WO2022260252A1 - 카메라 모듈을 포함하는 전자 장치 및 그 전자 장치의 동작 방법 - Google Patents

카메라 모듈을 포함하는 전자 장치 및 그 전자 장치의 동작 방법 Download PDF

Info

Publication number
WO2022260252A1
WO2022260252A1 PCT/KR2022/004526 KR2022004526W WO2022260252A1 WO 2022260252 A1 WO2022260252 A1 WO 2022260252A1 KR 2022004526 W KR2022004526 W KR 2022004526W WO 2022260252 A1 WO2022260252 A1 WO 2022260252A1
Authority
WO
WIPO (PCT)
Prior art keywords
frame
electronic device
processor
module
light source
Prior art date
Application number
PCT/KR2022/004526
Other languages
English (en)
French (fr)
Inventor
최우존
도원준
최재성
샨칼랄 수클라알로크
쿠마르 마람레디마노즈
샤르마사케스
라힘 셰이크하미드
석준 리존
오사모토아키라
쉬이보
Original Assignee
삼성전자 주식회사
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 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Publication of WO2022260252A1 publication Critical patent/WO2022260252A1/ko
Priority to US18/305,211 priority Critical patent/US20230267702A1/en

Links

Images

Classifications

    • 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
    • H04N23/81—Camera processing pipelines; Components thereof for suppressing or minimising disturbance in the image signal generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • 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
    • H04N23/617—Upgrading or updating of programs or applications for camera control
    • 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
    • H04N23/62—Control of parameters via user interfaces
    • 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
    • H04N23/67—Focus control based on electronic image sensor signals
    • H04N23/675—Focus control based on electronic image sensor signals comprising setting of focusing regions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/71—Circuitry for evaluating the brightness variation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/72—Combination of two or more compensation controls
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/73—Circuitry for compensating brightness variation in the scene by influencing the exposure time
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/741—Circuitry for compensating brightness variation in the scene by increasing the dynamic range of the image compared to the dynamic range of the electronic image sensors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/743—Bracketing, i.e. taking a series of images with varying exposure conditions
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Definitions

  • UDC under display camera
  • the electronic device including the UDC can utilize the area of the display more effectively by displaying content in a wider area than when the camera is disposed in front of the display.
  • a high-quality image when acquiring an image using a UDC structured electronic device, a high-quality image can be efficiently acquired through software processing corresponding to each scenario.
  • the electronic device includes a display, a camera module disposed below the display, and a processor electrically connected to the display and the camera module, wherein the processor comprises: A sample frame is acquired using the camera module, whether a light source object is included in the sample frame is identified, and when it is identified that the light source object is included in the sample frame, a shooting parameter for multi-frame acquisition is determined. obtaining multi-frames based on the photographing parameters, synthesizing the multi-frames to generate composite frames, identifying attributes of the light source object included in the composite frames, and Frame correction of composite frames can be performed.
  • the electronic device includes a display, a camera module disposed below the display, and a processor electrically connected to the display and the camera module, wherein the The operating method includes acquiring a sample frame using the camera module, identifying whether the light source object is included in the sample frame, and obtaining multi-frames when it is identified that the light source object is included in the sample frame. Determining shooting parameters for, acquiring multi-frames based on the shooting parameters, synthesizing the multi-frames to generate composite frames, identifying properties of the light source object included in the composite frames and performing frame correction of the composite frame based on the identified attributes.
  • an improved image by preventing deterioration of resolution or deterioration of SNR of an image acquired through a camera due to a UDC structure, and removing light splitting, light spreading, or occurrence of artifacts. .
  • an electronic device may adaptively operate to environmental changes to obtain a high-quality image based on a scenario suitable for each environment.
  • FIG. 1 is a block diagram of an electronic device in a network environment, according to an embodiment.
  • FIG. 2 is a block diagram illustrating a camera module, according to one embodiment.
  • UDC under display camera
  • FIG. 4 is a diagram schematically illustrating configurations of an electronic device according to an exemplary embodiment.
  • FIG. 5 is a flowchart illustrating a flow in which an electronic device performs first to third processing operations according to whether a light source object is included in an acquired sample frame and the intensity of illumination, according to an exemplary embodiment.
  • FIG. 6 is a flowchart illustrating a flow of a first processing operation when an electronic device identifies a light source object in an acquired sample frame, according to an embodiment.
  • FIG. 7 is a flowchart specifically illustrating a flow of correcting a composite frame in a first processing operation by an electronic device, according to an exemplary embodiment.
  • FIG. 8 is a flowchart illustrating a flow of a second processing operation when the electronic device identifies that the illuminance of an obtained sample frame is less than or equal to a threshold value, according to an embodiment.
  • FIG. 9 is a flowchart illustrating a flow of a third processing operation when the electronic device identifies that a light source object is not included in an acquired sample frame and illuminance is not less than or equal to a threshold value, according to an embodiment.
  • FIG. 1 is a block diagram of an electronic device in a network environment, according to an embodiment.
  • an electronic device 101 communicates with an electronic device 102 through a first network 198 (eg, a short-range wireless communication network) or through a second network 199. It may communicate with at least one of the electronic device 104 or the server 108 through (eg, a long-distance wireless communication network). According to an embodiment, the electronic device 101 may communicate with the electronic device 104 through the server 108 .
  • a first network 198 eg, a short-range wireless communication network
  • a second network 199 e.g., a second network 199. It may communicate with at least one of the electronic device 104 or the server 108 through (eg, a long-distance wireless communication network). According to an embodiment, the electronic device 101 may communicate with the electronic device 104 through the server 108 .
  • the electronic device 101 includes a processor 120, a memory 130, an input module 150, an audio output module 155, a display module 160, an audio module 170, a sensor module ( 176), interface 177, connection terminal 178, haptic module 179, camera module 180, power management module 188, battery 189, communication module 190, subscriber identification module 196 , or the antenna module 197 may be included.
  • at least one of these components eg, the connection terminal 178) may be omitted or one or more other components may be added.
  • some of these components eg, sensor module 176, camera module 180, or antenna module 197) are integrated into one component (eg, display module 160). It can be.
  • the processor 120 for example, executes software (eg, the program 140) to cause at least one other component (eg, hardware or software component) of the electronic device 101 connected to the processor 120. It can control and perform various data processing or calculations. According to one embodiment, as at least part of data processing or operation, the processor 120 transfers commands or data received from other components (eg, sensor module 176 or communication module 190) to volatile memory 132. , processing commands or data stored in the volatile memory 132 , and storing resultant data in the non-volatile memory 134 .
  • software eg, the program 140
  • the processor 120 transfers commands or data received from other components (eg, sensor module 176 or communication module 190) to volatile memory 132. , processing commands or data stored in the volatile memory 132 , and storing resultant data in the non-volatile memory 134 .
  • the processor 120 may include a main processor 121 (eg, a central processing unit or an application processor) or a secondary processor 123 (eg, a graphic processing unit, a neural network processing unit ( NPU: neural processing unit (NPU), image signal processor, sensor hub processor, or communication processor).
  • a main processor 121 eg, a central processing unit or an application processor
  • a secondary processor 123 eg, a graphic processing unit, a neural network processing unit ( NPU: neural processing unit (NPU), image signal processor, sensor hub processor, or communication processor.
  • NPU neural network processing unit
  • the secondary processor 123 may be implemented separately from or as part of the main processor 121 .
  • the secondary processor 123 may, for example, take the place of the main processor 121 while the main processor 121 is in an inactive (eg, sleep) state, or the main processor 121 is active (eg, running an application). ) state, together with the main processor 121, at least one of the components of the electronic device 101 (eg, the display module 160, the sensor module 176, or the communication module 190) It is possible to control at least some of the related functions or states.
  • the auxiliary processor 123 eg, an image signal processor or a communication processor
  • the auxiliary processor 123 may include a hardware structure specialized for processing an artificial intelligence model.
  • AI models can be created through machine learning. Such learning may be performed, for example, in the electronic device 101 itself where the artificial intelligence model is performed, or may be performed through a separate server (eg, the server 108).
  • the learning algorithm may include, for example, supervised learning, unsupervised learning, semi-supervised learning or reinforcement learning, but in the above example Not limited.
  • the artificial intelligence model may include a plurality of artificial neural network layers.
  • Artificial neural networks include deep neural networks (DNNs), convolutional neural networks (CNNs), recurrent neural networks (RNNs), restricted boltzmann machines (RBMs), deep belief networks (DBNs), bidirectional recurrent deep neural networks (BRDNNs), It may be one of deep Q-networks or a combination of two or more of the foregoing, but is not limited to the foregoing examples.
  • the artificial intelligence model may include, in addition or alternatively, software structures in addition to hardware structures.
  • the memory 130 may store various data used by at least one component (eg, the processor 120 or the sensor module 176) of the electronic device 101 .
  • the data may include, for example, input data or output data for software (eg, program 140) and commands related thereto.
  • the memory 130 may include volatile memory 132 or non-volatile memory 134 .
  • the program 140 may be stored as software in the memory 130 and may include, for example, an operating system 142 , middleware 144 , or an application 146 .
  • the input module 150 may receive a command or data to be used by a component (eg, the processor 120) of the electronic device 101 from the outside of the electronic device 101 (eg, a user).
  • the input module 150 may include, for example, a microphone, a mouse, a keyboard, a key (eg, a button), or a digital pen (eg, a stylus pen).
  • the sound output module 155 may output sound signals to the outside of the electronic device 101 .
  • the sound output module 155 may include, for example, a speaker or a receiver.
  • the speaker can be used for general purposes such as multimedia playback or recording playback.
  • a receiver may be used to receive an incoming call. According to one embodiment, the receiver may be implemented separately from the speaker or as part of it.
  • the display module 160 may visually provide information to the outside of the electronic device 101 (eg, a user).
  • the display module 160 may include, for example, a display, a hologram device, or a projector and a control circuit for controlling the device.
  • the display module 160 may include a touch sensor configured to detect a touch or a pressure sensor configured to measure the intensity of force generated by the touch.
  • the audio module 170 may convert sound into an electrical signal or vice versa. According to an embodiment, the audio module 170 acquires sound through the input module 150, the sound output module 155, or an external electronic device connected directly or wirelessly to the electronic device 101 (eg: Sound may be output through the electronic device 102 (eg, a speaker or a headphone).
  • the audio module 170 acquires sound through the input module 150, the sound output module 155, or an external electronic device connected directly or wirelessly to the electronic device 101 (eg: Sound may be output through the electronic device 102 (eg, a speaker or a headphone).
  • the sensor module 176 detects an operating state (eg, power or temperature) of the electronic device 101 or an external environmental state (eg, a user state), and generates an electrical signal or data value corresponding to the detected state. can do.
  • the sensor module 176 may include, for example, a gesture sensor, a gyro sensor, an air pressure sensor, a magnetic sensor, an acceleration sensor, a grip sensor, a proximity sensor, a color sensor, an IR (infrared) sensor, a bio sensor, It may include a temperature sensor, humidity sensor, or light sensor.
  • the interface 177 may support one or more designated protocols that may be used to directly or wirelessly connect the electronic device 101 to an external electronic device (eg, the electronic device 102).
  • the interface 177 may include, for example, a high definition multimedia interface (HDMI), a universal serial bus (USB) interface, an SD card interface, or an audio interface.
  • HDMI high definition multimedia interface
  • USB universal serial bus
  • SD card interface Secure Digital Card interface
  • audio interface audio interface
  • connection terminal 178 may include a connector through which the electronic device 101 may be physically connected to an external electronic device (eg, the electronic device 102).
  • the connection terminal 178 may include, for example, an HDMI connector, a USB connector, an SD card connector, or an audio connector (eg, a headphone connector).
  • the haptic module 179 may convert electrical signals into mechanical stimuli (eg, vibration or motion) or electrical stimuli that a user may perceive through tactile or kinesthetic senses.
  • the haptic module 179 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
  • the camera module 180 may capture still images and moving images. According to one embodiment, the camera module 180 may include one or more lenses, image sensors, image signal processors, or flashes.
  • the power management module 188 may manage power supplied to the electronic device 101 .
  • the power management module 188 may be implemented as at least part of a power management integrated circuit (PMIC), for example.
  • PMIC power management integrated circuit
  • the battery 189 may supply power to at least one component of the electronic device 101 .
  • the battery 189 may include, for example, a non-rechargeable primary battery, a rechargeable secondary battery, or a fuel cell.
  • the communication module 190 is a direct (eg, wired) communication channel or a wireless communication channel between the electronic device 101 and an external electronic device (eg, the electronic device 102, the electronic device 104, or the server 108). Establishment and communication through the established communication channel may be supported.
  • the communication module 190 may include one or more communication processors that operate independently of the processor 120 (eg, an application processor) and support direct (eg, wired) communication or wireless communication.
  • the communication module 190 is a wireless communication module 192 (eg, a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module) or a wired communication module 194 (eg, : a local area network (LAN) communication module or a power line communication module).
  • a corresponding communication module is a first network 198 (eg, a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network 199 (eg, a legacy communication module).
  • the wireless communication module 192 uses subscriber information (eg, International Mobile Subscriber Identifier (IMSI)) stored in the subscriber identification module 196 within a communication network such as the first network 198 or the second network 199.
  • IMSI International Mobile Subscriber Identifier
  • the wireless communication module 192 may support a 5G network after a 4G network and a next-generation communication technology, for example, NR access technology (new radio access technology).
  • NR access technologies include high-speed transmission of high-capacity data (enhanced mobile broadband (eMBB)), minimization of terminal power and access of multiple terminals (massive machine type communications (mMTC)), or high reliability and low latency (ultra-reliable and low latency (URLLC)).
  • eMBB enhanced mobile broadband
  • mMTC massive machine type communications
  • URLLC ultra-reliable and low latency
  • -latency communications can be supported.
  • the wireless communication module 192 may support a high frequency band (eg, mmWave band) to achieve a high data rate, for example.
  • the wireless communication module 192 uses various technologies for securing performance in a high frequency band, such as beamforming, massive multiple-input and multiple-output (MIMO), and full-dimensional multiplexing. Technologies such as input/output (FD-MIMO: full dimensional MIMO), array antenna, analog beam-forming, or large scale antenna may be supported.
  • the wireless communication module 192 may support various requirements defined for the electronic device 101, an external electronic device (eg, the electronic device 104), or a network system (eg, the second network 199).
  • the wireless communication module 192 is a peak data rate for eMBB realization (eg, 20 Gbps or more), a loss coverage for mMTC realization (eg, 164 dB or less), or a U-plane latency for URLLC realization (eg, Example: downlink (DL) and uplink (UL) each of 0.5 ms or less, or round trip 1 ms or less) may be supported.
  • eMBB peak data rate for eMBB realization
  • a loss coverage for mMTC realization eg, 164 dB or less
  • U-plane latency for URLLC realization eg, Example: downlink (DL) and uplink (UL) each of 0.5 ms or less, or round trip 1 ms or less
  • the antenna module 197 may transmit or receive signals or power to the outside (eg, an external electronic device).
  • the antenna module 197 may include an antenna including a radiator formed of a conductor or a conductive pattern formed on a substrate (eg, PCB).
  • the antenna module 197 may include a plurality of antennas (eg, an array antenna). In this case, at least one antenna suitable for a communication method used in a communication network such as the first network 198 or the second network 199 is selected from the plurality of antennas by the communication module 190, for example. can be chosen A signal or power may be transmitted or received between the communication module 190 and an external electronic device through the selected at least one antenna.
  • other components eg, a radio frequency integrated circuit (RFIC) may be additionally formed as a part of the antenna module 197 in addition to the radiator.
  • RFIC radio frequency integrated circuit
  • the antenna module 197 may form a mmWave antenna module.
  • the mmWave antenna module includes a printed circuit board, an RFIC disposed on or adjacent to a first surface (eg, a lower surface) of the printed circuit board and capable of supporting a designated high frequency band (eg, mmWave band); and a plurality of antennas (eg, array antennas) disposed on or adjacent to a second surface (eg, a top surface or a side surface) of the printed circuit board and capable of transmitting or receiving signals of the designated high frequency band. can do.
  • peripheral devices eg, a bus, general purpose input and output (GPIO), serial peripheral interface (SPI), or mobile industry processor interface (MIPI)
  • signal e.g. commands or data
  • commands or data may be transmitted or received between the electronic device 101 and the external electronic device 104 through the server 108 connected to the second network 199 .
  • Each of the external electronic devices 102 or 104 may be the same as or different from the electronic device 101 .
  • all or part of operations executed in the electronic device 101 may be executed in one or more external electronic devices among the external electronic devices 102 , 104 , or 108 .
  • the electronic device 101 when the electronic device 101 needs to perform a certain function or service automatically or in response to a request from a user or another device, the electronic device 101 instead of executing the function or service by itself.
  • one or more external electronic devices may be requested to perform the function or at least part of the service.
  • One or more external electronic devices receiving the request may execute at least a part of the requested function or service or an additional function or service related to the request, and deliver the execution result to the electronic device 101 .
  • the electronic device 101 may provide the result as at least part of a response to the request as it is or additionally processed.
  • cloud computing distributed computing, mobile edge computing (MEC), or client-server computing technology may be used.
  • the electronic device 101 may provide an ultra-low latency service using, for example, distributed computing or mobile edge computing.
  • the external electronic device 104 may include an internet of things (IoT) device.
  • Server 108 may be an intelligent server using machine learning and/or neural networks. According to an embodiment, the external electronic device 104 or server 108 may be included in the second network 199 .
  • the electronic device 101 may be applied to intelligent services (eg, smart home, smart city, smart car, or health care) based on 5G communication technology and IoT-related technology.
  • FIG. 2 is a block diagram 200 illustrating a camera module 180, according to one embodiment.
  • the camera module 180 includes a lens assembly 210, a flash 220, an image sensor 230, an image stabilizer 240, a memory 250 (eg, a buffer memory), or an image signal processor. (260).
  • the lens assembly 210 may collect light emitted from a subject that is an image capturing target.
  • the lens assembly 210 may include one or more lenses.
  • the camera module 180 may include a plurality of lens assemblies 210 . In this case, the camera module 180 may form, for example, a dual camera, a 360-degree camera, or a spherical camera.
  • Some of the plurality of lens assemblies 210 may have the same lens properties (eg, angle of view, focal length, auto focus, f number, or optical zoom), or at least one lens assembly may have the same lens properties as other lens assemblies. may have one or more lens properties different from the lens properties of .
  • the lens assembly 210 may include, for example, a wide-angle lens or a telephoto lens.
  • the flash 220 may emit light used to enhance light emitted or reflected from a subject.
  • the flash 220 may include one or more light emitting diodes (eg, a red-green-blue (RGB) LED, a white LED, an infrared LED, or an ultraviolet LED), or a xenon lamp.
  • the image sensor 230 may acquire an image corresponding to the subject by converting light emitted or reflected from the subject and transmitted through the lens assembly 210 into an electrical signal.
  • the image sensor 230 is, for example, an image sensor selected from among image sensors having different properties, such as an RGB sensor, a black and white (BW) sensor, an IR sensor, or a UV sensor, It may include a plurality of image sensors having a property, or a plurality of image sensors having other properties.
  • Each image sensor included in the image sensor 230 may be implemented using, for example, a charged coupled device (CCD) sensor or a complementary metal oxide semiconductor (CMOS) sensor.
  • CCD charged coupled device
  • CMOS complementary metal oxide semiconductor
  • the image stabilizer 240 moves at least one lens or image sensor 230 included in the lens assembly 210 in a specific direction in response to movement of the camera module 180 or the electronic device 101 including the same. Operation characteristics of the image sensor 230 may be controlled (eg, read-out timing is adjusted, etc.). This makes it possible to compensate at least part of the negative effect of the movement on the image being taken.
  • the image stabilizer 240 may include a gyro sensor (not shown) or an acceleration sensor (not shown) disposed inside or outside the camera module 180. Such a movement of the camera module 180 or the electronic device 101 may be detected using .
  • the image stabilizer 240 may be implemented as, for example, an optical image stabilizer.
  • the memory 250 may at least temporarily store at least a portion of an image acquired through the image sensor 230 for a next image processing task. For example, when image acquisition is delayed according to the shutter, or a plurality of images are acquired at high speed, the acquired original image (eg, a Bayer-patterned image or a high-resolution image) is stored in the memory 250 and , a copy image (eg, a low resolution image) corresponding thereto may be previewed through the display module 160 . Thereafter, when a specified condition is satisfied (eg, a user input or a system command), at least a part of the original image stored in the memory 250 may be obtained and processed by the image signal processor 260 , for example. According to one embodiment, the memory 250 may be configured as at least a part of the memory 130 or as a separate memory operated independently of the memory 130 .
  • the image signal processor 260 may perform one or more image processes on an image obtained through the image sensor 230 or an image stored in the memory 250 .
  • the one or more image processes for example, depth map generation, 3D modeling, panorama generation, feature point extraction, image synthesis, or image compensation (eg, noise reduction, resolution adjustment, brightness adjustment, blurring ( blurring, sharpening, or softening.
  • the image signal processor 260 may include at least one of the components included in the camera module 180 (eg, an image sensor). 230) may be controlled (eg, exposure time control, read-out timing control, etc.)
  • the image processed by the image signal processor 260 is stored again in the memory 250 for further processing.
  • the image signal processor 260 may be configured as at least a part of the processor 120 or may be configured as a separate processor that operates independently of the processor 120.
  • the image signal processor 260 may be configured as a processor 120 When configured as a separate processor, at least one image processed by the image signal processor 260 may be displayed through the display module 160 as it is or after additional image processing by the processor 120 .
  • the electronic device 101 may include a plurality of camera modules 180 each having different properties or functions.
  • at least one of the plurality of camera modules 180 may be a wide-angle camera, and at least the other may be a telephoto camera.
  • at least one of the plurality of camera modules 180 may be a front camera, and at least another one may be a rear camera.
  • UDC under display camera
  • the electronic device 101 may include a processor 120 therein.
  • the processor 120 may be electrically connected to a display (eg, the display module 160 of FIG. 1 ) and the camera module 180, and control operations of the display 160 and the camera module 180. can do.
  • the display 160 may be disposed on the front of the electronic device 101.
  • the bezel structure may form the edge of the side of the electronic device 101, and the display 160 may be disposed in an area corresponding to the entire area of the front surface of the electronic device 101 excluding the bezel structure.
  • the camera module 180 may be disposed below the display 160 .
  • the display 160 may be disposed parallel to planes on the x-axis and y-axis, and the camera module 180 may be disposed in the -z direction with respect to the display 160 .
  • the camera module 180 may be covered by the display 160 and not visible from the outside.
  • external light of the electronic device 101 may pass through at least a portion of the display 160 and enter the camera module 180 .
  • external light of the electronic device 101 may pass through an area of the display 160 corresponding to the area where the camera module 180 is disposed and enter the camera module 180 .
  • diffracted light may be incident to the camera module 180.
  • transmittance of light may be lower when external light passes through the display 160 and is incident on the camera module 180 than when external light is directly incident on the camera module 180 .
  • FIG. 4 is a diagram schematically illustrating configurations of an electronic device according to an exemplary embodiment.
  • the electronic device 101 may include a processor 120, a display 160, and/or a camera module 180.
  • the processor 120 may at least control operations of the display 160 and/or the camera module 180 .
  • the processor 120 may control at least operations of the frame acquisition and synthesis module 410, the frame analysis module 420, and/or the frame correction module 430, which will be described later.
  • the frame acquisition and synthesis module 410, the frame analysis module 420, and/or the frame correction module 430 do not necessarily need to be divided in terms of hardware and may be implemented in terms of software.
  • the electronic device 101 may include a frame acquisition and synthesis module 410 , a frame analysis module 420 , and/or a frame correction module 430 .
  • the frame acquisition and synthesis module 410 may perform an operation for improving signal to noise ratio (SNR).
  • SNR signal to noise ratio
  • light transmittance may be reduced.
  • the frame acquisition and synthesis module 410 may improve SNR degradation due to a decrease in light transmittance.
  • the frame acquisition and synthesis module 410 may include a network that acquires multiple frames and generates one composite frame having a high SNR by synthesizing the acquired multiple frames.
  • the frame acquisition and synthesis module 410 may determine shooting parameters required for acquisition of the multi-frames when it is determined that acquisition of the multi-frames is necessary based on the frame analysis of the frame analysis module 420 .
  • shooting parameters include exposure value (EV), exposure time, shutter speed, aperture value, focus area, color temperature, sensitivity (ISO, international standard organization), and/or multi-frame number (N).
  • EV exposure value
  • exposure time shutter speed
  • aperture value focus area
  • color temperature color temperature
  • ISO international standard organization
  • N multi-frame number
  • the frame acquisition and compositing module 410 determines the determined shooting parameters (eg, exposure value, exposure time, shutter speed, aperture value, focus area, color temperature, sensitivity, and/or multi-frame number (N)). It is possible to obtain multi-frames based on.
  • the determined shooting parameters eg, exposure value, exposure time, shutter speed, aperture value, focus area, color temperature, sensitivity, and/or multi-frame number (N)
  • the frame acquisition and synthesis module 410 may perform multi-frame synthesis based on the acquired multi-frames. For example, the frame acquisition and synthesis module 410 may extract identical frame regions determined to be identical regions among multiple frames, and generate synthesized frames by synthesizing the multiple frames based on the extracted identical frame regions. have.
  • the synthesized frame may be a frame having an improved SNR compared to each of the multi-frame frames.
  • the multi-frames may be frames to which high dynamic range (HDR) is applied (eg, HDR frames).
  • HDR high dynamic range
  • the electronic device 101 under the control of the processor 120, adjusts the exposure to combine a plurality of frames obtained with different brightness into one frame to minimize the saturation area of the pixel , may be a frame with a widened dynamic range.
  • the frame acquisition and synthesis module 410 may not perform multi-frame synthesis when it is determined that multi-frame acquisition is not necessary based on the frame analysis of the frame analysis module 420 .
  • the above-described operations of the frame acquisition and synthesis module 410 may be performed in a Bayer domain, a YUV domain, or an RGB domain.
  • a frame may mean an image frame (or image).
  • the frame analysis module 420 may identify and/or classify attributes of the acquired sample frame, multi-frame and/or composite frame.
  • the frame analysis module 420 is a signal processing algorithm and / or AI networks (Artificial Neural Networks) acquired based on the target frame (eg, sample frame, multi-frame and / or composite frame) of the light source object It is possible to identify and/or classify presence, low illumination, brightness of a light source object, and presence or absence of artifacts (eg, flare artifact, rainbow artifact, light source halo artifact).
  • AI networks Artificial Neural Networks
  • the sample frame may be at least one of frames acquired in real time through the camera module 180 by the electronic device 101 under the control of the processor 120 .
  • the multi-frames may be frames acquired by the electronic device 101 in real time through the camera module 180 under the control of the processor 120 .
  • the multi-frame may be a set of sample frames.
  • the synthesized frame may be a frame in which the electronic device 101 synthesizes acquired multi-frames under the control of the processor 120 .
  • the frame analysis module 420 may cause saturation of pixel values due to the limit of the dynamic range in relation to an acquisition operation of a target frame (eg, a sample frame, a multi-frame, or a synthesized frame).
  • a target frame eg, a sample frame, a multi-frame, or a synthesized frame.
  • the frame analysis module 420 may exist in a designated position while a light source object with high brightness is included in the target frame in relation to an acquisition operation of a target frame (eg, a sample frame, a multi-frame, or a composite frame). have.
  • the frame analysis module 420 removes artifacts, for example, in the form of a grid pattern, caused by optical diffraction caused by the structure of a display (eg, the display 160) disposed on a camera module (eg, the camera module 180). e.g. flare artifact).
  • the frame analysis module 420 determines the pixel value of an image sensor (eg, the image sensor 230 of FIG. 2 ) of a camera module (eg, the camera module 180) when a target frame includes a light source object having strong brightness. It is also possible to identify rainbow artifacts where colors are distorted around the light source object due to the saturation of .
  • the frame analysis module 420 determines a target based on an area in which pixel values (eg, pixel values of the image sensor 230) are saturated based on a signal processing algorithm and/or AI network (Artificial Neural Networks).
  • AI network Artificial Neural Networks
  • the frame analysis module 420 may identify whether or not the illuminance of the environment in which the target frame (eg, sample frame, multi-frame, and/or synthesized frame) is acquired is less than or equal to a threshold value (or whether the illuminance is low). .
  • the frame analysis module 420 may identify low illumination by analyzing a target frame (eg, a sample frame, a multi-frame, and/or a composite frame).
  • the frame analysis module 420 uses shooting information (shutter speed, aperture, image sensitivity, etc.) or sensors (eg, the sensor module 176 of FIG. 1) (eg, an illuminance sensor, GPS, etc.) It is also possible to identify low illumination using the acquired information.
  • the frame analysis module 420 is based on a signal processing algorithm and / or an AI network (Artificial Neural Networks) based on a pixel value (eg, pixel value of the image sensor 230) is saturated based on the light The degree of cracking and/or light bleeding can be discerned.
  • the frame analysis module 420 may identify the brightness (or intensity) of the light source object by identifying the degree of light splitting and/or light spreading based on an algorithm and/or an AI network.
  • the frame analysis module 420 determines the presence or absence of artifacts in a target frame (eg, a sample frame, a multi-frame, and/or a composite frame) based on a signal processing algorithm and/or AI network (Artificial Neural Networks). can be identified and/or classified. For example, when a light source object having a brightness of a certain level or more is included in the acquired target frame and the light source object exists at a designated location, artifacts due to the UDC structure may exist in the acquired target frame. In this case, the frame analysis module 420 may detect artifacts present in the target frame based on a signal processing algorithm and/or AI networks (Artificial Neural Networks). Also, the frame analysis module 420 may indirectly detect an artifact by analyzing and/or identifying a location of a light source object within a target frame.
  • a target frame eg, a sample frame, a multi-frame, and/or a composite frame
  • a signal processing algorithm and/or AI network Artificial
  • the brightness of the light source object above a certain level may be relative brightness.
  • it may be relative brightness according to an exposure value, shutter speed, or sensitivity (ISO).
  • the frame analysis module 420 may include a plurality of sub-modules (not shown) capable of identifying and/or classifying the presence or absence of a light source object, low light intensity, brightness of a light source object, or presence or absence of an artifact.
  • the frame analysis module 420 may include a plurality of submodules such as a light source identification module, an illumination intensity identification module, a brightness identification module, and an artifact identification module, and analysis and/or identification through the plurality of submodules. Based on the result, properties of the obtained target frame may be identified and/or classified.
  • the frame analysis module 420 is a target frame (eg, sample frame, multi-frame, and / or synthesized frame) obtained based on a signal processing algorithm and / or network (eg, AI network (Artificial Neural Networks)). ) may serially (or sequentially) identify and/or classify the presence or absence of a light source object, low light intensity, the brightness of a light source object, or the presence or absence of an artifact, or may be identified and/or classified in parallel (or substantially simultaneously). You may.
  • a target frame eg, sample frame, multi-frame, and / or synthesized frame obtained based on a signal processing algorithm and / or network (eg, AI network (Artificial Neural Networks)).
  • AI network Artificial Neural Networks
  • the frame analysis module 420 identifies the presence or absence of a light source object, low light intensity, brightness of a light source object, or the presence or absence of an artifact for an acquired target frame (eg, a sample frame, a multi-frame, and/or a composite frame). And/or the classification operation may be performed when the target frame is acquired or may be performed after the target frame is acquired, according to a user's setting.
  • a light source object e.g, a sample frame, a multi-frame, and/or a composite frame.
  • the frame correction module 430 may perform a frame correction operation of a sample frame and/or a composite frame.
  • the frame correction module 430 may perform an operation for processing an effect due to optical diffraction of the sample frame and/or the synthesized frame. For example, the frame correction module 430 processes the effect of optical diffraction based on a network learned through a data set consisting of a frame having a diffraction effect and a frame having no diffraction effect. action can be performed.
  • the frame correction module 430 determines the shape and color of the light source object based on the obtained HDR frame (or HDR-processed frame) when the light source object is identified in the acquired sample frame and/or the synthesized frame. information can be generated.
  • the frame correction module 430 may be used to perform frame correction (eg, restore the shape and color of a light source object) using information on the shape and color of a light source object.
  • the frame correction module 430 may perform a frame correction operation based on the analysis of the frame analysis module 420 .
  • the frame correction module 430 may include various signal processing algorithms and/or AI networks (Artificial Neural Networks) for frame correction.
  • a signal processing algorithm for frame correction of the frame correction module 430 may include artificial neural networks (ANNs).
  • ANNs artificial neural networks
  • a network model to be used in the frame correction module 430 may be determined based on the identification and/or classification of the frame analysis module 420 .
  • the frame correction module 430 may perform a frame correction operation through a plurality of networks based on the identification and/or classification of the frame analysis module 420 .
  • the frame correction module 430 may include a signal processing algorithm for SNR improvement and/or a signal processing algorithm for artifact removal.
  • the algorithms may be performed in the Bayer domain, YUV domain, or RGB domain.
  • the frame correction module 430 may remove artifacts included in the sample frame and/or the synthesized frame based on the analysis of the frame analysis module 420 .
  • the frame analysis module 420 may determine the type of artifacts to be removed for frame correction, and accordingly may determine a signal processing algorithm and/or AI networks (Artificial Neural Networks) for artifact removal.
  • the frame analysis module 420 may determine a plurality of signal processing algorithms and/or networks (Artificial Neural Networks) according to the type and/or number of artifacts.
  • the signal processing algorithm and/or artificial neural networks may be performed in a Bayer domain, a YUV domain, or an RGB domain.
  • the processor 120 or the image signal processor 260 performs demosaicing and gamma correction on a target frame (eg, a sample frame or a composite frame) of the obtained Bayer domain. correction), AWB (auto white balance), or color correction by performing basic color, brightness, or contrast tuning to achieve Bayer domain, YUV domain, or RGB A frame in the RGB domain can be created.
  • a target frame eg, a sample frame or a composite frame
  • AWB auto white balance
  • color correction by performing basic color, brightness, or contrast tuning to achieve Bayer domain, YUV domain, or RGB A frame in the RGB domain can be created.
  • the above-described operation of the processor 120 or the image signal processor 260 may be referred to as 'frame tuning' for convenience of description.
  • the above-described 'frame tuning' may be performed by the frame correction module 430.
  • the processor 120 or the image signal processor 260 may further perform a processing operation such as improving SNR, adjusting sharpness, or mitigating distortion with respect to a target frame (eg, a sample frame or a synthesized frame).
  • a processing operation such as improving SNR, adjusting sharpness, or mitigating distortion with respect to a target frame (eg, a sample frame or a synthesized frame).
  • the operations of the frame analysis module 420 and/or the frame correction module 430 may be performed upon acquisition of a sample frame and/or a composite frame according to a user's setting, and the sample frame and/or the frame correction module 430 may be performed. It may be performed after acquisition of the composite frame.
  • the frame analysis module 420 and/or the frame correction module 430 may operate based on at least some of the signal processing algorithms and/or networks (Artificial Neural Networks) learned through machine learning.
  • Artificial Neural Networks Artificial Neural Networks
  • the target frame is sampled. Complexity or precision may be higher when the target frame is a synthesized frame than in the case of a frame.
  • FIG. 5 is a flowchart illustrating a flow in which an electronic device performs first to third processing operations according to whether a light source object is included in an acquired sample frame and the intensity of illumination, according to an exemplary embodiment.
  • the electronic device receives a sample frame under the control of a processor (eg, the processor 120 of FIG. 1 or 4). can be obtained.
  • the electronic device 101 executes the control of the processor 120 in response to the acquisition of the execution input. Accordingly, the camera module 180 may be activated.
  • the electronic device 101 may obtain a sample frame using the camera module 180 under the control of the processor 120 .
  • the sample frame may be a frame for a preview image acquired through the camera module 180 and displayed on the display 160 .
  • the electronic device identifies whether a light source object is included in the acquired sample frame under the control of a processor (eg, the processor 120).
  • the light source object may be, for example, an object such as the sun or a light.
  • the electronic device 101 when the electronic device 101 identifies that the light source object is included in the sample frame under the control of the processor 120 (operation 520 - 'yes'), it performs a first processing operation according to operation 540. can do.
  • operation 530 when the electronic device 101 identifies that the light source object is not included in the sample frame under the control of the processor 120 (operation 520 - 'No'), operation 530 may be performed.
  • the electronic device eg, the electronic device 101 performs a processing operation (eg, the electronic device 101) corresponding to the case where the light source object is identified according to the control of the processor (eg, the processor 120).
  • a first processing operation may be performed.
  • the electronic device determines whether the illumination intensity of the sample frame is less than or equal to a threshold value (or whether the illumination intensity is low) according to the control of the processor (eg, the processor 120). ) can be identified.
  • a second processing operation may be performed.
  • the second processing operation may be a processing operation when the processor 120 does not identify a light source object in the sample frame but identifies low intensity.
  • a third processing operation according to operation 560 may be performed.
  • the third processing operation may be a processing operation when the processor 120 fails to identify a light source object in the sample frame and also fails to identify a low light intensity.
  • operations 520 and 530 may be performed serially (or sequentially) or in parallel as described above.
  • FIG. 6 is a flowchart illustrating a flow of a first processing operation (or operation 540) when the electronic device identifies a light source object in an acquired sample frame, according to an embodiment.
  • the electronic device receives a sample frame under the control of a processor (eg, the processor 120 of FIG. 1 or 4).
  • shooting parameters for acquisition of multi-frames e.g., exposure value, exposure time, shutter speed, aperture value, focus area, color temperature, sensitivity, and/or number of multi-frames (N)) can be determined.
  • the electronic device 101 controls shooting parameters (eg, exposure value, exposure time, shutter speed, aperture value, focus area, color temperature, sensitivity) suitable for acquisition of multi-frames under the control of the processor 120.
  • shooting parameters eg, exposure value, exposure time, shutter speed, aperture value, focus area, color temperature, sensitivity
  • N multi-frame longevity
  • the electronic device 101 may determine the number of multi-frames to be obtained based on the exposure value or the ISO value under the control of the processor 120 .
  • the electronic device controls a processor (eg, the processor 120) to capture parameters (eg, exposure value, exposure time, shutter speed, Multi-frames may be obtained based on an aperture value, a focus area, a color temperature, a sensitivity, and/or a multi-frame number (N).
  • a processor eg, the processor 120
  • capture parameters eg, exposure value, exposure time, shutter speed, Multi-frames may be obtained based on an aperture value, a focus area, a color temperature, a sensitivity, and/or a multi-frame number (N).
  • the electronic device 101 determines the shooting parameters (eg, the determined exposure value, exposure time, shutter speed, aperture value, focus area, color temperature, sensitivity, and/or Multi-frames may be acquired based on the number of multi-frames (N). In this case, the electronic device 101 may acquire at least one exposure value frame in which the pixel value is not saturated under the control of the processor 120 .
  • the shooting parameters eg, the determined exposure value, exposure time, shutter speed, aperture value, focus area, color temperature, sensitivity, and/or Multi-frames
  • N the number of multi-frames
  • the electronic device may generate a composite frame by synthesizing multiple frames under the control of a processor (eg, the processor 120).
  • the electronic device 101 controls the determined shooting parameters (eg, the determined exposure value, exposure time, shutter speed, aperture value, focus area, color temperature, sensitivity, and/or
  • the obtained multi-frames may be synthesized based on the multi-frame longevity (N), and synthesized frames may be generated by synthesizing.
  • the electronic device 101 may extract identical frame regions determined to be identical regions in each multi-frame, and synthesize the multi-frames based on the extracted identical frame regions. It is possible to generate a composite frame by performing.
  • the electronic device may identify a property of a light source object included in the composite frame under the control of a processor (eg, the processor 120). have.
  • the electronic device 101 may identify properties of the light source object, such as brightness, color, or artifact information of the light source object, under the control of the processor 120 .
  • the electronic device eg, the electronic device 101
  • the electronic device 101 performs frame correction on the synthesized frame based on properties of the light source object, such as brightness of the identified light source object or artifact information of the light source object, under the control of the processor 120. can be performed.
  • the processor 120 demosaicing a target frame (eg, a sample frame, a composite frame) of the obtained Bayer domain
  • a target frame eg, a sample frame, a composite frame
  • basic color, brightness, or contrast tuning such as gamma correction, AWB (auto white balance), or color correction, Bayer domain, YUV domain (YUV) domain) or an RGB domain frame.
  • AWB auto white balance
  • color correction Bayer domain
  • YUV domain YUV domain
  • RGB domain frame RGB domain frame
  • the timing at which frame tuning is performed may not be particularly limited.
  • frame tuning may be performed between operations 620 and 630 , between operations 630 and 640 , or after operation 650 .
  • FIG. 7 is a flowchart specifically illustrating a flow of correcting a composite frame in a first processing operation by an electronic device, according to an exemplary embodiment.
  • operations 710 to 740 of FIG. 7 may be operations in which operations 640 to 650 of FIG. 6 are embodied.
  • the electronic device eg, the electronic device 101 of FIG. 1 or 4 controls the processor (eg, the processor 120 of FIG. 1 or 4) to synthesize frames.
  • the brightness of the light source object included in can be identified.
  • the electronic device 101 controls the processor 120 to determine, in the pixel area of the obtained composite frame, a saturated pixel area having the maximum pixel value and a pixel equal to or greater than a threshold value smaller than the maximum pixel value.
  • the brightness of the light source object may be identified through an area ratio of a designated pixel area having a value. For example, as the brightness of the light source object increases, the intensity of light spread around the light source object of the synthesized frame acquired by the electronic device 101 may increase. Also, since the value of the area ratio may increase as the intensity of light spreading increases, the electronic device 101 may identify the brightness of the light source object by identifying the value of the area ratio under the control of the processor 120. have.
  • the electronic device 101 performs the same or similar method as the above-described operation of identifying the brightness of the light source object based on the intensity of the light spill, under the control of the processor 120, to split the light of the light source object.
  • the degree By identifying the degree, the brightness of the light source object can be identified.
  • the electronic device may identify artifact information by a light source object in the composite frame under the control of a processor (eg, the processor 120). .
  • the electronic device 101 may directly identify artifact information from the synthesized frame under the control of the processor 120, or indirectly identify artifact information through the location of a light source object included in the synthesized frame. You may.
  • the electronic device 101 performs segmentation on synthesized frames based on a signal processing algorithm and/or AI networks (Artificial Neural Networks) for identifying artifacts under the control of the processor 120.
  • Artifact information can be identified.
  • the electronic device 101 may identify artifact information (eg, presence/absence of an artifact, artifact type) by identifying a position of a light source object within a composite frame under the control of the processor 120 . For example, when a light source object included in a composite frame acquired by the electronic device 101 exists at a designated location, the electronic device 101 identifies artifact information present in the composite frame under the control of the processor 120. (or obtained) can be obtained. For example, under the control of the processor 120, the electronic device 101 may be generating a map capable of determining the existence and/or type of an artifact according to the location of a light source object. Also, a memory (eg, the memory 130 of FIG. 1 ) may store the map. Under the control of the processor 120, the electronic device 101 may identify the presence or absence of an artifact and/or the type of the artifact based on the position of the light source object in the composite frame and the generated map.
  • artifact information eg, presence/absence of an arti
  • the electronic device 101 under the control of the processor 120, obtains artifact information (eg, presence or absence of artifacts, artifacts) based on a network learned through a data set for a light source object and an environment in which the light source object exists. type) can be identified.
  • artifact information eg, presence or absence of artifacts, artifacts
  • the electronic device may determine a frame correction method based on the identified brightness and artifact information under the control of a processor (eg, the processor 120). .
  • the electronic device may perform frame correction of the synthesized frame based on the frame correction method determined under the control of the processor (for example, the processor 120). have.
  • the electronic device 101 may determine at least one of a signal processing method in the form of an image convolution filter and/or a learning network method as a frame correction method under the control of the processor 120.
  • a learning network method a target frame (eg, a synthesized frame) obtained based on a network made of multiple overlapping layers is input to the network to generate a target frame, and the target frame and actual data are generated.
  • the network can be trained by comparing with (ground truth). For a balance between speed and performance, the number of nested layers can be adjusted, and additional networks can be configured.
  • the electronic device 101 may identify the brightness (or intensity) of the light source object or the location of the light source object generating the artifact, under the control of the processor 120 .
  • the electronic device 101 generates artifacts (e.g., rainbow artifacts) generated when the brightness (or intensity) of a light source object is strong and/or a display (e.g., the display 160) under the control of the processor 120.
  • Frame correction may be performed to remove artifacts (eg, flare artifacts) caused by optical diffraction.
  • FIG. 8 is a flowchart illustrating a flow of a second processing operation (or operation 550 of FIG. 5 ) when the electronic device identifies that the illuminance of the obtained sample frame is less than or equal to a threshold value, according to an embodiment.
  • the electronic device controls the processor (eg, the processor 120) so that the illuminance of the sample frame is less than or equal to the threshold value. could have been identified.
  • the electronic device 101 may perform a second processing operation (or operation 550) when it is identified that the illuminance of the sample frame is less than or equal to the threshold value.
  • the second processing operation (or operation 550) may include operations 810-840.
  • the electronic device eg, the electronic device 101 of FIG. 1 or 4 performs a multi-frame operation under the control of a processor (eg, the processor 120 of FIG. 1 or 4).
  • Shooting parameters eg, exposure value, exposure time, shutter speed, aperture value, focus area, color temperature, sensitivity, and/or multi-frame number (N) for acquisition of .
  • the electronic device 101 obtains a plurality of frames (eg, multi-frames) for SNR improvement under the control of the processor 120 when it is identified that the illuminance of the sample frame is less than or equal to the threshold value.
  • a plurality of frames eg, multi-frames
  • the electronic device 101 may perform shooting parameters (eg, exposure value, exposure time, shutter speed, aperture value, focus area, color temperature, sensitivity, and/or
  • shooting parameters eg, exposure value, exposure time, shutter speed, aperture value, focus area, color temperature, sensitivity, and/or
  • the multi-frame longevity (N) may be determined.
  • the electronic device 101 may determine a fixed exposure value for acquisition of multi-frames under the control of the processor 120 .
  • the electronic device may acquire multi-frames under the control of a processor (eg, the processor 120).
  • the electronic device 101 may acquire a plurality of frames (eg, multi-frames) based on the determined shooting parameter (eg, a fixed exposure value) under the control of the processor 120. .
  • the electronic device may generate a composite frame by synthesizing multiple frames under the control of a processor (eg, the processor 120).
  • the electronic device 101 synthesizes a plurality of frames (eg, multi-frames) acquired based on the determined shooting parameter (eg, a fixed exposure value) under the control of the processor 120. , a composite frame can be created.
  • a plurality of frames eg, multi-frames
  • the determined shooting parameter eg, a fixed exposure value
  • the electronic device may perform frame correction of the synthesized frame under the control of a processor (eg, the processor 120).
  • the electronic device 101 may perform frame correction of a synthesized frame based on a signal processing algorithm for frame correction and/or AI networks (Artificial Neural Networks) under the control of the processor 120. .
  • the electronic device 101 performs frame correction based on a signal processing algorithm and/or network (Artificial Neural Networks) for removing an effect due to optical diffraction on a synthesized frame under the control of the processor 120. can do.
  • the network for removing the effect due to diffraction may be a network performed based on data used in machine learning, and is the same as the network used for frame correction in the presence of a light source object having strong brightness (or intensity) and/or or similar.
  • the processor 120 demosaicing a target frame (eg, a sample frame, a composite frame) of the obtained Bayer domain
  • a target frame eg, a sample frame, a composite frame
  • basic color, brightness, or contrast tuning such as gamma correction, AWB (auto white balance), or color correction, Bayer domain, YUV domain (YUV) domain) or an RGB domain frame.
  • AWB auto white balance
  • color correction Bayer domain
  • YUV domain YUV domain
  • RGB domain frame RGB domain frame
  • the timing at which frame tuning is performed may not be particularly limited.
  • frame tuning may be performed between operations 820 and 830 , between operations 830 and 840 , or after operation 840 .
  • descriptions of operations related to shooting parameters of the electronic device 101 include not only the above-described exposure values, but also exposure time, shutter speed, aperture value, focus area, color temperature, sensitivity, and/or multi-frame. The same or similar may be applied to longevity (N).
  • FIG. 9 illustrates a third processing operation (or operation 560 of FIG. 5 ) when the electronic device identifies that a light source object is not included in the obtained sample frame and the illuminance is not less than or equal to a threshold value, according to an embodiment. It is a flow chart that represents flow.
  • the electronic device receives a sample frame under the control of a processor (eg, the processor 120 of FIG. 1 or 4).
  • Frame correction can be performed using
  • the electronic device 101 when the electronic device 101 identifies that the light source object is not included in the sample frame or the illuminance is not less than or equal to a threshold value, the electronic device 101 performs frame correction to improve SNR and/or remove the effect of the light source object. may not need to be performed.
  • the electronic device 101 may perform frame correction only for distortion due to optical diffraction without performing multi-frame acquisition under the control of the processor 120 .
  • the electronic device 101 may perform multi-frame acquisition and synthesis of the acquired multi-frames under the control of the processor 120 .
  • the electronic device 101 frames the acquired sample frame or multi-frame based on a signal processing algorithm and/or artificial neural networks for frame correction under the control of the processor 120. correction can be made.
  • the processor 120 demosaicing a target frame (eg, a sample frame, a composite frame) of the obtained Bayer domain
  • a target frame eg, a sample frame, a composite frame
  • basic color, brightness, or contrast tuning such as gamma correction, AWB (auto white balance), or color correction, Bayer domain, YUV domain (YUV) domain) or an RGB domain frame.
  • AWB auto white balance
  • color correction Bayer domain
  • YUV domain YUV domain
  • RGB domain frame RGB domain frame
  • the timing at which frame tuning is performed may not be particularly limited.
  • frame tuning may be performed between operations 530 and operations 910 or after operation 910 .
  • different signal processing algorithms may be applied to operations (eg, operation 740, operation 840, and/or operation 910) of performing frame correction of the electronic device 101, and the signal processing algorithm is the same. Even if it does, the applied parameters may be different.
  • different network models may be applied to the operations (eg, operation 740, operation 840, and/or operation 910). have.
  • the electronic device includes a display (eg, the display 160), the display (eg, the display 160) )), a camera module (for example, the camera module 180) disposed below, and a processor electrically connected to the display (for example, the display 160) and the camera module (for example, the camera module 180) (
  • the processor eg, the processor 120
  • obtains a sample frame using the camera module eg, the camera module 180
  • a light source object is assigned to the sample frame
  • a first identification is performed on whether the light source object is included in the sample frame, and when it is identified that the light source object is included in the sample frame according to the first identification, a first shooting parameter for acquiring multi-frames is determined, and the first shooting parameter is determined.
  • Acquire first multi-frames based on parameters, synthesize the first multi-frames to generate a first synthesized frame, identify properties of the light source object included in the first synthesized frame, and identify the properties Based on the first frame correction of the first composite frame may be performed.
  • the first shooting parameter is at least one of an exposure value, a shutter speed, an aperture value, a focus area, a color temperature, a sensitivity, and the number of multi-frames.
  • the attribute may be at least one of brightness of a light source object and artifact information.
  • the processor performs second identification on whether the illuminance of the sample frame is equal to or less than a threshold value. and determining a second shooting parameter for obtaining a second multi-frame when it is identified that the illuminance is less than or equal to a threshold value according to the second identification, and acquiring the second multi-frame based on the second shooting parameter. and synthesizing the second multi-frames to generate a second composite frame, and performing second frame correction on the second composite frame.
  • the processor may perform the first identification and the second identification in parallel.
  • the second shooting parameter may include at least a fixed exposure value.
  • the processor eg, the processor 120 identifies whether the illuminance of the sample frame is less than or equal to a threshold value, and determines whether the illuminance is If it is not identified that the value is less than or equal to the threshold value, third frame correction may be performed using the sample frame.
  • the processor may perform frame tuning on the synthesized frame.
  • the processor may perform machine learning in identifying whether the light source object is included in the sample frame. It is possible to identify whether the light source object is included or not based on a signal processing algorithm and/or network (Artificial Neural Networks) learned with .
  • a signal processing algorithm and/or network Artificial Neural Networks
  • the electronic device includes a frame analysis module (eg, the frame analysis module 420) and frame correction.
  • a module eg, the frame correction module 430
  • the processor eg, the processor 120
  • the first identification based on the frame analysis module (eg, the frame analysis module 420).
  • the first frame correction may be performed based on the frame correction module (eg, the frame correction module 430).
  • the electronic device includes a display (eg, the display 160), and the display (eg, the display 160).
  • a camera module eg, the camera module 180
  • the display eg, the display 160
  • the camera module eg, the camera module 180
  • the processor eg, the processor 120
  • determining a first shooting parameter for obtaining multi-frames acquiring a first multi-frame based on the first shooting parameter, and generating a first composite frame by synthesizing the first multi-frames. , an operation of identifying a property of the light source object included in the first synthesis frame, and an operation of performing a first frame correction of the first synthesis frame based on the identified property.
  • the first shooting parameter includes an exposure value, a shutter speed, an aperture value, a focus area, a color temperature, a sensitivity, and a multi-frame. It may be at least one of the longevity.
  • the attribute may be at least one of brightness of a light source object and artifact information.
  • the processor determines whether the illuminance of the sample frame is equal to or less than a threshold value. 2 Operation of performing identification, operation of determining a second shooting parameter for obtaining a second multi-frame when it is identified that the illuminance is less than or equal to a threshold value according to the second identification, and based on the second shooting parameter An operation of obtaining a second multi-frame, an operation of generating a second composite frame by synthesizing the second multi-frame, and an operation of performing a second frame correction of the second composite frame may be further performed.
  • the processor eg, the processor 120 performs the first identification and the second identification in parallel. can do.
  • the second shooting parameter may include at least a fixed exposure value.
  • the processor eg, the processor 120 identifies whether the illuminance of the sample frame is less than or equal to a threshold value. An operation of performing third frame correction using the sample frame when it is not identified that the illuminance is less than or equal to the threshold value may be further performed.
  • the processor eg, the processor 120 further performs an operation of performing frame tuning on the synthesized frame. can do.
  • the processor identifies whether the light source object is included in the sample frame. In operation, whether or not the light source object is included may be identified based on a signal processing algorithm and/or artificial neural networks learned through machine learning.
  • the electronic device includes a frame analysis module (eg, the frame analysis module 420) ) and a frame correction module (for example, the frame correction module 430), wherein the processor (for example, the processor 120), based on the frame analysis module (for example, the frame analysis module 420)
  • the processor for example, the processor 120
  • An operation of performing the first identification and an operation of performing the first frame correction based on the frame correction module may be performed.
  • Electronic devices may be devices of various types.
  • the electronic device may include, for example, a portable communication device (eg, a smart phone), a computer device, a portable multimedia device, a portable medical device, a camera, a wearable device, or a home appliance.
  • a portable communication device eg, a smart phone
  • a computer device e.g., a smart phone
  • a portable multimedia device e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a camera e.g., a camera
  • a wearable device e.g., a smart bracelet
  • first, second, or first or secondary may simply be used to distinguish that component from other corresponding components, and may refer to that component in other respects (eg, importance or order) is not limited.
  • a (eg, first) component is said to be “coupled” or “connected” to another (eg, second) component, with or without the terms “functionally” or “communicatively.”
  • the certain component may be connected to the other component directly (eg by wire), wirelessly, or through a third component.
  • module used in various embodiments of this document may include a unit implemented in hardware, software, or firmware, and is interchangeably interchangeable with terms such as, for example, logic, logic blocks, components, or circuits.
  • a module may be an integrally constructed component or a minimal unit of components or a portion thereof that performs one or more functions.
  • the module may be implemented in the form of an application-specific integrated circuit (ASIC).
  • ASIC application-specific integrated circuit
  • a storage medium eg, internal memory 136 or external memory 138
  • a machine eg, electronic device 101
  • a processor eg, the processor 120
  • a device eg, the electronic device 101
  • the one or more instructions may include code generated by a compiler or code executable by an interpreter.
  • the device-readable storage medium may be provided in the form of a non-transitory storage medium.
  • the storage medium is a tangible device and does not contain a signal (e.g. electromagnetic wave), and this term refers to the case where data is stored semi-permanently in the storage medium. It does not discriminate when it is temporarily stored.
  • a signal e.g. electromagnetic wave
  • the method according to various embodiments disclosed in this document may be included and provided in a computer program product.
  • Computer program products may be traded between sellers and buyers as commodities.
  • a computer program product is distributed in the form of a device-readable storage medium (eg compact disc read only memory (CD-ROM)), or through an application store (eg Play Store TM ) or on two user devices ( It can be distributed (eg downloaded or uploaded) online, directly between smart phones.
  • a device-readable storage medium eg compact disc read only memory (CD-ROM)
  • an application store eg Play Store TM
  • It can be distributed (eg downloaded or uploaded) online, directly between smart phones.
  • at least part of the computer program product may be temporarily stored or temporarily created in a device-readable storage medium such as a manufacturer's server, an application store server, or a relay server's memory.
  • each component (eg, module or program) of the components described above may include a single object or a plurality of objects, and some of the multiple objects may be separately disposed in other components.
  • one or more components or operations among the aforementioned components may be omitted, or one or more other components or operations may be added.
  • a plurality of components eg modules or programs
  • the integrated component may perform one or more functions of each of the plurality of components identically or similarly to those performed by a corresponding component of the plurality of components prior to the integration. .
  • operations performed by modules, programs, or other components are executed sequentially, in parallel, iteratively, or heuristically, or one or more of the operations are executed in a different order, omitted, or , or one or more other operations may be added.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Studio Devices (AREA)

Abstract

본 문서의 일 실시 예에 따른 전자 장치에 있어서, 상기 전자 장치는, 디스플레이, 상기 디스플레이의 하부에 배치되는 카메라 모듈, 및 상기 디스플레이 및 상기 카메라 모듈과 전기적으로 연결되는 프로세서를 포함하고, 상기 프로세서는 상기 카메라 모듈을 이용하여 샘플 프레임을 획득하고, 상기 샘플 프레임에 광원 객체가 포함되는지 여부를 식별하고, 상기 샘플 프레임에 상기 광원 객체가 포함됨을 식별한 경우에 멀티 프레임의 획득을 위한 촬영 파라미터를 결정하고, 상기 촬영 파라미터에 기반하여 멀티 프레임을 획득하고, 상기 멀티 프레임을 합성하여 합성 프레임을 생성하고, 상기 합성 프레임에 포함된 상기 광원 객체에 대한 속성을 식별하고, 식별된 상기 속성에 기반하여 상기 합성 프레임의 프레임 보정을 수행할 수 있다.

Description

카메라 모듈을 포함하는 전자 장치 및 그 전자 장치의 동작 방법
본 문서의 다양한 실시 예들은 카메라 모듈을 포함하는 전자 장치에 있어서, UDC(under display camera) 구조로 인해 발생하는 광학적 문제를 해결하기 위한 기술에 관한 것이다.
전자 장치의 카메라를 이용하여 다양한 이미지를 획득하고 획득한 이미지를 다양한 컨텐츠에 활용하는 경우가 증가함에 따라, 전자 장치의 구조 및 동작 관련해서 보다 양질의 이미지를 획득하기 위한 다양한 기술들이 개발되고 있다.
UDC(under display camera)는 디스플레이의 아래에 배치되므로, UDC를 포함하는 전자 장치는 디스플레이의 전면에 카메라가 배치된 경우보다 넓은 영역에 컨텐츠를 표시함으로써 디스플레이의 면적을 보다 효과적으로 활용할 수 있다.
또한, UDC를 포함하는 전자 장치의 디스플레이의 형성된 차폐 구조에 의한 광학적 회절, 또는 투과율과 같은 문제들을 해결하기 위해 하드웨어 및/또는 소프트웨어 측면에서 다양한 개발이 진행되고 있다.
상기 정보는 본 개시내용의 이해를 돕기 위한 배경 정보로서만 제공된다. 상기 내용 중 어느 것이 본 개시와 관련하여 선행 기술로 적용될 수 있는지 여부에 대해서 결정하는 것이 아니며, 그에 대한 주장이 이루어진 것도 아니다.
종래 기술에 따르면, 카메라가 차폐 구조가 형성된 디스플레이의 아래에 배치됨에 따라, 외부로부터 입사되는 광의 회절이 발생하고 투과율이 낮아지는 문제가 있다.
종래 기술에 따르면, 광학적 회절 및/또는 낮은 투과율로 인해 카메라를 통해 획득한 이미지의 해상력 저하, SNR 열화, 빛 갈라짐 및 빛 번짐, 또는 아티팩트(artifact)가 발생할 수 있다.
본 문서의 다양한 실시 예에 따르면, UDC 구조의 전자 장치를 이용하여 이미지 획득 시에 각각의 시나리오에 대응하는 소프트웨어 처리를 통해 효율적으로 양질의 이미지를 획득할 수 있다.
추가적인 양태는 다음의 설명에서 부분적으로 설명될 것이며, 부분적으로는 설명으로부터 명백해질 것이며, 또는 제시된 실시예의 실행에 의해 학습될 수 있다.
본 문서의 일 실시 예에 따른 전자 장치에 있어서, 상기 전자 장치는, 디스플레이, 상기 디스플레이의 하부에 배치되는 카메라 모듈, 및 상기 디스플레이 및 상기 카메라 모듈과 전기적으로 연결되는 프로세서를 포함하고, 상기 프로세서는 상기 카메라 모듈을 이용하여 샘플 프레임을 획득하고, 상기 샘플 프레임에 광원 객체가 포함되는지 여부를 식별하고, 상기 샘플 프레임에 상기 광원 객체가 포함됨을 식별한 경우에 멀티 프레임의 획득을 위한 촬영 파라미터를 결정하고, 상기 촬영 파라미터에 기반하여 멀티 프레임을 획득하고, 상기 멀티 프레임을 합성하여 합성 프레임을 생성하고, 상기 합성 프레임에 포함된 상기 광원 객체에 대한 속성을 식별하고, 식별된 상기 속성에 기반하여 상기 합성 프레임의 프레임 보정을 수행할 수 있다.
본 문서의 일 실시 예에 따른 전자 장치의 동작 방법에 있어서, 상기 전자 장치는 디스플레이, 상기 디스플레이의 하부에 배치되는 카메라 모듈, 및 상기 디스플레이 및 상기 카메라 모듈과 전기적으로 연결되는 프로세서를 포함하고, 상기 동작 방법은, 상기 카메라 모듈을 이용하여 샘플 프레임을 획득하는 동작, 상기 샘플 프레임에 광원 객체가 포함되는지 여부를 식별하는 동작, 상기 샘플 프레임에 상기 광원 객체가 포함됨을 식별한 경우에 멀티 프레임의 획득을 위한 촬영 파라미터를 결정하는 동작, 상기 촬영 파라미터에 기반하여 멀티 프레임을 획득하는 동작, 상기 멀티 프레임을 합성하여 합성 프레임을 생성하는 동작, 상기 합성 프레임에 포함된 상기 광원 객체에 대한 속성을 식별하는 동작, 및 식별된 상기 속성에 기반하여 상기 합성 프레임의 프레임 보정을 수행하는 동작을 포함할 수 있다.
본 문서의 다양한 실시 예에 따르면, UDC 구조로 인해 카메라를 통해 획득되는 이미지의 해상력 저하, 또는 SNR 열화를 방지하고, 빛 갈라짐 및 빛 번짐, 또는 아티팩트의 발생을 제거함으로써 개선된 이미지를 얻을 수 있다.
본 문서의 다양한 실시 예에 따르면, 이미지가 획득되는 각각의 환경에 대응하는 시나리오를 적용함으로써, 전자 장치가 환경 변화에 적응적으로 동작하여 각 환경에 맞는 시나리오에 기반한 양질의 이미지를 얻을 수 있다.
다양한 실시 예들에 기초하여 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, 일 실시 예에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는, 일 실시 예에 따른, 카메라 모듈을 예시하는 블럭도이다.
도 3은, 일 실시 예에 따른, 전자 장치의 UDC(under display camera) 구조를 간략하게 나타내는 도면이다.
도 4는, 일 실시 예에 따른, 전자 장치의 구성들을 간략하게 나타내는 도면이다.
도 5는, 일 실시 예에 따른, 전자 장치가 획득된 샘플 프레임에서 광원 객체 포함 여부 및 조도에 따라 제1 처리 동작 내지 제3 처리 동작을 수행하는 흐름을 나타내는 흐름도이다.
도 6은, 일 실시 예에 따른, 전자 장치가 획득된 샘플 프레임에서 광원 객체를 식별한 경우의 제1 처리 동작의 흐름을 나타내는 흐름도이다.
도 7은, 일 실시 예에 따른, 전자 장치가 제1 처리 동작에 있어서, 합성 프레임을 보정하는 흐름을 구체적으로 나타내는 흐름도이다.
도 8은, 일 실시 예에 따른, 전자 장치가 획득된 샘플 프레임의 조도가 임계 값 이하임을 식별한 경우의 제2 처리 동작의 흐름을 나타내는 흐름도이다.
도 9는, 일 실시 예에 따른, 전자 장치가 획득된 샘플 프레임에 광원 객체가 포함되지 않으며, 조도가 임계 값 이하가 아님을 식별한 경우의 제3 처리 동작의 흐름을 나타내는 흐름도이다.
도 1은, 일 실시 예에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일 실시 예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일 실시 예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 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 실시 예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시 예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 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 실시 예에 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 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일 실시 예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 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: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시 예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일 실시 예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 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) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 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 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일 실시 예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시 예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시 예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 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), 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(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, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시 예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시 예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 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) 또는 전기적인 자극으로 변환할 수 있다. 일 실시 예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시 예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일 실시 예에 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 구성요소에 전력을 공급할 수 있다. 일 실시 예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 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 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시 예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(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 제1 네트워크(198) 또는 제2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일 실시 예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일 실시 예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일 실시 예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제1 네트워크(198) 또는 제2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시 예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시 예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일 실시 예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 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))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일 실시 예에 따르면, 명령 또는 데이터는 제2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시 예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 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 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 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, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시 예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일 실시 예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
도 2는, 일 실시 예에 따른, 카메라 모듈(180)을 예시하는 블럭도(200)이다.
도 2를 참조하면, 카메라 모듈(180)은 렌즈 어셈블리(210), 플래쉬(220), 이미지 센서(230), 이미지 스태빌라이저(240), 메모리(250)(예: 버퍼 메모리), 또는 이미지 시그널 프로세서(260)를 포함할 수 있다. 렌즈 어셈블리(210)는 이미지 촬영의 대상인 피사체로부터 방출되는 빛을 수집할 수 있다. 렌즈 어셈블리(210)는 하나 또는 그 이상의 렌즈들을 포함할 수 있다. 일 실시 예에 따르면, 카메라 모듈(180)은 복수의 렌즈 어셈블리(210)들을 포함할 수 있다. 이런 경우, 카메라 모듈(180)은, 예를 들면, 듀얼 카메라, 360도 카메라, 또는 구형 카메라(spherical camera)를 형성할 수 있다. 복수의 렌즈 어셈블리(210)들 중 일부는 동일한 렌즈 속성(예: 화각, 초점 거리, 자동 초점, f 넘버(f number), 또는 광학 줌)을 갖거나, 또는 적어도 하나의 렌즈 어셈블리는 다른 렌즈 어셈블리의 렌즈 속성들과 다른 하나 이상의 렌즈 속성들을 가질 수 있다. 렌즈 어셈블리(210)는, 예를 들면, 광각 렌즈 또는 망원 렌즈를 포함할 수 있다.
플래쉬(220)는 피사체로부터 방출 또는 반사되는 빛을 강화하기 위하여 사용되는 빛을 방출할 수 있다. 일 실시 예에 따르면, 플래쉬(220)는 하나 이상의 발광 다이오드들(예: RGB(red-green-blue) LED, white LED, infrared LED, 또는 ultraviolet LED), 또는 xenon lamp를 포함할 수 있다. 이미지 센서(230)는 피사체로부터 방출 또는 반사되어 렌즈 어셈블리(210)를 통해 전달된 빛을 전기적인 신호로 변환함으로써, 상기 피사체에 대응하는 이미지를 획득할 수 있다. 일 실시 예에 따르면, 이미지 센서(230)는, 예를 들면, RGB 센서, BW(black and white) 센서, IR 센서, 또는 UV 센서와 같이 속성이 다른 이미지 센서들 중 선택된 하나의 이미지 센서, 동일한 속성을 갖는 복수의 이미지 센서들, 또는 다른 속성을 갖는 복수의 이미지 센서들을 포함할 수 있다. 이미지 센서(230)에 포함된 각각의 이미지 센서는, 예를 들면, CCD(charged coupled device) 센서 또는 CMOS(complementary metal oxide semiconductor) 센서를 이용하여 구현될 수 있다.
이미지 스태빌라이저(240)는 카메라 모듈(180) 또는 이를 포함하는 전자 장치(101)의 움직임에 반응하여, 렌즈 어셈블리(210)에 포함된 적어도 하나의 렌즈 또는 이미지 센서(230)를 특정한 방향으로 움직이거나 이미지 센서(230)의 동작 특성을 제어(예: 리드 아웃(read-out) 타이밍을 조정 등)할 수 있다. 이는 촬영되는 이미지에 대한 상기 움직임에 의한 부정적인 영향의 적어도 일부를 보상하게 해 준다. 일 실시 예에 따르면, 이미지 스태빌라이저(240)는, 일 실시 예에 따르면, 이미지 스태빌라이저(240)은 카메라 모듈(180)의 내부 또는 외부에 배치된 자이로 센서(미도시) 또는 가속도 센서(미도시)를 이용하여 카메라 모듈(180) 또는 전자 장치(101)의 그런 움직임을 감지할 수 있다. 일 실시 예에 따르면, 이미지 스태빌라이저(240)는, 예를 들면, 광학식 이미지 스태빌라이저로 구현될 수 있다. 메모리(250)는 이미지 센서(230)을 통하여 획득된 이미지의 적어도 일부를 다음 이미지 처리 작업을 위하여 적어도 일시 저장할 수 있다. 예를 들어, 셔터에 따른 이미지 획득이 지연되거나, 또는 복수의 이미지들이 고속으로 획득되는 경우, 획득된 원본 이미지(예: Bayer-patterned 이미지 또는 높은 해상도의 이미지)는 메모리(250)에 저장이 되고, 그에 대응하는 사본 이미지(예: 낮은 해상도의 이미지)는 디스플레이 모듈(160)을 통하여 프리뷰될 수 있다. 이후, 지정된 조건이 만족되면(예: 사용자 입력 또는 시스템 명령) 메모리(250)에 저장되었던 원본 이미지의 적어도 일부가, 예를 들면, 이미지 시그널 프로세서(260)에 의해 획득되어 처리될 수 있다. 일 실시 예에 따르면, 메모리(250)는 메모리(130)의 적어도 일부로, 또는 이와는 독립적으로 운영되는 별도의 메모리로 구성될 수 있다.
이미지 시그널 프로세서(260)는 이미지 센서(230)을 통하여 획득된 이미지 또는 메모리(250)에 저장된 이미지에 대하여 하나 이상의 이미지 처리들을 수행할 수 있다. 상기 하나 이상의 이미지 처리들은, 예를 들면, 깊이 지도(depth map) 생성, 3차원 모델링, 파노라마 생성, 특징점 추출, 이미지 합성, 또는 이미지 보상(예: 노이즈 감소, 해상도 조정, 밝기 조정, 블러링(blurring), 샤프닝(sharpening), 또는 소프트닝(softening)을 포함할 수 있다. 추가적으로 또는 대체적으로, 이미지 시그널 프로세서(260)는 카메라 모듈(180)에 포함된 구성 요소들 중 적어도 하나(예: 이미지 센서(230))에 대한 제어(예: 노출 시간 제어, 또는 리드 아웃 타이밍 제어 등)를 수행할 수 있다. 이미지 시그널 프로세서(260)에 의해 처리된 이미지는 추가 처리를 위하여 메모리(250)에 다시 저장되거나 카메라 모듈(180)의 외부 구성 요소(예: 메모리(130), 디스플레이 모듈(160), 전자 장치(102), 전자 장치(104), 또는 서버(108))로 제공될 수 있다. 일 실시 예에 따르면, 이미지 시그널 프로세서(260)는 프로세서(120)의 적어도 일부로 구성되거나, 프로세서(120)와 독립적으로 운영되는 별도의 프로세서로 구성될 수 있다. 이미지 시그널 프로세서(260)이 프로세서(120)과 별도의 프로세서로 구성된 경우, 이미지 시그널 프로세서(260)에 의해 처리된 적어도 하나의 이미지는 프로세서(120)에 의하여 그대로 또는 추가의 이미지 처리를 거친 후 디스플레이 모듈(160)을 통해 표시될 수 있다.
일 실시 예에 따르면, 전자 장치(101)는 각각 다른 속성 또는 기능을 가진 복수의 카메라 모듈(180)들을 포함할 수 있다. 이런 경우, 예를 들면, 상기 복수의 카메라 모듈(180)들 중 적어도 하나는 광각 카메라이고, 적어도 다른 하나는 망원 카메라일 수 있다. 유사하게, 상기 복수의 카메라 모듈(180)들 중 적어도 하나는 전면 카메라이고, 적어도 다른 하나는 후면 카메라일 수 있다.
도 3은, 일 실시 예에 따른, 전자 장치의 UDC(under display camera) 구조를 간략하게 나타내는 도면이다.
일 실시 예에 따르면, 전자 장치(101)는 내부에 프로세서(120)를 포함할 수 있다. 예를 들어, 프로세서(120)는, 디스플레이(예: 도 1의 디스플레이 모듈(160)) 및 카메라 모듈(180)과 전기적으로 연결될 수 있고, 디스플레이(160) 및 카메라 모듈(180)의 동작들을 제어할 수 있다.
일 실시 예에 따르면, 전자 장치(101)의 전면에는 디스플레이(160)가 배치될 수 있다. 예를 들어, 베젤 구조는 전자 장치(101)의 측면의 가장자리를 형성할 수 있고, 전자 장치(101)의 전면의 전체 영역에서 베젤 구조를 제외한 영역에 대응하는 영역에 디스플레이(160)가 배치될 수 있다.
일 실시 예에 따르면, 디스플레이(160)의 아래에 카메라 모듈(180)이 배치될 수 있다. 예를 들어, 디스플레이(160)는 x축 및 y축 상의 평면에 평행하게 배치될 수 있으며, 카메라 모듈(180)은 디스플레이(160)를 기준으로 -z 방향에 배치될 수 있다. 카메라 모듈(180)은 디스플레이(160)에 의해 가려져서 외부에서 보이지 않을 수 있다.
일 실시 예에 따르면, 전자 장치(101)의 외부의 광은 디스플레이(160)의 적어도 일부를 통과하여 카메라 모듈(180)에 입사할 수 있다. 예를 들어, 전자 장치(101)의 외부 광은, 카메라 모듈(180)이 배치된 영역에 대응하는 디스플레이(160)의 영역을 통과하여 카메라 모듈(180)에 입사할 수 있다.
일 실시 예에 따르면, 전자 장치(101)의 외부의 광이 디스플레이(160)를 통과하여 카메라 모듈(180)에 입사하는 경우에 카메라 모듈(180)에는 회절이 발생한 광이 입사할 수 있다.
일 실시 예에 따르면, 외부의 광이 카메라 모듈(180)에 직접 입사하는 경우보다, 디스플레이(160)를 통과하여 카메라 모듈(180)에 입사하는 경우가 광의 투과율이 낮을 수 있다.
도 4는, 일 실시 예에 따른, 전자 장치의 구성들을 간략하게 나타내는 도면이다.
일 실시 예에 따르면, 전자 장치(101)는 프로세서(120), 디스플레이(160), 및/또는 카메라 모듈(180)을 포함할 수 있다.
일 실시 예에서, 프로세서(120)는 디스플레이(160) 및/또는 카메라 모듈(180)의 동작들을 적어도 제어할 수 있다.
일 실시 예에서, 프로세서(120)는 후술하는 프레임 획득 및 합성 모듈(410), 프레임 분석 모듈(420), 및/또는 프레임 보정 모듈(430)의 동작들을 적어도 제어할 수 있다.
일 실시 예에 따르면, 프레임 획득 및 합성 모듈(410), 프레임 분석 모듈(420), 및/또는 프레임 보정 모듈(430)은 반드시 하드웨어적으로 구분될 필요는 없으며, 소프트웨어적으로 구현될 수 있다.
일 실시 예에 따르면, 전자 장치(101)는 프레임 획득 및 합성 모듈(410), 프레임 분석 모듈(420), 및/또는 프레임 보정 모듈(430)을 포함할 수 있다.
일 실시 예에 따르면, 프레임 획득 및 합성 모듈(410)은 SNR(signal to noise ratio)의 개선을 위한 동작을 수행할 수 있다.
일 실시 예에서, 디스플레이(160)의 아래에 카메라 모듈(180)이 배치됨에 따라 광의 투과율이 감소될 수 있다. 프레임 획득 및 합성 모듈(410)은 광의 투과율 감소로 인한 SNR의 열화를 개선할 수 있다.
일 실시 예에서, 프레임 획득 및 합성 모듈(410)은 멀티 프레임을 획득하고, 획득한 멀티 프레임을 합성하여 SNR이 높은 하나의 합성 프레임을 생성하는 네트워크를 포함할 수 있다.
일 실시 예에서, 프레임 획득 및 합성 모듈(410)은 프레임 분석 모듈(420)의 프레임 분석에 기반하여 멀티 프레임의 획득이 필요하다고 결정한 경우에, 멀티 프레임의 획득에 필요한 촬영 파라미터를 결정할 수 있다. 예를 들어, 촬영 파라미터는 노출 값(EV, exposure value), 노출 시간, 셔터 속도, 조리개 값, 초점 영역, 색 온도, 감도(ISO, international standard organization), 및/또는 멀티 프레임 장수(N)를 포함할 수 있다.
일 실시 예에서, 프레임 획득 및 합성 모듈(410)은 결정된 촬영 파라미터(예: 노출 값, 노출 시간, 셔터 속도, 조리개 값, 초점 영역, 색 온도, 감도, 및/또는 멀티 프레임 장수(N))에 기반하여 멀티 프레임을 획득할 수 있다.
일 실시 예에서, 프레임 획득 및 합성 모듈(410)은 획득된 멀티 프레임에 기반하여 멀티 프레임의 합성을 수행할 수 있다. 예를 들어, 프레임 획득 및 합성 모듈(410)은 멀티 프레임들 중에서 동일한 영역으로 판단되는 동일 프레임 영역들을 추출할 수 있고, 추출된 동일 프레임 영역들을 기반으로 멀티 프레임들을 합성함으로써 합성 프레임을 생성할 수 있다. 합성 프레임은, 멀티 프레임들 각각의 프레임들 보다 SNR이 향상된 프레임일 수 있다.
일 실시 예에서, 멀티 프레임들은, HDR(high dynamic range)가 적용된 프레임(예: HDR 프레임)일 수 있다.
일 실시 예에서, HDR 프레임은, 전자 장치(101)가 프로세서(120)의 제어에 따라, 노출을 조절하여 밝기가 다르게 취득된 복수의 프레임들을 하나의 프레임으로 합성하여 픽셀의 포화 영역을 최소화하고, 다이나믹 레인지(dynamic range)를 넓힌 프레임일 수 있다.
일 실시 예에서, 프레임 획득 및 합성 모듈(410)은 프레임 분석 모듈(420)의 프레임 분석에 기반하여 멀티 프레임의 획득이 필요하지 않다고 결정한 경우에, 멀티 프레임의 합성을 수행하지 않을 수도 있다.
일 실시 예에서, 프레임 획득 및 합성 모듈(410)의 상술한 동작들은 베이어 영역(bayer domain), YUV 영역(YUV domain), 또는 RGB 영역(RGB domain)에서 수행될 수 있다.
다양한 실시 예에 따르면, 프레임은, 이미지 프레임(또는 이미지)을 의미할 수 있다.
일 실시 예에 따르면, 프레임 분석 모듈(420)은 획득된 샘플 프레임, 멀티 프레임 및/또는 합성 프레임의 속성을 식별 및/또는 분류할 수 있다.
일 실시 예에서, 프레임 분석 모듈(420)은 신호 처리 알고리즘 및/또는 AI 네트워크(Artificial Neural Networks)에 기반하여 획득된 대상 프레임(예: 샘플 프레임, 멀티 프레임 및/또는 합성 프레임)의 광원 객체의 유무, 저조도 여부, 광원 객체의 밝기, 아티팩트(예: flare artifact, rainbow artifact, light source halo artifact) 유무를 식별 및/또는 분류할 수 있다.
일 실시 예에서, 샘플 프레임은, 전자 장치(101)가 프로세서(120)의 제어에 따라, 카메라 모듈(180)을 통해 실시간으로 획득하는 프레임들 중 적어도 하나의 프레임일 수 있다.
일 실시 예에서, 멀티 프레임은, 전자 장치(101)가 프로세서(120)의 제어에 따라, 카메라 모듈(180)을 통해 실시간으로 획득하는 프레임들일 수 있다. 또는 멀티 프레임은, 샘플 프레임들의 집합일 수 있다.
일 실시 예에서, 합성 프레임은, 전자 장치(101)가 프로세서(120)의 제어에 따라, 획득한 멀티 프레임들에 대한 합성을 수행한 프레임일 수 있다.
다양한 실시 예에서, 샘플 프레임, 멀티 프레임 및/또는 합성 프레임에 관한 전자 장치(101)의 동작들은 필요한 부분에서 후술한다.
일 실시 예에서, 프레임 분석 모듈(420)은 대상 프레임(예: 샘플 프레임, 멀티 프레임, 또는 합성 프레임)의 획득 동작과 관련하여, 다이나믹 레인지(dynamic range)의 한계로 픽셀 값의 포화가 발생할 수 있고, 획득된 대상 프레임 내의 광원 객체 주위의 빛 갈라짐 및 빛 번짐으로 인해 광원의 형태 및/또는 색감이 왜곡되는 상태를 식별할 수 있다.
일 실시 예에서, 프레임 분석 모듈(420)은 대상 프레임(예: 샘플 프레임, 멀티 프레임, 또는 합성 프레임)의 획득 동작과 관련하여, 대상 프레임에 강한 밝기의 광원 객체가 포함되면서 지정된 위치에 존재할 수 있다. 프레임 분석 모듈(420)은 카메라 모듈(예: 카메라 모듈(180)) 위에 배치되는 디스플레이(예: 디스플레이(160))의 구조에 의해 광학적 회절이 발생함으로써 생기는 예를 들어, 격자 패턴 형태의 아티팩트(예: flare artifact)를 식별할 수 있다. 또한 프레임 분석 모듈(420)은 대상 프레임에 강한 밝기의 광원 객체가 포함되는 경우, 카메라 모듈(예: 카메라 모듈(180))의 이미지 센서(예: 도 2의 이미지 센서(230))의 픽셀 값의 포화에 의해 광원 객체 주위에 색상이 왜곡되는 레인보우 아티팩트를 식별할 수도 있다.
일 실시 예에서, 프레임 분석 모듈(420)은 신호 처리 알고리즘 및/또는 AI 네트워크(Artificial Neural Networks)에 기반하여 픽셀 값(예: 이미지 센서(230)의 픽셀 값)이 포화된 영역을 기반으로 대상 프레임(예: 샘플 프레임, 멀티 프레임 및/또는 합성 프레임)의 광원 객체의 존재 여부를 식별할 수 있다.
일 실시 예에서, 프레임 분석 모듈(420)은 대상 프레임(예: 샘플 프레임, 멀티 프레임 및/또는 합성 프레임)이 획득된 환경의 조도가 임계 값 이하인지 여부(또는 저조도 여부)를 식별할 수 있다. 예를 들어, 프레임 분석 모듈(420)은 대상 프레임(예: 샘플 프레임, 멀티 프레임 및/또는 합성 프레임)을 분석함으로써 저조도 여부를 식별할 수 있다. 다른 예를 들어, 프레임 분석 모듈(420)은 촬영 정보(셔터 속도, 조리개, 이미지 감도, 등) 또는 센서(예: 도 1의 센서 모듈(176))(예: 조도 센서, GPS 등)를 이용하여 획득한 정보를 이용하여 저조도 여부를 식별할 수도 있다.
일 실시 예에서, 프레임 분석 모듈(420)은 신호 처리 알고리즘 및/또는 AI 네트워크(Artificial Neural Networks)에 기반하여 픽셀 값(예: 이미지 센서(230)의 픽셀 값)이 포화된 영역을 기반으로 빛 갈라짐 및/또는 빛 번짐의 정도를 식별할 수 있다. 또한 프레임 분석 모듈(420)은 알고리즘 및/또는 AI 네트워크에 기반하여 빛 갈라짐 및/또는 빛 번짐의 정도를 식별함으로써, 광원 객체의 밝기(또는 세기)를 식별할 수 있다.
일 실시 예에서, 프레임 분석 모듈(420)은 신호 처리 알고리즘 및/또는 AI 네트워크(Artificial Neural Networks)에 기반하여 대상 프레임(예: 샘플 프레임, 멀티 프레임 및/또는 합성 프레임)에 존재하는 아티팩트 유무를 식별 및/또는 분류할 수 있다. 예를 들어, 획득된 대상 프레임 내에 일정 수준 이상의 밝기를 가지는 광원 객체가 포함되면서 광원 객체가 지정된 위치에 존재하는 경우에, 획득된 대상 프레임 내에 UDC 구조로 인한 아티팩트가 존재할 수 있다. 이 경우 프레임 분석 모듈(420)은 신호 처리 알고리즘 및/또는 AI 네트워크(Artificial Neural Networks)에 기반하여 대상 프레임 내에 존재하는 아티팩트를 검출할 수 있다. 또한 프레임 분석 모듈(420)은 대상 프레임 내의 광원 객체의 위치를 분석 및/또는 식별함으로써 간접적으로 아티팩트를 검출할 수도 있다.
일 실시 예에서, 광원 객체의 일정 수준 이상의 밝기는, 상대적 밝기일 수 있다. 예를 들면, 노출 값, 셔터 속도, 또는 감도(ISO)에 따른 상대적인 밝기일 수 있다.
일 실시 예에서, 프레임 분석 모듈(420)은 광원 객체의 유무, 저조도 여부, 광원 객체의 밝기, 또는 아티팩트 유무를 식별 및/또는 분류할 수 있는 복수의 서브 모듈들(미도시)을 포함할 수도 있다. 예를 들어, 프레임 분석 모듈(420)은 광원 식별 모듈, 조도 식별 모듈, 밝기 식별 모듈, 아티팩트 식별 모듈과 같은 복수의 서브 모듈들을 포함할 수 있으며, 상기 복수의 서브 모듈들을 통한 분석 및/또는 식별 결과에 기반하여 획득된 대상 프레임의 속성을 식별 및/또는 분류할 수 있다.
일 실시 예에서, 프레임 분석 모듈(420)은 신호 처리 알고리즘 및/또는 네트워크(예: AI 네트워크(Artificial Neural Networks))에 기반하여 획득된 대상 프레임(예: 샘플 프레임, 멀티 프레임 및/또는 합성 프레임)의 광원 객체의 유무, 저조도 여부, 광원 객체의 밝기, 또는 아티팩트 유무를 직렬적으로(또는 순차적으로) 식별 및/또는 분류할 수도 있고, 병렬적으로(또는 실질적으로 동시에) 식별 및/또는 분류할 수도 있다.
일 실시 예에서, 프레임 분석 모듈(420)의 획득된 대상 프레임(예: 샘플 프레임, 멀티 프레임 및/또는 합성 프레임)에 대한 광원 객체의 유무, 저조도 여부, 광원 객체의 밝기, 또는 아티팩트 유무를 식별 및/또는 분류하는 동작은, 사용자의 설정에 따라 대상 프레임의 획득 시에 수행될 수도 있고, 대상 프레임의 획득 후에 수행될 수도 있다.
일 실시 예에 따르면, 프레임 보정 모듈(430)은 샘플 프레임 및/또는 합성 프레임의 프레임 보정 동작을 수행할 수 있다.
일 실시 예에서, 프레임 보정 모듈(430)은 샘플 프레임 및/또는 합성 프레임의 광학적 회절에 따른 영향을 처리하기 위한 동작을 수행할 수 있다. 예를 들어, 프레임 보정 모듈(430)은, 회절에 따른 영향이 존재하는 프레임과 회절에 따른 영향이 존재하지 않는 프레임으로 구성된 데이터 세트를 통해 학습된 네트워크에 기반하여 광학적 회절에 따른 영향을 처리하기 위한 동작을 수행할 수 있다.
일 실시 예에서, 프레임 보정 모듈(430)은, 획득된 샘플 프레임 및/또는 합성 프레임 내에 광원 객체를 식별한 경우, 획득한 HDR 프레임(또는 HDR 처리된 프레임)에 기반하여 광원 객체의 모양 및 색감에 대한 정보를 생성할 수 있다. 프레임 보정 모듈(430)은, 광원 객체의 모양 및 색감에 대한 정보를 이용하여 프레임 보정의 수행(예: 광원 객체의 모양 및 색감을 복원)에 이용할 수 있다.
일 실시 예에서, 프레임 보정 모듈(430)은, 프레임 분석 모듈(420)의 분석에 기반하여 프레임 보정 동작을 수행할 수 있다.
일 실시 예에서, 프레임 보정 모듈(430)은 프레임 보정을 위한 다양한 신호 처리 알고리즘 및/또는 AI 네트워크(Artificial Neural Networks)를 포함할 수 있다. 예를 들어, 프레임 보정 모듈(430)의 프레임 보정을 위한 보정에 관한 신호 처리 알고리즘에는 ANN(artificial neural networks)가 포함될 수 있다. 다른 예를 들어, 프레임 분석 모듈(420)의 식별 및/또는 분류에 기반하여 프레임 보정 모듈(430)에서 사용될 네트워크 모델이 결정될 수도 있다. 또한, 프레임 보정 모듈(430)은 프레임 분석 모듈(420)의 식별 및/또는 분류에 기반하여 복수의 네트워크를 통해 프레임 보정 동작을 수행할 수도 있다.
일 실시 예에서, 프레임 보정 모듈(430)은 SNR 개선을 위한 신호 처리 알고리즘 및/또는 아티팩트의 제거를 위한 신호 처리 알고리즘을 포함할 수 있다. 상기 알고리즘들은 베이어 영역(bayer domain), YUV 영역(YUV domain), 또는 RGB 영역(RGB domain)에서 수행될 수 있다.
일 실시 예에서, 프레임 보정 모듈(430)은 프레임 분석 모듈(420)의 분석에 기반하여 샘플 프레임 및/또는 합성 프레임에 포함된 아티팩트의 제거를 수행할 수 있다. 예를 들어, 프레임 분석 모듈(420)은 프레임 보정을 위해 제거해야 하는 아티팩트의 종류를 결정할 수 있고, 이에 따라 아티팩트의 제거를 위한 신호 처리 알고리즘 및/또는 AI 네트워크(Artificial Neural Networks)를 결정할 수 있다. 또한, 프레임 분석 모듈(420)은 아티팩트의 종류 및/또는 개수에 따라 복수의 신호 처리 알고리즘 및/또는 네트워크(Artificial Neural Networks)를 결정할 수도 있다.
일 실시 예에서, 상기 신호 처리 알고리즘 및/또는 네트워크(Artificial Neural Networks)는 베이어 영역(Bayer domain), YUV 영역(YUV domain), 또는 RGB 영역(RGB domain)에서 수행될 수 있다.
일 실시 예에서, 프로세서(120) 또는 이미지 시그널 프로세서(260)는, 획득된 베이어 영역(Bayer domain)의 대상 프레임(예: 샘플 프레임, 합성 프레임)에 대해 디모자이크(demosaicing), 감마 보정(gamma correction), AWB(auto white balance), 또는 색감 보정(color correction)과 같은 기본적인 색감, 밝기, 또는 콘트라스트(contrast)의 튜닝을 수행함으로써 베이어 영역(Bayer domain), YUV 영역(YUV domain), 또는 RGB 영역(RGB domain)의 프레임을 생성할 수 있다.
일 실시 예에서, 프로세서(120) 또는 이미지 시그널 프로세서(260)의 상술한 동작은, 설명의 편의를 위해 '프레임 튜닝'으로 칭할 수 있다.
일 실시 예에서, 상술한 '프레임 튜닝'은 프레임 보정 모듈(430)에 의해 수행될 수도 있다.
일 실시 예에서, 프로세서(120) 또는 이미지 시그널 프로세서(260)는, 대상 프레임(예: 샘플 프레임, 합성 프레임)에 대해 SNR 개선, 선명도 조절, 또는 왜곡 완화와 같은 처리 동작을 더 수행할 수도 있다.
일 실시 예에서, 프레임 분석 모듈(420) 및/또는 프레임 보정 모듈(430)의 동작들은 사용자의 설정에 따라, 샘플 프레임 및/또는 합성 프레임의 획득 시에 수행될 수도 있고, 샘플 프레임 및/또는 합성 프레임의 획득 이후에 수행될 수도 있다.
일 실시 예에서, 프레임 분석 모듈(420) 및/또는 프레임 보정 모듈(430)은 적어도 일부 기계 학습으로 학습된 신호 처리 알고리즘 및/또는 네트워크(Artificial Neural Networks)에 기반하여 동작할 수 있다.
일 실시 예에서, 프레임 분석 모듈(420) 및/또는 프레임 보정 모듈(430)이 기계 학습으로 학습된 신호 처리 알고리즘 및/또는 네트워크(Artificial Neural Networks)에 기반하여 동작하는 경우에, 대상 프레임이 샘플 프레임인 경우보다, 대상 프레임이 합성 프레임인 경우에 복잡도, 또는 정밀도가 높을 수 있다.
도 5는, 일 실시 예에 따른, 전자 장치가 획득된 샘플 프레임에서 광원 객체 포함 여부 및 조도에 따라 제1 처리 동작 내지 제3 처리 동작을 수행하는 흐름을 나타내는 흐름도이다.
일 실시 예에 따르면, 동작 510에서, 전자 장치(예: 도 1 또는 도 4의 전자 장치(101))는 프로세서(예: 도 1 또는 도 4의 프로세서(120))의 제어에 따라, 샘플 프레임을 획득할 수 있다.
일 실시 예에서, 사용자가 촬영을 위해 전자 장치(101)의 카메라 어플리케이션을 실행시키는 사용자의 실행 입력을 수행하면, 전자 장치(101)는 상기 실행 입력의 획득에 응답하여 프로세서(120)의 제어에 따라 카메라 모듈(180)을 활성화시킬 수 있다.
일 실시 예에서, 전자 장치(101)는 프로세서(120)의 제어에 따라, 카메라 모듈(180)을 이용하여 샘플 프레임을 획득할 수 있다. 예를 들어, 샘플 프레임은, 카메라 모듈(180)을 통해 획득한 디스플레이(160)에 표시되는 프리뷰 이미지에 대한 프레임일 수 있다.
일 실시 예에 따르면, 동작 520에서, 전자 장치(예: 전자 장치(101))는 프로세서(예: 프로세서(120))의 제어에 따라, 획득한 샘플 프레임에 광원 객체가 포함되는지 여부를 식별할 수 있다. 광원 객체는, 예를 들면, 태양, 또는 조명과 같은 객체일 수 있다.
일 실시 예에서, 전자 장치(101)가 프로세서(120)의 제어에 따라, 샘플 프레임에 광원 객체가 포함됨을 식별한 경우(동작 520 - '예')에는 동작 540에 따른 제1 처리 동작을 수행할 수 있다.
일 실시 예에서, 전자 장치(101)가 프로세서(120)의 제어에 따라, 샘플 프레임에 광원 객체가 포함되지 않음을 식별한 경우(동작 520 - '아니오')에는 동작 530을 수행할 수 있다.
일 실시 예에 따르면, 동작 540에서, 전자 장치(예: 전자 장치(101))는 프로세서(예: 프로세서(120))의 제어에 따라, 광원 객체가 식별된 경우에 대응하는 처리 동작(예: 제1 처리 동작)을 수행할 수 있다.
일 실시 예에 따르면, 동작 530에서, 전자 장치(예: 전자 장치(101))는 프로세서(예: 프로세서(120))의 제어에 따라, 샘플 프레임의 조도가 임계 값 이하인지 여부(또는 저조도 여부)를 식별할 수 있다.
일 실시 예에서, 전자 장치(101)가 프로세서(120)의 제어에 따라, 조도가 임계 값 이하임을 식별한 경우(또는 저조도임을 식별한 경우)(동작 530 - '예')에는 동작 550에 따른 제2 처리 동작을 수행할 수 있다. 예를 들어, 제2 처리 동작은, 프로세서(120)가 샘플 프레임에서 광원 객체를 식별하지 못했으나 저조도를 식별한 경우의 처리 동작일 수 있다.
일 실시 예에서, 전자 장치(101)가 프로세서(120)의 제어에 따라, 조도가 임계 값 이하가 아님을 식별한 경우(또는 저조도가 아님을 식별한 경우)(동작 530 - '아니오')에는 동작 560에 따른 제3 처리 동작을 수행할 수 있다. 예를 들어, 제3 처리 동작은, 프로세서(120)가 샘플 프레임에서 광원 객체를 식별하지 못했으며, 저조도를 식별하지도 못한 경우의 처리 동작일 수 있다.
일 실시 예에 따르면, 동작 520 및 동작 530은 상술한 바와 같이 직렬적으로(또는 순차적으로) 수행될 수도 있고, 병렬적으로 수행될 수도 있다.
도 6은, 일 실시 예에 따른, 전자 장치가 획득된 샘플 프레임에서 광원 객체를 식별한 경우의 제1 처리 동작(또는 동작 540)의 흐름을 나타내는 흐름도이다.
일 실시 예에 따르면, 동작 610에서, 전자 장치(예: 도 1 또는 도 4의 전자 장치(101))는 프로세서(예: 도 1 또는 도 4의 프로세서(120))의 제어에 따라, 샘플 프레임에 광원 객체가 포함됨을 식별한 경우에 멀티 프레임의 획득을 위한 촬영 파라미터(예: 노출 값, 노출 시간, 셔터 속도, 조리개 값, 초점 영역, 색 온도, 감도, 및/또는 멀티 프레임 장수(N))를 결정할 수 있다.
일 실시 예에서, 전자 장치(101)는 프로세서(120)의 제어에 따라, 멀티 프레임의 획득에 적절한 촬영 파라미터(예: 노출 값, 노출 시간, 셔터 속도, 조리개 값, 초점 영역, 색 온도, 감도, 및/또는 멀티 프레임 장수(N))를 결정할 수 있다. 예를 들어, 전자 장치(101)는 샘플 프레임에 광원 객체가 포함됨을 식별한 경우, 프로세서(120)의 제어에 따라 노출 시간, 셔터 속도, 조리개 값, 초점 영역, 색온도, 감도, 및/또는 멀티 프레임 장수(N)를 조절하여 노출 값을 감소시킬 수 있다. 다른 예를 들어, 전자 장치(101)는 프로세서(120)의 제어에 따라, 노출 값 또는 ISO 값에 기반하여 획득할 멀티 프레임 장수를 결정할 수도 있다.
일 실시 예에 따르면, 동작 620에서, 전자 장치(예: 전자 장치(101))는 프로세서(예: 프로세서(120))의 제어에 따라, 촬영 파라미터(예: 노출 값, 노출 시간, 셔터 속도, 조리개 값, 초점 영역, 색 온도, 감도, 및/또는 멀티 프레임 장수(N))에 기반하여 멀티 프레임을 획득할 수 있다.
일 실시 예에서, 전자 장치(101)는 프로세서(120)의 제어에 따라, 결정된 촬영 파라미터(예: 결정된 노출 값, 노출 시간, 셔터 속도, 조리개 값, 초점 영역, 색 온도, 감도, 및/또는 멀티 프레임 장수(N))에 기반하여 멀티 프레임을 획득할 수 있다. 이 경우, 전자 장치(101)는 프로세서(120)의 제어에 따라, 픽셀 값이 포화되지 않는 노출 값의 프레임을 적어도 하나 이상 획득할 수 있다.
일 실시 예에 따르면, 동작 630에서, 전자 장치(예: 전자 장치(101))는 프로세서(예: 프로세서(120))의 제어에 따라, 멀티 프레임을 합성하여 합성 프레임을 생성할 수 있다.
일 실시 예에서, 전자 장치(101)는 프로세서(120)의 제어에 따라, 상기 결정된 촬영 파라미터(예: 결정된 노출 값, 노출 시간, 셔터 속도, 조리개 값, 초점 영역, 색 온도, 감도, 및/또는 멀티 프레임 장수(N))에 기반하여 획득한 멀티 프레임들을 합성할 수 있고, 합성함으로써 합성 프레임을 생성할 수 있다. 예를 들어, 전자 장치(101)는 프로세서(120)의 제어에 따라, 각각의 멀티 프레임에서 동일한 영역으로 판단되는 동일 프레임 영역들을 추출할 수 있고, 추출된 동일 프레임 영역들을 기반으로 멀티 프레임들의 합성을 수행함으로써 합성 프레임을 생성할 수 있다.
일 실시 예에 따르면, 동작 640에서, 전자 장치(예: 전자 장치(101))는 프로세서(예: 프로세서(120))의 제어에 따라, 합성 프레임에 포함된 광원 객체에 대한 속성을 식별할 수 있다.
일 실시 예에서, 전자 장치(101)는 프로세서(120)의 제어에 따라, 광원 객체의 밝기, 색상, 또는 광원 객체에 의한 아티팩트 정보와 같은 광원 객체에 대한 속성을 식별할 수 있다.
일 실시 예에 따르면, 동작 650에서, 전자 장치(예: 전자 장치(101))는 프로세서(예: 프로세서(120))의 제어에 따라, 식별된 속성에 기반하여 합성 프레임의 프레임 보정을 수행할 수 있다.
일 실시 예에서, 전자 장치(101)는 프로세서(120)의 제어에 따라, 식별된 광원 객체의 밝기, 또는 광원 객체에 의한 아티팩트 정보와 같은 광원 객체에 대한 속성에 기반하여 합성 프레임에 대한 프레임 보정을 수행할 수 있다.
일 실시 예에서, 프로세서(120)(또는 도 2의 이미지 시그널 프로세서(260))는, 획득된 베이어 영역(Bayer domain)의 대상 프레임(예: 샘플 프레임, 합성 프레임)에 대해 디모자이크(demosaicing), 감마 보정(gamma correction), AWB(auto white balance), 또는 색감 보정(color correction)과 같은 기본적인 색감, 밝기, 또는 콘트라스트(contrast)의 튜닝을 수행함으로써 베이어 영역(Bayer domain), YUV 영역(YUV domain), 또는 RGB 영역(RGB domain)의 프레임을 생성할 수 있다. 일 실시 예에서, 프로세서(120)(또는 이미지 시그널 프로세서(260))의 상술한 동작은 설명의 편의를 위해 '프레임 튜닝'으로 칭할 수 있다.
일 실시 예에서, 프레임 튜닝이 수행되는 시점은 특별한 제한이 없을 수 있다. 예를 들어, 프레임 튜닝은 동작 620과 동작 630의 사이에 수행될 수도 있고, 동작 630과 동작 640의 사이에 수행될 수도 있고, 동작 650 이후에 수행될 수도 있다.
일 실시 예에 따른, 동작 640 내지 동작 650에 대한 상세한 설명은 도 7의 동작 710 내지 동작 740에 기반하여 후술한다.
도 7은, 일 실시 예에 따른, 전자 장치가 제1 처리 동작에 있어서, 합성 프레임을 보정하는 흐름을 구체적으로 나타내는 흐름도이다.
일 실시 예에 따르면, 도 7의 동작 710 내지 동작 740은, 도 6의 동작 640 내지 동작 650을 구체화시킨 동작들일 수 있다.
일 실시 예에 따르면, 동작 710에서, 전자 장치(예: 도 1 또는 도 4의 전자 장치(101))는 프로세서(예: 도 1 또는 도 4의 프로세서(120))의 제어에 따라, 합성 프레임에 포함된 광원 객체의 밝기를 식별할 수 있다.
일 실시 예에서, 전자 장치(101)는 프로세서(120)의 제어에 따라, 획득한 합성 프레임의 픽셀 면적에 있어서, 최대의 픽셀 값을 가지는 포화 픽셀 면적 및 최대의 픽셀 값보다 작은 임계 값 이상의 픽셀 값을 가지는 지정된 픽셀 면적의 면적 비율을 통해 광원 객체의 밝기를 식별할 수 있다. 예를 들어, 광원 객체의 밝기가 강할수록 전자 장치(101)가 획득한 합성 프레임의 광원 객체 주위의 빛 번짐의 강도가 커질 수 있다. 또한 빛 번짐의 강도가 커질수록 상기 면적 비율의 값은 증가할 수 있으므로, 전자 장치(101)는 프로세서(120)의 제어에 따라, 상기 면적 비율의 값을 식별함으로써 광원 객체의 밝기를 식별할 수 있다.
일 실시 예에서, 전자 장치(101)는 프로세서(120)의 제어에 따라, 상술한 빛 번짐의 강도에 기반하여 광원 객체의 밝기를 식별하는 동작과 동일 또는 유사한 방법을 통해, 광원 객체의 빛 갈라짐 정도를 식별함으로써 광원 객체의 밝기를 식별할 수 있다.
일 실시 예에 따르면, 동작 720에서, 전자 장치(예: 전자 장치(101))는 프로세서(예: 프로세서(120))의 제어에 따라, 합성 프레임에서 광원 객체에 의한 아티팩트 정보를 식별할 수 있다.
일 실시 예에서, 전자 장치(101)는 프로세서(120)의 제어에 따라, 합성 프레임으로부터 직접적으로 아티팩트 정보를 식별할 수도 있고, 합성 프레임에 포함된 광원 객체의 위치를 통해 간접적으로 아티팩트 정보를 식별할 수도 있다.
일 실시 예에서, 전자 장치(101)는 프로세서(120)의 제어에 따라, 아티팩트를 식별하는 신호 처리 알고리즘 및/또는 AI 네트워크(Artificial Neural Networks)에 기반하여 합성 프레임에 대한 세그멘테이션(segmentation)을 통해 아티팩트 정보를 식별할 수 있다.
일 실시 예에서, 전자 장치(101)는 프로세서(120)의 제어에 따라, 광원 객체의 합성 프레임 내에서의 위치를 식별함으로써 아티팩트 정보(예: 아티팩트 유무, 아티팩트 종류)를 식별할 수 있다. 예를 들어, 전자 장치(101)가 획득한 합성 프레임 내에 포함된 광원 객체가 지정된 위치에 존재하는 경우, 전자 장치(101)는 프로세서(120)의 제어에 따라 합성 프레임 내에 존재하는 아티팩트 정보를 식별(또는 획득)할 수 있다. 예를 들면, 전자 장치(101)는 프로세서(120)의 제어에 따라, 광원 객체의 위치에 따른 아티팩트 유무 및/또는 종류를 판단할 수 있는 맵(map)을 생성하고 있을 수 있다. 또한 메모리(예: 도 1의 메모리(130))는 상기 맵을 저장하고 있을 수 있다. 전자 장치(101)는 프로세서(120)의 제어에 따라, 광원 객체의 합성 프레임 내의 위치 및 생성된 상기 맵에 기반하여 아티팩트의 유무 및/또는 아티팩트 종류를 식별할 수 있다.
일 실시 예에서, 전자 장치(101)는 프로세서(120)의 제어에 따라, 광원 객체 및 광원 객체가 존재하는 환경에 대한 데이터 세트를 통해 학습된 네트워크에 기반하여 아티팩트 정보(예: 아티팩트 유무, 아티팩트 종류)를 식별할 수 있다.
일 실시 예에 따르면, 동작 730에서 전자 장치(예: 전자 장치(101))는 프로세서(예: 프로세서(120))의 제어에 따라 식별된 밝기 및 아티팩트 정보에 기반하여 프레임 보정 방식을 결정할 수 있다.
일 실시 예에 따르면, 동작 740에서 전자 장치(예: 전자 장치(101))는 프로세서(예: 프로세서(120))의 제어에 따라 결정된 프레임 보정 방식에 기반하여 합성 프레임의 프레임 보정을 수행할 수 있다.
일 실시 예에서, 전자 장치(101)는 프로세서(120)의 제어에 따라, 이미지 컨볼루션 필터(image convolution filter) 형태의 신호처리 방식 및/또는 학습 네트워크 방식 중 적어도 하나를 프레임 보정 방식으로 결정할 수 있다. 예를 들어, 학습 네트워크의 방식의 경우, 복수 회 중첩된 레이어로 만들어진 네트워크에 기반하여 획득된 대상 프레임(예: 합성 프레임)을 네트워크의 입력으로 넣어 대상 프레임을 생성하고, 상기 대상 프레임과 실측 자료(ground truth)와 비교하여 상기 네트워크를 학습시킬 수 있다. 속도와 성능 간의 균형을 위해 중첩된 레이어의 개수를 조정할 수 있으며, 추가적인 네트워크를 구성하는 방식을 활용할 수도 있다.
일 실시 예에서, 전자 장치(101)는 프로세서(120)의 제어에 따라, 광원 객체의 밝기(또는 세기), 또는 아티팩트를 발생시키는 광원 객체의 위치를 식별할 수 있다. 또한 전자 장치(101)는 프로세서(120)의 제어에 따라, 광원 객체의 밝기(또는 세기)가 강할 때 발생하는 아티팩트(예: rainbow artifact) 및/또는 디스플레이(예: 디스플레이(160))에 의한 광학적 회절로 인해 발생하는 아티팩트(예: flare artifact)를 제거하는 프레임 보정을 수행할 수 있다.
도 8은, 일 실시 예에 따른, 전자 장치가 획득된 샘플 프레임의 조도가 임계 값 이하임을 식별한 경우의 제2 처리 동작(또는 도 5의 동작 550)의 흐름을 나타내는 흐름도이다.
도 5 및 도 8을 참조하면, 도 5의 동작 530에서, 전자 장치(예: 전자 장치(101))는 프로세서(예: 프로세서(120))의 제어에 따라, 샘플 프레임의 조도가 임계 값 이하임을 식별했을 수 있다. 전자 장치(101)는 프로세서(120)의 제어에 따라, 샘플 프레임의 조도가 임계 값 이하임을 식별한 경우에 제2 처리 동작(또는 동작 550)을 수행할 수 있다.
일 실시 예에 따르면, 제2 처리 동작(또는 동작 550)은 동작 810 내지 동작 840을 포함할 수 있다.
일 실시 예에 따르면, 동작 810에서, 전자 장치(예: 도 1 또는 도 4의 전자 장치(101))는 프로세서(예: 도 1 또는 도 4의 프로세서(120))의 제어에 따라, 멀티 프레임의 획득을 위한 촬영 파라미터(예: 노출 값, 노출 시간, 셔터 속도, 조리개 값, 초점 영역, 색 온도, 감도, 및/또는 멀티 프레임 장수(N))를 결정할 수 있다.
일 실시 예에서, 전자 장치(101)는 샘플 프레임의 조도가 임계 값 이하임을 식별한 경우에, 프로세서(120)의 제어에 따라 SNR 개선을 위해 복수의 프레임들(예: 멀티 프레임)을 획득하기로 결정할 수 있다. 또한, 전자 장치(101)는 프로세서(120)의 제어에 따라, 멀티 프레임의 획득을 위한 촬영 파라미터(예: 노출 값, 노출 시간, 셔터 속도, 조리개 값, 초점 영역, 색 온도, 감도, 및/또는 멀티 프레임 장수(N))를 결정할 수 있다. 예를 들어, 전자 장치(101)는 프로세서(120)의 제어에 따라 멀티 프레임의 획득을 위한 고정된 노출 값을 결정할 수 있다.
일 실시 예에 따르면, 동작 820에서, 전자 장치(예: 전자 장치(101))는 프로세서(예: 프로세서(120))의 제어에 따라, 멀티 프레임을 획득할 수 있다.
일 실시 예에서, 전자 장치(101)는 프로세서(120)의 제어에 따라, 상기 결정된 촬영 파라미터(예: 고정된 노출 값)에 기반하여 복수의 프레임들(예: 멀티 프레임)을 획득할 수 있다.
일 실시 예에 따르면, 동작 830에서, 전자 장치(예: 전자 장치(101))는 프로세서(예: 프로세서(120))의 제어에 따라, 멀티 프레임을 합성하여 합성 프레임을 생성할 수 있다.
일 실시 예에서, 전자 장치(101)는 프로세서(120)의 제어에 따라, 상기 결정된 촬영 파라미터(예: 고정된 노출 값)에 기반하여 획득된 복수의 프레임들(예: 멀티 프레임)을 합성함으로써, 합성 프레임을 생성할 수 있다.
일 실시 예에 따르면, 동작 840에서, 전자 장치(예: 전자 장치(101))는 프로세서(예: 프로세서(120))의 제어에 따라, 합성 프레임의 프레임 보정을 수행할 수 있다.
일 실시 예에서, 전자 장치(101)는 프로세서(120)의 제어에 따라, 프레임 보정을 위한 신호 처리 알고리즘 및/또는 AI 네트워크(Artificial Neural Networks)에 기반하여 합성 프레임의 프레임 보정을 수행할 수 있다. 예를 들어, 전자 장치(101)는 프로세서(120)의 제어에 따라, 합성 프레임에 광학적 회절로 인한 영향을 제거하기 위한 신호 처리 알고리즘 및/또는 네트워크(Artificial Neural Networks)에 기반하여 프레임 보정을 수행할 수 있다. 회절로 인한 영향을 제거하기 위한 네트워크는, 기계 학습 시에 이용되는 데이터에 기반하여 수행되는 네트워크일 수 있으며 밝기(또는 세기)가 강한 광원 객체의 존재 시의 프레임 보정에 이용되는 네트워크와 동일 및/또는 유사할 수 있다.
일 실시 예에서, 프로세서(120)(또는 도 2의 이미지 시그널 프로세서(260))는, 획득된 베이어 영역(Bayer domain)의 대상 프레임(예: 샘플 프레임, 합성 프레임)에 대해 디모자이크(demosaicing), 감마 보정(gamma correction), AWB(auto white balance), 또는 색감 보정(color correction)과 같은 기본적인 색감, 밝기, 또는 콘트라스트(contrast)의 튜닝을 수행함으로써 베이어 영역(Bayer domain), YUV 영역(YUV domain), 또는 RGB 영역(RGB domain)의 프레임을 생성할 수 있다. 일 실시 예에서, 프로세서(120)(또는 이미지 시그널 프로세서(260))의 상술한 동작은 설명의 편의를 위해 '프레임 튜닝'으로 칭할 수 있다.
일 실시 예에서, 프레임 튜닝이 수행되는 시점은 특별한 제한이 없을 수 있다. 예를 들어, 프레임 튜닝은 동작 820과 동작 830의 사이에 수행될 수도 있고, 동작 830과 동작 840의 사이에 수행될 수도 있고, 동작 840 이후에 수행될 수도 있다. 다양한 실시 예에서, 전자 장치(101)의 촬영 파라미터에 관한 동작들에 대한 설명은, 상술한 노출 값만이 아니라 노출 시간, 셔터 속도, 조리개 값, 초점 영역, 색 온도, 감도, 및/또는 멀티 프레임 장수(N)에 대해서도 동일 또는 유사하게 적용될 수 있다.
도 9는, 일 실시 예에 따른, 전자 장치가 획득된 샘플 프레임에 광원 객체가 포함되지 않으며, 조도가 임계 값 이하가 아님을 식별한 경우의 제3 처리 동작(또는 도 5의 동작 560)의 흐름을 나타내는 흐름도이다.
일 실시 예에 따르면, 동작 910에서, 전자 장치(예: 도 1 또는 도 4의 전자 장치(101))는 프로세서(예: 도 1 또는 도 4의 프로세서(120))의 제어에 따라, 샘플 프레임을 이용하여 프레임 보정을 수행할 수 있다.
일 실시 예에서, 전자 장치(101)는 샘플 프레임에 광원 객체가 포함되지 않거나 조도가 임계 값 이하가 아님을 식별한 경우에는, SNR의 개선 및/또는 광원 객체에 의한 영향을 제거하기 위한 프레임 보정을 수행할 필요가 없을 수 있다.
일 실시 예에서, 전자 장치(101)는 프로세서(120)의 제어에 따라, 멀티 프레임의 획득을 수행할 필요없이, 광학적 회절로 인한 왜곡만을 위한 프레임 보정을 수행할 수 있다.
일 실시 예에서, 전자 장치(101)는 프로세서(120)의 제어에 따라, 멀티 프레임의 획득을 수행할 수도 있으며, 획득한 멀티 프레임의 합성을 수행할 수 있다.
일 실시 예에서, 전자 장치(101)는 프로세서(120)의 제어에 따라, 획득한 샘플 프레임 또는 멀티 프레임에 대해, 프레임 보정을 위한 신호 처리 알고리즘 및/또는 네트워크(Artificial Neural Networks)에 기반하여 프레임 보정을 수행할 수 있다.
일 실시 예에서, 프로세서(120)(또는 도 2의 이미지 시그널 프로세서(260))는, 획득된 베이어 영역(Bayer domain)의 대상 프레임(예: 샘플 프레임, 합성 프레임)에 대해 디모자이크(demosaicing), 감마 보정(gamma correction), AWB(auto white balance), 또는 색감 보정(color correction)과 같은 기본적인 색감, 밝기, 또는 콘트라스트(contrast)의 튜닝을 수행함으로써 베이어 영역(Bayer domain), YUV 영역(YUV domain), 또는 RGB 영역(RGB domain)의 프레임을 생성할 수 있다. 일 실시 예에서, 프로세서(120)(또는 이미지 시그널 프로세서(260))의 상술한 동작은 설명의 편의를 위해 '프레임 튜닝'으로 칭할 수 있다.
일 실시 예에서, 프레임 튜닝이 수행되는 시점은 특별한 제한이 없을 수 있다. 예를 들어, 프레임 튜닝은 동작 530과 동작 910의 사이에 수행될 수도 있고, 동작 910 이후에 수행될 수도 있다.
다양한 실시 예에 따른, 전자 장치(101)의 프레임 보정을 수행하는 동작들(예: 동작 740, 동작 840, 및/또는 동작 910)은 서로 상이한 신호 처리 알고리즘이 적용될 수 있으며, 신호 처리 알고리즘은 동일하더라도 적용된 파라미터는 상이할 수 있다. 또한 전자 장치(101)에 적용되는 신호 처리 알고리즘들이 네트워크(artificial neural networks)를 통해 구현되는 경우, 동작들(예: 동작 740, 동작 840, 및/또는 동작 910)은 서로 상이한 네트워크 모델이 적용될 수 있다.
일 실시 예에 따른 전자 장치(예: 전자 장치(101))에 있어서, 상기 전자 장치(예: 전자 장치(101))는 디스플레이(예: 디스플레이(160)), 상기 디스플레이(예: 디스플레이(160))의 하부에 배치되는 카메라 모듈(예: 카메라 모듈(180)), 및 상기 디스플레이(예: 디스플레이(160)) 및 상기 카메라 모듈(예: 카메라 모듈(180))과 전기적으로 연결되는 프로세서(예: 프로세서(120))를 포함하고, 상기 프로세서(예: 프로세서(120))는 상기 카메라 모듈(예: 카메라 모듈(180))을 이용하여 샘플 프레임을 획득하고, 상기 샘플 프레임에 광원 객체가 포함되는지 여부에 대한 제1 식별을 수행하고, 상기 제1 식별에 따라 상기 샘플 프레임에 상기 광원 객체가 포함됨을 식별한 경우에 멀티 프레임의 획득을 위한 제1 촬영 파라미터를 결정하고, 상기 제1 촬영 파라미터에 기반하여 제1 멀티 프레임을 획득하고, 상기 제1 멀티 프레임을 합성하여 제1 합성 프레임을 생성하고, 상기 제1 합성 프레임에 포함된 상기 광원 객체에 대한 속성을 식별하고, 식별된 상기 속성에 기반하여 상기 제1 합성 프레임의 제1 프레임 보정을 수행할 수 있다.
일 실시 예에 따른 상기 전자 장치(예: 전자 장치(101))에 있어서, 상기 제1 촬영 파라미터는, 노출 값, 셔터 스피드, 조리개 값, 초점 영역, 색 온도, 감도, 멀티 프레임 장수 중 적어도 하나일 수 있다.
일 실시 예에 따른 상기 전자 장치(예: 전자 장치(101))에 있어서, 상기 속성은, 광원 객체의 밝기, 아티팩트 정보 중 적어도 하나일 수 있다.
일 실시 예에 따른 상기 전자 장치(예: 전자 장치(101))에 있어서, 상기 프로세서(예: 프로세서(120))는, 상기 샘플 프레임의 조도가 임계 값 이하인지 여부에 대한 제2 식별을 수행하고, 상기 제2 식별에 따라 상기 조도가 임계 값 이하임을 식별한 경우에 제2 멀티 프레임의 획득을 위한 제2 촬영 파라미터를 결정하고, 상기 제2 촬영 파라미터에 기반하여 상기 제2 멀티프레임을 획득하고, 상기 제2 멀티 프레임을 합성하여 제2 합성 프레임을 생성하고, 상기 제2 합성 프레임의 제2 프레임 보정을 수행할 수 있다.
일 실시 예에 따른 상기 전자 장치(예: 전자 장치(101))에 있어서, 상기 프로세서(예: 프로세서(120))는, 상기 제1 식별 및 상기 제2 식별을 병렬적으로 수행할 수 있다.
일 실시 예에 따른 상기 전자 장치(예: 전자 장치(101))에 있어서, 상기 제2 촬영 파라미터는, 고정된 노출 값을 적어도 포함할 수 있다.
일 실시 예에 따른 상기 전자 장치(예: 전자 장치(101))에 있어서, 상기 프로세서(예: 프로세서(120))는, 상기 샘플 프레임의 조도가 임계 값 이하인지 여부를 식별하고, 상기 조도가 임계 값 이하임을 식별하지 못한 경우에 상기 샘플 프레임을 이용하여 제3 프레임 보정을 수행할 수 있다.
일 실시 예에 따른 상기 전자 장치(예: 전자 장치(101))에 있어서, 상기 프로세서(예: 프로세서(120))는, 상기 합성 프레임에 대해 프레임 튜닝을 수행할 수 있다.
일 실시 예에 따른 상기 전자 장치(예: 전자 장치(101))에 있어서, 상기 프로세서(예: 프로세서(120))는, 상기 샘플 프레임에 상기 광원 객체가 포함되는지 여부를 식별함에 있어서, 기계 학습으로 학습된 신호 처리 알고리즘 및/또는 네트워크(Artificial Neural Networks)에 기반하여 상기 광원 객체가 포함되는지 여부를 식별할 수 있다.
일 실시 예에 따른 상기 전자 장치(예: 전자 장치(101))에 있어서, 상기 전자 장치(예: 전자 장치(101))는, 프레임 분석 모듈(예: 프레임 분석 모듈(420)) 및 프레임 보정 모듈(예: 프레임 보정 모듈(430))을 더 포함하고, 상기 프로세서(예: 프로세서(120))는, 상기 프레임 분석 모듈(예: 프레임 분석 모듈(420))에 기반하여 상기 제1 식별을 수행하고, 상기 프레임 보정 모듈(예: 프레임 보정 모듈(430))에 기반하여 상기 제1 프레임 보정을 수행할 수 있다.
일 실시 예에 따른 전자 장치(예: 전자 장치(101))의 동작 방법에 있어서, 상기 전자 장치(예: 전자 장치(101))는, 디스플레이(예: 디스플레이(160)), 상기 디스플레이(예: 디스플레이(160))의 하부에 배치되는 카메라 모듈(예: 카메라 모듈(180)), 및 상기 디스플레이(예: 디스플레이(160)) 및 상기 카메라 모듈(예: 카메라 모듈(180))과 전기적으로 연결되는 프로세서(예: 프로세서(120))를 포함하고, 상기 전자 장치(예: 전자 장치(101))의 상기 프로세서(예: 프로세서(120))는, 상기 카메라 모듈(예: 카메라 모듈(180))을 이용하여 샘플 프레임을 획득하는 동작, 상기 샘플 프레임에 광원 객체가 포함되는지 여부에 대한 제1 식별을 수행하는 동작, 상기 제1 식별에 따라 상기 샘플 프레임에 상기 광원 객체가 포함됨을 식별한 경우에 멀티 프레임의 획득을 위한 제1 촬영 파라미터를 결정하는 동작, 상기 제1 촬영 파라미터에 기반하여 제1 멀티 프레임을 획득하는 동작, 상기 제1 멀티 프레임을 합성하여 제1 합성 프레임을 생성하는 동작, 상기 제1 합성 프레임에 포함된 상기 광원 객체에 대한 속성을 식별하는 동작, 및 식별된 상기 속성에 기반하여 상기 제1 합성 프레임의 제1 프레임 보정을 수행하는 동작을 수행하도록 할 수 있다.
일 실시 예에 따른 상기 전자 장치(예: 전자 장치(101))의 상기 동작 방법에 있어서, 상기 제1 촬영 파라미터는, 노출 값, 셔터 스피드, 조리개 값, 초점 영역, 색 온도, 감도, 멀티 프레임 장수 중 적어도 하나일 수 있다.
일 실시 예에 따른 상기 전자 장치(예: 전자 장치(101))의 상기 동작 방법에 있어서, 상기 속성은, 광원 객체의 밝기, 아티팩트 정보 중 적어도 하나일 수 있다.
일 실시 예에 따른 상기 전자 장치(예: 전자 장치(101))의 상기 동작 방법에 있어서, 상기 프로세서(예: 프로세서(120))가, 상기 샘플 프레임의 조도가 임계 값 이하인지 여부에 대한 제2 식별을 수행하는 동작, 상기 제2 식별에 따라 상기 조도가 임계 값 이하임을 식별한 경우에 제2 멀티 프레임의 획득을 위한 제2 촬영 파라미터를 결정하는 동작, 상기 제2 촬영 파라미터에 기반하여 상기 제2 멀티프레임을 획득하는 동작, 상기 제2 멀티 프레임을 합성하여 제2 합성 프레임을 생성하는 동작, 및 상기 제2 합성 프레임의 제2 프레임 보정을 수행하는 동작을 더 수행할 수 있다.
일 실시 예에 따른 상기 전자 장치(예: 전자 장치(101))의 상기 동작 방법에 있어서, 상기 프로세서(예: 프로세서(120))는, 상기 제1 식별 및 상기 제2 식별을 병렬적으로 수행할 수 있다.
일 실시 예에 따른 상기 전자 장치(예: 전자 장치(101))의 상기 동작 방법에 있어서, 상기 제2 촬영 파라미터는, 고정된 노출 값을 적어도 포함할 수 있다.
일 실시 예에 따른 상기 전자 장치(예: 전자 장치(101))의 상기 동작 방법에 있어서, 상기 프로세서(예: 프로세서(120))가, 상기 샘플 프레임의 조도가 임계 값 이하인지 여부를 식별하는 동작, 및 상기 조도가 임계 값 이하임을 식별하지 못한 경우에 상기 샘플 프레임을 이용하여 제3 프레임 보정을 수행하는 동작을 더 수행할 수 있다.
일 실시 예에 따른 상기 전자 장치(예: 전자 장치(101))의 상기 동작 방법에 있어서, 상기 프로세서(예: 프로세서(120))가, 상기 합성 프레임에 대해 프레임 튜닝을 수행하는 동작을 더 수행할 수 있다.
일 실시 예에 따른 상기 전자 장치(예: 전자 장치(101))의 상기 동작 방법에 있어서, 상기 프로세서(예: 프로세서(120))가, 상기 샘플 프레임에 상기 광원 객체가 포함되는지 여부를 식별하는 동작에 있어서, 기계 학습으로 학습된 신호 처리 알고리즘 및/또는 네트워크(Artificial Neural Networks)에 기반하여 상기 광원 객체가 포함되는지 여부를 식별할 수 있다.
일 실시 예에 따른 상기 전자 장치(예: 전자 장치(101))의 상기 동작 방법에 있어서, 상기 전자 장치(예: 전자 장치(101))는, 프레임 분석 모듈(예: 프레임 분석 모듈(420)) 및 프레임 보정 모듈(예: 프레임 보정 모듈(430))을 더 포함하고, 상기 프로세서(예: 프로세서(120))가, 상기 프레임 분석 모듈(예: 프레임 분석 모듈(420))에 기반하여 상기 제1 식별을 수행하는 동작, 및 상기 프레임 보정 모듈(예: 프레임 보정 모듈(430))에 기반하여 상기 제1 프레임 보정을 수행하는 동작을 수행할 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 문서의 다양한 실시 예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 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(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 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 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 두 개의 사용자 장치들(예: 스마트 폰들) 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 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 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.
본 개시에서 다양한 실시예들을 참조하여 도시되고 설명되었으나, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자라면 첨부된 청구범위 및 그 등가물에 의해 정의되는 본 개시의 사상 및 범위를 벗어나지 않으면서 형태 및 세부사항의 다양한 변경이 이루어질 수 있음을 이해할 수 있을 것이다.

Claims (15)

  1. 전자 장치에 있어서,
    디스플레이;
    상기 디스플레이의 하부에 배치되는 카메라 모듈; 및
    상기 디스플레이 및 상기 카메라 모듈과 전기적으로 연결되는 프로세서를 포함하고,
    상기 프로세서는:
    상기 카메라 모듈을 이용하여 샘플 프레임을 획득하고,
    상기 샘플 프레임에 광원 객체가 포함되는지 여부에 대한 제1 식별을 수행하고,
    상기 제1 식별에 따라 상기 샘플 프레임에 상기 광원 객체가 포함됨을 식별한 경우에 제1 멀티 프레임의 획득을 위한 제1 촬영 파라미터를 결정하고,
    상기 제1 촬영 파라미터에 기반하여 제1 멀티 프레임을 획득하고,
    상기 제1 멀티 프레임을 합성하여 제1 합성 프레임을 생성하고,
    상기 제1 합성 프레임에 포함된 상기 광원 객체에 대한 속성을 식별하고,
    식별된 상기 속성에 기반하여 상기 제1 합성 프레임의 제1 프레임 보정을 수행하는, 전자 장치.
  2. 청구항 1에 있어서,
    상기 제1 촬영 파라미터는, 노출 값, 셔터 스피드, 조리개 값, 초점 영역, 색 온도, 감도, 멀티 프레임 장수 중 적어도 하나인, 전자 장치.
  3. 청구항 1에 있어서,
    상기 속성은, 광원 객체의 밝기, 아티팩트 정보 중 적어도 하나인, 전자 장치.
  4. 청구항 1에 있어서,
    상기 프로세서는:
    상기 샘플 프레임의 조도가 임계 값 이하인지 여부에 대한 제2 식별을 수행하고,
    상기 제2 식별에 따라 상기 조도가 임계 값 이하임을 식별한 경우에 제2 멀티 프레임의 획득을 위한 제2 촬영 파라미터를 결정하고,
    상기 제2 촬영 파라미터에 기반하여 상기 제2 멀티 프레임을 획득하고,
    상기 제2 멀티 프레임을 합성하여 제2 합성 프레임을 생성하고,
    상기 제2 합성 프레임의 제2 프레임 보정을 수행하는, 전자 장치.
  5. 청구항 4에 있어서,
    상기 프로세서는:
    상기 제1 식별 및 상기 제2 식별을 병렬적으로 수행하는, 전자 장치.
  6. 청구항 4에 있어서,
    상기 제2 촬영 파라미터는, 고정된 노출 값을 포함하는, 전자 장치.
  7. 청구항 1에 있어서,
    상기 프로세서는:
    상기 샘플 프레임의 조도가 임계 값 이하인지 여부를 식별하고,
    상기 조도가 임계 값 이하임을 식별하지 못한 경우에 상기 샘플 프레임을 이용하여 제3 프레임 보정을 수행하는, 전자 장치.
  8. 청구항 7에 있어서,
    상기 제3 프레임 보정은 광학적 회절로 인한 왜곡만을 위한 프레임 보정을 포함하는, 전자 장치.
  9. 청구항 1에 있어서,
    상기 프로세서는:
    상기 합성 프레임에 대해 프레임 튜닝을 수행하는, 전자 장치.
  10. 청구항 1에 있어서,
    상기 프로세서는:
    상기 샘플 프레임에 상기 광원 객체가 포함되는지 여부를 식별함에 있어서,
    기계 학습으로 학습된 신호 처리 알고리즘 또는 인공 지능 네트워크(Artificial Neural Networks) 중 적어도 하나에 기반하여 상기 광원 객체가 포함되는지 여부를 식별하는, 전자 장치.
  11. 청구항 1에 있어서,
    상기 전자 장치는, 프레임 분석 모듈 및 프레임 보정 모듈을 더 포함하고,
    상기 프로세서는:
    상기 프레임 분석 모듈에 기반하여 상기 제1 식별을 수행하고,
    상기 프레임 보정 모듈에 기반하여 상기 제1 프레임 보정을 수행하는, 전자 장치.
  12. 청구항 1에 있어서,
    상기 제1 프레임 보정은,
    상기 식별된 속성에 기초하여 프레임 보정 방식을 식별하고,
    상기 식별된 프레임 보정 방식을 사용하여 상기 제1 프레임 보정을 수행하는 것인, 전자 장치.
  13. 전자 장치의 동작 방법에 있어서,
    상기 전자 장치의 카메라 모듈을 이용하여 샘플 프레임을 획득하는 동작;
    상기 샘플 프레임에 광원 객체가 포함되는지 여부에 대한 제1 식별을 수행하는 동작;
    상기 제1 식별에 따라 상기 샘플 프레임에 상기 광원 객체가 포함됨을 식별한 경우에 제1 멀티 프레임의 획득을 위한 제1 촬영 파라미터를 결정하는 동작;
    상기 제1 촬영 파라미터에 기반하여 제1 멀티 프레임을 획득하는 동작;
    상기 제1 멀티 프레임을 합성하여 제1 합성 프레임을 생성하는 동작;
    상기 제1 합성 프레임에 포함된 상기 광원 객체에 대한 속성을 식별하는 동작; 및
    식별된 상기 속성에 기반하여 상기 제1 합성 프레임의 제1 프레임 보정을 수행하는 동작을 수행하도록 하는 방법.
  14. 청구항 13에 있어서,
    상기 샘플 프레임의 조도가 임계 값 이하인지 여부에 대한 제2 식별을 수행하는 동작;
    상기 제2 식별에 따라 상기 조도가 임계 값 이하임을 식별한 경우에 제2 멀티 프레임의 획득을 위한 제2 촬영 파라미터를 결정하는 동작;
    상기 제2 촬영 파라미터에 기반하여 상기 제2 멀티 프레임을 획득하는 동작;
    상기 제2 멀티 프레임을 합성하여 제2 합성 프레임을 생성하는 동작; 및
    상기 제2 합성 프레임의 제2 프레임 보정을 수행하는 동작을 더 포함하는 방법.
  15. 청구항 13에 있어서,
    상기 샘플 프레임의 조도가 임계 값 이하인지 여부를 식별하는 동작; 및
    상기 조도가 임계 값 이하임을 식별하지 못한 경우에 상기 샘플 프레임을 이용하여 제3 프레임 보정을 수행하는 동작을 더 포함하는 방법.
PCT/KR2022/004526 2021-06-10 2022-03-30 카메라 모듈을 포함하는 전자 장치 및 그 전자 장치의 동작 방법 WO2022260252A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US18/305,211 US20230267702A1 (en) 2021-06-10 2023-04-21 Electronic device including camera module and method for operating electronic device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2021-0075524 2021-06-10
KR1020210075524A KR20220166592A (ko) 2021-06-10 2021-06-10 카메라 모듈을 포함하는 전자 장치 및 그 전자 장치의 동작 방법

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/305,211 Continuation US20230267702A1 (en) 2021-06-10 2023-04-21 Electronic device including camera module and method for operating electronic device

Publications (1)

Publication Number Publication Date
WO2022260252A1 true WO2022260252A1 (ko) 2022-12-15

Family

ID=84426115

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/004526 WO2022260252A1 (ko) 2021-06-10 2022-03-30 카메라 모듈을 포함하는 전자 장치 및 그 전자 장치의 동작 방법

Country Status (3)

Country Link
US (1) US20230267702A1 (ko)
KR (1) KR20220166592A (ko)
WO (1) WO2022260252A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117437459A (zh) * 2023-10-08 2024-01-23 昆山市第一人民医院 基于决策网络实现用户膝关节髌骨软化状态分析方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009303061A (ja) * 2008-06-16 2009-12-24 Canon Inc 画像処理装置およびその制御方法
JP2010063036A (ja) * 2008-09-05 2010-03-18 Canon Inc 撮像装置及び画像表示方法
JP2018148281A (ja) * 2017-03-01 2018-09-20 株式会社ブライセン 画像処理装置
JP2019004203A (ja) * 2017-06-12 2019-01-10 ソニーセミコンダクタソリューションズ株式会社 画像処理装置、撮像装置、画像処理方法、および、プログラム。
KR20200137918A (ko) * 2019-05-31 2020-12-09 삼성전자주식회사 피부 이미지를 획득하는 전자 장치 및 그 제어 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009303061A (ja) * 2008-06-16 2009-12-24 Canon Inc 画像処理装置およびその制御方法
JP2010063036A (ja) * 2008-09-05 2010-03-18 Canon Inc 撮像装置及び画像表示方法
JP2018148281A (ja) * 2017-03-01 2018-09-20 株式会社ブライセン 画像処理装置
JP2019004203A (ja) * 2017-06-12 2019-01-10 ソニーセミコンダクタソリューションズ株式会社 画像処理装置、撮像装置、画像処理方法、および、プログラム。
KR20200137918A (ko) * 2019-05-31 2020-12-09 삼성전자주식회사 피부 이미지를 획득하는 전자 장치 및 그 제어 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117437459A (zh) * 2023-10-08 2024-01-23 昆山市第一人民医院 基于决策网络实现用户膝关节髌骨软化状态分析方法
CN117437459B (zh) * 2023-10-08 2024-03-22 昆山市第一人民医院 基于决策网络实现用户膝关节髌骨软化状态分析方法

Also Published As

Publication number Publication date
US20230267702A1 (en) 2023-08-24
KR20220166592A (ko) 2022-12-19

Similar Documents

Publication Publication Date Title
WO2022149654A1 (ko) 흔들림 보정을 수행하는 전자 장치 및 그 동작 방법
WO2022108235A1 (ko) 슬로우 셔터를 제공하기 위한 방법, 장치 및 저장 매체
WO2022102972A1 (ko) 이미지 센서를 포함하는 전자 장치 및 그 동작 방법
WO2022108201A1 (ko) 영상을 제공하는 방법 및 이를 지원하는 전자 장치
WO2022119372A1 (ko) 영상 처리를 수행하는 전자 장치 및 그 동작 방법
WO2022260252A1 (ko) 카메라 모듈을 포함하는 전자 장치 및 그 전자 장치의 동작 방법
WO2023033333A1 (ko) 복수의 카메라를 포함하는 전자 장치 및 그 동작 방법
WO2023018201A1 (ko) 이미지 안정화를 수행하는 전자 장치 및 그의 동작 방법
WO2023063608A1 (ko) 이미지를 제공하는 방법 및 이를 지원하는 전자 장치
WO2022203447A1 (ko) 이미지 센서를 포함하는 전자 장치 및 그 동작 방법
WO2022139238A1 (ko) 이미지를 제공하는 방법 및 이를 지원하는 전자 장치
WO2022149812A1 (ko) 카메라 모듈을 포함하는 전자 장치 및 그 전자 장치의 동작 방법
WO2022005002A1 (ko) 이미지 센서를 포함하는 전자 장치
WO2022154168A1 (ko) 자동 초점 조절이 가능한 전자 장치 및 그 동작 방법
WO2023017981A1 (ko) 언더 디스플레이 카메라를 포함하는 전자 장치 및 그 동작 방법
WO2023146149A1 (ko) 이미지를 제공하는 방법 및 이를 지원하는 전자 장치
WO2023146286A1 (ko) 이미지의 화질을 개선하기 위한 전자 장치 및 방법
WO2022114789A1 (ko) 광량을 획득하는 전자 장치 및 방법
WO2024014761A1 (ko) 카메라 흔들림을 보정하기 위한 방법 및 이를 지원하는 전자 장치
WO2022191495A1 (ko) 전자 장치 및 그의 얼굴 인식 방법
WO2024158139A1 (ko) 화이트 밸런스를 제어하는 방법 및 이를 지원하는 전자 장치
WO2024085673A1 (ko) 다중 노출 영상을 획득하는 전자 장치 및 그 동작 방법
WO2024117868A1 (ko) 이미지 데이터 획득을 위한 전자 장치 및 그 방법
WO2022031050A1 (ko) 이미지를 생성하는 전자 장치 및 방법
WO2024034837A1 (ko) 깊이 맵을 획득하기 위한 전자 장치 및 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22820381

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 22820381

Country of ref document: EP

Kind code of ref document: A1