KR20120128539A - 컴퓨터 그래픽 영상의 실감도 증강을 위한 장치 및 방법 - Google Patents

컴퓨터 그래픽 영상의 실감도 증강을 위한 장치 및 방법 Download PDF

Info

Publication number
KR20120128539A
KR20120128539A KR1020120011132A KR20120011132A KR20120128539A KR 20120128539 A KR20120128539 A KR 20120128539A KR 1020120011132 A KR1020120011132 A KR 1020120011132A KR 20120011132 A KR20120011132 A KR 20120011132A KR 20120128539 A KR20120128539 A KR 20120128539A
Authority
KR
South Korea
Prior art keywords
image
color
color distribution
image group
input
Prior art date
Application number
KR1020120011132A
Other languages
English (en)
Other versions
KR101893793B1 (ko
Inventor
심현정
이승규
김도균
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020120011132A priority Critical patent/KR101893793B1/ko
Priority to US13/471,994 priority patent/US9305517B2/en
Publication of KR20120128539A publication Critical patent/KR20120128539A/ko
Application granted granted Critical
Publication of KR101893793B1 publication Critical patent/KR101893793B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G5/00—Control arrangements or circuits for visual indicators common to cathode-ray tube indicators and other visual indicators
    • G09G5/02—Control arrangements or circuits for visual indicators common to cathode-ray tube indicators and other visual indicators characterised by the way in which colour is displayed
    • A—HUMAN NECESSITIES
    • A46—BRUSHWARE
    • A46D—MANUFACTURE OF BRUSHES
    • A46D3/00—Preparing, i.e. Manufacturing brush bodies
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C45/00—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor
    • B29C45/03—Injection moulding apparatus
    • B29C45/12—Injection moulding apparatus using two or more fixed moulds, e.g. in tandem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2012—Colour editing, changing, or manipulating; Use of colour codes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Architecture (AREA)
  • Computer Graphics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Manufacturing & Machinery (AREA)
  • Mechanical Engineering (AREA)
  • Image Processing (AREA)

Abstract

컴퓨터 그래픽 영상의 실감도 증강을 위한 장치 및 방법이 개시된다.
컴퓨터 그래픽 영상 및 실사 영상에 대한 색 분포도를 추출할 수 있다. 이로써, 입력되는 컴퓨터 그래픽 영상에 대한 색 분포도를 조절하여 영상의 실감도를 향상 시킬 수 있다.

Description

컴퓨터 그래픽 영상의 실감도 증강을 위한 장치 및 방법{METHDO AND APPARATUS FOR PHOTOREALISTIC ENHANCING OF COMPUTER GRAPHIC IMAGE}
기술 분야는 컴퓨터 그래픽 영상의 실감도 증강을 위한 장치 및 방법에 관한 것이다.
3D(dimension)컨텐츠 중 다수를 차지하는 컴퓨터 그래픽(CG, Computer Graphics)데이터는 애니메이션, 영화, 드라마 등 영상 콘텐츠에 활발하게 사용되고 있다.
이와 같은 CG데이터는 향후 3D 디스플레이 형태로 예측되고 있는 슈퍼 멀티뷰 디스플레이(Super multiview display) 또는 홀로그램 디스플레이(Hologram display)등에 호환성이 높아 실사 데이터를 CG데이터 형태로 취득하는 방식 및 CG데이터를 렌더링(rendering)하는 방식이 중요한 디스플레이 처리기술로 부각되고 있다.
한편, CG영상은 디스플레이 호환성이 우수하다. 하지만 CG영상에 다양한 모델링 및 렌더링 방식을 적용하여도 CG영상은 일반적인 실사 영상에 비해 정확도 및 실감도가 부족할 수 있다.
컴퓨터 그래픽 영상에 대한 실감도는 영상의 조명, 그림자 및 반사 등에 대한 인지적 요소에 의하여 좌우될 수 있다. 종래의 CG 영상에 대한 실감도 증강을 위한 방법은 상기 인지적 요소들에 대한 변경 및 조정에 의해 이루어진다. 즉, 상기 CG 영상을 작업자가 직접적으로 수정 및 조작하여 실감도를 증강 시키는 방법이 사용되고 있다.
일 측면에 있어서, 컴퓨터 그래픽 실감도 증강 방법은 컴퓨터 그래픽(CG, computer graphic)영상을 입력 받는 단계와, 상기 입력된 CG영상의 색 분포도를 획득하는 단계와, 기 저장된 실사 영상군의 색 분포도 및 기 저장된 CG 영상군의 색 분포도에 기초하여, 상기 입력된 CG영상의 색 분포도를 조정하는 단계를 포함한다.
입력된 CG영상의 색 분포도를 획득하는 단계는 상기 입력된 CG 영상의 화소값들에 대한 색채 성분들 및 밝기 성분들을 획득하는 단계와, 상기 색채 성분들 및 밝기 성분들에 기초하여 상기 입력된 CG 영상을 대표하는 모델 상수를 획득하는 단계를 포함할 수 있다.
입력된 CG 영상의 색 분포도를 획득하는 단계는 상기 CG 영상에 대한 RGB데이터를 색 공간 데이터로 변환하는 단계와 상기 변환된 색공간 데이터로부터 평균 색상 및 분산 벡터를 계산하는 단계 및 상기 계산된 상기 CG 영상의 평균 색상 및 분산 벡터에 기초하여 색 분포도를 획득하는 단계를 포함할 수 있다.
적어도 하나의 CG 영상을 포함하는 영상군으로부터 색 분포도를 획득하고, 적어도 하나의 실사 영상을 포함하는 영상군으로부터 색 분포도를 획득하는 단계와 상기 획득된 색 분포도를 데이터베이스화하는 단계를 더 포함할 수 있다.
CG영상군과 실사 영상군에 대한 색분포도를 획득하는 단계는 상기 CG 영상의 화소값들에 대한 색채 성분들 및 밝기 성분들을 획득하고, 상기 실사 영상의 화소값들에 대한 색채 성분들 및 밝기 성분들을 획득하는 단계와 상기 CG 영상군의 색채 성분들 및 밝기 성분들에 기초하여 상기 CG 영상군을 대표하는 모델 상수를 획득하고, 실사 영상군의 색채 성분들 및 밝기 성분들에 기초하여, 상기 실사 영상군을 대표하는 모델 상수를 획득하는 단계를 포함할 수 있다.
상기 입력된 CG 영상의 색 분포도를 조정하는 단계는 CG 영상군의 색 분포도 임계 범위에 포함되지 않으며, 실사 영상군의 임계 범위 이내에 포함되도록 상기 CG 영상의 색 분포도를 조정할 수 있다.
입력 CG 영상의 색 분포도 조정은 하기의 수학식에 의해 조정될 수 있다.
[수학식]
Figure pat00001
여기서, 여기서,
Figure pat00002
는 CG 영상군의 색 분포도,
Figure pat00003
는 실사 영상군의 색 분포도,
Figure pat00004
는 입력 영상,
Figure pat00005
는 결과 영상,
Figure pat00006
는 실사 영상의 평균 색에 대한 스칼라값 ,
Figure pat00007
은 CG 영상군의 평균 색에 대한 스칼라 값,
Figure pat00008
는 입력 CG 영상의 평균 색에 대한 스칼라 값으로 나타낼 수 있다.
다른 측면에 있어서, 컴퓨터 그래픽 실감도 증강 방법은 컴퓨터 그래픽(CG, computer graphic)영상들을 그룹핑하고, 실사 영상들을 그룹핑하는 단계와, 상기 그룹핑된 CG 영상들에 대한 색 분포도를 획득하고, 상기 그룹핑된 실사 영상들에 대한 색 분포도를 획득하는 단계와, 상기 획득된 색 분포도를 데이터베이스화 하는 단계를 포함한다.
일 측면에 있어서 컴퓨터 그래픽 실감도 증강 장치는 컴퓨터 그래픽(CG, Computer Graphic)영상을 입력 받는 입력부와, 상기 입력된 CG 영상으로부터 색 분포도를 획득하는 색 분포도 획득부와 기 저장된 CG 영상군의 색 분포도 및 기 저장된 실사 영상군의 색 분포도에 기초하여 상기, 입력된 CG 영상의 색 분포도를 조정하는 보정부를 포함한다.
적어도 하나의 CG영상을 포함하는 CG 영상군과 적어도 하나의 실사영상을 포함하는 실사 영상군 각각에 대한 색 분포도를 저장하는 데이터베이스를 더 포함할 수 있다.
데이터베이스는 CG 영상군의 색 분포도를 저장하는 CG 영상군 색 분포도 저장부와 실사 영상군의 색 분포도를 저장하는 실사 영상군 색 분포도 저장부 및 상기 CG 영상군 색 분포도와 실사 영상군 색 분포도를 기초하여 입력 CG영상의 색 분포도를 조정하기 위한 임계 범위값을 저장하는 임계범위 저장부를 포함할 수 있다.
데이터베이스는 적어도 하나의 CG영상을 저장하는 CG영상군 저장부와 적어도 하나의 실사영상을 저장하는 실사 영상군 저장부;를 더 포함할 수 있다.
색 분포도 획득부는 입력된 CG 영상에 대한 RGB 데이터를 색 공간 데이터로 변환하는 데이터 변환부와 상기 변환된 색 공간 데이터로부터 평균 색상, 분산 벡터 및 색상의 최대/최소값을 계산하고, 상기 계산된 평균 색상, 분산 벡터 및 최대/최소값에 기초하여 색 분포도를 획득하는 계산부를 포함할 수 있다.
색 보정부는 상기 CG 영상군의 색 분포도의 임계 범위에 포함되지 않으며, 실사 영상군의 임계범위 이내에 포함되도록 상기 입력 CG 영상의 색 분포도를 조정할 수 있다.
상기 입력 CG영상의 평균 색상 및 분산 벡터에 따라 상기 분산 벡터에 대한 기준 축을 회전시켜 색 공간상의 색 분포도를 이동하여 상기 CG영상의 색을 보정할 수 있다.
다른 측면에 있어서 컴퓨터 그래픽 실감도 증강 장치는 CG 영상군의 색 분포도를 저장하는 CG 영상군 색 분포도 저장부와, 실사 영상군의 색 분포도를 저장하는 실사 영상군 색 분포도 저장부와, 상기 CG 영상군 색 분포도와 실사 영상군 색 분포도를 기초하여 입력 CG영상의 색 분포도를 조정하기 위한 임계 범위값을 저장하는 임계범위 저장부를 포함한다.
컴퓨터 그래픽 영상 및 실사 영상에 대한 색 분포도를 추출할 수 있다. 이로써, 입력되는 컴퓨터 그래픽 영상에 대한 색 분포도를 조절하여 영상의 실감도를 향상 시킬 수 있다.
제안되는 실시 예에 따르면, 컴퓨터 그래픽 영상 및 실사 영상에 대한 색 분포도를 추출할 수 있기 때문에 입력되는 컴퓨터 그래픽 영상에 대하여 색 분포도를 조절하여 실사 영상에 가깝도록 실감도를 향상 시킬 수 있다.
제안되는 실시 예에 따르면, 컴퓨터 그래픽 영상 및 실사 영상에 대한 색 분포도를 추출할 수 있기 때문에 입력되는 컴퓨터 그래픽 영상을 실사 영상에 알맞게 렌더링할 수 있고, 후처리를 통해 3D(Demension) 입체영상에 적용될 고화질의 CG영상의 실감도를 향상 시킬 수 있다.
도 1은 일 실시 예에 따른 컴퓨터 그래픽 영상의 실감도 증강을 위한 장치를 나타낸 도면이다.
도 2는 일 실시 예에 따른 컴퓨터 그래픽 영상의 실감도 증강을 위한 데이터 베이스 장치를 나타낸 도면이다.
도 3은 일 실시 예에 따른 CG 영상군의 색 분포도, 실사 영상군의 색 분포도 및 입력 CG 영상의 색 분포도의 예를 설명하기 위한 도면이다.
도 4는 일 실시 예에 따른 CG 영상군 및 실사 영상군의 획득 및 데이터베이스화하는 방법을 나타내는 흐름도이다.
도 5는 일 실시 예에 따른 컴퓨터 그래픽 영상의 실감도 증강을 위한 방법을 나타내는 흐름도이다.
도 6은 일 실시 예에 따른 컴퓨터 그래픽 영상의 실감도 증강에 대한 처리 결과를 설명하기 위한 도면이다.
컴퓨터 그래픽 영상의 실감도 증강을 위한 방법은 다수의 실사 영상과 다수의 컴퓨터 그래픽 영상을 포함하는 영상군들에 대한 색 분포도와 입력되는 컴퓨터 그래픽 영상에 대한 색 분포도를 비교하여 상기 입력 CG 영상에 대한 색 분포도를 조정한다.
즉, 수집된 다수의 실사 영상과 다수의 CG 영상을 각각 그룹핑하고, 각각 그룹핑된 실사 영상군과 CG 영상군의 색 분포를 획득한다. 상기 획득된 실사 영상군과 CG 영상군의 색 분포도를 이용하여 입력된 CG 영상의 실감도를 증강시킨다.
이를 위하여 입력 CG 영상의 색 분포도를 획득하고, 상기 실사 영상군의 분포도와 유사하게, CG 영상 분포도와 상이하게 상기 입력 CG 영상의 색 분포도를 조정한다.
상기와 같이 입력 영상의 색상 분포도를 조정하여, CG영상의 실감도를 증강 시키는 방법 및 장치에 대하여 본 첨부 도면들 및 첨부 도면들에 기재된 내용을 참조하여 실시 예를 상세하게 설명한다.
도 1은 일 실시 예에 따른 컴퓨터 그래픽 영상의 실감도 증강을 위한 장치를 나타낸 도면이다.
도 1을 참조하면, CG(computer graphic)영상의 색 보정을 위한 장치(100)는 영상 입력부(110), 색 분포도 획득부(120), 보정부(130) 및 데이터베이스부(140)를 포함한다.
영상 입력부(110)는 컴퓨터 그래픽(CG, computer graphic)영상을 입력 받는다. 영상 입력부(110)에 입력되는 영상은 CG로 생성된 객체를 포함하는 영상일 수 있다.
색 분포도 획득부(120)는 영상 입력부(110)에 입력되는 CG영상의 색 분포도를 획득한다.
색 분포도 획득부(120)는 데이터 변환부(122) 및 계산부(124)를 포함할 수 있다.
데이터 변환부(122)는 입력 CG 영상의 RGB(Red, Green, Blue)데이터를 색채 성분 및 밝기 성분을 포함하는 색 공간 데이터로 변환할 수 있다. 데이터 변환부(122)는 예를 들어, RGB 색 좌표의 입력영상을 YCbCr 색 공간, LCH 색 공간 La*b* 색 공간과 같은 색채 정보 및 밝기 정보를 포함하는 색 공간 데이터로 변환할 수 있다. 입력 CG 영상에 대하여 색 공간 데이터로 변환하는 것은 상기 입력 CG영상에 대하여 색을 조정하는 경우 색상의 채도뿐 아니라 밝기를 조정할 수 있기 위함이다. 실시 예에서는 입력 CG영상에 대하여 RGB 색 신호 데이터를 CIELAB(CIE Lab color space) 색 공간 데이터로 변환하는 예를 설명한다.
계산부(124)는 상기 데이터 변환부(122)에서 변환된 색공간 데이터로부터 상기 입력 CG영상의 평균 색상, 분산 벡터 및 색상의 최대/최소값을 계산할 수 있다. 상기 계산부(124)는 상기 계산된 평균 색상, 분산 벡터 및 최대/최소값에 기초하여 색 분포도를 획득할 수 있다. 이때, 평균 색상 또는 분산 값은 영상 당 하나 일수도 있고, 영상을 Context나 색상 Cluster에 따라 구분한 후, 구분된 영역당 평균 값을 계산하여 얻은 평균 값의 집합일 수도 있다.
계산부(124)는 상기 입력된 CG영상의 화소들 각각에 대응하는 3차원 컬러벡터의 형태로 상기 입력된 CG 영상을 표현할 수 있다.
계산부(124)는 상기 변환된 3차원 색 공간에서 상기 입력 CG영상을 구성하는 색의 평균값과 색 공간상에 표시된 색의 벡터들에 대한 평균값을 계산한다. 계산부(124)는 입력 CG영상에 대하여 색 공간상에서의 평균 색상 및 평균 벡터 값에 기초하여 색 분포도를 획득할 수 있다.
상기 획득된 색 분포도는 가우시안 분포도 형태로 획득될 수 있다. 상기 획득되는 색 분포도는 색 공간 이외에도 룩업 테이블(look-up table) 형태로도 획득될 수 있다.
한편, CG 영상군의 색 분포도, 실사 영상군의 색 분포도 및 입력 CG 영상의 색 분포도의 예는 도 3에 도시된 바와 같아.
도 3은 일 실시 예에 따른 CG 영상군의 색 분포도, 실사 영상군의 색 분포도 및 입력 CG 영상의 색 분포도의 예를 설명하기 위한 도면이다.
상기 도 3의 예시도에서 입력 CG 영상 내의 평균 색상, 분산 벡터 및 색상의 최대/최소값을 임의의 색 공간에 표시하면 도 3의 예시도 A3과 같이 나타낼 수 있다. 상기 입력 CG영상의 색 분포도(A3)에는 평균 색상 및 평균 벡터 값에 대한 포인트(P1)을 포함한다.
색 보정부(130)는 상기 색 분포도 획득부(120)에서 획득된 색 분포도를 참조하여 입력 CG영상에 대해 색향상(color enhancement), 색 매트릭스(color matrix) 색 배열 보간(color array interpolation) 등의 다양한 영상 보정을 수행할 수 있다. 실시 예에서는 색향상을 통한 입력 CG영상의 색 보정을 수행한다.
색 보정부(130)는 데이터베이스(140)에 기 저장된 실사 영상군 및 CG 영상군에 대한 색 분포도를 참조하여 입력 CG영상의 색 보정을 수행한다.
데이터베이스부(140)는 실사 영상군의 색분포도와 CG 영상군의 색 분포도를 저장한다. 데이터베이스부(140)는 적어도 하나의 CG 영상을 포함하는 영상군으로부터 획득된 색 분포도와 적어도 하나의 실사 영상을 포함하는 실사 영상군으로부터 획득된 색 분포도를 저장한다. 또한 데이터베이스부(140)는 CG 영상군 색분포도와 실사 영상군 색 분포도를 기초하여 상기 입력 CG 영상의 색 분포도를 조정하기 위한 임계 범위값을 저장할 수 있다.
데이터베이스부(140)는 CG(Computer graphic)영상의 색 보정을 위한 장치(100)와 분리되어 구성될 수 있다. 본 명세서에서, 데이터베이스부(140)가 색 보정을 위한 장치(100)와 분리되어 구성되는 경우, 데이터베이스부(140)를 "컴퓨터 그래픽 영상의 색 보정을 위한 데이터 베이스 장치"라 칭하기로 한다.
도 2는 일 실시 예에 따른 컴퓨터 그래픽 영상의 색 보정을 위한 데이터 베이스 장치를 나타낸 도면이다.
도 2를 참조하면, 데이터베이스 장치(140)는 CG 영상군 저장부(141), 실사 영상군 저장부(142), CG 영상군 색 분포도 저장부(143), 실사 영상군 색 분포도 저장부(144) 및 임계범위 저장부(145)를 포함한다.
CG 영상군 저장부(141)는 웹(Web)상에서 또는 외부로부터 수집되는 다수의 영상 중에서 CG영상 레이블(label)을 포함하는 적어도 하나의 CG영상을 저장할 수 있다..
실사 영상군 저장부(142)는 웹 상에서 또는 외부로부터 수집되는 다수의 영상 중에서 실사영상 레이블을 포함하는 적어도 하나의 실사 영상을 저장할 수 있다.
상기 CG 영상들과 실사 영상들은 각각의 영상들에 설정된 레이블에 의하여 분리되고 상기 분리된 영상들은 각각 실사 영상군과 CG 영상군으로 그룹핑(grouping)되어 CG 영상군 저장부(141)와 실사 영상군 저장부(142)에 저장될 수 있다.
상기 CG영상군 저장부(141)와 실사 영상군 저장부(142)는 데이터베이스 장치(140)의 내부에 존재하거나 별도의 저장 장치에 존재할 수 있다.
CG 영상군 색 분포도 저장부(143)는 CG 영상군 저장부(141)에 저장된 다수의 CG 영상들에 대한 색 분포도를 저장한다.
실사 영상군 색 분포도 저장부(144)는 실사 영상군 저장부(142)에 저장된 다수의 영상들에 대한 색 분포도를 저장한다.
상기 CG 영상군 색 분포도 저장부(143)는 수집된 각각의 CG영상들에 대하여 입력 CG영상과 동일한 색 신호 데이터를 포함하는 색 분포도를 저장한다.
즉, 상기 CG 영상군 색 분포도 저장부(143)는 색 공간 신호 데이터로 변환된 CG영상의 색 신호 데이터로부터 평균 색상 및 평균 벡터를 기초하여 획득된 색 분포도를 저장한다.
상기 실사 영상군 색 분포도 저장부(144) 역시 수집된 실사 영상들에 대하여 상기 입력 CG 영상 및 CG 영상군의 색 분포도와 동일한 색 신호 데이터를 포함하는 색 분포도를 저장한다.
즉, 상기 실사 영상군 색 분포도 저장부(144)는 CIELAB색 공간 신호 데이터로 변환된 실사영상의 색 신호 데이터로부터 평균 색상 및 평균 벡터를 기초하여 획득된 색 분포도를 저장한다.
상기 CG 영상군의 색 분포도와 실사 영상군의 색 분포도는 일반적인 support vector machine를 사용하여 분리될 수 있다. support vector machine은 상기 CG 영상군의 색 분포도와 실사 영상군의 색 분포도에서 노이즈 및 중첩 구간을 제외한 상기 영상군들을 분리할 수 있다. support vector machine의 예를 들면, 하기 식과 같이 표현할 수 있다.
[support vector machine 공식]
Figure pat00009
이때, x는 CG 영상 군 및 실사 영상군 각각의 색 분포도에 대한 데이터를 의미한다. w, b,
Figure pat00010
는 support 벡터들을 나타낸다. y는 영상군들 각각의 라벨을 알려주는 indicator 함수이다.
상기 CG 영상군 색 분포도 저장부(143) 및 실사 영상군 색 분포도 저장부(144)에 저장된 각각의 색 분포도는 가우시안 분포도 형태로 나타낼 수 있다. 상기 CG 영상군 색 분포도와 실사 영상군 색 분포도는 도 3의 예시도 A1과 A2와 같이 나타낼 수 있다.
상기 CG 영상군의 색 분포도(A1)에는 상기 CG 영상군에 포함되는 다수의 CG 영상들에 대해 평균 색상 및 평균 벡터값을 가지는 다수의 포인트가 존재할 수 있다. 또한 실사 영상군의 색 분포도(A2)에는 상기 실사 영상군에 포함되는 다수의 실사 영상들에 대해 평균 색상 및 평균 벡터값을 가지는 다수의 포인트가 존재할 수 있다..
임계범위 저장부(145)는 상기 CG 영상군 색 분포도와 실사 영상군 색 분포도에 기초하여 입력 CG 영상의 색 분포도를 조정하기 위한 임계 범위 값을 저장한다.
임계범위 저장부(145)는 CG영상군 색 분포도와 실사 영상군 색 분포도 각각에 대하여 입력 CG영상의 색분포도 조정에 따른 조정범위를 저장한다. 상기 조정범위는 입력 CG영상의 색 분포도 조정 시 상기 CG영상군의 색 분포도와 이격될 수 있는 범위 및 실사 영상군 색 분포도와 근접될 수 있는 범위에 대한 값을 저장할 수 있다.
색 보정부(130)는 상기 데이터베이스부(140)에 저장된 CG 영상군의 색 분포도와 실사 영상군의 색 분포도를 기초하여 상기 입력 CG 영상의 색 분포도를 조정한다.
색 보정부(130)는 입력 CG 영상의 평균 색상 및 평균 벡터에 따라 상기 평균 벡터에 대한 기준 축을 회전시켜 색 공간상의 색 분포도를 조정할 수 있다. 상기 색 분포도 조정에 결과에 따라 상기 입력 CG 영상의 전체적인 색상 또는 특정 색에 대한 색상이 조정될 수 있다.
즉, 도 3의 색상 분포 예시도에서와 같이 CG영상군의 색분포도(A1)와 실사 영상군의 색 분포도(A2) 및 입력 CG영상의 색 분포도(A3)는 타원 형태의 가우시안 분포로 이루어 질 수 있다.
상기 입력 CG 영상의 색 분포도(A3)에는 입력 CG 영상의 평균 색상 및 평균 벡터값을 포함하는 포인트(P1)를 포함한다. 상기 포인트(P1)는 CG 영상군 색 분포도(A1)영역에 포함되어 있음에 따라 상기 포인트(P1)를 실사 영상군 색 분포도(A2)의 영역으로 이동되도록 한다.
상기 입력 CG 영상의 색 분포도(A3)의 평균 색상 및 평균 벡터값을 포함하는 포인트(P1)는 실사 영상군의 색 분포도(A2)의 임계 범위 이내로 이동되도록 평균 벡터값의 기준 축을 회전시켜 평균 색상을 조정하게 된다. 또한 상기 조정된 입력 CG 영상 색 분포도(A3)는 CG 영상군 색 분포도(A1)의 임계 범위에 포함되지 않는 영역으로 이동되도록 한다.
즉, 상기 입력 CG 영상의 색 분포도는 실사 영상군의 색 분포도와 인접한 임계범위, CG 영상군 색 분포도와 임계범위만큼 이격 되도록 조정된다.
상기와 같은 입력 CG 영상 색 분포도 조정은 하기의 수학식과 같이 정의 될 수 있다.
[수학식 1]
Figure pat00011
여기서,
Figure pat00012
는 CG 영상군의 색 분포도 또는 CG 영상군의 색 분포도에 대한 모델링 함수,
Figure pat00013
는 실사 영상군의 색 분포도 또는 실사 영상군의 색 분포도에 대한 모델링 함수,
Figure pat00014
는 입력 영상,
Figure pat00015
는 결과 영상,
Figure pat00016
는 실사 영상의 평균 색에 대한 스칼라값,
Figure pat00017
은 CG 영상군의 평균 색에 대한 스칼라 값,
Figure pat00018
는 입력 CG 영상의 평균 색에 대한 스칼라 값을 나타낸다. L2는 Euclidian distance, 즉 mean square error 값을 나타낸다.
Figure pat00019
및
Figure pat00020
는 support vector들 또는 Linear discriminative analysis 기법을 통해 표현할 수 있다.
상기와 같이 기 저장된 CG 영상군의 색 분포도와 실사 영상군의 색 분포도에 기초하여 입력 CG 영상의 색 분포도를 조정할 경우 상기 입력 CG 영상은 도 6에 도시된 바와 같이 나타날 수 있다.
도 6은 일 실시 예에 따른 컴퓨터 그래픽 영상의 색 보정에 대한 처리 결과를 설명하기 위한 도면이다.
도 6을 참조하면, 도 6의 화면예시도 600은 장치(100)의 영상 입력부(110)로 입력된 CG 영상의 예시도이고, 화면 예시도 610은 상기 입력된 CG 영상에 대하여 실감도 증강을 위한 처리 과정에 대한 예를 나타낸 예시도이고, 화면 예시도 620은 상기 610의 입력 CG 영상에 대하여 실감도 증강을 위한 색 보정 처리된 화면의 예시도 이다.
장치(100)의 색 보정부(130)는 상기 입력 CG영상의 평균 색상 및 평균 벡터에 따라 상기 평균 벡터에 대한 기준 축을 회전시켜 색 공간상의 색 분포도를 이동하여 상기 CG영상의 색을 보정한다.
즉, 장치(100)는 상기 입력 CG영상의 평균 색상 및 평균 벡터를 포함하는 색 분포도를 획득하고, 상기 획득된 색 분포도와 기 저장된 CG 영상군의 평균 색상 및 평균 벡터를 포함하는 색 분포도와 실사 영상군의 평균 색상 및 평균 벡터를 포함하는 색 분포도를 기초하여 상기 입력 CG 영상의 색 분포도를 조정하게 된다.
도 6의 예시도 630에서는 입력 CG 영상(610)에 대한 색 분포도를 조정한 결과로, 상기 입력 CG 영상에 포함된 색(601)에 대한 보정이 수행되고(611) 상기 색 보정된 결과(621)를 나타내고 있다.
도 4는 일 실시 예에 따른 데이터 베이스에 저장되는 데이터의 획득 및 저장 방법을 나타내는 흐름도이다.
도 4에 도시된 방법은 도 1에 도시된 장치에 의해 수행될 수 있다.
도 4를 참조하면, 410단계에서 장치(100)는 웹(Web) 또는 외부로부터 적어도 하나의 CG 영상과 실사 영상을 수집한다.
420단계에서 장치(100)는 상기 수집된 영상을 각각 그룹핑하여 CG 영상군과 실사 영상군으로 분류한다. 즉, 420단계에서 장치(100)는 컴퓨터 그래픽(CG, computer graphic)영상들을 그룹핑하고, 실사 영상들을 그룹핑한다.
430단계에서 장치(100)는 CG 영상군에 대한 색 분포도를 획득하고, 실사 영상군에 대한 색 분포도를 획득한다. 430단계에서 장치(100)는 상기 CG 영상의 화소값들에 대한 색채 성분들 및 밝기 성분들을 획득하고, 상기 실사 영상의 화소값들에 대한 색채 성분들 및 밝기 성분들을 획득할 수 있다. 또한 430단계에서 장치(100)는 CG 영상군의 색채 성분들 및 밝기 성분들에 기초하여 상기 CG 영상군을 대표하는 모델 상수를 획득하고, 실사 영상군의 색채 성분들 및 밝기 성분들에 기초하여 상기 실사 영상군을 대표하는 모델 상수를 획득할 수 있다. 여기서, "모델 상수"는 예를 들어 색 분포도를 대표하는 함수 또는 영상군의 support vector일 수 있다.
430단계에서 장치(100)는 상기 획득된 CG 영상군과 실사 영상군을 저장한다.
도 5는 일 실시 예에 따라 컴퓨터 그래픽 영상의 색 보정을 위한 방법을 나타내는 흐름도이다.
도 5에 도시된 방법은 도 1에 도시된 장치에 의해 수행될 수 있다.
도 5를 참조하면, 510단계에서 장치(100)는 CG 영상을 입력 받는다.
520단계에서 장치(100)는 입력된 CG영상의 색 분포도를 획득한다. 520단계에서 장치(100)는 상기 입력된 CG 영상의 화소값들에 대한 색채 성분들 및 밝기 성분들을 획득한다. 520단계에서 장치(100)는 상기 색채 성분들 및 밝기 성분들에 기초하여 입력 CG 영상을 대표하는 모델 상수를 획득할 수 있다. 520단계에서 장치(100)는 RGB(red, green, blue)데이터를 색 공간 데이터로 변환할 수 있다. 상기 변환된 색 공간 데이터로부터 평균 색상 및 평균 벡터를 계산할 수 있다. 520단계에서 장치(100)는 상기 계산된 평균 색상 및 평균 벡터에 기초하여 색 분포도를 획득할 수 있다.
530단계에서 장치(100)는 기 저장된 CG영상군의 색 분포도 및 기 저장된 실사 영상군의 색 분포도에 기초하여 상기 입력된 CG영상의 색 분포도를 조정한다. 630단계에서 장치(100)는 CG 영상군의 색 분포도의 임계 범위에 포함되지 않으며, 실사 영상군의 임계범위 이내에 포함되도록 상기 입력 CG 영상의 색 분포도를 조정할 수 있다. 530단계에서 장치(100)는 입력 CG 영상의 평균 색상 및 평균 벡터에 따라 상기 평균 벡터에 대한 기준 축을 회전시켜 색 공간상의 색 분포도를 이동하여 입력 CG 영상의 색을 보정할 수 있다.
이상과 같이 본 발명은 비록 한정된 실시 예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시 예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
그러므로, 본 발명의 범위는 설명된 실시 예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.

Claims (19)

  1. 컴퓨터 그래픽(CG, computer graphic)영상을 입력 받는 단계;
    상기 입력된 CG영상의 색 분포도를 획득하는 단계;
    기 저장된 실사 영상군의 색 분포도 및 기 저장된 CG 영상군의 색 분포도에 기초하여, 상기 입력된 CG영상의 색 분포도를 조정하는 단계;를 포함하는
    컴퓨터 그래픽 영상의 실감도 증강 방법.
  2. 제1항에 있어서,
    상기 입력된 CG영상의 색 분포도를 획득하는 단계는
    상기 입력된 CG 영상의 화소값들에 대한 색채 성분들 및 밝기 성분들을 획득하는 단계;
    상기 색채 성분들 및 밝기 성분들에 기초하여 상기 입력된 CG 영상을 대표하는 모델 상수를 획득하는 단계를 포함하는
    컴퓨터 그래픽 영상의 실감도 증강 방법.
  3. 제1항에 있어서,
    상기 입력된 CG 영상의 색 분포도를 획득하는 단계는
    상기 CG 영상에 대한 RGB데이터를 색 공간 데이터로 변환하는 단계;
    상기 변환된 색공간 데이터로부터 평균 색상 및 분산 벡터를 계산하는 단계;
    상기 계산된 상기 CG 영상의 평균 색상 및 분산 벡터에 기초하여 색 분포도를 획득하는 단계;를 포함하는
    컴퓨터 그래픽 영상의 실감도 증강 방법.
  4. 제1항에 있어서,
    적어도 하나의 CG 영상을 포함하는 영상군으로부터 색 분포도를 획득하고, 적어도 하나의 실사 영상을 포함하는 영상군으로부터 색 분포도를 획득하는 단계;
    상기 획득된 색 분포도를 데이터베이스화하는 단계;를 더 포함하는
    컴퓨터 그래픽 영상의 실감도 증강 방법.
  5. 제4항에 있어서,
    상기 CG 영상군과 실사 영상군에 대한 색 분포도를 획득하는 단계는
    상기 CG 영상의 화소값들에 대한 색채 성분들 및 밝기 성분들을 획득하고, 상기 실사 영상의 화소값들에 대한 색채 성분들 및 밝기 성분들을 획득하는 단계;
    상기 CG 영상군의 색채 성분들 및 밝기 성분들에 기초하여 상기 CG 영상군을 대표하는 모델 상수를 획득하고, 실사 영상군의 색채 성분들 및 밝기 성분들에 기초하여, 상기 실사 영상군을 대표하는 모델 상수를 획득하는 단계를 포함하는
    컴퓨터 그래픽 영상의 실감도 증강 방법.
  6. 제1항에 있어서,
    상기 입력된 CG 영상의 색 분포도를 조정하는 단계는
    CG 영상군의 색 분포도 임계 범위에 포함되지 않으며, 실사 영상군의 임계 범위 이내에 포함되도록 상기 CG 영상의 색 분포도를 조정하는
    컴퓨터 그래픽 영상의 실감도 증강 방법.
  7. 제1항에 있어서,
    상기 입력 CG 영상의 색 분포도 조정은 하기의 수학식에 의해 조정되는
    [수학식]
    Figure pat00021

    여기서, 여기서,
    Figure pat00022
    는 CG 영상군의 색 분포도,
    Figure pat00023
    는 실사 영상군의 색 분포도,
    Figure pat00024
    는 입력 영상,
    Figure pat00025
    는 결과 영상,
    Figure pat00026
    는 실사 영상의 평균 색에 대한 스칼라값 ,
    Figure pat00027
    은 CG 영상군의 평균 색에 대한 스칼라 값,
    Figure pat00028
    는 입력 CG 영상의 평균 색에 대한 스칼라 값인
    컴퓨터 그래픽 영상의 실감도 증강 방법.
  8. 컴퓨터 그래픽(CG, computer graphic)영상들을 그룹핑하고, 실사 영상들을 그룹핑하는 단계;
    상기 그룹핑된 CG 영상들에 대한 색 분포도를 획득하고, 상기 그룹핑된 실사 영상들에 대한 색 분포도를 획득하는 단계;
    상기 획득된 색 분포도를 데이터베이스화 하는 단계;를 포함하는
    컴퓨터 그래픽 영상의 실감도 증강 방법.
  9. 제8항에 있어서,
    상기 CG 영상군과 실사 영상군에 대한 색 분포도를 획득하는 단계는
    상기 CG 영상의 화소값들에 대한 색채 성분들 및 밝기 성분들을 획득하고, 상기 실사 영상의 화소값들에 대한 색채 성분들 및 밝기 성분들을 획득하는 단계;
    상기 CG 영상군의 색채 성분들 및 밝기 성분들에 기초하여 상기 CG 영상군을 대표하는 모델 상수를 획득하고, 실사 영상군의 색채 성분들 및 밝기 성분들에 기초하여, 상기 실사 영상군을 대표하는 모델 상수를 획득하는 단계를 포함하는
    컴퓨터 그래픽 영상의 실감도 증강 방법.
  10. 컴퓨터 그래픽(CG, Computer Graphic)영상을 입력 받는 입력부;
    상기 입력된 CG 영상으로부터 색 분포도를 획득하는 색 분포도 획득부;
    기 저장된 CG 영상군의 색 분포도 및 기 저장된 실사 영상군의 색 분포도에 기초하여 상기 입력된 CG 영상의 색 분포도를 조정하는 색 보정부;를 포함하는
    컴퓨터 그래픽 영상의 실감도 증강 장치.
  11. 제10항에 있어서,
    적어도 하나의 CG 영상을 포함하는 CG 영상군과 적어도 하나의 실사영상을 포함하는 실사 영상군 각각에 대한 색 분포도를 저장하는 데이터베이스;를 더 포함하는
    컴퓨터 그래픽 영상의 실감도 증강 장치.
  12. 제11항에 있어서,
    상기 데이터베이스는
    CG 영상군의 색 분포도를 저장하는 CG 영상군 색 분포도 저장부;
    실사 영상군의 색 분포도를 저장하는 실사 영상군 색 분포도 저장부; 및
    상기 CG 영상군 색 분포도와 실사 영상군 색 분포도를 기초하여 입력 CG영상의 색 분포도를 조정하기 위한 임계 범위값을 저장하는 임계범위 저장부;를 포함하는
    컴퓨터 그래픽 영상의 실감도 증강 장치.
  13. 제12항에 있어서,
    적어도 하나의 CG 영상을 저장하는 CG 영상군 저장부;
    적어도 하나의 실사 영상을 저장하는 실사 영상군 저장부;를 더 포함하는
    컴퓨터 그래픽 영상의 실감도 증강 장치.
  14. 제10항에 있어서,
    상기 색 분포도 획득부는
    상기 입력된 CG 영상에 대한 RGB 데이터를 색 공간 데이터로 변환하는 데이터 변환부;
    상기 변환된 색 공간 데이터로부터 평균 색상 및 분산 벡터를 계산하고, 상기 계산된 평균 색상 및 분산 벡터에 기초하여 색 분포도를 획득하는 계산부;를 포함하는
    컴퓨터 그래픽의 실감도 증강 장치.
  15. 제10항에 있어서,
    상기 색 보정부는
    상기 CG 영상군의 색 분포도의 임계 범위에 포함되지 않으며, 실사 영상군의 임계범위 이내에 포함되도록 상기 입력 CG 영상의 색 분포도를 조정하는
    컴퓨터 그래픽 영상의 실감도 증강 장치.
  16. 제10항에 있어서,
    상기 색 보정부는
    상기 입력 CG영상의 평균 색상 및 분산 벡터에 따라 상기 분산 벡터에 대한 기준 축을 회전시켜 색 공간상의 색 분포도를 이동하여 상기 CG영상의 색을 보정하는
    컴퓨터 그래픽영상의 실감도 증강 장치.
  17. 제10항에 있어서,
    상기 색 보정부는
    하기의 수학식에 의해 입력 CG 영상의 색을 보정하는
    [수학식]
    Figure pat00029

    여기서,
    Figure pat00030
    는 CG 영상군의 색 분포도,
    Figure pat00031
    는 실사 영상군의 색 분포도,
    Figure pat00032
    는 입력 영상,
    Figure pat00033
    는 결과 영상,
    Figure pat00034
    는 실사 영상의 평균 색에 대한 스칼라값 ,
    Figure pat00035
    은 CG 영상군의 평균 색에 대한 스칼라 값,
    Figure pat00036
    는 입력 CG 영상의 평균 색에 대한 스칼라 값인
    컴퓨터 그래픽 영상의 실감도 증강 장치.
  18. CG 영상군의 색 분포도를 저장하는 CG 영상군 색 분포도 저장부;
    실사 영상군의 색 분포도를 저장하는 실사 영상군 색 분포도 저장부; 및
    상기 CG 영상군 색 분포도와 실사 영상군 색 분포도를 기초하여 입력 CG영상의 색 분포도를 조정하기 위한 임계 범위값을 저장하는 임계범위 저장부;를 포함하는
    컴퓨터 그래픽 영상의 실감도 증강 장치.
  19. 제18항에 있어서,
    상기 CG 영상군 색 분포도 저장부는 상기 CG 영상의 화소값으로부터 획득된 색채 성분들 및 밝기 성분에 기초하여 상기 CG 영상군을 대표하는 모델 상수를 포함하는 색 분포도를 저장하고,
    상기 실사 영상군 색 분포도 저장부는 상기 실사 영상의 화소값으로부터 획득된 색채 성분들 및 밝기 성분에 기초하여 상기 실사 영상군을 대표하는 모델 상수를 포함하는 색 분포도를 저장하는
    컴퓨터 그래픽 영상의 실감도 증강 장치.
KR1020120011132A 2011-05-17 2012-02-03 컴퓨터 그래픽 영상의 실감도 증강을 위한 장치 및 방법 KR101893793B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020120011132A KR101893793B1 (ko) 2011-05-17 2012-02-03 컴퓨터 그래픽 영상의 실감도 증강을 위한 장치 및 방법
US13/471,994 US9305517B2 (en) 2011-05-17 2012-05-15 Apparatus and method for enhancing photorealism of computer graphic image

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201161486843P 2011-05-17 2011-05-17
US61/486,843 2011-05-17
KR1020120011132A KR101893793B1 (ko) 2011-05-17 2012-02-03 컴퓨터 그래픽 영상의 실감도 증강을 위한 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20120128539A true KR20120128539A (ko) 2012-11-27
KR101893793B1 KR101893793B1 (ko) 2018-10-04

Family

ID=47174612

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120011132A KR101893793B1 (ko) 2011-05-17 2012-02-03 컴퓨터 그래픽 영상의 실감도 증강을 위한 장치 및 방법

Country Status (2)

Country Link
US (1) US9305517B2 (ko)
KR (1) KR101893793B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ES2943138T3 (es) * 2018-05-18 2023-06-09 Dental Imaging Technologies Corp Escáner 3D dental con coincidencia de tonos basada en angulares
US11126658B1 (en) * 2018-09-12 2021-09-21 Amazon Technologies, Inc. Scalable graph authoring and versioning techniques

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1177678B1 (en) 1999-04-13 2003-09-17 Athentech Technologies Inc Virtual true color light amplification
JP2005092410A (ja) 2003-09-16 2005-04-07 Fuji Photo Film Co Ltd 画像処理装置、画像処理方法、及びプログラム。
US7466447B2 (en) 2003-10-14 2008-12-16 Microsoft Corporation Color management system that enables dynamic balancing of performance with flexibility
US7317843B2 (en) 2004-04-01 2008-01-08 Microsoft Corporation Luminance correction
KR100679052B1 (ko) * 2006-01-04 2007-02-06 삼성전자주식회사 최적 선호색 편집 장치 및 방법
JP4345757B2 (ja) * 2006-02-22 2009-10-14 セイコーエプソン株式会社 画像データの色の補正
JP2007336218A (ja) 2006-06-14 2007-12-27 Toshiba Corp 色調整装置
CN101669145B (zh) * 2007-04-25 2012-05-30 日本电气株式会社 测量图像质量调节能力的方法、装置以及调节图像质量的方法、装置
US8175382B2 (en) * 2007-05-10 2012-05-08 Microsoft Corporation Learning image enhancement
JP2009033463A (ja) 2007-07-26 2009-02-12 Fuji Xerox Co Ltd 色処理装置、色処理方法およびプログラム
JP4609674B2 (ja) * 2007-08-09 2011-01-12 セイコーエプソン株式会社 画像処理システム、表示装置、プログラムおよび情報記憶媒体
JP5109746B2 (ja) 2008-03-25 2012-12-26 富士ゼロックス株式会社 色処理装置、プログラムおよび画像形成装置
US8428351B2 (en) 2008-12-24 2013-04-23 Brother Kogyo Kabushiki Kaisha Image processing device
JP4996673B2 (ja) * 2009-12-25 2012-08-08 株式会社東芝 画像処理装置、画像表示装置、及び画像処理方法
US8830250B2 (en) * 2010-07-07 2014-09-09 Xerox Corporation Method and system for partitioning and mapping color gamuts based on one-one and onto mapping function
US8542918B2 (en) * 2010-09-28 2013-09-24 Apple Inc. Image color enhancement

Also Published As

Publication number Publication date
US20120293539A1 (en) 2012-11-22
US9305517B2 (en) 2016-04-05
KR101893793B1 (ko) 2018-10-04

Similar Documents

Publication Publication Date Title
US10453423B2 (en) Perceptually optimised color calibration method and system
CN106204690B (zh) 一种图像处理方法及装置
US9697583B2 (en) Image processing apparatus, image processing method, and computer-readable recording medium
JP5829107B2 (ja) 画像処理装置、画像処理方法、及びプログラム
JP5870598B2 (ja) 画像のホワイトバランス処理方法及び装置
US9292732B2 (en) Image processing apparatus, image processing method and computer program product
CN109064525A (zh) 一种图片格式转换方法、装置、设备和存储介质
US7907147B2 (en) Texture filtering apparatus, texture mapping apparatus, and method and program therefor
CN116563570B (zh) 一种颜色识别方法、装置、电子设备及存储介质
KR101893793B1 (ko) 컴퓨터 그래픽 영상의 실감도 증강을 위한 장치 및 방법
US9628672B2 (en) Content processing apparatus, content processing method, and storage medium
JP2013210793A (ja) Ａｒ表示最適化のためのシステム、方法、およびプログラム
CN116980549A (zh) 视频帧处理方法、装置、计算机设备和存储介质
JP2009050035A (ja) 画像処理方法、画像処理システムおよび画像処理プログラム
JP2007243987A (ja) 画像処理方法、画像処理システムおよび画像処理プログラム
JP6039778B2 (ja) 画像処理装置、画像処理方法、及びプログラム
CN107209927B (zh) 利用减少的视觉假象提高对比度的方法
JP4171354B2 (ja) カラー画像処理装置及び方法
JP5883963B2 (ja) 画像処理装置
JP2016066990A (ja) 階調補正の評価方法、および演算装置
JP2020088709A (ja) 画像処理装置、画像処理方法及びプログラム
JP2014067129A (ja) スケール毎の特徴量と色分布との関係を考慮した色変換処理プログラム、装置及び方法
JPWO2019082283A1 (ja) 画像解析装置
KR101978176B1 (ko) 영상 처리 장치 및 방법
US20200273213A1 (en) Configuration for modifying a color feature of an image

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant