KR20140045370A - 이미지의 자동 노출 보정 기법 - Google Patents

이미지의 자동 노출 보정 기법 Download PDF

Info

Publication number
KR20140045370A
KR20140045370A KR1020137032348A KR20137032348A KR20140045370A KR 20140045370 A KR20140045370 A KR 20140045370A KR 1020137032348 A KR1020137032348 A KR 1020137032348A KR 20137032348 A KR20137032348 A KR 20137032348A KR 20140045370 A KR20140045370 A KR 20140045370A
Authority
KR
South Korea
Prior art keywords
image
region
luminance value
zone
input image
Prior art date
Application number
KR1020137032348A
Other languages
English (en)
Inventor
루 유안
지안 선
Original Assignee
마이크로소프트 코포레이션
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 마이크로소프트 코포레이션 filed Critical 마이크로소프트 코포레이션
Publication of KR20140045370A publication Critical patent/KR20140045370A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/40—Picture signal circuits

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Studio Devices (AREA)

Abstract

본 발명에 따르면 이미지의 자동 노출 보정을 위한 기술이 제공된다. 특히, 입력 이미지의 노출은 이미지의 어두운 부분, 중간톤 및 하이라이트 영역의 휘도를 특징화하는 비선형 함수를 자동으로 수정함으로써 향상될 수 있다. 입력 이미지는 다수의 영역들로 분할될 수 있고 각 영역은 구역에 할당되며, 이때 구역은 휘도값의 명시된 범위를 나타낸다. 이미지의 영역에 할당된 초기 구역은 영역의 최적 구역을 반영하도록 변경될 수 있다. 이미지의 각 영역에 대한 최적 구역에 부분적으로 기초하여, 휘도 수정 파라미터가 계산될 수 있고 입력 이미지의 과다 노출된 및/또는 부족하게 노출된 영역들의 외관을 향상시키는 입력 이미지의 수정된 버전을 생성하도록 비선형 함수에 적용될 수 있다.

Description

이미지의 자동 노출 보정 기법{AUTOMATIC EXPOSURE CORRECTION OF IMAGES}
이미지의 품질은 어느 정도는 이미지의 노출에 의존할 수 있다. 이미지의 노출은 이미지의 객체와 연관된 조명, 이미지를 캡처하기 위해 사용되는 이미지 캡처 디바이스의 동작 등에 의존할 수 있다. 이미지가 과다 노출된 및/또는 부족하게 노출된 영역을 포함할 때, 이미지에 포함된 객체의 세부사항이 손상될 수 있고, 색상들이 없어질 수 있다.
일부 경우에, 이미지가 획득될 때 이미지 캡처 디바이스에 의해 적용되는 미터링 기술에 기초하여 노출을 제어하기 위한 시도가 이루어져 왔다. 예를 들어, 이미지 캡처 디바이스의 사용자는 장면 내의 광량을 측정하고 장면의 이미지가 캡처되기 전에 노출값을 계산하도록 이미지 캡처 디바이스가 사용하는 특정한 미터링 기술을 선택할 수 있다. 그러나, 이미지 캡처시에 사용하기 위한 적절한 미터링 기술을 선택하기 위해서 소정 레벨의 전문 지식이 요구되며, 일부 상황에서, 사용자가 이미지를 캡처하기 위해 어떤 미터링 기술을 사용할지를 결정하는 동안 사진 찍을 기회를 잃을 수도 있다. 또한, 이미지 캡처 디바이스는 소정의 미터링 기술을 자동으로 적용할 수 있지만, 일부 이미지와 연관된 조명의 복잡한 성질로 인해, 이미지 캡처 디바이스는 이미지의 소정 부분의 과다 노출 및/또는 부족한 노출을 발생시키는 미터링 기술을 적용할 수 있다.
또한, 일부 개인은 이미지가 캡처된 후에 소프트웨어를 이용하여 이미지의 노출을 수동으로 보정하도록 시도할 수 있다. 예시로서, 이미지 수정 애플리케이션은 개인이 이미지의 어두운 부분, 중간톤 및 하이라이트 영역들의 휘도를 특징화하는 비선형 곡선을 수동으로 조정하는 것을 가능하게 할 수 있다. 이러한 방식으로 이미지의 노출을 보정하기 위해 특정 정도의 기술이 필요하며 이러한 방식으로 복수의 이미지의 수동 보정을 수행하는 것은 시간 소비적이고 불편할 수 있다.
본 명세서는 이미지의 자동 노출 보정에 대해 기술한다. 특히, 컴퓨팅 디바이스는 이미지의 어두운 부분, 중간톤 및 하이라이트 영역의 휘도를 특징화하는 비선형 함수를 자동으로 수정함으로써 입력 이미지의 노출을 향상시킬 수 있다. 특정 구현에서, 입력 이미지는 다수의 영역들로 분할되고 각 영역은 구역에 할당되며, 이때 구역은 휘도값의 명시된 범위를 나타낸다. 구역은 복수의 구역들 중 하나일 수 있으며 각각의 구역은 휘도값의 스케일 상에서 휘도값의 범위를 나타낸다. 일부 경우에, 이미지의 영역에 할당된 초기 구역은 영역의 최적 구역을 반영하도록 변경될 수 있다. 이미지의 각 영역에 대한 최적 구역에 부분적으로 기초하여, 휘도 수정 파라미터가 계산될 수 있고 입력 이미지의 과다 노출된 및/또는 부족하게 노출된 영역들의 외관을 향상시키는 입력 이미지의 수정된 버전을 생성하도록 비선형 함수에 적용될 수 있다. 휘도 수정 파라미터는 이미지의 영역들의 휘도값을 영역들의 각각의 최적 구역과 연관된 휘도값에 푸시하도록 비선형 함수에 적용될 수 있다. 추가적인 기술이 후광 효과(Halo effect), 과증폭된 어둡거나 밝은 톤 등과 같은 아티팩트를 감소시키도록 수정된 이미지에 적용될 수 있다.
본 명세서에 설명된 기술을 적용함으로써, 이미지가 캡처된 후에 이미지의 노출이 자동으로 향상될 수 있다. 따라서, 이미지의 노출의 수동 조정이 최소화되거나 제거될 수 있다. 또한, 보정된 과다 노출된 영역 및 부족하게 노출된 영역을 갖는 이미지를 생성하기 위해 필요한 시간 및 기술이 최소화된다. 따라서, 본 명세서에 설명된 기술을 이용하는 노출 보정 애플리케이션 및/또는 이미지 캡처 디바이스를 이용하는 사용자 경험이 향상된다.
본 요약부는 아래의 상세한 설명에서 추가로 기술되는 개념들의 선택을 단순화된 형식으로 도입하도록 제공된다. 본 요약부는 본 발명의 청구사항의 중요 특성 또는 기본 특성을 식별하기 위한 것이 아니며, 본 발명의 청구사항의 범위에 대한 결정을 돕도록 사용되는 것 또한 아니다.
도 1은 휘도 수정 파라미터를 결정하고 휘도 수정 파라미터를 이미지의 어두운 부분, 중간톤 및 하이라이트 영역 내의 이미지 휘도를 특징화하는 비선형 함수에 적용함으로써 이미지의 노출을 보정하는 프레임워크를 도시한 도면.
도 2는 다수의 영역들로 분할된 이미지 및 각 영역이 자신의 휘도값의 범위를 나타내는 구역에 각각 할당된 것을 도시한 도면.
도 3은 일부 영역에 대해 할당된 각각의 구역이 수정된 도 2의 이미지를 도시한 도면.
도 4는 이미지의 노출의 자동 보정을 제공하는 시스템을 도시한 도면.
도 5는 이미지의 어두운 부분, 중간톤, 하이라이트 영역의 휘도를 특징화하는 비선형 함수에 적용되는 휘도 수정 파라미터를 계산함으로써 보정된 노출로 수정된 이미지를 생성하는 프로세스를 도시한 도면.
도 6은 이미지의 영역에 할당된 휘도값의 범위를 수정하는 프로세스를 도시한 도면.
도 7은 비선형 함수에 따라 출력 이미지를 생성하고 출력 이미지에 특징들을 추가함으로써 수정된 출력 이미지를 생성하는 프로세스를 도시한 도면.
상세한 설명은 첨부된 도면을 참조하여 기술되었다. 도면에서, 참조번호의 가장 좌측에 있는 숫자(들)는 참조번호가 처음 등장한 도면을 식별한다. 서로 다른 도면들에서 동일한 참조번호를 사용하는 것은 유사하거나 동일한 아이템 또는 특징을 나타낸다.
도 1은 휘도 수정 파라미터(luminance modification parameter)를 결정하고 휘도 수정 파라미터를 이미지의 어두운 부분(shadow), 중간톤(mid-tone) 및 하이라이트(highlight) 영역 내의 이미지 휘도를 특징화하는 비선형 함수에 적용함으로써 이미지의 노출을 보정하는 프레임워크(100)를 도시한다. 특히, 프레임워크(100)는 이미지 캡처 디바이스(102)를 포함한다. 이미지 캡처 디바이스(102)는 디지털 카메라, 폰, 태블릿 컴퓨터, 랩탑 컴퓨터, 휴대용 게임 디바이스, 휴대용 미디어 플레이어, PDA, 카메라를 포함하는 그외의 컴퓨팅 디바이스, 또는 이들의 조합을 포함할 수 있다.
블록(104)에서, 이미지 캡처 디바이스(102)는 사용자(도시되지 않음)에 의해 이미지를 캡처하여 입력 이미지(106)를 생성하도록 동작할 수 있다. 입력 이미지(106)는 이미지 캡처 디바이스(102)의 디스플레이 또는 뷰파인더를 통해 이미지 캡처 디바이스(102)의 사용자에게 보여지는 장면, 객체 등을 나타내는 전자 데이터일 수 있다. 입력 이미지(106)는 버튼 또는 이미지 캡처 디바이스(102)와 연관된 다른 입력 디바이스의 활성화에 의해서 캡처될 수 있다. 입력 이미지(106)는 흑백 이미지, 컬러 이미지, 세피아 톤의 이미지, 추가적인 톤 유형이 적용된 이미지, 또는 이들의 조합일 수 있다.
입력 이미지(106)는 입력 이미지(106)의 외관(appearance)을 향상시키도록 입력 이미지(106)를 수정할 수 있는 노출 보정 시스템(exposure correction system)(108)에 제공될 수 있다. 특히, 입력 이미지(106)의 과다 노출된(overexposed) 및/또는 부족하게 노출된(underexposed) 영역 내의 보이지 않거나 식별하기 어려운 입력 이미지(106)의 특징들이 더욱 분명하게 나타나도록, 노출 보정 시스템(108)은 입력 이미지(106)의 과다 노출된 및/또는 부족하게 노출된 영역을 수정함으로써 입력 이미지(106)의 외관을 향상시키도록 구성될 수 있다. 설명을 위해서, 과다 노출된 영역은 더 어둡게 나타내고, 부족하게 노출된 영역은 더 밝게 나타낼 수 있다. 또한, 노출 보정 시스템(108)에 의해 이루어진 입력 이미지(106)에 대한 수정은, 과다 노출되지 않거나 부족하게 노출되지 않은 입력 이미지(106)의 영역들의 외관을 해하도록 영향을 미치지는 않는다. 또한, 노출 보정 시스템(108)은 이미지 외관의 품질에 부정적인 영향을 미치지 않고 과다 노출된 및/또는 부족하게 노출된 적은 영역을 포함하는 이미지에 적용될 수 있다.
특정 구현에서, 노출 보정 시스템(108)은 입력 이미지(106)의 소정의 영역의 휘도값을 수정함으로써 입력 이미지(106)의 외관을 향상시킬 수 있다. 예를 들어, 노출 보정 시스템(108)은 오토-레벨 스트레치(auto-level stretch) 동작(110)을 수행할 수 있다. 오토-레벨 스트레치 동작(110)은 입력 이미지(106)와 연관된 히스토그램(112)을 수정함으로써 입력 이미지(106)의 휘도값을 수정하는 것을 포함할 수 있다. 히스토그램(112)은 입력 이미지(106)의 휘도값의 세기(intensity)를 나타낼 수 있다. 소정의 예시에서, 이미지의 휘도값은 0 내지 255의 스케일 상에서 측정될 수 있고 히스토그램(112)은 0 내지 255 스케일의 휘도값의 세기를 나타내며, 이때 0의 휘도값은 순수한 검정색에 해당하고 255의 휘도값은 순수한 흰색에 해당한다. 입력 이미지(106)에 대한 최대 및/또는 최소 휘도값이 범위의 최대 및/또는 최소 엔드(즉, 최소값인 0과 최대값인 255)에 도달하지 않을 때, 오토-레벨 스트레치 동작(110)은 히스토그램(112) 상의 최대 휘도값이 255이고/이거나 히스토그램(112) 상의 최소값이 0이도록 히스토그램(112)을 늘어나게 하도록 수행될 수 있다. 오토-레벨 스트레치 동작(110)을 수행하는 것은 입력 이미지(106)의 과다 노출된 및/또는 부족하게 노출된 영역의 외관에 대한 일부 향상을 나타낼 수 있다.
입력 이미지(106)의 과다 노출된 및/또는 부족하게 노출된 영역의 외관을 추가로 향상시키기 위해서, 노출 평가 동작(114)이 실행될 수 있다. 노출 평가 동작(114)은, 블록(116)의 휘도 수정 파라미터를 결정하는 단계를 포함할 수 있다. 휘도 수정 파라미터는 입력 이미지(106)의 휘도값을 조정하도록 사용될 수 있다. 일부 경우에, 어두운 부분 휘도 수정 파라미터는 입력 이미지(106)의 어두운 부분 내의 휘도값을 조정하도록 결정될 수 있고 하이라이트 휘도 수정 파라미터는 입력 이미지(106)의 하이라이트 부분 내의 휘도값을 조정하도록 결정될 수 있다. 소정의 예시에서, 입력 이미지(106)의 어두운 부분은 0에 더 가까운 휘도값을 가지고, 입력 이미지(106)의 하이라이트 부분은 255에 더 가까운 휘도값을 가지며, 입력 이미지(106)의 중간톤 부분은 하이라이트와 어두운 부분 사이에 있다. 예를 들어, 흑백 사진에서, 중간톤은 회색일 것이다.
예시적인 구현에서, 휘도 수정 파라미터는 입력 이미지(106)를 다수의 영역들로 분할함으로써 결정된다. 구체적으로, 동일하거나 유사한 휘도값을 갖는 입력 이미지(106)의 픽셀들이 함께 그룹화될 수 있다. 일부 예시에서, 이러한 그룹은 "슈퍼픽셀(superpixels)"로 지칭될 수 있다. 입력 이미지(106)의 슈퍼픽셀을 형성한 후에, 노출 평가 동작(114)은 각 슈퍼픽셀의 구역을 결정하고 동일한 구역과 연관된 슈퍼픽셀들을 그룹화하는 단계를 포함할 수 있다. 각 슈퍼픽셀의 구역은 휘도값의 스케일 상에서 휘도값의 범위를 지칭할 수 있다. 소정의 상황에서, 0 내지 255의 휘도값 범위는 11개의 구역으로 분할된다. 각각의 구역은 평균 휘도값과 연관될 수 있다. 또한, 노출 평가 동작(114)은 하늘과 연관된 및/또는 얼굴과 연관된 입력 이미지의 영역을 식별하는 단계를 포함할 수 있다. 하늘 영역 또는 얼굴 영역과 연관된 슈퍼픽셀은 함께 그룹화되어 각자의 구역으로 할당될 수 있다.
입력 이미지(106)의 각 영역에 대한 구역의 초기 그룹을 식별한 후에, 노출 평가 동작(114)은 입력 이미지(106)의 각 영역에 대한 최적의 구역을 결정하는 단계를 포함할 수 있다. 입력 이미지(106)의 각 영역에 대한 최적의 구역은 각 영역의 특징에 대한 향상된 외관을 제공하는 구역에 해당할 수 있다. 특정 구현에서, 영역에 대한 최적의 구역은 영역의 특징의 외관을 최대화하고, 해당 영역과 이웃하는 영역들 간의 상대적인 대비(contrast)를 보호하며, 해당 영역 내의 대비의 역전(reversal)을 방지한다.
각 영역에 대한 최적 구역을 결정한 후에, 노출 평가 동작(114)은 어두운 부분 휘도 수정 파라미터, 하이라이트 휘도 수정 파라미터, 또는 둘 모두를 계산하는 단계를 포함할 수 있다. 하이라이트 휘도 수정 파라미터 및/또는 어두운 부분 휘도 수정 파라미터는 입력 이미지(106)의 특징의 외관을 향상시키기 위해서 블록(118)에서의 어두운 부분/하이라이트 보정 동작에 이용될 수 있다. 예시적인 구현에서, 어두운 부분/하이라이트 보정 동작(118)은 입력 이미지(106)의 휘도값에 대한 변화를 나타내는 비선형 함수를 생성하는 것에 해당할 수 있다. 예를 들어, 비선형 함수는 S형 곡선 또는 도 1에 도시된 역-S형 곡선(120)과 같은 역-S형 곡선을 포함할 수 있다. 역-S형 곡선(120)은 입력 이미지 휘도값(x축)에 대한 출력 이미지 휘도값(y축)을 나타낸다. 또한, 역-S형 곡선(120)의 형태는 하이라이트 휘도 수정 파라미터 øh 및 어두운 부분 휘도 수정 파라미터 øs에 기초한다. 역-S형 곡선(120)과 관련하여, 하이라이트 휘도 수정 파라미터 øh가 클수록 하이라이트 영역 내 입력 이미지(106)의 휘도값에 대한 조정이 더 커지고, 어두운 부분 휘도 수정 파라미터 øs가 클수록 어두운 영역 내 입력 이미지(106)의 휘도값에 대한 조정이 더 커진다.
역-S형 곡선(120)에 따른 입력 이미지(106)의 휘도 값들의 수정은 수정 이미지(122)를 생성할 수 있다. 일부 상황에서, 수정 이미지(122)는 입력 이미지(106)의 추가적인 프로세싱을 통해 생성될 수 있다. 예시를 위해서, 중간 이미지를 생성하기 위해 역-S형 곡선(120)에 따라 입력 이미지(106)의 휘도값을 수정한 후에, 중간 이미지가 중간 이미지 내에서 명확하지 않을 수 있는 오리지널 이미지로부터 세부사항을 추가함으로써 추가로 프로세싱될 수 있다. 또한, 중간 이미지의 소정의 부분과 연관된 후광(halo) 및/또는 과증폭된(over-amplified) 어두운/밝은 톤과 같은 중간 이미지의 임의의 아티팩트(artifact)가 수정 이미지(122)가 생성되기 이전에 감소될 수 있다.
본 명세서에 기술된 것과 같이 계산된 어두운 부분 휘도 수정 파라미터 및 하이라이트 휘도 수정 파라미터에 기초하여 입력 이미지의 휘도값을 자동으로 조정함으로써, 이미지의 외관이 사용자 상호작용 없이 향상될 수 있다. 따라서, 개인에 의해 캡처되는 이미지의 외관은, 이미지를 캡처하는 동안 또는 이미지가 캡처된 후에 후-프로세싱(post-processing) 동안에도 사용자 측의 임의의 특별한 지식 없이도 향상될 수 있다. 또한, 향상된 외관으로 이미지를 생성하기 위해 소비되는 시간이 최소화된다.
도 2는 다수의 영역들로 분할된 이미지 및 각 영역이 자신의 휘도값을 나타내는 각각의 구역(zone)에 할당된 것을 각 영역을 도시한다. 특히, 도 2는 입력 이미지(202) 및 다수의 영역(206-230)을 포함하는 분할된 이미지(204)를 포함한다. 각각의 영역(206-230)은 복수의 구역 중 특정 구역에 할당되었다. 각 구역은 휘도값(232)의 스케일 상의 휘도값의 범위와 연관된다. 각각의 영역(206-230)의 픽셀들은 픽셀들의 휘도값 사이의 유사성으로 인해 함께 그룹화된다. 예를 들어, 입력 이미지(202) 내에 도시된 영역(216)과 연관된 픽셀들은 휘도값(232)의 스케일 내에서 구역 Ⅶ과 연관된 범위 내의 휘도값을 가지기 때문에 영역(216)과 연관된 픽셀들은 구역 Ⅶ에 할당되었다.
도 3은 일부 영역에 대해 할당되는 각각의 구역이 수정된 도 2의 이미지(202)를 도시한다. 구체적으로, 수정된 분할 이미지(300)가 생성되었다. 수정된 분할 이미지(300)는 각각의 영역(206-230)에 할당된 최적의 구역을 도시한다. 영역(206-230)의 최적 구역은 도 1의 노출 평가 동작(114)과 관련하여 기술된 바와 같이 결정될 수 있다. 도 3에 도시된 예시에서, 영역(208, 210, 220)과 연관된 각각의 구역이 영역(208, 210, 220)에 할당되었던 오리지널 구역으로부터 수정되었다. 구체적으로, 영역(208)은 구역 Ⅱ으로부터 구역 Ⅲ으로 수정되었고, 영역(210)은 구역 Ⅴ로부터 구역 Ⅳ로 수정되었으며, 영역(220)은 구역 Ⅳ로부터 구역 Ⅴ로 수정되었다.
도 4는 이미지의 노출의 자동 보정을 제공하는 시스템(400)을 도시한다. 시스템(400)은 랩탑 컴퓨터, 태블릿 컴퓨터, 스마트폰, 모바일 핸드셋, 디지털 카메라, 개인 컴퓨터, 서버 등과 같은 컴퓨팅 디바이스(402)를 포함한다. 또한, 컴퓨팅 디바이스(402)는 프로세서(404)에 의해 나타내어지는 하나 이상의 프로세서를 포함한다. 프로세서(404)는 컴퓨터 판독가능한 매체와 연관하여 저장된 데이터를 프로세싱하도록 구성될 수 있다. 컴퓨터 판독가능한 매체는, 적어도 두 가지 유형의 컴퓨터 판독가능한 매체, 즉 컴퓨터 저장 매체 및 통신 매체를 포함한다.
컴퓨터 저장 매체는 컴퓨터 판독가능한 명령, 데이터 구조, 프로그램 모듈, 또는 그외의 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 제거가능 및 제거 불가능한 매체를 포함한다. 컴퓨터 저장 매체는 RAM, ROM, EEPROM, 플래시 메모리 또는 다른 메모리 기술, CD-ROM, DVD 또는 다른 광학 스토리지, 자기 카세트, 자기 테이프, 자기 디스크 스토리지 또는 다른 자기 스토리지 디바이스, 또는 컴퓨팅 디바이스(402)에 의해 액세스하기 위한 정보를 저장하는 데에 사용될 수 있는 임의의 다른 비-전송 매체를 포함하지만, 이것으로 한정되는 것은 아니다.
반면에, 통신 매체는 컴퓨터 판독가능한 명령, 데이터 구조, 프로그램 모듈 또는 반송파와 같은 변조 데이터 신호 내의 다른 데이터, 또는 다른 전송 메커니즘을 포함할 수 있다. 본 명세서에 정의된 바와 같이, 컴퓨터 저장 매체는 통신 매체를 포함하지 않는다.
컴퓨팅 디바이스(402)는 또한 프로세서(404)에 액세스할 수 있는 메모리(406)를 포함한다. 메모리(406)는 컴퓨터 저장 매체의 예시이다. 또한, 컴퓨팅 디바이스(402)는 컴퓨팅 디바이스(402)와 추가 컴퓨팅 디바이스(410)와 같은 다른 컴퓨팅 디바이스 사이의 통신을 용이하게 할 수 있는 하나 이상의 통신 인터페이스(408)를 포함한다. 특히, 통신 인터페이스(408)는 네트워크(412)에 의해 나타내어진 하나 이상의 네트워크를 통해 통신을 용이하게 하도록, 하나 이상의 유선 네트워크 통신 인터페이스, 하나 이상의 무선 통신 인터페이스, 또는 둘 모두를 포함할 수 있다. 네트워크(412)는 인터넷, 케이블 네트워크, 위상 네트워크, 광역 무선 통신 네트워크, 유선 로컬 영역 네트워크, 무선 로컬 영역 네트워크, 공용 전환 전화 네트워크(PSTN) 등과 같은 복수의 서로 다른 유형의 유선 및 무선 네트워크 중 임의의 하나 또는 그 조합을 대표할 수 있다.
또한, 컴퓨팅 디바이스(402)는 입력/출력 디바이스(414)를 포함할 수 있다. 입력/출력 디바이스(414)는 키보드, 포인터 디바이스(예로서, 마우스 또는 스타일러스), 터치 스크린, 하나 이상의 이미지 캡처 디바이스(예로서, 하나 이상의 카메라), 하나 이상의 마이크로폰, 디스플레이, 스피커 등을 포함할 수 있다. 컴퓨팅 디바이스(402)는 또한 컴퓨터 저장 매체의 예시인 데이터 스토어(416)를 포함한다. 데이터 스토어(416)는 하나 이상의 이미지(418)를 저장할 수 있다. 일부 경우에서, 하나 이상의 이미지(418)는 컴퓨팅 디바이스(402)의 이미지 캡처 디바이스를 통해 캡처될 수 있다. 다른 상황에서, 하나 이상의 이미지(418)는 네트워크(412)를 통해 추가적인 컴퓨팅 디바이스(410)로부터 수신될 수 있다. 예를 들어, 컴퓨팅 디바이스(402)는 추가적인 컴퓨팅 디바이스(410)(예로서, 디지털 카메라, 스마트폰 등)에 로컬로 연결된 랩탑 컴퓨터 또는 개인 컴퓨터일 수 있으며, 컴퓨팅 디바이스(402)는 추가적인 컴퓨팅 디바이스(410)로부터 하나 이상의 이미지(402)를 수신할 수 있다. 다른 예시에서, 컴퓨팅 디바이스(402)는 네트워크(412)를 통해 추가적인 컴퓨팅 디바이스(410)(예로서, 개인 컴퓨터, 랩탑 컴퓨터, 전화기 등)으로부터 원격으로 하나 이상의 이미지(418)를 수신하는 서버 컴퓨터일 수 있다.
데이터 스토어(418)는 또한 이미지(418)와 관련된 추가적인 이미지 데이터(420)를 포함할 수 있다. 소정의 상황에서, 추가적인 이미지 데이터(420)는 하나 이상의 이미지(418)의 휘도값을 나타내는 데이터를 포함한다. 특정한 예시에서, 추가적인 이미지 데이터(420)는 하나 이상의 이미지(418)에 상응하는 히스토그램 데이터를 포함할 수 있으며, 각 이미지(418)에 대한 히스토그램 데이터는 휘도값의 범위(예로서, 0 내지 255)에 대한 세기와 관련된 휘도값을 나타낸다. 추가적인 이미지 데이터(420)는 이미지(418)의 하나 이상의 영역에 대한 및/또는 전체 이미지(418)와 관련된 히스토그램 데이터를 포함할 수 있다. 추가적인 이미지 데이터(420)는 또한 하나 이상의 이미지(418)의 에지를 나타내는 데이터, 하나 이상의 이미지(418)의 영역들에 대한 구역 할당 등과 같은, 노출 보정 프로세스 동안 생성된 데이터를 포함할 수 있다.
예시적인 구현에서, 컴퓨팅 디바이스(402)는 노출 보정 시스템(424)에 입력 이미지(422)를 제공하도록 구성될 수 있다. 일부 경우에서, 입력 이미지(422)는 컴퓨팅 디바이스(402)를 통해 캡처될 수 있으며 입력 이미지(422)의 임의의 과다 노출된 및/또는 부족하게 노출된 영역에 대한 수정을 하기 위해서 노출 보정 시스템(424)에 의해 자동으로 프로세싱될 수 있다. 다른 상황에서, 입력 이미지(422)는 데이터 스토어(416) 내에 저장된 이미지일 수 있다. 다른 예시에서, 입력 이미지(422)는 노출 보정 시스템(424)을 통한 노출 보정을 위해 추가적인 컴퓨터 디바이스(410)로부터 획득될 수 있다. 소정의 상황에서, 노출 보정 시스템(424)은 컴퓨팅 디바이스(402)의 이미지 수정 애플리케이션의 일부로서 실행될 수 있다. 또한, 노출 보정 시스템(424)은 컴퓨팅 디바이스(402)의 사용자로부터의 입력에 응답하여 입력 이미지(422)의 노출 보정을 수행하도록 실행될 수 있다.
노출 보정 시스템(424)은 하나 이상의 노출 보정 기술을 사전-프로세싱 동작으로서 적용하도록 프로세서(404)에 의해 실행가능한 사전-프로세싱 모듈(426)을 포함한다. 예를 들어, 사전-프로세싱 모듈(426)은 입력 이미지(422)와 관련하여 오토-레벨 스트레치 동작을 실행할 수 있다. 예를 들면, 입력 이미지(422)와 연관된 히스토그램 데이터는 0 내지 255의 스케일 상에서 입력 이미지(422)에 대해 25 내지 243의 휘도값의 범위를 나타낼 수 있다. 사전-프로세싱 모듈(426)에 의해 수행되는 오토-레벨 스트레치 동작은, 최소 휘도값이 0이고 최대 휘도값이 255이 되도록 입력 이미지(422)의 휘도값을 수정할 수 있다. 그 결과, 일부 어두운 픽셀들과 일부 밝은 픽셀들의 세기가 오토-레벨 스트레치 동작에 의해 감소되기 때문에 일부 과다 노출된 및/또는 부족하게 노출된 영역들의 외관이 향상될 수 있다.
다른 예시에서, 사전-프로세싱 모듈(426)은 히스토그램 균등화 동작을 수행할 수 있다. 히스토그램 균등화 동작은 보다 넓은 범위의 휘도값에 걸쳐 가장 높은 세기를 갖는 휘도값을 차지하게 할 수 있으며, 그에 따라 적어도 일부 휘도값의 세기를 감소시킨다. 결과적으로, 더 낮은 대비를 갖는 입력 이미지의 영역이 더 높은 대비와 연관될 것이며, 이는 입력 이미지(422)의 적어도 일부 과다 노출된 및/또는 부족하게 노출된 영역들의 외관을 향상시킬 수 있다.
노출 보정 시스템(424)은 또한 입력 이미지(422)의 노출을 향상시키도록 추가 동작을 실행하기 위한 프로세서(404)에 의해 실행가능한 노출 평가 시스템(428)을 포함한다. 예를 들어, 노출 평가 시스템(428)은 입력 이미지(422)를 다수의 서로 다른 영역들로 분할하도록 프로세서(404)에 의해 실행가능한 분할 및 영역 분석 모듈(430)을 포함한다. 예시적인 구현에서, 분할 및 영역 분석 모듈(430)은 입력 이미지(422)를 슈퍼픽셀로 지칭되는 다수의 픽셀 그룹으로 분할할 수 있다.
분할 및 영역 분석 모듈(430)은 또한 각 슈퍼픽셀과 연관된 구역을 결정할 수 있다. 각 슈퍼픽셀과 연관된 구역은 휘도값의 스케일 상에서 휘도값의 범위를 나타낼 수 있다. 일부 예시에서, 휘도값의 범위는 0 내지 255일 수 있고, 순수한 검정색을 나타내는 영역 0과 순수한 흰색을 나타내는 영역 11을 갖는 11개의 영역으로 나누어진다. 분할 및 영역 분석 모듈(430)은 또한 입력 이미지(422)의 영역들을 형성하도록 동일한 구역과 연관된 이웃하는 슈퍼픽셀들을 합병할 수 있다. 슈퍼픽셀들은 또한 슈퍼픽셀들이 입력 이미지(422)의 특정한 특징들과 연관되었을 때 함께 그룹화될 수도 있다. 예시로서, 분할 및 영역 분석 모듈(430)은 하늘의 특징과 연관된 입력 이미지(422)의 슈퍼픽셀들을 식별할 수 있으며 이들 슈퍼픽셀들을 하늘 영역으로 그룹화할 수 있다. 다른 예시에서, 분할 및 영역 분석 모듈(430)은 얼굴의 특징과 연관된 입력 이미지(422)의 슈퍼픽셀들을 식별할 수 있으며 이들 슈퍼픽셀들을 하나 이상의 얼굴 영역으로 함께 그룹화할 수 있다. 분할 및 영역 분석 모듈(430)은 각각의 하늘 영역과 얼굴 영역으로 하나 이상의 구역을 할당할 수 있다.
노출 평가 시스템(428)은 또한 입력 이미지(422)의 하나 이상의 구역을 수정하도록 프로세서(404)에 의해 실행가능한 최적 구역 할당 모듈(432)을 포함한다. 최적 구역 할당 모듈(432)은 입력 이미지(422)의 특정 구역이 입력 이미지(422)의 외관을 향상시키기 위해서 수정될 것임을 결정할 수 있다. 특정한 구현에서, 최적 구역 할당 모듈(432)은 입력 이미지(422)의 가시적 세부사항을 최대화하며 입력 이미지(422)의 각 영역에 대한 최적 구역을 결정하기 위해서 이웃하는 영역들 간의 상대적인 대비를 보존한다.
최적 구역 할당 모듈(432)은 입력 이미지(422)의 하나 이상의 감마-보정된(gamma-corrected) 이미지를 생성함으로써 입력 이미지(422)의 가시적 세부사항을 최대화할 수 있다. 감마-보정된 이미지는 입력 이미지(422)의 휘도값을 수정하기 위해 입력 이미지(422)에 감마 인자(gamma factor)의 차수에 대한 지수 함수를 적용함으로써 생성될 수 있다. 일부 상황에서, 적어도 하나의 감마-보정된 이미지는 입력 이미지(422)보다 밝게 나타나는 특징들을 포함한다. 이러한 경우에, 감마 인자는 1보다 작으며, 이때 입력 이미지(422)는 감마 인자 1을 갖는다. 다른 상황에서, 적어도 하나의 감마 보정된 이미지가 입력 이미지(422)보다 어둡게 나타나는 특징들을 포함한다. 이러한 경우에, 감마 인자는 1보다 크다. 특정한 예시적인 구현에서, 최적 구역 할당 모듈(432)은 감마 인자 0.5 및 2.0을 갖는 감마 보정된 이미지를 생성할 수 있다.
감마 보정된 이미지를 생성한 후, 최적 구역 할당 모듈(432)은 입력 이미지(422)로부터 생성된 하나 이상의 감마 보정된 이미지 및 입력 이미지(422)의 에지를 검출할 수 있다. 최적 구역 할당 모듈(432)에 의해 수행되는 에지 검출은 휘도가 변하거나 불연속적인 입력 이미지(422) 및 하나 이상의 감마 보정된 이미지의 포인트를 식별할 수 있다. 최적 구역 할당 모듈(432)은 입력 이미지(422)의 에지 및 하나 이상의 감마 보정된 이미지의 에지를 나타내는 각각의 에지 맵을 생성하도록 입력 이미지(422) 및 하나 이상의 감마 보정된 이미지와 관련하여 검출된 에지를 이용할 수 있다.
최적 구역 할당 모듈(432)은 각각의 이미지의 가시 세부사항을 측정하도록 입력 이미지(422) 및 하나 이상의 감마 보정된 이미지에 대해 검출된 에지를 이용할 수 있다. 예시적인 구현에서, 입력 이미지(422)의 에지, 1보다 작은 감마 인자를 갖는 감마 보정된 이미지의 에지 및 1보다 큰 감마 인자를 갖는 감마 보정된 이미지의 에지가, 각각 에지 세트 Ω1,Ωs 및 Ωℓ에 의해 나타내어질 수 있다. 입력 이미지(422)의 어두운 부분 영역 및 입력 이미지(422)의 하이라이트 영역의 가시적 세부사항은 입력 이미지(422), 1보다 작은 감마 인자로 감마 보정된 이미지 및 1보다 큰 감마 인자로 감마 보정된 이미지 사이의 에지 차이를 이용하여 계산될 수 있다. 예시로서, 어두운 부분 영역 내의 에지 차이는 ΩS diff=Ωs-Ωs∩Ωℓ에 의해 표현될 수 있고, 하이라이트 영역 내의 에지 차이는 ΩH diff=Ωℓ-Ωs∩Ωℓ에 의해 표현될 수 있다. 입력 이미지(422)의 어두운 부분 영역 내의 상대적인 세부사항 가시성(visibility) V s 및 하이라이트 영역 내의 상대적인 세부사항 가시성 V h 는 다음 식(1)에 따라 계산될 수 있으며:
Figure pct00001
이때 card(·)는 세트 내의 검출된 에지 및 Ωall=Ω1∪Ωs∪Ωℓ와 연관된 픽셀의 수를 나타낸다.
또한, 이웃하는 영역들의 휘도값 사이의 차이에 기초하여 이웃하는 영역들 사이의 상대적인 대비가 계산될 수 있다. 특히, 최적 구역 할당 모듈(432)은 제 2 영역에 인접한 입력 이미지(422)의 제 1 영역에 대한 세기와 관련한 휘도값을 나타내는 히스토그램을 데이터 스토어(416)로부터 생성 또는 검색할 수 있다. 최적 구역 할당 모듈(432)은 제 2 영역의 평균 휘도값 및 제 1 영역의 평균 휘도값 사이의 거리를 결정할 수 있다. 특정 예시에서, 제 1 영역은 구역 Ⅱ에 할당될 수 있고 51의 평균 휘도값을 가질 수 있으며, 제 2 영역은 구역 Ⅶ에 할당될 수 있고 179의 평균 휘도값을 가질 수 있다. 이러한 예시에서, 제 1 영역과 제 2 영역의 평균 휘도값 사이의 차는 128이다. 최적 구역 할당 모듈(432)은 제 1 영역 및 제 2 영역의 휘도값의 교차를 최대화하는 최소 거리의 제 1 영역 및 제 2 영역의 각각의 히스토그램을 이동(shifting)함으로써 제 1 영역과 제 2 영역 사이의 상대적인 대비를 계산할 수 있다. 예시로서, 최적 구역 할당 모듈(432)은, 제 1 영역의 더 높은 휘도값의 일부를 제 2 영역의 더 낮은 휘도값의 일부와 교차하게 하도록, 제 1 영역의 히스토그램과 제 2 영역의 히스토그램을 이동시킬 수 있다. 제 1 영역 및 제 2 영역의 히스토그램 이동에서, 제 1 영역 및 제 2 영역은 서로 다른 구역들과 연관될 수 있다. 일 예시에서, 제 1 영역은 이동 후에 구역 Ⅲ에 할당될 수 있고 제 2 영역은 이동 후에 구역 Ⅵ로 할당될 수 있다. 따라서 특정 예시에서, 제 1 영역에 대한 평균 휘도값은 77로 그리고 제 2 영역에 대한 평균 휘도값은 153으로 이들 간의 거리가 76이 되도록 변경되었을 수 있다.
입력 이미지(422)의 가시적 세부사항을 측정하고 입력 이미지(422)의 상대적인 대비를 측정한 후에, 최적 구역 할당 모듈(432)은 각 영역에 처음 할당되었던 구역과 다를 수 있는 최적 구역을 입력 이미지(422)의 각 영역에 대해 결정할 수 있다. 특정 구현에서, 최적 구역 할당 모듈은 입력 이미지(422)의 상대적인 대비의 측정 및 가시적 세부사항의 측정과 관련한 마코브 랜덤 필드(Markov Random Fields; MRF) 에너지 함수를 최소화함으로써 입력 이미지(422)의 영역들에 대한 최적 구역을 결정할 수 있다. MRF 에너지 함수 E(Z)는 식(2)에 의해 주어질 수 있으며:
Figure pct00002
이때 zi를 갖는 최적 라벨 Z={zi}은 특정 영역에 대한 바람직한 구역이다. 또한, Ei는 개별 영역 i에 대한 데이터 항이고, Ei ,j는 두 인접한 영역 i와 j 사이의 짝(pairwise) 항이며, λ는 가중치이다. 가중치 λ는 데이터 항 Ei와 짝 항 Ei ,j를 구역 후보들의 각 조합에 걸쳐 합산하고 λ를 데이터 항 Ei와 짝 항 Ei ,j의 비의 합과 같게 설정함으로써 추정될 수 있다. Ei 및 Ei ,j는 Ei = -log(P(i)) 및 Ei ,j = -log(P(i,j))의 확률 형태로 주어질 수 있다. 영역의 확률 P(i)는 세부사항의 가시성 V, (이미지의 전체 크기에 의해 정규화된) 영역 크기 C 및 (의미론적 영역의 백분율에 의해 측정되는) 의미론적 중요도(semantic importance) θ i 에 의해 측정되고, 식 (3)에 의해 주어지며:
Figure pct00003
이때 ρ(·)는 시그모이드 함수(sigmoid function) ρ(t) = 1/(1+exp(-t))이며,
Figure pct00004
는 초기 구역
Figure pct00005
으로부터의 편차이다. V s 및 V h 는 어두운 부분 구역 영역과 하이라이트 구역 영역 내의 Pi를 계산하도록 각각 사용될 수 있다.
코히어런스(coherence) P(i,j)은 초기 상대적 대비, 즉 영역들의 히스토그램의 평균 휘도값 사이의 초기 거리인
Figure pct00006
으로부터 새로운 상대적 대비 d i ,j 로의 두 영역 사이의 상대적인 대비의 변화에 의해 정의된다. 코히어런스 P(i,j)는 식(4)에 의해 표기되며:
Figure pct00007
이때 G(·)는 명시된 차이(예로서, 0.15)를 갖는 제로-평균 가우시안 함수(zero-mean Gaussian function)이다. 가우시안 함수 G는 상대적인 대비의 임의의 극적인 변화를 최소화할 수 있다. 가중치 Cj는 상대적으로 더 작은 영역이 코히어런스 P(i,j)에 더 작은 기여를 하도록 사용된다.
일부 경우에서, 최적 구역 할당 모듈(432)은 입력 이미지(422)의 영역들에 대한 최적 구역을 결정하기 위해서 MRF 에너지 함수 E(Z)를 최소화할 때 하나 이상의 제한을 적용할 수 있다. 예를 들어, 하나 이상의 제한은 구역 Ⅴ를 가로지르는 영역의 구역 내의 변경을 제한하는 것, 구역 Ⅴ와 연관된 영역은 변경되지 않고 남아있는 것, 동일한 초기 구역으로 할당된 영역들에 대한 구역 변경은 각 영역에 대해 동일해야만 한다는 것(예로서, 구역 Ⅱ로 할당된 각 영역은 구역 Ⅲ으로 수정됨), 또는 이들의 조합을 포함할 수 있다. 또한, 일부 예시에서, MRF 에너지 함수 E(Z)의 글로벌 최적화를 획득하기 위해서, 반복적인 브루트 포스(brute force) 검색 방법이 각 영역에 대한 구역 후보의 모든 조합을 고려하도록 사용될 수 있다.
노출 보정 시스템(428)은 또한 입력 이미지(422)의 외관을 향상시키기 위해서 입력 이미지(422)의 소정의 부분들의 휘도를 수정하도록 사용될 수 있는 휘도 수정 파라미터를 계산하기 위해 프로세서(404)에 의해 실행가능한 파라미터 계산 모듈(434)을 포함한다. 특히, 휘도 수정 파라미터는 입력 이미지(422)의 과다 노출된 및/또는 부족하게 노출된 영역의 외관을 향상시키도록 사용될 수 있다. 예시적인 구현에서, 휘도 수정 파라미터는 입력 이미지(422)의 각 영역과 연관된 구역이 최적 구역 할당 모듈(432)에 의해 계산된 바와 같은 자신의 최적 구역을 향해서 최대한 이동되도록 계산될 수 있다. 어두운 부분 휘도 수정 파라미터 øs 및 하이라이트 휘도 수정 파라미터 øh를 계산하기 위해서, 각 영역의 오리지널 노출이 세기 평균 ei=ΣIn/ci에 의해 계산되며, 이때 In은 오리지널 세기이고 ci는 영역 크기이다. 따라서, 어두운 부분 휘도 수정 파라미터 øs는 øs = (μ i - e i )·c i /ΣfΔ(I n )에 따라 계산될 수 있으며, 이때 μ i 는 각각의 구역 값에 상응하는 타겟 노출이다. 구역 값과 그 각각의 노출 사이의 관계는 도 2의 참조번호(232)에서 도시되었다. 또한, fΔ(I n )은 어두운 부분 또는 하이라이트 휘도 수정 후의 휘도 변화이다. fΔ(I n )의 수학적 형태는 아래의 식 (5)와 같이 나타내어진다. 또한, 하이라이트 휘도 수정 파라미터는 øh = (e i -μ i )·c i /ΣfΔ(1-I n )에 따라 계산될 수 있다. 어두운 부분 및/또는 하이라이트 휘도 수정 파라미터가 각 영역에 대해 계산되면, 가중치로서의 역할을 하는 상대적인 영역 크기 c i 를 이용하여 각 영역에 대한 어두운 부분 및/또는 하이라이트 휘도 수정 파라미터와 관련해 가중된 평균이 취해진다. 입력 이미지(422)의 전체 어두운 부분 휘도 수정 파라미터는 영역 어두운 부분 휘도 수정 파라미터의 가중된 평균으로부터 계산될 수 있고 입력 이미지(422)의 전체 하이라이트 휘도 수정 파라미터는 영역 하이라이트 휘도 수정 파라미터의 가중된 평균으로부터 계산될 수 있다.
파라미터 계산 모듈(434)에 의해 계산된 입력 이미지(422)의 어두운 부분 및 하이라이트 휘도 수정 파라미터는 입력 이미지(422)의 픽셀들에 대한 초기 휘도값을 픽셀들에 대한 수정된 휘도값과 맵핑하는 비선형 함수를 생성하도록 비선형 함수 조정 모듈(436)에 의해 사용될 수 있다. 비선형 함수는 S형 곡선 또는 역-S형 곡선으로 특징화될 수 있고 다음의 식(5)에 의해 주어질 수 있으며:
Figure pct00008
이때 x 및 f(x)는 각각 정규화된 입력 픽셀 휘도 및 수정된 픽셀 휘도이다. 또한, fΔ(x)는 fΔ(x) = κ1x exp(-κ2xκ3)에 의해 정의되는 증가 함수이며, 이때 κ1은 어두운 부분 또는 하이라이트의 수정된 톤 범위를 제어하고, k2, k3는 어두운 부분 또는 하이라이트의 수정된 톤 범위를 제어한다. 예시에서, κ1=5, κ2=14이며, κ3=1.6이다. 비선형 함수 조정 모듈(436)은 입력 이미지(422)에 기초한 출력 이미지를 생성하기 위해 어두운 부분 및 하이라이트 휘도 수정 파라미터를 식(5)의 S형 함수와 같은 비선형 함수에 적용시킬 수 있다.
일부 예시에서, 비선형 함수 보정 모듈(436)은 수정된 출력 이미지를 생성하기 위해 출력 이미지에 특징을 추가할 수 있다. 특정 구현에서, 비선형 함수를 이용해 출력 이미지를 생성한 후에, 비선형 함수 조정 모듈(436)은 수정된 출력 이미지를 생성하기 위해서 출력 이미지를 국부적인 세부 이미지(detail image)와 융합시킬 수 있다. 예시로서, 입력 이미지(422)는 I로 지정될 수 있고, 어두운 부분 및 하이라이트 파라미터를 비선형 함수에 적용함으로써 생성된 이미지가 f(I)로 지정될 수 있으며, 하나 이상의 로우-패스 필터(low-pass filter)(예로서, 가우시안(Gaussian) 필터)를 적용함으로써 생성된 입력 이미지(422)의 필터링된 버전은 I F 로 지칭될 수 있다. 중간 이미지에 특징을 추가하도록 사용될 수 있는 국부적인 세부 이미지 ΔI는 입력 이미지(422)와 입력 이미지의 필터링된 버전 사이의 차이를 취함으로써 생성될 수 있다. 따라서 ΔI = I- I F 이고, 예시에서, 수정된 출력 이미지
Figure pct00009
는 식(6)을 통해 생성될 수 있으며:
Figure pct00010
이때 항 [2·f(I)(1-f(I))]은 중간 출력 이미지의 소정의 부분에 특징을 추가하기 위한 역할을 할 수 있다. 특정한 경우에, 중간톤 범위에 추가된 특징들의 수가 어두운 부분 또는 하이라이트 범위 내에 추가된 특징의 수보다 더 많다. 따라서, 식(6)에서, 항 f(I)(1-f(I))은 중간톤 범위에서 최대에 도달한다.
입력 이미지(422)가 검정색 이미지이거나 흰색 이미지일 때, 노출 보정 시스템(424)에 의해 수행되는 동작들은 입력 이미지(422)의 휘도 채널과 관련하여 수행된다. 입력 이미지(422)가 컬러 이미지일 때, 노출 보정 시스템(424)의 동작들은 입력 이미지(422)의 휘도 채널 및 입력 이미지(422)의 컬러 채널과 관련하여 수행될 수 있다. 예를 들어, 비선형 함수 조정 모듈(436)은 컬러 채널로부터 입력 이미지(422)의 휘도 채널을 분리할 수 있다. 비선형 함수 조정 모듈(436)은 또한 입력 이미지(422)의 픽셀들의 휘도값과 입력 이미지(422)의 수정된 버전의 픽셀들의 휘도값 사이의 비(ratio)를 결정할 수 있다. 그 다음 비선형 함수 조정 모듈(436)은 휘도 채널과 관련하여 결정된 비를 적용하고 비를 컬러 채널에 대해 적용할 수 있다. 따라서, 컬러 채널에 대한 입력 이미지(422)의 픽셀들은 입력 이미지(422)의 수정된 버전을 생성하기 위해 비율에 따라 수정될 수 있다.
일부 시나리오에서, 출력 이미지는 출력 이미지의 일부 부분과 연관된 후광 효과 및/또는 출력 이미지의 가장 어두운 및/또는 가장 밝은 톤의 일부의 과증폭(overamplification)과 같은 일부 아티팩트를 가질 수 있다. 이러한 시나리오에서, 노출 보정 시스템(424)의 아티팩트 감소 모듈(438)은 출력 이미지의 아티팩트를 감소시키기 위해서 프로세서(404)에 의해 실행가능할 수 있다. 예를 들어, 아티팩트 감소 모듈(438)은 후광 효과와 연관된 출력 이미지의 부분을 감소시키도록 출력 이미지에 특정 필터를 적용할 수 있다. 일부 경우에, 전술된 바와 같은 입력 이미지의 필터링된 버전을 생성하도록 사용될 수 있는 가우시안 필터 대신 출력 이미지에 적용되는 필터가 적용된다. 예시적인 구현에서, 특정 필터는 지도 이미지(guidance image)의 선형 변환인 가이드된 필터를 포함할 수 있으며, 지도 이미지는 입력 이미지 또는 다른 이미지일 수 있다. 과증폭 아티팩트를 최소화 또는 제거하기 위해서, 아티팩트 감소 모듈(438)은 어두운 톤의 과증폭을 보정할 때 검정색에 가까운 컨피던스 맵(near-black confidence map)을 이용하고 밝은 톤의 과증폭을 보정할 때 흰색에 가까운 컨피던스 맵(near-white confidence map)을 이용하여 입력 이미지(422)와 출력 이미지를 혼합할 수 있다. 검정색에 가까운 컨피던스 맵에 대한 컨피던스 값은 순수한 검정색과 각 픽셀 내의 최소 RGB(Red-Green-Blue) 색상 사이의 거리에 의해 측정될 수 있고, 흰색에 가까운 컨피던스 맵에 대한 컨피던스 값은 순수한 흰색과 각 픽셀 내의 최대 RGB 색상 사이의 거리에 의해 측정될 수 있다. 거리는 이미지 세기 값이 [0,1]로 정규화되었을 때 순수한 검정색으로 간주되는 세기값 0.05 및 순수한 흰색으로 간주되는 세기값 0.95를 이용하여 가우시안 함수를 통해 측정될 수 있다.
도 5 내지 7은 각각 이미지의 노출에 대한 자동 보정을 제공하기 위한 방법(500-700)을 도시한다. 방법(500-700)은 논리적 흐름도의 블록들의 집합으로 도시되었으며, 하드웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수 있는 동작들의 시퀀스를 나타낸다. 소프트웨어의 맥락에서, 블록들은 하나 이상의 프로세서에 의해 실행되었을 때 인용된 동작들을 수행하는 컴퓨터 실행가능한 명령을 나타낸다. 일반적으로, 컴퓨터 실행가능한 명령은 루틴, 프로그램, 객체, 구성요소, 데이터 구조 등, 특정한 기능을 수행하거나 특정한 추출 데이터 유형을 구현하는 것을 포함한다. 동작들이 기술된 순서는 제한적으로 해석되기 위한 것이 아니며, 기술된 블록들 중 임의의 블록들은 프로세스를 구현하기 위해서 임의의 순서 및/또는 동시에 결합될 수 있다.
도 5는 입력 이미지의 어두운 부분, 중간톤, 하이라이트 영역의 휘도를 특징화하는 비선형 함수에 적용되는 휘도 수정 파라미터를 계산함으로써 보정된 노출로 입력 이미지의 수정된 버전을 생성하는 프로세스(500)를 도시한다. 특히, 단계(502)에서, 프로세스(500)는 이미지의 복수의 영역의 각 영역에 대한 구역을 결정하는 것을 포함한다. 각각의 영역의 구역은 휘도값의 스케일 상에서 각각의 영역과 연관된 명시된 범위의 휘도값을 나타낸다. 예를 들어, 도 2의 참조번호(232)는 0 내지 X까지 11개의 구역으로 나누어진 0 내지 255 휘도값의 스케일을 나타낸다. 특정 구현에서, 이미지의 픽셀들은 각각의 휘도값에 따라 그룹화될 수 있으며, 휘도값의 특정 범위 내에 있는 휘도값을 갖는 픽셀들의 그룹들은 상응하는 구역과 연관된 영역을 생성하도록 그룹화될 수 있다. 일부 경우에서, 이미지의 픽셀들은 하늘 특징 또는 얼굴 특징과 연관될 수 있다. 이러한 경우에, 하늘 특징과 연관된 픽셀들이 특정 영역으로 그룹화될 수 있고 얼굴 특징과 연관된 픽셀들이 특정 영역으로 그룹화될 수 있다.
단계(504)에서, 적어도 하나의 영역이 수정된 구역과 연관되도록 복수의 영역 중 적어도 하나의 영역에 대한 구역이 수정된다. 예를 들어, 이미지의 영역의 휘도값은 영역의 초기 구역과 연관된 휘도값의 범위 내에 포함된 휘도값으로부터 영역의 수정된 구역과 연관된 상이한 범위의 휘도값 내에 포함된 휘도값으로 변경될 수 있다.
단계(506)에서, 프로세스(500)는 이미지의 각각의 영역에 대한 구역과 적어도 하나의 영역의 수정된 구역에 적어도 부분적으로 기초하여, 이미지에 대한 하나 이상의 휘도 수정 파라미터를 계산하는 것을 포함한다. 일부 경우에서, 어두운 부분 휘도 수정 파라미터가 생성될 수 있고 하이라이트 휘도 수정 파라미터가 생성될 수 있다. 어두운 부분 휘도 수정 파라미터는 이미지의 어두운 부분 영역 내의 픽셀들의 휘도값에 대한 변화를 나타낼 수 있고 하이라이트 휘도 수정 파라미터는 이미지의 하이라이트 영역 내의 픽셀들의 휘도값에 대한 변화를 나타낼 수 있다. 예시적인 구현에서, 어두운 부분 휘도 수정 파라미터 및/또는 하이라이트 휘도 수정 파라미터가 이미지의 각 영역에 대해 생성될 수 있다. 전체 어두운 부분 휘도 수정 파라미터 및 전체 하이라이트 휘도 수정 파라미터는 각 영역의 각각의 어두운 부분 휘도 수정 파라미터 및 각 영역의 각각의 하이라이트 휘도 수정 파라미터에 기초하여 계산될 수 있다. 특정 예시에서, 이미지의 영역들의 하이라이트 휘도 수정 파라미터의 가중된 평균이 전체 하이라이트 휘도 수정 파라미터를 계산하도록 사용될 수 있고, 영역들의 어두운 부분 휘도 수정 파라미터의 가중된 평균이 전체 어두운 부분 휘도 수정 파라미터를 계산하도록 사용될 수 있다. 일부 경우에서, 각각의 영역들의 어두운 부분 및/또는 하이라이트 수정 파라미터에 할당된 가중치는 각각의 영역의 크기에 기초한다.
단계(508)에서, 비선형 함수가 하나 이상의 휘도 수정 파라미터에 적어도 부분적으로 기초하여 생성될 수 있다. 비선형 함수는 초기 휘도값으로부터 수정된 휘도값으로의 이미지의 하나 이상의 휘도값에 대한 수정을 명시할 수 있다. 일부 상황에서, 비선형 함수는 S형 곡선을 나타낼 수 있는 반면, 다른 경우에서 비선형 함수는 역-S형 곡선을 나타낼 수 있다. 단계(510)에서, 프로세스(500)는 비선형 함수에 따라 이미지의 수정된 버전을 생성하는 것을 포함한다. 이미지의 수정된 버전은 각각의 초기 휘도값으로부터 각각의 수정된 휘도값으로 이미지의 픽셀들의 각각의 휘도값을 변경함으로써 생성된다. 예시에서, 비선형 함수는 입력 이미지 내의 휘도값 27을 갖는 픽셀들이 휘도값 42를 갖도록 수정될 것임을 명시할 수 있다. 따라서, 입력 이미지 내의 초기 휘도값 27을 갖는 픽셀들의 각각의 휘도값은 입력 이미지의 수정된 버전에서 휘도값 42를 갖도록 수정된다.
도 6은 이미지의 영역에 할당된 휘도값의 범위를 수정하는 프로세스(600)를 도시한다. 단계(602)에서, 프로세스(600)는 이미지의 복수의 영역의 각 영역에 대한 구역을 결정하는 것을 포함한다. 각 영역의 구역은 휘도값의 스케일 상에서 각각의 영역과 연관된 명시된 범위의 휘도값을 나타낸다. 단계(604)에서, 프로세스(600)는 이미지에 기초하여 복수의 감마 보정된 이미지를 생성하는 것을 포함한다. 각각의 감마 보정된 이미지는 서로 다른 정도의 감마 보정을 이미지에 적용함으로써 생성된다. 이미지에 적용되는 감마 보정의 정도는 이미지의 서로 다른 특징들을 강조하는 감마 보정된 이미지를 생성할 수 있다.
단계(606)에서, 프로세스(600)는 각각의 감마 보정된 이미지 및 입력 이미지에 대한 이미지의 특정 영역의 에지를 검출하는 것을 포함한다. 특정 영역의 에지는 특정 영역의 휘도에서의 변화 또는 불연속성을 나타낼 수 있다. 단계(608)에서, 특정 영역의 가시적 세부사항이 측정된다. 가시적 세부사항은 각각의 감마 보정된 이미지의 특정 영역의 에지, 적어도 하나의 추가적인 감마 보정된 이미지의 특정 영역의 에지, 및/또는 입력 이미지의 에지 사이의 차에 적어도 부분적으로 기초하여 측정될 수 있다.
단계(610)에서, 프로세스(600)는 이미지의 특정 영역에 인접한 이미지의 하나 이상의 영역을 식별하는 것을 포함하며, 단계(612)에서, 특정 영역에 인접하는 하나 이상의 영역과 특정 영역 사이의 상대적인 대비가 결정된다. 상대적인 대비는 특정 영역에 인접하는 하나 이상의 영역 각각의 휘도값과 특정 영역의 휘도값에 적어도 부분적으로 기초하여 결정될 수 있다. 소정의 예시에서, 상대적인 대비를 결정하는 것은 특정 영역과 인접하는 영역들의 히스토그램과 관련될 수 있다. 각 영역의 각각의 히스토그램은 각 휘도값과 연관된 세기와 관련한 각각의 영역의 휘도값을 나타낼 수 있다. 상대적인 대비를 결정할 때, 특정 영역의 평균 휘도값과 인접하는 영역들 각각의 평균 휘도값 사이의 거리가 결정될 수 있다. 특정 구현에서, 상대적인 대비는 특정 영역의 휘도값과 인접한 영역의 휘도값의 교차가 최대화되도록 특정 영역의 히스토그램 및 각각의 인접한 영역의 히스토그램을 이동시키기 위한 최소 거리를 식별함으로써 결정된다.
단계(614)에서, 특정 영역의 구역이 특정 영역의 가시적 세부사항 및 상대적인 대비에 적어도 부분적으로 기초하여 수정된다. 일부 상황에서, 특정 영역의 가시적 세부사항과 연관된 항과 상대적 대비와 연관된 항을 포함하는 MRF 에너지 함수를 최소화하도록 수정될 수 있다. 또한, 이미지의 영역들의 구역을 수정할 때 소정의 제약이 적용될 수 있다. 예를 들어, 명시된 구역 내의 휘도값을 갖는 영역들의 구역을 수정하는 것이 금지될 수 있다. 따라서, 일부 경우에, 도 2의 참조번호(232)에 의해 나타내어지는 구역들의 스케일 내에서 Ⅴ와 같은 중간톤 구역과 연관된 영역들이 수정되는 것이 금지될 수 있다. 다른 예시에서, 특정 구역과 연관된 각 영역이 동일한 방식으로 수정될 수 있다. 예시로서, 구역 Ⅳ와 연관된 각 영역의 휘도값은 구역 Ⅲ과 연관된 휘도값으로 변경될 수 있다.
도 7은 비선형 함수에 따라 출력 이미지를 생성하고 출력 이미지에 특징들을 추가함으로써 수정된 출력 이미지를 생성하는 프로세스(700)를 도시한다. 단계(702)에서, 프로세스는 하나 이상의 영역의 초기 휘도값과 관련된 입력 이미지의 하나 이상의 영역의 수정된 휘도값을 명시하는 비선형 함수를 생성하는 것을 포함한다. 단계(704)에서, 프로세스(700)는 비선형 함수에 따라 입력 이미지의 어두운 부분 영역, 입력 이미지의 중간톤 영역, 및/또는 입력 이미지의 하이라이트 영역의 휘도값을 수정하는 것을 포함한다.
단계(706)에서, 수정된 휘도값에 기초하여 출력 이미지가 생성된다. 출력 이미지의 외관은 입력 이미지의 외관보다 더 적은 세부사항을 가질 수 있다. 예를 들어, 입력 이미지의 일부 더 어두운 영역 또는 과다 노출된 영역이 출력 이미지 내에서 더 밝게 나타날 수 있다. 또한, 입력 이미지의 더 밝은 영역들이 출력 이미지에서 미드-그레이(mid-gray)로 나타날 수 있으며, 따라서 출력 이미지의 중간톤 대비가 감소될 수 있다. 단계(708)에서, 프로세스(700)는 입력 이미지와 입력 이미지의 필터링된 버전 사이의 차에 기초하여 세부 이미지를 생성하는 것을 포함한다. 또한, 단계(710)에서, 출력 이미지에 세부 이미지의 특징들을 적용함으로써 수정된 출력 이미지가 생성된다. 수정된 출력 이미지는 출력 이미지의 세부사항에 추가로 세부사항을 포함할 수 있다. 이러한 방식으로, 입력 이미지의 일부 특징들이 출력 이미지에 다시 추가될 수 있다.
결론
본 발명이 구조적 특징 및/또는 방법론적 동작에 대해 특정적 언어로 기술되었지만, 첨부된 특허청구범위에 정의된 본 발명이 반드시 전술된 특정적 특징 또는 동작들로 한정되지는 않는다는 점을 이해해야 한다. 오히려, 특정적 특징 및 동작들은 본 발명을 구현하는 예시적인 형태로서 개시되었다.

Claims (15)

  1. 입력 이미지의 하나 이상의 영역의 초기 휘도값(luminance value)에 대한 상기 입력 이미지의 상기 하나 이상의 영역의 수정된 휘도값을 명시하는 비선형 함수를 생성하는 단계와,
    상기 비선형 함수에 따라 상기 입력 이미지의 어두운 부분(shadow) 영역, 상기 입력 이미지의 중간톤(mid-tone) 영역, 상기 입력 이미지의 하이라이트(highlight) 영역, 또는 이들의 조합의 휘도값을 수정하는 단계와,
    상기 수정된 휘도값에 기초하여 출력 이미지를 생성하는 단계 -상기 출력 이미지의 외관은 상기 입력 이미지의 외관보다 적은 세부사항을 가짐- 와,
    상기 입력 이미지와 상기 입력 이미지의 필터링된 버전 사이의 차이에 기초하여 세부 이미지(detail image)를 생성하는 단계와,
    상기 출력 이미지에 상기 세부 이미지의 특징들을 적용함으로써 수정된 출력 이미지를 생성하는 단계 -상기 수정된 출력 이미지는 상기 출력 이미지의 세부사항에 추가로 세부사항을 포함함- 를 포함하는
    방법.
  2. 제 1 항에 있어서,
    상기 비선형 함수는 S형 곡선 또는 역-S형 곡선을 명시하는
    방법.
  3. 제 1 항에 있어서,
    상기 방법은,
    상기 수정된 출력 이미지의 후광 현상(halo artifact)을 감소시키도록 상기 수정된 출력 이미지에 특정 필터를 적용하는 단계와,
    과증폭된 어두운 톤(overamplified dark tone)을 감소시키기 위해 검정에 가까운 컨피던스 맵(near-black confidence map)을 이용하거나, 과증폭된 밝은 톤(overamplified bright tone)을 감소시키기 위해 흰색에 가까운 컨피던스 맵(near-white confidence map)을 이용하거나, 또는 두 가지 컨피던스 맵 모두를 이용하여 상기 수정된 출력 이미지를 상기 입력 이미지와 혼합하는 단계를 더 포함하는
    방법.
  4. 제 1 항에 있어서,
    상기 출력 이미지의 어두운 부분 영역에 추가되는 특징들의 수와 상기 출력 이미지의 하이라이트 영역에 추가되는 특징들의 수보다 더 많은 수의 상기 세부 이미지의 특징들이 상기 출력 이미지의 중간톤 영역에 추가되는
    방법.
  5. 하나 이상의 프로세서를 포함하는 컴퓨팅 디바이스에 의해서, 이미지의 복수의 영역의 각 영역에 대한 구역을 결정하는 단계 -상기 구역은 휘도값의 스케일 상에서 상기 각 영역과 연관된 명시된 범위의 휘도값을 나타냄- 와,
    상기 컴퓨팅 디바이스에 의해서, 상기 이미지에 기초하여 복수의 감마 보정된 이미지(gamma corrected image)를 생성하는 단계 -상기 복수의 감마 보정된 이미지의 각각은 서로 다른 양의 감마 보정을 이용하여 생성됨- 와,
    상기 컴퓨팅 디바이스에 의해서, 상기 각각의 감마 보정된 이미지 및 상기 입력 이미지에 대한 상기 이미지의 특정 영역의 에지를 검출하는 단계와,
    상기 컴퓨팅 디바이스에 의해서, 상기 각각의 감마 보정된 이미지와 연관된 상기 특정 영역의 에지, 적어도 하나의 추가로 감마 보정된 이미지와 연관된 상기 특정 영역의 에지, 상기 입력 이미지와 연관된 상기 특정 영역의 에지, 또는 이들의 조합 사이의 차(difference)에 적어도 부분적으로 기초하여 상기 특정 영역의 가시적 세부사항(visible details)을 측정하는 단계와,
    상기 컴퓨팅 디바이스에 의해서, 상기 특정 영역에 인접한 상기 이미지의 추가 영역을 식별하는 단계와,
    상기 컴퓨팅 디바이스에 의해서, 상기 특정 영역의 휘도값 및 상기 추가 영역의 휘도값에 적어도 부분적으로 기초하여 상기 특정 영역과 상기 추가 영역 사이의 상대적인 대비(relative contrast)를 결정하는 단계와,
    상기 특정 영역의 상기 가시적 세부사항 및 상기 상대적인 대비에 적어도 부분적으로 기초하여 상기 특정 영역의 상기 구역을 수정하는 단계를 포함하는
    방법.
  6. 제 5 항에 있어서,
    상기 이미지의 각각의 영역에 대해 히스토그램(histogram)을 생성하는 단계를 더 포함하되,
    상기 각각의 영역에 대한 히스토그램은, 상기 각각의 영역의 각각의 휘도값과 연관된 세기(intensity)에 대한 상기 각각의 영역의 휘도값을 나타내는
    방법.
  7. 제 6 항에 있어서,
    상기 특정 영역과 상기 추가 영역 사이의 상기 상대적인 대비를 결정하는 단계는,
    상기 특정 영역의 평균 휘도값과 상기 추가 영역의 평균 휘도값 사이의 거리를 결정하는 단계와,
    상기 특정 영역의 휘도값과 상기 추가 영역의 휘도값 사이의 교차(intersection)가 최대화되도록 상기 특정 영역의 히스토그램 및 상기 추가 영역의 각각의 히스토그램을 이동(shift)시키기 위한 최소 거리를 결정하는 단계
    를 포함하는
    방법.
  8. 제 5 항에 있어서,
    상기 특정 영역의 상기 가시적 세부사항과 연관된 항 및 상기 상대적인 대비와 연관된 항을 포함하는 마코브 랜덤 필드(Markov Random Field; MRF) 에너지 함수를 최소화하도록 상기 특정 영역의 상기 구역이 수정되는
    방법.
  9. 제 5 항에 있어서,
    상기 특정 영역의 상기 구역과 상이한 상기 특정 영역에 대한 최적 구역을 결정하는 단계를 더 포함하되, 상기 최적 구역은 상기 특정 영역의 상기 명시된 범위의 휘도값과 상이한 특정 범위의 휘도값과 연관되는
    방법.
  10. 제 9 항에 있어서,
    상기 특정 영역의 상기 구역을 수정하는 단계는, 상기 특정 영역의 상기 휘도값을 상기 특정 영역의 상기 구역과 연관된 상기 명시된 범위의 휘도값으로부터 상기 최적 구역과 연관된 상기 특정 범위의 휘도값으로 변경하는 단계를 포함하는
    방법.
  11. 제 5 항에 있어서,
    명시된 구역과 연관된 영역의 수정이 금지되는
    방법.
  12. 하나 이상의 프로세서와,
    상기 하나 이상의 프로세서에 액세스할 수 있는 메모리를 포함하되,
    상기 메모리는,
    이미지의 복수의 영역의 각 영역에 대한 구역(Ⅰ 내지 Ⅶ)을 결정하도록 상기 하나 이상의 프로세서에 의해 실행가능한 분할 및 영역 분석 모듈 -상기 각 영역의 상기 구역은 휘도값의 스케일 상에서 상기 각 영역과 연관된 명시된 범위의 휘도값을 나타냄- 과,
    상기 복수의 영역의 적어도 하나의 영역이 각각의 수정된 구역과 연관되도록 상기 적어도 하나의 영역에 대한 상기 구역을 수정하기 위한 상기 하나 이상의 프로세서에 의해 실행가능한 최적 구역 할당 모듈과,
    상기 이미지의 상기 각 영역에 대한 상기 구역과 상기 적어도 하나의 영역의 상기 각각의 수정된 구역에 적어도 부분적으로 기초하여 상기 이미지에 대한 하나 이상의 휘도 수정 파라미터를 계산하도록 상기 하나 이상의 프로세서에 의해 실행가능한 파라미터 계산 모듈과,
    상기 하나 이상의 프로세서에 의해 실행가능한 비선형 함수 조정 모듈
    을 저장하고,
    상기 비선형 함수 조정 모듈은 상기 하나 이상의 프로세서에 의해,
    상기 하나 이상의 휘도 수정 파라미터에 적어도 부분적으로 기초하여 상기 이미지의 하나 이상의 휘도값의 초기 휘도값으로부터 수정된 휘도값으로의 수정을 명시하는 비선형 함수를 생성하고,
    상기 이미지의 픽셀들 각각의 휘도값을 각각의 초기 휘도값으로부터 각각의 수정된 휘도값으로 변경함으로써 상기 비선형 함수에 따라 상기 이미지의 수정된 버전을 생성하도록 실행가능한
    장치.
  13. 제 12 항에 있어서,
    상기 이미지의 최소 휘도값을 상기 휘도값의 스케일 상에서의 최소 휘도값으로 조정하거나, 상기 이미지의 최대 휘도값을 상기 휘도값의 스케일 상에서의 최대 휘도값으로 조정하거나, 두 가지 휘도값 모두를 조정함으로써 오토-레벨 스트레치(auto-level stretch) 동작을 수행하도록 상기 하나 이상의 프로세서에 의해 실행가능한 사전-프로세싱 모듈을 더 포함하는
    장치.
  14. 제 12 항에 있어서,
    상기 하나 이상의 휘도 수정 파라미터는 어두운 부분 휘도 수정 파라미터 및 하이라이트 휘도 수정 파라미터를 포함하되, 상기 어두운 부분 휘도 수정 파라미터는 상기 이미지의 어두운 부분 영역 내의 픽셀들에 대한 변화를 나타내고 상기 하이라이트 휘도 수정 파라미터는 상기 이미지의 하이라이트 영역 내의 픽셀들에 대한 변화를 나타내는
    장치.
  15. 제 12 항에 있어서,
    상기 이미지에 대한 상기 하나 이상의 휘도 수정 파라미터를 계산하는 것은 상기 이미지의 상기 각 영역에 대한 각각의 휘도 수정 파라미터 중 적어도 하나를 계산하는 것을 포함하는
    장치.
KR1020137032348A 2011-06-07 2012-06-06 이미지의 자동 노출 보정 기법 KR20140045370A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/155,202 2011-06-07
US13/155,202 US8554011B2 (en) 2011-06-07 2011-06-07 Automatic exposure correction of images
PCT/US2012/040992 WO2012170462A2 (en) 2011-06-07 2012-06-06 Automatic exposure correction of images

Publications (1)

Publication Number Publication Date
KR20140045370A true KR20140045370A (ko) 2014-04-16

Family

ID=47293269

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020137032348A KR20140045370A (ko) 2011-06-07 2012-06-06 이미지의 자동 노출 보정 기법

Country Status (4)

Country Link
US (1) US8554011B2 (ko)
JP (1) JP2014520446A (ko)
KR (1) KR20140045370A (ko)
WO (1) WO2012170462A2 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10419684B2 (en) 2015-09-10 2019-09-17 Korea Advanced Institute Of Science And Technology Apparatus and method for adjusting camera exposure

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8644638B2 (en) * 2011-02-25 2014-02-04 Microsoft Corporation Automatic localized adjustment of image shadows and highlights
US20130021512A1 (en) * 2011-07-20 2013-01-24 Broadcom Corporation Framing of Images in an Image Capture Device
EP2807520B1 (en) * 2012-01-15 2016-05-18 Barco N.V. Projection system and method of projecting multiple images
EP2639745A1 (en) * 2012-03-16 2013-09-18 Thomson Licensing Object identification in images or image sequences
JP6116272B2 (ja) * 2013-02-08 2017-04-19 キヤノン株式会社 画像処理装置及び画像処理方法、プログラム、記憶媒体
US8958640B1 (en) 2013-07-01 2015-02-17 Google Inc. Image color cast correction using groups of pixels
JP6193721B2 (ja) * 2013-10-23 2017-09-06 キヤノン株式会社 画像処理装置及び画像処理方法、プログラム、記憶媒体
WO2015113655A1 (en) 2014-01-31 2015-08-06 Thomson Licensing Method for conversion of a saturated image into a non-saturated image
WO2016018419A1 (en) 2014-07-31 2016-02-04 Hewlett-Packard Development Company, L.P. Processing data representing an image
US9171352B1 (en) * 2014-12-04 2015-10-27 Google Inc. Automatic processing of images
JP6365355B2 (ja) * 2015-03-09 2018-08-01 オムロン株式会社 画像生成装置および画像生成方法
JP6639113B2 (ja) * 2015-06-05 2020-02-05 キヤノン株式会社 画像認識装置、画像認識方法及びプログラム
JP6579868B2 (ja) * 2015-09-01 2019-09-25 キヤノン株式会社 画像処理装置、撮像装置、画像処理方法およびプログラム
CN105976325A (zh) * 2016-06-29 2016-09-28 上海小蚁科技有限公司 用于调整多个图像的明亮度的方法
WO2018018405A1 (en) 2016-07-26 2018-02-01 Microsoft Technology Licensing, Llc Real-time adaptive shadow and highlight enhancement
CN114125280B (zh) * 2021-11-15 2024-02-13 北京字跳网络技术有限公司 相机曝光控制方法、装置、设备、存储介质

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU607033B2 (en) * 1988-01-12 1991-02-21 Sanyo Electric Co., Ltd. Auto iris/gamma correction apparatus for making automatic exposure adjustment and/or automatic gamma correction in response to video signal and image sensing apparatus comprising such auto iris/gamma correction apparatus
US5111301A (en) * 1989-06-28 1992-05-05 Sanyo Electric Co., Ltd. Automatic exposure adjusting apparatus for automatically adjusting exposure by fuzzy inference
JP3412174B2 (ja) 1992-05-21 2003-06-03 松下電器産業株式会社 自動露光制御装置
JPH11205648A (ja) 1998-01-09 1999-07-30 Olympus Optical Co Ltd 画像合成装置
JP3820497B2 (ja) * 1999-01-25 2006-09-13 富士写真フイルム株式会社 撮像装置及び自動露出制御の補正処理方法
JP3938833B2 (ja) 2000-04-27 2007-06-27 株式会社リコー 露出制御装置
US7342609B2 (en) * 2000-05-09 2008-03-11 Eastman Kodak Company Exposure adjustment in an imaging apparatus
US6995791B2 (en) * 2002-04-02 2006-02-07 Freescale Semiconductor, Inc. Automatic white balance for digital imaging
US7508993B2 (en) 2004-03-09 2009-03-24 Microsoft Corporation System and process for automatic exposure correction in an image
JP4244018B2 (ja) * 2004-03-25 2009-03-25 ノーリツ鋼機株式会社 欠陥画素修正方法、プログラム及びその方法を実施する欠陥画素修正システム
US7463296B2 (en) * 2004-04-01 2008-12-09 Microsoft Corporation Digital cameras with luminance correction
JP3870214B2 (ja) * 2004-06-29 2007-01-17 キヤノン株式会社 補正回路
JP4307341B2 (ja) * 2004-06-30 2009-08-05 キヤノン株式会社 画像処理方法及び画像処理装置
TWI348135B (en) * 2006-06-05 2011-09-01 Chunghwa Picture Tubes Ltd Image contrast correct system and method thereof
US7813545B2 (en) 2006-08-31 2010-10-12 Aptina Imaging Corporation Backlit subject detection in an image
US8035728B2 (en) * 2008-06-27 2011-10-11 Aptina Imaging Corporation Method and apparatus providing rule-based auto exposure technique preserving scene dynamic range
KR101517148B1 (ko) 2008-10-09 2015-05-04 삼성전자주식회사 자동 노출 시스템 및 방법
JP5201038B2 (ja) * 2009-03-18 2013-06-05 株式会社Ｊｖｃケンウッド 映像信号処理方法及び映像信号処理装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10419684B2 (en) 2015-09-10 2019-09-17 Korea Advanced Institute Of Science And Technology Apparatus and method for adjusting camera exposure

Also Published As

Publication number Publication date
WO2012170462A2 (en) 2012-12-13
US20120314971A1 (en) 2012-12-13
US8554011B2 (en) 2013-10-08
JP2014520446A (ja) 2014-08-21
WO2012170462A3 (en) 2013-04-25

Similar Documents

Publication Publication Date Title
US8554011B2 (en) Automatic exposure correction of images
US10708525B2 (en) Systems and methods for processing low light images
US9275445B2 (en) High dynamic range and tone mapping imaging techniques
US10949958B2 (en) Fast fourier color constancy
CN108668093B (zh) Hdr图像的生成方法及装置
US10382712B1 (en) Automatic removal of lens flares from images
JP5389903B2 (ja) 最適映像選択
US9292911B2 (en) Automatic image adjustment parameter correction
US9020243B2 (en) Image adjustment
US20150063694A1 (en) Techniques for combining images with varying brightness degrees
US10992845B1 (en) Highlight recovery techniques for shallow depth of field rendering
US11128822B2 (en) Real-time adaptive shadow and highlight enhancement
CN113962859B (zh) 一种全景图生成方法、装置、设备及介质
WO2023137956A1 (zh) 图像处理方法、装置、电子设备及存储介质
KR20180132210A (ko) 컬러반응곡선을 이용한 hdr 영상 생성방법, hdr 영상 생성장치, 카메라 및 기록매체
CN114820405A (zh) 图像融合方法、装置、设备及计算机可读存储介质
CN113438411A (zh) 图像拍摄方法、装置、计算机设备和计算机可读存储介质
US11069040B2 (en) Empirical exposure normalization
CN116993616A (zh) 一种单幅低照度场景图像增强方法及增强系统
WO2023151210A1 (zh) 图像处理方法、电子设备及计算机可读存储介质
US10116897B2 (en) Photometric stabilization for time-compressed video
KR20090063826A (ko) 영상 처리 방법
CN118015104A (zh) 图像处理方法、装置、电子设备和计算机可读存储介质
CN117455782A (zh) 图像增强方法、图像增强装置及存储介质
CN117876237A (zh) 图像处理方法、装置、电子设备和计算机可读存储介质

Legal Events

Date Code Title Description
N231 Notification of change of applicant
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid