KR102022234B1 - 이미지 개선 장치 및 그 방법 - Google Patents

이미지 개선 장치 및 그 방법 Download PDF

Info

Publication number
KR102022234B1
KR102022234B1 KR1020180032126A KR20180032126A KR102022234B1 KR 102022234 B1 KR102022234 B1 KR 102022234B1 KR 1020180032126 A KR1020180032126 A KR 1020180032126A KR 20180032126 A KR20180032126 A KR 20180032126A KR 102022234 B1 KR102022234 B1 KR 102022234B1
Authority
KR
South Korea
Prior art keywords
image
darkness
adaptive multiplication
adaptive
estimating
Prior art date
Application number
KR1020180032126A
Other languages
English (en)
Inventor
샨무가라즈 엠
Original Assignee
주식회사 만도
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 주식회사 만도 filed Critical 주식회사 만도
Priority to KR1020180032126A priority Critical patent/KR102022234B1/ko
Application granted granted Critical
Publication of KR102022234B1 publication Critical patent/KR102022234B1/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
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/007—
    • G06K9/36—
    • 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
    • G06V10/20—Image preprocessing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)

Abstract

이미지 개선 장치 및 방법이 제공된다. 본 발명의 실시예에 따른 이미지 개선 장치는 입력된 이미지의 어둠 정도를 추정하고 어둠 정도를 임계값과 비교하는 어둠정도 추정부; 어둠 정도가 임계값보다 작은 경우, 어둠 정도에 따라 이미지의 조도를 조정하기 위한 적응 승산 인자를 추정하는 AMF 추정부; 적응 승산 인자를 기초로 이미지를 개선하기 위한 적응 승산 매트릭스를 연산하는 AMM 연산부; 및 연산된 적응 승산 매트릭스를 이미지와 내적 연산하는 내적 연산부;를 포함한다.

Description

이미지 개선 장치 및 그 방법{Apparatus for image enhancement and method thereof}
본 발명은 이미지 처리에 관한 것으로, 특히, 야간 또는 어두운 곳에서 촬영된 저조도의 이미지를 개선하기 위한 이미지 개선 장치 및 그 방법에 관한 것이다.
최근, 차량 주행 또는 주차시 안전 운전을 위해 운전자에게 다양한 정보를 제공하기 위한 운전자 보조 장치들이 등장하고 있다. 일례로, 운전자 보조 장치들은 차선 이탈 경고, 주변 차량 검출, 및 보행자 검출 등의 기능을 제공한다.
이와 같은 운전자 보조 장치는 대부분의 경우 이미지 처리를 기반으로 수행한다. 이때, 야간 등과 같이 조도가 낮은 곳에서 촬영된 이미지는 인식이 용이하지 않기 때문에 이미지 개선을 위한 사전처리를 수행한다.
그러나, 저조도 이미지의 개선 방안은 처리 대상 이미지 내에서 영역별로 처리를 수행하기 때문에 연산이 복잡하여 처리에 많은 시간이 소요된다. 따라서 저조도 이미지의 화질을 실시간(real-time)으로 개선시킬 수 있는 방안이 필요하다.
KR 2017-0069526 A
상기와 같은 종래 기술의 문제점을 해결하기 위해, 본 발명의 일 실시예는 저조도 이미지를 단순한 연산에 의해 자동으로 인식하여 실시간으로 개선할 수 있는 이미지 개선 장치 및 그 방법을 제공하고자 한다.
위와 같은 과제를 해결하기 위한 본 발명의 일 측면에 따르면, 입력된 이미지의 어둠 정도를 추정하고 상기 어둠 정도를 임계값과 비교하는 어둠정도 추정부; 상기 어둠 정도가 상기 임계값보다 작은 경우, 상기 어둠 정도에 따라 상기 이미지의 조도를 조정하기 위한 적응 승산 인자를 추정하는 AMF 추정부; 상기 적응 승산 인자를 기초로 상기 이미지를 개선하기 위한 적응 승산 매트릭스를 연산하는 상기 AMM 연산부; 및 상기 연산된 적응 승산 매트릭스를 상기 이미지와 내적 연산하는 내적 연산부;를 포함하는 이미지 개선 장치가 제공된다.
일 실시예에서, 상기 어둠정도 추정부는 상기 이미지의 전체 화소값의 평균값 또는 대표값을 산출하여 상기 어둠 정도를 추정할 수 있다.
일 실시예에서, 상기 AMF 추정부는 상기 이미지의 화소값을 상기 임계값 이상의 화소값으로 변환하기 위한 변환상수에서, 상기 임계값 이하의 화소값 영역을 스케일링하는 스케일링 상수와 상기 어둠 정도의 비율을 감산하여 상기 적응 승산 인자를 추정할 수 있다.
일 실시예에서, 상기 AMM 연산부는 상기 적응 승산 인자를 기초로 단위 블록의 크기에 따라 상기 적응 승산 매트릭스를 연산할 수 있다.
일 실시예에서, 상기 내적 연산부는 상기 이미지와 상기 적응 승산 매트릭스를 이미지의 단위 블록별로 내적 연산할 수 있다.
본 발명의 다른 측면에 따르면, 입력된 이미지의 어둠 정도를 추정하고 상기 어둠 정도를 임계값과 비교하는 단계; 상기 어둠 정도가 상기 임계값보다 작은 경우, 상기 어둠 정도에 따라 상기 이미지의 조도를 조정하기 위한 적응 승산 인자를 추정하는 단계; 상기 적응 승산 인자를 기초로 상기 이미지를 개선하기 위한 적응 승산 매트릭스를 연산하는 단계; 및 상기 연산된 적응 승산 매트릭스를 상기 이미지와 내적 연산하는 단계;를 포함하는 이미지 개선 방법이 제공된다.
일 실시예에서, 상기 비교하는 단계는 상기 이미지의 전체 화소값의 평균값 또는 대표값을 산출하여 상기 어둠 정도를 추정할 수 있다.
일 실시예에서, 상기 추정하는 단계는 상기 이미지의 화소값을 상기 임계값 이상의 화소값으로 변환하기 위한 변환상수에서, 상기 임계값 이하의 화소값 영역을 스케일링하는 스케일링 상수와 상기 어둠 정도의 비율을 감산하여 상기 적응 승산 인자를 추정할 수 있다.
일 실시예에서, 상기 연산하는 단계는 상기 적응 승산 인자를 기초로 단위 블록의 크기에 따라 상기 적응 승산 매트릭스를 연산할 수 있다.
일 실시예에서, 상기 내적 연산하는 단계는 상기 이미지와 상기 적응 승산 매트릭스를 이미지의 단위 블록별로 내적 연산할 수 있다.
본 발명의 일 실시예에 따른 이미지 개선 장치 및 그 방법은 이미지에 대한 어둠 정도를 추정하여 이를 기초로 전체 이미지의 밝기를 증가시킴으로써, 연산 복잡도가 감소하므로 처리 속도를 증가시켜 실시간으로 처리할 수 있다.
또한, 본 발명은 야간 및 조도가 낮은 상황에서 촬영된 이미지의 화질을 개선함으로써, 이미지 처리를 기반으로 하는 운전자 지원 장치의 사전 처리에 유용할 수 있다.
도 1은 본 발명의 실시예에 따른 이미지 개선 장치를 나타낸 블록도,
도 2는 도 1에서 처리하는 원본 이미지,
도 3은 도 1에 의해 처리된 이미지, 그리고,
도 4는 본 발명의 실시예에 따른 이미지 개선 방법을 나타낸 순서도이다.
이하, 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조부호를 붙였다.
이하에서는 도면을 참조하여 본 발명의 실시예에 따른 이미지 개선 장치를 보다 상세히 설명하도록 한다. 도 1은 본 발명의 실시예에 따른 이미지 개선 장치를 나타낸 블록도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 이미지 개선 장치(100)는 어둠정도 추정부(110), AMF 추정부(120), AMM 연산부(130), 및 내적 연산부(140)를 포함한다.
이러한 이미지 개선 장치(100)는 저조도 상황에서 촬영된 이미지의 화질을 개선하기 위한 것으로, 특히, 야간 주행 등 저조도 상황에 빈번하게 노출되는 차량용 장치일 수 있다.
어둠정도 추정부(110)는 카메라로부터 촬영된 이미지의 어둠 정도(ID; Image Darkness)를 추정할 수 있다. 여기서, 어둠 정도(ID)는 이미지의 밝기와 동일한 의미이나, 특히, 이미지가 어둡게 느껴지는 정도를 의미한다.
이러한 어둠정도 추정부(110)는 이미지의 전체 화소값의 평균값을 어둠 정도(ID)로 추정할 수 있다. 이와 같은 평균값을 이용한 어둠 정도(ID)의 추정은 이미지에서 영역별로 조도 변화가 크지 않은 경우에 적합할 수 있다.
대안적으로, 어둠정도 추정부(110)는 이미지의 화소값에 대한 대표값을 산출하여 어둠 정도(ID)로 추정할 수 있다. 일례로, 어둠정도 추정부(110)는 이미지의 화소값을 히스토그램화 하고, 가장 큰 값을 갖는 화소값을 대표값으로 산출할 수 있다. 또한, 어둠정도 추정부(110)는 빈도율이 높은 상위의 복수의 화소값의 평균을 대표값으로 산출할 수 있다. 이와 같은 대표값을 이용한 어둠 정도(ID)의 추정은 조도 변화가 큰 경우 영역을 포함하는 이미지에 적합할 수 있다.
따라서 어둠정도 추정부(110)는 먼저 이미지를 히스토그램화 하고 히스토그램의 분포에 따라 선택적으로 평균값 또는 대표값으로 어둠 정도(ID)를 추정할 수 있다.
이때, 어둠정도 추정부(110)는 어둠 정도(ID)를 추정하기 이전에 연산의 편의를 위해 RGB 또는 YUV 등과 같은 이미지의 색상 정보를 그레이스케일(gray scale)로 변환할 수 있다. 이와 같은 변환에 의해 3가지의 색상 정보를 하나의 그레이스케일 정보만으로 처리하기 때문에 연산량을 감소시킬 수 있다.
또한, 어둠정도 추정부(110)는 상기와 같이 산출한 어둠 정도(ID)를 미리 정해진 임계값(Th)과 비교할 수 있다. 여기서, 임계값(Th)은 실험적으로 또는 경험적으로 선택된 값으로서, 이미지의 인식이 용이하지 않은 레벨의 밝기 또는 화소값일 수 있다.
AMF 추정부(120)는 어둠정도 추정부(110)의 비교 결과, 어둠 정도(ID)가 임계값(Th)보다 작은 경우, 어둠 정도(ID)에 따라 이미지의 조도를 조정하기 위한 적응 승산 인자(AMF; Adaptive multiplication Factor)를 추정할 수 있다. 여기서, 적응 승산 인자(AMF)는 이미지의 조도를 증가시키기 위한 것으로 이미지의 화소값에 승산되는 값일 수 있다.
이와 같이, 저조도의 이미지를 개선하기 위해서는 이미지의 화소값이 임계값(Th) 이상의 화소값으로 변환될 필요가 있다. 즉, 이미지의 화소값이 임의의 값에 의해 승산(multiplication)됨으로써, 밝기가 증가하여 이미지에서 사물을 인식할 수 있을 정도로 이미지의 화질이 개선될 수 있다.
이때, 이미지의 화소값에 승산되는 값은 어둠 정도(ID)에 따라 적응적으로 변화되어야 한다. 즉, 승산되는 값(변환상수)이 일정한 경우, 어둠 정도(ID)가 큰 경우와 작은 경우에 동일한 비율로 화소값이 증가하기 때문에 임계값(Th)에 근접한 어둠 정도(ID)의 경우, 너무 높은 화소값으로 변환될 수 있다. 이는 오히려 이미지의 인식에 악영향을 초래할 수 있다.
이를 위해 임계값(Th) 이하의 화소값 영역은 어둠 정도(ID)에 따라 스케일링 되고, 스케일링된 값만큼 변환상수가 조정될 수 있다. 여기서, 스케일링된 값은 어둠 정도(ID)와, 임계값(Th) 이하의 화소값 영역을 스케일링하는 스케일링 상수의 비율로 결정될 수 있다.
이와 같은 스케일링된 값에 의해, 히스토그램의 평활화와 유사하게, 히스토그램의 분포가 균일하게 분산될 수 있다. 즉, 화소값의 편차가 균일하게 분산되기 때문에 사물의 경계가 명확하게 구분되므로, 이미지 내의 사물이 더 용이하게 인식될 수 있다.
이러한 AMF 추정부(120)는 변환상수(a)에서, 스케일링 상수(b)와 어둠 정도(ID)의 비율을 감산함으로써 적응 승산 인자(AMF)를 추정할 수 있다. 즉 AMF 추정부(120)는 하기의 식에 따라 적응 승산 인자(AMF)를 추정할 수 있다 :
AMF = a - (ID / b)
여기서, a는 변환상수, b는 스케일링 상수.
AMM 연산부(130)는 적응 승산 인자(AMF)를 기초로 이미지를 개선하기 위한 적응 승산 매트릭스(AMM)를 연산할 수 있다. 여기서, 적응 승산 매트릭스(AMM)는 미리 결정된 N×N 매트릭스일 수 있다. 일례로, 적응 승산 매트릭스(AMM)의 크기(N)는 이미지를 처리하기 위해 사용된 단위 블록의 크기로 결정될 수 있다.
즉, AMM 연산부(130)는 적응 승산 인자(AMF)를 기초로 단위 블록의 크기에 따라 적응 승산 매트릭스(AMM)를 연산할 수 있다.
여기서, 적응 승산 매트릭스(AMM)는 매트릭스 내의 대각 요소들에 적응 승산 인자(AMF)가 배치될 수 있다. 이때, 적응 승산 매트릭스(AMM)는 어둠 정도(ID)에 따른 조정 계수를 포함할 수 있다. 일례로, 조정 계수는 이미지에 대한 히스토그램의 평활화를 용이하게 하도록 결정될 수 있다. 또한 조정 계수는 화소값의 변화량에 따라 결정될 수 있다.
내적 연산부(140)는 AMM 연산부(130)에서 연산된 적응 승산 매트릭스(AMM)를 이미지와 내적 연산(dot product)함으로써, 이미지의 어둠 정도(ID)를 개선할 수 있다. 이때, 내적 연산부(140)는 이미지와 적응 승산 매트릭스(AMM)를 이미지의 단위 블록별로 내적 연산할 수 있다.
이와 같은 구성에 의해, 본 발명은 저조도 이미지를 단순한 연산에 의해 자동으로 인식하여 실시간으로 개선할 수 있다.
도 2는 도 1에서 처리하는 원본 이미지이며, 도 3은 도 1에 의해 처리된 이미지이다.
도 2에 도시된 바와 같이, 야간 주행시 주변에 조명이 거의 없어 조도가 낮은 이미지는 화소값이 전반적으로 낮고 그 편차가 적다. 이는 히스토그램에서 일정한 화소값에 집중되는 형태이다. 따라서 사물의 경계가 용이하게 구분되지 않으므로 이미지 내의 사물을 인식하기 곤란하다.
이와 같은 저조도의 원본 이미지는 화소값을 증가시키는 동시에 편차를 증가시켜 사물의 경계가 구분 가능하게 개선되어야 한다.
본 발명의 실시예에 따른 이미지 개선 장치(100)에 의해 처리한 결과, 도 3과 같이, 조도가 개선되어 주변 영역이 환하게 보이게 된다. 또한, 히스토그램의 평활화 효과가 나타나므로 사물의 경계가 뚜렷하게 구분될 수 있다. 따라서 이미지 개선 장치(100)는 이미지 내의 사물을 인식하기 용이하게 되도록 저조도의 이미지를 개선할 수 있다.
이하, 도 4를 참조하여 본 발명의 이미지 개선 방법을 설명한다. 도 4는 본 발명의 실시예에 따른 이미지 개선 방법을 나타낸 순서도이다.
이미지 개선 방법(200)은 어둠 정도(ID)를 추정하여 비교하는 단계(S210, S220), 적응 승산 인자(AMF)를 추정하는 단계(S230), 적응 승산 매트릭스(AMM)를 연산하는 단계(S240), 및 적응 승산 매트릭스(AMM)를 내적 연산하는단계(S250)를 포함한다.
보다 상세히 설명하면, 도 4에 도시된 바와 같이, 먼저, 카메라로부터 촬영된 이미지의 어둠 정도(ID)를 추정한다(단계 S210). 이때, 이미지의 전체 화소값의 평균값을 어둠 정도(ID)로 추정할 수 있다.
대안적으로, 이미지의 화소값에 대한 대표값을 산출하여 어둠 정도(ID)로 추정할 수 있다. 일례로, 이미지의 화소값을 히스트로그램화 하고, 가장 큰 값을 갖는 화소값을 대표값으로 산출할 수 있다. 또한, 빈도율이 높은 상위의 복수의 화소값의 평균을 대표값으로 산출할 수 있다.
이와 같은 어둠 정도(ID)의 추정은 먼저 이미지를 히스토그램화 하고 히스토그램의 분포에 기반한 이미지의 특성에 따라 선택적으로 사용할 수 있다. 일례로, 조도 변화가 큰 영역을 포함하지 않는 이미지는 이미지 전체적으로 유사한 화소값을 갖기 때문에 전체 화소값의 평균값으로 어둠 정도(ID)를 추정할 수 있다.
또한, 조도 변화가 큰 영역을 포함하는 이미지는 이미지 내의 일부 영역이 주변과 차이가 큰 화소값을 갖기 때문에, 평균값 보다는 대표값으로 어둠 정도(ID)를 추정할 수 있다. 즉, 유사한 화소값이 많은 영역이 대표값으로 선택되어 어둠 정도(ID)가 추정될 수 있다. 이때, 이미지의 일부에 존재하는 화소값이 차이가 큰 영역은 경계의 구분이 용이하게 때문에 어둠 정도(ID)에 큰 영향을 주지 않는다.
여기서, 어둠 정도(ID)를 추정하기 위한 화소값의 처리는 RGB 또는 YUV 등과 같은 이미지의 색상 정보를 기반으로 수행할 수도 있고, 이와 같은 색상 정보를 그레이스케일로 변환하여 수행할 수도 있다. 이와 같은 변환에 의해 3가지의 색상 정보를 하나의 그레이스케일 정보만으로 처리할 수 있기 때문에 연산량을 감소시킬 수 있다.
다음으로, 추정된 어둠 정도(ID)를 미리 정해진 임계값(Th)과 비교한다(단계 S220). 여기서, 임계값(Th)은 실험적으로 또는 경험적으로 선택된 값으로서, 이미지의 인식이 용이하지 않은 레벨의 밝기 또는 화소값일 수 있다.
단계 S220의 비교결과, 추정된 어둠 정도(ID)가 임계값(Th)보다 큰 경우, 해당 이미지의 조도가 낮지 않기 때문에 단계 S210으로 복귀하여 다음에 입력되는 이미지의 처리를 수행할 수 있다.
단계 S220의 비교결과, 추정된 어둠 정도(ID)가 임계값(Th)보다 작은 경우, 단계 S230 내지 단계 S250의 이미지 개선을 수행한다.
먼저, 어둠 정도(ID)에 따라 이미지의 조도를 조정하기 위한 적응 승산 인자(AMF)를 추정한다(단계 S230). 여기서, 적응 승산 인자(AMF)는 이미지의 조도를 증가시키기 위한 것으로 이미지의 화소값에 승산되는 값일 수 있다.
한편, 승산되는 값(변환상수)이 일정한 경우, 어둠 정도(ID)가 큰 경우와 작은 경우에 동일한 비율로 화소값을 증가시키기 때문에, 이미지의 화소값에 승산되는 값은 어둠 정도(ID)에 따라 적응적으로 변화되어야 한다. 즉, 어둠 정도(ID)와 임계값(Th)의 차이에 따라 화소값에 승산되는 값을 조정해야 한다.
이를 위해 임계값(Th) 이하의 화소값 영역은 어둠 정도(ID)에 따라 스케일링 되고, 스케일링된 값만큼 변환상수를 조종할 수 있다. 여기서, 스케일링된 값은 어둠 정도(ID)와, 임계값(Th) 이하의 화소값 영역을 스케일링하는 스케일링 상수의 비율로 결정될 수 있다.
즉, 변환상수(a)에서, 스케일링 상수(b)와 어둠 정도(ID)의 비율을 감산함으로써 적응 승산 인자(AMF)를 추정할 수 있다. 결과적으로, 하기의 식에 따라 적응 승산 인자(AMF)를 추정할 수 있다 :
AMF = a - (ID / b)
여기서, a는 변환상수, b는 스케일링 상수.
이와 같은 스케일링된 값에 의해, 히스토그램의 평활화와 유사하게, 히스토그램의 분포가 균일하게 분산될 수 있다. 즉, 화소값의 편차가 균일하게 분산되기 때문에 사물의 경계가 명확하게 구분되므로, 이미지에서 사물을 더 용이하게 인식할 수 있다.
다음으로, 적응 승산 인자(AMF)를 기초로 이미지를 개선하기 위한 적응 승산 매트릭스(AMM)를 연산한다(단계 S240). 여기서, 적응 승산 매트릭스(AMM)는 미리 결정된 N×N 매트릭스일 수 있다. 일례로, 적응 승산 매트릭스(AMM)의 크기(N)를 이미지를 처리하기 위해 사용된 단위 블록의 크기로 결정할 수 있다. 즉, 적응 승산 인자(AMF)를 기초로 단위 블록의 크기에 따라 적응 승산 매트릭스(AMM)를 연산할 수 있다.
이때, 매트릭스 내의 대각 요소들에 적응 승산 인자(AMF)가 배치되도록 적응 승산 매트릭스(AMM)를 연산할 수 있다. 여기서, 적응 승산 매트릭스(AMM)는 어둠 정도(ID)에 따라 조정 계수를 포함할 수 있다. 즉, 이미지에 대한 히스토그램의 평활화를 용이하게 하도록 조정 계수를 결정할 수 있다. 또한 이미지 내의 화소값의 변화량에 따라 조정 계수를 결정할 수 있다.
다음으로, 연산된 적응 승산 매트릭스(AMM)를 이미지와 내적 연산한다(단계 S250). 이때, 이미지와 적응 승산 매트릭스(AMM)를 이미지의 단위 블록별로 내적 연산할 수 있다.
이와 같은 방법에 의해 본 발명은 저조도 이미지를 단순한 연산에 의해 자동으로 인식하여 실시간으로 개선할 수 있다.
상기와 같은 방법들은 도 1에 도시된 바와 같은 이미지 개선 장치(100)에 의해 구현될 수 있고, 특히, 이러한 단계들을 수행하는 소프트웨어 프로그램으로 구현될 수 있으며, 이 경우, 이러한 프로그램들은 컴퓨터 판독가능한 기록 매체에 저장되거나 전송 매체 또는 통신망에서 반송파와 결합된 컴퓨터 데이터 신호에 의하여 전송될 수 있다.
이때, 컴퓨터 판독 가능한 기록 매체는 컴퓨터 시스템에 의해 판독가능한 데이터가 저장되는 모든 종류의 기록 장치를 포함하며, 예를 들면, ROM, RAM, CD-ROM, DVD-ROM, DVD-RAM, 자기 테이프, 플로피 디스크, 하드 디스크, 광 데이터 저장장치 등일 수 있다.
이상에서 본 발명의 일 실시예에 대하여 설명하였으나, 본 발명의 사상은 본 명세서에 제시되는 실시 예에 제한되지 아니하며, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서, 구성요소의 부가, 변경, 삭제, 추가 등에 의해서 다른 실시 예를 용이하게 제안할 수 있을 것이나, 이 또한 본 발명의 사상범위 내에 든다고 할 것이다.
100 : 이미지 개선 장치 110 : 어둠정도 추정부
120 : AMF 추정부 130 : AMM 연산부
140 : 내적 연산부

Claims (10)

  1. 입력된 이미지의 어둠 정도를 추정하고 상기 어둠 정도를 임계값과 비교하는 어둠정도 추정부;
    상기 어둠 정도가 상기 임계값보다 작은 경우, 상기 어둠 정도에 따라 상기 이미지의 화소값을 조정하기 위한 적응 승산 인자를 추정하는 AMF 추정부;
    상기 적응 승산 인자를 기초로 상기 이미지를 개선하기 위한 적응 승산 매트릭스를 연산하는 AMM 연산부; 및
    상기 연산된 적응 승산 매트릭스를 상기 이미지와 내적 연산하는 내적 연산부;
    를 포함하고,
    상기 AMF 추정부는 상기 이미지의 화소값을 상기 임계값 이상의 화소값으로 변환하기 위한 변환상수에서, 상기 임계값 이하의 화소값 영역을 스케일링하는 스케일링 상수와 상기 어둠 정도의 비율을 감산하여 상기 적응 승산 인자를 추정하는 이미지 개선 장치.
  2. 제1항에 있어서,
    상기 어둠정도 추정부는 상기 이미지의 전체 화소값의 평균값 또는 대표값을 산출하여 상기 어둠 정도를 추정하는 이미지 개선 장치.
  3. 삭제
  4. 제1항에 있어서,
    상기 AMM 연산부는 상기 적응 승산 인자를 기초로 단위 블록의 크기에 따라 상기 적응 승산 매트릭스를 연산하는 이미지 개선 장치.
  5. 제1항에 있어서,
    상기 내적 연산부는 상기 이미지와 상기 적응 승산 매트릭스를 이미지의 단위 블록별로 내적 연산하는 이미지 개선 장치.
  6. 입력된 이미지의 어둠 정도를 추정하고 상기 어둠 정도를 임계값과 비교하는 단계;
    상기 어둠 정도가 상기 임계값보다 작은 경우, 상기 어둠 정도에 따라 상기 이미지의 화소값을 조정하기 위한 적응 승산 인자를 추정하는 단계;
    상기 적응 승산 인자를 기초로 상기 이미지를 개선하기 위한 적응 승산 매트릭스를 연산하는 단계; 및
    상기 연산된 적응 승산 매트릭스를 상기 이미지와 내적 연산하는 단계;
    를 포함하고,
    상기 추정하는 단계는 상기 이미지의 화소값을 상기 임계값 이상의 화소값으로 변환하기 위한 변환상수에서, 상기 임계값 이하의 화소값 영역을 스케일링하는 스케일링 상수와 상기 어둠 정도의 비율을 감산하여 상기 적응 승산 인자를 추정하는 이미지 개선 방법.
  7. 제6항에 있어서,
    상기 비교하는 단계는 상기 이미지의 전체 화소값의 평균값 또는 대표값을 산출하여 상기 어둠 정도를 추정하는 이미지 개선 방법.
  8. 삭제
  9. 제6항에 있어서,
    상기 연산하는 단계는 상기 적응 승산 인자를 기초로 단위 블록의 크기에 따라 상기 적응 승산 매트릭스를 연산하는 이미지 개선 방법.
  10. 제6항에 있어서,
    상기 내적 연산하는 단계는 상기 이미지와 상기 적응 승산 매트릭스를 이미지의 단위 블록별로 내적 연산하는 이미지 개선 방법.
KR1020180032126A 2018-03-20 2018-03-20 이미지 개선 장치 및 그 방법 KR102022234B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180032126A KR102022234B1 (ko) 2018-03-20 2018-03-20 이미지 개선 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180032126A KR102022234B1 (ko) 2018-03-20 2018-03-20 이미지 개선 장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR102022234B1 true KR102022234B1 (ko) 2019-11-04

Family

ID=68577993

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180032126A KR102022234B1 (ko) 2018-03-20 2018-03-20 이미지 개선 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR102022234B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080114172A (ko) * 2007-06-27 2008-12-31 주식회사 코아로직 비선형 저조도 보정장치, 방법 및 상기 방법을프로그램화하여 수록한 컴퓨터로 읽을 수 있는 기록매체
KR20100004329A (ko) * 2008-07-03 2010-01-13 엘지전자 주식회사 어두운 영역의 화질 개선장치
KR20120066250A (ko) * 2010-12-14 2012-06-22 엠텍비젼 주식회사 적응적 영상 보상 장치 및 그 방법
KR20130002700A (ko) * 2011-06-29 2013-01-08 엘지이노텍 주식회사 하이퍼볼릭 탄젠트 함수 곡선 및 이미지 히스토그램을 이용한 적응적 콘트라스트 개선 방법
KR20170069526A (ko) 2015-12-11 2017-06-21 현대자동차주식회사 영상 개선 방법 및 컴퓨터 판독 가능한 기록매체

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080114172A (ko) * 2007-06-27 2008-12-31 주식회사 코아로직 비선형 저조도 보정장치, 방법 및 상기 방법을프로그램화하여 수록한 컴퓨터로 읽을 수 있는 기록매체
KR20100004329A (ko) * 2008-07-03 2010-01-13 엘지전자 주식회사 어두운 영역의 화질 개선장치
KR20120066250A (ko) * 2010-12-14 2012-06-22 엠텍비젼 주식회사 적응적 영상 보상 장치 및 그 방법
KR20130002700A (ko) * 2011-06-29 2013-01-08 엘지이노텍 주식회사 하이퍼볼릭 탄젠트 함수 곡선 및 이미지 히스토그램을 이용한 적응적 콘트라스트 개선 방법
KR20170069526A (ko) 2015-12-11 2017-06-21 현대자동차주식회사 영상 개선 방법 및 컴퓨터 판독 가능한 기록매체

Similar Documents

Publication Publication Date Title
US11127122B2 (en) Image enhancement method and system
Park et al. Single image dehazing with image entropy and information fidelity
US8111943B2 (en) Smart image enhancement process
Gao et al. Sand-dust image restoration based on reversing the blue channel prior
CN103218778B (zh) 一种图像和视频的处理方法及装置
WO2016206087A1 (zh) 一种低照度图像处理方法和装置
KR101051459B1 (ko) 영상의 에지를 추출하는 장치 및 방법
US20030052979A1 (en) Image processing method and apparatus
US10091422B2 (en) Image processing device and recording medium
US8594446B2 (en) Method for enhancing a digitized document
CN109214996B (zh) 一种图像处理方法及装置
JP6531542B2 (ja) 画像処理システム、画像処理装置、撮像装置、画像処理方法、プログラムおよび記録媒体
CN106204470A (zh) 基于模糊理论的低照度成像方法
KR102377318B1 (ko) 광노출 보정 및 화질 개선을 위한 hdr 기법
CN115660964A (zh) 基于阈值分区加权亮度分量的夜间道路图像增强方法
CN111582100B (zh) 一种目标对象的检测方法及设备
CN111598886A (zh) 一种基于单幅图像的像素级透过率估计方法
KR101535630B1 (ko) 밝기변환 모델을 이용한 야간 영상의 밝기 개선 장치
CN116917954A (zh) 图像检测方法、装置和电子设备
KR102022234B1 (ko) 이미지 개선 장치 및 그 방법
CN111539975A (zh) 一种运动目标的检测方法、装置、设备及存储介质
US20230146016A1 (en) Method and apparatus for extreme-light image enhancement
CN110633705A (zh) 一种低照度成像车牌识别方法及装置
CN115334250A (zh) 一种图像处理方法、装置及电子设备
CN114549352A (zh) 图像处理方法、装置、电子设备和存储介质

Legal Events

Date Code Title Description
GRNT Written decision to grant