KR20240062861A

KR20240062861A - 광원 객체 이미지 처리 방법 및 장치

Info

Publication number: KR20240062861A
Application number: KR1020220169923A
Authority: KR
Inventors: 김창진; 김영민; 전승철; 조준기
Original assignee: 삼성전자주식회사
Priority date: 2022-11-02
Filing date: 2022-12-07
Publication date: 2024-05-09

Abstract

일 실시예에 따른 전자 장치는 이미지 센서를 포함할 수 있다. 전자 장치는 메모리 및 프로세서를 포함할 수 있다. 전자 장치의 상기 메모리는, 상기 프로세서가 상기 이미지 센서로부터 단일 입력 이미지를 수신하도록 하는 인스트럭션을 포함할 수 있다. 상기 메모리는 상기 프로세서가 상기 단일 입력 이미지에 대해 세그먼테이션을 수행하여 광원 객체를 인식하도록 하는 인스트럭션을 포함할 수 있다. 상기 메모리는 상기 프로세서가 상기 단일 입력 이미지에 기초하여 서로 다른 노출 레벨을 가진 다중 레벨 이미지들을 생성하도록 하는 인스트럭션을 포함할 수 있다. 상기 메모리는 상기 프로세서가 각 다중 레벨 이미지 별 광원 객체의 밝기값을 기준 밝기값과 비교하여 합성 가중치를 계산하도록 하는 인스트럭션을 포함할 수 있다. 상기 메모리는 상기 프로세서가 상기 합성 가중치를 기반으로 상기 다중 이미지들과 상기 단일 입력 이미지를 합성하여 상기 광원 객체의 다이나믹 레인지가 향상된 HDR(high-dynamic-range) 이미지를 생성하도록 하는 인스트럭션들을 포함할 수 있다.

Description

광원 객체 이미지 처리 방법 및 장치{APPARATUS AND METHOD FOR PROCESSING IMAGE WITH LIGHT SOURCE OBJECT}

다양한 실시예들은 광원 객체 이미지 처리 방법 및 장치에 관한 것이다.

전자 장치는 이미지 신호 프로세서(image signal processor: ISP)를 이용하여 카메라를 통해 획득한 이미지를 처리할 수 있다. 이미지 신호 프로세서는 화질 개선 알고리즘 또는 프로세싱을 이용하여 이미지를 처리하여 화질이 개선된 이미지를 제공할 수 있다. 화질 개선 방식 중 HDR(high-dynamic-range) 알고리즘은 이미지의 밝기를 어두운 범위에서 밝은 범위로 조정하여 생성된 이미지들을 합성하여 더 높은 다이나믹 레인지를 가진 이미지(즉, 밝은 이미지와 어두운 이미지 영역들 사이에서 더 큰 레인지의 휘도 변화를 가진 이미지)로 향상시키는 방식일 수 있다.

HDR 알고리즘은 다중 레벨 이미지(예를 들어, 서로 다른 노출 레벨을 가진 복수의 이미지들)을 획득한 후, 이미지들을 합성함으로써 HDR 이미지를 생성할 수 있다. HDR 이미지는 다이나믹 레인지가 향상된 이미지를 의미할 수 있다.

그러나, 조도가 낮은 환경(예: 야간 환경)의 광원 객체(예: 조명 간판)을 포함하는 이미지의 경우, 밝기를 어둡게 조정(예: 밝기 레벨 -3)하여 합성하더라도 카메라를 통해 캡쳐되는 조도가 낮은 환경의 광원 객체 채도가 낮을 수 있다. 조도가 낮은 환경의 광원 객체를 포함하는 이미지는 HDR 알고리즘을 이용하더라도 조명 간판을 실제 눈으로 인식하는 색감으로 표현하기가 실질적으로 어려운 실정이다.

한편, 이미지 세그먼테이션은 최근 딥러닝(deep learning) 기술이 각광을 받으면서, 전자 장치의 카메라 성능 향상을 위해 세그먼테이션(segmentation)을 카메라 기술에 활용하기 위한 연구가 증가되고 있는 추세이다.

다양한 실시예에 따르면 이미지 세그먼테이션을 통해 조도가 낮은 환경에서 광원 객체(예: 조명 간판)을 인식하고, 조도가 낮은 환경의 광원 객체가 촬영되는 경우, 조도가 낮은 환경의의 광원 객체를 실제 눈으로 인식하는 색감과 유사한 영상의 이미지로 화질이 개선될 수 있는 방법 및 장치를 제공하고자 한다.

본 문서에서 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

일 실시예에 따른 전자 장치는 이미지 센서를 포함할 수 있다. 전자 장치는 메모리 및 프로세서를 포함할 수 있다. 일 실시예에 따른 전자 장치의 상기 메모리는, 상기 프로세서가 상기 이미지 센서로부터 단일 입력 이미지를 수신하도록 하는 인스트럭션을 포함할 수 있다. 일 실시예에 따른 상기 메모리는 상기 프로세서가 상기 단일 입력 이미지에 대해 세그먼테이션을 수행하여 광원 객체를 인식하도록 하는 인스트럭션을 포함할 수 있다. 일 실시예에 따른 상기 메모리는 상기 프로세서가 상기 단일 입력 이미지에 기초하여 서로 다른 노출 레벨을 가진 다중 레벨 이미지들을 생성하도록 하는 인스트럭션을 포함할 수 있다. 일 실시예에 따른 상기 메모리는 상기 프로세서가 각 다중 레벨 이미지 별 광원 객체의 밝기값을 기준 밝기값과 비교하여 합성 가중치를 계산하도록 하는 인스트럭션을 포함할 수 있다. 일 실시예에 따른 상기 메모리는 상기 프로세서가 상기 합성 가중치를 기반으로 상기 다중 이미지들과 상기 단일 입력 이미지를 합성하여 상기 광원 객체의 다이나믹 레인지가 향상된 HDR(high-dynamic-range) 이미지를 생성하도록 하는 인스트럭션들을 포함할 수 있다.

일 실시예에 따른 전자 장치의 광원 객체의 이미지 처리 방법은 이미지 센서로부터 단일 입력 이미지를 수신하는 동작을 포함할 수 있다. 일 실시예에 따른 방법은, 상기 단일 입력 이미지에 대해 세그먼테이션을 수행하여 광원 객체를 인식하는 동작을 포함할 수 있다. 일 실시예에 따른 방법은 상기 단일 입력 이미지에 기초하여 서로 다른 노출 레벨을 가진 다중 레벨 이미지들을 생성하는 동작을 포함할 수 있다. 일 실시예에 따른 방법은 각 다중 레벨 이미지 별 광원 객체의 밝기값을 기준밝기값과 비교하여 합성 가중치를 계산하는 동작을 포함할 수 있다. 일 실시예에 따른 방법은 상기 합성 가중치를 기반으로 상기 다중 이미지들과 상기 단일 입력 이미지를 합성하여 상기 광원 객체의 다이나믹 레인지가 향상된 HDR(high-dynamic-range) 이미지를 생성하는 동작을 포함할 수 있다.

다양한 실시예에 따른 전자 장치 및 방법은, 카메라를 통해 촬영된 이미지 내에서 조도가 낮은 환경(예: 야간 환경)의 광원 객체(예: 조명 간판)를 인식하여 기준 레벨보다 더 어두운 범위의 레벨로 생성된 다중 레벨 이미지들의 합성 강도를 조정함으로써, 야간 환경의 광원 객체에 대해 다이나믹 레인지가 향상된 이미지를 제공하여 카메라 성능을 향상시킬 수 있다.

본 개시에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한하지 않으며, 언급하지 않는 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

도 1은 다양한 실시 예들에 따른 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는 비교예시에 따른 HDR 이미지 처리 알고리즘을 도시한다.
도 3은 일 실시예에 따른 전자 장치의 개략적인 구성도를 도시한다.
도 4는 일 실시예에 따른 UV 색 좌표계의 색상표를 의미한다.
도 5는 일 실시예에 따른 전자 장치에서 조도가 낮은 환경 환경의 광원 객체에 대한 다이나믹 레인지를 향상시키기 위한 HDR 이미지 처리 방법을 도시한다.
도 6은 일 실시예에 따른 전자 장치의 광원 객체를 위한 HDR 이미지 처리 알고리즘을 도시한다.
도 7은 일 실시에에 따른 전자 장치의 광원 객체를 위한 HDR 이미지 처리 예시화면들을 도시한다.
도 8은 일 실시예에 따른 개선된 HDR 이미지 처리에 대한 비교 화면들을 도시한다.

도 1은 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다.

도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 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))를 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 들어, 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))와 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 들어, 인공지능이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 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 들어, 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 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 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 제 1 네트워크(198) 또는 제 2 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 들어, 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 들어, 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 들어, 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: 제 2 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, 제 1 네트워크(198) 또는 제 2 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 제 1 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 제 2 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 제 2 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, 또는104) 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, 또는108) 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 들어, 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 제 2 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.

본 문서에 개시된 다양한 실시예들에 따른 전자 장치(101)는 다양한 형태의 장치가 될 수 있다. 전자 장치(101)는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치(101)는 전술한 기기들에 한정되지 않는다.

도 2는 비교 예시에 따른 HDR 이미지 처리 알고리즘을 도시한다.

도 2를 참조하면, 비교 예시(또는 종래 예시)에 따르면 HDR(high dynamic range) 알고리즘(230)은 하나의 장면에 대해 서로 다른 노출 레벨을 가지는 이미지들(image)((210)을 입력 데이터로서 수신할 수 있다. 예를 들어, 전자 장치는 카메라 또는 이미지 센서를 통해 하나의 장면(scene)을 캡쳐한 단일 입력 이미지를 획득하고, 단일 입력 이미지에 기초하여 단일 입력 이미지와 동일한 장면이나 서로 다른 노출 레벨을 가지는 다중 레벨 이미지들을 생성할 수 있다. 다중 레벨 이미지들은 이미지 센서로 수집되는 빛의 양을 조절하여 획득한 이미지들이거나, 노출 시뮬레이션을 통해 프로세싱된 이미지들일 수 있다. 다중 레벨 이미지의 수는 설정에 따라 변경될 수 있다.

HDR 알고리즘(230)는 어두운 이미지 생성에 대한 기준 레벨로서, EV -3 레벨이 설정될 수 있다.

예를 들어, 단일 입력 이미지가 EV-0 레벨일 경우, HDR 알고리즘(230)은 EV-0 레벨의 이미지(또는 제1 입력 이미지)와, EV -3 레벨의 이미지(또는 제2 입력 이미지)를 HDR 알고리즘의 입력 데이터로 설정할 수 있다.

HDR 알고리즘(230)은 다중 레벨 이미지들(210) 및 메타 데이터(220)에 기반하여 입력된 이미지들을 합성하여 출력 이미지(예: HDR 이미지(HDR image))(240)를 출력할 수 있다.

메타 데이터(220)는 이미지 센서를 통해 캡쳐된 이미지의 메타데이터(예: 초점 거리(focal length), 자동 포커싱 영역(auto focus area), 촬영 시 좌우 회전 관련 정보(orientation), 색 좌표(color space), 노출 시간(exposure time), 조리개 관련 정보(F number), 촬영 모드(exposure program)(예: 자동, 조리개 우선, 셔터 우선, 수동 등), ISO(ISO speed ratings) 또는 이미지 촬영 일자(data time original) 중 적어도 하나)일 수 있다. 전자 장치(101)는 메타데이터 중 HDR 이미지 처리와 관련된 메타 데이터(예: 밝기값)을 이용하여 HDR 알고리즘을 처리할 수 있다.

HDR 알고리즘(230)은 입력 데이터로 수신된 이미지들에 포함된 각 픽셀의 밝기값에 기초하여 이미지에서 밝기값이 특정 값 이상인 영역을 포함하는 제1 영역과, 제1 영역을 제외한 나마지 영역을 포함하는 제2 영역을 기반으로 이미지들을 합성하여 밝기 값의 범위를 확장시킨 HDR 이미지(240)를 출력할 수 있다.

그러나, 조도가 낮은 환경(예: 야간 환경)의 조명 간판을 포함하는 이미지의 경우, 촬영된 원본 이미지(예: EV 0 레벨)와 기준 레벨인 EV -3 레벨로 밝기 범위를 확장시킨 이미지를 이용하여 합성하더라도, EV -3 레벨의 이미지 속 조명 간판의 밝기가 밝고, 채도가 낮아 기존의 HDR 알고리즘(230)을 통해 정확한 색감을 표현하기가 어려울 수 있다.

이하, 다양한 실시예들은 이미지 세그먼테이션을 통해 조도가 낮은 환경(예: 야간 환경)의 광원 객체(예: 조명 간판)을 인식하고, 이미지에 조도가 낮은 환경(예: 야간 환경)의 광원 객체가 존재하는 경우, 광원 객체 처리를 위한 새로운 HDR 알고리즘을 제안하고, 조도가 낮은 환경(예: 야간 환경)의 광원 객체의 색상과 유사한 영상의 이미지로 화질이 개선될 수 있는 방법 및 장치에 대해 설명하기로 한다.

도 3은 일 실시예에 따른 전자 장치의 개략적인 구성도를 도시하고, 도 4는 일 실시예에 따른 UV 색 좌표계의 색상표를 의미한다.

도 3 및 도 4를 참조하면, 일 실시예에 따라 단일 입력 이미지의 화질을 개선하도록 구성된 전자 장치(예: 도 1의 전자 장치(101)) 또는 이미지 처리 장치(예: 도 1의 카메라 모듈)는, 이미지 센서(310) 및 프로세서(320)를 포함할 수 있다.

일 실시예에 따르면, 프로세서(320)는, 세그먼테이션 모듈(330), 다중 이미지 생성 모듈(340), 노출 조절부(345) 및 HDR 생성 모듈(350)을 포함할 수 있다. 도 3에 도시된 전자 장치(101)의 구성요소들은 서로 작동적으로 또는 동작적으로 연결될 수 있다.

일 실시예에 따르면, 이미지 센서(310) 및 프로세서(320)는 도 1의 카메라 모듈(180)에 포함된 구성일 수 있다. 일 실시예에 따르면, 이미지 센서(310)는 도 1의 카메라 모듈에 포함되고, 프로세서(320)는 도 1의 프로세서(120)에 포함된 구성일 수 있다.

일 실시예에 따르면, 이미지 센서(310)는 광 신호를 기반으로 단일 입력 이미지를 생성하고, 단일 입력 이미지를 프로세서(320)로 전달할 수 있다. 단일 입력 이미지는 베이어 패턴(bayer pattern) 데이터 또는 RGB 데이터를 포함할 수 있다. 예를 들어, 이미지 센서(310)는 픽셀 어레이 및 컬러 필터 어레이(color filter array)(예: 베이어 CFA, RGB필터)를 포함하며, 각각의 픽셀은 광을 감지하기 위한 광 검출기를 포함할 수 있다. 이미지 센서(310)는 컬러 필터 어레이를 통해 수신된 광의 강도에 관한 색상 정보(예: 베이어 패턴(bayer pattern) 데이터, RGB 데이터)를 포함하는 단일 입력 이미지를 생성할 수 있다.

일 실시예에 따르면, 이미지 센서(310)는 예를 들어, CCD(Charge Coupled Device) 센서 또는 CMOS(Complementary Metal Oxide Semiconductor) 센서를 포함할 수 있다.

일 실시예에 따르면, 이미지 센서(310)는 적어도 하나 이상의 센서를 포함할 수 있다. 이미지 센서(310)가 복수일 경우, 각 상이한 기능, 성능 또는 특정을 갖도록 구현될 수 있다. 예를 들어, 복수의 이미지 센서(310)는 서로 다른 화각(field of view)를 갖는 복수의 렌즈들을 포함할 수 있다.

일 실시예에 따르면, 프로세서(320)는, 전자 장치(101)의 기능과 관련된 적어도 하나의 다른 구성 요소를 제어하고, 이미지 처리에 대한 데이터 처리 또는 연산을 수행할 수 있다. 예를 들어, 프로세서(320)는 이미지 시그널 프로세서일 수 있으나, 이에 한정하는 것은 아니며, 어플리케이션 프로세서일 수 있다.

일 실시예에 따르면, 세그먼테이션 모듈(330), 다중 레벨 이미지 생성 모듈(340), 노출 조절부(345), HDR 생성 모듈(350)은 도 1의 프로세서(120) 또는 이미지 시그널 프로세서(ISP: image signal processor)에서 실행되는 프로그램 모듈일 수 있다. 도면에 도시되지 않았으나, 전자 장치(101)는 프로세서(320) 내 프로그램 모듈들을 동작하도록 하는 인스트럭션들(instructions)을 저장하는 메모리(미도시)를 더 포함할 수 있다

일 실시예에 따르면, 프로세서(320)는 화질 개선을 위한 이미지 처리를 수행할 수 있다. 예를 들어, 프로세서(320)는 촬영된 이미지(예: 단일 입력 이미지, 원본 이미지 또는 기준 이미지로 지칭될 수도 있음)에 대해 이미지 처리 파이프라인을 통과시켜 이미지 처리를 수행할 수 있다. 예를 들어, 이미지 처리 파이프라인은 화이트 밸런스(white balance) 보정, 컬러 조정(color adjustment)(예: color matrix, color correction, color enhancement), 색 필터 배열 보간(color filter array interpolation), 잡음 감소(noise reduction) 처리, 샤프닝(sharpening), 이미지 개선(image enhancement)(예: HDR(high-dynamic-range), 감마 교정, 컬러 공간 변환, 이미지 압축 및 이미지 스케일링 중 적어도 하나를 수행할 수 있다.

이하, 프로세서(320)가 광원 객체를 위한 HDR 이미지 처리를 수행하는 동작들에 대해서 설명하기로 한다.

일 실시예에 따르면, 프로세서(320)는 이미지 센서(310)로부터 단일 입력 이미지를 수신하고, 단일 입력 이미지를 기반으로 세그먼테이션 모듈(330), 다중 이미지 생성 모듈(340), 노출 조절부(345) 및 HDR 생성 모듈(350)을 제어하여 광원 객체에 대해 다이나믹 레인지가 향상된 HDR 이미지를 생성할 수 있다.

단일 입력 이미지는 적어도 하나의 카메라 또는 복수의 이미지 센서를 이용하여 자동 결정된 노출 시간(예: EV-0 레벨)을 이용하여 하나의 장면(scene)을 캡쳐한 이미지로, 기준 이미지 또는 원본 이미지로 지칭될 수 있다.

일 실시예에 따르면, 세그먼테이션 모듈(330)은 단일 입력 이미지에 대해 이미지 세그먼테이션(segmentation)을 수행할 수 있다. 세그먼테이션 모듈(330)로 전달되는 이미지는 단일 입력 이미지의 복사본인 사본 이미지일 수 있다.

일 실시예에 따르면, 세그먼테이션 모듈(330)은 인공신경망(331)에 기반하여 이미지 세그먼테이션(예: 객체 세그먼테이션)을 수행하여 광원 객체를 식별할 수 있다. 이미지 세그먼테이션은 속성 별로 이미지의 영역을 분할하는 것을 의미할 수 있다. 또는, 이미지 세그먼테이션은 이미지(또는 촬영 프레임)의 객체들을 영역 단위(또는 픽셀 단위)로 분할하여 속성값을 할당하고, 객체들을 인식하여 분류(또는 식별)하는 동작일 수 있다. 인공신경망(331)은 하나가 이용될 수 있고, 복수의 인공신경망을 이용하여 각각 세그먼테이션이 수행된 후, 그 결과가 조합될 수 있다.

일 실시예에 따르면, 이미지 세그먼테이션은 이미지(예: 단일 입력 이미지)를 입력받아 객체 정보를 출력할 수 있다. 입력 데이터(또는 학습 데이터)의 형태는 이미지(예: 복수의 픽셀 포함)가 될 수 있고, 출력 데이터(또는 라벨링 데이터)는 객체 인식 정보(또는 객체 분류 정보)가 될 수 있다.

일 실시예에 따르면, 세그먼테이션 모듈(330)은 이미지(예: 단일 입력 이미지)에 포함된 객체들을 식별하고, 조도가 낮은 환경(예: 야간 환경)의 광원 객체(예: 조명 간판)가 단일 입력 이미지 내에 인식되는지 여부를 판단할 수 있다. 예를 들어, 세그먼테이션 모듈(330)은, 단일 입력 이미지에 포함된 객체들을 구별하여 인식하고, 객체 인식 결과, 단일 입력 이미지가 실외 환경 및 조도가 낮은 환경(예: 야간 환경)(예: 이미지 분류 정보)이고, 객체가 광원 객체(예: 조명 간판)임을 인식할 수 있다.

일 실시예에 따르면, 세그먼테이션 모듈(330)은 이미지의 메타데이터(예: 초점 거리(focal length), 자동 포커싱 영역(auto focus area), 촬영 시 좌우 회전 관련 정보(orientation), 색 좌표(color space), 노출 시간(exposure time), 조리개 관련 정보(F number), 촬영 모드(exposure program)(예: 자동, 조리개 우선, 셔터 우선, 수동 등), ISO(ISO speed ratings) 또는 이미지 촬영 일자(data time original))를 이용하여 객체 속성 정보(예: 색상 정보, 노출 관련 정보, 위치 정보(또는 픽셀 좌표 정보))를 획득할 수 있다.

일 실시예에 따르면, 세그먼테이션 모듈(330)은, 이미지 내 식별된 객체가 광원 객체(또는 조도가 낮은 환경(예: 야간 환경)의 광원 객체)로 인식되는 것에 기초하여, 광원 객체를 구분하여 광원 객체에 대한 이미지 처리를 다중 이미지 생성 모듈(340) 및 HDR 생성 모듈(350)로 요청할 수 있다.

일 실시예에 따르면, 다중 이미지 생성 모듈(340)은, 노출 조절부(345)를 통해 하나의 단일 입력 이지를 기반으로, 서로 다른 노출 레벨을 가지는 다중 레벨 이미지들을 생성하고, HDR 생성 모듈(350)로 전달할 수 있다.

일 실시예에 따르면, 다중 레벨 이미지들은 이미지 센서로 수집되는 빛의 양을 조절하여 획득한 이미지들이거나, 노출 시뮬레이션을 통해 프로세싱된 이미지들일 수 있다. 다중 레벨 이미지의 수는 설정에 따라 변경될 수 있다. 예를 들어, 다중 이미지 생성 모듈(340)은 노출 조절부(345)를 통해 이미지 센서(310)의 노출(또는 셔터) 스피드들을 조절하거나, 이미지 센서(310)의 조리개 값들을 조절하여 서로 다른 노출 레벨을 갖는 다중 레벨 이미지들을 획득할 수 있다. 노출 조절부(345)는 이미지 센서(310)에 포함된 픽셀들의 노출 시간을 제어할 수 있다. 일 예를 들어, 노줄 조절부(345)는 복수의 노출 시간을 기반으로 픽셀들 각각의 노출 시간을 결정할 수 있다. 이미지 센서(310)는 결정된 노출 시간에 따라 픽셀들을 동작시킬 수 있다.

어떤 실시예에 따르면, 다중 이미지 생성 모듈(340)은 조명 객체가 인식된 것에 기초하여 적어도 HDR 알고리즘 내 자동 설정된 기준 레벨(예: EV -3 레벨)보다 더 어두운 범위의 밝기를 가지는 다중 레벨 이미지들을 생성할 수 있다.

예를 들어, 단일 입력 이미지가 EV-0 레벨일 경우 HDR 알고리즘의 기준 레벨은 EV -3 레벨일 수 있다. 다중 이미지 생성 모듈(340)은 단일 입력 이미지와 동일 장면을 갖는 제1 레벨 이미지(예: EV -3 레벨), 제2 레벨 이미지(예: EV-4 레벨), 제3 레벨 이미지(예: EV-5 레벨),) 또는 제4 레벨 이미지(예: EV -6 레벨)를 생성할 수 있다. 다중 레벨 이미지의 수는 설정에 따라 달라질 수 있다.

HDR 생성 모듈(350)은 단일 입력 이미지 및 다중 이미지 생성 모듈(340)로부터 생성된 레벨 이미지들을 기반으로 이미지들을 합성하여 HDR 이미지를 출력할 수 있다. 예를 들어, HDR 생성 모듈(350)은 HDR 합성 알고리즘으로 이해될 수 있다.

HDR 생성 모듈(350)은 다중 레벨 이미지들에 대한 합성 강도를 조절하여 입력 데이터로 입력된 이미지들을 합성할 수 있다. 예를 들어, HDR 생성 모듈(350)은 다중 레벨 이미지들 중 밝기가 기준 밝기보다 높은 채도를 갖는 이미지들에 대해서는 채도 만큼의 비율로 가중치를 부여하여 합성하고, 기준 밝기 보다 낮은 채도를 갖는 이미지들은 합성에서 제외하도록 제어할 수 있다. 다른 예를 들어, HDR 생성 모듈(350)은 다중 레벨 이미지들 중 이미지에 포함된 상기 광원 객체의 밝기값이 기준 밝기값보다 낮으면, 합성을 위한 입력 데이터로 제공하고, 이미지에 포함된 상기 이미지에 포함된 상기 광원 객체의 밝기값이 기준 밝기값보다 높으면, 기준 밝기값보다 더 어두운 밝기 레벨의 다중 레벨 이미지를 입력 데이터로 이용하도록 제어할 수 있다.

일 실시예에 따르면, HDR 생성 모듈(350)은 다음과 같은 동작(1) 내지 동작(5)를 수행하여 합성 강도를 조절하여, 입력 데이터로 입력된 이미지들을 합성하여 HDR 이미지를 생성할 수 있다.

동작(1)에서, HDR 생성 모듈(350)은 도 4에 도시된 UV 색 좌표계(410)를 참조해서 레벨 이미지 별(예: EV-0, EV-3, EV-4, EV-5 및 EV -6 레벨 이미지) 광원 객체의 채도(Ci)를 수학식 1을 이용하여 산출할 수 있다.

동작(2)에서, HDR 생성 모듈(350)은 [수학식 2]를 이용하여 레벨 이미지 별 채도만큼의 비율로 광원 객체의 색상 가중치(color weight)()를 결정할 수 있다.

예를 들어, HDR 생성 모듈(350)이 기준 레벨 이미지(예: EV-0 레벨), 제1 레벨 이미지(예: -EV -3 레벨) 제2 레벨 이미지(예: EV -4레벨), 제3 레벨 이미지(에: EV -5레벨), 제4 레벨 이미지(예: -EV -6 레벨)에 대한 가중치 계산 시, 광원 객체가 가장 높은 채도로 계산된 제 4레벨 이미지의 색상 가중치가 가장 높게 설정될 수 있다. 또한, 광원 객체가 기준 채도보다 낮은 채도를 가진 기준 레벨 이미지 또는 제1 레벨 이미지의 가중치는 낮게 설정되거나, 제거되는 것으로 설정될 수 있다. 그 결과, 전자 장치(101)는 이미지에 포함된 광원 객체의 색상 별 채도를 정확하게 산출해 낼 수 있다.

동작(3)에서, HDR 생성 모듈(350)은 [수학식 3]을 이용하여 광원 객체의 색상 가중치를 정규화하여 각 레벨 이미지 별 최종적인 합성 가중치()를 계산할 수 있다. .

동작(4)에서, HDR 생성 모듈(350)은 다중 레벨 이미지들의 합성 가중치를 기반으로 단일 입력 이미지()와 합성하여 [수학식 4]를 이용하여 HDR 이미지()를 생성할 수 있다.

동작(5)에서, HDR 생성 모듈(350)은 다중 레벨 이미지 내 광원 객체가 기준 값(예: 채도 기준값)을 넘지 못하면, [수학식 5]를 이용하여 기준 레벨 이미지(예: 0 레벨)을 이용하도록 제어할 수 있다.

HDR 생성 모듈(360)은 입력 데이터로 입력된 이미지들을 합성하여 생성된 HDR 이미지를 출력 데이터로 출력 할 수 있다. 일 실시예에 따른 전자 장치(예: 도 1및 도 3의 전자 장치(101))는 이미지 센서(예: 도 3의 이미지 센서(310))를 포함할 수 있다. 전자 장치(101)는 메모리(예: 도 1의 메모리(130)) 및 프로세서(예: 도 1의 프로세서(120), 도 3의 프로세서(320))를 포함할 수 있다. 일 실시예에 따른 전자 장치(101)의 상기 메모리(130)는, 상기 프로세서(120,320)가 상기 이미지 센서(310)로부터 단일 입력 이미지를 수신하도록 하는 인스트럭션을 포함할 수 있다. 일 실시예에 따른 상기 메모리(130)는 상기 프로세서(120,320)가 상기 단일 입력 이미지에 대해 세그먼테이션을 수행하여 광원 객체를 인식하도록 하는 인스트럭션을 포함할 수 있다. 일 실시예에 따른 상기 메모리(130)는 상기 프로세서(120,320)가 상기 단일 입력 이미지에 기초하여 서로 다른 노출 레벨을 가진 다중 레벨 이미지들을 생성하도록 하는 인스트럭션을 포함할 수 있다. 일 실시예에 따른 상기 메모리(130)는 상기 프로세서(120,320)가 각 다중 레벨 이미지 별 광원 객체의 밝기값을 기준 밝기값과 비교하여 합성 가중치를 계산하도록 하는 인스트럭션을 포함할 수 있다. 일 실시예에 따른 상기 메모리(130)는 상기 프로세서(120,320)가 상기 합성 가중치를 기반으로 상기 다중 이미지들과 상기 단일 입력 이미지를 합성하여 상기 광원 객체의 다이나믹 레인지가 향상된 HDR(high-dynamic-range) 이미지를 생성하도록 하는 인스트럭션들을 포함할 수 있다.

일 실시예에 따르면, 상기 광원 객체는 조도가 낮은 환경의 조명 간판 객체인 것을 특징으로 할 수 있다.

상기 메모리(130)는 상기 프로세서가 상기 단일 입력 이미지에 상기 광원 객체를 포함하는 경우, 기준 레벨보다 더 어두운 범위 레벨의 다중 레벨 이미지들을 생성하도록 하는 인스트럭션을 더 포함하는 전자 장치.

일 실시예에 따르면, 상기 프로세서(120,320)는 이미지 시그널 프로세서를 포함할 수 있다.

일 실시예에 따르면, 상기 메모리(130)는 상기 프로세서(120,320)가, 상기 다중 레벨 이미지 별 채도를 계산하고, 계산된 채도만큼의 비율로 각 다중 레벨 이미지 별 색상 가중치 결정하고, 상기 색상 가중치를 정규화하여 상기 합성 가중치를 계산하도록 하는 인스트럭션을 더 포함할 수 있다.

일 실시예에 따르면, 상기 메모리(130)는 상기 프로세서(120,320)가, 상기 세그먼테이션을 수행하여 다중 레벨 이미지 내 상기 광원 객체를 포함하는 영역을 구분하고, 상기 광원 객체를 포함하는 영역의 합성 강도를 조절하도록 하는 인스트럭션을 더 포함할 수 있다.

일 실시예에 따르면, 상기 메모리(130)는 상기 프로세서(120,320)가, 상기 다중 레벨 이미지들 중 이미지에 포함된 상기 광원 객체의 밝기값이 기준 밝기값보다 낮으면, 합성을 위한 입력 데이터로 제공하고, 상기 이미지에 포함된 상기 광원 객체의 밝기값이 기준 밝기값보다 높으면, 기준 밝기값보다 더 어두운 밝기 레벨의 다중 레벨 이미지를 입력 데이터로 이용하도록 조정하는 인스트럭션을 더 포함할 수 있다.

도 5는 일 실시예에 따른 전자 장치에서 조도가 낮은 환경(예: 야간 환경)의 광원 객체에 대한 다이나믹 레인지를 향상시키기 위한 HDR 이미지 처리 방법을 도시한다.

이하 실시예에서 각 동작들은 순차적으로 수행될 수도 있으나, 반드시 순차적으로 수행되는 것은 아니다. 예를 들어, 각 동작들의 순서가 변경될 수도 있으며, 적어도 두 동작들이 병렬적으로 수행될 수도 있다.

도 5를 참조하면, 일 실시예에 따르면, 전자 장치(예: 도 1의 전자 장치(101))의 프로세서(예: 도 1의 프로세서(120), 도 3의 프로세서(320))는, 510 동작에서, 이미지 센서(예: 도 3의 이미지 센서(310))로부터 단일 입력 이미지를 수신할 수 있다.

단일 입력 이미지는 자동 결정된 노출 시간(예: EV-0 레벨)을 이용하여 하나의 장면이 캡쳐된 원본 이미지 또는 기준 이미지일 수 있다.

520 동작에서, 프로세서(320)는 단일 입력 이미지에 대해 세그먼테이션을 수행할 수 있다.

예를 들어, 이미지 세그먼테이션은 인공 신경망에 기반하여 이미지(또는 촬영 프레임) 속의 객체들을 영역 단위(또는 픽셀 단위)로 분할하여 속성값을 할당하고, 객체들을 인식하여 분류(또는 식별)하는 동작일 수 있다.

530 동작에서, 프로세서(320)는 단일 입력 이미지 내 조도가 낮은 환경(예: 야간 환경)의 광원 객체가 인식되는지 여부를 결정할 수 있다.

프로세서(320)는 단일 입력 이미지 내 조도가 낮은 환경(예: 야간 환경)의 광원 객체가 인식되지 않는 경우(530 동작- NO), 프로세스를 종료할 수 있다. 또는, 도면에 도시되지 않았으나, 프로세서(320)는 단일 입력 이미지 내 조도가 낮은 환경(예: 야간 환경)의 광원 객체가 인식되지 않는 경우 도 2에 도시된 비교 예시 또는 일반적인 HDR 알고리즘을 이용하여 이미지 처리를 수행할 수도 있다.

540 동작에서, 프로세서(320)는 단일 입력 이미지 내 식별된 객체가 광원 객체(또는 조도가 낮은 환경(예: 야간 환경)의 광원 객체)로 인식되는 경우(530 동작-YES), 단일 입력 이미지에 기초하여 서로 다른 노출 레벨에서 캡쳐된 동일한 장면의 다중 레벨 이미지를 생성할 수 있다

예를 들어, 단일 입력 이미지가 EV-0 레벨일 경우, 프로세서(320)는 EV-3, EV-4, EV-5, EV -6 레벨을 갖는 다중 레벨 이미지를 생성할 수 있다. 여기서, EV-3 레벨은 HDR 알고리즘에서 미리 설정된 기준 레벨일 수 있다.

다른 예를 들어, 프로세서(320)는 EV-3 레벨의 이미지를 생성한 후, EV-3 레벨의 이미지 내 광원 객체의 밝기값이 설정된 기준 밝기보다 높은 경우, 더 낮은 밝기의 EV-4, EV-5 및 EV -6 레벨의 다중 레벨 이미지들을 더 생성할 수 있다.

일반적인 HDR 알고리즘은 전자 장치(101)가 HDR 이미지 처리 시, EV -3 레벨(또는 설정된 기준 레벨)의 이미지를 생성하고 합성하는 동작을 의미할 수 있다. 본 문서에 개시된 전자 장치(101)는 조도가 낮은 환경(예: 야간 환경)의 광원 객체가 이미지에 존재하는 경우, EV -3 레벨 보다 더 어두운 밝기 레벨을 가지는 EV-4, EV-5 및 EV -6 레벨의 다중 레벨 이미지를 생성하여 합성하는 HDR 알고리즘을 이용할 수 있다.

550 동작에서, 프로세서(320)는 각 다중 레벨 이미지 별 광원 객체의 밝기값을 기준 밝기값과 비교하여 합성 가중치를 계산할 수 있다.

프로세서(320)는, 각 다중 레벨 이미지에 포함된 광원 객체의 채도를 계산하고, 계산된 채도만큼의 비율로 각 이미지 별 색상 가중치를 결정하고, 색상 가중치를 정규화하여 최종적인 합성 가중치를 계산할 수 있다.

프로세서(320)는 다중 레벨 이미지들 중 광원 객체의 밝기값이 기준 밝기값보다 낮은 채도를 가진 이미지들은 합성에서 제외하도록 처리할 수 있다.

560 동작에서, 프로세서(320)는 합성 가중치를 기반으로 다중 레벨 이미지들과 단일 입력 이미지를 합성하여 광원 객체의 다이나믹 레인지가 향상된 HDR 이미지를 생성할 수 있다.

예를 들어, 프로세서(320)는 다중 레벨 이미지들의 합성 가중치를 기반으로 조도가 낮은 환경(예: 야간 환경)의 조명 간판(다시 말해, 광원 객체)의 합성 강도를 조절하여 HDR 이미지를 생성할 수 있다.

도 6은 일 실시예에 따른 전자 장치의 광원 객체를 위한 HDR 이미지 처리 알고리즘을 도시한다.

도 6을 참조하면, 일 실시예에 따르면 전자 장치(예: 도 1의 전자 장치(101))의 프로세서(예: 도 1의 프로세서(120), 도 3의 프로세서(320))는 HDR 알고리즘을 통해 다중 레벨 이미지들을 입력데이터로 입력 받아, HDR 이미지를 출력 데이터로 출력할 수 있다.

HDR 처리 알고리즘의 동작을 설명하면, 610 동작에서, 프로세서(320)는 입력이미지들로서, 단일 입력 이미지 및 단일 입력 이미지에 기초하여 서로 다른 노출 레벨을 갖는 다중 레벨 이미지들을 수신할 수 있다.

620동작에서, 프로세서(320)는 입력 이미지(예: 단일 입력 이미지)에 대해 이미지 세그먼테이션을 수행하여 조도가 낮은 환경(예: 야간 환경)의 광원 객체(예: 조명 간판)를 검출할 수 있다. 예를 들어, 프로세서(320)는 이미지 세그먼테이션 수행하여 객체 인식 결과, 이미지가 실외 환경 및 야간 환경(예: 이미지 분류 정보)이고, 객체가 광원 객체(예: 사물 인식 정보, 조명 간판)임을 인식할 수 있다.

625 동작에서, 프로세서(320)는, 이미지(예: 단일 입력 이미지)의 메타데이터를 획득하고, 인식된 광원 객체와 관련된 객체 속성 정보(예: 광원 객체의 색상 정보, 노출 관련 정보, 위치 정보(또는 픽셀 좌표 정보))를 획득할 수 있다.

630 동작에서, 프로세서(320)는 입력 이미지에서 인식된 광원 객체(또는 광원 객체 영역)을 구분하여 HDR 알고리즘으로 전달할 수 있다. 예를 들어, 프로세서(320)는 단일 입력 이미지에서 광원 객체를 인식하고, 광원 객체가 포함된 영역을 구분하여 광원 객체 영역의 위치를 모든 다중 레벨 이미지들에 적용할 수 있다.

640 동작에서, 프로세서(320)는 각 입력 이미지(예: (예: 단일 입력 이미지, 다중 레벨 이미지들)에 포함된 광원 객체의 밝기가 기준 밝기(예: EV -3 레벨) 이상인지를 결정할 수 있다.

예를 들어, 프로세서(320)는 입력 이미지에 포함된 광원 객체의 밝기가 기준밝기값보다 낮으면, 해당 입력 이미지를 합성을 위한 입력데이터로 HDR 알고리즘에 전달할 수 있다.

650 동작에서, 프로세서(320)는 입력 이미지 내 광원 객체의 밝기가 기준밝기값보다 높으면, 합성을 위한 입력 데이터로, 기준 밝기값보다 더 어두운 밝기의 레벨을 이미지를 HDR 알고리즘으로 전달할 수 있다.

660 동작에서, 프로세서(320)는, HDR 알고리즘을 기반으로 입력 데이터로 제공된 이미지들을 합성하고, 670 동작에서, 프로세서(320)는 HDR 이미지(670)를 출력할 수 있다.

예를 들어, 프로세서(320)는 도 3에 설명된 동작(1) 내지 동작(5)를 수행하여 합성 가중치를 계산하여 입력이미지들의 합성 강도를 조절하여 HDR 이미지를 생성할 수 있다.

도 7은 일 실시예에 따른 전자 장치의 광원 객체를 위한 HDR 이미지 처리 예시화면들을 나타낸다.

도 7을 참조하면, 일 실시예에 따르면, 전자 장치(101)는 적어도 하나의 카메라 또는 복수의 이미지 센서를 이용하여 켭쳐된 단일 입력 이미지(710)를 수신할 수 있다. 단일 입력 이미지(410)는 자동 결정된 노출 시간(예: EV 0 레벨)을 이용하여 하나의 장면이 캡쳐된 이미지일 수 있다.

전자 장치(101)는 단일 입력 이미지(710)에 대한 세그먼테이션 수행 결과, 조도가 낮은 환경(예: 야간 환경)의 광원 객체(에: 조명 간판)(715)가 포함되어 있음을 인식할 수 있다.

단일 입력 이미지(710)는 세그먼테이션 수행에 대한 입력으로 제공되거나, 다중 레벨 이미지 생성에 대한 입력으로서 제공될 수 있다.

전자 장치(101)는 세그먼테이션 수행 결과, 세그먼테이션 이미지(720) 내에서 광원 객체가 포함된 영역(725)을 구분할 수 있다.

전자 장치(101)는 단일 입력 이미지(710)를 기반으로 서로 다른 노출 레벨에서 캡쳐된 동일한 장면의 다중 레벨 이미지를 생성하고 광원 객체가 포함된 영역들(730)을 구분하여 합성 강도를 조절할 수 있다.

예를 들어, 전자 장치(101)는 HDR 이미지 처리를 위해 설정된 기준 레벨(예: EV-3레벨)로 제1 레벨 이미지를 생성하며, 제1 레벨 이미지는 단일 입력 이미지의 노출 시간(예: EV0 레벨)보다 더 짧은 노출 시간에 기초하여 생성된 이미지일 수 있다. 전자 장치는 기준 레벨보다 더 짧은 노출 시간들을 기초하여 상대적으로 더 어두운 밝기 레벨을 가지는 제2 레벨 이미지(예: EV-4레벨), 제3 레벨 이미지(예: EV-5레벨) 및 제 4 레벨 이미지(예: EV-6 레벨)를 생성할 수 있다. 전자 장치는 단일 입력 이미지 내 인식된 광원 객체가 포함된 영역을 다중 레벨 이미지 내 적용하여 광원 객체가 포함된 영역들(730)을 구분할 수 있다.

전자 장치(101)는 광원 객체가 포함된 영역들(730), 다시 말해, 광원 객체의 밝기 레벨들에 대한 합성 가중치를 계산할 수 있다.

전자 장치(101)는 합성 가중치에 기반한 다중 레벨 이미지들과, 단일 입력 이미지를 합성하여 광원 객체의 다이나민 레인지가 향상된 HDR 이미지(740)를 출력할 수 있다.

도 8은 일 실시예에 따른 개선된 HDR 이미지 처리에 대한 비교 화면들을 도시한다. 도 8의 <801>은 비교 예시에 따른 HDR 이미지 처리 알고리즘(예: 도 2의 알고리즘)을 이용하여 출력된 HDR 이미지(810)이며, <802>는 본 문서에서 개시된 HDR 이미지 처리 알고리즘을 이용하여 출력된 HDR 이미지(820)일 수 있다. <801>에 도시된 이미지(810)는 기준 레벨보다 밝은 조명 객체로 인해, 기준 레벨(예: EV-3)로 생성된 이미지와 합성하여도 조명 객체의 채도가 낮아 불량한 HDR 결과를 갖는다. 대조적으로, <802> 의 이미지(820)는 기준 레벨보다 더 어두운 범위의 레벨을 갖는 다중 레벨 이미지들의 생성하고, 이들의 합성 강도를 조절하여 합성함으로써, 조명 채도가 높아 조명 객체가 뚜렷하게 보이는 HDR 결과를 갖는다. <802>에 도시된 이미지(820)는 <801>에 도시된 이미지보다 우수한 HDR 결과를 제공하는 것을 확인할 수 있다.

일 실시예에 따른 전자 장치(101)의 광원 객체의 이미지 처리 방법은 이미지 센서로부터 단일 입력 이미지를 수신하는 동작을 포함할 수 있다. 일 실시예에 따른 방법은, 상기 단일 입력 이미지에 대해 세그먼테이션을 수행하여 광원 객체를 인식하는 동작을 포함할 수 있다. 일 실시예에 따른 방법은 상기 단일 입력 이미지에 기초하여 서로 다른 노출 레벨을 가진 다중 레벨 이미지들을 생성하는 동작을 포함할 수 있다. 일 실시예에 따른 방법은 각 다중 레벨 이미지 별 광원 객체의 밝기값을 기준밝기값과 비교하여 합성 가중치를 계산하는 동작을 포함할 수 있다. 일 실시예에 따른 방법은 상기 합성 가중치를 기반으로 상기 다중 이미지들과 상기 단일 입력 이미지를 합성하여 상기 광원 객체의 다이나믹 레인지가 향상된 HDR(high-dynamic-range) 이미지를 생성하는 동작을 포함할 수 있다.

일 실시예에 따른 상기 광원 객체는 조도가 낮은 환경의 조명 간판 객체인 것을 특징으로 할 수 있다.

일 실시예에 따른 상기 다중 레벨 이미지들을 생성하는 동작은, 상기 단일 입력 이미지에 상기 광원 객체가 인식된 것에 기초하여, 기준 레벨 보다 더 어두운 범위 레벨들의 다중 레벨 이미지들을 생성하는 것을 특징으로 할 수 있다.

일 실시예에 따른 상기 합성 가중치를 계산하는 동작은, 상기 합성 가중치를 기반으로 다중 레벨 이미지들의 합성 강도를 조절하는 동작을 더 포함할 수 있다.

일 실시예에 따른 상기 합성 가중치를 계산하는 동작은, 상기 다중 레벨 이미지 별 채도를 계산하고, 계산된 채도만큼의 비율로 각 다중 레벨 이미지 별 색상 가중치 결정하고, 상기 색상 가중치를 정규화하여 상기 합성 가중치를 계산하는 것을 특징으로 할 수 있다.

일 실시예에 따른 상기 합성 강도를 조절하는 동작은 상기 세그먼테이션을 수행하여 다중 레벨 이미지 내 상기 광원 객체를 포함하는 영역을 구분하고, 상기 광원 객체를 포함하는 영역의 합성 강도를 조절하도록 하는 것을 특징으로 할 수 있다.

일 실시예에 따른 상기 HDR(high-dynamic-range) 이미지를 생성하는 동작은, 상기 다중 레벨 이미지들 중 이미지에 포함된 상기 광원 객체의 밝기값이 기준 밝기값보다 낮으면, 합성을 위한 입력 데이터로 제공하고, 상기 이미지에 포함된 상기 광원 객체의 밝기값이 기준 밝기값보다 높으면, 기준 밝기값보다 더 어두운 밝기 레벨의 다중 레벨 이미지를 입력 데이터로 이용하도록 조정하여 상기 HDR 이미지를 생성하는 것을 특징으로 할 수 있다.

일 실시예에 따른 상기 광원 객체를 인식하는 동작은, 인공신경망에 기반하여 이미지 세그먼테이션을 통해 이미지의 분류 의 객체들을 영역 단위로 구분하고, 상기 인식된 객체와 관련된 객체 인식 정보를 획득하는 것을 특징으로 할 수 있다.

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. "제 1", "제 2", 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: 제 1) 구성요소가 다른(예: 제 2) 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 제 3 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, 일 실시예에 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^TM)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

전자 장치에 있어서,
이미지 센서;
메모리 및
프로세서를 포함하고,
상기 메모리는, 상기 프로세서가
상기 이미지 센서로부터 단일 입력 이미지를 수신하고,
상기 단일 입력 이미지에 대해 세그먼테이션을 수행하여 광원 객체를 인식하고,
상기 단일 입력 이미지에 기초하여 서로 다른 노출 레벨을 가진 다중 레벨 이미지들을 생성하고,
각 다중 레벨 이미지 별 광원 객체의 밝기값을 기준 밝기값과 비교하여 합성 가중치를 계산하고,
상기 합성 가중치를 기반으로 상기 다중 레벨 이미지들과 상기 단일 입력 이미지를 합성하여 상기 광원 객체의 다이나믹 레인지가 향상된 HDR(high-dynamic-range) 이미지를 생성하도록 하는 인스트럭션들을 포함하는 전자 장치.
제1항에 있어서,
상기 광원 객체는 조도가 낮은 환경의 조명 간판 객체인 것을 특징으로 하는 전자 장치.
제1항 또는 제2항에 있어서,
상기 메모리는 상기 프로세서가 상기 단일 입력 이미지에 상기 광원 객체를 포함하는 경우, 기준 레벨보다 더 어두운 범위 레벨의 다중 레벨 이미지들을 생성하도록 하는 인스트럭션을 더 포함하는 전자 장치.
제3항에 있어서,
상기 프로세서는 이미지 시그널 프로세서를 포함하는 전자 장치.
제3항에 있어서,
상기 메모리는 상기 프로세서가,
다중 레벨 이미지 별 채도를 계산하고, 계산된 채도만큼의 비율로 각 다중 레벨 이미지 별 색상 가중치 결정하고, 상기 색상 가중치를 정규화하여 상기 합성 가중치를 계산하도록 하는 인스트럭션을 더 포함하는 전자 장치.
제3항에 있어서,
상기 메모리는 상기 프로세서가, 상기 세그먼테이션을 수행하여 다중 레벨 이미지 내 상기 광원 객체를 포함하는 영역을 구분하고, 상기 광원 객체를 포함하는 영역의 합성 강도를 조절하도록 하는 인스트럭션을 더 포함하는 전자 장치.
제3항에 있어서,
상기 메모리는 상기 프로세서가,
상기 다중 레벨 이미지들 중 이미지에 포함된 상기 광원 객체의 밝기값이 기준 밝기값보다 낮으면, 합성을 위한 입력 데이터로 제공하고,
상기 이미지에 포함된 상기 이미지에 포함된 상기 광원 객체의 밝기값이 기준 밝기값보다 높으면, 기준 밝기값보다 더 어두운 밝기 레벨의 다중 레벨 이미지를 입력 데이터로 이용하도록 조정하는 인스트럭션을 더 포함하는 전자 장치.
전자 장치의 광원 객체의 이미지 처리 방법에 있어서,
이미지 센서로부터 단일 입력 이미지를 수신하는 동작;
상기 단일 입력 이미지에 대해 세그먼테이션을 수행하여 광원 객체를 인식하는 동작;
상기 단일 입력 이미지에 기초하여 서로 다른 노출 레벨을 가진 다중 레벨 이미지들을 생성하는 동작;
각 다중 레벨 이미지 별 광원 객체의 밝기값을 기준밝기값과 비교하여 합성 가중치를 계산하는 동작; 및
상기 합성 가중치를 기반으로 상기 다중 레벨 이미지들과 상기 단일 입력 이미지를 합성하여 상기 광원 객체의 다이나믹 레인지가 향상된 HDR(high-dynamic-range) 이미지를 생성하는 동작을 포함하는 방법.
제8항에 있어서,
상기 광원 객체는 조도가 낮은 환경의 조명 간판 객체인 것을 특징으로 하는 방법.
제9항에 있어서,
상기 다중 레벨 이미지들을 생성하는 동작은,
상기 단일 입력 이미지에 상기 광원 객체가 인식된 것에 기초하여, 기준 레벨 보다 더 어두운 범위 레벨들의 다중 레벨 이미지들을 생성하는 것을 특징으로 하는 방법.
제8항에 있어서,
상기 합성 가중치를 계산하는 동작은,
상기 합성 가중치를 기반으로 다중 레벨 이미지들의 합성 강도를 조절하는 동작을 더 포함하는 방법.
제8항에 있어서,
상기 합성 가중치를 계산하는 동작은,
다중 레벨 이미지 별 채도를 계산하고, 계산된 채도만큼의 비율로 각 다중 레벨 이미지 별 색상 가중치 결정하고, 상기 색상 가중치를 정규화하여 상기 합성 가중치를 계산하는 것을 특징으로 하는 방법.
제11항에 있어서,
상기 합성 강도를 조절하는 동작은
상기 세그먼테이션을 수행하여 다중 레벨 이미지 내 상기 광원 객체를 포함하는 영역을 구분하고, 상기 광원 객체를 포함하는 영역의 합성 강도를 조절하도록 하는 것을 특징으로 방법.
제8항에 있어서,
상기 HDR 이미지를 생성하는 동작은,
상기 다중 레벨 이미지들 중 이미지에 포함된 상기 광원 객체의 밝기값이 기준 밝기값보다 낮으면, 합성을 위한 입력 데이터로 제공하고,
상기 이미지에 포함된 상기 이미지에 포함된 상기 광원 객체의 밝기값이 기준 밝기값보다 높으면, 기준 밝기값보다 더 어두운 밝기 레벨의 다중 레벨 이미지를 입력 데이터로 이용하도록 조정하여 상기 HDR 이미지를 생성하는 것을 특징으로 하는 방법.
제8항에 있어서,
상기 광원 객체를 인식하는 동작은,
인공신경망에 기반하여 이미지 세그먼테이션을 통해 이미지의 분류 의 객체들을 영역 단위로 구분하고, 상기 인식된 객체와 관련된 객체 인식 정보를 획득하는 것을 특징으로 하는 방법.