JP5327766B2 - デジタル画像における記憶色の修正 - Google Patents

Description

本発明は、デジタル画像における記憶色の修正に関する。

人々は、画像におけるいくつかの物体の外観（appearance）について、好みや期待を持つ。
例えば、研究では、人々は、再現された空が、実際の空よりもより鮮やかである（saturated）ことを好み、皮膚や草が、実際の皮膚や草よりもより黄色であることを好むということを示している。

皮膚、空および葉の色は、「記憶色」の例である。
記憶色は、身近な物体の色を指す。
観察者は、身近な物体の色と、その実際の色よりもむしろその観察者の色の記憶とを適合させることを選択する。
空、皮膚および葉は、画像における非常に身近な物体である。

記憶色の再現は、デジタル画像およびそのキャプチャ、色処理およびデジタル画像の表示における欠陥が原因で、十分でない可能性がある。
例えば、デジタルカメラによるホワイトバランスは、不快に見える記憶色を生み出し得る。

たとえ、記憶色が正確にキャプチャされ、および、再現されるとしても、記憶色は、いまだ不快に見え得る。
例えば、デジタルカメラは、灰色がかかった青色の空を正確にキャプチャし、写真プリンタは、その空を正確に再現するが、それにもかかわらず、その空は不快に見える。

記憶色の補正（enhancement）は、デジタル画像上で行われ、身近な物体の色がより身近でより心地よく見えるように、身近な物体の色を修正する。
これらの物体は、一般的に、画像分割により識別され、それらの色は、互いに独立して修正される。
植物の色は、より心地よい緑色に修正され得る。
皮膚の色は、より温かくより自然に見えるように修正され得る。
空の色は、より深い青色に修正され得る。

記憶色の補正は、画像におけるいくつかの物体に対して、より心地よい色を生み出し得るが、必ずしも、全体によりよく見える画像を生み出す必要はない。

本発明は、デジタル画像における記憶色の修正する方法を提供する。

本発明の一つの側面によれば、デジタル画像の修正は、記憶色の領域に属している画素の尤度（a likelihood of a pixel）を決定することを含む。
記憶色領域は、望ましい色を有する。
修正は、画素の元の色を、望ましい色に向かってシフトすることをさらに含む。
元の色は、尤度の関数であり、一般的に、元の色と望ましい色との間の差よりも少ない量によりシフトされる。

本発明の別の側面によれば、画像処理システムは、処理ユニット、および、処理ユニットに画像上で画像分割を行わせるためのコードとともに符号化されたメモリを含む。
画像分割は、画像における任意の記憶色領域を識別し、必要であれば、領域の色の重心をシフトさせる。
記憶領域の色の重心のシフトは、画素の元の色を記憶色領域の望ましい色に向かって少しずつ動かすことを含む。
画素の元の色は、記憶色領域に属している画素の尤度の関数の通りに、（as a function of a likelihood of the pixel）少しずつ動かされる。

本発明のさらに別の側面によれば、製品（article）は、記憶色領域の色の重心を、望ましい色に向かって部分的にシフトすることにより、処理ユニットにデジタル画像を補正させる（enhance）ためのコードとともに符号化されたメモリを含む。
記憶色領域における画素の色の部分的なシフトは、記憶色領域に属している画素の尤度を決定すること、および、尤度の関数である量により、画素の元の色を、望ましい色に向かってシフトすることを含む。

本発明の実施形態に基づく記憶色の修正を行う方法を例示する図である。 本発明の実施形態に基づく画像補正を行う方法を例示する図である。 本発明の実施形態に基づく記憶色の修正を例示する図である。 本発明の実施形態に基づく記憶色の修正を例示する図である。 色記憶領域に属している画素の軟確率（soft probabilities）を決定する方法を例示する図である。 本発明の実施形態に基づく画像処理システムを例示する図である。

例示の目的のための図面に示されるように、本発明は、デジタル画像における記憶色の修正に具体化されている。
皮膚、葉および空の色は、伝統的に最も重要であると考えられており、以下、これらの色は、例で用いられるであろう。
しかしながら、記憶色の修正は、これらの３つの物体に限定されるものではない。
記憶色の修正は、望ましい色を有するあらゆる他の識別可能な物体で行われ得る。

記憶色は、心理物理学的実験を行うことにより、または、望ましい再現の同定（identification）のために公開された心理物理学的データから確立されている。
記憶色モデルのパラメータは、タグ付け画像（すなわち、人々によりタグ付けされた）の大規模コーパスから学習する。
例えば、物体を描画しているすべての画素は、多くの画像から集められ、記憶色モデル（例えば、ガウス分布）が確立される。

図１を参照する。図１は、デジタル画像における領域の記憶色を修正する方法を例示する。
領域は、空、皮膚、葉またはいくつかの他の身近な物体を表現し得る。

ブロック１１０において、記憶色領域に属している画素の尤度が決定される。
いくつかの実施形態において、尤度は、記憶色領域に属している画素の確率である。

いくつかの実施形態において、確率は、画素値を記憶色分布と比較することにより決定され得る。
例えば、草に対する記憶色分布は、平均［１３８．４２，４３．６４，８７．８５］、および、標準偏差［５９．４３，１９．３２，９．０５］のガウス分布としてＬｃｈで表され得る。
画素が［１３０，４０，８０］の色を有する場合、その分布は、草の領域に属している画素の確率を決定するために用いられ得る。

いくつかの実施形態において、確率は、画像分割アルゴリズムとともに決定され得る。
画像分割の間に、アルゴリズムは、ある記憶色領域に属する画素を識別するマスクを生成する。
例えば、マスクは、空に属している画素を識別し得る。
マスクは、画像における画素が色記憶領域に属するか否かについての硬確率（hard probability）Ｐ_{ｏｂｊｅｃｔ}＝［０，１］を示し得、または、各画素に対する軟確率［０＜Ｐ_{ｏｂｊｅｃｔ} ＜１］を示し得る。

尤度は、確率に限定されるものではない。
いくつかの実施形態において、尤度は、記憶色領域および非記憶色（non-memory color）領域の間のいくつかの分割または分離を与える関数により計算され得る。
例えば、確率のガンマ関数が用いられ得る。

ブロック１２０において、画素の元の色は、望ましい色に向かってシフトされる。
元の色は、尤度の関数である量によりシフトされる（シフトを計算するいくつかの例が以下に与えられる）。
元の色は、記憶色に置き換えられない。
代わりに、シフト量は、一般的に、元の色と望ましい色との間の差よりも少ない。
好ましくは、元の色は、望ましい色に向かって「少しずつ動かされる」。

ブロック１１０−１２０における作用（function）は、記憶色領域における各画素上で行われ得る。
ブロック１１０および１２０における作用は、画像におけるさらなる記憶色領域に対して繰り返され得る。

記憶色領域における画素値をシフトすることの結果として、色の重心（つまり、領域の色の平均値）は、シフトされる。
いくつかの実施形態において、記憶色領域における画素値は、シフトが必要な場合に限りシフトされる。
それ以外の場合、画素値はシフトされない。
例えば、ＣＩＥＬＡＢ空間における元の平均ａ^＊およびｂ^＊の値が、望ましいａ^＊およびｂ^＊の値の閾値以内である場合、その領域の色はシフトされない。
いくつかの実施形態において、一つの色チャンネルは、他の色チャンネルをシフトすることなしにシフトされ得る。

記憶色のシフトは、必要な場合に限りなされ、シフトは、一般的に少しずつ動かすことにすぎないので、方法は、互いに独立した物体の完全な記憶色の修正を提供する方法よりも、よりよく見える画像を生成する。

色を少しずつ動かす（大規模または完全な修正を行うこととは対照的に）理由は、一つには前後関係（context）に基づく。
質が悪いホワイトバランス、異常な明度または他の原因により、すべての色が歪められている画像を考える。
例えば皮膚などのような物体の記憶色を、残りの画像がそのままの状態であるのに、変更することは、それらの記憶色が、残りの画像に対して「違和感がある（out of place）」ように見える、または、不自然に見える結果となり得る。
つまり、内容は、その色バランスが周囲の色バランスと合わないので、「悪くなる」傾向にある。
したがって、たとえ修正された記憶色が前後関係をはずした（out of context）としても、その変化は小さいので、その前後関係は、それほど目立つこととはないであろう。

色を少しずつ動かす（完全な色の修正を行うこととは対照的に）ことは、他の利点を提供する。
変化が小さいので、補正された物体は、いまだシーンに「調和」している。
さらに、他の利点は、色の補正が、完全に自動化され得るということである。

シフトは、望ましい色の方向であり得る。
方向は、ユークリッド座標または極座標で表現される。
色相回転は、好ましくは極座標で処理される。
中間色（灰色）でない色（non-neutral color）に対して、人間の視覚システムは、彩度（saturation）の変化（極座標における大きさ）よりも、色相の変化（極座標における角度）に敏感である。
したがって、極座標は、色相回転が彩度補正よりも「憂慮すべき（disturbing）」である場合は、極座標がよりよい可能性がある。

図２を参照する。図２は、デジタル画像を補正する方法を例示する。
画像は、例えばＣＩＥＬＡＢのようなほぼ一様な色領域で表現される。
ａ^＊ _ｏｒｉｇおよびｂ^＊ _ｏｒｉｇは、元の画像における画素の色座標を表現するものとする。

ブロック２１０において、画像分割は、デジタル画像上で行われる。
物体検出アルゴリズムは、画像における異なる身近な物体（例えば、皮膚、顔、葉）に対応するＮチャンネルのマスクを生成するために用いられ得る。
Ｎチャンネルのマスクは、元の画像における画素に対応する値を含み得る。
各マスクの値は、その値の対応する画像の画素が記憶色領域に属する確率に比例する。
したがって、空のマスクは、空の部分である元の画像における各画素の確率を示し、一方、皮膚のマスクは、皮膚の部分である元の画像における各画素の確率を示す、などであろう。
マスクの例は、赤目のマスク、皮膚のマスク、影のマスク、植物のマスク、空のマスクおよびエッジのマスクが含まれるが、これらに限定されない。
これらのマスクは、一般的に、色かぶりを計算する、または、画像を局所的に補正するために用いられる。

ブロック２２０において、統計が、元の画像における各記憶色領域に対して決定される。
例えば、統計は、記憶色領域におけるすべてのａ^＊ _ｏｒｉｇの平均、および、すべてのｂ^＊ _ｏｒｉｇの平均を含む。

および

は、物体検出アルゴリズムで示されるように、記憶色領域におけるａ^＊およびｂ^＊座標の平均を表現するものとする。

ブロック２３０において、記憶色領域におけるａ^＊およびｂ^＊の望ましい平均値に対する統計が利用可能にされる（accessed）。

および

は、ＣＩＥＬＡＢ空間における定数Ｌ^＊の平面における記憶色の望ましい再現の平均を表現するものとする。

ブロック２４０において、記憶色領域が修正されるか否かが決定される。
例えば、量

が、閾値を超える場合、記憶色領域は修正され得る。
これは、「硬」判定（hard decision）の例である。
いくつかの実施形態において、補正の量が、望ましい色と元の色との間の距離の関数のように修正される「軟」判定（soft decision）を行うために、閾値関数が用いられ得る。

ブロック２５０において、記憶色領域の重心がシフトされる。
シフトは、記憶色領域における各画素の値を修正することにより行われる。
値ａ^＊ _ｎｅｗは、ａ^＊ _ｏｒｉｇ、

および

およびＰ^γ _{ｏｂｊｅｃｔ}の関数として計算され得る。
ここで、Ｐ_{ｏｂｊｅｃｔ}は、記憶色領域に属している画素の確率であり、γは、指数である。
指数γ＞１は、すべての単一性のないＰ_{ｏｂｊｅｃｔ}に対するより小さなａ^＊ _ｎｅｗの値をもたらし、その結果、確率Ｐ_{ｏｂｊｅｃｔ}＜１の色が補正される範囲を制御する。
指数γは、すべての物体に対して同じ値、または、オブジェクトごとの値（例えば、γ_{ｇｒａｓｓ}、γ_ｓｋｙ、γ_ｓｋｉｎ）を有し得る。

本願明細書における方法は、ａ^＊ _ｎｅｗおよびｂ^＊ _ｎｅｗを計算するための特定の式に限定されない。
式の例は、以下を含むが、これに限定されない。
第１の例として、

ここで、Δａは、

として計算され、ｋは、色の修正の強さを制御する「強度」定数（強度定数を変化させることは、補正の量を変更する）であり、Ｓ_ＣおよびＳ_Ｈは、色空間の不均一性を補正する。すなわち、ａ^＊ｂ^＊平面における元の色の位置に応じて色を重み付けすることにより、同様な大きさのシフトは、色空間におけるシフトの方向に応じた異なる知覚的影響を有し得る。
完全に均一な色の領域において、これらの重み付けは、１に等しくなるであろう。

値Δａは、画素の元の値ａ^＊を望ましい再現色に向かって移動させることが必要である初期シフトとして特徴づけられ得る。
この初期シフトは、記憶色領域に属している画素の確率により減らされる。

ｂ^＊ _ｎｅｗに対して修正された値が、同様な方法で計算され得る。
第２の例として、

他の例において、初期シフトは、中間ステップにおいて計算される必要はない。
いくつかの例において、元のシフトが直接計算され得る。

本発明の実施形態による方法は、元の色を望ましい色に向かって少しずつ動かすことに限定されない。
いくつかの実施形態において、シフトは、少しずつ動かすことより大きくなり得る。
第３の例を考える。第３の例において、元の値の修正された値との線形混合は、

のように表される。
ここで、ａ^＊ _{ｅｎｈａｎｃｅｄ}およびｂ^＊ _{ｅｎｈａｎｃｅｄ}は、少しずつ動かされた値である。
したがって、Ｐ^γ _{ｏｂｊｅｃｔ}＜１である限り、部分的な記憶色の修正のみが行われるであろう。
この実施形態において、画素が記憶色領域に属することが確実である（すなわち、Ｐ^γ _{ｏｂｊｅｃｔ}＝１）場合、完全な色の修正が行われ、確実ではない（すなわち、Ｐ^γ _{ｏｂｊｅｃｔ}＜１）場合、部分的な修正が行われる。

本発明の実施形態による方法は、特定の色空間に限定されない。
ＣＩＥＬＡＢは、一例にすぎない。
明度チャンネルおよび２つの色チャンネルを有する他の色空間が用いられ得る。
このような色空間の例は、ＣＩＥＣＡＭ９７、ＣＩＥＣＡＭ０２、Ｌｈｓ、ＹＣ_ｂＣ_ｒおよびＹＵＶを含むが、これらに限定されない。
色空間の選択は、精神測定の「質」または色空間の線形性に依存し得る。

前処理（ブロック２０５）は、記憶色の修正に先立って、デジタル画像上で行われ、後処理（ブロック２６０）は、記憶色が修正された後に、デジタル画像上で行われ得る。
前処理の例は、ノイズ推定および分割を改善する処理を含み得る。
前処理はまた、画像分割に起因するマスクを平滑化することも含み得る。
マスクは、詳細を保持し、マスクが画像にピクセル化とポスタリゼーションを導入しにくくするために、平滑化され得る。

図３，４を参照する。図３，４は、皮膚および空の色の修正を例示する。
図３は皮膚の色調の修正の結果例を示す。
矢印プロット（ａ^＊ｂ^＊平面における）は、記憶色領域に適用された修正を示す。
矢印の開始は、元の画像の色を表し、矢印の先端は、修正された色を表す。
矢印の長さは、修正の大きさに比例する。
矢印の「雲（cloud）」は、記憶色領域を表す。
修正は、領域の中心で最も強く、エッジでより弱い。
記憶色領域の外側では修正がない。
例えば、元の皮膚が、青みがかっていて、彩度が不足している場合、修正は、皮膚の色調画素のａ^＊およびｂ^＊の値を、より高いａ^＊およびｂ^＊に向かって移動させ（より「オレンジ色」にし）、元の値から遠ざける。
修正された皮膚の色は、明らかに「より温かく」、より心地よくなっている。

図４は、空の修正の結果例を示す。
この図は、望ましい空の色相の線、および、画像の空の領域における元の画素値の散乱を示す。
空の色は一様ではない。空の色は、太陽に直交方向では深い青色であり、水平近くで中間色に向かう傾向がある。
ＣＩＥＬＡＢ空間における望ましい空の色の表現は、非常に複雑である。
空の色は、青色領域に集合し（fall in）、青色領域の色空間は、周知の「色相が変わりやすい（hue inconstancy）」問題を有し、この問題は、知覚的に類似の色相が、ＣＩＥＬＡＢにおける異なる色相角度に位置することによるものである。
この問題は、ＣＩＥＣＡＭ０２空間における修正を行うことにより解決される。
望ましい再現は、色の中心周辺の点の散乱であるよりむしろ、一定の「望ましい」空の色相の線上にある値の組により表現される。
したがって、ΔａおよびΔｂの値は、画像の画素の色と、ＣＩＥＣＡＭ０２における一定の「望ましい」色相の直線との間の距離を表現する。

図５を参照する。図５は、記憶色領域に属している画素の軟確率を決定する方法を示す。
ブロック５１０において、デジタル画像は、身近な物体に分割される。
画像分割は、特定の技術に限定されない。
画像分割技術の例は、テンプレートマッチング、正規化相関および固有空間分解を含むが、これらに限定されない。
画像分割は、身近な物体に対応する記憶色領域を生成する。

ブロック５２０において、異なる色記憶領域のモデルが利用可能にされる。
各モデルは、対応する物体の１つ以上の特徴を含み得る。
特徴は、色および質感を含むが、これらに限定されない。

いくつかの実施形態において、ガウスモデルは、記憶色を表現するために用いられ得る。
Ｌｃｈ空間において、中心および各チャンネルに対する標準偏差で表される記憶色分布を考える。
草の記憶色は、平均［１３８．４２，４３．６４，８７．８５］および標準偏差［５９．４３，１９．３２，９．０５］のガウス分布としてＬｃｈにおいて表され得る。
空の記憶色は、平均［１７９．２１，３２．８２，１８３．９７］および標準偏差［３０．４０，１３．７２，１５．７３］のガウス分布としてＬｃｈにおいて表され得る。
そして、皮膚の記憶色は、平均［１８１．２３，３１．９５，３４．２２］および標準偏差［２９．９２，１１．１７，７．８１］のガウス分布としてＬｃｈにおいて表され得る。
ここで、Ｌ、ｃおよびｈは、それぞれ［０，・・・，２５５］の範囲内である。

明度は、例えば皮膚のような身近な物体において広く変化し得るので、記憶色修正は、明度チャンネルを無視し得る。
しかしながら、色のチャンネルは、狭いガウス分布としてモデル化され、定数Ｌの平面において修正され得る。

画素は、２つ以上の記憶色領域に属する確率を有し得る。
例えば、皮膚の色調が、ホワイトバランス、影が原因で、非常に青みがかかっている場合、皮膚の色調は、空の色調と重複し得る。

記憶色の分布はまた、質感も考慮に入れ得る。
質感を説明する（account for）ために、ＬＣＨＴモデルが利用され得る。ここで、Ｔは、ある質感に関連した特徴（例えば、局所的な標準偏差）を表現する。

いくつかの実施形態において、記憶色の分布は、色空間における楕円体で表現され得る。
他の実施形態において、記憶色の分布は、点または他の形状（例えば、長方形、平行四辺形、楕円体の近似）で表現され得る。
しかしながら、一般的に、楕円体は、記憶色の分布の形状をうまくキャプチャする。

ブロック５３０において、記憶色領域における画素に対する１つ以上の確率が決定される。
いくつかの実施形態において、局所的な確率は、記憶色領域に対する記憶色の分布を直接用いることにより決定され得る。
例えば、Ｌｃｈにおける草のガウス分布は、平均［１３８．４２，４３．６４，８７．８５］、および、標準偏差［５９．４３，１９．３２，９．０５］を有する。
各画素は、その分布と比較され、草に属する確率を決定する。

別の実施形態において、全体的な確率は、記憶色領域に対して決定される。
そのただ一つの確率が、領域の各画素に対して用いられる。

さらに別の実施形態において、局所的な確率は、一連の分類段階で決定される。
各分類段階は、対象画像区画（candidate image patch）（ｘ−ｙ位置およびスケール）を、物体の一部であるかまたは物体の一部ではないかのいずれかとして分類する２変数判別関数を実行する。
異なる分類段階は、異なる判別閾値または基準を用い得る。
異なる段階の結果は、蓄積され、領域における各画素に対する確率を生成する。
例えば、出願人のアメリカ合衆国の特許Ｎｏ．７，０９９，５１０を見る。

本発明の実施形態による方法は、デバイス非依存である。
その方法は、画像補正を行うシステムにおいて実行され得る。
このようなシステムの例は、印刷デバイス（例えば、インクジェットプリンタ、写真プリンタ）、撮像デバイス（例えば、デジタルカメラ、フィルムスキャナ）、表示デバイス（例えば、デジタルテレビ）、デジタル写真現像店およびキオスク、コンピュータ（例えば、画像ソフトウェア、写真アルバムソフトウェア、および、デスクトップ、ラップトップ、ワークステーションの印刷ドライバ）、および、サーバ（例えば、写真共有Ｗｅｂサイト）を含むが、これらに限定されない。

図６を参照する。図６は、デジタル画像を処理するシステム６００を例示する。
システム６００は、画像プロセッサ６１０を含む。
画像プロセッサ６１０は、処理ユニット６２０およびメモリ６３０を含む。
メモリ６３０内に符号化されたコード６４０は、処理ユニット６２０により実行され、本発明に基づいて、デジタル画像を補正する。
コード６４０は、スタンドアロンプログラム、プラグイン、デバイスドライバ、ＩＣＣプロファイルなどの形式を有し得る。
メモリ６３０は、ソフトウェア（例えば、汎用コンピュータのコンピュータ可読のメモリの中）またはファームウェア（例えば、デジタルカメラのフィールドプログラマブルゲートアレイの中）としてプログラムされ得る。
いくつかの実施形態において、コードは、特定用途向け集積回路（ＡＳＩＣ）としてハードウェアに実装され得る。

システム６００は、記憶色修正を自動的に行うことができる。
人手は必要ではない。
システム６００は、人手を許すよう構成され得るが、非常に多くの画像を補正するシステム６００には実用的ではない。

６００・・・システム，
６１０・・・画像プロセッサ，
６２０・・・処理ユニット，
６３０・・・メモリ，
６４０・・・コード

Claims (14)

1. デジタル画像を修正する方法であって、前記方法は、
   前記デジタル画像において任意に識別される記憶色領域に属している画素の尤度を決定することであって（１１０）、前記記憶色領域は、望ましい色を有する、記憶色領域に属している画素の尤度を決定することと、
   前記記憶色領域における画素値の平均と前記望ましい色の画素値の平均との差が、予め決められた前記差の関数によって与えられる閾値を超えたときに、前記記憶色領域の重心をシフトすることと
   を含み、
   前記記憶色領域の重心をシフトすることは、前記記憶色領域の画素それぞれの色を、前記尤度の関数であり、一般的に前記記憶色領域の画素それぞれの元の色と前記望ましい色との差よりも少ない量により前記望ましい色に向かってシフトすることにより実行される
   方法。
2. 前記画素は、一般的に、前記望ましい色に向かって少しずつ動かされる
   請求項１に記載の方法。
3. 前記尤度は、記憶色領域に属している前記画素の確率である
   請求項１に記載の方法。
4. 前記画素の前記元の色は、必要な場合に限りシフトされる
   請求項１に記載の方法。
5. 前記画素の照度はシフトされず、
   少なくとも１つの色のチャンネルはシフトされる
   請求項１に記載の方法。
6. 前記シフトの前記量は、確率の関数により減らされる初期シフトの関数であり、
   前記初期シフトは、前記元の色と前記望ましい色との差よりも少ない
   請求項１に記載の方法。
7. 前記シフトの前記量は、前記画素の元の色および前記望ましい色の関数であり、Ｐ^γ _{ｏｂｊｅｃｔ}の関数でもあり、
   Ｐ_{ｏｂｊｅｃｔ}は、前記記憶色領域に属している前記画素の確率であり、
   γは、指数で、γ＞１である
   請求項１に記載の方法。
8. 前記指数γは、物体固有である
   請求項７に記載の方法。
9. 前記尤度は、前記画素を記憶色モデルと比較することにより決定される
   請求項１に記載の方法。
10. 前記尤度は、軟確率である
    請求項１に記載の方法。
11. 請求項１の前記方法を実行する画像プロセッサ。
12. 処理ユニットに請求項１の前記方法を実行させるためのコードとともに符号化されたメモリを有する製品。
13. 処理ユニット（６２０）と、
    前記処理ユニットに画像上で画像分割を実行させるためのコード（６４０）とともに符号化されたメモリ（６３０）と
    を有し、
    前記画像分割は、前記画像における任意の記憶色領域を識別し、
    前記コードは、さらに、前記記憶色領域における画素値の平均と前記望ましい色の画素値の平均との差が、予め決められた前記差の関数によって与えられる閾値を超えたときに、前記記憶色領域の色の重心をシフトさせ、
    前記記憶色領域の色の重心をシフトすることは、一般的に、前記記憶色領域における画素の元の色を、望ましい色に向かって少しずつ動かすことを含み、
    前記記憶色領域の画素それぞれの色は、前記記憶色領域に属している前記画素の尤度の関数の通りに、少しずつ動かされる
    画像処理システム（６００）。
14. デジタル画像において任意に識別される記憶色領域の色の重心を望ましい色へ部分的にシフトすることにより、処理ユニットに前記デジタル画像を補正させるためのコード（６４０）とともに符号化されたメモリ（６３０）を含む製品であって、
    前記記憶領域における画素の色を部分的にシフトすることは、
    前記記憶色領域に属している前記画素の尤度を決定することと、
    前記記憶色領域における画素値の平均と前記望ましい色の画素値の平均との差が、予め決められた前記差の関数によって与えられる閾値を超えたときに、前記記憶色領域の色の重心をシフトすることと、
    を含み、
    前記記憶色領域の色の重心をシフトすることは、前記尤度の関数により決められる量により、前記記憶色領域の画素それぞれの色を、前記望ましい色に向かってシフトすることにより実行される
    製品。

Images