DE602005004693T2

DE602005004693T2 - Radiometrische kalibrierung von einem einzelnen bild

Info

Publication number: DE602005004693T2
Application number: DE602005004693T
Authority: DE
Inventors: Heung-Yeung Redmond Shum; Jinwei Redmond Gu; Stephen S. Redmond Lin
Original assignee: Microsoft Corp
Current assignee: Microsoft Corp
Priority date: 2004-03-23
Filing date: 2005-03-18
Publication date: 2009-02-12
Anticipated expiration: 2025-03-19
Also published as: EP1600893B1; CN100429924C; US20050213813A1; JP2005292132A; EP1600893A2; US20060008141A1; US7450754B2; US7463769B2; EP1600893A3; DE602005004693D1; KR101183343B1; ATE386313T1; CN1674636A; KR20060044605A; JP4750443B2; US7986830B2; US20090080772A1

Description

GEBIET DER ERFINDUNG
Verschiedene Ausführungsformen, die unten beschrieben sind, beziehen sich im Allgemeinen auf Bildverarbeitung, und spezieller gesagt, aber nicht ausschließlich, auf eine radiometrische Kalibrierung von Bildern.
HINTERGRUND DER ERFINDUNG
In manchen Anwendungen ist es wünschenswert, ein Bildaufnahmegerät (z. B. eine digitale Kamera) zu kalibrieren, so dass die Farben des Bildes (d. h. die gemessenen Farben) den tatsächlichen Farben (d. h. die Strahlung der Szene/Radianz der Szene), die durch das Bildaufnahmegerät (das hier auch einfach als Gerät bezeichnet wird) empfangen werden, genauer entsprechen.
1 (Stand der Technik) zeigt ein Beispiel eines Systems 100, das eine digitale Kamera 102 einschließt, die eine Resonanzfunktion (response function) 104 aufweist. Im Betrieb nimmt die digitale Kamera 102 ein Bild einer Szene 106 (über deren Szeneradianz/Szenestrahlung (scene radiance)) auf, und gibt gemessene Farben aus, die verwendet werden, um ein digitales Bild 108 zu bilden. Die gemessenen Farben des digitalen Bildes 108 beziehen sich durch die Resonanzfunktion 104 auf die Szeneradianz (ebenso als die radiometrische Resonanz (radiometric response) bezeichnet). Im Allgemeinen ist die Resonanzfunktion 104 nicht linear und hängt von der Kamera ab. Des Weiteren kann die Resonanzfunktion unterschiedlich sein, selbst wenn die Kameras vom selben Modell sind.
Die Kamera 102 kann dadurch kalibriert werden, dass die „Inverse" der Resonanzfunktion 104 gefunden wird, so dass idealerweise die gemessenen Farben auf Farben abgebildet werden, die der Szeneradianz exakt entsprechen. In einem Ansatztyp nimmt ein Benutzer ein Bild einer „Referenz"-Farbszene auf (d. h. die Szene hat Regionen einer bekannten Farbe), so dass die gemessene Farbausgabe durch die Kamera 102 mit den tatsächlichen Farben verglichen werden kann. Deshalb benötigt dieser Ansatztyp ein Bild der „Referenz". In einem anderen Ansatztyp wird eine Vielzahl von Bildern einer Szene benötigt. In einem bestimmten Ansatz wird die Reihe von Bildern unter verschiedenen, genau bekannten Aufnahmeeinstellungen aufgenommen, wobei alle Bilder registriert werden (d. h. sie werden aufgenommen, wobei die Positionen der Kamera und der Szene unverändert bleiben).
Jedoch haben diese konventionellen Lösungen dadurch Mängel, dass in manchen Szenarien weder ein „Referenz"-Bild, das durch die Kamera aufgenommen wurde, noch eine Reihe von registrierten Bildern mit unterschiedlichen Aufnahmeeinstellungen verfügbar sein können. Z. B. kann in manchen Szenarien nur ein Bild verfügbar sein, wobei keine der Kamera- und der Aufnahmeeinstellungen, die zur Aufnahme des Bildes verwendet wurden, bekannt sind.
EP 0 562 971 A1 bezieht sich auf ein Verfahren und eine Vorrichtung zur adaptiven Charakterisierung und Kalibrierung von Farbdokumentscannern, Farbanzeigeeinheiten und Farbdruckern, und zum Bereitstellen einer eindeutigen Kalibrierungsumformung für jedes Gerät unter Verwendung eines günstigen achromatischen Sensors, der die Gerätebestandsvarianz (device population variance) dadurch minimiert, dass er ein Verfahren zum Erzeugen einer beschränkten (constrained) kanalunabhängigen Linearisierung, einer Zweck- oder Zielkurvenskalierung, um eine gewünschte Farbbalance zu erreichen, und eine Zweckkurvenskalierung (aim curve scaling) für eine Kanalsättigungskorrektur bereitstellt.
EP 1 117 070 A2 bezieht sich auf ein Diagramm und eine Methodik zur Verwendung des Diagramms, um die Farbdarstellung von digitalen Bildern zu verbessern. Des Weiteren weist das Diagramm eine Vielzahl von Farbstellen (color patches) auf, wobei jede Farbstelle Informationen einschließt, die die Zuordnung von digitalisierten Farbdaten von einem Bild erlaubt, das durch verschiedene Mittel aufgenommen wurde, um ein Profil zu konstruieren, das beim Modifizieren der Farbtonskala und Farbe des digitalen Bildes verwendbar ist, wobei die Anzahl der Farbstellen größer als 24 ist und ausgewählt wird, um nicht lineare Charakteristika der Bildaufnahme zu kompensieren.
KURZFASSUNG
Es ist die Aufgabe der Erfindung, ein verbessertes Verfahren und System zur radiometrischen Kalibrierung von Bildern und der Kalibrierung eines Bildaufnahmegerätes bereitzustellen.
Diese Aufgabe wird durch die vorliegende Erfindung, wie in den unabhängigen Ansprüchen beansprucht, gelöst.
Bevorzugte Ausführungsformen werden durch die abhängigen Ansprüche definiert.
Gemäß einem Aspekt der verschiedenen beschriebenen Ausführungsformen, werden Systeme und Verfahren zur radiometrischen Kalibrierung eines einzelnen Bildes bereitgestellt. In einem Aspekt wird ein System verwendet, um die inverse Resonanzfunktion (inverse response function) einer Kamera von einem einzelnen digitalen Bild einer Szene, in der die tatsächlichen Farben der Szene von vorneherein nicht bekannt sind, zu kalkulieren. Das System analysiert Pixel des Bildes, die einer „Kante" zwischen zwei Farben der Szene entsprechen. Deshalb stellen diese „Kanten"-Pixel eine gemischte Farbe dar, die von diesen zwei „Komponenten"-Farben, wie sie durch die Kamera gemessen wurden, gebildet wird. Es kann gezeigt werden, dass in einem idealen Fall solch eine gemischte Farbe auf einem Linienabschnitt (Liniensegment) liegt, die ihre Komponentenfarben im RGB-Farbraum verbindet. Jedoch verursacht die Resonanzfunktion von typischen echten Kameras, dass eine gemessene gemischte Farbe in Bezug auf ihre gemessenen Komponentenfarben nicht linear ist. Gemäß diesem Aspekt ermittelt das System eine inverse Resonanzfunktion zumindest teilweise dadurch, dass: (A) geeignete Kantenpixel gefunden werden; und (B) eine Funktion ermittelt wird, die die gemessenen, gemischten Farben der Kantenpixel und deren gemessene Komponentenfarben auf lineare Verteilungen abbildet.
In einem anderen Aspekt werden Referenzdaten, die vorgegebene inverse Resonanzfunktionen von bekannten Kameras einschließen, beim Ermitteln einer inversen Resonanzfunktion verwendet. In einer Ausführungsform, die diesen Aspekt einschließt, werden Bayes'sche Abschätzungstechniken verwendet, um eine inverse Resonanzfunktion zu finden.
KURZE BESCHREIBUNG DER ZEICHNUNGEN
Nicht einschränkende und nicht erschöpfende Ausführungsformen werden mit Bezug auf die folgenden Figuren beschrieben.
1 (Stand der Technik) ist ein Blockdiagramm, das eine Kamera darstellt, die ein Bild einer Szene aufnimmt, um ein digitales Bild zu erzeugen.
2 ist ein Blockdiagramm eines Systems, das imstande ist, eine inverse Resonanzfunktion von einem einzelnen Bild gemäß einer Ausführungsform zu ermitteln.
3 ist ein Flussdiagramm, das den Funktionsablauf des Systems aus 1 beim Ermitteln einer inversen Resonanzfunktion von einem einzelnen Bild gemäß einer Ausführungsform veranschaulicht.
4 ist ein Diagramm, das Kantenpixel in einem Bild veranschaulicht, die beim Ermitteln einer inversen Resonanzfunktion von einem einzelnen Bild gemäß einer Ausführungsform verwendet werden.
5 ist ein Diagramm, das die Bildstrahlen (image irradiance) der Pixel, die in 4 gezeigt sind, in einem Rot-Grün-Blau-Farbraum (RGB-Farbraum) veranschaulicht.
6 ist ein Diagramm, das die gemessene Farbe der Pixel, die in 4 gezeigt sind, im RGB-Farbraum veranschaulicht.
7 ist ein Diagramm, das eine gemessene Farbe eines Beispiel-Kantenpixels und die gemessenen Farben seiner Komponentenfarben im RGB-Raum veranschaulicht.
8 ist ein Diagramm, das unter Verwendung einer inversen Resonanzfunktion die resultierende Verteilung nach der Umformung der gemessenen Farben, die in 7 gezeigt sind, veranschaulicht.
9 ist ein Flussdiagramm, das den Funktionsablauf, der in 3 gezeigt ist, detaillierter veranschaulicht, um eine Funktion zu ermitteln, die die gemessenen, gemischten Farben gemäß einer Ausführungsform linearisiert.
10 ist ein Datenablaufdiagramm, das einen Datenablauf beim Ermitteln einer inversen Resonanzfunktion von einem einzelnen Bild gemäß einer Ausführungsform veranschaulicht.
11 ist ein Blockdiagramm, das eine Beispielcomputerumgebung darstellt, die zum Ausüben der oben genannten Ausführungsformen geeignet ist.
DETAILLIERTE BESCHREIBUNG
Verschiedene Ausführungsformen sind auf ein Verfahren und System zum Berechnen der inversen Resonanzfunktion einer Kamera von einem einzelnen digitalen Bild einer Szene gerichtet, indem die aktuellen Farben der Szene von vorneherein nicht bekannt sind. Diese Ausführungsformen analysieren Pixel des Bildes, die einer „Kante" zwischen zwei Farben der Szene entsprechen. Die „Kantenpixel" haben Werte, die eine gemischte Farbe darstellen, die von diesen zwei „Komponentenfarben", wie sie durch die Kamera gemessen wurden, gebildet wird. Die Resonanzfunktion der Kamera verursacht, dass die gemessene gemischte Farbe in Bezug auf ihre gemessenen Komponentenfarben nicht linear ist. Die Ausführungsformen, die unterhalb beschrieben sind, können eine inverse Resonanzfunktion mindestens teilweise dadurch ermitteln, dass Kantenpixel gefunden werden, und anschließend eine Funktion ermittelt wird, die die gemischten Farben der Kantenpixel und die gemessenen Komponentenfarben auf lineare Verteilungen abbildet. Verschiedene Ausführungsformen werden unterhalb beschrieben.
2 ist ein Blockdiagramm, das ein Kalibrierungssystem 201 darstellt, das imstande ist, eine inverse Resonanzfunktion von einem einzelnen Bild gemäß einer Ausführungsform zu ermitteln. In diesem Beispiel schließt das System 201 einen Kantenpixeldetektor 203, einen Farbanalysierer 205, einen inversen Resonanzabschätzer (Schätzfunktion) 207 und einen Datenspeicher 209, der inverse Resonanzfunktionsdaten einschließt, die von verschiedenen echten Kameras gesammelt wurden, ein. Diese Sammlung an inversen Resonanzdaten wird hier auch als Referenzdaten bezeichnet. In einer Ausführungsform umfassen die inversen Resonanzfunktionsdaten die Datenbank der Resonanzfunktionen (Database of Response Functions – DoRF) wie sie in Grossberg, M. D. und Nayar S. K., „What is the Space of Camera Response Functions", Proc. IEEE Corp. Vision and Pattern Recognition (CVPR'03), Volume II, Juni 2003, Seiten 602 bis 609, beschrieben wird. Die oben beschriebenen Elemente des Kalibrierungssystems 201 können in manchen Ausführungsformen als Softwarekomponenten implementiert werden.
In einer Ausführungsform ist der Kantenpixeldetektor 203 so konfiguriert, dass er Kantenpixel in einem digitalen Bild 108 findet, in dem jedes der Pixel eine Region, die eine Farbe aufweist, und eine andere Region, die eine andere Farbe aufweist, zeigt (images). Jedes dieser Pixel stellt eine gemischte Farbe dar, die von zwei Farben erlangt wurde, die als Komponentenfarben der gemischten Farbe dienen.
In einer Ausführungsform ist der Farbanalysierer 205 so eingerichtet, dass er Messungen der gemischten und der Komponentenfarben der Pixel gewinnt, die durch den Kantenpixeldetektor 203 gefunden wurden. Ebenso ist in dieser Ausführungsform der inverse Resonan zabschätzer 207 eingerichtet, um eine inverse Resonanzfunktion zu generieren, die die Messungen der gemischten und der Komponentenfarben der gefundenen Pixel in eine lineare Verteilung abbildet. Eine Ausführungsform des Kalibrierungssystems 201 arbeitet, wie unterhalb in Verbindung mit 3 beschrieben, um eine inverse Resonanzfunktion zu ermitteln.
3 stellt einen funktionalen Ablauf des Kalibrierungssystems 201 (2) beim Ermitteln einer inversen Resonanzfunktion von einem einzelnen Bild gemäß einer Ausführungsform dar. Dieser beispielhafte funktionelle Ablauf wird unterhalb in Bezug auf die 2 und 3 beschrieben.
In einem Block 302 findet das System 201 Kantenpixel in einem digitalen Bild 108 (1). In dieser Ausführungsform findet der Kantenpixeldetektor 203 Kantenpixel in dem digitalen Bild 108, um einen Beobachtungssatz zu bilden. Wie vorher beschrieben sind Kantenpixel Pixel, die einer „Kante" zwischen zwei Farben der Szene 106 entsprechen. Die Kantenpixel haben Werte, die einer gemischten Farbe entsprechen, die aus diesen zwei „Komponentenfarben", wie sie durch die Kamera gemessen werden, gebildet wird.
Beispielhafte Kantenpixel werden in 4 dargestellt, welche einen 3 × 3 großen Pixelausschnitt 400 (Patch) zeigt. Ein Pixel 401 in der oberen linken Ecke des Ausschnitts 400 hat eine einheitliche Farbe, was durch die Schraffur mit „diagonalen Linien" angezeigt wird (hier als die erste Farbe bezeichnet). Zusätzlich haben die zwei Pixel in dem Ausschnitt 400 unterhalb des Pixels 401 dieselbe einheitliche erste Farbe. Im Unterschied dazu hat ein Pixel 403 in der oberen rechten Ecke des Ausschnitts 400 eine unterschiedliche, einheitliche Farbe, was durch ein Muster mit „Punkten" gezeigt wird (hier als die zweite Farbe bezeichnet). Die zwei Pixel unterhalb des Pixels 403 haben ebenso dieselbe einheitliche zweite Farbe. Die Pixel 405, 407 und 409 in der mittleren Spalte des Ausschnitts 400 haben Regionen mit sowohl der ersten als auch der zweiten Farbe und werden deshalb hier als Kantenpixel bezeichnet. Die erste und die zweite Farbe werden hier ebenso als Komponentenfarben des Kantenpixels 405 bezeichnet. Das Kantenpixel 405 gibt eine „gemischte" Farbe aus, die von einer Kombination der ersten und der zweiten Farbe gebildet wird.
In einer Ausführungsform schließt der Kantenpixeldetektor 203 einen Canny-Kantendetektor ein (siehe z. B. Canny, J., „A Computational Approach to Egde Detection", IEEE Trans. Pattern Analysis and Machine Intelligence, Volume 8, Nr. 6, Juni 1986, Seiten 679 bis 698), um die Kantenpixel zu erkennen. In anderen Ausführungsformen können unterschiedliche Kantendetektoren verwendet werden.
In einem Block 304 wird die gemessene Farbe von jeder Region der Kantenpixel erlangt. In dieser Ausführungsform ist der Farbanalysierer 205 so eingerichtet, dass er die gemessenen, gemischten Farben von jedem Kantenpixel unter Verwendung von nicht-Kantenpixeln erlangt, die dieselben Farben, wie die Komponentenfarben in den Kantenpixeln aufweisen. Z. B. kann der Farbanalysierer 205 für das Kantenpixel 405 die gemessene Farbe des Pixels 401 für die gemessene Farbe der ersten Farbregion des Kantenpixels 405 verwenden. Gleichermaßen kann der Farbanalysierer 205 die gemessene Farbe des Pixels 403 für die gemessene Farbe der zweiten Farbregion des Kantenpixels 405 verwenden.
Des Weiteren ermittelt in dieser Ausführungsform der Farbanalysierer 205, ob ein Kantenpixel geeignet ist, um in der Ermittlung einer inversen Resonanzfunktion verwendet zu werden. Z. B. ermittelt in einer Ausführungsform der Farbanalysierer 205, ob: (A) die Farbvarianz (mit Bezug auf die euklidische RGB-Distanz) der ersten und der zweiten Farbe innerhalb eines festgelegten Schwellenwertes liegt (d. h. die erste und die zweite Farbe sind ausreichend einheitlich); und (B) die Durchschnittsfarbe der ersten und der zweiten Farbe haben mindestens eine festgelegte Distanz voneinander (d. h. die erste und die zweite Farbe liegen weit genug auseinander, um den Effekt des Bildrauschens zu reduzieren). Zusätzlich wird in dieser Ausführungsform eine Kantenregion (hier ebenso als Kantenfenster bezeichnet) ignoriert, die Kantenpixel enthält, die eine gemischte Farbe aufweisen, die außerhalb des Bereichs liegt, der durch die erste und die zweite Farbe begrenzt wird. In anderen Ausführungsformen kann der Farbanalysierer 205 unterschiedliche Verfahren zum Erlangen der gemessenen Farben der Komponentenfarben der Kantenpixel verwenden.
In einem Block 306 werden die gemessenen Farben der Kantenpixel erlangt. In dieser Ausführungsform ist der Farbanalysierer 205 so eingerichtet, dass die gemessene gemischte Farbe von jedem Kantenpixel erlangt wird. Es kann gezeigt werden, dass im idealen Fall eine gemischte Farbe auf einem Liniensegment liegen wird, das ihre Komponentenfarben in dem RGB-Farbraum verbindet. Ein Beispiel ist in 5 gezeigt, indem die Kantenpixel aus 4 im RGB-Raum eingetragen sind. Ein Punkt 501 repräsentiert die Farbe des Pixels 401 im RGB-Raum und ein Punkt 503 repräsentiert die Farbe des Pixels 403 im RGB-Raum. Diese Farben sind die Komponentenfarben der Kantenpixel in dem Ausschnitt 400 (4). Ein Punkt 505 repräsentiert die Farbe des Kantenpixels 405 im RGB-Farbraum; ein Punkt 507 repräsentiert die Farbe des Kantenpixels 407 im RGB-Farbraum, usw. Wie es in 5 gezeigt ist, liegen die Farben der Kantenpixel 405, 407 und 409 (repräsentiert durch die Punkte 505, 507 bzw. 509) auf einem Liniensegment, das die Farben der Pixel 401 und 403 (repräsentiert durch die Punkte 501 bzw. 503) verbindet.
Jedoch ist in derzeit, kommerziell verfügbaren Kameras die gemessene Farbe von einem Kantenpixel in Bezug auf dessen gemessene Komponentenfarben nicht linear. Ein Beispiel ist in 6 gezeigt. Ein Punkt 601 repräsentiert die gemessene Farbe des Pixels 401 (4) im RGB-Raum, und ein Punkt 603 repräsentiert die gemessene Farbe des Pixels 403 (4) im RGB-Raum. Diese gemessenen Farben sind die gemessenen Komponentenfarben der Kantenpixel des Ausschnitts 400 (4). Ein Punkt 605 repräsentiert die gemessenen Farben des Kantenpixels 405 (4) im RGB-Farbraum; ein Punkt 607 repräsentiert die gemessene Farbe des Kantenpixels 407 im RGB-Farbraum, usw. Wie es in 6 gezeigt ist, liegen die Farben der Kantenpixel 405, 407 und 409 (repräsentiert durch die Punkte 605, 607 bzw. 609) auf einem Kurvensegment, das die gemessenen Farben der Pixel 401 und 403 (repräsentiert durch die Punkte 601 bzw. 603) verbindet.
In einem Block 308 (wieder mit Bezug auf die 1 und 3) wird eine Funktion ermittelt, die die gemessenen gemischten Farben und deren Komponentenfarben linearisiert (z. B. die gemessenen, nicht linearen Messungsfarben auf eine lineare Verteilung im RGB-Farbraum abbildet). In einer Ausführungsform ermittelt der Farbanalysierer 205 eine Funktion g, die die gemessenen, gemischten und gemessenen Komponentenfarben linearisiert. Des Weiteren kann in einer Ausführungsform der Farbanalysierer 205 so konfiguriert sein, dass er den Bereich (domain) und den Co-Bereich (co-domain) der Linearisierungsfunktion g normalisiert, so dass g(0) = 0 und g (1) = 1 gilt, um Skalierungsunterschiede zu berücksichtigen.
Des Weiteren verwendet in dieser Ausführungsform der Invers-Resonanzgenerator 207 anschließend die Linearisierungsfunktion g und Referenzdaten aus dem Datenspeicher 209, um eine inverse Resonanzfunktion 211 zu generieren. In einer Ausführungsform werden die Referenzdaten verwendet, um die Linearisierungsfunktion g über Intervalle von unvollständigen Farbdaten zu interpolieren und zu extrapolieren. In einer alternativen Ausführungsform kann die Linearisierungsfunktion g als die inverse Resonanzfunktion der Kamera verwendet werden, so dass der Invers-Resonanzgenerator 207 und der Datenspeicher 209 nicht implementiert werden müssen. Eine Ausführungsform des funktionalen Ablaufs zum Ermitteln der inversen Resonanzfunktion wird unterhalb in Verbindung mit 9 beschrie ben. Auf diese Weise kann das Kalibrierungssystem 201 vorteilhafterweise eine inverse Resonanzfunktion aus einem einzelnen Bild beschaffen. Des Weiteren müssen die tatsächlichen Szenefarben nicht vorher bekannt sein. Deshalb erfordert das Kalibrierungssystem 201 weder von der Kamera, eine inverse Resonanzfunktion zu finden, noch mehrere Bilder, die durch die Kamera aufgenommen werden, noch irgendein anderes Wissen der Aufnahmeeinstellungen, die verwendet wurden, um das Bild aufzunehmen.
Obwohl der obige funktionale Ablauf sequenziell in Verbindung mit 3 beschrieben wurde, können in anderen Ausführungsformen Funktionen in unterschiedlicher Reihenfolge und/oder parallel zueinander ausgeführt werden.
Ein vereinfachtes Beispiel der Linearisierung der gemessenen Kantenpixelfarben ist grafisch in den 7 und 8 dargestellt. In 7 repräsentiert ein Punkt 701 die gemessene Farbe von einer Komponentenfarbe von einem Kantenpixel im RGB-Raum (ebenso als M1 bezeichnet). Ein Punkt 703 repräsentiert die gemessene Farbe der anderen Komponentenfarbe (ebenso bezeichnet als M2) des Kantenpixels im RGB-Raum. Ein Punkt 705 repräsentiert die gemessene, gemischte Farbe des Kantenpixels (ebenso bezeichnet als Mp). Wie es in 7 gesehen werden kann, verbindet eine Kurve die Punkte 701, 703 und 705 aufgrund der nicht linearen Resonanzfunktion der Kamera, die verwendet wurde, um die Szene aufzunehmen. Die Kurven 706, 708 und 710 repräsentieren die Verteilung der gemischten Farben von anderen Kantenpixeln, die unterschiedliche Komponentenfarben aufweisen, als jene von der gemessenen gemischten Farbe (Mp), die durch den Punkt 705 repräsentiert wird. In einem typischen Bild würden vielmehr solcher Kurven auftreten, aber es werden nur diese wenigen in 7 gezeigt, um eine Überladung der Figur zu vermeiden.
Wie oberhalb beschrieben ermittelt der Farbanalysierer 205 anschließend eine Funktion, die die gemessenen gemischten Farben und die gemessenen Komponentenfarben linearisiert. Idealerweise bildet die Funktion die gemischten Farben zugehörig zu jedem Kantenpixel (d. h. die gemessenen Komponentenfarben und die gemessene, gemischte Farbe) auf ein Liniensegment ab.
Ein Beispiel ist in 8 gezeigt, wobei die Linearisierungsfunktion als Funktion g bezeichnet wird. Ein Punkt 801 repräsentiert die Farbe des Punktes 701 (7) im RGB-Farbraum nach der Transformation durch die Linearisierungsfunktion g. Mit anderen Worten ausgedrückt, repräsentiert der Punkt 801 die Farbe der gemessenen Komponentenfarbe (d. h. M1) im RGB-Farbraum nach Anwendung der Linearisierungsfunktion g; d. h. g(M1). Genauso repräsentiert ein Punkt 803 die Farbe von der anderen gemessenen Komponentenfarbe (d. h. M2) im RGB-Farbraum nach Anwendung der Linearisierungsfunktion g; d. h. g(M2). Ein Punkt 505 repräsentiert die Farbe der gemessenen, gemischten Farbe (Mp) im RGB-Farbraum nach der Transformation durch die Linearisierungsfunktion g; d. h. g(Mp). Wie in 8 gezeigt liegen die transformierten gemessenen Farben M1, Mp und M2 (repräsentiert durch die Punkte 801, 803 bzw. 805) auf einem Liniensegment. Ebenso werden die Kurven 706, 708 und 710 aus 7 idealerweise durch die Linearisierungsfunktion g in die Liniensegmente 806, 808 bzw. 810 transformiert.
9 ist ein Ablaufdiagramm des funktionalen Ablaufes aus Block 308 (3) zum Ermitteln einer Funktion, die die gemessenen, gemischten Farben gemäß einer Ausführungsform linearisiert. In anderen Ausführungsformen können unterschiedliche Ansätze verwendet werden, um eine Linearisierungsfunktion zu ermitteln. Mit Bezug auf die 2 und 3 schließt eine Ausführungsform des Blocks 308 einen funktionalen Ablauf wie folgt ein.
In einem Block 902 wird eine Wahrscheinlichkeitsfunktion unter Verwendung der gemessenen, gemischten Farben und deren entsprechender gemessener Komponentenfarben erlangt. In dieser Ausführungsform erlangt der Farbanalysierer 205 diese Funktion. Spezieller gesagt, erlangt in dieser Ausführungsform der Farbanalysierer 205 die Wahrscheinlichkeitsfunktion basierend auf der Distanz von jeder gemischten Farbe (Mp), die auf ein Liniensegment abgebildet wurde, das ihre entsprechenden abgebildeten Komponentenfarben (M1 und M2) verbindet. Die Werte Mp, M1 und M2 eines Kantenpixels werden hier ebenso als Kantenpixeltriple bezeichnet. Die Distanz einer abgebildeten gemischten Farbe, d(Mp), zu einem Liniensegment, das die abgebildeten Komponentenfarben der gemischten Farbe verbindet, kann von einem Kantenpixeltriple unter Verwendung der unten gezeigten Gleichung 1 ermittelt werden.
Wobei × die Vektorproduktfunktion zwischen zwei Vektoren ist.
Die Summe der Distanzen von jeder abgebildeten gemischten Farbe, D(g; Ω), kann unter Verwendung der unten genannten Gleichung 2 ermittelt werden.
Wobei Ω eine Reihe von Kantenpixeltriplen ist, die den Kantenpixeln entsprechen, die vorher in Block 302 (3) gefunden wurden. In manchen alternativen Ausführungsformen kann Gleichung 2 minimiert werden, um eine inverse Resonanzfunktion ohne Verwendung von Referenzdaten zu ermitteln. Z. B. kann Gleichung 2 unter Verwendung von Grenzen (constraints) minimiert werden, so dass die resultierende Gleichung sowohl gleichmäßig als auch monotonisch ist. Jedoch werden in dieser Ausführungsform Referenzdaten verwendet, um eine inverse Resonanzfunktion unter Verwendung von Bayes'schen Abschätzungstechniken zu ermitteln.
Bayes'sche Abschätzungstechniken können ein vorheriges Modell und eine Wahrscheinlichkeitsfunktion verwenden, um eine spätere Verteilung zu ermitteln. Weil die Summe der Distanzen zu minimieren ist, wird in dieser Ausführungsform die Wahrscheinlichkeitsfunktion durch das Modellieren der Wahrscheinlichkeit eines Kantenpixeltriples Ω bei gegebener inverser Resonanzfunktion g (d. h., p(Ω/g)) als eine exponentielle Verteilung unter Verwendung der Gleichung 2 gebildet. Deshalb kann diese Wahrscheinlichkeitsfunktion durch die Verwendung der Gleichung 3 unten definiert werden.
Wobei Z eine Normalisierungskonstante ist und λ empirisch auf 10⁴ gesetzt ist. In anderen Ausführungsformen können unterschiedliche Werte für λ verwendet werden.
In einem Block 904 wird ein vorheriges Modell unter Verwendung der Referenzdaten aus dem Datenspeicher 209 erlangt. In dieser Ausführungsform erlangt der inverse Resonanzgenerator 207 ein vorheriges Modell durch das Ausführen der Principal Component Analysis Transformation (PCA-Transformation) auf die zuvor genannte DoRF (d. h. die Referenzdaten) unter Verwendung von 5 Komponenten (siehe z. B. Jollife, I. T. „Principal Component Analysis", Springerverlag, 1986). In einer Ausführungsform repräsentiert der Invers-Resonanzgenerator die Referenzdaten in Form der ersten 5 Hauptkomponenten (principal components) wie es unterhalb in Gleichung 4 gezeigt ist. g = g0 + cH (4)
Wobei g0 = [g_R0, g_G0, gB0]^T gilt, welches die mittlere inverse Resonanz ist; H ist die Matrix, deren Spalten aus den ersten N = 5 Eigenvektoren zusammengestellt wurden; und c = [c_R, c_G, c_B]^T gilt, welches ein Koeffizienzvektor in R^3×N ist, der eine inverse Resonanzfunktion g = [g_R, g_G, g_B]^T repräsentiert.
Der Invers-Resonanzgenerator 207 erlangt anschließend in dieser Ausführungsform das Modell durch die inverse Resonanzfunktion durch das Bilden eines endlichen Gauß'schen Mischmodells (siehe z. B. McLachlan, G. J. und Gasford, K. E. „Mixture Models", Marcel Dekker, 1988) aus den Referenzdaten in PCA-Form, wie in Gleichung 5 gezeigt.
Wobei der Parameter α_i die Mischungsanteile und η(g; μ_i, Σ_i) die normalisierten Gaußwerte von g (Gleichung 8) sind. K ist in einer Ausführungsform gleich 5 gesetzt, welches empirisch unter Verwendung des Erwartungsmaximumsalgorithmus (expectation maximum (EM) algorithm) erlangt wurde (siehe z. B. Dempster, A. P., Laird, N. M. und Rubin D. B. (1977), „Maximum Likelihood from Incomplete Data via the EM algorithm (with discussion)", JRSS (B), Volume 39, Seiten 1 bis 38).
In anderen Ausführungsformen kann das Modell aus Gleichung 4 unter Verwendung geeigneter, speziell angefertigter oder kommerziell verfügbarer PCA- und EM-Algorithmuswerkzeuge vorher berechnet werden und in dem Datenspeicher 209 abgespeichert werden. In anderen Ausführungsformen können unterschiedliche Techniken verwendet werden, um das Vormodell zu erlangen.
In einem Block 906 wird eine inverse Resonanzfunktion unter Verwendung der oben genannten Wahrscheinlichkeitsfunktion und des Vormodells erlangt. In dieser Ausführungsform erlangt der Invers-Resonanzgenerator 207 die inverse Resonanzfunktion. Die optimale inverse Resonanzfunktion g* wird durch das Finden der maximalen Wahrscheinlichkeit der späteren Verteilung erlangt. Die spätere Verteilung wird in der Bayes'schen Abschätzung als das Produkt des vorherigen Modells und der Wahrscheinlichkeitsfunktion definiert. Deshalb kann die optimale inverse Resonanzfunktion g* unter Verwendung der Gleichung 6, wie unterhalb gezeigt, gefunden werden, welches die maximale spätere Lösung ist (maximum a posteriori (MAP) solution). g* = arg max p(Ω|9)p(g) (6)wobei p(Ω|g) und p(g) aus den Gleichungen 3 bzw. 5 gegeben sind.
Durch das Anwenden des Logarithmus auf Gleichung 6 kann g* ebenso als Gleichung 7 unten geschrieben werden. g* = arg min λD(g; Ω) – logp(g) (7)welche in dieser Ausführungsform durch den Levenberg-Marquardt-Optimierungsalgorithmus berechnet wird (siehe z. B. Press, W. H., Teukolsky, S. A., Vetterling, B. T., Flannery, B. P. „Numerical Recipes in C", Camebrigde University Press, 1992), wobei die Koeffizienten von g anfänglich 0 sind. In anderen Ausführungsformen können unterschiedliche Optimierungsalgorithmen verwendet werden, um g* zu finden. Nachdem der Optimierungsalgorithmus konvergiert, wird in einer Ausführungsform das Ergebnis sequenziell in jeder Dimension unter Verwendung einer gierigen lokalen Suche (greedy local search) verfeinert (siehe z. B., Resende, M. G. C. und Ribeiro, C. C., „Greedy randomized adaptive search procedures", in dem Handbuch Metaheuristics „F. Glover und G. Kochenberger, eds, Kluwer Academic Publishers, Seiten 219 bis 249, 2003).
Obwohl der oben beschriebene funktionale Ablauf sequenziell in Verbindung mit 9 beschrieben wurde, können in anderen Ausführungsformen Funktionen in unterschiedlicher Reihenfolge und/oder parallel zueinander durchgeführt werden.
10 ist ein Datenablaufdiagramm, das einen Datenfluss 1000 in dem Kalibrierungssystem 201 (2) gemäß einer Ausführungsform darstellt. Bilddaten, die von einer Kamera empfangen wurden, fließen durch und werden verarbeitet, so dass Farben des Bildes gemäß einer Ausführungsform, wie folgt, angepasst werden können. Digitale Bilddaten 1003 werden durch einen Kantenpixelextraktionsprozess 1005 empfangen. In einer Ausführungsform wendet z. B. der Kantendetektor 203 des Kalibrierungssystems 201 (2) den Kantenpixelextraktionsprozess 1005 auf die digitalen Bilddaten 1003 an, wie oben in Verbindung mit Block 302 (3) beschrieben. Der Kantenpixelextraktionsprozess 1005 gibt Kantenpixeldaten 1007 aus, welche Kantenpixel identifizieren, die zur weiteren Verarbeitung geeignet sind (z. B. die Kantenpixel, deren Kantenfenster eine ausreichende Gleichmäßigkeit und Trennung von Komponentenfarben aufweisen).
Ein gemischter Farbextraktionsprozess 1009 wird auf Kantenpixeldaten 1007 durchgeführt. In einer Ausführungsform führt z. B. der Farbanalysierer 205 (2) den Farbextraktionsprozess 1009 auf die Kantenpixeldaten 1007 durch, um die gemischten Farben wie oberhalb in Verbindung mit den Blöcken 304 und 306 (3) beschrieben zu erlangen. Der gemischte Farbenextraktionsprozess 1009 gibt gemischte Farbdaten 1011 aus. In einer Ausführungsform umfassen die Kantenpixeldaten 1007 den zuvor erwähnten Satz Ω der Kantenpixeltriple.
Ein inverser Resonanzerzeugungsprozess 1013 wird anschließend auf die gemischten Farbdaten 1011 angewandt. In einer Ausführungsform führt z. B. der Invers-Resonanzgenerator 207 (2) den Invers-Resonanzgenerationsprozess 1013 unter Verwendung der Referenzdaten 1015 durch. In manchen alternativen Ausführungsformen braucht der Invers-Resonanzgenerator 207 keine Referenzdaten 1015 verwenden. Die Referenzdaten 1015 umfassen inverse Resonanzdaten von echten Kameras und werden in einer beispielhaften Implementierung aus dem Datenspeicher 209 (2) abgerufen. Der Invers-Resonanzgenerationsprozess 1013 wird in einer Ausführungsform, wie oberhalb in Verbindung mit Block 308 beschrieben, durchgeführt, und gibt eine geschätzte inverse Resonanz 1017 aus. In einer Ausführungsform verwendet der Invers-Resonanzgenerationsprozess 1013 Bayes'sche Abschätzungstechniken, wie in Verbindung mit den Blöcken 902, 904 und 906 (9) beschrieben, um abgeschätzte inverse Resonanzen 1017 zu ermitteln. Die abgeschätzte inverse Resonanz 1017 kann anschließend verwendet werden, um digitale Bilddaten 1003 zu transformieren, um ein Bild zu produzieren, das Farben aufweist, die besser mit der Strahlung (Radianz) der aufgenommenen Szene übereinstimmen.
Obwohl der oben beschriebene Datenfluss sequenziell in Verbindung mit 10 beschrieben wurde, können die Prozesse in anderen Ausführungsformen in unterschiedlicher Reihenfolge und/oder parallel zueinander auf die Daten angewandt werden. Des Weiteren können die Prozesse aus 10 durch irgendein geeignetes System oder Kombinationen zusätzlich zu dem System 201 (2) wie in der obigen Beschreibung durchgeführt werden.
Verschiedene Ausführungsformen, die oberhalb beschrieben wurden, können in Computerumgebungen des Kalibrierungssystems (z. B. System 201 aus 2) implementiert werden. Eine beispielhafte Computerumgebung, die für die Verwendung in einem Kalibrierungssystem geeignet ist, ist unterhalb in Verbindung mit 11 beschrieben.
11 stellt eine allgemeine Computerumgebung 1100 dar, welche verwendet werden kann, um die Techniken und/oder Komponenten, die hier beschrieben wurden, zu implementieren. Die Computerumgebung 1100 ist nur ein Beispiel einer Computerumgebung, und ist nicht gedacht, irgendeine Einschränkung auf den Umfang der Verwendung oder Funktionalität des Computers und der Netzwerkarchitekturen vorzuschlagen. Noch sollte die Computerumgebung 1100 so interpretiert werden, als hätte sie irgendwelche Abhängigkeiten oder Erfordernisse in Bezug auf irgendeine oder Kombinationen von Komponenten, die in der exemplarischen Computerumgebung 1100 dargestellt sind. Die Computerumgebung 1100 schließt ein Allzweckcomputergerät in der Form eines Computers 1102 ein. Die Komponenten des Computers 1102 können einschließen, sind aber nicht darauf beschränkt, einen oder mehrere Prozessoren oder Prozessoreinheiten 1104, einen Systemspeicher 1106 und einen Systembus 1108, der verschiedene Systemkomponenten einschließlich des Prozessors 1104 mit dem Systemspeicher 1106 koppelt.
Der Systembus 1108 stellt einen oder mehrere von irgendwelchen unterschiedlichen Busstrukturtypen dar, einschließlich eines Speicherbusses oder Speichercontrollers, eines Peripheriebusses, eines beschleunigten Grafikports und eines Prozessor- oder lokalen Busses, der irgendeine einer Vielfalt von Busarchitekturen verwendet. Als Beispiel können solche Architekturen einen Industry-Standard-Architecture-Bus (ISA-BUS) einen Micro-Channel-Architecture-Bus (MCA-BUS) einen Enhanced-ISA-Bus (EISA-BUS), einen Video-Electronics-Standards-Association-Local-Bus (VESA-local-BUS), einen Peripheral-Component-Interconnect-Bus (PCI-BUS), ebenso bekannt als Mezzanine-BUS, einen PCI-Express-Bus, einen Universal-Serial-Bus (USB), einen Secure-Digital-Bus (SD-BUS) oder einen IEEE-1394-Bus (d. h. Fire-Wire-BUS) einschließen.
Der Computer 1102 kann eine Vielzahl von computerlesbaren Datenträgern einschließen. Solche Datenträger können irgendwelche verfügbaren Datenträger sein, auf die durch den Computer 1102 zugegriffen werden kann, und die sowohl flüchtige als auch nicht-flüchtige Datenträger, entfernbare und nicht-entfernbare Datenträger einschließen. Der Systemspeicher 1106 schließt computerlesbare Datenträger in der Form von flüchtigem Speicher, wie z. B. Random Access Memory (RAM – Arbeitsspeicher) 1110; und/oder nicht-flüchtigem Speicher, wie z. B. Read Only Memory (ROM – nur Lesespeicher) 1112 oder Flash-RAM ein. Ein Basic-Input/Output-System (BIOS) 1114, das die Basisroutinen enthält, die helfen, Informationen zwischen Elementen des Computers 1102 z. B. während des Hochfahrens zu übertragen, ist in dem ROM 1112 oder dem Flash-RAM gespeichert. Der RAM 1110 enthält üblicherweise Daten und/oder Programmmodule, auf die durch die Prozessoreinheit 1104 sofort zugegriffen werden kann, und/oder auf denen derzeit durch die Prozessoreinheit 1104 gearbeitet wird.
Der Computer 1102 kann ebenso andere enffembare/nicht-entfernbare, flüchtige/nicht-flüchtige Computerdatenspeicherträger einschließen. Als Beispiel stellt die 11 ein Festplattenlaufwerk 1116 zum Lesen von und schreiben zu eines nicht-enternbaren, nichtflüchtigen magnetischen Datenträgers (nicht gezeigt), ein magnetisches Disklaufwerk 1118 zum Lesen von und Schreiben zu einer entfernbaren, nicht-flüchtigen magnetischen Disk 1120 (z. B. eine „Floppy-Disk") und ein optisches Disklaufwerk 1122 zum Lesen von und/oder Schreiben zu einer entfernbaren, nicht-flüchtigen optischen Disk 1124, wie z. B. einer CD-ROM, DVD-ROM oder anderen optischen Datenträgern, dar. Das Festplattenlaufwerk 1116, magnetische Disklaufwerk 1118 und optische Disklaufwerk 1122 sind jeweils mit dem Systembus 1108 durch eine oder mehrere Datenträgerschnittstellen 1125 verbunden. Alternativ dazu können das Festplattenlaufwerk 1116, magnetische Disklaufwerk 1118 und optische Disklaufwerk 1122 über eine oder mehrere Schnittstellen (nicht gezeigt) mit dem Systembus 1108 verbunden sein.
Die Disklaufwerke und ihre zugehörigen computerlesbaren Datenträger stellen nichtflüchtigen Speicher für computerlesbare Instruktionen, Datenstrukturen, Programmmodule und andere Daten für den Computer 1102 bereit. Obwohl das Beispiel eine Festplatte 1116, eine entfernbare magnetische Disk 1120 und eine entfernbare optische Disk 1124 darstellt, wird es begrüßt, dass andere Typen von computerlesbaren Datenträgern, welche Daten speichern können, auf die durch einen Computer zugegriffen werden kann, wie z. B. magnetische Kassetten oder andere magnetische Speichergeräte, Flash-Memory-Karten, CD-ROM, Digital Versstile Discs (DVD) oder andere optische Speicher, Random Access Memories (RAM), Read Only Memories (ROM), elektrische, löschbare, programmierbare Nur-Lesespeicher (electrically erasable programmable read only memory – EEPROM) und ähnliche, ebenso verwendet werden können, um das beispielhafte Computersystem und die Umgebung zu implementieren.
Irgendeine Anzahl von Programmmodulen kann auf der Festplatte 1116, der magnetischen Disk 1120, der optischen Disk 1124, ROM 1112 und/oder RAM 1110 gespeichert werden, zum Beispiel einschließlich des Betriebssystems 1126, eines oder mehrerer Anwendungs programme 1128, anderer Programmmodule 1130 und Programmdaten 1132. Jedes solcher Betriebssysteme 1126, eines oder mehrerer Anwendungsprogramme 1128, anderer Programmmodule 1130 und Programmdaten 1132 (oder irgendeine Kombination davon) kann alle oder einen Teil der lokal liegenden (resident) Komponenten, die das verteilte Dateisystem unterstützen, implementieren.
Ein Benutzer kann Befehle und Informationen in den Computer 1102 über Eingabegeräte, wie z. B. eine Tastatur 1134 und ein Zeigergerät 1136 (z. B. eine „Maus"), eingeben. Andere Eingabegeräte 1138 (nicht speziell gezeigt) können z. B. ein Mikrophon, einen Joystick, ein Gamepad, eine Satellitenschüssel, einen seriellen Anschluss, eine Scanner und/oder ähnliches einschließen. Diese und andere Eingabegeräte werden mit der Prozessoreinheit 1104 über Eingabe-/Ausgabeschnittstellen 1140 verbunden, die mit dem Systembus 1108 gekoppelt sind, können aber durch andere Schnittstellen und Busstrukturen, wie z. B. einem Parallelanschluss, einem Gameport oder einem Universal Serial Bus (USB) verbunden werden.
Ein Monitor 1142 oder anderer Typ von Anzeigegerät kann ebenso mit dem Systembus 1108 über eine Schnittstelle verbunden sein, wie z. B. einem Videoadapter 1144. Zusätzlich zu dem Monitor 1142 können andere Ausgabeperipheriegeräte Komponenten wie z. B. Lautsprecher (nicht gezeigt) und Drucker 1146 einschließen, welche über I/O-Schnittstellen 1140 mit dem Computer 1102 verbunden sein können.
Der Computer 1102 kann in einer Netzwerkumgebung unter Verwendung logischer Verbindungen zu einem oder mehreren Remote-Computern arbeiten, wie z. B. dem Remote-Computergerät 1148. Als Beispiel kann der Remote-Computer 1148 ein PC, portabler Computer, ein Server, ein Router, ein Netzwerkcomputer, ein Peer-Gerät oder anderer bekannter Netzwerkknoten oder ähnliches sein. Das Remote-Computergerät 1148 wird als ein portabler Computer dargestellt, der viele oder alle der Elemente und Merkmale, die oben mit Bezug auf Computer 1102 beschrieben sind, einschließen. Alternativ kann der Computer 1102 ebenso in einer Nicht-Netzwerkumgebung arbeiten.
Logische Verbindungen zwischen dem Computer 1102 und dem Remote-Computer 1148 sind als ein Local Area Network (LAN) 1150 und ein allgemeines Wide Area Network (WAN) 1152 gezeigt. Solche Netzwerkumgebungen sind alltäglich in Büros, unternehmensweiten Computernetzwerken, Intranets und dem Internet.
Wenn er in einer LAN-Netzwerkumgebung implementiert ist, ist der Computer 1102 mit dem lokalen Netzwerk 1150 über eine Netzwerkschnittstelle oder -adapter 1154 verbunden. Wenn er in einer WAN-Netzwerkumgebung implementier ist, schließt der Computer 1102 üblicherweise ein Modem 1156 oder andere Mittel zum Herstellen von Datenübertragungsverbindungen über das breitbandige (wide) Netzwerk 1152 ein. Das Modem 1156, welches intern oder extern zu dem Computer 1102 sein kann, kann mit dem Systembus 1108 über I/O-Schnittstellen 1140 oder andere geeignete Mechanismen verbunden sein. Es gilt als verstanden, dass die dargestellten Netzwerkverbindungen Beispiele sind, und das andere Mittel zum Herstellen mindestens einer Datenübertragungsverbindung zwischen den Computern 1102 und 1148 eingesetzt werden können.
In einer Netzwerkumgebung, wie z. B. die, die in Verbindung mit Computerumgebung 1100 dargestellt ist, können Programmmodule, die mit Bezug auf Computer 1102 gezeigt sind, oder Teile davon, in einem entfernten (remote) Datenspeichergerät gespeichert sein. Als Beispiel liegen die Remote-Anwendungsprogramme 1158 auf einem Speichergerät des Remote-Computers 1148. Zum Zweck der Darstellung sind die Anwendungen oder Programme und anderen ausführbaren Programmkomponenten, wie z. B. das Betriebssystem, hier als getrennte Blöcke dargestellt, obwohl es anerkannt werden kann, dass solche Programme und Komponenten zu verschiedenen Zeiten in verschiedenen Speicherkomponenten des Computergerätes 1102 liegen können und durch mindestens einen Datenprozessor des Computers verarbeitet werden können.
Verschiedene Module und Techniken können hier im allgemeinen Kontext von computerausführbaren Instruktionen beschrieben werden, wie z. B. Programmmodulen, die durch einen oder mehrere Computer oder andere Geräte ausgeführt werden. Im Allgemeinen schließen Programmmodule Routinen, Programme, Objekte, Komponenten, Datenstrukturen etc. zum Ausführen bestimmter Aufgaben oder Implementieren bestimmter abstrakter Datentypen ein. Diese Programmmodule und ähnliches können als alternativer Code ausgeführt werden, oder können heruntergeladen und ausgeführt werden, wie z. B. in einer virtuellen Maschine oder anderen Just-in-time-Kompilierungsausführungsumgebung. Üblicherweise kann die Funktionalität der Programmmodule kombiniert oder verteilt sein, wie es in verschiedenen Ausführungsformen gewünscht ist.
Eine Implementierung dieser Module und Techniken kann auf irgendeiner Form von computerlesbarem Datenträger gespeichert werden oder damit übermittelt werden. Computerles bare Datenträger können irgendwelche verfügbaren Datenträger sein, auf die durch einen Computer zugegriffen werden kann. Z. B. und nicht als Einschränkung gedacht, können computerlesbare Datenträger „Computerspeicherdatenträger" und „Datenübertragungsdatenträger" umfassen.
„Computerspeicherdatenträger" schließen flüchtige und nicht-flüchtige, entfernbare und nicht-entfernbare Datenträger ein, die durch irgendein Verfahren oder eine Technologie zum Speichern von Informationen implementiert sind, wie z. B. Computer-lesbare Instruktionen, Datenstrukturen, Programmmodule oder andere Daten. Computerspeicherdatenträger schließen ein, sind aber nicht darauf begrenzt: RAM, ROM, EEPROM, Flash Memory oder andere Speichertechnologie, CD-ROM, Digital Versstile Discs (DVD) oder andere optische Speicher, magnetische Kassetten, magnetische Bänder, magnetische Diskspeicher oder andere magnetische Speichergeräte oder irgendein anderer Datenträger, der verwendet werden kann, um die gewünschten Informationen zu speichern, und auf den durch einen Computer zugegriffen werden kann.
„Datenübertragungsdatenträger" verkörpern üblicherweise Computer-lesbare Instruktionen, Datenstrukturen, Programmmodule oder andere Daten in einem modulierten Datensignal, wie z. B. einer Trägerwelle oder anderem Transportmechanismus. Datenübertragungsdatenträger schließen ebenso irgendwelche Informationslieferdatenträger ein. Der Begriff „moduliertes Datensignal" bedeutet ein Signal, das eine oder mehrere seiner Charakteristiken in solch einer Weise gesetzt oder verändert hat, dass es Informationen in dem Signal codiert. Als ein nicht einschränkendes Beispiel schließen Datenübertragungsdatenträger verkabelte Datenträger, wie z. B. ein verkabeltes Netzwerk oder direkt verkabelte Verbindungen, und kabellose Datenträger, wie z. B. akustische, RF-, Infrarot-, und andere kabellose Datenträger, ein. Kombinationen von irgendwelchen oben genannten sind ebenso im Umfang von den Computer-lesbaren Datenträgern eingeschlossen.
Durch die gesamte Beschreibung hindurch wurde auf „eine Ausführungsform", „Ausführungsform" oder „eine exemplarische Ausführungsform" Bezug genommen, was bedeutet, dass ein bestimmtes beschriebenes Merkmal, Struktur oder Charakteristik in mindestens einer Ausführungsform der vorliegenden Erfindung eingeschlossen ist. Deshalb kann die Verwendung solcher Begriffe auf mehr als eine Ausführungsform verweisen. Des Weiteren können die beschriebenen Merkmale, Strukturen oder Charakteristiken in irgendeiner geeigneten Weise in einer oder mehreren Ausführungsformen kombiniert werden.
Eine Person, die in der entsprechenden Fachwelt ausgebildet ist, wird anerkennen, dass die Erfindung jedoch ohne eines oder mehrere der bestimmten Details, oder mit anderen Verfahren, Ressourcen, Materialien, etc. durchgeführt werden kann. In anderen Fällen sind gut bekannte Strukturen, Ressourcen oder Funktionen nicht gezeigt oder detailliert beschrieben worden, um lediglich zu verhindern, dass Aspekte der Erfindung unklar werden.
Während beispielhafte Ausführungsformen und Anwendungen dargestellt wurden und beschrieben worden sind, gilt es als verstanden, dass die Erfindung nicht auf die exakte Konfiguration und Ressourcen, die oberhalb beschrieben wurden, beschränkt ist. Verschiedene Modifikationen, Veränderungen und Variationen, die jenen, die in der Fachwelt ausgebildet sind, bekannt sind, können in der Anordnung, Funktion und den Details des Verfahrens und Systems der vorliegenden Erfindung, die hier offenbart wurde, gemacht werden, ohne von dem Umfang der beanspruchten Erfindung abzuweichen.

Claims

Verfahren zum Ermitteln einer inversen Resonanzfunktion (inverse response function) einer Kamera, wobei das Verfahren umfasst: Finden (302) eines ersten Pixels (405) in einem Ausgabebild der Kamera, in dem das erste Pixel eine erste Region, die eine erste Farbe aufweist, und eine zweite Region, die eine zweite Farbe aufweist, abbildet, wobei das erste Pixel eine vermischte Farbe darstellt, die sich von der ersten und der zweiten Farbe ableitet, und wobei die erste und die zweite Farbe als Komponentenfarben der vermischten Farbe dienen; Erlangen (304) der Kameramesswerte von der ersten und der zweiten Farbe; Erlangen (306) des Kameramesswertes von der vermischten Farbe; und Finden (308) einer Funktion, die die Messwerte der ersten, zweiten und vermischten Farbe auf eine lineare Verteilung in einem Farbraum (color space) abbildet (map).
Verfahren nach Anspruch 1, das des Weiteren umfasst: Finden einer Vielzahl von Pixeln (405, 407, 409) in einem Ausgabebild, in dem jedes Pixel der Vielzahl von Pixeln zwei Regionen mit unterschiedlichen Farben abbildet und eine vermischte Farbe darstellt, die sich von den unterschiedlichen Farben ableitet, wobei die unterschiedlichen Farben von jedem Pixel als Komponentenfarben der vermischten Farbe dieses Pixels dienen; Erlangen der Kameramesswerte von den verschiedenen Farben von jedem Pixel der Vielzahl von Pixeln; Erlangen des Kameramesswertes von den vermischten Farben der Vielzahl von Pixeln; und Finden einer Funktion, die die Messwerte der Farben von dem ersten Pixel und von der Vielzahl von Pixeln auf eine lineare Verteilung in dem Farbraum abbildet.
Verfahren nach Anspruch 1, wobei der Messwert der ersten Farbe von einem zweiten Pixel erlangt wird, das nur die erste Farbe abbildet.
Verfahren nach Anspruch 1, wobei das zweite Pixel angrenzend an das erste Pixel ist.
Verfahren nach Anspruch 1, wobei das Finden einer Funktion, die die Messwerte der ersten, zweiten und vermischten Farbe auf eine lineare Funktion abbildet, des Weiteren das Ermitteln einer Distanzfunktion umfasst, die eine Summe von Distanzen von jedem abgebildeten Messwert einer vermischten Farbe zu einem Liniensegment, das die abgebildeten Komponentenfarben in dem Farbraum der vermischten Farbe verbindet, minimiert.
Verfahren nach Anspruch 2, wobei das Finden einer Funktion, die die Messwerte der Farben von dem ersten Pixel und der Vielzahl von Pixeln auf eine lineare Verteilung abbildet, des Weiteren das Ermitteln der Funktion mit einer Abhängigkeit auf vorgegebene Resonanzfunktionen von bekannten Kameras umfasst.
Verfahren nach Anspruch 1, das des Weiteren das Verwenden eines Bayesischen Abschätzungsalgorithmus (Bayesian estimation algorithm) zum Ermitteln der Funktion umfasst.
Verfahren nach Anspruch 6, das des Weiteren das Modellieren der vorgegebenen Resonanzfunktionen als ein Gauß'sches Vermischungsmodell (Gaussian mixture model) umfasst.
Verfahren nach Anspruch 5, das des Weiteren das Einbeziehen der Distanzfunktion in eine exponentielle Verteilungsfunktion umfasst.
Verfahren nach Anspruch 2, das des Weiteren das Finden einer Lösung nach dem Maximum a posteriori, MAP, umfasst, die als das Produkt eines vorherigen Modells und einer Wahrscheinlichkeitsfunktion formuliert ist, wobei das vorherige Modell ein Gauß'sches Vermischungsmodell ist, das sich von den vorgegebenen Resonanzfunktionen ableitet, wobei die Wahrscheinlichkeitsfunktion eine exponentielle Verteilungsfunktion ist, die sich von Distanzen von jedem abgebildeten Messwert einer vermischten Farbe zu einem Liniensegment, das die abgebildeten Komponentenfarben der vermischten Farbe in dem Farbraum verbindet, ableitet, und wobei sich die inverse Resonanzfunktion von der MAP-Lösung ableitet.
Verfahren nach Anspruch 1, wobei mindestens manche der Farben einer Szene des Ausgabebildes nicht vorher (a priori) bekannt sind.
Maschinenlesbarer Datenträger, der Instruktionen zum Durchführen des Verfahrens nach Anspruch 1 aufweist.
System, das umfasst: einen Grenzpixeldetektor (edge Pixel detector) (203), um eine Vielzahl von Pixeln (405, 407, 409) in einem digitalen Bild (108) zu finden, in dem jedes Pixel eine erste Region, die eine erste Farbe aufweist, und eine zweite Region, die eine zweite Farbe aufweist, abbildet, wobei dieses Pixel eine vermischte Farbe darstellt, die sich von der ersten und von der zweiten Farbe ableitet, und wobei die erste und die zweite Farbe als Komponentenfarben der vermischten Farbe dieses Pixels dienen; ein Farbanalysator (205), der in wirksamer Weise mit dem Grenzpixeldetektor gekoppelt ist, wobei der Farbanalysator eingerichtet ist zum Erlangen von Messwerten der vermischten und der Komponentenfarben der Vielzahl von Pixeln; und ein umgekehrter Resonanzgenerator (inverse response generator) (207), um eine inverse Resonanzfunktion (211) zu generieren, die die Messwerte der vermischten und der Komponentenfarben der Vielzahl von Pixeln auf eine lineare Verteilung in einem Farbraum abbildet.
System nach Anspruch 13, wobei der inverse Resonanzgenerator eingerichtet ist zum Ermitteln einer Distanzfunktion, die, für die Vielzahl von Pixeln, eine Summe an Distanzen von jedem abgebildeten Messwert einer vermischten Farbe zu einem Liniensegment, das die abgebildeten Komponentenfarben der vermischten Farbe in dem Farbraum verbindet, minimiert.
System nach Anspruch 13, das des Weiteren einen Datenspeicher (209) umfasst, um Referenzdaten, die vorgegebene Resonanzfunktionen von bekannten Kameras umfassen, zu enthalten, und wobei der inverse Resonanzgenerator eingerichtet ist zum Ermitteln der inversen Resonanzfunktion in Abhängigkeit von den Referenzdaten des Datenspeichers.
System nach Anspruch 15, wobei der inverse Resonanzgenerator des Weiteren eingerichtet ist zum Verwenden eines Bayesischen Abschätzungsalgorithmus, um die inverse Resonanzfunktion zu ermitteln.
System nach Anspruch 15, wobei der inverse Resonanzgenerator des Weiteren eingerichtet ist zum Modellieren der vorgegebenen Resonanzfunktionen als ein Gauß'sches Vermischungsmodell.
System nach Anspruch 14, wobei der inverse Resonanzgenerator des Weiteren eingerichtet ist zum Einbeziehen der Distanzfunktion in eine exponentielle Verteilungsfunktion.
System nach Anspruch 13, wobei der inverse Resonanzgenerator des Weiteren eingerichtet ist zum Ermitteln einer Lösung nach dem Maximum a posteriori, MAP, als das Produkt eines vorherigen Modells und einer Wahrscheinlichkeitsfunktion, wobei das vorherige Modell ein Gauß'sches Vermischungsmodell ist, das sich von vorgegebenen Resonanzfunktionen ableitet, wobei die Wahrscheinlichkeitsfunktion eine exponentielle Verteilungsfunktion ist, die sich von Distanzen von jedem abgebildeten Messwert einer vermischten Farbe zu einem Liniensegment, das die abgebildeten Komponentenfarben der vermischten Farbe in dem Farbraum verbindet, ableitet, und wobei sich die inverse Resonanzfunktion von der MAP-Lösung ableitet.
System nach Anspruch 19, wobei die MAP-Lösung als die inverse Resonanzfunktion dient.
System nach Anspruch 19, wobei der inverse Funktionsgenerator eingerichtet ist zum Ermitteln der MAP-Funktion unter Verwendung eines Levenberg-Marquardt-Optimierungsverfahrens.
Maschinenlesbarer Datenträger, der Komponenten aufweist zum Implementieren des Systems, wie es in Anspruch 13 wiedergegeben ist.
Maschinenlesbarer Datenträger, der Komponenten aufweist, die umfassen: Mittel zum Finden einer Vielzahl von Pixeln in einem Ausgabebild, in dem jedes Pixel der Vielzahl von Pixeln zwei Regionen mit unterschiedlichen Farben abbildet und eine vermischte Farbe darstellt, die sich von den unterschiedlichen Farben ableitet, und wobei die unterschiedlichen Farben von jedem Pixel als Komponentenfarben von der vermischten Farbe dieses Pixels dienen; Mittel zum Erlangen von Messwerten von den verschiedenen Farben von jedem Pixel aus der Vielzahl von Pixeln; Mittel zum Erlangen von Messwerten der vermischten Farben der Vielzahl von Pixeln; und Mittel zum Ermitteln einer inversen Resonanzfunktion, die die Messwerte der Farben von der Vielzahl von Pixeln auf eine lineare Verteilung in dem Farbraum abbildet.
Maschinenlesbarer Datenträger nach Anspruch 23, wobei die Mittel zum Ermitteln einer inversen Resonanzfunktion des Weiteren Mittel zum Generieren einer Distanzfunktion umfassen, die eine Summe von Distanzen von jedem abgebildeten Messwert einer vermischten Farbe zu einem Liniensegment, das die abgebildeten Komponentenfarben der vermischten Farbe in dem Farbraum verbindet, minimiert.
Maschinenlesbarer Datenträger nach Anspruch 23, wobei die Mittel zum Ermitteln einer inversen Resonanzfunktion des Weiteren eingerichtet sind zum Ermitteln der Funktion in Abhängigkeit von vorgegebenen Resonanzfunktionen von bekannten Kameras.
Maschinenlesbarer Datenträger nach Anspruch 25, der des Weiteren Mittel zum Modellieren der vorgegebenen Resonanzfunktionen als ein Gauß'sches Vermischungsmodell umfasst.
Maschinenlesbarer Datenträger nach Anspruch 24, der des Weiteren Mittel zum Einbeziehen der Distanzfunktion in eine exponentielle Verteilungsfunktion umfasst.
Maschinenlesbarer Datenträger nach Anspruch 23, der des Weiteren Mittel zum Finden einer Lösung nach dem Maximum a posteriori, MAP, als das Produkt eines vorherigen Modells und einer Wahrscheinlichkeitsfunktion umfasst, wobei das vorherige Modell ein Gauß'sches Vermischungsmodell ist, das sich von vorgegebenen Resonanzfunktionen ableitet, wobei die Wahrscheinlichkeitsfunktion eine exponentielle Verteilungsfunktion ist, die sich von Distanzen von jedem abgebildeten Messwert einer vermischten Farbe zu einem Liniensegment, das die abgebildeten Komponenten farben der vermischten Farbe in dem Farbraum verbindet, ableitet, und wobei sich die inverse Resonanzfunktion von der MAP-Lösung ableitet.
Maschinenlesbarer Datenträger nach Anspruch 28, wobei die MAP-Lösung als die inverse Resonanzfunktion dient.
Maschinenlesbarer Datenträger nach Anspruch 28, wobei die Mittel zum Finden einer MAP-Lösung ein Levenberg-Marquardt-Optimierungsverfahren zum Finden der MAP-Lösung verwenden.