KR101751270B1 - 이미지 처리장치 및 방법 - Google Patents

이미지 처리장치 및 방법 Download PDF

Info

Publication number
KR101751270B1
KR101751270B1 KR1020110007528A KR20110007528A KR101751270B1 KR 101751270 B1 KR101751270 B1 KR 101751270B1 KR 1020110007528 A KR1020110007528 A KR 1020110007528A KR 20110007528 A KR20110007528 A KR 20110007528A KR 101751270 B1 KR101751270 B1 KR 101751270B1
Authority
KR
South Korea
Prior art keywords
gray image
histogram
quantization
image
bins
Prior art date
Application number
KR1020110007528A
Other languages
English (en)
Other versions
KR20110087246A (ko
Inventor
최용수
김형중
여인권
Original Assignee
고려대학교 산학협력단
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 고려대학교 산학협력단 filed Critical 고려대학교 산학협력단
Publication of KR20110087246A publication Critical patent/KR20110087246A/ko
Application granted granted Critical
Publication of KR101751270B1 publication Critical patent/KR101751270B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 그레이 이미지에 대한 특성 정보를 검출하기 위한 그레이 이미지 처리장치 및 방법에 관한 것이다.
이를 위해 미리 결정된 양자화 레벨을 기반으로 그레이 이미지에 대한 양자화를 수행하고, 미리 결정된 가중치 필터를 사용하여 상기 양자화된 그레이 이미지를 구성하는 각 픽셀에 대한 필터링을 수행한다. 그리고 상기 필터링된 그레이 이미지에 상응하는 히스토그램의 가로축에 표시된 인덱스들을 복수의 빈 (Bin)들로 그룹핑하고, 상기 그룹핑된 각 빈에 대응하여 해당 빈에 포함된 인덱스들이 가지는 픽셀들의 빈도 수를 합산하여 표시하며, 상기 그룹화 과정에 의해 빈 단위로 재 구성된 히스토그램을 기반으로 상기 양자화를 위해 입력된 그레이 이미지에 대한 특성 정보를 획득한다. 이때 상기 복수의 빈들 각각은 상기 히스토그램의 가로축 상에서 미리 결정된 개수의 인접 인덱스들의 그룹핑에 의해 생성한다.

Description

이미지 처리장치 및 방법{APPRATUS AND METHOD FOR GENERATING VIDEO PECULIARITY AND SYSTEM THEREOF}
본 발명은 이미지 처리장치 및 방법에 관한 것으로, 특히 그레이 이미지에 대한 특성 정보를 검출하기 위한 그레이 이미지 처리장치 및 방법에 관한 것이다.
일반적으로 히스토그램의 등화 시 기본 동작은 입력 영상의 히스토그램을 토대로 주어진 입력 영상을 변환하는 것이다. 여기서 히스토그램이라 함은 주어진 입력 영상에서의 그레이 레벨 분포를 나타낸다. 이러한 그레이 레벨의 히스토그램은 영상 (image)의 외양의 전체적인 묘사를 제공한다. 영상의 샘플 분포에 따라 적절히 조절된 그레이 레벨은 외양 또는 영상의 콘트라스트를 개선한다.
이러한 콘트라스트를 개선하기 위한 많은 방법들 중에 영상의 샘플 분포에 따라 주어진 영상의 콘트라스트를 개선하는 방법인 히스토그램 등화가 가장 널리 알려져 있다.
또한 통상적인 영상의 블록 별로 특징 벡터를 생성할 시에 특정 부분의 변화에 대해 둔감할 가능성이 있다. 즉 히스토그램의 전후 크기에 있어서의 관계를 이용하여 이진 해쉬 스트림을 생성하는 방법에서는 BMP와 같이 원본 영상에서 직접 특성 벡터를 생성할 수 있다. 하지만 원본 영상에서 특성 벡터를 직접 생성할 시에는 영상의 밝기 변화, 잡음 첨가 등과 같은 상황에서 특성 벡터가 변화할 가능성이 높다. 따라서 영상의 밝기 변화, 잡음 첨가 등과 같은 상황에서 특성 벡터의 변화를 최소화할 수 있는 방안 마련이 요구된다.
본 발명의 실시 예에서는 그레이 이미지의 특징 정보를 추출하기 위한 장치 및 방법과 이를 위한 전처리 시스템을 제안한다.
또한 본 발명의 실시 예에서는 그레이 이미지의 시각적인 형태를 그대로 유지한 채 픽셀 값들의 분포를 구획화하여 양자화 및 필터링 연산을 수행하는 장치 및 방법과 이를 위한 전처리 시스템을 제안한다.
또한 본 발명의 실시 예에서는 그레이 이미지에 대해 2n 레벨 양자화 기법과 대칭형 가중치 필터를 통한 필터링을 적용하여 그레이 이미지의 특설 정보를 생성하는 장치 및 방법과 이를 위한 전처리 시스템을 제안한다.
또한 본 발명의 실시 예에서는 히스토그램 인덱스의 그룹화를 통해 복수의 빈들로 히스토그램을 표현함으로써, 히스토그램 상에서 인접한 값들을 하나의 빈 (Bin)으로 표현해 그레이 이미지 값의 작은 변화에 강인한 그레이 이미지 처리장치 및 방법을 제안한다.
또한 본 발명의 실시 예에서는 그레이 이미지의 시각적인 특징을 보존하도록 2n 양자화를 통해 상기 그레이 이미지가 가지는 특성 정보를 추출하는 그레이 이미지 처리장치 및 방법을 제안한다.
또한 본 발명의 실시 예에서는 그레이 이미지에 대한 필터링을 위해 가중치 필터를 적용하고, 상기 가중치 필터가 상하, 좌우, 대각선으로 동일한 가중치 값을 갖도록 가중치 필터를 구성하는 그레이 이미지 처리장치 및 방법을 제안한다.
또한 본 발명의 실시 예에서는 소정 가중치 필터에 의해 필터링된 그레이 이미지 (IW)의 히스토그램 인덱스를 그룹화하여 축소된 히스토그램으로 표현하여 특징 정보로 사용하는 그레이 이미지 처리장치 및 방법을 제안한다.
또한 본 발명의 실시 예에서는 소정 가중치 필터에 의해 필터링된 그레이 이미지 (IW)의 히스토그램 또는 히스토그램 상에서 빈으로 표현하고, 상대적으로 큰 값을 가지는 인덱스 또는 빈을 제외하여 그레이 이미지에 대한 특성 정보를 사용하는 그레이 이미지 처리장치 및 방법을 제안한다.
또한 본 발명의 실시 예에서는 소정 가중치 필터에 의해 필터링된 그레이 이미지 (IW)의 히스토그램 또는 빈으로 압축된 히스토그램에 히스토그램을 기반으로 하는 해쉬 생성 알고리즘을 적용하는 그레이 이미지 처리장치 및 방법을 제안한다.
본 발명의 실시 예에 따른 이미지 처리장치는, 미리 결정된 양자화 레벨을 기반으로 그레이 이미지에 대한 양자화를 수행하는 양자화부와, 미리 결정된 가중치 필터를 사용하여 상기 양자화된 그레이 이미지를 구성하는 각 픽셀에 대한 필터링을 수행하는 필터부와, 상기 필터링된 그레이 이미지에 상응하는 히스토그램의 가로축을 구분하는 인덱스들을 복수의 빈 (Bin)들로 그룹핑하고, 상기 그룹핑된 빈들 각각에 대응하여 해당 빈에 포함된 인덱스들이 가지는 픽셀들의 빈도 수를 합산하여 표시하는 그룹화부와, 상기 그룹화 과정에 의해 빈 단위로 재 구성된 히스토그램을 기반으로 상기 양자화를 위해 입력된 그레이 이미지에 대한 특성 정보를 획득하는 특성 검출부를 포함하며,
상기 복수의 빈들 각각은 상기 히스토그램의 가로축 상에서 미리 결정된 개수의 인접 인덱스들의 그룹핑에 의해 생성하며, 상기 미리 결정된 가중치 필터는 복수의 가중치 값들의 집합으로 구성되며, 상기 복수의 가중치 값들이 상하, 좌우 및 대각 방향으로 대칭 관계를 가짐을 특징으로 한다.
또한 본 발명의 실시 예에 따른 이미지 처리 방법은, 미리 결정된 양자화 레벨을 기반으로 그레이 이미지에 대한 양자화를 수행하는 양자화 과정과, 미리 결정된 가중치 필터를 사용하여 상기 양자화된 그레이 이미지를 구성하는 각 픽셀에 대한 필터링을 수행하는 필터링 과정과, 상기 필터링된 그레이 이미지에 상응하는 히스토그램의 가로축을 구분하는 인덱스들을 복수의 빈 (Bin)들로 그룹핑하고, 상기 그룹핑된 빈들 각각에 대응하여 해당 빈에 포함된 인덱스들이 가지는 픽셀들의 빈도 수를 합산하여 표시하는 그룹화 과정과, 상기 그룹화 과정에 의해 빈 단위로 재 구성된 히스토그램을 기반으로 상기 양자화를 위해 입력된 그레이 이미지에 대한 특성 정보를 획득하는 특성 정보 획득과정을 포함하며,
상기 복수의 빈들 각각은 상기 히스토그램의 가로축 상에서 미리 결정된 개수의 인접 인덱스들의 그룹핑에 의해 생성하며, 상기 미리 결정된 가중치 필터는 복수의 가중치 값들의 집합으로 구성되며, 상기 복수의 가중치 값들이 상하, 좌우 및 대각 방향으로 대칭 관계를 가짐을 특징으로 한다.
본 발명의 실시 예에 의하면, 블록 별로 특징 벡터를 생성할 시에 특정 부분의 변화에 대해 민감하면서, 영상의 밝기 변화, 잡음 첨가와 같은 공격에 특징 벡터가 쉽게 변화하지 않는 효과를 가진다. 그 외에 본 발명의 실시 예에 따라 얻을 수 있는 상승적 효과에 대해서는 상세한 설명에서 직접적 또는 암시적으로 나타날 수 있도록 한다.
도 1은 본 발명의 실시 예에 따라 그레이 이미지 처리장치에서 그레이 이미지에 대한 특성 정보를 생성하는 장치의 구성을 보이고 있는 도면;
도 2는 본 발명의 실시 예에 따른 그레이 이미지 처리장치에서 그레이 이미지의 특성 정보를 검출하기 위해 수행하는 제어 흐름을 보이고 있는 도면;
도 3은 본 발명의 실시 예에 따른 필터링의 일 예를 보이고 있는 도면;
도 4는 본 발명의 실시 예에 따라 양자화가 이루어진 그레이 이미지에 대한 히스토그램의 일 예를 보이고 있는 도면;
도 5는 본 발명의 실시 예에 따라 필터링이 이루어진 그레이 이미지에 대한 히스토그램의 일 예를 보이고 있는 도면;
도 6에서는 본 발명의 실시 예에 따라 그룹화가 수행된 그레이 이미지에 대한 히스토그램의 일 예를 보이고 있는 도면.
이하, 본 발명에 따른 바람직한 실시 예를 첨부한 도면을 참조하여 상세히 설명한다. 하기의 설명에서는 본 발명에 따른 동작을 이해하는데 필요한 부분만이 설명되며 그 이외 부분의 설명은 본 발명의 요지를 흩트리지 않도록 생략될 것이라는 것을 유의하여야 한다.
후술될 본 발명의 실시 예에서는 그레이 이미지에 대한 특성 정보를 획득하기 위한 전처리 절차에 대해 구체적으로 설명할 것이다. 이를 위해 그레이 이미지를 양자화하고, 상기 양자화된 그레이 이미지를 미리 결정된 가중치 필터를 사용하여 필터링한다. 그리고 상기 필터링이 이루어진 그레이 이미지에 상응하는 히스토그램에서 가로축 인덱스들 (픽셀 인덱스들)을 소정 개수의 인접 인덱스들로 그룹핑한 후 상기 그룹핑이 이루어진 히스토그램을 기반으로 그레이 이미지의 특성 정보를 획득한다.
따라서 그레이 이미지를 구성하는 픽셀들의 값에 대한 작은 변화에도 히스토그램의 모양, 즉 그레이 이미지의 특성이 변경되지 않도록 할 것이다. 또한 양자화된 그레이 이미지에 대한 필터링을 위해 사용되는 가중치 필터 내의 가중치들이 상하, 좌우, 대각선으로 대칭되는 값을 갖도록 구성함으로써, 이미지의 회전 및 이동 등과 같은 변경이 발생하더라도 히스토그램의 변화를 최소화시킬 수 있다.
한편 일반적으로 그레이 이미지의 히스토그램 분포는 0~255 내에서 표현되어 상기 그레이 이미지의 변형에 의해 히스토그램 분포가 변하게 된다. 본 발명의 실시 예에 따르면, 소정 가중치 필터에 의해 필터링된 그레이 이미지 (IW)에 상응하는 히스토그램의 분포는 2n개의 큰 히스토그램 값을 기준으로 2n-1 개의 영역으로 구분되어 나타나므로, 각 영역의 특성을 구분하여 분석하는데 유용하다.
도 1은 본 발명의 실시 예에 따라 그레이 이미지 처리장치에서 그레이 이미지에 대한 특성 정보를 생성하는 장치의 구성을 보이고 있다.
도 1을 참조하면, 이미지 그레이버 (Image Grabber)(110)는 이미지 특성 검출을 위한 이미지에 상응하는 전기적 신호를 입력으로 한다. 이때 상기 이미지는 동영상 또는 사진 등과 같은 정지 영상을 모두 포함하는 의미를 가진다. 상기 동영상으로부터 이미지 특성을 검출할 경우에는 해당 동영상을 구성하는 각 프레임 별로 이미지 특성을 검출하는 것이 바람직하므로, 상기 이미지는 하나의 프레임에 상응하는 정지 영상이 될 수 있다.
상기 이미지 그레이버(110)는 상기 이미지에 상응하는 전기적 신호가 입력되면, 상기 전기적 신호를 그레이 이미지 (Gray Image) (I)로 변환한다. 이때 상기 그레이 이미지 (I)는 명도 정보, 즉 밝고 어두운 정도에 관한 정보만으로 표현되는 이미지를 의미한다.
통상적으로 상기 그레이 이미지 (I)를 표현하는 그레이 레벨은 28 (= 256)개의 레벨을 가진다. 상기 그레이 레벨이 0에 근접할수록 밝으며, 255에 근접할수록 어두운 이미지가 된다.
상기 이미지 그레이버(110)에 의해 생성된 그레이 이미지 (I)는 양자화부(120)로 입력된다.
상기 양자화부(120)는 상기 그레이 이미지 (I)에 대한 양자화를 수행하여 양자화된 그레이 이미지 (IQ)를 생성한다. 상기 양자화는 이미지 함수 f(x, y)의 값을 공간 좌표 계에서 화하는 작업으로써, 신호의 강도에 따라 각 에 적절한 값의 범위를 할당한다. 다시 말해 상기 양자화는 연속적으로 변화하는 함수 f(x, y)를 이산적인 양자화 레벨로 변경시키는 과정을 의미한다.
통상적으로 양자화 시에 정수 값 0, 1, 2…… 2n-1 (여기서
Figure 112017013293752-pat00001
)로 구성된 2n개의 양자화 레벨로 그레이 이미지를 구성하는 각 픽셀 값이 구성된다. 예를 들어 단순히 0과 1 (n이 1인 경우)로 구성된 이진 영상(binary image)의 경우 양자화된 픽셀 값은 단순히 0 또는 1을 갖게 된다. 반면, 0을 가장 어두운 값으로 그리고 255를 가장 밝은 값으로 표현하는 이미지 (gray scale image)의 경우 픽셀의 양자화 범위는 0부터 255에 이른다.
본 발명의 바람직한 실시 예에서는 설명의 편의를 위해 n이 2인 경우를 가정할 것이며, 이 경우 양자화된 그레이 이미지를 구성하는 모든 픽셀들은 0, 1, 2, 및 3으로 표현될 것이다. 이때 양자화 구분 값은 히스토그램 (histogram) 상의 중간 값 (median)을 기준으로 한다. 즉 4진 양자화의 경우, 히스토그램 값이 25%, 50%, 및 75%를 기준으로 이루어지는 것을 가정한다.
한편 상기 히스토그램은 도수 분포를 나타내는 그래프로써, 관측한 데이터의 분포 특징이 한눈에 보이도록 기둥 모양으로 나타낸 것이다. 상기 히스토그램은 기둥 그래프 또는 그림 모양 그림 등으로 불리기도 한다. 이때 상기 히스토그램의 가로축에 각 양자화 레벨이 소정 간격을 가지고 나타나도록 표시하고, 세로축에 각 양자화 레벨에 분포하는 픽셀의 도수가 소정 간격을 가지고 나타나도록 표시한다. 즉 상기 히스토그램은 각 양자화 레벨 간의 구간 별로 해당 구간에서의 도수를 비례하는 높이의 기둥으로 표현한다.
도 4는 상기 양자화부(120)에 의해 28의 양자화 레벨로 양자화가 이루어진 양자화된 그레이 이미지 (IQ)에 대한 히스토그램의 일 예를 보이고 있다. 따라서 도 4에서 보이고 있는 히스토그램에서는 255 구간 각각에서 도수를 표시하는 기둥이 존재함을 확인할 수 있다.
필터부(130)는 미리 설정된 가중치 필터 (W)를 사용하여 상기 양자화부(120)로부터 출력되는 양자화된 그레이 이미지를 구성하는 각 픽셀에 대한 필터링을 수행한다.
도 3은 본 발명의 실시 예에 따른 필터링의 일 예를 보이고 있다. 도 3에서 사용된 가중치 필터 (W)는 상하 방향, 좌우 방향, 및 대각 방향으로 동일한 가중치를 배치하였다. 예컨대 상기 가중치 필터 (W)의 윈도우 크기는 5*5이며, 상기 가중치 필터 (W)에서 (1,1)의 위치에 상응하는 가중치 값 1은 좌측 방향으로 대칭인 (1,5)의 위치, 하측 방향으로 대칭인 (5,1)의 위치, 및 대각 방향으로 대칭인 (5,5)의 위치에 상응하는 가중치 값과 일치한다. 상기한 규칙은 상기 가중치 필터 (W)를 구성하는 모든 위치들의 가중치 값에 대해서도 동일하게 적용될 것이다. 하지만 상기 가중치 필터 (W)의 중앙에 해당하는 (3,3)의 위치는 상기 가중치 필터 (W) 내에서 대칭이 되는 위치가 존재하지 않는다. 이와 같은 가중치 필터 (W)의 구조는 그레이 이미지의 회전 및 이동과 같은 변화에도 히스토그램의 변화를 최소화할 수 있다.
한편 도 3에서의 양자화된 그레이 이미지는 15*15로써, 225 픽셀들에 의해 구성된 예를 보이고 있다. 그리고 상기 양자화된 그레이 이미지를 구성하는 225 픽셀들 각각은 (i,k)에 의해 식별하고 있다. 여기서 i는 세로축의 인덱스를 의미하며, k는 가로축의 인덱스를 의미한다.
그리고 도 3에서는 상기 가중치 필터 (W)의 중앙 위치 (3,3)을 상기 양자화된 그레이 이미지를 구성하는 픽셀들 중 최상위 행에서 가장 좌측에 위치하는 픽셀, 즉 (1,1)의 위치에 상응하는 픽셀과 일치시켜 해당 픽셀에 대한 필터링을 수행하는 것을 예시하고 있다. 한편 상기 가중치 필터 (W)는 상기 양자화된 그레이 이미지 상에서 좌측에서 우측으로 이동하거나 위에서 아래로 이동하면서 상기 가중치 필터 (W)의 윈도우 내에 위치하는 픽셀들에 대한 필터링을 수행할 것이다.
도 3에서 보이고 있는 가중치 필터 (W)에 상응하는 윈도우의 크기는 일 예에 해당하며, 상기 윈도우의 크기 및 상기 윈도우 내의 각 위치 별로 부여되는 가중치 값은 변경될 수 있음은 물론이다.
상기 필터부(130)는 상술한 동작에 의해 필터링이 이루어진 그레이 이미지 (IW)를 출력한다. 예컨대 상기 가중치 필터 (W)에 의해 상기 양자화된 그레이 이미지를 구성하는 각 픽셀에 대해 가중치를 적용, 즉 필터링을 수행하였다면, 상기 필터링이 이루어진 그레이 이미지 (IW)의 모든 픽셀들은 0,1,2……(2n-1)*sum_w 중 하나의 값으로 표현된다. 상기 (2n-1)*sum_w는 필터링이 이루어진 그레이 이미지 (IW)의 픽셀을 표현할 수 있는 최대 값이다. 여기서 sum_w는 필터링을 위해 사용될 가중치 필터 (W)의 각 위치 별로 부여된 가중치들의 총 합에 해당한다.
일 예로 도 3에서 보이고 있는 가중치 필터 (W)에 의하면, sum_w는 74가 된다. 따라서 n이 2인 경우, 상기 필터링이 이루어진 그레이 이미지 (IW)의 픽셀을 표현할 수 있는 최대 값은 ‘222’가 된다.
도 5는 상기 필터부(130)에 의해 필터링이 이루어진 그레이 이미지의 히스토그램의 일 예를 보이고 있다. 따라서 도 5에서 보이고 있는 히스토그램에서는 일부 구간에서 픽셀의 빈도수가 높게 나타남을 보이고 있다. 통상적으로 그레이 이미지 (예컨대 영상 처리용 데이터 베이스의 이미지)의 특성으로 인해, 상기 필터링이 이루어진 그레이 이미지 (IW)는 0, 74, 148, 222를 가지는 픽셀들의 빈도수가 높게 나타난다. 여기서 가중치 필터는 도 3에서 보이고 있는 예를 적용하는 것을 가정할 수 있다.
상기 필터링이 이루어진 그레이 이미지 (IW)는 그룹화부(140)로 입력된다. 상기 그룹화부(140)는 상기 필터링이 이루어진 그레이 이미지 (IW)의 히스토그램에서 가로축에 존재하는 인덱스들을 이웃하는 인덱스들끼리 묶는 그룹화를 수행한다. 상기 그룹화로 인해 상기 필터링이 이루어진 그레이 이미지 (IW)의 히스토그램은 간략화가 이루어질 수 있다. 예컨대 상기 필터링이 이루어진 그레이 이미지 (IW)의 히스토그램에서 가로축에 존재하는 인덱스들이 0~222인 경우, 10개 단위로 이웃하는 인덱스들을 하나의 빈 (Bin)으로 묶을 수 있다. 이를 통해 상기 필터링이 이루어진 그레이 이미지 (IW)의 히스토그램은 총 22개의 빈들로 표현될 수 있다.
도 6에서는 그룹화부(140)에 의해 그룹화가 수행된 그레이 이미지 (IG)의 히스토그램의 일 예를 보이고 있다. 도 6에 의하면, 0~222의 인덱스들로 정의되는 전체 구간에서 22개의 빈들 각각에 대응하여 픽셀들의 빈도 수가 기둥에 의해 표현되고 있음을 볼 수 있다.
한편 도 6에서 높은 빈도수를 가지는 빈들이 나타나는 구간 (0, 74, 148, 222)이 도 5에서 보인 그룹화 전의 히스토그램에서 높은 빈도수를 보인 인덱스들과 거의 일치함을 확인할 수 있다.
특성 검출부(150)는 상기 그룹화부(140)에 의해 그룹화된 히스토그램을 기반으로 상기 이미지 그레이버(110)에 의해 생성된 그레이 이미지가 가지는 특성 정보를 검출한다. 이와 같이 그롭화된 히스토그램을 기반으로 그레이 이미지의 특성 정보를 검출하는 것은 이미지의 밝기 변화, 잡음 첨가 등으로 인해 상기 그레이 이미지를 구성하는 픽셀의 작은 변화에도 히스토그램의 모양이 변경되는 것을 방지할 수 있다.
도 2는 본 발명의 실시 예에 따른 그레이 이미지 처리장치에서 그레이 이미지의 특성 정보를 검출하기 위해 수행하는 제어 흐름을 보이고 있다.
도 2를 참조하면, 그레이 이미지 처리장치는 210단계에서 특성 검출을 위한 이미지에 상응하는 전기적 신호의 입력을 감시한다. 이때 상기 이미지는 동영상뿐만 아니라 사진 등과 같은 정지 영상을 모두 포함하며, 특히 동영상의 경우에는 하나의 프레임에 상응하는 정지 영상이 될 수 있다.
상기 이미지에 상응하는 전기적 신호가 입력되면, 상기 그레이 이미지 처리장치는 212단계에서 상기 전기적 신호를 그레이 이미지 (I)로 변환한다. 이때 상기 그레이 이미지 (I)는 명도 정보, 즉 밝고 어두운 정도에 관한 정보만으로 표현되는 이미지를 의미한다. 이때 상기 그레이 이미지 (I)를 표현하는 그레이 레벨, 즉 명도 단계는 28 (= 256)개로 표현된다. 상기 명도 단계가 0에 가까울 수록 해당 그레이 이미지 (I)는 밝으며, 255에 가까울 수록 해당 그레이 이미지 (I)는 어둡다.
상기 그레이 이미지 처리장치는 그레이 이미지의 변환이 완료되면, 214단계에서 상기 변환된 그레이 이미지에 대한 양자화를 수행하며, 상기 양자화를 통해 양자화된 그레이 이미지 (IQ)를 생성한다. 상기 양자화된 그레이 이미지 (IQ)를 구성하는 각 픽셀은 고유한 값을 가진다. 상기 각 픽셀이 가지는 고유한 값은 소정의 정수 값들 0, 1, 2…… 2n-1 (여기서
Figure 112011006165903-pat00002
) 중 하나를 가진다. 예를 들어 단순히 0과 1 (n이 1인 경우)로 구성된 이진 영상(binary image)의 경우 양자화된 픽셀 값은 단순히 0 또는 1을 갖게 된다. 통상적인 경우, 상기 양자화를 위한 양자화 범위는 0부터 255가 사용된다.
예컨대 상기 양자화된 그레이 이미지는 15*15로써, 225 픽셀들에 의해 구성될 수 있다. 그리고 상기 양자화된 그레이 이미지를 구성하는 225 픽셀들 각각은 (i,k)에 의해 식별할 수 있으며, 여기서 i는 세로축의 인덱스, k는 가로축의 인덱스를 의미한다. 또한 상기 양자화 과정에 의해 양자화된 그레이 이미지 (IQ)의 히스토그램의 일 예는 도 4에서 보이고 있다.
상기 그레이 이미지 처리장치는 상기 그레이 이미지에 대한 양자화가 완료되면, 216단계에서 상기 양자화된 그레이 이미지 (IQ)에 대한 필터링을 수행한다. 상기 필터링을 위해서는 미리 설정된 가중치 필터 (W)를 사용할 수 있다. 예컨대 상기 필터링의 일 예를 도 3에서 보이고 있다. 여기서 상하 방향, 좌우 방향, 및 대각 방향으로 동일한 가중치를 배치한 가중치 필터 (W)가 사용된다. 이는 그레이 이미지의 회전 및 이동과 같은 변화에도 히스토그램의 변화를 최소화하기 위함이다.
그리고 도 3에서는 상기 가중치 필터 (W)의 중앙 위치 (3,3)에 대해 부여된 가중치 값에 의해 최상위 행에서 가장 좌측에 위치 ((1,1)의 위치)하는 픽셀에 대한 필터링을 수행하는 것을 예시하고 있다. 상술한 바에 의해 필터링을 수행할 대상 픽셀은 양자화된 그레이 이미지 상에서 좌측에서 우측으로 이동하거나 위에서 아래로 이동하여 지정될 수 있다.
한편 도 3에서 보이고 있는 가중치 필터 (W)의 윈도우 크기 및 상기 윈도우 내의 각 위치 별로 부여되는 가중치 값은 필요에 의해 변경될 수 있음은 물론이다.
예컨대 상기 필터링된 그레이 이미지 (IW)의 모든 픽셀들은 0,1,2……(2n-1)*sum_w 중 하나의 값으로 표현된다. 상기 (2n-1)*sum_w는 필터링된 그레이 이미지 (IW)의 픽셀을 표현할 수 있는 최대 값이다. 여기서 sum_w는 필터링을 위해 사용될 가중치 필터 (W)의 각 위치 별로 부여된 가중치들의 총 합에 해당한다. 일 예로 sum_w가 74가 이고, n이 2인 경우, 상기 필터링이 이루어진 그레이 이미지 (IW)의 픽셀을 표현할 수 있는 최대 값은 ‘222’가 된다.
상기 필터링된 그레이 이미지의 히스토그램의 일 예는 도 5에서 보이고 있다. 도 5에서는 상기 필터링된 그레이 이미지 (IW)에서 0, 74, 148, 222를 가지는 픽셀들의 빈도수가 높게 나타남을 확인할 수 있다.
상술한 과정에 의해 필터링된 그레이 이미지 (IW)가 출력되면, 상기 그레이 이미지 처리장치는 218단계에서 상기 필터링된 그레이 이미지 (IW)에 상응하는 히스토그램에 대한 그룹화을 생성한다. 예컨대 상기 필터링된 그레이 이미지 (IW)의 히스토그램에서 가로축에 존재하는 인덱스들을 이웃하는 소정 개수의 인덱스들끼리 묶는 그룹화를 수행한다. 상기 그룹화로 인해 상기 필터링된 그레이 이미지 (IW)의 히스토그램은 간략화될 수 있다. 예컨대 상기 필터링이 이루어진 그레이 이미지 (IW)의 히스토그램에서 가로축에 존재하는 인덱스들이 0~222인 경우, 10개 단위로 이웃하는 인덱스들을 하나의 빈 (Bin)으로 묶을 수 있다. 이를 통해 상기 필터링이 이루어진 그레이 이미지 (IW)의 히스토그램은 총 22개의 빈들로 표현될 수 있다.
상술한 바에 의해 그룹화된 그레이 이미지 (IG)의 히스토그램의 일 예를 도 6에서 보이고 있다. 도 6에서 높은 빈도수를 가지는 빈들이 나타나는 구간 (0, 74, 148, 222)이 도 5에서 보인 그룹화 전의 히스토그램에서 높은 빈도수를 보인 인덱스들과 거의 일치함을 확인할 수 있다.
그 후 상기 그레이 이미지 처리장치는 220단계에서 상기 그룹화가 이루어진 히스토그램을 기반으로 상기 212단계에서 생성된 그레이 이미지가 가지는 특성 정보를 검출한다. 이와 같이 그롭화된 히스토그램을 기반으로 그레이 이미지의 특성 정보를 검출하는 것은 이미지의 밝기 변화, 잡음 첨가 등으로 인해 상기 그레이 이미지를 구성하는 픽셀의 작은 변화에도 히스토그램의 모양이 변경되는 것을 방지할 수 있다.
한편 본 발명의 상세한 설명에서는 구체적인 실시 예에 관해 설명하였으나, 본 발명의 범위에서 벗어나지 않는 한도 내에서 여러 가지 변형이 가능함은 물론이다. 그러므로 본 발명의 범위는 설명된 실시 예에 국한되어 정해져서는 안되며 후술하는 특허 청구의 범위뿐만 아니라 이 특허 청구의 범위와 균등한 것들에 의해 정해져야 한다.

Claims (6)

  1. 이미지 처리장치에 있어서,
    미리 결정된 양자화 레벨을 기반으로 그레이 이미지에 대한 양자화를 수행하는 양자화부와,
    미리 결정된 가중치 필터를 사용하여 상기 양자화된 그레이 이미지를 구성하는 각 픽셀에 대한 필터링을 수행하는 필터부와,
    상기 필터링된 그레이 이미지에 상응하는 히스토그램의 가로축을 구분하는 인덱스들을 복수의 빈 (Bin)들로 그룹핑하고, 상기 그룹핑된 빈들 각각에 대응하여 해당 빈에 포함된 인덱스들이 가지는 픽셀들의 빈도 수를 합산하여 표시하는 그룹화부와,
    상기 그룹화 과정에 의해 빈 단위로 재 구성된 히스토그램을 기반으로 상기 양자화를 위해 입력된 그레이 이미지에 대한 특성 정보를 획득하는 특성 검출부를 포함하며,
    상기 복수의 빈들 각각은 상기 히스토그램의 가로축 상에서 미리 결정된 개수의 인접 인덱스들의 그룹핑에 의해 생성하며,
    상기 미리 결정된 가중치 필터는 복수의 가중치 값들의 집합으로 구성되며, 상기 복수의 가중치 값들이 상하, 좌우 및 대각 방향으로 대칭 관계를 가짐을 특징으로 하는 이미지 처리장치.
  2. 제1항에 있어서,
    이미지 입력장치로부터 입력되는 전기적 신호를 입력으로 하고, 상기 전기적 신호를 상기 양자화를 위한 그레이 이미지로 변환하는 이미지 그레이버를 더 포함하는 이미지 처리장치.
  3. 삭제
  4. 이미지 처리 방법에 있어서,
    미리 결정된 양자화 레벨을 기반으로 그레이 이미지에 대한 양자화를 수행하는 양자화 과정과,
    미리 결정된 가중치 필터를 사용하여 상기 양자화된 그레이 이미지를 구성하는 각 픽셀에 대한 필터링을 수행하는 필터링 과정과,
    상기 필터링된 그레이 이미지에 상응하는 히스토그램의 가로축을 구분하는 인덱스들을 복수의 빈 (Bin)들로 그룹핑하고, 상기 그룹핑된 빈들 각각에 대응하여 해당 빈에 포함된 인덱스들이 가지는 픽셀들의 빈도 수를 합산하여 표시하는 그룹화 과정과,
    상기 그룹화 과정에 의해 빈 단위로 재 구성된 히스토그램을 기반으로 상기 양자화를 위해 입력된 그레이 이미지에 대한 특성 정보를 획득하는 특성 정보 획득과정을 포함하며,
    상기 복수의 빈들 각각은 상기 히스토그램의 가로축 상에서 미리 결정된 개수의 인접 인덱스들의 그룹핑에 의해 생성하며,
    상기 미리 결정된 가중치 필터는 복수의 가중치 값들의 집합으로 구성되며, 상기 복수의 가중치 집합들이 상하, 좌우 및 대각 방향으로 대칭 관계를 가짐을 특징으로 하는 이미지 처리방법.
  5. 제4항에 있어서,
    이미지 입력장치로부터 입력되는 전기적 신호를 입력으로 하고, 상기 전기적 신호를 상기 양자화를 위한 그레이 이미지로 변환하는 과정을 더 포함하는 이미지 처리방법.
  6. 삭제
KR1020110007528A 2010-01-25 2011-01-25 이미지 처리장치 및 방법 KR101751270B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20100006689 2010-01-25
KR1020100006689 2010-01-25

Publications (2)

Publication Number Publication Date
KR20110087246A KR20110087246A (ko) 2011-08-02
KR101751270B1 true KR101751270B1 (ko) 2017-07-11

Family

ID=44926085

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110007528A KR101751270B1 (ko) 2010-01-25 2011-01-25 이미지 처리장치 및 방법

Country Status (1)

Country Link
KR (1) KR101751270B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101305835B1 (ko) 2011-08-30 2013-09-06 현대자동차주식회사 하이브리드 차량의 가속페달 제어방법
US10419762B2 (en) 2015-03-02 2019-09-17 Dolby Laboratories Licensing Corporation Content-adaptive perceptual quantizer for high dynamic range images

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001175843A (ja) 1999-12-15 2001-06-29 Canon Inc 画像処理方法、装置および記憶媒体
JP2003153036A (ja) * 2001-11-13 2003-05-23 Olympus Optical Co Ltd 階調補正装置
JP2005267452A (ja) 2004-03-19 2005-09-29 Seiko Epson Corp 画像処理装置、画像処理方法及び画像処理プログラム
JP2006033230A (ja) 2004-07-14 2006-02-02 Sony Corp 映像信号処理装置および方法、ならびにプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001175843A (ja) 1999-12-15 2001-06-29 Canon Inc 画像処理方法、装置および記憶媒体
JP2003153036A (ja) * 2001-11-13 2003-05-23 Olympus Optical Co Ltd 階調補正装置
JP2005267452A (ja) 2004-03-19 2005-09-29 Seiko Epson Corp 画像処理装置、画像処理方法及び画像処理プログラム
JP2006033230A (ja) 2004-07-14 2006-02-02 Sony Corp 映像信号処理装置および方法、ならびにプログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
무인항공기의 표적 추적을 위한 실시간 컬러 기반 물체 추적, 한국항공우주학회

Also Published As

Publication number Publication date
KR20110087246A (ko) 2011-08-02

Similar Documents

Publication Publication Date Title
Hashemi et al. An image contrast enhancement method based on genetic algorithm
JP4460839B2 (ja) デジタル画像鮮鋭化装置
JP4456819B2 (ja) デジタル画像鮮鋭化装置
CN110852997B (zh) 动态图像清晰度检测方法、装置、电子设备及存储介质
US8064638B2 (en) Video evaluation apparatus, spatio-temporal frequency analyzing apparatus, video evaluation method, spatio-temporal frequency analyzing method, video evaluation program, and spatio-temporal frequency analyzing program
CN1248160C (zh) 用于边缘检测的方法和设备
CN111563851B (zh) 一种基于动态高斯参数的图像映射方法
JP2013003892A (ja) 画像処理装置および方法、プログラム、並びに記録媒体
CN113269722A (zh) 生成对抗网络的训练方法、及高分辨率图像重建方法
US11551336B2 (en) Chrominance and luminance enhancing systems and methods
KR102583038B1 (ko) 지향성 스케일링 시스템들 및 방법들
KR101751270B1 (ko) 이미지 처리장치 및 방법
CN101237523B (zh) 主边缘检测方法和基于该方法的降噪方法及装置
Kaur et al. Image fusion on digital images using Laplacian pyramid with DWT
CN115049647B (zh) 基于bv电缆的用户端数据反馈方法及系统
JP2011130167A (ja) 撮像装置及びその画像処理方法
CN1636393A (zh) 用于改进从sd到hdtv转换的方法和设备
JP6564158B2 (ja) 画像処理装置、画像処理方法、および画像処理プログラム
WO2016092783A1 (en) Information processing apparatus, method for processing information, discriminator generating apparatus, method for generating discriminator, and program
Daly et al. Use of a local cone model to predict essential CSF light adaptation behavior used in the design of luminance quantization nonlinearities
US10719916B2 (en) Statistical noise estimation systems and methods
KR100625576B1 (ko) 플라즈마 표시 패널의 화상처리방법 및 화상처리장치
KR102427039B1 (ko) 인공지능 기반의 광도 잔차 산출을 통한 미세먼지 판독 솔루션 및 시스템
JP4793147B2 (ja) 画像処理装置および方法、プログラム格納媒体、並びにプログラム
Klein et al. " Perfect" displays and" perfect" image compression in space and time

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