KR101602075B1 - 광각 렌즈 이미지 보정 - Google Patents

광각 렌즈 이미지 보정 Download PDF

Info

Publication number
KR101602075B1
KR101602075B1 KR1020147000539A KR20147000539A KR101602075B1 KR 101602075 B1 KR101602075 B1 KR 101602075B1 KR 1020147000539 A KR1020147000539 A KR 1020147000539A KR 20147000539 A KR20147000539 A KR 20147000539A KR 101602075 B1 KR101602075 B1 KR 101602075B1
Authority
KR
South Korea
Prior art keywords
macroblock
destination
pixel
image
offset
Prior art date
Application number
KR1020147000539A
Other languages
English (en)
Other versions
KR20140038513A (ko
Inventor
라제쉬 비야야쿠머
아크샤야쿠마르 하리바트
Original Assignee
아나로그 디바이시즈 인코포레이티드
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 아나로그 디바이시즈 인코포레이티드 filed Critical 아나로그 디바이시즈 인코포레이티드
Publication of KR20140038513A publication Critical patent/KR20140038513A/ko
Application granted granted Critical
Publication of KR101602075B1 publication Critical patent/KR101602075B1/ko

Links

Images

Classifications

    • G06T5/80—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration

Abstract

왜곡된 이미지에서 왜곡 효과를 보정하는 시스템은 시스템 메모리로부터 국부 메모리로 왜곡된 이미지의 픽셀(목적지 이미지의 서브셋 영역에 대응하는 픽셀)을 판독하는 메모리 제어기를 포함한다. 룩업 테이블은 각 픽셀에 대해 오프셋 및 보간 가중치를 저장하며, ALU는 국부 메모리에 있는 저장된 값만을 사용하여, 목적지 이미지의 영역 내 픽셀들 각각의 값을 연산한다.

Description

광각 렌즈 이미지 보정{WIDE-ANGLE LENS IMAGE CORRECTION}
관련 출원에 대한 상호 참조
본 출원은 2011년 7월 13일에 출원된 미국 특허 출원 제13/181,610호의 우선권과 이익을 주장하며, 이 기초출원은 그의 전문이 본 명세서에 참조로 병합된다.
기술분야
본 발명의 실시예는 일반적으로 렌즈; 특히, 광각 렌즈에 의해 이미지에 도입된 왜곡 효과를 보정하는 것에 관한 것이다.
광각 또는 "어안(fish-eye)" 렌즈는 (시야각을 확장하거나 수축시키지 않는) 표준 렌즈(normal lens)보다 더 큰 시야각(field of view)을 캡처(capture)할 수 있게 하지만 캡처된 이미지에 일부 왜곡이 발생한다. 대안적으로 방사방향, 배럴(barrel), 또는 어안(fish-eye) 왜곡으로 알려진 이 왜곡은 이미지의 중심으로부터의 거리가 증가함에 따라 이미지의 확대를 감소시킨다. 따라서, 이미지의 중심 부근에 있는 점은 왜곡이 거의 없거나 전혀 없을 수 있는 반면 이미지의 에지에 있는 점은 상당한 왜곡을 구비할 수 있다. 왜곡이 바람직하지 않지만, 광각 렌즈는 표준 렌즈가 캡처할 수 있는 것보다 더 넓은 시야 정보 (즉, 더 넓은 시야각)를 요구하는 응용에서 유용할 수 있다. 다른 유형의 렌즈는 유사하게 상이한 응용에서 유리할 수 있으나, 유사하게 이미지에 왜곡을 도입할 수 있다.
광각 렌즈는 그리하여 차량에 장착된 근접 검출 시스템 및 보안 카메라와 같은 응용에 사용될 수 있다. 이들 응용은 종종 특정 형상 또는 대상에 대해 캡처된 이미지의 입력 스트림(incoming stream)을 신속히 분석하여야 한다. 이들 대상을 정확한 식별하려면 종종 광각 렌즈에 의해 캡처된 이미지에 사소한 수차(aberration) 또는 왜곡을 보정할 것을 요구한다.
이미지 보정은 광각 렌즈에 의해 제시된 원래의 반구형의 이미지(또는 "소스 이미지")를 맵핑 공정을 사용하여 직선 이미지(또는 "목적지 이미지")로 변환하는 것을 수반한다. (i) 렌즈의 물리적 특성을 분석하여 도입된 왜곡의 양을 교정하는 단계; (ii) 교정 결과에 기초하여 소스 이미지로부터 픽셀 세트를 선택하여, 목적지 이미지에서 대응하는 픽셀 위치를 충전하는 단계; 및 (iii) 픽셀의 선택된 세트 사이에 평활화/보간하는 단계를 포함하는 여러 단계들이 이 공정에서 요구될 수 있다.
상기 공정은 일반적으로 온칩 메모리의 제한된 양만을 구비하는 디지털-신호 프로세서에 의해 수행된다. 따라서, 더 큰 외부 메모리가 광각 렌즈에 의해 캡처된 큰 이미지를 보유하는데 필요할 수 있다. 이 외부 메모리의 액세스 시간은 종종 더 작은 온칩 메모리보다 훨씬 더 느리다. 기존의 방법은 캐시 데이터를 국부적으로 (즉, 온칩에) 캐시하고, 예를 들어, 큰 외부 메모리를 페이지로 분할하고 이 페이지를 온칩 메모리의 캐싱된 구획으로 맵핑하는 것에 의해 외부 메모리의 느린 액세스를 회피한다. 그러나, 왜곡 보정에서 수반되는 메모리-액세스 패턴은 랜덤하기 때문에, 이것은 캐시 미스(miss)를 초래할 수 있고 이는 전체 처리 시간을 증가시킨다. 다른 접근법은 더 느린 오프-칩 메모리로부터 더 빠른 온칩 메모리로 요구되는 소스 이미지 픽셀 세트를 가져와서 예를 들어, 데이터 메모리 액세스 엔진을 사용하여 처리하는 것이다. 그러나, 각 픽셀에서, 이 엔진의 설정 시간은 처리 시간에 비해 대단히 크다. 이들 일반적인 솔루션은 이미지 왜곡을 보정하는데 일반적으로 이용가능한 하드웨어를 사용하는 특정 사안에 대해서는 적합지 않다. 따라서, 디지털-신호 프로세서에 제한이 있는 경우 광각 이미지의 왜곡을 신속하고 효과적으로 보정할 필요성이 존재한다.
일반적으로, 본 명세서에 설명된 시스템 및 방법의 여러 측면은 외부 또는 시스템 메모리에 다수의 랜덤 액세스를 요구함이 없이 광각 이미지의 왜곡을 보정하는 단계를 포함한다. 대신, 목적지 이미지의 서브셋이 식별되고, 목적지 이미지의 서브셋에 대응하는 광각 이미지의 부분이 국부 메모리로 판독된다. 국부 메모리만을 사용하여, 목적지 이미지의 픽셀이 연산되고; 룩업 테이블은 이들 연산을 제공하는데 사용될 수 있다. 그 결과, 데이터-액세스 동작이 감소되고, 온칩 메모리 요구조건을 증가시킴이 없이 전체 처리 속도를 증가시킬 수 있다.
일 측면에서, 왜곡된 이미지에서 왜곡 효과를 보정하는 방법은 목적지 이미지의 서브셋 영역을 선택하는 단계를 포함한다. 목적지 이미지의 영역에 대응하는 왜곡된 이미지의 복수의 픽셀이 미리 결정된 오프셋에 기초하여 식별된다. 왜곡된 이미지의 대응하는 영역으로부터 픽셀이 시스템 메모리로부터 국부 메모리로 판독된다. 이 왜곡은 국부 메모리에 저장된 값만을 사용하여, 목적지 이미지의 영역 내 픽셀 각각의 수정된 값(revised value)을 연산하는 것에 의해 역전(reversed)된다. 연산된 값은 시스템 메모리에 기록된다.
일 실시예에서, 목적지 이미지는 시스템 메모리에서 연산된 값을 사용하여 구성된다. 왜곡을 역전시키는 단계는 왜곡된 이미지의 픽셀들 사이를 보간하는 단계를 포함할 수 있다. 서브셋 영역을 선택하는 단계는 국부 메모리의 사이즈를 식별하는 단계를 포함할 수 있다. 오프셋은 예를 들어, 왜곡된 이미지를 생성한 렌즈의 특성을 분석하는 것에 의해 결정될 수 있다. 왜곡된 이미지에서 픽셀들 사이를 보간하는 단계는 미리 결정된 가중치에 적어도 부분적으로 기초하여 픽셀을 가중하는 단계를 포함할 수 있다. 픽셀 각각의 값을 연산하는 단계는 룩업 테이블을 참조(referencing)하는 단계를 포함할 수 있다. 왜곡 효과는 대칭적일 수 있고 룩업 테이블 내 값은 왜곡된 이미지의 단 하나의 사분면에 대응할 수 있다.
다른 측면에서, 왜곡된 이미지에서 왜곡 효과를 보정하는 시스템은 이미지 픽셀 데이터를 저장하는 국부 메모리를 포함한다. 메모리 제어기는 왜곡된 이미지로부터, 목적지 이미지의 서브셋 영역에 대응하는 복수의 픽셀로부터 시스템 메모리로부터 국부 메모리로 판독한다. 룩업 테이블은 목적지 이미지의 각 픽셀에 대해, 오프셋 및 보간 가중치를 저장한다. ALU는 국부 메모리에 저장된 값만을 사용하여, 룩업 테이블을 사용하여 왜곡된 이미지의 픽셀들 사이를 보간하는 것에 의해 목적지 이미지의 영역 내 픽셀 각각의 값을 연산한다.
일 실시예에서, 교정 모듈은 왜곡된 이미지를 교정한다. 오프셋은 16-비트 정수로서 저장될 수 있고 보간 가중치는 1.7 고정 소수점 수로서 저장될 수 있다. 시스템 메모리는 왜곡된 이미지를 저장할 수 있고, 룩업 테이블은 국부 메모리의 일부분을 포함할 수 있다. 왜곡된 이미지는 차량 장착된 카메라 또는 보안 카메라로부터 데이터를 포함할 수 있다. ALU는 목적지 이미지의 픽셀의 값을 연산하는 고정 소수점 수 프로세서 및/또는 1.7 고정 소수점 수를 1.15 고정 소수점 수로 변환하는 시프터를 포함할 수 있다.
본 발명의 이들 및 다른 목적은 본 명세서에 설명된 장점 및 특징과 함께, 이하 상세한 설명, 첨부 도면 및 청구범위를 참조하면 보다 명백해질 것이다. 나아가, 본 명세서에 설명된 여러 실시예의 특징은 상호 배타적이지 않고 여러 조합과 치환으로 존재할 수 있는 것으로 이해된다.
도면에서, 동일한 참조 부호는 일반적으로 여러 도면에 걸쳐 동일한 부분을 나타낸다. 이하 상세한 설명에서, 본 발명의 여러 실시예는 이하 도면을 참조하여 설명된다.
도 1은 본 발명의 실시예에 따라 예시적인 광각 이미지 및 대응하는 보정된 이미지를 도시한 도면;
도 2는 본 발명의 실시예에 따라 광각 렌즈 왜곡을 보정하는 좌표 시스템을 도시한 도면;
도 3은 본 발명의 실시예에 따라 광각 이미지를 보정하는 시스템의 블록도;
도 4는 본 발명의 실시예에 따라 광각 이미지를 보정하는 방법을 도시한 흐름도;
도 5는 본 발명의 실시예에 따라 소스 및 목적지 매크로블록을 도시한 도면;
도 6은 본 발명의 실시예에 따라 픽셀 보간을 도시한 도면;
도 7은 본 발명의 실시예에 따라 룩업 테이블을 도시한 도면.
본 명세서에는 광각 이미지의 왜곡을 보정하는 방법 및 시스템의 여러 실시예들이 기술된다. 도 1은 (광각 렌즈의 광 특성에 기초하여) 왜곡을 역전시키는 방식으로 광각 소스 이미지(102)의 왜곡된 픽셀을 직선 목적지 이미지(104)로 맵핑하는 것에 의해 왜곡된 픽셀을 보정하는 것을 도시한 다이어그램(100)이다. 가장 간단한 경우에, 제1 목적지 픽셀(106)은 제1 소스 픽셀(108)에 정확히 대응하고, 왜곡을 보정하는 것은 왜곡된 소스 픽셀(108)을 왜곡되지 않은 위치(106)로 단순히 시프트하는 것을 수반한다. 그러나, 보다 일반적으로, 목적지 픽셀(110)은 소스 픽셀(112)에 정확히 대응하는 것은 아니고; 이 경우에, 목적지 픽셀(110)은 소스 이미지(102) 내 왜곡된 위치(112)를 둘러싸는 4개의 픽셀(114)들 사이를 보간으로 연산된다. 이 보간은 4개의 배경 픽셀(114)에 대하여 x 및 y 차원에서 소스 위치(112)의 분수 구성에 기초한다.
이 방식으로, 목적지 이미지(104)의 각 픽셀은 소스 이미지(102)의 대응하는 위치에 할당될 수 있다. 목적지 이미지(104)의 중심 부근에 있는 픽셀은 소스 이미지(102)의 중심에 있거나 이 중심에서 매우 가까운 위치에 할당될 수 있고; 목적지 이미지(104)의 다른 픽셀은 이 위치에 존재하는 왜곡의 양에 따라 소스 이미지(102)의 중심에 가까이 또는 먼 위치에 할당될 수 있다. 예를 들어, 심각한 왜곡을 가지는 소스 이미지(102)의 점은 단지 적절한 왜곡을 가지는 점보다 더 목적지 이미지(104)에서 시프트될 수 있다.
목적지 이미지의 각 픽셀에 필요한 시프트의 양을 지정하는 하나의 방법이 도 2에 도시된다. 소스 이미지(102)는 x-축 및 y-축 좌표에 제공되고, 축의 원점은 소스 이미지(102)의 좌측 상부 코너이다. 소스 이미지(102)의 픽셀(108)에 정확히 대응하는 목적지 이미지(104)의 제1 픽셀(106)은 (x, y) 좌표 쌍(2,0)이 할당된다. 소스 이미지(102)의 단일 픽셀에 대응하지 않는 목적지 이미지(104)의 제2 픽셀(110)은 (x,y) 좌표 쌍 (1.400, 2.500)이 할당되어 소스 이미지(102)에서 대응하는 점(112)을 반영한다. (x,y) 좌표 쌍 (1.400, 2.500)의 전체 부분(whole part)(1, 2)은 위치(112)의 좌측 상부 코너가 존재하는 소스 이미지(102)의 픽셀 위치를 나타내고, (x, y) 좌표 쌍 (1.400, 2.500)의 분수 부분(0.400, 0.500)은 (1,2) 픽셀 내 위치(112)의 오프셋을 나타낸다(즉, 픽셀 그리드(grid)의 것보다 더 작은 입도(granularity)로 지정된다). 도 2에 도시된 좌표 시스템은 목적지 이미지(104)의 픽셀 및 소스 이미지(102)의 대응하는 위치 사이의 관계를 지정하는 시스템의 단지 하나의 일례이고; 본 발명은 임의의 특정 시스템으로 제한되지 않는다. 예를 들어, 소스 이미지(102)에서 픽셀 위치는 절대값 (x,y) 좌표 대신에 (0,0) 픽셀로부터 정수 오프셋으로 지정될 수 있다.
소스 이미지(102)에서 왜곡의 양, 및 그리하여 목적지 이미지(104) 내 픽셀의 (x,y) 좌표 쌍 각각에 대한 값은 소스 이미지(102)를 생성하는데 사용된 광각 렌즈의 광 특성에 좌우된다. 렌즈의 광 특성을 검출하고 각 픽셀에 영향을 미치는 왜곡을 결정하는 것은 이 기술 분야에 통상의 지식을 가진 자에게 잘 알려져 있는 공정이므로, 본 발명은 임의의 특정 기술 또는 시스템으로 제한되지 않는다. 일 실시예에서, 카메라 및/또는 렌즈로부터 공급물(live feed)은 카메라 교정 모듈에 의해 연속적으로 판독된다. 상이한 테스트 패턴(예를 들어, "체스판(chess board)")이 카메라에 의해 캡처된다. 체스 보드 패턴의 규칙적인 형상 및 캡처된 이미지에 있는 일부 왜곡되지 않은 부분(예를 들어, 이미지의 중심)을 사용하여, 교정 모듈은 예를 들어, 다항식 맞춤(polynomial fitting)을 사용하여 왜곡의 양을 추정한다. 추정된 왜곡 프로파일은 카메라/렌즈의 내적인 파라미터(예를 들어, x-초점 거리 ("fx"), y-초점 거리 ("fy"), 및 주점(principal point) ("cx, cy")) 및 카메라/렌즈의 외적인 파라미터(예를 들어, 방사방향 왜곡 계수("k1," "k2," 및 "k3") 및 접선방향 왜곡 계수("p1" 및 "p2")를 산출할 수 있다. 이들 파라미터는 각 목적지 픽셀에 대해 소스 픽셀/위치 좌표 값을 연산하는데 사용될 수 있다.
광각 이미지에서 왜곡을 보정하는 시스템(300)의 일 실시예는 도 3에 도시된다. 메모리 제어기(302)는 시스템 메모리(304)로부터 데이터를 판독하고, 시스템 메모리(304)에서 데이터의 선택된 서브셋을 메모리 버스(308)를 통해 국부 메모리(306)에 기록한다. 메모리 제어기(302)는 또한 국부 메모리(306)로부터 판독된 데이터를 다시 시스템 메모리(304)로 기록할 수 있다. 시스템(304) 및 국부 메모리(306)는 동적 또는 정적 랜덤 액세스 메모리와 같은 이 기술 분야에 알려진 임의의 랜덤 액세스 메모리 어레이일 수 있고; 일반적으로, 국부 메모리(306)의 액세스 및 판독/기록 시간은 시스템 메모리(304)의 것보다 더 빠르다.
ALU(310)는 버스(312)를 통해 데이터를 국부 메모리(306)로부터 판독하거나 메모리에 기록한다. ALU(310)는 메모리 제어기(302) 및/또는 국부 메모리(306)와 제어 신호(314)를 통해 통신할 수 있다. ALU(310)는 임의의 연산 엔진, 회로, 또는 이들의 조합 또는 집합일 수 있고, 본 발명은 ALU(310)의 임의의 특정 구현으로 제한되지 않는다. 아래에서 보다 상세히 설명된 바와 같이, 광각 렌즈의 유도된 특성에 관한 데이터를 저장하는데 룩업 테이블 (look-up table: "LUT")(316)이 사용될 수 있다. ALU(310)는 LUT(316)에 저장된 데이터를 사용하여, 데이터/제어 신호(318)를 통해 광각 소스 이미지를 처리할 수 있다.
도 4를 참조하면, 흐름도(400)는 광각 이미지에서 왜곡을 보정하는 시스템(300)을 사용하는 대표적인 방법을 도시한다. 제1 단계(402)에서, 목적지 이미지의 서브셋 영역이 선택된다. 일 실시예에서, 시스템(300)은 목적지 이미지의 픽셀을 서브그룹(또한 매크로블록으로 알려진)으로 분할한다. 각 목적지 매크로블록의 사이즈(및 이에 따라, 특정 이미지 사이즈에 대한 매크로블록의 총 개수)는 일반적으로 국부 메모리(306)의 용량 또는 사이즈에 좌우된다. 각 목적지 매크로블록은 소스 이미지의 매크로블록에 대응하고, 그 사이즈는 목적지 매크로블록의 사이즈로부터 상이할 수 있다. 소스 매크로블록 사이즈는 각 목적지 매크로블록에 존재하는 왜곡의 양에 따라 변할 수 있다. 목적지 매크로블록에 있는 각 픽셀의 오프셋이 (예를 들어, 렌즈 교정 데이터를 분석하는 것에 의해) 결정되고, 소스 매크로블록의 사이즈는 각 오프셋의 x, y 좌표를 포함하도록 선택된다. 예를 들어, 소스 매크로블록의 폭은 최대 x-오프셋의 x-값(Xmax)으로부터 최소 x-오프셋(Xmin)의 x-값을 감산하는 것에 의해 결정될 수 있고, 소스 매크로블록의 높이는 최대 y-오프셋(Ymax)의 y-값으로부터 최소 y-오프셋(Ymin)의 y-값을 감산하는 것에 의해 결정될 수 있다.
매크로블록 사이즈가 결정되면, 목적지 이미지의 매크로블록 중 하나가 선택되고, 제2 단계(404)에서, 매크로블록에 대응하는 소스 이미지의 픽셀이 후술되는 바와 같이 식별된다. 일 실시예에서, 소스 이미지의 픽셀은 목적지 이미지의 선택된 매크로블록과 동일한 사이즈의 소스 이미지의 매크로블록 내에 있다. 대안적인 실시예에서, 소스 이미지의 픽셀은 선택된 매크로블록보다 더 크거나 더 작은 사이즈의 소스 이미지의 매크로블록 내에 있다. 소스 매크로블록의 사이즈는 목적지 매크로블록의 사이즈, 국부 메모리(306)의 사이즈, 및/또는 렌즈의 파라미터 (예를 들어, 왜곡의 양)에 좌우될 수 있다. 소스 이미지에서 선택된 픽셀의 위치는 이 오프셋이 교정 단계 동안 결정된 것과 같이 목적지 이미지의 픽셀의 오프셋에 의해 결정될 수 있다. 예를 들어, 목적지 매크로블록의 좌상 코너의 픽셀의 오프셋은 소스 매크로블록의 좌상 코너의 위치를 결정하는데 사용될 수 있고; 소스 매크로블록의 픽셀의 나머지는 목적지 매크로블록의 나머지 픽셀의 오프셋에 따라 결정된다.
도 5는 목적지 이미지(104)의 매크로블록(504) 및 소스 이미지(102)의 대응하는 매크로블록(502)의 일례(500)를 도시한다. 이 예에서, 목적지 매크로블록(504)은 국부 메모리(306)의 사이즈에 따라, 3 × 3 픽셀의 사이즈를 구비하도록 선택된다. 소스 매크로블록(502)은, 이 예에서, 유사하게 3 × 3 픽셀의 사이즈로 형성되지만, 소스 매크로블록은 목적지 매크로블록보다 더 큰 사이즈일 수 있고; 각 소스 매크로블록은 매크로블록의 렌즈 왜곡 파라미터에 따라 상이한 사이즈일 수 있다. 목적지 매크로블록(504)의 좌상 코너의 픽셀(506)이 조사되고, 그 오프셋이 소스 이미지(102)에서 상이한 픽셀(508)에 대응하는 것에 대해 발견된다. 소스 매크로블록은 이에 따라 소스 픽셀(508)이 소스 매크로블록(502)의 좌상 코너에 배치되도록 위치된다.
대안적인 실시예에서, 각 소스 매크로블록의 사이즈를 결정하는 대신에, 고정된 사이즈(Wmax,Hmax)가 모든 소스 매크로블록에 사용된다. 고정된 사이즈는 모든 매크로블록에 대해 최악의 (즉, 최대) 소스 매크로블록 (즉, Wmax > MAX(Xmax - Xmin) 및 Hmax > MAX(Ymax - Ymin)을 커버하도록 선택된다. 고정된 사이즈를 요구하지 않는 비 최악의 소스 매크로블록에서, 사이즈(M)의 하나 이상의 쿠션(cushion)이 이미지에 배치되어 x 및/또는 y 차원의 나머지 공간을 충전할 수 있고; 좌상 픽셀 소스 어드레스는 이 쿠션을 추가한 후에 기준으로 고려될 수 있다. 각 픽셀에 대한 오프셋은 동일한 방식으로 저장될 수 있고 동일한 절차를 따라 보간을 수행할 수 있다.
도 4의 방법(400)을 다시 참조하면, 제3 단계(406)에서, 소스 이미지의 매크로블록에 대응하는 픽셀이 국부 메모리(306)로 판독된다. 상기 예에서, 3 × 3 소스 매크로블록(502)에 있는 9개의 픽셀이 국부 메모리(306)로 판독된다. 국부 메모리(306)는 모든 픽셀을 동시에 수용할 만큼 충분히 크다. 각 픽셀은 컬러, 밝기, 강도, 알파 레벨 등과 같은 그래픽 특성에 관한 데이터를 포함할 수 있다.
제4 단계(408)에서, 목적지 이미지에서 매크로블록의 픽셀의 값은 국부 메모리에 저장된 정보 (예를 들어, 소스 매크로블록의 픽셀)만을 사용하여 연산된다. 소스 매크로블록의 픽셀을 판독하기 위해 초기 배치 액세스(batch access)하는 것 외에 시스템 메모리에 추가적으로 액세스하는 것이 목적지 매크로블록을 처리하는데 필요치 않다.
간략히 전술된 바와 같이, 목적지 매크로블록의 각 픽셀에 대해, 이 픽셀에 존재하는 왜곡의 양에 대응하는 오프셋이 판독된다. 이 오프셋은 x-차원에서의 왜곡의 양에 대응하는 x-값 및 y-차원에서의 왜곡의 양에 대응하는 y-값을 포함한다. 전술된 바와 같이, x- 및 y-오프셋은 일반적으로 분수 값을 포함하는데, 그 이유는, 각 목적지 픽셀에 대한 총 오프셋이 - 렌즈 교정 절차에 따라 연산된 바와 같이 - 소스 이미지의 픽셀 경계와 정확히 정렬되지 않을 수 있기 때문이다. 후술되는 방법에 따라, 목적지 이미지에서 픽셀의 값은 소스 이미지에서 오프셋 위치에 가장 가까운 소스 이미지의 4개의 픽셀들 사이에 보간된다.
도 6은 예시적인 보간 동작(600)을 도시한다. 목적지 픽셀(602)은 (x.a, y.b)의 오프셋(604)을 구비하며, 여기서 x 및 y는 오프셋의 완전수(whole-number) 부분이고 a 및 b는 분수 부분이다. 4개의 픽셀(b1, b2, b3, b4)은 소스 이미지(606)에서 오프셋 좌표 (x.a, y.b)가 놓여 있는 제1 픽셀(b1)을 결정하고, 제1 식별된 픽셀(b1)에 인접한 픽셀(b2) 및 그 아래에 있는 픽셀(b3 및 b4)을 선택하는 것에 의해 식별된다. x-보간 팩터(nHorz)는 x-오프셋의 분수 부분 (즉, "a")으로 정의되고, y-보간 팩터는 y-오프셋의 분수 부분(즉, "b")으로 정의된다. 이들 보간 팩터의 역은 이하 수식에 따라 결정된다.
Figure 112014002016806-pct00001
(1)
Figure 112014002016806-pct00002
(2)
목적지 픽셀 값은 다음 수식을 사용하여 소스 이미지(606) 및 보간 팩터로부터 픽셀(b1, b2, b3, b4)의 값을 사용하여 결정된다.
Figure 112014002016806-pct00003
(3)
일 실시예에서, (도 3을 참조하여 전술된 LUT(316)와 같은) 룩업 테이블을 사용하여 목적지 매크로블록 내 픽셀 값을 처리한다. 룩업 테이블은 각 목적지 매크로블록에 대해, 대응하는 소스 매크로블록 내 기준 픽셀 (예를 들어, 좌상 코너에 있는 픽셀)의 최대 변이(deviation)에 기초하여 계산된 외부 메모리 어드레스를 보유할 수 있다. 룩업 테이블은 각 목적지 매크로블록에 대해, (i) 목적지 매크로블록의 픽셀의 나머지의 기준 픽셀로부터 상대적인 오프셋 및 (ii) 목적지 매크로블록의 각 픽셀에 대해 수평 및 수직 보간 가중치를 더 보유할 수 있다.
이에 따라, 새로운 목적지 매크로블록이 처리를 위해 선택되면, 룩업 테이블을 조회하여 소스 매크로블록의 기준 픽셀 및 나머지 픽셀에 대응하는 픽셀의 외부 메모리에서의 위치를 (저장된 상대적인 오프셋을 사용하여) 결정할 수 있고, 이는 이후 국부 메모리로 판독될 수 있다. 상대적인 오프셋은 수식으로 결정될 수 있다:
Figure 112014002016806-pct00004
(4)
여기서 Xi 및 Yi는 현재 픽셀의 좌표이고 Xmin 및 Ymin은 현재 매크로블록의 최소 오프셋의 좌표이다.
룩업 테이블은 또한 목적지 매크로블록의 픽셀을 처리하는 동안 사용될 수 있다. 목적지 픽셀의 어드레스는 룩업 테이블에 적용되어 픽셀의 오프셋 (소스 매크로블록에서 국부 메모리에 보유되는 4개의 픽셀(b1, b2, b3, b4)을 식별하는) 및 이 픽셀에 대한 보간 팩터를 산출할 수 있다. 이 정보는 이후 상기 수식 (3)에 따라 픽셀 값을 결정하는데 사용될 수 있다. 룩업 테이블의 일 실시예(700)는 도 7에 도시된다. 이 실시예에서, 16-비트 오프셋(즉, 상기 수식 (4)에 따라 오프셋i) 및 보간 가중치(즉 ai 및 bi)의 1.7 고정 소수점 형태는 32-비트 워드(702)로 패킹되고 목적지 매크로블록에서 매 목적지 픽셀(Xi , ,Yi)에 저장된다. 유사한 룩업 테이블이 각 목적지 매크로블록에 대해 구성될 수 있다.
제5 단계(410)에서, 연산된 픽셀 값은 시스템 메모리에 다시 기록된다. 일 실시예에서, 목적지 매크로블록에서 픽셀 값들 모두는 제일 먼저 결정되고 나서 시스템 메모리에 한번 기록되고; 대안적으로, 연산된 픽셀의 서브셋은 목적지 매크로블록의 처리 동안 시스템 메모리에 기록된다.
상기 연산에 사용되는 분수 값(예를 들어, 보간 팩터)은 이 기술 분야에 알려진 임의의 부동 소수점 수 포맷으로 저장될 수 있고; 본 발명은 임의의 특정 포맷의 사용으로 제한되지 않는다. 그러나, 일 실시예에서, 보간 팩터 nHoriz 및 nVert의 8-비트 형태는 저장 공간을 절감하기 위해 1.7 고정 소수점 포맷으로 룩업 테이블에 저장되고, 목적지 이미지의 픽셀 값을 연산하는데 사용될 때 시프트 동작을 사용하여, 1.15 고정된-포맷으로 변환된다. 이 실시예에서, nHoriz' 및 nVert'는 1의 1.15 고정 소수점 값(즉, 0x7FFF)으로부터 nHoriz 및 nVert를 각각 감산하는 것에 의해 연산될 수 있다. 기준 픽셀에 대해 각 픽셀의 상대적인 오프셋은 16-비트 수로서 룩업 테이블에 저장될 수 있다.
일 실시예에서, 광각 렌즈에서 왜곡은 소스 이미지의 중심에 대해 대칭적이다. 이 실시예에서, 소스 이미지의 단 하나의 사분면에 대한 오프셋 및 보간 팩터는 룩업 테이블에 저장되어, 4의 팩터에 의해 룩업 테이블의 사이즈를 감소시킨다. 소스 이미지의 나머지 3개의 사분면의 오프셋 및 보간 팩터는 광각 렌즈의 대칭을 이용하는 것에 의해 제1 사분면의 것으로부터 유도될 수 있다.
상이한 목적지 매크로블록들 사이에 데이터의 독립성은 병렬 처리 유닛(예를 들어, 다수의 프로세서를 구비하는 시스템 또는 다수의 코어를 구비하는 프로세서)으로 이용될 수 있다. 각 목적지 매크로블록의 픽셀은 병렬로 연산될 수 있고, 병렬 연산의 결과는 일단 이들 연산이 완료되면, 단일 목적지 이미지로 결합될 수 있다.
일 실시예에서, 전술된 시스템 및 방법은 기존의 방법에 비해 4의 팩터의 처리 시간 감소를 산출한다. 다른 실시예에서, 오프셋 및 보간 팩터는 4바이트 메모리 위치로 패킹되어, 50%의 저장 공간 감소를 제공한다. 목적지 매크로블록의 사이즈를 증가시키면, 소스 이미지의 왜곡 및 국부 메모리의 사이즈가 허용되는 경우, 시스템의 성능을 더 증가시킬 수 있다. 예를 들어, 목적지 매크로블록 사이즈를 16 × 16에서 24 × 24로 증가시키면, 약 16%만큼 성능을 증가시킬 수 있다.
본 발명의 특정 실시예가 전술되었다. 그러나, 본 발명은 이들 실시예로 제한되지 않고, 오히려 본 명세서에 명시적으로 설명된 것에 추가하거나 변형한 것이 또한 본 발명의 범위 내에 포함되는 것으로 의도된 것으로 이해된다. 더욱이, 본 명세서에 설명된 여러 실시예의 특징은 상호 배타적인 것이 아니라, 여러 조합이나 치환이 본 명세서에 명시적으로 이루어져 있지 않다고 하더라도 본 발명의 사상과 범위를 벗어남이 없이 여러 조합과 치환으로 존재할 수 있는 것으로 이해된다. 사실, 본 명세서에 설명된 것의 변경, 변형 및 다른 구현이 이 기술 분야에 통상의 지식을 가진 자라면 본 발명의 사상과 범위를 벗어남이 없이 이루어질 수 있을 것이다. 그리하여, 본 발명은 이전의 예시적인 설명에 의하여 한정되는 것이 전혀 아니다.

Claims (18)

  1. 왜곡된 이미지에서 왜곡 효과를 보정하는 방법으로서,
    국부 메모리의 사이즈에 기초하여 목적지 이미지 내의 목적지 매크로블록을 선택하는 단계;
    상기 목적지 매크로블록 내의 각각의 픽셀에 대한 x-좌표 오프셋 및 y-좌표 오프셋을 결정하는 단계;
    상기 목적지 매크로블록에 대응하는 상기 왜곡된 이미지 내의 소스 매크로블록을 식별하는 단계 - 상기 소스 매크로블록의 사이즈는 상기 목적지 매크로블록 내의 각각의 픽셀의 상기 x-좌표 오프셋 및 상기 y-좌표 오프셋을 포함(encompass)하도록 선택됨 - ;
    상기 소스 매크로블록의 최소 x-좌표 및 최소 y-좌표와 관련된 기준 픽셀의 외부 메모리 주소와, 각각의 픽셀에 대해 상기 기준 픽셀에 대한 오프셋 및 보간 가중치를 포함하는, 상기 목적지 매크로블록과 관련된 정보를 룩업 테이블에 저장하는 단계;
    상기 왜곡된 이미지 내의 상기 소스 매크로블록에 대응하는 픽셀들을 시스템 메모리로부터 국부 메모리로 판독하는 단계;
    상기 국부 메모리에 저장된 상기 픽셀들과 관련된 정보를 사용하여, 상기 목적지 이미지의 상기 목적지 매크로블록 내의 각각의 픽셀의 수정된 값들(revised values)을 연산함으로써 상기 왜곡을 역전(reversing)시키는 단계 - 각각의 픽셀의 수정된 값들을 연산하는 것은 상기 룩업 테이블을 참조하는 것을 포함함 - ; 및
    상기 연산된 값들을 시스템 메모리에 기록하는 단계를 포함하는, 왜곡된 이미지에서 왜곡 효과를 보정하는 방법.
  2. 제1항에 있어서, 시스템 메모리에 있는 상기 연산된 값들을 사용하여 상기 목적지 이미지를 구성하는 단계를 더 포함하는, 왜곡된 이미지에서 왜곡 효과를 보정하는 방법.
  3. 제1항에 있어서, 상기 왜곡을 역전시키는 단계는 상기 왜곡된 이미지의 픽셀들 사이를 보간하는 단계를 포함하는 것인, 왜곡된 이미지에서 왜곡 효과를 보정하는 방법.
  4. 제1항에 있어서, 상기 목적지 매크로블록을 선택하는 단계는 상기 국부 메모리의 사이즈를 식별하는 단계를 포함하는 것인, 왜곡된 이미지에서 왜곡 효과를 보정하는 방법.
  5. 삭제
  6. 제1항에 있어서, 상기 목적지 매크로블록 내의 각각의 픽셀에 대한 x-좌표 오프셋 및 y-좌표 오프셋을 결정하는 단계는 상기 왜곡된 이미지를 생성한 렌즈의 특성을 분석하는 단계를 포함하는 것인, 왜곡된 이미지에서 왜곡 효과를 보정하는 방법.
  7. 제3항에 있어서, 상기 왜곡된 이미지의 픽셀들 사이를 보간하는 단계는 미리 결정된 가중치에 적어도 부분적으로 기초하여 상기 픽셀들을 가중하는 단계를 포함하는 것인, 왜곡된 이미지에서 왜곡 효과를 보정하는 방법.
  8. 삭제
  9. 제1항에 있어서, 상기 왜곡 효과는 대칭적이고 상기 룩업 테이블의 값들은 상기 왜곡된 이미지의 단 하나의 사분면에 대응하는 것인, 왜곡된 이미지에서 왜곡 효과를 보정하는 방법.
  10. 왜곡된 이미지에서 왜곡 효과를 보정하는 시스템으로서,
    이미지 픽셀 데이터를 저장하는 국부 메모리;
    상기 왜곡된 이미지로부터, 상기 왜곡된 이미지 내의 소스 매크로블록에 대응하는 픽셀들을 시스템 메모리로부터 상기 국부 메모리로 판독하는 메모리 제어기 - 상기 소스 매크로블록은 목적지 이미지 내의 목적지 매크로블록과 대응하고, 상기 목적지 매크로블록의 사이즈는 상기 국부 메모리의 사이즈에 기초하여 선택됨 - ;
    상기 소스 매크로블록의 최소 x-좌표 및 최소 y-좌표와 관련된 기준 픽셀의 외부 메모리 주소와, 상기 목적지 매크로블록의 각각의 픽셀에 대해 상기 기준 픽셀에 대한 오프셋 및 보간 가중치를 저장하는 룩업 테이블 - 상기 소스 매크로블록은 상기 목적지 매크로블록 내의 픽셀들의 상기 오프셋에 기초하여 식별됨 - ; 및
    상기 룩업 테이블을 사용하여 상기 왜곡된 이미지의 픽셀들 사이를 보간함으로써 상기 목적지 이미지의 상기 목적지 매크로블록 내의 각각의 픽셀의 값들을, 상기 국부 메모리에 저장된 픽셀들과 관련된 정보를 사용하여, 연산하는 ALU를 포함하는, 왜곡된 이미지에서 왜곡 효과를 보정하는 시스템.
  11. 제10항에 있어서, 상기 왜곡된 이미지를 교정하는 교정 모듈을 더 포함하는, 왜곡된 이미지에서 왜곡 효과를 보정하는 시스템.
  12. 제10항에 있어서, 상기 오프셋은 16-비트 정수로 저장되고 상기 보간 가중치는 1.7 고정 소수점 수로서 저장된 것인, 왜곡된 이미지에서 왜곡 효과를 보정하는 시스템.
  13. 제10항에 있어서, 상기 왜곡된 이미지를 저장하는 시스템 메모리를 더 포함하는, 왜곡된 이미지에서 왜곡 효과를 보정하는 시스템.
  14. 제10항에 있어서, 상기 룩업 테이블은 상기 국부 메모리의 일부분을 포함하는 것인, 왜곡된 이미지에서 왜곡 효과를 보정하는 시스템.
  15. 제10항에 있어서, 상기 왜곡된 이미지는 차량에 장착된 카메라 또는 보안 카메라로부터의 데이터를 포함하는 것인, 왜곡된 이미지에서 왜곡 효과를 보정하는 시스템.
  16. 제10항에 있어서, 상기 ALU는 상기 목적지 이미지의 상기 픽셀들의 값들을 연산하는 고정 소수점 수 프로세서를 포함하는 것인, 왜곡된 이미지에서 왜곡 효과를 보정하는 시스템.
  17. 제10항에 있어서, 상기 ALU는 1.7 고정 소수점 수를 1.15 고정 소수점 수로 변환하는 시프터를 포함하는 것인, 왜곡된 이미지에서 왜곡 효과를 보정하는 시스템.
  18. 왜곡된 이미지에서 왜곡 효과를 보정하는 시스템으로서,
    목적지 매크로블록 내의 각각의 픽셀에 대한 x-좌표 오프셋 및 y-좌표 오프셋을 결정하기 위한 수단 - 상기 목적지 매크로블록의 사이즈는 상기 시스템의 국부 메모리 사이즈에 의존함 - ;
    상기 목적지 매크로블록에 대응하는 소스 매크로블록을 식별하기 위한 수단 - 상기 소스 매크로블록의 사이즈는 각각의 픽셀의 상기 x-좌표 오프셋 및 상기 y-좌표 오프셋을 포함하도록 선택됨 - ;
    상기 소스 매크로블록의 최소 x-좌표 및 최소 y-좌표와 관련된 기준 픽셀의 메모리 주소와, 각각의 픽셀에 대해 상기 기준 픽셀에 대한 오프셋 및 보간 가중치를 포함하는, 상기 소스 매크로블록에 대한 상기 목적지 매크로블록과 관련된 정보를 저장하기 위한 룩업 테이블; 및
    상기 룩업 테이블을 사용하여 상기 왜곡을 역전시키는 상기 목적지 매크로블록 내의 각각의 픽셀에 대한 값을 결정하기 위한 수단
    을 포함하는, 왜곡된 이미지에서 왜곡 효과를 보정하는 시스템.

KR1020147000539A 2011-07-13 2012-07-12 광각 렌즈 이미지 보정 KR101602075B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/181,610 2011-07-13
US13/181,610 US9105090B2 (en) 2011-07-13 2011-07-13 Wide-angle lens image correction
PCT/US2012/046357 WO2013009934A1 (en) 2011-07-13 2012-07-12 Wide-angle lens image correction

Publications (2)

Publication Number Publication Date
KR20140038513A KR20140038513A (ko) 2014-03-28
KR101602075B1 true KR101602075B1 (ko) 2016-03-17

Family

ID=46651581

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020147000539A KR101602075B1 (ko) 2011-07-13 2012-07-12 광각 렌즈 이미지 보정

Country Status (4)

Country Link
US (1) US9105090B2 (ko)
KR (1) KR101602075B1 (ko)
DE (1) DE112012002927T5 (ko)
WO (1) WO2013009934A1 (ko)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5809575B2 (ja) * 2012-01-31 2015-11-11 株式会社日立ハイテクノロジーズ 画像処理装置および方法と歪補正マップ作成装置および方法と半導体計測装置
US8619248B2 (en) * 2012-04-05 2013-12-31 Geo Semiconductor Inc. System and method for calibrating ultra wide-angle lenses
TWI579800B (zh) * 2013-04-10 2017-04-21 國立清華大學 適用於廣角變焦鏡頭拍攝到之影像的影像處理方法
CN104657940B (zh) * 2013-11-22 2019-03-15 中兴通讯股份有限公司 畸变图像校正复原与分析报警的方法和装置
GB2524250A (en) * 2014-03-17 2015-09-23 Sony Comp Entertainment Europe Image processing
US20160189350A1 (en) * 2014-12-30 2016-06-30 Texas Instruments Incorporated System and method for remapping of image to correct optical distortions
KR101727407B1 (ko) * 2015-10-29 2017-04-14 주식회사 넥서스칩스 렌즈 왜곡 교정 장치 및 동작 방법
KR101870865B1 (ko) * 2016-04-15 2018-06-26 재단법인 실감교류인체감응솔루션연구단 삼차원 정보증강 비디오 씨쓰루 디스플레이 장치 및 방법, 렉티피케이션 장치
CN105957041B (zh) * 2016-05-27 2018-11-20 上海航天控制技术研究所 一种广角镜头红外图像畸变校正方法
KR101795271B1 (ko) * 2016-06-10 2017-11-07 현대자동차주식회사 영상의 선명화를 위한 전처리를 수행하는 영상 처리 장치 및 방법
US10572982B2 (en) * 2017-10-04 2020-02-25 Intel Corporation Method and system of image distortion correction for images captured by using a wide-angle lens
CN109068048B (zh) * 2018-10-29 2020-12-15 湖南优象科技有限公司 超广角畸变图像的修复呈现方法及能够拍摄该图像的手机
US11669942B2 (en) * 2019-09-20 2023-06-06 Synaptics Incorporated Image de-warping system
CN110958362A (zh) * 2019-11-27 2020-04-03 湖南海森格诺信息技术有限公司 基于分块查表的图像校正系统及其方法
US11350063B2 (en) 2020-04-14 2022-05-31 Apple Inc. Circuit for correcting lateral chromatic abberation
US11475545B2 (en) 2020-05-28 2022-10-18 Nxp Usa, Inc. System and method for correcting geometric distortion in images
CN111740070A (zh) * 2020-07-27 2020-10-02 无锡先导智能装备股份有限公司 电池密封钉装配控制方法、装置及设备
US11763421B2 (en) 2021-01-07 2023-09-19 Apple Inc. Circuit for combined down sampling and correction of image data

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004362069A (ja) 2003-06-02 2004-12-24 Olympus Corp 画像処理装置
JP2007267379A (ja) 2006-03-01 2007-10-11 Matsushita Electric Ind Co Ltd 画像の歪曲補正を行う画像処理装置、撮像装置及び画像の歪曲補正方法
JP2008118306A (ja) 2006-11-01 2008-05-22 Canon Inc 歪曲収差補正処理装置、撮像装置及び撮像システム
JP2011113234A (ja) * 2009-11-26 2011-06-09 Mega Chips Corp 画像処理装置、および画像処理装置の動作方法

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7116781B2 (en) 1993-11-18 2006-10-03 Digimarc Corporation Counteracting geometric distortions in watermarking
JPH08256295A (ja) 1994-12-21 1996-10-01 Olympus Optical Co Ltd 画像処理装置
US6806903B1 (en) 1997-01-27 2004-10-19 Minolta Co., Ltd. Image capturing apparatus having a γ-characteristic corrector and/or image geometric distortion correction
WO2004109597A1 (ja) 2003-06-02 2004-12-16 Olympus Corporation 画像処理装置
US20050058360A1 (en) 2003-09-12 2005-03-17 Thomas Berkey Imaging system and method for displaying and/or recording undistorted wide-angle image data
JP2005252626A (ja) 2004-03-03 2005-09-15 Canon Inc 撮像装置および画像処理方法
US8427538B2 (en) 2004-04-30 2013-04-23 Oncam Grandeye Multiple view and multiple object processing in wide-angle video camera
JP2005339313A (ja) 2004-05-28 2005-12-08 Toshiba Corp 画像提示方法及び装置
JP2008507229A (ja) 2004-07-19 2008-03-06 グランドアイ，エルティーディー 広角ビデオカメラのズーム機能の自動拡張
US7576767B2 (en) 2004-07-26 2009-08-18 Geo Semiconductors Inc. Panoramic vision system and method
JP4104631B2 (ja) 2006-03-27 2008-06-18 三洋電機株式会社 運転支援装置
US8055070B2 (en) 2007-01-05 2011-11-08 Geo Semiconductor Inc. Color and geometry distortion correction system and method
JP2009010730A (ja) 2007-06-28 2009-01-15 Kyocera Corp 画像処理方法と該画像処理方法を用いた撮像装置
KR101014572B1 (ko) 2007-08-27 2011-02-16 주식회사 코아로직 영상 왜곡 보정 방법 및 그 보정 방법을 채용한 영상처리장치
JP5135953B2 (ja) 2007-08-28 2013-02-06 コニカミノルタアドバンストレイヤー株式会社 画像処理装置、画像処理方法、及び撮像装置
US8842183B2 (en) 2008-08-08 2014-09-23 Snap-On Incorporated Image-based inventory control system with automatic calibration and image correction
JP5049300B2 (ja) * 2009-01-20 2012-10-17 クラリオン株式会社 障害物検出表示装置
US8458114B2 (en) 2009-03-02 2013-06-04 Analog Devices, Inc. Analog computation using numerical representations with uncertainty
KR101077584B1 (ko) * 2009-12-14 2011-10-27 (주) 에투시스템 복수개의 카메라로부터 획득한 영상을 정합하는 영상 처리 장치 및 방법
TWI423659B (zh) * 2010-11-09 2014-01-11 Avisonic Technology Corp 影像校正方法與相關影像校正系統

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004362069A (ja) 2003-06-02 2004-12-24 Olympus Corp 画像処理装置
JP2007267379A (ja) 2006-03-01 2007-10-11 Matsushita Electric Ind Co Ltd 画像の歪曲補正を行う画像処理装置、撮像装置及び画像の歪曲補正方法
JP2008118306A (ja) 2006-11-01 2008-05-22 Canon Inc 歪曲収差補正処理装置、撮像装置及び撮像システム
JP2011113234A (ja) * 2009-11-26 2011-06-09 Mega Chips Corp 画像処理装置、および画像処理装置の動作方法

Also Published As

Publication number Publication date
DE112012002927T5 (de) 2014-05-08
KR20140038513A (ko) 2014-03-28
US9105090B2 (en) 2015-08-11
US20130016918A1 (en) 2013-01-17
WO2013009934A1 (en) 2013-01-17

Similar Documents

Publication Publication Date Title
KR101602075B1 (ko) 광각 렌즈 이미지 보정
US20220239890A1 (en) System and Methods for Calibration of an Array Camera
CN110060200B (zh) 图像透视变换方法、装置及设备
JP5299383B2 (ja) 画像補正装置および画像補正方法
US20140111672A1 (en) Image processing device and image capture device
US20220012854A1 (en) Method and system for image distortion correction using quarter and tangential lookup tables
US10395337B2 (en) Image processing apparatus, image processing method, and storage medium
KR20190109196A (ko) 화상 처리 장치 및 화상 처리 방법
JP5731911B2 (ja) 画像処理装置及びその制御方法
CN114283095B (zh) 一种图像畸变校正方法、系统、电子设备及存储介质
JP4124096B2 (ja) 画像処理方法および画像処理装置、並びにプログラム
KR101465607B1 (ko) 어안 렌즈용 왜곡 영상 처리 방법
JP2018124968A (ja) 画像処理装置、及び、画像処理方法
US20070217706A1 (en) Image processing apparatus, method of same, and program for same
US20210042891A1 (en) Method and apparatus for dynamic block partition of an image
CN115942128B (zh) 一种基于异构平台的isp系统设计与实现方法
CN117612470A (zh) 颜色查找表生成方法及色彩校正方法
US9075756B2 (en) Method and apparatus for allowing access to individual memory
JP5397511B2 (ja) 画像処理装置、画像処理方法および撮像装置
US8509568B2 (en) Image processing apparatus and image processing method
US20230093967A1 (en) Purple-fringe correction method and purple-fringe correction device
Motten et al. Adaptive memory architecture for real-time image warping
JP4664259B2 (ja) 画像補正装置および画像補正方法
JP2018157371A (ja) 撮像装置及び欠陥画素の補正方法
CN113191975A (zh) 图像畸变矫正方法及装置

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