KR100917926B1 - 썸네일 생성 시스템 및 생성 방법 - Google Patents

썸네일 생성 시스템 및 생성 방법 Download PDF

Info

Publication number
KR100917926B1
KR100917926B1 KR1020080009165A KR20080009165A KR100917926B1 KR 100917926 B1 KR100917926 B1 KR 100917926B1 KR 1020080009165 A KR1020080009165 A KR 1020080009165A KR 20080009165 A KR20080009165 A KR 20080009165A KR 100917926 B1 KR100917926 B1 KR 100917926B1
Authority
KR
South Korea
Prior art keywords
image
color
thumbnail
frame
image frames
Prior art date
Application number
KR1020080009165A
Other languages
English (en)
Other versions
KR20090083164A (ko
Inventor
이은정
김형진
Original Assignee
주식회사 다음커뮤니케이션
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 주식회사 다음커뮤니케이션 filed Critical 주식회사 다음커뮤니케이션
Priority to KR1020080009165A priority Critical patent/KR100917926B1/ko
Publication of KR20090083164A publication Critical patent/KR20090083164A/ko
Application granted granted Critical
Publication of KR100917926B1 publication Critical patent/KR100917926B1/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/40Image enhancement or restoration using histogram techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10016Video; Image sequence
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10024Color image

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 썸네일 생성 시스템 및 생성 방법에 관한 것으로서, 보다 상세하게는 복수의 이미지 프레임을 포함하는 동적 이미지 파일로부터 해당 파일의 내용을 가장 특징적으로 드러내는 단일 정적 이미지를 추출하여 썸네일 이미지 파일을 생성하는 시스템 및 그 생성 방법에 관한 것이다.
본 발명에 의한 썸네일 생성 시스템 및 생성 방법을 이용하면, 복수의 이미지 프레임을 포함하는 동적 이미지 파일로부터 단순배경과 단순글자를 가지는 이미지나 흐릿하고 겹친 이미지를 배제하고, 해당 파일의 내용을 가장 특징적으로 드러내는 양질의 이미지를 추출하여 썸네일 이미지 파일을 생성할 수 있는 효과가 있다.
썸네일, 히스토그램, 색상, 채도, 컬러스페이스, 노이즈

Description

썸네일 생성 시스템 및 생성 방법{SYSTEM AND METHOD FOR GENERATING THUMNAIL IMAGES}
본 발명은 썸네일 생성 시스템 및 생성 방법에 관한 것으로서, 보다 상세하게는 복수의 이미지 프레임을 포함하는 동적 이미지 파일로부터 해당 파일의 내용을 가장 특징적으로 드러내는 단일 정적 이미지를 추출하여 썸네일 이미지 파일을 생성하는 시스템 및 그 생성 방법에 관한 것이다.
현재 대부분의 인터넷 쇼핑몰 사이트에서는 자체적인 상품 검색 기능을 제공하고 있다. 또한, 인터넷 쇼핑몰 사이트에서 상품을 검색하는 경우에는 검색 결과가 검색 대상 상품의 리스트 및 각 상품에 관한 썸네일 이미지(thumbnail image)를 포함하도록 출력되는 것이 일반적이다.
따라서, 인터넷 쇼핑몰 사이트의 상품 검색결과에서 양질의 썸네일 이미지가 노출되도록 하는 것은 매우 중요한 문제이다. 깔끔한 썸네일 이미지는 상품의 형상이나 색상 등 해당 상품의 특징을 시각적으로 명확히 전달할 수 있으므로, 사용자의 시선을 끌기 쉽기 때문이다. 인터넷 쇼핑몰 사이트 중에서도 특히 개별 판매자가 자신의 물품을 판매하는 온라인 공간을 제공하는 이른바 온라인 마켓 플레이 스(online market place) 형태의 인터넷 쇼핑몰 사이트, 예컨대 옥션 또는 지마켓 등의 사이트에서는 상품 이미지의 고객 흡인력 정도가 개별 판매자의 매출 향상에 있어서 특히 중요하다.
한편, 인터넷 쇼핑몰의 썸네일 이미지는 상품 판매자 또는 인터넷 쇼핑몰 관리자에 의하여 직접 정적 이미지 파일 형태(예컨대 JPEG, GIF 등 일반적인 이미지 파일 형태)로 업로드될 수도 있다. 또는, 상품 판매자가 업로드한 동적 이미지 파일, 예컨대 동적 GIF(animated GIF) 포맷의 파일로부터 인터넷 쇼핑몰 사이트에서 특정 정지영상 이미지가 자동적으로 추출되어 등록되기도 한다.
즉, 상품 판매자는 인터넷 쇼핑몰 사용자의 시선을 끌기 위하여 상품에 관한 복수의 이미지가 포함된 동적 이미지 파일을 업로드한다. 이러한 동적 이미지 파일은 해당 상품에 관한 웹페이지 내의 특정 영역에서 동적 이미지 파일에 포함된 복수의 이미지들이 정해진 순서대로 번갈아가며 표시된다. 이러한 동적 이미지 파일에는 일반적으로 해당 상품의 외형을 보여주는 이미지 및 인터넷 쇼핑몰 사이트에서 사용되는 상당수의 동적 이미지 파일은 "대박 세일", "무료 배송"과 같은 텍스트를 포함하는 이미지, 상품의 외형에 관한 이미지 등이 포함되어 있다.
한편, 많은 인터넷 쇼핑몰 사이트에서는 상품 판매자들이 업로드한 동적 이미지 파일로부터 정지영상을 추출하여 썸네일 이미지를 생성한 후 상품 검색 결과 리스트 화면에 함께 표시하고 있다. 상품 판매자들이 업로드한 동적 이미지 파일을 그대로 표시하지 않고 정지영상을 추출하여 생성한 썸네일 이미지를 표시하는 까닭에는 여러 가지가 있지만, 그 중에서도 인터넷 쇼핑몰 사이트와 사용자 간의 트래 픽 경감이 주요 목적이다.
동적 이미지 파일로부터 특정 정지 이미지 파일을 추출하기 위해서 사용되는 방법 중 하나는 동적 이미지 파일이 포함하는 복수의 이미지 프레임 중 첫 프레임을 추출하는 것이다.
예컨대, 동적 GIF 이미지에 포함된 여러 개의 이미지 프레임 중 첫번째 이미지 프레임만을 추출한 후, 이를 원하는 썸네일 이미지의 크기에 맞게 조절(resizing)하는 방법이 그것이다.
이러한 방법은, 무조건 동적 GIF 파일의 첫번째 프레임의 이미지를 선택하므로 별도의 연산과정이 불필요하여 속도가 빠른 장점이 있다. 반면, 이미지의 내용과 무관하게 첫번째 프레임의 이미지를 획일적으로 선택하므로, 동적 GIF 파일의 첫번째 프레임의 이미지가 상품의 특징을 적절히 표현하지 못하거나 무의미한 경우에는 썸네일 이미지 파일도 해당 상품의 특징을 적절히 표현하지 못하거나 무의미해지는 문제점이 있다.
따라서, 복수의 이미지 프레임을 포함하는 동적 이미지 파일로부터 단순배경과 단순글자를 가지는 이미지나 흐릿하고 겹친 이미지를 배제하고, 해당 파일의 내용을 가장 특징적으로 드러내는 양질의 이미지를 추출하여 썸네일 이미지 파일을 생성할 수 있도록 하는 시스템 및 그 생성 방법에 관한 요청이 그동안 꾸준히 제기되어 왔다.
본 발명은 상기와 같은 요청에 부응하여 착안된 것으로서, 복수의 이미지 프레임을 포함하는 동적 이미지 파일로부터 단순배경과 단순글자를 가지는 이미지나 흐릿하고 겹친 이미지를 배제하고, 해당 파일의 내용을 가장 특징적으로 드러내는 양질의 이미지를 추출하여 썸네일 이미지 파일을 생성할 수 있도록 하는 시스템 및 그 생성 방법을 제공하는 것을 목적으로 한다.
상기와 같은 목적을 달성하기 위하여 본 발명에 의한 썸네일 생성 시스템은, 동적 이미지 파일에 포함된 복수의 이미지 프레임의 컬러스페이스를 변환하는 컬러스페이스 변환부와, 상기 이미지 프레임의 각각에 대하여 색상 히스토그램을 산출하는 색상 히스토그램 분석부와, 상기 이미지 프레임의 각각에 대하여 채도 히스토그램을 산출하는 채도 히스토그램 분석부와, 상기 이미지 프레임의 각각에 대한 상기 색상 히스토그램 및 상기 채도 히스토그램에 의거하여 상기 복수의 이미지 프레임 중 하나를 최적 이미지 프레임으로 선정하는 프레임 선택부 및 상기 최적 이미지 프레임을 썸네일 이미지 파일로 변환하는 썸네일 생성부를 포함한다.
또한, 본 발명에 의한 썸네일 생성 방법은, 동적 이미지 파일에 포함된 복수의 이미지 프레임의 컬러스페이스가 변환되는 컬러스페이스 변환단계와, 상기 이미지 프레임의 각각에 대하여 색상 히스토그램이 산출되는 색상 히스토그램 분석단계와, 상기 이미지 프레임의 각각에 대하여 채도 히스토그램이 산출되는 채도 히스토그램 분석단계와, 상기 이미지 프레임의 각각에 대한 상기 색상 히스토그램 및 상기 채도 히스토그램에 의거하여 상기 복수의 이미지 프레임 중 하나가 최적 이미지 프레임으로 선정되는 프레임 선택단계 및 상기 최적 이미지 프레임이 썸네일 이미지 파일로 변환되는 썸네일 생성단계를 포함한다.
본 발명에 의한 썸네일 생성 시스템 및 생성 방법을 이용하면, 복수의 이미지 프레임을 포함하는 동적 이미지 파일로부터 해당 파일의 내용을 가장 특징적으로 드러내는 단일 정적 이미지를 추출하여 썸네일 이미지 파일을 생성할 수 있는 효과가 있다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "…부", "…기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
도 1은 본 발명에 의한 썸네일 생성 시스템의 일례를 나타낸 블록도이다.
도 1에서 나타낸 바와 같이, 본 발명에 의한 썸네일 생성 시스템(10)은 이미지 판독부(100), 노이즈 필터부(110), 컬러스페이스 변환부(120), 색상 히스토그램 분석부(130), 채도 히스토그램 분석부(140), 프레임 선택부(150) 및 썸네일 생성부(160)를 포함하여 이루어진다.
본 발명에 의한 썸네일 생성 시스템(10)의 동작을 간단히 요약하면 다음과 같다.
먼저, 썸네일 생성 시스템(10)이 복수의 이미지 프레임을 가지는 동적 이미지 파일(예: 동적 GIF 파일)을 입력받는다.
이미지 판독부(100)에서는 해당 동적 이미지 파일에 포함된 이미지 데이터를 각각의 이미지 프레임별로 구분하여 판독한다.
다음으로, 노이즈 필터부(110)에서는 각각의 이미지 프레임의 이미지 데이터에 대하여 노이즈 감쇄 필터링을 수행한다.
다음으로, 컬러스페이스 변환부(120)에서는 각각의 이미지 데이터의 컬러스페이스를 본래의 컬러스페이스(예:RGB)로부터 다른 컬러스페이스(예:HSV)로 변환한다.
다음으로, 색상 히스토그램 분석부(130)에서는 각각의 이미지 프레임별로 이미지 데이터의 색상 히스토그램을 생성하고, 생성된 색상 히스토그램의 결과값을 분석한다.
다음으로, 채도 히스토그램 분석부(140)에서는 각각의 이미지 프레임별로 이미지 데이터의 채도 히스토그램을 생성하고, 생성된 채도 히스토그램의 결과값을 분석한다.
다음으로, 프레임 선택부(150)에서는 색상 히스토그램 분석부(130) 및 채도 히스토그램 분석부(140)에서 수행된 분석 결과를 종합하여, 썸네일 이미지로 생성하기에 가장 적합한 이미지 프레임을 선택한다.
마지막으로, 썸네일 생성부(160)에서는 선택된 이미지 프레임을 필요한 해상도 및 크기를 가지는 정적 이미지 파일로 생성한다.
위에서 언급한 썸네일 생성 시스템(10)의 각 구성요소 중 노이즈 필터부(110), 컬러스페이스 변환부(120), 색상 히스토그램 분석부(130) 및 채도 히스토그램 분석부(140)의 역할 및 동작에 대하여 더욱 상세하게 설명하면 다음과 같다.
먼저, 노이즈 필터부(110)는 각 이미지 프레임에 포함된 이미지의 색상 분포 정도 측정 시의 측정오차를 줄이기 위하여 노이즈를 저감시키는 역할을 수행한다.
본 발명에 의한 썸네일 생성 시스템(10)에서는 이미지 프레임마다 어떤 색상이 얼마나 포함되어 있는지를 측정하여 비교하게 된다. 비교가 유의미하기 위해서 는 이미지 프레임에 포함된 색상의 종류 및 분포를 정확하게 파악할 필요가 있다.
그렇기 때문에, 이미지에 노이즈가 많이 있다고 하면 정확한 분포를 얻어내기가 곤란해진다. 이 때, 이미지에 포함된 노이즈라 함은, 본래 해당 이미지를 표현하기 위하여 필요한 색상정보가 아닌 색상정보를 의미한다. 즉, 노이즈가 많이 포함된 이미지는 육안으로 보기에도 "지저분한" 이미지인 것으로 인식되는 관계가 있다.
이러한 노이즈는 동적 이미지 파일을 제작하는 과정에서 의도하지 않게 포함되는 경우가 많으며, 더욱 양질의 이미지를 얻기 위해서는 노이즈를 제거할 필요가 있다.
따라서, 노이즈 필터부(110)에서는 각 이미지 프레임에 포함된 이미지에 대하여 노이즈 필터링을 수행한다.
한편, 이미지의 노이즈를 저감시키는 필터링 방법은 매우 다양하게 존재하는데, 본 실시예에서는 일반적으로 널리 사용되고 있는 가우시안 필터(Gaussian Filter)를 이용하여 스무딩 프로세스(smoothing process)를 수행한다.
다만, 본 발명의 노이즈 필터부(100)의 노이즈 필터는 가우시안 필터로만 한정되는 것은 아니며, 이미지에 포함된 노이즈를 줄이기 위하여 적절히 사용될 수 있는 필터라면 어떠한 알고리듬에 따른 것이라도 폭넓게 적용될 수 있다.
다음으로, 컬러스페이스 변환부(110)는 각 이미지의 컬러스페이스(color space)를 타 컬러스페이스로 변환한다.
디지털 이미지는 수많은 픽셀(pixel)의 집합으로 이루어져 있으며, 픽셀 하나마다 빛의 3원색인 R(red), G(green), B(blue) 각각에 대한 정보값이 포함된다. 따라서 디지털 이미지란 컬러를 표시하는 정보값을 가진 데이터의 집합이라고 볼 수 있다.
또한, 컬러스페이스라 함은, 위와 같은 컬러를 표시하는 정보값을 바탕으로컬러를 표현하기 위하여 필요한 컬러 재현 소스를 말한다.
컬러스페이스에 관해서는 sRGB, AdobeRGB, HSV 등 다양한 표준이 존재하는데, 특히 전세계적으로 널리 사용되는 마이크로소프트 윈도우 운영체제에서 채택하고 있는 sRGB 컬러스페이스가 일반적이다.
그런데, 우리가 실제로 보고 있는 RGB 컬러스페이스(sRGB와 AdobeRGB를 모두포함한다. 이하 같다)의 이미지들은 조명에 상당히 많은 영향을 받는다.
즉, 피사체가 가지고 있는 색상은 동일한데도, 피사체에 비추는 조명의 조도에 따라 R값, G값, B값이 모두 변동된다. 예를 들어, 동일한 피사체를 조도가 낮은 환경에서 찍은 이미지의 R값은 조도가 높은 환경에서 찍은 이미지의 R값과 일치하지 않으며, G값 및 B값도 마찬가지이다. 이러한 불일치에 따라, 두 이미지의 색상 히스토그램 특성 및 컬러 히스토그램 특성도 서로 다르게 된다.
반면, HSV 컬러스페이스의 경우 색채요소인 색상(H:hue) 및 채도(S:saturation)와 명암요소인 명도(V:value)가 분리됨으로써, 이미지에서 조명의 명암에 따른 영향을 저감시킬 수 있는 장점이 있다.
RGB 컬러스페이스에서 HSV 컬러스페이스로 이미지를 변환하는 방법은 아래와 같다.
RGB 컬러스페이스로부터 HSL 또는 HSV 컬러스페이스로의 변환
(r,g,b)를 특정 색상에 대한 적,녹,청 좌표라 한다. 이 때, 적, 녹, 청 좌표값 각각은 0과 1 사이의 실수이다. 또한, max는 r,g,b의 최대값과 동일한 값인 것으로, min은 r,g,b의 최소값과 동일한 값인 것으로 한다.
h ∈ [0, 360) 는 도(degree) 단위의 색상각(hue angle)이며, s ∈ [0,1]는 채도, l ∈ [0,1]는 명도라고 할 때, HSL 컬러스페이스에서 (h, s, l) 값은 아래 수학식 1과 같이 정의된다.
Figure 112008007555879-pat00001
Figure 112008007555879-pat00002
Figure 112008007555879-pat00003
h의 값은 일반적으로 0도와 360도 사이에서 정규화되며, max=min인 경우(예컨대, 회색의 경우)에는 h=0인 것으로 한다.
또한, HSL 컬러스페이스와 HSV 컬러스페이스에서 색상의 정의는 동일하나, 채도(s) 및 명도(v)는 HSV 컬러스페이스에서 아래 수학식 2와 같이 정의된다.
Figure 112008007555879-pat00004
Figure 112008007555879-pat00005
색상 히스토그램 분석부,
색상 히스토그램 분석부(130)는 단순 배경에 단순 글자를 가지는 이미지를 걸러내기 위하여 각 이미지 프레임의 색상 히스토그램을 산출한다.
도 2a는 단색 배경에 단색 글자를 가지는 이미지의 일례이다.
도 2a에서 나타낸 바와 같은, 단색 배경에 단색 글자를 가지는 이미지는 상품 자체의 형상을 나타내는 이미지일 가능성이 극히 희박하다. 따라서, 이미지 프레임 중에서 도 2와 같이 단색 배경에 단색 글자를 가지는 이미지는 썸네일 이미지로 선정되지 않도록 배제하여야 한다.
썸네일 이미지로 선정되지 않도록 배제하여야 하는 이미지의 다른 예로는, 여러가지 색의 텍스트를 가지는 이미지, 텍스트와 복잡한 배경을 가지는 이미지, 단색의 배경만으로 된 이미지 등이 있다.
본 발명에서는 색상 히스토그램 분석부(130)에서 이와 같은 이미지를 걸러내는 역할을 수행한다.
도 3a는 다양한 색상의 컬러사진 이미지를 가지는 이미지 프레임의 일례이며, 도 2b는 도 2a의 색상 히스토그램을 나타낸 도면, 도 3b는 도 3a의 색상 히스토그램을 나타낸 도면이다.
만약 특정 동적 이미지 파일이 도 2a와 도 3a를 이미지 프레임으로 포함하고 있다면, 색상 히스토그램 분석부(130)에서는 도 2a에 대하여 도 2b와 같은 색상 히스토그램을, 도 3a에 대하여 도 3b와 같은 색상 히스토그램을 각각 생성한다.
도 2b 및 도 3b에서 나타낸 색상 히스토그램에서, 가로축은 픽셀에 표현되는 색상을 나타내며, 세로축은 해당 이미지 프레임에서 각 색상을 가지는 픽셀의 빈도수를 나타낸다. HSV 컬러스페이스의 특성상 가로축은 0도(degree)에서 180도까지의 값을 가진다.
도 2a에 나타낸 이미지는 단색 배경(적색)에 단색 글자(백색)가 나타나는 이미지이다. 도 2a의 색상 히스토그램인 도 2b를 보면, 적색의 색상영역(20)의 픽셀 빈도수가 현저히 높고, 적색에 인접한 색상(21,22)이 일부 관찰된다.
이 때, 픽셀의 빈도수가 충분히 높은 소정의 픽셀 빈도수(이하 "기준 픽셀 빈도수(f)"라 한다)에 대응되는 가로축(24)(이하 "기준 가로축"이라 한다)과 교차하는 색상컬럼의 개수는 적색컬럼(20)에 관한 1개가 된다.
이를 달리 표현하면, "기준 픽셀 빈도수(f)보다 높은 픽셀 빈도수를 가지는 색상은 1개"라는 의미이다.
한편, 도 3a에 나타낸 이미지는, (비록 하프톤 이미지로 표현되었지만) 다양한 색상의 컬러사진 이미지인 것으로 한다. 도 3a의 색상 히스토그램인 도 3b를 보면, 도 2b와 비교할 때 다양한 색상영역에서 픽셀의 빈도수가 높은 색상이 관찰됨을 알 수 있다.
이 때, 도 2b에서와 마찬가지로 기준 가로축(35)과 교차하는 컬럼(30,31,32,33,34)의 개수는 5개가 된다.
이와 같은 방식으로, 색상 히스토그램 분석부(130)에서는 입력된 동적 이미지 파일의 각 이미지 프레임에 대하여 기준 가로축과 교차하는 컬럼의 개수가 산출된다.
한편, 반복적인 실험에 의하여 얻어진 결과에 따르면, 단순 배경과 단순 글자를 가지는 이미지 프레임의 경우, 기준 가로축과 교차하는 색상 컬럼의 개수가 대략 4 내지 5개 정도가 된다.
따라서, 기준 가로축에 대응되는 픽셀 빈도수는, 단순 배경과 단순글자를 가지는 이미지 프레임의 경우 기준가로축과 교차하는 색상 컬럼의 개수가 4~5개 정도 발생하고, 다채로운 이미지에 관한 프레임의 경우 기준가로축과 교차하는 색상 컬럼의 개수가 이보다 현저히 많아지도록 하는 범위 내의 픽셀 빈도수가 되도록 설정할 수 있다.
채도 히스토그램 분석부
채도 히스토그램 분석부(140)는 겹치고 흐릿한 이미지를 걸러내기 위하여 각이미지프레임마다 채도 히스토그램을 산출한다.
도 4a는 서로 다른 이미지가 전환되면서 겹치고 흐릿하게 보이는 이미지의 일례이며, 도 5a는 다양한 색상의 컬러사진 이미지를 가지는 이미지 프레임의 일례이다.
도 4a에서 나타낸 바와 같이, 동적 이미지 파일 내에서 서로 다른 이미지가 전환되면서 이미지가 겹치고 흐릿하게 보이는 경우에는 선명한 이미지에 비하여 채도가 낮아지는 경향을 보이는 것이 일반적이다.
도 4a와 같이 겹치고 흐릿한 이미지는 대상 상품의 특징을 명확히 드러내지 못할 가능성이 현저히 높으므로, 채도 히스토그램 분석부(140)에서는 도 4a와 같이 겹치고 흐릿한 이미지를 걸러냄으로써, 도 5a와 같은 선명한 이미지가 썸네일 이미지로 선택될 수 있도록 한다.
도 4b는 도 4a의 채도 히스토그램을 나타낸 도면, 도 5b는 도 5a의 채도 히스토그램을 나타낸 도면이다.
도 4b 및 도 5b에서, 가로축은 채도(saturation)를 나타내며, 0에서 255까지의 이산적인 값을 가진다. 또한, 세로축은 이미지 프레임 내에서 각각의 채도를 가지는 픽셀의 빈도수를 나타낸다.
도 4a의 겹치고 흐릿한 이미지에 관한 채도 히스토그램인 도 4b를 살펴보면,저채도 픽셀(가로축의 원점에 가까운 부분에 대응되는 픽셀)의 빈도수가 고채도 픽 셀(원점에서 멀리 떨어진 부분에 대응되는 픽셀)의 빈도수보다 현저히 높다. 이는, 도 4a의 이미지가 전반적으로 채도가 낮음을 말한다.
반면, 도 5a의 선명한 이미지에 관한 채도 히스토그램인 도 5b를 살펴보면, 저채도 픽셀의 빈도수보다 고채도 픽셀의 빈도수가 대체적으로 높음을 알 수 있다. 이는, 도 5a의 이미지가 전반적으로 채도가 높음을 말한다. 즉, 도 5a의 이미지가 도 4a의 이미지에 비하여 선명함을 뜻하기도 한다.
이 때, 도 4a의 이미지의 평균 채도는 도 4b에서 S1(40)이 되며, 도 5a의 이미지의 평균 채도는 도 5b에서 S2(50)가 된다.
도 4a의 이미지보다 도 5a의 이미지의 평균 채도가 높으므로, S1과 S2의 관계는 수학식 3과 같이 성립한다.
S1 < S2.
이와 같은 원리에 의거하여, 채도 히스토그램 분석부(140)에서는 입력된 동적 이미지 파일의 각 이미지 프레임마다 평균 채도를 계산한다. 평균 채도가 낮은 이미지 프레임을 걸러내고 평균 채도가 높은 이미지 프레임을 썸네일 이미지로 선택하는 경우에는 겹치거나 흐릿하지 않은 선명한 이미지가 썸네일 이미지로 선정될 가능성이 더욱 높아지게 된다.
프레임 선택부 ,
프레임 선택부(150)는 색상 히스토그램 분석부(130)에서 계산된 각 이미지 프레임의 색상 컬럼의 개수 및 채도 히스토그램 분석부(140)에서 계산된 각 이미지 프레임의 평균 채도값을 통하여 최적의 썸네일 이미지를 선정한다.
먼저, 색상 히스토그램 분석부에서 계산된 각 이미지 프레임의 색상 컬럼의 개수에 의거하여, 각 이미지 프레임마다 제1 가중치를 부여하는 제1 보우팅(voting)이 수행된다.
이 때, 색상 컬럼의 개수가 가장 많은 이미지 프레임에 가장 높은 제1 가중치가 부여되고, 색상 컬럼의 개수가 적은 이미지 프레임일수록 더 낮은 제1 가중치가 부여되도록 한다.
다음으로, 제1 보우팅에 의하여 가중치가 부여된 이미지 프레임들 중 제1 가중치가 상위인 일부 이미지 프레임을 선정하여, 채도 히스토그램 분석부에서 계산된 각 이미지 프레임의 평균 채도값에 의거하여 각 이미지프레임에 제2 가중치를 부여하는 제2 보우팅이 수행된다. 이 때, 평균 채도값이 가장 높은 이미지 프레임에 가장 높은 제2 가중치가 부여되고, 평균 채도값이 낮은 이미지 프레임일수록 더 낮은 제2 가중치가 부여되도록 한다.
제1 보우팅에 의하여 가중치가 부여된 이미지 프레임들 중 제1 가중치가 하위인 이미지 프레임에 대해서는 제2 보우팅을 수행하지 않음으로써, 적은 색상이 쓰인 이미지 프레임(즉, 단색배경에 단색글자일 가능성이 높은 이미지 프레임)이 걸러지게 된다.
또한, 제2 보우팅을 통하여 부여된 제2 가중치가 가장 높은 이미지 프레임은선명도가 가장 높은 이미지 프레임일 가능성이 높으므로, 제2 가중치가 가장 높은 이미지 프레임이 썸네일 이미지로 생성할 최적 이미지 프레임으로 최종 선택된다.
한편, 제1 보우팅과 제2 보우팅의 순서는 제1 보우팅이 수행된 후에 제2 보우팅이 수행되도록 하여야 한다. 만약 제2 보우팅이 먼저 수행되고 제1 보우팅이 나중에 수행되는 경우에는 썸네일 이미지로 부적합한 이미지가 최종 선택될 수 있는 우려가 있기 때문이다.
예컨대, 동적 이미지 파일에 채도가 매우 높은 단색배경 단색글자의 이미지프레임과, 채도는 그 이미지 프레임보다 상대적으로 낮지만 상품의 특징을 명확히 드러내는 이미지를 가진 이미지 프레임으로 이루어진 경우, 제2 보우팅을 먼저 수행하고, 제2 가중치가 높은 이미지 프레임만에 대해서 제1 보우팅을 다시 수행한다면, 상대적으로 고채도인 단색배경 단색글자의 이미지 프레임에 대해서만 제2 보우팅이 더 수행되므로, 의도하지 않게 단색배경 단색글자의 이미지 프레임이 최적 이미지 프레임으로 최종 선택되는 문제가 발생할 수 있다.
썸네일 생성부
프레임 선택부(150)에 의하여 최적의 이미지 프레임이 선정되면, 썸네일 생성부에서는 해당 이미지 프레임을 원하는 크기, 해상도 및 파일 형식을 가지는 썸네일 이미지로 변환함으로써 최종 결과물인 썸네일 이미지 파일을 생성한다.
이미지 파일의 생성 방법은 특정 방법만으로 제한되지 않으며, 이미지 파일의 변환과 관련하여 현재 존재하는 어떠한 방법도 폭넓게 적용될 수 있다.
도 6은 본 발명에 의한 썸네일 생성 방법의 일례를 나타낸 흐름도이다.
도 6에서 나타낸 바와 같이, 본 발명에 의한 썸네일 생성 방법은, 이미지 판독단계(S100)와, 노이즈 필터링 단계(S110)와, 컬러스페이스 변환단계(S120)와, 색상 히스토그램 분석단계(S130)와, 채도 히스토그램 분석단계(S140)와, 프레임 선택단계(S150) 및 썸네일 생성단계(S160)를 포함한다.
먼저, 이미지 판독단계(S100)에서는 썸네일 생성 시스템이 복수의 이미지 프레임을 가지는 동적 이미지 파일을 입력받은 후, 해당 동적 이미지 파일에 포함된 이미지 데이터를 각각의 이미지 프레임별로 구분하여 판독한다.
다음으로, 노이즈 필터링 단계(S110)에서는 각각의 이미지 프레임에 대하여 노이즈 필터링이 수행된다. 노이즈 필터링은 가우시안 필터를 이용한 스무딩 프로세스에 의하여 수행될 수 있으나, 단지 이 방법에 의한 노이즈 필터링만으로 한정되는 것은 아니며, 이미지에 포함된 노이즈를 줄이기 위하여 사용될 수 있는 필터라면 어떠한 것이라도 다양하게 적용될 수 있다.
컬러스페이스 변환단계(S120)에서는 입력된 동적 이미지 파일의 RGB 컬러스페이스가 타 컬러스페이스로 변환된다.
예컨대, 수학식 1 및 수학식 2에서 정의된 변환방법에 따라 RGB 컬러스페이스로부터 HSV 컬러스페이스로 변환되도록 할 수 있다.
한편, 컬러스페이스 변환단계는, RGB 컬러스페이스에 비하여 명암 변화가 이미지에 상대적으로 적은 영향을 미칠 수 있도록 컬러스페이스를 변환하는 것을 목적으로 하므로, HSV 컬러스페이스로의 변환만으로 제한되지는 않으며, 목적에 부합 하는 컬러스페이스, 예컨대 HSL 컬러스페이스로 변환되도록 할 수도 있다.
색상 히스토그램 분석단계(S130)에서는 동적 이미지 파일의 각 이미지 프레임에 대한 색상 히스토그램이 산출된다.
이 때, 각 이미지 프레임마다 기준 가로축과 교차하는 색상 컬럼의 개수가 함께 계산된다.
다시 말하면, 색상 히스토그램 분석단계(S130)에서는 기준 픽셀 빈도수보다 큰 색상 개수가 산출되는 것이다.
색상 히스토그램 분석단계(S130)를 통하여 기준 가로축과 교차하는 색상 컬럼의 개수가 적은 이미지 프레임, 즉 단순 배경과 단순 글자를 가지는 이미지 프레임을 찾아 걸러낼 수 있게 된다.
채도 히스토그램 분석단계(S140)에서는 동적 이미지 파일의 각 이미지 프레임에 대한 채도 히스토그램이 산출된다.
채도 히스토그램 분석단계(S140)에서는 각 이미지 프레임의 평균 채도값이 함께 계산된다.
프레임 선택단계(S150)에서는 색상 히스토그램 분석단계(S130)에서 계산된 각 이미지 프레임의 색상 컬럼의 개수 및 채도 히스토그램 분석단계(S140)에서 계산된 각 이미지 프레임의 평균 채도값을 통하여 썸네일 이미지로 생성될 최적 이미지 프레임이 선정된다.
프레임 선택단계(S150)는 제1 보우팅 단계(S152)와 제2 보우팅 단계(S154)를 더 포함할 수 있다.
제1 보우팅 단계에서는 색상 히스토그램 분석부에서 계산된 각 이미지 프레임의 색상 컬럼의 개수에 의거하여, 각 이미지 프레임마다 제1 가중치가 부여된다.
이 때, 색상 컬럼의 개수가 가장 많은 이미지 프레임에 가장 높은 제1 가중치가 부여되며, 색상 컬럼의 개수가 적은 이미지 프레임일수록 더 낮은 제1 가중치가 부여된다.
제2 보우팅 단계에서는 제1 보우팅 단계에서 가중치가 부여된 이미지 프레임들 중 제1 가중치가 상위인 일부 이미지 프레임들에 대하여, 채도 히스토그램 분석부에서 계산된 이미지 프레임마다의 평균 채도값에 의거하여 각 이미지 프레임에 제2 가중치가 부여된다.
이 때, 평균 채도값이 가장 높은 이미지 프레임에 가장 높은 제2 가중치가 부여되고, 평균 채도값이 낮은 이미지 프레임일수록 더 낮은 제2 가중치가 부여된다.
제2 보우팅 단계에서 가장 높은 제2 가중치를 부여받은 이미지 프레임이 썸네일 이미지로 생성될 최적 이미지 프레임으로 선정된다.
한편, 제1 보우팅 단계(S152) 후에 제2 보우팅 단계(S154)가 수행되도록 함으로써, 썸네일로 선정되기에 부적절한 이미지 프레임이 최적 이미지 프레임으로 선정되는 문제점을 방지할 수 있다.
썸네일 생성단계(S160)에서는 프레임 선택단계(S150)에서 선정된 최적 이미지 프레임을 원하는 크기, 해상도 및 파일 형식을 가지는 썸네일 이미지로 변환한다.
표 1은 본 발명에 의한 썸네일 이미지 생성방법을 85,500페이지의 웹페이지에 게시된 4,275,000건의 동적 이미지 파일에 대한 썸네일 이미지 생성에 적용한 결과를 나타낸 도표이다.
방식 불량 썸네일 개수 불량 썸네일 비율 비고
본 발명 394,000 9.22%
종래기술 1,117,200 26.13% 첫 프레임을 썸네일 이미지로 생성한 경우
이 때, 불량 썸네일인지 여부에 대한 판단은, 썸네일로 생성된 각각의 이미지를 직관적으로 관찰하여, 단순 배경과 단순 글자로 된 썸네일, 예컨대 도 2a와 같은 썸네일 또는 겹치거나 흐릿한 이미지로 된 썸네일, 예컨대 도4a와 같은 썸네일을 불량 썸네일인 것으로 판단하도록 수행하였다.
표 1에서 나타낸 바와 같이, 본 발명에 의한 썸네일 이미지 생성방법을 적용한 경우에는 첫 프레임을 썸네일 이미지로 생성하는 종래기술을 적용한 경우에 비해서 총 썸네일 대비 불량 썸네일의 비율이 16.91%포인트 감소하였다. 즉, 불량 썸네일의 발생률이 종래 방법에 의한 불량 썸네일의 발생률보다 64.73% 감소하는 현저한 효과를 나타내었다.
이상에서 설명한 본 발명의 실시예는 장치 및 방법을 통해서만 구현이 되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있으며, 이러한 구현은 앞서 설명한 실시예의 기재로부터 본 발명이 속하는 기술분야의 전문가라면 쉽게 구현할 수 있는 것이다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.
도 1은 본 발명에 의한 썸네일 생성 시스템의 일례를 나타낸 블록도,
도 2a는 단색 배경에 단색 글자를 가지는 이미지의 일례,
도 2b는 도 2a의 색상 히스토그램을 나타낸 도면,
도 3a는 다양한 색상의 컬러사진 이미지를 가지는 이미지 프레임의 일례,
도 3b는 도 3a의 색상 히스토그램을 나타낸 도면,
도 4a는 서로 다른 이미지가 전환되면서 겹치고 흐릿하게 보이는 이미지의 일례,
도 4b는 도 4a의 채도 히스토그램을 나타낸 도면,
도 5a는 다양한 색상의 컬러사진 이미지를 가지는 이미지 프레임의 일례,
도 5b는 도 5a의 채도 히스토그램을 나타낸 도면,
도 6은 본 발명에 의한 썸네일 생성 방법의 일례를 나타낸 흐름도이다.

Claims (17)

  1. 동적 이미지 파일에 포함된 복수의 이미지 프레임의 컬러스페이스를 색상 요소와 채도 요소가 분리되도록 변환하는 컬러스페이스 변환부와,
    상기 이미지 프레임의 각각에 대하여 색상 히스토그램 및 기준픽셀빈도수보다 큰 픽셀빈도수를 가지는 색상 개수를 산출하는 색상 히스토그램 분석부와,
    상기 이미지 프레임의 각각에 대하여 채도 히스토그램 및 평균 채도값을 산출하는 채도 히스토그램 분석부와,
    상기 이미지 프레임의 상기 색상 개수가 많을수록 높은 제1 가중치를 부여하는 제1 보우팅 및 상기 이미지 프레임의 상기 평균 채도값이 높을수록 높은 제2 가중치를 부여하는 제2 보우팅을 행하며, 상기 복수의 이미지 프레임 중 상기 제2 가중치가 가장 높은 이미지 프레임을 최적 이미지 프레임으로 선정하는 프레임 선택부 및
    상기 최적 이미지 프레임을 썸네일 이미지 파일로 변환하는 썸네일 생성부를 포함하며,
    상기 프레임 선택부는, 상기 제1 보우팅을 수행한 후 상기 복수의 이미지 프레임 중 상기 제1 가중치가 높은 일부 이미지 프레임에 대해서만 상기 제2 보우팅을 수행하는 썸네일 생성 시스템.
  2. 제1항에 있어서,
    상기 썸네일 생성 시스템은 상기 이미지 프레임의 각각에 대하여 노이즈 감쇄 필터링을 수행하는 노이즈 필터부를 더 포함하는 썸네일 생성 시스템.
  3. 삭제
  4. 삭제
  5. 삭제
  6. 동적 이미지 파일에 포함된 복수의 이미지 프레임의 컬러스페이스가 색상 요소와 채도 요소가 분리되도록 변환되는 컬러스페이스 변환단계와,
    상기 이미지 프레임의 각각에 대하여 색상 히스토그램 및 기준 픽셀 빈도수보다 큰 픽셀 빈도수를 가지는 색상 개수가 산출되는 색상 히스토그램 분석단계와,
    상기 이미지 프레임의 각각에 대하여 채도 히스토그램 및 평균 채도값이 산출되는 채도 히스토그램 분석단계와,
    상기 이미지 프레임의 상기 색상 개수가 많을수록 높은 제1 가중치가 상기 이미지 프레임의 각각에 부여되는 제1 보우팅 단계와,
    상기 이미지 프레임의 상기 평균 채도값이 높을수록 높은 제2 가중치가 상기 이미지 프레임의 각각에 부여되는 제2 보우팅 단계와,
    상기 복수의 이미지 프레임 중 상기 제2 가중치가 가장 높은 이미지 프레임이 최적 이미지 프레임으로 선정되는 프레임 선택단계 및
    상기 최적 이미지 프레임이 썸네일 이미지 파일로 변환되는 썸네일 생성단계를 포함하며,
    상기 제2 보우팅 단계는 상기 복수의 이미지 프레임 중 상기 제1 가중치가 높은 일부 이미지 프레임에 대해서만 수행되는 썸네일 생성 방법.
  7. 제6항에 있어서,
    상기 색상 히스토그램 분석단계 전에, 상기 이미지 프레임의 각각에 대하여 노이즈 감쇄 필터링이 수행되는 노이즈 필터링 단계를 더 포함하는 썸네일 생성 방법.
  8. 삭제
  9. 삭제
  10. 삭제
  11. 삭제
  12. 삭제
  13. 삭제
  14. 삭제
  15. 제6항에 있어서,
    상기 제1 보우팅 단계는 상기 제2 보우팅 단계의 전에 수행되는 썸네일 생성 방법.
  16. 삭제
  17. 삭제
KR1020080009165A 2008-01-29 2008-01-29 썸네일 생성 시스템 및 생성 방법 KR100917926B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020080009165A KR100917926B1 (ko) 2008-01-29 2008-01-29 썸네일 생성 시스템 및 생성 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080009165A KR100917926B1 (ko) 2008-01-29 2008-01-29 썸네일 생성 시스템 및 생성 방법

Publications (2)

Publication Number Publication Date
KR20090083164A KR20090083164A (ko) 2009-08-03
KR100917926B1 true KR100917926B1 (ko) 2009-09-16

Family

ID=41204146

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080009165A KR100917926B1 (ko) 2008-01-29 2008-01-29 썸네일 생성 시스템 및 생성 방법

Country Status (1)

Country Link
KR (1) KR100917926B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005328105A (ja) * 2003-04-01 2005-11-24 Microsoft Corp 視覚的に代表するビデオサムネイルの生成
KR20070058927A (ko) * 2005-12-05 2007-06-11 주식회사 대우일렉트로닉스 Pvr 장치가 내장된 텔레비전의 녹화방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005328105A (ja) * 2003-04-01 2005-11-24 Microsoft Corp 視覚的に代表するビデオサムネイルの生成
KR20070058927A (ko) * 2005-12-05 2007-06-11 주식회사 대우일렉트로닉스 Pvr 장치가 내장된 텔레비전의 녹화방법

Also Published As

Publication number Publication date
KR20090083164A (ko) 2009-08-03

Similar Documents

Publication Publication Date Title
Liu et al. CID: IQ–a new image quality database
Ma et al. Objective quality assessment for color-to-gray image conversion
Peng et al. Image haze removal using airlight white correction, local light filter, and aerial perspective prior
CN101360250B (zh) 沉浸产生方法和系统及因素控制、内容分析及参数预测法
US8630485B2 (en) Method for combining image and imaging product
El Khoury et al. Color and sharpness assessment of single image dehazing
US7031548B2 (en) Method and apparatus for filtering noise from a digital image
Smith et al. Beyond tone mapping: Enhanced depiction of tone mapped HDR images
Fairchild et al. Image appearance modeling
Eynard et al. Laplacian colormaps: a framework for structure‐preserving color transformations
Lecca et al. GREAT: a gradient-based color-sampling scheme for Retinex
JP2008187710A (ja) 画像特性特定方法、画像特性特定システム、背景色決定方法、制御プログラム、および、記録媒体
JPH1166301A (ja) カラー画像分類方法及び装置及びこの方法を記録した記録媒体
Ciocca et al. How to assess image quality within a workflow chain: an overview
JP4146506B1 (ja) モザイク画像生成装置、方法及びプログラム
US20100284614A1 (en) Blue sky color detection technique
Hu et al. Jpeg ringing artifact visibility evaluation
KR100911059B1 (ko) 썸네일 생성 시스템 및 생성 방법
KR100917926B1 (ko) 썸네일 생성 시스템 및 생성 방법
KR100916854B1 (ko) 썸네일 생성 시스템 및 생성 방법
CN101999137A (zh) 彩色图像增强
Reiter With j: image processing 2: color spaces
CN112070848A (zh) 图像色素分离方法、装置、电子设备和可读存储介质
Ancuti et al. Decolorization by fusion
Guo Screen content image quality assessment and processing

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20120731

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20130904

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20140903

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20150811

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20160908

Year of fee payment: 10

FPAY Annual fee payment

Payment date: 20190809

Year of fee payment: 13