KR20100076884A - 화질 평가 디바이스 및 방법 - Google Patents
화질 평가 디바이스 및 방법 Download PDFInfo
- Publication number
- KR20100076884A KR20100076884A KR1020090126837A KR20090126837A KR20100076884A KR 20100076884 A KR20100076884 A KR 20100076884A KR 1020090126837 A KR1020090126837 A KR 1020090126837A KR 20090126837 A KR20090126837 A KR 20090126837A KR 20100076884 A KR20100076884 A KR 20100076884A
- Authority
- KR
- South Korea
- Prior art keywords
- image
- evaluation
- analyzer
- color
- evaluation unit
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/004—Diagnosis, testing or measuring for television systems or their details for digital television systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
-
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
화질 평가 디바이스가 본 발명에 개시되며, 파라미터 값을 획득하기 위해 이미지의 파라미터를 분석하도록 구성되어 있는 이미지 분석기, 및 미리 결정된 기준에 따라 파라미터 값에 기초하여 화질을 분석하고 평가 결과를 생성하도록 구성되어 있는 평가 유닛을 포함한다. 화질 평가 방법이 본 발명에 개시되며, 파라미터 값을 획득하기 위해 이미지의 파라미터를 분석하는 단계, 미리 결정된 기준에 따라 상기 파라미터 값에 기초하여 화질을 평가하는 단계, 및 평가 결과를 생성하는 단계를 포함한다. 본 발명에 제공된 화질 평가 디바이스 및 방법을 사용하여, 이미지 인식 기술로 이미지의 파라미터를 분석하여 파라미터 값을 획득하고 그런 다음 미리 결정된 기준에 따라 파라미터 값을 생성한다. 이 방법에서, 본 발명에서는 화질이 자동으로 평가되어 소모적인 노동력을 줄일 수 있고 엔터테인먼트 기능을 향상시킬 수 있다.
Description
본 발명은 디지털 이미지 처리 분야에 관한 것이며, 특히 화질 평가 디바이스 및 방법에 관한 것이다.
현재, 디지털 제품은 일상생활의 모든 면에서 폭넓게 사용되고 있으며, 디지털 카메라는 파티나 여행 중에 필수품이다. 디지털 카메라로 사진을 찍을 때, 색상 과다(color overload), 적목 현상(red eye of a person), 노출 과다(overexposure), 잘못된 레이아웃(bad layout) 및/또는 흐릿한 선명도(poor definition)과 같은 다양한 원인에 의해 사진의 화질이 형편없이 되어 버린다. 그러므로 몇몇 사진은 쓸모없게 되어 버릴 수 있다. 그렇지만, 본 발명의 실시예를 구현하는 프로세스에서, 발명자는 기존의 기술에는 적어도 다음과 같은 단점이 있다는 것을 알게 되었다: 화질의 우수한 사진과 화질이 낮은 사진은 수동 선택을 통해서만 구별될 수 있고, 사람들은 많은 사진을 선택하는 데에 크게 불편해 한다. 즉, 사진의 화질을 기존의 기술로는 평가할 수 없다.
해결하고자 하는 기술적 과제는 사진의 화질을 자동으로 평가할 수 있는 화질 평가 디바이스 및 방법을 제공하는 것이다.
여기에 전술한 기술적 과제를 해결하기 위해 화질 평가 디바이스가 제공된다. 화질 평가 디바이스는,
파라미터 값을 획득하기 위해 이미지의 파라미터를 분석하도록 구성되어 있는 이미지 분석기; 및
미리 결정된 기준에 따라 파라미터 값에 기초하여 화질을 분석하고 평가 결과를 생성하도록 구성되어 있는 평가 유닛
을 포함한다.
본 발명의 실시예에 화질 평가 방법이 제공된다. 화질 평가 방법은,
파라미터 값을 획득하기 위해 이미지의 파라미터를 분석하는 단계;
미리 결정된 기준에 따라 상기 파라미터 값에 기초하여 화질을 평가하는 단계; 및
평가 결과를 생성하는 단계
를 포함한다.
본 발명의 실시예에서는 이하의 효과가 얻어진다: 파라미터 값을 얻기 위해 이미지의 파라미터를 분석하고, 미리 결정된 기준에 따라 파라미터 값에 기초하여 이미지의 화질을 평가함으로써 사진의 화질을 평가할 수 있으므로 노동력을 허비하는 것을 줄일 수 있다.
이하, 첨부된 도면과 함께 본 발명의 실시예를 상세히 개시한다.
도 1은 본 발명의 실시예에 제공된 화질 평가 디바이스의 흐름도를 도시한다. 도 1에 도시된 바와 같이, 화질 평가 디바이스는,
이미지의 파라미터를 분석하여 파라미터 값을 획득하도록 구성되어 있는 이미지 분석기; 및
미리 결정된 기준에 일치하는 파라미터 값에 기초하여 이미지의 질을 평가하고, 평가 결과를 생성하는 평가 유닛
을 포함한다.
실시예에서, 이미지 분석기는 색상, 사람 위치, 레이아웃, 정확도, 및 이미지의 선명도를 각각 분석하여 관련 파라미터 값을 획득하도록 구성된 색상 분석기, 위치 분석기, 레이아웃 분석기, 정확도 분석기, 및 선명도 분석기 중 적어도 하나의 분석기를 포함한다. 이에 대응해서, 평가 유닛은 색상, 사람 위치, 레이아웃, 정확도, 및 이미지의 선명도를 각각 분석하여 관련 평가 결과를 생성하도록 구성된 색상 평가 유닛, 위치 평가 유닛, 레이아웃 평가 유닛, 정확도 평가 유닛, 및 선명도 평가 유닛 중 적어도 하나의 평가 유닛을 포함한다.
예를 들어, 이미지 분석기는 색상 분석기일 수 있고, 평가 유닛은 이에 대응 하는 색상 평가 유닛일 수 있다. 이 경우, 색상 분석기를 사용하여, 이미지 인식 기술에 의해 이미지의 색상을 분석하고, 이미지의 색의 양 및 색상 범위, 화이트 밸런스, 및 적목 현상이 있는 지를 나타내는 파라미터와 같은, 색상의 파라미터 값을 생성할 수 있다. 이에 대응해서, 색상 평가 유닛을 사용하여, 색상 분석기에 의해 출력된 색상의 파라미터에 기초하여 화질을 평가할 수 있다. 예를 들어, 색상 과다로 인해 색의 양이 너무 많을 때, 색상 범위가 너무 좁거나 너무 넓을 때, 색상이 통일되어 있거나 공평하게 분배되어 있을 때, 화이트 밸런스 효과가 우수하지 않을 때, 또는 적목 현상이 있을 때, 화질이 떨어지는 것으로 간주한다. 역으로, 색의 양이 적절할 때, 색 범위가 조화가 이루어졌을 때, 화이트 밸런스가 잘 사용되었을 때, 또는 적목 현상이 없을 때, 화질이 우수한 것으로 간주한다. 색상에 대한 하나 이상의 전술한 파라미터 값을 사용하여 화질을 평가할 수 있다.
이미지 분석기는 위치 분석기일 수 있다. 이에 대응해서 평가 유닛은 위치 평가 유닛일 수 있다. 위치 분석기는 장면의 위치 및/또는 사진 속의 사람의 위치를 분석하여 관련 결과를 생성한다. 그 위치를 이미지 인식 기술에 의한 이미지에서의 장면의 위치 또는 사람의 위치, 또는 장면과 관련된 사람의 위치라 한다. 위치 평가 유닛은, 위치 평가를 위해 미리 결정된 기준과 일치하여 위치 분석에 의해 생성된 파라미터 값에 기초하여 위치를 평가하는 데 사용될 수 있다. 예를 들어, 이미지에서의 사람의 위치는 사람이 한 쪽에 치우쳐 있거나 중앙에 있을 때 나쁜 것으로 간주한다. 사람이 이미지에서 적절하게 위치해 있을 때 위치가 좋은 것으로 간주한다. 장면의 위치를 평가하는 방법은 사람들의 위치를 평가하는 방법과 유사하다.
이미지 분석기는 레이아웃 분석기일 수 있다. 이에 대응해서 평가 유닛은 레이아웃 평가 유닛일 수 있다. 레이아웃 분석기를 사용하여, 이미지 인식 기술로 이미지의 레이아웃을 분석할 수 있고, 그런 다음 레이아웃 평가 유닛을 사용하여, 수 개의 미리 결정된 전형적인 레이아웃 구성에 따라 이미지와 전형적인 레이아웃 간의 차이를 평가할 수 있다. 예를 들어, 이미지의 레이아웃은 직사각형 패턴에 기초하되 전형적인 레이아웃은 삼각형 패턴 내에 있을 때, 이미지의 레이아웃이 나쁜 것으로 간주할 수 있다.
이미지 분석기는 선명도 분석기일 수 있다. 이에 대응해서 평가 유닛은 선명도 평가 유닛일 수 있다. 선명도 분석기는 이미지 인식 기술로 이미지 안의 장면, 사람 및 다른 피사체의 경계 또는 외곽을 획득함으로써 이미지의 선명도를 분석하는 데 사용될 수 있다. 이어서, 선명도 평가 유닛은 이미지의 선명도와 미리 결정된 기준 선명도 값 사이의 차이를 평가하는 데 사용될 수 있다. 예를 들어, 선명도 분석기에 의해 출력된 결과가, 이미지 내의 미리 결정된 수의 픽셀과 인접하는 셀 사이의 계조값(grey scale value)이 기준 선명도 값, 즉 미리 결정된 픽셀 그레이 차보다 큰 것으로 나타나면, 화질이 좋은 것으로 간주한다. 반대이면, 화질이 나쁜 것으로 간주한다. 선명도 분석기는 사진의 선명도를 분석하고, 즉 사진의 경계가 인식 가능한 지를 분석하고, 사진을 찍을 때 손의 떨림으로 인해 생기는 흐릿한 이미지를 인식하는 데 사용될 수 있다.
이미지 분석기는 정확도 분석기일 수 있다. 이에 대응해서 평가 유닛은 정 확도 평가 유닛일 수 있다. 정확도 분석기는 이미지의 정확도, 즉 이미지의 픽셀의 수를 구별하는 데 사용될 수 있다. 이어서, 정확도 평가 유닛은 미리 결정된 기준 정확도 값에 기초하여 정확도 분석기에 의해 출력된 이미지의 정확도를 평가한다. 예를 들어, 기준 정확도 값이 3 메가비트일 때, 정확도가 5 메가비트이면 이미지의 정확도가 좋은 것으로 간주하고, 정확도가 1 메가비트이면 이미지의 정확도가 나쁜 것으로 간주한다.
전술한 바에서, 평가 유닛은 좋다 나쁘다의 평가만을 내린다. 서로 상이한 수준의 기준 값이 평가 유닛에 의해 설정되어 있으면, 이미지 분석기에 의해 출력된 파라미터는 더 다양한 수준으로 평가될 수 있다는 것을 당업자는 이해할 것이다. 예를 들어, 좋음, 보통, 나쁨의 3가지 평가 수준, 또는 탁월함, 좋음, 보통, 나쁨, 매우 나쁨의 5가지 평가 수준과 같은 질적 평가가 주어질 수 있으며; 5 포인트, 10 포인트, 또는 100 포인트 평가와 같은 양적 평가가 주어질 수 있다. 평가 수준이 다양할수록, 평가 정확도가 높아진다.
전술한 바에서는, 이미지 분석기 및 대응하는 평가 유닛만이 실시예에 제공되어 있다. 그렇지만, 실제의 어플리케이션에서는, 필요에 따라 더 많은 이미지 분석기 사용될 수 있는 데, 즉, 색상 분석기, 위치 분석기, 레이아웃 분석기, 선명도 분석기 및 정확도 분석기를 포함하는 수 개의 분석기가 사용될 수 있고, 색상 분석기와 위치 분석기, 또는 색상 분석기와 위치 분석기와 레이아웃 분석기, 또는 위치 분석기와 레이아웃 분석기와 선명도 분석기가 사용될 수 있다. 화질 평가 디바이스가 제공되어 있는 본 발명의 다른 실시예에서, 도 2에 도시된 바와 같이, 이 미지 분석기는 색상 분석기, 위치 분석기, 레이아웃 분석기, 선명도 분석기, 및 정확도 분석기를 포함하며, 마찬가지로 이에 대응해서 색상 평가 유닛, 위치 평가 유닛, 레이아웃 평가 유닛, 정확도 평가 유닛, 및 선명도 평가 유닛을 포함한다. 이 방식에서는, 상이한 평가 유닛을 사용하여 상이한 파라미터의 평가 값을 제공할 수 있다.
또한, 화질 평가 디바이스가 제공되어 있는 본 발명의 다른 실시예에서, 도 2에 도시된 바와 같이, 가중 산술 유닛도 포함될 수 있다. 상이한 평가 유닛이 일정한 포인트 스케일로 수치 평가 결과를 제공하면, 그 결과는 미리 결정된 가중에 따라 계산될 수 있으며, 가중된 계산 결과는 종합적인 평가 값으로서 생성된다. 예를 들어, 100 포인트 스케일 모드에서, 색상 평가 유닛, 위치 평가 유닛, 레이아웃 평가 유닛, 정확도 평가 유닛, 및 선명도 평가 유닛은 85, 70, 93, 88, 및 86의 결과를 각각 출력하고, 각각의 평가 값의 가중은 0.3, 0.1, 0.2, 0.2 및 0.2이고, 이 때 종합적인 평가 값은 85 x 0.3 + 70 x 0.1 + 0.2 x (93 + 88 + 86) = 85.9이다. 단지 도식적 가중(schematic weight)으로서의 가중이 필요에 따라 설정될 수 있다.
도 3은 본 발명의 실시예에 제공된 화질 평가 방법의 흐름도를 도시한다. 도 3에 도시된 바와 같이, 화질 평가 방법은,
파라미터 값을 얻기 위해 이미지의 파라미터를 분석하는 단계; 및
미리 결정된 기준에 따라 파라미터 값에 기초하여 화질 평가를 수행하고 평가 결과를 생성하는 단계
를 포함한다.
이미지의 색상, 위치, 레이아웃, 정확도 및 선명도를 포함하는 파라미터 중 적어도 하나가 분석될 수 있다. 이미지의 색상, 위치, 레이아웃, 정확도, 및 선명도를 포함하는 화질에 대한 적어도 하나의 관점은 미리 결정된 기준에 따라 파라미터 값에 기초하여 평가될 수 있다. 위에서 이미지 분석 프로세스 및 평가 프로세스를 이미지 분석기 및 평가 유닛과 관련해서 개시하였으므로, 여기서 더 이상의 설명은 생략한다.
각각의 평가 단계에서 획득된 결과는 질적 또는 양적 평가 결과일 수 있으며, 이에 대해서는 위에서 설명하였다.
또한, 미리 결정된 가중에 따라 위에서 생성된 양적 평가 결과의 가중된 계산을 수행하는 단계도 또한 포함될 수 있다. 이 단계에 대한 효과는 가중 산술 유닛에 대한 효과와 유사하다. 그러므로 더 이상의 설명은 생략한다.
도 4는 본 발명의 다른 실시예에 제공된 화질 평가 방법의 흐름도를 도시한다. 도 4에 도시된 바와 같이, 이미지의 색상, 위치, 레이아웃, 정확도, 및 선명도를 포함하는 파라미터를 분석하는 과정이 포함되어 있다. 미리 결정된 기준에 일치하는 파라미터 값에 따라 이미지의 색상, 위치, 레이아웃, 정확도, 및 선명도를 포함하는 화질을 평가하는 과정도 포함되어 있다. 또한, 종합적인 평가 결과로서 가중 계산 결과를 획득하기 위한 과정이 포함된다. 이 결과는, 미리 결정된 가중에 따라 평가 단계에서의 출력인 값들의 가중된 계산을 일정한 포인트 스케일로 수행함으로써 획득된다. 이 방법은 이미지의 종합적인 평가 값을 획득하기 위해 이미지의 색상, 위치, 레이아웃, 정확도, 및 선명도의 종합적인 분석 및 평가를 자동으로 수행하는 데 사용될 수 있다.
본 발명에서 처리되는 이미지는 디지털 사진, 비디오 데이터 또는 다른 디지털 이미지일 수 있다. 본 발명의 실시예에 제공된 화질 평가 디바이스는 디지털 카메라, 카메라 폰, 디지털 폰 프레임, 또는 이러한 제품들의 구성성분과 같은 독립적인 제품이 될 수 있지만 이에 제한되지 않는다. 본 발명의 실시예에 제공된 디바이스만이 기본적인 구성성분을 가지는 경우 디바이스는 본 발명에 의해 보호받는다. 본 발명은 이미지의 화질 평가를 자동으로 획득하는 데 사용될 수 있고, 화질에 관한 질적 참조 의견을 제공할 수 있다. 또한, 복수의 이미지를 평가하여 질적 평가 의견을 제공할 수 있다. 이 방법에서, 사용자는 엔터테인먼트 기능을 이용할 수 있어서, 자신이 찍은 사진이나 즐거움을 위한 다른 것들을 평가한다.
위에서 설명된 실시예들은 본 발명의 예로서 사용될 뿐, 본 발명을 제한하는 데 사용되지 않는다. 본 발명의 보호 범위는 첨부된 청구의 범위에서 결정된다. 당업자는 본 발명의 본질적인 보호 범위 내에서 본 발명의 변형 또는 등가의 대치를 수행할 수 있다. 모든 변형 또는 등가의 대치는 본 발명에 의해 보호된다.
도 1은 본 발명의 실시예에 제공된 화질 평가 디바이스의 흐름도이다.
도 2는 본 발명의 다른 실시예에 제공된 화질 평가 디바이스의 흐름도이다.
도 3은 본 발명의 실시예에 제공된 화질 평가 방법의 흐름도이다.
도 4는 본 발명의 다른 실시예에 제공된 화질 평가 방법의 흐름도이다.
Claims (13)
- 화질 평가 디바이스에 있어서,파라미터 값을 획득하기 위해 이미지의 파라미터를 분석하도록 구성되어 있는 이미지 분석기; 및미리 결정된 기준에 따라 파라미터 값에 기초하여 상기 이미지의 화질을 평가하고 평가 결과를 생성하도록 구성되어 있는 평가 유닛을 포함하는 화질 평가 디바이스.
- 제1항에 있어서,상기 이미지 분석기는, 색상 분석기, 위치 분석기, 레이아웃 분석기, 정확도 분석기, 및 선명도 분석기 중 적어도 하나를 포함하고, 이미지의 색상, 사람 위치, 레이아웃, 정확도, 및 선명도를 각각 분석하여 관련 파라미터 값을 획득하도록 구성되어 있으며,이에 대응해서, 상기 평가 유닛은, 색상 평가 유닛, 위치 평가 유닛, 레이아웃 평가 유닛, 정확도 평가 유닛, 및 선명도 평가 유닛 중 적어도 하나를 포함하고, 이미지의 색상, 사람 위치, 레이아웃, 정확도, 및 선명도에 대한 파라미터 값을 각각 분석하여 관련 평가 결과를 생성하도록 구성되어 있는, 화질 평가 디바이스.
- 제2항에 있어서,각각의 평가 유닛에 의해 생성된 상기 평가 결과는 일정한 포인트 스케일(uniform point scale)에 의해 결정되는 수치 값을 포함하는, 화질 평가 디바이스.
- 제3항에 있어서,미리 결정된 가중에 따라 일정한 포인트 스케일로 상기 평가 유닛에 의해 생성되는 수치 값을 계산하고, 가중된 계산 결과를 종합적인 평가 결과로서 생성하도록 구성되어 있는 가중 산술 유닛을 더 포함하는 화질 평가 디바이스.
- 제1항에 있어서,상기 이미지 분석기는 이미지 인식 기술로 이미지의 색상을 분석하고 색상의 파라미터 값을 생성하도록 구성된 색상 분석기이며,상기 평가 유닛은 상기 색상 분석기에 의해 출력된 색상의 파라미터에 기초하여 상기 이미지의 화질을 평가하도록 구성되어 있는 색상 평가 유닛인, 화질 평가 디바이스.
- 제1항에 있어서,상기 이미지 분석기는, 사진 속의 장면 및/또는 사람의 위치를 분석하여 관련 결과를 생성하도록 구성되어 있는 위치 분석기이며,상기 평가 유닛은, 위치 평가를 위한 상기 미리 결정된 기준에 따라 상기 위치 분석기에 의해 발생된 파라미터 값에 기초하여 위치를 평가하도록 구성되어 있는 위치 평가 유닛인, 화질 평가 디바이스.
- 제1항에 있어서,상기 분석기는 이미지 인식 기술로 이미지의 레이아웃을 분석하도록 구성되어 있는 레이아웃 분석기이며,상기 평가 유닛은 미리 결정된 여러 전형적인 레이아웃 구성의 기준에 따라 이미지와 전형적인 레이아웃 간의 차이를 평가하도록 구성되어 있는 레이아웃 평가 유닛인, 화질 평가 디바이스.
- 제1항에 있어서,상기 이미지 분석기는 이미지 인식 기술로 이미지 내의 장면, 사람, 및 다른 피사체의 경계 또는 윤곽을 획득함으로써 이미지의 선명도를 분석하도록 구성되어 있는 선명도 분석기이며,상기 평가 유닛은 상기 이미지의 선명도와 상기 미리 결정된 기준 선명도 값 사이의 차이를 평가하도록 구성되어 있는 선명도 평가 유닛인, 화질 평가 디바이스.
- 제1항에 있어서,상기 이미지 분석기는 이미지의 정확도를 구별하도록 구성되어 있는 정확도 분석기이며,상기 평가 유닛은 상기 미리 결정된 기준 정확도 값에 기초하여 상기 정확도 분석기에 의해 출력된 이미지의 정확도를 평가하도록 구성되어 있는 정확도 평가 유닛인, 화질 평가 디바이스.
- 화질 평가 방법에 있어서,파라미터 값을 획득하기 위해 이미지의 파라미터를 분석하는 단계;미리 결정된 기준에 따라 상기 파라미터 값에 기초하여 상기 이미지의 화질을 평가하는 단계; 및평가 결과를 생성하는 단계를 포함하는 화질 평가 방법.
- 제10항에 있어서,상기 화질을 평가하는 단계는, 색상, 사람 위치, 레이아웃, 정확도, 및 선명도를 분석하는 것과 각각 관련된 색상 분석, 위치 분석, 레이아웃 분석, 정확도 분석, 및 선명도 분석 중 적어도 하나를 포함하여 관련 파라미터 값을 획득하는 단계를 포함하며,상기 미리 결정된 기준에 따라 상기 파라미터 값에 기초하여 상기 이미지의 화질을 평가하는 단계는, 이미지의 색상, 사람 위치, 레이아웃, 정확도, 및 선명도 에 대한 파라미터 값을 평가하는 것과 각각 관련된 색상 평가, 위치 평가, 레이아웃 평가, 정확도 평가, 및 선명도 평가 중 적어도 하나를 포함하며,그런 다음 관련 평가 결과가 출력되는, 화질 평가 방법.
- 제11항에 있어서,각각의 평가 단계에서 생성된 평가 결과는 일정한 포인트 스케일에 의해 결정되는 수치 값을 나타내는, 화질 평가 방법.
- 제12항에 있어서,미리 결정된 가중에 따라 일정한 포인트 스케일로 상기 평가 단계에서 생성되는 수치 값을 계산하고, 가중된 계산 결과를 종합적인 평가 결과로서 생성하는 단계를 더 포함하는 화질 평가 방법.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810187310.3 | 2008-12-26 | ||
CNA2008101873103A CN101448174A (zh) | 2008-12-26 | 2008-12-26 | 一种图像质量评价装置和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20100076884A true KR20100076884A (ko) | 2010-07-06 |
KR101117507B1 KR101117507B1 (ko) | 2012-03-07 |
Family
ID=40743517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020090126837A KR101117507B1 (ko) | 2008-12-26 | 2009-12-18 | 화질 평가 디바이스 및 방법 |
Country Status (5)
Country | Link |
---|---|
US (1) | US8571253B2 (ko) |
EP (1) | EP2202687A3 (ko) |
JP (1) | JP2010157238A (ko) |
KR (1) | KR101117507B1 (ko) |
CN (1) | CN101448174A (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112785572A (zh) * | 2021-01-21 | 2021-05-11 | 上海云从汇临人工智能科技有限公司 | 图像质量评估方法、装置以及计算机可读存储介质 |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102088539B (zh) * | 2009-12-08 | 2015-06-03 | 浪潮乐金数字移动通信有限公司 | 一种预拍照画质评价方法和*** |
CN101950421B (zh) * | 2010-09-08 | 2012-10-03 | 北京航空航天大学 | 一种火焰模型可信度的评价方法 |
JP5568148B2 (ja) * | 2012-03-27 | 2014-08-06 | 富士フイルム株式会社 | レイアウト装置、レイアウト方法およびプログラム |
WO2014087621A1 (ja) * | 2012-12-06 | 2014-06-12 | 日本電気株式会社 | 画像認識処理適性表示システム、方法およびプログラム |
CN103268602B (zh) * | 2013-04-24 | 2016-04-06 | 国家测绘地理信息局卫星测绘应用中心 | 一种光学遥感影像质量综合评价方法 |
CN103501434A (zh) * | 2013-09-17 | 2014-01-08 | 北京奇艺世纪科技有限公司 | 一种视频的质量分析方法及装置 |
US20160217328A1 (en) * | 2013-09-30 | 2016-07-28 | Danielle YANAI | Image and video processing and optimization |
CN103745454B (zh) * | 2013-12-17 | 2017-01-11 | 北京大学 | 一种基于排序学习的图像处理算法或***的评价方法 |
US20150189166A1 (en) * | 2013-12-30 | 2015-07-02 | Telefonica Digital España, S.L.U. | Method, device and system for improving the quality of photographs |
CN104135621A (zh) * | 2014-08-13 | 2014-11-05 | 深圳市朵唯志远科技有限公司 | 移动终端上提升拍照质量的方法及*** |
CN106296669B (zh) * | 2016-08-01 | 2019-11-19 | 微梦创科网络科技(中国)有限公司 | 一种图像质量评价方法和装置 |
CN108986075A (zh) * | 2018-06-13 | 2018-12-11 | 浙江大华技术股份有限公司 | 一种优选图像的判断方法及装置 |
CN109978833A (zh) * | 2019-03-05 | 2019-07-05 | 上海扩博智能技术有限公司 | 图像质量自动检测方法、***、设备及存储介质 |
CN111246098B (zh) * | 2020-01-19 | 2022-02-22 | 深圳市人工智能与机器人研究院 | 机器人拍照方法、装置、计算机设备和存储介质 |
CN112153371B (zh) * | 2020-08-24 | 2021-07-20 | 珠海格力电器股份有限公司 | 图像质量检测方法、装置、存储介质及产品检测方法 |
CN114979453A (zh) * | 2021-02-20 | 2022-08-30 | Oppo广东移动通信有限公司 | 一种拍摄方法、装置及电子设备 |
CN113327003B (zh) * | 2021-04-16 | 2022-05-20 | 蒲惠智造科技股份有限公司 | 一种基于工业大数据的产品质量评估预测*** |
CN113408528B (zh) * | 2021-06-24 | 2024-02-23 | 数贸科技(北京)有限公司 | 商品图像的质量识别方法、装置、计算设备及存储介质 |
CN113838017A (zh) * | 2021-09-16 | 2021-12-24 | 杭州逗酷软件科技有限公司 | 图像美学质量评价方法、装置、存储介质及电子设备 |
CN117492621B (zh) * | 2024-01-03 | 2024-03-29 | 深圳市永迦电子科技有限公司 | 一种数码云相框智能照片优化处理*** |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5140418A (en) * | 1991-03-18 | 1992-08-18 | The United States Of America As Represented By The Secretary Of The Army | System for quantitatively evaluating imaging devices |
JP2002156338A (ja) * | 2000-11-15 | 2002-05-31 | Lion Engineering Co Ltd | 缶蓋接合部の検査装置 |
US7327891B2 (en) * | 2001-07-17 | 2008-02-05 | Yesvideo, Inc. | Automatic selection of a visual image or images from a collection of visual images, based on an evaluation of the quality of the visual images |
JP2003087442A (ja) | 2001-09-14 | 2003-03-20 | Fuji Photo Film Co Ltd | 画像評価方法および装置並びにプログラム |
US7362354B2 (en) * | 2002-02-12 | 2008-04-22 | Hewlett-Packard Development Company, L.P. | Method and system for assessing the photo quality of a captured image in a digital still camera |
JP4168793B2 (ja) | 2003-03-17 | 2008-10-22 | セイコーエプソン株式会社 | レイアウト評価システム及びレイアウト評価プログラム、並びにレイアウト評価方法 |
FR2867291B1 (fr) * | 2004-03-08 | 2006-05-19 | Canon Kk | Procede et dispositif d'acces a une image numerique stockee sur un ordinateur serveur |
KR100716977B1 (ko) | 2004-07-23 | 2007-05-10 | 삼성전자주식회사 | 디지털 영상 기기 |
US7764844B2 (en) * | 2004-09-10 | 2010-07-27 | Eastman Kodak Company | Determining sharpness predictors for a digital image |
JP2006115446A (ja) * | 2004-09-14 | 2006-04-27 | Seiko Epson Corp | 撮影装置、及び画像評価方法 |
JP4539318B2 (ja) * | 2004-12-13 | 2010-09-08 | セイコーエプソン株式会社 | 画像情報の評価方法、画像情報の評価プログラム及び画像情報評価装置 |
US7693304B2 (en) * | 2005-05-12 | 2010-04-06 | Hewlett-Packard Development Company, L.P. | Method and system for image quality calculation |
JP2007158868A (ja) * | 2005-12-07 | 2007-06-21 | Sony Corp | 画像処理装置および方法 |
JP4835176B2 (ja) * | 2006-01-31 | 2011-12-14 | 株式会社ニコン | デジタルスチルカメラ |
JP2008083892A (ja) | 2006-09-27 | 2008-04-10 | Fujifilm Corp | 画像評価装置および方法並びにプログラム |
US8081227B1 (en) * | 2006-11-30 | 2011-12-20 | Adobe Systems Incorporated | Image quality visual indicator |
TW200828988A (en) * | 2006-12-22 | 2008-07-01 | Altek Corp | System and method for image evaluation |
JP5275573B2 (ja) | 2007-02-15 | 2013-08-28 | 株式会社パスコ | 壁面情報収集装置及び壁面情報収集プログラム |
US8401258B2 (en) * | 2007-03-16 | 2013-03-19 | Sti Medical Systems, Llc | Method to provide automated quality feedback to imaging devices to achieve standardized imaging data |
US8126197B2 (en) * | 2007-11-29 | 2012-02-28 | Certifi-Media Inc. | Method for image quality assessment using quality vectors |
-
2008
- 2008-12-26 CN CNA2008101873103A patent/CN101448174A/zh active Pending
-
2009
- 2009-12-17 EP EP09179632A patent/EP2202687A3/en not_active Withdrawn
- 2009-12-18 US US12/642,231 patent/US8571253B2/en active Active
- 2009-12-18 KR KR1020090126837A patent/KR101117507B1/ko active IP Right Grant
- 2009-12-28 JP JP2009297359A patent/JP2010157238A/ja active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112785572A (zh) * | 2021-01-21 | 2021-05-11 | 上海云从汇临人工智能科技有限公司 | 图像质量评估方法、装置以及计算机可读存储介质 |
CN112785572B (zh) * | 2021-01-21 | 2023-10-24 | 上海云从汇临人工智能科技有限公司 | 图像质量评估方法、装置以及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
EP2202687A3 (en) | 2010-11-03 |
KR101117507B1 (ko) | 2012-03-07 |
JP2010157238A (ja) | 2010-07-15 |
EP2202687A2 (en) | 2010-06-30 |
US20100166302A1 (en) | 2010-07-01 |
US8571253B2 (en) | 2013-10-29 |
CN101448174A (zh) | 2009-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101117507B1 (ko) | 화질 평가 디바이스 및 방법 | |
Korhonen | Two-level approach for no-reference consumer video quality assessment | |
Kundu et al. | Large-scale crowdsourced study for tone-mapped HDR pictures | |
Nuutinen et al. | CVD2014—A database for evaluating no-reference video quality assessment algorithms | |
Ferzli et al. | A no-reference objective image sharpness metric based on the notion of just noticeable blur (JNB) | |
Phillips et al. | Camera image quality benchmarking | |
Krasula et al. | Quality assessment of sharpened images: Challenges, methodology, and objective metrics | |
US7764844B2 (en) | Determining sharpness predictors for a digital image | |
TW200303139A (en) | Method and system for assessing the photo quality of a captured image in a digital still camera | |
Krasula et al. | Preference of experience in image tone-mapping: Dataset and framework for objective measures comparison | |
Oh et al. | No-reference sharpness assessment of camera-shaken images by analysis of spectral structure | |
Pinson | Why no reference metrics for image and video quality lack accuracy and reproducibility | |
Katsigiannis et al. | Interpreting MOS scores, when can users see a difference? Understanding user experience differences for photo quality | |
Sitohang | Reduction Eye Red Digital Image Effect With Algorithm Intensity Color Checking | |
Farrell | Image quality evaluation | |
Zelmati et al. | Study of subjective and objective quality assessment of infrared compressed images | |
Zhu et al. | No-reference image quality assessment for photographic images of consumer device | |
CN104112266B (zh) | 一种图像边缘虚化的检测方法和装置 | |
Xydeas et al. | Pixel-level image fusion metrics | |
KR101895390B1 (ko) | 영상 대비 평가 장치 및 방법 | |
Zhao et al. | Objective assessment of perceived sharpness of projection displays with a calibrated camera | |
US20050105802A1 (en) | Method and an arrangement for objective assessment of video quality | |
JP2006201983A (ja) | 画質評価装置および画質評価方法 | |
Głowacz et al. | Automated qualitative assessment of multi-modal distortions in digital images based on GLZ | |
Triantaphillidou | Introduction to image quality and system performance |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20150120 Year of fee payment: 4 |
|
FPAY | Annual fee payment |
Payment date: 20160119 Year of fee payment: 5 |
|
FPAY | Annual fee payment |
Payment date: 20170119 Year of fee payment: 6 |
|
FPAY | Annual fee payment |
Payment date: 20180119 Year of fee payment: 7 |
|
FPAY | Annual fee payment |
Payment date: 20200115 Year of fee payment: 9 |