JP7351358B2 - 画像処理システム、画像処理方法および画像処理プログラム - Google Patents
画像処理システム、画像処理方法および画像処理プログラム Download PDFInfo
- Publication number
- JP7351358B2 JP7351358B2 JP2021577792A JP2021577792A JP7351358B2 JP 7351358 B2 JP7351358 B2 JP 7351358B2 JP 2021577792 A JP2021577792 A JP 2021577792A JP 2021577792 A JP2021577792 A JP 2021577792A JP 7351358 B2 JP7351358 B2 JP 7351358B2
- Authority
- JP
- Japan
- Prior art keywords
- color
- hint
- image
- unit
- target portion
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 87
- 238000001514 detection method Methods 0.000 claims description 31
- 230000006870 function Effects 0.000 claims description 14
- 238000010801 machine learning Methods 0.000 claims description 11
- 238000000034 method Methods 0.000 description 29
- 238000010586 diagram Methods 0.000 description 26
- 239000003086 colorant Substances 0.000 description 8
- 238000005457 optimization Methods 0.000 description 8
- 230000004044 response Effects 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000000295 complement effect Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 244000025254 Cannabis sativa Species 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000008447 perception Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/465—Conversion of monochrome to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
- G06N3/0455—Auto-encoder networks; Encoder-decoder networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
- G09G5/00—Control arrangements or circuits for visual indicators common to cathode-ray tube indicators and other visual indicators
- G09G5/02—Control arrangements or circuits for visual indicators common to cathode-ray tube indicators and other visual indicators characterised by the way in which colour is displayed
- G09G5/06—Control arrangements or circuits for visual indicators common to cathode-ray tube indicators and other visual indicators characterised by the way in which colour is displayed using colour palettes, e.g. look-up tables
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Image Analysis (AREA)
Description
また上述した特許文献1に記載の方法においては、被写体の分類項目に対して予め定められた色を配色する色として決定するだけであるため、ユーザの指定した色に応じた色の調整を行うことができない。したがって、当該色を色ヒントとして用いてモノクロ画像をカラー化しても、色の再現精度が十分でないという問題点がある。
ヒント取得部105は、対象部分の分類項目と対象部分の色を示唆する第1の色ヒントとを取得する。
ヒント変換部106は、取得した分類項目に基づいて、第1の色ヒントを、対象部分の色を示唆する第2の色ヒントに変換する。
カラー化生成部120は、機械学習により学習した予測モデルを用いて、モノクロ画像および対象部分の第2の色ヒントから、モノクロ画像に対応するカラー化画像を生成する。
次に図2~9を用いて、本開示の実施形態1について説明する。図2は、実施形態1にかかる装置20の処理の概要である。装置20は、モノクロ画像Mおよびモノクロ画像Mに対応する色ヒントHから、予測モデルを用いてモノクロ画像Mを着色し、カラー化画像Cを生成するコンピュータ等である。
モノクロ画像Mは、1または複数の被写体を含む写真画像である。被写体は、一例として人物、空、夕日、木および草等である。ここで被写体は、1または複数の対象部分を含む。対象部分は、被写体のうち色が類似する部分である。対象部分は、画素値の差が所定範囲内の複数の隣接する画素を含む画素領域であってよい。対象部分は一例として、人物の肌、人物の目、人物の服、空、夕日、木の幹、木の葉および草等である。本実施形態1でモノクロ画像Mは、背景色として白色と、単一色として黒色とを用いたグレースケール画像であってよい。しかしこれに限らず、モノクロ画像Mは、単一色として黒以外の色を用いた画像であってもよい。また、モノクロ画像Mは、単一色の網点画像に、ガウシアンフィルタおよびメディアンフィルタ等を用いたぼかし処理が施されたものであってもよい。
また「好ましい色」は、所定の光源下での物体の色と、所定の表示装置に表示される物体の色との間の色差が小さい(好ましくは、最小の)場合の、後者の色であってもよい。たとえば「好ましい色」は、以下のように求めることもできる。まず物体の色を、第1のイメージセンサで検出し、当該検出した色を所定の表示装置に表示させ、表示された色をさらに第2のイメージセンサで検出する。このとき、第1のイメージセンサの検出色と、第2のイメージセンサの検出色との間の色差が小さくなる(好ましくは、最小となる)場合に、第2のイメージセンサの検出色を、その物体の「好ましい色」とすることができる。
色ヒントHをこのような「好ましい色」とすることにより、モノクロ画像のカラー化における色の再現精度を向上させることができる。
変換テーブルは、対象部分の分類項目と、色ヒント変換処理に関連するパラメータ等とを関連付けて記憶するテーブルである。詳細は後述する。
学習データベース216は、予測モデルの学習データ等を記憶する。
学習処理部262は、予測モデルの学習データを管理する。学習処理部262は、学習用のモノクロ画像M、カラー化画像Cおよび色ヒントHを含むデータセット、すなわち学習データを取得し、学習データベース216に格納する。なお学習データベース216に格納される学習データは、学習処理部262が取得部200から取得したデータであってもよく、学習処理部262が任意の通信手段(不図示)を介して他の装置から受信したデータであってもよい。そして学習処理部262は、学習データベース216に格納された学習データをモデル最適化部264に出力する。
モデル最適化部264は、学習データを用いて機械学習により予測モデルを最適化する。予測モデル最適化部184は、最適化した予測モデルをカラー化生成部220に出力する。
分類項目入力部4は、対象部分の分類項目のリストを表示し、ユーザから分類項目の入力を受け付ける。分類項目入力部4は、ヒント決定部204に含まれ、ヒント取得部205に接続されてよい。
ヒント表示部6は、現時点で選択されている色ヒントを色で表示する。
画像出力部8は、出力部240に含まれ、カラー化画像Cを所定のデータ形式で外部に出力する。
まずS10において、取得部200の画像取得部202は、カラー化に係るモノクロ画像Mを取得する。たとえば画像取得部202は、ユーザが図4に示す画像入力部7を選択し、所定のモノクロ画像Mを転送することに応じて、上記処理を行う。そして画像取得部202は、取得したモノクロ画像Mをカラー化生成部220に出力する。
次にS16において、カラー化生成部220は、取得したモノクロ画像Mを入力データとし、色ヒントH(第1の色ヒントまたは第2の色ヒント)を条件として、予測モデルを用いてモノクロ画像Mに対応したカラー化画像Cを生成する。カラー化生成部220は、出力部240にカラー化画像Cを出力する。
まずカラー化生成部220は、モノクロ画像M、つまりモノクロ画像Mの輝度次元(L)に対応するマトリクス図M(L)と色ヒントHの輝度および補色次元(a,b)のそれぞれに対応するマトリクス図H(L),H(a),H(b)とを取得する。カラー化生成部220は、これらを予測モデルの入力層および条件に入力する。そして予測モデルは、出力層においてカラー化画像Cの補色次元に対応するマトリクス図C(a),C(b)を出力する。カラー化生成部220は、出力されたC(a),C(b)と、M(L)とを合成し、カラー化画像Cを生成する。
このようにしてカラー化生成部220は、モノクロ画像Mおよび色ヒントHからカラー化画像Cを生成することができる。
第1の変換テーブルは、対象部分の分類項目と、複数の第2の色ヒントの候補とを関連付けて記憶する。図7Aに示すように、第1の変換テーブルは、対象部分の分類項目と、分類項目に対応する複数の第2の色ヒントの候補の色空間座標とを含んでよい。色空間座標は、色空間の次元に対応した成分(つまり画素値)を含み、本図では輝度次元(L)および補色次元にそれぞれ対応する3つの成分L,a,bを含む。ここで第2の色ヒントの候補は、分類項目に応じて、上述の「好ましい色」として予め定められた色であってよい。
次にS22において、ヒント変換部206は、第2の色ヒントの候補の各々と第1の色ヒントとの間の色差、すなわち第2の色ヒントの候補の各々の色空間座標と、第1の色ヒントの色空間座標との間の距離を算出する。ここで距離は、ユークリッド距離、マンハッタン距離,チェビシェフ距離またはその他の任意の距離であってよい。
次にS24において、ヒント変換部206は、第2の色ヒントの候補のうち、第1の色ヒントとの間の色差が最も小さいものを選択し、第2の色ヒントを決定する。
第2の変換テーブルは、第1の色ヒントと、対象部分の分類項目と、第2の色ヒントとを関連付けて記憶する。図8Aに示すように、第2の変換テーブルは、分類項目ごとに、第1の色ヒントの色空間座標の範囲に応じて割り当てられた色空間座標を第2の色ヒントとして記憶する。ここで第2の色ヒントは、分類項目ごとに、第1の色ヒントの色空間に対応して上述の「好ましい色」として予め定められた色であってよい。
次にS32において、ヒント変換部206は、取得した前記分類項目および第1の色ヒントの色空間座標の成分に対応する範囲に関連付けられた第2の色ヒントを取得する。
このようにヒント変換部206は、第2の変換テーブルを用いることで、分類項目ごとに、ユーザが指定した色に対応して予め定められた「好ましい色」を第2の色ヒントとして容易に決定することができる。
図9Aに示すように、第3の変換テーブルは、対象部分の分類項目に応じた、第1の色ヒントから第2の色ヒントに変換する変換パラメータを記憶する。
次にS42に示すように、ヒント変換部206は、変換パラメータを用いて第1の色ヒントから第2の色ヒントを算出する。
次に図10~12を用いて、本開示の実施形態2について説明する。実施形態2は、変換後の第2の色ヒントをさらに調整することに特徴を有する。
図10は、実施形態2にかかる装置30の概略構成図である。装置30は、実施形態1の装置20とほぼ同様の構成および機能を有する。ただし装置30は、取得部200に代えて、取得部300を備える点で装置20と相違する。
ヒント決定部304は、ヒント決定部204の構成に加えて、ヒント調整部307を含む。
ヒント調整部307は、ヒント変換部206から出力された、変換された第2の色ヒントの色空間座標を、第1の色ヒントの色空間座標との間の距離に基づいて調整する。
S50において、ヒント決定部304のヒント調整部307は、S14においてヒント変換部206から第2の色ヒントが出力されたことに応じて、色ヒント調整処理を行う。そしてヒント調整部307は、カラー化生成部220に第2の色ヒントを出力し、処理をS15に進める。
なお、S16においてカラー化生成部220は、調整された第2の色ヒントに基づいてモノクロ画像に対応するカラー化画像を生成する。
次に図13~15を用いて、本開示の実施形態3について説明する。実施形態3は、モノクロ画像Mの対象位置情報Pを自動取得することに特徴を有する。
図13は、実施形態3にかかる装置40の概略構成図である。装置40は、実施形態1の装置20とほぼ同様の構成および機能を有する。ただし装置40は、取得部200に代えて、取得部400を備える。
ヒント決定部404は、ヒント決定部204の構成に加えて、対象検出部406と、検出表示部408とを含む。
そして対象検出部406は、検出された対象部分に基づいて対象部分の分類項目を推定する。対象検出部406は、推定した分類項目をヒント変換部206に出力する。
なお、ヒント取得部205は、表示された対象部分に対応するユーザからの第1の色ヒントの入力を受け付けてよい。
S60において、対象検出部406は、S10において画像取得部202がカラー化に係るモノクロ画像Mを取得したことに応じて、モノクロ画像Mから被写体および被写体の対象部分を自動で検出することにより、対象位置情報Pを取得したか否かを判定する。
対象検出部406は、対象位置情報Pを取得していれば(S60でY)、処理をS62に進め、そうでなければ(S60でN)、処理をS61に進める。
また被写体が人物等である場合は、対象検出部406は、当該所定の物体認識モデルを用いて被写体を検出し、骨格推定技術等を用いて、顔、腕および脚等の位置を推定してもよい。そして対象検出部406は、推定したこれらの位置を対象部分の対象位置情報Pとし、対象部分の分類項目を「人物の肌」と推定してもよい。これにより同一の分類項目の対象部分が互いに分離された状態で存在する場合にも、後続のS12においてユーザが第1のヒントを複数回指定することを回避でき、利便性が向上する。
なお、対象検出部406が領域分割を用いる場合は、検出した領域部分の輪郭を囲む枠等を検出被写体Fとしてモノクロ画像Mに対して重畳的に表示させてよい。そして検出表示部408は、処理をS12に進める。
Claims (9)
- 対象部分を含むモノクロ画像を取得する画像取得部と、
前記対象部分の分類項目と前記対象部分の色を示唆する第1の色ヒントとを取得するヒント取得部と、
取得した前記分類項目に基づいて、前記第1の色ヒントを、前記対象部分の色を示唆する第2の色ヒントに変換するヒント変換部と、
機械学習により学習した予測モデルを用いて、前記モノクロ画像および前記対象部分の前記第2の色ヒントから、前記モノクロ画像に対応するカラー化画像を生成するカラー化生成部と
を備える画像処理システム。 - 分類項目と、複数の第2の色ヒントとを関連付けて記憶する第1の変換テーブルをさらに備え、
前記ヒント変換部は、前記第1の変換テーブルを用いて、取得した前記分類項目に関連付けられた複数の第2の色ヒントのうち、前記第1の色ヒントとの間の色差が最も小さい第2の色ヒントを選択する、請求項1に記載の画像処理システム。 - 第1の色ヒントと、分類項目と、第2の色ヒントとを関連付けて記憶する第2の変換テーブルをさらに備え、
前記ヒント変換部は、前記第2の変換テーブルを用いて、取得した前記分類項目および前記第1の色ヒントに関連付けられた前記第2の色ヒントを取得する、請求項1に記載の画像処理システム。 - 分類項目に応じた変換パラメータを記憶する第3の変換テーブルをさらに備え、
前記ヒント変換部は、前記第3の変換テーブルに記憶される、取得した前記分類項目に応じた変換パラメータを用いて、前記第1の色ヒントを前記第2の色ヒントに変換する、請求項1に記載の画像処理システム。 - 変換された前記第2の色ヒントの色空間座標を、前記第1の色ヒントの色空間座標との間の距離に基づいて調整するヒント調整部をさらに備え、
前記カラー化生成部は、調整された前記第2の色ヒントに基づいて前記モノクロ画像に対応するカラー化画像を生成する、請求項1から4のいずれか一項に記載の画像処理システム。 - 前記モノクロ画像から前記対象部分を検出する対象検出部と、
検出された前記対象部分を表示する検出表示部と
をさらに備え、
前記ヒント取得部は、表示された前記対象部分の前記第1の色ヒントの入力をユーザから受け付ける、請求項1から5のいずれか一項に記載の画像処理システム。 - 前記対象検出部は、検出された前記対象部分に基づいて前記対象部分の分類項目を推定する,請求項6に記載の画像処理システム。
- 対象部分を含むモノクロ画像を取得する段階と、
前記対象部分の分類項目と前記対象部分の色を示唆する第1の色ヒントとを取得する段階と、
取得した前記分類項目に基づいて、前記第1の色ヒントを、前記対象部分の色を示唆する第2の色ヒントに変換する段階と、
機械学習により学習した予測モデルを用いて、前記モノクロ画像および前記対象部分の前記第2の色ヒントから、前記モノクロ画像に対応するカラー化画像を生成する段階と
を備える画像処理方法。 - 対象部分を含むモノクロ画像を取得する画像取得機能と、
前記対象部分の分類項目と前記対象部分の色を示唆する第1の色ヒントとを取得するヒント取得機能と、
取得した前記分類項目に基づいて、前記第1の色ヒントを、前記対象部分の色を示唆する第2の色ヒントに変換するヒント変換機能と、
機械学習により学習した予測モデルを用いて、前記モノクロ画像および前記対象部分の前記第2の色ヒントから、前記モノクロ画像に対応するカラー化画像を生成するカラー化生成機能と
をコンピュータに実現させるための画像処理プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/005562 WO2021161453A1 (ja) | 2020-02-13 | 2020-02-13 | 画像処理システム、画像処理方法および非一時的なコンピュータ可読媒体 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2021161453A1 JPWO2021161453A1 (ja) | 2021-08-19 |
JPWO2021161453A5 JPWO2021161453A5 (ja) | 2022-08-31 |
JP7351358B2 true JP7351358B2 (ja) | 2023-09-27 |
Family
ID=77291468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021577792A Active JP7351358B2 (ja) | 2020-02-13 | 2020-02-13 | 画像処理システム、画像処理方法および画像処理プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230059407A1 (ja) |
JP (1) | JP7351358B2 (ja) |
WO (1) | WO2021161453A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230055204A1 (en) * | 2021-08-18 | 2023-02-23 | Adobe Inc. | Generating colorized digital images utilizing a re-colorization neural network with local hints |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019117558A (ja) | 2017-12-27 | 2019-07-18 | 日本放送協会 | カラー情報推定モデル生成装置、画像カラー化装置およびそれらのプログラム |
JP2019128889A (ja) | 2018-01-26 | 2019-08-01 | 日本放送協会 | 画像情報変換器およびそのプログラム |
JP2019145030A (ja) | 2018-02-23 | 2019-08-29 | キヤノン株式会社 | 画像処理装置、画像形成装置、画像処理方法、及びプログラム |
JP2019145038A (ja) | 2018-02-23 | 2019-08-29 | シナノケンシ株式会社 | 電子図書の表示用データの作成装置および電子図書の表示用データの作成方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4466963B2 (ja) * | 2005-01-11 | 2010-05-26 | パイオニア株式会社 | 車両前方画像表示装置及び方法 |
US7672509B2 (en) * | 2005-05-02 | 2010-03-02 | Regents Of The University Of Minnesota | Fast image and video data propagation and blending using intrinsic distances |
JP2013070173A (ja) * | 2011-09-21 | 2013-04-18 | Fuji Xerox Co Ltd | 画像読取装置、画像形成装置、及びプログラム |
US10387746B2 (en) * | 2016-05-06 | 2019-08-20 | Ohio State Innovation Foundation | Image color data normalization and color matching system for translucent material |
JP2018098630A (ja) * | 2016-12-13 | 2018-06-21 | 富士フイルム株式会社 | 色変換テーブル作成装置及び方法、色変換装置、並びにプログラム |
US20200167972A1 (en) * | 2017-05-24 | 2020-05-28 | HELLA GmbH & Co. KGaA | Method and system for automatically colorizing night-vision images |
JP2019140538A (ja) * | 2018-02-09 | 2019-08-22 | キヤノン株式会社 | 画像処理装置、画像形成装置、画像処理方法、及びプログラム |
US11158286B2 (en) * | 2018-10-05 | 2021-10-26 | Disney Enterprises, Inc. | Machine learning color science conversion |
-
2020
- 2020-02-13 US US17/795,678 patent/US20230059407A1/en active Pending
- 2020-02-13 WO PCT/JP2020/005562 patent/WO2021161453A1/ja active Application Filing
- 2020-02-13 JP JP2021577792A patent/JP7351358B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019117558A (ja) | 2017-12-27 | 2019-07-18 | 日本放送協会 | カラー情報推定モデル生成装置、画像カラー化装置およびそれらのプログラム |
JP2019128889A (ja) | 2018-01-26 | 2019-08-01 | 日本放送協会 | 画像情報変換器およびそのプログラム |
JP2019145030A (ja) | 2018-02-23 | 2019-08-29 | キヤノン株式会社 | 画像処理装置、画像形成装置、画像処理方法、及びプログラム |
JP2019145038A (ja) | 2018-02-23 | 2019-08-29 | シナノケンシ株式会社 | 電子図書の表示用データの作成装置および電子図書の表示用データの作成方法 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2021161453A1 (ja) | 2021-08-19 |
WO2021161453A1 (ja) | 2021-08-19 |
US20230059407A1 (en) | 2023-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102192899B1 (ko) | 이미지에 보케 효과를 적용하는 방법 및 기록매체 | |
US11000107B2 (en) | Systems and methods for virtual facial makeup removal and simulation, fast facial detection and landmark tracking, reduction in input video lag and shaking, and method for recommending makeup | |
KR102574141B1 (ko) | 이미지 디스플레이 방법 및 디바이스 | |
JP7444179B2 (ja) | 画像処理システム、画像処理方法および画像処理プログラム | |
EP3155593B1 (en) | Method and device for color processing of digital images | |
US20170280130A1 (en) | 2d video analysis for 3d modeling | |
US20160307306A1 (en) | Method and apparatus for image colorization | |
US11468571B2 (en) | Apparatus and method for generating image | |
KR20200039043A (ko) | 객체 인식 장치 및 그 동작 방법 | |
Saleh et al. | Adaptive uncertainty distribution in deep learning for unsupervised underwater image enhancement | |
JP7351358B2 (ja) | 画像処理システム、画像処理方法および画像処理プログラム | |
KR102192016B1 (ko) | 의미 인식 기반의 이미지 보정 방법 및 그를 위한 장치 | |
JP7336033B2 (ja) | データ増強基盤事物分析モデル学習装置及び方法 | |
KR20190114739A (ko) | 이미지 처리 방법 및 디바이스 | |
US9756220B2 (en) | Image data generating apparatus, printer, image data generating method, and non-transitory computer readable medium for extracting one or more pixels corresponding to a metallic-color region | |
JP5824423B2 (ja) | 照明光色推定装置、照明光色推定方法及び照明光色推定プログラム | |
JP2018128950A (ja) | 画像処理装置及びプログラム | |
CN108986052B (zh) | 一种自适应的图像去光照方法和系统 | |
JP2006287689A (ja) | 画像処理方法、画像処理装置、画像処理プログラム、およびその画像処理装置を含む集積回路 | |
JP2014006871A (ja) | 画像領域分割装置、方法、およびプログラム | |
US20240135587A1 (en) | Method of learning parameter of sensor filter and apparatus for performing the same | |
US20230410553A1 (en) | Semantic-aware auto white balance | |
WO2022114190A1 (en) | Information processing system and information processing method | |
US20230368490A1 (en) | Preview and capture of stroke outlines from images and video | |
WO2014156558A1 (ja) | 関連情報提供システムおよびその動作制御方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220704 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220704 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230322 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230815 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230828 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7351358 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |