KR100803604B1 - 그레이 스케일 이미지를 위한 라인 씨닝 방법 및 시스템 - Google Patents

그레이 스케일 이미지를 위한 라인 씨닝 방법 및 시스템 Download PDF

Info

Publication number
KR100803604B1
KR100803604B1 KR1020060074315A KR20060074315A KR100803604B1 KR 100803604 B1 KR100803604 B1 KR 100803604B1 KR 1020060074315 A KR1020060074315 A KR 1020060074315A KR 20060074315 A KR20060074315 A KR 20060074315A KR 100803604 B1 KR100803604 B1 KR 100803604B1
Authority
KR
South Korea
Prior art keywords
segment
pixels
pixel
thinning
dynamic range
Prior art date
Application number
KR1020060074315A
Other languages
English (en)
Other versions
KR20070050340A (ko
Inventor
김영택
슈라퐁 레트라타나파니치
Original Assignee
삼성전자주식회사
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
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Publication of KR20070050340A publication Critical patent/KR20070050340A/ko
Application granted granted Critical
Publication of KR100803604B1 publication Critical patent/KR100803604B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration by the use of local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation

Abstract

본 발명은 그레이 스케일 입력 이미지를 위한 라인 씨닝 알고리즘(Line thinning algorithm)으로서, LTA는 연속적으로 입력 그레이 스케일 이미지의 꼭대기에서 바닥까지 각각의 행에서, 차후에 왼쪽에서 오른쪽으로 각각의 열에서 독립적으로 수행한다. LTA 방법은 잡음에 매우 강건하고, 잡음 이미지 영역들에서도 라인 씨닝이 가능하다. 씨닝 레벨은 국지적으로 각각의 라인 세그먼트에서의 트렌지션 레인지(transition range)와 다이나믹 레인지(dynamic range)에 상당히 적응적이다. 게다가, 검은색 라인(Black line)을 위한 LTA 방법은 LTA의 다른 부분의 변화 없이도 흰색 라인(white line)의 것에 상응하여 하나의 파라미터 델타(DELTA)의 부호를 양의 값에서 음의 값으로 변화시킴으로써 이끌어낼 수 있다.
씨닝, 라인, 그레이, 스케일, 이미지

Description

그레이 스케일 이미지를 위한 라인 씨닝 방법 및 시스템{Line Thinning Method and System for Grayscale Image}
도 1은 본 발명의 일실시예에 따른 검은색 라인 씨닝 알고리즘(LTA) 방법의 응용의 개략적이고 개념적인 시각화를 도시한 것이다.
도 2는 본 발명의 일실시예에 따른 LTA 시스템의 일실시예의 기능적인 블록 다이어그램을 도시한 것이다.
도 3은 도 2의 시스템에서의 P-V검출기(P-V detector) 모듈의 일실시예의 기능적인 블록 다이어그램을 도시한 것이다.
도 4는 도 3의 P-V 분류기에서 사용되는 분류표의 일례를 도시한 것이다.
도 5는 도 2의 시스템에서의 씨닝 모듈의 일 실시예의 기능적인 블록 다이어 그램을 도시한 것이다.
본 발명은 디지털 이미지 처리 분야와 관한 것으로, 특히 디지털 그레이 스케일 이미지들을 위한 라인 씨닝 방법에 관한 것이다.
디지털 이미지에서 씨닝(Thinning)은 일반적으로 입력 이미지가 그레이 스케 일 대신에 바이너리가 되도록 요구하는 형태상의 연산자(operator) 중에 하나로 간주 된다. 뿐만 아니라 씨닝은 다른 환경을 가진 구조 요소들(structuring elements)의 시퀀스에 대응하는 복수의 연산을 요구하는 연속적인 연산자이다. 씨닝 방법론에 대한 광범위한 연구는 1992년 9월의 패턴 분석과 기계 지식(Pattern Analysis and Machine Intelligence)의 IEEE 회보 볼륨 14, 번호 9의 869p 내지 885p에 게재된 Louisa Lam, Seong-hwan Lee, and Ching.Y.Suen 의 '씨닝 방법론 - 광범위한 연구(Thinning Methodologies - A Comprehensive Survey)'에서 발견할 수 있다. 입력이 바이너리 이미지 대신에 그레이 스케일 이미지일 때의, 약간의 변화들을 가진 다른 씨닝 방법들은 이미지 처리 2004의 국제 컨퍼런스에서 페이지 287 내지 290에 게재된 Sabrina Rami-Shojaei와 Corinne Vachier의 '그레이 스케일 이미지들을 위한 H-씨닝(H-Thinning for Gray-Scale Images)', 1998년 4월의 SPIE 선언서 - 문서 승인 V, 볼륨 3305, 242p 내지 252p에 게재된 Mark E.Hoffman, Edward K.Wong의 '피라미드 데이터 구조에서의 가장 돌출된 리지 라인을 이용한 이미지 씨닝을 위한 스케일 스페이스(Scale-space to Image thinning Using the Most Prominent Ridge-Line in the Pyramid Data structure)' 및 2004년도의 패턴 승인 레터 볼륨 25, Jocelyn Marchadier, Dider Arques, Sylvain Michelin의 '잘 구성된 그레이스케일 이미지들의 씨닝(Thinning Grayscale Well-Composed Images)'에서 발견할 수 있다.
그러나 형태학상의 관점에서, 입력이 바이너리 또는 그레이스케일 이미지 둘 중 하나일 때 씨닝 방법은 경계들(boundaries)로부터 등거리에 있는 등거리에 있는 최소한으로 연결된 라인을 생성하고, 각각의 오브젝트의 골격(skeleton) 또는 입력 이미지에서의 라인이 생기도록 한다.
특정한 어플리케이션에서, 결과적인 골격은 오브젝트의 유용한 기하학적 표시이다. 그러나 그것은 이미지 보강 어플리케이션을 위한 것은 아닌데, 이는 씨닝된(thinned) 라인들/오브젝트들이 보존되지 않기 때문이다.
본 발명의 일 실시예는 형태학에 기초하지 않는 라인 씨닝 방법을 제공하고, 각 라인의 윤곽 또는 이미지에서의 오브젝트를 생성하는 것을 목적으로 하지 않는다. 좀 더 정확히 말하면, 라인 씨닝 방법은 그 오브젝트들/라인들이 얇게 보이고 동시에 그들의 기하학상의 형태들이 보전되는 방식으로 오브젝트들/라인들의 상승 세그먼트와 하강 세그먼트를 조정하는 것을 목적으로 한다. 전통적인 라인 씨닝 방법들이 일반적으로 입력 이미지의 잡음 레벨을 고려하지 않는 것에 반하여 본 발명에 따른 라인 씨닝 방법은 잡음에 매우 강건하다.
본 발명의 일실시예는 그레이 스케일 디지털 이미지들을 위한 라인 씨닝 알고리즘(Line Thinning Algoritohm:LTA) 방법과 시스템을 제공한다. LTA 방법은 그레이 스케일 포맷에 있는 입력 이미지에 적용되는데, 이때 LTA 방법은 수평과 수직 방향에따라 오직 두 개의 분리 가능한 연산을 요구한다. LTA 방법은 연속적으로 입력 그레이 스케일 이미지의 꼭대기에서 바닥으로 각각의 행에서 수행하고, 차후에 왼쪽에서 오른쪽으로 각각의 열에서 독립적으로 수행하는 분리 가능한 알고리즘이 다 LTA 방법은 잡음에 매우 강건하고 잡음 이미지 영역에서 조차도 라인 씨닝이 가능하다. LTA 방법은 잡음에 매우 강건하고, 잡음 이미지 영역들에서도 라인 씨닝이 가능하다. 씨닝 레벨은 국지적으로 각각의 라인 세그먼트에서의 트렌지션 레인지와 다이나믹 레인지에 상당히 적응적이다. 게다가, 검은색 라인을 위한 LTA 방법은 LTA의 다른 부분의 변화 없이도 흰색 라인의 것에 상응하여 하나의 파라미터 델타(DELTA)의 부호를 양의 값에서 음의 값으로 변화시킴으로써 이끌어낼 수 있다.
그러한 점에서, 하나의 구현예로서, 픽셀들을 포함하는 그레이 스케일 디지털 이미지의 LTA 방법은 (a) 입력 이미지의 픽셀들의 시퀀스 내의 하나의 픽셀에 대하여, 상기 픽셀과 상기 픽셀과 이웃하는 픽셀들을 포함하는 시퀀스의 세그먼트를 찾아내는 단계 (b) 상기 세그먼트 내의 픽셀들의 특성들에 기초하여 세그먼트의 국지적인 특성들을 결정하는 단계 (c) 상기 세그먼트의 국지적인 특성들에 기초하여 픽셀에 씨닝 연산을 수행하는 단계를 포함한다. 상기 국지적인 특성들은 그 세그먼트의 픽셀들의 특성들에 기초하여 세그먼트의 다이나믹 레인지와 트랜지션 레인지를 포함한다.
일례로서, 상기 국지적인 특성들이 이미지 배경과 비교하여 이미지에서의 라인의 가시성의 측정을 제공할 때, 상기 픽셀들의 시퀀스는 그레이 스케일로 라인을 나타낸다. 국지적인 특성들은 다이나믹 레인지와 트랜지션 레인지를 포함할 수 있고, 이들은 이미지 배경과 비교하여 상기 이미지 세그먼트 내의 일부 라인의 가시성의 측정을 제공한다. 상기 다이나믹 레인지는 이미지에서 라인이 얼마나 명확한지를 나타낸다. 상기 트랜지션 레인지는 라인이 얼마나 넓은지를 나타낸다.
상기 씨닝을 수행하는 단계는 상기 세그먼트의 상기 다이나믹 레인지와 상기 트랜지션 레인지에 기초하여, 픽셀에서 씨닝 연산을 수행하는 단계를 더 포함한다. 상기 다이나믹 레인지를 결정하는 단계는 상기 세그먼트의 끝단들(ends)에서의 픽셀 그레이 스케일 레벨 사이의 차이를 결정하는 단계를 더 포함한다. 상기 트랜지션 레인지를 결정하는 단계는 상기 세그먼트 내의 픽셀들의 갯수를 결정하는 단계를 더 포함한다. 예컨대, 상기 픽셀들의 시퀀스는 이미지에서의 픽셀들의 행을 포함한다. 다른 예로서, 상기 픽셀들의 시퀀스는 상기 이미지에서의 픽셀들의 열을 포함한다. (a) 내지 (c) 단계는 상기 이미지에서의 픽셀들의 각각의 행에서 수행되고 독립적으로 (a) 내지 (c) 단계는 상기 이미지에서의 픽셀들의 각각의 열에서 수행된다.
상기 씨닝을 수행하는 단계는 상기 세그먼트의 상기 다이나믹 레인지와 상기 트랜지션 레인지에 기초하여 픽셀에서 씨닝 연산을 수행하는 단계를 더 포함한다. 상기 세그먼트를 찾아내는 단계는 감소하는 다이나믹 레인지를 가지는 픽셀에 의하여 특징지어지는 시퀀스에서의 각각의 하락 세그먼트(falling segment)를 찾아내고, 증가하는 다이나믹 레인지를 가지는 픽셀에 의하여 특징지어지는 시퀀스에서의 각각의 상승 세그먼트(falling segment)를 찾아내는 단계를 포함한다. 이때, 각각의 세그먼트의 하나의 끝단은 시퀀스에서 다이나믹 레인지 최대값(피크(peak)) 픽셀에 있고, 세그먼트의 다른쪽 끝단은 시퀀스에서의 최소값(밸리(valley)) 픽셀에 있다. 상기 씨닝을 수행하는 단계는 각각의 세그먼트에 대하여 다이나믹 레인지 계 수
Figure 112006056448647-pat00001
를 결정하는 단계, 각각의 세그먼트에 대하여 트랜지션 레인지 계수
Figure 112006056448647-pat00002
를 결정하는 단계, 상기 세그먼트의 상기 다이나믹 레인지 계수
Figure 112006056448647-pat00003
, 상기 트랜지션 레인지 계수
Figure 112006056448647-pat00004
에 기초하여 세그먼트 내의 각각의 입력 픽셀을 조정하여 출력 픽셀을 생성하는 단계를 더 포함한다.
본 발명의 다른 특징들과 측면들,장점들은 이하의 설명, 첨부된 청구항과 동반하는 도면들을 참조하여 이해될 수 있을 것이다.
본 발명의 일실시예는 그레이스케일 디지털 이미지들을 위한 라인 씨닝 알고리즘(Line Thinning Algoritohm:LTA) 방법과 시스템을 제공한다. LTA 방법은 그레이 스케일 포맷에 있는 입력 이미지에 적용되는데, 이때 LTA 방법은 수평과 수직 방향에따라 오직 두 개의 분리 가능한 연산을 요구한다. LTA 방법은 연속적으로 입력 그레이 스케일 이미지의 꼭대기에서 바닥으로 각각의 행에서 수행하고, 차후에 왼쪽에서 오른쪽으로 각각의 열에서 독립적으로 수행하는 분리 가능한 알고리즘이다. LTA 방법은 잡음에 매우 강건하고 잡음 이미지 영역에서도 라인 씨닝이 가능하다. LTA 방법은 잡음에 매우 강건하고, 잡음 이미지 영역들에서도 라인 씨닝이 가능하다. 씨닝 레벨은 국지적으로 각각의 라인 세그먼트에서의 트렌지션 레인지와 다이나믹 레인지에 상당히 적응적이다. 게다가, 검은색 라인을 위한 LTA 방법은 LTA의 다른 부분의 변화 없이도 흰색 라인의 것에 상응하여 하나의 파라미터 델타(DELTA)의 부호를 양의 값에서 음의 값으로 변화시킴으로써 이끌어낼 수 있다. 본 발명에 있어서, 라인 씨닝 방법은 라인들/오브젝트들의 기하학적인 형태를 보존한다. 게다가, 본 발명은 잡음이 있는 이미지 영역들에서도 라인들의 씨닝을 수행할 수 있고, 배경과 비교하여 (전경(foreground)의) 라인이 얼마나 명확한지와 라인이 얼마나 넓은지에 적응적일 수 있다.
여기의 설명에서, 이미지에서의 라인의 새로운 표현이 먼저 소개된다. 보편성을 잃지 않도록, 입력 그레이 스케일 이미지의 고려되는 라인의 색깔은 검은색(낮은 그레이 스케일 값)으로 놓고, 배경 색깔은 흰색(높은 그레이 스케일 값)으로 놓는다. LTA 방법은 연속적으로 입력 그레이 스케일 이미지의 꼭대기에서 바닥으로 각각의 행에서 수행하고, 차후에 왼쪽에서 오른쪽으로 각각의 열에서 독립적으로 수행하는 분리 가능한 알고리즘이다. 그러므로, 씨닝의 문제는 일차원의 문제로 좁혀진다. 보편성을 잃지 않고 단순화하기 위하여, 여기에서 기술되는 LTA 방법에 대한 입력은 이차원 입력 이미지의 각각의 일차원 행으로 간주한다.
입력 이미지에서의 픽셀들의 현재 행을 고려할 때, 이미지에서의 검은색 라인을 포함하는 행의 일부는, 하강 세그먼트와 상승 세그먼트라고 칭해지는 두 개의 세그먼트들로 분리될 수 있다.
도 1의 예(100)는 하강 세그먼트(102)에 뒤따르는 상승 세그먼트(104)에 의하여 특정되는 검은색 라인을 나타내는 입력 이미지의 현재 행의 일부에서의 픽셀들의 휘도(luminance)에 있어서의 다이나믹 레인지를 도시한다. 하강 세그먼트(102)와 상승 세그먼트(104) 각각은 픽셀 A에서 시작하여 B까지, 픽셀 B에서 픽셀 C까지의 모든 픽셀들을 포함한다. 픽셀 A,B,C 는 각각 피크, 밸리, 피크의 특징 들로 분류된다(이하에서 상세히 설명한다).
개념상으로, 검은색 라인을 얇게 만들기 위해서는, 각각의 하강 세그먼트(102)와 상승 세그먼트(104) 내에서 그늘로 채워진 원들(106)로써 표시되는 원래 픽셀 값들이 속이 빈 원들(108)로써 표시되는 대응하는 결과 픽셀 값들을 얻기 위해서 들어 올려져야 한다. 여기서 '들어 올려진다'는 용어는 적절하게 조정되어 모든 그늘로 채워진 픽셀들(106)이 속이 빈 원들(108)과 같아지는 것을 의미한다. 하강 세그먼트에서의 A와 B 사이의 픽셀들과 상승 세그먼트에서의 B와 C사이의 픽셀들이 들어올려 진다. 하강 세그먼트의 양 끝단에서의 픽셀 A와 B 및 상승 세그먼트의 양 끝단에서의 픽셀 B와 C는 변하지 않은 채로 남아있다는 것을 주의해야한다. 끝단의 픽셀들(A,B,C)을 제외한 각각의 세그먼트에서의 픽셀들은 (들어올려져) 조정된다.
입력 이미지가 (바이너리가 아닌) 그레이스케일에 있기 때문에, 많은 문제들을 고려하여야 한다. 먼저, LTA 방법은 잡음이 있는 이미지 영역에서도 라인들의 씨닝을 제공하여야 한다. 둘째, LTA 방법은 (전경의) 라인이 배경과 비교하였을 때 얼마나 명확한지(예컨대 검은색)와 얼마나 그 라인이 넓은지에 적응적이어야 한다. 여기서 기술한 LTA 방법의 예에 따르면, 얼마나 라인이 얼마나 명확한지와 얼마나 넓은지를 각각 표시하기 위하여 다이나믹 레인지
Figure 112006056448647-pat00005
과 트렌지션 레인지
Figure 112006056448647-pat00006
이 소개된다.
도 1의 예는 본 발명의 일 실시예에 따라, 검은색 라인을 포함하는 입력 이 미지의 현재의 행의 일부에 대한 검은색 LTA 방법의 응용의 개략적이고 개념적인 시각화를 도시한 것이다. 검은색 라인의 하강 세그먼트(102)는 피크 A에서 시작하여 밸리 B까지의 모든 픽셀들을 포함한다(게다가 피크와 밸리의 정의들이 이하의 도3의 관계에서 제공된다). 마찬가지로, 검은색 라인의 상승 세그먼트(104)는 밸리 B에서 시작하여 피크 C까지의 모든 픽셀들을 포함한다. 도 1의 심볼 0,+,-(제로, 플러스, 마이너스)는 입력 이미지의 현재 행에서의 각각의 픽셀과 관련된 클래스이다. 게다가, 하강 세그먼트(102)를 위한 트랜지션 레인지
Figure 112006056448647-pat00007
이 정의되는 픽셀들을 가진 하강 세그먼트(102)의 끝단들은 인덱스
Figure 112006056448647-pat00008
와
Figure 112006056448647-pat00009
에 의하여 표시된다. 세그먼트 내의 픽셀들의 갯수에 의하여 트랜지션 레인지
Figure 112006056448647-pat00010
이 정의될 때, 각각의 세그먼트(예컨대 세그먼트 102와 104)를 위한 트랜지션 레인지
Figure 112006056448647-pat00011
은 라인이 얼마나 넓은지를 나타낸다. 그러한 점에서, 세그먼트의 트랜지션 레인지
Figure 112006056448647-pat00012
은 수학식 1로 표시될 수 있다.
[수학식 1]
Figure 112006056448647-pat00013
게다가 도 1에 도시된 것 같이, 각각의 세그먼트의 다이나믹 레인지
Figure 112006056448647-pat00014
(예컨대 세그먼트 102와 104)은 라인이 얼마나 명확한지를 나타낸다. 각각의 세그먼트 의 다이나믹 레인지
Figure 112006056448647-pat00015
은 세그먼트의 끝단들에서의 그레이 스케일 레벨 사이의 차이에 의하여 정의된다. 그러한 점에서, 세그먼트의 다이나믹 레인지
Figure 112006056448647-pat00016
은 수학식 2로 표시될 수 있다.
[수학식 2]
Figure 112006056448647-pat00017
여기서
Figure 112006056448647-pat00018
는 인덱스 x에서의 입력 이미지의 고려되는 행의 그레이 스케일 값이다. 도 1에서, 각각의 (하강 세그먼트(102)와 상승 세그먼트에서의) 픽셀(108)은 대응하는 원래의 픽셀(106)에 대한 LTA 방법의 응용으로부터 나온 것이다.
도 2는 본 발명의 일 실시예에 따른 상기 LTA 방법을 구현하는 씨닝 시스템(200)의 일 실시예의 기능적인 블록 다이어그램을 도시한 것이다. 시스템(200)은 두 개의 주요 요소인 P-V 검출기(202)와 씨닝 모듈(204)을 포함한다. 입력 이미지의 각각의 행에 대하여, 고려되는 행
Figure 112006056448647-pat00019
는 그 행에서의 각각의 픽셀과 관련된 클래스를 포함하는 요소를 포함하는 출력 맵(output map) PVmap을 생성하는 P-V 검출기(202)에 대한 입력이다. PVmap에서의 요소는 클래스들 {피크, 밸리, 어느 쪽도 아닌 경우(Neither)} 중에 하나를 포함한다. 잡음이 있는 이미지들에서의 피크와 밸리를 잘못 검출할 가능성을 낮추기 위하여 P-V 검출기(202)에서 입력 파라미터 THR이 이용된다. 전형적으로 THR 값은 가장 큰 그레이 스케일 값(예컨대 8 비트의 그레이 스케일 이미지에서 THR=13)의 5%이나 만일 입력 이미지의 잡음 레벨을 먼저 아는 것이 가능하다면 THR은 잡음 레벨에 비례하도록 설정될 수 있다.
결과값인 PVmap과 입력 이미지의 고려되는 행
Figure 112006056448647-pat00020
는, 행
Figure 112006056448647-pat00021
(예컨대 도 1의 세그먼트 102,104)에서 고려되는 세그먼트 내에서의 각각의 픽셀 값을 조정하는 씨닝 모듈(204)의 입력이다. 그 행
Figure 112006056448647-pat00022
에서의 각각의 세그먼트의 다이나믹 레이지와 트랜지션 레인지에 기초하여 씨닝의 레벨을 제어하고 출력 행
Figure 112006056448647-pat00023
를 생성하기 위하여, 씨닝 모듈(204)에서 다섯개의 추가적인 입력 파라미터들
Figure 112006056448647-pat00024
,
Figure 112006056448647-pat00025
,
Figure 112006056448647-pat00026
,
Figure 112006056448647-pat00027
, 델타(
Figure 112006056448647-pat00028
)가 이용된다.
도 3은 본 발명의 일 실시예에 따라 도 2의 P-V 검출기(202)의 구현예의 기능적인 블록 다이어그램을 도시한 것이다. P-V 검출기(202)는 차분 모듈(Differentiating module)(210), 하드 쓰레숄드 모듈(Hard Threshould module)(212), 부호 모듈(Sign module)(214)와 P-V 분류 모듈(P-V Classifier module)(216)을 포함한다. P-V 검출기(202)의 예시적인 연산을 지금 기술한다.
N개의 픽셀의 집합
Figure 112006056448647-pat00029
을 포함하는 입력 이미지의 현재 행
Figure 112006056448647-pat00030
를 가정한다. 먼저, 차분 모듈(210)에 의하여 각각의 픽셀에서 추정된 도함수
Figure 112006056448647-pat00031
가 수학식 3과 같이 계산된다.
[수학식 3]
Figure 112006056448647-pat00032
이 예에서 반복되는 경계 값
Figure 112006056448647-pat00033
이 이용된다는 것을 주의한다.
다음으로, 하드 쓰레숄드 모듈(212)에 의하여 세분된(refined) 도함수
Figure 112006056448647-pat00034
이 수학식 4와 같이 계산된다.
[수학식 4]
Figure 112006056448647-pat00035
그 후, 부호 모듈(214)은 각각의 픽셀과 관련된 결과값인 부호 s를 계산하는데, 이때 부호 연산자(operator)는 부호 모듈(214)에 의하여 수학식 5와 같이 구현된다.
[수학식 5]
Figure 112006056448647-pat00036
그후, P-V 분류 모듈(PV-Classifier Module)(216)은 상술한 PVmap을 생성하 기 위하여 수학식 6과 같이 계산된 부호 s에 적용된다.
[수학식 6]
Figure 112006056448647-pat00037
여기서 수학식 6에서의 PV분류 연산자(PVClassifier Operator)에서 사용되는 분류표는 도 4의 표(220)에 의하여 제공된다. 반복되는 경계 값
Figure 112006056448647-pat00038
은 이 예에서
Figure 112006056448647-pat00039
을 계산하기 위하여 이용된다는 것을 주의한다. 표(220)에서 P, V, X는 피크, 밸리, 어느 쪽도 아닌 경우(Neither)를 나타낸다.
도 4의 표(220)는 부호
Figure 112006056448647-pat00040
과
Figure 112006056448647-pat00041
의 모든 가능한 조합에 기초하여 수학식 6과 같이 분류된 출력을 포함한다.
Figure 112006056448647-pat00042
,
Figure 112006056448647-pat00043
일때
Figure 112006056448647-pat00044
와 같이 결정하기를 원한다고 가정한다. (
Figure 112006056448647-pat00045
일 때의 행에 대응하는) 표(220)의 바닥 행을 찾아본 후, (
Figure 112006056448647-pat00046
일 때의 열에 대응하는) 표(220)의 중간 열을 찾아보면, 바닥 행과 중간 열 사이의 교차점은 분류된 값인 피크(또는 도 4에서의 P)를 제공한다.
도 5는 본 발명의 일 실시예에 따른 도 2의 씨닝 모듈(204)의 일 실시예의 기능적인 블록 다이어그램을 도시한 것이다. 씨닝 모듈(204)은 하강/상승 세그먼트 탐색기(Falling/Rising Segment Locator)(232), 다이나믹 레인지 계수 계산 기(234), 트랜지션 레인지 계수 계산기(236), 승산 유닛(multiplication unit)(237) 및 크기 조정 모듈(Amplitude Adjustment module)(238)을 포함한다. 씨닝 모듈(204)의 연산을 보다 잘 이해하기 위하여 씨닝 모듈(204)을 위한 예시적인 의사 코드가 표 1에 도시된다.
[표 1]
Figure 112006056448647-pat00047
씨닝 모듈(204)에서 하강/상승 세그먼트 탐색기(232)는 상술한 인덱스
Figure 112006056448647-pat00048
와
Figure 112006056448647-pat00049
를 생성하면서, PVmap 입력으로부터의 이미지 행
Figure 112006056448647-pat00050
에서 하강 세그먼트와 상승 세그먼트(예컨대 도 2의 세그먼트 102, 104)를 찾아낸다. 인덱스
Figure 112006056448647-pat00051
와
Figure 112006056448647-pat00052
는 각각 현재의 입력 행
Figure 112006056448647-pat00053
(예컨대 도 1의 하강 세그먼트 102를 볼 것)의 고려되는 하강 또는 상승 세그먼트의 시작 픽셀과 종료 픽셀을 특정하는데 이용된다.
이어서, 표 1의 의사코드에서의 예시적인 단계 1부터 9까지가 도 5와 관련되어 기술된다.
단계 1: 먼저, 인덱스
Figure 112006056448647-pat00054
는 searchForNextPV(searchForNextPV는 이하에서 상세히 설명된다) 함수를 이용하여 현재의 행
Figure 112006056448647-pat00055
에서 발생하는 첫번째 피크 또는 밸리에 설정된다.
단계 2: 인덱스
Figure 112006056448647-pat00056
가 행의 마지막 인덱스
Figure 112006056448647-pat00057
보다 작은 경우에는 이어지는 단계 3 내지 단계 9가 수행된다.
단계 3: 인덱스
Figure 112006056448647-pat00058
가 현재의 시작 인덱스
Figure 112006056448647-pat00059
와 PVmap에 기초하여 함수 searchForNextPV를 이용하여 탐색된다.
단계 4: 인덱스
Figure 112006056448647-pat00060
와
Figure 112006056448647-pat00061
에서의 픽셀들의 클래스들이 일치하는 경우 에는 단계 5: 단계 9로 이동한다, 그렇지 않은 경우에는 단계 6으로 진행한다.
여기까지, 단계 1 내지 단계 5에 따라 얻어진 두 개의 인덱스
Figure 112006056448647-pat00062
와
Figure 112006056448647-pat00063
가 하강/상승 세그먼트 탐색기(232)에서 구현된다.
단계 6: (
Figure 112006056448647-pat00064
와
Figure 112006056448647-pat00065
에 의하여 특정되는) 각각의 탐색된 세그먼트를 위 하여, 관련된 다이나믹 레인지 계수
Figure 112006056448647-pat00066
가 의사 코드에서의 함수 CalculateDRCoeff에 따라 다이나믹 레인지 계수 계산기(234)를 이용하여 수학식 7과 같이 계산된다.
[수학식 7]
Figure 112006056448647-pat00067
여기서
Figure 112006056448647-pat00068
, 파라미터
Figure 112006056448647-pat00069
,
Figure 112006056448647-pat00070
는 다이나믹 레인지 임계치들이다. 값
Figure 112006056448647-pat00071
는 현재의 입력 열
Figure 112006056448647-pat00072
에서의 픽셀의 그레이 스케일 값을 인덱스 x에서 표시한다.
Figure 112006056448647-pat00073
,
Figure 112006056448647-pat00074
의 전형적인 값들은 각각 예컨대 8 비트 그레이 스케일 입력 이미지에서 50, 255이다.
단계 7: 트랜지션 레인지 계수
Figure 112006056448647-pat00075
가 의사 코드에서의 함수 CalculateTRCoeff에 따라 트랜지션 레인지 계수 계산기(236)에 의하여 수학식 8과 같이 계산된다.
[수학식 8]
Figure 112006056448647-pat00076
여기서
Figure 112006056448647-pat00077
, 파라미터
Figure 112006056448647-pat00078
,
Figure 112006056448647-pat00079
는 트랜지션 레인지 임계치 들이다.
Figure 112006056448647-pat00080
,
Figure 112006056448647-pat00081
의 예시적인 값들은 각각 4와 12이다.
단계 8: 일단
Figure 112006056448647-pat00082
와
Figure 112006056448647-pat00083
가 얻어지면, 크기 조정 모듈(238)(의사코드에서의 함수 AmplitudeAdjust)이 고려되는 세그먼트 내에서의 각각의 픽셀의 그레이 스케일 값을 조정하기 위하여 이용된다. 조정을 수행하기 위하여 정규화된 픽셀 값들
Figure 112006056448647-pat00084
이 먼저 수학식 9와 같이 계산된다.
[수학식 9]
Figure 112006056448647-pat00085
그 후, 조정의 정도
Figure 112006056448647-pat00086
가 수학식 10과 같이 계산된다.
[수학식 10]
Figure 112006056448647-pat00087
여기서 파라미터 델타(DELTA)는 씨닝의 레벨을 지시하는 사용자 입력이다. 델타 레인지를 위한 전형적인 값은 예컨대 0에서부터 0.5이다. 조정의 정도
Figure 112006056448647-pat00088
가 계산되면, 수학식 11과 같이 정규화된 픽셀 값
Figure 112006056448647-pat00089
을 업데이트 하기 위하여
Figure 112006056448647-pat00090
가 이용된다.
[수학식 11]
Figure 112006056448647-pat00091
연산자
Figure 112006056448647-pat00092
는 이 연산자의 왼쪽의 연산수(operand)가 오른쪽의 연산수로 직접적으로 대체될 수 있다는 것을 의미한다.
Figure 112006056448647-pat00093
을 증명하는 것은 간단하다. 그러므로, 상기 수학식 11에서 고려되는 세그먼트의 양 끝단들(
Figure 112006056448647-pat00094
와
Figure 112006056448647-pat00095
)에서의 그레이 스케일 값들은 업데이트 될 필요가 없다. 조정의 마지막 단계는 역정규화(inverse normalization)를 수행하는 것이다. 즉, 입력 행
Figure 112006056448647-pat00096
에 대한
LTA의 응용이 있은 후에, 결과값인 고려되는 세그먼트의 업데이트된 그레이 스케일 값
Figure 112006056448647-pat00097
(출력 행)가 수학식 12와 같이 결정된다.
[수학식 12]
Figure 112006056448647-pat00098
단계 9: 인덱스
Figure 112006056448647-pat00099
는 현재의 인덱스
Figure 112006056448647-pat00100
에 의하여 재할당된다. 그 후, 고려되는 행에서의 모든 세그먼트들이 조정되거나 이와 동등하게 인덱스
Figure 112006056448647-pat00101
가
Figure 112006056448647-pat00102
보다 커질 때까지 절차가 반복된다(예컨대 단계 2 내지 단계 9).
아래의 표 2에서, 상술한 함수 SearchForNextPV의 의사 코드의 설명이 제공 된다.
[표 2]
Figure 112006056448647-pat00103
상기 표 2에서 함수 SearchForNextPV는 PVmap의 인덱스
Figure 112006056448647-pat00104
에서 시작하여 피크 또는 밸리 중 어느 하나와 같아지는 다음 인덱스
Figure 112006056448647-pat00105
를 찾기 위하여 하기의 단계 1 내지 단계 8과 같은 관계를 가지고 이용된다.
단계 1: 인덱스
Figure 112006056448647-pat00106
가
Figure 112006056448647-pat00107
와 같도록 설정된다.
단계 2: 단계 7의 조건에 도달할 때까지 이어지는 단계 3 내지 단계 7이 반복된다.
단계 3: 인덱스
Figure 112006056448647-pat00108
가 하나씩 증가한다.
단계 4: 인덱스
Figure 112006056448647-pat00109
가 현재의 행의 마지막 인덱스
Figure 112006056448647-pat00110
보다 크면, 단계 5와 단계 6을 수행한다. 그 외의 경우에는, 단계 7에서의 조건을 체크한다.
단계 5: 인덱스
Figure 112006056448647-pat00111
가
Figure 112006056448647-pat00112
로 설정된다.
단계 6: 단계 8로 간다.
단계 7: 어느 쪽도 아닌 경우(NEITHER)와 같은지를 결정하기 위하여
Figure 112006056448647-pat00113
에서의 픽셀의 클래스가 체크된다. 만약에 그렇다면, 단계 3 내지 단계 7을 반복한다. 그렇지 않다면 단계 8로 간다.
단계 8: 인덱스
Figure 112006056448647-pat00114
는 함수의 출력이다.
그러한 점에서, LTA가 연속적으로 입력 그레이 스케일 이미지의 꼭대기에서 바닥까지 각각의 행에서, 차후에 왼쪽에서 오른쪽으로 각각의 열에서 독립적으로 수행하는 분리 가능한 알고리즘일때, 본 발명은 그레이 스케일 입력 이미지를 위한 방법과 시스템을 제공한다. LTA는 잡음에 매우 강건하고 잡음이 있는 이미지 영역에서도 라인을 씨닝하는 것이 가능하다. 씨닝의 레벨은 각각의 라인 세그먼트에서 국지적으로 트랜지션 레인지와 다이나믹 레인지에 상당히 적응적이다. 게다가, 검은색 라인을 위한 LTA는 LTA의 다른 측면들을 바꾸지 않고도 흰색 라인에 상응하는 부호의 파라미터 델타(DELTA)를 단순히 변환시키는 것에 의하여 쉽게 생성될 수 있다. 본 발명에 따른 LTA는 예컨대, 스크린 해상도(즉, 수직 방향과 수평 방향에서의 픽셀들의 갯수)가 원래 이미지의 해상도보다 더 큰 디지털 TV 어플리케이션에 적합하다. 원래의 이미지가 스크린 해상도에 맞도록 증대된 후에, 이미지 내의 라인들을 포함하는 컨텐츠들은 보다 넓어진다. 그러므로, 검은색 LTA의 어플리케이션은 증대된 검은색 라인들을 줄여준다. 그 결과, 모든 이미지는 날카롭게 된다. 검은색 LTA는 원래의 색차(chrominance) 채널을 떠나 휘도(lumiinance) 채널에서 이용된다. 당해 기술분야의 숙련자들이 알다시피, 검은색 라인을 위한 LTA는 흰색 라인에 상응하는 파라미터 델타(DELTA)의 부호를 양수에서 음수로 변환시키는 것에 의하여 쉽게 생성될 수 있다. 본 발명은 최적의 특정한 버전을 참조하여 매우 상세하게 기술되었다. 그러나 다른 버전도 가능하다. 따라서 첨부된 청구항들의 사상과 범위는 여기에 포함된 최적의 버전의 설명으로 제한되지 않아야 한다.
본 발명은 오브젝트들/라인들의 상승 세그먼트와 하강 세그먼트를 조정하여잡음에 매우 강건한 라인 씨닝을 수행할 수 있는 효과가 있다.

Claims (34)

  1. 픽셀들의 그레이 스케일 디지털 이미지의 라인 씨닝 방법에 있어서
    (a) 입력 이미지의 픽셀들의 시퀀스 내의 하나의 픽셀에 대하여, 상기 픽셀과 상기 픽셀과 이웃하는 픽셀들을 포함하는 상기 시퀀스의 세그먼트를 찾아내는 단계 ;
    (b) 상기 세그먼트 내의 상기 픽셀들의 특성들에 기초하여 상기 세그먼트의 국지적인 특성들을 결정하는 단계;
    (c) 상기 세그먼트의 국지적인 특성들에 기초하여 상기 픽셀에 씨닝 연산을 수행하는 단계를 포함하는 것을 특징으로 하는 라인 씨닝 방법.
  2. 제1항에 있어서,
    상기 국지적인 특성들은
    상기 세그먼트에서의 상기 픽셀들의 특성들에 기초하는 상기 세그먼트의 다이나믹 레인지(dynamic range)를 포함하는 것을 특징으로 하는 라인 씨닝 방법.
  3. 제1항에 있어서,
    상기 국지적인 특성들은
    상기 세그먼트에서의 상기 픽셀들의 특성들에 기초하는 상기 세그먼트의 트랜지션 레인지(transition range)를 포함하는 것을 특징으로 하는 라인 씨닝 방법.
  4. 제1항에 있어서,
    상기 국지적인 특성들은
    상기 세그먼트에서의 상기 픽셀들의 특성들에 기초하는 상기 세그먼트의 다이나믹 레인지와 트랜지션 레인지(transition range)를 포함하는 것을 특징으로 하는 라인 씨닝 방법.
  5. 제1항에 있어서,
    상기 국지적인 특성들을 결정하는 단계는
    상기 세그먼트에서의 상기 픽셀들의 휘도 값들에 기초하여 상기 세그먼트의 상기 국지적인 특성들을 결정하는 단계들을 포함하는 것을 특징으로 하는 라인 씨닝 방법.
  6. 제1항에 있어서,
    상기 픽셀들의 시퀀스는
    그레이 스케일로 라인을 나타내는 것을 특징으로 하는 라인 씨닝 방법.
  7. 제6항에 있어서,
    상기 국지적인 특성들은
    이미지 배경과 비교하여 이미지에서의 라인의 가시성의 측정을 제공하는 것 을 특징으로 하는 라인 씨닝 방법.
  8. 제6항에 있어서,
    상기 국지적인 특성들은
    상기 세그먼트의 다이나믹 레인지와 트랜지션 레인지를 포함하고, 이미지 배경과 비교하여 상기 이미지 세그먼트 내의 일부 라인의 가시성의 측정을 제공하는 것을 특징으로 하는 라인 씨닝 방법.
  9. 제4항에 있어서,
    상기 다이나믹 레인지는
    상기 이미지에서 상기 라인이 얼마나 명확한지를 나타내는 것을 특징으로 하는 라인 씨닝 방법.
  10. 제4항에 있어서,
    상기 트랜지션 레인지는
    상기 라인이 얼마나 넓은지를 나타내는 것을 특징으로 하는 라인 씨닝 방법.
  11. 제4항에 있어서,
    상기 국지적인 특성들을 결정하는 단계는 상기 세그먼트 내의 상기 픽셀들의 특성들에 기초하여 상기 세그먼트의 상기 다이나믹 레인지와 상기 트랜지션 레인지를 결정하는 단계들을 포함하고,
    상기 씨닝을 수행하는 단계는 상기 세그먼트의 상기 다이나믹 레인지와 상기 트랜지션 레인지에 기초하여 상기 픽셀에서 씨닝 연산을 수행하는 단계들을 더 포함하는 것을 특징으로 하는 라인 씨닝 방법.
  12. 제11항에 있어서,
    상기 다이나믹 레인지를 결정하는 단계는
    상기 세그먼트의 끝단들에서 픽셀의 그레이 스케일 레벨 사이의 차이를 결정하는 단계를 더 포함하는 것을 특징으로 하는 라인 씨닝 방법.
  13. 제11항에 있어서,
    상기 트랜지션 레인지를 결정하는 단계는
    상기 세그먼트에서 픽셀들의 갯수를 결정하는 단계를 더 포함하는 것을 특징으로 하는 라인 씨닝 방법.
  14. 제1항에 있어서,
    상기 픽셀들의 시퀀스는
    상기 입력 이미지에서의 픽셀들의 행을 포함하는 것을 특징으로 하는 라인 씨닝 방법.
  15. 제1항에 있어서,
    상기 픽셀들의 시퀀스는
    상기 입력 이미지에서의 픽셀들의 열을 포함하는 것을 특징으로 하는 라인 씨닝 방법.
  16. 제1항에 있어서
    상기 입력 이미지에서의 모든 픽셀들에 대하여 (a) 내지 (c)단계를 수행하는 단계를 더 포함하는 것을 특징으로 하는 라인 씨닝 방법.
  17. 제1항에 있어서,
    상기 입력 이미지에서 각각의 픽셀들의 행에 대하여 (a) 내지 (c) 단계를 수행하고, 독립적으로 상기 이미지에서 각각의 픽셀들의 열에 대하여 (a) 내지 (c) 단계를 수행하는 단계를 더 포함하는 것을 특징으로 하는 라인 씨닝 방법.
  18. 제1항에 있어서,
    상기 세그먼트를 찾아내는 단계는,
    감소하는 다이나믹 레인지를 가지는 픽셀들에 의하여 특징지어지는 상기 시퀀스에서의 각각의 하강 세그먼트를 찾아내고, 증가하는 다이나믹 레인지를 가지는 픽셀들에 의하여 특징지어지는 시퀀스에서의 각각의 상승 세그먼트를 찾아내는 단계들을 더 포함하되,
    각각의 세그먼트의 한쪽 끝이 상기 시퀀스에서 다이나믹 레인지 최대값(피크) 픽셀에 있고, 상기 세그먼트의 다른쪽 끝이 상기 시퀀스에서 다이나믹 레인지 최소값(밸리) 픽셀에 있는 것을 특징으로 하는 라인 씨닝 방법.
  19. 제18항에 있어서,
    상기 씨닝을 수행하는 단계는
    각각의 세그먼트에 대하여 다이나믹 레인지 계수
    Figure 112006056448647-pat00115
    를 결정하는 단계;
    각각의 세그먼트에 대하여 트랜지션 레인지 계수
    Figure 112006056448647-pat00116
    를 결정하는 단계; 및
    상기 세그먼트의 상기 다이나믹 레인지 계수
    Figure 112006056448647-pat00117
    와 상기 트랜지션 레인지 계수
    Figure 112006056448647-pat00118
    에 기초하여 출력 픽셀을 생성하기 위하여 상기 세그먼트에서 각각의 입력 픽셀을 조정하는 단계를 더 포함하는 것을 특징으로 하는 라인 씨닝 방법.
  20. 픽셀들의 그레이 스케일 디지털 이미지의 씨닝을 위한 이미지 처리 시스템에 있어서,
    상기 시퀀스에서의 픽셀들의 특성들에 기초하여 픽셀들의 시퀀스의 국지적인 특성들을 결정하는 검출 모듈(detector module);
    출력 픽셀들을 생성하기 위하여 상기 시퀀스의 상기 국지적인 특성들에 기초하여 상기 시퀀스에서의 픽셀에 씨닝 연산을 수행하는 씨닝 모듈을 포함하는 것을 특징으로 하는 이미지 처리 시스템.
  21. 제20항에 있어서,
    상기 검출 모듈은
    상기 시퀀스의 상기 특성들을 나타내는 PVmap을 생성하되,
    상기 PVmap은 상기 시퀀스에서 각각의 픽셀과 관련된 클래스를 포함하고, 상기 클래스는 각각의 픽셀에 대하여 {피크, 밸리, 어느 쪽도 아닌 경우}의 속성 중 하나를 포함하는 것을 특징으로 하는 이미지 처리 시스템.
  22. 제21항에 있어서,
    상기 검출 모듈은
    상기 시퀀스에서의 각각의 픽셀에 대하여 추정된 도함수 d를 결정하는 차분 모듈;
    각각의 도함수 d로부터 세분된(refined) 도함수
    Figure 112006056448647-pat00119
    을 결정하는 임계치 모듈;
    각각의 세분된 도함수
    Figure 112006056448647-pat00120
    으로부터 부호 s를 결정하는 부호 모듈(sign module);
    대응하는 픽셀에 대하여 결정된 부호 s에 기초하여 상기 시퀀스에서의 각각의 픽셀과 관련된 클래스를 포함하는 PVmap을 생성하는 분류 모듈(classifier module)을 포함하는 것을 특징으로 하는 이미지 처리 시스템.
  23. 제22항에 있어서,
    상기 차분 모듈은 N개의 픽셀들
    Figure 112006056448647-pat00121
    의 집합에서 각각의 픽셀에 대하여 추정된 도함수 d를
    Figure 112006056448647-pat00122
    와 같이 결정하는 것을 특징으로 하는 이미지 처리 시스템.
  24. 제22항에 있어서,
    상기 임계치 모듈은
    Figure 112006056448647-pat00123
    이 임계치를 나타낼 때, N개의 픽셀들
    Figure 112006056448647-pat00124
    의 집합에서 각각의 픽셀에 대한 각각의 도함수 d로부터 각각의 세분된 도함수
    Figure 112006056448647-pat00125
    을
    Figure 112006056448647-pat00126
    와 같이 결정하는 것을 특징으로 하는 이미지 처리 시스템.
  25. 제22항에 있어서,
    상기 부호 모듈은
    N개의 픽셀들
    Figure 112006056448647-pat00127
    의 집합에서 각각의 픽셀에 대한 각각의 세분된 도함수
    Figure 112006056448647-pat00128
    으로부터 부호 s를
    Figure 112006056448647-pat00129
    와 같이 결정하는 것을 특징으로 하는 이미지 처리 시스템
  26. 제22항에 있어서,
    상기 분류 모듈은
    PV분류(PVClassifier)가 선택된 분류표를 포함할 때, N개의 픽셀들
    Figure 112006056448647-pat00130
    의 집합에서 각각의 픽셀에 대한 PVmap을
    Figure 112006056448647-pat00131
    과 같이 생성하는 것을 특징으로 하는 이미지 처리 시스템.
  27. 제21항에 있어서,
    상기 씨닝 모듈은
    출력 픽셀들을 생성하기 위하여 상기 PVmap에 기초하여 상기 시퀀스의 각각의 픽셀에서 씨닝 연산을 더 수행하는것을 특징으로 하는 이미지 처리 시스템.
  28. 제27항에 있어서,
    상기 씨닝 모듈은
    감소하는 다이나믹 레인지를 가지는 픽셀들에 의하여 특징지어지는 상기 시퀀스에서의 각각의 하강 세그먼트를 찾아내고, 증가하는 다이나믹 레인지를 가지는 픽셀들에 의하여 특징지어지는 상기 시퀀스에서의 각각의 상승 세그먼트를 찾아내기 위하여 PVmap을 이용하는 세그먼트 탐색기를 포함하되,
    각각의 세그먼트가 픽셀
    Figure 112006056448647-pat00132
    에서 한쪽 끝단을 가지고, 픽셀
    Figure 112006056448647-pat00133
    에서 다른쪽 끝단을 가지며, 각각의 세그먼트의 한쪽 끝이 상기 세그먼트에서 다이나믹 레인지 최대값(피크) 픽셀에 있고, 상기 세그먼트의 다른쪽 끝이 상기 세그먼트에서 다이나믹 레인지 최소값(밸리) 픽셀에 있는 것을 특징으로 하는 이미지 처리 시스템.
  29. 제28항에 있어서,
    상기 씨닝 모듈은
    각각의 세그먼트에 대한 다이나믹 레인지 계수
    Figure 112006056448647-pat00134
    를 결정하는 다이나믹 레인지 계수 계산기를 더 포함하는 것을 특징으로 하는 이미지 처리 시스템.
  30. 제29항에 있어서,
    상기 다이나믹 레인지 계수 계산기는
    Figure 112006056448647-pat00135
    이 상기 세그먼트의 다이나믹 레인지를 나타내고, 값
    Figure 112006056448647-pat00136
    가 좌표 x에서 현재 입력 행
    Figure 112006056448647-pat00137
    에서의 상기 픽셀의 상기 그레이 스케일 값을 나타내며,
    Figure 112006056448647-pat00138
    ,
    Figure 112006056448647-pat00139
    는 다이나믹 레인지 임계치일 때, 세그먼트에 대한 다이나믹 레인지 계수
    Figure 112006056448647-pat00140
    를
    Figure 112006056448647-pat00141
    와 같이 결정하는 것을 특징으로 하는 이미지 처리 시스템.
  31. 제29항에 있어서,
    상기 씨닝 모듈은
    각각의 세그먼트에 대한 트랜지션 레인지 계수
    Figure 112006056448647-pat00142
    를 결정하는 트랜지션 레인지 계수 계산기를 더 포함하는 것을 특징으로 하는 이미지 처리 시스템.
  32. 제31항에 있어서,
    상기 트랜지션 레인지 계수 계산기는
    Figure 112006056448647-pat00143
    ,
    Figure 112006056448647-pat00144
    ,
    Figure 112006056448647-pat00145
    가 트랜지션 레인지 임계치일때, 세그먼트에 대한 트랜지션 레인지 계수
    Figure 112006056448647-pat00146
    를
    Figure 112006056448647-pat00147
    와 같이 결정한느 것을 특징으로 하는 이미지 처리 시스템.
  33. 제31항에 있어서,
    상기 씨닝 모듈은
    상기 세그먼트의 상기 다이나믹 레인지 계수
    Figure 112006056448647-pat00148
    와 상기 트랜지션 레인지 계수
    Figure 112006056448647-pat00149
    에 기초하여 출력 픽셀을 생성하기 위하여 끝단
    Figure 112006056448647-pat00150
    와
    Figure 112006056448647-pat00151
    를 가지는 상기 세그먼트에서의 각각의 입력 픽셀을 조정하는 크기 조정부(amplitude adjuster)를 더 포함하는 것을 특징으로 하는 이미지 처리 시스템.
  34. 제33항에 있어서,
    상기 크기 조정부는
    입력 픽셀
    Figure 112006056448647-pat00152
    와의 관계에서, 정규화된 픽셀 값들
    Figure 112006056448647-pat00153
    를
    Figure 112006056448647-pat00154
    와 같이 계산하고,
    파라미터 델타(DELTA)가 씨닝의 레벨을 나타내는 사용자 입력일 때, 조정의 정도
    Figure 112006056448647-pat00155
    를
    Figure 112006056448647-pat00156
    로 계산하고,
    조정의 정도
    Figure 112006056448647-pat00157
    만큼 정규화된 픽셀 값
    Figure 112006056448647-pat00158
    을
    Figure 112006056448647-pat00159
    와 같이 업데이트하고,
    출력 픽셀
    Figure 112006056448647-pat00160
    를
    Figure 112006056448647-pat00161
    와 같이 계산함으로써, 입력 픽셀
    Figure 112006056448647-pat00162
    로부터 크기가 조정된 출력 픽셀
    Figure 112006056448647-pat00163
    를 결정하는 것을 특징으로 하는 이미지 처리 시스템.
KR1020060074315A 2005-11-10 2006-08-07 그레이 스케일 이미지를 위한 라인 씨닝 방법 및 시스템 KR100803604B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US11/272,196 2005-11-10
US11/272,196 US7620260B2 (en) 2005-11-10 2005-11-10 Line thinning method and system for grayscale image

Publications (2)

Publication Number Publication Date
KR20070050340A KR20070050340A (ko) 2007-05-15
KR100803604B1 true KR100803604B1 (ko) 2008-02-15

Family

ID=38003810

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020060074315A KR100803604B1 (ko) 2005-11-10 2006-08-07 그레이 스케일 이미지를 위한 라인 씨닝 방법 및 시스템

Country Status (2)

Country Link
US (1) US7620260B2 (ko)
KR (1) KR100803604B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201032175A (en) * 2009-02-18 2010-09-01 Altek Corp Method of acceleration image capturing process and digital image-capturing device

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6549658B1 (en) * 1998-01-21 2003-04-15 Xerox Corporation Method and system for classifying and processing of pixels of image data

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3879707A (en) * 1972-12-20 1975-04-22 Ibm Character recognition system for bar coded characters
US4849679A (en) * 1987-12-31 1989-07-18 Westinghouse Electric Corp. Image processing system for an optical seam tracker
US4972495A (en) * 1988-12-21 1990-11-20 General Electric Company Feature extraction processor
US5335298A (en) * 1991-08-19 1994-08-02 The United States Of America As Represented By The Secretary Of The Army Automated extraction of airport runway patterns from radar imagery
JP3647885B2 (ja) * 1993-05-07 2005-05-18 日本電信電話株式会社 画像処理装置
US5583659A (en) * 1994-11-10 1996-12-10 Eastman Kodak Company Multi-windowing technique for thresholding an image using local image properties
US5790269A (en) * 1995-12-12 1998-08-04 Massachusetts Institute Of Technology Method and apparatus for compressing and decompressing a video image
US7194142B2 (en) * 2003-02-28 2007-03-20 Hewlett-Packard Development Company, L.P. Selective thickening of dark features by biased sharpening filters
US7391895B2 (en) * 2003-07-24 2008-06-24 Carestream Health, Inc. Method of segmenting a radiographic image into diagnostically relevant and diagnostically irrelevant regions
US7333673B2 (en) * 2003-10-30 2008-02-19 Samsung Electronics Co., Ltd. Method and apparatus for image detail enhancement without zigzagged edge artifact

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6549658B1 (en) * 1998-01-21 2003-04-15 Xerox Corporation Method and system for classifying and processing of pixels of image data

Also Published As

Publication number Publication date
KR20070050340A (ko) 2007-05-15
US20070104386A1 (en) 2007-05-10
US7620260B2 (en) 2009-11-17

Similar Documents

Publication Publication Date Title
EP0712094B1 (en) A multi-windowing technique for threshholding an image using local image properties
CN110008969B (zh) 图像显著性区域的检测方法和装置
US6347156B1 (en) Device, method and storage medium for recognizing a document image
KR101795823B1 (ko) 광학 문자 인식되는 텍스트 영상의 텍스트 개선 기법
JP6088792B2 (ja) 画像検出装置及び制御プログラム並びに画像検出方法
Seeger et al. Binarising camera images for OCR
CN107784669A (zh) 一种光斑提取及其质心确定的方法
CN111415363A (zh) 一种图像边缘识别方法
Harb et al. Improved image magnification algorithm based on Otsu thresholding
CN109961416B (zh) 一种基于形态学梯度多尺度融合的营业执照信息提取方法
Srinivas et al. Remote sensing image segmentation using OTSU algorithm
Han et al. An enhanced image binarization method incorporating with Monte-Carlo simulation
CN108710881B (zh) 神经网络模型、候选目标区域生成方法、模型训练方法
KR100803604B1 (ko) 그레이 스케일 이미지를 위한 라인 씨닝 방법 및 시스템
CN105205485B (zh) 基于多类类间最大方差算法的大尺度图像分割算法
Bleau et al. A new set of fast algorithms for mathematical morphology: II. Identification of topographic features on grayscale images
CN100371944C (zh) 基于反射或透射光强分布特性的灰度图像分割方法
JP3906221B2 (ja) 画像処理方法及び画像処理装置
Nomura et al. A new method for degraded color image binarization based on adaptive lightning on grayscale versions
Tung et al. Efficient uneven-lighting image binarization by support vector machines
Boiangiu et al. Methods of bitonal image conversion for modern and classic documents
JP6276504B2 (ja) 画像検出装置及び制御プログラム並びに画像検出方法
CN111476800A (zh) 一种基于形态学操作的文字区域检测方法及装置
Kazanov A new color image segmentation algorithm based on watershed transformation
JP2006050481A (ja) 画像処理装置、画像処理方法及びそのプログラム

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: 20110128

Year of fee payment: 4

LAPS Lapse due to unpaid annual fee