KR102397924B1

KR102397924B1 - 이미지 보정 방식 및 이미지의 특징 정보에 기반하여 이미지를 보정하는 전자 장치 및 방법

Info

Publication number: KR102397924B1
Application number: KR1020180025836A
Authority: KR
Inventors: 임성준; 박현희; 한창수; 김영조; 김재곤; 양홍석; 김광태
Original assignee: 삼성전자 주식회사
Priority date: 2018-03-05
Filing date: 2018-03-05
Publication date: 2022-05-16
Also published as: US10867372B2; US20190272625A1; WO2019172521A1; KR20190105380A

Abstract

본 발명의 다양한 실시예에 따른 전자 장치는, 통신 모듈; 메모리; 프로세서를 포함하고, 상기 프로세서는, 외부 장치로부터 수신된 복수의 원시(raw) 이미지들을 저장하는 데이터 베이스를 확인하고, 상기 데이터 베이스는, 상기 복수의 원시 이미지들 중 적어도 일부에 대한 이미지 인식에 기반하여 상기 적어도 일부와 연관되어 저장된 복수의 카테고리 정보를 포함하고, 상기 전자 장치의 이미지 보정 방식에 대한 적어도 일부 변경을 확인하고, 상기 데이터 베이스로부터 상기 복수의 원시 이미지들 중 제 1 원시 이미지 셋(set)을 획득하고, 상기 제 1 원시 이미지 셋의 제 1 원시 이미지 중, 상기 변경이 적용되지 않은 제 1 이미지 보정 방식에 기반하여 상기 제 1 원시 이미지를 보정한 데이터와 상기 변경이 적용된 제 2 이미지 보정 방식을 이용하여 보정한 데이터의 차이가 지정된 조건을 만족하는 것에 기반하여, 상기 제 1 원시 이미지에 대응하는 카테고리 정보를 확인하고, 상기 제 1 원시 이미지에 대응하는 카테고리 정보에 기반하여, 상기 데이터 베이스로부터 상기 복수의 원시 이미지들 중 제 2 원시 이미지 셋을 획득하고, 및 상기 제 2 이미지 보정 방식에 기반하여, 상기 제 2 원시 이미지 셋을 보정하여 제 3 원시 이미지 셋을 생성하도록 설정될 수 있다. 그 외에도, 다양한 실시예들이 가능하다.

Description

이미지 보정 방식 및 이미지의 특징 정보에 기반하여 이미지를 보정하는 전자 장치 및 방법{ELECTRONIC DEVICE AND METHOD FOR CORRECTING IMAGES BASED ON IMAGE FEATURE INFORMATION AND IMAGE CORRECTION SCHEME}

본 발명의 다양한 실시예는 이미지 보정 장치에 관한 것으로 특히, 이미지들을 선별하여 보정하도록 구성된 전자 장치 및 그 동작에 관한 것이다.

전자 장치는, 이미지 센서를 통하여 획득된 로우(raw) 이미지를 이미지 신호 프로세서(image signal processor: ISP)를 이용하여 보정할 수 있다. 이미지 신호 프로세서는, 화질 개선 알고리즘을 이용하여 로우 이미지를 보정할 수 있으며, 이에 따라 화질 개선된 이미지를 제공할 수 있다. 이미지는 예컨대, JPEG 포맷으로 압축되어 전자 장치에 저장될 수 있다.

ISP는 하드웨어적으로 교체되거나 소프트웨어적으로 일부 기능이 업그레이드될 수 있다. 이에 따라, 전자 장치는 데이터베이스에 저장된 이미지를, 변경된 ISP로 보정함으로써, 업데이트할 수 있다. 그런데, 데이터베이스의 모든 이미지를 업데이트하는 것은 비효율적일 수 있다. 예컨대, 변경된 보정 방식의 적용에 따라 밝기 증가가 뚜렷하게 나타나는 이미지들이 있는 반면, 어떤 이미지들은 기대치만큼 밝기의 증가가 눈에 띄지 않을 수 있다. 이와 같이 효과가 기대치에 밑도는 이미지들까지 업데이트하는 것은 시간 그리고 자원(예: 전력) 낭비일 수 있다.

본 발명의 다양한 실시예는, 이미지들 중 보정의 효과가 뚜렷할 것으로 기대되는 이미지를 찾아 보정하도록 구성된 전자 장치 및 이의 동작을 위한 방법을 제공할 수 있다.

본 발명의 다양한 실시예에 따른 전자 장치는, 통신 모듈; 메모리; 프로세서를 포함하고, 상기 프로세서는, 외부 장치로부터 수신된 복수의 원시(raw) 이미지들을 저장하는 데이터 베이스를 확인하고, 상기 데이터 베이스는, 상기 복수의 원시 이미지들 중 적어도 일부에 대한 이미지 인식에 기반하여 상기 적어도 일부와 연관되어 저장된 복수의 카테고리 정보를 포함하고, 상기 전자 장치의 이미지 보정 방식에 대한 적어도 일부 변경을 확인하고, 상기 데이터 베이스로부터 상기 복수의 원시 이미지들 중 제 1 원시 이미지 셋(set)을 획득하고, 상기 제 1 원시 이미지 셋의 제 1 원시 이미지 중, 상기 변경이 적용되지 않은 제 1 이미지 보정 방식에 기반하여 상기 제 1 원시 이미지를 보정한 데이터와 상기 변경이 적용된 제 2 이미지 보정 방식을 이용하여 보정한 데이터의 차이가 지정된 조건을 만족하는 것에 기반하여, 상기 제 1 원시 이미지에 대응하는 카테고리 정보를 확인하고, 상기 제 1 원시 이미지에 대응하는 카테고리 정보에 기반하여, 상기 데이터 베이스로부터 상기 복수의 원시 이미지들 중 제 2 원시 이미지 셋을 획득하고, 및 상기 제 2 이미지 보정 방식에 기반하여, 상기 제 2 원시 이미지 셋을 보정하여 제 3 원시 이미지 셋을 생성하도록 설정될 수 있다.

본 발명의 다양한 실시예에 따른 전자 장치는, 통신 모듈; 이미지를 보정하도록 설정된 제 1 프로세서; 및 상기 통신 모듈 및 상기 제 1 프로세서와 기능적으로 연결된 제 2 프로세서를 포함하고, 상기 제 2 프로세서는, 데이터베이스로부터 획득된 제 1 이미지 셋을 보정하도록 상기 제 1 프로세서를 제어하고, 상기 제 1 이미지 셋의 보정 결과에 적어도 기초하여, 상기 제 1 이미지 셋에서 적어도 하나의 이미지를 선택하고, 상기 선택된 적어도 하나의 이미지의 특징 정보를 상기 제 1 프로세서로 전달하도록 설정된 것일 수 있고, 상기 제 1 프로세서는, 상기 특징 정보에 기반하여 상기 데이터베이스의 제 2 이미지 셋을 획득하고, 상기 제 2 이미지 셋을 보정하여 제 3 이미지 셋을 생성하도록 설정된 것일 수 있다.

본 발명의 다양한 실시예에 따른 전자 장치를 동작시키는 방법은, 외부 장치로부터 수신된 복수의 원시 이미지들을 저장하는 데이터 베이스를 확인하는 동작, 상기 데이터 베이스는, 상기 복수의 원시 이미지들 중 적어도 일부에 대한 이미지 인식에 기반하여 상기 적어도 일부와 연관되어 저장된 복수의 카테고리 정보를 포함하고; 상기 전자 장치의 이미지 보정 방식에 대한 적어도 일부 변경을 확인하는 동작; 상기 데이터 베이스로부터 상기 복수의 원시 이미지들 중 제 1 원시 이미지 셋(set)을 획득하는 동작; 상기 제 1 원시 이미지 셋의 제 1 원시 이미지 중, 상기 변경이 적용되지 않은 제 1 이미지 보정 방식에 기반하여 상기 제 1 원시 이미지를 보정한 데이터와 상기 변경이 적용된 제 2 이미지 보정 방식을 이용하여 보정한 데이터의 차이가 지정된 조건을 만족하는 것에 기반하여, 상기 제 1 원시 이미지에 대응하는 카테고리 정보를 확인하는 동작; 상기 제 1 원시 이미지에 대응하는 카테고리 정보에 기반하여, 상기 데이터 베이스로부터 상기 복수의 원시 이미지들 중 제 2 원시 이미지 셋을 획득하는 동작; 및 상기 제 2 이미지 보정 방식에 기반하여, 상기 제 2 원시 이미지 셋을 보정하여 제 3 원시 이미지 셋을 생성하는 동작을 포함할 수 있다.

본 발명의 다양한 실시예에 따르면, 전자 장치는 이미지들을 선별하여 보정함으로써 자원 및 시간을 효율적으로 사용할 수 있다.

도 1은 다양한 실시예에서의, 네트워크 환경 내의 전자 장치를 도시한다.
도 2는 다양한 실시예에 따른 프로그램 모듈의 블록도이다.
도 3 는 본 발명의 다양한 실시예에 따른 전자 장치 및 외부 전자 장치의 동작을 설명하기 위한 개념도를 도시한다.
도 4는 본 발명의 다양한 실시예에 따른 전자 장치들의 블록도를 도시한다.
도 5 는 다양한 실시예에 따른 프로세서의 동작들을 설명하기 위한 흐름도이다.
도 6은 본 발명의 다양한 실시예에 따른 전자 장치의 동작들을 설명하기 위한 도면이다.
도 7은 본 발명의 다양한 실시예에 따른 전자 장치의 동작들을 설명하기 위한 도면이다.
도 8은 본 발명의 다양한 실시예에 따른 전자 장치의 동작들을 설명하기 위한 도면이다.

도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블럭도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 장치(150), 음향 출력 장치(155), 표시 장치(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 표시 장치(160) 또는 카메라 모듈(180))가 생략되거나, 하나 이상의 다른 구성 요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들은 하나의 통합된 회로로 구현될 수 있다. 예를 들면, 센서 모듈(176)(예: 지문 센서, 홍채 센서, 또는 조도 센서)은 표시 장치(160)(예: 디스플레이)에 임베디드된 채 구현될 수 있다

프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)을 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 로드하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서), 및 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 추가적으로 또는 대체적으로, 보조 프로세서(123)은 메인 프로세서(121)보다 저전력을 사용하거나, 또는 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.

보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 표시 장치(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성 요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다.

메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.

프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.

입력 장치(150)는, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 장치(150)은, 예를 들면, 마이크, 마우스, 또는 키보드를 포함할 수 있다.

음향 출력 장치(155)는 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 장치(155)는, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있고, 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.

표시 장치(160)는 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 표시 장치(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 표시 장치(160)는 터치를 감지하도록 설정된 터치 회로(touch circuitry), 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 센서 회로(예: 압력 센서)를 포함할 수 있다.

오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 장치(150) 를 통해 소리를 획득하거나, 음향 출력 장치(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102)) (예: 스피커 또는 헤드폰))를 통해 소리를 출력할 수 있다.

센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.

인터페이스(177)는 전자 장치(101)이 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimediainterface), USB(universal serial bus)인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.

연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)은, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.

햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.

카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.

전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(388)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.

배터리(189)는 전자 장치(101)의 적어도 하나의 구성 요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.

통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108))간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi direct 또는 IrDA(infrared data association) 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 셀룰러 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부 전자 장치와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성 요소(예: 단일 칩)으로 통합되거나, 또는 서로 별도의 복수의 구성 요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 및 인증할 수 있다.

안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 하나 이상의 안테나들을 포함할 수 있고, 이로부터, 제 1 네트워크 198 또는 제 2 네트워크 199와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부 전자 장치 간에 송신되거나 수신될 수 있다.

상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purposeinput and output),SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))를 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.

일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 전자 장치(102, 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부 전자 장치들(102, 104, or 108) 중 하나 이상의 외부 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다.. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다.

도 2는, 다양한 실시예들에 따른, 카메라 모듈(180)을 예시하는 블럭도(200)이다. 도 2를 참조하면, 카메라 모듈(180)은 렌즈 어셈블리(210), 플래쉬(220), 이미지 센서(230), 이미지 스태빌라이저(240), 메모리(250)(예: 버퍼 메모리), 또는 이미지 시그널 프로세서(260)를 포함할 수 있다. 렌즈 어셈블리(210)는 이미지 촬영의 대상인 피사체로부터 방출되는 빛을 수집할 수 있다. 렌즈 어셈블리(210)는 하나 또는 그 이상의 렌즈들을 포함할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 복수의 렌즈 어셈블리(210)들을 포함할 수 있다. 이런 경우, 카메라 모듈(180)은, 예를 들면, 듀얼 카메라, 360도 카메라, 또는 구형 카메라(spherical camera)를 형성할 수 있다. 복수의 렌즈 어셈블리(210)들 중 일부는 동일한 렌즈 속성(예: 화각, 초점 거리, 자동 초점, f 넘버(f number),또는 광학 줌)을 갖거나, 또는 적어도 하나의 렌즈 어셈블리는 다른 렌즈 어셈블리의 렌즈 속성들과 다른 하나 이상의 렌즈 속성들을 가질 수 있다. 렌즈 어셈블리(210)는, 예를 들면, 광각 렌즈 또는 망원 렌즈를 포함할 수 있다.

플래쉬(220)는 피사체로부터 방출 또는 반사되는 빛을 강화하기 위하여 사용되는 빛을 방출할 수 있다. 일실시예에 따르면, 플래쉬(220)는 하나 이상의 발광 다이오드들(예: RGB(red-green-blue) LED, white LED, infrared LED, 또는 ultraviolet LED), 또는 xenon lamp를 포함할 수 있다. 이미지 센서(230)는 피사체로부터 방출 또는 반사되어 렌즈 어셈블리(210)를 통해 전달된 빛을 전기적인 신호로 변환함으로써, 상기 피사체에 대응하는 이미지를 획득할 수 있다. 일실시예에 따르면, 이미지 센서(230)는, 예를 들면, RGB 센서, BW(black and white) 센서, IR 센서, 또는 UV 센서와 같이 속성이 다른 이미지 센서들 중 선택된 하나의 이미지 센서, 동일한 속성을 갖는 복수의 이미지 센서들, 또는 다른 속성을 갖는 복수의 이미지 센서들을 포함할 수 있다. 이미지 센서(230)에 포함된 각각의 이미지 센서는, 예를 들면, CCD(charged coupled device) 센서 또는 CMOS(complementary metal oxide semiconductor) 센서를 이용하여 구현될 수 있다.

이미지 스태빌라이저(240)는 카메라 모듈(180) 또는 이를 포함하는 전자 장치(101)의 움직임에 반응하여, 렌즈 어셈블리(210)에 포함된 적어도 하나의 렌즈 또는 이미지 센서(230)를 특정한 방향으로 움직이거나 이미지 센서(230)의 동작 특성을 제어(예: 리드 아웃(read-out) 타이밍을 조정 등)할 수 있다. 이는 촬영되는 이미지에 대한 상기 움직임에 의한 부정적인 영향의 적어도 일부를 보상하게 해 준다. 일실시예에 따르면, 이미지 스태빌라이저(240)는, 일실시예에 따르면, 이미지 스태빌라이저(240)은 카메라 모듈(180)의 내부 또는 외부에 배치된 자이로 센서(미도시) 또는 가속도 센서(미도시)를 이용하여 카메라 모듈(180) 또는 전자 장치(101)의 그런 움직임을 감지할 수 있다. 일실시예에 따르면, 이미지 스태빌라이저(240)는, 예를 들면, 광학식 이미지 스태빌라이저로 구현될 수 있다. 메모리(250)는 이미지 센서(230)을 통하여 획득된 이미지의 적어도 일부를 다음 이미지 처리 작업을 위하여 적어도 일시 저장할 수 있다. 예를 들어, 셔터에 따른 이미지 획득이 지연되거나, 또는 복수의 이미지들이 고속으로 획득되는 경우, 획득된 원본 이미지(예: Bayer-patterned 이미지 또는 높은 해상도의 이미지)는 메모리(250)에 저장이 되고, 그에 대응하는 사본 이미지(예: 낮은 해상도의 이미지)는 표시 장치(160)을 통하여 프리뷰될 수 있다. 이후, 지정된 조건이 만족되면(예: 사용자 입력 또는 시스템 명령) 메모리(250)에 저장되었던 원본 이미지의 적어도 일부가, 예를 들면, 이미지 시그널 프로세서(260)에 의해 획득되어 처리될 수 있다. 일실시예에 따르면, 메모리(250)는 메모리(130)의 적어도 일부로, 또는 이와는 독립적으로 운영되는 별도의 메모리로 구성될 수 있다.

이미지 시그널 프로세서(260)는 이미지 센서(230)을 통하여 획득된 이미지 또는 메모리(250)에 저장된 이미지에 대하여 하나 이상의 이미지 처리들을 수행할 수 있다. 상기 하나 이상의 이미지 처리들은, 예를 들면, 깊이 지도(depth map) 생성, 3차원 모델링, 파노라마 생성, 특징점 추출, 이미지 합성, 또는 이미지 보상(예: 노이즈 감소, 해상도 조정, 밝기 조정, 블러링(blurring), 샤프닝(sharpening), 또는 소프트닝(softening)을 포함할 수 있다. 추가적으로 또는 대체적으로, 이미지 시그널 프로세서(260)는 카메라 모듈(180)에 포함된 구성 요소들 중 적어도 하나(예: 이미지 센서(230))에 대한 제어(예: 노출 시간 제어, 또는 리드 아웃 타이밍 제어 등)를 수행할 수 있다. 이미지 시그널 프로세서(260)에 의해 처리된 이미지는 추가 처리를 위하여 메모리(250)에 다시 저장 되거나 카메라 모듈(180)의 외부 구성 요소(예: 메모리(130), 표시 장치(160), 전자 장치(102), 전자 장치(104), 또는 서버(108))로 제공될 수 있다. 일실시예에 따르면, 이미지 시그널 프로세서(260)는 프로세서(120)의 적어도 일부로 구성되거나, 프로세서(120)와 독립적으로 운영되는 별도의 프로세서로 구성될 수 있다. 이미지 시그널 프로세서(260)이 프로세서(120)과 별도의 프로세서로 구성된 경우, 이미지 시그널 프로세서(260)에 의해 처리된 적어도 하나의 이미지는 프로세서(120)에 의하여 그대로 또는 추가의 이미지 처리를 거친 후 표시 장치(160)를 통해 표시될 수 있다.

일실시예에 따르면, 전자 장치(101)는 각각 다른 속성 또는 기능을 가진 복수의 카메라 모듈(180)들을 포함할 수 있다. 이런 경우, 예를 들면, 상기 복수의 카메라 모듈(180)들 중 적어도 하나는 광각 카메라이고, 적어도 다른 하나는 망원 카메라일 수 있다. 유사하게, 상기 복수의 카메라 모듈(180)들 중 적어도 하나는 전면 카메라이고, 적어도 다른 하나는 후면 카메라일 수 있다.

도 3는 본 발명의 다양한 실시예에 따른 전자 장치 및 외부 전자 장치의 동작을 설명하기 위한 개념도를 도시한다.

본 발명의 다양한 실시예에서, 전자 장치(101)는, 이미지 센서(321), ISP((image signal processor; 323) 및 메모리(325)를 포함할 수 있다. 외부 전자 장치(300)(예: 전자 장치(104) 또는 서버(108))는, 인식 모듈(331), ISP(333) 및 저장소(335)를 포함할 수 있다. 인식 모듈(331)은 논리 모듈일 수도 있으며, 외부 전자 장치(300)의 프로세서로 구현될 수도 있다. ISP(333) 또한 외부 전자 장치(300)의 프로세서로 구현될 수 있으며, 예를 들어 외부 전자 장치(300)의 프로세서가 인식과 이미지 처리를 모두 수행할 수도 있다. 도시되지는 않았지만, 전자 장치(101)는 외부 전자 장치(300)와 데이터를 송수신할 수 있는 통신 모듈(예: 도 1의 통신 모듈(190))을 포함할 수 있다. 외부 전자 장치(300)는 전자 장치(101)와 데이터를 송수신할 수 있는 통신 모듈을 포함할 수 있다. 어떠한 실시예에 따르면, 전자 장치(101)에 인식 모듈(327)이 포함될 수 있다. 전자 장치(101)에 탑재된 인식 모듈(327)은 인식 모듈(331)의 기능들 중 적어도 일부와 동일한 기능을 수행하도록 구성될 수 있다. 예컨대, 인식 모듈(327)은, 이미지에서 얼굴을 인식하도록 구성된 하드웨어로서, 외부 전자 장치(300)(예: 서버)보다 간단하고 빠르게 얼굴을 인식하기 위한 용도로 사용될 수 있다.

본 발명의 다양한 실시예에서, 이미지 센서(321)(예: 도 2의 이미지 센서(230))는, 외부 객체에 대한 이미지를 획득할 수 있으며, 이에 대응하는 로우 이미지(322)(원시 이미지, raw image)를 생성할 수 있다. 로우 이미지(322)는 Bayer 포맷, CFA(color filter array) 패턴에 의하여 처리된 포맷, 하나의 픽셀에서 세 가지 컬러를 모두 감지하여 생성된 레이어(layer) 구조의 포맷, 하나의 픽셀에 의하여 다른 시차 정보가 획득되어 생성된 포맷 등의 다양한 포맷으로 구현될 수 있다. 이미지 센서(321)는, 로우 이미지(322)를 ISP(323)(예: 도 2의 이미지 시그널 프로세서(260)) 및/또는 인식 모듈(327)로 전달할 수 있다.

본 발명의 다양한 실시예에서, 이미지 센서(321)는 스몰 로우(small raw) 이미지(326)를 생성할 수 있다. 이미지 센서(321)는 로우 이미지(322)의 용량을 감소시킴으로써 스몰 로우 이미지(326)를 생성할 수 있다. 예를 들어, 이미지 센서(321)는 로우 이미지(322)로부터 다양한 다운-스케일(down-scale) 방식 또는 다운-샘플링(down-sampling) 방식을 이용하여 스몰 로우 이미지(326)를 생성할 수 있다. 이미지 센서(321)는, 예를 들어 로우 이미지(322)의 해상도의 조정, 복수 개의 주파수 대역 중 적어도 일부를 선택, 또는 복수 개의 비트 플레인 레벨 중 적어도 하나의 선택 중 적어도 하나를 수행함으로써, 로우 이미지(322)의 데이터의 크기보다 작은 크기를 갖는 스몰 로우 이미지(326)를 생성할 수 있다. 이미지 센서(321)는, 예를 들어 로우 이미지(322)로부터 저주파수 대역을 추출함으로써 스몰 로우 이미지(326)를 생성할 수 있다. 이미지 센서(321)는, 예를 들어 로우 이미지(322)의 복수 개의 비트 플레인 레벨 중 일부의 비트 플레인 레벨들을 선택함으로써 스몰 로우 이미지(326)를 생성할 수도 있다. 이미지 센서(321)는 스몰 로우 이미지(326)를 통신 모듈을 통하여 외부 전자 장치(300)로 송신할 수 있다. 스몰 로우 이미지(326)는, 로우 이미지(322)의 정보를 적어도 일부 포함하되 로우 이미지(322)보다 용량이 작은 이미지일 수 있다. 로우 이미지(322) 대신 스몰 로우 이미지(326)를 외부 전자 장치에 전송하는 경우, 보다 적은 용량을 전송하게 되므로, 외부 전자 장치(400)로 이미지를 보다 빠르게 전송할 수 있다. 또 다른 실시예에서는, 이미지 센서(321)가 아닌 전자 장치(101)의 프로세서(예: 프로세서(120))가 스몰 로우 이미지(326)를 생성할 수도 있으며, 생성된 스몰 로우 이미지(326)를 통신 모듈을 통하여 외부 전자 장치(300)로 송신할 수 있다.

본 발명의 다양한 실시예에서, 이미지 센서(321)는, 로우 이미지(322)를 압축된 상태로 ISP(323), 외부 전자 장치(300) 또는 인식 모듈(327)로 송신할 수 있다. 이미지 센서(321)는, 로우 이미지(322)의 일부 처리를 위해 압축하여 이미지 센서(321) 내부의 메모리에 저장할 수 있다.

본 발명의 다양한 실시예에서, 외부 전자 장치(300)의 인식 모듈(331)은 통신 모듈을 통하여 스몰 로우 이미지(326)를 획득할 수 있으며, 스몰 로우 이미지(326)로부터 적어도 하나의 이미지 영역(segment)을 세그먼테이션(segmentation)할 수 있다. 인식 모듈(331)은 세그먼테이션 결과로 구분된 적어도 하나의 이미지 영역 각각을 인식할 수 있다. 예를 들어, 인식 모듈(331)은 스몰 로우 이미지(326)에 대하여 세그먼테이션 처리를 수행할 수 있으며, 세그먼테이션 처리 결과에 기초하여 스몰 로우 이미지(326)로부터 적어도 하나의 이미지 영역을 확인할 수 있다. 인식 모듈(331)은, 이미지 영역에 대하여 사물 인식 알고리즘 또는 텍스처 인식 알고리즘을 적용하여, 적어도 하나의 이미지 영역을 인식할 수도 있다. 외부 전자 장치(300)의 인식 모듈(331)은, 다양한 인식 알고리즘을 이용하여 적어도 하나의 이미지 영역을 인식할 수 있으며, 머신 러닝(machine learning) 또는 딥 러닝(deep learning)을 통하여 획득된 인식 알고리즘을 이용하여 적어도 하나의 이미지 영역을 인식할 수 있다. 예를 들어, 외부 전자 장치(300)의 인식 모듈(331)은, 픽셀 좌표 (100, 101), (100, 102), (102, 102), (102, 103)는, ‘사람의 치아’라는 이미지 영역과 연관된 정보를 획득할 수 있다. 여기에서, 픽셀 좌표는, 로우 이미지(322)의 픽셀 좌표와 대응될 수 있다. 인식 모듈(331)은, 예를 들어 스몰 로우 이미지(326)가 "거리에 사람이 위치함"으로 분류된다는 분류 정보를 획득할 수 있다. 인식 모듈(331)은, 인식 결과를 이용하여 분류 정보를 획득할 수도 있고, 또는 인식 과정 없이 스몰 로우 이미지(326) 내의 컬러 분포 등을 이용하여 분류 정보를 획득할 수도 있다. 인식 모듈(331)은, 상술한 과정을 통하여 획득된 적어도 하나의 이미지 영역과 연관된 정보 또는 분류 정보 중 적어도 하나를 포함하는 보정 영역 정보(332)를 생성할 수 있다. 인식 모듈(331)은 보정 영역 정보(332)을 전자 장치(101)로 송신할 수 있다. ISP(323)는 보정 영역 정보(332)를 이용하여 로우 이미지(322)를 보정할 수 있으며, 이에 따라 보정된 이미지(324)가 생성될 수 있다. 보정된 이미지(324)는, 예를 들어 YUV의 포맷을 가질 수 있다. 보정된 이미지(324)는 메모리(325)에 저장될 수 있다. 또는, 보정된 이미지(324)는 예를 들어 JPEG 방식에 따라 압축될 수 있으며, 압축된 이미지가 메모리(325)에 저장될 수도 있다. 어떠한 실시예에 따르면, 보정 영역 정보는 전자 장치(101)의 인식 모듈(327)에 의해 생성되어 ISP(323)로 전달될 수 있다.

본 발명의 다양한 실시예에서, 이미지 센서(321)로부터 제공되는 로우 이미지(322)는 스몰 로우 이미지(326)와 별도로 외부 전자 장치(300)로 송신될 수 있다. 외부 전자 장치(300)는 로우 이미지(322)를 이용하여 다른 보정 영역 정보를 생성할 수 있다. 외부 전자 장치(300) (예: 외부 전자 장치(300)의 ISP(333))는, 스몰 로우 이미지(326)보다 큰 크기의 로우 이미지(322)를 이용함으로써, 스몰 로우 이미지(326)를 이용한 경우의 보정 영역 정보와는 다른 보정 영역 정보를 생성할 수 있으며, 이를 확장된 보정 영역 정보로 명명할 수 있다. 로우 이미지(322)는, 스몰 로우 이미지(326)에 비하여 더욱 많은 정보를 포함할 수 있으므로, 외부 전자 장치(300)는 더욱 상세한 보정 영역 정보를 생성할 수 있다. 본 발명의 다양한 실시예에서, 외부 전자 장치(300) (예: 외부 전자 장치(300)의 ISP(333))는 로우 이미지(322)로부터 바로 확장된 보정 영역 정보를 생성할 수 있다. 또는, 외부 전자 장치(300) (예: 외부 전자 장치(300)의 ISP(333))는 기존에 스몰 로우 이미지(326)를 이용하여 생성하였던 보정 영역 정보 및 로우 이미지(322)를 이용하여 확장된 보정 영역 정보를 생성할 수도 있다.

본 발명의 다양한 실시예에서, 로우 이미지(322)는, 스몰 로우 이미지(326)에 비하여 용량이 크므로, 스몰 로우 이미지(326)가 우선 외부 전자 장치(300)로 송신되며, 이후 로우 이미지(322)가 외부 전자 장치(300)로 송신될 수 있다. 예를 들어, ISP(323)가 로우 이미지(322)에 대한 보정을 수행하는 동안에 로우 이미지(322)가 외부 전자 장치(300)로 송신될 수도 있다. 로우 이미지(322)는, 이미지 센서(321)에 의하여 생성된 그대로 외부 전자 장치(300)로 업로드될 수도 있으며, 또는 렌즈 왜곡 보상 또는 노이즈 제거가 수행된 전 처리 영상이 업로드될 수도 있다. 상술한 전 처리는 외부 전자 장치(300)에서 수행될 수도 있다. 외부 전자 장치(300)는, 디모자이크(demosaic) 처리 또는 이미지 포맷 변형, 또는 영상 인식률을 높이기 위한 전 처리를 수행할 수도 있다. 외부 전자 장치(300)의 ISP(333)는, 수신된 로우 이미지(322)를 보정할 수 있다. 외부 전자 장치(300)는 기존에 생성하였던 보정 영역 정보(332)를 이용하여 로우 이미지(322)를 보정할 수도 있으며, 또는 확장된 보정 영역 정보를 이용하여 로우 이미지(322)를 보정할 수도 있다. 로우 이미지(322)는, 스몰 로우 이미지(326)에 비하여 해상도가 높을 수도 있으며, 이에 따라 외부 전자 장치(300)의 ISP(333)는 고해상도 이미지로부터 보다 상세한 확장된 보정 영역 정보를 획득할 수 있다. ISP(333)는, 기존에 생성된 보정 영역 정보와 로우 이미지(322)를 함께 이용하여 확장된 보정 영역 정보를 생성할 수도 있다. ISP(333)는 확장된 보정 영역 정보를 이용하여 로우 이미지(322)를 보정함으로써, 고해상도 이미지(high qualityimage)(334)를 획득할 수 있다. 고해상도 이미지(334)는 외부 전자 장치(300)의 저장소(335)에 저장될 수 있으며, 전자 장치(101)로 다운로드될 수도 있다.

본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치 (예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.

본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", “A 또는 B 중 적어도 하나,”"A, B 또는 C," "A, B 및 C 중 적어도 하나,”및 “A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, “기능적으로” 또는 “통신적으로”라는 용어와 함께 또는 이런 용어 없이, “커플드” 또는 “커넥티드”라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.

본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.

본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체 는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.

일 실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두개의 사용자 장치들(예: 스마트폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.

다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

도 4는 본 발명의 다양한 실시예에 따른 전자 장치들의 블록도를 도시한다.

본 발명의 다양한 실시예에 따른 제 1 전자 장치(470)(예: 전자 장치(102) 또는 서버(108))는 클라우드 서버로 구현될 수 있다. 제 1 전자 장치(470)는 클라우드 시스템을 구성하고 있는 서버들과 클라우드 시스템에 연결 가능한 전자 장치들(예: 제 2 전자 장치(400))에 대한 네트워크 관리, 제공 가능한 서비스 및 권한 등과 관련된 클라우드 서비스 관리, 및 저장소 관리 등의 역할을 수행할 수 있다.

본 발명의 다양한 실시예에 따른 제 1 전자 장치(470)는 프로세서(471) , 데이터 베이스(478), 로우 이미지 저장소(479) 및 이미지 저장소(480)를 포함할 수 있다. 본 발명의 다양한 실시예에 따른 프로세서(471)는 전 처리 모듈(474), 이미지 인식 모듈(473), ISP(476), 인코더(475), 모니터링 모듈(472), 테스트 대상 획득 모듈(481), 이미지 비교 모듈(482) 및 보정 대상 결정 모듈(483)를 포함할 수 있다. 어떠한 실시예에 따르면, ISP(476)은 별도의 하드웨어로 구성될 수 있다.

본 발명의 다양한 실시예에 따르면, 전 처리 모듈(474), 이미지 인식 모듈(473), 인코더(475), 모니터링 모듈(472), 테스트 대상 획득 모듈(481), 이미지 비교 모듈(482) 및 보정 대상 결정 모듈(483)은 논리 모듈일 수 있으며 이에 따라, 이들이 수행하는 동작은 프로세서(471) 또는 제 2 전자 장치(400)의 프로세서(예: 제 1 프로세서(430) 또는 제 2 프로세서(412))가 수행할 수 있다.

본 발명의 다양한 실시예에 따르면, 전 처리 모듈(474), 이미지 인식 모듈(473), ISP(476), 인코더(475), 모니터링 모듈(472), 테스트 대상 획득 모듈(481), 이미지 비교 모듈(482) 또는 보정 대상 결정 모듈(483) 중 적어도 하나가 제 1 전자 장치(470)의 프로세서(471) 내의 하드웨어 또는 제 2 전자 장치(400)의 프로세서(예: 제 1 프로세서(430) 또는 제 2 프로세서(412)) 내의 하드웨어로 구현될 수도 있다.

본 발명의 다양한 실시예에 따른 전 처리 모듈(474)은 제 2 전자 장치(400)로부터 수신된 이미지(예: 로우 이미지, 스몰 로우 이미지)을 전 처리하여 이미지 인식 모듈(473), 로우 이미지 저장소(479) 또는 ISP(476)로 전송할 수 있다. 어떠한 실시예에 따르면, 전 처리는 제 2 전자 장치(400)로부터 수신된 이미지 파일을 디코딩하여 로우 이미지를 획득하는 동작을 포함할 수 있다.

본 발명의 다양한 실시예에 따른 이미지 인식 모듈(473)(예: 도 3의 인식 모듈(331))은 제 1 전자 장치(470)의 통신 모듈을 통해 제 2 전자 장치(400)로부터 또는 전 처리 모듈(474)을 거쳐 이미지(예: 로우 이미지, 스몰 로우 이미지)를 수신할 수 있다.

본 발명의 다양한 실시예에 따른 이미지 인식 모듈(473)은 수신된 이미지를, 다양한 알고리즘(예: 1) 사물 인식 알고리즘, 2) 텍스처 인식 알고리즘, 또는 3) 이미지 저장소(예: 로우 이미지 저장소(479) 및/또는 이미지 저장소(480))에 머신 러닝 또는 딥 러닝을 적용하여 획득된 인식 알고리즘)을 이용하여, 인식하고, 인식 결과를 상기 수신된 이미지와 연관하여 데이터베이스(예: 로우 이미지 저장소(479))에 저장 및/또는 제 2 전자 장치(400)로 전송하는 동작을 수행할 수 있다. 예를 들어, 이미지 인식 모듈(473)은 수신된 이미지에서 적어도 하나의 객체(예: 사람, 하늘, 구름, 고양이, 강아지 등)를 인식할 수 있다. 여기서, 객체는 이미지 내 이미지 영역(segment)에서 인식된 것일 수 있다. 어떠한 실시예에 따르면, 이미지 인식 모듈(473)은 사용자 정보에 기초하여 이미지에서 객체 인식을 수행할 수 있다. 예를 들어, 사용자 정보는 데이터베이스(478)에 등록된 이미지(예: 가족 및 친지의 사진, 거주하는 집의 사진 등)로부터 획득될 수 있다. 인식 결과는 이미지 영역들 각각의 위치 정보(예: 픽셀 좌표들)와, 이미지 영역들 각각에 관련된 객체의 식별 정보를 포함할 수 있고, ISP(476)에서 이미지 처리할 때 그리고 테스트 대상 획득 모듈(481)에서 테스트 대상을 선정할 때 활용될 수 있다.

본 발명의 다양한 실시예에 따른 이미지 인식 모듈(473)은 수신된 이미지에서 인식된 객체(들)의 식별 정보를, 해당 이미지의 카테고리 정보로서, 해당 이미지와 연관하여 데이터베이스(예: 로우 이미지 저장소(479))에 저장(예: (예: 식별 정보를 이미지의 태그 정보로서 해당 이미지 파일에 포함하여 데이터베이스에 저장) 및/또는 제 2 전자 장치(400)로 전송하는 동작을 수행할 수 있다. 카테고리 정보는 계층적으로 분류되는 다수의 카테고리들을 포함할 수 있다. 예를 들어, '고양이'가 이미지 영역(segment)의 객체로 인식된 경우, 이미지 인식 모듈(473)은 '동물'을 나타내는 식별 정보를 해당 이미지의 상위 카테고리로서 설정하고 '고양이'를 나타내는 식별 정보를 해당 이미지의 하위 카테고리로서 설정할 수 있다. 어떠한 실시예에 따르면, 제 1 전자 장치(470)는 제 2 전자 장치(400)로부터 이미지(예: 로우 이미지 또는 스몰 로우 이미지)에 대응하는 카테고리 정보를 수신하고, 해당 이미지와 연관하여 데이터베이스에 저장할 수도 있다.

본 발명의 다양한 실시예에 따른 ISP(476)는 수신된 이미지의 에너지 값(energy value)(예: 밝기, 명도, 컬러, 채도, 색 온도, 선명도, 색 조화, 사실감(vivid), 콘트라스트(contrast), 또는 HSV(huesaturation value) 등)을 조정함으로써 이미지 처리(예: 보정)를 수행할 수 있다. 이미지 처리는, 이미지 인식을 통해 획득된 레시피(recipe) 정보(예: 이미지 영역(segment), 레이어(layer), 벡터(vector), 장면 카테고리(scene category) 등)에 기반하여, 수행될 수 있다. 예를 들어, ISP(476)는 이미지에서 객체가 위치한 이미지 영역(segment)을 보정 대상으로 인식하고, 이미지 영역에 대해 보정을 수행할 수 있다. ISP(476)는 데이터 베이스(478)로부터 레시피 정보에 대응하는 추가 정보(예: 객체 또는 그 일부(예: 머리카락)의 특징을 나타내는 특징 벡터(feature vector))를 수신하여 이미지 처리에 이용할 수 있다. 처리된 이미지는 제 2 전자 장치(400)나 인코더(475)로 전송되거나 또는 데이터 베이스(예: 이미지 저장소(480))에 저장될 수 있다. 이미지 처리는 화이트 밸런스(white balance), 색 보정(color adjustment), 노이즈 억제(noise reduction), 선명 효과(sharpen), 상세 정보 개선(detail enhancement) 등의 기능을 포함할 수 있다. 이러한 기능들은 레시피 정보에 기반하여, 이미지 영역(segment)별로 수행될 수 있다.

본 발명의 다양한 실시예에 따른 인코더(475)는 ISP(476)에 의해 처리된 보정 이미지 또는 로우 이미지 저장소(479)에 저장된 로우 이미지를 인코딩하여 이미지 파일(예컨대, JPEG, MPEG, 360도 파노라마 등)을 생성할 수 있다. 인코더(475)에 의해 생성된 이미지 파일은 제 1 전자 장치(470)의 통신 모듈을 통해 제 2 전자 장치(400)로 전송되거나 데이터베이스(예: 이미지 저장소(480))에 저장될 수 있다.

본 발명의 다양한 실시예에 따른 모니터링 모듈(472)은 제 1 전자 장치(470)에서 이미지를 처리하도록 설정된 ISP(476)가 제 1 ISP(476a)에서 제 2 ISP(476b)로 변경된 것을 확인할 수 있다. 예컨대, 제 2 ISP(476b)는 제 1 ISP(476a)의 적어도 일부의 보정 방식이 업그레이드된 것일 수 있다.

본 발명의 다양한 실시예에 따른 테스트 대상 획득 모듈(481)은, 모니터링 모듈(472)의 상기 확인에 반응하여, 데이터베이스(예: 로우 이미지 저장소(479) 또는 이미지 저장소(480))에 저장된 이미지들 중 일부를, 이미지 처리의 테스트 대상으로서, 획득할 수 있다. 일 실시예에 따르면, 테스트 대상이, 로우 이미지 저장소(479)에서 획득된 경우, 변경(예: 교체나 업그레이드)이 적용되지 않은 보정 방식(예: 제 1 ISP(467a))과 변경이 적용된 보정 방식(예: 제 2 ISP(476b))에 의해 각각 이미지 처리될 수 있다. 일 실시예에 따르면, 테스트 대상이, 이미지 저장소(480)에서 획득된 경우, 변경이 적용된 보정 방식(예: 제 2 ISP(476b))에 의해 이미지 처리될 수 있다.

본 발명의 다양한 실시예에 따른 테스트 대상 획득 모듈(481)은 데이터 베이스(예: 로우 이미지 저장소(479) 또는 이미지 저장소(480))에서 카테고리(예: 상위 카테고리 또는 하위 카테고리) 별로 균등하게 테스트 대상들을 획득할 수 있다. 예를 들어, '강아지' 카테고리로 분류되는 이미지의 수와 '고양이' 카테고리로 분류되는 이미지의 수가 동일할 수 있다.

본 발명의 다양한 실시예에서, 제 1 ISP(476a) 및 제 2 ISP(476b)는 각각, 테스트 대상 획득 모듈(481)에 의해 획득된 테스트 대상들을 보정함으로써, 테스트 대상들 각각의 에너지 값(예: 밝기, 명도, 컬러, 채도, 색 온도, 선명도, 색 조화, 사실감, 콘트라스트, 또는 HSV 등)을 획득할 수 있다. 어떠한 실시예에 따르면, 테스트 대상이 이미지 저장소(480)에서 획득된 압축 이미지인 경우 압축 해제 후 보정이 수행될 수 있다.

본 발명의 다양한 실시예에 따른 이미지 비교 모듈(482)은, 데이터베이스(예: 로우 이미지 저장소(479))로부터 획득된 테스트 대상들 각각에 대해, 제 1 ISP(476a)의 이미지 보정에 의해 획득된 에너지 값과 제 2 ISP(476b)의 이미지 보정에 의해 획득된 에너지 값의 차이를 계산할 수 있다. 예를 들어, 이미지 비교 모듈(482)은, 보정 방식의 변경에 따라 기대되는 튜닝 정책(tuning policy)(예: 효과)에 기초하여, 밝기, 명도, 컬러, 채도, 색 온도, 선명도, 색 조화, 사실감, 콘트라스트, 또는 HSV 중 적어도 하나를 비교 대상으로 선택할 수 있다. 예컨대, 보정 방식의 변경으로 기대되는 효과가 콘트라스트 증가인 경우, 이미지 비교 모듈(482)은 테스트 대상들 각각에 대해, 제 1 ISP(476a)의 이미지 보정에 의해 획득된 콘트라스트 값과 제 2 ISP(476b)의 이미지 보정에 의해 획득된 콘트라스트 값의 차이를 계산할 수 있다. 기대 효과가 HSV가 약 30~60도를 갖는 이미지 영역의 사실감(vivid) 증가인 경우, 이미지 비교 모듈(482)은 테스트 대상들 각각에 대해, 제 1 ISP(476a)의 이미지 보정에 의해 획득된 컬러 값과 제 2 ISP(476b)의 이미지 보정에 의해 획득된 컬러 값의 차이를 계산할 수 있다.

본 발명의 다양한 실시예에 따른 이미지 비교 모듈(482)은 데이터베이스(예: 이미지 저장소(480))로부터 획득된 테스트 대상들 각각에 대해, 제 2 ISP(476b)로 보정하기 전의 에너지 값과 제 2 ISP(476b)로 보정한 후의 에너지 값의 차이를 계산할 수 있다.

본 발명의 다양한 실시예에 따른 이미지 비교 모듈(482)은 테스트 대상들을, 비교 결과에 기초하여, 두 그룹으로 분류할 수 있다. 예를 들어, 이미지 비교 모듈(482)은 테스트 대상들을, 기 정해진 임계치를 상회하는 차이 값을 갖는 상위 그룹과 상기 임계치에 밑도는 차이 값을 갖는 하위 그룹으로 분류할 수 있다. 여기서, 차이 값은 1) 제 1 ISP(476a)의 이미지 보정에 의해 획득된 에너지 값과 제 2 ISP(476b)의 이미지 보정에 의해 획득된 에너지 값의 차이, 또는 2) 제 2 ISP(476b)로 보정하기 전의 에너지 값과 제 2 ISP(476b)로 보정한 후의 에너지 값의 차이를 의미할 수 있다.

본 발명의 다양한 실시예에 따른 보정 대상 결정 모듈(483)은, 이미지 비교 모듈(482)에 의해 획득된 비교 결과에 기초하여, 보정 대상을 결정할 수 있다. 여기서, 보정 대상은 데이터베이스(예: 로우 이미지 저장소(479) 또는 이미지 저장소(480))에 저장된 이미지들 중에서 선정될 수 있다. 보정 대상은 변경(예: 교체나 업그레이드)이 적용된 보정 방식(예: 제 2 ISP(467b))에 의해 이미지 처리되어 데이터베이스(예: 이미지 저장소(480))에 저장 및/또는 제 2 전자 장치(400)로 전송될 수 있다. 일 실시예에 따르면, 보정 대상 결정 모듈(483)은 하위 그룹을 보정 효과가 기대치에 못 미치는 그룹으로 인식하고, 이에 따라 하위 그룹에 속한 이미지들의 카테고리를 확인하고, 하위 그룹의 카테고리에 해당하는 이미지들은 보정 대상이 아닌 것으로 결정할 수 있다. 보정 대상 결정 모듈(483)은 상위 그룹 중에서 적어도 하나의 테스트 대상을 선택하고, 데이터베이스(예: 로우 이미지 저장소(479) 또는 이미지 저장소(480))에 저장된 이미지들 중에서 상기 선택된 테스트 대상의 카테고리에 해당하는 이미지들을 보정 대상으로 결정할 수 있다.

본 발명의 다양한 실시예에 따르면, 보정 대상의 결정에 이용되는 카테고리 정보는 이미지 인식 모듈(473)에 의해 획득되어 해당 이미지와 연관하여 데이터베이스(예: 로우 이미지 저장소(479) 또는 이미지 저장소(480))에 저장된 정보를 포함할 수 있다. 또한, 카테고리 정보는 해당 이미지와 함께, 해당 이미지의 메타데이터로서 외부 장치(예: 전자 장치(400))로부터 수신되어 데이터 베이스에 저장된 정보를 포함할 수도 있다.

본 발명의 다양한 실시예에서, 이미지 비교 모듈(482)에 의해 획득된 비교 결과에 따르면, 어떤 카테고리는 상위 그룹에 속한 테스트 대상 및 하위 그룹에 속한 테스트 대상과 공통으로 연관될 수 있다. 예를 들어, '고양이'를 갖는 제 1 테스트 대상은 상위 그룹에 속하는 반면, 동일하게 '고양이'를 갖는 제 2 테스트 대상은 하위 그룹에 속할 수 있다. 따라서, 상위 그룹 및 하위 그룹과 공통적으로 연관된 카테고리에 해당하는 이미지들은 보정 효과가 기대치에 못 미칠 수도 있다. 이에 따라 보정 대상 결정 모듈(483)은 데이터베이스(예: 로우 이미지 저장소(479) 또는 이미지 저장소(480))에 저장된 이미지들 중에서 '고양이'를 카테고리로 갖는 이미지를 보정 대상에서 제외할 수 있다.

본 발명의 일 실시예에 따르면, 보정 대상 결정 모듈(483)은 제 1 레벨에 대응하는 카테고리를 포함하고 제 2 레벨에 대응하는 카테고리를 포함하지 않는 카테고리 정보에 대응하는 테스트 대상을 보정 대상으로 결정할 수 있다. 여기서, 제 1 레벨에 대응하는 카테고리는 상기 분류에 따라 상위 그룹에 속한 테스트 대상의 카테고리이고, 제 2 레벨에 대응하는 카테고리는 상기 분류에 따라 하위 그룹에 속한 테스트 대상의 카테고리일 수 있다.

본 발명의 다양한 실시예에서, 이미지 비교 모듈(482)에 의해 획득된 비교 결과에 따르면, 어떤 메타데이터는 상위 그룹에 속한 테스트 대상 및 하위 그룹에 속한 테스트 대상에 공통으로 연관될 수 있다. 예를 들어, ISO 감도는 동일한 값을 갖는데, 제 1 테스트 대상은 상위 그룹에 속하고 반면, 제 2 테스트 대상은 하위 그룹에 속할 수 있다. 또한, 어떤 레시피 정보(예: 장면 카테고리)는 상위 그룹에 속한 테스트 대상 및 하위 그룹에 속한 테스트 대상에 공통으로 연관될 수 있다. 이상으로, 상위 그룹 및 하위 그룹에 공통적으로 연관된 메타데이터 또는 레시피 정보에 해당하는 이미지들은 보정 효과가 기대치에 못 미칠 수도 있다. 이에 따라 보정 대상 결정 모듈(483)은 데이터베이스(예: 로우 이미지 저장소(479) 또는 이미지 저장소(480))에 저장된 이미지들 중에서, 상위 그룹 및 하위 그룹에 공통적으로 연관된 메타데이터 또는 레시피 정보를 갖는 이미지를 보정 대상에서 제외할 수 있다.

본 발명의 일 실시예에 따르면, 보정 대상 결정 모듈(483)은, 이미지 비교 모듈(482)의 동작에 의해 획득된 비교 결과에 더해 메타데이터 또는 레시피 정보 중 적어도 하나에 더 기초하여, 보정 대상을 결정할 수 있다. 예를 들어, 보정 대상 결정 모듈(483)은 상위 그룹에 속한 테스트 대상들의 메타데이터들(이하, 상위 메타데이터 셋)을 확인하고, 하위 그룹에 속한 테스트 대상들의 메타데이터들(이하, 하위 메타데이터 셋)를 확인할 수 있다. 보정 대상 결정 모듈(483)은 상위 메타데이터 셋과 하위 메타데이터 셋을 비교하여 하위 메타데이트 셋 중에서 상위 메타데이터 셋에도 포함되는 메타데이터(들)(이하, 중복 메타데이터 셋)을 확인할 수 있다. 보정 대상 결정 모듈(483)은 상위 메타데이터 셋 중 적어도 하나 이상의 메타데이터에 대응하되, 중복 메타데이터 셋 중 적어도 둘 이상의 메타데이터들에 대응하지 않는 이미지를 보정 대상으로 결정할 수 있다. 예를 들어, 상위 메타데이터 셋에 제 1 ISO 감도 값, 제 2 ISO 감도 값, 제 1 밝기 값, 제 2 밝기 값, 제 1 선명도 값, 제 2 선명도 값이 포함되고, 이들 중 제 1 ISO 감도 값, 제 1 밝기 값 및 제 1 선명도 값이 중복 메타데이터로 결정된 경우, 제 1 ISO 감도 값, 제 2 밝기 값 및 제 2 선명도 값을 갖는 이미지는 보정 대상으로 결정될 수 있다. 제 1 ISO 감도 값, 제 1 밝기 값 및 제 2 선명도 값을 갖는 이미지는 보정 대상에서 제외될 수 있다.

본 발명의 다양한 실시예에 따르면, 메타데이터는 이미지와 함께 외부 장치(예: 전자 장치(400))로부터 수신되어, 이미지와 연관하여 데이터베이스(예: 로우 이미지 저장소(479) 또는 이미지 저장소(480))에 저장된 것일 수 있다. 예를 들어, 메타데이터는 이미지 센서(예: 이미지 센서(411)에 의해 획득된 정보로서, 초점 거리(focal length), 자동 포커싱 영역(auto focus area), 촬영 시 좌우 회전 관련 정보(orientation), AWB(auto white balance), 색 좌표(color space), 노출 시간(exposure time), 조리개 관련 정보(예: F-number, F-stop), 촬영 모드(exposure program)(예: 자동, 조리개 우선, 셔터 우선, 수동 등), ISO(ISO speed ratings) 또는 이미지 촬영 일자(data time original) 등을 포함할 수 있다. 또한, 메타데이터는, 이미지 촬영 장소 또는 촬영 시점의 조도와 같이 이미지 센서 이외의 센서에서 센싱된 정보를 포함할 수도 있다.

본 발명의 다양한 실시예에 따르면, 레시피 정보는, 인식 모듈(473)이 외부 장치(예: 전자 장치(400))로부터 수신된 이미지(예: 스몰 로우 이미지)를 인식하여 획득한 정보(예: 이미지 영역(segment), 레이어(layer), 벡터(vector), 장면 카테고리(scene category) 등)를 포함할 수 있다.

본 발명의 다양한 실시예에 따르면, 보정 대상 결정 모듈(483)은, 튜닝 정책(예: 효과)에 더 기초하여, 보정 대상을 결정할 수 있다. 예컨대, 변경(예: 교체나 업그레이드)이 적용된 보정 방식(예: 제 2 ISP(467b))에 의해 이미지가 보정될 때, 기대되는 효과가 밝기 증가인 경우, 보정 대상 결정 모듈(483)은 밝기의 차이 값에 가중치를 적용함(예컨대, 차이 값에 기 정해진 값을 더함)으로써, 보정 결과 밝기가 증가된 테스트 대상이 상위 그룹으로 우선적으로 분류되게 할 수 있다.

본 발명의 다양한 실시예에 따른 제 2 전자 장치(400)(예: 전자 장치(101))는 카메라 모듈(410), 디스플레이(420), 제 1 프로세서(430), 제 1 메모리(440), 입력 장치(450), 및 음향 출력 장치(460)를 포함할 수 있다. 본 발명의 다양한 실시예에 따른 카메라 모듈(410)은 이미지 센서(411), 제 2 프로세서(412) 및 제 2 메모리(418)를 포함할 수 있다. 본 발명의 다양한 실시예에 따른 제 2 프로세서(412)는 로우 이미지 처리 모듈(413), ISP(416) 및 인코더(417)를 포함할 수 있다. 제 2 프로세서(412)가 수행하는 동작들 중 적어도 일부는 제 1 프로세서(430)가 수행할 수도 있다. 로우 이미지 처리 모듈(413), ISP(416) 및 인코더(417)는 논리 모듈일 수 있으며 이에 따라, 이들이 수행하는 동작은 제 2 프로세서(412)(예: 프로세서(120))가 수행할 수 있다. 다른 실시예에서는, 로우 이미지 처리 모듈(413), ISP(416) 및 인코더(417) 중 적어도 하나가 제 2 프로세서(412) 내의 하드웨어로 구현될 수도 있다.

도시되지는 않았지만, 제 2 전자 장치(400)는 제 1 전자 장치(470)와 데이터 통신을 위한 통신 모듈(예: 도 1의 통신 모듈(190))을 포함할 수 있고, 제 1 전자 장치(470) 또한 제 2 전자 장치(400)와 데이터 통신을 위한 통신 모듈을 포함할 수 있다.

본 발명의 다양한 실시예에서, 이미지 센서(411)(예: 도 2의 이미지 센서(230) 또는 도 3의 이미지 센서(321))는 피사체에 대한 다양한 로우 이미지를 획득할 수 있다. 이미지 센서(411)는 CFA(color filter array) 패턴에 따라 다양한 형태의 로우 이미지를 획득할 수 있다. 이미지 센서(411)는 하나의 픽셀에서 서로 다른 시차(또는 위상차) 정보를 포함하는 DP(dual pixel) 구조 (또는 듀얼 포토다이오드(2PD) 구조)의 로우 이미지를 획득할 수 있다. 이미지 센서(411)는, 서로 같거나 다른 특성을 가진 복수의 이미지 센서들(예: Dualsensor(예: RGB+RGB, RGB+Mono, 또는 Wide+Tele 등), 또는 어레이(array) 센서(예: 2개 이상의 센서가 부착) 등)을 포함할 수 있고, 이러한 복수의 이미지 센서를 이용하여, 한 장면(scene)에 대해 하나 이상의 로우 이미지를 획득할 수 있다. 획득된 로우 이미지는 그대로 또는 추가적인 처리를 거쳐 제 2 메모리(418)(예: DRAM)에 저장될 수 있다.

본 발명의 다양한 실시예에 따라 획득된 로우 이미지는 다양한 포맷(예: Bayer 포맷 등)으로 구성될 수 있다. 로우 이미지는 픽셀(pixel) 당 R(red), G(green), 및 B(blue) 중 하나의 색으로 표현될 수 있고, 8~16Bit의 비트-뎁스(bit-depth)로 표현 가능하다. 로우 이미지에는 다양한 CFA (Color Filter Array) 패턴이 적용될 수 있다. 로우 이미지는 하나의 픽셀에 대해 여러 가지 색(예: R,G,B 중 복수의 색) 정보를 포함하는 레이어(layer) 구조일 수 있다. 이미지 센서의 다양한 구성에 따라, 로우 이미지는 색 정보뿐만 아니라, 시차(위상차) 정보 등도 포함할 수 있다. 이미지의 촬영과 관련된 정보(예: 시간, 위치, 조도 등)는 메타데이터로 생성되어 로우 이미지와 관련하여 저장될 수 있다. 예를 들어, 제 2 프로세서(412)는 로우 이미지에 대한 메타 데이터를 이미지 센서(411)를 통해 획득할 수 있다. 이미지 센서(411)를 통해 획득 가능한 메타 데이터는 초점 거리(focal length), 자동 포커싱 영역(auto focus area), 촬영 시 좌우 회전 관련 정보(orientation), 색 좌표(color space), 노출 시간(exposure time) 등의 정보를 포함할 수 있다. 또한, 메타 데이터는 이미지 센서와 상이한 센서(예: GPS 센서)를 통하여 획득될 수 있는, 이미지를 촬영한 장소 정보 등을 포함할 수도 있다.

본 발명의 다양한 실시예에서, 로우 이미지 처리 모듈(413)은 이미지 센서(411)로부터 획득된 로우 이미지에 대해 다양한 처리를 수행할 수 있다. 예를 들어, 로우 이미지 처리 모듈(413)은 로우 이미지에 대해 렌즈 왜곡 보상 또는 노이즈 제거를 수행할 수 있다.

본 발명의 다양한 실시예에 따른 로우 이미지 처리 모듈(413)은 스몰 로우 이미지 생성 모듈(414) 및 압축 모듈(415)을 포함할 수 있다. 스몰 로우 이미지 생성 모듈(414)은 로우 이미지로부터 다양한 다운-스케일(down-scale) 방식(예: 크기 줄이거나 또는 해상도를 낮추는 동작) 또는 다운-샘플링(down-sampling) 방식(예: 샘플링된 일련의 샘플들 중 하나 또는 일부 샘플만을 취하는 동작)을 이용하여 스몰 로우 이미지를 생성할 수 있다. 압축 모듈(415)은 다양한 압축 알고리즘을 이용하여 로우 이미지 또는 스몰 로우 이미지를 압축할 수 있으며, 압축된 로우 이미지 또는 압축된 스몰 로우 이미지를 제 2 메모리(418)에 저장할 수 있다. 스몰 로우 이미지는 제 2 메모리(418)에 일시적 또는 비일시적으로 저장될 수 있다. 제 2 전자 장치(400)의 통신 모듈(미도시)(예: 통신 모듈(190))은, 제 2 메모리(418)에 저장된 스몰 로우 이미지를 제 1 전자 장치(470)로 송신할 수 있다.

본 발명의 다양한 실시예에서, ISP(416)(예: 도 2의 이미지 시그널 프로세서(260) 또는 도 3의 ISP(423))는 제 2 메모리(418)에 저장된 로우 이미지에 대하여 이미지 처리를 수행할 수 있다. 예를 들어, ISP(416)는 통신 모듈을 통해 제 1 전자 장치(470)로부터 획득된 레시피(recipe) 정보(예: 이미지 영역(segment), 레이어(layer), 벡터(vector), 장면 카테고리(scene category) 등)를 이용하여, 로우 이미지에 대하여 다양한 처리(예: 보정)를 수행할 수 있다. 일 실시예에 따르면, ISP(416)는, 제 1 전자 장치(470)가 이미지 처리를 위한 레시피 정보를 생성하도록, 로우 이미지 또는 스몰 로우 이미지를 통신 모듈을 통해 제 1 전자 장치(470)로 전송할 수 있다. ISP(416)는 통신 모듈을 통해 제 1 전자 장치(470)로부터 획득된 레시피(recipe) 정보를 이용하여 로우 이미지를 처리할 수 있다. ISP(416)는 처리된 로우 이미지를 예컨대, JPEG으로 압축하여 제 1 메모리(440)에 저장할 수 있다.

본 발명의 다양한 실시예에서, 제 2 전자 장치(400)에서 이미지 처리를 수행하는 ISP(416)는 제 1 ISP(416a)에서 제 2 ISP(416b)로 변경될 수 있다. 예컨대, 제 2 ISP(416b)는 제 1 ISP(416a)의 적어도 일부의 보정 방식이 업그레이드된 것일 수 있다.

본 발명의 다양한 실시예에서, 인코더(417)는 ISP(416)에 의해 처리된 로우 이미지를 인코딩하여 이미지 파일(예컨대, JPEG, MPEG, 360도 파노라마 등)을 생성하고, 이미지 파일을 제 1 메모리(440)에 저장할 수 있다.

본 발명의 다양한 실시예에서, 제 1 프로세서(430)(예: 도 1의 프로세서(120))는 카메라 모듈(410), 디스플레이(420), 제 1 메모리(440), 입력 장치(450), 음향 출력 장치(460) 및 통신 모듈(미도시)와 전기적으로 연결되어 이들 중 적어도 하나(예: 카메라 모듈(410), 디스플레이(420), 음향 출력 장치(460) 또는 통신 모듈)를 제어할 수 있고, 다양한 데이터 처리 및 연산을 수행할 수 있다.

본 발명의 다양한 실시예에 따르면, 제 1 프로세서(430)는, ISP(416)가 제 1 ISP(416a)에서 제 2 ISP(416b)로 변경되는 것에 반응하여, 제 1 메모리(440)에 저장된 이미지의 업데이트를 수행할 수 있다. 예를 들어, 제 1 프로세서(430)는 제 1 전자 장치(470)의 프로세서(471)의 적어도 일부 기능(예: 테스트 대상 획득 모듈(481), 이미지 비교 모듈(482) 및 보정 대상 결정 모듈(483) 중 적어도 하나)과 동일한 기능을 수행할 수 있다.

도 5는 다양한 실시예에 따른 프로세서의 동작들을 설명하기 위한 흐름도이다.

도 5를 참조하면, 다양한 실시예에 따른 아래의 동작들은 도 4의 프로세서(예: 471 또는 430)에 의해 실행될 수 있다.

다양한 실시예에 따르면, 동작 510에서 프로세서는 복수의 이미지들을 저장하는 데이터 베이스를 확인할 수 있다. 예를 들어, 데이터 베이스는 제 1 전자 장치(470)의 로우 이미지 저장소(479)와 이미지 저장소(480)를 포함하거나, 제 2 전자 장치(400)의 제 1 메모리(440)와 제 2 메모리(418)를 포함할 수 있다. 데이터베이스는 이미지와 연관된 카테고리 정보를 포함할 수 있다. 예를 들어, 이미지에서 인식된 객체가 고양이인 경우, '동물'을 나타내는 정보가 상위 카테고리로서 해당 이미지와 연관하여 데이터베이스에 저장되고, '고양이'를 나타내는 정보가 하위 카테고리로서 해당 이미지와 연관하여 데이터베이스에 저장될 수 있다.

다양한 실시예에 따르면, 동작 520에서 프로세서는 이미지 보정 방식에 대한 적어도 일부 변경을 확인할 수 있다. 예를 들어, 프로세서는 ISP(예: 도 4의 476 또는 416)의 적어도 일부의 기능이 업그레이드된 것을 확인할 수 있다.

다양한 실시예에 따르면, 동작 530에서 프로세서는, 상기 변경의 확인에 반응하여, 데이터 베이스로부터 이미지들(예: 도 4의 테스트 대상 획득 모듈(481)에 의해 획득된 테스트 대상들)을 포함하는 제 1 이미지 셋을 획득할 수 있다. 프로세서는, 제 1 이미지 셋의 이미지들 각각에 대하여, 변경이 적용되지 않은 이미지 보정 방식을 이용하여 보정함으로써 제 1 데이터를 획득하고, 변경이 적용된 이미지 보정 방식을 이용하여 보정함으로써 제 2 데이터를 획득할 수 있다. 여기서, 제 1 데이터 및 제 2 데이터는, 이미지 보정에 따른 효과를 나타내는 값으로서, 예컨대, 밝기, 명도, 컬러, 채도, 색 온도, 선명도, 색 조화, 사실감, 콘트라스트, 또는 HSV 중 적어도 하나를 나타내는 값을 포함할 수 있다. 프로세서는, 제 1 이미지 셋의 이미지들 각각에 대해, 제 1 데이터와 제 2 데이터의 차이를 계산할 수 있다. 어떠한 실시예에 따르면, 제 1 이미지 셋의 이미지가 압축된 것이면, 이미지 보정 방식이 적용되기 전에, 압축 해제가 먼저 수행될 수 있다. 어떠한 실시예에 따르면, 프로세서는, 제 1 이미지 셋에 대응하는 제 1 데이터를, 제 1 이미지 셋에 대한 보정 없이, 데이터베이스(예: 이미지 저장소(480) 또는 제 1 메모리(440))로부터 획득할 수도 있다.

다양한 실시예에 따르면, 동작 540에서 프로세서는 상기 제 1 이미지 셋에서 지정된 조건을 만족하는 이미지의 카테고리 정보를 확인할 수 있다. 여기서, 지정된 조건을 만족하는 이미지는 지정된 임계치를 상회하는, 제 1 데이터와 제 2 데이터의 차이를 갖는 이미지를 의미할 수 있다.

다양한 실시예에 따르면, 동작 550에서 프로세서는 지정된 조건을 만족하는 이미지의 카테고리 정보에 기반하여, 데이터베이스로부터 복수의 이미지들(예: 도 4의 보정 대상 결정 모듈(483)에 의해 획득된 보정 대상들)을 포함하는 제 2 이미지 셋을 획득할 수 있다.

일 실시예에 따르면, 프로세서는 지정된 조건을 만족하는 이미지의 카테고리 정보 중 제 1 레벨에 대응하는 제 1 카테고리((예: 도 4의 보정 대상 결정 모듈(483)의 분류에 따라 상위 그룹에 속한 테스트 대상의 카테고리)와 제 2 레벨(예: 하위 그룹에 속한 테스트 대상의 카테고리)에 대응하는 제 2 카테고리를 확인할 수 있다. 프로세서는 데이터베이스에 저장된 복수의 이미지들 중 제 1 카테고리를 가지되 제 2 카테고리를 이미지를 제 2 이미지 셋으로 결정할 수 있다.

다양한 실시예에 따르면, 동작 560에서 프로세서는 변경이 적용된 이미지 보정 방식에 기반하여, 제 2 이미지 셋을 보정하여 제 3 이미지 셋을 생성할 수 있다.

도 6은 본 발명의 다양한 실시예에 따른 전자 장치의 동작들을 설명하기 위한 도면이다.

도 6을 참조하면, 본 발명의 다양한 실시예에 따른 전자 장치(600)(예: 도 4의 400 또는 470)는 데이터베이스(610), 이미지 획득 모듈(620), 제 1 ISP(631), 제 2 ISP(632), 이미지 비교 모듈(640), 및 보정 대상 결정 모듈(650)을 포함할 수 있다.

본 발명의 다양한 실시예에 따르면, 데이터베이스(610), 이미지 획득 모듈(620), 제 1 ISP(631), 제 2 ISP(632), 이미지 비교 모듈(640), 및 보정 대상 결정 모듈(650)는 서로들 간에 기능적으로 연결되어 있으며, 이에 따라, 이들 간에는 자유로운 데이터 전달 및 공유가 가능하다. 일 실시예에 따르면, 상기 모듈들 중 적어도 하나는 논리 모듈일 수 있으며, 따라서 적어도 하나 이상의 프로세서(예: 도 4의 412, 430, 471)가 이들의 동작을 수행할 수 있다. 일 실시예에 따르면, 상기 모듈들 중 적어도 하나가 프로세서(예: 도 4의 412, 430 또는 471) 내 하드웨어로 구현될 수 있다.

본 발명의 다양한 실시예에 따른 이미지 획득 모듈(620)(예: 도 4의 481 또는 430를 포함)은 데이터베이스(610)의 로우 이미지 저장소(611)(예: 도 4의 479 또는 418)에 저장된 이미지들 중 일부를 테스트 대상으로서 획득하여 제 1 이미지 셋(661)을 생성하고, 이를 제 1 ISP(631), 제 2 ISP(632) 및 이미지 비교 모듈(640)에 각각 전달할 수 있다. 여기서, 이미지 획득에는 앞서 도 4를 통해 설명된 바와 같이 카테고리 별로 이미지들을 균등하게 추출하는 방식이 적용될 수 있다. 어떠한 실시예에 따르면, 이미지 획득 모듈(620)은, 로우 이미지 저장소(611)로부터 획득된 테스트 대상(이미지)이 압축된 것이면, 테스트 대상을 디코더를 이용하여 압축 해제한 다음 제 1 ISP(631) 및 제 2 ISP(632)에 각각 전달할 수 있다.

본 발명의 다양한 실시예에서, 제 1 ISP(631)(예: 도 4의 476a 또는 416a)는 제 1 이미지 셋(661)의 이미지들을 보정하고, 각 이미지의 보정 결과를 나타내는 에너지 값(예: 밝기, 명도, 컬러, 채도, 색 온도, 선명도, 색 조화, 사실감, 콘트라스트, 또는 HSV 중 적어도 하나)을 포함하는 제 1 보정 결과(671)를 이미지 비교 모듈(640)로 전달할 수 있다.

본 발명의 다양한 실시예에서, 제 2 ISP(632) (예: 도 4의 476b 또는 416b)는 제 1 이미지 셋(661)의 이미지들을 보정하고, 각 이미지의 보정 결과를 나타내는 에너지 값(예: 밝기, 명도, 컬러, 채도, 색 온도, 선명도, 색 조화, 사실감, 콘트라스트, 또는 HSV 중 적어도 하나)을 포함하는 제 2 보정 결과(672)를 이미지 비교 모듈(640)로 전달할 수 있다.

본 발명의 다양한 실시예에 따른 이미지 비교 모듈(640)(예: 도 4의 482 또는 430)은 제 1 보정 결과(671) 및 제 2 보정 결과(672)를 비교하고, 비교 결과에 기초하여, 제 1 이미지 셋(661)의 이미지들을 상위 그룹(681)과 하위 그룹(682)으로 분류하여 보정 대상 결정 모듈(650)으로 전달할 수 있다. 분류에 관한 예시는 도 4를 통해 예시된 이미지 비교 모듈(482)의 다양한 동작들로 대체한다.

본 발명의 다양한 실시예에 따른 보정 대상 결정 모듈(650)(예: 도 4의 483 또는 430)은, 상위 그룹(681)에 포함된 이미지의 카테고리 정보, 하위 그룹(682)에 포함된 이미지의 카테고리 정보, 상위 그룹(681)에 포함된 이미지의 메타데이터, 상위 그룹(681)에 포함된 이미지의 레시피 정보, 하위 그룹(682)에 포함된 이미지의 메타데이터, 또는 하위 그룹(682)에 포함된 이미지의 레시피 정보 중에서 적어도 “상위 그룹(681)에 포함된 이미지의 카테고리 정보”에 기초하여, 보정 대상을 결정할 수 있다. 보정 대상의 결정에 관한 다양한 예시는 도 4를 통해 예시된 보정 대상 결정 모듈(483)의 다양한 동작들로 대체한다.

본 발명의 다양한 실시예에 따른 보정 대상 결정 모듈(650)은 보정 대상의 결정을 위해 필요한 테스트 대상의 특징 정보(691)(예: 카테고리 정보, 메타데이터, 또는 레시피 정보)를 데이터베이스(610)(예: 611 또는 612)를 통해 획득할 수 있다. 어떠한 실시예에 따르면, 특징 정보는 해당 이미지 자체에 포함된 정보일 수 있다. 그렇다면, 보정 대상 결정 모듈(650)은 데이터베이스(610) 대신 다른 모??(예: 이미지 획득 모듈(620) 또는 이미지 비교 모듈(640))을 통해 특징 정보를 획득하거나, 제 1 이미지 셋(661)에서 특징 정보를 획득할 수 있다.

본 발명의 다양한 실시예에 따른 보정 대상 결정 모듈(650)은 보정 대상의 특징 정보(692)를 이미지 획득 모듈(620)로 전달할 수 있다. 예를 들어, 특징 정보(692)는 카테고리 정보, 메타데이터 또는 레시피 정보 중 적어도 카테고리 정보를 포함할 수 있다.

본 발명의 다양한 실시예에 따른 이미지 획득 모듈(620)은 특징 정보(692)를 데이터베이스(610)에 전달함으로써 데이터베이스(610)에게 보정 대상(제 2 이미지 셋(693))을 제 2 ISP(632)에 전달하게 요청(695)할 수 있다. 제 2 ISP(632)는 제 2 이미지 셋(693)을 로우 이미지 저장소(611)로부터 수신하고, 제 2 이미지 셋(693)을 보정하여 제 3 이미지 셋(694)을 생성하고, 제 3 이미지 셋(694)을 이미지 저장소(612)(예: 도 4의 도 4의 480 또는 440)에 저장할 수 있다. 어떠한 실시예에 따르면, 제 2 ISP(632)는 보정 대상의 획득을 위한 구성을 가질 수 있다. 그러한 경우, 제 2 ISP(632)는 보정 대상 결정 모듈(650)로부터 특징 정보(692)를 직접 수신하고, 로우 이미지 저장소(611)를 통해 제 2 이미지 셋(693)을 획득할 수도 있다.

도 7은 본 발명의 다양한 실시예에 따른 전자 장치의 동작들을 설명하기 위한 도면이다.

도 7을 참조하면, 본 발명의 다양한 실시예에 따른 전자 장치(700)(예: 도 4의 400 또는 470)는 이미지 저장소(710), 이미지 획득 모듈(720), ISP(730), 이미지 비교 모듈(740), 및 보정 대상 결정 모듈(750)을 포함할 수 있다.

본 발명의 다양한 실시예에 따르면, 이미지 저장소(710), 이미지 획득 모듈(720), ISP(730), 이미지 비교 모듈(740), 및 보정 대상 결정 모듈(750)는 서로들 간에 기능적으로 연결되어 있으며, 이에 따라, 이들 간에는 자유로운 데이터 전달 및 공유가 가능하다. 일 실시예에 따르면, 상기 모듈들 중 적어도 하나는 논리 모듈일 수 있으며, 따라서 적어도 하나 이상의 프로세서(예: 도 4의 412, 430, 471)가 이들의 동작을 수행할 수 있다. 일 실시예에 따르면, 상기 모듈들 중 적어도 하나가 프로세서(예: 도 4의 412, 430 또는 471) 내 하드웨어로 구현될 수 있다.

본 발명의 다양한 실시예에 따른 이미지 획득 모듈(720)(예: 도 4의 481 또는 430를 포함)은 이미지 저장소(710)(예: 도 4의 480 또는 440)에 저장된 이미지들 중 일부를 테스트 대상으로서 획득하여 제 1 이미지 셋(761)을 생성하고, 이를 ISP(730) 및 이미지 비교 모듈(740)에 각각 전달할 수 있다. 여기서, 이미지 획득에는 앞서 도 4를 통해 설명된 바와 같이 카테고리 별로 이미지들을 균등하게 추출하는 방식이 적용될 수 있다. 어떠한 실시예에 따르면, 이미지 획득 모듈(720)은, 이미지 저장소(710)로부터 획득된 테스트 대상(이미지)이 압축된 것이면, 테스트 대상을 디코더를 이용하여 압축 해제한 다음 ISP(730)에 전달할 수 있다.

본 발명의 다양한 실시예에서, ISP(730)(예: 도 4의 476b 또는 416b)는 제 1 이미지 셋(761)의 이미지들을 보정하고, 각 이미지의 보정 결과를 나타내는 에너지 값(예: 밝기, 명도, 컬러, 채도, 색 온도, 선명도, 색 조화, 사실감, 콘트라스트, 또는 HSV 중 적어도 하나)을 포함하는 보정 결과(771)를 이미지 비교 모듈(740)로 전달할 수 있다.

본 발명의 다양한 실시예에 따른 이미지 비교 모듈(740)(예: 도 4의 482 또는 430)은 제 1 이미지 셋(761) 그리고 그것의 보정 결과(771)(보정 이미지 셋)을 비교하고, 비교 결과에 기초하여, 제 1 이미지 셋(761)의 이미지들을 상위 그룹(781)과 하위 그룹(782)으로 분류하여 보정 대상 결정 모듈(750)으로 전달할 수 있다. 분류에 관한 예시는 도 4를 통해 예시된 이미지 비교 모듈(482)의 다양한 동작들로 대체한다.

본 발명의 다양한 실시예에 따른 보정 대상 결정 모듈(750)(예: 도 4의 483 또는 430)은, 상위 그룹(781)에 포함된 이미지의 카테고리 정보, 하위 그룹(782)에 포함된 이미지의 카테고리 정보, 상위 그룹(781)에 포함된 이미지의 메타데이터, 상위 그룹(781)에 포함된 이미지의 레시피 정보, 하위 그룹(782)에 포함된 이미지의 메타데이터, 또는 하위 그룹(782)에 포함된 이미지의 레시피 정보 중에서 적어도 “상위 그룹(781)에 포함된 이미지의 카테고리 정보”에 기초하여, 보정 대상을 결정할 수 있다. 보정 대상의 결정에 관한 다양한 예시는 도 4를 통해 예시된 보정 대상 결정 모듈(483)의 다양한 동작들로 대체한다.

본 발명의 다양한 실시예에 따른 보정 대상 결정 모듈(750)은 보정 대상의 결정을 위해 필요한 테스트 대상의 특징 정보(791)(예: 카테고리 정보, 메타데이터, 또는 레시피 정보)를 이미지 저장소(710)를 통해 획득할 수 있다. 어떠한 실시예에 따르면, 특징 정보는 해당 이미지 자체에 포함된 정보일 수 있다. 그렇다면, 보정 대상 결정 모듈(750)은 이미지 저장소(710) 대신 다른 모??(예: 이미지 획득 모듈(720) 또는 이미지 비교 모듈(740))을 통해 특징 정보를 획득하거나, 제 1 이미지 셋(761)에서 특징 정보를 획득할 수 있다.

본 발명의 다양한 실시예에 따른 보정 대상 결정 모듈(750)은 보정 대상의 특징 정보(792)를 이미지 획득 모듈(720)로 전달할 수 있다. 예를 들어, 특징 정보(792)는 카테고리 정보, 메타데이터 또는 레시피 정보 중 적어도 카테고리 정보를 포함할 수 있다.

본 발명의 다양한 실시예에 따른 이미지 획득 모듈(720)은 특징 정보(792)를 이미지 저장소(710)에 전달함으로써 이미지 저장소(710)에게 보정 대상(제 2 이미지 셋(793)을 ISP(730)에 전달하게 요청(795)할 수 있다. ISP(730)는 제 2 이미지 셋(793)을 이미지 저장소(710)로부터 수신하고, 제 2 이미지 셋(793)을 보정하여 제 3 이미지 셋(794)을 생성하고, 제 3 이미지 셋(794)을 이미지 저장소(710)에 저장할 수 있다. 어떠한 실시예에 따르면, ISP(730)는 보정 대상의 획득을 위한 구성을 가질 수 있다. 그러한 경우, ISP(730)는 보정 대상 결정 모듈(750)로부터 특징 정보(792)를 직접 수신하고, 이미지 저장소(710)를 통해 제 2 이미지 셋(793)을 획득할 수도 있다.

도 8은 본 발명의 다양한 실시예에 따른 전자 장치의 동작들을 설명하기 위한 도면이다.

도 8을 참조하면, 본 발명의 다양한 실시예에 따른 전자 장치(800)(예: 도 4의 400 또는 470)는 데이터베이스(810), 이미지 획득 모듈(820), ISP(830), 이미지 비교 모듈(840), 및 보정 대상 결정 모듈(850)을 포함할 수 있다.

본 발명의 다양한 실시예에 따르면, 데이터베이스(810), 이미지 획득 모듈(820), ISP(830), 이미지 비교 모듈(840), 및 보정 대상 결정 모듈(850)는 서로들 간에 기능적으로 연결되어 있으며, 이에 따라, 이들 간에는 자유로운 데이터 전달 및 공유가 가능하다. 일 실시예에 따르면, 상기 모듈들 중 적어도 하나는 논리 모듈일 수 있으며, 따라서 적어도 하나 이상의 프로세서(예: 도 4의 412, 430, 471)가 이들의 동작을 수행할 수 있다. 일 실시예에 따르면, 상기 모듈들 중 적어도 하나가 프로세서(예: 도 4의 412, 430 또는 471) 내 하드웨어로 구현될 수 있다.

본 발명의 다양한 실시예에 따른 이미지 획득 모듈(820)(예: 도 4의 481 또는 430를 포함)은 데이터베이스(810)의 로우 이미지 저장소(811)(예: 도 4의 479 또는 418)에 저장된 이미지들 중 일부를 테스트 대상으로서 획득하여 제 1 이미지 셋(861)을 생성하고, 이를 ISP(830) 및 이미지 비교 모듈(840)에 각각 전달할 수 있다.

본 발명의 다양한 실시예에 따른 이미지 획득 모듈(820)은 제 1 이미지 셋(861)에 대응하는 제 1 보정 결과(861)를 데이터베이스(810)의 이미지 저장소(812)(예: 도 4의 480 또는 440)로부터 획득하고, 이를 이미지 비교 모듈(840)로 전달할 수 있다.

본 발명의 다양한 실시예에서, ISP(830)(예: 도 4의 476b 또는 416b)는 제 1 이미지 셋(861)의 이미지들을 보정하고, 각 이미지의 보정 결과를 나타내는 에너지 값을 포함하는 제 2 보정 결과(872)를 이미지 비교 모듈(840)로 전달할 수 있다.

본 발명의 다양한 실시예에 따른 이미지 비교 모듈(840)(예: 도 4의 482 또는 430)은 제 1 보정 결과(871) 및 제 2 보정 결과(872)를 비교하고, 비교 결과에 기초하여, 제 1 이미지 셋(861)의 이미지들을 상위 그룹(881)과 하위 그룹(882)으로 분류하여 보정 대상 결정 모듈(850)으로 전달할 수 있다.

본 발명의 다양한 실시예에 따른 보정 대상 결정 모듈(850)(예: 도 4의 483 또는 430)은, 상위 그룹(881)에 포함된 이미지의 카테고리 정보, 하위 그룹(882)에 포함된 이미지의 카테고리 정보, 상위 그룹(881)에 포함된 이미지의 메타데이터, 상위 그룹(881)에 포함된 이미지의 레시피 정보, 하위 그룹(882)에 포함된 이미지의 메타데이터, 또는 하위 그룹(882)에 포함된 이미지의 레시피 정보 중에서 적어도 “상위 그룹(881)에 포함된 이미지의 카테고리 정보”에 기초하여, 보정 대상을 결정할 수 있다.

본 발명의 다양한 실시예에 따른 보정 대상 결정 모듈(850)은 보정 대상의 결정을 위해 필요한 테스트 대상의 특징 정보(891)(예: 카테고리 정보, 메타데이터, 또는 레시피 정보)를 로우 이미지 저장소(810)(또는 이미지 저장소(815))를 통해 획득할 수 있다. 어떠한 실시예에 따르면, 특징 정보는 해당 이미지 자체에 포함된 정보일 수 있다. 그렇다면, 보정 대상 결정 모듈(850)은 데이터베이스(810) 대신 다른 모듈(예: 이미지 획득 모듈(820) 또는 이미지 비교 모듈(840))을 통해 특징 정보를 획득하거나, 제 1 이미지 셋(861)에서 특징 정보를 획득할 수 있다.

본 발명의 다양한 실시예에 따른 보정 대상 결정 모듈(850)은 보정 대상의 특징 정보(892)를 이미지 획득 모듈(820)로 전달할 수 있다.

본 발명의 다양한 실시예에 따른 이미지 획득 모듈(820)은 특징 정보(892)를 로우 데이터베이스(810)에 전달함으로써 데이터베이스(810)에게 보정 대상(제 2 이미지 셋(893))을 ISP(830)에 전달하게 요청(895)할 수 있다. ISP(830)는 제 2 이미지 셋(893)을 로우 이미지 저장소(811)로부터 수신하고, 제 2 이미지 셋(893)을 보정하여 제 3 이미지 셋(894)을 생성하고, 제 3 이미지 셋(894)을 이미지 저장소(812)에 저장할 수 있다. 어떠한 실시예에 따르면, ISP(830)는 보정 대상의 획득을 위한 구성을 가질 수 있다. 그러한 경우, ISP(830)는 보정 대상 결정 모듈(850)로부터 특징 정보(892)를 직접 수신하고, 로우 이미지 저장소(810)를 통해 제 2 이미지 셋(893)을 획득할 수도 있다.

상기 제 1 원시 이미지에 대응하는 카테고리 정보는 제 1 레벨에 대응하는 복수의 카테고리들 및 상기 제 1 레벨보다 낮은 제 2 레벨에 대응하는 카테고리를 포함하고, 상기 프로세서는, 상기 제 1 원시 이미지에 대응하는 카테고리 정보 중 상기 제 1 레벨에 대응하는 제 1 카테고리 및 상기 제 2 레벨에 대응하는 제 2 카테고리를 확인하고, 및 상기 복수의 원시 이미지들 중, 상기 제 1 카테고리를 포함하고 상기 제 2 카테고리를 포함하지 않는 카테고리 정보에 대응하는 원시 이미지를 상기 제 2 원시 이미지 셋의 적어도 일부로서 획득하도록 설정될 수 있다.

상기 복수의 카테고리들은, 이미지 인식 방식에 적어도 기초하여 상기 복수의 원시 이미지들로부터 인식된, 객체의 식별 정보를 포함하는 것일 수 있다.

상기 프로세서는, 상기 제 1 원시 이미지에서 인식된 적어도 하나의 객체의 식별 정보를, 상기 제 1 원시 이미지에 대응하는 카테고리 정보로서, 획득하도록 설정된 것일 수 있다.

상기 프로세서는, 상기 제 1 원시 이미지 셋의 원시 이미지들 각각을, 상기 제 1 이미지 보정 방식을 이용하여 보정함으로써 제 1 데이터를 획득하고, 상기 제 2 이미지 보정 방식을 이용하여 보정함으로써 제 2 데이터를 획득하고, 상기 제 1 원시 이미지 셋의 원시 이미지들 각각에 대해, 제 1 데이터와 제 2 데이터 간의 차이 값을 구하고, 상기 제 1 원시 이미지 셋의 원시 이미지들을, 지정된 임계치를 상회하는 차이 값을 갖는 상위 그룹과 상기 임계치를 밑도는 차이 값을 갖는 하위 그룹으로 분류하도록 설정될 수 있다. 상기 제 1 원시 이미지는 상기 상위 그룹에 속하는 것일 수 있다.

상기 제 1 원시 이미지에 대응하는 카테고리 정보는 복수의 카테고리들을 포함하고, 상기 프로세서는, 상기 복수의 카테고리들 중 일부가 상기 하위 그룹에 속한 제 2 원시 이미지의 카테고리 정보에도 포함되는 것에 반응하여, 상기 복수의 카테고리들 중 상기 일부를 제외한 나머지 중 적어도 하나에 기초하여, 상기 제 2 원시 이미지 셋을 획득하도록 설정된 것일 수 있다.

상기 제 2 이미지 보정 방식을 이용하여 획득된 데이터는, 밝기, 명도, 컬러, 채도, 색 온도, 선명도, 색 조화, 사실감, 콘트라스트, 또는 HSV 중 적어도 하나를 포함하는 것일 수 있다.

상기 프로세서는, 상기 제 2 이미지 보정 방식을 이용하여 획득된 데이터가 상기 제 2 이미지 보정 방식으로 이미지 보정 시 기대되는 보정 결과에 대응하는 것에 반응하여, 상기 보정 결과에 대응하는 차이 값에 가중치를 적용하도록 설정된 것일 수 있다.

상기 프로세서는, 상기 제 1 원시 이미지와 관련된 다수의 메타데이터들 중 일부가 상기 하위 그룹에 속한 제 2 원시 이미지와도 관련된 것에 반응하여, 상기 다수의 메타데이터들 중 상기 일부를 제외한 나머지 중 적어도 하나에 기초하여, 상기 제 2 원시 이미지 셋을 획득하도록 설정된 것일 수 있다.

상기 다수의 메타데이터들은 이미지 센서로 상기 제 1 원시 이미지와 함께 획득되어 상기 데이터베이스에 저장된 것일 수 있다.

상기 제 2 프로세서는 데이터베이스로부터 획득된 제 1 이미지 셋을 제 1 보정 방식 및 제 2 보정 방식으로 각각 보정하도록 상기 제 1 프로세서를 제어할 수 있고, 상기 적어도 하나의 이미지는, 상기 제 1 보정 방식에 따른 보정 결과와 상기 제 2 보정 방식에 따른 보정 결과 간의 차이에 적어도 기초하여, 선택된 것이고, 상기 제 3 이미지 셋은 상기 제 2 이미지 셋을 상기 제 2 보정 방식으로 보정하여 생성된 것일 수 있다.

상기 적어도 하나의 이미지는, 상기 제 1 이미지 셋과 상기 보정 결과의 차이에 적어도 기초하여, 선택된 것일 수 있다.

상기 특징 정보는 카테고리 정보, 메타데이터 및 레시피 정보 중 적어도 카테고리 정보를 포함하는 것일 수 있다.

상기 카테고리 정보는 상기 선택된 적어도 하나의 이미지에서 인식된 적어도 하나의 객체의 식별 정보를 포함하는 것일 수 있다.

상기 제 2 프로세서는, 상기 차이에 더해 제 1 이미지 셋의 이미지들 중 적어도 하나의 특징 정보에 더 기초하여, 상기 적어도 하나의 이미지를 선택하도록 설정된 것일 수 있다.

상기 특징 정보는 메타데이터 및 레시피 정보 중 적어도 하나를 포함하는 것일 수 있다.

상기 데이터베이스에는 상기 통신 모듈을 통해 외부 장치로부터 수신된 이미지가 저장되는 것일 수 있다.

본 명세서와 도면에 개시된 본 발명의 실시예들은 본 발명의 실시예에 따른 기술 내용을 쉽게 설명하고 본 발명의 실시예의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 실시예의 범위를 한정하고자 하는 것은 아니다. 따라서 본 발명의 다양한 실시예의 범위는 여기에 개시된 실시예들 이외에도 본 발명의 다양한 실시예의 기술적 사상을 바탕으로 도출되는 모든 변경 또는 변형된 형태가 본 발명의 다양한 실시예의 범위에 포함되는 것으로 해석되어야 한다.

101, 102, 104: 전자 장치
108: 서버
199: 네트워크

Claims

전자 장치에 있어서,
통신 모듈;
메모리;
프로세서를 포함하고, 상기 프로세서는,
외부 장치로부터 수신된 복수의 원시(raw) 이미지들을 저장하는 데이터 베이스를 확인하고, 상기 데이터 베이스는, 상기 복수의 원시 이미지들 중 적어도 일부에 대한 이미지 인식에 기반하여 상기 적어도 일부와 연관되어 저장된 복수의 카테고리 정보를 포함하고,
상기 전자 장치의 이미지 보정 방식에 대한 적어도 일부 변경을 확인하고,
상기 데이터 베이스로부터 상기 복수의 원시 이미지들 중 제 1 원시 이미지 셋(set)을 획득하고,
상기 제 1 원시 이미지 셋의 제 1 원시 이미지 중, 상기 변경이 적용되지 않은 제 1 이미지 보정 방식에 기반하여 상기 제 1 원시 이미지를 보정한 데이터와 상기 변경이 적용된 제 2 이미지 보정 방식을 이용하여 보정한 데이터의 차이가 지정된 조건을 만족하는 것에 기반하여, 상기 제 1 원시 이미지에 대응하는 카테고리 정보를 확인하고,
상기 제 1 원시 이미지에 대응하는 카테고리 정보에 기반하여, 상기 데이터 베이스로부터 상기 복수의 원시 이미지들 중 제 2 원시 이미지 셋을 획득하고, 및
상기 제 2 이미지 보정 방식에 기반하여, 상기 제 2 원시 이미지 셋을 보정하여 제 3 원시 이미지 셋을 생성하도록 설정된 전자 장치.
제 1 항에 있어서,
상기 제 1 원시 이미지에 대응하는 카테고리 정보는 제 1 레벨에 대응하는 복수의 카테고리들 및 상기 제 1 레벨보다 낮은 제 2 레벨에 대응하는 카테고리를 포함하고,
상기 프로세서는,
상기 제 1 원시 이미지에 대응하는 카테고리 정보 중 상기 제 1 레벨에 대응하는 제 1 카테고리 및 상기 제 2 레벨에 대응하는 제 2 카테고리를 확인하고, 및
상기 복수의 원시 이미지들 중, 상기 제 1 카테고리를 포함하고 상기 제 2 카테고리를 포함하지 않는 카테고리 정보에 대응하는 원시 이미지를 상기 제 2 원시 이미지 셋의 적어도 일부로서 획득하도록 설정된 전자 장치.
◈청구항 3은(는) 설정등록료 납부시 포기되었습니다.◈

제 2 항에 있어서, 상기 복수의 카테고리들은, 이미지 인식 방식에 적어도 기초하여 상기 복수의 원시 이미지들로부터 인식된, 객체의 식별 정보를 포함하는 것인,
전자 장치.
제 1 항에 있어서, 상기 프로세서는,
상기 제 1 원시 이미지에서 인식된 적어도 하나의 객체의 식별 정보를, 상기 제 1 원시 이미지에 대응하는 카테고리 정보로서, 획득하도록 설정된 것인,
전자 장치.
◈청구항 5은(는) 설정등록료 납부시 포기되었습니다.◈

제 1 항에 있어서, 상기 프로세서는,
상기 제 1 원시 이미지 셋의 원시 이미지들 각각을, 상기 제 1 이미지 보정 방식을 이용하여 보정함으로써 제 1 데이터를 획득하고, 상기 제 2 이미지 보정 방식을 이용하여 보정함으로써 제 2 데이터를 획득하고,
상기 제 1 원시 이미지 셋의 원시 이미지들 각각에 대해, 제 1 데이터와 제 2 데이터 간의 차이 값을 구하고,
상기 제 1 원시 이미지 셋의 원시 이미지들을, 지정된 임계치를 상회하는 차이 값을 갖는 상위 그룹과 상기 임계치를 밑도는 차이 값을 갖는 하위 그룹으로 분류하도록 설정되고,
상기 제 1 원시 이미지는 상기 상위 그룹에 속하는 것인,
전자 장치.
◈청구항 6은(는) 설정등록료 납부시 포기되었습니다.◈

제 5 항에 있어서, 상기 제 1 원시 이미지에 대응하는 카테고리 정보는 복수의 카테고리들을 포함하고,
상기 프로세서는,
상기 복수의 카테고리들 중 일부가 상기 하위 그룹에 속한 제 2 원시 이미지의 카테고리 정보에도 포함되는 것에 반응하여, 상기 복수의 카테고리들 중 상기 일부를 제외한 나머지 중 적어도 하나에 기초하여, 상기 제 2 원시 이미지 셋을 획득하도록 설정된 것인,
전자 장치.
◈청구항 7은(는) 설정등록료 납부시 포기되었습니다.◈

제 5 항에 있어서, 상기 제 2 이미지 보정 방식을 이용하여 획득된 데이터는,
밝기, 명도, 컬러, 채도, 색 온도, 선명도, 색 조화, 사실감, 콘트라스트, 또는 HSV 중 적어도 하나를 포함하는 것인,
전자 장치.
◈청구항 8은(는) 설정등록료 납부시 포기되었습니다.◈

제 5 항에 있어서, 상기 프로세서는,
상기 제 2 이미지 보정 방식을 이용하여 획득된 데이터가 상기 제 2 이미지 보정 방식으로 이미지 보정 시 기대되는 보정 결과에 대응하는 것에 반응하여,
상기 보정 결과에 대응하는 차이 값에 가중치를 적용하도록 설정된 것인,
전자 장치.
◈청구항 9은(는) 설정등록료 납부시 포기되었습니다.◈

제 5 항에 있어서, 상기 프로세서는,
상기 제 1 원시 이미지와 관련된 다수의 메타데이터들 중 일부가 상기 하위 그룹에 속한 제 2 원시 이미지와도 관련된 것에 반응하여, 상기 다수의 메타데이터들 중 상기 일부를 제외한 나머지 중 적어도 하나에 기초하여, 상기 제 2 원시 이미지 셋을 획득하도록 설정된 것인,
전자 장치.
◈청구항 10은(는) 설정등록료 납부시 포기되었습니다.◈

제 9 항에 있어서, 상기 다수의 메타데이터들은 이미지 센서로 상기 제 1 원시 이미지와 함께 획득되어 상기 데이터베이스에 저장된 것인,
전자 장치.
전자 장치에 있어서,
통신 모듈;
이미지를 보정하도록 설정된 제 1 프로세서; 및
상기 통신 모듈 및 상기 제 1 프로세서와 기능적으로 연결된 제 2 프로세서를 포함하고,
상기 제 2 프로세서는,
데이터베이스로부터 획득된 제 1 이미지 셋을 보정하도록 상기 제 1 프로세서를 제어하고,
상기 제 1 이미지 셋의 보정 결과에 적어도 기초하여, 상기 제 1 이미지 셋에서 적어도 하나의 이미지를 선택하고,
상기 선택된 적어도 하나의 이미지의 특징 정보를 상기 제 1 프로세서로 전달하도록 설정되고,
상기 제 1 프로세서는,
상기 특징 정보에 기반하여 상기 데이터베이스의 제 2 이미지 셋을 획득하고,
상기 제 2 이미지 셋을 보정하여 제 3 이미지 셋을 생성하도록 설정된 것인,
전자 장치.
제 11 항에 있어서, 상기 제 2 프로세서는 데이터베이스로부터 획득된 제 1 이미지 셋을 제 1 보정 방식 및 제 2 보정 방식으로 각각 보정하도록 상기 제 1 프로세서를 제어하고,
상기 적어도 하나의 이미지는, 상기 제 1 보정 방식에 따른 보정 결과와 상기 제 2 보정 방식에 따른 보정 결과 간의 차이에 적어도 기초하여, 선택된 것이고,
상기 제 3 이미지 셋은 상기 제 2 이미지 셋을 상기 제 2 보정 방식으로 보정하여 생성된 것인,
전자 장치.
제 11 항에 있어서, 상기 적어도 하나의 이미지는, 상기 제 1 이미지 셋과 상기 보정 결과의 차이에 적어도 기초하여, 선택된 것인,
전자 장치.
제 11 항에 있어서, 상기 특징 정보는 카테고리 정보, 메타데이터 및 레시피 정보 중 적어도 카테고리 정보를 포함하는 것인,
전자 장치.
◈청구항 15은(는) 설정등록료 납부시 포기되었습니다.◈

제 14 항에 있어서, 상기 카테고리 정보는 상기 선택된 적어도 하나의 이미지에서 인식된 적어도 하나의 객체의 식별 정보를 포함하는 것인,
전자 장치.
제 13 항에 있어서, 상기 제 2 프로세서는,
상기 차이에 더해 제 1 이미지 셋의 이미지들 중 적어도 하나의 특징 정보에 더 기초하여, 상기 적어도 하나의 이미지를 선택하도록 설정된 것인,
전자 장치.
◈청구항 17은(는) 설정등록료 납부시 포기되었습니다.◈

제 16 항에 있어서, 상기 특징 정보는 메타데이터 및 레시피 정보 중 적어도 하나를 포함하는 것인,
전자 장치.
제 11 항에 있어서, 상기 데이터베이스에는 상기 통신 모듈을 통해 외부 장치로부터 수신된 이미지가 저장되는 것인,
전자 장치.
전자 장치를 동작시키는 방법에 있어서,
외부 장치로부터 수신된 복수의 원시 이미지들을 저장하는 데이터 베이스를 확인하는 동작, 상기 데이터 베이스는, 상기 복수의 원시 이미지들 중 적어도 일부에 대한 이미지 인식에 기반하여 상기 적어도 일부와 연관되어 저장된 복수의 카테고리 정보를 포함하고;
상기 전자 장치의 이미지 보정 방식에 대한 적어도 일부 변경을 확인하는 동작;
상기 데이터 베이스로부터 상기 복수의 원시 이미지들 중 제 1 원시 이미지 셋(set)을 획득하는 동작;
상기 제 1 원시 이미지 셋의 제 1 원시 이미지 중, 상기 변경이 적용되지 않은 제 1 이미지 보정 방식에 기반하여 상기 제 1 원시 이미지를 보정한 데이터와 상기 변경이 적용된 제 2 이미지 보정 방식을 이용하여 보정한 데이터의 차이가 지정된 조건을 만족하는 것에 기반하여, 상기 제 1 원시 이미지에 대응하는 카테고리 정보를 확인하는 동작;
상기 제 1 원시 이미지에 대응하는 카테고리 정보에 기반하여, 상기 데이터 베이스로부터 상기 복수의 원시 이미지들 중 제 2 원시 이미지 셋을 획득하는 동작; 및
상기 제 2 이미지 보정 방식에 기반하여, 상기 제 2 원시 이미지 셋을 보정하여 제 3 원시 이미지 셋을 생성하는 동작을 포함하는 방법.
◈청구항 20은(는) 설정등록료 납부시 포기되었습니다.◈

제 19 항에 있어서, 상기 제 1 원시 이미지에 대응하는 카테고리 정보는 제 1 레벨에 대응하는 복수의 카테고리들 및 상기 제 1 레벨보다 낮은 제 2 레벨에 대응하는 카테고리를 포함하고,
상기 제 2 원시 이미지 셋을 획득하는 동작은,
상기 제 1 원시 이미지에 대응하는 카테고리 정보 중 상기 제 1 레벨에 대응하는 제 1 카테고리 및 상기 제 2 레벨에 대응하는 제 2 카테고리를 확인하는 동작과
상기 복수의 원시 이미지들 중, 상기 제 1 카테고리를 포함하고 상기 제 2 카테고리를 포함하지 않는 카테고리 정보에 대응하는 원시 이미지를 상기 제 2 원시 이미지 셋의 적어도 일부로서 획득하는 동작을 포함하는 방법.