KR100436499B1 - Color image segmentation method - Google Patents
Color image segmentation method Download PDFInfo
- Publication number
- KR100436499B1 KR100436499B1 KR10-2001-7011526A KR20017011526A KR100436499B1 KR 100436499 B1 KR100436499 B1 KR 100436499B1 KR 20017011526 A KR20017011526 A KR 20017011526A KR 100436499 B1 KR100436499 B1 KR 100436499B1
- Authority
- KR
- South Korea
- Prior art keywords
- pixel
- color image
- values
- predetermined
- value
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 101
- 238000003709 image segmentation Methods 0.000 title claims abstract description 59
- 230000011218 segmentation Effects 0.000 claims abstract description 12
- 238000003672 processing method Methods 0.000 claims description 7
- 239000003086 colorant Substances 0.000 claims 2
- 238000004590 computer program Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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; CALCULATING OR 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N9/00—Details of colour television systems
- H04N9/64—Circuits for processing colour signals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Facsimile Image Signal Circuits (AREA)
- Color Image Communication Systems (AREA)
Abstract
컬러 영상 분할 방법이 제공된다. 본 컬러 영상 분할 방법은 (a) 입력 영상의 픽셀값들을 사용하여 주변 픽셀들의 색과 구별되는 정도를 나타내는 소정의 값을 계산하는 단계와, (b) 계산된 값을 소정의 스케일의 값으로 변환하여 변환된 영상을 얻는 단계, 및 (c) 상기 변환된 영상을 분할하는 단계를 포함한다. 본 컬러 영상 분할 방법에 의하면, 상당히 많은 노이즈가 포함되어 있는 영상을 분할할 때조차 강건(robust)하고 자동적인 분할이 가능하고, 분할 속도가 빠르다.A color image segmentation method is provided. The color image segmentation method comprises the steps of (a) calculating a predetermined value representing a degree of distinction from the color of surrounding pixels using pixel values of an input image, and (b) converting the calculated value to a value of a predetermined scale. Obtaining the converted image, and (c) dividing the converted image. According to this color image segmentation method, robust and automatic segmentation is possible and segmentation speed is high even when segmenting an image containing a considerable amount of noise.
Description
컬러 영상의 분할은 디지털 영상 처리 및 그 애플리케이션에서 매우 중요한 부분이다. 종래의 컬러 영상 분할 방법들은 텍스처(texture)를 포함하는 컬러 영상을 분할하기가 용이하지 않은 문제점이 있다. 또한, 자동 분할을 수행하는 종래의 다른 컬러 영상 분할 방법은 입력 영상에 포함되는 노이즈에 대하여 강건(robust)하지 못하고, 사용자가 예비적으로 분할을 한 영상을 다시 분할하는 종래의 또 다른 컬러 영상 분할 방법은 입력 영상에 포함되는 노이즈에 대하여 강건한 반면에 자동 분할이 수행되지 못하므로 시간이 많이 소요된다는 문제점이 있다.Segmentation of color images is an important part of digital image processing and its applications. Conventional color image segmentation methods have a problem in that it is not easy to segment a color image including a texture. In addition, another conventional color image segmentation method that performs automatic segmentation is not robust to noise included in the input image, and another conventional color image segmentation in which the user splits the image preliminarily divided. While the method is robust against noise included in the input image, the automatic segmentation is not performed, which takes a long time.
본 발명은 컬러 영상 분할 방법에 관한 것으로, 특히 컬러 영상을 분할하는 컬러 영상 분할 방법에 관한 것이다.The present invention relates to a color image segmentation method, and more particularly, to a color image segmentation method for segmenting a color image.
도 1은 본 발명의 실시예에 의한 컬러 영상 분할 방법을 도해한 흐름도이다.1 is a flowchart illustrating a color image segmentation method according to an embodiment of the present invention.
도 2a 내지 도 2c는 도 1의 컬러 영상 분할 방법에 따라 형성된 클래스 맵과 J 값들을 도해한 것이다.2A to 2C illustrate class maps and J values formed according to the color image segmentation method of FIG. 1.
도 3a 및 도 3b는 분할된 클래스 맵을 도해한 것이다.3A and 3B illustrate a partitioned class map.
도 4a는 테스트 영상인 "컨테이너(container)"의 한 영상 프레임과 본 발명에 의한 컬러 영상 분할 방법에 의해 분할된 테스트 영상을 도해한 것이다.4A illustrates one image frame of a "container" which is a test image and a test image divided by the color image segmentation method according to the present invention.
도 4b는 테스트 영상인 "포어맨(foreman)"의 한 영상 프레임과 본 발명에 의한 컬러 영상 분할 방법에 의해 분할된 테스트 영상을 도해한 것이다.4B illustrates one image frame of a "foreman" which is a test image and a test image divided by the color image segmentation method according to the present invention.
도 4c는 테스트 영상인 "코오스트(coast)"의 한 영상 프레임과 본 발명에 의한 컬러 영상 분할 방법에 의해 분할된 테스트 영상을 도해한 것이다.4C illustrates a test image divided by a color image segmentation method according to the present invention and one image frame of a "coast" which is a test image.
도 4d는 테스트 영상인 "플라워가든(flower garden)"의 한 영상 프레임과 본 발명에 의한 컬러 영상 분할 방법에 의해 분할된 테스트 영상을 도해한 것이다.FIG. 4D illustrates one image frame of a "flower garden" which is a test image and a test image divided by the color image segmentation method according to the present invention.
도 4e는 테스트 영상인 "마더 앤 도터(mother and daughter)"의 한 영상 프레임과 본 발명에 의한 컬러 영상 분할 방법에 의해 분할된 테스트 영상을 도해한 것이다.4E illustrates one image frame of a test image "mother and daughter" and a test image divided by the color image segmentation method according to the present invention.
상기한 문제점들을 해결하기 위하여, 본 발명의 목적은 텍스처를 포함하는 컬러 영상을 자동으로 분할할 수 있고, 입력 영상에 포함되는 노이즈에 강건한 컬러 영상 분할 방법을 제공하는 것이다.In order to solve the above problems, an object of the present invention is to provide a color image segmentation method that can automatically segment a color image including a texture, and is robust to noise included in the input image.
본 발명의 다른 목적은 상기 컬러 영상 분할 방법을 포함하는 컬러 영상 처리 방법을 제공하는 것이다.Another object of the present invention is to provide a color image processing method including the color image segmentation method.
본 발명의 또 다른 목적은 상기 컬러 영상 분할 방법을 수행하는 컴퓨터 프로그램이 저장된 매체를 제공하는 것이다.Still another object of the present invention is to provide a medium storing a computer program for performing the color image segmentation method.
따라서, 상기 목적을 달성하기 위하여, 본 발명의 일 태양에 의하면, 컬러 영상 분할 방법이 제공된다. 상기 컬러 영상 분할 방법은, (a) 입력 영상의 픽셀값들을 사용하여 주변 픽셀들의 색과 구별되는 정도를 나타내는 소정의 값을 계산하는 단계; (b) 계산된 값을 소정의 스케일의 값으로 변환하여 변환된 영상을 얻는 단계; 및 (c) 상기 변환된 영상을 분할하는 단계를 포함한다.Accordingly, in order to achieve the above object, according to one aspect of the present invention, a color image segmentation method is provided. The color image segmentation method may include: (a) calculating a predetermined value representing a degree of distinguishing from a color of surrounding pixels using pixel values of an input image; (b) converting the calculated value into a value of a predetermined scale to obtain a converted image; And (c) dividing the converted image.
바람직하게는, 상기 (c) 단계는, 영역 성장법(region growing method)을 기초로 상기 변환된 영상을 분할한다.Preferably, the step (c) divides the converted image based on a region growing method.
상기 컬러 영상 분할 방법은, 상기 (a) 단계 이전에, 영상의 픽셀값들을 소정 개수의 대표 픽셀값들로 양자화하는 단계를 더 포함하고, 상기 픽셀값은 양자화된 픽셀값들인 것이 바람직하다.The color image segmentation method may further include quantizing pixel values of the image into a predetermined number of representative pixel values before step (a), wherein the pixel values are quantized pixel values.
상기 대표 픽셀값들은, 10 - 20개의 값들로 이루어지는 것이 바람직하다.The representative pixel values preferably consist of 10-20 values.
상기 컬러 영상 분할 방법은 상기 (a) 단계 이전에, 중심 픽셀을 포함하는 소정의 윈도우를 정의하는 단계; 및 정의된 윈도우 내의 픽셀들에 대하여 주변 픽셀들의 색과 구별되는 정도를 나타내는 소정의 값을 계산하는 단계를 더 포함하는 것이 바람직하다.The color image segmentation method may further include defining a predetermined window including a center pixel before the step (a); And calculating a predetermined value for the pixels in the defined window, the degree of distinction from the color of the surrounding pixels.
또한, 상기 (a) 단계는, d를 양의 정수라 할 때, 픽셀 p를 중심으로 하고 d ×d의 크기를 가지는 윈도우 B를 정의하는 단계; i는 1과 C 사이의 수,는 상기 윈도우 B 내의 모든 픽셀들의 집합이라 할 때, 픽셀 위치를 C 개의 클래스들로 분류하는 단계; 및는 클래스의개의 데이터 포인트들의 위치들의 평균,와는 각각와라 할 때, 클래스 맵 내의 각 픽셀에 대하여 J 값을에 의하여 구하는 단계를 포함하는 것이 바람직하다.In addition, the step (a), when d is a positive integer, defining a window B centered on the pixel p and having the size of d × d; i is a number between 1 and C, Is the set of all pixels in window B, the pixel position Classifying the into C classes; And Class of Average of the locations of the data points, Wow Are each Wow Let J be the value for each pixel in the class map. It is preferable to include the step of obtaining by.
상기 d는, 3 이상 10 이하의 정수인 것이 바람직하다.It is preferable that said d is an integer of 3 or more and 10 or less.
상기 소정의 스케일은 0에서 255 사이의 값들을 가지는 그레이 스케일인 것이 바람직하다.Preferably, the predetermined scale is a gray scale having values between 0 and 255.
상기 목적을 달성하기 위하여, 본 발명의 다른 태양에 의하면, 컬러 영상 분할 방법이 제공된다. 상기 컬러 영상 분할 방법은, (a) 영상의 픽셀값들을 소정 개수의 대표 픽셀값들로 양자화하는 단계; (b) 양자화된 대표 픽셀값들을 사용하여 소정 크기의 윈도우 내의 픽셀들의 색과 구별되는 정도를 나타내는 소정의 값을 계산하는 단계; (c) 계산된 값을 소정의 스케일의 값으로 변환하여 변환된 영상을 얻는 단계; 및 (d) 상기 변환된 영상을 영역 성장법을 기초로 하는 분할 방법을 사용하여 분할하는 단계를 포함한다.In order to achieve the above object, according to another aspect of the present invention, a color image segmentation method is provided. The color image segmentation method includes: (a) quantizing pixel values of an image into a predetermined number of representative pixel values; (b) using a quantized representative pixel value to calculate a predetermined value indicative of a degree of distinction from the color of pixels in a window of a predetermined size; (c) converting the calculated value into a value of a predetermined scale to obtain a converted image; And (d) dividing the converted image using a segmentation method based on a region growth method.
상기 다른 목적을 달성하기 위하여, 컬러 영상 분할 방법에 따라 컬러 영상을 처리하는 객체 기반(object-based)의 컬러 영상 처리 방법이 제공된다. 상기 컬러 영상 분할 방법은, (a) 입력 영상의 픽셀값들을 사용하여 주변 픽셀들의 색과 구별되는 정도를 나타내는 소정의 값을 계산하는 단계; (b) 계산된 값을 소정의 스케일의 값으로 변환하여 변환된 영상을 얻는 단계; 및 (c) 상기 변환된 영상을 분할하는 단계를 포함한다.In order to achieve the above object, there is provided an object-based color image processing method for processing a color image according to the color image segmentation method. The color image segmentation method may include: (a) calculating a predetermined value representing a degree of distinguishing from a color of surrounding pixels using pixel values of an input image; (b) converting the calculated value into a value of a predetermined scale to obtain a converted image; And (c) dividing the converted image.
상기 또 다른 목적을 달성하기 위하여, 컬러 영상을 복수 개의 영역들로 분할하는 컬러 영상 분할 방법을 컴퓨터에 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체가 제공된다. 상기 컬러 영상 분할 방법은, (a) 영상의 픽셀값들을 소정 개수의 대표 픽셀값들로 양자화하는 단계; (b) 양자화된 대표 픽셀값들을 사용하여 소정 크기의 윈도우 내의 픽셀들의 색과 구별되는 정도를 나타내는 소정의 값을 계산하는 단계; (c) 계산된 값을 소정의 스케일의 값으로 변환하여 변환된 영상을 얻는 단계; 및 (d) 상기 변환된 영상을 영역 성장법을 기초로 하는 분할 방법을 사용하여 분할하는 단계를 포함한다.In order to achieve the above another object, there is provided a computer-readable recording medium having recorded thereon a program for causing a computer to execute a color image segmentation method for dividing a color image into a plurality of regions. The color image segmentation method includes: (a) quantizing pixel values of an image into a predetermined number of representative pixel values; (b) using a quantized representative pixel value to calculate a predetermined value indicative of a degree of distinction from the color of pixels in a window of a predetermined size; (c) converting the calculated value into a value of a predetermined scale to obtain a converted image; And (d) dividing the converted image using a segmentation method based on a region growth method.
본 발명의 상기 목적들과 장점들은 첨부된 도면들을 참조하여 바람직한 실시예를 상세히 설명함으로써 더 명백해질 것이다.The above objects and advantages of the present invention will become more apparent by describing the preferred embodiment in detail with reference to the accompanying drawings.
본 발명의 실시예에 의한 컬러 영상 분할 방법을 도해한 흐름도가 도시된 도 1을 참조하면, 컬러 영상이 입력되고(단계 102), 입력된 영상의 픽셀값들이 몇 개의 대표 픽셀값들로 양자화된다(단계 104). 자연 장면들에서 영상을 분류하기 위해서, 대표 픽셀값들은 10 - 20개 값들로 이루어지는 것이 바람직하다. 본 실시예에서는 설명의 편의를 위하여 양자화가 3개의 대표 픽셀값들을 사용하여 수행된다. 다음으로, 양자화된 대표 픽셀값들에 해당하는 라벨들(labels)을 부여함으로써 클래스 맵이 형성된다(단계 106).Referring to FIG. 1, which shows a flowchart illustrating a color image segmentation method according to an embodiment of the present invention, a color image is input (step 102), and pixel values of the input image are quantized into several representative pixel values. (Step 104). In order to classify an image in natural scenes, the representative pixel values are preferably made up of 10-20 values. In the present embodiment, quantization is performed using three representative pixel values for convenience of description. Next, a class map is formed by assigning labels corresponding to quantized representative pixel values (step 106).
보다 바람직하게는, 전체 영상 내에서 처리하고자 하는 픽셀을 중심으로하는 윈도우가 정의된다. 즉, d를 양의 정수, 바람직하게는, 3과 10 사이의 양의 정수라 할 때, 픽셀 p를 중심으로 하고 d ×d의 크기를 가지는 윈도우 B를 정의한다. 또한, i는 1과 C 사이의 수,는 상기 윈도우 B 내의 모든 픽셀들의 집합이라 가정한다. 즉,는 C 개의 클래스로 분류된다고 가정한다. 바람직하게는, 윈도우의 크기를 결정하는 d는 3 이상 10 이하의 정수이다.More preferably, a window is defined that is centered on the pixel to be processed in the entire image. That is, when d is a positive integer, preferably between 3 and 10, window B is defined with the size of d x d centered on pixel p. I is also a number between 1 and C, Is assumed to be the set of all pixels in window B. In other words, Is assumed to be classified into C classes. Preferably, d for determining the size of the window is an integer of 3 or more and 10 or less.
또한,는 클래스의개의 데이터 포인트들의 위치들의 평균, 즉,Also, Class of Of the locations of the two data points, i.e.
이라 가정한다. 또한,와는 각각,Assume that Also, Wow Are each,
과 같이 정의된다.Is defined as:
다음으로, 클래스 맵 내의 각 픽셀에 대하여 J 값이 획득된다(단계 108). 상기 클래스 맵의 각 픽셀에 대한 J 값은,Next, a J value is obtained for each pixel in the class map (step 108). The J value for each pixel of the class map is
과 같이 정의된다. 수학식 3에 의하여 획득된 J 값들은 0에서 255 사이의 그레이 스케일로 변환됨으로써, 값들을 가지며 J 영상으로 지칭될 수 있는 그레이 스케일 영상이 획득된다(단계 110). 상기 J 영상은 각각 실제로는 영역 중심들과 영역 경계들을 나타내는 계곡들과 산들을 가지는 3차원 지형도와 같은 형태를 이룬다.Is defined as: The J values obtained by Equation 3 are converted to a gray scale between 0 and 255, thereby obtaining a gray scale image having values and which may be referred to as a J image (step 110). The J image is in the form of a three-dimensional topographic map, each having valleys and mountains that actually represent region centers and region boundaries.
마지막으로, 상기 J 영상은 영역 성장법(region growing method)을 기초로 하여 분할된다(단계 112). 상기 영역 성장법은 디지털 영상의 분할에 사용되는 방법으로 당업자에게 알려져 있기 때문에 본 명세서에서는 더 이상 설명되지 않는다.Finally, the J image is segmented based on a region growing method (step 112). The region growth method is not described herein any further because it is known to those skilled in the art as a method used for segmentation of digital images.
도 2a 내지 도 2c는 도 1의 컬러 영상 분할 방법에 따라 생성되는 클래스 맵과 J 값들을 도해한 것이다. 도 2a의 클래스 맵에서는 중심 픽셀에 대한 J 값이 1.720이고, 도 2b의 클래스 맵에서는 중심 픽셀에 대한 J 값이 0이며, 도 2c의 클래스 맵에서는 중심 픽셀에 대한 J 값이 0.855로 획득된다. 여기서, 도 2a의 클래스 맵에서와 같이 중심 픽셀의 왼쪽에 위치한 +로 표시된 픽셀들과, 중심 픽셀의 오른쪽에 위치한 ○으로 표시된 픽셀들과 *으로 표시된 픽셀들이 가장 뚜렷하게 영역을 형성하는 경우에는 J 값이 상대적으로 큰 1.720이다. 또한, 도 2b의 클래스 맵에서와 같이 +로 표시된 픽셀들, ○으로 표시된 픽셀들, 및 *으로 표시된 픽셀들이 고르게(uniform) 분포하여 영역들을 거의 형성할 수 없는 경우에는 J 값이 0이다. 또한, 도 2c의 클래스 맵에서와 같이 중심 픽셀의 오른쪽에 위치한 +로 표시된 픽셀들은 영역을 형성하지만, ○으로 표시된 픽셀들, 및 *으로 표시된 픽셀들은 영역을 거의 형성할 수 없는 경우에는 J 값이 0.855이다. 즉, 픽셀의 J 값이 크면 클수록 그 픽셀은 영역 경계에 가깝게 있다는 것을 나타내므로, 이러한 점을 사용하여 영역 성장법을 기초로 한 분할이 수행될 수 있다.2A to 2C illustrate class maps and J values generated according to the color image segmentation method of FIG. 1. In the class map of FIG. 2A, the J value for the center pixel is 1.720, the J value for the center pixel is 0 in the class map of FIG. 2B, and the J value for the center pixel is 0.855 in the class map of FIG. 2C. Here, as shown in the class map of FIG. 2A, the pixels marked with + located to the left of the center pixel, the pixels marked with o and the pixels marked with * located to the right of the center pixel form the most distinct area. This is 1.720 relatively large. Also, as in the class map of FIG. 2B, the J value is 0 when pixels marked with +, pixels marked with ○, and pixels marked with * are uniformly distributed to form almost no regions. Also, as shown in the class map of FIG. 2C, pixels marked with + located to the right of the center pixel form an area, but pixels marked with ○ and pixels marked with * have a value of J when hardly forming an area. 0.855. That is, the larger the J value of the pixel indicates that the pixel is closer to the area boundary, so that division based on the area growth method can be performed using this point.
도 3a 및 도 3b는 분할된 클래스 맵들을 도해한 것이다.3A and 3B illustrate divided class maps.
분할된 클래스 맵들에서 각 영역에 대하여 분할이 잘 수행되었는지를 검사하여 양자화된 값들로 나타낼 필요가 있다. 이를 위하여,를 k 영역에 대하여 획득된 J 값,를 k 번 째 영역의 픽셀 포인트들의 수, N을 클래스 맵 내의 픽셀 포인트들의 총 수라 할 때, 평균화된 J 값은,In the partitioned class maps, it is necessary to check whether the partitioning is performed well for each region and indicate the quantized values. To this end, Is the obtained J value for the k region, Is the number of pixel points in the k th region, where N is the total number of pixel points in the class map, the averaged J value silver,
과 같이 계산된다. 상기 계산된 값들은 분할된 클래스 맵들에서 각 영역들에 대하여 분할이 잘 되었는지를 양자화된 값으로 나타내어진다.Is calculated as The calculated values are expressed as quantized values indicating whether partitioning is performed for each region in the divided class maps.
도 3a에 나타내어진 분할된 클래스 맵의 경우,가 0인데 반하여, 도 3b에 나타내어진 분할된 클래스 맵의 경우,가 0.05이다. 즉, 고정된 수의 영역들의 경우, 보다 잘 분할된 경우에는 평균화된 J 값이 작다. 이는 어떠한 영역이 잘 분할되어 있는 경우, 그 영역은 고르게 분포된 색 클래스들을 적게 포함하고 있기 때문이다. 따라서, 평균화된 J 값이 작게 나타난다.In the case of the partitioned class map shown in FIG. 3A, Is 0, whereas for the partitioned class map shown in FIG. Is 0.05. That is, for a fixed number of regions, the averaged J value is small when better partitioned. This is because if an area is well partitioned, it contains fewer evenly distributed color classes. Thus, the averaged J value appears small.
도 4a에는 테스트 영상인 "컨테이너(container)"의 한 영상 프레임과 본 발명에 따른 컬러 영상 분할 방법에 의하여 분할된 테스트 영상을 나타내었다. 도 4a를 참조하면, 분할하기 이전의 영상에 대한는 0.232이지만 분할을 수행한 다음의 영상에 대한는 0.071이다. 또한, 테스트 영상내의 영역들이 잘 분할되었음을 알 수 있다.4A shows an image frame of a "container" which is a test image and a test image divided by the color image segmentation method according to the present invention. Referring to FIG. 4A, for an image before segmentation Is 0.232, but for the next image Is 0.071. Also, it can be seen that the regions in the test image are well divided.
또한, 도 4b에는 테스트 영상인 "포어맨(foreman)"의 한 영상 프레임과 본 발명에 따른 컬러 영상 분할 방법에 의하여 분할된 테스트 영상을 나타내었다. 도 4b를 참조하면, 분할하기 이전의 영상에 대한는 0.238이지만 분할을 수행한 다음의 영상에 대한는 0.105이다. 또한, 테스트 영상내의 영역들이 잘 분할되었음을 알 수 있다.In addition, FIG. 4B shows an image frame of a "foreman" which is a test image and a test image divided by the color image segmentation method according to the present invention. Referring to FIG. 4B, for an image before dividing Is 0.238, but for the next image Is 0.105. Also, it can be seen that the regions in the test image are well divided.
도 4c에는 테스트 영상인 "코오스트(coast)"의 한 영상 프레임과 본 발명에 따른 컬러 영상 분할 방법에 의하여 분할된 테스트 영상을 나타내었다. 도 4c를 참조하면, 분할하기 이전의 영상에 대한는 0.494이지만 분할을 수행한 다음의 영상에 대한는 0.093이다. 또한, 테스트 영상내의 영역들이 잘 분할되었음을 알 수 있다.FIG. 4C shows one image frame of a "coast" which is a test image and a test image divided by the color image segmentation method according to the present invention. Referring to FIG. 4C, for an image before dividing Is 0.494, but for the next image Is 0.093. Also, it can be seen that the regions in the test image are well divided.
도 4d에는 테스트 영상인 "플라워가든(flower garden)"의 한 영상 프레임과 본 발명에 따른 컬러 영상 분할 방법에 의하여 분할된 테스트 영상을 나타내었다. 도 4d를 참조하면, 분할하기 이전의 영상에 대한는 0.435이지만 분할을 수행한 다음의 영상에 대한는 0.088이다. 또한, 테스트 영상내의 영역들이 잘 분할되었음을 알 수 있다.4D shows an image frame of a "flower garden" which is a test image and a test image divided by the color image segmentation method according to the present invention. Referring to FIG. 4D, for an image before dividing Is 0.435, but for the next image Is 0.088. Also, it can be seen that the regions in the test image are well divided.
또한, 도 4e는 테스트 영상인 "마더 앤 도터(mother and daughter)"의 한 영상 프레임과 본 발명에 따른 컬러 영상 분할 방법에 의하여 분할된 테스트 영상을 나타내었다. 도 4e를 참조하면, 분할하기 이전의 영상에 대한는 0.438이지만 분할을 수행한 다음의 영상에 대한는 0.061이다. 또한, 테스트 영상내의 영역들이잘 분할되었음을 알 수 있다.In addition, FIG. 4E illustrates one image frame of a test image "mother and daughter" and a test image divided by the color image segmentation method according to the present invention. Referring to FIG. 4E, for an image before dividing Is 0.438, but for the next image Is 0.061. Also, it can be seen that the regions in the test image are well-divided.
즉, 도 4a 내지 도 4e를 참조하여 설명된 바와 같이, 본 발명에 따른 컬러 영상 분할 방법에 의하여 분할된 영상에 대한는 분할하기 이전의 영상에 대한보다 더 작다.That is, as described with reference to FIGS. 4A to 4E, for an image segmented by the color image segmentation method according to the present invention. For the image before the split Smaller than
상기 실시예에서, 특정 함수의 계산이 예로써 설명되었지만, 이것은 설명을 위한 것일 뿐이다. 첨부된 청구항들에 정의되는 본 발명의 범위는 상기 실시예에 한정되지 않으며, 당업자가 주변 픽셀들의 색과 구별되는 정도를 나타내는 다른 변형된 함수를 사용할 수 있다는 것은 명백하다.In the above embodiment, the calculation of the specific function has been described as an example, but this is for illustrative purposes only. The scope of the invention as defined in the appended claims is not limited to the above embodiment, and it is apparent that one of ordinary skill in the art may use other modified functions indicative of the degree of distinction from the color of the surrounding pixels.
더욱이, 상기 컬러 영상 분할 방법은 컴퓨터 프로그램에서 구현될 수 있다. 상기 프로그램을 구성하는 코드들 및 코드 세그멘트들은 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다. 또한, 상기 프로그램은 컴퓨터가 독출할 수 있는 매체(computer readable media)에 저장되고, 컴퓨터에 의해 실행될 수 있음으로써, 상기 컬러 영상 처리 방법을 구현할 수 있다. 상기 매체는 자기 매체, 광 매체, 및 반송파(carrier waves) 매체를 포함한다.Furthermore, the color image segmentation method may be implemented in a computer program. Codes and code segments constituting the program can be easily inferred by a computer programmer in the art. The program may be stored in a computer readable media and executed by a computer, thereby implementing the color image processing method. The medium includes magnetic media, optical media, and carrier waves media.
상술한 바와 같이 본 발명에 의하면, 컬러 영상이 사용자의 지원없이 자동으로 분할될 수 있고, 입력 영상에 포함되는 노이즈에 대해 강건하다.As described above, according to the present invention, the color image can be automatically divided without the user's support, and is robust against noise included in the input image.
본 발명에 의한 상기 컬러 영상 분할 방법에서, 상당히 많은 노이즈 또는 텍스처가 포함되어 있는 영상을 분할할 때도 강건(robust)한 분할이 가능하다. 더욱이, 사용자에 의해 수동으로 수행되는 분할과 같은 사용자의 지원없이 자동적인 분할이 가능하므로 분할 속도가 빠르다. 상기 컬러 영상 분할 방법은 MPEG-7에서 사용되는 것과 같은 객체 기반(object-based)의 영상 처리에 적용될 수 있다.In the color image segmentation method according to the present invention, robust segmentation is possible even when segmenting an image including a considerable amount of noise or texture. Moreover, the splitting speed is fast because automatic splitting is possible without the user's support such as splitting performed manually by the user. The color image segmentation method may be applied to object-based image processing as used in MPEG-7.
Claims (41)
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US13064399P | 1999-04-23 | 1999-04-23 | |
| US60/130,643 | 1999-04-23 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20010105382A KR20010105382A (en) | 2001-11-28 |
| KR100436499B1 true KR100436499B1 (en) | 2004-06-22 |
Family
ID=22445651
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR10-2001-7011526A KR100436499B1 (en) | 1999-04-23 | 2000-03-22 | Color image segmentation method |
Country Status (8)
| Country | Link |
|---|---|
| EP (1) | EP1192809A4 (en) |
| JP (1) | JP3853156B2 (en) |
| KR (1) | KR100436499B1 (en) |
| CN (1) | CN1292593C (en) |
| AU (1) | AU3680700A (en) |
| MY (1) | MY130272A (en) |
| TW (1) | TW469412B (en) |
| WO (1) | WO2000065839A1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160069804A (en) * | 2014-12-09 | 2016-06-17 | 삼성전자주식회사 | Method for processing image for blur region detection and image processing apparatus thereof |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6778697B1 (en) * | 1999-02-05 | 2004-08-17 | Samsung Electronics Co., Ltd. | Color image processing method and apparatus thereof |
| CN100428278C (en) * | 1999-02-05 | 2008-10-22 | 三星电子株式会社 | Color image processing method and apparatus thereof |
| KR100788643B1 (en) | 2001-01-09 | 2007-12-26 | 삼성전자주식회사 | Searching method of image based on combination of color and texture |
| KR100562937B1 (en) * | 2004-08-11 | 2006-03-22 | 엘지전자 주식회사 | Method and Apparatus for Processing Image of Display Device |
| CN102087741B (en) * | 2009-12-03 | 2013-01-02 | 财团法人工业技术研究院 | Method and system for processing image by using regional architecture |
| KR101223046B1 (en) | 2011-02-08 | 2013-01-17 | 경북대학교 산학협력단 | Image segmentation device and method based on sequential frame imagery of a static scene |
| CN102629386A (en) * | 2012-03-28 | 2012-08-08 | 浙江大学 | Region segmentation method for colorful textile texture images |
| CN103065317A (en) * | 2012-12-28 | 2013-04-24 | 中山大学 | Partial color transferring method and transferring device based on color classification |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0831658A3 (en) * | 1996-09-24 | 1999-09-15 | Hyundai Electronics Industries Co., Ltd. | Encoder/decoder for coding/decoding gray scale shape data and method thereof |
-
2000
- 2000-03-22 JP JP2000614663A patent/JP3853156B2/en not_active Expired - Fee Related
- 2000-03-22 CN CNB008036039A patent/CN1292593C/en not_active Expired - Fee Related
- 2000-03-22 WO PCT/KR2000/000248 patent/WO2000065839A1/en active IP Right Grant
- 2000-03-22 AU AU36807/00A patent/AU3680700A/en not_active Abandoned
- 2000-03-22 EP EP00915565A patent/EP1192809A4/en not_active Withdrawn
- 2000-03-22 KR KR10-2001-7011526A patent/KR100436499B1/en not_active IP Right Cessation
- 2000-04-21 MY MYPI20001737A patent/MY130272A/en unknown
- 2000-07-12 TW TW089106869A patent/TW469412B/en not_active IP Right Cessation
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160069804A (en) * | 2014-12-09 | 2016-06-17 | 삼성전자주식회사 | Method for processing image for blur region detection and image processing apparatus thereof |
| KR101631953B1 (en) | 2014-12-09 | 2016-06-20 | 삼성전자주식회사 | Method for processing image for blur region detection and image processing apparatus thereof |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2000065839A1 (en) | 2000-11-02 |
| CN1340273A (en) | 2002-03-13 |
| EP1192809A4 (en) | 2007-08-22 |
| JP3853156B2 (en) | 2006-12-06 |
| EP1192809A1 (en) | 2002-04-03 |
| AU3680700A (en) | 2000-11-10 |
| MY130272A (en) | 2007-06-29 |
| KR20010105382A (en) | 2001-11-28 |
| CN1292593C (en) | 2006-12-27 |
| JP2002543691A (en) | 2002-12-17 |
| TW469412B (en) | 2001-12-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7991224B2 (en) | Segmenting digital image and producing compact representation | |
| US10489970B2 (en) | 2D image processing for extrusion into 3D objects | |
| KR100450793B1 (en) | Apparatus for object extraction based on the feature matching of region in the segmented images and method therefor | |
| US5226175A (en) | Technique for representing sampled images | |
| US8417029B2 (en) | Image processing apparatus and method, including fill-up processing | |
| US6728400B1 (en) | Apparatus, method, and storage medium for setting an extraction area in an image | |
| US8135216B2 (en) | Systems and methods for unsupervised local boundary or region refinement of figure masks using over and under segmentation of regions | |
| US10204447B2 (en) | 2D image processing for extrusion into 3D objects | |
| US20120287488A1 (en) | Image processing apparatus, image processing method, and computer-readable medium | |
| KR100436499B1 (en) | Color image segmentation method | |
| US6333788B1 (en) | Image processing apparatus and method | |
| US20180184096A1 (en) | Method and apparatus for encoding and decoding lists of pixels | |
| CN113626444A (en) | Table query method, device, equipment and medium based on bitmap algorithm | |
| US6978042B1 (en) | Color image segmentation method | |
| JP2004199622A (en) | Apparatus and method for image processing, recording media, and program | |
| KR20230067216A (en) | Control apparatus for displaying of captured image | |
| Kovalevsky et al. | Image segmentation and connected components | |
| JPH08167028A (en) | Image processing method | |
| JP4383187B2 (en) | Image processing apparatus, image processing program, and storage medium | |
| AU4989899A (en) | Automatic masking of objects in images | |
| EP0483279B1 (en) | System for representing sampled images | |
| JP3460516B2 (en) | Method for extracting object in image and storage medium storing program for extracting object in image | |
| CN118736174A (en) | Radar jigsaw combination reflectivity extraction method based on image segmentation | |
| CN117593230A (en) | Image data enhancement method and device, electronic equipment and storage medium | |
| AU2004242418A1 (en) | Generating compressed output representation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20080529 Year of fee payment: 5 |
|
| LAPS | Lapse due to unpaid annual fee |