KR102196749B1 - 가중치 특징점을 이용한 이미지 정합 방법 및 그 시스템 - Google Patents

가중치 특징점을 이용한 이미지 정합 방법 및 그 시스템 Download PDF

Info

Publication number
KR102196749B1
KR102196749B1 KR1020180149355A KR20180149355A KR102196749B1 KR 102196749 B1 KR102196749 B1 KR 102196749B1 KR 1020180149355 A KR1020180149355 A KR 1020180149355A KR 20180149355 A KR20180149355 A KR 20180149355A KR 102196749 B1 KR102196749 B1 KR 102196749B1
Authority
KR
South Korea
Prior art keywords
image
feature points
feature point
matching
weighted
Prior art date
Application number
KR1020180149355A
Other languages
English (en)
Other versions
KR20200064221A (ko
Inventor
위영철
김종오
이현철
Original Assignee
주식회사 큐램
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 주식회사 큐램 filed Critical 주식회사 큐램
Priority to KR1020180149355A priority Critical patent/KR102196749B1/ko
Publication of KR20200064221A publication Critical patent/KR20200064221A/ko
Application granted granted Critical
Publication of KR102196749B1 publication Critical patent/KR102196749B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06K9/3233—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

가중치 특징점을 이용한 이미지 정합 방법 및 그 시스템이 개시된다. 상기 가중치 특징점을 이용한 이미지 정합 방법은 이미지 정합 시스템이 제1이미지의 제1정합영역 및 제2이미지의 제2정합영역에서 각각 특징점들을 추출하여 전체 특징점 리스를 특정하는 단계, 상기 이미지 정합 시스템이 상기 전체 특징점 리스트에서 상기 제1이미지와 상기 제2이미지를 정합하기 위한 변환정보의 생성에 이용될 기준 특징점들을 선택하는 단계, 및 상기 이미지 정합 시스템이 선택한 기준 특징점들에 기초하여 상기 변환정보를 생성하고 생성한 변환정보에 기초하여 상기 제1이미지와 상기 제2이미지를 정합하는 단계를 포함하며, 상기 기준 특징점들을 선택하는 단계는 상기 이미지 정합 시스템이 소정의 방식으로 상기 특징점들 중에서 적어도 하나의 가중치 특징점이 포함된 가중치 특징점 리스트를 특정하는 단계 및 상기 이미지 정합 시스템이 상기 가중치 특징점 리스트에 포함된 가중치 특징점이 적어도 하나 상기 기준 특징점들에 포함되도록 상기 기준 특징점들을 선택하는 단계를 포함한다.

Description

가중치 특징점을 이용한 이미지 정합 방법 및 그 시스템{Method and system for image registering using weighted feature point}
본 발명은 이미지 정합 방법 및 그 시스템에 관한 것으로, 정합대상이 되는 이미지를 특징점(Feature point) 기반으로 정합할 때 사용자가 원하는 특정 영역을 다른 영역보다 원활하게 정합할 수 있는 방법 및 시스템에 관한 것이다.
서로 다른 두 이미지를 정합하기 위한 기술적 사상들이 널리 공지되어 있다.
이미지 정합은 일반적으로 파노라마 이미지와 같이 넓은 시야각을 커버하는 이미지를 생성하고자 할 때 자주 사용되고 있으며, 최근의 모바일 기기(예컨대, 스마트 폰 등)의 많은 보급 추세에 따라 상기 모바일 기기에서 제공되는 다양한 이미지 솔루션을 위해 이러한 이미지 정합은 더욱 널리 이용되고 있다.
이미지 정합에서 중요한 요소는 서로 다른 두 이미지를 정합하였을 때 시각적으로 자연스러운 정합이 가능할 수 있도록 하는 것이다. 일반적으로 이러한 이미지 정합을 위해서는 서로 다른 두 이미지가 겹치는 영역이 존재하는 경우, 겹치는 영역에 공통적으로 존재하는 객체간의 관계를 이용하여 두 이미지를 정합하는 방식이다.
정합의 대상이 되는 서로 다른 두 이미지 간에 공통적으로 존재하는 객체의 존재 여부는 일반적으로 두 이미지들 각각으로부터 존재하는 특징점을 탐색하여 탐색된 특징점이 서로 매칭되는 경우에 동일한 객체라고 판단하는 방식 등이 널리 알려져 있다.
이러한 특징점을 이용한 객체인식 또는 동일한 객체가 존재하는지 여부를 판단하는 방식의 일예는 SIFT(Scale-Invariant-Feature Transform) 알고리즘 등 널리 알려져 있으며, 본 발명의 기술적 사상을 구현하기 위해 특징점을 탐색하거나 탐색된 특징점이 매칭되는 특징점인지 여부를 판단하는 방식에는 구애되지 않을 수 있다.
한편, 이러한 특징점들을 이용해 두 이미지를 정합하는 경우 대체적으로 자연스러운 정합이 이루어지기는 하지만, 모든 특징점들 간에 서로 완전히 겹쳐지도록 변환정보(예컨대, 변환행렬)를 생성하는 것은 불가능하다.
즉, 이미지 정합을 위해 어느 한 이미지를 특정 변환정보를 이용하여 변환하는 경우 필연적으로 에러가 생기는 영역이 발생한다. 그리고 통상의 이미지 정합에서는 정합되는 영역에서 전체 에러가 가장 작게 생기도록 하는 변환정보를 연산하고 이를 통해 특정 이미지를 변환하여 이미지 정합을 수행하게 된다.
전체 에러가 최소 또는 최소에 가깝도록 변환정보를 연산하기 위한 방식은 널리 알려져 있으며, 이러한 일 예는 RANSAC(Random Sample Consensus)일 수 있다.
결국 종래의 이미지 정합에서는 정합되는 영역 전체에 대해 에러가 작아지도록 즉, 자연스러운 정합이 이루어지도록 하는 시도가 이루어지고 있다.
하지만 필요에 따라 정합 영역 전체에 대해서는 비록 에러가 커지더라도 특정 영역만큼은 자연스러운 정합이 수행되도록 할 필요가 있다.
예컨대, 정합 영역에 존재하는 객체 중에 특히 자연스럽게 정합이 되어야 하는 객체가 존재할 경우에는 이러한 객체의 정합이 다른 영역(예컨대, 플랫(flat)한 이미지 영역 등)에 비해 훨씬 자연스러워야 정함품질이 높은 것으로 보일 수 있다.
따라서 이미지 정합에 있어서 정합되는 영역 중 특정 영역의 이미지 정합이 다른 영역에 비해 보다 잘 정합될 수 있도록 하는 기술적 사상이 요구된다.
한국등록특허 등록번호 10-1440826 "이미지 정합 방법 및 이미지 정합 장치"
본 발명이 이루고자 하는 기술적인 과제는 이미지 정합에 있어서 특정 영역(예컨대, 사용자의 관심영역)의 정합성능을 특별히 더 향상시키면서도 전체 영역이 자연스럽게 정합될 수 있도록 하는 방법 및 그 시스템을 제공하는 것이다.
상기 기술적 과제를 달성하기 위한 가중치 특징 점을 이용한 이미지 정합 방법은 이미지 정합 시스템이 제1이미지의 제1정합영역 및 제2이미지의 제2정합영역에서 각각 특징점들을 추출하여 전체 특징점 리스를 특정하는 단계, 상기 이미지 정합 시스템이 상기 전체 특징점 리스트에서 상기 제1이미지와 상기 제2이미지를 정합하기 위한 변환정보의 생성에 이용될 기준 특징점들을 선택하는 단계, 및 상기 이미지 정합 시스템이 선택한 기준 특징점들에 기초하여 상기 변환정보를 생성하고 생성한 변환정보에 기초하여 상기 제1이미지와 상기 제2이미지를 정합하는 단계를 포함하며, 상기 기준 특징점들을 선택하는 단계는 상기 이미지 정합 시스템이 소정의 방식으로 상기 특징점들 중에서 적어도 하나의 가중치 특징점이 포함된 가중치 특징점 리스트를 특정하는 단계 및 상기 이미지 정합 시스템이 상기 가중치 특징점 리스트에 포함된 가중치 특징점이 적어도 하나 상기 기준 특징점들에 포함되도록 상기 기준 특징점들을 선택하는 단계를 포함한다.
상기 가중치 특징 점을 이용한 이미지 정합 방법은 상기 이미지 정합 시스템이 상기 제1이미지 및 상기 제2이미지를 소정의 임시 변환정보에 기초하여 정합하여 임시 정합 이미지를 출력하는 단계 및 출력된 상기 임시 정합 이미지에 기초하여 사용자로부터 관심 영역을 입력받는 단계를 더 포함하며, 상기 이미지 정합 시스템이 소정의 방식으로 상기 특징점들 중에서 적어도 하나의 가중치 특징점이 포함된 가중치 특징점 리스트를 특정하는 단계는 상기 관심 영역 내에 존재하는 특징점을 상기 가중치 특징점으로 설정하는 것을 특징으로 할 수 있다.
상기 이미지 정합 시스템이 상기 가중치 특징점 리스트에 포함된 가중치 특징점이 적어도 하나 상기 기준 특징점들에 포함되도록 상기 기준 특징점들을 선택하는 단계는 상기 가중치 특징점 리스트로부터 미리 설정된 개수를 기준 특징점으로 미리 선택하는 단계, 미리 선택한 기준 특징점을 제외한 나머지 필요 개수를 상기 전체 특징점 리스트로부터 선택하는 단계를 포함할 수 있다.
상기 미리 선택한 기준 특징점을 제외한 나머지 필요 개수를 상기 전체 특징점 리스트로부터 선택하는 단계는 상기 미리 선택한 기준 특징점을 인리어(inlier)로 포함하며 상기 전체 특징점 리스트에서 상기 필요 개수만큼의 인리어를 추가로 탐색하는 RANSAC(Random sample consensus) 알고리즘을 이용하는 것을 특징으로 할 수 있다.
상기 기술적 과제를 해결하기 위한 가중치 특징점을 이용한 이미지 정합 방법은 이미지 정합 시스템이 복수의 이미지들을 입력받아 상기 복수의 이미지들을 소정의 방식으로 정합한 정합 이미지를 생성하는 단계, 상기 이미지 정합 시스템이 사용자로부터 적어도 하나의 관심 영역을 선택받는 단계, 상기 이미지 정합 시스템이 상기 적어도 하나의 관심 영역 내에 존재하는 특징점들 중에서 적어도 하나가 미리 정해진 개수의 기준 특징점들에 포함되도록 기준 특징점을 선택하는 단계, 및 선택한 기준 특징점들에 기초하여 결정되는 변환정보를 이용하여 상기 복수의 이미지들을 재정합하는 단계를 포함한다.
상기 방법은 컴퓨터 프로그램에 의해 구현될 수 있다.
상기 기술적 과제를 해결하기 위한 가중치 특징점을 이용한 이미지 정합 시스템은 프로세서 및 상기 프로세서에 의해 실행되는 프로그램이 기록된 저장매체를 포함하며, 상기 프로그램은 제1이미지의 제1정합영역 및 제2이미지의 제2정합영역에서 각각 특징점들을 추출하여 전체 특징점 리스를 특정하고, 상기 전체 특징점 리스트에서 상기 제1이미지와 상기 제2이미지를 정합하기 위한 변환정보의 생성에 이용될 기준 특징점들을 선택하며, 선택한 기준 특징점들에 기초하여 상기 변환정보를 생성하고 생성한 변환정보에 기초하여 상기 제1이미지와 상기 제2이미지를 정합하되, 상기 프로그램은 소정의 방식으로 상기 특징점들 중에서 적어도 하나의 가중치 특징점이 포함된 가중치 특징점 리스트를 특정하고, 상기 가중치 특징점 리스트에 포함된 가중치 특징점이 적어도 하나 상기 기준 특징점들에 포함되도록 상기 기준 특징점들을 선택한다.
상기 프로그램은 상기 제1이미지 및 상기 제2이미지를 소정의 임시 변환정보에 기초하여 정합하여 임시 정합 이미지를 출력하고, 출력된 상기 임시 정합 이미지에 기초하여 사용자로부터 관심 영역을 입력받으며, 상기 관심 영역 내에 존재하는 특징점을 상기 가중치 특징점으로 설정하는 것을 특징으로 할 수 있다.
상기 프로그램은 상기 가중치 특징점 리스트로부터 미리 설정된 개수를 기준 특징점으로 미리 선택하고, 미리 선택한 기준 특징점을 제외한 나머지 필요 개수를 상기 전체 특징점 리스트로부터 선택할 수 있다.
상기 프로그램은 상기 미리 선택한 기준 특징점을 인리어(inlier)로 포함하며 상기 전체 특징점 리스트에서 상기 필요 개수만큼의 인리어를 추가로 탐색하는 RANSAC(Random sample consensus) 알고리즘을 이용할 수 있다.
상기 기술적 과제를 해결하기 위한 가중치 특징점을 이용한 이미지 정합 시스템은 프로세서 및 상기 프로세서에 의해 실행되는 프로그램이 기록된 저장매체를 포함하며, 상기 프로그램은 복수의 이미지들을 입력받아 상기 복수의 이미지들을 소정의 방식으로 정합한 정합 이미지를 생성하고, 사용자로부터 적어도 하나의 관심 영역을 선택받으며, 상기 적어도 하나의 관심 영역 내에 존재하는 특징점들 중에서 적어도 하나가 미리 정해진 개수의 기준 특징점들에 포함되도록 기준 특징점을 선택하며, 선택한 기준 특징점들에 기초하여 결정되는 변환정보를 이용하여 상기 복수의 이미지들을 재정합할 수 있다.
본 발명의 기술적 사상에 의하면, 이미지 정합에 있어서 특정 영역(예컨대, 사용자의 관심영역)을 보다 높은 가중치를 가지도록 정합하여, 특히 자연스러운 정합이 요구되는 영역에 대해 선택적으로 자연스러운 정합이 이루어질 수 있도록 하는 효과가 있다.
또한 변환정보를 연산하기 위한 기준 특징점들의 선택에 있어서 상기 특정 영역에 포함된 특징점을 필수적으로 포함시키되, 몇 개의 특징점을 필수적으로 포함시키도록 하는지에 따라 해당 특정 영역의 정합정도를 조절할 수 있는 효과가 있다.
본 발명의 상세한 설명에서 인용되는 도면을 보다 충분히 이해하기 위하여 각 도면의 간단한 설명이 제공된다.
도 1은 본 발명의 일 실시 예에 따른 가중치 특징점을 이용한 이미지 정합 방법을 구현하기 위한 이미지 정합 시스템의 개략적인 구성을 나타낸다.
도 2는 본 발명의 일 실시 예에 따른 가중치 특징점을 이용한 이미지 정합 시스템의 논리적인 구성을 개략적으로 나타낸다.
도 3은 본 발명의 일 실시 예에 따른 가중치 특징점을 이용한 이미지 정합 방법을 설명하기 위한 플로우 차트를 나타낸다.
도 4 내지 도 5는 본 발명의 실시 예에 따른 가중치 특징점을 이용한 이미지 정합 방법을 적용한 일 예를 나타내는 도면들이다.
본 발명과 본 발명의 동작상의 이점 및 본 발명의 실시에 의하여 달성되는 목적을 충분히 이해하기 위해서는 본 발명의 바람직한 실시 예를 예시하는 첨부 도면 및 첨부 도면에 기재된 내용을 참조하여야만 한다.
또한, 본 명세서에 있어서는 어느 하나의 구성요소가 다른 구성요소로 데이터를 '전송'하는 경우에는 상기 구성요소는 상기 다른 구성요소로 직접 상기 데이터를 전송할 수도 있고, 적어도 하나의 또 다른 구성요소를 통하여 상기 데이터를 상기 다른 구성요소로 전송할 수도 있는 것을 의미한다. 반대로 어느 하나의 구성요소가 다른 구성요소로 데이터를 '직접 전송'하는 경우에는 상기 구성요소에서 다른 구성요소를 통하지 않고 상기 다른 구성요소로 상기 데이터가 전송되는 것을 의미한다.
이하, 첨부한 도면을 참조하여 본 발명의 바람직한 실시 예를 설명함으로써, 본 발명을 상세히 설명한다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.
도 1은 본 발명의 일 실시 예에 따른 가중치 특징점을 이용한 이미지 정합 방법을 구현하기 위한 이미지 정합 시스템의 개략적인 구성을 나타낸다. 또한, 도 2는 본 발명의 일 실시 예에 따른 가중치 특징점을 이용한 이미지 정합 시스템의 논리적인 구성을 개략적으로 나타낸다.
우선 도 1을 참조하면, 본 발명의 실시 예에 따른 가중치 특징점을 이용한 이미지 정합 시스템(100, 이하 '이미지 정합 시스템')은 소정의 데이터 처리장치로 구현될 수 있다.
상기 이미지 정합 시스템(100)은 도 1에 도시된 바와 같이 본 명세서에서 정의되는 기능을 구현하기 위한 프로세서(110) 및 저장매체(120)를 포함한다. 상기 프로세서(110)는 소정의 프로그램(소프트웨어 코드)을 실행할 수 있는 연산장치를 의미할 수 있으며 상기 데이터 처리장치의 구현 예 또는 벤더(Vendor) 모바일 프로세서, 마이크로 프로세서, CPU, 싱글 프로세서, 멀티 프로세서 등 다양한 명칭으로 명명될 수 있다.
상기 저장매체(120)는 본 발명의 기술적 사상을 구현하기 위한 프로그램이 저장/설치되는 장치를 의미할 수 있다. 구현 예에 따라 상기 저장매체(120)는 복수의 서로 다른 물리적 장치로 분할되어 있을 수 있으며, 구현 예에 따라 상기 저장매체(120)의 일부는 상기 프로세서(110)의 내부에 존재할 수도 있다. 상기 저장매체(120)는 구현 예에 따라 하드 디스크, SSD(Solid State Disk), 광 디스크, RAM(Random Access Memory), 및/또는 기타 다양한 종류의 기억매체로 구현될 수 있으며, 필요에 따라서는 상기 이미지 정합 시스템(100)에 착탈식으로 구현될 수도 있다.
상기 이미지 정합 시스템(100)은 예컨대, 모바일 단말기(예컨대, 모바일 폰, 노트북, 태블릿 등) 일 수 있지만 이에 국한되지는 않으며 상기 프로그램을 실행할 데이터 처리능력이 있는 어떠한 데이터 처리장치(예컨대, 컴퓨터, 서버 장치 등)로도 구현될 수 있다.
또한, 상기 이미지 정합 시스템(100)은 상기 프로세서(110), 상기 저장매체(120), 및 상기 이미지 정합 시스템(100)에 구비되는 다양한 주변장치들(예컨대, 입출력장치, 디스플레이 장치, 오디오 장치 등, 141, 142)과 이러한 장치들을 연결하기 위한 통신 인터페이스(예컨대, 통신 버스, 130 등)가 구비될 수도 있음은 본 발명의 기술분야의 평균적 전문가는 용이하게 추론할 수 있을 것이다.
한편, 본 발명의 기술적 사상은 상기 저장매체(120)에 저장된 상기 프로그램과 상기 프로세서(110)가 유기적으로 결합되어 구현될 수 있으며, 이러한 상기 이미지 정합 시스템(100)이 실행하는 기능적인 구성단위는 도 2에 도시된 바와 같을 수 있다.
즉, 상기 이미지 정합 시스템(100)은 제어모듈(210), 특징점 추출모듈(220), 기준 특징점 선택모듈(230), 및 변환정보 연산모듈(240)을 포함할 수 있다.
본 명세서에서 모듈이라 함은, 본 발명의 기술적 사상을 수행하기 위한 하드웨어(예컨대, 상기 프로세서(110) 및/또는 저장매체(120)) 및 상기 하드웨어를 구동하기 위한 소프트웨어(예컨대, 본 발명의 기술적 사상을 구현하기 위한 상기 프로그램)의 기능적, 구조적 결합을 의미할 수 있다. 예컨대, 상기 각각의 구성들은 소정의 코드와 상기 소정의 코드가 수행되기 위한 하드웨어 리소스(resource)의 논리적인 단위를 의미할 수 있으며, 반드시 물리적으로 연결된 코드를 의미하거나, 한 종류나 특정 개수의 하드웨어를 의미하는 것은 아님은 본 발명의 기술분야의 평균적 전문가에게는 용이하게 추론될 수 있다. 따라서 상기 각각의 구성들은 본 명세서에서 정의되는 기능을 수행하는 하드웨어 및 소프트웨어의 결합을 의미하며 특정 물리적 구성을 의미하는 것은 아니다.
상기 제어모듈(110)은 상기 이미지 정합 시스템(100)에 포함되는 다른 구성(예컨대, 상기 특징점 추출모듈(120), 기준 특징점 선택모듈(230), 및/또는 변환정보 연산모듈(240) 등)의 기능 및/또는 리소스(resource)를 제어할 수 있다.
일 예에 의하면, 상기 제어모듈(110)은 상기 이미지 정합 시스템(100)이 구현되는 데이터 처리장치(예컨대, 모바일 폰)에 설치되는 소정의 센서 또는 제어장치(예컨대, 프로세서 등)와 통신을 통해 본 발명의 기술적 사상을 구현하기 위한 신호 또는 정보를 송수신할 수도 있다.
예컨대, 상기 제어모듈(110)은 상기 데이터 처리장치(예컨대, 모바일 폰)로부터 정합대상이 되는 이미지들 각각이 촬영되는 사이에 수행되는 액션에 대한 정보를 수신할 수도 있다. 예컨대 상기 액션은 시야(위치 또는 방향)이 변경되는 액션일 수 있다. 또는 상기 액션은 예컨대, 이미지 촬영시에 스케일(scale)이 변경되는 액션일 수 있다. 이러한 액션에 대한 정보는 예컨대, 정합대상이 되는 이미지들 각각의 정합영역을 특정하는데 이용될 수 있다.
상기 특징점 추출모듈(220)은 정합대상 이미지들 각각의 정합영역에 포함된 객체들의 특징점을 추출할 수 있다. 상기 특징점을 추출하기 위한 방식은 다양할 수 있다. 예컨대, SIFT 알고리즘이 이용될 수도 있지만 이에 국한되지는 않으며, 밝기, 스케일, 및/또는 로테이션에 무관한 객체의 특유한 포인트 즉, 상기 특징점을 추출할 수 있기만 하면 어떠한 방식 또는 알고리즘이 이용될 수도 있다.
또한, 상기 특징점 추출모듈(220)은 정합대상 이미지들 각각의 정합영역으로부터 추출된 복수의 특징점들 중 서로 매칭되는 특징점을 판단할 수도 있다. 즉, 제1정합대상 이미지의 제1정합영역으로부터 추출된 제1특징점들 각각과 매칭되는, 제2정합대상 이미지의 제2정합영역으로부터 추출된 제2특징점들 중에서, 매칭점을 판단할 수 있다.
일 예에 의하면 상기 특징점 추출모듈(220) 제1정합영역으로부터 복수의 제1특징점들을 추출할 수 있다. 그리고 상기 특징점 추출모듈(220)은 제2정합영역으로부터 복수의 제2특징점들을 추출하고, 추출된 제2특징점들 중 상기 제1특징점들 각각과 매치되는 특징점을 판단할 수 있다.
상기 제1정합영역 및/또는 제2정합영역은 제1정합대상 이미지 및/또는 제2정합대상 이미지 자체일 수도 있다. 구현 예에 따라 상기 제1정합영역 및/또는 제2정합영역은 정합대상 이미지의 일부일 수도 있다.
예컨대, 제1정합대상 이미지가 촬영될 때와 제2정합대상 이미지를 촬영할 때의 시야가 변경되는 경우, 이러한 시야를 변경하기 위한 액션이 상기 이미지 정합 시스템(100)이 구현된 데이터 처리장치에서 수행될 수 있다. 상기 제어모듈(110)은 상기 데이터 처리장치에서 수행된 액션에 대한 정보에 기초하여 정합대상 이미지들 각각으로부터 일부의 영역만을 정합영역으로 특정할 수도 있다. 예컨대, 제1정합대상 이미지를 촬영한 후 시야의 방향이 우측으로 일정각도 변경된 경우, 제1정합대상 이미지의 제1정합영역은 상기 제1정합대상 이미지의 우측의 일부분일 수 있고, 제2정합대상 이미지의 제2정합영역은 제2정합대상 이미지의 좌측의 일부분일 수 있다. 이처럼 정합영역이 정합대상 이미지들 각각의 일부만일 경우에는 이미지 정합에 소요되는 시간이 빨라질 수 있는 효과가 있다.
각각의 정합영역은 복수의 블록들로 구분될 수 있다. 각각의 블록은 미리 정해진 크기를 가질 수 있으며, 실시 예에 따라 8ㅧ8, 16ㅧ16, 64ㅧ64 등의 픽셀을 갖는 일정한 형태로 구분될 수 있다.
상기 제1정합대상 이미지의 촬영시와 상기 제2정합대상 이미지의 촬영시 사이에 이루어지는 액션에 대한 정보는 상기 단말기에 설치되는 소정의 센서 또는 프로세서로부터 상기 제어모듈(110)이 수신하여 획득될 수 있다. 구현 예에 따라 상기 이미지 정합 시스템(100)은 가능한 액션을 미리 정해두고, 상기 액션만 수행되도록 제어함으로써 액션에 대한 정보를 미리 특정할 수도 있다.
그러면 상기 특징점 추출모듈(220)은 정합대상 이미지들 각각의 정합영역으로부터 특징점을 추출하고 매칭되는 특징점들을 판단할 수 있다.
상기 기준 특징점 선택모듈(230)은 추출된 특징점들 중 변환정보(예컨대, 변환행렬)를 연산하는데 기초가 되는 특징점들을 선택할 수 있다.
예컨대, 이러한 기준 특징점은 종래에는 이미지 정합과정에서 전체 에러를 줄일 수 있도록 선택되는 방식이 이용되었다. 이러한 방식을 위한 일 예는 RANSAC(Random Sample Consensus) 알고리즘이 있다.
하지만 본 발명의 기술적 사상에 의하면 정합되는 영역 전체를 평균적으로 잘 정합(자연스러운 정합)하기 위한 것이 아니라, 특정 영역에 대해서 보다 높은 비중으로 자연스러운 정합이 이루어지도록 하기 위한 기술적 사상이 요구된다.
이를 위해서는 기준 특징점의 선택에 있어서 상기 특정 영역에 포함된 특징점들이 필수적으로 하나 이상 선택되도록 하는 방식이 이용될 수 있다.
그리고 상기 특정 영역으로부터 추출되는 특징점이 하나 이상 미리 기준 특징점으로 선택된 후, 나머지 기준 특징점을 선택하는 방식이 이용될 수 있다.
특정 영역으로부터 미리 기준 특징점으로 몇 개를 선택할지는 실시 예에 따라 달라질 수 있으며, 사용자에 의해 선택될 수도 있다. 많은 개수를 상기 특정 영역으로부터 추출된 특징점으로 선택할수록, 특정 영역에 대한 정합 성능은 높아질 수 있다. 따라서 특정 영역으로부터 몇 개의 기준 특징점을 필수적으로 선택할지를 미리 선택함으로써 특정 영역에 대한 정합성능의 가중치를 타 영역에 비해 얼마나 높일 것인지에 대한 조절이 가능한 효과가 있다.
예컨대, 기준 특징점은 3개가 필요할 수 있다. 즉, 변환정보를 특정하기 위해서 필요한 최소의 기준 특징점은 3개일 수 있다.
그리고 특정 영역으로부터 1개의 특징점은 필수적으로 기준 특징점으로 선택되도록 가중치를 부여할 경우, 나머지 2개의 특징점은 전체 특징점들에서 선택되도록 할 수 있다. 이때 나머지 2개의 특징점은 상기 특정 영역에서 선택될 수도 있고, 다른 영역에서 선택될 수도 있다. 나머지 2개의 특징점을 선택하는 방식은 1개의 기준 특징점이 미리 선택된 상황에서 전체 에러를 최소화할 수 있도록 하는 방식일 수 있다. 예컨대, RANSAC 알고리즘을 이용하여 나머지 2개의 인리어(inlier)로 분류될 특징점을 찾는 방식이 이용될 수 있다.
예컨대, 상기 특정 영역에서 5개의 특징점(예컨대, FP1 내지 FP5)이 추출되고 전체 정합 영역에서 20개(예컨대, FP1 내지 FP20)의 특징점이 추출될 수 있다. 상기 특징점(예컨대, FP1 내지 FP5)들 즉, 특정 영역에서 추출된 특징점을 가중치 특징점으로 정의할 수 있다.
물론, 이러한 특징점의 개수는 정합대상이 되는 이미지들 중 어느 하나에서 추출되는 특징점일 수 있으며, 다른 이미지에서도 동일한 개수의 대응되는 특징점이 추출될 수 있음은 본 발명의 기술분야의 평균적 전문가는 용이하게 추론할 수 있을 것이다.
그러면 기준 특징점을 선택하기 위해 상기 기준 특징점 선택모듈(230)은 가중치 특징점 리스트에서 임의로 1개의 특징점(예컨대, FP1)을 선택하고, 나머지 2개의 특징점을 전체 특징점 리스트(예컨대, FP2 내지 FP20)에서 선택할 수 있다. 그리고 이때에 FP1 이 이미 인리어로 선택되어 있고 나머지 두 개의 인리어를 선택하도록 하는 RANSAC알고리즘이 이용될 수 있다. 이러한 방식으로 가중치 특징점 리스트 각각에 대해 순차적으로 나머지 두 개의 특징점을 더 선택하는 프로세스가 수행될 수 있고, 최종적으로 가장 작은 에러를 갖도록 하는 기준 특징점이 선택될 수 있다. 결국 가중치 특징점 리스트에서 1개를 인리어로 분류하고 전체 특징점 리스트에서 나머지 2개를 인리어로 분류하도록 하는 RANSAC 알고리즘이 이용될 수 있다. 나머지 2개 중 전부 또는 일부는 가중치 특징점 리스트에서 선택될 수도 있고 전체 특징점 리스트에서 선택될 수 있음은 물론이다.
만약 가중치 특징점 리스트에서 2개를 미리 기준 특징점으로 선택하도록 설정된 경우라면, 가중치 특징점 리스트에서 2개를 인리어로 분류하고 전체 특징점 리스트에서 나머지 1개를 인리어로 분류하도록 하는 RANSAC 알고리즘이 이용될 수 있다. 이러한 경우에는 변환행렬을 생성하는 기준이 되는 기준 특징점들 중에서 적어도 2개가 특정 영역 내에서 선택되었으므로, 상기 특정 영역은 당연히 타 영역에 비해 보다 자연스러운 정합이 이루어질 수 있다.
본 명세서에서 기준 특징점들을 선택하기 위한 일 예로 RANSAC 알고리즘을 사용하는 경우를 설명하였지만, 이에 한정되지는 않으며 어떠한 경우든 변환정보를 연산하는데 기준이 되는 특징점들 및 그 인근의 영역의 정합 성능이 그렇지 않은 영역에 비해 더 높아질 수 있도록 하는 어떠한 알고리즘도 이용될 수 있다.
도 3은 본 발명의 일 실시 예에 따른 가중치 특징점을 이용한 이미지 정합 방법을 설명하기 위한 플로우 차트를 나타낸다.
도 3을 참조하면, 상기 이미지 정합 시스템(100)이 특정 영역을 특정하는 방식은 다양할 수 있다. 일 예에 의하면, 상기 특정 영역은 사용자에 의해 선택될 수도 있고, 상기 제어모듈(210)에 의해 자동으로 선택될 수도 있다. 이를 위해 상기 이미지 정합 시스템(100)은 정합대상이 되는 이미지들이 입력되면(S100), 임시로(예컨대, 종래의 RANSAC 알고리즘에 의한 기준 특징점 선택 방식에 따른 임시 변환정보) 이미지를 정합한 임시 정합 이미지를 생성한 후 사용자에게 제공할 수 있다(S110). 그리고 사용자로부터 특별히 정합이 더 잘되기를 원하는 영역을 선택받을 수 있다(S120). 그러면 선택받은 영역이 상기 특정 영역이 될 수 있다.
다른 실시 예에 의하면, 상기 제어모듈(210)은 미리 소정의 기준으로 상기 특정 영역을 선택할 수도 있다. 예컨대, 객체가 존재하는데 정합 후의 에러가 높은 영역 등이 그러한 예일 수 있다. 다양한 실시 예가 가능할 수 있다.
특정 영역 즉, 관심 영역이 특정되면, 상기 기준 특징점 선택모듈(230)은 전술한 바와 같이 특정 영역 내에서 추출된 특징점에 가중치를 부여한 방식으로 기준 특징점들을 선택할 수 있다(S130). 기준 특징점들이 선택되면, 상기 변환정보 연산모듈(240)은 기준 특징점들을 이용하여 변환정보(예컨대, 제1이미지 또는 제2이미지를 변환할 transformation matrix)를 연산할 수 있다. 기준 특징점들이 선택되면 이에 대응되는 매칭 기준 특징점이 특정되고, 기준 특징점들에서 매칭 기준 특징점으로 변환하기 위한 변환정보가 특정될 수 있다.
그러면 상기 제어모듈(210)은 특정된 변환정보를 이용하여 재정합을 수행할 수 있고(S140), 그러면 상기 특정 영역이 타 영역에 비해 보다 높은 비중으로 정합성능이 향상된 정합 이미지를 획득할 수 있다.
도 4 내지 도 5는 본 발명의 실시 예에 따른 가중치 특징점을 이용한 이미지 정합 방법을 적용한 일 예를 나타내는 도면들이다.
도 4a는 정합 대상이 되는 이미지들의 일 예를 도시하고 있다.
상기 이미지 정합 시스템(100)은 이러한 이미지들을 입력받고, 소정의 방식으로 이미지들을 정합하여 도 4b와 같은 임시 정합 이미지를 생성할 수 있다.
그리고 상기 이미지 정합 시스템(100)은 이러한 임시 정합 이미지에 기초하여 특정 영역 예컨대, 사용자의 관심 영역을 선택받을 수 있다. 이를 위해 상기 이미지 정합 시스템(100)은 적절한 UI를 사용자에게 제공할 수 있음은 물론이다.
예컨대, 도 4c에 도시된 녹색 영역이 사용자로부터 선택받은 관심영역일 수 있다.
그러면 전술한 바와 같이 상기 이미지 정합 시스템(100)은 관심영역으로부터 추출된 특징점들을 가중치 특징점으로 설정하고, 상기 가중치 특징점들로부터 미리 정해진 개수가 기준 특징점으로 선택되도록 기준 특징점 선택 프로세스를 수행할 수 있다. 그리고 선택된 기준 특징점들에 기초하여 변환정보를 연산한 후, 재정합을 수행할 수 있다. 재정합은 물론 관심영역에 상응하는 이미지들에 대해서만 수행될 수 있다. 관심영역이 2개보다 많은 정합대상 이미지에 걸쳐져 있는 경우 2개씩 순차적으로 재정합이 이루어질 수도 있고, 한 번에 재정합이 수행될 수도 있음은 물론이다.
다른 실시 예에 의하면, 도 5a는 임시로 이미지가 정합된 일 예를 도시하고 있다. 도 5a에 도시된 바와 같이 이미지 상에 중요한 객체인 사람 영역의 정합이 부자연스러운 것을 알 수 있다.
이러한 경우 사용자는 도 5b에 도시된 바와 같이 관심영역을 선택받을 수 있다. 그러면 상술한 바와 같이 관심영역에 보다 높은 가중치가 부여된 이미지 재정합이 이루어질 수 있고, 그 결과는 도 5c에 도시된 바와 같을 수 있다.
결국 본 발명의 기술적 사상에 의하면, 이미지 중에서 타영역보다 높은 가중치 또는 비중으로 정합성능이 높아지기를 원하는 영역이 존재하는 경우, 효과적으로 해당 부분에 대해서만 정합성능을 증대시킬 수 있는 효과가 있다.
본 발명의 실시 예에 따른 가중치 특징점을 이용한 이미지 정합 방법은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 하드 디스크, 플로피 디스크, 광 데이터 저장장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
본 발명은 도면에 도시된 일 실시 예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.

Claims (11)

  1. 가중치 특징점을 이용한 이미지 정합 방법에 있어서,
    이미지 정합 시스템이 제1이미지의 제1정합영역 및 제2이미지의 제2정합영역에서 각각 특징점들을 추출하여 전체 특징점 리스트를 특정하는 단계;
    상기 이미지 정합 시스템이 상기 전체 특징점 리스트에서 상기 제1이미지와 상기 제2이미지를 정합하기 위한 변환정보의 생성에 이용될 기준 특징점들을 선택하는 단계; 및
    상기 이미지 정합 시스템이 선택한 기준 특징점들에 기초하여 상기 변환정보를 생성하고 생성한 변환정보에 기초하여 상기 제1이미지와 상기 제2이미지를 정합하는 단계를 포함하며,
    상기 기준 특징점들을 선택하는 단계는,
    상기 이미지 정합 시스템이 소정의 방식으로 상기 특징점들 중에서 적어도 하나의 가중치 특징점이 포함된 가중치 특징점 리스트를 특정하는 단계; 및
    상기 이미지 정합 시스템이 상기 가중치 특징점 리스트에 포함된 가중치 특징점이 적어도 하나 상기 기준 특징점들에 포함되도록 상기 기준 특징점들을 선택하는 단계를 포함하며,
    상기 가중치 특징점을 이용한 이미지 정합 방법은,
    상기 이미지 정합 시스템이 상기 제1이미지 및 상기 제2이미지를 소정의 임시 변환정보에 기초하여 정합하여 임시 정합 이미지를 출력하는 단계; 및
    출력된 상기 임시 정합 이미지에 기초하여 사용자로부터 정합성능의 향상을 원하는 관심 영역을 입력받는 단계를 더 포함하며,
    상기 이미지 정합 시스템이 소정의 방식으로 상기 특징점들 중에서 적어도 하나의 가중치 특징점이 포함된 가중치 특징점 리스트를 특정하는 단계는,
    상기 관심 영역 내에 존재하는 특징점을 상기 가중치 특징점으로 설정하는 것을 특징으로 하는 가중치 특징점을 이용한 이미지 정합 방법.
  2. 삭제
  3. 제1항에 있어서, 상기 이미지 정합 시스템이 상기 가중치 특징점 리스트에 포함된 가중치 특징점이 적어도 하나 상기 기준 특징점들에 포함되도록 상기 기준 특징점들을 선택하는 단계는,
    상기 가중치 특징점 리스트로부터 미리 설정된 개수를 기준 특징점으로 미리 선택하는 단계;
    미리 선택한 기준 특징점을 제외한 나머지 기준 특징점을 상기 전체 특징점 리스트로부터 선택하는 단계를 포함하는 가중치 특징점을 이용한 이미지 정합 방법.
  4. 제3항에 있어서, 상기 미리 선택한 기준 특징점을 제외한 나머지 기준 특징점을 상기 전체 특징점 리스트로부터 선택하는 단계는,
    상기 미리 선택한 기준 특징점을 인리어(inlier)로 포함하며 상기 전체 특징점 리스트에서 상기 나머지 기준 특징점을 인리어로 추가로 탐색하는 RANSAC(Random sample consensus) 알고리즘을 이용하는 것을 특징으로 하는 가중치 특징점을 이용한 이미지 정합 방법.
  5. 삭제
  6. 데이터 처리장치에 설치되며 제1항, 제3항 내지 제4항 중 어느 한 항에 기재된 방법을 수행하기 위한 컴퓨터 판독가능한 기록매체에 저장된 컴퓨터 프로그램.
  7. 프로세서; 및
    상기 프로세서에 의해 실행되는 프로그램이 기록된 저장매체를 포함하며,
    상기 프로그램은,
    제1이미지의 제1정합영역 및 제2이미지의 제2정합영역에서 각각 특징점들을 추출하여 전체 특징점 리스트를 특정하고, 상기 전체 특징점 리스트에서 상기 제1이미지와 상기 제2이미지를 정합하기 위한 변환정보의 생성에 이용될 기준 특징점들을 선택하며, 선택한 기준 특징점들에 기초하여 상기 변환정보를 생성하고 생성한 변환정보에 기초하여 상기 제1이미지와 상기 제2이미지를 정합하되,
    상기 프로그램은,
    소정의 방식으로 상기 특징점들 중에서 적어도 하나의 가중치 특징점이 포함된 가중치 특징점 리스트를 특정하고, 상기 가중치 특징점 리스트에 포함된 가중치 특징점이 적어도 하나 상기 기준 특징점들에 포함되도록 상기 기준 특징점들을 선택하되,
    상기 제1이미지 및 상기 제2이미지를 소정의 임시 변환정보에 기초하여 정합하여 임시 정합 이미지를 출력하고, 출력된 상기 임시 정합 이미지에 기초하여 사용자로부터 정합성능의 향상을 원하는 관심 영역을 입력받으며,
    상기 관심 영역 내에 존재하는 특징점을 상기 가중치 특징점으로 설정하는 것을 특징으로 하는 가중치 특징점을 이용한 이미지 정합 시스템.
  8. 삭제
  9. 제7항에 있어서, 상기 프로그램은,
    상기 가중치 특징점 리스트로부터 미리 설정된 개수를 기준 특징점으로 미리 선택하고, 미리 선택한 기준 특징점을 제외한 나머지 기준 특징점을 상기 전체 특징점 리스트로부터 선택하는 가중치 특징점을 이용한 이미지 정합 시스템.
  10. 제9항에 있어서, 상기 프로그램은,
    상기 미리 선택한 기준 특징점을 인리어(inlier)로 포함하며 상기 전체 특징점 리스트에서 상기 나머지 기준 특징점을 인리어로 추가로 탐색하는 RANSAC(Random sample consensus) 알고리즘을 이용하는 가중치 특징점을 이용한 이미지 정합 시스템.



  11. 삭제
KR1020180149355A 2018-11-28 2018-11-28 가중치 특징점을 이용한 이미지 정합 방법 및 그 시스템 KR102196749B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180149355A KR102196749B1 (ko) 2018-11-28 2018-11-28 가중치 특징점을 이용한 이미지 정합 방법 및 그 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180149355A KR102196749B1 (ko) 2018-11-28 2018-11-28 가중치 특징점을 이용한 이미지 정합 방법 및 그 시스템

Publications (2)

Publication Number Publication Date
KR20200064221A KR20200064221A (ko) 2020-06-08
KR102196749B1 true KR102196749B1 (ko) 2020-12-31

Family

ID=71089848

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180149355A KR102196749B1 (ko) 2018-11-28 2018-11-28 가중치 특징점을 이용한 이미지 정합 방법 및 그 시스템

Country Status (1)

Country Link
KR (1) KR102196749B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102263590B1 (ko) 2021-04-09 2021-06-10 주식회사 에스아이에이 이미지 정합 방법

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115170566B (zh) * 2022-09-07 2022-12-13 湖南视比特机器人有限公司 一种工件的识别方法和识别装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013192270A (ja) 2013-06-17 2013-09-26 Canon Inc 撮像装置、撮像装置の制御方法及びプログラム
KR101355976B1 (ko) 2012-11-13 2014-02-03 재단법인대구경북과학기술원 시공간 특징점 정합을 이용한 객체 추적방법 및 그 장치
KR101734749B1 (ko) * 2016-01-15 2017-05-11 조선대학교산학협력단 차량 주변 영상 정합 시스템 및 방법
JP2017164075A (ja) * 2016-03-15 2017-09-21 富士フイルム株式会社 画像位置合せ装置、方法およびプログラム

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101440826B1 (ko) * 2013-02-05 2014-09-23 광주과학기술원 이미지 정합 방법 및 이미지 정합 장치
KR20150015680A (ko) * 2013-08-01 2015-02-11 씨제이씨지브이 주식회사 특징점의 생성을 이용한 이미지 보정 방법 및 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101355976B1 (ko) 2012-11-13 2014-02-03 재단법인대구경북과학기술원 시공간 특징점 정합을 이용한 객체 추적방법 및 그 장치
JP2013192270A (ja) 2013-06-17 2013-09-26 Canon Inc 撮像装置、撮像装置の制御方法及びプログラム
KR101734749B1 (ko) * 2016-01-15 2017-05-11 조선대학교산학협력단 차량 주변 영상 정합 시스템 및 방법
JP2017164075A (ja) * 2016-03-15 2017-09-21 富士フイルム株式会社 画像位置合せ装置、方法およびプログラム

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102263590B1 (ko) 2021-04-09 2021-06-10 주식회사 에스아이에이 이미지 정합 방법
KR102283885B1 (ko) 2021-04-09 2021-08-02 주식회사 에스아이에이 이미지 정합 방법
US11257228B1 (en) 2021-04-09 2022-02-22 Si Analytics Co., Ltd. Method for image registration
KR20220140392A (ko) 2021-04-09 2022-10-18 주식회사 에스아이에이 이미지 정합 방법
KR20220140390A (ko) 2021-04-09 2022-10-18 주식회사 에스아이에이 이미지 정합 방법

Also Published As

Publication number Publication date
KR20200064221A (ko) 2020-06-08

Similar Documents

Publication Publication Date Title
KR101677561B1 (ko) 영상 정합 장치 및 그것의 영상 정합 방법
KR20230013243A (ko) 프레임에서 타겟 오브젝트를 위한 고정된 크기 유지
US20160286138A1 (en) Apparatus and method for stitching panoramaic video
JP5201203B2 (ja) 画像処理装置、画像処理方法及びプログラム
CN108833784B (zh) 一种自适应构图方法、移动终端及计算机可读存储介质
US20110311100A1 (en) Method, Apparatus and Computer Program Product for Providing Object Tracking Using Template Switching and Feature Adaptation
US9058655B2 (en) Region of interest based image registration
US8903139B2 (en) Method of reconstructing three-dimensional facial shape
CN104281847A (zh) 一种点读方法、装置及设备
EP3518522B1 (en) Image capturing method and device
EP3598385A1 (en) Face deblurring method and device
US11790584B2 (en) Image and text typesetting method and related apparatus thereof
US10339418B2 (en) Computer-readable storage medium storing image processing program and image processing apparatus
CN111429354B (zh) 图像拼接及全景图拼接方法和装置、存储介质、电子设备
KR102196749B1 (ko) 가중치 특징점을 이용한 이미지 정합 방법 및 그 시스템
CN102088555A (zh) 全景图像合成器、全景图像合成方法和程序
CN106231200A (zh) 一种拍照方法及装置
JP2013502147A (ja) 画像シーケンスの関心領域に基づくアーティファクト低減のためのシステム及び方法
CN110855957B (zh) 图像处理方法及装置、存储介质和电子设备
JP6171660B2 (ja) 情報処理装置、情報処理システム及びプログラム
CN108665459A (zh) 一种图像模糊检测方法、计算设备及可读存储介质
KR101943097B1 (ko) 가상 특징점을 이용한 이미지 정합 방법 및 그 시스템
CN112188108A (zh) 拍摄方法、终端和计算机可读存储介质
US20220148198A1 (en) Image processing apparatus, method, and medium using degrees of reliability and similarity in motion vectors
US11893704B2 (en) Image processing method and device therefor

Legal Events

Date Code Title Description
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant