用户可定义的图像基准点的制作方法

专利名称：用户可定义的图像基准点的制作方法
技术领域：
本发明涉及组合图像中的任意数目的任意选择的图像修改，同时容易地把这些修改分配给图像区和/或图像颜色，为在图像编辑过程中最佳地调整颜色、对比度、锐度和其它图像编辑函数作准备的应用程序接口和方法。
背景技术：
校正数字图像中的颜色、对比度、锐度或其它特定的数字图像属性是众所周知的难题。图像编辑领域的技术人员同样众所周知，难以在保持数字图像的自然外观的同时，进行多颜色、对比度和其它调整。
在图像编辑技术的当前阶段，在单一操作中，计算机用户只能对图像应用相当基本的功能，例如增大图像的所有象素的饱和度，从整个图像中除去某一colorcast，或者增大图像的整体对比度。诸如层掩蔽(layer mask)之类众所周知的图像编辑工具和技术可和现有的图像调整函数组合，以便有选择地应用这种图像改变。但是，当前的图像编辑方法仍然局限于每次单一的图像调整。在诸如AdobePhotoshop之类图像编辑程序中提供的诸如曲线函数之类更复杂的工具向用户提供改变图像颜色的更多控制，但是这样的工具难以应用，并且仍然非常有限，因为它们整体地对图像应用图像增强。
还存在读取或测量数字图像中的色值的其它图像编辑工具。在其最新版本中，Adobe Photoshop提供使用户能够在图像中设置并移动多达4个颜色基准点的特征。这种颜色基准点读取它们被置于其中的图像区的性质(局限于色值)。本领域的技术人员知道，这种颜色基准点的唯一用途是显示相关的色值；不存在与这种基准点相关的任何图像操作。图像编辑软件中利用的基准点只是作为测量图像内特定点的图像色值的控制工具被提供。
就用于测量特定图像区域中的颜色的基准点的其它实现来说，诸如Adobe Photoshop、Corel Draw和Pictographics iCorrect3.0之类图像编辑应用程序允许用户在颜色增强过程中，通过点击特定的图像点，选择图像中的颜色，并对和选择的点相关的特定颜色进行操作。例如，Adobe Photoshop中的黑点(black-point)调整允许用户选择图像中的颜色，并把选择的颜色指定成黑色，指令软件对图像的所有象素应用统一的颜色操作，从而使希望的颜色变成黑色。该方法不仅适用于黑点操作，而且适用于打算成为白色、灰色(中性色)、肤色或天蓝色等的象素。
虽然这些应用软件都提供读取有限数量的颜色的方法，便于对图像整体均匀应用的，根据读取的信息只施加一次均匀的color cast改变的单一操作，但是目前使用的这些方法都不便于在图像中布置图像基准点(IRP)的一个或多个图形表示，所述图像基准点可读取颜色或图像信息，被赋予图像编辑函数，与执行图像编辑函数的图像中的一个或多个图像基准点(IRP)相关，被移动，或者被用户修改，以致能够执行多个相关和无关的操作。
需要一种编辑数字图像的应用程序接口和方法，使用户能够在数字图像中布置多个任意基准点，并分配图像编辑函数，加权值或任意这类组合，从而使得能够对图像应用多个图像编辑函数。

发明内容
通过在单一步骤中，实现多重的复合图像增强，使用户能够容易地实现这种复合图像编辑操作，本发明满足了上述需要。描述了一种借助本公开内容中下面描述的各种接口原理中的任意之一，允许用户在数字图像中设置多个图像基准点(IRP)，向每个IRP分配一个图像编辑函数，并根据所需的强度、效果及其相对于图像中设置的其它IRP的效果，改变每个图像编辑函数的方法。
公开一种数字图像的图像处理方法，包括下述步骤确定一组或多组象素特征；对于每个象素特征组，确定一个图像编辑函数；提供包含在计算机可读介质上用于修改数字图像的混合函数算法；和通过根据所述一个或多个象素特征组和确定的图像编辑函数应用混合函数算法，来处理数字图像。在一个实施例中，混合函数算法包括差分函数。可选的是，差分函数算法根据象素特征和所述一个或多个确定的象素特征组之一之间的差异计算一数值。在另一实施例中，混合函数算法包括使计算归一化的控制函数。
在另一实施例中，该方法增加了对于每个象素特征组，确定一组加权值的步骤，处理步骤还包括根据确定的加权值组应用混合函数算法。
在另一实施例中，确定第一象素特征组，并且第一象素特征组中的至少一个特征取决于位置，第一象素特征组中的至少一个特征或者取决于颜色，或者取决于结构，或者取决于颜色和结构。另一方面，确定第一象素特征组，并且第一象素特征组中的至少两个不同特征来自取决于位置，取决于颜色和取决于结构的特征。
一种处理数字图像的方法，包括下述步骤接收数字图像内用户定义的一个或一个以上的图像基准点的坐标；接收用户分配的、并且与所述一个或一个以上定义的图像基准点的坐标相关的一个或一个以上图像编辑函数；提供包含在计算机可读介质上的用于修改数字图像的混合函数算法；和根据一个或一个以上分配的图像编辑函数和一个或一个以上定义的图像基准点的坐标，应用混合函数算法，来处理数字图像。
该方法还可包括在定义的图像基准点的坐标，显示图形图标。
说明了适合于本发明的混合函数算法，并公开了例证的备选实施例，包括计算数字图像的每个象素到一个或一个以上定义的图像基准点的坐标的几何距离的毕达哥拉斯距离法，颜色曲线法，分割法，分类法，扩展域法和偏移矢量法。可选的是，分割法包括多次分割，还可包括调整象素属性的相似性的分类法。可选的是，混合函数算法可起从数字图像的每个象素到定义的图像基准点的坐标的计算几何距离的函数的作用。
可选的是，所公开的方法还包括接收与定义的图像基准点的坐标相关的一个或多个分配的图像特征，其中混合函数算法计算数字图像的象素的图像特征和分配的图像特征之间的特征差异。混合函数算法还可计算象素的图像特征和邻近一个或多个定义的图像基准点的坐标的一个或多个象素的图像特征之间的特征差异。
另外，该方法还可增加其它步骤。例如，该方法还可包括接收一个或多个加权值，处理步骤还包括根据加权值应用混合函数算法；或者还包括接收与一个或多个定义的图像基准点的坐标相关的一个或多个关心的区域；或者还包括提供应用程序接口的步骤，所述应用程序接口包括接收一个或多个定义的图像基准点的坐标的第一接口，和接收一个或多个分配的图像编辑函数的第二接口。
公开了一种处理包含具有图像特征的象素的数字图像的方法，所述方法包括下述步骤在数字图像内定义图像基准点的位置；确定图像编辑函数；和通过根据定义的图像基准点的位置，或者根据位于定义的图像基准点位置的象素的图像特征，或者根据这两者，应用确定的图像编辑函数，处理数字图像。
还公开了一种数字图像的图像处理方法，包括下述步骤提供一个或一个以上的图像处理过滤器；设定数字图像内，一个或一个以上图像基准点的坐标；提供包含在计算机可读介质上的，用于修改数字图像的混合函数算法；和通过根据一个或一个以上的图像处理过滤器，和一组或一组以上图像基准点的坐标，应用混合函数算法，来处理数字图像。可选的是，可使用各种过滤器，包括(但不限于)降噪过滤器、锐化过滤器或变色过滤器。
提供一种包含在计算机可读介质上，以便在计算机上执行数字图像的图像处理的应用程序接口，数字图像包括具有图像特征的象素，所述应用程序接口包括接收数字图像内，用户定义的多个图像基准点中每个图像基准点的坐标的第一接口，和接收用户分配的、或者与多个定义的图像基准点中的每个图像基准点的坐标、或者与邻近多个定义的图像基准点中的每个图像基准点的坐标的一个或多个象素的图像特征相关的图像编辑函数的第二接口。
在另一实施例中，第二接口接收用户分配的、并且既与多个定义的图像基准点中的每个图像基准点的坐标相关、又与邻近多个定义的图像基准点中的每个图像基准点的坐标的一个或多个象素的图像特征相关的图像编辑函数。
在另一个可选的实施例中，程序接口还包括在一个或一个以上的定义的多个图像基准点的坐标显示图形图标的第三接口。另外可选的是，第三接口允许图形图标的重新定位。
在另一实施例中，程序接口还包括显示分配的图像编辑函数的第四接口。第二接口还接收与定义的多个图像基准点中的一个或一个以上图像基准点的坐标相关的图像区。第二接口还接收与定义的多个图像基准点中的一个或一个以上图像基准点的坐标相关的颜色区。
公开了包含在计算机可读介质上，以便在计算机上执行数字图像的图像处理的应用程序接口的另一实施例，数字图像包含具有图像特征的象素，应用程序接口包括接收数字图像内用户定义的图像基准点的坐标的第一接口，和接收用户分配的、并且既与定义的图像基准点的坐标相关、又与邻近定义的图像基准点的坐标的一个或多个象素的图像特征相关的图像编辑函数的第二接口。


参考下面的说明，例子，等式，附加权利要求和附图，将更好地理解本发明的这些及其它特征、方面和优点，其中图1是图像处理程序中的数字图像的屏幕图，图解说明了在本发明的应用程序接口中可用的一个实施例。
图2是图像处理程序中数字图像的屏幕图，图解说明了在本发明的应用程序接口中可用的另一实施例。
图3是根据本发明的混合函数的应用步骤的流程图。
图4表示了在本发明的应用程序接口中可用的对话框的一个实施例。
图5图解说明了在本发明的应用程序接口中可用的，实现对权重的简化用户控制的对话框的一个实施例。
具体实施例方式
本发明的方法和程序接口可用作插件辅助程序，用作可合并到市场上买得到的任意图像处理程序中，例如Adobe Photoshop，或者合并到能够修改并显示图像的任意图像处理设备中，例如彩色复印机或自助影印亭的独立模块，用作可被实现成其它软件程序，从而图像测量和修改有益的动态库文件或类似模块，或者被用作独立的软件程序。这些都是数字图像的图像处理的例子，而不是对其的限制。虽然说明了本发明的调整颜色、对比度、噪声消减和锐化的实施例，但是本发明适用于改变数字图像的任意属性或特征。
此外，对于本发明来说，显然本发明的用户界面可具有各种实施例，在后面的公开内容中，这将是显然的。
应用程序接口本发明的用户界面组件提供在图像中设置IRP的方法。本领域的技术人员会发现对本发明来说，用户界面的多种方法或实现是有用的。
在用户界面的一个优选实施例中，本发明的一种实现允许用户在图像中设置各种IRP，IRP可被表示成漂浮在图像上的图形标记10，如图1中所示。图1是图像处理程序中数字图像的屏幕图。
该方法使用户能够在图像中移动IRP，以便调整IRP的位置，从而调整每个IRP对图像的影响。
在另一优选实施例中，在图像的预览区内，IRP不可见，并被认为置于界面内的其它地方，例如信息框12，如图2中所示，但是与位置(箭头所示)相联系。在用户界面的这一实施例中，图形标记10不象图1中那样漂浮在图像上。但是，如后所述，显然图像基准点(IRP)识别的正是该位置，以及重要的相关函数(and the related functionthat are significant)，并且显然IRP的图形表示便于用户指示IRP函数的位置(图2是图像处理程序中数字图像的屏幕图)。
在图1和图2中，IRP都用作将对图像的某一区域应用的图像修改的图形表示。
应用程序接口包含在计算机可读的介质上，以便在计算机上执行，从而实现数字图像的图像处理。第一接口接收数字图像内用户定义的多个图像基准点中每个基准点的坐标，第二接口接收用户分配的，并且或者与多个定义的图像基准点中的每个基准点的坐标相关、或者与邻近多个定义的图像基准点中每个基准点的坐标的一个或多个象素的图像特性相关的图像编辑函数。
在另一实施例中，第二接口接收用户分配的、并且既与多个定义的图像基准点中的每个基准点的坐标相关，又与邻近多个定义的图像基准点中每个基准点的坐标的一个或多个象素的图像特性相关的图像编辑函数。
在另一备选实施例中，第三接口在多个定义的图像基准点中的一个或一个以上基准点的坐标显示图形图标或图形标记10。另外，可选的是，第三接口允许图形图标的重新定位。
在另一实施例中，第四接口显示分配的图像编辑函数。第二接口可接收与多个定义的图像基准点中的一个或一个以上基准点的坐标相关的图像区。第二接口还可接收与多个定义的图像基准点中的一个或一个以上基准点的坐标相关的颜色区。
在一个备选实施例中，第一接口接收数字图像内用户定义的单个图像基准点的坐标，第二接口接收用户分配的并且与定义的图像基准点中的坐标、以及邻近定义的图像基准点的坐标的一个或多个象素的图像特性相关的图像编辑函数。
混合函数本发明的主要函数是“混合函数”，该函数根据IRP的值和设置，以及与IRP相关的图像修改，修改图像。参考本公开文献，“混合函数”是定义象素被每个IRP及其相关图像修改函数修改到何种程度的算法。
对本领域的技术人员来说，如同本公开文献所示那样，显然存在多个可能的混合函数。
应用混合函数的方法如图3中所示。开始于接收图像中的IRP(14)；检查以确定抽象IRP是否正被使用(16)。如果是，则装入抽象IRP(18)，随后选择要处理的第一象素(20)；如果否，则选择要处理的第一象素(20)。随后应用根据本公开文献的混合函数(22)，并检查选择的要处理的所有象素是否已被处理(24)。如果是，则结束该方法(26)，如果否，则选择下一象素(28)，并重复步骤22。
利用毕达哥拉斯距离法在混合函数的一个实施例中，可使用毕达哥拉斯等式。本领域的技术人员会发现这更适合于打算对图像进行局部颜色校正或类似改变的IRP。
在步骤22中，通过利用毕达哥拉斯等式测量距离，通常还称为欧几里德空间中的距离，如果IRP的位置接近当前象素的位置，则更大程度地进行图像修改，如果IRP的位置远离当前象素的位置，则程度较小地进行图像修改。
利用颜色曲线在另一实施例中，通过利用颜色曲线，可产生混合函数。为了产生混合函数步骤22.1.1.开始于图像的第一通道(例如红色通道)。
步骤22.1.2.所有IRP将具有现有亮度和希望的亮度，现有亮度是IRP所位于的象素的实际通道的亮度，希望的亮度是在应用与其IRP相关的图像修改之后，同一象素的实际通道的亮度。找出与这些值相符的最佳多项式函数。例如，如果红色通道具有值为20的象素的IRP，则它把象素的值改变成5，如果存在位于值为80的象素之上的第二IRP，则它把该通道光度改变成90，所需要的是找出满足条件f(20)＝5和f(80)＝90的函数。
步骤22.1.3.把该函数应用于选择通道的所有象素。
步骤22.1.4.如果还没有修改所有通道，则选择下一通道，并继续进行步骤22.1.2。
使用分割产生混合函数在另一实施例中，通过利用分割，可产生混合函数。为了产生混合函数步骤22.2.1利用恰当的分割算法，分割图像。
步骤22.2.2开始于IRP1。
步骤22.2.3把与该IRP相关的过滤器(filter)应用于它所位于的片段。
步骤22.2.4选择下一IRP。
步骤22.2.5除非处理了所有IRP，否则继续进行步骤22.2.3。
如果存在包含两个IRP的片段，则用更小的片段重新分割图像，或者重新把该区域分割成更小的片断。
利用多次分割在本发明的另一实施例中，可利用多次分割产生混合函数。为了产生混合函数步骤22.3.1产生图像的“n”次不同分段，例如n＝4，这里第一次分割较粗糙(具有较少但是较大的片段)，接下来的分割较细(使用每个图像更多但是较小的片段)。
步骤22.3.2开始于IRP1。
步骤22.3.3以1/n不通明度，把该IRP的图像修改应用于包含第一分割的当前IRP的片段中的所有象素，随后以1/n不通明度，把该图像修改应用于包含第二分割的IRP的片段中的所有象素。对所有n个分割继续上述处理。
步骤22.3.4选择下一IRP。
步骤22.3.5除非处理了所有IRP，否则继续进行步骤22.3.3。
本领域的技术人员知道可使用数种分割算法，并且等式内的粗糙度(片段的大小)可由参数定义。
使用分类法源于模式识别学科的分类方法可被用于产生混合函数的另一实施例。为了产生混合函数步骤22.4.1选择一组特征，例如饱和度、x坐标、y坐标、色调和亮度。
步骤22.4.2利用现有的模式识别方法，根据特征对图像的所有象素分类，即，每个象素被分配给一个IRP，并且假定IRP是群集的中心。
步骤22.4.3利用与象素被归类到的IRP相关的图像修改，修改每个象素。
利用“软”分类法在本发明的又一实施例中，修改分类方法，以便调整象素属性的相似性是有益的。
通常，象素不会100％地与一个IRP的属性相符。例如，一个象素的属性可能50％与一个IRP相符，30％与另一IRP相符，可能只有20％与第三个IRP相符。在利用软分类的本实施例中，算法会应用50％的第一IRP的影响，30％的第二IRP的影响，以及20％的第三IRP的影响。通过利用这种“软”分类，一个象素并不纯粹与最相似的IRP相关。
本公开文献中下面详细描述的一个优选实施例将说明遵守如上所述的类似原理的实现。
使用扩展域方法在混合函数的另一实施例中，可使用扩展域方法产生混合函数。为了产生混合函数步骤22.5.1使每个IRP与图像内的一个“域”或位置相联系。一开始，该域只是IRP所位于的象素。
步骤22.5.2把下述原理应用于所有IRP域考虑接触该域的所有象素。在这些象素中，找出其属性(颜色，饱和度，亮度)最接近该域的初始象素的那个象素。在比较属性的时候，使所有属性的差值之和降至最小。把找出的象素加入该域中，并把就象素而言当前域大小分配给它。初始象素被赋值为1，加入的下一象素被赋值为2，再下一象素被赋值为3等等，直到每个象素被分配一个数值为止。
步骤22.5.3重复步骤22.5.2，直到所有域扩展到整个图像大小为止。
步骤22.5.4.对象素应用全部IRP的所有修改，同时对数值较小的那些象素增强所述修改的应用。
一种优选的混合函数在一个优选实施例中，混合函数使用每个象素的一组属性(亮度、色调等)。比较这些属性与IRP所位于的域的属性，混合函数较多地应用其相关属性类似于实际象素的那些IRP图像修改，较少应用其相关特征极大地不同于实际象素的那些IRP图像修改。
除非另作说明，大写变量将代表较大的结构(例如图像I)或函数，而小写变量指的是一维实数。
关键元素的定义“基于象素差异的IRP图像修改”(从现在开始称为“IRP图像修改”可由7元组表示，如公式1中所示，其中m是将利用的IRP的数量，数字n是如后所述的分析函数的数量。
(F1...m，R1...m，I，A1...n，D，V，C1...m)[1]第一值，F1...m是一组“执行函数”。这些执行函数都是可利用如等式2中所示的三个参数调用的图像修改函数。
I′xy＝F(I，x，y)[2]等式2中，结果I′xy是依据F计算的象素。I是对其应用F的图像，x和y是对其应用F的I中的象素的坐标。例如，这种执行函数可以是“使象素加黑30％”，如图1中所示。在图像学中，这些修改通常称为过滤器。
等式1中的第二个值R1...m是m元组的数目。每个元组代表IRP的值，并且是一组象素特征。这样的一个元组R由2*n+1个值组成，如式子[3]中所示。
((g1...gn)，g*，(w1...wn)) [3]F1...m和R1...m一起代表用户产生的IRP。后面将说明如何把用户设置的IRP转换成函数和值F1...m和R1...m。后面在本公开文献中，指出函数F和元组R彼此相关，并且如果F和R一起代表IRP，则函数F和元组R与IRP相联系。
式子1中的第三个数值I是具有象素Ixy的图像。该图像可以是任意类型的图像，即灰度级、Lab、CMYK、RGB，或者允许对图像执行执行函数(等式[2])或分析函数(等式[4])的任意其它图像表示。
式子1中的第四元素A1...n是如等式[4]中表示的一组n个“分析函数”。
An(I，x，y)＝k [4]不同于执行函数F，这些函数计算每个象素的单一实数k。这些函数抽取图像的可比属性，例如饱和度、亮度、水平位置或垂直位置、坐标x、y附近区域中的噪声量等。数字n是分析函数的数量。
函数的结果需要是可比的。即，应用于相同分析函数的两个不同象素的结果的差值可由数字代表。例如，如果p1是暗色象素，p2是亮色象素，A是计算象素的亮度的函数，则|A(p1)-A(p2)|是两个象素的亮度差的简易量度。注意，本公开文献中的分析函数指的是计算图像特征的函数，不要与数学术语“分析函数”混淆。本公开文献中，后面将把应用于象素的分析函数的结果称为象素的“特征”。
分析函数可分析图像I中点x，y的颜色，图像I中点x，y的结构，图像I中点x，y本身的位置。
本公开文献中后面涉及“颜色分析函数”、“结构分析函数”和“位置分析函数”。颜色分析函数是关于象素的数值本身，例如r、g和b的任意函数，而结构分析函数还考虑点x，y周围的一组象素的值和差异，位置分析函数是关于x和y的任意函数。
例如，分析函数A(I，x，y)＝x+y是象素的位置分析函数。颜色分析函数的一个例子是A(I，x，y)＝Ixy(r)+Ixy(g)+Ixy(b)，其中r、g和b指的是图像的RGB通道。结构分析函数的一个例子是A(I，x，y)＝Ixy(r)-I(x+1)y(r)。注意，这三类分析函数并不分离。例如，函数A(I，x，y)＝Ixy(r)-I(x+1)(y-2)(g)+x同时是颜色分析函数、结构分析函数和位置分析函数。
使分析函数归一化，并限制可能值的范围，以致它们的结果具有约为0...100的范围将简化该过程。
式子1中的第五个元素D是能够相互对照地比较n个数值的两个矢量、并且如果n值的两个矢量差异越大，则得到较大的单一数字，如果两组n值相同，则得到0的“差分函数”。这种情况下，函数D能够用加权矢量(w1...n)对两组数中的每个数值加权，如等式[5]中所示。
d＝D((a1...n)，(b1...n)，(w1...n)) [5]D被如下定义D((a1...n)，(b1...n)，(w1...n))＝‖(a1*w1-b1*w1)，...，(an*wn-bn*wn)‖[6]这里‖·‖指的是任意范数，例如欧几里德空间中的距离，它也被称为‖·‖2。
换句话说，a1...n和b1...n差异越大，则差分函数D的结果越大，而权重w1...n控制a和b的矢量的每个元素的重要性。通过把w的元素设置为0，D将忽视a和b的相符元素(according element)。
本实现中的恰当的差分函数是D((a1...n)，(b1...n)，(w1...n))＝|a1-b1|*w1+|a2-b2|*w2+...+|an-bn|*wn[7]D((a1...n)，(b1...n)，(w1...n))2＝(a1*w1-b1*w1)2+...+(an*wn-bn*wn)2[8]和简单函数[7]相比，加权的毕达哥拉斯函数[8]得到更好的结果，同时函数[8]为加速处理创造了条件。对本领域的技术人员来说，[7]和[8]中使用的范数也被称为‖·‖1和‖·‖2。
由函数D得出的函数D*被如下定义D*((a1...n)，(b1...n)，(w1...n)，g*)＝D((a1...n)，(b1...n)，(w1...n))+g*[9]换句话说，D*测量用w1...n加权的a1...n和b1...n的差异，并把实数g*加入结果中。
对于加速性能或较简单的实现来说，可利用不使用加权的另一差分函数D或D*。本公开文献中描述的不利用加权的系统更易于使用，计算更快，但是不太灵活。如下定义D和D*D((a1...n)，(b1...n))＝D((a1...n)，(b1...n)，(1，1，...，1))[10]D*((a1...n)，(b1...n)，g*)＝D*((a1...n)，(b1...n)，(1，1，...，1)，g*)[11]式子1中的第六个元素V是关于VR0+→R+具有下述特性的“反演函数”对于所有x≥0，V(x)＞0对于所有x＜y，并且所有x，y≥0，V(y)＜V(x)V(x)的limx→∞＝0。
高斯钟形曲线或V(x)＝1/(x+0.001)是这种函数。注意V(x)＝1/x不适当，因为V(0)的结果不确定。
在一个优选实施例中，使用等式[12]中的函数，这里t是介于1和1000之间的任意数字。如果分析函数被归一化到0...100的范围(如同在本公开文献中等式[4]之后的关于“归一化分析函数”的章节中所述)，则值t＝50是良好的起始值。
V(x)＝0.5(x/t)[12]本公开文献中，后面将使用反演函数，通过计算V(D*((a1...n)，(b1...n)，(w1...n)，g*))或V(D((a1...n)，(b1...n)，(w1...n)))或V(D*((a1...n)，(b1...n)，g*))或V(D((a1...n)，(b1...n)))，计算两个元组a1...n和b1...n之间的“逆差”。逆差的用途是如果检测到元组a1...n和b1...n之间的相似性，则产生较大的值，如果元组a1...n和b1...n不同，则产生较小的值。
式子[1]中的第七个元素C1...m是一组m个“控制函数”。每个控制函数具有m个参数，并且需要满足下述条件对于所有p1...pm，以及所有1≤i≤m(所有p1...pm非负)，Ci(p1...pm)≥0如果pi大于p1...pm的平均值，则Ci(p1...pm)较大如果pi小于p1...pm的平均值，则Ci(p1...pm)较小
C1+C2+...+Cm总是1。
Ci(p1...pm)＝C∏(i)(p∏(1)...p∏(m))，∏是任意变换∏(1...m)→(∏(1))...∏(m))。
这种控制函数的推荐等式如等式[13]中所示。
Ci(p1...pm)＝pi/(p1+p2+...+pm) [13]控制函数Ci的用途是如果相对于其它参数，参数p1...pm的第i个元素较大，则提供较大的数(接近于1)，如果参数p1...pm的第i个元素相对较小，则提供较小的数(接近于0)，并且缩减m个元素的元组，以致它们的和为1.0，同时约束m元组的元素之间的关系。如果把控制函数应用于一组m个逆差，则后面把控制函数的m个结果称为“受控逆差”。
设置元素F、R和A下面描述可把用户定义的(或者以其它方式定义的)m个IRP转换成其相关执行函数F和元组R的方式。
注意与F和R相反，元组中的最后四个元素(A，D，V，C)是当产生利用IRP的系统时，由程序员定义的、以及由用户预先确定或者只可稍作调整的函数。但是，在某种程度上，系统可赋予对函数A、D、V和C的用户控制；可存在无用户干预情况下，由应用程序设置的前两个元素F1...m和R1...m的某些分量。在后面的公开内容中这将变得更清楚。
图4在图像处理程序的对话框中提供了图像的样本图像，以便举例说明利用本发明对图像的修改。例如，图4中置于左侧苹果上的代表IRPR1的图形标记30将增大饱和度，置于右侧苹果上的代表IRPR2的图形标记32将减小饱和度，置于天空的代表IRPR3的图形标记34将使其相关图像分量变暗。
为此，需要三个执行函数F1...F3，这里F1增大饱和度，F2减小饱和度，F3是图像变暗图像修改。
在用户在图像中布置IRP之前或之后，系统一般应允许用户设置这样的执行函数。这种情况下，用户首先定义执行函数的类型(例如“锐化”或“变暗”或“增大饱和度”等)，随后用户定义函数的行为(例如“锐化到100％”，或者“以30级加黑”等)。
在本例中，需要三个元组。对于每个IRP，总是存在一个元组R和一个执行函数F。但是，所有执行函数不必不同。如前所述，本发明中的IRP被用于保存图像中单个象素或特定区域的特征。这样，利用修改图4的当前例子，需要三个IRP保存第一个苹果的特征的一个IRP，保存第二个苹果的特征的一个IRP，和保存天空特征的一个IRP 。
这一般可通过读取用户布置IRP的图像位置的特征来实现。如果用户在图象I的图像坐标位置x，y布置了一个IRP，则可如下计算R＝((g1...gn)，g*，(w1...wn))的值。
g1...gn＝A1(I，x，y)...An(I，x，y)[14]g*＝0w1...wn＝默认值，例如1。
在最初供给R的数值之后，用户可控制R的数值。允许所述控制为不同程度，例如对所有变量取唯一权重(weights only versus allvariables)。
在我们的例子中，两个红苹果将被不同地修改。假定两个苹果具有相同的颜色和相同的结构，区别只在于其位置。包含第三个IRP的天空具有和苹果不同的位置，并且还具有不同的颜色。
现在我们了解位置和颜色与区分三个相关图像区有关，因此显然至少需要一个或多个位置分析函数和一个或多个颜色分析函数。在应用程序只允许用户进行全局颜色改变的情况下，只选择颜色分析函数就足够了。
一些分析函数如下，其中Ixy(r)指的是在位置x，y，图像I的红色通道的值，依次类推。
A1(I，x，y)＝x [15a]A2(I，x，y)＝y [15b]A3(I，x，y)＝Ixy(r)[15c]
A4(I，x，y)＝Ixy(g)[15d]A5(I，x，y)＝Ixy(b)[15e]A1和A2是位置分析函数，A3-A5是颜色分析函数。
注意只提供红色、绿色和蓝色值的A3-A5是一组和颜色相关的分析函数的恰当函数。为了得到更好的性能，建议独立地得出计算亮度、饱和度等的函数。利用Lab颜色模式下图像的通道是恰当的。不过，下面的分析函数也是恰当分析函数的例子，大写的变量X、Y、R、G、B代表坐标或颜色通道的最大可能值。
A1(I，x，y)＝x*100/X [16a]A2(I，x，y)＝y*100/Y [16b]A3(I，x，y)＝(Ixy(r)+Ixy(g)+Ixy(b))*100/(R+G+B)[16c]A4(I，x，y)＝100*(Ixy(r)-Ixy(g))/(R+G)+50 [16d]A5(I，x，y)＝100*(Ixy(r)-Ixy(b))/(R+B)+50 [16e]等式[16]表示同样被归一化到0...100范围的分析函数(参见等式[4]之后，关于使分析函数归一化的描述)。如同归一化分析函数具有它们的结果总是具有相同的范围，而与图像尺寸或其它图像特征无关的优点那样，使分析函数归一化有助于实现。当讨论源于R1...m的数值时，将在本公开内容中使用等式[15]中的分析函数。
注意因图像而异调整该组分析函数可能无用。最好使用适合于多个或所有图像类型的一组分析函数。当把本发明用于标准颜色增强时，从等式[16]的分析函数开始较好。
更精细地检查IRP如前所述，IRP的元组R保存对其施加操作的区域(关心的区域)的特征信息。一般通过对IRP所位的图像位置Ixy应用n个分析函数，这些元组R获得所述特征，如等式[14]中所示。
在本实施例中，差分函数D*将利用权重w1...wn，比较每个IRP的值g1...gn和关于图像中所有象素的n个分析函数的结果。
例如，如果位于左侧苹果中部的象素具有坐标(10，100)和RGB颜色150，50，50(红色)，则该象素的分析函数A1...An将具有数值A1＝10，A2＝100，A3＝150，A4＝50，A5＝50，于是，值g1...gn将被设置成(10，10，150，50，50)。
对于该IRP，g*被设置为0。
权重将控制g1...g5的单个元素的重要性。参见等式[6]、[7]和[8]。例如，如果权重w1...wn被设置成(10，10，1，1，1)，则通过A1和A2获得的位置相关信息将比通过A3-A5获得的颜色相关信息更重要(该IRP理应更依赖于位置，而不是更依赖于颜色)。
但是，如果设置w1...wn＝(0，0，3，3，0)，差分函数将只考虑象素信息的红色通道和绿色通道，IRP不区分象素的位置或其蓝色通道。如前所述，在图4中，取决于位置和取决于颜色的特征起把苹果相互区分开，以及区分苹果和天空的作用。于是，我们将对所有5种特征使用相同的权重。
在把所有权重设置为1的情况下，第一个IRP是R1＝(g1...g5，g*，w1...w5)＝((10，100，150，50，50)，0，(1，1，1，1，1))(位于坐标10，100，具有颜色150，50，50的第一个苹果)第二个和第三个IRP具有下述值R2＝((190、100、150、50、50)，0，(1，1，1，1，1))(位于坐标190，100，具有颜色150，50，50的第二个苹果)R2＝((100、10、80、80、200)，0，(1，1，1，1，1))(位于坐标100，10，具有颜色80，80，200的天空)混合函数下面是涉及差分函数的缩写。差分函数的目的是计算指示图像中的某一象素和与某一IRP相关的特征有多不同的数值。
IRPR＝(g1...gn)，g*，(w1...wn))和象素Ixy之间的差异可写成|R-Ixy|＝D*((g1...gn)，(A1(I，x，y)，...，An(I，x，y))，(w1...wn)，g*)[17]本实施例中所指的差异始终是差分函数的结果，不应与图像中两个象素之间的“空间”距离混淆。
为了便于混合函数的实现或者快速计算，如果使用差分函数D，D或D*，则缩写应是|R-Ixy|＝D((g1...gn)，(A1(I，x，y)，...，An(I，x，y))，(w1...wn)) [18]|R-Ixy|＝D((g1...gn)，(A1(I，x，y)，...，An(I，x，y))) [19]|R-Ixy|＝D*((g1...gn)，(A1(I，x，y)，...，An(I，x，y))，g*)[20]在已知基于IRP的7元组的图像修改(F1...m，R1...m，I，A1...n，D，V，C)的情况下，修改后的图像I*xy被表示成如等式[21]中所示。
Ixy*=Σi=1mFi(I,x,y)*Ci(V(|R1-Ixy|),…,V(|Rm-Ixy|))---[21]]]>把该等式应用于图像I中的每个象素，接收处理后的图像I*，这里根据用户设置的IRP，所有执行函数被应用于图像。该等式对照所有IRP，比较每个象素x，y的n个特征，并在更大的程度上把这些执行函数Fi应用于其IRP具有类似特征的象素，同时控制函数确保所有函数Fi之和不超出不必要的范围。
在本发明的一个更优选的实施例中，可使用等式[22]。
Ixy*=Ixy+Σi=1mΔFi(I,x,y)*V(|Ri-Ixy|)---[22]]]>和等式[21]相反，等式[22]要求反演函数V不越过约为1的值。高斯钟形曲线V(x)=e-x2]]>或者1/(x+1)或等式[12]可以是这种函数。函数ΔF表示初始图像和修改图像之间的差异(这里I′xy＝Ixy+ΔF(I，x，y)，而不是I′xy＝F(I，x，y)，参见等式2)。
当比较等式[21]和[22]时，项V(|Ri-Ixy|)代表当前处理的元组Ri和象素Ixy之间的逆差。只有等式[21]使用受控的逆差。如果使用等式[21]，则将以所有执行函数的100％混合(mix)过滤图像中的每个象素，而不考虑图像区是包含大量的IRP还是少量的IRP。如果使用等式[21]，则位于图像中的IRP越多，单个IRP的影响越小。如果使用等式[22]，则IRP不会表现出这种竞争本性。即，每个IRP将在一定的程度上修改图像，而与它是否被置于多个其它IRP之中无关。于是，如果使用等式[22]，则在图像区中布置多个IRP会增大该图像区中图像修改的总量。
其它实施例在另一实施例中，“抽象IRP”的概念可被用于增强执行的图像修改，或者改变图像修改的行为。
抽象IRP类似于其它IRP，因为它们是一对对的执行函数F和一组值R。抽象IRP和IRP可一起被用于修改图像。但是，抽象IRP不是“用户定义的”IRP或者用户置于图像中的IRP。抽象IRP的功能可以是限制IRP的局部“影响”或强度。在这方面，抽象IRP通常不是“局部的”，即它们影响整个图像。可按照如后所述，用户打开或关闭用户控制的元素的方式，实现抽象IRP，从而抽象IRP不会作为IRP被呈现给用户，如图4中所示。
注意如下所述的抽象IRP的使用要求等式[21]被实现成混合函数，并且如等式[17]或[20]中所示那样实现差分函数。
在图4中，用户已布置了代表IRP R1...R3的图形标记30、32和34。控制36、38和40表示一组三种可能的用户控制。当使用控制36时，应用程序会在图像修改中使用额外的一个预定抽象IRP。这种预定的抽象IRP可以是，例如如上所述的IRP R4-R6。
当启用控制36中的复选框时，利用抽象IRP R4。在不使用抽象IRP的情况下，当图象具有不具有IRP的区域，例如仙人掌时，该区域仍将被所有IRP的100％混合效果过滤(参见等式[19]和控制函数C)。在当前的图像例子中，仙人掌42会受到IRP R1...R3的混合影响，尽管用户未在仙人掌上设置任何IRP。
为了对此进行纠正，利用了抽象IRP R4，抽象IRP R4使用g*值。注意当实现等式[21]的混合函数时，如下所述使用g*。
抽象IRP可具有0权重和大于0的g*值，例如R4＝((0，0，0，0，0)，50，(0，0，0，0，0))无论象素Ixy的特征是什么，差分函数|R4-Ixy|都将只返回50。g*的值可在1-1000的范围之中。50是一个良好的起始值。
该IRP及其R4的用途是不存在IRP的区域中的象素，例如仙人掌42中部中的象素相对于R4(被恒定设置为50)的差异将小于相对于R1...R3的差异。对于设置有一个或多个IRP的图像区中的象素，R4不会是具有最小差异的IRP，因为一个不同的IRP可能具有较小的差异。换句话说，不存在非抽象IRP的区域主要受R4控制，包含非IRP的区域受R4影响的程度较小。如果执行函数F4被设置成不改变图像的函数(F4(I，x，y)＝Ixy)，那么R4确保不存在IRP的区域将保持基本不受影响。
为了使抽象IRP R4更有效(即，使IRP R1...R3不太有效)，可降低g*，并且可升高R4中的g*值，以使“现用的”IRP R1...R3更有效。如果为具有平均技能水平的图像修描人员设计程控系统，那么可固定R4中g*的值，为高级用户设计的应用程序允许用户改变g*的设置。
在本发明的另一实施例中，结合不影响图像的执行函数，可使用抽象IRP，IRP具有取决于位置的参数的等于0的权重，以及代表黑或白的g1...gn的值。
这样的两个抽象IRP-一个用于黑色，一个用于白色-适合于确保黑色和白色不受影响。这样的抽象IRP可以是R5＝((0，0，255，255，255)，0，(0，0，1，1，1))R6＝((0，0，0，0，0)，0，(0，0，1，1，1))如同R4和F4一样，执行函数F5和F6也是不执行任何图像修改的函数，从而IRP 5和6确保诸如黑色和白色之类颜色基本上不受用户设置的IRP的影响。
如同控制38和控制40中所示，通过向用户提供打开或关闭复选框或类似用户控制的能力，可实现这些抽象IRP。这种复选框控制图像上抽象IRP理应具有的指定功能。当打开相关的复选框时，应用程序使用该抽象IRP。该过程被称为图3的步骤18中的“装入抽象IRP”。
所有抽象IRP不必都与使图像保持不受影响的执行函数相关。例如，如果某一实现被程序设计成允许用户锐化图像，则可实现诸如上面的R4之类的抽象IRP，这里相关的执行函数F4按照50％锐化图像。用户随后可在图像中设置其执行函数按照0％、25％、75％或100％锐化图像的IRP。这意味着在用户设置IRP的地方，可在独立的程度上锐化图像，在其它地方按照50％锐化图像。
在另一实施例中，如等式[23]中所示，通过组合基于IRP的图像修改和统一的图像修改M，可结合另一个全局图像修改I′xy＝M(I，x，y)，使用基于IRP的图像修改，这里M是图像过滤器。
Ixy*=M(Ixy+Σi=1mΔFi(I,x,y)*(|Ri-Ixy|))---[23]]]>等式[23]源于等式[21]。等式[22]也可用于本实施例。本实施例适用于各种图像过滤器类型M，尤其是当应用时，通过引起本领域技术人员称为的数字图像的“blown-out区”，从而导致不希望的图像对比度的那些图像过滤器。这样的图像过滤器M可以是彩色到黑白转换，提高整体对比度，反转图像，应用强的风格效果，负感过滤器，或者其它强烈的图像修改。
在无本发明的情况下，应用诸如彩色到黑白转换之类的图像修改，用户会首先把图像转换成黑白图像，检查得到的黑白图像的区域是否太黑或太亮，随后取消图像修改，对初始图像进行修改，以补偿过滤器应用程序，随后重新应用图像修改，直到得到的图像不再存在不希望的效果为止。
在结合如等式[23]中所示的基于IRP的图像修改实现这种过滤器的时候，当应用图像修改M，例如在黑白转换的例子中，用户可修改图像的对比度和颜色，从而加速关于黑白转换过程用户应用的方法，并提供改进的结果。
在另一实施例中，可用“偏移矢量”Si＝(Δxi·Δyi)T替换执行函数Fi，这里S1...m是与m个IRP相关的m个偏移矢量，Δx和Δy是任意实数。这种情况下，通过定义方向和长度，或者用不同于标准鼠标按钮的鼠标按钮拖拉IRP符号，用户可定义IRP的这种偏移矢量。如果来源于等式[21]，那么混合函数应是Sxy=Σi=1mSi*Ci(V(|R1-Ixy|),…,V(|Rm-Ixy|))---[24]]]>当然，由于该函数由R2的矢量组合而成，因此结果是和图像相同的水平和垂直尺寸的矩阵Sxy，其元素是具有两个元素的矢量。下面把这种矩阵称为“偏移矩阵”。
利用这种实现，用户能够容易地把IRP附到图像中的区域上，同时定义用户希望这些区域沿哪些方向被扭曲或被改变。
混合函数的结果是包含与需要沿哪个方向扭曲初始图像I的象素以便获得变形图像Id相关的信息。这样计算偏移矩阵的优点在于偏移矩阵适合于图像的特征，只要对于象素亮度、色度和结构特征，矢量R1...m具有除0之外的权重。可如下计算图像Id(1)为Id保留一些存储空间，并标记其所有象素。
(2)选择I中的第一坐标(x，y)。
(3)在位置(x，y)+Sxy，把象素Ixy的值(例如r、g、b)写入图像Id，并解除Id中该位置的象素的标记。
(4)除非考虑了I中的所有象素，否则选择下一坐标(x，y)，并继续进行步骤(3)。
(5)选择Id中仍被标记的第一象素。
(6)把最接近的解除标记象素的值(例如r、g、b)赋予该象素。如果多个解除标记象素同等接近，则选择利用最小偏移矢量Sxy产生的象素的值。
(7)如果标记的象素被保留，则选择Id中的下一个被标记象素，并继续进行步骤(6)。
换句话说，在利用偏移矩阵S的元素偏移象素的时候，把每个象素从I复制到Id中。用与Id中的空白区域邻近的象素值填充Id中仍然空白的那些区域，而在复制过程中，被移动最少的象素的值应是首选的。
在另一实施例中，多个IRP可被保存并被应用于一个或多个不同的图像。在批处理应用中，所述多个IRP可被保存并被应用于多个图像。在这种实施例中，重要的是对于和位置相关的特征，IRP的权重为0。
在另一实施例中，通过利用统一的控制要素，可向用户提供对IRP的权重的简单控制。在等式[15]和等式[16]中，利用了五种特征，其中两种是源于位置分析函数的和位置相关的特征。
就产生这种统一的控制要素来说，一个控制要素控制这两种权重。这种统一的控制要素可被标记成“位置权重”，代替这两种要素“水平位置权重”和“垂直位置权重”。
在另一实施例中，用户控制要素可被实现把权重的不同值显示成文字描述，而不是数字，因为这样的数字通常会使用户糊涂。本领域的技术人员会认识到低的权重值导致对图像影响更大的IRP，高的权重值导致对图像影响较小的IRP会使用户糊涂。就和位置相关的特征的权重(例如本例中的w1和w2)来说，允许用户从如表1中所示的和位置相关的权重w1和w2的不同值的文本说明的5个预定权重中选择一个。
表1

图5图解说明了如何在图像处理程序中实现对权重的这种简化的用户控制。
在另一实施例中，对权重的用户控制可被简化到只存在用户可选择的IRP的两种权重的程度利用诸如(1，1，1，1，1)之类加权矢量的“强”权重，和利用诸如(3，3，3，3，3)之类加权矢量的“弱”权重。注意，如上所述，较大的权重使IRP对图像区的影响较小，较小的权重使IRP对图像区的影响较大。
例如，用户可在天空中布置具有提高由一个或多个IRP识别的图像区的饱和度的相关增强的IRP。在相同图像中，通过根据每个单独的IRP的位置，识别对比度的变化和所需的对比度的变化，用户可布置具有降低对比度的分配函数的额外IRP。在优选实施例中，IRP可包括对用户指示的图像编辑函数的强度加权的函数。
在本发明的一个不同实现中，可布置IRP，以便识别整个图像内的颜色，并利用相关命令，提高所识别颜色的饱和度。
在另一个优选实施例中，IRP可被用于改变数字图像内的锐化程度。在这种实现中，在特定的图像区或图像特征，例如人像的眼睛、皮肤和头发内可布置多个IRP，在考虑颜色和/或对比度的存在，以及每个IRP相互之间的差异的同时，不同的锐化强度被分配给每个IRP，并被应用于数字图像，以便提供所需的图像调节。
可任意组合在本说明书，包括权利要求、摘要和附图中公开的所有技术特征，以及公开的任意方法或过程中的所有步骤，除了相互排斥的至少一些这种技术特征和/或步骤之外。除非另作说明，本说明书，包括权利要求、摘要和附图中公开的各个技术特征可用相同、等同或相似目的的备选特征代替。从而，除非另作说明，公开的每个技术特征只是一系列类属等同或相似特征的一个例子。
本发明并不限于这里描述的特定硬件，可使用现有的或者未来开发的允许利用公开的方法处理数字图像的任意硬件，例如包括数字相机系统。
提供一种计算机可读介质，所述计算机可读介质具有使基于计算机的信息处理系统执行这里描述的步骤，并显示这里公开的应用程序界面。
术语存储块指的是本领域技术人员已知的任意可能的计算机图像存储结构，包括(但不限于)RAM、处理器高速缓存、硬盘驱动器、或者它们的组合，包括动态存储器结构。最好，通过用高级语言编码，或者通过准备遵从并且可作为图像处理程序的附件获得的过滤器，所公开的方法和应用程序接口可包含在计算机程序(未示出)中。例如，在一个优选实施例中，所述方法和应用程序接口被编译成可在诸如Adobe Photoshop之类第三方图像处理程序内操作的插件过滤器。
现有的或者未来开发的适于存储数据的计算机可读介质可用于保存具体体现上述接口、方法和算法的程序，包括(但不限于)硬盘驱动器、软盘、数字磁带、闪光记录卡、光盘和DVD。计算机可读介质可包括一个以上的装置，例如两个连接的硬盘驱动器。本发明并不局限于这里使用的特殊硬件，能够使用现有的或者未来开发的允许图像处理的任意硬件。
可使用现有的或者未来开发的适于存储数据的计算机可读介质，包括(但不限于)硬盘驱动器、软盘、数字磁带、闪光记录卡、光盘和DVD。计算机可读介质可包括与处理器通信的一个以上的装置，例如两个连接的硬盘驱动器。
公开一种数字图像的图像处理方法，包括下述步骤确定一组或多组象素特征；对于每个象素特征组，确定一个图像编辑函数；提供包含在计算机可读介质上，用于修改数字图像的混合函数算法；和通过根据所述一个或多个象素特征组和确定的图像编辑函数应用混合函数算法，来处理数字图像。在一个实施例中，混合函数算法包括差分函数。可选的是，差分函数算法根据象素特征和所述一个或多个确定的象素特征组之一之间的差异，计算数值。在另一实施例中，混合函数算法包括使计算归一化的控制函数。
在另一实施例中，该方法增加了对于每个象素特征组，确定一组加权值的步骤，处理步骤还包括根据确定的加权值组，应用混合函数算法。
在另一实施例中，确定第一象素特征组，并且第一象素特征组中的至少一个特征取决于位置，第一象素特征组中的至少一个特征或者取决于颜色，或者取决于结构，或者取决于颜色和结构。另一方面，确定第一象素特征组，并且第一象素特征组中的至少两个不同特征来自取决于位置，取决于颜色和取决于结构的特征。
公开一种处理数字图像的方法，包括下述步骤接收数字图像内，用户定义的一个或一个以上的图像基准点的坐标；接收用户分配的、并且与所述一个或一个以上定义的图像基准点的坐标相关的一个或一个以上图像编辑函数；提供包含在计算机可读介质上的用于修改数字图像的混合函数算法；和根据一个或一个以上分配的图像编辑函数和一个或一个以上定义的图像基准点的坐标，应用混合函数算法，来处理数字图像。所述方法还可包括在定义的图像基准点的坐标处显示图形图标。
说明了适合于本发明的混合函数算法，并公开了例证的备选实施例，包括计算数字图像的每个象素到一个或一个以上定义的图像基准点的坐标的几何距离的毕达哥拉斯距离法，颜色曲线法，分割法，分类法，扩展域法和偏移矢量法。可选的是，分割法包括多次分割，还可包括调整象素属性的相似性的分类法。可选的是，混合函数算法可起从数字图像的每个象素到定义的图像基准点的坐标的计算几何距离的函数的作用。
可选的是，所公开的方法还包括接收与定义的图像基准点的坐标相关的一个或多个分配的图像特征，其中混合函数算法计算数字图像的象素的图像特征和分配的图像特征之间的特征差异。混合函数算法还可计算象素的图像特征和邻近一个或多个定义的图像基准点的坐标的一个或多个象素的图像特征之间的特征差异。
另外，该方法还可增加其它步骤。例如，该方法还可包括接收一个或多个加权值，处理步骤还包括根据加权值应用混合函数算法；或者还包括接收与一个或多个定义的图像基准点的坐标相关的一个或多个关心的区域；或者还包括提供应用程序接口的步骤，所述应用程序接口包括接收一个或多个定义的图像基准点的坐标的第一接口，和接收一个或多个分配的图像编辑函数的第二接口。
公开了一种处理包含具有图像特征的象素的数字图像的方法，所述方法包括下述步骤在数字图像内定义图像基准点的位置；确定图像编辑函数；和通过根据定义的图像基准点的位置，或者根据位于定义的图像基准点位置的象素的图像特征，或者根据这两者，应用确定的图像编辑函数，来处理数字图像。
还公开了一种数字图像的图像处理方法，包括下述步骤提供一个或一个以上的图像处理过滤器；设定数字图像内，一个或一个以上图像基准点的坐标；提供包含在计算机可读介质上的，用于修改数字图像的混合函数算法；和通过根据一个或一个以上的图像处理过滤器，和一组或一组以上图像基准点的坐标，应用混合函数算法，处理数字图像。可选的是，可使用各种过滤器，包括(但不限于)降噪过滤器、锐化过滤器或变色过滤器。
另外，权利要求中未明确叙述执行指定函数的“装置”或执行指定函数的“步骤”的任意要素不应被理解成如35 U.S.C.§112中规定的“装置”或“步骤”条款。
权利要求
1.一种数字图像的图像处理方法，包括下述步骤确定一组或多组象素特征；对于每组象素特征，确定一个图像编辑函数；提供包含在计算机可读介质上用于修改数字图像的混合函数算法；和通过根据所述一组或多组象素特征和确定的图像编辑函数应用混合函数算法，来处理数字图像。
2.按照权利要求1所述的方法，其中混合函数算法包括差分函数。
3.按照权利要求2所述的方法，其中差分函数算法根据象素特征和所述一组或多组确定的象素特征之一之间的差异，计算一数值。
4.按照权利要求1所述的方法，还包括对于每组象素特征，确定一组加权值的步骤，处理步骤还包括根据确定的加权值组，应用混合函数算法。
5.按照权利要求1所述的方法，其中混合函数算法包括使计算归一化的控制函数。
6.按照权利要求1所述的方法，其中确定第一组象素特征，并且第一组象素特征中的至少一个特征取决于位置，第一组象素特征中的至少一个特征或者取决于颜色，或者取决于结构，或者取决于颜色和结构。
7.按照权利要求1所述的方法，其中确定第一组象素特征，并且第一组象素特征中的至少两个不同特征来自取决于位置、取决于颜色和取决于结构的特征组。
8.一种处理数字图像的方法，包括下述步骤接收数字图像内用户定义的一个或一个以上的图像基准点的坐标；接收用户分配的、并且与所述一个或一个以上定义的图像基准点的坐标相关的一个或一个以上图像编辑函数；提供包含在计算机可读介质上用于修改数字图像的混合函数算法；和根据一个或一个以上分配的图像编辑函数和一个或一个以上定义的图像基准点的坐标，应用混合函数算法，来处理数字图像。
9.按照权利要求8所述的方法，还包括在定义的图像基准点的坐标，显示图形图标。
10.按照权利要求8所述的方法，数字图像包括象素，其中混合函数算法计算数字图像的每个象素到一个或一个以上定义的图像基准点的坐标的几何距离。
11.按照权利要求10所述的方法，其中混合函数算法起从数字图像的每个象素到一个或一个以上定义的图像基准点的坐标的计算几何距离的函数的作用。
12.按照权利要求8所述的方法，数字图像包括具有图像特征的象素，还包括接收与定义的一个或多个图像基准点的坐标相关的一个或多个分配的图像特征，其中混合函数算法计算数字图像的象素的图像特征和一个或多个分配的图像特征之间的特征差异。
13.按照权利要求8所述的方法，还可包括接收一个或多个加权值，处理步骤还包括根据加权值应用混合函数算法。
14.按照权利要求8所述的方法，还包括接收与一个或多个定义的图像基准点的坐标相关的一个或多个关心的区域。
15.按照权利要求8所述的方法，数字图像包括具有图像特征的象素，其中混合函数算法计算象素的图像特征和邻近一个或多个定义的图像基准点的坐标的一个或多个象素的图像特征之间的特征差异。
16.按照权利要求8所述的方法，还包括提供应用程序接口的步骤，所述应用程序接口包括接收一个或多个定义的图像基准点的坐标的第一接口，和接收一个或多个分配的图像编辑函数的第二接口。
17.按照权利要求8所述的方法，其中混合函数算法选自毕达哥拉斯距离法，颜色曲线法，分割法，分类法，扩展域法和偏移矢量法。
18.按照权利要求17所述的方法，其中分割法包括多次分割。
19.按照权利要求17所述的方法，数字图像包括具有属性的象素，其中分类法调整象素属性的相似性。
20.一种处理包含具有图像特征的象素的数字图像的方法，所述方法包括下述步骤在数字图像内定义图像基准点的位置；确定图像编辑函数；和通过根据定义的图像基准点的位置，或者根据位于定义的图像基准点位置的象素的图像特征，或者根据这两者，应用确定的图像编辑函数，来处理数字图像。
21.一种数字图像的图像处理方法，包括下述步骤提供一个或一个以上的图像处理过滤器；设定数字图像内，一个或一个以上图像基准点的坐标；提供包含在计算机可读介质上，用于修改数字图像的混合函数算法；和通过根据一个或一个以上的图像处理过滤器，和一组或一组以上图像基准点的坐标，应用混合函数算法，来处理数字图像。
22.按照权利要求21所述的方法，其中一个或一个以上的图像处理过滤器是降噪过滤器。
23.按照权利要求21所述的方法，其中一个或一个以上的图像处理过滤器是锐化过滤器。
24.按照权利要求21所述的方法，其中一个或一个以上的图像处理过滤器是变色过滤器。
25.一种包含在计算机可读介质上，以便在计算机上执行数字图像的图像处理的应用程序接口，数字图像包括具有图像特征的象素，所述应用程序接口包括接收数字图像内，用户定义的多个图像基准点中每个图像基准点的坐标的第一接口；和接收用户分配的、或者与多个定义的图像基准点中每个图像基准点的坐标，或者与邻近多个定义的图像基准点中每个图像基准点的坐标的一个或多个象素的图像特征相关的图像编辑函数的第二接口。
26.按照权利要求25所述的程序接口，其中第二接口接收用户分配的、并且既与多个定义的图像基准点中每个图像基准点的坐标相关、又与邻近多个定义的图像基准点中每个图像基准点的坐标的一个或多个象素的图像特征相关的图像编辑函数。
27.一种包含在计算机可读介质上，以便在计算机上执行，实现数字图像的图像处理的应用程序接口，数字图像包含具有图像特征的象素，所述应用程序接口包括接收数字图像内，用户定义的图像基准点的坐标的第一接口；和接收用户分配的、并且既与定义的图像基准点的坐标相关、又与邻近定义的图像基准点的坐标的一个或多个象素的图像特征相关的图像编辑函数的第二接口。
28.按照权利要求25所述的程序接口，还包括在定义的多个图像基准点中的一个或一个以上图像基准点的坐标，显示图形图标的第三接口。
29.按照权利要求28所述的程序接口，其中第三接口允许图形图标的重新定位。
30.按照权利要求25所述的程序接口，还包括显示分配的图像编辑函数的第四接口。
31.按照权利要求25所述的程序接口，其中第二接口还接收代表加权值的一个或一个以上的参数。
全文摘要
一种数字图像的图像处理方法，包括下述步骤确定一组或多组象素特征；对于每个象素特征组，确定一个图像编辑函数；提供包含在计算机可读介质上用于修改数字图像的混合函数算法；和通过根据所述一组或多组象素特征和确定的图像编辑函数应用(22)混合函数算法，处理数字图像。描述了各种混合函数算法。还提供一种包含在计算机可读介质上的应用程序接口，所述应用程序接口包括接收图像基准点的坐标的第一接口，和接收图像编辑函数的第二接口。应用程序接口可用图形标记(10)表示图像基准点。
文档编号H04N1/62GK1592915SQ02823474
公开日2005年3月9日 申请日期2002年10月24日 优先权日2001年10月24日
发明者尼尔斯·科克摩尔 申请人:Nik多媒体公司