沉浸产生方法和系统及因素控制、内容分析及参数预测法

摘要

提供了一种沉浸产生方法和系统及因素控制、内容分析及参数预测方法。所述产生沉浸感觉的方法包括：转换输入图像的颜色空间；加载背景掩模以从输入图像分离前景图像和背景图像；经图像内容分析，基于针对颜色空间的感知属性获得用于前景图像和背景图像中的每个图像的属性信息；基于属性信息预测比例参数；基于比例参数增强输入图像。

说明书

本申请要求在2007年8月3日提交到韩国知识产权局的第2007-78097号韩国专利申请的利益，该申请公开于此以资参考。

技术领域

在比如HDTV、数字投影仪的投射和电影屏幕的具有大于50度的视角的大尺寸显示器中，与正常尺寸的显示器相比，由于其大尺寸而很容易地产生人的沉浸感觉(immersive sensation)，所述人的沉浸感觉是更真实、全心投入和身临其境的强烈感觉的结合。不管图像的质量如何，人的沉浸感觉使我们对图像有好印象。

背景技术

与播放相同图像或相同视频内容的大尺寸显示器相比，在视角小于30度的正常尺寸的显示器中难以感受到沉浸感觉。引起视角不同的最重要的原因是因为显示器的尺寸不同。也就是说，视角上的不同取决于显示器的物理尺寸不同。作为示例，在大尺寸的显示器中，视角大并覆盖大部分视网膜。相反，在相对较小尺寸的显示器中，视角小并且只覆盖仅一小部分视网膜。

发明内容

本发明的各方面提供了一种通过控制四种独立因素中的每种因素对于正常尺寸的显示器产生沉浸感觉的方法和系统，其中所述四种独立因素分别被用于前景图像和背景图像中的每个图像。

本发明的各方面还提供了一种产生沉浸感觉的方法，所述方法能够通过使用包括亮度(或明度)、饱和度(或色度)和色调的感知属性获得属性信息，并且由于基于所述属性信息来预测比例参数，并且四种独立因素中的每种因素被控制，所以可以对于正常尺寸的显示器能够产生沉浸感觉。

根据本发明的实施例，提供了一种对图像产生沉浸感觉的方法，包括：转换输入图像的颜色空间；加载背景掩模以从输入图像分离前景图像和背景图像；经图像内容分析，基于针对颜色空间的感知属性获得用于前景图像和背景图像中的每个图像的属性信息；基于属性信息预测比例参数；基于比例参数增强输入图像。

根据本发明的一方面，转换输入图像的颜色空间的步骤可包括将包括红绿蓝(RGB)数字信号的颜色空间转换为包括感知属性的颜色空间，所述感知属性包括亮度、饱和度和色调。

根据本发明的一方面，加载背景掩模以从输入图像分离前景图像和背景图像的步骤可基于输入图像的颜色信息和频率信息从输入图像分离前景图像和背景图像。

根据本发明的一方面，感知属性可包括前景图像和背景图像的亮度、饱和度和色调中的至少一个，所述基于针对颜色空间的感知属性获得用于前景图像和背景图像中每个图像的属性信息的步骤通过基于亮度、饱和度和色调分析图像内容来获得属性信息。

根据本发明的一方面，基于属性信息预测比例参数的步骤可使用前景图像和背景图像之间的饱和度差与亮度差的第一比、前景图像和背景图像之间的亮度差与饱和度差的第二比以及前景图像的平均饱和度中的至少一个来预测比例参数。

根据本发明的一方面，基于比例参数增强输入图像的步骤可使用前景图像的亮度增强、前景图像的饱和度增强、前景图像的对比度增强和背景图像的软模糊中的至少一个来增强输入图像。

根据本发明实施例，提供了一种控制用于对图像产生沉浸感觉的因素的方法，包括：从输入图像分离前景图像和背景图像；增强亮度、饱和度和对比度中的至少一个。

根据本发明实施例，提供了一种图像内容分析方法，包括：转换输入图像的颜色空间；加载背景掩模以从输入图像分离前景图像和背景图像；基于针对颜色空间的感知属性来获得前景图像和背景图像中的每个图像的属性信息。

根据本发明实施例，提供了一种预测比例参数的方法，包括：基于针对输入图像的转换的颜色空间的感知属性来获得属性信息；基于所述属性信息预测用于输入图像的前景图像和背景图像中的每个图像的比例参数。

本发明的另外方面和/或优点将会在下面的描述中部分地阐述，从下面的描述中，这些方面和/或优点中的一部分将会是明显的，或者通过实施本发明而了解。

附图说明

从下面结合附图对实施例的描述，本发明的这些和/或其他方面和优点将会清楚并更容易理解，其中：

图1是示出根据本发明实施例的产生沉浸感觉的方法的流程图；

图2是示出根据本发明实施例的亮度增强的曲线图；

图3是示出根据本发明实施例的饱和度增强的曲线图；

图4是示出根据本发明实施例的对比度增强的曲线图；

图5是示出根据本发明实施例的产生沉浸感觉的方法的框图；

图6是示出根据本发明实施例的产生沉浸感觉的系统的内部构造的框图。

具体实施方式

现在将对本发明的实施例进行详细描述，本发明的示例在附图中示出，其中，相同的标号始终表示相同的部件。下面将通过参照附图来描述这些示例性实施例以解释本发明。

I、背景

本发明涉及一种彩色成像增强方法以对正常尺寸的显示器(比如HDTV和数字投影仪)产生人的沉浸感觉。

在人所使用的观看系统(view system)中，由于视角显示传送到人的视网膜和大脑的信息的数量，所以视角非常重要。在这种情况下，已知视觉响应针对不同视网膜特性而有所不同。尽管视网膜的中心对视网膜特性的逐渐增加不敏感，但是大多数精确的信息来自视网膜的中心。因此，图像的边缘相对模糊并且与图像的中心相比饱和度较低，由于这种现象，在我们观看大尺寸的图像时难于产生沉浸到图像中的感觉。

然而，在视角小于30度的小尺寸图像中并没有清楚地表现出上述现象。结果，随着显示器尺寸的增加，可容易地区分前景图像和背景图像。基于此，假设可通过使前景图像与背景图像更容易区分而产生对二维(2D)静止图像的沉浸感觉。根据这种假设，为了产生沉浸感觉，必须分别考虑背景图像和前景图像。在背景图像的情况下，软模糊可被用于产生沉浸感觉；在背景图像中可减小亮度和饱和度，以模拟具有较大视角的图像。

另外，最近的研究已经证实，随着显示器视角的增加，整体感觉颜色可能显得更明亮，并且对比度敏感性也会显得更高。因此，需要增强亮度、饱和度和对比度以模拟大尺寸的显示器。为了将这三种因素与上述假设相匹配，对前景图像和背景图像不同地处理每种因素，以在前景图像和背景图像之间实现较大不同。作为示例，可将亮度或饱和度增强用于前景图像，而可减小背景图像的亮度或饱和度增强。对比度增强仅应用于前景图像。

可单独实施下述四种因素或将其结合在一起实施来测试图像，所述四种因素是指用于背景图像的软模糊、用于前景图像的对比度增强以及用于前景图像和背景图像的亮度及饱和度校正。对于每种因素，对所有测试图像采用相同的增强比例。通过使用配对比较方法进行心理学实验以验证对于使用的每种方法的产生沉浸感觉的性能。观察小组在沉浸产生方面将测试图像和产生的每个图像进行比较。基于实验结果，清楚地表明四种处理中的每种处理都可产生沉浸感觉，然而，性能在很大程度上取决于图像内容。结合的因素的性能在产生沉浸感觉方面比应用的任意单个因素好，这也意味着四种因素之间的结合将产生更沉浸的感觉比较合理。

因此，本发明的主要目标在于开发一种根据图像的内容自动将四种独立图像处理应用于前景图像或者背景图像，以对于正常尺寸的显示器产生沉浸感觉。因为一些研究已经证实减少颜色信息将使图像不受欢迎，所以在本发明的说明书中，不对背景信息进行饱和度及亮度处理。因此，在本发明的说明书中的这四种独立的处理如下：

1、前景图像的饱和度增强

2、前景图像的亮度增强

3、前景图像的对比度增强

4、背景图像的软模糊

II沉浸感觉产生方法

下面，将参照附图来描述本发明的实施例。

在本发明中，通过对正常尺寸的显示器使用图像增强方法来特别关注沉浸感觉产生。对2D静止图像采用最影响沉浸感觉的四种因素并将它们结合在一起，来尽可能获得沉浸感觉。尽管图像喜好(image preference)不是本发明的主要问题，但是在沉浸方法开发中图像是关注对象。然而，在产生沉浸感觉的方法中，总是避免使用不受欢迎的图像。

在本发明中，基于三种人类感知属性来对图像的沉浸感觉增强进行建模。图像的软模糊被应用于背景图像，而亮度、饱和度和对比度增强被应用于前景图像。采用图像的内容分析以基于图像内容对不同处理分配不同的比例参数(scaling parameter)。

图1是示出根据本发明实施例的产生沉浸感觉的方法的流程图。

在操作S101，对二维(2D)静止图像产生沉浸感觉的用于产生沉浸感觉的系统转换颜色空间。也就是说，由于原始颜色空间(比如红绿蓝(RGB)数字信号)与人类视觉系统不相关，所以原始颜色空间不能直接用于沉浸产生。

因此，表示人类的视觉系统中的最终输出的人类感知属性(比如亮度(或明度)、饱和度(或色度)和色调)被用于沉浸产生。对于使用不同领域的不同应用，存在很多可被用于将RGB数字信号转换为所述三种人类感知属性的颜色空间。例如，“CIECAM02”主要用于精确的色貌预测，“CIELAB”主要用于颜色或图像差异评估，“HSV”主要用于颜色设计和简单的工业应用。在本发明中，可采用所有的颜色空间以将RGB数字信号转换为人类感知属性。

如下面表1所给出的，可在各种颜色空间中对人类感知属性采用不同名称和缩写。“CIECAM02”在初步研究中被用于开发数学模型和实验评估。因此，在本发明中使用缩写“J”、“C”和“H”。对于应用的不同模型，尽管推荐的结构和等式相同，但是比例参数或者阈值将不同于在本发明中建议的比例参数或者阈值。对于“CIECAM02”或者“CIELAB”，需要执行用于在RGB数字信号和CIE色度学(CIE XYZ)之间建立联系的装置特性描述(devicecharacterization)。对于不同的显示器，可采用不同的方法。在这种情况下，两种最常用的方法是GOG(增益-偏移-伽马)模型和PLCC(假定常色度坐标的分段线性插值)模型。前一种方法主要用于具有线性或者幂伽马曲线的装置，比如阴极射线管(CRT)显示器。后一种方法可被用于具有不规则伽马曲线的装置，即，液晶显示器(LCD)或者有机发光二极管(OLED)移动显示器。

[表1]

  颜色空间  亮度  饱和度  色调  CIECAM02  明度(J)  色度(C)  色调(H)  CIELAB  明度(L)  色度(C)  色调(h)  HSV  亮度(B或V)  饱和度(S)  色调(H)

在操作S102，产生沉浸感觉的系统加载背景掩模(mask)。背景掩模可被用于从图像分离前景图像和背景图像。作为示例，数字1被赋予背景图像中的像素，而数字0被赋予前景图像中的像素。在图像处理领域中对背景分离已经关注很久，并且存在通过不同研究已经开发的很多种方法。通常，可使用图像中的颜色信息和频率信息对静止图像进行背景分离。一般来说，背景图像通常比较单一并具有低频率，而前景图像通常具有复杂的内容并具有较高的频率。在本发明实施例中，通过下面的三个步骤来进行背景分离：检测背景颜色信息；基于所述颜色信息来检测背景边界；平滑背景边界。

在操作S103，产生沉浸感觉的系统分析图像内容。对于不同的图像，图像内容可能显著不同。在初步研究中，已经证实使用四种主要因素的沉浸产生的性能显著受到图像内容影响。也就是说，在相同图像处理被应用于不同图像时，沉浸增强的性能将会有所不同。因此，为了对每个图像尽可能地增强沉浸感觉，基于图像内容的图像增强是必要的。基于本发明实施例，发现软模糊的效果与背景图像的平滑度相关性高，对比度增强的性能与前景图像的饱和度呈反相关。饱和度和亮度增强的互相关性高，因此不能用作独立因素。此外，所述性能与前景图像和背景图像之间的饱和度差与亮度差的比的相关性高。因此，通过基于人类对图像的感知属性计算下面的信息来进行图像内容分析。

1、前景图像的平均亮度(J_M)

2、前景图像的平均饱和度(C_M)

3、前景图像和背景图像之间的亮度差(ΔJ)

4、前景图像和背景图像之间的饱和度差(ΔC)

5、背景图像的图像平滑度(S)

也就是说，基于前景图像和背景图像，可通过使用前景图像的亮度和饱和度的平均值获得J_M和C_M。此外，可通过使用前景图像和背景图像之间的平均亮度和饱和度的差来计算ΔJ和ΔC。

在背景图像的图像平滑度方面，图像平滑度被定义为背景图像中的平滑像素的百分比，而每个平滑像素表示与其周围像素具有相同色貌的像素。作为示例，如果预定像素和每个周围像素之间的平均色差小于1.5E_CAM02，则该预定像素被认为是平滑像素，并由下面的等式来表示：

[等式1]

从等式1可以看出，如果应用的颜色空间是CIELAB，则可使用“CIELAB”色差；如果应用的颜色空间是HSV，则可使用RGB色差。然后，背景图像的平滑度被定义为背景图像中平滑像素的和除以背景图像中所有像素的和，由下面的等式来表示：

[等式2]

$S=\frac{\Sigma S_{x,y}}{\Sigma {\mathrm{BP}}_{x,y}},$

其中，S表示背景图像的平滑度，S_x，y表示平滑像素(x，y)，BP表示背景像素，J、ac和bc表示对于像素的来自“CIECAM02”的颜色信息。

在操作S104，产生沉浸感觉的系统预测比例参数。基于每个图像的内容，可总结出对于沉浸产生的基本信息。在操作S104，基于来自每个图像的内容的基本信息来预测每个沉浸产生因素的比例参数。

对于饱和度增强，当前景图像和背景图像之间的亮度差与饱和度差的比(ΔJ/ΔC)低于特定阈值时，比例参数(K_s1)与前景图像和背景图像之间的亮度差与饱和度差的比(ΔJ/ΔC)相关性高。当给定了小比例时，比例参数(K_s1)产生前景图像和背景图像之间的较大饱和度差的结果，而当前景图像和背景图像之间的饱和度差小时，采用大比例。饱和度的比例(K_s1)通过下面等式表示：

[等式3]

$\left(\begin{array}{cc}{K}_S=1+\frac{\mathrm{\Delta J}}{8\mathrm{\Delta C}},& 0<\frac{\mathrm{\Delta J}}{\mathrm{\Delta C}}<=2\\ K_S=1.5,& \frac{\mathrm{\Delta J}}{\mathrm{\Delta C}}>2\end{array}\right)$

对于亮度增强，当前景图像和背景图像之间的饱和度差与亮度差的比(ΔC/ΔJ)低于特定阈值时，比例参数(K_B1)与前景图像和背景图像之间的饱和度差与亮度差的比(ΔC/ΔJ)相关性高。在这种情况下，当前景图像和背景图像之间的亮度差大时，使用小亮度比例，而当前景图像和背景图像之间的亮度差小时，采用大比例。此外，使用线性关系来预测亮度的比例(K_B1)，所述亮度比例由下面的等式表示：

[等式4]

$\left(\begin{array}{cc}{K}_{B1}=-\frac{\mathrm{\Delta C}}{400\mathrm{\Delta J}},& 0<\frac{\mathrm{\Delta C}}{\mathrm{\Delta J}}<2\\ K_{B1}=-0.005,& \frac{\mathrm{\Delta C}}{\mathrm{\Delta J}}>2\end{array}\right)$

对于对比度增强，比例参数(K_CS1)与前景图像的平均饱和度相关性高。当图像在其前景上具有高饱和度时，对于沉浸产生期望小对比度增强，而当前景图像比较中性时，期望大对比度增强。使用如下表示的线性函数来预测对比度增强的比例参数(K_CS1)：

[等式5]

$\left(\begin{array}{cc}{K}_{\mathrm{CS}1}=-0.00017C_M+0.005,& C_M\le 40\\ K_{\mathrm{CS}1}=0,& C_M>40\end{array}\right)$

对于软模糊，背景图像的平滑度S被直接用作比例参数。

在操作S105，产生沉浸感觉的系统增强图像的亮度。对于前景图像中的像素，幂函数被用于亮度增强，所述幂函数由下面的等式表示：

[等式6]

J_out＝K_B1J_in²+K_B2J_in，其中，K_B2＝1-100K_B1，

其中，J_in和J_out表示这种亮度增强的输入和输出亮度，K_B1和K_B2表示比例参数。

图2是示出根据本发明实施例的亮度增强的曲线图200。如曲线图200所示，幂函数被强制通过点(0，0)和(100，100)。点(0，0)表示相应显示器的黑点，点(100，100)表示相应显示器的白点。也就是说，曲线图200表明了输入和输出亮度之间的关系。

在操作S106，产生沉浸感觉的系统增强图像的饱和度。对于前景图像中的每个像素的饱和度增强采用线性函数，所述线性函数由下面的等式来表示：

[等式7]

C_out＝K_SC_in

其中，C_in和C_out分别表示用于饱和度增强的输入和输出饱和度，K_s表示用于饱和度增强的比例参数。

图3是示出根据本发明实施例的饱和度增强的曲线图300。如曲线图300所示，在等式7中，由于中性色的饱和度不被尺寸效果所改变，所以函数被强制通过点(0，0)。

在操作S107，产生沉浸感觉的系统增强图像对比度。如在等式8到等式12所示对前景图像执行对比度增强。为了增加前景图像的对比度，通过幂函数减小相对暗的颜色的亮度，而将相对亮的颜色的亮度处理为更亮。在这种情况下，相对暗的颜色的亮度小于前景图像的平均亮度，而相对亮的颜色的亮度大于前景图像的平均亮度。

[等式8]

$\left(\begin{array}{cc}{J}_{\mathrm{out}}=K_{\mathrm{CS}1}{J_{\mathrm{in}}}^2+K_{\mathrm{CS}2}{J}_{\mathrm{in}},& J_{\mathrm{in}}\le J_M\\ J_{\mathrm{out}}=K_{\mathrm{CL}1}{J_{\mathrm{in}}}^2+K_{\mathrm{CL}2}{J}_{\mathrm{in}}+K_{\mathrm{CL}3},& J_{\mathrm{in}}>J_M\end{array}\right),$

[等式9]

K_CS2＝1-K_CS1J_M，

[等式10]

K_CL1＝-K_CS1，

[等式11]

$K_{\mathrm{CL}2}=1+\frac{(10000-{J_M}^2)K_{\mathrm{CL}1}}{J_M-100},$和

[等式12]

K_CL3＝100-1000K_CL1-100K_CL2

其中，J_in和J_out表示对于该处理的输入和输出亮度，J_M表示前景图像的平均亮度，K_CS1和K_CS2表示亮度小于J_M时的比例参数，K_CL1、K_CL2和K_CL3表示在亮度大于J_M时的比例参数。

图4是示出根据本发明实施例的对比度增强的曲线图400。如曲线图400所示，当亮度小于J_M时，幂函数通过点(0，0)和(J_M，J_M)，否则，幂函数通过点(J_M，J_M)和(100，100)。

在操作108，产生沉浸的系统针对背景图像执行软模糊。在这种情况下，使用均值滤波器(mean filter)来执行背景图像的软模糊。所述均值滤波器对背景图像的每个像素执行滤波。比例处理取决于背景图像的平滑度S。当平滑度S大于80％时，不执行软模糊处理。作为示例，当平滑度S在50％和80％之间时，在背景图像上使用3×3均值滤波器，当平滑度小于50％时，在背景图像上使用5×5均值滤波器。

在操作S109，产生沉浸感觉的系统对颜色空间进行转换。

在图像增强之后，产生了用于前景图像和背景图像的J_out、C_out和H_out，它们结合在一起以产生新的沉浸图像。接下来，需要进行颜色空间转换以将人类感知属性转换为RGB数字信号。对于“CIECAM02”和“CIELAB”颜色空间，需要执行逆色貌模型，还需要执行装置特性描述模型。

如上所述，通过使用操作S101到S109，可产生沉浸感觉。

图5是示出根据本发明实施例的产生沉浸感觉的方法的框图。

图5的产生沉浸感觉的系统可通过对于输入图像输入Rin、Gin和Bin来处理处理颜色空间转换501。也就是说，由于比如RGB数字信号的原始颜色空间与人的视觉系统不相关，并且原始颜色空间不能直接用于沉浸产生，所以产生沉浸感觉的系统可将原始颜色空间转换为具有人类感知属性(比如亮度(明度)、饱和度(或色度)和色调)的颜色空间。

在这种情况下，在颜色空间为如上所述的“CIECAM02”时，颜色空间转换501的输出可具有值J、C和H，用于产生沉浸感觉的系统可加载针对颜色空间转换501的输出的背景掩模502，并且该系统可将背景图像503和前景图像504分离。也就是说，J、C和H可被分离为由J_B、C_B和H_B表示的背景图像503和由J_F、C_F和H_F表示的前景图像504。

如上所述，可经过图像内容分析505和分离的背景图像503及分离的前景图像504，获得基于人类感知属性的信息。也就是说，通过分析J_B、C_B、H_B、J_F、C_F和H_F，可获得基于感知属性的信息，比如前景图像504的平均亮度(J_M)、前景图像504的平均饱和度(C_M)、前景图像504和背景图像503之间的亮度差(ΔJ)、前景图像504和背景图像503之间的饱和度差(ΔC)以及背景图像503的图像平滑度(S)。

基于感知属性的信息可被用于比例参数预测506。也就是说，通过使用等式3到等式5，可预测对比度增强507、亮度增强508和饱和度增强509所需的比例参数。使用图像平滑度S和背景图像503可执行软模糊510。

更具体地讲，产生沉浸感觉的系统通过使用预测的比例参数K_C1、K_B1和K_S1以及前景图像504J_F、C_F和H_F可获得第一结果J_F1、C_F1和H_F1，并通过使用图像平滑度S和背景图像503来获得第二结果J_B1、C_B1和H_B1，其中，根据对比度增强507和亮度增强508来预测所述比例参数。

产生沉浸感觉的系统通过颜色空间转换511将第一结果和第二结果转换为RGB数字信号R_OUT、G_OUT和B_OUT，从而产生输入图像的沉浸感觉。

图6是示出根据本发明实施例的产生沉浸感觉的系统600的内部构造的框图。如图6所示，用于产生沉浸感觉的系统600可包括颜色空间转换单元601、背景掩模加载单元602、图像内容分析单元603、比例参数预测单元604、亮度增强单元605、饱和度增强单元606、对比度增强单元607和软模糊单元608。

颜色空间转换单元601转换颜色空间。也就是说，由于原始颜色空间(比如红绿蓝(RGB)数字信号)与人类视觉系统不相关，所以原始颜色空间不能直接用于沉浸产生。

因此，表示人类视觉系统的最终输出的人类感知属性(比如亮度(或明度)、饱和度(或色度)和色调)被用于沉浸产生。对于使用不同领域的不同应用，存在很多能够用于将RGB数字信号转换为三种人类感知属性的颜色空间。例如，“CIECAM02”主要用于精确的色貌预测，“CIELAB”主要用于颜色或图像差异评估，“HSV”主要用于颜色设计和简单的工业应用。在本发明中，可采用所有的颜色空间以将RGB数字信号转换为人类感知属性。

背景掩模加载单元602加载背景掩模。在这种情况下，背景掩模可被用于分离前景图像和背景图像。作为示例，数字1被赋予背景图像中的像素，而数字0被赋予前景图像中的像素。在图像处理领域中对背景分离已经关注很久，并且存在通过不同研究已经开发的很多种方法。通常，可使用图像中的颜色信息和频率信息对静止图像进行背景分离。一般来说，背景图像通常比较单一并具有低频率，而前景图像通常具有复杂的内容并具有较高的频率。在本发明实施例中，通过下面的三个步骤来进行背景分离：检测背景图像的颜色信息；基于所述颜色信息来检测背景边界；平滑背景边界。

图像内容分析单元603分析图像内容。对于不同的图像，图像内容可能显著不同。在初步研究中，已经证实使用四种主要因素的沉浸产生的性能显著受到图像内容影响。也就是说，在相同图像处理被应用于不同图像时，沉浸增强的性能将会有所不同。因此，为了对每个图像尽可能地增强沉浸感觉，基于图像内容的图像增强是必要的。

软模糊的效果与背景图像的平滑度相关性高，对比度增强的性能与前景图像的饱和度呈反相关。此外，饱和度和亮度增强的互相关性高，不能用作独立因素。此外，所述性能与前景图像和背景图像之间的饱和度差与亮度差的比的相关性高。因此，经过图像内容分析，产生沉浸感觉的系统可基于人类对图像的感知属性产生下述信息：

1、前景图像的平均亮度(J_M)

2、前景图像的平均饱和度(C_M)

3、前景图像和背景图像之间的亮度差(ΔJ)

4、前景图像和背景图像之间的饱和度差(ΔC)

5、背景图像的图像平滑度(S)

也就是说，基于前景图像和背景图像，可通过使用前景图像的亮度和饱和度的平均值获得J_M和C_M。此外，可通过使用前景图像和背景图像之间的平均亮度和饱和度的差来计算ΔJ和ΔC。

在背景图像的图像平滑度方面，图像平滑度被定义为背景图像中的平滑像素的百分比，而每个平滑像素表示与其周围像素具有相同色貌的像素。作为示例，如果预定像素和每个周围像素之间的平均色差小于1.5E_CAM02，则该预定像素被认为是平滑像素(见等式1)。

从等式1可以看出，如果应用的颜色空间是CIELAB，则可使用“CIELAB”色差；如果应用的颜色空间是HSV，则可使用RGB色差。然后，背景图像的平滑度被定义为背景图像中平滑像素的和除以背景图像中所有像素的和，背景图像的平滑度由上面的等式2表示。

在等式1和等式2中，S表示背景图像的平滑度，S_x，y表示平滑像素(x，y)，BP表示背景像素，J、ac和bc表示对于像素的来自“CIECAM02”的颜色信息。

比例参数预测单元604预测比例参数。基于每个图像的内容，可总结出对于沉浸产生的基本信息。比例参数预测单元604基于来自每个图像的内容的基本信息来预测每个沉浸产生因素的比例参数。

对于饱和度增强，当前景图像和背景图像之间的亮度差与饱和度差的比(ΔJ/ΔC)低于特定阈值时，比例参数(K_s1)与前景图像和背景图像之间的亮度差与饱和度差的比(ΔJ/ΔC)相关性高。当给定了小比例时，比例参数预测单元604产生前景图像和背景图像之间的大的饱和度差的结果，而当前景图像和背景图像之间的饱和度差小时，采用大比例。可如等式3所示来预测饱和度的比例K_S1。

对于亮度增强，当前景图像和背景图像之间的饱和度差与亮度差的比(ΔC/ΔJ)低于特定阈值时，比例参数(K_B1)与前景图像和背景图像之间的饱和度差与亮度差的比(ΔC/ΔJ)相关性高。在这种情况下，当前景图像和背景图像之间的亮度差大时，使用小亮度比例，而当前景图像和背景图像之间的亮度差小时，采用大比例。此外，如等式4所示，使用线性关系来预测亮度的比例(K_B1)。

对于对比度增强，比例参数(K_CS1)与前景图像的平均饱和度相关性高。当图像在其前景上具有高饱和度时，对于沉浸产生期望小对比度增强，而当前景图像比较中性时，期望大对比度增强。可使用如等式5所示的线性函数来预测对比度增强的比例参数(K_CS1)。

对于软模糊，背景图像的平滑度S被直接用作比例参数。

亮度增强单元605增强图像的亮度。对于前景图像中的像素，如等式6所示，幂函数被用于亮度增强。所述幂函数被强制通过点(0，0)和(100，100)。点(0，0)表示相应显示器的黑点，而点(100，100)表示相应显示器的白点。

饱和度增强单元606增强图像的饱和度。在这种情况下，对于前景图像中的每个像素的饱和度增强采用如等式7所示的线性函数。

从等式7中，C_in和C_out分别表示用于饱和度增强的输入和输出饱和度，K_s表示用于饱和度增强的比例参数。在等式7中，由于中性色的饱和度不被尺寸效果所改变，所以函数被强制通过点(0，0)。

对比度增强单元607增强图像对比度。在这种情况下，如在等式8到等式12所示对前景图像执行对比度增强。为了增加前景图像的对比度，通过幂函数减小相对暗的颜色的亮度，而将相对亮的颜色的亮度处理为更亮。在这种情况下，相对暗的颜色的亮度小于前景图像的平均亮度，而相对亮的颜色的亮度大于前景图像的平均亮度。当亮度小于JM时，幂函数通过点(0，0)和(J_M，J_M)，否则，幂函数通过点(J_M，J_M)和(100，100)。

软模糊单元608针对背景图像执行软模糊。在这种情况下，使用均值滤波器来执行背景图像的软模糊。所述均值滤波器对背景图像的每个像素执行滤波。比例处理取决于背景图像的平滑度S。当平滑度S大于80％时，不执行软模糊处理。作为示例，当平滑度S在50％和80％之间时，在背景图像上使用3×3均值滤波器，当平滑度小于50％时，在背景图像上使用5×5均值滤波器。

在图像增强之后，颜色空间转换单元601可结合针对前景图像和背景图像预测的J_out、C_out和H_out以产生新的沉浸图像。然后，需要进行颜色空间转换以将人类感知属性转换为RGB数字信号。

如上所述，通过使用根据本发明的产生沉浸感觉的系统和方法，通过控制用于图像的背景图像和前景图像的独立的四种因素中的每一种因素，可对正常尺寸的显示器产生沉浸感觉。

因为上面已经描述了控制用于图像的沉浸产生的每种因素的方法和预测比例参数的方法，所以这里将省略对它们的描述。

根据本发明上述示例性实施例的产生沉浸感觉的方法可被记录在计算机可读的介质中，所述计算机可读介质包括实现通过计算机实施的各种操作的程序指令。所述介质还可单独或结合程序指令包括：数据文件、数据结构等。计算机可读介质的示例包括磁介质(比如硬盘、软盘和磁带)、光学介质(比如CD ROM盘和DVD)、磁光介质(比如光盘)和被专门构造以存储和执行程序指令的硬件装置(比如只读存储器(ROM)、随机存取存储器(RAM)、闪存等)。所述介质还可以是发送包括指定程序指令、数据结构等的信号的载波传输介质(比如光学线或金属线、波导等)。程序指令的示例包括(比如通过编译器产生的)机器代码和包含可由使用解释器的计算机执行的高级代码的文件。所述的硬件装置可被构造为用作一个或多个软件模块以执行本发明的上述示例性实施例的操作。

根据本发明，通过控制四种独立因素中的每种因素可对正常尺寸的显示器产生沉浸感觉。

此外，根据本发明，可通过使用感知属性(其包括亮度(或明度)、饱和度(或色度)和色调)来获得属性信息，并且由于基于所述属性信息预测比例参数，并控制四种独立因素中的每种因素，所以可对于正常尺寸的显示器产生沉浸感觉。

尽管已经显示和描述了本发明的若干实施例，本领域的技术人员应该理解，在不脱离本发明的原理和精神的情况下，可以对本发明实施例进行各种改变，本发明的范围由权利要求及其等同物限定。