KR20240054131A - 디지털 보케 성능 향상을 위한 전자 장치 및 방법 - Google Patents

디지털 보케 성능 향상을 위한 전자 장치 및 방법 Download PDF

Info

Publication number
KR20240054131A
KR20240054131A KR1020220171024A KR20220171024A KR20240054131A KR 20240054131 A KR20240054131 A KR 20240054131A KR 1020220171024 A KR1020220171024 A KR 1020220171024A KR 20220171024 A KR20220171024 A KR 20220171024A KR 20240054131 A KR20240054131 A KR 20240054131A
Authority
KR
South Korea
Prior art keywords
image
zoom
area
masking
camera
Prior art date
Application number
KR1020220171024A
Other languages
English (en)
Inventor
고성식
유상준
원종훈
이기혁
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 PCT/KR2023/014712 priority Critical patent/WO2024085494A1/ko
Publication of KR20240054131A publication Critical patent/KR20240054131A/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/95—Computational photography systems, e.g. light-field imaging systems
    • H04N23/951—Computational photography systems, e.g. light-field imaging systems by using two or more images to influence resolution, frame rate or aspect ratio
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G06T5/75—Unsharp masking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/69—Control of means for changing angle of the field of view, e.g. optical zoom objectives or electronic zooming

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Studio Devices (AREA)

Abstract

일 실시예에 따른, 전자 장치(electronic device)는 제1 카메라, 제2 카메라, 디스플레이 및 적어도 하나의 프로세서를 포함할 수 있다. 상기 제2 카메라의 초점거리는 상기 제1 카메라의 초점거리와 다를 수 있다. 상기 적어도 하나의 프로세서는, 상기 제1 카메라를 통해 획득되는 입력 이미지 내에서, 객체 영역으로 식별되지 않고 배경 영역으로 식별되지 않은 미분류 영역을 식별할 수 있다. 상기 적어도 하나의 프로세서는, 상기 미분류 영역이 포함되도록 식별되는 상기 제2 카메라의 줌 배율에 기반하여 상기 제2 카메라를 통해, 복수의 줌 이미지들을 획득할 수 있다. 상기 적어도 하나의 프로세서는, 상기 복수의 줌 이미지들에 기반하여 객체에 대응하는 마스킹 부분을 식별할 수 있다. 상기 적어도 하나의 프로세서는, 상기 입력 이미지 및 상기 마스킹 부분에 기반하여, 상기 미분류 영역을 배경 영역 및 객체 영역 중 하나로 결정함으로써, 상기 입력 이미지에 대한 배경 영역 이미지를 식별할 수 있다. 상기 적어도 하나의 프로세서는, 상기 배경 영역 이미지에 대한 블러 처리에 기반하여, 상기 디스플레이를 통해 출력 이미지를 표시할 수 있다.

Description

디지털 보케 성능 향상을 위한 전자 장치 및 방법{ELECTRONIC DEVICE AND METHOD FOR IMPROVING DIGITAL BOKEH PERFORMANCE}
다양한 실시예들은, 디지털 보케 성능 향상을 위한 전자 장치 및 방법에 관한 것이다.
스마트폰의 소형화에 따라, 카메라 모듈의 두께는 감소해왔다. 카메라 모듈 두께의 감소로 디지털 보케(bokeh) 기술의 중요도가 높아졌다. 디지털 보케는, 피사체와 배경을 분리하여, 블러(blur) 처리한 배경 영역 이미지와 피사체에 대응하는 객체 영역 이미지를 합성하는 기술이다.
상술한 정보는 본 개시에 대한 이해를 돕기 위한 목적으로 하는 배경 기술(related art)로 제공될 수 있다. 상술한 내용 중 어느 것도 본 개시와 관련된 종래 기술(prior art)로서 적용될 수 있는지에 대하여 어떠한 주장이나 결정이 제기되지 않는다.
일 실시예에 따른, 전자 장치(electronic device)는 제1 카메라, 제2 카메라, 디스플레이 및 적어도 하나의 프로세서를 포함할 수 있다. 상기 제2 카메라의 초점거리는 상기 제1 카메라의 초점거리와 다를 수 있다. 상기 적어도 하나의 프로세서는, 상기 제1 카메라를 통해 획득되는 입력 이미지 내에서, 객체 영역으로 식별되지 않고 배경 영역으로 식별되지 않은 미분류 영역을 식별할 수 있다. 상기 적어도 하나의 프로세서는, 상기 미분류 영역이 포함되도록 식별되는 상기 제2 카메라의 줌 배율에 기반하여 상기 제2 카메라를 통해, 복수의 줌 이미지들을 획득할 수 있다. 상기 적어도 하나의 프로세서는, 상기 복수의 줌 이미지들에 기반하여 객체에 대응하는 마스킹 부분을 식별할 수 있다. 상기 적어도 하나의 프로세서는, 상기 입력 이미지 및 상기 마스킹 부분에 기반하여, 상기 미분류 영역을 배경 영역 및 객체 영역 중 하나로 결정함으로써, 상기 입력 이미지에 대한 배경 영역 이미지를 식별할 수 있다. 상기 적어도 하나의 프로세서는, 상기 배경 영역 이미지에 대한 블러 처리에 기반하여, 상기 디스플레이를 통해 출력 이미지를 표시할 수 있다.
일 실시예에 따른 전자 장치(electronic device)에 의해 수행되는 방법은, 제1 카메라를 통해 획득되는 입력 이미지 내에서, 객체 영역으로 식별되지 않고 배경 영역으로 식별되지 않은 미분류 영역을 식별하는 동작을 포함할 수 있다. 상기 방법은 상기 미분류 영역이 포함되도록 식별되는 제2 카메라의 줌 배율에 기반하여 상기 제2 카메라를 통해, 복수의 줌 이미지들을 획득하는 동작을 포함할 수 있다. 상기 방법은 상기 복수의 줌 이미지들에 기반하여 객체에 대응하는 마스킹 부분을 식별하는 동작을 포함할 수 있다. 상기 방법은 상기 입력 이미지 및 상기 마스킹 부분에 기반하여, 상기 미분류 영역을 배경 영역 및 객체 영역 중 하나로 결정함으로써, 상기 입력 이미지에 대한 배경 영역 이미지를 식별하는 동작을 포함할 수 있다. 상기 방법은 상기 배경 영역 이미지에 대한 블러 처리에 기반하여, 디스플레이를 통해 출력 이미지를 표시하는 동작을 포함할 수 있다.
도 1은, 실시예들에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는, 실시예들에 따른, 배경 영역과 객체 영역을 구분하기 위한 전자 장치의 동작의 흐름이다.
도 3은, 실시예들에 따른, 카메라의 줌 동작에 따른 배경 영역 변화의 예를 도시한다.
도 4는, 실시예들에 따른, 심도에 따른 객체 영역 식별의 예를 도시한다.
도 5는, 실시예들에 따른, 카메라의 줌 동작에 따른 심도의 예를 도시한다.
도 6은, 실시예들에 따른, 불연속 줌에 의한 객체 영역 구분과 연속 줌에 의한 영역 구분의 예를 도시한다.
도 7은 객체의 크기를 기준으로 수행되는 스케일링의 예를 도시한다.
도 8은 복수의 줌 이미지들에 기반하여 마스킹 이미지를 생성하는 방법의 예를 도시한다.
도 9는 복수의 줌 이미지들에 기반하여 출력 이미지를 생성하는 방법의 예를 도시한다.
도 10은 디지털 보케가 적용된 출력 이미지를 연속적인 줌을 통해 생성하기 위한 전자 장치의 동작의 흐름을 도시한다.
도 11은 디지털 보케를 수행하기 위한 전자 장치의 동작의 흐름을 도시한다.
본 개시에서 사용되는 용어들은 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 다른 실시예의 범위를 한정하려는 의도가 아닐 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 용어들은 본 개시에 기재된 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 본 개시에 사용된 용어들 중 일반적인 사전에 정의된 용어들은, 관련 기술의 문맥상 가지는 의미와 동일 또는 유사한 의미로 해석될 수 있으며, 본 개시에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 개시에서 정의된 용어일지라도 본 개시의 실시예들을 배제하도록 해석될 수 없다.
이하에서 설명되는 본 개시의 다양한 실시예들에서는 하드웨어적인 접근 방법을 예시로서 설명한다. 하지만, 본 개시의 다양한 실시예들에서는 하드웨어와 소프트웨어를 모두 사용하는 기술을 포함하고 있으므로, 본 개시의 다양한 실시예들이 소프트웨어 기반의 접근 방법을 제외하는 것은 아니다.
이하 설명에서 사용되는 객체 영역(object area)을 지칭하는 용어(예: 객체 영역, ROI(region of interest), 객체 영역 이미지(object region image), 객체 이미지(object image)), 배경 영역(background region)을 지칭하는 용어(예: 배경 영역, 배경 영역 이미지(background region image), 배경 이미지 부분(image part of background), 배경 이미지(background image)), 스케일링(scaling)을 지칭하는 용어(예: 스케일링, 크기 보정(size calibration)), 줌 배율(zoom magnification)을 지칭하는 용어(예: 줌 배율, 배율(magnification)), 정해진 값(specified value)을 지칭하는 용어(예: 기준 값(reference value), 임계 값(threshold value)) 등은 설명의 편의를 위해 예시된 것이다. 따라서, 본 개시가 후술되는 용어들에 한정되는 것은 아니며, 동등한 기술적 의미를 가지는 다른 용어가 사용될 수 있다. 또한, 이하 사용되는 '...부', '...기', '...물', '...체' 등의 용어는 적어도 하나의 형상 구조를 의미하거나 또는 기능을 처리하는 단위를 의미할 수 있다.
또한, 본 개시에서, 특정 조건의 만족(satisfied), 충족(fulfilled) 여부를 판단하기 위해, 초과 또는 미만의 표현이 사용될 수 있으나, 이는 일 예를 표현하기 위한 기재일 뿐 이상 또는 이하의 기재를 배제하는 것이 아니다. '이상'으로 기재된 조건은 '초과', '이하'로 기재된 조건은 '미만', '이상 및 미만'으로 기재된 조건은 '초과 및 이하'로 대체될 수 있다. 또한, 이하, 'A' 내지 'B'는 A부터(A 포함) B까지의(B 포함) 요소들 중 적어도 하나를 의미한다.
본 개시의 실시예들을 설명하기에 앞서, 실시예들에 따른 전자 장치의 동작들을 설명하기 위해 필요한 용어들이 정의된다.
객체 영역이란, 피사체에 대응하는 이미지의 부분을 의미할 수 있다. 배경 영역이란, 배경에 대응하는 이미지의 부분일 수 있다. 상기 배경 영역은 피사체보다 멀리 있는, 피사체를 제외한 배경에 대응하는 이미지의 부분일 수 있다. 미분류 영역은 적어도 하나의 프로세서에 대하여 배경 영역인지, 객체 영역인지 구분이 불분명한 이미지의 부분일 수 있다. 이미지의 심도란, 해당 거리에 피사체가 놓였을 시, 초점이 맞은 것으로 인식되는 거리 범위일 수 있다. 상기 거리 범위는 전방 심도 거리에서부터 후방 심도 거리 사이일 수 있다. 상기 전방 심도 거리는 상기 후방 심도 거리보다 짧을 수 있다. 상기 전방 심도 거리는 피사체가 놓였을 시 초점이 맞은 것으로 인식되는 가장 짧은 거리일 수 있다. 상기 후방 심도 거리는 피사체가 놓였을 시 초점이 맞은 것으로 인식되는 가장 먼 거리일 수 있다.
이하, 첨부된 도면을 참조하여 본 문서에 개시된 다양한 실시 예들이 설명된다. 설명의 편의를 위하여 도면에 도시된 구성요소들은 그 크기가 과장 또는 축소될 수 있으며, 본 문서에 반드시 도시된 바에 의해 한정되는 것은 아니다.
도 1은 실시예들에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))을 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일 실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들면, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))과 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일 실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들면, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들면, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들면, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일 실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일 실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일 실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일 실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일 실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제1 네트워크(198) 또는 제2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들면, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들면, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들면, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO(full dimensional MIMO)), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일 실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제1 네트워크(198) 또는 제2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일 실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일 실시예에 따르면, 명령 또는 데이터는 제2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들면, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일 실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
도 2는, 실시예들에 따른, 배경 영역과 객체 영역을 구분하기 위한 전자 장치의 동작의 흐름이다. 상기 전자 장치(예: 도 1의 전자 장치(101))는 이미지에 디지털 보케를 수행하기 위해 c-줌(continuous-zoom)을 이용할 수 있다.
도 2를 참조하면, 동작(201)에서, 적어도 하나의 프로세서(예: 도 1의 프로세서(120))는, 입력 이미지를 획득할 수 있다. 상기 입력 이미지는 피사체에 대응하는 객체를 포함할 수 있다. 상기 입력 이미지는 제1 카메라를 통해 획득될 수 있다. 상기 제1 카메라는 광각(wide) 카메라일 수 있다. 그러나, 본 개시의 실시예들은 이에 제한되지 않는다. 일 실시예에 따르면, 상기 제1 카메라는 초광각(ultrawide) 카메라일 수 있다. 일 실시예에 따르면, 상기 제1 카메라는 망원(telephoto) 카메라일 수 있다. 상기 입력 이미지는 연속적인 줌이 포함되지 않은 상기 제1 카메라에 기반하여 획득될 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 입력 이미지에 디지털 보케를 적용할 수 있다. 상기 디지털 보케는 피사체에 대응하는 객체 영역과 배경 영역을 분리하여, 블러(blur) 처리한 배경 영역 이미지와 피사체에 대응하는 객체 영역 이미지를 합성하는 기술이다. 상기 배경 영역 이미지와 상기 객체 영역 이미지를 분리하기 위한 전자 장치(101)의 동작의 흐름이 이하에서 기재된다.
동작(203)에서, 상기 적어도 하나의 프로세서(120)는, 상기 입력 이미지를 객체 영역, 배경 영역, 및 미분류 영역으로 구분할 수 있다. 상기 객체 영역은 피사체에 대응하는 이미지 부분일 수 있다. 상기 배경 영역은 배경에 대응하는 이미지의 부분일 수 있다. 상기 배경 영역은 피사체보다 멀리 있는, 피사체를 제외한 배경에 대응하는 이미지의 부분일 수 있다. 미분류 영역은 상기 적어도 하나의 프로세서(120)에 대하여 상기 배경 영역인지, 상기 객체 영역인지 구분이 불분명한 이미지의 부분일 수 있다. 예를 들면, 상기 미분류 영역은 흩날리는 머리카락에 대응하는 객체를 포함할 수 있다. 예를 들면, 상기 미분류 영역은 손을 흔드는 동안, 촬영된, 손가락 사이 공간에 대응하는 이미지의 부분일 수 있다.
실시예들에 따르면, 상기 적어도 하나의 프로세서(120)는, 다양한 방법으로 상기 입력 이미지를 상기 객체 영역, 상기 배경 영역, 및 상기 미분류 영역으로 구별할 수 있다. 일 실시예에 따르면, 상기 적어도 하나의 프로세서(120)는, 입력 이미지 내에서 피사체를 검출하고, 피사체에 대응하는 객체의 윤곽선을 식별할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 피사체에 대응하는 객체의 윤곽선 내부를 객체 영역, 피사체에 대응하는 객체의 윤곽선 외부를 배경 영역으로 식별할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 피사체에 대응하는 상기 객체의 윤곽선이 불분명한 경우, 불분명한 윤곽선에 대응되는 이미지의 부분을 상기 미분류 영역으로 식별할 수 있다.
일 실시예에 따르면, 상기 적어도 하나의 프로세서(120)는, TOF(time of flight) 센서를 통해 상기 입력 이미지가 포함하는 객체들에 대응하는 대상 물체들까지의 거리를 식별할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 대상 물체들까지의 거리가 임계 거리 미만일 때, 해당하는 대상 물체를 피사체로 식별할 수 있다. 상기 적어도 하나의 프로세서(120)는, 피사체에 대응하는 객체의 윤곽선을 식별할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 피사체에 대응하는 객체의 윤곽선 내부의 영역을 객체 영역으로 식별할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 피사체에 대응하는 상기 객체의 윤곽선 외부의 영역을 배경 영역으로 식별할 수 있다.
일 실시예에 따르면, 상기 적어도 하나의 프로세서(120)는, 입력 이미지의 각 화소 별로 선명도를 식별할 수 있다. 선명도, 특정 화소가 주변 화소와 얼마나 다른지를 가리키기 위한 지표일 수 있다. 상기 선명도는 주변 화소와의 차이에 기반하여 결정될 수 있다. 상기 적어도 하나의 프로세서(120)는, 선명도가 주변부의 선명도와 다른 영역을 식별하여, 상기 객체의 윤곽선을 획득할 수 있다. 상기 적어도 하나의 프로세서(120)는, 전체 이미지에 대하여 윤곽선을 추출할 수 있다. 상기 윤곽선이 선명할 시, 상기 윤곽선 내부의 영역을 객체 영역으로 식별할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 피사체에 대응하는 상기 객체의 윤곽선 외부의 영역을 배경 영역으로 식별할 수 있다. 다만, 본 개시의 실시예들에 따르면, 입력 이미지의 영역 구분 방법은 상술한 방법에 한정되지 않는다.
동작(205)에서, 상기 적어도 하나의 프로세서(120)는, 미분류 영역에 기반하여 줌 배율을 식별할 수 있다. 상기 줌 배율의 최대 값은 제2 카메라에 의해 획득되는 줌 이미지들 중 가장 높은 배율이고, 줌 최대 배율로 지칭될 수 있다. 상기 줌 최대 배율은, 상기 줌 배율에 의해 획득되는 줌 이미지들이 모두 미분류 영역에 대응하는 이미지 부분을 포함하게 하는, 가장 높은 배율일 수 있다. 초점 거리 및 개별 줌 배율이 높은 카메라에 의해 획득된 이미지일수록 객체 영역과 배경 영역의 차이가 커 구별이 쉽기 때문이다. 상기 개별 줌 배율은 개별적인 이미지에 해당하는 줌 배율일 수 있다. 미분류 영역이 줌 이미지 내에 포함되어야, 상기 적어도 하나의 프로세서(120)는, 미분류 영역을 객체 영역 및 배경 영역 중 하나로 결정할 수 있다. 상기 줌 배율은 제1 카메라의 사양 정보, 제2 카메라의 사양 정보, 및 c-줌(continuous-zoom)의 사양 정보 중 적어도 하나에 기반하여, 식별될 수 있다. 예를 들면, 상기 적어도 하나의 프로세서(120)는, 입력 이미지 내에 포함된 미분류 영역이 포함될 수 있는 제1 카메라에 대응하는 줌 배율을 식별할 수 있다. 상기 적어도 하나의 프로세서(120)는, 제1 카메라에 대응하는 줌 배율을 제1 카메라의 배율, 제2 카메라의 배율, 및 c줌의 배율에 기반하여, 제2 카메라 및 상기 c-줌에 대응하는 최대 줌 배율을 식별할 수 있다. 상기 적어도 하나의 프로세서는, 상기 c-줌(continuous-zoom)을 통해 하드웨어적으로 구동하여 이미지를 확대할 수 있다.
동작(207)에서, 상기 적어도 하나의 프로세서(120)는, 줌 배율에 기반하여 제2 카메라의 상기 c-줌(continuous-zoom)을 작동하여 c-주밍(continuous-zooming) 할 수 있다. 상기 c-줌은 연속적인 줌을 의미할 수 있다. 상기 c-주밍은 광학 주밍(optical-zooming)으로 지칭될 수 있다. 상기 c-주밍은 줌 렌즈가 실제 하드웨어적으로 구동하여 이미지를 확대하는 동작을 의미할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 c-줌에 기반하여, 줌 이동 중 광학적 특성이 다른 복수의 줌 이미지들을 획득할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 제2 카메라에 포함된 상기 c-줌을 통해 복수의 줌 이미지들을 획득할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 제2 카메라를 통해 특정 배율부터 상기 줌 배율까지의 복수의 배율들 각각에 대한 줌 이미지들을 획득할 수 있다. 예를 들면, 상기 줌 배율이 3배율이라면, 상기 적어도 하나의 프로세서(120)는, 1배율인 줌 이미지, 1.5배율인 줌 이미지, 2배율인 줌 이미지, 2.5배율인 줌 이미지, 및 3배율인 줌 이미지를 상기 c-줌을 포함한 제2 카메라에 의해 획득할 수 있다. 상기 줌 이미지들은 상기 c-줌이 포함된 제2 카메라에 기반하여 획득될 수 있다. 상기 제2 카메라는 망원(telephoto) 카메라일 수 있다.
동작(209)에서, 상기 적어도 하나의 프로세서(120)는, 줌 배율에 기반하여 제2 카메라를 통해 복수의 줌 이미지들을 획득할 수 있다. 상기 적어도 하나의 프로세서(120)는, 개별 줌 배율이 다른 복수의 줌 이미지들을 획득하기 위해 상기 c-줌을 포함한 제2 카메라를 통해 상기 복수의 줌 이미지들을 획득할 수 있다. 상기 개별 줌 배율이 다른 경우, 이미지의 심도가 달라질 수 있다. 상기 개별 줌 배율이 높을수록 이미지의 심도는 얕아질 수 있다. 이미지의 심도란, 피사체가 놓였을 시, 초점이 맞은 것으로 인식되는 거리 범위일 수 있다. 상기 거리 범위는 전방 심도 거리에서부터 후방 심도 거리 사이일 수 있다. 상기 전방 심도 거리는 상기 후방 심도 거리보다 짧을 수 있다. 상기 전방 심도 거리는 피사체가 놓였을 시 초점이 맞은 것으로 인식되는 가장 짧은 거리일 수 있다. 상기 후방 심도 거리는 피사체가 놓였을 시 초점이 맞은 것으로 인식되는 가장 먼 거리일 수 있다. 상기 거리 범위는 카메라로부터 초점이 맞은 피사체까지의 거리일 수 있다. 상기 개별 줌 배율이 높을수록, 이미지의 심도가 얕아져, 배경 영역은 흐리게 보일 수 있다. 그러므로, 상기 적어도 하나의 프로세서(120)는, 개별 줌 배율이 높을수록, 개별 줌 배율이 낮을 때에 비해, 심도가 얕을 수 있다. 개별 줌 배율이 높을수록 배경의 흐린 정도가 클 수 있다. 따라서, 상기 적어도 하나의 프로세서(120)는, 개별 줌 배율이 높을수록 객체 영역과 배경 영역을 쉽게 구분할 수 있다. 상기 복수의 줌 이미지들 각각은 서로 다른 심도 및 배율을 가질 수 있다.
동작(211)에서, 상기 적어도 하나의 프로세서(120)는, 스케일링 및 보정을 수행할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 복수의 줌 이미지들에 대하여 스케일링을 수행할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 복수의 줌 이미지들 중에서, 상기 줌 최대 배율에 대응하는 제1 줌 이미지 내의 객체의 크기를 식별할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 제1 줌 이미지 내의 객체의 크기에 기반하여, 상기 복수의 줌 이미지들 중에서, 제1 줌 이미지 외에 다른 줌 이미지들 각각에 대한 스케일링을 수행할 수 있다.
일 실시예에 따르면, 상기 복수의 줌 이미지들은 개별 줌 배율이 다르기에, 피사체에 대응하는 객체의 크기가 다를 수 있다. 피사체에 대응하는 객체의 크기는 줌 최대 배율에 대응하는 제1 줌 이미지에서 가장 클 수 있다. 상기 적어도 하나의 프로세서(120)는, 복수의 줌 이미지들에 기반하여 마스킹 이미지를 생성하기 위해서, 각 줌 이미지의 피사체의 크기를 동일하게 스케일링 할 수 있다.
상기 적어도 하나의 프로세서(120)는, 상기 복수의 줌 이미지들에 대하여 정합(image rectification) 보정을 수행할 수 있다. 상기 복수의 줌 이미지들은 화각 및 배율, 광축등 광학적 특성이 서로 다를 수 있다. 상기 복수의 줌 이미지들을 획득하는 동안, 전자 장치가 흔들릴 수 있기 때문이다. 상기 적어도 하나의 프로세서(120)는, 상기 복수의 줌 이미지들에 기반하여 마스킹 이미지를 생성하기 위해서, 각 줌 이미지의 정합 특성을 동일하게 보정할 수 있다.
동작(213)에서, 상기 적어도 하나의 프로세서(120)는, 마스킹 이미지를 생성하여 마스킹 부분을 식별할 수 있다. 예를 들면, 상기 적어도 하나의 프로세서(120)는, 상기 제1 줌 이미지 및 상기 스케일링 및 정합 보정된 제2 줌 이미지들에 기반하여 상기 복수의 마스킹 후보 이미지들을 생성할 수 있다. 상기 스케일링 및 정합 보정은 객체 매칭 처리로 지칭될 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 복수의 마스킹 후보 이미지들에 기반하여 미분류 영역이 포함되지 않는 마스킹 이미지를 생성할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 마스킹 이미지로부터 상기 객체에 대응하는 마스킹 부분을 식별할 수 있다.
일 실시예에 따르면, 상기 복수의 마스킹 후보 이미지들은 제1 줌 이미지 및 스케일링 된 제2 줌 이미지들 각각에서 화소 간 XOR(exclusive OR)연산을 통해 생성될 수 있다. 상기 적어도 하나의 프로세서(120)는, 줌 이미지들(예: 제1 줌 이미지 및 제2 줌 이미지) 내의 각 화소의 색채에 대응하는 값을 지정할 수 있다. 상기 적어도 하나의 프로세서(120)는, 두 개의 줌 이미지들(예: 제1 줌 이미지 및 제2 줌 이미지)에서, 동일한 좌표에 배치된 화소의 값을 비교하여, 상기 XOR 연산을 수행할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 XOR 연산을 수행하여 마스킹 후보 이미지들을 생성할 수 있다.
상기 줌 이미지들 간의 개별 줌 배율이 다르더라도, 스케일링을 끝낸 줌 이미지 내의 객체 영역은 스케일링을 끝낸 다른 줌 이미지 내의 객체 영역과 비슷할 수 있다. 상기 객체에 대응하는 피사체는 심도보다 짧은 거리에 위치할 것이기 때문이다. 다시 말해, 상기 객체에 대응하는 피사체는 심도 내에 위치해 있기 때문에 선명도의 차이가 거의 없을 수 있다.
마스킹 후보 이미지에서, 객체 영역은 0 값을 주로 나타낼 수 있다. 줌 이미지들 간의 개별 줌 배율이 다르므로, 스케일링을 끝낸 줌 이미지 내의 배경 영역은 스케일링을 끝낸 다른 줌 이미지 내의 배경 영역과 흐린 정도가 다를 수 있다. 상기 배경 영역에 대응하는 배경 물체는 심도보다 먼 거리에 위치해 있을 수 있기 때문이다. 다시 말해, 상기 배경 영역은 심도 외에 있는 경우와 심도 내에 있는 경우의 흐림 정도에 차이가 발생할 수 있다. 따라서, 마스킹 후보 이미지에서, 배경 영역은 1 값을 주로 나타낼 수 있다. 일 실시예에 따르면, 상기 마스킹 후보 이미지는 두 개의 줌 이미지들을 비교하여 생성될 수 있다. 그러므로, n개의 줌 이미지들로부터 최대 nC2개(2-조합, 또는 2-combination)의 마스킹 후보 이미지가 생성될 수 있다. 일 실시예에 따르면, 상기 마스킹 후보 이미지는 줌 최대 배율에 기반한 제1 줌 이미지와 스케일링 된 제2 줌 이미지들을 비교하여 생성될 수 있다. 줌 배율이 높을수록 심도가 얕아 객체 영역과 배경 영역의 구별이 쉬울 수 있기 때문이다. 그러므로 n개의 줌 이미지들로부터 m개(nC2)의 마스킹 후보 이미지가 생성될 수 있다. 단, 본 개시의 실시예들은 이에 한정되지 않는다.
일 실시예에 따르면, 상기 획득된 마스킹 이미지는 복수의 마스킹 후보 이미지들 각각에서 화소의 평균 값에 기반하여 생성될 수 있다. 상기 적어도 하나의 프로세서(120)는, 복수의 마스킹 후보 이미지들에서 동일한 좌표에 배치된 화소의 값에 기반하여, 각 좌표에 배치된 화소의 평균 값을 계산할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 각 화소 별로 평균 값을 표시할 수 있다. 상기 적어도 하나의 프로세서(120)는, 지정된 임계 값 미만을 갖는 부분은 마스킹 객체 영역으로, 지정된 임계 값 이상을 갖는 부분은 마스킹 배경 영역으로 구분할 수 있다. 상기 적어도 하나의 프로세서(120)는, 마스킹 객체 영역과 마스킹 배경 영역을 포함하는 마스킹 이미지를 생성할 수 있다.
일 실시예에 따르면, 상기 마스킹 이미지 내의 마스킹 객체 영역 부분은 마스킹 부분일 수 있다.
동작(215)에서, 상기 적어도 하나의 프로세서(120)는, 입력 이미지의 미분류 영역을 배경 영역 및 객체 영역 중 하나로 결정할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 마스킹 이미지의 상기 마스킹 부분과 상기 입력 이미지의 미분류 영역을 비교할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 입력 이미지의 미분류 영역을 보정할 수 있다. 상기 미분류 영역 보정에서, 상기 적어도 하나의 프로세서(120)는, 상기 마스킹 부분과 상기 미분류 영역을 비교하여, 상기 미분류 영역을 배경 영역 및 객체 영역 중 하나로 결정할 수 있다. 상기 미분류 영역은 배경 영역 및 객체 영역 중 하나로 결정되기 때문에, 상기 미분류 영역 보정 이후, 입력 이미지에는 미분류 영역이 포함되지 않을 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 입력 이미지의 상기 미분류 영역이 상기 마스킹 부분에 중첩되는 경우, 상기 입력 이미지의 상기 미분류 영역을 상기 객체 영역으로 결정할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 입력 이미지의 미분류 영역이 상기 마스킹 부분에 중첩되지 않는 경우, 상기 배경 영역으로 결정할 수 있다.
동작(217)에서, 상기 적어도 하나의 프로세서(120)는, 배경 영역 이미지에 대해 블러 처리를 수행하여, 출력 이미지를 표시할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 입력 이미지의 배경 영역에 대해 블러 처리를 수행할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 블러 처리가 수행된 상기 배경 영역 이미지 및 상기 마스킹 부분에 대응하는 객체 영역 이미지의 합성을 통해 출력 이미지를 생성할 수 있다.
도 3은, 실시예들에 따른, 카메라의 줌 동작에 따른 배경 영역 변화의 예를 도시한다.
도 3을 참조하면, 제1 이미지(301)는 제1 배율에 기반하여 생성될 수 있다. 제2 이미지(303)는 제2 배율에 기반하여 생성될 수 있다. 상기 제1 배율은 상기 제2 배율보다 작을 수 있다. 제1 이미지 부분(305)에서 객체 영역은 상기 제2 이미지 부분(307)에서 객체 영역과 선명도가 비슷할 수 있다. 제1 이미지 부분(305)에서 배경 영역은 상기 제2 이미지 부분(307)에서 배경 영역보다 선명도가 높을 수 있다. 따라서, 배율이 다른 이미지들(예: 제1 이미지(301) 및 제2 이미지(303))을 화소 별로 비교하여, 상기 화소 별 차이가 큰 영역을 배경 영역으로 식별할 수 있다. 배율이 다른 이미지들(예: 제1 이미지(301) 및 제2 이미지(303))의 화소를 비교 시, 객체 영역에서는 화소 별 차이가 작을 수 있다. 배율이 다른 이미지들(예: 제1 이미지(301) 및 제2 이미지(303))의 화소를 비교 시, 배경 영역에서는, 객체 영역에 비해 화소 별 차이가 클 수 있다.
제1 이미지(301)는 저배율 줌에 기반하여 획득될 수 있다. 상기 제1 이미지(301)는 낮은 배율에 기반하여 획득되었기 때문에 심도가 깊을 수 있다. 따라서, 상기 제1 이미지(301) 내의 객체 영역(예: 인물) 및 배경 영역(예: 나무)이 비교적 선명하게 나타날 수 있다. 상기 제2 이미지(303)는 고배율 줌에 기반하여 획득될 수 있다. 상기 제2 이미지(303)는 높은 배율에 기반하여 획득되었기 때문에 심도가 얕을 수 있다. 따라서, 상기 제2 이미지(303) 내의 객체 영역(예: 인물)은 선명한 반면, 상기 제2 이미지(303) 내의 배경 영역(예: 나무)이 제1 이미지의 배경 영역에 비해 흐리게 나타날 수 있다.
일 실시예에 따르면, 이미지들의 개별 줌 배율이 다른 경우, 이미지의 심도가 달라질 수 있다. 상기 개별 줌 배율이 높을수록 이미지의 심도는 얕아질 수 있다. 이미지의 심도란, 초점이 맞은 것으로 인식되는 거리 범위일 수 있다. 상기 거리 범위는 카메라로부터 초점이 맞은 피사체까지의 거리일 수 있다. 상기 개별 줌 배율이 높을수록, 이미지의 심도가 얕아져, 배경 영역은 흐리게 보일 수 있다. 그러므로, 상기 적어도 하나의 프로세서(120)는, 개별 줌 배율이 높을수록, 개별 줌 배율이 낮을 때에 비해, 객체 영역과 배경 영역을 쉽게 구분할 수 있다. 상기 복수의 줌 이미지들 각각은 서로 다른 심도 및 배율을 가질 수 있다.
도 4는, 실시예들에 따른, 심도에 따른 객체 영역 식별의 예를 도시한다.
도 4를 참조하면, 제1 가공 이미지(401)는 가공된 제1 이미지(예: 도 3의 제1 이미지(301))일 수 있다. 상기 제1 이미지(301)는 제1 배율을 갖는 제1 카메라에 기반하여 획득될 수 있다. 상기 제1 가공 이미지(401)는 상기 제1 이미지(301)의 선명도에 기반하여 생성될 수 있다. 선명도는, 특정 화소가 주변 화소와 얼마나 다른지를 가리키기 위한 지표일 수 있다. 제2 가공 이미지(403)는 가공된 제2 이미지(예: 도 3의 제2 이미지(303))일 수 있다. 상기 제2 이미지(303)는 제2 배율을 갖는 제2 카메라에 기반하여 획득될 수 있다. 상기 제2 가공 이미지(403)는 상기 제2 이미지(303)의 선명도에 기반하여 생성될 수 있다. 상기 제1 배율은 상기 제2 배율보다 작을 수 있다. 예를 들면, 상기 제1 카메라는 광각(wide) 카메라일 수 있다. 다른 예를 들면, 상기 제1 카메라는 초광각(ultrawide) 카메라일 수 있다. 예를 들면, 상기 제2 카메라는 망원(telephoto) 카메라일 수 있다. 예를 들면, 상기 제1 카메라의 상기 제1 배율은 광각(wide) 카메라 1배율일 수 있다. 상기 제2 카메라의 상기 제2 배율은 망원(telephoto) 카메라 2배율일 수 있다.
일 실시예에 따르면, 상기 적어도 하나의 프로세서(120)는, 이미지(예: 제1 이미지(301) 및 제2 이미지(303))의 각 화소 별로 선명도를 식별할 수 있다. 선명도는, 특정 화소가 주변 화소와 얼마나 다른지를 가리키기 위한 지표일 수 있다. 상기 적어도 하나의 프로세서(120)는, 선명도가 주변부의 선명도와 다른 영역을 식별하여, 상기 객체의 윤곽선을 획득할 수 있다. 저배율 카메라에 기반하여 생성된 제1 이미지(301)는 고배율 카메라에 기반하여 생성된 제2 이미지(303)에 비해 심도가 깊을 수 있다. 심도가 깊은 경우, 객체 영역과 배경 영역의 선명도가 높아질 수 있다. 상기 제2 이미지(303)는 상기 제1 이미지(301)에 비해 심도가 얕을 수 있다. 심도가 얕은 경우, 배경 영역 내부의 선명도는 낮아질 수 있다. 배경 영역 내부의 선명도가 낮기 때문이다. 상기 심도가 얕은 경우, 객체 영역과 배경 영역 주변의 선명도는 높아질 수 있다. 상기 객체 영역은 선명도가 높고, 상기 배경 영역은 선명도가 낮을 수 있다.
일 실시예에 따르면, 상기 제1 가공 이미지(401)는 비선형 필터를 통해 제1 이미지(301)가 처리되어 생성될 수 있다. 상기 제2 가공 이미지(403)는 비선형 필터를 통해 제2 이미지(303)가 처리되어 생성될 수 있다. 상기 제1 가공 이미지(401)는 상기 제2 가공 이미지(403)에 비해 심도가 다를 수 있다. 예를 들면, 객체 영역 및 배경 영역의 경계부에 선명도 차이가 발생될 수 있다. 상기 제1 가공 이미지(401)는 심도가 깊기 때문에, 상기 객체 영역과 상기 배경 영역 모두에 높은 선명도가 식별될 수 있다. 상기 제2 가공 이미지(403)는 심도가 얕기 때문에, 상기 배경 영역 보다는 상기 객체 영역 주위의 경계에서 높은 선명도가 식별될 수 있다.
예를 들면, 제1 가공 이미지(401)에서, 심도가 깊어 상기 인물의 팔꿈치 안 쪽의 뒷 배경 영역도 선명도가 높을 시, 상기 팔꿈치 안쪽의 신체 부분은 배경 영역 또는 미분류 영역으로 분류될 수 있다. 예를 들어, 제1 가공 이미지(401)에서, 복잡한 패턴을 포함하는 배경 영역(예: 뾰족한 나뭇가지, 나뭇잎을 포함하는 영역)과 복잡한 패턴을 포함하는 객체 영역(예: 팔꿈치 부분의 옷깃 또는 머리카락 부분)이 중첩되는 부분은, 상기 배경 영역과 상기 객체 영역의 심도가 깊을 수 있다. 심도가 깊은 상기 중첩되는 부분은 선명도에 기반하여, 상기 객체 영역과 상기 배경 영역을 구별하기 어려울 수 있다. 그러나, 제2 가공 이미지(403)에서, 상기 인물의 팔꿈치 안 쪽의 뒷 배경 부분은 선명도가 낮을 시, 상기 팔꿈치 안쪽의 신체 부분은 객체 영역으로 분류될 수 있다. 예를 들어, 제2 가공 이미지(403)에서, 상기 중첩된 부분은, 상기 배경 영역과 상기 객체 영역의 심도가 얕을 수 있다. 심도가 얕은 상기 중첩되는 부분은 선명도에 기반하여, 상기 객체 영역과 상기 배경 영역을 구별하기 유리할 수 있다. 다시 말해, 제2 가공 이미지(403)에서 미분류 영역이 발생될 확률이 낮아질 수 있다. 상기 미분류 영역은 인물의 얼굴 경계처럼 객체 영역인지, 배경 영역 인지 구분이 모호할 수 있다. 특히, 전자 장치의 광각(wide) 카메라는, 망원(telephoto) 카메라에 비해 심도가 깊기 때문에, 상기 광각 카메라에 기반하여 획득한 제1 이미지(301)에서 상기 망원(telephoto) 카메라에 기반하여 획득한 제2 이미지(303)에 비해 미분류 영역이 식별될 확률이 높을 수 있다.
도 5는, 실시예들에 따른, 카메라의 줌 동작에 따른 심도의 예를 도시한다.
도 5를 참조하면, 줌 이미지(501), 줌 이미지(503), 및 줌 이미지(505)는 서로 다른 줌 배율에 기반하여 제2 카메라를 통해 획득될 수 있다. 상기 적어도 하나의 프로세서(120)는, 개별 줌 배율이 다른 복수의 줌 이미지들(예: 줌 이미지(501), 줌 이미지(503), 및 줌 이미지(505))을 획득하기 위해 c-줌(continuous-zoom)을 포함한 제2 카메라를 통해 상기 복수의 줌 이미지들(줌 이미지(501), 줌 이미지(503), 및 줌 이미지(505))을 획득할 수 있다. 상기 적어도 하나의 프로세서는, 상기 c-줌(continuous-zoom)을 통해 하드웨어적으로 구동하여 이미지를 확대할 수 있다. 상기 개별 줌 배율이 다른 경우, 이미지의 심도가 달라질 수 있다. 상기 개별 줌 배율이 높을수록 이미지의 심도는 얕아질 수 있다. 이미지의 심도란, 초점이 맞은 것으로 인식되는 거리 범위일 수 있다. 상기 거리 범위는 카메라로부터 초점이 맞은 피사체까지의 거리일 수 있다. 상기 개별 줌 배율이 높을수록, 이미지의 심도가 얕아져, 배경 영역은 흐리게 보일 수 있다. 다시 말해, 줌 이미지(501), 줌 이미지(503), 및 줌 이미지(505) 순으로 배경 영역이 흐리게 나타날 수 있다. 상기 적어도 하나의 프로세서(120)는, 개별 줌 배율이 높을수록, 개별 줌 배율이 낮을 때에 비해, 객체 영역과 배경 영역을 쉽게 구분할 수 있다. 상기 적어도 하나의 프로세서(120)는, 줌 이미지(505), 줌 이미지(503), 및 줌 이미지(501) 순으로 객체 영역과 배경 영역을 쉽게 구분할 수 있다.
도 6은, 실시예들에 따른, 불연속 줌에 의한 객체 영역 구분과 연속 줌에 의한 영역 구분의 예를 도시한다.
도 6을 참조하면, 제1 이미지(601)는 제1 배율의 제1 카메라를 통해 획득될 수 있다. 예를 들면, 상기 제1 배율은 1배율일 수 있다. 제1 확대 이미지(603)는 c-줌(continuous-zoom)을 통해 조정된 제2 배율로 획득될 수 있다. 예를 들면, 상기 제2 배율은 3배율일 수 있다. 상기 c-줌(continuous-zoom)이 수행됨에 따라, 카메라의 광학 특성 값(예: 초점 거리와 f-number)은 상기 c-주밍(continuous-zooming)이 수행되기 전에 비해 달라질 수 있다. 상기 c-주밍은 줌 렌즈가 실제 하드웨어적으로 구동하여 이미지를 확대하는 동작을 의미할 수 있다. 상기 적어도 하나의 프로세서는, 상기 c-줌(continuous-zoom)을 통해 하드웨어적으로 구동하여 이미지를 확대할 수 있다. 제2 확대 이미지(605)는 d-줌(digital-zoom)을 통해 조정된 제2 배율로 획득될 수 있다. 예를 들면, 상기 제2 배율은 3배율일 수 있다. 상기 적어도 하나의 프로세서는, 상기 d-줌(digital-zoom)을 통해 소프트웨어적으로 구동하여 이미지를 확대할 수 있다. d-주밍(digital zooming)이 수행됨에 따라, 카메라의 광학 특성 값(예: 초점 거리와 f-number)은 상기 d-주밍(digital zooming)이 수행되기 전과 같이 유지될 수 있다. 상기 d-주밍은 소프트웨어적으로 이미지를 확대하는 동작일 수 있다. 제1 비교 이미지(607)는 제1 이미지(601)를 확대한 부분(예: 제1 이미지(601) 부분을 3배로 확대한 이미지)의 화소와 제1 확대 이미지(603)를 구성하는 화소 간에 XOR(exclusive OR) 연산 결과를 나타낼 수 있다. 제2 비교 이미지(609)는 제1 이미지(601)를 확대한 부분(예: 제1 이미지(601) 부분을 3배로 확대한 이미지)의 화소와 제2 확대 이미지(605)를 구성하는 화소 간에 XOR(exclusive OR) 연산 결과를 나타낼 수 있다.
일 실시예에 따르면, 상기 XOR(exclusive OR) 연산은 화소 비트 단위 의 연산으로 각 화소 비트 값이 같을 시, 0을 출력하고, 값이 다를 시 1을 출력하는 데이터 처리 방식이다. 상기 적어도 하나의 프로세서(120)는, 상기 이미지들(예: 제1 이미지(601), 제1 확대 이미지(603), 및 제2 확대 이미지(605)) 내의 각 화소의 색채에 대응하는 값을 지정할 수 있다. 상기 적어도 하나의 프로세서(120)는, 제1 이미지(601)를 구성하는 화소와 제1 확대 이미지(603)를 구성하는 화소 간에 XOR(exclusive OR) 연산을 수행할 수 있다. 상기 적어도 하나의 프로세서(120)는, 제1 이미지(601)를 구성하는 화소와 제2 확대 이미지(605)를 구성하는 화소 간에 XOR(exclusive OR) 연산을 수행할 수 있다. 제1 비교 이미지(607) 및 제2 비교 이미지(609)에서, 상기 적어도 하나의 프로세서(120)는, 연산 결과가 0에 가까운 값은 어둡게 표현되며, 화소 최대값(255)에 가까운 값은 흰색으로 표현 할 수 있으며, 특정 임계 값 기준으로 임계 값 이상일 경우에는 1, 임계 값 미만인 경우에는 0으로 표현 할 수 있다.
일 실시예에 따르면, 제1 비교 이미지(607)를 참조하면, 제1 이미지(601)의 객체 영역과 제1 확대 이미지(603)의 객체 영역 간의 차이는 제1 이미지(601)의 배경 영역과 제1 확대 이미지(603) 간의 배경 영역 간의 차이보다 작을 수 있다. 상기 객체 영역은 초점이 맞는 이미지의 부분일 수 있다. 상기 배경 영역에서의 화소 별 차이가 큰 것은 c-주밍(continuous-zooming)에 따른 심도 및 원근 투영 왜곡(perspective projection distortion)의 차이 때문일 수 있다. 상기 c-주밍은 광학 주밍(optical-zooming)으로 지칭될 수 있다. 상기 c-주밍은 줌 렌즈가 실제 하드웨어적으로 구동하여 이미지를 확대하는 동작을 의미할 수 있다.
일 실시예에 따르면, 제2 비교 이미지(609)를 참조하면, 제1 이미지(601)와 제2 확대 이미지(605)간의 차이가 거의 없을 수 있다. 제2 비교 이미지(609)의 부분이 대부분 검은색으로 나타났기 때문이다. 일 실시예에 따르면, d-줌(digital-zoom)을 통해 객체 영역과 배경 영역을 식별하기 어려울 수 있다. d-주밍 시, 배경 이미지가 흐려지는 현상이 없기 때문이다. 상기 적어도 하나의 프로세서는, 상기 d-줌(digital-zoom)을 통해 소프트웨어적으로 구동하여 이미지를 확대할 수 있다. 상기 d-주밍은 소프트웨어적으로 이미지를 확대하는 동작일 수 있다. 상기 적어도 하나의 프로세서는, c-줌(continuous-zoom)을 통해 이미지 내의 객체 영역과 배경 영역을 식별할 수 있다. c-주밍(continuous-zooming) 시, 배경 이미지가 흐려지는 현상이 발생하기 때문이다. 상기 c-주밍은 줌 렌즈가 실제 하드웨어적으로 구동하여 이미지를 확대하는 동작일 수 있다.
일 실시예에 따르면, 심도는 카메라 렌즈의 초점 거리, f- number, 센서(예: CCD(charge coupled device))의 셀의 크기, 피사체와 카메라의 거리에 따라 변경될 수 있다. 상기 c-주밍(continuous-zooming) 시, 상기 카메라 렌즈의 초점 거리 및 f-number가 변경될 수 있다. 따라서, c-주밍 시, 심도가 변경될 수 있다. 상기 d-주밍(digital-zooming) 시, 상기 카메라 렌즈의 초점 거리 및 f-number가 유지될 수 있다. 따라서, d-주밍 시, 심도가 유지될 수 있다.
일 실시예에 따르면, 상기 적어도 하나의 프로세서(120)는, 개별 줌 배율이 다른 복수의 줌 이미지들을 획득하기 위해 상기 c-줌(continuous-zoom)을 포함한 제2 카메라를 통해 상기 복수의 줌 이미지들을 획득할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 복수의 줌 이미지들에 기반하여 마스킹 후보 이미지들을 생성할 수 있다.
도 7은 객체의 크기를 기준으로 수행되는 스케일링의 예를 도시한다.
도 7을 참조하면, 보정된 줌 이미지(701), 보정된 줌 이미지(703), 및 보정된 줌 이미지(705)는 서로 다른 줌 배율에 기반하여 제2 카메라를 통해 획득된 이미지들에 대해 스케일링 및 기울기 보정을 수행함으로써 생성될 수 있다. 상기 스케일링 및 기울기 보정은 객체 매칭 처리로 지칭될 수 있다. 상기 개별 줌 배율이 높을수록 이미지의 심도는 얕아질 수 있다. 이미지의 심도란, 초점이 맞은 것으로 인식되는 거리 범위일 수 있다. 상기 개별 줌 배율이 높을수록, 이미지의 심도가 얕아져, 배경 영역은 흐리게 보일 수 있다. 다시 말해, 보정된 줌 이미지(705), 보정된 줌 이미지(703), 및 보정된 줌 이미지(701) 순으로 배경 영역이 흐리게 나타날 수 있다.
일 실시예에 따르면, 상기 적어도 하나의 프로세서(120)는, 상기 복수의 줌 이미지들에 대하여 스케일링을 수행할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 복수의 줌 이미지들 중에서, 상기 줌 배율에 대응하는 제1 줌 이미지 내의 객체의 크기를 식별할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 제1 줌 이미지 내의 객체의 크기에 기반하여, 상기 복수의 줌 이미지들 중에서, 제1 줌 이미지 외에 다른 줌 이미지들 각각에 대한 스케일링을 수행할 수 있다.
일 실시예에 따르면, 상기 복수의 줌 이미지들은 개별 줌 배율이 다르기에, 피사체에 대응하는 객체의 크기가 다를 수 있다. 피사체에 대응하는 객체의 크기는 최대 줌 배율에 대응하는 제1 줌 이미지에서 가장 클 수 있다. 상기 적어도 하나의 프로세서(120)는, 복수의 줌 이미지들에 기반하여 마스킹 이미지를 생성하기 위해서, 각 줌 이미지의 피사체의 크기를 동일하게 스케일링 할 수 있다.
상기 적어도 하나의 프로세서(120)는, 상기 복수의 줌 이미지들에 대하여 기울기 보정을 수행할 수 있다. 상기 스케일링 및 기울기 보정은 객체 매칭 처리로 지칭될 수 있다. 상기 복수의 줌 이미지들은 기울기가 서로 다를 수 있다. 복수의 줌 이미지들을 획득하는 동안, 전자 장치가 흔들릴 수 있기 때문이다. 상기 적어도 하나의 프로세서(120)는, 복수의 줌 이미지들에 기반하여 마스킹 이미지를 생성하기 위해서, 각 줌 이미지의 기울기를 동일하게 보정할 수 있다.
일 실시예에 따르면, 피사체의 크기를 기준으로 스케일링 및 기울기 보정을 한 보정된 이미지(701), 보정된 이미지(703), 및 보정된 이미지(705)는 입력 이미지 내의 미분류 영역을 제거하기 위한 동작을 위해 활용될 수 있다.
도 8은 복수의 줌 이미지들에 기반하여 마스킹 이미지를 생성하는 방법의 예를 도시한다.
도 8을 참조하면, 스케일링 및 보정된 복수의 줌 이미지들(801)은 c-줌(continuous-zoom)을 포함한 제2 카메라를 통해 획득된 이미지들에 스케일링 및 보정함으로써 생성될 수 있다. 상기 적어도 하나의 프로세서는, 상기 c-줌(continuous-zoom)을 통해 하드웨어적으로 구동하여 이미지를 확대할 수 있다. 상기 복수의 줌 이미지들(801)은 n개일 수 있다. 복수의 마스킹 후보 이미지들(803)은 상기 보정된 복수의 줌 이미지들(801)에 기반하여 생성될 수 있다. 복수의 마스킹 후보 이미지들(803)은 m개일 수 있다. 마스킹 이미지(805)는 상기 복수의 마스킹 후보 이미지들(803)에 기반하여 생성될 수 있다.
일 실시예에 따르면, 상기 보정된 복수의 줌 이미지들(801)에 기반하여, 마스킹 후보 이미지들(803)을 생성하는 과정은, 미분류 영역의 머리카락과 같은 피사체에 대응하는 객체 영역과 배경 영역의 구별 정확도를 높이기 위해 수행될 수 있다. 또한 상기 과정은, 배경에 움직임이 있을 시, 상기 움직임 요소를 제거하기 위해 수행될 수 있다.
일 실시예에 따르면, n개의 상기 보정된 복수의 줌 이미지들(801)에 기반하여, m개의 마스킹 후보 이미지들(803)을 생성할 수 있다. n개의 상기 보정된 복수의 줌 이미지들(801) 각각의 화소 간 XOR(exclusive OR)연산을 통해 생성될 수 있다. 상기 XOR(exclusive OR) 연산은 두 입력 값이 같을 시, 0을 출력하고, 두 입력 값이 다를 시 1을 출력하는 데이터 처리 방식일 수 있다. 상기 XOR 연산은 화소 Bit 단위로 처리될 수 있다. 단, 본 개시의 실시예는 이에 한정되지 않는다. 일 실시예에 따르면, 상기 적어도 하나의 프로세서는, 영상 간의 차이를 획득하기 위해, 연산 시간 단축에 유리한 XOR 연산을 사용할 수 있다. 다른 실시예에 따르면, 상기 적어도 하나의 프로세서는, XOR 연산이 아닌 종래의 다른 기술을 이용하여 영상 간의 차이를 획득할 수 있다. 상기 적어도 하나의 프로세서(120)는, 줌 이미지들 내의 각 화소의 색채에 대응하는 값을 지정할 수 있다. 상기 적어도 하나의 프로세서(120)는, 두 개의 줌 이미지들에서, 동일한 좌표에 배치된 화소의 값을 비교하여, 상기 XOR 연산을 수행할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 XOR 연산을 수행하여 마스킹 후보 이미지들을 생성할 수 있다.
마스킹 후보 이미지에서, 객체 영역은 0 값을 주로 나타낼 수 있다. 줌 이미지들 간의 개별 줌 배율이 다르므로, 스케일링을 끝낸 줌 이미지 내의 배경 영역은 스케일링을 끝낸 다른 줌 이미지 내의 배경 영역과 흐린 정도가 다를 수 있다. 상기 배경 영역에 대응하는 배경 물체는 심도보다 먼 거리에 위치해 있을 수 있기 때문이다. 따라서, 마스킹 후보 이미지에서, 객체 영역은 0 값을 주로 나타낼 수 있다. 일 실시예에 따르면, 상기 마스킹 후보 이미지는 두 개의 줌 이미지들을 비교하여 생성될 수 있다. 그러므로, n개의 줌 이미지들로부터 최대 nC2개(2-조합, 또는 2-combination)의 마스킹 후보 이미지가 생성될 수 있다. m은 최대 nC2개(2-조합, 또는 2-combination)일 수 있다. 일 실시예에 따르면, 상기 마스킹 후보 이미지는 최대 줌 배율에 기반한 제1 줌 이미지와 스케일링 된 제2 줌 이미지들을 비교하여 생성될 수 있다. 줌 배율이 높을수록 심도가 얕아 객체 영역과 배경 영역의 구별이 쉬울 수 있기 때문이다.
일 실시예에 따르면, 상기 획득된 마스킹 이미지(805)는 복수의 마스킹 후보 이미지들(803) 각각에서 화소의 평균 값에 기반하여 생성될 수 있다. 상기 적어도 하나의 프로세서(120)는, 복수의 마스킹 후보 이미지들(803)에서 동일한 좌표에 배치된 화소의 값에 기반하여, 각 좌표에 배치된 화소의 평균 값을 식별할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 각 화소 별로 평균 값을 표시할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 평균 값이 지정된 임계 값 미만인부분은 마스킹 객체 영역으로, 상기 평균 값이 지정된 임계 값 이상인 부분은 마스킹 배경 영역으로 구분할 수 있다. 상기 적어도 하나의 프로세서(120)는, 마스킹 객체 영역과 마스킹 배경 영역을 포함하는 마스킹 이미지(805)를 생성할 수 있다. 상기 방법을 통해, 미분류 영역이 없는 마스킹 이미지(805)를 생성할 수 있다. 상기 미분류 영역이 다수 포함된 마스킹 후보 이미지는 미분류 영역이 포함되지 않은 다수의 후보 이미지들을 통해 미분류 영역 부분을 객체 영역 및 배경 영역 중 하나로 식별할 수 있다.
일 실시예에 따르면, 상기 마스킹 이미지(805)로부터 객체 영역 및 배경 영역을 식별하여, 분리할 수 있다. 상기 분리된 객체 영역은 마스킹 부분일 수 있다.
도 9는 복수의 줌 이미지들에 기반하여 출력 이미지를 생성하는 방법의 예를 도시한다.
도 9를 참조하면, 복수의 줌 이미지들(901)은 줌 배율에 기반하여, c-줌을 포함한 제2 카메라를 통해 획득될 수 있다. 상기 적어도 하나의 프로세서는, 상기 c-줌(continuous-zoom)을 통해 하드웨어적으로 구동하여 이미지를 확대할 수 있다.
일 실시예에 따르면, 상기 적어도 하나의 프로세서(120)는, 개별 줌 배율이 다른 복수의 줌 이미지들을 획득하기 위해 상기 c-줌(continuous-zoom)을 포함한 제2 카메라를 통해 상기 복수의 줌 이미지들을 획득할 수 있다. 상기 제2 카메라는 c-줌을 포함한 망원(telephoto) 카메라일 수 있다. 상기 복수의 줌 이미지들(901)은 n개일 수 있다
일 실시예에 따르면, 상기 적어도 하나의 프로세서(120)는, 상기 복수의 줌 이미지들(901)에 스케일링 및 기울기 보정 처리할 수 있다. 상기 스케일링 및 기울기 보정은 객체 매칭 처리로 지칭될 수 있다. 상기 적어도 하나의 프로세서(120)는, 스케일링 및 기울기 보정 처리된 상기 복수의 줌 이미지들(901)에 기반하여 복수의 마스킹 후보 이미지들을 생성할 수 있다. 상기 마스킹 후보 이미지들은 XOR(exclusive OR) 연산에 의해 생성될 수 있다.
일 실시예에 따르면, 상기 적어도 하나의 프로세서(120)는, 상기 마스킹 후보 이미지들에 기반하여, 마스킹 이미지를 생성할 수 있다. 예를 들면, 각 화소 별 평균 값을 식별하여, 상기 식별된 각 화소 별 평균 값에 기반하여 마스킹 이미지를 생성할 수 있다.
일 실시예에 따르면, 상기 적어도 하나의 프로세서(120)는, 마스킹 이미지의 객체 영역 및 배경 영역을 식별할 수 있다. 상기 마스킹 이미지의 상기 객체 영역은 마스킹 부분으로 지칭될 수 있다.
일 실시예에 기반하면, 상기 적어도 하나의 프로세서(120)는, 제1 카메라(예: 광각(wide) 카메라)를 통해 획득된 입력 이미지를 상기 마스킹 부분에 기반하여 객체 영역(903). 배경 영역(905)으로 나눌 수 있다.
상기 적어도 하나의 프로세서(120)는, 디지털 보케 효과를 위해, 상기 배경 영역(905) 이미지에 블러 처리를 수행할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 블러 처리된 배경 영역(907) 이미지와 객체 영역(903) 이미지를 합성하여 출력 이미지(909)를 생성할 수 있다. 상기 출력 이미지(909)는 디지털 보케가 수행된 이미지일 수 있다. 상기 객체 영역(903) 이미지는 ROI(region of interest)일 수 있다.
도 10은 디지털 보케가 적용된 출력 이미지를 연속적인 줌을 통해 생성하기 위한 전자 장치의 동작의 흐름을 도시한다.
도 10을 참조하면, 동작(1001)에서, 상기 적어도 하나의 프로세서(120)는, 입력 이미지를 획득할 수 있다. 상기 입력 이미지는 피사체에 대응하는 객체를 포함할 수 있다. 상기 입력 이미지는 제1 카메라를 통해 획득될 수 있다. 상기 제1 카메라는 광각(wide) 카메라일 수 있다. 그러나, 본 개시의 실시예들은 이에 제한되지 않는다.
동작(1003)에서, 상기 적어도 하나의 프로세서(120)는, 상기 입력 이미지를 객체 영역, 배경 영역, 및 미분류 영역으로 구분할 수 있다. 상기 객체 영역은 피사체에 대응하는 이미지 부분일 수 있다. 상기 배경 영역은 배경에 대응하는 이미지의 부분일 수 있다. 상기 배경 영역은 피사체보다 멀리 있는 피사체를 제외한 이미지의 부분일 수 있다. 미분류 영역은 상기 적어도 하나의 프로세서(120)에 대하여 배경 영역인지, 객체 영역인지 구분이 불분명한 이미지의 부분일 수 있다. 예를 들면, 상기 미분류 영역은 흩날리는 머리카락에 대응하는 객체를 포함할 수 있다. 상기 적어도 하나의 프로세서(120)는 상기 이미지 내에 상기 미분류 영역이 없을 시, 동작(1017)을 수행할 수 있다. 상기 적어도 하나의 프로세서(120)는 상기 이미지 내에 상기 미분류 영역이 있을 시, 동작(1015)을 수행할 수 있다.
동작(1005)에서, 상기 적어도 하나의 프로세서(120)는, 미분류 영역에 대응하는 이미지 부분에 기반하여 줌 배율을 식별할 수 있다. 상기 줌 배율의 최대값은, 제2 카메라에 의해 획득되는 줌 이미지들 중 가장 높은 배율이고, 줌 최대 배율로 지칭될 수 있다. 상기 줌 최대 배율은, 상기 줌 배율에 의해 획득되는 줌 이미지들이 모두 미분류 영역에 대응하는 이미지 부분을 포함하게 하는, 가장 높은 배율일 수 있다.
동작(1007)에서, 상기 적어도 하나의 프로세서(120)는, 줌 배율에 기반하여 제2 카메라의 c-줌(continuous-zoom)을 작동할 수 있다. 상기 c-줌은 연속적인 줌을 의미할 수 있다. 상기 적어도 하나의 프로세서는, 상기 c-줌(continuous-zoom)을 통해 하드웨어적으로 구동하여 이미지를 확대할 수 있다. 상기 적어도 하나의 프로세서(120)는, c-줌에 기반하여, 줌 이동 중, 광학적 특성이 다른 복수의 줌 이미지들을 획득할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 제2 카메라에 포함된 c-줌을 통해 복수의 줌 이미지들을 획득할 수 있다.
동작(1009)에서, 상기 적어도 하나의 프로세서(120)는, 줌 배율에 기반하여 제2 카메라를 통해 복수의 줌 이미지들을 획득할 수 있다. 상기 적어도 하나의 프로세서(120)는, 개별 줌 배율이 다른 복수의 줌 이미지들을 획득하기 위해 상기 c-줌을 포함한 제2 카메라를 통해 상기 복수의 줌 이미지들을 획득할 수 있다.
동작(1011)에서, 상기 적어도 하나의 프로세서(120)는, 스케일링 및 보정을 수행할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 복수의 줌 이미지들에 대하여 스케일링을 수행할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 줌 배율에 대응하는 제1 줌 이미지 내의 객체의 크기에 기반하여, 제1 줌 이미지 외에 다른 줌 이미지들 각각에 대한 스케일링을 수행할 수 있다.
상기 적어도 하나의 프로세서(120)는, 상기 복수의 줌 이미지들에 대하여 기울기 보정을 수행할 수 있다. 복수의 줌 이미지들을 획득하는 동안, 전자 장치가 흔들릴 수 있기 때문이다. 상기 적어도 하나의 프로세서(120)는, 복수의 줌 이미지들에 기반하여 마스킹 이미지를 생성하기 위해서, 각 줌 이미지의 기울기를 동일하게 보정할 수 있다.
동작(1013)에서, 상기 적어도 하나의 프로세서(120)는, 마스킹 이미지를 생성하여 마스킹 부분을 식별할 수 있다. 일 실시예에 따르면, 상기 복수의 마스킹 후보 이미지들은 제1 줌 이미지 및 스케일링 된 제2 줌 이미지들 각각에서 화소 간 XOR(exclusive OR)연산을 통해 생성될 수 있다. 일 실시예에 따르면, 상기 획득된 마스킹 이미지는 복수의 마스킹 후보 이미지들 각각에서 화소의 평균 값에 기반하여 생성될 수 있다. 상기 적어도 하나의 프로세서(120)는, 복수의 마스킹 후보 이미지들에서 동일한 좌표에 배치된 화소의 값에 기반하여, 각 좌표에 배치된 화소의 평균 값을 계산할 수 있다.
동작(1015)에서, 상기 적어도 하나의 프로세서(120)는, 마스킹 부분을 식별할 수 있다. 일 실시예에 따르면, 상기 마스킹 이미지 내의 마스킹 객체 영역 부분은 마스킹 부분일 수 있다.
동작(1017)에서, 상기 적어도 하나의 프로세서(120)는, 입력 이미지의 미분류 영역을 배경 영역 및 객체 영역 중 하나로 결정할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 마스킹 이미지의 상기 마스킹 부분과 상기 입력 이미지의 미분류 영역을 비교할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 입력 이미지의 미분류 영역을 보정할 수 있다. 상기 미분류 영역 보정에서, 상기 적어도 하나의 프로세서(120)는, 상기 마스킹 부분과 상기 미분류 영역을 비교하여, 상기 미분류 영역을 배경 영역 및 객체 영역 중 하나로 결정할 수 있다. 상기 미분류 영역은 배경 영역 및 객체 영역 중 하나로 결정되기 때문에, 상기 미분류 영역 보정 이후, 입력 이미지에는 미분류 영역이 포함되지 않을 수 있다.
동작(1019)에서, 상기 적어도 하나의 프로세서(120)는, 배경 영역 이미지에 대해 블러 처리를 수행하여, 출력 이미지를 표시할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 입력 이미지의 배경 영역에 대해 블러 처리를 수행할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 블러 처리가 수행된 상기 배경 영역 이미지 및 상기 마스킹 부분에 대응하는 객체 영역 이미지의 합성을 통해 출력 이미지를 생성할 수 있다.
도 11은 디지털 보케를 수행하기 위한 전자 장치의 동작의 흐름을 도시한다.
도 11을 참조하면, 동작(1101)에서, 상기 적어도 하나의 프로세서는, 제1 카메라를 통해 획득되는 입력 이미지 내에서 미분류 영역을 식별할 수 있다. 상기 적어도 하나의 프로세서(120)는, 입력 이미지를 획득할 수 있다. 상기 입력 이미지는 피사체에 대응하는 객체를 포함할 수 있다. 상기 입력 이미지는 제1 카메라를 통해 획득될 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 입력 이미지를 객체 영역, 배경 영역, 및 미분류 영역으로 구분할 수 있다. 상기 객체 영역은 피사체에 대응하는 이미지 부분일 수 있다. 상기 배경 영역은 배경에 대응하는 이미지의 부분일 수 있다. 미분류 영역은 상기 적어도 하나의 프로세서(120)에 대하여 배경 영역인지, 객체 영역인지 구분이 불분명한 이미지의 부분일 수 있다.
동작(1103)에서, 상기 적어도 하나의 프로세서(120)는, 제2 카메라를 통해 복수의 줌 이미지들을 획득할 수 있다. 상기 적어도 하나의 프로세서(120)는, 미분류 영역에 대응하는 이미지 부분에 기반하여 줌 배율을 식별할 수 있다. 상기 줌 배율은, 제2 카메라에 의해 획득되는 줌 이미지들 중 가장 높은 배율일 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 줌 배율에 기반하여 제2 카메라를 통해 복수의 줌 이미지들을 획득할 수 있다. 상기 c-줌(continuous-zoom)은 연속적인 줌을 의미할 수 있다.
동작(1105)에서, 상기 적어도 하나의 프로세서(120)는, 복수의 줌 이미지들에 기반하여 마스킹 부분을 식별할 수 있다. 상기 적어도 하나의 프로세서(120)는, 스케일링 및 보정 중 적어도 하나를 수행할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 복수의 줌 이미지들에 대하여 스케일링을 수행할 수 있다. 상기 복수의 줌 이미지들에 포함된 객체의 크기가 다를 수 있기 때문이다. 상기 적어도 하나의 프로세서(120)는, 상기 복수의 줌 이미지들에 대하여 기울기 보정을 수행할 수 있다. 상기 복수의 줌 이미지들을 획득하는 동안, 전자 장치가 흔들릴 수 있기 때문이다.
일 실시예에 따르면, 상기 적어도 하나의 프로세서(120)는, 상기 복수의 줌 이미지들에 기반하여 상기 복수의 마스킹 후보 이미지들을 생성할 수 있다. 예를 들면, 상기 복수의 마스킹 후보 이미지들은 제1 줌 이미지 및 스케일링 된 제2 줌 이미지들 각각에서 화소 간 XOR(exclusive OR)연산을 통해 생성될 수 있다. 일 실시예에 따르면, 상기 적어도 하나의 프로세서(120)는, 상기 복수의 마스킹 후보 이미지들로부터 상기 마스킹 이미지를 생성할 수 있다. 예를 들면, 상기 획득된 마스킹 이미지는 복수의 마스킹 후보 이미지들 각각에서 화소의 평균 값에 기반하여 생성될 수 있다. 일 실시예에 따르면, 상기 적어도 하나의 프로세서(120)는, 마스킹 부분을 식별할 수 있다. 예를 들면, 상기 마스킹 이미지 내의 마스킹 객체 영역 부분은 마스킹 부분일 수 있다.
동작(1107)에서, 상기 적어도 하나의 프로세서(120)는, 미분류 영역을 배경 영역 및 객체 영역 중 하나로 결정함으로써 배경 영역 이미지를 식별할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 마스킹 이미지의 상기 마스킹 부분과 상기 입력 이미지의 미분류 영역을 비교할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 입력 이미지의 미분류 영역을 보정할 수 있다. 상기 미분류 영역 보정에서, 상기 적어도 하나의 프로세서(120)는, 상기 마스킹 부분과 상기 미분류 영역을 비교하여, 상기 미분류 영역을 배경 영역 및 객체 영역 중 하나로 결정할 수 있다. 상기 미분류 영역은 배경 영역 및 객체 영역 중 하나로 결정되기 때문에, 상기 미분류 영역 보정 이후, 입력 이미지에는 미분류 영역이 포함되지 않을 수 있다.
동작(1109)에서, 상기 적어도 하나의 프로세서(120)는, 배경 영역 이미지에 대한 블러 처리에 기반하여 출력 이미지를 표시할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 입력 이미지의 배경 영역에 대해 블러 처리를 수행할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 블러 처리가 수행된 상기 배경 영역 이미지 및 상기 마스킹 부분에 대응하는 객체 영역 이미지의 합성을 통해 출력 이미지를 생성할 수 있다.
상술한 바와 같이, 일 실시예에 따른, 전자 장치(electronic device)(101)는 제1 카메라(180), 제2 카메라(180), 디스플레이(160) 및 적어도 하나의 프로세서(120)를 포함할 수 있다. 상기 제2 카메라(180)의 초점거리는 상기 제1 카메라(180)의 초점거리와 다를 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 제1 카메라(180)를 통해 획득되는 입력 이미지 내에서, 객체 영역으로 식별되지 않고 배경 영역으로 식별되지 않은 미분류 영역을 식별할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 미분류 영역이 포함되도록 식별되는 상기 제2 카메라(180)의 줌 배율에 기반하여 상기 제2 카메라(180)를 통해, 복수의 줌 이미지들(801; 901)을 획득할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 복수의 줌 이미지들(801; 901)에 기반하여 객체에 대응하는 마스킹 부분을 식별할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 입력 이미지 및 상기 마스킹 부분에 기반하여, 상기 미분류 영역을 배경 영역 및 객체 영역 중 하나로 결정함으로써, 상기 입력 이미지에 대한 배경 영역 이미지를 식별할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 배경 영역 이미지에 대한 블러 처리에 기반하여, 상기 디스플레이(160)를 통해 출력 이미지(909)를 표시할 수 있다.
일 실시예에 따른, 상기 적어도 하나의 프로세서(120)는, 상기 복수의 줌 이미지들(801; 901)을 획득하기 위해, 상기 제2 카메라(180)를 통해, 특정 배율부터 상기 줌 배율까지의 복수의 배율들 각각에 대한 줌 이미지를 획득할 수 있다.
일 실시예에 따른, 상기 적어도 하나의 프로세서(120)는, 상기 마스킹 부분을 식별하기 위해, 상기 복수의 줌 이미지들(801; 901) 중에서, 상기 줌 배율에 대응하는 제1 줌 이미지 내의 객체의 크기를 식별할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 마스킹 부분을 식별하기 위해, 상기 제1 줌 이미지 내의 객체의 크기에 기반하여, 상기 복수의 줌 이미지들(801; 901) 중에서, 상기 제1 줌 이미지 외에 다른 줌 이미지들(801; 901) 각각에 대한 스케일링을 수행할 수 있다.
일 실시예에 따른, 상기 적어도 하나의 프로세서(120)는, 상기 마스킹 부분을 식별하기 위해, 상기 제1 줌 이미지 및 상기 스케일링된 제2 줌 이미지들(801; 901)에 기반하여, 복수의 마스킹 후보 이미지들(803)을 생성할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 마스킹 부분을 식별하기 위해, 상기 복수의 마스킹 후보 이미지들(803)에 기반하여 미분류 영역이 포함되지 않는 마스킹 이미지(805)를 생성할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 마스킹 부분을 식별하기 위해, 상기 마스킹 이미지(805)로부터 상기 객체에 대응하는 상기 마스킹 부분을 식별할 수 있다.
일 실시예에 따른, 상기 복수의 마스킹 후보 이미지들(803)은, 상기 복수의 줌 이미지들(801; 901) 각각에서 화소 간 XOR 연산을 통해, 생성될 수 있다.
일 실시예에 따른, 상기 마스킹 이미지(805)는, 상기 복수의 마스킹 후보 이미지들(803) 각각의 화소간 평균 값에 기반하여 생성될 수 있다.
일 실시예에 따른, 상기 적어도 하나의 프로세서(120)는, 상기 배경 영역 이미지를 식별하기 위해, 상기 입력 이미지의 상기 미분류 영역이 상기 마스킹 부분에 중첩되는 경우, 상기 입력 이미지의 상기 미분류 영역을 상기 객체 영역으로 결정할 수 있다. 상기 적어도 하나의 프로세서(120)는, 상기 배경 영역 이미지를 식별하기 위해, 상기 입력 이미지의 미분류 영역이 상기 마스킹 부분에 중첩되지 않는 경우, 상기 배경 영역으로 결정할 수 있다.
일 실시예에 따른, 상기 출력 이미지(909)는, 상기 블러 처리가 수행된 상기 배경 영역 이미지 및 상기 마스킹 부분에 대응하는 객체 영역 이미지의 합성을 통해 생성될 수 있다.
일 실시예에 따른, 상기 복수의 줌 이미지들(801; 901) 각각은 서로 다른 심도 및 배율을 가질 수 있다.
일 실시예에 따른, 상기 제1 카메라(180)는 연속적인 줌을 포함하지 않은 카메라일 수 있다. 상기 제2 카메라(180)는 연속적인 줌을 포함한 망원 카메라일 수 있다.
상술한 바와 같이, 일 실시예에 따른 전자 장치(electronic device)에 의해 수행되는 방법은, 제1 카메라(180)를 통해 획득되는 입력 이미지 내에서, 객체 영역으로 식별되지 않고 배경 영역으로 식별되지 않은 미분류 영역을 식별하는 동작을 포함할 수 있다. 상기 방법은 상기 미분류 영역이 포함되도록 식별되는 제2 카메라(180)의 줌 배율에 기반하여 상기 제2 카메라(180)를 통해, 복수의 줌 이미지들(801; 901)을 획득하는 동작을 포함할 수 있다. 상기 방법은 상기 복수의 줌 이미지들(801; 901)에 기반하여 객체에 대응하는 마스킹 부분을 식별하는 동작을 포함할 수 있다. 상기 방법은 상기 입력 이미지 및 상기 마스킹 부분에 기반하여, 상기 미분류 영역을 배경 영역 및 객체 영역 중 하나로 결정함으로써, 상기 입력 이미지에 대한 배경 영역 이미지를 식별하는 동작을 포함할 수 있다. 상기 방법은 상기 배경 영역 이미지에 대한 블러 처리에 기반하여, 디스플레이(160)를 통해 출력 이미지(909)를 표시하는 동작을 포함할 수 있다.
일 실시예에 따른, 상기 복수의 줌 이미지들(801; 901)을 획득하는 동작은, 상기 제2 카메라(180)를 통해, 특정 배율부터 상기 줌 배율까지의 복수의 배율들 각각에 대한 줌 이미지를 획득하는 동작을 포함할 수 있다.
일 실시예에 따른, 상기 마스킹 부분을 식별하는 동작은, 상기 복수의 줌 이미지들(801; 901) 중에서, 상기 줌 배율에 대응하는 제1 줌 이미지 내의 객체의 크기를 식별하는 동작을 포함할 수 있다. 상기 마스킹 부분을 식별하는 동작은, 상기 제1 줌 이미지 내의 객체의 크기에 기반하여, 상기 복수의 줌 이미지들(801; 901) 중에서, 상기 제1 줌 이미지 외에 다른 줌 이미지들(801; 901) 각각에 대한 스케일링을 수행하는 동작을 포함할 수 있다.
일 실시예에 따른, 상기 마스킹 부분을 식별하는 동작은, 상기 제1 줌 이미지 및 상기 스케일링된 제2 줌 이미지들(801; 901)에 기반하여, 복수의 마스킹 후보 이미지들(803)을 생성하는 동작을 포함할 수 있다. 상기 마스킹 부분을 식별하는 동작은, 상기 복수의 마스킹 후보 이미지들(803)에 기반하여 미분류 영역이 포함되지 않는 마스킹 이미지(805)를 생성하는 동작을 포함할 수 있다. 상기 마스킹 부분을 식별하는 동작은, 상기 마스킹 이미지(805)로부터 상기 객체에 대응하는 상기 마스킹 부분을 식별하는 동작을 포함할 수 있다.
일 실시예에 따른, 상기 복수의 마스킹 후보 이미지들(803)은, 상기 복수의 줌 이미지들(801; 901) 각각에서 화소 간 XOR 연산을 통해, 생성될 수 있다.
일 실시예에 따른, 상기 마스킹 이미지(805)는, 상기 복수의 마스킹 후보 이미지들(803) 각각의 화소간 평균 값에 기반하여 생성될 수 있다.
일 실시예에 따른, 상기 배경 영역 이미지를 식별하는 동작은, 상기 입력 이미지의 상기 미분류 영역이 상기 마스킹 부분에 중첩되는 경우, 상기 입력 이미지의 상기 미분류 영역을 상기 객체 영역으로 결정하는 동작을 포함할 수 있다. 상기 배경 영역 이미지를 식별하는 동작은, 상기 입력 이미지의 미분류 영역이 상기 마스킹 부분에 중첩되지 않는 경우, 상기 배경 영역으로 결정하는 동작을 포함할 수 있다.
일 실시예에 따른, 상기 출력 이미지(909)는, 상기 블러 처리가 수행된 상기 배경 영역 이미지 및 상기 마스킹 부분에 대응하는 객체 영역 이미지의 합성을 통해 생성될 수 있다.
일 실시예에 따른, 상기 복수의 줌 이미지들(801; 901) 각각은 서로 다른 심도 및 배율을 가질 수 있다.
일 실시예에 따른, 상기 제1 카메라(180)는 연속적인 줌을 포함하지 않은 카메라일 수 있다. 상기 제2 카메라(180)는 연속적인 줌을 포함한 망원 카메라일 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 전자 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제1", "제2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제1) 구성요소가 다른(예: 제2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일 실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어™)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

Claims (20)

  1. 전자 장치(electronic device)(101)에 있어서,
    제1 카메라(180);
    제2 카메라(180), 상기 제2 카메라(180)의 초점거리는 상기 제1 카메라(180)의 초점거리와 다르고;
    디스플레이(160); 및
    적어도 하나의 프로세서(120)를 포함하고,
    상기 적어도 하나의 프로세서(120)는,
    상기 제1 카메라(180)를 통해 획득되는 입력 이미지 내에서, 객체 영역으로 식별되지 않고 배경 영역으로 식별되지 않은 미분류 영역을 식별하고,
    상기 미분류 영역이 포함되도록 식별되는 상기 제2 카메라(180)의 줌 배율에 기반하여 상기 제2 카메라(180)를 통해, 복수의 줌 이미지들(801; 901)을 획득하고,
    상기 복수의 줌 이미지들(801; 901)에 기반하여 객체에 대응하는 마스킹 부분을 식별하고,
    상기 입력 이미지 및 상기 마스킹 부분에 기반하여, 상기 미분류 영역을 배경 영역 및 객체 영역 중 하나로 결정함으로써, 상기 입력 이미지에 대한 배경 영역 이미지를 식별하고,
    상기 배경 영역 이미지에 대한 블러 처리에 기반하여, 상기 디스플레이(160)를 통해 출력 이미지(909)를 표시하도록 구성되는,
    전자 장치.
  2. 청구항 1에 있어서,
    상기 적어도 하나의 프로세서(120)는, 상기 복수의 줌 이미지들(801; 901)을 획득하기 위해,
    상기 제2 카메라(180)를 통해, 특정 배율부터 상기 줌 배율까지의 복수의 배율들 각각에 대한 줌 이미지를 획득하도록 구성되는
    전자 장치.
  3. 청구항 1에 있어서,
    상기 적어도 하나의 프로세서(120)는,
    상기 마스킹 부분을 식별하기 위해,
    상기 복수의 줌 이미지들(801; 901) 중에서, 상기 줌 배율에 대응하는 제1 줌 이미지 내의 객체의 크기를 식별하고,
    상기 제1 줌 이미지 내의 객체의 크기에 기반하여, 상기 복수의 줌 이미지들(801; 901) 중에서, 상기 제1 줌 이미지 외에 다른 줌 이미지들(801; 901) 각각에 대한 스케일링을 수행하도록 구성되는,
    전자 장치.
  4. 청구항 3에 있어서,
    상기 적어도 하나의 프로세서(120)는, 상기 마스킹 부분을 식별하기 위해,
    상기 제1 줌 이미지 및 상기 스케일링된 제2 줌 이미지들(801; 901)에 기반하여, 복수의 마스킹 후보 이미지들(803)을 생성하고,
    상기 복수의 마스킹 후보 이미지들(803)에 기반하여 미분류 영역이 포함되지 않는 마스킹 이미지(805)를 생성하고,
    상기 마스킹 이미지(805)로부터 상기 객체에 대응하는 상기 마스킹 부분을 식별하도록 구성되는,
    전자 장치.
  5. 청구항 4에 있어서,
    상기 복수의 마스킹 후보 이미지들(803)은, 상기 복수의 줌 이미지들(801; 901) 각각에서 화소 간 XOR 연산을 통해, 생성되는,
    전자 장치.
  6. 청구항 4에 있어서,
    상기 마스킹 이미지(805)는,
    상기 복수의 마스킹 후보 이미지들(803) 각각의 화소간 평균 값에 기반하여 생성되는,
    전자 장치.
  7. 청구항 1에 있어서,
    상기 적어도 하나의 프로세서(120)는,
    상기 배경 영역 이미지를 식별하기 위해,
    상기 입력 이미지의 상기 미분류 영역이 상기 마스킹 부분에 중첩되는 경우, 상기 입력 이미지의 상기 미분류 영역을 상기 객체 영역으로 결정하고,
    상기 입력 이미지의 미분류 영역이 상기 마스킹 부분에 중첩되지 않는 경우, 상기 배경 영역으로 결정하도록 구성되는,
    전자 장치.
  8. 청구항 1에 있어서,
    상기 출력 이미지(909)는, 상기 블러 처리가 수행된 상기 배경 영역 이미지 및 상기 마스킹 부분에 대응하는 객체 영역 이미지의 합성을 통해 생성되는,
    전자 장치.
  9. 청구항 1에 있어서,
    상기 복수의 줌 이미지들(801; 901) 각각은 서로 다른 심도 및 배율을 갖는,
    전자 장치.
  10. 청구항 1에 있어서,
    상기 제1 카메라(180)는 연속적인 줌을 포함하지 않은 카메라이고,
    상기 제2 카메라(180)는 연속적인 줌을 포함한 망원 카메라인,
    전자 장치.
  11. 전자 장치(electronic device)에 의해 수행되는 방법에 있어서,
    제1 카메라(180)를 통해 획득되는 입력 이미지 내에서, 객체 영역으로 식별되지 않고 배경 영역으로 식별되지 않은 미분류 영역을 식별하는 동작과,
    상기 미분류 영역이 포함되도록 식별되는 제2 카메라(180)의 줌 배율에 기반하여 상기 제2 카메라(180)를 통해, 복수의 줌 이미지들(801; 901)을 획득하는 동작과,
    상기 복수의 줌 이미지들(801; 901)에 기반하여 객체에 대응하는 마스킹 부분을 식별하는 동작과,
    상기 입력 이미지 및 상기 마스킹 부분에 기반하여, 상기 미분류 영역을 배경 영역 및 객체 영역 중 하나로 결정함으로써, 상기 입력 이미지에 대한 배경 영역 이미지를 식별하는 동작과,
    상기 배경 영역 이미지에 대한 블러 처리에 기반하여, 디스플레이(160)를 통해 출력 이미지(909)를 표시하는 동작을 포함하는,
    방법.
  12. 청구항 11에 있어서,
    상기 복수의 줌 이미지들(801; 901)을 획득하는 동작은,
    상기 제2 카메라(180)를 통해, 특정 배율부터 상기 줌 배율까지의 복수의 배율들 각각에 대한 줌 이미지를 획득하는 동작을 포함하는,
    방법.
  13. 청구항 11에 있어서,
    상기 마스킹 부분을 식별하는 동작은,
    상기 복수의 줌 이미지들(801; 901) 중에서, 상기 줌 배율에 대응하는 제1 줌 이미지 내의 객체의 크기를 식별하는 동작과
    상기 제1 줌 이미지 내의 객체의 크기에 기반하여, 상기 복수의 줌 이미지들(801; 901) 중에서, 상기 제1 줌 이미지 외에 다른 줌 이미지들(801; 901) 각각에 대한 스케일링을 수행하는 동작을 포함하는,
    방법.
  14. 청구항 13에 있어서,
    상기 마스킹 부분을 식별하는 동작은,
    상기 제1 줌 이미지 및 상기 스케일링된 제2 줌 이미지들(801; 901)에 기반하여, 복수의 마스킹 후보 이미지들(803)을 생성하는 동작과,
    상기 복수의 마스킹 후보 이미지들(803)에 기반하여 미분류 영역이 포함되지 않는 마스킹 이미지(805)를 생성하는 동작과,
    상기 마스킹 이미지(805)로부터 상기 객체에 대응하는 상기 마스킹 부분을 식별하는 동작을 포함하는,
    방법.
  15. 청구항 14에 있어서,
    상기 복수의 마스킹 후보 이미지들(803)은, 상기 복수의 줌 이미지들(801; 901) 각각에서 화소 간 XOR 연산을 통해, 생성되는,
    방법.
  16. 청구항 14에 있어서,
    상기 마스킹 이미지(805)는,
    상기 복수의 마스킹 후보 이미지들(803) 각각의 화소간 평균 값에 기반하여 생성되는,
    방법.
  17. 청구항 11에 있어서,
    상기 배경 영역 이미지를 식별하는 동작은,
    상기 입력 이미지의 상기 미분류 영역이 상기 마스킹 부분에 중첩되는 경우, 상기 입력 이미지의 상기 미분류 영역을 상기 객체 영역으로 결정하는 동작과,
    상기 입력 이미지의 미분류 영역이 상기 마스킹 부분에 중첩되지 않는 경우, 상기 배경 영역으로 결정하는 동작을 포함하는,
    방법.
  18. 청구항 11에 있어서,
    상기 출력 이미지(909)는, 상기 블러 처리가 수행된 상기 배경 영역 이미지 및 상기 마스킹 부분에 대응하는 객체 영역 이미지의 합성을 통해 생성되는,
    방법.
  19. 청구항 11에 있어서,
    상기 복수의 줌 이미지들(801; 901) 각각은 서로 다른 심도 및 배율을 갖는,
    방법.
  20. 청구항 11에 있어서,
    상기 제1 카메라(180)는 연속적인 줌을 포함하지 않은 카메라이고,
    상기 제2 카메라(180)는 연속적인 줌을 포함한 망원 카메라인,
    방법.
KR1020220171024A 2022-10-18 2022-12-08 디지털 보케 성능 향상을 위한 전자 장치 및 방법 KR20240054131A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/KR2023/014712 WO2024085494A1 (ko) 2022-10-18 2023-09-25 디지털 보케 성능 향상을 위한 전자 장치 및 방법

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020220134500 2022-10-18
KR20220134500 2022-10-18

Publications (1)

Publication Number Publication Date
KR20240054131A true KR20240054131A (ko) 2024-04-25

Family

ID=90885092

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220171024A KR20240054131A (ko) 2022-10-18 2022-12-08 디지털 보케 성능 향상을 위한 전자 장치 및 방법

Country Status (1)

Country Link
KR (1) KR20240054131A (ko)

Similar Documents

Publication Publication Date Title
EP4187896A1 (en) Electronic device and method for controlling preview image
US20230262318A1 (en) Method for taking photograph by using plurality of cameras, and device therefor
US20230141559A1 (en) Method for providing image and electronic device supporting the same
KR20200113522A (ko) 제스처 입력에 따라 기능을 실행하는 전자 장치 및 이의 동작 방법
KR20220090158A (ko) 관심 객체를 이용하여 비디오를 편집하는 전자 장치 및 그 동작 방법
CN113727013A (zh) 提供图像拍摄指南的方法或者装置
US20230388441A1 (en) Electronic device and method for capturing image by using angle of view of camera module
US20230113499A1 (en) Electronic device including a plurality of cameras and operating method thereof
US11962911B2 (en) Electronic device for performing image processing and operation method thereof to reduce artifacts in an image captured by a camera through a display
KR20220099789A (ko) 카메라 모듈을 포함하는 전자 장치 및 그 전자 장치의 동작 방법
KR20240054131A (ko) 디지털 보케 성능 향상을 위한 전자 장치 및 방법
US11838652B2 (en) Method for storing image and electronic device supporting the same
US20240121512A1 (en) Method and electronic device for controlling camera
EP4319132A1 (en) Electronic device comprising camera module and electronic device operating method
EP4274219A1 (en) Electronic device comprising plurality of lenses, and method for controlling same
US20230319423A1 (en) Method for providing image and electronic device supporting the same
WO2024085494A1 (ko) 디지털 보케 성능 향상을 위한 전자 장치 및 방법
US11677898B2 (en) Electronic device for applying effect for moving object to image and method for operating the same
US20220366664A1 (en) Electronic device and method for capturing image in the electronic device
US20230353863A1 (en) Electronic device capable of adjusting angle of view and operating method therefor
US20220358776A1 (en) Electronic device and operating method thereof
KR20240073714A (ko) 디지털 보케 이미지의 해상도를 높이기 위한 전자 장치 및 방법
KR20240054127A (ko) 프리뷰 이미지를 표시하기 위한 전자 장치 및 방법
KR20240057945A (ko) 고 동적 대역 영상을 생성하는 전자 장치 및 그 동작 방법
KR20220014150A (ko) 이미지 센서와 이미지 시그널 프로세서를 포함하는 전자 장치 및 그의 방법