KR102144577B1 - 최적의 감마보정 기반 저조도 영상 보정방법 - Google Patents

최적의 감마보정 기반 저조도 영상 보정방법 Download PDF

Info

Publication number
KR102144577B1
KR102144577B1 KR1020190006063A KR20190006063A KR102144577B1 KR 102144577 B1 KR102144577 B1 KR 102144577B1 KR 1020190006063 A KR1020190006063 A KR 1020190006063A KR 20190006063 A KR20190006063 A KR 20190006063A KR 102144577 B1 KR102144577 B1 KR 102144577B1
Authority
KR
South Korea
Prior art keywords
value
gamma
luminance
image
equation
Prior art date
Application number
KR1020190006063A
Other languages
English (en)
Other versions
KR20200089410A (ko
Inventor
정인호
박진
권재헌
Original Assignee
정인호
박진
권재헌
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 정인호, 박진, 권재헌 filed Critical 정인호
Priority to KR1020190006063A priority Critical patent/KR102144577B1/ko
Publication of KR20200089410A publication Critical patent/KR20200089410A/ko
Application granted granted Critical
Publication of KR102144577B1 publication Critical patent/KR102144577B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals
    • H04N9/68—Circuits for processing colour signals for controlling the amplitude of colour signals, e.g. automatic chroma control circuits
    • H04N9/69—Circuits for processing colour signals for controlling the amplitude of colour signals, e.g. automatic chroma control circuits for modifying the colour signals by gamma correction
    • G06T5/009—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • 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
    • G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals
    • H04N9/67—Circuits for processing colour signals for matrixing

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Processing Of Color Television Signals (AREA)
  • Image Processing (AREA)
  • Picture Signal Circuits (AREA)

Abstract

본 발명은 최적의 감마보정 기반 저조도 영상 보정방법에 관한 것으로, 좀더 구체적으로는 입력되는 컬러영상의 어두운 영역과 밝은 영역으로 분류하여 각각의 영역에 대해 최적의 감마값을 산출하고, 이를 감마보정에 적용하여 대조비를 개선하는 최적의 감마보정 기반 저조도 영상 보정방법에 관한 것이다.
상술한 목적을 달성하기 위한 본 발명의 특징에 의하면, 본 발명은 보정대상 컬러영상이 영상보정장치에 입력되는 컬러영상 입력단계; 상기 보정대상 컬러영상의 YCbCr 색 공간에서의 각 화소별 입력 휘도값을 산출하는 휘도정보 획득단계; 상기 각 화소별 입력 휘도값을 로그 함수를 이용하여 정규화하는 입력 휘도값 정규화단계; 정규화된 상기 각 화소별 휘도값을 평가하여 어두운 영역과 밝은 영역으로 각 화소를 분류하되, 정규화된 상기 각 화소별 휘도값이 0.5 이상인 경우에는 어두운 영역, 0.5 미만인 경우에는 밝은 영역으로 구분되는 밝기영역 분류단계; 상기 어두운 영역과 밝은 영역 각각에 대한 휘도값 평균과 표준편차의 차이값이 최소화되는 최적 감마값(γ)을 산출하는 최적 감마값 산출단계; 각각의 상기 최적 감마값(γ)을 감마보정에 적용하여 감마 보정된 휘도영상을 얻는 휘도영상 획득단계; 상기 감마 보정된 휘도영상으로부터 컬러영상을 합성하는 컬러영상 합성단계;를 포함하는 최적의 감마보정 기반 저조도 영상 보정방법을 제공한다.

Description

최적의 감마보정 기반 저조도 영상 보정방법{Low-light image correction method based on optimal gamma correction}
본 발명은 최적의 감마보정 기반 저조도 영상 보정방법에 관한 것으로, 좀더 구체적으로는 입력되는 컬러영상의 어두운 영역과 밝은 영역으로 분류하여 각각의 영역에 대해 최적의 감마값을 산출하고, 이를 감마보정에 적용하여 대조비를 개선하는 최적의 감마보정 기반 저조도 영상 보정방법에 관한 것이다.
최근에는 디지털 영상 기술의 발전으로 다양한 영상 장치를 이용하여 고품질의 영상을 얻을 수 있게 되었다. 그러나 빛의 양이 부족한 저조도 환경에서는 낮은 동적 영역으로 인하여 취득된 영상의 품질이 저하된다. 이러한 저조도에서 취득된 영상은 인공지능 영상처리, CCTV, 물체감지 등 다양한 영상처리 애플리케이션의 성능 저하를 초래한다. 따라서, 이를 개선하기 위한 다양한 저조도 영상의 대조비 향상 기법에 관한 연구가 진행되었다. 특히, 단순하면서도 높은 품질의 결과를 제공하는 감마보정 기법에 대한 많은 연구가 진행되었다.
감마보정 기법은 입력 화소값에 대한 결과 화소값을 구하는 절차에 파워 함수를 이용하는 기법이며, 최적의 감마값을 찾기 위한 연구가 진행되었다. 예를 들어, 2018년 2월 발표된 논문 "An adaptive method for image dynamic range adjustment" (K.-F. Yang, H. Li, H. Kuang, C.-Y. Li, and Y.-J. Li, accepted to IEEE Trans. Circuits Syst. Video Technol.)은 최적의 감마값을 찾기 위한 함수에 중앙값을 이용한 기법이 제안되었다. 하지만, 이러한 기법은 비선형적이기 때문에 계산 복잡도가 높고, 입력 영상의 동적 영역이 낮을 경우 과포화 현상이 일어나는 단점이 있다.
K.-F. Yang, H. Li, H. Kuang, C.-Y. Li, and Y.-J. Li, "An adaptive method for image dynamic range adjustment" accepted to IEEE Trans. Circuits Syst. Video Technol., Feb. 2018.
따라서 본 발명은 이와 같은 종래 기술의 문제점을 개선하여, 컬러영상의 어두운 영역과 밝은 영역 각각에 대한 휘도값 평균과 표준편차의 차이값이 최소화되는 최적 감마값을 산출하는 기법을 이용하여 저조도 영상의 대조비 향상이 도모되도록 하며, 입력 영상의 동적 영역이 낮을 경우에도 과포화 현상을 최소화하는 최적의 감마보정 기반 저조도 영상 보정방법을 제공하는 것을 목적으로 한다.
특히, 본 발명은 감마보정 기법을 이용한 최적의 감마값 산출이 최적화 이론 기반으로 풀어낸 수식을 통해 이루어져, 최종 영상을 얻는데 실행 시간이 단축되는 최적의 감마보정 기반 저조도 영상 보정방법을 제공하는 것을 목적으로 한다.
상술한 목적을 달성하기 위한 본 발명의 특징에 의하면, 본 발명은 보정대상 컬러영상이 영상보정장치에 입력되는 컬러영상 입력단계; 상기 보정대상 컬러영상을 YCbCr 색 공간으로 변환하는 컬러영상 색 공간 변환단계; 상기 보정대상 컬러영상의 YCbCr 색 공간에서의 각 화소별 입력 휘도값을 산출하는 휘도정보 획득단계; 상기 각 화소별 입력 휘도값을 로그 함수를 이용하여 정규화하는 입력 휘도값 정규화단계; 정규화된 상기 각 화소별 휘도값을 평가하여 어두운 영역과 밝은 영역으로 각 화소를 분류하되, 정규화된 상기 각 화소별 휘도값이 0.5 이상인 경우에는 어두운 영역, 0.5 미만인 경우에는 밝은 영역으로 구분되는 밝기영역 분류단계; 상기 어두운 영역과 밝은 영역 각각에 대한 휘도값 평균과 표준편차의 차이값이 최소화되는 최적 감마값(γ)을 산출하는 최적 감마값 산출단계; 각각의 상기 최적 감마값(γ)을 감마보정에 적용하여 감마 보정된 휘도영상을 얻는 휘도영상 획득단계; 상기 감마 보정된 휘도영상으로부터 컬러영상을 합성하는 컬러영상 합성단계;를 포함하는 최적의 감마보정 기반 저조도 영상 보정방법을 제공한다.
이와 같은 본 발명에 따른 최적의 감마보정 기반 저조도 영상 보정방법에서 상기 휘도정보 획득단계는, 입력 휘도값을 아래의 [수학식 1]에 의해 획득한다.
[수학식 1]
Figure 112019005750865-pat00001
(
Figure 112019005750865-pat00002
은 입력 휘도값,
Figure 112019005750865-pat00003
은 각 컬러영상의 입력 화소값)
이와 같은 본 발명에 따른 최적의 감마보정 기반 저조도 영상 보정방법에서 상기 최적 감마값 산출단계는, [수학식 2]의 감마값을 반복적으로 변화시키면서 [수학식 2]의 함수값을 구하고, [수학식 2]의 함수값이 최소화되는 감마값을 어두운 영역에 대한 최적 감마값으로 산출한다.
[수학식 2]
Figure 112019005750865-pat00004
,
Figure 112019005750865-pat00005
subject to
Figure 112019005750865-pat00006
(
Figure 112019005750865-pat00007
은 어두운 영역에 속하는 화소의 개수,
Figure 112019005750865-pat00008
는 전치행렬,
Figure 112019005750865-pat00009
는 어두운 영역에 속하는 화소값의 벡터,
Figure 112019005750865-pat00010
은 어두운 영역에 속하는 화소의 휘도값의 표준편차)
이와 같은 본 발명에 따른 최적의 감마보정 기반 저조도 영상 보정방법에서 상기 최적 감마값 산출단계는, [수학식 3]의 감마값을 반복적으로 변화시키면서 [수학식 3]의 함수값을 구하고, [수학식 3]의 함수값이 최소화되는 감마값을 밝은 영역에 대한 최적 감마값으로 산출한다.
[수학식 3]
Figure 112019005750865-pat00011
,
Figure 112019005750865-pat00012
subject to
Figure 112019005750865-pat00013
(
Figure 112019005750865-pat00014
은 밝은 영역에 속하는 화소의 개수,
Figure 112019005750865-pat00015
는 전치행렬,
Figure 112019005750865-pat00016
는 밝은 영역에 속하는 화소값의 벡터,
Figure 112019005750865-pat00017
은 밝은 영역에 속하는 화소의 휘도값의 표준편차)
이와 같은 본 발명에 따른 최적의 감마보정 기반 저조도 영상 보정방법에서, [수학식 3] 또는 [수학식 4]를 컨벡스 최적화 이론을 이용하여 다음의 수식을 얻고
Figure 112019005750865-pat00018
, 뉴턴방법(Newton's Method)을 이용하여 근사근인 처음값(
Figure 112019005750865-pat00019
)을 정하며,
Figure 112019005750865-pat00020
에서
Figure 112019005750865-pat00021
에 대한 선형근사식을 구하여
Figure 112019005750865-pat00022
,
Figure 112019005750865-pat00023
의 근인
Figure 112019005750865-pat00024
을 처음값으로 정하는 과정을 오차범위
Figure 112019005750865-pat00025
내로 반복하여 최적 감마값(γ)을 산출한다.
본 발명에 의한 최적의 감마보정 기반 저조도 영상 보정방법에 의하면, 컬러영상의 어두운 영역과 밝은 영역 각각에 대한 휘도값 평균과 표준편차의 차이값이 최소화되는 최적 감마값을 산출하는 기법을 이용하여 저조도 영상의 대조비를 더욱 향상시킬 수 있어 다양한 영상처리 애플리케이션의 성능 향상을 도모할 수 있으며, 입력 영상의 동적 영역이 낮을 경우에도 과포화 현상을 최소화할 수 있다.
특히, 본 발명은 감마보정 기법을 이용한 최적의 감마값 산출이 간단한 수식을 통해 이루어져 짧은 시간 내에 더 높은 품질의 결과 영상을 얻을 수 있다.
도 1은 본 발명에 따른 최적의 감마보정 기반 저조도 영상 보정방법의 블록도이다.
도 2는 본 발명에 따른 최적의 감마보정 기반 저조도 영상 보정방법의 영상보정장치에 입력되는 보정대상 컬러영상이다.
도 3은 본 발명에 따른 최적의 감마보정 기반 저조도 영상 보정방법의 감마 보정된 휘도영상으로부터 컬러영상이 합성된 영상이다.
이하, 본 발명의 실시예를 첨부된 도면 도 1 내지 도3에 의거하여 상세히 설명한다. 한편, 도면과 상세한 설명에서 이 분야의 종사자들이 용이하게 알 수 있는 구성 및 작용에 대한 도시 및 언급은 간략히 하거나 생략하였다. 특히 도면의 도시 및 상세한 설명에 있어서 본 발명의 기술적 특징과 직접적으로 연관되지 않는 요소의 구체적인 기술적 구성 및 작용에 대한 상세한 설명 및 도시는 생략하고, 본 발명과 관련되는 기술적 구성만을 간략하게 도시하거나 설명하였다.
본 발명의 실시예에 따른 최적의 감마보정 기반 저조도 영상 보정방법은 도 1에서와 같이 컬러영상 입력단계, 컬러영상 색 공간 변환단계, 휘도정보 획득단계, 입력 휘도값 정규화단계, 밝기영역 분류단계, 최적 감마값 산출단계, 휘도영상 획득단계, 컬러영상 합성단계를 포함한다.
컬러영상 입력단계는 보정대상 컬러영상이 영상보정장치에 입력되는 단계이다. 여기서 보정대상 컬러영상은 도 2에 도시된 바와 같이 빛의 양이 부족한 저조도 환경에서 촬영된 저조도 영상이다. 또한, 영상보정장치는 입력된 상기 보정대상 컬러영상을 최적의 감마보정 기반 저조도 영상 보정방법을 통해 저조도 영상의 대조비를 향상시키는 기기이다.
컬러영상 색 공간 변환단계는 상기 보정대상 컬러영상을 YCbCr 색 공간으로 변환하는 단계이다. 여기서 YCbCr은 영상 시스템에서 사용되는 색공간의 일종으로 Y는 휘도 성분이며, Cb와 Cr은 색차 성분을 나타낸다. 그리고 YCbCr은 RGB 정보를 인코딩하는 방식의 하나이다.
휘도정보 획득단계는 상기 보정대상 컬러영상의 YCbCr 색 공간에서의 각 화소별 입력 휘도값을 산출하는 단계이다.
또한, 휘도정보 획득단계는 아래의 [수학식 1]에 의해 상기 입력 휘도값을 획득할 수 있다.
Figure 112019005750865-pat00026
(
Figure 112019005750865-pat00027
은 입력 휘도값,
Figure 112019005750865-pat00028
은 각 컬러영상의 입력 화소값)
입력 휘도값 정규화단계는 상기 휘도정보 획득단계에서 상기 각 화소별 입력 휘도값을 로그 함수를 이용하여 정규화하는 단계이다.
밝기영역 분류단계는 상기 입력 휘도값 정규화단계에서 정규화된 상기 각 화소별 입력 휘도값을 평가하여 어두운 영역과 밝은 영역으로 각 화소를 분류한다. 일반적으로 휘도값의 범위는 0 부터 1 사이를 가지며, 밝기영역은 상기 각 화소별 입력 휘도값이 0.5 이상 1 이하에 속하는 경우에는 어두운 영역, 0 이상 0.5 미만에 속하는 경우에는 밝은 영역으로 구분될 수 있다.
최적 감마값 산출단계는 상기 어두운 영역과 밝은 영역 각각에 대한 휘도값 평균과 표준편차의 차이값이 최소화되는 최적 감마값(γ)을 산출한다.
이때, 상기 최적 감마값 산출단계는 [수학식 2]의 감마값을 반복적으로 변화시키면서 [수학식 2]의 함수값을 구하고, [수학식 2]의 함수값이 최소화되는 감마값을 어두운 영역에 대한 최적 감마값으로 산출할 수 있다.
Figure 112019005750865-pat00029
subject to
Figure 112019005750865-pat00030
(
Figure 112019005750865-pat00031
은 어두운 영역에 속하는 화소의 개수,
Figure 112019005750865-pat00032
는 전치행렬(행의 갯수 N개, 열의 갯수 1개),
Figure 112019005750865-pat00033
는 어두운 영역에 속하는 화소값의 벡터,
Figure 112019005750865-pat00034
은 어두운 영역에 속하는 화소의 휘도값의 표준편차)
또한, 상기 최적 감마값 산출단계는 [수학식 3]의 감마값을 반복적으로 변화시키면서 [수학식 3]의 함수값을 구하고, [수학식 3]의 함수값이 최소화되는 감마값을 밝은 영역에 대한 최적 감마값으로 산출할 수 있다.
Figure 112019005750865-pat00035
subject to
Figure 112019005750865-pat00036
(
Figure 112019005750865-pat00037
은 밝은 영역에 속하는 화소의 개수,
Figure 112019005750865-pat00038
는 전치행렬(행의 갯수 N개, 열의 갯수 1개),
Figure 112019005750865-pat00039
는 밝은 영역에 속하는 화소값의 벡터,
Figure 112019005750865-pat00040
은 밝은 영역에 속하는 화소의 휘도값의 표준편차)
이러한 [수학식 2]와 [수학식 3]의 최적화 문제는 컨벡스 최적화 문제로 계산될 수 있으며, Karush-Kuhn-Tucker(KKT)조건을 이용하여 감마보정 계수에 대한 수식을 얻을 수 있다. 이때, 얻어진 수식은 뉴턴방법(Newton's method)를 이용하여 해를 구할 수 있다. 기본적인 방법은 폐구간 [a,b]에서 실수
Figure 112019005750865-pat00041
에 대해 정의된 함수
Figure 112019005750865-pat00042
가 미분가능할 때 임의의
Figure 112019005750865-pat00043
에 대해서
Figure 112019005750865-pat00044
을
Figure 112019005750865-pat00045
라고 하고, 이를 계속 반복하게 되면 특정 조건하에
Figure 112019005750865-pat00046
은 함수
Figure 112019005750865-pat00047
을 만족하는 해를 구한다. 실제 해를 구하기 위해서는 상기 휘도값의 평균과 표준편차의 차이값이
Figure 112019005750865-pat00048
보다 작아질 때까지 반복적으로
Figure 112019005750865-pat00049
를 변화시키면서 최적의 값을 찾는다.
휘도영상 획득단계는 각각의 상기 최적 감마값(γ)을 감마보정에 적용하여 감마 보정된 휘도영상을 얻는다.
컬러영상 합성단계는 상기 감마 보정된 휘도영상으로부터 컬러영상을 합성하는 단계이다. 이때, 상기 컬러영상 합성단계는 상기 감마 보정된 휘도영상으로부터 아래의 [수학식 4]을 이용하여 컬러영상을 합성할 수 있다.
Figure 112019005750865-pat00050
Figure 112019005750865-pat00051
(
Figure 112019005750865-pat00052
는 과포화 현상을 막기 위한 값,
Figure 112019005750865-pat00053
은 감마 보정된 화소값,
Figure 112019005750865-pat00054
은 입력 휘도값,
Figure 112019005750865-pat00055
는 각 컬러영상의 입력 화소값)
특히, 도 3에 도시된 바와 같이, 도 2의 저조도 보정대상 컬러영상이 최적의 감마보정 기반 저조도 영상 보정방법에 의해 기존의 대조비가 향상된 것을 알 수 있다. 또한, 최적의 감마보정 기반 저조도 영상 보정방법이 간단한 수식에 의해 실행시간이 단축되며, 높은 품질의 영상을 얻을 수 있다.
상술한 바와 같은, 본 발명의 실시예에 따른 최적의 감마보정 기반 저조도 영상 보정방법을 상기한 설명 및 도면에 따라 도시하였지만, 이는 예를 들어 설명한 것에 불과하며, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 다양한 변화 및 변경이 가능하다는 것을 이 분야의 통상적인 기술자들은 잘 이해할 수 있을 것이다.

Claims (5)

  1. 보정대상 컬러영상이 영상보정장치에 입력되는 컬러영상 입력단계;
    상기 보정대상 컬러영상을 YCbCr 색 공간으로 변환하는 컬러영상 색 공간 변환단계;
    상기 보정대상 컬러영상의 YCbCr 색 공간에서의 각 화소별 입력 휘도값을 산출하는 휘도정보 획득단계;
    상기 각 화소별 입력 휘도값을 로그 함수를 이용하여 정규화하는 입력 휘도값 정규화단계;
    정규화된 상기 각 화소별 입력 휘도값을 평가하여 어두운 영역과 밝은 영역으로 각 화소를 분류하되, 상기 각 화소별 입력 휘도값이 0.5 이상인 경우에는 어두운 영역, 0.5 미만인 경우에는 밝은 영역으로 구분되는 밝기영역 분류단계;
    상기 어두운 영역과 밝은 영역 각각에 대한 휘도값 평균과 표준편차의 차이값이 최소화되는 최적 감마값(γ)을 산출하는 최적 감마값 산출단계;
    각각의 상기 최적 감마값(γ)을 감마보정에 적용하여 감마 보정된 휘도영상을 얻는 휘도영상 획득단계;
    상기 감마 보정된 휘도영상으로부터 컬러영상을 합성하는 컬러영상 합성단계;를 포함하되,

    상기 최적 감마값 산출단계는,
    [수학식 2]의 감마값을 반복적으로 변화시키면서 [수학식 2]의 함수값을 구하고, [수학식 2]의 함수값이 최소화되는 감마값을 어두운 영역에 대한 최적 감마값으로 산출하거나,
    [수학식 3]의 감마값을 반복적으로 변화시키면서 [수학식 3]의 함수값을 구하고, [수학식 3]의 함수값이 최소화되는 감마값을 밝은 영역에 대한 최적 감마값으로 산출하는 것을 특징으로 하는 최적의 감마보정 기반 저조도 영상 보정방법.

    [수학식 2]
    Figure 112020043594810-pat00084
    ,
    Figure 112020043594810-pat00085

    subject to
    Figure 112020043594810-pat00086

    (
    Figure 112020043594810-pat00087
    은 어두운 영역에 속하는 화소의 개수,
    Figure 112020043594810-pat00088
    는 전치행렬,
    Figure 112020043594810-pat00089
    는 어두운 영역에 속하는 화소값의 벡터,
    Figure 112020043594810-pat00090
    은 어두운 영역에 속하는 화소의 휘도값의 표준편차)

    [수학식 3]
    Figure 112020043594810-pat00091
    ,
    Figure 112020043594810-pat00092

    subject to
    Figure 112020043594810-pat00093

    (
    Figure 112020043594810-pat00094
    은 밝은 영역에 속하는 화소의 개수,
    Figure 112020043594810-pat00095
    는 전치행렬,
    Figure 112020043594810-pat00096
    는 밝은 영역에 속하는 화소값의 벡터,
    Figure 112020043594810-pat00097
    은 밝은 영역에 속하는 화소의 휘도값의 표준편차)
  2. 제1항에 있어서,
    상기 휘도정보 획득단계는,
    입력 휘도값을 아래의 [수학식 1]에 의해 획득하는 것을 특징으로 하는 최적의 감마보정 기반 저조도 영상 보정방법.
    [수학식 1]
    Figure 112019005750865-pat00056

    (
    Figure 112019005750865-pat00057
    은 입력 휘도값,
    Figure 112019005750865-pat00058
    은 각 컬러영상의 입력 화소값)
  3. 삭제
  4. 삭제
  5. 제1항에 있어서,
    [수학식 2] 또는 [수학식 3]을 컨벡스 최적화 이론을 이용하여 다음의 수식을 얻고
    Figure 112020043594810-pat00073
    , 뉴턴방법(Newton's Method)을 이용하여 근사근인 처음값(
    Figure 112020043594810-pat00074
    )을 정하며,
    Figure 112020043594810-pat00075
    에서
    Figure 112020043594810-pat00076
    에 대한 선형근사식을 구하여
    Figure 112020043594810-pat00077
    ,
    Figure 112020043594810-pat00078
    의 근인
    Figure 112020043594810-pat00079
    을 처음값으로 정하는 과정을 오차범위
    Figure 112020043594810-pat00080
    내로 반복하여 최적 감마값(γ)을 산출하는 것을 특징으로 하는 최적의 감마보정 기반 저조도 영상 보정방법.
KR1020190006063A 2019-01-17 2019-01-17 최적의 감마보정 기반 저조도 영상 보정방법 KR102144577B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190006063A KR102144577B1 (ko) 2019-01-17 2019-01-17 최적의 감마보정 기반 저조도 영상 보정방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190006063A KR102144577B1 (ko) 2019-01-17 2019-01-17 최적의 감마보정 기반 저조도 영상 보정방법

Publications (2)

Publication Number Publication Date
KR20200089410A KR20200089410A (ko) 2020-07-27
KR102144577B1 true KR102144577B1 (ko) 2020-08-13

Family

ID=71893957

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190006063A KR102144577B1 (ko) 2019-01-17 2019-01-17 최적의 감마보정 기반 저조도 영상 보정방법

Country Status (1)

Country Link
KR (1) KR102144577B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11663951B2 (en) 2020-11-20 2023-05-30 Lx Semicon Co., Ltd. Demura compensation device and data processing circuit for driving display panel

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112419181B (zh) * 2020-11-19 2023-12-08 中国科学院西安光学精密机械研究所 一种宽动态红外图像细节增强方法
CN112561829B (zh) * 2020-12-23 2024-01-12 西北工业大学 基于L通道Gamma变换的多区域非均匀亮度失真校正算法
CN114363532A (zh) * 2021-12-02 2022-04-15 浙江大华技术股份有限公司 聚焦方法以及相关装置
CN114677340B (zh) * 2022-03-14 2024-05-24 上海第二工业大学 一种基于图像边缘的混凝土表面粗糙度的检测方法
CN116977214A (zh) * 2023-07-21 2023-10-31 萱闱(北京)生物科技有限公司 图像优化方法、装置、介质和计算设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011182189A (ja) * 2010-03-01 2011-09-15 Toshiba Teli Corp 画像処理装置および画像処理プログラム

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100456017B1 (ko) * 2002-02-06 2004-11-08 삼성전자주식회사 히스토그램 매칭을 이용한 콘트라스트 향상 장치 및 방법
KR101937249B1 (ko) * 2012-10-09 2019-04-11 에스케이 텔레콤주식회사 열상카메라의 영상 잡음 레벨에 기반한 대조비 향상 기법 및 장치

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011182189A (ja) * 2010-03-01 2011-09-15 Toshiba Teli Corp 画像処理装置および画像処理プログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"An Adaptive Method for Image Dynamic Range Adjustment", Kai-Fu Yang 외 4인, IEEE, (2018. 2. 27) 1부.*

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11663951B2 (en) 2020-11-20 2023-05-30 Lx Semicon Co., Ltd. Demura compensation device and data processing circuit for driving display panel

Also Published As

Publication number Publication date
KR20200089410A (ko) 2020-07-27

Similar Documents

Publication Publication Date Title
KR102144577B1 (ko) 최적의 감마보정 기반 저조도 영상 보정방법
US10853925B2 (en) Methods, systems, and media for image processing
JP6111336B2 (ja) 画像処理方法および装置
KR100467610B1 (ko) 디지털 화질 개선 방법 및 장치
US9230304B2 (en) Apparatus and method for enhancing image using color channel
US10778917B2 (en) Joint dictionary generation method for image processing, interlace-based high dynamic range imaging apparatus using joint dictionaries and image processing method of the same
US9396526B2 (en) Method for improving image quality
CN109325922A (zh) 一种图像自适应增强方法、装置及图像处理设备
CN109118437B (zh) 一种可实时处理浑水图像的方法、存储介质
US8269898B2 (en) Image processing apparatus
CN110827225A (zh) 一种基于双重曝光框架的非均匀光照水下图像增强方法
CN112541868B (zh) 图像处理方法、装置、计算机设备和存储介质
CN112102166B (zh) 一种联合超分辨率、色域扩展和逆色调映射方法及设备
CN113273180A (zh) 图像处理装置和方法
US10699455B2 (en) Image processing system, image processing method, and image processing program recording medium
CN114998122A (zh) 一种低照度图像增强方法
US11640654B2 (en) Image processing method and apparatus
CN113658043A (zh) 图像处理方法、装置、电子设备和可读存储介质
US9336575B2 (en) Image processing apparatus, image processing method, and image processing program
US8744207B2 (en) Image processing device, image processing method, image processing program and recording medium
Li et al. Contrast enhancement algorithm for outdoor infrared images based on local gradient-grayscale statistical feature
US20230186446A1 (en) Image processing methods and systems for low-light image enhancement using machine learning models
KR101180409B1 (ko) 히스토그램 정규화와 감마 보정 합성을 통하여 저조도 영상을 개선하는 방법 및 장치
KR20160025876A (ko) 영상의 대비 강화 방법 및 장치
US20230186612A1 (en) Image processing methods and systems for generating a training dataset for low-light image enhancement using machine learning models