FI115363B - Värikuvan visuaalisen laadun parantaminen - Google Patents

Description

115363

VÄRIKUVAN VISUAALISEN LAADUN PARANTAMINEN KEKSINNÖN ALA

Keksintö liittyy kuvankäsittelyyn. Erityisesti keksintö liittyy uuteen ja kehittyneeseen menetel-5 mään ja järjestelmään värikuvan visuaalisen laadun parantamiseksi .

TEKNIIKAN TASO

Entuudestaan tunnetaan useita menetelmiä, 10 joilla voidaan parantaa värikuvan visuaalista laatua. Tällaisia menetelmiä ovat esimerkiksi menetelmät, joissa parannetaan värikuvan kontrastia, korjataan värikuvan gamma-arvoa tai säädetään värikuvan väritasa-painoa. Termeillä värikuva ja kuva tarkoitetaan väri-15 valokuvaa, joka on digitaalisessa muodossa. Termillä parantaa tarkoitetaan kuvan visuaalisen laadun subjektiivista optimointia, jonka vastaava englanninkielinen termi on enhancement. Huomattavaa on, että parantamisella ei tarkoiteta kuvassa esiintyvien virheiden ob-\\ 20 jektiivista korjaamista, jonka vastaava englanninkie- linen termi puolestaan on correction.

! Ongelmana tunnetuissa menetelmissä on, että ne ovat hankalia käyttää sekä tarjoavat yksipuoliset '· '· säätömahdollisuudet. Esimerkiksi tunnetut gamma-arvon ···’ 25 korjausmenetelmät vaikuttavat gamma-arvon lisäksi myös :...· kylläisyyteen hankaloittaen siten kuvanlaadun opti mointia. Edelleen, mikäli säädetään samanaikaisesti :··: kahta globaalia kuvapiirrettä, kuten esimerkiksi kont- ·". rastia ja gamma-arvoa, on nykyisillä säätöjärjestel- • # 30 millä vaikea löytää optimaalisen kuvanlaadun tarjoamaa yhdistelmää, koska säätöjen vaikutusta toisiinsa sekä niiden yhdistettyä vaikutusta kuvan visuaaliseen laa-·;··| tuun ei pystytä ennustamaan.

35 KEKSINNÖN TARKOITUS

2 115363

Esillä olevan keksinnön tarkoituksena on tuoda esiin uudenlainen menetelmä ja järjestelmä, joka poistaa edellä mainitut epäkohdat tai ainakin merkittävästi lieventää niitä. Erityisesti keksinnön tarkoi-5 tuksena on tuoda esiin menetelmä ja järjestelmä, jotka mahdollistavat värikuvan visuaalisen laadun parantamisen .

KEKSINNÖN YHTEENVETO

10 Esillä olevassa keksinnössä parannetaan väri kuvan visuaalista laatua.

Eräässä keksinnön mukaisessa menetelmässä värikuvan visuaalista laatua parannetaan säätämällä kyseisen värikuvan kontrastia. Värikuva jaetaan spatiaa-15 lisiin segmentteihin. Segmentoidulle värikuvalle suo ritetaan segmenttikohtainen värianalyysi segmenttikoh-taisen analyysitiedon määrittämiseksi. Värianalyysilla tarkoitetaan värijakauman analysointia. Väriavaruus jaetaan fragmentteihin yhden tai useamman ennalta mää-20 rätyn fragmentointiparametrin funktiona, jotka frag- ν'.·' mentit vastaavat kukin ainakin yhtä mainituista väri- : **: kuvan segmenteistä. Fragmentoidulle väriavaruudelle ··· suoritetaan fragmenttikohtainen värianalyysi fragment- .·. : tikohtaisen analyysitiedon määrittämiseksi. Tämän jäl- .···. 25 keen selvitetään toisiaan vastaavat värikuvan segmen- tit ja väriavaruuden fragmentit. Selvitetyn vastaavuuden perusteella yhdistetään segmenttikohtainen analyysitieto ja fragmenttikohtainen analyysitieto. Kun-’ · kin fragmentin kontrastinsäätöpotentiaali määritetään *...· 30 yhdistetyn analyysitiedon perusteella. Lopuksi kont- rastia säädetään spatiaalisesti globaalisti käyttäen apuna määritettyä kontrastinsäätöpotentiaalia sekä . mahdollisesti lisäksi käyttäjän antamia tietoja.

’”· Edelleen eräässä keksinnön mukaisessa mene vä 35 telmässä värikuvan visuaalista laatua parannetaan säätämällä kyseisen värikuvan kontrastia. Aluksi värikuvalle suoritetaan tilastollinen kuva-analyysi sen ti- 3 115363 lastollisten kuvaominaisuuksien selvittämiseksi. Kyseiset tilastolliset kuvaominaisuudet käsittävät esimerkiksi kuvan värihistogrammit. Väriavaruus jaetaan fragmentteihin yhden tai useamman ennalta määrätyn 5 fragmentointiparametrin funktiona tilastollisen kuva-analyysin perusteella. Fragmentoidulle väriavaruudelle suoritetaan fragmenttikohtainen värianalyysi fragment-tikohtaisen analyysitiedon määrittämiseksi. Kunkin fragmentin kontrastinsäätöpotentiaali määritetään 10 fragmenttikohtaisen analyysitiedon perusteella. Lopuksi kontrastia säädetään spatiaalisesti globaalisti käyttäen apuna määritettyä kontrastinsäätöpotentiaalia sekä mahdollisesti lisäksi käyttäjän antamia tietoja.

Keksinnön eräässä sovelluksessa fragmentoin- 15 tiparametreina käytetään värisävyä (hue) ja/tai kylläisyyttä (saturation). Värisävy ja/tai kylläisyys määritellään esimerkiksi HSV-värimallin mukaisesti.

Keksinnön eräässä sovelluksessa kontrastin- säätö suoritetaan käyttämällä apuna lineaarisia RGB-20 sävyntoistokäyriä (rendering curve).

’.·. Keksinnön eräässä sovelluksessa kontrastin- • i t säätö suoritetaan kertomalla kuvan RGB-komponenttien muodostama vektori värisävystä riippuvalla matriisil-la.

• · · *· ’· 25 Edelleen eräässä keksinnön mukaisessa mene- • « · telmässä värikuvan visuaalista laatua parannetaan ky-seisen värikuvan gamma-arvoa kylläisyyskompensoidusti korjaamalla. Aluksi määritetään ensimmäinen gamma-arvo *:··· γι, jolla kyseinen värikuva on alunperin tarkoitettu 30 esitettäväksi, toinen gamma-arvo 72, jolla kyseinen vä- • t rikuva tullaan esittämään, kyseisen värikuvan vaaleus- komponentti, kyseisen värikuvan värisävykomponentti, ’ * sekä kyseisen värikuvan kylläisyyskomponentti. Keksin- ·;··· nön mukaisesti kyseiselle kuvalle suoritetaan gamma- .···. 35 korjaus siten, että vaaleus- ja värisävykomponentit muuttuvat kuten normaalisti gammakorjauksen yhteydessä, mutta kylläisyyskomponentti säilyy ennallaan tai 4 115363 muuttuu lievennettynä suhteessa normaaliin gammakorja-ukseen. Tämä suoritetaan esimerkiksi siten, että kuvan suurimman arvon omaavalle RGB-komponentille suoritetaan gammakorjaus korottamalla kyseinen RGB-5 komponentin arvo mainittujen ensimmäisen gamma-arvon γι ja toisen gamma-arvon 72 suhteen 71/72 osoittamaan potenssiin. Pienimmän arvon omaavalle RGB-komponentille suoritetaan gammakorjaus siten, että kuvan kylläisyys-komponentti muuntuu samalla tavalla kuin, jos gamma-10 korjauksen eksponentti olisi välillä 1...71/72. Keskim mäisen arvon omaavalle RGB-komponentille suoritetaan gammakorjaus siten, että kuvan värisävykomponentti muuntuu samalla tavalla kuin normaalissa gammakorjauk-sessa.

15 Keksinnön eräässä sovelluksessa ensimmäinen gamma-arvo 71 määritetään lukemalla se kyseisen värikuvan kuvatiedostoon liitetyistä väriprofiilitiedoista.

Keksinnön eräässä sovelluksessa ensimmäinen gamma-arvo 71 määritetään lukemalla se käyttäjän syöt-20 tämistä tiedoista.

. . Keksinnön eräässä sovelluksessa ensimmäinen • · # .! 1 gamma-arvo 71 määritetään estimoimalla se automaatti- * sesti käyttäen apuna kuvan normalisointia gamman suh-♦ · · • ••5 teen.

• · 25 Edelleen eräässä keksinnön mukaisessa mene- :,1#: telmässä värikuvan visuaalista laatua parannetaan nor- malisoimalla värikuva gamman suhteen kyseiselle kuvalle suoritettavien säätöjen johdonmukaistamiseksi.

Edelleen eräässä keksinnön mukaisessa mene-,···, 30 telmässä värikuvan visuaalista laatua parannetaan ky- "* seisen värikuvan väritasapainoa (color balance) säätä- *·“ mällä. Keksinnön mukaisesti värikuvasta estimoidaan kuvakohtainen harmaapiste puhdasta harmaata kohti sää-dettäväksi. Tämän jälkeen määritetään suoritettavan 1 t ·.. 35 säädön suunta automaattisesti. Lisäksi määritetään · suoritettavan säädön voimakkuus. Lopuksi suoritetaan säätö siirtämällä mainittua harmaapistettä mainitun 115363 s säädön suunnan suuntaisesti mainitun säädön voimakkuuden verran.

Edelleen eräässä keksinnön mukaisessa järjestelmässä värikuvan visuaalista laatua parannetaan kah-5 ta globaalia kuvapiirrettä samanaikaisesti säätämällä. Järjestelmä käsittää näyttölaitteen säädettävän kuvan esittämiseksi reaaliaikaisesti. Keksinnön mukaisesti järjestelmä edelleen käsittää ohjauslaitteen mainittujen kuvapiirteiden säätämiseksi samanaikaisesti lii-10 kuttamalla säätöpistettä ohjauslaitteen avulla pitkin kaksiulotteista säätötasoa, estimointivälineet säädön suunnan ja/tai voimakkuuden estimoimiseksi automaattisesti, ja visualisointivälineet mainittujen estimaattien visualisoimiseksi näyttölaitteella.

15 Keksinnön eräässä sovelluksessa säädettävä kuvapiirre on kontrasti.

Keksinnön eräässä sovelluksessa säädettävä kuvapiirre on gamma-arvo.

Keksinnön eräässä sovelluksessa estimointivä-20 lineet käyttävät neuroverkkoa apuna säädön suunnan ja/tai voimakkuuden estimoinnissa.

; Keksinnön eräässä sovelluksessa näyttölait- I I * : ·* teella esitetään alkuperäinen kuva säädettävän kuvan lisäksi.

V - 25 Esillä olevan keksinnön etuna tunnettuun tek- ; nilkkaan verrattuna on, että se tarjoaa aiempaa moni- puolisemmat ja helppokäyttöisemmät mahdollisuudet kor-jata digitaalisessa muodossa olevan värivalokuvan vi-suaalista laatua. Esimerkiksi keksinnön ansiosta gam- ... 30 ma-korjauksen yhteydessä voidaan suorittaa kylläisyys- » kompensointi. Edelleen keksinnön mukaisessa kontras-tinparannusmenetelmässä kontrastinsäätöpotentiaali on huomattavasti aiempaa suurempi. Edelleen keksinnön mu-kaisessa järjestelmässä kahden globaalin kuvapiirteen, 35 kuten esimerkiksi kontrastin ja gamma-arvon säätäminen samanaikaisesti on helpompaa kuin nykyisillä säätöjärjestelmillä .

• i 6 115363

KUVALUETTELO

Seuraavassa keksintöä selostetaan oheisten sovellusesimerkkien avulla viittaamalla oheiseen pii-5 rustukseen, jossa kuviossa 1 on kaaviomaisesti kuvattu eräs keksinnön mukainen menetelmä; kuviossa 2 on kaaviomaisesti kuvattu eräs keksinnön mukainen menetelmä; 10 kuviossa 3 on kaaviomaisesti kuvattu kontras- tinsäätöä kuvion 1 tai 2 mukaisessa menetelmässä; kuviossa 4 on kaaviomaisesti kuvattu eräs keksinnön mukainen menetelmä; kuviossa 5 on kaaviomaisesti kuvattu eräs 15 keksinnön mukainen menetelmä; ja kuviossa 6 on kaaviomaisesti kuvattu eräs keksinnön mukainen järjestelmä.

KEKSINNÖN YKSITYISKOHTAINEN SELOSTUS

20 Kuviossa 1 on kuvattu vuokaaviona esimerkin omaisesti eräs keksinnön mukainen menetelmä värikuvan • * 4 | visuaalisen laadun parantamiseksi säätämällä kyseisen ’·· värikuvan kontrastia. Vaiheessa 11 värikuva jaetaan < t · « spatiaalisiin segmentteihin. Vaiheessa 12 segmen-25 toidulle värikuvalle suoritetaan segmenttikohtainen * · värianalyysi segmenttikohtaisen analyysitiedon määrit- * * tämiseksi. Vaiheessa 13 väriavaruus jaetaan fragment-teihin yhden tai useamman ennalta määrätyn fragmen-

Uit» tointiparametrin funktiona, jotka fragmentit vastaavat 30 kukin ainakin yhtä mainituista värikuvan segmenteistä. Fragmentointiparametreina käytetään esimerkiksi HSV-värimallin mukaista värisävyä H ja/tai kylläisyyttä S.

• * • HSV-värimalli on sinänsä tunnettu värimalli, jonka

t> IM

‘ ’ komponentit määritellään esimerkiksi seuraavasti: O 35 H = b(R, G,B)± — (med{R, G, B) - min(Ä, G, B)) /(max(/?, G, B) - min(7?, G, B)) 6 7 115363 S = (max(R, G, B) - min(/?, G, B)) / max(R, G, B) V = max(/?, G, E) 5 Tässä med(R,GfB) on suuruusjärjestyksessä keskimmäinen RGB-komponentti ja b(R,G,B) on jokin arvoista 0, 1/3 tai 2/3 sen mukaan, onko suurin komponentti R, G vai B. H:n kaavassa plusmerkki valitaan, jos R > G > B, G 10 > B > R tai B > R > G, muutoin valitaan miinusmerkki.

Vaiheessa 14 fragmentoidulle väriavaruudelle suoritetaan fragmenttikohtainen värianalyysi fragmenttikoh-taisen analyysitiedon määrittämiseksi. Mikäli väriavaruus on jaettu fragmentteihin värisävyn funktiona, ei 15 kuva-analyysissä edullisesti oteta huomioon neutraaleja värejä, vaan ainoastaan ennalta määrätyn (selvästi nollaa suuremman) kylläisyysrajan ylittävät kuva- alkiot huomioidaan. Tämän jälkeen vaiheessa 15 selvitetään toisiaan vastaavat värikuvan segmentit ja vä-20 riavaruuden fragmentit. Selvitetyn vastaavuuden perusteella vaiheessa 16 yhdistetään segmenttikohtainen analyysitieto ja fragmenttikohtainen analyysitieto.

. . Vaiheessa 17 kunkin fragmentin kontrastinsäätöpotenti- • · • · · ,* * aali määritetään yhdistetyn analyysitiedon perusteel- • ·’ 25 la. Lopuksi vaiheessa 18 säädetään värifragmenttien ·...’ kontrastia määritetyn kontrastinsäätöpotentiaalin sekä käyttäjän antamien tietojen perusteella. Kontrastin-säätö suoritetaan spatiaalisesti globaalisti.

KontrastinsäädÖssä käytetään apuna esimerkik-30 si RGB-arvoihin vaikuttavia sävyntoistokäyriä. Vä-risävyfragmenttien rajat asetetaan esimerkiksi sävyar- • · ,···_ voille, joiden kuva-alkioiden määrä ja/tai merkitse- , vyys on pieni. Fragmenttikohtaisen kuva-analyysin poh- jalta fragmentin värejä säädetään ainakin likipitäen 35 samalla tavalla. Sen sijaan fragmenttien väliset erot säätöjen suhteen voivat olla suuria. Säädöt tehdään värisävyn mukaan muuttuvien RGB-histogrammien pohjalta * · · 8 115363 lineaaristen RGB-säätökäyrien avulla. Kyseisistä his-togrammeista määritetään sävyfragmenttikohtainen minimi- ja maksimisävyarvo. Nämä arvot puolestaan määräävät kontrastinlisäyspotentiaalin, joka sitten osittain 5 tai kokonaisuudessaan hyödynnetään kontrastia säädettäessä .

Vaikka kontrastinsäätö onkin lokaali ainoastaan väriavaruudessa eikä spatiaalisesti, voidaan käyttää hyväksi spatiaalista informaatiota määritettä-10 essä säädön riippuvuutta väristä. Säätö voi muuttua voimakkaastikin sellaisilla väriavaruuden alueilla, jotka eivät vastaa mitään spatiaalisesti merkitsevää kohdetta. Spatiaalinen merkitsevyys voidaan ottaa huomioon esimerkiksi seuraavilla tavoilla. Ensinnä väri-15 histogrammi lasketaan painottaen kuva-alkioita lokaaleilla spatiaalisilla ominaisuuksilla siten, että kohteiden välisten jyrkkien reunojen kuva-alkioilla on pienempi paino kuin laakeiden tasaväristen alueiden kuva-alkioilla. Voidaan esimerkiksi hakea reunakohdat 20 millä tahansa reunantunnistimella ja jättää ne pois histogrammin laskennasta. Voidaan myös laskea spatiaalinen gradientti ja painottaa kuva-alkiota sitä enem-. . män, mitä pienempi gradientin arvo sen kohdalla on.

; Toisaalta lasketaan gradientin tai muun spatiaalista : ·' 25 muutosta kuvaavan piirteen tilastollinen jakauma erik- t seen väreille ja jakaumasta lasketaan kunkin värin * · keskimääräistä tasaisuutta kuvaava tunnusluku. Tunnus-·* : luku voi olla esimerkiksi gradientin keskiarvo, medi- aani tai trimmattu keskiarvo. Näitä tunnuslukuja voi-30 daan käyttää värihistogrammien korvaajana siten, että suuren tasaisuuden värit vastaavat suuria histogrammin • t ,·.·( arvoja ja päinvastoin. Laskennallisesti yksinker- taisinta on ottaa tunnusluvuksi gradientin keskiarvo, ’·"· koska silloin jakaumia ei tarvitse muodostaa, vaan N·*: 35 keskiarvo saadaan suoraan jakamalla värikohtaiset gra- dienttien summat värikohtaisilla kuva-alkiomäärillä.

Tämä menetelmä pystyy histogrammimenetelmää paremmin 9 115363 erottamaan sellaiset värit, joiden osuus kuvasta on pieni, mutta jotka esiintyvät spatiaalisesti kompakteina alueina.

Kuviossa 2 on kuvattu vuokaaviona esimerkin 5 omaisesti eräs keksinnön mukainen menetelmä värikuvan visuaalisen laadun parantamiseksi säätämällä kyseisen värikuvan kontrastia. Aluksi vaiheessa 21 värikuvalle suoritetaan tilastollinen kuva-analyysi sen tilastollisten kuvaominaisuuksien selvittämiseksi. Kyseiset 10 tilastolliset kuvaominaisuudet käsittävät esimerkiksi kuvan värihistogrammit. Väriavaruus jaetaan fragment-teihin yhden tai useamman ennalta määrätyn fragmen-tointiparametrin funktiona tilastollisen kuva-analyysin perusteella vaiheessa 22. Fragmentoidulle 15 väriavaruudelle suoritetaan fragmenttikohtainen väri- analyysi fragmenttikohtaisen analyysitiedon määrittämiseksi vaiheessa 23. Kunkin fragmentin kontrastinsää-töpotentiaali määritetään fragmenttikohtaisen analyysitiedon perusteella vaiheessa 24. Lopuksi vaihees-20 sa 25 säädetään kontrastia spatiaalisesti globaalisti määritetyn kontrastinsäätöpotentiaalin sekä käyttäjän antamien tietojen perusteella.

. . Kuviossa 3 on kuvattu esimerkin omaisesti, • ** miten kuvion 1 tai 2 mukaisessa menetelmässä kontras- I · · « « · ·' ·’ 25 tinsäätö määritellään kertomalla RGB-komponenttien muodostama vektori 3x3-matriisilla, joka ei ole vakio • · vaan värisävystä (H-komponentista) riippuva. Tämä on : edullista, mikäli kontrastia ei tarvitse lisätä sävy- asteikon tummassa päässä. Tiettyä värisävyä vastaava 30 alue RGB-avaruudessa on kolmio 31, jonka yhtenä sivuna on harmaa-akseli 32 ja muina sivuina RGB-avaruuden ...^ reunat kyseisellä värisävyllä. Tämän kolmion sisältä ’’’ voidaan määrittää pienempi kolmio 33, jonka yhtenä si- vuna on edelleen harmaa-akseli ja jonka muut sivut va- 35 Iitaan siten, että kuvan värijakauma 34 tällä vä- risävyllä mahtuu kolmion sisään. Kontrastinsaätö voi-... daan nyt määrätä valitsemalla piste P', jolle kolmion 1 1 5363 10 kärkipisteen P halutaan kuvautuvan, ja vaatimalla, että harmaasävyt säilyvät säädössä ennallaan. Nämä ehdot määräävät tason koordinaateissa yksikäsitteisen 2x2-matriisin T. Lopullinen värisävystä riippuva säätömat-5 riisi muodostuu tulona: M{H) = Q{H)T(H)P{H), 3x2 2x2 2x3 missä P(H) on muunnosmatriisi kolmiulotteisista RGB-koordinaateista värisävyä H vastaavan tason koordi-10 naatteihin ja Q(H) on muunnosmatriisi tason koordinaateista takaisin RGB-koordinaatteihin. Käytännön toteutusta varten voidaan laskea kvantisoituja H:n arvoja vastaavat matriisit etukäteen ja tallettaa ne taulukkoon. Etuna tästä on, että pistettä P' muuntelemalla 15 voidaan säätöä muuntaa liukuvasti kontrastinsäädön ja kylläisyydensäädön välillä. Edelleen etuna on se, että jos väreille on tarkoitus kontrastinsäädön jälkeen tehdä jokin korjaus globaalilla matriisilla A, niin operaatioita ei tarvitse suorittaa erillisinä, vaan 20 sama tulos saadaan aikaan soveltamalla värisävystä riippuvaa matriisia M' (H) = AM (H) :v. Matriisi A voi olla esimerkiksi korjaus halutun näyt- * ♦ 25 tölaitteen väriavaruuteen tai kuvan säätäminen halut- * · » tujen valaistusolojen mukaisiksi.

Kuviossa 4 on kuvattu vuokaaviona esimerkin omaisesti eräs keksinnön mukainen menetelmä digitaali- » · « ·...· sen värikuvan visuaalisen laadun parantamiseksi kysei- 30 sen värikuvan gamma-arvoa kylläisyyskompensoidusti ·;··: korjaamalla. Aluksi vaiheessa 41 määritetään ensimmäi- nen gamma-arvo γχ, jolla RGB-komponenteista R, G ja B ' . koostuva värikuva on tarkoitettu esitettäväksi, sekä vaiheessa 42 toinen gamma-arvo γ2, jolla kyseinen väri-35 kuva tullaan esittämään. Keksinnön mukaisesti suurim-*:*: man arvon omaavalle RGB-komponentille suoritetaan gam- makorjaus vaiheessa 43 korottamalla kyseinen RGB-arvo 11 115363 mainittujen gamma-arvojen suhteen y\/yz osoittamaan potenssiin. Pienimmän arvon omaavalle RGB-komponentille suoritetaan gammakorjaus vaiheessa 44 siten, että kuvan kylläisyyskomponentti S muuntuu samalla tavalla 5 kuin, jos gammakorjauksen eksponentti olisi välillä 1... γι/γ2. Keskimmäisen arvon omaavalle RGB- komponentille suoritetaan gammakorjaus vaiheessa 45 siten, että kuvan värisävykomponentti H muuntuu samalla tavalla kuin normaalissa gammakorjauksessa.

10 Jos RGB-värikuva on alunperin tarkoitettu näytettäväksi laitteella, jonka gamma-arvo on ji, mutta halutaankin näyttää laitteella, jonka gamma-arvo on γ2, pitää kuvalle tehdä gammakorjaus korottamalla RGB-arvot gamma-arvojen suhteiden osoittamaan potenssiin: 15 (.R',G',B') = (RY'Ιγ2,GY',γ\Βη) .

Gammakorjaus vaikuttaa värien kylläisyyteen. Jos kylläisyys määritellään esimerkiksi aiemmin kuvion 1 yh-20 teydessä määritellyllä tavalla, niin gammakorjatun kuvan kylläisyys riippuu alkuperäisestä kylläisyydestä seuraavasti: •Λ·· s'=\-(\-sy,/Yi.

25

Jos j2>jir kylläisyys pienenee. Kylläisyyden pienentä-minen automaattisessa kuvankorjauksessa ei yleensä ole « » eduksi, koska monille kuville optimaalinen laatu päin- vastoin vaatisi kylläisyyden lisäämistä. Tämän vuoksi 30 gammakorjauksen yhteydessä pitää kompensoida kylläi- ....· syyttä.

* >

Eräs kylläisyyskompensaatiomenetelmä voidaan määrittää gammakorjauksen tekemisenä eri tavoin HSV-väriavaruuden eri komponenteille. HSV-avaruuden etuna :··· 35 on se, että komponentteja voidaan muuttaa toisistaan ’ . riippumatta pysyen koko ajan RGB-avaruuden sisällä.

12 115363

Kylläisyyskompensaatio HSV-avaruudessa merkitsee, että vain H- ja V-komponenttien annetaan muuttua samoin kuin ne muuttuisivat tavallisessa gammakor-jauksessa. Sen sijaan S muuttuu vain jonkin lievenne-5 tyn gammakorjauksen mukaan. Lievennettyä korjausta vastaava eksponentti a on ykkösen ja suhteen γι/γ2 välillä. Varsinaista muunnosta HSV-avaruuteen ei tarvitse tehdä, vaan haluttu tulos saadaan aikaan seuraavia yhtälöitä käyttäen: 10 MAX'=MAXr',r> MIN' / MAX' = (MIN t MAXf 15 (MED'-MIN')/(MAX'~MIN') = {MEDn‘r> -MINn,n)l(MAXr'‘ri-MINr'lri)

Toisin sanoen suurimmalle RGB-komponentille MAX tehdään normaali gammakorjaus. Pienimmän RGB-komponentin MIN uusi arvo ratkaistaan vaatimuksesta, että S muun-20 tuu ikään kuin gammakorjauksen eksponentti olisi a. Keskimmäisen RGB-komponentin MED uusi arvo ratkaistaan vaatimuksesta, että H muuntuu samalla tavalla kuin normaalissa gammakorjauksessa. Näiden muunnosten jäl-keen komponenttien järjestys on edelleen oikea, eli: • · · . 25 MIN'<MED'<MAX'.

• #

Arvo a=l vastaa täydellistä kylläisyyskompen-säätiötä eli S:n säilyttämistä ennallaan. Jos Y2<7i/ 30 kylläisyyskompensaatio aiheuttaisi kylläisyyden vähe- . nemistä, ja voidaan siksi jättää pois asettamalla * · ... α=γι/γ2- Jos 72 on paljon suurempi kuin γι, kompensaatio- ·;·* ta ei ehkä ole tarpeen tehdä täydellisenä, vaan se voidaan tehdä osittaisena valitsemalla a ykköstä pie- ;··· 35 nemmäksi. Parametri a voi esimerkiksi riippua suhtees- * . ta 7rei=7i/72 seuraavasti: 13 115363

Yrel’ J°S Y re, ^ 1 a = U, jos c < γη, < 1

Yrel+^-CjOS Yrel^C

KyiIäisyyskompensaatiota ei ole välttämätöntä tehdä yhdessä itse gammakorjauksen kanssa, vaan se 5 voidaan erottaa omaksi operaatiokseen. Tämä operaatio saadaan edellä mainituista kylläisyyskompensaation kaavoista korvaamalla 71/72 ykkösellä ja a luvulla 072/71- Toisin sanoen V ja H säilytetään ennallaan ja kylläisyyttä muutetaan. Tämä kylläisyyden muutos yh-10 distettynä tavalliseen gammakorjaukseen eksponentilla 71/72 tuottaa V- ja S-komponenteille saman lopputuloksen kuin edellä mainittujen kylläisyyskompensaation kaavojen mukainen operaatio riippumatta siitä, tehdäänkö gammakorjaus ennen kylläisyyden muutosta vai 15 sen jälkeen. H-komponentille lopputulos on tarkasti sama ainoastaan silloin, jos gammakorjaus tehdään ennen kylläisyyden muutosta. Käytännössä on hyödyksi tehdä gammakorjaus nimenomaan kylläisyyskompensaation jälkeen. Jos kuvan käsittelyssä välitulokset tallete-20 taan vain 8-bittisinä lukuina, gammakorjaus lykätään edullisesti mahdollisimman myöhäiseen vaiheeseen, sil- • · · ,* * lä se muuttaa vaaleusasteita eli V-komponenttia ja ai- • · · • ·* heuttaa siksi kuvaan helpommin visuaalisesti havaitta- » · 4 • ••ί via kvantisointivirheitä kuin pelkkä kylläisyyden I · ·.'* 25 muuttaminen.

:ιΐφί Gamma-arvo 71 saadaan vaihtoehtoisesti joko kysymällä käyttäjältä tai lukemalla se kuvatiedostoon liitetyistä väriprofiilitiedoista.

Jos muuta tietoa gamma-arvosta ei ole käytös- .*··, 30 sä, kuvankorjaukseen voidaan sisällyttää automaattinen kuvalle sopiva gamma-arvon estimointi. Gamma-arvon va- • ‘ linta tapahtuu normalisointi-periaatteella, jossa hae- taan jonkin kriteerifunktion F minimiarvo: * » » * I f 35 /„(/) = argminr F(Ir) .

• » 14 115363 Tässä I on välille [0,1] skaalattu RGB-kuva ja IY tarkoittaa potenssiinkorotusta pisteittäin ja osaväreit-täin. Kyseisestä minimiarvon kaavasta seuraa, että 5 kaikkia saman kuvan eri tavoin gammakorjattuja versioita vastaa sama normalisoitu kuva. Normalisoinnilla on kaksi käyttökohdetta. Ensinnäkin normalisoivaa arvoa γη voidaan käyttää kuvan gammakorjauksessa. Korjaus voidaan tehdä joko täydellisenä, jolloin otetaan γη 10 gammakorjauksen yhteydessä esiintyväksi yiiksi sellaisenaan tai lievennettynä, jolloin yiiksi valitaan jokin arvo γη:η ja γ2:n väliltä. Toiseksi kuva voidaan normalisoida gamman suhteen muita korjauksia varten. Näitä korjauksia ovat esimerkiksi väritasapainon ja kontras-15 tin säätö. Toisin sanoen kaikki korjausten tarvitsema analyysi ja itse korjaukset tehdään ikään kuin kuvan gamma-arvo olisi γη. Tällöin korjaukset ovat teoriassa riippumattomia ja käytännössäkin likimain riippumattomia alkuperäisen kuvan gammavaihteluista. Normalisoin-20 ti muita korjauksia varten voidaan suorittaa, vaikkei varsinaista gammakorjausta tehtäisi. Jos algoritmille syötetyt kaksi kuvaa eroavat toisistaan alunperin gamman suhteen eikä gammakorjausta tehdä, niin käsitel- * i V.' lytkin kuvat luonnollisesti eroavat toisistaan. Norma- ’ V 25 lisoinnista gamman suhteen on tällöin se hyöty, että käsitellyt kuvat eroavat vain gamman suhteen eli kä-sittely ei lisää hallitsemattomasti eroa kuvien välil- » » lä, kuten saattaisi tapahtua, jos korjaukset perustui-.*··. sivat suoraan alkuperäisten kuvien analysointiin.

30 Funktio F voi mitata esimerkiksi kuvan sävy- . jakauman eroa ennalta valittuun referenssijakaumaan { * * < · nähden tai keskimääräisen sävyn asettumista ennalta • » *;·’ määrättyyn arvoon. Jakaumaksi ei käytännössä kelpaa ·;*·.’ globaali histogrammi, vaan suurten tasasävyisten alu- ·;··; 35 eiden osuutta jakaumassa on vähennettävä. Näiden peri- ' , aatteiden mukaisista normalisointialgoritmeista voi daan kehittää monenlaisia muunnelmia, joissa funktion * t • ► · 15 115363 F arvon laskeminen noudattaa seuraavaa kaavaa. Ensiksi muodostetaan kuvasta värikomponentti tai komponentit, josta jakaumat lasketaan. Seuraavaksi lasketaan valittujen komponenttien jakaumat siten, että suurten ta-5 sasävyisten alueiden vaikutusta on vähennetty. Lopuksi verrataan jakaumia kiinteisiin referenssijakaumiin tai jakaumien ominaisuuksia kiinteisiin referenssiarvoi-hin. F:n arvo on sitä pienempi, mitä lähempänä toisiaan vertailtavat suureet ovat. Ensimmäisessä vaiheessa 10 värikomponentteina voivat olla RGB-komponentit tai jokin vaaleusastetta kuvaava komponentti L. Toisessa vaiheessa tasasävyisten alueiden vaikutuksen vähentäminen voi perustua histogrammien muokkaamiseen siten, että korkeimmat huiput madaltuvat, tai histogrammien 15 painottamiseen spatiaalisesti siten, että yksityiskohta-alueita painotetaan enemmän kuin tasaisia alueita.

Yleisessä tapauksessa F:n minimiarvon etsintä vaatii iterointia, jossa lasketaan toistuvasti lausekkeen F(IY) arvo eri γ:η arvoilla. Jotta laskentatyö ei 20 tällöin muodostuisi kohtuuttomaksi, olisi F määriteltävä siten, että tiettyä gammaa vastaavaa arvoa ei tarvitse laskea lähtien originaalikuvasta, vaan että • · ·.·1.· sitä voidaan approksimoida kertaalleen lasketuista histogrammeista. Edellä mainitun tyyppisissä algorit-• j. 25 meissä tämä merkitsee seuraavia vaatimuksia. Jos en-: simmäisessä vaiheessa käytetään RGB-komponenttien li- säksi tai sijasta jotakin muuta väri komponenttia L, sen tulee kommutoida gammasäädön kanssa: * · • t • · ♦ 30 L(Rr ,Gr ,Br) = L(R,G,B)r .

» · · ...· Jos toisessa vaiheessa käytetään spatiaalista paino- tusta, painokerrointen tulee olla vakiokerrointa vail-le riippumattomia gammasta. Seuraavassa on esimerkki 35 tämän ehdon toteuttavien kuva-alkiokohtaisten painojen ‘ 1 W(x,y) laskennasta. Aluksi muodostetaan logaritmiset RGB-komponentit eli densiteetit: 16 115363

Dr = log(l/ R), Dg = log(l / G), Db = log(l / B).

Seuraavaksi suodatetaan densiteettikuva ylipäästö- tai 5 kaistanpäästösuotimella K, joka tuo esiin yksityiskohdat : D'r=K*Dr, D’c=K*Dg, D'b=K*Db.

10 Lopuksi otetaan suodatetusta kuvasta itseisarvo, valitaan kolmesta itseisarvosta suurin ja korotetaan pis-teittäin potenssiin p: W{x,y) = m^^,R{x,y)\,\D'G(x,y)\,\D'B(,x,y)\)p .

15

Lopullinen normalisoinnissa käytettävä gamma-arvo voidaan laskea yhdistelmänä yksittäisten kriteerien tuottamista tuloksista. Toisin sanoen, jos käytössä ovat minimoitavat funktiot Fi,F2, ... ja näitä vastaavat mai-20 nitun kriteerifunktio F:n minimiarvon kaavan mukaiset tulokset yn,ir γη,2r · · · r lopullinen arvo on: r„ = tf0wn,2 >···)/ •» ♦ ··· 25 missä H on jokin ensimmäisen asteen homogeeninen funk- : tio eli toteuttaa ehdon H(cxl,cx2,...) = cH(xl,x2,...) kaikilla vakioilla c.

30 H pyritään käytännössä valitsemaan siten, että normalisointi toimii tilastollisesti parhaalla mahdollisel-

I · I

...· la tavalla.

Väritasapainon säädössä ja mahdollisesti muu- allakin voidaan hyödyntää tietoa kuvan yksityiskohtien 35 määrästä ja niiden spatiaalisesta jakautumisesta. Eräs * 1 keino analysoida yksityiskohtia gammasta riippumatto- *...·* maila tavalla on suorittaa edellä mainittu normali- 17 115363 sointi ja tunnistaa yksityiskohdat normalisoidusta kuvasta. Toinen keino on tunnistaa yksityiskohdat suoraan gammasta riippumattomalla tavalla. Tämä voi perustua densiteettien suodatukseen. Sen sijaan edellä 5 esitetty W ei kelpaa sellaisenaan, koska gamma vaikuttaa W:n arvoihin vakiokertoimella, joka pitää normalisoida pois. Normalisointi voidaan tehdä esimerkiksi jakamalla W omalla huippuarvollaan. Tällä menetelmällä on kuitenkin haittapuolena, että se painottaa suuri-10 kontrastisia yksityiskohtia enemmän kuin pienikontras-tisia. Tasapuolisempi painotus saadaan muuntamalla W jollakin epälineaarisella funktiolla, joka on nolla pienillä muuttujan arvoilla ja lähestyy arvoa 1 suurilla muuttujan arvoilla. Eräs tällainen funktio on: 15 /(0 = 1- exp(-/ / T) .

Parametri T on tällöin määrättävä kuvakohtaisesti siten, että se kumoaa gamman aiheuttaman vaihtelun W:n 20 skaalassa. T voi olla esimerkiksi W:n huippuarvo kerrottuna sopivalla vakiolla.

Kuviossa 5 on kuvattu vuokaaviona esimerkin .V; omaisesti eräs keksinnön mukainen menetelmä värikuvan ".·. visuaalisen laadun parantamiseksi kyseisen värikuvan 25 väritasapainoa automaattisesti säätämällä. Aluksi vai-. '. heessa 51 värikuvasta estimoidaan kuvakohtainen har- maapiste puhdasta harmaata kohti säädettäväksi. Tämän ;;·* jälkeen määritetään suoritettavan säädön suunta sekä suoritettavan säädön voimakkuus, vaiheet 52 ja 53. Lo-30 puksi vaiheessa 54 suoritetaan säätö siirtämällä mai-nittua harmaapistettä mainitun säädön suunnan suuntai-• sesti mainitun säädön voimakkuuden verran.

’ . Väritasapainosäädön automaattinen määrittämi- . nen muodostuu kahdesta vaiheesta: säädön suunnan ja ***** 35 säädön voimakkuuden valinnasta. Säädön suunnan määrää estimoitu kuvakohtainen harmaapiste eli väri, jota on :***;. tarkoitus säätää kohti puhdasta harmaata. Säädön voi- 18 115363 makkuus on matka, jonka verran harmaata kohti harmaa-piste lopulta siirtyy.

Säädön oikea suunta on hyvin kriittinen tekijä säädön onnistumiselle. Jos suunta on hiukankin vää-5 rä, neutraalien värien muuttuminen voi pilata kuvan, vaikka harmaatasapaino itse asiassa paranisi. Tästä syystä varsinkin suunnan määräämisen tulisi toimia luotettavasti ja stabiilisti. Ollakseen stabiili tulisi harmaapisteen estimoinnin perustua riittävän glo-10 baaleihin kuvan ominaisuuksiin, mutta tällöin säätö-tarve tulee helposti yliarvioiduksi. Tästä syystä ei estimoitua harmaapistettä voida sellaisenann käyttää, vaan on tarpeen rajoittaa säädön voimakkuutta erilaisilla kriteereillä. Säädön voimakkuus voi myös riippua 15 paljon yksilöllisistä mieltymyksistä ja siitä, kuinka paljon valaistuksen aikaansaamaa tunnelmaa kuvassa halutaan säilyttää. Eräs mahdollisuus onkin se, että säädön suunta määrätään automaattisesti ja voimakkuuden määrää käyttäjä interaktiivisesti.

20 Eräs menetelmä harmaapisteen estimoimiseksi perustuu kuvakohtaisen harmaa-akselin määritykseen. Akseli muodostetaan jakamalla kuva-alkiot vaaleusar-. Y: vonsa mukaan luokkiin ja laskemalla jokaisesta luokas- ·*·’; ta keskimääräinen väri. Vaaleusarvo voidaan määritellä • · 25 monella tavalla, yksinkertaisin esimerkki on L= (R+G+B) /3, toinen esimerkki on CIELAB-avaruuden L* -komponentti. Vaaleusluokan keskimääräinen väri voidaan laskea eri väriavaruuksissa, kuten RGB tai CIELAB, ja ’·’ se voidaan määritellä aritmeettisella keskiarvolla tai 30 jollakin muulla mitalla, joskin aritmeettinen keskiar-* ”· vo on käytännössä helpointa laskea. Vaaleusarvojen I · · määrittely ja keskivärin laskentatapa eivät ole sidok-sissa toisiinsa. Kun akseli on muodostettu, sen avulla estimoidaan harmaapiste tavalla, joka pyrkii kuvaamaan 35 akselin pääsuuntaa väriavaruudessa. Yksinkertaisin keino on akselin kaikkien pisteiden painottamaton kes- ' » 19 115363 kiarvo. Käytännössä on tarpeen painottaa akselin pisteitä eri tavoin esimerkiksi seuraavilla kriteereillä.

Jos jossakin vaaleusluokassa kuva-alkioiden määrä on hyvin pieni, asetetaan tämän luokan paino 5 normaalia pienemmäksi.

Vaaleusluokista lasketaan keskivärien lisäksi värin hajontaa kuvaava suure. Hajonnan suurilla arvoilla paino pienenee vähitellen nollaan. Kuten keski-värikin, hajonta voidaan määritellä eri tavoin ja eri 10 väriavaruuksissa. Yksinkertainen hajontasuure on esimerkiksi RGB-komponenttien varianssien summa. Tämän kriteerin tarkoituksena on vähentää värikkäiden kohteiden vaikutusta harmaapisteeseen. Kriteerin perusteena on olettamus, että kuvassa todennäköisesti 15 esiintyy värikkäiden kohteiden kanssa samaa vaaleusas-tetta olevia värittömämpiä kohteita, mikä tekee kyseisten vaaleusluokkien hajonnan suureksi ja näin ollen estää suuren osan värikkäiden alueiden vaikutuksesta .

20 Paino on vaalessa päässä suurempi kuin tum massa vastaten vaaleiden alueiden suurempaa visuaalista merkitystä väritasapainolle.

Paino on sitä suurempi, mitä lähempänä akse-Iin pistettä vastaavan RGB-vektorin suunta on harmaa-,:t 25 akselin suuntaa. Tämän painotuksen perusteena on, että lähellä harmaata olevat värit ovat todennäköisimmin *..* kuvan neutraaleja värejä.

Menetelmän eräässä muunnelmassa harmaapistet-tä ei estimoida suoraan painotettuna keskiarvona akse-30 Iin pisteistä, vaan akselin pisteiden avulla haetaan "ϊ”: ensin pelkkä säädön suunta. Suunta tarkoittaa tällöin sellaista harmaa-akselin kautta kulkevaa tasoa, joka ‘ . parhaiten sopii akselin pisteisiin. Varsinainen har- , maapiste-estimaatti voidaan tämän jälkeen laskea otta- 35 maila akselin pisteistä projektiot suuntatasolle, ja käyttämällä painotetun keskiarvon laskemiseen projek-tioita alkuperäisten pisteiden sijasta.

20 115363 Säädön suuntatason määrääminen tarkoittaa karkeasti akselin pisteiden keskimääräistä värisävyä.

Tätä ei voida kuitenkaan laskea H-komponentin keskiarvona, koska H-asteikko on syklinen. Sen sijaan suunta-5 taso voidaan määrittää minimoimalla jokin virhekritee-ri, joka kuvaa akselin pisteiden poikkeamia tasosta. Tällainen kriteeri voi olla esimerkiksi tasosta mitattujen kohtisuorien etäisyyksien painotettu tai painot-tamaton summa tai neliösumma.

10 Kun harmaapiste on estimoitu, voidaan säädön voimakkuus määrätä joko interaktiivisesti tai automaattisesti. Automaattisessa voimakkuuden määräämisessä voidaan käyttää ainakin seuraavia periaatteita.

Verrataan toisiinsa useiden eri harmaapis-15 tealgoritmien antamia tuloksia ja tehdään säätö sitä lievempänä, mitä enemmän tulokset poikkeavat toisistaan. Jos tulosten ero on hyvin suuri, säätöä ei tehdä lainkaan. Yksi verrattavista algoritmeista voi olla edellä kuvattu menetelmä, muitavoivat olla esimerkiksi 20 seuraavat. Valkopistemenetelmä, jossa haetaan kuvan vaaleimpien kuva-alkioiden keskimääräinen väri. Tämä on itse asiassa edellä käsitellyn kuvakohtaista har-maa-akselia käyttävän menetelmän erikoistapaus, jossa muiden paitsi ylimpien vaaleustasojen painokerroin on 25 nolla. Maksimimenetelmä, jossa harmaapisteen komponen-teiksi otetaan R-, G- ja B-komponenttien oleellisesti * * · suurimmat kuvassa esiintyvät arvot.

···’ Pyritään tunnistamaan kuvat, joissa on liian *·..* vähän informaatiota luotettavaa säätöä varten. Tällai- 30 siä ovat esimerkiksi kuvat, joiden värijakauma on hy-h”·' vin yksinkertainen. Tällaisiksi kuvat voidaan tulkita : esimerkiksi sillä perusteella, että kaikki tai suurin osa vaaleusluokkien hajonnoista on hyvin pieniä. Edel-. leen tällaisia ovat esimerkiksi kuvat, joissa on hyvin 35 vähän yksityiskohtia. Yksityiskohtien määrää voidaan mitata esimerkiksi edellä kuvatulla gammasta riippu-mattomalla menetelmällä. Edelleen tällaisia ovat esi- 21 115363 merkiksi kuvat, jotka ovat tekstuurimaisia eli joissa tilastolliset ominaisuudet ovat jakautuneet hyvin tasaisesti eri alueille. Eräs mahdollinen tilastollinen ominaisuus on yksityiskohtien määrä, jota voidaan mi-5 tata kuten edellä esitettiin. Kuvan kuulumista tällaisiin erikoisluokkiin kuvataan esimerkiksi 0:n ja l:n välillä olevalla jäsenyysarvolla. Mitä suurempi jäse-nyysarvo on, sitä lievempänä säätö tehdään.

Lievennetään säätöä tarvittaessa siten, että 10 kuvan värit pysyvät ainakin suurimmaksi osaksi jonkin ennalta määrätyn alueen sisällä väriavaruudessa. Tämän alueen rajat voivat olla joko kiinteät tai riippua säädön suunnasta. Alue määritetään suuren kuvajoukon tilastollisen analyysin perusteella mahdollisimman 15 pieneksi, mutta kuitenkin tarpeeksi suureksi siten, että kriteeri ei rajoita liikaa juuri minkään sellaisen kuvan säätöä, jossa oikeasti on säätötarvetta. Kriteeri perustuu siihen, että joitakin RGB-avaruuden kylläisimpiä värejä esiintyy käytännössä hyvin har-20 voin. On esimerkiksi harvinaista, että kuva sekä olisi keltaiseen päin sävyttynyt että sisältäisi poikkeuksellisen kylläisen sinisen kohteen. Rajoja sovelletaan *.·, ainoastaan sellaisiin väreihin, joiden liikesuunta säädössä on alueesta poispäin eli joiden siirtymävek- • ♦ 25 tori on selvästi alle 90 asteen kulmassa alueesta ulospäin osoittavaan normaalivektoriin nähden. Jos '· " esimerkiksi kuvassa on sinisiä kuva-alkioita, joiden • * * väri on alunperin rajoittavan alueen ulkopuolella ja liikkuu säädössä aluetta kohti, eivät nämä kuva-alkiot 30 rajoita säätöä mitenkään.

*:··· Lievennetään säätöä tarvittaessa siten, että liian monen kuva-alkion värisävy ei muutu oleellises-•, ti, ja että liian monet neutraalit kuva-alkiot eivät muutu ei-neutraaleiksi. Tämä rajoitus voidaan toteut-‘ ' 35 taa edellistä vastaavalla periaatteella asettamalla väriavaruuteen rajoja, mutta rajat eivät nyt ole vaki-··. ot koko kuvalle, vaan jokaiselle kuva-alkiolle erilli- 22 115363 set. Esimerkiksi, jos värisävyn sallitaan muuttua korkeintaan 60 astetta, kuva-alkiokohtaisina rajoina ovat kaksi puolitasoa, jotka yhtyvät harmaa-akselilla ja rajaavat väriavaruudesta 120 asteen sektorin.

5 Kuviossa 6 on kuvattu lohkokaaviona esimerkin omaisesti eräs keksinnön mukainen järjestelmä värikuvan visuaalisen laadun parantamiseksi kahta globaalia kuvapiirrettä samanaikaisesti säätämällä. Järjestelmä käsittää näyttölaitteen 61 säädettävän kuvan esittämi-10 seksi reaaliaikaisesti. Keksinnön mukaisesti järjestelmä edelleen käsittää ohjauslaitteen 62 mainittujen kuvapiirteiden säätämiseksi samanaikaisesti liikuttamalla säätöpistettä ohjauslaitteen avulla pitkin kaksiulotteista säätötasoa, estimointivälineet 63 säädön 15 suunnan ja/tai voimakkuuden estimoimiseksi automaattisesti, ja visualisointivälineet 64 mainittujen estimaattien visualisoimiseksi näyttölaitteella.

Kun kahta globaalia kuvapiirrettä, kuten esimerkiksi kontrastia ja gammaa, säädetään erillisillä 20 säätimillä, kuten esimerkiksi liukusäätimillä, on usein vaikeaa löytää optimaalisen kuvalaadun antavaa yhdistelmää. Tämä johtuu siitä, että säätöjen vaiku- V. tusta toisiinsa ja yhdistettyä vaikutusta kuvan visu- * · · ..’ .* aaliseen laatuunon hyvin vaikea ennustaa. Usein säätö- • · * * 25 jä joudutaan toistamaan monenkin sinänsä turhan ite- ·;·· rointikierroksen ajan. Esillä olevan keksinnön mukai- nen kaksiulotteinen säätötyökalu pyrkii ratkaisemaan ·...· tämän ongelman. Kyseinen työkalu sopii erityisesti kylläisyyskompensoidun gamman ja lokaalia värianalyy-30 siä hyödyntävän kontrastin säädön kanssa käytettäväk- si. Tämä johtuu siitä, että mainitulla uudella kont-.···, rastin säätötavalla säätöpotentiaalia on huomattavasti • enemmän kuin perinteisessä globaalissa kontrastin sää- ' ' dössä, jolloin tilaa liikkua 2-D säätötasolla on riit- 35 tävästi. Tästä huolimatta menetelmää voi käyttää myös monien muiden kuvaominaisuuksien säätöön.

• · I

23 115363

Kaksiulotteisen kuvasäätötyökalun toiminta on hyvin yksinkertaista. Kahta valittua säätöominaisuutta voidaan säätää samanaikaisesti liikuttamalla säätöpis-tettä hiiren avulla pitkin kaksiulotteista säätötasoa.

5 Erityisen tehokkaaksi tällainen säätö tulee, kun siihen yhdistetään automaattisesti arvio säädön suunnasta ja mahdollisesti myös voimakkuudesta. Tätä voidaan visualisoida esimerkiksi 2-D tasoon sijoitetulla lähtötilannetta eli originaalikuvaa kuvaavalla pisteellä ja 10 siitä lähtevällä nuolella. Myös värikoodeja voidaan käyttää havainnollistamaan aluetta, jossa optimaalisia säätömuuttujien arvoja vastaava piste todennäköisesti sijaitsee. Arvio optimisäädöstä voidaan saada esimerkiksi keinotekoisten neuroverkkojen tai joidenkin kui-15 den menetelmien avulla lasketulla automaattisella sää-töparametrien valinta-algoritmilla. Nämä menetelmät eivät pysty aivan tarkasti ennustamaan optimisäätöä, mutta antavat kuitenkin arvion, joka on huomattavasti lähempänä optimia kuin alkutilanne. Niinpä käyttäjälle 20 jää enää hienosäätö, joka kaksiulotteisen säätötyöka-lun ja näyttölaitteelta saatavan visuaalisen palautteen avulla on helppo ja nopea suorittaa. Näyttölait- ·_. teella kannattaa näyttää reaaliaikaisesti säädettyä * * · ) kuvaa ja vertailun vuoksi mahdollisesti myös alkupe- * · · • ·' 25 räistä säätämätöntä kuvaa.

« ····’ Keksintöä ei rajata pelkästään edellä esitet- * · tyjä sovellusesimerkkejä koskevaksi, vaan monet muun-nokset ovat mahdollisia pysyttäessä patenttivaatimuk-: sien määrittelemän keksinnöllisen ajatuksen puitteis- 30 sa.

Claims (17)

24 115363

1. Menetelmä digitaalisen värikuvan visuaalisen laadun parantamiseksi kyseisen värikuvan kontrastia parantamalla, joka menetelmä käsittää vaiheen: 5 jaetaan värikuva spatiaalisiin segmentteihin, tunnettu siitä, että menetelmä edelleen käsittää vaiheet: suoritetaan segmentoidulle värikuvalle seg-menttikohtainen värianalyysi segmenttikohtaisen ana-10 lyysitiedon määrittämiseksi, jaetaan väriavaruus fragmentteihin yhden tai useamman ennalta määrätyn fragmentointiparametrin funktiona, jotka fragmentit vastaavat kukin ainakin yhtä mainituista värikuvan segmenteistä, 15 suoritetaan fragmentoidulle väriavaruudelle fragmenttikohtainen värianalyysi fragmenttikohtaisen analyysitiedon määrittämiseksi, selvitetään toisiaan vastaavat värikuvan segmentit ja väriavaruuden fragmentit, 20 yhdistetään selvitetyn vastaavuuden perus teella segmenttikohtainen analyysitieto ja fragmentti- • · V.· kohtainen analyysitieto, i » * | määritetään kunkin fragmentin kontrastinsää- 'i* töpotentiaali yhdistetyn analyysitiedon perusteella, 25 ja t · säädetään kontrastia määritetyn kontrastin- * · ,··, säätöpotentiaalin sekä käyttäjän antamien tietojen pe rusteella spatiaalisesti globaalisti.

... 2. Menetelmä digitaalisen värikuvan visuaali- 30 sen laadun parantamiseksi kyseisen värikuvan kontras- *-·' tia parantamalla, tunnettu siitä, että menetelmä käsittää vaiheet: suoritetaan värikuvalle tilastollinen kuva- ·, analyysi, ’•h' 35 jaetaan väriavaruus fragmentteihin yhden tai ’ * useamman ennalta määrätyn fragmentointiparametrin funktiona tilastollisen kuva-analyysin perusteella, 25 115363 suoritetaan fragmentoidulle väriavaruudelle fragmenttikohtainen värianalyysi fragmenttikohtaisen analyysitiedon määrittämiseksi, määritetään kunkin fragmentin kontrastinsää-5 töpotentiaali fragmenttikohtaisen analyysitiedon perusteella, ja säädetään kontrastia määritetyn kontrastin-säätöpotentiaalin sekä käyttäjän antamien tietojen perusteella spatiaalisesti globaalisti.

3. Patenttivaatimuksen 1 tai 2 mukainen mene telmä, tunnettu siitä, että käytetään fragmen-tointiparametrina värisävyä.

4. Patenttivaatimuksen 1, 2 tai 3 mukainen menetelmä, tunnettu siitä, että käytetään frag- 15 mentointiparametrina kylläisyyttä.

5. Patenttivaatimuksen 1, 2, 3 tai 4 mukainen menetelmä, tunnettu siitä, että suoritetaan kont-rastinsäätö käyttämällä apuna lineaarisia RGB-sävyntoistokäyriä.

6. Patenttivaatimuksen 1, 2, 3 tai 4 mukainen menetelmä, tunnettu siitä, että värikuva käsittää RGB-komponentit R, G ja B, ja että suoritetaan kont-: v. rastinsäätö kertomalla RGB-komponenttien muodostama vektori värisävystä riippuvalla matriisilla. . 25

7. Menetelmä digitaalisen värikuvan visuaali- sen laadun parantamiseksi kyseisen värikuvan gamma-arvoa kylläisyyskompensoidusti korjaamalla, joka mene- » t telmä käsittää vaiheet: määritetään ensimmäinen gamma-arvo, jolla ky- V 30 seinen värikuva on alunperin tarkoitettu esitettäväk- si' määritetään toinen gamma-arvo, jolla kyseinen värikuva tullaan esittämään, ·;· määritetään kyseisen värikuvan vaaleuskompo- ‘1/, 35 nentti, *;·· määritetään kyseisen värikuvan värisävykompo- nentti, ja 26 115363 määritetään kyseisen värikuvan kylläisyyskom- ponentti, tunnettu siitä, että menetelmä käsittää vaiheet: 5 suoritetaan kyseiselle kuvalle gammakorjaus siten, että vaaleus- ja värisävykomponentit muuttuvat kuten normaalisti gammakorjauksen yhteydessä, mutta kylläisyyskomponentti säilyy ennallaan tai muuttuu lievennettynä suhteessa normaaliin gammakorjaukseen.

8. Patenttivaatimuksen 7 mukainen menetelmä, tunnettu siitä, että määritetään ensimmäinen gamma-arvo lukemalla se kyseisen värikuvan kuvatiedostoon liitetyistä väriprofiilitiedoista.

9. Patenttivaatimuksen 7 mukainen menetelmä, 15 tunnettu siitä, että määritetään ensimmäinen gamma-arvo lukemalla se käyttäjän syöttämistä tiedoista.

10. Patenttivaatimuksen 7 mukainen menetelmä, tunnettu siitä, että määritetään ensimmäinen gamma-arvo estimoimalla se automaattisesti käyttäen apuna 20 kuvan normalisointia gamman suhteen.

11. Menetelmä digitaalisen värikuvan visuaa- : : .· lisen laadun parantamiseksi, tunnettu siitä, että normalisoidaan värikuva gamman suhteen kyseiselle ku- » * valle suoritettavien säätöjen johdonmukaistamiseksi. • * · · ,·, ; 25

12. Menetelmä digitaalisen värikuvan visuaa- • · I lisen laadun parantamiseksi kyseisen värikuvan väri- • * ;;; tasapainoa säätämällä, • · ’·*·* tunnettu siitä, että menetelmä käsittää vaiheet: * · » • 30 estimoidaan värikuvasta kuvakohtainen harmaa- • · » : piste puhdasta harmaata kohti säädettäväksi, ;·* määritetään suoritettavan säädön suunta auto maattisesti, määritetään suoritettavan säädön voimakkuus, :.i!: 35 ja 27 115363 suoritetaan säätö siirtämällä mainittua har-maapistettä mainitun säädön suunnan 'suuntaisesti mainitun säädön voimakkuuden verran.

13. Järjestelmä digitaalisen värikuvan visu-5 aalisen laadun parantamiseksi kahta globaalia kuva-piirrettä samanaikaisesti säätämällä, joka järjestelmä käsittää: näyttölaitteen (61) säädettävän kuvan esittämiseksi reaaliaikaisesti, ja 10 ohjauslaitteen (62) mainittujen kuvapiirtei- den säätämiseksi samanaikaisesti liikuttamalla säätö-pistettä ohjauslaitteen avulla pitkin kaksiulotteista säätötasoa, tunnettu siitä, että järjestelmä edel- 15 leen käsittää: estimointivälineet (63) säädön suunnan ja/tai voimakkuuden estimoimiseksi automaattisesti, ja visualisointivälineet (64) mainittujen estimaattien visualisoimiseksi näyttölaitteella.

14. Patenttivaatimuksen 13 mukainen järjes telmä, tunnettu siitä, että säädettävä kuvapiirre on kontrasti.

15. Patenttivaatimuksen 13 tai 14 mukainen • · · * ; järjestelmä, tunnettu siitä, että säädettävä ku- ·*· 25 vapiirre on gamma-arvo.

• · *. ” 16. Patenttivaatimuksen 13, 14 tai 15 mukai- nen järjestelmä, tunnettu siitä, että estimointi-'·"/· välineet (63) käyttävät neuroverkkoa apuna säädön suunnan ja/tai voimakkuuden estimoinnissa.

17. Patenttivaatimuksen 13, 14, 15 tai 16 mu- .**·, kainen järjestelmä, tunnettu siitä, että näyttö laitteella (61) esitetään alkuperäinen kuva säädettä-: “ vän kuvan lisäksi. » » 115363 28