KR102082070B1 - 높은 정밀도 색역 매핑 - Google Patents

Abstract

색역 매핑을 위한 방법들 및 시스템들이 개시된다. 룩업 테이블의 이미지의 화소들 또는 포인트들은, 색역외 화소들 또는 LUT 포인트들에 대해 거친 색역 헐을 생성하고 거리 메트릭의 값을 계산하고, 그 뒤에 고려중인 색역외 화소 또는 LUT 포인트들에 가장 가까운 거친 색역 헐 포인트들의 이웃에서 미세 색역 헐을 생성함으로써, 다단계 반복 프로세스에서 색역 매핑될 수 있다. 색역외 화소 또는 LUT 포인트는 계산되는 최소 거리 메트릭 값에 기초하여 색역 매핑된다.

Description

높은 정밀도 색역 매핑

본 개시내용은 디지털 이미지 프로세싱에 관한 것이다. 더 상세하게는, 그것은 높은 정밀도 색역(high precision gamut) 매핑 방법에 관한 것이다.

본 개시내용의 제1 양태에서는, 색역 매핑 컬러 공간에서부터 타겟 컬러 공간으로의 색역 매핑을 위한 컴퓨터에 의해 구현되는 방법이 개시되며, 이 방법은: 컴퓨터에 의해, 색역 매핑 컬러 공간에서 이미지 - 그 이미지는 복수의 화소들을 포함함 - 를 제공하는 단계; 컴퓨터에 의해, 타겟 디바이스의 색역에 기초하여, 색역외(out of gamut)(OOG) 화소들을 복수의 화소들에 대해 결정하는 단계; 컴퓨터에 의해, m-비트 분해능을 갖는 거친 그리드 - m은 정수이며, 거친 그리드는 타겟 컬러 공간 내에 정의됨 - 내에 색역내(in gamut)(IG) 포인트들을 포함하는 거친 색역 헐(coarse gamut hull)을 생성하는 단계; 컴퓨터에 의해, 거친 색역 헐을 색역 매핑 컬러 공간으로 변환하는 단계; 컴퓨터에 의해, 적어도 하나의 OOG 화소에 대해, 적어도 하나의 OOG 화소와, IG 포인트들의 거친 그리드에서의 복수의 거친 색역 헐 포인트들의 각각의 거친 색역 헐 포인트 사이의 거친 거리 메트릭의 복수의 값들을 계산하는 단계 - 거친 거리 메트릭 값들을 계산하는 단계는 색역 매핑 컬러 공간에서 수행됨 -; 복수의 거친 색역 헐 포인트들 중에서, 컴퓨터에 의해, 복수의 거친 색역 헐 포인트들의 다른 거친 색역 헐 포인트들보다 더 작은 거친 거리 메트릭 값을 갖는 u개의 거친 색역 헐 포인트 - u는 정수임 - 를 계산하는 단계, 예컨대, u개의 최소 거친 거리 메트릭 값에 대응하는 u개의 거친 색역 헐 포인트를 결정하는 단계; u개의 거친 색역 헐 포인트의 각각의 거친 색역 헐 포인트에 대해, 컴퓨터에 의해, q 비트 분해능을 갖는 미세 그리드 - q는 m보다 더 큰 정수이고 미세 그리드는 타겟 컬러 공간에서의 규칙적인 그리드임 - 에서, u개의 거친 색역 헐 포인트의 각각의 거친 색역 헐 포인트의 이웃에 IG 포인트들을 포함하는 미세 색역 헐을 생성하는 단계; 컴퓨터에 의해, 미세 색역 헐을 색역 매핑 컬러 공간으로 변환하는 단계; 컴퓨터에 의해, 적어도 하나의 OOG 화소에 대해, 적어도 하나의 OOG 화소와, IG 포인트들의 미세 그리드에서의 복수의 미세 색역 헐 포인트들의 각각의 미세 색역 헐 포인트 사이의 미세 거리 메트릭의 복수의 값들을 계산하는 단계 - 미세 거리 메트릭 값들을 계산하는 단계는 색역 매핑 컬러 공간에서 수행됨 -; 컴퓨터에 의해, 계산된 미세 거리 메트릭 값들 중에서 최소 거리 메트릭 값을 계산하는 단계; 및 컴퓨터에 의해, 계산된 최소 거리 메트릭 값에 기초하여 적어도 하나의 OOG 화소를 IG 화소에 색역 매핑하는 단계를 포함한다.

본 개시내용의 제2 양태에서는, 색역 매핑 컬러 공간에서부터 타겟 컬러 공간으로의 색역 매핑 이미지들을 위한 룩업 테이블(LUT)을 생성하기 위한 컴퓨터에 의해 구현되는 방법이 설명되고, 이 방법은: 컴퓨터에 의해, 타겟 디바이스를 위한 LUT - LUT는 타겟 컬러 공간에 매핑될 색역 매핑 컬러 공간에서의 복수의 LUT 포인트들을 포함함 - 를 제공하는 단계; 컴퓨터에 의해, 타겟 디바이스의 색역에 기초하여, 색역외(OOG) LUT 포인트들을 복수의 LUT 포인트들에 대해 결정하는 단계; 컴퓨터에 의해, m-비트 분해능을 갖는 거친 그리드 - m은 정수이며, 거친 그리드는 타겟 컬러 공간 내에 정의되는 규칙적인 그리드임 - 내에 IG 포인트들을 포함하는 거친 색역 헐을 생성하는 단계; 컴퓨터에 의해, 거친 색역 헐을 색역 매핑 컬러 공간으로 변환하는 단계; 컴퓨터에 의해, 적어도 하나의 OOG LUT 포인트에 대해, 적어도 하나의 OOG LUT 포인트와, IG 포인트들의 거친 그리드에서의 복수의 거친 색역 헐 포인트들의 각각의 거친 색역 헐 포인트 사이의 거친 거리 메트릭의 복수의 값들을 계산하는 단계 - 거친 거리 메트릭 값들을 계산하는 단계는 색역 매핑 컬러 공간에서 수행됨 -; 복수의 거친 색역 헐 포인트들 중에서, 컴퓨터에 의해, 복수의 거친 색역 헐 포인트들의 다른 거친 색역 헐 포인트들보다 더 작은 거친 거리 메트릭 값을 갖는 u개의 거친 색역 헐 포인트 - u는 정수임 - 를 계산하는 단계, 예컨대, u개의 최소 거친 거리 메트릭 값에 대응하는 u개의 거친 색역 헐 포인트를 결정하는 단계; u개의 거친 색역 헐 포인트의 각각의 거친 색역 헐 포인트에 대해, 컴퓨터에 의해, q 비트 분해능을 갖는 미세 그리드 - q는 m보다 더 큰 정수이고 미세 그리드는 타겟 컬러 공간에서 정의되는 규칙적인 그리드임 - 에서, u개의 거친 색역 헐 포인트의 각각의 거친 색역 헐 포인트의 이웃에 IG 포인트들을 포함하는 미세 색역 헐을 생성하는 단계; 컴퓨터에 의해, 미세 색역 헐을 색역 매핑 컬러 공간으로 변환하는 단계; 컴퓨터에 의해, 적어도 하나의 OOG LUT 포인트에 대해, 적어도 하나의 OOG LUT 포인트와 IG 포인트들의 미세 그리드에서의 복수의 미세 색역 헐 포인트들 사이의 미세 거리 메트릭의 복수의 값들을 계산하는 단계 - 미세 거리 메트릭 값들을 계산하는 단계는 색역 매핑 컬러 공간에서 수행됨 -; 컴퓨터에 의해, 계산된 미세 거리 메트릭 값들 중에서 최소 거리 메트릭 값을 계산하는 단계; 컴퓨터에 의해, 계산된 최소 거리 메트릭 값에 기초하여 적어도 하나의 OOG LUT 포인트를 IG 포인트에 색역 매핑하는 단계; 및 IG 포인트를 적어도 하나의 OOG LUT 포인트의 값으로서 포함시킴으로써 색역 매핑을 위한 LUT를 생성하는 단계를 포함한다.

본 발명의 제3 양태에서는, 본 개시내용에서 설명되는 방법들 중 임의의 것을 실행하기 위한 컴퓨터 실행가능 명령어들을 저장하는 비일시적 컴퓨터 판독가능 저장 매체가 설명된다.

본 발명의 제4 양태에서는, 본 개시내용에서 설명되는 임의의 방법을 구현하도록 구성되는 장치가 설명된다.

본 출원서에 통합되고 그 일부를 구성하는 첨부 도면들은, 본 개시내용의 하나 이상의 실시예들을 예시하고, 예시적인 실시예들의 설명과 함께, 본 개시내용의 원리들 및 구현예들을 설명하는 역할을 한다.
도 1은 그리드로서의 특정 색역과, 이 색역 외부에 있는 컬러들의 색역 표면 상의 포인트들을 향한 2개의 상이한 예시적인 색역 매핑 알고리즘, 즉, LCLIP' 및 'WmindE'(둘 모두의 색역 매핑 알고리즘들은 종래 기술임)를 사용한 매핑을 예시한다.
도 2는 화소들을 매핑하는 일 예를 예시한다.
도 3은 거친 단계 및 미세 단계를 갖는 색역 매핑 화소들을 위한 방법을 예시한다.
도 4는 본 개시내용의 방법들을 위한 예시적인 흐름도를 묘사한다.
도 5는 본 개시내용의 일 실시예의 구현을 위한 타겟 하드웨어의 예시적인 실시예를 묘사한다.

본 개시내용은 제한된 메모리 리소스들을 사용한 계층적 색역 매핑을 위한 방법을 설명한다. 이 방법은 최적의 컬러 매핑을 위한 지역(region)을 식별하는 거친 샘플링 단계에 기초하고 다단계 절차에서 최종 매핑을 식별하기 위해 더 미세한 샘플링으로 후속하여 진행한다.

본 개시내용은, 영화 및 TV 산업 또는 전통적인 인쇄에서와 같이, 이미지 및 비디오 프로세싱을 포함하는, 색역 매핑을 수반하는 다양한 애플리케이션들에 적용될 수 있는 방법들을 설명한다. 예를 들어, 본 개시내용의 방법들은 소형 가정용 프린터들부터 대형 와이드 포맷 프린팅 머신들까지의 범위의 프린터들에 적용할 수 있다. 다른 예에서, 본 개시내용의 방법들은 디스플레이들에 적용된다.

본 기술분야의 통상의 기술자들에 의해 이해되는 바와 같이, 색역 매핑은 타겟 디바이스에 의해 달리 재생될 수 없는 컬러들을 매핑하는 프로세스를 지칭한다. 예를 들어, 디바이스가 다양한 컬러들을 디스플레이하는 능력을 가질 수 있다. 그 콘텐츠가, 이미지이든 비디오이든, 디바이스의 능력 밖의 컬러들을 포함하면, 그들 컬러는 그 디바이스가 디스플레이할 수 있는 범위 내로 매핑되는 것이 필요하다. 그러므로, 콘텐츠의 컬러들은 개별 디바이스의 색역으로 매핑된다.

컬러들의 범위, 또는 색역은, 상이한 방식들로 디스플레이될 수 있다. 도 1은 특정 색역의 한계들을 그리드(110)로서 예시한다. 일부 컬러들은 색역(105) 외부에 있고, 디바이스에 의해 디스플레이되는 순서로 그리드(110)에 매핑된다.

대표적인 색역 매핑 알고리즘들은 기하 연산으로서 정의될 수 있다. 예를 들어, 3b LCLIP는 색상과 밝기를 보존하고, 삼각형들로서 표현되는 디바이스 색역과, 회색 축에 매핑될 색역외 포인트로부터의 선 사이의 교차점을 계산함으로써 구현될 수 있다.

다른 첨단 색역 매핑 알고리즘들, 이를테면 가중 최소 델타 E(weighted-minimum-delta-E)(WmindE)는, 기하 연산으로서 정의되는 것이 아니라 지각적으로 상관되는 밝기, 채도 및 색상에서의 거리 메트릭으로서 정의된다.

기존 최소 델타 E 방법들이 갖는 문제점은 타겟 디바이스 컬러 볼륨이 어떻게 표현되는지에 있다. 통상적으로, 이들 방법들은, 메모리 제한으로 인해, 그 볼륨을 샘플링하기 위해 적은 수의 삼각형들을 사용한다. 통상적으로 삼각형들의 낮은 수는 17x17x2x6 = 3468이다. 색역외(OOG) 화소의 색역 경계까지의 최소 거리를 결정할 때, 이들 방법들의 알고리즘은 거리 메트릭에 따라 각각의 삼각형 면, 삼각형 선 및 삼각형 정점까지의 거리를 계산한다. 그러나, 색역 볼륨들은 형상이 비선형인 경향이 있으므로, 이 방법론은 컬러들이 자신이 포화될 수 있는 것보다 더 적게(또는 더 많이) 포화될 뿐만 아니라 정점에 걸치는 매끄러운 윤곽선들에 대한 밴딩(banding)을 초래한다. 컬러 볼륨의 표면에 더 잘 맞는 비선형 보간(이를테면 B-스플라인들)을 사용하는 것이 이 문제에 대한 가능한 해결책이 될 것이지만, B-스플라인 표면 상에서 가장 가까운 포인트를 찾는 닫힌 형태의 해결책은 없다.

본 개시내용은 위에서 설명된 문제점들을 해결한다. 이상적으로, 최소 거리는 컬러 볼륨 경계 상의 정점으로서 표현되는 색역 볼륨의 가능한 모든 단일 값에 대해 계산될 것이다. 그러나, 계산된 값들의 수가 기존의 컴퓨터 시스템들에 저장하기에는 너무 클 것이다. 컬러 볼륨의 외부 표면이 RGB에서의 컬러 공간 큐브의 외부 표면의 왜곡된 버전이라는 것을 고려하면, 색역 표면에서 가능한 모든 RGB 출력 값을 표현하는 포인트들의 수는 하나의 면의 면적의 6 배라는 것이 자명하다. 각각의 면은 2^N x 2^N 개의 포인트를 가지며, 여기서 N은 인터페이스의 비트 깊이이다. 따라서, 지각적 표현에서 RGB 색역의 3D 표면을 표현하는데 필요한 포인트들의 수는 2^N x 2^N x 6, 또는 2^2N x 6이다. 12 비트 인터페이스에 대해, 이 수는 1억개의 포인트 이상이 되거나, 또는 전형적인 메모리 풋프린트들에 의해 지원될 수 있는 것보다 약 100개나 더 많다. 이 제한을 극복하기 위해 본 개시내용의 방법들은 먼저 최적의 포인트를 포함하는 지역을 찾기 위해 거친 샘플링(course sampling)을 사용하며, 뒤따라서 정확한 포인트에 대한 추정치를 리파인하기 위해 두 번째의 미세 샘플링을 사용한다. 이는 보간을 필요로 하지 않으면서 그리고 감소된 메모리 풋프린트로 최적의 해법을 계산하는 것을 허용한다.

WmindE의 종래의 구현예들은 Morovic, J

n, and Pei-Li Sun, "Non-Iterative Minimum ΔE Gamut Clipping", Color and Imaging Conference, Vol. 2001, No. 1, Society for Imaging Science and Technology, 2001에서 설명되는 바와 같이, 정점, 선 및 삼각형 기반 색역 표현들, 룩업 테이블들 또는 다단계 반복 접근법들을 사용하며, 그것의 개시내용은 그 전부가 참조로 본 명세서에 포함된다.

정점, 선 및 삼각형 기반 색역 헐 표현을 사용하는 접근법들은 색조 해상도 또는 디테일의 손실을 겪을 수 있는데, 색역외(OOG) 컬러들의 큰 영역(area)들이 동일한 색역내(IG) 컬러에 매핑되기 때문이다. 이 프로세스는 도 2에 도시되어 있다.

도 2에서, 선(205)은 삼각형들로 이산화되는 색역 경계를 나타낸다. 경계(205) 외부의 컬러들, 이를테면 컬러들(210 및 215)이, 그 경계 상에 매핑된다. OOG 컬러들 a(210) 및 b(215)가 상이한 IG 컬러들(220 및 225)에 매핑되는 한편, OOG 컬러들 c(230) 및 d(235)는 동일한 IG 컬러(240)에 매핑된다. 그러므로, 컬러들(230 및 235) 사이의 임의의 구분이 컬러들이 새로운 색역에 매핑될 때 손실된다. 이 불연속성은 매끄러운 이미지 영역들에서 밴딩 아티팩트들과 색조 세부사항들의 손실을 초래할 수 있다.

반대로, 일반적인 구현들이 특정한 수렴 조건에 도달되기까지 실행되기 때문에 반복 접근법들은 종종 느리고 그것들의 실행 시간은 예측 가능하지 않다.

본 개시내용은, 대신에, 다음의 미리 정의된 수의 컴퓨팅 단계들 내에서 종료하는 n-단계의 계층적 접근법을 제시한다: 타겟 컬러 공간(예를 들어 8 비트 RGB)이 주어지면 색역 경계 상에 놓이는 가능한 모든 RGB 값들은 색역 매핑 컬러 공간, 즉, 입력 컬러 공간으로 변환된다. 각각의 화소에 대한 최상의 색역 일치를 찾기 위해, 거리 메트릭의 제1 값은 상기 화소와 전사된 RGB 입력 포인트들 사이에 계산되는데, RGB 입력 포인트들은 거친 그리드에 따라 샘플링된다. 예를 들어, 8 비트의 경우에 그리고 n = 2(계층적 두 단계)에 대해, 5 비트 분해능은 각각 32 x 32 개 포인트의 6개 평면을 초래한다. 이 방법의 다음 단계에서, 거리 메트릭의 값은 거친 샘플링으로 최소 거리 메트릭 값을 초래하는 u개 포인트의 각각의 포인트의 이웃에 대해 계산된다. 예를 들어 거친 색역 헐 포인트의 이웃은 가장 가까운 이웃 IG 포인트들을 포함할 수 있다.

도 3은 컬러 공간 sRGB, 외관 모델 IPT-PQ, 및 n = 2에 대한 예를 도시한다. 본 기술분야의 통상의 기술자에게 공지된 바와 같이, sRGB는 RGB 컬러 공간의 중심에 가깝게 놓인 컬러 공간이다. IPT는 인간 색각(color vision)의 지각적 양태들을 설명하는 것을 추구하는 수학적 모델인 컬러 외관 모델이다. IPT 컬러 외관 모델은 일정한 색상 값이 밝기 및 채도의 값들과는 관계없이 일정하게 지각되는 색상과 동일한 경우의 색상에 대한 공식을 제공하는데 유용하다. 컬러에 민감한 사람 눈의 추상체들(cones)은 원색들(적색, 녹색, 및 청색)의 각각에 대해 상이한 감도들을 가진다. 그 결과, 분석된 컬러의 수학적 선형 분포가 반드시 무엇이 실제로 보이는지를 표현하는 가장 정확한 방식은 아니다. IPT 모델은 추가적인 비선형 프로세싱을 이용하는 선형 변환들로 이루어진다. IPT 컬러 공간에서, I는 컬러 공간의 중심을 통해 지나는 (흑색에서 백색으로 포화도를 낮추는) 밝기의 수직축에 대응한다. 수평면은 적색 내지 녹색의 분포인 P 축과, 황색 내지 청색의 분포인 T 축에 의해 정의된다. IPT 모델의 비선형성은 PQ 비선형 인코딩으로 교환될 수 있으며, 그러므로 지각적 양자화(PQ) IPT 모델, 또는 IPT-PQ 모델을 얻는다. 컬러 공간의 지각 보정은, 예를 들어 컬러 음영들(color shades) 사이의 최소 가지 차이(just noticeable difference)(JND)를 검출하기 위해 실제 테스트들을 통해, 컬러 공간에서 컬러들의 인간 지각을 분석함으로써 수행될 수 있다. IPT-PQ는 색역 매핑 구현들에 매우 적합할 수 있다. 일부 실시예들에서는, IPT-PQ의 수정된 버전이 색역 매핑 컬러 공간, 즉, 입력 컬러 공간으로서, 그리고 RGB가 타겟 컬러 공간으로서 사용된다. 그러나, 본 명세서에서 설명되는 방법들은 임의의 전형적인 색역 매핑 컬러 공간, 예를 들어 Lab, IPT 또는 CIECAM02와 함께 사용될 수 있다. 일부 실시예들에서, IPT-PQ 외관 모델은, Encoding and Decoding Perceptually-Quantized Video Content란 명칭으로 J. Froehlich 등에 의해 2015년 9월 24일자로 출원된 PCT/US2015/051964에서 설명된 바와 같이 수정될 수 있는데, 그 개시내용은 그 전부가 참조로 본 명세서에 포함된다. 도 3에서, 풀(full) 컬러 공간은 좌측(305)에 예시되는 한편, 제2 단계를 위한 탐색 영역의 상세도가 우측(310)에 예시된다.

도 3에서, 포인트들(315)이 거친 샘플링, 다시 말하면, 첫 번째 반복을 나타내며; 포인트(320)가 첫 번째 반복의 하나의 결과를 나타내며; 포인트들(325)이 포인트(320)의 이웃의 미세 샘플링, 즉, 두 번째 반복을 나타내며; 포인트(330)가 두 번째 반복 그리드 상의 가중 최소 델타 E 거리 메트릭에 대한 최종 결과를 나타낸다. 포인트(330)는 OOG 화소(340)로부터 미세 샘플링 색역 내에 매핑된다. OOG 포인트(340)와 결과적인 포인트(330) 사이의 거리 메트릭(345)의 값이 계산될 수 있다.

달리 말하자면, 거친 샘플링은 특정한 밀도를 갖는 포인트들(315)을 이용한다. 포인트(320)의 바로 이웃에서 8개의 이웃 포인트(335)를 식별하는 것이 가능하다. 더 미세한 샘플링이 포인트들(325)로 수행될 수 있는데, 그 포인트들의 밀도는 포인트들(315)의 밀도보다 더 높다. OOG 화소(340)로부터의 매핑 프로세스는, 거리 메트릭(345)의 값이 계산될 수 있는 결과적인 포인트(330)를 산출한다.

위의 방법의 n = 2(2 단계) 구현의 경우, 다음의 정밀도(m)가 사용될 수 있다: 8 비트의 경우, 5 비트의 첫 번째 반복; 10 비트의 경우, 6 비트의 첫 번째 반복; 12 비트의 경우, 7 비트의 첫 번째 반복. 다른 실시예들이 상이한 값들을 포함할 수 있으며, 예를 들어 n이 2보다 더 클 수 있고 m의 상이한 값들이 사용될 수 있다.

본 개시내용의 방법들은 도 3 및 도 4를 참조하여, 다음의 단계들을 포함할 수 있다. 제1 단계(405)에서, 색역 헐의 코드 값들이 거친 분해능에 대해, 예를 들어 m-비트 분해능으로 계산된다. 이 거친 분해능은 포인트들(315)에 대응한다. 일부 실시예들에서, 모든 코드 값들이 계산된다. 다음 단계(410)에서, 이산화된 거친 색역 헐은 색역 매핑 컬러 공간으로 변환된다.

이어서, 색역외(OOG) 컬러 화소, 이를테면 화소(340)에 대해, OOG 화소는 색역 매핑 컬러 공간으로 변환된다(415). 일부 실시예들에서, 각각의 OOG 컬러 화소는 색역 매핑 컬러 공간으로 변환된다. 현재 OOG 화소에 대한 거리 메트릭(345, 420)의 복수의 값들이 그 다음에 계산된다. 거리 메트릭의 값이 현재 OOG 화소로부터 색역 매핑 컬러 공간에서의 거친 분해능 색역 헐의 포인트들까지 계산될 수 있다. 일부 실시예들에서, 거리 메트릭의 값은 색역 매핑 컬러 공간에서의 거친 분해능 색역 헐의 모든 포인트들에 대해 계산된다.

다음 단계(425)에서, 거리 메트릭의 값에 기초하여 선택되는, 거친 분해능 색역 헐의 u개의 가장 가까운 색역내(IG) 포인트에 대해, 코드 값들이 현재 색역내 포인트에 이웃하는 색역 헐에 대해 계산된다. 예를 들어, u개의 가장 가까운 IG 포인트는 포인트들(335)일 수 있다. 일부 실시예들에서, 코드 값들은 거친 분해능 이웃들에 의해 경계가 정해지는 미세 분해능 색역 헐 내에 놓이는 포인트들(325)에 대해 계산될 수 있다. 일부 실시예들에서, 코드 값들은 현재 IG 포인트에 이웃하는 미세 분해능 색역 헐에서의 모든 포인트에 대해 계산된다. 미세 분해능 색역 헐에서의 이들 포인트들은 그 다음에 색역 매핑 컬러 공간으로 변환된다(430).

현재 OOG 화소에 대한 미세 거리 메트릭 값들이 그 다음에 계산된다(435). 이들 거리 메트릭 값들은 현재 OOG 화소로부터 색역 매핑 컬러 공간에서의 미세 분해능 색역 헐의 포인트들까지 계산될 수 있다. 일부 실시예들에서, 미세 거리 메트릭 값은 색역 매핑 컬러 공간에서의 미세 분해능 색역 헐의 모든 포인트에 대해 계산된다. OOG 화소에 대한 최소 미세 거리 메트릭을 갖는 더 높은 분해능 색역 헐에서의 포인트는 OOG 화소의 매핑된 IG 포인트로서 선택된다(440). 선택된 포인트에 연관되는 미세 거리 메트릭의 값은 후속하는 계산들을 위해 또한 저장될 수 있다.

다르게 말하면, OOG 화소에 대해, 제1 거친 매핑이 제1 매핑된 포인트로 수행되며, 후속하여, 이 거친 매핑된 포인트 주위의 포인트들의 이웃이 결정된다. 미세 분해능 색역 헐이 거친 매핑된 포인트 주위에서 정의되고 거리 메트릭 값들이 이들 미세 분해능 색역 헐 포인트들과 OOG 화소 사이에 계산된다. 최소 거리 메트릭 값을 갖는 미세 분해능 색역 헐에서의 포인트는 OOG 화소의 미세 매핑된 포인트로서 선택된다. 이 방법은, 매핑 공간에서 균일성을 위해 샘플링을 최적화하는 대신, 타겟 RGB 공간을 규칙적으로 샘플링하고 이 샘플링을 색역 매핑 공간으로 전사함으로써 종래의 다단계 접근법과는 상이하다.

u개의 가장 가까운 이웃에 대한 위의 계산들은 상이한 수 u의 이웃들에 대해 반복될 수 있다. 다시, 최소 거리 메트릭 값을 갖는 미세 분해능 색역 헐에서의 포인트가 선택된다. 후속하여, 상이한 u개의 이웃에 대한 최소 거리 메트릭 값을 갖는 포인트들이 비교될 수 있고 모든 u개의 이웃에 대한 최소 거리 메트릭 값을 갖는 포인트는 OOG 화소의 색역 매핑된 값으로서 선택된다.

다른 실시예들에서, 거친 색역 헐에서의 거친 분해능 이웃들은 고려중인 각각의 OOG 화소에 대해 계산된다. 거친 분해능 이웃들의 각각의 거친 분해능 이웃에 대해, 거리 메트릭 값이, OOG 화소에 대해, 계산된다. 거친 분해능 이웃들의 각각의 거친 분해능 이웃이 그 다음에 차례로 고려된다. 거친 색역 헐에서의 이들 거친 분해능 이웃 포인트들의 각각의 거친 분해능 이웃 포인트에 대해, 포인트들의 미세 분해능 그리드가 그 주위에 생성된다. 이 그리드의 샘플링은 타겟 RGB 공간에서 규칙적으로 다시 결정되고 색역 매핑 공간으로 다시 전사된다. 미세 분해능 그리드가 미세 색역 헐이다. 그러므로, 미세 색역 헐이 거친 분해능 이웃들의 각각의 거친 분해능 이웃에 대해 계산된다. 거리 메트릭 값은, 거친 색역 헐 포인트들의 각각의 거친 색역 헐 포인트에 대해, 각각의 미세 색역 헐 포인트과 OOG 화소 사이에 계산된다. 다르게 말하면, 각각의 거친 색역 헐 이웃 주위의 미세 색역 헐 포인트들에 대한 거리 메트릭 값은 계산되며, 그 프로세스는 거친 색역 헐 이웃들의 각각의 거친 색역 헐 이웃 주위의 미세 색역 헐 포인트들에 대해 반복된다. OOG 화소에 대한 매핑된 포인트가, 그 다음에 최소 거리 메트릭 값, 즉, 거리 메트릭에 따른 OOG 화소에 대한 최소 거리를 가지는 미세 색역 헐에서의 포인트를 찾음으로써 선택된다.

일부 실시예들에서, 그 알고리즘은 이미지들을 색역 매핑하는데 직접 사용될 수 있다. 대안적으로, 3D-LUT가 색역 매핑을 수행하기 위해 생성될 수 있다. 3D-LUT는 그 다음에 계산 시간을 더 절약하기 위해 이어서 이미지에 적용될 수 있다. 3D-LUT의 경우, 추가적인 프로세싱은 출력 LUT의 성능을 추가로 리파인하는데 사용될 수 있다. 예를 들어, LUT의 출력은 인접한 포인트들 사이의 차이를 줄이기 위해 3D 평활화 필터로 프로세싱될 수 있다. 이는 보간에 문제를 일으킬 수 있는 예리한 경사들을 매끄럽게 한다. 평활화 프로세스는 전체 LUT 또는 단지 선택 부분들(이를테면 색역외 화소들, 개개의 색상들, 채도들 또는 특수 컬러들)에만 적용될 수 있다. 일부 실시예들에서, LUT는 이미지에서의 OOG 화소들을 매핑하는데 사용되는 OOG LUT 포인트들을 포함한다. 본 명세서에서 설명되는 방법들은 LUT의 OOG LUT 포인트들에 적용할 수 있다.

본 개시내용에서 설명되는 바와 같이, 색역 매핑을 위해 미리 양자화된 색역 헐과 다단계 계층적 접근법을 사용하는 것은, 반복 접근법들, 또는 정점, 선 및 삼각형 기반 색역 헐 표현들과 비교되는, 신속하며, 정밀하고 구현하기 간단한 알고리즘을 제시한다.

위에서 인용된 바와 같은 Morovic 등의 반복 접근법들과 비교하여, 각각의 화소를 색역 매핑하기 위한 시간은 일정하고 그러므로 예측 가능하다. 정점, 선 및 삼각형 기반 색역 헐 표현들을 사용하는 접근법들과 비교하여, 색역 매핑 알고리즘의 구현은 세부사항 및 색조 스케일의 어떠한 추가적인 손실도 도입하지 않는다.

일부 실시예들에서, 본 개시내용에서 설명되는 방법들은 LUT를 생성하는데 사용될 수 있거나, 또는 LUT와 동시에 적용될 수 있거나, 또는 색역외 화소들을 매핑하기 위한 LUT에 대한 대안으로서 사용될 수 있다. 일부 실시예들에서, 그 알고리즘의 입력 화소들은 LUT 포인트들, 예컨대 3D LUT의 좌표들이다. 다른 실시예들에서, 직접 접근법에서는, 입력 화소들은 매핑될 이미지 또는 비디오 프레임으로부터의 것이다. IG 화소들과의 매핑을 위해 선택되는 OOG 화소들은 매핑이 필요하지 않으므로 프로세싱되지 않는다. 일부 실시예들에서, 색역 헐은, 총 6개의 평면에 대해, 각각의 컬러 채널에 대해 2D 평면을 생성함으로써 초기화된다. 색역 헐은 매핑을 고려중인 현재 OOG 화소에 대해 매핑할 모든 잠재적 컬러들을 포함한다. 매핑할 최적화된 컬러는 위에서 설명된 바와 같은 거리 메트릭 값을 최소화함으로써 결정된다. 일부 실시예들에서, 색역 헐은 더 쉬운 계산을 위해 선형 형태로 변환된다. 제1 인덱스가 거친 반복을 위해 생성되는 한편, 비-OOG 화소들이 프로세싱 없이 복사되고 그 후 OOG 화소들은 본 개시내용의 위에서 설명된 방법에 따라 대체된다. 일부 실시예들에서는 가중 최소 델타 E 매핑 알고리즘이 사용되지만, 다른 실시예들에서는 다른 매핑 알고리즘이 사용될 수 있다. 거친 거리 메트릭 값들은 현재 OOG 화소로부터 거친 색역 헐 포인트들까지 계산된다. 예를 들어, 일부 실시예들에서 거친 색역 헐에서의 32개의 가장 가까운 포인트는 OOG 화소로부터 32개의 가장 가까운 포인트의 각각의 가장 가까운 포인트까지의 거친 거리 메트릭 값을 계산하는데 사용될 수 있다. 그 다음에, 미세 색역 헐 포인트들의 이웃이 32개의 가장 가까운 거친 포인트의 각각의 가장 가까운 거친 포인트 근처에서 생성된다. 거리 메트릭 값이 미세 색역 헐 포인트들의 각각의 미세 색역 헐 포인트에 대해 계산된다. 최소 거리 메트릭 값은 OOG 화소를 매핑하기 위해 선택된다.

본 개시내용에서 설명되는 방법들은 디바이스 종속 출력 공간에 따라 양자화하고 그러므로, 가변 실행 시간 반복 접근법들에 대한 필요 없이, 최상의 일치 색역 매핑된 값들을 직접 얻는다. 본 명세서에서 설명되는 방법은 색역 매핑을 위해 요구되는 메모리와 같은 계산 리소스들이 다른 이전의 공지된 방법들과 비교하여 현저히 감소됨에 따라 컴퓨터 동작을 개선시킨다.

일부 실시예들에서, 거친 분해능 및 거친 거리 메트릭 값의 계산과 뒤따르는 미세 분해능 및 미세 거리 메트릭 값의 계산을 갖는 2 단계 접근법 대신, 다단계 접근법이 수행될 수 있다. 예를 들어, 각각의 단계는 증가된 분해능을 가지고, 거리 메트릭 값이 각각의 단계에 대해 계산되고, 그러므로 OOG 포인트에 긴밀하게 대응하는 IG 포인트에 대해 점점 더 정확한 결정을 얻는다.

일부 실시예들에서, 3 단계 접근법이 사용될 수 있다. 예를 들어, 제1 거리 메트릭 값이, OOG 포인트로부터 색역 헐의 지역까지 제1 비트 분해능으로 계산될 수 있다. 일단 최소 제1 거리가 발견되면, 프로세스는 제2 단계로 진행할 수 있다. 제2 단계에서, 색역 헐의 제2 지역이, 이전의 단계에서 계산된 최소 거리 메트릭 값을 갖는 색역 헐에서의 포인트 주위에서 결정되며; 제2 지역은 제1 단계에서의 지역과 비교할 때 더 높은 비트 분해능을 가진다. 제2 거리 메트릭 값이, OOG 포인트부터 색역 헐의 제2 지역에서의 포인트들까지 계산될 수 있다. 제3 단계에서, 이전의 프로세스는 제2 단계에서 계산되는 가장 가까운 거리 메트릭 값을 갖는 포인트 주위에서 색역 헐 상의 제3 지역을 결정함으로써 반복된다. 이 제3 지역은 제1 및 제2 지역들의 더 높은 비트 분해능을 가진다. 제3 거리 메트릭 값이 OOG 포인트로부터 색역 헐의 제3 지역에서의 포인트들까지 계산될 수 있다. 이 프로세스는 다수의 단계들, 이를테면 4 이상의 단계들로 확장될 수 있다.

다단계 프로세스는 그 방법이 제한된 메모리 및 계산 능력을 갖는 디바이스에서 실행될 때 유리할 수 있다. 각각의 단계에 대한 비트 분해능은 이용 가능한 계산 자원에 따라 조정될 수 있다. 더 강력한 시스템이 단계들의 수를 줄이고 각각의 단계의 분해능을 증가시킴으로써 프로세싱 시간을 단축시킬 수 있는 한편, 덜 강력한 시스템이 단계들의 수를 늘리고 각각의 단계에서의 색역 헐 지역의 비트 분해능을 감소시킬 수 있다. 예를 들어, 제1 단계가 6 비트 분해능을 사용할 수 있으며, 제2 단계가 12 비트 분해능을 가질 수 있고 제3 단계가 14 비트 분해능을 가질 수 있다. 상이한 비트 분해능이 특정 애플리케이션에 따라 사용될 수 있다.

일부 실시예들에서, 어떤 IG 포인트가 OOG 화소에 대응하는지의 제1 결정이 삼각형 접근법으로 수행될 수 있다. 본 개시내용에서 위에서 논의되고 도 2에 예시된 바와 같은 삼각형 접근법들이, 본 명세서에서 설명되는 방법들에 비해, 여러 단점들을 가지지만, 본 개시내용의 방법들의 제1 단계들로(예를 들어, 제1 단계로만) 제한되는 그것들의 애플리케이션은 OOG 화소에 대응하는 제1 거친 IG 포인트를 결정함에 있어서 유용할 수 있다. 예를 들어, OOG 화소에 대해 제1 거친 IG 포인트를 산출하는 삼각형 접근법의 제1 애플리케이션 후, 그리드가, 색역 헐에서, 거친 IG 포인트 주위에서 결정될 수 있고 거리 메트릭 값은, 위에서 설명된 바와 같이, OOG 화소로부터 색역 헐에서의 포인트들까지 계산될 수 있다.

일부 실시예들에서, 본 개시내용의 방법들은 다음의 예시적인 단계들을 통해 수행된다. 입력 이미지가, 예를 들어 ICtCp 컬러 공간 또는 동등한 컬러 공간에, 제공된다. ICtCp 컬러 공간은, 예를 들어, Report ITU-R BT.2390-0, High dynamic range television for production and international programme exchange, (2016)에서 설명되는데, 그 개시내용은 그 전부가 참조로 본 명세서에 포함된다. 후속 단계에서, ICtCp는 타겟 디스플레이 EOTF에 기초하여 RGB로 변환된다. EOTF는 전자-광학 전달 함수(Electro-Optical Transfer Function)를 나타내고 그것은 디지털 코드 워드들을 가시광으로 바꾸는 방법을 설명한다. RGB로의 변환은 다음의 단계들을 통해 수행될 수 있다: i. ICtCp를 L'M'S'으로 변환하기 위해 3x3 행렬을 적용하는 단계, 여기서 프라임들은 비선형성을 나타냄; ii. L'M'S'을 LMS로 변환하기 위해 PQ 곡선을 적용하는 단계; iii. LMS를 (타겟 디스플레이 RGB 기본색들을 사용하여) RGB로 변환하기 위해 3x3 행렬을 적용하는 단계; iv. RGB를 (타겟 디스플레이 역 EOTF, 예를 들어 BT1886을 사용하여) R'G'B'으로 변환하기 위해 역 EOTF를 적용하는 단계. LMS는, 긴, 중간 및 짧은 파장들에서의 그것들의 응답성을 따서 명명되는, 인간의 눈의 3 가지 유형들의 추상체들의 응답에 의해 표현되는 컬러 공간이다.

RGB 또는 R'G'B'로의 변환에 뒤따라, RGB 또는 R'G'B'이 < 0 또는 > 1인 임의의 화소들로부터 마스크(M)를 계산하는 것이 가능하다. 다음의 단계에서, 마스크(M)에서의 화소들을 가중 최소 델타 E 알고리즘에 의해 정의된 바와 같은 가장 가까운 색역내 화소로 대체하는 것이 가능하다.

대안적으로, 마스크(M)는 선형 RGB 값들과 타겟 디스플레이 최소 및 최대 휘도(여기서 RGB < Tmin 또는 > Tmax 임)를 비교함으로써 단계 iii 후에 계산될 수 있다.

일부 실시예들에서, 거친 색역 헐은 RGB와 백색 색역 헐의 벡터 가산으로부터 유래하는 12개 면에 의해 형성되는 다면체로서 성형된다. 예를 들어, sRGB 색역 헐은 6개 평면으로 이루어지는 한편, RGB+백색 색역 헐은 12개 평면으로 이루어진다.

일부 실시예들에서, 그 방법들이 이미지에 직접적으로 대신 LUT에 적용되는 경우, LUT를 제공하는 것은 그 제공에 앞서 LUT에 3차원 또는 4차원 필터링을 적용하는 것을 포함한다. 예를 들어, 필터링은 콘볼루션 또는 메디안 필터링에 의해 수행될 수 있다.

도 5는 도 2 내지 도 4의 실시예들을 구현하기 위한 타겟 하드웨어(10)(예컨대, 컴퓨터 시스템)의 예시적인 실시예이다. 이 타겟 하드웨어는 프로세서(15), 메모리 뱅크(20), 로컬 인터페이스 버스(35) 및 하나 이상의 입출력 디바이스들(40)을 포함한다. 그 프로세서는 도 2 내지 도 4의 구현예에 관련된 그리고 메모리(20)에 저장되는 일부 실행가능 프로그램(30)에 기초하여 운영 체제(25)에 의해 제공되는 바와 같은 하나 이상의 명령어들을 실행할 수 있다. 이들 명령어들은 로컬 인터페이스(35)를 통해 그리고 로컬 인터페이스 및 프로세서(15)에 특정한 일부 데이터 인터페이스 프로토콜에 의해 지시된 바와 같이 프로세서(15)에 전달된다. 로컬 인터페이스(35)는 프로세서 기반 시스템의 다수의 엘리먼트들 사이에 주소, 제어, 및/또는 데이터 연결들을 제공함에 있어서 일반적으로 직접적인 제어기들, 버퍼들(캐시들), 드라이버들, 리피터들 및 수신기들과 같은 여러 엘리먼트들의 상징적 표현이라는 것에 유의해야 한다. 일부 실시예들에서 프로세서(15)에는 일부 추가적인 실행 속도로 수행되도록 명령어들의 일부를 저장할 수 있는 일부 로컬 메모리(캐시)가 장착될 수 있다. 프로세서에 의한 명령어들의 실행은 하드 디스크 상에 저장되는 파일로부터 데이터를 입력하는 것, 키보드로부터 커맨드들을 입력하는 것, 터치스크린으로부터 데이터 및/또는 커맨드들을 입력하는 것, 디스플레이할 데이터를 출력하는 것, 또는 USB 플래시 드라이브에 데이터를 출력하는 것과 같은 일부 입출력 디바이스(40)의 사용을 요구할 수 있다. 일부 실시예들에서, 운영 체제(25)는 프로그램의 실행을 위해 요구되는 다양한 데이터 및 명령어들을 수집하고 이것들을 마이크로프로세서에 제공하는 중심적 엘리먼트가 됨으로써 이들 태스크들을 용이하게 한다. 일부 실시예들에서 운영 체제는 존재하지 않을 수 있고, 모든 태스크들은 프로세서(15)의 직접적인 제어하에 있지만, 타겟 하드웨어 디바이스(10)의 아키텍처는 도 5에 묘사된 것과 동일하게 유지될 것이다. 일부 실시예들에서 복수의 프로세서들이 추가적인 실행 속도를 위해 병렬 구성으로 사용될 수 있다. 이러한 경우, 실행가능 프로그램은 병렬 실행에 특정적으로 맞춤화될 수 있다. 또한, 일부 실시예들에서 프로세서(15)는 도 2 내지 도 4의 구현예의 부분을 실행할 수 있고, 일부 다른 부분은 타겟 하드웨어(10)에 의해 로컬 인터페이스(35)를 통해 액세스 가능한 입출력 로케이션에 배치된 전용 하드웨어/펌웨어를 사용하여 구현될 수 있다. 타겟 하드웨어(10)는 복수의 실행가능 프로그램들(30)을 포함할 수 있는데, 이들 각각은 서로 독립적으로 또는 조합하여 실행할 수 있다.

본 개시내용에서 설명되는 방법들 및 시스템들은 하드웨어, 소프트웨어, 펌웨어 또는 그것들의 임의의 조합으로 구현될 수 있다. 블록들, 모듈들 또는 컴포넌트들로서 설명되는 피처들은 함께 (예컨대, 통합된 로직 디바이스와 같은 로직 디바이스로) 또는 따로따로 (예컨대, 별개의 접속된 로직 디바이스들로서) 구현될 수 있다. 본 개시내용의 방법들의 소프트웨어 부분은, 실행될 때, 설명된 방법들을 적어도 부분적으로 수행하는 명령어들을 포함하는 컴퓨터 판독가능 매체를 포함할 수 있다. 컴퓨터 판독가능 매체는, 예를 들어, 랜덤 액세스 메모리(RAM) 및/또는 판독전용 메모리(ROM)를 포함할 수 있다. 그 명령어들은 프로세서(예컨대, 디지털 신호 프로세서(DSP), 주문형 집적회로(ASIC), 필드 프로그램가능 로직 어레이(FPGA), 그래픽 프로세싱 유닛(GPU) 또는 범용 GPU)에 의해 실행될 수 있다.

본 개시내용의 다수의 실시예들이 설명되어 있다. 그럼에도 불구하고, 다양한 변형들이 본 개시내용의 정신 및 범위로부터 벗어남 없이 만들어질 수 있다는 것이 이해될 것이다. 따라서, 다른 실시예들은 다음의 청구항들의 범위 내에 있다.

위에서 언급된 예들은 본 기술분야의 통상의 기술자들에게 본 개시내용의 실시예들을 제작하고 사용하는 방법의 완전한 개시내용 및 설명으로서 제공되고, 발명자/발명자들이 그들의 개시내용으로서 간주하는 것의 범위를 제한하려는 의도는 아니다.

본 기술분야의 통상의 기술자들에게 명확한 본 명세서에서 개시되는 방법들 및 시스템들을 실행하는 위에서 설명된 실시형태들의 변형들은 다음의 청구항들의 범위 내에 있도록 의도된다. 명세서에서 언급되는 모든 특허들 및 간행물들은 본 개시내용이 관련되는 본 기술분야의 통상의 기술자들의 기술 수준들을 나타낸다. 본 개시내용에서 언급되는 모든 참고문헌들은 각각의 참고문헌이 개별적으로 그 전부가 참조에 의해 포함되어 있는 것과 동일한 정도로 참조에 의해 포함된다.

본 개시내용은, 물론, 가변할 수 있는 특정 방법들 또는 시스템들로 한정되지는 않는다는 것이 이해되어야 한다. 본 개시내용에서 사용된 용어들은 특정 실시예들만을 설명하기 위한 것이고, 한정할 의도는 아니라는 것도 이해되어야 한다. 이 상세한 설명과 첨부의 청구항들에서 사용된 바와 같이, "a", "an", 및 "the"에 해당하는 단수 형태들은 그 내용이 그렇지 않다고 명백히 지시하지 않는 한 복수의 지시대상들을 포함한다. "복수의"라는 용어는 내용이 그렇지 않다고 명백히 지시하지 않는 한 둘 이상의 지시대상들을 포함한다. 달리 정의되지 않는 한, 본 명세서에서 사용되는 모든 기술적 및 과학적 용어들은 본 개시내용이 관련되는 기술분야에서의 통상의 기술자에 의해 통상적으로 이해되는 바와 동일한 의미를 갖는다.

본 발명의 다양한 양태들이 다음의 열거된 예시적인 실시예들(enumerated example embodiments)(EEE들)로부터 이해될 수 있다.

EEE 1. 컴퓨터에 의해 구현되는 방법은,

컴퓨터에 의해, 복수의 화소들을 포함하는 이미지를 제공하는 단계;

컴퓨터에 의해, 이미지를 디스플레이하기 위한 타겟 디바이스의 색역에 기초하여, 색역내(IG) 화소들과 색역외(OOG) 화소들을 복수의 화소들에 대해 결정하는 단계;

컴퓨터에 의해, m-비트 분해능 - m은 정수임 - 을 갖는 IG 포인트들의 거친 그리드를 포함하는 거친 색역 헐을 생성하는 단계;

컴퓨터에 의해, 적어도 하나의 OOG 화소에 대한 거친 거리 메트릭 - 거친 거리 메트릭은 OOG 화소와 IG 포인트들의 거친 그리드에서의 복수의 거친 색역 헐 포인트들 사이에 있음 - 을 계산하는 단계;

복수의 거친 색역 헐 포인트들 중에서, 컴퓨터에 의해, 복수의 거친 색역 헐 포인트들의 다른 거친 색역 헐 포인트들보다 OOG 화소에 대한 더 짧은 거리 메트릭을 갖는 u개의 거친 색역 헐 포인트 - u는 정수임 - 를 계산하는 단계;

u개의 거친 색역 헐 포인트의 각각의 거친 색역 헐 포인트에 대해, 컴퓨터에 의해, u개의 거친 색역 헐 포인트의 각각의 거친 색역 헐 포인트의 이웃에 IG 포인트들의 미세 그리드 - 미세 그리드는 q 비트 분해능을 가지며, q는 m보다 더 큰 정수임 - 를 포함하는 미세 색역 헐을 생성하는 단계;

컴퓨터에 의해, 적어도 하나의 OOG 화소에 대한 미세 거리 메트릭 - 미세 거리 메트릭은 OOG 화소와 IG 포인트들의 미세 그리드에서의 복수의 미세 색역 헐 포인트들 사이에 있음 - 을 계산하는 단계;

컴퓨터에 의해, 계산된 미세 거리 메트릭들 중에서 최단 거리 메트릭을 계산하는 단계; 및

컴퓨터에 의해, 계산된 최단 거리 메트릭에 기초하여 적어도 하나의 OOG 화소를 IG 화소에 색역 매핑하는 단계

를 포함한다.

EEE 2. EEE 1의 방법에 있어서, 복수의 거친 색역 헐 포인트들은 모든 거친 그리드 IG 포인트들을 포함한다.

EEE 3. EEE 1의 방법에 있어서, u = 32이다.

EEE 4. EEE 1의 방법에 있어서, 복수의 미세 색역 헐 포인트들은 모든 미세 그리드 IG 포인트들을 포함한다.

EEE 5. EEE 1의 방법에 있어서, 계산된 미세 거리 메트릭들은 모든 u개의 거친 색역 헐 포인트들에 대한 모든 미세 거리 메트릭들을 포함한다.

EEE 6. EEE 1의 방법에 있어서, 컴퓨터에 의해, 거친 색역 헐을 생성하는 단계는 거친 색역 헐을 색역 매핑 컬러 공간으로 변환하는 단계를 포함한다.

EEE 7. EEE 6의 방법에 있어서, 컴퓨터에 의해, OOG 화소들을 복수의 화소들에 대해 결정하는 단계는, OOG 화소들을 색역 매핑 컬러 공간으로 변환하는 단계를 포함한다.

EEE 8. EEE 7의 방법에 있어서, 컴퓨터에 의해, 거친 거리 메트릭을 계산하는 단계는 색역 매핑 컬러 공간에서 수행된다.

EEE 9. EEE 8의 방법에 있어서, 컴퓨터에 의해, 미세 색역 헐을 생성하는 단계는 미세 색역 헐을 색역 매핑 컬러 공간으로 변환하는 단계를 포함한다.

EEE 10. EEE 9에 있어서, 컴퓨터에 의해, 미세 거리 메트릭을 계산하는 단계는 색역 매핑 컬러 공간에서 수행되는, 방법.

EEE 11. EEE 10의 방법에 있어서, 타겟 디바이스의 색역 내에 이미지를 디스플레이하는 단계를 더 포함하며, 디스플레이되는 이미지는 적어도 하나의 색역 매핑된 OOG 화소를 포함한다.

EEE 12. EEE 11의 방법에 있어서, 색역 매핑 컬러 공간은 IPT-PQ이다.

EEE 13. EEE 12의 방법에 있어서, 색역 매핑은 WmindE 매핑 알고리즘으로 수행된다.

EEE 14. EEE 1의 방법에 있어서,

컴퓨터에 의해, p-비트 분해능 - p는 q보다 더 큰 정수임 - 을 갖는 IG 포인트들의 더 미세한 그리드를 포함하는 더 미세한 색역 헐을 생성하는 단계; 및

컴퓨터에 의해, 적어도 하나의 OOG 화소에 대한 더 미세한 거리 메트릭 - 더 미세한 거리 메트릭은 OOG 화소와 IG 포인트들의 더 미세한 그리드에서의 복수의 더 미세한 색역 헐 포인트들 사이에 있음 - 을 계산하는 단계

를 더 포함하며,

컴퓨터에 의해, 최단 거리 메트릭을 계산하는 단계는 계산된 더 미세한 거리 메트릭들 중에 있다.

EEE 15. EEE 14에 있어서, 컴퓨터에 의해, 증가하는 비트 분해능들을 갖는 IG 포인트들의 추가적인 색역 헐들을 생성하는 단계; 및

컴퓨터에 의해, OOG 화소와 추가적인 색역 헐들 사이의 적어도 하나의 OOG 화소에 대한 추가적인 거리 메트릭들을 계산하는 단계

를 더 포함하며,

컴퓨터에 의해, 최단 거리 메트릭을 계산하는 단계는 계산된 추가적인 거리 메트릭들 중에 있는, 방법.

EEE 16. 컴퓨터에 의해 구현되는 방법은,

컴퓨터에 의해, 복수의 화소들을 포함하는 이미지를 제공하는 단계;

컴퓨터에 의해, 이미지를 디스플레이하기 위한 타겟 디바이스를 위한 룩업 테이블(LUT) - LUT는 매핑될 복수의 LUT 정점들을 포함함 - 을 제공하는 단계;

복수의 LUT 정점들에 대해, 컴퓨터에 의해, 이미지를 디스플레이하기 위한 타겟 디바이스의 색역에 기초하여, 색역내(IG) LUT 정점들 및 색역외(OOG) LUT 정점들을 결정하는 단계;

컴퓨터에 의해, m-비트 분해능 - m은 정수임 - 을 갖는 IG 포인트들의 거친 그리드를 포함하는 거친 색역 헐을 생성하는 단계;

컴퓨터에 의해, 적어도 하나의 OOG 정점에 대한 거친 거리 메트릭 - 거친 거리 메트릭은 OOG 정점과 IG 포인트들의 거친 그리드에서의 복수의 거친 색역 헐 포인트들 사이에 있음 - 을 계산하는 단계;

복수의 거친 색역 헐 포인트들 중에서, 컴퓨터에 의해, 복수의 거친 색역 헐 포인트들의 다른 거친 색역 헐 포인트들보다 OOG 정점에 대한 더 짧은 거리 메트릭을 갖는 u개의 거친 색역 헐 포인트 - u는 정수임 - 를 계산하는 단계;

u개의 거친 색역 헐 포인트의 각각의 거친 색역 헐 포인트에 대해, 컴퓨터에 의해, u개의 거친 색역 헐 포인트의 각각의 거친 색역 헐 포인트 주위의 IG 포인트들의 미세 그리드 - 미세 그리드는 q 비트 분해능을 가지며, q는 m보다 더 큰 정수임 - 를 포함하는 미세 색역 헐을 생성하는 단계;

컴퓨터에 의해, 적어도 하나의 OOG 정점에 대한 미세 거리 메트릭 - 미세 거리 메트릭은 OOG 정점과 IG 포인트들의 미세 그리드에서의 복수의 미세 색역 헐 포인트들 사이에 있음 - 을 계산하는 단계;

컴퓨터에 의해, 계산된 미세 거리 메트릭들 중에서 최단 거리 메트릭을 계산하는 단계;

컴퓨터에 의해, 계산된 최단 거리 메트릭에 기초하여 적어도 하나의 OOG 정점을 IG 정점에 색역 매핑하는 단계;

컴퓨터에 의해, LUT의 적어도 하나의 색역 매핑된 OOG 정점에 기초하여 이미지의 적어도 하나의 OOG 화소를 색역 매핑하는 단계; 및

컴퓨터에 의해, 타겟 디바이스의 색역 내에 이미지를 디스플레이하는 단계 - 디스플레이된 이미지는 적어도 하나의 색역 매핑된 OOG 화소를 포함함 -

를 포함한다.

EEE 17. EEE 16의 방법에 있어서, 복수의 거친 색역 헐 포인트들은 모든 거친 그리드 IG 포인트들을 포함한다.

EEE 18. EEE 16의 방법에 있어서, u = 32이다.

EEE 19. EEE 16의 방법에 있어서, 복수의 미세 색역 헐 포인트들은 모든 미세 그리드 IG 포인트들을 포함한다.

EEE 20. EEE 16의 방법에 있어서, 계산된 미세 거리 메트릭들은 모든 u개의 거친 색역 헐 포인트들에 대한 모든 미세 거리 메트릭들을 포함한다.

EEE 21. EEE 1의 방법에 있어서, 복수의 거친 및 미세 색역 헐 포인트들의 위치들은,

RGB 타겟 컬러 공간에서의 큐브 형상 색역의 6개 표면 상의 포인트들의 규칙적인 그리드를 샘플링하는 것; 및

샘플링된 포인트들의 값들을 색역 매핑 공간에 전사하는 것

에 의해 결정된다.

EEE 22. EEE 21의 방법에 있어서, 거친 색역 헐은 RGB 및 백색 색역 헐로부터 유래하는 12개 면에 의해 형성되는 다면체로서 성형된다.

EEE 23. EEE 16의 방법에 있어서, LUT를 제공하는 단계는 제공하는 단계에 앞서 LUT에 3차원 또는 4차원 필터링을 적용하는 단계를 포함한다.

EEE 24. EEE 23의 방법에 있어서, 필터링은 콘볼루션 또는 메디안 필터링을 포함한다.

Claims (16)

1. 색역 매핑 컬러 공간(gamut mapping color space)에서부터 타겟 컬러 공간으로의 색역 매핑을 위한 컴퓨터에 의해 구현되는 방법으로서,
   컴퓨터에 의해, 상기 색역 매핑 컬러 공간에서 이미지 - 상기 이미지는 복수의 화소들을 포함함 - 를 제공하는 단계;
   상기 컴퓨터에 의해, 타겟 디바이스의 색역에 기초하여, 색역외(out-of-gamut)(OOG) 화소들을 상기 복수의 화소들에 대해 결정하는 단계;
   상기 컴퓨터에 의해, m-비트 분해능을 갖는 거친 그리드(course grid) - m은 정수이며, 상기 거친 그리드는 상기 타겟 컬러 공간 내에 정의되는 규칙적인 그리드임 - 내에 IG 포인트들을 포함하는 거친 색역 헐(coarse gamut hull)을 생성하는 단계;
   상기 컴퓨터에 의해, 상기 거친 색역 헐을 상기 색역 매핑 컬러 공간으로 변환하는 단계;
   상기 컴퓨터에 의해, 적어도 하나의 OOG 화소에 대해, 상기 적어도 하나의 OOG 화소와, IG 포인트들의 상기 거친 그리드에서의 복수의 거친 색역 헐 포인트들의 각각의 거친 색역 헐 포인트 사이의 거친 거리 메트릭의 복수의 값들을 계산하는 단계 - 상기 거친 거리 메트릭 값들을 계산하는 단계는 상기 색역 매핑 컬러 공간에서 수행됨 -;
   상기 복수의 거친 색역 헐 포인트들 중에서, 상기 컴퓨터에 의해, 상기 복수의 거친 색역 헐 포인트들의 다른 거친 색역 헐 포인트들보다 더 작은 거친 거리 메트릭 값을 갖는 u개의 거친 색역 헐 포인트 - u는 정수임 - 를 계산하는 단계;
   상기 u개의 거친 색역 헐 포인트의 각각의 거친 색역 헐 포인트에 대해, 상기 컴퓨터에 의해, q 비트 분해능을 갖는 미세 그리드 - q는 m보다 더 큰 정수이고 상기 미세 그리드는 상기 타겟 컬러 공간에서의 규칙적인 그리드임 - 에서, 상기 u개의 거친 색역 헐 포인트의 각각의 거친 색역 헐 포인트의 이웃에 IG 포인트들을 포함하는 미세 색역 헐을 생성하는 단계;
   상기 컴퓨터에 의해, 상기 미세 색역 헐을 상기 색역 매핑 컬러 공간으로 변환하는 단계;
   상기 컴퓨터에 의해, 상기 적어도 하나의 OOG 화소에 대해, 상기 적어도 하나의 OOG 화소와, IG 포인트들의 상기 미세 그리드에서의 복수의 미세 색역 헐 포인트들의 각각의 미세 색역 헐 포인트 사이의 미세 거리 메트릭의 복수의 값들을 계산하는 단계 - 상기 미세 거리 메트릭 값들을 계산하는 단계는 상기 색역 매핑 컬러 공간에서 수행됨 -;
   상기 컴퓨터에 의해, 상기 계산된 미세 거리 메트릭 값들 중에서 최소 거리 메트릭 값을 계산하는 단계; 및
   상기 컴퓨터에 의해, 상기 계산된 최소 거리 메트릭 값에 기초하여 상기 적어도 하나의 OOG 화소를 IG 화소에 색역 매핑하는 단계
   를 포함하는, 방법.
2. 제1항에 있어서, 상기 복수의 거친 색역 헐 포인트들은 상기 타겟 디바이스의 색역의 경계의 모든 거친 그리드 IG 포인트들을 포함하는, 방법.
3. 제1항 또는 제2항에 있어서, u = 32인, 방법.
4. 제1항에 있어서, 상기 복수의 미세 색역 헐 포인트들은 상기 타겟 디바이스의 색역의 경계의 모든 미세 그리드 IG 포인트들을 포함하는, 방법.
5. 제1항에 있어서, 상기 계산된 미세 거리 메트릭 값들은 모든 u개의 거친 색역 헐 포인트에 대한 모든 미세 거리 메트릭 값들을 포함하는, 방법.
6. 제1항에 있어서, 상기 타겟 디바이스는 상기 이미지를 디스플레이하기 위한 디바이스이며, 상기 방법은 상기 타겟 디바이스의 색역 내에 상기 이미지를 디스플레이하는 단계 - 상기 디스플레이된 이미지는 상기 적어도 하나의 색역 매핑된 OOG 화소를 포함함 - 를 임의로 더 포함하는, 방법.
7. 제6항에 있어서, 상기 색역 매핑 컬러 공간은 IPT-PQ이며, 그리고/또는 색역 매핑은 가중 최소 델타 E(weighted-minimum-delta-E) 매핑 알고리즘으로 수행되는, 방법.
8. 제1항에 있어서,
   상기 컴퓨터에 의해, p-비트 분해능 - p는 q보다 더 큰 정수임 - 을 갖는 IG 포인트들의 더 미세한 그리드를 포함하는 더 미세한 색역 헐을 생성하는 단계; 및
   상기 컴퓨터에 의해, 상기 적어도 하나의 OOG 화소에 대해, 상기 적어도 하나의 OOG 화소와, IG 포인트들의 상기 더 미세한 그리드에서의 복수의 더 미세한 색역 헐 포인트들 사이의 더 미세한 거리 메트릭의 복수의 값들을 계산하는 단계
   를 더 포함하며,
   상기 컴퓨터에 의해, 상기 최소 거리 메트릭 값을 계산하는 단계는 상기 계산된 더 미세한 거리 메트릭 값들 중에 있는, 방법.
9. 제8항에 있어서,
   상기 컴퓨터에 의해, 증가하는 비트 분해능들을 갖는 IG 포인트들의 추가적인 색역 헐들을 생성하는 단계; 및
   상기 컴퓨터에 의해, 상기 적어도 하나의 OOG 화소와 상기 추가적인 색역 헐들 사이의 추가적인 거리 메트릭 값들을 계산하는 단계
   를 더 포함하며,
   상기 컴퓨터에 의해, 상기 최소 거리 메트릭 값을 계산하는 단계는 상기 계산된 추가적인 거리 메트릭들 중에 있는, 방법.
10. 색역 매핑 컬러 공간에서부터 타겟 컬러 공간으로의 색역 매핑 이미지들을 위한 룩업 테이블(LUT)을 생성하기 위한 컴퓨터에 의해 구현되는 방법으로서,
    컴퓨터에 의해, 타겟 디바이스를 위한 LUT - 상기 LUT는 상기 타겟 컬러 공간에 매핑될 상기 색역 매핑 컬러 공간에서의 복수의 LUT 포인트들을 포함함 - 를 제공하는 단계;
    상기 컴퓨터에 의해, 상기 타겟 디바이스의 색역에 기초하여, 색역외(OOG) LUT 포인트들을 상기 복수의 LUT 포인트들에 대해 결정하는 단계;
    상기 컴퓨터에 의해, m-비트 분해능을 갖는 거친 그리드 - m은 정수이며, 상기 거친 그리드는 상기 타겟 컬러 공간 내에 정의되는 규칙적인 그리드임 - 내에 IG 포인트들을 포함하는 거친 색역 헐을 생성하는 단계;
    상기 컴퓨터에 의해, 상기 거친 색역 헐을 상기 색역 매핑 컬러 공간으로 변환하는 단계;
    상기 컴퓨터에 의해, 적어도 하나의 OOG LUT 포인트에 대해, 상기 적어도 하나의 OOG LUT 포인트와, IG 포인트들의 상기 거친 그리드에서의 복수의 거친 색역 헐 포인트들의 각각의 거친 색역 헐 포인트 사이의 거친 거리 메트릭의 복수의 값들을 계산하는 단계 - 상기 거친 거리 메트릭 값들을 계산하는 단계는 상기 색역 매핑 컬러 공간에서 수행됨 -;
    상기 복수의 거친 색역 헐 포인트들 중에서, 상기 컴퓨터에 의해, 상기 복수의 거친 색역 헐 포인트들의 다른 거친 색역 헐 포인트들보다 더 작은 거친 거리 메트릭 값을 갖는 u개의 거친 색역 헐 포인트 - u는 정수임 - 를 계산하는 단계;
    상기 u개의 거친 색역 헐 포인트의 각각의 거친 색역 헐 포인트에 대해, 상기 컴퓨터에 의해, q 비트 분해능을 갖는 미세 그리드 - q는 m보다 더 큰 정수이고 상기 미세 그리드는 상기 타겟 컬러 공간에서 정의되는 규칙적인 그리드임 - 에서, 상기 u개의 거친 색역 헐 포인트의 각각의 거친 색역 헐 포인트의 이웃에 IG 포인트들을 포함하는 미세 색역 헐을 생성하는 단계;
    상기 컴퓨터에 의해, 상기 미세 색역 헐을 상기 색역 매핑 컬러 공간으로 변환하는 단계;
    상기 컴퓨터에 의해, 상기 적어도 하나의 OOG LUT 포인트에 대해, 상기 적어도 하나의 OOG LUT 포인트와, IG 포인트들의 상기 미세 그리드에서의 복수의 미세 색역 헐 포인트들 사이의 복수의 미세 거리 메트릭 값들을 계산하는 단계 - 상기 미세 거리 메트릭 값들을 계산하는 단계는 상기 색역 매핑 컬러 공간에서 수행됨 -;
    상기 컴퓨터에 의해, 상기 계산된 미세 거리 메트릭 값들 중에서 최소 거리 메트릭 값을 계산하는 단계;
    상기 컴퓨터에 의해, 상기 계산된 최소 거리 메트릭 값에 기초하여 상기 적어도 하나의 OOG LUT 포인트를 IG 포인트에 색역 매핑하는 단계; 및
    상기 IG 포인트를 상기 적어도 하나의 OOG LUT 포인트의 값으로서 포함시킴으로써 색역 매핑을 위한 상기 룩업 테이블(LUT)을 생성하는 단계
    를 포함하는, 방법.
11. 제10항에 있어서,
    컴퓨터에 의해, 복수의 화소들을 포함하는 이미지를 제공하는 단계; 및
    상기 컴퓨터에 의해, 생성된 LUT에 기초하여 상기 이미지의 적어도 하나의 OOG 화소를 색역 매핑하는 단계
    를 더 포함하며, 임의로:
    상기 타겟 디바이스는 상기 이미지를 디스플레이하기 위한 디바이스이고, 상기 방법은, 상기 컴퓨터에 의해, 상기 타겟 디바이스의 색역 내에 상기 이미지를 디스플레이하는 단계 - 상기 디스플레이된 이미지는 상기 적어도 하나의 색역 매핑된 OOG 화소를 포함함 - 를 더 포함하는, 방법.
12. 제10항 또는 제11항에 있어서, 상기 복수의 거친 및 미세 색역 헐 포인트들의 위치들은,
    RGB 타겟 컬러 공간에서의 큐브 형상 색역의 6개 표면 상의 포인트들의 규칙적인 그리드를 샘플링하는 것; 및
    상기 샘플링된 포인트들의 값들을 색역 매핑 공간에 전사하는 것
    에 의해 결정되는, 방법.
13. 제12항에 있어서, 상기 거친 색역 헐은 RGB 및 백색 색역 헐로부터 유래하는 12개 면에 의해 형성되는 다면체로서 성형되는, 방법.
14. 제10항에 있어서, 상기 LUT를 제공하는 단계는 상기 제공하는 단계에 앞서 상기 LUT에 3차원 또는 4차원 필터링을 적용하는 단계를 포함하며, 임의로 상기 필터링은 콘볼루션 또는 메디안 필터링을 포함하는, 방법.
15. 제1항에 따른 방법을 실행하기 위한 컴퓨터 실행가능 명령어들을 저장하는, 비일시적 컴퓨터 판독가능 저장 매체.
16. 제1항을 구현하도록 구성되는, 장치.

Images