KR20200074780A - 이미지 처리 방법 및 그 전자 장치 - Google Patents

이미지 처리 방법 및 그 전자 장치 Download PDF

Info

Publication number
KR20200074780A
KR20200074780A KR1020180163558A KR20180163558A KR20200074780A KR 20200074780 A KR20200074780 A KR 20200074780A KR 1020180163558 A KR1020180163558 A KR 1020180163558A KR 20180163558 A KR20180163558 A KR 20180163558A KR 20200074780 A KR20200074780 A KR 20200074780A
Authority
KR
South Korea
Prior art keywords
image
landmark
distance
landmarks
ratio
Prior art date
Application number
KR1020180163558A
Other languages
English (en)
Other versions
KR102607789B1 (ko
Inventor
임광용
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 KR1020180163558A priority Critical patent/KR102607789B1/ko
Priority to PCT/KR2019/017895 priority patent/WO2020130579A1/ko
Publication of KR20200074780A publication Critical patent/KR20200074780A/ko
Application granted granted Critical
Publication of KR102607789B1 publication Critical patent/KR102607789B1/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • G06T5/001—
    • G06K9/00221—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/60—Memory management
    • G06T3/0093—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/18—Image warping, e.g. rearranging pixels individually
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Studio Devices (AREA)
  • Image Processing (AREA)

Abstract

다양한 실시 예들에 따른 전자 장치는, 적어도 하나의 카메라와, 상기 적어도 하나의 카메라와 작동적으로 연결된 프로세서, 및 상기 프로세서와 작동적으로 연결된 메모리를 포함하고, 상기 메모리는, 실행 시에, 상기 프로세서가, 상기 적어도 하나의 카메라를 이용하여 얼굴에 대응하는 시각적 객체를 포함하는 이미지를 획득하고, 상기 시각적 객체로부터 얼굴 구성요소(facial component)에 대응하는 복수의 랜드마크들을 식별하고, 및 상기 복수의 랜드마크들 중 제1 세트의 랜드마크들의 거리와 상기 복수의 랜드마크들 중 제2 세트의 랜드마크들의 거리의 비율이 제1 범위에 포함됨을 식별한 것에 응답하여, 상기 이미지에 기반하여 보정된 제1 이미지를 획득하도록 하는 인스트럭션들을 저장할 수 있다. 다른 실시 예들도 가능하다.

Description

이미지 처리 방법 및 그 전자 장치{METHORD FOR PROCESSING IMAGE AND ELECTRONIC DEVICE THEREOF}
본 발명의 다양한 실시 예들은 이미지 처리 방법 및 그 전자 장치에 관한 것이다.
정보통신 기술과 반도체 기술이 발전함에 따라 다양한 전자 장치의 보급과 이용이 점차 증가하고 있다. 전자 장치는 전통적인 고유 영역에 머무르지 않고 다른 전자 장치의 영역까지 아우르는 융/복합(convergence) 단계에 이르고 있다. 예를 들어, 전자 장치는 카메라를 포함하고 있으며, 카메라를 통해 이미지를 사용자에게 제공할 수 있다.
전자 장치에 포함된 카메라는 점차 사양이 높아지고 있으며, 카메라를 통해 촬영된 이미지를 처리하는 기술 또한 고도화되고 있다. 예를 들어, 전자 장치는 카메라를 통해 촬영된 이미지에 포함된 시각적 객체(예: 얼굴)의 왜곡을 보정하기 위한 이미지 처리 기술을 지원할 수 있다.
종래의 전자 장치는 이미지에 포함된 시각적 객체의 다양한 요소를 고려하지 않고 이미지의 왜곡을 보정하는 이미지 처리 기술을 제공하고 있으며, 이에 따라, 이미지의 왜곡을 보정하는데 한계가 있다. 따라서, 이미지의 왜곡을 보다 정확하게 보정하기 위한 방안(solution)이 요구될 수 있다.
본 발명의 다양한 실시 예들은, 카메라를 통해 획득된 이미지에 포함된 시각적 객체의 다양한 요소를 고려하여 이미지 왜곡을 보정함으로써, 이미지 왜곡을 보다 정확하게 보정하는 방법 및 전자 장치를 제공할 수 있다.
본 문서에서 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 다양한 실시 예들에 따른 전자 장치는, 적어도 하나의 카메라와, 상기 적어도 하나의 카메라와 작동적으로 연결된 프로세서, 및 상기 프로세서와 작동적으로 연결된 메모리를 포함하고, 상기 메모리는, 실행 시에, 상기 프로세서가, 상기 적어도 하나의 카메라를 이용하여 얼굴에 대응하는 시각적 객체를 포함하는 이미지를 획득하고, 상기 시각적 객체로부터 얼굴 구성요소(facial component)에 대응하는 복수의 랜드마크들을 식별하고, 및 상기 복수의 랜드마크들 중 제1 세트의 랜드마크들의 거리와 상기 복수의 랜드마크들 중 제2 세트의 랜드마크들의 거리의 비율이 제1 범위에 포함됨을 식별한 것에 응답하여, 상기 이미지에 기반하여 보정된 제1 이미지를 획득하도록 하는 인스트럭션들을 저장할 수 있다.
본 발명의 다양한 실시 예들에 따른 전자 장치에서 이미지 처리 방법은, 얼굴에 대응하는 시각적 객체를 포함하는 이미지를 획득하는 동작과, 상기 시각적 객체로부터 얼굴 구성요소(facial component)에 대응하는 복수의 랜드마크들을 식별하는 동작, 및 상기 복수의 랜드마크들 중 제1 세트의 랜드마크들의 거리와 상기 복수의 랜드마크들 중 제2 세트의 랜드마크들의 거리의 비율이 제1 범위에 포함됨을 식별한 것에 응답하여, 상기 이미지에 기반하여 보정된 제1 이미지를 획득하는 동작을 포함할 수 있다.
다양한 실시 예들에 따른 전자 장치 및 그의 방법은, 카메라를 통해 획득된 이미지에 포함된 시각적 객체의 다양한 요소를 고려하여 이미지 왜곡을 보정함으로써, 이미지 왜곡을 보다 정확하게 보정할 수 있다.
다양한 실시 예들에 따른 전자 장치 및 그의 방법은, 이미지의 왜곡을 보정함으로써, 사용자에게 자연스러운 이미지를 제공할 수 있다.
본 개시에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 다양한 실시 예들에 따른 전자 장치에서 이미지가 왜곡되는 원인을 설명하기 위한 도면이다.
도 2는 다양한 실시 예들에 따른 왜곡된 이미지를 설명하기 위한 예시도이다.
도 3은 다양한 실시 예들에 따른 네트워크 환경 내의 전자 장치의 블록도이다.
도 4는 다양한 실시 예들에 따른 전자 장치의 블록도이다.
도 5는 다양한 실시 예들에 따른 전자 장치에서 왜곡된 이미지를 보정하는 방법을 설명하는 흐름도이다.
도 6은 다양한 실시 예들에 따른 전자 장치에서 왜곡된 이미지를 보정하는 방법을 설명하는 예시도이다.
도 7a 내지 도 7b는 다양한 실시 예들에 따른 전자 장치에서 얼굴 요소에 대응하는 랜드마크들 간의 거리 비율에 기반하여 왜곡된 이미지를 보정하는 방법을 설명하는 흐름도이다.
도 8은 다양한 실시 예들에 따른 전자 장치에서 얼굴 요소에 대응하는 랜드마크들 간의 거리 비율에 기반하여 왜곡된 이미지를 보정하는 방법을 설명하기 위한 예시도이다.
도 9는 다양한 실시 예들에 따른 전자 장치에서 얼굴 영역과 연관된 위치 및 길이에 기반하여 왜곡된 이미지를 보정하는 방법을 설명하기 위한 도면이다.
도 10은 다양한 실시 예들에 따른 전자 장치에서 얼굴 영역과 연관된 위치 및 길이에 기반하여 왜곡된 이미지를 보정하는 방법을 설명하기 위한 예시도이다.
도 11은 다양한 실시 예들에 따른 이미지 워핑 좌표를 계산하기 위한 알고리즘을 도시하는 도면이다.
도 1은 다양한 실시 예들에 따른 전자 장치에서 이미지가 왜곡되는 원인을 설명하기 위한 도면이다.
이하, 도 1을 참조하여, 전자 장치의 카메라에 대한 객체(예: 얼굴)의 상대적 위치, 객체의 거리(예: 초점 거리 또는 깊이(depth)), 또는 카메라에 대한 객체의 상대적 방향 중 적어도 하나에 기반하여 이미지가 왜곡되는 원인을 설명하도록 한다.
다양한 실시 예들에 따르면, 카메라에 대한 객체의 상대적 위치(또는 카메라 화각 내에서의 피사체의 상대적 위치)에 따라 이미지가 왜곡되는 정도가 달라질 수 있다. 예를 들어, 객체(110)의 경우, 객체(110)의 윤곽선(또는 외곽선)으로부터 렌즈(130)를 통과하는 광들(113, 115)의 경로의 길이(또는 객체(110)의 윤곽선으로부터 이미지를 형성하는 면(140) 까지의 경로의 길이)는 동일할 수 있다. 일 실시 예에 따르면, 객체(110)의 윤곽선(또는 외곽선)으로부터 렌즈(130)를 통과하는 광들의 경로의 길이가 동일한 경우, 객체 이미지(111)는 왜곡되지 않거나 왜곡되는 정도가 작을 수 있다. 일 실시 예에 따르면, 객체 이미지(111)는 카메라를 이용하여 획득한 전체 이미지의 중심에 위치할 수 있다. 일 실시 예에 따르면, 객체(120)의 경우, 객체(120)의 윤곽선(또는 외곽선)으로부터 렌즈(130)를 통과하는 광들(123, 125)의 경로의 길이(또는 객체(120)의 윤곽선으로부터 이미지를 형성하는 면(140) 까지의 경로의 길이)는 다를 수 있다. 객체(120)의 윤곽선(또는 외곽선)을 통과하는 광들(123, 125)의 경로의 길이가 다른 경우, 객체 이미지(121)는 왜곡될 수 있다. 예를 들어, 객체(110)와 객체(120)가 동일하고, 객체(110)와 이미지를 형성하는 면(140)의 거리(x)와 객체(120)와 이미지를 형성하는 면(140)의 거리(x')가 동일하더라도, 객체 이미지(121)의 길이(d2)는 객체 이미지(111)의 길이(d1)와 다를 수 있다. 일 실시 예에 따르면, 객체 이미지(121)의 경우, 객체 이미지 상의 일 축에 대하여 객체 이미지의 길이가 길어지고, 다른 축에 대하여 길이가 줄어드는 왜곡이 발생할 수 있다. 일 실시 예에 따르면, 카메라를 통해 획득되는 이미지의 중심으로부터 객체 이미지의 위치간 거리(y)가 증가함에 따라, 왜곡 정도는 커질 수 있다.
다양한 실시 예들에 따르면, 카메라와 객체 간의 거리에 따라, 객체 이미지가 왜곡되는 정도가 달라질 수 있다. 예를 들어, 카메라와 객체 간의 거리가 증가할수록 객체 이미지의 왜곡 정도가 커질 수 있다. 예를 들어, 객체(120)와 객체(141)를 비교하면, 객체(141)의 윤관석으로 렌즈(130)를 통과하는 광들을 형성하는 각도가 객체(120)의 윤곽선으로부터 렌즈(130)를 통과하는 광들을 형성하는 각도에 비하여 크기 때문에, 객체(141)에 대한 객체 이미지보다 객체 이미지(121)에 더 큰 왜곡이 발생할 수 있다.
다양한 실시 예들에 따르면, 카메라에 대한 객체의 상대적 방향(또는 각도)에 따라, 객체 이미지가 왜곡되는 정도가 달라질 수 있다. 예를 들어, 카메라에 대한 객체의 상대적 방향이 달라지는 경우, 카메라로부터 객체 내에 포함된 얼굴의 특징 요소(features component)에 대응하는 복수의 랜드마크들(예: 눈썹, 눈, 코, 또는 입)과 카메라 간의 거리가 달라질 수 있다. 예를 들어, 카메라에 대한 객체(110)의 방향이 달라지는 경우(예: 객체(110)의 각도가 θ만큼 회전된 경우), 객체(110)의 윤곽선의 일 지점(155)으로부터 렌즈(130)를 통과하는 광의 경로의 길이는, 다른 일 지점(151)으로부터 렌즈(130)를 통과하는 광의 경로의 길이와 달라질 수 있다. 객체 이미지 중 광의 경로의 길이가 감소한 지점을 중심으로 하는 부분은 확대되고, 광의 경로의 길이가 증가한 지점을 중심으로 하는 부분은 축소될 수 있다.
도 2는 다양한 실시 예들에 따른 왜곡된 이미지를 설명하기 위한 예시도이다.
다양한 실시 예들에 따르면, 이미지들(201 내지 209)은 동일한 피사체에 대하여 피사체와 카메라 간의 상태를 변화시킴으로써 촬영한 이미지일 수 있다.
다양한 실시 예들에 따르면, 이미지(201)는 상태(201-1)(예: 피사체(201-2)의 축(201-3)과 카메라(201-4)의 축(201-5)이 평행하고, 피사체(201-2)의 얼굴 영역(201-6)이 이미지(201)의 중심 부분에 위치하도록 피사체(201-2)와 카메라(201-4)가 배치된 상태)에서 촬영된 이미지일 수 있다. 일 실시 예에 따르면, 이미지(201)가 상태(201-1)에서 촬영됨에 따라, 이미지(201)에 포함된 시각적 객체의 적어도 일부를 포함하는 얼굴 영역(201-6)은 이미지(201)의 중심 부분에 위치할 수 있다. 이에 따라, 얼굴 영역(201-6)에 대한 왜곡이 발생하지 않거나 왜곡의 정도가 작을 수 있다. 일 실시 예에 따르면, 이미지(201)와 같이, 얼굴 영역(201-6)에 대한 왜곡이 발생하지 않는 경우, 얼굴 영역(201-6)에 포함된 제1 세트의 랜드마크들(예: 눈썹 및 코))의 거리(201-7)와 제2 세트의 랜드마크들(예: 눈 및 입)의 거리(201-8)의 비율은 제1 범위(예: 0.95 미만 또는 1.15 초과)에 포함되지 않을 수 있다. 일 실시 예에 따르면, 이미지(201)와 같이, 얼굴 영역(201-6)에 대한 왜곡이 발생하지 않는 경우, 제3 세트의 랜드마크들(예: 눈썹 및 눈)의 거리(201-9)와 제4 세트의 랜드마크들(예: 눈 및 코)의 거리(201-10)의 비율은 제2 범위(예: 1 미만)에 포함되지 않을 수 있다. 일 실시 예에 따르면, 이미지(201)와 같이, 얼굴 영역(201-6)에 대한 왜곡이 발생하지 않는 경우, 얼굴 영역(201-6)에 대한 왜곡이 발생하지 않는 경우, 제3 세트의 랜드마크들의 거리(201-9)와 제4 세트의 랜드마크들의 거리(201-10)의 비율은 제3 세트의 랜드마크들의 거리(201-9)와 제5 세트의 랜드마크들(예: 코 및 입)의 거리(201-11)의 비율보다 작을 수 있다.
다양한 실시 예들에 따르면, 이미지(203)는 상태(203-1)(예: 피사체(203-2)의 축(203-3)과 카메라(203-4)의 축(203-5)이 평행하고, 피사체(203-2)의 얼굴 영역(203-6)이 이미지(203)의 하단 부분에 위치하도록 피사체(203-2)와 카메라(203-4)가 배치된 상태)에서 촬영된 이미지일 수 있다. 일 실시 예에 따르면, 이미지(203)가 상태(203-1)에서 촬영됨에 따라, 이미지(203)에 포함된 피사체(203-2)의 얼굴 영역(203-6)은 이미지(203)의 하단 부분에 위치할 수 있다. 이에 따라, 얼굴 영역(203-6)에 왜곡이 발생할 수 있다. 일 실시 예에 따르면, 이미지(203)와 같이, 얼굴 영역(203-6)에 대한 왜곡이 발생한 경우, 얼굴 영역(203-6)에 포함된 제1 세트의 랜드마크들(예: 눈썹 및 코))의 거리(203-7)와 제2 세트의 랜드마크들(예: 눈 및 입)의 거리(203-8)의 비율은 제1 범위(예: 0.95 미만 또는 1.15 초과)에 포함될 수 있다.
다양한 실시 예들에 따르면, 이미지(205)는 상태(205-1)(예: 피사체(205-2)의 축(205-3)과 카메라(205-4)의 축(205-5)이 평행하고, 피사체(205-2)의 얼굴 영역(205-6)이 이미지(203)의 상단 부분에 위치하도록 피사체(205-2)와 카메라(205-4)가 배치된 상태)에서 촬영된 이미지일 수 있다. 일 실시 예에 따르면, 이미지(205)가 상태(205-1)에서 촬영됨에 따라, 이미지(205)에 포함된 피사체(205-2)의 얼굴 영역(205-6)은 이미지(205)의 상단 부분에 위치할 수 있다. 이에 따라, 얼굴 영역(205-6)에 왜곡이 발생할 수 있다. 일 실시 예에 따르면, 얼굴 영역(205-6)에 대한 왜곡이 발생하지 않는 경우, 얼굴 영역(205-6)에 포함된 제1 세트의 랜드마크들(예: 눈썹 및 코))의 거리(205-7)와 제2 세트의 랜드마크들(예: 눈 및 입)의 거리(205-8)의 비율은 제1 범위(예: 0.95 미만 또는 1.15 초과)에 포함될 수 있다.
다양한 실시 예들에 따르면, 이미지(207)는 상태(207-1)(예: 피사체(207-2)의 축(207-3)과 카메라(207-4)의 축(207-5)이 평행하지 않고, 피사체(207-2)의 얼굴 영역(207-6)이 이미지(207)의 상단 부분에 위치하도록 피사체(207-2)와 카메라(207-4)가 배치된 상태)에서 촬영된 이미지일 수 있다. 일 실시 예에 따르면, 이미지(207)가 상태(207-1)에서 촬영됨에 따라, 이미지(207)에 포함된 피사체(207-2)의 얼굴 영역(207-6)은 이미지(207)의 상단 부분에 위치할 수 있다. 이에 따라, 얼굴 영역(207-6)에 왜곡이 발생할 수 있다. 일 실시 예에 따르면, 이미지(207)와 같이, 얼굴 영역(207-6)에 대한 왜곡이 발생한 경우, 얼굴 영역(207-6)에 포함된 제1 세트의 랜드마크들(예: 눈썹 및 코))의 거리(207-7)와 제2 세트의 랜드마크들(예: 눈 및 입)의 거리(207-8)의 비율은 제1 범위(예: 0.95 미만 또는 1.15 초과)에 포함되지 않을 수 있다. 일 실시 예에 따르면, 이미지(207)와 같이, 얼굴 영역(207-6)에 대한 왜곡이 발생한 경우, 제3 세트의 랜드마크들(예: 눈썹 및 눈)의 거리(207-9)와 제4 세트의 랜드마크들(예: 눈 및 코)의 거리(207-10)의 비율은 제2 범위(예: 1 미만)에 포함되지 않을 수 있다. 일 실시 예에 따르면, 이미지(207)와 같이, 얼굴 영역(207-6)에 대한 왜곡이 발생한 경우, 제3 세트의 랜드마크들의 거리(207-9)와 제4 세트의 랜드마크들의 거리(207-10)의 비율은 제3 세트의 랜드마크들의 거리(207-9)와 제5 세트의 랜드마크들(예: 코 및 입)의 거리(207-11)의 비율보다 클 수 있다.
다양한 실시 예들에 따르면, 이미지(209)는 상태(209-1)(예: 피사체(209-2)의 축(209-3)과 카메라(209-4)의 축(209-5)이 평행하지 않고, 피사체(207-2)의 얼굴 영역(207-6)이 이미지(209)의 하단 부분에 위치하도록 피사체(209-2)와 카메라(209-4)가 배치된 상태)에서 촬영된 이미지일 수 있다. 일 실시 예에 따르면, 이미지(209)가 상태(209-1)에서 촬영됨에 따라, 이미지(209)에 포함된 피사체(209-2)의 얼굴 영역(209-6)은 이미지(209)의 하단 부분에 위치할 수 있다. 이에 따라, 얼굴 영역(209-6)에 왜곡이 발생할 수 있다. 일 실시 예에 따르면, 이미지(209)와 같이, 얼굴 영역(209-6)에 대한 왜곡이 발생한 경우, 얼굴 영역(209-6)에 포함된 제1 세트의 랜드마크들(예: 눈썹 및 코))의 거리(209-7)와 제2 세트의 랜드마크들(예: 눈 및 입)의 거리(209-8)의 비율은 제1 범위(예: 0.95 미만 또는 1.15 초과)에 포함되지 않을 수 있다. 일 실시 예에 따르면, 이미지(209)와 같이, 얼굴 영역(209-6)에 대한 왜곡이 발생한 경우, 제3 세트의 랜드마크들(예: 눈썹 및 눈)의 거리(209-9)와 제4 세트의 랜드마크들(예: 눈 및 코)의 거리(209-10)의 비율은 제2 범위(예: 1 미만)에 포함될 수 있다.
다양한 실시 예들에 따르면, 랜드마크들의 거리는 랜드마크들의 y축 좌표 간의 거리(또는 차이)를 포함할 수 있다. 예를 들어, 제1 세트의 랜드마크들의 거리는 이미지 상에서 식별된 눈썹의 y축 좌표와 이미지 상에서 식별된 코의 y축 좌표의 거리(또는 차이)를 포함할 수 있다. 다른 예를 들어, 제2 세트의 랜드마크들의 거리는 이미지 상에서 식별된 눈의 y축 좌표와 이미지 상에서 식별된 입의 y축 좌표의 거리(또는 차이)를 포함할 수 있다. 또 다른 예를 들어, 제3 세트의 랜드마크들의 거리는 이미지 상에서 식별된 눈썹의 y축 좌표와 이미지 상에서 식별된 눈의 y축 좌표의 거리(또는 차이)를 포함할 수 있다. 또 다른 예를 들어, 제4 세트의 랜드마크들의 거리는 이미지 상에서 식별된 눈의 y축 좌표와 이미지 상에서 식별된 코의 y축 좌표의 거리(또는 차이)를 포함할 수 있다. 또 다른 예를 들어, 제5 세트의 랜드마크들의 거리는 이미지 상에서 식별된 코의 y축 좌표와 이미지 상에서 식별된 입의 y축 좌표의 거리(또는 차이)를 포함할 수 있다.
도 3은 다양한 실시 예들에 따른 네트워크 환경 내의 전자 장치의 블록도이다. 도 3은, 다양한 실시 예들에 따른, 네트워크 환경(300) 내의 전자 장치(301)의 블럭도이다. 도 3을 참조하면, 네트워크 환경(300)에서 전자 장치(301)는 제1 네트워크(398)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(302)와 통신하거나, 또는 제2 네트워크(399)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(304) 또는 서버(308)와 통신할 수 있다. 일 실시 예에 따르면, 전자 장치(301)는 서버(308)를 통하여 전자 장치(304)와 통신할 수 있다. 일 실시 예에 따르면, 전자 장치(301)는 프로세서(320), 메모리(330), 입력 장치(350), 음향 출력 장치(355), 표시 장치(360), 오디오 모듈(370), 센서 모듈(376), 인터페이스(377), 햅틱 모듈(379), 카메라 모듈(380), 전력 관리 모듈(388), 배터리(389), 통신 모듈(390), 가입자 식별 모듈(396), 또는 안테나 모듈(397)을 포함할 수 있다. 어떤 실시 예에서는, 전자 장치(301)에는, 이 구성요소들 중 적어도 하나(예: 표시 장치(360) 또는 카메라 모듈(380))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시 예에서는, 이 구성요소들 중 일부들은 하나의 통합된 회로로 구현될 수 있다. 예를 들면, 센서 모듈(376)(예: 지문 센서, 홍채 센서, 또는 조도 센서)은 표시 장치(360)(예: 디스플레이)에 임베디드된 채 구현될 수 있다
프로세서(320)는, 예를 들면, 소프트웨어(예: 프로그램(340))를 실행하여 프로세서(320)에 연결된 전자 장치(301)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)을 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시 예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(320)는 다른 구성요소(예: 센서 모듈(376) 또는 통신 모듈(390))로부터 수신된 명령 또는 데이터를 휘발성 메모리(332)에 로드하고, 휘발성 메모리(332)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(334)에 저장할 수 있다. 일 실시 예에 따르면, 프로세서(320)는 메인 프로세서(321)(예: 중앙 처리 장치 또는 어플리케이션 프로세서), 및 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(323)(예: 그래픽 처리 장치, 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 추가적으로 또는 대체적으로, 보조 프로세서(323)은 메인 프로세서(321)보다 저전력을 사용하거나, 또는 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(323)는 메인 프로세서(321)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(323)는, 예를 들면, 메인 프로세서(321)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(321)를 대신하여, 또는 메인 프로세서(321)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(321)와 함께, 전자 장치(301)의 구성요소들 중 적어도 하나의 구성요소(예: 표시 장치(360), 센서 모듈(376), 또는 통신 모듈(390))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시 예에 따르면, 보조 프로세서(323)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(380) 또는 통신 모듈(390))의 일부로서 구현될 수 있다.
메모리(330)는, 전자 장치(301)의 적어도 하나의 구성요소(예: 프로세서(320) 또는 센서 모듈(376))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(340)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(330)는, 휘발성 메모리(332) 또는 비휘발성 메모리(334)를 포함할 수 있다.
프로그램(340)은 메모리(330)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(342), 미들 웨어(344) 또는 어플리케이션(346)을 포함할 수 있다.
입력 장치(350)는, 전자 장치(301)의 구성요소(예: 프로세서(320))에 사용될 명령 또는 데이터를 전자 장치(301)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 장치(350)은, 예를 들면, 마이크, 마우스, 키보드, 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 장치(355)는 음향 신호를 전자 장치(301)의 외부로 출력할 수 있다. 음향 출력 장치(355)는, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있고, 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일 실시 예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
표시 장치(360)는 전자 장치(301)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 표시 장치(360)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시 예에 따르면, 표시 장치(360)는 터치를 감지하도록 설정된 터치 회로(touch circuitry), 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 센서 회로(예: 압력 센서)를 포함할 수 있다.
오디오 모듈(370)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시 예에 따르면, 오디오 모듈(370)은, 입력 장치(350) 를 통해 소리를 획득하거나, 음향 출력 장치(355), 또는 전자 장치(301)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(302)) (예: 스피커 또는 헤드폰))를 통해 소리를 출력할 수 있다.
센서 모듈(376)은 전자 장치(301)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일 실시 예에 따르면, 센서 모듈(376)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(377)는 전자 장치(301)이 외부 전자 장치(예: 전자 장치(302))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시 예에 따르면, 인터페이스(377)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(378)는, 그를 통해서 전자 장치(301)가 외부 전자 장치(예: 전자 장치(302))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시 예에 따르면, 연결 단자(378)은, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(379)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일 실시 예에 따르면, 햅틱 모듈(379)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(380)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시 예에 따르면, 카메라 모듈(380)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(388)은 전자 장치(301)에 공급되는 전력을 관리할 수 있다. 일 실시 예에 따르면, 전력 관리 모듈(388)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(389)는 전자 장치(301)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일 실시 예에 따르면, 배터리(389)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(390)은 전자 장치(301)와 외부 전자 장치(예: 전자 장치(302), 전자 장치(304), 또는 서버(308))간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(390)은 프로세서(320)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시 예에 따르면, 통신 모듈(390)은 무선 통신 모듈(392)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(394)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제1 네트워크(398)(예: 블루투스, WiFi direct 또는 IrDA(infrared data association) 같은 근거리 통신 네트워크) 또는 제2 네트워크(399)(예: 셀룰러 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부 전자 장치와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)으로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(392)은 가입자 식별 모듈(396)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제1 네트워크(398) 또는 제2 네트워크(399)와 같은 통신 네트워크 내에서 전자 장치(301)를 확인 및 인증할 수 있다.
안테나 모듈(397)은 신호 또는 전력을 외부(예: 외부 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일 실시 예에 따르면, 안테나 모듈은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 하나의 안테나를 포함할 수 있다. 일 실시 예에 따르면, 안테나 모듈(397)은 복수의 안테나들을 포함할 수 있다. 이런 경우, 제1 네트워크(398) 또는 제2 네트워크(399)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(390)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(390)과 외부 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시 예에 따르면, 방사체 이외에 다른 부품(예: RFIC)이 추가로 안테나 모듈(397)의 일부로 형성될 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))를 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일 실시 예에 따르면, 명령 또는 데이터는 제2 네트워크(399)에 연결된 서버(308)를 통해서 전자 장치(301)와 외부의 전자 장치(304)간에 송신 또는 수신될 수 있다. 전자 장치(302, 304) 각각은 전자 장치(301)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시 예에 따르면, 전자 장치(301)에서 실행되는 동작들의 전부 또는 일부는 외부 전자 장치들(302, 304, or 308) 중 하나 이상의 외부 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(301)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(301)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(301)로 전달할 수 있다. 전자 장치(301)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다.
도 4는 다양한 실시 예들에 따른 전자 장치의 블록도이다.
도 4를 참조하면, 전자 장치(400)(예: 도 3의 전자 장치(301))는 프로세서(401)(예: 도 3의 프로세서(320)), 메모리(403)(예: 도 3의 메모리(330)), 카메라(405)(예: 도 3의 카메라 모듈(280)), 또는 디스플레이(407)(예: 도 3의 표시 장치(360)) 중 적어도 하나를 포함할 수 있다. 다만, 이에 제한되지 않는다. 예를 들어, 전자 장치(301)는 통신 회로(예: 도 3의 통신 모듈(390)) 및/또는 적어도 하나의 센서(예: 도 3의 센서 모듈(376))를 더 포함할 수도 있다.
프로세서(401)는 전자 장치(400)의 전반적인 동작을 제어할 수 있다. 프로세서(401)는 전자 장치(400)의 전반적인 동작을 제어하기 위해 메모리(403), 카메라(405), 또는 디스플레이(407)와 같은 전자 장치(400)의 다른 구성요소(component)와 작동적으로 연결될 수 있다.
프로세서(401)는 다른 구성요소들의 명령을 수신할 수 있고, 수신된 명령을 해석할 수 있으며, 해석된 명령에 따라 계산을 수행하거나 데이터를 처리할 수 있다. 예를 들어, 프로세서(401)는 메모리(403)에게 명령어, 데이터, 또는 신호를 요청할 수 있다. 프로세서(401)는 전자 장치(400)의 제어 또는 전자 장치(400) 내의 다른 구성요소를 제어하기 위해 메모리(403) 내에 명령어, 데이터, 또는 신호를 기록(또는 저장)하거나 갱신할 수 있다.
프로세서(401)는 메모리(403), 카메라(405), 또는 디스플레이(407)로부터 수신되는 메시지, 데이터, 명령어, 또는 신호를 해석할 수 있고, 가공할 수 있다. 프로세서(401)는 수신된 메시지, 데이터, 명령어, 또는 신호에 기반하여 새로운 메시지, 데이터, 명령어, 또는 신호를 생성할 수 있다. 프로세서(401)는 가공되거나 생성된 메시지, 데이터, 명령어, 또는 신호를 메모리(403), 카메라(405), 또는 디스플레이(407)로 제공할 수 있다.
메모리(403)는 전자 장치(400)를 제어하는 명령어, 제어 명령어 코드, 제어 정보(control information), 또는 사용자 데이터(user data)를 저장할 수 있다. 예를 들어, 메모리(403)는 어플리케이션, 운영 체제, 미들웨어, 또는 디바이스 드라이버 중 하나 이상을 저장할 수 있다.
카메라(405)는 정적 이미지(still image) 또는 동적 이미지(dynamic image)를 획득하기 위해 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다. 일 실시 예에 따르면, 카메라는 전자 장치(400)의 하우징의 제1 면(예: 정면)의 적어도 일부를 통해 노출되도록 배치되거나 전자 장치(400)의 하우징의 제1 면과 마주하며 떨어진 제2 면(예: 후면)의 적어도 일부를 통해 노출되도록 배치될 수 있다.
디스플레이(407)는 전자 장치(400)의 외부로 정보를 시각적으로 제공할 수 있다. 일 실시 예에 따르면, 디스플레이(407)는 터치를 감지하도록 설정된 터치 회로(touch circuitry) 또는 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 센서 회로(예: 압력 센서)를 포함할 수 있다.
다양한 실시 예들에 따르면, 프로세서(401)는 카메라(405)를 통해 획득된 이미지로부터 얼굴 구성요소(facial component)에 대응하는 복수의 랜드마크를 획득할 수 있다. 예를 들어, 프로세서(401)는 카메라(405)를 통해 획득된 이미지로부터 얼굴 검출(face detection) 기능을 수행하고, 이미지에 하나의 얼굴 영역이 검출된 경우, 검출된 얼굴 영역으로부터 얼굴 구성요소(facial component)에 대응하는 복수의 랜드마크들을 획득할 수 있다. 얼굴 구성요소에 대응하는 복수의 랜드마크들은 눈썹, 눈, 코, 또는 입 중 적어도 하나를 포함할 수 있다.
다양한 실시 예들에 따르면, 프로세서(401)는 이미지로부터 획득된 얼굴 구성요소에 대응하는 복수의 랜드마크들 간의 거리 정보에 기반하여 이미지에 왜곡이 발생했는지 여부를 식별할 수 있다. 프로세서(401)는 제1 세트의 랜드마크들(예: 눈썹 및 코)의 거리, 제2 세트의 랜드마크들(예: 눈 및 입)의 거리, 제3 세트의 랜드마크들(예: 눈썹 및 눈)의 거리, 제4 세트의 랜드마크들(예: 눈 및 코)의 거리, 또는 제5 세트의 랜드마크들(예: 코 및 입)의 거리 중 적어도 하나의 거리를 식별하고, 식별된 거리에 기반하여 이미지에 왜곡이 발생했는지 여부를 결정할 수 있다. 예를 들어, 프로세서(401)는 제1 세트의 랜드마크들의 거리와 제2 세트의 랜드마크들의 거리의 비율 제1 범위(예: 0.95 미만 또는 1.15 초과)에 포함되는 경우, 도 2의 이미지(203 또는 205)와 같이, 이미지의 얼굴 영역(203-6 또는 205-6)에 왜곡이 발생한 것으로 판단할 수 있다. 다른 예를 들어, 프로세서(401)는 제1 세트의 랜드마크들의 거리와 제2 세트의 랜드마크들의 거리의 비율이 제1 범위에 포함되지 않지만, 제3 세트의 랜드마크들의 길이와 제4 세트의 랜드마크들의 거리의 비율이 제2 범위(예: 1 이하) 포함되거나 또는 제3 세트의 랜드마크들의 길이와 제4 세트의 랜드마크들의 거리의 비율이 제3 세트의 랜드마크들의 길이와 제5 세트의 랜드마크들의 거리의 비율보다 큰 경우, 도 2의 이미지(207 또는 209)와 같이, 이미지의 얼굴 영역(207-6 또는 209-6)에 왜곡이 발생한 것으로 판단할 수 있다. 또 다른 예를 들어, 프로세서(401)는 1 세트의 랜드마크들의 거리와 제2 세트의 랜드마크들의 거리의 비율이 제1 범위에 포함되고, 제3 세트의 랜드마크들의 길이와 제4 세트의 랜드마크들의 거리의 비율이 제2 범위(예: 1 이하) 포함되지 않고, 제3 세트의 랜드마크들의 길이와 제4 세트의 랜드마크들의 거리의 비율이 제3 세트의 랜드마크들의 길이와 제5 세트의 랜드마크들의 거리의 비율보다 작은 경우, 도 2의 이미지(201)와 같이, 이미지의 얼굴 영역(201-6)에 왜곡이 발생하지 않은 것으로 판단할 수 있다.
다양한 실시 예들에 따르면, 프로세서(401)는 이미지의 얼굴 영역에 왜곡이 발생한 경우, 이미지를 보정할 수 있다. 예를 들어, 프로세서(401)는 1 세트의 랜드마크들의 거리와 제2 세트의 랜드마크들의 거리의 비율 제1 범위(예: 0.95 미만 및 1.15 초과)에 포함되는 경우, 얼굴 영역과 연관된 위치 및 길이를 이용하는 제1 보정 방법에 기반하여 이미지를 보정할 수 있다. 다른 예를 들어, 프로세서(401)는 제1 세트의 랜드마크들의 거리와 제2 세트의 랜드마크들의 거리의 비율이 제1 범위에 포함되지 않지만, 제3 세트의 랜드마크들의 길이와 제4 세트의 랜드마크들의 거리의 비율이 제2 범위(예: 1 이하) 포함되거나 또는 제3 세트의 랜드마크들의 길이와 제4 세트의 랜드마크들의 거리의 비율이 제3 세트의 랜드마크들의 길이와 제5 세트의 랜드마크들의 거리의 비율보다 큰 경우, 얼굴 영역과 연관된 위치 및 길이를 이용하는 제2 보정 방법에 기반하여 이미지를 보정할 수 있다. 일 실시 예에 따르면, 프로세서(401)는 보정된 이미지를 메모리(403)에 저장할 수 있다. 일 실시 예에 따르면, 프로세서(401)는 보정된 이미지를 디스플레이(407)를 통해 프리뷰 이미지로 출력할 수 있다.
다양한 실시 예들에 따르면, 프로세서(401)는 랜드마크들의 y축 좌표들에 기반하여 랜드마크들 간의 거리를 결정할 수 있다. 예를 들어, 프로세서(401)는 이미지 상에서 식별된 눈썹의 y축 좌표와 이미지 상에서 식별된 코의 y축 좌표의 거리(또는 차이)를 식별함으로써, 제1 세트의 랜드마크들의 거리 결정할 수 있다. 다른 예를 들어, 프로세서(401)는 이미지 상에서 식별된 눈의 y축 좌표와 이미지 상에서 식별된 입의 y축 좌표의 거리(또는 차이)를 식별함으로써, 제2 세트의 랜드마크들의 거리를 결정할 수 있다. 또 다른 예를 들어, 프로세서(401)는 이미지 상에서 식별된 눈썹의 y축 좌표와 이미지 상에서 식별된 눈의 y축 좌표의 거리(또는 차이)를 식별함으로써, 제3 세트의 랜드마크들의 거리를 결정할 수 있다. 또 다른 예를 들어, 프로세서(401)는 이미지 상에서 식별된 눈의 y축 좌표와 이미지 상에서 식별된 코의 y축 좌표의 거리(또는 차이)를 식별함으로써, 제4 세트의 랜드마크들의 거리를 결정할 수 있다. 또 다른 예를 들어, 프로세서(401)는 이미지 상에서 식별된 코의 y축 좌표와 이미지 상에서 식별된 입의 y축 좌표의 거리(또는 차이)를 식별함으로써, 제5 세트의 랜드마크들의 거리를 결정할 수 있다.
다양한 실시 예들에 따르면, 제1 범위는 카메라에 대한 피사체의 상대적 위치(또는 카메라 화각 내에서의 피사체의 상대적 위치)에 따른 이미지의 왜곡 여부를 판단하기 위한 데이터를 의미할 수 있다. 예를 들어, 제1 범위는 카메라의 화각 중심 부분으로부터 피사체가 상하 방향으로 얼마나 이동되어 있는지 여부를 판단하는데 이용될 수 있다. 예를 들어, 프로세서(401)는 제1 세트의 랜드마크들의 거리와 제2 세트의 랜드마크들의 거리가 제1 범위에 포함되는 경우, 피사체가 카메라의 화각의 중심 부분으로부터 상하 방향으로 일정 거리 이상 이동된 위치에 위치한다고 판단하여, 이미지 왜곡이 발생한 것으로 판단할 수 있다.
다양한 실시 예들에 따르면, 제2 범위는 카메라에 대한 피사체의 상대적 방향(또는 각도)에 따른 이미지의 왜곡 여부를 판단하기 위한 데이터를 의미할 수 있다. 예를 들어, 제2 범위는 카메라에 대한 피사체의 방향이 얼마나 회전되어 있는지 여부를 판단하는데 이용될 수 있다. 예를 들어, 프로세서(401)는 제3 세트의 랜드마크들의 길이와 제4 세트의 랜드마크들의 거리의 비율이 제2 범위에 포함되는 경우, 이미지가 상태(209-1)에서 촬영된 것으로 판단하여, 이미지에 왜곡이 발생한 것으로 판단할 수 있다.
다양한 실시 예들에 따르면, 제3 세트의 랜드마크들의 길이와 제4 세트의 랜드마크들의 거리의 비율 및 제3 세트의 랜드마크들의 길이와 제5 세트의 랜드마크들의 거리의 비율은 카메라에 대한 피사체의 상대적 방향(또는 각도)에 따른 이미지의 왜곡 여부를 판단하기 위해 이용될 수 있다. 예를 들어, 프로세서(401)는 제3 세트의 랜드마크들의 길이와 제4 세트의 랜드마크들의 거리의 비율이 제3 세트의 랜드마크들의 길이와 제5 세트의 랜드마크들의 거리의 비율보다 큰 경우, 이미지가 상태(207-1)에서 촬영된 것으로 판단하여, 이미지에 왜곡이 발생한 것으로 판단할 수 있다.
다양한 실시 예들에 따르면, 전자 장치(예: 도 3의 전자 장치(301) 또는 도 4의 전자 장치(401))는 적어도 하나의 카메라(예: 도 3의 카메라 모듈(380) 또는 도 4의 카메라(405))와, 상기 적어도 하나의 카메라와 작동적으로 연결된 프로세서(예: 도 3의 프로세서(320) 또는 도 4의 프로세서(401), 및 상기 프로세서와 작동적으로 연결된 메모리(예: 도 3의 메모리(330), 또는 도 4의 메모리(403))를 포함하고, 상기 메모리는, 실행 시에, 상기 프로세서가, 상기 적어도 하나의 카메라를 이용하여 얼굴에 대응하는 시각적 객체를 포함하는 이미지를 획득하고, 상기 시각적 객체로부터 얼굴 구성요소(facial component)에 대응하는 복수의 랜드마크들을 식별하고, 및 상기 복수의 랜드마크들 중 제1 세트의 랜드마크들의 거리와 상기 복수의 랜드마크들 중 제2 세트의 랜드마크들의 거리의 비율이 제1 범위에 포함됨을 식별한 것에 응답하여, 상기 이미지에 기반하여 보정된 제1 이미지를 획득하도록 하는 인스트럭션들을 저장할 수 있다.
다양한 실시 예들에 따르면, 상기 제1 세트의 랜드마크들은, 제1 랜드마크 및 제2 랜드마크를 포함하고, 상기 제2 세트의 랜드마크들은, 제3 랜드마크 및 제4 랜드마크를 포함하며, 상기 인스트럭션들은, 상기 프로세서가, 상기 제1 세트의 랜드마크들의 거리와 상기 제2 세트의 랜드마크들의 거리의 비율이 상기 제1 범위에 포함되지 않음을 식별한 것에 응답하여, 상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제3 랜드마크의 거리의 비율이 제2 범위에 포함되는지 여부를 결정하고, 및 상기 제1 랜드마크와 상기 제3 랜드마크 사이의 거리와 상기 제2 랜드마크와 상기 제3 랜드마크의 거리의 비율이 상기 제2 범위에 포함되는 경우, 상기 이미지에 기반하여 보정된 제2 이미지를 획득하도록 할 수 있다.
다양한 실시 예들에 따르면, 상기 인스트럭션들은, 상기 프로세서가, 상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제3 랜드마크의 거리의 비율이 상기 제2 범위에 포함되지 않는 경우, 상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제3 랜드마크의 거리의 비율이 상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제4 랜드마크의 거리의 비율보다 큰지 여부를 결정하고, 및 상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제3 랜드마크의 거리의 비율이 상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제4 랜드마크의 거리의 비율보다 큰 경우, 상기 이미지에 기반하여 보정된 상기 제2 이미지를 획득하도록 할 수 있다.
다양한 실시 예들에 따르면, 상기 인스트럭션들은, 상기 프로세서가, 상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제3 랜드마크의 거리의 비율이 상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제4 랜드마크의 거리의 비율보다 크지 않은 경우, 상기 이미지를 유지하도록 할 수 있다.
다양한 실시 예들에 따르면, 상기 인스트럭션들은, 상기 프로세서가, 상기 시각적 객체의 적어도 일부를 포함하는 얼굴 영역과 연관된 위치 정보에 기반하여 이미지 보정을 위한 가중치를 결정하고, 상기 가중치 및 상기 얼굴 영역과 연관된 길이 정보에 기반하여 이미지 보정을 위한 제1 보정 계수를 결정하고, 상기 제1 보정 계수에 기반하여 이미지 워핑을 수행하고, 및 상기 이미지 워핑이 수행된 이미지의 적어도 일부에 기반하여 상기 제1 이미지를 획득하도록 할 수 있다.
다양한 실시 예들에 따르면, 상기 인스트럭션들은, 상기 프로세서가, 상기 얼굴 영역과 연관된 위치 정보에 기반하여 이미지 보정을 위한 상기 가중치를 결정하고, 상기 가중치 및 상기 얼굴 영역과 연관된 길이 정보에 기반하여 이미지 보정을 위한 제2 보정 계수를 결정하고, 상기 제2 보정 계수에 기반하여 이미지 워핑을 수행하고, 및 상기 이미지 워핑이 수행된 이미지의 적어도 일부에 기반하여 상기 제2 이미지를 획득하도록 할 수 있다.
다양한 실시 예들에 따르면, 상기 얼굴 영역과 연관된 위치 정보는, 상기 얼굴 영역의 중심 좌표를 포함하고, 상기 얼굴 영역과 연관된 길이 정보는, 상기 얼굴 영역의 한 변의 길이를 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 전자 장치는 상기 프로세서와 작동적으로 연결된 디스플레이(예: 도 3의 표시 장치(360) 또는 도 4의 디스플레이(407))를 더 포함하고, 상기 인스트럭션들은, 상기 프로세서가, 상기 디스플레이를 통해 상기 이미지, 상기 제1 이미지, 또는 상기 제2 이미지를 프리뷰 이미지로 표시하고, 및 상기 이미지, 상기 제1 이미지, 또는 상기 제2 이미지를 상기 메모리에 저장하도록 할 수 있다.
다양한 실시 예들에 따르면, 상기 전자 장치는 상기 프로세서와 작동적으로 연결된 디스플레이를 더 포함하고, 상기 인스트럭션들은, 상기 프로세서가, 상기 디스플레이를 통해 상기 이미지를 프리뷰 이미지로 표시하는 동안, 상기 제1 이미지, 또는 상기 제2 이미지를 획득하고, 및 상기 획득된 이미지를 상기 메모리에 저장하도록 할 수 있다.
다양한 실시 예들에 따르면, 상기 인스트럭션들은, 상기 프로세서가, 상기 시각적 객체로부터 얼굴 구성요소에 대응하는 복수의 랜드마크들이 식별되지 않는 경우, 상기 시각적 객체의 속성을 식별하고, 상기 시각적 객체의 속성에 기반하여 왜곡 맵(distortion map)을 생성하고, 상기 왜곡 맵을 보정하기 위한 보정 파라미터를 산출하고, 및 상기 보정 파라미터에 기반하여 상기 이미지를 보정하도록 하며, 상기 시각적 객체의 속성은, 상기 시각적 객체의 위치 또는 크기 중 적어도 하나를 포함할 수 있다.
도 5는 다양한 실시 예들에 따른 전자 장치에서 왜곡된 이미지를 보정하는 방법을 설명하는 흐름도이다. 도 6은 다양한 실시 예들에 따른 전자 장치에서 왜곡된 이미지를 보정하는 방법을 설명하는 예시도이다.
도 5 및 도 6을 참조하면, 동작 501에서, 전자 장치(예: 도 3의 전자 장치(301) 또는 도 4의 전자 장치(400))의 프로세서(예: 도 3의 프로세서(320) 또는 도 4의 프로세서(401))는 카메라(예: 도 3의 카메라 모듈(380) 또는 도 4의 카메라(405))를 통해 얼굴에 대응하는 시각적 객체를 포함하는 이미지를 획득할 수 있다. 예를 들어, 프로세서는 카메라 어플리케이션이 실행되는 동안 이미지 획득을 위한 입력(예: 촬영 아이콘 또는 촬영 버튼에 대한 입력)이 수신됨을 식별하는 것에 응답하여 도 6과 같이, 카메라를 통해 얼굴에 대응하는 시각적 객체(601-1)를 포함하는 이미지(601)를 획득할 수 있다. 여기서, 이미지(601)는 상태(601-3)(예: 카메라의 축(601-4)과 전자 장치의 축(601-5)이 평행하고, 시각적 객체(601-1)가 이미지(601)의 하단 부분에 위치하도록 피사체와 카메라가 배치된 상태)에서 촬영된 이미지일 수 있다. 다른 예를 들어, 프로세서는 카메라 어플리케이션이 실행되는 동안 디스플레이(예: 도 3의 표시 장치(360) 또는 도 4의 디스플레이(407))를 통해 표시되는 프리뷰 이미지로 사용될 이미지를 획득할 수 있다. 일 실시 예에 따르면, 카메라는 전자 장치의 하우징의 제1 면(예: 정면)의 적어도 일부를 통해 노출되도록 배치되거나 전자 장치의 하우징의 제1 면과 마주하며 떨어진 제2 면(예: 후면)의 적어도 일부를 통해 노출되도록 배치될 수 있다.
동작 503에서, 프로세서는 카메라를 통해 획득된 이미지로부터 얼굴 구성요소(facial component)에 대응하는 복수의 랜드마크들을 식별할 수 있다. 예를 들어, 프로세서는 도 6과 같이, 카메라를 통해 획득된 이미지로부터 얼굴 검출(face detection) 기능을 수행함으로써, 얼굴 검출 기능을 통해 이미지에 포함된 시각적 객체의 적어도 일부(예: 얼굴)을 포함하는 얼굴 영역(603-1)을 식별하고, 식별된 얼굴 영역으로부터 얼굴 구성요소에 대응하는 복수의 랜드마크들(603-3 내지 603-9)을 식별할 수 있다. 예를 들어, 프로세서는 얼굴 영역(603-1)으로부터 제1 랜드마크(603-3)(예: 눈썹), 제2 랜드마크(603-5)(예: 눈), 제3 랜드마크(603-7)(예: 코), 또는 제4 랜드마크(예: 603-9)(예: 입) 중 적어도 하나를 식별할 수 있다. 일 실시 예에 따르면, 프로세서는 얼굴 영역으로부터 얼굴 구성요소에 대응하는 복수의 랜드마크들이 식별되지 않는 경우, 얼굴 구성요소에 대응하는 복수의 랜드마크들을 식별하는 동작을 다시 수행할 수 있다. 일 실시 예에 따르면, 프로세서는 얼굴 영역으로부터 얼굴 구성요소에 대응하는 복수의 랜드마크들이 식별되지 않는 경우, 얼굴 구성요소에 대응하는 복수의 랜드마크들을 식별할 수 있는 이미지를 다시 촬영하도록 사용자를 유도하기 위해 인디케이터(예: 안내 메시지, 진동, 사운드, 또는 LED 점멸)를 사용자에게 제공할 수 있다. 일 실시 예에 따르면, 얼굴 영역(603-1)의 형태는 가로의 길이와 세로의 길이가 동일한 정사각형 형태를 포함할 수 있다.
동작 505에서, 프로세서는 복수의 랜드마크들 중 제1 세트의 랜드마크들의 거리와 제2 세트의 랜드마크들의 거리의 비율이 제1 범위에 포함됨을 식별하는 것에 응답하여, 이미지에 기반하여 보정된 제1 이미지를 획득할 수 있다. 프로세서는 복수의 랜드마크들 중 적어도 일부 랜드마크들 간의 거리를 식별할 수 있다. 프로세서는 식별된 거리에 기반하여 제1 세트의 랜드마크들(예: 제1 랜드마크(603-3) 및 제3 랜드마크(603-7))의 거리와 제2 세트의 랜드마크들(예: 제2 랜드마크(603-5) 및 제4 랜드마크(603-9))의 거리의 비율을 식별할 수 있다. 프로세서는 제1 세트의 랜드마크들의 거리와 제2 세트의 랜드마크들의 거리의 비율이 제1 범위(예: 0.95 미만 또는 1.15 초과)에 포함되는 경우, 시각적 객체(601-1)에 왜곡이 발생한 것으로 판단하여 이미지를 보정할 수 있다. 예를 들어, 프로세서는 얼굴 영역과 연관된 위치(얼굴 영역의 중심 좌표) 및 길이(얼굴 영역의 한 변의 길이)를 이용하는 제1 보정 방법을 이용하여 이미지를 보정함으로써, 도 6과 같이, 왜곡이 보정된 제1 이미지(605)를 획득할 수 있다.
다양한 실시 예들에 따르면, 프로세서는 제1 세트의 랜드마크들의 거리와 제2 세트의 랜드마크들의 거리의 비율이 제1 범위(예: 0.95 미만 또는 1.15 초과)에 포함되지 않지만, 제3 세트의 랜드마크들(예: 제1 랜드마크(603-3) 및 제2 랜드마크(603-5))의 거리와 제4 세트의 랜드마크들(예: 제2 랜드마크(603-5) 및 제3 랜드마크(603-7))의 거리의 비율이 제2 범위(예: 1 미만)에 포함되거나 또는 제3 세트의 랜드마크들의 거리와 제4 세트의 랜드마크들의 거리의 비율이 제3 세트의 랜드마크들의 거리와 제5 세트의 랜드마크들(예: 제3 랜드마크(603-7) 및 제4 랜드마크(603-9))의 거리의 비율보다 큰 경우에도, 시각적 객체에 왜곡이 발생한 것으로 판단하여 이미지를 보정할 수 있다. 예를 들어, 프로세서는 얼굴 영역과 연관된 위치(얼굴 영역의 중심 좌표) 및 길이(얼굴 영역의 한 변의 길이)를 이용하는 제2 보정 방법을 이용하여 이미지를 보정함으로써, 제2 이미지를 획득할 수 있다.
다양한 실시 예들에 따르면, 프로세서는 제1 세트의 랜드마크들의 거리와 제2 세트의 랜드마크들의 거리의 비율이 제1 범위(예: 0.95 미만 또는 1.15 초과)에 포함되지 않고, 제3 세트의 랜드마크들(예: 제1 랜드마크(603-3) 및 제2 랜드마크(603-5))의 거리와 제4 세트의 랜드마크들(예: 제2 랜드마크(603-5) 및 제3 랜드마크(603-7))의 거리의 비율이 제2 범위(예: 1 미만)에 포함되지 않고, 제3 세트의 랜드마크들의 거리와 제4 세트의 랜드마크들의 거리의 비율이 제3 세트의 랜드마크들의 거리와 제5 세트의 랜드마크들(예: 제3 랜드마크(603-7) 및 제4 랜드마크(603-9))의 거리의 비율보다 작은 경우, 시각적 객체에 왜곡이 발생하지 않은 것으로 판단하여 이미지를 보정하는 동작을 수행하지 않을 수 있다.
이상에서는, 전자 장치가 이미지의 얼굴 영역으로부터 얼굴 요소에 대응하는 복수의 랜드마크들이 검출된 경우, 검출된 랜드마크들에 기반하여 왜곡된 이미지를 보정하는 동작을 설명하였으나, 본 발명의 다양한 실시 예들에 따르면, 전자 장치의 프로세서는 이미지의 얼굴 영역으로부터 얼굴 요소에 대응하는 복수의 랜드마크들이 검출되지 않은 경우에도, 왜곡된 이미지를 보정할 수 있다. 예를 들어, 프로세서는 이미지의 얼굴 영역으로부터 얼굴 요소에 대응하는 복수의 랜드마크들이 검출되지 않는 경우, 얼굴에 대응하는 시각적 객체의 속성(예: 위치 또는 크기)을 식별하고, 식별된 속성에 기반하여 이미지를 보정할 수도 있다. 예를 들어, 프로세서는 얼굴에 대응하는 시각적 객체의 속성에 기반하여 왜곡 맵(distortion map)을 결정하고, 결정된 왜곡 맵을 보정하기 위한 보정 파라미터를 산출하고, 산출된 보정 파라미터에 기반하여 이미지 보정 동작을 수행함으로써, 왜곡된 이미지를 보정할 수도 있다. 여기서, 왜곡 맵은 이미지가 왜곡되는 정도를 수치화 하여 표현한 맵으로, 왜곡 맵의 윤곽선은 이미지의 중심을 향하는 방향으로 휘어지는 형태를 가질 수 있다.
도 7a 내지 도 7b는 다양한 실시 예들에 따른 전자 장치에서 얼굴 요소에 대응하는 랜드마크들 간의 거리 비율에 기반하여 왜곡된 이미지를 보정하는 방법을 설명하는 흐름도이다. 도 8은 다양한 실시 예들에 따른 전자 장치에서 얼굴 요소에 대응하는 랜드마크들 간의 거리 비율에 기반하여 왜곡된 이미지를 보정하는 방법을 설명하기 위한 예시도이다. 이하 설명은, 도 5의 동작 505에서, 제1 이미지를 획득하는 동작의 상세 동작일 수 있다.
다양한 실시 예들에 따르면, 도 8의 이미지들(801 내지 807)에 포함된 객체들(801-13, 803-13, 및 805-13)은 각각의 이미지를 촬영할 시, 피사체와 카메라 간의 위치 관계를 나타낼 뿐, 이미지에 포함되는 정보를 의미하지 않는다.
도 7a 내지 도 7b 및 도 8을 참조하면, 동작 701에서, 전자 장치(예: 도 3의 전자 장치(301) 또는 도 4의 전자 장치(400))의 프로세서(예: 도 3의 프로세서(320) 또는 도 4의 프로세서(401))는 이미지로부터 식별된 복수의 랜드마크들 중 적어도 일부 랜드마크들 간의 거리를 식별할 수 있다. 예를 들어, 프로세서는 도 8과 같이, 이미지(801)에 포함된 얼굴 영역(801-1)에서 제1 세트의 랜드마크들(예: 눈썹 및 코)의 거리(801-3), 제2 세트의 랜드마크들(예: 눈 및 입)의 거리(801-5), 제3 세트의 랜드마크들(예: 눈썹 및 눈)의 거리(801-7), 제4 세트의 랜드마크들(예: 눈 및 코)의 거리(801-9), 또는 제5 세트의 랜드마크들(예: 코 및 입)의 거리(801-11) 중 적어도 하나의 거리를 식별할 수 있다. 일 실시 예에 따르면, 얼굴 영역의 형태는 가로의 길이와 세로의 길이가 동일한 정사각형 형태를 포함할 수 있다.
동작 703에서, 프로세서는 제1 세트의 랜드마크들의 거리와 제2 세트의 랜드마크들의 거리의 비율이 제1 범위에 포함되는지 여부를 결정할 수 있다. 프로세서는 제1 세트의 랜드마크들의 거리와 제2 세트의 랜드마크들의 거리의 비율이 0.95 미만이거나 또는 1.15 이상인 경우, 제1 세트의 랜드마크들의 거리와 제2 세트의 랜드마크들의 거리의 비율이 제1 범위에 포함되는 것으로 판단할 수 있다. 프로세서는 제1 세트의 랜드마크들의 거리와 제2 세트의 랜드마크들의 거리의 비율이 제1 범위에 포함되는 경우, 동작 705를 수행하고, 제1 세트의 랜드마크들의 거리와 제2 세트의 랜드마크들의 거리의 비율이 제1 범위에 포함되지 않는 경우, 동작 707을 수행할 수 있다.
동작 705에서, 프로세서는 제1 세트의 랜드마크들의 거리와 제2 세트의 랜드마크들의 거리의 비율이 제1 범위에 포함되는 경우, 얼굴 영역과 연관된 위치 및 길이를 이용하는 제1 보정 방법에 기반하여 제1 이미지르 획득할 수 있다. 예를 들어, 프로세서는 이미지(801)와 같이, 제1 세트의 랜드마크들의 거리와 제2 세트의 랜드마크들의 거리의 비율이 제1 범위에 포함되는 경우, 이미지(801)의 얼굴 영역(801-1)의 중심 좌표에 기반하여 이미지 보정을 위한 가중치를 결정하고, 결정된 가중치와 얼굴 영역(801-1)의 한 변의 길이에 기반하여 이미지 보정을 위한 보정 계수를 결정하고, 보정 계수에 기반하여 이미지 워핑(image warping)을 수행하고, 이미지 워핑이 수행된 이미지의 적어도 일부를 크롭(crop) 및 리사이징(resizing)함으로써, 이미지(801)로부터 왜곡이 보정된 이미지(807)를 획득할 수 있다. 일 실시 예에 따르면, 프로세서는 왜곡이 보정된 이미지(807)를 메모리(예: 도 3의 메모리(330) 또는 도 4의 메모리(403))에 저장할 수 있다. 일 실시 예에 따르면, 프로세서는 이미지(807)를 생성 및 저장하는 동안, 디스플레이(예: 도 3의 표시 장치(360) 또는 도 4의 디스플레이(407))를 통해 이미지(801)를 프리뷰 이미지로 제공할 수 있다. 일 실시 예에 따르면, 프로세서는 디스플레이를 통해 왜곡이 보정된 이미지(807)를 프리뷰 이미지로 제공할 수 있다.
동작 707에서, 프로세서는 제1 세트의 랜드마크들의 거리와 제2 세트의 랜드마크들의 거리의 비율이 제1 범위에 포함되지 않는 경우, 제3 세트의 랜드마크들의 거리와 제4 세트의 랜드마크들의 거리의 비율이 제2 범위에 포함되는지 여부를 결정할 수 있다. 프로세서는 제3 세트의 랜드마크들의 거리와 제4 세트의 랜드마크들의 거리의 비율이 1 미만인 경우, 제3 세트의 랜드마크들의 거리와 제4 세트의 랜드마크들의 거리의 비율이 제2 범위에 포함되는 것으로 판단할 수 있다. 프로세서는 제3 세트의 랜드마크들의 거리와 제4 세트의 랜드마크들의 거리의 비율이 제2 범위에 포함되는 경우, 동작 711을 수행하고, 제3 세트의 랜드마크들의 거리와 제4 세트의 랜드마크들의 거리의 비율이 제2 범위에 포함되지 않는 경우, 동작 713을 수행할 수 있다.
동작 711에서, 프로세서는 제3 세트의 랜드마크들의 거리와 제4 세트의 랜드마크들의 거리의 비율이 제2 범위에 포함되는 경우, 얼굴 영역과 연관된 위치 및 길이를 이용하는 제2 보정 방법에 기반하여 제2 이미지를 획득할 수 있다. 예를 들어, 프로세서는 이미지(803)와 같이, 제3 세트의 랜드마크들의 거리와 제4 세트의 랜드마크들의 거리의 비율이 제2 범위에 포함되는 경우, 이미지(803)의 얼굴 영역(803-1)의 중심 좌표에 기반하여 이미지 보정을 위한 가중치를 결정하고, 결정된 가중치와 얼굴 영역(803-1)의 한 변의 길이에 기반하여 이미지 보정을 위한 보정 계수를 결정하고, 보정 계수에 기반하여 이미지 워핑(image warping)을 수행하고, 이미지 워핑이 수행된 이미지의 적어도 일부를 크롭(crop) 및 리사이징(resizing)함으로써, 이미지(803)로부터 왜곡이 보정된 이미지(809)를 획득할 수 있다. 일 실시 예에 따르면, 동작 711에서 가중치를 결정하는데 사용되는 함수와 보정 계수를 결정하는데 사용되는 함수는 동작 705에서 가중치를 결정하는 사용되는 함수와 보정 계수를 결정하는데 사용되는 함수와 적어도 일부가 상이할 수 있다. 일 실시 예에 따르면, 프로세서는 왜곡이 보정된 이미지(809)를 메모리에 저장할 수 있다. 일 실시 예에 따르면, 프로세서는 왜곡이 보정된 이미지(809)를 생성 및 저장하는 동안, 디스플레이를 통해 이미지(801)를 프리뷰 이미지로 제공할 수 있다. 일 실시 예에 따르면, 프로세서는 디스플레이를 통해 왜곡이 보정된 이미지(809)를 프리뷰 이미지로 제공할 수 있다.
동작 713에서, 프로세서는 3 세트의 랜드마크들의 거리와 제4 세트의 랜드마크들의 거리의 비율이 제2 범위에 포함되는 않는 경우, 제3 세트의 랜드마크들의 거리와 제4 세트의 랜드마크들의 거리의 비율이 제3 세트의 랜드마크들의 거리와 제5 세트의 랜드마크들의 거리의 비율보다 큰지 여부를 결정할 수 있다. 프로세서는 3 세트의 랜드마크들의 거리와 제4 세트의 랜드마크들의 거리의 비율이 제3 세트의 랜드마크들의 거리와 제5 세트의 랜드마크들의 거리의 비율보다 큰 경우, 동작 711을 수행하고, 3 세트의 랜드마크들의 거리와 제4 세트의 랜드마크들의 거리의 비율이 제3 세트의 랜드마크들의 거리와 제5 세트의 랜드마크들의 거리의 비율보다 크지 않은 경우, 본 알고리즘을 종료할 수 있다. 예를 들어, 프로세서는 이미지(805)와 같이, 3 세트의 랜드마크들의 거리와 제4 세트의 랜드마크들의 거리의 비율이 제3 세트의 랜드마크들의 거리와 제5 세트의 랜드마크들의 거리의 비율보다 큰 경우, 이미지(805)의 얼굴 영역(805-1)의 중심 좌표에 기반하여 이미지 보정을 위한 가중치를 결정하고, 결정된 가중치와 얼굴 영역(805-1)의 한 변의 길이에 기반하여 이미지 보정을 위한 보정 계수를 결정하고, 보정 계수에 기반하여 이미지 워핑(image warping)을 수행하고, 이미지 워핑이 수행된 이미지의 적어도 일부를 크롭(crop) 및 리사이징(resizing)함으로써, 이미지(805)로부터 왜곡이 보정된 이미지(811)를 획득할 수 있다. 일 실시 예에 따르면, 프로세서는 왜곡이 보정된 이미지(811)를 생성 및 저장하는 동안, 디스플레이를 통해 이미지(801)를 프리뷰 이미지로 제공할 수 있다. 일 실시 예에 따르면, 프로세서는 디스플레이를 통해 왜곡이 보정된 이미지(811)를 프리뷰 이미지로 제공할 수 있다.
이상에서는, 전자 장치가 동작 709를 수행한 이후, 동작 713을 수행하는 것으로 설명하였으나, 본 발명의 다양한 실시 예들에 따르면, 전자 장치는 동작 713을 먼저 수행하고, 이후 동작 709를 수행하거나 또는 동작 709와 동작 713을 병렬적으로 수행할 수도 있다.
도 9는 다양한 실시 예들에 따른 전자 장치에서 얼굴 영역과 연관된 위치 및 길이에 기반하여 왜곡된 이미지를 보정하는 방법을 설명하기 위한 도면이다. 도 10은 다양한 실시 예들에 따른 전자 장치에서 얼굴 영역과 연관된 위치 및 길이에 기반하여 왜곡된 이미지를 보정하는 방법을 설명하기 위한 예시도이다. 도 11은 다양한 실시 예들에 따른 이미지 워핑 좌표를 계산하기 위한 알고리즘을 도시하고 있다. 이하 설명은, 도 7a의 동작 705에서 제1 이미지를 획득하는 동작 또는 도 7b의 동작 711에서 제2 이미지를 획득하는 동작의 상세 동작일 수 있다.
도 9 내지 도 11을 참조하면, 동작 901에서, 전자 장치(예: 도 3의 전자 장치(301) 또는 도 4의 전자 장치(400))의 프로세서(예: 도 3의 프로세서(320) 또는 도 4의 프로세서(401))는 얼굴 영역과 연관된 위치에 기반하여 이미지 보정을 위한 가중치를 결정할 수 있다. 예를 들어, 프로세서는 이미지(1001)의 얼굴 영역(1001-1)에 포함된 제1 세트의 랜드마크들(예: 눈썹 및 코)의 거리와 제2 세트의 랜드마크들(눈 및 입)의 거리의 비율이 제1 범위(예: 0.95 미만 또는 1.15 이상)에 포함되는 경우, 아래의 <수학식 1>을 이용하여 이미지 보정을 위한 가중치를 결정할 수 있다.
Figure pat00001
<수학식 1>에서, λv는 얼굴 영역의 수직 위치에 기반한 보정 가중치를 나타내고, fy는 얼굴 영역의 중심 부분의 수직 좌표에 대응하는 가중치 값을 나타내고, height는 이미지의 높이를 나타낼 수 있다. λh는 얼굴 영역의 수평 위치에 기반한 보정 가중치를 나타내고, fx는 얼굴 영역의 중심 부분의 수평 좌표에 대응하는 가중치 값을 나타내고, width는 이미지의 너비를 나타낼 수 있다. 여기서, fy 및 fx에 대응하는 값은, 이미지(1001)의 수평 좌표 또는 수직 좌표별로 가중치 값이 매핑된 테이블 또는 맵에 기반하여 결정될 수 있다. 가중치 값이 매핑된 테이블 또는 맵은 외부 전자 장치(예: 도 3의 서버(308) 또는 전자 장치(302 또는 304))로부터 수신된 정보에 기반하여 갱신될 수 있다. 다른 예를 들어, 프로세서는 이미지(1001)의 얼굴 영역에 포함된 제1 세트의 랜드마크들의 거리와 제2 세트의 랜드마크들의 거리의 비율이 제1 범위에 포함되지 않으나, 제3 세트의 랜드마크들(예: 눈썹 및 눈)의 거리와 제4 세트의 랜드마크들(예: 눈 및 코)의 거리의 비율이 제2 범위(예: 1 미만)에 포함되거나 또는 3 세트의 랜드마크들의 거리와 제4 세트의 랜드마크들의 거리의 비율이 제3 세트의 랜드마크들의 거리와 제5 세트의 랜드마크들(예: 코 및 입)의 거리의 비율보다 큰 경우, 위의 <수학식 1>를 이용하여 이미지 보정을 위한 가중치를 결정할 수 있다. 일 실시 예에 따르면, 얼굴 영역의 형태는 가로의 길이와 세로의 길이가 동일한 정사각형 형태를 포함할 수 있다.
동작 903에서, 프로세서는 가중치 및 얼굴 영역과 연관된 길이에 기반하여 이미지 보정을 위한 보정 계수를 결정할 수 있다. 예를 들어, 프로세서는 이미지(1001)의 얼굴 영역(1001-1)에 포함된 제1 세트의 랜드마크들의 거리와 제2 세트의 랜드마크들의 거리의 비율이 제1 범위에 포함되는 경우, <수학식 1>에 기반하여 결정된 가중치를 아래의 <수학식 2>에 대입함으로써, 이미지 보정을 위한 보정 계수를 결정할 수 있다.
Figure pat00002
<수학식 2>에서, Cv는 얼굴 영역의 수직 위치에 기반한 보정 계수를 나타내고, λc는 이미지의 보정 강도를 결정하는 상수 값을 나타내고, fwidth는 얼굴 영역의 한 변의 길이를 나타낼 수 있다. Ch는 얼굴 영역의 수평 위치에 기반한 보정 계수를 나타낼 수 있다. 다른 예를 들어, 프로세서는 얼굴 영역에 포함된 제1 세트의 랜드마크들의 거리와 제2 세트의 랜드마크들의 거리의 비율이 제1 범위에 포함되지 않으나, 3 세트의 랜드마크들의 거리와 제4 세트의 랜드마크들의 거리의 비율이 제2 범위(예: 1 미만)에 포함되거나 또는 3 세트의 랜드마크들의 거리와 제4 세트의 랜드마크들의 거리의 비율이 제3 세트의 랜드마크들의 거리와 제5 세트의 랜드마크들의 거리의 비율보다 큰 경우, <수학식 1>에 기반하여 결정된 가중치를 아래의 <수학식 3>에 대입함으로써, 이미지 보정을 위한 보정 계수를 결정할 수 있다.
Figure pat00003
<수학식 3>에서 는 Cv는 얼굴 영역의 수직 위치에 기반한 보정 계수를 나타내고, λc및 λg는 이미지의 보정 강도를 결정하는 상수 값을 나타내고, Ch는 얼굴 영역의 한 변의 길이를 나타낼 수 있다.
동작 905에서, 프로세서는 보정 계수에 기반하여 이미지 워핑을 수행할 수 있다. 예를 들어, 프로세서는 <수학식 2> 또는 <수학식 3>에 기반하여 결정된 보정 계수 값에 기반하여 이미지(1001)의 적어도 일부 형태를 변형시키기 위한 좌표를 아래의 도 11에 도시된 알고리즘을 통해 결정할 수 있다. 프로세서는 결정된 좌표에 기반하여 이미지의 적어도 일부 형태를 변형시킬 수 있다. 예를 들어, 프로세서는 도 11에 도시된 알고리즘을 통해, 이미지(1001)의 제1 부분(Ptl)이 도 11에 도시된 알고리즘에 의해 계산된 제3 부분(P'tl)에 위치하고, 이미지(1001)의 제2 부분(Ptr)이 도11에 도시된 알고리즘에 의해 계산된 제4 부분(P'tr)에 위치하도록 이미지(1001)의 적어도 일부를 확장한 이미지(1003)를 획득할 수 있다.
동작 907에서, 프로세서는 이미지 워핑이 수행된 이미지의 적어도 일부에 기반하여 이미지 왜곡이 보정된 다른 이미지를 획득할 수 있다. 예를 들어, 프로세서는 이미지 워핑이 수행된 이미지(1003)에서 이미지(1001)에 대응하는 일부 영역(1003-1)을 크롭하고, 크롭된 일부 영역을 이미지(1001)의 크기에 대응하도록 리사이징(resizing)함으로써, 왜곡이 보정된 이미지(1005)를 획득할 수 있다.
다양한 실시 예들에 따르면, 전자 장치에서 이미지 처리 방법은, 얼굴에 대응하는 시각적 객체를 포함하는 이미지를 획득하는 동작과, 상기 시각적 객체로부터 얼굴 구성요소(facial component)에 대응하는 복수의 랜드마크들을 식별하는 동작, 및 상기 복수의 랜드마크들 중 제1 세트의 랜드마크들의 거리와 상기 복수의 랜드마크들 중 제2 세트의 랜드마크들의 거리의 비율이 제1 범위에 포함됨을 식별한 것에 응답하여, 상기 이미지에 기반하여 보정된 제1 이미지를 획득하는 동작을 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 제1 세트의 랜드마크들은, 제1 랜드마크 및 제2 랜드마크를 포함하고, 상기 제2 세트의 랜드마크들은, 제3 랜드마크 및 제4 랜드마크를 포함하며, 상기 이미지 처리 방법은, 상기 제1 세트의 랜드마크들의 거리와 상기 제2 세트의 랜드마크들의 거리의 비율이 상기 제1 범위에 포함되지 않음을 식별한 것에 응답하여, 상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제3 랜드마크의 거리의 비율이 제2 범위에 포함되는지 여부를 결정하는 동작 및 상기 제1 랜드마크와 상기 제3 랜드마크 사이의 거리와 상기 제2 랜드마크와 상기 제3 랜드마크의 거리의 비율이 상기 제2 범위에 포함되는 경우, 상기 이미지에 기반하여 보정된 제2 이미지를 획득하는 동작을 더 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 이미지 처리 방법은, 상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제3 랜드마크의 거리의 비율이 상기 제2 범위에 포함되지 않는 경우, 상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제3 랜드마크의 거리의 비율이 상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제4 랜드마크의 거리의 비율보다 큰지 여부를 결정하는 동작 및 상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제3 랜드마크의 거리의 비율이 상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제4 랜드마크의 거리의 비율보다 큰 경우, 상기 이미지에 기반하여 보정된 상기 제2 이미지를 획득하는 동작을 더 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 이미지 처리 방법은, 상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제3 랜드마크의 거리의 비율이 상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제4 랜드마크의 거리의 비율보다 크지 않은 경우, 상기 이미지를 유지하는 동작을 더 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 제1 이미지를 획득하는 동작은, 상기 시각적 객체의 적어도 일부를 포함하는 얼굴 영역과 연관된 위치 정보에 기반하여 이미지 보정을 위한 가중치를 결정하는 동작과, 상기 가중치 및 상기 얼굴 영역과 연관된 길이 정보에 기반하여 이미지 보정을 위한 제1 보정 계수를 결정하는 동작과, 상기 제1 보정 계수에 기반하여 이미지 워핑을 수행하는 동작, 및 상기 이미지 워핑이 수행된 이미지의 적어도 일부에 기반하여 상기 제1 이미지를 획득하는 동작을 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 제2 이미지를 획득하는 동작은, 상기 얼굴 영역과 연관된 위치 정보에 기반하여 이미지 보정을 위한 상기 가중치를 결정하는 동작과, 상기 가중치 및 상기 얼굴 영역과 연관된 길이 정보에 기반하여 이미지 보정을 위한 제2 보정 계수를 결정하는 동작과, 상기 제2 보정 계수에 기반하여 이미지 워핑을 수행하는 동작, 및 상기 이미지 워핑이 수행된 이미지의 적어도 일부에 기반하여 상기 제2 이미지를 획득하는 동작을 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 얼굴 영역과 연관된 위치 정보는, 상기 얼굴 영역의 중심 좌표를 포함하고, 상기 얼굴 영역과 연관된 길이 정보는, 상기 얼굴 영역의 한 변의 길이를 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 이미지 처리 방법은, 상기 이미지, 상기 제1 이미지, 또는 상기 제2 이미지를 프리뷰 이미지로 표시하는 동작 및 상기 이미지, 상기 제1 이미지, 또는 상기 제2 이미지를 저장하는 동작을 더 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 제1 이미지 또는 상기 제2 이미지는, 상기 이미지가 프리뷰 이미지로 표시하는 동안 획득 및 저장되는 방법.
다양한 실시 예들에 따르면, 상기 이미치 처리 방법은, 상기 시각적 객체로부터 얼굴 구성요소에 대응하는 복수의 랜드마크들이 식별되지 않는 경우, 상기 시각적 객체의 속성을 식별하는 동작과, 상기 시각적 객체의 속성에 기반하여 왜곡 맵(distortion map)을 생성하는 동작과, 상기 왜곡 맵을 보정하기 위한 보정 파라미터를 산출하는 동작, 및 상기 보정 파라미터에 기반하여 상기 이미지를 보정하는 동작을 더 포함하고, 상기 시각적 객체의 속성은, 상기 시각적 객체의 위치 또는 크기 중 적어도 하나를 포함할 수 있다.
본 문서에 개시된 다양한 실시 예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치 (예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시 예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시 예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시 예들로 한정하려는 것이 아니며, 해당 실시 예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나",“A 또는 B 중 적어도 하나,”"A, B 또는 C," "A, B 및 C 중 적어도 하나,”및 “A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제1", "제2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제1) 구성요소가 다른(예: 제2) 구성요소에, “기능적으로” 또는 “통신적으로”라는 용어와 함께 또는 이런 용어 없이, “커플드” 또는 “커넥티드”라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일 실시 예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시 예들은 기기(machine)(예: 전자 장치(301)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(336) 또는 외장 메모리(330))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(340))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(301))의 프로세서(예: 프로세서(320))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체 는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일 실시 예에 따르면, 본 문서에 개시된 다양한 실시 예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두개의 사용자 장치들(예: 스마트폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시 예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있다. 다양한 실시 예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시 예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

Claims (20)

  1. 전자 장치에 있어서,
    적어도 하나의 카메라;
    상기 적어도 하나의 카메라와 작동적으로 연결된 프로세서; 및
    상기 프로세서와 작동적으로 연결된 메모리를 포함하고,
    상기 메모리는, 실행 시에, 상기 프로세서가,
    상기 적어도 하나의 카메라를 이용하여 얼굴에 대응하는 시각적 객체를 포함하는 이미지를 획득하고,
    상기 시각적 객체로부터 얼굴 구성요소(facial component)에 대응하는 복수의 랜드마크들을 식별하고, 및
    상기 복수의 랜드마크들 중 제1 세트의 랜드마크들의 거리와 상기 복수의 랜드마크들 중 제2 세트의 랜드마크들의 거리의 비율이 제1 범위에 포함됨을 식별한 것에 응답하여, 상기 이미지에 기반하여 보정된 제1 이미지를 획득하도록 하는 인스트럭션들을 저장하는 전자 장치.
  2. 제1항에 있어서,
    상기 제1 세트의 랜드마크들은,
    제1 랜드마크 및 제2 랜드마크를 포함하고,
    상기 제2 세트의 랜드마크들은,
    제3 랜드마크 및 제4 랜드마크를 포함하며,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 제1 세트의 랜드마크들의 거리와 상기 제2 세트의 랜드마크들의 거리의 비율이 상기 제1 범위에 포함되지 않음을 식별한 것에 응답하여, 상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제3 랜드마크의 거리의 비율이 제2 범위에 포함되는지 여부를 결정하고, 및
    상기 제1 랜드마크와 상기 제3 랜드마크 사이의 거리와 상기 제2 랜드마크와 상기 제3 랜드마크의 거리의 비율이 상기 제2 범위에 포함되는 경우, 상기 이미지에 기반하여 보정된 제2 이미지를 획득하도록 하는 전자 장치.
  3. 제2항에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제3 랜드마크의 거리의 비율이 상기 제2 범위에 포함되지 않는 경우, 상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제3 랜드마크의 거리의 비율이 상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제4 랜드마크의 거리의 비율보다 큰지 여부를 결정하고, 및
    상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제3 랜드마크의 거리의 비율이 상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제4 랜드마크의 거리의 비율보다 큰 경우, 상기 이미지에 기반하여 보정된 상기 제2 이미지를 획득하도록 하는 전자 장치.
  4. 제3항에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제3 랜드마크의 거리의 비율이 상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제4 랜드마크의 거리의 비율보다 크지 않은 경우, 상기 이미지를 유지하도록 하는 전자 장치.
  5. 제3항에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 시각적 객체의 적어도 일부를 포함하는 얼굴 영역과 연관된 위치 정보에 기반하여 이미지 보정을 위한 가중치를 결정하고,
    상기 가중치 및 상기 얼굴 영역과 연관된 길이 정보에 기반하여 이미지 보정을 위한 제1 보정 계수를 결정하고,
    상기 제1 보정 계수에 기반하여 이미지 워핑을 수행하고, 및
    상기 이미지 워핑이 수행된 이미지의 적어도 일부에 기반하여 상기 제1 이미지를 획득하도록 하는 전자 장치.
  6. 제5항에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 얼굴 영역과 연관된 위치 정보에 기반하여 이미지 보정을 위한 상기 가중치를 결정하고,
    상기 가중치 및 상기 얼굴 영역과 연관된 길이 정보에 기반하여 이미지 보정을 위한 제2 보정 계수를 결정하고,
    상기 제2 보정 계수에 기반하여 이미지 워핑을 수행하고, 및
    상기 이미지 워핑이 수행된 이미지의 적어도 일부에 기반하여 상기 제2 이미지를 획득하도록 하는 전자 장치.
  7. 제6항에 있어서,
    상기 얼굴 영역과 연관된 위치 정보는, 상기 얼굴 영역의 중심 좌표를 포함하고,
    상기 얼굴 영역과 연관된 길이 정보는, 상기 얼굴 영역의 한 변의 길이를 포함하는 전자 장치.
  8. 제3항에 있어서,
    상기 프로세서와 작동적으로 연결된 디스플레이를 더 포함하고,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 디스플레이를 통해 상기 이미지, 상기 제1 이미지, 또는 상기 제2 이미지를 프리뷰 이미지로 표시하고, 및
    상기 이미지, 상기 제1 이미지, 또는 상기 제2 이미지를 상기 메모리에 저장하도록 하는 전자 장치.
  9. 제3항에 있어서,
    상기 프로세서와 작동적으로 연결된 디스플레이를 더 포함하고,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 디스플레이를 통해 상기 이미지를 프리뷰 이미지로 표시하는 동안, 상기 제1 이미지, 또는 상기 제2 이미지를 획득하고, 및
    상기 획득된 이미지를 상기 메모리에 저장하도록 하는 전자 장치.
  10. 제1항에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 시각적 객체로부터 얼굴 구성요소에 대응하는 복수의 랜드마크들이 식별되지 않는 경우, 상기 시각적 객체의 속성을 식별하고,
    상기 시각적 객체의 속성에 기반하여 왜곡 맵(distortion map)을 생성하고,
    상기 왜곡 맵을 보정하기 위한 보정 파라미터를 산출하고, 및
    상기 보정 파라미터에 기반하여 상기 이미지를 보정하도록 하며,
    상기 시각적 객체의 속성은, 상기 시각적 객체의 위치 또는 크기 중 적어도 하나를 포함하는 전자 장치.
  11. 전자 장치에서 이미지 처리 방법에 있어서,
    얼굴에 대응하는 시각적 객체를 포함하는 이미지를 획득하는 동작;
    상기 시각적 객체로부터 얼굴 구성요소(facial component)에 대응하는 복수의 랜드마크들을 식별하는 동작; 및
    상기 복수의 랜드마크들 중 제1 세트의 랜드마크들의 거리와 상기 복수의 랜드마크들 중 제2 세트의 랜드마크들의 거리의 비율이 제1 범위에 포함됨을 식별한 것에 응답하여, 상기 이미지에 기반하여 보정된 제1 이미지를 획득하는 동작을 포함하는 방법.
  12. 제11항에 있어서,
    상기 제1 세트의 랜드마크들은,
    제1 랜드마크 및 제2 랜드마크를 포함하고,
    상기 제2 세트의 랜드마크들은,
    제3 랜드마크 및 제4 랜드마크를 포함하며,
    상기 제1 세트의 랜드마크들의 거리와 상기 제2 세트의 랜드마크들의 거리의 비율이 상기 제1 범위에 포함되지 않음을 식별한 것에 응답하여, 상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제3 랜드마크의 거리의 비율이 제2 범위에 포함되는지 여부를 결정하는 동작; 및
    상기 제1 랜드마크와 상기 제3 랜드마크 사이의 거리와 상기 제2 랜드마크와 상기 제3 랜드마크의 거리의 비율이 상기 제2 범위에 포함되는 경우, 상기 이미지에 기반하여 보정된 제2 이미지를 획득하는 동작을 더 포함하는 방법.
  13. 제12항에 있어서,
    상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제3 랜드마크의 거리의 비율이 상기 제2 범위에 포함되지 않는 경우, 상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제3 랜드마크의 거리의 비율이 상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제4 랜드마크의 거리의 비율보다 큰지 여부를 결정하는 동작; 및
    상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제3 랜드마크의 거리의 비율이 상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제4 랜드마크의 거리의 비율보다 큰 경우, 상기 이미지에 기반하여 보정된 상기 제2 이미지를 획득하는 동작을 더 포함하는 방법.
  14. 제13항에 있어서,
    상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제3 랜드마크의 거리의 비율이 상기 제1 랜드마크와 상기 제3 랜드마크의 거리와 상기 제2 랜드마크와 상기 제4 랜드마크의 거리의 비율보다 크지 않은 경우, 상기 이미지를 유지하는 동작을 더 포함하는 방법.
  15. 제13항에 있어서,
    상기 제1 이미지를 획득하는 동작은,
    상기 시각적 객체의 적어도 일부를 포함하는 얼굴 영역과 연관된 위치 정보에 기반하여 이미지 보정을 위한 가중치를 결정하는 동작;
    상기 가중치 및 상기 얼굴 영역과 연관된 길이 정보에 기반하여 이미지 보정을 위한 제1 보정 계수를 결정하는 동작;
    상기 제1 보정 계수에 기반하여 이미지 워핑을 수행하는 동작; 및
    상기 이미지 워핑이 수행된 이미지의 적어도 일부에 기반하여 상기 제1 이미지를 획득하는 동작을 포함하는 방법.
  16. 제15항에 있어서,
    상기 제2 이미지를 획득하는 동작은,
    상기 얼굴 영역과 연관된 위치 정보에 기반하여 이미지 보정을 위한 상기 가중치를 결정하는 동작;
    상기 가중치 및 상기 얼굴 영역과 연관된 길이 정보에 기반하여 이미지 보정을 위한 제2 보정 계수를 결정하는 동작;
    상기 제2 보정 계수에 기반하여 이미지 워핑을 수행하는 동작; 및
    상기 이미지 워핑이 수행된 이미지의 적어도 일부에 기반하여 상기 제2 이미지를 획득하는 동작을 포함하는 방법.
  17. 제16항에 있어서,
    상기 얼굴 영역과 연관된 위치 정보는, 상기 얼굴 영역의 중심 좌표를 포함하고,
    상기 얼굴 영역과 연관된 길이 정보는, 상기 얼굴 영역의 한 변의 길이를 포함하는 방법.
  18. 제13항에 있어서,
    상기 이미지, 상기 제1 이미지, 또는 상기 제2 이미지를 프리뷰 이미지로 표시하는 동작; 및
    상기 이미지, 상기 제1 이미지, 또는 상기 제2 이미지를 저장하는 동작을 더 포함하는 방법.
  19. 제13항에 있어서,
    상기 제1 이미지 또는 상기 제2 이미지는, 상기 이미지가 프리뷰 이미지로 표시하는 동안 획득 및 저장되는 방법.
  20. 제11항에 있어서,
    상기 시각적 객체로부터 얼굴 구성요소에 대응하는 복수의 랜드마크들이 식별되지 않는 경우, 상기 시각적 객체의 속성을 식별하는 동작;
    상기 시각적 객체의 속성에 기반하여 왜곡 맵(distortion map)을 생성하는 동작;
    상기 왜곡 맵을 보정하기 위한 보정 파라미터를 산출하는 동작; 및
    상기 보정 파라미터에 기반하여 상기 이미지를 보정하는 동작을 더 포함하고,
    상기 시각적 객체의 속성은, 상기 시각적 객체의 위치 또는 크기 중 적어도 하나를 포함하는 방법.
KR1020180163558A 2018-12-17 2018-12-17 이미지 처리 방법 및 그 전자 장치 KR102607789B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020180163558A KR102607789B1 (ko) 2018-12-17 2018-12-17 이미지 처리 방법 및 그 전자 장치
PCT/KR2019/017895 WO2020130579A1 (ko) 2018-12-17 2019-12-17 이미지 처리 방법 및 그 전자 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180163558A KR102607789B1 (ko) 2018-12-17 2018-12-17 이미지 처리 방법 및 그 전자 장치

Publications (2)

Publication Number Publication Date
KR20200074780A true KR20200074780A (ko) 2020-06-25
KR102607789B1 KR102607789B1 (ko) 2023-11-30

Family

ID=71101486

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180163558A KR102607789B1 (ko) 2018-12-17 2018-12-17 이미지 처리 방법 및 그 전자 장치

Country Status (2)

Country Link
KR (1) KR102607789B1 (ko)
WO (1) WO2020130579A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220046982A (ko) * 2020-10-08 2022-04-15 주식회사 써머캣 이미지에 포함된 얼굴 윤곽을 보정하기 위한 장치 및 이의 작동 방법
WO2024111943A1 (ko) * 2022-11-21 2024-05-30 삼성전자주식회사 복수의 카메라를 이용하여 코드 정보에 대응하는 시각적 객체를 식별하기 위한 전자 장치, 방법, 및 컴퓨터 판독 가능 저장 매체

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070061404A (ko) * 2005-12-09 2007-06-13 가시오 히타치 모바일 커뮤니케이션즈 컴퍼니 리미티드 촬상 장치, 촬상 영상처리방법, 및 컴퓨터 판독가능기록매체
KR20120055598A (ko) * 2009-08-04 2012-05-31 베잘리스 기준 이미지에 따라 타켓 이미지를 수정하는 이미지 처리방법 및 이미지 처리장치
US20140185931A1 (en) * 2011-06-07 2014-07-03 Omron Corporation Image processing device, image processing method, and computer readable medium
KR101460130B1 (ko) * 2007-12-11 2014-11-10 삼성전자주식회사 휴대 단말기의 화상 통화 방법 및 장치
US20160253791A1 (en) * 2015-02-27 2016-09-01 Sony Corporation Optical distortion compensation

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070061404A (ko) * 2005-12-09 2007-06-13 가시오 히타치 모바일 커뮤니케이션즈 컴퍼니 리미티드 촬상 장치, 촬상 영상처리방법, 및 컴퓨터 판독가능기록매체
KR101460130B1 (ko) * 2007-12-11 2014-11-10 삼성전자주식회사 휴대 단말기의 화상 통화 방법 및 장치
KR20120055598A (ko) * 2009-08-04 2012-05-31 베잘리스 기준 이미지에 따라 타켓 이미지를 수정하는 이미지 처리방법 및 이미지 처리장치
US20140185931A1 (en) * 2011-06-07 2014-07-03 Omron Corporation Image processing device, image processing method, and computer readable medium
US20160253791A1 (en) * 2015-02-27 2016-09-01 Sony Corporation Optical distortion compensation

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220046982A (ko) * 2020-10-08 2022-04-15 주식회사 써머캣 이미지에 포함된 얼굴 윤곽을 보정하기 위한 장치 및 이의 작동 방법
WO2024111943A1 (ko) * 2022-11-21 2024-05-30 삼성전자주식회사 복수의 카메라를 이용하여 코드 정보에 대응하는 시각적 객체를 식별하기 위한 전자 장치, 방법, 및 컴퓨터 판독 가능 저장 매체

Also Published As

Publication number Publication date
KR102607789B1 (ko) 2023-11-30
WO2020130579A1 (ko) 2020-06-25

Similar Documents

Publication Publication Date Title
US12073502B2 (en) Electronic device for displaying avatar corresponding to external object according to change in position of external object
US11688146B2 (en) Electronic device and method for displaying sharing information on basis of augmented reality
US11270420B2 (en) Method of correcting image on basis of category and recognition rate of object included in image and electronic device implementing same
KR102565977B1 (ko) 시선에 기반한 관심 영역 검출 방법 및 이를 위한 전자 장치
KR102552923B1 (ko) 복수의 카메라들 또는 깊이 센서 중 적어도 하나를 이용하여 깊이 정보를 획득하는 전자 장치
KR102402148B1 (ko) 전자 장치 및 그의 문자 인식 방법
US11995122B2 (en) Electronic device for providing recognition result of external object by using recognition information about image, similar recognition information related to recognition information, and hierarchy information, and operating method therefor
EP3641294A1 (en) Electronic device and method for obtaining images
KR20200101630A (ko) 아바타 표시를 제어하기 위한 방법 및 그 전자 장치
KR102423295B1 (ko) 심도 맵을 이용하여 객체를 합성하기 위한 장치 및 그에 관한 방법
KR102439502B1 (ko) 전자 장치 및 그의 영상 처리 방법
US11144197B2 (en) Electronic device performing function according to gesture input and operation method thereof
KR20200038111A (ko) 전자 장치 및 제스처 인식 방법
KR102607789B1 (ko) 이미지 처리 방법 및 그 전자 장치
US11956530B2 (en) Electronic device comprising multi-camera, and photographing method
KR20210048725A (ko) 카메라 제어를 위한 방법 및 이를 위한 전자 장치
US20210027540A1 (en) Electronic device and method for providing augmented reality object therefor
EP4102451A1 (en) Method for generating image and electronic device therefor
KR20210101416A (ko) 이미지 센서 제어 방법 및 장치
KR20210144151A (ko) Awb를 수행하여 이미지를 생성하는 전자 장치 및 방법
KR20210061593A (ko) 전자 장치 및 전자 장치의 지문 인식 방법
KR102694616B1 (ko) 깊이 정보에 기반한 이미지 보정 방법 및 장치
KR20190128959A (ko) 전자 장치 및 전자 장치의 이미지 처리 방법
US20230023479A1 (en) Automatic focus detection method of camera and electric device supporting same
KR102723209B1 (ko) 카메라를 포함하는 전자 장치 및 그의 동작 방법

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right