KR101474311B1 - 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법과,상기 방법에 따라 획득한 노이즈 저감용 분산 또는표준편차 데이터를 저장한 기록매체를 구비한 디지털촬영장치 - Google Patents

노이즈 저감용 분산 또는 표준편차 데이터 획득 방법과,상기 방법에 따라 획득한 노이즈 저감용 분산 또는표준편차 데이터를 저장한 기록매체를 구비한 디지털촬영장치 Download PDF

Info

Publication number
KR101474311B1
KR101474311B1 KR1020080004428A KR20080004428A KR101474311B1 KR 101474311 B1 KR101474311 B1 KR 101474311B1 KR 1020080004428 A KR1020080004428 A KR 1020080004428A KR 20080004428 A KR20080004428 A KR 20080004428A KR 101474311 B1 KR101474311 B1 KR 101474311B1
Authority
KR
South Korea
Prior art keywords
data
seed
standard deviation
cluster
variance
Prior art date
Application number
KR1020080004428A
Other languages
English (en)
Other versions
KR20090078544A (ko
Inventor
장순근
곽진표
안은선
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 KR1020080004428A priority Critical patent/KR101474311B1/ko
Priority to US12/316,143 priority patent/US8831375B2/en
Priority to GB0900152.0A priority patent/GB2456409B/en
Priority to DE102009000151A priority patent/DE102009000151A1/de
Priority to CN2009100026689A priority patent/CN101489081B/zh
Publication of KR20090078544A publication Critical patent/KR20090078544A/ko
Application granted granted Critical
Publication of KR101474311B1 publication Critical patent/KR101474311B1/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
    • G06T5/20—Image enhancement or restoration using local operators
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording
    • H04N5/765—Interface circuits between an apparatus for recording and another apparatus
    • H04N5/77—Interface circuits between an apparatus for recording and another apparatus between a recording apparatus and a television camera
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording
    • H04N5/765—Interface circuits between an apparatus for recording and another apparatus
    • H04N5/77—Interface circuits between an apparatus for recording and another apparatus between a recording apparatus and a television camera
    • H04N5/772—Interface circuits between an apparatus for recording and another apparatus between a recording apparatus and a television camera the recording apparatus and the television camera being placed in the same enclosure
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20004—Adaptive image processing
    • G06T2207/20012—Locally adaptive
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/79—Processing of colour television signals in connection with recording
    • H04N9/80—Transformation of the television signal for recording, e.g. modulation, frequency changing; Inverse transformation for playback
    • H04N9/82—Transformation of the television signal for recording, e.g. modulation, frequency changing; Inverse transformation for playback the individual colour picture signal components being recorded simultaneously only
    • H04N9/8205—Transformation of the television signal for recording, e.g. modulation, frequency changing; Inverse transformation for playback the individual colour picture signal components being recorded simultaneously only involving the multiplexing of an additional signal and the colour video signal

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Picture Signal Circuits (AREA)

Abstract

본 발명은 이미지에서 노이즈를 효과적으로 줄이기 위한 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법과, 상기 방법에 따라 획득한 노이즈 저감용 분산 또는 표준편차 데이터를 저장한 기록매체를 구비한 디지털 촬영장치를 위하여, (a) 이미지를 복수개의 클러스터들로 구획하는 단계와, (b) 각 클러스터에 있어서, 해당 클러스터에 속하는 픽셀들의 데이터값에 따른 빈도 데이터를 확인하는 단계와, (c) 각 클러스터에 있어서, 빈도 데이터를 고려하여 해당 클러스터에 속하는 픽셀들의 데이터값의 가중평균(weighted average)을 획득하는 단계와, (d) 각 클러스터에 있어서, 가중평균을 이용하여 해당 클러스터에 속하는 픽셀들의 데이터값의 분산 또는 표준편차를 획득하는 단계와, (e) 각 클러스터에서의 가중평균과, 분산 또는 표준편차를 이용하여, 가중평균에 따른 분산 또는 표준편차 데이터를 획득하는 단계를 포함하는 것을 특징으로 하는 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법과, 상기 방법에 따라 획득한 노이즈 저감용 분산 또는 표준편차 데이터를 저장한 기록매체를 구비한 디지털 촬영장치를 제공한다.

Description

노이즈 저감용 분산 또는 표준편차 데이터 획득 방법과, 상기 방법에 따라 획득한 노이즈 저감용 분산 또는 표준편차 데이터를 저장한 기록매체를 구비한 디지털 촬영장치{Method of obtaining variance data or standard deviation data for reducing noise, and digital photographing apparatus comprising recording medium storing variance data or standard deviation data for reducing noise}
본 발명은 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법과, 상기 방법에 따라 획득한 노이즈 저감용 분산 또는 표준편차 데이터를 저장한 기록매체를 구비한 디지털 촬영장치에 관한 것으로서, 더 상세하게는 이미지에서 노이즈를 효과적으로 줄이기 위한 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법과, 상기 방법에 따라 획득한 노이즈 저감용 분산 또는 표준편차 데이터를 저장한 기록매체를 구비한 디지털 촬영장치에 관한 것이다.
일반적으로 디지털 촬영장치는 촬영모드에서 촬영동작에 의하여 얻어진 이미지에 대한 데이터를 저장매체에 저장하고, 이 저장매체에 저장되어 있는 데이터를 이용하여 이미지를 디스플레이부에 디스플레이하기도 한다.
이러한 종래의 디지털 촬영장치는 구비된 촬상소자에 입사한 광으로부터 이 미지에 대한 데이터를 획득하며 이러한 데이터를 처리하는데, 촬상소자에 입사한 광으로부터 데이터를 획득하는 과정 및/또는 데이터를 처리하는 과정 등에서 노이즈가 발생하게 된다. 이러한 노이즈는 어두운 이미지에서는 이미지를 거칠게 만들며, 밝은 이미지에서는 이미지의 색상을 혼탁하게 할 뿐만 아니라 피사체의 경계를 명확하지 않게 하여 이미지의 선명도를 저하시킨다는 문제점이 있었다.
본 발명은 상기와 같은 문제점을 포함하여 여러 문제점들을 해결하기 위한 것으로서, 이미지에서 노이즈를 효과적으로 줄이기 위한 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법과, 상기 방법에 따라 획득한 노이즈 저감용 분산 또는 표준편차 데이터를 저장한 기록매체를 구비한 디지털 촬영장치를 제공하는 것을 목적으로 한다.
본 발명은 (a) 이미지를 복수개의 클러스터들로 구획하는 단계와, (b) 각 클러스터에 있어서, 해당 클러스터에 속하는 픽셀들의 데이터값에 따른 빈도 데이터를 확인하는 단계와, (c) 각 클러스터에 있어서, 빈도 데이터를 고려하여 해당 클러스터에 속하는 픽셀들의 데이터값의 가중평균(weighted average)을 획득하는 단계와, (d) 각 클러스터에 있어서, 가중평균을 이용하여 해당 클러스터에 속하는 픽셀들의 데이터값의 분산 또는 표준편차를 획득하는 단계와, (e) 각 클러스터에서의 가중평균과, 분산 또는 표준편차를 이용하여, 가중평균에 따른 분산 또는 표준편차 데이터를 획득하는 단계를 포함하는 것을 특징으로 하는 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법을 제공한다.
이러한 본 발명의 다른 특징에 의하면, 상기 (a) 단계는 kmeans 알고리즘을 이용하는 것으로 할 수 있다.
본 발명의 또 다른 특징에 의하면, 상기 (a) 단계는 (a1) 클러스터들의 개수 에 대응하는 개수의 씨드(seed)들을 이미지 전체에 배치하고 각 씨드에 임의의 데이터값을 부여하는 단계와, (a2) 이미지의 각 픽셀에 있어서, 공간적인 위치 및 데이터값에 근거한 거리에 따라 복수개의 씨드들 중 최인접한 씨드를 확인하는 단계와, (a3) 각 씨드에 있어서, 해당 씨드가 최인접한 씨드인 것으로 확인한 픽셀들의 데이터값의 평균으로 해당 씨드의 데이터값을 업데이트하고, 해당 씨드가 최인접한 씨드인 것으로 확인한 픽셀들의 공간적인 위치의 평균으로 해당 씨드의 위치를 업데이트하는 단계와, (a4) 각 씨드에 있어서, 업데이트 직전의 씨드의 공간적인 위치 및 데이터값과 업데이트 직후의 씨드의 공간적인 위치 및 데이터값의 차이가 사전설정된 차이(threshold value)보다 클 경우 또는 사전설정된 차이 이상일 경우, 상기 (a1) 단계 내지 상기 (a3) 단계를 반복하는 단계와, (a5) 각 씨드에 있어서, 업데이트 직전의 씨드의 공간적인 위치 및 데이터값과 업데이트 직후의 씨드의 공간적인 위치 및 데이터값의 차이가 사전설정된 차이 이하일 경우 또는 사전설정된 차이보다 작을 경우, 일 씨드가 최인접한 씨드인 것으로 확인한 픽셀들은 동일한 클러스터에 속하는 것으로 분류하여, 이미지를 복수개의 클러스터들로 분류하는 단계를 포함하는 것으로 할 수 있다.
본 발명의 또 다른 특징에 의하면, 각 픽셀은 YCbCr 데이터를 가지며, 상기 (a1) 단계는 각 씨드에 임의의 YCbCr 데이터를 부여하는 단계인 것으로 할 수 있다.
본 발명의 또 다른 특징에 의하면, 상기(a2) 단계는, 이미지의 각 픽셀에 있 어서, 해당 픽셀의 이미지 내에서의 위치를 (xpix, ypix)라 하고 해당 픽셀의 YCbCr 데이터를 (Ypix, Cbpix, Crpix)라 하며, i번째 씨드의 이미지 내에서의 위치를 (xseed_i, yseed_i)라 하고 i번째 씨드의 YCbCr 데이터를 (Yseed_i, Cbseed_i, Crseed_i)라 할 시, 각 씨드에 대해 하기 수학식 1에 따른 거리(Di)를 계산하여 거리가 최소인 씨드를 해당 픽셀의 최인접한 씨드로 확인하는 단계인 것으로 할 수 있다:
Figure 112008003314216-pat00001
본 발명의 또 다른 특징에 의하면, 각 픽셀은 YCbCr 데이터를 가지며, 상기 (b) 단계 내지 상기 (e) 단계를 Y 데이터, Cb 데이터 및 Cr 데이터 각각에 대해 수행하는 것으로 할 수 있다.
본 발명의 또 다른 특징에 의하면, 상기 (b) 단계는 각 클러스터에 있어서, i번째 클러스터에 속하는 픽셀들의 데이터값을 x축으로 하고 빈도를 y축으로 하여 y=wi(x)의 그래프를 확인하는 단계인 것으로 할 수 있다.
본 발명의 또 다른 특징에 의하면, 상기 (c) 단계는, 각 클러스터에 있어서, n번째 클러스터에 속하는 픽셀들의 개수를 k라 하고 i번째 픽셀의 데이터를 xi라 할 시, 하기 수학식 2에 따라 n번째 클러스터에 속하는 픽셀들의 데이터값의 가중평균(WMn)을 획득하는 것으로 할 수 있다:
Figure 112008003314216-pat00002
본 발명의 또 다른 특징에 의하면, 상기 (d) 단계는, 하기 수학식 3에 따라 n번째 클러스터에 속하는 k개의 픽셀들의 데이터값의 분산(σn 2)을 획득하거나, 하기 수학식 4에 따라 n번째 클러스터에 속하는 k개의 픽셀들의 데이터값의 표준편차(σn)를 획득하는 단계인 것으로 할 수 있다:
Figure 112008003314216-pat00003
Figure 112008003314216-pat00004
본 발명의 또 다른 특징에 의하면, 상기 (e) 단계는 가로축을 가중평균, 세로축을 분산 또는 표준편차로 하여, 가중평균에 따른 분산 또는 표준편차 데이터를 획득하는 단계인 것으로 할 수 있다.
본 발명의 또 다른 특징에 의하면, 각 픽셀은 복수 종류의 데이터값들을 가지며, 상기 (b) 단계 내지 상기 (e) 단계는, 각 종류의 데이터값에 대해 이루어지는 것으로 할 수 있다.
본 발명의 또 다른 특징에 의하면, 각 픽셀은 적색 데이터, 녹색 데이터 및 청색 데이터를 가지며, 상기 (b) 단계 내지 상기 (e) 단계는, 각 종류의 데이터값 에 대해 이루어지는 것으로 할 수 있다.
본 발명의 또 다른 특징에 의하면, 각 픽셀은 휘도 데이터, 제1색상 데이터 및 제2색상 데이터를 가지며, 상기 (b) 단계 내지 상기 (e) 단계는, 각 종류의 데이터값에 대해 이루어지는 것으로 할 수 있다.
본 발명의 또 다른 특징에 의하면, 상기 (a) 단계는 N개의 이미지들에 있어서 각 이미지를 복수개의 클러스터들로 구획하는 단계이고, 상기 (b) 단계 내지 상기 (e) 단계에서 각 클러스터라 함은 N개의 이미지들에 있어서 대응하는 클러스터들을 한 개의 클러스터로 간주하는 것으로 할 수 있다.
본 발명은 또한 상기와 같은 방법에 따라 획득한 노이즈 저감용 분산 또는 표준편차 데이터를 저장한 기록매체를 구비하는 것을 특징으로 하는 디지털 촬영장치를 제공한다.
본 발명은 또한, (i) 상기와 같은 방법에 따라 획득한 노이즈 저감용 분산 또는 표준편차 데이터를 제1데이터로 저장한 기록매체를 구비한 디지털 촬영장치를 준비하는 단계와, (ii) 디지털 촬영장치로 추가 이미지를 획득하는 단계와, (iii) 상기 (ii) 단계에서 획득한 추가 이미지를 복수개의 클러스터들로 구획하는 단계와, (iv) 추가 이미지의 각 클러스터에 있어서, 해당 클러스터에 속하는 픽셀들의 데이터값에 따른 빈도 데이터를 확인하는 단계와, (v) 추가 이미지의 각 클러스터에 있어서, 빈도 데이터를 고려하여 해당 클러스터에 속하는 픽셀들의 데이터값의 가중평균을 획득하는 단계와, (vi) 추가 이미지의 각 클러스터에 있어서, 가중평균을 이용하여 해당 클러스터에 속하는 픽셀들의 데이터값의 분산 또는 표준편차를 획득하는 단계와, (vii) 추가 이미지의 각 클러스터에서의 가중평균과, 분산 또는 표준편차를 이용하여, 추가 이미지에서의 가중평균에 따른 분산 또는 표준편차 데이터를 제2데이터로 획득하는 단계와, (viii) 제2데이터를 이용하여 제1데이터를 수정하여, 노이즈 저감용 최종 분산 또는 표준편차 데이터를 획득하는 단계를 포함하는 것을 특징으로 하는 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법을 제공한다.
본 발명은 또한 상기와 같은 방법에 따라 획득한 노이즈 저감용 분산 또는 표준편차 데이터를 저장한 기록매체를 구비하는 것을 특징으로 하는 디지털 촬영장치를 제공한다.
상기한 바와 같이 이루어진 본 발명의 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법과, 상기 방법에 따라 획득한 노이즈 저감용 분산 또는 표준편차 데이터를 저장한 기록매체를 구비한 디지털 촬영장치에 따르면, 이미지에서 노이즈를 효과적으로 줄일 수 있다.
이하, 첨부된 도면들을 참조하여 본 발명의 실시예를 상세히 설명하면 다음과 같다.
본 실시예에 따른 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법은, 먼저 이미지를 복수개의 클러스터들로 구획한다. 여기서 일 클러스터는 상호 유사한 관련성을 갖는 픽셀들을 포함하는 것으로서, 특히 유사한 데이터값을 갖는 픽셀 들을 포함한다. 본 실시예에 따른 노이즈 저감용 분산 데이터 또는 표준편차 데이터 획득방법에 이르는 과정에서 노이즈의 분포가 픽셀들의 데이터값의 크기에 따라 상이하다는 것을 발견하였다. 따라서 효과적인 노이즈 저감의 효과를 얻기 위하여, 유사한 데이터값을 갖는 픽셀들로 이루어진 복수개의 클러스터들로 이미지를 구획한다.
이하에서는 먼저 이미지를 복수개의 클러스터들로 구획하는 일 방법, 특히 kmeans 알고리즘을 이용하는 방법에 대해 설명한다.
도 1a는 본 발명의 일 실시예에 따른 노이즈 저감용 분산 또는 표준편차 데이터 획득을 위한 초기 씨드들의 이미지에서의 분포를 개략적으로 도시하는 개념도이다. 도 1a에 도시된 것과 같이 먼저 이미지(Im) 전체에 복수개의 씨드(seed)들을 배치한다. 씨드들의 개수는 이미지를 구획하고자 하는 클러스터들의 개수에 대응한다. 도 1a에서는 일 예로서 96개의 씨드가 배치된 것으로 도시되어 있으나, 본 발명이 이에 한정되지 않음은 물론이다. 예컨대 각 픽셀이 YCbCr 데이터를 갖는 경우 Y, Cb 및 Cr 데이터는 각각 통상적으로 8비트 데이터를 가지므로, 256(=28)개의 씨드들을 이미지(Im)에 배치할 수도 있다. 또한 도 1a에서는 씨드들이 균일하게 배치된 것으로 도시되어 있으나 이와 달리 랜덤하게 배치될 수도 있는 등 다양한 변형이 가능하다.
배치된 각 씨드는 이미지(Im)의 각 픽셀이 갖는 데이터 형식과 동일한 형식으로 데이터를 갖는다. 예컨대 이미지(Im)의 각 픽셀이 YCbCr 형식의 데이터를 갖 는다면 각 씨드 역시 YCbCr 형식의 데이터를 가지며, 각 픽셀이 RGB 형식의 데이터를 갖는다면 각 씨드 역시 RGB 형식의 데이터를 갖는다. 이하에서는 편의상 이미지(Im)의 각 픽셀이 YCbCr 형식의 데이터를 가지며 각 씨드 역시 YCbCr 형식의 데이터를 갖는 경우에 대해 설명한다. 각 씨드가 갖는 데이터값은 임의의 데이터값이다.
씨드들을 배치하고 각 씨드에 데이터를 부여한 후, 이미지(Im)의 각 픽셀에 있어서, 공간적인 위치 및 데이터값에 근거한 거리에 따라 복수개의 씨드들 중 최인접한 씨드를 확인한다. 예컨대 이미지(Im)의 각 픽셀에 있어서, 해당 픽셀의 이미지 내에서의 위치를 (xpix, ypix)라 하고 해당 픽셀의 YCbCr 데이터를 (Ypix, Cbpix, Crpix)라 하며, i번째 씨드의 이미지(Im) 내에서의 위치를 (xseed_i, yseed_i)라 하고 i번째 씨드의 YCbCr 데이터를 (Yseed_i, Cbseed_i, Crseed_i)라 할 시, 해당 픽셀과 i번째 씨드 사이의 거리(Di)를 하기 수학식 1과 같이 계산할 수 있다.
[수학식 1]
Figure 112008003314216-pat00005
이와 같은 해당 픽셀과 복수개의 씨드들 사이의 거리를 계산하여, 그 거리가 최소인 씨드를 해당 픽셀의 최인접한 씨드로 확인한다. 이와 같은 방식으로 이미지(Im)의 모든 픽셀들에 있어서 최인접 씨드를 확인한다.
그 후, 각 씨드에 있어서, 해당 씨드가 최인접한 씨드인 것으로 확인한 픽셀들의 데이터값의 평균으로 해당 씨드의 데이터값을 업데이트한다. 예컨대 도 1a의 제1씨드(S1)가 최인접한 씨드인 것으로 확인한 픽셀들이 10개라면, 그 10개의 픽셀들의 데이터값 평균이 제1씨드(S2)의 데이터값이 된다. 이는 제2씨드(S2) 및 제3시드(S3) 등에 대해서도 마찬가지이다. 그 후, 씨드들의 위치 역시 업데이트하는데, 구체적으로 해당 씨드가 최인접한 씨드인 것으로 확인한 픽셀들의 공간적인 위치의 평균으로 해당 씨드의 위치를 업데이트한다. 예컨대 도 1a의 제1씨드(S1)가 최인접한 씨드인 것으로 확인한 픽셀들이 10개라면, 그 10개의 픽셀들의 위치의 평균이 제1씨드(S2)의 새로운 위치가 된다. 이는 제2씨드(S2) 및 제3시드(S3) 등에 대해서도 마찬가지이다. 도 1b는 이와 같은 과정을 통해 도 1a의 제1씨드(S1), 제2씨드(S2) 및 제3씨드(S3) 등의 위치가 업데이트된 제1씨드(S11), 제2씨드(S21) 및 제3씨드(S31) 등의 이미지(Im) 내에서의 위치를 개략적으로 도시하는 개념도이다.
이와 같이 씨드들을 업데이트한 후, 이미지(Im)의 각 픽셀에 있어서, 공간적인 위치 및 데이터값에 근거한 거리에 따라 복수개의 업데이트된 씨드들 중 최인접한 씨드를 확인한다. 그리고 각 업데이트된 씨드에 있어서, 해당 씨드가 최인접한 씨드인 것으로 확인한 픽셀들의 데이터값의 평균으로 해당 씨드의 데이터값을 다시 업데이트하고, 해당 씨드가 최인접한 씨드인 것으로 확인한 픽셀들의 공간적인 위치의 평균으로 해당 씨드의 위치를 다시 업데이트한다. 도 1c는 이와 같은 과정을 통해 도 1b의 제1씨드(S1'), 제2씨드(S2') 및 제3씨드(S3') 등의 위치가 업데이트된 제1씨드(S11"), 제2씨드(S21") 및 제3씨드(S31") 등의 이미지(Im) 내에서의 위치를 개략적으로 도시하는 개념도이다.
이와 같은 씨드들의 업데이트는 필요에 따라 복수회 반복될 수도 있는데, 각 씨드에 있어서, 업데이트 직전의 씨드의 공간적인 위치 및 데이터값과 업데이트 직후의 씨드의 공간적인 위치 및 데이터값의 차이가 사전설정된 차이(threshold value)보다 클 경우 또는 사전설정된 차이 이상일 경우, 상술한 바와 같은 업데이트를 반복한다. 각 씨드에 있어서, 업데이트 직전의 씨드의 공간적인 위치 및 데이터값과 업데이트 직후의 씨드의 공간적인 위치 및 데이터값의 차이가 사전설정된 차이 이하일 경우 또는 사전설정된 차이보다 작을 경우, 씨드들의 데이터 및 위치 업데이트를 완료한다. 사전설정된 차이는 필요에 따라 수정될 수 있는데, 사전설정된 차이가 작을수록 이미지를 더욱 정밀하게 구획하는 것을 의미한다.
씨드들의 업데이트가 완료되면, 일 씨드가 최인접한 씨드인 것으로 확인한 픽셀들은 동일한 클러스터에 속하는 것으로 분류하여, 이미지를 복수개의 클러스터들로 분류한다. 예컨대 도 1c의 경우 제1씨드(S1")가 최인접한 씨드인 것으로 확인한 픽셀들은 모두 동일한 클러스터(예컨대 제1클러스터)에 속하는 것이고, 제2씨드(S2")가 최인접한 씨드인 것으로 확인한 픽셀들은 모두 동일한 클러스터(예컨대 제2클러스터)에 속하는 것이며, 제3씨드(S3")가 최인접한 씨드인 것으로 확인한 픽셀들은 모두 동일한 클러스터(예컨대 제3클러스터)에 속하는 것으로 분류된다. 도 2a는 원본 이미지이며, 도 2b는 이를 kmeans 알고리즘을 이용하여 복수개의 클러스터들로 구획한 것을 나타내는 이미지이다.
이와 같이 이미지를 복수개의 클러스터들로 구획한 후, 노이즈 저감용 분산 데이터 또는 표준편차 데이터를 획득한다. 이미지의 각 픽셀이 YCbCr 데이터를 갖는다면, 노이즈 저감용 분산 또는 표준편차 데이터는 Y 데이터, Cb 데이터 및 Cr 데이터 각각에 대해 획득한다. 즉, 이하에서 도 3a 내지 도 4를 참조하여 기술되는 노이즈 저감용 분산 데이터 또는 표준편차 데이터 획득 단계는, Y 데이터, Cb 데이터 및 Cr 데이터 각각에 대해 수행된다.
도 3a는 복수개의 클러스터들로 구획된 이미지에서 일 클러스터(C100)를 개념적으로 도시하는 개념도로서, 클러스터(C100)에 속한 픽셀들의 Y 데이터값의 평균이 100인 경우이다. 도 3b는 도 3a의 클러스터(C100)에 속한 픽셀들의 Y 데이터값의 이상적인 빈도를 개략적으로 도시하는 그래프이다. 도 3b의 그래프의 가로축은 Y 데이터값을, 세로축은 클러스터(C100)에 속한 픽셀들 중 해당 Y 데이터값을 갖는 픽셀들의 빈도를 나타낸다. 도 3b에 도시된 바와 같이 도 3a의 클러스터(C100)에 속한 픽셀들의 Y 데이터값 빈도가 이상적인 분포(가우시안 분포, 정규 분포)를 갖는다고 가정하면, 간단하게 도 3a의 클러스터(C100)에 속한 픽셀들의 Y 데이터값의 평균과, 분산 또는 표준편차를 구할 수 있다. 도 3a의 클러스터(C100) 외의 다른 각각의 클러스터에 속한 픽셀들의 Y 데이터값의 평균과, 분산 또는 표준편차도 구할 수 있다. 이를 통해 각 클러스터들에 있어서 Y 데이터값의 평균들, 각 평균에 대응하는 분산 또는 표준편차를 구할 수 있으며, 결과적으로 가로축을 평균, 세로축을 분산 또는 표준편차로 한 그래프를 얻을 수 있다.
전술한 바와 같이 본 실시예에 따른 노이즈 저감용 분산 데이터 또는 표준편차 데이터 획득방법에 이르는 과정에서 노이즈의 분포가 픽셀들의 데이터값의 크기 에 따라 상이하다는 것을 발견하였다. 이러한 노이즈의 각 데이터값에서의 분산 또는 표준편차는 상술한 바와 같이 획득한 가로축을 평균, 세로축을 분산 또는 표준편차로 한 그래프와 개략적으로 일치한다. 따라서 상술한 방법을 통해 획득한 가로축을 평균, 세로축을 분산 또는 표준편차로 한 그래프를 이용하여 노이즈를 일부 저감시킬 수 있다.
그러나, 본 발명에 이르는 과정에서 다른 사실을 밝혔는 바, 도 3a의 클러스터(C100)에 속한 픽셀들의 Y 데이터값의 분포를 실제로 일일이 분석하면, Y 데이터값의 이상적인 분포를 전제로 한 도 3b의 그래프와 전혀 상이한 도 3c와 같은 비이상적인 그래프를 얻게 된다는 것이다. 따라서 도 3a의 클러스터(C100)에 속한 픽셀들의 Y 데이터값의 빈도 분포를 도 3b의 그래프와 같은 이상적인 분포로 가정하여 평균과 분산 또는 표준편차를 얻고, 각 클러스터에서의 평균과 분산 또는 표준편차의 데이터를 노이즈의 평균과 분산 또는 표준편차 데이터로 간주할 경우, 노이즈를 효과적으로 저감시킬 수 없다.
따라서 본 실시예에 따른 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법에서는, 도 3a의 클러스터(C100)에 속한 픽셀들의 Y 데이터값의 빈도 분포를 도 3b의 그래프와 같은 이상적인 분포로 가정하지 않고, 도 3a의 클러스터(C100)에 속한 픽셀들의 Y 데이터값의 실제 빈도 데이터를 확인한다. 이 빈도 데이터는 예컨대 그래프로 나타내면 도 3c와 같이 나타날 것이다. i번째 클러스터에 속하는 픽셀들 의 데이터값을 x축으로 하고 빈도를 y축으로 하면, 도 3c의 그래프는 y=wi(x)의 그래프라 할 수 있다.
이와 같이 빈도 데이터를 확인하면, 각 클러스터에 있어서, 빈도 데이터를 고려하여 해당 클러스터에 속하는 픽셀들의 데이터값의 가중평균(weighted average)을 획득한다. n번째 클러스터에 속하는 픽셀들의 개수를 k라 하고 i번째 픽셀의 데이터를 xi라 할 시, 가중 평균(WMn)은 하기 수학식 2에 따라 계산될 수 있다.
[수학식 2]
Figure 112008003314216-pat00006
이와 같이 가중평균(WMn)을 계산하면, 각 클러스터에 있어서, 가중평균(WMn)을 이용하여 해당 클러스터에 속하는 픽셀들의 데이터값의 분산 또는 표준편차를 획득할 수 있다. n번째 클러스터에 속하는 k개의 픽셀들의 데이터값의 분산(σn 2)은 하기 수학식 3을 통해 획득할 수 있으며, n번째 클러스터에 속하는 k개의 픽셀들의 데이터값의 표준편차(σn)는 하기 수학식 4를 통해 획득할 수 있다.
[수학식 3]
Figure 112008003314216-pat00007
[수학식 4]
Figure 112008003314216-pat00008
이와 같은 과정을 각 클러스터에 대해 수행하면, 결국 각 클러스터의 재평균(WMn)과 이에 대응하는 분산(σn 2) 또는 표준편차(σn)를 얻을 수 있다. 즉, 각 클러스터에서의 가중평균과, 분산 또는 표준편차를 이용하여, 가중평균에 따른 분산 또는 표준편차 데이터를 획득할 수 있다. 예컨대 가로축을 가중평균, 세로축을 표준편차로 할 시 도 4에 도시된 것과 같은 그래프를 얻게 된다. 전술한 바와 같이 본 실시예에 따른 노이즈 저감용 분산 데이터 또는 표준편차 데이터 획득방법에 이르는 과정에서 노이즈의 분포가 픽셀들의 데이터값의 크기에 따라 상이하다는 것을 발견하였는 바, 노이즈의 분포는 도 4와 같은 그래프와 정확히 일치한다. 즉, 도 4와 같은 그래프 또는 그에 관한 데이터를 노이즈 저감용 분산 또는 표준편차 데이터라 할 수 있다. 따라서 도 4의 그래프와 같은 데이터를 이용하여 이미지의 노이즈를 획기적으로 저감시킬 수 있다.
도 4의 그래프는 Y 데이터용, Cb 데이터용, Cr 데이터용으로 각각 얻어질 수 있으며, 나아가 R 데이터용, G 데이터용, B 데이터용으로 각각 얻어질 수 있음은 물론이다. 즉, 각 픽셀이 복수 종류의 데이터값들을 가진다면, 도 4의 그래프는 각 종류의 데이터값에 대해 얻어질 수 있다. 예컨대 각 픽셀이 휘도 데이터, 제1색상 데이터 및 제2색상 데이터를 가진다면, 도 4의 그래프는 각 종류의 데이터값에 대해 얻어질 수 있다.
이와 같이 획득한 노이즈 저감용 분산 또는 표준편차 데이터는 다양한 방법을 통해 노이즈 저감에 이용될 수 있는 바, 그 일 예인 양측성 필터(bilateral filter)를 이용한 노이즈 저감을 간략히 설명한다.
도 5a는 피사체 가장자리에서의 데이터 분포를 시각화한 그래프이다. 구체적으로, 도 5a는 흑백 이미지에서 피사체 가장자리에서의 데이터 분포를 시각화한 그래프이다. 흑백 이미지의 경우 휘도 변화를 통해 피사체를 나타내는데, 피사체의 가장자리에서는 도 5a에 도시된 것과 같이 휘도변화가 크게 나타나게 된다. 이러한 도 5a의 데이터 분포에는 노이즈가 포함되어 있다. 따라서 노이즈를 저감하기 위하여 도 5b에 도시된 것과 같은 양측성 필터를 사용한다. 도 5b의 양측성 필터는 정규분포와 같은 형상이 아니라 정규분포와 같은 형상의 절반의 형상인데, 이는 정규분포와 같은 형상의 필터를 사용하여 도 5a에 도시된 것과 같은 피사체 가장자리 부근의 데이터를 필터링하면 결과물에서의 피사체의 가장자리가 선명하지 않게 나타날 수 있기 때문이다. 도 5b의 필터를 이용하여 도 5a의 이미지를 필터링하면, 도 5c에 도시된 것과 같은 결과물을 얻게 된다. 도 5c와 도 5a를 비교하면 노이즈가 현저하게 저감된 것을 알 수 있다. 이와 같은 양측성 필터를 이용한 노이즈 저감에 대해서는 C. Tomasi and R. Manduchi, "Bilateral filtering for gray and color images", Proceedings of the 1998 IEEE International Conference on Computer Vision, Bombay, India에 상세히 개시되어 있으며 이는 본원에 참조로서 포함된다.
이와 같은 양측성 필터를 이용한 노이즈 저감에 있어서, 도 5a에 도시된 것 과 같은 피사체의 가장자리 근방에서의 데이터값(흑백의 경우 휘도)의 차이에 따라 도 5b의 양측성 필터의 형상을 적절하게 조절할 필요가 있다. 전술한 바와 같이 노이즈의 분포가 픽셀들의 데이터값의 크기에 따라 상이하기 때문이다. 즉, 도 5a에 도시된 것과 같은 피사체의 가장자리 근방에서의 데이터값의 차이에 따라 노이즈의 분포 역시 달라지기 때문에, 피사체의 가장자리 근방에서의 데이터값의 차이에 따라 도 5b의 양측성 필터에 있어서 필터의 크기 및/또는 형상을 조절할 필요가 있다. 전술한 바와 같은 본 실시예에 따른 방법으로 획득한 노이즈 저감용 분산 또는 표준편차 데이터는 이러한 양측성 필터의 크기 및/또는 형상의 조절에 사용될 수 있다. 예컨대 도 5a에 도시된 것과 같은 피사체의 가장자리 근방에서의 데이터값(흑백의 경우 휘도)의 차이에 따라 본 실시예에 따른 방법으로 획득한 노이즈 저감용 분산 또는 표준편차 데이터에서 해당 데이터값의 차이에 따른 노이즈의 분산값 또는 표준편차값을 확인하고, 이 확인된 분산값 또는 표준편차값을 이용하여 도 5b에 도시된 것과 같은 정규분포의 절반 형태의 양측성 필터를 만들어 노이즈 저감에 이용할 수 있다.
이와 같이 획득한 노이즈 저감용 분산 또는 표준편차 데이터는 다양한 방법을 통해 노이즈 저감에 이용될 수 있는데, 이러한 노이즈 저감용 분산 또는 표준편차 데이터는 디지털 촬영장치를 개발할 시 개발이 완료된 한 개의 제품을 이용하여 획득할 수 있다. 그 후 개발이 완료된 제품을 양산하는 과정에서는 기 획득한 노이즈 저감용 분산 또는 표준편차 데이터를 저장한 기록매체를 양산되는 디지털 촬영장치에 장착하면 된다.
한편, 동일한 모델의 디지털 촬영장치라 하더라도 양산되는 과정에서 노이즈 분포에 있어서 편차가 발생할 수도 있다. 예컨대 디지털 촬영장치에는 입사된 광으로부터 이미지 데이터를 획득하는 촬상소자가 프레임 상에 배치되는데, 프레임 상에 배치되는 촬상소자가 제조 공정 중 조금만이라도 비틀어져 배치되거나 배치되는 위치가 미세하게라도 달라진다면, 발생하는 노이즈의 분포가 상이하게 될 수 있다. 그 외에도 경통 부착부의 미세한 위치 차이 등으로 인하여 동일한 모델의 디지털 촬영장치라 하더라도 양산되는 과정에서 노이즈 분포에 있어서 편차가 발생할 수도 있다. 이를 방지하기 위하여 양산된 각 제품에 대하여 판매 전, 기 획득한 노이즈 저감용 분산 또는 표준편차 데이터를 수정할 필요가 있을 수도 있다.
도 6a 내지 도 6c는 노이즈 저감용 분산 또는 표준편차 데이터를 각 디지털 촬영장치의 특성에 따라 수정하는 것을 설명하기 위한 그래프들이다. 먼저 도 6a에서의 파선은 도 4에서의 그래프를 나타낸다. 먼저 양산된 일 제품으로 추가 이미지를 획득한다. 이 추가 이미지는 한 개의 이미지일 수도 있고 복수개의 이미지일 수도 있다. 양산 전 노이즈 저감용 분산 또는 표준편차 데이터(이하 편의상 제1데이터라 한다)를 이미 획득하였으며 이 추가 이미지는 기 획득한 제1데이터를 수정하여 해당 제품에 최적화하기 위한 것이므로, 한 개의 이미지만을 추가 이미지로 이용할 수도 있다.
추가 이미지를 획득하면, 전술한 바와 동일한 방식으로 추가 이미지를 복수개의 클러스터들로 구획하고, 추가 이미지의 각 클러스터에 있어서 해당 클러스터에 속하는 픽셀들의 데이터값에 따른 빈도 데이터를 확인하며, 추가 이미지의 각 클러스터에 있어서 빈도 데이터를 고려하여 해당 클러스터에 속하는 픽셀들의 데이터값의 가중평균을 획득하고, 추가 이미지의 각 클러스터에 있어서 가중평균을 이용하여 해당 클러스터에 속하는 픽셀들의 데이터값의 분산 또는 표준편차를 획득하여, 추가 이미지의 각 클러스터에서의 가중평균과 분산 또는 표준편차를 이용하여 추가 이미지에서의 가중평균에 따른 분산 또는 표준편차 데이터를 제2데이터로 획득한다. 제2데이터를 획득하기까지의 과정은 전술한 바와 같은 노이즈 저감용 분산 또는 표준편차 데이터를 얻는 과정을 그대로 이용할 수 있으므로, 중복되는 내용에 대해서는 반복하여 설명하지 않는다.
도 6a에서의 점들은 추가 이미지에서의 가중평균에 따른 분산 또는 표준편차 데이터인 제2데이터를 나타낸다. 이와 같이 제2데이터를 획득하면, 이를 기초로 하여 제1데이터를 수정한다. 예컨대 도 6b에 도시된 일점쇄선으로 나타낸 그래프와 같이 제2데이터로부터의 그래프를 획득하여, 점선으로 나타낸 제1데이터로부터의 그래프를 도 6c의 실선으로 나타낸 그래프와 같이 수정할 수 있다. 즉, 도 6c의 실선의 그래프는, 제2데이터를 이용하여 제1데이터를 수정하여 획득한 노이즈 저감용 최종 분산 또는 표준편차 데이터를 나타낸다. 제2데이터를 이용하여 제1데이터를 수정하는 것은 제2데이터와 제1데이터의 산술평균을 이용할 수도 있고 기 획득한 데이터인 제1데이터에 가중치를 부여한 가중평균을 이용할 수도 있는 등 다양한 변형이 가능하다. 다만 이 경우, 도 6b에 도시된 것과 같이, 제2데이터에 있어서 A로 표시된 부분과 같은 부분은 이상치(outlier)로 간주하여 그와 같은 부분은 제1데이터 수정에 있어서 제외할 수도 있다.
도 7은 본 발명의 다른 일 실시예에 따른 노이즈 저감용 분산 또는 표준편차 데이터를 획득하기 위한 방법에서 복수개의 이미지들을 각각 복수개의 클러스터들로 구획하는 것을 개념적으로 나타내는 개념도이다.
도 1a 내지 도 4를 참조하여 전술한 실시예에 있어서 제품의 양산에 앞서 노이즈 저감용 분산 또는 표준편차 데이터를 획득할 시 한 개의 이미지를 이용하여 노이즈 저감용 분산 또는 표준편차 데이터를 획득하는 것으로 설명하였다. 그러나 본 실시예에 따른 노이즈 저감용 분산 또는 표준편차 데이터를 획득하기 위한 방법에서는, 복수개의 이미지들을 이용하여 노이즈 저감용 분산 또는 표준편차 데이터를 획득한다. 이는 양산에 앞서 노이즈 저감용 분산 또는 표준편차 데이터를 획득하는 것이므로 그 데이터의 정확성을 높이기 위함이다.
노이즈 저감용 분산 또는 표준편차 데이터를 획득하기 위하여 N개의 이미지들을 이용한다면, N개의 이미지들에 있어서 각 이미지를 복수개의 클러스터들로 구획한다. 이러한 복수개의 이미지들에 있어서는 상호 대응하는 클러스터가 존재하게 된다. 도 7은 복수개의 클러스터들로 구획된 이미지들(Im1, Im2)에서 상호 대응하는 클러스터들(C100 1, C100 2)을 개념적으로 도시하는 개념도이다. 도 7의 경우 제1이미지(Im1)의 클러스터(C100 1)에 속한 픽셀들의 Y 데이터값의 평균과 제1이미지(Im1)의 클러스터(C100 1)에 속한 픽셀들의 Y 데이터값의 평균이 각각 100인 경우를 도시하고 있는데, 이와 같이 데이터값의 평균이 동일할 시 상호 대응하는 클러스터들로 간주할 수 있다. 이와 같이 N개의 이미지들을 각각 복수개의 클러스터들로 구획하고, N개의 이미지들에 있어서 대응하는 클러스터들을 한 개의 클러스터로 간주하여, 도 3a 내지 도 4를 참조하여 전술한 바와 동일한 과정을 통해 노이즈 저감용 분산 또는 표준편차 데이터를 획득할 수 있다. 노이즈 저감용 분산 또는 표준편차 데이터를 얻는 과정은 전술한 실시예에 따른 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법과 동일하므로 중복되는 내용에 대해서는 반복하여 설명하지 않는다. 이와 같이 N개의 이미지들을 각각 복수개의 클러스터들로 구획하고, N개의 이미지들에 있어서 대응하는 클러스터들을 한 개의 클러스터로 간주하여, 도 3a 내지 도 4를 참조하여 전술한 바와 동일한 과정을 통해 노이즈 저감용 분산 또는 표준편차 데이터를 획득하게 되면, 획득한 노이즈 저감용 분산 또는 표준편차 데이터의 정확도를 더욱 높일 수 있다.
도 8은 본 발명의 또 다른 일 실시예에 따른 디지털 촬영장치를 개략적으로 도시하는 블록도이다.
디지털 촬영장치의 전체 동작은 CPU(100)에 의해 통괄된다. 그리고 디지털 촬영장치에는 사용자로부터의 전기적 신호를 발생시키는 키 등을 포함하는 조작부(200)가 구비된다. 이 조작부(200)로부터의 전기적 신호는 CPU(100)에 전달되어, CPU(100)가 전기적 신호에 따라 디지털 촬영장치를 제어할 수 있도록 한다.
촬영 모드일 경우, 사용자로부터의 전기적 신호가 CPU(100)에 인가됨에 따라 CPU(100)는 그 신호를 파악하여 렌즈 구동부(11), 조리개 구동부(21) 및 촬상소자 제어부(31)를 제어하며, 이에 따라 각각 렌즈(10)의 위치, 조리개(20)의 개방 정도 및 촬상소자(30)의 감도 등이 제어된다. 촬상소자(30)는 입력된 광으로부터 이미지에 관한 데이터를 생성하며, 아날로그/디지털 변환부(40)는 촬상소자(30)에서 출력되는 아날로그 데이터를 디지털 데이터로 변환한다. 물론 촬상소자(30)의 특성에 따라 아날로그/디지털 변환부(40)가 필요 없는 경우도 있을 수 있다.
촬상소자(30)로부터의 데이터는 메모리(60)를 거쳐 디지털 신호 처리부(50)에 입력될 수도 있고, 메모리(60)를 거치지 않고 디지털 신호 처리부(50)에 입력될 수도 있으며, 필요에 따라 CPU(100)에도 입력될 수도 있다. 여기서 메모리(60)는 ROM 또는 RAM 등을 포함하는 개념이다. 디지털 신호 처리부(50)는 필요에 따라 감마(gamma) 보정, 화이트 밸런스 조정 등의 디지털 신호 처리를 할 수 있다.
디지털 신호 처리부(50)로부터 출력된 이미지 데이터는 메모리(60)를 통하여 또는 직접 디스플레이 제어부(81)에 전달된다. 디스플레이 제어부(81)는 디스플레이부(80)를 제어하여 디스플레이부(80)에 이미지를 디스플레이한다. 그리고 디지털 신호 처리부(50)로부터 출력된 이미지 데이터는 메모리(60)를 통하여 또는 직접 저장/판독 제어부(71)에 입력되는데, 이 저장/판독 제어부(71)는 사용자로부터의 신호에 따라 또는 자동으로 이미지 데이터를 저장매체(70)에 저장한다. 물론 저장/판독 제어부(71)는 저장매체(70)에 저장된 이미지 파일로부터 이미지에 관한 데이터를 판독하고, 이를 메모리(60)를 통해 또는 다른 경로를 통해 디스플레이 제어부(81)에 입력하여 디스플레이부(80)에 이미지가 디스플레이되도록 할 수도 있다. 저장매체(70)는 착탈가능한 것일 수도 있고 디지털 촬영장치에 영구장착된 것일 수 있다.
전술한 실시예들에 따른 방법들에 따라 획득한 노이즈 저감용 분산 또는 표준편차 데이터는 기록매체에 저장될 수 있는 바, 본 실시예에 따른 디지털 촬영장치는 그와 같은 기록매체를 구비한다. 여기서 기록매체라 함은 예컨대 도 8에 도시된 것과 같은 저장매체(70)일 수도 있고, 도 8에 도시된 것과 같은 메모리(60)일 수도 있으며, 이와 다른 별도의 기록매체일 수도 있다. 여기서 기록매체는 마그네틱 저장매체(예컨대, 롬(ROM), 플로피 디스크, 하드디스크 등) 및 광학적 판독 매체(예컨대, 시디롬(CD-ROM), 디브이디(DVD: Digital Versatile Disc))와 같은 저장매체를 포함한다. 물론 예컨대 도 8에서의 CPU(100)일 수도 있고 그 일부일 수도 있다.
이와 같은 본 실시예에 다른 디지털 촬영장치는 촬상소자(30)에 입사한 광으로부터 이미지에 관한 데이터를 획득하거나 이를 처리하면서, 기록매체에 저장된 노이즈 저감용 분산 또는 표준편차 데이터를 이용하여 이미지 내의 노이즈를 획기적으로 저감함으로써, 더욱 선명하고도 깨끗한 우수한 품질의 이미지를 획득할 수 있다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 당해 기술 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
도 1a는 본 발명의 일 실시예에 따른 노이즈 저감용 분산 또는 표준편차 데이터 획득을 위한 초기 씨드들의 이미지에서의 분포를 개략적으로 도시하는 개념도이다.
도 1b는 kmeans 알고리즘을 이용하여 도 1a의 이미지를 1회에 걸쳐 복수개의 클러스터들로 구획하여 업데이트된 씨드들을 얻은 것을 개략적으로 도시하는 개념도이며, 도 1c는 도 1b의 이미지를 다시 1회에 걸쳐 복수개의 클러스터들로 구획하여 다시 업데이트된 씨드들을 얻은 것을 개략적으로 도시하는 개념도이다.
도 2a는 원본 이미지이며, 도 2b는 이를 kmeans 알고리즘을 이용하여 복수개의 클러스터들로 구획한 것을 나타내는 이미지이다.
도 3a는 복수개의 클러스터들로 구획된 이미지에서 일 클러스터를 개념적으로 도시하는 개념도이다.
도 3b는 도 3a의 일 클러스터에서의 픽셀의 이상적인 경우의 데이터 분포를 개략적으로 도시하는 그래프이며, 도 3c는 도 3a의 일 클러스터에서의 픽셀의 실제 경우의 데이터 분포를 개략적으로 도시하는 그래프이다.
도 4는 본 발명의 일 실시예에 따른 방법에 따라 획득한 노이즈 저감용 표준편차 데이터를 나타낸 그래프이다.
도 5a는 피사체 가장자리에서의 데이터 분포를 시각화한 그래프이며, 도 5b는 도 5a의 데이터에서 노이즈를 저감하기 위한 필터를 시각화한 그래프이고, 도 5c는 도 5b의 필터를 이용하여 도 5a의 이미지를 필터링한 결과물을 시각화한 그래 프이다.
도 6a 내지 도 6c는 노이즈 저감용 분산 또는 표준편차 데이터를 각 디지털 촬영장치의 특성에 따라 수정하는 것을 설명하기 위한 그래프들이다.
도 7은 본 발명의 다른 일 실시예에 따른 노이즈 저감용 분산 또는 표준편차 데이터를 획득하기 위한 방법에서 복수개의 이미지들을 각각 복수개의 클러스터들로 구획하는 것을 개념적으로 나타내는 개념도이다.
도 8은 본 발명의 또 다른 일 실시예에 따른 디지털 촬영장치를 개략적으로 도시하는 블록도이다.
<도면의 주요 부분에 대한 부호의 설명>
10: 렌즈 11: 렌즈 구동부
20: 조리개 21: 조리개 구동부
30: 촬상소자 31: 촬상소자 제어부
40: A/D 변환부 50: 디지털 신호 처리부
60: 메모리 71: 저장/판독 제어부
70: 저장매체 81: 디스플레이 제어부
80: 디스플레이부 100: CPU
200: 조작부

Claims (17)

  1. (a) 이미지를 복수개의 클러스터들로 구획하는 단계;
    (b) 각 클러스터에 있어서, 해당 클러스터에 속하는 픽셀들의 데이터값에 따른 빈도 데이터를 확인하는 단계;
    (c) 각 클러스터에 있어서, 빈도 데이터를 고려하여 해당 클러스터에 속하는 픽셀들의 데이터값의 가중평균(weighted average)을 획득하는 단계;
    (d) 각 클러스터에 있어서, 가중평균을 이용하여 해당 클러스터에 속하는 픽셀들의 데이터값의 분산 또는 표준편차를 획득하는 단계;
    (e) 각 클러스터에서의 가중평균과, 분산 또는 표준편차를 이용하여, 가중평균에 따른 분산 또는 표준편차 데이터를 획득하는 단계; 및
    (f) 상기 분산 또는 표준편차 데이터를 이용하여 상기 이미지에서 노이즈를 필터링하는 단계를 포함하고,
    상기 (b) 단계는 각 클러스터에 있어서, i번째 클러스터에 속하는 픽셀들의 데이터값을 x축으로 하고 빈도를 y축으로 하여 y=wi(x)의 그래프를 확인하고,
    상기 (c) 단계는, 각 클러스터에 있어서, n번째 클러스터에 속하는 픽셀들의 개수를 k라 하고 i번째 픽셀의 데이터를 xi라 할 시, 하기 수학식 2에 따라 n번째 클러스터에 속하는 픽셀들의 데이터값의 가중평균(WMn)을 획득하는 것을 특징으로 하는 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법:
    [수학식 2]
    Figure 712014002976829-pat00030
  2. 제1항에 있어서,
    상기 (a) 단계는 kmeans 알고리즘을 이용하는 것을 특징으로 하는 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법.
  3. 제1항에 있어서,
    상기 (a) 단계는
    (a1) 클러스터들의 개수에 대응하는 개수의 씨드(seed)들을 이미지 전체에 배치하고 각 씨드에 임의의 데이터값을 부여하는 단계;
    (a2) 이미지의 각 픽셀에 있어서, 공간적인 위치 및 데이터값에 근거한 거리에 따라 복수개의 씨드들 중 최인접한 씨드를 확인하는 단계;
    (a3) 각 씨드에 있어서, 해당 씨드가 최인접한 씨드인 것으로 확인한 픽셀들의 데이터값의 평균으로 해당 씨드의 데이터값을 업데이트하고, 해당 씨드가 최인접한 씨드인 것으로 확인한 픽셀들의 공간적인 위치의 평균으로 해당 씨드의 위치를 업데이트하는 단계;
    (a4) 각 씨드에 있어서, 업데이트 직전의 씨드의 공간적인 위치 및 데이터값과 업데이트 직후의 씨드의 공간적인 위치 및 데이터값의 차이가 사전설정된 차이(threshold value)보다 클 경우 또는 사전설정된 차이 이상일 경우, 상기 (a1) 단계 내지 상기 (a3) 단계를 반복하는 단계; 및
    (a5) 각 씨드에 있어서, 업데이트 직전의 씨드의 공간적인 위치 및 데이터값과 업데이트 직후의 씨드의 공간적인 위치 및 데이터값의 차이가 사전설정된 차이 이하일 경우 또는 사전설정된 차이보다 작을 경우, 일 씨드가 최인접한 씨드인 것으로 확인한 픽셀들은 동일한 클러스터에 속하는 것으로 분류하여, 이미지를 복수개의 클러스터들로 분류하는 단계;를 포함하는 것을 특징으로 하는 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법.
  4. 제3항에 있어서,
    각 픽셀은 YCbCr 데이터를 가지며, 상기 (a1) 단계는 각 씨드에 임의의 YCbCr 데이터를 부여하는 단계인 것을 특징으로 하는 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법.
  5. 제4항에 있어서,
    상기(a2) 단계는, 이미지의 각 픽셀에 있어서, 해당 픽셀의 이미지 내에서의 위치를 (xpix, ypix)라 하고 해당 픽셀의 YCbCr 데이터를 (Ypix, Cbpix, Crpix)라 하며, i번째 씨드의 이미지 내에서의 위치를 (xseed_i, yseed_i)라 하고 i번째 씨드의 YCbCr 데이터를 (Yseed_i, Cbseed_i, Crseed_i)라 할 시, 각 씨드에 대해 하기 수학식 1에 따른 거리(Di)를 계산하여 거리가 최소인 씨드를 해당 픽셀의 최인접한 씨드로 확인하는 단계인 것을 특징으로 하는 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법:
    [수학식 1]
    Figure 112008003314216-pat00009
  6. 제1항에 있어서,
    각 픽셀은 YCbCr 데이터를 가지며, 상기 (b) 단계 내지 상기 (e) 단계를 Y 데이터, Cb 데이터 및 Cr 데이터 각각에 대해 수행하는 것을 특징으로 하는 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법.
  7. 삭제
  8. 삭제
  9. 제1항에 있어서,
    상기 (d) 단계는, 하기 수학식 3에 따라 n번째 클러스터에 속하는 k개의 픽셀들의 데이터값의 분산(σn 2)을 획득하거나, 하기 수학식 4에 따라 n번째 클러스터에 속하는 k개의 픽셀들의 데이터값의 표준편차(σn)를 획득하는 단계인 것을 특징으로 하는 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법:
    [수학식 3]
    Figure 712014002976829-pat00011
    [수학식 4]
    Figure 712014002976829-pat00012
  10. 제9항에 있어서,
    상기 (e) 단계는 가로축을 가중평균, 세로축을 분산 또는 표준편차로 하여, 가중평균에 따른 분산 또는 표준편차 데이터를 획득하는 단계인 것을 특징으로 하는 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법.
  11. 제1항에 있어서,
    각 픽셀은 복수 종류의 데이터값들을 가지며, 상기 (b) 단계 내지 상기 (e) 단계는, 각 종류의 데이터값에 대해 이루어지는 것을 특징으로 하는 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법.
  12. 제1항에 있어서,
    각 픽셀은 적색 데이터, 녹색 데이터 및 청색 데이터를 가지며, 상기 (b) 단계 내지 상기 (e) 단계는, 각 종류의 데이터값에 대해 이루어지는 것을 특징으로 하는 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법.
  13. 제1항에 있어서,
    각 픽셀은 휘도 데이터, 제1색상 데이터 및 제2색상 데이터를 가지며, 상기 (b) 단계 내지 상기 (e) 단계는, 각 종류의 데이터값에 대해 이루어지는 것을 특징으로 하는 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법.
  14. 제1항에 있어서,
    상기 (a) 단계는 N개의 이미지들에 있어서 각 이미지를 복수개의 클러스터들로 구획하는 단계이고, 상기 (b) 단계 내지 상기 (e) 단계에서 각 클러스터라 함은 N개의 이미지들에 있어서 대응하는 클러스터들을 한 개의 클러스터로 간주하는 것을 특징으로 하는 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법.
  15. 제1항 내지 제6항 및 제9항 내지 제14항 중 어느 한 항의 방법에 따라 획득한 노이즈 저감용 분산 또는 표준편차 데이터를 저장한 기록매체를 구비하는 것을 특징으로 하는 디지털 촬영장치.
  16. (i) 제1항 내지 제6항 및 제9항 내지 제14항 중 어느 한 항의 방법에 따라 획득한 노이즈 저감용 분산 또는 표준편차 데이터를 제1데이터로 저장한 기록매체를 구비한 디지털 촬영장치를 준비하는 단계;
    (ii) 디지털 촬영장치로 추가 이미지를 획득하는 단계;
    (iii) 상기 (ii) 단계에서 획득한 추가 이미지를 복수개의 클러스터들로 구획하는 단계;
    (iv) 추가 이미지의 각 클러스터에 있어서, 해당 클러스터에 속하는 픽셀들의 데이터값에 따른 빈도 데이터를 확인하는 단계;
    (v) 추가 이미지의 각 클러스터에 있어서, 빈도 데이터를 고려하여 해당 클러스터에 속하는 픽셀들의 데이터값의 가중평균을 획득하는 단계;
    (vi) 추가 이미지의 각 클러스터에 있어서, 가중평균을 이용하여 해당 클러스터에 속하는 픽셀들의 데이터값의 분산 또는 표준편차를 획득하는 단계;
    (vii) 추가 이미지의 각 클러스터에서의 가중평균과, 분산 또는 표준편차를 이용하여, 추가 이미지에서의 가중평균에 따른 분산 또는 표준편차 데이터를 제2데이터로 획득하는 단계; 및
    (viii) 제2데이터를 이용하여 제1데이터를 수정하여, 노이즈 저감용 최종 분산 또는 표준편차 데이터를 획득하는 단계;를 포함하는 것을 특징으로 하는 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법.
  17. 제16항의 방법에 따라 획득한 노이즈 저감용 분산 또는 표준편차 데이터를 저장한 기록매체를 구비하는 것을 특징으로 하는 디지털 촬영장치.
KR1020080004428A 2008-01-15 2008-01-15 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법과,상기 방법에 따라 획득한 노이즈 저감용 분산 또는표준편차 데이터를 저장한 기록매체를 구비한 디지털촬영장치 KR101474311B1 (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020080004428A KR101474311B1 (ko) 2008-01-15 2008-01-15 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법과,상기 방법에 따라 획득한 노이즈 저감용 분산 또는표준편차 데이터를 저장한 기록매체를 구비한 디지털촬영장치
US12/316,143 US8831375B2 (en) 2008-01-15 2008-12-10 Method of obtaining variance data or standard deviation data for reducing noise, and digital photographing apparatus including recording medium storing variance data or standard deviation data for reducing noise
GB0900152.0A GB2456409B (en) 2008-01-15 2009-01-06 Method of reducing noise in a digital image and digital photographing apparatus including recording medium storing variance or standard deviation data
DE102009000151A DE102009000151A1 (de) 2008-01-15 2009-01-12 Verfahren zur Gewinnung von Varianzdaten oder Standardabweichungsdaten zur Verminderung von Rauschen und digitale Fotografievorrichtung, die ein Varianzdaten oder Standardabweichungsdaten zur Verminderung von Rauschen speicherndes Aufzeichnungsmedium umfasst
CN2009100026689A CN101489081B (zh) 2008-01-15 2009-01-14 获得方差数据或标准偏差数据的方法以及数字拍摄设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080004428A KR101474311B1 (ko) 2008-01-15 2008-01-15 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법과,상기 방법에 따라 획득한 노이즈 저감용 분산 또는표준편차 데이터를 저장한 기록매체를 구비한 디지털촬영장치

Publications (2)

Publication Number Publication Date
KR20090078544A KR20090078544A (ko) 2009-07-20
KR101474311B1 true KR101474311B1 (ko) 2014-12-18

Family

ID=40379228

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080004428A KR101474311B1 (ko) 2008-01-15 2008-01-15 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법과,상기 방법에 따라 획득한 노이즈 저감용 분산 또는표준편차 데이터를 저장한 기록매체를 구비한 디지털촬영장치

Country Status (5)

Country Link
US (1) US8831375B2 (ko)
KR (1) KR101474311B1 (ko)
CN (1) CN101489081B (ko)
DE (1) DE102009000151A1 (ko)
GB (1) GB2456409B (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102800110B (zh) * 2011-05-24 2015-02-04 中国移动通信集团公司 一种确定图像的感知量及图像编码的方法及装置
KR101258174B1 (ko) * 2011-06-17 2013-04-25 한국항공대학교산학협력단 자동 인코딩 탐지 시스템
KR101463835B1 (ko) * 2013-02-05 2014-11-20 (주)베라시스 분할 영역에서 관심값의 빈도분포에 기반한 이진 영상의 잡음 제거 방법
KR102149270B1 (ko) 2013-12-13 2020-08-28 한화테크윈 주식회사 렌즈 조리개 제어를 이용한 노이즈 제거 방법 및 시스템
KR102303764B1 (ko) * 2017-04-24 2021-09-17 삼성전자주식회사 크로스토크 처리 모듈 및 크로스토크를 처리하는 방법
CN110933304B (zh) * 2019-11-27 2022-02-25 RealMe重庆移动通信有限公司 待虚化区域的确定方法、装置、存储介质与终端设备
CN111064944B (zh) * 2019-12-05 2021-11-02 华侨大学 一种无色恒常性白平衡方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005167520A (ja) * 2003-12-01 2005-06-23 Nippon Institute Of Technology 圧縮復元画像におけるモスキート・ノイズの削減方法及び装置

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4573070A (en) * 1977-01-31 1986-02-25 Cooper J Carl Noise reduction system for video signals
JPH0642882B2 (ja) * 1987-04-20 1994-06-08 富士写真フイルム株式会社 所望画像信号範囲決定方法
US6111911A (en) * 1995-06-07 2000-08-29 Sanconix, Inc Direct sequence frequency ambiguity resolving receiver
JP3264659B2 (ja) * 1999-06-17 2002-03-11 松下電器産業株式会社 ノイズリダクション装置および方法とその記録媒体
JP3340976B2 (ja) * 1999-06-21 2002-11-05 松下電器産業株式会社 動き検出回路とノイズ低減装置
US7352911B2 (en) * 2003-07-31 2008-04-01 Hewlett-Packard Development Company, L.P. Method for bilateral filtering of digital images
US7876974B2 (en) * 2003-08-29 2011-01-25 Vladimir Brajovic Method for improving digital images and an image sensor for sensing the same
US7317842B2 (en) * 2003-10-30 2008-01-08 Samsung Electronics Co., Ltd. Global and local statistics controlled noise reduction system
JP4599191B2 (ja) * 2005-03-01 2010-12-15 国立大学法人神戸大学 画像診断処理装置および画像診断処理プログラム
KR100754219B1 (ko) 2005-07-21 2007-09-03 삼성전자주식회사 비디오 시퀀스로부터의 잡음 분산(표준 편차)을 추정하기위한 확장된 방법및 시스템
JP5010839B2 (ja) 2006-03-16 2012-08-29 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 放射線撮影装置および画像処理装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005167520A (ja) * 2003-12-01 2005-06-23 Nippon Institute Of Technology 圧縮復元画像におけるモスキート・ノイズの削減方法及び装置

Also Published As

Publication number Publication date
GB2456409A (en) 2009-07-22
KR20090078544A (ko) 2009-07-20
CN101489081A (zh) 2009-07-22
US20090180703A1 (en) 2009-07-16
US8831375B2 (en) 2014-09-09
GB2456409B (en) 2012-07-18
GB0900152D0 (en) 2009-02-11
DE102009000151A1 (de) 2009-09-24
CN101489081B (zh) 2012-09-05

Similar Documents

Publication Publication Date Title
KR101474311B1 (ko) 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법과,상기 방법에 따라 획득한 노이즈 저감용 분산 또는표준편차 데이터를 저장한 기록매체를 구비한 디지털촬영장치
CN110021047B (zh) 图像处理方法、图像处理装置和存储介质
US7343040B2 (en) Method and system for modifying a digital image taking into account it&#39;s noise
CN102625043B (zh) 图像处理设备、成像设备和图像处理方法
US7536036B2 (en) Method and apparatus for red-eye detection in an acquired digital image
US7587085B2 (en) Method and apparatus for red-eye detection in an acquired digital image
US20060093238A1 (en) Method and apparatus for red-eye detection in an acquired digital image using face recognition
JP5054248B2 (ja) 画像処理装置、画像処理方法、画像処理プログラム、撮像装置
CN104869380A (zh) 图像处理设备和图像处理方法
JPH05225332A (ja) 空間的可変濾波の方法及び装置
US9443290B2 (en) Defringing RAW images
JP2011217087A (ja) 画像処理装置及びそれを用いた撮像装置
US9053552B2 (en) Image processing apparatus, image processing method and non-transitory computer readable medium
KR101396353B1 (ko) 디지털 촬영장치, 그 제어방법 및 제어방법을 실행시키기위한 프로그램을 저장한 기록매체
JP4032200B2 (ja) 画像データ補間方法、画像データ補間装置および画像データ補間プログラムを記録したコンピュータ読み取り可能な記録媒体
JP6350473B2 (ja) キャリブレーションシステム、キャリブレーション方法、画像形成装置およびキャリブレーションプログラム
JP2011041094A5 (ko)
JP2011041094A (ja) 画像処理装置、撮像装置および画像処理方法
JP2008035370A (ja) デジタルカメラの偽色評価方法、デジタルカメラの偽色評価装置及びデジタルカメラの偽色評価プログラム
JP2021170197A (ja) 画像処理方法、画像処理装置、画像処理プログラム、および学習済みモデルの製造方法
JP2001128017A (ja) 画像評価装置および画像評価方法
JP2016201102A (ja) 画像処理装置、画像処理方法及びプログラム
JP2002218483A (ja) 画像補間装置

Legal Events

Date Code Title Description
N231 Notification of change of applicant
N231 Notification of change of applicant
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
J201 Request for trial against refusal decision
B701 Decision to grant
GRNT Written decision to grant
LAPS Lapse due to unpaid annual fee