KR100945809B1 - 이미지의 이진화 - Google Patents

Abstract

픽셀들로 구성된 이미지를 이진화하기 위해서, 그 이미지는 두 개의 반-이미지들로 분할된다. 지역 파라미터들이 반-이미지들을 나누는 경계에 인접한 영역 내에 있는 픽셀들의 값들을 기반으로 하여 초기화된다. 적응적 문턱값을 사용하여 반-이미지 각각에 대해 이진화가 별개로 실행되며, 적응적 문턱값은 각 반-이미지들에 대해 상기 초기화된 지역 파라미터들로부터 발생하여 계산된다.

Description

이미지의 이진화{Binarization of an image}

본 발명은 이미지를 이진화 시키기 위한 방법, 이미지를 이진화시키는 것을 지원하는 이미지 프로세싱 칩셋 및 전자 기기, 그리고 이미지를 이진화시키는 소프트웨어 코드를 저장하는 소프트웨어 프로그램 생성물에 관한 것이다.

정보는, 비록 그 콘텐츠가 이진 이미지로서 제시되더라도, 칼라 이미지 또는 그레이 스케일 이미지로서 제시된다. 그런 정보의 예들은 인쇄된 문서들, 손으로 쓰여진 노트들, 바코드들, TV 스크린과 텔레 텍스트 및 보통의 화면상에 표시되는 정보의 일부, 컴퓨터 모니터 상에서의 프리젠테이션 등이다.

어떤 경우에는, 예를 들면 문서 분석을 쉽게 하기 위해 또는 데이터의 양을 줄이기 위해, 그런 칼라 또는 그레이 스케일 이미지를 이진화에 의해 이진값의 이미지로 변환하는 것을 원할 수 있다. 대부분의 문서 이미징 시스템에서, 이진화 처리는 전형적으로 문서 분석 처리를 선행시킨다.

대개, 이진화는 이미지의 각 픽셀의 원래의 값을 어떤 문턱값과 비교하는 것을 포함한다. 그 문턱값이 초과되면 이 픽셀에 대한 이진값은 첫 번째 값, 예를 들면 검정으로 설정될 수 있을 것이며, 그렇지 않으면 두 번째 값, 예를 들면 흰색으로 설정될 수 있을 것이다. 하나의 값의 픽셀들, 예를 들면 모두 검정 픽셀들은 인 식된 대상물(object)을 나타낼 수 있을 것이며, 그 반면 다른 값의 픽셀들, 예를 들면 모두 흰색인 픽셀들은 배경을 나타낼 수 있을 것이다.

이진화를 효과적으로 구현하는 작업은 매우 복잡하다. 빈번하게, 문서 처리 애플리케이션을 위해 이진화되어야 하는 인쇄된 텍스트의 물리적인 치수는 크게 변하며, 심지어는 같은 페이지 상에서도 그렇다. 또한, 손으로 쓴 노트를 이진화하는 것은 가능하더라도, 그 복잡도는 증가한다.

추가로, 대부분의 종래의 객체 인식 시스템들은 스캐너에 의해 얻어진 문서 이미지들에 특화되어 개발되었다. 그러나, 디지털 카메라의 인기가 증가하고 있다. 또한 이동 전화기 및 다른 이동 기기들에는 내장된 카메라 컴포넌트 또는 카메라 컴포넌트와 연결하는 악세서리 기기와 연결되는 설비가 널리 장착되며, 이는 사진을 찍거나 영화를 기록하도록 한다. 그러므로 디지털 카메라 또는 내장된 카메라 컴포넌트들은 새로운 입력 인터페이스로서, 예를 들면 문자 스캐닝 및 인식 기능을 위해서 사용될 수 있다. 그러므로, 카메라 이미지들을 처리하는 가능성에 대한 필요성이 또한 더욱 중요해진다. 유리하게도, 관련된 이동 기기 자체적으로 이미지 이진화 기능들을 구비하여 갖추어진다.

카메라 이미지 상의 대상물은 스캐너 이미 내의 대상물보다 더 인식하기가 어렵다. 그 이유는 카메라로는 스캐너로 할 때보다 이미징 환경을 제어하는 것이 더 어렵기 때문이다. 사용자가 이미지를 주의 깊게 찍었다고 하더라도 얻어진 카메라 이미지를 처리하는 것은 문제가 된다. 우선, 카메라 이미지의 밝기는 고르지 않은 조명 또는 카메라 렌즈의 수차 때문에 균일하지 않을 것이다. 두 번째로는, 카 메라 이미지의 색 레벨 표면은 스캐너 이미지의 칼라 레벨 표면보다 더 매끄럽다. 즉, 이미지 내의 대상물의 가장자리, 예를 들면 캐릭터의 가장자리가 스캐너 이미지의 가장자리만큼 매끄럽지 않으며, 그러므로 많은 카메라 이미지 내에서 전경과 배경 간의 강도에서의 차이가 바뀐다. 세 번째로, 카메라 이미지는 카메라의 광학 시스템 즉, 카메라 렌즈 때문에 발생하는 광학적인 흐릿함과 버네팅은 물론이고 캡쳐된 이미지에 부가되는 센서 노이즈에 의해 왜곡될 수 있다. 이런 문제점들은 특히 초점이 맞춰지지 않은 카메라 이미지 내에서 특히 중요하다.

카메라 이미지를 다루기 위해, 이진화의 성능이 매우 중요하다. 그러나, 종래의 지역(local) 이진화의 성능은 이진화에 채택된 파라미터들에 의존한다. 파라미터들의 특정 세트가 한 이미지에 대해 훌륭하게 작용하면, 이런 파라미터들은 다른 이미지들에는 가장 적합하지 않을 것이다. 더 나아가, 최적의 파라미터가 조심스럽게 계산되면, 이진화의 접근은 대상물의 구조의 중요한 디테일을 보존하는 것에는 실패할 수 있을 것이다. 결국, 카메라 이미지를 이진화할 때에는 고려해야 할 문제가 몇 가지 있다.

이미지를 이진화시키기 위해 여러가지 방법들이 개발되어 왔다. 이런 방법들은 전역(global) 이진화 방법 및 지역 이진화 방법으로 분류될 수 있다.

전역 이진화 방법에서, 가장 중요한 단계는 전역 문턱값 값을 결정하는 것에 있다. 이 문턱값은 그 이미지의 각 픽셀에 대한 결정 인자로서 사용될 것이다. 이 방법은 입력 히스토그램이 바이모달(bi-modal)이라는 가정을 기반으로 한다. 이 방법의 이점은 그 자체의 단순성과 균일한 이미지를 위한 효율성이다. 그러나, 배경 이나 노이즈 특성이 비-균일하면, 이런 접근 방법은 큰 오류로 귀결될 수 있을 것이다.

지역 이진화 방법에서, 전용의 문턱값이 이미지의 모든 픽셀에 대해 어떤 지역 통계를 기반으로 결정된다. 인기있는 많은 지역 이진화 방법이 윈도우 기반의 접근 방법으로, 그 때에 픽셀 (i,j)를 위한 지역 문턱값은 중심을 (i,j)로 하는 윈도우 내의 픽셀들의 그레이 레벨 값들로부터 계산된다. 그런 지역 문턱값을 계산하기 위해 다양한 공식들이 제안되었다.

지역 이진화의 한 방법이 P.D. Wellner에 의해 "Adaptive thresholding for the DigitalDesk", EuroPARC Technical Report EPC-93-110, 1993. 내에서 제시되었다. 이 제시된 방법은 특히 인쇄된 텍스트를 포함하는 이미지에 대해 설계되었으며 이진화의 결과에 관하여 결정하기 위해 이동 평균을 사용한다. 이 방법의 아이디어는 마지막 n 개의 보이는 픽셀들의 이동 합을 계산하면서 그 이미지를 죽 훑는다는 것이다. 한 픽셀의 값이 이동 평균보다 아주 작으면, 그것은 검정으로 설정되며, 그렇지 않으면 흰색으로 남는다. 이 방법은 이미지를 통해서 한번의 패스(pass)만을 필요로 한다. 그 이미지는 픽셀들의 일차원의 스트림으로 취급되며, 이동 평균을 결정하기 위해 사용될 수 있는 이동 합은 직접적으로 사용될 수 있으며 또는 다음의 식을 기반으로 추정될 수 있다.

이때에

은 픽셀

에 대한 이동하는 합(moving sum)을 추정한 것이다. 픽셀들의 일차원적인 스트림이 그리스 언어로 "소가 쟁기를 끈다"는 의미의 "boustrophedon" 스캐닝 방법에 따라 카메라로부터 취해진다. 즉, 왼쪽에서 오른쪽으로 행 방향으로 진행하고 그 다음에는 오른쪽에서 왼쪽으로 행 방향으로 진행하는 등으로부터 픽셀들이 취해지는 것이다. 이런 방법을 사용함으로써, 이미지의 한 면으로부터 다른 면으로의 치우침이 피해진다. 추정된 이동 합은 다음의 식에 따른 지역 문턱값으로서 사용된다.

이 때에 P는 픽셀

에 대한 결과인 이진 값이며, n은 이동 합 내에서 고려되는 픽셀들의 개수이며, α는 고정된 퍼센트 값이다.

의 항은 실제의 이동 평균을 나타낸다. 그렇긴 하지만, 이동 합

스스로가 이동 평균으로서 빈번하게 언급된다는 것을 유의해야 한다. 이 알고리즘의 간단한 확장은, 조명의 변한 것을 고려하고 이미지의 수직 축도 고려하기 위하여, 현재의 문턱값을 상기의 행으로부터의 하나와 평균화한다.

평균(mean)으로부터 문턱값을 선택하기 위해 사용되는 퍼센트 값 α가 고정 된 것이라는 것이 이 방법의 하나의 문제점인 것 같다. 인쇄된 텍스트 이미지의 아주 많은 유형들이 사용되는 때 그리고 다른 캡쳐 조건이 발생할 때 이런 단일의 값이 불충분하게 된다는 것을 실험으로부터 알 수 있다.

현존하는 이진화 해결책에 대안의 해결책을 제공하는 것이 본 발명의 목적이다. 또한 빠른 이진화를 가능하게 하는 것이 본 발명의 추가적인 목적이다. 카메라에 의해 캡쳐된 이미지의 효과적인 이진화를 가능하게 하는 것이 본 발명의 또 다른 목적이다.

픽셀들로 구성되는 이미지를 이진화시키는 방법이 제안된다. 이 방법은 상기 이미지를 두 개의 반-이미지로 분할하는 단계 및 상기 반-이미지를 분리하는 경계에 인접한 영역 내에 놓여있는 픽셀들의 값을 기반으로 지역(local) 파라미터들을 초기화하는 단계를 포함한다. 이 방법은 적응적 문턱값을 이용하여 상기 반-이미지들의 각각에 별개로 이진화를 실행하는 단계를 더 포함한다. 상기 적응적 문턱값은 각 반-이미지들에 대해 상기 초기화된 지역 파라미터들로부터 발생하여 계산된다.

더 나아가, 이미지 프로세싱 칩셋과 전자 기기가 제안된다. 둘 다 픽셀로 구성된 이미지를 이진화시키기 위해, 이미지를 두 개의 반-이미지로 분할하고 상기 반-이미지를 분리하는 경계에 인접한 영역 내에 놓여있는 픽셀들의 값을 기반으로 지역 파라미터들을 초기화하기에 적합한 초기화부를 포함한다. 그 이미지 프로세싱 칩셋과 전자 기기는 적응적 문턱값을 이용하여 상기 반-이미지들의 각각에 별개로 이진화를 실행하기에 적합하며, 상기 적응적 문턱값은 각 반-이미지들에 대해 상기 초기화부에 의해 초기화된 지역 파라미터들로부터 발생하여 계산되는, 이진화부를 더 포함한다.

제안된 전자 기기는 예를 들면, 배타적이지는 않으나, 이동 전화기, 이동 또는 고정적인 어떤 종류의 컴퓨터, 디지털 카메라, 개인용 휴대용 정보 단말기 (PDA) 및 카메라 기능을 포함하는 휴대용 기기 등 일 수 있다.

마지막으로, 소프트웨어 프로그램 생성물이 제안되어, 그 내부에 픽셀들로 구성되는 이미지를 이진화시키기 위한 코드가 저장된다. 상기 소프트웨어 코드는 전자 기기의 프로세싱 유닛에 의해 실행될 때에 제안된 방법의 단계들을 실현시킨다. 그 소프트웨어 프로그램 생성물은 예를 들면 전용의 저장 기기, 전자 기기의 프로세싱 유닛에 의해 액세스될 수 있는 전자 기기의 메모리, 또는 그 내부로 소프트웨어 코드가 실행을 위해 적재되는 전자 기기의 프로세싱 유닛의 버퍼일 수 있다.

본 발명은 이미지의 두 개의 반-이미지가 서로 독립적으로 이진화될 수 있다는 것을 고려하는 것으로부터 진행한다. 각 반-이미지의 이진화에 채택된 지역 파라미터들이 두 반-이미지들로부터의 픽셀들을 근거로 하여 먼저 초기화된다.

본 발명의 이점은 두 개의 반-이미지들의 개별적인 이진화가 반-이미지들의 병렬 이진화를 가능하게 한다는 것이다. 이는 이진화를 더 빠르게 한다.

본 발명의 추가적인 이점은 채택된 적응적인 문턱값이 목적 픽셀에 관련된 범위로부터의 국부적인 정보를 반영할 수 있다는 것이며, 그러므로, 원래의 이미지의 특성에서의 변이에 민감하지 않다.

대개, 디지털 이미지의 픽셀들은 열과 행들로 배열된다.

그러면 그 반-이미지를 나누는 경계는 예를 들면 수직선일 수 있다. 상기 초기화된 지역 파라미터들은 이 경우에는 각 행에 대해 상기 수직선에 인접한 상기 영역 내의 상기 행 내의 픽셀값들의 초기 합을 포함할 수 있을 것이다. 상기 적응적 문턱값은 각 행에 연관된 초기 합으로부터 발생하는, 윈도우를 이루어 이동하는 합을 기반으로 하여 각 픽셀에 대해 각 반-이미지의 각 행 내에서 적응될 수 있을 것이다. 대안으로, 상기 경계는 예를 들면 수평선일 수 있다. 초기화된 지역 파라미터들은 각 열에 대해 상기 수평선에 인접한 상기 영역 내의 상기 열 내의 픽셀 값들의 초기 합을 포함할 수 있을 것이다. 적응적 문턱값은 각 열에 연관된 초기 합으로부터 발생하는, 윈도우를 이루어 이동하는 합을 기반으로 하여 각 픽셀에 대해 각 반-이미지의 각 열 내에서 적응될 수 있을 것이다.

제안된 초기화는 입력 이미지로부터 버네팅을 제거하는 효과적인 방법을 제공한다. 통상적인 "boustrophedon" 스캐닝은 연속적인 행들 간의 바이어스를 제거하기에는 효과적이나, 버네팅 수차의 양은 연속적인 행들 상에서는 다르다. 실제로, 그 캐릭터는 강하게 비선형이다. 한가지 옵션은 이동하는 합을 위한 적응적인 계산 길이를 사용하는 것일 것이다. 그러나 이는 그 프로세스를 아주 복잡하게 할 것이다. 제안된 새로운 스캐닝은 실현하기에 아주 쉽다. 스캐닝이 더 이상 교대하는 방향으로 실행되지 않지만, 계산되었던 초기화로부터 모든 행과 열에 대해 다시 시작하기 때문에, 버네팅은 행과 열들에 대한 독립적인 계산에 의해 간단하게 제거된다.

또한, 행과 열들에서의 별개의 처리가 각 반-이미지 내에서의 추가적인 병렬 처리를 가능하게 한다.

이동하는 합의 매끄러운 능력의 결과로서, 이진화가 이동하는 합의 방향에서 굵은 선들을 가늘게 하는 위험이 있다. 현재의 픽셀을 이진화하는데 사용되는 모든 항목들이 그 선의 내부에 있을 것이지만, 노이즈가 심한 카메라 센서들 때문에 그들은 아주 다르다. 그러므로, 이진화는 배경이 그 굵은 선 내부에 존재한다고 결정할 수 있을 것이다.

첫 번째 접근 방법이 제안되었으며, 그에 따라 이런 효과는 윈도우를 이루어 이동하는 합(windowed moving sum)에 대한 적응적인 국부 교정을 적용하여 어느 정도는 교정된다. 이런 목적을 위해, 특정 픽셀에 대해 결정된 윈도우를 이루어 이동하는 합은 상기 특정 픽셀에 인접한 픽셀에 대해 결정된 윈도우를 이루어 이동하는 합과 함께 평균화되고, 이는 상기 윈도우를 이루어 이동하는 합이 상기 특정 픽셀에 대한 적응적 문턱값을 계산하기 위해 사용되기 이전이다. 그런 추가적인 평균화가 문턱값에 지역적인 영향을 증가시키도록 허용한다. 이런 접근 방법에서의 일 실시예에서, 특정 픽셀에 대해 결정된, 윈도우를 이루어 이동하는 합은, 그 내부에서 이동하는 합이 결정되는, 동일한 행 또는 열 내의 특정 픽셀 이전의 픽셀에 대해 결정된 윈도우를 이루어 이동하는 합과 평균이 된다. 이 실시예는 각 픽셀에 대한 계산이 단일의 행 또는 열로 제한될 수 있다는 것을 보장한다. 대안으로 또는 추가로, 특정 픽셀에 대해 결정된, 윈도우를 이루어 이동하는 합은 그 내부에서 이동하는 합이 결정되는, 이전의 행 또는 열에서의 픽셀에 대해 결정된, 윈도우를 이루어 이동하는 합의 최소 하나와 평균이 될 수 있을 것이다.

더 나아가, 두 번째 접근 방법이 제안되며, 그에 따라서, 가늘어졌던 선들의 효과는 수직 방향의 두 번째의 교정의 이진화를 사용하여 교정되며, 이는 원하지 않았던 영향을 완전하게 제거한다. 즉, 수직 또는 수평 분할의 결과인 이진화된 이미지는 예비적인 결과로서만 고려된다. 또한, 원래의 이미지는 직교하는 방향으로 두 개의 추가적인 반-이미지들로 분리된다. 이런 추가적인 반-이미지에 대해, 추가적인 지역 파라미터들이 처음의 수평 및 수직 분할에 대해 상기에서 설명된 것과 동일한 방법으로 각각 초기화된다. 이 예비적인 결과는 추가적으로 초기화된 지역 파라미터들을 이용하여 추가의 반-이미지들 각각에서 개별적으로 교정된다. 그런 교정을 예비적인 이진 이미지 전체에 대해 실행하는 것이 가능하다. 그러나, 이런 처리 단계를 가속시키기 위해, 그 교정은 그 대상물 계산에만 제한될 수도 있을 것이다. 이것은 첫 번째의 예비적인 이진화 단계에서 배경에 속하는 것으로 판별되는 그런 이미지 부분들만이 교정이 가능한 것으로 간주된다는 것을 의미한다. 그러므로, 동일한 프로세스가 예비적인 방향에 있는 것과 같이 오직 다른 방향으로 그리고 픽셀들의 제한된 개수에 대해서 수행된다. 첫 번째 이진화 단계에서 배경에 속한다고 결정되었던 각 픽셀은 이제는 대상물에 속한다고 결정될 수 있을 것이며, 연관된 값이 그에 따라서 교정된다.

그 첫 번째 제시된 접근이 더 빠르다는 이점을 가지고 있지만, 두 번째 접근 은 더 나은 교정 해결책으로 귀결되는 이점을 가진다.

두 번째 접근에서, 교정이 적용되기 전에 이미 이진 출력이 이용 가능하며, 그래서 이 단계는 보충적이라는 것을 유의해야 한다. 교정을 위해 필요한 추가적인 시간 소비 때문에, 일 실시예에서 사용자의 요청에 의해서만, 예를 들면 사용자가 얻은 예비의 이진화에 만족하지 않은 경우에만, 실행될 수 있다.

픽셀에 대한 최적 문턱값은 지역 이미지 행동과 전역 이미지 행동 모두에 의존할 수 있을 것이다.

그러므로, 전역 파라미터들은 유리하게도 지역 파라미터들에 추가로 계산되며, 이는 지역 파라미터들의 초기화와 병렬인 예를 위하여 준비될 수 있다. 각 반-이미지들에 대한 적응적인 문턱값을 계산하는 것은 추가적으로 전역 파라미터들을 고려할 수 있을 것이다. 이런 접근은 특히 다양한 조명의 환경에 적응적 문턱값을 적응시키는데 적합하다. 전역 파라미터들이 전체 이미지에 대해 계산될 수도 있으며 반-이미지들 각각에 대해 별도로 계산될 수도 있다는 것에 유의해야 한다. 조명의 변이에 대한 강건함을 더 향상시키기 위해, 반-이미지 각각은 서브-이미지들, 예를 들면 2개 또는 4개의 서브 이미지 등으로 분리될 수도 있다. 전역 파라미터들은 그러면 그에 따라 각 서브 이미지를 위해 계산될 수 있고 변경될 수 있다.

초기화된 지역 파라미터들이 경계에 인접한 영역 내의 픽셀 값들의 초기 합들을 포함하고 적응적인 문턱값이 각 초기 합으로부터 발생하는 픽셀 값들의 윈도우를 이루어 이동하는 합들을 기반으로 하여 각 반-이미지의 각 픽셀에 대해 계산되면, 특정 픽셀에 대한 적응적인 문턱값이 다음의 연산들을 상기 특정 픽셀에 대한 윈도우를 이루어 이동하는 합에 적용하여 결정될 수 있을 것이다.

1. 상기 이동하는 평균을 위한 조절 함수의 값으로 곱하며, 이때 상기 조절 함수는 이동 평균들의 첫 번째 범위 내에서 감소하는 값을, 이동 평균들의 두 번째 범위 내에서 상수값을 그리고 이동 평균들의 세 번째 범위 내에서 추가의 감소하는 값을 가진다. 상기 범위들은 상기 계산된 전역 파라미터 값들 중의 첫 번째 및 두 번째 것에 의해 정의된다.

2. 상기 첫 번째 및 두 번째로 계산된 전역 파라미터 값들 사이에 놓여있는 세 번째 전역 파라미터로 곱하기.

추가적인 연산으로서, 이동하는 합 내에서 고려되는 많은 픽셀들에 의한 나누기가 적용될 수 있으며, 이는 이동하는 합을 이동하는 평균으로 변환하기 위한 것이다. 그러나, 그 수가 고정되면, 이 연산은 조절 함수를 선택하여 묵시적으로 실행될 수 있을 것이다.

지시된 연산들의 순서는 임의적으로 선택될 수 있다는 것이 이해되어야 한다.

모든 필요한 파라미터들과 함수들은 입력 이미지로부터 적응적으로 계산될 수 있으며 그래서 조절할 필요가 없다.

본 발명은 그레이 스케일 이미지, 칼라 이미지 및 카메라 센서로부터 직접 오는 로(raw) 데이터에 대해 사용될 수 있다. 이미지가 칼라 이미지이면, 먼저 그레이 스케일 이미지로 변환될 수 있을 것이다. 대안으로, 칼라들의 하나는 이진화의 기반으로서 선택될 수 있을 것이며, 또는 이진화는 둘 또는 그 이상의 칼라에 대하여 개별적으로 실행될 수 있을 것이다. 이 경우에 그 결과인 복수의 이진 이미지들은 단일의 이진 이미지로 결합될 수 있을 것이다.

얻어진 이진 이미지는, 예를 들면 이진 중앙값(median) 필터링을 적용하는 이진 중앙값 필터 및/또는 이진 형태(morphological) 필터링을 적용하는 이진 형태 필터에 의해, 이진 교정을 적용하여 더 교정될 수 있다.

본 발명이 고도의 병렬 처리를 가능하게 하며, 구현된 병렬 프로세싱의 각 유형은 전체적인 처리 속도를 증가시킨다는 것은 이미 표시되었다. 요약하면, 지역 파라미터들을 초기화시키는 것이 이미지에 대한 전역 파라미터들을 계산하는 것과 병렬로 실행되고; 이미지에 대한 지역 파라미터들을 초기화하는 단계 내에 픽셀들이 열과 행으로 배열되고, 지역 파라미터들의 개별적인 초기화가 최소 두 개의 열들 또는 최소 두 개의 행들에서 각각 병렬로 실행되며; 한 방향으로 지역 파라미터를 초기화시키는 것은 다른 방향으로 지역 파라미터들을 추가로 초기화시키는 것과 병렬로 수행되고; 적응적 문턱값의 계산을 이진화하는 것은 상기 반-이미지들 각각에 대해 병렬로 수행되고; 그리고/또는, 이미지를 이진화하는 단계 내에, 상기 픽셀들은 열과 행들로 배열되며, 적응적 문턱값을 계산하는 별개의 계산이 상기 반-이미지의 하나에서 적어도 두개의 열들 또는 적어도 두 개의 행들 각각에 대해 병렬로 수행된다; 등은 병렬 프로세싱을 위한 가능한 선택 사항이다

본 발명이 상이한 종류들의 이미지, 예를 들면 Bayer 매트릭스 또는 보간 이미지에 대해 사용될 수 있기 때문에, 이미지 프로세싱 연결 고리로 병합될 수 있고 또는 요청할 때에 인스톨되는 별개의 SIS (system installation suite) 패키지로서 구현될 수 있다.

제시된 이진화는 칼라 양자화에 대한 예를 위하여 사용될 수 있고 또는 배경으로부터 대상물을 분리하기 위해서 사용될 수 있다. 본 발명은 예를 들면 문서 처리 시스템 내에서 첫 번째 단계인 이미지 전 처리(pre-processing)에 채택될 수 있을 것이며, 또는 대상물/배경 분리 시스템에 채택될 수 있을 것이다. 전 처리의 목적은 입력 이미지로부터 최적의 가능한 이진 이미지를 얻기 위한 것이어서 대상물의 탐지 또는 캐릭터 인식을 가능하게 할 것이다.

본 발명은 아주 다양한 애플리케이션을 위해서도 채택될 수 있다. 예시적인 사용의 경우는 칼라 이미지 대신에 텍스트의 형식으로 문서를 처리하고 복구하며 저장하는 것이다. 추가의 예시적인 사용의 경우는 나중의 인출을 위해 노트들을 스캐닝하고 저장하는 것이다. 추가적인 예시의 사용의 경우는 지도를 스캐닝하고 저장하는 것이다. 이진화가 훌륭하면, 사용자는 표현된 것을 이해하기 위해 스캔된 칼라 이미지를 고려할 필요가 없다. 추가적인 예시의 사용 케이스는 광고판 표시, 스캐닝 및 저장이다. 추가적인 예시의 사용 경우는 TV 세트와 모니터 디스플레이 상에 제시된 이동 전화 번호 또는 웹 사이트와 같은 텍스트 정보를 스캐닝하는 것이다. 추가적인 예시의 사용 경우는 바코드 애플리케이션들을 위한 전 처리 단계 등이다.

제안된 이미지 프로세싱 칩셋과 제안된 전자 기기는 제시된 실시예들의 어떤 것도 실현하기에 적합한 수단들을 포함할 수 있을 것이다. 마찬가지로, 제안된 소프트웨어 프로그램 생성물 내에 저장된 소프트웨어 코드는 제시된 실시예의 어떤 것이라도 실현시키기 위해 구현될 수 있을 것이다.

본 발명의 다른 목적 및 특성들이 첨부된 도면들과 연결하여 고려되는 이어지는 상세한 설명으로부터 명백하게 될 것이다. 그러나, 도면은 예시의 목적으로만 계획된 것이며 본 발명의 한계를 정의하도록 계획된 것이 아니며, 그 참조는 첨부된 청구항에 되어야 한다는 것이 이해되어야 한다. 또한 도면은 크기에 맞추어서 그려진 것이 아니며 단지 여기에서 설명되는 구조 및 절차들을 개념적으로 도시하도록 의도된 것이라는 것도 이해되어야 한다.

도 1은 본 발명의 일 실시예에 따른 전자 기기의 개략적인 블록도를 도시한 거이다.

도 2는 도 1의 전자 기기 내에서의 이진화를 설명하는 흐름도이다.

도 3은 도 2의 이진화의 영역에 채택된 지역 파라미터 초기화를 설명하는 도면이다.

도 4a는 첫 번째 반-이미지에 대한 도 2의 이진화의 영역에 채택된 이동하는 함 계산을 설명하는 도면이다.

도 4b는 두 번째 반-이미지에 대한 도 2의 이진화의 영역에 채택된 이동하는 합 계산을 설명하는 도면이다.

도 5는 도 2의 이진화의 영역에 채택되는 적응적 파라미터 함수를 나타내는 도면이다.

도 6은 도 2의 이진화의 변형을 도시한 흐름도이다.

도 7a는 이진화될 원래의 이미지의 예이다.

도 7b는 종래의 접근 방법의 결과인 도 7a의 이미지의 이진화된 결과를 도시 한 것이다.

도 7c는 본 발명에 따른 접근 방법의 결과인 도 7a의 이미지의 이진화된 결과를 도시한 것이다.

도 1은 전자 기기의 개략적인 블록도이며, 본 발명의 일 실시예에 따라서 효과적인 이진화를 가능하게 한다.

예로서, 전자 기기는 카메라 전화기(10) 즉 내장된 카메라 기능을 포함하는 이동 전화기이다. 그것은 효과적인 이미지 이진화로부터 이득을 얻는 전자 기기의 어떤 유형도 될 수 있다는 것이 이해된다.

카메라 전화기(10)는 이미지 센서(11), 예를 들면 CCD (charge coupled device) 센서를 포함한다.

카메라 전화기(10)는 여러 소프트웨어 프로그램 코드들을 실행하기에 적합한 프로세싱 유닛(12)을 더 포함한다. 그 소프트웨어 코드는 선택할 수 있는 이미지 프로세싱 코드(13) 및 이진화 관련된 소프트웨어 프로그램 코드들을 포함한다. 이미지 프로세싱 코드(13)는 예를 들면 이미징 체인 또는 JPEG 이미지 생성기를 실현할 수 있다. 이미지 센서(11)와 같이, 카메라 전화기는 종래의 이미지 캡쳐하는 부분을 형성한다. 이진화 관련된 소프트웨어 프로그램 코드들은 선택적인 그레이 레벨의 계산 코드(14), 전역 파라미터 추출 코드(15), 지역 파라미터 초기화 코드(16), 적응적 이진화 코드(17) 및 이진 교정 코드(18)을 포함한다.

프로세싱 유닛(12)은 카메라 전화기(10)의 일반적인 프로세싱 유닛일 수 있 으며, 다양한 애플리케이션을 위한 소프트웨어 코드들을 동작시키며, 또는 전용의 카메라 프로세싱 유닛일 수 있다. 대안으로, 이미지 프로세싱 코드(13)의 기능과 이진화 관련된 소프트웨어 프로그램 코드들(14-18)은 예를 들면 이미지 프로세싱 칩셋 내에서 구현될 수 있다.

카메라 전화기(10)는 메모리(9)를 또한 포함한다.

카메라 전화기(10)는 이동 통신을 가능하게 하는 컴포넌트를 포함하는 추가의 다양한 다른 컴퍼넌트들을 포함한다는 것이 이해될 것이다.

도 1의 카메라 전화기(10)에 의해 실행될 수 있는 이진화는 도 2 내지 도 5를 참조하여 더 상세하게 설명될 것이다.

도 2는 이진화의 단계들을 설명하는 흐름도이다.

첫 번째 단계에서, 이미지가 이미지 캡쳐부(11, 13)에 의해 캡쳐된다 (201 단계). 캡쳐된 이미지는 CCD 센서(11)로부터 직접 획득한 Bayer 매트릭스 이미지 데이터일 수 있다. 대안으로, 이미지 프로세싱 코드(13)에 의한 칼라 이미지 출력, 예를 들면 Bayer 매트릭스 이미지 데이터를 압축한 후에 얻어지는 칼라 JPG 이미지 또는 이미지 체인에 의한 칼라 이미지 출력일 수 있다. 캡쳐된 이미지는 예를 들면 680 * 480 픽셀의 크기를 가질 수 있으나, 어떤 크기도 될 수 있다.

Bayer 매트릭스 데이터가 사용될 때에, 센서(11)로부터 얻어지는 이미지는 각 픽셀마다 네 가지 성분을 포함하며, 하나의 적색 성분, 두 개의 녹색 성분 그리고 하나의 청색 성분이다. 일 실시예에서, 녹색 성분 중의 단 하나와 적색 성분이 이진화를 위해 사용된다. 이진화에서 선택된 성분들만을 사용하는 것은 방치된 각 각의 성분이 Bayer 매트릭스 데이터를 사분의 일 줄여주며, 이는 또한 계산의 복잡도를 줄이고 이진화에서의 처리 속도는 증가시키는 이점을 제공한다. 더 나아가, 청색 성분은 가장 노이즈가 심한 성분이며, 그래서 그 성분이 없는 것은 노이즈를 없애는 프로세스를 부가하는 것을 용이하게 한다. 이진화될 대상물이 입력에서 검정으로 나타나면, 예를 들어 그 대상물이 바코드이면, 그와 같은 성분의 선택이 유리한 것이다. 이런 경우에만 청색 성분이 없는 것이 큰 영향을 미치지 않는다.

칼라 성분 선택은 예를 들면 이미지 프로세싱 코드(13)에 의해 또는 선택적인 그레이 레벨 계산 코드(14)에 의해 실행될 수 있다.

이미지 캡쳐링부(11, 13)에 의한 이미지 데이터 출력은 그레이 레벨 계산 코드(14)에게로 전달된다.

그레이 레벨 계산 코드(14)는 칼라 이미지를 그레이 스케일 이미지로 변환한다(202 단계). 이는 예를 들면 선택된 칼라 성분 적색, 초록 및 청색의 적절한 평균화에 의해 달성될 수 있다. 대안으로, 간단하게 칼라 이미지의 한 성분, 예를 들면 녹색 성분이 그레이 스케일 이미지를 대신해서 사용될 수 있다. 이는 검정과 흰색으로 쓰여진 캡쳐된 문서를 이진화하는 것에는 충분하다. 캡쳐된 이미지가 칼라화된 캐릭터를 역시 포함하면, 그리고 예를 들어, 적색 및 녹색 성분들이 각 픽셀들에 대해 평균화되면, 더 나은 결과가 얻어질 것이다. 이진화될 대상물이 밝은 색으로 나타나면, 녹색 성분이 마찬가지로 사용되어야 한다. 각 픽셀에 연관된 그레이 레벨은 예를 들면 0부터 255까지의 범위 내에 있는 256개의 가능한 그레이 레벨의 하나이다.

계속되는 처리 단계들에서 단 하나의 성분만이 더 처리되기 때문에, 그레이 레벨을 계산하는 것은 이진화의 속도를 증가시킨다.

얻어진 그레이 스케일 이미지 데이터는 전역 파라미터 추출 코드(15), 지역 파라미터 초기화 코드(16) 및 적응적 이진화 코드(17)에 제공된다.

다음 단계에서, 다양한 전역 파라미터들의 전역 파라미터 추출 코드(15)에 의해 전체 이미지로부터 추출된다 (203 단계). 이 전역 파라미터는 지역 파라미터들에 대한 가중치로도 사용될 수 있으며, 이하에서 설명되는 것처럼, 적응적 이진화 동안에 적용되는 교정에 관한 결정에도 사용될 수 있다.

전역 파라미터 추출의 한 가능한 구현에서, 전체 이미지의 최대값 (Max) 및 최소값 (Min)들이 이 목적을 위해 결정된다. 전역 파라미터 D, D1 및 D2는 다음과 같이 유도될 수 있다.

D = (Max+Min)/2

D1= (Min+D)/2

D2=(D+Max)/2

전역 함수 추출의 다른 가능한 구현에서, 전역 파라미터를 유도하기 위해 히스토그램들이 사용될 수 있다. 첫 번째로, 전체 이미지의 히스토그램이 계산된다. 즉, 각 가능한 그레이 레벨에 대해, 픽셀들의 개수는 대응 그레이 레벨이 어디에 연관되는가에 대해 결정된다. 그러면, D는 히스토그램의 0 아닌 부분의 중간의 그 레이 레벨에 대응하여 설정된다. D1은 히스토그램이 픽셀들의 10% 이상이 대상물에 속한 것을 표시하는 가장 높은 그레이 레벨에 대응하여 설정되며, 이는 더 높은 그레이 레벨에 의해 표시된다. 유사하게, D2는 히스토그램이 10% 이상의 픽셀들이 배경에 속하는 것을 표시하는 가장 낮은 그레이 레벨에 대응하도록 설정되며, 이는 더 낮은 그레이 레벨에 의해 표시된다. 예를 들면, 그레이 레벨 계산 (202 단계)은 256개의 그레이 레벨을 가진 그레이 스케일 이미지의 결과를 가져온다. 히스토그램에 의해 D1 및 D2 전역 파라미터를 결정하기 위해, 우선, 각 그레이 스케일 이미지에 대해 히스토그램이 계산된다. 0부터 시작해서 255까지 진행하며, 그러면 첫 번째 히스토그램 M1이 계산된다. 현재의 값이 다음의 두 개의 미래 값들은 물론이고 두 개의 이전의 값들보다 크면 최대값이 얻어진 것으로 고려될 수 있을 것이다. 두 번째 최대값 M2는 유사한 방법으로 255부터 시작해서 0까지 진행하여 계산된다. 대상물/배경 분리 값은 대략 Sep = (M1+M2)/2 이다. 히스토그램 값들의 합 S1은 0부터 Sep까지 계산되며, 합 S2는 Sep부터 255까지 계산된다. 그러면, 전역 파라미터 값들은 D1 = S1*10/100 and D2 = S2*10/100 에 의해 얻어진다.

양 구현은 좋은 성능으로 귀결된다. 첫 번째 구현이 좀 더 정규의 색상 그리고 풍부하지 않게 캡쳐된 이미지에 대해 더 낫게 실행된다.

병렬로 또는 계속해서, 지역 파라미터 초기화 코드(16)가 복수의 지역 파라미터들을 초기화시킨다 (204 단계). 계속되는 초기화에 대해, 캡쳐된 이미지 데이터는, 그레이 레벨 계산 코드(14)에 의해 직접적으로 전달되는 것 대신에, 전역 파라미터 추출 코드(15)를 경유하여 마찬가지로 지역 파라미터 초기화 코드(16)로 제 공될 수 있다는 것을 유의해야 한다.

이런 초기화에 대해, 그 이미지는 수평 또는 수직 분할선을 따라서 두 개의 같은 크기의 이미지들로 분할된다. 양 반-이미지들에 대한 지역 파라미터들의 공통적인 초기값은 분할선에 인접한 양 반-이미지들의 픽셀값들 상에서 실행되는 계산에 의해 결정된다.

그런 공통의 초기값들에 대한 가능한 계산이 수직 분리선에 대해 도 3의 도면에서 도시된다.

도 3은 수직의 초기화 분할선(303)을 따라서 첫 번째 반-이미지 I(301) 및 두 번째 반-이미지 II(302)로 분할된 이미지(300)를 나타낸다. 이미지(300)의 각 행 k는 동일한 개수의 픽셀들(304)을 포함한다.

이미지(300)의 각 행 k에 대해, 초기값 M₀ 가 계산된다. 주어진 예에서, 각 행 k에 대한 초기값 M₀은 행 k 내의 수직선 옆에 위치한 첫 번째 반-이미지 I(301)의 4개의 픽셀값들과 행 k 내의 수직선 옆에 위치한 두 번째 반-이미지 II(302)의 4개의 픽셀값들이 더해진다. 초기값들 M₀은 반-이미지들 (301, 302)에 대한 공통 초기값들이다.

대안으로, 수평 분할선의 경우에, 특정 열 내의 분할선에 인접한, 이미지의 각 행 내의 각 반-이미지로부터의 4개의 픽셀값들이 더해진다.

204 단계 이후에, 추가적인 처리가 각 반-이미지 내에서 독립적으로 실행될 수 있다.

다음의 단계(205 단계)는 추출된 전역 파라미터들 D, D1 및 D2, 계산된 지역 초기값들 M₀ 및 그레이 스케일 이미지 데이터를 입력으로서 수신하는 적응적 이진화코드(17)에 의해 실행된다. 그레이 스케일 이미지 데이터는 모든 픽셀들의 그레이 레벨을 포함한다. 그레이 스케일 이미지 데이터는 그레이 레벨 계산 코드(14)에 의해 직접적으로 전달되는 것 대신에, 전역 파라미터 추출 코드(15)를 경유하여 마찬가지로 적응적 이진화 코드(17)로 제공될 수 있다는 것을 유의해야 한다.

적응적 이진화 코드(17)는 적응적 이진화를 각 반-이미지들(301, 302)에 대해 별개로 실행한다.

첫째로, 제공된 전역 파라미터 값 및 제공된 초기 값들에 기반하여 반-이미지의 각 픽셀에 대해 적응적 문턱값이 결정된다.

초기값들 M₀은, 이하에서 설명될 것고 같이, 이동하는 평균들의 중심 회귀(recursive) 구현에 의해, 각 픽셀 p_i+1에 대해 이동하는 합 M_i+1의 모습으로 지역 파라미터 값을 결정하는데 사용된다. 이동하는 평균들 역시 직접적으로 계산될 수 있다는 것에 유의해야 한다.

원래의 이미지가 수직선(303)을 따라서 두 개의 반-이미지(301, 302)로 분할된다고 가정하면, 각 반-이미지에 대한 프로세싱이 행에서 수행될 것이다.

도 4a는 반-이미지 I(301)의 각 선 k 내의 픽셀 p_i+1에 대해 다음 식에 따라 이동하는 합 M_i+1을 결정하는 것을 도시한다.

각 행 k의 픽셀 p₀는 분할선(303)에 인접한 반-이미지(302)의 픽셀이며, 픽셀 인덱스는 왼쪽을 향해 증가한다. 각 행 k의 픽셀 p₀에 대해 정당한, 초기값 M₀는 204 단계에서 계산된다. 주어진 예에서, 초기값 M₀에 결합된 각 여덟 개의 픽셀 값들을 고려하면 변수 a, b는 a=3, b=5로 설정된다.

이동하는 합들은 두 번째 반-이미지 II(302)의 픽셀들에 대해서와 동일한 방법으로 결정되며, 이는 도 4b에 도시되어 있다. 이런 경우에, 각 행의 픽셀 p₀은 분할선에 인접한 반-이미지 I(301)의 픽셀이며, 픽셀들의 인덱스는 오른쪽 방향으로 증가한다.

원하던 문턱값 상에서의 지역적인 영향은, 픽셀 p_i+1에 대해 현재의 이동하는 합 M_i+1을 픽셀 p_i에 대한 이전의 단계에서 계산된 이동하는 합 M_i와 더 평균화시킴으로써 증가될 수 있으며, 이는 행 내부에서 처리되게 유지한다. 그 결과인 지역 파라미터 값은 H로 표시된다. 대안으로 또는 추가하여, 파라미터 값 H는

현재 선 k의 픽셀 p_i+1에 대한 M_i+1 값을 이전의 선 k-1의 픽셀 p_i+1에 대한 M_i+1 값과 평균화하여 또한 얻어질 수 있다. 그러면 하나의 반-이미지의 특정 행 내 의 픽셀 p_i+1에 대한 적응적 문턱값 T_i은 다음의 식에 따라 정해질 수 있다.

주어진 예에서, n=8은 사용된 윈도우 크기이며, GP=D/8은 제공된 전역 파라미터 값 D에만 의존하는 전역 파라미터 인자이며, AP(x)는 제공된 전역 파라미터 값 D1 및 D2에 의존하는 적응적 파라미터 함수이다.

함수 AP(x)의 모습과 그 모습이 전역 파라미터 D1과 D2에 의해 제어되는 방법이 도 5에 도시되어 있다. 문턱값 x의 값이 0부터 D1까지 증가하는 것에 대해 AP의 값은 약 2부터 약 1로 감소하는 것을 볼 수 있다. 그러면, 문턱값 x의 값이 D1에서 D2로 증가할 때에 AP의 값은 기본적으로 일정하다. 마지막으로, 문턱값 x의 값이 D2로부터 255로 증가하는 것에 대해 AP의 값은 더 감소한다. 이 함수는 픽셀 값 p_i+1이 전력 파라미터 값 D1 과 D2 사이에 있을 때에만 적응적 문턱값에 일정한 값으로 가중치를 부여할 것이라는 것이 보여질 수 있다. 그 함수의 모습은 전역 파라미터 D1 및 D2를 기반으로 하여 각 이미지마다 자동적으로 조절된다.

일단 문턱값 T_i가 특정 픽셀 p_i에 대해 결정되면, 적응적 이진화 코드(17)는 픽셀 p_i 의 그레이 레벨이 문턱값 T_i보다 높게 놓여있는가의 여부를 판별한다. 문턱값보다 더 높게 놓여 있으면, 픽셀 p_i 는 "검정"으로 그렇지 않다면 픽셀 는 "흰색"으로 설정된다.

수평 분할선의 경우에 그 처리는 행 대신에 열에서의 동등한 방법으로 실행된다는 것에 유의한다.

마지막으로, 이진 교정 코드(108)는 이진 이미지를 교정하려는 목적으로 상기 얻어진 이진 이미지에 이진 연산을 인가한다 (206 단계). 더 상세하게는, 중앙값 필터에 의해 실행되는 이진 중앙값(median) 필터링 (207 단계)에 형태(morphological) 필터에 의해 실행되는 이진 형태(morphological) 필터링 (208 단계)이 뒤따른다. 이진 중앙값 필터는 잡음 제거의 책임을 진다. 그것은 이진화 이후의 결과일 수 있는 인공물과 같은 작은 임펄스를 모두 제거하려는 목적이다. 형태 필터들은 부식/확장 교정의 책임을 진다. 그들은, 이미지 내에 존재하는 한, 캐릭터의 모습을 눈에 더 즐겁게 하는 모습으로 교정할 수 있는 능력을 가지며, 그래서 그들은 그 캐릭터가 더 부드러워 보이게 한다. 처리하는 순서는 거꾸로 될 수도 있다는 것이 이해되어야 한다. 그러므로, 형태 필터들을 먼저 사용하고 그리고 중앙값 필터를 사용하는 것도 가능하다.

유사한 작업과 함께 하는 노이즈 제거 단계는 이미지를 캡쳐한 직후에 대신 제공될 수 있다. 이런 경우에, 이진화 될 이미지는 어떤 원치 않는 인공물에 의해 깨끗하게 되었다. 그러나, 이런 접근 방법에는 좋은 성능을 얻기 위해서는 아주 복잡한 잡음 제거 알고리즘, 예를 들면 입력으로서 24개의 인접한 행들을 사용하는 시그마 필터가 필요하다는 불이익이 있다. 처리 속도의 이유 때문에, 적응적인 프로세스가 잡음 제거를 처리하도록 하는 것이 더 선호된다. 캡쳐된 이미지들의 더 큰 클래스에 대해 그 이미지가 이진화 이후에만 교정될 때에 얻어진 결과다 더 낫 다는 것을 실험들이 보여준다. 더 나아가, 캡쳐된 이미지 상에 잡음 제거가 실행될지라도 몇몇 부가적인 이진 교정이 필요하며, 이는 이진 영역에서 모든 잡음 제거를 구현하는 추가적인 이유를 제공한다.

이진화된 그리고 교정된 이미지는 나중의 사용을 위해서 예를 들면 메모리(19) 내에 저장될 수 있다. 대안으로 또는 부가하여, 이진화된 그리고 교정된 이미지는 또한 카메라 전화기(10)의 디스플레이 상에서 사용자에게 제공되거나 또는 캐릭터 인식 애플리케이션 또는 바코드 리더기 애플리케이션 등과 같은 몇몇의 추가적인 애플리케이션에 의해 처리될 수 있다.

제시된 이진화는 사용자에 의한 어떤 셋업 또는 조절을 필요로 하지 않으면서 적응된다: 채택된 파라미터들 및 함수들은 캡쳐된 이미지 데이터를 근거로 자동적으로 탐지되고 교정되므로, 시스템에 조정하는 것이 필요하지 않다. 추가로, 초기화 단계는 적응적인 이진화 단계에서 이미지의 열 또는 행들에서 병렬 프로세싱을 허용하고, 그래서 처리를 가속화하게 한다. 또한 초기화 단계는 병렬화될 수 있다. 제시된 이진화의 초기화 단계는 버네팅을 제거하는 더욱 더 효과적인 방법을 제공한다.

제시된 연산들은 많은 방법으로 변형될 수 있다는 것에 유의한다.

예를 들면, 그레이 레벨 통신 단계(202)는 건너뛸 수 있으며, 이는 도 2에서 점선으로 표시된다. 이런 경우에, 연속적인 단계들(203-205)은 캡쳐된 이미지의 모든 선택된 칼라 성분들에 대해 개별적으로 실행된다. 즉, CCD 센서로부터 직접적으로 얻어지는 Bayer 매트릭스의 이미지에는 4개의 별개 이진화가 필요하며, 반면 이 미지 체인의 출력에서 얻어지는 칼라 이미지와 압축 후에 얻어진 칼라 JPG 이미지에는 3개의 별개 이진화가 필요하다. 마지만 결과는 모든 계산된 이진 출력들에 OR 연산을 인가하여 얻어진다. 그레이 레벨 이미지 계산이 없다면, 입력 이미지 내에 존재하는 모든 칼라에 대한 이진화의 매우 세밀한 조정이 얻어질 수 있다. 매우 색채가 풍부한 이미지들에 대한 이진화가 필요하면, 모든 칼라 성분들이 사용될 것이다.

또한, 전력 파라미터 D, D1 및 D2는 전체 이미지 대신에 복수의 서브-이미지의 각각에 대해 개별적으로 동등하게 계산될 수 있다. 이진화가 서브-이미지로 이동하면, 전력 파라미터들 및 AP(x) 함수는 그에 따라 변경된다. 원래의 이미지가 이 목적을 위해 예를 들면 2, 4, 8 또는 16개 또는 상이한 크기의 서브-이미지들로 나누어질 수 있다. 두 개의 서브-이미지인 경우, 서브-이미지들은 예를 들면 반-이미지들에 대응할 수 있으며, 두 개의 서브-이미지 이상인 경우에는 각각의 반-이미지는 더 분할될 수 있다. 한 세트의 전역 파라미터들 또는 그 이상 세트의 전역 파라미터는 여하튼 유사한 성능으로 귀결된다. 아주 다른 반-이미지들에만 약간의 차이가 생길 뿐이다.

도 6은 도 2를 참조하여 설명된 이진화의 추가적으로 가능한 변형을 도시한 흐름도이다.

이 이진화에서, 이미지를 캡쳐하는 단계(601), 그레이 스케일 이미지를 계산하는 단계(602) 및 전역 파라미터들을 추출하는 단계(603)는 각각 도 2의 201, 202 및 203 단계에 대응한다.

또, 지역 파라미터들은 수직선을 따라서 분할되는 그레이 스케일 이미지에 대한 도 2의 204 단계를 참조하여 설명된 것과 같이 초기화될 수 있을 것이다(604 단계). 그러면 초기화된 지역 파라미터들은 도 2의 205 단계를 참조하여 상기에서 설명된 것과 같이, 양 반-이미지들에서 행으로 이진 이미지를 계산(605 단계)하는데 사용될 수 있다.

추가로, 그러나, 동일한 그레이 스케일 이미지가 초기화된 지역 파라미터들에 대해 수평선을 따라서 열 단위로 분할된다 (611 단계). 수평선을 따라서의 분할을 기반으로 하는 초기화는 수직선을 따라서의 분할을 기반으로 하는 초기화의 대안으로서 도 2의 204 단계를 참조하여 상기에서 언급되었다.

그러므로, 도 2에 제시된 해결책을 위해서 오직 한 분할만이 사용되나, 수평 및 수직 방향의 양 가능한 분할들이 도 6에 제시된 해결책을 위해 병렬로 사용된다.

수평으로의 분할을 구비한 결과인 초기화된 지역 파라미터들은 수평선을 따라서의 분할에 의해 얻어진 양 반-이미지들 내에서 열들의 단위로 독립적으로 605 단계 내에서 얻어진 대상물을 교정하기 위해 사용된다. 대상물 계산만이 갱신되는 것에 유의해야 한다. 이것은 이 단계를 위해 주요 대상물 탐지는 고려되지 않는다는 것을 의미한다. 605 단계의 주요 계산에서 현재 픽셀이 한 대상물에 속한다고 이미 결정되었다면, 612 단계는 간단하게 건너뛴다. 그래서, 배경이 605 단계의 주요 계산에서 탐지될 때에만 교정이 필요하다. 다른 말로 하면, 605 단계에서 "흰색"으로 설정된 픽셀들만이 될 수 있는 한 교정된다. 직교 방향에서의 이진화가 현 재의 픽셀이 대상물에 속한다고 결정하면, 현재의 픽셀은 배경의 값으로부터 대상물의 값으로 교정된다. 612 단계에서 한정된 수의 픽셀들에 대해서만 결정이 내려진다는 사실은 별개로 하고, 부차적인 이진화는 수평 분할선의 언급되었던 경우에 대해 205 단계를 참조하여 설명된 이진화에 완전히 대응한다.

연속적인 교정 (611, 612 단계)가 행 방식(row-wise) 처리를 기반으로 실행되는데 반해, 기본적인 이진화(604, 605 단계)는 열 방식(column-wise)의 처리를 기반으로 실행될 수 있다는 것이 이해되어야 한다.

교정된 결과인 이미지는 도 2의 206, 207 및 208 단계를 참조하여 상기에서 설명된 이진 교정을 필요로 한다.

본 발명에 따른 이진화의 제시된 변형은 두 번째 분할이, 이동 방향에서 얻어진 이진 이미지 내에 존재할 수 있는 원하지 않는 선들에 관하여 305 단계에서 얻어진 이진 이미지를 교정하는데 적합하다는 추가적인 이점을 갖는다.

도 7a, 7b 및 7c는 제안된 이진화의 효과를 도시한 것이다. 도 7a는 원래는 칼라인 캡쳐된 이미지이다. 도 7b는 상기에서 인용된 Wellner에 의한 문서에서 제시된 이진화 접근 방법에 따른 결과인 이진화된 이미지이다. 도 7c는 본 발명에 따른 접근인 이진화에 따른 결과인 이진화된 이미지이다.

본 발명의 바람직한 실시예에 적용된 근본적이고 신규한 특징이 보여지고 설명되고 지적되었지만, 본 발명이 속한 기술 분야의 통상의 지식을 가진 자가 본 발명의 사상에서 벗어나지 않고 그 기기와 방법들의 모습과 상세한 것에서 다양하게 생략하고 대치하고 변경할 수 있다는 것이 이해될 것이다. 예를 들면, 실질적으로 동일한 기능을 실질적으로 동일한 방법으로 실행하여 동일한 결과를 얻는 그런 요소들 및/방법들의 단계들의 모든 조합은 본 발명의 범위 내에 속한다는 것은 명백하게 의도되었다. 더 나아가, 본 발명의 어떤 개시된 모습 또는 실시예와 연관하여 보여지고 그리고/또는 설명된 구조들 및/또는 엘리먼트들 및/또는 방법의 단계들은 설계에서의 선택의 일반적인 내용으로서 개시되고 또는 설명되고 또는 제안된 모습 또는 실시예와 통합될 수 있다는 것이 인식되어야 한다. 그러므로, 본 발명의 의도는 여기에 첨부된 청구항들의 범위에 의해서 지시되는 것만으로 한정된다는 것이다.

Claims (21)

1. 픽셀들로 구성되는 이미지를 이진화시키는 방법으로서,

   상기 방법은,

   상기 이미지를 두 개의 반-이미지로 분할하는 단계;

   상기 반-이미지를 분리하는 경계에 인접한 영역 내에 놓여있는 픽셀들의 값을 기반으로 지역(local) 파라미터들을 초기화하는 단계; 및

   적응적 문턱값을 이용하여 상기 반-이미지들의 각각에 별개로 이진화를 실행하는 단계;를 포함하며,

   상기 적응적 문턱값은 각 반-이미지들에 대해 상기 초기화된 지역 파라미터들로부터 발생하여 계산되는 이미지 이진화 방법.
2. 제1항에 있어서,

   상기 픽셀들은 열과 행으로 배열되며,

   상기 경계는 수직선이며,

   상기 초기화된 지역 파라미터들은 각 행에 대해 상기 수직선에 인접한 상기 영역 내의 상기 행 내의 픽셀값들의 초기 합을 포함하며,

   상기 적응적 문턱값은 각 행에 연관된 초기 합으로부터 발생하는, 윈도우를 이루어 이동하는 합을 기반으로 하여 각 픽셀에 대해 각 반-이미지의 각 행 내에서 적응되는 이미지 이진화 방법.
3. 제2항에 있어서,

   상기 이미지를 수평선을 따라 두 개의 추가적인 반-이미지들로 분할하는 단계;

   추가의 지역 파라미터들을 초기화하는 단계로서, 상기 추가의 초기화된 지역 파라미터들은 각 열에 대해 상기 수평선에 인접한 영역 내의 픽셀값들의 초기 합을 포함하는, 단계; 및

   상기 추가적인 각 반-이미지들의 내에서 상기 추가로 초기화된 지역 파라미터들을 이용하여 상기 이진화된 이미지를 교정하는 단계;를 더 포함하는 이미지 이진화 방법.
4. 제2항 또는 제3항에 있어서,

   윈도우를 이루어 이동하는 합이 특정 픽셀에 대한 적응적 문턱값을 계산하기 위해 사용되기 이전에, 상기 특정 픽셀에 대해 결정된 윈도우를 이루어 이동하는 합은 상기 특정 픽셀에 인접한 픽셀에 대해 결정된 윈도우를 이루어 이동하는 합과 함께 평균화되는 이미지 이진화 방법.
5. 제1항에 있어서,

   상기 픽셀들은 열과 행으로 배열되며,

   상기 경계는 수평선이며,

   상기 초기화된 지역 파라미터들은 각 열에 대해 상기 수평선에 인접한 상기 영역 내의 상기 열 내의 픽셀 값들의 초기 합을 포함하며,

   상기 적응적 문턱값은 각 열에 연관된 초기 합으로부터 발생하는, 윈도우를 이루어 이동하는 합을 기반으로 각 픽셀에 대해 각 반-이미지의 각 열에서 계산되는 이미지 이진화 방법.
6. 제5항에 있어서,

   상기 이미지를 수직선을 따라서 두 개의 추가적인 반-이미지들로 분할하는 단계;

   추가의 지역 파라미터들을 초기화하는 단계로서, 상기 추가의 초기화된 지역 파라미터들은 각 행에 대해 상기 수직선에 인접한 영역 내의 픽셀값들의 초기 합을 포함하는, 단계; 및

   상기 추가적인 각 반-이미지들 내에서 상기 추가로 초기화된 지역 파라미터들을 이용하여 상기 이진화된 이미지를 교정하는 단계;를 더 포함하는 이미지 이진화 방법.
7. 제5항에 있어서,

   윈도우를 이루어 이동하는 합이 특정 픽셀에 대한 적응적 문턱값을 계산하기 위해 사용되기 이전에, 상기 특정 픽셀에 대해 결정된 윈도우를 이루어 이동하는 합은 상기 특정 픽셀에 인접한 픽셀에 대해 결정된 윈도우를 이루어 이동하는 합과 함께 평균화되는 이미지 이진화 방법.
8. 제1항 내지 제3항 중의 어느 한 항에 있어서,

   상기 이미지에 대한 전역(global) 파라미터들을 계산하는 단계를 더 포함하며, 상기 적응적 문턱값은 상기 반-이미지들 각각에 대해 상기 전역 파라미터들을 추가로 고려하여 계산되는 이미지 이진화 방법.
9. 제8항에 있어서,

   상기 전역 파라미터들은 상기 반-이미지들 각각에 대해 별개로 결정되는 이미지 이진화 방법.
10. 제8항에 있어서,

    상기 초기화된 지역 파라미터들은 상기 경계에 인접한 상기 영역 내의 픽셀 값들의 초기 합들을 포함하며,

    상기 적응적 문턱값들은 각 초기 합으로부터 발생하는, 픽셀 값들의 윈도우를 이루어 이동하는 합들을 기반으로 각 반-이미지의 픽셀들에 대해 계산되며,

    특정 픽셀에 대한 적응적 문턱값은 상기 특정 픽셀에 대한 이동하는 합에 다음의 연산들인,

    이동하는 평균을 얻기 위해 상기 이동하는 합 내에서 고려되는 복수의 픽셀들에 의한 나누기;

    상기 이동하는 평균을 위한 조절 함수의 값으로 곱하며, 이때 상기 조절 함수는 이동하는 평균들의 첫 번째 범위 내에서 감소하는 값을, 이동하는 평균들의 두 번째 범위 내에서 상수값을 그리고 이동하는 평균들의 세 번째 범위 내에서 추가의 감소하는 값을 가지며, 상기 범위들은 상기 계산된 전역 파라미터 값들 중의 첫 번째 및 두 번째 것에 의해 정의되고; 그리고

    상기 첫 번째 및 두 번째로 계산된 전역 파라미터 값들 사이에 놓여있는 세 번째 전역 파라미터로 곱하는,

    연산들을 적용하여 결정되는 이미지 이진화 방법.
11. 제1항 내지 제3항 중의 어느 한 항에 있어서,

    상기 이미지는 칼라 이미지이며, 상기 방법은 상기 칼라 이미지를 그레이 스케일 이미지로 변환하는 이전의 단계를 포함하는 이미지 이진화 방법.
12. 제1항 또는 제2항에 있어서,

    상기 이진화된 이미지에 이진 교정들을 적용하는 단계를 더 포함하는 이미지 이진화 방법.
13. 제12항에 있어서,

    상기 이진 교정들은 이진 중앙값(median) 필터링 및 이진 형태(morphological) 필터링 중의 적어도 하나를 포함하는 이미지 이진화 방법.
14. 제1항 내지 제3항 중의 어느 한 항에 있어서,

    - 지역 파라미터들을 초기화시키는 것은 상기 이미지의 전역 파라미터들을 계산하는 것과 병렬로 수행되고;

    - 이미지에 대한 지역 파라미터들을 초기화시키는 상기 단계 내에, 상기 픽셀들은 열과 행들로 배열되고, 지역 파라미터들을 초기화시키는 별개의 초기화가 적어도 두 개의 행들 또는 두 개의 열들에 각각에 대해 병렬로 수행되고;

    - 한 방향으로 지역 파라미터를 초기화시키는 것은 다른 방향으로 지역 파라미터들을 추가로 초기화시키는 것과 병렬로 수행되고;

    - 적응적 문턱값의 계산을 이진화하는 것은 상기 반-이미지들 각각에 대해 병렬로 수행되고; 그리고

    - 반-이미지들의 각각에 별개로 이진화를 실행하는 상기 단계 내에, 상기 픽셀들은 열과 행들로 배열되며, 적응적 문턱값을 계산하는 별개의 계산이 상기 반-이미지의 하나에서 적어도 두 개의 열들 또는 적어도 두 개의 행들 각각에 대해 병렬로 수행되는;

    동작들 중의 적어도 하나와 일치하여 병렬 프로세싱이 수행되는 이미지 이진화 방법.
15. 이미지 프로세싱 칩셋으로서, 픽셀로 구성된 이미지를 이진화시키기 위해,

    이미지를 두 개의 반-이미지로 분할하고 상기 반-이미지를 분리하는 경계에 인접한 영역 내에 놓여있는 픽셀들의 값을 기반으로 지역 파라미터들을 초기화하기 에 적합한 초기화부; 및

    적응적 문턱값을 이용하여 상기 반-이미지들의 각각에 별개로 이진화를 실행하기에 적합하며, 상기 적응적 문턱값은 각 반-이미지들에 대해 상기 초기화부에 의해 초기화된 지역 파라미터들로부터 발생하여 계산되는, 이진화부;를 포함하는 이미지 프로세싱 칩셋.
16. 제15항에 있어서,

    상기 이미지에 대한 전역 파라미터를 계산하기에 적합한 전역 파라미터 추출부;를 더 포함하며,

    상기 이진화부는 반-이미지들 각각에 대해 상기 전역 파라미터들 역시 고려하여 상기 적응적 문턱값을 계산하기에 적합한 이미지 프로세싱 칩셋.
17. 전자 기기로서, 픽셀로 구성된 이미지를 이진화시키기 위해,

    이미지를 두 개의 반-이미지로 분할하고 상기 반-이미지를 분리하는 경계에 인접한 영역 내에 놓여있는 픽셀들의 값을 기반으로 지역 파라미터들을 초기화하기에 적합한 초기화부; 및

    적응적 문턱값을 이용하여 상기 반-이미지들의 각각에 별개로 이진화를 실행하기에 적합하며, 상기 적응적 문턱값은 각 반-이미지들에 대해 상기 초기화부에 의해 초기화된 지역 파라미터들로부터 발생하여 계산되는, 이진화부;를 포함하는 전자 기기.
18. 제17항에 있어서,

    상기 이미지에 대한 전역 파라미터를 계산하기에 적합한 전역 파라미터 추출부;를 더 포함하며,

    상기 이진화부는 반-이미지들 각각에 대해 상기 전역 파라미터들 역시 고려하여 상기 적응적 문턱값을 계산하기에 적합한 전자 기기.
19. 제17항 또는 제18항에 있어서,

    상기 전자 기기는 이동 전화기, 컴퓨터, 디지털 카메라, 개인용 휴대용 정보 단말기 (PDA) 및 카메라 기능을 포함하는 휴대용 기기 중의 하나인 전자 기기.
20. 컴퓨터로 읽을 수 있는 저장 매체로서, 그 내부에 픽셀들로 구성되는 이미지를 이진화시키기 위한 소프트웨어 코드가 저장되며, 상기 소프트웨어 코드는 전자 기기의 프로세싱 유닛에 의해 실행될 때에,

    상기 이미지를 두 개의 반-이미지로 분할하는 단계;

    상기 반-이미지를 분리하는 경계에 인접한 영역 내에 놓여있는 픽셀들의 값을 기반으로 지역(local) 파라미터들을 초기화하는 단계; 및

    적응적 문턱값을 이용하여 상기 반-이미지들의 각각에 별개로 이진화를 실행하는 단계로서, 상기 적응적 문턱값은 각 반-이미지들에 대해 상기 초기화된 지역 파라미터들로부터 발생하여 계산되는, 단계;를 실현시키는, 컴퓨터로 읽을 수 있는 저장 매체.
21. 제20항에 있어서,

    전자 기기의 프로세싱 유닛에 의해 실행될 때에, 상기 소프트웨어 코드는,

    상기 이미지에 대한 전역 파라미터들을 계산하는 단계;를 더 실현시키며,

    상기 적응적 문턱값은 반-이미지들 각각에 대해 상기 전역 파라미터들 역시 고려하여 계산되는, 컴퓨터로 읽을 수 있는 저장 매체.

Images