KR20210100341A - 깊이 정보에 기반한 이미지 보정 방법 및 장치 - Google Patents

깊이 정보에 기반한 이미지 보정 방법 및 장치 Download PDF

Info

Publication number
KR20210100341A
KR20210100341A KR1020200014200A KR20200014200A KR20210100341A KR 20210100341 A KR20210100341 A KR 20210100341A KR 1020200014200 A KR1020200014200 A KR 1020200014200A KR 20200014200 A KR20200014200 A KR 20200014200A KR 20210100341 A KR20210100341 A KR 20210100341A
Authority
KR
South Korea
Prior art keywords
image
depth information
face
processor
electronic device
Prior art date
Application number
KR1020200014200A
Other languages
English (en)
Inventor
주재민
김성오
이재명
김일도
이기혁
이다솜
이동환
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 KR1020200014200A priority Critical patent/KR20210100341A/ko
Priority to PCT/KR2021/000852 priority patent/WO2021157917A1/ko
Publication of KR20210100341A publication Critical patent/KR20210100341A/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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/001—Image restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06K9/00221—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration by the use of histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G06T7/593—Depth or shape recovery from multiple images from stereo images
    • 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
    • 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
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/60—Colour correction or control
    • H04N1/6027—Correction or control of colour gradation or colour contrast
    • 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
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/60—Colour correction or control
    • H04N1/6077—Colour balance, e.g. colour cast correction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H04N23/84—Camera processing pipelines; Components thereof for processing colour signals
    • H04N23/88—Camera processing pipelines; Components thereof for processing colour signals for colour balance, e.g. white-balance circuits or colour temperature control
    • 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

Abstract

다양한 실시예에 따르면, 전자 장치는, 카메라, 디스플레이, 깊이 정보 획득 장치, 메모리, 및 상기 카메라, 상기 디스플레이, 상기 깊이 정보 획득 장치 및 상기 메모리와 작동적으로 연결된 프로세서를 포함할 수 있다. 상기 프로세서는 상기 카메라를 사용하여 획득한 제 1 이미지에 포함된 제 1 오브젝트의 얼굴을 감지하면, 상기 제 1 오브젝트의 얼굴을 기준으로 상기 제 1 이미지에 적용된 제 1 색상 보정 정보를 획득하여, 상기 메모리에 저장하고, 상기 깊이 정보 획득 장치를 이용하여 상기 제 1 이미지에 대응하는 제 1 깊이 정보를 획득하고, 상기 제 1 깊이 정보를 상기 메모리에 저장하고, 상기 카메라를 사용하여 획득한 제 2 이미지에 포함된 제 2 오브젝트의 얼굴 검출 여부를 확인하고, 상기 제 2 오브젝트의 얼굴이 검출되지 않으면, 상기 깊이 정보 획득 장치를 이용하여 상기 제 2 이미지에 대응하는 제 2 깊이 정보를 획득하고, 상기 제 1 깊이 정보 및 상기 제 2 깊이 정보에 기반하여 확인된 비교값이 설정된 임계값을 초과하면, 상기 제 1 색상 보정 정보를 이용하여 상기 제 2 이미지의 화이트밸런스를 보정할 수 있다. 그 밖에 다양한 실시예들이 가능할 수 있다.

Description

깊이 정보에 기반한 이미지 보정 방법 및 장치 {METHOD AND ELECTRONIC DEVICE FOR CORRECTING IMAGE BASED ON DEPTH INFORMATION}
본 발명의 다양한 실시 예는 깊이 정보에 기반한 이미지 보정 방법 및 장치에 관한 것이다.
이미지 센서(image sensor)를 포함하는 전자 장치(예: 스마트 폰(smart phone) 및/또는 태블릿 PC(personal computer))는 디지털 이미지를 생성할 수 있다. 전자 장치(예: 디지털 영상 장치)에서 카메라를 사용하여 오브젝트(예: 피사체)를 촬영하는 경우 상기 오브젝트는 색 온도에 따라 색상이 다르게 구현될 수 있다. 전자 장치는 오브젝트에 대한 색상이 정확하게 구현되도록 AWB(auto white balance) 기술 및/또는 얼굴 감지(face detection) 기술을 사용할 수 있다.
AWB 기술은 색 온도에 따라 색상이 다르게 구현되는 상황을 보정할 수 있다. 예를 들어, 광원에 포함되어 있는 RGB 성분에 기반하여, 광원의 색 온도가 높으면 이미지가 전체적으로 푸르게 구현되고, 광원의 색 온도가 낮으면 이미지가 전체적으로 붉게 구현될 수 있다. AWB 기술은 원색과 다르게 구현된 색상을 보정할 수 있는 기술이다.
얼굴 감지 기술은 촬영된 오브젝트의 얼굴을 감지하는 기술이다. 전자 장치는 얼굴 감지 기술을 사용하여 오브젝트의 얼굴을 감지하고, 상기 얼굴을 중심으로 촬영된 이미지의 색상을 보정할 수 있다.
전자 장치는 AWB 기술과 얼굴 감지 기술을 기반으로 촬영된 오브젝트에 대한 이미지의 색상을 보정할 수 있다. 전자 장치는 오브젝트의 얼굴을 감지하지 못하면, 오브젝트가 포함된 이미지의 전체 영역을 기반으로 이미지의 색상을 보정할 수 있다. 예를 들어, 오브젝트의 얼굴이 급격하게 이동하는 상황, 얼굴의 각도가 변경되는 상황, 역광 환경으로 인해 얼굴 인식율이 저하되는 상황, 및/또는 얼굴이 가려지는 상황에서 전자 장치는 오브젝트의 얼굴 감지에 실패할 수 있다. 전자 장치는 얼굴 감지의 성공/실패에 응답하여, 색상의 보정을 다르게 반영할 수 있고, 많은 전력이 소모될 수 있다.
본 발명의 다양한 실시 예들은, 전자 장치에서 촬영된 오브젝트를 디지털 이미지로 표시함에 있어서, 깊이 정보(depth information)를 기반으로 디지털 이미지의 색을 보정할 수 있다. 본 발명의 다양한 실시예들은 깊이 정보에 기반한 이미지의 색상 보정 방법 및 장치를 제공할 수 있다.
다양한 실시예에 따르면, 전자 장치는, 카메라, 디스플레이, 깊이 정보 획득 장치, 메모리, 및 상기 카메라, 상기 디스플레이, 상기 깊이 정보 획득 장치 및 상기 메모리와 작동적으로 연결된 프로세서를 포함할 수 있다. 상기 프로세서는 상기 카메라를 사용하여 획득한 제 1 이미지에 포함된 제 1 오브젝트의 얼굴을 감지하면, 상기 제 1 오브젝트의 얼굴을 기준으로 상기 제 1 이미지에 적용된 제 1 색상 보정 정보를 획득하여, 상기 메모리에 저장하고, 상기 깊이 정보 획득 장치를 이용하여 상기 제 1 이미지에 대응하는 제 1 깊이 정보를 획득하고, 상기 제 1 깊이 정보를 상기 메모리에 저장하고, 상기 카메라를 사용하여 획득한 제 2 이미지에 포함된 제 2 오브젝트의 얼굴 검출 여부를 확인하고, 상기 제 2 오브젝트의 얼굴이 검출되지 않으면, 상기 깊이 정보 획득 장치를 이용하여 상기 제 2 이미지에 대응하는 제 2 깊이 정보를 획득하고, 상기 제 1 깊이 정보 및 상기 제 2 깊이 정보에 기반하여 확인된 비교값이 설정된 임계값을 초과하면, 상기 제 1 색상 보정 정보를 이용하여 상기 제 2 이미지의 화이트밸런스를 보정할 수 있다.
다양한 실시예에 따른 이미지 보정 방법은, 카메라를 사용하여 획득한 제 1 이미지에 포함된 제 1 오브젝트의 얼굴을 감지하는 동작, 상기 제 1 오브젝트의 얼굴을 기준으로 상기 제 1 이미지에 적용된 제 1 색상 보정 정보를 획득하여, 메모리에 저장하는 동작, 깊이 정보 획득 장치를 이용하여 상기 제 1 이미지에 대응하는 제 1 깊이 정보를 획득하고, 상기 제 1 깊이 정보를 상기 메모리에 저장하는 동작, 상기 카메라를 사용하여 획득한 제 2 이미지에 포함된 제 2 오브젝트의 얼굴 검출 여부를 확인하는 동작, 상기 제 2 오브젝트의 얼굴이 검출되지 않으면, 상기 깊이 정보 획득 장치를 이용하여 상기 제 2 이미지에 대응하는 제 2 깊이 정보를 획득하는 동작, 및 상기 제 1 깊이 정보 및 상기 제 2 깊이 정보에 기반하여 확인된 비교값이 설정된 임계값을 초과하면, 상기 제 1 색상 보정 정보를 이용하여 상기 제 2 이미지의 화이트밸런스를 보정하는 동작을 포함할 수 있다.
본 발명의 다양한 실시예들은, 카메라를 사용하여 오브젝트를 촬영할 때, 상기 오브젝트에 대한 색상 보정 정보를 획득하고, 상기 획득된 색상 보정 정보를 기반으로 상기 촬영된 이미지의 색상을 보정할 수 있다. 다양한 실시예들은, 이미지에 포함된 오브젝트의 얼굴 감지에 실패하더라도, 저장된 깊이 정보 및 색상 보정 정보를 기반으로, 상기 이미지의 색상을 보정할 수 있다. 다양한 실시예들은, 잦은 색상 보정에 따른 전력 소모를 줄일 수 있고, 사용자의 의도에 맞게 이미지의 색상을 보정할 수 있다. 이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1은 본 발명의 다양한 실시예들에 따른 네트워크 환경 내의 전자 장치의 블럭도이다.
도 2는 본 발명의 다양한 실시예들에 따른 전자 장치의 블럭도이다.
도 3a 및 도 3b는 본 발명의 다양한 실시예에 따른 오브젝트에 대한 색상 보정 정보 및 깊이 정보를 기반으로 촬영된 이미지의 색상을 보정하는 방법을 나타낸 흐름도이다.
도 4는 본 발명의 다양한 실시예에 따른 오브젝트에 대한 얼굴 검출 및 얼굴 미검출에 따른 예시를 도시한 도면이다.
도 5a 및 도 5b는 본 발명의 다양한 실시예에 따른 제 1 이미지에 대응하는 제1 깊이 정보 및 제 2 이미지에 대응하는 제 2 깊이 정보를 비교하는 예시도이다.
도 6은 본 발명의 다양한 실시예에 따른 거리 형상 지수(distance index, DI)에 따른 이미지 비교 방법을 도시한 예시도이다.
도 7은 본 발명의 다양한 실시예에 따른 교차 면적비 형상 지수(intersection ratio index, IRI)에 따른 이미지 비교 방법을 도시한 예시도이다.
도 8은 본 발명의 다양한 실시예에 따른 히스토그램 매칭 지수(histogram matching index, HMI)에 따른 이미지 비교 방법을 도시한 예시도이다.
도 1은 본 발명의 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블럭도이다.
도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 장치(150), 음향 출력 장치(155), 표시 장치(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 표시 장치(160) 또는 카메라 모듈(180))가 생략되거나, 하나 이상의 다른 구성 요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들은 하나의 통합된 회로로 구현될 수 있다. 예를 들면, 센서 모듈(176)(예: 지문 센서, 홍채 센서, 또는 조도 센서)은 표시 장치(160)(예: 디스플레이)에 임베디드된 채 구현될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 로드하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일 실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치(CPU, central processing unit) 및/또는 어플리케이션 프로세서(AP, application processor)), 및/또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치(GPU, graphic processing unit), 이미지 시그널 프로세서(image signal processor), 센서 허브 프로세서(sensor hub processor), 또는 커뮤니케이션 프로세서(CP, communication processor))를 포함할 수 있다. 추가적으로 또는 대체적으로, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 또는 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 표시 장치(160), 센서 모듈(176), 및/또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 및/또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성 요소(예: 카메라 모듈(180) 및/또는 통신 모듈(190))의 일부로서 구현될 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 및/또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 및/또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 및/또는 어플리케이션(146)을 포함할 수 있다.
입력 장치(150)는, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 장치(150)는, 예를 들면, 마이크, 마우스, 키보드, 및/또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 장치(155)는 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 장치(155)는, 예를 들면, 스피커 및/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 실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
표시 장치(160)는 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 표시 장치(160)는, 예를 들면, 디스플레이, 홀로그램 장치, 및/또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시예에 따르면, 표시 장치(160)는 터치를 감지하도록 설정된 터치 회로(touch circuitry), 및/또는 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 센서 회로(예: 압력 센서)를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시예에 따르면, 오디오 모듈(170)은, 입력 장치(150)를 통해 소리를 획득하거나, 음향 출력 장치(155), 및/또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 및/또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 및/또는 데이터 값을 생성할 수 있다. 일 실시예에 따르면, 센서 모듈(176)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, 및/또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 유선 및/또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 및/또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시예에 따르면, 연결 단자(178)은, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 및/또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 및/또는 전기적인 자극으로 변환할 수 있다. 일 실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 및/또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및/또는 동영상을 촬영할 수 있다. 일 실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 및/또는 플래시들을 포함할 수 있다. 일 실시예에 따르면, 카메라 모듈(180)은 전자 장치(101)의 전면에 배치된 전면 카메라 및/또는 전자 장치(101)의 후면에 배치된 후면 카메라를 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일 실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성 요소에 전력을 공급할 수 있다. 일 실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 및/또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 및/또는 서버(108))간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및/또는 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 및/또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 및/또는 GNSS(global navigation satellite system) 통신 모듈) 및/또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 및/또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi direct 및/또는 IrDA(infrared data association) 같은 근거리 통신 네트워크) 및/또는 제 2 네트워크(199)(예: 셀룰러 네트워크, 인터넷, 및/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 구성 요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성 요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 및/또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 및 인증할 수 있다.
안테나 모듈(197)은 신호 및/또는 전력을 외부(예: 외부 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 및/또는 도전성 패턴으로 이루어진 방사체를 포함하는 하나의 안테나를 포함할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 및/또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 복수의 안테나들로부터 선택될 수 있다. 신호 및/또는 전력은 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC)이 추가로 안테나 모듈(197)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), 및/또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일 실시예에 따르면, 명령 및/또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104) 간에 송신 또는 수신될 수 있다. 외부 전자 장치(102, 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 및/또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부 전자 장치들에게 그 기능 및/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(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 및/또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다.
도 2는 본 발명의 다양한 실시예들에 따른 전자 장치(예: 도 1의 전자 장치(101)의 블럭도이다.
도 2를 참조하면, 전자 장치(101)는 프로세서(예: 도 1의 프로세서(120)), 메모리(예: 도 1의 메모리(130)), 디스플레이(예: 도 1의 표시 장치(160)), 센서 모듈(예: 도 1의 센서 모듈(176)) 및/또는 이미지 센서(201)(예: 도 1의 카메라 모듈(180)을 구성하는 이미지 센서)을 포함할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 이미지 센서(201)를 사용하여 적어도 하나의 오브젝트(object)(예: 피사체)를 촬영할 수 있고, 디지털 이미지를 구현/생성할 수 있다. 예를 들어, 전자 장치(101)는 이미지 센서(201)를 이용하여 오브젝트가 포함된 이미지를 획득할 수 있다.
일 실시예에 따르면, 프로세서(120)는 메모리(130)에 저장된 프로그램(예: 도 1의 프로그램(140))을 실행하여, 적어도 하나의 다른 구성 요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시예에 따르면, 프로세서(120)는 이미지 센서(201)를 사용하여 영상을 획득할 수 있고, 상기 획득된 영상을 디지털 이미지로 구현할 수 있다. 프로세서(120)는 상기 디지털 이미지에 대한 색상을 보정할 수 있고, 상기 디스플레이(160)를 통해, 상기 디지털 이미지를 표시할 수 있다.
일 실시예에 따르면, 메모리(130)는 이미지 센서(201)와 관련된 어플리케이션 프로그램을 저장할 수 있다. 프로세서(120)는 상기 어플리케이션 프로그램을 실행하고, 이미지 센서(201)를 활성화하여 이미지를 획득할 수 있다. 메모리(130)는 디지털 이미지와 관련된 데이터를 저장할 수 있다.
일 실시예에 따르면, 메모리(130)는 획득된 이미지에 포함된 오브젝트의 얼굴을 감지하기 위한 얼굴 검출 알고리즘(211) 및/또는 상기 획득된 이미지의 화이트밸런스(white balance)를 보정하기 위한 AWB(auto white balance) 알고리즘(212)을 저장할 수 있다. 일 실시예에 따르면, 프로세서(120)는 이미지 센서(201)를 사용하여 이미지를 획득할 때, 얼굴 검출 알고리즘(211)을 기반으로 상기 이미지에 포함된 오브젝트의 얼굴을 감지할 수 있다. 프로세서(120)는 상기 오브젝트의 얼굴을 감지하면, 상기 감지된 얼굴을 기반으로 색상을 보정할 수 있고, 상기 색상이 보정된 이미지를 생성할 수 있다. 일 실시 예에 따르면, 프로세서(120)는 AWB 알고리즘(212)을 기반으로 이미지의 화이트 밸런스를 보정할 수 있다. 예를 들어, AWB 알고리즘(212)은 이미지의 색상을 보정할 때, 색 온도에 대응하여 색상을 보정하기 위한 데이터를 포함할 수 있다. 예를 들어, 프로세서(120)는 상기 이미지에 대한 색상 보정 정보를 획득할 수 있고, 상기 획득된 색상 보정 정보를 기반으로 이미지의 색상을 보정할 수 있다. 예를 들어, 카메라 모듈(180)을 사용하여 이미지를 획득 할 때, 광원의 색 온도가 높으면 이미지가 전체적으로 푸르게 구현될 수 있고, 광원의 색 온도가 낮으면 디지털 이미지가 전체적으로 붉게 구현될 수 있다. 일 실시예에 따르면, 프로세서(120)는 AWB 알고리즘(212)을 기반으로 획득된 이미지의 색상을 보정할 수 있다. 예를 들어, 프로세서(120)는 지정된 흰색 또는 지정된 회색을 확인할 수 있고, 상기 지정된 특정 색상을 기반으로 기계적으로 빛의 색상을 보정할 수 있다. 프로세서(120)는 사용자가 육안으로 실제 색상을 확인하도록 이미지를 디스플레이에 표시할 수 있다.
일 실시예에 따르면, 디스플레이(160)는 이미지 센서(201)를 사용하여 획득된 이미지를 표시할 수 있다. 프로세서(120)는 상기 디스플레이(160)를 통해 상기 이미지를 표시할 수 있다. 프로세서(120)는 디스플레이를 이용하여 실시간으로 표시되는 프리뷰 화면으로 획득된 이미지를 표시할 수도 있고, 정지된 이미지를 표시할 수도 있다.
일 실시예에 따르면, 센서 모듈(176)은 적어도 하나의 센서(예: 조도 센서, 및/또는 근접 센서)를 포함할 수 있다. 센서 모듈(176)은 전자 장치(101)의 주변 환경에 대한 밝기를 측정할 수 있다. 예를 들어, 프로세서(120)는 상기 센서 모듈(176)을 사용하여 주변 밝기를 확인하고, 상기 확인된 주변 밝기를 기반으로 이미지의 색상을 보정할 수 있다. 일 실시예에 따르면, 프로세서(120)는 이미지에 포함된 오브젝트의 얼굴을 검출함에 있어서, 전자 장치(101)의 주변 밝기에 영향을 받을 수 있다. 예를 들어, 역광 상태에서 이미지를 획득하면, 프로세서(120)는 이미지에 포함된 오브젝트의 얼굴을 검출하기 어려울 수 있다. 프로세서(120)는 센서 모듈(176)을 통해 역광 상태임을 확인할 수 있고, 상기 역광 상태임을 고려하여 이미지를 획득할 수 있다.
일 실시예에 따르면, 센서 모듈(176)은 오브젝트에 대한 깊이 정보(depth information)를 획득하기 위한 깊이 정보 획득 장치(220)를 포함할 수 있다. 프로세서(120)는 깊이 정보 획득 장치(220)를 사용하여 이미지에 포함된 오브젝트의 깊이 정보를 획득할 수 있다. 일 실시예에 따르면, 프로세서(120)는 깊이 정보를 기반으로 연속 촬영된 이미지의 유사도(shape similarity)를 확인할 수 있다.
일 실시예에 따르면, 센서 모듈(176)은 이미지에 포함된 오브젝트의 얼굴을 검출하기 위한 ToF(time of flight) 센서(예: 깊이 정보 획득 장치(220))를 포함할 수 있다. 예를 들어, 프로세서(120)는 이미지 센서(201)를 사용하여 오브젝트를 포함하는 이미지를 획득할 때, 상기 ToF 센서를 사용하여 촬영 이미지에 대응하는 깊이 정보(depth information)를 검출할 수 있다. ToF 센서는 센서 모듈(176)에 포함되는 것으로 기재되었으나, 이에 한정되지 않는다. 다른 실시예에 따르면, ToF 센서는 카메라 모듈(예: 도 1의 카메라 모듈(180))에 포함될 수 있다.
일 실시예에 따르면, 전자 장치(101)는 메모리(130)에 얼굴 검출 알고리즘(211) 및 AWB 알고리즘(212)을 포함할 수 있다. 전자 장치(101)는 얼굴 검출 알고리즘(211)을 사용하여 이미지에 포함된 오브젝트의 얼굴을 검출할 수 있고, AWB 알고리즘(212)을 사용하여 이미지의 색상을 보정할 수 있다.
예를 들어, 프로세서(120)는 오브젝트에 대한 관심 영역(예: ROI(region of interest))을 확인하고, 얼굴 검출 알고리즘(211)을 이용하여 상기 관심 영역을 기반으로 획득한 이미지에 포함된 오브젝트의 얼굴을 검출할 수 있다. 예를 들어, 얼굴을 검출하는 알고리즘은 지식-기반 방법, 특징-기반 방법, 템플릿 매칭 방법, 또는 외형-기반 방법을 포함할 수 있다. 예를 들어, 지식-기반 방법은 얼굴에 포함되는 눈, 코, 또는 입의 기하학적인 특성을 파악하여 얼굴을 검출하는 방법일 수 있다. 예를 들어, 특징-기반 방법은 얼굴 요소, 질감 정보, 및/또는 피부색을 복합적으로 사용하여 얼굴을 검출하는 방법일 수 있다. 예를 들어, 템플릿 매칭 방법은 설정된 얼굴 패턴을 기반으로 획득된 이미지에 포함된 피사체의 얼굴을 비교하여, 얼굴을 검출하는 방법일 수 있다. 예를 들어, 외형-기반 방법은 입력된 학습 모델을 이용하여 얼굴을 검출하는 방법일 수 있다. 일 실시예에 따르면, 프로세서(120)는 얼굴 검출 알고리즘(211)을 기반으로 오브젝트의 얼굴을 감지할 수 있다.
일 실시예에 따르면, 전자 장치(101)는 센서 모듈(176)에 포함된 깊이 정보 획득 장치(220)를 사용하여 이미지를 획득할 때, 이미지에 대응하는 깊이 정보를 획득할 수 있다. 예를 들어, 깊이 정보 획득 장치(220)는 적외선 카메라(IR(infrared) 카메라) 및/또는 스테레오 카메라(stereo camera)를 포함할 수 있고, 상기 적외선 카메라 및/또는 스테레오 카메라를 사용하여 이미지에 대응하는 깊이 정보를 획득할 수 있다. 일 실시예에 따르면, 깊이 정보는 AI 기반의 깊이 정보 및/또는 오브젝트의 얼굴에 기반한 segmentation 정보를 포함할 수 있다. 일 실시예에 따르면, 깊이 정보 획득 장치(220)는 적어도 부분적으로 활성화 또는 비활성화될 수 있다. 예를 들어, 프로세서(120)는 이미지에 포함된 오브젝트의 얼굴 검출을 위해, 설정된 시간 동안 깊이 정보 획득 장치(220)의 동작을 유지할 수 있다. 또 다른 예로, 프로세서(120)는 이미지에 포함된 오브젝트의 얼굴 검출을 위해 설정된 시간이 초과되는 경우 깊이 정보 획득 장치(220)를 비활성화할 수 있다.
일 실시 예에 따르면, 프로세서(120)는 획득된 이미지에 대한 색상을 보정할 수 있다. 일 실시예에 따르면, 프로세서(120)는 획득된 이미지에 포함된 오브젝트의 얼굴을 검출하면, 상기 얼굴을 기반으로 이미지의 색상을 보정할 수 있다. 프로세서(120)는 획득된 이미지에 포함된 피사체의 얼굴이 검출되지 않으면, 이미지 전체에 기반하여 이미지의 색상을 보정할 수 있다.
일 실시예에 따르면, 깊이 정보 획득 장치(220)는 제 1 이미지, 또는 제 2 이미지에 대응하는 깊이 정보를 획득할 수 있다. 상기 획득된 깊이 정보는 메모리(130)에 저장될 수 있다. 일 실시예에 따르면, 프로세서(120)는 제 1 이미지에 대응하는 제 1 깊이 정보 및 제 2 이미지에 대응하는 제 2 깊이 정보를 획득할 수 있다. 프로세서(120)는 제 1 깊이 정보와 제 2 깊이 정보를 기반으로 비교값을 계산할 수 있고, 상기 비교값이 지정된 조건을 만족하는지 여부를 확인 할 수 있다. 예를 들어, 프로세서(120)는 상기 비교값이 설정된 기준값(예: 임계값(threshold value))을 초과하는지 여부를 확인할 수 있다. 예를 들어, 제 1 깊이 정보와 제 2 깊이 정보를 기반으로 계산된 비교값이 1에 가까울수록, 제 1 이미지에 포함된 오브젝트의 정보와 제 2 이미지에 포함된 오브젝트의 정보가 유사하다는 의미일 수 있다. 일 실시예에 따르면, 프로세서(120)는 제 1 이미지에 포함된 오브젝트의 정보와 제 2 이미지에 포함된 오브젝트가 유사하므로, 상기 제 1 이미지에 사용된 색상 보정 정보를 사용하여 제 2 이미지의 색상을 보정할 수 있다. 예를 들어, 기준값이 약 0.8일 때, 상기 비교값이 상기 기준값을 초과하면, 제 1 이미지와 제 2 이미지가 약 80% 정도 유사하다는 의미이고, 프로세서(120)는 제 1 이미지에 사용된 색상 보정 정보를 사용하여 제 2 이미지의 색상을 보정할 수 있다. 예를 들어, 색상 보정 정보는 화이트밸런스 정보를 포함할 수 있다.
일 실시예에 따르면, 프로세서(120)는 AWB (auto white balance) 알고리즘(212)을 이용하여 이미지의 색상을 보정할 수 있다. 예를 들어, 프로세서(120)는 이미지에 포함된 오브젝트의 얼굴 감지에 성공하면, 상기 오브젝트의 얼굴을 기반으로 AWB (auto white balance) 알고리즘(212)을 이용하여 색상을 보정할 수 있다. 프로세서(120)는 이미지에 포함된 오브젝트의 얼굴 감지에 실패하면, 이미지 전체를 기반으로 AWB (auto white balance) 알고리즘(212)을 이용하여 색상을 보정할 수 있다. 예를 들어, 프로세서(120)는 이미지에 포함된 적어도 하나의 오브젝트를 확인할 수 있고, 상기 확인된 적어도 하나의 오브젝트를 기반으로 AWB (auto white balance) 알고리즘을 이용하여 색상을 보정할 수 있다.
다양한 실시예에 따르면, 전자 장치(101)는, 카메라(예: 카메라 모듈(180)), 디스플레이(160), 깊이 정보 획득 장치(220), 메모리(130), 및 상기 카메라, 상기 디스플레이(160), 상기 깊이 정보 획득 장치(220) 및 상기 메모리(130)와 작동적으로 연결된 프로세서(120)를 포함할 수 있다. 상기 프로세서(120)는 상기 카메라를 사용하여 획득한 제 1 이미지에 포함된 제 1 오브젝트의 얼굴을 감지하면, 상기 제 1 오브젝트의 얼굴을 기준으로 상기 제 1 이미지에 적용된 제 1 색상 보정 정보를 획득하여, 상기 메모리(130)에 저장하고, 상기 깊이 정보 획득 장치를 이용하여 상기 제 1 이미지에 대응하는 제 1 깊이 정보를 획득하고, 상기 제 1 깊이 정보를 상기 메모리(130)에 저장하고, 상기 카메라를 사용하여 획득한 제 2 이미지에 포함된 제 2 오브젝트의 얼굴 검출 여부를 확인하고, 상기 제 2 오브젝트의 얼굴이 검출되지 않으면, 상기 깊이 정보 획득 장치를 이용하여 상기 제 2 이미지에 대응하는 제 2 깊이 정보를 획득하고, 상기 제 1 깊이 정보와 상기 제 2 깊이 정보 간의 비교값이 설정된 임계값을 초과하면, 상기 제 1 색상 보정 정보를 이용하여 상기 제 2 이미지의 화이트밸런스를 보정할 수 있다.
일 실시예에 따르면, 상기 프로세서(120)는 얼굴 감지 알고리즘을 사용하여 상기 제 1 오브젝트의 얼굴 또는 상기 제 2 오브젝트의 얼굴을 감지할 수 있다.
일 실시예에 따르면, 상기 프로세서(120)는 AWB(auto white balance) 알고리즘을 사용하여 상기 제 1 이미지 또는 상기 제 2 이미지의 화이트밸런스(예: 색상)를 보정할 수 있다.
일 실시예에 따르면, 상기 프로세서(120)는 상기 제 2 오브젝트의 얼굴이 검출되면, 상기 제 1 색상 보정 정보를 상기 제 2 이미지에 적용된 제 2 색상 보정 정보로 업데이트하고, 상기 제 1 깊이 정보를 상기 제 2 깊이 정보로 업데이트할 수 있다.
일 실시예에 따르면, 상기 프로세서(120)는 상기 제 1 깊이 정보 및 상기 제 2 깊이 정보를 기반으로 거리 형상 지수(distance index), 교차 면적비 형상 지수(intersection ratio index), 및 히스토그램 매칭 지수(histogram matching index) 중 적어도 하나를 확인하고, 상기 확인된 적어도 하나의 지수(index)를 기반으로 상기 비교값을 계산할 수 있다.
일 실시예에 따르면, 상기 비교값은 상기 제 1 이미지 및 상기 제 2 이미지에 대한 유사도(shape similarity)를 포함할 수 있다.
일 실시예에 따르면, 상기 프로세서(120)는 상기 비교값이 상기 지정된 조건을 만족하지 않으면, 상기 제 2 이미지의 전체 영역을 기준으로 화이트밸런스를 보정할 수 있다.
일 실시예에 따르면, 상기 프로세서(120)는 상기 비교값이 상기 지정된 조건을 만족하면, 상기 깊이 정보 획득 장치를 비활성화할 수 있다.
일 실시예에 따르면, 상기 깊이 정보 획득 장치(220)는 ToF(time of flight) 센서, 스테레오(stereo) 카메라, 및/또는 IR(infrared) 카메라 중 적어도 하나를 포함할 수 있다.
일 실시예에 따르면, 상기 프로세서(120)는 상기 제 1 이미지가 제 3 오브젝트를 더 포함하고, 상기 제 3 오브젝트의 얼굴을 감지한 경우, 상기 제 1 오브젝트 및 상기 제 3 오브젝트에 대한 우선 순위를 확인하고, 상기 확인된 우선 순위를 기반으로 하나의 얼굴을 선택하고, 상기 선택된 얼굴을 기반으로 상기 제 1 이미지에 적용된 색상 보정 정보를 획득하여, 상기 메모리에 저장할 수 있다.
도 3a 및 도 3b는 본 발명의 다양한 실시예에 따른 오브젝트에 대한 색상 보정 정보 및 깊이 정보를 기반으로 촬영된 이미지의 색상을 보정하는 방법을 나타낸 흐름도이다.
도 3a을 참조하면, 동작 301에서 전자 장치(예: 도 1의 전자 장치(101))의 프로세서(예: 도 1의 프로세서(120))는 카메라(예: 도 1의 카메라 모듈(180))를 사용하여 제 1 이미지를 획득할 수 있다. 프로세서(120)는 동작 303에서 상기 획득한 제 1 이미지에 포함된 제 1 오브젝트(예: 제 1 피사체)의 얼굴을 검출할 수 있다. 프로세서(120)는 얼굴 검출 알고리즘(예: 도 2의 얼굴 검출 알고리즘(211))을 통해 이미지에 포함된 오브젝트의 얼굴을 검출할 수 있다. 일 실시 예에서, 프로세서(120)는 실시간으로 이미지에 포함된 오브젝트의 얼굴을 검출할 수 있다.
동작 305에서, 프로세서(120)는 상기 제 1 이미지에 대한 제 1 색상 보정 정보 및 제 1 깊이 정보를 획득할 수 있다. 예를 들어, 전자 장치(101)는 제 1 이미지에 대응하는 제 1 깊이 정보를 획득하기 위한 깊이 정보 획득 장치(예: ToF 센서, 적외선(IR) 카메라, 및/또는 스테레오 카메라)(예: 도 2의 깊이 정보 획득 장치(220))가 포함될 수 있다. 일 실시예에 따르면, 깊이 정보 획득 장치(220)는 센서 모듈(예: 도 2의 센서 모듈(176))에 포함될 수 있으나, 이에 한정되지는 않는다. 일 실시예에 따르면, 프로세서(120)는 깊이 정보 획득 장치(220)를 사용하여 제 1 이미지에 대응하는 제 1 깊이 정보를 획득할 수 있다. 예를 들어, 제 1 이미지에 적어도 하나의 오브젝트(예: 제 1 오브젝트)가 포함될 경우, 제 1 깊이 정보는 상기 적어도 하나의 오브젝트에 대응하는 깊이 정보를 포함할 수 있다. 일 실시예에 따르면, 깊이 정보는 AI 기반의 깊이 정보 및/또는 오브젝트의 얼굴에 기반한 segmentation 정보를 포함할 수 있다. 일 실시 예에 따르면, 프로세서(120)는 상기 제1 이미지에 포함된 오브젝트의 얼굴을 기준으로 상기 제 1 이미지의 색상을 보정할 수 있다. 예를 들어, 제 1 이미지의 색상을 보정함에 있어서, 사용된 정보가 제 1 색상 보정 정보일 수 있다. 예를 들어, 프로세서(120)는 제 1 이미지에 포함된 제 1 오브젝트의 얼굴을 기준으로 상기 제 1 이미지의 화이트밸런스를 보정할 수 있다. 프로세서(120)는 제 1 색상 보정 정보를 이용하여 상기 제 1 이미지의 화이트밸런스를 보정할 수 있다. 프로세서(120)은 상기 제 1 이미지에 적용된 제 1 색상 보정 정보 및 제 1 깊이 정보를 메모리(예: 도 1의 메모리(130))에 저장할 수 있다.
동작 307에서, 프로세서(120)는 카메라(180)를 사용하여 제 2 이미지를 획득할 수 있고, 동작 309에서 상기 제 2 이미지에 포함된 제 2 오브젝트의 얼굴이 검출되는지 여부를 확인할 수 있다. 일 실시예에서, 제 1 이미지에 포함된 제 1 오브젝트와 제 2 이미지에 포함된 제 2 오브젝트는 동일한 피사체일 수 있다. 예를 들어, 제 2 이미지는 제 1 이미지의 획득 이후에, 획득되는 적어도 하나의 이미지를 포함할 수 있다. 예를 들어, 프로세서(120)는 제 1 이미지를 획득하고, 설정된 시간 간격에 따라, 제 2 이미지를 획득할 수 있다. 일 실시예에 따르면, 제 2 오브젝트가 급격하게 움직이는 경우 프로세서(120)는 제 2 이미지에 포함된 제 2 오브젝트의 얼굴 검출에 실패할 수 있다. 다른 실시예에 따르면, 촬영되는 이미지의 방향이 변경되는 경우 프로세서(120)는 제 2 이미지에 포함된 제 2 오브젝트의 얼굴 검출에 실패할 수 있다. 다른 실시예에 따르면, 역광 상황에서 제 2 이미지를 획득하는 경우 프로세서(120)는 제 2 이미지에 포함된 제 2 오브젝트의 얼굴 검출에 실패할 수 있다. 다른 실시예에 따르면, 제 2 이미지에 포함된 제 2 오브젝트의 얼굴이 적어도 부분적으로 가려지는 경우 프로세서(120)는 제 2 오브젝트의 얼굴 검출에 실패할 수 있다. 다양한 실시예에 따르면, 프로세서(120)는 제 1 이미지에 이어, 제 2 이미지에 포함된 제 2 오브젝트의 얼굴이 계속해서 검출되는지 여부를 확인할 수 있다. 일 실시예에 따르면, 프로세서(120)는 얼굴 검출 알고리즘(211)을 기반으로 제 2 이미지에 포함된 오브젝트의 얼굴을 검출할 수 있다.
일 실시예에 따르면, 프로세서(120)는 이미지에 포함된 복수의 오브젝트에 대응하여 복수의 얼굴이 검출되는 경우 우선 순위에 따라 적어도 하나의 얼굴을 결정할 수 있다. 예를 들어, 제 1 이미지는 제 1 오브젝트 및 제 3 오브젝트를 포함할 수 있고, 프로세서(120)은 제 1 오브젝트의 얼굴 및 제 2 오브젝트의 얼굴을 검출할 수 있다. 예를 들어, 프로세서(120)는 제 1 이미지에 포함된 제 1 오브젝트의 얼굴 및 제 3 오브젝트의 얼굴 중, 제 1 이미지의 많은 영역(예: 픽셀(pixel))을 차지하는 얼굴을 결정할 수 있고, 상기 결정된 얼굴의 우선 순위를 높게 설정할 수 있다. 또 다른 예로, 프로세서(120)는 제 1 이미지에 포함된 제 1 오브젝트의 얼굴 및 제 2 오브젝트의 얼굴 중 얼굴 태그가 적용된 얼굴의 우선 순위를 높게 설정할 수 있다. 일 실시 예에서, 프로세서(120)은 상기 적어도 하나의 얼굴을 기준으로 이미지의 색상을 보정할 수 있다. 예를 들어, 프로세서(120)은 상기 적어도 하나의 얼굴을 기준으로 AWB기술(예: 도 2의 AWB 알고리즘(212))을 이용하여 이미지의 화이트밸런스를 보정할 수 있다.
동작 309에서, 제 2 이미지에 포함된 제 2 오브젝트의 얼굴이 검출되지 않으면, 동작 311에서 프로세서(120)는 상기 제 2 이미지에 대응하는 제 2 깊이 정보를 획득할 수 있다. 예를 들어, 전자 장치(101)는 깊이 정보 획득 장치(예: ToF 센서, 적외선(IR) 카메라, 및/또는 스테레오 카메라)(예: 도 2의 깊이 정보 획득 장치(220))를 사용하여 제 2 이미지에 대응하는 제 2 깊이 정보를 획득할 수 있다. 프로세서(120)는 제 2 이미지에 포함된 제 2 오브젝트(예: 제 2 피사체)에 대응하는 제 2 깊이 정보를 획득할 수 있다. 동작 309에서 제 2 이미지에 포함된 제 2 오브젝트의 얼굴이 검출되면, A 단계(도 3b)로 분기할 수 있다. 도 3b를 참조하면, 프로세서(120)는 상기 제 2 이미지에 포함된 제 2 오브젝트의 얼굴을 기준으로 색상을 보정할 수 있다. 예를 들어, 프로세서(120)는 상기 제 2 이미지에 포함된 제 2 오브젝트의 얼굴을 기준으로 화이트밸런스를 보정할 수 있다.
동작 313에서, 프로세서(120)는 제 1 깊이 정보와 제 2 깊이 정보를 비교할 수 있다. 예를 들어, 프로세서(120)는 제 1 깊이 정보 및 제 2 깊이 정보 간의 비교값을 확인할 수 있다. 제 1 깊이 정보는 제 1 이미지에 대응하는 깊이 정보이고, 제 2 깊이 정보를 제 2 이미지에 대응하는 깊이 정보일 수 있다. 예를 들어, 제 1 깊이 정보 및 제 2 깊이 정보 간의 비교값(예: 유사도)은 깊이 정보에 대한 변화량을 포함할 수 있다. 예컨대, 상기 비교값은 제 1 이미지에 대한, 제 2 이미지의 변화량을 의미할 수 있다. 상기 비교값은 제 1 이미지에 대한 제 2 이미지의 유사도를 포함할 수 있다. 예를 들어, 상기 비교값은 제 1 이미지의 제 1 깊이 정보와 제 2 이미지의 제 2 깊이 정보 간의 유사성을 나타내는 수치값일 수 있다. 예를 들어, 비교값이 1인 경우 제 1 이미지의 제 1 깊이 정보와 제 2 이미지의 제 2 깊이 정보는 동일할 수 있다. 상기 비교값이 1에 가까울수록 제 1 이미지 및 제 2 이미지의 유사성이 높아질 수 있다. 상기 비교값이 1이면, 제 1 이미지와 제 2 이미지는 실질적으로 동일한 이미지일 수 있다. 예를 들어, 상기 비교값이 1이면, 제 1 이미지에 포함된 제 1 피사체와 제 2 이미지에 포함된 피사체는 동일할 수 있다. 도 5 내지 도 8을 참조하면, 유사도를 확인하는 실시예를 도시한다.
동작 315에서, 프로세서(120)는 상기 비교값이 지정된 조건을 만족하는지 여부를 판단할 수 있다. 예를 들어, 프로세서(120)는 상기 비교값이 설정된 임계값을 초과하는지 여부를 판단할 수 있다. 예를 들어, 설정된 임계값은 메모리(130)에 저장된 데이터일 수 있고, 이미지에 적용되는 깊이 정보를 판단하기 위한 기준값일 수 있다. 일 실시예에 따르면, 상기 비교값(예: 0(완전 불일치) ~ 1(완벽한 일치))이 설정된 임계값(예: 약 0.7)을 초과하면, 프로세서(120)는 제 1 이미지에 적용된 제 1 색상 보정 정보를 기반으로 제 2 이미지의 색상을 보정할 수 있다. 일 실시예에 따르면, 상기 비교값이 설정된 임계값(예: 약 0.7) 이하이면, 제 2 이미지는 제 2 이미지의 전체 영역을 기준으로 색상(예: 화이트밸런스)을 보정할 수 있다. 일 실시예에 따르면, 임계값은 개발자에 의해 설정될 수 있다. 일 실시예에 따르면, 임계값은 주변의 촬영 환경(예: 주변의 밝기값 및/또는 역광 상황)에 따라 다르게 설정될 수 있다. 일 실시예에 따르면, 상기 비교값이 설정된 임계값을 초과하면, 프로세서(120)는 깊이 정보 획득 장치(220)(예: ToF 센서, 적외선(IR) 카메라, 및/또는 스테레오 카메라) 중 적어도 하나를 비활성화할 수 있다. 프로세서(120)는 깊이 정보 획득 장치(220)를 적어도 부분적으로 비활성화함으로써, 깊이 정보의 획득에 따른 전력 소모를 줄일 수 있다.
동작 315에서, 상기 비교값이 설정된 임계값을 초과하면, 동작 317에서 프로세서(120)는 제 1 이미지에 적용된 제 1 색상 보정 정보를 기반으로 제 2 이미지의 색상을 보정할 수 있다. 예를 들어, 제 1 이미지의 제 1 깊이 정보와 제 2 이미지의 제 2 깊이 정보가 지정된 조건을 만족하면, 프로세서(120)는 메모리(130)에 저장된 제 1 이미지에 적용된 제 1 색상 보정 정보를 기반으로 제 2 이미지의 색상을 보정할 수 있다.
동작 315에서, 상기 비교값이 설정된 임계값 이하이면, 동작 319에서 프로세서(120)는 제 2 이미지에 대한 제 2 색상 보정 정보를 기반으로 상기 제 2 이미지에 대한 색상(예: 화이트 밸런스)을 보정할 수 있다. 예를 들어, 상기 비교값이 설정된 임계값 이하라는 것은 제 1 이미지와 제 2 이미지가 유사하지 않다는 것을 의미할 수 있다. 일 실시예에 따르면, 프로세서(120)는 제 2 이미지를 통해 제 2 색상 보정 정보를 획득할 수 있고, 상기 획득한 제 2 색상 보정 정보를 기반으로 상기 제 2 이미지에 대한 색상을 보정할 수 있다. 예를 들어, 프로세서(120)는 오브젝트의 일부 영역(예: 얼굴)이 아닌, 제 2 이미지의 전체 영역을 기준으로 제 2 이미지의 색상을 보정할 수 있다.
도 3b는 동작 309에서, 프로세서(120)가 제 2 이미지에 포함된 제 2 오브젝트의 얼굴을 검출하는 경우의 흐름도이다. 도 3b를 참조하면, 제 2 이미지에 포함된 제 2 오브젝트의 얼굴이 검출되는 경우 동작 321에서, 프로세서(120)는 제 2 이미지에 대한 ROI(region of interest)(관심 영역) 정합도를 계산할 수 있다. 예를 들어, ROI 정합도는 제 1 이미지와 비교하여, 제 2 이미지의 관심영역이 변한 정도를 의미할 수 있다. 예를 들어, ROI 정합도가 100%에 가까울수록 제 1 이미지와 제 2 이미지가 동일하다는 것을 의미한다.
동작 323에서, 프로세서(120)는 ROI 정합도가 지정된 조건을 만족하는지 여부를 판단할 수 있다. 예를 들어, 프로세서(120)는 ROI 정합도가 설정값(예: 약 50%)을 초과하는지 여부를 판단할 수 있다. 일 실시예에 따르면, 프로세서(120)는 ROI 정합도가 설정값(예: 약 50%) 이하인 경우 동작 331에서 ROI(관심 영역)를 재조정할 수 있다.
동작 323에서 ROI 정합도가 설정값을 초과하면, 동작 325에서, 프로세서(120)는 제 2 이미지에 대한 제 2 색상 보정 정보 및/또는 제 2 깊이 정보를 획득할 수 있다. 예를 들어, 제 2 색상 보정 정보는 제 2 이미지에 포함된 제 2 오브젝트의 얼굴을 기준으로 색상을 보정하기 위한 정보를 포함할 수 있다. 제 2 깊이 정보는 상기 제 2 오브젝트의 얼굴에 대응하는 깊이 정보를 포함할 수 있다. 예를 들어, 제 2 깊이 정보는 상기 제 2 오브젝트의 얼굴을 중심으로, 주변에 배치된 오브젝트에 대응하는 깊이 정보를 포함할 수 있다.
동작 327에서, 프로세서(120)는 메모리(130)에 저장된 제 1 색상 보정 정보를 제 2 색상 보정 정보로, 및/또는 제 1 깊이 정보를 제 2 깊이 정보로 업데이트할 수 있다. 프로세서(120)는 제 2 색상 보정 정보 및/또는 제 2 깊이 정보를 메모리(130)에 저장할 수 있다.
동작 329에서, 프로세서(120)는 제 2 색상 보정 정보를 기반으로 제 2 이미지에 대한 색상을 보정할 수 있다. 예를 들어, 프로세서(120)는 제 2 색상 보정 정보를 기반으로, 상기 제 2 오브젝트의 얼굴을 중심으로, 제 2 이미지의 화이트 밸런스를 보정할 수 있다. 다른 실시예에 따르면, 프로세서(120)는 제 2 색상 보정 정보 및/또는 제 2 깊이 정보를 기반으로 상기 제 2 이미지에 대한 색상을 보정할 수 있다.
도 4는 본 발명의 다양한 실시예에 따른 오브젝트(예: 피사체)에 대한 얼굴 검출 및 얼굴 미검출에 따른 예시를 도시한 도면이다.
일 실시예에 따르면, 전자 장치(예: 도 1의 전자 장치(101))는 카메라(예: 도 1의 카메라 모듈(180))를 사용하여 적어도 하나의 이미지를 획득할 수 있다. 도 4를 참조하면, 적어도 하나의 이미지(예: 제 1 이미지(410), 제 2 이미지(420), 및/또는 제 3 이미지(430))를 도시한다. 일 실시예에 따르면, 전자 장치(101)는 적어도 하나의 이미지에 포함된 오브젝트의 얼굴을 감지할 수 있고, 상기 감지된 오브젝트의 얼굴을 기준으로 이미지의 색상을 보정할 수 있다.
예를 들어, 제 1 이미지(410)는 오브젝트의 얼굴 감지에 성공한 경우 전자 장치(101)의 디스플레이(예: 도 1의 표시 장치(160))에 표시되는 이미지를 포함할 수 있다. 일 실시 예에서, 전자 장치(101)는 제 1 이미지(410)에 포함된 오브젝트의 얼굴 감지에 성공하면, 상기 얼굴에 대응하는 가이드 라인(401)을 표시할 수 있다. 일 실시예에 따르면, 상기 오브젝트의 얼굴 감지에 성공한 경우, 전자 장치(101)는 상기 얼굴을 기준으로 제 1 이미지(410)의 색상을 보정할 수 있다. 제 2 이미지(420)는 피사체의 얼굴 감지에 실패한 경우, 전자 장치(101)는 상기 제 2 이미지(420)의 전체 영역을 기준으로 색상을 보정할 수 있다. 제 2이미지(420)는 오브젝트의 응시 방향이 측면으로 변경되어 오브젝트의 얼굴 감지에 실패한 상황을 도시한다. 제 3 이미지(430)는 피사체의 얼굴 감지에 실패한 경우, 전자 장치(101)는 상기 제 3 이미지(430)의 전체 영역을 기준으로 색상을 보정할 수 있다. 제 3 이미지(420)는 오브젝트가 얼굴을 위로 들어올려 오브젝트의 얼굴 감지에 실패한 상황을 도시한다. 일 실시예에 따르면, 오브젝트가 급격하게 움직이는 경우, 카메라의 촬영 방향이 변경되는 경우, 역광 상황인 경우, 및/또는 오브젝트의 얼굴이 적어도 부분적으로 가려지는 경우 전자 장치(101)는 오브젝트의 얼굴 감지에 실패할 수 있다.
일 실시예에 따르면, 전자 장치(101)는 이미지의 색상을 보정함에 있어서, 깊이 정보(depth information)를 활용할 수 있다. 예를 들어, 전자 장치(101)는 깊이 정보를 획득하기 위한 적어도 하나의 구성 요소(예: ToF 센서, 적외선(IR) 카메라, 및/또는 스테레오 카메라)(예: 도 2의 깊이 정보 획득 장치(220))가 포함될 수 있고, 적어도 하나의 이미지에 대응하는 깊이 정보를 획득할 수 있다. 도 4를 참조하면, 전자 장치(101)는 오브젝트에 대한 깊이 정보를 획득할 수 있다. 예를 들어, 제 1 이미지(410), 제 2 이미지(420), 및/또는 제 3 이미지(430)에 대한 오브젝트의 깊이 정보는 서로 다를 수 있다.
일 실시예에 따르면, 전자 장치(101)는 제 1 이미지의 제 1 깊이 정보와 제 2 이미지의 제 2 깊이 정보 및/또는 제 3 이미지의 제 3 깊이 정보를 비교하여 지정된 조건을 만족하는지 여부를 판단할 수 있다. 예를 들어, 제 1 이미지의 제 1 깊이 정보와 제 2 이미지의 제 2 깊이 정보의 비교값을 계산할 수 있고, 상기 비교값이 설정된 임계값을 초과하면,(예: 제 1 이미지의 제 1 깊이 정보와 제 2 이미지의 제 2 깊이 정보가 유사하면) 전자 장치(101)는 메모리(130)에 저장된 제 1 이미지에 적용된 색상 보정 정보를 사용하여 제 2 이미지의 색상(예: 화이트밸런스)을 보정할 수 있다.
도 5a 및 도 5b는 본 발명의 다양한 실시예에 따른 제 1 이미지에 대응하는 제1 깊이 정보 및 제 2 이미지에 대응하는 제 2 깊이 정보를 비교하는 예시도이다.
일 실시예에 따르면, 전자 장치(예: 도 1의 전자 장치(101))는 제 1 이미지와 제 2 이미지 간의 유사도를 측정함에 있어서 다양한 데이터를 활용할 수 있다. 예를 들어, 전자 장치(101)는 거리 형상 지수(distance index(eucidean distance), DI), 교차 면적비 형상 지수(intersection ratio index, IRI), 및/또는 히스토그램 매칭 지수(histogram matching index, HMI) 중 적어도 하나를 사용하여, 제 1 이미지와 제 2 이미지 간의 유사도를 측정할 수 있다.
도 5a를 참조하면, 제 1 이미지에 대한 제 1 깊이 정보를 검출하는 방식을 도시한다. 예를 들어, 도 5a의 제 1 화면(511)은 제 1 오브젝트의 얼굴을 검출하고, 상기 검출된 얼굴에 대응하는 가이드 라인을 표시할 수 있다. 제 2 화면(513) 및 제 3 화면(515)은 제 1 오브젝트의 얼굴에 대한 깊이 정보를 도시한 예시도일 수 있다. 예를 들어, 제 2 화면(513) 및 제 3 화면(515)은 얼굴의 형태, 윤곽, 및/또는 높낮이에 따라, 이미지의 농도가 다르게 표시될 수 있다. 예를 들어, 상대적으로 카메라에 가까이 위치한 영역은 밝게 표시될 수 있고, 상대적으로 카메라에 멀리 위치한 영역은 어둡게 표시될 수 있다.
도 5b를 참조하면, 제 2 이미지에 대한 제 2 깊이 정보를 검출하는 방식을 도시한다. 예를 들어, 제 2 이미지에 포함된 제 2 오브젝트는 제 1 이미지에 포함된 제 1 오브젝트와 동일한 오브젝트일 수 있다. 제 2 오브젝트는 제 1 오브젝트가 응시하는 방향이 일측면으로 변경된 상태일 수 있다. 도 5b의 제 1 화면(521)은 오브젝트의 얼굴이 검출되지 않은 상태의 화면일 수 있다. 제 2 화면(523) 및 제 3 화면(525)은 제 2 오브젝트의 얼굴에 대한 깊이 정보를 도시한 예시도일 수 있다. 예를 들어, 제 2 화면(523) 및 제 3 화면(525)은 얼굴의 형태, 윤곽, 및/또는 높낮이에 따라, 이미지의 농도가 다르게 표시될 수 있다.
도 6은 본 발명의 다양한 실시예에 따른 거리 형상 지수(distance index, DI)에 따른 이미지 비교 방법을 도시한 예시도이다.
일 실시예에 따르면, 전자 장치(예: 도 1의 전자 장치(101))는 제 1 이미지에 대응하는 제 1 기준 좌표 및/또는 제 2 이미지에 대응하는 제 2 기준 좌표를 추출할 수 있다. 전자 장치(101)는 상기 제 1 기준 좌표를 중심으로 제 1 이미지에 대한 픽셀간 거리를 계산할 수 있고, 상기 제 2 기준 좌표를 중심으로 제 2 이미지에 대한 픽셀간 거리를 계산할 수 있다. 전자 장치(101)는 제 1 이미지에 대한 픽셀간 거리 및 제 2 이미지에 대한 픽셀간 거리를 기반으로, 제 1 이미지와 제 2 이미지에 대한 거리 형상 지수(DI)를 확인할 수 있다.
도 6을 참조하면, 제 1 이미지[a] 및 제 2 이미지[b]에 대한 거리 형상 지수를 확인할 수 있다. 예를 들어, 제 1 이미지[a]에 대한 제 1 화면(611)은 전자 장치(101)가 오브젝트의 얼굴을 검출한 상태의 화면일 수 있다. 제 1 이미지[a]에 대한 제 2 화면(613)은 전자 장치(101)가 제 1 화면(611)의 픽셀값에 대한 평균값을 계산하고, 상기 평균값을 기반으로 제 1 기준 좌표(601)를 추출한 상태의 화면일 수 있다. 제 1 이미지[a]에 대한 제 3 화면(615)은 상기 제 1 기준 좌표(601)를 중심으로, 오브젝트의 경계선까지의 픽셀간 거리(603, 604)를 측정하는 상태의 화면일 수 있다. 예를 들어, 제 2 이미지[b]에 대한 제 1 화면(621)은 오브젝트의 응시 방향이 변경됨에 따라, 오브젝트의 얼굴을 검출하지 못한 상태의 화면일 수 있다. 제 2 이미지[b]에 대한 제 2 화면(623)은 전자 장치(101)가 제 2 화면(621)의 픽셀값에 대한 평균값을 계산하고, 상기 평균값을 기반으로 제 2 기준 좌표(606)를 추출한 상태의 화면일 수 있다. 제 2 이미지[b]에 대한 제 3 화면(625)은 상기 제 2 기준 좌표(606)를 중심으로, 오브젝트의 경계선까지의 픽셀간 거리(608, 609)를 측정하는 상태의 화면일 수 있다. 일 실시예에 따르면, 전자 장치(101)는 제 1 이미지[a]에 대응하는 픽셀간 거리(603, 604) 및/또는 제 2 이미지[b]에 대응하는 픽셀간 거리(608, 609)를 기반으로 거리 형상 지수(DI)를 확인할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 거리 형상 지수(DI)를 사용하여, 제 1 이미지[a]와 제 2 이미지[b] 간의 유사도를 측정할 수 있다.
도 7은 본 발명의 다양한 실시예에 따른 교차 면적비 형상 지수(intersection ratio index, IRI)에 따른 이미지 비교 방법을 도시한 예시도이다.
일 실시예에 따르면, 전자 장치(예: 도 1의 전자 장치(101))는 제 1 이미지와 제 2 이미지 간의 교차하는 영역의 면적을 계산할 수 있고, 상기 교차하는 영역의 면적 비율을 기반으로, 제 1 이미지와 제 2 이미지 간의 유사도(shape similarity)를 확인할 수 있다. 예를 들어, 상기 교차하는 영역의 면적 비율이 클수록 상기 제 1 이미지와 상기 제 2 이미지는 유사할 수 있다. 일 실시예에 따르면, 교차 면적비 형상 지수(IRI)는 제 1 이미지와 제 2 이미지 간의 교차하는 면적 비율을 나타낼 수 있다. 교차 면적비 형상 지수(IRI)는 아래의 수학식 1을 사용하여 계산할 수 있다.
Figure pat00001
도 7을 참조하면, 제 1 화면(710)은 제 1 이미지와 제 2 이미지가 동일한 이미지로, 완벽하게 일치된 상태의 예시도일 수 있다. 제 1 이미지 및 제 2 이미지에 포함된 오브젝트는 제 1 영역(픽셀값 100)과 제 2 영역(픽셀값 200)으로 구분될 수 있다. [수학식 1]에 적용하면, 중복 픽셀값(예: 수학식 1의 분자값)은 (100+200)이고, N픽셀값+(N+1)픽셀값-중복 픽셀값(예: 수학식 1의 분모값)은 {(200+200-200)+(100+100-100)}일 수 있다. 일 실시예에 따르면, 제 1 화면(710)에 대한 교차 면적비 형상 지수(IRI)는 "약 1"로 계산되고, 제 1 이미지와 제 2 이미지는 일치할 수 있다.
도 7을 참조하면, 제 2 화면(720)은 제 1 이미지와 제 2 이미지가 적어도 부분적으로 겹쳐지는 상태의 예시도일 수 있다. [수학식 1]에 적용하면, 중복 픽셀값(예: 수학식 1의 분자값)은 (100+50)이고, N픽셀값+(N+1)픽셀값-중복 픽셀값(예: 수학식 1의 분모값)은 {(200+200-100)+(100+100-50)}일 수 있다. 일 실시예에 따르면, 제 2 화면(720)에 대한 교차 면적비 형상 지수는 "약 0.33"으로 계산되고, 제 1 이미지와 제 2 이미지는 적어도 부분적으로 겹쳐지는 상태일 수 있다.
도 7을 참조하면, 제 3 화면(730)은 제 1 이미지와 제 2 이미지가 완전하게 불일치한 상태의 예시도일 수 있다. [수학식 1]에 적용하면, 중복 픽셀값(예: 수학식 1의 분자값)은 (0)이고, N픽셀값+(N+1)픽셀값-중복 픽셀값(예: 수학식 1의 분모값)은 {(200+200-0)+(100+100-0)}일 수 있다. 일 실시예에 따르면, 제 3 화면(730)에 대한 교차 면적비 형상 지수(IRI)는 "0"으로 계산되고, 제 1 이미지와 제 2 이미지는 완전히 불일치할 수 있다.
일 실시예에 따르면, 전자 장치(101)는 제 1 이미지와 제 2 이미지가 일치하는 정도를 나타내는 교차 면적비 형상 지수(IRI)를 확인할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 교차 면적비 형상 지수(IRI)를 사용하여, 제 1 이미지와 제 2 이미지 간의 유사도를 측정할 수 있다. 일 실시예에 따르면, 교차 면적비 형상 지수(IRI)는 "1"에 가까울수록 제 1 이미지 및 제 2 이미지의 유사도가 높아질 수 있고, "0"에 가까울수록 제 1 이미지 및 제 2 이미지의 유사도가 낮아질 수 있다.
도 8은 본 발명의 다양한 실시예에 따른 히스토그램 매칭 지수(histogram matching index, HMI)에 따른 이미지 비교 방법을 도시한 예시도이다.
일 실시예에 따르면, 전자 장치(예: 도 1의 전자 장치(101))는 제 1 이미지에 대응하는 제 1 히스토그램 및/또는 제 2 이미지에 대응하는 제 2 히스토그램을 확인할 수 있다. 전자 장치(101)는 상기 제 1 히스토그램 및 상기 제 2 히스토그램을 기반으로 히스토그램 매칭 지수(HMI)를 확인할 수 있다.
도 8을 참조하면, 제 1 실시예[a]에 따른 제 1 이미지(811) 및 제 2 이미지(813)를 도시한다. 제 1 이미지(811)는 오브젝트의 응시 방향이 정면을 향하는, 오브젝트의 정면 이미지일 수 있다. 제 2 이미지(813)는 오브젝트의 응시 방향이 일측면을 향하는, 오브젝트의 측면 이미지일 수 있다. 일 실시예에 따르면, 전자 장치(101)는 제 1 이미지(811)에 대한 제 1 히스토그램 및/또는 제 2 이미지(813)에 대한 제 2 히스토그램을 확인하고, 제 1 이미지(811) 및 제 2 이미지(813)에 대한 히스토그램 매칭 지수(HMI)를 확인할 수 있다. 예를 들어, 히스토그램 매칭 지수는 설정된 기준값(예: 약 2)에 가까울수록 제 1 이미지(811)와 제 2 이미지(813)의 유사도가 낮을 수 있다. 히스토그램 매칭 지수는 "0"에 가까울수록 제 1 이미지(811)와 제 2 이미지(813)의 유사도가 높을 수 있다.
도 8을 참조하면, 제 2 실시예[b]에 따른 다수의 이미지(예: 제 1 이미지(821), 제 2 이미지(823), 제 3 이미지(825), 및/또는 제 4 이미지(827))를 도시한다. 제 2 실시예[b]는 카메라와 오브젝트 간의 거리가 점점 증가하는 상태(카메라와 오브젝트가 점점 멀어지는 상태)를 나타낼 수 있다. 일 실시예에 따르면, 전자 장치(101)는 다수의 이미지 중 두 개의 이미지를 선택하고, 상기 두 개의 이미지에 대한 히스토그램 매칭 지수(HMI)를 확인할 수 있다.
다양한 실시예에 따르면, 전자 장치(101)는 도 6의 거리 형상 지수(DI), 도 7의 교차 면적비 형상 지수(IRI), 도 8의 히스토그램 매칭 지수(HMI)를 기반으로, 제 1 이미지 및 제 2 이미지에 대한 유사도(shape similarity, SS)를 결정할 수 있다. 유사도(SS)는 아래의 수학식 2를 사용하여 계산할 수 있다.
Figure pat00002
수학식 2를 참조하면, W1은 0.3, W2는 0.4, W3은 0.3이고, 거리 형상 지수(DI), 교차 면적비 형상 지수(IRI), 히스토그램 매칭 지수(HMI)에 해당 데이터를 적용하여, 유사도(SS)를 계산할 수 있다. 다양한 실시예에 따르면, 전자 장치(101)는 수학식 2를 사용하여 제 1 이미지 및 제 2 이미지에 대한 유사도(SS)를 결정할 수 있다. 예를 들어, 유사도(SS)는 전술된 비교값(예: 도 3a의 동작 309, 동작 311에서 비교값)을 포함할 수 있다.
다양한 실시예에 따르면, 전자 장치(101)는 유사도(SS)와 설정된 임계값을 비교할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 유사도(SS)가 설정된 임계값을 초과하면, 제 1 이미지에 대응하는 제 1 색상 보정 정보를 기반으로 제 2 이미지의 화이트밸런스를 보정할 수 있다.
본 발명의 다양한 실시예에 따른 전자 장치(101)는, 카메라를 사용하여 오브젝트를 촬영하는 경우 제 1 이미지 및 제 2 이미지를 획득할 수 있고, 상기 제1 이미지 및/또는 상기 제 2 이미지를 비교/분석할 수 있다. 전자 장치(101)는 제 1 이미지 및/또는 제 2 이미지에서의 얼굴 검출 여부, 제 1 이미지 및/또는 제 2 이미지 간의 유사도, 및/또는 제 2 이미지의 ROI 정합도를 고려하여, 제 1 이미지 및/또는 제 2 이미지에 대한 화이트밸런스를 보정할 수 있다. 다양한 실시예에 따르면, 전자 장치(101)는 화이트밸런스를 보정함에 있어서, 메모리(130)에 기 저장된 색상 보정 정보 및 깊이 정보를 사용하는 경우 전력 소모를 줄일 수 있다. 예를 들어, 전자 장치(101)는 제 1 이미지 및/또는 제 2 이미지에 대한 색상 보정 정보 및 깊이 정보를 획득함에 있어서, 전력이 많이 소모될 수 있다.
다양한 실시예에 따르면, 전자 장치(예: 도 1의 전자 장치(101))는 이미지에 대한 깊이 정보를 획득하기 위한 깊이 정보 획득 장치(예: 도 2의 깊이 정보 획득 장치(220))를 실장할 수 있다. 다양한 실시예에 따르면, 전자 장치(101)는 이미지에 포함된 오브젝트의 얼굴을 검출할 수 있고, 상기 검출된 얼굴을 중심으로 화이트밸런스 보정을 수행할 수 있다. 예를 들어, 오브젝트의 얼굴이 검출된 상태에서 카메라를 손으로 가릴 때, 상기 오브젝트에 대한 색감이 변경되면, 전자 장치는 얼굴 검출에 따른 화이트밸런스 보정 기능을 수행하는 상태일 수 있다. 일 실시예에 따르면, 전자 장치는 깊이 정보를 사용하여, 얼굴 검출에 따른 화이트밸런스 보정 기능을 수행할 수 있다.
다양한 실시예에 따르면, 전자 장치(101)는 오브젝트가 급격하게 움직이는 경우, 카메라의 촬영 방향이 변경되는 경우, 역광 상황인 경우, 및/또는 오브젝트의 얼굴이 적어도 부분적으로 가려지는 경우를 테스트할 수 있다. 전자 장치(101)는 상기 테스트에 의해 상기 오브젝트에 대한 색감이 변경되면, 얼굴 검출에 따른 화이트밸런스 보정 기능이 수행 중인 상태임을 확인할 수 있다.
다양한 실시예에 따른 이미지 보정 방법은 전자 장치(예: 도 1의 전자 장치(101))의 카메라(예: 도 1의 카메라 모듈(180))를 사용하여 획득한 제 1 이미지에 포함된 제 1 오브제트의 얼굴을 감지하는 동작; 상기 제 1 오브젝트의 얼굴을 기준으로 상기 제 1 이미지에 적용된 제 1 색상 보정 정보를 획득하여, 메모리에 저장하는 동작; 상기 깊이 정보 획득 장치를 이용하여 상기 제 1 이미지에 대응하는 제 1 깊이 정보를 획득하고, 상기 제 1 깊이 정보를 상기 메모리에 저장하는 동작; 상기 카메라를 사용하여 획득한 제 2 이미지에 포함된 제 2 오브젝트의 얼굴 검출 여부를 확인하는 동작; 상기 제 2 오브젝트의 얼굴이 검출되지 않으면, 상기 깊이 정보 획득 장치를 이용하여 상기 제 2 이미지에 대응하는 제 2 깊이 정보를 획득하는 동작; 및 상기 제 1 깊이 정보 및 상기 제 2 깊이 정보에 기반하여 확인된 비교값이 설정된 임계값을 초과하면, 상기 제 1 색상 보정 정보를 이용하여 상기 제 2 이미지의 화이트밸런스를 보정하는 동작을 포함할 수 있다.
일 실시예에 따른 상기 제 1 오브젝트 및 상기 제 2 오브젝트의 얼굴을 감지하는 동작은 상기 카메라를 통한 얼굴 감지 알고리즘을 사용하여 상기 제 1 오브젝트의 얼굴 또는 상기 제 2 오브젝트의 얼굴을 감지하는 동작을 포함할 수 있다.
일 실시예에 따른 상기 화이트밸런스를 보정하는 동작은 AWB(auto white balance) 알고리즘을 사용하여 상기 제 1 이미지 또는 상기 제 2 이미지의 화이트밸런스를 보정하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 제 2 오브젝트의 얼굴이 검출되면, 상기 제 1 색상 보정 정보를 상기 제 2 이미지에 적용된 제 2 색상 보정 정보로 업데이트하는 동작; 및 상기 제 1 깊이 정보를 상기 제 2 깊이 정보로 업데이트하는 동작을 더 포함할 수 있다.
일 실시예에 따른 상기 비교값을 계산하는 동작은 상기 제 1 깊이 정보 및 상기 제 2 깊이 정보를 기반으로 거리 형상 지수(distance index), 교차 면적비 형상 지수(intersection ratio index), 및 히스토그램 매칭 지수(histogram matching index) 중 적어도 하나를 확인하는 동작; 및 상기 확인된 적어도 하나의 지수(index)를 기반으로 상기 비교값을 계산하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 비교값은 상기 제 1 이미지 및 상기 제 2 이미지에 대한 유사도(shape similarity)를 포함할 수 있다.
일 실시예에 따르면, 상기 비교값이 상기 지정된 조건을 만족하지 않으면, 상기 제 2 이미지의 전체 영역을 기준으로 화이트밸런스를 보정하는 동작을 더 포함할 수 있다.
일 실시예에 따르면, 상기 비교값이 상기 지정된 조건을 만족하면, 상기 깊이 정보 획득 장치를 비활성화하는 동작을 더 포함할 수 있다.
일 실시예에 따른 상기 깊이 정보 획득 장치는 ToF(time of flight) 센서, 스테레오(stereo) 카메라, 및/또는 IR(infrared) 카메라 중 적어도 하나를 포함할 수 있다.
일 실시예에 따르면, 상기 제 1 이미지가 제 3 오브젝트를 더 포함하고, 상기 제 3 오브젝트의 얼굴을 감지한 경우 상기 제 1 오브젝트 및 상기 제 3 오브젝트에 대한 우선 순위를 확인하는 동작; 상기 확인된 우선 순위를 기반으로 하나의 얼굴을 선택하는 동작; 및 상기 선택된 얼굴을 기반으로 상기 제 1 이미지에 적용된 색상 보정 정보를 획득하여, 상기 메모리에 저장하는 동작을 더 포함할 수 있다.
본 문서에 개시된 다양한 실시예들에 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 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 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. "제 1", "제 2", 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: 제 1) 구성요소가 다른(예: 제 2) 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 제 3 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 실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))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 실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 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 두 개의 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 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있다. 다양한 실시예들에 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 실시예들에 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.
그리고 본 명세서와 도면에 개시된 본 발명의 실시 예들은 본 발명의 실시예에 따른 기술 내용을 쉽게 설명하고 본 발명의 실시예의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 실시예의 범위를 한정하고자 하는 것은 아니다. 따라서 본 발명의 다양한 실시예의 범위는 여기에 개시된 실시 예들 이외에도 본 발명의 다양한 실시예의 기술적 사상을 바탕으로 도출되는 모든 변경 또는 변형된 형태가 본 발명의 다양한 실시예의 범위에 포함되는 것으로 해석되어야 한다.
101 : 전자 장치 120 : 프로세서
130 : 메모리 160 : 표시 장치
176 : 센서 모듈 201 : 이미지 센서
211 : 얼굴 검출 알고리즘 220 : 깊이 정보 획득 장치
212 : AWB 알고리즘

Claims (20)

  1. 전자 장치에 있어서,
    이미지 센서를 포함하는 카메라;
    디스플레이;
    깊이 정보 획득 장치;
    메모리; 및
    상기 카메라, 상기 디스플레이, 상기 깊이 정보 획득 장치 및 상기 메모리와 작동적으로 연결된 프로세서를 포함하고,
    상기 프로세서는,
    상기 카메라를 사용하여 획득한 제 1 이미지에 포함된 제 1 오브젝트의 얼굴을 감지하면, 상기 제 1 오브젝트의 얼굴을 기준으로 상기 제 1 이미지에 적용된 제 1 색상 보정 정보를 획득하여, 상기 메모리에 저장하고,
    상기 깊이 정보 획득 장치를 이용하여 상기 제 1 이미지에 대응하는 제 1 깊이 정보를 획득하고, 상기 제 1 깊이 정보를 상기 메모리에 저장하고,
    상기 카메라를 사용하여 획득한 제 2 이미지에 포함된 제 2 오브젝트의 얼굴 검출 여부를 확인하고,
    상기 제 2 오브젝트의 얼굴이 검출되지 않으면, 상기 깊이 정보 획득 장치를 이용하여 상기 제 2 이미지에 대응하는 제 2 깊이 정보를 획득하고,
    상기 제 1 깊이 정보 및 상기 제 2 깊이 정보에 기반하여 확인된 비교값이 설정된 임계값을 초과하면, 상기 제 1 색상 보정 정보를 이용하여 상기 제 2 이미지의 색상을 보정하는 전자 장치.
  2. 제 1 항에 있어서,
    상기 프로세서는 얼굴 감지 알고리즘을 사용하여 상기 제 1 오브젝트의 얼굴 또는 상기 제 2 오브젝트의 얼굴을 감지하는 전자 장치.
  3. 제 1 항에 있어서,
    상기 프로세서는 AWB(auto white balance) 알고리즘을 사용하여 상기 제 1 이미지 또는 상기 제 2 이미지의 색상을 보정하는 전자 장치.
  4. 제 1 항에 있어서,
    상기 프로세서는,
    상기 제 2 오브젝트의 얼굴이 검출되면, 상기 제 1 색상 보정 정보를 상기 제 2 이미지에 적용된 제 2 색상 보정 정보로 업데이트하고, 상기 제 1 깊이 정보를 상기 제 2 깊이 정보로 업데이트하는 전자 장치.
  5. 제 1 항에 있어서,
    상기 프로세서는,
    상기 제 1 깊이 정보 및 상기 제 2 깊이 정보를 기반으로 거리 형상 지수(distance index), 교차 면적비 형상 지수(intersection ratio index), 및 히스토그램 매칭 지수(histogram matching index) 중 적어도 하나를 확인하고,
    상기 확인된 적어도 하나의 지수(index)를 기반으로 상기 비교값을 계산하는 전자 장치.
  6. 제 1 항에 있어서,
    상기 비교값은 상기 제 1 이미지 및 상기 제 2 이미지에 대한 유사도(shape similarity)를 포함하는 전자 장치.
  7. 제 1 항에 있어서,
    상기 프로세서는,
    상기 비교값이 상기 지정된 조건을 만족하지 않으면, 상기 제 2 이미지의 전체 영역을 기준으로 화이트밸런스를 보정하는 전자 장치.
  8. 제 1 항에 있어서,
    상기 프로세서는,
    상기 비교값이 상기 지정된 조건을 만족하면, 상기 깊이 정보 획득 장치를 비활성화하는 전자 장치.
  9. 제 1 항에 있어서,
    상기 깊이 정보 획득 장치는 ToF(time of flight) 센서, 스테레오(stereo) 카메라, 및/또는 IR(infrared) 카메라 중 적어도 하나를 포함하는 전자 장치.
  10. 제 1 항에 있어서,
    상기 프로세서는,
    상기 제 1 이미지가 제 3 오브젝트를 더 포함하고,
    상기 제 3 오브젝트의 얼굴을 감지한 경우, 상기 제 1 오브젝트 및 상기 제 3 오브젝트에 대한 우선 순위를 확인하고, 상기 확인된 우선 순위를 기반으로 하나의 얼굴을 선택하고, 상기 선택된 얼굴을 기반으로 상기 제 1 이미지에 적용된 색상 보정 정보 및 깊이 정보를 획득하여, 상기 메모리에 저장하는 전자 장치.
  11. 이미지 보정 방법에 있어서,
    카메라를 사용하여 획득한 제 1 이미지에 포함된 제 1 오브젝트의 얼굴을 감지하는 동작;
    상기 제 1 오브젝트의 얼굴을 기준으로 상기 제 1 이미지에 적용된 제 1 색상 보정 정보를 획득하여, 메모리에 저장하는 동작;
    깊이 정보 획득 장치를 이용하여 상기 제 1 이미지에 대응하는 제 1 깊이 정보를 획득하고, 상기 제 1 깊이 정보를 상기 메모리에 저장하는 동작;
    상기 카메라를 사용하여 획득한 제 2 이미지에 포함된 제 2 오브젝트의 얼굴 검출 여부를 확인하는 동작;
    상기 제 2 오브젝트의 얼굴이 검출되지 않으면, 상기 깊이 정보 획득 장치를 이용하여 상기 제 2 이미지에 대응하는 제 2 깊이 정보를 획득하는 동작; 및
    상기 제 1 깊이 정보 및 상기 제 2 깊이 정보에 기반하여 확인된 비교값이 설정된 임계값을 초과하면, 상기 제 1 색상 보정 정보를 이용하여 상기 제 2 이미지의 화이트밸런스를 보정하는 동작을 포함하는 방법.
  12. 제 11 항에 있어서,
    상기 제 1 오브젝트 및 상기 제 2 오브젝트의 얼굴을 감지하는 동작은,
    상기 카메라를 통한 얼굴 감지 알고리즘을 사용하여 상기 제 1 오브젝트의 얼굴 또는 상기 제 2 오브젝트의 얼굴을 감지하는 동작을 포함하는 방법.
  13. 제 11 항에 있어서,
    상기 화이트밸런스를 보정하는 동작은,
    AWB(auto white balance) 알고리즘을 사용하여 상기 제 1 이미지 또는 상기 제 2 이미지의 화이트밸런스를 보정하는 동작을 포함하는 방법.
  14. 제 11 항에 있어서,
    상기 제 2 오브젝트의 얼굴이 검출되면, 상기 제 1 색상 보정 정보를 상기 제 2 이미지에 적용된 제 2 색상 보정 정보로 업데이트하는 동작; 및
    상기 제 1 깊이 정보를 상기 제 2 깊이 정보로 업데이트하는 동작을 더 포함하는 방법.
  15. 제 11 항에 있어서,
    상기 비교값을 계산하는 동작은,
    상기 제 1 깊이 정보 및 상기 제 2 깊이 정보를 기반으로 거리 형상 지수(distance index), 교차 면적비 형상 지수(intersection ratio index), 및 히스토그램 매칭 지수(histogram matching index) 중 적어도 하나를 확인하는 동작; 및
    상기 확인된 적어도 하나의 지수(index)를 기반으로 상기 비교값을 계산하는 동작을 포함하는 방법.
  16. 제 11 항에 있어서,
    상기 비교값은 상기 제 1 이미지 및 상기 제 2 이미지에 대한 유사도(shape similarity)를 포함하는 방법.
  17. 제 11 항에 있어서,
    상기 비교값이 상기 지정된 조건을 만족하지 않으면, 상기 제 2 이미지의 전체 영역을 기준으로 화이트밸런스를 보정하는 동작을 더 포함하는 방법.
  18. 제 11 항에 있어서,
    상기 비교값이 상기 지정된 조건을 만족하면, 상기 깊이 정보 획득 장치를 비활성화하는 동작을 더 포함하는 방법.
  19. 제 11 항에 있어서,
    상기 깊이 정보 획득 장치는 ToF(time of flight) 센서, 스테레오(stereo) 카메라, 및/또는 IR(infrared) 카메라 중 적어도 하나를 포함하는 방법.
  20. 제 11 항에 있어서,
    상기 제 1 이미지가 제 3 오브젝트를 더 포함하고,
    상기 제 3 오브젝트의 얼굴을 감지한 경우 상기 제 1 오브젝트 및 상기 제 3 오브젝트에 대한 우선 순위를 확인하는 동작;
    상기 확인된 우선 순위를 기반으로 하나의 얼굴을 선택하는 동작; 및
    상기 선택된 얼굴을 기반으로 상기 제 1 이미지에 적용된 색상 보정 정보를 획득하여, 상기 메모리에 저장하는 동작을 더 포함하는 방법.
KR1020200014200A 2020-02-06 2020-02-06 깊이 정보에 기반한 이미지 보정 방법 및 장치 KR20210100341A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020200014200A KR20210100341A (ko) 2020-02-06 2020-02-06 깊이 정보에 기반한 이미지 보정 방법 및 장치
PCT/KR2021/000852 WO2021157917A1 (ko) 2020-02-06 2021-01-21 깊이 정보에 기반한 이미지 보정 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200014200A KR20210100341A (ko) 2020-02-06 2020-02-06 깊이 정보에 기반한 이미지 보정 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20210100341A true KR20210100341A (ko) 2021-08-17

Family

ID=77200722

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200014200A KR20210100341A (ko) 2020-02-06 2020-02-06 깊이 정보에 기반한 이미지 보정 방법 및 장치

Country Status (2)

Country Link
KR (1) KR20210100341A (ko)
WO (1) WO2021157917A1 (ko)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9729782B2 (en) * 2015-06-05 2017-08-08 Digital Signal Corporation System and method for intelligent camera control
KR102359276B1 (ko) * 2017-03-24 2022-02-07 삼성전자주식회사 전자 장치의 화이트 밸런스 기능 제어 방법 및 장치
KR102320198B1 (ko) * 2017-04-05 2021-11-02 삼성전자주식회사 깊이 영상 보정 방법 및 장치
JP2019047365A (ja) * 2017-09-04 2019-03-22 キヤノン株式会社 画像処理装置、画像処理装置の制御方法、撮像装置、プログラム
KR102499187B1 (ko) * 2018-02-12 2023-02-13 삼성전자주식회사 카메라를 이용하여 획득한 이미지를 압축 처리하는 전자 장치 및 그 동작 방법

Also Published As

Publication number Publication date
WO2021157917A1 (ko) 2021-08-12

Similar Documents

Publication Publication Date Title
US11270420B2 (en) Method of correcting image on basis of category and recognition rate of object included in image and electronic device implementing same
US11017263B2 (en) Apparatus and method for recognizing object in image
KR102402148B1 (ko) 전자 장치 및 그의 문자 인식 방법
US11461949B2 (en) Electronic device for providing avatar and operating method thereof
US11069115B2 (en) Method of controlling display of avatar and electronic device therefor
US20230259264A1 (en) Method for providing filter and electronic device supporting the same
EP3779660A1 (en) Apparatus and method for displaying graphic elements according to object
KR20180108322A (ko) 피부에 해당하는 이미지 처리 영역을 보정하는 방법 및 전자 장치
KR20200101233A (ko) 이미지 내의 오브젝트 선택에 대응하는 서비스를 제공하기 위한 전자 장치 및 방법
US10909412B2 (en) Electronic device and control method thereof
CN113906730A (zh) 获得皮肤图像的电子设备及其控制方法
US11417267B2 (en) Electronic device for controlling display of content on basis of brightness information and operation method therefor
KR20210101713A (ko) 카메라를 포함하는 전자 장치 및 그의 동작 방법
KR20210101078A (ko) 전자 장치 및 전자 장치의 영상 처리 방법
US11211029B2 (en) Electronic device with improved visibility of user interface
EP4102451A1 (en) Method for generating image and electronic device therefor
KR20210100341A (ko) 깊이 정보에 기반한 이미지 보정 방법 및 장치
US11410413B2 (en) Electronic device for recognizing object and method for controlling electronic device
KR102607789B1 (ko) 이미지 처리 방법 및 그 전자 장치
US11164388B2 (en) Electronic device and method for providing augmented reality object therefor
KR20210061593A (ko) 전자 장치 및 전자 장치의 지문 인식 방법
KR20220016695A (ko) 딥러닝에 기반한 이미지 분할 장치 및 방법
KR20210101416A (ko) 이미지 센서 제어 방법 및 장치
KR102549503B1 (ko) 저전력 상태에서 이미지들의 출력 타이밍을 동기화하기 위한 디스플레이 구동 회로
KR20190088679A (ko) 지문 입력의 압력 레벨에 기반하여 지문 처리 방식을 결정하는 전자 장치 및 방법

Legal Events

Date Code Title Description
E902 Notification of reason for refusal