WO2023282614A1 - 텍스처 영상 생성 방법 및 장치 - Google Patents

텍스처 영상 생성 방법 및 장치 Download PDF

Info

Publication number
WO2023282614A1
WO2023282614A1 PCT/KR2022/009747 KR2022009747W WO2023282614A1 WO 2023282614 A1 WO2023282614 A1 WO 2023282614A1 KR 2022009747 W KR2022009747 W KR 2022009747W WO 2023282614 A1 WO2023282614 A1 WO 2023282614A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
pattern
image
generating
texture image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/KR2022/009747
Other languages
English (en)
French (fr)
Inventor
신현준
양명현
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Clo Virtual Fashion Inc
Original Assignee
Clo Virtual Fashion Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from KR1020220082625A external-priority patent/KR102892162B1/ko
Application filed by Clo Virtual Fashion Inc filed Critical Clo Virtual Fashion Inc
Priority to EP22837966.5A priority Critical patent/EP4191536A4/en
Priority to CN202280004727.XA priority patent/CN115803787A/zh
Publication of WO2023282614A1 publication Critical patent/WO2023282614A1/ko
Priority to US18/295,834 priority patent/US12511807B2/en
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/49—Analysis of texture based on structural texture description, e.g. using primitives or placement rules
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T13/00—Animation
    • G06T13/20—Three-dimensional [3D] animation
    • G06T13/40—Three-dimensional [3D] animation of characters, e.g. humans, animals or virtual beings
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—Two-dimensional [2D] image generation
    • G06T11/10—Texturing; Colouring; Generation of textures or colours
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—Three-dimensional [3D] image rendering
    • G06T15/04—Texture mapping
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30124—Fabrics; Textile; Paper
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/16—Cloth

Definitions

  • the following embodiments relate to a texture image generation method and devices therefor.
  • a fabric manufactured by a weaving method may have a regular pattern.
  • a pattern extraction method may be a method of extraction by human visual intuition.
  • a texture can be created by synthesizing the extracted patterns.
  • real fabric for virtual simulation it may have to be produced in the form of a texture.
  • it can take many iterations to create a texture. Therefore, a lot of time and manpower may be required to virtually simulate various real fabrics.
  • a virtual fabric used for clothing simulation may be composed of a part (eg, mesh) for expressing physical properties and a part for expressing visual characteristics.
  • a part expressing visual characteristics may be a texture.
  • the texture can be composed of a part that expresses the color of the fabric and a normal map that expresses irregularities.
  • a method for generating a texture image of a virtual original fabric includes generating similarity information between a basic pattern included in an analysis target region and a plurality of sub regions dividing the analysis target region; generating at least one of repetition number information of a basic pattern and repetition direction information of a basic pattern based on the similarity information; and generating a texture image by arranging a plurality of basic patterns in a predetermined area based on the basic pattern, repetition number information, and repetition direction information.
  • the analysis target region may include a region determined based on a selection region determined by a user input in an input image including a fabric.
  • the texture image generation method may further include correcting the texture image based on at least one of pattern correction information, overlapping area information, and brightness correction information.
  • determining the selection area may include determining the selection area in the input image based on user input information.
  • the selection area may include an area including a basic pattern to be repeated in the texture image.
  • the input image includes at least one of a color image and a normal image
  • the similarity information includes first similarity information between a basic pattern area in the color image and a plurality of sub areas that are at least a part of the selected area. and second similarity information between a basic pattern region in the normal image and a plurality of sub regions that are at least a part of the selection region.
  • similarity information may be determined based on a weighted sum of first similarity information and second similarity information.
  • the repetition number information may include information related to the number of sub-regions whose similarity to the basic pattern region is greater than or equal to a predetermined standard in the analysis target region.
  • the repetition direction information may include direction-related information determined based on a distribution direction of sub-regions having a degree of similarity with a base pattern region in the analysis target region equal to or greater than a predetermined standard.
  • the repetition direction information may include a first direction in which sub-regions having a similarity with the base pattern region equal to or greater than a predetermined criterion are distributed based on a location of the base pattern region and a sub-region having a similarity with the base pattern region equal to or greater than a predetermined criterion. may include a second direction in which they are distributed.
  • generating a texture image may include determining a location of a base pattern region; determining a first direction and a second direction based on the position of the base pattern area and repetition direction information; calculating a first repetition number of a plurality of subregions distributed along a first direction and a second repetition number of a plurality of subregions distributed along a second direction, based on repetition number information and repetition direction information; and generating a texture image by repeatedly arranging the base pattern area based on the first direction, the second direction, the first repetition number, and the second repetition number.
  • the obtaining of at least one of repetition number information and repetition direction information may include blurring the similarity information to remove noise; extracting only a region having a similarity equal to or greater than a threshold based on the blurred similarity information; transforming the similarity information from which only the region equal to or greater than the threshold value is extracted by using Fast Fourier Transform;
  • the method may include acquiring at least one of repetition number information and repetition direction information based on the converted similarity information.
  • correcting a texture image based on pattern correction information may include converting an angle between a first direction and a second direction into a vertical direction; arranging a plurality of base pattern regions disposed on a texture image generated based on a first direction and a second direction; correcting the first reference line to be a straight line so that the first reference line is perpendicular to the second direction when the first reference line along the first direction is curved; and when the second reference line along the second direction is curved, correcting the second reference line to be a straight line so that the second reference line is perpendicular to the first direction.
  • the correcting of the texture image based on overlapping area information may include dividing the texture image into a plurality of patches; rearranging a plurality of patches; determining whether a pattern discontinuous area exists in an area where the rearranged plurality of patches come into contact with each other; determining an overlapping area of a plurality of patches based on whether a pattern discontinuous area exists;
  • the method may include overlapping the plurality of patches based on an overlapping area.
  • the method of generating a texture image may further include performing smoothing on a plurality of patches using a multi-band blending method.
  • the step of correcting the texture image based on the brightness correction information may include brightness of a plurality of basic pattern regions based on the brightness correction information in order to resolve a brightness mismatch between the plurality of basic pattern regions included in the texture image. It may include a step of correcting.
  • the method of generating a texture image of a virtual fabric may further include outputting a simulation result of wearing a 3D costume generated based on the texture image on a 3D avatar on a screen.
  • a method of generating a texture image of a virtual fabric includes receiving a user input related to scaling of a texture image; and adjusting the size of the texture image expressed on the 3D clothing based on the input for adjusting the size of the texture image.
  • An electronic device generates similarity information between a basic pattern included in an analysis target region and a plurality of sub regions dividing the analysis target region, and based on the similarity information, information on the number of repetitions of the basic pattern and and a processor generating a texture image by generating at least one of repetition direction information of a basic pattern and arranging a plurality of basic patterns in a predetermined area based on the basic pattern, repetition number information, and repetition direction information.
  • FIG. 1 is a diagram for explaining a method of generating a texture image according to an exemplary embodiment.
  • FIG. 2 is a diagram for explaining an analysis target region, a selection region, and a basic pattern region according to an exemplary embodiment.
  • 3 is a diagram for explaining similarity information according to an exemplary embodiment.
  • FIG. 4 is a diagram for explaining repetition number information and repetition direction information according to an exemplary embodiment.
  • FIG. 5 is a diagram for explaining a method of generating a texture image according to an exemplary embodiment.
  • FIG. 6 is a diagram for explaining a method of correcting a texture image based on pattern correction information according to an exemplary embodiment.
  • FIG. 7 is a diagram for explaining a method of correcting a texture image based on overlapping area information according to an exemplary embodiment.
  • FIG. 8 is a diagram for explaining an overlapping area according to an exemplary embodiment.
  • FIG. 9 is a diagram for explaining a method of generating a corrected texture image by removing an overlapping region according to an exemplary embodiment.
  • FIG. 10 is a diagram for explaining a method of correcting a texture image based on brightness correction information according to an exemplary embodiment.
  • FIG. 11 is a flowchart illustrating a method for generating a texture according to an exemplary embodiment.
  • FIG. 12 is a diagram for explaining a 3D cloth simulation in which a texture image is reflected according to an exemplary embodiment.
  • FIGS. 13A to 13B are diagrams for explaining a method of outputting at least one of an input image and a texture image to a screen according to an exemplary embodiment.
  • FIG. 14 is a diagram for explaining a method for adjusting the size of a texture image in 3D clothing simulation according to an exemplary embodiment.
  • 15 is a block diagram for explaining an electronic device according to various embodiments.
  • first or second may be used to describe various components, but these terms should only be understood for the purpose of distinguishing one component from another.
  • a first element may be termed a second element, and similarly, a second element may also be termed a first element.
  • FIG. 1 is a diagram for explaining a method of generating a texture image according to an exemplary embodiment.
  • the present disclosure may include a method of realistically and efficiently reflecting visual characteristics of a real fabric to a virtual fabric in a process of converting a real fabric into a virtual fabric.
  • an actual original fabric can be scanned using small equipment.
  • a realistic virtual fabric can be created from a scan image obtained from a relatively small-sized real fabric.
  • the processor 1210 may analyze and extract a pattern repeatedly appearing in an image obtained by scanning a fabric.
  • the processor 1210 may generate a texture image by synthesizing the extracted patterns and correct the generated texture image. Through this, the processor 1210 may generate a texture image in which the visual characteristics of the fabric are reflected.
  • a method of generating and correcting a texture image will be described in detail.
  • the input image 110 may be an image including a far end.
  • the input image 110 may include a color image and/or a normal image.
  • Fabric according to one embodiment may include a cloth that is a raw material of clothing.
  • the input image 110 may include an image obtained from an image capture device.
  • the image capture device may refer to any device capable of acquiring an image including a far end.
  • the image acquisition device may include a camera, scanner, or the like.
  • the pattern extractor 120 may include a module for extracting a pattern from the input image 110 .
  • a pattern may mean a visual characteristic repeated in a fabric.
  • the processor 1210 may extract a pattern from the input image 110 using the pattern extractor 120 .
  • the processor 1210 may generate the texture image 130 from the input image 110 using the pattern extractor 120 .
  • the pattern extractor 120 may determine (121) an analysis target region.
  • the analysis target region 210 may be described with reference to FIG. 2 .
  • the analysis target region 210 may include at least a portion of the input image 110 .
  • the selection area 230 may include an area selected by a user.
  • the processor 1210 may determine a selection area 230 in the input image 110 based on user input information.
  • the user input information may include information related to an area selected by the user.
  • a user may select a region for extracting a pattern from an input image.
  • the processor 1210 may determine the analysis target region 210 in the input image 110 based on the selection region 230 .
  • the processor 1210 may determine an analysis target area 210 four times the size of the selection area.
  • the processor 1210 may determine the base pattern region 250 in the selection region 230 and/or the analysis target region 210 .
  • the base pattern area 250 may include a unit pattern used to generate a texture image. Accordingly, the processor 1210 may generate a texture image by duplicating and arranging a plurality of base pattern regions 250 .
  • the processor 1210 analyzes the basic pattern area 250 and analysis in order to analyze how many times the basic pattern area 250 is repeated in the analysis target area 210 . Similarity information between at least some areas of the target area 210 may be calculated. Accordingly, the processor 1210 may analyze the overall pattern by analyzing how many times and in which direction the base pattern region 250 is repeated in the analysis target region 210 .
  • the pattern extractor 120 may obtain (122) similarity information 370.
  • the similarity information 370 may be described in detail with reference to FIG. 3 .
  • the base pattern area 250 according to an embodiment may be at least a part of the analysis target area 210 .
  • the base pattern area 250 according to another embodiment may be at least a part of the selection area 230 .
  • the processor 1210 according to an embodiment may generate similarity information 370 between the base pattern region 250 and the plurality of sub regions 211 , 212 , and 213 included in the analysis target region 210 . there is.
  • the number of sub-regions shown in FIG. 3 is only an example, and the present disclosure is not limited thereto.
  • the processor 1210 may perform a similarity check 310 between the base pattern region 250 and the sub regions 211 , 212 , and 213 .
  • the processor 1210 may generate similarity information 370 through a similarity test 310 .
  • the processor 1210 may generate similarity information between the basic pattern region 250 and the sub-regions 211, 212, and 213 based on a cross-correlation coefficient method.
  • An input image according to an embodiment may include at least one of a color image and a normal image.
  • a color image according to an embodiment may include color information of an input image.
  • a normal image according to an embodiment may include normal vector information of each pixel included in the input image.
  • the processor 1210 according to an embodiment may use a color image to generate similarity information 370 .
  • the processor 1210 according to an embodiment may use a normal image to generate similarity information 370 .
  • the processor 1210 according to an embodiment may use a color image and a normal image to generate similarity information 370 .
  • the processor 1210 according to an embodiment may supplement similarity information not detected in a color image by using similarity information detected in a normal image.
  • the similarity information 370 includes first similarity information 330 between a plurality of sub-regions that are at least a part of a basic pattern region and a selection region in a color image and a basic pattern region and a selection region in a normal image. It may be determined based on at least one of the second similarity information 350 between a plurality of sub-regions that are at least a part of .
  • the similarity information 370 may be determined based on a weighted sum of the first similarity information 330 and the second similarity information 350 .
  • similarity information 370 may be generated by assigning a greater weight to the first similarity information 330 than to the second similarity information 350.
  • the processor 1210 may determine the first similarity information 330 as the similarity information 370 . That is, the processor 1210 may not consider the second similarity information 350 .
  • the processor 1210 provides the second similarity information 350 more than the first similarity information 330.
  • the similarity information 370 may be generated by assigning a large weight. As another example, if the fabric includes various colors but does not have a repeating pattern, the processor 1210 assigns a greater weight to the second similarity information 350 than to the first similarity information 330. Thus, similarity information 370 may be generated.
  • the pattern extractor 120 may obtain repetition number information 123 .
  • the pattern extractor 120 may obtain repetition direction information 124 .
  • a method of generating repetition number information 123 and repetition direction information 124 according to an embodiment will be described in detail with reference to FIG. 4 .
  • the processor 1210 may generate at least one of repetition number information 123 of a basic pattern region and repetition direction information 124 of a basic pattern region based on the similarity information 370 .
  • the processor 1210 may perform post-processing on the similarity information 370 generated in FIG. 3 to generate repetition number information 123 and/or repetition direction information 124 .
  • the processor 1210 may blur the similarity information 370 to remove noise.
  • Blur processing according to an embodiment may refer to an effect of softening or blurring a specific region of an image.
  • Blur processing according to an embodiment may include Gaussian blur processing.
  • the processor 1210 may calculate a similarity threshold value in order to extract only regions and/or points in the analysis target region 210 whose similarity to the base pattern region 250 is equal to or higher than a predetermined standard.
  • the similarity threshold may be determined by a threshold value extraction method using a histogram. Accordingly, the processor 1210 may determine an area having a similarity threshold or higher as an area similar to the base pattern area.
  • the processor 1210 may perform a Fast Fourier Transform 410 on the similarity information 370 .
  • the processor 1210 may generate a Fourier transform image 430 by performing fast Fourier transform on the similarity information 370 .
  • the Fourier transform image 430 may include location information of sub-regions similar to the base pattern region 250 .
  • the processor 1210 may perform a pattern repetition directionality check 450 on the Fourier transform image 430 . Also, the processor 1210 may perform a pattern repetition count check on the Fourier transform image 430 .
  • the processor 1210 may obtain repetition direction information 124 .
  • the repetition direction information 124 is based on the distribution direction of sub-regions whose similarity to the basic pattern region 250 is greater than or equal to a predetermined criterion (eg, a similarity threshold) in the analysis target region 210. Information related to the determined direction may be included.
  • a predetermined criterion eg, a similarity threshold
  • the repetition direction information 124 is a first direction in which sub-regions having a similarity to the base pattern region 250 equal to or greater than a predetermined standard are distributed based on the position of the base pattern region 250 and the base pattern region 250. ) and a second direction in which sub-regions having a similarity equal to or greater than a predetermined criterion are distributed.
  • the location of the base pattern area 250 may include an area and/or a point where the first direction 471 and the second direction 472 intersect.
  • the first direction may be a horizontal direction based on the position of the base pattern region 250 .
  • the second direction may be a vertical direction based on the location of the base pattern region 250 .
  • the first reference line along the first direction and the second reference line along the second direction may be straight lines or curved lines along a curve of a fabric included in the input image.
  • the repetition number information may include information related to the number of sub-regions whose similarity to the basic pattern region 250 in the analysis target region 210 is greater than or equal to a predetermined criterion (eg, a similarity threshold).
  • the repetition number information 123 may include information related to the number of sub-regions whose similarity to the base pattern region 250 is greater than or equal to a predetermined standard in the selection region 230 .
  • the repetition number information 123 may be determined based on a first repetition number of a plurality of subregions distributed along a first direction and a second repetition number of a plurality of subregions distributed along a second direction.
  • the first repetition number of the plurality of sub-regions distributed along the first direction 471 may be 10.
  • sub-regions similar to the base pattern region 250 indicate that 11 (1 base pattern region + 10 sub-regions) basic pattern regions are repeated in the first direction (eg, horizontal direction) in the analysis target region.
  • the second repetition number of the plurality of sub-regions distributed along the second direction 472 may be 10.
  • sub-regions similar to the basic pattern region 250 indicate that 11 (1 basic pattern region + 10 sub-regions) basic pattern regions are repeated in the second direction (eg, vertical direction) in the analysis target region.
  • the processor 1210 obtains information that a total of 121 (11 * 11) repetitions of the basic pattern area in the analysis target area 210 are repeated. can do.
  • the pattern extractor 120 may generate a texture image 510 (eg, the texture image 510 of FIG. 5 ). Generation of the texture image 130 according to an exemplary embodiment will be described in detail with reference to FIG. 5 .
  • a texture image 510 may be shown.
  • the texture image 130 may include a base pattern area 250 .
  • the processor 1210 may determine the location of the base pattern area 250 .
  • the processor 1210 according to an embodiment may determine the first direction 471 and the second direction 472 based on the location of the base pattern region 250 and the repetition direction information 124 .
  • the processor 1210 determines a first repetition number and a second direction 472 of a plurality of subregions distributed along a first direction based on the repetition number information 123 and the repetition direction information 124.
  • the number of second repetitions of the plurality of sub-regions distributed according to the pattern may be calculated.
  • the processor 1210 repeatedly arranges the base pattern area based on the first direction 471, the second direction 472, the first repetition number, and the second repetition number, so that the texture image 510 ( Yes, the texture image 510 of FIG. 5 can be generated.
  • the first repetition number of subregions distributed along the first direction 471 is 7 in FIG. 5
  • the second repetition number of subregions distributed along the second direction 472 is 8 in FIG. 5 .
  • a total of 8 basic pattern areas (1 basic pattern area + 7 sub areas) may be repeated along the first direction.
  • a total of 9 basic pattern areas (1 basic pattern area + 8 sub areas) may be repeated along the second direction 472 .
  • the texture image 510 (eg, the texture image 510 of FIG. 5 ) may include an image in which a total of 72 basic pattern regions 250 are repeatedly arranged.
  • An angle 530 formed between the first direction 471 and the second direction 472 according to an embodiment may exist.
  • the texture generator 140 may include a module for correcting the texture image 130 .
  • the texture generator according to an embodiment may generate a corrected texture image 150 based on at least one of the pattern correction information 141 , overlapping area information 142 , and brightness correction information 143 .
  • An angle 530 formed between the first direction 471 and the second direction 472 may exist.
  • a pattern distortion may occur in the texture image 510 (eg, the texture image 510 of FIG. 5 ).
  • pattern distortion may occur in the process of obtaining an input image.
  • distortion may occur in the far-end included in the input image according to the viewpoint of the image capture device looking at the actual far-end.
  • a pattern misalignment may occur.
  • an angle 530 formed between the first direction 471 and the second direction 472 may not be a right angle.
  • the processor 1210 may correct 610 the texture image based on the pattern correction information.
  • Pattern correction information may include information necessary for correcting pattern distortion. As shown in FIG. 6 , when the angle 530 formed by the first direction 471 and the second direction 472 is not perpendicular, pattern distortion may occur in the texture image 130 . Accordingly, the processor 1210 may convert an angle 530 between the first direction 471 and the second direction 472 into a vertical direction.
  • the processor 1210 may correct the first reference line to be a straight line so that the first reference line is perpendicular to the second direction.
  • the first reference line may be a curve.
  • the processor 1210 may correct the curved first reference line to a straight line.
  • the processor 1210 may correct the second reference line to be a straight line so that the second reference line is perpendicular to the first direction.
  • the second reference line may be a curve.
  • the processor 1210 may correct the curved second reference line to a straight line.
  • the processor 1210 may correct the texture image based on the overlapping region information 142 .
  • a method of correcting a texture image based on the overlapping region information 142 will be described in detail with reference to FIG. 7 .
  • pattern discontinuity may occur in an area where the plurality of basic pattern areas come into contact with each other.
  • a pattern discontinuity may be a seamline.
  • an overlapping area between adjacent basic pattern areas may be determined so that the basic pattern areas overlap each other. Through this process, elements that hinder the continuity of patterns can be removed.
  • the processor 1210 may divide the texture image 130 into a plurality of patches.
  • a patch may correspond to one base pattern area.
  • a patch may include a plurality of base pattern regions.
  • the texture image 130 according to an exemplary embodiment may have the same size as the region to be analyzed. Since the analysis target region 210 includes the selection region 230 , the selection region may be determined based on location information of the selection region 230 in the texture image 130 .
  • the processor 1210 may divide the texture image 130 based on the selected region 230 . Accordingly, the first patch 710 in the selection area corresponding to the first patch 710 may be included. The second patch 730, the third patch 750, and the fourth patch 770 may also include patches within the selection area in the same manner.
  • the processor 1210 may rearrange a plurality of patches. As shown in step 701, the processor 1210 according to an embodiment converts patches included in the texture image 130 into a first patch 711, a second patch 731, a third patch 751, and a third patch 751. It can be relocated to the fourth patch 771. Accordingly, the patches 720 , 740 , 760 , and 780 in the selected area may also be disposed at rearranged positions 721 , 741 , 761 , and 781 as shown in 701 .
  • Pattern discontinuous areas may occur at portions where each of the rearranged first patch 711, second patch 731, third patch 751, and fourth patch 771 come into contact with each other. there is. For example, between the first patch 711 and the second patch 731, between the first patch 711 and the third patch 751, and between the second patch 731 and the fourth patch 771 through rearrangement.
  • the gap between the third patch 751 and the fourth patch 771 may be a newly encountered part.
  • the adjacent parts may be adjacent parts when the image 700 shown in FIG. 7 is repeatedly arranged.
  • the processor 1210 may include between the first patch 711 and the second patch 731, between the first patch 711 and the third patch 751, and between the second patch 731 and the fourth patch. It may be determined whether a pattern discontinuous area exists between 771 and between the third patch 751 and the fourth patch 771 . When a pattern discontinuous area exists, the processor 1210 may determine an overlapping area of patches.
  • pattern discontinuities eg, seam lines
  • the processor 1210 may generate an overlapping area 2 781.
  • patches may be arranged to overlap as much as the corresponding overlapping area 2 (781). This process may be performed similarly to other adjacent areas.
  • the processor 1210 may create an overlapping region 3 782 where the first patch 711 and the second patch 731 overlap.
  • the processor 1210 may create an overlapping region 4 783 where the second patch 731 and the fourth patch 771 overlap.
  • the processor 1210 may create an overlapping region 1 780 where the third patch 751 and the fourth patch 771 overlap.
  • the processor 1210 may search for an overlapping region in the patch. Referring to FIG. 8 , the processor 1210 may search 830 an overlapping region in the patch 810 . Search results may be displayed as shown in FIG. 8 . Accordingly, the processor 1210 may overlap a plurality of patches by using the information about the overlapping region 850 that is searched for.
  • the processor 1210 may overlap a plurality of patches based on the overlapping area. Referring to FIG. 9 , the processor 1210 performs a process based on an overlapping region 850 of each of the first patch 710, the second patch 730, the third patch 750, and the fourth patch 750. Patches can be nested. The processor 1210 according to another embodiment is based on the overlapping area 850 of each of the rearranged first patch 711 , second patch 731 , third patch 751 , and fourth patch 771 . Patches can also be nested. When overlapping a plurality of patches, the processor 1210 according to an embodiment may overlap the patches using a multi-image synthesis method.
  • a multi-image synthesizing method may refer to a method for acquiring image matching and synthesizing results without boundary noise in a process of synthesizing images acquired based on multiple cameras.
  • the processor 1210 may perform a smoothing operation on overlapping patches.
  • the processor 1210 may perform smoothing on a plurality of patches using a multi-band blending method.
  • the processor 1210 may correct the texture image based on the brightness correction information 143 .
  • a method of correcting a texture image based on the brightness correction information 143 will be described in detail with reference to FIG. 10 .
  • Patch 1 (1011) and patch 1012 shown in FIG. 10 may have different brightness. In this case, when the brightness of the patches is different, a natural brightness change may not be expressed throughout the texture image. Accordingly, there may be a need to apply uniform brightness to the entire texture image. Therefore, the processor 1210 may use the brightness correction information 143 to resolve the brightness mismatch in the texture image in which the plurality of base pattern regions 250 are replicated and arranged.
  • the brightness correction information 143 may include information for correcting a difference in brightness of an area caused by lighting.
  • the upper left corner may be bright, but the lower right corner may become darker.
  • This brightness change tendency may be expressed as a brightness change direction 1010 . Therefore, it may be necessary to correct the brightness of patches (or base pattern regions) included in the texture image.
  • the processor 1210 may correct brightness of a plurality of base pattern regions based on the brightness correction information 143 in order to resolve a brightness discrepancy between the plurality of base pattern regions included in the texture image.
  • the processor 1210 may correct the brightness of the base pattern regions in a sliding window method. For example, the processor 1210 may correct the brightness in units of the basic pattern area while moving the basic pattern area along the brightness correction direction 1020 .
  • the processor 1210 can easily extract a repetitive pattern of fabric. It can also apply fabric to virtual simulations by generating and calibrating the result in the form of a texture composed of repeating patterns. Accordingly, the processor 1210 may visually express a texture representing a fabric included in an input image in a costume simulation.
  • FIG. 2 is a diagram for explaining an analysis target region, a selection region, and a basic pattern region according to an exemplary embodiment.
  • FIG. 2 an analysis target region 210 , a selection region 230 , and a base pattern region 250 are shown.
  • the analysis target region 210 may include at least a portion of the input image 110 .
  • the selection area 230 may include an area selected by a user.
  • the processor 1210 may determine a selection area 230 in the input image 110 based on user input information.
  • the user input information may include information related to an area selected by the user.
  • a user may select a region for extracting a pattern from an input image.
  • the processor 1210 may determine the analysis target region 210 in the input image 110 based on the selection region 230 . For example, when the selection area 230 is determined, the processor 1210 may determine an analysis target area 210 four times the size of the selection area.
  • the processor 1210 may determine the base pattern region 250 in the selection region 230 and/or the analysis target region 210 .
  • the base pattern area 250 may include a unit pattern used to generate a texture image. Accordingly, the processor 1210 may generate a texture image by duplicating and arranging a plurality of base pattern regions 250 .
  • 3 is a diagram for explaining similarity information according to an exemplary embodiment.
  • an analysis target region 210 a plurality of sub regions 211, 212, and 213, a basic pattern region 250, a similarity test 310, first similarity information 330, and second similarity information 350 ) and similarity information 370 are shown.
  • the pattern extractor 120 may obtain (122) similarity information 370.
  • the similarity information 370 may be described in detail with reference to FIG. 3 .
  • the base pattern area 250 according to an embodiment may be at least a part of the analysis target area 210 .
  • the base pattern area 250 according to another embodiment may be at least a part of the selection area 230 .
  • the processor 1210 according to an embodiment may generate similarity information 370 between the base pattern region 250 and the plurality of sub regions 211 , 212 , and 213 included in the analysis target region 210 . there is.
  • the number of sub-regions shown in FIG. 3 is only an example, and the present disclosure is not limited thereto.
  • the processor 1210 may perform a similarity check 310 between the base pattern region 250 and the sub regions 211 , 212 , and 213 .
  • the processor 1210 may generate similarity information 370 through a similarity test 310 .
  • the processor 1210 may generate similarity information between the basic pattern region 250 and the sub-regions 211, 212, and 213 based on a cross-correlation coefficient method.
  • An input image according to an embodiment may include at least one of a color image and a normal image.
  • a color image according to an embodiment may include color information of an input image.
  • a normal image according to an embodiment may include normal vector information of each pixel included in the input image.
  • the processor 1210 according to an embodiment may use a color image to generate similarity information 370 .
  • the processor 1210 according to an embodiment may use a normal image to generate similarity information 370 .
  • the processor 1210 according to an embodiment may use a color image and a normal image to generate similarity information 370 .
  • the processor 1210 according to an embodiment may supplement similarity information not detected in a color image by using similarity information detected in a normal image.
  • the similarity information 370 includes first similarity information 330 between a plurality of sub-regions that are at least a part of a basic pattern region and a selection region in a color image and a basic pattern region and a selection region in a normal image. It may be determined based on at least one of the second similarity information 350 between a plurality of sub-regions that are at least a part of .
  • the similarity information 370 may be determined based on a weighted sum of the first similarity information 330 and the second similarity information 350 .
  • similarity information 370 may be generated by assigning a greater weight to the first similarity information 330 than to the second similarity information 350.
  • the processor 1210 may determine the first similarity information 330 as the similarity information 370 . That is, the processor 1210 may not consider the second similarity information 350 .
  • the processor 1210 provides the second similarity information 350 more than the first similarity information 330.
  • the similarity information 370 may be generated by assigning a large weight. As another example, if the fabric includes various colors but does not have a repeating pattern, the processor 1210 assigns a greater weight to the second similarity information 350 than to the first similarity information 330. Thus, similarity information 370 may be generated.
  • FIG. 4 is a diagram for explaining repetition number information and repetition direction information according to an exemplary embodiment.
  • similarity information 370 fast Fourier transform 410 , Fourier transform image 430 , pattern repetition directionality check 450 , repetition direction information 470 , a first direction 471 and a second direction 472 ) is shown.
  • the processor 1210 may generate at least one of repetition number information 123 of a basic pattern region and repetition direction information 124 of a basic pattern region based on the similarity information 370 .
  • the processor 1210 may perform post-processing on the similarity information 370 generated in FIG. 3 to generate repetition number information 123 and/or repetition direction information 124 .
  • the processor 1210 may blur the similarity information 370 to remove noise.
  • Blur processing according to an embodiment may refer to an effect of softening or blurring a specific region of an image.
  • Blur processing according to an embodiment may include Gaussian blur processing.
  • the processor 1210 may calculate a similarity threshold value in order to extract only regions and/or points in the analysis target region 210 whose similarity to the base pattern region 250 is equal to or higher than a predetermined standard.
  • the similarity threshold may be determined by a threshold value extraction method using a histogram. Accordingly, the processor 1210 may determine an area having a similarity threshold or higher as an area similar to the base pattern area.
  • the processor 1210 may perform a Fast Fourier Transform 410 on the similarity information 370 .
  • the processor 1210 may generate a Fourier transform image 430 by performing fast Fourier transform on the similarity information 370 .
  • the Fourier transform image 430 may include location information of sub-regions similar to the base pattern region 250 .
  • the processor 1210 may perform a pattern repetition directionality check 450 on the Fourier transform image 430 . Also, the processor 1210 may perform a pattern repetition count check on the Fourier transform image 430 .
  • the processor 1210 may obtain repetition direction information 124 .
  • the repetition direction information 124 is based on the distribution direction of sub-regions whose similarity to the basic pattern region 250 is greater than or equal to a predetermined criterion (eg, a similarity threshold) in the analysis target region 210. Information related to the determined direction may be included.
  • a predetermined criterion eg, a similarity threshold
  • the repetition direction information 124 is a first direction in which sub-regions having a similarity to the base pattern region 250 equal to or greater than a predetermined standard are distributed based on the position of the base pattern region 250 and the base pattern region 250. ) and a second direction in which sub-regions having a similarity equal to or greater than a predetermined criterion are distributed.
  • the location of the base pattern area 250 may include an area and/or a point where the first direction 471 and the second direction 472 intersect.
  • the first direction may be a horizontal direction based on the position of the base pattern region 250 .
  • the second direction may be a vertical direction based on the location of the base pattern region 250 .
  • the first reference line along the first direction and the second reference line along the second direction may be straight lines or curved lines along a curve of a fabric included in the input image.
  • the repetition number information may include information related to the number of sub-regions whose similarity to the basic pattern region 250 in the analysis target region 210 is greater than or equal to a predetermined criterion (eg, a similarity threshold).
  • the repetition number information 123 may include information related to the number of sub-regions whose similarity to the base pattern region 250 is greater than or equal to a predetermined standard in the selection region 230 .
  • the repetition number information 123 may be determined based on a first repetition number of a plurality of subregions distributed along a first direction and a second repetition number of a plurality of subregions distributed along a second direction.
  • the first repetition number of the plurality of sub-regions distributed along the first direction 471 may be 10.
  • sub-regions similar to the base pattern region 250 indicate that 11 (1 base pattern region + 10 sub-regions) basic pattern regions are repeated in the first direction (eg, horizontal direction) in the analysis target region.
  • the second repetition number of the plurality of sub-regions distributed along the second direction 472 may be 10.
  • sub-regions similar to the basic pattern region 250 indicate that 11 (1 basic pattern region + 10 sub-regions) basic pattern regions are repeated in the second direction (eg, vertical direction) in the analysis target region.
  • the processor 1210 obtains information that a total of 121 (11 * 11) repetitions of the basic pattern area in the analysis target area 210 are repeated. can do.
  • FIG. 5 is a diagram for explaining a method of generating a texture image according to an exemplary embodiment.
  • FIG. 5 shows a texture image 510, a base pattern area 250, a first direction 471, a second direction 472, an angle 530, and a location 550 of the base pattern area.
  • a texture image 510 may be shown.
  • the texture image 510 may include a base pattern area 250 .
  • the processor 1210 may determine the location of the base pattern area 250 .
  • the processor 1210 may determine the first direction 471 and the second direction 472 based on the location of the base pattern region 250 and the repetition direction information 124 .
  • the processor 1210 according to an embodiment determines a first repetition number and a second direction 472 of a plurality of subregions distributed along a first direction based on the repetition number information 123 and the repetition direction information 124. The number of second repetitions of the plurality of sub-regions distributed according to the pattern may be calculated.
  • the processor 1210 generates the texture image 510 by repeatedly arranging basic pattern areas based on the first direction 471, the second direction 472, the first repetition number, and the second repetition number.
  • the first repetition number of subregions distributed along the first direction 471 is 7 in FIG. 5
  • the second repetition number of subregions distributed along the second direction 472 is 8 in FIG. 5 .
  • a total of 9 basic pattern areas (1 basic pattern area + 8 sub areas) may be repeated along the second direction 472 .
  • the texture image 510 may include an image in which a total of 72 basic pattern regions 250 are repeatedly arranged.
  • An angle 530 formed between the first direction 471 and the second direction 472 according to an embodiment may exist.
  • FIG. 6 is a diagram for explaining a method of correcting a texture image based on pattern correction information according to an exemplary embodiment.
  • FIG. 6 shows a texture image 130, a texture image correction 610 based on pattern correction information, and a corrected texture image 630.
  • the processor 1210 may correct 610 the texture image based on the pattern correction information.
  • Pattern correction information may include information necessary for correcting pattern distortion. As shown in FIG. 6 , when the angle 530 formed by the first direction 471 and the second direction 472 is not perpendicular, pattern distortion may occur in the texture image 130 . Accordingly, the processor 1210 may convert an angle 530 between the first direction 471 and the second direction 472 into a vertical direction.
  • the processor 1210 may correct the first reference line to be a straight line so that the first reference line is perpendicular to the second direction.
  • the first reference line may be a curve.
  • the processor 1210 may correct the curved first reference line to a straight line.
  • the processor 1210 may correct the second reference line to be a straight line so that the second reference line is perpendicular to the first direction.
  • the second reference line may be a curve.
  • the processor 1210 may correct the curved second reference line to a straight line.
  • FIG. 7 is a diagram for explaining a method of correcting a texture image based on overlapping region information according to an exemplary embodiment.
  • the processor 1210 may divide the texture image 130 into a plurality of patches.
  • a patch may correspond to one base pattern area.
  • a patch may include a plurality of base pattern regions.
  • the texture image 130 according to an exemplary embodiment may have the same size as the region to be analyzed. Since the analysis target region 210 includes the selection region 230 , the selection region may be determined based on location information of the selection region 230 in the texture image 130 .
  • the processor 1210 may divide the texture image 130 based on the selected region 230 . Accordingly, the first patch 710 in the selection area corresponding to the first patch 710 may be included. The second patch 730, the third patch 750, and the fourth patch 770 may also include patches within the selection area in the same manner.
  • the processor 1210 may rearrange a plurality of patches. As shown in step 701, the processor 1210 according to an embodiment converts patches included in the texture image 130 into a first patch 711, a second patch 731, a third patch 751, and a third patch 751. It can be relocated to the fourth patch 771. Accordingly, the patches 720 , 740 , 760 , and 780 in the selected area may also be disposed at rearranged positions 721 , 741 , 761 , and 781 as shown in 701 .
  • Pattern discontinuous areas may occur at portions where each of the rearranged first patch 711, second patch 731, third patch 751, and fourth patch 771 come into contact with each other. there is. For example, between the first patch 711 and the second patch 731, between the first patch 711 and the third patch 751, and between the second patch 731 and the fourth patch 771 through rearrangement.
  • the gap between the third patch 751 and the fourth patch 771 may be a newly encountered part.
  • the adjacent parts may be adjacent parts when the image 700 shown in FIG. 7 is repeatedly arranged.
  • the processor 1210 may include between the first patch 711 and the second patch 731, between the first patch 711 and the third patch 751, and between the second patch 731 and the fourth patch. It may be determined whether a pattern discontinuous area exists between 771 and between the third patch 751 and the fourth patch 771 . When a pattern discontinuous area exists, the processor 1210 may determine an overlapping area of patches.
  • pattern discontinuities eg, seam lines
  • the processor 1210 may create an overlapping area 2 781.
  • patches may be arranged to overlap as much as the corresponding overlapping area 2 (781). This process may be performed similarly to other adjacent areas.
  • the processor 1210 may create an overlapping region 3 782 where the first patch 711 and the second patch 731 overlap.
  • the processor 1210 may create an overlapping region 4 783 where the second patch 731 and the fourth patch 771 overlap.
  • the processor 1210 may create an overlapping region 1 780 where the third patch 751 and the fourth patch 771 overlap.
  • FIG. 8 is a diagram for explaining an overlapping area according to an exemplary embodiment.
  • FIG. 8 a patch 810 , an overlap region search 830 , and an overlap region 850 are shown.
  • the processor 1210 may search for an overlapping region in the patch. Referring to FIG. 8 , the processor 1210 may search 830 an overlapping region in the patch 810 . Search results may be displayed as shown in FIG. 8 . Accordingly, the processor 1210 may overlap a plurality of patches by using the information about the overlapping region 850 that is searched for.
  • FIG. 9 is a diagram for explaining a method of generating a corrected texture image by removing an overlapping region according to an exemplary embodiment.
  • FIG. 9 shows a first patch 710, a second patch 730, a third patch 750, a fourth patch 770, an overlapping region 850, and a corrected texture image 910.
  • the processor 1210 may overlap a plurality of patches based on the overlapping area. Referring to FIG. 9 , the processor 1210 performs a process based on an overlapping region 850 of each of the first patch 710, the second patch 730, the third patch 750, and the fourth patch 750. Patches can be nested. The processor 1210 according to another embodiment is based on the overlapping area 850 of each of the rearranged first patch 711 , second patch 731 , third patch 751 , and fourth patch 771 . Patches can also be nested. When overlapping a plurality of patches, the processor 1210 according to an embodiment may overlap the patches using a multi-image synthesis method.
  • a multi-image synthesizing method may refer to a method for acquiring image matching and synthesizing results without boundary noise in a process of synthesizing images acquired based on multiple cameras.
  • the processor 1210 may perform a smoothing operation on overlapping patches.
  • the processor 1210 may perform smoothing on a plurality of patches using a multi-band blending method.
  • FIG. 10 is a diagram for explaining a method of correcting a texture image based on brightness correction information according to an exemplary embodiment.
  • FIG. 10 shows a brightness change direction 1010, patch 1 1011, patch 2 1012, a brightness correction direction 1020, and a brightness change degree 1030.
  • the processor 1210 may correct the texture image based on the brightness correction information 143 .
  • a method of correcting a texture image based on the brightness correction information 143 will be described in detail with reference to FIG. 10 .
  • Patch 1 (1011) and patch 1012 shown in FIG. 10 may have different brightness. In this case, when the brightness of the patches is different, a natural brightness change may not be expressed throughout the texture image. Accordingly, there may be a need to apply uniform brightness to the entire texture image. Therefore, the processor 1210 may use the brightness correction information 143 to resolve the brightness mismatch in the texture image in which the plurality of base pattern regions 250 are replicated and arranged.
  • the brightness correction information 143 may include information for correcting a difference in brightness of an area caused by lighting.
  • the upper left corner may be bright, but the lower right corner may become darker.
  • This brightness change tendency may be expressed as a brightness change direction 1010 . Therefore, it may be necessary to correct the brightness of patches (or base pattern regions) included in the texture image.
  • the processor 1210 may correct brightness of a plurality of base pattern regions based on the brightness correction information 143 in order to resolve a brightness discrepancy between the plurality of base pattern regions included in the texture image.
  • the processor 1210 may correct the brightness of the base pattern regions in a sliding window method. For example, the processor 1210 may correct the brightness in units of the basic pattern area while moving the basic pattern area along the brightness correction direction 1020 .
  • FIG. 11 is a flowchart illustrating a method for generating a texture according to an exemplary embodiment.
  • the electronic device 1200 may determine (1110) a selection area in an input image including a fabric.
  • the electronic device 1200 may determine ( 1120 ) an analysis target region in the input image based on the selected region.
  • the electronic device 1200 may generate (1130) similarity information between a basic pattern area that is at least a part of the analysis target area and a plurality of sub areas included in the analysis target area.
  • the electronic device 1200 may generate (1140) at least one of repetition number information of a basic pattern area and repetition direction information of a basic pattern area based on the similarity information.
  • the electronic device 1200 generates a texture image by arranging a plurality of basic pattern areas in a predetermined area based on at least one of a basic pattern area, a location of the basic pattern area, repetition number information, and repetition direction information. (1160) can.
  • FIG. 12 is a diagram for explaining a 3D cloth simulation in which a texture image is reflected according to an exemplary embodiment.
  • FIG. 12 a 3D simulation screen 1310, fabric type 1320, size 1330, input image display object 1350, texture image display object 1360, input image and texture image display object 1370, open An object 1390 , a storage object 1391 , an apply object 1392 , a cancel object 1393 and an input image 1380 are shown.
  • the 3D simulation screen 1310 may be a screen on which a 3D garment to which a texture image based on the input image 1380 is applied is output.
  • the processor 1210 may generate a 3D garment based on the texture image and output it on the 3D simulation screen 1310 . Accordingly, when the input image or texture image is changed, the processor 1210 may generate a 3D garment corresponding to the corresponding input image or texture image and output it on the 3D simulation screen 1310 .
  • the fabric type 1320 may be an object through which the processor 1210 may receive information about the fabric type from the user. For example, the user may input a fabric type through fabric type 1320 .
  • Fabric types may include, for example, Plain, Repeat Pattern, Random Color Pattern, and Non-Fabric.
  • the size 1330 may be an object representing the size of an input image or texture image.
  • the input image display object 1350 may be an object for outputting an input image on a screen.
  • the processor 1210 receives a selection input of the input image display object 1350, the input image 1380 may be displayed on the screen.
  • the texture image display object 1360 may be an object for outputting a texture image to the screen. A detailed description of the texture image display object 1360 will be described later with reference to FIG. 13A.
  • the input image and texture image display object 1370 may be an object for simultaneously outputting an input image and a texture image on a screen. A detailed description of the input image and the texture image display object 1370 will be described later with reference to FIG. 13B.
  • the open object 1390 may be an object for calling another input image or texture image.
  • the storage object 1391 may be an object for storing a current input image or texture image.
  • the applied object 1392 may be an object for generating a 3D garment based on an input image or a texture image.
  • the cancellation object 1393 may be an object for stopping a process of generating a 3D garment based on an input image or a texture image.
  • FIGS. 13A to 13B are diagrams for explaining a method of outputting at least one of an input image and a texture image to a screen according to an exemplary embodiment.
  • the processor 1210 When receiving a selection input of the texture image display object 1360, the processor 1210 according to an embodiment may output the texture image 1410 to the screen.
  • the processor 1210 may output the input image 1420 and the texture image 1430 to the screen when receiving a selection input of the input image and the texture image display object 1370 .
  • the user can output at least one of the input image and the texture image on the screen, and then check the simulation result in which at least one of the input image and the texture image is applied to the 3D garment through the screen.
  • FIG. 14 is a diagram for explaining a method for adjusting the size of a texture image in 3D clothing simulation according to an exemplary embodiment.
  • FIG. 14 a partial region 1510 of the 3D clothing, a texture image 1520, a selection region 1530, and a texture image 1540 corresponding to the selection region are shown.
  • the processor 1210 may generate a 3D garment to which at least a partial region of the texture image is applied.
  • a user may want to use only a part of a texture image generated based on an input image for designing clothes.
  • the processor 1210 may generate a 3D garment based on at least a part of the texture image.
  • the processor 1210 may output a simulation result of wearing a 3D costume generated based on at least a part of the texture image on a 3D avatar on a screen.
  • the processor 1210 may receive a selection area 1530 that is a partial area of the texture image 1520 from the user. Based on the selection area 1530, the processor 1210 may output a texture image 1540 corresponding to the selection area on the screen.
  • the processor 1210 may generate a 3D costume based on the texture image 1540 corresponding to the selected area, and the processor 1210 may output a 3D avatar wearing the corresponding 3D costume on a screen. .
  • the processor 1210 may adjust the size of a texture image.
  • the processor 1210 may adjust the size of a texture image expressed on a 3D garment.
  • the size of the texture image may be adjusted, the size of the pattern expressed on the 3D clothing, the size of the pattern, etc. may be adjusted.
  • the processor 1210 may receive a selection input for the partial region 1510 of the 3D costume.
  • the partial region 1510 of the 3D garment may be a pattern (eg, a torso front pattern).
  • the processor 1210 may adjust the size of the texture image of the partial region 1510 of the 3D clothing.
  • the size of the texture image displayed in a partial region of the 3D garment may be adjusted. For example, when a user enlarges a texture image, the size of the texture image displayed in a partial region of the 3D clothing may increase. If a pattern is included in the texture image, the corresponding pattern may become larger.
  • 15 is a block diagram for explaining an electronic device according to various embodiments.
  • an electronic device 1200 includes a memory 1220, a processor 1210, and a communication interface 1230.
  • the memory 1220 , processor 1210 , and communication interface 1230 may be connected to each other through a communication bus 1240 .
  • the memory 1220 may store various pieces of information generated during the process of the processor 1210 described above. In addition, the memory 1220 may store various data and programs. The memory 1220 may include volatile memory or non-volatile memory. The memory 1220 may include a mass storage medium such as a hard disk to store various types of data.
  • the processor 1210 may be a hardware-implemented device having a circuit having a physical structure for executing desired operations.
  • desired operations may include codes or instructions included in a program.
  • classification units implemented in hardware include a microprocessor, a central processing unit (CPU), a graphics processing unit (GPU), a processor core, and a multi-core processor. (multi-core processor), multiprocessor, ASIC (Application-Specific Integrated Circuit), FPGA (Field Programmable Gate Array), NPU (Neural Processing Unit), and the like.
  • the processor 1210 may execute a program and control an automated stock trading device.
  • Program codes executed by the processor 1210 may be stored in the memory 1220 .
  • the embodiments described above may be implemented as hardware components, software components, and/or a combination of hardware components and software components.
  • the devices, methods and components described in the embodiments may include, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable gate (FPGA). array), programmable logic units (PLUs), microprocessors, or any other device capable of executing and responding to instructions.
  • the processing device may execute an operating system (OS) and software applications running on the operating system.
  • a processing device may also access, store, manipulate, process, and generate data in response to execution of software.
  • the processing device includes a plurality of processing elements and/or a plurality of types of processing elements. It can be seen that it can include.
  • a processing device may include a plurality of processors or a processor and a controller. Other processing configurations are also possible, such as parallel processors.
  • Software may include a computer program, code, instructions, or a combination of one or more of the foregoing, which configures a processing device to operate as desired or processes independently or collectively. You can command the device.
  • Software and/or data may be any tangible machine, component, physical device, virtual equipment, computer storage medium or device, intended to be interpreted by or provide instructions or data to a processing device. , or may be permanently or temporarily embodied in a transmitted signal wave.
  • Software may be distributed on networked computer systems and stored or executed in a distributed manner.
  • Software and data may be stored on computer readable media.
  • the method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded on a computer readable medium.
  • the computer readable medium may include program instructions, data files, data structures, etc. alone or in combination, and the program instructions recorded on the medium may be specially designed and configured for the embodiment or may be known and usable to those skilled in the art of computer software.
  • Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floptical disks.
  • - includes hardware devices specially configured to store and execute program instructions, such as magneto-optical media, and ROM, RAM, flash memory, and the like.
  • Examples of program instructions include high-level language codes that can be executed by a computer using an interpreter, as well as machine language codes such as those produced by a compiler.
  • the hardware device described above may be configured to operate as one or a plurality of software modules to perform the operations of the embodiments, and vice versa.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Image Analysis (AREA)
  • Image Generation (AREA)

Abstract

일 실시예에 따르면, 가상 원단의 텍스처 영상 생성 방법은 분석 대상 영역에 포함된 기초 패턴과 분석 대상 영역을 분할하는 복수의 서브 영역들 사이 각각의 유사도 정보를 생성하는 단계; 유사도 정보에 기초하여 기초 패턴의 반복 개수 정보 및 기초 패턴의 반복 방향 정보 중 적어도 하나를 생성하는 단계; 및 기초 패턴, 반복 개수 정보 및 반복 방향 정보에 기초하여 복수의 기초 패턴들을 미리 결정된 영역에 배치함으로써 가상 원단의 텍스처 영상을 생성하는 단계를 포함할 수 있다.

Description

텍스처 영상 생성 방법 및 장치
아래 실시예들은 텍스처 영상 생성 방법 및 그 장치들에 관한 것이다.
직조 방식으로 제작된 원단은 규칙적인 패턴을 가질 수 있다. 일반적으로 패턴 추출 방법은 사람의 시각적 직관에 의해서 추출하는 방법일 수 있다. 그리고 추출된 패턴을 합성함으로써 텍스처를 생성할 수 있다. 실제 원단을 가상 시뮬레이션에 사용하기 위해서는 텍스처(texture) 형태로 제작해야 할 수 있다. 하지만 텍스처를 생성하기 위해서 많은 반복 작업이 필요할 수 있다. 따라서 다양한 실제 원단을 가상으로 시뮬레이션하기 위해서는 많은 시간과 인력이 필요할 수 있다.
의상 시뮬레이션에 사용되는 가상 원단(virtual fabric)은 물성을 표현하기 위한 부분(예, mesh)과 시각적 특성을 표현하기 위한 부분으로 구성될 수 있다. 시각적 특성을 표현하는 부분은 통상 텍스처(texture)일 수 있다. 텍스처는 원단의 색상을 표현하는 부분과 요철을 표현하는 normal map으로 구성될 수 있다.
일 실시예에 따르면, 가상 원단의 텍스처 영상 생성 방법은 분석 대상 영역에 포함된 기초 패턴과 분석 대상 영역을 분할하는 복수의 서브 영역들 사이 각각의 유사도 정보를 생성하는 단계; 유사도 정보에 기초하여 기초 패턴의 반복 개수 정보 및 기초 패턴의 반복 방향 정보 중 적어도 하나를 생성하는 단계; 및 기초 패턴, 반복 개수 정보 및 반복 방향 정보에 기초하여 복수의 기초 패턴들을 미리 결정된 영역에 배치함으로써 텍스처 영상을 생성하는 단계를 포함할 수 있다.
일 실시예에 따르면, 분석 대상 영역은 원단(fabric)이 포함된 입력 영상에서 사용자 입력에 의하여 결정된 선택 영역에 기초하여 결정된 영역을 포함할 수 있다.
일 실시예에 따르면, 텍스처 영상 생성 방법은 패턴 교정 정보, 중첩 영역 정보 및 밝기 보정 정보 중 적어도 하나에 기초하여 텍스처 영상을 보정하는 단계를 더 포함할 수 있다.
일 실시예에 따르면, 선택 영역을 결정하는 단계는 사용자 입력 정보에 기초하여 상기 입력 영상에서 상기 선택 영역을 결정하는 단계를 포함할 수 있다.
일 실시예에 따르면, 선택 영역은 텍스처 영상에서 반복의 대상이 되는 기초 패턴이 포함된 영역을 포함할 수 있다.
일 실시예에 따르면, 입력 영상은 컬러 영상 및 노멀 영상 중 적어도 하나를 포함하고, 유사도 정보는, 컬러 영상에서의 기초 패턴 영역과 선택 영역의 적어도 일부인 복수의 서브 영역들 사이 각각의 제1 유사도 정보 및 노멀 영상에서의 기초 패턴 영역과 선택 영역의 적어도 일부인 복수의 서브 영역들 사이 각각의 제2 유사도 정보 중 적어도 하나에 기초하여 결정될 수 있다.
일 실시예에 따르면, 유사도 정보는 제1 유사도 정보 및 제2 유사도 정보의 가중 합에 기초하여 결정될 수 있다.
일 실시예에 따르면, 반복 개수 정보는, 분석 대상 영역에서 기초 패턴 영역과 유사도가 미리 결정된 기준 이상인 서브 영역의 개수 관련 정보를 포함할 수 있다.
일 실시예에 따르면, 반복 방향 정보는, 분석 대상 영역에서 기초 패턴 영역과 유사도가 미리 결정된 기준 이상인 서브 영역들의 분포 방향에 기초하여 결정된 방향 관련 정보를 포함할 수 있다.
일 실시예에 따르면, 반복 방향 정보는, 기초 패턴 영역의 위치를 기준으로 기초 패턴 영역과 유사도가 미리 결정된 기준 이상인 서브 영역들이 분포하는 제1 방향 및 기초 패턴 영역과 유사도가 미리 결정된 기준 이상인 서브 영역들이 분포하는 제2 방향을 포함할 수 있다.
일 실시예에 따르면, 텍스처 영상을 생성하는 단계는 기초 패턴 영역의 위치를 결정하는 단계; 기초 패턴 영역의 위치 및 반복 방향 정보에 기초하여 제1 방향 및 제2 방향을 결정하는 단계; 반복 개수 정보 및 반복 방향 정보에 기초하여 제1 방향을 따라 분포하는 복수의 서브 영역들의 제1 반복 개수 및 제2 방향을 따라 분포하는 복수의 서브 영역들의 제2 반복 개수를 산출하는 단계; 및 제1 방향, 제2 방향, 제1 반복 개수 및 제2 반복 개수에 기초하여 기초 패턴 영역을 반복하여 배치함으로써 텍스처 영상을 생성하는 단계를 포함할 수 있다.
일 실시예에 따르면, 반복 개수 정보 및 반복 방향 정보 중 적어도 하나를 획득하는 단계는 노이즈 제거를 위하여 상기 유사도 정보를 블러 처리하는 단계; 블러 처리된 유사도 정보에 기초하여 유사도가 임계값 이상인 영역만 추출하는 단계; 임계값 이상인 영역만 추출된 유사도 정보를 고속 푸리에 변환을 이용하여 변환하는 단계; 변환된 유사도 정보에 기초하여 반복 개수 정보 및 반복 방향 정보 중 적어도 하나를 획득하는 단계를 포함할 수 있다.
일 실시예에 따르면, 패턴 교정 정보에 기초하여 텍스처 영상을 보정하는 단계는 제1 방향과 제2 방향 사이 각도를 수직으로 변환하는 단계; 제1 방향 및 제2 방향에 기초하여 생성된 텍스처 영상에 배치된 복수의 기초 패턴 영역들을 정렬하는 단계; 제1 방향을 따르는 제1 기준선이 곡선인 경우, 제1 기준선이 제2 방향과 직각이 되도록 제1 기준선을 직선으로 보정하는 단계; 및 제2 방향을 따르는 제2 기준선이 곡선인 경우, 제2 기준선이 제1 방향과 직각이 되도록 상기 제2 기준선을 직선으로 보정하는 단계를 포함할 수 있다.
일 실시예에 따르면, 중첩 영역 정보에 기초하여 상기 텍스처 영상을 보정하는 단계는 텍스처 영상을 복수의 패치들로 분할하는 단계; 복수의 패치들을 재배치하는 단계; 재배치된 복수의 패치들이 서로 접하게 되는 영역에서 패턴 불연속 영역 존재 여부를 판단하는 단계; 패턴 불연속 영역이 존재하는지 여부에 기초하여 복수의 패치들의 중첩 영역을 결정하는 단계; 중첩 영역에 기초하여 상기 복수의 패치들을 중첩시키는 단계를 포함할 수 있다.
일 실시예에 따르면, 텍스처 영상 생성 방법은 복수의 패치들에 대하여 멀티 밴드 블렌딩 방법을 이용하여 스무딩을 하는 단계를 더 포함할 수 있다.
일 실시예에 따르면, 밝기 보정 정보에 기초하여 텍스처 영상을 보정하는 단계는 텍스처 영상에 포함된 복수의 기초 패턴 영역들 간의 밝기 불일치를 해소하기 위하여 밝기 보정 정보에 기초하여 복수의 기초 패턴 영역들의 밝기를 보정하는 단계를 포함할 수 있다.
일 실시예에 따르면, 가상 원단의 텍스처 영상 생성 방법은 텍스처 영상에 기초하여 생성된 3차원 의상을 3차원 아바타에 착장시킨 시뮬레이션 결과를 화면에 출력시키는 단계를 더 포함할 수 있다.
일 실시예에 따르면, 가상 원단의 텍스처 영상 생성 방법은 텍스처 영상의 크기 조절에 관한 사용자 입력을 수신하는 단계; 및 텍스처 영상의 크기 조절 입력에 기초하여 3차원 의상에 표현된 텍스처 영상의 크기를 조절하는 단계를 더 포함할 수 있다.
다른 일 실시예에 따른 전자 장치는 분석 대상 영역에 포함된 기초 패턴과 분석 대상 영역을 분할하는 복수의 서브 영역들 사이 각각의 유사도 정보를 생성하고, 유사도 정보에 기초하여 기초 패턴의 반복 개수 정보 및 기초 패턴의 반복 방향 정보 중 적어도 하나를 생성하고, 그리고 기초 패턴, 반복 개수 정보 및 반복 방향 정보에 기초하여 복수의 기초 패턴들을 미리 결정된 영역에 배치함으로써 텍스처 영상을 생성하는 프로세서를 포함할 수 있다.
도 1은 일 실시예에 따른 텍스처 영상을 생성하는 방법을 설명하기 위한 도면이다.
도2는 일 실시예에 따른 분석 대상 영역, 선택 영역 및 기초 패턴 영역을 설명하기 위한 도면이다.
도 3은 일 실시예에 따른 유사도 정보를 설명하기 위한 도면이다.
도 4는 일 실시예에 따른 반복 개수 정보 및 반복 방향 정보를 설명하기 위한 도면이다.
도 5는 일 실시예에 따른 텍스처 영상의 생성 방법을 설명하기 위한 도면이다.
도 6은 일 실시예에 따른 패턴 교정 정보에 기초하여 텍스처 영상을 보정하는 방법을 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 중첩 영역 정보에 기초하여 텍스처 영상을 보정하는 방법을 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 중첩 영역을 설명하기 위한 도면이다.
도 9는 일 실시예에 따른 중첩 영역을 제거하여 보정된 텍스처 영상이 생성되는 방법을 설명하기 위한 도면이다.
도 10은 일 실시예에 따른 밝기 보정 정보에 기초하여 텍스처 영상을 보정하는 방법을 설명하기 위한 도면이다.
도 11은 일 실시예에 따른 텍스처를 생성하기 위한 방법을 설명하기 위한 순서도이다.
도 12는 일 실시예에 따른 텍스처 영상이 반영된 3차원 의상 시뮬레이션을 설명하기 위한 도면이다.
도 13a 내지 13b는 일 실시예에 따른 입력 영상 및 텍스처 영상 중 적어도 하나를 화면에 출력하는 방법을 설명하기 위한 도면이다.
도 14는 일 실시예에 따른 텍스처 영상의 크기가 3차원 의상 시뮬레이션에서 조정되는 방법을 설명하기 위한 도면이다.
도 15는 다양한 실시예에 따른 전자 장치를 설명하기 위한 블록도이다.
본 명세서에서 개시되어 있는 특정한 구조적 또는 기능적 설명들은 단지 기술적 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 실시예들은 다양한 다른 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.
제1 또는 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 이해되어야 한다. 예를 들어 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 "~간에"와 "바로~간에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 일 실시예에 따른 텍스처 영상을 생성하는 방법을 설명하기 위한 도면이다.
본 개시는 실제 원단을 가상 원단으로 변환하는 과정에서 실제 원단의 시각적 특성을 사실적이면서도 효율적으로 가상 원단에 반영하는 방법을 포함할 수 있다.
실제 원단의 시각적 특성을 가상 원단에 반영하기 위하여, 정밀한 텍스처 영상은 VIZOO 등 특수 스캐너를 통해서만 획득할 수 있다. 이러한 장비들은 크기, 비용적인 문제로 인하여 상용화하기는 어려움이 존재할 수 있다. 또한 스캔을 위한 실제 원단의 사이즈도 클 수 있다. (예를 들어, 1 YARD 이상)
하지만, 본 개시의 방법에 따르면, 소형 장비를 이용하여 실제 원단을 스캔할 수 있다. 그리고 상대적으로 작은 사이즈의 실제 원단으로부터 획득한 스캔 영상으로도 사실적인 가상 원단을 생성할 수 있다.
이하에서는 가상 원단의 텍스처 영상을 생성하는 방법에 대하여 구체적으로 설명된다.
일 실시예에 따른 프로세서(1210)는 원단을 스캔한 영상에서 반복적으로 나타나는 패턴을 분석하고 추출할 수 있다. 일 실시예에 따른 프로세서(1210)는 추출된 패턴을 합성하여 텍스처 영상을 생성하고, 생성된 텍스처 영상을 보정할 수 있다. 이를 통해, 프로세서(1210)는 원단의 시각적 특징이 반영된 텍스처 영상을 생성할 수 있다. 이하에서는 텍스처 영상을 생성하는 방법 및 보정하는 방법이 구체적으로 서술된다.
도 1에서는 입력 영상(110), 패턴 추출부(120), 분석 대상 영역 결정(121), 유사도 정보 획득(122), 반복 개수 정보(123), 반복 방향 정보(124), 텍스처 영상(130), 텍스처 생성부(140), 패턴 교정 정보(141), 중첩 영역 정보(142), 밝기 보정 정보(143) 및 보정된 텍스처 영상(150)이 도시되어 있다.
일 실시예에 따른 입력 영상(110)은 원단이 포함된 영상일 수 있다. 일 실시예에 따른 입력 영상(110)은 컬러 영상 및/또는 노멀 영상을 포함할 수 있다. 일 실시예에 따른 원단은 의류의 원료가 되는 천을 포함할 수 있다. 입력 영상(110)은 영상 획득 장치로부터 얻어진 영상을 포함할 수 있다. 영상 획득 장치는 원단이 포함된 영상을 획득할 수 있는 모든 장치를 의미할 수 있다. 제한이 아닌 예로서, 영상 획득 장치는 카메라, 스캐너 등을 포함할 수 있다.
일 실시예에 따른 패턴 추출부(120)는 입력 영상(110)으로부터 패턴을 추출하기 위한 모듈을 포함할 수 있다. 본 개시에서 패턴은 원단에서 반복되는 시각적 특성을 의미할 수 있다. 일 실시예에 따른 프로세서(1210)는 패턴 추출부(120)를 이용하여 입력 영상(110)으로부터 패턴을 추출할 수 있다. 일 실시예에 따른 프로세서(1210)는 패턴 추출부(120)를 이용하여 입력 영상(110)으로부터 텍스처 영상(130)을 생성할 수도 있다.
일 실시예에 따른 패턴 추출부(120)는 분석 대상 영역을 결정(121)할 수 있다. 분석 대상 영역(210)은 도 2를 참조하여 설명될 수 있다. 일 실시예에 따른 분석 대상 영역(210)은 입력 영상(110)의 적어도 일부를 포함할 수 있다. 일 실시예에 따른 선택 영역(230)은 사용자가 선택한 영역을 포함할 수 있다. 일 실시예에 따른 프로세서(1210)는 사용자 입력 정보에 기초하여 입력 영상(110)에서 선택 영역(230)을 결정할 수 있다. 사용자 입력 정보는 사용자가 선택한 영역과 관련된 정보를 포함할 수 있다. 일 실시예에 따른 사용자는 패턴을 추출하기 위한 영역을 입력 영상에서 선택할 수 있다. 일 실시예에 따른 프로세서(1210)는 선택 영역(230)을 결정한 후, 선택 영역(230)에 기초하여 입력 영상(110)에서 분석 대상 영역(210)을 결정할 수 있다. 예를 들어, 선택 영역(230)이 결정되는 경우, 프로세서(1210)는 선택 영역의 4배 크기의 분석 대상 영역(210)을 결정할 수 있다. 일 실시예에 따른 프로세서(1210)는 선택 영역(230) 및/또는 분석 대상 영역(210)에서 기초 패턴 영역(250)을 결정할 수 있다. 일 실시예에 따른 기초 패턴 영역(250)은 텍스처 영상을 생성하기 위하여 사용되는 단위 패턴을 포함할 수 있다. 따라서 프로세서(1210)는 기초 패턴 영역(250)을 복수개 복제하여 배치함으로써 텍스처 영상을 생성할 수 있다.
일 실시예에 따른 기초 패턴 영역(250)이 결정되면, 프로세서(1210)는 분석 대상 영역(210)에서 기초 패턴 영역(250)이 얼마나 반복되는지를 분석하기 위하여, 기초 패턴 영역(250)과 분석 대상 영역(210)의 적어도 일부 영역 사이의 유사도 정보를 산출할 수 있다. 따라서, 프로세서(1210)는 기초 패턴 영역(250)이 분석 대상 영역(210)에서 얼마나 많이, 어떤 방향으로 반복되는지 분석함으로써 패턴을 전체적으로 분석할 수도 있다.
일 실시예에 따른 패턴 추출부(120)는 유사도 정보(370)를 획득(122)할 수 있다. 유사도 정보(370)는 도3을 참조하여 구체적으로 설명될 수 있다. 일 실시예에 따른 기초 패턴 영역(250)은 분석 대상 영역(210)의 적어도 일부일 수 있다. 다른 일 실시예에 따른 기초 패턴 영역(250)은 선택 영역(230)의 적어도 일부일 수 있다. 일 실시예에 따른 프로세서(1210)는 기초 패턴 영역(250)과 분석 대상 영역(210)에 포함된 복수의 서브 영역들(211, 212, 213) 사이 각각의 유사도 정보(370)를 생성할 수 있다. 도 3에 도시된 서브 영역의 개수는 예시일 뿐 본 개시는 이에 제한되지 않는다.
일 실시예에 따른 프로세서(1210)는 기초 패턴 영역(250)과 서브 영역들(211, 212, 213) 사이의 유사도 검사(310)를 수행할 수 있다. 일 실시예에 따른 프로세서(1210)는 유사도 검사(310)를 통해 유사도 정보(370)를 생성할 수 있다. 일 실시예에 따른 프로세서(1210)는 기초 패턴 영역(250)과 서브 영역들(211, 212, 213) 사이의 유사도 정보를 교차 상관 관계 계수 방법에 기초하여 생성할 수 있다.
일 실시예에 따른 입력 영상은 컬러(color) 영상 및 노멀(normal) 영상 중 적어도 하나를 포함할 수 있다. 일 실시예에 따른 컬러 영상은 입력 영상의 색상 정보를 포함할 수 있다. 일 실시예에 따른 노멀 영상은 입력 영상에 포함된 픽셀 각각의 법선 벡터(normal vector) 정보를 포함할 수 있다. 일 실시예에 따른 프로세서(1210)는 유사도 정보(370)를 생성하기 위하여 컬러 영상을 사용할 수 있다. 일 실시예에 따른 프로세서(1210)는 유사도 정보(370)를 생성하기 위하여 노멀 영상을 사용할 수 있다. 일 실시예에 따른 프로세서(1210)는 유사도 정보(370)를 생성하기 위하여 컬러 영상 및 노멀 영상을 사용할 수 있다. 일 실시예에 따른 프로세서(1210)는 컬러 영상에서 검출되지 않은 유사도 정보를 노멀 영상에서 검출된 유사도 정보를 이용하여 보완할 수도 있다.
일 실시예에 따른 유사도 정보(370)는 컬러 영상에서의 기초 패턴 영역과 선택 영역의 적어도 일부인 복수의 서브 영역들 사이 각각의 제1 유사도 정보(330) 및 노멀 영상에서의 기초 패턴 영역과 선택 영역의 적어도 일부인 복수의 서브 영역들 사이 각각의 제2 유사도 정보(350) 중 적어도 하나에 기초하여 결정할 수 있다.
일 실시예에 따른 유사도 정보(370)는 제1 유사도 정보(330) 및 제2 유사도 정보(350)의 가중 합에 기초하여 결정될 수 있다. 예를 들어, 입력 영상에 포함된 원단의 색상 패턴이 다양한 색상을 포함한 경우, 제2 유사도 정보(350)보다 제1 유사도 정보(330)에 더 큰 가중치를 부여하여 유사도 정보(370)를 생성할 수 있다. 이 경우, 프로세서(1210)는 제1 유사도 정보(330)를 유사도 정보(370)로 결정할 수 있다. 즉, 프로세서(1210)는 제2 유사도 정보(350)는 고려하지 않을 수 있다. 또 다른 예를 들어, 원단의 색상 패턴이 적은 수의 색상을 포함하거나, 각각의 색상 차이가 크지 않은 경우, 프로세서(1210)는 제1 유사도 정보(330)보다 제2 유사도 정보(350)에 더 큰 가중치를 부여하여 유사도 정보(370)를 생성할 수도 있다. 또 다른 예를 들어, 원단에 다양한 색상이 포함되어 있으나, 반복되는 패턴이 존재하지 않는 경우, 프로세서(1210)는 제1 유사도 정보(330)보다 제2 유사도 정보(350)에 더 큰 가중치를 부여하여 유사도 정보(370)를 생성할 수 있다.
일 실시예에 따른 패턴 추출부(120)는 반복 개수 정보(123)를 획득할 수 있다. 일 실시예에 따른 패턴 추출부(120)는 반복 방향 정보(124)를 획득할 수 있다. 일 실시예에 따른 반복 개수 정보(123) 및 반복 방향 정보(124)를 생성하는 방법은 도 4를 참조하여 구체적으로 설명된다. 일 실시예에 따른 프로세서(1210)는 유사도 정보(370)에 기초하여 기초 패턴 영역의 반복 개수 정보(123) 및 기초 패턴 영역의 반복 방향 정보(124) 중 적어도 하나를 생성할 수 있다. 일 실시예에 따른 프로세서(1210)는 반복 개수 정보(123) 및/또는 반복 방향 정보(124)를 생성하기 위하여 도3에서 생성된 유사도 정보(370)에 대한 후처리를 진행할 수 있다.
일 실시예에 따른 프로세서(1210)는 노이즈 제거를 위하여 유사도 정보(370)를 블러 처리할 수 있다. 일 실시예에 따른 블러 처리는 영상의 특정 영역을 부드럽게 하거나 흐릿하게 해주는 효과를 의미할 수 있다. 일 실시예에 따른 블러 처리는 가우시안 블러 처리를 포함할 수 있다.
일 실시예에 따른 프로세서(1210)는 분석 대상 영역(210)에서 기초 패턴 영역(250)과 유사도가 일정 기준 이상인 영역 및/또는 지점들만 추출하기 위하여 유사도 임계값을 산출할 수 있다. 일 실시예에 따른 유사도 임계값은 히스토그램을 이용한 임계값 추출 방법에 의하여 결정될 수 있다. 따라서, 프로세서(1210)는 유사도 임계값 이상인 영역은 기초 패턴 영역과 유사한 영역으로 결정할 수 있다.
일 실시예에 따른 프로세서(1210)는 유사도 정보(370)에 대하여 고속 푸리에 변환(Fast Fourier Transform)(410)을 수행할 수 있다. 일 실시예에 따른 프로세서(1210)는 유사도 정보(370)에 고속 푸리에 변환을 수행함으로써, 푸리에 변환 영상(430)을 생성할 수 있다. 일 실시예에 따른 푸리에 변환 영상(430)은 기초 패턴 영역(250)과 유사한 서브 영역들의 위치 정보가 포함될 수 있다.
일 실시예에 따른 프로세서(1210)는 푸리에 변환 영상(430)에 대하여 패턴 반복 방향성 검사(450)를 수행할 수 있다. 그리고 프로세서(1210)는 푸리에 변환 영상(430)에 대하여 패턴 반복 개수 검사를 수행할 수도 있다.
일 실시예에 따른 프로세서(1210)는 반복 방향 정보(124)를 획득할 수 있다.
일 실시예에 따른 반복 방향 정보(124)는 분석 대상 영역(210)에서 기초 패턴 영역(250)과 유사도가 미리 결정된 기준 이상(예를 들어, 유사도 임계값)인 서브 영역들의 분포 방향에 기초하여 결정된 방향 관련 정보를 포함할 수 있다.
일 실시예에 따른 반복 방향 정보(124)는 기초 패턴 영역(250)의 위치를 기준으로 기초 패턴 영역(250)과 유사도가 미리 결정된 기준 이상인 서브 영역들이 분포하는 제1 방향 및 기초 패턴 영역(250)과 유사도가 미리 결정된 기준 이상인 서브 영역들이 분포하는 제2 방향을 포함할 수 있다. 예를 들어, 기초 패턴 영역(250)의 위치는 제1 방향(471)과 제2 방향(472)이 교차하는 영역 및/또는 지점을 포함할 수 있다. 예를 들어, 제1 방향은 기초 패턴 영역(250)의 위치를 기준으로 가로 방향일 수 있다. 그리고 제2 방향은 기초 패턴 영역(250)의 위치를 기준으로 세로 방향일 수 있다. 일 실시예에 따른 제1 방향을 따르는 제1 기준선 및 제2 방향을 따르는 제2 기준선은 직선일 수도 있고, 입력 영상에 포함된 원단을 굴곡에 따라 곡선일 수도 있다.
일 실시예에 따른 반복 개수 정보는 분석 대상 영역(210)에서 기초 패턴 영역(250)과 유사도가 미리 결정된 기준(예를 들어, 유사도 임계값) 이상인 서브 영역의 개수 관련 정보를 포함할 수 있다. 다른 일 실시예에 따른 반복 개수 정보(123)는 선택 영역(230)에서 기초 패턴 영역(250)과 유사도가 미리 결정된 기준 이상인 서브 영역의 개수 관련 정보를 포함할 수도 있다.
일 실시예에 따른 반복 개수 정보(123)는 제1 방향을 따라 분포하는 복수의 서브 영역들의 제1 반복 개수 및 제2 방향을 따라 분포하는 복수의 서브 영역들의 제2 반복 개수에 기초하여 결정될 수 있다. 예를 들어, 도4에서 제1 방향(471)을 따라 분포하는 복수의 서브 영역들의 제1 반복 개수는 10개일 수 있다. 이 경우, 기초 패턴 영역(250)과 유사한 서브 영역들이 분석 대상 영역에서 제1 방향(예, 가로 방향)으로 11개(기초 패턴 영역 1개+서브 영역 10개)의 기초 패턴 영역이 반복된다는 것을 의미할 수 있다. 또 다른 예를 들어, 도4에서 제2 방향(472)을 따라 분포하는 복수의 서브 영역들의 제2 반복 개수는 10개일 수 있다. 이 경우, 기초 패턴 영역(250)과 유사한 서브 영역들이 분석 대상 영역에서 제2 방향(예, 세로 방향)으로 11개(기초 패턴 영역 1개+서브 영역 10개)의 기초 패턴 영역이 반복된다는 것을 의미할 수 있다. 제1 반복 개수가 10이고, 제2 반복 개수가 10인 경우, 프로세서(1210)는 분석 대상 영역(210)에서의 기초 패턴 영역은 총 121개(11개 * 11개)가 반복된다는 정보를 획득할 수 있다.
일 실시예에 따른 패턴 추출부(120)는 텍스처 영상(510)(예, 도 5의 텍스처 영상(510))을 생성할 수 있다. 일 실시예에 따른 텍스처 영상(130)의 생성은 도 5를 참조하여 구체적으로 설명된다. 일 실시예에 따른 도 5에서, 텍스처 영상(510)이 도시되어 있을 수 있다. 텍스처 영상(130)에는 기초 패턴 영역(250)이 포함될 수 있다. 프로세서(1210)는 기초 패턴 영역(250)의 위치를 결정할 수 있다. 일 실시예에 따른 프로세서(1210)는 기초 패턴 영역(250)의 위치 및 반복 방향 정보(124)에 기초하여 제1 방향(471) 및 제2 방향(472)을 결정할 수 있다. 일 실시예에 따른 프로세서(1210)는 반복 개수 정보(123) 및 반복 방향 정보(124)에 기초하여 제1 방향을 따라 분포하는 복수의 서브 영역들의 제1 반복 개수 및 제2 방향(472)을 따라 분포하는 복수의 서브 영역들의 제2 반복 개수를 산출할 수 있다.
일 실시예에 따른 프로세서(1210)는 제1 방향(471), 제2 방향(472), 제1 반복 개수 및 제2 반복 개수에 기초하여 기초 패턴 영역을 반복하여 배치함으로써 텍스처 영상(510)(예, 도 5의 텍스처 영상(510))을 생성할 수 있다. 예를 들어, 제1 방향(471)을 따라 분포하는 서브 영역들의 제1 반복 개수는 도 5에서 7개이고, 제2 방향(472)을 따라 분포하는 서브 영역들의 제2 반복 개수는 도 5에서 8개일 수 있다. 따라서, 제1 방향을 따라 총 8개(기초 패턴 영역 1개+서브 영역들 7개)의 기초 패턴 영역이 반복될 수 있다. 또한, 제2 방향(472)을 따라 총 9개(기초 패턴 영역 1개+ 서브 영역들 8개)의 기초 패턴 영역이 반복될 수 있다. 따라서, 텍스처 영상(510)(예, 도 5의 텍스처 영상(510))은 총 72개의 기초 패턴 영역(250)이 반복 배치된 영상을 포함할 수 있다.
일 실시예에 따른 제1 방향(471)과 제2 방향(472)이 이루는 각도(530)가 존재할 수 있다.
일 실시예에 따른 텍스처 생성부(140)는 텍스처 영상(130)을 보정하기 위한 모듈을 포함할 수 있다. 일 실시예에 따른 텍스처 생성부는 패턴 교정 정보(141), 중첩 영역 정보(142) 및 밝기 보정 정보(143) 중 적어도 하나에 기초하여 보정된 텍스처 영상(150)을 생성할 수 있다.
일 실시예에 따른 제1 방향(471)과 제2 방향(472)이 이루는 각도(530)가 존재할 수 있다. 각도(530)가 직각이 아닌 경우, 텍스처 영상(510)(예, 도 5의 텍스처 영상(510))에서 패턴 틀어짐 현상이 발생할 수 있다. 예를 들어, 입력 영상을 획득하는 과정에서 패턴 틀어짐이 발생할 수 있다. 제한이 아닌 예로서, 실제 원단을 바라보는 영상 획득 장치의 시점에 따라 입력 영상에 포함된 원단에 왜곡이 발생할 수 있다. 또 다른 예로 실제 원단에 주름이 존재하는 경우에도 패턴 틀어짐 현상이 발생할 수 있다. 도 6을 참조하여 설명하면 패턴 틀어짐 현상이 발생하는 경우 제1 방향(471)과 제2 방향(472)이 이루는 각도(530)가 직각이 아닐 수 있다. 따라서, 제1 방향(471)과 제2 방향(472)이 이루는 각도(530)를 직각으로 교정함으로써 이러한 패턴 틀어짐 현상을 보정할 필요가 존재할 수 있다. 패턴 틀어짐 현상을 보정함으로써, 패턴 반복시 텍스처 영상에서 반복되는 기초 패턴들이 불연속되거나 불일치하는 문제를 해결할 수 있다. 이하에서는 도 6을 참조하여 텍스처 영상(130)을 보정하는 방법이 구체적으로 설명된다.
일 실시예에 따른 프로세서(1210)는 패턴 교정 정보에 기초하여 텍스처 영상을 보정(610)할 수 있다. 일 실시예에 따른 패턴 교정 정보는 패턴 틀어짐을 교정하기 위해 필요한 정보를 포함할 수 있다. 도 6에 도시된 바와 같이 제1 방향(471)과 제2 방향(472)이 이루는 각도(530)가 직각이 아닌 경우, 텍스처 영상(130)에서 패턴 틀어짐 현상이 발생할 수 있다. 따라서, 프로세서(1210)는 제1 방향(471)과 제2 방향(472)이 이루는 각도(530)를 수직으로 변환할 수 있다.
일 실시예에 따른 프로세서(1210)는 제1 방향(471)을 따르는 제1 기준선이 곡선인 경우, 제1 기준선이 상기 제2 방향과 직각이 되도록 제1 기준선을 직선으로 보정할 수 있다. 예를 들어, 입력 영상(110)에 포함된 원단에 굴곡이 있는 경우, 제1 기준선이 곡선이 될 수도 있다. 이 경우, 프로세서(1210)는 곡선인 제1 기준선을 직선으로 보정할 수 있다.
일 실시예에 따른 프로세서(1210)는 제2 방향(472)을 따르는 제2 기준선이 곡선인 경우, 제2 기준선이 제1 방향과 직각이 되도록 제2 기준선을 직선으로 보정할 수 있다. 예를 들어, 입력 영상(110)에 포함된 원단에 굴곡이 있는 경우, 제2 기준선이 곡선이 될 수도 있다. 이 경우, 프로세서(1210)는 곡선인 제2 기준선을 직선으로 보정할 수 있다.
일 실시예에 따른 프로세서(1210)는 중첩 영역 정보(142)에 기초하여 텍스처 영상을 보정할 수 있다. 중첩 영역 정보(142)에 기초하여 텍스처 영상을 보정하는 방법은 도 7을 참조하여 구체적으로 설명된다.
일 실시예에 따른 중첩 영역 정보(142)는 복수개의 기초 패턴 영역들을 배치하면서, 복수개의 기초 패턴 영역들이 서로 접하게 되는 영역에서 패턴 불연속이 발생할 수도 있다. 예를 들어, 패턴 불연속은 솔기(seamline)일 수 있다. 이러한 패턴 불연속을 제거하기 위하여 인접한 기초 패턴 영역들 사이의 중첩 영역을 결정하여 기초 패턴 영역들을 서로 중첩시킬 수 있다. 이러한 과정을 통해, 패턴의 연속성을 저해하는 요소를 제거할 수 있다.
일 실시예에 따른 프로세서(1210)는 텍스처 영상(130)을 복수의 패치들로 분할할 수 있다. 예를 들어, 패치는 하나의 기초 패턴 영역과 대응할 수도 있다. 또 다른 예를 들어, 패치는 복수개의 기초 패턴 영역들을 포함할 수도 있다. 일 실시예에 따른 텍스처 영상(130)을 4개의 영역으로 분할하는 경우, 제1 패치(710), 제2 패치(730), 제3 패치(750) 및 제4 패치(770)가 생성될 수 있다. 일 실시예에 따른 텍스처 영상(130)은 분석 대상 영역과 동일한 크기일 수 있다. 분석 대상 영역(210)은 선택 영역(230)을 포함하고 있으므로, 텍스처 영상(130)에서 선택 영역(230)의 위치 정보에 기초하여 선택 영역이 결정될 수도 있다. 일 실시예에 따른 프로세서(1210)는 텍스처 영상(130)을 복수의 패치들로 분할하는 경우, 선택 영역(230)에 기초하여 분할할 수도 있다. 따라서, 제1 패치(710)에 대응하는 선택 영역 내 제1 패치(710)가 포함될 수 있다. 제2 패치(730), 제3 패치(750) 및 제4 패치(770)도 이와 동일하게 선택 영역 내 패치가 포함될 수 있다.
일 실시예에 따른 프로세서(1210)는 복수의 패치들을 재배치할 수 있다. 일 실시예에 따른 프로세서(1210)는 701에 도시된 바와 같이, 텍스처 영상(130)에 포함된 각각의 패치들을 제1 패치(711), 제2 패치(731), 제3 패치(751) 및 제4 패치(771)로 재배치할 수 있다. 이에 따라, 선택 영역 내 패치들(720, 740, 760, 780)도 701에 도시된 바와 같이 재배치된 위치(721, 741, 761, 781)로 배치될 수 있다.
재배치된 제1 패치(711), 제2 패치(731), 제3 패치(751) 및 제4 패치(771)들 각각이 서로 접하는 부분에서 패턴 불연속 영역(예를 들어, 심라인)이 발생할 수 있다. 예를 들어, 재배치를 통해 제1 패치(711)와 제2 패치(731) 사이, 제1 패치(711)와 제3 패치(751) 사이, 제2 패치(731)와 제4 패치(771) 사이 및 제3 패치(751)와 제4 패치(771) 사이는 새로 접하게 되는 부분일 수 있다. 해당 인접 부분들은, 도 7에 도시된 영상(700)을 반복하여 배치시킬 경우, 인접하게 되는 부분일 수 있다. 따라서, 영상(700) 반복으로 새로 인접하게 되는 부분에서 발생하는 패턴 불연속(예를 들어, 심라인)을 제거하기 위하여, 제1 패치(711)와 제2 패치(731) 사이, 제1 패치(711)와 제3 패치(751) 사이, 제2 패치(731)와 제4 패치(771) 사이 및 제3 패치(751)와 제4 패치(771) 사이에 중첩 영역을 생성하여 합성할 수 있다. 일 실시예에 따른 프로세서(1210)는 제1 패치(711)와 제2 패치(731) 사이, 제1 패치(711)와 제3 패치(751) 사이, 제2 패치(731)와 제4 패치(771) 사이 및 제3 패치(751)와 제4 패치(771) 사이에 패턴 불연속 영역이 존재하는지 여부를 판단할 수 있다. 패턴 불연속 영역이 존재하는 경우, 프로세서(1210)는 패치들의 중첩 영역을 결정할 수 있다. 예를 들어, 제1 패치(711)와 제3 패치(751) 사이에 패턴 불연속 영역이 존재하는 경우, 프로세서(1210)는 중첩영역2(781)을 생성할 수 있다. 그리고 해당 중첩영역 2(781)만큼 중첩되도록 패치들을 배치할 수 있다. 이러한 과정은 다른 인접 영역들에 대해서도 동일하게 수행될 수 있다. 예를 들어, 프로세서(1210)는 제1 패치(711)와 제2 패치(731)가 중첩되는 중첩 영역3(782)를 생성할 수 있다. 또 다른 예를 들어, 프로세서(1210)는 제2 패치(731)와 제4 패치(771)가 중첩되는 중첩 영역4(783)를 생성할 수 있다. 또 다른 예를 들어, 프로세서(1210)는 제3 패치(751)와 제4 패치(771)가 중첩되는 중첩 영역1(780)를 생성할 수 있다.
일 실시예에 따른 프로세서(1210)는 패치에서 중첩 영역을 검색할 수 있다. 도 8을 참조하여 설명하면, 프로세서(1210)는 패치(810)에서 중첩 영역을 검색(830)할 수 있다. 검색 결과는 도 8에 도시된 바와 같이 표시될 수 있다. 따라서, 프로세서(1210)는 검색된 중첩 영역(850)에 대한 정보를 이용하여 복수의 패치들을 중첩시킬 수 있다.
일 실시예에 따른 프로세서(1210)는 중첩 영역에 기초하여 복수의 패치들을 중첩시킬 수 있다. 도 9를 참조하여 설명하면, 프로세서(1210)는 제1 패치(710), 제2 패치(730), 제3 패치(750) 및 제4패치(750) 각각의 중첩 영역(850)에 기초하여 패치들을 중첩시킬 수 있다. 다른 일 실시예에 따른 프로세서(1210)는 재배치된 제1 패치(711), 제2 패치(731), 제3 패치(751) 및 제4 패치(771) 각각의 중첩 영역(850)에 기초하여 패치들을 중첩시킬 수도 있다. 일 실시예에 따른 프로세서(1210)는 복수의 패치들을 중첩시킬 경우, 다중 영상 합성 방법을 이용하여 중첩시킬 수도 있다. 일 실시예에 따른 다중 영상 합성 방법은 멀티 카메라를 기반으로 획득한 영상을 합성하는 과정에서 경계 노이즈가 없는 영상 정합 및 합성 결과를 획득하기 위한 방법을 의미할 수 있다.
일 실시예에 따른 프로세서(1210)는 중첩된 패치들에 대한 스무딩 작업을 수행할 수 있다. 일 실시예에 따른 프로세서(1210)는 복수의 패치들에 대하여 멀티 밴드 블렌딩 방법을 이용하여 스무딩을 할 수 있다.
일 실시예에 따른 프로세서(1210)는 밝기 보정 정보(143)에 기초하여 텍스처 영상을 보정할 수 있다. 밝기 보정 정보(143)에 기초하여 텍스처 영상을 보정하는 방법은 도 10을 참조하여 구체적으로 설명된다. 도 10에 도시된 패치1(1011)과 패치(1012)는 서로 밝기가 다를 수 있다. 이 경우, 패치들 간의 밝기가 서로 다르면 텍스처 영상 전체적으로 자연스러운 밝기 변화가 표현되지 않을 수 있다. 따라서 텍스처 영상 전체적으로 통일된 밝기가 적용될 필요가 존재할 수 있다. 그러므로 프로세서(1210)는 기초 패턴 영역(250)을 복수개 복제하여 배치한 텍스처 영상에서 밝기 불일치를 해소하기 위하여 밝기 보정 정보(143)를 이용할 수 있다. 일 실시예예 따른 밝기 보정 정보(143)는 조명으로 인해 발생하는 영역의 밝기의 차이를 보정하기 위한 정보를 포함할 수 있다. 예를 들어, 1030에 도시된 바와 같이 좌측 상단을 밝으나, 우측 하단으로 갈수록 어두워질 수 있다. 이러한 밝기 변화 경향은 밝기 변화 방향(1010)으로 표현될 수도 있다. 따라서, 텍스처 영상에 포함된 패치들(또는 기초 패턴 영역들)의 밝기를 보정할 필요가 존재할 수 있다.
일 실시예에 따른 프로세서(1210)는 텍스처 영상에 포함된 복수의 기초 패턴 영역들 간의 밝기 불일치를 해소하기 위하여 밝기 보정 정보(143)에 기초하여 복수의 기초 패턴 영역들의 밝기를 보정할 수 있다. 일 실시예에 따른 프로세서(1210)는 기초 패턴 영역들의 밝기를 보정할 때 슬라이딩 윈도우 방식으로 보정할 수 있다. 예를 들어, 밝기 보정 방향(1020)을 따라 프로세서(1210)는 기초 패턴 영역을 옮겨가면서 밝기를 기초 패턴 영역 단위로 보정할 수 있다.
일 실시예에 따른 텍스처 영상 생성 및 보정 방법을 통해, 프로세서(1210)는 원단의 반복적인 패턴을 쉽게 추출할 수 있다. 또한 반복 패턴으로 구성된 텍스처의 형태로 결과를 생성하고 보정하여 가상 시뮬레이션에 원단을 적용할 수 있다. 따라서, 프로세서(1210)는 의상 시뮬레이션에서 입력 영상에 포함된 원단을 표현한 텍스처를 시각적으로 표현할 수 있다.
도2는 일 실시예에 따른 분석 대상 영역, 선택 영역 및 기초 패턴 영역을 설명하기 위한 도면이다.
도 2에서는 분석 대상 영역(210), 선택 영역(230) 및 기초 패턴 영역(250)이 도시되어 있다.
일 실시예에 따른 분석 대상 영역(210)은 입력 영상(110)의 적어도 일부를 포함할 수 있다. 일 실시예에 따른 선택 영역(230)은 사용자가 선택한 영역을 포함할 수 있다. 일 실시예에 따른 프로세서(1210)는 사용자 입력 정보에 기초하여 입력 영상(110)에서 선택 영역(230)을 결정할 수 있다. 사용자 입력 정보는 사용자가 선택한 영역과 관련된 정보를 포함할 수 있다. 일 실시예에 따른 사용자는 패턴을 추출하기 위한 영역을 입력 영상에서 선택할 수 있다. 일 실시예에 따른 프로세서(1210)는 선택 영역(230)을 결정한 후, 선택 영역(230)에 기초하여 입력 영상(110)에서 분석 대상 영역(210)을 결정할 수 있다. 예를 들어, 선택 영역(230)이 결정되는 경우, 프로세서(1210)는 선택 영역의 4배 크기의 분석 대상 영역(210)을 결정할 수 있다. 일 실시예에 따른 프로세서(1210)는 선택 영역(230) 및/또는 분석 대상 영역(210)에서 기초 패턴 영역(250)을 결정할 수 있다. 일 실시예에 따른 기초 패턴 영역(250)은 텍스처 영상을 생성하기 위하여 사용되는 단위 패턴을 포함할 수 있다. 따라서 프로세서(1210)는 기초 패턴 영역(250)을 복수개 복제하여 배치함으로써 텍스처 영상을 생성할 수 있다.
도 3은 일 실시예에 따른 유사도 정보를 설명하기 위한 도면이다.
도 3에서는 분석 대상 영역(210), 복수의 서브 영역들(211, 212, 213), 기초 패턴 영역(250), 유사도 검사(310), 제1 유사도 정보(330), 제2 유사도 정보(350) 및 유사도 정보(370)가 도시되어 있다.
일 실시예에 따른 패턴 추출부(120)는 유사도 정보(370)를 획득(122)할 수 있다. 유사도 정보(370)는 도3을 참조하여 구체적으로 설명될 수 있다. 일 실시예에 따른 기초 패턴 영역(250)은 분석 대상 영역(210)의 적어도 일부일 수 있다. 다른 일 실시예에 따른 기초 패턴 영역(250)은 선택 영역(230)의 적어도 일부일 수 있다. 일 실시예에 따른 프로세서(1210)는 기초 패턴 영역(250)과 분석 대상 영역(210)에 포함된 복수의 서브 영역들(211, 212, 213) 사이 각각의 유사도 정보(370)를 생성할 수 있다. 도 3에 도시된 서브 영역의 개수는 예시일 뿐 본 개시는 이에 제한되지 않는다.
일 실시예에 따른 프로세서(1210)는 기초 패턴 영역(250)과 서브 영역들(211, 212, 213) 사이의 유사도 검사(310)를 수행할 수 있다. 일 실시예에 따른 프로세서(1210)는 유사도 검사(310)를 통해 유사도 정보(370)를 생성할 수 있다. 일 실시예에 따른 프로세서(1210)는 기초 패턴 영역(250)과 서브 영역들(211, 212, 213) 사이의 유사도 정보를 교차 상관 관계 계수 방법에 기초하여 생성할 수 있다.
일 실시예에 따른 입력 영상은 컬러 영상 및 노멀 영상 중 적어도 하나를 포함할 수 있다. 일 실시예에 따른 컬러 영상은 입력 영상의 색상 정보를 포함할 수 있다. 일 실시예에 따른 노멀 영상은 입력 영상에 포함된 픽셀 각각의 법선 벡터(normal vector) 정보를 포함할 수 있다. 일 실시예에 따른 프로세서(1210)는 유사도 정보(370)를 생성하기 위하여 컬러 영상을 사용할 수 있다. 일 실시예에 따른 프로세서(1210)는 유사도 정보(370)를 생성하기 위하여 노멀 영상을 사용할 수 있다. 일 실시예에 따른 프로세서(1210)는 유사도 정보(370)를 생성하기 위하여 컬러 영상 및 노멀 영상을 사용할 수 있다. 일 실시예에 따른 프로세서(1210)는 컬러 영상에서 검출되지 않은 유사도 정보를 노멀 영상에서 검출된 유사도 정보를 이용하여 보완할 수도 있다.
일 실시예에 따른 유사도 정보(370)는 컬러 영상에서의 기초 패턴 영역과 선택 영역의 적어도 일부인 복수의 서브 영역들 사이 각각의 제1 유사도 정보(330) 및 노멀 영상에서의 기초 패턴 영역과 선택 영역의 적어도 일부인 복수의 서브 영역들 사이 각각의 제2 유사도 정보(350) 중 적어도 하나에 기초하여 결정할 수 있다.
일 실시예에 따른 유사도 정보(370)는 제1 유사도 정보(330) 및 제2 유사도 정보(350)의 가중 합에 기초하여 결정될 수 있다. 예를 들어, 입력 영상에 포함된 원단의 색상 패턴이 다양한 색상을 포함한 경우, 제2 유사도 정보(350)보다 제1 유사도 정보(330)에 더 큰 가중치를 부여하여 유사도 정보(370)를 생성할 수 있다. 이 경우, 프로세서(1210)는 제1 유사도 정보(330)를 유사도 정보(370)로 결정할 수 있다. 즉, 프로세서(1210)는 제2 유사도 정보(350)는 고려하지 않을 수 있다. 또 다른 예를 들어, 원단의 색상 패턴이 적은 수의 색상을 포함하거나, 각각의 색상 차이가 크지 않은 경우, 프로세서(1210)는 제1 유사도 정보(330)보다 제2 유사도 정보(350)에 더 큰 가중치를 부여하여 유사도 정보(370)를 생성할 수도 있다. 또 다른 예를 들어, 원단에 다양한 색상이 포함되어 있으나, 반복되는 패턴이 존재하지 않는 경우, 프로세서(1210)는 제1 유사도 정보(330)보다 제2 유사도 정보(350)에 더 큰 가중치를 부여하여 유사도 정보(370)를 생성할 수 있다.
도 4는 일 실시예에 따른 반복 개수 정보 및 반복 방향 정보를 설명하기 위한 도면이다.
도 4에서는 유사도 정보(370), 고속 푸리에 변환(410), 푸리에 변환 영상(430), 패턴 반복 방향성 검사(450), 반복 방향 정보(470), 제1 방향(471) 및 제2 방향(472)이 도시되어 있다.
일 실시예에 따른 프로세서(1210)는 유사도 정보(370)에 기초하여 기초 패턴 영역의 반복 개수 정보(123) 및 기초 패턴 영역의 반복 방향 정보(124) 중 적어도 하나를 생성할 수 있다. 일 실시예에 따른 프로세서(1210)는 반복 개수 정보(123) 및/또는 반복 방향 정보(124)를 생성하기 위하여 도3에서 생성된 유사도 정보(370)에 대한 후처리를 진행할 수 있다.
일 실시예에 따른 프로세서(1210)는 노이즈 제거를 위하여 유사도 정보(370)를 블러 처리할 수 있다. 일 실시예에 따른 블러 처리는 영상의 특정 영역을 부드럽게 하거나 흐릿하게 해주는 효과를 의미할 수 있다. 일 실시예에 따른 블러 처리는 가우시안 블러 처리를 포함할 수 있다.
일 실시예에 따른 프로세서(1210)는 분석 대상 영역(210)에서 기초 패턴 영역(250)과 유사도가 일정 기준 이상인 영역 및/또는 지점들만 추출하기 위하여 유사도 임계값을 산출할 수 있다. 일 실시예에 따른 유사도 임계값은 히스토그램을 이용한 임계값 추출 방법에 의하여 결정될 수 있다. 따라서, 프로세서(1210)는 유사도 임계값 이상인 영역은 기초 패턴 영역과 유사한 영역으로 결정할 수 있다.
일 실시예에 따른 프로세서(1210)는 유사도 정보(370)에 대하여 고속 푸리에 변환(Fast Fourier Transform)(410)을 수행할 수 있다. 일 실시예에 따른 프로세서(1210)는 유사도 정보(370)에 고속 푸리에 변환을 수행함으로써, 푸리에 변환 영상(430)을 생성할 수 있다. 일 실시예에 따른 푸리에 변환 영상(430)은 기초 패턴 영역(250)과 유사한 서브 영역들의 위치 정보가 포함될 수 있다.
일 실시예에 따른 프로세서(1210)는 푸리에 변환 영상(430)에 대하여 패턴 반복 방향성 검사(450)를 수행할 수 있다. 그리고 프로세서(1210)는 푸리에 변환 영상(430)에 대하여 패턴 반복 개수 검사를 수행할 수도 있다.
일 실시예에 따른 프로세서(1210)는 반복 방향 정보(124)를 획득할 수 있다.
일 실시예에 따른 반복 방향 정보(124)는 분석 대상 영역(210)에서 기초 패턴 영역(250)과 유사도가 미리 결정된 기준 이상(예를 들어, 유사도 임계값)인 서브 영역들의 분포 방향에 기초하여 결정된 방향 관련 정보를 포함할 수 있다.
일 실시예에 따른 반복 방향 정보(124)는 기초 패턴 영역(250)의 위치를 기준으로 기초 패턴 영역(250)과 유사도가 미리 결정된 기준 이상인 서브 영역들이 분포하는 제1 방향 및 기초 패턴 영역(250)과 유사도가 미리 결정된 기준 이상인 서브 영역들이 분포하는 제2 방향을 포함할 수 있다. 예를 들어, 기초 패턴 영역(250)의 위치는 제1 방향(471)과 제2 방향(472)이 교차하는 영역 및/또는 지점을 포함할 수 있다. 예를 들어, 제1 방향은 기초 패턴 영역(250)의 위치를 기준으로 가로 방향일 수 있다. 그리고 제2 방향은 기초 패턴 영역(250)의 위치를 기준으로 세로 방향일 수 있다. 일 실시예에 따른 제1 방향을 따르는 제1 기준선 및 제2 방향을 따르는 제2 기준선은 직선일 수도 있고, 입력 영상에 포함된 원단을 굴곡에 따라 곡선일 수도 있다.
일 실시예에 따른 반복 개수 정보는 분석 대상 영역(210)에서 기초 패턴 영역(250)과 유사도가 미리 결정된 기준(예를 들어, 유사도 임계값) 이상인 서브 영역의 개수 관련 정보를 포함할 수 있다. 다른 일 실시예에 따른 반복 개수 정보(123)는 선택 영역(230)에서 기초 패턴 영역(250)과 유사도가 미리 결정된 기준 이상인 서브 영역의 개수 관련 정보를 포함할 수도 있다.
일 실시예에 따른 반복 개수 정보(123)는 제1 방향을 따라 분포하는 복수의 서브 영역들의 제1 반복 개수 및 제2 방향을 따라 분포하는 복수의 서브 영역들의 제2 반복 개수에 기초하여 결정될 수 있다. 예를 들어, 도4에서 제1 방향(471)을 따라 분포하는 복수의 서브 영역들의 제1 반복 개수는 10개일 수 있다. 이 경우, 기초 패턴 영역(250)과 유사한 서브 영역들이 분석 대상 영역에서 제1 방향(예, 가로 방향)으로 11개(기초 패턴 영역 1개+서브 영역 10개)의 기초 패턴 영역이 반복된다는 것을 의미할 수 있다. 또 다른 예를 들어, 도4에서 제2 방향(472)을 따라 분포하는 복수의 서브 영역들의 제2 반복 개수는 10개일 수 있다. 이 경우, 기초 패턴 영역(250)과 유사한 서브 영역들이 분석 대상 영역에서 제2 방향(예, 세로 방향)으로 11개(기초 패턴 영역 1개+서브 영역 10개)의 기초 패턴 영역이 반복된다는 것을 의미할 수 있다. 제1 반복 개수가 10이고, 제2 반복 개수가 10인 경우, 프로세서(1210)는 분석 대상 영역(210)에서의 기초 패턴 영역은 총 121개(11개 * 11개)가 반복된다는 정보를 획득할 수 있다.
도 5는 일 실시예에 따른 텍스처 영상의 생성 방법을 설명하기 위한 도면이다.
도 5에서는 텍스처 영상(510), 기초 패턴 영역(250), 제1 방향(471), 제2 방향(472), 각도(530) 및 기초 패턴 영역의 위치(550)가 도시되어 있다.
일 실시예에 따른 도 5에서, 텍스처 영상(510)이 도시되어 있을 수 있다. 텍스처 영상(510)에는 기초 패턴 영역(250)이 포함될 수 있다. 프로세서(1210)는 기초 패턴 영역(250)의 위치를 결정할 수 있다. 일 실시예에 따른 프로세서(1210)는 기초 패턴 영역(250)의 위치 및 반복 방향 정보(124)에 기초하여 제1 방향(471) 및 제2 방향(472)을 결정할 수 있다. 일 실시예에 따른 프로세서(1210)는 반복 개수 정보(123) 및 반복 방향 정보(124)에 기초하여 제1 방향을 따라 분포하는 복수의 서브 영역들의 제1 반복 개수 및 제2 방향(472)을 따라 분포하는 복수의 서브 영역들의 제2 반복 개수를 산출할 수 있다.
일 실시예에 따른 프로세서(1210)는 제1 방향(471), 제2 방향(472), 제1 반복 개수 및 제2 반복 개수에 기초하여 기초 패턴 영역을 반복하여 배치함으로써 텍스처 영상(510)을 생성할 수 있다. 예를 들어, 제1 방향(471)을 따라 분포하는 서브 영역들의 제1 반복 개수는 도 5에서 7개이고, 제2 방향(472)을 따라 분포하는 서브 영역들의 제2 반복 개수는 도 5에서 8개일 수 있다. 따라서, 제1 방향을 따라 총 8개(기초 패턴 영역 1개+서브 영역들 7개)의 기초 패턴 영역이 반복될 수 있다. 또한, 제2 방향(472)을 따라 총 9개(기초 패턴 영역 1개+ 서브 영역들 8개)의 기초 패턴 영역이 반복될 수 있다. 따라서, 텍스처 영상(510)은 총 72개의 기초 패턴 영역(250)이 반복 배치된 영상을 포함할 수 있다.
일 실시예에 따른 제1 방향(471)과 제2 방향(472)이 이루는 각도(530)가 존재할 수 있다.
도 6은 일 실시예에 따른 패턴 교정 정보에 기초하여 텍스처 영상을 보정하는 방법을 설명하기 위한 도면이다.
도 6에서는 텍스처 영상(130), 패턴 교정 정보에 기초하여 텍스처 영상 보정(610) 및 보정된 텍스처 영상(630)이 도시되어 있다.
일 실시예에 따른 프로세서(1210)는 패턴 교정 정보에 기초하여 텍스처 영상을 보정(610)할 수 있다. 일 실시예에 따른 패턴 교정 정보는 패턴 틀어짐을 교정하기 위해 필요한 정보를 포함할 수 있다. 도 6에 도시된 바와 같이 제1 방향(471)과 제2 방향(472)이 이루는 각도(530)가 직각이 아닌 경우, 텍스처 영상(130)에서 패턴 틀어짐 현상이 발생할 수 있다. 따라서, 프로세서(1210)는 제1 방향(471)과 제2 방향(472)이 이루는 각도(530)를 수직으로 변환할 수 있다.
일 실시예에 따른 프로세서(1210)는 제1 방향(471)을 따르는 제1 기준선이 곡선인 경우, 제1 기준선이 상기 제2 방향과 직각이 되도록 제1 기준선을 직선으로 보정할 수 있다. 예를 들어, 입력 영상(110)에 포함된 원단에 굴곡이 있는 경우, 제1 기준선이 곡선이 될 수도 있다. 이 경우, 프로세서(1210)는 곡선인 제1 기준선을 직선으로 보정할 수 있다.
일 실시예에 따른 프로세서(1210)는 제2 방향(472)을 따르는 제2 기준선이 곡선인 경우, 제2 기준선이 제1 방향과 직각이 되도록 제2 기준선을 직선으로 보정할 수 있다. 예를 들어, 입력 영상(110)에 포함된 원단에 굴곡이 있는 경우, 제2 기준선이 곡선이 될 수도 있다. 이 경우, 프로세서(1210)는 곡선인 제2 기준선을 직선으로 보정할 수 있다.
도 7은 일 실시예에 따른 중첩 영역 정보에 기초하여 텍스처 영상을 보정하는 방법을 설명하기 위한 도면이다.
도 7에서는 복수의 패치들(710, 730, 750, 770), 선택 영역 내 복수의 패치들(720, 740, 760, 780), 재배치된 복수의 패치들(711, 731, 751, 771), 재배치된 선택 영역 내 복수의 패치들(721, 741, 761, 781) 및 복수의 중첩 영역들(780, 781, 782, 783)이 도시되어 있다.
일 실시예에 따른 프로세서(1210)는 텍스처 영상(130)을 복수의 패치들로 분할할 수 있다. 예를 들어, 패치는 하나의 기초 패턴 영역과 대응할 수도 있다. 또 다른 예를 들어, 패치는 복수개의 기초 패턴 영역들을 포함할 수도 있다. 일 실시예에 따른 텍스처 영상(130)을 4개의 영역으로 분할하는 경우, 제1 패치(710), 제2 패치(730), 제3 패치(750) 및 제4 패치(770)가 생성될 수 있다. 일 실시예에 따른 텍스처 영상(130)은 분석 대상 영역과 동일한 크기일 수 있다. 분석 대상 영역(210)은 선택 영역(230)을 포함하고 있으므로, 텍스처 영상(130)에서 선택 영역(230)의 위치 정보에 기초하여 선택 영역이 결정될 수도 있다. 일 실시예에 따른 프로세서(1210)는 텍스처 영상(130)을 복수의 패치들로 분할하는 경우, 선택 영역(230)에 기초하여 분할할 수도 있다. 따라서, 제1 패치(710)에 대응하는 선택 영역 내 제1 패치(710)가 포함될 수 있다. 제2 패치(730), 제3 패치(750) 및 제4 패치(770)도 이와 동일하게 선택 영역 내 패치가 포함될 수 있다.
일 실시예에 따른 프로세서(1210)는 복수의 패치들을 재배치할 수 있다. 일 실시예에 따른 프로세서(1210)는 701에 도시된 바와 같이, 텍스처 영상(130)에 포함된 각각의 패치들을 제1 패치(711), 제2 패치(731), 제3 패치(751) 및 제4 패치(771)로 재배치할 수 있다. 이에 따라, 선택 영역 내 패치들(720, 740, 760, 780)도 701에 도시된 바와 같이 재배치된 위치(721, 741, 761, 781)로 배치될 수 있다.
재배치된 제1 패치(711), 제2 패치(731), 제3 패치(751) 및 제4 패치(771)들 각각이 서로 접하는 부분에서 패턴 불연속 영역(예를 들어, 심라인)이 발생할 수 있다. 예를 들어, 재배치를 통해 제1 패치(711)와 제2 패치(731) 사이, 제1 패치(711)와 제3 패치(751) 사이, 제2 패치(731)와 제4 패치(771) 사이 및 제3 패치(751)와 제4 패치(771) 사이는 새로 접하게 되는 부분일 수 있다. 해당 인접 부분들은, 도 7에 도시된 영상(700)을 반복하여 배치시킬 경우, 인접하게 되는 부분일 수 있다. 따라서, 영상(700) 반복으로 새로 인접하게 되는 부분에서 발생하는 패턴 불연속(예를 들어, 심라인)을 제거하기 위하여, 제1 패치(711)와 제2 패치(731) 사이, 제1 패치(711)와 제3 패치(751) 사이, 제2 패치(731)와 제4 패치(771) 사이 및 제3 패치(751)와 제4 패치(771) 사이에 중첩 영역을 생성하여 합성할 수 있다. 일 실시예에 따른 프로세서(1210)는 제1 패치(711)와 제2 패치(731) 사이, 제1 패치(711)와 제3 패치(751) 사이, 제2 패치(731)와 제4 패치(771) 사이 및 제3 패치(751)와 제4 패치(771) 사이에 패턴 불연속 영역이 존재하는지 여부를 판단할 수 있다. 패턴 불연속 영역이 존재하는 경우, 프로세서(1210)는 패치들의 중첩 영역을 결정할 수 있다. 예를 들어, 제1 패치(711)와 제3 패치(751) 사이에 패턴 불연속 영역이 존재하는 경우, 프로세서(1210)는 중첩영역2(781)을 생성할 수 있다. 그리고 해당 중첩영역 2(781)만큼 중첩되도록 패치들을 배치할 수 있다. 이러한 과정은 다른 인접 영역들에 대해서도 동일하게 수행될 수 있다. 예를 들어, 프로세서(1210)는 제1 패치(711)와 제2 패치(731)가 중첩되는 중첩 영역3(782)를 생성할 수 있다. 또 다른 예를 들어, 프로세서(1210)는 제2 패치(731)와 제4 패치(771)가 중첩되는 중첩 영역4(783)를 생성할 수 있다. 또 다른 예를 들어, 프로세서(1210)는 제3 패치(751)와 제4 패치(771)가 중첩되는 중첩 영역1(780)를 생성할 수 있다.
도 8은 일 실시예에 따른 중첩 영역을 설명하기 위한 도면이다.
도 8에서는 패치(810), 중첩 영역 검색(830) 및 중첩 영역(850)이 도시되어 있다.
일 실시예에 따른 프로세서(1210)는 패치에서 중첩 영역을 검색할 수 있다. 도 8을 참조하여 설명하면, 프로세서(1210)는 패치(810)에서 중첩 영역을 검색(830)할 수 있다. 검색 결과는 도 8에 도시된 바와 같이 표시될 수 있다. 따라서, 프로세서(1210)는 검색된 중첩 영역(850)에 대한 정보를 이용하여 복수의 패치들을 중첩시킬 수 있다.
도 9는 일 실시예에 따른 중첩 영역을 제거하여 보정된 텍스처 영상이 생성되는 방법을 설명하기 위한 도면이다.
도 9에서는 제1 패치(710), 제2 패치(730), 제3 패치(750), 제4 패치(770), 중첩 영역(850) 및 보정된 텍스처 영상(910)이 도시되어 있다.
일 실시예에 따른 프로세서(1210)는 중첩 영역에 기초하여 복수의 패치들을 중첩시킬 수 있다. 도 9를 참조하여 설명하면, 프로세서(1210)는 제1 패치(710), 제2 패치(730), 제3 패치(750) 및 제4패치(750) 각각의 중첩 영역(850)에 기초하여 패치들을 중첩시킬 수 있다. 다른 일 실시예에 따른 프로세서(1210)는 재배치된 제1 패치(711), 제2 패치(731), 제3 패치(751) 및 제4 패치(771) 각각의 중첩 영역(850)에 기초하여 패치들을 중첩시킬 수도 있다. 일 실시예에 따른 프로세서(1210)는 복수의 패치들을 중첩시킬 경우, 다중 영상 합성 방법을 이용하여 중첩시킬 수도 있다. 일 실시예에 따른 다중 영상 합성 방법은 멀티 카메라를 기반으로 획득한 영상을 합성하는 과정에서 경계 노이즈가 없는 영상 정합 및 합성 결과를 획득하기 위한 방법을 의미할 수 있다.
일 실시예에 따른 프로세서(1210)는 중첩된 패치들에 대한 스무딩 작업을 수행할 수 있다. 일 실시예에 따른 프로세서(1210)는 복수의 패치들에 대하여 멀티 밴드 블렌딩 방법을 이용하여 스무딩을 할 수 있다.
도 10은 일 실시예에 따른 밝기 보정 정보에 기초하여 텍스처 영상을 보정하는 방법을 설명하기 위한 도면이다.
도 10에서는 밝기 변화 방향(1010), 패치1(1011), 패치2(1012), 밝기 보정 방향(1020) 및 밝기 변화 정도(1030)가 도시되어 있다.
일 실시예에 따른 프로세서(1210)는 밝기 보정 정보(143)에 기초하여 텍스처 영상을 보정할 수 있다. 밝기 보정 정보(143)에 기초하여 텍스처 영상을 보정하는 방법은 도 10을 참조하여 구체적으로 설명된다. 도 10에 도시된 패치1(1011)과 패치(1012)는 서로 밝기가 다를 수 있다. 이 경우, 패치들 간의 밝기가 서로 다르면 텍스처 영상 전체적으로 자연스러운 밝기 변화가 표현되지 않을 수 있다. 따라서 텍스처 영상 전체적으로 통일된 밝기가 적용될 필요가 존재할 수 있다. 그러므로 프로세서(1210)는 기초 패턴 영역(250)을 복수개 복제하여 배치한 텍스처 영상에서 밝기 불일치를 해소하기 위하여 밝기 보정 정보(143)를 이용할 수 있다. 일 실시예예 따른 밝기 보정 정보(143)는 조명으로 인해 발생하는 영역의 밝기의 차이를 보정하기 위한 정보를 포함할 수 있다. 예를 들어, 1030에 도시된 바와 같이 좌측 상단을 밝으나, 우측 하단으로 갈수록 어두워질 수 있다. 이러한 밝기 변화 경향은 밝기 변화 방향(1010)으로 표현될 수도 있다. 따라서, 텍스처 영상에 포함된 패치들(또는 기초 패턴 영역들)의 밝기를 보정할 필요가 존재할 수 있다.
일 실시예에 따른 프로세서(1210)는 텍스처 영상에 포함된 복수의 기초 패턴 영역들 간의 밝기 불일치를 해소하기 위하여 밝기 보정 정보(143)에 기초하여 복수의 기초 패턴 영역들의 밝기를 보정할 수 있다. 일 실시예에 따른 프로세서(1210)는 기초 패턴 영역들의 밝기를 보정할 때 슬라이딩 윈도우 방식으로 보정할 수 있다. 예를 들어, 밝기 보정 방향(1020)을 따라 프로세서(1210)는 기초 패턴 영역을 옮겨가면서 밝기를 기초 패턴 영역 단위로 보정할 수 있다.
도 11은 일 실시예에 따른 텍스처를 생성하기 위한 방법을 설명하기 위한 순서도이다.
일 실시예에 따른 전자 장치(1200)(예, 도 12의 전자 장치(1200)는 원단(fabric)이 포함된 입력 영상에서 선택 영역을 결정(1110)할 수 있다.
일 실시예에 따른 전자 장치(1200)는 선택 영역에 기초하여 입력 영상에서 분석 대상 영역을 결정(1120)할 수 있다.
일 실시예에 따른 전자 장치(1200)는 분석 대상 영역의 적어도 일부인 기초 패턴 영역과 분석 대상 영역에 포함된 복수의 서브 영역들 사이 각각의 유사도 정보를 생성(1130)할 수 있다.
일 실시예에 따른 전자 장치(1200)는 유사도 정보에 기초하여 기초 패턴 영역의 반복 개수 정보 및 기초 패턴 영역의 반복 방향 정보 중 적어도 하나를 생성(1140)할 수 있다.
일 실시예에 따른 전자 장치(1200)는 기초 패턴 영역, 기초 패턴 영역의 위치, 반복 개수 정보 및 반복 방향 정보 중 적어도 하나에 기초하여 복수의 기초 패턴 영역들을 미리 결정된 영역에 배치함으로써 텍스처 영상을 생성(1160)할 수 있다.
도 12는 일 실시예에 따른 텍스처 영상이 반영된 3차원 의상 시뮬레이션을 설명하기 위한 도면이다.
도 12에서는 3차원 시뮬레이션 화면(1310), 원단 유형(1320), 크기(1330), 입력 영상 표시 오브젝트(1350), 텍스처 영상 표시 오브젝트(1360), 입력 영상 및 텍스처 영상 표시 오브젝트(1370), 열기 오브젝트(1390), 저장 오브젝트(1391), 적용 오브젝트(1392), 취소 오브젝트(1393) 및 입력 영상(1380)이 도시되어 있다.
3차원 시뮬레이션 화면(1310)은 입력 영상(1380)에 기초한 텍스처 영상이 적용된 3차원 의상이 출력되는 화면일 수 있다. 일 실시예에 따른 프로세서(1210)는 텍스처 영상에 기초한 3차원 의상을 생성하여, 3차원 시뮬레이션 화면(1310)에 출력할 수 있다. 따라서, 프로세서(1210)는 입력 영상 또는 텍스처 영상이 변경되는 경우, 해당 입력 영상 또는 텍스처 영상에 대응하는 3차원 의상을 생성하며 3차원 시뮬레이션 화면(1310)에 출력할 수 있다.
원단 유형(1320)은 프로세서(1210)가 원단 유형에 관한 정보를 사용자로부터 입력 받을 수 있는 오브젝트일 수 있다. 예를 들어, 사용자는 원단 유형(1320)을 통해 원단 유형을 입력할 수 있다. 원단 유형은 예를 들어, Plain, Repeat Pattern, Random Color Pattern, Non-Fabric 등을 포함할 수 있다.
크기(1330)는 입력 영상 또는 텍스처 영상의 크기를 나타내는 오브젝트일 수 있다.
입력 영상 표시 오브젝트(1350)는 입력 영상을 화면에 출력하기 위한 오브젝트일 수 있다. 일 실시예에 따른 프로세서(1210)가 입력 영상 표시 오브젝트(1350)의 선택 입력을 수신하는 경우, 입력 영상(1380)을 화면에 출력할 수 있다.
텍스처 영상 표시 오브젝트(1360)는 텍스처 영상을 화면에 출력하기 위한 오브젝트일 수 있다. 텍스처 영상 표시 오브젝트(1360)에 대한 구체적인 설명은 도 13a를 참조하여 구체적으로 후술된다.
입력 영상 및 텍스처 영상 표시 오브젝트(1370)는 입력 영상 및 텍스처 영상을 화면에 동시에 출력하기 위한 오브젝트일 수 있다. 입력 영상 및 텍스처 영상 표시 오브젝트(1370)에 대한 구체적인 설명은 도13b를 참조하여 구체적으로 후술된다.
열기 오브젝트(1390)는 다른 입력 영상 또는 텍스처 영상을 불러오기 위한 오브젝트일 수 있다. 저장 오브젝트(1391)는 현재 입력 영상 또는 텍스처 영상을 저장하기 위한 오브젝트일 수 있다. 적용 오브젝트(1392)는 입력 영상 또는 텍스처 영상에 기초하여 3차원 의상을 생성하기 위한 오브젝트일 수 있다. 취소 오브젝트(1393)는 입력 영상 또는 텍스처 영상에 기초하여 3차원 의상을 생성하는 과정을 중단하기 위한 오브젝트일 수 있다.
도 13a 내지 13b는 일 실시예에 따른 입력 영상 및 텍스처 영상 중 적어도 하나를 화면에 출력하는 방법을 설명하기 위한 도면이다.
일 실시예에 따른 프로세서(1210)는 텍스처 영상 표시 오브젝트(1360)의 선택 입력을 수신하는 경우, 텍스처 영상(1410)을 화면에 출력할 수 있다.
일 실시예에 따른 프로세서(1210)는 입력 영상 및 텍스처 영상 표시 오브젝트(1370)의 선택 입력을 수신하는 경우, 입력 영상(1420) 및 텍스처 영상(1430)을 화면에 출력할 수 있다.
이를 통해, 사용자는 입력 영상 및 텍스처 영상 중 적어도 하나를 화면에 출력시킨 후, 입력 영상 및 텍스처 영상 중 적어도 하나가 3차원 의상에 적용된 시뮬레이션 결과를 화면을 통해 확인할 수 있다.
도 14는 일 실시예에 따른 텍스처 영상의 크기가 3차원 의상 시뮬레이션에서 조정되는 방법을 설명하기 위한 도면이다.
도 14에서는 3차원 의상의 일부 영역(1510), 텍스처 영상(1520), 선택 영역(1530), 선택 영역에 대응하는 텍스처 영상(1540)이 도시되어 있다.
일 실시예에 따른 프로세서(1210)는 텍스처 영상의 적어도 일부 영역을 적용시킨 3차원 의상을 생성할 수 있다. 사용자는 입력 영상에 기초하여 생성된 텍스처 영상 중 일부 영역만을 의상 디자인에 사용하고자 할 수 있다. 이를 위해, 프로세서(1210)는 텍스처 영상의 적어도 일부에 기초하여 3차원 의상을 생성할 수 있다. 나아가, 프로세서(1210)는 텍스처 영상의 적어도 일부에 기초하여 생성된 3차원 의상을 3차원 아바타에 착장시킨 시뮬레이션 결과를 화면에 출력할 수 있다. 예를 들어, 프로세서(1210)는 사용자로부터 텍스처 영상(1520)의 일부 영역인 선택 영역(1530)을 수신할 수 있다. 프로세서(1210)는 선택 영역(1530)에 기초하여 선택 영역에 대응하는 텍스처 영상(1540)을 화면에 출력할 수 있다. 프로세서(1210)는 선택 영역에 대응하는 텍스처 영상(1540)에 기초하여 3차원 의상을 생성할 수 있다, 그리고 프로세서(1210)는 해당 3차원 의상이 착장된 3차원 아바타를 화면에 출력할 수 있다.
일 실시예에 따른 프로세서(1210)는 텍스처 영상의 크기를 조절할 수 있다. 일 실시예에 따른 프로세서(1210)는 3차원 의상에 표현된 텍스처 영상의 크기를 조절할 수 있다. 텍스처 영상의 크기가 조절되는 경우, 3차원 의상에 표현된 무늬의 크기, 패턴의 크기 등이 조절될 수 있다. 예를 들어, 프로세서(1210)는 3차원 의상의 일부 영역(1510)에 대한 선택 입력을 수신할 수 있다. 3차원 의상의 일부 영역(1510)은 패턴(예를 들어, 몸통 전면 패턴)일 수 있다. 일 실시예에 따른 프로세서(1210)는 3차원 의상의 일부 영역(1510)에 대하여 텍스처 영상의 크기를 조절할 수 있다. 이 경우, 3차원 의상의 일부 영역 표시된 텍스처 영상의 크기가 조절될 수 있다. 예를 들어, 사용자가 텍스처 영상을 확대한 경우, 3차원 의상의 일부 영역에 표시된 텍스처 영상의 크기가 커질 수 있다. 만약 텍스처 영상에 무늬가 포함된 경우, 해당 무늬는 커질 수 있다.
도 15는 다양한 실시예에 따른 전자 장치를 설명하기 위한 블록도이다.
도 15는 일 실시예에 따른 전자 장치를 설명하기 위한 블록도이다. 도 15를 참조하면, 일 실시예에 따른 전자 장치(1200)는 메모리(1220), 프로세서(1210), 및 통신 인터페이스(1230)를 포함한다. 메모리(1220), 프로세서(1210), 및 통신 인터페이스(1230)는 통신 버스(1240)를 통해 서로 연결될 수 있다.
메모리(1220)는 상술한 프로세서(1210)의 처리 과정에서 생성되는 다양한 정보들을 저장할 수 있다. 이 밖에도, 메모리(1220)는 각종 데이터와 프로그램 등을 저장할 수 있다. 메모리(1220)는 휘발성 메모리 또는 비휘발성 메모리를 포함할 수 있다. 메모리(1220)는 하드 디스크 등과 같은 대용량 저장 매체를 구비하여 각종 데이터를 저장할 수 있다.
프로세서(1210)는 목적하는 동작들(desired operations)을 실행시키기 위한 물리적인 구조를 갖는 회로를 가지는 하드웨어로 구현된 장치일 수 있다. 예를 들어, 목적하는 동작들은 프로그램에 포함된 코드(code) 또는 인스트럭션들(instructions)을 포함할 수 있다. 예를 들어, 하드웨어로 구현된 분류 장치는 마이크로프로세서(microprocessor), 중앙 처리 장치(Central Processing Unit; CPU), 그래픽 처리 장치(Graphic Processing Unit; GPU), 프로세서 코어(processor core), 멀티-코어 프로세서(multi-core processor), 멀티프로세서(multiprocessor), ASIC(Application-Specific Integrated Circuit), FPGA(Field Programmable Gate Array), NPU(Neural Processing Unit) 등을 포함할 수 있다.
프로세서(1210)는 프로그램을 실행하고, 주식 자동 거래 장치를 제어할 수 있다. 프로세서(1210)에 의하여 실행되는 프로그램 코드는 메모리(1220)에 저장될 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 컨트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있으며 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
위에서 설명한 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 또는 복수의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 이를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (20)

  1. 가상 원단(virtual fabric)의 텍스처 영상 생성 방법에 있어서,
    분석 대상 영역에 포함된 기초 패턴과 상기 분석 대상 영역을 분할하는 복수의 서브 영역들 사이 각각의 유사도 정보를 생성하는 단계;
    상기 유사도 정보에 기초하여 상기 기초 패턴의 반복 개수 정보 및 상기 기초 패턴의 반복 방향 정보 중 적어도 하나를 생성하는 단계; 및
    상기 기초 패턴, 상기 반복 개수 정보 및 상기 반복 방향 정보에 기초하여 복수의 기초 패턴들을 미리 결정된 영역에 배치함으로써 가상 원단의 텍스처(texture) 영상을 생성하는 단계
    를 포함하는,
    가상 원단의 텍스처 영상 생성 방법.
  2. 제1항에 있어서,
    상기 분석 대상 영역은
    원단(fabric)이 포함된 입력 영상에서 사용자 입력에 의하여 결정된 선택 영역에 기초하여 결정된 영역을 포함하는,
    가상 원단의 텍스처 영상 생성 방법.
  3. 제1항에 있어서,
    패턴 교정 정보, 중첩 영역 정보 및 밝기 보정 정보 중 적어도 하나에 기초하여 상기 텍스처 영상을 보정하는 단계
    를 더 포함하는,
    가상 원단의 텍스처 영상 생성 방법.
  4. 제2항에 있어서,
    상기 선택 영역은
    상기 입력 영상에서 사용자 입력 정보에 기초하여 결정된 영역인,
    를 포함하는,
    가상 원단의 텍스처 영상 생성 방법.
  5. 제1항에 있어서,
    상기 선택 영역은
    상기 텍스처 영상에서 반복의 대상이 되는 기초 패턴이 포함된 영역을 포함하는,
    가상 원단의 텍스처 영상 생성 방법.
  6. 제2항에 있어서,
    상기 입력 영상은
    컬러(color) 영상 및 노멀(normal) 영상 중 적어도 하나를 포함하고,
    상기 유사도 정보는,
    상기 컬러 영상에서의 상기 기초 패턴과 상기 선택 영역의 적어도 일부인 복수의 서브 영역들 사이 각각의 제1 유사도 정보 및
    상기 노멀 영상에서의 상기 기초 패턴과 상기 선택 영역의 적어도 일부인 복수의 서브 영역들 사이 각각의 제2 유사도 정보
    중 적어도 하나에 기초하여 결정되는,
    가상 원단의 텍스처 영상 생성 방법.
  7. 제5항에 있어서,
    상기 유사도 정보는
    상기 제1 유사도 정보 및 상기 제2 유사도 정보의 가중 합(weighted sum)에 기초하여 결정되는,
    가상 원단의 텍스처 영상 생성 방법.
  8. 제1항에 있어서,
    상기 반복 개수 정보는,
    상기 분석 대상 영역에서 상기 기초 패턴과 유사도가 미리 결정된 기준 이상인 서브 영역의 개수 관련 정보를 포함하는,
    가상 원단의 텍스처 영상 생성 방법.
  9. 제1항에 있어서,
    상기 반복 방향 정보는,
    상기 분석 대상 영역에서 상기 기초 패턴과 유사도가 미리 결정된 기준 이상인 서브 영역들의 분포 방향에 기초하여 결정된 방향 관련 정보를 포함하는,
    가상 원단의 텍스처 영상 생성 방법.
  10. 제1항에 있어서,
    상기 반복 방향 정보는,
    기초 패턴의 위치를 기준으로 상기 기초 패턴과 유사도가 미리 결정된 기준 이상인 서브 영역들이 분포하는 제1 방향 및 상기 기초 패턴과 유사도가 미리 결정된 기준 이상인 서브 영역들이 분포하는 제2 방향
    을 포함하는,
    가상 원단의 텍스처 영상 생성 방법.
  11. 제1항에 있어서,
    상기 텍스처 영상을 생성하는 단계는
    기초 패턴의 위치를 결정하는 단계;
    상기 기초 패턴의 위치 및 상기 반복 방향 정보에 기초하여 제1 방향 및 제2 방향을 결정하는 단계;
    상기 반복 개수 정보 및 상기 반복 방향 정보에 기초하여 제1 방향을 따라 분포하는 복수의 서브 영역들의 제1 반복 개수 및 제2 방향을 따라 분포하는 복수의 서브 영역들의 제2 반복 개수를 산출하는 단계; 및
    상기 제1 방향, 상기 제2 방향, 제1 반복 개수 및 제2 반복 개수에 기초하여 상기 기초 패턴을 반복하여 배치함으로써 텍스처 영상을 생성하는 단계;
    를 포함하는,
    가상 원단의 텍스처 영상 생성 방법.
  12. 제1항에 있어서,
    상기 반복 개수 정보 및 상기 반복 방향 정보 중 적어도 하나를 획득하는 단계는
    노이즈 제거를 위하여 상기 유사도 정보를 블러 처리하는 단계;
    상기 블러 처리된 유사도 정보에 기초하여 유사도가 임계값 이상인 영역만 추출하는 단계;
    상기 임계값 이상인 영역만 추출된 유사도 정보를 고속 푸리에 변환을 이용하여 변환하는 단계; 및
    상기 변환된 유사도 정보에 기초하여 상기 반복 개수 정보 및 상기 반복 방향 정보 중 적어도 하나를 획득하는 단계
    를 포함하는,
    가상 원단의 텍스처 영상 생성 방법.
  13. 제3항에 있어서,
    상기 패턴 교정 정보에 기초하여 상기 텍스처 영상을 보정하는 단계는
    제1 방향과 제2 방향 사이 각도를 수직으로 변환하는 단계;
    상기 제1 방향 및 상기 제2 방향에 기초하여 상기 생성된 텍스처 영상에 배치된 복수의 기초 패턴들을 정렬하는 단계;
    상기 제1 방향을 따르는 제1 기준선이 곡선인 경우, 상기 제1 기준선이 상기 제2 방향과 직각이 되도록 상기 제1 기준선을 직선으로 보정하는 단계; 및
    상기 제2 방향을 따르는 제2 기준선이 곡선인 경우, 상기 제2 기준선이 상기 제1 방향과 직각이 되도록 상기 제2 기준선을 직선으로 보정하는 단계;
    를 포함하는,
    가상 원단의 텍스처 영상 생성 방법.
  14. 제3항에 있어서,
    상기 중첩 영역 정보에 기초하여 상기 텍스처 영상을 보정하는 단계는
    상기 텍스처 영상을 복수의 패치(patch)들로 분할하는 단계;
    상기 복수의 패치들을 재배치하는 단계;
    상기 재배치된 복수의 패치들이 서로 접하게 되는 영역에서 패턴 불연속 영역 존재 여부를 판단하는 단계;
    상기 패턴 불연속 영역이 존재하는지 여부에 기초하여 상기 복수의 패치들의 중첩 영역을 결정하는 단계;
    상기 중첩 영역에 기초하여 상기 복수의 패치들을 중첩시키는 단계;
    를 포함하는,
    가상 원단의 텍스처 영상 생성 방법.
  15. 제14항에 있어서,
    상기 복수의 패치들에 대하여 멀티 밴드 블렌딩(multi-band blending) 방법을 이용하여 스무딩(smoothing)을 하는 단계;
    를 더 포함하는,
    가상 원단의 텍스처 영상 생성 방법.
  16. 제3항에 있어서,
    상기 밝기 보정 정보에 기초하여 상기 텍스처 영상을 보정하는 단계는
    상기 텍스처 영상에 포함된 상기 복수의 기초 패턴들 간의 밝기 불일치를 해소하기 위하여 상기 밝기 보정 정보에 기초하여 상기 복수의 기초 패턴들의 밝기를 보정하는 단계
    를 포함하는,
    가상 원단의 텍스처 영상 생성 방법.
  17. 제1항에 있어서,
    상기 텍스처 영상에 기초하여 생성된 3차원 의상을 3차원 아바타에 착장시킨 시뮬레이션 결과를 화면에 출력시키는 단계
    를 더 포함하는,
    가상 원단의 텍스처 영상 생성 방법.
  18. 제1항에 있어서,
    상기 텍스처 영상의 크기 조절에 관한 사용자 입력을 수신하는 단계; 및
    상기 텍스처 영상의 크기 조절 입력에 기초하여 3차원 의상에 표현된 텍스처 영상의 크기를 조절하는 단계
    를 더 포함하는,
    가상 원단의 텍스처 영상 생성 방법.
  19. 하드웨어와 결합되어 제1항의 방법을 실행시키기 위하여 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
  20. 분석 대상 영역에 포함된 기초 패턴과 상기 분석 대상 영역을 분할하는 복수의 서브 영역들 사이 각각의 유사도 정보를 생성하고,
    상기 유사도 정보에 기초하여 상기 기초 패턴의 반복 개수 정보 및 상기 기초 패턴의 반복 방향 정보 중 적어도 하나를 생성하고, 그리고
    상기 기초 패턴, 상기 반복 개수 정보 및 상기 반복 방향 정보에 기초하여 복수의 기초 패턴들을 미리 결정된 영역에 배치함으로써 가상 원단의 텍스처 영상을 생성하는 프로세서를 포함하는,
    전자 장치.
PCT/KR2022/009747 2021-07-07 2022-07-06 텍스처 영상 생성 방법 및 장치 Ceased WO2023282614A1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
EP22837966.5A EP4191536A4 (en) 2021-07-07 2022-07-06 METHOD AND APPARATUS FOR GENERATING A TEXTURE IMAGE
CN202280004727.XA CN115803787A (zh) 2021-07-07 2022-07-06 纹理图像生成方法及装置
US18/295,834 US12511807B2 (en) 2021-07-07 2023-04-04 Generating texture image for virtual object from captured image

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR10-2021-0088927 2021-07-07
KR20210088927 2021-07-07
KR1020220082625A KR102892162B1 (ko) 2021-07-07 2022-07-05 텍스처 영상 생성 방법 및 장치
KR10-2022-0082625 2022-07-05

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/295,834 Continuation-In-Part US12511807B2 (en) 2021-07-07 2023-04-04 Generating texture image for virtual object from captured image

Publications (1)

Publication Number Publication Date
WO2023282614A1 true WO2023282614A1 (ko) 2023-01-12

Family

ID=84800760

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/009747 Ceased WO2023282614A1 (ko) 2021-07-07 2022-07-06 텍스처 영상 생성 방법 및 장치

Country Status (5)

Country Link
US (1) US12511807B2 (ko)
EP (1) EP4191536A4 (ko)
CN (1) CN115803787A (ko)
TW (1) TWI842007B (ko)
WO (1) WO2023282614A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116385705A (zh) * 2023-06-06 2023-07-04 北京智拓视界科技有限责任公司 用于对三维数据进行纹理融合的方法、设备和存储介质
WO2024242494A1 (ko) * 2023-05-24 2024-11-28 (주)클로버추얼패션 의상 시뮬레이션 파라미터 최적화 방법 및 장치

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116030055B (zh) * 2023-03-29 2023-07-11 凯尔菱电（山东）电梯有限公司 一种电梯相关配件质量检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101806840B1 (ko) * 2016-12-15 2017-12-11 인천대학교 산학협력단 다수의 카메라를 이용한 고해상도 ３６０도 동영상 생성 시스템
KR20180023066A (ko) * 2011-09-30 2018-03-06 이베이 인크. 이미지 특징 데이터 추출 및 사용
KR20190037636A (ko) * 2017-09-29 2019-04-08 윤영웅 원단별 웹브라우저 미리보기를 위한 이미지 분석 방법 및 서버

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6647132B1 (en) * 1999-08-06 2003-11-11 Cognex Technology And Investment Corporation Methods and apparatuses for identifying regions of similar texture in an image
US20050259108A1 (en) * 2004-05-21 2005-11-24 Brett Chladny System and method for dynamically generating images using repeatable textures
JP2006311080A (ja) * 2005-04-27 2006-11-09 Dainippon Printing Co Ltd テクスチャ画像生成方法、画像処理装置、プログラム及び記録媒体
TWI294273B (en) * 2005-05-10 2008-03-11 Lucy & Lily Inc Method and apparatus for apparel customization
KR101471204B1 (ko) * 2008-12-19 2014-12-10 주식회사 케이티 이미지에서의 의류 검출 장치와 그 방법
JP2015041224A (ja) * 2013-08-21 2015-03-02 大日本印刷株式会社 テクスチャ生成装置、テクスチャ生成方法、およびプログラム
GB2530103B (en) * 2014-09-15 2018-10-17 Samsung Electronics Co Ltd Rendering geometric shapes
CN104715477B (zh) * 2015-03-05 2017-08-01 浙江工业大学之江学院 基于多尺度和多区域的机织物编织密度的图像分析方法
EP3563343A4 (en) * 2017-01-02 2020-08-19 Gauss Surgical, Inc. SURGICAL ITEM FOLLOW-UP WITH DUAL ELEMENT IMAGING PREDICTION
CN107784658A (zh) * 2017-10-17 2018-03-09 南京信息工程大学 规则二维彩色图像的纹理再现方法
US20210074057A1 (en) * 2019-09-07 2021-03-11 Luxion, Inc. System for computing the appearance of weave patterns
CN110807494B (zh) * 2019-11-08 2023-05-30 深圳市深视创新科技有限公司 工业视觉中重复纹理的快速定位方法
CN112131724B (zh) * 2020-09-09 2024-06-25 江南大学 一种针织成形产品的三维设计仿真系统与方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180023066A (ko) * 2011-09-30 2018-03-06 이베이 인크. 이미지 특징 데이터 추출 및 사용
KR101806840B1 (ko) * 2016-12-15 2017-12-11 인천대학교 산학협력단 다수의 카메라를 이용한 고해상도 ３６０도 동영상 생성 시스템
KR20190037636A (ko) * 2017-09-29 2019-04-08 윤영웅 원단별 웹브라우저 미리보기를 위한 이미지 분석 방법 및 서버

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
KIM JU-RI, LEE HYUN-CHANG: " A Stduy of Design and Simulation for 3Dimension Fashion", PROCEEDINGS OF THE KOREAN SOCIETY OF COMPUTER INFORMATION CONFERENCE, vol. 18, no. 2, 1 January 2010 (2010-01-01), pages 23 - 26, XP093023206 *
KIM MIN-SOO, KIM, DAE-HYUN ; KIM, MYOUNG-JUN: "A Realistic Modeling and Rendering of Cloth Textures by Photometry", JOURNAL OF KISS: COMPUTER SYSTEMS AND THEORY, KOREAN INSTITUTE OF INFORMATION SCIENTISTS AND ENGINEERS, KOREA, vol. 35, no. 2, 1 February 2008 (2008-02-01), Korea , pages 84 - 93, XP093023189, ISSN: 1229-683X *
See also references of EP4191536A4 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024242494A1 (ko) * 2023-05-24 2024-11-28 (주)클로버추얼패션 의상 시뮬레이션 파라미터 최적화 방법 및 장치
CN116385705A (zh) * 2023-06-06 2023-07-04 北京智拓视界科技有限责任公司 用于对三维数据进行纹理融合的方法、设备和存储介质
CN116385705B (zh) * 2023-06-06 2023-08-29 北京智拓视界科技有限责任公司 用于对三维数据进行纹理融合的方法、设备和存储介质

Also Published As

Publication number Publication date
US20230245367A1 (en) 2023-08-03
US12511807B2 (en) 2025-12-30
TWI842007B (zh) 2024-05-11
EP4191536A1 (en) 2023-06-07
TW202320020A (zh) 2023-05-16
CN115803787A (zh) 2023-03-14
EP4191536A4 (en) 2024-08-21

Similar Documents

Publication Publication Date Title
WO2023282614A1 (ko) 텍스처 영상 생성 방법 및 장치
WO2021242050A1 (ko) 구강 이미지의 처리 방법, 그에 따른 동작을 수행하는 구강 진단 장치, 및 그 방법을 수행하는 프로그램이 저장된 컴퓨터 판독 가능 저장 매체
WO2021215730A1 (ko) 사용자 입력에 기반하여 생성된 인공지능 모델을 이용하여 가상 결함 이미지를 생성하기 위한 컴퓨터 프로그램, 방법, 및 장치
WO2020027519A1 (ko) 영상 처리 장치 및 그 동작방법
WO2021145713A1 (ko) 가상 모델 생성 장치 및 방법
WO2018093100A1 (en) Electronic apparatus and method for processing image thereof
WO2009151292A2 (ko) 영상 변환 방법 및 장치
WO2020180084A1 (ko) 타겟 이미지의 채색 완성 방법, 장치 및 컴퓨터 프로그램
WO2021246822A1 (ko) 객체 이미지 개선 방법 및 장치
WO2024063217A1 (ko) Ai 물체 인식 학습용 라벨링 데이터 자동 수집 장치 및 이를 이용한 ai 물체 인식 학습용 라벨링 데이터 자동 수집 방법
WO2021225345A1 (ko) 발광소자 어레이를 이용한 영상 획득 방법 및 장치
WO2023146195A1 (ko) 이미지를 분류하는 서버 및 그 동작 방법
WO2020159223A1 (ko) 렌즈리스 초분광 영상 이미징 방법 및 그 장치
WO2022092627A1 (ko) 3차원 모델로부터 대상체 영역을 결정하는 방법 및 3차원 모델 처리 장치
WO2021075758A1 (en) Electronic apparatus and controlling method thereof
WO2020149527A1 (en) Apparatus and method for encoding in structured depth camera system
WO2022031022A1 (ko) 3차원 데이터 획득 방법, 장치 및 그 방법을 수행하는 프로그램이 저장된 컴퓨터 판독 가능 저장 매체
WO2013115463A1 (ko) 영상 처리 장치 및 방법
WO2023038219A1 (ko) 이미지를 선명화하는 전자 장치 및 그 동작 방법
WO2024158073A1 (ko) 학습 모델을 이용한 영상들 간의 유사도 판단
WO2025230224A1 (ko) 생성형 ai를 이용하여 디지털 줌 이미지를 생성하는 방법 및 이를 수행하기 위한 전자 기기
WO2014003507A1 (ko) 영상 부호화기의 전처리 장치와 3차원 얼굴 생성 장치 및 방법
WO2025018782A1 (ko) 텍스처 맵 생성 방법 및 그 장치
WO2014007450A1 (ko) 깊이 영상 처리 장치 및 방법
WO2024143731A1 (ko) 선택적 초해상화에 기반한 다중시점 리얼타임 메타버스 컨텐츠데이터를 구축하는 방법 및 시스템

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22837966

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022837966

Country of ref document: EP

Effective date: 20230302

NENP Non-entry into the national phase

Ref country code: DE