KR101225060B1 - 이미지 센서에서 노이즈 판단 기준을 추정하는 방법 및장치 - Google Patents

이미지 센서에서 노이즈 판단 기준을 추정하는 방법 및장치 Download PDF

Info

Publication number
KR101225060B1
KR101225060B1 KR1020060021911A KR20060021911A KR101225060B1 KR 101225060 B1 KR101225060 B1 KR 101225060B1 KR 1020060021911 A KR1020060021911 A KR 1020060021911A KR 20060021911 A KR20060021911 A KR 20060021911A KR 101225060 B1 KR101225060 B1 KR 101225060B1
Authority
KR
South Korea
Prior art keywords
classification
reference value
block
noise
color characteristic
Prior art date
Application number
KR1020060021911A
Other languages
English (en)
Other versions
KR20070092024A (ko
Inventor
유영진
이성덕
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020060021911A priority Critical patent/KR101225060B1/ko
Priority to US11/641,865 priority patent/US7734060B2/en
Publication of KR20070092024A publication Critical patent/KR20070092024A/ko
Application granted granted Critical
Publication of KR101225060B1 publication Critical patent/KR101225060B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise

Landscapes

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

Abstract

본 발명은 이미지 센서에서 노이즈 판단 기준을 추정하는 방법 및 장치에 관한 발명으로서 본 발명의 일 실시예에 따른 이미지 센서에서 노이즈 판단 기준을 추정하는 방법은 입력된 영상을 구성하는 소정의 블록들에 대해 각각의 색특성값을 계산하는 단계, 상기 소정의 블록들 중의 제 1 블록의 색특성값과 기설정된 초기 노이즈 기준값을 비교하는 단계, 상기 제 1 블록의 색특성값을 소정의 컬러 특성 클래스 중 제 1 분류로 분류하고, 상기 비교한 결과를 상기 제 1 분류에 누산하는 단계, 및 상기 누산된 결과를 사용하여 상기 초기 노이즈 기준값을 변경하고, 상기 분류된 컬러 특성 클래스의 제 1 분류에 소속된 상기 소정의 블록들에 적용될 제 1 분류 노이즈 기준값을 산출하는 단계를 포함한다.
이미지 센서, 노이즈, 정규화, 블록, 프레임, 영상, 텍스쳐

Description

이미지 센서에서 노이즈 판단 기준을 추정하는 방법 및 장치{Method and apparatus for estimating criterion of determination of noise}
도 1은 본 발명의 일 실시예에 따른 입력된 영상신호에 대해 노이즈 추정을 수행하는 과정을 보여주는 도면이다.
도 2는 본 발명의 일 실시예에 따른 영상신호에 대한 노이즈 추정을 수행하는 순서도이다.
도 3은 본 발명의 일 실시예에 따른 가우시안 노이즈 분포 모델이다.
도 4는 본 발명의 일 실시예에 따른 텍스쳐 정보가 노이즈 영역에 발생한 경우 노이즈 기준값을 변경하는 과정을 보여주는 그래프이다.
도 5은 본 발명의 일 실시예에 따른 텍스쳐의 영향이 적은 특정 휘도 범위의 이미지 센서 노이즈 레벨 분산의 예를 보여주는 그래프이다.
도 6은 본 발명의 일 실시예에 따라 영상 내에서 블록의 데이터를 산출하는 과정을 보여준다.
도 7은 본 발명의 일 실시예에 따른 이미지 센서가 노이즈 추정을 수행하는 과정을 보여주는 순서도이다.
도 8은 본 발명의 일 실시예에 따른 이미지 센서가 노이즈 추정을 수행하기 위해 필요로 하는 구성 요소들을 보여주는 구성도이다.
<도면의 주요 부분에 대한 부호의 설명>
600: 입력 영상 610, 620: 블록
800: 영상장치 810: 블록 특성 계산부
820: 분류 정보 누산부 830: 노이즈 기준값 변경부
840: 게인 컨트롤부 850: 노이즈 판단부
본 발명은 노이즈를 줄이는 방안에 관한 것으로, 보다 상세하게는 이미지 센서에서 노이즈 판단 기준을 추정하는 방법 및 장치에 관한 것이다.
이미지 센서는 반도체가 빛에 반응하는 성질을 이용하여 이미지를 재생해내는 장치이다. 이미지 센서에는 작은 감광 다이오드들로 구성되어 이들 감광 다이오드(픽셀, 화소)들이 반응한 빛의 정보를 처리한다.
각각의 피사체에서 나오는 각기 다른 빛의 밝기 및 파장을 화소가 감지하여 전기적인 값으로 읽어내고 이를 신호처리가 가능한 레벨로 만들어준다. 즉, 이미지 센서는 광학 영상을 전기 신호로 변환시키는 반도체 소자로서, 이미지 센서를 포함하는 휴대용 장치, 예를 들어, 디지털 카메라, 이동 통신 단말기 등이 개발되어 판매되고 있다.
한편, 이미지 센서가 피사체를 촬영중에 노이즈가 발생하게 되는데, 상기 노이즈를 판단하는 기준이 일률적인 경우 노이즈를 제거하거나 노이즈를 저감하기 어 렵다. 왜냐하면, 영상에 따라 노이즈가 발생하거나 노이즈로 판별할 수 있는 요소들이 가변적으로 변하기 때문에 일률적인 노이즈 판단 기준은 텍스쳐 정보를 노이즈로 판단하여 제거할 수 있다. 마찬가지 이유로 노이즈를 텍스쳐 정보를 판단하여 노이즈가 들어간 영상을 그대로 사용할 수 있다. 따라서 노이즈를 영상에 따라 가변적으로 판단할 수 있도록 하는 노이즈 추정이 필요하다.
본 발명은 상기한 문제점을 개선하기 위해 안출된 것으로, 본 발명은 영상의 화질을 손상시키는 이미지 센서 노이즈를 효과적으로 저감시키는 방법과 장치를 제공하는데 목적이 있다.
본 발명의 또다른 목적은 영상의 특성을 고려하여 가변적으로 노이즈를 판단하는 기준을 생성하여 이 기준에 따라 영상의 노이즈를 제거하는 것이다.
본 발명의 목적들은 이상에서 언급한 목적들로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따른 이미지 센서에서 노이즈 판단 기준을 추정하는 방법은 입력된 영상을 구성하는 소정의 블록들에 대해 각각의 색특성값을 계산하는 단계, 상기 소정의 블록들 중의 제 1 블록의 색특성값과 기설정된 초기 노이즈 기준값을 비교하는 단계, 상기 제 1 블록의 색특성값을 소정의 컬러 특성 클래스 중 제 1 분류로 분류하고, 상기 비교한 결과를 상기 제 1 분류에 누산하는 단계, 및 상기 누산된 결과를 사용하여 상기 초기 노이즈 기준값을 변경하고, 상기 분류된 컬러 특성 클래스의 제 1 분류에 소속된 상기 소정의 블록들에 적용될 제 1 분류 노이즈 기준값을 산출하는 단계를 포함한다.
본 발명의 일 실시예에 따른 영상 장치는 입력된 영상을 구성하는 소정의 블록들에 대해 각각의 색특성값을 계산하는 블록 특성 계산부, 상기 소정의 블록들 중의 제 1 블록의 색특성값과 기설정된 초기 노이즈 기준값을 비교하며, 상기 제 1 블록의 색특성값을 소정의 컬러 특성 클래스 중 제 1 분류로 분류하고, 상기 비교한 결과를 상기 제 1 분류에 누산하는 분류 정보 누산부, 및 상기 누산된 결과를 사용하여 상기 초기 노이즈 기준값을 변경하고, 상기 분류된 컬러 특성 클래스의 제 1 분류에 소속된 상기 소정의 블록들에 적용될 제 1 분류 노이즈 기준값을 산출하는 노이즈 기준값 변경부를 포함한다.
기타 실시예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다
이하, 본 발명의 실시예들에 의하여 이미지 센서에서 노이즈 판단 기준을 추정하는 방법 및 장치를 설명하기 위한 블록도 또는 처리 흐름도에 대한 도면들을 참고하여 본 발명에 대해 설명하도록 한다. 이 때, 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑제되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
도 1은 본 발명의 일 실시예에 따른 입력된 영상신호에 대해 노이즈 추정을 수행하는 과정을 보여주는 도면이다. 영상이 입력되면 초기 노이즈 기준값을 추출한다(S10). 초기 노이즈 기준값은 영상을 구성하는 픽셀들 또는 블록들의 색특성과 비교하여 노이즈인지 아닌지 여부를 판별하는 기준값이며, 이 값은 입력된 영상의 특성에 따라 변경된다.
그리고 입력된 영상을 일정 크기로 나누어 블록을 구한 후, 해당 블록의 색특성을 계산한다(S20). 이때, 색특성은 여러가지가 있을 수 있는데, 어떤 컬러 모델을 사용하는가에 따라 구분된다. 예컨데, 장치 의존적인 모델과 장치 독립적인 모델로 구분 시, 장치 의존적인 컬러 모델로는 가법의 색 공간 모델인 RGB(Red, Green, Blue) 모델과 감법의 색 공간 모델인 CMYK 컬러 모델이 존재하며, 장치 독립적인 컬러 모델로는 CIE L*a*b* 모델, CIE XYZ 모델, CIE LUV 모델 등이 존재한다. 또한, 휘도-색차(Luma-Chroma) 색공간을 나타내는 대표적인 모델로는 YCbCr, YUV, YIQ 등이 있다. 이러한 모델은 당업계에서 충분히 알려져 있는 모델이므로 이에 대한 자세한 설명은 생략한다.
S20에서의 색특성에 대한 계산은 컬러 모델에 따라 해당 블록이 가지는 색특 성을 계산하는 것을 의미한다. 즉, 색특성은 상기 컬러 모델에서 산출한 값이 될 수 있고, 상기 컬러 모델에서 산출된 값을 가공한 값이 될 수 있다. 또한, 블록이 여러 픽셀로 구성될 경우, 블록을 구성하는 픽셀들이 가지는 상기 컬러 모델의 값들의 평균값, 분산값, 편차값, 중간값, 대표값 등을 선택할 수 있다.
그리고, 블록별로 계산된 색특성 값은 상기 초기 노이즈 기준값과 비교하여, 비교 결과 노이즈로 판별될 경우 세밀한 분류작업을 수행함으로써 블록별 색특성이 가지는 범위를 판별한다(S30). 예를 들어, 블록별로 휘도를 산출하여 이 휘도값이 어느 범위에 들어가는지를 판별할 수 있다. 이는 여러 범위에 걸쳐있는 영상에서 노이즈 여부를 판별시 각기 다른 노이즈 기준 값을 적용할 수 있기 위함이다.
그리고, 판별된 블록별 색특성이 가지는 범위의 분류별로 블록의 값과 노이즈와의 값사이에서 산출된 결과를 누산한다(S40). 블록의 값이란 블록별 색특성이 가지는 통계값이 A인 경우, 노이즈로 판단하기 위한 초기 노이즈 기준값과 A와의 차이를 계산한다. 계산한 결과 차이가 클 경우, 블록이 노이즈가 아닌, 텍스쳐 정보일 가능성이 높으므로, 이들 차이를 블록의 통계값 A가 소속되는 분류에 누산시킬 경우, 추후 해당 분류에 소속된 블록들이 노이즈인지 판단하는데 필요한 노이즈 기준값을 달리 설정할 수 있다.
누산하는 과정은 노이즈와 텍스쳐 정보의 구분을 위한 것이며, 이전 블록의 색특성과 현 블록의 색특성의 차이 등을 계산하여 누산할 수 있다. 영상을 구성하는 블록들에 대해 S20, S30, S40의 과정을 수행하면 특성 범위별로 데이터가 누산된다. 특성 범위별 데이터란, 예를 들어, 각 블록별 통계값이 될 수 있으며, 각 블 록별 통계값 사이의 편차 데이터가 될 수 있다. 상기 블록별 통계값은 블록을 구성하는 픽셀들의 컬러 정보에서 산출가능하다.
이들 누산된 데이터를 사용하여 노이즈 기준값을 변경한다. 변경된 노이즈 기준값은 입력된 영상에서 노이즈와 텍스쳐를 판단하는 기준이 된다.
도 2는 본 발명의 일 실시예에 따른 영상신호에 대한 노이즈 추정을 수행하는 순서도이다. 도 1의 과정을 상세히 나타낸 것이다.
노이즈와 텍스쳐를 구분하는 임계값 бmax를 산출한다(S110). бmax는 미리 정의된 값이거나 디지털 영상 기기에서 설정된 값일 수 있다. 예를 들어 자동 노출(Auto Exposure)에 의해 미리 초기 노이즈 기준값(임계값)을 설정할 수 있다. 도 3에 나타난 바와 같이 가우시안 노이즈 분포 모델(Gaussian noise distribution model)(210)을 차용한 예를 살펴보면, 노이즈는 0에서 5 사이에 집중적으로 분포되어 있음을 알 수 있다. 분포 모델(210)에서의 테일(tail) 부분의 노이즈는 발생 확률이 상대적으로 낮지만 이미지 품질 저하에 많은 영향을 미치므로 본 발명의 실시예에서는 가우시안 분포에 있어서의 테일 영역까지 포함하도록 бmax를 15로 설정한다.
초기 노이즈 기준값인 бmax를 산출하면, 영상 내의 프레임을 일정 크기의 블록으로 나누어, 각각의 블록을 구성하는 픽셀들이 가지는 색특성의 통계량(Scurrent)을 계산한다(S120). 여기서, 색특성의 통계량이란 블록을 구성하는 픽셀들이 가지는 색특성들을 모두 취합하여 소정의 통계적 계산 과정을 통해 얻어진 값을 의미한 다.
색특성의 통계량을 얻기 위한 소정의 통계적 계산 과정의 예를 살펴보면 수학식 1과 같다.
Figure 112006016551390-pat00001
Figure 112006016551390-pat00002
,
수학식 1에서는 각 픽셀의 색특성(x ij )을 취합하여 블록에 대한 색특성을 구하기 위해, 각 픽셀의 색특성(x ij )과 픽셀들의 색특성(x ij )의 평균값과의 차이의 절대값에 대한 평균을 구한다.
이미지 센서에 부가되는 프로세서의 컴퓨팅 파워에 따라 제곱 또는 제곱근을 구하기 어려운 경우가 발생하기 때문에, 빠른 계산 처리를 위해 수학식 1과 같이 평균과의 차이를 절대값으로 처리한 값을 구하는 연산으로 이러한 과정을 처리하고 있다. 수학식 1에서 N은 윈도우(블록) 내의 픽셀의 개수를 의미한다.
이외에도, 수학식 2와 같이 윈도우 내의 중심 픽셀값 x와 각 픽셀 x ij 의 차이를 구하여 블록의 색특성을 구할 수 있다.
Figure 112006016551390-pat00003
수학식 1과 수학식 2 외에도 블록 단위로 Trimmed SAD(Trimmed Sum of Absolute Difference, TSAD)를 통해 Scurrent를 구할 수 있다.
이렇게 계산한 Scurrent의 값과 бmax를 비교한다(S130). 비교한 결과 бmax 보다 작은 경우 도 3에서 살펴본 바와 같이 노이즈에 해당한다고 판단할 수 있다. 따라서 S142내지 S148 과정을 수행한다.
한편, бmax 보다 큰 경우, 도 3에서 살펴본 바와 같이 텍스쳐에 해당한다고 판단할 수 있다. 따라서, S150 과정으로 이동한다.
좀더 상세히 살펴보면, Scurrent의 값을 초기 노이즈 기준값과 비교하여 초기 노이즈 기준값보다 Scurrent의 값이 작은 블록에 대해서 해당 블록의 색특성이 가지는 입력 휘도 범위 r을 판정한다(S142). 이는 도 1에서 살펴본 블록별 특성의 범위를 판정하는 경우의 일 실시예이다. 블록이 가지는 색특성의 범위에 따라 노이즈 기준값을 달리 추정하여 적용할 수 있다. 예를 들어, 블록을 구성하는 중심 픽셀의 정보 k가 어떤 범위에 있는가에 따라 아래의 수학식 3과 같이 r의 값을 설정할 수 있다.
if 0 < k ≤ 50 then r = 1
if 50 < k ≤ 100 then r = 2
if 100 < k ≤ 150 then r = 3
if 150 < k ≤ 200 then r = 4
if 200 < k ≤ 250 then r = 5
이와 같이 입력 범위의 클래스를 나타내는 r의 값이 정해지면, r의 값에 따라 텍스쳐-노이즈 판단에 따른 차이를 계산한다. 상기 r의 값이 정해지면 상기 블록이 노이즈인지 텍스쳐인지 재판단하기 위한 과정이 진행된다.
그 실시예로 도 2의 S144와 같이 현재 블록의 통계값과 이전 블록의 통계값의 차이를 누산시킨다. 이는 두 블록의 통계값의 차이가 클 경우, 노이즈가 아닌 텍스쳐일 가능성이 높기 때문이다. 따라서 수학식 4와 같이 블록 간의 통계결과를 비교한다.
fr = fr + Scurrent - Sprevious, F_countr++
수학식 3에서 산출한 r의 값에 따라, 해당 블록이 포함될 수 있는 클래스 r에 대해 이전 블록과 현 블록의 통계값의 차이를 누산시키며, F_countr++ 을 통해 누산 과정에서 몇 개의 블록이 클래스 r에 포함되어 누산되었는지 판단할 수 있도록 한다.
상기 텍스쳐-노이즈 차이를 누산한 후에, S146에 나타난 수학식 5와 같이 현재 블록이 포함되는 클래스에 현재 블록의 통계값 Scurrent를 누산시킨다. 그리고 이후 몇 개의 블록이 클래스 r에 포함되어 누산되었는지 판단할 수 있도록 S_countr++을 수행한다.
Sr = Sr + Scurrent , S_countr++
그리고 S144 단계에서 다음 블록이 텍스쳐인지 노이즈인지 판별하기 위해 현 블록의 Scurrent 값을 Sprevious에 저장한다(S148). 모든 블록에 대해 S130 내지 S148의 과정을 진행한다(S150).
이와 같이 모든 블록에 대해 초기 노이즈 기초값과 비교가 완료하면, 정규화 과정을 수행한다(S160). 정규화 과정이란, 전술한 S144와 S146에서 누산시킨 fr과 Sr의 값에 대해 정규화(normalization) 과정을 수행하는 것을 의미한다. 정규화 과정은 수학식 6과 같다.
Figure 112006016551390-pat00004
Figure 112006016551390-pat00005
,
전술한 과정에서 r에 따라 클래스가 나뉘어졌고, 각 클래스에 따라 데이터가 누산되었으므로 이에 대해 정규화 과정을 수행한다.
정규화 과정을 수행한 이후, fr의 변동 특성(fluctuation feature)기반 overestimation/underestimation을 보정한다(S170). 이는 도 4에 나타나있다.
도 4는 본 발명의 일 실시예에 따른 텍스쳐 정보가 노이즈 영역에 발생한 경우 노이즈 기준값을 변경하는 과정을 보여주는 그래프이다. 도 3에서 살펴본 바와 같이 초기 노이즈 기준값은 노이즈 레벨 15이다. 그런데, 도 2의 누산과정을 통해 텍스쳐 컴포넌트가 15 이하에도 분포하고 있음을 알 수 있다. 이들 텍스쳐 컴포넌트는 노이즈가 아니다. 또한 전술한 초기 노이즈 기준값은 발생 가능한 노이즈를 기준으로 측정된 것이므로, 노이즈 기준값을 조정할 수 있다. 즉, 초기 노이즈 기준값이 과평가(overestimation)이 되었기 때문에, 노이즈 기준값을 텍스쳐 영역을 제외한 노이즈 레벨 5로 보정할 수 있다.
텍스쳐 성분이 노이즈 레벨 분포에 포함되는지 판정하기 위해서 분포도에서의 분산(variance)값을 계산하는 것이 필요하지만, 분산값을 계산하는 것은 전체의 히스토그램 데이터를 저장해야 하므로 매우 많은 계산량을 필요로 한다. 따라서, 블록간 통계값의 차이가 누산된 변동 특성 fr을 사용한다.
과평가/저평가된 노이즈 기준값을 보상하기 위해 도 5의 그래프를 사용한다.
도 5은 본 발명의 일 실시예에 따른 텍스쳐의 영향이 적은 특정 휘도 범위의 이미지 센서 노이즈 레벨 분산의 예를 보여주는 그래프이다. 도 5의 그래프를 통해 텍스쳐 성분이 포함되는 노이즈 레벨 분포인 경우, 즉 fr의 값이 높을 때는 gain을 낮추어서 보정한다. 한편, 순수 가우시안 분포(pure Gaussian distribution)인 경우, 즉 fr의 값이 낮을 때는 gain을 높여서 테일 대부분의 outlier를 포함하도록 한다.
Gain을 구하기 위한 Gfluctuation(fr)을 구하는 과정의 실시예는 수학식 7과 같다.
Figure 112006016551390-pat00006
상기 수학식 7에서 나타난 Gfluctuation(f r )은 이미지 센서에 대해 실험적으로 구할 수 있다.
마지막으로 도 2의 S180 과정을 수행한다. 이는 선택적으로 수행할 수 있다. 변동 특성(Fluctuation feature) fr 에 기반을 두고 과평가/저평가가 보정되었지만 센서 모듈은 촬영환경에 따라 심하게 노이즈의 특성이 변하기 때문에 과평가/저평가를 완전히 제거하기가 어렵다. 따라서, AGC와 노출 시간에 기반을 둔 게인 컨트롤(gain control)을 수행할 수 있다. 예를 들어, 입력된 영상의 장면에서 수학식 8과 같이 게인 컨트롤을 수행할 수 있다.
Gscene = AGC*w1/100 + Exposure*w2/100 + c
AGC와 노출시간에 대한 정보인 Exposure는 0에서 100%까지 변화 가능하다. 이러한 값은 이미지 센서의 자동 노출에서 구할 수 있다.
도 6은 본 발명의 일 실시예에 따라 영상 내에서 블록의 데이터를 산출하는 과정을 보여준다.
이미지 센서를 통해 입력된 영상 프레임(600)은 다수의 블록들(610, 620)으로 구성된다. 프레임을 구성하는 블록은 도 6에 나타난 바와 같이 서로 겹치도록 할 수 있다. 블록 또는 윈도우의 일정 부분이 겹치도록 함으로써, 노이즈 기준값을 더 자세히 산출할 수 있다. 블록(620)은 다수의 픽셀로 구성된다. 620 블록은 5x5로 25개의 픽셀로 구성되며, 각 픽셀이 가지는 색특성의 통계값을 통해 블록의 색특성을 산출할 수 있다.
도 7은 본 발명의 일 실시예에 따른 이미지 센서가 노이즈 추정을 수행하는 과정을 보여주는 순서도이다.
초기 노이즈 기준값을 산출한다(S710). 이미지 센서의 AE(Auto Exposure)에 설정된 값을 추출할 수 있으며, 이전의 노이즈 추정에 따라 설정된 결과를 사용할 수 있다. 그리고 블록의 블록 특성값을 계산한다(S720). 여기에서 블록들은 서로 일정 영역 겹치도록 하여 데이터의 정밀성을 높일 수 있다. 블록의 특성값은 전술한 바와 같이 상기 블록을 구성하는 픽셀의 컬러가 소정의 컬러 공간에서 가지는 컬러 값에서 산출되는 값이며, 상기 컬러 공간은 RGB, CMYK, YUV, YCbCr, YIQ, CIE, CIE L*a*b*, CIE LUV 등이 될 수 있다. 그리고 이들 블록의 블록 특성값이 포함된 컬러 특성 클래스의 분류를 결정한다(S730). 컬러 특성 클래스는 입력된 픽셀의 휘도 범위를 소정 범위로 나눈 것이 일 실시예가 될 수 있다.
그리고 S710의 초기 노이즈 기준값과 상기 블록 특성값, 그리고 블록 특성값과 이전의 블록 특성값 사이의 차이 등을 비교한 결과를 분류에 누산한다(S740). 이러한 누산 결과는 추후 노이즈 기준값의 정규화를 가능하게 한다.
클래스의 분류별로 누산된 결과를 사용하여 노이즈 기준값을 변경한다(S750). 노이즈 기준값의 변경은 도 4에서 살펴본 바와 같이 노이즈 영역에 텍스쳐가 포함되는 경우, 이를 제외하고 노이즈를 판별할 수 있도록 노이즈 기준값을 변 경하는 것을 의미한다. 그리고 변경된 노이즈 기준값에 따라 영상 내의 블록들의 노이즈 여부를 판단한다(S760). 프레임을 구성하는 블록들이 다수일 경우 S720내지 S740의 과정은 반복될 수 있다.
그리고 노이즈 기준값을 변경하여 산출한 이후에는 게인 컨트롤을 수행할 수 있다. 게인 컨트롤(gain control)은 영상을 촬영시 노출 시간을 기반으로 수행할 수 있다.
도 8은 본 발명의 일 실시예에 따른 이미지 센서가 노이즈 추정을 수행하기 위해 필요로 하는 구성 요소들을 보여주는 구성도이다. 도 8의 구성은 디지털 카메라, 디지털 캠코더 등과 같이 영상을 디지털 신호로 바꾸어 입력하는 모든 기기에 적용가능하다.
영상 기기(800)는 영상 입력부(805), 블록 특성 계산부(810), 분류 정보 누산부(820), 노이즈 기준값 변경부(830), 게인 컨트롤부(840), 그리고 노이즈 판단부(850)로 구성된다.
영상 입력부(805)는 이미지 센서를 통해 영상을 입력받는다. 영상을 입력받으면서 노이즈가 포함되기 때문에, 영상 입력부(805)에서 노이즈를 판별하는 기준값을 정하는 작업이 필요하다.
블록 특성 계산부(810)는 입력된 영상을 구성하는 블록에 대해 초기 노이즈 기준값과 비교할 수 있는 제 1 블록의 블록 특성값을 계산한다. 블록 특성값은 블록을 구성하는 픽셀의 컬러가 소정의 컬러 공간에서 가지는 컬러 값에서 산출되는 값이며, 상기 컬러 공간은 RGB, CMYK, YUV, YCbCr, YIQ, CIE, CIE L*a*b*, CIE LUV 등이 될 수 있다.
분류 정보 누산부(820)는 제 1 블록의 블록 특성값과 상기 초기 노이즈 기준값을 비교하며, 상기 제 1 블록의 블록 특성값이 포함된 소정의 컬러 특성 클래스의 제 1 분류를 결정하여 상기 비교한 결과를 상기 제 1 분류에 누산한다. 그리고 분류 정보 누산부(820)가 누산한 결과를 사용하여 노이즈 기준값 변경부(830)는 초기 노이즈 기준값을 변경하고, 상기 제 1 분류에 소속된 블록들에 적용될 제 1 분류 노이즈 기준값을 산출한다.
노이즈 기준값 변경부(830)는 초기 노이즈 기준값을 산출할 수 있는데, 이는 이미지 센서에서 미리 설정된 값을 읽어오는 것을 통해 가능하다. 또한, 이전 프레임 또는 이전 입력 영상에서 설정한 값에서 추출할 수 있다.
게인 컨트롤부(840)는 영상을 촬영시의 노출 시간을 기반으로 게인 컨트롤을 수행한다. 노이즈 판단부(850)는 입력된 영상에 포함된 블록들의 블록 특성값이 컬러 특성 클래스의 어느 분류에 포함되지를 조사하여, 해당 분류의 노이즈 기준값에 따라 노이즈인지 텍스쳐인지를 판단한다. 컬러 특성 클래스는 입력된 픽셀의 휘도 범위를 소정 범위로 나눈 클래스가 일 실시예가 될 수 있다.
블록 특성 계산부(820)는 입력된 영상을 구성하는 블록들 각각에 대해 블록 특성값을 산출할 수 있다. 이때, 각 블록들은 다른 블록들과 일정 영역이 겹치도록 할 수 있는데, 이는 이산적인 블록들로부터 데이터를 취합하는 것 보다 더 정확하게 계산할 수 있기 때문이다.
그리고 이렇게 산출된 블록 특성값들은 역시 분류 정보 누산부(830)에서 분 류별로 블록의 특성값 및 초기 노이즈 기준값과의 비교 결과를 누산한다.
따라서 노이즈 기준값 변경부(830)는 상기 분류에 따라 노이즈 기준값을 달리 산출할 수 있다. 이때, 분류에 소속된 블록들이 가지는 상기 블록 특성값 사이의 차이를 누산한 결과를 사용하여 정규화 과정을 수행하여 초기 노이즈 기준값을 변경할 수 있다.
본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구의 범위에 의하여 나타내어지며, 특허청구의 범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
본 발명을 구현함으로써 이미지 센서에서 발생하는 노이즈 추정시 과평가/저평가를 효과적으로 억제하여 노이즈 추정 성능을 향상시킬 수 있다.
본 발명을 구현함으로써 노이즈 저감 시스템에 적용시 원영상을 보전하는 성능과 노이즈 제거 성능을 향상시키며, 적은 메모리와 계산량을 요구하므로 비용 절감이 기대된다.

Claims (18)

  1. 입력된 영상을 구성하는 소정의 블록들에 대해 각각의 색특성값을 계산하는 단계;
    상기 소정의 블록들 중의 제 1 블록의 색특성값과 기설정된 초기 노이즈 기준값을 비교하는 단계;
    상기 제 1 블록의 색특성값을 소정의 컬러 특성 클래스 중 제 1 분류로 분류하고, 상기 비교한 결과를 상기 제 1 분류에 누산하는 단계; 및
    상기 누산된 결과를 사용하여 상기 초기 노이즈 기준값을 변경하고, 상기 분류된 컬러 특성 클래스의 제 1 분류에 소속된 상기 소정의 블록들에 적용될 제 1 분류 노이즈 기준값을 산출하는 단계를 포함하는, 이미지 센서에서 노이즈 판단 기준을 추정하는 방법.
  2. 제 1항에 있어서,
    노이즈인지 판단하기 위한 상기 초기 노이즈 기준값을 산출하는 단계를 더 포함하는, 이미지 센서에서 노이즈 판단 기준을 추정하는 방법.
  3. 제 1항에 있어서,
    상기 제 1 분류 노이즈 기준값을 산출하는 단계 이후에,
    상기 영상을 촬영시의 노출 시간을 기반으로 게인 컨트롤을 수행하는 단계를 더 포함하는, 이미지 센서에서 노이즈 판단 기준을 추정하는 방법.
  4. 제 1항에 있어서,
    상기 제 2 블록의 색특성값과 상기 초기 노이즈 기준값을 비교하는 단계; 및
    상기 제 2 블록의 색특성값이 포함된 소정의 컬러 특성 클래스의 제 2 분류를 결정하여 상기 비교한 결과를 상기 제 2 분류에 누산하는 단계를 더 포함하며;
    상기 산출하는 단계는
    상기 누산된 결과를 사용하여 상기 초기 노이즈 기준값을 변경하고, 상기 제 2 분류에 소속된 블록들에 적용될 제 2 분류 노이즈 기준값을 산출하는 단계를 더 포함하는, 이미지 센서에서 노이즈 판단 기준을 추정하는 방법.
  5. 제 1항에 있어서,
    상기 컬러 특성 클래스는 입력된 픽셀의 휘도 범위를 소정 범위로 나눈 클래스인, 이미지 센서에서 노이즈 판단 기준을 추정하는 방법.
  6. 제 1항에 있어서,
    상기 제 1 블록은 상기 영상을 구성하는 제 2 블록과 일정 영역이 겹치는, 이미지 센서에서 노이즈 판단 기준을 추정하는 방법.
  7. 제 1항에 있어서,
    상기 제 1 분류 노이즈 기준값을 산출하는 단계는
    상기 제 1 분류에 소속된 블록들이 가지는 상기 색특성값 사이의 차이를 누산한 결과를 사용하여 정규화 과정을 수행하여 상기 초기 노이즈 기준값을 변경하는, 이미지 센서에서 노이즈 판단 기준을 추정하는 방법.
  8. 제 1항에 있어서,
    상기 색특성값은 상기 블록을 구성하는 픽셀의 컬러가 소정의 컬러 공간에서 가지는 컬러 값에서 산출되는 값이며, 상기 컬러 공간은 RGB, CMYK, YUV, YCbCr, YIQ, CIE, CIE L*a*b*, CIE LUV 중 하나인, 이미지 센서에서 노이즈 판단 기준을 추정하는 방법.
  9. 제 1항에 있어서,
    상기 제 1 분류 노이즈 기준값을 산출하는 단계 이후에
    상기 입력된 영상에 포함된 블록들의 색특성값이 상기 컬러 특성 클래스의 상기 제 1 분류에 포함되는 경우 상기 제 분류 노이즈 기준값에 따라 노이즈를 판단하는 단계를 더 포함하는, 이미지 센서에서 노이즈 판단 기준을 추정하는 방법.
  10. 입력된 영상을 구성하는 소정의 블록들에 대해 각각의 색특성값을 계산하는 블록 특성 계산부;
    상기 소정의 블록들 중의 제 1 블록의 색특성값과 기설정된 초기 노이즈 기 준값을 비교하며, 상기 제 1 블록의 색특성값을 소정의 컬러 특성 클래스 중 제 1 분류로 분류하고, 상기 비교한 결과를 상기 제 1 분류에 누산하는 분류 정보 누산부; 및
    상기 누산된 결과를 사용하여 상기 초기 노이즈 기준값을 변경하고, 상기 분류된 컬러 특성 클래스의 제 1 분류에 소속된 상기 소정의 블록들에 적용될 제 1 분류 노이즈 기준값을 산출하는 노이즈 기준값 변경부를 포함하는, 영상 장치.
  11. 제 10항에 있어서,
    상기 노이즈 기준값 변경부는 노이즈인지 판단하기 위한 상기 초기 노이즈 기준값을 산출하는, 영상 장치.
  12. 제 10항에 있어서,
    상기 영상을 촬영시의 노출 시간을 기반으로 게인 컨트롤을 수행하는 게인 컨트롤부를 더 포함하는, 영상 장치.
  13. 제 10항에 있어서,
    상기 블록 특성 계산부는 상기 입력된 영상을 구성하는 제 2 블록의 색특성값을 계산하며,
    상기 분류 정보 누산부는 상기 제 2 블록의 색특성값과 상기 초기 노이즈 기준값을 비교하고, 상기 제 2 블록의 색특성값이 포함된 소정의 컬러 특성 클래스의 제 2 분류를 결정하여 상기 비교한 결과를 상기 제 2 분류에 누산하며,
    상기 노이즈 기준값 변경부는 상기 누산된 결과를 사용하여 상기 초기 노이즈 기준값을 변경하고, 상기 제 2 분류에 소속된 블록들에 적용될 제 2 분류 노이즈 기준값을 산출하는, 영상 장치.
  14. 제 10항에 있어서,
    상기 컬러 특성 클래스는 입력된 픽셀의 휘도 범위를 소정 범위로 나눈 클래스인, 영상 장치.
  15. 제 10항에 있어서,
    상기 제 1 블록은 상기 영상을 구성하는 제 2 블록과 일정 영역이 겹치는, 영상 장치.
  16. 제 10항에 있어서,
    상기 노이즈 기준값 변경부는
    상기 제 1 분류에 소속된 블록들이 가지는 상기 색특성값 사이의 차이를 누산한 결과를 사용하여 정규화 과정을 수행하여 상기 초기 노이즈 기준값을 변경하는, 영상 장치.
  17. 제 10항에 있어서,
    상기 블록 특성값은 상기 블록을 구성하는 픽셀의 컬러가 소정의 컬러 공간에서 가지는 컬러 값에서 산출되는 값이며, 상기 컬러 공간은 RGB, CMYK, YUV, YCbCr, YIQ, CIE, CIE L*a*b*, CIE LUV 중 하나인, 영상 장치.
  18. 제 10항에 있어서,
    상기 입력된 영상에 포함된 블록들의 색특성값이 상기 컬러 특성 클래스의 상기 제 1 분류에 포함되는 경우 상기 제1 분류 노이즈 기준값에 따라 노이즈를 판단하는 노이즈 판단부를 더 포함하는, 영상장치.
KR1020060021911A 2006-03-08 2006-03-08 이미지 센서에서 노이즈 판단 기준을 추정하는 방법 및장치 KR101225060B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020060021911A KR101225060B1 (ko) 2006-03-08 2006-03-08 이미지 센서에서 노이즈 판단 기준을 추정하는 방법 및장치
US11/641,865 US7734060B2 (en) 2006-03-08 2006-12-20 Method and apparatus for estimating noise determination criteria in an image sensor

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020060021911A KR101225060B1 (ko) 2006-03-08 2006-03-08 이미지 센서에서 노이즈 판단 기준을 추정하는 방법 및장치

Publications (2)

Publication Number Publication Date
KR20070092024A KR20070092024A (ko) 2007-09-12
KR101225060B1 true KR101225060B1 (ko) 2013-01-23

Family

ID=38478981

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020060021911A KR101225060B1 (ko) 2006-03-08 2006-03-08 이미지 센서에서 노이즈 판단 기준을 추정하는 방법 및장치

Country Status (2)

Country Link
US (1) US7734060B2 (ko)
KR (1) KR101225060B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011014138A1 (en) * 2009-07-27 2011-02-03 Utc Fire & Security Corporation System and method for video-quality enhancement
CN109478316B (zh) 2016-07-26 2022-08-26 微软技术许可有限责任公司 实时自适应阴影和高光增强

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004248006A (ja) * 2003-02-14 2004-09-02 Nikon Corp 電子カメラ、ノイズ除去装置、およびノイズ除去プログラム
KR20050007105A (ko) * 2003-07-10 2005-01-17 삼성전자주식회사 이산 웨이블릿 변환을 이용한 노이즈 감소 방법 및 장치
JP2005063022A (ja) * 2003-08-08 2005-03-10 Noritsu Koki Co Ltd ノイズ画素マップ作成方法とその方法を実施する装置とプログラム及び写真プリント装置
KR20050066730A (ko) * 2003-12-27 2005-06-30 엘지전자 주식회사 영상기기의 노이즈 레벨에 따른 저역 통과필터 조정장치

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3904818A (en) * 1974-02-28 1975-09-09 Rca Corp Removal of dark current spikes from image sensor output signals
FR2356328A1 (fr) * 1976-06-24 1978-01-20 Ibm France Dispositif d'elimination du bruit dans les reseaux photosensibles a auto-balayage
US4305091B2 (en) * 1977-01-31 1998-02-10 J Carl Cooper Electronics noise reducing apparatus and method
DE2939490A1 (de) * 1979-09-28 1981-04-16 Siemens AG, 1000 Berlin und 8000 München Monolithisch integrierter zweidimensionaler bildsensor mit einer differenzbildenden stufe
US4392157A (en) * 1980-10-31 1983-07-05 Eastman Kodak Company Pattern noise reduction method and apparatus for solid state image sensors
JPS5813079A (ja) * 1981-07-16 1983-01-25 Olympus Optical Co Ltd イメ−ジセンサ
JPS5884568A (ja) * 1981-11-13 1983-05-20 Fuji Xerox Co Ltd 原稿読取装置
US5771070A (en) * 1985-11-15 1998-06-23 Canon Kabushiki Kaisha Solid state image pickup apparatus removing noise from the photoelectric converted signal
US4914519A (en) * 1986-09-19 1990-04-03 Canon Kabushiki Kaisha Apparatus for eliminating noise in a solid-state image pickup device
US5289286A (en) * 1991-07-18 1994-02-22 Minolta Camera Kabushiki Kaisha Solid state sensor having logarithmic photovoltaic response, with pixel uniformity correction and white balance circuitry therefor
JP3628697B2 (ja) * 1994-03-07 2005-03-16 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴイ ノイズ測定方法及びその装置
JP3221291B2 (ja) * 1995-07-26 2001-10-22 ソニー株式会社 画像処理装置、画像処理方法、ノイズ除去装置及びノイズ除去方法
US5974192A (en) * 1995-11-22 1999-10-26 U S West, Inc. System and method for matching blocks in a sequence of images
US6535254B1 (en) * 1997-10-31 2003-03-18 Pinnacle Systems Inc. Method and device for noise reduction
US6229578B1 (en) * 1997-12-08 2001-05-08 Intel Corporation Edge-detection based noise removal algorithm
US6795586B1 (en) * 1998-12-16 2004-09-21 Eastman Kodak Company Noise cleaning and interpolating sparsely populated color digital image
US6625325B2 (en) * 1998-12-16 2003-09-23 Eastman Kodak Company Noise cleaning and interpolating sparsely populated color digital image using a variable noise cleaning kernel
JP2000354179A (ja) 1999-06-11 2000-12-19 Nikon Corp 信号変換方法、および信号変換プログラムを記録した記録媒体
US6600833B1 (en) * 1999-07-23 2003-07-29 Intel Corporation Methodology for color correction with noise regulation
CN1223181C (zh) 2000-01-13 2005-10-12 皇家菲利浦电子有限公司 信号的噪声滤波方法、设备和视频系统
US6804393B2 (en) * 2001-01-02 2004-10-12 Eastman Kodak Company Method of calculating noise from a digital image utilizing color cross correlation statistics
US20020126910A1 (en) * 2001-01-02 2002-09-12 Eastman Kodak Company Method of calculating noise from multiple digital images utilizing common noise characteristics
EP2768223B8 (en) * 2001-01-09 2016-11-09 Sony Semiconductor Solutions Corporation Image pick up device
US7053935B2 (en) * 2002-02-21 2006-05-30 Eastman Kodak Company Apparatus and method for accurate electronic color capture and reproduction
JP3762725B2 (ja) 2002-08-22 2006-04-05 オリンパス株式会社 撮像システムおよび画像処理プログラム
JP3934597B2 (ja) * 2003-12-09 2007-06-20 オリンパス株式会社 撮像システムおよび画像処理プログラム
US7551799B2 (en) * 2005-05-13 2009-06-23 Seiko Epson Corporation Apparatus and method for image noise reduction

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004248006A (ja) * 2003-02-14 2004-09-02 Nikon Corp 電子カメラ、ノイズ除去装置、およびノイズ除去プログラム
KR20050007105A (ko) * 2003-07-10 2005-01-17 삼성전자주식회사 이산 웨이블릿 변환을 이용한 노이즈 감소 방법 및 장치
JP2005063022A (ja) * 2003-08-08 2005-03-10 Noritsu Koki Co Ltd ノイズ画素マップ作成方法とその方法を実施する装置とプログラム及び写真プリント装置
KR20050066730A (ko) * 2003-12-27 2005-06-30 엘지전자 주식회사 영상기기의 노이즈 레벨에 따른 저역 통과필터 조정장치

Also Published As

Publication number Publication date
US20070211935A1 (en) 2007-09-13
KR20070092024A (ko) 2007-09-12
US7734060B2 (en) 2010-06-08

Similar Documents

Publication Publication Date Title
US7834915B2 (en) Image processing apparatus, imaging apparatus, imaging processing method, and computer program
KR100735561B1 (ko) 이미지 센서로부터 발생되는 잡음을 저감하는 방법 및 장치
US7916173B2 (en) Method for detecting and selecting good quality image frames from video
JP3758452B2 (ja) 記録媒体、並びに、画像処理装置および画像処理方法
US8866922B2 (en) Image processing apparatus and control method thereof
US8264594B2 (en) Exposure control for an imaging system
US9967482B2 (en) Image processing apparatus, image processing method, and storage medium for noise reduction processing
KR100791391B1 (ko) 노이즈 저감 방법 및 장치
US20070047803A1 (en) Image processing device with automatic white balance
KR101361644B1 (ko) 영상 처리 장치 및 영상 내의 안개 제거 방법
US8743235B2 (en) Adaptive automatic exposure apparatus and method for digital images
US20170178309A1 (en) Methods and systems for the estimation of different types of noise in image and video signals
CN107533756B (zh) 图像处理装置、摄像装置、图像处理方法以及存储图像处理装置的图像处理程序的存储介质
KR101225056B1 (ko) 이미지 센서 노이즈 저감 장치 및 방법
US10091422B2 (en) Image processing device and recording medium
JP2004310475A (ja) 画像処理装置、画像処理を行う携帯電話、および画像処理プログラム
KR101336240B1 (ko) 저장된 영상을 이용한 영상 처리 방법 및 장치
KR101225060B1 (ko) 이미지 센서에서 노이즈 판단 기준을 추정하는 방법 및장치
CN115665556B (zh) 一种自动曝光方法、装置、设备及存储介质
JP2010252265A (ja) 画像処理装置
JP4516994B2 (ja) デジタル画像の背景色を決定するための方法およびシステム
CN113747062B (zh) Hdr场景检测方法与装置、终端及可读存储介质
US11457191B2 (en) Computer implemented method for temporally stabilizing white point information in an auto white balance process, a data processing apparatus, a computer program product, and a computer-readable storage medium
US20180152649A1 (en) Image processing apparatus, image pickup apparatus, image processing method, and storage medium
US10142552B2 (en) Image processing apparatus that corrects contour, control method therefor, storage medium storing control program therefor, and image pickup apparatus

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: 20151217

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20161219

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20171219

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20181220

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20191217

Year of fee payment: 8