KR20100102623A - 이미지 프로세싱 방법 및 장치 - Google Patents

Abstract

이미지 프로세싱 방법이 개시된다. 상기 방법은, 상기 이미지의 각 픽셀을 상기 이미지에 걸쳐서 싱글 패스 (single pass)로 트래버스 (traverse)하는 단계; 각 픽셀에 반전 함수를 적용하는 단계; 반전된 각 픽셀 값에 재귀 (recursive) 필터를 적용하는 단계로, 상기 필터는 상기 이미지의 이전에 트래버스된 픽셀 값들로부터 유도되는 파라미터들을 구비한, 필터 적용 단계; 및 프로세싱된 이미지에 대한 픽셀 값을 제공하기 위해 상기 픽셀에 대해서 상기 픽셀 값을 상기 필터 파라미터와 결합하는 단계를 포함한다.

Description

이미지 프로세싱 방법 및 장치 {Image processing method and apparatus}

본 발명은 획득된 이미지의 품질을 향상시키기 위한 이미지 프로세싱 방법 및 장치에 관한 것이다.

이미지들의 특성을 개선시키기 위해 이미지들에 필터들을 적용하는 것은 잘 알려진 것이다.

미국 특허 번호 7,072,525의 특허 (이하 "Covell" 이라고 함)는 영상 이미지의 원래의 버전을 프로세싱하여 산출된 영상 이미지의 타겟 버전을 필터링하기 위한 적응적인 필터를 개시하며, 그 적응적인 필터의 특성들은 상기 영상 이미지의 원래의 버전의 하나 또는 그 이상의 특성들에 따라서 결정된다. 상기 적응적인 필터의 필터링하는 방향 및/또는 강도는 원래의 이미지의 국지적인 특징들을 기반으로 하여 조절되며, 이는 상기 적응적인 필터가 그 이미지에서의 실제 가장자리들을 가로지르는 블러링 (blurring)을 도입하는 것을 회피할 수 있도록 한다.

미국 특허 번호 6,823,086의 특허 (이하 "Dolazza"라고 한다)는 이미지를 적응적으로 필터링하여 그 이미지와 연관된 잡음 성분을 줄이려고 하는 시스템을 개시한다. 상기 시스템은 상기 이미지와 관련된 이미지 파라미터들을 결정하기 위한 이미지 분석기를 포함한다. 상기 시스템은 상기 이미지 시퀀스를 필터링하기 위한 공간적인 필터를 또한 포함하며, 이 필터는 상기 이미지 파라미터들에 응답하는 적응 가능한 커널을 구비한다. 상기 이미지 분석기는 상기 필터 커널을 상기 이미지 파라미터들의 함수로서 다루며 그래서 상기 시스템은 실시간용으로 적응 가능한 필터링된 이미지를 필터링되지 않은 이미지, 외부 규칙들, 미리 결정된 제한들 또는 이것들의 결합의 함수로서 산출한다. 상기 공간적인 필터는 시간상 불변 (time-invariant) 섹션 및 적응 가능한 섹션을 포함한다. 상기 시간상 불변 섹션은 복수의 필터들을 상기 이미지에 적용하며, 상기 필터들 각각은 개별적인 주파수 응답을 가지며, 그래서 복수의 개별적인 필터링된 출력들을 산출한다. 상기 적응 가능한 섹션은 상기 복수의 개별적인 필터링된 출력들 각각을 대응하는 개별적인 가중 값으로 크기 조절하여, 필터링되어 크기 조절된 복수의 출력들을 산출하며, 그리고 상기 필터링되어 크기 조절된 복수의 출력들을 결합하여 복합적인 필터링된 출력을 산출한다.

Covell 그리고 Dolazza에서, 각각이 개별적인 주파수 응답을 가지는 몇몇의 2-D 저역 (low pass) 필터들이 이미지에 적용되며 그리고 복합적인 필터링된 출력을 산출하기 위해 출력들은 가중 처리된다.

그처럼, 미국 특허 번호 7,072,525의 특허와 미국 특허 번호 6,823,086의 특허의 복잡도는 높다. 또한, 이 특허들은 상기 적응적인 필터들의 행동을 결정하기 위해 이미지 분석기 또는 다른 이미지를 필요로 하며, 즉, 즉, 상기 원래의 이미지 상으로의 적어도 하나의 패스 (pass) 및 타겟 이미지를 필요로 한다.

미국 특허 번호 6,335,990의 특허 (이하 "Chen 등"이라고 한다)는 비디오의 복잡도 및 인접한 프레임들 사이에서의 동작에 따라서 달라질 수 있는 필터링 계수들을 이용하여 공간적인 그리고 시간적인 도메인에서 단일 (single)의 단계로 필터링하는 것을 개시한다. 상기 필터는 IIR 필터, 문턱값 유닛 및 계수 레지스터를 포함한다. 상기 IIR 필터 및 문턱값 유닛은 연결되어 비디오 데이터를 수신한다. 상기 IIR 필터는 상기 계수 레지스터 및 문턱값 유닛에 또한 연결된다. 상기 IIR 필터는 상기 계수 레지스터로부터 계수들 a를 수신하고 그 계수들을 이용하여 상기 수신한 비디오 데이터를 필터링한다. 상기 IIR 필터는 상기 데이터를 수직 도메인, 수평 도메인 그리고 시간 도메인에서 단일의 단계로 필터링한다. 상기 IIR 필터에 의한 상기 필터링된 데이터 출력은 상기 문턱값 유닛으로 송신된다. 상기 문턱값 유닛은 상기 필터링된 데이터와 로 (raw) 비디오 데이터 간의 차이의 절대값을 상기 계수 레지스터로부터의 문턱값과 비교하며, 그리고 상기 로 비디오 데이터 또는 상기 필터링된 데이터 중의 하나를 출력한다.

Chen 등은 IIR 필터와 문턱값 유닛을 이용하여 상기 로 비디오 데이터나 필터링된 데이터를 출력한다. 그처럼, 상기 IIR 필터는 자신의 출력들 및 상기 픽셀 값들에 대해 영향을 미친다.

도 1을 참조하면, 미국 출원 번호 2004/0213478의 출원 (이하 "Chesnokov"라고 한다)은 입력 신호를 프로세싱하여 적응된 출력 신호를 생성하는 단계를 포함하는 이미지 프로세싱 방법을 개시하며, 이 경우 이미지의 상이한 위치들 (x,y)에 대한 명암 값들 I(x, y)는 적응되어 다음의 식에 따라서, 적응된 명암 값 I'(x, y)을 생성한다.

이 때에,

은 범위

에서 정의된

의 함수들의 직교 기저 (orthogonal basis)이며;

은

의 부정 적분 (anti-derivative)이며;

이거나 또는 그것의 근사이며;

는 저역 공간 필터링 오퍼레이터이며;

는 상기 저역 필터의 차단 주파수이며; F(.)는 가중 함수이며; 그리고

이다.

상기 가중 함수 F(.)의 출력은 상기 픽셀들의 높은 값들을 구비하면서 단조 감소한다. 상기 필터링된 시퀀스의 출력으로부터의 피드백이 존재하며 그리고 상기 방법은 상기 이미지가 아닌 다른 곳으로부터 정보를 수신할 수 있다. 예를 들면, 증폭 인수 (factor)가 선형 또는 대수적인 (logarithmic) 곱셈 블록에 추가될 수 있으며 그리고 내장 이미지를 이용하여 미리 보기 (preview)로부터 계산될 수 있다. 그와 같이, Chesnokov에서, 입력 신호에 중대한 프로세싱 단계들이 적용되어, 상기 방법을 아무 복잡하게 만들며 그리고 상기 출력 이미지는 원래의 이미지와 프로세싱된 이미지의 가중된 합이다.

본 발명의 목적은 획득된 이미지의 품질을 향상시키기 위한 이미지 프로세싱 방법 및 장치를 제공하는 것이다.

본 발명에 따라서, 이미지를 프로세싱하는 청구범위 제1항에 따른 방법이 제공된다.

본 발명은 사진들의 품질을 개선하기 위해서, 하나의 이미지만을 사용하며 그리고 프로세서 자원을 효율적으로 사용하면서, IIR 필터를 사용하는 원-패스 (one-pass) 이미지 기술을 제공한다.

본 발명의 첫 번째 실시예는 이미지의 전경/배경에 고르지 않은 휘도 (luminance)에 대한 자동적인 교정을 제공한다. 이와 같은 구현은 특히 배경이 전경보다 더 밝거나 또는 더 어두운 경우에 품질을 개선시킨다.

상기 첫 번째 실시예의 바람직한 구현들은 적색 채널, 녹색 채널 및 청색 채널의 평균을 추정하는 것을 제공하며, 다른 재귀 필터는 각 칼라 평면 픽셀 값이나 명도 값의 값들에 반비례하는 성분을 가진 항목을 필터링한다. 그 출력은 상기 칼라 채널(들)에 종속되며 그리고 바람직하게는 두 개의 문턱값들에 의해 제한되는 하나 또는 그 이상의 교정 항목들과 곱해진다.

전경/배경에서의 고르지 않은 휘도에 대한 자동적인 교정을 물론이며 상기 실시예를 이용하여, 칼라 활성화 (boost) 또한 얻어진다.

상기 첫 번째 실시예에서, 각 칼라 채널의 평균값들은 비교의 목적들에 사용되는 것이 아니며, 그 평균값들은 프로세싱되는 픽셀 상에서 종료되는 평균화 윈도우를 이동시킴으로써 대체될 수 있다. 어떤 경우, 이런 평균값들은 적색 채널 또는 청색 채널에 대한 과-증폭을 피하기 위해 사용되는 교정 항목들을 판별하기 위해 사용된다.

종래의 기술과 다르게, 적응적인 필터들을 채택하는 것이 아니라, 상기 IIR 필터의 계수들은 고정된다. 그처럼, 본 발명의 방법은 이미지를 통해 한번의 패스만을 필요로 하며 그리고 하나의 필터의 출력은 다른 필터의 입력으로 사용될 필요가 없다.

본 발명을 이용하여, 본 발명은 종래의 기술과 다르게, 적응적인 필터들을 채택하지 않고, 본 발명에서 사용되는 IIR 필터의 계수들은 고정되며, 또한 본 발명에 따른 방법은 이미지를 통해 한번의 패스만을 필요로 하며 그리고 하나의 필터의 출력은 다른 필터의 입력으로 사용될 필요가 없다. 또한, 시스템의 복잡도를 줄이면서 계산 자원 낭비를 방지하도록 한다.

본 발명의 일 실시예는 첨부된 도면들을 참조하여 하나의 예로서 설명될 것이다.
도 1은 종래 기술의 이미지 향상 시스템의 블록도이다.
도 2는 본 발명의 일 실시예에 따른 이미지 향상 시스템의 블록도이다.

이제 도 2를 참조하면, 획득된 이미지 (G)가 본 발명에 따른 필터링을 위해 공급된다. 본 실시예가 RGB 공간에서의 이미지를 프로세싱하는 면에서 설명되지만, 본 발명은 휘도 채널들에만 적용될 수 있으며 또는 다른 칼라 공간들에 적용될 수도 있다.

단 하나의 입력 이미지 (G)가 이용되며 그리고 각 픽셀 값이 읽혀질 때에 각 칼라 채널 상에서의 현재 평균이 계산된다 (20). 그러므로, 각 평면 (plane) k=1...3의 각 픽셀 G(i,j,k)에 대해, 다음의 식을 계산한다:

이 경우 β는 0부터 1 사이의 계수이다.

다른 변형 실시예는 각 칼라 채널 상에서 상기 픽셀 G(i,j,k) 주변의 2N+1 개 픽셀 값들의 합을 계산하고 그리고 2N+1 로 나누는 것이다.

이동 (moving) 평균값들 (

,

,

)로부터 교정 항목들

,

가 다음의 식과 같이 계산된다 (단계 25).

바람직하게는, 교정 항목들

그리고

값들 둘 다는 선택된 구간 내로 제한된다 (예를 들면, 0.95와 1.05 사이;

및

값들 중의 어느 것이라도 0.95 미만이면, 그것들의 값은 0.95로 설정된다;

및

값들 중의 어느 것이라도 1.05보다 크면 그것들의 값은 1.05로 설정된다). 이는 나중의 프로세싱에서 적색 채널 및 청색 채널의 과-증폭을 방지한다.

상기 이동 평균값들을 생성하는 것과 병행하여, 상기 픽셀들은 행들 (rows) 또는 열들 (columns) 상에서 그리고 칼라 평면 G(i,j,k)의 각 픽셀에 대해 분석 (parse)되며, 계수 H(i,j)는 다음의 식과 같이 계산된다:

도 2에서, 이 프로세싱은 다음 식과 같이 단계 30으로 나누어진다:

그리고 단계 40에서 재귀 필터 (recursive filter)에 의해 다음의 식처럼 후속된다:

이 경우,

a는 1보다 작은 양의 값이며 (예를 들면, a = 0.125); 그리고

는 대응 재귀 필터링의 폴 (pole)이며, 예를 들면,

는 0.05와 0.8 사이의 값을 구비할 수 있다.

0으로 나누는 것을 피하고 그리고 어두운 픽셀들을 증폭하는 것을 피하기 위해서 δ과 비교하는 것이 이용된다 (예를 들면, δ = 15 ). 초기값 H(1,1)은 1부터 2 사이의 값들을 가질 수 있다.

이 필터를 이용하면, 어두운 영역들은 조명을 받은 영역보다 더 증폭되며, 이는 반전된 값들의 평균화로 인한 것이며, 그러므로, 전경/배경에서의 고르지 않은 휘도의 자동 교정이 얻어진다.

상기의 설명으로부터 상기 재귀 필터 (H)는 상기 픽셀 값들을 필터링하지 않는다는 것을 알 수 있을 것이다. 예를 들어, a =

= 1/8 그리고 δ = 15 이면, 상기 필터(30/40)는, 실제의 픽셀 값 G(i,j,k) 그리고 상기 이미지의 이전의 값들에 종속하여 1 과 3 사이에서 변하는 일련의 숫자들을 필터링한다. 상기 필터 (40)가 상기 픽셀 값들 G(i,j,k)을 입력으로서 단순하게 이용하면, 그 필터는 휘도 교정이 되지 않은 단순한 저역 필터링된 이미지를 생성하는 것이다.

일 실시예의 구현에서, 수정된 픽셀 값들 G₁ (i,j,k)이 필터 파라미터들 H 그리고 교정 항목들

,

의 선형 결합 (50)에 의해 다음의 식과 같이 주어진다:

상기 선형 모델에 대한 또 하나의 복잡한 대안은 대수 (logarithmic) 모델이다. 그와 같은 구현에서, 향상된 칼라 평면 (R/G/B 칼라 평면들)에 대응하는 출력 픽셀 G₁(i,j,k)은 다음의 식과 같다:

이 경우에:

D는 허용된 최대 값이며 (예를 들면, 이미지들에 대한 8비트 표현의 경우에는 255); 그리고 ε 는 1 과 3 사이의 값들인 상수이다.

상기에서 보여진 수학식들에 대한 검사는 D보다 더 작은 값들만이 획득되는 것을 보여준다. 이런 구현에서, 상기 폴 값 (

) 및 상기 대수적인 모델 인수 (ε)를 변경함으로써 칼라의 정도 (degree)와 밝기 향상 (brightness boost)이 얻어진다.

상기 계산들은 YCC 또는 다른 칼라 공간들을 위해서 적응될 수 있다. 예를 들면, 도 2의 실시예에서 YCC 칼라 공간을 사용할 때에, 교정 항목들

,

을 계산할 필요가 없으며, 그리고 상기 대수 모델이 사용되면 Y 채널에 대해서 ε = 1 이다. 그러므로, 상기 Y 채널에 대한 상기 반전 함수는 다음과 같다:

상기 선형 모델은 휘도 채널에 대해 적용될 수 있으며 그리고 상기 대수 모델은 상기 휘도 채널 상에서 계산된 H(i.j) 계수를 이용하여 색차 (chrominance) 채널들에 대해 사용될 수 있다.

이런 접근 방법은, 새로운 색차 값들을 계산할 때에, 계산의 면에서의 절약을 하게 하며 그리고 ε에 대한 상이한 양수 값 (예를 들면, ε = 0.9 )을 이용하여 칼라 채도 (saturation)를 조절하는 가능성을 더해준다. 향상된 이미지의 밝기는 Y 채널을 양의 인수 (ε)로 곱함으로써 변경될 수 있으며, 상기 인수의 값은 색채 채널들에 대해서 사용된 ε의 값과 다를 수 있다.

본 발명의 두 번째 실시예에서, 이미지를 또렷하게 (sharpen) 하기 위해 도 2의 프로세싱 구조가 사용될 수 있다.

이 실시예에서, 상기 이미지는 바람직하게는 YCC 포맷으로 제공되며 그리고 상기 프로세싱은 Y 채널 상에서만 수행된다. 다음 픽셀 값과 현재 픽셀 값의 비율이 계산되며 그리고 하나의 폴 (pole) IIR 필터 (예를 들면,

= 1/16)를 이용하여 필터링된다 (단계 40). 상기 동작은 연속적인 또는 개별의 행들이나 열들 상에서 수행될 수 있다. 초기의 H 계수는 1로 설정되며 그리고 행 i 상에서 동작하는 경우에는 다음의 식과 같다:

이 경우에:

는 상기 IIR 필터의 폴이다.

또 다시, 이런 프로세싱은 단계 30에서 다음의 식과 같이 나누어지며:

이는 상기 재귀 필터에 의해 단계 40에서 다음과 같은 식이 후속된다:

다시, 0으로 나누는 것을 피하기 위해 δ와 비교하는 것이 이용된다 (δ은 보통은 1로 설정된다). H(i,j)은 원래의 이미지의 현재 픽셀 위치 (i,j)에 대응하는 계수이다. 초기 계수는 첫 번째 행의 시작 부분에서 또는 각 행의 시작 부분에서 1로 설정될 수 있다. 첫 번째 경우에, 하나의 행의 끝에서 계산된 계수는 다음 행의 첫 번째 픽셀에 대응하는 계수를 계산하기 위해 사용된다.

상기 향상된 픽셀 값 Y₁ (i, j)은 다음의 식에 의해 주어진다:

이 경우 ε(i,j) 는 불변의 이득 인수일 수 있고 또는 H 계수들에 종속되는 가변의 이득일 수 있다. ε(i,j)에 대한 다른 대안은 연속적인 픽셀들 사이에서의 차이 또는 연속적인 픽셀 값들의 비율을 이용하는 것이다. 예를 들면, 연속하는 픽셀들 사이의 차이가 작으면 (또는 연속하는 픽셀들의 비율이 1에 근접하면), ε(i,j)의 값은 작아야 하며, 이는 상기 픽셀이 평탄한 영역에 위치할 수 있을 것이기 때문이다. 상기 차이가 크면 (또는 상기 비율이 1 보다 아주 크거나 또는 아주 작으면), 상기 픽셀들은 가장자리 상에 위치할 수 있을 것이며, 그러므로 ε(i,j)의 값은 0에 근접해야만 하며, 이는 있을 수 있는 오버-슈팅 문제점 또는 언더-슈팅 문제점을 회피하기 위해서이다. 중간의 값들을 위해, 상기 이득 함수는 0 과 선택된 최대 이득 사이에서 변해야 한다. 이런 필요 조건들에 따른 ε(i,j)의 예는 레일리 (Rayleigh) 분포를 가진다.

일부 구현들에서, 가변의 ε(i,j)가 선택되면 룩 업 테이블 (look up table (LUT))이 사용될 수 있으며, 이는 연속적인 픽셀들 사이의 차이가 한정된 정수 값들을 가지기 때문이다.

이 방법은 고도로 병렬화되며 그리고 그 복잡도는 매우 낮다. LUT들이 사용되고 그리고 몇몇의 곱셈들이 시프트들 (shifts)로 대체된다면 상기 복잡도는 더욱 줄어들 수 있다.

더 나아가, 이 두 번째 실시예는 RGB 공간에서의 이미지들에도 또한 적용될 수 있다.

상기 두 번째 실시예는 개별 비디오 프레임을 또렷하게 (sharpen) 하거나 또는 약간 블러링된 (blurred) 프레임들로 식별하는 것들 중의 어느 하나로 비디오 프레임들을 또렷하게 하는데 적용될 수 있다.

각 실시예에서, 상기 픽셀들은 행들 단위로 또는 열들 단위로 만이 아니라, 어떤 공간-채우기 커브들 (space-filling curves) (예를 들면, 허버트 (Hubert) 커브)을 이용하여 분석될 수 있다. 상기 교정된 이미지는, 연속적으로 이동하는 포인트의 경로를 따라서, 픽셀 단위로, 연속하여 수정되는 이미지로서 생각될 수 있다.

상기 두 번째 실시예의 이미지 샤프닝 이미지 프로세싱이 상기 첫 번째 실시예의 휘도 교정 이후에 적용될 수 있으며, 그래서 독립적으로 구현된 어느 한 쪽의 방법에 더욱 우월한 특성들을 구비한 필터링된 이미지를 제공할 수 있다는 것 역시 알 수 있을 것이다.

실제로 어느 한 쪽의 방법도, 예를 들면, PCT 출원 번호 PCT/EP2007/009939 (Ref: FN204PCT)의 출원에서 설명된 프로세싱과 같은 다른 이미지 프로세싱 방법들과 결합하여 적용될 수 있다.

Claims (24)

1. 이미지를 프로세싱하는 방법으로서:
   a) 상기 이미지의 각 픽셀을 상기 이미지에 걸쳐서 싱글 패스 (single pass)로 트래버스 (traverse)하는 단계;
   b) 각 픽셀에 반전 함수를 적용하는 단계;
   c) 반전된 각 픽셀 값에 재귀 (recursive) 필터를 적용하는 단계로, 상기 필터는 상기 이미지의 이전에 트래버스된 픽셀 값들로부터 유도되는 파라미터들을 구비한, 필터 적용 단계; 및
   d) 프로세싱된 이미지에 대한 픽셀 값을 제공하기 위해 상기 픽셀에 대해서 상기 픽셀 값을 상기 필터 파라미터와 결합하는 단계;를 포함하는, 이미지 프로세싱 방법.
2. 제1항에 있어서,
   상기 이미지는 YCC 포맷 또는 RGB 포맷 중의 하나인, 이미지 프로세싱 방법.
3. 제2항에 있어서,
   상기 이미지는 RGB 포맷이며 그리고
   상기 반전 함수는 하나의 픽셀에 대한 각 칼라 평면 (plane) 값의 결합을 반전시키는, 이미지 프로세싱 방법.
4. 제2항에 있어서,
   상기 이미지는 YCC 포맷이며, 그리고
   상기 반전 함수는 한 픽셀에 대한 명암 값을 반전시키는, 이미지 프로세싱 방법.
5. 제1항에 있어서,
   상기 트래버스하는 것은, 행 방식 (row wise); 열 방식 (column wise); 또는 상기 이미지를 가로지르는 어떤 경로를 트래버스하는 것 중의 하나인, 이미지 프로세싱 방법.
6. 제3항에 있어서, 상기 방법은,
   상기 이미지의 이전에 트래버스된 픽셀 값들로부터 적색 평면, 녹색 평면 및 청색 평면의 평균 추정을 제공하는 단계; 및
   상기 평면들 중의 하나 또는 그 이상에 대한 교정 항목들을 제공하는 단계로, 상기 교정 항목들은 상기 칼라 채널 평균 추정들에 종속된, 제공 단계를 포함하고, 그리고
   상기 결합하는 것은 픽셀 값에 교정 항목을 곱하는 것을 포함하는, 이미지 프로세싱 방법.
7. 제6항에 있어서,
   상기 교정 항목들은 각자의 상단 문턱값 및 하단 문턱값에 의해 제한되는, 이미지 프로세싱 방법.
8. 제1항에 있어서,
   상기 결합하는 것은 선형 결합 또는 대수적인 (logarithmic) 결합 중의 하나를 포함하는, 이미지 프로세싱 방법.
9. 제8항에 있어서,
   상기 결합하는 것은 프로세스된 이미지에 대한 픽셀 값을 제공하기 위해 상기 픽셀에 대하여 상기 픽셀 값, 교정 항목 및 상기 필터 파라미터를 곱하는 것을 포함하는, 이미지 프로세싱 방법.
10. 제6항에 있어서,
    상기 적색 채널, 녹색 채널 및 청색 채널의 평균 추정을 제공하는 것은,
    

    

    이며,
    이때에, G(i,j,k) 는 적색 (R) 칼라 평면, 녹색 (G) 칼라 평면 또는 청색 (B) 칼라 평면 각각에 대한 픽셀 값이며; 그리고
    β 는 0 과 1 사이의 계수인, 이미지 프로세싱 방법.
11. 제6항에 있어서,
    상기 적색 칼라 평면 및 청색 칼라 평면 각각에 대한 상기 교정 항목들인

    

    과

    

    은
    

    

    ,
    

    

    이며,
    이때에,

    

    ,

    

    ,

    

    는 상기 색 채널 평균 추정들이며; 그리고 a는 1보다 작은 양의 값인, 이미지 프로세싱 방법.
12. 제11항에 있어서,
    

    

    및

    

    은 0.95와 1.05 사이로 제한되는, 이미지 프로세싱 방법.
13. 제1항에 있어서,
    상기 재귀 필터 파라미터들 H(i,j)는:
    

    

    
    이며, 이 경우

    

    는 상기 필터의 폴 (pole)이며;
    G(i,j,k)는 각 적색 (R) 칼라 평면, 녹색 (G) 칼라 평면 또는 청색 (B) 칼라 평면에 대한 픽셀 값이며; 그리고
    f(G(i,j,k)) 는 상기 반전 함수인, 이미지 프로세싱 방법.
14. 제13항에 있어서,
    

    

    는 0.05 와 0.8 사이인, 이미지 프로세싱 방법.
15. 제13항에 있어서,
    상기 반전 함수는,
    

    

    이며,
    이 경우, a 는 1보다 작은 양의 값이며; 그리고
    δ 는 0으로 나누는 것을 피하고 그리고 어두운 픽셀들을 증폭하는 것을 피하기 위해서 사용되는, 이미지 프로세싱 방법.
16. 제4항에 있어서,
    상기 반전 함수는,
    

    

    
    이며, 이 경우 Y(i,j)는 상기 픽셀 명암 값이며;
    a 는 1보다 작은 양의 값이며; 그리고
    δ 는 0으로 나누는 것을 피하고 그리고 어두운 픽셀들을 증폭하는 것을 피하기 위해서 사용되는, 이미지 프로세싱 방법.
17. 제6항에 있어서,
    상기 결합하는 것은,
    

    

    
    을 포함하며,
    이 경우,

    

    및

    

    은 상기 교정 항목들이며;
    H(i,j)는 상기 필터 파라미터이며; 그리고
    G(i,j,k)는 각 적색 (R) 칼라 평면, 녹색 (G) 칼라 평면 또는 청색 (B) 칼라 평면에 대한 픽셀 값인, 이미지 프로세싱 방법.
18. 제6항에 있어서,
    상기 결합하는 것은,
    

    

    
    을 포함하며,
    이 경우, 및

    

    은 상기 교정 항목들이며;
    H(i,j)는 상기 필터 파라미터이며;
    G(i,j,k)는 각 적색 (R) 칼라 평면, 녹색 (G) 칼라 평면 또는 청색 (B) 칼라 평면에 대한 픽셀 값이며;
    D는 허용된 최대 픽셀 값이며; 그리고
    ε는 1과 3 사이의 값을 가진 상수인, 이미지 프로세싱 방법.
19. 제1항에 있어서,
    상기 이미지는 YCC 포맷이며 그리고 상기 재귀 필터 파라미터들 H(i,j)는,
    

    

    
    이며,
    이 경우

    

    는 상기 IIR 필터의 폴이며;
    Y(i,j)는 상기 픽셀 명암 값이며; 그리고
    f(Y(i,j))는 상기 반전 함수인, 이미지 프로세싱 방법.
20. 제19항에 있어서,
    상기 반전 함수는
    

    

    
    이며, 이 경우, δ 는 0으로 나누는 것을 피하기 위해 사용된 것인, 이미지 프로세싱 방법.
21. 제19항에 있어서,
    상기 결합하는 것은
    

    

    
    을 포함하며, 이 경우 H(i,j) 는 상기 필터 파라미터이며; 그리고
    ε(i,j) 는 이득 인수인, 이미지 프로세싱 방법.
22. 제21항에 있어서,
    ε(i,j)는 상수이거나 또는 상기 이미지에 대해서 변하는 것 중의 하나인, 이미지 프로세싱 방법.
23. 제1항에 있어서,
    상기 방법은 a) 단계 내지 d) 단계를 하나 이상의 연속적으로 프로세싱된 이미지들에 반복적으로 적용하는 단계를 포함하며,
    b) 단계, c) 단계 및 d) 단계 각각은 이미지 휘도나 이미지 샤프니스 중의 하나를 개선하기 위해 개별적으로 적응되는, 이미지 프로세싱 방법.
24. 이미지 획득 수단; 및
    프로세서를 포함하는 이미지 프로세싱 장치로서,
    상기 프로세서는,
    상기 이미지의 각 픽셀을 상기 이미지에 걸쳐서 싱글 패스로 트래버스 (traverse)하고;
    각 픽셀에 반전 함수를 적용하며;
    반전된 각 픽셀 값에 재귀 (recursive) 필터를 적용하며, 상기 필터는 상기 이미지의 이전에 트래버스된 픽셀 값들로부터 유도되는 파라미터들을 구비한 것이며; 그리고
    프로세싱된 이미지에 대한 픽셀 값을 제공하기 위해 상기 픽셀에 대해서 상기 픽셀 값을 상기 필터 파라미터와 결합하는 용도인, 이미지 프로세싱 장치.

Images