KR19990062036A

KR19990062036A - Edge Detection Method Using Differential Operators

Info

Publication number: KR19990062036A
Application number: KR1019970082343A
Authority: KR
Inventors: 정재우
Original assignee: 윤종용; 삼성전자 주식회사
Priority date: 1997-12-31
Filing date: 1997-12-31
Publication date: 1999-07-26

Abstract

본 발명의 목적은 열화된 영상에 있어서 효과적으로 단방향 에지를 검출할 수 있는 방법을 제공하는 것이다.It is an object of the present invention to provide a method for effectively detecting unidirectional edges in degraded images.

먼저 입력 영상에 대해 평균 필터링을 행한다. 평균 필터링이 행해진 영상에 대해 라인 소벨(Line Sobel) 연산을 행하여 에지 후보군을 구하게 된다. 상기 에지 후보군들의 위치에 대해 기울기 추정(Slope Estimation)을 수행한 후 상기 추정된 기울기를 고려하여 상기 에지 후보군으로부터 에지를 결정하게 된다.First, average filtering is performed on the input image. An edge candidate group is obtained by performing a line Sobel operation on the image on which the average filtering is performed. After performing slope estimation on the positions of the edge candidate groups, an edge is determined from the edge candidate group in consideration of the estimated slope.

이에 따라 많은 잡음이 섞인 열화 영상에서 효과적으로 그리고 실시간으로 에지를 검출할 수 있다는 효과가 있다.As a result, an edge can be detected effectively and in real time in a deteriorated image mixed with a lot of noise.

Description

Edge Detection Method Using Differential Operators

본 발명은 영상 내의 에지 검출 방법에 관한 것으로서, 보다 상세하게는 소벨(Sobel) 연산자를 사용하는 에지 검출 방법에 관한 것이다.The present invention relates to an edge detection method in an image, and more particularly, to an edge detection method using a Sobel operator.

일반적으로, 영상에서 에지란 그레이 레벨이 급격히 변화하는 픽셀들을 말하는 것이다. 에지 검출은 가장 기본적인 영상 분석 작업 중의 하나로서, 검출된 영상은 영상 내의 목표물 식별 등에 사용된다.In general, an edge in an image refers to pixels in which gray levels rapidly change. Edge detection is one of the most basic image analysis tasks. The detected image is used to identify a target in the image.

디지털 영상에서 에지를 검출하는 전형적인 방법으로 미분 연산자(Gradient Operator)를 사용하는 방법이 있다. 도 1은 미분 연산자를 사용한 에지 검출 방법을 보여주는 도면이다. 입력 영상 u(m,n)이 받아들여지면, 먼저 마스크들(H₁, H₂)에 의해 수평 및 수직 방향 각각으로의 입력 영상 u(m,n)의 미분값들이 구해진다. 그다음, 수평및 수직 방향으로의 입력 영상 (m,n)의 미분값들 g₁(m,n), g₂(m,n)을 사용하여, 경사의 크기(g) 및 방향(θ_g)이 구해진다. 마지막으로, 상기 경사의 크기(g)를 문턱치와 비교하여, 문턱치보다 큰 경우 해당 화소는 에지로 판단된다. 영상 내의 모든 화소에 대해 이와 같은 연산을 반복하여 에지 맵(Edge Map)을 얻게 된다. 상기 미분 연산자로 사용되는 마스크들(H₁, H₂)로는 수학식 1 및 2로 각각 표시되는 프리위트(Prewitt) 연산자 및 소벨(Sobel) 연산자 등이 사용된다.A typical method of detecting edges in a digital image is using a differential operator. 1 is a diagram illustrating an edge detection method using a differential operator. When the input image u (m, n) is received, the derivative values of the input image u (m, n) in the horizontal and vertical directions are obtained first by the masks H ₁ and H ₂ . Then, using the derivatives g ₁ (m, n) and g ₂ (m, n) of the input image (m, n) in the horizontal and vertical directions, the magnitude of the slope (g) and the direction (θ _g ) Is obtained. Finally, when the magnitude g of the inclination is compared with a threshold, the pixel is determined to be an edge when it is larger than the threshold. This operation is repeated for every pixel in the image to obtain an edge map. As the masks H ₁ and H ₂ used as the differential operator, a Prewitt operator, a Sobel operator, and the like represented by Equations 1 and 2 are used.

영상 내에서 휘도 변화 범위가 넓은 경우에는 2차 미분 연산자가 사용되기도 한다. 도 2는 2차 미분 연산자를 사용한 에지 검출 방법을 설명하기 위한 도면이다. 도시된 바와 같이, 2차 미분이 양의 문턱치보다 큰 점과 2차 미분이 음의 문턱치보다 작은 저이 더블 에지로써 결정되고, 상기 더블 에지를 사용하여 2차 미분의 제로크로싱 점을 구하는데, 이 제로크로싱 점이 에지로써 결정된다.When the luminance variation range is wide in the image, a second derivative operator may be used. 2 is a view for explaining an edge detection method using a second derivative operator. As shown, the second derivative is determined as a double edge where the second derivative is greater than the positive threshold and the second derivative is less than the negative threshold, and the double edge is used to obtain the zero crossing point of the second derivative. The zero crossing point is determined as the edge.

상기 미분 연산자를 사용한 에지 검출 방법들에 있어서, 미분 연산은 인접화소간의 화소값 차이를 토대로 계산된다. 그런데, 영상에 잡음이 포함되어 있는 경우에는, 이러한 방식에 의해 검출된 에지는 정확하지가 않고 잡음에 의해 왜곡이 된다. 또한 영상의 촬상시 피사체의 초점이 맞지 않았거나 또는 움직이는 물체를 촬영한 경우에는 영상이 흐려지게 되는데, 이러한 영상으로부터는 에지를 정확히 검출하기가 용이하지 않다.In the edge detection methods using the differential operator, the derivative operation is calculated based on the pixel value difference between adjacent pixels. By the way, when the image contains noise, the edge detected by this method is not accurate and is distorted by the noise. In addition, the image is blurred when the subject is out of focus or a moving object is taken when the image is captured, and it is not easy to accurately detect the edge from the image.

본 발명은 상기 문제점을 해결하기 위한 것으로서, 열화된 영상에 있어서 효과적으로 단방향 에지를 검출할 수 있는 방법을 제공하는 것을 그 기술적 과제로 한다.SUMMARY OF THE INVENTION The present invention has been made in view of the above problem, and an object thereof is to provide a method for effectively detecting a unidirectional edge in a degraded image.

제1도은 1차 미분 연산자를 사용하는 종래의 에지 검출 방법을 보여주는 도면이다.1 is a diagram illustrating a conventional edge detection method using a first order differential operator.

제2도는 2차 미분 연산자를 사용하는 종래의 에지 검출 방법을 설명하기 위한 도면이다.2 is a diagram for explaining a conventional edge detection method using a second derivative operator.

제3도는 본 발명의 에지 검출 방법을 보여주는 흐름도이다.3 is a flowchart showing the edge detection method of the present invention.

제4도는 본 발명의 의한 에지 검출에 사용되는 필터링 마스크를 보여주는 도면이다.4 is a diagram showing a filtering mask used for edge detection according to the present invention.

제5도는 본 발명의 의한 에지 검출에 사용되는 라인 소벨(Line Sobel) 연산 마스크를 보여주는 도면이다.5 is a diagram illustrating a line sobel operation mask used for edge detection according to the present invention.

상기 목적을 달성하기 위한 본 발명의 에지 검출 방법에 있어서는, 먼저 입력 영상에 대해 소정 크기의 마스크를 사용하여 평균 필터링을 행한다. 평균 필터링이 행해진 영상에 대해 라인 소벨(Line Sobel) 연산을 행하여 에지 후보군을 구하게 된다. 상기 에지 후보군들의 위치에 대해 기울기 추정(Slope Estimation)을 수행한 후 상기 추정된 기울기를 고려하여 상기 에지 후보군으로부터 에지를 결정하게 된다.In the edge detection method of the present invention for achieving the above object, first, an average filtering is performed on a input image using a mask having a predetermined size. An edge candidate group is obtained by performing a line Sobel operation on the image on which the average filtering is performed. After performing slope estimation on the positions of the edge candidate groups, an edge is determined from the edge candidate group in consideration of the estimated slope.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세하게 설명한다.Hereinafter, with reference to the accompanying drawings will be described in detail a preferred embodiment of the present invention.

도 3은 본 발명의 에지 검출 방법을 보여주는 흐름도이다.3 is a flowchart showing an edge detection method of the present invention.

먼저 입력 영상에 대해 평균 필터링을 수행한다(제10단계). 도 4는 본 발명의 의한 에지 검출에 사용되는 필터링 마스크를 보여주는 도면이다. 도시된 바와 같이, 본 실시예에서는 3x3의 필터링 마스크가 사용되는데, 필터링하고자 하는 대상 화소에 적용되는 마스크 중심점에는 주위에 비해 높은 가중치가 부여되어 있다. 한편, 본 발명의 다른 실시예에 있어서는, 마스크가 이와는 다른 가중치 분포를 가질 수도 있다.First, average filtering is performed on the input image (step 10). 4 illustrates a filtering mask used for edge detection according to the present invention. As shown, in this embodiment, a 3x3 filtering mask is used. The mask center point applied to the target pixel to be filtered is given a higher weight than the surroundings. On the other hand, in another embodiment of the present invention, the mask may have a different weight distribution.

평균 필터링이 행해진 후에는, 영상에 대해 라인 소벨(Line Sobel) 연산을 행하여 에지 후보군을 구한다(제20단계). 도 5는 본 실시예에 사용되는 라인 소벨 연산 마스크를 보여주는 도면이다. 도시된 바와 같이, 본 실시예에서 사용되는 라인 소벨 연산자는 전형적인 라인 소벨 연산자에 비해 다음 두 가지 특징을 가진다. 첫째로, 마스크의 형태가 정방형이 아니고, 열의 수보다 행의 수가 더 많은 장방향으로 되어 있다. 둘째로, 에지 검출을 보다 효과적으로 하기 위해 계수가 좌우 비대칭이 되도록 설정되어 있다는 것이다. 상기 마스크의 행의 수 N은 영상 내에서 검출하고자 하는 에지 성분의 길이에 따라 적절하게 정할 수 있다.After the average filtering is performed, an edge candidate group is obtained by performing a line Sobel operation on the image (step 20). Fig. 5 is a diagram showing a line sobel calculation mask used in this embodiment. As shown, the line sobel operator used in this embodiment has the following two characteristics compared to the typical line sobel operator. First, the mask is not square and has a longer direction in which the number of rows is larger than the number of columns. Second, the coefficients are set to be left and right asymmetric to make edge detection more effective. The number N of rows of the mask can be appropriately determined according to the length of the edge component to be detected in the image.

이와 같은 마스크를 사용하여 라인 소벨 연산을 행하면, 각 기준 위치에 대한 좌우 변화량이 산출된다. 만약 영상 내에 잡음이 적다면 에지부분에서 큰 연산 값이 산출된다. 반면에 영상 내에 잡음이 많이 포함되어 있다면, 이 경우에도 에지부분에서 비교적 큰 연산값이 산출된다. 다만 이 경우에는 연산값이 전체 최대값(Global Maximum)이 되지 못하고 주위값보다 상대적으로 큰 국부 최대값(Local Maximum)이 된다. 이러한 국부 최대값들이 에지 후보군으로 선택된다.When the line sobel operation is performed using such a mask, the left and right amount of change for each reference position is calculated. If there is little noise in the image, a large operation value is calculated at the edge part. On the other hand, if the image contains a lot of noise, even in this case, a relatively large operation value is calculated at the edge portion. In this case, however, the computed value does not become a global maximum but becomes a local maximum that is relatively larger than the surrounding value. These local maximums are selected as the edge candidate group.

한편, 본 실시예에 있어서 상기 라인 소벨 연산자는 수평 방향의 영상 변화량을 계산하여 수직 방향으로 분포된 에지 성분을 검출하지만, 본 발명의 다른 실시예에서는 수직 방향의 영상 변화량을 계산하여 수평 방향으로 분포된 에지 성분을 검출할 수도 있다. 이러한 경우, 마스크의 계수들은 도 5에 도시된 것과 같은 수평-수직 방향이 전치된 형태로 배치된다.On the other hand, in the present embodiment, the line Sobel operator calculates the amount of change in the horizontal direction to detect the edge components distributed in the vertical direction, but in another embodiment of the present invention, calculates the amount of change in the vertical direction and distributes them in the horizontal direction. The edge component may be detected. In this case, the coefficients of the mask are arranged in a form in which the horizontal-vertical direction is displaced as shown in FIG. 5.

제30단계에서는, 상기 에지 후보군들의 위치에 대해 기울기 추정(Slope Estimation)을 수행한다. 즉, 에지 후보들의 위치를 가지고 에지 후보들 분포의 기울기를 구한다. 상기 기울기는 y=mx+c 형태의 1차 회귀 분석에 의한다. 구체적으로, 본 실시예에서 기울기 m은 다음 수학식 3에 의해 구해진다.In step 30, slope estimation is performed on the positions of the edge candidate groups. That is, the slope of the edge candidate distribution is obtained with the positions of the edge candidates. The slope is by first order regression analysis of the form y = mx + c. Specifically, in this embodiment, the slope m is obtained by the following equation (3).

여기에서, N은 기울기 추정에 사용되는 에지 후보들의 수이다.Where N is the number of edge candidates used for slope estimation.

이와 같은 기울기 추정을 통해, 단방향 에지 즉 직선에 가까운 형태로 배치되어 있는 에지들이 검출된다.Through such inclination estimation, unidirectional edges, i.e., edges arranged in a straight line shape are detected.

상술한 바와 같이, 본 발명의 영상에 대해 평균 필터링을 행함으로써 상당량의 잡음을 제거할 수 있다. 또한 라인 소벨 연산을 통해 단방향 에지 후보들을 실시간으로 구할 수 있고, 기울기 추정 방법에 의해 남아있는 잡음에 관계없이 에지를 검출할 수 있다. 이에 따라 많은 잡음이 섞인 열화 영상에서 효과적으로 에지를 검출할 수 있게 된다.As described above, a significant amount of noise can be removed by performing average filtering on the image of the present invention. In addition, the unidirectional edge candidates can be obtained in real time through the line Sobel operation, and the edge can be detected regardless of the residual noise by the gradient estimation method. As a result, edges can be effectively detected in a degraded image mixed with a lot of noise.

Claims

Performing average filtering on the input image using a mask having a predetermined size; Performing a line Sobel operation on the image on which the average filtering is performed to obtain an edge candidate group; Performing slope estimation on the positions of the edge candidate groups; Determining an edge from the edge candidate group in consideration of the estimated slope; Edge detection method comprising a.

The edge detection method of claim 1, wherein a shape of a mask used for the line sobel operation is not square.

2. The edge detection method of claim 1, wherein a filter coefficient is asymmetric in a mask used for the line sobel operation.