CN101076811A - 自动确定数字图像的可接受性 - Google Patents

自动确定数字图像的可接受性 Download PDF

Info

Publication number
CN101076811A
CN101076811A CNA2005800425072A CN200580042507A CN101076811A CN 101076811 A CN101076811 A CN 101076811A CN A2005800425072 A CNA2005800425072 A CN A2005800425072A CN 200580042507 A CN200580042507 A CN 200580042507A CN 101076811 A CN101076811 A CN 101076811A
Authority
CN
China
Prior art keywords
edge
input picture
image
requires
acceptability
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
CNA2005800425072A
Other languages
English (en)
Inventor
J·R·尼德鲍默
E·A·费多洛夫斯卡亚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Eastman Kodak Co
Original Assignee
Eastman Kodak Co
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 Eastman Kodak Co filed Critical Eastman Kodak Co
Publication of CN101076811A publication Critical patent/CN101076811A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/993—Evaluation of the quality of the acquired pattern
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Control Of Exposure In Printing And Copying (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

一种用于自动确定输入图像对像打印这样的预定输出操作的可接受性的方法，包括以下步骤：(a)识别输入图像中的一个或多个重要的区域；(b)对每个重要区域计算突出的可接受性特征；(c)从重要区域的突出的可接受性特征确定输入图像的可接受性；以及(d)根据在步骤(c)中确定的输入图像的可接受性实施预定的输出操作。

Description

自动确定数字图像的可接受性
发明领域
本发明涉及数字图像处理领域，更具体地，涉及自动确定数字输出图像的可接受性。
发明背景
在使用传统的照相机或数码照相机以及诸如医疗成像设备那样的其它常规的成像设备而获取的图像中间，有些图像属于低于客户可接受的质量水平的要求。例如，已经发现，在提交给照片打印处理者(photofinisher)的所有的彩色负片中间，有某些负片在打印时产生质量非常差的照片。
根据本地适销性政策和有关标准技术规范与顾客的协定，这样的图像通常不能卖给顾客。通常有几类这样的照片。例如，一类被称为“不合格品”类别，包括主要是空白的图像、严重欠曝光或过曝光图像、和聚焦极差的图像。其它类别可包括其中主要对象的位置不合适的图像，诸如当人的头被切掉和/或眼睛是看不见时，或其中图像仅仅中度模糊或嘈杂但仍然是不可接受的。另外，用数码照相机获取的某些图像可能具有非常差的鲜明度，这在把图像交付打印之前可能不容易由观看图像的用户例如在照相机的预览的屏幕上检测到的。另外，某些医学图像受到低鲜明度和诸如噪声那样的其它问题影响，不能由放射师用于检查。在这种情形下，及时地识别问题，使得能以对病人方便的方式重新拍摄图像是有利的。
在所有的所描述的例子中，检测具有不可接受的鲜明度水平的图像是有用的操作，可以导致节省费用和时间的好处。
用于检测不可接受的图像的当前的方法主要依赖于对于每个照片的视觉检查。自动识别这些图像，将为照片打印处理者以及那些在家中或经由在线服务打印他们的图像的用户提供节省费用上的好处。
在题目为“Output Method and Apparatus for Estimate ImageQuality Prior to Output(在输出以前估计图像质量的输出方法和设备)”和在2000年2月22日以Nakao名义颁发的美国专利号No.6,028,676中，所公开的方法处理从主计算机到打印机的数据转移的问题，其中图像数据的数量是很大的，打印机可能没有足够的存储器来存储所有的数据。所以，该方法提出在把打印数据传送到打印机之前估计最终对图像质量的影响。在这种情形下，文件大小可以是潜在问题的指示符，例如，初始的高分辨率图像如果打印，是否会具有劣质的质量。根据这样的估计，输出设备和方法事先确定是否要传送打印用的数据、打印数据、或向操作员提供显示以表示输出图像将具有劣质质量。因此该方法打算考虑到打印设备的存储器限制，这种限制对于输出图像质量会有有害的影响。因此，虽然假设对打印过程的限制可能预防输入图像在没有足够的质量的情况下被输出，但所公开的方法不适用于根据它们的原先的质量区分图像。因此，它不能用来防止打印可能是浪费的图像，因为如果打印机存储器是足够的话，原先低质量的可能是浪费的图像仍旧会被打印。
题目为“Digital Image Processing with Indication to User ofHardcopy Output Image Quality(带有用户对硬拷贝输出图像质量的指示的数字图像处理)”和在2000年1月25日以Cloutier和Wheeler名义颁发的美国专利号No.6,018,397公开了用于确定可接受的硬拷贝打印质量水平的极限水平的方法。这个方法牵涉到根据选择的打印尺寸确定质量并打印放大，以及当所确定的打印图像质量将是不满意时，在生成硬件拷贝打印之前向用户提供警告以提醒用户。与上述的美国专利No.6028676在以上描述的相似，这个方法不打算根据输入图像的可变的质量来预测输出打印可接受性，而是假设输入质量是高水平的，并考虑用户选择的放大水平和想要的图像尺寸作为可能导致不满意的打印质量的因素。
在题目为“System and Method for Automatically Processing ImageData to Provide Images of Optimal Perceptual Quality(用于自动处理图像数据以提供最佳感知质量的图像的系统和方法)”和在1997年12月2日以Cottrell等名义发布的美国专利号No.5,694,484中，图像处理系统进行一系列选择的图像处理操作而自动优化图像的感知质量。系统考虑到由其生成图像来源的模式(profile)，预期的用途模式，和图像处理操作(单独地或一致地)对感知的图像质量的影响。所描述的系统使用链接图像质量的人的感知与目标度量值(诸如鲜明度、粒度、色调和彩色)的关系来改变在所请求的图像处理操作中的一系列参数，以便自动优化最终得到的图像的图像质量。通过控制在请求的图像处理操作中的一系列参数，它自动工作以使最终得到的图像的主观质量最优。然而，虽然输入图像在处理阶段对它们的质量作了最佳化，但所公开的系统没有根据可接受性标准评估原先的输入质量，来确定原先的图像是否应当在输出阶段不同地对待，即，原先的图像是否值得处理和首先作为打印被输出。
在题目为“A Method for Automatically Detecting Digital Imagethat are Undesirable for Placing in Albums(用于自动检测不希望放置在照相本中的数字图像的方法)”和在2003年3月18日以Savakis和Loui名义颁发的、共同转让的美国专利号No.6,535,636中，该专利在此引用以供参考，其中公开了对数字图像自动分类为不合格品(或浪费的图像)的方法。这个方法是基于几个图像特性的计算的单独的或者组合的评估，包括鲜明度、对比度、噪声以及数字图像的曝光。对于与对比度有关的评估，使用从边缘轮廓提取的强度直方图的标准偏差的测量值，而对于与噪声有关的评估，使用来自一部分图像的像素的标准偏差。关于鲜明度有关的评估，该方法包括得到图像的边缘轮廓，计算来自边缘轮廓的直方图，定位边缘直方图的预定的边缘，和计算预定的边缘的梯度的重心以确定边缘梯度的中值。因此由于不可接受的鲜明度而造成的不合格品图像通过使用边缘密度的度量值而被识别。然而，人们可以预期，具有稍微模糊(weak)边缘的图像仍是可接受的，诸如具有水和天空的情景，或不太模糊的图像。相反，在一个局部区域具有明显(strong)边缘的图像如果图像的其余部分总的不鲜明，特别是其中主要对象是不鲜明的，则仍旧只有非常低的质量。在这些情形下，所建议的措施不能很好地实施。所公开的方法的另一个缺点是当因为严重的欠曝光和过曝光发生边缘恶化作为一个二次问题时，必须采取不同的措施，诸如对比度或欠曝光估计。在这些情形下，观察者可以感觉到边缘模糊并按这样地报告它们；然而，根据边缘梯度估计的鲜明度测量值不足以确定图像的可接受性。
因此，需要开发一种自动确定数字图像的可接受性的更可靠的方法，特别是为了打印而提交的那些图像，和特别是因为鲜明度方面的问题。
发明概要
本发明的目的是开发一种用于自动确定数字图像的可接受性的更可靠的方法。本发明的另一个目的是开发一种用于自动确定为打印而提交的数字图像的可接受性的更可靠的方法，特别是因为鲜明度方面的问题。
本发明的目的是克服上述的一个或多个问题。概括而言，按照本发明的一个方面，本发明归结为一种为预定的输出操作自动确定输入图像的可接受性的方法。该方法包括以下步骤：(a)识别输入图像中的一个或多个重要区域；(b)计算对于每个重要区域的突出的可接受性特征；(c)从重要区域的突出的可接受性特征确定输入图像的可接受性；(d)根据在步骤(c)中确定的输入图像的可接受性实施预定的输出操作。
另一方面，本发明归结为一个为预定的输出操作自动确定输入图像的可接受性的系统，该系统包括：输入级，用于识别输入图像中的一个或多个重要区域；处理级，用于(a)计算对于每个重要区域的突出的可接受性特征和(b)从重要区域的突出的可接受性特征确定输入图像的可接受性；以及输出级，用于根据在处理级中确定的输入图像的可接受性实施预定的输出操作。
本发明的技术优点在于，它提供用于检测由于在拍摄时发生的聚焦不良以及严重的过曝光和欠曝光造成的不可接受的图像的装置，它们的每一种都影响边缘特性，以及与现有的算法相比较，允许改进的和更精确地识别这些打印。该方法同时提供了高精度地检测不可接受的图像和低的虚假报警水平，这大大地消除视觉检查的必要性，并为照片打印处理者以及那些在家中或经由在线服务打印他们的图像的客户提供节省费用的好处。
附图简述
图1是用于实施本发明的计算机系统的透视图。
图2显示用于边缘检测的阈值的选择。
图3是显示本发明的优选实施例流程图。
图4A是显示如图3所示的、用于识别和提取图像上的重要区域的方法的进一步细节的流程图。
图4B是显示如图3所示的、用于识别和提取图像上的重要区域的方法的另一个实施例的细节的流程图。
图4C是显示如图3所示的、用于识别和提取图像上的重要区域的方法的另一个实施例的细节的流程图。
图4D是显示如图3所示的、用于识别和提取图像上重要区域的方法的另一个实施例的细节的流程图。
图5是显示如图3所示的、用于计算突出的可接受性特征的方法的进一步的细节的流程图。
图6显示对于图像的重要区域得到的边缘图。
发明详细说明
在以下的说明中，本发明在优选实施例中以软件程序被描述。本领域技术人员将容易看到，这样的软件的等价物也可以用硬件构建。因为图像处理算法和系统是熟知的，本说明具体地针对的是算法和系统，它们形成按照本发明的系统和方法的一部分或更直接地与系统和方法合作的算法和系统。用于产生和处理这里牵涉到的、但这里没有具体地示出或描述的图像信号的这样的算法和系统以及硬件和/或软件的其它方面，可以从在技术上已知的这样的系统、算法、部件和单元中选择。在以下的材料中已知按照本发明所描述的系统后，对于实施本发明是有用的、但这里未具体显示、提出或描述的软件是常规的并在这样的技术的一般水平的范围内。
另外，正如这里使用的，计算机程序可以存储在计算机可读的存储媒体，它例如可包括磁存储媒体，诸如磁盘(诸如硬盘或软盘)或磁带；光存储媒体，诸如光盘、光带、或机器可读的条形码；固态电子贮藏器件，诸如随机存取存储器(RAM)或只读存储器(ROM)；或用来存储计算机程序的其它物理器件或媒体。
在描述本发明之前，应当指出，本发明优选地在任何熟知的计算机系统，诸如个人计算机上被利用。还有益地指出，图像或者直接输入到计算机系统(例如，通过数码照相机)或者在输入到计算机系统之前被数字化(例如，通过扫描原先的诸如卤化银胶片上的图像)。
参照图1，图上显示用于实施本发明的计算机系统110。虽然该计算机系统110是为了说明优选实施例而被显示，但本发明并不限于所显示的计算机系统，而是可以在诸如在家庭计算机、售货亭、零散或整批照相打印，或用于处理数字图像的任何其它类型的系统中发现的任何电子处理系统上使用。计算机系统110包括基于微处理器的单元112，用于接收和处理软件程序和用于执行其它处理功能。显示器114被电连接到基于微处理器的单元112，用于例如通过图形用户接口显示与软件有关的涉及用户的信息。键盘116也连接到基于微处理器的单元112，以允许用户向软件输入信息。作为为输入而使用键盘116的替换例，可以使用鼠标118以便在显示器116上移动选择器120和用于选择与选择器120重叠的项目，正如技术上熟知的。
典型地含有软件程序的光盘-只读存储器(CD-ROM)124被插入到基于微处理器的单元112，用于向基于微处理器的单元112的装置提供输入软件程序和其它信息。另外，软盘126还可含有软件程序，该软盘被插入到基于微处理器的单元112以输入软件程序。光盘-只读存储器(CD-ROM)124或软盘126可以替换地插入到位于外部的盘驱动单元122，它被连接到基于微处理器的单元112。再者，基于微处理器的单元112可以被编程，正如技术上熟知的，用于在内部存储软件程序。基于微处理器的单元112还可以具有如电话线那样的网络连接127以便连接到外部网络，诸如局域网或因特网。打印机128被连接到基于微处理器的单元112，用于打印计算机系统110输出的硬拷贝，应当指出，打印机128可以是台式打印机，诸如喷墨打印机或激光打印机，或可以是精巧的照片打印设备，它适用于在零售商店、售货亭、在线或整批照相工业中产生打印的照片。
图像也可以经由个人计算机卡(PC卡)130(诸如，正如以前已知的，包含在卡130中以电子方式体现的数字化图像的PCMCIA卡(根据个人计算机存储器卡国际协会的技术规范))在显示器114上被显示。PC卡130被插入到基于微处理器的单元112以允许在显示器114上可视地显示图像。替换地，PC卡130可被插入到位于外部但连接到基于微处理器的单元112的PC卡读卡器132。图像也可以经由光盘124、软盘126或网络连接127输入。存储在PC卡130、软盘126、或光盘124，或通过网络连接127输入的任何图像可以从各种各样的源，诸如数码照相机134或扫描仪(未示出)得到的。
图像也可以经由被连接到基于微处理器的单元112的照相机对接端口136直接从数码照相机134输入或经由与基于微处理器的单元112的电缆连接138或经由与基于微处理器的单元112的无线连接140直接从数码照相机134输入。
按照本发明，算法可被存储在以前描述的任何存储装置，然后被应用于图像，以便自动对预定的输出操作的图像确定可接受性，例如根据自动计算图像上边缘密度的测量值确定鲜明度方面的图像可接受性。
在本发明的优选实施例中公开的具体的算法，诸如用于自动确定数字图像的可接受性的方法，可以在各种各样的用户上下文和环境中被利用。示例性上下文和环境包括但不限于整批数字照相打印(这涉及到示例性处理步骤或阶段，诸如胶片输入，数字处理，打印照片输出)、零售数字照相打印(胶片输入，数字处理，打印照片输出)、家庭打印(家庭扫描胶片或数字图像，数字处理，打印照片输出)、台式软件(软件把算法施加到数字打印，使得它们更好，或甚至只是改变它们)、数字实现(数字图像输入——从媒体或通过网络，数字处理，图像输出——以媒体上的数字形式，通过网络的数字形式，或打印在硬件拷贝打印纸上)、售货亭(数字或扫描输入，数字处理，数字或扫描输出)、医学成像系统、移动设备(例如，PDA或蜂窝电话，它可用作为处理单元，显示单元，或给出处理命令的单元)、以及作为经由万维网提供的服务。
在每种情形下，自动确定数字图像的可接受性的算法可以是单独的，或可以是较大的系统解决方案的一个部件。另外，与算法的接口，例如扫描或输入，数字处理，显示给用户(如果需要的话)，用户请求或处理指令的输入(如果需要的话)，输出，它们每个可以是处在同一个或不同的设备中和物理位置，以及在设备与位置之间的通信可以经由公共或专用网络连接，或基于媒体的通信。在与本发明的以上的公开内容一致的场合下，算法本身可以完全自动化，可以有用户输入(不论是全部或部分地人工的)，可以由用户或操作员来检查以接收/拒绝该结果，或可以由元数据协助(元数据可以是用户提供的，由测量设备(例如在照相机中)提供的，或由算法确定)。而且，算法可以与各种各样工作流用户接口方案接口。
按照本发明的用于自动确定数字图像的可接受性的方法的这里公开的算法可以具有利用各种数据检测和缩减技术的内部部件，诸如面孔检测、皮肤检测、人物检测、其它对象检测，它们在解释图像中描绘的情景是主要的，例如，用于生日聚会图像的生日蛋糕、或表征性的图像，诸如在医学图像的情形下摄取特定的身体部分。
本发明主要被设计成在打印图像输出之前检测从彩色负片产生的、具有差的鲜明度的图像的方法，以便消除来自打印过程的不想要的打印照片，从而为照相打印者提供成本效益。然而，正如已说明的，这个方法可以在各种各样的用户上下文和环境下使用。在一些附加的上下文中，这个方法可用于评估源由来自彩色翻转片，所有种类的数码照相机、X射线照相图像源和其它数字成像设备的图像，诸如原始的数字图形。
在本发明的范围内的鲜明度被定义为携带足够数目的鲜明边缘的图像的特性。充分性准则可以通过考虑各种各样的图像以实验方式确定，包括可接受的以及不可接受的质量的图像。这样的定义允许解释和随后识别几组低质量图像因为鲜明度而作为不可接受的：典型地，这些组包括具有聚焦很差的图像、完全或多半是空白的图像，以及严重欠曝光和过曝光图像。所有这些图像组缺乏鲜明的边缘。
为了定位图像的边缘，可以利用几个标准边缘检测算法。这些技术通过计算偏导数(local derivative)算子而识别在具有不同的灰度特性的区域(被解释为边缘)之间的过渡点。取决于实施方案，偏导数算子近似于在图像的给定的像素或位置处的梯度(诸如Sobel算子)或拉普拉斯(诸如Marr和Hildreth算法，在以下文章中描述：“Theoryof Edge Detection(边缘检测的理论)”，Proceedings of the Royal Societyof London，vol.B207，pp.187-217，1980，该文章在此引用以供参考)。
提供鲁棒的检测性能的另一个边缘算法是Canny边缘检测算法。这个算法在以下文章中描述：J.F.Canny，“A Computation Approach toEdge Detection(边缘检测的计算方法)”，IEEE Transactions on PatternAnalysis and Machine Intelligence，8，pp.769-798，1986，该文章在此引用以供参考。Canny在几个不同的取向上使用一阶差分算子，而不是单个二阶差分算子，来确定梯度的局部最大值。另外，Canny算法选择明显的边缘和仅仅和该明显的边缘相连的那些模糊的边缘。Canny方法的有利的特性在于，与上述的边缘检测技术相比较，允许更好地区分真正的模糊边缘与噪声。
为了提供成功的边缘检测，几个参数必须被最佳化，即，梯度阈值。这些阈值确定图像上的哪些像素代表真正的边缘，包括明显的和模糊的，以及哪些像素被认为上噪声。梯度的较高的阈值仅用来考虑边缘具有相对较高的梯度，例如，高于92％。为了包括与明显的边缘相连接的某些较模糊的边缘，使用较低的阈值，诸如，例如较高的阈值的0.75倍。这些考虑显示于图2。
Canny边缘检测方法的一个实施方案可以在熟知的软件包“Matlab”中找到。在这个实施方案中，在“强度”图像上执行Canny边缘检测，其中像素值的范围是从0到1。得到这样的强度图像的一个方法是使图像像素值按初始的图像中找到的最大像素值归一化。另一个方法是以某种与感知相关的形式表示图像，它实际上反映像素的感知的“强度”。这例如可以通过把数字图像转换成L*值而完成，其中L*表示法在文献中被称为感知上均匀的亮度尺度的近似。L*值按照CIE1976公式进行计算：L*＝116(Y/Yw)1/3-16，其中Y和Yw是给定的像素和所使用的参考白色的Y三色值。对于小于0.008856的Y/Yw的数值，L*值通过下式L*＝903.3(Y/Yw)进行计算。关于所使用的公式的更多的信息可以在以下书中找到：R.W.G.Hunt：The Reproduction of Colour(彩色重现)，5th edition，Fountain Press，England，1995.L*表示法的使用允许检测与感知有关的或按照感知情形表示的、诸如边缘的特性。
还应当指出，其它表示法可以容易地使用于边缘检测算法，包括但不限于诸如归一化的r，g，和b图像、图像的绿色信道、亮度图像、以相对打印密度表示的图像、或以打印代码值表示的图像等等表示法。在每种情形下，选择适用于图像表示法空间的阈值和参数。
现在参照图3，这里显示的流程图显示按照本发明的、用于根据从图像的重要区域提取的突出的可接受性特征，例如边缘出现度量值，确定一个或多个图像的可接受性的方法的操作。
如图所示，在步骤210，方法从接收数字形式的图像开始，该图像在本说明中此后被称为输入图像。接着，输入图像被转换成优选的格式，用于进一步处理(步骤212)。在优选实施例中，优选的格式是亮度的估值L*，它是通过使用以上讨论的方法和关于输出显示器特性的信息按照CIE 1976公式被计算的(步骤214)，其中显示器可以是监视器屏幕、打印纸系统、或具有已知的特性的某些其它显示系统。在替换实施例中，步骤212和214的图像到亮度尺度的转换可以省略，或用转换到不同的格式代替，诸如归一化的r，g，和b，相对打印密度，或以前提到的其它公式。在每种情形下，在随后的步骤中描述的分析在所选的格式内执行。
在步骤216，图像中的重要区域被识别和被提取，用于进一步分析。应当指出，在步骤216中出现的处理过程，优选实施例被更详细地显示于图4A，而替换实施例被更详细地显示于图4B-4D。
现在参照图4A，图上显示在步骤216中出现的关于输入图像中重要区域的识别的详细的处理过程。这里显示的方法是基于这样的假设：即包含用于确定输出可接受性的重要的信息的区域拥有最大的数目的最鲜明的边缘。在步骤310，对输入图像进行欠采样，以得到供分析用的低分辨率图像。欠采样可以使用任何可得到的内插方法来执行。优选实施例使用4×4块平均技术。欠采样有利地减小处理时间和去除噪声，这常常是妨碍边缘检测的因素。
接着，对低分辨率分析图像实施边缘检测算法(步骤312)，诸如Canny方法。如前所述，Canny边缘检测算法利用一个或多个优化的阈值。这样的阈值是对于该具体情形定做的，因此可以没有限制地取各种各样的值，以便覆盖本发明。在优选实施例中，设置了较高的梯度阈值，以便只考虑具有较高梯度(例如，92％以上)的那些边缘。另外，较低的阈值用来把与明显的边缘连接的某些较模糊的边缘包括在内(例如，在较低的阈值是较高的阈值的75％的数值的场合下)。
在替换实施例中，这些阈值可以取决于图像噪声。在这种情形下，当图像具有较高的噪声电平时，阈值将被调节为获取边缘的较少部分，设想这将可以阻止许多嘈杂的边缘像素的错误的检测。在再一个替换实施例中，在边缘检测之前可以把平滑滤波器用到低分辨率分析图像(或输入图像)，以便减小噪声。在这种情形下，可以根据噪声电平调节这种滤波器的参数。通常使用的滤波器的一个例子是高斯模糊滤波器，其中标准偏差的数值可以根据噪声来调节。
根据来自以前的步骤的与像素有关的边缘数据，在步骤314构建边缘图。这个边缘图然后被再划分成预定数目的块(在步骤316)，例如8×8块的数组，然后对每个块中的边缘像素的数目计数。接着，识别边缘像素数为最多的块。在优选实施例中，识别顶部三个块的位置(步骤318)。应当指出，虽然块的最佳数目(三个)是通过检查图像的大的数据库而被确定的，但也可以使用不同数目的块，例如两个块或三个以上的块。也可以附加上其它的块来作进一步分析。例如，在边缘图中表示的所有的边缘像素中间可以另外选择包含具有最大梯度值的边缘像素的块。替换地(或另外)，通过构建围绕中心点的块，也可以包括图像的中心部分，假设图像的中心区域典型地包含照片的主要的对象。
在步骤320，在低分辨率图像中识别的块的位置然后被用来选择在完全分辨率输入图像中类似的位置的块，以便提取重要区域作进一步处理。在优选实施例中，在输入图像上选择总共三个样本区域，每个具有输入图像的1/8×1/8的相同的尺寸。这些样本区域相应于在步骤318中识别的三个块。这些区域在输入图像上的位置是通过把在低分辨率图像中的适当的块的坐标转换成在输入图像中相应的坐标而被确定的。如前所述，可以提取另外的图像区域，诸如包含最大梯度像素的块或中心块。
虽然要实现的实施例使用用鲜明的边缘来标识重要图像区域的这种假设，但可以使用替换的方法来识别包含照片中的重要的信息的某些分段或所有的分段。例如，可以使用检测图像中主要对象的算法(如图4B所示)，因为主要对象的呈现常常是最影响打印图像的可接受性的那个部分。一个这样的算法在题目为“Method for AutomaticallyDetermination of Main Subjects in Photographic Image(用于自动确定照相图像中的主要对象的方法)”和在2001年8月28日以Luo等的名义颁布的、共同转让的美国专利号No.6,282,317中被公开，该专利的公开内容在此引用以供参考。这个算法通过识别肤色、面孔、天空、草地等等作为语义的突出特征以及与彩色、纹理结构、亮度等等有关的“结构的”突出特征和然后组合这些特征生成置信图而自动检测照相图像中的主要的对象。
用于选择另外的可接受性决定的区域的另一个有用的图像处理技术在题目为“Image Processing Method for Detecting Human Figures ina Digital Image(用于检测数字图像中人的图形的图像处理方法)”和在2004年2月24日以Luo的名义颁发的、共同转让的美国专利号No.6,697,502中被公开，该专利的公开内容在此引用以供参考。这个算法提供在数字彩色图像中对人的图形的检测。该算法首先执行把图像分段成均匀彩色或纹理的非重叠区域，随后检测人的皮肤颜色的候选区域和人的面孔的候选区域；然后对于每个候选的面孔区域，通过按照预定的图形模型把面孔区域附近的区域分组，并对人的皮肤颜色区域作为重点而构建人的图形。
关于主要对象检测，图4B显示替换实施例，其中输入图像的重要区域通过使用上述的主要对象检测算法而被识别。如图所示，在步骤410，输入图像由在以上引述的美国专利No.6,282,317中描述的主要对象检测算法进行处理。替换地，主要对象可以使用低分辨率图像来识别以减小处理时间。在这种情形下，输入图像被欠采样，得到供分析用的低分辨率图像，类似于图4A的步骤310。因此，创建映射图，并识别在映射图上相应于照相的主要对象的位置的区域(步骤412)。(应当指出，不像在优选实施例中那样，不必把映射图划分成块。)在步骤414，输入图像通过提取相应于主要对象的识别的位置的主要的区域而被进一步分析。替换地，当整个处理是在低分辨率图像上进行时，包含主要对象的重要区域是从低分辨率图像中提取的。
在步骤216中所采用的方法的这个部分的另一个替换实施例中，重要区域可以通过其它方法来识别，例如通过提供有关这些区域的位置的信息(如图4C所示)。这个信息可以通过推导出一个或多个重要区域的坐标(步骤510)来提供，例如通过人工点击所显示的图像的区域或画出这些区域的轮廓等，或通过预规定的区域的坐标而自动提供。这些重要区域然后在步骤512从输入图像被提取。这个方法在医学成像中特别有用。
在图4D所示的另一个替换实施例中，当重要区域可以通过利用监视用户当他或她观看图像时眼睛的注视程度而被识别。在图像的不同的区域中的注视频度和持续时间与它们的对象重要性之间的关系在一些研究中被论证。因此，G.T.Buswell在题目为“How People Look atPicture(人们如何注视照片)”，The University of Chicago Press，Chicago，1935中，和A.L.Yarbus，“Eye Movements and Vision(眼睛运动和视觉)”(B.Haigh，Trans.)，Plenum Press，New York，1967揭示，人们把他们的眼睛主要固定在他们认为是照相或图画中的重要的单元。这个研究表示，情景单元对于用户的重要性可以通过获取他们的眼睛注视和使用在情景内特定的目标上固定的出现频率和/或持续时间而确定。用于获取眼睛注视而同时用数码照相机拍摄照片的方法和系统在题目为“Method and Computer Program Product for Determining an Area ofImportance in an Image Using Eye Monitoring Information(通过使用眼睛监视信息确定重要性区域的方法和计算机程序产品)”和在2004年5月27日公开的、共同指定的美国专利申请公布号No.US 2004/0103111A1，和题目为“Camera System with Eye Monitoring(带有眼睛监视的照相机系统)”和在2004年5月27日公开的美国专利申请公布号No.US2004/0100567 A1中描述，这两个专利申请的公开内容在此引用以供参考。同样，提出了在监视消费者对于在显示器屏幕上呈现的情景的反应时使用眼睛凝视跟踪；这方面的一个例子是使用由IBM公司，Armonk，New York，USA销售的蓝眼照相机。
现在参照图4D，根据眼睛凝视跟踪得到眼睛注视映射图(步骤610)。接着，识别具有最高数目的眼睛注视的区域。识别这样的区域的一个方法可以是基于首先把输入图像再划分成多个矩形块，随后识别具有最高数目的眼睛注视的块的位置。替换地，图像可以一开始通过使用由Luo，Gray和Lee在“Towards Physics-based Segmentation ofPhotographic Color Images(照相的彩色图像的基于物理的分段)”，Proc.IEEE Int.Conf.Image Process.，1997中建议的未监管集群技术来分段，该文章在此引用以供参考。随后，对于每个所得分段的眼睛注视数进行计数，然后识别和提取最高分段作为图像的重要区域(步骤612)。类似地，重要区域可以根据注视持续时间来识别，而不是根据它们的出现频率或根据两个信号的组合。
接着，回到图3，在步骤218计算一个或多个突出的可接受性特征。应当指出，对于本发明的优选实施例，在步骤218中出现的处理更详细地示于图5，其中边缘出现度量值被用作为突出的可接受性特征。因此，在边缘出现度量值被用作为突出的可接受性特征的场合下，在步骤710，通过实施诸如上述的Canny边缘检测方法那样的边缘检测算法得到输入图像经识别的重要区域的边缘映射图。在替换实施例中，在步骤710可以使用不同的边缘检测方法(诸如，Sobel或拉普拉斯算子，或其它可利用的技术)。在步骤710中应用的Canny边缘检测方法可以另外利用被设计来减小图像噪声的平滑滤波器，因为在经识别的重要区域中存在的噪声会因生成多个“虚假”边缘而妨碍“真正的”边缘的检测。在优选实施例中使用具有5×5的核心尺寸的简单的平均滤波器来对付这种噪声。然而，本领域技术人员将会看到，其它滤波操作也可以容易地实施。在优选实施例中，设置了用于构建边缘映射图的较高的和较低的阈值以识别对较高阈值具有高于85％的梯度的明显的边缘和具有大于40％的梯度的较模糊的边缘。在示例性图像中对于一个重要区域构建的这样的边缘映射图的例子显示于图6。边缘像素由白色表示，而非边缘像素被画成黑色。
使用在步骤710中得到的边缘映射图，在步骤712，对于每个区域计算边缘出现的度量值。在优选实施例中使用的这样一个度量值表示边缘像素的密度。这个度量值是作为每个区域在边缘映射图上的边缘像素数与该区域在边缘映射图上像素的总数之间的比值而计算的。边缘密度计算有助于把这样的因素作为输入数字图像的不同的尺寸和分辨率来考虑。具有这样不同分辨率的输入图像的一个例子是扫描后的APS与35mm胶卷帧的对比。在替换实施例中，边缘像素的数目可用作为步骤712的边缘出现的度量值，特别是当输入图像在它们的分辨率或尺寸方面具有类似特性时。
在步骤714，计算在所有的选择的区域边缘映射图上边缘出现的统计度量值。在本发明的优选实施例中，使用在步骤712计算的边缘出现的平均值，尤其是，边缘密度的平均值。也可以应用对于边缘出现值的不同的统计度量值(诸如中值或最大值)。在再一个替换实施例中，可以构建统计度量值以利用边缘出现的不同的度量值，诸如在每个区域中的边缘像素的数目，而不是边缘密度参数。
边缘出现度量值表示在图像中的典型的突出特性的一个例子，它对确定由于鲜明度问题造成的总的图像可接受性是重要的。在替换实施例中，也可以对于重要区域或者单独地或者组合地计算其它特性，诸如对于梯度值、拉普拉斯值、边缘高度、或边缘宽度值的分布的统计度量值。
更加适合于因其它因素，(例如噪声、对比度、彩色呈现、过曝光、欠曝光)而作出可接受性决定的其它突出的特性，以及相对于图像的重要区域的目标质量度量值，也可以使用各种现有的技术来识别。用于识别对于噪声、对比度、鲜明度、曝光和目标质量的突出的特征的方法在以前提到的共同转让的美国专利No.6,535,636中公开，该专利在此引用以供参考。当通过使用上述的主要对象检测算法识别图像的重要区域时，可以容易地计算表示彩色呈现的突出的特征。在这种情形下，这些特征分开地或组合地表示对色调、色度(或饱和)或亮度分布的统计度量值。
回到图3，在步骤218得到的计算出的突出的可接受性特征，在步骤220与预定的阈值进行比较。例如，但不意味着对本发明的范围的任何种类的限制，在优选实施例中，在步骤218得到的突出的可接受性特征是出现的边缘度量值，以及对出现边缘度量值的有用的阈值，如由平均边缘密度值表示，是0.00072的数值。这个阈值是在步骤222通过分析包含各种各样可接受的和不可接受的图像的图像数据库而确定的。当对于选择的突出的可接受性特征的数值大于或等于阈值时，则输入图像被认为对于打算像打印那样的用途是不可接受的。如果选择的突出的可接受性特性小于阈值，则图像被认为是合适的。显然，可以根据具体的情形下使用许多其它阈值，不打算通过对这样一个数值的说明来加以限制。
在对重要区域计算不同的突出的可接受性特征(诸如，单独地或组合地对梯度值、拉普拉斯值、边缘高度或边缘宽度值的统计度量值，或反映噪声、鲜明度、对比度、彩色呈现或目标质量的特征)的替换实施例中，对所使用的具体的突出的特征在步骤222确定适当的阈值。
最后，根据在步骤220执行的分类，在步骤224，对于图像使用作出决定，例如允许进行在步骤226概述的几个预定的输出操作之一。例如，不可接受的图像可以从打印级被去除，不进行打印(步骤226a)。在数码照相机内使用按照本发明的方法的情形下，这种决定可以是删除图像，优选地响应于用户删除图像的建议(226c)，和/或得到用户的同意，或建议用户重新摄取情景(226b)。
在其它实施例中，代替单个分类阈值，可以使用边缘出现的度量值把具有低的边缘出现度量值的可打印图像进一步分开而确定几个分类阈值，这将从应用算法(步骤226e)来增加图像鲜明度中获益。例如，可以使用标准的模糊掩蔽技术。这个技术在像Adobe Photoshop软件那样的许多在市面上可买到的照片编辑和图像增强软件包中得到实施。在这种情形下，在步骤220分类图像后，在步骤226e，自动应用特定的处理算法以提高输出图像质量，或向用户建议特定的处理算法作为数码照相机的任选项。如果在步骤226e执行图像处理，则可以任选地对于遵循步骤210-226的处理的图像重新完成可接受性检验。

Claims (31)

1.一种为预定的输出操作自动确定输入图像的可接受性的方法，所述方法包括以下步骤：
(a)识别输入图像中的一个或多个重要的区域；
(b)计算对于每个重要区域的突出的可接受性特征；
(c)从重要区域的突出的可接受性特征确定输入图像的可接受性；
(d)根据在步骤(c)中确定的输入图像的可接受性实施预定的输出操作。
2.如在权利要求1中要求的方法，其中在步骤(a)中通过使用边缘出现的度量值来识别图像中的边缘像素而识别该一个或多个重要区域。
3.如在权利要求2中要求的方法，其中在步骤(a)中通过识别具有最大边缘像素数的区域而识别该一个或多个重要区域。
4.如在权利要求2中要求的方法，其中在步骤(a)中识别的一个或多个重要区域包括至少一个具有最大边缘梯度的边缘像素的区域。
5.如在权利要求2中要求的方法，其中在步骤(a)中识别的一个或多个重要区域包括至少一个输入图像的中心区域。
6.如在权利要求1中要求的方法，其中该一个或多个重要区域在步骤(a)中通过检测在输入图像中主要对象所处在的一个或多个区域而被识别。
7.如在权利要求1中要求的方法，其中该一个或多个重要区域在步骤(a)中通过根据由操作人员提供的坐标来选择输入图像中的一个或多个区域而被识别。
8.如在权利要求1中要求的方法，其中该一个或多个重要区域在步骤(a)中通过检测在输入图像中注视数为最大的一个或多个区域而被识别。
9.如在权利要求1中要求的方法，其中该一个或多个重要区域在步骤(a)中通过检测在输入图像中具有人的图像的一个或多个区域而被识别。
10.如在权利要求1中要求的方法，其中在步骤(a)中识别的一个或多个重要区域包括输入图像的至少两个区域。
11.如在权利要求1中要求的方法，其中突出的可接受性特征是边缘出现的度量值。
12.如在权利要求11中所要求的方法，其中边缘出现的度量值是边缘密度。
13.如在权利要求1中要求的方法，其中突出的可接受性的量度值是从包括从输入图像导出的以下项目的组中选择的：边缘的出现、梯度值、拉普拉斯值、边缘高度值、边缘宽度值、噪声值、对比度值、彩色呈现值、过曝光值、和欠曝光值。
14.如在权利要求1中要求的方法，其中从重要区域的突出的可接受性特征确定输入图像的可接受性的步骤(c)包括使用在所有的重要区域上突出的可接受性特征的统计度量值的步骤。
15.如在权利要求14中要求的方法，其中突出的可接受性特征是每个重要区域的边缘密度，以及突出的可接受性特征的统计度量值是在所有重要区域中边缘密度的平均值。
16.如在权利要求1中要求的方法，其中在步骤(d)中实施的输出操作是打印操作，由此，被发现为不可接受的输入图像不被打印。
17.如在权利要求1中要求的方法，其中输入图像是从数码照相机得到的，步骤(a)-(d)在数码照相机中执行，以及在步骤(d)中实施的输出操作是删除操作，由此，删除一个被发现为不可接受的输入图像。
18.如在权利要求17中要求的方法，另外还包括建议照相机用户删除图像和在删除图像之前得到用户对于删除操作的批准的步骤。
19.如在权利要求1中要求的方法，其中输入图像是从数码照相机得到的，以及在步骤(d)中实施的输出操作是指令照相机操作员重新摄取图像。
20.如在权利要求1中要求的方法，其中在步骤(d)中实施的输出操作是图像处理操作，由此，被发现为不可接受的输入图像被提交去进行图像处理操作。
21.如在权利要求1中要求的方法，其中步骤(a)包括以下步骤：
检测表示在输入图像上观察到的边缘的边缘像素；
得出边缘像素的边缘映射图；
把边缘映射图划分成多个块，其中每个块可包含来自边缘映射图的边缘像素；
识别具有最大边缘像素数的两个或多个块；以及
选择输入图像上相应于两个或多个块的两个或多个重要的区域。
22.如在权利要求21中要求的方法，其中步骤(b)包括根据在每个重要区域中的边缘出现来计算突出的可接受性特征的步骤。
23.如在权利要求22中要求的方法，其中步骤(c)包括由突出的可接受性特征计算边缘出现的统计度量值以及使用边缘出现的统计度量值来确定数字输入图像用于打印的可接受性的步骤。
24.一种为打印操作自动确定输入数字图像的可接受性的方法，所述方法包括以下步骤：
(a)根据输入数字图像形成低分辨率分析图像；
(b)检测在低分辨率分析图像中表示边缘的边缘像素；
(c)得出在低分辨率分析图像中边缘像素的边缘映射图；
(d)把边缘映射图划分成多个块，其中每个块可包括来自边缘映射图的边缘像素；
(e)识别具有最大边缘像素数的两个或多个块；
(f)从输入图像得出在输入图像上的两个或多个重要区域，它们相应于在步骤(e)识别的两个或多个块；
(g)根据在每个重要区域中边缘的出现，计算突出的可接受性特征；
(h)根据在步骤(g)计算的突出的可接受性特征计算边缘出现的统计度量值；以及
(i)使用边缘出现的统计度量值来确定数字输入图像供打印时的可接受性。
25.如在权利要求24中要求的方法，其中检测在低分辨率分析图像中表示边缘的边缘像素的步骤(b)包括采用边缘检测算法通过使用一个或多个边缘检测阈值来识别边缘像素而检测在低分辨率图像中的边缘的步骤。
26.如在权利要求25中要求的方法，其中边缘检测算法是Canny边缘检测算法，以及它利用两个边缘检测阈值以用于明显的边缘和与该明显的边缘相关的较模糊的边缘。
27.如在权利要求24中要求的方法，其中根据在每个重要区域中的边缘的出现，计算突出的可接受性特征的步骤(g)包括确定在每个重要区域中边缘密度的步骤。
28.如在权利要求24中要求的方法，其中从在步骤(g)计算的突出的可接受性特征计算边缘出现的统计度量值的步骤(h)包括确定对重要区域的边缘密度的平均值的步骤。
29.一种为预定的输出操作自动确定输入图像的可接受性的系统，所述系统包括：
输入级，用于识别输入图像中的一个或多个重要区域；
处理级，用于(a)计算对于每个重要区域的突出的可接受性特征和(b)根据重要区域的突出的可接受性特征确定输入图像的可接受性；以及
输出级，用于根据在处理级中确定的输入图像的可接受性实施预定的输出操作。
30.如在权利要求29中要求的系统，其中输入级包括算法，该算法用于(a)删除表示在输入图像上观察到的边缘的边缘像素；(b)得出边缘像素的边缘映射图；(c)把边缘映射图划分成多个块；(d)识别具有最大边缘像素数的两个或多个块；以及(e)选择输入图像上相应于两个或多个块的两个或多个重要区域。
31.如在权利要求29中要求的系统，其中处理级包括算法，该算法用于(a)根据在每个重要的区域中的边缘出现计算突出的可接受性特征；以及(b)根据突出的可接受性特征计算边缘出现的统计度量值和使用边缘出现的统计度量值来确定数字输入图像用于打印的可接受性。
CNA2005800425072A 2004-12-09 2005-12-02 自动确定数字图像的可接受性 Pending CN101076811A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US11/008,437 2004-12-09
US11/008,437 US7809197B2 (en) 2004-12-09 2004-12-09 Method for automatically determining the acceptability of a digital image

Publications (1)

Publication Number Publication Date
CN101076811A true CN101076811A (zh) 2007-11-21

Family

ID=36046877

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA2005800425072A Pending CN101076811A (zh) 2004-12-09 2005-12-02 自动确定数字图像的可接受性

Country Status (5)

Country Link
US (2) US7809197B2 (zh)
EP (1) EP1825420B1 (zh)
JP (1) JP2008523504A (zh)
CN (1) CN101076811A (zh)
WO (1) WO2006062969A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103702024A (zh) * 2013-12-02 2014-04-02 宇龙计算机通信科技(深圳)有限公司 图像处理装置和图像处理方法
CN104237245A (zh) * 2013-06-19 2014-12-24 东京威尔斯股份有限公司 缺陷检查方法
CN104981753A (zh) * 2013-02-22 2015-10-14 索尼公司 用于内容操纵的方法和装置

Families Citing this family (68)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8520739B2 (en) 2005-05-09 2013-08-27 Intel Corporation Method and apparatus for adaptively reducing artifacts in block-coded video
US7693304B2 (en) * 2005-05-12 2010-04-06 Hewlett-Packard Development Company, L.P. Method and system for image quality calculation
US20090060289A1 (en) * 2005-09-28 2009-03-05 Alex Shah Digital Image Search System And Method
US7697827B2 (en) 2005-10-17 2010-04-13 Konicek Jeffrey C User-friendlier interfaces for a camera
US7742083B2 (en) * 2006-04-13 2010-06-22 Eastman Kodak Company In-camera dud image management
JP4973008B2 (ja) * 2006-05-26 2012-07-11 富士通株式会社 車両判別装置及びそのプログラム
US20090279778A1 (en) * 2006-06-23 2009-11-12 Koninklijke Philips Electronics N.V. Method, a system and a computer program for determining a threshold in an image comprising image values
WO2008091399A2 (en) * 2006-09-01 2008-07-31 Board Of Regents Of The University Of Texas Device and method for measuring information processing speed of the brain
JP4712659B2 (ja) * 2006-09-22 2011-06-29 富士フイルム株式会社 画像評価装置およびそのプログラム
MX2009004990A (es) * 2006-11-08 2010-02-08 Cryptometrics Inc Sistema y metodo para el procesamiento de imagen paralela.
JP4270281B2 (ja) * 2007-01-16 2009-05-27 セイコーエプソン株式会社 画像処理のための装置、方法、および、プログラム
KR101380731B1 (ko) * 2007-05-24 2014-04-02 디지털옵틱스 코포레이션 유럽 리미티드 이미지 처리 방법 및 장치
US8548267B1 (en) * 2007-09-28 2013-10-01 Amazon Technologies, Inc. Processing a digital image of content using content aware despeckling
US8838489B2 (en) 2007-12-27 2014-09-16 Amazon Technologies, Inc. On-demand generating E-book content with advertising
CN101521004B (zh) * 2008-02-29 2011-12-14 鹏智科技(深圳)有限公司 具有图片处理功能的电子装置及其图片处理方法
JP5080524B2 (ja) 2008-03-26 2012-11-21 富士フイルム株式会社 画像シェアリング用保存装置、画像シェアリングおよび方法
JP5312166B2 (ja) * 2009-04-13 2013-10-09 キヤノン株式会社 画像処理装置及び制御方法及びプログラム
US9317911B2 (en) 2009-05-05 2016-04-19 Koninklijke Philips N.V. Automatic assessment of confidence in imaging data
US9554111B2 (en) * 2010-03-08 2017-01-24 Magisto Ltd. System and method for semi-automatic video editing
US9189137B2 (en) * 2010-03-08 2015-11-17 Magisto Ltd. Method and system for browsing, searching and sharing of personal video by a non-parametric approach
US9502073B2 (en) 2010-03-08 2016-11-22 Magisto Ltd. System and method for semi-automatic video editing
US8600167B2 (en) * 2010-05-21 2013-12-03 Hand Held Products, Inc. System for capturing a document in an image signal
US9047531B2 (en) 2010-05-21 2015-06-02 Hand Held Products, Inc. Interactive user interface for capturing a document in an image signal
US9906838B2 (en) 2010-07-12 2018-02-27 Time Warner Cable Enterprises Llc Apparatus and methods for content delivery and message exchange across multiple content delivery networks
JP5665508B2 (ja) * 2010-11-30 2015-02-04 キヤノン株式会社 画像処理装置及び方法、並びにプログラム及び記憶媒体
KR101769543B1 (ko) * 2011-01-04 2017-08-31 인하대학교 산학협력단 선명도 및 색 채도를 이용한 영상 화질 개선을 위한 장치 및 방법
JP2012255843A (ja) * 2011-06-07 2012-12-27 Konica Minolta Business Technologies Inc 画像形成装置、画像形成システムおよび画像形成プログラム
US9251439B2 (en) * 2011-08-18 2016-02-02 Nikon Corporation Image sharpness classification system
JP2013101484A (ja) * 2011-11-08 2013-05-23 Sony Corp 画像処理装置と画像処理方法およびプログラム
WO2013150419A1 (en) * 2012-04-02 2013-10-10 Koninklijke Philips N.V. Quality-check during medical imaging procedure
US9251394B2 (en) 2012-04-05 2016-02-02 Ancestry.Com Operations Inc. System and method for estimating/determining the date of a photo
US8891883B2 (en) 2012-05-15 2014-11-18 Google Inc. Summarizing a photo album in a social network system
US8490006B1 (en) * 2012-09-04 2013-07-16 State Farm Mutual Automobile Insurance Company Scene creation for building automation systems
US9105102B1 (en) * 2013-10-01 2015-08-11 The United States Of America As Represented By The Secretary Of The Navy Method for processing radiographic images of rapidly moving objects such as shaped charge jet particles
DE102015203521A1 (de) * 2014-03-31 2015-10-01 Heidelberger Druckmaschinen Ag Verfahren zur automatischen Parametrisierung der Fehlererkennung eines Bildinspektionssystem
US20150286897A1 (en) * 2014-04-03 2015-10-08 Microsoft Corporation Automated techniques for photo upload and selection
JP6338429B2 (ja) * 2014-04-15 2018-06-06 キヤノン株式会社 被写体検出装置、被写体検出方法及びプログラム
US10194163B2 (en) 2014-05-22 2019-01-29 Brain Corporation Apparatus and methods for real time estimation of differential motion in live video
US9939253B2 (en) 2014-05-22 2018-04-10 Brain Corporation Apparatus and methods for distance estimation using multiple image sensors
WO2015200350A1 (en) 2014-06-24 2015-12-30 Google Inc. Ranking and selecting images for display from a set of images
EP3196758B1 (en) * 2014-07-21 2021-07-07 Yulong Computer Telecommunication Scientific (Shenzhen) Co. Ltd. Image classification method and image classification apparatus
US10140517B2 (en) * 2014-08-06 2018-11-27 Dropbox, Inc. Event-based image classification and scoring
US10055850B2 (en) * 2014-09-19 2018-08-21 Brain Corporation Salient features tracking apparatus and methods using visual initialization
US10290019B2 (en) 2014-10-24 2019-05-14 Dropbox, Inc. User re-engagement with online photo management service
US10816605B2 (en) 2015-03-11 2020-10-27 Cps Technology Holdings Llc Battery test system with camera
US11721414B2 (en) * 2015-03-12 2023-08-08 Walmart Apollo, Llc Importing structured prescription records from a prescription label on a medication package
JP2016191845A (ja) * 2015-03-31 2016-11-10 ソニー株式会社 情報処理装置、情報処理方法及びプログラム
CA2984313C (en) * 2015-04-27 2024-03-26 First Advantage Corporation Device and method for performing validation and authentication of a physical structure or physical object
JP6553418B2 (ja) * 2015-06-12 2019-07-31 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 表示制御方法、表示制御装置及び制御プログラム
US10197664B2 (en) 2015-07-20 2019-02-05 Brain Corporation Apparatus and methods for detection of objects using broadband signals
US10235608B2 (en) 2015-12-22 2019-03-19 The Nielsen Company (Us), Llc Image quality assessment using adaptive non-overlapping mean estimation
US11232548B2 (en) * 2016-03-22 2022-01-25 Digital Diagnostics Inc. System and methods for qualifying medical images
US9875430B1 (en) 2016-03-30 2018-01-23 Descartes Labs, Inc. Iterative relabeling using spectral neighborhoods
US10460219B2 (en) * 2016-03-31 2019-10-29 Hewlett-Packard Development Company, L.P. Generating an object map from a plurality of binary images
RU2608239C1 (ru) * 2016-04-12 2017-01-17 Общество с ограниченной ответственностью "Аби Девелопмент" Способ и система определения пригодности изображения документа для оптического распознавания символов и других операций по обработке изображений
US10416859B2 (en) 2016-08-23 2019-09-17 International Business Machines Corporation Enhanced configuration of a profile photo system
US10255668B2 (en) 2016-08-23 2019-04-09 International Business Machines Corporation Enhancement of a profile photo system
WO2018136037A1 (en) 2017-01-17 2018-07-26 Hewlett-Packard Development Company, L.P. Assessing print quality using intensity histograms and perimeter lengths
US10311554B2 (en) 2017-03-01 2019-06-04 Fotonation Limited Method of providing a sharpness measure for an image
KR102117050B1 (ko) * 2017-09-08 2020-05-29 삼성전자주식회사 이미지 내 휴먼 분리를 위한 전자 장치 및 방법
JP2019102869A (ja) * 2017-11-29 2019-06-24 キヤノン株式会社 画像形成装置、画像形成装置の制御方法、及びプログラム
IT201800003384A1 (it) * 2018-03-08 2019-09-08 Photosi Spa Unipersonale Procedimento di valutazione automatica della qualità di foto digitali
US10931853B2 (en) * 2018-10-18 2021-02-23 Sony Corporation Enhanced color reproduction for upscaling
CN111163306B (zh) * 2018-11-08 2022-04-05 华为技术有限公司 一种vr视频处理的方法及相关装置
US10957080B2 (en) * 2019-04-02 2021-03-23 Adobe Inc. Automatic illustrator guides
CN111325802B (zh) * 2020-02-11 2023-04-25 中国空气动力研究与发展中心低速空气动力研究所 一种直升机风洞试验中圆形标记点识别匹配方法
CN112184837A (zh) * 2020-09-30 2021-01-05 百度(中国)有限公司 一种图像检测方法、装置、电子设备及存储介质
US20220199228A1 (en) * 2020-12-18 2022-06-23 Optellum Limited Method and arrangement for processing a signal

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3059615B2 (ja) 1993-10-27 2000-07-04 キヤノン株式会社 印刷システム及び印刷制御装置及び制御方法
US5659639A (en) * 1993-11-24 1997-08-19 Xerox Corporation Analyzing an image showing editing marks to obtain category of editing operation
US5694484A (en) 1995-05-15 1997-12-02 Polaroid Corporation System and method for automatically processing image data to provide images of optimal perceptual quality
AUPO793897A0 (en) * 1997-07-15 1997-08-07 Silverbrook Research Pty Ltd Image processing method and apparatus (ART25)
US6018590A (en) * 1997-10-07 2000-01-25 Eastman Kodak Company Technique for finding the histogram region of interest based on landmark detection for improved tonescale reproduction of digital radiographic images
US6018397A (en) 1998-02-13 2000-01-25 Eastman Kodak Company Digital image processing with indication to user of hardcopy output image quality
US6282317B1 (en) * 1998-12-31 2001-08-28 Eastman Kodak Company Method for automatic determination of main subjects in photographic images
US6535636B1 (en) 1999-03-23 2003-03-18 Eastman Kodak Company Method for automatically detecting digital images that are undesirable for placing in albums
US6636648B2 (en) 1999-07-02 2003-10-21 Eastman Kodak Company Albuming method with automatic page layout
US6671405B1 (en) 1999-12-14 2003-12-30 Eastman Kodak Company Method for automatic assessment of emphasis and appeal in consumer images
US6748097B1 (en) 2000-06-23 2004-06-08 Eastman Kodak Company Method for varying the number, size, and magnification of photographic prints based on image emphasis and appeal
US6738494B1 (en) 2000-06-23 2004-05-18 Eastman Kodak Company Method for varying an image processing path based on image emphasis and appeal
WO2002023455A1 (en) * 2000-09-11 2002-03-21 Wishoo, Inc. System and method for tactical couponing
US6697502B2 (en) 2000-12-14 2004-02-24 Eastman Kodak Company Image processing method for detecting human figures in a digital image
US7257273B2 (en) * 2001-04-09 2007-08-14 Mingjing Li Hierarchical scheme for blur detection in digital image using wavelet transform
US6930718B2 (en) 2001-07-17 2005-08-16 Eastman Kodak Company Revised recapture camera and method
US20030118245A1 (en) * 2001-12-21 2003-06-26 Leonid Yaroslavsky Automatic focusing of an imaging system
ATE354834T1 (de) * 2002-03-15 2007-03-15 Computer Sciences Corp Verfahren und vorrichtungen zur analyse von schrift in dokumenten
JP4228641B2 (ja) 2002-09-20 2009-02-25 セイコーエプソン株式会社 出力対象画像データ選択
GB0224357D0 (en) 2002-10-19 2002-11-27 Eastman Kodak Co Image processing
US7206022B2 (en) 2002-11-25 2007-04-17 Eastman Kodak Company Camera system with eye monitoring
US7046924B2 (en) 2002-11-25 2006-05-16 Eastman Kodak Company Method and computer program product for determining an area of importance in an image using eye monitoring information
JP3814592B2 (ja) * 2003-06-27 2006-08-30 キヤノン株式会社 撮像装置及びその制御方法
US7580551B1 (en) * 2003-06-30 2009-08-25 The Research Foundation Of State University Of Ny Method and apparatus for analyzing and/or comparing handwritten and/or biometric samples
US7362901B2 (en) * 2003-09-05 2008-04-22 Gannon Technology Holdings Llc Systems and methods for biometric identification using handwriting recognition
US20050093998A1 (en) * 2003-11-03 2005-05-05 Haas William R. Digital camera with variable size delete buffer
JP2005217616A (ja) * 2004-01-28 2005-08-11 Konica Minolta Photo Imaging Inc デジタルカメラ

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104981753A (zh) * 2013-02-22 2015-10-14 索尼公司 用于内容操纵的方法和装置
CN104981753B (zh) * 2013-02-22 2020-02-21 索尼公司 用于内容操纵的方法和装置
CN104237245A (zh) * 2013-06-19 2014-12-24 东京威尔斯股份有限公司 缺陷检查方法
CN104237245B (zh) * 2013-06-19 2017-04-12 东京威尔斯股份有限公司 缺陷检查方法
CN103702024A (zh) * 2013-12-02 2014-04-02 宇龙计算机通信科技(深圳)有限公司 图像处理装置和图像处理方法

Also Published As

Publication number Publication date
US7809197B2 (en) 2010-10-05
US20060126093A1 (en) 2006-06-15
US20100303363A1 (en) 2010-12-02
JP2008523504A (ja) 2008-07-03
US7899256B2 (en) 2011-03-01
EP1825420B1 (en) 2014-10-15
EP1825420A1 (en) 2007-08-29
WO2006062969A1 (en) 2006-06-15

Similar Documents

Publication Publication Date Title
CN101076811A (zh) 自动确定数字图像的可接受性
US6952286B2 (en) Doubleprint photofinishing service with the second print having subject content-based modifications
US8731325B2 (en) Automatic generation of a photo guide
EP3241182B1 (en) System and method for measuring mobile document image quality
US8194992B2 (en) System and method for automatic enhancement of seascape images
JP4792109B2 (ja) 画像特徴を意識した画像欠陥除去
US7933454B2 (en) Class-based image enhancement system
EP1918872B1 (en) Image segmentation method and system
US7764846B2 (en) Adaptive red eye correction
US7907786B2 (en) Red-eye detection and correction
US20040218832A1 (en) Method for adjusting the brightness of a digital image utilizing belief values
US20060098889A1 (en) Digital image processing system and method for emphasizing a main subject of an image
US20030161506A1 (en) Face detection computer program product for redeye correction
US7865032B2 (en) Methods and systems for identifying an ill-exposed image
WO2005114577A1 (en) Method for determining image quality
JP2004336282A (ja) 画像処理装置、画像処理プログラム及び該プログラムを記録した記録媒体
RU2338252C1 (ru) Способ предотвращения печати размытых фотографий
RU2383924C2 (ru) Способ адаптивного повышения резкости цифровых фотографий в процессе печати
EP1207683A2 (en) A method and system for page composition of digital medical images
JP2022121091A (ja) 口腔粘膜疾患診断支援システム，方法およびプログラム
Suleiman Image Enhancement for Scanned Historical Documents in the Presence of Multiple Degradations
Pham Comparing Adobe’s Unsharp Masks and High-Pass Filters in Photoshop Using the Visual Information Fidelity Metric
CN101536034A (zh) 用于放射图像的色调等级变换

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication