KR101011908B1 - 디지털 이미지의 노이즈 감소 방법 및 이를 이용한 이미지 처리 장치 - Google Patents

디지털 이미지의 노이즈 감소 방법 및 이를 이용한 이미지 처리 장치 Download PDF

Info

Publication number
KR101011908B1
KR101011908B1 KR1020090004607A KR20090004607A KR101011908B1 KR 101011908 B1 KR101011908 B1 KR 101011908B1 KR 1020090004607 A KR1020090004607 A KR 1020090004607A KR 20090004607 A KR20090004607 A KR 20090004607A KR 101011908 B1 KR101011908 B1 KR 101011908B1
Authority
KR
South Korea
Prior art keywords
image
energy
pixels
processing
pixel
Prior art date
Application number
KR1020090004607A
Other languages
English (en)
Other versions
KR20100051002A (ko
Inventor
구오이 푸
Original Assignee
세이코 엡슨 가부시키가이샤
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 세이코 엡슨 가부시키가이샤 filed Critical 세이코 엡슨 가부시키가이샤
Publication of KR20100051002A publication Critical patent/KR20100051002A/ko
Application granted granted Critical
Publication of KR101011908B1 publication Critical patent/KR101011908B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/387—Composing, repositioning or otherwise geometrically modifying originals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/16—Image preprocessing
    • G06V30/164—Noise filtering
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/14—Picture signal circuitry for video frequency region
    • H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Character Input (AREA)
  • Image Analysis (AREA)

Abstract

이미지에서 노이즈를 줄이기 위한 방법, 장치, 그리고 컴퓨터 프로그램이 개시된다. 하나의 실시예에서, 디지털 이미지에서 노이즈를 줄이기 위한 방법은 여러 동작을 포함한다. 첫 번째로, 입력 이미지에서 하나 이상의 대상들이 식별된다. 다음으로, 입력 이미지 또는 그 일부는 입력 이미지의 블러링된 버전일 수 있는 다른 이미지를 생성하기 위해 처리된다. 마지막으로, 입력 이미지에서 식별된 하나 이상의 대상에 대응하는 처리된 이미지의 하나 이상의 대상은 입력 이미지에서 식별된 하나 이상의 대상을 폐기할지를 결정하기 위해 평가된다. 예를 들어, 블러링된 후의 대상에 보존된 에너지의 양이 임계치보다 작다면, 그 대상은 노이즈로서 폐기될 것이다.

Description

디지털 이미지의 노이즈 감소 방법 및 이를 이용한 이미지 처리 장치 {METHOD OF NOISE REDUCTION FOR DIGITAL IMAGES AND IMAGE PROCESSING DEVICE THEREOF}
본 발명의 실시예들은 디지털 이미지 처리에 관한 것이다. 더욱 상세하게는, 개시된 실시예들은 디지털 이미지에서의 노이즈 감소를 위한 방법, 장치, 그리고 컴퓨터-판독가능한 매체에 관한 것이다.
디지털 이미지는 다양한 농도의 픽셀을 포함하고 있다. 예를 들어 그레이 스케일(gray-scale) 이미지는 검은색부터 하얀색까지의 범위에 있는 다양한 명암의 픽셀을 포함하고 있다. 디지털 이미지는 임계화(thresholding) 이라고 알려진 처리 방법을 사용하여 픽셀이 검은색 또는 하얀색인 2톤형 또는 바이너리 이미지로 변환이 가능하다. 임계화 기법은 핸드라이팅(hand writing)과 인쇄된 문자 같은 이미지의 전경 특징을 배경 패턴이나 노이즈와 같은 배경 특징으로부터 분리하는데 유용하게 사용될 수 있다. 이를 통해 결과적으로, 문자를 사람 또는 광학 문자 판독기(optical character reader, OCR)가 인지하거나 더 용이하게 읽을 수 있게 된다.
그러나, 어떤 임계화 기술은 전경 특징을 배경 특징으로부터 구분하는 데에 효율적이지 못 할 수 있다. 특히, 어떤 수표 이미지(check image)의 전경 농도 레벨은 노이즈 또는 배경 및/또는 전경에서 넓은 범위에 걸쳐 변하는 농도 때문에 배경 농도 레벨과 크게 다르지 않을 수 있다. 그래서 어떤 배경 특징은 임계화 기술이 수행된 후에도 잔여 배경 노이즈로서 남아있을 수 있다.
바이너리 이미지에서 이미지의 원하는 요소에 실질적으로 영향이 없도록 잔여 배경 노이즈를 줄이거나 제거하는 것은 어려울 수 있다. 바이너리 이미지의 한 종류는 수표의 바이너리 이미지이다. 수표의 바이너리 이미지는 수취인 영역, 지불 가능 금액 영역 및/또는 서명 영역과 같은 한가지 이상의 문자 영역을 포함할 수 있다. 바이너리 이미지에서의 지나친 노이즈는 문자 또는 다른 대상의 검출 및 바이너리 이미지의 독해성에 부정적인 영향을 끼칠 것이다.
일반적으로, 실시예들은 디지털 이미지에서의 노이즈 감소를 위한 방법, 장치, 그리고 컴퓨터-판독가능한 매체에 관한 것이다.
제 1 실시예에서, 이미지에서의 노이즈 감소를 위한 방법은 여러 동작을 포함한다. 먼저, 하나 이상의 대상이 입력 이미지에서 식별된다. 다음으로, 입력 이미지나 그것의 일부분이 다른 이미지를 만들기 위해 처리되는데 그 다른 이미지는 입력 이미지의 블러링된 버전(blurred version)이라고 할 수 있다. 마지막으로, 입 력 이미지에서 식별된 하나 이상의 대상에 대응하는 상기 처리된 이미지의 하나 이상의 대상이, 입력 이미지에서 식별된 상기 하나 이상의 대상을 폐기할지를 결정하기 위해 평가된다. 예를 들면, 블러링 처리된 후에 대상에 보존된 에너지의 양이 임계치보다 작다면, 그 대상은 노이즈로서 폐기될 수 있다.
제 2 실시예에서, 이미지에서의 노이즈 감소를 위한 방법은 여러 동작을 포함한다. 먼저 바이너리 이미지의 픽셀들의 세트가 대상을 정의하는 것으로서 식별된다. 다음으로, 대상 픽셀들의 세트를 포함하는 바이너리 이미지의 적어도 일부가 블러링된다. 마지막으로, 만약 블러링된 대상 픽셀들의 세트에 보존된 에너지의 양이 임계치를 초과하면, 식별된 대상이 바이너리 이미지로부터 폐기된다.
제 3 실시예에서, 하나 이상의 컴퓨터-판독가능한 매체는 실행시에, 상기 제 1 실시예와 연관되어 논의된 이미지에서의 노이즈 감소를 위한 방법을 구현하는 컴퓨터-판독가능한 명령어들(instructions)을 가지고 있다.
이상의 실시예들에 대한 요약은 후술하는 상세한 설명에 자세히 언급될 개념들의 발췌를 간략한 형태로 소개하기 위해 제공된다. 이상의 실시예의 요약은 특허청구범위에 청구된 내용의 주요 특징이나 필수적인 특징을 확인하기 위한 것이나, 청구범위를 결정하는 것을 보조하기 위해 작성된 것이 아니다.
추가적인 특징에 대해서는, 후술할 설명에서 기술할 것이며, 일부분은 설명에서 명확해지거나 본 명세서의 교시로부터 익힐 수 있을 것이다. 발명의 특징은 특히 첨부된 특허청구범위에서 가리키고 있는 수단과 조합으로부터 파악하고 얻을 수 있을 것이다. 본 발명의 특징은 후기할 설명 및 첨부된 특허청구범위로부터 더 욱 명확하게 되거나 이하의 발명의 실시로부터 습득할 수 있을 것이다.
이미지에서의 노이즈를 감소시키는 효과적인 방법이 제공된다.
다음의 발명의 상세한 설명에서는 실례에 의해, 본 발명의 실시예를 보여주는 첨부된 도면에 대한 참조가 되어있다. 도면들에서, 비슷한 참조 부호들은 실질적으로 비슷한 구성 요소를 묘사하고 있다. 본 발명의 실시예들은 당업자가 발명을 실시할 수 있도록 충분히 상세하게 묘사되어 있다. 다른 실시예들 역시 활용할 수 있으며, 구조적, 논리적, 그리고 전기적인 변화가 본 발명의 범위 내에서 일어날 수 있다. 또한, 본 발명의 다양한 구현들은 서로 다를지라도 반드시 상호 배타적이지는 않다. 예를 들어, 한 실시예에서 묘사된 특정 특징, 구조, 또는 특성들이 다른 실시예들에 포함되어 있을 수 있다. 따라서 이하 발명의 상세한 설명에 의해서 본 발명의 범위가 제한되는 것이 아니며, 본 발명의 범위는 특허청구범위 및 그에 따르는 균등물에 의해서만 정해진다.
일반적으로, 본 발명의 실시예들은 이미지에서의 노이즈 감소를 위한 방법, 장치, 그리고 컴퓨터-판독가능한 매체에 관한 것이다. 실시예들은 배경 패턴 및/또는 노이즈 등 배경 특징을 폐기하고 핸드라이팅 및/또는 인쇄된 문자와 같은 전경 특징이 보존된 수표(또는 그 일부)의 이미지를 생성하는 데에 사용될 수 있다. 결과적으로, 이미지의 품질이 향상될 것이고 전경 특징이 사람 또는 광학문자판독기(OCR)기술 등에 의해 기타의 이미지의 특징 사이에서 더욱 쉽게 검 출되고 및/또는 더욱 쉽게 읽을 수 있게 될 수 있다. 수표의 이미지가 발명의 설명을 위해 사용되었지만, 본 발명의 실시예들은 오직 수표 이미지만 처리 가능하도록 제한되지 않는다는 것은 당업자에게 자명할 것이다. 문자를 포함하거나 포함하지 않는 다른 종류의 이미지에서의 노이즈 감소를 위한 실시예들 역시 고려된다.
실시예들은, 다른 무엇보다도, 연결된 구성요소들이나 픽셀들의 그룹을 하나의 대상으로 식별하고, 블러링 필터가 그 대상에 적용된 후 에너지의 소정량이 보존되어 있는지를 판단하는 것에 의해 이미지들에서 노이즈를 감소시키고 있다. 보존된 에너지의 양은 상기 대상이 문자와 같은 전경 특징과 연관된 특성들을 가지고 있는지 여부에 관한 유용한 지표가 된다. 예를 들어, 노이즈 대상들과 비교하여 문자 대상은, 다른 무엇보다도, 대상의 고형성(solidity)이 더 높으며, 문자 주위 및/또는 문자 내에 높은 에너지(예컨데 검정색) 픽셀들의 더 높은 밀집도(concurrency)를 보이고 있으며, 더욱 부드럽거나 더욱 일정한 경계를 가지고 있고 더 큰 크기를 가지는 경향이 있다. 실시예들은 한 대상이 보존되거나 폐기되어야 하는지를 결정하기 위해 한가지 이상의 이러한 특징들을 명시적 및/또는 암시적으로 고려하고 있다.
도 1을 참조하여, 이미지에서의 노이즈 감소를 위한 실시예의 방법(100)이 개시되어있다. 특히, 실시예의 방법(100)은 이미지에서 대상을 식별하고, 그 대상이 노이즈 같은 배경 특징인지, 문자와 같은 전경 특징인지 판단하고, 노이즈가 감소된 이미지를 생성하기 위해 노이즈와 같은 대상을 폐기한다.
실시예의 방법(100)과 본 명세서에 개시된 그 변형예들은 컴퓨터로 실행 가 능한 명령어나 데이터 구조를 저장하고 있는 컴퓨터-판독가능한 매체를 이용하여 구현 가능하다. 이러한 컴퓨터-판독가능한 매체는 일반적인 목적이나 특정 목적을 위한 컴퓨터의 프로세서에 의해 접근 가능한 어느 매체라도 될 수 있다. 그 제한적이지 않은 예로서, 이러한 컴퓨터-판독가능한 매체는 컴퓨터로 실행 가능한 명령어나 데이터 구조들의 형태로 프로그램 코드를 지니거나 저장하는 데에 사용될 수 있고, 일반적 또는 특정 목적을 위한 컴퓨터의 프로세서에 의해 접근이 가능한 램, 롬, 이이피롬, 시디롬 또는 다른 광디스크 저장매체, 자기디스크 저장매체나 다른 자기 저장매체, 기타 매체들을 포함할 수 있다. 상기 언급한 매체들의 조합 역시 컴퓨터-판독 가능한 매체의 범위에 포함될 것이다.
컴퓨터로 실행 가능한 명령어들은 예를 들면, 일반적 또는 특정 목적의 프로세서가 특정 기능, 또는 일련의 기능들을 수행하도록 하는 명령어와 데이터를 포함한다. 물론 본 발명의 주제가 여기에서는 방법론적 동작에 특화된 언어로 묘사되고 있지만, 첨부된 특허청구범위에서 정의한 주제는 여기에 묘사된 특정 동작들에 제한될 필요가 없다는 것을 인식해야 할 것이다. 정확히는 여기에 묘사된 특정 동작들은 특허청구범위의 발명의 구현하기 위한 한 예로서의 형식을 묘사하고 있다.
특정 목적을 위한 컴퓨터의 예는 디지털 카메라(제한적이지 않은 예로서 일본 나가노현 수와시 오와에 본사를 둔 Seiko Epson사의 Epson R-D1 디지털 카메라), 디지털 캠코더, 프로젝터, 프린터, 스캐너, 수표 스캐너(제한적이지 않은 예로서 Seoko Epson사의 Epson CaptureOnetm Check Scanner와 Epson TM-S1000), 복 사기, 휴대용 포토뷰어(제한적이지 않은 예로서 Seiko Epson사의 Epson P-3000 또는 P-5000 휴대용 photo viewer), 또는 휴대용 영화 재생기, 또는 상기 언급한 것 들의 조합인 프린터/스캐너/복사기 복합기(제한적이지 않은 예로서 Seiko Epson사의 Epson Stylus Photo RX580, RX595, 또는 RX680, Epson Stylus CX4400, CX7400, CX8400, 또는 CX9400Fax, 그리고 Epson AcuLaser® CX11NF) 또는 프린터/수표 스캐너 복합기(제한적이지 않은 예로서 Seiko Epson사의 TM-J9000, TM-J9100, TM-J7000, TM-J7100, 그리고 TM-H6000III) 또는 디지털 카메라/캠코터 복합기 같은 이미지 처리 장치를 포함한다. 이미지 처리 장치는, 예를 들어, 자동으로 노이즈를 줄이거나 및/또는 이미지의 문자를 검출할 수 있는 노이즈 감소 기능을 포함할 수 있을 것이다. 예를 들어 이러한 자동 노이즈 감소 기능을 가지고 있는 수표 스캐너는 실시예의 방법(100)을 구현하는 컴퓨터-판독가능한 하나 이상의 매체를 포함하거나 수표 스캐너에 연결된 컴퓨터는 실시예의 방법(100)을 구현하는 컴퓨터-판독가능한 하나 이상의 매체를 포함 할 수 있다.
실시예의 수표 스캐너(200)의 도식적인 표현이 도 2에 개시되어 있다.실시예의 수표 스캐너(200)는 중재 인터페이스(202)를 통해 호스트 컴퓨터(250)와 데이터를 교환한다. 응용 프로그램과 수표 스캐너 드라이버 역시 호스트 컴퓨터(250)에 대한 액세스를 위해 저장되어 있을 수 있다. 예를 들어, 응용 프로그램으로부터 이미지 검색(retrieve) 명령을 받게 되면, 스캐너 드라이버가 수표 스캐너(200)에 적합한 포맷으로의 명령 데이터의 변환을 제어하고, 변환된 명령 데이터를 수표 스캐너(200)에 보낸다. 드라이버는 또한 수표 스캐너(200)로부터 다양한 신호 및 데이 터를 받고 해석하여 호스트 컴퓨터(250)를 통해 유저에게 필요한 정보를 제공한다.
호스트 컴퓨터(250)에 의해 데이터가 보내지면, 인터페이스(202)는 데이터를 받아서 램(204)의 수신 버퍼 형성 파트에 저장한다. 램(204)은, 예를 들면 어드레싱(addressing)을 통해, 여러 섹션으로 나눠지고 수신 버퍼나 송신 버퍼와 같은 서로 다른 버퍼로서 할당될 수 있다. 디지털 이미지 데이터 같은 데이터는 또한 데이터 캡쳐 메커니즘(들)(212)로부터 수표 스캐너(200)에 의해 얻어질 수 있다. 예를 들어, 캡쳐 메커니즘(들)(212)은 종이 수표의 디지털 사진 이미지를 생성할 수 있다. 상기 디지털 이미지는 그 뒤 램(204)의 수신 버퍼 또는 송신 버퍼에 저장될 수 있다.
프로세서(206)는 예를 들면 실시예의 방법(100)과 같은 특정 기능이나 일련의 기능들을 수행하기 위해서 롬(208)이나 플래시 이이피롬(210)에 저장된 컴퓨터로 실행 가능한 명령어들을 이용한다. 예를 들어, 램(204)의 수신 버퍼에 있는 데이터가 바이너리 디지털 이미지인 경우, 프로세서(206)는 바이너리 디지털 이미지의 노이즈를 자동으로 줄이고 결과적으로 문자 정보가 더 잘 읽히고 및/또는 검출되도록 바이너리 디지털 이미지에 실시예의 방법(100)의 방법론적 동작을 구현할 수 있다. 수표 스캐너(200)에 의해 이미지가, 예를 들어, LCD 디스플레이와 같은 디스플레이 장치(214)에 표시되거나 호스트 컴퓨터(250)에 전송되기 전에 노이즈-감소된 바이너리 이미지에 대한 이미징 파이프라인에서의 추가 처리가 수행될 것이다.
디지털 이미지는, 그것에 제한되는 것은 아니지만 플래쉬 이이피롬(210) 또 는 롬(208)을 포함하여 컴퓨터(250)와 캡쳐 매커니즘(들) 이외의 소스들로부터 수표 스캐너(200)에 의해 수신될 수 있다. 수표 스캐너(200)의 실시예는 Seiko Epson사의 Epson CaptureOne™ 또는 Epson TM-S1000, TM-J9000, TM-J9100, TM-J7000, TM-J7100, 또는 TMH6000III를 포함하지만 특별한 제한은 없다.
이미지에서의 노이즈 감소를 위한 실시예의 방법(100)이 대해서 도 1과 관련하여 이하에서 상세히 논의될 것이다. 실시예의 방법(100)을 수행하는 데 앞서, 디지털 이미지는 노이즈 감소를 포함한 다양한 이미지 처리 과정의 타켓이 될 수 있다. 타켓 디지털 이미지는 컬러 또는 그레이 스케일의 디지털 이미지일 수 있다. 다양한 이미지 처리 기술이 실시예의 방법(100)이 수행되기 전 타켓 디지털 이미지에 대해서 적용될 수 있다. 예를 들어, 타켓 디지털 이미지는 임계화, 사이즈 조정(resizing), 윤곽 작업(sharpening), 밝기 조절 작업(lightening), 크로핑(cropping) 등을 받을 수 있다. 한 실시예에서, 타켓 이미지는 검은색 또는 하얀색의 픽셀들로 이루어진 바이너리 이미지를 생성하기 위해서 임계화 작업을 받은 그레이 스케일 이미지이다. 그레이 스케일 이미지는 또한 배경 특징들로부터 전경 특징들을 구분하기 위하여 릿지 향상 필터(ridge-enhancing filter)에 의해 필터링 될 수 있다. 상기 결과의 바이너리 및/또는 릿지 향상된 이미지는 실시예의 방법(100)의 입력 이미지로서 제공될 수 있다.
또한, 타켓 디지털 이미지는 문자가 나타날 것으로 예상되는 하나 이상의 문자 영역을 포함하도록 크로핑 될 수 있다. 예를 들어, 수표의 이미지는 지불자 정보 영역, 수급자 이름 영역, 하나 이상의 지급액 영역, 그리고 서명 영역 등의 문 자 영역을 포함할 수 있다. 실시예의 방법(100)에 대한 입력 이미지는 단일의 문자 영역을 포함할 수 있다. 대안적으로는, 입력 이미지는 복수의 문자 영영을 포함할 수 있거나, 또는 상기 복수의 문자 영역은 근접해 있다. 실시예의 방법(100)은 다수의 크로핑된 문자 영역 각각에 순서대로 적용될 수 있다.
102에서, 제 1 이미지의 제 1 대상을 식별하는 동작이 수행된다. 동작 102는 예를 들어 입력 이미지를 첫 번째로 엑세싱함에 의해 수행될 수 있다. 입력 이미지는 하나 이상의 대상(예를 들어, 문자 또는 노이즈 대상)을 가지고 있는 바이너리 디지털 이미지일 수 있다. 대상을 식별하는 것은 동일하거나 비슷한 픽셀 농도 또는 에너지 값을 공유하는 픽셀들의 영역들인 연결된 구성요소들을 식별하는 것을 포함할 수 있다. 예를 들어, 바이너리 이미지에서의 대상은 모두 1의 농도 값을 가지는(예를 들어, 모두 검정색인) 서로 근접한 픽셀들의 세트로 정의될 수 있다. 반면, 그레이 스케일 이미지에서 대상은 소정의 범위 또는 빈(bin) 이내에 포함되는 농도 값을 가지는 서로 근접한 픽셀들을 포함할 수 있다.
n-네이버후드 커넥티비티(n-neighborhood connectivity)기술이 연결된 구성요소들 또는 대상들을 식별하기 위해 사용될 수 있다. 즉, 제 1 픽셀의 농도 값이 그것을 제 1 대상의 부분으로 식별하면 (예를 들어, 제 1 픽셀이 검정색이라면), 제 1 픽셀의 n개의 가장 근접한 이웃들의 농도 값이, 이웃하는 픽셀들 역시 제 1 대상의 부분으로 식별되어야 하는지를 결정하기 위해, 평가된다. 그래서, 제 1 픽셀에 근접한 제 2 픽셀이 제 1 픽셀의 농도 값에 대응한다면(예를 들어, 양 픽셀들이 모두 검정색이라면), 제 2 픽셀은 제 1 대상의 부분으로 식별된다. 8-네이버후 드 커넥티비티 기술은 제 1 픽셀에 바로 근접한 8개의 픽셀들이 평가되는 데 사용될 수 있다. 다른 무엇보다도, 기대되는 문자의 품질과 처리 수단의 가용성에 따라서 더 작거나 더 큰 네이버후드 커넥티비티 기술들이 대상의 식별을 위해 사용될 수 있다.
104에서 제 1 대상의 크기가 결정될 수 있다. 크기에 대한 다양한 추산(estimation)들과 측정들이 사용될 수 있다. 최소 경계 박스(즉, 대상에 맞는 가장 작은 직사각형의 박스)의 면적은 최소의 계산 내에서 결정될 수 있는 크기의 한 예이다.
다음으로 106에서, 제 2 이미지를 생성하기 위해 제 1 이미지의 적어도 일부를 처리하는 동작이 수행된다. 이미지의 적어도 일부를 처리하는 것은 예를 들어 제 1 이미지 또는 그 부분에 대한 릿지 향상, 블러링, 및/또는 다듬질(smoothing)을 포함할 수 있다. 많은 릿지 향상, 블러링, 그리고 다듬질 기술들이 존재한다. 200 dpi의 해상도를 가지는 이미지의 블러링 작업을 수행하기 위해 예를 들면 이하의 가우시안 필터가 사용될 수 있다.
Figure 112009003618146-pat00001
대안적으로는, 2 차원 가우시안 필터는 두 개의 1차원(수평 및 수직) 필터를 적용함으로써 구현할 수 있다. 또한, 필터의 크기는 이미지의 해상도에 따라 조절되도록 적응적(adaptive)일 수 있다.
108에서, 제 1 대상에 대응하는 제 2 이미지의 제 2 대상을 평가하는 동작과 제 1 대상의 크기를 평가하는 동작이 수행될 수 있다. 상기 하나 또는 두 평가 동작은 제 1 이미지로부터 제 1 대상을 폐기할지를 판단하기 위해 수행될 수 있다. 제 2 대상을 평가하기 위해, 에너지 보존 비율이 계산될 수 있다. 제 2 대상 픽셀들이 예를 들어 블러링 필터에 의해 처리된 것이기 때문에, 에너지 보존 비율은 제 1 대상을 블러링한 후에 제 2 대상에 보존되는 에너지의 양을 나타낸다.
에너지 보존 비율은 제 2 이미지의 제 2 대상을 첫 번째로 식별하는 것에 의해 계산될 수 있다. 제 2 대상은 제 1 이미지의 제 1 대상의 픽셀들에 대응하는 제 2 이미지의 픽셀들을 포함한다. 예를 들어, 제 2 이미지가 제 1 이미지의 크기와 같은 경우, 제 2 대상 픽셀들은 제 1 대상 픽셀들과 같은 이미지 좌표들을 가질 수 있다. 그 때 제 1 및 제 2 대상들 각각에서의 에너지가 계산될 수 있다. 픽셀의 농도 값은 그것의 에너지에 대응한다. 따라서, 제 1 대상에서의 에너지의 양을 나타내는 제 1 합계를 형성하기 위해서 제 1 대상의 픽셀들의 농도 값이 합해질 수 있다. 이와 비슷하게, 제 2 대상에서의 에너지의 양을 나타내는 제 2 합계를 형성하기 위해서 제 2 대상들의 픽셀들의 농도 값이 합해질 수 있다. 에너지 보존 비율은 제 1 합계에 대한 제 2 합계의 비율 또는 그 반대의 비율을 계산함으로써 결정될 수 있다.
제 1 이미지로부터 제 1 대상을 폐기할지를 판단하기 위해, 에너지 보존 비율이 임계치와 비교될 것이다. 예를 들어, 에너지 보존 비율이 임계치를 초과한다면, 제 1 대상은 문자 대상이 될 것이고, 따라서 보존된다. 하지만, 에너지 보존 비율이 임계치를 초과하지 않는다면, 제 1 대상을 노이즈로서 폐기하는 결정이 내려질 수 있다.
대상의 폐기에 대한 판단의 기초가 되는 임계치는 소정의 상수일 수 있다. 이 경우, 108에서 제 1 대상의 크기를 평가하는 동작이 생략될 수도 있다. 대안적으로는, 임계치는 제 1 대상의 크기와 같은 판단 기준에 기초하여 변하는 적응적 또는 가변적 임계치일 수 있다. 대상의 크기를 기초로 임계치를 다양하게 하는 것은 노이즈 대상이 문자 대상보다 평균적으로 작다고 예상되는 경우 노이즈 대상을 문자 대상으로부터 구분하는 데 도움이 될 수 있다. 상기 논의한 바와 같이, 제 1 대상의 크기는 제 1 대상의 최소 경계 박스의 면적을 기준으로 정해질 수 있다. 적응적 임계치는 여러 방법으로 구현될 수 있다. 예를 들어, 적응적 임계치로 사용될 수 있는 한가지 함수는 1-k*log10(Area)가 될 수 있으며, 이때 Area는 제 1 대상의 면적이다. 파라미터 k는 한 실시예에서 0.065로 설정된 소정의 값일 수 있다. 대안적으로는, 파라미터 k는 원하는 임계치 감도에 기초한 다른 소정의 값으로 설정되거나, 또는 예를 들면 적용된 블러링의 정도 및/또는 입력 이미지의 해상도 등을 포함하는 기준에 기초하여 동적으로 적응적이거나 수동적으로 조절 가능한 값이 될 수 있다. 또한 적응적 임계치는 대상의 크기 및 이미지의 해상도의 넓은 범위에 걸쳐 적응될 수 있는 임계치를 만들기 위해 면적의 로그 함수에 의존할 수 있다.
108의 평가 동작의 완료에 따라, 실시예의 방법(100)에 나와있는 하나 이상의 동작들이 추가적인 대상들을 식별하고 그것들을 노이즈로서 폐기할지에 대한 판 단을 하기 위해 반복될 수 있다. 따라서 102-108의 동작들의 하나 이상의 반복에 의해 노이즈가 감소된 출력 이미지가 생산될 수 있다.
상기 언급한 여러 대안들에 더불어, 여러 동작이 빠지거나 추가된, 또는 상기 언급한 동작의 순서를 다르게 한 버전들을 포함한 실시예의 방법(100)의 여러 다른 버전이 구현될 수 있다. 예를 들어, 한 실시예에서 102와 104에서 수행된 하나 이상의 동작들이 그 후의 동작들을 진행하기 전에 반복될 수 있다.
예를 들어, 102에서 제 1 이미지에서 제 1 대상을 식별하는 동작이 이후의 104에서 108의 동작을 진행하기 전에 제 1 이미지에서 모든 대상을 찾기 위해서 반복될 수 있다. 대상들을 식별하는 것은 제 1 이미지와 같은 크기를 가지는 대상 지도(object map)를 생산하기 위해 각 픽셀을 대상 레이블로 레이블링(labeling)하는 것을 포함할 수 있다. 대안적으로는, 102에서 제 1 이미지에서 제 1 대상을 식별하는 동작과 104에서 대상의 크기를 판단하는 동작이 이후의 106과 108의 동작을 진행하기 전에 제 1 이미지에서 복수의 대상들을 찾아서 레이블링하고 그것들의 크기를 결정하기 위해 반복될 수 있다. 102(및, 선택적으로 104)에서 수행되는 동작이 복수의 대상을 찾아내기 위해 반복되는 경우의 실시에서, 하나 또는 양쪽의 이후의 106 및 108의 동작이 102의 동작의 반복에 의해 식별된 각 대상을 순차적으로 평가하고 보존/폐기하기 위해서 반복될 수 있다.
상기 언급한 이전의 실시예 중 어느 하나를 조합할 수 있는 다른 실시예에서, 106에서 수행된 동작(즉, 제 2 이미지를 생성하기 위해 제 1 이미지의 적어도 일부를 처리하는 동작)은 제 1 대상의 최소 경계 박스 또는 최소 경계 박스 를 감싸는 조금 더 큰 영역에 대응하는 제 1 이미지의 영역만을 처리(예를 들면 블러링)하는 것을 포함할 수 있다. 이를 통해, 제 2 이미지를 생성하기 위해 전체의 제 1 이미지를 처리하는 것과 비교하여 처리 시간을 줄일 수 있다. 이런 방식으로 제한된 영역을 처리함으로써, 102-106에서 수행되는 동작이, 제 2 이미지에 대응하는 대상들을 평가하기 전에 제 1 이미지에서 식별된 각각의 대상에 대하여 반복될 수 있다.
대안적으로는, 106에서 수행되는 처리 동작은, 제 1 이미지 전체를 처리(예를 들어 블러링)하고 따라서 방법(100)에 있는 동작들의 이후의 모든 반복에서의 처리 동작을 생략하는 것을 포함할 수 있다. 또한, 제 1 이미지 전체를 처리하는 것은 그 어떤 특정 대상에 대한 식별에 의존하지 않기 때문에, 전체 이미지에 대한 처리는, 102에서 수행되는 동작 전 또는 후에, 또는 도 1에 도시된 바와 같이, 104에서 수행된 동작 후에 수행될 수 있다.
상기 언급한 이전의 실시예 중 어느 하나를 조합할 수 있는 다른 실시예에서, 104에서 제 1 대상의 크기를 판단하는 동작이 생략될 수 있다. 따라서, 108에서의 평가 동작이 제 1 대상의 크기의 평가를 생략하는 것으로 변경될 수 있다. 그래서, 에너지 보존 비율과 비교될 임계치는 소정의 상수나 대상의 크기가 아닌 변수에 의존하는 적응적 임계치가 될 수 있다.
상기 언급한 이전의 실시예 중 어느 하나를 조합할 수 있는 다른 실시예에서, 108에서 수행되는 제 2 이미지에서 제 2 대상을 평가하는 동작은 제 2 대상의 에너지의 양을 제 1 대상의 에너지의 양에 기초한 임계치와 비교하는 것을 포함할 수 있다. 따라서, 제 1 대상의 에너지를 설명하기 위해 에너지 보존 비율을 사용하는 대신, 임계치가 제 1 대상의 에너지를 설명하기 위해 사용될 수 있다.
노이즈의 감소를 위한 실시예의 방법(100)은 수표의 이미지에 있는 핸드라이팅이나 문자 등의 전경 특징이 있는지를 검출하는 목적 및/또는 읽기 위한 목적으로 사용될 수 있다. 도 3A는 실시예의 수표의 지불 가능 금액 영역의 바이너리 이미지이다. 도 3B는 도 1의 실시예의 방법(100)을 사용하여 노이즈가 감소된 상태의 도 3A의 지불 가능 영역의 바이너리 이미지이다. 도 3B에 개시된 바와 같이, 도 3A의 이미지에 방법(100)을 수행하는 것은 실시예의 수표의 배경 특징과 같은 노이즈를 제거하게 된다. 도 4A 및 4B는 실시예의 수표의 서명 영역에 관하여 비슷한 예를 보여주고 있다.
전경 특징을 사람이나 OCR기기가 더욱 잘 읽을 수 있도록 해 주는 것과 더불어, 노이즈의 감소는 다른 다양한 프로세스를 개선할 수 있다. 예를 들어, 노이즈 감소는 검출된 핸드라이팅된 서명을 이전에 저장된 핸드라이팅된 서명과 비교하는 서명 인증 프로세스의 신뢰도를 개선할 수 있다. 노이즈 감소의 다른 응용은 서명이나 지급 가능 금액 영역 같은 문자 영역이 제대로 채워지지 않아 수표가 문제가 될 때 그 검출을 개선하는 데 있을 수 있다. 또한, 방법, 장치, 그리고 컴퓨터 프로그램 생산물(products)들이 여기에 수표 이미지에 있는 문자의 검출에 대한 참조와 함께 묘사되었지만, 방법, 장치, 그리고 컴퓨터 프로그램 생산물들은 또한 문자나 문자 이외의 다른 특징들이 검출되는 다른 타입의 이미지에도 적용될 수 있다.
개시된 실시예들은 다른 특정 형태로 실시될 수 있다. 개시된 실시예들은 특 허청구범위를 제한하는 것이 아닌 오로지 설명적으로만 고려된다.
상기 언급된 내용과 발명의 실시예들의 다른 측면을 더 발전시키기 위해 이 실시예들의 더 상세한 설명이 명세서에 첨부된 도면에 나타난 특정한 실시예를 참조하여 표현 될 것이다. 이 도면들은 오직 발명의 실시예에 대한 묘사에 지나지 않으며 따라서 그 청구 범위를 한정하는 데에 참작되지 않는다. 또한 도면들은 발명의 실시예에 대한 도식적이며 개략적인 표현이며, 본 발명에 대해서 제한하지 않는다. 발명의 실시예들은 첨부된 도면을 통해서 더욱 특정되고 자세하게 개시되고 설명될 것이다.
도 1은 노이즈를 줄이기 위해서 이미지를 처리하는 방법의 일예를 개시하고 있다.
도 2는 수표 스캐너의 예에 대한 도식적인 표현이다.
도 3A는 수표의 제 1실시예의 핸드라이팅 영역의 바이너리 이미지이다.
도 3B는 도 1의 실시예의 방법을 이용해서 노이즈가 감소된 그림 3A의 제 1실시예의 핸드라이팅 영역의 바이너리 이미지이다.
도 4A는 수표의 핸드라이팅 영역에 대한 제 2 실시예의 바이너리 이미지이며,
도 4B는 도 1의 방법의 일예를 이용하여 노이즈가 감소된 도 4A의 제 2실시예의 핸드라이팅 영역의 바이너리 이미지이다.

Claims (19)

  1. 제 1 이미지의 제 1 대상을 식별하는 동작;
    제 2 이미지를 생성하기 위해 상기 제 1 이미지의 적어도 일부를 처리하는 동작;
    상기 제 1 이미지로부터 상기 제 1 대상을 폐기할지를 판단하기 위해 상기 제 1 대상에 대응하는 상기 제 2 이미지의 제 2 대상을 평가하는 동작을 포함하며,
    상기 제 1 이미지의 상기 적어도 일부를 처리하는 동작은, 상기 제 2 대상에 대응하는 제 2 에너지 레벨보다 상기 제 1 대상에 대응하는 제 1 에너지 레벨이 커지도록 상기 제 1 이미지의 상기 적어도 일부에서의 에너지를 방산하는(dissipating) 동작을 포함하며,
    상기 제 2 대상을 평가하는 동작은 상기 제 1 및 제 2 에너지 레벨을 서로 관련시키는 에너지 비율을 계산하는 동작 및 상기 에너지 비율을 임계치와 비교하는 동작을 포함하는, 이미지에서의 노이즈 감소 방법
  2. 청구항 1에 있어서, 상기 제 1 이미지는 문자, 핸드라이팅, 및 문자와 핸드라이팅을 포함하는 바이너리 이미지인, 이미지에서의 노이즈 감소 방법
  3. 청구항 1에 있어서, 상기 제 2 이미지는 그레이 스케일 이미지인, 이미지에서의 노이즈 감소 방법
  4. 청구항 1에 있어서, 상기 제 1 대상을 식별하는 동작은:
    제 1 픽셀의 농도(intensity)에 기초하여 상기 제 1 대상의 부분으로서 상기 제 1 픽셀을 식별하는 동작과, 제 2 픽셀의 농도가 상기 제 1 픽셀의 농도에 대응하는지에 기초하여 상기 제 1 픽셀 근처의 제 2 픽셀을 상기 제 1 대상의 부분으로서 식별하는 동작을 포함하는, 이미지에서의 노이즈 감소 방법
  5. 청구항 1에 있어서, 상기 제 1 이미지의 상기 적어도 일부를 처리하는 동작은, 상기 제 1 대상을 포함하는 상기 제 1 이미지의 일부를 처리하는 동작을 포함하는, 이미지에서의 노이즈 감소 방법
  6. 청구항 1에 있어서, 상기 제 1 이미지의 상기 적어도 일부를 처리하는 동작은, 상기 제 2 이미지를 생성하기 위하여 상기 적어도 일부를 블러링하는 동작을 포함하는, 이미지에서의 노이즈 감소 방법
  7. 청구항 6에 있어서, 상기 블러링 동작은 가우시안 블러링을 수행하는 동작을 포함하는, 이미지에서의 노이즈 감소 방법
  8. 청구항 1에 있어서, 상기 제 1 대상의 크기를 결정하는 동작,
    상기 제 1 이미지로부터 상기 제 1 대상을 폐기할지를 결정하기 위해 상기 제 1 대상의 크기를 평가하는 동작을 더 포함하는, 이미지에서의 노이즈 감소 방법
  9. 삭제
  10. 삭제
  11. 청구항 1에 있어서, 상기 임계치는 소정의 상수와, 상기 제 1 대상의 크기에 기초하여 변하는 적응적 값 중 적어도 하나인, 이미지에서의 노이즈 감소 방법
  12. 청구항 11에 있어서, 상기 제 1 대상의 크기는 상기 제 1 대상을 내포하는 최소 경계 직사각형의 면적인, 이미지에서의 노이즈 감소 방법
  13. 청구항 1에 있어서, 상기 에너지 비율을 계산하는 동작은:
    제 1 합계를 구하기 위하여 상기 제 1 대상에 대응하는 픽셀들의 세트의 에너지 값들을 합하는 동작;
    제 2 합계를 구하기 위하여 상기 제 2 대상에 대응하는 픽셀들의 세트의 에너지 값들을 합하는 동작;
    상기 제 1 및 제 2 합계 중 하나를 다른 하나로 나누는 동작을 포함하는, 이미지에서의 노이즈 감소 방법
  14. 바이너리 이미지에서 픽셀들의 세트를 대상으로 정의함으로써 식별하는 동작;
    대상 픽셀들의 세트를 포함하는 상기 바이너리 이미지의 적어도 일부를 블러링하는 동작;
    블러링된 대상 픽셀들의 세트에 보존된 에너지의 양이 임계치를 초과하면 상기 바이너리 이미지로부터 상기 식별된 대상을 폐기하는 동작을 포함하는, 이미지에서의 노이즈 감소 방법
  15. 청구항 14에 있어서, 상기 임계치는, 소정의 상수, 블러링 전의 대상 픽셀들의 세트에 있는 에너지의 양, 상기 식별된 대상의 크기, 상기 식별된 대상의 크기의 로그 함수, 상기 식별된 대상이 내포되는 최소 경계 직사각형의 면적, 또는 상기의 것들의 임의의 조합; 중 적어도 하나를 기초로 하는, 이미지에서의 노이즈 감소 방법
  16. 청구항 14에 있어서, 상기 바이너리 이미지에서의 각 픽셀은 관련된 에너지 레벨을 가지고, 블러링된 대상 픽셀들의 세트에 보존된 에너지의 양은 상기 블러링된 대상 픽셀들의 세트에 있는 각 픽셀의 에너지 레벨의 합에 의해 결정되는, 이미지에서의 노이즈 감소 방법
  17. 실행 시, 노이즈를 줄이기 위한 이미지 처리 방법을 구현하는 컴퓨터-판독가능한 명령어를 가지는 컴퓨터-판독가능한 하나 이상의 매체로서, 상기 방법은:
    제 1 이미지에서 제 1 대상을 식별하는 동작;
    제 2 이미지를 생성하기 위해 상기 제 1 이미지의 적어도 일부를 처리하는 동작;
    상기 제 1 대상을 상기 제 1 이미지로부터 폐기할지를 결정하기 위해, 상기 제 1 대상에 대응하는 상기 제 2 이미지에서의 제 2 대상을 평가하는 동작을 포함하며,
    상기 제 1 이미지의 상기 적어도 일부를 처리하는 동작은, 상기 제 2 대상에 대응하는 제 2 에너지 레벨보다 상기 제 1 대상에 대응하는 제 1 에너지 레벨이 커지도록 상기 제 1 이미지의 상기 적어도 일부에서의 에너지를 방산하는(dissipating) 동작을 포함하며,
    상기 제 2 대상을 평가하는 동작은, 상기 제 1 및 제 2 에너지 레벨을 서로 관련시키는 에너지 비율을 계산하는 동작 및 상기 에너지 비율을 임계치와 비교하는 동작을 포함하는 방법인 매체
  18. 프로세서; 및
    상기 프로세서에 의해 실행되도록 구성된 컴퓨터-판독가능한 명령어가 있는 청구항 17에 기재된 컴퓨터-판독가능한 하나 이상의 매체를 포함하는 이미지 처리 장치
  19. 청구항 18에 있어서, 상기 이미지 처리 장치는 프린터, 스캐너, 수표 스캐너, 디지털 카메라, 디지털 캠코더, 휴대용 포토 뷰어, 또는 상기의 것들의 임의의 조합을 포함하는 이미지 처리 장치
KR1020090004607A 2008-11-06 2009-01-20 디지털 이미지의 노이즈 감소 방법 및 이를 이용한 이미지 처리 장치 KR101011908B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US12/266,112 US8442348B2 (en) 2008-11-06 2008-11-06 Image noise reduction for digital images using Gaussian blurring
US12/266,112 2008-11-06

Publications (2)

Publication Number Publication Date
KR20100051002A KR20100051002A (ko) 2010-05-14
KR101011908B1 true KR101011908B1 (ko) 2011-02-01

Family

ID=41719006

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090004607A KR101011908B1 (ko) 2008-11-06 2009-01-20 디지털 이미지의 노이즈 감소 방법 및 이를 이용한 이미지 처리 장치

Country Status (3)

Country Link
US (1) US8442348B2 (ko)
EP (1) EP2184712A3 (ko)
KR (1) KR101011908B1 (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9715666B2 (en) 2010-06-30 2017-07-25 International Business Machines Corporation Supply chain management using mobile devices
TWI421851B (zh) * 2011-05-17 2014-01-01 Au Optronics Corp 具共用電壓補償機制之液晶顯示裝置與共用電壓補償方法
JP5768590B2 (ja) * 2011-08-22 2015-08-26 富士通株式会社 画像処理装置、画像処理方法及びプログラム
US20150278958A1 (en) * 2012-01-26 2015-10-01 Meditory Corporation Method for taking an inventory of a patient's prescriptions and selecting a health insurance plan
KR101870895B1 (ko) * 2012-02-06 2018-06-25 삼성전자주식회사 멀티 터치 인식 장치 및 그 제어방법
US9478004B2 (en) 2013-04-11 2016-10-25 John Balestrieri Method and system for analog/digital image simplification and stylization
US10699413B1 (en) 2018-03-23 2020-06-30 Carmax Business Services, Llc Automatic image cropping systems and methods

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001008033A (ja) 1999-06-25 2001-01-12 Canon Inc 画像処理装置及び画像処理方法
JP2001160903A (ja) * 1999-12-02 2001-06-12 Nippon Telegr & Teleph Corp <Ntt> 画像補正方法及び装置及びその方法を実行するプログラムを記録した記録媒体
KR20080093110A (ko) * 2006-01-27 2008-10-20 마이크로소프트 코포레이션 이미지 잡음 제거 시스템, 디지털 카메라 및 컴퓨터판독가능 매체

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5392365A (en) * 1991-12-23 1995-02-21 Eastman Kodak Company Apparatus for detecting text edges in digital image processing
JP3192468B2 (ja) * 1992-04-16 2001-07-30 パイオニア株式会社 オンライン手書き文字認識装置及び認識方法
US5321768A (en) * 1992-09-22 1994-06-14 The Research Foundation, State University Of New York At Buffalo System for recognizing handwritten character strings containing overlapping and/or broken characters
US5740271A (en) * 1994-07-27 1998-04-14 On-Track Management System Expenditure monitoring system
WO1996024114A2 (en) * 1995-01-31 1996-08-08 United Parcel Service Of America, Inc. Method and apparatus for separating foreground from background in images containing text
US5956421A (en) * 1996-02-28 1999-09-21 Canon Kabushiki Kaisha Image processing method and apparatus for determining a binarization threshold value used for binarizing a multi-valued image and performing binarization processing
JPH1191988A (ja) 1997-09-24 1999-04-06 Bridgestone Corp 搬送ロール
US7016536B1 (en) * 1999-11-24 2006-03-21 Gtx Corporation Method and apparatus for automatic cleaning and enhancing of scanned documents
US6885775B2 (en) * 2000-01-21 2005-04-26 Matsushita Electric Industrial Co., Ltd. Image processing method and image processing apparatus
WO2002025589A1 (en) * 2000-09-20 2002-03-28 Nik Multimedia, Inc. Digital image sharpening system
JP2002271611A (ja) * 2001-03-14 2002-09-20 Fujitsu Ltd 画像処理装置
TW563345B (en) * 2001-03-15 2003-11-21 Canon Kk Image processing for correcting defects of read image
US7190832B2 (en) * 2001-07-17 2007-03-13 Amnis Corporation Computational methods for the segmentation of images of objects from background in a flow imaging instrument
US7187785B2 (en) * 2001-08-28 2007-03-06 Nippon Telegraph And Telephone Corporation Image processing method and apparatus
US7039232B2 (en) * 2001-12-20 2006-05-02 Xerox Corporation Block level analysis of segmentation tags
US7426291B2 (en) * 2002-07-29 2008-09-16 Seiko Epson Corporation Apparatus and method for binarizing images of negotiable instruments using a binarization method chosen based on an image of a partial area
US7079687B2 (en) * 2003-03-06 2006-07-18 Seiko Epson Corporation Method and apparatus for segmentation of compound documents
JP4236962B2 (ja) 2003-03-11 2009-03-11 株式会社リコー 手書き文字描画装置、手書き文字描画方法、および手書き文字描画方法をコンピュータに実行させるためのプログラム
KR100977713B1 (ko) * 2003-03-15 2010-08-24 삼성전자주식회사 영상신호의 글자 인식을 위한 전처리 장치 및 방법
US7433535B2 (en) * 2003-09-30 2008-10-07 Hewlett-Packard Development Company, L.P. Enhancing text-like edges in digital images
US7295233B2 (en) * 2003-09-30 2007-11-13 Fotonation Vision Limited Detection and removal of blemishes in digital images utilizing original images of defocused scenes
JP4066367B2 (ja) * 2003-11-28 2008-03-26 ノーリツ鋼機株式会社 画像ノイズ除去方法
JP3927171B2 (ja) 2003-12-26 2007-06-06 キヤノンマーケティングジャパン株式会社 ノイズ除去装置及び方法、プログラム、並びに記録媒体
US7643699B2 (en) * 2005-07-05 2010-01-05 Hewlett-Packard Development Company, L.P. Image processing based on local noise statistics
JP5091430B2 (ja) * 2006-06-14 2012-12-05 ルネサスエレクトロニクス株式会社 半導体不良解析装置、不良解析方法、及び不良解析プログラム
US7643010B2 (en) * 2007-01-03 2010-01-05 Apple Inc. Peripheral pixel noise reduction
TW200834459A (en) * 2007-02-05 2008-08-16 Huper Lab Co Ltd Video object segmentation method applied for rainy situations
US8417033B2 (en) * 2007-04-27 2013-04-09 Hewlett-Packard Development Company, L.P. Gradient based background segmentation and enhancement of images
US8068684B2 (en) * 2007-05-04 2011-11-29 I.R.I.S. Compression of digital images of scanned documents

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001008033A (ja) 1999-06-25 2001-01-12 Canon Inc 画像処理装置及び画像処理方法
JP2001160903A (ja) * 1999-12-02 2001-06-12 Nippon Telegr & Teleph Corp <Ntt> 画像補正方法及び装置及びその方法を実行するプログラムを記録した記録媒体
KR20080093110A (ko) * 2006-01-27 2008-10-20 마이크로소프트 코포레이션 이미지 잡음 제거 시스템, 디지털 카메라 및 컴퓨터판독가능 매체

Also Published As

Publication number Publication date
EP2184712A2 (en) 2010-05-12
KR20100051002A (ko) 2010-05-14
US20100111439A1 (en) 2010-05-06
US8442348B2 (en) 2013-05-14
EP2184712A3 (en) 2017-12-13

Similar Documents

Publication Publication Date Title
KR101011908B1 (ko) 디지털 이미지의 노이즈 감소 방법 및 이를 이용한 이미지 처리 장치
US8064721B2 (en) Method and apparatus for removing noise from a digital image
US8457403B2 (en) Method of detecting and correcting digital images of books in the book spine area
US8064729B2 (en) Image skew detection apparatus and methods
JP4955096B2 (ja) 検出装置、検出方法、検出プログラム、および記録媒体
EP1910994B1 (en) Binarization of an image
WO2008134000A1 (en) Image segmentation and enhancement
JP2001169080A (ja) カラー画像処理方法、カラー画像処理装置、及びそのための記録媒体
US8675969B2 (en) Method and apparatus for detecting page boundaries
JP2011045078A (ja) カメラベースの文書画像処理のための適応的ボケ除去
EP2438574A2 (en) Edge detection
US8073284B2 (en) Thresholding gray-scale images to produce bitonal images
US10455163B2 (en) Image processing apparatus that generates a combined image, control method, and storage medium
JP5301694B2 (ja) 画像処理装置、画像処理方法、プログラムおよびその記録媒体
US9251430B2 (en) Apparatus, method, and program for character recognition using minimum intensity curve of image data
US8306335B2 (en) Method of analyzing digital document images
CN110210467B (zh) 一种文本图像的公式定位方法、图像处理装置、存储介质
US9076225B2 (en) Image processing device, an image processing method and a program to be used to implement the image processing
US10373329B2 (en) Information processing apparatus, information processing method and storage medium for determining an image to be subjected to a character recognition processing
JP4502001B2 (ja) 画像処理装置および画像処理方法
CN112215784B (zh) 图像去污方法、装置、可读存储介质及计算机设备
KR100537827B1 (ko) 경계선 분포를 이용한 스캔 영상의 상역 분리 방법
JP6911697B2 (ja) 水面判定プログラム、水面判定方法、及び水面判定装置
JP2023094844A (ja) 画像処理装置、方法及びプログラム
US9460347B2 (en) Image processing apparatus and method for processing image for detecting an image area including a defective color tone

Legal Events

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

Payment date: 20140107

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20150105

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20160105

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20170103

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20180104

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20200107

Year of fee payment: 10