KR102619092B1 - 영상분석방법 및 그를 포함하는 영상처리방법 - Google Patents
영상분석방법 및 그를 포함하는 영상처리방법 Download PDFInfo
- Publication number
- KR102619092B1 KR102619092B1 KR1020210127699A KR20210127699A KR102619092B1 KR 102619092 B1 KR102619092 B1 KR 102619092B1 KR 1020210127699 A KR1020210127699 A KR 1020210127699A KR 20210127699 A KR20210127699 A KR 20210127699A KR 102619092 B1 KR102619092 B1 KR 102619092B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- analysis
- brightness
- image processing
- calculation step
- Prior art date
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 title description 9
- 238000004364 calculation method Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000003703 image analysis method Methods 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims description 32
- 238000010191 image analysis Methods 0.000 claims description 22
- 238000010606 normalization Methods 0.000 claims description 4
- 238000012732 spatial analysis Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
본 발명은 영상 처리에 관한 것으로서, 보다 상세하게는 히스토그램을 이용하여 영상을 분석하는 영상분석방법 및 그를 포함하는 영상처리방법에 관한 것이다.
본 발명은, 분석대상 이미지 중 측정될 영역의 픽셀기준 좌표를 기준으로 기준좌표의 밝기 값을 p, 상기 기준좌표를 기준으로 +X축 방향, -X축 방향, +Y축 방향 및 -Y축 방향 중 적어도 하나의 방향의 근접 픽셀의 밝기 값을 q로 하여, 각 좌표에 대한 개수를 밝기 분포값()으로 계산하는 1차 계산단계(S21)와; 상기 1차 계산단계(S21)에 얻어진 밝기 분포값()을 정규화하여 계산된 디테일 값()을 계산하는 2차 계산단계(S22)를 포함하는 것을 특징으로 하는 영상분석방법을 개시한다.
본 발명은, 분석대상 이미지 중 측정될 영역의 픽셀기준 좌표를 기준으로 기준좌표의 밝기 값을 p, 상기 기준좌표를 기준으로 +X축 방향, -X축 방향, +Y축 방향 및 -Y축 방향 중 적어도 하나의 방향의 근접 픽셀의 밝기 값을 q로 하여, 각 좌표에 대한 개수를 밝기 분포값()으로 계산하는 1차 계산단계(S21)와; 상기 1차 계산단계(S21)에 얻어진 밝기 분포값()을 정규화하여 계산된 디테일 값()을 계산하는 2차 계산단계(S22)를 포함하는 것을 특징으로 하는 영상분석방법을 개시한다.
Description
본 발명은 영상 처리에 관한 것으로서, 보다 상세하게는 히스토그램을 이용하여 영상을 분석하는 영상분석방법 및 그를 포함하는 영상처리방법에 관한 것이다.
영상처리에 있어, 영상 분석은 영상이 가지고 있는 특성과 이후 영상처리를 위한 가장 기본적이며 효과적인 방법이다.
영상분석방법은, 공간 분석(Spatial Domain Analysis)과 주파수 분석(Frequency Domain Analysis)로 나눌 수 있으며, 공간 분석은, 이미지 자체를 그대로 분석하는 것을 의미하고, 주파수 분석은 FFT(Fast Fourier Transform) 등을 이용하여 주파수 영역으로 변환한 후 그곳에서 이미지를 분석하는 것을 의미한다.
도 1a는, 영상 분석 대상의 사진의 일 예이고, 도 1b는, 도 1a의 사진에 대한 히스토그램을 보여주는 그래프이다.
1차 히스토그램은 대표적인 공간 분석 방법으로서 '히스토그램 분석'이 있으며, 히스토그램은 영상 안에서 픽셀들에 대한 밝기 값(intensity)의 분포를 나타낸 것이다.
구체적으로, 그래프에서 X축은 픽셀의 밝기(intensity)를 나타내며, Y축은 해당 밝기를 가지는 픽셀 수(frequency)를 나타낸다.
이러한 히스토그램을 이용한 영상 분석을 통하여, 도 1a 및 도 1b에 도시된 바와 같이, 영상의 밝기 분포에 대한 정보를 간단하게 파악할 수 있으며, 이러한 영상 분석은, 영상의 압축, 분할, 내용기반 검색 등 다양한 영상 처리 분야에서 사용될 수 있다.
한편, 종래의 히스토그램의 수식을 표현하면 다음과 같다.
는, 1차원 히스토그램을, 는 입력 이미지의 (x, y)좌표에서의 밝기 값을 의미한다. #은, 해당 조건을 만족하는 (x, y)의 개수를 의미한다. R은 픽셀 밝기의 범위를 뜻한다.
정리하면, 는 임의의 밝기 p에 대한 이미지 에서의 픽셀 수를 의미한다. 1차원 히스토그램은 간단하게 이미지의 밝기 분포를 분석할 수 있는 방법이지만, 이미지가 얼마나 많은 변화를 포함하고 있는가와 이웃하는 주변에 대한 정보가 없기 때문에 해당 이미지에 대한 자세한 정보를 가시화하고 활용하는 데는 한계가 있다.
즉, 일반적으로 활용되는 히스토그램은, 영상의 전체적인 밝기를 나타내지만, 영상의 내용이나 디테일 정보를 분석할 수 없는 한계가 있다.
도 2a는, 영상 분석 대상의 사진의 일 예이고, 도 2b는, 도 2a의 사진에 대한 스펙트럼을 보여주는 그래프이다.
반면에, 주파수 분석의 대표적인 푸리에 변환(Fourier transform)은, 에지 정보, 즉 이미지에 대한 디테일을 분석하는 방법이다.
주파수 분석은, 영상처리에서 2차원 푸리에 변환을 사용하게 되는데, X축과 Y축 방향으로 이동하면서 픽셀 밝기의 변화를 신호로 보고 주파수를 분석하는 것이다. 이렇게 얻은 주파수 성분의 강도를 스펙트럼(Spectrum)이라 부른다.
스펙트럼 영상의 특정 영역을 제거하는 등의 작업을 하고, 푸리에 역변환(IDFT)을 수행하면 일종의 필터링 효과를 얻을 수 있다.
그러나 주파수 분석은, 이미지에 대한 디테일을 검출하는데 효과적이지만, 전체적인 이미지의 경향을 파악하는 데는 한계가 있다.
정리하면, 1차원 히스토그램은 전체적인 이미지의 밝기 경향을 표현할 수 있지만, 이미지에 대한 디테일을 표현할 수 없는 문제점이 있으며, 주파수 분석은, 디테일은 파악할 수 있지만 전체적인 이미지의 밝기 경향을 파악할 수 없는 문제점이 있다.
본 발명의 목적은, 상기와 같은 문제점을 해결하기 위하여, 분석대상 이미지에서 기준좌표의 밝기 값(p) 및 그에 인접한 픽셀들의 밝기 값(q)을 변수로 하여 분석함으로써 밝기 정도 및 이미지에 대한 디테일 파악이 가능한 영상분석방법 및 그를 포함하는 영상처리방법을 제공하는데 있다.
본 발명은, 상기와 같은 본 발명의 목적을 달성하기 위하여 창출된 것으로서, 본 발명은, 분석대상 이미지 중 측정될 영역의 픽셀기준 좌표를 기준으로 기준좌표의 밝기 값을 p, 상기 기준좌표를 기준으로 +X축 방향, -X축 방향, +Y축 방향 및 -Y축 방향 중 적어도 하나의 방향의 근접 픽셀의 밝기 값을 q로 하여, 각 좌표에 대한 개수를 밝기 분포값()으로 계산하는 1차 계산단계(S21)와; 상기 1차 계산단계(S21)에 얻어진 밝기 분포값()을 정규화하여 계산된 디테일 값()을 계산하는 2차 계산단계(S22)를 포함하는 것을 특징으로 하는 영상분석방법을 개시한다.
수학식 1
수학식 2
C는, 모든 레벨의 k 값에 대한 함수 값들의 총합을 1로 만들기 위한 정규화 상수,
m, n은, 미리 설정된 1 이상의 자연수
본 발명은 또한, 분석대상인 영상을 입력받는 영상입력단계(S10)와; 상기 영상입력단계(S10)에서 입력된 영상을 분석하는 영상분석단계(S20)와; 상기 영상분석단계(S20)에서 분석된 분석결과를 기반으로 영상처리를 수행하는 영상처리단계(S30)를 포함하며, 상기 영상분석단계(S20)는, 상기 영상분석방법에 의하여 수행되는 것을 특징으로 하는 영상처리방법을 개시한다.
상기 영상처리단계(S30)는, 상기 영상분석단계(S20)의 분석결과에 따라서 미리 설정된 분류기준에 따라서 영상분류를 수행하고, 상기 영상분류기준에 따라서 영상의 조도를 변화시킬 수 있다.
본 발명에 따른 영상분석방법 및 그를 포함하는 영상처리방법은, 분석대상 이미지에서 기준좌표의 밝기 값(p) 및 그에 인접한 픽셀들의 밝기 값(q)을 변수로 하여 1차로 2차원 히스토그램 분석을 통하여 명암(밝기 정도)을 파악함과 아울러 p, q 분포를 기준으로 밝기 변화, 즉 이미지에 대한 디테일을 함께 파악할 수 있어 분석대상 이미지의 분류의 효율화는 물론 HDR 등 효율적인 영상처리가 가능한 이점이 있다.
도 1a는, 영상 분석 대상의 사진의 일 예이고, 도 1b는, 도 1a의 사진에 대한 히스토그램을 보여주는 그래프이다.
도 2a는, 영상 분석 대상의 사진의 일 예이고, 도 2b는, 도 2a의 사진에 대한 스펙트럼을 보여주는 그래프이다.
도 3은, 본 발명에 따른 영상분석방법 및 영상 처리 방법을 보여주는 순서도이다.
도 4는, 도 3에 도시된 영상분석방법 중 1차 계산 단계의 수행을 위한 개념을 보여주는 모식도이다.
도 5는, 2차 계산 단계의 수행을 위하여 미리 설정된 패치에 따라 정규화하는 것을 보여주기 위한 그래프이다.
도 6은, 종래의 히스토그램 분석을 위한 이미지 및 그 분석결과를 보여주는 그래프이다.
도 7은, 본 발명에 따른 영상분석방법을 위한 이미지 및 그 분석결과를 보여주는 그래프이다.
도 8a 내지 도 8d는, 각각 본 발명에 따른 영상 분석을 시험하기 위한 이미지들이다.
도 9a 및 도 9b는, 각각 도 8a 및 도 8b의 이미지로부터 계산된 2차원 히스토그램을 보여주는 그래프들이다.
도 10a 및 10c는, 각각 도 8c 및 도 8d의 이미지로부터 계산된 2차원 히스토그램을 보여주는 그래프들이다.
도 2a는, 영상 분석 대상의 사진의 일 예이고, 도 2b는, 도 2a의 사진에 대한 스펙트럼을 보여주는 그래프이다.
도 3은, 본 발명에 따른 영상분석방법 및 영상 처리 방법을 보여주는 순서도이다.
도 4는, 도 3에 도시된 영상분석방법 중 1차 계산 단계의 수행을 위한 개념을 보여주는 모식도이다.
도 5는, 2차 계산 단계의 수행을 위하여 미리 설정된 패치에 따라 정규화하는 것을 보여주기 위한 그래프이다.
도 6은, 종래의 히스토그램 분석을 위한 이미지 및 그 분석결과를 보여주는 그래프이다.
도 7은, 본 발명에 따른 영상분석방법을 위한 이미지 및 그 분석결과를 보여주는 그래프이다.
도 8a 내지 도 8d는, 각각 본 발명에 따른 영상 분석을 시험하기 위한 이미지들이다.
도 9a 및 도 9b는, 각각 도 8a 및 도 8b의 이미지로부터 계산된 2차원 히스토그램을 보여주는 그래프들이다.
도 10a 및 10c는, 각각 도 8c 및 도 8d의 이미지로부터 계산된 2차원 히스토그램을 보여주는 그래프들이다.
이하 본 발명에 따른 영상분석방법 및 그를 포함하는 영상처리방법에 관하여 첨부된 도면을 참조하여 설명한다.
본 발명에 따른 영상분석방법은, 분석대상 이미지에서 기준좌표의 밝기 값(p) 및 그에 인접한 픽셀들의 밝기 값(q)을 변수로 하여 1차로 2차원 히스토그램 분석을 통하여 명암(밝기 정도)을 파악함과 아울러 p, q 분포를 기준으로 밝기 변화, 즉 이미지에 대한 디테일을 계산할 수 있음에 특징이 있다.
예로서, 본 발명에 따른 영상분석방법은, 도 3에 도시된 바와 같이, 분석대상 이미지 중 측정될 영역의 픽셀기준 좌표를 기준으로 기준좌표의 밝기 값을 p, 상기 기준좌표를 기준으로 +X축 방향, -X축 방향, +Y축 방향 및 -Y축 방향 중 적어도 하나의 방향의 근접 픽셀의 밝기 값을 q로 하여, 각 좌표에 대한 개수를 밝기 분포값()으로 계산하는 1차 계산단계(S21)와; 상기 1차 계산단계(S21)에 얻어진 밝기 분포값()을 정규화하여 계산된 디테일 값()을 계산하는 2차 계산단계(S22)를 포함할 수 있다.
상기 1차 계산단계(S21)는, 분석대상 이미지 중 측정될 영역의 픽셀기준 좌표를 기준으로 기준좌표의 밝기 값을 p, 상기 기준좌표를 기준으로 +X축 방향, -X축 방향, +Y축 방향 및 -Y축 방향 중 적어도 하나의 방향의 근접 픽셀의 밝기 값을 q로 하여, 각 좌표에 대한 개수를 밝기 분포값()으로 계산하는 단계로서, 다양한 방법에 의하여 수행될 수 있다.
상기 1차 계산단계(S21)는, 예로서, 도 4에 도시된 바와 같이, 중앙에 위치된 기준좌표 x, y (도 4에서 붉게 표시된 영역)의 밝기 값과 주위좌표의 밝기 값을 비교하며, 도 4에서 우측에 표시된 바와 같이, X축에는 기준좌표의 밝기를, Y축에는 근접 픽셀의 밝기 값을 지정하여, 해당하는 위치(기준 값, 주변 값)에 값을 쌓는다.
이를 통해, 기준픽셀의 밝기 값과 비슷한 밝기 값을 가지는 픽셀은, (0,0)에서 (255,255)를 이은 대각선에 분포하며, 기준픽셀의 밝기 값과 차이가 클수록 이 대각선에서 벗어나게 된다. 여기서 밝기, 즉 조도의 범위가 0~255임에 기반한다.
한편, 수학식 1에서, 기준픽셀을 기준으로 상하좌우, 즉 +X축 방향, -X축 방향, +Y축 방향 및 -Y축 방향인 4개의 방향의 밝기 값들을 비교하였으나, 기준픽셀을 기준으로 2개 또는 4개의 대각선 방향을 포함하는 등 기준픽셀에 대한 근접픽셀의 범위를 확장하여 다양한 조합의 밝기 분포값()을 설정할 수 있다.
구체적으로, 기준픽셀에 대한 근접픽셀을 특정함에 있어서, X축방향, Y축방향, 대각선 방향, 미리 설정된 기울기 방향 (ax, a는 0이 아닌 실수) 등에서 하나 이상의 방향의 픽셀로 특정될 수 있다.
또한, 상기 근접픽셀은, 경우에 따라서 기준픽셀로부터 미리 설정된 거리에 위치된 픽셀로 정의될 수 있다.
상기 2차 계산단계(S22)는, 상기 1차 계산단계(S21)에 얻어진 밝기 분포값()을 정규화하여 계산된 디테일 값()을 계산하는 단계로서, 다양한 방법에 의하여 수행될 수 있다.
즉, 분석대상 영상의 한 픽셀의 위치 (x,y)를 중심으로 주변에 있는 밝기 값을 대상(histogram bin)으로 각각 (p, q)의 밝기에 대해 누적을 하고 그 값을 전체의 합으로 나눠 정규화하면 확률적인 접근이 가능하다.
여기서 C는, 모든 레벨의 k 값에 대한 함수 값들의 총합을 1로 만들기 위한 정규화 상수이고, k는, 대각선을 미리 설정된 숫자들 중 k번째 단계(k는 0~K-1까지의 자연수, K는 미리 설정된 3 이상의 자연수)이고, 는, 단계 k에 대응되는 평면 상의 좌표이며, m, n은, 단계 k에서 측정할 패치의 크기로서, 미리 설정된 1 이상의 자연수이다.
그리고 상기 패치는, 확률적 접근을 위한 를 구하기 위하여, 밝기 분포값() 그래프의 대각선 상의 한점을 중심으로 m, n (m 및 n은 2 이상의 자연수) 크기 블록으로 정의된다.
- 이미지 분류 및 활용
실시예
본 발명에 따른 영상분석방법의 수행에 의하여 다음과 같이 활용될 수 있다.
1) 이미지 분류
일 예로서, 본 발명에 따른 영상분석방법의 결과를 통하여 이미지들을 다양한 방법으로 분류할 수 있다.
k를 16단계로 가정하여 전체적인 경향에 따라 다음과 같이 간단하게 4가지의 형태로 분류할 수 있다.
2) 영상처리
한편, 앞서 설명한 본 발명에 따른 영상분석방법의 결과에 의하여 이미지 분류를 수행한 후, 각 분류에 따라서 필요한 영상 처리를 통하여 영상을 개선하는 등 영상처리를 수행할 수 있다.
예로서, 형태 1로 분류된 이미지는 상대적으로 밝기를 높여 해당 이미지를 조정할 수 있다.
다른 예로서, 형태 2로 분류된 이미지는 상대적으로 밝기를 낮추어 해당 이미지를 조정할 수 있다.
- 종래기술에 따른 히스토그램 분석 및 본 발명에 따른 영상 분석의 비교
도 6은, 종래기술에 따른 히스토그램 분석을 위한 이미지 및 그 분석결과를 보여주는 그래프를 도시하며, 도 7은, 본 발명에 따른 영상 분석을 위한 이미지 및 그 분석결과를 보여주는 그래프를 도시한 것이다.
도 6에 도시된 바와 같이, 종래기술에 따른 히스토그램 분석은, 이미지의 전체적인 밝기 분포만을 나타낼 뿐, 디테일 정보를 가지고 있지 않기 때문에 이미지를 분석하는 데는 많은 제약이 따른다.
이에 대하여, 도 7에 도시된 바와 같이, 본 발명에 따른 영상 분석은, 이미지가 변화하는 정도에 대한 정보를 추가로 포함하기 때문에, 두 가지 타입의 영상에 대해 2차원 히스토그램의 결과가 확연히 다르게 제시함을 확인할 수 있다.
- 실제 이미지 적용 실험 결과
실험 환경은 아래와 같다.
- CPU : Intel(R) Core(TM) i5-10400
- GPU : GeForce GTX 1660 SUPER
- RAM 16GB
- MATLAB R2016b
- 실험 이미지 (도 8a 내지 도 8d와 같다)
- 실험 결과
도 9a에서는 좌표 (0, 0) 부분에 관련 데이터가 많이 축적됨을 확인할 수 있다. 반면에 밝은 이미지를 분석한 도 9b에서는 좌표 (255, 255) 부분에 상대적으로 더 많은 데이터가 축적된 것을 확인할 수 있다.
또한, 도 8c 및 도 10a에서 확인할 수 있듯이, 변화가 많은 이미지는 2차원 히스토그램에서 좌표 (0, 0)과 (255, 255)를 잇는 대각선을 벗어난 데이터들의 축적이 많고, 반면에 도 8d 및 도 10b에서 확인할 수 있듯이, 변화가 적은 이미지는 좌표 (0, 0)과 (255, 255)를 잇는 대각선을 따라서 축적되는 특징을 보임을 확인할 수 있다.
상기와 같은 특징을 가지는 본 발명에 따른 영상분석방법은, 일반적으로 많이 사용되는 히스토그램의 밝기 분석 기능에 디테일 분석 기능을 더한 개념이다.
일반적인 영상분석방법은 하나의 요소만 파악할 수 있는 경우가 대부분이지만, 본 발명에 따른 영상분석방법은, 2가지 요소를 동시에 파악할 수 있으며, 분석 방법에 따라 다양하게 분류할 수 있다.
이러한 방법을 통해 다양한 영상처리에 사용할 수 있으며, 특히 HDR(High Dynamic Range) 기술에 용용할 수 있다.
HDR을 적용하기 위해서는 기본적으로 밝기 분석을 바탕으로, 디테일을 파악하여 세밀하게 밝기를 조절할 필요가 있는데, 이러한 경우 가장 적절한 분석 방법이 본 발명에 따른 영상분석방법이라 할 수 있으며, 더 나아가 기존의 히스토그램을 사용하는 분야에서 필요에 따라 광범위하게 응용할 수 있다.
한편, 본 발명에 따른 영상분석방법은, 후속되는 영상처리단계를 포함하여 영상처리방법으로 구현될 수 있다.
구체적으로, 본 발명에 따른 영상처리방법은, 도 3에 도시된 바와 같이, 분석대상인 영상을 입력받는 영상입력단계(S10)와; 상기 영상입력단계(S10)에서 입력된 영상을 분석하는 영상분석단계(S20)와; 상기 영상분석단계(S20)에서 분석된 분석결과를 기반으로 영상처리를 수행하는 영상처리단계(S30)를 포함할 수 있다.
상기 영상입력단계(S10)는, 분석대상인 영상을 입력받는 단계로서, 정지 이미지, 동영상을 구성하는 프레임 이미지 등으로 하여 분석대상 영상을 입력받을 수 있다.
상기 영상분석단계(S20)는, 상기 영상입력단계(S10)에서 입력된 영상을 분석하는 단계로서, 앞서 설명한 본 발명에 따른 영상분석방법에 의하여 수행될 수 있다.
상기 영상처리단계(S30)는, 상기 영상분석단계(S20)에서 분석된 분석결과를 기반으로 영상처리를 수행하는 단계로서, 처리 내용에 따라서 다양한 방법에 의하여 수행될 수 있다.
예로서, 상기 영상처리단계(S30)는, 상기 영상분석단계(S20)에서 분석된 분석결과에 따라서 분석대상 이미지를 4개의 유형으로 분류할 수 있다.
더 나아가, 상기 영상처리단계(S30)는, 분류된 4개의 유형에 따라서 해당 이미지에 대한 조도 높임, 조도 낮춤 등의 영상처리를 수행할 수 있다.
한편, 상기 영상처리단계(S30)의 수행에 의하여 영상 처리 후 처리된 영상을 결과값으로 하여 처리영상을 출력하는 영상출력단계(S40)가 수행될 수 있다.
상기 영상출력단계(S40)는, 상기 영상처리단계(S30)의 수행에 의하여 영상 처리 후 처리된 영상을 결과값으로 하여 처리영상을 출력하는 처리된 영상을 이미지 파일로 저장하거나, 전기통신망을 통하여 전송하는 등 요구되는 출력형식에 따라서 처리된 영상을 출력할 수 있다.
이상은 본 발명에 의해 구현될 수 있는 바람직한 일 실시예의 일부에 관하여 설명한 것에 불과하므로, 주지된 바와 같이 본 발명의 범위는 위의 일 실시예에 한정되어 해석되어서는 안 될 것이며, 위에서 설명된 본 발명의 기술적 사상과 그 근본을 함께하는 기술적 사상은 모두 본 발명의 범위에 포함된다고 할 것이다.
Claims (6)
- 분석대상 이미지 중 측정될 영역의 픽셀기준 좌표를 기준으로 기준좌표의 밝기 값을 p, 상기 기준좌표를 기준으로 +X축 방향, -X축 방향, +Y축 방향 및 -Y축 방향 중 적어도 하나의 방향의 근접 픽셀의 밝기 값을 q로 하여, 각 좌표에 대한 개수를 밝기 분포값()으로 계산하는 1차 계산단계(S21)와;
상기 1차 계산단계(S21)에 얻어진 밝기 분포값()을 정규화하여 디테일 값()을 계산하는 2차 계산단계(S22)를 포함하며,
상기 1차 계산단계(S21)에 의하여 계산된 밝기 분포값()은 복수 개이며,
상기 2차 계산단계(S22)는, 상기 복수의 밝기 분포값()들을 정규화하여 디테일 값()을 계산하며,
상기 1차 계산단계(S21)는,
다음 수학식 1에 의하여 밝기 분포값()을 계산하며,
수학식 1
상기 2차 계산단계(S22)는,
다음 수학식 2에 의하여 디테일 값()을 계산하는 것을 특징으로 하는 영상분석방법.
수학식 2
C는, 모든 레벨의 k 값에 대한 함수 값들의 총합을 1로 만들기 위한 정규화 상수,
k는, 대각선을 미리 설정된 숫자 K 단계들 중 k번째 단계(k는 0~K-1까지의 자연수)
는, 단계 k에 대응되는 평면 상의 좌표
m, n은, 미리 설정된 1 이상의 자연수 - 삭제
- 삭제
- 분석대상인 영상을 입력받는 영상입력단계(S10)와;
상기 영상입력단계(S10)에서 입력된 영상을 분석하는 영상분석단계(S20)와;
상기 영상분석단계(S20)에서 분석된 분석결과를 기반으로 영상처리를 수행하는 영상처리단계(S30)를 포함하며,
상기 영상분석단계(S20)는, 청구항 1의 영상분석방법에 의하여 수행되는 것을 특징으로 하는 영상처리방법. - 청구항 4에 있어서,
상기 영상처리단계(S30)는,
상기 영상분석단계(S20)의 분석결과에 따라서 미리 설정된 분류기준에 따라서 영상분류를 수행하고, 상기 영상분류기준에 따라서 영상의 조도를 변화시키는 것을 특징으로 하는 영상처리방법. - 청구항 4에 있어서,
다음과 같은 기준에 따라서 이미지를 분류하는 것을 특징으로 하는 영상처리방법.
형태 1 (어두운 이미지) : 인 경우
형태 2 (밝은 이미지) : 인 경우
형태 3 (변화가 많은 이미지) : 인 경우,
형태 4 (변화가 적은 이미지) : 인 경우
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210127699A KR102619092B1 (ko) | 2021-09-28 | 2021-09-28 | 영상분석방법 및 그를 포함하는 영상처리방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210127699A KR102619092B1 (ko) | 2021-09-28 | 2021-09-28 | 영상분석방법 및 그를 포함하는 영상처리방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20230045169A KR20230045169A (ko) | 2023-04-04 |
KR102619092B1 true KR102619092B1 (ko) | 2023-12-29 |
Family
ID=85928409
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210127699A KR102619092B1 (ko) | 2021-09-28 | 2021-09-28 | 영상분석방법 및 그를 포함하는 영상처리방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102619092B1 (ko) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100900678B1 (ko) * | 2008-02-15 | 2009-06-01 | 한양대학교 산학협력단 | 동적 영역 분할을 이용한 영상 화질 개선 방법 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100999811B1 (ko) * | 2009-01-20 | 2010-12-08 | 한양대학교 산학협력단 | 균등확률분할 히스토그램 평활화를 이용한 영상 화질 개선 방법 |
KR102207441B1 (ko) * | 2019-06-03 | 2021-01-25 | 창원대학교 산학협력단 | Hdr 영상 생성 장치 및 방법 |
-
2021
- 2021-09-28 KR KR1020210127699A patent/KR102619092B1/ko active IP Right Grant
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100900678B1 (ko) * | 2008-02-15 | 2009-06-01 | 한양대학교 산학협력단 | 동적 영역 분할을 이용한 영상 화질 개선 방법 |
Non-Patent Citations (1)
Title |
---|
컴퓨터비전(오일석). 히스토그램. <URL : https://vision0814.tistory.com/70>, 2014(2014.10.09.) 1부.* |
Also Published As
Publication number | Publication date |
---|---|
KR20230045169A (ko) | 2023-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7162081B2 (en) | Method and apparatus for determining regions of interest in images and for image transmission | |
Ahuja et al. | A survey of computer vision based corrosion detection approaches | |
Lin et al. | Intensity and edge based adaptive unsharp masking filter for color image enhancement | |
KR101566196B1 (ko) | 히스토그램 분석을 이용한 영상 분류 방법 및 장치, 이를 이용한 문자 인식 방법 및 장치 | |
US7916173B2 (en) | Method for detecting and selecting good quality image frames from video | |
US8582889B2 (en) | Scale space normalization technique for improved feature detection in uniform and non-uniform illumination changes | |
US8428354B2 (en) | Image segmentation by hierarchial agglomeration of polygons using ecological statistics | |
US10395393B2 (en) | Method for assessing the quality of an image of a document | |
Garg et al. | Survey on multi-focus image fusion algorithms | |
Serir et al. | No-reference blur image quality measure based on multiplicative multiresolution decomposition | |
Hassanpour et al. | A novel image structural similarity index considering image content detectability using maximally stable extremal region descriptor | |
KR102619092B1 (ko) | 영상분석방법 및 그를 포함하는 영상처리방법 | |
Kar et al. | A gradient based dual detection model for shot boundary detection | |
Gimenez et al. | An evaluation of area morphology scale-spaces for colour images | |
Ghandour et al. | Building shadow detection based on multi-thresholding segmentation | |
KR20060007901A (ko) | 영상으로부터의 중요 객체 추출 장치 및 방법 | |
Ahmed et al. | Blind copy-move forgery detection using SVD and KS test | |
KR101599873B1 (ko) | 히스토그램 분석을 이용한 하늘 영상 분류 방법 및 장치 | |
Kaur et al. | Performance Evaluation of various thresholding methods using canny edge detector | |
Lavania et al. | A comparative study of image enhancement using histogram approach | |
CN106650579B (zh) | 一种用以增强文字与背景差异的边缘响应统计变换方法 | |
Kotwal et al. | A fast approach for fusion of hyperspectral images through redundancy elimination | |
US20230368549A1 (en) | Automatic image quality and feature classification method | |
KR20230151371A (ko) | 통계적 특성분석을 이용하여 영상품질을 측정하는 장치 및 방법 | |
Liu et al. | Oscillation analysis for salient object detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right |