KR101810686B1

KR101810686B1 - 하이퍼볼릭 탄젠트 함수 곡선 및 이미지 히스토그램을 이용한 적응적 콘트라스트 개선 방법

Info

Publication number: KR101810686B1
Application number: KR1020110063820A
Authority: KR
Inventors: 박수진; 찬드라 비젤완 디팍; 콜 나빈
Original assignee: 엘지이노텍 주식회사
Priority date: 2011-06-29
Filing date: 2011-06-29
Publication date: 2017-12-19
Also published as: KR20130002700A

Abstract

본 발명은 읽어들인 이미지에 대해 평균 휘도값을 계산하고, 평균 휘도값을 기반으로 이미지 종류를 결정하고, 결정된 이미지 종류에 따라 하이퍼볼릭 탄젠트 함수 곡선을 적용하여 콘트라스트 참조 곡선을 생성한 다음, 상기 콘트라스트 참조 곡선을 사용하여 콘트라스트를 개선한다.

Description

하이퍼볼릭 탄젠트 함수 곡선 및 이미지 히스토그램을 이용한 적응적 콘트라스트 개선 방법{A METHOD OF ADAPTIVE CONTRAST ENHANCEMENT USING HYPERLOIC TANGENT CURVE AND IMAGE HISTOGRAM}

본 발명은 디지털 카메라에 의해 촬영되거나, 기록 매체에 저장된 이미지에 대해 하이퍼볼릭 탄젠트 함수 곡선을 사용하여 콘트라스트를 개선하는 방법에 관한 것이다. 보다 구체적으로, 본 발명은 읽어들인 이미지에 대해 평균 휘도값을 계산하고, 평균 휘도값을 기반으로 이미지 종류를 결정하고, 결정된 이미지 종류에 따라 하이퍼볼릭 탄젠트 함수 곡선을 적용하여 콘트라스트 참조 곡선을 생성한 다음, 상기 콘트라스트 참조 곡선을 사용하여 콘트라스트를 개선한다.

콘트라스트는 피사체와 배경을 구별되게 하는 시각적 특성을 말한다. 사람의 눈은 디지털 카메라의 광센서와는 다르기 때문에, 디지털 카메라를 사용하여 촬영된 이미지를 그대로 육안으로 보면 흐릿하게 보이게 된다. 이 때, 이미지 처리를 통해 콘트라스트를 사람의 육안에 맞게 변경하여 보다 좋은 이미지를 생성할 수 있다.

밝은 조명, 어두운 조명, 역광 조명 등 서로 다른 조명 조건에서 촬영된 이미지들의 콘트라스트 문제를 해결하기 위해 많은 알고리즘들이 존재한다. 그러나, 이들 알고리즘 대부분은 그 정확도에서 문제가 있거나, 매우 복잡하여 휴대용 디지털 카메라나 카메라가 장착된 휴대폰에 적용하기 어려운 문제가 있다.

본 발명은 모든 조명 조건, 특히 어두운 조명이나 밝은 조명 조건 하에서 촬영된 이미지들에 대해 최적화된 적응적 콘트라스트 개선 방법을 제공하는 것을 목적으로 한다.

본 발명의 일 실시예에 따라, 이미지의 종류에 따라 적응적으로 콘트라스트를 개선하는 방법이 제공된다. 상기 방법은, 이미지를 읽어들이는 단계; 상기 이미지의 평균 휘도값과 휘도 히스토그램을 산출하는 단계; 상기 평균 휘도값과 휘도 히스토그램을 기반으로 이미지의 종류를 판단하는 단계; 상기 이미지 종류에 따라 서로 다른 계수를 사용하여 하이퍼볼릭 탄젠트 곡선에 적용하여 콘트라스트 참조 곡선을 생성하는 단계; 및 상기 생성된 콘트라스트 참조 곡선을 사용하여 상기 이미지의 콘트라스트 개선을 수행하는 단계를 포함한다.

본 발명에 따르면, 디지털 카메라에 의해 촬영된 이미지에서 페이딩 현상을 방지할 수 있다.

또한, 본 발명에 따르면, 촬영된 이미지의 뭉개짐 현상이나 이미지의 밝은 부분과 어두운 부분간의 경계선이 도드라지는 현상을 방지할 수 있다.

도 1은 이미지의 히스토그램 분포의 일 예를 나타낸다.
도 2는 하이퍼볼릭 탄젠트 함수(tanh(x))의 일 예를 나타낸다.
도 3은 사람의 육안의 콘트라스트 감도를 나타내는 그래프이다.
도 4 내지 도 7은 각 이미지 종류별로 구해진 참조 곡선을 나타낸다.
도 8은 본 발명의 일 실시예에 따라, 참조 곡선을 생성하는 방법을 일괄적으로 나타낸 순서도이다.
도 9는 본 발명의 일 실시예에 따라 콘트라스트 개선을 수행하는 방법을 나타내는 순서도이다.

이하 도면을 참조하여 본 발명의 실시예들을 보다 상세히 설명한다.

도 1은 이미지의 히스토그램 분포의 일 예를 나타낸다. x축은 0~255의 휘도값을 나타내고, y축은 각 휘도값을 갖는 픽셀 수를 나타낸다. 카메라에 의해 촬영된 이미지는 도 1과 같은 또는 임의의 형태의 휘도 분포를 가질 수 있다. 휘도 분포가 특정 휘도값 근처에 치우쳐 있으면 이미지 내의 경계선이 흐릿하게 되고, 사람 눈에 너무 밝거나 너무 흐리게 보이게 된다. 이러한 이미지는 사람 눈에 선명하게 보이도록 하기 위해 전 휘도값 범위에 픽셀들이 분포되도록 하기 위해 콘트라스트 개선 과정을 수행한다.

본 발명에 따라 사람의 눈의 콘트라스트 감도와 유사한 특성을 보이는 하이퍼볼릭 탄젠트 곡선을 사용하여 이미지의 콘트라스트 개선 참조 곡선을 생성하고, 생성된 참조 곡선에 따라 콘트라스트를 개선할 수 있다.

도 2는 하이퍼볼릭 탄젠트 함수(tanh(x))의 일 예로서, x축의 범위는 -5에서 +5이고, 최대값 +1, 최소값 -1로 설정된 경우의 하이퍼볼릭 탄젠트 함수이다.

도 3은 사람의 육안의 콘트라스트 감도를 나타내는 그래프이다. x축은 카메라의 이미지 센서에 의해 촬영된 이미지의 휘도 측정값이고, y축은 사람의 눈이 느끼는 휘도값이다. 도 3에 도시된 바와 같이, 사람의 눈은 저 휘도 영역에서는 작은 휘도 변화를 크게 느끼고, 중간 휘도 영역에서는 휘도 변화에 둔감하며, 다시 고휘도 영역에서는 작은 휘도 변화를 크게 느끼게 된다.

도 2와 도 3의 그래프를 보면, 패턴이 거의 유사한 것을 알 수 있다. 따라서, 카메라에 의해 촬영된 이미지의 휘도 히스토그램에 하이퍼볼릭 탄젠트 함수 형태의 곡선을 참조 곡선으로 사용하여 콘트라스트 개선을 수행하면 사람의 눈에 적절한 콘트라스트를 얻을 수 있다.

이 때, 본 발명에 따라, 촬영되는 이미지 별로 콘트라스트 개선을 위한 참조 곡선을 생성하고, 생성된 참조 곡선을 사용하여 이미지 개선을 수행할 수 있다. 이미지의 특성에 따라 생성되는 참조 곡선을 달라질 수 있고, 적응적으로 최적화된 콘트라스트 개선을 수행할 수 있다.

본 발명의 일 실시예에 따라, 촬영되는 이미지들은 조명의 강도에 따라 아래와 같은 4개의 타입을 구분할 수 있다.

1. 저조명 이미지

2. 역광 이미지

3. 보통 조명 이미지

4. 하이 콘트라스트 이미지

촬영된 이미지가 어느 타입에 속하는 판단하기 위해, 아래와 같이 촬영된 이미지의 평균휘도값(Imean)과 휘도 히스토그램 분포를 사용할 수 있다.

1. 0 < Imean ≤ 50인 경우 : 저조명 이미지

2. 50 < Imean ≤ 200인 경우 : 보통 조명 이미지

3. 200 < Imean ≤ 255인 경우 : 역광 이미지

4. 휘도 히스토그램 분포에서, 최고 픽셀 카운트 수를 갖는 휘도값이 고휘도와 저휘도로 나눠져 있는 경우 : 하이 콘트라스트 이미지

이미지의 타입을 계산한 뒤, 참고 곡선인 하이퍼볼릭 탄젠트 함수 곡선을 생성해야 하는데, 이 때 아래와 같이 타입별로 다른 계수, 컷오프 팩터(Cutoff_Factor) 및 진폭 팩터(Amplitude_Factor)를 사용한다. 아래의 계수들은 모두 실험치에 의해 계산된 최적 계수들이다.

1. 저조명 이미지

Cutoff_Factor =0.35, Amplitude_Factor= 0.74;

2. 역광 이미지

Cutoff_Factor =0.35, Amplitude_Factor= 6;

3. 보통 조명 이미지

Cutoff_Factor =1, Amplitude_Factor= 1.94;

4. 하이 콘트라스트 이미지

Cutoff_Factor =1, Amplitude_Factor= 0.0002;

각 종류에 대해 참조 곡선은 다음과 같이 계산될 수 있다.

1. 표준화된 픽셀값(NormPixVal) = 픽셀값(PixVal)/255를 계산한다. 여기서 픽셀값(PixVal)는 0~255의 값이다.

2. x = (NormPixVal^Cutoff_Factor-0.5)*Amplitude_Factor를 계산한다. 여기서, Cutoff_Factor와 Amplitude_Factor는 이미지 종류 별로 주어지는 계수이다.

3. tanh(x)를 계산한다.

4. tanh(x)의 최대값과 최소값을 구한다.

5. tanh(x)의 값을 0~255 범위로 표준화한다.

위와 같은 과정을 통해 생성된 콘트라스트 참조 곡선을 사용하여 이미지의 콘트라스트 개선을 수행할 수 있다. 도 4 내지 도 7은 각 이미지 종류별로 구해진 참조 곡선을 나타낸다. 각 도면에서 점선은 선형 분포, 즉 콘트라스트 개선이 필요없는 경우를 나타낸다. 구체적으로, 도 4는 저 조명 이미지에 대한 참조 곡선을 나타내고, 도 5는 역광 이미지에 대한 참조 곡선을 나타내고, 도 6은 보통 조명 이미지에 대한 참조 곡선을 나타내고, 도 7은 하이 콘트라스트 이미지에 대한 참조 곡선을 나타낸다.

도 4 내지 도 7에서 x축은 휘도값 0 내지 255를 0 내지 1로 표준화한 값이고, y축은 0 내지 255의 휘도값이다.

도 7을 참조하면, 하이 콘트라스트 이미지는 선형 분포의 점선과 비교하여 콘트라스트 개선이 전혀 필요없거나, 콘트라스트 개선에 의해 변화가 거의 발생하지 않음을 알 수 있다.

도 8은 본 발명의 일 실시예에 따라, 참조 곡선을 생성하는 방법을 일괄적으로 나타낸 순서도이다.

단계(S11)에서 이미지를 읽어들인다. 이미지는 디지털 카메라에 의해 촬영될 수도 있고, 기록 매체로부터 읽어들일 수도 있다.

단계(S12)에서 읽어들인 이미지에 대해 평균 휘도값과 휘도 히스토그램을 계산한다.

단계(S13)에서 계산된 평균 휘도값과 휘도 히스토그램을 기반으로 이미지 종류를 판단한다. 이미지 종류는 저조명 이미지, 역광 이미지, 보통 조명 이미지, 하이 콘트라스트 이미지 중 하나일 수 있다.

단계(S14)에서 이미지 종류별로 콘트라스트 참조 곡선 계수를 결정한다. 이 계수들은 전술한 바와 같이, 각 이미지 종류별로 실험치에 의해 최적화된 값이다.

단계(S15)에서 결정된 계수들을 하이퍼볼릭 탄젠트 함수 곡선에 적용하여 콘트라스트 참조 곡선을 생성한다. 이미지 종류별로 생성된 참조 곡선은 도 4 내지 도 7에 도시된 바와 같다.

위와 같은 단계들을 거쳐 생성된 참조 곡선을 사용하여 콘트라스트 개선을 수행할 수 있다. 도 9는 본 발명의 일 실시예에 따라 콘트라스트 개선을 수행하는 방법을 나타내는 순서도이다.

단계(S21)에서 이미지의 RGB 값을 읽어들인다. RGB 값들은 각각 색차 성분도 포함되어 있으므로, 휘도 성분만 분리하기 위해 단계(S22)에서 HSV 공간값으로 변환한다.

단계(S23)에서 HSV 중 V값을 이미지 종류별 콘트라스트 참조 곡선을 사용하여 새로운 V값으로 맵핑한다.

단계(S24)에서 맵핑된 새로운 V값을 HS값과 결합하고 단계(S25)에서 결합된 HSV값을 다시 RGB 값으로 변환한다.

콘트라스트 개선 값이 원래 목표치와 많이 다른 경우, 이와 같은 프로세스를 반복해서 처리할 수 있다.

실시예에 따라서는, HSV가 아니라 YCbCr 값으로 변환하여 동일한 단계를 수행할 수도 있다. 즉, 읽어들인 이미지의 RGB 값을 YCbCr 값으로 변환하고, 참조 곡선을 사용하여 Y값을 맵핑하고, 맵핑된 Y값을 YCbCr값으로 결합한 다음, YCbCr을 다시 RGB로 변환할 수도 있다.

Claims

이미지의 종류에 따라 적응적으로 콘트라스트를 개선하는 방법에 있어서,
이미지를 수신하는 단계;
상기 수신된 이미지의 평균 휘도값과 휘도 히스토그램을 산출하는 단계;
상기 평균 휘도값과 휘도 히스토그램을 기반으로 상기 수신된 이미지가 저조명 이미지, 보통 조명 이미지, 역광 이미지 및 하이 콘트라스트 이미지 중 어느 종류의 이미지인지를 판단하는 단계;
상기 판단된 이미지 종류에 따라 서로 다른 계수를 사용하여 하이퍼볼릭 탄젠트 함수 곡선에 적용하여 콘트라스트 참조 곡선을 생성하는 단계; 및
상기 생성된 콘트라스트 참조 곡선을 사용하여 상기 이미지의 콘트라스트 개선을 수행하는 단계를 포함하며,
상기 콘트라스트 참조 곡선을 생성하는 단계는,
휘도 별로 표준화된 픽셀값(NormPixVal) = 픽셀값(PixVal)/255를 산출하는 단계와,
x = (NormPixVal^Cutoff_Factor-0.5)*Amplitude_Factor를 계산하는 단계를 포함하고,
여기서, PixVal는 0 내지 255의 휘도값이고, 컷오프 팩터(Cutoff_Factor)와 진폭 팩터(Amplitude_Factor)는 상기 이미지 종류 별로 주어지는 계수인 콘트라스트 개선 방법.
제1항에 있어서,
상기 어느 종류의 이미지인지를 판단하는 단계는,
상기 수신된 이미지의 평균 휘도값(Imean)이,
i) 0 < Imean ≤ 50인 경우는 저조명 이미지로,
ii) 50 < Imean ≤ 200인 경우는 보통 조명 이미지로,
iii) 200 < Imean ≤ 255인 경우는 역광 이미지로,
iv) 휘도 히스토그램 분포에서, 최고 픽셀 카운트 수를 갖는 휘도값이 고휘도와 저휘도로 나눠져 있는 경우는 하이 콘트라스트 이미지로 판단하는 단계를 포함하는 콘트라스트 개선 방법.
제2항에 있어서,
상기 콘트라스트 참조 곡선을 생성하는 단계는,
상기 구해진 x 값을 이용하여 tanh(x)를 계산하는 단계와,
상기 tanh(x)의 최대값과 최소값을 구하는 단계와,
상기 tanh(x)의 값을 0~255 범위로 표준화하는 단계를 더 포함하는 콘트라스트 개선 방법.
제1항에 있어서,
상기 이미지 종류 별로 주어지는 계수는,
i) 상기 이미지가 저조명 이미지인 경우는,
컷오프 팩터(Cutoff_Factor) =0.35, 진폭 팩터(Amplitude_Factor)= 0.74;
ii) 상기 이미지가 역광 이미지인 경우는,
컷오프 팩터 =0.35, 진폭 팩터 = 6;
iii) 상기 이미지가 보통 조명 이미지인 경우는,
컷오프 팩터 =1, 진폭 팩터= 1.94;
iv) 상기 이미지가 하이 콘트라스트 이미지인 경우는,
컷오프 팩터 =1, 진폭 팩터 = 0.0002인 콘트라스트 개선 방법.
제1항에 있어서,
상기 이미지의 콘트라스트 개선을 수행하는 단계는,
상기 이미지의 RGB 값을 읽어들이는 단계;
상기 RGB 값을 HSV 공간값으로 변환하는 단계;
상기 HSV 공간 값 중 V값을 상기 콘트라스트 참조 곡선을 사용하여 맵핑하는 단계;
상기 맵핑된 V값을 상기 HSV 공간 값 중 HS값과 결합하는 단계; 및
상기 V 값과 상기 HS 값이 결합된 HSV 값을 RGB 값으로 변환하는 단계를 포함하는 콘트라스트 개선 방법.