DE112008000875T5

DE112008000875T5 - Automatische Bildverbesserung

Info

Publication number: DE112008000875T5
Application number: DE112008000875T
Authority: DE
Inventors: Doron Shaked; Hila Nachlieli; Gennady Karvitsky; Shlomo Harush; Mary Nielsen; Aruna Kumar; Ingeborg Tastl
Original assignee: Hewlett Packard Development Co LP
Current assignee: Hewlett Packard Development Co LP
Priority date: 2007-04-30
Filing date: 2008-04-30
Publication date: 2010-09-30
Also published as: JP2010526373A; US20080267524A1; JP5007363B2; WO2008137056A1; IL199412A

Abstract

Ein Verfahren zur automatischen Bildverbesserung, das folgende Schritte umfasst:
Empfangen eines digitalen Bildes (200);
Extrahieren einer Mehrzahl von Attributmessungen (202) von dem digitalen Bild (200);
Erzeugen von zumindest einem Rauschschwellenwertparameter (606), einem Schärfeparameter (608) und einem Radikalitätsparameter (610) basierend auf den extrahierten Attributmessungen (202, 604);
Bewerten des Rauschschwellenwertparameters basierend auf zumindest einer Attributmessung (612), um den Rauschreduktionsgrad zu definieren, der durchzuführen ist;
Bewerten des Schärfeparameters basierend auf zumindest einer Attributmessung (614), um den Schärfungsgrad zu definieren, der durchzuführen ist, wobei der Rauschreduktionsgrad und der Schärfungsgrad zusammen eine bestimmte Verbesserung (204) für das digitale Bild (200) darstellen;
Bewerten des Radikalitätsparameters basierend auf zumindest einer Attributmessung (212, 616), um die Radikalität der bestimmten Verbesserung zu definieren, die durchzuführen ist; und
Durchführen (632), bezüglich der Radikalität der bestimmten Verbesserung, eines Prozentsatzes des bestimmten Rauschreduktionsgrads und eines Prozentsatzes des bestimmten Schärfungsgrads an dem empfangenen digitalen Bild...

Description

Gebiet der Erfindung
Die vorliegende Erfindung bezieht sich allgemein auf das Gebiet der Bildanalyse und Bildverarbeitung und insbesondere auf ein verbessertes System und Verfahren für automatische Bildverbesserung.
Hintergrund
Ein altes Sprichwort besagt, dass ein Bild mehr sagt als tausend Worte. Mit der zunehmenden Verbreitung von Computern, Farbdruckern und Digitalkameras sind Bilder ein zunehmend gebräuchliches Element bei der persönlichen und beruflichen Kommunikation.
Obwohl Film- und Photoverarbeitung nach wie vor ein übliches Verfahren zum Bereitstellen von Bildern ist, ist Photobearbeitung und Photofertigstellung üblicherweise ein digitaler Prozess, wo das Originalfoto entweder gescannt wird, um ein digitales Bild zu liefern, oder durch eine Digitalkamera als ein digitales Quellbild erzeugt wird. Unterschiedliche Verwendungen des Bildes, z. B. Internet-Screenanzeige, Postversandwerbung oder ein Naturmagazin, können unterschiedliche Erwartungen an das resultierende Bild stellen. Außerdem können Digitalkameras und digitale Scanner eingestellt sein, um ein Bild in einer Vielzahl unterschiedlicher Formate aufzunehmen, z. B. *.raw, *.tif oder *.jpg, um nur einige zu nennen, die unterschiedliche Datenstrukturen auferlegen dafür, wie das Bild dargestellt wird, und folglich unterschiedliche Begrenzungen dafür, wie das Foto später bearbeitet werden kann.
Digitale Bilder werden auch häufig durch Nutzer über Netze gemeinschaftlich verwendet, und um Bandbreite-, Speicher- und Lieferzeitproblemen Rechnung zu tragen, wird das Bild häufig komprimiert, von der Größe her geändert oder von einem Format zum anderen geändert. Außerdem können Nutzer Bilder manuell oder automatisch verarbeiten, um dieselben zu verbessern oder anderweitig zu modifizieren. Alle diese Aktivitäten können für zukünftige Betrachter und Nutzer des digitalen Bildes unbekannte Ereignisse sein. Ferner haben unterschiedliche Kameras oder unterschiedliche Aufnahmegeräte eine unterschiedliche und unbekannte Bildqualität.
Abhängig davon, ob es direkt von einer Digitalkamera aufgenommen wird, von einer Computergraphikmaschine geliefert wird, und/oder durch Einscannen eines bereits existierenden Bilds geliefert wird, ist ein digitales Bild im Allgemeinen eine Darstellung eines zweidimensionalen Bildes als ein begrenzter Satz von digitalen Werten. Diese digitalen Werte sind üblicherweise als Bildelemente oder einfach als Pixel bekannt.
Digitale Photoverarbeitung umfasst typischerweise zumindest zwei Kernaktionen, Bildanalyse und Bildverarbeitung. Bildanalyse ist ein Prozess, durch den das Bild überarbeitet wird, um ein qualitatives oder quantitatives Bildattribut zu bestimmen. Bildanalyse kann beispielsweise verwendet werden, um zu bestimmen, ob ein Bild scharf oder unscharf ist, zu dunkel oder zu hell ist, ob es ein natürliches Bild oder ein graphisches Bild ist, und ob es weicher gezeichnet oder geschärft werden sollte.
Mit zumindest einer gewissen Bewertung des Bildes, die sich aus der Bildanalyse ergibt, kann dann Bildverarbeitung durchgeführt werden. Bildverarbeitung ist der Prozess, durch den eine Bilderzeugungsanwendung oder ein Bilderzeugungssystem die Eingabebilddaten verändert. Bildverarbeitung kann durchgeführt werden, um den Farbraum eines digitalen Bildes für ein bestimmtes Druckgerät zu verändern. Bildverarbeitung kann auch durchgeführt werden, um den Schärfegrad einzustellen.
Da digitale Bilder in der Tat ein Datenstrom aus digitalen Informationen sind, sind Zufallssignalschwankungen in dem Datenstrom als „Rauschen” bekannt. Der Ursprung des Rauschens kann viele unterschiedliche Quellen haben und hat normalerweise geringe Konsequenzen, obwohl, beispielsweise, wenn mit gescannten Bildern gearbeitet wird, das Rauschen sich normalerweise auf die Granularität des Films oder Bildes bezieht, das gescannt wurde. Übermäßige Rauschpegel sind unerwünscht für Kunden, da das Rauschen von dem beabsichtigten Gesamtbild ablenkt. Wenn Schärfen an einem digitalen Bild durchgeführt wird, können Rauschelemente leider unbeabsichtigt ebenfalls verstärkt und geschärft werden.
Obwohl Photoverarbeitung eine Tätigkeit ist, die nach wie vor manuell durchgeführt wird, macht in vielen Fällen der Bedarf an Mengenverarbeitung oder selbst der minimalen Menge an Verarbeitung, die gewünscht ist, eine manuelle Einstellung unpraktisch. In anderen Situationen kann es sein, dass ein Betreiber auf dem Gebiet der Photoverarbeitung ungeübt ist, aber dennoch eine Verbesserung eines Bildes benötigt.
Obwohl verschiedene Versuche durchgeführt wurden, um Schärfungs- und Entrauschungsprozesse zu identifizieren und durchzuführen, ist eine einfache Blindanwendung bei weitem nicht angemessen. In vielen Fällen, insbesondere wenn versucht wird, einen linearen Filterprozess zu verwenden, verstärken sich Schärfen und Entrauschen gegenseitig. Es gibt andere Lösungen, die auf einer harten Klassifizierung der Nachbarschaft von Pixeln, die Nicht-Merkmalen (z. B. Hintergrund, Rauschen), und Merkmalen (Rändern) entsprechen, basieren. Entrauschungsfilter werden dann an die Nicht-Merkmalsnachbarschaften angelegt und ein getrenntes Schärfungsfilter wird an die Merkmalsnachbarschaften angelegt. Obwohl solche Systeme effektiv sein können, sind sie rechentechnisch komplex und erfordern somit übermäßige Computerressourcen. Es gibt auch eine große Wahrscheinlichkeit einer Fehlklassifikation von Pixelnachbarschaften, insbesondere als Folge von Rauschen.
Somit gibt es einen Bedarf an einem automatischen Bildverbesserungsverfahren und -system, die einen oder mehrere der oben identifizierten Nachteile überwinden.
Zusammenfassung
Die vorliegende Offenbarung verbessert den Stand der Technik durch Bereitstellen eines Verfahrens und eines Systems für automatische Bildverbesserung.
Insbesondere und lediglich beispielhaft umfasst ein Verfahren zur automatischen Bildverbesserung gemäß einem Ausführungsbeispiel der vorliegenden Erfindung folgende Schritte: Empfangen eines digitalen Bildes; Extrahieren einer Mehrzahl von Attributmessungen von dem digitalen Bild; Erzeugen von zumindest einem Rauschschwellenwertparameter, einem Schärfeparameter und einem Radikalitätsparameter basierend auf den extrahierten Attributmessungen; Bewerten des Rauschschwellenwertparameters basierend auf zumindest einer Attributmessung, um den Rauschreduktionsgrad zu definieren, der durchzuführen ist; Bewerten des Schärfeparameters basierend auf zumindest einer Attributmessung, um den Schärfegrad zu definieren, der durchzuführen ist, wobei der Rauschreduktionsgrad und der Schärfungsgrad zusammen eine bestimmte Verbesserung für das digitale Bild darstellen; Bewerten des Radikalitätsparameters basierend auf zumindest einer Attributmessung, um die Radikalität der bestimmten Verbesserung zu definieren, die durchzuführen ist; Durchführen, bezüglich der Radikalität der bestimmten Verbesserung, eines Prozentsatzes des bestimmten Rauschreduktionsgrads und eines Prozentsatzes des bestimmten Schärfungsgrads an dem empfangenen Bild.
Kurze Beschreibung der Zeichnungen
1 ist ein Blockdiagramm hoher Ebene eines automatischen Bildverbesserungssystems gemäß einem Ausführungsbeispiel;
2 ist ein Blockdiagramm, das den Betrieb eines automatischen Bildverbesserungssystems und -verfahrens gemäß einem Ausführungsbeispiel darstellt;
3 ist eine weitere Darstellung eines Teils einer in 2 gezeigten Blockoperation gemäß einem Ausführungsbeispiel;
4 ist ein Diagramm des Frequenzantwortbetrags des Hoch- und des Tiefpassfilters, wie sie bei Attributextraktion gemäß einem Ausführungsbeispiel verwendet werden;
5 ist ein Diagramm einer nichtlinearen Funktion, die in einer Formel verwendet wird, um einen gewichteten Mittelwert zwischen einem Ausgangseingabebild und einem nominal verbesserten Bild zu liefern, gemäß einem Ausführungsbeispiel;
6 ist ein Flussdiagramm für ein Verfahren zur automatischen Bildverbesserung gemäß zumindest einem Ausführungsbeispiel; und
7 ist ein Blockdiagramm eines Computersystems gemäß einem oder mehreren Ausführungsbeispielen.
Detaillierte Beschreibung
Bevor die detaillierte Beschreibung fortgesetzt wird, sollte klar sein, dass die vorliegende Lehre nur beispielhaft ist und nicht begrenzend. Obwohl die hierin beschriebenen Einrichtungen zur Erklärung dessen dienen, was bezüglich der beispielhaften Ausführungsbeispiele gezeigt und beschrieben ist, ist es offensichtlich, dass die Prinzipien hierin gleichermaßen bei anderen Typen von automatischer Bildverbesserung angewendet werden können.
Mit Bezugnahme auf die Figuren ist 1 ein Blockdiagramm hoher Ebene eines automatischen Bildverbesserungssystems „AIES” 100 (AIES = automatic image enhancement system) gemäß zumindest einem Ausführungsbeispiel. Darüber hinaus ist AIES 100 wirksam, um ein Verfahren automatischer Bildverbesserung gemäß zumindest einem Ausführungsbeispiel durchzuführen.
Wie es nachfolgend näher beschrieben ist, ist das AIES 100 wirksam, um digitale Bilder automatisch zu verbessern. Der Entwurf dieses Verfahrens wurde gemäß den folgenden Grundlagen gebildet: A – Verschwommene Bilder sollten vermutlich geschärft werden, jedoch keine Bilder schärfen, die bereits scharf konturiert sind, und zu viel Schärfen ist normalerweise übertrieben (selbst wenn das Eingabebild sehr unscharf ist). B – Schärfen verstärkt Rauschen. Für rauschhafte Bilder das Entrauschen erhöhen. C – Starkes Schärfen mit starker Entrauschen erzeugt keine natürlich aussehenden Bilder. D – Graphiken nicht schärfen. E – JPG-Artefakte beachten, da dieselben problematisch sein können, wenn das Bild geschärft wird. F – Wenn ein Bild vergrößert wird, werden die Rauschelemente deutlicher wahrnehmbar.
Wie es gezeigt ist, umfasst das AIES 100 einen Digitalbildattributextrahierer 102, einen Verbesserungsoptionengenerator 104 und einen Bildprozessor 106. Bei zumindest einem Ausführungsbeispiel können diese Elemente als Module des Systems angesehen werden, z. B. ein Digitalbildattributextrahierermodul 102, ein Verbesserungsoptionengeneratormodul 104 und ein Verbesserungsalgorithmusmodul, das auch als Bildprozessormodul 106 bekannt ist. Bei verschiedenen Ausführungsbeispielen kann jede dieser Komponenten unterteilt werden und/oder kombiniert werden, und das System kann ferner ein Eingabegerät 108 umfassen, wie z. B. eine Kamera, alternativ können Eingabebilder manuell oder automatisch verarbeitet worden sein, entweder durch ein analoges System oder unter Verwendung eines Computers 110; und ein Ausgabegerät 112 umfassen, wie z. B. einen Drucker.
Es ist ferner offensichtlich und klar, dass bei zumindest einem Ausführungsbeispiel das AIES 100 als Software oder als Hardware in einem Computersystem implementiert ist. Beispielsweise und in Bezug auf die Identifikation der Elemente als Module kann ein Modul ein Stück von Softwarecode, eine Hardwarevorrichtung oder ein Teil einer Hardwarevorrichtung sein. Während des Betriebs kann das AIES 100 für verbesserte Geschwindigkeit und Effizienz im aktiven Speicher gehalten werden. Außerdem kann dasselbe innerhalb eines Computernetzwerks betrieben werden und verteilte Ressourcen verwenden.
Der Digitalbildattributextrahierer 102 ist wirksam, um ein digitales Bild zu empfangen und Attributmessungen von dem digitalen Bild zu extrahieren. Die extrahierten Bildmessungen umfassen zumindest eine Rauschschätzung und eine Schärfeschätzung. Der Ver-besserungsoptionengenerator 104 ist wirksam, um die extrahierten Attributmessungen zu empfangen und erzeugt basierend auf diesen Messungen zumindest einen Rauschschwellenwertparameter, einen Schärfeparameter und einen Radikalitätsparameter. Der Bildprozessor 106 ist im Wesentlichen ein Verbesserungsalgorithmus, der arbeitet, um das gelieferte Bild zu verbessern, durch Anlegen von Schärfungs- und Entrauschungsfiltern gemäß dem Rauschschwellenwertparameter und dem Schärfeparameter. Der Schärfungs- und Entrauschungsgrad, der durchgeführt wird, wird durch den Radikalitätsparameter bestimmt.
Genauer gesagt, der Rauschschwellenwert, Th, bestimmt den lokalen Abweichungspegel, der in dem Bild geglättet wird, und im Fall von starkem Rauschen ist dies ein hoher Wert. Der Schärfeparameter, λ, bestimmt das Ausmaß der Schärfe, die an wesentliche Ränder eingebracht wird. Der Radikalitätsparameter, R, ist wirklich ein einmaliges und vorteilhaftes Element für das automatische Bildverbesserungssystem und -verfahren. R bestimmt, wie radikal die Verbesserung sein sollte. Bei zumindest einem Ausführungsbeispiel, wo R = 1, werden der Schärfe- und der Rauschparameter bei ihren Nennwerten angelegt. Wenn R = 0, werden die Schärfe- und Rauschparameter ignoriert und das Ausgabebild ist gleich dem Eingabebild. Wo 0 < R < 1, ist das Ausgabebild ein gewichteter Mittelwert zwischen dem Eingabebild und dem nominal verbesserten Bild.
2 liefert ein Blockflussdiagramm für den Betrieb des AIES 100 beim Durchführen automatischer Bildverbesserung gemäß zumindest einem Ausführungsbeispiel. Wie es gezeigt ist, empfängt das AIES 100 als Eingabe ein Ausgangsdigitalbild 200. Bei einem Ausführungsbeispiel ist das Eingabeausgangsbild ein JPEG-Bild (JPEG = joint photographic experts group = Verbund der Gruppe photographischer Experten). Es sollte klar sein, dass jede Form von Bilddaten, wie z. B. TIFF (TIFF = tagged image file format = markiertes Bilddateiformat), GIF (GIF = graphics interchange format = Graphikaustauschformat), eine Bittabelle, und/oder andere Formen von Bilddaten verwendet werden können.
Das bereitgestellte Ausgangsbild 200 wird durch das Attributextraktionsmodul 202 empfangen, das, wie der Name schon sagt, wirksam ist, um eine Mehrzahl von Attributen zu extrahieren. Bei zumindest einem Ausführungsbeispiel umfassen die extrahierten Attributmessungen eine Graphikschätzung, eine Schärfeschätzung, eine Rauschschätzung und eine JPG-Artefaktschätzung.
Bei zumindest einem Ausführungsbeispiel ist die Attributmessung der Rauschschätzung so, wie es in der U.S.-Patentanmeldung 10/835,969 mit dem Titel „System and Method for Estimating Image Noise” beschrieben ist, die hierin durch Bezugnahme aufgenommen ist. Bei zumindest einem alternativen Ausführungsbeispiel ist die Attributmessung der Rauschschätzung so, wie es in der U.S.-Patentanmeldung 11/388,152 mit dem Titel „Signal Noise Estimation” beschrieben ist, die hierin durch Bezugnahme aufgenommen ist. Bei zumindest einem Ausführungsbeispiel ist die Attributmessung der Bildschärfe so, wie es in der U.S.-Patentanmeldung 10/835,910 mit dem Titel „System and Method for Estimating Image Sharpness” beschrieben ist, die hierin durch Bezugnahme aufgenommen ist. Ferner ist die Attributmessung von JPG-Rauschen bei zumindest einem Ausführungsbeispiel so, wie es in der U.S.-Patentanmeldung 10/835,888 mit dem Titel „System and Method for Estimating Compression Noise in Images” beschrieben ist, die hierin durch Bezugnahme aufgenommen ist. Es ist offensichtlich und klar, dass bei unterschiedlichen Ausführungsbeispielen zusätzlich zu oder anstatt den oben erwähnten andere Systeme und Verfahren der Attributmessung verwendet werden können. Diese Hinzufügungen und/oder Ersetzungen sind betreiberbezogen und weichen nicht ab von dem beabsichtigten Schutzbereich des/der automatischen Bildverbesserungssystems/e und -verfahren/s, die hierin offenbart sind.
Obwohl die obigen Referenzen vollständige Einzelheiten liefern, liefert 3 eine kurze Übersicht über den Betrieb eines Teils des Attributextraktionsmoduls. Effizienzüberlegungen sind wichtig für das AIES 100. Als solches wird auf das Eingabebild für mehrere Merkmalsextraktionszwecke einmal zugegriffen. Bei zumindest einem Ausführungsbeispiel wird lokale Frequenzanalyse angelegt, um die meisten der Informationen abzuleiten, die aufwendige Berechnungen erfordern. Bei einer alternativen Ausführungsbeispielsfrequenz kann der Inhalt lokal extrahiert werden unter Verwendung von Schmalbandfiltern. Darüber hinaus werden bei zumindest einem Ausführungsbeispiel Pixelwerte auf Zeilen und Spalten als Datenströme gefiltert.
Bei einem Ausführungsbeispiel werden die Zeilen und Spalten abgetastet, Block 300, um eine sequentielle Differenz 304 für die abgetasteten Pixel zu bestimmen. Es ist offensichtlich und klar, dass bei alternativen Ausführungsbeispielen Farbwerte, Luminanzwerte oder andere Bildwerte abgetastet werden können statt oder zusätzlich zu Luminanzwerten. Bei einem Ausführungsbeispiel werden Bilddaten von Pixeln von jeder M-ten Zeile und N-ten Spalte abgetastet, wobei M und N positive Ganzzahlen sind. Bei einem Ausführungsbeispiel sind M und N gleich. Bei einem anderen Ausführungsbeispiel sind M und N gleich 1 (z. B. das Bild wird überhaupt nicht abgetastet). Die Sequenz der abgetasteten Bilddaten wird durch das Filtermodul 304 als 1D-Eingabestrom 302 verarbeitet, um sequentielle Differenzen zu liefern.
Genauer gesagt, für sequentielle Differenzverarbeitung wird jede Zahl in dem 1D-Eingabestrom 302 ersetzt durch ihre Differenz von der Zahl vor derselben zum Liefern des SD-Stroms 306. Die Menge an Nullen in der resultierenden Sequenz (z. B. SD-Strom 306) ist ein starker Indikator dafür, ob das Bild ein Graphikbild ist oder nicht. Außerdem macht die sequentielle Differenz das typische Frequenzprofil einheitlich, was einen stabileren Vergleich der unterschiedlichen Frequenzbänder liefert.
Wie es durch 3 angezeigt ist, werden bei einem Ausführungsbeispiel ein Tiefpassfilter 308 und ein Hochpassfilter 310 zum Filtern des SD-Stroms 306 verwendet. Bei einem Ausführungsbeispiel sind das Hoch- und das Tiefpassfilter 308 und 310 6-Abgriff-IIR-Filter (IIR = Infinite Impulse Response = unendliche Impulsantwort), es ist jedoch offensichtlich und klar, dass andere geeignete Filter verwendet werden können. Für jedes Pixel wird die Gleichungsfunktion für jedes Filter bei zumindest einem Ausführungsbeispiel wie Gleichung 1 ausgedrückt:
Das Anlegen von Tiefpass- und Hochpass-IIR-Filtern an den SD-Strom 306 führt zu zwei lokalen Frequenzinhaltsdeskriptoren LP(p) und HP(p), die nachfolgend für andere Attributschätzungen verwendet werden. 4 zeigt Frequenzantwortbeträge der Ableitung, gefolgt von den beiden Filtern. Mit Bezugnahme auf 4 ist klar, dass LP(p) als Tiefpassfilter der Differenz tatsächlich ein Bandpassfilter ist.
Graphikschätzung: Als allgemeine Regel ist es nicht wünschenswert, Graphikbilder zu verbessern, obwohl Verbesserung eines Graphikbildes mit Abstufungen und Texturen annehmbar sein kann. Graphikbilder mit konstanten Farben sind typischerweise verschlechtert. Wie es oben bei der sequentiellen Differenzverarbeitung angemerkt wurde, ist die Menge an Nullen in dem SD-Strom 306 ein starker Indikator dafür, ob das Bild als ein Graphikbild angesehen werden sollte oder nicht. Falls bei zumindest einem Ausführungsbeispiel mehr als 65 Prozent (65%) der Differenzen Null sind, wird davon ausgegangen, dass das Bild ein Graphikbild ist und nicht zu verbessern ist.
Wenn darüber hinaus die Attributmessungen eine Graphikschätzung umfassen, und ansprechend auf eine hohe Graphikschätzung, wird der Radikalitätsparameter zu Null hin eingestellt. Wenn wie bei dem obigen Beispiel die Schätzung über einem nutzer- oder systemdefinierten Schwellenwert liegt, z. B. 65%, wird der Radikalitätsparameter auf Null eingestellt.
Rauschschätzung: Bei vielen automatischen Testsystemen ist die Unterscheidung zwischen Rauschen und texturierten Regionen von schlechter Qualität. Bei zumindest einem Ausführungsbeispiel ist das AIES 100 und insbesondere ein Ausführungsbeispiel des verwendeten Verfahrens eingerichtet, um Regionen des Bildes zu identifizieren, die höchstwahrscheinlich texturfrei sind, und um eine Messung zu verwenden, die die Störung der Resttextur minimieren wird. Darüber hinaus sind glatte Szenenregionen S als Regionen mit durchgehend niedriger LP(p)-Aktivität definiert, insbesondere sind die Werte von LP(p) in der glatten Region und ihrer V-Umgebung niedriger als ein Schwellenwert T_sm. Außerdem sind Markierungen und Schatten ausgeschlossen aufgrund möglicher Tonsättigung, was Texturen in S einführen könnte. Dies wird durch Gleichung 2 klar: S = {t|(GH > In(t) > GL) und {∀p ∊ [t – V, t + V], LP(p) < Tsm}}
Das Rauschattribut wird dann geschätzt als der mittlere absolute Hochpassgehalt über S, wie es in Gleichung 3 gezeigt ist:
Da Resttexturen, die ihren Weg in S finden, durch hohe Werte von HP(x) charakterisiert sind, ist die Rauschschätzung vorteilhafterweise nachgiebiger als die Trivialer-Quadratischer-Mittelwert-Messung des traditionellen Lösungsansatzes.
Schärfeschätzung: Schärfeschätzung kann schwierig sein, da Schärfewahrnehmung häufig beeinträchtigt ist durch die Art der Szene, genauso wie durch die tatsächliche Schärfe, die in dem Bild vorliegt. Beispielsweise ist ein relativer Vergleich der Schärfe in einer schwach beleuchteten Photo- oder Portraiteinstellung mit einer hellen und texturierten Szene im Freien höchstwahrscheinlich eine schwierige Aufgabe. Ränder und Randprofile in den Bildern können jedoch ohne weiteres identifiziert werden und dienen sehr gut als ein Schärfereferenzpunkt.
Bei zumindest einem Ausführungsbeispiel wird die Schärfeschätzung durchgeführt mit den LP(p)- und HP(p)-Werten, wie sie von der Gleichung 1 oben berechnet werden. Genauer gesagt, die Schärfeschätzung wird realisiert mit Gleichung 4:
Wo die Merkmalsregion gekennzeichnet ist durch einen Schwellenwert T_sh auf dem lokalen Tiefpassmerkmal, realisiert mit Gleichung 5: F = {p|LP(p) > Tsh}
JPG-Artefaktschätzung: Das JPG-Format ist ein sehr übliches verlusthaftes Komprimierungsverfahren. Das Komprimierungsverhältnis wird normalerweise abgestimmt, um zu wenig sichtbaren Artefakten wie möglich zu führen. Wenn dieselben verbessert werden, neigen JPG-Artefakte, die unter dem Sichtbarkeitsschwellenwert lagen, dazu, auf sehr wahrnehmbare und unangenehme Weise hervorzuspringen, die normalerweise zu einem unzufriedenstellenden Bild führt.
Bei zumindest einem Ausführungsbeispiel wird JPG-Artefaktschätzung J erreicht, indem zuerst das Komprimierungsverhältnis C berechnet wird, wobei C = (W_jpg·H_jpg)/FS_jpg, wobei W_jpg, H_jpg die Breite und Höhe des JPG-Bildes sind, und FS_jpg die JPG-Dateigröße ist. Eine Bildaktivität A wird bestimmt als die mittlere absolute Tiefpassantwort A = N^Ω, wobei N^Ω definiert ist wie in Gleichung 3 oben als N^S, mit einem Mittelwert über dem gesamten Bildbereich S = Ω. Der dpi des Bildes ist dargestellt als D. Die Schätzung wird dann geliefert durch Gleichung 6:
Mit erneuter Bezugnahme auf 2 bewegt sich der Prozess mit Messungen 202, die aus zumindest einer Rauschschätzung N und einer Schärfeschätzung Sh bestehen, zu dem Verbesserungsstrategienmodul 104. Einfach ausgedrückt, bei zumindest einem Ausführungsbeispiel bildet das Verbesserungsstrategienmodul 104 die Attributmessungen, wie sie oben bestimmt werden, auf die bevorzugten Verbesserungsparameter eines Rauschschwellenwertparameters Th, eines Schärfeparameters λ und eines Radikalitätsparameters R ab.
Was das Rauschen anbelangt, neigt das Schärfen dazu, Rauschen ebenfalls zu verbessern. Daher ist für Bilder, die als relativ rauschhaft geschätzt werden, das Anlegen eines Entrauschungsfilters wahrscheinlich hilfreich. Der Rauschparameter bei zumindest einem Ausführungsbeispiel wird durch Gleichung 7 ausgedrückt:
Darüber hinaus wird bei zumindest einem Ausführungsbeispiel der Rauschschwellenwertparameter Th bewertet basierend auf zumindest einem Attribut (z. B. der Rauschschätzung), um den Rauschreduktionsgrad zu definieren, der durchzuführen ist. Anders ausgedrückt, bei zumindest einem Ausführungsbeispiel wird die Rauschschätzung abgebildet auf den Rauschparameter, um einen ersten Verbesserungswert zu bestimmen.
Bezüglich der Schärfe ist es äußerst vorteilhaft, das Schärfen von unscharfen Bildern zu erlauben, während gleichzeitig darauf geachtet wird, nicht zu sehr zu schärfen. Dieses Konzept wird zumindest bei einem Ausführungsbeispiel ausgedrückt durch Gleichung 8:
Darüber hinaus wird bei zumindest einem Ausführungsbeispiel der Schärfeparameter λ bewertet basierend auf zumindest einem Attribut (z. B. der Schärfeschätzung), um den Rauschreduktionsgrad zu definieren, der durchzuführen ist. Wie bei dem Rauschschwellenwert Th wird bei zumindest einem Ausführungsbeispiel die Schärfeschätzung abgebildet auf den Schärfeparameter, um einen zweiten Verbesserungswert zu bestimmen. Zusammen bilden der Rauschreduktionsgrad und der Schärfungsgrad eine bestimmte Verbesserung für das Ausgangsdigitalbild.
Wie es oben angemerkt wurde, ist es ein vorteilhafter Aspekt der vorliegenden Erfindung, Bilder automatisch zu verbessern, aber dies mit der Bindung an den Grundsatz, keinen Schaden zuzufügen. Stattdessen verwendet das System und das Verfahren vorteilhafterweise die bestimmten Verbesserungen bezüglich der Radikalität R. Erneut bestimmt die Radikalität R das relative Gewicht der Verbesserung in dem Ausgabebild. Für R = 0 ist das Ausgabebild gleich dem Eingabebild (kein Schaden hinzugefügt, aber es gibt jedoch auch keine Verbesserung). Für R = 1 ist das Ausgabebild das nominal verbesserte Bild.
Bei zumindest einem Ausführungsbeispiel ist Radikalität R wie folgt ausgedrückt, wobei das erste Diagramm dem Grundsatz entspricht, Graphiken nicht zu verbessern, und das zweite Diagramm dem Grundsatz entspricht, kein starkes Schärfen mit starkem Glätten anzulegen.
Interne Unsicherheitsindikatoren können in manchen Fällen R weiter reduzieren, wie z. B. wenn die Rauschschätzungsroutine nicht ausreichend glatte Regionen lokalisiert, um eine ausreichend gute Statistik zu erhalten. Externe Unsicherheitsindikatoren können R in manchen Fällen weiter reduzieren, wie z. B. wenn nach dem Betrachten mehrerer darstellender Bilder realisiert wird, dass bestimmte Bereiche der Indikatoren schlechter funktionieren als andere Bereiche, z. B. gibt es für einen spezifischen Bereich der Rauschschätzung mehr Fehler als in einem anderen Bereich, oder alternativ, wenn bemerkt wird, dass, obwohl die Schätzungen genau sind, einige Bereiche von z. B. Rauschen oder Schärfe unregelmäßige Ausfälle des Verbesserungsalgorithmus anzeigen. Um solche vom Betreiber wahrgenommene Themen aufzunehmen, umfasst R bei zumindest einem Ausführungsbeispiel ferner ein betreiberabstimmbares Element, das eingestellt werden kann, um R abzustimmen. Darüber hinaus wird bei zumindest einem Ausführungsbeispiel beim Auswerten von R eine Vertrauensbewertung des Rauschschwellenwertparameters und des Schärfeparameters durchgeführt. Wo das Vertrauen der Bewertung niedrig ist, wird R zu einem Wert von Null hin eingestellt. Wo das Vertrauen der Bewertung hoch ist, kann R unverändert bleiben. Außerdem beeinflusst die JPG-Artefaktschätzung sowohl R als auch Th, durch Ändern von N^S, genauer Gleichung 9:
Mit Bezugnahme auf 2 ist klar, dass die Verbesserungsparameter 204, z. B. der Rauschschwellenwertparameter und der Schärfeparameter, an das Verbesserungsalgorithmusmodul 206 geleitet werden. Bei dem Verbesserungsalgorithmusmodul 206 werden variable Entrauschungs- und Schärfungsfilter eingestellt gemäß dem Rauschschwellenwertparameter und dem Schärfeparameter. Bei zumindest einem Ausführungsbeispiel wird das Filtern erreicht mit einem nichtlinearen Glättungs- und Schärfungsalgorithmus basierend auf bilateraler Filterung und verallgemeinerter Unschärfemaskierung. Bei zumindest einem Ausführungsbeispiel ist das das Filtern so, wie es in der U.S.-Patentanmeldung 10/833,435 mit dem Titel „Polynomial Approximation Based Image Filter Methods, System and Machine-Readable Media” beschrieben ist, die hierin durch Bezugnahme aufgenommen ist.
Mit dem Rauschschwellenwertparameter und dem Schärfeparameter und insbesondere dem festgelegten bestimmten Verbesserungswert wird das Eingabebild 200 gefiltert, um ein nominal verbessertes Bild 208 zu liefern. Wie es oben angemerkt wurde, kann es sein, dass dieses nominal verbesserte Bild 208 nicht wirklich akzeptabel ist für einen menschlichen Betrachter, wie z. B. wenn es ein Bild ist, das zu viel Schärfung und zu viel Rauschen enthält, oder ein Graphikbild, an das Schärfung angelegt wurde. Die vorliegende Erfindung wirkt daher vorteilhafterweise, um solche Fälle durch Bewegen zu dem Gewichteter-Mittelwert-Modul 210 zu korrigieren.
An dem Gewichteter-Mittelwert-Modul 210 wird der Radikalitätsparameter R 212 wirklich anerkannt. Genauer gesagt, die Aktion hier wird durchgeführt mit Bezugnahme auf die Radikalität R, um einen gewichteten Mittelwert auszuwählen zwischen dem Ausgangsdigitalbild 200 und dem nominal verbesserten Bild 208. Bei zumindest einem Ausführungsbeispiel, wo R etwa 1 ist, beträgt der Prozentsatz der durchgeführten bestimmten Verbesserung, der akzeptiert wird, etwa 100%, und das verbesserte Ausgabebild 214 ist etwa das gleiche wie das nominal verbesserte Bild 200. Wo R etwa 0 ist, beträgt der Prozentsatz der durchgeführten bestimmten Verbesserung, der akzeptiert wird, etwa 0, und das verbesserte Ausgabebild 214 ist etwa das gleich wie das Ausgangseingabebild 200.
Um die Bezugnahme von 2 auf 1 zu unterstützen, ist eine gestrichelte Linie für den Bildprozessor 216 gezeigt, der das Verbesserungsalgorithmusmodul 206 und das Gewichteter-Mittelwert-Modul 210 umfasst. In der Tat ist offensichtlich und klar, dass bei unterschiedlichen Konfigurationen diese Elemente ansonsten kombiniert oder weiter unterteilt werden könnten.
Bei zumindest einem Ausführungsbeispiel können das nominal verbesserte Bild 208 und das Ausgangsbild 200 so gesehen werden, dass sie einen Bereich von möglichen Verbesserungen für das bereitgestellte Ausgangsbild 200 definieren. Es ist selbstverständlich offensichtlich und klar, dass es nicht notwendig ist, jede einzelne mögliche Variation der Verbesserung entlang dem Bereich zwischen dem Ausgangsbild 200 und dem nominal verbesserten Bild 208 zu berechnen. Wenn es als ein Bereich betrachtet wird, bestimmt R dann den Prozentsatz des bestimmten Entrauschungsgrads und den Prozentsatz des bestimmten Schärfungsgrads, der für ein resultierendes verbessertes Bild 214 durchzufüh ren ist, der davon, dass dasselbe dem Ausgangseingabebild 200 entspricht, bis dazu, dass dasselbe dem nominal verbesserten Bild 208 entspricht, reicht.
Darüber hinaus ist für jedes Pixel mit einer einmaligen x- und y-Koordinate bei zumindest einem Ausführungsbeispiel klar, dass die Bildverbesserung gemäß dem bilateralen Filter von Gleichung 10 durchgeführt wird:
Die Radikalität ist offensichtlich bezüglich Ψ(p), wie es gemäß Gleichung 11 definiert ist:
5 liefert ein Diagramm der nichtlinearen Funktion Ψ(p).
Mit Bezugnahme auf die obige Beschreibung des AIES 100 und des Verfahrens der Bildverbesserung ist 6 bereitgestellt, um das Verfahren der Bildverbesserung 600 zusammenzufassen. Es ist offensichtlich und klar, dass das Verfahren 600 nicht in der genauen hierin beschriebenen Reihenfolge bereitgestellt werden muss, sondern dass dieser Fluss der Beschreibung und Darstellung lediglich ein Ausführungsbeispiel beispielhaft darstellen.
Wie es in 6 angezeigt ist, beginnt das Verfahren 600 der automatischen Bildverbesserung bei zumindest einem Ausführungsbeispiel mit dem Empfang eines Ausgangsdigitalbildes, Block 602. Eine Mehrzahl von Messungen werden dann von dem Ausgangsdigitalbild extrahiert, Block 604. Bei zumindest einem Ausführungsbeispiel umfassen diese extrahierten Messungen eine Schätzung des Rauschens und eine Schätzung der Schärfe. Bei zumindest einem weiteren Ausführungsbeispiel umfassen diese Messungen ferner eine Bewertung von JPG-Rauschen und/oder eine Bewertung des Bilds als eine Graphik. Es ist klar und offensichtlich, dass zusätzlich zu den aufgelisteten andere Messungen extrahiert und/oder geschätzt werden können.
Mit Bezugnahme auf zumindest die erhaltene Rauschschätzung und Schärfeschätzung schreitet das Verfahren fort zu der Erzeugung der Schlüsselparameter von Rauschschwellenwert (Th), Block 606, Schärfe (λ), Block 608, und Radikalität (R), Block 610. Der Rauschschwellenwertparameter wird dann bewertet basierend auf zumindest einer Attributmessung, Block 612, wobei das Attribut bei zumindest einem Ausführungsbeispiel die Rauschschätzung ist. Die Schärfeparameter werden gleichermaßen bewertet basierend auf zumindest einer Attributmessung, Block 614, wobei das Attribut bei zumindest einem Ausführungsbeispiel die Schärfeschätzung ist. Der Radikalitätsparameter wird ebenfalls bewertet, Block 616, und bei zumindest einem Ausführungsbeispiel ist dies eine Vertrauensbewertung der Rausch- und/oder Schärfeparameter. In der Tat, wie es oben mit Bezugnahme auf die Verarbeitung eines sequentiellen Stroms beschrieben ist, zeigt ein hoher Prozentsatz von Nullen höchstwahrscheinlich an, dass das Ausgangsbild eine Graphik ist, daher eine Bewertung von R zu dem Wert von 0 hin.
Basierend auf dem bestimmten Rauschschwellenwertparameter wird ein definierter Rauschreduktionsgrad (RRG) eingerichtet, Block 618. Gleichartig dazu wird ein definierter Schärfungsgrad eingerichtet, Block 620, wie auch ein definierter Radikalitätsverbesserungsgrad, Block 622. Bei zumindest einem Ausführungsbeispiel ist der definierte Radikalitätsgrad ein Gewichtungsfaktor, der nachfolgend verwendet wird, um den gewichteten Mittelwert zwischen dem Ausgangsdigitalbild und dem nominal verbesserten Bild zu bestimmen. Wie es durch die dunklen parallelen Linien 624 angezeigt ist, sind die Erzeugung von Parametern und die Definitionen des Grads Aktionen, die bei zumindest einem Ausführungsbeispiel im Wesentlichen gleichzeitig durchgeführt werden.
Nachdem der Rauschreduktionsgrad und der Schärfungsgrad bestimmt wurden, werden bei zumindest einem Ausführungsbeispiel variable Rausch- und Schärfungsfilter entsprechend eingestellt. Wenn das Filter so eingestellt ist, wird der Rauschfiltergrad an dem Ausgangsbild durchgeführt, Block 626. Gleichermaßen wird der Schärfungsgrad ebenfalls an dem Ausgangsbild durchgeführt, Block 628. Obwohl diese als getrennte Aktionen dargestellt sind, werden bei zumindest einem Ausführungsbeispiel die Schärfungs- und Entrauschungsoperationen von Block 626 und 628 als kombinierte Aktion durchgeführt. Bei zumindest einem alternativen Ausführungsbeispiel werden die Aktionen getrennt durchgeführt. In jedem Fall ist das Ergebnis das Bereitstellen eines nominal verbesserten Bildes, wie in Block 630.
Mit Bezugnahme auf den Radikalitätsgrad der Verbesserung, R, wird dann der gewichtete Mittelwert zwischen dem Ausgangsbild und dem nominal verbesserten Bild ausgewählt, Block 632, und das Ausgabebild wird bereitgestellt, Block 634. Wo R einen Wert von etwa 1 hat, ist das gelieferte Ausgabebild etwa das nominal verbesserte Bild. Wo R einen Wert von etwa 0 hat, ist das gelieferte Ausgabebild etwa das Ausgangsdigitalbild.
Wie es oben angemerkt wurde, ist das AIES 100 bei zumindest einem Ausführungsbeispiel als ein Computersystem zum automatischen Verbessern von Bildern implementiert. 7 ist ein Blockdiagramm hoher Ebene eines beispielhaften Computersystems 700. Das Computersystem 700 hat ein Gehäuse 702, das eine Hauptplatine 704 umschließt. Die Hauptplatine hat einen Systembus 706, Verbindungstore 708, eine Verarbeitungseinheit, wie z. B. eine zentrale Verarbeitungseinheit (CPU) 710, und eine Speichervorrichtung, wie z. B. einen Hauptspeicher 712, eine Festplatte 714 und ein CD/DVD-ROM-Laufwerk 716.
Der Speicherbus 718 koppelt den Hauptspeicher 712 mit der CPU 710. Ein Systembus 706 koppelt die Festplatte 714, das CD/DVD-ROM-Laufwerk 716 und Verbindungstore 708 mit der CPU 710. Mehrere Eingabegeräte können bereitgestellt werden, wie z. B. eine Maus 720 und eine Tastatur 722. Mehrere Ausgabegeräte können ebenfalls bereitgestellt werden, wie z. B. ein Videobildschirm 724 und ein Drucker (nicht gezeigt).
Das Computersystem 700 kann ein handelsübliches System sein, wie z. B. eine Desktop-Arbeitsplatzeinheit, bereitgestellt von HP oder einem anderen Computersystemanbieter. Das Computersystem 700 kann auch ein vernetztes Computersystem sein, wobei Speicherkomponenten, wie z. B. die Festplatte 714, zusätzliche CPUs 710 und Ausgabegeräte, wie z. B. Drucker, durch physikalisch getrennte Computersysteme bereitgestellt werden, die in dem Netzwerk miteinander verbunden sind. Fachleute auf diesem Gebiet werden die physikalische Zusammensetzung der Komponenten und Komponentenverbindungen, die das Computersystem 700 umfasst, verstehen, und ein Computersystem 700 auswählen, das geeignet ist für die Abläufe, die einzurichten und beizubehalten sind.
Wenn das Computersystem 700 aktiviert ist, lädt vorzugsweise ein Betriebssystem 726 in den Hauptspeicher 712 als ein Teil der Urladungs-Startsequenz und macht das Computersystem 700 für den Betrieb bereit. Auf der einfachsten Ebene und im allgemeinsten Fall fallen die Aufgaben eines Betriebssystems in spezifische Kategorien-Prozessmanagement, Gerätmanagement (einschließlich Anwendungs- und Benutzerschnittstellenmanagement) und Speichermanagement.
In solch einem Computersystem 700 ist die CPU 710 wirksam, um eine oder mehrere der oben beschriebenen Zeitablauf-Ausführungsbeispiele durchzuführen. Fachleute auf diesem Gebiet werden verstehen, dass ein computerlesbares Medium 728, auf dem sich ein Computerprogramm 730 zum Hinzufügen von Aktivitäten zu einem Ablauf befindet, auf dem Computersystem 700 vorgesehen sein kann. Die Form des Mediums 728 und die Sprache des Programms 730 sind offensichtlich angemessen für das Computersystem 700. Unter Verwendung der Speichereinrichtungen, wie z. B. einer oder mehrerer Festplatten 714 und des Hauptsystemspeichers 712, wird die betriebsfähige CPU 702 die Befehle lesen, die durch das Computerprogramm 730 geliefert werden, und arbeiten, um das automatische Bildverbesserungssystem und/oder -verfahren, wie oben beschrieben, durchzuführen.
Bei den obigen Verfahren, Systemen und Strukturen können Änderungen durchgeführt werden, ohne von dem Schutzbereich derselben abzuweichen. Es sollte somit angemerkt werden, dass der Gegenstand, der in der obigen Beschreibung enthalten ist und/oder in den beiliegenden Zeichnungen gezeigt ist, als darstellend und nicht in einem begrenzenden Sinne interpretiert werden sollte. Die folgenden Ansprüche adressieren alle allgemeinen und spezifischen Merkmale, die hierin beschrieben sind, sowie alle Aussagen des Schutzbereichs des vorliegenden Verfahrens, des Systems und der Struktur, die aufgrund der Sprache in denselben fallen.
Zusammenfassung
Diese Erfindung schafft ein Verfahren (600) für automatische Bildverbesserung. Attributmessungen (604) werden von einem digitalen Bild (200) extrahiert und für die Erzeugung von zumindest einem Rauschschwellenwertparameter (606), einem Schärfeparameter (608) und einem Radikalitätsparameter (212, 610) verwendet. Der Rauschschwellenwertparameter (606) und der Schärfeparameter (608) werden bewertet, um den Rauschreduktionsgrad (618) und den Schärfungsgrad (620) zu bestimmen, die durchzuführen sind, zusammen eine bestimmte Verbesserung (204). Die bestimmte Verbesserung (204) wird angewendet, um ein nominal verbessertes Bild (208, 630) abzuleiten. Bezüglich des Radikalitätsparameters (212, 610) ist das Ausgabebild (214, 634) der gewichtete Mittelwert zwischen dem Ausgangsbild (200) und dem nominal verbesserten Bild (208).

Claims

Ein Verfahren zur automatischen Bildverbesserung, das folgende Schritte umfasst: Empfangen eines digitalen Bildes (200); Extrahieren einer Mehrzahl von Attributmessungen (202) von dem digitalen Bild (200); Erzeugen von zumindest einem Rauschschwellenwertparameter (606), einem Schärfeparameter (608) und einem Radikalitätsparameter (610) basierend auf den extrahierten Attributmessungen (202, 604); Bewerten des Rauschschwellenwertparameters basierend auf zumindest einer Attributmessung (612), um den Rauschreduktionsgrad zu definieren, der durchzuführen ist; Bewerten des Schärfeparameters basierend auf zumindest einer Attributmessung (614), um den Schärfungsgrad zu definieren, der durchzuführen ist, wobei der Rauschreduktionsgrad und der Schärfungsgrad zusammen eine bestimmte Verbesserung (204) für das digitale Bild (200) darstellen; Bewerten des Radikalitätsparameters basierend auf zumindest einer Attributmessung (212, 616), um die Radikalität der bestimmten Verbesserung zu definieren, die durchzuführen ist; und Durchführen (632), bezüglich der Radikalität der bestimmten Verbesserung, eines Prozentsatzes des bestimmten Rauschreduktionsgrads und eines Prozentsatzes des bestimmten Schärfungsgrads an dem empfangenen digitalen Bild (200).
Das automatische Bildverbesserungsverfahren gemäß Anspruch 1, bei dem die Attributmessungen (202) eine Graphikschätzung, eine Schärfeschätzung, eine Rauschschätzung und eine JPG-Artefaktschätzung umfassen.
Das automatische Bildverbesserungsverfahren gemäß Anspruch 1, bei dem: zum Bewerten des Rauschschwellenwertparameters (606) das zugeordnete Attribut eine Rauschschätzung ist; zum Bewerten des Schärfeparameters (608) das zugeordnete Attribut eine Schärfeschätzung ist; und zum Bewerten des Radikalitätsparameters (610) das zugeordnete Attribut eine Vertrauensbewertung des Rauschparameters (606) und/oder des Schärfeparameters (610) ist.
Das automatische Bildverbesserungsverfahren gemäß Anspruch 1, bei dem für einen Radikalitätsparameter (610) von etwa 1 der Prozentsatz der durchgeführten bestimmten Verbesserung etwa 100 beträgt.
Das automatische Bildverbesserungsverfahren gemäß Anspruch 1, bei dem für einen Radikalitätsparameter (610) von etwa 0 der Prozentsatz der durchgeführten bestimmten Verbesserung etwa 0 beträgt.
Das automatische Bildverbesserungsverfahren gemäß Anspruch 1, bei dem die Schärfung (628) und die Rauschreduktion (626) im Wesentlichen gleichzeitig durchgeführt werden.
Das automatische Bildverbesserungsverfahren gemäß Anspruch 1, bei dem die Attributmessungen (202) eine Graphikschätzung umfassen, und ansprechend auf eine hohe Graphikschätzung der Radikalitätsparameter (610) zu Null hin eingestellt wird.
Ein automatisches Bildverbesserungssystem (100), das folgende Merkmale umfasst: einen Digitalbildattributextrahierer (102), der wirksam ist, um ein digitales Bild (200) zu empfangen und Attributmessungen (202) von dem digitalen Bild (200) zu extrahieren, wobei die Attributmessungen (202) zumindest eine Rauschschätzung und eine Schärfeschätzung umfassen; einen Verbesserungsoptionsgenerator (104), der wirksam ist, um die extrahierten Attributmessungen (202) zu empfangen und zumindest einen Rauschschwellenwertparameter (606), der einen Rauschreduktionsgrad definiert, einen Schärfeparameter (608), der einen Schärfereduktionsgrad definiert, und einen Radikalitätsparameter (212, 610) zu erzeugen, basierend auf den extrahierten Attributmessungen (202), wobei der Rauschreduktionsgrad und der Schärfungsgrad zusammen eine bestimmte Verbesserung (204) darstellen; und einen Bildverbesserer (106), der wirksam ist, um das digitale Bild (200), die bestimmte Verbesserung (204) und den Radikalitätsparameter (212) zu empfangen, wobei der Bildverbesserer (106) ferner wirksam ist, um gemäß einer Gleichung ein Ausgabebild (214) zu liefern, das dem gewichteten Mittelwert zwischen dem Ausgangsdigitalbild (200) und einem nominal verbesserten Bild (208, 630) entspricht, das durch die bestimmte Verbesserung (204) bereitgestellt wird.
Das automatische Bildverbesserungssystem (100) gemäß Anspruch 8, bei dem für einen ersten Fall eines Radikalitätsparameters von etwa 1 der Gewichtungsfaktor der Radikalität zu einem Ausgabebild von etwa dem nominal verbesserten Bild führt, und für einen zweiten Fall eines Radikalitätsparameters von etwa 0 der Gewichtungsfaktor der Radikalität zu einem Ausgabebild von etwa dem Ausgangsdigitalbild führt.
Das automatische Bildverbesserungssystem (100) gemäß Anspruch 8, bei dem die Bewertung des Radikalitätsparameters (212, 616) eine Vertrauensbewertung des Rauschschwellenwertparameters (606) und des Schärfeparameters (608) umfasst, und für eine niedrige Vertrauensbewertung wird der Radikalitätsparameter (212, 616) zu Null hin eingestellt.