Область техники, к которой относится изобретение
Настоящее изобретение относится к устройству обработки изображений, способу обработки изображения, программе, печатному носителю изображения и носителю записи.
Уровень техники
Способы для выполнения обработки изображений, такие как улучшение резкости изображения и обнаружение контура оригинального изображения были разработаны до настоящего времени.
Например, раскрыто, что для улучшения резкости изображения, программный продукт, описанный в непатентной литературе 1 выполняет локальное управление контрастностью, для того, чтобы обнаружить и дополнительно повысить яркость пикселей на яркой стороне контура, и обнаружить и дополнительно сделать более темными пиксели на темной стороне контура.
В способе по непатентной литературе 2 описано, что нелинейную обработку выполняют, используя банк биортогональных вейвлет-фреймов с максимальным наложением, в качестве математической модели ранней визуальной обработки информации человеком.
В качестве способов обнаружения контура в настоящее время хорошо известны способы простой фильтрации и способы использования вейвлет-преобразования (см. непатентную литературу 6 и 7).
Список литературы
Непатентная литература
Непатентная литература 1: Adobe Systems Incorporated, " Help and support for Photoshop/Advanced sharpening technique", April 6, 2006 [Online], доступна на странице <http://www.adobe.com/jp/designcenter/photoshop/articles/phscs2at_advsharpen.html> (доступ был получен 9 мая, 2012 г.)
Непатентная литература 2: Hitoshi Arai, "A Nonlinear Model of Visual Information Processing Based on Discrete Maximal Overlap Wavelets", Interdisciplinary Information Sciences, Vol. 11, No. 2, 2005, pp. 177-190
Непатентная литература 3: Hitoshi Arai and Shinobu Arai, 2D tight framelets with orientation selectivity suggested by vision science, JSIAM Letters Vol. 1, 2009, pp. 9-12
Непатентная литература 4: Hitoshi Arai and Shinobu Arai, "Finite discrete, shift-invariant, directional filterbanks for visual information processing, I: Construction", Interdisciplinary Information Sciences, Vol. 13, No. 2, 2007, pp. 255-273
Непатентная литература 5: E.N. Johnson, M.J. Hawken and R. Shapley, "The spatial transformation of color in the primary visual cortex of the macaque monkey", Nature Neuroscience, Vol. 4, No. 4, 2001, pp. 409-416
Непатентная литература 6: P.J. Van Fleet, "Discrete Wavelet Transformations", Wiley, 2008
Непатентная литература 7: R.С. Gonzalez and R.E. Woods, "Digital Image Processing", 3rd Ed., Pearson International Edition, 2008
Раскрытие изобретения
Техническая задача
Однако, обычные способы обработки изображения имеют проблему, состоящую в том, что увеличение резкости естественного изображения и различные типы обнаружения контура трудно осуществляются.
Например, программный продукт, описанный в непатентной литературе 1, однородно увеличивает и уменьшает яркость участков на контурах, и, следовательно, имеет проблему, состоящую в том, что контраст частей, имеющих достаточный контраст, будет чрезмерно увеличен до такой степени, при которой они становятся близкими к черному или белому, и, таким образом, становятся неестественными. Способ, описанный в непатентной литературе 2, осуществляли, как часть анализа иллюзии на черно-белых изображениях, и имеет проблему, состоящую в том, что он не применим для повышения резкости цветных изображений.
Обычные способы обнаружения контура, включающие в себя описанные в непатентной литературе 6 и 7, не имеют адекватного разрешения по частоте и избирательности по ориентации, и, следовательно, имеют проблему трудности обнаружения различных типов кромок, в соответствии с назначением.
Настоящее изобретение достигается с учетом описанных выше проблем, и цель настоящего изобретения состоит в том, чтобы предоставить устройство обработки изображений, способ обработки изображений, программу, печатный носитель печатного и носитель записи, которые позволяют выполнять различные типы обработки изображений, такие как увеличение резкости естественного изображения и обнаружение различных кромок.
Решение задачи
Цель настоящего изобретения состоит в том, чтобы по меньшей мере частично решить задачи в обычной технологии. В соответствии с аспектом настоящего изобретения, устройство обработки изображения включает в себя по меньшей мере модуль хранения и модуль управления, модуль хранения включает в себя: модуль хранения фильтра, который хранит фреймлет цевочного колеса в широком смысле или вейвлет-фрейм цевочного колеса, имеющий степень, которая установлена для аппроксимирующего фильтра, без какой-либо ориентации и множество детальных фильтров с соответствующими ориентациями; и модуль хранения данных изображения, который хранит данные изображения; модуль управления включает в себя: модуль декомпозиции, который получает сигналы подполосы, путем выполнения декомпозиции для множества значений разрешения для данных изображения, используя фреймлет цевочного колеса в широком смысле или вейвлет-фрейм цевочного колеса; и модуль получения обработанного изображения, который получает обработанные данные изображения, формируемые сигналами подполосы на этапе декомпозиции для декомпозиции с множеством разрешений, которые были получены модулем декомпозиции, или обработанные данные изображения, которые были реконструированы в изображение, путем суммирования сигналов подполос на этапе синтеза декомпозиции с множеством разрешений, и модуль декомпозиции дополнительно содержит модуль обработки, который выполняет аттенюацию или усиление любого из сигналов подполос на этапе декомпозиции при декомпозиции с множеством разрешений, в соответствии с по меньшей мере одним из фильтров.
В соответствии с другим аспектом настоящего изобретения, в устройстве обработки изображения, модуль обработки выполняет линейную или нелинейную обработку коэффициента для сигналов подполос на этапе декомпозиции.
В соответствии с еще одним, другим аспектом настоящего изобретения, в устройстве обработки изображения, модуль обработки выполняет обработку порогового значения для сигналов подполос на этапе декомпозиции.
В соответствии с еще одним, другим аспектом настоящего изобретения, в устройстве обработки изображения, модуль обработки выполняет обработку коэффициента для уменьшения значений, имеющих меньшие абсолютные значения, которые являются меньшими по абсолютному значению, по мере того, как энергия коэффициентов деталей декомпозиции, составляющих сигналы подполосы на этапе декомпозиции, становится большей, и таким образом, чтобы дополнительно улучшить значения, имеющие меньшие абсолютные значения, по мере того, как энергия коэффициентов деталей декомпозиции становится меньше.
В соответствии с еще одним, другим аспектом настоящего изобретения, в устройстве обработки изображения, модуль обработки выполняет ослабление или усиление сигналов подполос на этапе декомпозиции, соответствующей по меньшей мере одному из фильтров, среди фильтров, имеющих заданные характеристики частоты и/или заданные ориентации.
В соответствии с еще одним, другим аспектом настоящего изобретения, в устройстве обработки изображения, заданные характеристики частоты устанавливаются в соответствии с положением в заданной компоновке фильтра на основе ориентации, на каждом уровне фреймлета цевочного колеса в широком смысле или вейвлет-фрейма цевочного колеса, и/или в соответствии с уровнем в декомпозиции с множеством разрешений.
В соответствии с еще одним, другим аспектом настоящего изобретения, в устройстве обработки изображения, модуль обработки относительно усиливает сигналы подполосы на этапе декомпозиции, соответствующей по меньшей мере одному из нечетных фильтров среди фильтров, имеющих заданные частотные характеристики и/или заданную ориентацию.
В соответствии с еще одним, другим аспектом настоящего изобретения, в устройстве обработки изображения, модуль обработки относительно усиливает сигналы подполосы на этапе декомпозиции, соответствующей по меньшей мере одному из нечетных фильтров, среди фильтров, имеющих заданные частотные характеристики и/или заданные ориентации, и относительно ослабляет сигналы подполосы на этапе декомпозиции, соответствующей по меньшей мере одному из четных фильтров.
В соответствии с еще одним, другим аспектом настоящего изобретения, в устройстве обработки изображения, модуль обработки ослабляет или усиливает сигналы подполосы на этапе декомпозиции, путем выполнения обработки коэффициентов деталей декомпозиции и/или коэффициентов аппроксимации декомпозиции, выводимых из этапы декомпозиции.
В соответствии с еще одним, другим аспектом настоящего изобретения, способ обработки изображения выполняют с помощью устройства обработки изображения, которое включает в себя по меньшей мере модуль хранения и модуль управления. Модуль хранения включает в себя: модуль хранения фильтра, который содержит фреймлет цевочного колеса в широком смысле или вейвлет-фрейм цевочного колеса, имеющего степень, которая установлена из аппроксимирующего фильтра без ориентации и множества детальных фильтров с соответствующими ориентациями; и модуль хранения данных изображения, который хранит данные изображения. Способ включает в себя этап декомпозиции, на котором получают сигналы подполосы, путем выполнения декомпозиции с множеством разрешений фреймлетом цевочного колеса в широком смысле или вейвлет-фреймом цевочного колеса для данных изображения, и этап получения обработанного изображения, состоящий в получении данных обработанного изображения по сигналам подполосы на этапе декомпозиции для декомпозиции с множеством разрешений, которые были получены модулем декомпозиции, или обработанных данных изображения, которые были реконструированы в изображение путем суммирования сигналов подполос на этапе синтеза декомпозиции с множеством разрешений. Этап декомпозиции и этап получения обработанного изображения выполняются модулем управления; и этап декомпозиции дополнительно включает в себя этап обработки, состоящий в выполнении ослабления или усиления любого из сигналов подполос на этапе декомпозиции для декомпозиции с множеством разрешений, соответствующей по меньшей мере одному из фильтров.
В соответствии с еще одним, другим аспектом настоящего изобретения, программа обеспечивает исполнение устройством обработки изображения, которое включает в себя по меньшей мере модуль хранения и модуль управления, способа обработки изображения. Модуль хранения включает в себя: модуль хранения фильтра, который хранит фреймлет цевочного колеса в широком смысле, или вейвлет-фрейма цевочного колеса, имеющий степень, которая установлена по приблизительному фильтру без ориентации и множеству детальных фильтров с соответствующими ориентациями; и модуль хранения данных изображения, который хранит данные изображения. Программа обеспечивает исполнение модулем управления этапа декомпозиции для получения сигналов подполос, путем выполнения декомпозиции с множеством разрешений, используя фреймлет цевочного колеса в широком смысле или вейвлет-фрейм цевочного колеса для данных изображения, и этапа получения обработанного изображения, состоящего в получении данных обработанного изображения по сигналам подполосы на этапе декомпозиции для декомпозиции с множеством разрешений, которые были получены модулем декомпозиции, или обработанные данные изображения, которые были реконструированы в изображение, путем суммирования сигналов подполос на этапе синтеза декомпозиции с множеством разрешений; и этап декомпозиции дополнительно включает в себя этап обработки, состоящий в выполнении ослабления или усиления любого из одного из сигналов подполос на этапе декомпозиции для декомпозиции с множеством разрешений, соответствующей по меньшей мере одному из фильтров.
В результате интенсивных исследований, авторы настоящего изобретения составили настоящее изобретение с учетом следующего. Таким образом, зрение человека, по существу, выполняет обработку информации, которая позволяет человеку иметь хороший вид частей, которые человек желает видеть. Человек воспринимает различные иллюзии, которые считаются результатами обработки визуальной информации. Если математическая модель аналогична обработке визуальной информации человека, компьютер, выполняющий математическую модель, должен рассчитывать иллюзии. Следовательно, авторы настоящего изобретения применили обработку информации, аналогичную зрению человека при рассмотрении оригинальных изображений, используя математическую модель, которая могла имитировать иллюзии яркость-контраст и иллюзии цвет-контраст, и подтвердили, что только в частях, которые люди желают рассматривать, может быть улучшена резкость вида, в результате выполнения настоящего изобретения.
В соответствии с еще одним, другим аспектом настоящего изобретения, устройство обработки изображения включает в себя по меньшей мере модуль хранения и модуль управления, модуль хранения включает в себя: модуль хранения фильтра, который содержит вейвлет-фрейм с избирательностью ориентации, или банк фильтров с избирательностью ориентации, которая установлена для аппроксимирующего фильтра без ориентации, и множество детальных фильтров с соответствующими ориентациями; и модуль хранения данных изображения, который хранит данные изображения, модуль управления включает в себя: модуль декомпозиции, который получает сигналы подполосы, путем выполнения декомпозиции с множеством разрешений для соответствующих цветных компонентов данных изображения, используя вейвлет-фрейм с избирательностью ориентации или банк фильтров с избирательностью ориентации, и модуль реконструкции, который получает реконструированные данные изображения, путем реконструкции изображения, путем суммирования сигналов подполос соответствующих цветных компонентов на этапе синтеза, которые были получены модулем декомпозиции; и модуль декомпозиции дополнительно содержит модуль обработки коэффициента, который выполняет обработку коэффициента, между этапом декомпозиции и этапом синтеза в декомпозиции с множеством разрешений, для коэффициентов деталей декомпозиции, выводимых на этапе декомпозиции, для уменьшения значений, имеющих малые абсолютные значения, так, чтобы они были меньше по абсолютному значению, по мере того, как энергия коэффициентов деталей декомпозиции становится больше, и таким образом, чтобы дополнительно улучшить значения, имеющие малые абсолютные значения, по мере того, как энергия коэффициентов деталей декомпозиции становится меньше.
В соответствии с еще одним, другим аспектом настоящего изобретения, в устройстве обработки изображения, компоненты цветности представляют собой L*, а* и b* в пространстве цветов CIELAB, или соответствующие компоненты цветности в пространстве цветов, аналогичном зрению человека.
В соответствии с еще одним, другим аспектом настоящего изобретения, в устройстве обработки изображения, модуль обработки коэффициента выполняет обработку коэффициента, которая была скорректирована в отношении компонента (компонентов) цветности для а* и/или b* данных изображения, для уменьшения значений, имеющих малые абсолютные значения, так, чтобы оно было меньше по абсолютному значению, по мере того, как энергия, определенная коэффициентом (коэффициентами) деталей декомпозиции, такими как а* и/или b* и коэффициентом деталей декомпозиции в L*, становится больше, и для того, чтобы дополнительно улучшить значения, имеющие малые абсолютные значения, по мере того, как энергия становится меньше.
В соответствии с еще одним, другим аспектом настоящего изобретения, в устройстве обработки изображения модуль обработки коэффициента выполняет обработку коэффициента, используя функцию, которая автоматически непрерывно изменяется в S-образную кривую, когда энергия коэффициентов деталей декомпозиции больше, и в N-образную кривую, когда энергия меньше.
В соответствии с еще одним, другим аспектом настоящего изобретения, в устройстве обработки изображения, между этапом декомпозиции и этапом синтеза, модуль обработки коэффициента нормализует коэффициенты деталей декомпозиции, затем выполняет обработку коэффициента для нормализованных коэффициентов деталей декомпозиции, используя норму нормализованных коэффициентов деталей декомпозиции, в качестве энергии, и выполняет обратную операцию нормализации нормализованных коэффициентов деталей декомпозиции, которые были обработаны при обработке коэффициента.
В соответствии с еще одним, другим аспектом настоящего изобретения, в устройстве обработки изображения, модуль обработки коэффициента, в случае необходимости, выполняет другую обработку в соответствии с различиями знака среди коэффициентов деталей декомпозиции.
В соответствии с еще одним, другим аспектом настоящего изобретения, в устройстве обработки изображения, модуль декомпозиции выполняет декомпозицию с множеством разрешений, используя биортогональную вейвлет банк фильтров, в котором ориентации включают в себя горизонтальные, вертикальные и диагональные направления, или фреймлет цевочного колеса в широком смысле или вейвлет-фрейм цевочного колеса, ориентация которого является многонаправленной.
В соответствии с еще одним, другим аспектом настоящего изобретения, в устройстве обработки изображения, декомпозиция с множеством разрешений, выполняемая модулем декомпозиции, представляет собой максимальную декомпозицию прореживаний с множеством разрешений или декомпозицию частичного прореживания с частичным множеством разрешений.
В соответствии с еще одним, другим аспектом настоящего изобретения, способ обработки изображения выполняют в устройстве обработки изображения, которое включает в себя по меньшей мере модуль хранения и модуль управления, модуль хранения включает в себя: модуль хранения фильтра, который хранит вейвлет-фрейм с избирательностью ориентации или банк фильтров с избирательностью ориентации, которая установлена для аппроксимирующего фильтра без ориентации и множества детальных фильтров с соответствующими ориентациями; и модуль хранения данных изображения, который хранит данные изображения, при этом способ включает в себя: этап декомпозиции, состоящий в получении сигналов подполос, путем выполнения декомпозиции с множеством разрешений для соответствующих цветных компонентов в данных изображения, используя вейвлет-фрейм с избирательностью ориентации или банк фильтров с избирательностью ориентации; и этап реконструкции, состоящий в получении реконструированных данных изображения, путем реконструкции изображения, в результате суммирования сигналов подполос соответствующих компонентов цветности на этапе синтеза, которые были получены на этапе декомпозиции, этап декомпозиции и этап реконструкции выполняют с помощью модуля управления, этап декомпозиции, дополнительно содержит этап обработки коэффициента, состоящий в выполнении обработки коэффициента, между этапом декомпозиции и этапом синтеза при декомпозиции с множеством разрешений, для коэффициентов деталей декомпозиции, выводимых на этапе декомпозиции, так, чтобы уменьшить значения, имеющие малые абсолютные значения, так, чтобы они были меньше по абсолютному значению, по мере того, как энергия коэффициентов деталей декомпозиции становится больше, и, таким образом, для дополнительного улучшения значений, имеющих малые абсолютные значения, по мере того, как энергия коэффициентов деталей декомпозиции становится меньше.
В соответствии с еще одним, другим аспектом настоящего изобретения, программа обеспечивает выполнение устройством обработки изображения, которое содержит по меньшей мере модуль хранения и модуль управления, способа обработки изображения, модуль хранения включает в себя: модуль хранения фильтра, который хранит вейвлет-фрейм с избирательностью ориентации или банк фильтров с избирательностью ориентации, которая установлена из аппроксимирующего фильтра без ориентации и множества детальных фильтров с соответствующими ориентациями; и модуль хранения данных изображения, который хранит данные изображения, причем программа обеспечивает исполнение модулем управления: этапа декомпозиции сигнала подполосы путем выполнения декомпозиции с множеством разрешений с помощью вейвлет-фрейма с избирательностью ориентации или банка фильтров с избирательностью ориентации, по соответствующим компонентам цветности данных изображения; и этап реконструкции, состоящий в получении данных реконструированного изображения путем реконструкции изображения, путем суммирования сигналов подполос соответствующих компонентов цветности на этапе синтеза, которая была получены на этапе декомпозиции, при этом этап декомпозиции, дополнительно содержит этап обработки коэффициента, состоящий в выполнении обработки коэффициента, между этапом декомпозиции и этапом синтеза в декомпозиции с множеством разрешений, по коэффициентам деталей декомпозиции, выводимым на этапе декомпозиции, для уменьшения значений, имеющих малые абсолютные значения, чтобы они были меньше по абсолютному значению по мере того, как энергия коэффициентов деталей декомпозиции становится большей, с тем, чтобы дополнительно улучшить значения, имеющие малые абсолютные значения, по мере того, как энергия коэффициентов деталей декомпозиции становится меньше.
Кроме того, настоящее изобретение относится с носителю записи, на котором записана описанная выше программа.
В соответствии с еще одним, другим аспектом настоящего изобретения, обработанное изображение печатают на носителе печатного изображения, обработанное изображение включает в себя соответствующие компоненты, составляющие оригинальное изображение, которые выделяют с помощью фреймлета цевочного колеса в широком смысле или вейвлет-фрейма цевочного колеса, или соответствующих компонентов, составляющих оригинальное изображение, которые выделяют с помощью вейвлет-фрейма с избирательностью ориентации или банка фильтров с избирательностью ориентации; и заданные компоненты среди компонентов ослабляют или усиливают.
В соответствии с еще одним, другим аспектом настоящего изобретения, данные изображения для отображения обработанного изображения записывают на считываемом компьютером носителе записи, обработанное изображение включает в себя соответствующие компоненты, составляющие оригинальное изображение, которые выделяют, используя фреймлет цевочного колеса в широком смысле или вейвлет-фрейм цевочного колеса, или соответствующие компоненты, составляющие оригинальное изображение, которые выделяют с помощью вейвлет-фрейма с избирательностью ориентации или банка фильтров с избирательностью ориентации; и заданные компоненты среди компонентов ослабляют или усиливают. Предпочтительные эффекты изобретения
При получении сигнала подполосы, путем выполнения декомпозиции с множеством разрешений по данным изображения по фреймлету цевочного колеса с широком смысле или вейвлет-фрейму цевочного колеса, имеющему определенную степень, то есть, набор приблизительных фильтров без ориентации и множество детальных фильтров с соответствующими ориентациями, и получают обработанные данные изображения по сигналам подполосы на этапе декомпозиции для декомпозиции с множеством разрешений, или обработанные данные изображения, которые были реконструированы в изображение, путем суммирования сигналов подполос на этапе синтеза декомпозиции с множеством разрешений, настоящее изобретение выполняет ослабление или усиление сигналов подполос на этапе декомпозиции для декомпозиции с множеством разрешений, которые соответствуют по меньшей мере одному фильтру. Таким образом, настоящее изобретение осуществляет эффект, позволяющий выполнять различные типы обработки изображения, такие как улучшение резкости естественного изображения и обнаружение различных кромок. Фреймлет цевочного колеса в широком смысле или вейвлет-фрейм цевочного колеса могут выполнять декомпозицию с множеством разрешений, и имеют широкое разнообразие избирательности по частоте и различную избирательность ориентации, в результате чего, могут быть выполнены различные типы обработки изображения, такие как обнаружение кромок, имеющих ориентацию в соответствии с назначением и выделением компонентов частоты в соответствии с назначениями.
Кроме того, в соответствии с настоящим изобретением, выполняют обработку линейных или нелинейных коэффициентов для сигналов подполос на этапе декомпозиции. Это вызывает эффект, состоящий в том, что получают результаты обработки изображения, в соответствии со значениями коэффициентов, например, путем применения линейной функции или нелинейной функции для коэффициентов деталей декомпозиции и коэффициентов аппроксимации декомпозиции, выводимых на этапе декомпозиции.
Кроме того, в соответствии с настоящим изобретением, выполняют обработку порогового значения для сигналов подполос на этапе декомпозиции. Это приводит к тому эффекту, что может быть эффективно выполнено удаление шумов путем удаления или ослабления малых флуктуации, не превышающих пороговое значение.
Кроме того, в соответствии с настоящим изобретением, выполняют обработку коэффициента, для уменьшения значений, имеющих малые абсолютные значения, так, чтобы они были меньше по абсолютному значению, по мере того, как энергия коэффициентов деталей декомпозиции, составляющих сигналы подполосы на этапе декомпозиции, становится больше, и для того, чтобы дополнительно улучшить значения, имеющие малые абсолютные значения, по мере того, как энергия коэффициентов деталей декомпозиции становится меньше. Это приводит к такому эффекту, что может быть выполнено улучшение резкости естественного изображения, аналогично ощущениям человека, используя математическую модель, аналогичную обработке визуальной информации человека.
Кроме того, в соответствии с настоящим изобретением, сигналы подполосы на этапе декомпозиции, соответствующие по меньшей мере одному из фильтров, которые имеют заданные характеристики частоты, и/или заданную ориентацию ослабляют или усиливают. Это приводит к тому эффекту, что различные результаты обработки изображения могут быть получены, в которых предполагаемые компоненты частоты и/или предполагаемые компоненты ориентации были повышены или понижены.
Кроме того, в соответствии с настоящим изобретением, заданные частотные характеристики устанавливают в соответствии с положением в заданной компоновке фильтра на основе ориентации на каждом уровне фреймлета цевочного колеса в широком смысле или вейвлет-фрейма цевочного колеса, и/или в соответствии с уровнем декомпозиции с множеством разрешений. Это приводит к эффекту, обеспечивающему возможность спецификации различных частотных характеристик.
Кроме того, в соответствии с настоящим изобретением, относительно усиливают сигналы подполосы на этапе декомпозиции, соответствующей по меньшей мере одному из нечетных фильтров среди фильтров, имеющих заданные характеристики частоты и/или заданные ориентации. Это приводит к эффекту, обеспечивающему, например, обнаружение кромок с трехмерным внешним видом, путем вывода данных изображения, в том виде, как они есть, без пропуска их через этап синтеза.
Кроме того, в соответствии с настоящим изобретением, относительно усиливают сигналы подполосы на этапе декомпозиции, соответствующие по меньшей мере одному из нечетных фильтров среди фильтров, имеющих заданные частотные характеристики и/или заданную ориентацию, и, кроме того, сигналы подполосы на этапе декомпозиции, соответствующие по меньшей мере одному из четных фильтров среди фильтров, могут быть относительно ослаблены. Это приводит к эффекту, позволяющему, например, более эффективно обнаруживать контуры с трехмерным внешним видом.
Кроме того, в соответствии с настоящим изобретением, сигналы подполосы на этапе декомпозиции ослабляют или усиливают путем выполнения обработки коэффициентов для коэффициента детали декомпозиции и/или коэффициентов аппроксимации декомпозиции, выводимых на этапе декомпозиции. Это приводит к эффекту, состоящему в том, что различные результаты обработки изображения могут быть получены путем выполнения обработки коэффициента, в соответствии со значениями коэффициента.
Кроме того, при получении сигнала подполосы, путем хранения вейвлет-фрейма с избирательностью ориентации или банка фильтров с избирательностью ориентации, которая установлена для аппроксимирующего фильтра без ориентации и множества детальных фильтров с соответствующими ориентациями, и данных изображения, и выполнения декомпозиции с множеством разрешений, используя вейвлет-фрейм с избирательностью ориентации или банк фильтров с избирательностью ориентации по соответствующим компонентам цветности данных изображения, настоящее изобретение выполняет обработку коэффициента, между этапом декомпозиции и этапом синтеза при декомпозиции с множеством разрешений, для коэффициентов деталей декомпозиции, выводимых на этапе декомпозиции, с тем, чтобы уменьшить значения, имеющие малые абсолютные значения, так, чтобы они были меньше по абсолютному значению, по мере того, как энергия коэффициентов деталей декомпозиции увеличивается, и для дополнительного усиления значений, имеющих малые абсолютные значения, по мере того, как энергия коэффициентов деталей декомпозиции уменьшается. Настоящее изобретение, таким образом, приводит к эффекту, позволяющему выполнять улучшение резкости естественного изображения для цветных изображений. Более конкретно, настоящее изобретение может применять улучшение резкости естественного изображения, аналогичное чувству человека, в отношении цветного изображения, используя математическую модель, аналогичную обработке визуальной информации человека.
Кроме того, в соответствии с настоящим изобретением, L*, a* и b* в цветовом пространстве CIELAB, или соответствующие компоненты цветности, аналогично пространству цветности видения человека, используются, как компоненты цветности. Настоящее изобретение, таким образом, приводит к эффекту, позволяющему выполнить обработку естественных изображений, аналогичную ощущениям человека.
Кроме того, в соответствии с настоящим изобретением, выполняют обработку коэффициента, который был скорректирован в отношении компонента (компонентов) цветности для а* и/или b* данных изображения, с тем, чтобы уменьшить значения, имеющие малые абсолютные значения, так, чтобы они были меньше по абсолютному значению, по мере того, как энергия, определенная коэффициентом (коэффициентами) детали декомпозиции для а* и/или b* и коэффициентом детали декомпозиции в L*, становится больше, для дополнительного улучшения значений, имеющих малые абсолютные значения, по мере того, как энергия становится меньше. Это приводит к эффекту, обеспечивающему возможность улучшения резкости, который является естественным для визуального восприятия человека, при котором эффект яркости и эффект цветов работают в синергии.
Кроме того, в соответствии с настоящим изобретением, обработку коэффициента выполняют, используя функцию, которая автоматически непрерывно изменяется в S-образную кривую, когда энергия коэффициентов деталей декомпозиции велика, и в N-образную кривую, когда энергия мала. Настоящее изобретение, таким образом, приводит к эффекту, обеспечивающему возможность соответствующего исполнения обработки коэффициента, который уменьшает значения, имеющие малые абсолютные значения, так, чтобы они были меньше по абсолютному значению, по мере того, как энергия коэффициентов деталей декомпозиции становится больше, и дополнительно улучшает значения, имеющие малые абсолютные значения, по мере того, как энергия коэффициентов деталей декомпозиции становится меньше, используя расчет, в котором используется функция, которая непрерывно меняется с S-образной кривой на N-образную кривую. Более конкретно, используя функцию, которая увеличивает дисперсию коэффициентов деталей декомпозиции в ответ на высокую окружающую стимуляцию и уменьшает дисперсию детали декомпозиции в ответ на низкую окружающую стимуляцию, при этом малые стимулы ослабляются в ответ на высокую окружающую стимуляцию, и ощущаются в ответ на малую окружающую стимуляцию. Таким образом, соответствующее улучшение резкости может автоматически выполняться для каждого изображения.
Кроме того, в соответствии с настоящим изобретением, между этапом декомпозиции и этапом синтеза, коэффициенты деталей декомпозиции нормализуют; затем выполняют обработку коэффициентов по нормализованным коэффициентам деталей декомпозиции, которые представляют собой коэффициенты деталей декомпозиции, нормализованные, таким образом, используя норму нормализованных коэффициентов деталей декомпозиции, в качестве энергии; и выполняют обратную операцию для нормализации по нормализованным коэффициентам деталей декомпозиции, подвергнутых обработке коэффициентов. Настоящее изобретение, таким образом, приводит к эффекту, что нормализация позволяет легко обрабатывать коэффициенты, например, при обработке функции и расчете энергии.
Кроме того, в соответствии с настоящим изобретением, разная обработка может быть выполнена на основе разностей в знаках среди коэффициентов деталей декомпозиции. Это приводит к эффекту, позволяющему получить точно настроенное улучшение резкости, например, при выполнении естественного улучшения резкости, аналогичного видению человека, или выполнению естественного улучшения резкости, которое, в отличие от этого, компенсирует видение человека.
Кроме того, в соответствии с настоящим изобретением, декомпозицию с множеством разрешений выполняют, используя биоортогональный банк вейвлет фильтров, в которой ориентации включают в себя горизонтальное, вертикальное и диагональное направления, или фреймлет цевочного колеса в широком смысле или вейвлет-фрейм цевочного колеса, ориентации которых являются многонаправленными. Настоящее изобретение, таким образом, приводит к эффекту, позволяющему выполнять простой расчет, используя биоортогональный банк вейвлет фильтров, или точный расчет, используя фреймлет цевочного колеса в широком смысле или вейвлет-фрейм цевочного колеса.
Кроме того, в соответствии с настоящим изобретением, декомпозиция с множеством разрешений представляет собой декомпозицию с множеством разрешений с максимальным прореживанием или декомпозицию с множеством разрешений с частичным прореживанием. Это приводит к эффекту, состоящему в том, что коэффициенты деталей декомпозиции могут быть получены при соответствующей декомпозиции с множеством разрешений, и компоненты низкой частоты, а также компоненты высокой частоты обрабатывают с множеством разрешений, таким образом, позволяя не выполнять улучшение резкости при простом выделении только кромок, но выполнять естественное улучшение резкости.
Кроме того, в соответствии с настоящим изобретением, в считываемом компьютером носителе записи, на котором записывают данные изображения для отображения обработанного изображения, или носитель печатного изображения, на котором печатают обработанное изображение, обработанное изображение включает в себя соответствующие компоненты, составляющие оригинальное изображение, которые выделяют, используя фреймлет цевочного колеса в широком смысле или вейвлет-фрейм цевочного колеса, или соответствующие компоненты, составляющие оригинальное изображение, которые выделяют с помощью вейвлет-фрейма с избирательностью ориентации или банка фильтров с избирательностью ориентации, и заданные компоненты среди компонентов ослабляют или усиливают. Таким образом, обработанные изображения могут быть представлены с различными типами обработки изображения, такой как естественное улучшение резкости изображения и обнаружение различных кромок, применяемых к любым оригинальным изображениям.
Краткое описание чертежей
На фиг. 1 показана блок-схема, иллюстрирующая пример конфигурации устройства обработки изображения, для которого применяется вариант осуществления настоящего изобретения.
На фиг. 2 представлена схема, иллюстрирующая пример фильтров, полученных путем вычисления произведения циклической корреляции фреймлет фильтров цевочного колеса с максимальным наложением на уровне 3 для степени 5, и аппроксимирующих фреймлет фильтров цевочного колеса с максимальным наложением на уровне 1 и уровне 2 в степени 5.
На фиг. 3 представлена схема, иллюстрирующую фильтры, полученные путем расчета произведения циклической корреляции фреймлет фильтров цевочного колеса с максимальным наложением на уровне 2 (сторона высокой частоты) в степени 7 и аппроксимирующего фреймлет фильтра цевочного колеса с максимальным наложением на уровне 1.
На фиг. 4 представлена схема, иллюстрирующую фильтры, полученные путем расчета произведения циклической корреляции фреймлет фильтров цевочного колеса с максимальным наложением на уровне 3 (сторона низкой частоты) для степени 7 и аппроксимирующих фреймлет фильтров цевочного колеса с максимальным наложением на уровне 1 и уровне 2.
На фиг. 5 показана схема, в которой часть аппроксимации представлена как ak(1), и подробные части представлены символами (числами) от dk(1) до dk(99) в фреймлете цевочного колеса на уровне к в степени 7.
На фиг. 6 показана блок-схема последовательности операций, иллюстрирующая пример основной обработки с помощью устройства 100 обработки изображения в варианте осуществления.
На фиг. 7 показана схема, иллюстрирующая пример гребенок фильтров для декомпозиции с множеством разрешений и с максимальным наложением.
На фиг. 8 представлена схема, иллюстрирующая другие примеры гребенок фильтров для декомпозиции с множеством разрешений и с максимальным наложением.
На фиг. 9 показана блок-схема последовательности операций, иллюстрирующая пример улучшения резкости цветного изображения с помощью устройства 100 обработки изображения в варианте осуществления.
На фиг. 10 показана схема, иллюстрирующая пример гребенок фильтров на этапе декомпозиции и на этапе синтеза для декомпозиции с множеством разрешений и с максимальным наложением.
На фиг. 11 показана блок-схема последовательности операций, иллюстрирующая пример обработки коэффициента по коэффициентам деталей декомпозиции, которая включает в себя нормализацию.
На фиг. 12 иллюстрируется оригинальное изображение (512×512 пикселей), изображение с улучшенной резкостью, в соответствии с вариантом осуществления, и изображение с улучшенной резкостью, в соответствии с обычным способом, для сравнения.
На фиг. 13 показан график, иллюстрирующий значения L* в столбце 400-ого пикселя слева на соответствующих фотографиях на фиг. 12.
На фиг. 14 показан график, иллюстрирующий значения а* в столбце 400-ого пикселя слева на соответствующих фотографиях на фиг. 12.
На фиг. 15 показан график, иллюстрирующий значения b* в столбце 400-ого пикселя слева на соответствующих фотографиях, на фиг. 12.
На фиг. 16 иллюстрируется пример изображений иллюзии контраста цветности.
На фиг. 17 иллюстрируется внутренний квадратный участок (такой же, как и в оригинальных изображениях А и В) оригинальных изображений, представленных на фиг. 16, внутренний квадратный участок обработанного изображения, который является результатом обработки изображения для оригинального изображения А, и внутренний квадратный участок обработанного изображения В, который представляет собой результат обработки изображения для оригинального изображения В.
На фиг. 18 иллюстрируются другие примеры изображений иллюзии цветного контраста.
На фиг. 19 иллюстрируется внутренний квадратный участок (такой же, как и для оригинальных изображений С и D) для оригинальных изображений, представленных на фиг. 18, внутренний квадратный участок обработанного изображения С, который представляет собой результат обработки изображения для оригинального изображения С, и внутренний квадратный участок обработанного изображения D, который представляет собой результат обработки изображения для оригинального изображения D.
На фиг. 20 иллюстрируется еще один, другой пример изображений иллюзии цветного контраста.
На фиг. 21 иллюстрируется внутренний квадратный участок (тех же оригинальных изображений Е и F) для оригинальных изображений, представленных на фиг. 20, внутренний квадратный участок обработанного изображения Е, который является результатом обработки изображения для оригинального изображения Е, и внутренний квадратный участок обработанного изображения F, который является результатом обработки изображения для оригинального изображения F.
На фиг. 22 показан график для пояснения установки жесткого порога, используемого в примере настоящего изобретения.
На фиг. 23 иллюстрируется оригинальное изображение, используемое в примере перед тем, как к нему будут добавлены шумы.
На фиг. 24 показан вид, иллюстрирующий зашумленное изображение, полученное путем добавления Гауссова белого шума к оригинальному изображению, показанному на фиг. 23.
На фиг. 25 иллюстрируется обработанное изображение, полученное, используя Symlet 4, в качестве вейвлетов в обычном способе удаления шумов на вейвлет-основе. На фиг. 26 показан частичный вид с увеличением фиг. 25.
На фиг. 27 иллюстрируется обработанное изображение, полученное в варианте осуществления, с использованием фреймлетов цевочного колеса степени 5. На фиг. 28 показан частичный вид с увеличением фиг. 27.
На фиг. 29 иллюстрируется обработанное изображение, полученное в варианте осуществления, в котором используются фреймлеты цевочного колеса степени 7 и замена порогового фильтра фильтром.
На фиг. 30 показан частичный вид с увеличением фиг. 29.
На фиг. 31 показана схема, на которой заштрихованными линиями обозначены коэффициенты деталей, с помощью которых выполняется пороговая обработка на уровне 2.
На фиг. 32 иллюстрируется обработанное изображение, полученное в варианте осуществления, используя фреймлеты цевочного колеса степени 7, и с применением пороговой обработки для высокочастотных участков от уровня 1 до уровня 2.
На фиг. 33 показан вид с частичным увеличением на фиг. 32.
На фиг. 34 показан вид, иллюстрирующий оригинальное изображение, используемое в примере обнаружения контура.
На фиг. 35 представлена схема, иллюстрирующая весовые коэффициенты на уровне 1 фреймлетов цевочного колеса для степени 7.
На фиг. 36 представлена схема, иллюстрирующая весовые коэффициенты на уровне 2 фреймлетов цевочного колеса степени 7.
На фиг. 37 показан вид, иллюстрирующий изображение, полученное в Примере 1 обнаружения путем усреднения обработанного изображения.
На фиг. 38 показан вид, иллюстрирующий обработанное изображение, преобразованное в двоичную форму при t=1.
На фиг. 39 показана схема, иллюстрирующая весовые коэффициенты на уровне 1 фреймлетов цевочного колеса степени 7.
На фиг. 40 показана схема, иллюстрирующая весовые коэффициенты на уровне 2 фреймлетов цевочного колеса для степени 7.
На фиг. 41 показан вид, иллюстрирующий обработанное изображение после усреднения, полученное в Примере 2 обнаружения контура.
На фиг. 42 показан вид, иллюстрирующий преобразованное в двоичную форму обработанное изображение, полученное в Примере 2 обнаружения контура.
На фиг. 43 показан вид, иллюстрирующий изображение, полученное путем добавления обработанного изображения, резкость которого была увеличена, с коэффициентом 15 в ходе усреднения оригинального изображения.
На фиг. 44 представлена схема, иллюстрирующая числа, соответствующие 52 сигналам подполосы на этапе декомпозиции фреймлета цевочного колеса для степени 5.
На фиг. 45 показан вид, иллюстрирующий изображение, полученное путем отображения, используя способ перевода в двоичную форму (t=0,37), обработанного изображения, полученного в результате удаления шумов.
На фиг. 46 показан вид, иллюстрирующий изображение, полученное путем отображения обработанного изображения, используя способ усреднения (m1=0 и m2=1).
На фиг. 47 представлена схема, иллюстрирующая весовые коэффициенты на уровне 1 фреймлетов цевочного колеса степени 7.
На фиг. 48 представлена схема, иллюстрирующая весовые коэффициенты на уровне 2 фреймлетов цевочного колеса степени 7.
На фиг. 49 показан вид, иллюстрирующий обработанное изображение, усредненное при m1=-4 и m2=0.
На фиг. 50 показан вид, иллюстрирующий обработанное изображение, усредненное при m1=-2 и m2=0.
На фиг. 51 показан вид, иллюстрирующий обработанное изображение, усредненное при m1=-6 и m2=0.
На фиг. 52 показан вид, иллюстрирующий результат усреднения при m1=0 и m2=255.
На фиг. 53 показан вид, иллюстрирующий оригинальное изображение.
На фиг. 54 показан вид, иллюстрирующим результат выделения свойства, приводящего к трехмерному внешнему виду.
На фиг. 55 показан вид, иллюстрирующий изображение, отображаемое с уровнями тона, инвертированными по сравнению с выходным изображением, для которого было выполнено выделение свойства, придающее трехмерный внешний вид.
На фиг. 56 показана схема, иллюстрирующая фильтры, полученные путем расчета произведения циклической корреляции для фильтров фреймлета цевочного колеса с максимальным наложением на уровне 2 для степени 7, и аппроксимирующий фреймлет фильтр цевочного колеса с максимальным наложением на уровне 1.
На фиг. 57 показана схема, иллюстрирующую синтез сигналов подполос, полученных в результате 2-ого этапа декомпозиции MRA с максимальным наложением, выполняемый для тестового изображения, используя фреймлет цевочного колеса для степени 7.
Осуществление изобретения
Далее подробно описан вариант осуществления устройства обработки изображения, способа обработки изображения, программы, носителя печатного изображения и носителя записи, в соответствии с настоящим изобретением, со ссылкой на чертежи. Данное изобретение не ограничено этими вариантами осуществления. В качестве примеров обработки изображения, в соответствии с вариантом осуществления, будут описаны примеры, в которых используется обработка изображения для, например, улучшения резкости цветного изображения, удаления шумов и обнаружения контуров. Настоящее изобретение, однако, не ограничено этими примерами, но может применяться с различными назначением, таким как улучшение резкости, улучшение контуров, регулировка контраста, коррекция цветности, выделение свойства, распознавание образов и автоматическое генерирование иллюзии кратера.
Конфигурация устройства обработки изображения
Конфигурация устройства обработки изображения будет описана ниже со ссылкой на фиг. 1. На фиг. 1 показана блок-схема, иллюстрирующая пример конфигурации устройства обработки изображения, в котором применяется вариант осуществления настоящего изобретения, и концептуально иллюстрируется только участок, относящийся к настоящему варианту осуществления конфигурации.
На фиг. 1, устройство 100 обработки изображения схематично иллюстрируется, как включающее в себя модуль 102 управления, модуль 104 интерфейса управления передачей данных, модуль 108 интерфейса управления вводом-выводом, и модуль 106 хранения. Модуль 102 управления представляет собой, например, CPU, которое выполняет общее управление устройством 100 обработки изображения. Модуль 108 интерфейса управления вводом-выводом представляет собой интерфейс, соединенный с устройством 112 ввода данных и устройством 114 вывода. Модуль 106 хранения представляет собой устройство, которое хранит, например, различные базы данных и таблицы. Эти модули устройства 100 обработки изображения соединены с возможностью обмена данными через любой требуемый канал передачи данных.
Различные файлы (фреймлет файл 106а и файл 106b данных изображения), сохраненные в модуле 106 хранения, представляющем собой модуль хранения, такой как привод жесткого диска. Например, модуль 106 хранения хранит различные программы, таблицы, файлы, базы данных, веб-страницы и т.п., используемые для различной обработки.
Среди компонентов модуля 106 хранения, фреймлет файл 106а представляет собой модуль хранения фильтра, который хранит вейвлет-фреймы с избирательностью ориентации или банка фильтров с избирательностью ориентации, каждый из которых может представлять собой набор аппроксимирующего фильтра без ориентации и множество фильтров детали с соответствующими ориентациями. В настоящем варианте осуществления "вейвлет" не ограничен классическим вейвлет преобразованием, вейвлет преобразованием в узком смысле и т.п., и включает в себя вейвлет преобразование в широком смысле. Например, вейвлет преобразование представляет собой форму колебаний с конечной длиной или колебание волнового вида с амплитудой, которая усиливается от нуля и быстро сходится к нулю, и, например, включает в себя псевдо вейвлеты, такие как фильтр Габора и курвелет.
В настоящем варианте осуществления, в некоторых случаях, фреймлет цевочного колеса (см. раздел [Фреймлет цевочного колеса], который будет описан ниже) используется в качестве фильтра FIR, который имеет различные характеристики частоты и различные ориентации, и может быть выражен, как дифференцируемая функция, имеющая компактную поддержку. Однако, фреймлет не ограничен этим, но, например, возможно использовать другой фреймлет, такой как простой фреймлет цевочного колеса (см. Непатентную литературу 3), фреймлет, полученный путем замены коэффициентов и/или экспонент для членов, составляющих определяющее уравнение фреймлета цевочного колеса (такого как выражение F1k,l(θ1, θ2)) или выражение F2k,l(θ1, θ2), которое будет описано в разделе [Фреймлет цевочного колеса]), или фреймлет, полученный путем изменения коэффициентов для членов, составляющих функции фильтров отклика частоты простого фреймлета цевочного колеса (Непатентная литература 3). Эти фреймлеты и (упомянутый выше в узком смысле) фреймлет цевочного колеса ниже совместно называются фреймлетами цевочного колеса в широком смысле. "Фреймлет цевочного колеса в широком смысле" представляет собой набор аппроксимирующего фильтра без ориентации и множество фильтров деталей с соответствующими ориентациями, и банк фильтров, имеющий степень. Другими словами, фреймлет цевочного колеса, простой фреймлет цевочного колеса, представленный в непатентной литературе 3, и фреймлеты, полученные путем модификации фильтров этих фреймлетов, называются "фреймлетами цевочного колеса в широком смысле". Фреймлет цевочного колеса в широком смысле представляет собой двумерный фреймлет с избирательностью по ориентации. Фреймлет цевочного колеса в широком смысле имеет свойство такое, что он является банком фильтров, который выполнен с возможностью декомпозиции с множеством разрешений, имеет различную избирательность ориентации, и составлен из фильтров конечной длины. Фреймлет цевочного колеса отличается от и имеет лучшую функцию, чем простой фреймлет цевочного колеса при отражении характеристик обработки визуальной информации человеком в мозгу в большей степени, чем простой фреймлет цевочного колеса, и существенно отличается от простого фреймлета цевочного колеса в способе построения.
Фрейм вейвлета цевочного колеса (см. Непатентную литературу 4) может использоваться в настоящем варианте осуществления.
Фреймлет цевочного колеса представляет собой, например, математическую модель информационной обработки простых ячеек в коре головного мозга человека, отвечающей за визуальное отображение. Такая декомпозиция представляет собой математическую модель сигналов, разложенных на простые ячейки в мозгу человека. Фреймлет цевочного колеса имеет степень, которая представляет собой нечетное число, равное трем или больше. Чем больше степень, тем большая ориентация может быть обнаружена, что обеспечивает возможность формирования различных фильтров. Фреймлет цевочного колеса имеет свойство, в соответствии с которым, когда количество фильтров увеличивается, время расчетов также увеличивается, при увеличении степени. Кроме того, количество фильтров фреймлета цевочного колеса степени n составляет, например, (n+1)2+(n-1)2. Среди них один фильтр представляет собой аппроксимирующий фильтр, и остальные фильтры представляют собой детальные фильтры. На фиг. 2 иллюстрируются фильтры, полученные путем вычисления произведения циклической корреляции фильтров фреймлета цевочного колеса с максимальным наложением на уровне 3 степени 5, и фреймлет цевочного колеса с максимальным наложением аппроксимирующие фильтры на уровне 1 и уровне 2 в степени 5 (например, произведение циклической корреляции, см. Hitoshi Arai, "Linear Algebra, Basics and Applications", Nippon hyoron sha Co., Ltd. (2006)). Фреймлет цевочного колеса представляет собой модель, которая с точки зрения науки о нейронах ближе к простым сотам в VI коры головного мозга, чем простой фреймлет цевочного колеса.
Поскольку степень этого фреймлета цевочного колеса равна 5, например, как представлено на фиг. 2, фреймлет цевочного колеса состоит из набора из 52 фильтров в сумме, то есть, 6×6 фильтров с левой стороны и 4×4 фильтров с правой стороны, для каждого уровня. Среди них один фильтр, окруженный черным прямоугольником в центральной верхней части на фиг. 2, представляет собой фильтр, полученный путем расчета произведения циклической корреляции аппроксимирующих фильтров от уровня 1 до уровня 3, и другие 51 фильтров представляют собой фильтры, полученные путем расчета произведения циклической корреляции детальных фильтров на уровне 3 и аппроксимирующих фильтров с уровня 1 до уровня 2. Ориентации фильтров, генерируемые детальными фильтрами, расположены, по существу, в направлении, в котором цевочное колесо вращается вокруг фильтра, генерируемого только из аппроксимирующих фильтров. Как будет описано ниже, декомпозиции с множеством разрешений максимального наложения, используя фреймлет цевочного колеса каждой степени, имеют уровни, и уровень 1 обнаруживает самый мелкий участок (участок высокой частоты). На фиг. 2 иллюстрируется фреймлет цевочного колеса на уровне 3, и аппроксимирующие участки (участки низкой частоты) обнаруживают, по мере того, как уровень увеличивается до 2, 3 …. Файл 106а фреймлета может содержать вейвлет-фреймы с избирательностью по ориентации, такие как фреймлет цевочного колеса, в форме функции (такой как амплитудная частотная характеристика фреймлет фильтров). Конкретный пример функции будет описан ниже.
Различные вейвлеты могут использоваться в настоящем варианте осуществления, без ограничений описанных выше. В настоящем варианте осуществления, для увеличения и уменьшения разнообразия частотных компонентов и разнообразия компонентов ориентации предпочтительно используются фреймлет цевочного колеса в широком смысле или вейвлет-фрейм цевочного колеса, имеющий множество частотных характеристик и множество ориентации. Вейвлет не ограничен классическим вейвлетом, вейвлетом в узком смысле и т.п. и включает в себя вейвлет в широком смысле. Например, вейвлет представляет собой форму колебаний с конечной длиной или волнообразное колебание с амплитудой, которая усиливается от нуля и быстро сходится к нулю, и, например, включает в себя псевдо вейвлеты, такие как фильтр Габора и курвелет. Кроме того, файл 106а фреймлета может содержать группу фильтров, такую как банк фильтров с избирательностью по ориентации, и фильтры с ориентациями, без ограничения фреймом, таким как вейвлет-фрейм, с избирательностью по ориентации. Фильтры с соответствующими ориентациями включают в себя, например, множество детальных фильтров с соответствующими ориентациями, и компоненты, такие как сигналы подполосы выделяют с помощью этих фильтров. В то время, как вейвлет-фрейм цевочного колеса является таким, что длина фильтров, составляющих изменения фрейма, изменяется в соответствии с количеством пикселей оригинального изображения, фреймлет цевочного колеса в широком смысле обладает свойством, в соответствии с которым длина фильтров не зависит от количества пикселей. Например, фреймлет цевочного колеса представляет собой двумерный фреймлет с избирательностью ориентации, и представляет собой один тип вейвлет-фрейма. Применимые фреймлеты не ограничены фреймлетом цевочного колеса с ориентациями во множестве направлений, и может использоваться биортогональный банк вейвлет фильтров, ориентации которых включают в себя горизонтальное, вертикальное и диагональное направления.
Файл 106b данных изображения представляет собой модуль содержания данных изображения, который содержит данные изображения. Данные изображения, содержащиеся в файле 106b данных изображения, могут представлять собой данные изображения, в которых, например, цветовой тон и значение уровня тона заранее описаны для каждого компонента цветности, или могут представлять собой данные изображения, которые не описаны, используя компоненты цветности, охваченные в настоящем варианте осуществления. В последнем случае данные изображения преобразуют в данные, в требуемом цветовом пространстве, и подвергают декомпозиции на соответствующие компоненты цветности с помощью модуля 102f преобразования цветового пространства, который будет описан ниже. Данные изображения, содержащиеся в файле 106b данных изображения, могут представлять собой данные изображения, вводимые через устройство 112 ввода данных, или могут представлять собой данные изображения, принимаемые из внешней системы 200 и т.п. через сеть 300. Кроме того, данные изображения могут представлять собой данные изображения для цветного изображения или могут представлять собой данные изображения серой шкалы. Изображение (данные) перед тем, как они будут подвергнуты декомпозиции с множеством разрешений, с использованием вейвлет-фреймов с избирательностью по ориентации, таких как фреймлет цевочного колеса, называется оригинальным изображением (данными) и изображение (данные), после реконструкции на основе сигналов подполос называются реконструированным изображением (данными). Изображение (данные), полученные в результате обработки сигналов подполос на этапе декомпозиции для декомпозиции с множеством разрешений, или изображение (данные), реконструированные в результате суммирования сигналов подполос на этапе синтеза для декомпозиции с множеством разрешений, называются обработанными изображениями (данными). В частности, последние обработанные изображения (данные) представляют собой одну форму реконструированного изображения (данных), но предыдущие обработанные изображения (данные) не являются реконструированным изображением (данными). Для разъяснения различий между этими двумя, ранее обработанные изображения (данные) могут называться "изображениями (данными), обработанными при выводе коэффициента", и последние обработанные данные изображения могут называться "реконструированными обработанными данными изображения" в следующем описании. Файл 106b данных изображения может содержать, в качестве данных изображения, единичный импульсный сигнал для размера изображения (количества пикселей), который является таким же, как и данные изображения для целевого оригинального изображения. Единичный импульсный сигнал, содержащийся в файле 106b данных изображения, подают в банк фильтров, содержащийся в файле 106а фреймлета, как данные изображения, аналогичным образом, и выходной единичный импульсный отклик используют для высокоскоростного расчета данных изображения, для целевого оригинального изображения. Данные изображения представляют собой, например, данные двухмерного изображения в растровом формате или векторном формате. Изображение может представлять собой любое изображение, представляющее собой, например, конструкцию, фотографию или знаки. Изображение не ограничено статическим изображением, но может представлять собой динамическое изображение (видеоизображение).
Здесь описание снова возвращается к фиг. 1. Модуль 108 интерфейса управления вводом-выводом управляет устройством 112 ввода и устройством 114 вывода. В качестве устройства 114 вывода, можно использовать устройство отображения, такое как монитор (включая в себя домашний телевизор), устройство печати, такое как принтер, и т.п. Кроме того, в качестве устройства 112 ввода, можно использовать клавиатуру, мышь, микрофон и т.п., в дополнение к устройству формирования изображения, такому как камера, устройству ввода, соединенному с внешним носителем информации, и т.п.
На фиг. 1, модуль 102 управления включает в себя внутреннее запоминающее устройство для хранения программы управления, такой как операционная система (OS), программа, определяющая различные процедуры обработки, и т.п., и требуемые данные. Модуль 102 управления выполняет обработку информации для выполнения различных типов обработки, используя, например, эти программы. Модуль 102 управления включает в себя модуль 102а декомпозиции, модуль 102с получения обработанного изображения, модуль 102f преобразования цветового пространства, и модуль 102g вывода обработанного изображения, и из перспективы функциональной концепции. Модуль 102а декомпозиции дополнительно включает в себя модуль 102b обработки коэффициента. Модуль 102с получения обработанного изображения дополнительно включает в себя модуль 102d реконструкции.
Помимо них, модуль 102а декомпозиции представляет собой модуль декомпозиции, который получает сигналы подполосы, путем выполнения декомпозиции с множеством разрешений для данных изображения, используя вейвлет-фреймы с избирательностью ориентации, такие как фреймлет цевочного колеса в широком смысле, или банк фильтров с избирательностью ориентации, сохраненные в файле 106а фреймлета. Сигналы подполосы группируются на два типа, то есть, сигналы подполосы на этапе декомпозиции для декомпозиции с множеством разрешений и сигналы подполосы на этапе синтеза для декомпозиции с множеством разрешений. Для пояснения различий между этими двумя типами, сигналы подполосы на этапе декомпозиции могут называться "сигналами подполосы декомпозиции", и сигналы подполосы на этапе синтеза могут называться "сигналами подполосы синтеза" в следующем описании. "Декомпозиция с множеством разрешений" включает в себя декомпозицию с множеством разрешений с максимальным наложением, максимально прореженную декомпозицию с множеством разрешений, и частично прореженную декомпозицию с множеством разрешений с частичным наложением (для примера декомпозиции с множеством разрешений с максимальным наложением, см. Hitoshi Arai, "Wavelet", Kyoritsu Shuppan Co., Ltd. (2010)). Когда декомпозицию с множеством разрешений рассчитывают, используя модуль 102а декомпозиции, используют произведение циклической корреляции и произведение циклической свертки; однако, она может быть рассчитана, используя хорошо известный высокоскоростной способ расчета, в котором используется быстрое преобразование Фурье. Как описано выше, декомпозиция с множеством разрешений по вейвлет-фреймам с избирательностью ориентации, такая как фреймлет цевочного колеса, имеет уровни. На фиг. 3 и фиг. 4 показаны схемы, представляющие разницу, зависящую от уровня фреймлет цевочного колеса. На фиг. 3 иллюстрируются фильтры, полученные путем расчета произведения циклической корреляции фреймлет фильтров цевочного колеса с максимальным наложением на уровне 2 (сторона высокой частоты) и аппроксимирующего фильтра фреймлета цевочного колеса с максимальным наложением на уровне 1. На фиг. 4 иллюстрируются фильтры, полученные путем расчета произведения циклической корреляции фреймлет фильтров с максимальным наложением на уровне 3 (низкочастотная сторона) и аппроксимирующих фреймлет фильтров цевочного колеса с максимальным наложением на уровне 1 и уровне 2. Поскольку степень из обоих равна 7, количество фильтров составляет (7+1)2+(7-1)2=100.
В качестве примера, модуль 102а декомпозиции вначале обнаруживает самый мелкий участок (участок высокой частоты) путем декомпозиции с множеством разрешений с максимальным наложением, используя фреймлет цевочного колеса на уровне 1 и обнаруживает аппроксимирующие участки (участки низкой частоты), по мере того, как уровень увеличивается до 2, 3 ….
Декомпозиция с множеством разрешений по фреймлетам цевочного колеса включает в себя этап декомпозиции и этап синтеза. Каждый этап состоит из банка фильтров, составленного из аппроксимирующих фильтров и детальных фильтров. После выполнения обработки изображения на этапе декомпозиции и на этапе синтеза, модуль 102а декомпозиции, в конечном итоге, выполняет декомпозицию данных оригинального изображения в сигналы изображения (в частности, синтезированные сигналы подполосы), множество которых составляет "количество фильтров × уровни".
Например, в случае декомпозиции с множеством разрешений с максимальным наложением из 5 уровней, путем использования фреймлет цевочного колеса степени 7, сигналы подполосы на определенном уровне k (от k=1 до 5) включают в себя 1 аппроксимированную часть, соответствующую 1 аппроксимирующему фильтру и 99 детальных частей, соответствующих 99 детальным фильтрам. На фиг. 5 показана схема, в которой аппроксимированная часть представлена, как ak(1), и детальные части представлены символами (числами) от dk(1) до dk(99) во фреймлете цевочного колеса на уровне к степени 7. Положение символа (числа) ассоциировано с положением каждого фильтра на фиг. 3 (k=2) или фиг. 4 (k=3). Другими словами, ak(1) и dk(1)-dk(99) представляют сигналы подполосы, полученные с помощью фильтров в соответствующих положениях на фиг. 3 или фиг. 4.
Модуль 102b обработки коэффициента модуля 102а декомпозиции представляет собой модуль обработки, который выполняет ослабление или усиление сигнала подполосы (то есть, сигнала подполосы декомпозиции) на этапе декомпозиции для декомпозиции с множеством разрешений, сигнал подполосы, соответствующий по меньшей мере одному из множества фильтров. Например, модуль 102b обработки коэффициента может выполнять линейную или нелинейную обработку коэффициента для сигнала подполосы декомпозиции. В качестве примера, модуль 102b обработки коэффициента может выполнять обработку порогового значения, выполняя жесткую обработку пороговым значением или мягкую обработку пороговым значением. В качестве альтернативы, модуль 102b обработки коэффициента может ослаблять или усиливать сигнал подполосы декомпозиции, соответствующий по меньшей мере одному из фильтров, которые имеют заданные частотные характеристики и/или заданные ориентации. Заданные частотные характеристики могут быть установлены в соответствии с положением в заданной компоновке фильтра на основе ориентации, на каждом уровне, фреймлета цевочного колеса с широком смысле и/или по уровню декомпозиции с множеством разрешений. Сигналы подполосы декомпозиции в широком смысле классифицируют на два типа, то есть, сигналы подполосы декомпозиции, основанные на коэффициентах деталей декомпозиции, и сигналы подполосы декомпозиции на основе коэффициентов аппроксимации декомпозиции. Модуль 102b обработки коэффициента может выполнять обработку коэффициента для коэффициента детали декомпозиции и/или коэффициента аппроксимации декомпозиции, выводимого на этапе декомпозиции. "Коэффициент детали декомпозиции" относится к коэффициенту, полученному путем фильтрации фильтра детали декомпозиции на этапе декомпозиции, и "коэффициент аппроксимации декомпозиции" относится к коэффициенту, полученному путем фильтрации с аппроксимирующим фильтром декомпозиции. Из сигналов подполос на этапе декомпозиции, выполняемом фреймлетом цевочного колеса в широком смысле, сигналы подполосы, которые состоят из коэффициентов аппроксимации, можно называть "сигналами подполосы аппроксимации на этапе декомпозиции", и другие сигналы подполосы могут называться" детальными сигналами подполосы на этапе декомпозиции". В следующей таблице представлен список, в котором сведены термины, относящиеся к прогрессии обработки изображения от оригинального изображения. Те же термины относятся к случаю, в котором вейвлет-фрейм с избирательностью ориентации или банк фильтров с избирательностью ориентации используются вместо фреймлет цевочного колеса в широком смысле.
Таблица: Список терминов
Оригинальное изображение
↓ <Этап декомпозиции>
Сигнал подполосы на этапе декомпозиции (сигнал подполосы декомпозиции)
- коэффициент детали, выводимый на этапе декомпозиции (коэффициент детали декомпозиции)
- коэффициент аппроксимации, выводимый на этапе декомпозиции (коэффициент аппроксимации декомпозиции)
↓ <Различные процессы>
↓→ Обрабатываемое изображение (изображение, обрабатываемое по выводу коэффициента),
↓ <Этап синтеза>
Сигнал подполосы на этапе синтеза (сигнал подполосы синтеза)
- детальный коэффициент, выводимый на этапе синтеза
- коэффициент аппроксимации, выводимый на этапе синтеза
↓ <Реконструкция>
Обрабатываемое изображение (обработанное изображение реконструкции)
В качестве примера нелинейной обработки коэффициента, модуль 102b обработки коэффициента может выполнять обработку коэффициента для уменьшения значений, имеющих малые абсолютные значения, так, чтобы были меньше по абсолютному значению, по мере того, как энергия коэффициентов деталей декомпозиции, составляющих сигналы подполосы декомпозиции, становится больше, и так, чтобы дополнительно усилить значения, имеющие малые абсолютные значения, по мере того, как энергия коэффициентов деталей декомпозиции становится меньшей. В качестве примера, между этапом декомпозиции и этапом синтеза при декомпозиции с множеством разрешений, модуль 102b обработки коэффициента выполняет обработку коэффициента по коэффициентам деталей декомпозиции, выводимым на этапе декомпозиции, для уменьшения значений, имеющих малые абсолютные значения, так, чтобы они были меньше по абсолютному значению, по мере того, как энергия коэффициентов деталей декомпозиции становится большей, и таким образом, чтобы дополнительно усилить значения, имеющие малые абсолютные значения, по мере того, как энергия коэффициентов деталей декомпозиции становится меньше. Например, если энергия коэффициентов деталей декомпозиции велика, модуль 102b обработки коэффициентов усиливает значения, имеющие относительно большие абсолютные значения, так, чтобы они были больше по абсолютному значению, в то время как уменьшает значения, имеющие относительно малые абсолютные значения, так, чтобы они были меньшими по абсолютному значению, путем увеличения дисперсии коэффициентов деталей декомпозиции. Если, вместо этого, энергия коэффициентов деталей декомпозиции будет малой, модуль 102b обработки коэффициента уменьшает значения, имеющие относительно большие абсолютные значения, при усилении значений, имеющих относительно малые абсолютные значения, путем уменьшения дисперсии коэффициентов деталей декомпозиции.
В случае изображения, имеющего большое количество пикселей, изображение может быть соответствующим образом разделено, и обработка в соответствии с настоящим вариантом осуществления, может выполняться для разделенных изображений.
При обработке коэффициента, такой как обработка функции и/или расчет энергии, модуль 102b обработки коэффициента может нормализовать коэффициенты деталей декомпозиции таким образом, чтобы значения коэффициентов деталей декомпозиции можно было легко обработать. Например, между этапом декомпозиции и этапом синтеза, модуль 102b обработки коэффициента может вначале получить абсолютные значения коэффициентов деталей декомпозиции, затем нормализовать абсолютные значения, и получить квадрат нормы (или может получать другую норму) нормализованных таким образом коэффициентов деталей декомпозиции (называемых "нормализованными коэффициентами детали декомпозиции"), как энергию. Модуль 102b обработки коэффициента затем может выполнять обработку коэффициента по нормализованным коэффициентам деталей декомпозиции на основе рассчитанной энергии, и выполнять обратную операцию нормализации для нормализованных коэффициентов деталей декомпозиции, которые были обработаны при обработке коэффициента, для получения входных данных для этапа синтеза. Если использовались абсолютные значения, каждый знак восстанавливают при обратной операции, как задано следующим выражением.
х'=sgn(х)z'
(где х представляет собой коэффициент детали декомпозиции, z представляет собой значение после обработки коэффициента, и z' представляет собой значение результата операции инверсной нормализации; если х≥0, sgn (х)=1, или если х<0, sgn (х)=-1; и х' представляет собой значение, получаемое после восстановления знака).
Для выполнения обработки коэффициента на основе величины энергии, модуль 102b обработки коэффициента может предоставлять пороговые значения для значений энергии и выполнять обработку коэффициента, которая отличается, в зависимости от того, в какой диапазон попадает значение энергии, или может выполнять обработку коэффициента, путем выполнения расчета, используя функцию, с помощью которой дисперсия непрерывно изменяется в соответствии с величиной энергии, без предоставления пороговых значений для значений энергии. В первом случае модуль 102b обработки коэффициента может использовать, например, функцию (такую как логит-функция или логистическая функция), установленную для каждого диапазона значения энергии. В последнем случае модуль 102b обработки коэффициента может выполнять обработку коэффициента, используя, например, функцию, которая постоянно изменяется в S-образную кривую, когда энергия коэффициентов деталей декомпозиции велика, и N-образную кривую, когда энергия коэффициентов деталей декомпозиции мала (которая называется "SN функцией"). Пример SN функции представлен ниже. Уравнение 1 задает S-образную кривую, если α>1, прямую линию, если α=1, или N-образную кривую, если α<1.
(где y представляет собой коэффициент детали нормализованной декомпозиции (0≤y≤1), а представляет собой индикатор, основанный на энергии коэффициентов деталей нормализованной декомпозиции (0<Α), и z представляет собой коэффициент детали нормализованной декомпозиции, обработанный по функции). Функция может быть дискретизирована для использования в табличной форме.
Модуль 102b обработки коэффициента может выполнять обработку коэффициента, компонент цветности за компонентом цветности, когда, например, используются L*, а* и b* в цветовом пространстве CIELAB. Модуль 102b обработки коэффициента не обязательно ограничен отдельной обработкой значения каждого компонента цветности, и может корректировать обработку коэффициента на основе значений других компонентов цветности при выполнении обработки коэффициента одного компонента цветности. Например, существует экспериментальный результат видения человека (Непатентная литература 5) в соответствии с наукой о нейронах, когда кора головного мозга имеет ячейки цветности-яркости. Формулируя математическую модель, которая выполняет оценку роли ячеек цветность-яркость на основе экспериментального результат, модуль 102b обработки коэффициента может выполнять обработку коэффициента, который был скорректирован в отношении компонента (компонентов) цветности а* и/или b* данных изображения, с тем, чтобы уменьшить значения, имеющие малые абсолютные значения, так, чтобы они были меньшими по абсолютному значению, по мере того, как энергия, определяемая коэффициентом (коэффициентами) детали декомпозиции а* и/или b* и коэффициентом детали декомпозиции в L*, является большей, и таким образом, чтобы дополнительно усилить значения, имеющие малые абсолютные значения, по мере того, как упомянутая выше энергия становится меньше. Модуль 102b обработки коэффициента также может выполнять разную обработку, в соответствии с различиями знака среди коэффициентов деталей декомпозиции. Модуль 102b обработки коэффициента может выполнять обработку коэффициента, которая была скорректирована в отношении компонента (компонентов) цветности а* и/или b* данных изображения, для дополнительного усиления значений, имеющих малые абсолютные значения, по мере того, как разность яркости, представленная L*, становится больше.
Помимо такого улучшения резкости изображения, модуль 102b обработки коэффициента может выполнять обработку изображений, выполняя взвешивание, которое ослабляет или усиливает сигнал подполосы декомпозиции, соответствующий фильтрам, имеющим заданные характеристики частоты (установленные конкретные частотные характеристики) и/или заданные ориентации (установленную конкретную ориентацию). Модуль 102b обработки коэффициента может взвешивать и суммировать сигналы подполосы декомпозиции, полученные модулем 102а декомпозиции, или может взвешивать амплитудные частотные характеристики фреймлет фильтров, сохраняемых в функциональных формах, и после этого, может выводить соответствующие коэффициенты фильтров, или может применять умножение и суммирование для взвешенных функций частотных характеристик, используя определенный способ, для получения коэффициентов фильтра и хранения коэффициентов фильтра в фреймлет файле 106а, с тем, чтобы обеспечить возможность быстрого получения данных реконструированного изображения. Модуль 102b обработки коэффициента также может взвешивать фильтры на этапе декомпозиции и/или этапе синтеза.
В качестве примера, модуль 102b обработки коэффициента может выполнять взвешивание для получения заданных компонентов частоты, путем установления заданных характеристик частоты, в соответствии с положением заданной компоновки фильтра на основе ориентация на каждом уровне фреймлета цевочного колеса в широком смысле, и/или в соответствии с уровнем в декомпозиции с множеством разрешений. Например, модуль 102b обработки коэффициента может выполнять обработку изображений, такую как удаление низкочастотных компонентов, путем выполнения взвешивания, которая относительно ослабляет сигналы подполосы декомпозиции, соответствующие аппроксимирующим фильтрам при заданном уровне декомпозиции с множеством разрешений. Для такой обработки, предполагается, что модуль 102а декомпозиции выполняет декомпозицию с множеством разрешений вплоть до заданного уровня, модуль 102b обработки коэффициента может выполнять взвешивание, которое относительно ослабляет сигналы подполосы в аппроксимированной части, полученной аппроксимирующим фильтром на максимальном уровне. Без ограничений этим, в случае, когда модуль 102а декомпозиции выполняет декомпозицию с множеством разрешений вплоть до уровня выше, чем заданный уровень, модуль 102b обработки коэффициента может выполнять взвешивание, которое относительно ослабляет части деталей на уровнях выше, чем заданный уровень, и аппроксимированную часть на максимальном уровне.
Модуль 102b обработки коэффициента может выполнять обработку изображений для получения высокочастотных компонентов в большей степени, чем низкочастотных компонентов, путем выполнения взвешивания, которое относительно усиливает сигналы подполосы декомпозиции, соответствующие детальным фильтрам, на стороне, расположенной дальше от аппроксимирующего фильтра в компоновке фильтра, среди множества фильтров, и относительно ослабляет сигналы подполосы декомпозиции, соответствующие аппроксимирующему фильтру, и детали фильтров на стороне ближе к аппроксимирующему фильтру при компоновке фильтра, среди множества фильтров. Более конкретно, коэффициент взвешивания может быть установлен для значений, близких к нулю, для коэффициентов деталей декомпозиции для сигналов подполос декомпозиции, соответствующих аппроксимирующему фильтру описанного выше фреймлета цевочного колеса, и для сигналов подполос декомпозиции, соответствующих детальным фильтрам, которые расположены ближе к аппроксимирующему фильтру и имеют частотные характеристики низкочастотной стороны, и весовые коэффициенты могут быть установлены, как значения, близкие к одному или больше сигналам подполосы декомпозиции, соответствующим детальным фильтрам, которые расположены дальше от аппроксимирующего фильтра и имеют частотные характеристики высокочастотной стороны. И, наоборот, модуль 102b обработки коэффициента может выполнять обработку изображений, для получения компонентов низкой частоты в большей степени, чем компоненты высокой частоты. Другими словами, модуль 102b обработки коэффициента может выполнять обработку изображений, для усиления низкочастотных компонентов в большей степени, чем высокочастотные компоненты, путем выполнения взвешивания, которое относительно ослабляет сигналы подполосы декомпозиции, соответствующие детальным фильтрам на стороне, расположенной дальше от аппроксимирующего фильтра в компоновке фильтра, среди множества детальных фильтров, и относительно усиливает сигналы подполосы декомпозиции, соответствующие детальным фильтрам на стороне ближе к аппроксимирующему фильтру в компоновке фильтра, среди множества детальных фильтров. Более конкретно, весовые коэффициенты могут быть установлены на значения, близкие к единице, для сигналов подполос декомпозиции, соответствующих детальным фильтрам, которые расположены ближе к аппроксимирующему фильтру описанного выше фреймлета цевочного колеса, и имеют частотные характеристики низкочастотной стороны, и весовые коэффициенты могут быть установлены на значениях, близких к нулю, для сигналов подполос декомпозиции, соответствующих детальным фильтрам, которые расположены дальше от аппроксимирующего фильтра и имеют частотные характеристики высокочастотной стороны.
Модуль 102b обработки коэффициента может выполнять обработку изображений для улучшения компонентов средней частоты в большей степени, чем компонентов высокой частоты и компонентов низкой частоты, выполняя взвешивание, которое относительно ослабляет сигналы подполосы декомпозиции, соответствующие фильтрам, имеющим частотные характеристики высокой частоты, и фильтрам, имеющим частотные характеристики низкой частоты, среди множества фильтров, и относительно усиливает сигналы подполосы декомпозиции, соответствующие фильтрам, имеющим частотные характеристики средней частоты, таким, как относительно высокочастотные и относительно низкочастотные частотные характеристики, среди множества фильтров. Более конкретно, весовые коэффициенты могут быть установлены, как значения, близкие к нулю, для сигналов подполос декомпозиции, соответствующих фильтрам описанного выше фреймлета цевочного колеса, которые имеют частотные характеристики высокой частоты, и фильтрам описанного выше фреймлета цевочного колеса, которые имеют частотные характеристики низкой частоты, и весовые коэффициенты могут быть установлены для значений, близких значениям для сигналов подполос декомпозиции, соответствующих детальным фильтрам, которые имеют частотные характеристики средней частоты.
Модуль 102b обработки коэффициента может выполнять обработку изображений для повышения или понижения компонентов, имеющих заданные ориентации, путем выполнения взвешивания, которое ослабляет или усиливает сигналы подполосы декомпозиции, соответствующие детальным фильтрам, имеющим заданные ориентации. Например, компоненты, имеющие, заданные ориентации, могут быть улучшены в оригинальном изображении или могут быть выделены из оригинального изображения, путем установки соответствующих сигналов подполос, соответствующих детальным фильтрам описанного выше фреймлета цевочного колеса, которые имеют заданные ориентации, и установки других весовых коэффициентов в значения, близкие к нулю.
Модуль 102с получения обработанного изображения представляет собой модуль получения обработанного изображения, который получает данные обработанного изображения. Модуль 102с получения обработанного изображения может получать, например, коэффициенты выходных данных обработанного изображения на основе сигналов подполос на этапе декомпозиции для декомпозиции с множеством разрешений, которые были получены модулем 102а декомпозиции. При получении коэффициента данных выходного обработанного изображения, модуль 102с получения обработанного изображения может суммировать сигналы подполосы декомпозиции после обработки коэффициента с соответствующими весами. Модуль 102с получения обработанного изображения может получать реконструированные данные обработанного изображения, которые были реконструированы в результате суммирования сигналов подполос синтеза на этапе синтеза декомпозиции с множеством разрешений в результате обработки модулем 102d реконструкции, который был описан ниже.
Кроме того, модуль 102d реконструкции в модуле 102с получения обработанного изображения, представляет собой модуль реконструкции, который получает данных реконструированного изображения, путем реконструкции изображений, в результате суммирования сигналов подполос соответствующих компонентов цветности, полученных модулем 102а декомпозиции. Например, модуль 102d реконструкции получает данные реконструированного изображения путем реконструкции изображения, в результате суммирования сигнала подполосы синтеза аппроксимированной части, соответствующей аппроксимирующему фильтру на максимальном уровне, описанному выше, и синтезированных сигналов подполос детальных частей, соответствующих всем детальным фильтрам. В этот момент, поскольку фреймлет цевочного колеса обладает отличным свойством реконструкции, если модуль 102b обработки коэффициента не выполняет какую-либо обработку, модуль 102d реконструкции воспроизводит изображение, которое является таким же, как и оригинальное изображение. Другими словами, после выполнения обработки коэффициента, путем обработки в модуле 102b обработки коэффициента, модуль 102d реконструкции суммирует сигналы подполосы синтеза, для получения данных реконструированного изображения, с данными, полученными в результате выполнения обработки изображения для оригинального изображения.
Соотношение между отличным свойством реконструкции и обработкой изображений будет описано, используя символы (числа), описанные выше для синтезированных сигналов подполос. Отличное свойство реконструкции декомпозиции с множеством разрешений с максимальным наложением на уровне 5 с фреймлетами цевочного колеса степени 7 выражается следующим уравнением:
x=a5(1)+(d5(1)+…+d5(99))+…+(d1(1)+…+d1(99))
где х представляет собой входной (оригинальный) сигнал оригинального изображения.
Обозначим аппроксимированную часть и детальные части, которые были подвергнуты различной обработке, модулем 102b обработки коэффициента в модуле 102а декомпозиции, как a5'(1) и d5'(1)…, и d1'(99), соответственно. В этом случае, реконструированное изображение (сигнал) выражают следующим уравнением.
y=a5'(1)+(d5'(1)+…+d5'(99))+…+(d1'(1)+…+d1'(99))
В этот момент, если различная обработка не была выполнена в модуле 102а декомпозиции, получают a5'(1)=a5(1) и d5'(1)=d5(1)…, и d1'(99)=d1(99). Таким образом, становится ясно, что x=y (оригинальное изображение и данные реконструированного изображения являются одинаковыми), что обозначает идеальную реконструкцию. В настоящем варианте осуществления, в качестве примера, модуль 102b обработки коэффициента генерирует реконструированное изображение (то есть, реконструированное обработанное изображение), которое не является таким же, как оригинальное изображением, путем установки весовых коэффициентов для сигналов подполос, соответствующих фильтрам, которые имеют заданные частотные характеристики и/или заданные ориентации для значений, которые не равны 1.
Классификация детальных фильтров будет описана ниже. Детальные фильтры могут быть классифицированы на пять типов, на основе их ориентации. В частности, если ось, ортогональная центральному направлению, будет называться "ортогональной осью", детальные фильтры могут быть классифицированы на пять типов, то есть, (1) детальный фильтр с ориентацией в том же направлении, что и ортогональная ось, (2) детальный фильтр с ориентацией в направления вертикальной ортогональной оси, (3) детальный фильтр с ориентацией под положительным углом относительно ортогональной оси, (4) детальный фильтр с ориентацией под отрицательным углом относительно ортогональной оси и (5) детальный фильтр, ориентация которого не определена уникально. Угол θ относительно ортогональной оси направления представлен, как -90° < θ ≤ +90°, где направление против часовой стрелки определено, как положительное направление. Детальный фильтр с ориентацией ((θ=0°, 90°) горизонтальный или вертикальный к ортогональной оси, классифицируется, как (1) или (2) и, поэтому, не классифицируются, как (3) или (4). Кроме того, "(5) детальный фильтр, ориентация которого не определена уникально", включает в себя ориентации, как для положительного угла, так и для отрицательного угла, абсолютные значения которых относительно ортогональной оси являются одинаковыми; поэтому, такой детальный фильтр не классифицируется, как (3) или (4).
Предполагая, что некоторое направление представляет собой продольное направление, например, в примере на фиг. 5, сигналы подполосы, соответствующие "(1) детальному фильтру с ориентацией в том же направлении, что и ортогональная ось", представляют собой dk(15), dk(23), dk(31), dk(39), dk(47), dk(55) и dk(63). Сигналы подполосы, соответствующие "(2) детальному фильтру с ориентацией в вертикальном направлении к ортогональной оси", представляют собой dk(1) - dk(7). Сигналы подполосы, соответствующие "(3) детальному фильтру с ориентацией, которая расположена под положительным углом относительно ортогональной оси", представляют собой dk(64) - dk(99). Сигналы подполосы, соответствующие "(4) детальному фильтру с ориентацией, которая расположена под отрицательным углом относительно ортогональной оси", представляют собой dk(9) - dk(14), dk(17) - dk(22), dk(25) - dk(30), dk(33) - dk(38), dk(41) - dk(46) и dk(49) - dk(54). Сигналы подполосы, соответствующие "(5) детальному фильтру, ориентация которого не определена уникально", представляют собой dk(8), dk(16), dk(24), dk(32), dk(40), dk(48) и dk(56) - dk(62).
Детальные фильтры также могут быть охарактеризованы их частотными характеристиками. В частности, детальные фильтры распространяются концентрично от аппроксимирующей части, при этом аппроксимирующий фильтр находится в центре фреймлета цевочного колеса, и имеет характеристику, которая позволяет пропускать высокочастотные компоненты на большем расстоянии от центра и позволяет пропускать компоненты низкой частоты на меньшем расстоянии от центра. Другими словами, детальные фильтры на стороне, расположенной дальше от аппроксимирующего фильтра, в компоновке фреймлет фильтра цевочного колеса, получает сигналы подполосы более высокочастотных компонентов, и детальные фильтры на стороне ближе к аппроксимирующему фильтру в компоновке фильтров фреймлета цевочного колеса получают сигналы подполосы более низкочастотных компонентов.
В примере на фиг. 5 сигналы подполосы, соответствующие детальным фильтрам, имеющим характеристики частоты на низкочастотной стороне, представляют собой dk(7), dk(14), dk(15) и dk(64). Сигналы подполосы, соответствующие детальным фильтрам, имеющим вторые частотные характеристики "стороны самых низких частот", представляют собой dk(6), dk(13), dk(21) - dk(23), dk(65), dk(70) и dk(71). Сигналы подполосы, соответствующие детальным фильтрам, имеющим третьи частотные характеристики "стороны самой низкой частоты", представляют собой dk (5), dk (12), dk (20), dk(28) - dk(31), dk(66), dk(72) и dk(76) - dk(78). Сигналы подполосы, соответствующие детальным фильтрам, имеющим четвертые частотные характеристики "стороны самой низкой частоты" (стороны относительно средней частоты), представляют собой dk(4), dk(11), dk(19), dk(27), dk(35) - dk(39), dk(67), dk(73), dk(79) и dk(82) - dk(85). Сигналы подполосы, соответствующие детальным фильтрам, имеющим пятые частотные характеристики "стороны самой низкой частоты" (стороны относительно высокой частоты), представляют собой dk(3), dk(10), dk(18), dk(26), dk(34), dk(42) - dk(47), dk(68), dk(74), dk(80), dk(86) и dk(88) - dk(92). Сигналы подполосы, соответствующие детальным фильтрам, имеющим шестые частотные характеристики "стороны самой низкой частоты" (стороны относительно высокой частоты), представляют собой dk(2), dk(9), dk(17), dk(25), dk(33), dk(41), dk(49) - dk(55), dk(69), dk(75), dk(81), dk(87), dk(93) и dk(94) - dk(99). Сигналы подполосы, соответствующие детальному фильтру, имеющему седьмые частотные характеристики "стороны самой низкой частоты (стороны самой высокой частоты)" представляют собой dk(1), dk(8), dk(16), dk(24), dk(32), dk(40), dk(48) и dk(56) - dk(63).
Помимо этой классификации, детальные фильтры, имеющие уникально определенные ориентации, классифицируют, в соответствии с их формами на: четные фильтры, каждый из которых приблизительно симметричен относительно оси в направлении ориентации фильтра; и нечетные фильтры, каждый из которых приблизительно не симметричен относительно оси в направлении ориентации. Аппроксимирующий фильтр представляет собой четный фильтр, который является приблизительно симметричным относительно вертикальной оси и горизонтальной оси.
Выше представлено пояснение классификации детальных фильтров.
Здесь описание снова возвращается к фиг. 1. Модуль 102f преобразования цветового пространства представляет собой модуль преобразования цветового пространства, который выполняет преобразование цветового пространства, декомпозицию и синтез компонентов цветности, и т.п. Например, если данные изображения, сохраненные в файле 106b данных изображения, представляют собой данные цветного изображения, и эти данные не описаны, используя компоненты цветности, используемые в настоящем варианте осуществления, модуль 102f преобразования цветового пространства может преобразовывать данные изображения в данные в предназначенном цветовом пространстве (таком как цветовое пространство CIELAB), например, в случае выполнения улучшения яркости цветного изображения, с помощью модуля 102а декомпозиции. В результате преобразования в цветовое пространство CIELAB, изображение подвергают декомпозиции на три цветовых компонента, то есть, L* (яркость), а* (красно-зеленый), и b* (желто-синий). Модуль 102f преобразования цветового пространства может преобразовывать цветовое пространство в другие цветовые пространства, кроме цветового пространства CIELAB. Преимущество использования цветового пространства CIELAB состоит в том, что получают преобразование, аналогичное преобразованию визуальной информации из сетчатки глаза человека. Если данные изображения описывают заранее, используя, например, значение цветового тона и уровня тона для каждого из компонентов цветности, используемых в настоящем варианте осуществления, модуль 102f преобразования цветового пространства не должен выполнять обработку, относящуюся к цветовому пространству. В случае необходимости, модуль 102f преобразования цветового пространства выполняет, например, синтез компонентов цветности, преобразование цветового пространства, преобразование шкалы яркости и цветности, при обработке реконструкции данных изображения с помощью модуля 102d реконструкции.
Модуль 102g вывода обработанного изображения представляет собой модуль вывода обработанного изображения, который выводит данные обработанного изображения (обработанные данные изображения выходного коэффициента или обработанные данные изображения реконструкции), полученные модулем 102с получения обработанного изображения, в устройство 114 вывода. Например, модуль 102g вывода обработанного изображения может выводить обработанное изображение для отображения в устройство отображения, такое как монитор, или может выводить обработанное изображение для печати в печатающее устройство, такое как принтер, для получения печатного носителя, или может формировать носитель записи путем вывода обработанного изображения в устройство хранения носителя записи и хранения обработанного изображения на носителе записи. Носитель, который представляет собой цель печати, может представлять собой, например, бумагу, пластик, стекло, металл и т.п., или может быть выполнен в форме, например, рекламной листовки, веера, карты, книги с иллюстрациями, Новогодней открытки, Рождественской открытки, визитной карточки, контейнера, такого как банка, и т.п. Модуль 102g вывода обработанного изображения может изменять конструкцию (например, размер изменяется до размера почтовой карты и т.п.) в зависимости от его предназначенного использования, в соответствии с выходной формой. Кроме того, модуль 102g вывода обработанного изображения может передавать данные обработанного изображения во внешнюю систему 200 через сеть 300.
Другими словами, устройство 100 обработки изображения может быть соединено с возможностью передачи данных с сетью 300 через устройство передачи данных, такое как маршрутизатор, и по проводной или беспроводной линии передачи данных, такой как специализированная линия. На фиг. 1 модуль 104 интерфейса управления передачей данных выполняет управление передачей данных между устройством 100 обработки изображения и сетью 300 (или устройством передачи данных, таким как маршрутизатор). Другими словами, модуль 104 интерфейса управления передачей данных представляет собой интерфейс, соединенный с устройством передачи данных (не показано), такой как маршрутизатор, подключенный к линии передачи данных и т.п., и имеет функцию обмена данными с другими терминалами через линии передачи данных. На фиг. 1 сеть 300 имеет функцию взаимного соединения устройства 100 обработки изображения и внешней системы 200, и представляет собой, например, Интернет и т.п.
На фиг. 1 внешняя система 200 взаимно соединена с устройством 100 обработки изображения через сеть 300 и может иметь функцию предоставления программы, которая обеспечивает выполнение внешней базой данных, относящейся к данным изображения, или фреймлетом цевочного колеса, или компьютером функции устройства обработки изображения. Внешняя система 200 может быть выполнена, как веб-сервер, сервер ASP и т.п. Кроме того, конфигурация аппаратных средств внешней системы 200 может состоять из устройства обработки информации, такого как коммерчески доступная рабочая станция и персональный компьютер, и ее вспомогательных устройств. Функции внешней системы 200 реализуются с помощью CPU, устройства диска, устройства памяти, устройства ввода, устройства вывода, устройства управления передачей данных и т.п. в конфигурации аппаратных средств внешней системы 200, программ для управления этими устройствами и т.п.
На этом пояснение конфигурации устройства 100 обработки изображения, в соответствии с настоящим вариантом осуществления, заканчивается.
Обработка, выполняемая устройством 100 обработки изображения
Ниже описан пример обработки, выполняемой устройством 100 обработки изображения, в соответствии с настоящим вариантом осуществления, выполненным, как описано выше, со ссылкой на фиг. 6 - фиг. 57.
Основная обработка
Вначале, со ссылкой на фиг. 6 - фиг. 8, будет описана основная обработка в качестве примера обработки изображения, выполняемой устройством 100 обработки изображения. На фиг. 6 показана блок-схема последовательности операций, иллюстрирующая один пример основной обработки, выполняемой устройством 100 обработки изображения, в настоящем варианте осуществления.
Вначале модуль 102а декомпозиции получает сигналы подполосы, путем выполнения декомпозиции с множеством разрешений, с максимальным наложением, используя фреймлеты цевочного колеса в широком смысле или вейвлет-фреймы цевочного колеса, сохраненные во фреймлет файле 106а данных изображения, содержащихся в файле 106b данных изображения (Этап S-1). На фиг. 7 и фиг. 8 показаны схемы, иллюстрирующие один пример банка фильтров на этапе декомпозиции и на этапе синтеза (без/с обработкой) декомпозиции с множеством разрешений, с фреймлетами цевочного колеса. Цифры на фиг. 8 обозначают уровни. "PW" обозначает детальный фильтр. "А" обозначает аппроксимирующий фильтр.
Как показано на фиг. 7 и фиг. 8, вначале, модуль 102а декомпозиции выполняет декомпозицию оригинального изображение, в качестве входного сигнала, на сигнал подполосы декомпозиции (сигнал, представленный детальным коэффициентом d1 декомпозиции), который проходит через детальный фильтр PW1, и сигнал, который проходит через 1 аппроксимирующий фильтр А1, используя фреймлет цевочного колеса на уровне 1. Затем, модуль 102а декомпозиции выполняет декомпозицию сигнала, который проходит аппроксимирующий фильтр А1 на уровне 1, в сигнал подполосы декомпозиции (коэффициент d2 детали декомпозиции), который проходит фильтр PW2 детали на уровне 2, и сигнал, который проходит 1 аппроксимирующий фильтр А2 на уровне 2, используя фреймлет цевочного колеса на уровне 2. Модуль 102а декомпозиции повторяет эту обработку, до тех пор, пока уровень не достигнет максимального уровня k (в случае фиг. 7 и 8 уровня 5), и получает детальные коэффициенты d1 - dk декомпозиции и аппроксимирующий коэффициент ak декомпозиции с помощью сигнала подполосы декомпозиции, который прошел через аппроксимирующий фильтр Ak на максимальном уровне k. Затем модуль 102а декомпозиции выполняет различную обработку для сигналов подполос декомпозиции, для получения коэффициентов деталей d1' - d5' декомпозиции и коэффициента аппроксимации декомпозиции.
Другими словами, как представлено на фиг. 7 и 8, модуль 102b обработки коэффициента модуля 102а декомпозиции выполняет различную обработку, такую как линейная или нелинейная обработка коэффициента, для относительного ослабления или усиления сигналов подполос декомпозиции, соответствующих по меньшей мере одному из множества фильтров в банке фильтров (Этап S-2). Здесь, в качестве примера, модуль 102b обработки коэффициентов может выполнять обработку порогового значения, используя жесткую пороговую обработку или мягкую пороговую обработку. Модуль 102b обработки коэффициента может ослаблять или усиливать сигналы подполосы декомпозиции, соответствующие по меньшей мере одному из фильтров, которые имеют заданные частотные характеристики и/или заданные ориентации среди множества фильтров. Например, модуль 102b обработки коэффициента может выполнять обработку изображений, состоящую в увеличении или в уменьшении заданных частотных компонентов, путем увеличения или уменьшения заданных сигналов подполос декомпозиции, устанавливаемых положением в заданной компоновке фильтра, на основе ориентации на каждом уровне фреймлета цевочного колеса в широком смысле или вейвлет-фрейма цевочного колеса, и/или по уровню декомпозиции с множеством разрешений. В качестве примера, модуль 102b обработки коэффициента может выполнять обработку коэффициента для коэффициентов деталей декомпозиции и/или коэффициента аппроксимации декомпозиции, выводимого на этапе декомпозиции, которые формируют сигналы подполосы декомпозиции. Другими словами, модуль 102b обработки коэффициента может увеличивать или уменьшать сигналы подполосы аппроксимации на этапе декомпозиции, и/или увеличивать или уменьшать сигналы детальной подполосы на этапе декомпозиции.
Затем модуль 102с получения обработанного изображения получает данные обработанного изображения (выходные данные обработанного изображения коэффициента или данные обработанного изображения реконструкции), которые были применены для различных процессов на Этапе S-2 (Этап S-3). В примере на фиг. 7 модуль 102с получения обработанного изображения может получать данные обработанного изображения, как данные выходного обработанного изображения коэффициента, без входа на этап синтеза, коэффициенты d1' - d5' детали декомпозиции и коэффициент a5' аппроксимации декомпозиции, которые получают путем применения различных процессов к коэффициентам d1 - d5 детали декомпозиции и коэффициенту as аппроксимации декомпозиции, полученным на этапе декомпозиции в результате обработки в модуле 102а декомпозиции, или может получать данные обработанного изображения, путем выполнения взвешивания и суммирования, если необходимо. В примере на фиг. 8, модуль 102с получения обработанного изображения может входить в этап синтеза, коэффициенты d1' - d5' детали декомпозиции и коэффициент a5' аппроксимации декомпозиции, которые получают путем применения различной обработки к коэффициентам d1 - d5 детали декомпозиции и коэффициенту a5 аппроксимации декомпозиции получают на этапе декомпозиции путем обработки в модуле 102а декомпозиции, и может затем получать данные обработанного изображения, реконструированные модулем 102d реконструкции, как данные обработанного изображения реконструкции.
Представленное выше описание представляет собой основную обработку в настоящем варианте осуществления. В основной обработке может применяться различная обработка изображений, в соответствии с настоящим вариантом осуществления, для оригинального изображения.
Повышение резкости цветного изображения
Вначале, в качестве примера обработки изображения, выполняемой устройством 100 обработки изображения, ниже будет описано повышение резкости изображения для цветного изображения, со ссылкой на фиг. 9-21. На фиг. 9 показана блок-схема последовательности операций, иллюстрирующая пример повышения резкости цветного изображения в устройстве 100 обработки изображения в настоящем варианте осуществления.
Вначале модуль 102а декомпозиции получает сигналы подполосы, выполняя декомпозицию с множеством разрешений с максимальным наложением с фреймлетами цевочного колеса, сохраненными в фреймлет файле 106а по соответствующим компонентам цветности данных изображения, сохраненным в файле 106b данных изображения (Этап SA 1). Не ограничиваясь использованием фреймлетов цевочного колеса, модуль 102а декомпозиции может использовать биортогональный банк вейвлет-фильтров, ориентация которых включают в себя горизонтальное, вертикальное и диагональное направления. В случае необходимости (например, если данные изображения не представлены компонентами цветности, используемыми в настоящем варианте осуществления), модуль 102f преобразования цветового пространства может выполнять требуемое преобразование цветового пространства или декомпозицию компонента цветности для цветного изображения. В качестве примера, модуль 102f преобразования цветового пространства может преобразовывать цветовое пространство цветного изображения в цветовое пространство CIELAB. Изображение, таким образом, будет разложено на три компонента цветности, то есть, L* (яркость), а* (красно-зеленый), и b* (желто-синий). На фиг. 10 представлена схема, иллюстрирующая пример гребенок фильтров на этапе декомпозиции и этапе синтеза для декомпозиции с множеством разрешений с максимальным наложением. Цифры на фиг. 10 обозначают уровни. "PW" представляет детальный фильтр. В случае степени 7, присутствуют 99 детальных фильтров для каждого уровня. "А" представляет аппроксимирующий фильтр. В случае степени 7, один аппроксимирующий фильтр присутствует для каждого уровня. В то время как способ с максимальным наложением перекрытия используется в примере на фиг. 10, настоящий вариант осуществления не ограничен этим, и в нем может использовать способ максимального прореживания или другой способ прореживания.
Вначале, как показано на фиг. 10, используя фреймлеты цевочного колеса на уровне 1, модуль 102а декомпозиции выполняет декомпозицию оригинального изображения, как входного сигнала, на сигналы, которые проходят через 99 детальных фильтров, и сигнал (сигнал, представленный коэффициентом d1 детали декомпозиции), который проходит один аппроксимирующий фильтр. Затем, используя фреймлеты цевочного колеса на уровне 2, модуль 102а декомпозиции выполняет декомпозицию сигнала, который прошел аппроксимирующий фильтр на уровне 1, на сигналы (коэффициент d2 детали декомпозиции), которые прошли 99 детальных фильтров (на уровне 2), и сигнал, который проходит один аппроксимирующий фильтр (на уровне 2). Модуль 102а декомпозиции повторяет эту обработку, до тех пор, пока уровень не достигнет максимального уровня k (в случае на фиг. 10, уровня 5), и получает детальные коэффициенты d1 - dk декомпозиции и коэффициент ak аппроксимации. При нормальной декомпозиции с множеством разрешений модуль 102а декомпозиции пропускает сигналы, представленные детальными коэффициентами d1 - d5 декомпозиции, полученными на этапе синтеза, через банк фильтров на этапе синтеза без модификации. В настоящем варианте осуществления, однако, модуль 102а декомпозиции выполняет обработку коэффициента в настоящем варианте осуществления, и получает детальные коэффициенты d1' - d5' декомпозиции.
Другими словами, как представлено на фиг. 9, между этапом декомпозиции и этапом синтеза при декомпозиции с множеством разрешений, модуль 102b обработки коэффициента модуля 102а декомпозиции выполняет обработку коэффициента по детальным коэффициентам декомпозиции, выводимым на этапе декомпозиции, для уменьшения значений, имеющих малые абсолютные значения, так, чтобы они были меньшими по абсолютному значению, по мере того, как энергия коэффициентов деталей декомпозиции увеличивается, и так, чтобы дополнительно усилить значения, имеющие малые абсолютные значения, по мере того, как энергия коэффициентов деталей декомпозиции становится меньше (Этап SA 2). Модуль 102b обработки коэффициента может выполнять обработку коэффициента, которая была скорректирована в отношении компонента (компонентов) цветности для а* и/или b* данных изображения, с тем, чтобы уменьшать значения, имеющие малые абсолютные значения, так, чтобы они были меньше по абсолютному значению, по мере того, как энергия, определенная детальными коэффициентом (коэффициентами) декомпозиции для а* и/или b*, и детальным коэффициентом декомпозиции для L*, становится больше, с тем, чтобы дополнительно усилить значения, имеющие малые абсолютные значения, по мере того, как описанная выше энергия становится меньше. При обработке коэффициента, такой как функциональная обработка и/или расчет энергии, модуль 102b обработки коэффициента может нормализовать детальные коэффициенты декомпозиции так, чтобы значения коэффициентов деталей декомпозиции можно было легко обрабатывать. На фиг. 11 показана блок-схема последовательности операций, иллюстрирующая пример обработки коэффициента для коэффициентов деталей декомпозиции, которая подразумевает нормализацию.
Как представлено на фиг. 11, вначале, модуль 102b обработки коэффициента нормализует абсолютные значения коэффициентов деталей × декомпозиции, выводимых на этапе декомпозиции (Этап SA 21). Например, модуль 102b обработки коэффициента нормализует детальные коэффициенты × декомпозиции, используя соответствующий способ нормализации таким образом, что нормализованные значения для всех коэффициентов деталей × декомпозиции могут попадать в диапазон от 0 до 1.
Затем, на основе нормализованных коэффициентов деталей у декомпозиции, модуль 102b обработки коэффициента рассчитывает энергию коэффициентов деталей декомпозиции (Этап SA 22). Например, модуль 102b обработки коэффициента может рассчитывать квадратную норму 
нормализованных коэффициентов деталей у декомпозиции, как энергию коэффициентов деталей у декомпозиции. Может быть выполнена регулировка экспонент, такая как нормализация энергии, так, чтобы ее можно было использовать при обработке функции.
Затем, модуль 102b обработки коэффициента выполняет обработку коэффициента по детальным коэффициентам у нормализованной декомпозиции нелинейно на основе энергии, рассчитанной на Этапе AS 22, и получает результаты z обработки коэффициента (Этап SA 23). Например, для выполнения обработки коэффициента, на основе величины энергии, модуль 102b обработки коэффициента может предоставлять пороговые значения для значения энергии и выполнять обработку коэффициента, которая отличается в зависимости от диапазона, в который попадает значение энергии, или может выполнять обработку коэффициента путем выполнения расчета, используя функцию, в соответствии с которой дисперсия непрерывно изменяется в соответствии с количеством энергии, без предоставления пороговых значений для значений энергии. Например, модуль 102b обработки коэффициента может выполнять обработку коэффициента, используя функцию SN, которая постоянно изменяется в кривую S-образной формы, когда энергия коэффициентов деталей декомпозиции велика, и кривую N-образной формы, когда энергия коэффициентов деталей декомпозиции мала. Уравнение 1, представленное ниже, представляет собой пример SN функции. Уравнение 1 задает S-образную кривую, если α>1, прямую линию, если α=1, или N-образную кривую, если α<1. Способ определения соответствия между энергией и параметром α не ограничен одним способом, но он может быть установлен так, чтобы он отражал различия между индивидуумами, или может быть установлен для каждого уровня, каждой ориентации, каждого компонента цветности или каждого знака детального коэффициента декомпозиции.
(где y представляет собой нормализованный коэффициент детальной декомпозиции (0≤y≤1), α представляет собой индикатор, основанный на энергии нормализованных коэффициентов деталей декомпозиции (0<α), и z представляет собой нормализованный детальный коэффициент декомпозиции, обработанный функцией).
Затем модуль 102b обработки коэффициента выполняет обратную операцию для нормализации по результатам z обработки коэффициента, которые были обработаны при обработке коэффициента на этапе SA 23, и, таким образом, получает входные данные х' для этапа синтеза (Этап SA - 24). Если упомянутая выше норма использовалась, знак восстанавливается при обратной операции, используя следующее выражение.
х'=sgn(х)z'
(где: х представляет собой детальный коэффициент декомпозиции, z представляет собой значение после обработки коэффициента, и z' представляет собой значение результата обратной операции нормализации; если х≥0, sgn (х)=1, или если х<0, sgn (х)=-1; и х' представляет значением с его восстановленным знаком).
Снова возвращаясь к фиг. 9, модуль 102а декомпозиции выполняет обработку на этапе синтеза, используя в качестве входных данных детальные коэффициенты декомпозиции, обработанные в результате обработки коэффициента на этапе SA 2 (Step SA 3). Другими словами, используя фильтры на этапе синтеза, модуль 102а декомпозиции обрабатывает сигналы, полученные путем выполнения обработки коэффициента в отношении сигналов, выводимых на этапе декомпозиции, и, в конечном итоге, получает 99×5 сигналов подполос синтеза (детальные части) и один сигнал подполосы синтеза (аппроксимированная часть) (см. фиг. 10).
Затем модуль 102d реконструкции суммирует сигналы подполосы синтеза соответствующих компонентов цветности, полученных модулем 102а декомпозиции, реконструируя, таким образом, изображение (Этап SA 4). Если какие-либо значения компонентов цветности, полученные путем суммирования сигналов подполос синтеза, превышают установленные значения (например, диапазон уровней тона от 0 до 255), модуль 102d реконструкции может, например, масштабировать все значения, так, чтобы они попадали в установленный диапазон (такой как диапазон от 0 до 255) (способ нормализации), или может заменять значения, равные или ниже установленного минимального значения (такого как 0) с минимальным установленным значением, и заменять значения, равные или выше установленного максимального значения (такого как 255), числом 255 (способ, использующий пороговые значения). В случае необходимости (например, если требуется вывод RGB), модуль 102f преобразования цветового пространства может выполнять другую обработку, такую как преобразование цветового пространства или синтез компонентов цветности.
Реконструированное изображение, полученное в результате описанной выше обработки, представляет собой изображение, полученное в результате выполнения обработки изображения, в соответствии с настоящим вариантом осуществления для оригинального изображении, например, путем выполнения повышения резкости, что делает внешний вид изображения более естественным, чем у оригинального изображения. На фиг. 12 сравнительно иллюстрируется оригинальное изображение, изображение с улучшенной резкостью, в соответствии с настоящим вариантом осуществления, и изображение с улучшенной резкостью, в соответствии с обычным способом.
Как представлено на фиг. 12, в соответствии с обычным способом, в соответствии с непатентной литературой 1, локальное управление контрастом было однородно выполнено по всему изображению, с тем, чтобы обнаружить и дополнительно сделать более яркими пиксели на более яркой стороне контура и с тем, чтобы обнаружить и дополнительно сделать более темными пиксели на более темной стороне контура. Следовательно, как можно видеть, в частности, в частях, содержащих деревья на ближней стороне фотографии, чрезмерное повышение резкости излишне применялось к частям с первоначально достаточным контрастом в той степени, что эти части стали почти черными или белыми, в результате чего, было получено неестественное изображение. В соответствии с настоящим вариантом осуществления, выполняется обработка изображений, аналогичная ранней визуальной обработке человека, с тем, чтобы естественное резкое изображение можно было бы получить без придания чрезмерного контраста. На фиг. 13, 14 и 15 показаны графики, иллюстрирующие L*, а* и b*, соответственно, в 400-ом столбце пикселя слева на соответствующих фотографиях (512×512 пикселей) на фиг. 12. На горизонтальной оси представлено количество рядов сверху в 400-ом столбце пикселей слева, и по вертикальной оси представлены значения соответствующих компонентов цветности (L*, а* и b*). Синий цвет обозначает график, представляющий значения точек оригинального изображения; зеленый цвет обозначает график, представляющий значения точек обработанного изображения, в соответствии с настоящим вариантом осуществления; и красный обозначает график, представляющий значения точек обработанного изображения, в соответствии с коммерчески доступным программным продуктом.
Как представлено на фиг. 13-15, в соответствии с обычным способом по непатентной литературе 1, управление контрастом выполняется для того, чтобы однородно увеличить флуктуацию на графике, представляющем значения точек оригинального изображения как в виде на расстоянии (аппроксимировано от 0 до 300 по горизонтальной оси), так и в виде с близкого расстояния (аппроксимировано 400-500 вдоль горизонтальной оси). В результате, возникает резкая флуктуация в компонентах цветности, в частности, в виде на близком расстоянии (аппроксимировано 400-500 на горизонтальной оси). В соответствии с настоящим вариантом осуществления, флуктуация не увеличивается в виде на близком расстоянии (аппроксимировано от 400 до 500 по горизонтальной оси), где флуктуация является резкой, и повышение резкости применяют для вида на расстоянии (аппроксимировано от 0 до 300 по горизонтальной оси), где флуктуация является умеренной. Повышение резкости применяется не только для участков высокой частоты, но также и для участков низкой частоты. Это уменьшает неестественную интенсификацию изображения.
На этом заканчивается пояснение улучшения резкости цветного изображения устройством 100 обработки изображения. Считается, что принцип, в соответствии с которым настоящий вариант осуществления может выполнять естественное улучшение резкости, состоит в следующем. Таким образом, обработка визуальной информации человека включает в себя функцию улучшения резкости на высоком уровне и, поэтому, как и в настоящем варианте осуществления, обработка изображений, используя математическую модель на основе обработки визуальной информации человека, может выполнять повышение резкости на высоком уровне. Кроме того, в этом случае, выполняется обработка, аналогичная обработке визуальной информации в мозгу, что приводит к преимуществу, состоящему в том, что повышение резкости не ощущается, как чрезмерно неестественное повышение резкости.
Пример обработки коэффициента, используя SN функцию
Далее иллюстрируется пример обработки коэффициента, используя SN функцию модулем 102b обработки коэффициента устройства 100 обработки изображения.
Для математического описания явления и т.п., в котором слабые стимулы дополнительно ослабляют, по мере того, как количество окружающих стимуляций повышается и дополнительно подчеркивается, по мере того, как количество окружающих стимуляций становится меньше, предположим функцию, которая постоянно изменяется в соответствии с параметром от функции, имеющей S-образный график, до функции, имеющей N-образный график. Функция, имеющая такую характеристику, называется перцептуальной функцией. Следующая SN функция задана, как один пример перцептуальной функции.
[Выражение 1]
Пусть X представляет собой оригинальное изображение, и пусть X=(X1, Х2, Х3) представляют отображение в цветовом пространстве. Например, когда используется цветовое пространство CIELAB, X1, Х2 и Х3 представляют данные для L*, а* и b*, соответственно.
Хμ (μ=1, 2, 3) подвергают декомпозиции, используя фреймлеты цевочного колеса. В настоящем примере будет представлено описание случая, когда количество пикселей X равно 512×512 пикселей, и декомпозицию на уровне 8 выполняют с фреймлетами цевочного колеса степени 5((5-1)2+(5+1)2=52 фильтра) (в случае, например, другого количества пикселей или других фреймлетов цевочного колеса, декомпозиция также может быть выполнена на основе того же принципа).
В это время данные после декомпозиции Хμ могут быть выражены следующим выражением (где l, p, j и k представляют собой целые числа).
[Выражение 2]
Здесь, (хμ [l, 1; j, k]), 0≤j, k≤511 представляет коэффициенты аппроксимации декомпозиции фреймлетов цевочного колеса, и (хμ [l, р; j, k]), 0≤j, k≤511 (2≤p≤52) представляет детальные коэффициенты декомпозиции фреймлетов цевочного колеса. Далее, пусть 2≤р≤52.
Пусть φμ,l,p представляет собой соответствующую функцию двух переменных, и установлено следующее выражение (μ=1, 2, 3).
[Выражение 3]
Например, установлено следующее (где: a1 и а2 представляют собой соответствующие константы нормализации; и μ=1, 2, 3).
[Выражение 4]
Также установлено следующее.
[Выражение 5]
Пусть 
представляет собой нормализованную норму l2 для 
(μ=1, 2, 3).
Пусть b1, b2, b3 и b4 представляют собой соответствующим образом выбранные неотрицательные вещественные числа. Они могут изменяться для каждого μ или каждого уровня l. Они также могут изменяться для каждой ориентации р среди коэффициентов деталей декомпозиции фреймлета цевочного колеса. Они также могут изменяться для каждого знака детального коэффициента декомпозиции.
[Выражение 6]
Пусть 
будет представлено, как 
.
[Выражение 7]
Пусть yμ,l [l, р; j, k] обозначает результат соответствующей нормализации абсолютных значений хμ[l, р; j, k] для того, чтобы получить значения в диапазоне от 0 до 1. Устанавливают следующее, где функция SN s может быть заменена соответствующей перцептуальной функцией.
[Выражение 8]
Пусть y'μ[l, р; j, k] обозначает результат умножения yμ, 2 [l, р; j, k] на функцию знака хμ[l, р; j, k] и выполняют обратную операцию нормализации по результату.
Пусть Х'μ представляет собой данные, полученные путем реконструкции y'μ[l, р; j, k] путем применения фильтра синтеза фреймлета цевочного колеса к ним (μ=1, 2, 3). Установим X'=(Х'1, Х'2, Х'3).
X' представляет собой изображение X с улучшенной резкостью. В примерах обработанных изображений b1, b2, b3 и b4 устанавливают для каждого уровня и должны быть одинаковыми для компонентов ориентации в отношении L*, и установлены для каждого из горизонтального, вертикального, диагонального и других направлений, для каждого уровня в отношении а* и b*.
Способ обработки может изменяться в соответствии с разностью в знаке хμ[l, р; j, k] так, чтобы он был больше похож на визуальное восприятие человека.
На этом заканчивается пояснение примера для обработки коэффициентов, используя SN функцию в устройстве 100 обработки изображения. Описанная выше обработка коэффициентов с SN функцией не ограничена ее использованием для повышения резкости цветных изображений, но может использоваться для обработки изображения, такой как повышение резкости, например, изображений, состоящих из серой шкалы.
Моделирование иллюзии контрастности цветов
Для проверки, является ли математическая модель, используемая в настоящем варианте осуществления, аналогичной обработке визуальной информации человека, обработка, в соответствии с описанным выше вариантом осуществления, была выполнена, используя изображения иллюзии контраста цветов, как оригинальные изображения. Другими словами, на основе идеи, что компьютер, в котором воплощена математическая модель, должен рассчитывать иллюзию, если математическая модель аналогична обработке визуальной информации человека, проверили, может ли настоящий вариант осуществления моделировать иллюзию человека.
На фиг. 16 иллюстрируется пример изображений иллюзии контраста цветности. Левый вид (оригинальное изображение А) и правый вид (оригинальное изображение В) на фиг. 16 являются точно одинаковыми по освещенности, яркости и цвету их внутренних квадратных участков. Однако, что касается обработки визуальной информации человека, возникает иллюзия, при которой виды выглядят с разной цветностью, в зависимости от компоновки окружающих цветов. Следовательно, обработка изображений выполнялась для каждого из оригинальных изображений А и В с помощью устройства 100 обработки изображения в настоящем варианте осуществления. На фиг. 17 иллюстрируется внутренний квадратный участок (одинаковый для оригинальных изображений А и В) оригинальных изображений, внутренний квадратный участок обработанного изображения А, который представляет собой результат обработки изображения оригинального изображения А, и внутренний квадратный участок обработанного изображения В, который представляет собой результат обработки изображения оригинального изображения В.
Как представлено на фиг. 17, в результате выполнения обработки изображения, используя устройство 100 обработки изображения, в соответствии с настоящим вариантом осуществления, внутренний квадратный участок обработанного изображения А, соответствующий оригинальному изображению А, был выражен более ярко, чем в действительности, и внутренний квадратный участок обработанного изображения В, соответствующий оригинальному изображению В, был выражен более тускло, чем в действительности, так же, как и внешний вид (иллюзия) оригинальных изображений А и В для человека. Следовательно, можно упомянуть, что обработка изображений, выполняемая устройством 100 обработки изображения, в соответствии с настоящим вариантом осуществления, аналогична обработке визуальной информации человеком.
На фиг. 18 иллюстрируются другие примеры изображений иллюзии контраста цветности. Таким же образом, как описано выше, левый вид (оригинальное изображение С) и правый вид (оригинальное изображение D) на фиг. 18 являются точно такими же, по освещенности, яркости и цвету их внутренних квадратных участков. На фиг. 19 иллюстрируется внутренний квадратный участок (такой же, как и для оригинальных изображений С и D) оригинальных изображений, внутренний квадратный участок обработанного изображения С, который является результатом обработки изображения оригинального изображения С, и внутренний квадратный участок обработанного изображения D, который является результатом обработки изображения для оригинального изображения D.
Как представлено на фиг. 19, в результате выполнения обработки изображения, используя устройство 100 обработки изображения, в соответствии с настоящим вариантом осуществления, внутренний квадратный участок обработанного изображения С, соответствующий оригинальному изображению С, выразили более темным, чем в действительности, и внутренний квадратный участок обработанного изображения D, соответствующий оригинальному изображению D, выразили более ярким, чем в действительности, таким же образом, как и внешний вид (иллюзия) оригинальных изображений С и D для человека.
На фиг. 20 иллюстрируется еще один, другой пример изображений иллюзии контрастных цветов. Таким же образом, как описано выше, левый вид (оригинальное изображение Е) и правый вид (оригинальное изображение F) фиг. 20 являются точно одинаковыми по освещенности, яркости и цвету их внутренних квадратных участков. На фиг. 21 иллюстрируется внутренний квадратный участок (такой же, как для оригинальных изображений Е и F) в оригинальных изображениях, внутренний квадратный участок обработанного изображения Е, который представляет собой результат обработки изображения оригинального изображения Е, и внутренний квадратный участок обработанного изображения F, который представляет собой результат обработки изображения для оригинального изображения F.
Как представлено на фиг. 21, в результате выполнения обработки изображения, используя устройство 100 обработки изображения, в соответствии с настоящим вариантом осуществления, внутренний квадратный участок обработанного изображения Е, соответствующий оригинальному изображению Е, был выражен более темным, чем в действительности, и внутренний квадратный участок обработанного изображения F, соответствующий оригинальному изображению F, был выражен более ярким, чем в действительности, так же, как и внешний вид (иллюзия) оригинальных изображений Е и F для человека. Это представляет собой пример, в котором заметно проявился эффект учета значений L* при обработке а* и b*.
Представленные выше результаты показали, что обработка изображений устройством 100 обработки изображения, в соответствии с настоящим вариантом осуществления, в значительной степени аналогична обработке визуальной информации человеком. Следовательно, путем выполнения обработки изображения, в соответствии с настоящим вариантом осуществления, при которой используется математическая модель, аналогичная обработке визуальной информации человеком, становится возможным применять обработку информации, аналогичную видению человеком оригинального изображения, для получения естественного изображения, в котором только участки, которые человек хотел бы видеть, имеют повышенную резкость. В зависимости от назначения использования, устройство 100 обработки изображения может быть выполнено таким образом, чтобы выполнять обработку изображений для части или всей визуальной функции человека, усиленной или ослабленной.
Различные типы обработки изображения
В качестве примеров другой обработки изображения, чем описанное выше повышение резкости цветного изображения, далее описаны конкретные способы и примеры применения, в следующем порядке 1. Удаление шумов 2. Выделение особенностей ((А) обнаружения контура и (В) Другие типы выделения особенностей), и 3. Выделение особенностей, придающих трехмерный внешний вид, со ссылкой на фиг. 22-55. В то время, как в следующих примерах используются фреймлеты цевочного колеса, могут использоваться фреймлеты цевочного колеса в широком смысле или вейвлет-фреймы цевочного колеса.
1. Удаление шумов
Будет представлено описание примера удаления шумов путем относительного уменьшения по меньшей мере одного из коэффициентов деталей декомпозиции с помощью модуля 102b обработки коэффициента в настоящем варианте осуществления. В то время как в следующем примере используется изображение серой шкалы, цветное изображение может использоваться таким же образом.
В данном разделе [1. Удаление шумов], оригинальное изображение относится к исходному изображению без шумов, и зашумленное изображение относится к изображению, полученному путем добавления шумов к оригинальному изображению. В этом примере зашумленное изображение формировали путем добавления белого Гауссова шума к оригинальному изображению. Обработанное изображение относится к изображению с удаленными шумами, которое было реконструировано с помощью модуля 102с получения обработанного изображения после удаления модулем 102b обработки коэффициента.
Значение оценки используется для количественной оценки деградации изображения, в результате удаления шумов.
[Выражение 9]
Для изображения 
, определяется следующее: 
В оригинальном изображении, обозначенном, как Х0, и в изображении без шумов (обработанное изображение), обозначенном как X, значение оценки, используемое в настоящем примере, выражается следующим уравнением. Чем меньше это значение оценки, тем в большей степени обработанное изображение аналогично оригинальному изображению, что означает, что обработанное изображение в меньшей степени деградировало.
[Выражение 10]
Для удаления шумов известны способы, которые устанавливают пороговое значение, и изменяют на ноль значения, меньшие, чем пороговое значение, или значения, равные или меньшие, чем пороговое значение. В соответствии с этим, был установлен порог для удаления шумов в модуле 102b обработки коэффициента. Поскольку различные известные способы доступны для установки порогового значения, может использоваться любой известный способ, помимо способа, представленного ниже. Например, известны жесткая пороговая обработка и мягкая пороговая обработка, в качестве пороговой обработки, и, в то время как жесткая пороговая обработка используется ниже, могут использоваться мягкая пороговая обработка или другая пороговая обработка.
В настоящем примере, для сравнения нескольких способов удаления шумов на основе значения оценки, пороговое значение постоянно изменяют для каждого из способов удаления шумов, и его значение, когда получают наилучшее значение оценки, определяют, как пороговое значение в этом способе. На фиг. 22 показан график пояснения жесткой пороговой обработки, используемой в настоящем примере. По горизонтальной оси представлено значение оригинального коэффициента, и по вертикальной оси представлено значение после выполнения обработки коэффициента. В частности, если модуль 102b обработки коэффициента применяет линейную функцию, имеющую градиент 1, к коэффициенту сигнала подполосы декомпозиции, значение оригинального коэффициента остается абсолютно неизменным, таким образом, что реконструированное изображение, полученное модулем 102d реконструкции является таким же, как и оригинальное изображение.
Как показано на фиг. 22, в способе жесткой пороговой обработки выполняется обработка коэффициента, при которой сравнивают абсолютное значение коэффициента с пороговым значением, и заменяют коэффициент нулем, если абсолютное значение равно порогу или меньше. При такой жесткой пороговой обработке малые флуктуации можно игнорировать, и, таким образом, шумы могут быть эффективно удалены. На фиг. 23 иллюстрируется оригинальное изображение, используемое в примере, и на фиг. 24 показан вид, иллюстрирующий зашумленное изображение, полученное путем добавления белого Гауссова шума к оригинальному изображению. Изображение, имеющее 256 уровней тонов от 0 до 255 и размер 512×512, использовали в качестве оригинального изображения.
Для сравнения с результатом удаления шумов, в соответствии с настоящим вариантом осуществления, способ удаления шумов с помощью вейвлет-обработки использовали в качестве примера, используя обычный способ. В этом обычном способе удаления шумов с помощью вейвлет-обработки выполняли декомпозицию с множеством разрешений с максимальным наложением на уровне 2 с помощью Symlet 4. Что касается Symlet, для ссылки и пояснений можно проконсультироваться в Wavelet Toolbox MATLAB. Пороговую обработку выполняли, используя пороговое значение 48 (значение, определенное с помощью описанного выше способа непрерывного изменения порогового значения) для всех коэффициентов деталей декомпозиции (коэффициенты деталей декомпозиции в горизонтальном, вертикальном и диагональном направлениях соответствующих уровней), и после этого получали обработанное изображение, используя этап синтеза. В обработанном изображении значения, меньшие, чем 0, установили в 0, и значения, большие чем 255, установили в 255. На фиг. 25 иллюстрируется обработанное изображение, полученное по Symlet 4 способа удаления шумов, используя обычную вейвлет-обработку, и на фиг. 26 показан вид, полученный путем частичного увеличения фиг. 25. Значение оценки для результата обработки изображения, полученного с помощью Symlet 4 способа удаления шумов, используя обычные вейвлеты, составило 5,0449.
Далее показан способ удаления шумов в соответствии с настоящим вариантом осуществления и его результаты.
Пример 1 удаления шумов, используя фреймлет цевочного колеса
Декомпозицию на уровне 1 с множеством разрешений с максимальным наложением, с использованием фреймлетов цевочного колеса степени 5, выполняли для зашумленного изображения с помощью устройства 100 обработки изображения, в соответствии с настоящим вариантом осуществления. Пороговое значение по модулю 102b обработки коэффициента установили в 16 (значение, определяемое описанным выше способом непрерывного изменения порогового значения), и обработанное изображение получили с помощью того же способа, что и при использовании вейвлет-обработки. На фиг. 27 иллюстрируется обработанное изображение, полученное в настоящем варианте осуществления, используя фреймлеты цевочного колеса степени 5, и на фиг. 28 показан вид, полученный путем частичного увеличения фиг. 27. Значение оценки в этом случае составило 4,7736. Был получен лучший результат, чем в способе с обычной вейвлет-обработкой. Путем сравнения невооруженным глазом обычного обработанного изображения (фиг. 25 и 26) с изображением, обработанным, в соответствии с настоящим вариантом осуществления (фиг. 27 и 28), также определили, что удаление шумов было выполнено эффективно.
Пример 2 удаления шумов, используя фреймлет цевочного колеса
Фреймлет цевочного колеса имеет степень, в результате чего может быть выполнено дополнительное эффективное удаление шумов, путем выбора более соответствующей степени. Фреймлет цевочного колеса имеет множественную избирательность ориентации, таким образом, что количество фильтров велико. В соответствии с этим, эффект удаления шумов, как можно ожидать, должен быть увеличен, путем изменения для каждого из детальных сигналов подполос на этапе декомпозиции, порогового значения, используемого для детального коэффициента декомпозиции, составляющего детальные сигналы подполосы.
Следовательно, в качестве Примера 2 удаления шумов с использованием фреймлета цевочного колеса, была выполнена декомпозиция с множеством разрешений, с максимальным наложением на уровне 1, использованием фреймлеты цевочного колеса степени 7 для зашумленного изображения. Пороговое значение, устанавливаемое модулем 102b обработки коэффициента, изменяли для каждого из детальных сигналов подполос в соответствующей этапу декомпозиции. В частности, пороговое значение устанавливали, как значение (значение, определенное в соответствии с описанным выше способом непрерывного изменения порогового значения), полученное путем умножения на 0,075 максимального возможного значения коэффициентов деталей, составляющих сигналы подполосы на этапе декомпозиции. Другими словами, значения, имеющие абсолютные значения, которые попадают в диапазон от 0 до 0,075 раз от максимального значения, были установлены в 0. Помимо этого, тот же способ, что и в предыдущем примере, использовали для получения обработанного изображения. На фиг. 29 иллюстрируется обработанное изображение, полученное с помощью настоящего варианта осуществления используя фреймлеты цевочного колеса степени 7, и путем изменения фильтра пороговых значений фильтром, и на фиг. 30 показан вид, полученный путем частичного увеличения фиг. 29. Значение оценки в этом случае составило 4,3718, и при этом проверили, что эффект удаления шумов дополнительно улучшается по сравнению со случаем Примера 1 удаления шумов, описанным выше.
Пример 3 удаления шумов с использованием фреймлета цевочного колеса Фреймлет цевочного колеса имеет функцию высокого уровня для разделения частотных полос, таким образом, что становится возможным дополнительное тонко настроенное удаление шумов. Следовательно, в качестве Примера 3 удаления шумов с использованием фреймлета цевочного колеса, выполняли декомпозицию с множеством разрешений с максимальным наложением на уровне 2, используя фреймлеты цевочного колеса степени 7 для зашумленного изображения. Затем выполняли обработку порогового значения для всех коэффициентов деталей декомпозиции на уровне 1 и коэффициентов деталей декомпозиции на уровне 2, представленную на фиг. 31, используя тот же способ, что и в Примере 2 удаления шумов, и после этого, получали обработанное изображение. Пороговое значение установили в значение (значение, определенное описанным выше способом непрерывного изменения порогового значения), полученное путем умножения максимально возможного значения коэффициентов деталей на 0,073. На фиг. 31 показана схема, обозначающая заштрихованными линиями детальные коэффициенты декомпозиции, на основе которых выполняли пороговую обработку на уровне 2. Компоновка таблицы соответствует компоновке фильтра фреймлетов цевочного колеса степени 7 (см. фиг. 3-5 для фреймлетов цевочного колеса степени 7). На фиг. 31, "g" представляет собой сигнал подполосы аппроксимации на этапе декомпозиции, и "h" представляет собой сигнал детальной подполосы на этапе декомпозиции.
На фиг. 32 иллюстрируется обработанное изображение, полученное в настоящем варианте осуществления, используя фреймлеты цевочного колеса степени 7 и применяя пороговую обработку для высокочастотных участков до уровня 2, и на фиг. 33 показан вид, полученный путем частичного увеличения фиг. 32. Значение оценки в данном случае составило 4,3647. В Примере 3 удаления шумов, дополнительный лучший результат, чем описанные выше Примеры 1 и 2 удаления шумов, был получен, также путем выполнения пороговой обработки детальных сигналов подполос на этапе декомпозиции, соответствующей высокой частоте уровня 2. Обычно только способ удаления шумов, использующий вейвлет-обработку, позволяет выбирать, до какого уровня должна применяться пороговая обработка. Однако, было показано, что при использовании фреймлета цевочного колеса, имеющего функцию высокого уровня разделения полос частот, удаление может быть эффективно выполнено, благодаря такому точному выбору частотных компонентов.
2. Выделение особенностей
Ниже описан пример выделения особенностей изображения модулем 102b обработки коэффициента в настоящем варианте осуществления, путем относительной аттенюации или усиления по меньшей мере одного из коэффициентов аппроксимации и коэффициентов деталей, выводимых на этапе декомпозиции.
2. (А) Обнаружение контура
В качестве способов для обнаружения контура, в настоящее время хорошо известны способ простой фильтрации и способ использования вейвлет-обработки (см. Непатентную литературу 6 и 7). Однако, фреймлет цевочного колеса имеет функции широкого разнообразия частотного разрешения и избирательность ориентации, и, таким образом, ожидается, что будет обеспечено большее разнообразие типов обнаружения контура, чем у обычных способов обнаружения контура, в зависимости от использования.
На фиг. 34 показан вид, иллюстрирующий оригинальное изображение, используемое в настоящем примере для обнаружения контура. Изображение, имеющее 256 уровней тона от 0 до 255 и размер 1536×1536, использовали в качестве исходного изображения. Используемое оригинальное изображение было представлено в серой шкале. Если, однако, изображение будет цветным, изображение может быть преобразовано в изображение серой шкалы, используя известный способ.
Пример 1 обнаружения контура
Вначале, используя устройство 100 обработки изображения, в соответствии с настоящим вариантом осуществления, была выполнена декомпозиция с множеством разрешений, с максимальным наложением на уровне 2, с использованием фреймлетов цевочного колеса степени 7. Модуль 102b обработки коэффициентов выполнил взвешивание, используя значения, представленные на фиг. 35, на уровне 1, и используя значения, представленные на фиг. 36, на уровне 2. Компоновки таблиц соответствуют компоновке фильтра фреймлетов цевочного колеса степени 7 (см. фиг. 3-5 для фреймлетов цевочного колеса степени 7). Значения на фиг. 35 и 36 представляют собой весовые значения для коэффициентов сигналов подполос.
Это выделяет компоненты высокой частоты, относящиеся к контурам. Выделенные сигналы подполосы декомпозиции включают в себя значения, имеющие малые абсолютные значения, которые не нужны для обнаружения контура или которые препятствуют обнаружению контура. Следовательно, пороговая обработка была выполнена для удаления этих значений. Соответствующие известные способы можно использовать в качестве способов для получения порогового значения и для пороговой обработки. В настоящем примере пороговое значение было установлено, как значение, полученное путем умножения на 0,005 максимального возможного значения каждого из сигналов подполос декомпозиции, и выполняли пороговую обработку, используя жесткую пороговую обработку. Это может устанавливать порог для каждого из сигналов подполос декомпозиции. После этого, было получено обработанное изображение через этап синтеза в результате обработки, выполняемой модулем 102с получения обработанного изображения.
Обработанное изображение при обнаружении контура на таком уровне не пригодно для отображения, и, следовательно, отображается модулем 102d вывода обработанного изображения, используя следующие два способа. Другие известные способы можно использовать, как способ для отображения обработанного изображения при обнаружении контура.
Отображение, используя усреднение
Восприятие человека распознает контур многозначного изображения легче, чем изображения, преобразованного в двоичную форму. В соответствии с этим, выполняется отображение, используя усреднение. В частности, значения, меньшие, чем m1 обработанного изображения, устанавливают в m1, и его значения, большие, чем m2, устанавливают в m2.
На фиг. 37 показан вид, иллюстрирующий изображение, полученное в результате усреднения обрабатываемого изображения, полученного в Примере 1 обнаружения контура. При отображении с усреднением значения были установлены так, что m1=0 и m2=3.
Отображение, используя преобразование в двоичную форму
При отображении, используя преобразование в двоичную форму, преобразованное в двоичную форму изображение получают путем установки в 0 значений меньших, чем t, и путем установки 1 значений больших, чем t.
На фиг. 38 показан вид, иллюстрирующий обработанное изображение, преобразованное в двоичную форму, при t=1. Как показано на фиг. 37 и 38, как результат Примера 1 обнаружения контура, определили, что линии электропередачи, которые были трудно идентифицируемыми в оригинальном изображении, присутствуют рядом с центром и с левой стороны обработанного изображения, и, таким образом, были проверены эффекты обнаружения контура, в соответствии с настоящим вариантом осуществления.
Пример 2 обнаружения контура
Далее был выполнен пример 2 обнаружения контура, как пример обнаружения контура, путем использования преимущества ориентации фреймлета цевочного колеса. Линии электропередачи могли быть обнаружены в оригинальном изображении при обработке в Примере 1 обнаружения контура. Для дополнительного обнаружения линии электропередачи выполняется обработка, специализированная для этой части. В частности, в Примере 2 обнаружения контура, выполняли декомпозицию с множеством разрешений с максимальным наложением на уровне 2 по фреймлетам цевочного колеса степени 7 и выполняли взвешивание, используя значения, представленные на фиг. 39, на уровне 1, и используя значения, показанные на фиг. 40, на уровне 2. В результате, были получены сигналы подполосы декомпозиции, относящиеся к направлению, близкому к направлению линий электропитания. Пороговое значение установили, как значение, полученное путем умножения максимально возможного значения каждого из сигналов подполос декомпозиции на 0,005; пороговая обработка представляла жесткую пороговую обработку; и обработанное изображение получили через этап синтеза.
На фиг. 41 иллюстрируется усредненное обработанное изображение, полученное по Примеру 2 обнаружения контура, и на фиг. 42 показан вид, иллюстрирующий преобразованное в двоичную форму обработанное изображение, полученное по Примеру 2 обнаружения контура. На фиг. 41 усреднение выполняли при m1=0 и m2=2. На фиг. 42 показан вид, иллюстрирующий обработанное изображение, преобразованное в двоичную форму при t=0,4.
Как показано на фиг. 41 и 42, в Примере 2 обнаружения контура, хотя обнаружение контура выполняется на более низком уровне, чем в Примере 1 обнаружения контура, на других участках, кроме линии электропередачи, линии электропередачи детектируются лучше.
В настоящем варианте осуществления улучшение резкости изображения также может быть выполнено, используя результат обнаружения контура. В частности, улучшение резкости изображения также может быть выполнено путем добавления и наложения обработанного изображения на оригинальное изображение. На фиг. 43 показан вид, иллюстрирующий изображение, полученное путем добавления обработанного изображения, резкость которого была улучшена с коэффициентом 15 в результате усреднения оригинального изображения. Как показано на фиг. 43, на изображении можно видеть линии электропередачи.
Пример 3 обнаружения контура
Другой способ обнаружения контура будет представлен ниже. В частности, используя декомпозицию с множеством разрешений по фреймлетам цевочного колеса, сигналы подполосы на этапе декомпозиции, которые не значительно способствуют выделению контуров, устанавливают в ноль или в значение, близкое к нулю, в результате чего, выполняют обнаружение контура, при котором сигналы подполосы на этапе декомпозиции, которые способствуют выделению контуров, становятся относительно выделенными. Это представляет собой простой способ, который не требует расчета порогового значения, и который может применяться, благодаря многообразию избирательности ориентации и разнообразию избирательности частоты в фреймлете цевочного колеса. Хотя функция регулирования установлена на более низком уровне, чем в способах, описанных выше, высокоскоростная обработка может быть выполнена путем предварительной разработки заданных фильтров.
Далее описан случай фреймлетов цевочного колеса степени 5, в качестве примера. В случае степени 5, сигналы 52 подполос на этапе декомпозиции получают на каждом уровне. С целью пояснения, эти сигналы подполос пронумерованы на основе фиг. 44. В то время, как на фиг. 44 показана схема на уровне 2, то же относится к другим уровням. Цифры будут выражены следующим образом:
(x1, x2, Z, р)
Здесь р представляет собой целое число, представляющее уровень; Z представляет собой либо сторону а, или b (36 фильтров с левой стороны принадлежат а, и 16 фильтров с правой стороны принадлежат b, на фиг. 44); x1 представляет ряд; и х2 представляет столбец. Например, в (5, 4, а, 2), "5" представляет ряд на фиг. 44; "4" представляет столбец на фиг. 44; "а" представляет а из а и b; и "2" представляет уровень.
В случае вейвлет-обработки, известен способ "наивного обнаружения контура" (см. непатентную литературу 6), при котором все компоненты, составляющие сигналы подполосы аппроксимации на этапе декомпозиции, ослабляют до нуля. Этот способ может применяться для фреймлета цевочного колеса. Однако, в отличие от вейвлет-обработки, фреймлет цевочного колеса имеет различные детали сигналов подполос на этапе декомпозиции. Это позволяет выполнять обнаружение контура путем выбора сигналов детальной подполосы на этапе декомпозиции, которые не относятся к контурам, и относительно усиливать детальные сигналов подполос, относящиеся к контурам, путем установления в ноль или ослабления компонентов сигналов. Этот способ также может быть выполнен другими способами, кроме фреймлета цевочного колеса, такими как простой фреймлет цевочного колеса.
Вначале, в этом примере выполняют удаление шумов оригинального изображения. Это может быть выполнено с помощью способа, в соответствии с настоящим вариантом осуществления или известного способа. Затем сигналы подполос на этапе декомпозиции, которые входят в состав кромок, относительно усиливают путем установки в ноль сигналов низкочастотных подполос на этапе декомпозиции, которые не входят в состав кромок. Например, в компоновке на фиг. 44, область, которая не содержит (1, 1, а, 1) и окружает (1, 1, а, 1), разделяют на множество направлений на секторные формы, позволяя им накладываться друг на друга. В каждой из разделенных областей контур, имеющий, определенное направление, может быть детектирован путем установки в ноль или ослабления сигналов подполос, не принадлежащих разделенной области. Если найденные таким образом контуры потребуется дополнительно выделить, сигналы подполосы на этапе декомпозиции, которые не относятся к контурам, которые должны быть выделены, могут быть ослаблены.
В настоящем варианте осуществления, для устранения шумов, использовали изображение, реконструированное как часть аппроксимации на уровне 1 декомпозиции с множеством разрешений, с максимальным наложением по фреймлетам цевочного колеса степени 3, в качестве оригинального изображения. Декомпозицию с множеством разрешений, с максимальным наложением по фреймлетам цевочного колеса степени 5 выполняли на оригинальном изображении, и сигналы подполосы на этапе декомпозиции, имеющие такую же ориентацию, как и линии горных хребтов, столбы линии электропередач, и линии электропередач, остались, в то время как сигналы подполосы на этапе декомпозиции, относящиеся к высокой частоте, представляющие детализированные пары, были обнулены. В частности, подполосы на этапе декомпозиции были обнулены, за исключением подполос, пронумерованных (4, 3, b, 1), (4, 2, b, 1), (4, 3, а, 1), (4, 2, а, 1), (4, 1, а, 1), (3, 4, b, 1), (3, 3, b, 1), (3, 2, b, 1), (3, 3, а, 1), (3, 2, а, 1), (3, 1, а, 1), (2, 3, b, 1), (2, 2, b, 1) и (1, 2, а, 1). Это представляет собой пример, и в зависимости дополнительно от использования, могут быть выбраны сигналы подполосы на этапе декомпозиции, которые не были обнулены.
На фиг. 45 показан вид, иллюстрирующий изображение, полученное путем отображения, используя способ преобразования в двоичную форму (t=0,37), обработанного изображения, полученного в результате настоящего обнаружения контура, и на фиг. 46 показан вид, иллюстрирующий изображение, полученное путем отображения обработанного изображения, используя способ усреднения (m1=0 и m2=1). Таким образом, было показано, что обнаружение контура может быть выполнено, используя простые способы, без расчета порогового значения.
2. (В) Другие типы обнаружения контура
В то время как при детектировании контура использовались сигналы подполосы декомпозиции высокой частоты, обработка изображений также может быть выполнена, используя сигналы подполосы декомпозиции в других полосах частот. Различные типы обработки изображения могут быть выполнены, используя преимущества функции декомпозиции частоты высокого уровня и множество избирательностей ориентации фреймлета цевочного колеса. В то время, как удаление шумов и обнаружение контура включали в себя пороговую обработку, выполняемую по сигналам подполосы декомпозиции, другая линейная или нелинейная обработка может применяться для обработки изображения. Эти типы обработки изображения могут выделять или усиливать определенные свойства, включенные в изображение, и такие примеры будут представлены ниже.
Декомпозиция с множеством разрешений, с максимальным наложением на уровне 2 по фреймлетам цевочного колеса степени 7 была выполнена для описанного выше оригинального изображения, используемого для обнаружения контура. Взвешивание, иллюстрируемое на фиг. 47, применяли для сигналов подполос декомпозиции на уровне 1, и взвешивание, иллюстрируемое на фиг. 48, применили для сигналов подполос декомпозиции на уровне 2.
В этом примере выделяли сигналы подполосы декомпозиции, каждый из которых имеет несколько более низкую частоту, чем при обнаружении контура. Пороговое значение установили, как значение, полученное путем умножения максимально возможного значения каждого из сигналов подполос декомпозиции на 0,005, и выполняли пороговую обработку, используя жесткую пороговую обработку. Сигналы подполосы декомпозиции после пороговой обработки обозначены, как S. Обработанное изображение получали через этап синтеза.
На фиг. 49 показан вид, иллюстрирующий обработанное изображение, усредненное при m1=-4 и m2=0. Как показано на фиг. 49, определили, что были выделены несколько грубые свойства изображения. Следовательно, нелинейная обработка SN функцией была выполнена для сигналов S подполосы декомпозиции после обработки, "α" установили таким образом, что α=¾, используя тот же способ, как и в "Примере обработки коэффициентов, используя SN функцию", описанном выше. Поскольку α<1, значения коэффициентов деталей, имеющих малые абсолютные значения, усиливали, и их значения, имеющие большие абсолютные значения, уменьшали. Затем получили обработанное изображение через этап синтеза.
На фиг. 50 показан вид, иллюстрирующий обработанное изображение, усредненное при m1=-2 и m2=0. Определили, что участки, которые выглядят слабыми в примере фиг. 49, выглядят более сильными на фиг. 50. Нелинейную обработку по SN функции дополнительно выполняли путем установки α=4/3 для сигналов S подполосы декомпозиции, после обработки. Поскольку α>1, значения коэффициентов деталей, имеющих большие абсолютные значения, усиливали, и их значения, имеющие малые абсолютные значения, ослабляли. Было получено обработанное изображение, подвергнутое обработке на этапе синтеза.
На фиг. 51 показан вид, иллюстрирующий обработанное изображение, усредненное при m1=-6 и m2=0. Определили, как показано на фиг. 51, что были выделены участки, такие как участки, находящиеся рядом с линией горного хребта и деревьями на ближней стороне, первоначально, имеющие сильные свойства. Изображение с улучшенной резкостью, показанное на фиг. 52, было получено путем добавления к оригинальному изображению изображения, полученного в результате усреднения обработанного изображения при m1=-6 и m2=6, так, чтобы выполнить улучшение резкости с коэффициентом 5. На фиг. 52 отображается изображение, полученное в результате выполнения усреднения при m1=0 и m2=255. Как показано на фиг. 52, было получено легко просматриваемое изображение, на котором резкость линий горного хребта, которые являются впечатляющими в изображениях гор, была соответственно улучшена.
3. Выделение свойства, придающего трехмерный внешний вид
В этом примере будет представлено описание полученного изображения, обработанного с выводом коэффициента, без пропуска через этап синтеза и без реконструкции, как обработанное выходное изображение, полученное в результате взвешивания и суммирования коэффициентов деталей декомпозиции. Двумерное изображение объекта может выглядеть трехмерным, если тень, формируемая, когда свет падает на объект из некоторого направления, будет выраженной. Фактически, изображения были вычерчены так, что они выглядят, как трехмерные, используя преимущества, таких характеристик восприятия человека.
Фреймлет цевочного колеса имеет множественную избирательность ориентации, и, в частности фильтр, который генерирует сигналы подполосы на этапе декомпозиции, включает в себя один четный и один нечетный. Таким образом, используя преимущества этих характеристик, контуры с тенями могут быть автоматически сформированы так, что формируется изображение обнаружения контура с трехмерным внешним видом. Трехмерный внешний вид, полученный в этом примере, был получен органами чувств, и не выражает физическую трехмерную перспективу. Его назначение состоит в том, чтобы сделать контуры легко видимыми, придавая зрителю ощущение трехмерности изображения.
В следующем примере, декомпозицию с множеством разрешений, с максимальным наложением по фреймлетам цевочного колеса степени 5 выполняли для оригинального изображении. Например, в случае примера, описанного ниже, для того, чтобы придать пару в изображении трехмерный внешний вид, суммировали сигнал подполосы с номером (1, 4, а, 1), пять раз сигнал подполосы с номером (2, 1, а, 1), пять раз сигнал подполосы с номером (2, 2, а, 1), сигнал подполосы с номером (3, 4, а, 1), пять раз сигнал подполосы с номером (2, 2, b, 1) и сигнал подполосы с номером (3, 4, b, 1) среди сигналов подполос на этапе декомпозиции так, чтобы тени могли падать в направлении пара. Здесь, выражения, определяющие сигналы подполосы декомпозиции, являются такими же, как и в "Примере 3 обнаружения контура", описанном выше, и иллюстрируются на фиг. 44. На фиг. 53 иллюстрируется оригинальное изображение, и фиг. 54 показан вид, иллюстрирующий результат выделения свойства, придающего трехмерный внешний вид. В настоящем примере обработка выполняется на одном уровне. В случае, когда суммируют сигналы подполосы декомпозиции, взвешенные по множеству уровней, сигналы подполосы декомпозиции могут быть добавлены после коррекции несовмещения положения.
Как показано на фиг. 54, пар выглядит выпуклым и имеет трехмерный внешний вид, в результате чего, контуры можно легче рассмотреть, чем при нормальном детектировании кромок. Однако, внешний вид отличается для разных индивидуумов, и пар может выглядеть слабо выраженным для некоторых людей. Следовательно, было сформировано изображение, отображаемое с инвертированными уровнями тона. На фиг. 55 показан вид, иллюстрирующий изображение, отображаемое с уровнями тона, инвертированными по сравнению с выходным изображением, которое было обработано при выделении свойства, придающего трехмерный внешний вид.
Оптическая иллюзия, при которой плоское изображение выглядит, как выпуклое или слабо выраженное, в зависимости от того, как падают тени, называется "иллюзией кратера". Выделение свойств, придающих трехмерный внешний вид, также имеет функцию автоматического генерирования иллюзии кратера из плоского изображения.
В оригинальном изображении на фиг. 53 состояние грунта с трудом распознается из-за того, что он скрыт паром, и состояние пара также с трудом распознается. В обработанном изображении на фиг. 54 или 55, состояние пара легче распознается, поскольку пару был придан трехмерный внешний вид, в результате чего состояние грунта также легче распознается. В обычных способах было трудно обнаружить контуры наложенного объекта, такого, как пар, покрывающий грунт, так, чтобы сделать их легко распознаваемыми. Настоящий вариант осуществления приводит к эффекту, в соответствии с которым легко видимое обработанное изображение также может быть предусмотрено для трехмерных накладывающихся объектов. Таким образом, возможна обработка изображений, например, рентгеновского изображения, как пример применения.
В то время, как примеры обработки изображения различных типов были приведены выше, фреймлет цевочного колеса имеет различные фильтры и, таким образом, не ограничен использованием в описанных выше примерах, но также может использоваться в качестве фильтров для различных вариантов применения.
Фреймлет цевочного колеса
В настоящем варианте осуществления, как описано выше, фреймлет цевочного колеса, для использования в примере, может представлять собой вейвлет-фрейм с избирательностью ориентации, такой как хорошо известный простой фреймлет цевочного колеса или вейвлет-фрейм цевочного колеса, или банк фильтров с избирательностью ориентации. Фреймлет цевочного колеса будет описан ниже.
Для симметричной матрицы, заданной по уравнению = (Ak, l):(n+1)×(n+1), определяют матрицу, которая удовлетворяет As,t=An-s,t=As,n-t=An-s,n-t=s, где степень n является нечетной и n≥3, s=0, 1 …, [n/2], и t=s …, [n/2]. [ ] представляют собой символ Гаусса.
Если n=7, следующая матрица удовлетворяет условию.
[Выражение 11]
Если матрица задана как B=(Bk,l):(n+1)×(n+1), В представляет собой матрицу, удовлетворяющую следующему условию (Р).
[Выражение 12]
[Выражение 13]
[Выражение 14]
[Выражение 15]
где М представляет собой матрицу выборки в прямоугольной решетке, в порядке квинкункс или гексагональной решетки.
[Выражение 16]
[Выражение 17]
[Выражение 18]
Лемма 2 (H.&S. Arai, 2008). Необходимое и достаточное условие, состоящее в том, что Pn представляет собой фреймлет фильтр, относящийся к прямоугольной решетке, квинкункс решетке или гексагональной решетке, состоит в том, что В=(Bk,l), удовлетворяет следующему условию.
[Выражение 19]
Способ определения В=(Bk,l) удовлетворяющий описанному выше условию 
упорядочивают следующим образом.
[Выражение 20]
[Выражение 21]
[Выражение 22]
[Выражение 23]
Теорема 3 (H.&S. Arai, 2008), В=(Bk,l), определенная выше, удовлетворяет Лемме 2. Поэтому, Pn представляет собой фреймлет фильтр, относящийся к прямоугольной решетке, квинкункс решетке или гексагональной решетке. Pn называется фреймлет цевочного колеса степени n. На фиг. 56 представлена схема, иллюстрирующая фильтры, полученные в результате расчета произведения циклической корреляции фреймлет-фильтров цевочного колеса с максимальным наложением, на уровне 2 и аппроксимирующего фильтра на уровне 1. На фиг. 57 представлена схема, иллюстрирующая каждый синтезированный сигнал подполосы результата, полученного в результате выполнения 2-ого этапа декомпозиция MRA с максимальным наложением по фреймлету цевочного колеса для тестового изображения.
На этом заканчивается пояснение настоящего варианта осуществления.
Как было подробно описано, в соответствии с настоящим вариантом осуществления, возможно предоставить устройство обработки изображения, способ обработки изображения, программу, носитель печатного изображения и носитель записи, которые позволяют выполнять различные типы обработки изображения, такие как улучшение резкости естественного изображения, обнаружение различных кромок и удаление шумов. Следовательно, настоящий вариант осуществления является в чрезвычайной степени полезным в таких областях, как обработка изображений и анализ изображений, например, медицинских изображений, аэрофотоснимков и спутниковых изображений. В соответствии с настоящим вариантом осуществления, также возможно предоставить устройство обработки изображения, способ обработки изображения, программу, носитель печатного изображения и носитель записи, которые позволяют выполнять улучшение резкости естественного изображения по цветным изображениям. В частности, иллюзия цветового контраста относится к внешнему виду цветов, например, продуктов, и, таким образом, является чрезвычайно полезной, например, в отраслях (таких как печать, дизайн, видео и полиграфической отрасли промышленности), которая производит и продает цветные продукты и т.п., и в области услуг, которые предоставляют услуги, такие как съемка видеоизображения.
Другие варианты осуществления
Вариант осуществления настоящего изобретения был описан выше, и настоящее изобретение может быть воплощено в различных других вариантах осуществления, в пределах объема технической идеи, описанной в формуле изобретения, в дополнение к описанному выше варианту осуществления.
Например, был описан случай, в котором используется однородное перцептуальное цветовое пространство (система представления L*a*b*) в соответствии с Международной комиссией освещения (CIE), в качестве цветового пространства в варианте осуществления, описанном выше. Однако цветовое пространство не ограничено этим, и компоненты цветности могут использоваться в другом цветовом пространстве, при условии, что цветовое пространство аналогично видению человека.
Например, представлено пояснение случая, когда устройство 100 обработки изображения выполняет обработку в автономном режиме, в качестве примера; однако, устройство 100 обработки изображения может выполнять обработку в ответ на запрос из терминала клиента (другой шкаф, чем у устройства 100 обработки изображения), и возвращать результаты обработки в терминал клиента. Например, устройство 100 обработки изображения может быть выполнено, как сервер ASP, может принимать данные оригинального изображения, переданные из терминала пользователя через сеть 300, и возвращать данные реконструированного изображения для обработанного изображения на основе этих данных оригинального изображения, в терминал пользователя.
Кроме того, среди обработки, описанной в варианте осуществления, вся или часть обработки, описанная, как автоматическая обработка, может выполняться вручную, и вся или часть обработки, описанная, как ручная обработка, может выполняться автоматически с помощью хорошо известных способов.
В дополнение к этому, процедуры обработки, процедуры управления, конкретные наименования, информация, включающая в себя зарегистрированные данные каждой обработки и параметры, такие как условия получения, примеры экранов и конфигурации базы данных, описанные в литературе и на чертежах, представленных выше, может быть произвольно модифицирована, если только не будет указано другое.
Кроме того, каждый компонент устройства 100 обработки изображения, представленный на чертежах, формируется на основе функциональной концепции, и не обязательно выполнен физически так же, как представлено на чертежах.
Например, все или любая часть функций обработки, которые имеют устройства в составе устройства 100 обработки изображения, и, в частности, каждая функция обработки, выполняемая модулем 102 управления, могут быть воплощены центральным модулем управления (CPU) и программой, интерпретируемой и исполняемой CPU, или могут быть воплощены, как аппаратные средства, с использованием монтажной логики. Программа записывается на энергонезависимый носитель записи (будет описан ниже), который включает в себя запрограммированные инструкции, обеспечивающие выполнение компьютером способа в соответствии с настоящим изобретением, и механически считываемые в устройстве 100 обработки изображения, в соответствии с необходимостью. В частности, в модуле 106 хранения, таком как ROM и в HDD (приводе на жестком диске), и т.п. записана компьютерная программа, которая предоставляет инструкции в CPU во взаимодействии с OS (операционная система), и для исполнения различной обработки. Такая компьютерная программа исполняется путем загрузки ее в RAM, и она конфигурирует модуль управления во взаимодействии с CPU.
Кроме того, такая компьютерная программа может быть сохранена в сервере программы приложения, который соединен с устройством 100 обработки изображения через произвольную сеть 300, и вся она, или ее часть могут быть загружены, в соответствии с необходимостью.
Кроме того, программа, в соответствии с настоящим изобретением, может быть сохранена на машиночитаемом носителе записи и может быть выполнена, как программный продукт."Носитель записи" включает в себя любой "портативный физический носитель информации", такой как карта памяти, память USB, карта SD, гибкий диск, магнитооптический диск, ROM, EPROM, EEPROM, CD-ROM, МО, DVD и диск Blue ray (зарегистрированный товарный знак).
Кроме того, "программа" относится к способу обработки данных, записанному на любом языке, и к способу описания и не ограничена конкретным форматом, таким как исходные коды и двоичные коды. "Программа" не обязательно выполнена унитарно и включает в себя программу, составленную с распределением, как множество модулей и библиотек, и программу, которая воплощает свои функции во взаимодействии с разными программами, представители которых представляют собой OS (операционную систему). Хорошо известные конфигурации и процедуры могут использоваться для конкретной конфигурации и процедуры считывания, для считывания носителя записи, процесса установки после считывания носителя записи и т.п. в каждом устройстве, представленном в настоящем варианте осуществления.
Различные базы данных и т.п. (фреймлет файл 106а и файл 106b данных изображения), сохраненные в модуле 106 хранения, представляют собой модуль хранения, примеры которого представляют собой устройство памяти, такое как RAM и ROM, привод фиксированного диска, такой как жесткий диск, гибкий диск и оптический диск, и содержит различные программы, таблицы, базы данных, файлы для веб-страниц и т.п., которые используются для различной обработки или для предоставления веб-сайтов.
Кроме того, устройство 100 обработки изображения может быть выполнено, как устройство обработки информации, такое как известный персональный компьютер и рабочая станция, или может быть выполнено путем соединения произвольного периферийного устройства с устройством обработки информации. Кроме того, устройство 100 обработки изображения может быть реализовано путем установки программного обеспечения (включающего в себя программу, данные и т.п.), которые обеспечивают реализацию устройством обработки информации способа в настоящем изобретении.
Кроме того, конкретная форма распределения/интеграции устройств не ограничена представленными на чертежах, и все или часть их может быть выполнена путем функционального или физического распределения или интеграции их в любых требуемых модулях в соответствии с, например, различными добавлениями, или в соответствии с функциональной нагрузкой. Другими словами, описанные выше варианты осуществления могут быть воплощены в результате комбинирования их любым требуемым образом, или варианты осуществления могут быть выполнены избирательно. Хотя изобретение было описано в отношении конкретных вариантов осуществления для получения полного и ясного раскрытия, приложенные пункты формулы изобретения не будут ограничены, таким образом, но их следует рассматривать, как воплощающие все модификации и альтернативные конструкции, которые могут возникнуть у специалиста в данной области техники, которые должным образом попадают в пределы основного описания, представленного здесь.
Список номеров ссылочных позиций
100 устройство обработки изображения
102 модуль управления
102а модуль декомпозиции
102b модуль обработки коэффициента
102с модуль получения обработанного изображения
102d модуль реконструкции
102f модуль преобразования цветового пространства
102g модуль вывода обработанного изображения
104 модуль интерфейса управления связью
106 модуль хранения
106а фреймлет файл
106b файл данных изображения
108 модуль интерфейса управления вводом-выводом
112 устройство ввода
114 устройство вывода
200 внешняя система
300 сеть
Группа изобретений относится к технологиям обработки изображений. Техническим результатом является повышение качества обработки изображений за счет использования аппроксимирующего фильтра. Предложено устройство обработки изображения, содержащее по меньшей мере модуль хранения и модуль управления. Модуль хранения включает в себя модуль хранения фильтра для хранения набора аппроксимирующего фильтра без ориентации и банка фильтров, имеющий степень или вейвлет-фрейм, имеющий степень, установленную для аппроксимирующего фильтра, без какой-либо ориентации и множества детальных фильтров с соответствующими ориентациями, модуль хранения данных изображения для хранения данных изображения. Модуль управления включает в себя модуль декомпозиции для получения сигналов подполос посредством выполнения декомпозиции для множества разрешений для данных изображения с использованием набора аппроксимирующего фильтра без ориентации или банка фильтров или вейвлет-фрейма, установленных для аппроксимирующего фильтра. 7 н. и 17 з.п. ф-лы, 57 ил.
1. Устройство обработки изображения, которое содержит по меньшей мере модуль хранения и модуль управления, в котором
модуль хранения включает в себя:
модуль хранения фильтра для хранения набора аппроксимирующего фильтра без ориентации и банка фильтров, имеющий степень или вейвлет-фрейм, имеющий степень, установленную для аппроксимирующего фильтра, без какой-либо ориентации и множества детальных фильтров с соответствующими ориентациями; и
модуль хранения данных изображения для хранения данных изображения;
модуль управления включает в себя:
модуль декомпозиции для получения сигналов подполос посредством выполнения декомпозиции для множества разрешений для данных изображения с использованием набора аппроксимирующего фильтра без ориентации или банка фильтров или вейвлет-фрейма, установленных для аппроксимирующего фильтра; и
модуль получения обработанного изображения для получения обработанных данных изображения, формируемых сигналами подполосы на этапе декомпозиции для декомпозиции с множеством разрешений, полученных модулем декомпозиции, или обработанных данных изображения, реконструированных в изображение, посредством суммирования сигналов подполос на этапе синтеза декомпозиции с множеством разрешений, при этом
модуль декомпозиции дополнительно содержит модуль обработки, выполненный с возможностью осуществления ослабления или усиления любого из сигналов подполос на этапе декомпозиции при декомпозиции с множеством разрешений в соответствии с по меньшей мере одним из фильтров.
2. Устройство обработки изображения по п. 1, в котором модуль обработки выполнен с возможностью осуществления линейной или нелинейной обработки коэффициента деталей декомпозиции, представляющего собой коэффициент, полученный путем фильтрации фильтра деталей декомпозиции и/или коэффициента аппроксимации декомпозиции, представляющего собой коэффициент, полученный посредством фильтрации с аппроксимированием фильтром декомпозиции для сигналов подполос на этапе декомпозиции.
3. Устройство обработки изображения по п. 1 или 2, в котором модуль обработки выполнен с возможностью осуществления обработки порогового значения подполос сигналов на этапе декомпозиции для сигналов подполос на этапе декомпозиции.
4. Устройство обработки изображения по п. 1 или 2, в котором модуль обработки выполнен с возможностью осуществления обработки коэффициента деталей декомпозиции, представляющего собой коэффициент, полученный путем фильтрации фильтра деталей декомпозиции и/или коэффициента аппроксимации декомпозиции, представляющего собой коэффициент, полученный посредством фильтрации с аппроксимированием фильтром декомпозиции для уменьшения значений, имеющих меньшие абсолютные значения, являющиеся меньшими по абсолютному значению, по мере того, как энергия коэффициентов деталей декомпозиции, составляющих сигналы подполосы на этапе декомпозиции, становится большей, и для дополнительного повышения значений, имеющих меньшие абсолютные значения, по мере того, как энергия коэффициентов деталей декомпозиции становится меньше.
5. Устройство обработки изображения по п. 1 или 2, в котором модуль обработки выполнен с возможностью осуществления ослабления или усиления сигналов подполос на этапе декомпозиции, соответствующей по меньшей мере одному из фильтров, из фильтров, имеющих заданные характеристики частоты и/или заданные ориентации.
6. Устройство обработки изображения по п. 5, в котором заданные характеристики частоты устанавливаются в соответствии с положением в заданной компоновке фильтра на основе ориентации, на каждом уровне набора аппроксимирующего фильтра без ориентации или банка фильтров или вейвлет-фрейма, установленных для аппроксимирующего фильтра, и/или в соответствии с уровнем в декомпозиции с множеством разрешений.
7. Устройство обработки изображения по п. 1 или 2, в котором модуль обработки выполнен с возможностью относительного усиления сигналов подполос на этапе декомпозиции, соответствующих по меньшей мере одному из фильтров, не симметричных относительно оси в направлении ориентации фильтра, из фильтров, имеющих заданные частотные характеристики и/или заданные ориентации.
8. Устройство обработки изображения по п. 1 или 2, в котором модуль обработки выполнен с возможностью относительного усиления сигналов подполос на этапе декомпозиции, соответствующих по меньшей мере одному из фильтров, не симметричных относительно оси в направлении ориентации фильтра, из фильтров, имеющих заданные частотные характеристики и/или заданные ориентации, и относительного ослабления сигналов подполос на этапе декомпозиции, соответствующих по меньшей мере одному из фильтров, симметричных относительно оси в направлении ориентации фильтра.
9. Устройство обработки изображения по п. 1 или 2, в котором модуль обработки выполнен с возможностью ослабления или усиления сигналов подполос на этапе декомпозиции посредством выполнения обработки коэффициентов деталей декомпозиции и/или коэффициентов аппроксимации декомпозиции, выводимых на этапе декомпозиции.
10. Устройство обработки изображения, содержащее по меньшей мере модуль хранения и модуль управления, в котором
модуль хранения содержит:
модуль хранения фильтра для хранения вейвлет-фрейма с избирательностью ориентации или банка фильтров с избирательностью ориентации, установленного из аппроксимирующего фильтра без ориентации и множества детальных фильтров с соответствующими ориентациями; и
модуль хранения данных изображения для хранения данных изображения, а
модуль управления содержит:
модуль декомпозиции для получения сигналов подполос посредством выполнения декомпозиции с множеством разрешений для соответствующих компонентов цветности данных изображения с использованием вейвлет-фрейм с избирательностью ориентации или банка фильтров с избирательностью ориентации, и
модуль реконструкции для получения реконструированных данных изображения посредством реконструкции изображения путем суммирования сигналов подполос соответствующих компонентов цветности на этапе синтеза, полученных модулем декомпозиции; при этом
модуль декомпозиции дополнительно содержит модуль обработки коэффициента, выполненный с возможностью осуществления обработки коэффициента деталей декомпозиции, представляющего собой коэффициент, полученный путем фильтрации фильтра деталей декомпозиции и/или коэффициента аппроксимации декомпозиции, представляющего собой коэффициент, полученный посредством фильтрации с аппроксимированием фильтром декомпозиции, между этапом декомпозиции и этапом синтеза в декомпозиции с множеством разрешений, для коэффициентов деталей декомпозиции, выводимых на этапе декомпозиции, для уменьшения значений, имеющих малые абсолютные значения, так, чтобы они были меньше по абсолютному значению, по мере того, как энергия коэффициентов деталей декомпозиции становится больше, и для дополнительного увеличения значений, имеющих малые абсолютные значения, по мере того, как энергия коэффициентов деталей декомпозиции становится меньше.
11. Устройство обработки изображения по п. 10, в котором компоненты цветности представляют собой L*, а* и b* в пространстве цветов CIELAB или соответствующие компоненты цветности в пространстве цветов, аналогичном зрению человека.
12. Устройство обработки изображения по п. 11, в котором модуль обработки коэффициента выполнен с возможностью осуществления обработки коэффициента, скорректированной в отношении компонента (компонентов) цветности для а* и/или b* данных изображения, для уменьшения значений, имеющих малые абсолютные значения, так, чтобы они были меньше по абсолютному значению, по мере того, как энергия, определенная коэффициентом (коэффициентами) деталей декомпозиции, такими как а* и/или b* и коэффициентом деталей декомпозиции в L*, становится больше, и для того, чтобы дополнительно увеличить значения, имеющие малые абсолютные значения, по мере того, как энергия становится меньше.
13. Устройство обработки изображения по любому из пп. 10-12, в котором модуль обработки коэффициента выполнен с возможностью осуществления обработки коэффициента с использованием функции, автоматически непрерывно изменяющейся в S-образную кривую, когда энергия коэффициентов деталей декомпозиции больше, и в N-образную кривую, когда энергия меньше.
14. Устройство обработки изображения по любому из пп. 10-12, в котором модуль обработки коэффициента выполнен с возможностью нормализации, между этапом декомпозиции и этапом синтеза, коэффициентов деталей декомпозиции, затем выполнения обработки коэффициентов для нормализованных коэффициентов деталей декомпозиции с использованием нормы нормализованных коэффициентов деталей декомпозиции в качестве энергии и выполнения обратной операции нормализации нормализованных коэффициентов деталей декомпозиции, обработанных при обработке коэффициента.
15. Устройство обработки изображения по любому из пп. 10-12, в котором модуль обработки коэффициента дополнительно выполнен с возможностью осуществления обработки в соответствии с различиями знака коэффициентов деталей декомпозиции.
16. Устройство обработки изображения по любому из пп. 10-12, в котором модуль декомпозиции выполнен с возможностью осуществления декомпозиции с множеством разрешений с использованием биортогонального банка вейвлет фильтров, в котором ориентации включают в себя горизонтальные, вертикальные и диагональные направления или набора аппроксимирующего фильтра без ориентации или банка фильтров или вейвлет-фрейма, установленных для аппроксимирующего фильтра, ориентация которого является многонаправленной.
17. Устройство обработки изображения по любому из пп. 10-12, в котором декомпозиция с множеством разрешений, выполняемая модулем декомпозиции, представляет собой максимальную декомпозицию прореживаний с множеством разрешений или декомпозицию частичного прореживания с частичным множеством разрешений.
18. Устройство обработки изображения по любому из пп. 10-12, в котором модуль управления дополнительно содержит модуль вывода, выполненный с возможностью вывода результата сравнения данных изображений, хранящихся в модуле хранения данных изображений, и данных реконструированного изображения.
19. Устройство обработки изображения по любому из п.п. 10-12, в котором хранящиеся в модуле хранения данных изображений данные изображений являются изображениями иллюзии цвета-контраста.
20. Способ обработки изображения, выполняемый устройством обработки изображения, содержащим по меньшей мере модуль хранения и модуль управления, в котором
модуль хранения содержит:
модуль хранения фильтра для хранения набора аппроксимирующего фильтра без ориентации и банк фильтров, имеющий степень или вейвлет-фрейм, имеющий степень, установленную для аппроксимирующего фильтра, без какой либо ориентации и множества детальных фильтров с соответствующими ориентациями; и
модуль хранения данных изображения для хранения данных изображения,
при этом способ содержит:
этап декомпозиции, на котором получают сигналы подполосы посредством выполнения декомпозиции с множеством разрешений набора аппроксимирующего фильтра без ориентации или банка фильтров или вейвлет-фрейма, установленных для аппроксимирующего фильтра, для данных изображения, и
этап получения обработанного изображения, на котором получают данные обработанного изображения по сигналам подполосы на этапе декомпозиции для декомпозиции с множеством разрешений, полученных модулем декомпозиции, или обработанных данных изображения, реконструированных в изображение посредством суммирования сигналов подполос на этапе синтеза декомпозиции с множеством разрешений, причем
этап декомпозиции и этап получения обработанного изображения выполняются с помощью модуля управления; при этом
этап декомпозиции дополнительно включает в себя этап обработки, на котором выполняют ослабление или усиление любого из сигналов подполос на этапе декомпозиции для декомпозиции с множеством разрешений в соответствии с по меньшей мере одним из фильтров.
21. Способ обработки изображения, выполняемый устройством обработки изображения, содержащим по меньшей мере модуль хранения и модуль управления, при этом
модуль хранения содержит:
модуль хранения фильтра для хранения вейвлет-фрейма с избирательностью ориентации или банка фильтров с избирательностью ориентации, установленного из аппроксимирующего фильтра без ориентации и множества детальных фильтров с соответствующими ориентациями; и
модуль хранения данных изображения для хранения данных изображения, при этом
способ содержит:
этап декомпозиции, на котором получают сигналы подполосы посредством выполнения декомпозиции для множество разрешений для соответствующих компонентов цветности в данных изображения с использованием вейвлет-фрейма с избирательностью ориентации или банка фильтров с избирательностью ориентации; и
этап реконструкции, на котором получают реконструированные данные изображения посредством реконструкции изображения в результате суммирования сигналов подполос соответствующих компонентов цветности на этапе синтеза, полученных на этапе декомпозиции, причем
этап декомпозиции и этап реконструкции выполняют с помощью модуля управления, при этом
этап декомпозиции дополнительно содержит этап обработки коэффициента, на котором выполняют обработку коэффициента деталей декомпозиции, представляющего собой коэффициент, полученный путем фильтрации фильтра деталей декомпозиции, и/или коэффициента аппроксимации декомпозиции, представляющего собой коэффициент, полученный посредством фильтрации с аппроксимированием фильтром декомпозиции, между этапом декомпозиции и этапом синтеза при декомпозиции с множеством разрешений для коэффициентов деталей декомпозиции, выводимых на этапе декомпозиции, так, чтобы уменьшить значения, имеющие малые абсолютные значения, так, чтобы они были меньше по абсолютному значению, по мере того, как энергия коэффициентов деталей декомпозиции становится больше, и так, чтобы дополнительно повысить значения, имеющие малые абсолютные значения, по мере того, как энергия коэффициентов деталей декомпозиции становится меньше.
22. Считываемый компьютером носитель записи, хранящий программу, вызывающую выполнение устройством обработки изображения, содержащим по меньшей мере модуль хранения и модуль управления, способа обработки изображения, в котором
модуль хранения содержит:
модуль хранения фильтра для хранения набора аппроксимирующего фильтра без ориентации и банк фильтров, имеющий степень или вейвлет-фрейм, имеющий степень, установленную для аппроксимирующего фильтра, без какой-либо ориентации и множества детальных фильтров с соответствующими ориентациями; и
модуль хранения данных изображения для хранения данных изображения, при этом
программа вызывает исполнение модулем управления:
этапа декомпозиции, на котором получают сигналы подполосы посредством выполнения декомпозиции с множеством разрешений с использованием набора аппроксимирующего фильтра без ориентации или банка фильтров или вейвлет-фрейма, установленных для аппроксимирующего фильтра, для данных изображения, и
этапа получения обработанного изображения, на котором получают данные обработанного изображения по сигналам подполосы на этапе декомпозиции для декомпозиции с множеством разрешений, полученных модулем декомпозиции, или обработанные данные изображения, реконструированные в изображение, посредством суммирования сигналов подполос на этапе синтеза декомпозиции с множеством разрешений, при этом
этап декомпозиции дополнительно включает в себя этап обработки, на котором выполняют ослабление или усиление любого из одного из сигналов подполос на этапе декомпозиции для декомпозиции с множеством разрешений, соответствующей по меньшей мере одному из фильтров.
23. Считываемый компьютером носитель записи, хранящий программу, вызывающую выполнение устройством обработки изображения, содержащим по меньшей мере модуль хранения и модуль управления, способа обработки изображения, в котором
модуль хранения включает в себя:
модуль хранения фильтра для хранения вейвлет-фрейма с избирательностью ориентации или банка фильтров с избирательностью ориентации, установленного из аппроксимирующего фильтра без ориентации и множества детальных фильтров с соответствующими ориентациями; и
модуль хранения данных изображения для хранения данных изображения, при этом программа вызывает исполнение модулем управления:
этапа декомпозиции, на котором получают сигналы подполос посредством декомпозиции с множеством разрешений с помощью вейвлет-фрейма с избирательностью ориентации или банка фильтров с избирательностью ориентации по соответствующим компонентам цветности данных изображения; и
этап реконструкции, на котором получают данные реконструированного изображения посредством реконструкции изображения путем суммирования сигналов подполос соответствующих компонентов цветности на этапе синтеза, полученной на этапе декомпозиции, при этом
этап декомпозиции дополнительно содержит этап обработки коэффициента, на котором осуществляют выполнение обработки коэффициента деталей декомпозиции, представляющего собой коэффициент, полученный путем фильтрации фильтра деталей декомпозиции и/или коэффициента аппроксимации декомпозиции, представляющего собой коэффициент, полученный посредством фильтрации с аппроксимированием фильтром декомпозиции, между этапом декомпозиции и этапом синтеза в декомпозиции с множеством разрешений, по коэффициентам деталей декомпозиции, выводимым на этапе декомпозиции, для уменьшения значений, имеющих малые абсолютные значения, для уменьшения по абсолютному значению по мере того, как энергия коэффициентов деталей декомпозиции становится большей, так, чтобы дополнительно повысить значения, имеющие малые абсолютные значения, по мере того, как энергия коэффициентов деталей декомпозиции становится меньше.
24. Считываемый компьютером носитель записи, хранящий данные изображения для отображения обработанного изображения, при этом
обработанное изображение включает в себя соответствующие компоненты, составляющие оригинальное изображение, выделяемые с использованием аппроксимирующего фильтра без ориентации или вейвлет-фрейма, установленного для аппроксимирующего фильтра, или соответствующие компоненты, составляющие оригинальное изображение, выделенные с использованием вейвлет-фрейма с избирательностью ориентации или банка фильтров с избирательностью ориентации; при этом
заданные компоненты из указанных компонентов ослаблены или усилены.
| Колосоуборка | 1923 |
|
SU2009A1 |
| Способ и приспособление для нагревания хлебопекарных камер | 1923 |
|
SU2003A1 |
| Колосоуборка | 1923 |
|
SU2009A1 |
| Колосоуборка | 1923 |
|
SU2009A1 |
| СПОСОБ АВТОМАТИЧЕСКОГО УЛУЧШЕНИЯ ПОЛУТОНОВОГО ИЗОБРАЖЕНИЯ | 2000 |
|
RU2174710C1 |
| ЛИСТОВОЙ МАТЕРИАЛ С ПЛАВАЮЩИМ КОМБИНИРОВАННЫМ ИЗОБРАЖЕНИЕМ | 2000 |
|
RU2273038C2 |
