KR101394363B1 - 영상의 색상 변환 장치 및 방법 - Google Patents

영상의 색상 변환 장치 및 방법 Download PDF

Info

Publication number
KR101394363B1
KR101394363B1 KR1020120102847A KR20120102847A KR101394363B1 KR 101394363 B1 KR101394363 B1 KR 101394363B1 KR 1020120102847 A KR1020120102847 A KR 1020120102847A KR 20120102847 A KR20120102847 A KR 20120102847A KR 101394363 B1 KR101394363 B1 KR 101394363B1
Authority
KR
South Korea
Prior art keywords
region
color
image
cluster
segment
Prior art date
Application number
KR1020120102847A
Other languages
English (en)
Other versions
KR20140037373A (ko
Inventor
윤경현
이호창
Original Assignee
중앙대학교 산학협력단
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 중앙대학교 산학협력단 filed Critical 중앙대학교 산학협력단
Priority to KR1020120102847A priority Critical patent/KR101394363B1/ko
Publication of KR20140037373A publication Critical patent/KR20140037373A/ko
Application granted granted Critical
Publication of KR101394363B1 publication Critical patent/KR101394363B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics

Abstract

영상의 색상 변환 장치 및 방법이 개시된다. 본 발명은, 화가의 실제 작품인 참조 영상(reference image)의 색상 대비를 이용하여 대상 영상(target image)의 색상을 변환한다. 본 발명에 따르면, 참조 영상(reference image)의 색상 대비 정보를 이용하여 대상 영상(target image)의 색상을 변환함으로써, 대상 영상(target image)을 참조 영상(reference image)과 유사한 색감을 느끼도록 자동으로 색상을 변환할 수 있고, 반 고흐 등과 같은 인상파 화가가 그린 실제 작품을 참조 영상(reference image)으로 이용하면, 인상파의 색상 표현 메커니즘에 기반하여 대상 영상(target image)의 색상을 변환함으로써 대상 영상(target image)을 예술적 느낌이 나타나도록 변환할 수 있다.

Description

영상의 색상 변환 장치 및 방법{Apparatus and method for transferring a color of image}
본 발명은 영상의 색상 변환 장치 및 방법에 관한 것으로, 더욱 상세하게는 화가의 실제 작품인 참조 영상(reference image)의 색상 대비를 이용하여 대상 영상(target image)의 색상을 변환하는 장치 및 방법에 관한 것이다.
사진과 같은 2차원 영상에 사람이 직접 그림을 그린 듯한 효과를 표현하는 그래픽스 기술을 회화적 렌더링(painterly rendering)이라 한다. 회화적 렌더링(painterly rendering) 기술은 인간 친화적인 영상을 표현하고자 하는 것으로서, 광고, 영화, 포스터 등의 다양한 콘텐츠의 제작에 활용된다. 회화적 렌더링(painterly rendering) 기술은 1990년대 들어 본격적으로 연구되기 시작하였으며, 브러시의 표현, 그려지는 과정 재현, 실제 안료의 재현, 실제 예술가들의 색상 재현 등의 요소에 대해 연구가 진행되고 있다. 이중 실제 예술가들의 색상 재현은 영상의 미적인 효과측면에서 중요한 요소 중의 하나로 인식되고 있다.
참조 영상(reference image)에 나타나는 색상의 느낌을 대상 영상(target image)에 전이시키는 색상 변환 기법은 크게 로컬 접근 방법과 글로벌 접근 방법으로 구분된다. 글로벌 접근 방법은 영상의 영역을 구분하지 않고, 영상의 전체 영역의 색상 정보를 대상으로 평균 값, 편차 값을 구하고, 이를 기반으로 영상의 색상을 변환하는 방식이다. 이러한 글로벌 접근 방법은 사용자 입력 등과 같은 추가적인 수작업이 필요없는 장점을 가지지만, 실제 회화 작품과 같이 영역별로 명확한 구분을 가지는 영상에 사용하기에는 한계가 있다. 이에 반면, 로컬 접근 방법은 참조 영상(reference image)과 대상 영상(target image)을 영역별로 구분하고, 각 영역간 매칭 정보를 할당해 영상의 색상을 변환한다. 이러한 로컬 접근 방법은 글로벌 접근 방법에 비해 보다 나은 결과를 얻을 수 있지만, 사용자가 매칭 정보를 지정해줘야 하는 단점을 가진다.
나아가, 실제 회화 작품을 참조 영상(reference image)으로 이용한 색상 변환 기법에 대한 연구는 진행되지 않고 있다. 색상의 대비, 제한된 색상 사용 등과 같은 화가의 스타일을 고려한 색상 변환에 대한 연구가 필요한 상황이다.
KR 10-2001-0002942 (한국전자통신연구원) 2001. 1. 15. 특허문헌 1은 칼라 영상에 적용하기 위한 멀티-스케일 페인팅 효과 필터링방법으로서, 특허문헌 1에는 칼라 이미지를 흑백 이미지로 변환한 후 웨이브렛 변환을 수행하고, 각 픽셀 위치마다 그레이던트 벡터를 추출하여 에지를 검출하며, 스트로크의 길이, 방향, 색상 정보에 랜던값을 추가한 후 그레이던트 벡터에 수직인 방향으로 렌더딩을 수행하는 내용이 개시되어 있다. KR 10-2010-0096522 (삼성전자주식회사) 2010. 9. 2. 특허문헌 2는 디지털 영상 처리기에서 색상 추천 장치 및 방법으로서, 특허문헌 2에는 사용자의 선택에 의해 영상에서 일부분의 색상을 변경하고, 다른 부분의 색상 변경 시에 선택된 색상과 조화되는 색상을 추천하여 변경을 유도하는 내용이 개시되어 있다.
본 발명이 이루고자 하는 기술적 과제는, 화가의 실제 작품인 참조 영상(reference image)의 색상 대비를 이용하여 대상 영상(target image)의 색상을 변환하는 영상의 색상 변환 장치 및 방법을 제공하는 데 있다.
본 발명이 이루고자 하는 다른 기술적 과제는, 화가의 실제 작품인 참조 영상(reference image)의 색상 대비를 이용하여 대상 영상(target image)의 색상을 변환하는 영상의 색상 변환 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체를 제공하는 데 있다.
상기의 기술적 과제를 달성하기 위한 본 발명에 따른 영상의 색상 변환 장치는, 참조 영상(reference image)의 세일리언시 정보(saliency information)를 통해 상기 참조 영상(reference image)을 복수의 클러스터 영역(cluster region)으로 구분하고, 상기 복수의 클러스터 영역(cluster region) 각각에 대한 색상 대비를 분석하는 영상 분석부; 및 대상 영상(target image)의 세일리언시 정보(saliency information)를 통해 상기 대상 영상(target image)을 복수의 세그먼트 영역(segment region)으로 구분하고, 상기 영상 분석부에 의해 상기 참조 영상(reference image)으로부터 획득된 상기 복수의 클러스터 영역(cluster region)에 대한 색상 대비 정보를 이용하여 상기 세그먼트 영역(segment region) 단위로 상기 대상 영상(target image)의 색상을 변환하는 영상 변환부;를 포함한다.
상기의 기술적 과제를 달성하기 위한 본 발명에 따른 영상의 색상 변환 방법은, 참조 영상(reference image)의 세일리언시 정보(saliency information)를 통해 상기 참조 영상(reference image)을 복수의 클러스터 영역(cluster region)으로 구분하고, 상기 복수의 클러스터 영역(cluster region) 각각에 대한 색상 대비를 분석하는 단계; 및 대상 영상(target image)의 세일리언시 정보(saliency information)를 통해 상기 대상 영상(target image)을 복수의 세그먼트 영역(segment region)으로 구분하고, 상기 참조 영상(reference image)으로부터 획득된 상기 복수의 클러스터 영역(cluster region)에 대한 색상 대비 정보를 이용하여 상기 세그먼트 영역(segment region) 단위로 상기 대상 영상(target image)의 색상을 변환하는 단계;를 포함한다.
상기의 기술적 과제를 달성하기 위한 본 발명에 따른 컴퓨터로 읽을 수 있는 매체는 상기한 방법 중 어느 하나를 컴퓨터에 실행시키기 위한 프로그램을 기록한다.
본 발명에 따른 영상의 색상 변환 장치 및 방법에 의하면, 참조 영상(reference image)의 색상 대비 정보를 이용하여 대상 영상(target image)의 색상을 변환함으로써, 대상 영상(target image)을 참조 영상(reference image)과 유사한 색감을 느끼도록 자동으로 색상을 변환할 수 있다.
아울러, 반 고흐 등과 같은 인상파 화가가 그린 실제 작품을 참조 영상(reference image)으로 이용하면, 인상파의 색상 표현 메커니즘에 기반하여 대상 영상(target image)의 색상을 변환함으로써 대상 영상(target image)을 예술적 느낌이 나타나도록 변환할 수 있다.
도 1은 본 발명의 바람직한 실시예에 따른 영상의 색상 변환 장치를 설명하기 위한 블록도,
도 2는 본 발명의 바람직한 실시예에 따른 세일리언시 정보(saliency information)의 일례를 나타내는 도면,
도 3은 본 발명의 바람직한 실시예에 따른 참조 영상(reference image)의 클러스터링 과정을 설명하기 위한 도면,
도 4는 본 발명의 바람직한 실시예에 따른 색상 하모니(color harmony) 타입의 결정 과정을 설명하기 위한 도면,
도 5는 본 발명의 바람직한 실시예에 따른 대상 영상(target image)의 영역 구분의 일례를 설명하기 위한 도면,
도 6은 본 발명의 바람직한 실시예에 따른 대상 영상(target image)의 메인 세그먼트 영역(main segment region)의 색상 변환 과정을 설명하기 위한 도면,
도 7은 본 발명의 바람직한 실시예에 따른 대상 영상(target image)의 나머지 세그먼트 영역(other segment region)의 색상 변환 과정을 설명하기 위한 도면,
도 8은 본 발명의 바람직한 실시예에 따른 대상 영상(target image)의 색상 변환의 일례를 설명하기 위한 도면, 그리고,
도 9는 본 발명의 바람직한 실시예에 따른 영상의 색상 변환 방법을 설명하기 위한 흐름도이다.
이하에서 첨부한 도면을 참조하여 본 발명에 따른 영상의 색상 변환 장치 및 방법의 바람직한 실시예에 대해 상세하게 설명한다.
도 1은 본 발명의 바람직한 실시예에 따른 영상의 색상 변환 장치를 설명하기 위한 블록도이다.
도 1을 참조하면, 본 발명의 바람직한 실시예에 따른 영상의 색상 변환 장치(100)는 화가의 작품인 참조 영상(reference image)의 색상 대비를 이용하여 대상 영상(target image)의 색상을 변환한다. 이를 위해, 영상의 색상 변환 장치(100)는 영상 분석부(110) 및 영상 변환부(130)를 구비한다.
영상 분석부(110)는 참조 영상(reference image)의 색상 대비를 분석한다. 즉, 영상 분석부(110)는 참조 영상(reference image)의 세일리언시 정보(saliency information)를 통해 참조 영상(reference image)을 복수의 클러스터 영역(cluster region)으로 구분한다. 여기서, 세일리언시 정보(saliency region)는 영상(image)에서 사람의 시선이 많이 가는 곳을 추출하는 영상 세일리언시(image saliency) 기법을 통해 영상(image)에서 획득된 맵을 말한다. 본 발명에서는 Perona의 영상 세일리언시 기법(image saliency technique)을 이용한다.
도 2는 본 발명의 바람직한 실시예에 따른 세일리언시 정보(saliency information)의 일례를 나타내는 도면이다.
도 2의 (a)는 대상 영상(target image) T를 나타내고, (b)는 대상 영상(target image)의 세일리언시 정보(saliency information)
Figure 112012075064425-pat00001
를 나타내며, (c)는 참조 영상(reference image) S를 나타내고, (d)는 참조 영상(reference image)의 세일리언시 정보(saliency information)
Figure 112012075064425-pat00002
를 나타낸다. 붉은 색으로 표시된 영역이 상대적으로 세일리언시(saliency)가 높은 영역을 의미한다. 세일리언시 정보(saliency information)의 각 픽셀 값은 0~1의 값을 가지며, 1에 가까울수록 세일리언시(saliency)가 높다는 것을 의미한다.
도 3은 본 발명의 바람직한 실시예에 따른 참조 영상(reference image)의 클러스터링 과정을 설명하기 위한 도면이다.
도 3을 참조하면, 참조 영상(reference image)을 대상으로 HS(Hue and Saturation) 채널에서 k-means 클러스터링을 수행한다. 즉, 참조 영상(reference image)을 K개의 색으로 칼라 양자화(color quantization)를 수행한다. 여기서, K는 실험적으로 구해지며, 본 발명에서 K는 3이다. 그 다음, 점들이 뭉쳐져 분포되어 있는 위치의 HS(Hue and Saturation) 값을 클러스터링의 초기 위치로 설정한다. 그리고, 설정된 초기 위치를 기반으로 클러스터링을 수행하여 참조 영상(reference image)을 복수의 클러스터 영역(cluster region)으로 구분한다.
그리고, 영상 분석부(110)는 참조 영상(reference image)의 복수의 클러스터 영역(cluster region) 각각에 대한 색상 대비를 분석한다. 즉, 영상 분석부(110)는 복수의 클러스터 영역(cluster region) 각각에서 가장 많은 빈도를 가지는 HS(Hue and Saturation) 값을 획득한다.
보다 자세하게 설명하면, 아래의 [수학식 1] 및 [수학식 2]와 같이 정의되는 참조 영상(reference image)에 대한 클러스터 영역(cluster region) 집합 R과 클러스터 영역(cluster region)의 대표 HS(Hue and Saturation) 값으로 이루어진 집합 P를 획득한다. 여기서, 대표 HS(Hue and Saturation) 값은 클러스터 영역(cluster region)에서 가장 많은 빈도를 가지는 HS(Hue and Saturation) 값을 나타낸다.
Figure 112012075064425-pat00003
여기서,
Figure 112012075064425-pat00004
는 i번째 클러스터 영역(cluster region)에 속하는 점들의 집합을 나타낸다.
Figure 112012075064425-pat00005
여기서,
Figure 112012075064425-pat00006
는 i번째 클러스터 영역(cluster region)의 대표 HS(Hue and Saturation) 값을 나타낸다.
이때, 영상 분석부(110)는 복수의 클러스터 영역(cluster region) 중 세일리언시(saliency)의 평균값이 가장 높은 클러스터 영역(cluster region)을 메인 클러스터 영역(main cluster region)으로 선정한다. 그리고, 영상 분석부(110)는 메인 클러스터 영역(main cluster region)에서 색상의 분포 정도를 나타내는 각도 값을 획득한다.
보다 자세하게 설명하면, 복수의 클러스터 영역(cluster region)의 세일리언시(saliency) 분포를 분석한 후, 가장 세일리언시(saliency)가 높은 영역을 메인 클러스터 영역(main cluster region)으로 선정하고, 메인 클러스터 영역(main cluster region)의 색상 대비 정보
Figure 112012075064425-pat00007
을 획득한다.
Figure 112012075064425-pat00008
은 아래의 [수학식 3]과 같이 정의된다.
Figure 112012075064425-pat00009
여기서, p는 메인 클러스터 영역(main cluster region)의 대표 HS(Hue and Saturation) 값을 나타내며 아래의 [수학식 4]와 같이 정의되고,
Figure 112012075064425-pat00010
는 메인 클러스터 영역(main cluster region)에서 색상의 분포 정도를 나타내는 각도 값을 나타내며 아래의 [수학식 6]과 같이 정의된다.
Figure 112012075064425-pat00011
여기서,
Figure 112012075064425-pat00012
는 x에 속하는 픽셀들의 평균 세일리언시(saliency) 값을 의미하며, 아래의 [수학식 5]와 같이 정의된다.
Figure 112012075064425-pat00013
Figure 112012075064425-pat00014
여기서,
Figure 112012075064425-pat00015
의 범위는 0~360이다.
또한, 영상 분석부(110)는 메인 클러스터 영역(main cluster region)을 제외한 나머지 클러스터 영역(other cluster region) 각각에서 메인 클러스터 영역(main cluster region)의 대표 HS(Hue and Saturation) 값을 기초로 색상 하모니(color harmony) 타입, 메인 클러스터 영역(main cluster region)의 대표 HS(Hue and Saturation) 값과 나머지 클러스터 영역(other cluster region)의 대표 HS(Hue and Saturation) 값 사이의 각도 값, 및 나머지 클러스터 영역(other cluster region)의 평균 위치 값을 획득한다.
보다 자세하게 설명하면, 메인 클러스터 영역(main cluster region)의 색상 대비 정보
Figure 112012075064425-pat00016
을 기초로 메인 클러스터 영역(main cluster region)을 제외한 나머지 클러스터 영역(other cluster region)의 색상 대비 정보
Figure 112012075064425-pat00017
를 획득한다.
Figure 112012075064425-pat00018
는 아래의 [수학식 7]과 같이 정의된다.
Figure 112012075064425-pat00019
여기서,
Figure 112012075064425-pat00020
은 메인 클러스터 영역(main cluster region)의 대표 HS(Hue and Saturation) 값을 기초로 결정된 i번째 나머지 클러스터 영역(other cluster region)의 색상 하모니(color harmony) 타입을 나타내며, 아래의 [수학식 8]과 같이 정의된다. d는 메인 클러스터 영역(main cluster region)의 대표 HS(Hue and Saturation) 값과 i번째 나머지 클러스터 영역(other cluster region)의 대표 HS(Hue and Saturation) 값 사이의 각도 값을 나타낸다. pos는 i번째 나머지 클러스터 영역(other cluster region)의 평균 위치 값을 나타내며, 아래의 [수학식 9]와 같이 정의된다.
Figure 112012075064425-pat00021
여기서, Templete은 8개의 색상 하모니(color harmony) 타입을 나타낸다. 색상 하모니(color harmony) 타입에는 'i 타입', 'V 타입', 'L 타입', 'I 타입', 'T 타입', 'Y 타입', 'X 타입' 및 'N 타입'이 있다.
Figure 112012075064425-pat00022
여기서, n은
Figure 112012075064425-pat00023
에 속한 픽셀의 수를 나타내고, z는 픽셀의 가로와 세로의 위치 값을 나타낸다.
도 4는 본 발명의 바람직한 실시예에 따른 색상 하모니(color harmony) 타입의 결정 과정을 설명하기 위한 도면이다.
도 4의 (b)를 참조하면, 색상 하모니(color harmony)는 총 8개의 타입으로 이루어진다. 도 4의 (a)를 참조하면,
Figure 112012075064425-pat00024
은
Figure 112012075064425-pat00025
을 기준으로 보면 색상 하모니(color harmony) 타입이 'I 타입'과 유사하고,
Figure 112012075064425-pat00026
는
Figure 112012075064425-pat00027
을 기준으로 보면 색상 하모니(color harmony) 타입이 'V 타입'과 유사한 것을 확인할 수 있다.
정리하면, 영상 분석부(110)는 아래의 [수학식 10]과 같이 정의되는 참조 영상(reference image) S의 색상 대비 정보를 획득한다.
Figure 112012075064425-pat00028
영상 변환부(130)는 영상 분석부(110)에 의해 획득된 참조 영상(reference image)의 색상 대비 정보를 이용하여 대상 영상(target image)의 색상을 변환한다. 즉, 영상 변환부(130)는 대상 영상(target image)의 세일리언시 정보(saliency information)를 통해 대상 영상(target image)을 복수의 세그먼트 영역(segment region)으로 구분한다. 보다 자세하게 설명하면, 대상 영상(target image) T를 복수의 세그먼트 영역(segment region)으로 구분한다. 여기서, 세그먼트 영역(segment region)의 개수는 참조 영상(reference image) S의 클러스터 영역(cluster region) 개수와 동일하다.
도 5는 본 발명의 바람직한 실시예에 따른 대상 영상(target image)의 영역 구분의 일례를 설명하기 위한 도면이다. 도 5의 (a)는 대상 영상(target image)을 나타내고, (b)는 대상 영상(target image)의 세그먼트 영역(segemet region)을 나타낸다. 도 5를 참조하면, 대상 영상(target image) T는 총 3개의 세그먼트 영역(segement region)으로 구분된다.
그리고, 영상 변환부(130)는 대상 영상(target image)의 복수의 세그먼트 영역(segment region) 각각에서 영상 변환에 이용되는 정보를 획득한다. 즉, 영상 변환부(130)는 복수의 세그먼트 영역(segment region) 각각에서 가장 많은 빈도를 가지는 대표 HS(Hue and Saturation) 값을 획득한다. 이때, 영상 변환부(130)는 복수의 세그먼트 영역(segment region) 중 세일리언시(saliency)의 평균값이 가장 높은 세그먼트 영역(segment region)을 메인 세그먼트 영역(main segment region)으로 선정한다.
보다 자세하게 설명하면,
Figure 112012075064425-pat00029
을 구하는 과정과 동일한 방식에 의해, 복수의 세그먼트 영역(segment region)의 세일리언시(saliency) 분포를 분석한 후, 가장 세일리언시(saliency)가 높은 영역을 메인 세그먼트 영역(main segment region)
Figure 112012075064425-pat00030
으로 선정하고, 메인 세그먼트 영역(main segment region)
Figure 112012075064425-pat00031
의 대표 HS(Hue and Saturation) 값을
Figure 112012075064425-pat00032
으로 설정한다. 또한, 메인 세그먼트 영역(main segment region)을 제외한 나머지 세그먼트 영역(other segment region)
Figure 112012075064425-pat00033
의 대표 HS(Hue and Saturation) 값을
Figure 112012075064425-pat00034
로 설정한다.
그리고, 영상 변환부(130)는 메인 세그먼트 영역(main segment region)을 제외한 나머지 세그먼트 영역(other segment region) 각각에서 메인 세그먼트 영역(main segment region)의 대표 HS(Hue and Saturation) 값과 나머지 세그먼트 영역(other segment region)의 대표 HS(Hue and Saturation) 값 사이의 각도 값, 및 나머지 세그먼트 영역(other segment region)의 평균 위치 값을 획득한다.
보다 자세하게 설명하면, 나머지 세그먼트 영역(other segment region)에서 아래의 [수학식 11]과 같이 정의되는
Figure 112012075064425-pat00035
를 획득한다.
Figure 112012075064425-pat00036
여기서, d는 메인 세그먼트 영역(main segment region)의 대표 HS(Hue and Saturation) 값과 i번째 나머지 세그먼트 영역(other segment region)의 대표 HS(Hue and Saturation) 값 사이의 각도 값을 나타내며, 아래의 [수학식 12]와 같이 정의된다. pos는 i번 째 나머지 세그먼트 영역(other segment region)의 평균 위치 값을 나타낸다.
Figure 112012075064425-pat00037
이후, 영상 변환부(130)는 영상 분석부(110)에 의해 참조 영상(reference image)으로부터 획득된 복수의 클러스터 영역(cluster region)에 대한 색상 대비 정보를 이용하여, 세그먼트 영역(segment region) 단위로 대상 영상(target image)의 색상을 변환한다.
즉, 영상 변환부(130)는 메인 세그먼트 영역(main segment region)에서 세일리언시(saliency)의 값이 높은 순서대로 복수개의 점들을 선정하고, 선정된 복수개의 점들의 HS(Hue and Saturation) 값으로부터 평균 HS(Hue and Saturation) 값을 획득하며, 획득한 평균 HS(Hue and Saturation) 값과 메인 클러스터 영역(main cluster region)의 각도 값을 이용하여 메인 세그먼트 영역(main segment region)에 속하는 점들을 색상을 변환한다.
보다 자세하게 설명하면, 메인 세그먼트 영역(main segment region)에서 세일리언시(saliency)의 값이 높은 순서대로 n개의 픽셀들로 이루어진 집합 H를 추출한다. 집합 H는 아래의 [수학식 13]과 같이 정의된다.
Figure 112012075064425-pat00038
그리고, 집합 H에 속하는 픽셀들의 HS(Hue and Saturation) 값으로부터 평균 HS(Hue and Saturation) 값
Figure 112012075064425-pat00039
을 획득한다.
Figure 112012075064425-pat00040
은 아래의 [수학식 14]와 같이 정의된다.
Figure 112012075064425-pat00041
이후, 획득한 평균 HS(Hue and Saturation) 값
Figure 112012075064425-pat00042
과 메인 클러스터 영역(main cluster region)의 각도 값을 이용하여 메인 세그먼트 영역(main segment region)에 속하는 점들을 색상을 변환한다.
도 6은 본 발명의 바람직한 실시예에 따른 대상 영상(target image)의 메인 세그먼트 영역(main segment region)의 색상 변환 과정을 설명하기 위한 도면이다.
도 6을 참조하면, 기존의 메인 세그먼트 영역(main segment region)의 대표 HS(Hue and Saturation) 값
Figure 112012075064425-pat00043
을 획득한 평균 HS(Hue and Saturation) 값
Figure 112012075064425-pat00044
으로 변경하고, 메인 클러스터 영역(main cluster region)의
Figure 112012075064425-pat00045
에 설정된 각도 값
Figure 112012075064425-pat00046
의 범위 안에서 메인 클러스터 영역(main cluster region)에 속하는 나머지 픽셀들의 색상을 쉬프트(shift)한다.
아울러, 영상 변환부(130)는 나머지 세그먼트 영역(other segment region)의 각도 값 및 평균 위치 값과 나머지 클러스터 영역(other cluster region)의 각도 값 및 평균 위치 값을 이용하여 나머지 세그먼트 영역(other segment region)과 나머지 클러스터 영역(other cluster region)을 일대일 매칭한다.
보다 자세하게 설명하면, 아래의 [수학식 15]와 같이 정의되는 나머지 세그먼트 영역(other segment region) 집합 V1과 아래의 [수학식 16]과 같이 정의되는 나머지 클러스터 영역(other cluster region) 집합 V2를 아래의 [수학식 17]을 이용하여, 나머지 세그먼트 영역(other segment region)과 나머지 클러스터 영역(other cluster region)을 일대일 매칭한다.
Figure 112012075064425-pat00047
Figure 112012075064425-pat00048
Figure 112012075064425-pat00049
여기서,
Figure 112012075064425-pat00050
는 아래의 [수학식 18]과 같이 정의된다.
Figure 112012075064425-pat00051
여기서,
Figure 112012075064425-pat00052
는 아래의 [수학식 19]와 같이 정의된다.
Figure 112012075064425-pat00053
여기서,
Figure 112012075064425-pat00054
는 유클리디안 디스턴스(Euclidean distance)를 나타내며,
Figure 112012075064425-pat00055
는 영역 X의 각도 값을 나타내고,
Figure 112012075064425-pat00056
는 영역 X의 평균 위치 값을 나타낸다.
그리고, 영상 변환부(130)는 메인 세그먼트 영역(main segment region)의 색상을 변환하는 동작과 동일한 과정에 의해 나머지 세그먼트 영역(other segment region)의 색상을 매칭되는 나머지 클러스터 영역(other cluster region)의 색상 하모니(color harmony) 타입을 이용하여 변환한다.
보다 자세하게 설명하면, 메인 세그먼트 영역(main segment region)의 색상을 변환하는 동작과 동일한 과정에 의해 나머지 세그먼트 영역(other segment region)의 색상을 매칭되는 나머지 클러스터 영역(other cluster region)의 색상 하모니(color harmony) 타입을 이용하여 변환한다.
도 7은 본 발명의 바람직한 실시예에 따른 대상 영상(target image)의 나머지 세그먼트 영역(other segment region)의 색상 변환 과정을 설명하기 위한 도면이다.
도 7을 참조하면, 제1나머지 세그먼트 영역(other segment region)
Figure 112012075064425-pat00057
은 제2나머지 클러스터 영역(other cluster region)
Figure 112012075064425-pat00058
의 색상 하모니(color harmony) 타입을 이용하여 제1나머지 세그먼트 영역(other segment region)에 속하는 픽셀들의 색상을 쉬프트(shift)한다. 그리고, 제2나머지 세그먼트 영역(other segment region)
Figure 112012075064425-pat00059
는 제1나머지 클러스터 영역(other cluster region)
Figure 112012075064425-pat00060
의 색상 하모니(color harmony) 타입을 이용하여 제2나머지 세그먼트 영역(other segment region)에 속하는 픽셀들의 색상을 쉬프트(shift)한다.
도 8은 본 발명의 바람직한 실시예에 따른 대상 영상(target image)의 색상 변환의 일례를 설명하기 위한 도면이다. 도 8의 (a)는 대상 영상(target image)의 원본 영상(original image)의 색상 분포를 나타내고, (b)는 대상 영상(targer image)의 색상을 변경한 결과 영상(result image)의 색상 분포를 나타낸다.
도 8을 참조하면, 색상 변환 전후의 색상 분포가 상이함을 알 수 있다. 즉, 참조 영상(reference image)의 색상 대비와 유사하도록 대상 영상(target image)의 색상 대비가 변경된다.
이와 같이, 참조 영상(reference image)의 색상 대비 정보를 이용하여 대상 영상(target image)의 색상을 변환함으로써, 대상 영상(target image)을 참조 영상(reference image)과 유사한 색감을 느끼도록 자동으로 색상을 변환할 수 있다.
아울러, 반 고흐 등과 같은 인상파 화가가 그린 실제 작품을 참조 영상(reference image)으로 이용하면, 인상파의 색상 표현 메커니즘에 기반하여 대상 영상(target image)의 색상을 변환함으로써 대상 영상(target image)을 예술적 느낌이 나타나도록 변환할 수 있다.
도 9는 본 발명의 바람직한 실시예에 따른 영상의 색상 변환 방법을 설명하기 위한 흐름도이다.
도 9를 참조하면, 영상의 색상 변환 장치(100)는 참조 영상(reference image)의 색상 대비를 분석한다(S910). 즉, 영상의 색상 변환 장치(100)는 참조 영상(reference image)의 세일리언시 정보(saliency information)를 통해 참조 영상(reference image)을 복수의 클러스터 영역(cluster region)으로 구분한다. 그리고, 영상의 색상 변환 장치(100)는 참조 영상(reference image)의 복수의 클러스터 영역(cluster region) 각각에 대한 색상 대비를 분석한다. 다시 말하면, 영상의 색상 변환 장치(100)는 복수의 클러스터 영역(cluster region) 각각에서 대표 HS(Hue and Saturation) 값, 메인 클러스터 영역(main cluster region)의 각도 값, 나머지 클러스터 영역(other cluster region)의 색상 하모니(color harmony) 타입, 나머지 클러스터 영역(other cluster region)의 각도 값, 및 나머지 클러스터 영역(other cluster region)의 평균 위치 값을 획득한다.
그런 다음, 영상의 색상 변환 장치(100)는 참조 영상(reference image)의 색상 대비 정보를 이용하여 대상 영상(target image)의 색상을 변환한다(S930). 즉, 영상의 색상 변환 장치(100)는 대상 영상(target image)의 세일리언시 정보(saliency information)를 통해 대상 영상(target image)을 복수의 세그먼트 영역(segment region)으로 구분한다. 그리고, 영상의 색상 변환 장치(100)는 대상 영상(target image)의 복수의 세그먼트 영역(segment region) 각각에서 영상 변환에 이용되는 정보를 획득한다. 다시 말하면, 영상의 색상 변환 장치(100)는 복수의 세그먼트 영역(segment region) 각각에서 대표 HS(Hue and Saturation) 값, 나머지 세그먼트 영역(other segment region)의 각도 값, 및 나머지 세그먼트 영역(other segment region)의 평균 위치 값을 획득한다. 이후, 영상의 색상 변환 장치(100)는 참조 영상(reference image)으로부터 획득된 복수의 클러스터 영역(cluster region)에 대한 색상 대비 정보를 이용하여, 세그먼트 영역(segment region) 단위로 대상 영상(target image)의 색상을 변환한다.
본 발명은 또한 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 장치에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 롬(ROM), 램(RAM), CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 유무선 통신망으로 연결된 컴퓨터 장치에 분산되어 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이상에서 본 발명의 바람직한 실시예에 대하여 상세하게 설명하였지만 본 발명은 상술한 특정의 바람직한 실시예에 한정되지 아니하며, 다음의 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진자라면 누구든지 다양한 변형 실시가 가능한 것은 물론이고, 그와 같은 변경은 청구범위 기재의 범위 내에 있게 된다.
100 : 영상의 색상 변환 장치, 110 : 영상 분석부,
130 : 영상 변환부

Claims (11)

  1. 참조 영상(reference image)의 세일리언시 정보(saliency information)를 통해 상기 참조 영상(reference image)을 복수의 클러스터 영역(cluster region)으로 구분하고, 상기 복수의 클러스터 영역(cluster region) 각각에 대한 색상 대비를 분석하는 영상 분석부; 및
    대상 영상(target image)의 세일리언시 정보(saliency information)를 통해 상기 대상 영상(target image)을 복수의 세그먼트 영역(segment region)으로 구분하고, 상기 영상 분석부에 의해 상기 참조 영상(reference image)으로부터 획득된 상기 복수의 클러스터 영역(cluster region)에 대한 색상 대비 정보를 이용하여 상기 세그먼트 영역(segment region) 단위로 상기 대상 영상(target image)의 색상을 변환하는 영상 변환부;를 포함하며,
    상기 영상 분석부는 상기 복수의 클러스터 영역(cluster region) 중 세일리언시(saliency)의 평균값이 가장 높은 클러스터 영역(cluster region)을 메인 클러스터 영역(main cluster region)으로 선정하고, 상기 메인 클러스터 영역의 색상 대비 정보를 기초로 상기 메인 클러스터 영역을 제외한 나머지 클러스터 영역의 색상 대비 정보를 획득하고,
    상기 영상 변환부는 상기 복수의 세그먼트 영역(segment region) 중 세일리언시(saliency)의 평균값이 가장 높은 세그먼트 영역(segment region)을 메인 세그먼트 영역(main segment region)으로 선정하고, 상기 메인 세그먼트 영역의 색상 대비 정보를 기초로 상기 메인 세그먼트 영역을 제외한 나머지 세그먼트 영역의 색상 대비 정보를 획득하는 것을 특징으로 하는 영상의 색상 변환 장치.
  2. 제 1항에 있어서,
    상기 영상 분석부는 상기 복수의 클러스터 영역(cluster region) 각각에서 가장 많은 빈도를 가지는 대표 HS(Hue and Saturation) 값을 획득하고,
    상기 영상 변환부는 상기 복수의 세그먼트 영역(segment region) 각각에서 가장 많은 빈도를 가지는 대표 HS(Hue and Saturation) 값을 획득하는 것을 특징으로 하는 영상의 색상 변환 장치.
  3. 제 2항에 있어서,
    상기 영상 분석부는 상기 메인 클러스터 영역(main cluster region)에서 색상의 분포 정도를 나타내는 각도 값을 획득하고, 상기 메인 클러스터 영역(main cluster region)을 제외한 나머지 클러스터 영역(other cluster region) 각각에서 상기 메인 클러스터 영역(main cluster region)의 대표 HS(Hue and Saturation) 값을 기초로 색상 하모니(color harmony) 타입, 상기 메인 클러스터 영역(main cluster region)의 대표 HS(Hue and Saturation) 값과 상기 나머지 클러스터 영역(other cluster region)의 대표 HS(Hue and Saturation) 값 사이의 각도 값, 및 상기 나머지 클러스터 영역(other cluster region)의 평균 위치 값을 획득하며,
    상기 영상 변환부는 상기 메인 세그먼트 영역(main segment region)을 제외한 나머지 세그먼트 영역(other segment region) 각각에서 상기 메인 세그먼트 영역(main segment region)의 대표 HS(Hue and Saturation) 값과 상기 나머지 세그먼트 영역(other segment region)의 대표 HS(Hue and Saturation) 값 사이의 각도 값, 및 상기 나머지 세그먼트 영역(other segment region)의 평균 위치 값을 획득하는 것을 특징으로 하는 영상의 색상 변환 장치.
  4. 제 3항에 있어서,
    상기 영상 변환부는 상기 메인 세그먼트 영역(main segment region)에서 세일리언시(saliency)의 값이 높은 순서대로 복수개의 점들을 선정하고, 상기 선정된 복수개의 점들의 HS(Hue and Saturation) 값으로부터 평균 HS(Hue and Saturation) 값을 획득하며, 상기 평균 HS(Hue and Saturation) 값과 상기 메인 클러스터 영역(main cluster region)의 각도 값을 이용하여 상기 메인 세그먼트 영역(main segment region)에 속하는 점들을 색상을 변환하는 것을 특징으로 하는 영상의 색상 변환 장치.
  5. 제 4항에 있어서,
    상기 영상 변환부는 상기 나머지 세그먼트 영역(other segment region)의 각도 값 및 평균 위치 값과 상기 나머지 클러스터 영역(other cluster region)의 각도 값 및 평균 위치 값을 이용하여 상기 나머지 세그먼트 영역(other segment region)과 상기 나머지 클러스터 영역(other cluster region)을 일대일 매칭하고, 상기 나머지 세그먼트 영역(other segment region)의 색상을 매칭되는 나머지 클러스터 영역(other cluster region)의 색상 하모니(color harmony) 타입을 이용하여 변환하는 것을 특징으로 하는 영상의 색상 변환 장치.
  6. 참조 영상(reference image)의 세일리언시 정보(saliency information)를 통해 상기 참조 영상(reference image)을 복수의 클러스터 영역(cluster region)으로 구분하고, 상기 복수의 클러스터 영역(cluster region) 각각에 대한 색상 대비를 분석하는 단계; 및
    대상 영상(target image)의 세일리언시 정보(saliency information)를 통해 상기 대상 영상(target image)을 복수의 세그먼트 영역(segment region)으로 구분하고, 상기 참조 영상(reference image)으로부터 획득된 상기 복수의 클러스터 영역(cluster region)에 대한 색상 대비 정보를 이용하여 상기 세그먼트 영역(segment region) 단위로 상기 대상 영상(target image)의 색상을 변환하는 단계;를 포함하며,
    상기 영상 분석 단계에서, 상기 복수의 클러스터 영역(cluster region) 중 세일리언시(saliency)의 평균값이 가장 높은 클러스터 영역(cluster region)을 메인 클러스터 영역(main cluster region)으로 선정하고, 상기 메인 클러스터 영역의 색상 대비 정보를 기초로 상기 메인 클러스터 영역을 제외한 나머지 클러스터 영역의 색상 대비 정보를 획득하고,
    상기 영상 변환 단계에서, 상기 복수의 세그먼트 영역(segment region) 중 세일리언시(saliency)의 평균값이 가장 높은 세그먼트 영역(segment region)을 메인 세그먼트 영역(main segment region)으로 선정하고, 상기 메인 세그먼트 영역의 색상 대비 정보를 기초로 상기 메인 세그먼트 영역을 제외한 나머지 세그먼트 영역의 색상 대비 정보를 획득하는 것을 특징으로 하는 영상의 색상 변환 방법.
  7. 제 6항에 있어서,
    상기 영상 분석 단계에서, 상기 복수의 클러스터 영역(cluster region) 각각에서 가장 많은 빈도를 가지는 대표 HS(Hue and Saturation) 값을 획득하고,
    상기 영상 변환 단계에서, 상기 복수의 세그먼트 영역(segment region) 각각에서 가장 많은 빈도를 가지는 대표 HS(Hue and Saturation) 값을 획득하는 것을 특징으로 하는 영상의 색상 변환 방법.
  8. 제 7항에 있어서,
    상기 영상 분석 단계에서, 상기 메인 클러스터 영역(main cluster region)에서 색상의 분포 정도를 나타내는 각도 값을 획득하고, 상기 메인 클러스터 영역(main cluster region)을 제외한 나머지 클러스터 영역(other cluster region) 각각에서 상기 메인 클러스터 영역(main cluster region)의 대표 HS(Hue and Saturation) 값을 기초로 색상 하모니(color harmony) 타입, 상기 메인 클러스터 영역(main cluster region)의 대표 HS(Hue and Saturation) 값과 상기 나머지 클러스터 영역(other cluster region)의 대표 HS(Hue and Saturation) 값 사이의 각도 값, 및 상기 나머지 클러스터 영역(other cluster region)의 평균 위치 값을 획득하며,
    상기 영상 변환 단계에서, 상기 메인 세그먼트 영역(main segment region)을 제외한 나머지 세그먼트 영역(other segment region) 각각에서 상기 메인 세그먼트 영역(main segment region)의 대표 HS(Hue and Saturation) 값과 상기 나머지 세그먼트 영역(other segment region)의 대표 HS(Hue and Saturation) 값 사이의 각도 값, 및 상기 나머지 세그먼트 영역(other segment region)의 평균 위치 값을 획득하는 것을 특징으로 하는 영상의 색상 변환 방법.
  9. 제 8항에 있어서,
    상기 영상 변환 단계에서, 상기 메인 세그먼트 영역(main segment region)에서 세일리언시(saliency)의 값이 높은 순서대로 복수개의 점들을 선정하고, 상기 선정된 복수개의 점들의 HS(Hue and Saturation) 값으로부터 평균 HS(Hue and Saturation) 값을 획득하며, 상기 평균 HS(Hue and Saturation) 값과 상기 메인 클러스터 영역(main cluster region)의 각도 값을 이용하여 상기 메인 세그먼트 영역(main segment region)에 속하는 점들을 색상을 변환하는 것을 특징으로 하는 영상의 색상 변환 방법.
  10. 제 9항에 있어서,
    상기 영상 변환 단계에서, 상기 나머지 세그먼트 영역(other segment region)의 각도 값 및 평균 위치 값과 상기 나머지 클러스터 영역(other cluster region)의 각도 값 및 평균 위치 값을 이용하여 상기 나머지 세그먼트 영역(other segment region)과 상기 나머지 클러스터 영역(other cluster region)을 일대일 매칭하고, 상기 나머지 세그먼트 영역(other segment region)의 색상을 매칭되는 나머지 클러스터 영역(other cluster region)의 색상 하모니(color harmony) 타입을 이용하여 변환하는 것을 특징으로 하는 영상의 색상 변환 방법.
  11. 제 6항 내지 제 10항 중 어느 한 항에 기재된 영상의 색상 변환 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체.
KR1020120102847A 2012-09-17 2012-09-17 영상의 색상 변환 장치 및 방법 KR101394363B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120102847A KR101394363B1 (ko) 2012-09-17 2012-09-17 영상의 색상 변환 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120102847A KR101394363B1 (ko) 2012-09-17 2012-09-17 영상의 색상 변환 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20140037373A KR20140037373A (ko) 2014-03-27
KR101394363B1 true KR101394363B1 (ko) 2014-05-14

Family

ID=50646191

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120102847A KR101394363B1 (ko) 2012-09-17 2012-09-17 영상의 색상 변환 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101394363B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180074977A (ko) 2016-12-26 2018-07-04 연세대학교 산학협력단 영상 간의 특질 변환 시스템 및 그 방법
KR101951433B1 (ko) 2018-10-15 2019-05-21 조정우 사진 드로잉 장치

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101606760B1 (ko) 2015-07-23 2016-03-28 연세대학교 산학협력단 영상 내 객체 기반 영상 감정 변환 장치 및 그 방법
KR102097189B1 (ko) * 2017-09-15 2020-04-03 전자부품연구원 팔레트 기반 영상 재채색 방법 및 장치
KR102291576B1 (ko) * 2019-11-18 2021-08-20 김남희 빅데이터 분석 기반 디지털 이미지 생성 방법 및 이를 실행하는 장치
KR102390838B1 (ko) * 2021-07-22 2022-04-28 주식회사 엘케이벤쳐스 촬영룸 키오스크를 통해 촬영된 이미지들에 기초하여 사진 프레임을 생성하는 장치 및 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110016505A (ko) * 2008-06-17 2011-02-17 코닌클리케 필립스 일렉트로닉스 엔.브이. 컬러 조정
KR20110040168A (ko) * 2009-10-13 2011-04-20 중앙대학교 산학협력단 회화적 렌더링 장치 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110016505A (ko) * 2008-06-17 2011-02-17 코닌클리케 필립스 일렉트로닉스 엔.브이. 컬러 조정
KR20110040168A (ko) * 2009-10-13 2011-04-20 중앙대학교 산학협력단 회화적 렌더링 장치 및 방법

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
논문 (2008.05) *
논문(2007) *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180074977A (ko) 2016-12-26 2018-07-04 연세대학교 산학협력단 영상 간의 특질 변환 시스템 및 그 방법
KR101882111B1 (ko) * 2016-12-26 2018-07-25 연세대학교 산학협력단 영상 간의 특질 변환 시스템 및 그 방법
KR101951433B1 (ko) 2018-10-15 2019-05-21 조정우 사진 드로잉 장치

Also Published As

Publication number Publication date
KR20140037373A (ko) 2014-03-27

Similar Documents

Publication Publication Date Title
KR101394363B1 (ko) 영상의 색상 변환 장치 및 방법
CN107679502B (zh) 一种基于深度学习图像语义分割的人数估计方法
US10372226B2 (en) Visual language for human computer interfaces
US7908547B2 (en) Album creating apparatus, album creating method and program
US9196069B2 (en) Digital image manipulation
CN103020965B (zh) 一种基于显著性检测的前景分割方法
CN101601287B (zh) 产生照片级真实感图像缩略图的设备和方法
US9697583B2 (en) Image processing apparatus, image processing method, and computer-readable recording medium
JPH09212677A (ja) 画像領域分割方法及びその装置
JP5527592B2 (ja) 画像処理装置および方法、並びにプログラム
US8718401B2 (en) Image processing device, method and program
KR20150112535A (ko) 비디오 대표 이미지 관리 장치 및 방법
JP2016520897A (ja) 画像アウトラインを記述するシステム及び方法
CN110111347B (zh) 图像标志提取方法、装置及存储介质
KR101028699B1 (ko) 회화적 렌더링 장치 및 방법
CN112529914B (zh) 一种实时头发分割方法和系统
CN108985301A (zh) 一种多特征类子字典学习的高光谱图像分类方法
US11354925B2 (en) Method, apparatus and device for identifying body representation information in image, and computer readable storage medium
KR100532129B1 (ko) 음성 인식을 위한 입술영역 검출 및 이를 이용한입술모양정보 획득방법
KR102334350B1 (ko) 객체와 배경 이미지를 합성하여 실감형 포토 영상을 제공하는 영상 처리 시스템 및 방법
JP6467817B2 (ja) 画像処理装置、画像処理方法、およびプログラム
CN111062862A (zh) 基于颜色的数据增强方法和系统及计算机设备和存储介质
KR20150086816A (ko) 스크리블 기반 영상 처리장치 및 이를 이용한 다중 서술자 추출방법
KR20140107999A (ko) 시공간 패턴에 기반한 비디오 분석 장치 및 방법
KR20120128539A (ko) 컴퓨터 그래픽 영상의 실감도 증강을 위한 장치 및 방법

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: 20170327

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180406

Year of fee payment: 5