BRPI0621745A2

BRPI0621745A2 - método e dispositivo para determinar a qualidade de uma imagem; módulo de avaliação de qualidade de imagem para determinar a qualidade de uma imagem; e produto de programa de computador para determinar a qualidade de uma imagem

Info

Publication number: BRPI0621745A2
Application number: BRPI0621745-1A
Authority: BR
Inventors: Radu Bilcu; Markku Vehvilainen
Original assignee: Nokia Siemens Networks Oy
Priority date: 2006-06-09
Filing date: 2006-06-09
Publication date: 2011-12-20
Also published as: US8275200B2; WO2007141368A1; US20090245633A1

Abstract

MéTODO E DISPOSITIVO PARA DETERMINAR A QUALIDADE DE UMA IMAGEM; MóDULO DE AVALIAçãO DE QUALIDADE DE IMAGEM PARA DETERMINAR A QUALIDADE DE UMA IMAGEM; E PRODUTO DE PROGRAMA DE COMPUTADOR PARA DETERMINAR A QUALIDADE DE UMA IMAGEM. Trata-se de um método, um dispositivo, um módulo de avaliação de qualidade de imagem e um produto de programa de computador a fim de determinar a qualidade de uma imagem. Em uma imagem de entrada, ao menos, um componente de cor é restaurado de modo iterativo com um parâmetro de enfoque, sendo que tal parâmetro de enfoque é aumentado a cada iteração. A iteração é interrompida quando um ajuste óptico na imagem final excede um valor pré-determinado. Após a iteração ter sido interrompida, um número de iterações é definido e a qualidade da imagem é determinada de acordo com o número de iterações.

Description

"MÉTODO E DISPOSITIVO PARA DETERMINAR A QUALIDADE DE UMA IMAGEM; MÓDULO DE AVALIAÇÃO DE QUALIDADE DE IMAGEM PARA DETERMINAR A QUALIDADE DE UMA IMAGEM; E PRODUTO DE PROGRAMA DE COMPUTADOR PARA DETERMINAR A QUALIDADE DE UMA IMAGEM".

Campo da Invenção

A presente invenção refere-se, de modo geral, ao processamento de imagens e, em particular, a tal processamento de imagens em que a qualidade de uma imagem é avaliada.

Antecedentes da Invenção

Atualmente, cada vez mais dispositivos móveis são equipados com câmeras digitais para capturar imagens fixas e vídeos. A qualidade de imagens e vídeos é aperfeiçoada continuamente, porém ainda há a necessidade de aplicações específicas para avaliarem a qualidade. A estimativa da qualidade de imagem é uma tarefa importação, por exemplo, para a impressão móvel, para o processamento de uma grande base de dados de imagem, para a economia de memória e para a recaptura de uma imagem. Em impressão móvel, uma impressora portátil pode ser diretamente conectada ao dispositivo móvel e a imagem pode ser impressa de modo direto sem ser transferida a um computador pessoal (PC). Em conexão com uma grande base de dados de imagens, a estimativa de qualidade de imagem pode ser aplicada a fim de excluir automaticamente imagens dotadas de uma baixa qualidade. Por outro lado, quando a captura de imagens está em processo, imagens dotadas de uma baixa qualidade são necessariamente salvas na memória do dispositivo móvel, porém, pode-se solicitar que o usuário recapture a imagem.

Dentre muitas aplicações de geração de imagens digitais incorporadas nos dispositivos móveis, a capacidade de impressão pode ser considerada uma das mais importantes. Impressoras reduzidas adequadas para serem conectadas aos dispositivos móveis já estão disponíveis no mercado. Através dessas impressoras, as imagens capturadas por um dispositivo móvel podem ser diretamente impressas sem serem transferidas para um PC, visto que tal impressora é conectada ao dispositivo móvel. Um dos diversos problemas na impressão móvel é a qualidade da imagem. Na impressão móvel, a imagem não é transferida ao PC, porém é impressa diretamente a partir do dispositivo móvel,portanto, a qualidade da imagem capturada não pode ser verificada com precisão. Mesmo que a imagem seja exibida no visor do dispositivo móvel antes do processo de impressão, a resolução do visor é menor do que a resolução da imagem, o que pode fazer com que a imagem dotada de uma baixa qualidade pareça ser uma imagem dotada de uma alta qualidade no visor. Além disso, a imagem mostrada no visor do dispositivo móvel é, em geral, pré-processada com o objetivo de suavizar as não- linearidades do visor e de ser adaptada às características do visor. Ambos os fatores podem afetar a imagem de modo que as imagens de baixa qualidade sejam vistas como imagens de alta qualidade quando mostradas no visor do dispositivo móvel. Como conseqüência, os métodos para estimativa de qualidade de imagem são de grande interesse para a impressão móvel.

Conforme afirmado anteriormente, outras aplicações que podem aplicar estimativas de qualidade de imagem incluem uma grande base de dados de imagem e gerenciamento de memória. No caso do processamento de uma grande base de dados de imagem, um mecanismo automático pode ser usado para verificar a qualidade da imagem e as imagens que possuem baixa qualidade podem ser automaticamente excluídas da base de dados. Dessa forma, a base de dados será liberada sem a interferência do usuário No caso da aplicação de gerenciamento de memória, a estimativa de qualidade de imagem pode ser usada para definir a qualidade de cada imagem capturada. Imediatamente após a captura da imagem, um parâmetro que quantifica a qualidade da imagem em uma determinada escala (de qualidade fraca a qualidade excelente) é mostrado no visor do dispositivo móvel e solicita-se que o usuário salve ou não a imagem. Dessa maneira, as imagens de baixa qualidade não serão salvas na memória, sendo que a memória será economizada para imagens melhores. Ademais, quando uma imagem de baixa qualidade é detectada, o usuár io pode escolher capturar uma imagem da mesma cena novamente (com diferentes parâmetros ou um ângulo de visão) a fim de as informações contidas na cena não sejam perdidas. Além disso, a qualidade de imagem pode ser usada, por exemplo, para escolher um fator de qualidade em um codificador JPEG com o objetivo de obter uma melhor compensação entre o uso da memória e a qualidade visual das imagens codificadas.

Conforme afirmado acima, a estimativa de qualidade de imagem pode ser incorporada em um dispositivo móvel dotado de uma capacidade de geração de imagens. No entanto, além dos dispositivos móveis, a estimativa de qualidade de imagem pode ser incorporada em câmera s digitais ou dispositivos similares. Muitos algoritmos e aplicações de processamento de imagem podem utilizar as informações sobre a qualidade da imagem capturada para aperfeiçoar o desempenho de tais algoritmos e aplicações.

Métodos convencionais para a estimativa de qualidade de imagem podem ser categorizados em três classes principais. A primeira classe é a Full-Reference Quality Metric (Métrica de Qualidade de Referência Completa), também conhecida como uma métrica de fidelidade. Os algoritmos dessa classe exigem que uma imagem original não distorcida esteja disponível. Normalmente, erro quadrado médio (MSE), razão sinal- ruído de pico (PSNR) ou outras métricas são computadas para quantificar a diferença entre a imagem distorcida e a imagem não distorcida. Essa classe de métodos de estimativa de imagem é principalmente usada para estimar os desempenhos para algoritmos de restauração. Em tal caso, uma imagem original não distorcida é artificialmente distorcida e a imagem distorcida é processada por um determinado algoritmo. A imagem de saída é, em seqüência, comparada com a imagem original não distorcida.

A segunda classe de métricas é denominada Reduced-Reference Quality Metric (Métrica de Qualidade de Referência Reduzida). Os algoritmos dessa classe computam as estatísticas a partir da imagem distorcida e a partir da imagem não distorcida. A qualidade da imagem distorcida e estimada com base na comparação dessas estatísticas. A imagem original não distorcida não se encontra disponível em algumas aplicações na prática, e, portanto, são necessário s os métodos para aplicações de qualidade de imagem que não exigem o uso da imagem original.

A terceira classe de métricas é denominada No-Reference Quality Metric (Métrica de Qualidade Sem Referência), na qual uma imagem original não é usada para a estimativa de qualidade de imagem. A qualidade de imagem é computada sem a necessidade de quaisquer informações sobre a imagem não distorcida. Normalmente, diversas distorções são estimadas a partir da imagem, como o nível de ruído, a quantidade de desfoque, artefatos de bloqueio, etc. Existem muitos algoritmos para estimar uma determinada distorção no estado da técnica. Por exemplo, no caso da estimativa de desfoque, estão disponíveis diversos algoritmos baseados na medição de atividade de sinal e na estimativa do comprimento da borda.

Sumário da Invenção

O objetivo da invenção atual é fornecer uma solução para estimar a qualidade de imagem, sendo que tal solução é baseada na restauração iterativa de imagens. Isso pode ser atingido por um método, um dispositivo, um módulo de avaliação de qualidade de imagem e um produto de programa de computador a fim de determinar a qualidade de uma imagem.

No método, ao menos, um componente de cor em uma imagem de entrada é restaurada de modo iterativo com um parâmetro de enfoque, sendo que tal parâmetro de ajuste ópíco na imagem final supera um valor pré-determinado, em que um número de iterações é definido e a qualidade da imagem é determinada de acordo com o número de iterações.

O dispositivo compreende um sistema de processamento de imagem capaz de restaurar, ao menos, um componente de cor em uma de entrada de modo iterativo com um parâmetro de enfoque e capaz de elevar o parâmetro de enfoque a cada iteração, sendo que o sistema de processamento de sistema é disposto de modo a interromper a iteração quando um ajuste óptico na imagem final supera um valor pré-determinado. O sistema de processamento de imagem é capaz, ainda, de definir um número de iterações e determinar a qualidade da imagem de acordo com o número de iterações.

O módulo de avaliação de qualidade de imagem é capaz de restaurar, ao menos, um componente de cor em uma imagem de entrada de modo iterativo com um parâmetro de enfoque e de aumentar o parâmetro de enfoque a cada iteração, sendo que tal módub de avaliação de qualidade de imagem é disposto de modo a interromper a iteração quando um ajuste ópíco na imagem final supera um valor pré-determinado e é capaz de definir um número de iterações e determinar a qualidade da imagem de acordo com o número de iterações.

O produto de programa de computador compreende um código de computador armazenado em um meio de comunicação legível adaptado, e quando executado em um computador, para restaurar, ao menos, um componente de cor em uma imagem de entrada de modo iterativo com um parâmetro de enfoque, elevar o parâmetro de enfoque a cada iteração, interromper a iteração quando um ajuste óptico na imagem final supera um valor pré-determinado, definir um número de iterações e determinar a qualidade da imagem de acordo com o número de iterações.

O método, de acordo com a invenção, é baseado na restauração iterativa da imagem. Os métodos da técnica anterior pretendem estimar distorções a partir da imagem de entrada de maneira direta, sem executar a restauração da imagem. No método descrito neste pedido de patente, a restauração de imagem é executada e usada, também, para avaliar a qualidade da imagem. A vantagem é que na produção do bloco de processamento, estão juntamente disponíveis a qualidade da imagem e, também, a imagem restaurada. Os métodos da técnica anterior estimam somente a qualidade da imagem sem restaurá-la .

Visto que a imagem restaurada e o índice de qualidade da imagem estão disponíveis na produção do módub de avaliação de qualidade da imagem, caso toda a imagem seja usada para estimativa de qualidade, não há necessidade de executar uma restauração distinta após aqualidade da imagem ter sido estimada. Além disso, é possível que o usuá rio veja, portanto, a imagem de entrada e a imagem restaurada quando deve ser tomada a decisão por utilizar a imagem.

Descrição dos Desenhos

A presente invenção será descrita em maiores detalhes através da revelação detalhada a seguir e com referência aos desenhos em anexo, nos quais

A Figura 1 ilustra um exemplo do método em um diagrama de bloco simplificado,

A Figura 2 ilustra exemplos de imagens dotadas de diferentes qualidades, e

A Figura 3 ilustra um exemplo de um dispositivo capaz de utilizar a presente invenção. Descrição Detalhada d a Invenção

A invenção refere-se à utilização de um algoritmo de restauração iterativa (conforme revelado pela depositante em WO 2006/005798) para estimar a quantidade de desfoque em imagens digitais. Um exemplo de um método, de acordo com a invenção, é ilustrado na Figura 1 como um diagrama de bloco. A primeira etapa 101 no método é uma etapa de inicialização, em que os parâ metros são configurados e uma imagem final é inicializada. Os parâmet ros que são inicializados aqui são diferentes dos parâmetros para um algoritmo de enfoque (a ser descrito mais adiante) e referem-se, por exemplo, a limiares, ao número máximo ou iterações. Na segunda etapa 102, uma imagem de entrada é restaurada, isto é, enfocada usando-se um procedimento não-iterativo com os parâmetros escolhidos na primeira etapa. Na terceira etapa 103, são detectados os pixels que contêm ajuste óptico na imagem restaurada. Os pixels dotados de ajuste (ptico que excedem um limiar pré-definido são marcados como distorcidos. A imagem final é, em seguida (na quarta etapa 104), atualizada com os pixels a partir da imagem restaurada que não foi marcada como distorcida. Na quinta etapa 105, são detectados os pixels que contém ajuste óptico na imagem final. Após a quinta etapa 105, uma regra de interrupção é aplicada 106. Se existe um pixel dotado de ajuste ópíco que excede um limiar pré- definido, o processo de restauração iterativo é interrompido. De outra forma, os parâmetros do algoritmo de enfoque são alterados 107 e continua-se com o processo iterativo a partir da segunda etapa 102. Quando o processo iterativo é interrompido, o número de iteração e, consequentemente, a imagem restaurada são retornados. O índice de qualidade da imagem é inversamente proporcional ao número de iteração necessário para restaurar a imagem.

As etapas do método descritas acima, com referência à Figura 1, serão descritas agora em maiores detalhes. O método pode ser aplicado para um dos componentes de cor de uma imagem de cor, sendo que tal componente de cor pode ser selecionado a partir de um sistema RGB (Vermelho, Verde, Azul). Após o processamento de um componente de cor, os outros componentes podem ser processados separadamente da mesma forma. Embora seja mencionado que os componentes são processados separadamente, um após o outro, os processos também podem ser implantados em paralelo, com o objetivo de receber as informações de qualidade substancialmente ao mesmo tempo. No entanto, visto que diferentes componentes de cor podem ter conteúdos distintos, tais componentes de cor devem ser processados separados entre si. A presente invenção também pode ser aplicada ao sistema YUV (luminância e crominância), porém, somente o componente de intensidade Y precisa ser processado.

Inicialização de Parâmetro (101)

Para a inicialização de parâmetro, uma imagem de entrada é denominada I e uma imagem final (imagem restaurada) é denominada Ir. A imagem final Ir é, então, inicializada com I, a fim de que Ir = I no início. Os parâmetros do método de enfoque serão inicializados a seguir. Por exemplo, se um método de mascaramento de nitidez é usado para enfoque, o número de imagens desfocadas usadas e seus parâmetros são escolhidos. Se outro algoritmo é implantado, bem como outro enfoque não-iterativo, por exemplo, filtro de passa alta, seus parâmetro s serão ajustados nesse momento. Uma matriz de um tamanho igual ao da imagem e igual aos elementos unitár ios será inicializada. Tal matriz é denominada máscara.

Enfoque da imagem de entrada (102)

Após a inicialização, um algoritmo de enfoque é aplicado à imagem de entrada I. Isso significa que a imagem de entrada I é restaurada, isto é, enfocada com os parâmetros escolhidos na primeira etapa 101. O algoritmo de enfoque pode ser qualquer um dos algoritmos de um passo existentes, como o método de mascaramento de nitidez, enfoque de domínio de desfoque, filtro diferencial, etc. Como resultado do enfoque, uma imagem enfocada Idb será obtida.

Verificação de pixel na imagem enfocada

Nessa etapa, os pixels da imagem enfocada Idb são verificados para detectar o ajuste ópico, como bordas ampliadas em excesso. Os pixels da imagem enfocada Idb são digitalizados, e diferenças horizontais e verticais entre os pixels adjacentes podem ser computadas como a seguir:

dh1(x,y)=Idb (x,y) - Idb(x, y-1)

dh2(x,y)=Idb (x,y) - Idb(x, y+1)

dv1(x,y)=Idb (x,y) - Idb(x-1 y) <formula>formula see original document page 9</formula>

Em que x, y representam as coordenadas de pixel vertical e horizontal, respectivamente. Ainda, os pixels da imagem de entrada são digitalizados, e diferenças horizontais e verticais entre os pixels adjacentes podem ser computadas como a seguir:

<formula>formula see original document page 9</formula>

A verificação é aplicada para cada pixel do componente de cor em questão na imagem enfocada Idb, a fim de determinar se os sinais de diferenças correspondentes dh1 edh3, dh2 e dh4, dv1 e dv3, e dv2 e dv4 são diferentes. Caso as diferenças correspondentes sejam distintas, o pixel nas coordenadas x, y contém ajuste óptico. O procedimento de verificação pode ser executado pelo seguinte algoritmo:

<formula>formula see original document page 9</formula>

A idéia acima é, basicamente, que para cada pixel na imagem enfocada Idb, o formato local da imagem enfocada Idb é comparado ao formato local da imagem de entrada I. Isso é feito através da comparação de sinais das diferenças correspondentes na imagem de entrada e na imagem enfocada Idb nas direções horizontal e vertical. Quando uma diferença é detectada no formato da imagem de entrada I e na imagem enfocada Idb (na direção horizontal ou vertical), o pixel correspondente na imagem enfocada Idb pode ser realçado de modo excessivo. Um valor estimado do ajuste ópíco de tais pixels é comparado a um limiar (thl*MAX). Se a quantidade de ajuste ópico excede o limiar (thl*MAX), o pixel correspondente é marcado como distorcido (o valor da máscara é igual a zero). O limiar (thl*MAX) é definido a partir da porcentagem do valor máximo dos pixels provenientes da imagem de entrada I (o valor MAX é o valor máximo de I). Ao escolher esse tipo de computação limiar, garante-se que o valor do limiar (thl*MAX) é adaptado à faixa de imagem.

Atualização dos ρ ixels na imagem restaurada

Nessa etapa, a imagem restaurada Ir é atualizada. Os pixels que formam a imagem restaurada são atualizados com tais pixels na imagem enfocada Idb que não foram marcados como distorcidos. Essa etapa pode ser implantado como a seguir: para cada pixel de Idb(x,y)

se a máscara(x,y) = 1

Ir(x,y)=Idb(x,y);

fim

Detecção de pontos de ajuste óptco na imagem restaurada (105) Nessa etapa, a imagem restaurada Ir é digitalizada e as diferenças horizontais e verticais entre os pixels adjacentes são computadas e o ajuste ópticomáxim o da imagem restaurada Ir é determinado como a seguir:

dh5(x ,y)=lr (x, y)-Ir (x, y-1)

dh6(x ,y)=Ir {x, y) - Ir (x, y+1)

dv5(x ,j)=lr (x, y) - Ir (x-1, y)

dv6(x ,;y)=lr (x, y) - Ir (x+1, y)

Os sinais de diferenças correspondentes dh5 e dh.3, dh6 e dh4, dv5 e dv3, e dv6 e dv4 são, em seguida, comparados (observe que dh3, dh4, dv3 e dv4 foram determinados na etapa 103). Se os sinais são diferentes, então, a quantidade de ajuste óptico pode ser computada como se segue:

se NÃO[sinaI(dh5(x,y))=sinal(dh3(x,y))] OU

NÃO[sinal(dh6(x,y))=sinal(dh4(x,y))]

H(x,y)=min(abs(dh5(x,y)),abs(dh6(x,y)));

fim

se NÃO[sinaI(dv5(x,y))=sinal(dv 3(x,y))] OU

NÃ0[sinaI(dv6(x,y))=s inal(dv4(x,y))]

V(x,y)=min(abs(dh5(x,y)),abs(dh6(x,y)));

fim

Ao comparar os sinais das diferenças computadas na imagem restaurada Ir e na imagem de entrada I, os formatos locais da imagem restaurada Ir e a imagem de entrada I podem ser comparados. Para esses pixels em que os formatos locais são diferidos, o ajuste óptico na imagem restaurada Ir é estimado através da redução do mínimo do valor absoluto das duas diferenças adjacentes. Isso é computado nas direções vertical e horizontal.

Regra de interrupção (106)

Nessa etapa, a regra de interrupção é aplicada ao método. A regra de interrupção compreende uma condição, a qual afirma que, se o ajuste óptico máximo de qualquer pixel do componentes de cor em questão na imagem excede um limiar, o procedimento de restauração é interrompido. Se a condição da regra de interrupção é satisfeita, isto é, o ajuste ópticomáximo excede um limiar, o procedimento de restauração é interrompido, e o número de iterações é retomado na saída. Além do número de iterações, a imagem restaurada Ir também pode ser retomada da saída. Essa etapa pode ser implantada como a seguir:

se max(max(H(x,y)),max(V(x,y)))> =th2*MAX

retomar o número de iterações e, consequentemente, a imagem Ir e interromper o processo de restauração de outra maneira

modificar os parâmetros do método de enfoque e seguir para a etapa 102. fim

O limiar th2 para a detecção de ajuste óptico é definido como porcentagens para o valor máximo d e pixel da imagem original I.

Como alternativa, a regra de interrupção também pode ser implantada da seguinte maneira. Na etapa 105, são detectados os pixels que contém ajuste óptico. Em seqüência, é calculada a média do ajuste óptico de todos esses pixels e esta é comparar a um limiar th2*MAX. Se o ajuste óptico médio excede o limiar, o procedimento iterativo é interrompido e o número de iterações é retomado. De outra forma, os parâmetros do algoritmo de enfoque são alterados (107) e continua-se com o processo iterativo a partir da segunda etapa 102.

Nas etapas 103 e 106, os limiares de decisão são indicados por thl*MAX e th2*MAX. No entanto, ainda outros valores de limiar podem ser usados como os limiares de decisão, por exemplo, tais valores que são calculados com base no valor dos pixels a partir da imagem de entrada.

Estimativa de qualidade de imagem (108)

No momento em que o procedimento de restauração é interrompido, o número de iterações é retomado, sendo que tal número de iterações pode ser usado para estimar a qualidade da imagem. O número de iterações pode variar de 1 a um número máximo pré-determinado de iterações. A qualidade da imagem é inversamente proporcional ao número de iterações necessário para restaurar a imagem. Um número maior de iterações corresponde a uma qualidade de imagem de entrada fraca (a imagem de entrada exige uma grande quantidade de enfoque). Ao contrário, poucas iterações significa que a imagem de entrada é de alta qualidade. O índice de qualidade para a imagem pode ser selecionado de duas maneiras.

Por exemplo, o índice de qualidade pode ser igual ao número de iterações.

Esse tipo de índice de qualidade deve ser traduzido, em seqüência, a partir de um valor numérico para uma escala de "qualidade fraca" a "qualidade excelente". Isso pode ser feito por uma calibração que pode ser implantada, por exemplo, dos seguintes modos. A calibração pode ser feita pelo fabricante através da captura de diversas imagens de qualidade variante. Em seguida, exige-se que um grupo de pessoas é classifique a qualidade das imagens. O método da presente invenção pode ser aplicado para cada imagem e os números de iterações para restaurá-las são salvos. Com base na classificação de cada imagem, uma correspondência entre o número de iterações e a qualidade da imagem pode ser estabelecida e salva no dispositivo móvel como uma tabela de pesquisa. Esse tipo de calibração deve ser executado somente uma vez e não deve ser realizado em todo dispositivo móvel e, portanto, a tabela de pesquisa que relaciona o número de iterações à qualidade da imagem pode ser a mesma para toda a série de produtos. Outro modo de calibração é executá -Ia quando o módulo de câmera é usado pela primeira vez. Solicita-se que o usuário capture as imagens de teste e, em seguida, classifique sua qualidade. A medição de qualidade da imagem é, então, executada em todas as imagens e a correspondência é estabelecida.

O índice de qualidade também pode depender da quantidade total de desfoque na imagem de entrada I. Nessa possibilidade, um enfoque do espaço de desfoque é usado na etapa 102. Esse espaço de desfoque é revelado por, por exemplo, J. Immerkaer em "Use of Blur-Space for Deblurring and Edge-Preserving Noise Smoothing", em Transição de IEEE sobre Processamento de Imagem, 2001. No caso da presente invenção, a quantidade de enfoque em cada iteração é conhecida como e é igual a d. Se o número total ou iterações é K, então, a quantidade total de desfoque na imagem de entrada I é dK. Para esse procedimento, uma calibração pode não ser necessária. Por exemplo, se o modelo de desfoque é Gaussian, um valor dK=l já é um grande desfoque e a imagem pode ser considerada de baixa qualidade. Pode supor-se um valor de dK=0.1 que corresponda a uma imagem de alta qualidade. Ademais, a calibração com base nas preferências de usuário também pode ser incluída para r esultados mais precisos.

A Figura 2 ilustra exemplos de imagem (201 a 205) obtidas por um telefone com câm era. É possível perceber que as imagens possuem qualidade variante, por exemplo, a imagem 205 possui uma qualidade mais baixa e a imagem 201 possui uma qualidade levemente melhor. A imagem 203 é uma imagem com a melhor qualidade, sucedida pela imagem 202 e, em seqüência, a imagem 204. A estimativa de qualidade também foi testada pelos inventores. No primeiro método, as imagens de entrada coloridas foram transformadas em imagens em escala de cinza. O método de restauração iterativa foi aplicado às imagens 201 a 205 e o número de iterações K é mostrado na Tabela 1 abaixo: <table>table see original document page 15</column></row><table>

Tabela 1: Qualidade da imagem

O parâmetro de enfoque para a Tabela 1 foi d=0.1, e a quantidade total de desfoque dK também é apresentada na Tabela 1 para cada imagem de entrada. É possível observar, a partir dos resultados numéricos na Tabela 1, que o número de iterações necessário para restaurar as imagem está de acordo com a qualidade visual das cinco imagens. Além disso, a quantidade de desfoque dK está de acordo com a qualidade visual das imagens.

Outra alternativa para estimar a qualidade das imagens de entrada coloridas é aplicar o algoritmo de restauração separadamente nos componentes R, G e B. Geralmente, para uma imagem determinada, um número diferente de iterações pode ser obtido para os componentes R, G e B respectivamente. O índice final de qualidade correspondente a uma imagem de entrada é, por conseguinte, uma média do número de iterações para os componentes R, GeB. Esses resultados também são mostrados na Tabela 1.

A presente invenção pode ser aplicado em impressão móvel. Quando um usuário seleciona uma imagem para impressão, a qualidade daquela imagem é estimada de acordo com a invenção. Se a qualidade é baixa, um aviso sobre a baixa qualidade da imagem é mostrado para o usuário e o mesmo é interpelado sobre se deseja que a impressão seja continuada. A vantagem de usar o método para estimativa de qualidade da imagem é o fato de que na produção de um módulo de avaliação de qualidade, estão disponíveis tanto a imagem restaurada quanto o índice de qualidade. Desse modo, se a qualidade da imagem é fraca e o usuário ainda quer imprimi-la, não há necessidade de restaurar a imagem (a imagem restaurada já est á disponível).

Outro exemplo de uma situação em que a presente invenção pode ser aplicada é quando o usuário está capturando diversas imagens. A aplicação de câmera pode ser equipada com uma opção denominada "Verificação de Qualidade de Imagem". Se o usuário ativa essa opção, o algoritmo para estimativa de qualidade é aplicado em cada imagem capturada logo após a imagem em questão ter sido capturada. Se a qualidade da imagem capturada é suficientemente alta, a imagem é salva. De outra maneira, uma mensagem de advertência é mostrada para ρ usuário, sendo que duas opções são dadas ao mesmo; salvar a imagem da maneira que está ou obter outra ao invés dessa. Esse tipo de procedimento para "Verificação de Qualidade de Imagem" aumentará a satisfação do usuário devido ao fato de que somente imagens dotadas de uma qualidade suficientemente boa são salvas na memóna.

Um exemplo de um dispositivo é ilustrado na Figura 3. O dispositivo pode ser um telefone gerador de imagens, mas sistemas que compreendem qualquer módulo de câmera para geração de imagens digitais também podem utilizar a solução dessa descrição. Tais dispositivos incluem, por exemplo, câmeras da Web, câmeras de vídeo, câmeras de segurança e outros dispositivo de captura fixa digital ou de imagem de vídeo. O dispositivo 300 compreende um módulo de câmera 310, óptica ou outros meios que se comunicam com a óptica para captura de dados de geração de imagens. O dispositivo 300 também pode compreender meios de comunicação 320 dotados de um transmissor 321 e um receptor 322, ou pode ser conectado aos mesmos. Também pode haver outros meios de comunicação 380 dotados de um transmissor 381 e um receptor 382. O primeiro meio de comunicação 320 pode ser adaptado para telecomunicação e o outro meio de comunicação 380 pode ser um tipo de meio de comunicação a curta distância adequado para uso local e para comunicação com outro dispositivo. O dispositivo 300, de acordo com a Figura 3, compreende um visor 340 para exibir informações visuais e os dados de geração de imagens sendo capturados. Além disso, o dispositivo 300 pode compreende um meio de interação, como um teclado 350 para a entrada de dados, etc. Além de ou ao invés do teclado 350, o dispositivo pode compreender uma caneta, caso o visor seja sensível ao toque. O dispositivo 300 pode compreender, ainda, meios de áudi o 360, como um fone de ouvido e um microfone 362 e, de maneira opcional, um codificador/decodificador para codificação (e decodificação, se necessário) das informações de áudio. O dispositivo 300 também compreende uma unidade de controle 330 para controle funções e aplicações executadas no dispositivo 300. A unidade de controle 330 pode compreender um ou mais processadores (CPU, DSP), sendo que um desses é usado, por exemplo, para imagens. O dispositivo compreende, de modo adicional, uma memória 370 para armazenar, por exemplo, dados, aplicações e código de programa de computador.

O método pode ser implantado por um programa de computador que é armazenado no módulo de avaliação de qualidade. Em uso, o módulo de avaliação de qualidade pode ser disposto em um sistema de processamento de imagem no módulo de controle 330 do dispositivo.

Ficará evidente que variações e modificações dos exemplos da modalidade descrita são possíveis sem que se desvie do escopo da proteção da invenção conforme estabelecido nas reivindicações.

Claims

1. Método para determinar a qualidade de uma imagem, CARACTERIZADO pelo fato de que, ao menos, um componente de cor em uma imagem de entrada é restaurada de modo iterativo com um parâmetro de enfoque, sendo que tal parâmetro de enfoque é elevado a cada iteração, de maneira que a iteração é interrompida quando um ajuste óptico na imagem final supera um valor pré-determinado, em que o número de iterações é definido e a qualidade da imagem é determinada de acordo com o número de iterações.

2. Método, de acordo com a reivindicação 1, CARACTERIZADO pelo fato de que o número de iterações é definido como um índice de qualidade para a imagem.

3. Método, de acordo com a reivindicação 1, CARACTERIZADO pelo fato de que o número de iterações multiplicado à quantidade de desfoque definida pelo parâmetro de enfoque é definido como um índice de qualidade para a imagem.

4. Método, de acordo com a reivindicação 1, CARACTERIZADO pelo fato de que, quando mais de um componente de cor é restaurado de modo iterativo, o índice de qualidade para a imagem é a média do número de iterações dos ditos mais de um componente de cor.

5. Método, de acordo com quaisquer das reivindicações 1 a 4, CARACTERIZADO pelo fato de que a qualidade da imagem é determinada como inversamente proporcional ao número de iterações.

6. Método, de acordo com quaisquer das reivindicações 1 a 5, CARACTERIZADO pelo fato de que o valor pré-determinado é selecionado como uma função determinada do valor de pixel da imagem de entrada.

7. Método, de acordo com a reivindicação 6, CARACTERIZADO pelo fato de que o valor pré-determinado é uma porcentagem do valor máx imo de pixel da imagem de entrada.

8. Método, de acordo com quaisquer das reivindicações 1 a 7, CARACTERIZADO pelo fato de que a iteração é interrompida quando um ajuste ópico em um pixel da imagem final excede no valor pré-determinado.

9. Método, de acordo com quaisquer das reivindicações 1 a 8, CARACTERIZADO pelo fato de que a iteração é interrompida quando é calculada a média de um ajuste óptico de todos os pixels na imagem final, a qual compreende o ajuste óptico, e o ajuste óptico excede o valor pré-deteminado.

10. Método, de acordo com quaisquer das reivindicações 1 a 9, CARACTERIZADO pelo fato de que o componente de cor pertence a um sistema de cor RGB (vermelho, verde, azul).

11. Método, de acordo com quaisquer das reivindicações 1 a 10, CARACTERIZADO pelo fato de que o componente de cor é um componente de intensidade de um sistema de cor YUY.

12. Dispositivo para determinar a qualidade de uma imagem, CARACTERIZADO pelo fato de que compreende um sistema de processamento de imagem capaz de restaurar de modo iterativo, ao menos, um componente de cor em uma imagem de entrada com um parâmetro de enfoque e de aumentar o parâ metro de enfoque a cada iteração, sendo que o sistema de processamento de imagem é disposto de modo a interromper a iteração quando um ajuste φtico na imagem final supera um valor pré- determinado e é capaz de definir um número de iterações e determinar a qualidade da imagem de acordo com o número de iterações.

13. Dispositivo, de acordo com a reivindicação 12, CARACTERIZADO pelo fato de que o sistema de processamento de imagem é capaz de definir um índice de qualidade igual ao número de iterações.

14. Dispositivo, de acordo com a reivindicação 12, CARACTERIZADO pelo fato de que o sistema de processamento de imagem é capaz de definir um índice de qualidade igual ao número de iterações multiplicado à quantidade de enfoque definida pelo parâmetro de enfoq ue.

15. Dispositivo, de acordo com a reivindicação 12, CARACTERIZADO pelo fato de que, quando mais de um componente de cor é restaurado de modo iterativo, o sistema de processamento de imagem é capaz de definir um índice de qualidade igual à média do número de iterações dos ditos mais de um componente de cor.

16. Dispositivo, de acordo com quaisquer das reivindicações 12 a 15, CARACTERIZADO pelo fato de que o sistema de processamento de imagem é capaz de determinar a qualidade da imagem como inversamente proporcional ao número de iterações.

17. Dispositivo, de acordo com quaisquer das reivindicações 12 a 16, CARACTERIZADO pelo fato de que o valor pré-determinado é selecionado como uma função determinada do valor de pixel da imagem de entrada.

18. Dispositivo, de acordo com a reivindicação 17, CARACTERIZADO pelo fato de que o valor pré-determinado é uma porcentagem do valor máximo de pixel da imagem de entrada.

19. Dispositivo, de acordo com quaisquer das reivindicações 12 a 18, CARACTERIZADO pelo fato de que o sistema de processamento de imagem é disposto para interromper a iteração quando um ajuste óptico em um pixel da imagem final excede no valor pré-determinado.

20. Dispositivo, de acordo com quaisquer das reivindicações 12 a 19, CARACTERIZADO pelo fato de que o sistema de processamento de imagem é capaz de calcular a média de todos os pixels que compreende ajuste óptico na imagem final e de interromper a iteração quando um ajuste óptico médio excede o valor pré-determinado.

21. Dispositivo, de acordo com quaisquer das reivindicações 12 a 20, CARACTERIZADO pelo fato de que compreende um módulo de câmera.

22. Dispositivo, de acordo com quaisquer das reivindicações 12 a 21, CARACTERIZADO pelo fato de que é capacitado para telecomunicações.

23. Dispositivo, de acordo com quaisquer das reivindicações 12 a 22, CARACTERIZADO pelo fato de que o componente de cor pertence a um sistema de cor RGB (vermelho, verde, azul).

24. Dispositivo, de acordo com quaisquer das reivindicações 12 a 23, CARACTERIZADO pelo fato de que o componente de cor é um componente de intensidade de um sistema de cor YUV.

25. Módulo de avaliação de qualidade de imagem para determinar a qualidade de uma imagem, CARACTERIZADO pelo fato de que é capaz de restaurar de modo iterativo, ao menos, um componente de cor em uma imagem de entrada com um parâmetro de enfoque e de aumentar o parâmetro de enfoque a cada iteração, sendo que tal módub de avaliação de qualidade de imagem é disposto de modo a interromper a iteração quando um ajuste ópico na imagem final supera um valor pré-determinado, sendo que módulo de avaliação de qualidade de imagem é capaz, adicionalmente, de definir um número de iterações e determinar a qualidade da imagem de acordo com o número de iterações.

26. Módulo de avaliação de qualidade de imagem, de acordo com a reivindicação 25, CARACTERIZADO pelo fato de que é disposto no sistema de processamento de imagem de um dispositivo eletrônico.

27. Produto de programa de computador para determinar a qualidade de uma imagem, CARACTERIZADO pelo fato de que compreende um código de computador armazenado em um meio de comunicação legível adaptado para, quando executado em um computador, restaurar de modo iterativo, ao menos, um componente de cor em uma imagem de entrada com um parâmetro de enfoque, elevar o parâmetro de enfoque a cada iteração, interromper a iteração quando um ajuste óptico na imagem final supera um valor pré-determinado, definir um número de iterações e determinar a qualidade da imagem de acordo com o número de iterações.