KR102101209B1 - Adaptive Retinex Algorithm for Images with Non-uniform Illumination - Google Patents

Adaptive Retinex Algorithm for Images with Non-uniform Illumination Download PDF

Info

Publication number
KR102101209B1
KR102101209B1 KR1020180130622A KR20180130622A KR102101209B1 KR 102101209 B1 KR102101209 B1 KR 102101209B1 KR 1020180130622 A KR1020180130622 A KR 1020180130622A KR 20180130622 A KR20180130622 A KR 20180130622A KR 102101209 B1 KR102101209 B1 KR 102101209B1
Authority
KR
South Korea
Prior art keywords
cumulative distribution
distribution function
retinex algorithm
function
algorithm
Prior art date
Application number
KR1020180130622A
Other languages
Korean (ko)
Inventor
이채은
조형래
Original Assignee
인하대학교 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 인하대학교 산학협력단 filed Critical 인하대학교 산학협력단
Priority to KR1020180130622A priority Critical patent/KR102101209B1/en
Application granted granted Critical
Publication of KR102101209B1 publication Critical patent/KR102101209B1/en

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
    • G06T5/007—
    • 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

Landscapes

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

Abstract

Proposed are an adaptive retinex algorithm method and an apparatus for an image having non-uniform illuminance. According to the present invention, the proposed adaptive retinex algorithm for non-uniform illuminance comprises the steps of: obtaining a cumulative distribution function using a cumulative distribution function of a histogram; normalizing the cumulative distribution function; and applying the normalized cumulative distribution function to a gamma function of a naturalness retinex algorithm.

Description

비 균일 조도를 가진 영상을 위한 적응적 레티넥스 알고리즘{Adaptive Retinex Algorithm for Images with Non-uniform Illumination}Adaptive Retinex Algorithm for Images with Non-uniform Illumination}

본 발명은 비 균일 조도를 가진 영상을 위한 적응적 레티넥스 방법 및 장치에 관한 것이다.The present invention relates to an adaptive retinex method and apparatus for images with non-uniform illuminance.

기존 디지털 카메라에서 얻은 이미지는 센서의 한계로 인해 다이나믹 범위(dynamic range)가 제한되어 있다. 다이나믹 범위는 밝은 부분과 어두운 부분 간의 조도 차이를 말한다. 예를 들어 저조도 환경에서는 다이나믹 범위가 좁아 물체를 식별하기 어렵다. 어두운 환경이나 강한 조명에 의해 밝은 부분과 어두운 부분이 극명하게 나타나는 환경일 때 초점의 위치에 따라 밝은 부분이 포화되어 정보가 사라질 수 있고 어두운 부분은 식별이 불가능할 정도로 어둡게 나오게 된다. 이러한 손실 때문에 디지털 카메라로 얻어진 이미지가 사람의 눈으로 보는 것과 다르게 된다. 기존 영상 밝기 개선 알고리즘 중 레티넥스 이론 기반의 개선 알고리즘이 가장 성능이 좋은 것으로 알려져 있다. 레티넥스 이론은 Land와 MacCann이 제안한 이론으로 인간의 감각계의 현상을 설명하기 위한 모델이다. 식 (1)은 레티넥스의 기본 모델을 나타낸다. Due to sensor limitations, images obtained from existing digital cameras have a limited dynamic range. Dynamic range is the difference in illuminance between light and dark areas. For example, in a low-light environment, it is difficult to identify an object due to a narrow dynamic range. In a dark environment or an environment in which bright and dark parts appear sharply due to strong lighting, the bright part is saturated depending on the position of the focal point, and information may disappear and the dark part may appear so dark that it cannot be identified. Because of this loss, the image obtained with a digital camera is different from what the human eye sees. Among the existing image brightness improvement algorithms, the retinax-based improvement algorithm is known to have the best performance. The Retinex theory is a theory proposed by Land and MacCann and is a model for explaining the phenomenon of the human sensory system. Equation (1) represents the basic model of Retinex.

Figure 112018107201217-pat00001
(1)
Figure 112018107201217-pat00001
(One)

Figure 112018107201217-pat00002
는 입력 이미지이고 윗 첨자의 c는 컬러를 의미한다.
Figure 112018107201217-pat00003
는 반사성분을 나타내고
Figure 112018107201217-pat00004
는 배경성분이다. 기존 알고리즘들은 다양한 입력 이미지에 적응적으로 대응하지 못하기 때문에 각 변수들을 이미지에 맞게 설정해주어야 한다.
Figure 112018107201217-pat00002
Is the input image and superscript c stands for color.
Figure 112018107201217-pat00003
Denotes a reflective component
Figure 112018107201217-pat00004
Is a background component. Since the existing algorithms do not adaptively respond to various input images, each variable must be set according to the image.

본 발명이 이루고자 하는 기술적 과제는 기존 자연 레티넥스 알고리즘(naturalness Retinex Algorithm)의 문제점인 다양한 입력 이미지에 적응적으로 대응하지 못하는 단점을 보안하는 방법 및 장치를 제공하는데 있다. 또한, 입력 이미지의 히스토그램의 누적 분포를 이용하여 밝고 어두운 부분에 대해서 적응적으로 알고리즘이 동작하도록 하는 방법 및 장치를 제공한다.SUMMARY OF THE INVENTION The technical problem to be achieved by the present invention is to provide a method and apparatus for securing a disadvantage of not being able to adaptively respond to various input images, which is a problem of the existing natural Retinex Algorithm. Also, a method and apparatus for adaptively operating an algorithm for light and dark portions using a cumulative distribution of a histogram of an input image are provided.

일 측면에 있어서, 본 발명에서 제안하는 비 균일 조도를 가진 영상을 위한 적응적 레티넥스 알고리즘은 히스토그램의 누적 분포 함수를 이용하여 누적 분포 함수를 구하는 단계, 상기 누적 분포 함수를 정규화하는 단계 및 정규화된 누적 분포 함수를 자연 레티넥스 알고리즘(naturalness Retinex Algorithm)의 감마 함수에 적용하는 단계를 포함한다. In one aspect, the adaptive retinax algorithm for an image having non-uniform illumination proposed in the present invention comprises the steps of obtaining a cumulative distribution function using a cumulative distribution function of a histogram, normalizing the cumulative distribution function, and normalizing And applying the cumulative distribution function to the gamma function of the naturalness Retinex Algorithm.

상기 정규화된 누적 분포 함수를 자연 레티넥스 알고리즘(naturalness Retinex Algorithm)의 감마 함수에 적용하는 단계는 입력 이미지에 적응적으로 대응하도록 자연 입력 이미지의 히스토그램의 누적 분포를 적용한 자연 레티넥스 알고리즘을 이용한다. The step of applying the normalized cumulative distribution function to the gamma function of the naturalness Retinex Algorithm uses a natural retinex algorithm that applies the cumulative distribution of the histogram of the natural input image to adaptively correspond to the input image.

상기 자연 레티넥스 알고리즘의 감마 함수는 하기식을 이용하여 구하고, The gamma function of the natural retinex algorithm is obtained using the following equation,

Figure 112018107201217-pat00005
Figure 112018107201217-pat00005

여기서,

Figure 112018107201217-pat00006
는 레티넥스 알고리즘의 배경성분,
Figure 112018107201217-pat00007
,
Figure 112018107201217-pat00008
은 이미지 전체 픽셀의 평균값,
Figure 112018107201217-pat00009
는 x, y좌표에 적용할 감마 함수의 파라미터를 나타낸다. here,
Figure 112018107201217-pat00006
Is the background component of the Retinex algorithm,
Figure 112018107201217-pat00007
,
Figure 112018107201217-pat00008
Is the average value of all pixels in the image,
Figure 112018107201217-pat00009
Denotes the parameter of the gamma function to be applied to the x and y coordinates.

또 다른 일 측면에 있어서, 본 발명에서 제안하는 비 균일 조도를 가진 영상을 위한 적응적 레티넥스 알고리즘 장치는 히스토그램의 누적 분포 함수를 이용하여 누적 분포 함수를 구하는 누적 분포 함수 계산부, 상기 누적 분포 함수를 정규화하는 정규화부 및 정규화된 누적 분포 함수를 자연 레티넥스 알고리즘(naturalness Retinex Algorithm)의 감마 함수에 적용하는 알고리즘 적용부를 포함한다.In another aspect, the adaptive retinax algorithm device for an image having non-uniform illuminance proposed by the present invention is a cumulative distribution function calculation unit that obtains a cumulative distribution function using a cumulative distribution function of a histogram, the cumulative distribution function It includes a normalization unit for normalizing and an algorithm application unit for applying the normalized cumulative distribution function to the gamma function of the naturalness Retinex Algorithm.

본 발명의 실시예들에 따르면 기존 자연 레티넥스 알고리즘(naturalness Retinex Algorithm)의 문제점인 다양한 입력 이미지에 적응적으로 대응하지 못하는 단점을 보안할 수 있다. 또한, 입력 이미지의 히스토그램의 누적 분포를 이용하여 밝고 어두운 부분에 대해서 적응적으로 알고리즘이 동작하도록 할 수 있다.According to embodiments of the present invention, it is possible to secure a disadvantage of not being able to adaptively respond to various input images, which is a problem of the existing natural Retinex Algorithm. In addition, it is possible to make the algorithm operate adaptively for light and dark portions by using the cumulative distribution of the histogram of the input image.

도 1은 본 발명의 일 실시예에 따른 비 균일 조도를 가진 영상을 위한 적응적 레티넥스 알고리즘을 설명하기 위한 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 제안하는 기법과 자연 레티넥스의 감마 함수 그래프이다.
도 3은 본 발명의 일 실시예에 따른 테스트 이미지들의 DE 값을 나타내는 표이다.1 is a flowchart illustrating an adaptive retinax algorithm for an image having non-uniform illumination according to an embodiment of the present invention.
2 is a graph of the proposed technique and gamma function of natural retinex according to an embodiment of the present invention.
3 is a table showing DE values of test images according to an embodiment of the present invention.

이하, 본 발명의 실시 예를 첨부된 도면을 참조하여 상세하게 설명한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 일 실시예에 따른 비 균일 조도를 가진 영상을 위한 적응적 레티넥스 알고리즘을 설명하기 위한 흐름도이다. 1 is a flowchart illustrating an adaptive retinax algorithm for an image having non-uniform illumination according to an embodiment of the present invention.

제안하는 비 균일 조도를 가진 영상을 위한 적응적 레티넥스 알고리즘은 히스토그램의 누적 분포 함수를 이용하여 누적 분포 함수를 구하는 단계(110), 상기 누적 분포 함수를 정규화하는 단계(120) 및 정규화된 누적 분포 함수를 자연 레티넥스 알고리즘(naturalness Retinex Algorithm)의 감마 함수에 적용하는 단계(130)를 포함한다. The proposed adaptive retinex algorithm for images with non-uniform illuminance comprises: obtaining a cumulative distribution function using the histogram cumulative distribution function (110), normalizing the cumulative distribution function (120), and normalized cumulative distribution And applying the function to the gamma function of the naturalness Retinex Algorithm (130).

단계(110)에서, 누적 분포 함수 계산부를 통해 히스토그램의 누적 분포 함수를 이용하여 누적 분포 함수를 구한다. 제안하는 방법은 이미지의 평균값을 사용하는 대신 히스토그램의 누적 분포 함수를 활용한다. In step 110, the cumulative distribution function is obtained by using the cumulative distribution function of the histogram through the cumulative distribution function calculation unit. The proposed method uses the cumulative distribution function of the histogram instead of using the average value of the image.

단계(120)에서, 정규화부를 통해 상기 누적 분포 함수를 정규화한다. 누적 분포 함수를 구한 후 정규화 한다. 누적 분포 함수를 정규화했기 때문에 0부터 1사이의 값을 가지게 된다. 누적 분포 함수는 매우 어둡거나 밝은 부분이 많지 않은 이미지에서 그래프가 입력 강도(input intensity)가 작은 어두운 부분에서 완만하게 시작하여 중간 값에서 기울기가 커지고 다시 완만한 그래프를 그린다. 전체적으로 어두운 이미지에서는 누적 분포 함수의 그래프가 급격하게 상승 후 완만해진다. In step 120, the cumulative distribution function is normalized through a normalization unit. The cumulative distribution function is obtained and normalized. Since the cumulative distribution function is normalized, it has a value between 0 and 1. In the cumulative distribution function, the graph starts slowly in the dark portion where the input intensity is small in an image having few dark or bright portions, and the gradient is increased at a medium value and a smooth graph is drawn again. In the overall dark image, the graph of the cumulative distribution function rises sharply and then becomes gentle.

이 누적 분포 함수를 자연 레티넥스 알고리즘(naturalness Retinex Algorithm)의 감마 함수에 적용한다. This cumulative distribution function is applied to the gamma function of the naturalness Retinex Algorithm.

단계(130)에서, 알고리즘 적용부를 통해 정규화된 누적 분포 함수를 자연 레티넥스 알고리즘(naturalness Retinex Algorithm)의 감마 함수에 적용한다. 입력 이미지에 적응적으로 대응하도록 자연 입력 이미지의 히스토그램의 누적 분포를 적용한 자연 레티넥스 알고리즘을 이용한다. In step 130, the normalized cumulative distribution function is applied to the gamma function of the naturalness Retinex Algorithm through the algorithm application unit. To adaptively correspond to the input image, a natural retinax algorithm using a cumulative distribution of the histogram of the natural input image is used.

식 (2)은 누적 분포 함수를 적용하지 않은 식이다. Equation (2) is an equation without applying the cumulative distribution function.

Figure 112018107201217-pat00010
(2)
Figure 112018107201217-pat00010
(2)

Figure 112018107201217-pat00011
(3)
Figure 112018107201217-pat00011
(3)

Figure 112018107201217-pat00012
는 레티넥스 알고리즘의 배경성분이고 식 (3)의
Figure 112018107201217-pat00013
은 이미지 전체 픽셀의 평균값이다. m이라는 이미지 평균 픽셀 값을 이용하여
Figure 112018107201217-pat00014
를 구하고 곡선의 커브가 결정된다.
Figure 112018107201217-pat00012
Is the background component of the Retinex algorithm and is
Figure 112018107201217-pat00013
Is the average value of all pixels in the image. Using the image average pixel value called m
Figure 112018107201217-pat00014
And the curve of the curve is determined.

식 (4)는 식 (3)의

Figure 112018107201217-pat00015
를 수정한 제안하는 감마 함수이다. Equation (4) is
Figure 112018107201217-pat00015
Here is the proposed gamma function.

Figure 112018107201217-pat00016
(4)
Figure 112018107201217-pat00016
(4)

Figure 112018107201217-pat00017
는 이미지의 x, y 좌표를 나타내고,
Figure 112018107201217-pat00018
는 x, y좌표에 적용할 감마 함수의 파라미터이다. 누적분포 함수를 적용하여 식 (4)와 같이
Figure 112018107201217-pat00019
를 다르게 구하고, 이제 각 픽셀 값에 따라 적응적으로 변하는
Figure 112018107201217-pat00020
를 갖게 된다.
Figure 112018107201217-pat00017
Denotes the x and y coordinates of the image,
Figure 112018107201217-pat00018
Is a parameter of the gamma function to be applied to the x and y coordinates. Applying the cumulative distribution function,
Figure 112018107201217-pat00019
And then adaptively change with each pixel value
Figure 112018107201217-pat00020
Will have

만약 전체적으로 어두운 영상이면 기존의 m값 자체도 작기 때문에

Figure 112018107201217-pat00021
를 곱했을 때
Figure 112018107201217-pat00022
가 더욱 작아져 어두운 부분에서 영상이 밝아지게 동작한다. 밝은 부분이 많고 어두운 부분이 적은 영상에서는 m의 값은 크지만 어두운 부분에서
Figure 112018107201217-pat00023
가 작은 가지므로
Figure 112018107201217-pat00024
는 매우 작은 값을 가지게 된다. 즉, 해당 영역의 밝기가 개선된다. 밝은 부분이 대부분일 경우 m 값도 크고 밝은 부분의
Figure 112018107201217-pat00025
값도 1에 가까우므로
Figure 112018107201217-pat00026
가 크게 변화하지 않는다. 이와 같이 제안하는 기법으로 밝은 부분이 압도적으로 많더라도 어두운 부분에서 영상을 밝게 만들 수 있다.If the overall image is dark, the existing m value itself is also small.
Figure 112018107201217-pat00021
Multiplied by
Figure 112018107201217-pat00022
Becomes smaller and the image works brighter in the dark. In an image with many bright parts and few dark parts, the value of m is large, but in a dark part
Figure 112018107201217-pat00023
Is a small branch
Figure 112018107201217-pat00024
Has a very small value. That is, the brightness of the area is improved. The m value is also large for most bright areas,
Figure 112018107201217-pat00025
The value is also close to 1
Figure 112018107201217-pat00026
Does not change significantly. With this proposed technique, even if there are overwhelmingly bright areas, the image can be made brighter in the dark areas.

도 2는 본 발명의 일 실시예에 따른 제안하는 기법과 자연 레티넥스의 감마 함수 그래프이다.2 is a graph of the proposed technique and gamma function of natural retinex according to an embodiment of the present invention.

도 2는 제안하는 기법과 자연 레티넥스의 감마 함수 그래프이다. 가로축은 입력 밝기 값이고 세로축은 출력 밝기 값이다. 실선은 제안하는 기법의 그래프이고 점선은 자연 레티넥스 알고리즘의 감마 함수이다. 도 2처럼 누적분포를 곱한 감마 커브가 어두운 부분에서 기존 알고리즘보다 기울기가 커지게된 것을 확인 할 수 있다. 2 is a graph of the proposed technique and gamma function of natural retinax. The horizontal axis is the input brightness value and the vertical axis is the output brightness value. The solid line is a graph of the proposed technique, and the dotted line is the gamma function of the natural retinex algorithm. As shown in FIG. 2, it can be seen that the gamma curve multiplied by the cumulative distribution has a larger slope than the existing algorithm in the dark portion.

도 3은 본 발명의 일 실시예에 따른 테스트 이미지들의 DE 값을 나타내는 표이다. 3 is a table showing DE values of test images according to an embodiment of the present invention.

자연 레티넥스 알고리즘과 이산 엔트로피(Discrete entropy; 이하 DE) 지표로 정량적으로 평가한다. 실험 이미지는 NASA 레티넥스 이미지 세트를 사용한다. 도 3의 표는 실험 이미지에 대해 DE 결과를 보인다. DE는 값이 클수록 엣지가 개선된 이미지라고 평가할 수 있다. 제안하는 알고리즘이 원본에 비해 엣지가 개선되었고 기존의 자연 레티넥스보다 값이 큰 것을 확인할 수 있다. It is quantitatively evaluated with natural retinex algorithm and discrete entropy (DE) index. The experimental image uses a NASA Retinex image set. The table in Figure 3 shows the DE results for the experimental images. The larger the value of DE, the better the edge can be evaluated as an image. It can be seen that the proposed algorithm has improved edge compared to the original and has a larger value than the existing natural retinex.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다.　 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다.　 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다.　 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다.　 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The device described above may be implemented with hardware components, software components, and / or combinations of hardware components and software components. For example, the devices and components described in the embodiments include, for example, a processor, controller, arithmetic logic unit (ALU), digital signal processor (micro signal processor), microcomputer, field programmable array (FPA), It may be implemented using one or more general purpose computers or special purpose computers, such as a programmable logic unit (PLU), microprocessor, or any other device capable of executing and responding to instructions. The processing device may run an operating system (OS) and one or more software applications running on the operating system. In addition, the processing device may access, store, manipulate, process, and generate data in response to the execution of the software. For convenience of understanding, a processing device may be described as one being used, but a person having ordinary skill in the art, the processing device may include a plurality of processing elements and / or a plurality of types of processing elements. It can be seen that may include. For example, the processing device may include a plurality of processors or a processor and a controller. In addition, other processing configurations, such as parallel processors, are possible.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다.　 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다.　 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.The software may include a computer program, code, instruction, or a combination of one or more of these, and configure the processing device to operate as desired, or process independently or collectively You can command the device. Software and / or data may be interpreted by a processing device, or to provide instructions or data to a processing device, of any type of machine, component, physical device, virtual equipment, computer storage medium or device. Can be embodied in The software may be distributed on networked computer systems, and stored or executed in a distributed manner. Software and data may be stored in one or more computer-readable recording media.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다.　 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.　 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.　 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.　 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.　 The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded on a computer readable medium. The computer-readable medium may include program instructions, data files, data structures, or the like alone or in combination. The program instructions recorded on the medium may be specially designed and configured for the embodiments or may be known and usable by those skilled in computer software. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs, DVDs, and magnetic media such as floptical disks. -Hardware devices specially configured to store and execute program instructions such as magneto-optical media, and ROM, RAM, flash memory, and the like. Examples of program instructions include high-level language code that can be executed by a computer using an interpreter, etc., as well as machine language codes produced by a compiler.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다.　 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.As described above, although the embodiments have been described by a limited embodiment and drawings, those skilled in the art can make various modifications and variations from the above description. For example, the described techniques are performed in a different order than the described method, and / or the components of the described system, structure, device, circuit, etc. are combined or combined in a different form from the described method, or other components Alternatively, even if replaced or substituted by equivalents, appropriate results can be achieved.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and equivalents to the claims are also within the scope of the following claims.

Claims (6)

히스토그램의 누적 분포 함수를 이용하여 누적 분포 함수를 구하는 단계;
상기 누적 분포 함수를 정규화하는 단계; 및
정규화된 누적 분포 함수를 자연 레티넥스 알고리즘(naturalness Retinex Algorithm)의 감마 함수에 적용하는 단계
를 포함하고,
상기 정규화된 누적 분포 함수를 자연 레티넥스 알고리즘(naturalness Retinex Algorithm)의 감마 함수에 적용하는 단계는,
입력 이미지에 적응적으로 대응하도록 자연 입력 이미지의 히스토그램의 누적 분포를 적용한 자연 레티넥스 알고리즘을 이용하고,
상기 자연 레티넥스 알고리즘의 감마 함수는 하기식을 이용하여 구하고,
Figure 112020000514174-pat00040

여기서,
Figure 112020000514174-pat00041
는 레티넥스 알고리즘의 배경성분,
Figure 112020000514174-pat00042
,
Figure 112020000514174-pat00043
은 이미지 전체 픽셀의 평균값,
Figure 112020000514174-pat00044
는 x, y좌표에 적용할 감마 함수의 파라미터를 나타내는
적응적 레티넥스 알고리즘 방법.Obtaining a cumulative distribution function using the cumulative distribution function of the histogram;
Normalizing the cumulative distribution function; And
Applying the normalized cumulative distribution function to the gamma function of the naturalness Retinex Algorithm
Including,
Applying the normalized cumulative distribution function to the gamma function of the natural Retinex Algorithm,
To adaptively respond to the input image, we use a natural retinex algorithm that applies the cumulative distribution of the histogram of the natural input image,
The gamma function of the natural retinex algorithm is obtained using the following equation,
Figure 112020000514174-pat00040

here,
Figure 112020000514174-pat00041
Is the background component of the Retinex algorithm,
Figure 112020000514174-pat00042
,
Figure 112020000514174-pat00043
Is the average value of all pixels in the image,
Figure 112020000514174-pat00044
Denotes the parameter of the gamma function to be applied to the x and y coordinates.
Adaptive retinex algorithm method. 삭제delete 삭제delete 히스토그램의 누적 분포 함수를 이용하여 누적 분포 함수를 구하는 누적 분포 함수 계산부;
상기 누적 분포 함수를 정규화하는 정규화부; 및
정규화된 누적 분포 함수를 자연 레티넥스 알고리즘(naturalness Retinex Algorithm)의 감마 함수에 적용하는 알고리즘 적용부
를 포함하고,
상기 알고리즘 적용부는,
입력 이미지에 적응적으로 대응하도록 자연 입력 이미지의 히스토그램의 누적 분포를 적용한 자연 레티넥스 알고리즘을 이용하고,
상기 자연 레티넥스 알고리즘의 감마 함수는 하기식을 이용하여 구하고,
Figure 112020000514174-pat00045

여기서,
Figure 112020000514174-pat00046
는 레티넥스 알고리즘의 배경성분,
Figure 112020000514174-pat00047
,
Figure 112020000514174-pat00048
은 이미지 전체 픽셀의 평균값,
Figure 112020000514174-pat00049
는 x, y좌표에 적용할 감마 함수의 파라미터를 나타내는
적응적 레티넥스 알고리즘 장치.A cumulative distribution function calculation unit to obtain a cumulative distribution function using the cumulative distribution function of the histogram;
A normalization unit to normalize the cumulative distribution function; And
Algorithm application unit that applies the normalized cumulative distribution function to the gamma function of the naturalness Retinex Algorithm
Including,
The algorithm application unit,
To adaptively respond to the input image, we use a natural retinex algorithm that applies the cumulative distribution of the histogram of the natural input image,
The gamma function of the natural retinex algorithm is obtained using the following equation,
Figure 112020000514174-pat00045

here,
Figure 112020000514174-pat00046
Is the background component of the Retinex algorithm,
Figure 112020000514174-pat00047
,
Figure 112020000514174-pat00048
Is the average value of all pixels in the image,
Figure 112020000514174-pat00049
Denotes the parameter of the gamma function to be applied to the x and y coordinates.
Adaptive retinex algorithm device. 삭제delete 삭제delete
KR1020180130622A 2018-10-30 2018-10-30 Adaptive Retinex Algorithm for Images with Non-uniform Illumination KR102101209B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180130622A KR102101209B1 (en) 2018-10-30 2018-10-30 Adaptive Retinex Algorithm for Images with Non-uniform Illumination

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180130622A KR102101209B1 (en) 2018-10-30 2018-10-30 Adaptive Retinex Algorithm for Images with Non-uniform Illumination

Publications (1)

Publication Number Publication Date
KR102101209B1 true KR102101209B1 (en) 2020-04-16

Family

ID=70454497

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180130622A KR102101209B1 (en) 2018-10-30 2018-10-30 Adaptive Retinex Algorithm for Images with Non-uniform Illumination

Country Status (1)

Country Link
KR (1) KR102101209B1 (en)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060004218A (en) * 2004-07-09 2006-01-12 최명렬 Apparatus for controlling adaptive contrast in flat display panel
KR20080038690A (en) * 2006-10-30 2008-05-07 삼성전자주식회사 Method and system for image enhancement
KR20180092416A (en) * 2017-02-09 2018-08-20 고려대학교 산학협력단 Apparatus and method for improving contrast ratio of image

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060004218A (en) * 2004-07-09 2006-01-12 최명렬 Apparatus for controlling adaptive contrast in flat display panel
KR20080038690A (en) * 2006-10-30 2008-05-07 삼성전자주식회사 Method and system for image enhancement
KR20180092416A (en) * 2017-02-09 2018-08-20 고려대학교 산학협력단 Apparatus and method for improving contrast ratio of image

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Yonghun Shin ET AL:"Efficient naturalness restoration for non-uniform illumination images", IET Image Processing, Volume 9, Issue 8, August 2015(2015.08.31.) 1부.* *

Similar Documents

Publication Publication Date Title
US10475237B2 (en) Image processing apparatus and control method thereof
CN113168670A (en) Bright spot removal using neural networks
US10962772B2 (en) Method of removing reflection area, and eye tracking method and apparatus
KR20220058143A (en) Method and apparatus for udc image restoration
US11417003B2 (en) Method and apparatus for tracking eyes of user and method of generating inverse-transform image
KR102465070B1 (en) Method and device to recover image
US9258490B2 (en) Smoothing of ghost maps in a ghost artifact detection method for HDR image creation
US10694110B2 (en) Image processing device, method
KR102695528B1 (en) Image enhancement method and apparatus
US11579514B2 (en) Computational optics
KR102101209B1 (en) Adaptive Retinex Algorithm for Images with Non-uniform Illumination
KR101617551B1 (en) Image processing method and system for improving face detection
KR101853211B1 (en) Complexity Reduction of SIFT for Video based on Frame Difference in the Mobile GPU environment
KR20230149615A (en) Method and apparatus for light estimation
KR20230039018A (en) Method for adjusting contrast and apparatus using the same
KR101537788B1 (en) Method of increasing contrast for low light level image using image segmentation algorithm based on meanshift
US20160037062A1 (en) Image processing apparatus, image processing method, and program
KR20210059612A (en) Asymmetric normalized correlation layer for deep neural network feature matching
JP2021525912A (en) Estimating the position coordinates of the light source in the peripheral image
Agarwal et al. Specular reflection removal in cervigrams
KR102143918B1 (en) Apparatus and method for detecting LED edge based on adaptive threshold
Jung et al. Color image enhancement using depth and intensity measurements of a time-of-flight depth camera
KR102205591B1 (en) Image enhancement apparatus and image enhancement method
US9298319B2 (en) Multi-touch recognition apparatus using filtering and a difference image and control method thereof
US20240257498A1 (en) Electronic apparatus for classifying object region and background region and operating method of the electronic apparatus

Legal Events

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