JP2003067723A - 画像におけるノイズ出現の評価方法 - Google Patents

画像におけるノイズ出現の評価方法

Info

Publication number
JP2003067723A
JP2003067723A JP2002165098A JP2002165098A JP2003067723A JP 2003067723 A JP2003067723 A JP 2003067723A JP 2002165098 A JP2002165098 A JP 2002165098A JP 2002165098 A JP2002165098 A JP 2002165098A JP 2003067723 A JP2003067723 A JP 2003067723A
Authority
JP
Japan
Prior art keywords
noise
image
output
measure
input
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2002165098A
Other languages
English (en)
Inventor
Andrew C Gallagher
シー ギャラガー アンドリュー
Keath Tai-You Chen
タイ−ヨウ チェン キース
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Eastman Kodak Co
Original Assignee
Eastman Kodak Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Eastman Kodak Co filed Critical Eastman Kodak Co
Publication of JP2003067723A publication Critical patent/JP2003067723A/ja
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/40Analysis of texture
    • G06T7/41Analysis of texture based on statistical description of texture
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20004Adaptive image processing

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

(57)【要約】 【課題】 画像形成システムの出力画像は多数の画像変
換の産物であり、その各々が自身のノイズ特性を修正す
る。従って、(画像キャプチャ装置の特性を定量化する
ノイズテーブル等の)出力前ノイズテーブルは出力画像
のノイズ特性を表わしていない。 【解決手段】 画像におけるノイズ出現の評価方法であ
って、画像の輝度に対するノイズ度合を表わすノイズテ
ーブルを編成するステップと、前記ノイズテーブルから
ノイズ測度を生成するステップを含み、前記ノイズ測度
は画像におけるノイズ出現を表わすことを特徴とする。

Description

【発明の詳細な説明】 【0001】 【発明の属する技術分野】本発明は一般にデジタル画像
処理分野、特に出力画像におけるノイズ出現を評価する
方法に関する。 【0002】 【従来の技術】画像形成システムの設計において、仕上
がり画像を人間が見た際に気付く恐れがある画像劣化の
度合を評価できるようにすべきである。合わせて、粒状
性が原因で画像がどの程度劣化するかを認識することも
画像再生システムを利用する際に重要であり、画像形成
の各段階で利用される主要な要素の選択に大きな影響を
及ぼす場合がある。 【0003】画像形成システムにおいて、光が当った際
に本来は一様であるべき応答の変動をノイズと呼ぶ。従
来の写真システムにおいてこのような密度の変動は、マ
イクロデンシトメーターを用いた物理的測定を通じてフ
ィルムや印画紙等の写真材料の光学密度を観察すること
ができる。本来は一様な領域の密度変動の測度として2
乗平均平方根(rms)値や標準偏差が用いられる。こ
の値を粒度と呼ぶ。出力画像を人間が見た際に感じられ
る、このような光学密度の不要かつ不規則な変動を粒状
性またはノイズ出現と呼ぶ。このように、物理的に測定
された粒度の度合を人間が見れば粒状性のレベルとして
知覚される。 【0004】出力画像におけるノイズまたは粒状性の出
現を評価および定量化するさまざまな工夫がなされてき
た。C.Bartlesonは自著の“粒度から粒状性
を予測する”(J.Phot.Sci.,Vol.3
3,No.4,pp.117〜126,1985)で、
粒状性は可視印刷密度0.8において粒度に依存してい
ることを示し、粒状性Giと粒度σvの間に以下の関係が
あることを突き止めた。 【数1】Gi=a*log(σv)+b ここにa、bは定数である。 【0005】 【発明が解決しようとする課題】Bartlesonの
研究により、与えられた画像形成システムが生成する粒
状性を評価することが可能になった。残念ながら、共通
の画像形成システムから生成された別々の画像の粒状性
が大きく異なる場合がある。その理由は、出力画像を作
成すべく適用された任意の画像変換がシステム内のノイ
ズの可視性を変えることができるためである。例えば、
引き伸ばし装置を用いて写真ネガを写真印画紙に結像す
ることができる。しかし、出力プリントのノイズ出現
は、ネガに対する露光量に強く依存している。このよう
に、所定の画像処理システムが生成した任意の出力画像
のノイズ出現は、Bartlesonの研究により可能
とされた評価とは全く異なる可能性がある。 【0006】米国特許第5,641,596号(199
7年6月24日登録)においてGray他は、ノイズテ
ーブルを決定する方法について述べている。ノイズテー
ブルは特定の画像キャプチャ装置の密度依存ノイズを記
述するものであり、従って画像キャプチャ装置により作
成された画像の密度依存ノイズを定量化する。ノイズテ
ーブルは通常、特定のスキャナ装置および(フィルム等
の)画像キャプチャ装置からの出力として設計されてい
る。あるいは、ノイズテーブルはデジタル画像キャプチ
ャ、または写真フィルムを表現することができる。ノイ
ズテーブルはノイズの標準偏差を、平均コード値の関数
として表わす。しかし、ノイズテーブル単独では出力画
像におけるノイズの可視性の良い指標とはならない。画
像形成システムの出力画像は多数の画像変換の産物であ
り、その各々が自身のノイズ特性を修正する。従って、
(画像キャプチャ装置の特性を定量化するノイズテーブ
ル等の)出力前ノイズテーブルは出力画像のノイズ特性
を表わしていない。 【0007】ノイズ情報は、ユーザーが選択したアルゴ
リズムのパラメータを変更するために利用されてきた。
米国特許第5,694,484号(l997年12月2
日登録)においてCottrell他は、入出力装置で
用いる特性情報(例:ノイズを特徴付ける変調転送機能
およびウィーナー・パワースペクトル)を利用し、画質
の客観的な測度を計算し、画質の客観的な測度を最適化
することにより画像変換用のパラメータ(鮮明度向上
等)を決定する方法について述べている。Cottre
ll他はまた、共通の画像生成システムにより生成され
たすべての出力画像には同様なノイズ出現が見られると
いう暗黙の仮定をしている。しかし、これはあてはまら
ない。画像形成装置から直接生成された画像は同じよう
なノイズや鮮明度の特性を持っていても、これらの特性
は出力画像を生成する画像変換により大幅に修正され得
るからである。その上、例えば米国特許第6,097,
470号や第6,097,471号(共にBuhr他、
2000年8月1日登録)等、多くの画像処理システム
において画像変換の操作は画像の解析に基づいてさまざ
まである。画像に依存する画像変換の影響をCottr
ellは考慮していない。 【0008】米国特許第6,091,861号(200
0年7月18日登録)においてKeys他は、画像の露
光(すなわち、SBAバランス)に基づいて鮮明化パラ
メータを決定する方法を記述する。この方法はまた、画
像の粒度を考慮に入れており、粒度に関係する予想粒状
性値(PGI)を計算する。しかし、この方法には画像
に依存する画像変換を適用した場合の影響を考慮する柔
軟性がない。さらに、正常に露光された被写体の画像で
さえ、度合のバラツキが大きいノイズを含む背景領域を
伴うことがあるため、露光を用いてノイズをプリントに
集約する方法はエラーを起こしやすい。 【0009】特定の出力画像におけるノイズ出現を判定
する別の方法に、出力画像を尺度として並べられた標準
ノイズサンプルの組との比較がある。最初の粒度スライ
ドすなわち尺度はThomas Maier他により設
計され、制作された。例えば、T.O.Maier、
D.R.Millerの“粒状性と粒度の関係”(SP
SE第43回年次会議予稿集、SPSE、バージニア州
スプリングフィールド、1990年、207〜208ペ
ージ)を参照されたい。C.James Bartle
sonは粒度と粒状性を結び付ける基本的な関係を確定
した。 【0010】Maier他は、デジタルシミュレーショ
ン機器を用いて、粒子の量が増えても同じ平均密度を有
する一連の一様かつ中立的な粒子パッチを生成した。続
いて、マイクロデンシトメーターによる測定および基本
的な心理物理の関係を利用して粒状性をrms粒度に関
連付けた。Cookingham他は、米国特許第5,
709,972号(1998年1月20日登録)、およ
び第5,629,769号(1997年5月13日登
録)に記述されているように改良された粒子尺度を生成
した。このようなノイズ尺度により個人が効果的に出力
画像におけるノイズの出現を数値的に定量化することが
できるが、このプロセスは労働集約的であって、見る人
間の側でそれぞれの出力画像を個別に評価する必要があ
る。 【0011】従って、上述の問題を回避するための、改
良されたノイズ測度が必要になってくる。 【0012】 【課題を解決するための手段】上述のニーズは、画像に
おけるノイズ出現を評価する方法を提供することにより
本発明に基づいて満たされ、ノイズの大きさ対画像の輝
度を表わすノイズテーブルを編成するステップと、ノイ
ズテーブルからノイズ測度を生成するステップとを含
み、前記ノイズ測度は画像におけるノイズ出現を表わし
ている。 【0013】本発明の好適な実施の形態によれば、ノイ
ズテーブルを編成するステップは、ノイズの大きさ対入
力画像の輝度を表わす入力ノイズテーブルを編成するス
テップと、1個以上の画像変換を含む一連の画像処を与
えるステップと、各々の画像変換が画像中のノイズに及
ぼす影響を規定する適切なノイズ変換を確定するステッ
プと、1個以上のノイズが変換を入力ノイズテーブルに
適用して画像中のノイズの評価を表わすノイズテーブル
を生成するステップとを含む。 【0014】(発明の利点)本発明の利点は、オペレー
ターや時間のかかる画像計算を必要とせずに、自動的か
つ迅速に画像のノイズ出現の評価手段を提供できる点で
ある。ノイズ出現の評価は、画像に適用される任意の変
換を考慮に入れることが可能である。本発明の方法は、
人間が行なうノイズ評価との相関が大きいノイズ測度を
提供する。 【0015】 【発明の実施の形態】以下の記述において、本発明はソ
フトウェアプログラムにより実装された方法として説明
する。このようなソフトウェアと同等な機能をハードウ
ェアでも構成可能であることが当業者には理解されよ
う。画質向上のためのアルゴリズムや方法は広く知られ
ているため、以下の説明は特に本発明に基づく方法の一
部を構成するか、またはより直接的に協働するアルゴリ
ズムや方法のステップに焦点をあてる。ここで特に図示
・記述されないその他のアルゴリズムや方法、およびハ
ードウェアおよび/またはソフトウェアは、当分野で公
知の材料、部品、要素から選択されてよい。以下に開示
する明細書において、すべてのソフトウェアの実装は当
分野における通常の技術範囲に含まれる。 【0016】本発明は、アナログ画像またはデジタル画
像のどちらでもノイズ出現を記述するために利用できる
点に留意されたい。アナログ画像は、写真ネガまたは写
ポジ(スライド)のように連続的に表現された画像であ
る。デジタル画像は通常、赤、緑、青各色のピクセル
値、あるいは輝度に対応する1個の単色ピクセル値の2
次元配列である。さらに、好適な実施の形態は1024
行と1536列のピクセルからなる画像を参照しながら
記述されるが、異なる解像度および寸法のデジタル画像
を用いても同様の、少なくとも許容できる結果が得られ
ることは当業者には理解されよう。表記法に関して、デ
ジタル画像の第x行、y列を指す座標(x,y)に位置
するデジタル画像のピクセル値は、それぞれ位置(x,
y)における赤、緑、青色のデジタル画像チャネルを指
す3組の値[r(x,y),g(x,y),b(x,
y)]から構成されるものとする。この点に関して、デ
ジタル画像は特定の個数のデジタル画像チャネルで構成
されていると考えてよい。赤、緑、青色の2次元配列で
構成されるデジタル画像の場合、画像は3個のチャネ
ル、すなわち赤、緑、青色スペクトルのチャネルで構成
される。さらに、色信号から輝度チャネルnを形成する
ことができる。デジタル画像チャネルの第x行、y列を
指す座標(x,y)に位置するデジタル画像チャネルn
のピクセル値を、n(x,y)として示す単一の値とす
る。さらに、画像fがアナログ画像である場合、値f
(x,y)は(x,y)が指す位置における輝度を表わ
す。 【0017】図1によれば、本発明に基づいて出力ノイ
ズテーブルを生成(2)し、さらに出力ノイズテーブル
から出力ノイズ測度を生成(4)することにより、出力
画像のノイズ出現を記述する出力ノイズ測度が生成され
る。 【0018】通常、出力画像は写真プリントである。ま
た、出力画像はCRTモニターに表示された画像、ある
いは紙その他の媒体に印刷または表示された画像であっ
てよい。例えば、出力画像はインクジェット印刷、任意
のソフトコピーディスプレイ、感熱印刷、電子写真印
刷、レーザー印刷、あるいは他の出力手段により生成さ
れてよい。この点に関して、出力ノイズテーブルジェネ
レータ2は、入力ノイズテーブルおよび画像処理経路1
0を入力として受取る。さらに、出力ノイズテーブルジ
ェネレータ2は、オプションとして備えられた重み付け
関数および正確度データを受け取ることができる。これ
らの入力について以下により詳細に述べる。 【0019】出力ノイズテーブルジェネレータ2は、出
力画像のノイズの輝度依存特性を表わす出力ノイズテー
ブルを出力する。好適な実施の形態において、出力ノイ
ズテーブルは画像の緑色チャネルに関係するが、出力ノ
イズテーブルは任意のスペクトルチャネルまたはスペク
トルチャネルの組み合わせに関係していてもよい。出力
ノイズテーブルは、出力ノイズテーブルの解析を実行す
る出力ノイズ測度ジェネレータ4に渡されて出力ノイズ
測度を出力する。 【0020】出力ノイズ測度は出力画像中のノイズ出現
に関係している。好適な実施の形態において、出力ノイ
ズ測度の値が大きいほど出力画像のノイズ出現が大きい
ことを示す。従って、2個以上の出力画像におけるノイ
ズ出現の相対的な順位を、それぞれの出力画像について
計算した出力ノイズ測度により決定することができる。 【0021】本発明が、実際に画像を調べることなく、
出力画像のノイズ出現を判定できる機能を備えているこ
とに留意されたい。本発明では入力ノイズテーブル、画
像処理経路、オプションの重み付け関数および正確度デ
ータ入力として用いることに留意されたい。これらすべ
ての入力は、画像およびそれが意図する目的に関する情
報を含むが、自身は非画像データである。画像に関連付
けられた非画像データをメタデータと呼ぶことが多い。
このように本発明は、メタデータ解析だけに基づいて画
像のノイズ出現を判定する機能を備えている。画像解析
を必要としないため、出力ノイズ測度の計算は通常のコ
ンピュータにより極めて高速に行なえる。 【0022】図2に出力ノイズテーブルジェネレータ2
をより詳細に示す。ノイズテーブルプリプロセッサ18
はノイズテーブルを調整するために、重み付け関数およ
び正確度データからの情報を利用する。1組のノイズ変
換30iを生成する目的で画像処理経路10がノイズ経
路ジェネレータ16に入力され、ノイズ経路アプリケー
タ22によりノイズテーブルに適用されると、画像処理
経路10経由で渡される出力画像のノイズ特性に対応す
る出力ノイズテーブルNMが生成される。 【0023】出力ノイズテーブルジェネレータ2は入力
ノイズテーブルNを受け取る。ノイズテーブルNは画像
への出現が予想されるノイズの評価値を含み、その評価
値は画像の輝度と、所与の輝度に対して予想されるノイ
ズ度合との関係を定量化する。ノイズテーブルNは各輝
度iについてノイズ値σ(i)を与える。通常、デジタ
ル画像の場合ノイズ値σ(i)は、デジタル画像のコー
ド値の測度におけるノイズの標準偏差で与えられる。あ
るいは、(標準偏差ではなく)ノイズの期待値の別の測
度を用いてもよい。例えば、画像の多スペクトルチャネ
ル間の共分散行列によるノイズの定量化は一般的であ
る。また、ノイズのパワースペクトル、またはウィーナ
ーノイズスペクトルによりノイズ度合を定量化すること
も一般的である。その場合、ノイズテーブルは選択され
た輝度に対するノイズのパワースペクトルに関する情報
を含んでいよう。 【0024】例えば、9行、4列からなる入力ノイズテ
ーブルNを以下の表1に示す。第一列は輝度を表し、第
2、3、4列はそれぞれ、赤、緑、青色画像チャネルの
対応する輝度iのノイズ標準偏差を表わす。ノイズテー
ブルNに明示的に含まれていない輝度に対するノイズ値
σ(i)は補間により決定できる。 【表1】 入力ノイズテーブルは画像のノイズに関する情報を含
む。一般に、各画像取り込み装置を特徴付けるために別
々の入力ノイズテーブルが必要である。例えば、カラー
ネガフィルムを走査して生成されたデジタル画像の場
合、それぞれのフィルムスピード毎に別々の入力ノイズ
テーブルが必要になる。上述の米国特許第5,641,
596号に、フィルム上で一様に露光されている領域を
走査したピクセルの標準偏差を測定して入力ノイズテー
ブルを作成できるプロセスが開示されている。そのよう
な方法で作られた入力ノイズテーブルは、ノイズ標準偏
差の測定に用いられた一様な露光の光源と共通の光源を
有するすべての画像についてノイズ特性を記述すること
を画像処理に精通する者には理解できよう。 【0025】さらに、出力ノイズテーブルジェネレータ
2はオプションとして、対応する画像の入力ノイズテー
ブルNの正確度を表わす正確度データを入力する。正確
度データにより入力ノイズテーブルが不正確であること
がわかった場合に入力ノイズテーブルを調整することが
できる。例えば、正確度データは、画像のDmin(最
小光学密度)と特定のフィルムまたは画像ソースの期待
Dminとの差違Δを示す数値であり得る。次にその差
違に対して、ノイズテーブルプリプロセッサ18により
以下のようにノイズ標準偏差σn(i)で構成される新
しい入力ノイズテーブルを作ることによりノイズテーブ
ルを調整することができる。 【数2】σn(i)=σ(i+Δ) ここに、σn(i)は新しいノイズテーブルのノイズ標
準偏差である。 【0026】ノイズテーブルプリプロセッサ18のさら
なる動作に、ノイズテーブルへの重み付け関数の適用が
ある。重み付け関数は、ある輝度を他のものより重視す
ることができる。ノイズテーブルNが輝度iおよび対応
するノイズ標準偏差σ(i)で構成される好適な実施の
形態において、重み付け関数w(i)は輝度iの関数で
ある。ノイズテーブルNがノイズのパワースペクトルか
ら構成される別の実施の形態において、重み付け関数は
輝度と周波数の両方の関数であろう。重み付け関数w
(i)はノイズテーブルプリプロセッサ18により適用
されて、次式に基づく新しいノイズテーブル標準偏差を
生成する。 【数3】σn(i)=w(i)σ(i) ここに、σn(i)は新しいノイズテーブルのノイズ標
準偏差である。 【0027】図3に、重み付け関数の2例を示す。図3
の(a)は画像の中間階調におけるノイズ内容を強調す
る重み付け関数を示す。図3の(b)は画像の暗い部分
のノイズ内容を強調する重み付け関数を示す。好適な実
施の形態において、重み付け関数w(i)は、入力ノイ
ズテーブルおよび画像処理経路10に対応する画像のヒ
ストグラムである。画像処理に精通する者は画像ヒスト
グラムを熟知していよう。ノイズテーブルN0を作るた
めにノイズテーブルプリプロセッサ18の動作を結合す
ることにより、重み付け関数と正確度データの両方が入
力ノイズテーブルに適用できることに留意されたい。ま
た、重み付け関数も正確度データも提供されない場合、
ノイズテーブルプリプロセッサ18は入力ノイズテーブ
ルNに等しいノイズテーブルN0を出力することにも留
意されたい。当業者は、重み付け関数がいつでも(例え
ば、ノイズ経路アプリケータ22の中で)ノイズテーブ
ルに適用可能であることを理解できよう。ノイズテーブ
ルに対する重み付け関数の適用位置を動かす等、好適な
実施の形態の変更しても新規性は認められない。 【0028】図4に、画像処理経路10が、画像変換
1,2,...,m,...,Mから構成されているこ
とを示す。各画像変換20(画像変換ステップとも呼ば
れる)は、出力画像fM(x,y)を生成するために入
力画像f0(x,y)に適用される。画像変換mを画像
m-1(x,y)に適用した結果画像fm(x,y)が得
られる。各画像変換20は画像に適用される操作であ
る。画像変換の例として、参照テーブル(LUTS)の
適用、バランスシフトの適用、行列の適用、鮮明化また
はぼかし操作の適用、および写真印画紙の色調応答の適
用が含まれる。これらの画像変換は通常、デジタル画像
のピクセル値に適用される数学的演算であるが、本発明
をデジタル画像に限定する必要はない。例えば、写真ネ
ガを写真印画紙に露光するのに必要なすべてのステップ
を一連の画像変換20としてモデル化することができ
る。画像変換20は画像に生じる物理的ステップを表現
することができる。例えば、画像変換20は画像を写真
印画紙にプリントする処理を表現でき、あるいは画像変
換20は較正目標密度と実際に実現可能な密度との差違
を表現することができる。さらに画像変換20は、人間
の視覚系が出力画像を認識した際に実行される処理を表
現することができる。このように、本発明はデジタルお
よびアナログ画像形成システムの両方の粒状性を評価す
るのに有用である。 【0029】出力ノイズテーブルジェネレータ2は、画
像処理経路10の入力ノイズテーブルおよび画像変換2
0を用いて出力ノイズテーブルを生成する。入力ノイズ
テーブル自身は多くの場合、出力画像のノイズ出現とは
ほとんど相互関係がない。例えば、一連の画像がすべて
写真ネガを一回デジタル走査して生成されたが、バラン
スシフトが異なる場合、それらの画像におけるノイズ出
現には非常にバラツキがあるように見える。画像処理シ
ステムにおいて多くの場合、出力画像fM(x,y)を
得るために入力画像f0(x,y)に対して画像変換が
数回適用される。出力画像を生成するために入力画像に
適用される各画像変換20は、出力画像中のノイズ可視
性に影響を及ぼす。出力ノイズテーブルジェネレータ2
の動作は、入力ノイズテーブルを適切なしかたで修正し
て画像中のノイズに対する画像変換20の影響を考慮に
入れ、それにより出力ノイズテーブルを生成するもので
ある。この修正はノイズ経路アプリケータ22(図2参
照)により、ノイズ経路ジェネレータ16が生成したノ
イズテーブル経路をノイズテーブルN0に適用すること
により実行される。 【0030】図5によれば、画像処理経路10の画像変
換20と同様に、ノイズテーブル経路はノイズテーブル
0に順次適用されたノイズ変換群30で構成される。
画像処理経路10内の各画像変換20mは対応するノイ
ズ変換30mを有する。ノイズ経路ジェネレータ16は
画像処理経路を入力する。各画像変換20mについて、
ノイズ変換ジェネレータ40は対応するノイズ変換30
mを決定する。 【0031】画像中のノイズは確率変数のインスタンス
であると考えられる。このように、ノイズに対する各画
像変換の影響は、例えばPapulusの“確率、確率
変数および確率過程”(McGraw−Hill、19
65年)に記述されているような確率変数の関数の原理
を用いてモデル化できる。このように、ノイズ変換ジェ
ネレータ40の動作は確率変数の関数の原理に基づいて
いる。画像処理経路の各画像変換20mについて、ノイ
ズ変換30mを行なうことができる。画像に対し画像変
換20を適用する結果生じるノイズへの影響をモデル化
するためにノイズテーブルに対しノイズ変換30を適用
するプロセスはノイズ伝播として知られる。ノイズ経路
アプリケータ22は、出力ノイズテーブルを生成するた
めにノイズ伝播を実行する。米国特許第09/337,
792号(Burns他、1999年6月22日出願)
は、ノイズテーブルを利用して画像形成システム内のノ
イズ伝播を詳しく述べている。さらに、Burns出願
は、図5に示すように、ノイズ変換30が画像変換20
から生成される方法について述べている。 【0032】例えば、画像変換201が画像に対してL
UTを適用することである場合、画像変換201は関数
1(n)として数学的に表現できる。 【数4】f1(x,y)=g1(f0(x,y)) ここに、f0(x,y)は画像変換201への画像入力で
あり、f1(x,y)は画像変換201からの画像出力で
ある。 【0033】画像ノイズがガウス分布に従い、LUTが
局所的に線型であると仮定すれば、ノイズ経路ジェネレ
ータ16のノイズ変換ジェネレータ40は画像変換20
1に対応するノイズ変換301を生成し、それにより、ノ
イズテーブルN(σ(i),i)が、輝度レベルiおよ
び輝度レベルに対応するノイズ値σ(i)で構成され
る。 【数5】N(σ(i),i) ノイズテーブルN(σ(i),i)は、伝播されて、新
しいノイズテーブルN1を次式のように生成する。 【数6】 ここに、g1‘(i)は輝度iにおいて評価されたLU
Tの傾きの近似である。LUT局所的傾きの近似法は当
業者に公知である。図6は、各画像変換201は対応す
るノイズ変換30mを有し、出力ノイズテーブルNMを生
成するためにノイズ経路アプリケータ22によりノイズ
テーブルN0に適用されることを示す。 【0034】同様のしかたで、ノイズテーブルは多種多
様な画像変換20に対応しているノイズ変換30を介し
て伝播させることができる。Burns他は、LUT
S、バランスシフト、行列等の画像変換におけるノイズ
伝播について詳述している。好適な実施の形態において
ノイズ変換30は各画像変換について生成されている
が、より重要な画像変換20に対するノイズ変換30が
決定される限り、本発明の利点の大部分が得られること
に留意されたい。さらに、Cottrell他が述べて
いるように、空間フィルターを適用した場合のノイズに
対する影響を、ノイズのパワースペクトルにフィルター
応答の大きさを乗算することによりモデル化できること
はデジタル画像処理分野で公知である。 【0035】ノイズ経路アプリケータ22の出力は出力
ノイズテーブルNMである。画像のスペクトルチャネル
の各々について別々の出力ノイズテーブルを作成するこ
とができる。通常、出力ノイズテーブルNMは赤、緑、
青色画像チャネルの各々について生成されるが、代替的
に、赤、緑、青色、または輝度チャネルのように単一ス
ペクトルチャネル用のノイズテーブルが生成されてもよ
い。 【0036】図7に、写真ネガのデジタル走査である入
力画像からの写真プリントである出力画像を生成するよ
うに設計された画像変換で構成された画像処理経路の例
を示す。そのような画像処理経路の例が、上で引用した
米国特許第6,097,470号および第6,097,
471号に開示されている。最初に、画像形成装置の応
答における非線型性を補償する画像変換20により画像
形成装置応答が線型化される(42)。デジタル画像が
フィルムから起こされている場合、写真フィルムの応答
における非線型性を訂正する方法が実装されてもよい。
そのような方法がGoodwinの米国特許第5,13
4,573号(1992年7月28日登録)に開示され
ている。 【0037】次に、デジタルおよび光学画像形成システ
ムの両方で必要とされるバランス調整を評価・適用する
変換20により画像をバランスさせる(44)。このバ
ランスは、例えば自動露出決定アルゴリズム(高速光学
プリンタまたはフォトCDスキャナ等で利用されている
もの。例えばCokの米国特許第4,945,406号
(1990年7月31日登録)を参照)で得ることがで
きる。次の画像変換20は、画像に対し階調調性を決定
・適用するコントラスト調整装置46である。画像のコ
ントラストは自動アルゴリズムにより評価できる。さら
に、デジタル画像のコントラストも同様に好適なレベル
のコントラストに修正することができる。画像コントラ
ストを評価して、画像のコントラストを調整する手段を
提供するアルゴリズムの例がLee他の米国特許第5,
822,453号(1998年10月13日登録)に開
示されている。 【0038】次に、画像を出力媒体上に印刷すべく準備
する画像変換20により画像がレンダリングされる(4
8)。レンダリング、すなわち画像密度の出力媒体密度
へのマッピングはデジタル画像形成および光学画像形成
の両方で生じ、当業者には公知である。米国特許第6,
097,470号に画像表現が記述されている。デジタ
ルまたは光学画像のいずれのレンダリングも、LUT
(1、3、または多次元の)により良い正確度で表現す
ることができる。例えば、図8記載の(a)に画像密度
を出力画像の出力媒体の密度に関連付けるLUTのグラ
フを示す。 【0039】最後に、出力画像が人間の目どう見えるか
をモデル化する人間視覚系が画像変換20モデル化され
る(52)。人間視覚系は、出力画像の明るい領域より
も暗い領域で生じる密度差違に鋭敏ではないため、この
差違を考慮することは出力画像におけるノイズ出現の定
量化に有利である。人間視覚系に見える画像は、図8記
載の(b)に示すように出力画像の密度をCIELAB
*値に関係つける画像変換LUTにより表現できる。 【0040】図9乃至11は、すべてが異なる画像処理
経路10を用いて共通の入力画像から生成されたいくつ
かの出力画像を含み、出力ノイズテーブルジェネレータ
2から出力された出力ノイズテーブルがこれに関連付け
られている。図9に示す出力画像は、以下の画像変換2
0を(その順に)含んでいる画像処理経路を適用して生
成されている。 【表2】画像形成装置応答リニアライザ42 バランスアプリケータ44 コントラスト調整器46 レンダリング装置48 人間視覚系モデラー52 【0041】図9に示すように、この処理経路により生
成された画像は高密度において非常にノイズが多いよう
に見える。この場合出力ノイズテーブルはノイズの多い
高密度を示す大きいピークを表わす。図9は赤、緑、青
色の出力ノイズテーブルのプロットを含んでいる。 【0042】図10に示す出力画像は以下の画像変換に
より処理された同じ入力画像から生成されている。 【表3】画像形成装置応答リニアライザ42 バランスアプリケータ44 レンダリング装置48 人間視覚系モデラー52 【0043】最後に、図11に示す出力画像は再び、以
下の画像変換により処理された同じ入力画像より生成さ
れている。 【表4】画像形成装置応答リニアライザ42 バランスアプリケータ44 レンダリング装置48 人間視覚系モデラー52 【0044】図11に示す出力画像の場合、バランスア
ルゴリズムは画像推薦されているよりも0.8段暗く印
刷することを強いられた。このように暗くすることによ
り、出力画像の粒状性が減少し、これはまた図11に示
す出力ノイズテーブルにも反映される。 【0045】図9乃至11の3個の出力画像の各々に対
する出力ノイズテーブルジェネレータ2からの出力ノイ
ズテーブル出力を、赤、緑、青色の各チャネルに対する
各出力画像の下で示す。視覚的には、出力画像は左から
右へ向かって(特に暗い領域で)含まれるノイズがより
少ないように思われる。出力ノイズテーブルはこの観察
を反映する。 【0046】出力ノイズテーブルジェネレータ2の別の
実施の形態を図12に示す。この実施の形態において、
出力ノイズテーブルジェネレータ2はデジタル入力画像
および画像処理経路を入力として受け入れる。この代替
的な実施の形態の出力ノイズテーブルジェネレータ2の
拡大図を図13に示す。この実施の形態において、入力
デジタル画像のピクセル値を調べることにより、入力ノ
イズテーブルを評価することができる。Snyder他
の米国特許第5,923,775号(1999年7月1
3日登録)およびLee他の米国特許第5,633,5
11号(1997年5月27日登録)はそれぞれ、ノイ
ズテーブルが単一の(または一連の)デジタル入力画像
(群)により生成できることを述べている。この代替的
な実施の形態の場合、入力ノイズテーブルはそのような
仕方で生成され、次いでこれまでと同じく、各々が画像
変換20mまたは画像処理経路に対応する一連のノイズ
変換30mを用いて入力ノイズテーブルを処理すること
により出力ノイズテーブルが生成される。この代替手段
は、特定の画像用のノイズテーブルが未知である場合に
特に有用である。その上、この実施の形態の入力ノイズ
テーブルの正確度は、出力ノイズテーブルジェネレータ
の好適な実施の形態のそれより優れている可能性があ
る。しかしこの実施の形態の重大な欠点は、計算時間が
長くなるという事実である。好適な実施の形態には計算
が速いという利点があり、事実、好適な実施の形態は入
力ノイズテーブルおよび画像処理経路に関する情報だけ
を考慮して出力ノイズテーブルを計算できる。従って、
好適な実施の形態には画像を解析しなくても出力ノイズ
テーブルを計算できるという利点がある。 【0047】出力ノイズテーブルジェネレータ2の第三
の実施の形態を図14に示す。この実施の形態におい
て、出力画像(これ以上画像変換を必要としない画像)
が出力ノイズテーブルジェネレータ2に直接渡される。
この実施の形態において、出力ノイズテーブルは、先に
引用した米国特許第5,923,775号および第5,
633,511号で述べられている方法により、出力画
像から直接評価される。 【0048】図1によれば、出力ノイズ測度ジェネレー
タ4は出力ノイズテーブルNMを受け取り、出力ノイズ
テーブルから出力ノイズ測度を決定する。出力ノイズ測
度は出力出力ノイズ測度が出力画像のノイズの可視性の
指標であるように、出力ノイズテーブルNMを集計す
る。出力ノイズ測度は画像の各スペクトルチャネルにつ
いて、またはスペクトルチャネルの組み合わせについて
計算できることに留意されたい。1個の出力ノイズ測度
だけが計算される場合、緑色チャネルから計算された出
力ノイズ測度が出力画像のノイズ出現を人間が認識する
度合と最も高い相関を有することが実験的にわかってい
る。青色チャネルから計算された出力ノイズ測度は、出
力画像のノイズ出現を人間が認識する度合との相関は比
較的低い。好適な実施の形態において、出力ノイズ測度
Nは次式で決定される。 【数7】 【0049】ここに、集計はすべての輝度iについて行
なわれ、h(x)は関数である。好適な実施の形態にお
いて、h(x)=log(x)である。図9乃至11に
示す画像によれば、本発明に基づいて図9乃至11に示
す画像について計算された出力ノイズ測度はそれぞれ3
90、290、240である。ノイズ測度は、図9の粒
状性は、図11に示す画像よりも粗い図10の粒状性よ
りも大きいという人間の知覚に基づいて減少している。 【0050】当業者には、出力ノイズ測度Nが出力ノイ
ズテーブルNMからいかなる方法でも生成できることが
理解されよう。より一般的な場合、 【数8】 ここに、g(x)は関数である。関数g(x)は、例え
ば、大きいノイズレベルにより多くの重み付けをするよ
うに設計されていてよい。例えば、g(σM(iM))=
σM(iM2である。 【0051】出力ノイズ測度Nを計算するさらに別の方
法は、任意の与えられた輝度に対して最大ノイズレベル
を決定することに基づいていてよい。 【数9】 出力ノイズテーブルが複数の輝度レベルiMにおけるノ
イズのパワースペクトルを含んでいる場合、関数h
(x)およびg(x)は輝度と周波数の関数であって、
集計は輝度と周波数の2項を集計したものであってよ
い。 【0052】図15に出力ノイズ測度の使用例を示す。
特定の入力画像および画像処理経路を用いて生成された
出力画像の画質を評価するために、出力ノイズ測度が画
質判定装置26に入力される。画質判定装置26は出力
ノイズ測度の関数である出力画質Qの評価を出力する。
当業者には、出力画質の評価はまた、出力ノイズ測度を
含む画像のその他各種の特質に依存する可能性があるこ
とが理解されよう。一般にQ=f(N)である。 【0053】一例として、出力画質はQ=l50−Nと
して評価され、Qの値が大きいほど出力画質が高いこと
を表わす。
【図面の簡単な説明】 【図1】 本発明の概要を示すブロック図である。 【図2】 図1の出力ノイズテーブルジェネレータを示
すブロック図である。 【図3】 ノイズテーブルの生成に用いられる2個の重
み付け関数を示すグラフである。((a)は画像の中間
階調におけるノイズ内容を強調する重み付け関数を示
す。(b)は画像の暗い部分のノイズ内容を強調する重
み付け関数を示す。) 【図4】 画像変換で構成されている画像処理経路を示
すブロック図である。 【図5】 図2のノイズ経路ジェネレータのブロック図
である。 【図6】 ノイズテーブル経路のブロック図である。 【図7】 画像処理経路の例のブロック図である。 【図8】 (a)は、レンダリングLUTを示すグラフ
である。(b)は、人間視覚系の反応をモデル化するL
UTを示すグラフである。 【図9】 出力画像の例およびそれらに関連付けられた
出力ノイズテーブルを示すグラフである。(画像変換と
して、画像形成装置応答リニアライザ42,バランスア
プリケータ44,レンダリング装置48,人間視覚系モ
デラー52を含む画像経路を適用して画像を生成す
る。) 【図10】 図9同様に、出力画像の例およびそれらに
関連付けられた出力ノイズテーブルを示すグラフであ
る。(画像変換として、画像形成装置応答リニアライザ
42,バランスアプリケータ44,レンダリング装置4
8,人間視覚系モデラー52を含む画像経路を適用して
画像を生成する。) 【図11】 図9同様に、出力画像の例およびそれらに
関連付けられた出力ノイズテーブルを示すグラフであ
る。(画像変換として、画像形成装置応答リニアライザ
42,バランスアプリケータ44,レンダリング装置4
8,人間視覚系モデラー52を含む画像経路を適用して
画像を生成する。) 【図12】 本発明の別の実施の形態を示すブロック図
である。 【図13】 図12の出力ノイズテーブルジェネレータ
の別の実施の形態を示すブロック図である。 【図14】 本発明の別の実施の形態を示す図である。 【図15】 本発明に基づく画質決定装置を示す模式的
ブロック図である。 【符号の説明】 2 出力ノイズテーブルジェネレータ,4 出力ノイズ
測度ジェネレータ,10 画像処理経路,16 ノイズ
経路ジェネレータ,18 ノイズテーブルプリプロセッ
サ,20i(i=1...,m) 画像変換i,22
ノイズ経路アプリケータ,24 ノイズテーブル決定装
置,26 画質決定装置,30i(i=1...,m)
ノイズ変換i,40 ノイズ変換ジェネレータ,42
画像形成装置応答リニアライザ,44 バランスアプ
リケータ,46 コントラスト調整装置,48 レンダ
リング装置,52 人間視覚系モデラー。
───────────────────────────────────────────────────── フロントページの続き Fターム(参考) 5B057 AA12 CH01 CH07 DA20 DB06 DB09

Claims (1)

  1. 【特許請求の範囲】 【請求項1】 画像におけるノイズ出現の評価方法であ
    って、 a)画像の輝度に対するノイズ度合を表わすノイズテー
    ブルを編成するステップと、 b)前記ノイズテーブルからノイズ測度を生成するステ
    ップとを含み、 前記ノイズ測度は画像におけるノイズ出現を表わすこと
    を特徴とする方法。
JP2002165098A 2001-06-12 2002-06-06 画像におけるノイズ出現の評価方法 Pending JP2003067723A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US09/879,343 US7062108B2 (en) 2001-06-12 2001-06-12 Method for estimating the appearance of noise in images
US09/879,343 2001-06-12

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2009187807A Division JP4959760B2 (ja) 2001-06-12 2009-08-13 画像におけるノイズ出現の評価方法

Publications (1)

Publication Number Publication Date
JP2003067723A true JP2003067723A (ja) 2003-03-07

Family

ID=25373952

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2002165098A Pending JP2003067723A (ja) 2001-06-12 2002-06-06 画像におけるノイズ出現の評価方法
JP2009187807A Expired - Lifetime JP4959760B2 (ja) 2001-06-12 2009-08-13 画像におけるノイズ出現の評価方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2009187807A Expired - Lifetime JP4959760B2 (ja) 2001-06-12 2009-08-13 画像におけるノイズ出現の評価方法

Country Status (3)

Country Link
US (1) US7062108B2 (ja)
EP (1) EP1267206A3 (ja)
JP (2) JP2003067723A (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006026943A (ja) * 2004-07-12 2006-02-02 Seiko Epson Corp ノイズ検出装置、ノイズ検出プログラム、ノイズ検出方法、特異領域検出装置、特異領域検出プログラム、特異領域検出方法、キャリブレーション装置、キャリブレーションプログラムおよびキャリブレーション方法
JP2006026942A (ja) * 2004-07-12 2006-02-02 Seiko Epson Corp ノイズ検出装置、ノイズ検出プログラム、ノイズ検出方法、キャリブレーション装置、キャリブレーションプログラムおよびキャリブレーション方法

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0505443D0 (en) * 2005-03-17 2005-04-20 Dmist Technologies Ltd Image processing methods
US20070223057A1 (en) * 2006-03-21 2007-09-27 Sony Corporation Method of estimating noise in spatial filtering of images
US20070230774A1 (en) * 2006-03-31 2007-10-04 Sony Corporation Identifying optimal colors for calibration and color filter array design
US7652788B2 (en) * 2006-06-23 2010-01-26 Nokia Corporation Apparatus, method, mobile station and computer program product for noise estimation, modeling and filtering of a digital image
DE602007010493D1 (de) * 2006-09-29 2010-12-23 Thomson Licensing Räumliche Maskierung unter Verwendung eines örtlichen Aktivitätsmaßes
US7788620B1 (en) 2007-01-22 2010-08-31 Lattice Semiconductor Corporation Input/output placement systems and methods to reduce simultaneous switching output noise
US8108211B2 (en) * 2007-03-29 2012-01-31 Sony Corporation Method of and apparatus for analyzing noise in a signal processing system
KR101303660B1 (ko) * 2007-10-01 2013-09-04 삼성전자주식회사 잡음제거를 고려한 선명도 향상 방법 및 장치 그리고 잡음가중치 계산 방법 및 장치
US8144985B2 (en) * 2007-12-21 2012-03-27 Sony Corporation Method of high dynamic range compression with detail preservation and noise constraints
KR102169435B1 (ko) * 2016-03-21 2020-10-23 후아웨이 테크놀러지 컴퍼니 리미티드 가중된 행렬 계수의 적응형 양자화
US10810706B2 (en) 2017-08-04 2020-10-20 Outward, Inc. Machine learning based image processing techniques

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4367490A (en) * 1981-04-24 1983-01-04 General Electric Company Noise reduction in digital fluoroscopy systems
US4804831A (en) * 1985-10-30 1989-02-14 Canon Kabushiki Kaisha Focus detecting apparatus independent of object image contrast
US4855943A (en) * 1987-07-24 1989-08-08 Eastman Kodak Company Method and apparatus for deaveraging a stream of averaged data
US4945406A (en) 1988-11-07 1990-07-31 Eastman Kodak Company Apparatus and accompanying methods for achieving automatic color balancing in a film to video transfer system
JP3373508B2 (ja) 1989-12-26 2003-02-04 イーストマン コダック カンパニー フィルム上に捕捉されたイメージの線形範囲を延長する方法
US5832136A (en) * 1994-04-20 1998-11-03 Fuji Xerox Co., Ltd. Image signal processing apparatus with noise superimposition
US5694484A (en) 1995-05-15 1997-12-02 Polaroid Corporation System and method for automatically processing image data to provide images of optimal perceptual quality
US5629769A (en) 1995-06-01 1997-05-13 Eastman Kodak Company Apparatus and method for the measurement of grain in images
US5641596A (en) 1995-12-05 1997-06-24 Eastman Kodak Company Adjusting film grain properties in digital images
US5633511A (en) 1995-12-22 1997-05-27 Eastman Kodak Company Automatic tone scale adjustment using image activity measures
US5923775A (en) 1996-04-04 1999-07-13 Eastman Kodak Company Apparatus and method for signal dependent noise estimation and reduction in digital images
US5809178A (en) * 1996-06-11 1998-09-15 Apple Computer, Inc. Elimination of visible quantizing artifacts in a digital image utilizing a critical noise/quantizing factor
JPH1023191A (ja) * 1996-07-08 1998-01-23 Ricoh Co Ltd 画像評価方法および画像評価装置
US5822453A (en) 1996-12-10 1998-10-13 Eastman Kodak Company Method for estimating and adjusting digital image contrast
JPH10191060A (ja) * 1996-12-26 1998-07-21 Fuji Xerox Co Ltd 画像処理装置
US6067125A (en) * 1997-05-15 2000-05-23 Minerva Systems Structure and method for film grain noise reduction
JPH1139486A (ja) * 1997-07-24 1999-02-12 Ricoh Co Ltd 画像の画質評価方法
FR2772225A1 (fr) * 1997-12-09 1999-06-04 Philips Electronics Nv Procede de traitement d'une image ou le bruit depend du signal
US6069982A (en) * 1997-12-23 2000-05-30 Polaroid Corporation Estimation of frequency dependence and grey-level dependence of noise in an image
US6091861A (en) 1998-02-03 2000-07-18 Eastman Kodak Company Sharpening algorithm adjusted for measured exposure of photofinishing images
US6118906A (en) * 1998-02-03 2000-09-12 Eastman Kodak Company Sharpening system adjusted for measured noise of photofinishing images
US6097471A (en) 1998-05-28 2000-08-01 Eastman Kodak Company Digital photofinishing system including film under-exposure gamma, scene balance, and image sharpening digital image processing
US6097470A (en) 1998-05-28 2000-08-01 Eastman Kodak Company Digital photofinishing system including scene balance, contrast normalization, and image sharpening digital image processing
DE19919750C1 (de) 1999-04-29 2001-01-18 Flabeg Gmbh Steuerverfahren für elektrochrome Verglasungen
US6707950B1 (en) 1999-06-22 2004-03-16 Eastman Kodak Company Method for modification of non-image data in an image processing chain
US6738494B1 (en) * 2000-06-23 2004-05-18 Eastman Kodak Company Method for varying an image processing path based on image emphasis and appeal

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006026943A (ja) * 2004-07-12 2006-02-02 Seiko Epson Corp ノイズ検出装置、ノイズ検出プログラム、ノイズ検出方法、特異領域検出装置、特異領域検出プログラム、特異領域検出方法、キャリブレーション装置、キャリブレーションプログラムおよびキャリブレーション方法
JP2006026942A (ja) * 2004-07-12 2006-02-02 Seiko Epson Corp ノイズ検出装置、ノイズ検出プログラム、ノイズ検出方法、キャリブレーション装置、キャリブレーションプログラムおよびキャリブレーション方法
JP4543796B2 (ja) * 2004-07-12 2010-09-15 セイコーエプソン株式会社 キャリブレーション装置、キャリブレーションプログラムおよびキャリブレーション方法
JP4543795B2 (ja) * 2004-07-12 2010-09-15 セイコーエプソン株式会社 キャリブレーション装置、キャリブレーションプログラムおよびキャリブレーション方法

Also Published As

Publication number Publication date
EP1267206A2 (en) 2002-12-18
JP2009259298A (ja) 2009-11-05
US7062108B2 (en) 2006-06-13
EP1267206A3 (en) 2008-01-23
US20030039401A1 (en) 2003-02-27
JP4959760B2 (ja) 2012-06-27

Similar Documents

Publication Publication Date Title
JP4959760B2 (ja) 画像におけるノイズ出現の評価方法
US6813389B1 (en) Digital image processing method and system including noise reduction and tone scale adjustments
JP4210577B2 (ja) 選択的空間フィルタを使用するディジタル画像の階調及び空間特性の向上方法
US6462835B1 (en) Imaging system and method
EP1857976B1 (en) Histogram adjustment for high dynamic range image mapping
EP1857975B1 (en) Histogram adjustment for high dynamic range image mapping
US7710597B2 (en) Modified Neugebauer model for halftone imaging systems
US7043090B2 (en) Enhancing the tonal characteristics of digital images using expansive and compressive tone scale functions
US7333669B2 (en) Selecting an image processing path to provide desired noise
US20070248282A1 (en) Image Correction Processing System and Image Correction Processing Method
US20030235342A1 (en) Enhancing the tonal characteristics of digital images
US6100999A (en) Method for predicting color transfer characteristics
JP2007507803A (ja) 画像を調整するためのパラメータを決定する方法および装置
US7006252B2 (en) Image processing system and method that maintains black level
US7130485B2 (en) Enhancing the tonal and color characteristics of digital images using expansive and compressive tone scale functions
US20040047514A1 (en) Method for sharpening a digital image
US6778691B1 (en) Method of automatically determining tone-scale parameters for a digital image
JP2000207548A (ja) デジタル画像のト―ンスケ―ルを調整する方法
US8180172B2 (en) Image processing method
JPH0846784A (ja) 画像処理装置
US7574335B1 (en) Modelling piece-wise continuous transfer functions for digital image processing
JPH11205616A (ja) 画像評価方法、及びその装置
JPH1125275A (ja) 画像評価装置
JP2001024821A (ja) 画像評価装置および画像評価方法
JP2021190824A (ja) 色むら調整システム、映像表示装置及び色むら調整方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20050509

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20080411

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20080415

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20080714

A602 Written permission of extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A602

Effective date: 20080717

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20080814

A602 Written permission of extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A602

Effective date: 20080819

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20080916

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20090414

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20090813

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20090824

A912 Re-examination (zenchi) completed and case transferred to appeal board

Free format text: JAPANESE INTERMEDIATE CODE: A912

Effective date: 20100115