KR101895390B1 - 영상 대비 평가 장치 및 방법 - Google Patents

영상 대비 평가 장치 및 방법 Download PDF

Info

Publication number
KR101895390B1
KR101895390B1 KR1020170109791A KR20170109791A KR101895390B1 KR 101895390 B1 KR101895390 B1 KR 101895390B1 KR 1020170109791 A KR1020170109791 A KR 1020170109791A KR 20170109791 A KR20170109791 A KR 20170109791A KR 101895390 B1 KR101895390 B1 KR 101895390B1
Authority
KR
South Korea
Prior art keywords
image
value
contrast
calculating
contrast value
Prior art date
Application number
KR1020170109791A
Other languages
English (en)
Inventor
강문기
김민섭
Original Assignee
연세대학교 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 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020170109791A priority Critical patent/KR101895390B1/ko
Application granted granted Critical
Publication of KR101895390B1 publication Critical patent/KR101895390B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00—Diagnosis, testing or measuring for television systems or their details
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Abstract

본 발명은 영상의 주변 영역을 고려한 새로운 모델을 적용함으로써 영상의 대비 향상 정도를 보다 효과적으로 측정할 수 있는 영상 대비 평가 장치 및 방법을 제안한다. 구체적으로 본 발명은 인간의 시각 체계에 기반하여, 주변 영역을 고려하여 사람이 느낄 수 있는 최소한의 역치값을 계산하고, 역치값과 실제 영역 내의 대비 정도를 고려하여 영상의 대비가 효과적으로 향상되었는지 아니면 향상이 더욱 필요한지 평가하는 영상 대비 평가 장치 및 방법을 제안한다.

Description

영상 대비 평가 장치 및 방법 {Apparatus and method for evaluating contrast of image}
본 발명은 영상을 처리하는 장치 및 방법에 관한 것이다. 보다 상세하게는, 인간의 시각 체계에 기반하여 영상의 대비 향상 정도를 평가하는 장치 및 방법에 관한 것이다.
최근 카메라, 핸드폰, TV 등과 같은 영상 장치들의 사용이 크게 증가함에 따라 많은 사람들이 손쉽게 영상을 획득할 수 있다. 이렇게 획득된 영상들은 여러 기술들을 통해서 영상의 대비와 품질이 향상된 영상으로 나오게 된다. 이때 품질이 향상된 영상이 기존 영상과 비교하여 얼만큼 향상되었는지 측정하여 해당 알고리즘의 적합성 여부를 평가해주는 방법이 필요하다.
가장 이상적인 영상의 품질 평가 방법은 각각의 영상에 대해서 사람들이 어떻게 평가하는지를 측정하는 것이지만, 실제로 이러한 방법은 돈과 시간적 측면에서 비용이 많이 들기 때문에 잘 사용되지 않는다. 그에 상응하여 사용되는 방법이 사람들의 평가와 높은 상관관계를 갖는 영상 평가 방법을 개발하는 것이다.
기존의 영상 평가 방법, 즉 영상의 대비 평가는 영상의 평균이나 분산 등과 같은 수학적인 특징을 사용하거나, 인간의 시각 체계를 기반으로 영상을 평가한다. 하지만 이러한 평가 방법들을 사용하는 경우, 이상적인 테스트 영상 뿐만 아니라 실제로 영상의 대비가 향상되었거나 감소한 경우에도, 그에 반하는 결과를 도출하는 문제점이 발생하게 된다.
한국등록특허 제1,333,107호 (공고일 : 2013.11.26.)
본 발명은 상기한 문제점을 해결하기 위해 안출된 것으로서, 영상의 주변 영역을 고려한 새로운 모델을 적용함으로써 영상의 대비 향상 정도를 보다 효과적으로 측정할 수 있는 영상 대비 평가 장치 및 방법을 제안하는 것을 목적으로 한다. 구체적으로 본 발명은 인간의 시각 체계에 기반하여, 주변 영역을 고려하여 사람이 느낄 수 있는 최소한의 역치값을 계산하고, 역치값과 실제 영역 내의 대비 정도를 고려하여 영상의 대비가 효과적으로 향상되었는지 아니면 향상이 더욱 필요한지 평가하는 영상 대비 평가 장치 및 방법을 제안하는 것을 목적으로 한다.
그러나 본 발명의 목적은 상기에 언급된 사항으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명은 상기한 목적을 달성하기 위해 안출된 것으로서, 제1 영상에 포함된 각 영역의 밝기 변화량 및 상기 제1 영상에 포함된 각 픽셀과 상기 제1 영상의 중심 사이의 거리차를 기초로 상기 제1 영상의 명암 대비값을 산출하는 제1 대비값 산출부; 상기 제1 영상의 명암 대비를 변화시켜 얻은 제2 영상에 포함된 각 영역의 밝기 변화량 및 상기 제2 영상에 포함된 각 픽셀과 상기 제2 영상의 중심 사이의 거리차를 기초로 상기 제2 영상의 명암 대비값을 산출하는 제2 대비값 산출부; 및 상기 제1 영상의 명암 대비값과 상기 제2 영상의 명암 대비값을 비교하여 상기 제2 영상을 획득하기 위해 상기 제1 영상에 적용된 영상 처리 알고리즘의 적합성을 평가하는 알고리즘 적합성 평가부를 포함하는 것을 특징으로 하는 영상 대비 평가 장치를 제안한다.
바람직하게는, 상기 제1 대비값 산출부는, 상기 제1 영상에 포함된 각 영역의 밝기값과 상기 제1 영상에 포함된 각 영역의 밝기 변화량을 기초로 상기 제1 영상의 영역별 명암 대비값을 산출하는 제1 영역별 대비값 산출부; 상기 제1 영상에 포함된 각 픽셀과 상기 제1 영상의 중심 사이의 거리차를 기초로 상기 제1 영상에 대한 시각 돌출 맵(visual saliency map)을 계산하며, 상기 제1 영상에 대한 시각 돌출 맵을 제1 가중치로 산출하는 제1 가중치 산출부; 및 상기 제1 영상의 영역별 명암 대비값과 상기 제1 가중치를 기초로 상기 제1 영상의 명암 대비값을 산출하는 제1 최종 대비값 산출부를 포함한다.
바람직하게는, 상기 제1 영역별 대비값 산출부는 상기 제1 영상에 포함된 각 영역의 밝기 변화량과 관련된 제1 역치값(threshold value)을 산출한 후, 상기 제1 영상에 포함된 각 영역의 밝기값과 상기 제1 역치값을 비교하여 상기 제1 영상의 영역별 명암 대비값을 산출한다.
바람직하게는, 상기 제1 영역별 대비값 산출부는 JND(Just Noticeable Difference)를 이용하여 상기 제1 역치값을 산출한다.
바람직하게는, 상기 제1 영역별 대비값 산출부는 상기 제1 영상의 각 영역에 포함된 각 픽셀의 밝기값과 상기 제1 영상의 각 영역에 포함된 모든 픽셀들의 밝기 평균값 사이의 차이값들을 평균하여 얻은 값과 상기 제1 역치값 사이의 차이값을 상기 제1 영상의 영역별 명암 대비값으로 산출한다.
바람직하게는, 상기 제1 가중치 산출부는 상기 제1 영상에 포함된 각 픽셀의 x 좌표값과 상기 제1 영상의 중심에 위치하는 픽셀의 x 좌표값 사이의 차이값을 제1 값으로 산출하고, 상기 제1 영상에 포함된 각 픽셀의 y 좌표값과 상기 제1 영상의 중심에 위치하는 픽셀의 y 좌표값 사이의 차이값을 제2 값으로 산출하며, 상기 제1 값의 제곱값과 상기 제2 값의 제곱값 사이의 합산값을 기초로 상기 제1 가중치를 산출한다.
바람직하게는, 상기 제2 대비값 산출부는, 상기 제2 영상에 포함된 각 영역의 밝기값과 상기 제2 영상에 포함된 각 영역의 밝기 변화량을 기초로 상기 제2 영상의 영역별 명암 대비값을 산출하는 제2 영역별 대비값 산출부; 상기 제2 영상에 포함된 각 픽셀과 상기 제2 영상의 중심 사이의 거리차를 기초로 상기 제2 영상에 대한 시각 돌출 맵을 계산하며, 상기 제2 영상에 대한 시각 돌출 맵을 제2 가중치로 산출하는 제2 가중치 산출부; 및 상기 제2 영상의 영역별 명암 대비값과 상기 제2 가중치를 기초로 상기 제2 영상의 명암 대비값을 산출하는 제2 최종 대비값 산출부를 포함한다.
바람직하게는, 상기 제2 영역별 대비값 산출부는 상기 제2 영상에 포함된 각 영역의 밝기 변화량과 관련된 제2 역치값을 산출한 후, 상기 제2 영상에 포함된 각 영역의 밝기값과 상기 제2 역치값을 비교하여 상기 제2 영상의 영역별 명암 대비값을 산출한다.
바람직하게는, 상기 제2 영역별 대비값 산출부는 상기 제2 영상의 각 영역에 포함된 각 픽셀의 밝기값과 상기 제2 영상의 각 영역에 포함된 모든 픽셀들의 밝기 평균값 사이의 차이값들을 평균하여 얻은 값과 상기 제2 역치값 사이의 차이값을 상기 제2 영상의 영역별 명암 대비값으로 산출한다.
바람직하게는, 상기 제2 가중치 산출부는 상기 제2 영상에 포함된 각 픽셀의 x 좌표값과 상기 제2 영상의 중심에 위치하는 픽셀의 x 좌표값 사이의 차이값을 제3 값으로 산출하고, 상기 제2 영상에 포함된 각 픽셀의 y 좌표값과 상기 제2 영상의 중심에 위치하는 픽셀의 y 좌표값 사이의 차이값을 제4 값으로 산출하며, 상기 제3 값의 제곱값과 상기 제4 값의 제곱값 사이의 합산값을 기초로 상기 제2 가중치를 산출한다.
바람직하게는, 상기 알고리즘 적합성 평가부는 상기 제2 영상의 명암 대비값이 상기 제1 영상의 명암 대비값 이상인 것으로 판단되면 상기 영상 처리 알고리즘을 적합한 것으로 판단하고, 상기 제2 영상의 명암 대비값이 상기 제1 영상의 명암 대비값 미만인 것으로 판단되면 상기 영상 처리 알고리즘을 적합하지 않은 것으로 판단한다.
또한 본 발명은 제1 영상에 포함된 각 영역의 밝기 변화량 및 상기 제1 영상에 포함된 각 픽셀과 상기 제1 영상의 중심 사이의 거리차를 기초로 상기 제1 영상의 명암 대비값을 산출하는 단계; 상기 제1 영상의 명암 대비를 변화시켜 얻은 제2 영상에 포함된 각 영역의 밝기 변화량 및 상기 제2 영상에 포함된 각 픽셀과 상기 제2 영상의 중심 사이의 거리차를 기초로 상기 제2 영상의 명암 대비값을 산출하는 단계; 및 상기 제1 영상의 명암 대비값과 상기 제2 영상의 명암 대비값을 비교하여 상기 제2 영상을 획득하기 위해 상기 제1 영상에 적용된 영상 처리 알고리즘의 적합성을 평가하는 단계를 포함하는 것을 특징으로 하는 영상 대비 평가 방법을 제안한다.
바람직하게는, 상기 제1 영상의 명암 대비값을 산출하는 단계는, 상기 제1 영상에 포함된 각 영역의 밝기값과 상기 제1 영상에 포함된 각 영역의 밝기 변화량을 기초로 상기 제1 영상의 영역별 명암 대비값을 산출하는 단계; 상기 제1 영상에 포함된 각 픽셀과 상기 제1 영상의 중심 사이의 거리차를 기초로 상기 제1 영상에 대한 시각 돌출 맵(visual saliency map)을 계산하며, 상기 제1 영상에 대한 시각 돌출 맵을 제1 가중치로 산출하는 단계; 및 상기 제1 영상의 영역별 명암 대비값과 상기 제1 가중치를 기초로 상기 제1 영상의 명암 대비값을 산출하는 단계를 포함한다.
바람직하게는, 상기 제1 영상의 영역별 명암 대비값을 산출하는 단계는 상기 제1 영상에 포함된 각 영역의 밝기 변화량과 관련된 제1 역치값(threshold value)을 산출한 후, 상기 제1 영상에 포함된 각 영역의 밝기값과 상기 제1 역치값을 비교하여 상기 제1 영상의 영역별 명암 대비값을 산출한다.
바람직하게는, 상기 제1 영상의 영역별 명암 대비값을 산출하는 단계는 JND(Just Noticeable Difference)를 이용하여 상기 제1 역치값을 산출한다.
바람직하게는, 상기 제1 영상의 영역별 명암 대비값을 산출하는 단계는 상기 제1 영상의 각 영역에 포함된 각 픽셀의 밝기값과 상기 제1 영상의 각 영역에 포함된 모든 픽셀들의 밝기 평균값 사이의 차이값들을 평균하여 얻은 값과 상기 제1 역치값 사이의 차이값을 상기 제1 영상의 영역별 명암 대비값으로 산출한다.
바람직하게는, 상기 제1 가중치로 산출하는 단계는 상기 제1 영상에 포함된 각 픽셀의 x 좌표값과 상기 제1 영상의 중심에 위치하는 픽셀의 x 좌표값 사이의 차이값을 제1 값으로 산출하고, 상기 제1 영상에 포함된 각 픽셀의 y 좌표값과 상기 제1 영상의 중심에 위치하는 픽셀의 y 좌표값 사이의 차이값을 제2 값으로 산출하며, 상기 제1 값의 제곱값과 상기 제2 값의 제곱값 사이의 합산값을 기초로 상기 제1 가중치를 산출한다.
바람직하게는, 상기 제2 영상의 명암 대비값을 산출하는 단계는, 상기 제2 영상에 포함된 각 영역의 밝기값과 상기 제2 영상에 포함된 각 영역의 밝기 변화량을 기초로 상기 제2 영상의 영역별 명암 대비값을 산출하는 단계; 상기 제2 영상에 포함된 각 픽셀과 상기 제2 영상의 중심 사이의 거리차를 기초로 상기 제2 영상에 대한 시각 돌출 맵을 계산하며, 상기 제2 영상에 대한 시각 돌출 맵을 제2 가중치로 산출하는 단계; 및 상기 제2 영상의 영역별 명암 대비값과 상기 제2 가중치를 기초로 상기 제2 영상의 명암 대비값을 산출하는 단계를 포함한다.
바람직하게는, 상기 제2 영상의 영역별 명암 대비값을 산출하는 단계는 상기 제2 영상에 포함된 각 영역의 밝기 변화량과 관련된 제2 역치값을 산출한 후, 상기 제2 영상에 포함된 각 영역의 밝기값과 상기 제2 역치값을 비교하여 상기 제2 영상의 영역별 명암 대비값을 산출한다.
바람직하게는, 상기 제2 영상의 영역별 명암 대비값을 산출하는 단계는 상기 제2 영상의 각 영역에 포함된 각 픽셀의 밝기값과 상기 제2 영상의 각 영역에 포함된 모든 픽셀들의 밝기 평균값 사이의 차이값들을 평균하여 얻은 값과 상기 제2 역치값 사이의 차이값을 상기 제2 영상의 영역별 명암 대비값으로 산출한다.
바람직하게는, 상기 제2 가중치로 산출하는 단계는 상기 제2 영상에 포함된 각 픽셀의 x 좌표값과 상기 제2 영상의 중심에 위치하는 픽셀의 x 좌표값 사이의 차이값을 제3 값으로 산출하고, 상기 제2 영상에 포함된 각 픽셀의 y 좌표값과 상기 제2 영상의 중심에 위치하는 픽셀의 y 좌표값 사이의 차이값을 제4 값으로 산출하며, 상기 제3 값의 제곱값과 상기 제4 값의 제곱값 사이의 합산값을 기초로 상기 제2 가중치를 산출한다.
바람직하게는, 상기 평가하는 단계는 상기 제2 영상의 명암 대비값이 상기 제1 영상의 명암 대비값 이상인 것으로 판단되면 상기 영상 처리 알고리즘을 적합한 것으로 판단하고, 상기 제2 영상의 명암 대비값이 상기 제1 영상의 명암 대비값 미만인 것으로 판단되면 상기 영상 처리 알고리즘을 적합하지 않은 것으로 판단한다.
본 발명은 상기한 목적 달성을 위한 구성들을 통하여 다음과 같은 효과들을 얻을 수 있다.
첫째, 인간의 시각 체계에 기반한 대비값을 도출하여, 원본 영상에 대한 대비 향상 알고리즘이 적용되었을 때, 적용된 알고리즘의 적합성을 효율적으로 판단하는 것이 가능해진다.
둘째, 여러 대비 향상 알고리즘들 중에서 해당 영상에 가장 적합한 알고리즘을 효율적으로 찾아낼 수 있으므로, 대비 향상 알고리즘의 최적화에도 기여할 수 있다.
도 1은 본 발명의 일실시예에 따른 영상 대비 평가 방법을 개략적으로 도시한 흐름도이다.
도 2는 JND와 관련된 그래프이다.
도 3은 이상적인 영상에 대해서 임의의 대비 향상 알고리즘을 적용하였을 때의 원본 영상과 대비 향상 영상을 도시한 도면이다.
도 4는 종래의 방법과 본 발명에서 제안하는 대비 향상 평가 방법을 비교한 테이블도이다.
도 5는 대비 향상 알고리즘의 적합성을 평가하는 방법을 설명하기 위한 참고도이다.
도 6은 기존 방법과 본 발명에서 제안하는 방법 간 비교 결과를 보여주는 도면이다.
도 7은 본 발명의 바람직한 실시예에 따른 영상 대비 평가 장치의 내부 구성을 개략적으로 도시한 블록도이다.
도 8은 도 7의 영상 대비 평가 장치에 구비되는 제1 대비값 산출부와 제2 대비값 산출부의 내부 구성을 도시한 블록도이다.
도 9는 본 발명의 바람직한 실시예에 따른 영상 대비 평가 방법을 개략적으로 도시한 흐름도이다.
이하, 본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 우선 각 도면의 구성요소들에 참조 부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다. 또한, 이하에서 본 발명의 바람직한 실시예를 설명할 것이나, 본 발명의 기술적 사상은 이에 한정하거나 제한되지 않고 당업자에 의해 변형되어 다양하게 실시될 수 있음은 물론이다.
본 발명에서는 인간의 시각 체계에 기반하여 영상의 대비 향상 정도를 평가하는 장치 및 방법에 대하여 제안한다.
인간의 시각 체계 기반의 방법의 경우, 베버의 법칙(weber's law)에 기반하여 사람이 느낄 수 있는 변화의 역치를 계산하여 해당 영상의 대비의 향상 정도를 평가하게 된다.
본 발명에서는 디지털 컬러 영상에서 대비 향상 정도를 평가하기 위해서 사람이 인지할 수 있는 두 자극들 간의 최소한의 차이인 JND(Just Noticeable Difference)를 사용하여, 기존에 획득된 영상이 임의의 영상 품질 향상 알고리즘을 통하여 어느 정도 대비가 향상되었는지 측정할 수 있는 방법을 제안한다.
더불어, 본 발명에서는 사람이 영상을 보고 평가할 때, 시각이 우선적으로 응시하는 위치를 보여주는 시각 돌출(visual saliency)을 사용하여, 해당 영역이 전체적인 영상의 대비 증가에 얼마나 영향을 주는지 역시 고려하여 임의의 영상 품질 향상 알고리즘이 해당 영상의 대비를 얼마나 효과적으로 증가시켜 주었는지 평가한다. 이러한 시각 돌출(visual saliency)은 전체적인 영상의 중심부터 모서리까지 가우시안 분포를 이루는 맵(map)의 형식으로 구해지게 된다.
기존의 영상 대비 평가 방법의 경우, 영상의 수학적인 모델만을 사용하기 때문에, 평가값이 향상되었다 하더라도 실제로 영상의 대비는 향상되지 않는 문제가 발생하게 된다. 하지만 본 발명에서 제안하는 방법을 사용하여 사람이 실제적으로 평가하는 것과 높은 상관관계를 갖는 영상 대비 향상 정도를 구해내 해당 알고리즘의 적합성 여부를 알 수 있다.
이하 도면들을 참조하여 본 발명에 대하여 자세하게 설명한다.
도 1은 본 발명의 일실시예에 따른 영상 대비 평가 방법을 개략적으로 도시한 흐름도이다. 이하 도 1을 참조하여 영상 대비 평가 시스템의 작동 방법(영상 대비 평가 방법)에 대하여 설명한다.
먼저 영상 대비 평가 시스템은 원본 영상으로부터 밝기 성분에 대한 정보를 획득한다(S111). 상기에서 원본 영상은 입력 영상 자체를 의미한다.
이후 영상 대비 평가 시스템은 원본 영상에서 각 영역별로 밝기 성분의 변화와 관련된 역치값(threshold value)을 산출한다(S112). 영상 대비 평가 시스템은 대비 증가 정도 추정을 위해 영상의 영역별 루미넌스 값의 평균을 사용하여 영역별 최소 역치값을 계산할 수 있다.
이후 영상 대비 평가 시스템은 각 영역의 밝기값과 그 영역의 역치값을 비교하여 각 영역별로 대비 향상 정도를 나타내는 제1 대비값을 산출한다(S113). 영상 대비 평가 시스템은 RGB 컬러 영상을 YCbCr 도메인으로 변환한 후 영상의 밝기 성분인 루미넌스 값과 영역별 최소 역치값의 관계를 계산하여 영역별 대비 향상 정도를 획득할 수 있다.
이후 영상 대비 평가 시스템은 원본 영상에 포함된 각 픽셀의 시각 돌출 맵(visual saliency map)을 가중치로 산출한다(S121).
이후 영상 대비 평가 시스템은 제1 대비값과 가중치를 기초로 원본 영상의 전체 영역에 대한 대비 향상 정도를 나타내는 제2 대비값을 산출한다(S131). 영상 대비 평가 시스템은 획득된 각 영역별 대비 향상 정도를 영상의 중심 부분 기준으로 구해진 시각 돌출 맵(visual saliency map)을 가중치로 사용하여 전체 영상의 대비 향상 정도를 획득할 수 있다.
본 발명에서 제안하는 컬러 영상에 대한 대비 향상 정도 평가 방법은 크게 지역별/영역별 변화의 역치를 계산하여 각 지역별/영역별 대비 향상값을 계산하는 방법(S111 ~ S113)과 이를 시각 돌출 맵(visual saliency map)을 활용하여 영역별로 서로 다른 가중치를 주어서 영상 전체의 대비 향상값을 획득하는 방법(S121 ~ S131)으로 구성되어 있다.
해당 영상의 대비 향상값을 획득하기 위해서, 먼저 RGB 컬러 영상을 YCbCr 도메인으로 변환한 후, 영상의 밝기 성분인 루미넌스 값을 획득한다. 이후 획득된 루미넌스 값을 사용하여 영역별 변화의 역치를 계산한다. 이때, 해당 영역의 역치값을 구하는 기준으로, 영역의 평균값을 사용한다.
영역별 변화의 역치값으로는 사람이 인지할 수 있는 두 자극 간의 최소한의 차이인 JND(Just Noticeable Difference)를 사용한다. JND는 다음 수학식 1과 같이 나타낼 수 있고, 그래프로 나타내면 도 2처럼 나타낼 수 있다. 도 2는 인지할 수 있는 최소한의 역치인 JND 그래프이다.
Figure 112017083896444-pat00001
상기에서 T0는 17을 값으로 하는 상수이고, γ는 3/127을 값으로 하는 상수이다. 또한 λ는 0.5를 값으로 하는 상수이다. 또한 k는 배경 휘도(background luminance)를 의미한다.
영상 대비 평가 시스템은 수학식 1을 이용하여 각 영역에서의 역치값을 계산한 후, 이 역치값과 해당 영역의 값을 비교하여 해당 영역의 대비 향상값(즉 제1 대비값)을 산출한다. 이때 역치값과 비교되는 해당 영역의 값은 해당 영역의 각 픽셀들의 값과 영역의 평균값 사이의 차이값의 절대값의 평균을 통해서 계산할 수 있다. 이 과정은 다음 수학식 2로 나타낼 수 있다.
Figure 112017083896444-pat00002
상기에서 Ci,j는 각 픽셀(pixel)별 대비값을 의미한다. 또한 m은 영상에서 해당 영역의 가로 크기를 의미하며, n은 영상에서 해당 영역의 세로 크기를 의미한다. 또한 Ia,b는 해당 영역 내부에 있는 픽셀의 루미넌스 성분값을 의미하며, ┢는 해당 영역의 평균값을 의미한다. 또한 Thi,j는 해당 영역의 역치값을 의미한다.
영상 대비 평가 시스템은 수학식 2를 토대로 해당 영역에서의 각 픽셀들과 해당 영역의 평균과의 차이값의 평균이 해당 영역의 평균값으로 추출해낸 역치값보다 큰 값을 갖는지를 비교한다.
Ci,j 값이 0보다 큰 경우에는, 사람이 느낄 수 있는 역치 이상으로 해당 영역의 대비가 향상되었다고 판단할 수 있다. 반면 Ci,j 값이 0보다 작은 경우에는, 해당 영역의 대비 향상이 부족하므로, 해당 영역에 대해서는 다른 방법의 대비 향상이 더 필요하다고 판단할 수 있다.
영상 대비 평가 시스템은 해당 영역에 대해서 대비 향상 여부를 확인한 이후에 전체 영상의 대비 향상값을 획득한다. 전체 영상의 대비 향상값을 획득하기 위해서 각 픽셀별로 시각 돌출 맵(visual saliency map)을 계산한다. 시각 돌출 맵(visual saliency map)은 사람이 영상을 볼 때 우선을 두는 정도를 의미한다.
영상 대비 평가 시스템은 시각 돌출 맵(visual saliency map)을 사용하여 대비가 향상된 영상에서 사용자가 관심을 두는 영역의 대비가 향상되는 정도를 판단하여, 영상이 사용자에 맞게 대비가 향상되었는지를 판단한다.
각 픽셀의 시각 돌출 맵(visual saliency map)을 구하기 위해서, 해당 픽셀의 위치가 영상의 중심에서 얼마만큼 떨어졌는지를 계산하여, 해당 픽셀이 전체 대비 향상에 미치는 영향을 구하게 된다. 이 과정은 다음 수학식 3으로 나타낼 수 있다.
Figure 112017083896444-pat00003
상기에서 wi,j는 해당 픽셀이 전체 대비 향상에 미치는 영향을 나타내는 가중치를 의미한다. 또한 xi와 yj는 영상에서 각 픽셀의 가로 위치와 세로 위치를 의미하며, xc와 yc는 영상에서 중심에 위치하는 픽셀의 가로 위치와 세로 위치를 의미한다.
수학식 3에서 σ는 중심 영역의 시각 돌출(visual saliency)을 얼마만큼 크게 볼 것인가와 관련된 가중치를 의미한다. 본 발명에서는 이러한 σ에 따라 가우시안 함수의 모양이 바뀔 수 있다.
수학식 3을 이용하면, 각 픽셀의 대비 향상 정도가 전체 영상의 대비 향상에 미치는 영향을 알아낼 수 있다. 이렇게 구한 픽셀의 wi,j를 사용하여 최종적으로 해당 영상의 대비를 알아낼 수가 있다. 이를 수학식으로 나타내면 다음과 같이 나타낼 수 있다.
Figure 112017083896444-pat00004
상기에서 M은 원본 영상의 가로 크기를 의미하며, N은 원본 영상의 세로 크기를 의미한다.
한편 본 실시예에서 S121 단계는 S113 단계와 S131 단계 사이에 수행될 수 있다. 그러나 본 실시예가 이에 한정되는 것은 아니다. 일례로 S121 단계는 S111 단계 이전에 수행되거나, S111 단계와 동시에 수행되거나, S111 단계와 S112 단계 사이에 수행되거나, S112 단계와 동시에 수행되거나, S112 단계와 S113 단계 사이에 수행되거나, 또는 S113 단계와 동시에 수행되는 것도 가능하다.
한편 영상 대비 평가 시스템은 원본 영상 대신에 대비 향상 영상을 이용하여 대비 향상 영상의 전체 영역에 대한 대비값을 산출한다. 영상 대비 평가 시스템의 이러한 과정은 앞서 설명한 과정(S111 단계 ~ S131 단계)과 동일하게 진행되며, 자세하게는 다음 순서에 따라 진행된다.
먼저 영상 대비 평가 시스템은 대비 향상 영상으로부터 밝기 성분에 대한 정보를 획득한다(S141). 상기에서 대비 향상 영상은 입력 영상에 대비 향상 알고리즘을 적용하여 얻은 영상을 의미한다.
이후 영상 대비 평가 시스템은 대비 향상 영상에서 각 영역별로 밝기 성분의 변화와 관련된 역치값을 산출한다(S142).
이후 영상 대비 평가 시스템은 각 영역의 밝기값과 그 영역의 역치값을 비교하여 각 영역별로 대비 향상 정도를 나타내는 제3 대비값을 산출한다(S143).
한편 영상 대비 평가 시스템은 대비 향상 영상에 포함된 각 픽셀의 시각 돌출 맵(visual saliency map)을 가중치로 산출한다(S151).
이후 영상 대비 평가 시스템은 제1 대비값과 가중치를 기초로 대비 향상 영상의 전체 영역에 대한 대비 향상 정도를 나타내는 제4 대비값을 산출한다(S161).
S111 단계 내지 S131 단계를 거치면 원본 영상의 전체 영역에 대한 대비값(제2 대비값)을 산출하는 것이 가능해지며, S141 단계 내지 S161 단계를 거치면 대비 향상 알고리즘이 적용된 대비 향상 영상의 전체 영역에 대한 대비값(제4 대비값)을 산출하는 것이 가능해진다.
이후 영상 대비 평가 시스템은 제2 대비값과 제4 대비값을 비교하여(S171) 대비 향상 알고리즘의 적합성을 평가한다(S172).
도 3은 이상적인 영상에 대해서 임의의 대비 향상 알고리즘을 적용하였을 때의 원본 영상과 결과 영상을 나타낸다. 도 3에서 (a)가 원본 영상이며, (b)가 대비가 향상된 영상이다.
도 4는 종래의 방법과 본 발명에서 제안하는 대비 향상 평가 방법을 비교한 테이블도이다. 도 4의 (a)는 원본 영상(도 3의 (a))에 대한 테이블도이고, 도 4의 (b)는 대비 향상 영상(도 3의 (b))에 대한 테이블도이다.
기존에 사용되는 대비 향상 평가 방법의 경우, 영상의 전체적인 평균과 분산값만을 사용하거나(CASE A), 각각 해당 영역에서의 평균과 픽셀값의 차이만을 사용하기 때문에(CASE B), 이상적인 3가지 세트의 영상에 대해서 대비 향상값이 전부 동일한 값을 나타내는 것을 볼 수 있다.
하지만 제안하는 방법의 경우, 영역의 평균에 따른 기준점을 사용하기 때문에, 각각의 영상의 대비 향상 정도를 모두 다르게 분석해낼 수 있다.
도 5는 대비 향상 알고리즘의 적합성을 평가하는 방법을 설명하기 위한 참고도이다. 도 5의 (a)에서 좌측도(210)는 원본 영상의 예시이며, 중간도(220) 및 우측도(230)는 임의의 대비 향상 알고리즘이 적용된 결과 영상의 예시이다.
원본 영상에 적절한 대비 향상 알고리즘이 적용될 경우, 대비값은 원본 영상에 비해서 향상된다. 반면 원본 영상에 적절하지 않은 대비 향상 알고리즘이 적용되면, 원본 영상의 대비값에 비해서 오히려 값이 줄어들게 된다.
중간도(220)의 경우, 도 5의 (b)에 도시된 바와 같이 그 대비값이 15.72로 원본 영상의 대비값 17.25보다 감소하였음을 확인할 수 있다. 이와 같이 원본 영상의 대비값보다 대비 향상 알고리즘을 통하여 획득된 영상의 대비값이 감소하는 경우 영상 대비 평가 시스템은 원본 영상에 다른 대비 향상 알고리즘을 사용할 것을 추천한다.
한편 우측도(230)의 경우, 도 5의 (b)에 도시된 바와 같이 그 대비값이 18.98로 원본 영상의 대비값 17.25보다 증가하였음을 확인할 수 있다. 이 경우 영상 대비 평가 시스템은 원본 영상에 적용된 임의의 대비 향상 알고리즘을 적절한 대비 향상 알고리즘으로 판단한다.
본 발명에서 제안하는 방법의 효율성과 관련하여, 본 발명이 실제 사람들의 평가 지수인 MOS(Mean of Opinion Score)와 얼마만큼의 유사 관계를 갖는지 측정하여, 본 발명이 사람의 평가 기준과 기존 방법에 비해서 얼마나 더 높은 상관관계를 갖는지를 평가해 보았다.
이를 위해 사용하는 세트(set)는 TID2013set의 대비 변화 세트(contrast change set) 영상 24 세트로 평가한다. 각 세트는 원본 영상을 포함하여 대비(contrast)가 바뀐 영상 5장 등 총 6장으로 구성되어 있으며, 사람들의 평가 점수인 MOS 또한 제공하고 있다.
해당 지표들의 MOS와의 상관관계(correlation)를 보기 위하여, 피어슨 상관계수(pearson correlation coefficient)를 계산하여 비교한다. 해당값은 지표들과 MOS 값의 선형 계수(linear coefficient)를 계산하는 값으로서, 0에 가까울수록 상관관계가 없고, 1에 가까울수록 높은 상관관계를 갖는다.
도 6은 기존 방법과 본 발명에서 제안하는 방법 간 비교 결과를 보여주는 도면이다. 도 6에서 (a)는 각 세트에 포함되는 6장의 이미지를 나타낸 것이며, (b)는 기존 방법들(CASE A, CASE B)과 본 발명의 PRCC를 나타낸 것이다. 도 6의 (b)에 도시된 바와 같이 본 발명에서 제안하는 방법이 기존 방법들보다 더 높은 상관관계를 가진다는 것을 확인할 수 있다.
이상 도 1 내지 도 6을 참조하여 본 발명의 일실시 형태에 대하여 설명하였다. 이하에서는 이러한 일실시 형태로부터 추론 가능한 본 발명의 바람직한 형태에 대하여 설명한다.
도 7은 본 발명의 바람직한 실시예에 따른 영상 대비 평가 장치의 내부 구성을 개략적으로 도시한 블록도이다.
도 7에 따르면, 영상 대비 평가 장치(300)는 제1 대비값 산출부(310), 제2 대비값 산출부(320), 알고리즘 적합성 평가부(330), 전원부(340) 및 주제어부(350)를 포함한다.
전원부(340)는 영상 대비 평가 장치(300)를 구성하는 각 구성의 전원을 공급하는 기능을 수행한다.
주제어부(350)는 영상 대비 평가 장치(300)를 구성하는 각 구성의 전체 작동을 제어하는 기능을 수행한다.
제1 대비값 산출부(310)는 제1 영상에 포함된 각 영역의 밝기 변화량, 및 제1 영상에 포함된 각 픽셀과 제1 영상의 중심 사이의 거리차를 기초로 제1 영상의 명암 대비값을 산출하는 기능을 수행한다.
제1 대비값 산출부(310)는 상기한 기능을 수행하기 위해 도 8의 (a)에 도시된 바와 같이 제1 영역별 대비값 산출부(311), 제1 가중치 산출부(312) 및 제1 최종 대비값 산출부(313)를 내부 구성으로 포함할 수 있다.
도 8은 도 7의 영상 대비 평가 장치에 구비되는 제1 대비값 산출부와 제2 대비값 산출부의 내부 구성을 도시한 블록도이다.
제1 영역별 대비값 산출부(311)는 제1 영상에 포함된 각 영역의 밝기값과 제1 영상에 포함된 각 영역의 밝기 변화량을 기초로 제1 영상의 영역별 명암 대비값을 산출하는 기능을 수행한다.
제1 영역별 대비값 산출부(311)는 제1 영상에 포함된 각 영역의 밝기 변화량과 관련된 제1 역치값(threshold value)을 산출한 후, 제1 영상에 포함된 각 영역의 밝기값과 제1 역치값을 비교하여 제1 영상의 영역별 명암 대비값을 산출할 수 있다.
제1 영역별 대비값 산출부(311)는 JND(Just Noticeable Difference)를 이용하여 제1 역치값을 산출할 수 있다.
제1 영역별 대비값 산출부(311)는 제1 영상의 각 영역에 포함된 각 픽셀의 밝기값과 제1 영상의 각 영역에 포함된 모든 픽셀들의 밝기 평균값 사이의 차이값들을 평균하여 그 평균값을 산출한 후, 이 평균값과 제1 역치값 사이의 차이값을 제1 영상의 영역별 명암 대비값으로 산출할 수 있다. 제1 영역별 대비값 산출부(311)의 이러한 기능은 수학식 2와 관련된다.
제1 가중치 산출부(312)는 제1 영상에 포함된 각 픽셀과 제1 영상의 중심 사이의 거리차를 기초로 제1 영상에 대한 시각 돌출 맵(visual saliency map)을 계산하며, 제1 영상에 대한 시각 돌출 맵을 제1 가중치로 산출하는 기능을 수행한다.
제1 가중치 산출부(312)는 제1 영상에 포함된 각 픽셀의 x 좌표값과 제1 영상의 중심에 위치하는 픽셀의 x 좌표값 사이의 차이값을 제1 값으로 산출하고, 제1 영상에 포함된 각 픽셀의 y 좌표값과 제1 영상의 중심에 위치하는 픽셀의 y 좌표값 사이의 차이값을 제2 값으로 산출하며, 제1 값의 제곱값과 제2 값의 제곱값 사이의 합산값을 기초로 제1 가중치를 산출할 수 있다. 제1 가중치 산출부(312)의 이러한 기능은 수학식 3과 관련된다.
제1 최종 대비값 산출부(313)는 제1 영상의 영역별 명암 대비값과 제1 가중치를 기초로 제1 영상의 명암 대비값을 산출하는 기능을 수행한다.
다시 도 7을 참조하여 설명한다.
제2 대비값 산출부(320)는 제1 영상의 명암 대비를 변화시켜 얻은 제2 영상에 포함된 각 영역의 밝기 변화량, 및 제2 영상에 포함된 각 픽셀과 제2 영상의 중심 사이의 거리차를 기초로 제2 영상의 명암 대비값을 산출하는 기능을 수행한다.
제2 대비값 산출부(320)는 상기한 기능을 수행하기 위해 도 8의 (b)에 도시된 바와 같이 제2 영역별 대비값 산출부(321), 제2 가중치 산출부(322) 및 제2 최종 대비값 산출부(323)을 그 내부 구성으로 포함할 수 있다.
제2 영역별 대비값 산출부(321)는 제2 영상에 포함된 각 영역의 밝기값과 제2 영상에 포함된 각 영역의 밝기 변화량을 기초로 제2 영상의 영역별 명암 대비값을 산출하는 기능을 수행한다.
제2 영역별 대비값 산출부(321)는 제2 영상에 포함된 각 영역의 밝기 변화량과 관련된 제2 역치값을 산출한 후, 제2 영상에 포함된 각 영역의 밝기값과 제2 역치값을 비교하여 제2 영상의 영역별 명암 대비값을 산출할 수 있다.
제2 영역별 대비값 산출부(321)는 제2 영상의 각 영역에 포함된 각 픽셀의 밝기값과 제2 영상의 각 영역에 포함된 모든 픽셀들의 밝기 평균값 사이의 차이값들을 평균하여 그 평균값을 산출한 후, 이 평균값과 제2 역치값 사이의 차이값을 제2 영상의 영역별 명암 대비값으로 산출할 수 있다.
제2 가중치 산출부(322)는 제2 영상에 포함된 각 픽셀과 제2 영상의 중심 사이의 거리차를 기초로 제2 영상에 대한 시각 돌출 맵을 계산하며, 제2 영상에 대한 시각 돌출 맵을 제2 가중치로 산출하는 기능을 수행한다.
제2 가중치 산출부(322)는 제2 영상에 포함된 각 픽셀의 x 좌표값과 제2 영상의 중심에 위치하는 픽셀의 x 좌표값 사이의 차이값을 제3 값으로 산출하고, 제2 영상에 포함된 각 픽셀의 y 좌표값과 제2 영상의 중심에 위치하는 픽셀의 y 좌표값 사이의 차이값을 제4 값으로 산출하며, 제3 값의 제곱값과 제4 값의 제곱값 사이의 합산값을 기초로 제2 가중치를 산출할 수 있다.
제2 최종 대비값 산출부(323)는 제2 영상의 영역별 명암 대비값과 제2 가중치를 기초로 제2 영상의 명암 대비값을 산출하는 기능을 수행한다.
다시 도 7을 참조하여 설명한다.
알고리즘 적합성 평가부(330)는 제1 영상의 명암 대비값과 제2 영상의 명암 대비값을 비교하여 제2 영상을 획득하기 위해 제1 영상에 적용된 영상 처리 알고리즘의 적합성을 평가하는 기능을 수행한다.
알고리즘 적합성 평가부(330)는 제2 영상의 명암 대비값이 제1 영상의 명암 대비값 이상인 것으로 판단되면 영상 처리 알고리즘을 적합한 것으로 판단하고, 제2 영상의 명암 대비값이 제1 영상의 명암 대비값 미만인 것으로 판단되면 영상 처리 알고리즘을 적합하지 않은 것으로 판단할 수 있다.
다음으로 영상 대비 평가 장치(300)의 작동 방법에 대하여 설명한다.
도 9는 본 발명의 바람직한 실시예에 따른 영상 대비 평가 방법을 개략적으로 도시한 흐름도이다. 이하 설명은 도 9를 참조한다.
먼저 제1 대비값 산출부(310)는 제1 영상에 포함된 각 영역의 밝기 변화량, 및 제1 영상에 포함된 각 픽셀과 제1 영상의 중심 사이의 거리차를 기초로 제1 영상의 명암 대비값을 산출한다(S410).
이후 제2 대비값 산출부(320)는 제1 영상의 명암 대비를 변화시켜 얻은 제2 영상에 포함된 각 영역의 밝기 변화량, 및 제2 영상에 포함된 각 픽셀과 제2 영상의 중심 사이의 거리차를 기초로 제2 영상의 명암 대비값을 산출한다(S420).
이후 알고리즘 적합성 평가부(330)는 제1 영상의 명암 대비값과 제2 영상의 명암 대비값을 비교하여 제2 영상을 획득하기 위해 제1 영상에 적용된 영상 처리 알고리즘의 적합성을 평가한다(S430).
이상에서 설명한 본 발명의 실시예를 구성하는 모든 구성요소들이 하나로 결합하거나 결합하여 동작하는 것으로 기재되어 있다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 또한, 이와 같은 컴퓨터 프로그램은 USB 메모리, CD 디스크, 플래쉬 메모리 등과 같은 컴퓨터가 읽을 수 있는 기록매체(Computer Readable Media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시예를 구현할 수 있다. 컴퓨터 프로그램의 기록매체로서는 자기 기록매체, 광 기록매체 등이 포함될 수 있다.
또한, 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 상세한 설명에서 다르게 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 갖는다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위 내에서 다양한 수정, 변경 및 치환이 가능할 것이다. 따라서, 본 발명에 개시된 실시예 및 첨부된 도면들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예 및 첨부된 도면에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구 범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (16)

  1. 제1 영상에 포함된 각 영역의 밝기 변화량, 및 상기 제1 영상에 포함된 각 픽셀과 상기 제1 영상의 중심 사이의 거리차를 기초로 상기 제1 영상의 명암 대비값을 산출하는 제1 대비값 산출부;
    상기 제1 영상에 영상 처리 알고리즘을 적용하여 상기 제1 영상의 명암 대비값을 변화시킨 제2 영상에 포함된 각 영역의 밝기 변화량, 및 상기 제2 영상에 포함된 각 픽셀과 상기 제2 영상의 중심 사이의 거리차를 기초로 상기 제2 영상의 명암 대비값을 산출하는 제2 대비값 산출부; 및
    상기 제1 영상의 명암 대비값과 상기 제2 영상의 명암 대비값을 비교하여 상기 제2 영상을 획득하기 위해 상기 제1 영상에 적용된 상기 영상 처리 알고리즘의 적합성을 평가하는 알고리즘 적합성 평가부
    를 포함하는 것을 특징으로 하는 영상 대비 평가 장치.
  2. 제 1 항에 있어서,
    상기 제1 대비값 산출부는,
    상기 제1 영상에 포함된 각 영역의 밝기값과 상기 제1 영상에 포함된 각 영역의 밝기 변화량을 기초로 상기 제1 영상의 영역별 명암 대비값을 산출하는 제1 영역별 대비값 산출부;
    상기 제1 영상에 포함된 각 픽셀과 상기 제1 영상의 중심 사이의 거리차를 기초로 상기 제1 영상에 대한 시각 돌출 맵(visual saliency map)을 계산하며, 상기 제1 영상에 대한 시각 돌출 맵을 제1 가중치로 산출하는 제1 가중치 산출부; 및
    상기 제1 영상의 영역별 명암 대비값과 상기 제1 가중치를 기초로 상기 제1 영상의 명암 대비값을 산출하는 제1 최종 대비값 산출부
    를 포함하는 것을 특징으로 하는 영상 대비 평가 장치.
  3. 제 2 항에 있어서,
    상기 제1 영역별 대비값 산출부는 상기 제1 영상에 포함된 각 영역의 밝기 변화량과 관련된 제1 역치값(threshold value)을 산출한 후, 상기 제1 영상에 포함된 각 영역의 밝기값과 상기 제1 역치값을 비교하여 상기 제1 영상의 영역별 명암 대비값을 산출하는 것을 특징으로 하는 영상 대비 평가 장치.
  4. 제 3 항에 있어서,
    상기 제1 영역별 대비값 산출부는 JND(Just Noticeable Difference)를 이용하여 상기 제1 역치값을 산출하는 것을 특징으로 하는 영상 대비 평가 장치.
  5. 제 3 항에 있어서,
    상기 제1 영역별 대비값 산출부는 상기 제1 영상의 각 영역에 포함된 각 픽셀의 밝기값과 상기 제1 영상의 각 영역에 포함된 모든 픽셀들의 밝기 평균값 사이의 차이값들을 평균하여 얻은 값과 상기 제1 역치값 사이의 차이값을 상기 제1 영상의 영역별 명암 대비값으로 산출하는 것을 특징으로 하는 영상 대비 평가 장치.
  6. 제 2 항에 있어서,
    상기 제1 가중치 산출부는 상기 제1 영상에 포함된 각 픽셀의 x 좌표값과 상기 제1 영상의 중심에 위치하는 픽셀의 x 좌표값 사이의 차이값을 제1 값으로 산출하고, 상기 제1 영상에 포함된 각 픽셀의 y 좌표값과 상기 제1 영상의 중심에 위치하는 픽셀의 y 좌표값 사이의 차이값을 제2 값으로 산출하며, 상기 제1 값의 제곱값과 상기 제2 값의 제곱값 사이의 합산값을 기초로 상기 제1 가중치를 산출하는 것을 특징으로 하는 영상 대비 평가 장치.
  7. 제 1 항에 있어서,
    상기 제2 대비값 산출부는,
    상기 제2 영상에 포함된 각 영역의 밝기값과 상기 제2 영상에 포함된 각 영역의 밝기 변화량을 기초로 상기 제2 영상의 영역별 명암 대비값을 산출하는 제2 영역별 대비값 산출부;
    상기 제2 영상에 포함된 각 픽셀과 상기 제2 영상의 중심 사이의 거리차를 기초로 상기 제2 영상에 대한 시각 돌출 맵을 계산하며, 상기 제2 영상에 대한 시각 돌출 맵을 제2 가중치로 산출하는 제2 가중치 산출부; 및
    상기 제2 영상의 영역별 명암 대비값과 상기 제2 가중치를 기초로 상기 제2 영상의 명암 대비값을 산출하는 제2 최종 대비값 산출부
    를 포함하는 것을 특징으로 하는 영상 대비 평가 장치.
  8. 제 7 항에 있어서,
    상기 제2 영역별 대비값 산출부는 상기 제2 영상에 포함된 각 영역의 밝기 변화량과 관련된 제2 역치값을 산출한 후, 상기 제2 영상에 포함된 각 영역의 밝기값과 상기 제2 역치값을 비교하여 상기 제2 영상의 영역별 명암 대비값을 산출하는 것을 특징으로 하는 영상 대비 평가 장치.
  9. 제 8 항에 있어서,
    상기 제2 영역별 대비값 산출부는 상기 제2 영상의 각 영역에 포함된 각 픽셀의 밝기값과 상기 제2 영상의 각 영역에 포함된 모든 픽셀들의 밝기 평균값 사이의 차이값들을 평균하여 얻은 값과 상기 제2 역치값 사이의 차이값을 상기 제2 영상의 영역별 명암 대비값으로 산출하는 것을 특징으로 하는 영상 대비 평가 장치.
  10. 제 7 항에 있어서,
    상기 제2 가중치 산출부는 상기 제2 영상에 포함된 각 픽셀의 x 좌표값과 상기 제2 영상의 중심에 위치하는 픽셀의 x 좌표값 사이의 차이값을 제3 값으로 산출하고, 상기 제2 영상에 포함된 각 픽셀의 y 좌표값과 상기 제2 영상의 중심에 위치하는 픽셀의 y 좌표값 사이의 차이값을 제4 값으로 산출하며, 상기 제3 값의 제곱값과 상기 제4 값의 제곱값 사이의 합산값을 기초로 상기 제2 가중치를 산출하는 것을 특징으로 하는 영상 대비 평가 장치.
  11. 제 1 항에 있어서,
    상기 알고리즘 적합성 평가부는 상기 제2 영상의 명암 대비값이 상기 제1 영상의 명암 대비값 이상인 것으로 판단되면 상기 영상 처리 알고리즘을 적합한 것으로 판단하고, 상기 제2 영상의 명암 대비값이 상기 제1 영상의 명암 대비값 미만인 것으로 판단되면 상기 영상 처리 알고리즘을 적합하지 않은 것으로 판단하는 것을 특징으로 하는 영상 대비 평가 장치.
  12. 제1 영상에 포함된 각 영역의 밝기 변화량, 및 상기 제1 영상에 포함된 각 픽셀과 상기 제1 영상의 중심 사이의 거리차를 기초로 상기 제1 영상의 명암 대비값을 산출하는 단계;
    상기 제1 영상에 영상 처리 알고리즘을 적용하여 상기 제1 영상의 명암 대비값을 변화시킨 제2 영상에 포함된 각 영역의 밝기 변화량, 및 상기 제2 영상에 포함된 각 픽셀과 상기 제2 영상의 중심 사이의 거리차를 기초로 상기 제2 영상의 명암 대비값을 산출하는 단계; 및
    상기 제1 영상의 명암 대비값과 상기 제2 영상의 명암 대비값을 비교하여 상기 제2 영상을 획득하기 위해 상기 제1 영상에 적용된 상기 영상 처리 알고리즘의 적합성을 평가하는 단계
    를 포함하는 것을 특징으로 하는 영상 대비 평가 방법.
  13. 제 12 항에 있어서,
    상기 제1 영상의 명암 대비값을 산출하는 단계는,
    상기 제1 영상에 포함된 각 영역의 밝기값과 상기 제1 영상에 포함된 각 영역의 밝기 변화량을 기초로 상기 제1 영상의 영역별 명암 대비값을 산출하는 단계;
    상기 제1 영상에 포함된 각 픽셀과 상기 제1 영상의 중심 사이의 거리차를 기초로 상기 제1 영상에 대한 시각 돌출 맵(visual saliency map)을 계산하며, 상기 제1 영상에 대한 시각 돌출 맵을 제1 가중치로 산출하는 단계; 및
    상기 제1 영상의 영역별 명암 대비값과 상기 제1 가중치를 기초로 상기 제1 영상의 명암 대비값을 산출하는 단계
    를 포함하는 것을 특징으로 하는 영상 대비 평가 방법.
  14. 제 13 항에 있어서,
    상기 제1 영상의 영역별 명암 대비값을 산출하는 단계는 상기 제1 영상에 포함된 각 영역의 밝기 변화량과 관련된 제1 역치값(threshold value)을 산출한 후, 상기 제1 영상에 포함된 각 영역의 밝기값과 상기 제1 역치값을 비교하여 상기 제1 영상의 영역별 명암 대비값을 산출하는 것을 특징으로 하는 영상 대비 평가 방법.
  15. 제 12 항에 있어서,
    상기 제2 영상의 명암 대비값을 산출하는 단계는,
    상기 제2 영상에 포함된 각 영역의 밝기값과 상기 제2 영상에 포함된 각 영역의 밝기 변화량을 기초로 상기 제2 영상의 영역별 명암 대비값을 산출하는 단계;
    상기 제2 영상에 포함된 각 픽셀과 상기 제2 영상의 중심 사이의 거리차를 기초로 상기 제2 영상에 대한 시각 돌출 맵을 계산하며, 상기 제2 영상에 대한 시각 돌출 맵을 제2 가중치로 산출하는 단계; 및
    상기 제2 영상의 영역별 명암 대비값과 상기 제2 가중치를 기초로 상기 제2 영상의 명암 대비값을 산출하는 단계
    를 포함하는 것을 특징으로 하는 영상 대비 평가 방법.
  16. 제 12 항에 있어서,
    상기 평가하는 단계는 상기 제2 영상의 명암 대비값이 상기 제1 영상의 명암 대비값 이상인 것으로 판단되면 상기 영상 처리 알고리즘을 적합한 것으로 판단하고, 상기 제2 영상의 명암 대비값이 상기 제1 영상의 명암 대비값 미만인 것으로 판단되면 상기 영상 처리 알고리즘을 적합하지 않은 것으로 판단하는 것을 특징으로 하는 영상 대비 평가 방법.
KR1020170109791A 2017-08-30 2017-08-30 영상 대비 평가 장치 및 방법 KR101895390B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170109791A KR101895390B1 (ko) 2017-08-30 2017-08-30 영상 대비 평가 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170109791A KR101895390B1 (ko) 2017-08-30 2017-08-30 영상 대비 평가 장치 및 방법

Publications (1)

Publication Number Publication Date
KR101895390B1 true KR101895390B1 (ko) 2018-09-05

Family

ID=63594159

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170109791A KR101895390B1 (ko) 2017-08-30 2017-08-30 영상 대비 평가 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101895390B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117011189A (zh) * 2023-09-01 2023-11-07 中认尚动（上海）检测技术有限公司 一种空间明亮度评价方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080071374A (ko) * 2007-01-30 2008-08-04 삼성전자주식회사 압축 영상의 화질 검출장치 및 방법
KR100938211B1 (ko) * 2008-08-29 2010-01-22 성균관대학교산학협력단 동영상 화질 평가 시스템 및 방법
KR101333107B1 (ko) 2012-02-27 2013-11-26 강원대학교산학협력단 디지털 영상미디어의 객관적 화질 평가 시스템 및 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080071374A (ko) * 2007-01-30 2008-08-04 삼성전자주식회사 압축 영상의 화질 검출장치 및 방법
KR100938211B1 (ko) * 2008-08-29 2010-01-22 성균관대학교산학협력단 동영상 화질 평가 시스템 및 방법
KR101333107B1 (ko) 2012-02-27 2013-11-26 강원대학교산학협력단 디지털 영상미디어의 객관적 화질 평가 시스템 및 장치

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
논문1 *
논문2 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117011189A (zh) * 2023-09-01 2023-11-07 中认尚动（上海）检测技术有限公司 一种空间明亮度评价方法
CN117011189B (zh) * 2023-09-01 2024-03-19 中认尚动（上海）检测技术有限公司 一种空间明亮度评价方法

Similar Documents

Publication Publication Date Title
Ma et al. Objective quality assessment for color-to-gray image conversion
Eilertsen et al. Evaluation of tone mapping operators for HDR video
Rivera et al. Content-aware dark image enhancement through channel division
Krasula et al. Quality assessment of sharpened images: Challenges, methodology, and objective metrics
KR101117507B1 (ko) 화질 평가 디바이스 및 방법
Liu et al. Studying the added value of visual attention in objective image quality metrics based on eye movement data
KR20170132644A (ko) 케어 정보를 획득하기 위한 방법, 케어 정보를 공유하기 위한 방법, 및 그것들을 위한 전자 장치
Krasula et al. Preference of experience in image tone-mapping: Dataset and framework for objective measures comparison
CN111079740A (zh) 图像的质量评价方法、电子设备和计算机可读存储介质
Lavoué et al. Quality assessment in computer graphics
CN110110671B (zh) 一种性格分析方法、装置及电子设备
Zheng et al. UIF: An objective quality assessment for underwater image enhancement
CN110310231B (zh) 一种将第一动态范围视频转换为第二动态范围视频的设备及其方法
Krasula et al. FFTMI: Features fusion for natural tone-mapped images quality evaluation
US9734561B2 (en) Image enhancement based on the reflectance component
KR101895390B1 (ko) 영상 대비 평가 장치 및 방법
Zhu et al. A metric for video blending quality assessment
CN116563570B (zh) 一种颜色识别方法、装置、电子设备及存储介质
CN117152092A (zh) 全参考图像评价方法、装置、电子设备和计算机存储介质
Fry et al. Bridging the gap between imaging performance and image quality measures
Gao et al. A content-based image quality metric
Redi et al. How to apply spatial saliency into objective metrics for JPEG compressed images?
KR101571440B1 (ko) 디스플레이 인지 컬러 평가 방법, 이를 수행하기 위한 기록 매체 및 장치
Xydeas et al. Pixel-level image fusion metrics
Kim et al. No-reference contrast measurement for color images based on visual stimulus

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant