способ сортировки цифровых изображений для качественной печати

Формула изобретения

Способ сортировки цифровых изображений для качественной печати в автоматическом режиме, включающий в себя выполнение следующих операций:

осуществляют запись цифровых изображений, например, получаемых с цифровой камеры, в блок памяти, который может входить в состав компьютера или принтера,

проводят анализ цифровых изображений, содержащихся в блоке памяти, по признакам яркости изображения, степени его размытия, детектирования красных глаз, записывают в файлы цифровых изображений метаданные, соответствующие характеру выявленных дефектов, классифицируют цифровые изображения по результатам анализа на следующие категории: изображения, удовлетворяющие высоким стандартам качества и годные для печати, т.е. без дефектов, изображения, пригодные для печати при условии их редактирования, т.е. с корректируемыми дефектами, изображения, непригодные для печати, т.е. с неисправимыми дефектами, создают в блоке памяти отдельные разделы для хранения каждой их трех вышеуказанных категорий цифровых изображений, записывают в блоке памяти файлы отсортированных цифровых изображений вместе с метаданными о характере выявленных дефектов.

Описание изобретения к патенту

Изобретение относится к области измерительной техники, а более конкретно - к способам автоматизации выбора цифровых изображений, пригодных для качественной печати.

В процессе выбора цифровых фотографий для печати главным критерием, который использует среднестатистический потребитель, является качество снимков. Некоторые изображения могут быть непригодны из-за низкого качества, т.е. быть недоэкспонированными, переэкспонированными или иметь низкий контраст либо иметь проблематичное содержание.

Реальные дефекты цифровых фотографий включают, в частности, дефекты экспозиции, размытие и блики от вспышки, шум, JPEG-артефакты, цветовой дисбаланс, хроматические аберрации и другие дефекты.

Как показывает анализ цифровых фотографических изображений, проблемы с экспозицией являются наиболее распространенным дефектом. Далее следуют различные варианты размытия и блики от вспышки. В среднем каждая десятая фотография испорчена шумом, JPEG-артефактами или цветовым дисбалансом. Хроматические аберрации появляются достаточно редко. В то же самое время их появление и выделение предсказуемо, так что для борьбы с ними могут использоваться различные алгоритмы адаптивного поиска и коррекции. Другие типы дефектов не могут обнаруживаться без дополнительных специальных измерений и предположений. Часто дефекты распределяются по изображению неравномерно, и необходима локальная коррекция, например, в случае паразитной засветки или сложного цветового дисбаланса.

В настоящее время известны несколько методов автоматической оценки качества изображения, позволяющие определить, является ли качество изображения приемлемым либо требуется его улучшение. В основном эти методы касаются качества экспозиции. Определение соответствия экспозиции характеру освещенности регистрируемого объекта или сцены состоит в присвоении изображению следующих классов: недоэкспонированного, переэкспонированного, низкоконтрастного или нормального, а также выбора техники коррекции экспозиции. В простейшем случае такая техника может быть растяжкой гистограммы, положительной или отрицательной гамма коррекцией или запрет коррекции.

В выложенной заявке США №2003/0151674 [1] предложен метод оценки качества получаемых цифровой камерой изображений, включающий в себя проверку полученного изображения с целью определения приемлемости качества фотографии и обеспечивающий обратную связь с пользователем, который и принимает решение о сохранении изображения или повторного фотографирования. Качество фотографии оценивается на основе трех характеристик: а) резкости изображения; б) качестве изображения лица и в) наличии или отсутствии фотовспышки в процессе съемки. Критерии качества вычисляются для каждой из трех характеристик качества и сравниваются с предустановленным порогом для определения, превышает ли достигнутый уровень пороговое значение. Если все пороги превышены, пользователь информируется, что полученное изображение имеет приемлемое качество.

В выложенной заявке США №2005/0270381 [2] представлен способ повышения возможности получения изображений, реализованный в цифровой камере. Процесс основан на анализе параметров получаемого изображения, содержащихся в метаданных, и сравнении их с допустимыми параметрами для определения дефектности изображения. Если дефектов нет, происходит запись изображения. Пользователь может информироваться о проблемах с изображением. Если дефект изображения обнаружен, предоставляется возможность переснять изображение.

В выложенной заявке США №2004/0190789 [3] описывается методика характеризации данных экспозиции, основанная на анализе глобальной гистограммы яркости изображения, подразумевающая, в свою очередь, последующую коррекцию. Автоматический анализ экспозиции и процесс улучшения разделены на два основных этапа: этап анализа и классификации и этап коррекции экспозиции. Во время обработки гистограммы яркости классификатор выделяет параметры, применяемые для анализа экспозиции изображения: эффективную ширину гистограммы, что используется для определения диапазона выравнивания гистограммы, центр и центроид гистограммы, что используются для определения того, следует ли увеличить яркость для коррекции недоэкспонированного изображения или уменьшить для переэкспонированного. Таким образом, корректировка погрешностей экспозиции сводится к а) выравниванию гистограммы; б) увеличению или в) уменьшению яркости изображения.

Функция автофокусировки цифровых камер работает не всегда точно. Фотографии, полученные в режиме автофокусировки, могут быть не в фокусе и, как результат, размыты. Для некоторых фотографий все изображение может быть не в фокусе из-за движения камеры в течение съемки или сбоя функции автофокуса, т.е. когда цифровая камера не может сфокусироваться ни в какой части изображения. В других случаях сфокусирована только часть изображения. Например, цифровая камера фокусируется на заднем плане вместо переднего плана, если изображение неправильно сфокусировано. В этом случае нахождение несфокусированных изображений является сложной задачей, т.к. требует определения переднего плана и фона.

Размытие изображения является одним из наиболее важных факторов в восприятии качества изображения из-за сопровождающейся потери деталей и резкости изображения. Размытие изображения может возникать вследствие большого числа причин, включая, например, дефокусировку объектива на объекте, дефокусировку переднего плана или фона вследствие большого значения диафрагмы, движение объекта по отношению к камере и даже атмосферную дымку. Размытие изображения в традиционной, аналоговой фотографии не могло быть ощутимо уменьшено. Тем не менее, в цифровой фотографии размытие изображения может быть в значительной степени устранено. Существующие методики для уменьшения размытия изображений обычно включают в себя блок оценки размытия и блок устранения размытия. Если блок оценки размытия находит величину размытия изображения выше определенного порога, изображение обрабатывается блоком уменьшения размытия. Некоторые существующие техники уменьшения размытия изображения количественно оценивают степень размытия и соответственно этому подбирают степень коррекции. Другие техники для уменьшения размытия изображения используют итерационную процедуру, которая циклически обрабатывает изображение в блоке уменьшения размытия до тех пор, пока оцененная степень размытия не будет ниже определенного порога.

В публикации Doron Shaked and Ingeborg Tastl, "Sharpness Measure: Towards Automatic Image Enhancement", Hewlett-Packard Laboratories Technical Report HPL 2004-84, May 2004 [4] описан алгоритм измерения суммарной резкости изображения, определяющий, насколько следует изменить резкость изображения для достижения оптимума. Алгоритм оценивает глобальную резкость изображения, задаваемую единственным значением для всего изображения. Таким образом, резкость размытых изображений будет увеличена, в то время как достаточно резкие изображения вообще не будут обрабатываться. Мера использует локальный частотный анализ, ориентированный на выделение признаков. В связи с этим метод свободен от недостатков альтернативных методов. Методы анализа частотной области обеспечивают отличные меры резкости для изображений похожих сцен, тем не менее, они неудовлетворительны, когда сцены изменяются. Методы, ориентированные на выделение признаков, концентрируются на характерных особенностях изображений, тем не менее, предположения, требующиеся для хорошей производительности, слишком строги для обычных применений. Предложенная мера резкости хорошо коррелирует с визуально воспринимаемой резкостью и в большой степени инвариантна к содержанию изображения. Предложенная мера резкости может быть использована для запуска алгоритма улучшения, который увеличит резкость исходного изображения до номинального значения. Наконец, что немаловажно, предложенная мера резкости легко реализуема и требует меньше вычислений, чем расчет свертки 3×3.

В патенте США №6771308 [5] описывается цифровая камера, имеющая детектор размытия. Камера может сама печатать фотографии. В камеру встроен детектор, для обнаружения дрожания фотоаппарата во время съемки, носитель для записи фотографий и интенсивности дрожания камеры, устройство для выбора записанных фотографий для печати, контроллер для анализа снимков, определяющий, может ли быть осуществлена печать выбранного снимка или нет. В дальнейшем камера выдает предупреждение, когда считает, что печать соответствующего снимка не может быть выполнена.

В патенте США №6298145 [6] описана система обработки изображений, включающая детектор размытия, который определяет значение размытия изображения на основе информации, содержащейся в сжатом изображении, при условии, что оно содержит лицо. Детектор размытия информирует, что изображение пригодно для печати и/или визуального представления, если значение размытия меньше предопределенного порога.

Дефект красных глаз продолжает быть наиболее частой проблемой, с которой сталкиваются пользователи цифровых камер и систем формирования изображений. Он возникает из-за отражения в глазе объекта и обычно проявляется в цифровом изображении как красноватая область там, где обычно бывает черный зрачок объекта. Неестественный красноватый отблеск в глазу происходит из-за внутренних отражений от васкулярной мембраны за ретиной, которая насыщена кровеносными сосудами. Этот эффект вызывается, в частности, малым углом между лампой-вспышкой камеры и ее объективом. Этот угол уменьшается с миниатюризацией камеры, имеющей встроенную вспышку. Эта тенденция будет продолжаться с дальнейшей миниатюризацией камер и введением ламп-вспышек в камерафоны.

В патенте США №6252976 [7] описана компьютерная программа для обнаружения цветовых дефектов глаз в изображении из-за лампы-вспышки, выполняющая следующие шаги: обнаружение в цифровом изображении областей, имеющих цвет кожи; поиск областей, имеющих цвет кожи для групп пикселов, с характеристиками, соответствующими дефекту красного глаза, и коррекция цвета пикселов, основываясь на положении области красного глаза.

В патенте США №6873743 [8] описана автоматическая система обнаружения и удаления красных глаз на цифровых изображениях в реальном времени, включающая модуль обнаружения красных глаз, который находит красные глаза, если они есть без вмешательства пользователя. Если на изображении найден дефект, то часть изображения, окружающая дефектную область, обрабатывается модулем коррекции, который уменьшает красную компоненту красных глаз, сохраняя остальные цветовые характеристики проблемной области. Изобретение минимизирует вычислительные затраты, необходимые для обнаружения и коррекции эффекта красных глаз, и, таким образом, подходит для приложений, требующих обработки в реальном масштабе времени больших объемов цифровых изображений до архивирования или печати. Эта система может обрабатывать изображения, находящиеся на персональных компьютерах, коммерческих принтерах или в цифровых камерах, как часть процесса получения, или до визуализации на наладонных компьютерах, мобильных телефонах и других цифровых устройствах.

Наряду с яркостью и размытием, цветовая обработка или цветовое воспроизведение является ключевым фактором, определяющим качество цифрового изображения. Однако понимание и моделирование визуальной системы человека далеко от завершения, и существует несколько численных моделей, которые могут предсказывать результаты цветового восприятия согласно очень сложной природе наших предпочтений. В результате различные производители камер разрабатывают свои собственные цветовые модели и подходы для получения наиболее эффектных фотографий. Даже для физически одинаковых сцен камеры различных производителей могут давать достаточно разные цвета на фотоснимках из-за различных ПЗС-матриц, алгоритмов обработки и используемых цветовых моделей.

Таким образом, получение оценки качества цифровых изображений, подготовленных для фотопечати, производится в автоматическом режиме на основе анализа яркости цифрового изображения, степени его размытия и детектирования красных глаз.

После того, как оценка качества цифрового изображения произведена, специальным образом осуществляется регистрация данной информации.

В файле изображения, полученного цифровой камерой, обычно сохраняются метаданные. В общем случае метаданными называются любые данные, связанные с файлом и отличающиеся от обычно доступных пользователю данных этого файла. В большинстве случаев современные цифровые камеры используют в качестве формата метаданных формат Exif (Exchangeable image file), применение которого рекомендовано японской индустриальной ассоциацией электроники и информационных технологий (см. Exchangeable image file format for digital still cameras: Exif Version 2.2. JEITA CP-3451 Technical Report. April 2002 [9]). Метаданные Exif могут рассматриваться как дополнительный источник информации в процессе автоматической обработки цифровых изображений, причем содержание этой информации определяется собственно характеристиками цифровой камеры, и включают в себя ее установленные и измеренные параметры. При этом пользователь может использовать самые разнообразные, доступные на рынке программного обеспечения утилиты для просмотра и модификации метаданных с целью их дальнейшего применения, например для улучшения и печати.

Кроме того, автоматический алгоритм, способный обнаруживать низкокачественные фотографии посредством анализа изображений, даст возможность вносить необходимую информацию об осуществленных или планируемых коррекциях изображения в метаданные.

В качестве примера использования метаданных для печати следует упомянуть формат PDF. Его использование уменьшает стоимость и устраняет многие проблемы, связанные с отправкой на принтер заданий на печать. В этом случае принтер создает PDF в соответствии с его спецификациями, передавая объекты, изображения и шрифты, связанные с файлом.

Известна также расширяемая платформа метаданных фирмы Adobe (XMP), позволяющая вставлять метаданные о файле непосредственно в сам файл (см. публикации Robin L. Dale, Günter Waibel. "Capturing Technical Metadata for Digital Still Images". RLG DigiNews. Volume 8, Number 5, 2004 [10] и "Adobe XMP-JDF-PDF: The Alphabet of Automation." Print Media. May/June 2004 [11]). Например, цифровая камера автоматически записывает информацию о фотографии в файл изображения, такую как дата и время, тип камеры, экспозиция и установки объектива. Эта информация является метаданными. Дополнительные метаданные могут быть добавлены вручную, например местоположение снимка, имя фотографа, сопутствующая информация и т.д., что позволит искать важную информацию, связанную со съемкой. Используя XMP, эти метаданные присоединяются к файлу фотографии и сопровождают его во время всего процесса обработки. Параметры всех изменений, происходящих с файлом, записываются в метаданные. Даже если исходный файл преобразуется в другой формат, например EPS, PDF или файл Photoshop, метаданные сохраняются, обеспечивая информационный заголовок файла во время всего процесса обработки.

В настоящее время многие принтеры обладают возможностью прямой печати с цифровой камеры или карты памяти, но по-настоящему автономными из них могут быть названы лишь единицы. Автономность печатающего устройства определяется, по нашему мнению, наличием в нем жесткого диска, набора слотов для карт памяти, порта PictBridge, позволяющего осуществить печать или перенос фото на встроенный жесткий диск с произвольной цифровой камеры, а также автоматических или интерактивных процедур коррекции цифровых изображений. При этом предполагается также, что пользователь может вручную пометить необходимые для печати фотографии, просматривая их на дисплее. Однако в стандартном исполнении, которое определяется прежде всего маркетинговыми (ценовыми) соображениями производителя, размер этого дисплея достаточно мал для того, чтобы точно оценить качество снимка. Большое число моделей принтеров и вовсе не имеет дисплея, а сам процесс отбора изображений для печати занимает много времени, если учесть, что современные карты памяти цифровых фотоаппаратов сохраняют несколько сотен снимков одновременно.

Наиболее близким к заявляемому изобретению является решение, описанное в выложенной заявке США №2002/0109854 [12], в которой детально изложенный метод оценки качества цифрового изображения рассматривается в качестве основы для коррекции изображения и определения количества требуемых процедур коррекции, степени конкретной процедуры коррекции, ее относительного веса среди других процедур, если таковые имеются, а также любой комбинации перечисленного. Каждому произведенному улучшению присваивается рейтинг, максимальное значение которого равняется единице. Таким образом, если изображение улучшено, т.е. отредактировано, по одному классу, например, произведена коррекция экспозиции, то ему присваивается рейтинг единица; при двух преобразованиях - рейтинг два и т.д. Соответственно, присваиваемый рейтинг может зависеть от вида коррекции и/или степени улучшения. Если изображение претерпевает существенную корректировку или для его корректировки используются несколько процедур различного вида, то соответствующий рейтинг повышается, например, до двух. Следовательно, каждое изображение получает рейтинг в соответствии со степенью коррекции или улучшения, которое было применено к этому изображению. Большему улучшению соответствует более высокий рейтинг. Изображение, подвергшееся в соответствии с полученным рейтингом достаточной коррекции, признается годным для печати. Наивысший приоритет для печати получает изображение с самым высоким рейтингом. Эта заявка рассматривается в дальнейшем как прототип заявляемого изобретения.

Задача, на решение которой направлено заявляемое изобретение, состоит в том, чтобы разработать простой и надежный способ автоматического разделения имеющихся цифровых изображений на качественные, т.е. пригодные к печати без редактирования, на условно-качественные, т.е. пригодные к печати после редактирования или другой обработки, и на непригодные к печати изображения.

Предметом изобретения является автоматический способ сортировки цифровых изображений, включающий в себя выполнение следующих операций:

- осуществляют запись цифровых изображений, например, получаемых с цифровой камеры, в блок памяти, который может входить в состав компьютера или принтера;

- проводят анализ цифровых изображений, содержащихся в блоке памяти, по признакам:

- яркости изображения,

- степени его размытия,

- детектирования красных глаз;

- записывают в файлы цифровых изображений метаданные, соответствующие характеру выявленных дефектов;

- классифицируют цифровые изображения, по результатам анализа, на следующие категории:

- изображения, удовлетворяющие высоким стандартам качества и годные для печати, т.е. без дефектов,

- изображения, пригодные для печати при условии их редактирования, т.е. с корректируемыми дефектами,

- изображения, непригодные для печати, т.е. с неисправимыми дефектами;

- создают в блоке памяти отдельные разделы для хранения каждой их трех вышеуказанных категорий цифровых изображений;

- записывают в блоке памяти файлы отсортированных цифровых изображений вместе с метаданными о характере выявленных дефектов.

Одним из достоинств заявляемого изобретения является автоматический выбор наилучших изображений из набора цифровых фотографий, выгружаемых на принтер из собственного блока памяти или из блока памяти управляющего принтером компьютера. Качественные фотографии записываются в соответствующую директорию блока памяти и могут в дальнейшем печататься в пакетном режиме без дополнительного анализа. Это дает преимущество как по времени обработки, так и в плане экономии расходных материалов, т.е. фотобумаги и картриджей для печати.

Признаки, выявленные в процессе первичного анализа цифровых изображений, помечают специальным флагом в метаданных Exif или в специальных технических метаданных, так что изображения могут в дальнейшем печататься без повторной классификации. Кроме того, информация о дефектах может быть записана в заголовок Exif (или метаданные) как "дефект экспозиции", "дефект размытия" или "дефект красных глаз", которые будут использоваться в дальнейшем улучшении дефектных изображений для печати.

В процессе загрузки цифровых изображений с цифровой камеры на устройство хранения или в процессе анализа уже существующих изображений, например, на встроенном жестком диске принтера, классификация позволяет отобрать качественные фотографии в отдельную поддиректорию, откуда печать может быть выполнена напрямую либо с дополнительной коррекцией принтера. Предложенный метод уменьшает затраты на расходные материалы и время на печать.

Наиболее существенные улучшения, которые обеспечивает заявляемое изобретение:

- способ сортировки цифровых изображений для печати с делением на три категории:

- изображения, удовлетворяющие высоким стандартам качества и

пригодные для печати;

- изображения, не пригодные для печати, но которые могут быть

улучшены и в дальнейшем напечатаны;

- изображения, непригодные для печати, для которых улучшение

невозможно.

- Данный метод уменьшает расход фотобумаги для печати и временные затраты на печать, повышая эффективность процесса фотопечати.

- Анализ изображений и их оценка производятся в автоматическом режиме, который не требует вмешательства эксперта или иного внешнего участия.

- Оценка качества изображения, в частности, определение качественных изображений, существенно увеличивает производительность соответствующего программного обеспечения для фотопечати устранением процедур улучшения изображений, если таковые в действительности не требуются.

- Настройка архитектуры программного обеспечения для оценки качества изображений позволяет оптимизировать модуль улучшения изображений посредством добавления, удаления или упорядочивания соответствующих фильтров обработки.

Особо следует отметить тот факт, что в заявляемом решении метаданные, характеризующие процесс коррекции изображения, генерируют и записывают в файл улучшенного изображения, что позволяет устранить многократную оценку качества или коррекции изображения. Данный момент является чрезвычайно важным, поскольку большинство алгоритмов улучшения цифровых изображений не включают предварительного анализа изображения. Данное обстоятельство является критическим, поскольку неоднократное применение процедуры коррекции может вести не к улучшению, а к ухудшению конечного изображения.

Существо изобретения поясняется далее на основе следующих графических материалов:

Фиг.1. Блок-схема устройства, реализующего заявляемый способ сортировки автоматического анализа цифровых изображений, выгружаемых на принтер или хранящихся в блоке памяти, например, на встроенном жестком диске принтера.

Фиг.2. Алгоритм осуществления классификации цифровых изображений, коррекции метаданных в заголовке Exit и сортировки изображений перед печатью.

Фиг.3. Алгоритм классификации цифровых изображений.

Фиг.4. Алгоритм коррекции метаданных в заголовке Exif.

Фиг.5. Алгоритм сортировки изображений.

Фиг.6. Результаты классификации.

Фиг.1 показывает схему взаимодействия основных компонентов принтера, осуществляющего автоматический анализ и оценку цифровых изображений, полученных с входного устройства 101, в качестве которого может выступать цифровой фотоаппарат, карта памяти, компьютер или произвольное устройство, которые может хранить изображения, содержащие информацию, или с которого цифровые изображения могут быть считаны. Цифровые изображения, полученные с входного устройства 101, могут записываться в блок памяти, например, на накопитель типа жесткого диска принтера, или другое устройство, которое может хранить изображения, содержащие информацию, или с которого цифровые изображения могут быть считаны, для последующего хранения или классификации. Блок памяти может также содержать команды, используемые программным средством в виде модуля 104 для автоматического анализа и коррекции цифровых изображений. Подразумевается, что блок памяти состоит из двух частей - программной памяти, в которой выполняется код анализа, коррекции и печати цифровых изображений, и памяти данных, куда записываются классифицированные изображения. Процесс анализа и оценки изображений осуществляют процессором 105, который выполняет программу, записанную в блоке памяти в компоненте 102. Информационный обмен осуществляют через шину 103 данных. После обработки изображение посылают в блок памяти 102, например, на накопитель типа жесткого диска принтера. Метаданные, соответствующие коррекции изображения, генерируют и записывают в файл цифрового изображения, содержащий улучшенное изображение, для предотвращения многократной оценки или коррекции изображения. В дальнейшем данные могут быть считаны с жесткого диска принтера на одно или более выводных устройств 106, которые представляют собой либо механизм печати принтера для получения фотоотпечатков, или произвольные устройства, которые могут хранить изображения, содержащие информацию, или устройство, с которого цифровые изображения могут быть считаны.

Фиг.2 показывает алгоритм процесса классификации цифровых изображений для печати. На шаге 201 происходит получение цифровых изображений с входного устройства. На шаге 202 происходит классификация полученных изображений на основе анализа яркости, анализа размытия и анализа наличия красных глаз с делением на следующие классы: снимки, удовлетворяющие высоким стандартам качества; снимки, непригодные для печати, но которые могут быть улучшены и в дальнейшем напечатаны; снимки непригодные для печати, для которых улучшение невозможно. На шаге 203 происходит запись результатов классификации в соответствующее Exif поле для последующей сортировки и печати изображений. На шаге 204 качественные изображения сохраняются в блоке памяти, например, в накопителе типа жесткого диска, принтера в поддиректорию Нормальные, изображения, которые следует улучшить до печати, записываются в поддиректорию Улучшение, а изображения, которые содержат неустранимые дефекты, записываются в поддиректорию Дефектные. На шаге 205 выполняется печать качественных изображений (по запросу).

Фиг.3 показывает этапы процесса классификации цифровых изображений. На шаге 301 происходит классификация по яркости изображения.

Для оценки качества экспозиции целесообразно использовать способ, описанный в [3], согласно которому для оценки того, что изображение непригодно для печати, вычисляют среднее значение яркости анализируемого цифрового изображения. Если средняя яркость изображения меньше некоторого порогового значения I1 и больше некоторого порогового значения I2, снимок считается непригодным для печати, его улучшение невозможно. В противном случае изображение классифицируется как Нормальное (пригодно для печати); Низкоконтрастное, Недоэкспонированное или Переэкспонированное - непригодно для печати, требует улучшения. В конкретном случае предлагается использование следующих значений для 8-битного изображения: I1=10, I2,=245.

На шаге 302 производят анализ степени размытости изображения, например, по методике, описанной в опубликованном докладе Suk Hwan Lim, Jonathan Yen and Peng Wu "Detection of Out-Of-Focus Digital Photographs", Hewlett-Packard Laboratories Technical Report HPL-2005-14 January 20, 2006 [14]. Изображению присваивается ранг резкости от 1 до 5, где 1 - очень размытое, 5 - очень хорошее. Если изображение имеет ранг резкости 5, то это качественное изображение, пригодное для печати. Если оценка резкости 3-4, то это изображение возможно улучшить, если резкость имеет значение 1-2, то это изображение дефектное и не подлежит улучшению.

На шаге 303 производится анализ изображения на наличие красных глаз. Алгоритм может быть грубо разбит на 3 этапа:

а. обнаружение объектов, которые могут потенциально рассматриваться как красные глаза;

b. пренебрегаем ложными срабатываниями;

с. локализуем (сегментируем) красные глаза.

Для определения наличия красных глаз рекомендуется, в частности, использовать алгоритмы, описанные в [6] и [7].

Фиг.4 показывает алгоритм присвоения специального флага по результатам классификации в заголовок Exif изображения на основе результатов классификации. На шаге 401, в заголовке Exif или технических метаданных изображения создаются специальные поля и "Дефект". Если изображение классифицируется как дефектное на шаге 402, флаг "Дефектное" пишется в поле "Качество" заголовка Exif на шаге 403. Если изображение классифицируется как "Улучшение" на шаге 404, флаг "Улучшение" пишется в поле "Качество" заголовка Exif и тип дефекта ("Дефект экспозиции", "Дефект размытия" или "Дефект красных глаз") пишется в поле "Дефект" на шаге 405. В противном случае флаг "Нормальное" пишется в поле "Качество" заголовка Exif на шаге 406.

Фиг.5 показывает блок-схему процесса сортировки классифицированных изображений по директориям (папкам) жесткого диска принтера в зависимости от флага классификации поля "Качество" в заголовке Exif. Если на шаге 501 обнаруживается флаг "Дефектное", то на шаге 502 производится запись изображения в директорию "Дефектные", в противном случае на шаге 503 производится анализ поля "Качество" в заголовке Exif на наличие флага "Улучшение". Если флаг установлен в "Улучшение", на шаге 504 производится запись изображения в поддиректорию "Улучшение", в противном случае на шаге 505 изображение записывается в поддиректорию "Нормальные".

Фиг.6 показывает процесс классификации исходных цифровых изображений и записи в соответствующие поддиректории блока памяти, например, жесткого диска принтера, по результатам классификации.

В качестве примера на входе системы представлено семь изображений, пронумерованных от 1 до 7. По результатам классификации изображения 2, 3 и 4 определены как качественные и пригодные для печати. В поле "Качество" заголовка Exif записан флаг "Нормальное" и изображения перемещены в директорию "Нормальные". Изображения 1, 5 и 7 классифицированы как непригодные для печати, т.к. для них требуется улучшение. У них в поле "Качество" заголовка Exif установлен флаг "Улучшение", и они записаны в директорию "Улучшение". Причина такой классификации в том, что изображение 1 оценено как Недоэкспонированное, изображение 5 классифицировано как Переэкспонированное и изображение 7 классифицировано как имеющее красные глаза. Данные изображения должны быть улучшены перед печатью. Изображение 6 классифицировано как размытое, без возможности улучшения. Ему присвоен флаг "Дефектное" в поле "Качество" заголовка Exif, и оно записано в директорию "Дефектные".

Способ сортировки цифровых изображений, включающий оценку качества изображений, описанный выше, может быть реализован как в системах печати, в составе которых имеется жесткий диск, так и в программах автоматического улучшения изображений, как плагин, так и как отдельные приложения. В большинстве реализации настоящего изобретения пользователь может использовать преимущества автоматического анализа качества и коррекции без использования дополнительных приложений. Следует заметить, что приложение подобного типа, классифицирующее изображения как на глобальном, так и на локальном уровнях, делает производительность автоматической процедуры более высокой, что устраняет некорректное улучшение изображений, когда качественные цифровые изображения будут ухудшены из-за некорректной классификации дефектов.

Таким образом, настоящее изобретение улучшает возможности пользователя по обработке больших архивов цифровых изображений посредством анализа метаданных, связанных с цифровыми изображениями во время выполнения постобработки после съемки. В дальнейшем, если есть проблемы с качеством полученных изображений, пользователь может обращаться к метаданным, находящимся в файле изображения, для того чтобы выполнить соответствующую его коррекцию. Это же справедливо для автоматического режима. В частности, пользователь может печатать только те изображения, которые были оценены как "Нормальные", без каких-либо дополнительных улучшений. В другой реализации пользователь может записывать на отдельный носитель только снимки из поддиректории "Нормальные" для передачи их в фотолабораторию.

Повышение качества изображений, имеющих флаг "Улучшение", осуществляется в зависимости от типа дефекта ("Дефект экспозиции", "Дефект размытия" или "Дефект красных глаз"). Если изображение имеет "Дефект экспозиции", тогда его коррекция может быть выполнена на основе алгоритма коррекции экспозиции, описанного в [3]. Если изображение имеет "Дефект размытия", целесообразно применить методы увеличения резкости, например, используя ряд фильтров, усиливающих высокие частоты. Различные реализации таких фильтров приведены в [13]. Если изображение имеет дефект красных глаз, процедура коррекции аналогична той, что описана в [7] и [8].

Примечательно, что заявляемый способ может быть также успешно реализован с помощью устройства печати, оснащенного встроенным жестким диском и программным обеспечением для автоматической оценки качества изображений, что предоставляет пользователю широкие возможности размещать и анализировать качество изображений, не прибегая к дополнительным пакетам прикладных программ.

Другими словами, принтер, снабженный системой оценки качества изображений, позволит организовать процесс печати в пакетном режиме, даже для наборов не очень качественных снимков.