KR101838917B1 - 구강 이미지 처리 방법, 이를 위한 장치 및 컴퓨터 프로그램 - Google Patents

Abstract

본 발명은 구강 이미지를 처리하는 방법에 관한 것으로서, 구강 내부를 촬영하는데 있어서 복수개의 초점을 기초로 하고, 촬영된 영상을 처리하는데 있어서 복수개의 초점을 기초로 커브 피팅을 수행하고 편향값을 계산하여 편향처리를 수행함으로써 3차원 이미지에서 에일리어싱을 제거할 수 있다. 또한, 본 발명에 따르면, 편향값을 계산하는데 있어서 계산을 선형적 함수로 단순화시킴으로써 계산 속도를 향상시킬 수 있다.

Description

구강 이미지 처리 방법, 이를 위한 장치 및 컴퓨터 프로그램{Method for processing a dental image, apparatus and computer program therefor}

본 발명은 구강 이미지를 처리하는 방법에 관한 것으로서, 구강 이미지를 편향수정 처리 방식으로 프로세싱함으로써 영상 처리 속도를 향상시킬 수 있는 구강 이미지 처리 방법 및 이를 위한 장치 및 컴퓨터 프로그램에 관한 것이다.

치과 치료에 있어서 구강 구조에 대한 3차원의 이미지 등의 자료를 이용하는 것은 매우 유용하다. 이에 따라, 치과 의사는 치아와 같은 구강 구조에 대한 3차원의 이미지를 이용해 환자에게 시각적으로 즉각적인 치료 과정 내지는 방향을 보여줄 수 있다는 점에서 매우 활발하게 이용하고 있다.

3차원의 이미지를 획득하기 위해서 광학 3차원 스캐너가 이용된다. 구체적으로, 광학 3차원 카메라를 이용해 치아나 잇몸과 같은 구강 구조를 측정하고, CAD/CAM 시스템을 이용해 치과용 보철물을 설계하고 제작할 수도 있다.

대표적으로 3차원 이미지는 PCD(Point cloud data)이다. 구강 스캐너를 이용해 3D PCD를 획득하기 위한 방법은 다양하며, 대표적 방식인 스테레오 비전(Stereo vision) 방식은 두 개 이상의 카메라에서 얻어진 이미지를 이용하는 것이다. 하지만, 스테레오 비전 방식의 경우에 각 이미지들이 이루는 등극선(Epipolar line)에서 동일점을 찾아야 하는 어려움이 있었다. 등극선에서 동일점을 찾지 못하는 경우에는 3D PCD를 얻을 수 없게 된다. 또한, 각 카메라의 위치와 초점상태, 노출상태에 따라서 각 영상의 편차가 크게 발생할 수도 있고, 피사체에 표면반사(Glare)가 존재하거나 또는 민무늬인 경우에도 동일점을 찾는 것이 불가능해질 수 있다.

이러한 문제를 해결하기 위해서 구조광을 이용하기도 하지만, 구조광을 이용하는 방식은 스캔영역의 제한성, 기구 사이즈의 한계, 표면 재질의 민감도, 특정 광원의 필요성 등에 의한 제약이 있다.

한국공개특허 제10-2015-0059472호

본 발명은 전술한 문제점을 해결하기 위한 것으로서, DFD(Depth from defocus/focus) 방식을 이용해 3차원 이미지를 획득하고, 획득된 3차원 이미지에 대한 초점의 정도를 개선하여 3차원 이미지의 품질을 향상시키는 것을 그 기술적 과제로 한다.

위에서 언급된 본 발명의 기술적 과제 외에도, 본 발명의 다른 특징 및 이점들이 이하에서 기술되거나, 그러한 기술 및 설명으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

본 발명의 일 실시예에 의한 구강 이미지를 처리하는 방법은, 복수개의 초점을 기초로 구강 내부를 촬영하는 단계; 촬영된 이미지를 영상 처리하는 단계; 및 상기 영상 처리된 이미지에 기초하여 3차원 이미지를 출력하는 단계를 포함하고, 상기 촬영된 이미지를 영상 처리하는 단계는: 상기 복수개의 초점을 기초로 커브 피팅을 수행하는 단계; 및 편향수정 처리를 위한 편향값을 계산하는 단계;를 포함할 수 있다.

본 발명의 실시예에서 상기 편향값을 계산하는 단계는 최대의 초점 측정값을 갖는 초점을 기준 초점(f_p)으로 설정하는 단계; 및 상기 기준 초점(f_p)을 중심으로 이전의 복수개의 초점(f_{p - n ...} f_{p -1}) 및 이후의 복수개의 초점(f_{p + 1 ...} f_{p +n})을 샘플링하는 단계;를 포함할 수 있다.

본 발명의 실시예에서 상기 편향값을 계산하는 단계는 상기 샘플링된 초점의 초점 측정값을 제곱(y² _{p - n ...} y² _{p -1}, y² _{p + 1 ...} y² _{p +n})하는 단계; 및 상기 기준 초점 이전의 복수개의 초점에 대한 제곱값을 합산하고(S₀ = y² _{p - n} + _... y² _{p -1}), 기준 초점 이후의 복수개의 초점에 대한 제곱값을 합산하는(S₁ = y² _{p + 1} + _... y² _{p +n}) 단계;를 더 포함할 수 있다.

본 발명의 실시예에서 상기 편향값을 계산하는 단계는 상기 합산 결과 S₁이 S₀보다 작은 경우에, 상기 편향값은 max(-1, (R-1)*A)로 결정하는 단계;를 더 포함하고, 여기서

이고, A는 편향 계수일 수 있다.

본 발명의 실시예에서 상기 편향값을 계산하는 단계는 상기 합산 결과 S₁이 S₀보다 큰 경우에, 상기 편향값은 min(1, -(R-1)*A)로 결정되는 단계;를 더 포함하고, 여기서

이고, A는 편향 계수일 수 있다.

본 발명의 실시예에서 상기 촬영된 이미지를 영상 처리하는 단계는: 영상 이미지의 에지 보전 및 노이즈 억제를 위하여 바이래터럴 필터 처리를 수행하는 단계;를 더 포함할 수 있다.

본 발명의 실시에에 의한 컴퓨터 프로그램은 전술한 단계를 수행하기 위해서 매체에 저장되는 컴퓨터 프로그램일 수 있다.

본 발명의 실시예에 의한 구강 이미지를 처리하기 위한 장치는 본체; 헤드; 및 커버를 포함하고, 상기 본체는 복수개의 초점을 기초로 구강 내부를 촬영하기 위한 광출력부; 촬영된 이미지를 획득하기 위한 이미지 센싱부; 및 상기 광출력부 및 상기 이미지 센싱부를 제어하기 위한 제어부를 포함하고, 상기 제어부는: 상기 촬영된 이미지를 영상 처리하기 위해 상기 이미지에 대해 상기 복수개의 초점을 기초로 커브 피팅을 수행하고, 편향수정 처리를 위한 편향값을 계산하는 것을 수행하고, 상기 편향값을 계산하기 위해 최대의 초점 측정값을 갖는 초점을 기준 초점(f_p)으로 설정하여, 상기 기준 초점(f_p)을 중심으로 이전의 복수개의 초점(f_{p - n} ... f_{p -1}) 및 이후의 복수개의 초점(f_{p + 1} ... f_{p +n})을 샘플링하고, 상기 샘플링된 초점의 초점 측정값을 제곱(y² _{p - n} ... y² _{p -1}, y² _{p + 1} ... y² _{p +n})하고, 상기 기준 초점 이전의 복수개의 초점에 대한 제곱값을 합산하고(S₀ = y² _{p - n} + ... y² _{p -1}), 기준 초점 이후의 복수개의 초점에 대한 제곱값을 합산하고(S₁ = y² _{p + 1} + ... y² _{p +n}), 상기 합산 결과 S₁이 S₀보다 작으면, 상기 편향값을 max(-1, (R-1)*A)로 결정하고, 상기 합산 결과 S₁이 S₀보다 큰면, 상기 편향값을 min(1, -(R-1)*A)로 결정하고, 상기 촬영된 이미지를 영상 처리하기 위해 영상 이미지의 에지 보전 및 노이즈 억제를 위하여 바이래터럴 필터 처리를 수행할 수 있다.

본 발명의 실시 예에 따른 구강 이미지 획득 및 처리 방법, 장치 및 컴퓨터 프로그램은 획득된 3차원 이미지를 분석하는데 있어서 초점의 정도를 평가하는 방식을 개선하도록 도움을 준다.

또한, 본 발명은 획득된 이미지의 품질을 향상시키는데 도움을 준다.

또한, 본 발명은 편향값을 도출하는데 있어서 계산을 선형 함수로 단순화시키고 계산 속도를 향상시키는데 도움을 준다.

또한, 본 발명은 편향값을 도출하기 위한 계산의 대상이 되는 초점의 개수를 최소화시키는데 도움을 준다.

이 밖에도, 본 발명의 실시 예들을 통해 본 발명의 또 다른 특징 및 이점들이 새롭게 파악될 수도 있을 것이다.

도 1은 본 발명의 실시예에 따라 구강 이미지를 획득하는 방법을 나타내는 도면이다.
도 2는 본 발명의 실시예에 따른DOF 경향 그래프를 나타낸 것이다.
도 3은 액체렌즈 드라이버의 구성을 나타내는 도면이다.
도 4a 내지 도 4c는 본 발명의 실시예의 영상 처리 단계에서 대비값을 측정하는 방식을 설명하는 도면이다.
도 5a는 영상 처리를 통해 얻어진 이미지를 나타내는 도면이다.
도 5b는 도 5a의 이미지에 대해 깊이 정렬처리가 수행된 이미지를 나타내는 도면이다.
도 6은 깊이 정렬 처리가 수행된 또 다른 이미지를 나타내는 도면이다.
도 7은 이미지 스프레딩 처리가 수행된 이미지를 나타내는 도면이다.
도 8은 커브 피팅 처리를 설명하기 위한 도면이다.
도 9는 본 발명의 실시예에 따라 편향값을 도출해 내는 방식을 설명하기 위한 도면이다.
도 10은 이미지 텍스처링 처리가 수행된 이미지를 나타내는 도면이다.
도 11은 본 발명의 실시예에 따른 구강 스캐너를 개략적으로 도시하는 도면이다.

이하, 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.

본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.

어느 부분이 다른 부분의 "위에" 있다고 언급하는 경우, 이는 바로 다른 부분의 위에 있을 수 있거나 그 사이에 다른 부분이 수반될 수 있다. 대조적으로 어느 부분이 다른 부분의 "바로 위에" 있다고 언급하는 경우, 그 사이에 다른 부분이 수반되지 않는다.

제1, 제2 및 제3 등의 용어들은 다양한 부분, 성분, 영역, 층 및/또는 섹션들을 설명하기 위해 사용되나 이들에 한정되지 않는다. 이들 용어들은 어느 부분, 성분, 영역, 층 또는 섹션을 다른 부분, 성분, 영역, 층 또는 섹션과 구별하기 위해서만 사용된다. 따라서, 이하에서 서술하는 제1 부분, 성분, 영역, 층 또는 섹션은 본 발명의 범위를 벗어나지 않는 범위 내에서 제2 부분, 성분, 영역, 층 또는 섹션으로 언급될 수 있다.

여기서 사용되는 전문 용어는 단지 특정 실시 예를 언급하기 위한 것이며, 본 발명을 한정하는 것을 의도하지 않는다. 여기서 사용되는 단수 형태들은 문구들이 이와 명백히 반대의 의미를 나타내지 않는 한 복수 형태들도 포함한다. 명세서에서 사용되는 "포함하는"의 의미는 특정 특성, 영역, 정수, 단계, 동작, 요소 및/또는 성분을 구체화하며, 다른 특성, 영역, 정수, 단계, 동작, 요소 및/또는 성분의 존재나 부가를 제외시키는 것은 아니다.

"아래", "위" 등의 상대적인 공간을 나타내는 용어는 도면에서 도시된 한 부분의 다른 부분에 대한 관계를 보다 쉽게 설명하기 위해 사용될 수 있다. 이러한 용어들은 도면에서 의도한 의미와 함께 사용 중인 장치의 다른 의미나 동작을 포함하도록 의도된다. 예를 들면, 도면 중의 장치를 뒤집으면, 다른 부분들의 "아래"에 있는 것으로 설명된 어느 부분들은 다른 부분들의 "위"에 있는 것으로 설명된다. 따라서 "아래"라는 예시적인 용어는 위와 아래 방향을 전부 포함한다. 장치는 90˚ 회전 또는 다른 각도로 회전할 수 있고, 상대적인 공간을 나타내는 용어도 이에 따라서 해석된다.

다르게 정의하지는 않았지만, 여기에 사용되는 기술용어 및 과학용어를 포함하는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 일반적으로 이해하는 의미와 동일한 의미를 가진다. 보통 사용되는 사전에 정의된 용어들은 관련 기술문헌과 현재 개시된 내용에 부합하는 의미를 가지는 것으로 추가 해석되고, 정의되지 않는 한 이상적이거나 매우 공식적인 의미로 해석되지 않는다.

이하, 첨부한 도면을 참조하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.

도 1은 본 발명의 실시예에 따라 구강 이미지를 획득하는 방법을 나타내는 도면이다.

도 1을 참조하면, 구강 이미지를 획득하는 과정은 구강 내부 촬영 단계(S110), 영상 처리 단계(S120), 스캐너 위치 가이드 단계(S130) 및 데이터 처리 단계(S140)를 포함한다.

구강 내부 촬영 단계(S110)는 구강 스캐너를 이용해 구강 내부의 치아나 잇몸을 촬영하는 단계이다. 구강 내부 촬영 단계(S110)에서는 구강 스캐너의 광학부가 이용된다. 광학부는 초점의 이동이 가능한 렌즈를 포함하며, 렌즈가 물리적으로 이동함으로써 초점 거리가 변경되는 방식이 사용될 수도 있고, 전압으로 유체렌즈의 면 형상을 변경함으로써 초점 거리가 조절되는 방식이 사용될 수도 있다.

또는, 광학부는 스테레오 비전 기반으로 대체될 수도 있으며 이러한 경우에는 최소한 2 개 이상의 액체렌즈가 수평 또는 수직으로 대칭된 위치에 배치될 수 있다. 구체적으로, DFD에 사용된 영상은 피사체가 1/2 HFD(Hyper focal distance) 내지 무한대(∞) 사이에 포함되어야 하고, 상기 포함된 영역의 경우 심도를 의미하게 되며, 상기 심도에 대한 정의는 다음과 같다.

Total DOF = FarpointDOF - NearpointDOF

[c] Circle of Confusion

[s] Working Distance

[f] Focal Length

[F] F Number

심도를 얇게 할수록 초점측정방식을 통한 깊이의 예측이 더욱 분명해지며, 그러한 결과가 나올 수 있도록 렌즈의 설계 파라미터(Parameter)를 조절할 수 있다.

도 2는 DOF (Depth of Field) 경향그래프를 나타낸 것으로, Working distance (s) 및 F Number(F)에 비례 또는 반비례하여 DOF가 변화하는 것을 확인할 수 있다. 따라서, Working distance(s) 및 F Number(F)를 조절하여 심도를 200um 이하가 될 수 있도록 구성할 수 있다. 도 2의 그래프 (a)는 working distance(s)의 변화에 따른 Farpoint DOF의 변화를 나타내는 도면이다. 해당 그래프에서 확인되는 바와 같이, working distance(s)가 150 [mm]일 때 Farpoint DOF는 약 0.16 [mm]이며 working distance(s)가 증가할수록 Farpoint DOF는 증가한다. 이러한 변화는 Nearpoint DOF에서도 마찬가지이며 도 2의 그래프 (d)에서 확인할 수 있다. 도 2에서 그래프 (b)는 Focal length(f)의 변화에 따른 Farpoint DOF의 변화를 나타내는 도면이다. 해당 그래프에서 확인되는 바와 같이, Focal length(f)가 15 [mm]일 때 Farpoint DOF는 약 3.5 [mm]이며 Focal length(f)가 증가할수록 Farpoint DOF는 감소한다. 이러한 변화는 Nearpoint DOF에서도 마찬가지이며 도 2의 그래프 (e)에서 확인할 수 있다. 도 2에서 그래프 (c)는 F Number(F)의 변화에 따른 Farpoint DOF의 변화를 나타내는 도면이다. 해당 그래프에서 확인되는 바와 같이, F Number(F)가 1.1 [mm]일 때 Farpoint DOF는 약 0.28 [mm]이며 F Number(F)가 증가할수록 Farpoint DOF는 증가한다. 이러한 변화는 Nearpoint DOF에서도 마찬가지이며 도 2의 그래프 (f)에서 확인할 수 있다.

구강 스캐너의 특성상 피사체는 근거리에 위치하는 것이 일반적이므로 HFD (Hyper focal distance)가 짧은 것이 유리하다. HFD에 대한 정의는 다음과 같다.

Where,

영상 처리 단계(S120)에서는 DFD 방식을 사용하여 렌즈의 설계 수치와 통계적인 정보에 기초하는 방법으로 모든 촬영점(Pixel)에 대한 렌즈로부터의 거리 정보를 구할 수 있다. DFD를 수행하기 위해서는 렌즈의 가변 초점 거리 f를 일정한 간격으로 이동하며 n개의 초점이 존재하는 이미지들을 얻어내야 한다. 구체적으로, 액체 렌즈로 촬영된 일정 깊이 구간의 각 깊이 영상의 대비를 조사하여 최적 초점 방향을 결정하고 이후에 액체 렌즈의 초점의 위치를 변경시키는 방법을 사용할 수 있으며, 이를 통해 정지된 초점이 정확한 영상을 획득할 수 있다.

즉, 액체 렌즈의 초점 거리를 변화(Sweep)시키면서 정해진 간격마다 촬영된 이미지의 대비값을 측정한다. 액체렌즈의 초점거리는 액체렌즈 드라이버를 통해 각 디옵터(Diopters)에 해당하는 전압을 PWM(Pulse width modulation)으로 인가하는 방식으로 조절된다.

도 3에 도시된 액체렌즈 드라이버의 구조도는 일반적인 액체렌즈 드라이버의 구조를 나타내는 것이므로 구체적인 설명은 생략하기로 한다. 한편, 도 3에서 설명한 액체렌즈 및 그 구동 방식은 DFD(Depth from defocus/focus)를 이용하기 위한 대표적인 예시로서의 의미를 가지며 본 발명의 권리범위가 이에 국한되는 것은 아니다. 본 발명의 권리범위는 액체렌즈를 포함하여 DFD를 이용할 수 있는 다른 방식에 대해서도 미칠 수 있다는 점이 이해되어야 한다.

한편, 대비값은 3×3 크기의 회선마스크(Convolution mask)에서 중앙의 픽셀의 밝기(Intensity)와 주변 픽셀의 밝기들의 차이를 누적하고 제곱하여 Convolution이 진행된 윈도우 크기 J ×K로 나누어 알 수 있다. 대비값 측정 방식은 3 × 3 영역에서 십자 모양의 부분만을 참조할 수 있고(도 4a), X 형태의 부분만을 참조할 수도 있고(도 4b), 모든 영역을 참조할 수도 있다(도 4c).

만약, 측정된 대비값이 임계치 이상인 경우 데이터 처리 단계(S140)로 진행하여 3차원 이미지로 재구성되게 된다. 반면, 측정된 대비값이 임계치 이하인 경우 대상 물체의 표면이 렌즈 스펙에 의한 초점거리 [A B] 디옵터에 포함되지 않는 것으로 판단하고, 사용자에게 구강 스캐너의 위치를 조정할 것을 가이드할 수 있다(S130). 또는, 측정된 대비값이 임계치 이하인 경우에는 데이터 처리 단계(S140)을 스킵하여 진행속도를 향상시킬 수도 있다. 구체적으로, 초점 거리를 변화시키는 범위 중에서 실제로 In-focus 영역에 들어가는 사물의 범위는 작을 수 있다. 따라서, Out-focus 영역에 대해서도 데이터 처리 단계(S140)을 수행해야 한다면 그만큼 처리 시간이 지연되는 것이기 때문이다.

구강 스캐너 위치 가이드 단계(S130)에서는 영상 처리 단계(S120)에서 촬영된 이미지가 Out-focus인 것으로 판단되는 경우에, 사용자에게 구강 스캐너의 위치를 변경시킬 것을 표시하는 단계이다.

예를 들면, 구강 스캐너의 위치를 사물에 더 가깝도록 변경시킬 것을 표시하거나 사물로부터 멀어지도록 변경시킬 것을 표시할 수 있다. 예를 들어, 초점의 최대 거리에서의 대비값(A)과 초점의 최소 거리에서의 대비값(B)를 비교하여 A가 B보다 큰 경우라면 사물은 초점 영역의 밖에 있는 것을 의미하므로 이것은 구강 스캐너가 사물로부터 멀리 떨어져 있는 것을 의미하며, 따라서 구강 스캐너의 위치를 사물에 더 가깝도록 이동할 것을 표시할 수 있다. 반대의 경우에는 구강 스캐너의 위치를 사물에서 멀어지도록 변경시킬 것을 표시할 수 있다. 이동여부에 대한 사항은 구강 스캐너의 외부에 부착된 액정표시장치(LCD, Liquid crystal display)로 표시할 수 있고, 알람(Alarm) 방식을 이용할 수도 있다.

데이터 처리 단계(S140)는 영상 처리 단계(S120)에서 얻어진 이미지를 프로세싱하는 단계이다. 더 구체적으로, 데이터 처리 단계(S140)는, 깊이 정렬(Depth alignment) 처리, 이미지 스프레딩(Image spreading) 처리, 커브 피팅(Curve fitting) 처리, 바이래터럴 필터(Bilateral filter) 처리 및 이미지 텍스처링(Image texturing) 처리를 포함한다.

예를 들어, 영상 처리 단계(S120)에서 얻어지는 이미지는 도 5a와 같을 수 있다(Aliased image). 도 5a를 참조하면 최초로 이미지가 획득되었으나, 이러한 이미지에는 사물의 경계선이 매끄럽지 않고 사각의 형태로 보여지는 이른바 에일리어싱(Aliasing)이 존재하고 있음이 보여진다. 이러한 에일리어싱을 제거하기 위해 깊이 정렬 처리가 수행될 수 있다. 깊이 정렬 처리는 예를 들어 가우스 저역 통과 필터(Gaussian low pass filter)를 이용해 수행될 수 있다. 깊이 정렬 처리를 수행한 후 얻어지는 이미지는 도 5b와 같을 수 있다(Depth aligned image). 도 5b를 참조하면 도 5a의 이미지와 비교하였을 때 에일리어싱이 정돈된 이미지가 획득된 것을 확인할 수 있다. 하지만, 깊이 정렬 처리에도 불구하고 에일리어싱은 완전히 제거되지 않고 일부 영역에서는 여전히 존재하고 있다. 도 6도 정렬 처리가 수행된 또 다른 이미지를 나타내는 도면으로서, 6에서도 확인되는 바와 같이, 깊이 정렬 처리를 수행하였음에도 불구하고 에일리어싱이 완전히 제거되지 않는다는 것을 알 수 있다. 에일리어싱을 제거함으로써 정확한 이미지를 생성하기 위해서 깊이 스프레딩(Spreading) 처리가 수행되어야 하고, 깊이 스프레딩 처리는 커브 피팅(curve fitting) 처리를 통해 수행된다. 깊이 스프레딩 처리가 수행된 이미지는 도 7과 같을 수 있다(Spreaded depth). 도 7을 참조하면 도 6과 비교하였을 때, 에일리어싱이 상당히 제거되어 사물의 표면이 정밀하게 표현되어 있음을 확인할 수 있다.

이제 도 8을 참조하여 커브 피팅 처리에 대해서 설명하기로 한다.

커브 피팅이란, 복수개의 데이터 포인트(Data point)을 연결하여 매끄러운 곡선(curve)를 생성하는 것을 의미한다. 커브 피팅은 복수개의 데이터 포인트 사이의 값을 추정하기 위한 인터폴레이션(Interpolation)을 포함할 수 있고, 평활화 함수(Smooth function)을 이용한 평활화(Smoothing)를 포함할 수 있다. 예를 들어 2개의 포인트를 연결하기 위해

와 같은 1차 함수가 이용되고, 3개의 포인트를 연결하기 위해

와 같은 2차 함수가 이용되고, 4개의 포인트를 연결하기 위해

와 같은 3차 함수가 이용된다.

또한, 커브 피팅 처리는 편향 처리(Biasing)를 포함할 수 있다. 편향 처리는 측정된 데이터를 이용해 생성한 곡선이 좌 또는 우 중 어느 하나로 편향된 경우에 그 편차를 보정하는 것을 의미한다. 예를 들어, 도 8을 참조하면 x축은 초점 인덱스(Focus index)이고, y축은 초점 측정 값(Focus measurement value)이다. 도 8에서 확인되는 바와 같이 구강 스캐너를 이용해 실제 측정한 데이터(Original index)는 x축 인덱스 5에서 최대값을 가지며 최대값 인덱스 5를 기준으로 우측으로 편향되어 있다. 이러한 실측 값을 기준으로 커브 피팅을 수행하고 그 편향을 보정하기 위한 값(편향값)으로 도 8의 예시에서와 같이 0.435를 적용하면 x축에서 4.565에서 최대값을 가지며 좌우 편차가 보정된 곡선(Biased index)를 생성할 수 있다.

하지만, 종래의 기술에 따르면 이러한 커브 피팅의 계산 시간은 길게 소요된다. 구체적으로, 종래의 기술에 따르면 커브 피팅을 위해 3차 이상의 방정식 또는 삼각함수를 이용하며 고차 방정식이나 삼각함수는 그 계산 과정의 복잡성으로 인해 처리시간이 증가한다. 이에 본 발명에서는 단순화된 선형 함수를 이용하여 편향 값을 도출해 낼 수 있는 알고리즘을 제안하고자 한다.

또한, 도 8에서는 설명상의 편의를 위해서 x 축의 초점 인덱스를 7개만 표시하였지만, 계산의 대상이 되는 초점인덱스가 많으면 많을수록 계산 속도는 느려지게 되며, 실제 구강 스캐너를 사용하는데 있어서는 수백개 이상의 초점 인덱스를 이용하는 것이 일반적이다. 이에 본 발명에서는 최소화된 개수의 초점만을 이용하여 편향값을 도출해 낼 수 있는 알고리즘을 제안하고자 한다.

도 9를 참조하여 본 발명의 실시예에 따라 편향값을 도출하는 방식을 설명하기로 한다.

먼저, 최대의 초점 측정값을 갖는 초점을 기준 초점(f_p)으로 설정하는 단계(S710)가 수행된다. 예를 들어, 도 8에서는 최대의 초점 측정값을 갖는 기준 초점은 인덱스 5이다.

기준 초점(f_p)를 중심으로 이전의 복수개의 초점(f_{p - n} ... f_{p -1}) 및 이후의 복수개의 초점(f_{p + 1} ... f_{p +n})을 샘플링하는 단계(S720)가 수행된다. 즉, 기준 초점을 중심으로 이전의 n개의 초점이 샘플링되고, 기준 초점을 중심으로 이후의 n개의 초점이 샘플링되어 총 2n개의 초점이 샘플링된다.

샘플링된 초점들의 초점 측정값을 제곱(y² _{p - n} ... y² _{p -1}, y² _{p + 1} ... y² _{p +n})하는 단계(S730)가 수행된다. 제곱을 수행하는 이유는 초점 측정값이 음수인 경우가 있기 때문에 음수인 값을 양수인 값으로 변환하기 위함이다. 경우에 따라서는, 양수화하기 위한 다른 방식으로 대체될 수 있다. 예를 들어, 샘플링된 초점들의 초점 측정값에 절대값을 취하는 단계가 수행될 수 있다.

기준 초점 이전의 복수개의 초점에 대한 제곱값을 합산하고(S₀ = y² _{p - n} + ... y² _{p -1}), 기준 초점 이후의 복수개의 초점에 대한 제곱값을 합산하는(S₁ = y² _{p + 1} + ... y² _{p +n}) 단계가 수행된다(S740)

S₀와 S₁을 비교한 결과, S₁이 S₀보다 작은 경우에, 편향값은 max(-1, (R-1)*10)으로 결정되고 여기서

이다 (S750). 즉, 이 경우에 편향값은 -1보다 작은 음수로서 좌측 이동을 의미한다. 만약에, 분모인 S₀가 0인 경우에는 편향값은 0으로 결정된다. 여기서, 10은 편향 계수(A)로서 사용 환경에 따라서 다른 값으로 대체될 수 있다.

S₀와 S₁을 비교한 결과, S₁이 S₀보다 큰 경우에, 편향값은 min(1, -(R-1)*10)으로 결정되고 여기서

이다 (S760). 즉, 이 경우에 편향값은 1보다 작은 양수로서 우측 이동을 의미한다. 만약, 분모인 S₁이 0인 경우에는 편향 값은 0으로 결정된다.

한편, 전술한 단계 S750 및 S760에 따르면, 편향값은 최소값으로 -1을 갖게되고, 최대값으로는 1을 갖게 된다. 본 발명에서는 편향값을 -1 내지 1의 범위 내에 있도록 설정한 이유는 다음과 같다. 편향값은 편향의 정도를 예측하기 위한 값으로서 그 값이 -1보다 작거나 1보다 큰 경우에는 초점 인덱스가 인근의 초점 인덱스를 넘어가게 되는 결과로 이어지기 때문이다.

전술한 바와 같이, 본 발명에서 제안하는 편향값 도출 방식에 따르면 제곱, 덧셈, 비교와 같은 기본적인 선형 방정식만을 사용하여 편향값을 도출할 수 있다. 이는 종래의 기술에 따라서 고차 방정식이나 삼각함수를 이용하였던 방식과 비교하면 계산이 매우 단순하고 수행 속도가 향상된 것이다.

또한, 본 발명에서 제안하는 편향값 도출 방식에 따르면, 모든 초점을 계산의 대상으로 하지 않고, 하나의 기준 초점을 중심으로 이전과 이후의 몇 개의 초점만을 계산의 대상으로 하였다. 더 나아가, 본 발명자는 n값이 4인 경우(즉, 기준 초점을 중심으로 이전의 4개의 초점과 이후의 4개의 초점의 총 8개의 초점을 샘플링하는 경우)에도, 깊이 스프레딩(Depth spreading)이 가능하며 최적의 계산 속도를 달성할 수 있다는 것도 도출하였다.

한편, 깊이 스프레딩이 처리된 영상에도 적은 양의 노이즈 성분이 포함되어 있으며, 이러한 소수의 노이즈를 제거하기 위해서는 중요한 고주파 신호를 유지하면서 노이즈를 억제하는 바이래터럴 필터가 적용될 수 있다.

바이래터럴 필터(Bilateral filter)는 비선형이며, Edge를 유지하고 노이즈를 감소시킨다.

바이래터럴 필터는 가우스 분포(Gaussian distribution)를 2중으로 사용하며, 확률 밀도 함수가 회선(Convolution) 중 각 픽셀의 중앙으로부터의 거리(Distance)를 고려하여 기본 분포함수-A를 결정하고, 각 픽셀의 밝기와 중앙픽셀의 밝기와의 차이값을 고려하여 분포함수-B를 결정한다. 분포함수-B는 분포함수-A에 밝기차이를 비율로 곱한 것으로 밝기의 차이는 Edge의 존재를 의미하며 Edge가 심할 수록 밝기의 차이가 나타나므로, Edge의 보전이 가능하다.

바이래터럴 필터는 2중 지수함수가 회선되므로 연산이 복잡하고 이를 회선을 위한 윈도우안의 모든 픽셀에 대해 처리하므로 처리량이 매우 많다. 따라서, 회선 루프를 병렬로 처리하여 처리속도를 향상시킬 수도 있다.

다시 도 1의 데이터 처리 단계(S140)으로 돌아오면, 데이터 처리 단계(S140)는 이미지 텍스처링 처리를 포함한다. 이미지 텍스터링 처리는 세부적인 형태나 질감, 색상 등을 3D 이미지의 오브젝트에 추가하는 것이다. 도 12를 참조하면 이미지 텍스처링이 수행된 이미지를 확인할 수 있다.

한편, 자이로스코프(Gyroscope)와 같은 가속도계를 사용하여 구강 스캐너의 떨림이 기준 이상으로 발생하는 경우에는 데이터 처리 단계(S140)는 수행되지 않을 수 있다. 예를 들어, 전체 Sweep 범위에서 In-focus 영역을 [A B]라고 가정하면 그 중간을 C로 잡을 수 있다. A와 B의 위치는 동적으로 변하는 것이지만 칼만 필터(Kalman filter)와 같은 예측 필터를 사용한다면 위치를 예상할 수 있으며, 가속도계의 떨림 정보를 반영하면, 초점 거리를 Sweep시키기 이전에 다음 in-focus 영역을 예측하는 것도 가능하다. 이로써 측정의 범위를 감축시킬 수 있게 될 것이다.

도 11은 본 발명의 실시예에 따른 구강 스캐너를 개략적으로 도시하는 도면이다.

본 발명의 실시예에 따른 구강 스캐너(10)는 외관상 크게 본체(100), 헤드(200), 커버(300)로 구분될 수 있다.

본체(100)는 그 내부에 광출력부(110), 이미지센싱부(120), 제어부(130) 등을 포함한다. 일 실시예에서 본체(100)는 사각형의 단면을 갖도록 형성되어 있으나, 이에 한정될 필요는 없다. 예컨대, 본체(100)는 원형 또는 다각형의 단면을 갖도록 형성될 수도 있다.

광출력부(110)는 광을 소정의 파장대로 구성된 빛을 반사경을 통해 구강 내 피사체(S)에 조사하는 것으로서, 본체의 전방에 적어도 하나 이상 설치될 수 있다. 광원으로는 레이저, 발광다이오드(LED), 할로겐 램프, 백열 램프, 적외선 램프, 자외선 램프 또는 삼파장 램프 중 어느 한 가지가 선택적으로 사용될 수 있다. 광출력부는 일 실시예에서 본체(100)와 헤드(200)의 경계 부분에 설치된 것으로 설명하고 있으나, 그 배치가 한정될 필요는 없다. 예컨대, 광출력부(110)는 헤드 내부에 구비될 수도 있으며 소정의 패턴이 형성된 패턴광을 적용할 수 있다.

이미지센싱부(120)는 본체(100)의 전방 내부에 설치되며, 피사체에서 반사된 반사광에 의해 형성되는 이미지를 획득한다. 즉, 이미지센싱부(120)는 후술하는 광출력부(110)에서 조사되는 광에 의해 구강 내 피사체에서 반사되는 반사광을 센싱하는 것으로서, 광다이오드를 수광소자로 하고 전하연계소자(CCD: Charged Coupled Device)를 전하전송소자로 한 고체촬상소자 또는 상보성 금속 산화물 반도체(CMOS) 구조를 가진 저소비전력형의 촬상 소자인 CMOS 이미지 센서가 사용될 수 있다.

제어부(130)는 광출력부(110) 및 이미지센싱부(120)를 제어한다. 예컨대, 제어부(130)는 광출력부(110)에 소정의 패턴 정보를 전송하고, 이미지센싱부(120)에서 감지된 데이터에 대한 신호처리 및 제어 동작을 수행한다. 제어부(130)는 이미지센싱부(120)로부터 반사광의 패턴 정보를 제공받아 이를 3차원 이미지로 변환한다. 변환된 3차원 이미지는 디스플레이부(도시 생략)에서 표시될 수 있다.

또한, 제어부(130)는 획득된 이미지를 프로세싱한다. 구체적으로 제어부(130)는 깊이 정렬 처리, 이미지 스프레딩 처리, 커브 피팅 처리, 바이래터럴 필터 처리 및 이미지 텍스처링 처리를 수행한다. 또한, 제어부(130)는 커브 피팅 처리를 위한 편향값 계산을 수행한다. 구체적으로, 제어부는 편향수정 처리를 위한 편향 값을 계산하기 위해서 최대의 초점을 갖는 초점을 기준 초점(f_p)으로 설정하고, 그 기준 초점(f_p)을 중심으로 이전의 복수개의 초점(f_{p - n} ... f_{p -1}) 및 이후의 복수개의 초점(f_{p + 1} ... f_{p +n})을 샘플링한다. 또한, 제어부는 샘플링된 초점의 초점 측정값을 제곱(y² _{p - n} ... y² _{p -1}, y² _{p + 1} ... y² _{p +n})을 계산하고 기준 초점 이전의 복수개의 초점에 대한 제곱값을 합산하고(S₀ = y² _{p - n} + ... y² _{p -1}), 기준 초점 이후의 복수개의 초점에 대한 제곱값을 합산한다. 만약 합산 결과 S₁이 S₀보다 작은 경우에, 제어부는 편향값을 max(-1, (R-1)*A)로 결정한다. 이 때,

이고, A는 편향 계수이다. 만약, 합산 결과 S₁이 S₀보다 큰 경우에, 제어부는 편향값을 min(1, -(R-1)*A)로 결정하고, 이 때,

이고, A는 편향 계수이다.

헤드(200)는 본체(100)의 전방에 설치되어 구강 내에 삽입되는 부분으로서, 구강 스캐너의 유지 보수 등이 용이하도록 본체(100)에 대해 착탈 가능하도록 결합될 수 있다. 헤드(200)는 구강 내 삽입이 용이하도록 선단으로 갈수록 점차 직경이 감소되는 형태 즉, 테이퍼(Taper) 형태를 취할 수 있으나, 스트레이트(Straight) 형태로도 적용 가능하다.

본체(100)와 헤드(200)에는 광학계(210)가 구비된다. 광학계(210)는 광출력부(110)에서 출력된 광을 피사체로 조사하고, 피사체에서 반사되는 반사광을 이미지센싱부(120)로 반사하는 기능을 수행하는 렌즈 등의 집합체로서, 헤드(200)의 선단에 구비되는 반사경(211) 및 이미지센싱부(120)의 전방에 구비되는 집광렌즈(212) 등을 포함할 수 있다.

반사경(211)은 헤드(200)의 선단에 구비되어 광출력부(110)로부터 발생한 광을 피사체에 조사하거나 피사체로부터 반사된 광을 집광렌즈(212)로 반사하는 역할을 한다. 집광렌즈(212)는 이미지센싱부(120)의 전방 또는 별도의 렌즈 지지대에 설치되어 피사체로부터 반사된 광을 집광하여 이미지센싱부(120)로 유도하는 역할을 한다. 광학계는 적절한 각도로 설계되며, 필요에 따라 그 각도를 보정할 수 있도록 구성할 수 있다.

이러한 광학계(210)는 초점의 이동이 가능한 렌즈를 포함하며, 렌즈가 물리적으로 이동함으로써 초점 거리가 변경되는 방식이 사용될 수도 있고, 전압으로 유체렌즈의 면 형상을 변경함으로써 초점 거리가 조절되는 방식이 사용될 수도 있다. 또는, 광학계(210)는 스테레오 비전 기반으로 대체될 수도 있으며 이러한 경우에는 최소한 2개 이상의 액체렌즈가 수평 또는 수직으로 대칭된 위치에 배치될 것이다.

커버(300)는 본체(100)의 후방에 구비된다. 예컨대, 본체(100) 내의 부품들의 교체나 보수 등이 용이하도록 커버(300)는 본체(100)에 압입 또는 나사 결합 등의 방식에 의해 착탈 가능하게 결합될 수 있다.

본 발명이 속하는 기술 분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있으므로, 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

하나 이상의 예시적인 실시예에서, 설명한 기능들은 하드웨어, 소프트웨어, 펌웨어, 또는 이들의 임의의 조합으로 구현될 수 있다. 소프트웨어로 구현된다면, 이 기능들은 컴퓨터 판독 가능 매체 상에 하나 이상의 명령 또는 코드로서 저장 또는 전송될 수 있다. 컴퓨터 판독 가능 매체는 한 장소에서 다른 장소로 컴퓨터 프로그램의 전달을 용이하게 하는 임의의 매체를 포함하는 통신 매체 및 컴퓨터 저장 매체를 모두 포함한다. 저장 매체는 컴퓨터에 의해 액세스 가능한 임의의 이용 가능한 매체일 수 있다. 한정이 아닌 예시로, 이러한 컴퓨터 판독 가능 매체는 RAM, ROM, EEPROM, CD-ROM이나 다른 광 디스크 저장소, 자기 디스크 저장소 또는 다른 자기 저장 디바이스, 또는 명령이나 데이터 구조의 형태로 원하는 프로그램코드를 전달 또는 저장하는데 사용될 수 있으며 컴퓨터에 의해 액세스 가능한 임의의 다른 매체를 포함할 수 있다. 또한, 임의의 접속이 컴퓨터 판독 가능 매체로 적절히 지칭된다. 예를 들어, 소프트웨어가 동축 케이블, 광섬유 케이블, 꼬임 쌍선, 디지털 가입자 회선(DSL), 또는 적외선, 라디오 및 초고주파와 같은 무선 기술을 이용하여 웹사이트, 서버 또는 다른 원격 소스로부터 전송된다면, 동축 케이블, 광섬유 케이블, 꼬임 쌍선, DSL, 또는 적외선, 라디오 및 초고주파와 같은 무선 기술들이 매체의 정의에 포함된다. 여기서 사용된 것과 같은 디스크(Disk 및 Disc)는 콤팩트 디스크(CD), 레이저 디스크, 광 디스크, 디지털 다목적 디스크(DVD), 플로피디스크 및 블루레이 디스크를 포함하며, 디스크들은 보통 데이터를 자기적으로 재생하는 반면, 디스크들은 데이터를 레이저에 의해 광학적으로 재생한다. 상기의 조합들 또한 컴퓨터 판독 가능 매체의 범위 내에 포함되어야 한다.

실시예들이 프로그램 코드나 코드 세그먼트들로 구현될 때, 코드 세그먼트는 프로시저, 함수, 서브프로그램, 프로그램, 루틴, 서브루틴, 모듈, 소프트웨어 패키지, 클래스, 또는 명령들, 데이터 구조들, 또는 프로그램 명령문들의 임의의 조합을 나타낼 수 있는 것으로 인식해야 한다. 코드 세그먼트는 정보, 데이터, 인수(Argument), 파라미터 또는 메모리 콘텐츠를 전달 및/또는 수신함으로써 다른 코드 세그먼트 또는 하드웨어 회로에 연결될 수 있다. 정보, 인수, 파라미터, 데이터 등은 메모리 공유, 메시지 전달, 토큰 전달, 네트워크 송신 등을 포함하는 임의의 적당한 수단을 이용하여 전달, 발송 또는 전송될 수 있다. 추가로, 어떤 측면들에서 방법 또는 알고리즘의 단계들 및/또는 동작들은 컴퓨터 프로그램 물건으로 통합될 수 있는 기계 판독 가능 매체 및/또는 컴퓨터 판독 가능 매체 상에 코드들 및/또는 명령들 중 하나 또는 이들의 임의의 조합이나 세트로서 상주할 수 있다.

소프트웨어에서 구현에서, 여기서 설명한 기술들은 여기서 설명한 기능들을 수행하는 모듈들(예를 들어, 프로시저, 함수 등)로 구현될 수 있다. 소프트웨어 코드들은 메모리 유닛들에 저장될 수 있으며 프로세서들에 의해 실행될 수 있다. 메모리 유닛은 프로세서 내에 구현될 수도 있고 프로세서 외부에 구현될 수 있으며, 이 경우 메모리 유닛은 공지된 바와 같이 다양한 수단에 의해 프로세서에 통신 가능하게 연결될 수 있다.

하드웨어 구현에서, 처리 유닛들은 하나 이상의 주문형 집적 회로(ASIC), 디지털 신호 프로세서(DSP), 디지털 신호 처리 디바이스(DSPD), 프로그래밍 가능 로직 디바이스(PLD), 현장 프로그래밍 가능 게이트어레이(FPGA), 프로세서, 제어기, 마이크로컨트롤러, 마이크로프로세서, 여기서 설명한 기능들을 수행하도록 설계된 다른 전자 유닛들, 또는 이들의 조합 내에 구현될 수 있다.

상술한 것은 하나 이상의 실시예의 실례를 포함한다. 물론, 상술한 실시예들을 설명할 목적으로 컴포넌트(Component)들 또는 방법들의 가능한 모든 조합을 기술할 수 있는 것이 아니라, 당업자들은 다양한 실시예의 많은 추가 조합 및 치환이 가능함을 인식할 수 있다. 따라서 설명한 실시예들은 첨부된 청구범위의 진의 및 범위 내에 있는 모든 대안, 변형 및 개조를 포함하는 것이다. 더욱이, 상세한 설명 또는 청구범위에서 "포함한다"라는 용어가 사용되는 범위에 대해, 이러한 용어는 "구성되는"이라는 용어가 청구범위에서 과도적인 단어로 사용될 때 해석되는 것과 같이 "구성되는"과 비슷한 식으로 포함되는 것이다.

여기서 사용된 바와 같이, "추론하다" 또는 "추론"이라는 용어는 일반적으로 이벤트 및/또는 데이터에 의해 포착되는 한 세트의 관측으로부터 시스템, 환경 및/또는 사용자의 상태에 관해 판단하거나 추론하는 프로세스를 말한다. 추론은 특정 상황이나 동작을 식별하는데 이용될 수 있고, 또는 예를 들어 상태들에 대한 확률 분포를 생성할 수 있다. 추론은 확률적일 수 있는데, 즉 데이터 및 이벤트들의 고찰에 기초한 해당 상태들에 대한 확률 분포의 계산일 수 있다. 추론은 또한 한 세트의 이벤트들 및/또는 데이터로부터 상위 레벨 이벤트들을 구성하는데 이용되는 기술들을 말할 수도 있다. 이러한 추론은 한 세트의 관측된 이벤트들 및/또는 저장된 이벤트 데이터로부터의 새로운 이벤트들 또는 동작들, 이벤트들이 시간상 밀접하게 상관되는지 여부, 그리고 이벤트들과 데이터가 하나 또는 여러 이벤트 및 데이터 소스들로부터 나오는지를 추정하게 한다.

더욱이, 본 출원에서 사용된 바와 같이, "컴포넌트", "모듈", "시스템" 등의 용어는 이에 한정되는 것은 아니지만, 하드웨어, 펌웨어, 하드웨어와 소프트웨어의 조합, 소프트웨어 또는 실행중인 소프트웨어와 같은 컴퓨터 관련 엔티티를 포함하는 것이다. 예를 들어, 컴포넌트는 이에 한정되는 것은 아니지만, 프로세서상에서 실행하는 프로세스, 프로세서, 객체, 실행 가능한 실행 스레드, 프로그램 및/또는 컴퓨터일 수도 있다. 예시로, 연산 디바이스 상에서 구동하는 애플리케이션과 연산 디바이스 모두 컴포넌트일 수 있다. 하나 이상의 컴포넌트가 프로세스 및/또는 실행 생성자(Thread)내에 상주할 수 있으며, 컴포넌트가 하나의 컴퓨터에 집중될 수도 있고 그리고/또는 2개 이상의 컴퓨터 사이에 분산될 수도 있다. 또한, 이들 컴포넌트는 각종 데이터 구조를 저장한 각종 컴퓨터 판독 가능 매체로부터 실행될 수 있다. 컴포넌트들은 하나 이상의 데이터 패킷(예를 들어, 로컬 시스템, 분산 시스템의 다른 컴포넌트와 그리고/또는 신호에 의해 다른 시스템들과 인터넷과 같은 네트워크를 거쳐 상호 작용하는 어떤 컴포넌트로부터의 데이터)을 갖는 신호에 따르는 등 로컬 및/또는 원격 프로세스에 의해 통신할 수 있다.

10; 구강 스캐너
100; 본체 110; 광출력부
120; 이미지센싱부 130; 제어부
200; 헤드 210; 광학계
211; 반사경 212; 집광렌즈
300; 커버

Claims (8)

1. 구강 이미지를 처리하는 방법으로서,
   복수개의 초점을 기초로 구강 내부를 촬영하는 단계;
   촬영된 이미지를 영상 처리하는 단계; 및
   상기 영상 처리된 이미지에 기초하여 3차원 이미지를 출력하는 단계를 포함하고,
   상기 촬영된 이미지를 영상 처리하는 단계는:
   상기 복수개의 초점을 기초로 커브 피팅을 수행하는 단계; 및
   편향수정 처리를 위한 편향값을 계산하는 단계;를 포함하는,
   구강 이미지를 처리하는 방법.
   
2. 제1 항에 있어서,
   상기 편향값을 계산하는 단계는
   최대의 초점 측정값을 갖는 초점을 기준 초점(f_p)으로 설정하는 단계; 및
   상기 기준 초점(f_p)을 중심으로 이전의 복수개의 초점(f_{p - n} ... f_{p -1}) 및 이후의 복수개의 초점(f_{p + 1} ... f_{p +n})을 샘플링하는 단계;를 포함하는,
   구강 이미지를 처리하는 방법.
   
3. 제 2 항에 있어서,
   상기 편향값을 계산하는 단계는
   상기 샘플링된 초점의 초점 측정값을 제곱(y² _{p - n} ... y² _{p -1}, y² _{p + 1} ... y² _{p +n})하는 단계; 및
   상기 기준 초점 이전의 복수개의 초점에 대한 제곱값을 합산하고(S₀ = y² _{p - n} + ... y² _{p -1}), 기준 초점 이후의 복수개의 초점에 대한 제곱값을 합산하는(S₁ = y² _{p + 1} + ... y² _{p +n}) 단계;를 더 포함하는,
   구강 이미지를 처리하는 방법.
   
4. 제3 항에 있어서,
   상기 편향값을 계산하는 단계는
   상기 합산 결과 S₁이 S₀보다 작은 경우에, 상기 편향값은 max(-1, (R-1)*A)로 결정하는 단계;를 더 포함하고,
   여기서

   

   이고, A는 편향 계수인,
   구강 이미지를 처리하는 방법.
   
5. 제3 항에 있어서,
   상기 편향값을 계산하는 단계는
   상기 합산 결과 S₁이 S₀보다 큰 경우에, 상기 편향값은 min(1, -(R-1)*A)로 결정되는 단계;를 더 포함하고,
   여기서

   

   이고, A는 편향 계수인,
   구강 이미지를 처리하는 방법.
   
6. 제 2 항에 있어서,
   상기 촬영된 이미지를 영상 처리하는 단계는:
   영상 이미지의 에지 보전 및 노이즈 억제를 위하여 바이래터럴 필터 처리를 수행하는 단계;를 더 포함하는 것을 특징으로 하는,
   구강 이미지를 처리하는 방법.
   
7. 컴퓨터 상에서 실행될 때, 제1항 내지 제6항 중 어느 하나의 항에 기재된 방법을 수행하기 위해 매체에 저장되는 컴퓨터 프로그램.
   
8. 구강 이미지를 처리하기 위한 장치로서,
   본체; 헤드; 및 커버를 포함하고,
   상기 본체는 복수개의 초점을 기초로 구강 내부를 촬영하기 위한 광출력부; 촬영된 이미지를 획득하기 위한 이미지 센싱부; 및 상기 광출력부 및 상기 이미지 센싱부를 제어하기 위한 제어부를 포함하고,
   상기 제어부는:
   상기 촬영된 이미지를 영상 처리하기 위해 상기 이미지에 대해 상기 복수개의 초점을 기초로 커브 피팅을 수행하고, 편향수정 처리를 위한 편향값을 계산하는 것을 수행하고,
   상기 편향값을 계산하기 위해 최대의 초점 측정값을 갖는 초점을 기준 초점(f_p)으로 설정하여, 상기 기준 초점(f_p)을 중심으로 이전의 복수개의 초점(f_{p - n} ... f_{p -1}) 및 이후의 복수개의 초점(f_{p + 1} ... f_{p +n})을 샘플링하고,
   상기 샘플링된 초점의 초점 측정값을 제곱(y² _{p - n} ... y² _{p -1}, y² _{p + 1} ... y² _{p +n})하고, 상기 기준 초점 이전의 복수개의 초점에 대한 제곱값을 합산하고(S₀ = y² _{p - n} + ... y² _{p -1}), 기준 초점 이후의 복수개의 초점에 대한 제곱값을 합산하고(S₁ = y² _{p + 1} + ... y² _{p +n}),
   상기 합산 결과 S₁이 S₀보다 작으면 상기 편향값을 max(-1, (R-1)*A)로 결정하고, 상기 합산 결과 S₁이 S₀보다 크면 상기 편향값을 min(1, -(R-1)*A)로 결정하고,
   상기 촬영된 이미지를 영상 처리하기 위해 영상 이미지의 에지 보전 및 노이즈 억제를 위하여 바이래터럴 필터 처리를 수행하는 것을 특징으로 하는,
   구강 이미지를 처리하기 위한 장치.
   
   

Images