DE60030456T2

DE60030456T2 - Verfahren und system zur verbesserung von digitalbildern

Info

Publication number: DE60030456T2
Application number: DE60030456T
Authority: DE
Inventors: D. Albert Austin EDGAR
Original assignee: Eastman Kodak Co
Current assignee: Eastman Kodak Co
Priority date: 1999-08-20
Filing date: 2000-05-03
Publication date: 2007-04-19
Anticipated expiration: 2020-05-04
Also published as: US6771833B1; WO2001015083A1; EP1222631B1; EP1222631A1; TW468336B; AU4821600A; DE60030456D1

Description

Die vorliegende Erfindung betrifft die Bildverarbeitung und insbesondere die Verbesserung von Digitalbildern.
Digitalbilder, wie beispielsweise gescannte fotografische Bilder, medizinische Bilder, Satellitenbilder usw., enthalten oft unerwünschte Rauschanteile. Beispielsweise enthält fotografischer Film, wie Silberhalogenidfilm, als Teil seiner physikalischen Ausrüstung auf einem Substrat angeordnete Körner, beispielsweise Silberhalogenidkörner. Die Eigenschaften dieser Körner sind eine Funktion der Art und des Formats des Films, wobei empfindliche und kleinformatige Filme üblicherweise eine stärkere Körnigkeit aufweisen. Fachleuten wird klar sein, dass sich die Benennung Silberhalogenidfilm auf fotografischen Film bezieht, der Silberhalogenid als lichtempfindliches Mittel verwendet. In den meisten vorhandenen Silberhalogenidfilmen wird entwickeltes Silber durch die Kuppler in ein Farbstoffbild umgewandelt, und das Silber wird aus dem Film herausgewaschen. Doch auch nach dem Wässern werden diese Filme weiterhin als Silberhalogenidfilme bezeichnet, weil ihre Funktion auf Silberhalogenid beruht.
Farbfilm umfasst im Allgemeinen eine blaue Schicht, eine grüne Schicht, eine rote Schicht, eine Lichthofschutzschicht und ein transparentes Substrat. In entwickelten Farbfilmen enthalten jeweils die blaue, grüne und rote Schicht Farbstoffe, die zur Darstellung blauer, grüner und roter Farben im Entwicklungsprozess verwendet werden. Diese Farbstoffe legen sich an entwickelte Bereiche des Films an, die entwickelten Silberkörnern entsprechen. Je mehr Silberkörner sich in einem gegebenen Bereich des Bildes entwickeln, je größer ist in jeder Schicht die Farbstoffdichte in diesem Bereich.
Die Korngrößen unterliegen einer zufälligen Abweichung: es gibt kleine, große und mittlere Körner. Während des Entwicklungsprozesses sind die Körner, die mit der größten Licht menge belichtet wurden, diejenigen, die sich als erstes entwickeln, während sich die übrigen Körner im Laufe des weiteren Entwicklungsprozesses entwickeln. Die Bereiche, in denen sich die meisten Körner für eine gegebene Schicht entwickeln, haben die größte Farbstoffdichte. Jede Filmschicht weist ihr eigenes zufälliges und einzigartiges Muster der Kornausbildung auf, so dass kein Muster der verschiedenen Schichten im Wesentlichen gleich ist. Ein Positivfilm oder ein Print eines Bildes weist ebenfalls ein Kornmuster auf.
Weil die Körnigkeit die Bildqualität eines fotografischen Bildes beeinträchtigen kann, ist es in der Fotografie üblich, Körnigkeit in fotografischen Bildern möglichst zu vermeiden, beispielsweise durch Verwendung mit Filmen von niedrigerer Empfindlichkeit und von Filmen von größerem Format. Allerdings gibt es zahlreiche Situationen, in denen die Verwendung dieser Art von Filmen nicht möglich ist. Außerdem sind im vergangenen Jahrhundert bereits Millionen von Filmen mit höherer Körnigkeit verarbeitet worden. Hinzu kommt, dass Film mit zunehmendem Alter einem physischen Abbauprozess unterliegt, welcher wiederum Verzeichnungen bewirken kann, die die Körnigkeit beeinflussen und zu Farbverschiebungen führen.
Digitalbilder können durch das Scannen von Negativen, Dias oder gedruckten fotografischen Bildern erzeugt werden. Die Qualität eines derartigen Digitalbildes hängt teilweise von den Eigenschaften des Filmbildes ab. Beispielsweise enthält ein von einem Filmbild erfasstes Digitalbild häufig Spuren der Filmkörner, welche den größten Anteil des "Rauschens" oder der bildfremden Abweichungen gegenüber einem Digitalbild ausmachen, siehe beispielsweise US-A-5 729 631. Digitalbilder zeigen häufig auch Verzeichnungen an, die in dem eigentlichen Film vorhanden sind. Je höher die Auflösung der Abtastung ist, je mehr Kornspuren und Verzeichnungen werden in dem Digitalbild erfasst.
Viele Scanner modifizieren Farben und Dichtewerte mithilfe von Gammakorrekturen, die die Wahrnehmung der Körnigkeit beeinflussen. Beispielsweise erzeugt ein Digitalbild, das mit einem Scanner erzeugt wird, der den Schattenkontrast anzuheben versucht, um eine Unterbelichtung auszugleichen, ein Bild mit verstärkten Schattenkornspuren in Beziehung zu den Lichterkornspuren. Beispielsweise kann ein Digitalbild, das einen Baum vor dem Hintergrund eines Himmels zeigt, Bereiche mit dunklen Schatten aufweisen, die stärkere Kornspuren enthalten als Bereiche des hellen Himmels. Auf ähnliche Weise kann das Digitalbild detailarme Himmelsbereiche mit einer großen Zahl von Kornspuren sowie detailreiche Blattbereiche mit einer geringen Zahl von Spuren aufweisen. Mit anderen Worten weist der Wertebereich für Kornspuren in diesen Digitalbildern tendenziell eine starke Intensitätsschwankung auf. Außerdem unterdrückt ein Scanner möglicherweise die hochfrequenten Bilddetails oder versucht, diesen Prozess durch Schärfung auszugleichen, d.h. durch eine Verstärkung der hochfrequenten Bilddetails. In beiden Fällen sind die Kornspuren – zusammen mit dem eigentlichen Bild – in Beziehung zur Frequenz betroffen. Diese Art eines Digitalbildes könnte man hinsichtlich der Kornspuren als "nicht normalisiert" bezeichnen, wobei das Bild visuell oft unbefriedigend ist. Dies liegt daran, dass das menschliche Auge dazu neigt, sich auf die Bereiche in einem Bild zu konzentrieren, die die größte Menge an Kornspuren aufweisen, und diese Menge den Bereichen zuzuordnen, die tatsächlich weniger Kornspuren aufweisen.
Zwar kann man versuchen, die Qualität eines gescannten Bildes zu verbessern, aber derartige Verbesserungen lassen sich nur über arbeitsaufwändige Änderungen erreichen, für die eine Person mit relativ hoher Qualifikation erforderlich ist, die subjektiv bestimmt, welche Eigenschaften geändert werden sollten, um die Qualität des fertigen Bildes zu verbessern. Weil jedes Bild einzeln bearbeitet werden muss, ist der Verbesserungsprozess zeitaufwändig, wobei die Verbesserung einer großen Zahl von Bildern möglicherweise gar nicht durchführbar ist. Es besteht daher Bedarf nach einem anderen Verfahren zur Verbesserung von Digitalbildern, welches ein Digitalbild automatisch verbessern kann.
Nach einem Aspekt der vorliegenden Erfindung wird ein Verfahren zur Verbesserung eines Digitalbildes mit mindestens einem Bildkanal bereitgestellt. Mindestens ein Raumdomänensegment einer Vielzahl von Raumdomänensegmenten eines Bildkanals wird aus der Raumdomäne in die Frequenzdomäne umgewandelt, um mindestens eine Segmenttransformation zu erzeugen. Das Raumdomänensegment umfasst eines aus einer Vielzahl von Raumdomänensegmenten aus mindestens einem Bildkanal. Die mindestens eine Rauschkorrekturfunktion wird abhängig von der Segmenttransformation erzeugt. Die Rauschkorrekturfunktion kann angewandt werden, um mindestens eine korrigierte Transformation zu erzeugen, wobei die korrigierte Transformation mittelbar oder unmittelbar von der Segmenttransformation abhängt. Die korrigierte Transformation kann aus der Frequenzdomäne in die Raumdomäne transformiert werden, um mindestens ein korrigiertes Raumdomänensegment zu erzeugen.
Die Erfindung weist mehrere wichtige technische Vorteile auf. Verschiedene Ausführungsformen der Erfindung können keinen, einen, mehrere oder alle dieser Vorteile sowie weitere Vorteile aufweisen. Die Erfindung ist verwendbar, um ein Digitalbild in Bezug auf Kornspuren (Rauschen) automatisch zu verbessern. Eine derartige Verbesserung kann für die Verwendung mit gescannten fotografischen Bildern wünschenswert sein. Die Erfindung ermöglicht eine automatische Berechnung von Korrekturarrays für das Digitalbild, um eine ungleichmäßige Kornspurenverteilung in Bezug auf Intensität und Frequenz zu korrigieren. Derartige Arrays können verwendet werden, um die Kornspuren in Beziehung zu Pixelintensitäten und/oder Frequenz zu normalisieren. Sobald Kornspuren normalisiert worden sind, ermöglicht die Erfindung auf Wunsch eine Reduzierung des Korns auf einen von einem Benutzer der Erfindung gewählten Wert. Zudem können die normalisierten Kornspurendaten benutzt werden, um die Farbkanäle des Digitalbildes abzugleichen.
Weil die Erfindung eine automatische Durchführung einer Kornnormalisierung und/oder -reduzierung ermöglicht, kann dies schneller, zu geringeren Kosten und mit weniger Kenntnis seitens einer Person durchgeführt werden, die die Normalisierung und/oder Reduzierung zu erzielen wünscht, als dies mit bestehenden Anwendungen möglich ist.
Die Erfindung wird im folgenden anhand in der Zeichnung dargestellter Ausführungsbeispiele näher erläutert.
Es zeigen:
1 ein Blockdiagramm eines Universalcomputers, der mit der vorliegenden Erfindung verwendbar ist;
2 ein Beispiel eines Scanners, der ein Ausführungsbeispiel der vorliegenden Erfindung umfasst;
3 ein Ablaufdiagramm zur Beschreibung der Verbesserung eines Digitalbildes gemäß einem Verfahren der vorliegenden Erfindung;
4 ein Ablaufdiagramm zur Beschreibung eines Verfahrens zur Messung von Kornspuren in Beziehung zu Pixelintensitäten gemäß der vorliegenden Erfindung;
5 ein in Segmente unterteiltes Bild;
6 die Kurve nach Gewicht, mittlerer Intensität und Kornstärke für die Rotkanalinformation für ein Segment eines Digitalbildes;
7 ein Punktdiagramm für einen Farbkanal eines Digitalbildes;
8 eine durch ein Punktdiagramm für einen Farbkanal des Digitalbildes unter Verwendung eines Kurvenanpassungsalgorithmus geführte Kurve,
9 eine durch ein Punktdiagramm für die Rotinformation eines Digitalbildes geführte Kurve;
10 ein Ablaufdiagramm zur Beschreibung eines Verfahrens zur Messung von Kornspuren in Beziehung zur Frequenz gemäß der vorliegenden Erfindung;
11 ein Punktdiagramm für einen Farbkanal eines Digitalbildes;
12 eine durch ein Punktdiagramm für einen Farbkanal eines Digitalbildes geführte Kurve;
13 die Kornspuren in einer Linie aus Pixeln aus einem normalisierten Digitalbild, wobei Änderungen in der Pixelintensität räumlich abgetragen sind;
14 die Frequenzgrößen von Kornspuren, abgetragen gegen die Frequenzen in einem über Intensitäten normalisierten Digitalbild;
15 die Frequenzgrößen von Kornspuren, abgetragen gegen die Frequenzen in einem über Intensitäten und Frequenzen normalisierten Digitalbild;
16 ein Ablaufdiagramm zur Beschreibung eines Beispiels eines Verfahrens zur Beseitigung von Hochfrequenzrauschen, beispielsweise von Kornspuren aus einem Digitalbild;
17 ein Ablaufdiagramm zur Beschreibung eines Beispiels eines Verfahrens zur Beseitigung von Hochfrequenzrauschen, beispielsweise von Kornspuren aus einem Digitalbild;
18 ein Verfahren zur Darstellung zweidimensionaler Fourier-Transformationen in Verbindung mit der Erfindung;
19 ein Ablaufdiagramm zur Beschreibung der Schritte eines exemplarischen Verfahrens, das verwendbar ist, um eine Vielzahl von Signalen mit einer gemeinsamen Komponente zu normalisieren, wobei mindestens eine Vielzahl von Signalen in einer nichtlinearen Weise verzerrt wurde;
20 ein Ablaufdiagramm zur Beschreibung eines Beispiels eines Verfahrens, das verwendbar ist, um ein Digitalbild erfindungsgemäß zu verbessern; und
21 Beispiele von drei Punktdiagrammen, die in Verbindung mit dem in 19 bis 20 gezeigten Prozess verwendbar sind.
Das bevorzugte Ausführungsbeispiel der vorliegenden Erfindung sowie dessen Vorteile werden am besten unter Bezug auf 1 bis 15 der Zeichnungen deutlich, wobei gleiche Bezugsziffern für gleiche und entsprechende Teile der verschiedenen Zeichnungen verwendet wurden.
1 zeigt ein Blockdiagramm eines Universalcomputers 10, der zur Bildverbesserung mit der vorliegenden Erfindung verwendbar ist. Der Universalcomputer 10 kann einen Teil eines Bildverbesserungssystems umfassen und ist verwendbar, um Anwendungen auszuführen, die Bildverbesserungssoftware enthalten. Der Universalcomputer 10 kann zur Ausführung aller bekannten MS-DOS-, PC-DOS-, OS2-, UNIX-, MAC-OS- und Windows-Betriebssysteme oder sonstiger Betriebssysteme angepasst werden. Der Universalcomputer 10 umfasst einen Prozessor 12, einen Schreib-/Lese-Speicher (RAM) 14, einen Lesespeicher (ROM) 16, eine Maus 18, eine Tastatur 20 sowie Ein-/Ausgabevorrichtungen, wie einen Drucker 24, Plattenlaufwerke 22, eine Anzeige 26 und eine Kommunikationsverbindung 28. Die vorliegende Erfindung umfasst Programme, die im RAM 14, ROM 16 oder auf Plattenlaufwerken 22 gespeichert und von einem Prozessor 12 ausgeführt werden können. Die Kommunikationsverbindung 28 ist mit einem Computernetz verbunden, könnte aber an eine Telefonleitung, eine Antenne, ein Gateway oder an eine sonstige Kommunikationsverbindung angeschlossen werden. Das Plattenlaufwerk 22 kann verschiedene Arten von Speichermedien umfassen, wie beispielsweise Diskettenlaufwerke, Festplattenlaufwerke, CD-ROM-Laufwerke oder Magnetbandlaufwerke. Zwar verwendet dieses Ausführungsbeispiel eine Vielzahl von Plattenlaufwerken 22, aber es könnte auch ein einzelnes Plattenlaufwerk 22 verwendet werden, ohne von dem Umfang und Geltungsbereich der Erfindung abzuweichen. 1 stellt lediglich ein Beispiel eines Computers dar, der mit der Erfindung verwendbar ist. Die Erfindung könnte auf Computern benutzt werden, bei denen es sich nicht um Universalcomputer handelt, ebenso wie auf Universalcomputern ohne konventionelle Betriebssysteme.
Der Universalcomputer 10 umfasst zudem einen Scanner 30, der zum Abtasten von Bildern verwendbar ist, die erfindungsgemäß verbessert werden sollen. In diesem Ausführungsbeispiel kann die Verbesserung mithilfe von gespeicherter Software durchgeführt werden, die von dem Scanner 30 ausgeführt wird, wobei die Ergebnisse in einem Speichermedium gespeichert werden, das einen Teil des Scanners 30 umfasst, und/oder in einer beliebigen Speichervorrichtung des Universalcomputers 10. Alternativ hierzu kann die Software für die Bildverbesserung in einem der Speichermedien gespeichert werden, die dem Universalcomputer 10 zugeordnet sind, und kann von dem Prozessor 12 zur Verbesserung der von dem Scanner 30 abgetasteten Bilder ausgeführt werden. Zudem könnte die Bildverbesserung sowohl innerhalb des Scanners 30 als auch in dem Universalcomputer 10 wie beschrieben durchgeführt werden, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. Der Scanner 30 kann einen Filmscanner oder einen Flachbettscanner beliebigen Typs umfassen, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen.
2 zeigt einen exemplarischen und erfindungsgemäß konstruierten Scanner 34. Der Scanner 34 umfasst den Prozessor 36, das Speichermedium 38 und die Abtasthardware 40. Der Prozessor 36 steuert den Betrieb der Abtasthardware 40 durch Ausführung der in dem Spei chermedium 38 gespeicherten Steuersoftware 44. Zur Vereinfachung wird zwar ein einzelnes Speichermedium gezeigt, aber das Speichermedium 38 kann auch mehrere Speichermedien sowie Speichermedien unterschiedlichen Typs umfassen. So kann beispielsweise die Steuersoftware 44 im ROM-Speicher, im RAM-Speicher oder auf einer Festplatte gespeichert werden. Die Abtasthardware 40 wird verwendet, um ein Analogbild mithilfe einer Art optischen Schaltung in ein Digitalbild umzuwandeln. Für die Abtasthardware 40 könnte jede Art optischer Schaltung verwendet werden, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. Nachdem die Abtasthardware 40 ein Bild abgetastet hat, kann dieses Bild erfindungsgemäß mithilfe einer Bildverarbeitungssoftware 42 verbessert werden, die in dem Speichermedium 38 gespeichert ist. Desgleichen kann das abgetastete Bild ebenso wie das verbesserte Bild auf dem Speichermedium 38 gespeichert werden. Alternativ hierzu kann der Scanner 34 auch ohne Bildverbesserungssoftware ausgestattet sein. Eine derartige Software kann stattdessen auf dem Universalcomputer 10 zur Verbesserung eines von dem Scanner 34 erhaltenen Bildes bereitgestellt werden. Ein gescanntes Bild und/oder ein verbessertes gescanntes Bild kann somit dem Universalcomputer 10 über einen (nicht explizit gezeigten) Kommunikationsanschluss seitens des Scanners 34 bereitgestellt werden. Zwar wurde ein Ausführungsbeispiel eines exemplarischen Scanners 34 für die Bildverbesserung in Verbindung mit der Erfindung dargestellt, aber auch andere Scanner können verwendet werden, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen.
3 zeigt ein Ablaufdiagramm zur Beschreibung eines von einem Ausführungsbeispiel der vorliegenden Erfindung zur Verbesserung eines Digitalbildes verwendeten Verfahrens. Die hier beschriebenen Schritte können mithilfe von Computersoftware ausgeführt werden, ebenso wie die Schritte jedes der nachstehend beschriebenen Prozesse. Wie erläutert, kann diese Software von dem Scanner 34 oder von dem Universalcomputer 10 ausgeführt werden. Ein Digitalbild, das nicht von dem Scanner 30 empfangen wurde, kann ebenfalls erfindungsgemäß verbessert werden. In Schritt 1002 werden die Kornspuren eines Digitalbildes in Beziehung zu den Pixelintensitäten gemessen. In Schritt 1004 werden die Kornspuren in Beziehung zur Frequenz gemessen. In Schritt 1006 werden Korrekturarrays berechnet. Diese Korrekturarrays werden in Schritt 1008 verwendet, um die Kornspuren des Digitalbildes in Relation zu den Intensitäten zu normalisieren, während in Schritt 1010 die Kornspuren in Relation zur Frequenz normalisiert werden. In Schritt 1012 können die normalisierten Kornspurdaten zur Unterdrückung der Kornspuren verwendet werden. Die durch Normalisierung der Kornspuren erzielten Pixelintensitätswerte sind verwendbar, um die Pixelintensitäten über die Farbkanäle auszugleichen, wie in Schritt 1014 genannt. Einige dieser Schritte könnten ausgelassen und andere Schritte könnten hinzugefügt werden, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen.
Obwohl die Erfindung für Digitalbilder verwendbar ist, die von fotografischen Bildern erzeugt wurden, kann sie auch benutzt werden, um Hochfrequenzrauschen zu normalisieren, beispielsweise Kornspuren in anderen Arten von Bildern, wie Satellitenbildern, medizinischen Bildern usw. Die folgende Beschreibung bezieht sich auf die Normalisierung von monochromen Bildern und von Farbbildern. Für Farbbilder ist der unten beschriebene Prozess verwendbar, oder der für monochrome Bilder beschriebene Prozess ist für jeden einzelnen Kanal des Farbbildes verwendbar. Alternativ hierzu kann der monochrome Prozess auf eine Untermenge von Kanälen angewandt werden, während der Farbprozess auf die verbleibenden Kanäle angewandt wird. Ähnlich Optionen gelten für nicht fotografische Digitalbilder.
Messung von Kornspuren in Relation zur Intensität
Die Erfindung umfasst ein Verfahren zur Messung von Kornspuren in Relation zur Pixelintensität. 4 zeigt die in diesem Verfahren enthaltenen Schritte. Alle Berechnungen in dieser Anmeldung, die dieses und sonstige Verfahren betreffen, können mithilfe des Universalcomputers 10, des Scanners 34 oder einer Kombination dieser beiden Geräte in Zusammenarbeit mit anderen Geräten durchgeführt werden. Das Digitalbild kann in Schritt 1102 in Segmente unterteilt werden, gefolgt von einer Transformation in Schritt 1104, wie beispielsweise einer Fourier-Transformation, und der Beseitigung der niedrigen und mittleren Frequenzterme in Schritt 1106. In Schritt 1108 sind verschiedene Formeln verwendbar, um die Kornstärke (ein Wert, der die Größenabweichung der Pixelintensitäten aufgrund von Kornspuren darstellt) jedes Segments in jedem Farbkanal zu berechnen. In Schritt 1110 ist eine separate Formel zur Berechnung eines "Gewichtswerts" für jedes Segment in jedem Farbkanal verwendbar, um die Verifizierung dieser Kornstärken zu unterstützen. In Schritt 1112 können dann Punktdiagramme anhand des Gewichtswerts, DC (Gleichstrom/Direct Current im konventionellen Sinne der Mittelwert eines Signals) und der Kornstärke für jeden Farbkanal erstellt werden. In Schritt 1114 können unter Verwendung eines Kurvenanpassungsalgorithmus Kur ven durch die Punktdiagramme geführt werden, um die entsprechende Kornstärke für jede Pixelintensität zu zeigen.
Segmentierung
In Schritt 1102 wird das Digitalbild in Datensegmente unterteilt, wobei jedes Segment einem Raumbereich des Digitalbildes entspricht. Die Segmentierung kann auf jeden Kanal des Digitalbildes oder auf den einzelnen Kanal im Falle eines monochromen Bildes angewandt werden. Eine Darstellung dieser Aufteilung, die in 5 zu sehen ist, zeigt mehrere Segmente, wie beispielsweise das Segment 1202. Obwohl jede Segmentgröße verwendbar ist, sollte der Bereich jedes Segments vorzugsweise groß genug sein, um eine statistisch signifikante Anzahl von Pixeln zu enthalten, beispielsweise zwischen 16 und 1024 Pixel, jedoch nicht so groß, dass Bereiche des Bildes enthalten sind, die viele im wesentlichen verschiedene Intensitäten enthalten (in einem Bild von der Größe 2000 × 3000 Pixel). Segmente, die 256 verschiedene Pixel (ein Segment aus 16 × 16 Pixeln) enthalten, können einen guten Kompromiss darstellen und liefern genügend Daten, ohne dass das einzelne Segment zu groß ist und daher zu viele verschiedene Intensitätskomponenten für ein Bild im Bereich von 2000 × 3000 Pixel enthält. Mit diesem Verfahren werden typischerweise für ein einzelnes Kleinbildnegativ (oder Kleinbilddia) ca. 24.000 nicht überlagernde Segmente ausgebildet. Jede Bildgröße oder jede Segmentgröße ist verwendbar, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen.
5 zeigt diese Segmente als Quadrate, jedoch weisen diese andere Formen auf, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. Unterschiedliche Segmente müssen nicht unbedingt dieselbe Form oder Größe besitzen, obwohl dies einer Vereinfachung der Verarbeitung dienlich sein kann. In einem konkreten Ausführungsbeispiel lässt sich die Zahl der Segmente sowie deren Form und Größe definieren, indem Änderungen in Bezug auf Frequenz, Intensität oder Frequenzgehalt vorgenommen werden.
Fourier-Transformation
Nach Segmentierung des Digitalbildes wird eine Fourier-Transformation auf die Pixelintensitätswerte für jedes Segment in jedem Farbkanal (oder in dem einzelnen monochromen Kanal) durchgeführt, wie in Schritt 1104 aus 4 gezeigt. Die Daten, die das Digitalbild bilden, enthalten Intensitätswerte für jedes Pixel in dem Bild, und zwar für jeden Farbkanal räumlich angeordnet. Mit Intensität ist die Helligkeit eines Pixels gemeint. Ein weißes Pixel hat beispielsweise größere Intensitätswerte als ein graues oder schwarzes Pixel. Der gleiche Raumbereich von verschiedenen Farbkanälen hat üblicherweise unterschiedliche Pixelintensitätswerte.
Die Fourier-Transformation wandelt die Pixelintensitätswerte für jedes Segment aus der Raumdomäne in die Frequenzdomäne um. Einer der Werte, den eine Fourier-Transformation berechnet, ist die mittlere Intensität, oder "DC" jedes Segments für jeden Farbkanal. Ein weiterer Wert, den die Fourier-Transformation berechnet, ist die Frequenz und Größe der vertikalen und horizontalen Frequenzvektoren für jedes Frequenzelement innerhalb jedes Segments für jeden Farbkanal. Obwohl dieses Ausführungsbeispiel eine Fourier-Transformation verwendet, könnten auch andere Arten von Transformationen verwendet werden, um ein Signal aus der Raumdomäne in die Frequenzdomäne umzuwandeln, beispielsweise eine Hadamard-Transformation. Des weiteren kann der Frequenztransformationsraum mittels Hochpassfilter unterteilt werden.
Beseitigung niedriger und mittlerer Frequenzen
In Schritt 1106 von 4 werden als nächstes die niedrigen und mittleren Frequenzterme jeder Transformation aus den weiteren Überlegungen entfernt. Alternativ hierzu könnten diese Terme gedämpft werden, oder dieser Schritt könnte wegfallen, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. In diesem Ausführungsbeispiel wird diese Beseitigung innerhalb eines Bereichs, der für ein bestimmtes Ausführungsbeispiel der Erfindung geeignet ist, auf jeden Farbkanal (oder auf den einzelnen Kanal eines monochromen Bildes) angewandt. Kornspuren mit vorwiegend hoher Frequenz sind am einfachsten zu messen und von Bildinformationen zu unterscheiden. Weil die physischen Körner im fotografischen Film tendenziell klein und zufällig verteilt sind, ist das Vorkommen von Kornspuren in allen Frequenzen vor dem Abtasten ungefähr gleich, allerdings ist der Bildinhalt bei höheren Frequenzen im Allgemeinen kleiner. Um eine bestmögliche Unterscheidung von Kornspuren gegenüber Bilddetails zu erzielen, ist eine Konzentration auf hohe Frequenzen wünschenswert.
In diesem Ausführungsbeispiel wird ein 16 × 16 Segment verwendet. Andere Segmentgrößen sind verwendbar, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. Um niedrige und mittlere Frequenzen herauszufiltern, kann man beispielsweise sämtliche Fre quenzen herausfiltern, wobei die Summe der Absolutwerte der Positionen der X- und Y-Frequenzen kleiner oder gleich 8 ist. Alternativ hierzu und wenn die Frequenzvektoren wie in 18 angeordnet sind, lässt sich ein geeigneter Radius um den DC-Wert herum wählen, wie beispielsweise: √x² + y² = 8
Frequenzen innerhalb dieses Radius können entfernt werden. Ein anderer Radius oder ein anderes Filterungsverfahren ist verwendbar, ohne vom Umfang oder Geltungsbereich der Erfindung abzuweichen.
Berechnung der Kornstärke
Als nächstes sind in Schritt 1108 von 4 Kreuzkorrelationsformeln verwendbar, um die Kornstärke jedes Segments zu berechnen. Im Falle eines monochromen Digitalbildes werden keine Kreuzkorrelationsformeln verwendet, da nur ein Kanal vorhanden ist. Für Farbbilder und monochrome Bilder verwenden die Berechnungen die aus der Fourier-Transformation erhaltenen Frequenzvektoren des Digitalbildes nach Beseitigung der niedrigen und mittleren Frequenzterme.
Um diese Berechnungen zu verstehen, ist eine Erläuterung eines Digitalbildes sinnvoll. Sämtliche Informationen, die sich in einem Segment befinden, bestehen aus den Informationen für jedes Pixel jedes Farbkanals. Beispielsweise ist in einem typischen dreifarbigen Digitalbild die gesamte Information für ein Segment eine Kombination der Informationen aus dem roten, grünen und blauen Kanal. Der Begriff "Farbkanal" wird zur Vereinfachung verwendet, wobei die Bildkanäle nicht unbedingt Farbkanäle sein müssen. Die Erfindung kann auf die Bildkanäle eines Digitalbildes auch dann angewandt werden, wenn diese Kanäle für eine Farbe nicht repräsentativ sind. In diesem Ausführungsbeispiel stellen die Kanäle drei Farbkanäle eines fotografischen Bildes dar.
Die Rotinformationen, womit hier die Rotfrequenzvektoren gemeint sind, lassen sich durch Formel 1 darstellen. Zum Zwecke dieses Patents steht ein fettgeschriebener Buchstabe für einen komplexen Vektor, der aus einer realen und einer imaginären Komponente oder alternativ aus einer Größen- und einer Phasenkomponente besteht. R = RS + Rn (1)
In Formel 1 steht R für die kombinierten Signale jedes Pixels in einem über den Rotkanal aufgezeichneten Segment. R_S steht für den Teil der Rotinformation des Segments, der aus dem Bildsignal stammt. R_n steht für den Teil des "Rauschens", der als Kornspuren betrachtet werden kann.
In ähnlicher Weise gilt für die Grün- und Blauinformationen: G = GS + Gn (2) B = BS + Bn (3)
Vorausgesetzt, dass nur R, G und B gemessen werden können, werden Schätzwerte für R_n, G_n und B_n kalkuliert. In ähnlicher Weise wird ein Schätzwert für die Rauschkomponente eines monochromen Bildsignals berechnet.
Weil die Kornmuster in jeder Farbschicht des Originalfilms unterschiedlich sind, kann man davon ausgehen, dass die Kornspuren, also das Rauschen, in einem Segment eines Digitalbildes über die Farbkanäle hinweg nicht korreliert sind. Mit anderen Worten sind die Intensitätswerte für den Rauschanteil des Signals in einem Segment tendenziell in jedem Farbkanal verschieden. Andererseits sind die Intensitätswerte aus dem Bildanteil des Signals in einem Segment tendenziell in jedem Farbkanal gleich und stehen damit zueinander in Korrelation. Eine derartige Korrelation kann sich logisch aus dem Grundsatz ergeben, dass die Luminanzkomponente der natürlichen Bilder oft stärker als die Farbkomponenten sind.
Die Kreuzkorrelationen zwischen Farben können somit als Prädiktor des Mischungsverhältnisses von R_S und R_n dienen, die R enthält. Eine sehr schwache Kreuzkorrelation impliziert, dass das Signal sehr nahe an null liegt; somit gilt Rn ≅ R = RS + Rn (4)
Mit anderen Worten impliziert eine starke Kreuzkorrelation, dass die Komponente R_S gegenüber R_n dominiert, so dass Rn << R = RS + Rn (5)
Es ist somit eine aussagekräftige Schätzung des Rauschens möglich: R geschätzt = F(Kreuzkorrelation)·R (6)
In Formel 6 nähert sich F (Kreuzkorrelation) dem Wert 0, während sich die Kreuzkorrelation der Autokorrelation nähert, d.h. einer perfekten Kreuzkorrelation; und F (Kreuzkorrelation) nähert sich dem Wert 1, wenn sich die Kreuzkorrelation dem Wert 0 nähert.
Die Kreuzkorrelation unter den Bildkanälen ist verwendbar, um einen verbesserten Schätzwert von R_n bei einem gegebenen Wert R abzuleiten. Bei Anliegen eines starken Signals kann die Schätzung allerdings weniger zuverlässig werden. Eine zweite Verwendung der Kreuzkorrelation besteht darin, einen Schätzwert dieser Zuverlässigkeit abzuleiten und somit ein „Gewicht", das bestimmt, wie weit auf die Schätzung von R_n unter Berücksichtigung der Mittelwerte in anderen Segmenten Verlass ist.
Die Messung der Kreuzkorrelationen zwischen der Information aus beiden Farbkanälen, wie den roten und grünen Kanälen, kann daher algebraisch folgendermaßen ausgedrückt werden:
In Formel 7 steht RG für die Kreuzkorrelation der Information über ein Segment aus dem roten und grünen Kanal. Diese ergibt sich aus einer komplexen Multiplikation der Frequenzwerte des Segments aus dem Rotkanal mit denen aus dem Grünkanal, und zwar frequenzweise für jeden Nicht-DC-Frequenzterm, der nach Beseitigung der niedrigen und mittleren Frequenzen verbleibt. Beispielsweise wird der Frequenzvektor für die Frequenzposition 1 in dem Rotkanal mit dem Frequenzvektor für die Frequenzposition 1 in dem Grünkanal multipliziert. In einer separaten Berechnung wird der Frequenzvektor für die Frequenzposition 2 in dem Rotkanal mit dem Frequenzvektor für die Frequenzposition 2 in dem Grünkanal multipliziert usw. Es sei darauf hingewiesen, dass dies Vektormultiplikationen oder „Skalarprodukte" von zwei Vektoren sind und daher die Korrelation, einschließlich der Vektorrichtung der beiden Vektoren, darstellen. Die Produkte dieser einzelnen Berechnungen werden summiert.
Formel 7 zeigt zudem, dass über große Bereiche des Digitalbildes die Werte R_nG_S, G_SR_n und R_nG_n nicht korrelieren. Deren Produkte sind bisweilen zufällig positiv und bisweilen zufällig negativ und haben somit eine geringe Auswirkung auf die Endsumme. Ihr Mittelwert beträgt tendenziell null. Formel 7 zeigt schließlich, dass Frequenz für Frequenz die gesamten korrelierten Rot- und Grüninformationen für ein Segment ungefähr gleich den korrelierten Rot- und Grünbildsignalwerten sind. Auf gleiche Weise ist BR = B_SR_S und BG = B_SG_S.
Die Kreuzkorrelationen unter den Farbkanälen für jedes Segment, und zwar Frequenzposition für Frequenzposition, lässt sich aus den Formeln 8–10 berechnen. BR = RB = ΣR·B für das gesamte Segment (8) RG = GR = ΣG·R für das gesamte Segment (9) BG = GB = ΣG·B für das gesamte Segment (10)
Somit umfasst die Kreuzkorrelation für ein bestimmtes Segment zwischen zwei Farbkanälen eine Summe der Skalarprodukte der Frequenzdomänenvektoren (nach Entfernung der niedrigen und mittleren Frequenzterme) an entsprechenden Frequenzen.
Als nächstes kann die Kornstärke für jedes Segment in jedem Farbkanal gemessen werden. Die Kornstärke ist die Anzahl der Spuren, die aus den Körnern im Originalfilm verblieben ist. Segmente mit einer großen Zahl von Kornspuren haben eine hohe Kornstärke. Die Rotkornstärke (Rgs) für ein Segment lässt sich folgendermaßen berechnen:
Die Rotkornstärke in einem Segment ist gleich der Summe des Absolutwerts von dessen Rotrauschwerten, die wiederum gleich der Summe der Quadratwurzel der Rotrauschwerte im Quadrat sind.
Es ist folgende Schätzung verwendbar, die auf empirischer Forschung beruht:
Es sei darauf hingewiesen, dass die Quadratwurzel verwendet wird, um die Wirkung eines gelegentlichen starken Rauschens zu minimieren. Diese Schätzung ist für die anderen Farbkanäle oder für den einzelnen Kanal eines monochromen Bildes ebenfalls verwendbar.
Da R_n = R – R_S lässt sich die Formel für die Kornstärke des Rotkanals wie folgt formulieren:
Wenn sich R_S für ein gegebenes Segment von R erhöht und wenn sich R_n für ein gegebenes Segment von R verringert, nähert sich der Wert für "R – R_S" null, wodurch sich R_gS ebenfalls null nähert. Umgekehrt erhöht sich der Wert für "R – R_S" und der Wert für R_gS verringert sich, wenn sich R_n erhöht und R_S verringert.
Die Formeln für die Kornstärken der Grün- und Blaukanäle können auf gleiche Weise angegeben werden:
Eine analoge Formel ist für den einzelnen Kanal eines monochromen Bildes verwendbar.
Bestimmte Werte des Bildsignals aus jedem Farbkanal sind in den Bildsignalen aus den anderen Farbkanälen enthalten. Beispielsweise ist ein Teil des roten Bildsignals (R_S) in sowohl dem grünen Bildsignal (G_S) als auch in dem blauen Bildsignal (B_S) vorhanden. Ein Teil des grünen Bildsignals (G_S,) ist sowohl in dem roten Bildsignal (R_S) als auch in dem blauen Bildsignal (B_S) vorhanden, und ein Teil des blauen Bildsignals (B_S) ist in dem roten Bildsignal (R_S) und in dem grünen Bildsignal (G_S) vorhanden.
Die folgenden Konstantenwerte (K) sind zur Identifizierung der Kornstärken, wie nachfolgend beschrieben, verwendbar:

K_RG: ist die Menge des roten Bildsignals in dem grünen Bildsignal.
K_GR: ist die Menge des grünen Bildsignals in dem roten Bildsignal.
K_RB: ist die Menge des roten Bildsignals in dem blauen Bildsignal.
K_GB: ist die Menge des grünen Bildsignals in dem blauen Bildsignal.
K_BR: ist die Menge des blauen Bildsignals in dem roten Bildsignal.
K_BG: ist die Menge des blauen Bildsignals in dem grünen Bildsignal.

Gestützt auf empirische Untersuchungen lassen sich Schätzungen für den Wert des Bildsignals jeder Farbe erstellen, bezogen auf diese konstanten Werte und auf die Frequenzgrößen des Eingangssignals und der Rauschinformationen. In einer Implementierung sind die Schätzungen für die roten, grünen und blauen Signale: Rs ≅ ½KRGG + ½KRBB (16) Gs ≅ ½KGBB + ½KGRR (17) Bs ≅ ½KBRR + ½KBGG (18)
In den Formeln 16–18, ist R die Menge der roten Frequenzvektoren für ein Segment, G ist die Menge der grünen Frequenzvektoren und B ist die Menge der blauen Frequenzvektoren.
Diese Werte wurden bereits aus der Fourier-Transformation gewonnen. Wie zuvor wurden die niedrigen und mittleren Frequenzen entfernt.
Um nach der Rotkornstärke (Rgs) aufzulösen, lautet die Formel:
Um nach der Grün- und Blaukornstärke aufzulösen, lauten die Formeln:
Eine weitere Menge von Schätzungen ist verwendbar, um nach den konstanten Werten (K) aufzulösen, indem die zuvor berechneten Kreuzkorrelationen verwendet werden (siehe Formel 8–10). Beispielsweise lässt sich K_RG wie folgt bestimmen:
Auf gleiche Weise gelöst sind die anderen Werte K
Unter Verwendung der erhaltenen Werte kann nun die Kornstärke in jedem Segment für jede Farbe berechnet werden, und zwar anhand der Frequenzvektoren aus den Fourier-Transformationen bei Beseitigung der niedrigen und mittleren Frequenzen (R, G und B in diesen Formeln).
Beispielsweise erfolgt erfindungsgemäß die Schätzung der Rotkornstärke durch folgende Gleichungsreihe:
Rn = R – RS (13)
RS ≅ ½KRGG + ½KRBB (16)

BR = ΣR·B (8) BG = ΣG·B (10) GR = ΣG·R (9)
Die Formeln zur Schätzung der Grünkornstärke und der Blaukornstärke sind
In jedem Fall liegt die Summenbildung über jeder Frequenz in der Raumfrequenzdomäne.
Für monochrome Bilder wird die Kornstärke für jedes Segment geschätzt, indem die Summe der Quadratwurzel des Skalarprodukts jedes Frequenzvektors mit sich selbst nach Beseitigung der niedrigen und mittleren Frequenzen gebildet wird.
Berechnung der Sementgewichte
Nach Schätzung der Kornstärke gemäß einer Berechnungsmenge ist eine zweite Formelmenge verwendbar, um einen "Gewichtswert" für jedes Segment zu ermitteln, und zwar einen für jeden Farbkanal, wie in Schritt 1110 von 4 gezeigt. Auch hier können die aus diesen Fourier-Transformationen gewonnenen Frequenzvektoren unter Beseitigung der niedrigen und mittleren Frequenzen verwendet werden. Der Gewichtswert stellt einen Konfidenzwert dar, dass die berechnete Kornstärke (Rauschen) tatsächlich eine Messung von Kornspuren und nicht von Bilddetails ist.
Zur Berechnung des Gewichtswerts können die Formeln 8–10 herangezogen werden. Außerdem sind folgende Formeln für die Gesamtheit der Frequenzvektorwerte für jedes Segment verwendbar. Diese Formeln (die ein Maß der Autokorrelation sind), bilden die Summe der Skalarprodukte der Frequenzvektoren mit sich selbst für alle Frequenzpositionen innerhalb eines Segments. Für jeden Farbkanal werden separate Summen gefunden. RR = ΣR·R (32) GG = ΣG·G (33) BB = ΣB·B (34)
In jedem Fall stehen R, G, und B für die Fourier-Transformation eines Segments unter Beseitigung der niedrigen und mittleren Frequenzen.
Unter Verwendung der Ergebnisse aus den Formeln 8–10 und 32–34 lässt sich ein Gewichtswert für jedes Segment gemäß folgender Formel berechnen:
Formel 35 ist verwendbar, weil die gleichen Frequenzwerte unterschiedlicher Farben aus dem Bildanteil eines Segments über die Farbkanäle hinweg ähnlicher sind als diejenigen von den Kornspuren. Die aus jedem Farbkanal aufgezeichneten Kornspuren weisen unterschiedliche Muster in einem Digitalbild auf, wie zuvor in dieser Anmeldung erläutert wurde, und haben somit unterschiedliche Mengen von Frequenzwerten. Andererseits ist das Bild tendenziell über die Farbkanäle hinweg ähnlich und hat folglich ähnliche Frequenzwerte in jedem Farbkanal.
In einem Segment, das sich ausschließlich aus Bildsignalen zusammensetzt, ist beispielsweise der kombinierte Wert der Kreuzkorrelationen in dem Zähler der Gewichtswertgleichung ungefähr gleich dem kombinierten Wert der Autokorrelationen in dem Nenner. Der Gewichtswert dieses Segments tendiert somit nach 1,0, der Quadratwurzel von 1, oder schließlich 0.
Ein Segment, das sich ausschließlich aus Kornspursignalen zusammensetzt, hat einen Gewichtswert, der nach 1,0–0 oder schließlich 1,0 tendiert. Dies liegt daran, dass der kombinierte Wert der Kreuzkorrelationen in dem Zähler viel kleiner ist als der kombinierte Wert der Autokorrelationen in dem Nenner.
Je stärker sich der Inhalt eines Segments aus Bildsignalen zusammensetzt, umso mehr nähert sich der Gewichtswert dem Wert 0. Je stärker sich der Inhalt eines Segments aus Kornspuren (Rauschen) zusammensetzt, umso mehr nähert sich der Gewichtswert dem Wert 1.
Für monochrome Bilder wird das Gewicht im Allgemeinen auf einen festen Wert gesetzt, wie etwa eins.
Kurvendarstellung nach Gewicht, DC und Kornstärke
Nach Durchführung dieser Berechnungen können die Gewichtswerte für jedes Segment in drei Kurven für das gesamte Bild abgetragen werden, nämlich eine für jeden Farbkanal, wie in Schritt 1112 von 4 gezeigt. Es sei zur Klärung darauf hingewiesen, dass eine Kurve für jeden Farbkanal des Bildes abgetragen werden kann, nicht eine Kurve je Segment. Jedes Segment in dem Digitalbild wird auf der Kurve gemäß seiner Kornstärke und dem DC-Wert dargestellt (wobei es sich um den mittleren Intensitätswert für das durch die Fourier-Transformation erhaltene Segment handelt). Außerdem ist der abgetragene Punkt für jedes Segment dem Gewichtswert des Segments zugeordnet. Das Ergebnis ist ein Punktdiagramm, bei dem die X-Achse die mittlere Intensität darstellt, bei dem die Y-Achse die Kornstärke darstellt und bei dem die Größe eines bestimmten Punktes auf dem Punktdiagramm den Gewichtswert umfasst. Für ein monochromes Bild kann ein einzelnes Punktdiagramm erzeugt werden, das mit den modifizierten Formeln für Kornstärke und Gewicht, wie zuvor beschrieben, übereinstimmt.
6 zeigt die Kurvendarstellung für die Rotkanalinformation über ein Segment in einem Digitalbild. Die Y-Achse zeigt die Kornstärke. Die X-Achse zeigt die mittlere Intensität. Punkt 1502 ist der Punkt für die Rotkornstärke und die rote mittlere Intensität des Segments. Die auseinandergezogene Darstellung 1504 von Punkt 1502 zeigt den Gewichtswert (WV) für dieses Segment.
Auf gleiche Weise wird ein Punkt für das Segment separat für den Grünkanal auf einer Streuungskurve für grün und für den Blaukanal auf einer Streuungskurve für blau abgetragen. Nach Abtragen der Daten für die Segmente eines Bildes ergeben sich drei Punktdiagramme, eines für jeden Farbkanal. 7 zeigt ein Punktdiagramm für die Segmente eines Digitalbildes, aufgezeichnet durch einen Farbkanal, beispielsweise den Rotkanal. Ähnliche Punktdiagramme würden die Ergebnisse für den Grün- und Blaukanal oder für den einzelnen Kanal eines monochromen Bildes zeigen.
Kurvendarstellung für geschätzte Kornstärke
Sobald die Punktdiagramme erstellt worden sind, können Kurvenermittlungstechniken benutzt werden, um Kurven durch die Punktmenge für jeden Farbkanal zu ziehen (oder für den einzelnen Kanal eines monochromen Bildes), wie in Schritt 1114 von 4 gezeigt. Die jeder Punktposition zugewiesenen Gewichtswerte können die genaue Position dieser Linien beeinflussen, wobei größere Gewichtswerte die Linien in ihre Richtung ziehen. 8 zeigt die durch ein Punktdiagramm für einen Farbkanal, beispielsweise für den Rotkanal, geführte Kurve 1702. Die Kurve stellt die Kornstärke dar, abgetragen gegen die Dichte. Zwar wird nachstehend eine bestimmte Kurvenermittlung besprochen, aber grundsätzlich ist jede Kurvenermittlungstechnik verwendbar, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. Für verschiedene Farbkanäle könnten zudem verschiedene Techniken verwendet werden.
Diese Kurven lassen sich anschließend dazu verwenden, eine Messung der geschätzten Kornstärke jedes Pixels in dem Digitalbild für einen bestimmten Farbkanal in Abhängigkeit von dem Intensitätswert dieses Pixels in dem bestimmten Farbkanal zu ermitteln. Diese Messung kann auf verschiedene Weise verwendet werden, um das Digitalbild visuell ansprechender zu machen.
Die Annahme, dass Bildinformationen in allen drei Kanälen vorhanden sind, gilt die meiste Zeit. Helle Farbbereiche eines Digitalbildes können jedoch Bereiche mit starken Bildinformationen, aber schwachen Farbkorrelationen enthalten, wodurch sich gelegentliche starke Punkte ergeben, die außerhalb des mittleren Bereichs liegen. Um eine wünschenswerte Anpassung an die geschätzte Kornstärke zu erzielen, könnte die Kurvenermittlungstechnik die gelegentlichen starken Punkte berücksichtigen, so dass die Kurve durch diese nicht verzerrt wird. Beispielsweise könnte diese eine Medianmittelung der Punkte verwenden oder einen Prototyp für die beste Ausgleichskurve suchen. Auch könnte diese einen ersten Prototyp der Ausgleichskurve erstellen, die starken Punkte unterdrücken, die über dem Doppelten der Prototypenkurve liegen und dann eine zweite Ausgleichskurve anhand der modifizierten Daten erstellen. Für derartige starke Punkte besteht eine hohe Wahrscheinlichkeit, dass dies kein Rauschen, sondern Bilddetails darstellen, so dass die Unterdrückung dieser Punkte eine genauere Kurve erzeugen könnte. Eine derartige Ausgleichsoperation könnte mehrmals durchgeführt werden, bis keine Punkte mehr unterdrückt zu werden brauchen. In diesem Ausführungsbeispiel wird eine Medianmittelungstechnik verwendet.
9 zeigt die Kurve 1802 für die Rotinformationen eines Digitalbildes. Diese Kurve 1802 kann die gleiche Kurve oder proportional zu der Kurve sein, die in Verbindung mit den Punktdiagrammen erstellt wurde, wie etwa die Kurve 1702 aus 8. Es sei darauf hingewiesen, dass die X-Achse den Pixelintensitätswert darstellt, nicht die mittlere Pixelintensität über ein gesamtes Segment, wie dies zuvor der Fall war. Für ein Pixel mit der an Punkt 1804 gezeigten Intensität liegt die geschätzte Kornstärke an Punkt 1806. Mit anderen Worten kann die Kurve 1802 (die die gleiche Kurve wie die Kurve 1702 sein kann) benutzt werden, um eine Schätzung der Kornstärke eines Pixels bereitzustellen, obwohl die Kurve 1702 von einem Punktdiagramm auf der Basis der mittleren Intensität abgeleitet wurde.
Messung der Kornstärke in Relation zur Frequenz
Nach Abschluss der Messungen der Kornspuren kann die Kornstärke in Relation zur Frequenz für jeden Farbkanal (oder für den einzelnen Kanal eines monochromen Bildes) gemessen werden, wie in Schritt 1004 von 3 gezeigt. Der Frequenzanteil bezieht sich auf die Bilddetails. Segmente mit einem höheren Bilddetailanteil haben bei allen Frequenzen mehr Inhalte.
Als Beispiel sei ein Bild genannt, das einen Baum zeigt, der von Himmel umgeben ist und auf einer Wiese steht. Der Grasanteil des Bildes mit seinen vielen Schattierungen und Tönen weist in allen Frequenzen eine hohe Energie auf, d.h. einen großen Frequenzinhalt. Ein großer Teil der hohen Energie kann Hochfrequenzinhalt sein. Auf der anderen Seite hat der Himmelsbereich, der wenig Bilddetail aufweist, einen sehr niedrigen Hochfrequenzinhalt, der aus dem eigentlichen Bild stammt. Man kann daher davon ausgehen, dass jeder gemessene Hochfrequenzinhalt vorwiegend auf Korndetails zurückzuführen ist.
Um die Kornstärke in Beziehung zur Frequenz zu messen, werden die in 10 dargestellten Schritte durchgeführt. In Schritt 2002 wird das Digitalbild ein zweites Mal segmentiert, und in Schritt 2004 wird eine zweite Fourier-Transformation durchgeführt, obwohl alternativ hierzu die Ergebnisse der ersten Segmentierung und der ersten Fourier-Transformation verwendet werden könnten. Wenn neue Berechnungen durchgeführt werden, könnten andere Optionen für Segmentgröße, Form und Überlagerung verwendet werden (wie zuvor beschrieben), ebenso wie unterschiedliche Arten von Transformationen (diese Optionen werden ebenfalls vorstehend beschrieben). In Schritt 2006 werden Punktdiagramme mit angepassten Kurven verwendet, um die geschätzte Kornstärke in Relation zur Frequenz zu identifizieren. In Schritt 2008 wird die Größe, geteilt durch die geschätzte Kornstärke, bezogen auf die Kornstärke gegenüber der soeben abgeleiteten Intensitätsfunktion abgetragen, und zwar in Beziehung zu den Frequenzwerten für jedes Segment. In Schritt 2010 werden die Kurven zur Identifizierung der Kornspuren in Beziehung zur Frequenz gezeichnet.
Segmentierung
Bei Messung der Kornstärke in Beziehung zur Frequenz kann das Digitalbild in Schritt 2002 in Segmente unterteilt werden, und zwar anhand der Techniken und Optionen, die zuvor für Schritt 1102 aus 4 beschrieben wurden.
Fourier-Transformation
In Schritt 2004 wird eine zweite Transformation auf die Pixelintensitätswerte für jedes Segment in jedem Farbkanal (oder in dem einzelnen Kanal eines monochromen Bildes) anhand der Techniken und Optionen, die zuvor für Schritt 1104 aus 4 beschrieben wurden, durchgeführt. Der Bereich der niedrigen und mittleren Frequenzterme wurde aus den Ergebnissen jedoch nicht entfernt, wie zuvor in Schritt 1106 aus 4 gezeigt wurde.
Identifizierung der geschätzten Kornstärke in Relation zur Frequenz
Anhand der DC-Werte (mittlere Intensität), die in der zweiten Fourier-Transformation erzeugt wurden, kann die geschätzte Kornstärke in Relation zur Frequenz für jedes Segment in jedem Farbkanal (oder in dem einzelnen Kanal eines monochromen Bildes) identifiziert werden, wie in Schritt 2006 gezeigt. Die mithilfe der Punktdiagramme für jeden Farbkanal (oder für den einzelnen Kanal eines monochromen Bildes) zuvor gezeichneten Kurven (Kurve 1702 und 1802) sind für diesen Zweck verwendbar. Für jedes Segment kann der DC-Wert (mittlere Intensität) aus der zweiten Fourier-Transformation benutzt werden, um einen Punkt auf der X-Achse für die Intensitätswerte der Kurve zu lokalisieren und somit die geschätzte Kornstärke auf der Y-Achse zu finden.
Wenn ein Segment beispielsweise einen DC-Wert aufweist, der dem Wert an Punkt 1808 von 9 entspricht, würde die geschätzte Kornstärke der Wert an Punkt 1810 auf der Kurve 1802 sein. Es wird davon ausgegangen, dass jede Frequenz in einem Segment eine geschätzte Kornstärke aufweist, die von der mittleren Intensität des Segments abgeleitet wird.
Kurvendarstellung Größe im Verhältnis zur Kornstärke (M/GS) nach Frequenz
Nach der Identifizierung der geschätzten Kornstärken in Relation zur Frequenz können die Größen an jeder Frequenz für jedes Segment in jedem Farbkanal (oder in dem einzelnen Kanal eines monochromen Bildes) durch die geschätzte Kornstärke jedes Segments in jedem Farbkanal (oder in dem einzelnen Kanal eines monochromen Bildes) in Schritt 2008 von 10 geteilt werden. Die Größen bei jeder Frequenz lassen sich somit mithilfe der Fourier-Transformation in Schritt 2004 ermitteln.
Es können neue Punktdiagramme erstellt werden, nämlich eine Kurve für jeden Farbkanal (oder eine für ein monochromes Bild). Die Y-Achse der Punktdiagramme stellt für jeden fraglichen Kanal die Werte der Größen bei jeder Frequenz jedes Segments dar, geteilt durch die geschätzte Kornstärke für dieses Segment. Die X-Achse der Punktdiagramme stellt für den fraglichen Kanal die Frequenzwerte dar, die in dem Digitalbild vorhanden sind. Somit wird auf dem Punktdiagramm für jede Frequenz jedes Segments in dem Bild ein Punkt abgetragen. In dem vorausgehenden Beispiel waren 289 Frequenzen vorhanden, so dass das neue Punktdiagramm für dieses Beispiel 289S abgetragene Punkte haben würde, wobei S für die Zahl der Segmente steht. Es gibt keine Gewichtswerte, die an Punkten in diesem Punktdiagramm anliegen, ausgenommen der Anzahl der Punkte, die in gleicher Position abgetragen sind. Jeder Punkt hat also ein Gewicht von eins, wenn aber ein zweiter Punkt an gleicher Position abgetragen wird, wird dem vorhandenen Punkt ein Gewicht von zwei zugewiesen. Alternativ hierzu kann eine Liste von Punkten gepflegt werden, die beide Punkte enthält.
11 zeigt ein derartiges Punktdiagramm für einen Farbkanal. Die untere Punktmenge stellt die Segmente dar, die von den oberen getrennt wurden, indem ihnen die hohe Wahrscheinlichkeit zugewiesen wurde, dass sie vorwiegend für Kornstärke und nicht für das Bildsignal stehen. Diese aus der Punktmenge beseitigten Punkte stellen mit hoher Wahrscheinlichkeit das Bildsignal dar.
Kurvendarstellung zur Identifizierung von Kornspuren in Relation zur Frequenz
Als nächstes kann eine Kurve durch alle Punkte in der unteren Punktmenge in jedem Punktdiagramm mithilfe eines beliebigen Kurvenanpassungsalgorithmus geführt werden, wie in Schritt 2010 in 10 gezeigt. In diesem Ausführungsbeispiel wird ein Medianmittelungsalgorithmus verwendet. Bei der Erstellung dieser Kurve können die restlichen über der Kurve liegenden Punkte außerhalb der Punktemenge ignoriert werden, so dass diese die Ergebnisse nicht verzerren. Hierzu kann folgende "Gewichtsformel" für jeden Punkt verwendet werden, wobei y für den Wert eines Punktes auf der Y-Achse steht:
Andere geeignete Gewichtswerte sind verwendbar, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. 12 zeigt eine Kurve 2202 durch die Punktmenge für einen Farbkanal. Es sei darauf hingewiesen, dass bei der Kurvendarstellung die vereinzelten Punkte 2204 und 2206 ignoriert werden. Es kann zudem vorteilhaft sein, nur die Punkte mit mittlerer und hoher Frequenz heranzuziehen, um die Kurve zu erstellen. Auf diese Weise wird der geschätzte DC-Wert nicht von starken Frequenzinhalten beeinträchtigt.
Berechnung von Korrekturarrays
Für jeden Farbkanal kann ein Korrekturarray berechnet werden, wie in Schritt 1006 von 3 gezeigt.
Ermittlung der DC-Terme, wie anhand der Kurvendarstellungen geschätzt
Um die Korrekturarrays zu berechnen, werden die durch die Punktdiagramme in Schritt 2010 (10) gezogenen Kurven verwendet, um einen geschätzten DC-Wert (EDC) in jedem Farbkanal (oder in dem einzelnen Kanal eines monochromen Bildes) zu berechnen. Beispielsweise zeigt 12 den EDC-Wert an Punkt 2208 auf Kurve 2202. In diesem Beispiel liefern die drei Punktdiagramme einen geschätzten DC-Wert für den Rot-, Grün- und Blaukanal.
Berechnung der Arrays
Nach Ermittlung der EDC-Werte wird mittels Formel 37 ein Array für jeden Farbkanal berechnet (oder für den einzelnen Kanal eines monochromen Bildes), wobei [x] den Bereich der Pixelintensitätswerte abdeckt:
Anhand der geschätzten DC-Werte, die anhand der in Schritt 2010 berechneten Kurven ermittelt wurden, sowie anhand der geschätzten Kornstärke für jede Intensität, die aus den in Schritt 1114 berechneten Kurven ermittelt wurde, wird ein Array pro Kanal berechnet.
Berechnung der Korrekturarray
Die Werte von Array [x] können herangezogen werden, um einen Korrekturarray für jeden Kanal (oder für den einzelnen Kanal eines monochromen Bildes) zu berechnen. Formel 38 kann zur Berechnung dieses Arrays verwendet werden.
Normalisierung von Kornspuren in Relation zur Intensität
Nach Berechnung des Korrekturarrays können die Kornspuren des Digitalbildes in Relation zu den Intensitäten normalisiert werden, wie in Schritt 1008 in 3 gezeigt. Die durch die Korrekturarrays erhaltenen Werte lassen sich auf die Daten des Digitalbildes zur Erzielung der Normalisierung anwenden. Jeder Pixelintensitätswert 11 × 11 in dem Digitalbild kann durch den Wert in der Korrektur [x] für jeden Farbkanal ersetzt werden (oder für den einzelnen Kanal eines monochromen Bildes). Dieser Prozess bewirkt, dass die Kornspuren in dem Digitalbild ungefähr die gleiche visuelle Wirkung über die Graustufen jedes Kanals haben, wodurch das Digitalbild visuell ansprechender wird. Beispielsweise ist es ansprechender, wenn es als ein Positiv an einem typischen Monitor mit einem Gammawert von ca. 2 angezeigt wird.
13 zeigt eine grafische Darstellung der Kornspuren in einer Linie aus Pixeln aus einem normalisierten Digitalbild, wobei Änderungen in der Pixelintensität räumlich abgetragen sind; zu erkennen ist, dass der Bereich der Pixelintensitäten durchgehend gleichmäßig ist, und dass er nicht in einer Weise schwankt, wie dies bei den Pixelintensitäten in einem nicht normalisierten Digitalbild der Fall ist. Die Fluktuation an Punkt 2302 in 23 ist ungefähr gleich groß wie die um den Punkt 2304.
Normalisierung von Kornspuren in Relation zur Frequenz
Die Kornspuren des Digitalbildes können jetzt in Relation zur Frequenz normalisiert werden, wie in Schritt 1010 in 3 gezeigt. Nach Anwendung der Korrekturarrays kann eine weitere Frequenztransformation durchgeführt werden, um jeden Kanal (oder den einzelnen Kanal eines monochromen Bildes) des intensitätsnormalisierten Bildes aus der Zeitdomäne in die Frequenzdomäne umzuwandeln. Alternativ hierzu könnten die Korrekturarrays in die Frequenzdomänenfunktion umgewandelt werden, um auf die originale Raumfrequenzdomänendarstellung des Bildes angewandt zu werden. In diesem Ausführungsbeispiel werden die Korrekturarrays in der Zeitdomäne angewandt, und es werden für jeden Kanal Transformationen vorgenommen, um den zu beschreibenden Frequenznormalisierungsprozess durchzuführen.
14 zeigt eine zweidimensionale Kurvendarstellung, die die gegen die Frequenzen abgetragenen Größen in einem Digitalbild grafisch darstellt, nachdem die Software eine Normalisierung der Kornspuren über die Intensitäten hinweg durchgeführt hat. Es sei darauf hingewiesen, dass der mittlere (DC)-Wert von 2402 1,0 beträgt.
Um Kornspuren über Frequenzen zu normalisieren, multipliziert die Software jede Größe (M) jeder Frequenz in jedem Segment um einen Faktor (F). Der Faktor bezeichnet, wie stark die durch das Punktdiagramm gezeichnete Kurve 2404 von dem Wert 1,0 abweicht.
Eine Kurve der Abweichungsfaktoren würde eine Frequenzverstärkungskurve zeigen, die die Umkehrung der Kurve 2404 in 14 ist. Es sei darauf hingewiesen, dass die Phase nicht betroffen ist und erhalten bleibt.
15 zeigt eine zweidimensionale Kurvendarstellung, die die gegen die Frequenzen abgetragenen Frequenzgrößen in einem Digitalbild grafisch darstellt, nachdem die Software eine Multiplikation um den Abweichungsfaktor durchgeführt hat. Eine mithilfe konventioneller Verfahren durch diese Darstellung geführte Kurve 2502 zeigt, dass die Größen der Kornspu ren für die Bereiche hoher und niedriger Frequenz ungefähr gleich sind. Sie schwanken nicht stark, wie dies in einem nicht normalisierten Digitalbild der Fall ist.
Unterdrückung der Kornspuren
Nach Berechnung der Korrekturarrays sind die durch die Korrekturarrays normalisierten Werte verwendbar, um die Kornspuren in dem Digitalbild zu unterdrücken, wie in Schritt 1012 von 3 gezeigt. Weitere Verfahren zur Unterdrückung der Kornspuren sind verwendbar, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen, beispielsweise ein nachstehend beschriebenes zweites Verfahren.
Bei der erfindungsgemäßen Normalisierung des Digitalbildes wurde die Kornstärke in jedem Segment in jedem Farbkanal und in jedem Frequenzband so eingestellt, dass die Größenkomponente 1,0 ist, wie in 15 gezeigt. Die Phase ist davon nicht betroffen. Daher ist die Größe einer Komponente ein starker Indikator, der die Kornspuren (Rauschen) vom Bilddetail abgrenzt, wobei 1,0 einen Wendepunkt markiert. Eine Größe von größer als 1,0 steht für die Wahrscheinlichkeit, dass es sich um Bilddetails handelt, während eine Größe von kleiner als 1,0 für die Wahrscheinlichkeit steht, dass es sich um Kornspuren handelt. Um Kornspuren in einem Digitalbild zu unterdrücken, ist es wünschenswert, Komponenten mit Größen zu unterdrücken, die kleiner als 1,0 sind und sich diesem Wert nähern. Andererseits können Komponenten mit Größen von größer als 1,0 so interpretiert werden, dass es sich um Bilddetails handelt, weshalb sie nicht unterdrückt werden sollten.
Dies steht in Kontrast zu einem nicht normalisierten Digitalbild, in dem sich die Wendepunktmenge zwischen Kornspuren (Rauschen) und Bilddetails mit der Intensität und Frequenz verändert, weshalb eine genaue Trennung der Kornspuren von dem Bild nahezu unmöglich ist. Wie bereits erwähnt, kann das Bild normalisiert werden, oder es könnten Daten zur Beschreibung der Rauschverteilung mittels Intensität und Frequenz mit einem nicht normalisierten Bild herangezogen werden, um die Kornreduzierung durchzuführen, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen.
Um Kornspuren zu unterdrücken ist das folgende Verfahren auf die Größen (M) jeder Frequenz in dem normalisierten Digitalbildsegment anwendbar:
Diese Formel unterdrückt Frequenzen mit normalisierten Größen von oder unter 0,5, indem deren Werte durch 0 ersetzt werden. Weil einige Kornspuren normalisierte Größen von etwas über 0,5 aufweisen werden, ist diese Formel auch mit einem Unterdrückungsfaktor verwendbar, um diese Werte durch kleinere Größen zu ersetzen. Der Unterdrückungsfaktor reduziert Frequenzwerte mit einer höheren normalisierten Größe weniger, da diese Werte tendenziell Bilddetails zugeordnet werden können.
Bei dem vorstehenden Beispiel wird ein Digitalbild normalisiert, indem jedes Element durch die bekannte Kornstärke als eine Funktion der Frequenz und Intensität dividiert wird, worauf eine Reduktion mit einem fixen Wendepunktwert von 1,0 erfolgt. Ein äquivalentes Verfahren wäre es, die Kornreduktion direkt an die nicht normalisierte Komponente mit einem Wendepunkt anzulegen, der gleich dem erwarteten Rauschen als eine Funktion der Frequenz und Intensität ist. Hierzu würde man das zuvor genannte Kornunterdrückungsverfahren verwenden, aber M mit M' in dem Unterdrückungsfaktor ersetzen.
Andere Möglichkeiten zur Unterdrückung von Kornspuren sind möglich, und zwar vorteilhafterweise unter Verwendung der normalisierten Werte aus den Korrekturarrays. Beispielsweise kann eine Bildverbesserungssoftware, wie PHOTOSHOP^TM manuell mit den normalisierten Werten benutzt werden, obwohl eine derartige Software eines umfangreichen Benutzereingriffs bedarf, um die richtigen Werte zur Unterdrückung von Kornspuren zu ermitteln.
Ein weiteres Verfahren zur Unterdrückung von Kornspuren, das einige oder im Wesentlichen alle Körner eines Bildes automatisch oder nach Wahl des Benutzers unterdrücken kann, wird nachstehend beschrieben.
16 zeigt ein Ablaufdiagramm zur Beschreibung eines Verfahrens zur Beseitigung von Hochfrequenzrauschen, beispielsweise von Kornspuren, aus einem Digitalbild. Das in 16 gezeigte Verfahren ist auf einen oder mehrere Kanäle des Digitalbildes oder auf den einzelnen Kanal des Digitalbildes anwendbar, wenn das Digitalbild nur einen Kanal aufweist. Für ein Bild mit mehreren Kanälen könnte das in 16 beschriebene Verfahren auf eine Untermenge aller Kanäle angewandt werden, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. In ähnlicher Weise könnte das in 16 beschriebene Verfahren unterschiedlich auf jeden Kanal aus einer Mehrzahl von Kanälen in einem mehrkanaligen Digitalbild angewandt werden, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen.
In Schritt 1610 wird das Rauschen für einen bestimmten Bildkanal normalisiert. Dieses Rauschen kann anhand des zuvor beschriebenen Verfahrens oder anhand eines anderen Verfahrens normalisiert werden. Alternativ hierzu könnte das Verfahren auf ein nicht normalisiertes Digitalbild angewandt werden, obwohl es wünschenswert ist, das Rauschen vor Durchführung des restlichen in 16 beschriebenen Verfahrens zu normalisieren.
Das in 16 beschriebene Verfahren kann auf ein Digitalbild angewandt werden, um hohes Frequenzrauschen, beispielsweise durch Kornspuren verursacht, in allen Frequenzen auf eine Größe von eins zu normalisieren. Wenn das Korn auf einen anderen Wert als 1 normalisiert worden ist, können die Intensitätswerte für den Bildkanal auf 1 skaliert werden, bevor die übrigen Schritte des in 16 beschriebenen Verfahrens angewandt werden. Wenn die Kornspuren beispielsweise auf eine Größe von 100 in allen Frequenzen normalisiert wurden, könnte jede Frequenzgröße durch 100 dividiert werden, nachdem Schritt 1612 ausgeführt worden ist und bevor die übrigen Schritte ausgeführt werden. In einem komplizierteren Beispiel und wenn jede Frequenz für Kornspuren und sonstiges Hochfrequenzrauschen auf einen eindeutigen Wert normalisiert worden ist, dann könnte der entsprechende Wert ausdividiert werden, bevor der übrige Teil des Verfahrens beginnt. Diese Division würde zudem nach den in Schritt 1612 durchgeführten Transformationen erfolgen.
Das in 16 dargestellte Verfahren ist für ein Bild mit einem Kanal oder mit mehreren Kanälen verwendbar. Für den Fall, dass mehrere Kanäle vorhanden sind, ist der von 16 verwendbar. Alternativ hierzu ist ein verfeinertes Verfahren verwendbar, das die Beziehung zwischen den Kanälen nutzt. Ein derartiges Verfahren wird nachstehend in Verbindung mit 17 beschrieben.
Die Beschreibung von 16 geht davon aus, dass das Verfahren auf einen einzelnen Kanal M' angewandt wird, wobei M' für die räumlich geordneten Intensitätswerte für jedes Pixel eines Digitalbildes steht. Bei Mehrkanalbildern sind mehrere dieser Kanäle vorhanden.
In Schritt 1612 wird eine Mehrzahl von Segmenten des Bildkanals aus der Raumdomäne in die Frequenzdomäne umgewandelt. Eine derartige Segmentierung und Transformation kann nach den zuvor in Verbindung mit Rauschnormalisierung beschriebenen Verfahren erfolgen. Es ist ein beliebiges Verfahren zur Segmentierung des Bildes verwendbar und jede Transformation aus der Raumdomäne in die Frequenzdomäne. In diesem Ausführungsbeispiel wurde eine Segmentgröße von 16 Pixeln mal 16 Pixeln gewählt. Andere Segmentgrößen sind wählbar, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. Zudem und wie vorstehend beschrieben, könnten sich die Segmente überlagern, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. Desgleichen könnten andere Segmentformen und Segmentgrößen verwendet werden, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen.
Für ein bestimmtes Segment kann die resultierende Transformation als MT bezeichnet werden. Wie zuvor erwähnt, umfasst eine solche Transformation im Allgemeinen eine Reihe von zweidimensionalen Vektoren, wobei eine Komponente des Vektors die Größe einer bestimmten Frequenzkomponente darstellt, während die zweite Komponente des Vektors für die Phase bei einer bestimmten Frequenz steht. In diesem Ausführungsbeispiel können die Vektoren jeder Transformation in zwei Arrays angeordnet werden, um die mathematische Beschreibung des in 16 durchgeführten Verfahrens zu erleichtern. 18 zeigt diese beiden Möglichkeiten der Organisation.
In 18 sind die Vektoren in einer 17 × 17 Matrix angeordnet. Der DC-Frequenzterm ist in der Mitte der Matrix angeordnet und weist die Koordinaten (0, 0) auf. Wie in 18 gezeigt, ist diesem Vektor zudem ein Index 144 zugeordnet. Dieser Index wird benutzt, wenn die Frequenzvektoren in einer eindimensionalen Anordnung von Vektoren angeordnet sind. In dem eindimensionalen Array hat der DC-Vektor den Index 144. In dem zweidimensionalen Array befinden sich die Frequenzvektoren an einem Index, der der entsprechenden Änderung der Frequenz und der x- und y-Richtung an dieser Position entspricht. In dem eindimensionalen Array ist der erste Frequenzvektor an Index 0 des eindimensionalen Arrays der Vektor, der in der oberen linken Ecke (Koordinaten –8, –8) des in 18 gezeigten zweidimensionalen Arrays erscheint. Die Anordnung der Vektoren in dem eindimensionalen Array setzt sich in numerischer Reihenfolge fort, wenn der zweidimensionale Array von links nach rechts über der ersten Reihe ausgelesen wird, gefolgt von links nach rechts über der zweiten Reihe und so weiter bis zur letzten Reihe. Diese Anordnung wird in 18 anhand der geklammerten eindimensionalen Arrayindizes gezeigt, die zusammen mit den zweidimensionalen Arraykoordinaten für einen bestimmten Frequenzvektor aufgelistet sind.
In Schritt 1614 können die Transformationen jedes in Schritt 1612 ermittelten Segments gefiltert werden. Alternativ hierzu kann dieser Schritt entfallen, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. In Übereinstimmung mit dem in Verbindung mit 17 beschriebenen Verfahren kann die in Schritt 1612 erzielte Transformation auch als M'T2 bezeichnet werden. Diese Transformation kann so gefiltert werden, dass der Signalinhalt hervorgehoben und das Rauschen in dem Bild gedämpft wird. Ein Tiefpassfilter ist vorteilhaft für diesen Verfahrensschritt verwendbar. Ein passendes Filter erzeugt eine glatte Dämpfung und eine Reduzierung des statistischen Rauschens. Zwar ist ein beliebiges Tiefpassfilter verwendbar, aber es ist ein Filter wünschenswert, das das gültige Signal innerhalb der Transformation hervorhebt und das in der Transformation vorhandene Rauschen unterdrückt. Um das gültige Signal weiter zu akzentuieren, ist eine Effektivberechnung verwendbar. Die Filteroperation erhält tendenziell starke Frequenzschwankungen und unterdrückt kleinere Frequenzschwankungen. Mit anderen Worten werden starke Frequenzkomponenten, die mit hoher Wahrscheinlichkeit ein gültiges Signal darstellen, akzentuiert.
In diesem Ausführungsbeispiel umfasst das Filter eine 3 × 3 Matrix mit einem Wert von 4 am Mittelpunkt, einem Wert von 2 an den Punkten, die horizontal und vertikal über und unter dem Mittelpunkt liegen, und einen Wert von 1 an den 4 Ecken der Matrix. Andere Filtergrößen und andere Filterwerte sind verwendbar, ohne vom Umfang oder Geltungsbereich der Erfindung abzuweichen. Wenn W(a, b) für das soeben beschriebene Filter steht, dann kann die gefilterte Transformation M'T3 nach Formel 40 berechnet werden.
M'T3 [DC] = 0
Wie zuvor erwähnt, wird der DC-Term für die gefilterte Transformation auf 0 gesetzt. Darüber hinaus werden die über die Kante der Transformation hinausgehenden Elemente so behandelt, dass deren Wert auf 0 gesetzt ist. Dies ist in der Formel nicht explizit ersichtlich. Der Filtervorgang betrifft nur die Größe der Frequenzvektoren. Die Phase der Frequenzvektoren bleibt unverändert. In Formel 40 wurde die zweidimensionale Darstellung der Transformation für die Berechnung verwendet. Zum Zwecke der Notation ist die Tatsache, dass die Größe der Transformation benutzt wurde, dadurch ersichtlich, dass normal gesetzte Buchstaben (im Unterschied zu den fett gesetzten Buchstaben) in Formel 40 für die Transformationen M'T2 und M'T3 verwendet werden. Diese Notation wird konsistent in der Beschreibung von 16 und 17 verwendet. Wenn eine Vektoroperation durchgeführt wird, werden Fettbuchstaben für die fragliche Transformation verwendet.
In Schritt 1616 können die gefilterten Transformationen jedes Segments über Frequenzen gestreut werden. Wenn Schritt 1614 wegfällt, können alternativ hierzu die in Schritt 1612 erzielten Originaltransformationen in Schritt 1616 über die Frequenz gestreut werden. Schritt 1616 kann ebenfalls entfallen, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen.
Weil sich die Praxis aus ähnlichen, sich wiederholenden Mustern zusammensetzt, ist der Transformationsraum eines fotografischen Bildes tendenziell für eine beliebige Vergrößerung um die DC-Frequenz gleich, das Vorhandensein von Reproduktionsartefakten ausgenommen.
Für Wiederholungsmuster wiederholen sich die Frequenzeigenschaften eines Bildes tendenziell mit einer Potenz von 2. In diesem Schritt werden die Frequenzeigenschaften bei niedrigeren Frequenzen benutzt, um Schwellenwertdetails bei dem Doppelten der Frequenz vorzusensibilisieren.
Um eine derartige Frequenzausbreitung zu erzielen, und wenn man die zweidimensionale Version der in 18 gezeigten Transformation verwendet, wird die mittlere Hälfte der Transformationsdaten in den normal großen Block der Transformationsdaten expandiert. Mit anderen Worten wird der mittlere 9 × 9 Frequenzblock in jede andere Position in der 17 × 17 Transformation ausgebreitet. Wenn eine Frequenz nicht explizit in den übrigen Teil der Transformation eingetragen wird, kann der Mittelwert der benachbarten Frequenzen verwendet werden. Auch hier betrifft diese Operation nur die Frequenzgrößen.
Nachdem die frequenzgestreute, gefilterte Transformation durchgeführt worden ist, kann in Schritt 1618 eine neue Transformation abhängig von der in Schritt 1614 durchgeführten Frequenzstreuungstransformation und der gefilterten Transformation durchgeführt werden. Wenn Schritt 1614 ausgelassen wurde, kann alternativ hierzu diese neue Transformation abhängig sein von der Frequenzstreuungstransformation und der ursprünglich in Schritt 1612 erzeugten Transformation. Formel 41 kann zur Berechnung dieser neuen Transformation M'T4 verwendet werden. M'T4[x] = √(0.8M'T3[x]²) + (0.2M'ET[x])² (41)
In Formel 41 stellt die Transformation M'ET die geschätzte Transformation dar, die durch Frequenzstreuung erzielt wurde. Auch dieser Vorgang betrifft nur die Größe der Frequenzvektoren.
In Schritt 1620 wird eine Maske erzeugt, um die Hochfrequenzterme der in Schritt 1618 erzeugten Transformation zu dämpfen. Da Kornspuren tendenziell hauptsächlich Hochfrequenzkomponenten aufweisen, ist die Maske verwendbar, um Kornspuren und/oder anderes Hochfrequenzrauschen zu dämpfen.
Die Maske kann mithilfe der in Formel 42 dargestellten Gating-Funktion verwendet werden.
Formel 42 beruht auf der zweidimensionalen Darstellung der Fourier-Transformation, wie in 18 dargestellt. Die x- und y-Terme in Formel 42 entsprechen den Koordinaten der jeweiligen Frequenzvektoren in der Transformation, wenn diese in einer zweidimensionalen Matrix angeordnet ist, wie in 18 dargestellt. Die Gating-Funktion nähert sich somit der Quadratwurzel von 2 für hohe Frequenzen und für niedrige Frequenzen 0 an. Die Maske kann dann mithilfe der Formel 43 berechnet werden, wobei B(x, y) die Maske in X umfasst. Y bezieht sich auf die Koordinaten in der zweidimensionalen Transformation, wie in 18 dargestellt. B(x, y) = 1 – Fgate(x, y) Fgate ≤ 0.4 B(x, y) = 0.6 Fgate > 0.4 (43)
In dieser Implementierung ist die Maskenfunktion auf einen Mindestwert von 0,6 ausgelegt. Andere Maskenfunktionen sind verwendbar, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. Alternativ hierzu könnte dieser Schritt entfallen, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen.
In Schritt 1622 kann die Rauschkorrekturfunktion für jedes Segment berechnet werden. In diesem Ausführungsbeispiel wird die Rauschkorrekturfunktion abhängig von der Maske und einer der Frequenzdomänendarstellungen des Bildes berechnet, die zuvor berechnet worden sind. Beispielsweise ist die in Schritt 1618 erzeugte Transformation M'T4 verwendbar, um die Rauschkorrekturfunktion zu erhalten. Diese Rauschkorrekturfunktion kann mithilfe der Formeln 44 und 45 erzeugt werden.

M'TM[x, y] = GR + (1 – GR)C(x, y) (45)
In Formel 44 wird die Rauschkorrekturfunktion bei einem Wert von 1 plus der Gating-Funktion für eine bestimmte Position in der Transformationsmatrix gekappt. Auch hier betreffen die Formeln 44 und 45 nur die Größenkomponenten der Frequenzvektoren. Der Benutzer der vorliegenden Erfindung wünscht möglicherweise, einen Rest der Körnigkeit nach erfindungsgemäßer Verbesserung des Bildes zu erhalten. Die Erfindung ermöglicht dem Benutzer somit, einen Kornrest GR zu erhalten, der nach Verbesserung des Bildes verbleiben soll. Formel 45 berücksichtigt diese erwünschte Restkörnigkeit bei der Berechnung der Rauschkorrekturfunktion M'TM.
In Schritt 1624 wird die Rauschkorrekturfunktion für jedes Segment an die Originaltransformation für das Segment angelegt. Das Ergebnis ist eine Frequenzdomänendarstellung des Bildes mit unterdrücktem Hochfrequenzrauschen, beispielsweise aufgrund von Kornspuren. Die kornunterdrückte Frequenzdarstellung kann anhand der Formel 46 erzeugt werden. M'TS[x] = M'T[x]M'TM[x] (46)
Formel 46 erzeugt eine Reihe von Vektoren, die das Produkt der Serie M'T von Vektoren und die entsprechenden Skalarwerte in M'TM umfassen.
In Schritt 1626 kann die inverse Transformation der rauschkorrigierten Transformation M'TS für jedes Segment herangezogen werden, um die Raumdomänendarstellung des verbesserten und rauschunterdrückten Bildes zu erhalten.
17 zeigt ein Ablaufdiagramm zur Beschreibung eines Verfahrens zur Beseitigung von Hochfrequenzrauschen, beispielsweise von Kornspuren, aus einem Digitalbild. Das in 17 dargestellte Verfahren ist auf Digitalbilder mit mehreren Kanälen anwendbar. Wenn ein Digitalbild nur einen Kanal aufweist, dann empfiehlt sich der in Verbindung mit 16 beschriebene Prozess. Man könnte zudem das in 17 für eine Vielzahl von Kanälen des Digitalbildes beschriebene Verfahren verwenden, während das in Verbindung mit 16 beschriebene Verfahren auf andere Kanäle aus einer Vielzahl von Kanälen angewandt wird.
Das in Verbindung mit 17 beschriebene Verfahren kann auf Mehrkanal-Digitalbilder angewandt werden, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. Beispiele sind u.a. Digitalbilddarstellungen von Farbfotografien (entweder als Print, Negativ oder Dia), von Satelliten empfangene Digitalbilder und medizinische Bilder. Dies sind allerdings nur Beispiele der vielen potenziellen Verwendungsmöglichkeiten der Erfindung. Die Erfindung ist verwendbar zur Beseitigung unkorrelierten Hochfrequenzrauschens aus Digitalbildern, wie beispielsweise durch Kornspuren verursacht.
In Schritt 1710 wird das Rauschen für jeden Bildkanal normalisiert. Dieses Rauschen kann anhand des zuvor beschriebenen Verfahrens oder anhand eines anderen Verfahrens normalisiert werden. Alternativ hierzu könnte das Verfahren auf ein nicht normalisiertes Digitalbild angewandt werden, obwohl es wünschenswert ist, das Rauschen vor Durchführung des restlichen in 17 beschriebenen Verfahrens zu normalisieren.
Das in 17 beschriebene Verfahren kann auf ein Digitalbild angewandt werden, um ein hohes Frequenzrauschen, beispielsweise durch Kornspuren verursacht, in allen Frequenzen auf eine Größe von eins zu normalisieren. Wenn das Korn auf einen anderen Wert als 1 normalisiert worden ist, können die Intensitätswerte für den Bildkanal auf 1 skaliert werden, bevor die übrigen Schritte des in 17 beschriebenen Verfahrens angewandt werden. Wenn die Kornspuren beispielsweise auf eine Größe von 100 in allen Frequenzen normalisiert wurden, könnte jede Frequenzgröße durch 100 dividiert werden, nachdem Schritt 1712 ausgeführt worden ist und bevor die übrigen Schritte ausgeführt werden. In einem komplizierteren Beispiel und wenn jede Frequenz für Kornspuren und sonstiges Hochfrequenzrauschen auf einen eindeutigen Wert normalisiert worden ist, könnte der entsprechende Wert ausdividiert werden, bevor der übrige Teil des Verfahrens beginnt. Diese Division würde zudem nach den in Schritt 1712 durchgeführten Transformationen erfolgen.
Das in 17 dargestellte Verfahren nutzt die Beziehung zwischen mehreren Kanälen eines Digitalbildes. Der Einfachheit halber wird das in 17 dargestellte Verfahren nachstehend in Verbindung mit einem Digitalbild beschrieben, das ein farbfotografisches Bild darstellt. Derartige Digitalbilder haben typischerweise drei Kanäle, nämlich einen Rot-, Grün- und Blaukanal. Um den von 17 beschriebenen Prozess auf ein Bild mit mehreren Kanälen zu erweitern, können die nachstehend berechneten Kreuzkorrelationsfunktionen so erweitert werden, dass sie alle geeigneten Kreuzkorrelationen berücksichtigen. Wenn 17 auf ein Zweikanal-Digitalbild angewandt wird, können die nachstehend beschriebenen Kreuzkorrelationen so angepasst werden, dass sie nur diese beiden Kanäle berücksichtigen.
In 17 wird das Verfahren auf die drei Kanäle R', G' und B' angewandt. R' steht für räumlich geordnete Intensitätswerte für jedes Pixel des Rotkanals eines Digitalbildes. G' steht für räumlich geordnete Intensitätswerte für jedes Pixel des Grünkanals eines Digitalbildes. B' steht für räumlich geordnete Intensitätswerte für jedes Pixel des Blaukanals eines Digitalbildes. Die verwendete Notation soll Verwechslungen mit vorherigen Formeln vermeiden.
In Schritt 1712 wird eine Mehrzahl von Segmenten jedes Bildkanals aus der Raumdomäne in die Frequenzdomäne umgewandelt. Wenn das Hochfrequenzrauschen nur aus einer Untermenge der Vielzahl von Bildkanälen entfernt worden ist, können entweder nur diese Bildkanäle oder aber sämtliche Bildkanäle transformiert werden. Wenn also das Rauschen nur aus einem einzigen Kanal entfernt worden ist, könnten die Informationen aus den anderen Kanälen entweder verwendet oder nicht verwendet werden, um den Rauschinhalt des Kanals zu bestimmen, in dem das Rauschen entfernt worden ist. Die Segmentierung und Transformation jedes Kanals kann gemäß den vorstehend in Verbindung mit der Rauschnormalisierung beschriebenen Verfahren erfolgen. Es ist ein beliebiges Verfahren zur Segmentierung der Bildkanäle und eine beliebige Transformation aus der Raumdomäne in die Frequenzdomäne verwendbar. In diesem Ausführungsbeispiel wurde eine Segmentgröße von 16 Pixeln mal 16 Pixeln gewählt. Andere Segmentgrößen sind wählbar, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. Zudem und wie vorstehend beschrieben, könnten sich die Segmente überlagern, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. Andere Segmentformen sind ebenfalls verwendbar, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. Darüber hinaus sind abweichende Formen und Größen von Segmenten verwendbar.
Für ein bestimmtes Segment können die resultierenden Transformationen für das fotografische Bild, die als ein Beispiel der Erfindung benutzt werden, als R'T, G'T und B'T bezeichnet werden. Wie zuvor erwähnt, umfasst eine solche Transformation eine Reihe von zweidimensionalen Vektoren, wobei eine Komponente des Vektors die Größe einer bestimmten Frequenzkomponente darstellt, während die zweite Komponente des Vektors für die Phase bei einer bestimmten Frequenz steht. In diesem Ausführungsbeispiel können die Vektoren jeder Transformation in zwei Arrays angeordnet werden, um die mathematische Beschreibung des in 17 durchgeführten Verfahrens zu erleichtern. 18 zeigt diese beiden Möglichkeiten der Organisation. 18 wird in Verbindung mit der Beschreibung von 16 erläutert.
In Schritt 1714 können Kreuzkorrelationen zwischen korrespondierenden Segmenten mehrerer Bildkanäle für jedes Segment berechnet werden, für das eine Transformation in Schritt 1712 berechnet worden ist. Alternativ ist eine Untermenge der Segmente verwendbar, ohne vom Umfang oder Geltungsbereich der Erfindung abzuweichen. Weil mehrere Kanäle eines Digitalbildes tendenziell das gleiche Bildmuster zeigen, sind kreuzkorrelierte entsprechende Segmente verschiedener Kanäle tendenziell Bilddetails zuzuordnen statt statistischem Rauschen, wie beispielsweise von Kornspuren. Frequenzen, die schwach korreliert sind, stellen tendenziell Rauschen dar, wie von Kornspuren. Die Erfindung nutzt die korrelierte Beziehung zwischen Kanälen in Bezug auf Bilddetails. Verschiedene Ausführungsbeispiele der Erfindung können diese Beziehung auf verschiedene Weise nutzen. Die nachstehende mathematische Beschreibung zeigt ein Beispiel dazu, wie Kreuzkorrelationen für die Rauschbeseitigung verwendbar sind. Zur Rauschunterdrückung ist jedoch jeder mathematische Prozess verwendbar, einschließlich der Reduzierung von Kornspuren in einem Digitalbild, indem eine Berechnung proportional zur Kreuzkorrelation zwischen Kanälen eines Digitalbildes durchgeführt wird, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen.
Die Formeln 47 bis 49 zeigen ein Verfahren zur Messung der Kreuzkorrelation zwischen Kanälen des Digitalbildes.
wobei DC = 0
wobei DC = 0
wobei DC = 0
Diese Formeln sind auf jeden Frequenzvektor jedes Segments des Digitalbildes anwendbar. Das Ergebnis der Berechnungen und der Formeln 47 bis 49 ist eine Matrix aus kreuzkorrelierten Skalarwerten, wobei jeder Wert proportional zur Kreuzkorrelation zwischen zwei Frequenzvektoren in unterschiedlichen Kanälen ist, worin die Frequenzvektoren dieselbe Frequenz in räumlich korrespondierenden Segmenten aus den beiden Kanälen darstellen. Der Einfachheit halber verwenden die Formeln 47 bis 49 die eindimensionale Matrix von Vektordarstellungen der Raumfrequenzdomänentransformationen der in Verbindung mit 18 besprochenen Bildsegmente. Der Zähler jeder Formel ist somit ein Skalarprodukt zwischen zwei Vektoren, während der Nenner jeder Formel die Größe jedes Vektors berücksichtigt. Die resultierende Matrix für Formel 47 ist proportional zur Kreuzkorrelation zwischen den Rot- und Grünkanälen bei bestimmten Frequenzen für ein bestimmtes Segment. Das von Formel 48 erzeugte Produkt ist proportional zur Kreuzkorrelation zwischen den Rot- und Blaukanälen bestimmter Frequenzen eines bestimmten Segments des Digitalbildes. Die aus 49 erzeugte Matrix ist proportional zur Kreuzkorrelation zwischen den Grün- und Blaukanälen eines bestimmten Segments des Digitalbildes bei bestimmten Frequenzen. Eine derartige Matrix kann für jedes Segment des Digitalbildes für jede der drei Formeln berechnet werden. Der DC-Term der Kreuzkorrelation wird auf 0 gesetzt. Die Notation R'G', R'B' und G'B' wird verwendet, um eine Verwechslung mit den vorstehend für die Kornnormalisierung genannten Formeln zu vermeiden. Um eine Verwechslung zu vermeiden, wird die Notation R'T, B'T und G'T benutzt, um die in Schritt 1712 erzeugte Transformation darzustellen.
Für große Frequenzvektoren innerhalb der Phase nähern sich die Ergebnisse der Formeln 47 bis 49 tendenziell dem Wert eins, für Vektoren außerhalb der Phase nähern sie sich tenden ziell einem negativen Wert eins. Sehr kleine Vektoren erzeugen tendenziell ein Ergebnis, das sich dem Wert null nähert, während Vektoren, die innerhalb der Phase liegen und eine Größe von ca. eins aufweisen, ein Ergebnis von ca. 0,5 erzeugen.
In Schritt 1716 können Hochfrequenzkomponenten der Kreuzkorrelationen unter Einbeziehung des Rotkanals gedämpft werden. Alternativ hierzu kann dieser Schritt entfallen, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. Üblicherweise hat ein zur Erzeugung fotografischer Bilder verwendeter Farbfilm eine grüne Schicht, die Licht durchlässt, gefolgt von einer blauen Schicht und einer roten Schicht. Weil die Rotschicht das Licht empfängt, nachdem es durch die Grün- und Blauschicht getreten ist, ist das Bild in der Rotschicht im Vergleich zur Grün- und Blauschicht etwas unscharf. Die Rotschicht enthält tendenziell keine Hochfrequenzinformationen, die Bildinformationen darstellen. Stattdessen ist der Großteil der Hochfrequenzinformationen aus dem Rotkanal tendenziell Rauschen und kann beseitigt werden. Wenn eine andere Art von Farbfilm verwendet wird, kann es wünschenswert sein, einen anderen Kanal des Digitalbildes zu dämpfen. Wenn andere Bilder, wie beispielsweise Satellitenbilder oder medizinische Bilder, Kanäle aufweisen, die tendenziell keine Hochfrequenzbildinhalte enthalten, können die Hochfrequenzkomponenten dieser Bildkanäle mithilfe der nachstehend beschriebenen oder einem ähnlichen Verfahren gedämpft werden.
Formel 50 beschreibt eine Rotfrequenz-Dämpfungsfunktion, die mit der Erfindung verwendbar ist.
RFA (0, 0) = 0
In Formel 50 steht x für die x-Koordinate und y für die y-Koordinate eines bestimmten Punktes in der zweidimensionalen Arraydarstellung der in 18 dargestellten Frequenzvektoren. Der DC-Wert der Koordinaten (0, 0) wird auf 0 gesetzt. Obwohl der Rotfrequenzdämpfungswert ohne weiteres mithilfe der Koordinaten berechnet werden kann, die der Lage jedes Frequenzvektors in der zweidimensionalen Anordnung der in 18 dargestellten Frequenztransformationen entsprechen, können die Ergebnisse der Berechnungen für Formel 50 in einer Matrix aus Werten gespeichert werden, wobei jeder Wert in der Matrix das Ergebnis von Formel 50 umfasst, und wobei die Lage dieses Wertes in der Matrix der entsprechenden Position der korrespondierenden Frequenz in dem eindimensionalen Array der Vektordarstellung der Frequenztransformation entspricht. Beispielsweise würde unter Verwendung der in 18 dargestellten exemplarischen Transformation der Wert für RFA[288] die auf die Koordinaten 8, 8 angewandte Formel 50 sein, während der Wert für RFA[144] der Wert für RFA (0, 0) wäre.
Nachdem die Rotfrequenz-Dämpfungswerte mithilfe von Formel 50 berechnet worden sind, können diese Werte an die Kreuzkorrelation zwischen den Rot- und Grünkanälen mittels Gleichung 51 angewandt werden, sowie auf die Kreuzkorrelation zwischen den Rot- und Blaukanälen mittels Gleichung 52. R'G'X2[X] = RFA[X]R'G'X[X] (51) R'B'X2[X] = RFA[X]R'B'X[X] (52)
Jede dieser Gleichungen umfasst für jede Frequenz eine Multiplikation von zwei Skalarwerten. Obwohl ein Verfahren zur Dämpfung hochfrequenter Rotinformationen gezeigt worden ist, könnten auch andere Verfahren verwendet werden, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen.
In Schritt 1718 kann ein Maß der gesamten Kreuzkorrelation zwischen den Kanälen berechnet werden. Diese Berechnung erfolgt für jedes Segment des Digitalbildes und ist eine Darstellung der gesamten Kreuzkorrelation zwischen den verschiedenen Bildkanälen in diesem Segment. Obwohl jedes Maß verwendbar ist, das sich proportional zur gesamten Kreuzkorrelation zwischen den Kanälen verhält, stellen die Formeln 53 bis 56 ein Maß der gesamten Kreuzkorrelation für ein bestimmtes Segment bereit.
aber unterliegt der Bedingung, dass CCC1 ≥ 1,0
In diesem Ausführungsbeispiel legt Formel 53 ein Maß der Kreuzkorrelation an, das nur die Kreuzkorrelation zwischen den Rot- und Grünkanälen und den Blau- und Grünkanälen berücksichtigt. Weil das Bild durch andere Schichten des fotografischen Films tritt, um die Rot- und Blauschicht zu erreichen, trägt die Kreuzkorrelation zwischen der Rot- und Blauschicht keine verwertbaren Informationen bezüglich ähnlicher Bilddetails bei. Daher konnte dieser Term aus Formel 53 entfallen. Ein derartiger Term könnte allerdings mit oder ohne Frequenzdämpfung verwendet werden, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. Außerdem wird aus Gründen, die zuvor in Verbindung mit dem Rotfrequenzdämpfer beschrieben worden sind, das Kreuzkorrelationsmaß zwischen dem Rot- und Grünkanal in Formel 53 gedämpft. Formel 53 berechnet die gesamte Kreuzkorrelation über die gesamte Frequenzdomäne, in diesem Fall mithilfe von 289 Vektoren, die im Beispiel aus 18 verwendet wurden. Formel 54 reflektiert ein Maß des kumulativen mittels Rotfrequenzdämpfung hinzugefügten Gewichts. Die Formeln 55 und 56 können so angewandt werden, dass sich das resultierende Kreuzkorrelationsmaß von 0 bis 1 erstreckt und ungefähr 0,2 beträgt, wenn kein Bilddetail vorhanden ist.
In Schritt 1720 kann eine gewichtete Transformation für jedes Segment jedes Kanals bezogen auf die in Schritt 1712 berechnete Originaltransformation und die Kreuzkorrelation des frag lichen Kanals mit anderen Kanälen berechnet werden. Jede gewichtete Transformation wäre verwendbar, die von einem Maß der Kreuzkorrelation zwischen einem oder mehreren Kanälen des Digitalbildes abhängt, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. In diesem Ausführungsbeispiel kann die gewichtete Transformation mithilfe der Formeln 57 bis 59 berechnet werden. R'T2[X] = |R'T[X]| + 0.9R'G'X2[X] + 0.7R'B'X2[X] (57)aber unterliegt der Bedingung, so dass R'T2[X] ≥ 0
DC = 0 G'T2[X] = |G'T[X]| + 0.9G'B'X[X] + 0.7R'G'X2[X] (58)aber unterliegt der Bedingung, so dass G'T2[X] ≥ 0
DC = 0 B'T2[X] = |B'T[X]| + 0.9G'B'X[X] + 0.7R'B'X2[X] (59)aber unterliegt der Bedingung, so dass B'T2[X] ≥ 0
DC = 0
In jedem Fall wird der DC-Term der gewichteten Transformation auf null gesetzt. Zudem ist jede Komponente der gewichteten Transformation auf einen Wert beschränkt, der größer oder gleich null ist. Es sei darauf hingewiesen, dass die Formeln 57–59 nur auf den Größenbereich der Frequenztransformationen wirken und einen veränderten Größenwert für jede Transformation erzeugen. Die Phaseninformationen für jede Transformation werden beibehalten.
In Schritt 1722 können die gewichteten Transformationen aus Schritt 1720 für jedes Segment jedes Kanals gefiltert werden. Alternativ hierzu kann dieser Schritt entfallen, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. Wenn Schritt 1720 entfallen ist, können die in Schritt 1712 erzeugten Transformationen für jeden Kanal gefiltert werden. Jede Transformation kann so gefiltert werden, dass der Signalinhalt hervorgehoben und das Rauschen in dem Bild gedämpft wird. Ein Tiefpassfilter ist vorteilhafterweise für diesen Verfahrensschritt verwendbar. Ein passendes Filter erzeugt eine glatte Dämpfung und eine Reduzie rung des statistischen Rauschens. Zwar ist ein beliebiges Tiefpassfilter verwendbar, aber es ist ein Filter wünschenswert, das das gültige Signal innerhalb der Transformation hervorhebt und das in der Transformation vorhandene Rauschen unterdrückt. Um das gültige Signal weiter zu akzentuieren, ist eine Effektivberechnung verwendbar. Die Filteroperation erhält tendenziell starke Frequenzschwankungen und unterdrückt kleinere Frequenzschwankungen. Mit anderen Worten werden starke Frequenzkomponenten, die mit hoher Wahrscheinlichkeit gültige Signale darstellen, akzentuiert.
In diesem Ausführungsbeispiel umfasst das Filter eine 3 × 3 Matrix mit einem Wert von 4 am Mittelpunkt, einem Wert von 2 an den Punkten, die horizontal neben und vertikal über und unter dem Mittelpunkt liegen, und einen Wert von 1 an den 4 Ecken der Matrix. Andere Filtergrößen und andere Filterwerte sind verwendbar, ohne vom Umfang oder Geltungsbereich der Erfindung abzuweichen. Wenn W(a, b) für das soeben beschriebene Filter steht, dann können die gefilterten Transformationen R'T3, G'T3 und B'T3 nach Formel 58 bis 62 berechnet werden.
R'T3[DC] = 0
G'T3[DC] = 0
B'T3[DC] = 0
Wie zuvor erwähnt, wird der DC-Term für jede gefilterte Transformation auf 0 gesetzt. Darüber hinaus werden die über die Kante der Transformation hinausgehenden Elemente so behandelt, dass deren Wert auf 0 gesetzt ist. Dies ist in der Formel nicht explizit ersichtlich. Der Filtervorgang betrifft nur die Größe der Frequenzvektoren. Die Phase der Frequenzvektoren jeder Transformation bleibt unverändert. In den Formeln 60 bis 62 wurde die zweidimensionale Darstellung der Transformationen für die Berechnungen verwendet. Zum Zwecke der Notation ist die Tatsache, dass die Größe der Transformation benutzt wurde, dadurch ersichtlich, dass normal gesetzte Buchstaben (im Unterschied zu den fett gesetzten Buchstaben) in den Formeln 60 bis 62 für die Transformationen R'T2, R'T3, G'T2, G'T3, B'T2 und B'T3 verwendet werden.
In Schritt 1724 können die gefilterten Transformationen jedes Segments jedes Kanals frequenzgestreut sein. Wenn Schritt 1722 wegfällt, können alternativ hierzu die in Schritt 1720 erzeugten Transformationen oder die in Schritt 1712 erzeugten Transformationen in Schritt 1724 frequenzgestreut werden. Schritt 1724 kann ebenfalls entfallen, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen.
Weil sich die Praxis aus ähnlichen, sich wiederholenden Mustern zusammensetzt, ist der Transformationsraum eines fotografischen Bildes tendenziell für eine beliebige Vergrößerung um die DC-Frequenz gleich, das Vorhandensein von Reproduktionsartefakten ausgenommen. Für Wiederholungsmuster wiederholen sich die Frequenzeigenschaften eines Bildes tendenziell mit einer Potenz von 2. In diesem Schritt werden die Frequenzeigenschaften bei niedrigeren Frequenzen benutzt, um Schwellenwertdetails bei dem Doppelten der Frequenz vorzusensibilisieren. Um eine derartige Frequenzausbreitung zu erzielen, und wenn man die zweidimensionale Version der in 18 gezeigten Transformation verwendet, wird die mittlere Hälfte der Transformationsdaten in den normalgroßen Block der Transformationsdaten expandiert. Mit anderen Worten wird der mittlere 9 × 9 Frequenzblock in jede andere Position in der 17 × 17 Transformation ausgebreitet. Wenn eine Frequenz nicht explizit in den übrigen Teil der Transformation eingetragen wird, kann der Mittelwert der benachbarten Frequenzen verwendet werden. Auch hier betrifft diese Operation nur die Frequenzgrößen. Sogar bei den Frequenzen, deren Größe sich geändert hat, werden die vorhandenen Phaseninformationen, die sich nicht in der mittleren Hälfte der Transformation befinden, beibehalten.
Nachdem die Frequenzstreuungsfiltertransformationen erzeugt worden sind, kann in Schritt 1726 für jeden Kanal eine neue Transformation berechnet werden. Die neue Transformation kann von der Frequenzstreuungstransformation für diesen Kanal und der gefilterten Transformation für den Kanal, der in Schritt 1722 erzeugt worden ist, abhängen. Wenn Schritt 1722 ausgelassen wurde, kann alternativ hierzu diese neue Transformation abhängig sein von der Frequenzstreuungstransformation und der ursprünglich in Schritt 1712 erzeugten Transformation. Die Formeln 63 bis 65 sind zur Berechnung der neuen Transformationen R'T4, G'T4 und B'T4 verwendbar. R'T4[X] = √0.8R'T3[X]² + 0.2R'ET[X]² (63) G'T4[X] = √0.8G'T3[X]² + 0.2G'ET[X]² (64) B'T4[X] = √0.8B'T3[X]² + 0.2B'ET[X]² (65)
In den Formeln 63 bis 65 stellen die Transformationen R'ET, G'ET und B'ET die geschätzten Transformationen dar, die aus der Frequenzstreuung in Schritt 1724 erzeugt wurden. Auch hier betreffen die Formeln 63 bis 65 nur die Größenkomponenten der Frequenzvektoren. Die Phaseninformationen bleiben erhalten.
In Schritt 1728 wird eine Maske erzeugt, um die Hochfrequenzterme der in Schritt 1726 erzeugten Transformation zu dämpfen. Da Kornspuren tendenziell hauptsächlich Hochfrequenzkomponenten aufweisen, ist die Maske verwendbar, um Kornspuren und/oder anderes Hochfrequenzrauschen zu dämpfen.
Die Maske kann mithilfe der in Formel 42 dargestellten Gating-Funktion verwendet werden. Formel 43 kann zur Berechnung dieser Maske verwendet werden. Formel 42 und Formel 43 werden in Verbindung mit 16 beschrieben. Andere Maskenfunktionen und/oder Gating-Funktionen sind verwendbar, ohne vom Umfang und Geltungsbereich der Erfindung abzuwei chen. Alternativ hierzu könnte dieser Schritt entfallen, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen.
In Schritt 1730 kann eine Rauschkorrekturfunktion für jedes Segment jedes Farbkanals berechnet werden. In diesem Ausführungsbeispiel wird die Rauschkorrekturfunktion abhängig von der Maske und einer der Frequenzdomänendarstellungen des Bildes berechnet, die zuvor berechnet worden sind. Beispielsweise ist die in Schritt 1726 erzeugte Transformation verwendbar, um die Rauschkorrekturfunktion zu erzeugen. Diese Rauschkorrekturfunktion kann mithilfe der Formeln 66 bis 71 erzeugt werden. B(x, y) stammt in diesen Formeln aus Formel 43.
R'TM[x, y] = GR + (1 – GR)CR(x, y) (69) G'TM[x, y] = GR + (1 – GR)CG(x, y) (70) B'TM[x, y] = GR + (1 – GR)CB(x, y) (71)
In den Formeln 66 bis 68 wird die Rauschkorrekturfunktion bei einem Wert von 1 plus der Gating-Funktion für eine bestimmte Position in der Transformationsmatrix gekappt. Auch hier betreffen die Formeln 66 bis 68 und 69 bis 71 nur die Größenkomponenten der Frequenzvektoren. Die ursprünglichen Phaseninformationen bleiben erhalten. Der Benutzer der vorliegenden Erfindung wünscht möglicherweise, einen Rest der Körnigkeit nach erfindungsgemäßer Verbesserung des Bildes zu erhalten. Die Erfindung ermöglicht dem Benutzer somit, einen Kornrest G_R zu erhalten, der nach Verbesserung des Bildes verbleiben soll. Die Formeln 69 bis 71 berücksichtigen die erwünschte Restkörnigkeit bei der Berechnung der Rauschkorrekturfunktionen R'TM, G'TM und B'TM.
In Schritt 1732 wird die Rauschkorrekturfunktion für jedes Segment für jeden Kanal an die Originaltransformation für das entsprechende Segment oder den entsprechenden Kanal angelegt. Das Ergebnis ist eine Frequenzdomänendarstellung des Bildes mit unterdrücktem Hochfrequenzrauschen, beispielsweise aufgrund von Kornspuren. Die kornunterdrückte Frequenzdarstellung kann anhand der Formeln 72 bis 74 erzeugt werden. R'TS[X] = R'T[X]R'TM[X] (72) G'TS[X] = G'T[X]G'TM[X] (73) B'TS[X] = B'T[X]B'TM[X] (74)
Die Formeln 72 bis 74 umfassen ebenfalls eine Operation auf die Größenkomponenten der Frequenzvektoren, während die Phaseninformationen unverändert bleiben.
In Schritt 1734 können Bilddetails zur Frequenzdomänendarstellung jedes Segments des Rotkanals des Bildes hinzugefügt werden. Wie zuvor erwähnt, tritt Licht typischerweise durch die Blau- und Grünschichten des Farbfilms, bevor es die Rotschicht des Films erreicht. Details werden daher in den Rotteilen eines Bildes tendenziell unscharf dargestellt. In Schritt 1734 können solche Details im Rotkanal eines Bildes anhand von Informationen aus den Grün- und Blaukanälen wiederhergestellt werden. Es sei darauf hingewiesen, dass Schritt 1734 auf den Rotkanal eines beliebigen Digitalbildes anwendbar wäre, nicht nur auf den Rotkanal, nachdem die Schritte aus 17 angewandt worden sind. Entsprechend kann Schritt 1734 ebenfalls entfallen, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. Außerdem kann Schritt 1734 alleine ebenfalls ein Ausführungsbeispiel der Erfindung umfas sen. Weil der Grünkanal des Bildes tendenziell die meisten Bilddetails aufweist, kann er benutzt werden, um anderen Kanälen Details hinzuzufügen. Die für Schritt 1734 beschriebene Technik könnte auch angewandt werden, um Details einem anderen Kanal für unterschiedliche Arten von Digitalbildern oder für Digitalbilder hinzuzufügen, die aus einem Farbfilm stammen, der anders als ein typischer Farbfilm aufgebaut ist. Desgleichen könnten andere Verfahren zur Verbesserung von Bilddetails im Rotkanal verwendet werden, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. In diesem Ausführungsbeispiel wäre Formel 75 verwendbar, um eine veränderte Rotkanaltransformation R'TS für jedes Segment des Rotkanals zu berechnen.
Formel 75 verwendet die zuvor in Verbindung mit Schritt 1716 beschriebene Rotfrequenzdämpfung.
In Schritt 1736 können die inversen Transformationen der rauschkorrigierten Transformationen R'TS, G'TS und B'TS für jedes Segment herangezogen werden, um die Raumdomänendarstellung des verbesserten und rauschunterdrückten Bildes zu erhalten. Wenn Bilddetails in Schritt 1734 hinzugefügt worden sind, sind die mithilfe von Formel 75 erzeugten Rotkanaltransformationen verwendbar.
Abgleich der Farbkanäle
Nach Normalisierung der Kornspuren sind die durch die Korrekturarrays normalisierten Werte verwendbar, um den Farbinhalt des Digitalbildes abzugleichen, wie in Schritt 1014 von 3 gezeigt. Alternativ hierzu können die Farbkanäle ohne Verwendung der normalisierten Werte abgeglichen werden.
Die Originalwerte eines Digitalbildes enthalten häufig Verzeichnungen, die auf den Versuch des Scanners zurückzuführen sind, das Digitalbild zu verbessern, sowie auf Verzeichnungen in dem Originalfilmbild aufgrund der Filmalterung. Diese Verzeichnungen können aus Farbmustern bestehen, die die zufällige und gleichmäßige Verteilung der Körner in den Farb schichten des Originalfilms nicht länger wiedergeben. Durch Verwendung der normalisierten Werte für Kornspuren, wie durch die Schritte 1008 und 1010 aus 3 (oder durch andere Verfahren) erzeugt, kann die Erfindung zudem eine geschätzte Rekonstruktion der Originalfarbwerte erzeugen. Diese rekonstruierten Werte können in dem Sinne als abgeglichen bezeichnet werden, dass sie gleichmäßiger über das normalisierte Digitalbild als in dem originalen Digitalbild verteilt sind. Mit anderen Worten bewirkt der Abgleich der Farbkanäle eine weitere Verbesserung des Digitalbildes.
Um die Farbkanäle oder Farbinhalte abzugleichen, wird der kleinste Wert, welcher der dunkelste Pixelintensitätswert unter den normalisierten Werten des Digitalbildes ist, für jeden Kanal ermittelt. Um die Farbkanäle oder Farbinhalte abzugleichen, wird der kleinste Wert, welcher der dunkelste Pixelintensitätswert unter den normalisierten Werten des Digitalbildes ist, für jeden Farbkanal ermittelt. Eine Verbesserung dieser Technik nutzt die kleinsten und größten Werts aus einer tiefpassgefilterten Version des Digitalbildes. Ein Tiefpassfilter, das sich für diesen Vorgang als vorteilhaft erwiesen hat, ist ein Medianfilter mit einem Radius von typischerweise mehr als 3 Pixeln. Alternativ hierzu kann der Radius proportional zur Quadratwurzel des größten Längenmaßes des Digitalbildes in Pixeln sein. Die Software verteilt dann die Pixelintensitätswerte in Anpassung an die jeweilige Bittiefe (Intensitätsbereich) und entsprechend der Hardware des jeweiligen Ausführungsbeispiels der vorliegenden Erfindung neu.
Die folgende Tabelle zeigt beispielsweise einen Bereich normalisierter Pixelintensitätswerte aus einer geschätzten Rekonstruktion eines Digitalbildes.
Um die visuelle Anzeige dieser Werte zu verbessern, ist folgende Gleichung für jeden Farbkanal unter Verwendung nicht tiefpassgefilterter Daten verwendbar:
Die abgeglichenen Werte aus dem gesamten Beispiel sind dann:
Weitere Verfahren zur Farbverbesserung oder Korrektur einer nichtlinearen Verzeichnung zwischen zugehörigen Signalen sind mit oder ohne Kornnormalisierung und/oder Reduzierung verwendbar. Es sind beliebige dieser Verfahren verwendbar, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen.
19 zeigt ein Ablaufdiagramm zur Beschreibung der Schritte eines Verfahrens, das verwendbar ist, um eine Vielzahl von Signalen mit einer gemeinsamen Komponente zu normalisieren, wobei mindestens eine Vielzahl von Signalen in einer nichtlinearen Weise verzerrt wurde. Zwar ist dieser Aspekt der Erfindung verwendbar, um die Farben eines Digitalbildes zu verbessern, das ein gescanntes fotografisches Bild enthält, aber der in 19 beschriebene Prozess ist in einer Reihe weiterer Anwendungen verwendbar. Beispielsweise kann er verwendet werden, um die nichtlineare Verzeichnung in einer Vielzahl von Signalen, die eine gemeinsame Komponente aufweisen, zu korrigieren. Er ist in derartigen Anwendungen, wie Audioanwendungen, medizinischen Bebilderungsanwendungen, Satellitenbebilderungsanwendungen usw. verwendbar. Das in 19 beschriebene Verfahren könnte für beliebige dieser Anwendungen verwendet werden, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen.
In Schritt 1910 wird die Verzeichnung eines Signals aus der Vielzahl von Signalen relativ zu den übrigen Signalen gemessen. Es kann eine Verzeichnungsfunktion für ein Signal erzeugt werden, die proportional zur Verzeichnung dieses Signals ist, bezogen auf mindestens eines der übrigen Signale und auf die Vielzahl von Signalen. Zwar kann die Verzeichnung auch nur in Bezug zu einem der übrigen Signale gemessen werden, aber vorzugsweise wird die Verzeichnung in Bezug zu vielen oder allen der übrigen Signale gemessen. Wie zuvor beschrie ben, kann für ein Digitalbild, das drei Farbkanäle umfasst, die Verzeichnung eines Farbkanals relativ zu den übrigen beiden Farbkanälen gemessen werden.
In Schritt 1912 kann eine inverse Verzeichnungsfunktion erzeugt werden, bezogen auf die in Schritt 1910 gemessene Verzeichnung. Eine derartige Verzeichnungsfunktion kann für ein, einige oder alle Signale aus der Vielzahl von Signalen, die eine gemeinsame Komponente aufweisen, erzeugt werden.
In Schritt 1914 kann ein Signal mithilfe der in Schritt 1912 berechneten inversen Verzeichnungsfunktion normalisiert werden. Auch hier können ein, einige oder alle Signale aus der Vielzahl der Signale, bezogen auf die in Schritt 1912 berechneten inversen Verzeichnungsfunktionen normalisiert werden.
In einigen Ausführungsbeispielen der Erfindung kann es wünschenswert sein, ein oder mehrere Signale aus der Vielzahl von Signalen vor Ermittlung der Verzeichnungsfunktion in Schritt 1910 zu filtern. Eine derartige Filterung ist wünschenswert, wenn Rauschen und/oder andere Effekte die Berechnung einer genauen Verzeichnungsfunktion stören. Beispielsweise kann ein Medienfilter zur Beseitigung der Verzeichnung verwendet werden.
Die Erfindung ist bei Bedarf zur Korrektur nicht linearer Verzeichnung in einer Vielzahl von Signalen verwendbar, wobei jedes Signal oder mehr als ein Signal auf nicht lineare Weise verzerrt worden ist, aber wobei es schwierig ist, zu bestimmen, ob ein, einige oder alle Signale in Bezug zum jeweils anderen verzerrt worden sind. Für derartige Signale lässt sich die Verzeichnung korrigieren, indem man die Vielzahl von Signalen um relativ kleine Beträge über kleine Schritte in dem Signal variieren lässt. Für Signale, die eine Funktion einer einzelnen Variablen sind, kann die in Schritt 1910 berechnete Verzeichnungsfunktion eine Funktion sein, die von der Steigung eines, einiger oder aller Signale aus der Vielzahl von Signalen bei einer Vielzahl von Punkten in dem Bild abhängt. In einem solchen Fall kann die in Schritt 1912 erzeugte inverse Verzeichnungsfunktion versuchen, die Steigungen der Vielzahl von Signalen über kleine Inkremente in dem Signal auszugleichen. Für Signale, die eine Funktion mehrerer Variablen sind, kann die Verzeichnungsfunktion von der Änderungsrate eines, einiger oder aller Signale aus der Vielzahl von Signalen in einer Vielzahl von Richtungen an einer Vielzahl von Punkten in dem Bild abhängen. Die in Schritt 1910 berechnete Verzeich nungsfunktion kann beispielsweise von dem Gradienten eines, einiger oder aller aus der Vielzahl der Signale bei einer Vielzahl von Punkten abhängen.
Wenn ein Gradientenmaß verwendet wird, um die Verzeichnung eines Signals relativ zu anderen zu bestimmen, ist ein Punktdiagramm verwendbar, um die Verzeichnungsfunktion zu erzeugen. Jeder Punkt des Punktdiagramms kann abgeleitet werden, indem ein Punktdiagrammindex in Abhängigkeit von der Größe der Gradienten von einigen Signalen aus der Vielzahl von Signalen an einem gemeinsamen Punkt in den Signalen berechnet wird. Ein Gewicht kann in Abhängigkeit von dem Winkel zwischen diesen Gradienten berechnet werden (beispielsweise dem Cosinus des Winkels zwischen den Gradienten). Außerdem kann ein solches Gewicht proportional zur Größe der Gradienten sein. Eine Kurve kann in die Punkte des Punktdiagramms mithilfe eines Kurvenanpassungsalgorithmus eingepasst werden, und eine inverse Verzeichnungsfunktion kann mithilfe der Kurve berechnet werden. Beispielsweise kann die inverse Verzeichnungsfunktion proportional zu dem Bereich unter der Kurve sein.
20 zeigt ein Ablaufdiagramm zur Beschreibung eines Verfahrens, das verwendbar ist, um ein Digitalbild erfindungsgemäß zu verbessern. Dieser Aspekt der Erfindung ist verwendbar, um die Farben eines Digitalbildes zu verbessern. Digitalbilder, gleichgültig, ob es sich dabei um gescannte fotografische Bilder, Satellitenbilder, medizinische Bilder oder andere Arten von Digitalbildern handelt, können in nicht linearer Weise aufgrund gewisser Verzeichnungen in dem Analogbild und/oder aufgrund von Verzeichnungen verzerrt sein, die während der Erzeugung des Digitalbildes auftreten. Die Verzeichnung kann hinsichtlich der Dichte und/oder Frequenz variieren, wobei die Abweichung für jeden Kanal unterschiedlich sein kann. Eine derartige nicht lineare Verzeichnung kann das Bild auf unerwünschte Weise beeinträchtigen. Im Falle fotografischer Bilder könnte die Wahrnehmung des Bildes für das menschliche Auge störend sein. Bei Satellitenbildern und medizinischen Bildern könnte die Brauchbarkeit der Bildinformationen aufgrund der Verzeichnung leiden.
Viele Digitalbilder setzen sich aus mehreren Kanälen zusammen, wie vorstehend beschrieben. Beispielsweise setzt sich ein Digitalbild, das auf einer Farbfotografie beruht, aus einem Rot-, Grün- und Blaukanal zusammen. Wenn ein Bild aus einer Vielzahl von Kanälen besteht, erzeugt die in jedem Kanal enthaltene Bildinformation eine gemeinsame Komponente zwischen den drei Bildkanälen. Über kleine Bereiche in dem Digitalbild variiert die Intensität tendenziell somit um gleiche Beträge. Zwar können die Intensitätsgrößen recht unterschiedlich sein, aber die Änderungsrate dieser Größen ist tendenziell für ein nicht verzerrtes Bild gleich. Die Erfindung sieht somit vor, die Verzeichnung eines Bildes anhand der Intensitätsabweichung in mehreren Richtungen für jeden Kanal (oder für eine Untermenge der Kanäle) des Bildes zu ermitteln. Für einen, einige oder alle Kanäle eines Bildes kann eine inverse Verzeichnungsfunktion erzeugt werden, so dass bei Anwendung der inversen Verzeichnungsfunktion die Intensität jedes Kanals tendenziell im Vergleich mit anderen Kanälen um gleiche Beträge über kleine Bereiche des Bildes variiert.
In Bereichen einiger Bilder variieren die Intensitätswerte eines Kanals im Vergleich mit anderen Kanälen linear, wenn das Bild unverzerrt ist, während in anderen Bildern oder in Bereichen des gleichen Bildes die Intensität in einem Kanal im Vergleich zum anderen Kanal derart variiert, dass ein konstantes Verhältnis zwischen den Größen über kleine Bereiche erhalten bleibt, wenn das Bild unverzerrt ist. Um die Verbesserung der digitalen Farbbilder zu automatisieren, nutzt die Erfindung ein Mittel dieser beiden Variationsarten, das der Weise entspricht, in der ein Bild üblicherweise digital abgespeichert wird.
In Schritt 1916 wird ein Bild zur Erzeugung eines Digitalbildes gescannt. Dieses Scannen kann mithilfe eines Scanners 30 oder eines Scanners 34 erfolgen, wie vorstehend beschrieben. Alternativ hierzu kann der Schritt 1916 ausgelassen werden, und die Erfindung kann auf ein Bild angewandt werden, das zuvor gescannt worden ist. Außerdem kann die Erfindung auf Digitalbilder mit einer Vielzahl von Kanälen angewandt werden, die jeweils eine gemeinsame Signalkomponente aufweisen, bei der ein Kanal oder mehrere Kanäle in nicht linearer Weise verzerrt sind. Der Begriff "gemeinsame Komponente" bezieht sich im weiteren Sinne auf Signale, die in gleicher Weise korreliert sind.
Bevor die übrigen Schritte in dem in 20 beschriebenen Verfahren durchgeführt werden, kann die vorstehend erörterte Kornnormalisierung der Erfindung auf ein Digitalbild angewandt werden. Wahlweise kann zudem eine oder mehrere Kornreduzierungstechniken auf das Bild vor Durchführung der übrigen in 20 beschriebenen Verfahrensschritte angewandt werden. Alternativ kann das in 20 beschriebene Verfahren ohne jegliche Kornnormalisie rung und/oder Kornreduzierung oder nach Normalisierung oder Reduzierung mithilfe einer anderen Technik auf ein Bild angewandt werden.
In Schritt 1918 kann jeder Kanal des Bildes (oder eine Untermenge der Kanäle des Bildes) so gefiltert werden, dass verschiedene Effekte, wie Rausch- und Bildauflösungseffekte, die Beseitigung der nicht linearen Verzeichnung nicht stören. Über eine kleine Zahl von Pixeln, kann ein derartiges, durch Kornspuren verursachtes Rauschen, die Beseitigung der nicht linearen Störung beeinträchtigen. Weil das zur Erzeugung eines farbfotografischen Bildes verwendete Licht durch mehrere Filmschichten tritt, kann ein Kanal des Digitalbildes oder können mehrere Kanäle des Digitalbildes verzerrt sein. Wie vorstehend besprochen, empfängt die Rotschicht des Farbfilms üblicherweise nur Licht, das bereits durch die Grün- und Blauschicht des Films getreten ist. Das Bild ist somit in der Rotschicht des Films im Vergleich zu den Grün- und Blauschichten üblicherweise stärker verzerrt. Beispielsweise kann das Bild im Rotkanal weniger scharf sein. Eine derartige optische Verzeichnung kann die Beseitigung der nicht linearen Verzeichnung in den Farben des Bildes stören.
Entsprechend kann in Schritt 1918 jeder Kanal des Bildes durch Filterung des Bildes vorab unscharf gemacht werden. In diesem Ausführungsbeispiel ist ein Medianfilter mit einem Radius von 10 Pixeln für Film verwendbar, der für jeden Farbkanal mit 2.000 dpi gescannt wird. Ein anderer Radius ist verwendbar, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. Außerdem sind unterschiedliche Abtastauflösungen verwendbar, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. Andere Verfahren zur vorherigen Unscharfmachung des Bildes, die nicht die Anwendung eines Medianfilter umfassen, sind ebenfalls verwendbar. Im Wesentlichen kann jeder Kanal des Bildes geändert werden, um Rauschen und Auflösungseffekte zu dämpfen oder zu beseitigen, beispielsweise wie die zuvor besprochenen.
In Schritt 1920 werden Vektoren für mindestens zwei Kanäle des Digitalbildes, bezogen auf die Änderungsrate der Intensität (Steigung) in mehreren Richtungen an mehreren Punkten des Bildes, erzeugt. In diesem Ausführungsbeispiel werden diese Vektoren für jeden Kanal aus der Vielzahl von Kanälen erzeugt, könnten jedoch auch nur für eine Untermenge der Vielzahl von Kanälen erzeugt werden, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. In diesem Ausführungsbeispiel können Steigungen berechnet werden, um Vektoren an allen Punkten des Bildes oder an einer Untermenge der Punkte des Bildes zu berechnen, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen.
In diesem Ausführungsbeispiel stellen die erzeugten Vektoren einen Gradienten der Intensität für einen bestimmten Bildkanal an dem fraglichen Punkt dar. Mit anderen Worten umfasst der Vektor eine erste Komponente, die die Steigung der Intensität in x-Richtung darstellt, und eine zweite Komponente, die die Steigung der Intensität in y-Richtung an einem bestimmten Punkt in diesem Bildkanal darstellt. Vektoren, die proportional zu den Intensitätssteigungen an den Punkten des Bildes in anderen Richtungen sind, können ebenfalls gewählt werden, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. Der Einfachheit halber werden Steigungen in x- und y-Richtung gewählt.
Die Vektoren für die Rot-, Grün- und Blaukanäle, R''2(x, y), G''2(x, y) bzw. B''2(x, y), können für einen bestimmten Punkt (x, y) mithilfe der Formeln 76–78 berechnet werden, wobei i und j Einheitenvektoren in x- bzw. y-Richtung darstellen. R''2(x, y) = (R''(x + 1, y) – R''(x – 1, y))i + (R''(x, y + 1) – R''(x, y – 1))j (76) G''2(x, y) = (G''(x + 1, y) – G''(x – 1, y))i + (G''(x, y + 1) – G''(x, y – 1))j (77) B''2(x, y) = (B''(x + 1, y) – B''(x – 1, y))i + (B''(x, y + 1) – B''(x, y – 1))j (78)
In diesen Formeln stehen R'', G'' und B'' für die gefilterten Intensitätswerte für die drei Bildkanäle. Somit kann ein Vektor für jeden Punkt jedes Kanals eines Digitalbildes berechnet werden. Für Bilder mit mehr oder weniger Kanälen sind für jeden Kanal ähnliche Formeln verwendbar. Es können Vektoren für nur eine Teilmenge dieser Punkte an jedem Kanal berechnet werden, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. Die Formeln 76 bis 78 beschreiben keine Berechnungen auf Steigung an der Kante der Bildkanäle. An diesen Kanten sind andere Steigungsmaße verwendbar, oder diese Punkte können ignoriert werden, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. In ähnlicher Weise sind andere Verfahren zur Steigungsberechnung verwendbar, ohne vom Umfang oder Geltungsbereich der Erfindung abzuweichen. Dieses Ausführungsbeispiel nutzt Punkte unmittelbar links oder rechts von dem fraglichen Pixel, jedoch nicht das fragliche Pixel selbst, um die ungefähre Steigung in x-Richtung an diesem Punkt zu berechnen. Ein ähnliches Verfahren wird für die y-Richtung benutzt. Alternativ hierzu können mehr Pixel in der x- oder y-Richtung verwendet werden, um die Steigung in x-Richtung oder in y-Richtung zu berechnen, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. Außerdem könnten bestimmte Mittelwerte der ungefähren Steigungen für ein bestimmtes Pixel verwendet werden, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen.
In Schritt 1922 können Vektoren aus einer Vielzahl von Kanälen verglichen werden, um Punktdiagrammdaten zu erzeugen, die für die Erzeugung einer Verzeichnungsfunktion verwendbar sind, die für die Verzeichnung eines Kanals des Bildes im Vergleich mit anderen Kanälen des Bildes repräsentativ sind. Auch hier können derartige Punktdiagrammdaten für einen, für einige oder für alle Kanäle verwendet werden, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. Der Vergleich von Vektoren zur Erzeugung der Punktdiagrammdaten kann zudem einige oder alle der übrigen Kanäle des Bildes umfassen.
In diesem Ausführungsbeispiel hängen die Punktdiagrammdaten von den in Schritt 1920 berechneten Vektoren ab. Weil unverzerrte Bilder üblicherweise Gradientenvektoren mit einer ähnlichen Richtung aufweisen, kann ein Gewicht für jeden Punkt auf dem Punktdiagramm proportional zum Skalarprodukt zwischen den in Schritt 1920 berechneten Vektoren berechnet werden. In diesem Ausführungsbeispiel wird ein derartiges Skalarprodukt für jeden der anderen Kanäle berechnet und ein Punkt für jedes so erzeugte Skalarprodukt abgetragen. Beispielsweise wird für das rote Punktdiagramm ein Punkt mit einem Gewicht abgetragen, das proportional zum Skalarprodukt des in Schritt 1920 für den Rot- und den Grünkanal berechneten Vektor ist. Zusätzlich dazu wird ein Gewicht für einen auf dem Punktdiagramm für den Rotkanal anzuordnenden Punkt berechnet, das proportional zum Skalarprodukt der Vektoren an diesem in Schritt 1920 für den Rot- und Blaukanal berechneten Punkt ist. Somit kann das Gewicht eines bestimmten Punktes auf dem Punktdiagramm proportional zu der Ähnlichkeit zwischen den Intensitätssteigungen von zwei Kanälen an einem bestimmten Punkt sein. Weil die Kanäle in Bezug zueinander verzerrt sind, bestimmt dieses Ausführungsbeispiel der Erfindung Punktdiagrammpunkte für einen bestimmten Kanal, die die Steigung an einem bestimmten Punkt des fraglichen Kanals gegen die Intensitätssteigung an dem korrespondierenden Punkt in jedem zusätzlichen Kanal vergleichen. Alternativ könnte ein Vergleich mit einer Untermenge der Kanäle vorgenommen werden, ohne vom Umfang oder Geltungsbereich der Erfindung abzuweichen.
Die Erfindung ermittelt einen Index des Punktdiagramms unter Verwendung der relativen Größe des Steigungsvektors für einen bestimmten Punkt, der in Schritt 1920 für einen bestimmten Kanal erzeugt worden ist, und zwar im Vergleich mit der Größe des Steigungsvektors, der in Schritt 1920 für einen entsprechenden Punkt in einem anderen Kanal des Bildes berechnet worden ist.
Der andere Index des Punktdiagramms umfasst die Intensität eines Punktes in dem Bildkanal.
Daher können die Punkte des Punktdiagramms folgendermaßen erzeugt werden. Ein Punktdiagramm wird für jeden Kanal des Bildes erzeugt, dessen Verzeichnung korrigiert werden muss. In diesem Beispiel wird ein Punktdiagramm für den Rotkanal, den Grünkanal und den Blaukanal erzeugt. Der x-Achsenindex des Punktdiagramms ist die Intensität des betreffenden Pixels. Der y-Achsenindex des Punktdiagramms ist ein Wert zwischen 1 und –1, entsprechend der relativen Größe der Steigungsvektoren an einem Punkt für diesen Kanal, verglichen mit der Größe des Steigungsvektors für einen anderen Kanal des Bildes an einem entsprechenden Punkt. Einem bestimmten Punkt wird ein Gewicht wie nachfolgend beschrieben zugeordnet. Entsprechend kann ein bestimmter Punkt auf den roten, grünen oder blauen Punktdiagrammen mithilfe der Formeln 79 bis 93 angeordnet werden. Im Falle eines negativen Ergebnisses in den Formeln 85 bis 90 kann der Gewichtswert auf einen vorbestimmten Wert eingestellt werden, wie beispielsweise den Wert null.

XR(x, y) = R''(x, y) (91) XG(x, y) = G''(x, y) (92) XB(x, y) = B''(x, y) (93)
Formel 91 besagt, dass der x-Achsenindex des Punktdiagramms für einen bestimmten Punkt ermittelt wird, indem die Intensität des Rotkanals an diesem speziellen Punkt ermittelt wird. Für diesen bestimmten Punkt des Rotkanals werden zwei Punkte abgetragen. Jeder hat denselben x-Index in dem roten Punktdiagramm. Für die beiden abgetragenen Punkte entspricht ein Punkt einem Vergleich zwischen den Steigungsvektoren für die roten und grünen Kanäle an dem jeweiligen Punkt, während der andere Punkt einem Vergleich zwischen den roten und blauen Vektoren an einem bestimmten Punkt entspricht.
Für den Punkt, der einen Vergleich zwischen den roten und grünen Vektoren darstellt, ist Formel 79 verwendbar, um den y-Index für das Punktdiagramm zu bestimmen. Für den Vergleich zwischen den roten und blauen Vektoren in einem bestimmten Punkt kann der y-Index für den Punkt auf dem Punktdiagramm mittels Formel 80 bestimmt werden. Das Gewicht des Punktes auf dem Punktdiagramm für den Vergleich des Rotkanals mit dem Grünkanal kann mittels Formel 85 berechnet werden, während das Gewicht für den Punkt, der den Vergleich zwischen dem Rot- und Blaukanal darstellt, mittels Formel 86 ermittelt werden kann.
Für jeden Punkt in dem Grünkanal können zudem zwei Punkte für das grüne Punktdiagramm erzeugt werden. In jedem Fall wird der x-Achsenindex für das grüne Punktdiagramm mittels Formel 92 ermittelt. Für den ersten Punkt, der einem Vergleich zwischen den Vektoren für den Grünkanal und den Rotkanal entspricht, wird Formel 81 benutzt, um den y-Achsenindex auf dem grünen Punktdiagramm für den Punkt zu ermitteln, während Formel 87 das an diesem Punkt abzutragende Gewicht darstellt. Für den Punkt, der einem Vergleich zwischen den Vektoren für den jeweiligen Punkt für den Grünkanal und den Rotkanal entspricht, wird Formel 82 benutzt, um den y-Achsenindex zu ermitteln, während Formel 88 benutzt wird, um das Gewicht für diesen Punkt zu ermitteln.
Für jeden Punkt in dem Blaukanal können zudem zwei Punkte für das blaue Punktdiagramm erzeugt werden. In jedem Fall wird der x-Achsenindex für das blaue Punktdiagramm mittels Formel 93 ermittelt. Für den ersten Punkt, der einem Vergleich zwischen den Vektoren für den Blaukanal und den Rotkanal entspricht, wird Formel 83 benutzt, um den y-Achsenindex auf dem blauen Punktdiagramm für den Punkt zu ermitteln, während Formel 89 das an diesem Punkt abzutragende Gewicht darstellt. Für den Punkt, der einem Vergleich zwischen den Vektoren für den jeweiligen Punkt für den Blaukanal und den Grünkanal entspricht, wird Formel 84 benutzt, um den y-Achsenindex zu ermitteln, während die Formel benutzt wird, um das Gewicht für diesen Punkt zu ermitteln.
In Schritt 1924 wurde ein Punktdiagramm für jeden Kanal aus einer Vielzahl von Kanälen anhand der Punktdiagrammdaten erzeugt, die in Schritt 1922 erzeugt wurden. Diese Schritte können kombiniert werden, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. Wenn nur ein Kanal oder mehrere Kanäle aus einer Vielzahl von Kanälen verzeichnungskorrigiert sind, kann ein Punktdiagramm nur für korrigierte Kanäle erzeugt werden. Wie zuvor erörtert, enthalten die in diesem Ausführungsbeispiel der Erfindung erzeugten Punktdiagramme Punkte, die zur Verzeichnung des Kanals proportional sind, für den das Punktdiagramm gegenüber jedem der anderen Kanäle erzeugt wird. Es könnte aber auch eine Verzeichnung in Bezug zu einer Untermenge der zusätzlichen Kanäle verwendet werden, ohne vom Umfang oder Geltungsbereich der Erfindung abzuweichen.
21 zeigt sechs Punkte, die abgetragen werden können und einer einzelnen Raumposition in dem Bild entsprechen. Für das rote Punktdiagramm bestimmt die Intensität des betreffenden Pixels den x-Achsenindex 1946 für jeden der beiden Punkte. Der y-Achsenindex für Punkt 1934 wird von der Formel 79 bestimmt. Das Gewicht, das dem Punkt 1934 zugeordnet wird, wird mittels Formel 85 ermittelt. Hier erzeugt Formel 79 einen y-Indexwert von 0,5. Weil Formel 81 das Negativ von Formel 79 ist, hat der y-Index für den entsprechenden Punkt 1936 auf dem grünen Punktdiagramm einen y-Index von –0,5. Der x-Index von Punkt 1936 wurde mittels Formel 92 ermittelt und stellt die Intensität des fraglichen Pixels in dem Grünkanal dar. Das für Punkt 1936 von Formel 87 erzeugte Gewicht ist das Negativ des für Punkt 1934 von Formel 85 erzeugten Gewichts. Entsprechend können verschiedene Implementierungen der Erfindung einfach einen Satz von Formeln verwenden, um die Gewichte zu berechnen, etwa die Formeln 85, 86 und 88, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen.
Punkt 1938 weist ebenfalls einen x-Index auf, der mittels Formel 91 für das betreffende Pixel ermittelt wurde. Sein y-Index wird mittels Formel 80 ermittelt und sein Gewicht mittels Formel 86. Dieser Punkt stellt ein Maß der Verzeichnung des Rotsignals im Vergleich mit dem Blausignal dar. Der y-Index für Punkt 1940 auf dem blauen Punktdiagramm ist das Negativ des y-Index von Punkt 1938, da Formel 83 einfach das Negativ von Formel 80 ist. Der x-Index 1950 für Punkt 1940 entspricht dem Intensitätswert in dem Blaukanal für das fragliche Pixel und wird mittels Formel 93 ermittelt.
In ähnlicher Weise haben Punkt 1942 auf dem grünen Punktdiagramm und Punkt 1944 auf dem blauen Punktdiagramm y-Achsenindizes, die jeweils das Negativ des anderen sind (additive Inverse), da Formel 84 das Negativ von Formel 82 ist.
Nachdem das Punktdiagramm in Schritt 1924 erzeugt worden ist, kann eine Kurve mithilfe eines Kurvenanpassungsalgorithmus durch das Punktdiagramm geführt werden, wie in Schritt 1926 gezeigt. In diesem Ausführungsbeispiel wird ein Mittelungstyp des Kurvenanpassungsalgorithmus verwendet. Es ist ein beliebiger Kurvenanpassungsalgorithmus verwendbar, ohne vom Umfang oder Geltungsbereich der Erfindung abzuweichen. Für jedes Punktdiagramm kann eine Kurve erzeugt werden. Ein Punktdiagramm wird in Schritt 1924 nur erzeugt, wenn die Verzeichnungskorrektur auf den Kanal angewandt wird, für den das Punktdiagramm erzeugt wird. Wenn keine Verzeichnungskorrektur für einen bestimmten Kanal erzeugt wird, kann die Erzeugung des Punktdiagramms in Schritt 1924 und die Erstellung der Kurve in Schritt 1924 für diesen Kanal entfallen.
In Schritt 1928 kann eine inverse Verzeichnungsfunktion erzeugt werden, bezogen auf die in Schritt 1926 erstellten Kurven. Diese inverse Verzeichnungsfunktion kann jede Funktion sein, die proportional zu der in Schritt 1926 erzeugten Kurve ist. Die in Schritt 1926 erzeugte Kurve ist proportional zur relativen Verzeichnung eines bestimmten Signals gegen ein Signal oder mehrere zusätzliche Signale mit einer gemeinsamen Komponente. In diesem Ausführungsbeispiel kann die inverse Verzeichnungsfunktion für jeden Kanal mithilfe der Formeln 94–96 erzeugt werden.
Formel 94 kann für den Rotkanal, Formel 95 für den Grünkanal und Formel 96 für den Blaukanal erzeugt werden. Weil es sich um Digitalbilder handelt, ist eine diskrete Zahl von Intensitätswerten verwendbar. Beispielsweise verwendet dieses Ausführungsbeispiel einen 8-Bit-Intensitätswert, der 256 verschiedene mögliche Intensitätswerte erzeugt. Somit umfasst die inverse Verzeichnungsfunktion eine Transformationstabelle von 256 Werten im Bereich 0 bis 255. Somit hat "C" einen Maximalwert von 255 in den Formeln 94 bis 96, während das Digitalbild 256 mögliche Intensitätswerte hat. Eine andere Bitzahl ist verwendbar, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen. Der Wert "y" in den Formeln 94 bis 96 stellt die Zahl der Kanäle dar, die das Digitalbild ausmachen. Der Term R_i in Formel 94 stellt den y-Wert der Kurve dar, die in Schritt 1926 für das rote Punktdiagramm für den x-Achsenindex von „i" auf s erzeugt wurde. Mit anderen Worten stellt die Kurve, die durch das Punktdiagramm in Schritt 1926 erzeugt wurde, eine Kurve dar, die die Verzeichnung abhängig von der Pixelintensität darstellt. Formel 94 berechnet eine inverse Verzeichnung für jede fragliche Pixelintensität, die sich proportional zu dem Bereich unter der Kurve verhält, die vor der betreffenden Intensität in Schritt 1926 erzeugt wurde. Formel 95 und 96 sind analog zu Formel 94.
Die Wurzel y/y – 1 wird in den Formeln 94 bis 96 verwendet, weil ansonsten eine Überkorrektur erfolgen könnte. Die Korrektur jedes Kanals beruht auf seiner Verzeichnung in Beziehung zu den anderen Kanälen. Wenn eine Korrektur erfolgte, ohne dies zu berücksichtigen, würde die relative Korrektur für jeden Kanal unter der Annahme erfolgen, dass nur dieser Kanal korrigiert wird. Weil – in diesem Beispiel – jeder Kanal korrigiert wird, könnte unter dem Strich eine Überkorrektur erfolgen, wenn die entsprechende Wurzel nicht gezogen wird.
In Schritt 1930 kann jeder Bildkanal mithilfe der in Schritt 1928 ermittelten inversen Verzeichnungsfunktionen normalisiert werden. Für die Normalisierung wird jeder Pixelintensitätswert in dem Bild verarbeitet. Für eine bestimmte Raumlage wird die Rotintensität mithilfe der Intensität des Rotkanals an dem Pixel als ein Index für die inverse Verzeichnungsfunktion geändert, die mittels Formel 94 erzeugt wurde. Der Rotintensitätswert wird durch den von der inversen Verzeichnungsfunktion erzeugten Intensitätswert ersetzt. In ähnlicher Weise wird der grüne Intensitätswert an einem bestimmten Pixel durch den grünen Intensitätswert ersetzt, der von der inversen Verzeichnungsfunktion für den in Schritt 1928 erzeugten grünen Kanal erzeugt wurde, wobei der Index für die inverse Verzeichnungsfunktion für den Grünkanal den aktuellen Pixelintensitätswert für den Grünkanal umfasst. Schließlich wird der Intensitätswert für den Blaukanal des Pixels analog korrigiert, indem die blaue inverse Verzeichnugsfunktion verwendet wird, die in Schritt 1928 erzeugt wurde.
Obwohl die hier beschriebenen Erfindungen Berechnungen in sowohl der Raumdomäne als auch der räumlichen Frequenzdomäne umfassen, könnten analoge Berechnungen in der entgegengesetzten Domäne gleichermaßen verwendet werden, ohne vom Umfang und Geltungsbereich der Erfindung abzuweichen.
Obwohl die vorliegende Erfindung detailliert beschrieben wurde, sei darauf hingewiesen, dass verschiedene Änderungen, Ersetzungen und Abwandlungen hieran durchgeführt werden können, ohne vom Umfang und Geltungsbereich der in den anhängenden Ansprüchen definierten Erfindung abzuweichen.

Claims

Verfahren zur Verbesserung eines Digitalbildes mit mindestens einem Bildkanal, mit folgenden Schritten: Umwandeln mindestens eines Raumdomänensegments aus einer Vielzahl von Raumdomänensegmenten (1102) (1202) von mindestens einem Bildkanal aus der Raumdomäne in die Frequenzdomäne, um mindestens eine Segmenttransformation (1104) zu erstellen, worin jedes Raumdomänensegment eines aus einer Vielzahl von Raumdomänensegmenten von mindestens einem Bildkanal umfasst; Erzeugen mindestens einer Rauschkorrekturfunktion in Abhängigkeit von der mindestens einen Segmenttransformation; Anwenden der mindestens einen Rauschkorrekturfunktion zur Erzeugung mindestens einer korrigierten Transformation, worin die korrigierte Transformation unmittelbar oder mittelbar von mindestens einer Segmenttransformation abhängt; und Transformieren der mindestens einen korrigierten Transformation aus der Frequenzdomäne in die Raumdomäne zur Erstellung mindestens eines korrigierten Raumdomänensegments.
Verfahren nach Anspruch 1 mit zudem folgendem Schritt: Normalisieren der Größe des Rauschens in dem Digitalbild auf einen konstanten Wert über alle Frequenzen vor dem ersten Transformationsschritt.
Verfahren nach Anspruch 1, worin der Erzeugungsschritt zudem das Erzeugen mindestens einer gefilterten Transformation in Abhängigkeit von mindestens einer Segmenttransformation umfasst.
Verfahren nach Anspruch 3, worin der Erzeugungsschritt zudem die Tiefpassfilterung der mindestens einen Segmenttransformation zur Erzeugung der mindestens einen gefilterten Transformation umfasst.
Verfahren nach Anspruch 3, worin der Erzeugungsschritt zudem eine Tiefpass-Effektivfilterung der mindestens einen Segmenttransformation zur Erzeugung der mindestens einen gefilterten Transformation umfasst.
Verfahren nach Anspruch 1, worin der Erzeugungsschritt zudem eine Frequenzspreizung der mindestens einen Segmenttransformation zur Erzeugung mindestens einer gespreizten Transformation umfasst.
Verfahren nach Anspruch 6, worin der Erzeugungsschritt zudem das Erzeugen mindestens einer geschätzten Transformation umfasst, die von der mindestens einen gespreizten Transformation und der mindestens einen Segmenttransformation abhängt.
Verfahren nach Anspruch 7, worin der Erzeugungsschritt zudem das Erstellen mindestens einer Maskenfunktion umfasst, die Rauschfrequenzen zu dämpfen und Bildfrequenzen anzunehmen vermag, wobei die erzeugte Maskenfunktion von der mindestens einen geschätzten Transformation abhängt.
Verfahren nach Anspruch 8, worin der Erzeugungsschritt zudem das Anwenden der mindestens einen Maskenfunktion auf die mindestens eine geschätzte Transformation umfasst, um die mindestens eine Rauschkorrekturfunktion auszubilden.
Verfahren nach Anspruch 1, worin die mindestens eine Rauschkorrekturfunktion derart angewandt wird, dass ein vorgewählter Rauschrestpegel in dem mindestens einen korrigierten Raumdomänensegment verbleibt.
Verfahren nach Anspruch 3, worin der Erzeugungsschritt zudem eine Frequenzspreizung der mindestens einen gefilterten Transformation zur Erzeugung mindestens einer gespreizten Transformation umfasst.
Verfahren nach Anspruch 11, worin der Erzeugungsschritt zudem das Erzeugen mindestens einer geschätzten Transformation umfasst, die von der mindestens einen gespreizten Transformation und der mindestens einen gefilterten Transformation abhängt.
Verfahren nach Anspruch 12, worin der Erzeugungsschritt zudem das Erzeugen mindestens einer Maskenfunktion umfasst, die Rauschfrequenzen zu dämpfen und Bildfrequenzen anzunehmen vermag, wobei die mindestens eine Maskenfunktion in Abhängigkeit von der mindestens einen geschätzten Transformation erzeugt wird.
Verfahren nach Anspruch 13, worin der Erzeugungsschritt zudem das Anwenden der mindestens einen Maskenfunktion auf die mindestens eine geschätzte Transformation umfasst, um die mindestens eine Rauschkorrekturfunktion auszubilden.
Verfahren nach Anspruch 14, worin die mindestens eine Rauschkorrekturfunktion derart angewandt wird, dass ein vorgewählter Rauschrestpegel in dem mindestens einen korrigierten Raumdomänensegment verbleibt.
Verfahren nach Anspruch 14, worin der Erzeugungsschritt zudem das Filtern mindestens einer Kreuzkorrelation zur Erzeugung der mindestens einen gefilterten Transformation umfasst, worin die mindestens eine Kreuzkorrelation von der Kreuzkorrelation zwischen der mindestens einen Segmenttransformation und der mindestens einen räumlich korrespondierenden Segmenttransformation aus einem Bildkanal des Digitalbildes abhängt, bei dem es sich nicht um den mindestens einen Bildkanal handelt.
Verfahren nach Anspruch 1, worin der Erzeugungsschritt zudem das Erzeugen mindestens einer Segmentschätzung des mit dem Signal verglichenen Rauschens in dem mindestens einen Raumdomänensegment umfasst.
Verfahren nach Anspruch 17, worin die mindestens eine Segmentschätzung des mit dem Signal verglichenen Rauschens in dem mindestens einen Raumdomänensegment unmittelbar oder mittelbar von der mindestens einen Segmenttransformation abhängt; und worin der Erzeugungsschritt zudem das Dämpfen der Rauschfrequenzen und das Annehmen der Bildfrequenzen, gestützt auf der mindestens einen Schätzung des mit dem Signal verglichenen Rauschens, umfasst.
Verfahren nach Anspruch 18, worin die mindestens eine Segmentschätzung des mit dem Signal verglichenen Rauschens in dem mindestens einen Raumdomänensegment von mindestens einer gefilterten Segmenttransformation abhängt, die durch Filterung der mindestens einen Segmenttransformation erzielt wird.
Verfahren nach Anspruch 19, worin die mindestens eine Segmentschätzung des mit dem Signal verglichenen Rauschens in dem mindestens einen Raumdomänensegment von einer Frequenzspreizungsversion der mindestens einen gefilterten Segmenttransformation abhängt.
Verfahren nach Anspruch 1, worin sich einige aus der Vielzahl von Raumdomänensegmenten überlagern.
Digitalbildabtastsystem mit: Abtasthardware (40) zur Abtastung eines fotografischen Bildes und Umwandlung des fotografischen Bildes in ein Digitalbild; und der Abtasthardware zugeordneter Computersoftware (44), dadurch gekennzeichnet, dass das Abtastsystem betreibbar ist zum: Umwandeln mindestens eines Raumdomänensegments aus einer Vielzahl von Raumdomänensegmenten von mindestens einem Bildkanal aus der Raumdomäne in die Frequenzdomäne, um mindestens eine Segmenttransformation zu erstellen, worin jedes Raumdomänensegment eines aus einer Vielzahl von Raumdomänensegmenten von mindestens einem Bildkanal umfasst; Erzeugen mindestens einer Rauschkorrekturfunktion in Abhängigkeit von der mindestens einen Segmenttransformation; Anwenden der mindestens einen Rauschkorrekturfunktion zur Erzeugung mindestens einer korrigierten Transformation, worin die korrigierte Transformation unmittelbar oder mittelbar von mindestens einer Segmenttransformation abhängt; und Transformieren der mindestens einen korrigierten Transformation aus der Frequenzdomäne in die Raumdomäne zur Erstellung mindestens eines korrigierten Raumdomänensegments.
Digitalbildabtastsystem nach Anspruch 22, worin die Computersoftware betreibbar ist zum: Normalisieren der Größe des Rauschens in dem Digitalbild auf einen konstanten Wert über alle Frequenzen vor dem ersten Transformationsschritt.
Digitalbildabtastsystem nach Anspruch 22, worin die Computersoftware in Verbindung mit dem Erzeugen einer mindestens einen Rauschkorrekturfunktion zudem betreibbar ist, um mindestens eine gefilterte Transformation in Abhängigkeit von der mindestens einen Segmenttransformation zu erzeugen.
Digitalbildabtastsystem nach Anspruch 24, worin die Computersoftware in Verbindung mit dem Erzeugen mindestens einer Rauschkorrekturfunktion zudem betreibbar ist, um die mindestens eine Segmenttransformation einer Tiefpassfilterung zu unterziehen, um mindestens eine gefilterte Transformation zu erzeugen.
Digitalbildabtastsystem nach Anspruch 24, worin die Computersoftware in Verbindung mit dem Erzeugen mindestens einer Rauschkorrekturfunktion zudem betreibbar ist, um die mindestens eine Segmenttransformation einer Effektiv-Tiefpassfilterung zu unterziehen, um die mindestens eine gefilterte Transformation zu erzeugen.
Digitalbildabtastsystem nach Anspruch 22, worin die Computersoftware in Verbindung mit dem Erzeugen mindestens einer Rauschkorrekturfunktion zudem betreibbar ist, um die mindestens eine Segmenttransformation einer Frequenzspreizung zu unterziehen, um die mindestens eine gespreizte Transformation zu erzeugen.
Digitalbildabtastsystem nach Anspruch 27, worin die Computersoftware in Verbindung mit dem Erzeugen mindestens einer Rauschkorrekturfunktion zudem betreibbar ist, um mindestens eine geschätzte Transformation zu erzeugen, die von der mindestens einen gespreizten Transformation und der mindestens einen Segmenttransformation abhängt.
Digitalbildabtastsystem nach Anspruch 28, worin die Computersoftware in Verbindung mit dem Erzeugen mindestens einer Rauschkorrekturfunktion zudem betreibbar ist, um mindestens eine Maskenfunktion zu erzeugen, welche Rauschfrequenzen zu dämpfen und Bildfrequenzen anzunehmen vermag, wobei die Maskenfunktion in Abhängigkeit von der mindestens einen geschätzten Transformation erzeugt wird.
Digitalbildabtastsystem nach Anspruch 29, worin die Computersoftware in Verbindung mit dem Erzeugen mindestens einer Rauschkorrekturfunktion zudem betreibbar ist, um die mindestens eine Maskenfunktion auf die mindestens eine geschätzte Transformation anzuwenden, um die mindestens eine Rauschkorrekturfunktion auszubilden.
Digitalbildabtastsystem nach Anspruch 22, worin die Computersoftware betreibbar ist, um die mindestens eine Rauschkorrekturfunktion derart anzuwenden, dass ein vorgewählter Rauschrestpegel in dem mindestens einen korrigierten Raumdomänensegment verbleibt.
Digitalbildabtastsystem nach Anspruch 24, worin die Computersoftware in Verbindung mit dem Erzeugen mindestens einer Rauschkorrekturfunktion zudem betreibbar ist, um die mindestens eine gefilterte Transformation einer Frequenzspreizung zu unterziehen, um mindestens eine gespreizte Transformation zu erzeugen.
Digitalbildabtastsystem nach Anspruch 32, worin die Computersoftware in Verbindung mit dem Erzeugen mindestens einer Rauschkorrekturfunktion zudem betreibbar ist, um mindestens eine geschätzte Transformation zu erzeugen, die von der mindestens einen gespreizten Transformation und der mindestens einen gefilterten Transformation abhängt.
Digitalbildabtastsystem nach Anspruch 33, worin die Computersoftware in Verbindung mit dem Erzeugen mindestens einer Rauschkorrekturfunktion zudem betreibbar ist, um mindestens eine Maskenfunktion zu erzeugen, welche Rauschfrequenzen zu dämpfen und Bildfrequenzen anzunehmen vermag, wobei die mindestens eine Maskenfunktion in Abhängigkeit von der mindestens einen geschätzten Transformation erzeugt wird.
Digitalbildabtastsystem nach Anspruch 34, worin die Computersoftware in Verbindung mit dem Erzeugen mindestens einer Rauschkorrekturfunktion zudem betreibbar ist, um die mindestens eine Maskenfunktion auf die mindestens eine geschätzte Transformation anzuwenden, um die mindestens eine Rauschkorrekturfunktion auszubilden.
Digitalbildabtastsystem nach Anspruch 35, worin die Computersoftware betreibbar ist, um die mindestens eine Rauschkorrekturfunktion derart anzuwenden, dass ein vorgewählter Rauschrestpegel in dem mindestens einen korrigierten Raumdomänensegment verbleibt.
Digitalbildabtastsystem nach Anspruch 36, worin die Computersoftware in Verbindung mit dem Erzeugen mindestens einer Rauschkorrekturfunktion zudem betreibbar ist, um die mindestens eine Kreuzkorrelation zu filtern, um die mindestens eine gefilterte Transformation zu erzeugen, worin die mindestens eine Kreuzkorrelation von der Kreuzkorrelation zwischen der mindestens einen Segmenttransformation und der mindestens einen räumlich korrespondierenden Segmenttransformation aus einem Bildkanal des Digitalbildes abhängt, bei welchem es sich nicht um den mindestens einen Bildkanal handelt.
Digitalbildabtastsystem nach Anspruch 22, worin die Computersoftware in Verbindung mit dem Erzeugen einer mindestens einen Rauschkorrekturfunktion zudem betreibbar ist, um mindestens eine Segmentschätzung des mit dem Signal verglichenen Rauschens in dem mindestens einen Raumdomänensegment zu erzeugen.
Digitalbildabtastsystem nach Anspruch 38, worin die mindestens eine Segmentschätzung des mit dem Signal verglichenen Rauschens in dem mindestens einen Raumdomänensegment unmittelbar oder mittelbar von der mindestens einen Segmenttransformation abhängt; und worin die Computersoftware in Verbindung mit dem Erzeugen einer mindestens einen Rauschkorrekturfunktion zudem betreibbar ist, um Rauschfrequenzen zu dämpfen und Bildfrequenzen anzunehmen, gestützt auf der mindestens einen Schätzung des mit dem Signal verglichenen Rauschens.
Digitalbildabtastsystem nach Anspruch 39, worin die mindestens eine Segmentschätzung des mit dem Signal verglichenen Rauschens in dem mindestens einen Raumdomä nensegment von mindestens einer gefilterten Segmenttransformation abhängt, die durch Filterung der mindestens einen Segmenttransformation erzielt wird.
Digitalbildabtastsystem nach Anspruch 40, worin die mindestens eine Segmentschätzung des mit dem Signal verglichenen Rauschens in dem mindestens einen Raumdomänensegment von einer frequenzgespreizten Version der mindestens einer gefilterten Segmenttransformation abhängt.
Digitalbildabtastsystem nach Anspruch 22, worin sich einige aus der Vielzahl von Raumdomänensegmenten überlagern.