KR20090118860A - 공간 주파수 해석을 이용한, 압축된 이미지를 색역 맵핑된 이미지로 처리하는 방법 - Google Patents

Abstract

압축된 이미지 내에 포함된 공간 주파수 해석은 이미지들의 압축해제 뿐만 아니라 적합한 색역 맵핑 알고리즘의 선택에 대해서도 이용된다. 적합한 색역 맵핑 알고리즘의 선택을 위해 그 어떠한 특정 공간 주파수 해석도 요구되지 않으므로, 계산 자원은 절약된다.

Description

공간 주파수 해석을 이용한, 압축된 이미지를 색역 맵핑된 이미지로 처리하는 방법{METHOD OF PROCESSING OF A COMPRESSED IMAGE INTO A GAMUT MAPPED IMAGE USING SPATIAL FREQUENCY ANALYSIS}

본 발명은 이미지 데이터(image data)의 압축해제(decompression) 및 이미지 데이터의 색 관리(color management)와 관련이 있다.

지난 15년 동안, 이미지 압축 알고리즘은 양자화 도중의 시각적 품질 손실을 감소시키기 위해 "시각 피라미드(vision pyramid)" 모델을 이용해 왔다. 통상의 이미지 압축 순서도가 도 1에 도시된다: 이미지는 먼저, 인간의 시각적 지각(human vision perception)으로부터의 정보를 구성할 목적으로, {예컨대, 이산 코사인 변환(Discrete Cosine Transform) 또는 웨이블렛 변환(Wavelet Transform)을 이용하여} 픽셀들의 색 값들의 공간 주파수 분포(spatial frequency distribution)를 나타내는 계수들로 압축해제 된다(decompressed). 그 후, 공간 주파수 분포 계수들은, 목표 압축 비율에 의존하여, 거친 정보(coarse information)가 이미지 세부 묘사(image detail)보다 이로울 경우, 부드럽게(smoothly) 또는 심하게(severely) 양자화된다. 최종적으로, 양자화된 공간 주파수 분포 계수들의 크기를 감소시키기 위 해 이진 코딩이 적용된다. JPEG/MPEG 이미지 압축의 특정 경우에, 주파수 변환 단계와 양자화 단계는, 8x8 픽셀 블록 영역들 상에, 지역적으로 적용된다.

색역(color gamut)은, 이미징 디스플레이 디바이스가 재생(reproduce) 가능한, 또는 이미지 포착(capturing) 디바이스가 포착 가능한, 또는 하나의 이미지 같은 한 항목의 시각적 콘텐츠의 내에 포함된, 색들의 완전한 집합을 정의한다. 하드웨어의 한계 때문에, 많은 수의 색 디바이스들은, 예컨대, 더 넓은 색역을 갖는 다른 디스플레이들 상에서 올바르게 재생되기 위해 처리된 이미지들의 색들의 양호한 재생을 제공할 가능성이 낮다. 보통의 경우는, CRT 모니터에서 렌더링되는(rendered) 이미지들의 색들과, 낮은 품질의 컬러 프린터에서 출력되는 동일한 이미지들 사이의 비교일 것이다.

상이한 색역을 갖는, 상이한 색 재생 디바이스들 상에서의 이미지들의 최상의 재생 품질을 보장하기 위해, 수년에 걸쳐서, 이른바 색들의 "색역 맵핑(Gamut Mapping)"을 이용하는, 다수의 기술들이 제안되었다. 색들의 색역 맵핑은, 소스 디바이스(source device)의 색들이 목적지 디바이스(destination device)의 색역 내에 위치하도록 변환되는 것을 보장한다. 태생적으로(inherently) 이미지들의 색측정(colorimetry)에 변화를 이끌어들이는(introduce), 변환의 영향을 최소화하게 될 일련의 기준(criteria)을 이용하여 그러한 연산이 수행될 수 있다. 밝기(lightness) 맵핑 또는 채도(chroma) 맵핑과 같은, 소스(source)의 색들을 목적지 색들로 맵핑하기 위한 다수의 알고리즘이 개발되었으며, 인간의 눈은 밝기와 채도를 고려하여 시각 데이터를 처리하므로, 그러한 알고리즘은 인간 시각 체 계(Human Visual System)("HVS") 기준에 대한 최초의 방향을 나타낸다.

CIE는, CIE 1976(L^*U^*V)으로 명명된, 또한 CIELUV로 알려진, 시각 지각적-균일 색 공간(visual perceptually-uniform color space)을 표준화하였으며, 이는 실질적으로 지각적으로 균일한 삼차원 색 공간을 구성함으로써 인간의 시각의 정신 물리학(psychophysics)을 설명한다. CIELUV 내의 한 색의 좌표는, 잘 알려진 CIE1931 XYZ 내의 한 색이, 해당 분야에서 정의된 "흰색 점(white point)"의 XYZ 좌표에 대해 정규화(normalized) 될 것을 요구한다. CIELUV 색 공간의 한 축(axis)은 CIE 1976 밝기로 명명되었으며, L^*로 표시되고, 원점에서의 직선 조각(straight-line segment)을 갖는 XYZ에서의 세제곱근 함수(cube-root function)를 이용하여 정의된다. L^*축을 따른 한 색의 위치는, 기준 흰색 점(reference white point)과 관련된 그 색의 휘도(luminance)로부터 유도된 정보만을 포함한다. CIELUV의 다른 두 축은 기준 흰색 점의 채도와 관련된 이미지 점(image point)의 채도로부터 유도된다. 이미지 점과 기준 흰색 점의 채도의 차이를 L^*에 비례하는 한 값과 곱한 것은, 더 어두운 색들은 채도가 낮은 것으로 나타나도록 하는 정신-물리학적 효과를 모방하며(mimic), 따라서 CIELUV 공간 내에서의 지각적 균일성을 초래한다. CIELUV 색 공간의 원통 좌표계(cylindrical) 표현이 또한 유용하다. L^*축은 변하지 않은 채로 남으며, 두 개의 직교 좌표계 채도 축(cartesian chrominance axis)에 의해 정의되는 평면은, 이른바 색조(Hue)(H)에 대응하는 위상 각도(phase angle)와, 이른바 채 도(C)와 결합된 반경(radius)에 관하여 표현된다. 1976년에, CIE는 또한, CIE 1976 (L^*a^*b), 또는 CIELAB으로 명명된, CIELUV 색 공간과 유사한 특성을 갖는 다른 시각 지각적-균일 색 공간을 표준화하였으며, 이는 또한 직교 좌표계(L x a x b) 또는 원통 좌표계{L x 색조(H) x 채도(C)}에 관하여 표현될 수 있다. 지각적-균일 색 공간에서, 세 개의 직교 좌표계 기초(base)는 휘도(L)와 채도(C1, C2)로 명명된다. 직교 좌표계 채도 평면은 또한, 채도(C)와 색조 각도(hue angle)(H)로 명명된 두 개의 극 좌표계 채도 기초(polar chrominance base)에 관하여 설명될 수도 있다. 그러므로, 채도(C)는 두 채도 값(C1과 C2)의 제곱의 합의 제곱근으로 정의되며, 색조 각도(H)는 두 채도 크기의 비(C2/C1)의 아크탄젠트(arctangent)로서 정의된다.

많은 수의 색역 맵핑 기술은 2D 또는 3D 기하 해법에 초점을 두는 경향이 있다. 그러한 기술들은, 재성형된(reshaped)/맵핑된(mapped) 부분들이 목적지 색역에 꼭 맞을 수 있도록(fit), 하드한(hard) 또는 소프트한(soft) 색 압축(compression)/자르기(clipping) 또는 확장 알고리즘을 이용하여, 소스 색역의 부분들을 재성형하는 단계/맵핑하는 단계로 구성된다. 몇몇 알고리즘은 그러한 맵핑의 시각적 효과를 제한하기 위한 기준을 이용한다. 알려진 기준들은, 예컨대, 색조 유지(hue conservation), 색 공간 내에서의 맵핑의 공간적 균질성(spatial homogeneity)과 콘트라스트 보존(contrast preservation)이다.

통상적인 2D 기하 맵핑 방법은 CIEL^*a^*b^* 색 공간 내에서, 더욱 정확하게 L^*C^* 부분공간(subspace) 내에서, 자르기(clipping)를 수행할 것이며, 여기서 L은 색의 밝기이고 C^*는 색의 채도를 나타내고:

이다{높은 C^*값은 높은 채도 수준(saturation level)을 나타낸다}. 하드한 그리고 소프트한 자르기 방법의 예시들은, 1998년 Scottsdale에서 열린 IS&T/SID Sixth Color Imaging Conference에서 발표된, Montag, E. D와 Fairchild, M. D.가 저술한 "Gamut mapping: Evaluation of chroma clipping techniques for three destination gamuts(색역 맵핑: 세 목적지 색역에 대한 채도 자르기 기술의 평가)"라는 제목의 논문에서 가져온, 도 2에서 관찰할 수 있다. "수평 자르기(straight clipping)"에서, 모든 색역 밖의 색들은, 밝기(L)의 변화 없이 직접적인 C^*-이동 연산(C^*-shift operation)을 이용하여 목적지 색역으로 맵핑된다. 더 소프트한(softer) 색 자르기 방법들은, 채도 수준의 더 나은 보존을 보장하기 위해, 고정된 앵커 점(anchor point)을 이용할 수도 있다{"노드 자르기(node clipping)"}. 그러한 자르기 방법에 관한 더 많은 상세한 설명이 아래에서 주어질 것이다.

몇몇 색역 맵핑 알고리즘은, 최소화되기 위한 기준(criterion to be minimized)에 의존하여, 다른 알고리즘보다 더 적은 시각적 영향을 갖는다. 일반적으로, 최소화되기 위한 기준은 전역적(global)이며 색 맵핑될 이미지의 모든 픽셀들은 주로 동일한 알고리즘을 이용하여 처리된다. 그러한 방법들은 이미지 내의 지역적인 변화(local variation)에 의존하지 않으며, 특정 경우에는 부적절한 콘트라스트를 생성할 가능성이 높다(예컨대, 균질한 영역 내에서의 양자화 또는 획득 잡음 증가).

반대로, 한 이미지의 상이한 부분들은, 그 부분들의 지역적인 특성에 의존하여 상이하게 색 맵핑될 수 있다. 그러한 정보를 이용하는 색역 맵핑 방법들을 "내용-의존적(content-dependent)", 특히 "공간 주파수-의존적(spatial frequency- dependent)"이라 칭한다. 인간 시각 연구는, 관찰자는 한 장면 내의 시각적 데이터를, 거친(coarse) 요소에서부터 미세(fine) 요소로, 계층적으로 처리하는 경향이 있다는 것을 알려준다. 이러한 행동(behavior)은 일반적으로 가우시안 피라미드(Gaussian pyramid)에 따라서, 또는 한 이미지 내의 색 값들의 분포의 낮은 공간 주파수에서부터 높은 공간 주파수까지의 상기 이미지의 내용을 구별하고 조직화할 수 있는 임의의 종류의 신호 처리 툴(signal processing tool)에 따라서 모델링된다.

문서 US6961477은 상이한 색역 맵핑 알고리즘을, 한 이미지 내의 색 값들의 공간 주파수 내용에 따라서, 상기 이미지의 상이한 영역들에 적용하는 것을 개시한다. 상기 문서에 따르면, 원본 이미지(original image)의 영역들은 공간적으로 "빈번한(busy)" 영역과 "부드러운(smooth)" 영역으로 분리되어있으며, 각 영역은 하나의 또는 복수의 색역 맵핑 알고리즘과 결합된다. 이러한 해법의 중요한 논의점은, 동일한 색 값을 갖는 인접 픽셀들의 색 맵핑은 두 영역의 경계선에서 매우 다를 수도 있으며, 그 후 허용할 수 없을 정도의 아티팩트(artifact)가 유입된다는 것이다. EP1098511, US2003/012427 및 US6516089는, 맵핑할 이미지들의 공간 주파수 내용에 의존하는 색역 맵핑 알고리즘의 다른 예시들을 설명한다. US5450216에서, 그러한 공간적 필터링(spatial filtering)은, 밝기를 고려하며 무채성인(achromatic) 이른바 콘트라스트 민감도 함수(CSF: Contrast Sensitivity Function)에 따라서, 그리고, 첫 번째로 빨간색-녹색 채도에 따른 채도를 고려하며 두 번째로 파란색-노란색 채도에 따른 채도를 고려하는, 채도 콘트라스트 민감도 함수(CCSF: Chromatic Contrast Sensitivity Functions)에 따라서, 밝기와 채도 변화 모두에 대해 민감하지 않은(insensitive) 인간의 시각적 반응의 상이한 공간 주파수 영역들을 이용하며, 그 후 휘도와 채도 변화 모두에 대한 인간 시각 반응을 최소화하는 방법으로 색들의 맵핑을 허용한다. 예컨대, 상기 문서의 여덟 번째 단(column), 51-57행에 기술된 대로, 인간의 눈이 휘도 변화에는 상대적으로 덜 민감하지만 채도의 변화에는 더 민감한 낮은 공간 주파수에서만, 소스 색들은 휘도의 방향으로 맵핑되며, 그 후 채도의 최소 변화를 허용한다.

인간 시각 체계(HVS)를 특성화하는, 상술된 CSF와 CCSF는 해당 기술 분야에 매우 잘 알려져있다. 도 3과 도 4는, 1985년, Journal of Physiology - London, 제359권, 페이지 381-400에 발표된, Kathy T. Mullen이 저술한 "The contrast sensitivity of human color vision to red-green and blue-yellow chromatic gratings(빨간색-녹색 그리고 파란색-노란색으로 채색한 격자들에 대한 인간의 색 시각의 콘트라스트 민감도)"라는 제목의 논문에서 주어진, 그러한 함수들의 예시를 도시한다. 도 3에서,

(동그라미) 기호는, 녹색의 단색 격자를 이용하여 526nm에서 수행된 측정을 기초로 하는 CSF를 지시하며,

(네모) 기호는, 빨간색-녹색 격자를 이용하여 526, 602nm에서 수행된 측정을 기초로 하는 빨간색-녹색 CCSF를 지 시한다. 도 4에서,

(동그라미) 기호는, 노란색 단색 격자를 이용하여 577nm에서 수행된 측정을 기초로 하는 CSF를 지시하며,

(네모) 기호는 577, 470nm에서 파란색-노란색 격자를 이용하여 수행된 측정을 기초로 하는 파란색-노란색 CCSF를 지시한다. 1987년 8월, Journal of the Optical Society of America A, 제4권, 페이지 1583에 발표된, Alan Johnston이 저술한 "Spatial scaling of central and peripheral contrast-sensitivity functions(중앙 및 주변의 콘트라스트-민감도 함수의 공간적 크기 조정)"이라는 제목의 논문과 같은 다른 출처들이 또한 고려될 수도 있으며, 인간의 눈의 망막의 상이한 부분들에 따라서 CSF와 CCSF의 변화가 주어진다.

도 5는 압축된 이미지(compressed image)를 압축해제된 색역 맵핑된 이미지(decompressed color gamut mapped image)로 처리하는 방법, 즉, 이미지의 압축해제와 색역 맵핑은 모두 공간 주파수 해석을 이용하지만, 완전히 분리된 연산인, 종래 도식을 도시한다.

본 발명의 목적은 그러한 방법을, 계산 자원(computation resource)을 절약하는 관점에서, 개선시키는 것이다.

이러한 목적을 위해, 본 발명의 주제는 압축된 이미지를 색역 맵핑된 압축해제된 이미지로 처리하는 방법이며, 상기 방법은,

- 상기 압축된 이미지를 복수의 인접한 압축 블록 영역으로 엔트로피 디코딩하는 단계(entropy decoding),

- 각각의 압축 블록 영역 내의 상기 이미지의 픽셀들의 색 값들의 공간 주파수 분포를 제공하기 위해 각각의 압축된 블록 영역을 역양자화하는 단계(dequantizing),

- 각각의 블록 영역의 공간 주파수 분포를 상기 블록 영역의 각각의 픽셀에 대한 색 값들로 역변환하는 단계(inverse-transforming),

- 각각의 블록 영역에 대해서, 상기 블록 영역 내의 색 값들의 공간 주파수 분포에 따라서, 복수의 색역 맵핑 알고리즘 중의 하나를 선택하는 단계,

- 상기 색역 맵핑된 압축해제된 이미지를 제공하기 위해, 상기 블록 영역에 대해 선택된 색역 맵핑 알고리즘을 이용하여 상기 이미지의 각각의 블록 영역의 색 값들을 색역 맵핑하는 단계

를 포함한다.

이미지 데이터를 조직화하기 위한 주파수 변환의 이용은 이미지 압축과 내용-의존적 색역 맵핑 사이의 흥미로운 관계를 보여준다. 실제로, 압축해제와 색역 맵핑 모두에 대해 공통적인 변환을 이용하는 것은, 이롭게, 디코더에서 상당한 계산 자원을 절약한다. 또한, 많은 경우에, 이미지 데이터는 압축되기 전에 밝기-채도 색 공간(통상적으로 YUV)으로 변환되기 때문에, 색역 맵핑은 또한 그러한 변환을 이용할 수 있다.

본 발명에 따라서, 압축된 이미지 내에 포함된 공간 주파수 해석은 이미지의 압축해제 뿐만 아니라 적합한 색역 맵핑 알고리즘의 선택을 위해서도 이용된다. 적합한 색역 맵핑 알고리즘의 선택을 위해서 특정한 공간 주파수 해석이 요구되지 않기 때문에, 계산 자원은 절약된다.

바람직하게, 만일 각각의 픽셀의 색 값들이 적어도 하나의 밝기 또는 루마(luma) 값과 채도 값으로 표현된다면, 상기 선택하는 단계에서:

- 채도 값의 변화를 최소화하는 색역 맵핑 알고리즘은, 밝기 값과 채도 값 모두가 0.4 주기(cycle)/도(degree) 미만의, 낮은 공간 주파수 범위 내에 주로 분포되는 모든 블록 영역과 결합되고,

- 밝기 또는 루마 값의 변화를 최소화하는 색역 맵핑 알고리즘은, 밝기 또는 루마 값과 채도 값 모두가 0.4 주기/도 보다 큰, 높은 공간 주파수 범위 내에 주로 분포되는 모든 블록 영역과 결합된다.

색역 맵핑에서, 밝기-채도 변환은 통상적으로 CIELab 색공간을 이용하여 수행되지만, 더욱 압축-용이한(compression-compliant) 이른바 YUV 색 공간을 이용하는 것은, YUV 색 공간은 압축된 JPEG/MPEG 이미지 데이터 스트림(stream)과 잘 맞으므로, 여기서 매우 이롭다. YUV 색 공간은, ITU-R BT 601 표준의 부분으로서 개발된 YCbCr 색 공간에 대응한다.

바람직하게, 만일 각각의 픽셀의 색 값들이 적어도 하나의 밝기 또는 루마 값과 채도 값으로 표현된다면, 만일, 각각의 블록 영역 내에서, 상기 블록 영역 내의 밝기 또는 루마 값들의 공간 주파수 분포의 공간 대역폭이 정의되고, 상기 블록 영역 내의 채도 값들의 공간 주파수 분포의 공간 대역폭이 정의된다면, 상기 블록 영역 내의 상기 밝기 또는 루마 공간 대역폭에 대한 콘트라스트 민감도 함수(CSF)의 값과, 동일한 블록 영역 내의 상기 채도 공간 대역폭에 대한 채도 콘트라스트 민감도 함수(CCSF)의 값 사이의 차에 따라서, 상기 블록 영역에 대해 상기 선택하는 단계가 수행된다.

바람직하게, 각각의 압축 블록 영역은 8x8 픽셀을 포함한다.

바람직하게, 압축된 이미지는 JPEG 또는 MPEG 압축 표준을 따른다.

상기 처리 방법은 또한 비디오 시퀀스로서의 일련의 이미지에 적용 가능하다.

본 발명에 따라서, 압축된 이미지 내에서의 공간 주파수 해석은 이미지의 압축해제 뿐만 아니라 적합한 색역 맵핑 알고리즘의 선택을 위해서도 이용된다. 적합한 색역 맵핑 알고리즘의 선택을 위해서 특정한 공간 주파수 해석이 요구되지 않기 때문에 계산 자원은 절약된다.

비-제한적인(non-limiting) 예시를 위해 주어진, 그리고 첨부되는 도면들을 참조하는, 다음의 설명을 읽음으로써 본 발명은 더욱 명확하게 이해될 것이다.

본 명세서에서, 첨부 도면을 참조하여 예시적인 실시예들이 설명될지라도, 본 발명의 원리는 그러한 세세한 실시예들로 제한되지 않는다는 것이 이해되어야 하며, 본 발명의 원리의 범위 또는 사상으로부터 벗어나지 않으면서 당업자에 의해 다양한 변화와 수정이 실행될 수도 있다는 것이 이해되어야 한다. 그러한 모든 변 화와 수정은 첨부된 청구항들에서 설명되는 본 발명의 원리의 범위 내에 포함되도록 의도된다.

본 기재는 본 발명의 원리를 설명한다. 그러므로, 본 명세서에 명확하게 기재되거나 도시되지 않았다고 할지라도, 당업자는, 본 발명의 원리를 구현하며 본 발명의 사상과 범위 내에 포함되는, 다양한 장치들을 구상할 수 있을 것이라는 것이 이해될 것이다. 본 명세서에서 제공되는 블록도와 순서도는, 본 발명의 원리를 구현하는 예시적인 회로의 개념적 개관을 나타낸다는 것이 당업자에게 이해될 것이다. 도면들에 도시된 다양한 요소들의 기능들은 전용 하드웨어(dedicated hardware), 그리고, 적합한 소프트웨어와 결합된, 소프트웨어를 실행시킬 수 있는 하드웨어를 통해 제공될 수도 있다. 프로세서에 의해 제공될 때, 기능들은, 하나의 단일한 전용 프로세서에 의해, 하나의 단일한 공유된 프로세서에 의해, 또는, 일부는 공유되었을 수도 있는, 복수의 개별적인 프로세서에 의해 제공될 수도 있다. 적합한 소프트웨어는, 프로그램 저장 유닛 상에 실체로서 구현된(tangibly embodied) 응용 프로그램으로서 구현될 수도 있다.

본 발명에 따른 방법은 도 1에 도시된 대로 압축된 이미지들을 처리하도록 적응되며, 이는 이미 언급되었다.

압축할 이미지는 인접한(adjacent) 블록 영역들로 분할되며(divided), 이 이미지의 픽셀들에 부여된 색 값들의 공간 주파수 분포를 나타내는 계수들로 분해되고(decomposed); 각각의 픽셀을 둘러싼 이미지의 공간적 부분은, 2D 이미지 공간에서 2D 주파수 공간으로 다시 맵핑되어야 한다. 이러한 동작을 달성하기 위한 하나 의 매우 잘 알려진 방법은, 픽셀들의 각각의 블록 영역 내에서 각각의 픽셀의 이웃(neighborhood)의 이산 코사인 변환(DCT: Discrete Cosines Transform)을 처리하는 것이다(DCT는 특히 Jpeg과 Mpeg 압축을 위해 이용된다). DCT는 색 값들의 행렬을, 그 이미지의 공간 주파수 분해성분(decomposition)을 나타내는 계수들의 행렬로 변환한다. 도 7은 압축할 이미지의 8x8 픽셀의 한 블록 영역에 대한 DCT 처리의 한 예시를 도시한다. 공간 주파수 공간에서, x 방향의 계수들은 이미지의 수직 주파수들을 나타내며, y 방향의 계수들은 수평 주파수들을 나타낸다.

다음의 잘 알려진 수식은 이러한 DCT 변환을 수행하기 위해 이용되며, 여기서 N은 행렬의 크기를 나타낸다:

이러한 변환에 의해 얻어진 NxN 계수 행렬은, N=8에 대해 도 8에 나타난, 공간 주파수들의 기여(contribution)를 나타낸다.

DCT 변환은 공간에서 주파수로의 변환의 한 예시이며, 푸리에 변환, 웨이블렛, 필터 뱅크(filter bank)에 의해 정의된 다른 부분-대역들(sub-bands), 또는 다른 것들과 같은, 2D 주파수 공간에서의 다른 해석 기술이 적용될 수도 있다.

양자화 후에, 압축된 이미지를 얻기 위해, 양자화된 공간 주파수 분포 계수들의 크기를 감소시키도록, 일반적인 엔트로피 코딩이 적용된다.

본 발명에 따라서 이러한 압축된 이미지를 적어도 하나의 색역 맵핑된 이미지로 처리하는 방법의 한 실시예가, 이제 도 6, 도 9 내지 도 12를 참조하여 설명 될 것이다.

복수의 색역 맵핑 알고리즘과, 임의의 주어진 블록 영역 내의 색 값들의 공간 주파수 분포에 따른 색역 맵핑 알고리즘을 위한 선택 규칙은 미리 정의되어야 한다.

본 명세서에서 제안되는 복수의 색역 맵핑 알고리즘은 색 자르기 방법을 기초로 한다. 이미 설명된 대로, 색 자르기 방법은, 맵핑 색 공간에서, 한 앵커 점으로 고정된(anchored) 맵핑 궤적(trajectory)들을 따라서 색들을 맵핑시킨다. 이러한 색 맵핑 궤적들은 일반적으로 직선이다. 앵커 점들은 일반적으로, 색 공간의 이른바 무채성(achromatic) 축 또는 L^* 축(또는 "회색 선")에 속한다. 이러한 앵커 점들은, 예컨대, Montag와 Fairchild에 의해, 1998년 Scottsdale에서 열린 IS&T/SID Sixth Color Imaging Conference에서 발표된 "Gamut mapping: Evaluation of chroma clipping techniques for three destination gamuts(색역 맵핑: 세 개의 목적지 색역에 대한 채도 자르기 기술의 평가)"라는 제목의 그들의 논문에서 설명된 것과 같이, 소스와 목적지 색역의 모양에 따라서 선택될 수 있다. 그러한 색 맵핑 궤적들을 따라서 색이 이동되는 방법은 다양할 수 있다. 단순한 맵핑 알고리즘은, 색 맵핑 궤적들을 따라 목적 색역 표면 상으로 목적 색역 밖의 모든 색들을 자른다. 더욱 복잡한 색 맵핑 알고리즘은, 색들이 동일한 맵핑 궤적들 위로 유지되지만 색들이 모두 목적지 색역 내에 존재하도록, 선형 크기조정(linear scaling)에 의해 색 맵핑 궤적들을 따라 모든 색들을 선형적으로 압축한다. 더더욱 복잡한, 비-선형 파라미터 함수(non-linear parametric function)는, 목적 색역 내의 정의된 선들을 따라서 색들을 이동시키기 위해, 특정한, 때로는 구분적으로(piece-wise) 정의된, 크기조정 동작(scaling operation)을 색들에 적용한다. 예컨대, Braun과 Fairchild는, 1999년에 발행된 SPIE Electronic Imaging Conference(EIi99)의 회보에 발표된 "Image Lightness Rescaling Using Sigmoidal Contrast Enhancement Functions(S자형 콘트라스트 향상 함수를 이용한 이미지 밝기 재조정)"이라는 제목의 논문에서, 비선형이며, S-모양을 갖는 함수를 제안한다. 소스 색역으로부터 목적지 색역으로 색들을 맵핑할 때, 위의 인용된 논문에서는, 한 맵핑 직성 상의 한 색이 얼마나 멀리 이동될 필요가 있는지를 정의하는 색 맵핑 궤적, 가변 앵커 점들, 맵핑 함수들로서 직선들을 이용한다. 맵핑 궤적들, 앵커 점들 그리고 맵핑 함수들은 한 주어진 맵핑 색 공간 내의 소스와 목적 색역 경계선에 고정될(fixed) 수 있으며 또는 적응될 수 있다.

도 6을 참조하는, 본 명세서에서 제안되는 색역 맵핑 알고리즘에서, 맵핑 색 부분공간 L^*C^*는, 최소 밝기의 제 1 영역, 최대 밝기의 제 2 영역, 그리고 중간 밝기의 제 3 중앙 영역의 세 개의 영역으로 분할되고; 제 1 영역에서, L^*축 상의 L_min에 위치하는 동일한 제 1 고정 앵커 점에 모두 고정된 직선들에 따라서 소스 색들이 맵핑되며; 제 2 영역에서, L^* 축 상의 L_max에 위치하는 동일한 제 2 고정 앵커 점에 모두 고정된 직선들에 따라서 소스 색들이 맵핑되고; 제 3 영역에서, L^* 축 상의 L_min과 L_max 사이에 위치하는 상이하며 가변적인 앵커 점들에 고정된 직선들에 따라서 소스 색들이 맵핑될 것이다. 도 9에서, 앵커 점의 위치의 변화의 범위는

이며, 이 영역의 중심은

에 대응한다. 이채수, 이채희, 그리고 하영호에 의해 Journal of Imaging Science and Technology, 제44권, 제1호, 페이지 68-89 (2000년 1월-2월)에 발표된 "Parametric gamut mapping algorithms using variable anchor points(가변 앵커 점들을 이용한 파라메트릭 색역 맵핑 알고리즘)"의 제목을 갖는 논문은 그러한 맵핑 방법을 설명한다.

색역 맵핑 알고리즘의 선택 규칙은 CSF와 CCSF를 이용할 것이다. 이러한 민감도 함수들에 관한 더 많은 상세한 설명이 이제 도 3과 도 4를 참조하여 주어질 것이다. CSF와 CCSF는 주기/도(cpd: cycle per degree)의 단위로 나타난다. 빨간색-녹색 및 파란색-노란색 채도 콘트라스트 민감도 함수(CCSF)는 저역 통과(low pass) 특성을 가지며, 무채성 민감도 함수(CSF)는 더욱 통과 대역(pass-band) 특성을 갖는다는 것을 알 수 있다. 약 0.4 cpd보다 낮은 공간 주파수들의 경우, CCSF는 CSF보다 높지만, 약 0.4 cpd보다 높은 주파수들에 대해서는 낮아진다. 아래에서, CSF와 CCSF 함수의 몇몇 대수학 모델(algebraic model)들이 개발되었다는 것을 알게될 것이다. 이는, 연속적인 방법으로 이미지의 지역적 콘트라스트(local contrast)를 가능한 한 많이 보존하기 위한 방법으로 색역 맵핑 방법의 선택을 최적화하기 위해 본 발명의 이러한 실시예에서 고려하도록 제안하는 HSV의 세 개의 특성이다. 지역적 콘트라스트의 개념은 디스플레이 스크린의 콘트라스트와 혼동되 어서는 안 된다. 양호한 전역적 콘트라스트(global contrast)를 나타내면서 스크린 상의 더욱 검은 픽셀들은 매우 검으며 더욱 하얀 픽셀들은 매우 하얗다고 할지라도, 낮은 수준의 지역적 콘트라스트로 인해 이미지는 조악하게(poor) 보일 수도 있다. 양호한 지역적 콘트라스트는, 사진가들이 이미지의 "팝(pop)"이라 부르는 것을 일으키기 때문에, 이미지의 지역적 콘트라스트를 보존하는 것은 매우 중요하다.

색역 맵핑 알고리즘의 선택 규칙의 주요한 기초는 맵핑할 이미지의 지역적 콘트라스트를 가능한 한 많이 보존하기 위해 적응될 수 있으며, 즉, 밝기 보존이 채도 보존보다 중요한지, 또는 채도 보존이 밝기 보존보다 중요한지를 결정하는 것을 허용한다. 맵핑할 이미지의 각각의 픽셀 주위의 색 값들의 분포의 공간 주파수들을 해석함으로써, 즉, 맵핑할 이미지의 색 값들의 분포의 공간 주파수들을 지역적으로 해석함으로써, 어떤 높은 주파수들이 존재하는지 또는 그렇지 않은지를 결정할 수 있으며 F_max의 값을 설정할 수 있다. 이러한 공간 주파수는 바람직하게 주기/도(cycle per degree)의 단위로 표현되며, 이미지의 공간 주파수와, 아래에 설명된 대로 시청 조건(viewing condition)을 또한 고려한다. 그 후 이러한 주파수 F_max에 대한 CSF와 CCSF 사이의 차가 계산되고, 이 차로부터, 아래에서 설명된 대로 앵커 점의 위치의 변화의 범위 ΔL이 계산된다. 밝기와 채도 모두에 대해서 공간 주파수 분해성분이 매우 낮은 주파수를 나타내는, 맵핑될 이미지의 균질한 부분들에서, CCSF는 CSF보다 높다. 이러한 경우에 HVS는 밝기 콘트라스트보다 채도 콘트라스트에 더욱 민감하다. ΔL의 값은 그러면 0이고, 이는 앵커 점이 고정되어있으 며, 채도 변환을 최소화함으로써 지역적 콘트라스트를 보존하기에 노드 색 자르기 알고리즘(Node color Clipping algorithm)(도 2 참조)이 가장 적합한 것으로 선택되었다는 것을 의미한다. 반대로, 밝기와 채도 모두에 대해 매우 높은 공간 주파수로 구성된, 맵핑할 이미지의 많은 텍스쳐를 갖는(textured) 부분에서, CSF는 CCSF보다 높으며, 이는 HVS가 밝기 콘트라스트에 더 민감하다는 것을 나타낸다. 이러한 경우, ΔL의 값은 ΔL=L_max-L₀이며, 이는 앵커 점의 위치가 L^*축에 대해 가변적이며, 맵핑할 색의 밝기에 대응하는 밝기에서 선택될 수 있다는 것을 의미하며, 이는, 밝기의 지역적 콘트라스트를 보존하기 위한 최선의 알고리즘으로서 수평 자르기 알고리즘(Straight Clipping algorithm)(도 2 참조)이 선택되었다는 것을 의미한다. L₀는 색역의 모양으로부터 유도되는 것이 가능할 수도 있다. 예컨대, L₀는 그 색역에서 가장 큰 채도를 갖는 휘도로서 선택된다. L₀의 적당한(reasonable) 값은 50이다.

위의 이러한 두 경우는, 각각 매우 낮은 그리고 매우 높은 공간 주파수에 대한, CSF와 CCSF의 극값(extreme value)들에 대응한다. 이러한 실시예에서 제안되는 선택 규칙은 이러한 두 개의 반대되는 경우 사이에서 연속적인 방법으로 ΔL의 값을 설정한다. 이는, 지역적 콘트라스트를 보존하기 위해, 낮은 그리고 높은 주파수뿐만 아니라, 또한, 연속적인 처리에 의해, 이러한 반대되는 경우들 사이의 모든 주파수들을 처리하도록 선택 규칙이 적응된다는 것을 의미한다. 이롭게, 공간 주파수들의 모든 값은, 취급(treatment)에서의 불연속적인 단계들 없이, 그리고, 아티 팩트를 유입시키는 경계선 없이, HVS에 따라서 처리된다. 이는, 가변 앵커 점 개념을 이용함으로써, ΔL=L_max-L₀부터 ΔL=₀까지의 ΔL의 연속적인 변화가, 수평 자르기 방법으로부터 노드 자르기 방법으로 연속적으로 변화하는 것을 허용한다는 것을 의미한다.

앵커 점의 위치의 변화의 범위 ΔL의 자세한 계산이 이제 상세하게 설명될 것이다. 휘도와 채도 둘 모두의 공간 주파수가 콘트라스트 보존 항(contrast preservation term) ΔL=0에 영향을 미치도록 하기 위해, 이러한 항을, 루마 공간 대역폭 F_{DCTLum_max}와 채도 공간 대역폭 F_{DCTChrom_max}을 이제 정의될 입력 파라미터들로서 갖는, 함수 ΔL(.)로서 정의하는 것이 제안된다.

이미지 Im(i,j)의 이산 코사인 변환 F(x,y)의 경우, 일반적으로 말하자면, 공간 대역폭 W_max는, 다음과 같이 이미지 신호가 에너지의 95%(또는 더 낮은 백분율)에 도달한 공간 주파수 값으로서 정의될 수 있다:

. 이 값의 주기/도(cpd) 단위의 대응 값은

로서 정의되고,

는 도(degree) 단위의, 이미지의 픽셀의 시청 각도(angle of view)이며, "지역적으로 대표하는(locally representative)" 공간 주파수에 관한 정보를 제공한다. 마찬가지로, 루마 공간 대역폭 W_{DCTLum_max}와 채도 공간 대역폭 W_{DCTChrom_max}의 값들은 각각 CSF와 CCSF 를 참조하여 정의될 수 있다. F_{DCTLum _ max}와 F_{DCTChrom _ max}는, 시청 각도의 값

를 이용하여, W_{DCTLum _ max}와 W_{DCTChrom _ max}의 값들로부터 유사하게 추론될 수 있다.

1988년에 Journal of the Optical Society of America, A 5, 페이지 2166-2172에 발표된 "Analysis of the development of spatial contrast sensitivity in monkey and human infants(원숭이와 인간 유아의 공간적 콘트라스트 민감도의 개발의 분석)"의 제목을 갖는 논문에서 J. A. Movshon과 L. Kiorpes에 의해, 그리고 2001년에 Scottsdale에서 열린 IS&T/SID 9th Color Imaging Conference, 24-30에 발표된 "Darwinism of Color Image Difference Models(색 이미지 차 모델들의 진화론)"이라는 제목의 논문에서 G.M. Johnson과 M.D. Fairchild에 의해 주어진, 대수 공식을 이용함으로써, 콘트라스트 민감도 함수와 채도 콘트라스트 민감도 함수는 주파수 F의 함수로 표현될 수도 있으며:

여기서 파라미터 a, b, c, a₁ ,b₁ ,c₁ ,a₂ ,b₂ ,c₂는, 예컨대 이미 인용된 Johnson과 Fairchild의 논문에서의, 그리고 다음의 표 1과 표 2에 복사된 대로, 인간의 시각에 맞도록(fit) 정의된다.

이전의 기재(도 3 및 도 4 참조)는 두 개의 상이한 함수, 즉, 빨간색-녹색 CCSF_red-green(F)와 노란색-파란색 CCSF_yellow-blue(F)를 참조하였으나, 여기서 상기 두 CCSF 함수는 하나의 단일 함수

로 병합된다. 빨간색-녹색 그리고 파란색-노란색 CCSF 모두는 거의 동일한 특성, 특히 (루마 차단 주파수보다 낮은) 유사한 차단 주파수를 갖는 것으로 나타나므로, 그리고 루마-채도 역상관(decorrelation)이 주된 관심사이므로, 두 CCSF의 그러한 병합은 가능하다. 상기 두 CCSF는, 색역 맵핑 알고리즘에서 이용되는 유클리드 거리(Euclidian distance)

와 유사한, 2 대 1 변환 체계를 이용하여 하나의 단일 CCSF로 병합된다.

이미 위에 기술된 대로, 충족되어야 할 제한 조건들은: 낮은 공간 주파수 범위에서 CCSF>>CSF인 경우에 대해 ΔL=0이고, 높은 공간 주파수 범위에서 CCSF<<CSF인 경우에 대해 ΔL=MIN{L_max-L₀;L₀}이므로, 중간에 0<ΔL<MIN{L_max-L₀;L₀}인 중간 상태와, 모든 경우 사이에서의 부드러운 전이(smooth transition)를 통해, 다음의 함수 ΔL(.)은, 루마 공간 대역폭 F_{DCTLum_max}와 채도 공간 대역폭 F_{DCTChrom_max} 둘 모두에 따른 앵커 점의 위치의 변화의 범위 ΔL을 계산하기 위해 이용될 수 있으며:

여기서,

이고, k는 부드럽게 하는 양의 값의 상수(smoothing positive constant)이다. 도 10은, k의 상이한 값들에 대한 그러한 함수 ΔL(.)을 도시한다. 높은 k 값들은 이러한 정의가 비선형 해법(non-linear solution)에 가깝도록 만드는 반면, k의 더 낮은, 특히 1 이하의 값들은 휘도-보존과 채도-보존 색역 맵핑 방법 사이의 부드러운 전이를 보장한다.

앵커 점의 위치의 변화의 범위 ΔL을 정의하기 위해 이러한 ΔL(.) 함수를 이용하여, 복수의 색역 맵핑 알고리즘이 이제 각각의 세 영역을 이용하는 자르기 방법으로 정의되며, 즉, 중앙 영역은, 두 앵커 점 중의 하나는 L₀+ΔL에 위치하며 다른 하나는 L₀-ΔL에 위치하는 고정된 앵커 점들의 두 영역 사이에 위치하는, 중앙 값 L₀ 주위의 범위 ΔL 내에서 변하는 가변 앵커 점을 갖는다. 또한, 맵핑할 이미지의 한 주어진 블록 내의 색 값들의 임의의 공간 주파수 분포를, 상기 주어진 블록의 색들을 맵핑하기 위해 이용되어야 할 하나의 색역 맵핑 알고리즘에 결합시키는 선택 규칙이 이제 정의된다.

도 9는, 통상적으로, 앵커 점들을 이용하는 복수의 색역 맵핑 자르기 방법들 중의 하나를 나타내며, 본 발명의 이러한 실시예에서의, 세 개의 영역뿐만 아니라, 또한 중앙 영역에 대한 앵커 점의 위치의 변화의 범위 ΔL 뿐만 아니라, 밝기 축 상에 위치하는 한 앵커 점을 통과하는 모두 직선인 상이한 자르기 궤적들을 또한 도시한다.

압축된 이미지를 색역 맵핑된 이미지로 처리하는 방법의 실시예의 상이한 단계들이 이제, 도 11을 참조하여, 다음과 같이 처리된다.

예비 단계(preliminary step)에서, L₀와 L_max의 값들이 결정된다. L_max는 최대 밝기 값이며, CIELAB 공간의 경우에 이 값은 100이다. L₀에 대한 적당한 값은 50이다. 이미지들의 모든 블록들에 대해 L_max와 L₀는 상수로 유지될 수 있다. 다른 가능성은, 한 블록의 공간적으로 이웃한 블록의 평균(mean) 밝기로부터 L₀를 계산하는 것이다. L₀는 디스플레이 흰색(display white)의 밝기보다 커서는 안되며 또는 디스플레이 검은색(display black)의 밝기보다 작아서는 안 된다.

제 1 단계는 압축된 이미지를 복수의 인접한 압축 블록 영역들로 엔트로피 디코딩하는 단계이며, 이는 그 자체로서 알려져 있고 상세하게 설명되지 않는다.

제 2 단계는, 상기 이미지의 각각의 블록 영영 내의 상기 이미지의 픽셀들의 색 값들의 공간 주파수 분포를 제공하기 위해, 상기 디코딩된 이미지를 역양자화하는 단계이다. 각각의 블록 영역은, 일반적으로 이미지의 8x8 픽셀을 포함하는, 이미지가 압축된 블록에 대응한다. 압축된 이미지가 DCT 변환에 따라서 압축되었으므로, 얻어지는 모든 계수는 DCT 계수이다. 한 주어진 블록 영역에 대해 x 방향에서 얻어진 DCT 계수는 이러한 블록 영역의 색 값들의 수직 공간 주파수 분포를 나타내며, y 방향에서 얻어진 DCT 계수들은 이러한 블록 영역의 색들의 수평 공간 주파수 수직 분포를 나타낸다. 각각의 블록 영역에 대해, DCT 계수들의 한 행렬은 루마(Y)에 대해 얻어지며, DCT 계수들의 한 행렬은 두 채도 성분(U, V)의 각각에 대해 얻어진다. YUV 색 공간은 대략적으로 YCbCr 색 공간에 대응하며, YCbCr 색 공간은 ITU-R BT 601 표준의 부분으로서 개발되었고, 여기서 Y는 루마를 의미하고, Cb는 파란색과 Y 사이의 색 차를 나타내고, Cr은 빨간색과 Y 사이의 색 차를 나타낸다. YUV는 전통적으로 0-255로부터의 크기가 조정되지 않은(unscaled) 값을 나타내는 반면, YCbCr은, 루마를 16-235 사이의 범위로 그리고 채도를 216-240의 범위로 크기조정하고 클램핑한다(clamp).

이러한 제 2 단계의 종료시에, 이미지의 각각의 블록 영역에 대해서, 세 개의 행렬이 그러면 이용 가능하다. 채도 주파수 분포 해석을 위한 스칼라 값(scalar value)을 알고리즘에 제공하기 위해, 각각의 블록 영역 내에서, U와 V 행렬은 그러면 하나의 채도 행렬로 병합된다. 이전에 상세하게 설명된 스칼라 CCSF 계산을 기초로 하여, 유클리드 거리 값을 이용하는 거친 근사값(coarse approximation)을 다시 한 번 이용한다. 그러므로, 각각의 DCT 계수에 대해서,

를 계산한다.

도 12를 참조하면, 시청 조건으로서, 그 시청 조건 하에서 색역 맵핑된 이미지가 디스플레이되도록 의도되는 특정 시청 조건을 이용하여, 특히 시청자의 디스플레이로부터의 거리, 즉, 시청 각도

를 이용하여, DCT 루마 행렬의 모든 계수와 DCT 채도 행렬의 모든 계수는, 그 자체로 알려진 방법을 이용하여, "주기/픽셀(cycle per pixel)"의 단위로부터 "주기/도(cycle per degree)" 단위로 변환된다. 루마 공간 대역폭 W_{DCTLum_max}과 채도 공간 대역폭 W_{DCTChrom_max}의 값들은 그 후 그 값들의 이전 정의(위의 내용 참조)에 따라서 계산되며, 즉, 루마 또는 채도 신호의 대역폭은 그 신호의 에너지의 95%가 포함되는 주파수 한도이다. F_{DCTLum_max}와 F_{DCTChrom_max}의 값은, 시청 각도

를 이용하여, 각각 W_{DCTLum_max}와 W_{DCTChrom_max}의 값들로부터 추론될 수 있다.

제 3 단계는, 각각의 블록에 대해, 이러한 세 행렬을, 이러한 블록 영역의 각각의 픽셀에 대한 색 값들, 즉 루마 값들과 채도 값들로 역 DCT 변환하는 단계이다. 그러한 단계는 도 7에 도시된 변환의 역 변환에 대응한다. 그러한 단계는 자체로 잘 알려져 있으며 본 설명에서 더 이상 상세하게 설명되지 않는다.

제 4 단계는, 각각의 블록 영역을, 이러한 블록 영역에 대한 한 특정 색역 맵핑 알고리즘의 정의를 허용하는 ΔL의 한 값과 결합시키는 단계이다. 이러한 제 4 단계의 목적은 기본적으로, 후속(subsequent) 색 맵핑 단계를 위해 휘도 보존 또는 채도 보존을 촉진하도록 결정하기 위해, 공간 주파수 분포(DCT 계수들)를 콘트라스트 민감도 함수 그리고 합병된 채도 콘트라스트 민감도 함수와 비교하는 것이다. 후속 맵핑 단계 도중의 갑작스러운 변화를 피하기 위해, 추가적인 부드럽게 하는 동작(smoothing operation)이 8x8 블록 경계선에 추가될 수도 있다.

CSF와 CCSF를 공간 주파수 F의 함수로 표현하는 대수 공식(위의 설명 참조)을 이용하여, CSF(F)의 한 값은 F=F_{DCTLum_max}에 대해 계산되며, CCSF(F)의 한 값은 F=F_{DCTChrom_max}에 대해 계산되어, 계산된다. 그 후, ΔL(x) 함수의 위의 정의를 이용하여, ΔL(x)값은 x=CSF(F_{DCTLum_max})-CCSF(F_{DCTChrom_max})에 대해 계산된다. 이러한 계산된 값 ΔL에 따라서, 각각의 블록 영역에 대한 한 색역 맵핑 알고리즘의 선택이 수행된다. 각각의 블록의 색을 색 맵핑(color map)하기 위해 이용될 자르기 방법의 앵커 점의 위치가 이제 명확하게 정의되며, 색 맵핑할 이미지의 각각의 블록에 대해, 이러한 블록 영역 내의 색 값들의 공간 주파수 분포에 따라서 복수의 색역 맵핑 알고리즘 중의 하나가 선택된다.

제 5 단계이며 마지막 단계는, 최종적으로 압축해제된 색역 맵핑된 이미지를 제공하기 위해, 상기 이미지의 각각의 블록 영역에 대해, 위에서 정의된 세 영역을 갖는, 제 4 단계에서 이러한 블록에 대해 선택된 특정 자르기 방법을 이용함으로써, 제 3 단계에 의해 얻어진 색 값들을 색역 맵핑하는 단계이다.

이롭게, 압축해제와 색역 맵핑 모두에 대해 동일한 DCT 행렬을 이용하는 것은 상당한 계산 자원을 절약하는 것을 허용한다. 두 동작은 모두 공통적인 이미지 해석 툴(image analysis tool), 즉, 휘도-채도 변환 및 공간-주파수 변환을 공유하므로, 공동 압축해제(joint decompression)와 내용-기반 색역 맵핑 시스템을 제공함으로써, 전역적으로, 계산 자원이 절약될 수 있다.

또한, 휘도-채도 색 공간(통상적으로 YUV)으로 이미지 데이터를 이용 가능하므로, 그러한 색 공간은 또한 색역 맵핑을 위해 이롭다. 실제로, 색역 맵핑에서, 휘도-채도 변환은 주로 CIELab 색 공간을 이용하여 수행되지만, 더욱 압축이 용이한 색 공간 YUV를 이용하는 것은 적당한 근사법일 수 있다. 또한, 지역적 이산 코사인 변환(DCT)이 이미지들을 맵핑하기 위해 이롭게 이용된다. JPEG/MPEG 표준 또한 지역적(8x8 블록들) DCT 변환을 이용하므로, 이는 직접적으로 JPEG/MPEG 데이터 스트림과 잘 맞는다. 웨이블렛 변환(Wavelet Transform)은 이미지 내의 공간적 내용과 스펙트럼의 내용 모두를 보존하므로, 웨이블렛 변환을 기초로 하는, JPEG2000과 같은 다른 압축 표준들이 또한 이용될 수 있다.

도 6은, 압축된 이미지를, 본 발명에 따른 압축해제된 색역 맵핑된 이미지로 처리하는 방법의 전역적인 도식을 도시하며, 즉, 도 5에 도시된 종래 도식에 반하여, 이미지의 압축해제와 색역 맵핑은 동일한 공간 주파수 해석을 이용한다.

본 발명은 순수하게 예시를 위해 설명되었으며, 본 발명의 범위로부터 벗어나지 않으면서, 상세한 부분의 수정이 이루어질 수 있다는 것이 이해될 것이다.

압축된 이미지가, 예컨대 US6633668(4번째 단 20-24행 참조)에서 개시된 대로 이미지 특유의(image-specific) 색역의 기재(description)를 포함할 때, 본 발명의 처리 방법은, 예컨대, 색 재생 디바이스의 색역의 기재와 결합하여 본 발명의 색역 맵핑 단계를 위해 이용되는, 이러한 기재를 추출하기 위한 추가적인 단계(4번째 단 55행부터 5번째 단 9행까지)를 포함할 수도 있다.

본 발명이 선호되는 실시예들에 대해서 설명되었지만, 본 발명은 이러한 실시예들로 제한되지 않는다는 것이 이해된다. 그러므로, 청구되는 본 발명은, 당업자에게 명백할 것과 같이, 본 명세서에 기재된 특정 예시들과 선호되는 실시예들로부터의 변형들을 포함한다. 특정 실시예들 중의 일부는 분리되어 기재되고 청구될 수도 있으며, 본 명세서에 기재되고 청구되는 실시예들의 다양한 특징은 결합되어 이용될 수도 있다는 것이 이해된다.

본 발명은 이미지 데이터(image data)의 압축해제(decompression) 및 이미지 데이터의 색 관리(color management)와 관련이 있다.

도 1은 이미지 압축의 종래의 체계를 도시하는 도면.

도 2는 앵커 점을 갖는 색 자르기 방법을 이용하는 상이한 색역 맵핑 알고리즘을 도시하는 도면.

도 3은 콘트라스트 민감도 함수(CSF)와 빨간색-녹색 채도 콘트라스트 민감도 함수(CCSF)를 도시하는 그래프.

도 4는 콘트라스트 민감도 함수(CSF)와 파란색-노란색 채도 콘트라스트 민감도 함수(CCSF)를 도시하는 그래프.

도 5는, 이미 언급된, 압축해제와 색역 맵핑 모두가, 종래 기술에 따라서, 분리되어 수행되는 공간 주파수 해석을 이용하는, 이미지들의 압축, 압축해제 및 색역 맵핑의 전체 사슬(chain)을 도시하는 도면.

도 6은, 압축해제와 색역 맵핑 모두가 본 발명에 따라서 동일한 공간 주파수 해석을 이용하는, 이미지들의 압축, 압축해제 및 색역 맵핑의 전체 사슬을 도시하는 도면.

도 7은, 한 이미지의 픽셀들의 한 블록 영역을, 상기 블록 영역 내의 색들의 공간 주파수 분포를 나타내는 계수들의 행렬로 변환하는 것을 도시하고; 도 7은, 2D 이미지 공간과, 이미지들의 압축을 위해 이용되는 2D 공간 주파수 영역(domain)사이의 변환을 도시하며, 역변환(reverse transformation)은 압축된 이미지들의 압축해제를 위해 이용되는 것을 도시하는 도면.

도 8은, 한 이미지의 하나의 8x8 픽셀의 블록 영역에 대한, 수직과 수평의, 두 방향에서의 공간 주파수들의 기여(contribution)를 나타내는 도면.

도 9는 본 발명의 주 실시예의 제 5 단계에서의 각각의 블록 영역에 대해 이용되는 복수의 색역 맵핑 알고리즘 중의 하나를 나타내는 도면.

도 10은 도 9의 색역 맵핑 알고리즘의 중앙 영역에 대한 앵커 점의 위치의 변화의 ΔL 함수를 나타내는 그래프.

도 11은, 도 9에서 예시된 복수의 색역 맵핑 알고리즘을 이용하는, 본 발명에 따른, 압축된 이미지를 압축해제된 색역 맵핑된 이미지로 처리하는 방법의 주 실시예의 상이한 단계들을 도시하는 도면.

도 12는, 색역 맵핑을 위해 이용될 색역 맵핑 알고리즘의 선택을 위해, 압축된 이미지로부터의 공간 주파수 해석 데이터를 이용하는 것을 고려하여, 도 11의 세부묘사를 나타내는 도면.

Claims (5)

1. 압축된 이미지(compressed image)를 색역 맵핑된 압축해제된 이미지(color gamut mapped decompressed image)로 처리하는 방법으로서,

   - 상기 압축된 이미지를 복수의 인접한 압축 블록 영역들로 엔트로피 디코딩하는 단계,

   - 각각의 압축 블록 영역 내의 상기 이미지의 픽셀들의 색 값들의 공간 주파수 분포를 제공하기 위해, 각각의 압축된 블록 영역을 역양자화하는 단계,

   - 각각의 블록 영역의 공간 주파수 분포를, 상기 압축 블록 영역의 각각의 픽셀에 대한 색 값들로 역변환하는 단계,

   - 각각의 압축 블록 영역에 대해, 상기 압축 블록 영역 내의 색 값들의 공간 주파수 분포에 따라서, 복수의 색역 맵핑 알고리즘 중의 하나를 선택하는 단계,

   - 상기 색역 맵핑된 압축해제된 이미지를 제공하기 위해, 상기 블록 영역에 대해 선택된 색역 맵핑 알고리즘을 이용하여, 상기 이미지의 각각의 압축 블록 영역의 색 값들을 색역 맵핑하는 단계

   를 포함하는, 압축된 이미지를 색역 맵핑된 압축해제된 이미지로 처리하는 방법.
2. 제1항에 있어서, 만일 각각의 픽셀의 색 값들이 적어도 하나의 밝기 또는 루마 값 그리고 하나의 채도 값에 의해 표현된다면, 상기 선택하는 단계에서:

   - 밝기 또는 루마 값들 그리고 채도 값들 모두가 0.4 주기/도 미만인, 낮은 공간 주파수 범위 내에 주로 분포되는 모든 블록 영역들에 대해, 채도 값들의 변화를 최소화하는 색역 맵핑 알고리즘이 선택되며,

   - 밝기 또는 루마 값들 그리고 채도 값들 모두가 0.4 주기/도 보다 큰, 높은 공간 주파수 범위 내에 주로 분포되는 모든 블록 영역들에 대해, 밝기 또는 루마 값들의 변화를 최소화하는 색역 맵핑 알고리즘이 선택되는

   것을 특징으로 하는, 압축된 이미지를 색역 맵핑된 압축해제된 이미지로 처리하는 방법.
3. 제1항 또는 제2항에 있어서, 만일 각각의 픽셀의 색 값들이 적어도 하나의 밝기 또는 루마 값 그리고 채도 값에 의해 표현되면, 만일, 각각의 블록 영역 내에서, 상기 블록 영역 내의 밝기 또는 루마 값들의 공간 주파수 분포의 공간 대역폭이 정의되고 상기 블록 영역 내의 채도 값들의 공간 주파수 분포의 공간 대역폭이 정의된다면, 상기 블록 영역 내의 상기 밝기 또는 루마 공간 대역폭에 대한 콘트라스트 민감도 함수(CSF)의 값과, 동일한 블록 영역 내의 상기 채도 공간 대역폭에 대한 채도 콘트라스트 민감도 함수(CCSF)의 값 사이의 차에 따라서, 상기 선택하는 단계가 상기 블록 영역에 수행되는 것을 특징으로 하는, 압축된 이미지를 색역 맵핑된 압축해제된 이미지로 처리하는 방법.
4. 제1항 내지 제3항 중 어느 한 항에 있어서, 각각의 압축 블록 영역은 8x8 픽 셀을 포함하는 것을 특징으로 하는, 압축된 이미지를 색역 맵핑된 압축해제된 이미지로 처리하는 방법.
5. 제1항 내지 제4항 중 어느 한 항에 있어서, 상기 압축된 이미지는 JPEG 또는 MPEG 압축 표준에 따르는, 압축된 이미지를 색역 맵핑된 압축해제된 이미지로 처리하는 방법.

Images