가(ISOSpeedRating)", 및 "게인제어(GainControl)"에 기초하여 높은 레벨의 노이즈 존재 확률을 결정할 수 있다. 그리고, 흐릿한 움직임 효과의 존재 확률 결정 모듈(123)는, EXIF-마크 중 "노출시간(ExposureTime)"에 기초하여 흐릿한 움직임 효과의 존재 확률을 결정할 수 있다. 그리고, 노출 측정 모듈(124)는 EXIF-마크 중 "스케치(썸네일)"에 기초하여 이미지의 노출을 측정할 수 있다. 그리고, 적목현상의 존재 확률 결정 모듈(125)는 EXIF-마크 중 "플래시(Flash)"에 기초하여 적목현상의 존재 확률을 결정할 수 있다. 각각의 모듈에서의 동작은 각각의 결함과 관련하여 앞서 설명하였는바 구체적인 설명 은 생략한다.
정정부(130)는 계산부(120)에서 계산된 결함 확률에 기초하여 결함의 정정을 수행할 수 있다. 구체적으로, 정정부(130)는 JPEG 아티팩트 정정 모듈(131), 노이즈 감소모듈(132), 흐릿한 움직임 효과 정정 모듈(133), 노출 정정 모듈(134) 및 적목현상 정정 모듈(135)을 포함할 수 있다.
구체적으로, JPEG 아티팩트 정정 모듈(131)는 JEPG 아티팩트의 존재 확률 결정 모듈(121)에서 결정된 JPEG 아티팩트의 존재 확률에 따라, 디지털 이미지의 JPEG 아티팩트의 정정을 수행할 수 있다. 그리고, 노이즈 레벨 감소 모듈(132)는 노이즈의 존재 확률 결정 모듈에서 결정된 높은 레벨의 노이즈 존재 확률에 따라, 디지털 이미지의 노이즈 레벨을 측정하고, 디지털 이미지의 노이즈 레벨을 감소할 수 있다. 흐릿한 움직임 효과 정정 모듈(133)는 흐릿한 움직임 효과의 존재 확인 결정 모듈(123)에서 결정된 흐릿한 움직임 효과의 존재 확률에 따라, 디지털 이미지의 흐릿한 움직임 효과의 레벨을 측정하고, 디지털 이미지의 흐릿한 움직임 효과를 정정할 수 있다. 그리고, 노출 정정 모듈(134)는 노출 측정 모듈(124)의 측정된 노출에 따라, 디지털 이미지의 노출 정정을 수행할 수 있다. 그리고, 적목 현상 정정 모듈(135)는 적목현상의 존재 확률 결정 모듈(125)의 결정된 적목현상의 존재 확률에 따라, 적목현상의 정정을 수행할 수 있다. 각각의 모듈에서의 구체적인 동작은 도 2 및 도 3과 관련하여 앞서 설명하였는바, 구체적인 설명은 생략한다.
이에 따라, 본 화상형성장치(100)는 메타 데이터의 EXIF-마크를 이용하여 각종 디지털 이미지의 결함을 검출할 수 있는바, 처리의 평균시간을 감소할 수 있게 된다.
이상에서는 본 발명의 바람직한 실시예에 대해서 도시하고, 설명하였으나, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진자라면 누구든지 다양한 변형 실시가 가능한 것은 물론이고, 그와 같은 변경은 청구범위 기재의 범위 내에 있게 된다.
도 1은, EXIF-마크의 발생의 빈도(퍼센티지)와, 이미지의 트레이닝 데이터 베이스에서 결함들의 각 종류에 대하여 마크-특징의 가장 가능성 있는 조합을 나타내는 테이블,
도 2는, EXIF-마크에 기초하여 이미지의 개선을 위한 처리의 순서도,
도 3은, EXIF-마크에 기초하여, 이미지의 개선을 위한 처리를 위한 노출을 처리하기 위한 모듈의 순서도, 그리고,
도 4는 본 실시예에 따른 화상형성장치의 구성을 나타내는 블록도이다.

Claims (14)

  1. 메타 데이터에 기초하여 디지털 이미지의 품질을 개선시키기 위한 방법에 있어서,
    JPEG 아티팩트의 존재의 확률을 EXIF-마크에 기초하여 결정하는 단계;
    JPEG 아티팩트의 정정을 수행하는 단계;
    높은 레벨의 노이즈 존재 확률을 EXIF-마크에 기초하여 결정하는 단계;
    노이즈의 레벨을 측정하는 단계;
    노이즈의 레벨을 감소하는 단계;
    흐릿한 움직임 효과의 존재 확률을 EXIF-마크에 기초하여 결정하는 단계;
    흐릿한 움직임 효과의 레벨을 측정하는 단계;
    흐릿한 움직임 효과를 정정하는 단계;
    이미지의 노출을 이미지의 스케치(썸네일)의 EXIF-마크에 기초하여 측정하는 단계;
    노출의 정정을 수행하는 단계;
    적목현상의 존재 확률을 EXIF-마크에 기초하여 결정하는 단계; 및
    적목현상의 정정이 수행되는 단계;를 포함하는 방법.
  2. 제1항에 있어서,
    상기 JPEG 아티팩트의 존재는, "픽셀 당 압축비 트(CompressedBitsPerPixel)", "픽셀 Y 크기(PixelYDimension)", "픽셀 X 크기(PixelXDimension)"와 같은 EXIF-마크에 기초하여 결정되는 방법.
  3. 제1항에 있어서,
    상기 높은 레벨의 노이즈 존재 확률은, "노출시간(ExposureTime)", "F넘버(FNumber)", "ISO 속도평가(ISOSpeedRating)", "게인제어(GainControl)"와 같은 EXIF-마크에 기초하여 결정되는 방법.
  4. 제1항에 있어서,
    상기 흐릿한 움직임 효과의 존재의 확률은, "노출시간(ExposureTime)"과 같은 EXIF-마크에 기초하여 결정되는 방법.
  5. 제1항에 있어서,
    상기 이미지의 노출은, 이미지의 "스케치(썸네일)"와 같은 EXIF-마크에 기초하여 측정되는 방법.
  6. 제1항에 있어서,
    상기 적목현상의 존재의 확률은, "플래시(Flash)"와 같은 EXIF-마크에 기초하여 결정되는 방법.
  7. 디지털 이미지의 품질을 개선시키기 위한 방법에 있어서,
    상기 디지털 이미지의 EXIF 메타 데이터를 수신하는 단계;
    상기 수신된 EXIF 메타 데이터의 EXIF-마크에 기초하여 상기 디지털 이미지의 결함 확률을 계산하는 단계; 및
    상기 계산된 결함 확률에 기초하여 상기 결함의 정정을 수행하는 단계;를 포함하는 방법.
  8. 제7항에 있어서,
    상기 결함은, JPEG 아티팩트, 높은 레벨의 노이즈, 흐릿한 움직임 효과, 노출부족, 과잉노출, 백라이트, 적목현상 중 적어도 하나의 결함인 것을 특징으로 하는 방법.
  9. 제8항에 있어서,
    상기 JPEG 아티팩트는, 상기 EXIF-마크 중 "픽셀 당 압축비트(CompressedBitsPerPixel)", "픽셀 Y 크기(PixelYDimension)", 및, "픽셀 X 크기(PixelXDimension)" 에 기초하여 결정되며,
    상기 높은 레벨의 노이즈는, 상기 EXIF-마크 중 "노출시간(ExposureTime)", "F넘버(FNumber)", "ISO 속도평가(ISOSpeedRating)", 및 "게인제어(GainControl)"에 기초하여 결정되며,
    상기 흐릿한 움직임 효과는, 상기 EXIF-마크 중 "노출시간(ExposureTime)"에 기초하여 결정되며,
    상기 노출부족은, 상기 EXIF-마크 중 "스케치(썸네일)"에 기초하여 측정되며,
    상기 적목현상은, 상기 EXIF-마크 중 "플래시(Flash)"에 기초하여 결정되는 것을 특징으로 하는 방법.
  10. 디지털 이미지의 EXIF 메타 데이터를 수신하는 수신부; 및
    상기 수신된 EXIF 메타 데이터의 EXIF-마크에 기초하여 상기 디지털 이미지의 결함 확률을 계산하는 계산부; 및
    상기 계산된 결함 확률에 기초하여 상기 결함의 정정을 수행하는 정정부;를 포함하는 화상형성장치.
  11. 제10항에 있어서,
    상기 결함은, JPEG 아티팩트, 높은 레벨의 노이즈, 흐릿한 움직임 효과, 노출부족, 과잉노출, 백라이트, 적목현상 중 적어도 하나의 결함인 것을 특징으로 하는 화상형성장치.
  12. 제10항에 있어서,
    상기 계산부는,
    상기 EXIF-마크 중 "픽셀 당 압축비트(CompressedBitsPerPixel)", "픽셀 Y 크기(PixelYDimension)", 및, "픽셀 X 크기(PixelXDimension)" 에 기초하여 JPEG 아티팩트의 존재의 확률을 결정하는 JPEG 아티팩트의 존재 확률 결정 모듈;
    상기 EXIF-마크 중 "노출시간(ExposureTime)", "F넘버(FNumber)", "ISO 속도평가(ISOSpeedRating)", 및 "게인제어(GainControl)"에 기초하여 높은 레벨의 노이즈 존재 확률을 결정하는 노이즈의 존재 확률 결정 모듈;
    상기 EXIF-마크 중 "노출시간(ExposureTime)"에 기초하여 흐릿한 움직임 효과의 존재 확률을 결정하는 흐릿한 움직임 효과의 존재 확률 결정 모듈;
    상기 EXIF-마크 중 "스케치(썸네일)"에 기초하여 이미지의 노출을 측정하는 노출 측정 모듈; 및
    상기 EXIF-마크 중 "플래시(Flash)"에 기초하여 적목현상의 존재 확률을 결정하는 적목현상의 존재 확률 결정 모듈;를 포함하는 것을 특징으로 하는 화상형성장치.
  13. 제12항에 있어서,
    상기 정정부는,
    상기 JEPG 아티팩트의 존재 확률 결정 모듈에서 결정된 JPEG 아티팩트의 존재 확률에 따라, 상기 디지털 이미지의 JPEG 아티팩트의 정정을 수행하는 JPEG 아티팩트 정정 모듈;
    상기 노이즈의 존재 확률 결정 모듈에서 결정된 높은 레벨의 노이즈 존재 확률에 따라, 상기 디지털 이미지의 노이즈 레벨을 측정하고, 상기 디지털 이미지의 노이즈 레벨을 감소하는 노이즈 레벨 감소 모듈;
    상기 흐릿한 움직임 효과의 존재 확인 결정 모듈에서 결정된 흐릿한 움직임 효과의 존재 확률에 따라, 상기 디지털 이미지의 흐릿한 움직임 효과의 레벨을 측정하고, 상기 디지털 이미지의 흐릿한 움직임 효과를 정정하는 흐릿한 움직임 효과 정정 모듈;
    상기 노출 측정 모듈의 측정된 노출에 따라, 상기 디지털 이미지의 노출 정정을 수행하는 노출 정정 모듈; 및
    상기 적목현상의 존재 확률 결정 모듈의 결정된 적목현상의 존재 확률에 따라, 적목현상의 정정을 수행하는 적목 현상 정정 모듈;를 포함하는 것을 특징으로 하는 화상형성장치.
  14. 청구항 1항 내지 청구항 6항 중 어느 한 항의 메타 데이터에 기초한 디지털 이미지의 품질을 개선시키기 위한 방법을 이용하는 화상형성장치.
KR1020080132196A 2008-04-10 2008-12-23 메타 데이터에 기초한 디지털 이미지 개선 방법 및 화상형성장치 KR20090107907A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020080132196A KR20090107907A (ko) 2008-04-10 2008-12-23 메타 데이터에 기초한 디지털 이미지 개선 방법 및 화상형성장치

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
RURU2008113577 2008-04-10
KR1020080132196A KR20090107907A (ko) 2008-04-10 2008-12-23 메타 데이터에 기초한 디지털 이미지 개선 방법 및 화상형성장치

Publications (1)

Publication Number Publication Date
KR20090107907A true KR20090107907A (ko) 2009-10-14

Family

ID=41551340

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080132196A KR20090107907A (ko) 2008-04-10 2008-12-23 메타 데이터에 기초한 디지털 이미지 개선 방법 및 화상형성장치

Country Status (1)

Country Link
KR (1) KR20090107907A (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016056753A1 (en) * 2014-10-06 2016-04-14 Samsung Electronics Co., Ltd. Image forming apparatus, image forming method, image processing apparatus and image processing method thereof
WO2016104990A1 (ko) * 2014-12-23 2016-06-30 삼성전자 주식회사 컨텐츠 제공 장치, 디스플레이 장치 및 그 제어 방법
US10248862B2 (en) 2014-07-23 2019-04-02 Ebay Inc. Use of camera metadata for recommendations

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10248862B2 (en) 2014-07-23 2019-04-02 Ebay Inc. Use of camera metadata for recommendations
US11704905B2 (en) 2014-07-23 2023-07-18 Ebay Inc. Use of camera metadata for recommendations
US12002264B2 (en) 2014-07-23 2024-06-04 Ebay Inc. Use of camera metadata for recommendations
WO2016056753A1 (en) * 2014-10-06 2016-04-14 Samsung Electronics Co., Ltd. Image forming apparatus, image forming method, image processing apparatus and image processing method thereof
KR20160040959A (ko) * 2014-10-06 2016-04-15 삼성전자주식회사 영상 처리 장치 및 이의 영상 처리 방법
US9912924B2 (en) 2014-10-06 2018-03-06 Samsung Electronics Co., Ltd. Image forming apparatus, image forming method, image processing apparatus and image processing method thereof
WO2016104990A1 (ko) * 2014-12-23 2016-06-30 삼성전자 주식회사 컨텐츠 제공 장치, 디스플레이 장치 및 그 제어 방법
US10638131B2 (en) 2014-12-23 2020-04-28 Samsung Electronics Co., Ltd. Content providing apparatus, display apparatus, and control method therefor

Similar Documents

Publication Publication Date Title
JP5389903B2 (ja) 最適映像選択
EP1825420B1 (en) Automatically determining acceptability of a digital image
RU2370815C2 (ru) Способ и система для выделения и классификации дефектов экспозиции цифровых изображений
US7860332B2 (en) Method and system for determining an indication of focus of an image
US7639877B2 (en) Apparatus and program for selecting photographic images
US7868922B2 (en) Foreground/background segmentation in digital images
EP1347417A2 (en) Face detection computer program product for redeye correction
JP2009060385A (ja) 画像処理装置、画像処理方法および画像処理プログラム
EP1766554A1 (en) Identification of acquisition devices from digital images
US20080292181A1 (en) Information Processing Method, Information Processing Apparatus, and Storage Medium Storing a Program
JP2003204459A (ja) デジタルカメラ、及び画像再生装置
JP4221577B2 (ja) 画像処理装置
US7659924B2 (en) Image processing apparatus, method, and program for performing regular image processing and/or correction processing based on a set photography mode and actual photography information
US20040070598A1 (en) Image retouching method, apparatus, and program storage medium, image correcting method, apparatus, and program storage medium, and eye detecting and correcting method apparatus, and program storage medium
CN108769543B (zh) 曝光时间的确定方法及装置
US7768674B2 (en) Exposure determining device and exposure determining method
JP4493416B2 (ja) 画像処理方法および装置並びにプログラム
KR20090107907A (ko) 메타 데이터에 기초한 디지털 이미지 개선 방법 및 화상형성장치
JP2004145287A (ja) 赤目補正方法、画像処理方法、プリント方法およびプリンタ
RU2338252C1 (ru) Способ предотвращения печати размытых фотографий
RU2312395C1 (ru) Способ сортировки цифровых изображений для качественной печати
US20050046724A1 (en) Image processing apparatus, method and program
RU2374688C1 (ru) Способ повышения качества цифрового изображения на основе метаданных
Safonov et al. Image enhancement pipeline based on EXIF metadata
US20080199079A1 (en) Information Processing Method, Information Processing Apparatus, and Storage Medium Having Program Stored Thereon

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid