KR100957878B1 - 화상 처리 수단의 업데이트 빈도를 감소시키기 위한 방법및 시스템 - Google Patents

화상 처리 수단의 업데이트 빈도를 감소시키기 위한 방법및 시스템 Download PDF

Info

Publication number
KR100957878B1
KR100957878B1 KR1020047000413A KR20047000413A KR100957878B1 KR 100957878 B1 KR100957878 B1 KR 100957878B1 KR 1020047000413 A KR1020047000413 A KR 1020047000413A KR 20047000413 A KR20047000413 A KR 20047000413A KR 100957878 B1 KR100957878 B1 KR 100957878B1
Authority
KR
South Korea
Prior art keywords
processing means
image
image processing
formatted information
variable
Prior art date
Application number
KR1020047000413A
Other languages
English (en)
Other versions
KR20040043154A (ko
Inventor
브뤼노 리에르
프레데릭 키샤르
Original Assignee
도 랩스
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
Priority claimed from FR0109291A external-priority patent/FR2827459B1/fr
Priority claimed from FR0109292A external-priority patent/FR2827460B1/fr
Application filed by 도 랩스 filed Critical 도 랩스
Publication of KR20040043154A publication Critical patent/KR20040043154A/ko
Application granted granted Critical
Publication of KR100957878B1 publication Critical patent/KR100957878B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0007—Image acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/10—Selection of transformation methods according to the characteristics of the input images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • 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
    • H04N1/00002—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for
    • H04N1/00007—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for relating to particular apparatus or devices
    • 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
    • H04N1/00002—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for
    • H04N1/00026—Methods therefor
    • H04N1/00045—Methods therefor using a reference pattern designed for the purpose, e.g. a test chart
    • 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
    • H04N1/00002—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for
    • H04N1/00071—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for characterised by the action taken
    • 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
    • H04N1/387—Composing, repositioning or otherwise geometrically modifying originals
    • 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
    • H04N1/40—Picture signal circuits
    • H04N1/40093—Modification of content of picture, e.g. retouching
    • 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
    • H04N1/56—Processing of colour picture signals
    • H04N1/58—Edge or detail enhancement; Noise or error suppression, e.g. colour misregistration correction

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Image Analysis (AREA)
  • Editing Of Facsimile Originals (AREA)
  • Facsimiles In General (AREA)
  • Studio Devices (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Channel Selection Circuits, Automatic Tuning Circuits (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Polysaccharides And Polysaccharide Derivatives (AREA)
  • Photoreceptors In Electrophotography (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Transmitters (AREA)
  • Television Signal Processing For Recording (AREA)
  • Computer And Data Communications (AREA)
  • Communication Control (AREA)
  • Character Input (AREA)
  • Circuits Of Receivers In General (AREA)
  • Processing Or Creating Images (AREA)
  • Geometry (AREA)

Abstract

본 발명은 화상 처리 수단(P1), 특히 소프트웨어 및/또는 컴포넌트의 업데이트 빈도를 감소시키기 위한 방법 및 시스템에 관한 것이다. 화상 처리 수단(P1)은 기기 체인(P3)으로부터 유도되는 또는 이로 보내지는 디지털 화상(P2)의 화질 변경을 가능하게 한다. 기기 체인(P3)은 화상 캡쳐 기기 및/또는 화상 복원 기기를 포함한다. 화상 처리 수단(P1)은 상기 기기 체인(P3)의 적어도 하나의 기기(P25)의 결함(P5)과 연관된 적어도 하나의 변수에 따르는 포맷팅된 정보(P4)를 사용한다. 특히, 이 포맷팅된 정보는 상기 변수에 따르는 적어도 하나의 파라미터화 모델의 파라미터(P9)들을 포함한다. 포맷팅된 정보는 특히 대응 테이블에 의해 상기 변수들의 일부와 식별자들 사이의 대응 관계를 설정하는 것을 가능하게 한다. 식별자와 화상(P2)을 고려함으로써 상기 식별자들에 의해 식별자에 대응하는 변수 값을 결정하는 것이 가능하다.
화상 처리 수단, 기기, 식별자, 화상 캡쳐, 화상 변경, 화상 복원

Description

화상 처리 수단의 업데이트 빈도를 감소시키기 위한 방법 및 시스템{METHOD AND SYSTEM FOR REDUCING UPDATE FREQUENCY OF IMAGE PROCESSING MEANS}
본 발명은 화상 처리 수단의 업데이트 빈도를 감소시키기 위한 방법 및 시스템에 관한 것이다.
해결방법
본 발명은 화상 처리 수단, 특히 소프트웨어 및/또는 컴포넌트의 업데이트 빈도를 감소시키기 위한 방법에 관한 것이다. 화상 처리 수단은 기기 체인(appliance chain)으로부터 유도된 또는 이로 보내진 디지털 화상의 화질을 변경하는 것을 가능하게 한다. 이 기기 체인은 적어도 하나의 화상 캡쳐 기기(image-capture appliance) 및/또는 적어도 하나의 화상 복원 기기(image-restitution appliance)를 포함한다. 화상 처리 수단은 기기 체인중 적어도 하나의 기기의 검출과 관련한 포맷팅된 정보를 사용한다. 포맷팅된 정보는 변수들의 일부와 식별자들 간의 대응 관계(correspondence)를 설정하는 것을 가능하게 한다. 식별자들을 사용함으로써, 식별자와 화상을 고려하여 식별자에 대응하는 변수 값을 결정하는 것이 가능하다. 이는 특히 물리적인 의미 및/또는 변수의 내용이 화상 처리 수단의 배포 후에만 알려지는 경우에 변수의 값을 판정하는 것이 가능한 기술 적인 특성들의 조합으로 인한 것이다. 또한, 보정 소프트웨어의 2개의 업데이트 사이의 시간이 서로 이격될 수 있는 기술적인 특성들의 조합으로 인한 것이다. 또한, 제품 특성을 본질적으로 변경하거나 그 제품을 업데이트하도록 고객을 강제할 수 없는 경우에도, 기기들 및/또는 화상 처리 수단을 제조하는 다양한 경제 주체들이 다른 경제 주체들에 독립적으로 그들의 제품을 업데이트할 수 있는 기술적 특성들의 조합으로 인한 것이다. 또한, 새로운 기능은 한정된 수의 경제 주체들과 파이오니어 유저들로부터 시작하여 발전적으로 사용될 것이다.
양호하게는, 본 발명에 따른 방법은 포맷팅된 정보가 변수에 따른 적어도 하나의 파리미터화 모델(parameterizable model)을 포함한다.
양호하게는, 본 발명에 따른 방법은 변수들의 해당 부분과 식별자들 사이의 대응 관계가 대응 테이블에 의해 설정된다.
파리미터화 모델의 호환성
파리미터화 모델은 화상 처리 수단의 연속적인 업데이트들을 반영하는 방식으로 변화할 수 있다. 양호하게는, 본 발명에 따른 방법의 다른 실시예의 경우에, 포맷팅된 정보는 연속적으로 사용되는 파리미터화 모델들에 대한 식별 엘리먼트들을 포함한다. 이는 화상 처리 수단의 버전의 이전에 존재하는 파리미터화 모델들과 관련한 포맷팅된 정보의 단편(fragment)들을 식별하는 것이 가능한 기술적인 특성들로 인한 것이다.
변수들의 하위 호환성
식별자는 특히 화상 처리 수단의 배포 후에 물리적인 의미와 내용이 정의된 필드를 Exif 타입의 포맷으로 지정할 수 있다. 양호하게는, 본 발명에 따른 방법의 다른 실시예의 경우에, 화상 처리 수단의 배포 후에 물리적인 의미 및/또는 값이 정의된 필드들의 값을 얻는 것을 화상 처리 수단이 가능하게 한다. 화상 처리 수단은 대응에 의해 식별자에 대응하는 변수의 값을 결정하는 것을 가능하게 한다.
변수들의 상위 호환성
식별자들은 특히 화상 처리 수단의 배포 이전에 물리적인 의미 및 내용이 정의된 필드들을 특히 Exif 타입의 포맷으로 지정할 수 있다. 양호하게는, 본 발명에 따른 벙법의 다른 실시예의 경우에, 화상 처리 수단은 화상에 관한 데이터로부터의 식별자들에 의해 지시된 필드들의 값을 얻도록 하는 것이 가능하다. 화상 처리 수단은 대응 관계에 의해 해당 식별자에 대응하는 변수의 값을 결정하게 하는 것이 가능하다. 이는 화상 처리 수단이 처리 수단의 배포 이전에 생성된 화상의 화질을 변경할 수 있는 기술적 특성의 조합으로 인한 것이다.
양호하게는, 본 발명에 따른 방법은 포맷팅된 정보가 다수의 변수들을 추가적으로 포함한다.
포맷팅된 정보는 복수의 형태의 파리미터화 모델들의 파리미터들을 포함할 수 있다. 양호하게는, 본 발명에 따른 방법의 다른 실시예의 경우에, 파라미터화 모델의 주어진 타입의 파라미터들은 파라미터화 모델의 타입에 대한 식별 엘리먼트에 의해 식별된다. 포맷팅된 정보는 파라미터화 모델의 타입에 대한 식별 엘리먼트를 추가적으로 포함한다. 이는 포맷팅된 정보의 제조 시에 파라미터화 모델의 타입을 선택하는 것이 가능한 기술적 특성들의 조합으로 인한 것이다.
양호하게는, 본 발명에 따른 방법은 파라미터화 모델의 파라미터들의 값들이 변수들의 수학 함수를 식별하는 것을 가능하게 한다. 이러한 방법에서 식별되는 수학 함수는 변수들의 특정한 값들의 함수로서 화질을 변경하는 것을 가능하게 한다. 또한, 이는 포맷팅된 정보의 제조 동안에 사용되는 파라미터화 모델의 형태를 위해 화질의 변경 시에 수학 함수를 계산하는 것이 가능한 기술적 특성들의 조합으로 인한 것이다.
양호하게는, 본 발명에 따른 방법은 이하에서 일반 파라미터화 모델로 불리는 파라미터화 모델의 형태들 중 적어도 하나는 일반 파라미터화 모델의 파라미터들의 값들이 어떠한 변수들이라도 임의의 수학 함수를 식별하는 것이 가능하게 한다. 본 방법에서 식별되는 수학 함수는 변수들의 특정한 값들의 함수로서 화질을 변경하는 것을 가능하게 한다. 이는 임의의 복잡성의 기기의 결함들에 관한 포맷팅된 정보를 생성하는 것이 가능한 기술적 특성들의 조합으로 인한 것이다.
양호하게는, 본 발명에 따른 방법은 데이터 처리 프로그램들 및/또는 데이터 프로세싱 프로그램들에 대한 링크들을 포함한다. 이는 특히 처리 수단의 배포 이후에 정의된 처리에 의해 화질을 변경하는 것을 가능하게 하는 포맷팅된 정보에 포함된 데이터 처리 서브프로그램을 호출하는 화상 처리 수단을 배포하는 것이 가능한 기술적 특성들의 조합으로 인한 것이다.
또한, 본 발명은 컬러 화상의 적어도 하나의 컬러 평면의 화질이 변경될 수 있는 처리 수단의 업데이트 빈도를 감소시키도록 설계된 방법에 관한 것이다. 컬러 평면은 특정 컬러에 의해 특징지워진다. 양호하게는, 본 발명에 따른 방법의 경우에, 포맷팅된 정보는 특정 컬러에 관한 데이터를 추가로 포함한다. 이는 화상 처리 수단의 배포 후에 화상 처리 수단이 정의된 특정한 컬러에 대한 컬러 평면을 계산할 수 있는 기술적 특성들의 조합으로 인한 것이다.
양호하게는, 본 발명에 따른 방법은 특정한 컬러에 관한 데이터가 컬러 평면의 화질을 변경하도록 적절하게 채용될 수 있는 포맷팅된 정보의 단편을 특정한 컬러에 관한 데이터가 판정하는 것을 추가로 가능하게 한다. 이는 화상 처리 수단의 배포 후에 정의된 특정한 컬러를 위해 특정한 처리 작업, 특히 블러링 레벨(blurring level)의 처리를 화상 처리 수단이 적용할 수 있는 기술적 특성들의 조합으로 인한 것이다.
또한, 본 발명은 복수의 결합에 따라 화질이 변경될 수 있는 처리 수단의 업데이트 빈도를 감소시키도록 설계된 방법에 관한 것이다. 양호하게는, 본 발명에 따른 방법은 적어도 하나의 특정 결함에 관한 데이터를 추가로 포함한다.
양호하게는, 본 발명에 따르면, 특정 결함에 관한 데이터는 특정한 결함에 따라 화질을 변경하도록 적절하게 채용될 수 있는 포맷팅된 정보의 단편들을 추가로 판정가능하게 한다. 이는 처리 수단의 배포 후에 정의된 적어도 하나의 결함에 관한 포맷팅된 정보를 사용함으로써 처리 수단이 화질을 변경할 수 있는 기술적 특성들의 조합으로 인한 것이다.
시스템
본 발명은 화상 처리 수단, 특히 소프트웨어 및/또는 컴포넌트의 업데이트 빈도를 감소시키기 위한 시스템에 관한 것이다. 화상 처리 수단은 기기 체인으로 부터 유도되거나 또는 이로 보내지는 디지털 화질을 변경하는 것을 가능하게 한다. 기기 체인은 적어도 하나의 화상 캡쳐 기기 및/또는 적어도 하나의 화상 복원 기기를 포함한다. 화상 처리 수단은 기기 체인의 적어도 하나의 기기의 결함에 관한 포맷팅된 정보를 사용한다. 포맷팅된 정보는 변수들과 식별자들의 일부들 사이에 대응 관계를 설정하는 것을 가능하게 한다. 식별자들에 의해, 상기 식별자들 및 상기 화상을 고려하여 상기 식별자에 대응하는 변수 값을 결정하는 것이 가능하다.
양호하게는, 본 발명에 따른 시스템은 포맷팅된 정보가 변수들에 따른 적어도 하나의 파라미터화 모델의 파라미터들을 포함한다.
양호하게는, 본 발명에 따른 시스템은 변수들과 식별자들의 해당 일부들 사이의 대응 관계가 대응 테이블에 의해 설정된다.
파라미터화 모델의 호환성
파라미터화 모델들은 화상 처리 수단의 연속적인 업데이트들을 반영하는 방식으로 변화할 수 있다. 양호하게는, 본 발명에 따른 시스템의 다른 실시예의 경우에, 포맷팅된 정보는 연속적으로 사용되는 파라미터화 모델들에 대한 식별 엘리먼트들을 추가로 포함한다.
변수의 하위 호환성
화상 처리 수단의 배포 후에, 식별자는 물리적인 의미 및 내용이 특히 Exif 타입의 포맷으로 정의된 필드를 지정할 수 있다. 양호하게는, 본 발명에 따른 시스템의 다른 실시예의 경우에, 화상 처리 수단의 배포 후에 화상 처리 수단은 물리적인 의미 및/또는 값이 정의된 필드들의 값을 얻는 것이 가능하게 된다.
변수의 상위 호환성
화상 처리 수단의 배포 전에, 식별자는 물리적인 의미 및 내용이 특히 Exif 타입의 포맷으로 정의된 필드들을 지정할 수 있다. 화상 처리 수단의 배포 이전에 화상이 존재할 수 있다. 양호하게는, 본 발명에 따른 시스템의 다른 실시예의 경우에, 화상 처리 수단은 화상에 관한 데이터로부터의 식별자에 의해 지시된 필드 값을 얻는 것을 가능하게 한다.
양호하게는, 본 발명에 따르면 포맷팅된 정보는 다수의 변수를 추가로 포함한다.
포맷팅된 정보는 파라미터화 모델들의 복수의 타입의 파라미터들을 포함할 수 있다. 파라미터화 모델 타입의 파라미터들은 파라미터화 모델 타입에 대한 식별 엘리먼트에 의해 식별된다. 양호하게는, 본 발명에 따른 시스템의 다른 실시예의 경우에 포맷팅된 정보는 파라미터화 모델의 타입에 대한 식별 엘리먼트를 추가로 포함한다.
양호하게는, 본 발명에 따르면 시스템은 파라미터화 모델의 파라미터 값이 변수들의 수학 함수를 식별하는 것을 가능하게 한다. 이러한 방법으로 식별된 수학 함수는 화질을 변수들의 특정값들의 함수로서 변경하는 것을 가능하게 한다.
양호하게는, 본 발명에 따른 시스템에서, 이하 일반 파라미터화 모델로 불리는 파라미터화 모델 타입들 중 적어도 하나는 일반 파라미터화 모델의 파라미터들의 값들이 어떠한 변수들이라도 임의의 수학 함수를 식별하는 것을 가능하게 한다.
이러한 방법으로 식별된 수학 함수는 변수들의 특정 값들의 함수로서 화질을 변경하는 것을 가능하게 한다.
양호하게는, 본 발명에 따른 시스템에서, 포맷팅된 정보는 데이터 처리 프로그램들 및/또는 데이터 처리 프로그램들에 대한 링크들을 추가로 포함한다.
또한, 본 발명은 컬러 화상의 적어도 하나의 컬러 평면의 품질이 변경될 수 있는 처리 수단의 업데이트 빈도를 감소시키도록 설계된 시스템에 관한 것이다. 양호하게, 본 발명에 따른 시스템의 다른 실시예의 경우에, 컬러 평면은 특정 컬러에 의해 특징지워진다. 포맷팅된 정보는 특정 컬러에 관한 데이터를 추가로 포함한다.
양호하게는, 본 발명에 따르면, 특정 컬러에 관한 데이터는 컬러 평면의 품질을 변경하도록 적절하게 채용될 수 있는 포맷팅된 정보의 단편을 정의하는 것을 추가로 가능하게 한다.
또한, 본 발명은 복수의 결함에 따라 화질이 변경될 수 있는 처리 수단의 업데이트 빈도를 감소시키도록 설계된 시스템에 관한 것이다. 양호하게는, 본 발명에 따른 시스템의 다른 실시예의 경우에, 포맷팅된 정보는 적어도 하나의 특정 결함에 관한 데이터를 추가로 포함한다.
양호하게는, 본 발명에 따르면, 특정 결함에 관한 데이터는 특정 결함에 따라 화질을 변경하도록 적절하게 채용될 수 있는 포맷팅된 정보의 단편을 결정하는 것을 가능하게 한다.
본 발명의 다른 특징 및 장점은 설명적이고 비제한적인 예로서 제시되는 본 발명의 대체 실시예의 설명을 참조함으로써 명백해질 것이다.
도 1은 특히 기기(P25)를 포함하는 기기 체인(P3), 기기 체인(P3)로부터 유도된 화상(P2), 기기(P25)의 결함들(P5)에 관한 포맷팅된 정보(P4), 포맷팅된 정보(P4) 및 화상(P2)을 사용한 화상 처리 수단(P1)을 도시한 도면이다.
도 2는 화상(P2), 적어도 하나의 변수(P6)를 따르며 변수(P6)와 식별자(P8) 사이의 대응 관계(P7)를 설정하는 것을 가능하게 하는 포맷팅된 정보(P4), 및 식별자(P8)와 화상(P2)을 고려하여 얻어진 변수(P6)의 값(P26)을 도시한 도면이다.
도 3은 시간 경과에 따라 연속적으로 사용되는 파라미터화 모델들(P29) 중에서 파라미터화 모델(P10)을 식별하는 것을 가능하게 하는, 파리미터들(P9) 및 파라미터화 모델들에 대한 식별 엘리먼트들(P12)을 포함하는 포맷팅된 정보(P4)를 도시한 도면이다.
도 4는 필드(P13)의 물리적인 의미 또는 내용이 정의되기 전에 배포된 화상 처리 수단(P1), 식별자(P8)를 포함하는 포맷팅된 정보(P4), 및 화상 처리 수단(P1)에 의해 결정된 필드 값(P28)을 도시한 도면이다.
도 5는 화상(P2)의 존재 후에 그리고 필드(P13)의 물리적인 의미 또는 내용이 정의된 후에 상품화된 화상 처리 수단(P1), 식별자(P8)를 포함하는 포맷팅된 정보(P4), 및 화상 처리 수단(P1)에 의해 결정된 필드 값(P28)을 도시한 도면이다.
도 6은 파리미터화 모델의 타입에 대한 식별 엘리먼트(P15)를 포함하는 포맷팅된 정보(P4), 데이터 처리 프로그램들(P18), 데이터 처리 프로그램들에 대한 링크들(P19), 파리미터화 모델(P10)의 파리미터들(P9), 일반 파라미터화 모델(P17), 및 수학 함수(P16)를 도시한 도면이다.
도 7은 특정 컬러(P22)에 의해 특성화된 적어도 하나의 컬러 평면(P20), 특정 컬러에 관한 포맷팅된 정보의 단편을 결정하는 것을 가능하게 하는 특정 컬러에 관한 데이터(P23)를 포함하는 포맷팅된 정보(P4)를 도시한 도면이다.
도 8은 결함에 관한 포맷팅된 정보의 단편(P30)을 결정하는 것을 가능하게 하는 특정 결함에 관한 데이터(P24)를 포함하는 포맷팅된 정보(P4)를 도시한 도면이다.
기기
특히 도 1을 참조하면, 기기(P25)의 개념에 대해 설명할 것이다. 본 발명의 의미내에서, 기기(P25)는 특히
- 일회용 사진 기기, 디지털 사진 기기, 리플렉스 기기, 스캐너, 팩스기, 내시경, 캠코더, 감시 카메라, 게임, 전화, 개인 휴대 단말기, 또는 컴퓨터에 일체화되거나 그에 연결된 카메라, 감열 카메라 또는 초음파 검진 기기 등의 화상 캡쳐 기기,
- 스크린, 프로젝터, 텔레비전 세트, 가상 현실 고글 또는 프린터 등의 화상 복원 기기,
- 프로젝터, 스크린, 및 이들의 배치 방식 등의 그의 설비를 포함한 기기,
- 특히 시차 오류를 유입시키는 복원 기기에 대한 관찰자의 위치 결정,
- 비점 수차 등의 시각 결함을 갖는 사람,
- 예를 들면 라이카 브랜드의 기기에 의해 생성된 것과 유사한 모양을 갖는 화상을 생성하도록 에뮬레이션될 수 있기를 원하는 기기,
- 블러링을 부가하는 엣지 효과를 갖는 줌 소프트웨어 등의 화상 처리 장치,
- 복수의 기기(P25)와 동등한 가상 기기.
스캐너/팩스/프린터, 사진 인쇄 미니랩, 또는 화상 회의 기기 등의 보다 복잡한 기기(P25)는 기기(P25) 또는 복수의 기기들(P25)로서 간주될 수 있다.
기기 체인
이제부터, 특히 도 1을 참조하여 기기 체인(P3)의 개념에 대해 설명할 것이다. 기기 체인(P3)은 한 세트의 기기(P25)로서 정의된다. 기기 체인(P3)은 또한 순서의 개념도 포함할 수 있다.
이하의 일례들은 기기 체인(P3)을 구성한다.
- 단 하나의 기기(P25),
- 화상 캡쳐 기기 및 화상 복원 기기,
- 예를 들면 사진 인쇄 미니랩에 있는 사진 기기, 스캐너 또는 프린터,
- 예를 들어 사진 인쇄 미니랩에 있는 디지털 사진 기기 또는 프린터,
- 예를 들면 컴퓨터에서의 스캐너, 스크린 또는 프린터,
- 스크린 또는 프로젝터 및 사람의 눈,
- 하나의 기기와 에뮬레이션될 수 있기를 원하는 다른 기기,
- 사진 기기 및 스캐너,
- 화상 캡쳐 기기 및 화상 처리 소프트웨어,
- 화상 처리 소프트웨어 및 화상 복원 기기,
- 이상의 일례들의 조합,
- 다른 한 세트의 기기(P25).
결함
이제부터 특히 도 1을 참조하여, 결함(P5)의 개념에 대해 설명할 것이다. 기기(P25)의 결함(P5)은 기기(P25)에 일체화된 광학계 및/또는 센서 및/또는 전자 유닛 및/또는 소프트웨어의 특성에 관련된 결함으로서 정의되며, 결함(P5)의 일례로는 왜곡, 블러링, 비네팅(vignetting), 색수차, 색상의 렌더링, 플래쉬 균일성, 센서 잡음, 그레인, 비점 수차, 구면 수차가 있다.
화상
이제부터 도 1을 참조하여 화상(P2)의 개념에 대해 설명할 것이다. 화상(P2)은 기기(P25)에 의해 캡쳐, 변경 또는 복원된 디지털 화상으로서 정의된다. 화상(P2)은 기기 체인(P3)의 기기(P25)로부터 유도되는 것일 수 있다. 화상(P2)은 기기 체인(P3)의 기기(P25)로 보내지는 것일 수 있다. 보다 일반적으로는, 화상(P2)은 기기 체인(P3)으로부터 유도되거나, 기기 체인(P3)으로 보내질 수 있다. 비디오 화상 등의 정지 화상의 시간 시퀀스로 이루어진 동화상인 경우, 화상(P2)은 화상들의 시퀀스 중의 하나의 정지 화상으로서 정의된다.
포맷팅된 정보
이제부터 도 1을 참조하여 포맷팅된 정보(P4)의 개념에 대해 설명할 것이다. 포맷팅된 정보(P4)는 결함(P5)과 관련되거나 또는 기기 체인(P3)의 하나 이상의 기 기(P25)의 결함(P5)의 특징을 나타내어 화상 처리 수단(P1)이 기기(P25)의 결함(P5)을 고려함으로써 화상(P2)의 화질을 변경할 수 있게 해주는 데이터로서 정의된다. 포맷팅된 정보(P4)를 생성하기 위해, 측정, 및/또는 레퍼런스의 캡쳐 또는 복원, 및/또는 시뮬레이션에 기초한 여러가지 방법 및 시스템이 사용될 수 있다.
포맷팅된 정보(P4)를 생성하기 위해, 예를 들면 Vision IQ의 명의로 본 출원과 동일자로 출원된 것으로서 발명의 명칭이 "Method and system for producing formatted information related to the defects of appliances of an appliances chain and formatted information addressed to image-processing means(기기 체인의 기기 및 화상 처리 수단으로 보내지는 포맷팅된 정보의 결함에 관련된 포맷팅된 정보를 생성하는 방법 및 시스템)"인 국제 특허 출원에 기술된 방법 및 시스템을 사용할 수 있다. 이 출원은 기기 체인(P3)의 기기(P25)의 결함(P5)에 관련된 포맷팅된 정보(P4)를 생성하는 방법에 대해 기술하고 있다. 포맷팅된 정보(P4)는, 화상 처리 수단(P1)에 의해 처리되는 화상의 화질을 변경하는 뷰를 포함하는 화상 처리 수단(P1), 특히 소프트웨어에 보내진다. 기기 체인(P3)은 특히 적어도 하나의 화상 캡쳐 기기 및/또는 적어도 하나의 복원 기기 및/또는 관찰자로 이루어져 있다. 본 방법은 기기 체인(P3)의 기기(P25)의 결함을 특성화하는 데이터를 생성하는 단계를 포함한다. 이 데이터는 포맷팅된 정보(P4)이다.
포맷팅된 정보(P4)를 생성하기 위해, 예를 들면 Vision IQ의 명의로 본 출원과 동일자로 출원된 것으로서 발명의 명칭이 "Method and system for producing formatted information related to geometric distortions(기하학적 왜곡과 관련된 포맷팅된 정보를 생성하는 방법 및 시스템)"인 국제 특허 출원에 기술된 방법 및 시스템을 사용할 수 있다. 이 출원은 기기 체인(P3)의 기기(P25)에 관련된 포맷팅된 정보(P4)를 생성하는 방법에 대해 기술하고 있다. 기기 체인(P3)은 특히 적어도 하나의 화상 캡쳐 기기 및/또는 적어도 하나의 화상 복원 기기로 이루어져 있다. 본 방법은 체인의 적어도 하나의 기기(P25)의 기하학적 왜곡과 관련된 포맷팅된 정보(P4)를 생성하는 단계를 포함한다.
기기(P25)는 양호하게는 매체 상의 화상을 캡쳐 또는 복원할 수 있다. 기기(P25)는 적어도 하나의 고정된 특성 및/또는 화상에 따라 좌우되는 하나의 가변 특성을 가지고 있다. 고정된 특성 및/또는 가변 특성은 하나 이상의 특성값, 특히 초점 거리 및/또는 포커싱, 그리고 이들의 관련 특성의 값과 관련될 수 있다. 본 방법은 측정된 필드로부터 기기의 기하학적 왜곡에 관련된 측정한 포맷팅된 정보를 생성하는 단계를 포함한다. 포맷팅된 정보(P4)는 측정한 포맷팅된 정보를 포함할 수 있다.
포맷팅된 정보(P4)를 생성하기 위해, 예를 들어 Vision IQ의 명의로 본 출원과 동일자로 출원된 것으로서 발명의 명칭이 "Method and system for producing formatted information related to the defects of at least one appliance of a chain, especially to blurring(체인의 적어도 하나의 기기의 결함, 특히 블러링과 관련된 포맷팅된 정보를 생성하는 방법 및 시스템)"인 국제 특허 출원에 기술된 방법 및 시스템을 사용할 수 있다. 이 출원은 기기 체인(P3)의 기기(P25)와 관련된 포맷팅된 정보(P4)를 생성하는 방법에 대해 기술하고 있다. 기기 체인(P3)은 특히 적어도 하나의 화상 캡쳐 기기 및/또는 적어도 하나의 화상 복원 기기로 이루어져 있다. 본 방법은 체인의 적어도 하나의 기기(P25)의 결함(P5)에 관련된 포맷팅된 정보(P4)를 생성하는 단계를 포함한다. 양호하게는, 화상을 캡쳐 또는 복원하는 데 사용될 수 있는 기기(P25)는 적어도 하나의 고정 특성 및/또는 화상(I)에 따라 좌우되는 하나의 가변 특성을 갖는다. 고정 및/또는 가변 특성은 하나 이상의 특성값, 특히 초점 거리 및/또는 포커싱, 그리고 이들의 관련 특성값과 관련될 수 있다. 본 방법은 측정된 필드로부터의 기기(P25)이 결함(P5)에 관련된 측정한 포맷팅된 정보를 생성하는 단계를 포함한다. 포맷팅된 정보(P4)는 측정한 포맷팅된 정보를 포함할 수 있다.
포맷팅된 정보(P4)를 생성하기 위해, 예를 들면 Vision IQ의 명의로 본 출원과 동일자로 출원된 것으로서 발명의 명칭이 "Method and system for providing formatted information in a standard format to image-processing means(화상 처리 수단에 표준 포맷의 포맷팅된 정보를 제공하는 방법 및 시스템)"인 국제 특허 출원에 기술된 방법 및 시스템을 사용할 수 있다. 이 출원은 화상 처리 수단(P1), 특히 소프트웨어 및/또는 컴포넌트에 표준 포맷의 포맷팅된 정보(P4)를 제공하는 방법을 기술한다. 포맷팅된 정보(P4)는 기기 체인(P3)의 결함(P5)에 관련된다. 기기 체인(P3)은 특히 적어도 하나의 화상 캡쳐 기기 및/또는 하나의 화상 복원 기기를 포함한다. 화상 처리 수단(P1)은, 기기 체인(P3)으로부터 유도되거나, 기기 체인(P3)으로 보내지는 적어도 하나의 화상(P2)의 화질을 변경하기 위해서 포맷팅 된 정보(P4)를 사용한다. 포맷팅된 정보(P4)는 화상 캡쳐 기기의 결함(P5), 특히, 왜곡 특성을 특성화하는 데이터, 및/또는 화상 복원 기기의 결함, 특히 왜곡 특성을 특성화하는 데이터를 포함한다.
이 방법은 적어도 하나의 표준 포맷 필드에 포맷팅된 정보(P4)로 채워지는 단계를 포함한다. 이 필드는 필드명에 의해 지정된다. 필드는 적어도 하나의 필드값을 포함한다.
포맷팅된 정보(P4)를 검색하기 위해, 예를 들어 Vision IQ의 명의로 본 출원과 동일자로 출원된 것으로서 발명의 명칭이 "Method and system for modifying the quality of at least one image derived from or addressed to an appliance chain(기기 체인으로부터 유도되거나 그로 보내지는 적어도 하나의 화상의 화질을 변경하는 방법 및 시스템)"인 국제 특허 출원에 기술된 방법 및 시스템을 사용할 수 있다. 본 출원은 지정된 기기 체인으로부터 유도되거나 그로 보내지는 적어도 하나의 화상(P2)의 화질을 변경하기 위한 방법을 기술한다. 지정된 기기 체인은 적어도 하나의 화상 캡쳐 기기 및/또는 적어도 하나의 화상 복원 기기로 이루어져 있다. 별도의 경제 주체들에 의해 점차적으로 시장에 소개되고 있는 화상 캡쳐 기기 및/또는 화상 복원 기기는 불확정한 한 세트의 기기에 속한다. 이 한 세트의 기기 중의 기기(P25)는 포맷팅된 정보(P4)로 특징지워질 수 있는 결함(P5)을 나타낸다. 문제의 화상에 대해, 본 방법은 이하의 단계를 포함한다.
- 한 세트의 기기 중의 기기(P25)에 관련된 포맷팅된 정보의 소스의 디렉토리를 편집하는 단계,
- 이와 같이 편집된 포맷팅된 정보(P4) 중에서 지정된 기기 체인에 관련된 특정의 포맷팅된 정보를 자동적으로 검색하는 단계,
- 이와 같이 얻은 그 특정의 포맷팅된 정보를 고려하면서 화상 처리 소프트웨어 및/또는 화상 처리 컴포넌트에 의해 화상을 자동적으로 변경하는 단계.
포맷팅된 정보(P4)를 이용하기 위해, 예를 들어 Vision IQ의 명의로 본 출원과 동일자로 출원된 것으로서 발명의 명칭이 "Method and system for calculating a transformed image from a digital image and formatted information related to a geometric transformation(디지털 화상 및 기하학적 변환에 관련된 포맷팅된 정보로부터 변환된 화상을 계산하는 방법 및 시스템)"인 국제 특허 출원에 기술된 방법 및 시스템을 사용할 수 있다. 이 출원은 디지털 화상 및 기하학적 변환에 관련된 포맷팅된 정보(P4), 특히 기기 체인(P3)의 왜곡 및/또는 색수차와 관련된 포맷팅된 정보(P4)로부터 변환된 화상을 계산하는 방법에 대해 기술하고 있다. 본 방법은 기하학적 변환의 근사로부터 변환된 화상을 계산하는 단계를 포함한다. 그로부터 이 계산이 메모리 자원의 관점에서, 메모리 대역 통과에 있어서, 계산 능력에 있어서 따라서 전기 소모에 있어서 경제적이라는 결론이 얻어진다. 또한, 그로부터, 변환된 화상이 그의 차후의 사용에 관하여 어떤 가시적인 또는 불편을 주는 결함도 나타내지 않는다는 결론이 얻어진다.
포맷팅된 정보(P4)를 이용하기 위해, 예를 들면 Vision IQ의 명의로 본 출원과 동일자로 출원된 것으로 발명의 명칭이 "Method and system for modifying a digital image, taking into account its noise(디지털 화상을 그의 잡음을 고려하 여 변경하는 방법 및 시스템)"인 국제 특허 출원에 기술된 방법 및 시스템을 사용할 수 있다. 이 출원은 기기 체인(P3)의 결함(P5)에 관련된 디지털 화상 및 포맷팅된 정보(P4)로부터 변환된 화상을 계산하는 방법에 대해 기술하고 있다. 기기 체인(P3)은 화상 캡쳐 기기 및/또는 화상 복원 기기를 포함한다. 기기 체인(P3)은 적어도 하나의 기기(P25)를 포함한다. 본 방법은 포맷팅된 정보(P4) 및/또는 디지털 화상으로부터 특성 데이터를 자동적으로 결정하는 단계를 포함한다. 기술적 특징의 조합으로부터, 변환된 화상이 그의 차후의 사용에 관하여 어떤 가시적인 또는 불편을 주는 결함, 특히 잡음에 관련된 결함도 나타내지 않는다는 결론이 얻어진다.
화상 처리 수단
이제부터, 특히 도 1을 참조하여 화상 처리 수단(P1)의 개념에 대해 설명할 것이다. 본 발명의 의미 내에서, 화상 처리 수단(P1)은 변경된 화상을 생성하기 위해 포맷팅된 정보(P4)를 사용함으로써 화상(P2)의 화질을 변경할 수 있는, 예를 들어 소프트웨어 및/또는 컴포넌트 및/또는 장비 품목 및/또는 시스템으로서 정의된다. 변경된 화상은 기기(P25)와 다르거나 그렇지 않은 기기 체인(P3)의 제2 기기, 예를 들어 기기 체인(P3) 내의 그 다음 기기로 보내질 수 있다.
화상 처리 수단(P1)에 의한 화상 화질의 변경은 예를 들면 이하의 것들에 있을 수 있다.
- 화상(P2)에서 기기 체인(P3)의 하나 이상의 기기(P25)의 결함(P5)을 제한 또는 감쇠시키는 것, 및/또는
- 기기 체인(P3)의 하나 이상의 기기(P25)의 적어도 하나의 결함(P5)을 부가하기 위해 변경된 화상이 기기 또는 기기들(P25)에 의해 캡쳐된 화상과 비슷하도록 화상(P2)을 변경하는 것, 및/또는
- 기기 체인(P3)의 하나 이상의 기기(P25)의 적어도 하나의 결함(P5)을 부가하기 위해 변경된 화상의 복원이 기기 또는 기기들(P25)에 의해 복원된 화상과 비슷하도록 화상(P2)을 변경하는 것, 및/또는
- 기기 체인(P3)에 있는 사람의 눈(P25)의 시각 결함(P5)에 관련된 포맷팅된 정보(P4)를 고려함으로써 변경된 화상의 복원이 사람의 눈에 의해 결함(P5)의 전부 또는 일부에 대해 보정된 것으로 인식되도록 화상(P2)을 변경하는 것.
보정 알고리즘은 화상 처리 수단(P1)이 결함(P5)에 따라 화상 화질을 변경하기 위해 사용하는 방법으로서 정의된다.
화상 처리 수단(P1)은 응용 분야에 따라 여러가지 형태를 취할 수 있다.
화상 처리 수단(P1)은 이하의 일례들에서와 같이 전체적으로 또는 부분적으로 기기(P25)에 일체화될 수 있다.
- 화상 처리 수단(P1)이 일체화되어 있는 디지털 사진 기기 등의, 변경된 화상을 생성하는 화상 캡쳐 기기,
- 화상 처리 수단(P1)이 포함되어 있는 비디오 프로젝터 등의, 변경된 화상을 표시 또는 인쇄하는 화상 복원 기기,
- 화상 처리 수단(P1)이 포함되어 있는 스캐너/프린터/팩스기 등과 같은 엘리먼트들의 결함을 보정하는 복합 기기,
- 화상 처리 수단(P1)이 포함되어 있는 내시경 등의, 변경된 화상을 생성하는 전문가용 화상 캡쳐 기기.
화상 처리 수단(P1)이 기기(P25)에 일체화되어 있는 경우에, 기기(P25)는 실제로 그 자신의 결함(P5)을 보정하고, 기기 체인(P3)의 기기(P25)는 예를 들어 팩스기, 스캐너 및 프린터에서 설계에 의해 결정될 수 있으며, 그럼에도 불구하고 예를 들면 팩스기가 독립형 프린터로서도 사용될 수 있는 경우, 사용자는 기기 체인(P3)의 기기(P25)들 중 일부만을 사용할 수 있다.
화상 처리 수단(P1)은 이하의 방식으로 컴퓨터에 전체적으로 또는 부분적으로 일체화될 수 있다.
- Windows 또는 Mac OS 등의 운영 체제에서, 화상(P2) 및/또는 시간에 따라 변할 수 있는, 스캐너, 사진 기기 및 프린터가 그 일례인, 복수의 기기(P25)로부터 유도되거나 그로 보내지는 화상의 화질을 자동적으로 변경하기 위해, 자동 보정은 예를 들면 화상(P2)이 시스템에 입력될 때 또는 사용자가 인쇄를 요청될 때 행해질 수 있다.
- 포토샵™ 등의 화상 처리 애플리케이션에서, 화상 및/또는 시간에 따라 변할 수 있는, 스캐너, 사진 기기 및 프린터가 그 일례인, 복수의 기기(P25)로부터 유도되거나 그로 보내지는 화상의 화질을 자동적으로 변경하기 위해, 자동 보정은 예를 들어 사용자가 포토샵™ 내의 필터 명령을 활성화시킬 때 행해질 수 있다.
- (사진 마무리 또는 미니랩 등의) 사진 인쇄 기기에서, 화상 및/또는 시간에 따라 변할 수 있는, 일회용 카메라, 디지털 사진 기기 및 컴팩트 디스크가 그 일례인, 복수의 사진 기기로부터 나오는 화상의 화질을 자동적으로 변경하기 위해, 자동 보정은 일체화된 스캐너 및 프린터 뿐만 아니라 사진 기기를 고려에 넣을 수 있고 또 인쇄 작업이 개시되는 순간에 적용될 수 있다.
- 서버 상에서, 예를 들어 인터넷 상에서, 화상 및/또는 시간에 따라 변할 수 있는, 일회용 카메라 및 디지털 사진 기기가 그 일례인, 복수의 사진 기기로부터 나오는 화상의 화질을 자동적으로 변경하기 위해, 자동 보정은 예를 들면 프린터 뿐만 아니라 사진 기기를 고려에 넣을 수 있으며, 화상(P2)이 서버 상에 기록되는 순간에 또는 인쇄 작업이 개시되는 순간에 적용될 수 있다.
화상 처리 수단(P1)이 컴퓨터에 일체화되어 있는 경우, 화상 처리 수단(P1)은 실제적 목적을 위해 다수의 기기(P25)와 호환될 수 있고, 기기 체인(P3)의 적어도 하나의 기기(P25)는 화상(P2)마다 달라질 수 있다.
본 발명에 의해 해결되는 문제점의 설명
여러 경제 주체들(화상 캡쳐 기기의 제조자들, 소프트웨어 라이터의 제조자들, 복원 기기의 제조자들)은 위에서 언급된 화상 처리 수단(P1)의 다수에 관련된다.
또한, 다양한 경제 주체들(기기(P25)의 제조자, 특정 제3자, 화상 처리 수단(P1)의 사용자)은 상이한 기기(P25)에 관한 포맷팅된 정보(P4)를 생성할 수 있을 것이다.
또한, 특히 화상 처리 수단(P1)이 기기(P25) 내에 통합될 때 화상 처리 수단(P1)은 다양한 형태의 하드웨어에서 실행되는 소프트웨어 형태를 가질 것이다.
최종적으로, 포맷팅된 정보(P4)는 다음과 같은 다양한 방법으로 배포 및/또는 업데이트될 수 있다.
- 화상 처리 수단(P1)으로의 전달,
- (컴팩트 디스크 등의) 기기(P25)로의 전달,
- (화상 캡쳐) 기기(P25)에 의해 생성되는 화상(P2)으로서 파일로의 배포, 및
- 중앙 또는 분산 데이터베이스에 의한 배포.
다수의 경제 주체 및 모든 사용자들에 있어서, 화상 처리 수단(P1)을 모두가 동시에 업데이트하도록 강제하는 것은 가능하지 않으므로, 모든 사용자들이 동일 버전의 화상 처리 수단(P1)을 사용할 것이다.
한편, 시장에 출현할 미래의 기기들(P25)은 보다 복잡하거나 새로운 가변 특성에 따르는 결점(P5)을 가질 것이다. 이러한 경우에, 모든 사용자들이 화상 처리 수단(P1)을 업데이트하도록 요청받는다는 것은 상상할 수 없다.
최종적으로, 임의의 화상 처리 수단(P1)은 예를 들어, 새로운 결함(P5), 새로운 화상 포맷 또는 새로운 파라미터화 모델(P10)을 고려할 수 있다. 이는 구형 화상 처리 수단(P1)과 호환을 유지하면서 새로운 화상 처리 수단(P1)을 발전적으로 전개될 수 있도록 하는 것이 필수적일 것이다.
이는 포맷팅된 정보(P4)가 상이한 주체들 사이에서 교환될 수 있는 일반적인 포맷의 중요성과 다양한 소프트웨어 프로그램이 이러한 정보를 생성 또는 사용할 수 있게 한다는 것의 중요성을 설명한다. 화상 처리 수단(P1)의 업데이트 빈도를 감소시키기 위해, 특히 - 새로운, 예를 들어 보다 복잡한 기기(P25)가 시장에 출현할 때 새로운 화상 처리 수단(P1)을 배포하는 것을 방지하고, - 화상 처리 수단(P1) 내에 이전에 사용되지 않았던 프로세서 또는 컴포넌트를 포함하는 새로운 기기(P25)에 화상 처리 수단을 통합하도록 화상 처리 수단(P1)을 업그레이드 해야 하는 것을 방지하기 위해, 아직 상품화되지 않은 기기들(P25)의 결함(P5)을 기술하는 데에 필요한 유연성(flexibility)을 포함하는 것의 중요성을 설명한다.
화상 처리 수단(P1)의 업데이트의 빈도를 감소시키려는 목적으로, 본 발명은 포맷팅된 정보(P4)와 화상 처리 수단(P1) 사이의 호환성이 시간 경과 시에도 다음과 같은 방식으로 보장될 수 있는 메카니즘을 포함한다.
- 새롭고 보다 복잡한 기기(P25)에 관한 포맷팅된 정보(P4)를 생성하는 것이 가능한 방식, 즉 기기(P25)에 관한 포맷팅된 정보(P4)를 고려함으로써 기존의 화상 처리 수단(P1)이 화상(P2)의 화질을 변경할 수 있게 함,
- 화상 처리 수단(P1)의 2가지 업데이트들 사이의 시간이 이격될 수 있는 방식,
- 그 제품의 특성을 신속하게 변경하거나 고객들이 제품을 업데이트하도록 강제할 수 없는 경우에도 기기(P25) 및/또는 화상 처리 수단(P1)을 제조하는 다양한 경제 주체들이 다른 경제 주체에 독립적으로 그들의 제품을 업데이트할 수 있도록 하는 방식, 그리고
이미 배포된 화상 처리 수단(P1)과의 호환성을 유지하면서, 제한된 수의 경제 주체 및 파이오니어 유저로부터 새로운 기능이 시작됨으로써 점진적으로 사용될 수 있도록 하는 방식.
변수
도 2를 참조하여, 변수(P6)의 개념에 대해 설명할 것이다. 본 발명에 따르면, 변수 특성(P6)은 한 화상(P2)에서 기기(P25)에 의해 캡쳐, 변경 또는 복원된 다른 화상으로 변화하고, 기기(P25)에 의해 캡쳐, 변경 또는 복원된 화상의 결함(P5)에 영향을 주는 측정가능한 인자로서 정의되며, 이는 특히 다음과 같다.
- 주어진 화상(P2)에 대해 고정되며, 예를 들어 화상의 캡쳐 또는 복원시 기기(P25)의 특성인 전역 변수(global variable)(이 특성은 사용자의 조정 또는 기기(P25)의 자동 기능에 관련됨),
- 주어진 화상(P2) 내에서 변하며, 예를 들어 화상 내의 좌표들(x, y, 또는 ρ(로), θ(세타))인 지역 변수(local variable)(화상 처리 수단(P1)이 화상 영역 따라 달라지는 로컬 프로세싱을 적용토록 함).
한 기기(P25)로부터 다른 기기로는 변할 수 있지만 한 화상(P2)으로부터 기기(P25)에 의해 캡쳐, 변경 또는 복원된 다른 화상으로는 고정된 측정가능한 인자는 일반적으로 가변 특성(P6)으로 고려되지 않는다. 일 예는 고정 초점 거리를 갖는 기기(P25)를 위한 초점 거리이다.
포맷팅된 정보(P4)는 적어도 하나의 변수(P6)에 종속적일 수 있다.
변수(P6)는 특히 다음과 같이 이해될 수 있다.
- 광학계의 초점 거리,
- 화상에 적용되는 리디멘셔닝(redimensioning)(디지털 줌 인자: 화상의 일 부 확대; 및/또는 언더 샘플링: 화상의 화소 수를 감소시킴),
- 감마 보정과 같은 비선형 밝기 보정,
- 기기(P25)에 의해 적용되는 디블러링(deblurring) 레벨과 같은 컨투어(contour) 향상,
- 센서 및 전자 유닛의 잡음,
- 광학계의 구경,
- 필름의 프레임 수,
- 노출부족 또는 노출과다,
- 필름 또는 센서의 감도,
- 프린터에 사용되는 종이의 타입,
- 화상에서 센서의 중심 위치,
- 센서에 대한 화상의 회전,
- 화면에 대한 프로젝터의 위치,
- 사용되는 화이트밸런스,
- 플래쉬 및/또는 그 전원의 작동,
- 노출 시간,
- 센서 이득,
- 압축,
- 콘트래스트,
- 동작 모드와 같이 기기(P25)의 사용자에 의해 적용되는 다른 조정,
- 기기(P25)의 다른 자동 조정,
- 기기(P25)에 의해 수행되는 다른 측정.
변수 값
도 2를 참조하여, 변수 값(P26)의 개념이 설명될 것이다. 변수 값(P26)은 특정 화상의 캡쳐, 변경 또는 복원시에 변수 값(P6)으로서 정의된다.
변수와 식별자 사이의 대응, 대응 테이블, 변수 넘버, 필드, 필드값
도 2, 4, 및 5를 참조하여, 대응 관계(P7)의 개념, 변수 넘버(P14), 식별자(P8), 필드(P13) 및 필드 값(P28)에 대해 설명될 것이다. 포맷팅된 정보(P4)에 의해, 예를 들어, 대응 테이블(P11) 또는 테이블에 대한 링크를 포함함으로써, 변수(P6)의 일부와 식별자(P8) 사이에 대응 관계(P7)을 설정하는 것이 가능하다. 변수(P6)의 일부는 예를 들어 포맷팅된 정보(P4)가 특정한 정밀도로 화질을 변경하는 것을 가능하게 하는 방식으로 포맷팅된 정보(P4)의 생성시에 선택될 수 있다. 사실상, 임의의 변수들(P6)은 결함(P5)에 대해 다른 것보다 적은 영향을 주고, 따라서 일정한 근사(approximation)를 가함으로써 유도되는 에러가 최소화될 수 있으며, 예를 들어 포커싱 조정은 비네팅 결함(vignetting defect)에 작은 영향만을 미칠 것이고, 이러한 이유로 인해 식별자(P8)를 갖는 대응 관계(P7)에서의 변수들(P6)의 일부가 아닐 수 있다. 포맷팅된 정보(P4)는 식별자(P8)를 갖는 대응 관계(P7)에서의 변수(P6)의 일부의 넘버(P14)를 포함할 수 있다.
예를 들어, 식별자(P8)는 소스의 한 타입(Exif 포맷, Twain 포맷 등) 및 소스에 적응된 필드(P13)의 식별자(필드(P13) 넘버, 필드(P13) 명 등)를 포함할 수 있다.
따라서, 화상 처리 수단(P1)은 특히 상기 화상 처리 수단(P1)의 배포 후에만 상기 변수(P6)의 물리적인 의미 및/또는 내용이 알려지는 경우에, 식별자(P8)에 대응하는 변수 값(P26)을 결정할 수 있다.
Exif 포맷의 예에서와 같이, 소스가 명명된 필드들(P13)를 포함하는 경우에, 대응 관계(P7)는 화상 처리 수단(P1)이 화상 처리 수단(P1)의 배포 후에 정의된 필드 값(P28)을 판독할 수 있어, 변수 값(P26)을 결정할 수 있는 방식으로 필드(P13) 명을 사용함으로써 엔코딩될 수 있다.
이러한 방법에서, 화상 처리 수단(P1)의 2가지 업데이트들 사이의 시간이 이격될 수 있다. 제품의 특성을 변경하거나 고객이 그들이 제품들을 업데이트하도록 강제할 수 없어도, 기기들(P25) 및/또는 화상 처리 수단(P1)을 제조하는 다양한 경제 주체들은 다른 경제 주체들에 독립적으로 그들의 제품을 업데이트할 수 있다. 이는 새로운 기능이 한정된 수의 경제 주체들과 파이오니어 유저들로부터 시작하여 점진적으로 사용될 수 있는 방식일 수 있다. 특히, 예를 들어, 사진의 경우에, 다수의 경제 주체들 및 수많은 사용자들이 존재하므로, 모두를 동기시키는 것은 불가능하다.
예를 들어, 변수(P6)와 식별자(P8) 사이의 대응 관계(P7)는 각각의 변수(P6)에 대해 소스 타입, 및 소스 내의 필드(P13)의 식별자를 포함하는 대응 테이블(P11)의 형태를 취할 수 있다. 이러한 경우에, 예를 들어, 다음의 필드들(P13) 중 하나에 대한 소스 내의 탐색을 착수(launch)할 수 있다.
- 디지털 사진의 경우에, 화상(P2)을 포함하는 파일 내의 Exif 포맷의 필드(P13),
- 디지털 사진의 경우에, 화상(P2)을 포함하는 파일 내의 Exif 포맷의 MakerNote 필드 내의 서브필드(P13),
- 센서로부터 유도된 화상에 대한 화상의 회전 또는 화상 중심의 변위와 같은 데이터를 나타내도록 화상(P2)을 포함하는 파일 내의 전용 필드(P13) (proprietary field),
- Twain 포맷으로 스캐너 드라이버로부터 유도된 필드(P13),
- 프린터 드라이버로부터 유도된 필드(P13),
- XMP 포맷으로 데이터로부터 유도된 필드(P13),
- 화상(P2)에 적용된 줌 인자 또는 초점 거리와 같은 화상(P2) 그 자체로부터 계산된 필드(P13).
예로서, 기기(P25)에 관한 포맷팅된 정보(P4)에 대한 대응 테이블(P11)은 변수(P6)가 필드(P13) Exif #212에 대응하거나 변수(P6)가 Twain 데이터 #35에 대응하는 것을 나타낼 수 있다. 이는 디지털 사진 기기로부터 유도된 화상(P2)을 포함하는 파일의 헤더 내에서 필드(P13) Exif #212를 판독함으로써 주어진 화상(P2)에 대한 변수(P6)의 값을 발견하거나, 초점 거리 또는 온도에 관련되는지를 알지 못하면서도 스캐너의 Twain 드라이버로부터 Twain 데이터 #35의 값을 요청함으로써 변수(P6)의 값을 발견하는 것이 가능한 방식이다.
이러한 방식에서, 화상(P2)을 포함하는 파일이 필드(P13) Exif #212와 같은 데이터를 또한 포함한다면 화상 처리 수단(P1)의 배포 전에 존재하는 것을 포함하여 화상들(P2)의 화질을 변경하는 것이 가능하다. 필드 값(P28)을 얻기 위해, 처리 수단은 필드(P13)의 이름을 결정하고 화상(P2)을 포함하는 파일로부터 필드 값(P28)을 결정하여, 변수 값(P26)을 결정하도록 식별자(P8)를 사용한다.
예로서, 변수들(P6)의 일부는 화상(P2)에 적용되는 기하학적 변형(geometric deformation)(특히, 회전, 전환, 또는 센서에 관련한 디지털 줌)에 대응한다. 결과적으로, 결함(P5)은 일반적으로 센서 상의 위치를 따르므로, 센서와 보정 알고리즘의 어플리케이션 사이에서 화상에 적용되는 임의의 기하학적 변형은 특히 다음과 같은 경우에 상기 변수들(P6)의 상기 일부의 값이 고려되어야 한다.
- 기기(P25)에서, x1.5와 같이 사용자에 의해 적용된 줌 조정의 기능으로서, 디지털 줌이 광학계 및 센서의 표면의 일부만을 사용하고 화상(P2)의 화소 값을 보간(interpolating)하는 효과가 적용될 수 있다.
- 기기(P25)에서, 1280*1024 또는 1600*1200와 같이 사용자가 화상의 해상도를 선택함으로써 적용되는 조정의 기능으로서, 화상(P2)의 화소 값을 얻도록 보간이 수행된다.
- 기기(P25)에서, 1:1.33 또는 1:1.5와 같이 사용자가 생성된 화상의 형태를 선택함으로써 적용되는 조정의 기능으로서, 화상(P2)이 크롭(crop)된다.
- 보정 이전에, 회전 또는 리디멘져닝이 소프트웨어에 의해 적용될 수 있다.
- 또한, 화상 처리 수단은 화상(P2)의 크기를 변경, 예를 들어, 왜곡-보정 알고리즘이 직사각형 화상(P2)의 단부들을 변형하여 더이상 직사각형이 아니며, 그 본래의 크기 및 형태를 복원하도록 줌 인자를 적용하거나 화상의 단부들을 크롭할 수 있다.
따라서, 변수 값들(P26)을 얻기 위해, 예를 들어, 센서 및 광학계와 관련하여 화상에 적용되는 줌 인자를 알아내기 위해, 상기 처리 작업을 추적하여 정보의 다양한 항목을 결합하는 것이 필요하며, 이는 화상 처리 수단(P1)에서 결함(P5)의 보정을 위한 각각의 알고리즘 이전에 수행되어야 한다.
기기 체인(P3)의 경우에, 각각의 기기(P25)는 초점 거리와 같은 고유 변수들(P6)을 갖는다.
파라미터화 모델, 파라미터, 수학 함수
특히, 도 3 및 6을 참조하여, 파라미터들(P6)의 개념 및 파라미터화 모델(P10)이 설명될 것이다. 본 발명의 의미 내에서, 파라미터화 모델(10)은 변수들(P6)에 종속적일 수 있으며 하나 이상의 기기들(P25)의 하나 이상의 결함들(P5)에 관련(예를 들어, 수학적 모델은 다음과 관련될 수 있음)되는 수학적 모델로서 정의된다.
- 디지털 사진 기기의 블러링,
- 에뮬레이션(emulation)을 원하는 사진 기기의 비네팅,
- 프로젝터의 왜곡 및 색수차,
- 스캐너와 결합된 간단한 사진 기기의 블러링.
기기(P25)의 결함(P5)에 관련된 포맷팅된 정보(P4)는 변수들(P6)에 따라 파라미터화 모델(P10)의 파라미터(P9) 형태로 제공될 수 있다. 파라미터화 모델(P10)의 파라미터들(P9)에 의해, 다중 변수 다항식과 같은 한 세트의 수학 함수들에서 수학 함수(P16)를 식별하는 것이 가능하다. 수학 함수(P16)에 의해, 변수들(P6)의 특정 값들의 함수로서 화질을 변경하는 것이 가능하다.
이하, LA1 및 LA2는 시간에 따라 연속적으로 배포되는 화상 처리 수단(P1)으로서 정의될 것이며 포맷팅된 정보(P4)의 포맷의 연속적인 버전들을 사용한다.
화상 처리 수단(P1)의 각각의 버전은 포맷팅된 정보(P4)의 포맷 또는 파라미터화 모델(P10)업그레이드에 대응한다. 이하, IF1APi 및 IF2APi는 시간에 따라 연속적으로 배포되고 포맷팅된 정보(P4)의 포맷의 연속적인 버전을 사용하여 APi로서 정의된 기기(P25)에 관련된 포맷팅된 정보(P4)의 항목으로서 정의될 것이다.
이하, AP0는 LA1 전에 상업화된 기기(P25)로서 정의되고 AP3는 LA2 이후에 상업화된 기기(P25)로서 정의될 것이다. 변수들(P6)은 기기(P25)의 타입에 따라 변할 수 있는 물리적인 속성에 대응할 수 있다. 예를 들어, AP3는 온도에 따른 왜곡을 갖도록 제1 기기(P25)일 수 있으며, 따라서, LA2가 왜곡되기 전에 테스트되지 는 않았다.
파라미터화 모델에 대한 식별 엘리먼트
도 3을 참조하여, 파라미터화 모델들에 대한 식별 엘리먼트(P12)의 개념이 설명될 것이다. 화상 처리 수단(P1)의 배포 이전에 파라미터화 모델(P10)과 관련된 포맷팅된 정보(P4)의 단편을 식별하는 것이 가능한 방식, 포맷팅된 정보(P4)의 항목들 사이에 상위 호환성이 존재하는 방식, 및 포맷팅된 정보(P4)의 항목들 사이에 하위 호환성이 존재하는 방식으로, 포맷팅된 정보(P4)는 파라미터화 모델을 위 해 연속적으로 사용되는 파라미터 모델들(P29)에 관련된 식별 엘리먼트들(P12)을 포함한다.
이러한 호환성의 개념은 다음의 예들에 의해 설명될 수 있다.
- 상위 호환성의 예: LA2는 IF1AP0에 존재하는 모든 결함들(P5)을 보정하도록 IF1AP0를 사용할 수 있을 것이다.
- 하위 호환성의 예: 보다 최근에 출현한 결함들(P5)에 대해서는 아니지만 LA1에 의해 고려된 결함들(P5)은 보정하는 IF2AP3의 부분을 LA1이 사용할 수 있을 것이다.
특히, 포맷팅된 정보(P4)에 기기(P25)에 관련된 2개의 표현을 위치시키기 위해 파라미터화 모델들에 대한 식별 엘리먼트(P12)를 사용하는 것이 가능하다.
- 화질을 우수한 정밀도로 변경하는 것을 가능하게 하는 가장 최근의 처리 수단(P1)과만 호환되는 표현, 및
- 보다 낮은 정밀도라도 화질을 변경시키는 것이 가능한 구형 처리 수단(P1)과 호환되는 표현.
이러한 방법으로, 화상 처리 수단(P1)의 업데이트 빈도를 감소시키는 것이 가능하다.
다음의 예들은 파라미터화 모델들(P10)이 시간에 따라 변할 수 있는 이유들을 설명한다.
- 상기 처리 수단(P1)은 기존의 파라미터화 모델들(P10)에 의해 효과적으로 표현될 수 없는 새로운 결함(P5)을 고려하여 업데이트된다.
- 위험도를 감소시키는 다른 메카니즘이 존재한다해도, 보다 유연한 파라미터화 모델(P10)은 전형적인 기기(P25)의 기존 결함(P5)을 표현할 필요가 있다.
다음의 예들은 연속적으로 사용되는 파라미터화 모델들(P29) 사이에 위치하는 업그레이드들을 설명한다.
- 비디오 프로젝터의 왜곡 결함(P5)을 보정하기 위해, 화상 캡쳐 기기의 경우에 사용되는 자동 리프레이밍(reframing)이 비활성화되고 화상(P2)에 대응하는 구역 외부의 구역들은 검게 칠해져야 한다. 이러한 기능은 포맷팅된 정보(P4)로 파라미터(P9)를 가산하고 화상 처리 수단(P1) 내에 포함된 왜곡 보정 알고리즘을 업그레이드함으로써 사용될 수 있다. 예를 들어, LA2만이 이러한 보정 알고리즘에 통합될 것이며, 따라서 LA1은 비디오 프로젝터의 왜곡을 보정할 수 없을 것이다.
- 왜곡 보정 또는 결함(P5)의 가산 후에 자동 리프레이밍 조정과 같은 기능들이 추가되고,
- 컬러와 같은 새로운 결함(P5)이 추가된다
일반 파라미터화 모델, 엘리먼트 수학 함수, 엔코딩
도 6을 참조하면, 일반 파라미터화 모델(P17)의 개념이 설명될 것이다. 파라미터화 모델(P10)의 파라미터(P9)에 의해 식별되는 수학 함수(P16)는 예를 들어, 다음과 같은 수학적 형식으로 기록될 수 있다.
r1, r2, ..., rp = f(v1, v2, ..., vQ)
여기서, Q는 변수들(P14)의 넘버이고, v1 내지 vQ는 변수(P6)이며, f는 수학 함수(P16), r1 내지 rP는 수학 함수(P16)의 결과이다.
수학 함수(P16)는 또한 각각 다음과 같은 하나의 결과를 갖는 기초 수학 함수들의 시퀀스의 형태로 기록될 수 있다.
ri = fi(wi1; ...; wiS)
여기서, wi1 내지 wiS는 변수(P6)의 부분들이며, i는 1과 P 사이에서 변한다.
다음의 예는 파라미터 모델에서 기초 수학 함수에 관련된 파라미터(P9)의 엔코딩 타입들을 기술한다. 화질의 변경이 일정한 엔코딩에 대해서보다 약간 더 느리다해도, 포맷팅된 정보(P4)의 생성 시에 이용가능한 복수의 엔코딩 중에서 엔코딩을 선택하는 가능성은 화상 처리 수단(P1)의 변경없이 임의의 복잡성의 기기(P25)의 "각각의" 타입에 관련된 포맷팅된 정보(P4)를 생성하는 것을 가능하게 한다.
기초 수학 함수는 다음과 같은 포맷팅된 정보(P4)에서 다양한 방식으로 엔코딩될 수 있다.
- 다항식의 형태(예를 들어, 각각의 항에 대해 변수들(P6)의 계수들 및 급수를 갖는 변수들(P14)의 넘버),
- 측정 지점의 형태 (예를 들어, 복수의 지점에 대해, 임의의 변수들(P6)의 범위 값 및 다른 변수들(P6)의 기초 수학 함수),
- 특히, 가중치 합계로서 기초 수학 함수 형태의 조합,
- 정형적 표현 (예 : v1^v2+cos(v1)),
- 프로그램,
- 예를 들어, 자바 언어로 엔코딩되고 화상 처리 수단(P1)에 사용되는 프로세서에 독립적인 프로그램
예를 들어, 다음의 엔코딩들은 기초 수학 함수 f(x, y, t)를 엔코딩하거나 다음과 같이 간단한 함수들의 합계의 근사치를 엔코딩하는데 사용될 수 있다.
- 엔코딩 1: 파라미터(P9)는 특히 기초 수학 함수가 복수의 변수들(P6)을 포함하는 다항식인 경우에, f(x,y,t) = Σαi xpxiypyitpti, 예를 들어, ((5, 0, 1, 0), (9, 1, 1, 1), (3, 1, 1, 2))이 5y+9xyt+2xyt2를 엔코딩하는데 사용되는 방식으로 각각의 항의 각각의 변수(P6)의 급수 뿐만 아니라 다항식의 항의 계수인 리스트 αi, pxi, pyi, pti를 포함한다. 엔코딩은 또한 변수들의 넘버(P14)와 다항식을 포함한다.
- 엔코딩 2: 다항식의 항과 같은 다른 간단한 함수들이 사용될 수 있으며, 예는 웨이블릿 패킷(wavelet packet)이고, 몇몇의 파라미터들(P9)이 사용된 베이스를 기술할 수 있고, 나머지는 베이스에 따라 f(x, y, t)의 확장 계수를 기술할 수 있으며, 다른 것들은 변수들의 넘버(P14)를 기술할 수 있다.
임의의 복잡한 기기(P25)의 결함들(P25)에 관련된 포맷팅된 정보(P4)를 생성하는 것이 가능한 방식으로, 일반 파라미터화 모델(P17)이 파라미터화 모델(P10)로서 정의되어 상기 일반 파라미터화 모델(P17)의 파라미터들(P9)이 상기 변수들(P6)에 따라 임의의 수학 함수(P16)의 식별을 가능하게 한다. 이러한 경우에, 파라미터들(P9)은 예를 들어, 3개의 변수들(P6) x, y, t의 함수의 경우에 변수들의 넘버(P14)를 포함할 수 있다.
- 엔코딩 3: 2*t*x^2+cos(y*t)*5^x와 같은 문자열
- 엔코딩 4: 2와 5 사이에 있는 지점들 12 = f(2, 3, 1), 7 = f(5, 6, a)를 표현하는 ((2, 3, 1, 12), (5, 6, 2..5, 7), ...)과 같은 값들의 리스트 또는 값들의 범위 (이 경우에, 보간에 의해 리스트에 없는 다른 지점들의 값을 찾아내는 것이 가능하다. 몇몇의 파라미터들(P9)은 사용되는 보간 모델(선형, 스플라인 등)을 추가로 기술할 수 있다.)
- 엔코딩 5: 기초 수학 함수가 계산될 수 있는 자바와 같은 데이터 처리 언어의 명령들
- 엔코딩 6: 지점들 f(x, y, ti) = fi(x, y)를 표현하는 ti, fi(x, y)의 리스트 (여기서 fi는 어떠한 코딩에 따라서도 엔코딩될 수 있는 2개의 변수(P6)의 기초 수학 함수이다. 이 경우에, 리스트에 없는 t의 다른 값에 대한 다른 지점들의 값들을 보간에 의해 찾아내는 것이 가능하다. 몇몇의 파라미터(P9)는 사용되는 보간 모델을 추가로 기술할 수 있다. 다른 실시예에서, ti는 f(x, y, t) = fi(x, y)인 값들 t의 범위를 지정할 수 있다.)
- 엔코딩 7: f(x, y, t) = Σαi fi(x, y, t)를 표현하는 αi, fi(x, y, z)의 리스트 (여기서 fi는 어떠한 코딩에 따라서도 엔코딩될 수 있는 3개의 변수들(P6)의 기초 수학 함수이다.)
전술한 엔코딩들은 3개의 변수(P6)를 포함하는 함수의 예로 설명되었지만, 임의의 개수의 변수(P6)에도 적용될 수 있다.
기초 수학 함수가 임의의 변수(P6)에 따르지 않는 경우에, 상수로 제한되는 엔코딩 8로서 정의되는 다른 엔코딩이 사용될 수 있다.
포맷팅된 정보(P4)의 생성 시에 엔코딩을 선택하는 가능성에 의해, 복잡한 경우에도 임의의 형태의 기기(P25)의 결함(P5)이 기술될 수 있어, 화상 처리 수단(P1)의 업데이트 빈도를 감소시키는 것이 가능하게 된다.
엔코딩 4는 예를 들어, 왜곡과 관련된 수학적 필드와 같은 로 측정(raw measurement)을 포맷팅된 정보(P4)에서 표현하도록 사용될 수 있다. 이러한 정보는 측정 포맷팅 정보로서 정의될 수 있다. 다음에, 엔코딩 1, 2, 3, 5 및 6이 예를 들어, 보간에 의해 확장 포맷팅 정보로서 정의될 수 있는 포맷팅된 정보(P4)를 얻도록 계산될 수 있다. 최종적으로, 변수(P6)의 일부 값이 결정되면 엔코딩 7과 유사한 엔코딩이 엔코딩 6으로부터 계산될 수 있다.
구성 상수
파라미터화 모델(P10)은 일정한 기초 수학 함수들(fi)이 임의의 지역 변수에 따르지 않도록 될 수 있다. 임의의 지역 변수를 따르지 않는 이러한 기초 수학 함수들(fi)은 화상(P2)에 독립적인 구성 상수들(configuration constants)로서 정의된다. 화상에 독립적인 이러한 구성 상수들에 의해, 화상 처리 수단(P1)의 동작이 기기(P25)의 결함(P25)에 관련된 화질을 변경하도록 적응하는 것을 가능하게 한다.
그러므로, 수학 함수(P16)는 화상에 독립적인 한 세트의 구성 상수들 및 한 세트의 기초 수학 함수들로 확장될 수 있다.
화상(P2)에 독립적인 구성 상수들의 일부인 구성 상수들에 의해 다양한 방식 으로 화상 처리 수단(P1)이 구성될 수 있다. 그 값이 선택되는 순간 및 사용되는 순간에 따라 구성 상수들을 분류하는 것이 적절하다.
구성 상수들은 다음과 같은 순간에 사용될 수 있다.
- 포맷팅된 정보(P4)가 생성되는 순간(예를 들어, 정밀도 교정), 및
- 포맷팅된 정보(P4)가 화상 처리 수단에 의해 사용되는 순간(예를 들어, 결함(P5) 보정).
경우에 따라, 구성 상수들은 다음과 같은 다양한 형태를 가질 수 있다.
- 기기(P25)와 화상(P2)에 독립적인 변경불가능 상수들(예를 들어, 데이터 처리 코드),
- 기기(P25)와 화상(P2)에 독립적인 상수들을 포함하는 구성 파일(예를 들어, .ini 포맷),
- 기기(P25) 및 화상(P2)에 종속적인 변수 값들(P26),
- 화상(P2) 및 기기(P25)에 독립적인 구성 상수들과 기기(P25) 및 화상(P2)에 종속적인 기초 수학 함수들을 포함하는 포맷팅된 정보(P4), 및
- 화상 처리 수단(P1)의 사용자에 관련되며, 예를 들어 기기(P25) 및 화상(P2)에 독립적인 상수들을 포함하는 구성 파일.
구성 상수들은 다음과 같이 결정될 수 있다.
- 어플리케이션 소프트웨어가 생성되는 동안(코드 내의 상수, 또는 알고리즘의 엔코딩),
- 어플리케이션 소프트웨어가 클라이언트에 대해 구성되는 동안(예를 들어, 구성 파일),
- 포맷팅된 정보(P4)가 생성되는 동안(따라서, 정보는 i 화상에 독립적임),
- 화상 캡쳐 또는 화상 복원이 기기(P25)에 의해 발생하는 동안, 및
- 포맷팅된 정보(P4)가 화상 처리 수단(P1)에 의해 사용되는 동안.
화상 처리 수단(P1)의 업데이트 빈도를 감소시키기 위해, 변경불가능 상수 또는 구성 파일을 사용하는 대신에, 각각의 기기(P25)에 적응될 수 있는 포맷팅된 정보(P4) 내의 화상(P2)에 독립적인 구성 상수들을 사용하는 것이 선호된다.
요약하면,
- (왜곡에 대한 칼롯(calotte)들을 검출하는데 사용되는 임계치와 같은) 포맷팅된 정보(P4)를 생성하기 위한 알고리즘들의 구성 상수들은 포맷팅된 정보(P4) (예를 들어, .ini 파일을 통해)의 생성 시에 결정되어 사용된다.
- 예를 들어, 화상 처리 수단(P1)의 소프트웨어의 편집 시에 결정되고 보정 시에 사용되는 화상 처리 수단(P1)의 변경불가능 구성 상수들이 회피된다.
- (보정이 발생하는 순서, 사용되는 파라미터화 모델들(P10)의 타입(다항식 또는 자바), 잡음의 타입(아날로그 또는 디지털), 센서의 타입(CMOS 또는 CCD), 블러링 모델 (등방성 또는 이방성), 또는 왜곡 보정 후의 화상의 자동 리멘져링의 활성과 같은) 화상에 독립적인 구성 상수들이 포맷팅된 정보(P4)의 생성시에 결정되어 화상 처리 수단(P1)에 의해 사용된다. 이들은 포맷팅된 정보(P4) 내에 존재한다. 이들은 예를 들어, 동작 모드 및 기기(P25)에 종속적인 엔코딩 타입에 관한 것이다.
- 변수들(P6)과 식별자들(P8) 사이의 대응 관계(P7)가 포맷팅된 정보(P4)의 생성시에 결정되어 화상 처리 수단(P1)에 의해 사용된다. 이들은 포맷팅된 정보(P4) 내에 존재한다.
- (초점 거리와 같은) 변수 값들(P26)은 화상 캡쳐 또는 복원 시에 결정되어 화상 처리 수단(P1)에 의해 (예를 들어, Exif, Twain 등을 통해) 사용된다.
- 구성 상수들은 (암호 키 등과 같이) 클라이언트에 종속적이다. 이들은 화상 처리 수단(P1)의 전달 시에 결정되어 화상 처리 수단에 의해 사용된다. (예를 들어, 이들은 구성 파일 내에 포함된다.)
- (보정되는 결함(P5), 최종 화상의 크기와 같이) 사용자의 선택에 의해 남겨지는 상수들은 화상 처리 수단(P1)에 의해 결정되어 사용된다.
- i개의 화상 처리 수단(P1)의 변경할 수 없는 구성 상수들은 화상 처리 수단(P1)의 전달 이전에 결정되어 화상 처리 수단(P1)에 의해 사용된다.
파라미터화 모델 타입에 대한 식별 엘리먼트
-도 6을 참조하여, 파라미터화 모델에 대한 식별 엘리먼트들(P15)의 개념이 설명될 것이다. 파라미터화 모델(P10)의 파라미터들(P9)은 다음과 같은 형태로 제공될 수 있다.
- 변수들의 기초 수학 함수들의 엔코딩 형태로의 표현, 및
- 파라미터화 모델의 형태에 대한 식별 엘리먼트들(P15)(이들은 기초 수학 함수를 표현하는데 사용되는 엔코딩들로 구성됨).
일정한 기초 수학 함수들은 화상에 독립적인 구성 상수들에 대응할 수 있다.
화상 처리 수단(P1)의 배포 후에 상품화된 기기(P25)에 관련된 포맷팅 정보(P4)와 화상 처리 수단(P1)과의 우수한 호환성을 도입하여 화상 처리 수단(P1)의 업데이트 빈도를 감소시키는 것이 가능한 다른 실시예가 설명될 것이다.
보정 알고리즘들은 화상 및 기초 수학 함수에 독립적인 구성 상수만을 참조한다. 보정 알고리즘은 전역 변수들의 넘버 또는 특성을 알고 있지 않다.
보정 알고리즘은 전역 변수들의 값을 알고 있지 않다.
보정 알고리즘은 기초 수학 함수에 엔코딩이 사용된 것을 알고 있지 않다. 이들은 또한 그들이 선택한 지역 변수들의 값에 대한 함수 값의 값을 주로 계산할 수 있다. 전역 변수들의 값들은 대응 관계(P7)을 사용하여 이미 결정되었다.
보정 알고리즘은 기기 체인(P3)의 기기(P25)의 특성 또는 타입을 알지 못한다.
보정 알고리즘은 처리 작업이 화상에 이미 적용된 것을 알지 못하므로, 보정 알고리즘이 호출된 명령을 알지 못한다.
또한, 화상 처리 수단(P1)의 보정 알고리즘들은 화상 처리 수단(P1) 이후에 배포되는 기기(P25)의 결함(P5)에 관련된 포맷팅된 정보(P4)에 대해 다음과 같이 일반화될 수 있다.
- 매우 일반적이며 매우 컴팩트 하지 않은 포맷팅된 정보(P4)를 필요로 할 수 있는 슬로우 방식은 포맷팅된 정보(P4)에 코드에 대한 능력을 포함하며, 데이터 처리 프로그램(P18)은 변수 값(P26) 및 화상(P2)에 대한 액세스를 갖는다.
- 다른 방식은 포맷팅된 정보(P4)에 예를 들어, 자바로 코딩된 적어도 하나 의 일반 파라미터화 모델(P17)을 포함하는 능력을 포함한다.
- 또 다른 방식은 화상에 독립적인 구성 상수를 제공하여, 보다 느릴 수 있는 모드로의 전환을 가능하게 하며, 여기서 변경불가능 상수들은 화상에 독립적인 구성 상수들에 의해 대체된다.
- 또 다른 방식은 기초 수학 함수를 시스템적으로 사용하고 화상에 독립적이지 않은 임의의 구성 상수를 사용하지 않는다.
- 또 다른 방식은 지역 변수들 및 결함들(P5)의 여러 특성들이 커버될 수 있는 기초 수학 함수를 선택한다. 예를 들어, 블러링의 경우에, 모든 화상 구역에 대해 공통인 이방성 노드를 고정하기 위한 함수 f(x)를 선택하기 보다는 화상의 각 구역에 대한 이방성 노드를 고정하기 위한 함수 f(x, y, z)를 선택하는 것을 생각할 수 있다.
이러한 방식으로, 상기 포맷팅된 정보(P4)의 생성 시에 파라미터화 모델(P10)의 각각의 타입을 선택하는 것이 가능하다.
이러한 방식으로, 화질의 변경 시에, 포맷팅된 정보(P4)의 생성 동안에 사용되는 파라미터화 모델(P10)의 타입에 대해 상기 수학 함수(P16)를 계산하는 것이 가능하다.
다른 실시예는 예를 들어, 2가지 형태의 파라미터 모델들(P10)을 사용할 수 있으며, 이 중 하나는 다항식들을 이용한 엔코딩을 사용하고, 나머지는 정형적인 수학 표현을 통한 엔코딩을 사용한다.
포맷팅된 정보(P4)의 생성 시에 사용되는 모델 타입의 선택은 어플리케이션 의 함수로서 화상 처리 수단(P1), 계산 시간, 및 기기(P25)의 결함들(P5)을 모델링하는데 필요한 파라미터화 모델(P10)의 복잡성에 의해 생성되는 원하는 화질을 고려할 수 있다.
또한, 포맷팅된 정보(P4) 내에 포함된 데이터 처리 서브프로그램들을 호출하는 화상 처리 수단(P1)을 배포하는 것이 가능한 방식으로, 포맷팅된 정보(P4)는 데이터 처리 프로그램들(P18) 및/또는 데이터 처리 프로그램들에 대한 링크들(P19)을 포함하여, 특히 상기 처리 수단(P1)의 배포 후에 정의된 결함들(P5)을 처리함으로써 화질을 변경하는 것을 가능하게 한다.
예를 들어, 데이터 처리 프로그램(P18)은 화상(P2)의 결함(P5)을 보정할 수 있거나, 수학 함수(P16)의 계산과 같은 처리 연산의 일부만을 또한 수행할 수 있다. 이러한 경우에 이하와 같이 정의하는 것이 가능하다.
- 데이터 처리 프로그램(P18)으로서 파라미터화 모델(P10)을 정의,
- 상기 데이터 처리 프로그램(P18)의 명령으로서 파라미터(P9)를 정의.
데이터 처리 프로그램들에 대한 링크(P19)에 의해 특히 이하의 것이 이해될 수 있다.
- 원격 호출,
- 프로그램의 원격 로딩을 허용하는 어드레스.
예를 들어, 왜곡의 경우에, 보정 알고리즘은 지역 변수들, 즉 x 및 y가 아닌 변수들(P6)이 존재하는지를 알지 못하면서도 변경된 화상의 일 지점에 대응하는 화상 내의 일 지점의 좌표를 계산하는 것이 가능한 2개의 기초 수학 함수들, 즉 fx(x, y) 및 fy(x, y)를 참조할 수 있다.
또한, 보정 알고리즘은 예를 들어, 다음과 같은 화상에 독립적인 구성 상수들을 참조한다.
- (캡쳐 기기의 경우는 동작되지만 복원 기기의 경우에는 동작되지 않는) 변경된 직사각형 화상을 얻도록 하는 자동 리프레이밍의 활성화,
- 화상과 동일한 크기를 갖도록 변경된 화상의 리디멘셔닝의 활성화.
보정 알고리즘은 이미 고려된 초점 거리 또는 결함(P5)의 값이나 교정을 위해 사용되는 테스트 패턴의 크기를 알고 있는 임의의 수단을 보유하지 않는다.
예를 들어, 왜곡과 색수차 및 적색, 녹색, 청색(RGB)의 3색 평면들(P20)을 포함하는 화상(P2)의 경우에, 지역 변수들 x 및 y가 아닌 변수들(P6)이 존재하는지를 알지 못하면서도, 변경된 화상의 대응 컬러 평면(P20) 내의 지점에 대응하는 화상(P2)의 컬러 평면(P20) 내의 지점의 좌표들을 계산하는 것을 가능하게 하는, 6개의 기초 수학 함수들 fxR(x, y), fyR(x, y), fxG(x, y), fyG(x, y), fxB(x, y), fyB(x, y)를 참조할 수 있다.
또한, 보정 알고리즘은, 예를 들어 다음과 같이 화상에 독립적인 구성 상수들을 참조한다.
- (캡쳐 기기의 경우는 동작되지만 복원 기기의 경우에는 동작되지 않는) 변경된 직사각형 화상을 얻도록 하는 자동 리프레이밍의 활성화,
- 화상과 동일한 크기를 갖도록 변경된 화상의 리디멘져닝의 활성화.
보정 알고리즘은 이미 고려된 초점 거리 또는 결함들(P5)의 값이나 교정을 위해 사용되는 테스트 패턴의 크기를 알고있는 임의의 수단을 보유하지 않는다.
예를 들어, 비네팅의 경우에, 보정 알고리즘은 지역 변수들 d가 아닌 변수들(P6)이 존재하는지를 알지 못하면서도, 중심으로 정의된 지점에 대한 거리의 제곱의 함수로서 밝기에 적용되는 이득을 계산하는 것이 가능한 기초 수학 함수 f(d2)을 참조할 수 있다.
또한, 보정 알고리즘은 예를 들어, 중심 좌표들과 같이 화상에 독립적인 구성 상수들을 참조한다.
보정 알고리즘은 이미 고려된 초점 거리 또는 결함들(P5)의 값이나 교정을 위해 사용되는 테스트 패턴의 크기를 알고있는 임의의 수단을 보유하지 않는다.
예를 들어, 블러링의 경우에, 지역 변수들 x 및 y가 아닌 다른 변수들(P6)의 존재를 알지못하면서도, 2개의 축 X 및 Y에서 이방성인 노드를 위치 x, y의 화소 블럭에 대해 계산하는 것을 가능하게 하는 2개의 기초 수학 함수 fX(x, y), fY(x, y)를 각각의 컬러 평면(P20)에 대해 참조할 수 있다.
또한, 보정 알고리즘은 예를 들어, 사용되는 잡음 모델 (할로겐화은 또는 디지털 기술)과 같은 화상에 독립적인 구성 상수를 참조한다.
보정 알고리즘은 이미 고려된 초점 거리 또는 결함들(P5)의 값이나 교정을 위해 사용되는 테스트 패턴의 크기를 알고있는 임의의 수단을 보유하지 않는다.
양호하게는, 선택된 보정 알고리즘은 각각의 화소에 대해 기초 수학 함수들을 호출하는 것을 방지한다. 이는 복잡한 기기(P25)의 경우에 보다 일반적이고 느 린 엔코딩을 사용하는 것을 가능하게 한다. 예를 들어, 왜곡 및/또는 색수차의 경우에, 기초 수학 함수들은 어레이의 4개의 지점들 사이에서 어레이의 화소에 대해서만 사용될 수 있다. 예를 들어, 바이리니어 (bilinear)될 수 있는 보간을 사용하는 것이 가능하다. 비네팅의 경우에, 기초 수학 함수가 d2의 함수인 테이블을 계산하는데 사용될 수 있다. 블러링의 경우에, 수학 함수가 노드 또는 노드들을 계산하는데 사용될 수 있다.
컬러 화상, 컬러 평면, 특정 컬러, 특정 컬러에 관련된 데이터
도 7을 참조하여, 컬러 화상(P21), 컬러 평면(P20), 특정 컬러(P22), 및 특정 컬러에 관련된 데이터(P23)의 개념이 설명될 것이다. 상술된 다른 실시예는 화상(P2)이 컬러 화상(P21)인 경우에 적용가능하다. 컬러 화상(P21)은 평면의 수(1, 3 또는 그 이상), 정밀도(표시되지 않은 8비트, 표시된 16 비트, 플로팅 등) 및 (표준 컬러 공간과 관련한) 평면들의 의미 등과 같은 다양한 방식에 의해 컬러 평면들(P20)로 분해될 수 있다. 컬러 화상(P21)은 다양한 방식(적색, 녹색, 청색(RGB) 또는 밝기, 채도 등)으로 컬러 평면들(P20)로 분해될 수 있다. 한편, PIM과 같은 컬러 공간이 존재하거나, 포지티브 RGB로 표현될 수 없는 마이너스 컬러의 표현을 허용하기 위해 네거티브 화소 값들이 가능하다. 최종적으로, 8 비트 또는 16 비트나 플로팅 값을 사용하여 화소 값을 엔코딩하는 것이 가능하다. 포맷팅된 정보(P4)는 처리되는 상이한 결함들(P5)과 호환되는 컬러 평면들(P20)로 화상(P2)이 분해될 수 있는 데이터를 포함한다. 각각의 컬러 평면(P20)은 특정 컬러(P22) 에 의해 특징지워진다. 상기 포맷팅된 정보(P4)는 상기 특정 컬러에 관련된 데이터(P23)를 포함한다. 상기 화상 처리 수단(P1)의 왜곡 후에 정의된 특정한 컬러(P22)에 대해 상기 화상 처리 수단(P1)이 상기 컬러 평면(P20)을 계산할 수 있는 방식으로, 상기 화상 처리 수단(P1)의 왜곡 후에 정의된 특정 컬러(P22)에 대해 상기 화상 처리 수단(P1)이 특정한 처리 작업, 특히 블러링 레벨의 처리를 적용할 수 있는 방식으로, 화상 처리 수단(P1)의 업데이트 빈도를 감소시키는 것이 가능한 방식으로, 상기 특정된 컬러에 관련된 상기 데이터(P23)는 상기 컬러 평면(P20)의 품질을 변경하도록 적절하게 사용될 수 있는 상기 포맷팅된 정보(P4)의 단편을 결정하는 것을 추가로 가능하게 한다.
예로서, 현재 기기들(P25)의 블러링은 적색, 녹색 및 청색 컬러 평면들 (P20)을 사용함으로써 보정될 수 있다. 이 방법 및 시스템은 밝기 및 채도로의 분해가 더 잘 적용되는 기기(P25)의 블러링을 보정하는 것을 가능하게 한다.
PIM 표준과 호환되는 기기(P25)의 경우에, 예를 들어, x, y, z 공간 내의 8 비트 상에서 포지티브 컬러로 동작하거나 RGB 공간으로 표시된 16 비트 상에서 동작하는 것의 선택이 가능하다.
특정 검출에 관련된 데이터
도 8을 참조하여, 특정 결함에 관련된 데이터(P24)의 개념이 설명될 것이다. 포맷팅된 정보(P4)는 특정한 결함에 관련된 데이터(P24)로서 정의된 적어도 하나의 특정 결함(P5)에 관련된 데이터를 포함할 수 있다. 특정 결함에 관련된 데이터(P24)에 의해, 상기 특정 결함(P5)에 따라 화질을 변경하도록 적절하게 사용 될 수 있는 포맷팅된 정보(P4)의 단편을 결정하는 것이 가능하다. 실제로, 특정 결함에 관련된 데이터(P24)는 특정 결함(P5)을 보정할 수 있는 보정 알고리즘에 대한 식별자의 형태를 취할 것이다.
결함들(P5)에 관련된 포맷팅된 정보(P4)를 사용함으로써 화상 처리 수단(P1)이 화질을 변경할 수 있는 화상 처리 수단(P1)의 업데이트 빈도를 감소시키는 것이 가능하게 되는 방식으로, 상기 화상 처리 수단(P1)의 배포 후에 결함들(P5) 중 적어도 하나가 정의되었다.
예를 들어, IF2AP3은 왜곡, 비네팅, 및 블러링에 관련된 데이터를 포함한다. LA1은 블러링만을 보정할 수 있다. LA1은 IF2AP3를 사용함으로써 블러링을 보정할 수 있다. 이러한 경우의 노드 크기는 왜곡에 의해 적용되는 줌에 종속적이지 않아야 한다.
예를 들어, 화상 처리 수단(P1)의 버전이 왜곡은 처리하지만 블러링은 처리하지 않는다면, 그 버전은 왜곡과 관련된 포맷팅 정보(P4)를 추출하여 이 왜곡만을 처리할 수 있을 것이다.
복수의 결함(P5)을 처리할 수 있는 화상 처리 수단(P1)의 다른 장점은 후술되는 바와 같이 이벤트 순서와 관련된 제한 내에서 처리되는 결함들(P5)의 선택이 사용자에 남겨질 수 잇다는 것이다.
대체 실시예
하기 방법은 화상 처리 수단(P1)의 빈도를 감소시키는 것을 가능하게 한다.
- 화상 처리 수단(P1)이 보정 알고리즘을 실행하는 순서를 결정하는 것을 가 능하게 하는 정보를 포함하여, 각각의 기기(P25)에 최상으로 적용된 순서가 선택되도록 할 수 있다.
- 생성 또는 판독에 사용되는 프로세서 타입 (워드 내의 바이트 순서로 8, 16, 32, 64 비트)에 독립적일 수 있다.
- 포맷팅된 정보(P4)가 화상 내에 등록되는 경우에, 예를 들어, (필드 타입 및 필드명과 같은) 포맷팅된 정보(P4)의 배치를 가능하게 하도록, 인덱스가 코멘트 필드 내에 포함될 수 있다. 그 결과, 포맷팅된 정보(P4) (Exif 포맷 내의 필드, Tiff 포맷 내의 필드, XMP 포맷 내의 데이터, 코멘트 필드)의 저장을 위해 미래의 표준과 호환되는 화상 처리 수단(P1)을 배포하는 것이 가능하게 된다.
본 발명의 장점의 사용 예
화상(P2)의 화질을 변경하기 위해, 화상 처리 수단(P1)은 예를 들어, 다음 단계들 모두 또는 일부를 구현할 수 있다.
- 예를 들어, 화상(P2)을 포함하는 파일에서 또는 화상 로딩 수단으로부터 화상(P2)과 연관된 데이터를 분석함으로써 기기 체인(P3)의 기기들(P25) 또는 기기(P25)의 식별자들을 결정하는 단계,
- 예를 들어, 화상(P2)을 포함하는 파일에서 또는 데이터베이스에서, 기기들(P25)에 대해 상기 방법으로 얻어진 식별자들을 사용함으로써, 기기 체인(P3)의 기기들(P25) 모두 또는 일부의 결함들(P5)에 관련된 포맷팅 정보(P4)를 탐색하는 단계,
- 변수들(P6)과 식별자들(P8) 사이의 대응 관계(P7)를 설정하도록 포맷팅된 정보(P4)를 사용하는 단계,
- 식별자들(P8)을 사용, 예를 들어 화상(P2)을 포함하는 파일 내에 제공된 Exif 데이터를 사용함으로써, 초점 거리와 같이 결함들(P5)에 영항을 주는 변수들의 값들(P26)을 결정하는 단계,
- 복수의 기기(P25)의 포맷팅된 정보(P4)의 항목들을 결합하는 단계,
- 파라미터화 모델에 대해 식별 엘리먼트(P12)를 사용함으로써, 상기 화상 처리 수단(P1)과 호환되는 포맷팅된 정보(P4)의 일 부분을 선택하는 단계,
- 특정 결함과 관련된 데이터(P24)를 사용함으로써, 결함들(P5)의 일 부분에 관련된 포맷팅 정보(P4)를 선택하는 단계,
- 화상(P2)을 로딩하여 특정 컬러들(P22)에 따라 컬러 평면들(P20)로 분해하는 단계,
- 상기 방법으로 얻어진 포맷팅된 정보(P4)의 파라미터화 모델들(P16)의 파라미터들(P9)을 사용함으로써 수학 함수들(P16)을 식별하는 단계,
- 화상에 독립적인 구성 상수들을 결정하고 파라미터화 모델의 타입에 대한 식별 엘리먼트들(P15)로부터 그리고 수학 함수(P16)로부터 기초 수학 함수들 및 그 엔코딩을 결정하는 단계,
- 포맷팅된 정보(P4)로부터 보정 순서를 결정하는 단계, 및
- 상기 방식으로 결정된 순서의 보정 알고리즘, 화상에 독립적인 구성 상수들 및 기초 수학 함수들을 사용함으로써 변경된 화상을 얻도록 화상(P2)의 화질을 변경하는 단계(일반 대중을 위한 어플리케이션에서, 화질의 변경은 강력(robust)해 야 하며 이는 리스크 저하 화상(P2)보다 보정을 비활성화 또는 감쇠시키는 것이 더 좋은 것을 의미한다. 예를 들어, 다소 작은 블러링을 제거하지만 잡음을 저하시키지 않는 것이 좋다. 또한, 컬러는 약간 덜 따듯하지만 그럼에도 불구하고 자연적인 것이 좋다.)
다른 실시예에서, 포맷팅된 정보(P4)는 화상 처리 수단(P1)을 업데이트할 필요없이 화상 처리 수단(P1)의 배포 시에 알려지지 않은 복잡한 기기들(P25)에 대해 생성될 수 있다. 포맷팅된 정보(P4)의 예는 다음과 같이 주어진다.
기기(P25):
- 기기의 식별자
- 날짜와 같이 기기에 관련된 포맷팅된 정보의 버전
- 포맷팅된 정보(P4)의 타입(측정된 포맷팅 정보, 확장 포맷팅 정보 등).
파라미터화 모델에 대한 식별 엘리먼트(P12):
- 파라미터화 모델 2.0
- 파라미터화 모델 2.1
파라미터화 모델 2.0에 관련된 포맷팅 정보(P4)
- 화상의 로딩: 표시된 16 비트, 특정 컬러 P22 = RGB
- 대응 관계 P7: v1 = Exif #212 ; v2 = 줌 및 화상 크기의 함수인 테이블로부터 얻어진 크롭핑(cropping)
- 보정 순서: 왜곡, 블러링
- 왜곡 보정: c1 ; f3(v1, *, *) ; f5(v2, *) ; 8 비트 RGB 출력
- 블러링 보정: c2 ; f2(v1, *, *)
파라미터화 모델 2.1에 관련된 포맷팅된 정보(P4)
- ...
기초 수학 함수:
- f1: 3개의 변수들(P6), 엔코딩 1, 항: {(12.5;0;3;4); (199;1;1;1)}
- f2: 3개의 변수들(P6), 엔코딩 6, 항: {(12.2;f3); (45.4;f4)}
- ...
구성 상수:
- c1: 3; 2.5
비용 감소를 위한 본 발명의 적용
비용 감소는 기기(P25) 또는 기기 체인(P3)의 비용, 특히 기기 또는 기기 체인의 광학계 비용을 낮추기 위한 방법 및 시스템으로서 정의된다.
이 방법은,
- 렌즈 수를 감소시키는 단계, 및/또는
- 렌즈 형태를 간소화하는 단계, 및/또는
- 기기 또는 기기 체인에 대해 바람직한 것보다 큰 결함(P5)을 갖는 광학계를 설계하거나 또는 카탈로그로부터 광학계를 선택하는 단계, 및/또는
- 기기 또는 기기 체인에 대해 비용이 적게 들고 결함(P5)을 더하는 재료, 컴포넌트, 처리 작동 또는 제조 방법을 사용하는 단계를 포함한다.
본 발명에 따른 방법 및 시스템은 기기 또는 기기 체인의 비용을 낮추는데 사용될 수 있다. 즉, 화상 처리 수단을 갖는 기기 또는 기기 체인의 조합이 절감된 비용으로 원하는 화질의 화상을 캡쳐, 변경 또는 복원할 수 있는 방식으로, 기기 또는 기기 체인의 결함들(P5)에 관련된 포맷팅 정보를 생성하고, 통합 여부에 관계없이 화상 처리 수단(P1)을 인에이블시키는 포맷팅된 정보를 사용하며, 기기 또는 기기 체인으로부터 유도된 또는 이로 보내지는 화상(P2)의 화질을 변경하도록 광학계를 설계할 수 있다.

Claims (34)

  1. 화상 처리 수단(P1)의 업데이트 빈도를 감소시키기 위한 방법에 있어서,
    상기 화상 처리 수단(P1)은 기기 체인(P3; appliance chain)으로부터 유도된 또는 이로 보내진 디지털 화상들의 화질을 변경하는 것을 가능하게 하고, 상기 기기 체인(P3)은 적어도 하나의 화상 캡쳐 기기 및 적어도 하나의 화상 복원 기기 중 적어도 어느 하나를 포함하고, 상기 화상 처리 수단(P1)은 상기 기기 체인(P3)의 적어도 하나의 기기(P25)의 결함(P5)에 관련된 포맷팅된 정보(P4)를 사용하고, 상기 포맷팅된 정보(P4)는 적어도 하나의 변수(P6)에 종속되며, 상기 포맷팅된 정보(P4)는 상기 적어도 하나의 변수(P6)와 적어도 하나의 식별자(P8) 사이의 대응 관계(P7)를 설정하는 것을 가능하게 하고, 상기 적어도 하나의 식별자와 상기 화상(P2)을 고려함으로써 상기 적어도 하나의 식별자(P8)에 대응하는 상기 적어도 하나의 변수의 값(P26)을 상기 적어도 하나의 식별자(P8)에 의해 결정하는 것이 가능하게 되는 방법.
  2. 제1항에 있어서, 상기 포맷팅된 정보(P4)는 상기 적어도 하나의 변수(P6)에 종속적인 적어도 하나의 파라미터화 모델(parameterizable model)의 파라미터들(P9)을 포함하는 방법.
  3. 제1항 또는 제2항에 있어서, 상기 적어도 하나의 변수(P6)와 상기 적어도 하나의 식별자(P8) 사이의 상기 대응 관계(P7)는 대응 테이블(P11)에 의해 설정되는 방법.
  4. 제2항에 있어서, 상기 파라미터화 모델은 상기 화상 처리 수단(P1)의 연속적인 업데이트들을 반영하는 방식으로 변화하고, 상기 포맷팅된 정보(P4)는 연속적으로 사용되는 상기 파라미터화 모델에 대한 식별 엘리먼트(P12)를 더 포함하며,
    상기 화상 처리 수단(P1)의 어느 한 버전의 배포 이전에 존재한 파라미터화 모델에 관련된 포맷팅된 정보의 단편(fraction)을 식별하는 것이 가능한 방법.
  5. 제1항 또는 제2항에 있어서, 상기 적어도 하나의 식별자(P8)는 상기 화상 처리 수단(P1)의 배포 후에 물리적인 의미 및 내용(physical significance and content)이 정의된 필드(P13)를 지정하고, 상기 화상 처리 수단(P1)은 상기 화상 처리 수단(P1)의 배포 후에 물리적인 의미 및 값 중 적어도 어느 하나가 정의된 필드들의 값(P28)을 얻을 수 있게 하며,
    상기 화상 처리 수단(P1)은 상기 대응 관계(P7)를 사용함으로써 상기 적어도 하나의 식별자(P8)에 대응하는 상기 적어도 하나의 변수의 값(P26)을 결정하는 것을 가능하게 하는 방법.
  6. 제1항 또는 제2항에 있어서, 상기 적어도 하나의 식별자(P8)는 상기 화상 처리 수단(P1)의 배포 전에 물리적인 의미 및 내용(physical significance and content)이 정의된 적어도 하나의 필드(P13)를 지정하고, 상기 화상 처리 수단(P1)의 배포 전에 상기 화상들이 존재하고, 상기 화상 처리 수단(P1)은 상기 화상(P2)에 관련된 데이터로부터 상기 적어도 하나의 식별자(P8)에 의해 지정된 상기 필드(P13)의 값을 얻을 수 있게 하며,
    상기 화상 처리 수단(P1)은 상기 대응 관계(P7)를 사용함으로써 상기 적어도 하나의 식별자(P8)에 대응하는 상기 적어도 하나의 변수의 값(P26)을 결정하는 것을 가능하게 하고,
    상기 화상 처리 수단의 배포 전에 생성된 화상들의 화질을 상기 화상 처리 수단이 변경할 수 있는 방법.
  7. 제1항 또는 제2항에 있어서, 상기 포맷팅된 정보(P4)는 여러(several) 변수들에 종속되며 상기 변수들의 개수(number)(P14)를 더 포함하는 방법.
  8. 제2항에 있어서, 상기 포맷팅된 정보(P4)는 복수개의 타입의 파라미터화 모델들의 파라미터들을 포함할 수 있고, 파라미터화 모델 타입의 파라미터들은 파라미터화 모델의 타입에 대한 식별 엘리먼트(P15)에 의해 식별되고, 상기 포맷팅된 정보(P4)는 파라미터화 모델의 타입에 대한 상기 식별 엘리먼트(P15)를 더 포함하며,
    상기 포맷팅된 정보(P4)의 생성 시에 파라미터화 모델의 타입을 선택하는 것이 가능한 방법.
  9. 제2항에 있어서, 상기 방법은 상기 파라미터화 모델의 상기 파라미터들(P9)의 값들이 상기 적어도 하나의 변수(P6)의 수학 함수(P16)를 식별하는 것을 가능하게 하고, 이러한 방법으로 식별된 상기 수학 함수(P16)는 상기 적어도 하나의 변수(P6)의 특정 값들의 함수로서 상기 화상의 화질을 변경하는 것을 가능하게 하는 방법.
  10. 제8항에 있어서, 이하 일반 파라미터화 모델(P17)로 불리는 파라미터화 모델의 타입들 중 적어도 하나는 상기 일반 파라미터화 모델(P17)의 파라미터 값들이 상기 적어도 하나의 변수(P6)의 어떠한 수학 함수라도 식별하는 것을 가능하게 하며, 이러한 방법으로 식별된 상기 수학 함수(P16)는 상기 적어도 하나의 변수(P6)의 특정 값의 함수로서 상기 화상의 화질을 변경하는 것을 가능하게 하는 방법.
  11. 제1항 또는 제2항에 있어서, 상기 포맷팅된 정보(P4)는 데이터 처리 프로그램(P18) 및 데이터 처리 프로그램들에 대한 링크(P19) 중 적어도 어느 하나를 더 포함하는 방법.
  12. 제1항 또는 제2항에 있어서, 상기 방법은 컬러 화상(P21)의 적어도 하나의 컬러 평면(P20)의 화질이 변경될 수 있는 처리 수단의 업데이트 빈도를 감소시키도록 설계되고, 상기 컬러 평면(P20)은 특정 컬러(P22)에 의해 특징지워지며, 상기 포맷팅된 정보(P4)는 상기 특정 컬러에 관련된 데이터(P23)를 더 포함하며,
    상기 화상 처리 수단(P1)의 배포 후에 정의된 특정 컬러(P22)에 대한 컬러 평면(P20)을 상기 화상 처리 수단(P1)이 계산할 수 있는 방법.
  13. 제12항에 있어서, 상기 특정 컬러에 관련된 상기 데이터(P23)는 상기 컬러 평면의 화질을 변경하는데 사용될 수 있는 상기 포맷팅된 정보의 단편(P31)을 정의하는 것을 또한 가능하게 하며,
    상기 화상 처리 수단(P1)의 배포 후에 정의된 특정 컬러에 대한 특정 처리 작업을 상기 화상 처리 수단이 적용할 수 있는 방법.
  14. 제1항 또는 제2항에 있어서, 상기 방법은 복수의 결함에 따라 화질을 변경할 수 있는 처리 수단의 업데이트 빈도를 감소시키도록 설계되며, 상기 포맷팅된 정보(P4)는 적어도 하나의 특정 결함에 관련된 데이터(P24)를 더 포함하는 방법.
  15. 제14항에 있어서, 상기 특정 결함과 관련된 상기 데이터(P24)는 상기 특정 결함에 따라 화질을 변경하도록 사용될 수 있는 상기 포맷팅된 정보의 단편(P30)을 결정하는 것을 또한 가능하게 하며,
    결함들 - 상기 결함들 중 적어도 하나의 결함은 상기 처리 수단의 배포 후에 정의됨 - 과 관련된 포맷팅된 정보를 사용함으로써 상기 처리 수단이 화질을 변경할 수 있는 방법.
  16. 화상 처리 수단(P1)의 업데이트 빈도를 감소시키기 위한 시스템에 있어서,
    상기 화상 처리 수단(P1)은 기기 체인(P3)으로부터 유도된 또는 이로 보내진 디지털 화상들의 화질을 변경하는 것을 가능하게 하고, 상기 기기 체인(P3)은 적어도 하나의 화상 캡쳐 기기 및 적어도 하나의 화상 복원 기기 중 적어도 어느 하나를 포함하고, 상기 화상 처리 수단(P1)은 상기 기기 체인(P3)의 적어도 하나의 기기(P25)의 결함(P5)에 관련된 포맷팅된 정보(P4)를 사용하고, 상기 포맷팅된 정보(P4)는 적어도 하나의 변수(P6)에 종속되며, 상기 포맷팅된 정보(P4)는 상기 적어도 하나의 변수(P6)와 적어도 하나의 식별자(P8) 사이에 대응 관계(P7)를 설정하는 것을 가능하게 하고, 상기 적어도 하나의 식별자와 상기 화상(P2)을 고려함으로써 상기 적어도 하나의 식별자(P8)에 대응하는 상기 적어도 하나의 변수의 값(P26)을 상기 적어도 하나의 식별자(P8)에 의해 결정하는 것이 가능한 시스템.
  17. 제16항에 있어서, 상기 포맷팅된 정보(P4)는 상기 적어도 하나의 변수(P6)에 종속적인 적어도 하나의 파라미터화 모델(parameterizable model)의 파라미터들(P9)을 포함하는 시스템.
  18. 제16항 또는 제17항에 있어서, 상기 적어도 하나의 변수(P6)와 상기 적어도 하나의 식별자(P8) 사이의 상기 대응 관계(P7)는 대응 테이블(P11)에 의해 설정되는 시스템.
  19. 제17항에 있어서, 상기 파라미터화 모델은 상기 화상 처리 수단(P1)의 연속적인 업데이트들을 반영하는 방식으로 변화하고, 상기 포맷팅된 정보(P4)는 연속적으로 사용되는 상기 파라미터화 모델에 대한 식별 엘리먼트(P12)를 더 포함하는 시스템.
  20. 제16항 또는 제17항에 있어서, 상기 적어도 하나의 식별자(P8)는 상기 화상 처리 수단(P1)의 배포 후에 물리적인 의미 및 내용(physical significance and content)이 정의된 필드(P13)를 지정하고, 상기 화상 처리 수단(P1)의 배포 후에 상기 화상 처리 수단(P1)은 물리적인 의미 및 값 중 적어도 어느 하나가 정의된 필드들의 값(P28)을 얻을 수 있게 하는 시스템.
  21. 제16항 또는 제17항에 있어서, 상기 적어도 하나의 식별자(P8)는 상기 화상 처리 수단(P1)의 배포 전에 물리적인 의미 및 내용(physical significance and content)이 정의된 적어도 하나의 필드(P13)를 지정하고, 상기 화상 처리 수단(P1)의 배포 전에 상기 화상들이 존재하고, 상기 화상 처리 수단(P1)은 상기 화상(P2)에 관련된 데이터로부터 상기 적어도 하나의 식별자(P8)에 의해 지정된 상기 적어도 하나의 필드(P13)의 값을 얻을 수 있게 하는 시스템.
  22. 제16항 또는 제17항에 있어서, 상기 포맷팅된 정보(P4)는 여러(several) 변수들에 종속되며 상기 변수들의 개수(number)(P14)를 더 포함하는 시스템.
  23. 제17항에 있어서, 상기 포맷팅된 정보(P4)는 복수개의 타입의 파라미터화 모델들의 파라미터들을 포함할 수 있고, 파라미터화 모델 타입의 파라미터들은 파라미터화 모델의 타입에 대한 식별 엘리먼트(P15)에 의해 식별되고, 상기 포맷팅된 정보(P4)는 파라미터화 모델의 타입에 대한 상기 식별 엘리먼트 (P15)를 더 포함하는 시스템.
  24. 제17항에 있어서, 상기 시스템은 상기 파라미터화 모델의 상기 파라미터들(P9)의 값들이 상기 적어도 하나의 변수(P6)의 수학 함수(P16)를 식별하는 것을 가능하게 하고, 이러한 방법으로 식별된 상기 수학 함수(P16)는 상기 적어도 하나의 변수(P6)의 특정 값의 함수로서 상기 화상의 화질을 변경하는 것을 가능하게 하는 시스템.
  25. 제23항에 있어서, 이하 일반 파라미터화 모델(P17)로 불리는 파라미터화 모델의 타입들 중 적어도 하나는 상기 일반 파라미터화 모델(P17)의 파라미터 값들이 상기 적어도 하나의 변수(P6)의 어떠한 수학 함수라도 식별하는 것을 가능하게 하며, 이러한 방법으로 식별된 상기 수학 함수(P16)는 상기 적어도 하나의 변수(P6)의 특정 값들의 함수로서 상기 화상의 화질을 변경하는 것을 가능하게 하는 시스템.
  26. 제16항 또는 제17항에 있어서, 상기 포맷팅된 정보(P4)는 데이터 처리 프로그램(P18) 및 데이터 처리 프로그램들에 대한 링크(P19) 중 적어도 어느 하나를 더 포함하는 시스템.
  27. 제16항 또는 제17항에 있어서, 상기 시스템은 컬러 화상(P21)의 적어도 하나의 컬러 평면(P20)의 화질이 변경될 수 있는 처리 수단의 업데이트 빈도를 감소시키도록 설계되고, 상기 컬러 평면(P20)은 특정 컬러(P22)에 의해 특징지워지며, 상기 포맷팅된 정보(P4)는 상기 특정 컬러에 관련된 데이터(P23)를 더 포함하는 시스템.
  28. 제27항에 있어서, 상기 특정 컬러에 관련된 상기 데이터(P23)는 상기 컬러 평면의 화질을 변경하는데 사용될 수 있는 상기 포맷팅된 정보의 단편(P31)을 정의하는 것을 또한 가능하게 하는 시스템.
  29. 제16항 또는 제17항에 있어서, 상기 시스템은 복수의 결함에 따라 화질을 변경할 수 있는 처리 수단의 업데이트 빈도를 감소시키도록 설계되며, 상기 포맷팅된 정보(P4)는 적어도 하나의 특정 결함에 관련된 데이터(P24)를 더 포함하는 시스템.
  30. 제29항에 있어서, 상기 특정 결함과 관련된 상기 데이터(P24)는 상기 특정 결함에 따라 화질을 변경하도록 사용될 수 있는 상기 포맷팅된 정보의 단편(P30)을 결정하는 것을 가능하게 하는 시스템.
  31. 제1항, 제2항, 제4항, 제8항, 제9항, 제10항 중의 어느 한 항에 있어서, 상기 결함은 상기 적어도 하나의 기기에 일체화된 광학계, 센서, 전자 유닛, 소프트웨어 중 적어도 하나의 특성에 관련되는 방법.
  32. 제1항, 제2항, 제4항, 제8항, 제9항, 제10항 중의 어느 한 항에 있어서, 상기 결함은 왜곡, 블러링, 비네팅(vignetting), 색수차, 색상의 렌더링, 플래쉬 균일성, 센서 잡음, 그레인, 비점 수차, 구면 수차 중 적어도 하나를 포함하는 방법.
  33. 제16항, 제17항, 제19항, 제23항, 제24항, 제25항 중의 어느 한 항에 있어서, 상기 결함은 상기 적어도 하나의 기기에 일체화된 광학계, 센서, 전자 유닛, 소프트웨어 중 적어도 하나의 특성에 관련되는 시스템.
  34. 제16항, 제17항, 제19항, 제23항, 제24항, 제25항 중의 어느 한 항에 있어서, 상기 결함은 왜곡, 블러링, 비네팅(vignetting), 색수차, 색상의 렌더링, 플래쉬 균일성, 센서 잡음, 그레인, 비점 수차, 구면 수차 중 적어도 하나를 포함하는 시스템.
KR1020047000413A 2001-07-12 2002-06-05 화상 처리 수단의 업데이트 빈도를 감소시키기 위한 방법및 시스템 KR100957878B1 (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
FR0109291A FR2827459B1 (fr) 2001-07-12 2001-07-12 Procede et systeme pour fournir a des logiciels de traitement d'image des informations formatees liees aux caracteristiques des appareils de capture d'image et/ou des moyens de restitution d'image
FR01/09292 2001-07-12
FR0109292A FR2827460B1 (fr) 2001-07-12 2001-07-12 Procede et systeme pour fournir, selon un format standard, a des logiciels de traitement d'images des informations liees aux caracteristiques des appareils de capture d'image et/ou des moyens de resti
FR01/09291 2001-07-12
PCT/FR2002/001910 WO2003007236A2 (fr) 2001-07-12 2002-06-05 Procede et systeme pour produire la frequence des mises a jour de moyens

Publications (2)

Publication Number Publication Date
KR20040043154A KR20040043154A (ko) 2004-05-22
KR100957878B1 true KR100957878B1 (ko) 2010-05-13

Family

ID=26213095

Family Applications (4)

Application Number Title Priority Date Filing Date
KR1020047000412A KR100879832B1 (ko) 2001-07-12 2002-06-05 영상 처리 수단에 포맷화된 데이터를 표준 포맷에 따라제공하는 방법 및 시스템
KR1020047000413A KR100957878B1 (ko) 2001-07-12 2002-06-05 화상 처리 수단의 업데이트 빈도를 감소시키기 위한 방법및 시스템
KR1020047000414A KR100940147B1 (ko) 2001-07-12 2002-06-05 화질 변경 방법 및 시스템
KR1020047000417A KR100940148B1 (ko) 2001-07-12 2002-06-05 디지털 영상을 그 잡음을 고려하여 수정하기 위한 방법 및시스템

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020047000412A KR100879832B1 (ko) 2001-07-12 2002-06-05 영상 처리 수단에 포맷화된 데이터를 표준 포맷에 따라제공하는 방법 및 시스템

Family Applications After (2)

Application Number Title Priority Date Filing Date
KR1020047000414A KR100940147B1 (ko) 2001-07-12 2002-06-05 화질 변경 방법 및 시스템
KR1020047000417A KR100940148B1 (ko) 2001-07-12 2002-06-05 디지털 영상을 그 잡음을 고려하여 수정하기 위한 방법 및시스템

Country Status (11)

Country Link
US (10) US7346221B2 (ko)
EP (7) EP2015247B1 (ko)
JP (6) JP4367757B2 (ko)
KR (4) KR100879832B1 (ko)
CN (6) CN1305006C (ko)
AT (4) ATE310284T1 (ko)
AU (3) AU2002317219A1 (ko)
CA (1) CA2453423C (ko)
DE (4) DE60234207D1 (ko)
ES (2) ES2253542T3 (ko)
WO (6) WO2003007243A2 (ko)

Families Citing this family (212)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6950211B2 (en) * 2001-07-05 2005-09-27 Corel Corporation Fine moire correction in images
ATE310284T1 (de) * 2001-07-12 2005-12-15 Do Labs Verfahren und vorrichtung zur erzeugung formatierter information, die mit den fehlern zumindest eines geräts einer kette verbunden ist, insbesondere der bildschärfeverzerrung
EP1394742B1 (en) * 2002-08-23 2007-12-12 STMicroelectronics S.r.l. Method for filtering the noise of a digital image sequence
US7773316B2 (en) * 2003-01-16 2010-08-10 Tessera International, Inc. Optics for an extended depth of field
KR20050107741A (ko) 2003-01-16 2005-11-15 디-블러 테크놀로지즈 리미티드 이미지 인해스먼트 기능을 가진 카메라
US8294999B2 (en) 2003-01-16 2012-10-23 DigitalOptics Corporation International Optics for an extended depth of field
US7609425B2 (en) * 2003-01-31 2009-10-27 Canon Kabushiki Kaisha Image data processing apparatus, method, storage medium and program
US8471852B1 (en) 2003-05-30 2013-06-25 Nvidia Corporation Method and system for tessellation of subdivision surfaces
JP4096828B2 (ja) * 2003-07-15 2008-06-04 セイコーエプソン株式会社 画像処理装置
US7369699B1 (en) * 2003-08-29 2008-05-06 Apple Inc. Methods and apparatuses for restoring color and enhancing electronic images
GB2406992A (en) * 2003-10-09 2005-04-13 Ta Vision Lab Ltd Deconvolution of a digital image using metadata
US7944467B2 (en) * 2003-12-01 2011-05-17 Omnivision Technologies, Inc. Task-based imaging systems
WO2005054927A2 (en) 2003-12-01 2005-06-16 Cdm Optics, Inc. System and method for optimizing optical and digital system designs
US7317843B2 (en) * 2004-04-01 2008-01-08 Microsoft Corporation Luminance correction
US7463296B2 (en) 2004-04-01 2008-12-09 Microsoft Corporation Digital cameras with luminance correction
US8285041B2 (en) * 2004-09-14 2012-10-09 Olympus Corporation Image processing apparatus, image recording apparatus, and image processing method
US7461331B2 (en) * 2004-12-21 2008-12-02 Fotomedia Technologies, Llc Automated construction of print order for images capture during a session
EP1679907A1 (en) * 2005-01-05 2006-07-12 Dialog Semiconductor GmbH Hexagonal color pixel structure with white pixels
FR2881011B1 (fr) 2005-01-19 2007-06-29 Dxo Labs Sa Procede de realisation d'un appareil de capture et/ou restitution d'images et appareil obtenu par ce procede
US7683950B2 (en) * 2005-04-26 2010-03-23 Eastman Kodak Company Method and apparatus for correcting a channel dependent color aberration in a digital image
US20060274209A1 (en) * 2005-06-03 2006-12-07 Coretronic Corporation Method and a control device using the same for controlling a display device
US20090151004A1 (en) * 2005-07-01 2009-06-11 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Media markup for visual content alteration
US9065979B2 (en) * 2005-07-01 2015-06-23 The Invention Science Fund I, Llc Promotional placement in media works
US9092928B2 (en) * 2005-07-01 2015-07-28 The Invention Science Fund I, Llc Implementing group content substitution in media works
US20090150444A1 (en) * 2005-07-01 2009-06-11 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Media markup for audio content alteration
US20090037243A1 (en) * 2005-07-01 2009-02-05 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Audio substitution options in media works
US20090210946A1 (en) * 2005-07-01 2009-08-20 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Media markup for promotional audio content
US20090235364A1 (en) * 2005-07-01 2009-09-17 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Media markup for promotional content alteration
US20090204475A1 (en) * 2005-07-01 2009-08-13 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Media markup for promotional visual content
US20070005651A1 (en) * 2005-07-01 2007-01-04 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Restoring modified assets
US20070294720A1 (en) * 2005-07-01 2007-12-20 Searete Llc Promotional placement in media works
US9583141B2 (en) * 2005-07-01 2017-02-28 Invention Science Fund I, Llc Implementing audio substitution options in media works
US20090300480A1 (en) * 2005-07-01 2009-12-03 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Media segment alteration with embedded markup identifier
US20100154065A1 (en) * 2005-07-01 2010-06-17 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Media markup for user-activated content alteration
US20070276757A1 (en) * 2005-07-01 2007-11-29 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Approval technique for media content alteration
US20090150199A1 (en) * 2005-07-01 2009-06-11 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Visual substitution options in media works
US9230601B2 (en) 2005-07-01 2016-01-05 Invention Science Fund I, Llc Media markup system for content alteration in derivative works
US20080013859A1 (en) * 2005-07-01 2008-01-17 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Implementation of media content alteration
US20070263865A1 (en) * 2005-07-01 2007-11-15 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Authorization rights for substitute media content
US20080052104A1 (en) * 2005-07-01 2008-02-28 Searete Llc Group content substitution in media works
US20070005422A1 (en) * 2005-07-01 2007-01-04 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Techniques for image generation
US20080052161A1 (en) * 2005-07-01 2008-02-28 Searete Llc Alteration of promotional content in media works
US9426387B2 (en) 2005-07-01 2016-08-23 Invention Science Fund I, Llc Image anonymization
US20080086380A1 (en) * 2005-07-01 2008-04-10 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Alteration of promotional content in media works
US20070266049A1 (en) * 2005-07-01 2007-11-15 Searete Llc, A Limited Liability Corportion Of The State Of Delaware Implementation of media content alteration
US20080028422A1 (en) * 2005-07-01 2008-01-31 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Implementation of media content alteration
US8203609B2 (en) * 2007-01-31 2012-06-19 The Invention Science Fund I, Llc Anonymization pursuant to a broadcasted policy
US8910033B2 (en) * 2005-07-01 2014-12-09 The Invention Science Fund I, Llc Implementing group content substitution in media works
CN101288013B (zh) * 2005-09-19 2010-12-08 Cdm光学有限公司 基于任务的成像系统
JP2007096405A (ja) * 2005-09-27 2007-04-12 Fujifilm Corp ぶれ方向判定方法および装置ならびにプログラム
US8571346B2 (en) 2005-10-26 2013-10-29 Nvidia Corporation Methods and devices for defective pixel detection
US7750956B2 (en) 2005-11-09 2010-07-06 Nvidia Corporation Using a graphics processing unit to correct video and audio data
US8588542B1 (en) 2005-12-13 2013-11-19 Nvidia Corporation Configurable and compact pixel processing apparatus
FR2895102B1 (fr) * 2005-12-19 2012-12-07 Dxo Labs Procede pour traiter un objet dans une plateforme a processeur(s) et memoire(s) et plateforme utilisant le procede
FR2895104A1 (fr) * 2005-12-19 2007-06-22 Dxo Labs Sa Procede pour fournir des donnees a un moyen de traitement numerique
FR2895103B1 (fr) * 2005-12-19 2008-02-22 Dxo Labs Sa Procede et systeme de traitement de donnees numeriques
US20070165961A1 (en) * 2006-01-13 2007-07-19 Juwei Lu Method And Apparatus For Reducing Motion Blur In An Image
US8295562B2 (en) * 2006-01-13 2012-10-23 Carl Zeiss Microimaging Ais, Inc. Medical image modification to simulate characteristics
US8737832B1 (en) 2006-02-10 2014-05-27 Nvidia Corporation Flicker band automated detection system and method
US8368749B2 (en) * 2006-03-27 2013-02-05 Ge Inspection Technologies Lp Article inspection apparatus
US20070239417A1 (en) * 2006-03-31 2007-10-11 D-Blur Technologies Ltd. Camera performance simulation
US20070269123A1 (en) * 2006-05-16 2007-11-22 Randall Don Briggs Method and apparatus for performing image enhancement in an image processing pipeline
JP4974586B2 (ja) * 2006-05-24 2012-07-11 オリンパス株式会社 顕微鏡用撮像装置
US7612805B2 (en) 2006-07-11 2009-11-03 Neal Solomon Digital imaging system and methods for selective image filtration
JP4839148B2 (ja) * 2006-07-12 2011-12-21 株式会社リコー ネットワーク装置，端末装置，プログラムおよび記録媒体
US8594441B1 (en) 2006-09-12 2013-11-26 Nvidia Corporation Compressing image-based data using luminance
DE102006057190A1 (de) * 2006-12-05 2008-06-12 Carl Zeiss Meditec Ag Verfahren zur Erzeugung hochqualitativer Aufnahmen der vorderen und/oder hinteren Augenabschnitte
US20080180539A1 (en) * 2007-01-31 2008-07-31 Searete Llc, A Limited Liability Corporation Image anonymization
US8723969B2 (en) 2007-03-20 2014-05-13 Nvidia Corporation Compensating for undesirable camera shakes during video capture
US20080244755A1 (en) * 2007-03-30 2008-10-02 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Authorization for media content alteration
US20080270161A1 (en) * 2007-04-26 2008-10-30 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Authorization rights for substitute media content
US9215512B2 (en) 2007-04-27 2015-12-15 Invention Science Fund I, Llc Implementation of media content alteration
US7936915B2 (en) * 2007-05-29 2011-05-03 Microsoft Corporation Focal length estimation for panoramic stitching
US8634103B2 (en) * 2007-06-12 2014-01-21 Qualcomm Incorporated Print image matching parameter extraction and rendering on display devices
US8724895B2 (en) 2007-07-23 2014-05-13 Nvidia Corporation Techniques for reducing color artifacts in digital images
US8570634B2 (en) 2007-10-11 2013-10-29 Nvidia Corporation Image processing of an incoming light field using a spatial light modulator
US8780128B2 (en) 2007-12-17 2014-07-15 Nvidia Corporation Contiguously packed data
US9177368B2 (en) 2007-12-17 2015-11-03 Nvidia Corporation Image distortion correction
US8698908B2 (en) 2008-02-11 2014-04-15 Nvidia Corporation Efficient method for reducing noise and blur in a composite still image from a rolling shutter camera
US9379156B2 (en) * 2008-04-10 2016-06-28 Nvidia Corporation Per-channel image intensity correction
US8280194B2 (en) * 2008-04-29 2012-10-02 Sony Corporation Reduced hardware implementation for a two-picture depth map algorithm
US8553093B2 (en) 2008-09-30 2013-10-08 Sony Corporation Method and apparatus for super-resolution imaging using digital imaging devices
US8194995B2 (en) * 2008-09-30 2012-06-05 Sony Corporation Fast camera auto-focus
US8373718B2 (en) 2008-12-10 2013-02-12 Nvidia Corporation Method and system for color enhancement with color volume adjustment and variable shift along luminance axis
US8290260B2 (en) * 2008-12-15 2012-10-16 Xerox Corporation Method and system for creating integrated remote custom rendering profile
US20100198876A1 (en) 2009-02-02 2010-08-05 Honeywell International, Inc. Apparatus and method of embedding meta-data in a captured image
DE102009002393A1 (de) * 2009-04-15 2010-11-04 Arnold & Richter Cine Technik Gmbh & Co. Betriebs Kg Verfahren und Vorrichtung zur Bearbeitung von Aufnahmebildern einer digitalen Videokamera
US8749662B2 (en) 2009-04-16 2014-06-10 Nvidia Corporation System and method for lens shading image correction
CN101551661B (zh) * 2009-05-12 2013-04-24 广东工业大学 一种面向多机器人系统的控制方法
US9519814B2 (en) 2009-06-12 2016-12-13 Hand Held Products, Inc. Portable data terminal
FR2948521B1 (fr) 2009-07-21 2012-01-27 Dxo Labs Procede d'estimation d'un defaut d'un systeme de capture d'images et systemes associes
US8698918B2 (en) 2009-10-27 2014-04-15 Nvidia Corporation Automatic white balancing for photography
KR20110065997A (ko) * 2009-12-10 2011-06-16 삼성전자주식회사 영상처리장치 및 영상처리방법
KR101451136B1 (ko) * 2010-03-19 2014-10-16 삼성테크윈 주식회사 비네팅 보정 방법 및 장치
US8335390B2 (en) * 2010-03-22 2012-12-18 Sony Corporation Blur function modeling for depth of field rendering
WO2011143223A2 (en) * 2010-05-10 2011-11-17 Board Of Regents, The University Of Texas System Determining quality of an image or a video using a distortion classifier
US20120019709A1 (en) * 2010-07-21 2012-01-26 Altek Corporation Assisting focusing method using multiple face blocks
CN102338972A (zh) * 2010-07-21 2012-02-01 华晶科技股份有限公司 多人脸区块辅助对焦的方法
CH703996A2 (de) 2010-10-24 2012-04-30 Airlight Energy Ip Sa Sonnenkollektor.
EP2447889A1 (en) * 2010-10-29 2012-05-02 Siemens Aktiengesellschaft Method for modeling a defect management in a manufacturing process and for handling the defect during the production process based on said modeled defect management
CN102625043B (zh) 2011-01-25 2014-12-10 佳能株式会社 图像处理设备、成像设备和图像处理方法
US8842931B2 (en) * 2011-02-18 2014-09-23 Nvidia Corporation System, method, and computer program product for reducing noise in an image using depth-based sweeping over image samples
JP5367749B2 (ja) * 2011-03-25 2013-12-11 株式会社東芝 サーバ装置、通信方法およびプログラム
US10331658B2 (en) * 2011-06-03 2019-06-25 Gdial Inc. Systems and methods for atomizing and individuating data as data quanta
US8712181B2 (en) * 2011-06-14 2014-04-29 Apteryx, Inc. Real-time application of filters based on image attributes
EP2552099B1 (en) 2011-07-27 2013-08-28 Axis AB Method and camera for providing an estimation of a mean signal to noise ratio value for an image
WO2013073418A1 (ja) * 2011-11-16 2013-05-23 オリンパスメディカルシステムズ株式会社 内視鏡用映像信号処理装置
JP2013123812A (ja) * 2011-12-13 2013-06-24 Canon Inc 検査装置、検査方法、コンピュータプログラム
US8983186B2 (en) * 2012-06-10 2015-03-17 Apple Inc. Method and system for auto-enhancing photographs with shadow lift adjustments
JP5656926B2 (ja) 2012-06-22 2015-01-21 キヤノン株式会社 画像処理方法、画像処理装置および撮像装置
US8976271B2 (en) 2012-07-19 2015-03-10 Canon Kabushiki Kaisha Optical system and image pickup apparatus
EP2877080B1 (en) 2012-07-26 2020-07-22 DePuy Synthes Products, Inc. Ycbcr pulsed illumination scheme in a light deficient environment
EP2877077B1 (en) 2012-07-26 2021-05-26 DePuy Synthes Products, Inc. Continuous video in a light deficient environment
IN2015MN00020A (ko) 2012-07-26 2015-10-16 Olive Medical Corp
US9798698B2 (en) 2012-08-13 2017-10-24 Nvidia Corporation System and method for multi-color dilu preconditioner
US9508318B2 (en) 2012-09-13 2016-11-29 Nvidia Corporation Dynamic color profile management for electronic devices
US8867817B1 (en) 2012-10-29 2014-10-21 Amazon Technologies, Inc. Display analysis using scanned images
US9307213B2 (en) 2012-11-05 2016-04-05 Nvidia Corporation Robust selection and weighting for gray patch automatic white balancing
GB2507576A (en) * 2012-11-05 2014-05-07 British Broadcasting Corp Focus detection
US9026553B2 (en) * 2012-11-29 2015-05-05 Unisys Corporation Data expanse viewer for database systems
AU2014233191B2 (en) 2013-03-15 2018-12-06 DePuy Synthes Products, Inc. Calibration using distal cap
EP2967291B1 (en) 2013-03-15 2019-10-30 DePuy Synthes Products, Inc. Noise aware edge enhancement
WO2014144986A1 (en) 2013-03-15 2014-09-18 Olive Medical Corporation Scope sensing in a light controlled environment
US9641815B2 (en) 2013-03-15 2017-05-02 DePuy Synthes Products, Inc. Super resolution and color motion artifact correction in a pulsed color imaging system
US9777913B2 (en) 2013-03-15 2017-10-03 DePuy Synthes Products, Inc. Controlling the integral light energy of a laser pulse
EP2967296B1 (en) 2013-03-15 2024-02-28 DePuy Synthes Products, Inc. Comprehensive fixed pattern noise cancellation
US9826208B2 (en) 2013-06-26 2017-11-21 Nvidia Corporation Method and system for generating weights for use in white balancing an image
US9756222B2 (en) 2013-06-26 2017-09-05 Nvidia Corporation Method and system for performing white balancing operations on captured images
US9167706B2 (en) 2013-08-05 2015-10-20 Steven J. Holmstrom Electronic flight bag retention device
WO2015131045A1 (en) 2014-02-28 2015-09-03 The Board Of Trustees Of The Leland Stanford Junior University Imaging providing ratio pixel intensity
US10084944B2 (en) 2014-03-21 2018-09-25 DePuy Synthes Products, Inc. Card edge connector for an imaging sensor
US9396409B2 (en) 2014-09-29 2016-07-19 At&T Intellectual Property I, L.P. Object based image processing
CN104363986B (zh) 2014-10-31 2017-06-13 华为技术有限公司 一种图像处理方法和设备
WO2016071020A1 (en) * 2014-11-06 2016-05-12 Sony Corporation Imaging system including lens with longitudinal chromatic aberration, endoscope and imaging method
JP6465752B2 (ja) * 2015-05-29 2019-02-06 キヤノン株式会社 制御装置、制御方法、及びプログラム
US20170280971A1 (en) * 2015-08-13 2017-10-05 Hoya Corporation Evaluation value calculation device and electronic endoscope system
CN106687023B (zh) * 2015-08-13 2018-12-18 Hoya株式会社 评价值计算装置以及电子内窥镜系统
US9838646B2 (en) * 2015-09-24 2017-12-05 Cisco Technology, Inc. Attenuation of loudspeaker in microphone array
CN109792528A (zh) * 2016-09-19 2019-05-21 交互数字Vc控股公司 使用光场数据重构表示场景的点云的方法和设备
WO2018070793A1 (en) * 2016-10-12 2018-04-19 Samsung Electronics Co., Ltd. Method, apparatus, and recording medium for processing image
EP3608629B1 (en) * 2017-04-03 2021-06-09 Mitsubishi Electric Corporation Map data generation device and method
US10657118B2 (en) 2017-10-05 2020-05-19 Adobe Inc. Update basis for updating digital content in a digital medium environment
US10733262B2 (en) * 2017-10-05 2020-08-04 Adobe Inc. Attribute control for updating digital content in a digital medium environment
US11551257B2 (en) 2017-10-12 2023-01-10 Adobe Inc. Digital media environment for analysis of audience segments in a digital marketing campaign
US10685375B2 (en) 2017-10-12 2020-06-16 Adobe Inc. Digital media environment for analysis of components of content in a digital marketing campaign
US11544743B2 (en) 2017-10-16 2023-01-03 Adobe Inc. Digital content control based on shared machine learning properties
US10795647B2 (en) 2017-10-16 2020-10-06 Adobe, Inc. Application digital content control using an embedded machine learning module
GB2570278B (en) * 2017-10-31 2020-09-16 Cambium Networks Ltd Spectrum management for a point-to-multipoint wireless network
US10853766B2 (en) 2017-11-01 2020-12-01 Adobe Inc. Creative brief schema
US10991012B2 (en) 2017-11-01 2021-04-27 Adobe Inc. Creative brief-based content creation
BR112020012682A2 (pt) 2017-12-27 2020-11-24 Ethicon Llc imageamento hiperespectral em um ambiente com deficiência de luz
CN108074241B (zh) * 2018-01-16 2021-10-22 深圳大学 目标图像的质量评分方法、装置、终端及存储介质
US11379725B2 (en) 2018-06-29 2022-07-05 International Business Machines Corporation Projectile extrapolation and sequence synthesis from video using convolution
JP7278096B2 (ja) * 2019-02-20 2023-05-19 キヤノン株式会社 画像処理装置、画像処理方法、およびプログラム
US11903563B2 (en) 2019-06-20 2024-02-20 Cilag Gmbh International Offset illumination of a scene using multiple emitters in a fluorescence imaging system
US11389066B2 (en) 2019-06-20 2022-07-19 Cilag Gmbh International Noise aware edge enhancement in a pulsed hyperspectral, fluorescence, and laser mapping imaging system
US11141052B2 (en) 2019-06-20 2021-10-12 Cilag Gmbh International Image rotation in an endoscopic fluorescence imaging system
US11788963B2 (en) 2019-06-20 2023-10-17 Cilag Gmbh International Minimizing image sensor input/output in a pulsed fluorescence imaging system
US11432706B2 (en) 2019-06-20 2022-09-06 Cilag Gmbh International Hyperspectral imaging with minimal area monolithic image sensor
US11276148B2 (en) 2019-06-20 2022-03-15 Cilag Gmbh International Super resolution and color motion artifact correction in a pulsed fluorescence imaging system
US11540696B2 (en) 2019-06-20 2023-01-03 Cilag Gmbh International Noise aware edge enhancement in a pulsed fluorescence imaging system
US11172811B2 (en) 2019-06-20 2021-11-16 Cilag Gmbh International Image rotation in an endoscopic fluorescence imaging system
US11187657B2 (en) 2019-06-20 2021-11-30 Cilag Gmbh International Hyperspectral imaging with fixed pattern noise cancellation
US11288772B2 (en) 2019-06-20 2022-03-29 Cilag Gmbh International Super resolution and color motion artifact correction in a pulsed fluorescence imaging system
US10979646B2 (en) 2019-06-20 2021-04-13 Ethicon Llc Fluorescence imaging with minimal area monolithic image sensor
US11375886B2 (en) 2019-06-20 2022-07-05 Cilag Gmbh International Optical fiber waveguide in an endoscopic system for laser mapping imaging
US11633089B2 (en) 2019-06-20 2023-04-25 Cilag Gmbh International Fluorescence imaging with minimal area monolithic image sensor
US11624830B2 (en) 2019-06-20 2023-04-11 Cilag Gmbh International Wide dynamic range using a monochrome image sensor for laser mapping imaging
US11012599B2 (en) 2019-06-20 2021-05-18 Ethicon Llc Hyperspectral imaging in a light deficient environment
US11671691B2 (en) 2019-06-20 2023-06-06 Cilag Gmbh International Image rotation in an endoscopic laser mapping imaging system
US11516387B2 (en) 2019-06-20 2022-11-29 Cilag Gmbh International Image synchronization without input clock and data transmission clock in a pulsed hyperspectral, fluorescence, and laser mapping imaging system
US11172810B2 (en) 2019-06-20 2021-11-16 Cilag Gmbh International Speckle removal in a pulsed laser mapping imaging system
US11218645B2 (en) 2019-06-20 2022-01-04 Cilag Gmbh International Wide dynamic range using a monochrome image sensor for fluorescence imaging
US11122968B2 (en) 2019-06-20 2021-09-21 Cilag Gmbh International Optical fiber waveguide in an endoscopic system for hyperspectral imaging
US11931009B2 (en) 2019-06-20 2024-03-19 Cilag Gmbh International Offset illumination of a scene using multiple emitters in a hyperspectral imaging system
US11294062B2 (en) 2019-06-20 2022-04-05 Cilag Gmbh International Dynamic range using a monochrome image sensor for hyperspectral and fluorescence imaging and topology laser mapping
US11412920B2 (en) 2019-06-20 2022-08-16 Cilag Gmbh International Speckle removal in a pulsed fluorescence imaging system
US11221414B2 (en) 2019-06-20 2022-01-11 Cilag Gmbh International Laser mapping imaging with fixed pattern noise cancellation
US11986160B2 (en) 2019-06-20 2024-05-21 Cllag GmbH International Image synchronization without input clock and data transmission clock in a pulsed hyperspectral imaging system
US11674848B2 (en) 2019-06-20 2023-06-13 Cilag Gmbh International Wide dynamic range using a monochrome image sensor for hyperspectral imaging
US11134832B2 (en) 2019-06-20 2021-10-05 Cilag Gmbh International Image rotation in an endoscopic hyperspectral, fluorescence, and laser mapping imaging system
US11265491B2 (en) 2019-06-20 2022-03-01 Cilag Gmbh International Fluorescence imaging with fixed pattern noise cancellation
US11937784B2 (en) 2019-06-20 2024-03-26 Cilag Gmbh International Fluorescence imaging in a light deficient environment
US11360028B2 (en) 2019-06-20 2022-06-14 Cilag Gmbh International Super resolution and color motion artifact correction in a pulsed hyperspectral, fluorescence, and laser mapping imaging system
US20200397239A1 (en) 2019-06-20 2020-12-24 Ethicon Llc Offset illumination of a scene using multiple emitters in a fluorescence imaging system
US11925328B2 (en) 2019-06-20 2024-03-12 Cilag Gmbh International Noise aware edge enhancement in a pulsed hyperspectral imaging system
US11793399B2 (en) 2019-06-20 2023-10-24 Cilag Gmbh International Super resolution and color motion artifact correction in a pulsed hyperspectral imaging system
US11533417B2 (en) 2019-06-20 2022-12-20 Cilag Gmbh International Laser scanning and tool tracking imaging in a light deficient environment
US11550057B2 (en) 2019-06-20 2023-01-10 Cilag Gmbh International Offset illumination of a scene using multiple emitters in a fluorescence imaging system
US11686847B2 (en) 2019-06-20 2023-06-27 Cilag Gmbh International Pulsed illumination in a fluorescence imaging system
US11898909B2 (en) 2019-06-20 2024-02-13 Cilag Gmbh International Noise aware edge enhancement in a pulsed fluorescence imaging system
US11187658B2 (en) 2019-06-20 2021-11-30 Cilag Gmbh International Fluorescence imaging with fixed pattern noise cancellation
US20200397270A1 (en) 2019-06-20 2020-12-24 Ethicon Llc Optical fiber waveguide in an endoscopic system for fluorescence imaging
US11716533B2 (en) 2019-06-20 2023-08-01 Cilag Gmbh International Image synchronization without input clock and data transmission clock in a pulsed fluorescence imaging system
US10841504B1 (en) 2019-06-20 2020-11-17 Ethicon Llc Fluorescence imaging with minimal area monolithic image sensor
US11233960B2 (en) 2019-06-20 2022-01-25 Cilag Gmbh International Fluorescence imaging with fixed pattern noise cancellation
US11284785B2 (en) 2019-06-20 2022-03-29 Cilag Gmbh International Controlling integral energy of a laser pulse in a hyperspectral, fluorescence, and laser mapping imaging system
US10952619B2 (en) 2019-06-20 2021-03-23 Ethicon Llc Hyperspectral and fluorescence imaging and topology laser mapping with minimal area monolithic image sensor
US11471055B2 (en) 2019-06-20 2022-10-18 Cilag Gmbh International Noise aware edge enhancement in a pulsed fluorescence imaging system
US11892403B2 (en) 2019-06-20 2024-02-06 Cilag Gmbh International Image synchronization without input clock and data transmission clock in a pulsed fluorescence imaging system
US11622094B2 (en) 2019-06-20 2023-04-04 Cilag Gmbh International Wide dynamic range using a monochrome image sensor for fluorescence imaging
US11716543B2 (en) 2019-06-20 2023-08-01 Cilag Gmbh International Wide dynamic range using a monochrome image sensor for fluorescence imaging
US11096565B2 (en) 2019-06-20 2021-08-24 Cilag Gmbh International Driving light emissions according to a jitter specification in a hyperspectral, fluorescence, and laser mapping imaging system
US11398011B2 (en) 2019-06-20 2022-07-26 Cilag Gmbh International Super resolution and color motion artifact correction in a pulsed laser mapping imaging system
US11412152B2 (en) 2019-06-20 2022-08-09 Cilag Gmbh International Speckle removal in a pulsed hyperspectral imaging system
US11758256B2 (en) 2019-06-20 2023-09-12 Cilag Gmbh International Fluorescence imaging in a light deficient environment
US11291358B2 (en) 2019-06-20 2022-04-05 Cilag Gmbh International Fluorescence videostroboscopy of vocal cords
US11237270B2 (en) 2019-06-20 2022-02-01 Cilag Gmbh International Hyperspectral, fluorescence, and laser mapping imaging with fixed pattern noise cancellation
US11457154B2 (en) 2019-06-20 2022-09-27 Cilag Gmbh International Speckle removal in a pulsed hyperspectral, fluorescence, and laser mapping imaging system
US11700995B2 (en) 2019-06-20 2023-07-18 Cilag Gmbh International Speckle removal in a pulsed fluorescence imaging system
US11631202B2 (en) * 2021-01-08 2023-04-18 Samsung Electronics Co., Ltd. System and method for obtaining and applying a vignette filter and grain layer
US11829239B2 (en) 2021-11-17 2023-11-28 Adobe Inc. Managing machine learning model reconstruction

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001035052A1 (en) * 1999-11-12 2001-05-17 Armstrong Brian S Robust landmarks for machine vision and methods for detecting same

Family Cites Families (79)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6080374A (ja) * 1983-10-11 1985-05-08 Hitachi Denshi Ltd テレビジヨンカメラ装置の撮像特性補正方法
FR2652695B1 (fr) * 1989-10-03 1993-04-16 Thomson Csf Procede et dispositif de visualisation d'images, a correction automatique de defauts par contre-reaction.
FR2661061B1 (fr) * 1990-04-11 1992-08-07 Multi Media Tech Procede et dispositif de modification de zone d'images.
US5047861A (en) * 1990-07-31 1991-09-10 Eastman Kodak Company Method and apparatus for pixel non-uniformity correction
US5157497A (en) * 1991-02-25 1992-10-20 Matsushita Electric Industrial Co., Ltd. Method and apparatus for detecting and compensating for white shading errors in a digitized video signal
US5251271A (en) * 1991-10-21 1993-10-05 R. R. Donnelley & Sons Co. Method for automatic registration of digitized multi-plane images
JPH05176166A (ja) 1991-12-25 1993-07-13 Hitachi Ltd 色再現方法
DE69331719T2 (de) * 1992-06-19 2002-10-24 Agfa Gevaert Nv Verfahren und Vorrichtung zur Geräuschunterdrückung
US5905530A (en) * 1992-08-24 1999-05-18 Canon Kabushiki Kaisha Image pickup apparatus
US5323204A (en) * 1992-11-03 1994-06-21 Eastman Kodak Company Automatic optimization of photographic exposure parameters for non-standard display sizes and/or different focal length photographing modes through determination and utilization of extra system speed
US5461440A (en) * 1993-02-10 1995-10-24 Olympus Optical Co., Ltd. Photographing image correction system
US5353362A (en) * 1993-05-17 1994-10-04 Tucci Robert R Method of generation of two electromagnetic modes using squeezers
JPH0715631A (ja) * 1993-06-29 1995-01-17 Nippon Telegr & Teleph Corp <Ntt> 画像信号雑音除去方法および装置
US5499057A (en) * 1993-08-27 1996-03-12 Sony Corporation Apparatus for producing a noise-reducded image signal from an input image signal
US5485568A (en) * 1993-10-08 1996-01-16 Xerox Corporation Structured image (Sl) format for describing complex color raster images
DE69524669D1 (de) 1994-05-26 2002-01-31 Canon Kk Bildverarbeitungsverfahren und -vorrichtung
US6334219B1 (en) * 1994-09-26 2001-12-25 Adc Telecommunications Inc. Channel selection for a hybrid fiber coax network
JPH08116490A (ja) * 1994-10-14 1996-05-07 Olympus Optical Co Ltd 画像処理装置
KR100203239B1 (ko) * 1995-02-16 1999-06-15 윤종용 화이트쉐이딩 보정방법 및 장치
US5606365A (en) * 1995-03-28 1997-02-25 Eastman Kodak Company Interactive camera for network processing of captured images
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
JPH0998299A (ja) 1995-10-02 1997-04-08 Canon Inc 画像処理装置及び方法
JP3409541B2 (ja) 1995-11-14 2003-05-26 三菱電機株式会社 色補正方法及び色補正装置並びに色補正応用装置及びカラー画像システム
CA2240778A1 (en) * 1995-12-19 1997-06-26 Telefonaktiebolaget Lm Ericsson Job scheduling for instruction processor
US5696850A (en) * 1995-12-21 1997-12-09 Eastman Kodak Company Automatic image sharpening in an electronic imaging system
JPH09214807A (ja) * 1996-01-31 1997-08-15 Canon Inc 画像処理装置および画像処理方法
JP3950188B2 (ja) * 1996-02-27 2007-07-25 株式会社リコー 画像歪み補正用パラメータ決定方法及び撮像装置
JPH1083024A (ja) 1996-09-09 1998-03-31 Fuji Photo Film Co Ltd カメラ及びプリンタ
JP3791635B2 (ja) * 1996-10-22 2006-06-28 富士写真フイルム株式会社 画像再生方法、画像再生装置、画像処理方法および画像処理装置
US6173087B1 (en) * 1996-11-13 2001-01-09 Sarnoff Corporation Multi-view image registration with application to mosaicing and lens distortion correction
US6100925A (en) * 1996-11-27 2000-08-08 Princeton Video Image, Inc. Image insertion in video streams using a combination of physical sensors and pattern recognition
US6094221A (en) * 1997-01-02 2000-07-25 Andersion; Eric C. System and method for using a scripting language to set digital camera device features
JPH10226139A (ja) * 1997-02-14 1998-08-25 Canon Inc 画像形成システム及び画像形成装置及び媒体
US6249315B1 (en) * 1997-03-24 2001-06-19 Jack M. Holm Strategy for pictorial digital image processing
JP3225882B2 (ja) 1997-03-27 2001-11-05 日本電信電話株式会社 景観ラベリングシステム
US6222583B1 (en) * 1997-03-27 2001-04-24 Nippon Telegraph And Telephone Corporation Device and system for labeling sight images
US5990935A (en) * 1997-04-04 1999-11-23 Evans & Sutherland Computer Corporation Method for measuring camera and lens properties for camera tracking
JPH10319929A (ja) 1997-05-19 1998-12-04 Matsushita Electric Ind Co Ltd 表示装置
JP3911354B2 (ja) * 1997-09-02 2007-05-09 大日本スクリーン製造株式会社 画像処理方法および装置、並びにその処理を実行するためのプログラムを記録した記録媒体
JPH11146308A (ja) 1997-11-13 1999-05-28 Fuji Photo Film Co Ltd 画像情報記録装置および画像プリントシステム
US6493028B1 (en) 1997-11-26 2002-12-10 Flashpoint Technology, Inc. Method and system for extending the available image file formats in an image capture device
DE19855885A1 (de) * 1997-12-04 1999-08-05 Fuji Photo Film Co Ltd Bildverarbeitungsverfahren und -vorrichtung
US6069982A (en) * 1997-12-23 2000-05-30 Polaroid Corporation Estimation of frequency dependence and grey-level dependence of noise in an image
JPH11220687A (ja) * 1998-01-30 1999-08-10 Fuji Photo Film Co Ltd 画像処理方法および装置
US6381375B1 (en) * 1998-02-20 2002-04-30 Cognex Corporation Methods and apparatus for generating a projection of an image
DE19812028A1 (de) * 1998-03-19 1999-09-23 Heidelberger Druckmasch Ag Verfahren zur Koordinatenumrechnung von Bilddaten mit zufälligem Offset der Bildpunkte
JP3926918B2 (ja) 1998-03-20 2007-06-06 富士通株式会社 画像補正処理装置及びそのプログラム記録媒体
US6603885B1 (en) * 1998-04-30 2003-08-05 Fuji Photo Film Co., Ltd. Image processing method and apparatus
JP4338155B2 (ja) * 1998-06-12 2009-10-07 キヤノン株式会社 画像処理装置及びその方法、コンピュータ可読メモリ
JP4187830B2 (ja) 1998-07-03 2008-11-26 東芝医用システムエンジニアリング株式会社 医用画像合成装置
JP2002520968A (ja) * 1998-07-15 2002-07-09 イメイション・コーポレイション 画像表示システム及び方法
JP4095184B2 (ja) * 1998-10-29 2008-06-04 キヤノン株式会社 画像処理装置及びその方法
JP2000165647A (ja) * 1998-11-26 2000-06-16 Seiko Epson Corp 画像データ処理方法および画像データ印刷装置並びに画像データ処理プログラムを記録した記録媒体
JP4154053B2 (ja) * 1998-12-25 2008-09-24 キヤノン株式会社 画像記録・再生システム、画像記録装置及び画像再生装置
US6538691B1 (en) * 1999-01-21 2003-03-25 Intel Corporation Software correction of image distortion in digital cameras
JP4072302B2 (ja) * 1999-04-13 2008-04-09 キヤノン株式会社 データ処理方法及び装置及び記憶媒体
US6856427B1 (en) * 1999-05-20 2005-02-15 Eastman Kodak Company System for printing correct exposure in a rendered digital image
US6693668B1 (en) * 1999-06-04 2004-02-17 Canon Kabushiki Kaisha Self-diagnostic image sensor
US6707950B1 (en) * 1999-06-22 2004-03-16 Eastman Kodak Company Method for modification of non-image data in an image processing chain
US6470151B1 (en) * 1999-06-22 2002-10-22 Canon Kabushiki Kaisha Camera, image correcting apparatus, image correcting system, image correcting method, and computer program product providing the image correcting method
JP2001016449A (ja) 1999-06-25 2001-01-19 Ricoh Co Ltd 画像入力装置
US6633408B1 (en) 1999-06-29 2003-10-14 Kodak Polychrome Graphics, Llc Spectral modeling of photographic printing based on dye concentration
CN2567940Y (zh) 1999-06-30 2003-08-20 罗技电子股份有限公司 摄像机设备
JP4822571B2 (ja) * 1999-08-03 2011-11-24 キヤノン株式会社 デジタルｘ線撮影システム及び方法
DE19943183A1 (de) * 1999-09-09 2001-03-15 Heimann Systems Gmbh & Co Verfahren zur Farbanpassung eines Bildes, insbesondere eines Röntgenbildes
JP2001094848A (ja) 1999-09-20 2001-04-06 Canon Inc モニター付カメラ
US6809837B1 (en) * 1999-11-29 2004-10-26 Xerox Corporation On-line model prediction and calibration system for a dynamically varying color reproduction device
KR100414083B1 (ko) * 1999-12-18 2004-01-07 엘지전자 주식회사 영상왜곡 보정방법 및 이를 이용한 영상표시기기
US6816625B2 (en) * 2000-08-16 2004-11-09 Lewis Jr Clarence A Distortion free image capture system and method
JP3429280B2 (ja) * 2000-09-05 2003-07-22 理化学研究所 画像のレンズ歪みの補正方法
JP4399133B2 (ja) * 2000-09-08 2010-01-13 カシオ計算機株式会社 撮影条件提供装置、撮影条件設定システム、撮影条件提供方法
US6956966B2 (en) * 2001-04-03 2005-10-18 Electronics For Imaging, Inc. Method and apparatus for automated image correction for digital image acquisition
ES2324817T3 (es) * 2001-07-12 2009-08-17 Dxo Labs Procedimiento y sistema para calcular una imagen transformada a partir de una imagen digital.
FR2827459B1 (fr) * 2001-07-12 2004-10-29 Poseidon Procede et systeme pour fournir a des logiciels de traitement d'image des informations formatees liees aux caracteristiques des appareils de capture d'image et/ou des moyens de restitution d'image
ATE310284T1 (de) * 2001-07-12 2005-12-15 Do Labs Verfahren und vorrichtung zur erzeugung formatierter information, die mit den fehlern zumindest eines geräts einer kette verbunden ist, insbesondere der bildschärfeverzerrung
US6873727B2 (en) * 2001-07-23 2005-03-29 Hewlett-Packard Development Company, L.P. System for setting image characteristics using embedded camera tag information
FR2895103B1 (fr) * 2005-12-19 2008-02-22 Dxo Labs Sa Procede et systeme de traitement de donnees numeriques
FR2895104A1 (fr) * 2005-12-19 2007-06-22 Dxo Labs Sa Procede pour fournir des donnees a un moyen de traitement numerique
FR2895102B1 (fr) * 2005-12-19 2012-12-07 Dxo Labs Procede pour traiter un objet dans une plateforme a processeur(s) et memoire(s) et plateforme utilisant le procede

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001035052A1 (en) * 1999-11-12 2001-05-17 Armstrong Brian S Robust landmarks for machine vision and methods for detecting same

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JEIDA "digital still camera image file format standard"
NISO draft standard. Data dictionary-Technical Metadata for digital still images-working draft 1.0

Also Published As

Publication number Publication date
EP1442425A1 (fr) 2004-08-04
WO2003007243A3 (fr) 2004-01-22
US20120308160A1 (en) 2012-12-06
ATE497224T1 (de) 2011-02-15
JP4020262B2 (ja) 2007-12-12
WO2003007236A3 (fr) 2003-04-24
US8559743B2 (en) 2013-10-15
US7724977B2 (en) 2010-05-25
ES2311061T3 (es) 2009-02-01
EP1410331A2 (fr) 2004-04-21
EP1410331B1 (fr) 2015-08-12
JP2005509333A (ja) 2005-04-07
EP2015247B1 (fr) 2016-04-13
JP2004534491A (ja) 2004-11-11
AU2002317219A1 (en) 2003-01-29
WO2003007243A2 (fr) 2003-01-23
US7346221B2 (en) 2008-03-18
CN1526116A (zh) 2004-09-01
JP2004534342A (ja) 2004-11-11
JP4295612B2 (ja) 2009-07-15
EP1410326B1 (fr) 2011-01-26
US8675980B2 (en) 2014-03-18
WO2003007239A1 (fr) 2003-01-23
US20050008242A1 (en) 2005-01-13
JP4614657B2 (ja) 2011-01-19
JP4295613B2 (ja) 2009-07-15
WO2003007240A1 (fr) 2003-01-23
KR20040043155A (ko) 2004-05-22
DE60207417D1 (de) 2005-12-22
EP1444651B1 (fr) 2009-10-28
CN1305010C (zh) 2007-03-14
KR100940147B1 (ko) 2010-02-03
US20040234152A1 (en) 2004-11-25
CN1554074A (zh) 2004-12-08
KR20040043154A (ko) 2004-05-22
EP1415275A1 (fr) 2004-05-06
WO2003007241A1 (fr) 2003-01-23
CN1526115A (zh) 2004-09-01
KR20040043157A (ko) 2004-05-22
ATE447216T1 (de) 2009-11-15
US7792378B2 (en) 2010-09-07
ATE310284T1 (de) 2005-12-15
ATE400040T1 (de) 2008-07-15
JP4452497B2 (ja) 2010-04-21
DE60234207D1 (de) 2009-12-10
US20040247196A1 (en) 2004-12-09
JP2004537791A (ja) 2004-12-16
CN1316427C (zh) 2007-05-16
CN1527989A (zh) 2004-09-08
AU2002317900A1 (en) 2003-01-29
AU2002317902A1 (en) 2003-01-29
CN100361153C (zh) 2008-01-09
KR100940148B1 (ko) 2010-02-03
US20100278415A1 (en) 2010-11-04
KR100879832B1 (ko) 2009-01-22
DE60239061D1 (de) 2011-03-10
JP4367757B2 (ja) 2009-11-18
KR20040044187A (ko) 2004-05-27
CN1526117A (zh) 2004-09-01
EP1410327B1 (fr) 2005-11-16
EP1410326A1 (fr) 2004-04-21
US20040218803A1 (en) 2004-11-04
US7343040B2 (en) 2008-03-11
CN1316426C (zh) 2007-05-16
JP2004535128A (ja) 2004-11-18
EP1410327A2 (fr) 2004-04-21
US9536284B2 (en) 2017-01-03
ES2253542T3 (es) 2006-06-01
EP1442425B1 (fr) 2018-08-08
EP1444651A2 (fr) 2004-08-11
DE60227374D1 (de) 2008-08-14
WO2003007242A3 (fr) 2003-04-10
US20140099042A1 (en) 2014-04-10
WO2003007236A2 (fr) 2003-01-23
CA2453423C (fr) 2014-10-14
EP1415275B1 (fr) 2008-07-02
US20110085740A1 (en) 2011-04-14
CA2453423A1 (fr) 2003-01-23
CN1535448A (zh) 2004-10-06
WO2003007242A2 (fr) 2003-01-23
EP2015247A2 (fr) 2009-01-14
CN1305006C (zh) 2007-03-14
US7760955B2 (en) 2010-07-20
US20050002586A1 (en) 2005-01-06
JP2004534341A (ja) 2004-11-11
DE60207417T2 (de) 2006-08-10
CN1273931C (zh) 2006-09-06
US20040252906A1 (en) 2004-12-16
EP2015247A3 (fr) 2009-03-18

Similar Documents

Publication Publication Date Title
KR100957878B1 (ko) 화상 처리 수단의 업데이트 빈도를 감소시키기 위한 방법및 시스템
JP4630547B2 (ja) 幾何学的歪みに関係するフォーマットされた情報を出力する方法およびシステム
ES2353057T3 (es) Procedimiento y sistema para reducir la frecuencia de las actualizaciones de medios.
JP7363770B2 (ja) 演算装置、演算方法およびプログラム
JP2014042205A (ja) 画像処理装置、画像処理方法及び画像処理プログラム
JP2010226368A (ja) 画像処理装置、画像処理方法、及びプログラム

Legal Events

Date Code Title Description
N231 Notification of change of applicant
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130425

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20140423

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20150506

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20160425

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20170425

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20180425

Year of fee payment: 9

LAPS Lapse due to unpaid annual fee