JP2009527776A - 知覚の画像プレビュー - Google Patents

Abstract

知覚の画像プレビューのためのシステム及び方法が説明されている。一態様において、ナイーブなプレビュー画像はより大きな画像をダウンサンプリングすることにより生成される。その後より大きな画像の知覚の特徴は検出される。その後検出された知覚の特徴に関連付けられた情報は、知覚のプレビュー画像を作成するためにナイーブなプレビュー画像に組み込まれる。知覚のプレビュー画像は検出された知覚の特徴に関連付けられた情報を組み込むので、知覚のプレビュー画像のビューアは、より大きな画像においてこのような知覚の特徴の存在又は不存在を検出する可能性がより高くなる。

Description

プレビュー画像(image：イメージ)は一般に、より大きな画像の減らされたバージョン、又はダウンサンプリングされた (downsampled：サンプル化して落とされた)バージョンを表示する。画像アプリケーションは一般に、大まかな画像圧縮、質及び／又はプレビュー画像が派生したより大きな画像の他の態様について、ディスプレイデバイス上に画像プレビューを見せる。しかし、プレビュー画像はダウンサンプリング動作の結果であるので、プレビュー画像は、対応するより大きな画像において見せられる情報のサブセットでのみ作成される。結果としてユーザは、単にプレビュー画像を閲覧することにより、より大きな画像において見せられる重要な知覚(perceptual)の特徴（たとえば、ノイズ、ブラー(blur)、フィールドの深さ(depth of field)、ホワイトバランス(white balance)、ブルーム効果(bloom effect)など）を確定することはできないかもしれない。

このようなシナリオにおいて、プレビュー画像は、ユーザの画像プレビュー及びブラウジングのニーズに適切に向けられていない。

この課題を解決するための手段は、発明を実施するための最良の形態において以下でさらに説明される簡略化された形においての概念の選択を紹介するために提供される。この課題を解決するための手段は、特許請求された主題の鍵となる特徴又は重要な特徴を特定することを意図せず、特許請求の範囲の主題の範囲を決定する助けとして使用されることを意図しない。

上述の観点から、知覚の画像プレビューのためのシステム及び方法が説明される。一態様において、ナイーブ(naive)なプレビュー画像はより大きな画像をダウンサンプリングすることにより生成される。より大きな画像の知覚の特徴はその後に検出される。検出された知覚の特徴に関連付けられた情報はその後、知覚のプレビュー画像を作成するためにナイーブなプレビュー画像に組み込まれる。知覚のプレビュー画像は検出された知覚の特徴に関連付けられた情報を組み込むので、知覚のプレビュー画像のヴューア(viewer)は、より大きな画像におけるこのような知覚の特徴の存在または不存在を簡単に検出することとなる。

図面において、構成要素の参照番号の最も左の桁は、その構成要素が最初に出現した個所の図面を特定する。

例示的なシステム
必要とされていないが、知覚の画像プレビューのためのシステム及び方法が、パーソナルコンピュータなどのコンピューティングデバイスにより実行されているコンピュータ実行可能命令（プログラムモジュール）の一般的な内容において説明される。プログラムモジュールは一般に、特定のタスクを実行するかまたは特定の抽象データ型を実装する、ルーチン、プログラム、オブジェクト、コンポーネント、データ構造などを含む。システム及び方法が以下の内容で説明される一方で、以降で説明する動作もハードウェアで実装することもできる。

図１は、一実施形態による知覚の画像プレビューについての例示的なシステムを示している。システム１００は、ホストコンピューティングデバイス１０２を含む。ホストコンピューティングデバイス１０２は、小さい形のファクターデバイス、デジタルカメラ、ハンドヘルドまたはモバイルコンピューティングデバイス、ラップトップ、パーソナルコンピュータ、サーバなどの任意のタイプのコンピューティングデバイスを表示する。ホストコンピューティングデバイス１０２は、メモリ１０６に結合された１または複数の処理ユニット１０４を含む。メモリ１０６は、システムメモリ、及びコンパクトフラッシュ（登録商標）メモリなどのコンピューティングデバイス１０２に結合された任意の他の種類のメモリを含む。システムメモリ（たとえば、ＲＡＭ及びＲＯＭ）は、コンピュータプログラムモジュール（「プログラムモジュール」）１０８及びプログラムデータ１１０を含む。プロセッサ１０４は、プログラムモジュール１０８のそれぞれ一つからコンピュータプログラム命令をフェッチ（fetch）及び実行する。プログラムモジュール１０８は、より大きな（親）画像１１６から知覚のプレビュー画像１１４を生成するために知覚の画像プレビューモジュール１１２を含む。プログラムモジュール１０８も、知覚の画像プレビューモジュール１１２（たとえば、知覚のプレビュー画像１１４をユーザに見せる）などの態様を活用する、オペレーティングシステム、アプリケーションなどの「他のプログラムモジュール」１１８を含む。

知覚の画像プレビューモジュール１１２（「プレビューモジュール１１２」）は、従来のナイーブなプレビュー画像を作成するために、より大きな画像１１６をダウンサンプリングする。プレビューモジュール１１２はその後、より大きな画像１１６の１又は複数の構造及び又は知覚の特徴をよりよく示すために、このナイーブなプレビュー画像をより大きな画像１１６に関連付けられた追加の情報で高める。この高められたナイーブなプレビュー画像は知覚のプレビュー画像１１４である。より詳しくは、知覚のプレビュー画像１１４を生成するために、プレビューモジュール１１２は、より大きな画像１１６から構造及び任意の知覚の特徴（例えば、１又は複数のノイズ、ブラー、フィールドの深さ、ブルーミング、ホワイトバランス及び／又はなど）を検出及び評価する。このような検出された構造及び任意の知覚の特徴は、検出された知覚の特徴１２０のそれぞれの部分で示される。プレビューモジュール１１２は、ビューアがより大きな画像１１６におけるこれらの態様の存在又は不存在をより正確に突き止めることをできるようにするために、これらの検出された態様の１又は複数に関連付けられた情報で、ナイーブなプレビュー画像を高める。

知覚の画像プレビューについてのシステム及び方法のこれらの態様及び他の態様は、より詳細にここで述べられる。

例示的な構造強化
プレビューモジュール１１２は、構造的な高さを有するより大きな画像１１６のナイーブなプレビュー画像を構造的に高められたプレビュー画像１１４に補強(augmentation)する。これらの補強の動作は、結果の画像において、凸部の縁(silent edge)を強化し、弱い詳細を平らにする。凸部の縁はしばしば異なるオブジェクトを分離するので、このアプローチは通常、オブジェクト間コントラストを増加させ、オブジェクト内コントラストを減少させる。結果として画像構造は、より知覚的に明らかとなり、ユーザの注意を引き付ける。より明らかな構造は、構造的に高められた知覚のプレビュー画像１１４に続いて組み込まれている他の検出された知覚の特徴１２０と関連付けられた任意の情報を、ユーザがより素早く検出することを可能にする。

この実装において、プレビューモジュール１１２は、画像の傾き(gradient:勾配、グラディエント)ドメイン（domain）における非線形の変調を介して構造の高さを実装する。空間ドメインにおける凸部の縁は大きな傾きの大きさを有するので、弱い詳細が小さな傾きの大きさに対応する一方で、問題は、大きな傾きを増加させ、小さな傾きを減らすようになる。大きな傾きの増加は重要な縁を強化し、小さな傾きの減少は、冗長な詳細を抑制する。ポワソン方程式を解くことにより、所与の傾きフィールド及び画像の境界で画像を再構築できる。したがって、結果の画像において傾きフィールドにおけるこの調整を反映する。

この実装において、プレビューモジュール１１２は、生成されたナイーブなプレビュー画像をＹＵＶカラー空間に最初に変換することにより、構造的に高められた知覚のプレビュー画像１１４を作成する。プレビューモジュール１１２はその後、ルミナンス(luminance)構成要素について傾きフィールドを演算する。クロミナンス(Chrominance)構成要素は、画像カラーが変化しないことを保証するために、変わらないままである。修正されたシグモイド関数は、傾きの大きさを変調するために使用される：

ここでＧ_iはピクセルｉについての傾きの大きさであり、Ｇ_iは調整された傾きの大きさである。ローカルな向きの調整が傾きのフィールドの一貫性を壊すかもしれないので、傾きの向きは変化しない。パラメータαは最大の調整の大きさを制御する。αが１より小さい値に設定されるとき、すべての傾きは抑制される。パラメータｋは変調の傾斜(slope)を制御する。ｋが大きくなると、傾きの大きさが大きく拡大し、小さい傾きの大きさは小さく抑制される。パラメータβは、パラメータα及びｋより、結果の上でより大きな影響を有する。凸部の微小な詳細をローカルに保持ために、ベータは以下のように適応的に選択される。

ここで、β_gはグローバル閾値であり、β_iはローカルの閾値である。β_iはピクセルの近傍において平均的な傾きの大きさとして評価され、ガウスにより加重(weight)される。β_gは、画像全体上で同様に評価される。方程式（２）は、強い縁を尊重し、まだ弱い凸部の縁に有利である。

図２（ａ）は、任意のナイーブなプレビュー画像の領域内の例示的な傾きフィールドを示す。図２（ｂ）は、一実施形態によると、ナイーブなプレビュー画像から生成された構造的に高められた知覚のプレビュー画像１１４（図１）の領域内の例示的な傾きフィールドを示す。図２（ｂ）において、傾きの方向は図２（ａ）における傾きの方向と比較して変更されていないままであるが、傾きの大きさは、（図２（ａ）の傾きの大きさと比較して、）大きい傾きについて増加し、小さい傾きについて減少する。一般に構造的に高められた知覚のプレビュー画像１１４の構造的に高められた知覚のプレビュー画像は、ナイーブなプレビュー画像と比較して、よりクリアな画像構造を見せる。

例示的な知覚の特徴の保持
画像１１６から検出されるかもしれない多くの任意の種類の知覚の特徴がある。このような知覚の特徴は、たとえばホワイトバランス、フィールドの深さ、ブルーミング、画像の圧縮により生じるブロックのアーチフェクト、画像品質などを含む（ブルーミングは、近傍のピクセルが明るくされ、露出過度（overexposed）となるように、動的な範囲のピクセルが露出過度となる影響である。）。知覚のプレビュー画像１１４においてより大きな画像１１６により閲覧される知覚の特徴を表示するために、プレビューモジュール１１２はこのような知覚の特徴（つまり、検出された知覚の特徴１２０として示される）をより大きな画像１１６から検出する。検出された知覚の特徴１２０により表示される知覚の特徴の数及び種類は任意であり、特定の実装において機能する。

次に、プレビューモジュール１１２は、検出された知覚の特徴１２０の少なくともサブセットに関連付けられた情報（例えば合成／派生した情報１１２）を、ナイーブなプレビュー画像または構造的に高められた知覚のプレビュー画像１１４に組み込む。情報がナイーブなプレビュー画像に組み込まれるとき、新しい知覚のプレビュー画像１１４が結果となる。組み込まれた情報はより大きな画像１１６から抽出された情報であることができるが、組み込まれた情報は抽出された情報である必要性はない。むしろ、いくつか又はすべての場合において、このような情報は、検出された知覚の特徴１２０により提供される情報から合成／派生される。この観点において及びこの実装において、はっきりした画像１１６により閲覧される知覚の特徴１２０の検出のまさに正確さは必要ではない。検出された知覚の特徴１００に対応する情報の知覚のプレビュー画像１１４への包含は、プレビュー画像１１４が、より大きな親画像１１４についてビューアにより情報を運ぶことを可能にする。たとえば、検出された知覚の特徴は親画像１１６においていくらかの度に存在することを示すことにより。

ノイズ
高いＩＳＯモード（例えばＩＳＯ４００またはそれ以上）を使用して、画像がキャプチャされるとき、または画像をキャプチャするのに短い露出が使用されるとき、ノイズはしばしば画像１１６に取り入れられる。ノイズは通常、画像をまたがって分布（ditibution）されるカラー粒子のように現れる。ノイズは普通、暗い領域において現れる。ノイズが付加的な特性を有し、均一の分布に適合すると仮定する。様々はノイズ生成スキームを考慮する場合にこの仮定は常に保留しないが、構造的に高められた知覚のプレビュー画像１１４上でノイズを反映するのには十分である。

対応する知覚のプレビュー画像１１４においてより大きな画像１１４で見せられるノイズを表示するために、プレビューモジュール１１２は、任意の複数の周知のノイズ検出技術を使用してソースノイズ画像として、親画像１１６からノイズを検出及び格納する。均一の分布の仮定に基づいて、プレビューモジュール１１２は、ソースノイズ画像からランダムにサンプリングすることにより、（構造的に高められたプレビュー知覚のプレビュー画像１１４と同等の次元で、）あて先ノイズ画像を生成する。このようなソース及びあて先ノイズ（destination noise）は、「他のプログラムデータ」１２６（図１）のそれぞれの部分として示される。より大きな親画像１１６のノイズを表示するために、あて先ノイズ画像は構造的に高められたプレビュー画像に追加される。他の実装において、あて先ノイズ画像は、構造的に高められた知覚のプレビュー画像１１４よりむしろ、ナイーブなプレビュー画像に追加される。

一実装において、ノイズは大きい画像１１６から検出されず、より大きな画像１１６のより小さい領域から、例えば２，３の凸部の縁を含む領域からのみ検出される。目的は、より大きな画像１１６上で閲覧されるであろう知覚のプレビュー画像に似ているように見える結果の知覚のプレビュー画像１１４においてノイズを見せるためである。オリジナル画像１１６全体からノイズを抽出する必要性がある。たとえば、均一の領域ΩがＭ×Ｍピクセルの大きさを有することを期待されているとすると、ここでＭはマイルドな値(mild value)、つまり１０ｄであり、ｄはサイズの縮小率である。あまりに大きいＭは、所望の均一の領域を不存在にする。あまりにも小さいＭは、十分に正確なノイズを提供しない。

一実装において、より大きな画像１１６において直接Ωを検出する代わりに、プレビューモジュール１１２は、ナイーブなプレビュー画像における大きさ（Ｍ／ｄ）×（Ｍ／ｄ）のピクセルの対応する領域Ω_dを検索し、その後オリジナル画像１１６のΩにそれをマップする。ナイーブなプレビュー画像は、それが派生したより大きな画像において見せられるのより、より少ないノイズを見せる。さらに、ナイーブなプレビュー画像ははるかに少ない次元を有するので、Ω_dの検索は効率的で信頼性がある。さらに特定すると、プレビューモジュール１１２は、ナイーブなプレビュー画像を重複していないブロックに分割し、最も小さい差異を有するブロックΩ_dを選択する。ほとんどの場合において、Ω_dに対応する領域Ωは、凸部の縁を含まない。したがってその高周波の構成要素は、ノイズマップＮ_sからなる。プレビューモジュール１１２は、ノイズＮ_sを確実に見積もるために離散の静止のウェーブレット変換(discrete stationary wavelet transform)を適用する。領域の大きさがとても小さいので、演算はとても早い。

一実装において、減らされた次元でノイズマップＮ_dを作るために、プレビューモジュール１１２はテクスチャ合成方法を利用して、Ｎ_dにおけるノイズ空間分布を保つ。実際にプレビューモジュール１１２は、ノイズが均一の分布を有するという仮定に基づいて、ランダムにＮ_sからノイズマップＮ_dを生成する。Ｎ_dはオリジナル画像１１６におけるノイズ分布に完全には一致しないが、Ｎ_dはオリジナル画像として似たようなビジュアルの経験をユーザにもたらす（以下で説明される図３を参照）。アルゴリズムの安定性を改善するためにプレビューモジュール１１２は、Ｋ均一領域を選び、すべての領域においてランダムにサンプルする。この実装において、Ｍ＝８０であり、Ｋ＝５である。最後の画像Ｉ_fは以下のように演算される、
Ｉ_f＝Ｉ_d＋γＮ_d
ここで、Ｉ_dは減らされた画像であり、γはどのような凸部にノイズがビジュアル化される必要があるかを制御するためのパラメータである。

ブラー
カメラなどの画像獲得デバイスと画像の対象との間で相対的な動きが起きるとき、または対象がフォーカス外のとき、画像１１６におけるブラーは起こる。異なる状況においてブラーは、画像全体上またはいくつかの領域の周りでのみ現れるかもしれない。ブラーは画像１１６の鮮明さ（sharpness）を減少させる。しかし、特にナイーブなプレビュー画像が生成される対応する親画像においてブラーが深刻でないとき、ナイーブに減らされた画像はまだ鮮明に見える。プレビューモジュール１１２は知覚のプレビュー画像１１４における表示について画像ブラーを検出する。オリジナル画像１１６においてローカルにブラー度を評価することにより、これは達成される。評価の観点において、プレビューモジュール１１２は、対応するブラーの量を見せるために、知覚のプレビュー画像１１４において対応する領域をブラーする。縁の領域のブラーは一般に、画像１１６の全体がブラーされるとき、ユーザにとってより可視となる。この観点において、画像１１６の全体がブラーされるとき、プレビューモジュール１１２はその縁に沿ってのみ、知覚のプレビュー画像１１４においてブラー操作を実行する。

プレビューモジュール１１２は、構造的に強化された知覚のプレビュー画像１１４上で縁の検出を実行する。画像内の縁のピクセルＥ_iのそれぞれについて、プレビュー画像１１２はそのそれぞれのブラー度を見積もる。ブラーの見積りは、ブラーの縁の領域が、傾きの角度の中で鮮明な縁の領域が有するのより小さい逸脱を通常有することの観察に基づく。さらに詳しくは、縁のピクセルＥ_iについて、領域Ｒ_iは、このピクセルＥ_iに縮小するオリジナル画像１１６に位置する。領域Ｒ_iにおける傾きの角度はその後、Ａ_i（ｋ）と記される。縁のピクセルＥ_iにおいてブラーＢ_iは以下のように演算される：
Ｂ_i＝ｅｘｐ｛−η・Ｄ（Ａ_i）^α｝ （３）
ここでＤ（Ａ_i）は領域Ｒ_iにおける傾きの角度の分散である。パラメータη及びαは見積もられたブラーの量を制御する。これらはη＝３及びα＝１．２に経験的に設定される。これらのパラメータは主観的に決定することもできる。

プレビューモジュール１１２はその後、ピクセルに関連付けられたブラー度の見積もられた量によって、ピクセルＥ_iの近傍における知覚のプレビュー画像１１４においてブラーを合成する。より詳しくは、プレビューモジュール１１２はブラーの量Ｂ_iによってガウスのカーネルを使用してブラー動作を実装し、Ｂ_iは実際にはガウスのシグマ(the sigma of the Gaussian)による。その後近傍Ｅ_iはガウスのカーネルを使用して加重される。

例示的な手順
図３は、一実施形態による知覚の画像プレビューについての例示的な手順３００を示す。例示的な図示及び説明の目的のために、手順の動作を図１の構成要素に関して説明する。ブロック３０２において、知覚の画像プレビューモジュール１１２（図１）は、より大きな画像１１６をダウンサンプリングすることにより、より大きな画像１１６からナイーブなプレビュー画像を生成する。ブロック３０４において、知覚の画像プレビューモジュール１１２は、ナイーブなプレビュー画像から縁の情報を検出する。ブロック３０６において、知覚の画像プレビューモジュール１１２は、ナイーブなプレビュー画像の構造を強化するために検出された縁の情報を利用し、したがって高められた構造（構造的に高められたプレビュー画像）で知覚のプレビュー画像１１４を作成する。ブロック３０８において、知覚の画像プレビューモジュール１１２は、より大きな画像１１６から知覚の特徴（図１の検出された知覚の特徴１２０）を検出する。

ブロック３１０において、知覚の画像プレビューモジュール１１２は、知覚のプレビュー画像１１４を作成するために、検出された知覚の特徴１２０の少なくともサブセットに関連付けられた情報をプレビュー画像に組み込む。このような情報が組み込まれる特定のプレビュー画像は、ナイーブなプレビュー画像または構造的に高められた知覚のプレビュー画像１１４のいずれかであることができる。ブロック３１２において、知覚の画像プレビューモジュール１１２または知覚のプレビューモジュール１１２の出力を活用する異なるアプリケーションは、知覚のプレビュー画像１１４が派生したより大きな画像１１６をユーザに表示するために、知覚のプレビュー画像１１４を見せる。知覚のプレビュー画像１１４がより大きな画像１１６の検出された知覚の特徴に関連付けられた情報を見せるので、知覚のプレビュー画像１１４を閲覧することは、より大きな画像１１６の質または他の態様に関して知識に基づいたユーザの決定を可能にする。

結論
知覚の画像プレビューのためのシステム及び方法が構造的な特徴及び／又は方法論的な操作または動作特有の言語で説明されてきたが、添付の特許請求の範囲で定義された実装は説明された特有の特徴または動作を限定する必要がないことを理解されたい。たとえば、知覚のプレビュー画像１１４に組み込まれてきた検出された知覚の特徴１２０に関連付けられた情報は、ユーザが画像の質（例えばフィールドの深さなど）に加えてより大きな画像の態様にアクセスすることを可能にするために使用できる。したがって、システム１００の特有の特徴及び動作は、特許請求された主題を実装する例示的な形式として開示されている。

一実施形態による知覚の画像プレビューについての例示的なシステムを示す図である。 （ａ）は任意のナイーブなプレビュー画像の範囲内の例示的な傾きフィールドを示し、（ｂ）は任意の構造的に高められたプレビュー画像の範囲内の例示的な傾きフィールドを示している図である。 一実施形態による知覚の画像プレビューについての例示的な手順を示している図である。

Claims (20)

1. コンピューティングデバイスにより少なくとも一部が実装される方法であって、
   より大きな画像をダウンサンプリングすることによりナイーブなプレビュー画像を生成するステップと、
   前記より大きな画像と関連付けられた知覚の特徴を検出するステップと、
   知覚のプレビュー画像を作成するために、前記知覚の特徴の少なくともサブセットに関連付けられた情報を前記ナイーブなプレビュー画像に組み込むステップと
   を備え、
   前記知覚のプレビュー画像のユーザへの表示は、前記より大きな画像における前記知覚の特徴の前記少なくともサブセットの存在又は不存在の判定を容易にする
   ことを特徴とする方法。
2. 前記知覚の特徴は、構造、ノイズ、ブラー、ホワイトバランス、ブルーミング、画像圧縮アーチファクト、フィールドの深さの１又は複数を備えたことを特徴とする請求項１に記載の方法。
3. 画像品質は、前記知覚の特徴に関連していることを特徴とする請求項１に記載の方法。
4. 前記情報は、前記知覚の特徴に基づいており、前記より大きな画像から抽出され、前記情報が、前記検出された知覚の特徴の少なくともサブセットが前記より大きな画像に存在する前記知覚のプレビュー画像のヴューアに通知することを特徴とする請求項１に記載の方法。
5. 前記情報を組み込むステップは、凸部の縁を強化し、弱い詳細を平らにするために、前記ナイーブなプレビュー画像を構造的に高めるステップをさらに備えたことを特徴とする請求項１に記載の方法。
6. 前記構造的に高めるステップは、非線形変調、及び前記ナイーブなプレビュー画像又は前記より大きな画像の傾きドメインを使用して実行されることを特徴とする請求項５に記載の方法。
7. 前記知覚の特徴を検出するステップは、
   より大きな画像又は比較的少ない凸部の縁を含む前記ナイーブなプレビュー画像の領域からノイズを検出するステップであって、前記領域は前記より大きな画像又は縁の前記ナイーブなプレビューの全体を表示しない、検出するステップと、
   前記ノイズから前記知覚のプレビュー画像に合成された情報を追加するステップと
   をさらに備えたこと特徴とする請求項１に記載の方法。
8. 前記知覚の特徴を検出するステップは、
   前記より大きな画像の少なくとも一部において、複数のピクセルの各ピクセルのそれぞれのブラー度を評価するステップと、
   前記複数のピクセルの各ピクセルについて、前記より大きな画像の前記ピクセルの位置に対応する前記知覚のプレビュー画像の範囲において、前記知覚のプレビュー画像におけるブラーを合成するステップと
   をさらに備えたことを特徴とする請求項１に記載の方法。
9. より大きな画像からナイーブなプレビュー画像を生成するステップと、
   前記より大きな画像と関連付けられた知覚の特徴を検出するステップと、
   知覚のプレビュー画像を作成するために、前記知覚の特徴の少なくともサブセットに関連付けられた情報を前記ナイーブなプレビュー画像に組み込むステップと
   をプロセッサにより実行可能なコンピュータプログラム命令を備えたコンピュータ可読記憶媒体であって、
   前記情報は前記より大きな画像から抽出されず、前記情報が前記検出された知覚の特徴の前記少なくともサブセットが存在する前記知覚のプレビュー画像のビューアを、前記より大きな画像の表示された度に通知する
   ことを特徴とするコンピュータ可読記憶媒体。
10. 前記知覚の特徴は、構造、ノイズ、ブラー、ホワイトバランス、ブルーミング、画像圧縮アーチファクト、フィールドの深さの１又は複数を備えたことを特徴とする請求項９に記載のコンピュータ可読記憶媒体。
11. 前記情報を組み込むステップのためのコンピュータプログラム命令は、凸部の縁を強化し、弱い詳細を平らにするために、前記ナイーブなプレビュー画像を構造的に高めるステップのための命令をさらに備えたことを特徴とする請求項９に記載のコンピュータ可読記憶媒体。
12. 前記構造的に高めるステップは、非線形変調、及び前記ナイーブなプレビュー画像又は前記より大きな画像の傾きドメインを使用して実行されることを特徴とする請求項１０に記載のコンピュータ可読記憶媒体。
13. 前記知覚の特徴を検出するステップのためのコンピュータプログラム命令は、
    前記より大きな画像又は比較的少ない凸部の縁を含む前記ナイーブなプレビュー画像の領域からノイズを検知するステップであって、前記領域は、より大きな画像又は縁の前記ナイーブなプレビューの全体を表示しない、検知するステップと、
    前記ノイズから前記知覚のプレビュー画像に合成された情報を追加するステップと
    のための命令をさらに備えたことを特徴とする請求項９に記載のコンピュータ可読記憶媒体。
14. 前記知覚の特徴を検出するステップのためのコンピュータプログラム命令は、
    前記より大きな画像の少なくとも一部において、複数のピクセルの各ピクセルのそれぞれのブラー度を評価するステップと、
    前記複数のピクセルの各ピクセルについて、前記より大きな画像の前記ピクセルの位置に対応する前記知覚のプレビュー画像の範囲において、前記知覚のプレビュー画像におけるブラーを合成するステップと
    のための命令をさらに備えたことを特徴とする請求項９に記載のコンピュータ可読記憶媒体。
15. プロセッサと、
    プロセッサに結合されたメモリであって、前記メモリは、
    より大きな画像からナイーブなプレビュー画像を生成するステップと、
    縁を特定するために前記ナイーブなプレビュー画像を評価するステップと、
    知覚のプレビュー画像を生成するために、前記縁の観点から前記ナイーブなプレビュー画像の凸部の縁を強化するステップ、及び前記縁の観点から前記ナイーブなプレビュー画像の弱い詳細を平らにするステップと、
    前記より大きな画像の知覚の特徴を検出するステップと、
    前記知覚の特徴の少なくともサブセットに関連付けられた情報を前記知覚のプレビュー画像に組み込むステップと、
    前記検出された知覚の特徴の前記少なくともサブセットが前記より大きな画像に存在することをユーザに通知するために、知覚のプレビュー画像をユーザに見せるステップと
    のためのプロセッサにより実行可能なコンピュータプログラム命令を備えたメモリと
    を備えることを特徴とするコンピューティングデバイス。
16. 前記知覚の特徴は、構造、ノイズ、ブラー、ホワイトバランス、ブルーミング、画像圧縮アーチファクト、フィールドの深さの１又は複数を備えることを特徴とする請求項１５に記載のコンピューティングデバイス。
17. 前記強化するステップ及び前記平らにするステップは、非線形変調、及び前記ナイーブなプレビュー画像又は前記より大きな画像の傾きドメインを使用して実行されることを特徴とする請求項１５に記載のコンピューティングデバイス。
18. 前記知覚の特徴を検出するステップのための前記コンピュータプログラム命令は、
    前記より大きな画像又は比較的少ない凸部の縁を含む前記ナイーブなプレビュー画像の領域からノイズを検出するステップであって、前記領域は前記より大きな画像又は縁の前記ナイーブなプレビューの全体を表示しない、検出するステップと、
    前記ノイズから前記知覚のプレビュー画像に合成された情報を追加するステップと
    のための命令をさらに備えることを特徴とする請求項１５に記載のコンピューティングデバイス。
19. 前記知覚の特徴を検出するステップのための前記コンピュータプログラム命令は、
    前記より大きな画像の少なくとも一部において、複数のピクセルの各ピクセルのそれぞれのブラー度を評価するステップと、
    前記複数のピクセルの各ピクセルについて、前記より大きな画像における前記ピクセルの位置に対応する前記知覚のプレビュー画像の範囲において、前記知覚のプレビュー画像におけるブラーを合成するステップと
    のための命令をさらに備えることを特徴とする請求項１５に記載のコンピューティングデバイス。
20. 前記合成するステップのための前記コンピュータプログラム命令は、前記複数のピクセルの縁ピクセルＥ_jでブラーの量Ｂ_i、Ｂ_i＝ｅｘｐ｛−η・Ｄ（Ａ_j）^α｝として計算するステップのための命令をさらに備え、Ｄ（Ａ_j）は領域Ｒ_jにおける傾きの角度であることを特徴とする請求項１５に記載のコンピューティングデバイス。

Images