WO2024096308A1 - 광원 객체 이미지 처리 방법 및 장치 - Google Patents

광원 객체 이미지 처리 방법 및 장치 Download PDF

Info

Publication number
WO2024096308A1
WO2024096308A1 PCT/KR2023/013943 KR2023013943W WO2024096308A1 WO 2024096308 A1 WO2024096308 A1 WO 2024096308A1 KR 2023013943 W KR2023013943 W KR 2023013943W WO 2024096308 A1 WO2024096308 A1 WO 2024096308A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
level
light source
source object
processor
Prior art date
Application number
PCT/KR2023/013943
Other languages
English (en)
French (fr)
Inventor
김창진
김영민
전승철
조준기
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
Priority claimed from KR1020220169923A external-priority patent/KR20240062861A/ko
Application filed by 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Publication of WO2024096308A1 publication Critical patent/WO2024096308A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics

Definitions

  • Various embodiments relate to a method and apparatus for processing a light source object image.
  • Electronic devices can process images acquired through a camera using an image signal processor (ISP).
  • the image signal processor may process the image using an image quality improvement algorithm or processing to provide an image with improved image quality.
  • the HDR (high-dynamic-range) algorithm combines images created by adjusting the brightness of the image from the dark range to the light range to create an image with a higher dynamic range (i.e., between bright and dark image areas). This may be a method of improving an image with a larger range of luminance change.
  • the HDR algorithm can generate an HDR image by acquiring multi-level images (eg, multiple images with different exposure levels) and then combining the images.
  • An HDR image may mean an image with improved dynamic range.
  • a light source object e.g., a lighting sign
  • a light source object in a low-illuminance environment is recognized in a low-illuminance environment through image segmentation, and when a light source object in a low-illuminance environment is photographed, the light source object in the low-illuminance environment is viewed with the actual eye.
  • the goal is to provide a method and device that can improve image quality by providing images similar to perceived colors.
  • An electronic device may include an image sensor.
  • Electronic devices may include memory and processors.
  • the memory of the electronic device may include instructions that allow the processor to receive a single input image from the image sensor.
  • the memory according to one embodiment may include instructions that allow the processor to recognize a light source object by performing segmentation on the single input image.
  • the memory according to one embodiment may include instructions that cause the processor to generate multi-level images with different exposure levels based on the single input image.
  • the memory according to one embodiment may include instructions that allow the processor to calculate a composite weight by comparing the brightness value of the light source object for each multi-level image with a reference brightness value.
  • the memory according to one embodiment is
  • the processor may include instructions that allow the processor to synthesize the multiple images and the single input image based on the composite weight to generate a high-dynamic-range (HDR) image with improved dynamic range of the light source object.
  • HDR high-dynamic-range
  • a method of processing an image of a light source object in an electronic device may include receiving a single input image from an image sensor.
  • the method according to one embodiment may include recognizing a light source object by performing segmentation on the single input image.
  • the method according to one embodiment may include generating multi-level images with different exposure levels based on the single input image.
  • the method according to one embodiment may include calculating a composite weight by comparing the brightness value of the light source object for each multi-level image with the reference brightness value.
  • the method according to one embodiment may include generating a high-dynamic-range (HDR) image with improved dynamic range of the light source object by combining the multiple images and the single input image based on the composite weight.
  • HDR high-dynamic-range
  • Electronic devices and methods recognize a light source object (e.g., a lighting sign) in a low-illuminance environment (e.g., a nighttime environment) within an image captured by a camera and set the light source object (e.g., a light sign) to a level in a range darker than the reference level.
  • a light source object e.g., a lighting sign
  • a low-illuminance environment e.g., a nighttime environment
  • the light source object e.g., a light sign
  • camera performance can be improved by providing images with improved dynamic range for light source objects in a night environment.
  • FIG. 1 is a block diagram of an electronic device in a network environment according to various embodiments.
  • Figure 2 shows an HDR image processing algorithm according to a comparative example.
  • Figure 3 shows a schematic configuration diagram of an electronic device according to an embodiment.
  • Figure 4 represents a color table of the UV color coordinate system according to one embodiment.
  • FIG. 5 illustrates an HDR image processing method for improving the dynamic range of a light source object in a low-illuminance environment in an electronic device according to an embodiment.
  • FIG. 6 illustrates an HDR image processing algorithm for a light source object of an electronic device according to an embodiment.
  • FIG. 7 illustrates example screens of HDR image processing for a light source object of an electronic device according to an embodiment.
  • Figure 8 shows comparison screens for improved HDR image processing according to one embodiment.
  • FIG. 1 is a block diagram of an electronic device 101 in a network environment 100, according to various embodiments.
  • the electronic device 101 communicates with the electronic device 102 through a first network 198 (e.g., a short-range wireless communication network) or a second network 199. It is possible to communicate with at least one of the electronic device 104 or the server 108 through (e.g., a long-distance wireless communication network). According to one embodiment, the electronic device 101 may communicate with the electronic device 104 through the server 108.
  • a first network 198 e.g., a short-range wireless communication network
  • a second network 199 e.g., a long-distance wireless communication network.
  • 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, and 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 may include an antenna module 197.
  • at least one of these components eg, the connection terminal 178) may be omitted or one or more other components may be added to the electronic device 101.
  • some of these components e.g., sensor module 176, camera module 180, or antenna module 197) are integrated into one component (e.g., display module 160). It can be.
  • the processor 120 for example, executes software (e.g., program 140) to operate at least one other component (e.g., hardware or software component) of the electronic device 101 connected to the processor 120. It can be controlled and various data processing or calculations can be performed. According to one embodiment, as at least part of data processing or computation, the processor 120 stores commands or data received from another component (e.g., sensor module 176 or communication module 190) in volatile memory 132. The commands or data stored in the volatile memory 132 can be processed, and the resulting data can be stored in the non-volatile memory 134.
  • software e.g., program 140
  • the processor 120 stores commands or data received from another component (e.g., sensor module 176 or communication module 190) in volatile memory 132.
  • the commands or data stored in the volatile memory 132 can be processed, and the resulting data can be stored in the non-volatile memory 134.
  • the processor 120 includes a main processor 121 (e.g., a central processing unit or an application processor) or an auxiliary processor 123 that can operate independently or together (e.g., a graphics processing unit, a neural network processing unit ( It may include a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor).
  • a main processor 121 e.g., a central processing unit or an application processor
  • auxiliary processor 123 e.g., a graphics processing unit, a neural network processing unit ( It may include a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor.
  • the electronic device 101 includes a main processor 121 and a secondary processor 123
  • the secondary processor 123 may be set to use lower power than the main processor 121 or be specialized for a designated function. You can.
  • the auxiliary processor 123 may be implemented separately from the main processor 121 or as part of it.
  • the auxiliary processor 123 may, for example, act on behalf of the main processor 121 while the main processor 121 is in an inactive (e.g., sleep) state, or while the main processor 121 is in an active (e.g., application execution) state. ), together with the main processor 121, at least one of the components of the electronic device 101 (e.g., the display module 160, the sensor module 176, or the communication module 190) At least some of the functions or states related to can be controlled.
  • co-processor 123 e.g., image signal processor or communication processor
  • may be implemented as part of another functionally related component e.g., camera module 180 or communication module 190. there is.
  • the auxiliary processor 123 may include a hardware structure specialized for processing artificial intelligence models.
  • Artificial intelligence models can be created through machine learning. For example, such learning may be performed in the electronic device 101 itself, where artificial intelligence is performed, or may be performed through a separate server (e.g., server 108).
  • Learning algorithms may include, for example, supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning, but It is not limited.
  • An artificial intelligence model may include multiple artificial neural network layers.
  • Artificial neural networks include deep neural network (DNN), convolutional neural network (CNN), recurrent neural network (RNN), restricted boltzmann machine (RBM), belief deep network (DBN), bidirectional recurrent deep neural network (BRDNN), It may be one of deep Q-networks or a combination of two or more of the above, but is not limited to the examples described above.
  • artificial intelligence models may additionally or alternatively include software 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. Data may include, for example, input data or output data for software (e.g., program 140) and instructions related thereto.
  • 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 application 146.
  • the input module 150 may receive commands or data to be used in a component of the electronic device 101 (e.g., the processor 120) from outside the electronic device 101 (e.g., a user).
  • the input module 150 may include, for example, a microphone, mouse, keyboard, keys (eg, buttons), or digital pen (eg, 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. Speakers can be used for general purposes such as multimedia playback or recording playback.
  • the receiver can be used to receive incoming calls. According to one embodiment, the receiver may be implemented separately from the speaker or as part of it.
  • the display module 160 can 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 can convert sound into an electrical signal or, conversely, convert an electrical signal into sound. According to one embodiment, the audio module 170 acquires sound through the input module 150, the sound output module 155, or an external electronic device (e.g., directly or wirelessly connected to the electronic device 101). Sound may be output through the electronic device 102 (e.g., speaker or headphone).
  • the electronic device 102 e.g., speaker or headphone
  • the sensor module 176 detects the operating state (e.g., power or temperature) of the electronic device 101 or the external environmental state (e.g., user state) and generates an electrical signal or data value corresponding to the detected state. can do.
  • the sensor module 176 includes, 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 biometric sensor, It may include a temperature sensor, humidity sensor, or light sensor.
  • the interface 177 may support one or more designated protocols that can be used to connect the electronic device 101 directly or wirelessly with 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 can 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 can convert electrical signals into mechanical stimulation (e.g., vibration or movement) or electrical stimulation that the user can 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 can capture still images and moving images.
  • the camera module 180 may include one or more lenses, image sensors, image signal processors, or flashes.
  • the power management module 188 can manage power supplied to the electronic device 101.
  • the power management module 188 may be implemented as at least a part of, for example, a power management integrated circuit (PMIC).
  • 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.
  • Communication module 190 is configured to provide a direct (e.g., wired) communication channel or wireless communication channel between electronic device 101 and an external electronic device (e.g., electronic device 102, electronic device 104, or server 108). It can support establishment and communication through established communication channels. Communication module 190 operates independently of processor 120 (e.g., an application processor) and may include one or more communication processors that support direct (e.g., wired) communication or wireless communication.
  • processor 120 e.g., an application processor
  • the communication module 190 may be a wireless communication module 192 (e.g., 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 (e.g., : LAN (local area network) communication module, or power line communication module) may be included.
  • a wireless communication module 192 e.g., a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module
  • GNSS global navigation satellite system
  • wired communication module 194 e.g., : LAN (local area network) communication module, or power line communication module
  • the corresponding communication module is a first network 198 (e.g., a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network 199 (e.g., legacy It may communicate with an external electronic device 104 through a telecommunication network such as a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., LAN or WAN).
  • a telecommunication network such as a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., LAN or WAN).
  • a telecommunication network such as a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., LAN or WAN).
  • a telecommunication network such as a cellular network, a 5G network, a next-generation communication network
  • the wireless communication module 192 uses subscriber information (e.g., 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.
  • subscriber information e.g., International Mobile Subscriber Identifier (IMSI)
  • IMSI International Mobile Subscriber Identifier
  • the wireless communication module 192 may support 5G networks after 4G networks and next-generation communication technologies, for example, NR access technology (new radio access technology).
  • NR access technology provides high-speed transmission of high-capacity data (enhanced mobile broadband (eMBB)), minimization of terminal power and access to multiple terminals (massive machine type communications (mMTC)), or ultra-reliable and low-latency (URLLC). -latency communications)) can be supported.
  • the wireless communication module 192 may support high frequency bands (eg, mmWave bands), for example, to achieve high data rates.
  • the wireless communication module 192 uses various technologies to secure performance in high frequency bands, for example, beamforming, massive array multiple-input and multiple-output (MIMO), and full-dimensional multiplexing.
  • MIMO massive array multiple-input and multiple-output
  • the wireless communication module 192 may support various requirements specified in the electronic device 101, an external electronic device (e.g., electronic device 104), or a network system (e.g., second network 199). According to one embodiment, the wireless communication module 192 supports Peak data rate (e.g., 20 Gbps or more) for realizing eMBB, loss coverage (e.g., 164 dB or less) for realizing mmTC, or U-plane latency (e.g., 164 dB or less) for realizing URLLC.
  • Peak data rate e.g., 20 Gbps or more
  • loss coverage e.g., 164 dB or less
  • U-plane latency e.g., 164 dB or less
  • the antenna module 197 may transmit or receive signals or power to or from the outside (eg, an external electronic device).
  • the antenna module 197 may include an antenna including a radiator made 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 connected to the plurality of antennas by, for example, the communication module 190. can be selected. Signals or power may be transmitted or received between the communication module 190 and an external electronic device through the at least one selected antenna.
  • other components eg, radio frequency integrated circuit (RFIC) may be additionally formed as part of the antenna module 197.
  • RFIC radio frequency integrated circuit
  • a mmWave antenna module includes: a printed circuit board, an RFIC disposed on or adjacent to a first side (e.g., bottom side) of the printed circuit board and capable of supporting a designated high frequency band (e.g., mmWave band); And a plurality of antennas (e.g., array antennas) disposed on or adjacent to the second side (e.g., top or side) of the printed circuit board and capable of transmitting or receiving signals in the designated high frequency band. can do.
  • a first side e.g., bottom side
  • a designated high frequency band e.g., mmWave band
  • a plurality of antennas e.g., array antennas
  • peripheral devices e.g., 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 of the same or different type as the electronic device 101.
  • all or part of the operations performed in the electronic device 101 may be executed in one or more of the external electronic devices 102, 104, or 108.
  • the electronic device 101 may perform the function or service instead of executing the function or service on its own.
  • one or more external electronic devices may be requested to perform at least part of the function or service.
  • One or more external electronic devices that have received the request may execute at least part of the requested function or service, or an additional function or service related to the request, and transmit the result of the execution to the electronic device 101.
  • the electronic device 101 may process the result as is or additionally and provide it as at least part of a response to the request.
  • cloud computing distributed computing, mobile edge computing (MEC), or client-server computing technology can 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.
  • 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 (e.g., smart home, smart city, smart car, or healthcare) based on 5G communication technology and IoT-related technology.
  • the electronic device 101 may be of various types.
  • the electronic device 101 may include, for example, a portable communication device (eg, a smartphone), a computer device, a portable multimedia device, a portable medical device, a camera, a wearable device, or a home appliance device.
  • a portable communication device eg, a smartphone
  • a computer device e.g., a laptop, a desktop, a tablet, or a smart phone
  • a portable multimedia device e.g., a portable medical device
  • a camera e.g., a camera
  • a wearable device e.g., a portable medical device
  • a home appliance device e.g., a portable medical device, a portable medical device, a camera, a wearable device, or a home appliance device.
  • the electronic device 101 according to the embodiment of this document is not limited to the above-described devices.
  • Figure 2 shows an HDR image processing algorithm according to a comparative example.
  • the HDR (high dynamic range) algorithm 230 uses images (210) having different exposure levels for one scene as input data.
  • the electronic device may acquire a single input image capturing a scene through a camera or image sensor, and receive the same scene or different exposure as the single input image based on the single input image.
  • Multi-level images with levels can be generated by adjusting the amount of light collected by the image sensor, or the number of multi-level images processed through exposure simulation. It may change depending on settings.
  • the HDR algorithm 230 may set the EV -3 level as a reference level for dark image generation.
  • the HDR algorithm 230 when a single input image is at the EV-0 level, the HDR algorithm 230 combines an image at the EV-0 level (or a first input image) and an image at the EV-3 level (or a second input image). It can be set as input data for the HDR algorithm.
  • the HDR algorithm 230 may synthesize input images based on the multi-level images 210 and metadata 220 and output an output image (eg, HDR image) 240.
  • an output image eg, HDR image
  • Metadata 220 is metadata of an image captured through an image sensor (e.g., focal length, auto focus area, information related to left and right rotation when shooting (orientation), color coordinates (color space) ), exposure time, aperture-related information (F number), shooting mode (exposure program) (e.g. auto, aperture priority, shutter priority, manual, etc.), ISO (ISO speed ratings), or image capture date (data It can be at least one of time original).
  • the electronic device 101 may process an HDR algorithm using metadata (e.g., brightness value) related to HDR image processing among metadata.
  • the HDR algorithm 230 Based on the brightness value of each pixel included in the images received as input data, the HDR algorithm 230 divides the image into a first area including an area whose brightness value is greater than a certain value and a remaining area excluding the first area.
  • An HDR image 240 with an expanded range of brightness values can be output by combining images based on the included second area.
  • the original image taken e.g., EV 0 level
  • an image with the brightness range expanded to the reference level, EV -3 level are used. Even if synthesized, the brightness of the lighting sign in the EV -3 level image is bright and the saturation is low, so it may be difficult to express accurate color through the existing HDR algorithm 230.
  • various embodiments recognize a light source object (e.g., a lighting sign) in a low-illuminance environment (e.g., a nighttime environment) through image segmentation, and a light source object in a low-illuminance environment (e.g., a nighttime environment) is present in the image.
  • a light source object e.g., a lighting sign
  • a low-illuminance environment e.g., a nighttime environment
  • FIG. 3 shows a schematic configuration diagram of an electronic device according to an embodiment
  • FIG. 4 represents a color table of a UV color coordinate system according to an embodiment.
  • an electronic device e.g., electronic device 101 of FIG. 1
  • an image processing device e.g., camera module of FIG. 1
  • an electronic device may include an image sensor 310 and a processor 320.
  • the processor 320 may include a segmentation module 330, a multiple image generation module 340, an exposure adjuster 345, and an HDR generation module 350.
  • Components of the electronic device 101 shown in FIG. 3 may be operatively or operationally connected to each other.
  • the image sensor 310 and the processor 320 may be included in the camera module 180 of FIG. 1. According to one embodiment, the image sensor 310 may be included in the camera module of FIG. 1, and the processor 320 may be included in the processor 120 of FIG. 1.
  • the image sensor 310 may generate a single input image based on an optical signal and transmit the single input image to the processor 320.
  • a single input image may include Bayer pattern data or RGB data.
  • the image sensor 310 includes a pixel array and a color filter array (e.g., Bayer CFA, RGB filter), and each pixel may include a light detector for detecting light. .
  • the image sensor 310 may generate a single input image including color information (eg, Bayer pattern data, RGB data) regarding the intensity of light received through the color filter array.
  • the image sensor 310 may include, for example, a charge coupled device (CCD) sensor or a complementary metal oxide semiconductor (CMOS) sensor.
  • CCD charge coupled device
  • CMOS complementary metal oxide semiconductor
  • the image sensor 310 may include at least one sensor. If there are a plurality of image sensors 310, each may be implemented to have different functions, performances, or characteristics. For example, the plurality of image sensors 310 may include a plurality of lenses having different fields of view.
  • the processor 320 may control at least one other component related to the function of the electronic device 101 and perform data processing or computation for image processing.
  • the processor 320 may be an image signal processor, but is not limited thereto, and may be an application processor.
  • the segmentation module 330, the multi-level image generation module 340, the exposure control unit 345, and the HDR generation module 350 are the processor 120 of FIG. 1 or the image signal processor (ISP: image It may be a program module executed in a signal processor).
  • ISP image signal processor
  • the electronic device 101 may further include a memory (not shown) that stores instructions for operating program modules in the processor 320.
  • the processor 320 may perform image processing to improve image quality.
  • the processor 320 may perform image processing on a captured image (e.g., may be referred to as a single input image, original image, or reference image) by passing it through an image processing pipeline.
  • the image processing pipeline may include white balance correction, color adjustment (e.g., color matrix, color correction, color enhancement), color filter array interpolation, and noise reduction (e.g. At least one of noise reduction processing, sharpening, image enhancement (e.g., high-dynamic-range (HDR), gamma correction, color space conversion, image compression, and image scaling) may be performed.
  • white balance correction e.g., color matrix, color correction, color enhancement
  • noise reduction e.g. At least one of noise reduction processing, sharpening, image enhancement (e.g., high-dynamic-range (HDR), gamma correction, color space conversion, image compression, and image scaling
  • HDR high-dynamic-range
  • the processor 320 receives a single input image from the image sensor 310, and operates the segmentation module 330, the multiple image generation module 340, and the exposure adjuster 345 based on the single input image.
  • the HDR generation module 350 can be controlled to generate an HDR image with improved dynamic range for the light source object.
  • a single input image is an image that captures a scene using at least one camera or multiple image sensors with an automatically determined exposure time (e.g. EV-0 level), and is referred to as a reference image or original image. It can be.
  • an automatically determined exposure time e.g. EV-0 level
  • the segmentation module 330 may perform image segmentation on a single input image.
  • the image transmitted to the segmentation module 330 may be a copy image that is a copy of a single input image.
  • the segmentation module 330 may identify a light source object by performing image segmentation (eg, object segmentation) based on the artificial neural network 331.
  • Image segmentation may mean dividing an area of an image by attribute.
  • image segmentation may be an operation of dividing objects in an image (or shooting frame) into area units (or pixel units), assigning attribute values, and recognizing and classifying (or identifying) the objects.
  • One artificial neural network 331 may be used, or segmentation may be performed using a plurality of artificial neural networks, and then the results may be combined.
  • image segmentation may receive an image (eg, a single input image) and output object information.
  • the form of input data (or learning data) may be an image (e.g., including a plurality of pixels), and the output data (or labeling data) may be object recognition information (or object classification information).
  • the segmentation module 330 identifies objects included in an image (e.g., a single input image) and identifies a light source object (e.g., a lighted sign) in a low-light environment (e.g., a night environment) as a single input image. You can determine whether it is recognized in the image. For example, the segmentation module 330 distinguishes and recognizes objects included in a single input image, and as a result of object recognition, the single input image is classified into an outdoor environment and a low-light environment (e.g., a night environment) (e.g., an image classification information), and the object can be recognized as a light source object (e.g., a lighting sign).
  • a light source object e.g., a lighted sign
  • the segmentation module 330 stores image metadata (e.g., focal length, auto focus area, information related to left and right rotation when shooting (orientation), color coordinates (color space). ), exposure time, aperture-related information (F number), shooting mode (exposure program) (e.g. auto, aperture priority, shutter priority, manual, etc.), ISO (ISO speed ratings), or image capture date (data Time original)) can be used to obtain object attribute information (e.g., color information, exposure-related information, location information (or pixel coordinate information)).
  • image metadata e.g., focal length, auto focus area, information related to left and right rotation when shooting (orientation), color coordinates (color space).
  • exposure time e.g., aperture-related information (F number)
  • shooting mode e.g. auto, aperture priority, shutter priority, manual, etc.
  • ISO ISO speed ratings
  • image capture date data Time original
  • the segmentation module 330 divides the light source object into a light source object based on whether the identified object in the image is recognized as a light source object (or a light source object in a low-illuminance environment (e.g., a night environment)). Image processing for the object may be requested to the multi-image generation module 340 and the HDR generation module 350.
  • the multi-image generation module 340 generates multi-level images with different exposure levels based on a single input image through the exposure control unit 345, and the HDR generation module 350 ) can be transmitted.
  • multi-level images may be images obtained by adjusting the amount of light collected by an image sensor, or may be images processed through exposure simulation.
  • the number of multi-level images can be changed depending on settings.
  • the multiple image generation module 340 adjusts the exposure (or shutter) speeds of the image sensor 310 through the exposure control unit 345 or adjusts the aperture values of the image sensor 310 to achieve different exposures.
  • Multi-level images with levels can be obtained.
  • the exposure control unit 345 may control the exposure time of pixels included in the image sensor 310.
  • the glow adjuster 345 may determine the exposure time of each pixel based on a plurality of exposure times.
  • the image sensor 310 may operate pixels according to the determined exposure time.
  • the multi-image generation module 340 creates multi-level images with a brightness range that is at least darker than the automatically set reference level (e.g., EV -3 level) in the HDR algorithm based on the recognized lighting object. can be created.
  • the automatically set reference level e.g., EV -3 level
  • the reference level of the HDR algorithm may be EV-3 level.
  • the multiple image generation module 340 may generate a first level image (e.g., EV-3 level), a second level image (e.g., EV-4 level), and a third level image (e.g., EV-4 level) having the same scene as a single input image. -5 level),) or a fourth level image (e.g., EV -6 level) can be created.
  • the number of multi-level images may vary depending on settings.
  • the HDR generation module 350 may synthesize images based on the single input image and the level images generated from the multiple image generation module 340 and output an HDR image.
  • the HDR generation module 350 may be understood as an HDR synthesis algorithm.
  • the HDR generation module 350 can synthesize images input as input data by adjusting the synthesis intensity of multi-level images. For example, the HDR generation module 350 synthesizes images with brightness and saturation higher than the reference brightness among multi-level images by assigning a weight in proportion to the saturation, and images with saturation lower than the reference brightness are synthesized. You can control it to be excluded from synthesis. For another example, if the brightness value of the light source object included in the image among the multi-level images is lower than the reference brightness value, the HDR generation module 350 provides input data for compositing, and provides the image included in the image as input data. If the brightness value of the light source object included in is higher than the reference brightness value, a multi-level image with a brightness level darker than the reference brightness value can be controlled to be used as input data.
  • the HDR generation module 350 performs the following operations (1) to (5) to adjust the synthesis intensity and generate an HDR image by combining images input as input data. .
  • the HDR generation module 350 generates levels for each image (e.g., EV-0, EV-3, EV-4, EV-5, and EV) with reference to the UV color coordinate system 410 shown in FIG. -6 level image)
  • the saturation (Ci) of the light source object can be calculated using Equation 1.
  • the HDR generation module 350 uses [Equation 2] to generate a color weight (color weight) of the light source object at a rate equal to the saturation of each level image. ) can be determined.
  • the HDR generation module 350 may generate a reference level image (e.g., EV-0 level), a first level image (e.g., -EV-3 level), a second level image (e.g., EV-4 level), and a second level image (e.g., EV-4 level).
  • a reference level image e.g., EV-0 level
  • a first level image e.g., -EV-3 level
  • a second level image e.g., EV-4 level
  • a second level image e.g., EV-4 level
  • a second level image e.g., EV-4 level
  • a second level image e.g., EV-4 level
  • the HDR generation module 350 normalizes the color weight of the light source object using [Equation 3] to generate the final composite weight for each level image ( ) can be calculated. .
  • the HDR generation module 350 generates a single input image ( ) and HDR image (HDR image (Equation 4) using [Equation 4]. ) can be created.
  • the HDR generation module 350 creates a reference level image (e.g., 0 level) using [Equation 5]. You can control its use.
  • the reference value e.g., saturation reference value
  • the HDR generation module 360 may synthesize the images input as input data and output the generated HDR image as output data.
  • An electronic device e.g., the electronic device 101 of FIGS. 1 and 3 may include an image sensor (e.g., the image sensor 310 of FIG. 3).
  • the electronic device 101 may include a memory (eg, memory 130 of FIG. 1) and a processor (eg, processor 120 of FIG. 1 and processor 320 of FIG. 3).
  • the memory 130 of the electronic device 101 may include instructions that allow the processors 120 and 320 to receive a single input image from the image sensor 310.
  • the memory 130 according to one embodiment may include instructions that allow the processors 120 and 320 to recognize a light source object by performing segmentation on the single input image.
  • the memory 130 may include instructions that allow the processors 120 and 320 to generate multi-level images with different exposure levels based on the single input image.
  • the memory 130 may include instructions that allow the processors 120 and 320 to calculate a composite weight by comparing the brightness value of the light source object for each multi-level image with the reference brightness value.
  • the memory 130 according to one embodiment is
  • the processors 120 and 320 may include instructions that allow the processors 120 and 320 to synthesize the multiple images and the single input image based on the composite weight to generate a high-dynamic-range (HDR) image with improved dynamic range of the light source object.
  • HDR high-dynamic-range
  • the light source object may be a lighting sign object in a low-illuminance environment.
  • the memory (130) further includes instructions for causing the processor to generate multi-level images with a range level darker than a reference level when the single input image includes the light source object.
  • the processors 120 and 320 may include an image signal processor.
  • the memory 130 allows the processors 120 and 320 to calculate saturation for each multi-level image, determine a color weight for each multi-level image at a ratio of the calculated saturation, and determine the color weight. Instructions for normalizing and calculating the composite weight may be further included.
  • the memory 130 allows the processors 120 and 320 to perform the segmentation to distinguish an area containing the light source object in a multi-level image and to calculate the composite intensity of the area containing the light source object. Additional instructions for adjustment may be included.
  • the memory 130 provides the processors 120 and 320 as input data for synthesis when the brightness value of the light source object included in the image among the multi-level images is lower than the reference brightness value. And, if the brightness value of the light source object included in the image is higher than the reference brightness value, it may further include instructions for adjusting to use a multi-level image with a brightness level darker than the reference brightness value as input data. You can.
  • FIG. 5 illustrates an HDR image processing method for improving the dynamic range of a light source object in a low-illuminance environment (e.g., a nighttime environment) in an electronic device according to an embodiment.
  • a low-illuminance environment e.g., a nighttime environment
  • each operation may be performed sequentially, but is not necessarily performed sequentially.
  • the order of each operation may be changed, and at least two operations may be performed in parallel.
  • the processor e.g., processor 120 of FIG. 1, processor 320 of FIG. 3 of an electronic device (e.g., electronic device 101 of FIG. 1) has 510
  • a single input image may be received from an image sensor (e.g., image sensor 310 in FIG. 3).
  • a single input image may be an original image or a reference image in which one scene is captured using an automatically determined exposure time (e.g., EV-0 level).
  • an automatically determined exposure time e.g., EV-0 level
  • processor 320 may perform segmentation on a single input image.
  • image segmentation can be an operation that divides objects in an image (or shooting frame) into area units (or pixel units) based on an artificial neural network, assigns attribute values, and recognizes and classifies (or identifies) the objects. there is.
  • processor 320 may determine whether a light source object in a low-light environment (e.g., a nighttime environment) within a single input image is recognized.
  • a low-light environment e.g., a nighttime environment
  • the processor 320 may terminate the process.
  • the processor 320 may use the comparative example shown in FIG. 2 or a general HDR algorithm when a light source object in a low-illuminance environment (e.g., a night environment) is not recognized in a single input image. Processing may also be performed.
  • the processor 320 adds an object to the single input image. Based on this, you can create multi-level images of the same scene captured at different exposure levels.
  • the processor 320 can generate a multi-level image with levels EV-3, EV-4, EV-5, and EV-6.
  • the EV-3 level may be a preset reference level in the HDR algorithm.
  • the processor 320 After generating an image at the EV-3 level, the processor 320 generates EV-4, EV with lower brightness when the brightness value of the light source object in the image at the EV-3 level is higher than the set reference brightness. Multi-level images of -5 and EV -6 levels can be further generated.
  • a general HDR algorithm may refer to an operation in which the electronic device 101 generates and synthesizes an image at the EV -3 level (or a set reference level) when processing an HDR image.
  • the electronic device 101 disclosed in this document is EV-4, EV-5, and EV having a brightness level darker than the EV-3 level when a light source object in a low-illuminance environment (e.g., a night environment) is present in the image.
  • a low-illuminance environment e.g., a night environment
  • the processor 320 may calculate a composite weight by comparing the brightness value of the light source object for each multi-level image with the reference brightness value.
  • the processor 320 calculates the saturation of the light source object included in each multi-level image, determines the color weight for each image in proportion to the calculated saturation, and normalizes the color weight to calculate the final composite weight. .
  • the processor 320 may process images in which the brightness value of the light source object has a saturation lower than the reference brightness value among the multi-level images to be excluded from the synthesis.
  • the processor 320 may synthesize multi-level images and a single input image based on synthesis weights to generate an HDR image with improved dynamic range of the light source object.
  • the processor 320 may generate an HDR image by adjusting the composite intensity of a light sign (i.e., a light source object) in a low-light environment (e.g., a night environment) based on composite weights of multi-level images. there is.
  • a light sign i.e., a light source object
  • a low-light environment e.g., a night environment
  • FIG. 6 illustrates an HDR image processing algorithm for a light source object of an electronic device according to an embodiment.
  • a processor e.g., processor 120 of FIG. 1, processor 320 of FIG. 3 of an electronic device (e.g., electronic device 101 of FIG. 1) uses an HDR algorithm. Through this, you can receive multi-level images as input data and output HDR images as output data.
  • the processor 320 may receive a single input image and multi-level images with different exposure levels based on the single input image as input images.
  • the processor 320 may perform image segmentation on an input image (e.g., a single input image) to detect a light source object (e.g., an illuminated sign) in a low-light environment (e.g., a nighttime environment). For example, the processor 320 performs image segmentation to recognize that, as a result of object recognition, the image is an outdoor environment and a night environment (e.g., image classification information), and the object is a light source object (e.g., object recognition information, illuminated signboard). You can.
  • a light source object e.g., an illuminated sign
  • a light source object e.g., object recognition information, illuminated signboard
  • processor 320 obtains metadata of an image (e.g., a single input image) and object attribute information associated with a recognized light source object (e.g., color information, exposure-related information, and location information of the light source object). Alternatively, pixel coordinate information) can be obtained.
  • the processor 320 may distinguish the light source object (or light source object area) recognized in the input image and transmit it to the HDR algorithm. For example, the processor 320 may recognize a light source object in a single input image, distinguish an area containing the light source object, and apply the location of the light source object area to all multi-level images.
  • the processor 320 may determine whether the brightness of the light source object included in each input image (e.g., single input image, multi-level images) is above the reference brightness (e.g., EV -3 level). there is.
  • each input image e.g., single input image, multi-level images
  • the reference brightness e.g., EV -3 level
  • the processor 320 may transmit the input image to the HDR algorithm as input data for synthesis.
  • the processor 320 may transmit the image with a brightness level that is darker than the reference brightness value to the HDR algorithm as input data for compositing.
  • the processor 320 synthesizes images provided as input data based on an HDR algorithm, and in operation 670, the processor 320 may output an HDR image 670.
  • the processor 320 may perform operations (1) to (5) described in FIG. 3 to calculate composite weights and adjust composite strengths of input images to generate an HDR image.
  • Figure 7 shows example screens of HDR image processing for a light source object of an electronic device according to an embodiment.
  • the electronic device 101 may receive a single input image 710 captured using at least one camera or a plurality of image sensors.
  • the single input image 410 may be an image in which one scene is captured using an automatically determined exposure time (eg, EV 0 level).
  • the electronic device 101 may recognize that, as a result of performing segmentation on the single input image 710, it includes a light source object (e.g., an illuminated signboard) 715 in a low-illuminance environment (e.g., a night environment).
  • a light source object e.g., an illuminated signboard
  • a low-illuminance environment e.g., a night environment
  • a single input image 710 may be provided as an input for performing segmentation, or may be provided as an input for multi-level image generation.
  • the electronic device 101 may distinguish an area 725 containing a light source object within the segmentation image 720.
  • the electronic device 101 can generate multi-level images of the same scene captured at different exposure levels based on the single input image 710 and adjust the composite intensity by distinguishing areas 730 containing the light source object. .
  • the electronic device 101 generates a first level image with a reference level set for HDR image processing (e.g., EV-3 level), and the first level image is the exposure time of a single input image (e.g., EV0 level). It may be an image created based on an exposure time shorter than the level).
  • the electronic device outputs a second level image (e.g. EV-4 level), a third level image (e.g. EV-5 level) and a fourth level image having a relatively darker brightness level based on exposure times shorter than the reference level. Images (e.g. EV-6 level) can be generated.
  • the electronic device may distinguish the areas 730 containing the light source object by applying the area containing the recognized light source object in the single input image to the multi-level image.
  • the electronic device 101 may calculate a composite weight for the brightness levels of the areas 730 containing the light source object, that is, the light source object.
  • the electronic device 101 may synthesize multi-level images based on synthesis weights and a single input image to output an HDR image 740 with improved dynamism range of the light source object.
  • Figure 8 shows comparison screens for improved HDR image processing according to one embodiment.
  • ⁇ 801> in FIG. 8 is an HDR image 810 output using an HDR image processing algorithm (e.g., the algorithm of FIG. 2) according to a comparative example
  • ⁇ 802> is an HDR image 810 output using the HDR image processing algorithm disclosed in this document. It may be a output HDR image 820.
  • the image 810 shown in ⁇ 801> has poor HDR results due to low saturation of the lighting object even when composited with an image generated at a reference level (e.g., EV-3) due to the lighting object being brighter than the reference level.
  • a reference level e.g., EV-3
  • the image 820 of ⁇ 802> generates multi-level images with levels in a darker range than the reference level and composites them by adjusting the composite intensity, resulting in an HDR result in which illuminated objects are clearly visible due to high illumination saturation. has It can be seen that the image 820 shown in ⁇ 802> provides better HDR results than the image shown in ⁇ 801>.
  • a method of processing an image of a light source object of the electronic device 101 may include receiving a single input image from an image sensor.
  • the method according to one embodiment may include recognizing a light source object by performing segmentation on the single input image.
  • the method according to one embodiment may include generating multi-level images with different exposure levels based on the single input image.
  • the method according to one embodiment may include calculating a composite weight by comparing the brightness value of the light source object for each multi-level image with a reference brightness value.
  • the method according to one embodiment may include generating a high-dynamic-range (HDR) image with an improved dynamic range of the light source object by combining the multiple images and the single input image based on the composite weight.
  • HDR high-dynamic-range
  • the light source object may be a lighting sign object in a low-illuminance environment.
  • the operation of generating the multi-level images according to an embodiment may be characterized by generating multi-level images with a range of levels darker than a reference level, based on the light source object being recognized in the single input image. .
  • Calculating the synthesis weight may further include adjusting the synthesis intensity of multi-level images based on the synthesis weight.
  • the operation of calculating the composite weight includes calculating saturation for each multi-level image, determining a color weight for each multi-level image at a ratio equal to the calculated saturation, and normalizing the color weight to obtain the composite weight. It can be characterized by calculating .
  • the operation of adjusting the composite intensity according to an embodiment is characterized by performing the segmentation to distinguish an area including the light source object in a multi-level image and adjusting the composite intensity of the area including the light source object. can do.
  • the operation of generating the high-dynamic-range (HDR) image includes, when the brightness value of the light source object included in the image among the multi-level images is lower than the reference brightness value, input data for synthesis provided, and if the brightness value of the light source object included in the image is higher than the reference brightness value, the HDR image is adjusted to use a multi-level image with a brightness level darker than the reference brightness value as input data. It may be characterized by generating a .
  • the operation of recognizing the light source object is characterized by classifying objects in an image by region through image segmentation based on an artificial neural network and obtaining object recognition information related to the recognized object. can do.
  • first, second, or first or second may be used simply to distinguish one component from another, and to refer to those components in other respects (e.g., importance or order) is not limited.
  • One (e.g., first) component is said to be “coupled” or “connected” to another (e.g., second) component, with or without the terms “functionally” or “communicatively.” Where mentioned, it means that any of the components can be connected to the other components directly (e.g. wired), 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 interchangeable with terms such as logic, logic block, component, or circuit, for example. It can be used as A module may be an integrated part or a minimum unit of the parts or a part thereof that performs one or more functions. For example, according to one embodiment, the module may be implemented in the form of an application-specific integrated circuit (ASIC).
  • ASIC application-specific integrated circuit
  • Various embodiments of the present document are one or more instructions stored in a storage medium (e.g., built-in memory 136 or external memory 138) that can be read by a machine (e.g., electronic device 101). It may be implemented as software (e.g., program 140) including these.
  • a processor e.g., processor 120
  • the one or more instructions may include code generated by a compiler or code that can be executed by an interpreter.
  • a storage medium that can be read by a device may be provided in the form of a non-transitory storage medium.
  • 'non-transitory' only means that the storage medium is a tangible device and does not contain signals (e.g. electromagnetic waves). This term refers to cases where data is stored semi-permanently in the storage medium. There is no distinction between temporary storage cases.
  • Computer program products are commodities and can be traded between sellers and buyers.
  • the computer program product may be distributed in the form of a machine-readable storage medium (e.g. compact disc read only memory (CD-ROM)), or through an application store (e.g. Play Store TM ) or on two user devices (e.g. It can be distributed (e.g. downloaded or uploaded) directly between smart phones) or online.
  • a machine-readable storage medium e.g. compact disc read only memory (CD-ROM)
  • an application store e.g. Play Store TM
  • two user devices e.g. It can be distributed (e.g. downloaded or uploaded) directly between smart phones) or online.
  • at least a portion of the computer program product may be at least temporarily stored or temporarily created in a machine-readable storage medium, such as the memory of a manufacturer's server, an application store's server, or a relay server.
  • each component (e.g., module or program) of the above-described components may include a single or plural entity, and some of the plurality of entities may be separately placed in other components. there is.
  • one or more of the components or operations described above may be omitted, or one or more other components or operations may be added.
  • multiple components eg, modules or programs
  • the integrated component may perform one or more functions of each component of the plurality of components identically or similarly to those performed by the corresponding component of the plurality of components prior to the integration. .
  • operations performed by a module, program, or other component may be executed sequentially, in parallel, iteratively, or heuristically, or one or more of the operations may be executed in a different order, or omitted. Alternatively, one or more other operations may be added.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Studio Devices (AREA)

Abstract

일 실시예에 따른 전자 장치는 이미지 센서를 포함할 수 있다. 전자 장치는 메모리 및 프로세서를 포함할 수 있다. 전자 장치의 상기 메모리는, 상기 프로세서가 상기 이미지 센서로부터 단일 입력 이미지를 수신하도록 하는 인스트럭션을 포함할 수 있다. 상기 메모리는 상기 프로세서가 상기 단일 입력 이미지에 대해 세그먼테이션을 수행하여 광원 객체를 인식하도록 하는 인스트럭션을 포함할 수 있다. 상기 메모리는 상기 프로세서가 상기 단일 입력 이미지에 기초하여 서로 다른 노출 레벨을 가진 다중 레벨 이미지들을 생성하도록 하는 인스트럭션을 포함할 수 있다. 상기 메모리는 상기 프로세서가 각 다중 레벨 이미지 별 광원 객체의 밝기값을 기준 밝기값과 비교하여 합성 가중치를 계산하도록 하는 인스트럭션을 포함할 수 있다. 상기 메모리는 상기 프로세서가 상기 합성 가중치를 기반으로 상기 다중 이미지들과 상기 단일 입력 이미지를 합성하여 상기 광원 객체의 다이나믹 레인지가 향상된 HDR(high-dynamic-range) 이미지를 생성하도록 하는 인스트럭션들을 포함할 수 있다.

Description

광원 객체 이미지 처리 방법 및 장치
다양한 실시예들은 광원 객체 이미지 처리 방법 및 장치에 관한 것이다.
전자 장치는 이미지 신호 프로세서(image signal processor: ISP)를 이용하여 카메라를 통해 획득한 이미지를 처리할 수 있다. 이미지 신호 프로세서는 화질 개선 알고리즘 또는 프로세싱을 이용하여 이미지를 처리하여 화질이 개선된 이미지를 제공할 수 있다. 화질 개선 방식 중 HDR(high-dynamic-range) 알고리즘은 이미지의 밝기를 어두운 범위에서 밝은 범위로 조정하여 생성된 이미지들을 합성하여 더 높은 다이나믹 레인지를 가진 이미지(즉, 밝은 이미지와 어두운 이미지 영역들 사이에서 더 큰 레인지의 휘도 변화를 가진 이미지)로 향상시키는 방식일 수 있다.
HDR 알고리즘은 다중 레벨 이미지(예를 들어, 서로 다른 노출 레벨을 가진 복수의 이미지들)을 획득한 후, 이미지들을 합성함으로써 HDR 이미지를 생성할 수 있다. HDR 이미지는 다이나믹 레인지가 향상된 이미지를 의미할 수 있다.
그러나, 조도가 낮은 환경(예: 야간 환경)의 광원 객체(예: 조명 간판)을 포함하는 이미지의 경우, 밝기를 어둡게 조정(예: 밝기 레벨 -3)하여 합성하더라도 카메라를 통해 캡쳐되는 조도가 낮은 환경의 광원 객체 채도가 낮을 수 있다. 조도가 낮은 환경의 광원 객체를 포함하는 이미지는 HDR 알고리즘을 이용하더라도 조명 간판을 실제 눈으로 인식하는 색감으로 표현하기가 실질적으로 어려운 실정이다.
한편, 이미지 세그먼테이션은 최근 딥러닝(deep learning) 기술이 각광을 받으면서, 전자 장치의 카메라 성능 향상을 위해 세그먼테이션(segmentation)을 카메라 기술에 활용하기 위한 연구가 증가되고 있는 추세이다.
다양한 실시예에 따르면 이미지 세그먼테이션을 통해 조도가 낮은 환경에서 광원 객체(예: 조명 간판)을 인식하고, 조도가 낮은 환경의 광원 객체가 촬영되는 경우, 조도가 낮은 환경의의 광원 객체를 실제 눈으로 인식하는 색감과 유사한 영상의 이미지로 화질이 개선될 수 있는 방법 및 장치를 제공하고자 한다.
본 문서에서 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
일 실시예에 따른 전자 장치는 이미지 센서를 포함할 수 있다. 전자 장치는 메모리 및 프로세서를 포함할 수 있다. 일 실시예에 따른 전자 장치의 상기 메모리는, 상기 프로세서가 상기 이미지 센서로부터 단일 입력 이미지를 수신하도록 하는 인스트럭션을 포함할 수 있다. 일 실시예에 따른 상기 메모리는 상기 프로세서가 상기 단일 입력 이미지에 대해 세그먼테이션을 수행하여 광원 객체를 인식하도록 하는 인스트럭션을 포함할 수 있다. 일 실시예에 따른 상기 메모리는 상기 프로세서가 상기 단일 입력 이미지에 기초하여 서로 다른 노출 레벨을 가진 다중 레벨 이미지들을 생성하도록 하는 인스트럭션을 포함할 수 있다. 일 실시예에 따른 상기 메모리는 상기 프로세서가 각 다중 레벨 이미지 별 광원 객체의 밝기값을 기준 밝기값과 비교하여 합성 가중치를 계산하도록 하는 인스트럭션을 포함할 수 있다. 일 실시예에 따른 상기 메모리는 상기 프로세서가 상기 합성 가중치를 기반으로 상기 다중 이미지들과 상기 단일 입력 이미지를 합성하여 상기 광원 객체의 다이나믹 레인지가 향상된 HDR(high-dynamic-range) 이미지를 생성하도록 하는 인스트럭션들을 포함할 수 있다.
일 실시예에 따른 전자 장치의 광원 객체의 이미지 처리 방법은 이미지 센서로부터 단일 입력 이미지를 수신하는 동작을 포함할 수 있다. 일 실시예에 따른 방법은, 상기 단일 입력 이미지에 대해 세그먼테이션을 수행하여 광원 객체를 인식하는 동작을 포함할 수 있다. 일 실시예에 따른 방법은 상기 단일 입력 이미지에 기초하여 서로 다른 노출 레벨을 가진 다중 레벨 이미지들을 생성하는 동작을 포함할 수 있다. 일 실시예에 따른 방법은 각 다중 레벨 이미지 별 광원 객체의 밝기값을 기준밝기값과 비교하여 합성 가중치를 계산하는 동작을 포함할 수 있다. 일 실시예에 따른 방법은 상기 합성 가중치를 기반으로 상기 다중 이미지들과 상기 단일 입력 이미지를 합성하여 상기 광원 객체의 다이나믹 레인지가 향상된 HDR(high-dynamic-range) 이미지를 생성하는 동작을 포함할 수 있다.
다양한 실시예에 따른 전자 장치 및 방법은, 카메라를 통해 촬영된 이미지 내에서 조도가 낮은 환경(예: 야간 환경)의 광원 객체(예: 조명 간판)를 인식하여 기준 레벨보다 더 어두운 범위의 레벨로 생성된 다중 레벨 이미지들의 합성 강도를 조정함으로써, 야간 환경의 광원 객체에 대해 다이나믹 레인지가 향상된 이미지를 제공하여 카메라 성능을 향상시킬 수 있다.
본 개시에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한하지 않으며, 언급하지 않는 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 다양한 실시 예들에 따른 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는 비교예시에 따른 HDR 이미지 처리 알고리즘을 도시한다.
도 3은 일 실시예에 따른 전자 장치의 개략적인 구성도를 도시한다.
도 4는 일 실시예에 따른 UV 색 좌표계의 색상표를 의미한다.
도 5는 일 실시예에 따른 전자 장치에서 조도가 낮은 환경 환경의 광원 객체에 대한 다이나믹 레인지를 향상시키기 위한 HDR 이미지 처리 방법을 도시한다.
도 6은 일 실시예에 따른 전자 장치의 광원 객체를 위한 HDR 이미지 처리 알고리즘을 도시한다.
도 7은 일 실시에에 따른 전자 장치의 광원 객체를 위한 HDR 이미지 처리 예시화면들을 도시한다.
도 8은 일 실시예에 따른 개선된 HDR 이미지 처리에 대한 비교 화면들을 도시한다.
도 1은 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다.
도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 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 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 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 실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일 실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 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 실시예에 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 실시예에 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, 인공지능이 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 실시예에 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 실시예에 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 실시예에 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 실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 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 실시예에 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 실시예에 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 실시예에 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 실시예에 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 실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일 실시예에 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 실시예에 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 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 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 제 1 네트워크(198) 또는 제 2 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: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일 실시예에 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 실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 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 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일 실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 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 제 2 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 실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102,104, 또는108) 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 실시예에 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 실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 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.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치(101)는 다양한 형태의 장치가 될 수 있다. 전자 장치(101)는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치(101)는 전술한 기기들에 한정되지 않는다.
도 2는 비교 예시에 따른 HDR 이미지 처리 알고리즘을 도시한다.
도 2를 참조하면, 비교 예시(또는 종래 예시)에 따르면 HDR(high dynamic range) 알고리즘(230)은 하나의 장면에 대해 서로 다른 노출 레벨을 가지는 이미지들(image)((210)을 입력 데이터로서 수신할 수 있다. 예를 들어, 전자 장치는 카메라 또는 이미지 센서를 통해 하나의 장면(scene)을 캡쳐한 단일 입력 이미지를 획득하고, 단일 입력 이미지에 기초하여 단일 입력 이미지와 동일한 장면이나 서로 다른 노출 레벨을 가지는 다중 레벨 이미지들을 생성할 수 있다. 다중 레벨 이미지들은 이미지 센서로 수집되는 빛의 양을 조절하여 획득한 이미지들이거나, 노출 시뮬레이션을 통해 프로세싱된 이미지들일 수 있다. 다중 레벨 이미지의 수는 설정에 따라 변경될 수 있다.
HDR 알고리즘(230)는 어두운 이미지 생성에 대한 기준 레벨로서, EV -3 레벨이 설정될 수 있다.
예를 들어, 단일 입력 이미지가 EV-0 레벨일 경우, HDR 알고리즘(230)은 EV-0 레벨의 이미지(또는 제1 입력 이미지)와, EV -3 레벨의 이미지(또는 제2 입력 이미지)를 HDR 알고리즘의 입력 데이터로 설정할 수 있다.
HDR 알고리즘(230)은 다중 레벨 이미지들(210) 및 메타 데이터(220)에 기반하여 입력된 이미지들을 합성하여 출력 이미지(예: HDR 이미지(HDR image))(240)를 출력할 수 있다.
메타 데이터(220)는 이미지 센서를 통해 캡쳐된 이미지의 메타데이터(예: 초점 거리(focal length), 자동 포커싱 영역(auto focus area), 촬영 시 좌우 회전 관련 정보(orientation), 색 좌표(color space), 노출 시간(exposure time), 조리개 관련 정보(F number), 촬영 모드(exposure program)(예: 자동, 조리개 우선, 셔터 우선, 수동 등), ISO(ISO speed ratings) 또는 이미지 촬영 일자(data time original) 중 적어도 하나)일 수 있다. 전자 장치(101)는 메타데이터 중 HDR 이미지 처리와 관련된 메타 데이터(예: 밝기값)을 이용하여 HDR 알고리즘을 처리할 수 있다.
HDR 알고리즘(230)은 입력 데이터로 수신된 이미지들에 포함된 각 픽셀의 밝기값에 기초하여 이미지에서 밝기값이 특정 값 이상인 영역을 포함하는 제1 영역과, 제1 영역을 제외한 나마지 영역을 포함하는 제2 영역을 기반으로 이미지들을 합성하여 밝기 값의 범위를 확장시킨 HDR 이미지(240)를 출력할 수 있다.
그러나, 조도가 낮은 환경(예: 야간 환경)의 조명 간판을 포함하는 이미지의 경우, 촬영된 원본 이미지(예: EV 0 레벨)와 기준 레벨인 EV -3 레벨로 밝기 범위를 확장시킨 이미지를 이용하여 합성하더라도, EV -3 레벨의 이미지 속 조명 간판의 밝기가 밝고, 채도가 낮아 기존의 HDR 알고리즘(230)을 통해 정확한 색감을 표현하기가 어려울 수 있다.
이하, 다양한 실시예들은 이미지 세그먼테이션을 통해 조도가 낮은 환경(예: 야간 환경)의 광원 객체(예: 조명 간판)을 인식하고, 이미지에 조도가 낮은 환경(예: 야간 환경)의 광원 객체가 존재하는 경우, 광원 객체 처리를 위한 새로운 HDR 알고리즘을 제안하고, 조도가 낮은 환경(예: 야간 환경)의 광원 객체의 색상과 유사한 영상의 이미지로 화질이 개선될 수 있는 방법 및 장치에 대해 설명하기로 한다.
도 3은 일 실시예에 따른 전자 장치의 개략적인 구성도를 도시하고, 도 4는 일 실시예에 따른 UV 색 좌표계의 색상표를 의미한다.
도 3 및 도 4를 참조하면, 일 실시예에 따라 단일 입력 이미지의 화질을 개선하도록 구성된 전자 장치(예: 도 1의 전자 장치(101)) 또는 이미지 처리 장치(예: 도 1의 카메라 모듈)는, 이미지 센서(310) 및 프로세서(320)를 포함할 수 있다.
일 실시예에 따르면, 프로세서(320)는, 세그먼테이션 모듈(330), 다중 이미지 생성 모듈(340), 노출 조절부(345) 및 HDR 생성 모듈(350)을 포함할 수 있다. 도 3에 도시된 전자 장치(101)의 구성요소들은 서로 작동적으로 또는 동작적으로 연결될 수 있다.
일 실시예에 따르면, 이미지 센서(310) 및 프로세서(320)는 도 1의 카메라 모듈(180)에 포함된 구성일 수 있다. 일 실시예에 따르면, 이미지 센서(310)는 도 1의 카메라 모듈에 포함되고, 프로세서(320)는 도 1의 프로세서(120)에 포함된 구성일 수 있다.
일 실시예에 따르면, 이미지 센서(310)는 광 신호를 기반으로 단일 입력 이미지를 생성하고, 단일 입력 이미지를 프로세서(320)로 전달할 수 있다. 단일 입력 이미지는 베이어 패턴(bayer pattern) 데이터 또는 RGB 데이터를 포함할 수 있다. 예를 들어, 이미지 센서(310)는 픽셀 어레이 및 컬러 필터 어레이(color filter array)(예: 베이어 CFA, RGB필터)를 포함하며, 각각의 픽셀은 광을 감지하기 위한 광 검출기를 포함할 수 있다. 이미지 센서(310)는 컬러 필터 어레이를 통해 수신된 광의 강도에 관한 색상 정보(예: 베이어 패턴(bayer pattern) 데이터, RGB 데이터)를 포함하는 단일 입력 이미지를 생성할 수 있다.
일 실시예에 따르면, 이미지 센서(310)는 예를 들어, CCD(Charge Coupled Device) 센서 또는 CMOS(Complementary Metal Oxide Semiconductor) 센서를 포함할 수 있다.
일 실시예에 따르면, 이미지 센서(310)는 적어도 하나 이상의 센서를 포함할 수 있다. 이미지 센서(310)가 복수일 경우, 각 상이한 기능, 성능 또는 특정을 갖도록 구현될 수 있다. 예를 들어, 복수의 이미지 센서(310)는 서로 다른 화각(field of view)를 갖는 복수의 렌즈들을 포함할 수 있다.
일 실시예에 따르면, 프로세서(320)는, 전자 장치(101)의 기능과 관련된 적어도 하나의 다른 구성 요소를 제어하고, 이미지 처리에 대한 데이터 처리 또는 연산을 수행할 수 있다. 예를 들어, 프로세서(320)는 이미지 시그널 프로세서일 수 있으나, 이에 한정하는 것은 아니며, 어플리케이션 프로세서일 수 있다.
일 실시예에 따르면, 세그먼테이션 모듈(330), 다중 레벨 이미지 생성 모듈(340), 노출 조절부(345), HDR 생성 모듈(350)은 도 1의 프로세서(120) 또는 이미지 시그널 프로세서(ISP: image signal processor)에서 실행되는 프로그램 모듈일 수 있다. 도면에 도시되지 않았으나, 전자 장치(101)는 프로세서(320) 내 프로그램 모듈들을 동작하도록 하는 인스트럭션들(instructions)을 저장하는 메모리(미도시)를 더 포함할 수 있다
일 실시예에 따르면, 프로세서(320)는 화질 개선을 위한 이미지 처리를 수행할 수 있다. 예를 들어, 프로세서(320)는 촬영된 이미지(예: 단일 입력 이미지, 원본 이미지 또는 기준 이미지로 지칭될 수도 있음)에 대해 이미지 처리 파이프라인을 통과시켜 이미지 처리를 수행할 수 있다. 예를 들어, 이미지 처리 파이프라인은 화이트 밸런스(white balance) 보정, 컬러 조정(color adjustment)(예: color matrix, color correction, color enhancement), 색 필터 배열 보간(color filter array interpolation), 잡음 감소(noise reduction) 처리, 샤프닝(sharpening), 이미지 개선(image enhancement)(예: HDR(high-dynamic-range), 감마 교정, 컬러 공간 변환, 이미지 압축 및 이미지 스케일링 중 적어도 하나를 수행할 수 있다.
이하, 프로세서(320)가 광원 객체를 위한 HDR 이미지 처리를 수행하는 동작들에 대해서 설명하기로 한다.
일 실시예에 따르면, 프로세서(320)는 이미지 센서(310)로부터 단일 입력 이미지를 수신하고, 단일 입력 이미지를 기반으로 세그먼테이션 모듈(330), 다중 이미지 생성 모듈(340), 노출 조절부(345) 및 HDR 생성 모듈(350)을 제어하여 광원 객체에 대해 다이나믹 레인지가 향상된 HDR 이미지를 생성할 수 있다.
단일 입력 이미지는 적어도 하나의 카메라 또는 복수의 이미지 센서를 이용하여 자동 결정된 노출 시간(예: EV-0 레벨)을 이용하여 하나의 장면(scene)을 캡쳐한 이미지로, 기준 이미지 또는 원본 이미지로 지칭될 수 있다.
일 실시예에 따르면, 세그먼테이션 모듈(330)은 단일 입력 이미지에 대해 이미지 세그먼테이션(segmentation)을 수행할 수 있다. 세그먼테이션 모듈(330)로 전달되는 이미지는 단일 입력 이미지의 복사본인 사본 이미지일 수 있다.
일 실시예에 따르면, 세그먼테이션 모듈(330)은 인공신경망(331)에 기반하여 이미지 세그먼테이션(예: 객체 세그먼테이션)을 수행하여 광원 객체를 식별할 수 있다. 이미지 세그먼테이션은 속성 별로 이미지의 영역을 분할하는 것을 의미할 수 있다. 또는, 이미지 세그먼테이션은 이미지(또는 촬영 프레임)의 객체들을 영역 단위(또는 픽셀 단위)로 분할하여 속성값을 할당하고, 객체들을 인식하여 분류(또는 식별)하는 동작일 수 있다. 인공신경망(331)은 하나가 이용될 수 있고, 복수의 인공신경망을 이용하여 각각 세그먼테이션이 수행된 후, 그 결과가 조합될 수 있다.
일 실시예에 따르면, 이미지 세그먼테이션은 이미지(예: 단일 입력 이미지)를 입력받아 객체 정보를 출력할 수 있다. 입력 데이터(또는 학습 데이터)의 형태는 이미지(예: 복수의 픽셀 포함)가 될 수 있고, 출력 데이터(또는 라벨링 데이터)는 객체 인식 정보(또는 객체 분류 정보)가 될 수 있다.
일 실시예에 따르면, 세그먼테이션 모듈(330)은 이미지(예: 단일 입력 이미지)에 포함된 객체들을 식별하고, 조도가 낮은 환경(예: 야간 환경)의 광원 객체(예: 조명 간판)가 단일 입력 이미지 내에 인식되는지 여부를 판단할 수 있다. 예를 들어, 세그먼테이션 모듈(330)은, 단일 입력 이미지에 포함된 객체들을 구별하여 인식하고, 객체 인식 결과, 단일 입력 이미지가 실외 환경 및 조도가 낮은 환경(예: 야간 환경)(예: 이미지 분류 정보)이고, 객체가 광원 객체(예: 조명 간판)임을 인식할 수 있다.
일 실시예에 따르면, 세그먼테이션 모듈(330)는 이미지의 메타데이터(예: 초점 거리(focal length), 자동 포커싱 영역(auto focus area), 촬영 시 좌우 회전 관련 정보(orientation), 색 좌표(color space), 노출 시간(exposure time), 조리개 관련 정보(F number), 촬영 모드(exposure program)(예: 자동, 조리개 우선, 셔터 우선, 수동 등), ISO(ISO speed ratings) 또는 이미지 촬영 일자(data time original))를 이용하여 객체 속성 정보(예: 색상 정보, 노출 관련 정보, 위치 정보(또는 픽셀 좌표 정보))를 획득할 수 있다.
일 실시예에 따르면, 세그먼테이션 모듈(330)은, 이미지 내 식별된 객체가 광원 객체(또는 조도가 낮은 환경(예: 야간 환경)의 광원 객체)로 인식되는 것에 기초하여, 광원 객체를 구분하여 광원 객체에 대한 이미지 처리를 다중 이미지 생성 모듈(340) 및 HDR 생성 모듈(350)로 요청할 수 있다.
일 실시예에 따르면, 다중 이미지 생성 모듈(340)은, 노출 조절부(345)를 통해 하나의 단일 입력 이지를 기반으로, 서로 다른 노출 레벨을 가지는 다중 레벨 이미지들을 생성하고, HDR 생성 모듈(350)로 전달할 수 있다.
일 실시예에 따르면, 다중 레벨 이미지들은 이미지 센서로 수집되는 빛의 양을 조절하여 획득한 이미지들이거나, 노출 시뮬레이션을 통해 프로세싱된 이미지들일 수 있다. 다중 레벨 이미지의 수는 설정에 따라 변경될 수 있다. 예를 들어, 다중 이미지 생성 모듈(340)은 노출 조절부(345)를 통해 이미지 센서(310)의 노출(또는 셔터) 스피드들을 조절하거나, 이미지 센서(310)의 조리개 값들을 조절하여 서로 다른 노출 레벨을 갖는 다중 레벨 이미지들을 획득할 수 있다. 노출 조절부(345)는 이미지 센서(310)에 포함된 픽셀들의 노출 시간을 제어할 수 있다. 일 예를 들어, 노줄 조절부(345)는 복수의 노출 시간을 기반으로 픽셀들 각각의 노출 시간을 결정할 수 있다. 이미지 센서(310)는 결정된 노출 시간에 따라 픽셀들을 동작시킬 수 있다.
어떤 실시예에 따르면, 다중 이미지 생성 모듈(340)은 조명 객체가 인식된 것에 기초하여 적어도 HDR 알고리즘 내 자동 설정된 기준 레벨(예: EV -3 레벨)보다 더 어두운 범위의 밝기를 가지는 다중 레벨 이미지들을 생성할 수 있다.
예를 들어, 단일 입력 이미지가 EV-0 레벨일 경우 HDR 알고리즘의 기준 레벨은 EV -3 레벨일 수 있다. 다중 이미지 생성 모듈(340)은 단일 입력 이미지와 동일 장면을 갖는 제1 레벨 이미지(예: EV -3 레벨), 제2 레벨 이미지(예: EV-4 레벨), 제3 레벨 이미지(예: EV-5 레벨),) 또는 제4 레벨 이미지(예: EV -6 레벨)를 생성할 수 있다. 다중 레벨 이미지의 수는 설정에 따라 달라질 수 있다.
HDR 생성 모듈(350)은 단일 입력 이미지 및 다중 이미지 생성 모듈(340)로부터 생성된 레벨 이미지들을 기반으로 이미지들을 합성하여 HDR 이미지를 출력할 수 있다. 예를 들어, HDR 생성 모듈(350)은 HDR 합성 알고리즘으로 이해될 수 있다.
HDR 생성 모듈(350)은 다중 레벨 이미지들에 대한 합성 강도를 조절하여 입력 데이터로 입력된 이미지들을 합성할 수 있다. 예를 들어, HDR 생성 모듈(350)은 다중 레벨 이미지들 중 밝기가 기준 밝기보다 높은 채도를 갖는 이미지들에 대해서는 채도 만큼의 비율로 가중치를 부여하여 합성하고, 기준 밝기 보다 낮은 채도를 갖는 이미지들은 합성에서 제외하도록 제어할 수 있다. 다른 예를 들어, HDR 생성 모듈(350)은 다중 레벨 이미지들 중 이미지에 포함된 상기 광원 객체의 밝기값이 기준 밝기값보다 낮으면, 합성을 위한 입력 데이터로 제공하고, 이미지에 포함된 상기 이미지에 포함된 상기 광원 객체의 밝기값이 기준 밝기값보다 높으면, 기준 밝기값보다 더 어두운 밝기 레벨의 다중 레벨 이미지를 입력 데이터로 이용하도록 제어할 수 있다.
일 실시예에 따르면, HDR 생성 모듈(350)은 다음과 같은 동작(1) 내지 동작(5)를 수행하여 합성 강도를 조절하여, 입력 데이터로 입력된 이미지들을 합성하여 HDR 이미지를 생성할 수 있다.
동작(1)에서, HDR 생성 모듈(350)은 도 4에 도시된 UV 색 좌표계(410)를 참조해서 레벨 이미지 별(예: EV-0, EV-3, EV-4, EV-5 및 EV -6 레벨 이미지) 광원 객체의 채도(Ci)를 수학식 1을 이용하여 산출할 수 있다.
Figure PCTKR2023013943-appb-img-000001
동작(2)에서, HDR 생성 모듈(350)은 [수학식 2]를 이용하여 레벨 이미지 별 채도만큼의 비율로 광원 객체의 색상 가중치(color weight)(
Figure PCTKR2023013943-appb-img-000002
)를 결정할 수 있다.
Figure PCTKR2023013943-appb-img-000003
예를 들어, HDR 생성 모듈(350)이 기준 레벨 이미지(예: EV-0 레벨), 제1 레벨 이미지(예: -EV -3 레벨) 제2 레벨 이미지(예: EV -4레벨), 제3 레벨 이미지(에: EV -5레벨), 제4 레벨 이미지(예: -EV -6 레벨)에 대한 가중치 계산 시, 광원 객체가 가장 높은 채도로 계산된 제4 레벨 이미지의 색상 가중치가 가장 높게 설정될 수 있다. 또한, 광원 객체가 기준 채도보다 낮은 채도를 가진 기준 레벨 이미지 또는 제1 레벨 이미지의 가중치는 낮게 설정되거나, 제거되는 것으로 설정될 수 있다. 그 결과, 전자 장치(101)는 이미지에 포함된 광원 객체의 색상 별 채도를 정확하게 산출해 낼 수 있다.
동작(3)에서, HDR 생성 모듈(350)은 [수학식 3]을 이용하여 광원 객체의 색상 가중치를 정규화하여 각 레벨 이미지 별 최종적인 합성 가중치(
Figure PCTKR2023013943-appb-img-000004
)를 계산할 수 있다. .
Figure PCTKR2023013943-appb-img-000005
동작(4)에서, HDR 생성 모듈(350)은 다중 레벨 이미지들의 합성 가중치를 기반으로 단일 입력 이미지(
Figure PCTKR2023013943-appb-img-000006
)와 합성하여 [수학식 4]를 이용하여 HDR 이미지(
Figure PCTKR2023013943-appb-img-000007
)를 생성할 수 있다.
Figure PCTKR2023013943-appb-img-000008
동작(5)에서, HDR 생성 모듈(350)은 다중 레벨 이미지 내 광원 객체가 기준 값(예: 채도 기준값)을 넘지 못하면, [수학식 5]를 이용하여 기준 레벨 이미지(예: 0 레벨)을 이용하도록 제어할 수 있다.
Figure PCTKR2023013943-appb-img-000009
HDR 생성 모듈(360)은 입력 데이터로 입력된 이미지들을 합성하여 생성된 HDR 이미지를 출력 데이터로 출력 할 수 있다. 일 실시예에 따른 전자 장치(예: 도 1및 도 3의 전자 장치(101))는 이미지 센서(예: 도 3의 이미지 센서(310))를 포함할 수 있다. 전자 장치(101)는 메모리(예: 도 1의 메모리(130)) 및 프로세서(예: 도 1의 프로세서(120), 도 3의 프로세서(320))를 포함할 수 있다. 일 실시예에 따른 전자 장치(101)의 상기 메모리(130)는, 상기 프로세서(120,320)가 상기 이미지 센서(310)로부터 단일 입력 이미지를 수신하도록 하는 인스트럭션을 포함할 수 있다. 일 실시예에 따른 상기 메모리(130)는 상기 프로세서(120,320)가 상기 단일 입력 이미지에 대해 세그먼테이션을 수행하여 광원 객체를 인식하도록 하는 인스트럭션을 포함할 수 있다. 일 실시예에 따른 상기 메모리(130)는 상기 프로세서(120,320)가 상기 단일 입력 이미지에 기초하여 서로 다른 노출 레벨을 가진 다중 레벨 이미지들을 생성하도록 하는 인스트럭션을 포함할 수 있다. 일 실시예에 따른 상기 메모리(130)는 상기 프로세서(120,320)가 각 다중 레벨 이미지 별 광원 객체의 밝기값을 기준 밝기값과 비교하여 합성 가중치를 계산하도록 하는 인스트럭션을 포함할 수 있다. 일 실시예에 따른 상기 메모리(130)는 상기 프로세서(120,320)가 상기 합성 가중치를 기반으로 상기 다중 이미지들과 상기 단일 입력 이미지를 합성하여 상기 광원 객체의 다이나믹 레인지가 향상된 HDR(high-dynamic-range) 이미지를 생성하도록 하는 인스트럭션들을 포함할 수 있다.
일 실시예에 따르면, 상기 광원 객체는 조도가 낮은 환경의 조명 간판 객체인 것을 특징으로 할 수 있다.
상기 메모리(130)는 상기 프로세서가 상기 단일 입력 이미지에 상기 광원 객체를 포함하는 경우, 기준 레벨보다 더 어두운 범위 레벨의 다중 레벨 이미지들을 생성하도록 하는 인스트럭션을 더 포함하는 전자 장치.
일 실시예에 따르면, 상기 프로세서(120,320)는 이미지 시그널 프로세서를 포함할 수 있다.
일 실시예에 따르면, 상기 메모리(130)는 상기 프로세서(120,320)가, 상기 다중 레벨 이미지 별 채도를 계산하고, 계산된 채도만큼의 비율로 각 다중 레벨 이미지 별 색상 가중치 결정하고, 상기 색상 가중치를 정규화하여 상기 합성 가중치를 계산하도록 하는 인스트럭션을 더 포함할 수 있다.
일 실시예에 따르면, 상기 메모리(130)는 상기 프로세서(120,320)가, 상기 세그먼테이션을 수행하여 다중 레벨 이미지 내 상기 광원 객체를 포함하는 영역을 구분하고, 상기 광원 객체를 포함하는 영역의 합성 강도를 조절하도록 하는 인스트럭션을 더 포함할 수 있다.
일 실시예에 따르면, 상기 메모리(130)는 상기 프로세서(120,320)가, 상기 다중 레벨 이미지들 중 이미지에 포함된 상기 광원 객체의 밝기값이 기준 밝기값보다 낮으면, 합성을 위한 입력 데이터로 제공하고, 상기 이미지에 포함된 상기 이미지에 포함된 상기 광원 객체의 밝기값이 기준 밝기값보다 높으면, 기준 밝기값보다 더 어두운 밝기 레벨의 다중 레벨 이미지를 입력 데이터로 이용하도록 조정하는 인스트럭션을 더 포함할 수 있다.
도 5는 일 실시예에 따른 전자 장치에서 조도가 낮은 환경(예: 야간 환경)의 광원 객체에 대한 다이나믹 레인지를 향상시키기 위한 HDR 이미지 처리 방법을 도시한다.
이하 실시예에서 각 동작들은 순차적으로 수행될 수도 있으나, 반드시 순차적으로 수행되는 것은 아니다. 예를 들어, 각 동작들의 순서가 변경될 수도 있으며, 적어도 두 동작들이 병렬적으로 수행될 수도 있다.
도 5를 참조하면, 일 실시예에 따르면, 전자 장치(예: 도 1의 전자 장치(101))의 프로세서(예: 도 1의 프로세서(120), 도 3의 프로세서(320))는, 510 동작에서, 이미지 센서(예: 도 3의 이미지 센서(310))로부터 단일 입력 이미지를 수신할 수 있다.
단일 입력 이미지는 자동 결정된 노출 시간(예: EV-0 레벨)을 이용하여 하나의 장면이 캡쳐된 원본 이미지 또는 기준 이미지일 수 있다.
520 동작에서, 프로세서(320)는 단일 입력 이미지에 대해 세그먼테이션을 수행할 수 있다.
예를 들어, 이미지 세그먼테이션은 인공 신경망에 기반하여 이미지(또는 촬영 프레임) 속의 객체들을 영역 단위(또는 픽셀 단위)로 분할하여 속성값을 할당하고, 객체들을 인식하여 분류(또는 식별)하는 동작일 수 있다.
530 동작에서, 프로세서(320)는 단일 입력 이미지 내 조도가 낮은 환경(예: 야간 환경)의 광원 객체가 인식되는지 여부를 결정할 수 있다.
프로세서(320)는 단일 입력 이미지 내 조도가 낮은 환경(예: 야간 환경)의 광원 객체가 인식되지 않는 경우(530 동작- NO), 프로세스를 종료할 수 있다. 또는, 도면에 도시되지 않았으나, 프로세서(320)는 단일 입력 이미지 내 조도가 낮은 환경(예: 야간 환경)의 광원 객체가 인식되지 않는 경우 도 2에 도시된 비교 예시 또는 일반적인 HDR 알고리즘을 이용하여 이미지 처리를 수행할 수도 있다.
540 동작에서, 프로세서(320)는 단일 입력 이미지 내 식별된 객체가 광원 객체(또는 조도가 낮은 환경(예: 야간 환경)의 광원 객체)로 인식되는 경우(530 동작-YES), 단일 입력 이미지에 기초하여 서로 다른 노출 레벨에서 캡쳐된 동일한 장면의 다중 레벨 이미지를 생성할 수 있다
예를 들어, 단일 입력 이미지가 EV-0 레벨일 경우, 프로세서(320)는 EV-3, EV-4, EV-5, EV -6 레벨을 갖는 다중 레벨 이미지를 생성할 수 있다. 여기서, EV-3 레벨은 HDR 알고리즘에서 미리 설정된 기준 레벨일 수 있다.
다른 예를 들어, 프로세서(320)는 EV-3 레벨의 이미지를 생성한 후, EV-3 레벨의 이미지 내 광원 객체의 밝기값이 설정된 기준 밝기보다 높은 경우, 더 낮은 밝기의 EV-4, EV-5 및 EV -6 레벨의 다중 레벨 이미지들을 더 생성할 수 있다.
일반적인 HDR 알고리즘은 전자 장치(101)가 HDR 이미지 처리 시, EV -3 레벨(또는 설정된 기준 레벨)의 이미지를 생성하고 합성하는 동작을 의미할 수 있다. 본 문서에 개시된 전자 장치(101)는 조도가 낮은 환경(예: 야간 환경)의 광원 객체가 이미지에 존재하는 경우, EV -3 레벨 보다 더 어두운 밝기 레벨을 가지는 EV-4, EV-5 및 EV -6 레벨의 다중 레벨 이미지를 생성하여 합성하는 HDR 알고리즘을 이용할 수 있다.
550 동작에서, 프로세서(320)는 각 다중 레벨 이미지 별 광원 객체의 밝기값을 기준 밝기값과 비교하여 합성 가중치를 계산할 수 있다.
프로세서(320)는, 각 다중 레벨 이미지에 포함된 광원 객체의 채도를 계산하고, 계산된 채도만큼의 비율로 각 이미지 별 색상 가중치를 결정하고, 색상 가중치를 정규화하여 최종적인 합성 가중치를 계산할 수 있다.
프로세서(320)는 다중 레벨 이미지들 중 광원 객체의 밝기값이 기준 밝기값보다 낮은 채도를 가진 이미지들은 합성에서 제외하도록 처리할 수 있다.
560 동작에서, 프로세서(320)는 합성 가중치를 기반으로 다중 레벨 이미지들과 단일 입력 이미지를 합성하여 광원 객체의 다이나믹 레인지가 향상된 HDR 이미지를 생성할 수 있다.
예를 들어, 프로세서(320)는 다중 레벨 이미지들의 합성 가중치를 기반으로 조도가 낮은 환경(예: 야간 환경)의 조명 간판(다시 말해, 광원 객체)의 합성 강도를 조절하여 HDR 이미지를 생성할 수 있다.
도 6은 일 실시예에 따른 전자 장치의 광원 객체를 위한 HDR 이미지 처리 알고리즘을 도시한다.
도 6을 참조하면, 일 실시예에 따르면 전자 장치(예: 도 1의 전자 장치(101))의 프로세서(예: 도 1의 프로세서(120), 도 3의 프로세서(320))는 HDR 알고리즘을 통해 다중 레벨 이미지들을 입력데이터로 입력 받아, HDR 이미지를 출력 데이터로 출력할 수 있다.
HDR 처리 알고리즘의 동작을 설명하면, 610 동작에서, 프로세서(320)는 입력이미지들로서, 단일 입력 이미지 및 단일 입력 이미지에 기초하여 서로 다른 노출 레벨을 갖는 다중 레벨 이미지들을 수신할 수 있다.
620동작에서, 프로세서(320)는 입력 이미지(예: 단일 입력 이미지)에 대해 이미지 세그먼테이션을 수행하여 조도가 낮은 환경(예: 야간 환경)의 광원 객체(예: 조명 간판)를 검출할 수 있다. 예를 들어, 프로세서(320)는 이미지 세그먼테이션 수행하여 객체 인식 결과, 이미지가 실외 환경 및 야간 환경(예: 이미지 분류 정보)이고, 객체가 광원 객체(예: 사물 인식 정보, 조명 간판)임을 인식할 수 있다.
625 동작에서, 프로세서(320)는, 이미지(예: 단일 입력 이미지)의 메타데이터를 획득하고, 인식된 광원 객체와 관련된 객체 속성 정보(예: 광원 객체의 색상 정보, 노출 관련 정보, 위치 정보(또는 픽셀 좌표 정보))를 획득할 수 있다.
630 동작에서, 프로세서(320)는 입력 이미지에서 인식된 광원 객체(또는 광원 객체 영역)을 구분하여 HDR 알고리즘으로 전달할 수 있다. 예를 들어, 프로세서(320)는 단일 입력 이미지에서 광원 객체를 인식하고, 광원 객체가 포함된 영역을 구분하여 광원 객체 영역의 위치를 모든 다중 레벨 이미지들에 적용할 수 있다.
640 동작에서, 프로세서(320)는 각 입력 이미지(예: (예: 단일 입력 이미지, 다중 레벨 이미지들)에 포함된 광원 객체의 밝기가 기준 밝기(예: EV -3 레벨) 이상인지를 결정할 수 있다.
예를 들어, 프로세서(320)는 입력 이미지에 포함된 광원 객체의 밝기가 기준밝기값보다 낮으면, 해당 입력 이미지를 합성을 위한 입력데이터로 HDR 알고리즘에 전달할 수 있다.
650 동작에서, 프로세서(320)는 입력 이미지 내 광원 객체의 밝기가 기준밝기값보다 높으면, 합성을 위한 입력 데이터로, 기준 밝기값보다 더 어두운 밝기의 레벨을 이미지를 HDR 알고리즘으로 전달할 수 있다.
660 동작에서, 프로세서(320)는, HDR 알고리즘을 기반으로 입력 데이터로 제공된 이미지들을 합성하고, 670 동작에서, 프로세서(320)는 HDR 이미지(670)를 출력할 수 있다.
예를 들어, 프로세서(320)는 도 3에 설명된 동작(1) 내지 동작(5)를 수행하여 합성 가중치를 계산하여 입력이미지들의 합성 강도를 조절하여 HDR 이미지를 생성할 수 있다.
도 7은 일 실시예에 따른 전자 장치의 광원 객체를 위한 HDR 이미지 처리 예시화면들을 나타낸다.
도 7을 참조하면, 일 실시예에 따르면, 전자 장치(101)는 적어도 하나의 카메라 또는 복수의 이미지 센서를 이용하여 켭쳐된 단일 입력 이미지(710)를 수신할 수 있다. 단일 입력 이미지(410)는 자동 결정된 노출 시간(예: EV 0 레벨)을 이용하여 하나의 장면이 캡쳐된 이미지일 수 있다.
전자 장치(101)는 단일 입력 이미지(710)에 대한 세그먼테이션 수행 결과, 조도가 낮은 환경(예: 야간 환경)의 광원 객체(에: 조명 간판)(715)가 포함되어 있음을 인식할 수 있다.
단일 입력 이미지(710)는 세그먼테이션 수행에 대한 입력으로 제공되거나, 다중 레벨 이미지 생성에 대한 입력으로서 제공될 수 있다.
전자 장치(101)는 세그먼테이션 수행 결과, 세그먼테이션 이미지(720) 내에서 광원 객체가 포함된 영역(725)을 구분할 수 있다.
전자 장치(101)는 단일 입력 이미지(710)를 기반으로 서로 다른 노출 레벨에서 캡쳐된 동일한 장면의 다중 레벨 이미지를 생성하고 광원 객체가 포함된 영역들(730)을 구분하여 합성 강도를 조절할 수 있다.
예를 들어, 전자 장치(101)는 HDR 이미지 처리를 위해 설정된 기준 레벨(예: EV-3레벨)로 제1 레벨 이미지를 생성하며, 제1 레벨 이미지는 단일 입력 이미지의 노출 시간(예: EV0 레벨)보다 더 짧은 노출 시간에 기초하여 생성된 이미지일 수 있다. 전자 장치는 기준 레벨보다 더 짧은 노출 시간들을 기초하여 상대적으로 더 어두운 밝기 레벨을 가지는 제2 레벨 이미지(예: EV-4레벨), 제3 레벨 이미지(예: EV-5레벨) 및 제 4 레벨 이미지(예: EV-6 레벨)를 생성할 수 있다. 전자 장치는 단일 입력 이미지 내 인식된 광원 객체가 포함된 영역을 다중 레벨 이미지 내 적용하여 광원 객체가 포함된 영역들(730)을 구분할 수 있다.
전자 장치(101)는 광원 객체가 포함된 영역들(730), 다시 말해, 광원 객체의 밝기 레벨들에 대한 합성 가중치를 계산할 수 있다.
전자 장치(101)는 합성 가중치에 기반한 다중 레벨 이미지들과, 단일 입력 이미지를 합성하여 광원 객체의 다이나민 레인지가 향상된 HDR 이미지(740)를 출력할 수 있다.
도 8은 일 실시예에 따른 개선된 HDR 이미지 처리에 대한 비교 화면들을 도시한다. 도 8의 <801>은 비교 예시에 따른 HDR 이미지 처리 알고리즘(예: 도 2의 알고리즘)을 이용하여 출력된 HDR 이미지(810)이며, <802>는 본 문서에서 개시된 HDR 이미지 처리 알고리즘을 이용하여 출력된 HDR 이미지(820)일 수 있다. <801>에 도시된 이미지(810)는 기준 레벨보다 밝은 조명 객체로 인해, 기준 레벨(예: EV-3)로 생성된 이미지와 합성하여도 조명 객체의 채도가 낮아 불량한 HDR 결과를 갖는다. 대조적으로, <802> 의 이미지(820)는 기준 레벨보다 더 어두운 범위의 레벨을 갖는 다중 레벨 이미지들의 생성하고, 이들의 합성 강도를 조절하여 합성함으로써, 조명 채도가 높아 조명 객체가 뚜렷하게 보이는 HDR 결과를 갖는다. <802>에 도시된 이미지(820)는 <801>에 도시된 이미지보다 우수한 HDR 결과를 제공하는 것을 확인할 수 있다.
일 실시예에 따른 전자 장치(101)의 광원 객체의 이미지 처리 방법은 이미지 센서로부터 단일 입력 이미지를 수신하는 동작을 포함할 수 있다. 일 실시예에 따른 방법은, 상기 단일 입력 이미지에 대해 세그먼테이션을 수행하여 광원 객체를 인식하는 동작을 포함할 수 있다. 일 실시예에 따른 방법은 상기 단일 입력 이미지에 기초하여 서로 다른 노출 레벨을 가진 다중 레벨 이미지들을 생성하는 동작을 포함할 수 있다. 일 실시예에 따른 방법은 각 다중 레벨 이미지 별 광원 객체의 밝기값을 기준밝기값과 비교하여 합성 가중치를 계산하는 동작을 포함할 수 있다. 일 실시예에 따른 방법은 상기 합성 가중치를 기반으로 상기 다중 이미지들과 상기 단일 입력 이미지를 합성하여 상기 광원 객체의 다이나믹 레인지가 향상된 HDR(high-dynamic-range) 이미지를 생성하는 동작을 포함할 수 있다.
일 실시예에 따른 상기 광원 객체는 조도가 낮은 환경의 조명 간판 객체인 것을 특징으로 할 수 있다.
일 실시예에 따른 상기 다중 레벨 이미지들을 생성하는 동작은, 상기 단일 입력 이미지에 상기 광원 객체가 인식된 것에 기초하여, 기준 레벨 보다 더 어두운 범위 레벨들의 다중 레벨 이미지들을 생성하는 것을 특징으로 할 수 있다.
일 실시예에 따른 상기 합성 가중치를 계산하는 동작은, 상기 합성 가중치를 기반으로 다중 레벨 이미지들의 합성 강도를 조절하는 동작을 더 포함할 수 있다.
일 실시예에 따른 상기 합성 가중치를 계산하는 동작은, 상기 다중 레벨 이미지 별 채도를 계산하고, 계산된 채도만큼의 비율로 각 다중 레벨 이미지 별 색상 가중치 결정하고, 상기 색상 가중치를 정규화하여 상기 합성 가중치를 계산하는 것을 특징으로 할 수 있다.
일 실시예에 따른 상기 합성 강도를 조절하는 동작은 상기 세그먼테이션을 수행하여 다중 레벨 이미지 내 상기 광원 객체를 포함하는 영역을 구분하고, 상기 광원 객체를 포함하는 영역의 합성 강도를 조절하도록 하는 것을 특징으로 할 수 있다.
일 실시예에 따른 상기 HDR(high-dynamic-range) 이미지를 생성하는 동작은, 상기 다중 레벨 이미지들 중 이미지에 포함된 상기 광원 객체의 밝기값이 기준 밝기값보다 낮으면, 합성을 위한 입력 데이터로 제공하고, 상기 이미지에 포함된 상기 이미지에 포함된 상기 광원 객체의 밝기값이 기준 밝기값보다 높으면, 기준 밝기값보다 더 어두운 밝기 레벨의 다중 레벨 이미지를 입력 데이터로 이용하도록 조정하여 상기 HDR 이미지를 생성하는 것을 특징으로 할 수 있다.
일 실시예에 따른 상기 광원 객체를 인식하는 동작은, 인공신경망에 기반하여 이미지 세그먼테이션을 통해 이미지의 분류 의 객체들을 영역 단위로 구분하고, 상기 인식된 객체와 관련된 객체 인식 정보를 획득하는 것을 특징으로 할 수 있다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 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 실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 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 실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예: 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 실시예들에 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 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

Claims (15)

  1. 전자 장치에 있어서,
    이미지 센서;
    메모리 및
    프로세서를 포함하고,
    상기 메모리는, 실행 시에, 상기 프로세서가
    상기 이미지 센서로부터 단일 입력 이미지를 수신하고,
    상기 단일 입력 이미지에 대해 세그먼테이션을 수행하여 광원 객체를 인식하고,
    상기 단일 입력 이미지에 기초하여 서로 다른 노출 레벨을 가진 다중 레벨 이미지들을 생성하고,
    각 다중 레벨 이미지 별 광원 객체의 밝기값을 기준 밝기값과 비교하여 합성 가중치를 계산하고,
    상기 합성 가중치를 기반으로 상기 다중 레벨 이미지들과 상기 단일 입력 이미지를 합성하여 상기 광원 객체의 다이나믹 레인지가 향상된 HDR(high-dynamic-range) 이미지를 생성하도록 하는 인스트럭션들을 포함하는 전자 장치.
  2. 제1항에 있어서,
    상기 광원 객체는 조도가 낮은 환경의 조명 간판 객체인 것을 특징으로 하는 전자 장치.
  3. 제1항 또는 제2항에 있어서,
    상기 다중 레벨 이미지들은 기준 레벨보다 더 어두운 밝기 레벨들의 다중 레벨 이미지들인 것을 특징으로 하는 전자 장치.
  4. 제3항에 있어서,
    상기 프로세서는 이미지 시그널 프로세서를 포함하는 전자 장치.
  5. 제3항에 있어서,
    상기 메모리는 상기 프로세서가,
    각 다중 레벨 이미지 별 채도를 계산하고, 계산된 채도만큼의 비율로 각 다중 레벨 이미지 별 색상 가중치 결정하고, 상기 색상 가중치를 정규화하여 상기 합성 가중치를 계산하도록 하는 인스트럭션을 더 포함하는 전자 장치.
  6. 제3항에 있어서,
    상기 메모리는 상기 프로세서가, 상기 세그먼테이션을 수행하여 다중 레벨 이미지 내 상기 광원 객체를 포함하는 영역을 구분하고, 상기 광원 객체를 포함하는 영역의 합성 강도를 조절하도록 하는 인스트럭션을 더 포함하는 전자 장치.
  7. 제3항에 있어서,
    상기 메모리는 상기 프로세서가,
    상기 다중 레벨 이미지들 중 각 다중 레벨 이미지에 포함된 상기 광원 객체의 밝기값이 기준 밝기값보다 낮으면, 상기 다중 레벨 이미지들과 상기 단일 입력 이미지를 합성을 위한 입력 데이터로 제공하고,
    각 다중 레벨 이미지에 포함된 상기 광원 객체의 밝기값이 기준 밝기값보다 높으면, 기준 밝기값보다 더 어두운 밝기 레벨의 다중 레벨 이미지를 입력 데이터로 이용하도록 조정하는 인스트럭션을 더 포함하는 전자 장치.
  8. 전자 장치의 광원 객체의 이미지 처리 방법에 있어서,
    이미지 센서로부터 단일 입력 이미지를 수신하는 동작;
    상기 단일 입력 이미지에 대해 세그먼테이션을 수행하여 광원 객체를 인식하는 동작;
    상기 단일 입력 이미지에 기초하여 서로 다른 노출 레벨을 가진 다중 레벨 이미지들을 생성하는 동작;
    각 다중 레벨 이미지 별 광원 객체의 밝기값을 기준밝기값과 비교하여 합성 가중치를 계산하는 동작; 및
    상기 합성 가중치를 기반으로 상기 다중 레벨 이미지들과 상기 단일 입력 이미지를 합성하여 상기 광원 객체의 다이나믹 레인지가 향상된 HDR(high-dynamic-range) 이미지를 생성하는 동작을 포함하는 방법.
  9. 제8항에 있어서,
    상기 광원 객체는 조도가 낮은 환경의 조명 간판 객체인 것을 특징으로 하는 방법.
  10. 제9항에 있어서,
    상기 다중 레벨 이미지들을 생성하는 동작은,
    상기 단일 입력 이미지에 상기 광원 객체가 인식된 것에 기초하여, 기준 레벨 보다 더 어두운 레벨들의 다중 레벨 이미지들을 생성하는 것을 특징으로 하는 방법.
  11. 제8항에 있어서,
    상기 합성 가중치를 계산하는 동작은,
    상기 합성 가중치를 기반으로 다중 레벨 이미지들의 합성 강도를 조절하는 동작을 더 포함하는 방법.
  12. 제8항에 있어서,
    상기 합성 가중치를 계산하는 동작은,
    각 다중 레벨 이미지 별 채도를 계산하고, 계산된 채도만큼의 비율로 각 다중 레벨 이미지 별 색상 가중치 결정하고, 상기 색상 가중치를 정규화하여 상기 합성 가중치를 계산하는 것을 특징으로 하는 방법.
  13. 제11항에 있어서,
    상기 합성 강도를 조절하는 동작은
    상기 세그먼테이션을 수행하여 다중 레벨 이미지 내 상기 광원 객체를 포함하는 영역을 구분하고, 상기 광원 객체를 포함하는 영역의 합성 강도를 조절하도록 하는 것을 특징으로 방법.
  14. 제8항에 있어서,
    상기 HDR이미지를 생성하는 동작은,
    상기 다중 레벨 이미지들 중 이미지에 포함된 상기 광원 객체의 밝기값이 기준 밝기값보다 낮으면, 상기 다중 레벨 이미지들과 상기 단일 입력 이미지를 합성을 위한 입력 데이터로 제공하고,
    각 다중 레벨 이미지에 포함된 상기 광원 객체의 밝기값이 기준 밝기값보다 높으면, 기준 밝기값보다 더 어두운 밝기 레벨의 다중 레벨 이미지를 입력 데이터로 이용하도록 조정하여 상기 HDR 이미지를 생성하는 것을 특징으로 하는 방법.
  15. 제8항에 있어서,
    상기 광원 객체를 인식하는 동작은,
    인공신경망에 기반하여 이미지 세그먼테이션을 통해 이미지의 분류 의 객체들을 영역 단위로 구분하고, 상기 인식된 객체와 관련된 객체 인식 정보를 획득하는 것을 특징으로 하는 방법.
PCT/KR2023/013943 2022-11-02 2023-09-15 광원 객체 이미지 처리 방법 및 장치 WO2024096308A1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR10-2022-0144327 2022-11-02
KR20220144327 2022-11-02
KR1020220169923A KR20240062861A (ko) 2022-11-02 2022-12-07 광원 객체 이미지 처리 방법 및 장치
KR10-2022-0169923 2022-12-07

Publications (1)

Publication Number Publication Date
WO2024096308A1 true WO2024096308A1 (ko) 2024-05-10

Family

ID=90930732

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/013943 WO2024096308A1 (ko) 2022-11-02 2023-09-15 광원 객체 이미지 처리 방법 및 장치

Country Status (1)

Country Link
WO (1) WO2024096308A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130033445A (ko) * 2010-07-05 2013-04-03 애플 인크. 고 다이나믹 레인지 이미지의 캡처 및 렌더링
US20160093029A1 (en) * 2014-09-25 2016-03-31 Ivan Micovic High Dynamic Range Image Composition Using Multiple Images
KR20210006276A (ko) * 2019-07-08 2021-01-18 삼성전자주식회사 플리커를 약화시키기 위한 이미지 처리 방법
KR20210069006A (ko) * 2019-12-02 2021-06-10 삼성전자주식회사 단일 입력으로부터 다중 노출 프레임들을 생성하기 위한 시스템 및 방법
KR20210151316A (ko) * 2020-06-04 2021-12-14 삼성전자주식회사 멀티-컬러 필터 어레이를 갖는 이미지 센서의 크로스토크를 보상하는 전자 장치 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130033445A (ko) * 2010-07-05 2013-04-03 애플 인크. 고 다이나믹 레인지 이미지의 캡처 및 렌더링
US20160093029A1 (en) * 2014-09-25 2016-03-31 Ivan Micovic High Dynamic Range Image Composition Using Multiple Images
KR20210006276A (ko) * 2019-07-08 2021-01-18 삼성전자주식회사 플리커를 약화시키기 위한 이미지 처리 방법
KR20210069006A (ko) * 2019-12-02 2021-06-10 삼성전자주식회사 단일 입력으로부터 다중 노출 프레임들을 생성하기 위한 시스템 및 방법
KR20210151316A (ko) * 2020-06-04 2021-12-14 삼성전자주식회사 멀티-컬러 필터 어레이를 갖는 이미지 센서의 크로스토크를 보상하는 전자 장치 및 방법

Similar Documents

Publication Publication Date Title
WO2020032473A2 (en) Electronic device for blurring image obtained by combining plural images based on depth information and method for driving the electronic device
WO2022030855A1 (ko) 피사체와 배경에 효과를 적용하여 이미지를 생성하는 전자 장치 및 그 방법
WO2019221464A1 (en) Apparatus and method for recognizing an object in electronic device
WO2020080845A1 (en) Electronic device and method for obtaining images
WO2021145727A1 (en) Electronic device and screen refresh method thereof
WO2020032497A1 (en) Method and apparatus for incorporating noise pattern into image on which bokeh processing has been performed
WO2020197070A1 (en) Electronic device performing function according to gesture input and operation method thereof
WO2019172521A1 (en) Electronic device and method for correcting images based on image feature information and image correction scheme
WO2022119372A1 (ko) 영상 처리를 수행하는 전자 장치 및 그 동작 방법
WO2021080307A1 (en) Method for controlling camera and electronic device therefor
WO2022235075A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2019182359A1 (en) Electronic device for notifying of update of image signal processing and method for operating the same
WO2022244970A1 (ko) 전자 장치의 촬영 방법 및 그 전자 장치
WO2022196993A1 (ko) 카메라 모듈의 화각을 이용하여 이미지를 촬영하는 전자 장치 및 방법
WO2024096308A1 (ko) 광원 객체 이미지 처리 방법 및 장치
WO2021235884A1 (ko) Awb를 수행하여 이미지를 생성하는 전자 장치 및 방법
WO2024005333A1 (ko) 카메라를 포함하는 전자 장치 및 방법
WO2024085487A1 (ko) 카메라의 설정을 변경하기 위한 전자 장치, 방법, 및 비일시적 컴퓨터 판독가능 저장 매체
WO2023080495A1 (ko) 하이 다이나믹 레인지 이미지들을 촬영하는 전자 장치와 이의 동작 방법
WO2024106746A1 (ko) 디지털 보케 이미지의 해상도를 높이기 위한 전자 장치 및 방법
WO2024117590A1 (ko) 이미지의 뷰 영역을 결정하는 전자 장치 및 그 동작 방법
WO2022203169A1 (ko) 전자 장치의 촬영 방법 및 그 전자 장치
WO2024071639A1 (ko) 플리커링 보정 방법 및 그 전자 장치
WO2024122913A1 (ko) 기계 학습 모델을 이용하여 영상을 획득하는 전자 장치 및 그 동작 방법
WO2024071776A1 (ko) 증강 현실 객체 표시 방법 및 이를 지원하는 전자 장치

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: 23886005

Country of ref document: EP

Kind code of ref document: A1