KR102057261B1 - 이미지 처리 방법 및 장치 - Google Patents

이미지 처리 방법 및 장치 Download PDF

Info

Publication number
KR102057261B1
KR102057261B1 KR1020180064733A KR20180064733A KR102057261B1 KR 102057261 B1 KR102057261 B1 KR 102057261B1 KR 1020180064733 A KR1020180064733 A KR 1020180064733A KR 20180064733 A KR20180064733 A KR 20180064733A KR 102057261 B1 KR102057261 B1 KR 102057261B1
Authority
KR
South Korea
Prior art keywords
histogram
value
sub
tone
image
Prior art date
Application number
KR1020180064733A
Other languages
English (en)
Other versions
KR20190138375A (ko
Inventor
이재일
Original Assignee
국방과학연구소
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 국방과학연구소 filed Critical 국방과학연구소
Priority to KR1020180064733A priority Critical patent/KR102057261B1/ko
Publication of KR20190138375A publication Critical patent/KR20190138375A/ko
Application granted granted Critical
Publication of KR102057261B1 publication Critical patent/KR102057261B1/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
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image

Landscapes

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

Abstract

본 발명의 일 실시예에 따른, 이미지를 처리하는 방법은, 이미지의 히스토그램(histogram)을 생성하는 단계와, 생성된 히스토그램의 톤(tone) 값 범위의 중앙값(midpoint)을 기준으로 생성된 히스토그램을 제1 서브-히스토그램(sub-histogram)과 제2 서브-히스토그램으로 분할하는 단계와, 제1 서브-히스토그램의 톤 분포의 평균에 기초하여 제1 서브-히스토그램을 위한 제1 플래토(plateau) 값을 획득하고, 제2 서브-히스토그램의 톤 분포의 평균에 기초하여 제2 서브-히스토그램을 위한 제2 플래토 값을 획득하는 단계와. 제1 플래토 값을 이용하여 제1 서브-히스토그램을 수정하고, 제2 플래토 값을 이용하여 제2 서브-히스토그램을 수정하는 단계를 포함할 수 있다.

Description

이미지 처리 방법 및 장치 {METHOD FOR PROCESSING AN IMAGE AND APPARATUS THEREFOR}
본 발명은 이미지의 히스토그램을 수정함으로써 이미지를 처리하는 방법 및 장치에 관한 것이다. 보다 구체적으로, 본 발명은 적외선 이미지의 히스토그램을 수정하여 적외선 이미지의 대조비를 개선하기 위한 이미지 처리 방법 및 장치에 관한 것이다.
적외선 영상 시스템은 주변 환경의 적외선 에너지를 검출하여 영상화함으로써 주변 환경에 대한 정보를 제공한다. 적외선 영상 시스템은 가시광이 전혀 없는 상황에서도 주변 환경을 영상화하여 주변 환경에 대한 정보를 제공할 수 있다는 점에서 주야간의 군사적 목적을 달성하기 위한 상황에서 이용될 수 있다. 그런데 주변 환경은 계절별, 시간별, 기후별로 상황이 변화하기 때문에 적외선 에너지도 영향을 받게되어 동일한 장소일지라도 주변 환경의 상황에 따라 적외선 영상(image)의 화질에 차이가 발생하게 된다. 이 때문에, 적외선 영상 시스템은 주변 환경의 변화에 대응하여 양질의 영상을 얻기 위해 영상의 밝은 부분과 어두운 부분의 음영의 계조 차이인 대조비(contrast ratio)를 개선하는 기능이 요구된다.
적외선 영상 시스템은 군용 목적으로 최초 개발되어 그 유용성으로 인해 점차 타 산업 및 민간영역으로 기술이 파급되어 나간 기술이다. 적외선 영상의 화질 개선하기 위해 기존 적외선 영상 시스템은 적외선 영상 시스템에 가시광 영상의 기술을 적용하기도 한다. 그러나, 적외선 영상은 가시광 영상과 비교하여 대조비가 매우 낮다는 특성을 가진다. 이 때문에, 가시광 영상의 기술을 적외선 영상에 적용하는 경우, 적외선 영상의 특성이 반영되지 않아 적외선 영상 내의 고온 영역 또는 저온 영역이 과대 강조되는 부작용이 발생하고, 대조비 개선이 잘 이루어지지 않게 된다.
이러한 대조비 개선의 문제를 해결하기 위해, 사용자가 영상의 개선 정도를 육안으로 확인해가며 수동으로 적외선 영상의 대조비 개선과 관련된 변수의 설정을 변경하거나 조정하여 대조비를 개선하도록 하는 연구가 진행되었다. 그러나 이러한 적외선 영상의 대조비 개선 방법은 운용상 편의성이 낮고 운용 지연이 발생하는 또 다른 문제점을 야기하게 된다.
한국등록특허 10-1531879, 적외선 영상 처리 장치(INFRARED IMAGE PROCESSING APPARATUS)(2015년06월22일 등록)
본 발명이 해결하고자 하는 과제는, 적외선 영상(infrared image)의 이미지 히스토그램(image histogram)을 적외선 영상 특성을 고려하여 분할하고, 분할된 각각의 서브-히스토그램(sub-histogram)을 수정함으로써 적외선 영상의 대조비를 개선하는 방법 및 장치를 제공하는 것이다.
다만, 본 발명이 해결하고자 하는 과제는 이상에서 언급한 바로 제한되지 않으며, 언급되지는 않았으나 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있는 목적을 포함할 수 있다.
본 발명의 일 실시예에 따른, 이미지를 처리하는 방법은, 상기 이미지의 히스토그램(histogram)을 생성하는 단계와, 상기 생성된 히스토그램의 톤(tone) 값 범위의 중앙값(midpoint)을 기준으로 상기 생성된 히스토그램을 제1 서브-히스토그램(sub-histogram)과 제2 서브-히스토그램으로 분할하는 단계와, 상기 제1 서브-히스토그램의 톤 분포의 평균에 기초하여 상기 제1 서브-히스토그램을 위한 제1 플래토(plateau) 값을 획득하고, 상기 제2 서브-히스토그램의 톤 분포의 평균에 기초하여 상기 제2 서브-히스토그램을 위한 제2 플래토 값을 획득하는 단계와. 상기 제1 플래토 값을 이용하여 상기 제1 서브-히스토그램을 수정하고, 상기 제2 플래토 값을 이용하여 상기 제2 서브-히스토그램을 수정하는 단계를 포함한다.
또한, 상기 이미지는 적외선 이미지이다.
또한, 상기 히스토그램은 톤 분포에 대한 히스토그램이다.
또한, 히스토그램의 분포는 2개의 위로 볼록한 부분을 포함하는 바이-모달(bi-modal) 분포 특성을 가진다.
또한, 상기 중앙값은 상기 톤 값 범위 내의 중간의 톤 값이다.
또한, 상기 제1 서브-히스토그램의 톤 분포의 평균은,
Figure 112018055221435-pat00001
(AL은 제1 서브-히스토그램의 톤 분포의 평균, i는 톤 값, HL은 톤 값이 i일 때 제1 서브-히스토그램의 픽셀 수, gmin은 제1 서브-히스토그램의 최소 톤 값, gm은 상기 중앙값)을 통해 획득되고, 상기 제2 서브-히스토그램의 화소 분포의 평균은,
Figure 112018055221435-pat00002
(AH는 제2 서브-히스토그램의 톤 분포의 평균, i는 톤 값, HH는 톤 값이 i일 때 제2 서브-히스토그램의 픽셀 수, gmax는 제2 서브-히스토그램의 최대 톤 값)를 통해 획득된다.
또한, 상기 제1 플래토 값을 결정하기 위한 매핑 함수 값은,
Figure 112018055221435-pat00003
(αL은 상기 제1 플래토 값을 결정하기 위한 매핑 함수 값,
Figure 112018055221435-pat00004
및
Figure 112018055221435-pat00005
는 미리 지정된 상수)을 통해 획득되고, 상기 제2 플래토 값을 결정하기 위한 매핑 함수 값은,
Figure 112018055221435-pat00006
(βL은 상기 제2 플래토 값을 결정하기 위한 매핑함수 값)를 통해 획득된다.
또한, 상기
Figure 112018055221435-pat00007
는 0.6이고, 상기
Figure 112018055221435-pat00008
는 0.4이다.
또한, 상기 제1 플래토 값은
Figure 112018055221435-pat00009
,
Figure 112018055221435-pat00010
(PL은 상기 제1 플래토 값, HL(g)은 제1 서브-히스토그램에서 톤 값이 g일 때의 픽셀 수, 함수 C는 카운트(count) 함수,
Figure 112018055221435-pat00011
는 0이상
Figure 112018055221435-pat00012
이하 범위 내에서 HL(g)>PL를 만족하는 g 의 값,
Figure 112018055221435-pat00013
은 0이상
Figure 112018055221435-pat00014
이하 범위 내에서 HL(g)>0을 만족하는 g 의 값)를 통해 획득되고, 상기 제2 플래토 값은
Figure 112018055221435-pat00015
,
Figure 112018055221435-pat00016
(PH는 상기 제2 플래토 값, HH(g)는 제2 서브-히스토그램에서 톤 값이 g일 때의 픽셀 수,
Figure 112018055221435-pat00017
는
Figure 112018055221435-pat00018
이상 L-1이하의 범위 내에서 HH(g)>PH를 만족하는 g 의 값,
Figure 112018055221435-pat00019
은
Figure 112018055221435-pat00020
이상 L-1이하의 범위 내에서 HH(g)>0을 만족하는 g 의 값)을 통해 획득된다.
또한, 상기 제1 서브-히스토그램을 수정하고, 상기 제2 서브-히스토그램을 수정하는 단계는, 상기 제1 서브-히스토그램의 상기 제1 플래토 값을 초과한 톤 분포를 제거함으로써 상기 제1 서브-히스토그램을 수정하고, 상기 제2 서브-히스토그램의 상기 제2 플래토 값을 초과한 톤 분포를 제거함으로써 상기 제2 서브-히스토그램을 수정하는 단계를 포함한다.
또한, 상기 이미지 처리 방법은, 상기 수정된 제1 서브-히스토그램의 누적분포함수인 제1 누적분포함수(cumulative distribution function)를 이용하여 계산된
Figure 112018055221435-pat00021
(fL는 제1 대조비 개선 함수, L은 상기 히스토그램의 톤 값 중 최대값, cdf1은 상기 제1 누적분포함수, MAX[cdf1]는 상기 제1 누적분포함수 중 최대값)을 이용하여 상기 제1 서브-히스토그램 부분의 대조비를 개선하고, 상기 수정된 제2 서브-히스토그램의 누적분포함수인 제2 누적분포함수를 이용하여 계산된
Figure 112018055221435-pat00022
(fH는 제2 대조비 개선 함수, cdf2은 상기 제2 누적분포함수, MAX[cdf2]는 상기 제2 누적분포함수 중 최대값)을 이용하여 상기 제2 서브-히스토그램 부분의 대조비를 개선하는 단계를 포함한다.
이미지를 처리하는 장치에 있어서, 상기 이미지의 히스토그램(histogram)을 생성하는 히스토그램 생성부와, 상기 생성된 히스토그램의 톤(tone) 값 범위의 중앙값(midpoint)을 기준으로 상기 생성된 히스토그램을 제1 서브-히스토그램(sub-histogram)과 제2 서브-히스토그램으로 분할하는 히스토그램 분할부와, 상기 제1 서브-히스토그램의 톤 분포의 평균에 기초하여 상기 제1 서브-히스토그램을 위한 제1 플래토(plateau) 값을 획득하고, 상기 제2 서브-히스토그램의 톤 분포의 평균에 기초하여 상기 제2 서브-히스토그램을 위한 제2 플래토 값을 획득하는, 플래토 값 획득부와. 상기 제1 플래토 값을 이용하여 상기 제1 서브-히스토그램을 수정하고, 상기 제2 플래토 값을 이용하여 상기 제2 서브-히스토그램을 수정하는, 히스토그램 수정부를 포함한다.
또한, 상기 이미지는 적외선 이미지이다.
또한, 상기 제1 서브-히스토그램의 톤 분포의 평균은,
Figure 112018055221435-pat00023
(AL은 제1 서브-히스토그램의 톤 분포의 평균, i는 톤 값, HL은 톤 값이 i일 때 제1 서브-히스토그램의 픽셀 수, gmin은 제1 서브-히스토그램의 최소 톤 값, gm은 상기 중앙값)을 통해 획득되고, 상기 제2 서브-히스토그램의 화소 분포의 평균은,
Figure 112018055221435-pat00024
(AH는 제2 서브-히스토그램의 화소 분포의 평균, i는 톤 값, HH는 톤 값이 i일 때 제2 서브-히스토그램의 픽셀 수, gmax는 제2 서브-히스토그램의 최대 톤 값)를 통해 획득된다.
또한, 상기 제1 플래토 값 결정하기 위한 매핑 함수 값은,
Figure 112018055221435-pat00025
(αL은 상기 제1 플래토 값을 결정하기 위한 매핑 함수 값,
Figure 112018055221435-pat00026
및
Figure 112018055221435-pat00027
는 미리 지정된 상수)을 통해 획득되고,
상기 제2 플래토 값을 결정하기 위한 매핑 함수 값은,
Figure 112018055221435-pat00028
(βL은 상기 제2 플래토 값을 결정하기 위한 매핑함수 값)를 통해 획득된다.
또한, 상기
Figure 112018055221435-pat00029
는 0.6이고, 상기
Figure 112018055221435-pat00030
는 0.4이다.
또한, 상기 제1 플래토 값은
Figure 112018055221435-pat00031
,
Figure 112018055221435-pat00032
(PL은 상기 제1 플래토 값, HL(g)는 제1 서브-히스토그램에서 톤 값이 g일 때의 픽셀 수, 함수 C는 카운트(count) 함수,
Figure 112018055221435-pat00033
는 0이상
Figure 112018055221435-pat00034
이하 범위 내에서 HL(g)>PL를 만족하는 g 의 값,
Figure 112018055221435-pat00035
은 0이상
Figure 112018055221435-pat00036
이하 범위 내에서 HL(g)>0을 만족하는 g 의 값)를 통해 획득되고,
상기 제2 플래토 값은
Figure 112018055221435-pat00037
,
Figure 112018055221435-pat00038
(PH는 상기 제2 플래토 값, HH(g)는 제2 서브-히스토그램에서 톤 값이 g일 때의 픽셀 수,
Figure 112018055221435-pat00039
는
Figure 112018055221435-pat00040
이상 L-1이하의 범위 내에서 HH(g)>PH를 만족하는 g 의 값,
Figure 112018055221435-pat00041
은
Figure 112018055221435-pat00042
이상 L-1이하의 범위 내에서 HH(g)>0을 만족하는 g 의 값)을 통해 획득된다.
또한, 상기 히스토그램 수정부는 상기 제1 서브-히스토그램의 상기 제1 플래토 값을 초과하여 위치된 톤 분포를 제거함으로써 상기 제1 서브-히스토그램을 수정하고, 상기 제2 서브-히스토그램의 상기 제2 플래토 값을 초과하여 위치된 톤 분포를 제거함으로써 상기 제2 서브-히스토그램을 수정한다.
또한, 상기 히스토그램 수정부는, 상기 수정된 제1 서브-히스토그램의 누적분포함수인 제1 누적분포함수(cumulative distribution function)를 이용하여 계산된,
Figure 112018055221435-pat00043
(fL는 제1 대조비 개선 함수, L은 상기 히스토그램의 톤 값 중 최대값, cdf1은 상기 제1 누적분포함수, MAX[cdf1]는 상기 제1 누적분포함수 중 최대값)을 이용하여 상기 제1 서브-히스토그램 부분의 대조비를 개선하고, 상기 수정된 제2 서브-히스토그램의 누적분포함수인 제2 누적분포함수를 이용하여,
Figure 112018055221435-pat00044
(fH는 제2 대조비 개선 함수, cdf2은 상기 제2 누적분포함수, MAX[cdf2]는 상기 제2 누적분포함수 중 최대값)을 이용하여 상기 제2 서브-히스토그램 부분의 대조비를 개선한다.
본 발명의 실시예에 의하면, 적외선 영상의 특성을 고려하여 적외선 영상의 이미지 히스토그램을 분할하고, 매핑함수를 이용하여 분할된 각각의 히스토그램에 대한 플래토 값을 획득하여 효과적이고 효율적으로 대조비 개선을 수행함으로써 양질의 적외선 영상을 획득할 수 있다.
본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 적외선 영상 시스템의 기능 블록도의 예를 도시한다.
도 2는 본 발명의 일 실시예에 따른 이미지 처리 장치의 기능 블록도의 예를 도시한다.
도 3은 본 발명의 일 실시예에 따른 이미지 처리 방법의 각 단계의 흐름을 도시한다.
도 4는 본 발명의 일 실시예에 따른 이미지 히스토그램의 예를 도시한다.
도 5는 본 발명의 일 실시예에 따른 수정된 이미지 히스토그램의 예를 도시한다.
도 6은 종래 기술을 이용하여 이미지를 처리한 결과와 본 발명의 일 실시예에 따른 이미지 처리 방법을 이용하여 이미지를 처리한 결과의 비교 예를 도시한다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명의 범주는 청구항에 의해 정의될 뿐이다.
본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명은 본 발명의 실시예들을 설명함에 있어 실제로 필요한 경우 외에는 생략될 것이다. 그리고 후술되는 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 본 발명의 일 실시예에 따른 적외선 영상 시스템의 기능 블록도의 예를 도시한다. 본 명세서에서 이하 사용되는 '…부' 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어, 또는, 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
도 1을 참조하면, 적외선 영상 시스템(100)은 적외선 광학부(101), 적외선 검출부(103), 전처리부(105), 영상 처리부(107), 표시부(109), 및 제어부(111)를 포함할 수 있다.
적외선 광학부(101)는 주변 환경 또는 정보를 획득하고자 하는 환경에서 방출된 적외선 에너지를 집광할 수 있다. 적외선 광학부(101)는 적외선 에너지를 집광하는 렌즈로 구성될 수 있다.
적외선 검출부(103)는 적외선 광학부(101)에서 집광된 적외선 에너지를 검출하여 적외선 에너지에 대한 정보를 영상으로 나타낼 수 있다. 적외선 검출부(103)는 적외선 에너지를 전기적 신호로 변환하는 소자를 포함할 수 있다. 적외선 검출부(103)는 전기적 신호로 변환된 적외선 에너지를 이용하여 적외선 에너지에 대한 정보를 영상으로 나타낼 수 있다. 적외선 에너지에 대한 정보는 영상 내에서 적외선 에너지의 분포를 명암으로 나타내는 것일 수 있다.
전처리부(105)는 적외선 검출부(103)에 의해 생성된 영상을 보정할 수있다. 예를 들면, 전처리부(105)는 영상의 화소의 불균일 응답(nonuniformity response)이나 불량 화소(bad pixel)를 보정할 수 있다.
영상 처리부(107)는 영상의 대조비를 개선하기 위한 처리를 수행할 수 있다. 영상 처리부(107)는 영상의 대조비를 개선하기 위해 영상의 히스토그램을 수정할 수 있다. 보다 구체적으로 영상 처리부(107)는 영상의 히스토그램을 적외선 영상의 특성(예컨대, 바이-모달 특성)을 이용하여 구분하고, 구분된 각각의 히스토그램을 수정하는 것에 기반하여 영상의 대조비를 개선할 수 있다. 영상 처리부(107)는 실시예에 따라 이미지 처리 장치로 지칭될 수 있으며, 보다 구체적인 내용은 도 2를 통해 후술하겠다.
표시부(109)는 대조비 개선이 수행된 영상을 표시할 수 있다. 표시부(109)는 적외선 영상 시스템(100)의 사용자에게 영상을 시각적으로 제공하기 위한 구성으로서, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다.
제어부(111)는 적외선 광학부(101), 적외선 검출부(103), 전처리부(105), 영상 처리부(107) 또는 표시부(109)를 제어할 수 있다. 제어부(111)는 적외선 광학부(101), 적외선 검출부(103), 전처리부(105), 영상 처리부(107) 또는 표시부(109)의 제어를 위한 다양한 데이터 처리 및 연산을 수행할 수 있다.
도 1을 참조하면, 전술한 적외선 영상 시스템(100)의 구성요소들(예: 적외선 광학부(101)) 중 일부 구성요소들은 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input/output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))를 통해 서로 연결될 수 있다. 이러한 경우, 제어부(111)는 연결에 기반하여 구성요소들을 제어할 수 있다.
도 2는 본 발명의 일 실시예에 따른 이미지 처리 장치의 기능 블록도의 예를 도시한다.
도 2를 참조하면, 이미지 처리 장치(200)는 히스토그램 생성부(201), 히스토그램 분할부(203), 플래토 값 획득부(205), 히스토그램 수정부(207)를 포함할 수 있다. 실시예에 따라, 이미지 처리 장치(200)는 도 1의 영상 처리부(107)에 포함될 수 있다.
히스토그램 생성부(201)는 이미지 히스토그램을 생성할 수 있다. 히스토그램 생성부(201)는 다른 장치(예: 도 1의 전처리부(105))로부터 이미지를 획득하여 획득된 이미지에 대한 이미지 히스토그램을 생성할 수 있다. 이미지는, 예를 들면 적외선 영상(image)일 수 있다. 이미지 히스토그램은 이미지의 톤(tone) 값(또는 계조)에 따른 픽셀 수를 그래프의 형식으로 표현하는 그림이다. 이미지 히스토그램은 톤 값을 x축으로, 각각의 톤 값에 해당하는 픽셀 수를 y축으로 가질 수 있다. 여기서, 톤 값은 이미지의 명암의 정도를 나타내는 값일 수 있다. 이미지 히스토그램과 관련된 보다 구체적인 설명은 도 4를 참조할 수 있다.
히스토그램 분할부(203)는 히스토그램의 톤 값 범위의 중앙값(midpoint)을 기준으로 히스토그램을 분할할 수 있다. 중앙값은 톤 값 범위 내에서 중간의 톤 값일 수 있다. 히스토그램 분할부(203)는 중앙값을 기준으로 히스토그램을 분할함으로써, 2개의 서브-히스토그램(sub-histogram)을 생성할 수 있다.
플래토 값 획득부(205)는 2개의 서브-히스토그램 각각에 대한 플래토 값(예: 제1 플래토 값, 제2 플래토 값)을 획득할 수 있다. 플래토 값은 서브-히스토그램을 수정하기 위해 기준이 되는 픽셀 수 또는 톤 분포 값일 수 있다. 플래토 값은 미리 지정된 함수(예: 매핑 함수)를 이용함으로써 획득될 수 있다.
히스토그램 수정부(207)는 2개의 서브-히스토그램 각각에 대한 플래토 값을 이용하여 2개의 서브-히스토그램 각각을 수정할 수 있다. 히스토그램 수정부(207)는 플래토 값을 기준으로 클립된(clipped) 2개의 서브-히스토그램을 생성할 수 있다. 클립된(clipped) 2개의 서브-히스토그램과 관련된 보다 자세한 설명은 도 5를 참조할 수 있다.
실시예에 따라, 이미지는 복수의 이미지들의 집합인 비디오(video)를 포함일 수 있다. 이러한 경우, 히스토그램 생성부(201)는 비디오를 구성하는 복수의 이미지 각각에 대해 이미지 히스토그램을 생성할 수 있다. 그 후 복수의 이미지 각각의 이미지 히스토그램을 전술한 구성 요소들을 이용하여 처리함으로써 비디오의 대조비를 개선할 수 있다. 이하에서는 이미지를 기준으로 본 발명을 설명하겠으나, 이에 한정되지 않고 비디오의 경우에도 본 발명이 적용될 수 있음은 당연하다. 또한, 이하 후술되는 이미지는 적외선 이미지를 기준으로 설명하겠으나, 가시광 이미지에도 본 발명이 적용될 수 있다.
도 3은 본 발명의 일 실시예에 따른 이미지 처리 방법의 각 단계의 흐름을 도시한다. 이하에서는 도 3의 각 단계를 도 2의 이미지 처리 장치(200)의 구성과 연관하여 설명하도록 하겠으며, 도 2와 중복되는 내용은 생략될 수 있다.
히스토그램 생성부(201)는 이미지 히스토그램을 생성할 수 있다(S301). 히스토그램 생성부(201)는 이미지를 획득하여, 획득된 이미지에 대한 이미지 히스토그램을 생성할 수 있다. 히스토그램 생성부(201)는 도 1의 전처리부(105)로부터 이미지를 획득할 수 있으나 이에 제한되는 것은 아니다. 이미지는 적외선 이미지일 수 있고, 이미지 히스토그램은 이미지의 화소 분포를 나타내는 히스토그램일 수 있다.
히스토그램 분할부(203)는 히스토그램의 톤 값 범위의 중앙값을 기준으로 히스토그램을 제1 서브-히스토그램과 제2 서브-히스토그램으로 분할할 수 있다(S303). 중앙값은 하기의 수학식 1을 통해 결정될 수 있다.
Figure 112018055221435-pat00045
수학식 1에서,
Figure 112018055221435-pat00046
은 중앙값,
Figure 112018055221435-pat00047
은 톤 값 범위 중 최소값,
Figure 112018055221435-pat00048
은 톤 값 범위중 최대값이다. 2개의 서브-히스토그램은
Figure 112018055221435-pat00049
으로부터
Figure 112018055221435-pat00050
까지의 값을 포함하는 제1 서브-히스토그램과
Figure 112018055221435-pat00051
으로부터
Figure 112018055221435-pat00052
까지의 값을 포함하는 제2 서브-히스토그램으로 구분될 수 있다. 2개의 서브-히스토그램과 관련된 보다 자세한 설명은 도 4를 참조할 수 있다.
플래토 값 획득부(205)는 제1 플래토 값과 제2 플래토 값을 획득할 수 있다(S305). 플래토 값 획득부(205)는 제1 서브-히스토그램에 대한 제1 플래토 값과 제2 서브-히스토그램에 대한 제2 플래토 값을 획득할 수 있다. 플래토 값 획득부(205)는 제1 서브-히스토그램과 제2 서브-히스토그램의 톤 분포(또는 화소 분포)를 추정하고, 이를 이용하여 제1 플래토 값과 제2 플래토 값을 획득할 수 있다.
플래토 값 획득부(205)는 제1 서브-히스토그램과 제2 서브-히스토그램의 톤 분포의 위치 추정(location estimation)을 위해 제1 서브-히스토그램과 제2 서브-히스토그램 각각의 톤 분포의 평균을 결정할 수 있다.
제1 서브-히스토그램의 톤 분포의 평균은 하기의 수학식 2를 통해 결정될 수 있다.
Figure 112018055221435-pat00053
수학식 2에서, AL은 제1 서브-히스토그램의 톤 분포의 평균, i는 톤 값, HL은 톤 값이 i일 때 제1 서브-히스토그램의 픽셀 수, gmin은 제1 서브-히스토그램의 최소 톤 값, gm은 수학식 1에서 결정된 중앙값이다.
제2 서브-히스토그램의 톤 분포의 평균은 하기의 수학식 3을 통해 결정될 수 있다.
Figure 112018055221435-pat00054
수학식 3에서, AH는 제2 서브-히스토그램의 톤 분포의 평균, i는 톤 값, HH는 톤 값이 i일 때 제2 서브-히스토그램의 픽셀 수, gmax는 제2 서브-히스토그램의 최대 톤 값이다.
플래토 값 획득부(205)는 제1 서브-히스토그램의 톤 분포의 평균과 제2 서브-히스토그램의 톤 분포의 평균을 이용하여 제1 서브-히스토그램과 제2 서브-히스토그램 각각의 매핑 함수 값을 결정할 수 있다. 매핑 함수 값은 하기의 수학식 4로 표현되는 매핑 함수를 통해 결정될 수 있다.
Figure 112018055221435-pat00055
수학식 4에서, M(x)는 톤 분포의 평균 x에 따른 매핑 함수 값,
Figure 112018055221435-pat00056
및
Figure 112018055221435-pat00057
는 미리 지정된 상수이다.
Figure 112018055221435-pat00058
는 예를 들면 0.6일 수 있고,
Figure 112018055221435-pat00059
는 예를 들면 0.4일 수 있다. 플래토 값 획득부(205)는 x에 제1 서브-히스토그램의 톤 분포의 평균을 대입하여, 제1 서브-히스토그램의 매핑 함수 값을 획득할 수 있다. 제1 서브-히스토그램의 매핑 함수 값은 하기의 수학식 5와 같이 결정될 수 있다. 본 실시예에서 매핑 함수는 수학식 4로 정의되었으나, 이에 제한되는 것은 아니며 다른 형태로 정의될 수도 있다.
Figure 112018055221435-pat00060
수학식 5에서 αL은 제1 서브-히스토그램의 매핑 함수 값,
Figure 112018055221435-pat00061
및
Figure 112018055221435-pat00062
는 미리 지정된 상수, AL은 제1 서브-히스토그램의 톤 분포의 평균이다.
플래토 값 획득부(205)는 x에 제2 서브-히스토그램의 톤 분포의 평균을 대입하여, 제2 서브-히스토그램의 매핑 함수 값을 획득할 수 있다. 제2 서브-히스토그램의 매핑 함수 값은 하기의 수학식 6과 같이 결정될 수 있다.
Figure 112018055221435-pat00063
수학식 6에서, βL은 제2 서브-히스토그램의 매핑 함수 값,
Figure 112019090003321-pat00064
Figure 112019090003321-pat00065
및
Figure 112019090003321-pat00066
는 미리 지정된 상수, AH는 제2 서브-히스토그램의 톤 분포의 평균이다.
플래토 값 획득부(205)는 제1 서브-히스토그램의 매핑 함수 값을 이용하여 제1 플래토 값을 획득하고, 제2 서브-히스토그램의 매핑 함수 값을 이용하여 제2 플래토 값을 획득할 수 있다. 제1 플래토 값은 하기의 수학식 7을 통해 결정될 수 있다.
Figure 112018055221435-pat00067
수학식 7에서, PL은 제1 플래토 값, HL(g)는 제1 서브-히스토그램에서 톤 값이 g일 때의 픽셀 수, 함수 C는 카운트(count) 함수,
Figure 112018055221435-pat00068
는 0이상
Figure 112018055221435-pat00069
이하 범위 내에서 HL(g)>PL를 만족하는 g 의 값,
Figure 112018055221435-pat00070
은 0이상
Figure 112018055221435-pat00071
이하 범위 내에서 HL(g)>0을 만족하는 g 의 값이다. 수학식 7을 참조하면, 제1 서브-히스토그램에서
Figure 112018055221435-pat00072
를 만족하는 톤 값 g에 대한 픽셀 수가 제1 플래토 값으로 결정될 수 있다.
제2 플래토 값은 하기의 수학식 8을 통해 결정될 수 있다.
Figure 112018055221435-pat00073
수학식 8에서 PH는 제2 플래토 값, HH(g)는 제2 서브-히스토그램에서 톤 값이 g일 때의 픽셀 수,
Figure 112018055221435-pat00074
는
Figure 112018055221435-pat00075
이상 L-1이하의 범위 내에서 HH(g)>PH를 만족하는 g의 값,
Figure 112018055221435-pat00076
은
Figure 112018055221435-pat00077
이상 L-1이하의 범위 내에서 HH(g)>0을 만족하는 g의 값이다. 수학식 8을 참조하면, 제2 서브-히스토그램에서
Figure 112018055221435-pat00078
를 만족하는 톤 값 g에 대한 픽셀 수가 제2 플래토 값으로 결정될 수 있다.
히스토그램 수정부(207)는 제1 플래토 값을 이용하여 제1 서브-히스토그램을 수정하고 제2 플래토 값을 이용하여 제2 서브-히스토그램을 수정할 수 있다(S307). 히스토그램 수정부(207)는 제1 서브-히스토그램을 하기의 수학식 9를 통해 수정할 수 있다.
Figure 112018055221435-pat00079
수학식 9에서, HCL는 수정된 제1 서브-히스토그램, HL은 수정 전 제1 서브-히스토그램이다. 수학식 9를 참조하면, 히스토그램 수정부(207)는 제1 플래토 값을 기준으로 제1 서브-히스토그램의 픽셀 수 중 제1 플래토 값을 초과한 픽셀 수를 제거하여 제1 서브-히스토그램을 수정함을 알 수 있다. 제1 서브-히스토그램의 수정과 관련된 보다 자세한 설명은 도 5를 참조할 수 있다.
히스토그램 수정부(207)는 제2 서브-히스토그램을 하기의 수학식 10을 통해 수정할 수 있다.
Figure 112018055221435-pat00080
수학식 10에서, HHL는 수정된 제2 서브-히스토그램, HL은 수정 전 제2 서브-히스토그램이다. 수학식 10을 참조하면, 히스토그램 수정부(207)는 제2 플래토 값을 기준으로 제2 서브-히스토그램의 픽셀 수 중 제2 플래토 값을 초과한 픽셀 수를 제거하여 제2 서브-히스토그램을 수정함을 알 수 있다. 제2 서브-히스토그램의 수정과 관련된 보다 자세한 설명은 도 5를 참조할 수 있다.
히스토그램 수정부(207)는 수정된 제1 서브-히스토그램의 누적분포함수(cumulative distribution function)(이하 cdf1)와 수정된 제2 서브-히스토그램의 누적분포함수(이하 cdf2)를 구할 수 있다. 실시예에 따라, cdf1은 제1 누적분포함수, cdf2는 제2 누적분포함수로 지칭될 수 있다. 여기서, 누적분포함수는 실수값을 가지는 확률변수 x의 확률적 분포를 표현하는 함수이다. 히스토그램 수정부(207)는 cdf1과 cdf2 각각에 대조비 개선 함수를 적용할 수 있다.
히스토그램 수정부(207)는 하기의 수학식 11을 통해 cdf1에 대조비 개선 함수를 적용할 수 있다.
Figure 112018055221435-pat00081
수학식 11에서, fL은 대조비 개선 함수가 적용된 cdf1(이하 제1 대조비 개선 함수), L은 이미지 히스토그램의 톤 값 중 최대값, MAX[cdf1]는 제1 누적분포함수 중 최대값이다.
히스토그램 수정부(207)는 하기의 수학식 12을 통해 cdf2에 대조비 개선 함수를 적용할 수 있다.
Figure 112018055221435-pat00082
수학식 12에서, fH는 대조비 개선 함수가 적용된 cdf2(이하 제2 대조비 개선 함수), L은 이미지 히스토그램의 톤 값 중 최대값, MAX[cdf2]는 제2 누적분포함수 중 최대값이다.
히스토그램 수정부(207)는 제1 대조비 개선 함수를 이용하여 제1 서브-히스토그램의 톤 값 범위 내의 각각의 톤 값 별로 대조비 개선을 수행할 수 있다. 예를 들어, 제1 서브-히스토그램의 톤 값 범위가 1부터 (0.5L-1)까지 인 경우, 해당 톤 값 범위 내의 각각의 톤 값 별로 제1 대조비 개선 함수를 적용하여 매핑변환함으로써 대조비 개선을 수행할 수 있다.
히스토그램 수정부(207)는 제2 대조비 개선 함수를 이용하여 제2 서브-히스토그램의 톤 값 범위 내의 각각의 톤 값 별로 대조비 개선을 수행할 수 있다. 예를 들어, 제1 서브-히스토그램의 톤 값 범위가 0.5L부터 (L-1)까지 인 경우, 해당 톤 값 범위 내의 각각의 톤 값 별로 제2 대조비 개선 함수를 적용하여 매핑변환함으로써 대조비 개선을 수행할 수 있다.
도 4는 본 발명의 일 실시예에 따른 이미지 히스토그램의 예를 도시한다. 본 발명의 일 실시예에 따르면, 히스토그램 생성부(201)는 전처리부(105)로부터 이미지(예: 적외선 이미지)를 획득하여 도 4에 도시된 이미지 히스토그램을 생성할 수 있다.
도 4의 이미지 히스토그램은 적외선 이미지의 이미지 히스토그램일 수 있다. 이미지 히스토그램의 형태는 도 4에서 확인할 수 있는 바와 같이, 예를 들어, 위로 볼록한 부분을 2개 포함하는 바이-모달(bi-modal) 형태를 가질 수 있다. 이러한 형태는 주로 적외선 이미지에서 나타나는 특성으로, 본 발명의 일 실시예에 따른 히스토그램 생성부(201)는 이러한 적외선 이미지의 특성을 반영하여 톤 값 범위 내의 중앙값을 기준으로 이미지 히스토그램을 분할할 수 있다.
도 4를 참조하면, 이미지 히스토그램의 x축은 톤 값이고, y축을 픽셀 수일 수 있다. 이미지 히스토그램은 gmin이상이고 gmax 이하의 톤 값 범위 내에 존재할 수 있다. 이미지 히스토그램은 수학식 1을 통해 획득된 중앙값인 gm을 기준으로 제1 서브-히스토그램(401)과 제2 서브-히스토그램(403)으로 분할(또는 구분)될 수 있다.
도시하지는 않았으나, 히스토그램 생성부(201)는 다양한 형태의 이미지(예: 바이-모달 특성을 가지지 않는 이미지), 적외선 이미지가 아닌 다른 이미지(예: 가시광 이미지)에 대해서도 이미지 히스토그램을 생성하고, 도 1 내지 도 3을 통해 전술한 대조비 개선 방법을 수행할 수 있다.
도 5는 본 발명의 일 실시예에 따른 수정된 이미지 히스토그램의 예를 도시한다. 이하 도 5에 대한 설명에서는 도 4와 중복되는 내용이 생략될 수 있다.
본 발명의 일 실시예에 따른 히스토그램 수정부(207)는 제1 플래토 값(501)을 기준으로 제1 서브-히스토그램(401)을 수정할 수 있고, 제2 플래토 값(503)을 기준으로 제2 서브-히스토그램(403)을 수정할 수 있다.
도 5를 참조하면, 히스토그램 수정부(207)는 제1 플래토 값(501)을 초과하여 존재하는 픽셀 수를 나타내는 값(왼쪽 점선 부분)을 제거하여 수정된 제1 서브 히스토그램(502)을 생성할 수 있다. 히스토그램 수정부(207)는 제2 플래토 값(503)을 초과하여 존재하는 픽셀 수를 나타내는 값(오른쪽 점선 부분)을 제거하여 수정된 제2 서브 히스토그램(504)을 생성할 수 있다.
도 6은 종래 기술을 이용하여 이미지를 처리한 결과와 본 발명의 일 실시예에 따른 이미지 처리 방법을 이용하여 이미지를 처리한 결과의 비교 예를 도시한다. 도 6에 도시된 그림들은 적외선 이미지일 수 있다.
도 6의 그림(601)은 이미지 처리 전의 원본 이미지를 나타낸다. 그림(601)은 어두운 영역에 대한 이미지로 그림(601)의 톤 값이 전체적으로 낮기 때문에 이미지가 잘 식별되지 않음을 확인할 수 있다.
도 6의 그림(603)은 종래 기술을 이용하여 이미지를 처리한 결과의 예를 나타낸다. 그림(603)에서는 제1 영역(602) 부분의 톤 값은 매우 낮고, 제2 영역(604) 부분의 톤 값은 매우 높아서 제1 영역(602)과 제2 영역(604) 부분을 정확하게 식별하기에는 어려움이 존재한다.
도 6의 그림(605)은 종래 기술을 이용하여 이미지를 처리한 결과의 다른 예를 나타낸다. 그림(605)에서도 그림(603)의 제2 영역(604)과 동일한 부분인 제3 영역(606) 부분의 톤 값은 매우 높아서 제1 영역(602)과 제2 영역(604) 부분을 정확하게 식별하기에는 어려움이 존재한다. 또한, 그림(605)의 경우에는 이미지의 식별과 무관한 부분인 제4 영역(608)에 대해서 지나치게 강조됨을 확인할 수 있다.
도 6의 그림(607)은 본 발명의 일 실시예에 따른 이미지 처리 방법의 실험 결과의 예를 나타낸다. 그림(607)을 참조하면, 그림(603) 및 그림(605)에서 문제되었던 각 부분들에 대해 톤 값의 치우침이 없으며, 밝기가 개선되어 있음을 확인할 수 있다. 이에 따라, 그림(607)을 보면 이미지에 포함된 정보들, 예를 들면, 사람, 자동차, 배경과 관련된 요소들을 보다 명확히 식별할 수 있다.
전술한 실험 결과들을 참조하면, 본 발명의 이미지 처리 방법은 종래 기술에 비하여 보다 우수하게 이미지의 대조비를 개선할 수 있음을 확인할 수 있다. 한편, 도 6에서는 적외선 이미지에 대한 실험 결과를 설명하였으나, 이에 제한되지 않고 가시광 이미지 등에 대해서도 본 발명의 이미지 처리 방법을 적용할 수 있다.
본 명세서에 첨부된 블록도의 각 블록과 흐름도의 각 단계의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수도 있다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 블록도의 각 블록 또는 흐름도의 각 단계에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 블록도의 각 블록 또는 흐름도 각 단계에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 블록도의 각 블록 및 흐름도의 각 단계에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록 또는 각 단계는 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실시예들에서는 블록들 또는 단계들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들 또는 단계들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들 또는 단계들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 품질에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 명세서에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 균등한 범위 내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100: 적외선 영상 시스템
101: 적외선 광학부
103: 적외선 검출부
105: 전처리부
107: 영상 처리부
109: 표시부
111: 제어부
200: 이미지 처리 장치
201: 히스토그램 생성부
203: 히스토그램 분할부
205: 플래토 값 획득부
207: 히스토그램 수정부
401: 제1 서브-히스토그램
403: 제2 서브-히스토그램
501: 제1 플래토 값
502: 수정된 제1 서브-히스토그램
503: 제2 플래토 값
504: 수정된 제2 서브-히스토그램
601, 603, 605, 607: 그림
602: 제1 영역
604: 제2 영역
606: 제3 영역
608: 제4 영역

Claims (19)

  1. 이미지를 처리하는 방법에 있어서,
    상기 이미지의 히스토그램(histogram)을 생성하는 단계와,
    상기 생성된 히스토그램의 톤(tone) 값 범위의 중앙값(midpoint)을 기준으로 상기 생성된 히스토그램을 제1 서브-히스토그램(sub-histogram)과 제2 서브-히스토그램으로 분할하는 단계와,
    상기 제1 서브-히스토그램의 톤 분포의 평균에 기초하여 상기 제1 서브-히스토그램을 위한 제1 플래토(plateau) 값을 획득하고, 상기 제2 서브-히스토그램의 톤 분포의 평균에 기초하여 상기 제2 서브-히스토그램을 위한 제2 플래토 값을 획득하는 단계와,
    상기 제1 플래토 값을 이용하여 상기 제1 서브-히스토그램을 수정하고, 상기 제2 플래토 값을 이용하여 상기 제2 서브-히스토그램을 수정하는 단계를 포함하며,
    상기 중앙값은 상기 톤 값 범위 내의 중간의 톤 값이고,
    상기 제1 서브-히스토그램의 톤 분포의 평균은,
    Figure 112019090003321-pat00133

    (AL은 제1 서브-히스토그램의 톤 분포의 평균, i는 톤 값, HL은 톤 값이 i일 때 제1 서브-히스토그램의 픽셀 수, gmin은 제1 서브-히스토그램의 최소 톤 값, gm은 상기 중앙값)
    을 통해 획득되고,
    상기 제2 서브-히스토그램의 화소 분포의 평균은,
    Figure 112019090003321-pat00134

    (AH는 제2 서브-히스토그램의 톤 분포의 평균, i는 톤 값, HH는 톤 값이 i일 때 제2 서브-히스토그램의 픽셀 수, gmax는 제2 서브-히스토그램의 최대 톤 값)
    를 통해 획득되며,
    상기 제1 플래토 값을 결정하기 위한 매핑 함수 값은,
    Figure 112019090003321-pat00135

    (αL은 상기 제1 플래토 값을 결정하기 위한 매핑 함수 값,
    Figure 112019090003321-pat00136
    및
    Figure 112019090003321-pat00137
    는 미리 지정된 상수)
    을 통해 획득되고,
    상기 제2 플래토 값을 결정하기 위한 매핑 함수 값은,
    Figure 112019090003321-pat00138

    (βL은 상기 제2 플래토 값을 결정하기 위한 매핑함수 값)
    를 통해 획득되는
    이미지 처리 방법.
  2. 제1항에 있어서,
    상기 이미지는 적외선 이미지인
    이미지 처리 방법.
  3. 제1항에 있어서
    상기 히스토그램은 톤 분포에 대한 히스토그램인
    이미지 처리 방법.
  4. 제1항에 있어서,
    상기 히스토그램의 분포는 2개의 위로 볼록한 부분을 포함하는 바이-모달(bi-modal) 분포 특성을 가지는
    이미지 처리 방법.
  5. 삭제
  6. 삭제
  7. 삭제
  8. 제 1 항에 있어서,
    상기
    Figure 112019090003321-pat00089
    는 0.6이고, 상기
    Figure 112019090003321-pat00090
    는 0.4인
    이미지 처리 방법.
  9. 제 1 항에 있어서,
    상기 제1 플래토 값은
    Figure 112019090003321-pat00091
    ,
    Figure 112019090003321-pat00092

    (PL은 상기 제1 플래토 값, HL(g)은 제1 서브-히스토그램에서 톤 값이 g일 때의 픽셀 수, 함수 C는 카운트(count) 함수,
    Figure 112019090003321-pat00093
    는 0이상
    Figure 112019090003321-pat00094
    이하 범위 내에서 HL(g)>PL를 만족하는 g 의 값,
    Figure 112019090003321-pat00095
    은 0이상
    Figure 112019090003321-pat00096
    이하 범위 내에서 HL(g)>0을 만족하는 g 의 값)
    를 통해 획득되고,
    상기 제2 플래토 값은
    Figure 112019090003321-pat00097
    ,
    Figure 112019090003321-pat00098

    (PH는 상기 제2 플래토 값, HH(g)는 제2 서브-히스토그램에서 톤 값이 g일 때의 픽셀 수,
    Figure 112019090003321-pat00099
    는
    Figure 112019090003321-pat00100
    이상 L-1이하의 범위 내에서 HH(g)>PH를 만족하는 g 의 값,
    Figure 112019090003321-pat00101
    은
    Figure 112019090003321-pat00102
    이상 L-1이하의 범위 내에서 HH(g)>0을 만족하는 g 의 값)
    을 통해 획득되는
    이미지 처리 방법.
  10. 제1항에 있어서,
    상기 제1 서브-히스토그램을 수정하고, 상기 제2 서브-히스토그램을 수정하는 단계는,
    상기 제1 서브-히스토그램의 상기 제1 플래토 값을 초과한 톤 분포를 제거함으로써 상기 제1 서브-히스토그램을 수정하고, 상기 제2 서브-히스토그램의 상기 제2 플래토 값을 초과한 톤 분포를 제거함으로써 상기 제2 서브-히스토그램을 수정하는 단계를 포함하는
    이미지 처리 방법.
  11. 제10항에 있어서,
    상기 이미지 처리 방법은,
    상기 수정된 제1 서브-히스토그램의 누적분포함수인 제1 누적분포함수(cumulative distribution function)를 이용하여 계산된
    Figure 112018055221435-pat00103

    (fL는 제1 대조비 개선 함수, L은 상기 히스토그램의 톤 값 중 최대값, cdf1은 상기 제1 누적분포함수, MAX[cdf1]는 상기 제1 누적분포함수 중 최대값)
    을 이용하여 상기 제1 서브-히스토그램 부분의 대조비를 개선하고,
    상기 수정된 제2 서브-히스토그램의 누적분포함수인 제2 누적분포함수를 이용하여 계산된
    Figure 112018055221435-pat00104

    (fH는 제2 대조비 개선 함수, cdf2은 상기 제2 누적분포함수, MAX[cdf2]는 상기 제2 누적분포함수 중 최대값)
    을 이용하여 상기 제2 서브-히스토그램 부분의 대조비를 개선하는 단계를 포함하는
    이미지 처리 방법.
  12. 이미지를 처리하는 장치에 있어서,
    상기 이미지의 히스토그램(histogram)을 생성하는 히스토그램 생성부와,
    상기 생성된 히스토그램의 톤(tone) 값 범위의 중앙값(midpoint)을 기준으로 상기 생성된 히스토그램을 제1 서브-히스토그램(sub-histogram)과 제2 서브-히스토그램으로 분할하는 히스토그램 분할부와,
    상기 제1 서브-히스토그램의 톤 분포의 평균에 기초하여 상기 제1 서브-히스토그램을 위한 제1 플래토(plateau) 값을 획득하고, 상기 제2 서브-히스토그램의 톤 분포의 평균에 기초하여 상기 제2 서브-히스토그램을 위한 제2 플래토 값을 획득하는, 플래토 값 획득부와,
    상기 제1 플래토 값을 이용하여 상기 제1 서브-히스토그램을 수정하고, 상기 제2 플래토 값을 이용하여 상기 제2 서브-히스토그램을 수정하는, 히스토그램 수정부를 포함하며,
    상기 제1 서브-히스토그램의 톤 분포의 평균은,
    Figure 112019090003321-pat00139

    (AL은 제1 서브-히스토그램의 톤 분포의 평균, i는 톤 값, HL은 톤 값이 i일 때 제1 서브-히스토그램의 픽셀 수, gmin은 제1 서브-히스토그램의 최소 톤 값, gm은 상기 중앙값)
    을 통해 획득되고,
    상기 제2 서브-히스토그램의 화소 분포의 평균은,
    Figure 112019090003321-pat00140

    (AH는 제2 서브-히스토그램의 화소 분포의 평균, i는 톤 값, HH는 톤 값이 i일 때 제2 서브-히스토그램의 픽셀 수, gmax는 제2 서브-히스토그램의 최대 톤 값)
    를 통해 획득되고,
    상기 제1 플래토 값 결정하기 위한 매핑 함수 값은,
    Figure 112019090003321-pat00141

    (αL은 상기 제1 플래토 값을 결정하기 위한 매핑 함수 값,
    Figure 112019090003321-pat00142
    및
    Figure 112019090003321-pat00143
    는 미리 지정된 상수)
    을 통해 획득되고,
    상기 제2 플래토 값을 결정하기 위한 매핑 함수 값은,
    Figure 112019090003321-pat00144

    (βL은 상기 제2 플래토 값을 결정하기 위한 매핑함수 값)
    를 통해 획득되는
    이미지 처리 장치.
    는
    이미지 처리 장치.
  13. 제12항에 있어서,
    상기 이미지는 적외선 이미지인
    이미지 처리 장치.
  14. 삭제
  15. 삭제
  16. 제12항에 있어서,
    상기
    Figure 112019090003321-pat00111
    는 0.6이고, 상기
    Figure 112019090003321-pat00112
    는 0.4인
    이미지 처리 장치.
  17. 제12항에 있어서,
    상기 제1 플래토 값은
    Figure 112019090003321-pat00113
    ,
    Figure 112019090003321-pat00114

    (PL은 상기 제1 플래토 값, HL(g)는 제1 서브-히스토그램에서 톤 값이 g일 때의 픽셀 수, 함수 C는 카운트(count) 함수,
    Figure 112019090003321-pat00115
    는 0이상
    Figure 112019090003321-pat00116
    이하 범위 내에서 HL(g)>PL를 만족하는 g 의 값,
    Figure 112019090003321-pat00117
    은 0이상
    Figure 112019090003321-pat00118
    이하 범위 내에서 HL(g)>0을 만족하는 g 의 값)
    를 통해 획득되고,
    상기 제2 플래토 값은
    Figure 112019090003321-pat00119
    ,
    Figure 112019090003321-pat00120

    (PH는 상기 제2 플래토 값, HH(g)는 제2 서브-히스토그램에서 톤 값이 g일 때의 픽셀 수,
    Figure 112019090003321-pat00121
    는
    Figure 112019090003321-pat00122
    이상 L-1이하의 범위 내에서 HH(g)>PH를 만족하는 g 의 값,
    Figure 112019090003321-pat00123
    은
    Figure 112019090003321-pat00124
    이상 L-1이하의 범위 내에서 HH(g)>0을 만족하는 g 의 값)
    을 통해 획득되는
    이미지 처리 장치.
  18. 제12항에 있어서,
    상기 히스토그램 수정부는
    상기 제1 서브-히스토그램의 상기 제1 플래토 값을 초과하여 위치된 톤 분포를 제거함으로써 상기 제1 서브-히스토그램을 수정하고, 상기 제2 서브-히스토그램의 상기 제2 플래토 값을 초과하여 위치된 톤 분포를 제거함으로써 상기 제2 서브-히스토그램을 수정하는
    이미지 처리 장치.
  19. 제18항에 있어서,
    상기 히스토그램 수정부는, 상기 수정된 제1 서브-히스토그램의 누적분포함수인 제1 누적분포함수(cumulative distribution function)를 이용하여 계산된,
    Figure 112018055221435-pat00125

    (fL는 제1 대조비 개선 함수, L은 상기 히스토그램의 톤 값 중 최대값, cdf1은 상기 제1 누적분포함수, MAX[cdf1]는 상기 제1 누적분포함수 중 최대값)
    을 이용하여 상기 제1 서브-히스토그램 부분의 대조비를 개선하고, 상기 수정된 제2 서브-히스토그램의 누적분포함수인 제2 누적분포함수를 이용하여,
    Figure 112018055221435-pat00126

    (fH는 제2 대조비 개선 함수, cdf2은 상기 제2 누적분포함수, MAX[cdf2]는 상기 제2 누적분포함수 중 최대값)
    을 이용하여 상기 제2 서브-히스토그램 부분의 대조비를 개선하는
    이미지 처리 장치.
KR1020180064733A 2018-06-05 2018-06-05 이미지 처리 방법 및 장치 KR102057261B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180064733A KR102057261B1 (ko) 2018-06-05 2018-06-05 이미지 처리 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180064733A KR102057261B1 (ko) 2018-06-05 2018-06-05 이미지 처리 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20190138375A KR20190138375A (ko) 2019-12-13
KR102057261B1 true KR102057261B1 (ko) 2019-12-18

Family

ID=68847448

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180064733A KR102057261B1 (ko) 2018-06-05 2018-06-05 이미지 처리 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102057261B1 (ko)

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Chen Hee Ooi ET AL:"Bi-histogram equalization with a plateau limit for digital image enhancement", IEEE Transactions on Consumer Electronics, Volume: 55, Issue: 4, November 2009(2009.11.30.) 1부.*

Also Published As

Publication number Publication date
KR20190138375A (ko) 2019-12-13

Similar Documents

Publication Publication Date Title
US11948282B2 (en) Image processing apparatus, image processing method, and storage medium for lighting processing on image using model data
US10997696B2 (en) Image processing method, apparatus and device
US10475237B2 (en) Image processing apparatus and control method thereof
WO2019105262A1 (zh) 背景虚化处理方法、装置及设备
US9361680B2 (en) Image processing apparatus, image processing method, and imaging apparatus
US11127117B2 (en) Information processing method, information processing apparatus, and recording medium
US9710715B2 (en) Image processing system, image processing device, and image processing method
US10091422B2 (en) Image processing device and recording medium
KR102049080B1 (ko) 영상 처리 장치 및 방법
WO2019105254A1 (zh) 背景虚化处理方法、装置及设备
KR102355329B1 (ko) 영상 처리 장치, 영상 처리 방법, 및 영상 처리 프로그램
Guthier et al. Flicker reduction in tone mapped high dynamic range video
JP2016126750A (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
US9338354B2 (en) Motion blur estimation and restoration using light trails
CN110175967B (zh) 图像去雾处理方法、系统、计算机设备和存储介质
KR102057261B1 (ko) 이미지 처리 방법 및 장치
TWI630818B (zh) Dynamic image feature enhancement method and system
JP2018160024A (ja) 画像処理装置、画像処理方法及びプログラム
JP2006277688A (ja) 画質改善装置、画質改善方法及びそのためのプログラム
JP7145651B2 (ja) 画像処理装置及びプログラム
US20200342575A1 (en) Image processing apparatus, control method of same, and non-transitory computer-readable storage medium
JP6494817B2 (ja) 画像処理装置、画像処理方法およびプログラム。
CN116309085A (zh) 一种热成像图像的增强方法、装置、介质及设备
CN113837951A (zh) 图像亮度提高方法、装置、数据处理设备及存储介质
JP6324192B2 (ja) 画像処理装置、撮像装置、画像処理方法及びプログラム

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