KR20110011211A - 오차 확산법을 이용한 영상 처리 장치 - Google Patents

오차 확산법을 이용한 영상 처리 장치 Download PDF

Info

Publication number
KR20110011211A
KR20110011211A KR1020090068755A KR20090068755A KR20110011211A KR 20110011211 A KR20110011211 A KR 20110011211A KR 1020090068755 A KR1020090068755 A KR 1020090068755A KR 20090068755 A KR20090068755 A KR 20090068755A KR 20110011211 A KR20110011211 A KR 20110011211A
Authority
KR
South Korea
Prior art keywords
image
map
value
detailed
detailed image
Prior art date
Application number
KR1020090068755A
Other languages
English (en)
Other versions
KR101024818B1 (ko
Inventor
홍기상
이한상
공강국
Original Assignee
포항공과대학교 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 포항공과대학교 산학협력단 filed Critical 포항공과대학교 산학협력단
Priority to KR1020090068755A priority Critical patent/KR101024818B1/ko
Publication of KR20110011211A publication Critical patent/KR20110011211A/ko
Application granted granted Critical
Publication of KR101024818B1 publication Critical patent/KR101024818B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G3/00—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes
    • G09G3/20—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes for presentation of an assembly of a number of characters, e.g. a page, by composing the assembly by combination of individual elements arranged in a matrix no fixed position being assigned to or needed to be assigned to the individual characters or partial characters
    • G09G3/2007—Display of intermediate tones
    • G09G3/2059—Display of intermediate tones using error diffusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/38—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation
    • G06F7/48—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices
    • G06F7/50—Adding; Subtracting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/40—Picture signal circuits
    • H04N1/407—Control or modification of tonal gradation or of extreme levels, e.g. background level
    • 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
    • H04N9/643—Hue control means, e.g. flesh tone control

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 오차 확산법을 이용한 영상 처리 장치를 개시한다. 본 발명에 따른 영상 처리 장치는 입력 영상(input image)을 수신하여 입력 영상의 구조적 특징(structural feature)을 표현하는 상세 영상 맵을 생성하는 상세 영상 맵 생성부와, 상기 상세 영상 맵 생성부로부터 상기 상세 영상 맵을 수신하고, 상기 상세 영상 맵의 값들에 기초하여 변경된 입력 영상(modified input image)을 이진화하는데 필요한 임계값을 생성하고, 상기 임계값에 따라 상기 변경된 입력 영상의 픽셀값들을 이진화하여 출력하는 이진화부와, 상기 이진화된 값과 상기 변경된 입력 영상의 픽셀값에 대해 감산을 수행하여 오차값들을 생성하는 감산기와, 상기 오차값들을 자체의 가중치로 필터링하여 필터링된 오차값을 생성하는 오차확산 필터와, 상기 입력 영상의 픽셀값에 상기 필터링된 오차값을 가산하여 상기 변경된 입력 영상을 생성하는 가산기를 포함한다.
하프토닝, 오차확산, 상세 영상 맵

Description

오차 확산법을 이용한 영상 처리 장치{Image processing apparatus using error diffusion method}
본 발명은 형태 정보에 따른 오차확산법을 이용한 영상 처리 장치에 관한 것이다.
종래의 모노 프린터와 같은 이미지 출력 장치에서는 입력된 영상에 드러난 다단계의 계조(gray scale)를 표현하기 위해 하프토닝(halftoning) 기법이 주로 이용되고 있다.
하프토닝 기법은 영상에서 명도가 낮은 부분은 도트(dot)의 수를 증가시켜 출력하고, 명도가 높은 부분은 도트의 수를 적게하여 출력함으로써, 연속 계조 영상(gray scale image)을 이진 영상(binary image)으로 변환하여 표시한다.
이러한 하프토닝 기법은 크게 순차적 디더법(ordered dither method)과 오차 확산법(error diffusion method)이 있다.
먼저, 순차적 디더법은 고정된 임계값을 이용하여 각 화소의 계조값을 이진화하는 방법이다. 순차적 디더법에서는 각 화소의 계조값이 미리 정해진 임계값에 따라 일률적으로 정해지므로, 계조값을 결정하는 속도가 매우 빠르지만, 고정된 임 계값을 이용함으로 인해 화질의 열화가 생기는 단점이 있다.
다음으로, 오차 확산법은 화소의 이진화로 인한 양자화 오차를 주위의 화소로 확산시키는 방법이다. 구체적으로 오차 확산법은 화소를 이진화 한 후 발생하는 이진화 오차를 오차 확산 필터를 도입하여 주어진 필터의 가중치로 필터링 하여 그 결과를 주위 화소값에 더함으로 원영상을 갱신하여 평균 에러를 0으로 만든다. 오차확산법은 연속 계조 영상을 재현하는데 좋은 성능을 보이지만 특정 명암값에서 이진 화소가 균일하게 분포하지 못함으로 인해 규칙적인 패턴이 발생하거나 뭉쳐지는 형태 등으로 분포되어 저주파 성분에 민감한 인간 시각에 거슬리게 보이게 된다. 또한 오차 확산 필터가 원영상의 평균계조도를 영으로 유지하도록 설계되므로 이를 사용하여 처리된 이진 영상은 에지(edge) 영역의 열화를 수반한다.
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은, 미세한 구조를 살리고 영상 처리 계산량이 적은 오차확산법을 이용한 영상 처리 장치를 제공하는 것이다.
상기한 본 발명의 목적을 달성하기 위해, 본 발명의 일 실시예에 따른 영상 처리 장치는 입력 영상(input image)을 수신하여 입력 영상의 구조적 특징(structural feature)을 표현하는 상세 영상 맵을 생성하는 상세 영상 맵 생성부와, 상기 상세 영상 맵 생성부로부터 상기 상세 영상 맵을 수신하고, 상기 상세 영상 맵의 값들에 기초하여 변경된 입력 영상(modified input image)을 이진화하는데 필요한 임계값을 생성하고, 상기 임계값에 따라 상기 변경된 입력 영상의 픽셀값들을 이진화하여 출력하는 이진화부와, 상기 이진화된 값과 상기 변경된 입력 영상의 픽셀값에 대해 감산을 수행하여 오차값들을 생성하는 감산기와, 상기 오차값들을 자체의 가중치로 필터링하여 필터링된 오차값을 생성하는 오차확산 필터와, 상기 입력 영상의 픽셀값에 상기 필터링된 오차값을 가산하여 상기 변경된 입력 영상을 생성하는 가산기를 포함한다.
여기에서, 상기 상세 영상 맵 생성부는 라플라시안 필터를 이용하여 상기 입력 영상으로부터 라플라시안 맵을 생성한다.
여기에서, 상기 영상 처리 장치는 상기 상세 영상 맵 생성부로부터 상세 영 상 맵을 수신하고, 수신된 상세 영상 맵의 값들에 대해 상기 입력 영상의 구조성 정도를 조절하기 위한 구조성 가중치(Structure-ness weight)(W[m,n])를 부여하는 가중치 부여부를 더 포함한다.
여기에서, 상기 가중치 부여부는 상기 상세 영상 맵의 각 픽셀을 중심으로 소정 윈도우 내의 분산(variance)값들에 대해 절대 합을 적용한다.
여기에서, 상기 가중치 부여부는 상기 상세 영상 맵의 값의 범위가 [0,255]의 범위 내에 들어올 수 있도록 상기 상세 영상 맵의 값을 설정한다.
여기에서, 상기 상세 영상 맵 생성부는 하기의 수학식을 이용하여 상세 영상 맵을 생성한다.
Figure 112009046136980-PAT00001
여기서 Inputaverage 는 Input image I[m,n]의 평균을 의미한다.
여기에서, 상기 상세 영상 맵 생성부는 하기의 수학식을 이용하여 상세 영상 맵을 생성한다.
Figure 112009046136980-PAT00002
여기서 Gσ(input)은 입력 영상을 가우시안 필터링(Gaussian filtering)한 값이고 이때 σ는 가우시안 표준 편차(gaussian standard deviation)이다. σ값은 영상의 구조에 따라 적당히 조절 가능하다.
여기에서, 상기 상세 영상 맵 생성부는 하기의 수학식을 이용하여 상세 영상 맵을 생성한다.
Figure 112009046136980-PAT00003
여기서 B(input)는 입력 영상을 양방향 필터링(bilateral filtering)한 값이다. σs의 경우 영상의 폭(width)과 높이(height) 중에서 작은 값의 20%로 결정되고 σr의 경우 영상의 (최대 강도 값(max intensity value)- 최소 강도 값(min intensity value)) / 10으로 결정된다.
상기 본 발명의 목적을 달성하기 위한 본 발명의 다른 실시예에 따른 영상 처리 장치는 입력 영상(input image)을 수신하여 입력 영상의 구조적 특징(structural feature)을 표현하는 상세 영상 맵을 생성하는 상세 영상 맵 생성부와, 상기 상세 영상 맵 생성부로부터 상기 상세 영상 맵을 수신하고, 상기 상세 영상 맵의 값들에 기초하여 변경된 입력 영상(modified input image)을 멀티토닝하는데 필요한 복수개의 임계값들을 생성하고, 상기 임계값들에 따라 상기 변경된 입력 영상의 픽셀값들을 멀티토닝하여 출력하는 멀티토닝부와, 상기 멀티토닝된 값과 상기 변경된 입력 영상의 픽셀값에 대해 감산을 수행하여 오차값들을 생성하는 감산기와, 상기 오차값들을 자체의 가중치로 필터링하여 필터링된 오차값을 생성하는 오차확산 필터와, 상기 입력 영상의 픽셀값에 상기 필터링된 오차값을 가산하여 상기 변경된 입력 영상을 생성하는 가산기를 포함한다.
여기에서, 상기 상세 영상 맵 생성부는 라플라시안 필터를 이용하여 상기 입 력 영상으로부터 라플라시안 맵을 생성한다.
여기에서, 상세 영상 맵 생성부로부터 상세 영상 맵을 수신하고, 수신된 상세 영상 맵의 값들에 대해 상기 입력 영상의 구조성 정도를 조절하기 위한 구조성 가중치(Structure-ness weight)(W[m,n])를 부여하는 가중치 부여부를 더 포함한다.
여기에서, 상기 가중치 부여부는 상기 상세 영상 맵의 각 픽셀을 중심으로 소정 윈도우 내의 분산(variance)값들에 대해 절대 합을 적용하는 것을 특징으로 하는 영상 처리 장치.
여기에서, 상기 가중치 부여부는 상기 상세 영상 맵의 값의 범위가 [0,255]의 범위 내에 들어올 수 있도록 상기 상세 영상 맵의 값을 설정한다.
상기와 같은 본 발명에 따른 영상 처리 장치에 따르면 간단하면서도 영상 처리를 위한 계산량이 적고 미세한 구조(structure) 까지도 살리는 효과가 있다. 뿐만 아니라 본 발명에 따르면 이진 영상(Binary image)이 아닌 RGB 컬러 영상에서도 큰 효과를 나타내며 하프토닝이 아닌 멀티토닝에서도 영상 처리를 위한 계산량이 적고 미세한 구조(structure)를 나타내는데 큰 효과를 나타낸다. 적용 가능한 범위는 디스플레이 장치(PDP)와 칼라프린터에서도 효과적으로 사용될 것이라고 보여지며 실시간으로 처리 되기 때문에 적용하는데도 문제가 없다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다.
그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다. 그리고 도면에서 동일한 구성요소들에 대해서는 비록 다른 도면에 표시되더라도 가능한 한 동일한 참조번호 및 부호로 나타내고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어서, 관련된 공지기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명은 생략한다.
제 1, 제 2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다. 도 1은 본 발명의 제1 실시예에 따른 영상 처리 장치의 블록 구성도이다.
도 1을 참조하면, 영상 처리 장치는 가산기(10), 이진화부(20), 감산기(30), 오차확산 필터(40), 라플라시안 맵 생성부(150)를 포함한다.
가산기(10)는 입력 영상 및 오차확산 필터(40)로부터 출력되는 오차값을 수 신하고, 입력 영상의 픽셀값과 오차값을 가산하여 변경된 영상(modified image)을 이진화부(20)에 출력한다.
이진화부(20)는 가산기(10)로부터 입력 영상의 픽셀값과 오차값을 가산함으로써 생성된 변경된 영상을 수신한다. 그리고 이진화부(20)는 라플라시안 맵 생성부(50)로부터 라플라시안 맵을 수신한다.
라플라시안 맵 생성부(50)는 입력 영상을 수신하고, 입력 영상으로부터 라플라시안 필터를 사용하여 라플라시안 맵을 생성한다. 라플라시안 필터의 크기는 바람직하게 3x3이다. 라플라시안 필터는 라인 검출(line detection), 에지 검출(edge detection), 및 영상 향상 기술(image enhancement technique)에 널리 사용된다. 라플라시안 필터는 당업계에 잘 공지되어 있으므로 그 상세한 설명을 생략한다.
상기 생성된 라플라시안 맵은 입력 영상의 구조적인 특징을 추출하는데 사용된다. 즉, 라플라시안 맵의 값들은 입력 영상에서 라인 또는 에지의 특징을 수치적으로 나타낸다. 라플라시안 맵의 값이 크면 해당 픽셀값이 영상에서 라인 또는 에지일 가능성이 크다. 또한, 라플라시안 맵의 값이 작으면 해당 픽셀값이 영상에서 라인이나 에지가 아닌 평평한 부분일 가능성이 높다.
이진화부(20)는 이러한 라플라시안 맵을 수신하고 라플라시안 맵의 값들에 기초하여 가산기(10)로부터 수신된 변경된 영상의 픽셀값을 이진화한다.
구체적으로 이진화부(20)는 평평한 부분과 급격한 부분, 즉 에지나 라인 부분에 다른 임계값(T[m,n])들을 사용하여 이진화를 수행한다. 다시 말해, 이진화부(20)는 변경된 영상을 이진화하는데 사용되는 임계값들을 라플라시안 맵의 값들 에 기초하여 결정한다.
일 실시예에서, 영상에서 소정 픽셀값 [m,n]에 대응한 라플라시안 맵의 값 L[m,n]이 127.5보다 크면 이진화부(20)는 임계값 T[m,n] 을 255으로 결정하고, 라플라시안 맵의 값 L[m,n]이 127.5이하이면, 임계값 T[m,n] 을 127.5로 결정한다. 이를 이하 수학식 1로 나타낸다.
T[m,n] = 255, if L[m,n] > 127.5 (급격한 영역)
T[m,n] = 127.5, otherwise (평평한 영역)
다른 실시예에서, 영상에서 소정 픽셀값 [m,n]에 대응한 라플라시안 맵의 값 L[m,n]이 32.5보다 크면 이진화부(20)는 임계값 T[m,n] 을 255으로 결정하고, 라플라시안 맵의 값 L[m,n]이 32.5이하이면, 임계값 T[m,n] 을 127.5로 결정한다. 이를 이하 수학식 2로 나타낸다.
T[m,n] = 255 if L[m,n] > 32.5 (급격한 영역)
T[m,n] = 32.5, otherwise (평평한 영역)
또 다른 실시예에서는 이진화부(20)는 임계값T[m,n] 을 라플라시안 맵의 값L[m,n] 에 비례하여 결정한다. 이를 수학식 3으로 나타낸다.
T[m,n] = K(sharpness parameter) * L[m,n] + 127
여기서, 예리함 파라미터(sharpness parameter) K는 영상의 구조 성(structure)를 강조하고자 할 때 큰 값을 갖도록 조정될 수 있다. 그리고 상수 K값은 영상의 구조성의 정도를 조절하는데 사용된다. 즉, K값을 크게 할수록 영상의 구조성(structure-ness)의 정도가 높다. 반면 K값이 1 이하의 값을 가지면 영상의 구조성의 정도가 낮아진다.
이와 같이, 본 발명에 따른 이진화부(20)는 라플라시안 맵의 값들에 기초하여 가산기(10)로부터 수신된 변경된 영상의 픽셀값을 이진화하여 감산기(30)에 출력한다.
감산기(30)는 변경된 영상의 픽셀값의 이진화된 값과 변경된 영상의 픽셀값에 대해 감산을 수행하며, 그에 따라 오차값들을 오차확산 필터(40)에 출력한다. 오차확산 필터(40)는 계산된 오차값을 자체의 가중치로 필터링하여 필터링된 오차값을 가산기(10)로 출력한다. 그에 따라, 가산기(10)는 원래의 입력 영상의 픽셀값에 오차확산 필터(40)의 필터링 결과, 즉 필터링된 오차값을 가산한다.
이에 따라, 기존 오차확산법을 이용한 하프토닝함으로써 처리된 이진 영상은 에지(edge) 영역의 열화를 수반하는데, 본 발명에 따른 오차 확산 처리 장치에 따라 처리된 영상은 에지 영역에서 구조성이 더 잘 나타낸다.
도 2는 본 발명의 제2 실시예에 따른 영상 처리 장치의 블록 구성도이다.
도 2를 참조하면, 영상 처리 장치는 가산기(110), 이진화부(120), 감산기(130), 오차확산 필터(140), 라플라시안 맵 생성부(150) 및 가중치 부여부(weighting unit)(160)를 포함한다. 도 2에 도시된 영상 처리 장치는 제1 실시예에 따른 영상 처리 장치와 가중치 부여부(160)를 제외하면 동일한 구성을 갖는다. 따라서, 가중치 부여부(160)를 제외한 구성요소들에 대한 설명은 도 1과 관련된 설명을 참조한다.
가산기(110)는 입력 영상 및 오차확산 필터(140)로부터 출력되는 오차값을 수신하고, 입력 영상의 픽셀값과 오차값을 가산하여 변경된 영상(modified image)을 이진화부(120)에 출력한다.
이진화부(120)는 가산기(110)로부터 입력 영상의 픽셀값과 오차값을 가산함으로써 생성된, 변경된 영상을 수신한다. 그리고 이진화부(120)는 라플라시안 맵 생성부(150)로부터 라플라시안 맵을 수신한다.
라플라시안 맵 생성부(150)는 입력 영상을 수신하고, 입력 영상으로부터 라플라시안 필터를 사용하여 라플라시안 맵을 생성한다. 전술한 바와 같이, 생성된 라플라시안 맵은 입력 영상의 구조적인 특징을 추출하는데 사용된다. 즉, 본 발명은 라플라시안 맵(L[m,n])만을 이용해서 평평한 영역과 급격한 영역에 서로 다른 임계값들을 사용하여 이진화를 수행하도록 한다.
그런데, 급격한 영역에서 구조성이 너무 강조되는 경향이 있기 때문에 이 문제를 해결하기 위해서 본 발명의 제2 실시예는 부분 공간적 정보(Local Spatial information)인 구조성 가중치(Structure-ness weight)(W[m,n])를 이용한다.
이를 위해, 본 발명의 제2 실시예에 따른 오차확산 처리 장치는 라플라시안 맵 생성부(150)의 후위에 가중치 부여부(weighting unit)(160)를 포함한다.
가중치 부여부(160)는 라플라시안 맵 생성부(50)로부터 라플라시안 맵을 수신하고, 수신된 라플라시안 맵의 값 L[m,n]에 대해 구조성 가중치(Structure-ness weight)(W[m,n])를 부여한다. 그에 따라 이진화부(120)에서 사용되는 임계값은 이하 [수학식 4]와 같이 계산된다.
T[m,n] = K(sharpness parameter) * W[m,n] * L[m,n] + T
구조성 가중치(Structure-ness weight)(W[m,n])는 이하 설명되는 2가지 방법에 따라 적용될 수 있다.
첫번째 방법은 라플라시안 맵(L[m,n])에서 각 픽셀을 중심으로 소정 윈도우 내의 분산(variance)값들에 대해 절대 합을 적용한다. 정해진 윈도우 안에서 라플라시안 맵의 분산(variance)값의 개수가 많다는 것은 라플라시안 필터를 통과한 결과의 특성상 구조(structure)가 많다는 것을 의미한다.
다시 말해, 가중치 부여부(160)는 분산(Variance)의 계산량을 줄이기 위해서 일정 윈도우 내의 분산값들을 합산하여 절대 합 값을 생성한다. 11 x 11을 사용하는 것은 최소 그 윈도우 안에서 아주 미세한 구조는 무시하기 위해서이다.
도 3은 라플라시안 맵의 절대 합을 나타낸 도면이다. 도 3에 도시된 바와 같이, 가중치 부여부(160)는 라플라시안 맵의 각 값들에 대해 해당 픽셀을 중심으로 소정 윈도우 영역 내에서 절대 합을 구함으로써 라플라시안 맵의 구조성을 저하시킨다.
두번째 방법은 라플라시안 맵(L[m,n])의 값의 범위가 [0,255]의 범위 내에 들어올 수 있도록 라플라시안 맵(L[m,n])의 값을 설정한다. 즉, 가중치 부여부(160)는 라플라시안 맵 (L[m,n])의 값이 255을 초과하면, 해당 값을 255로 설정 한다. 그에 따라 라플라시안 맵 (L[m,n])의 값들 중 최대값은 255가 된다. 최대값을 255로 하는 이유는 라플라시안 맵 (L[m,n])의 값이 너무 커져서 주변의 픽셀과 차이가 크게 나게 되면 구조성(structure-ness)이 너무 강조되는 문제를 해결하기 위해서이다.
이진화부(120)는 이러한 라플라시안 맵을 수신하고 라플라시안 맵의 값들에 기초하여 가산기(110)로부터 수신된 변경된 영상의 픽셀값을 이진화한다. 이 경우 라플라시안 맵의 값들은 가중치 부여부(160)에서 구조성 가중치가 적용된 값들이다.
이진화부(20)는 평평한 부분과 급격한 부분, 즉 에지나 라인 부분에 서로 다른 임계값(T[m,n])들을 사용하여 이진화를 수행한다.
도 4는 본 발명의 제3 실시예에 따른 영상 처리 장치의 블록 구성도이다.
도 4를 참조하면, 영상 처리 장치는 가산기(210), 멀티토닝부(220), 감산기(230), 오차확산 필터(240), 라플라시안 맵 생성부(250) 및 가중치 부여부(weighting unit)(260)를 포함한다. 도 3에 도시된 영상 처리 장치는 제2 실시예에 따른 영상 처리 장치와 멀티토닝부(220)와 라플라시안 맵 생성부(250)를 제외하고 거의 유사하다. 다만, 입력 영상이 이진 영상이 아닌 컬러 영상인 점이 다르다. 그러므로, 이하에서 본 실시예는 멀티토닝부(220)를 중심으로 설명된다.
우선, 도 1 또는 도 2에 따른 영상 처리 장치는 하프토닝 방식에 따라0 or 1로 이진화한 영상을 만들기 위해 임계값 맵(threshold map)(T[m,n])을 만들었다면 도 3에 도시된 영상 처리 장치는 멀티토닝 방식에 따라 컬러 영상을 만들기 위해 임계값 맵을 생성하며, 처리된 영상은 미세한 구조를 잘 나타낸다.
도5는 하프토닝 방식과 멀티토닝 방식에 따라 임계값이 어떻게 적용되는 지를 나타낸 도면이다. 도 5(a)는 하프토닝 방식에 따라 임계값이 사용되는 방식을 나타내고 도 5(b)는 멀티토닝 방식에 따라 임계값이 사용되는 방식을 나타낸다.
도 5(b)를 참조하면, 본 발명의 제3 실시예에 따른 영상 처리 장치는 멀티토닝 방식에 따라 입력 영상의 픽셀들의 색 값들을 예컨대 256개의 색 값으로 맵핑한다.
본 실시예에 따라, 멀티토닝부(250)는 입력 영상의 픽셀들의 색 값들을 256개의 색 값으로 맵핑하며 그에 따라 256개의 임계값들을 가진다. 라플라시안 맵 생성부(250)는 입력 영상으로부터 라플라시안 필터를 이용하여 라플라시안 맵을 생성하여 멀티토닝부(250)에 제공한다. 멀티토닝부(250)는 라플라시안 맵에 기초하여 변경된 영상을 멀티토닝하기 위한 복수개의 임계값들을 결정하고, 결정된 임계값들에 따라 변경된 영상을 멀티토닝한다. 그에 따라, 감산기(230)는 멀티토닝된 값과 상기 변경된 입력 영상의 픽셀값에 대해 감산을 수행하여 오차값들을 생성한다.
도 6은 본 발명의 제4 실시예에 따른 영상 처리 장치의 블록 구성도를 나타낸다.
도 6에 도시된 영상 처리 장치는 도 2에 도시된 영상 처리 장치와 라플라시안 맵 생성부(150) 대신에 디테일 영상 생성부(320)를 구비한다는 점에서 차이가 있다.
라플라시안 맵은 구조(structure)가 존재하는 디테일 영상(detail image)을 추출해 내는 방법 중에 하나이며, 그에 따라, 도 1 또는 도 2에서 라플라시안 맵(Laplacian map)을 구하는 부분(50,150)은 상세 영상 이미지(detail structure image)를 구하는 실시예 중 하나이다.
도 6을 참조하면, 영상 처리 장치는 영상 처리 장치는 가산기(310), 이진화부(320), 감산기(330), 오차확산 필터(340), 상세 영상 생성부(350) 및 가중치 부여부(weighting unit)(360)를 포함한다.
가산기(310)는 입력 영상 및 오차확산 필터(340)로부터 출력되는 오차값을 수신하고, 입력 영상의 픽셀값과 오차값을 가산하여 변경된 영상(modified image)을 이진화부(320)에 출력한다.
이진화부(320)는 가산기(310)로부터 입력 영상의 픽셀값과 오차값을 가산함으로써 생성된, 변경된 영상을 수신한다. 그리고 이진화부(120)는 상세 영상 생성부(150)로부터 상세 영상 맵을 수신한다.
상세 영상 맵 생성부(150)는 본 발명에 따라 여러 실시예들에 따라 구현될 수 있다.
일 실시예에 따라, 상세 영상 맵 생성부(150)는 히스토그램 평활화 방식(Histogram equalization)을 채용할 수 있다.
구체적으로, 상세 영상 맵 생성부(150)는 입력 영상을 수신하면, 입력 영상에 포함된 픽셀들의 그레이 레벨들을 그 빈도수에 따라 그래프화함으로써 히스토그램을 생성한다. 이 히스토그램은 영상의 특성을 나타낸다. 예컨대, 어두운 영상인 경우 입력 영상에 포함된 픽셀들중 대부분이 낮은 그레이 레벨을 가지며, 반대로 밝은 영상인 경우 입력 영상에 포함된 픽셀들중 대부분이 높은 그레이 레벨을 가질 것이다.
이어서, 상세 영상 맵 생성부(150)는 히스토그램으로부터 누적 히스토그램을 생성한다. 즉, 그레이 레벨이 높아질수록 각 그레이 레벨에 대응하는 픽셀수가 누적된다. 그런 다음, 상세 영상 맵 생성부(150)는 누적 히스토그램을 정규화함으로써 히스토그램 평활화를 수행한다. 히스토그램 평활화(Histogram equalization)는 명암 대비를 향상시키는 연산으로, 낮은 명암 대비를 보이는 영상의 화질을 향상시키는 방법이다.
이렇게 함으로써, 상세 영상 맵 생성부(150)는 입력 영상에 대해 히스토그램 평활화를 수행함으로써 명암 대비가 향상된 상세 영상 맵을 생성한다.
다른 실시예에 따라, 상세 영상 맵 생성부(150)는 다음 [수학식 5]를 이용하여 상세 영상 맵을 생성할 수 있다.
Figure 112009046136980-PAT00004
여기서, D[m,n]은 상세 영상 맵이고 K는 예리함 파라미터이며 Inputaverage 는 Input image I[m,n]의 평균을 의미한다.
구체적으로, 상세 영상 맵 생성부(150)는 입력 영상을 영상의 평균으로 나누게 되면 그레이 레벨(gray level)이 평균 영상과 같은 부분에서는 1로 값이 나오고 그렇지 않은 부분에서는 1이 아닌 값으로 나타나게 된다. 결국, 1이 아닌 부분은 에지나 라인과 같은 구조(structure)라고 판단한다. 이 때, 1을 빼게 되면 입력 영상에서 구조 부분만 남게 되고 이것을 K배(대략 1000)정도 하게 되면 구조만 가지는 영상을 생성할 수 있다.
이렇게 해서 나온 상세 영상(detail image) 맵의 값에 대해 선택적으로 라플라시안 필터(laplacian filter)를 적용할 수도 있다. 상세 영상이 영상의 구조를 잘 나타내지 않는다면, 라플라시안 필터를 적용하여 구조성을 나타내는 영상 맵을 생성할 수 있다.
다르게는, 상세 영상에서 구조성이 너무 강하면 즉, 상세 영상에 구조가 너무 많으면, 상세 영상 맵의 값 L[m,n]에 대해 구조성을 감소시키기 위한 구조성 가중치(Structure-ness weight)(W[m,n])를 부여할 수 있다. 전술한 바와 같이, 구조성을 감소시키기 위해, 상세 영상 맵의 각 픽셀을 중심으로 소정 윈도우 내의 분산(variance)값들에 대해 절대 합을 적용하거나, 상세 영상 맵(L[m,n])의 값의 범위가 [0,255]의 범위 내에 들어올 수 있도록 라플라시안 맵(L[m,n])의 값을 설정할 수 있다.
또 다른 실시예에 따라, 상세 영상 맵 생성부(150)는 다음 [수학식 6]를 이용하여 상세 영상 맵을 생성할 수 있다.
Figure 112009046136980-PAT00005
여기서 Gσ(input)은 입력 영상을 가우시안 필터링(Gaussian filtering)한 값이고 이때 σ는 가우시안 표준 편차(gaussian standard deviation)이다. σ값은 영상의 구조에 따라 적당히 조절 가능하다.
본 발명의 이 실시예에 따라 상세 영상 맵 생성부(150)는 상세 구조 이미지(detail structure image)를 만들기 위해서 가우시안 필터링(gaussain filtering)을 수행한다. 가우시안 필터링을 수행하면, 입력 영상의 큰 스케일의 구조(large scale structure)는 남아있고 작은 스케일의 구조(small sacle structure)는 거의 사라지게 된다.
이 경우, 상기 수학식 5와 다른 점은 하는 수학식 5와 같은 경우는 입력 영상의 평균, 즉 일정한(constant) 값으로 나누는데, 수학식 6에 따라 가우시안 필터링(gaussian filtering)을 하게 되면 영상(image)의 로컬 값(local value)으로 나눈다. 결국, 영상의 로컬 그레이 레벨(locally gray level)을 고려하기 때문에 좀 더 구조(structure)가 더 잘 살아나는 장점이 있다.
또 다른 실시예에 따라, 상세 영상 맵 생성부(150)는 다음 [수학식 7]를 이용하여 상세 영상 맵을 생성할 수 있다.
Figure 112009046136980-PAT00006
여기서 B(input)은 입력 영상을 양방향 필터링(bilateral filtering)한 값이 다. 양방향 필터링 방식으로 제안하는 이유는 가우시안 필터링을 통한 상세 영상의 큰 구조 부분에서 halo가 생길 수 있다.
σs의 경우 영상의 폭(width)과 높이(height) 중에서 작은 값의 20%로 결정하도록 한다.
σr의 경우 영상의 (최대 강도 값(max intensity value) - 최소 강도 값(min intensity value)) / 10으로 결정하도록 한다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
도 1은 본 발명의 제1 실시예에 따른 영상 처리 장치의 블록 구성도이다.
도 2는 본 발명의 제2 실시예에 따른 영상 처리 장치의 블록 구성도이다.
도 3은 라플라시안 맵의 절대 합을 나타낸 도면이다.
도 4는 본 발명의 제3 실시예에 따른 영상 처리 장치의 블록 구성도이다.
도5는 하프토닝 방식과 멀티토닝 방식에 따라 임계값이 어떻게 적용되는 지를 나타낸 도면이다.
도 6은 본 발명의 제4 실시예에 따른 영상 처리 장치의 블록 구성도를 나타낸다.

Claims (13)

  1. 영상 처리 장치에 있어서,
    입력 영상(input image)을 수신하여 입력 영상의 구조적 특징(structural feature)을 표현하는 상세 영상 맵을 생성하는 상세 영상 맵 생성부와,
    상기 상세 영상 맵 생성부로부터 상기 상세 영상 맵을 수신하고, 상기 상세 영상 맵의 값들에 기초하여 변경된 입력 영상(modified input image)을 이진화하는데 필요한 임계값을 생성하고, 상기 임계값에 따라 상기 변경된 입력 영상의 픽셀값들을 이진화하여 출력하는 이진화부와,
    상기 이진화된 값과 상기 변경된 입력 영상의 픽셀값에 대해 감산을 수행하여 오차값들을 생성하는 감산기와,
    상기 오차값들을 자체의 가중치로 필터링하여 필터링된 오차값을 생성하는 오차확산 필터와,
    상기 입력 영상의 픽셀값에 상기 필터링된 오차값을 가산하여 상기 변경된 입력 영상을 생성하는 가산기를 포함하는 영상 처리 장치.
  2. 제1항에 있어서,
    상기 상세 영상 맵 생성부는 라플라시안 필터를 이용하여 상기 입력 영상으로부터 라플라시안 맵을 생성하는 것을 특징으로 하는 영상 처리 장치.
  3. 제1항에 있어서,
    상기 상세 영상 맵 생성부로부터 상세 영상 맵을 수신하고, 수신된 상세 영상 맵의 값들에 대해 상기 입력 영상의 구조성 정도를 조절하기 위한 구조성 가중치(Structure-ness weight)(W[m,n])를 부여하는 가중치 부여부를 더 포함하는 것을 특징으로 하는 영상 처리 장치.
  4. 제3항에 있어서,
    상기 가중치 부여부는 상기 상세 영상 맵의 각 픽셀을 중심으로 소정 윈도우 내의 분산(variance)값들에 대해 절대 합을 적용하는 것을 특징으로 하는 영상 처리 장치.
  5. 제3항에 있어서,
    상기 가중치 부여부는 상기 상세 영상 맵의 값의 범위가 [0,255]의 범위 내에 들어올 수 있도록 상기 상세 영상 맵의 값을 설정하는 것을 특징으로 하는 영상 처리 장치.
  6. 제1항에 있어서,
    상기 상세 영상 맵 생성부는 하기의 수학식을 이용하여 상세 영상 맵을 생성하는 것을 특징으로 하는 영상 처리 장치.
    Figure 112009046136980-PAT00007
    여기서, D[m,n]은 상세 영상 맵이고 K는 예리함 파라미터이며 Inputaverage 는 Input image I[m,n]의 평균을 의미한다.
  7. 제1항에 있어서,
    상기 상세 영상 맵 생성부는 하기의 수학식을 이용하여 상세 영상 맵을 생성하는 것을 특징으로 하는 영상 처리 장치.
    Figure 112009046136980-PAT00008
    여기서 D[m,n]은 상세 영상 맵이고 K는 예리함 파라미터이며 Gσ(input)은 입력 영상을 가우시안 필터링(Gaussian filtering)한 값이고 이때 σ는 가우시안 표준 편차(gaussian standard deviation)이다. σ값은 영상의 구조에 따라 적당히 조절 가능하다.
  8. 제1항에 있어서,
    상기 상세 영상 맵 생성부는 하기의 수학식을 이용하여 상세 영상 맵을 생성하는 것을 특징으로 하는 영상 처리 장치.
    Figure 112009046136980-PAT00009
    여기서 D[m,n]은 상세 영상 맵이고 K는 예리함 파라미터이며 B(input)는 입력 영상을 양방향 필터링(bilateral filtering)한 값이다. σs의 경우 영상의 폭(width)과 높이(height) 중에서 작은 값의 20%로 결정되고 σr의 경우 영상의 (최대 강도 값(max intensity value)- 최소 강도 값(min intensity value)) / 10으로 결정된다.
  9. 영상 처리 장치에 있어서,
    입력 영상(input image)을 수신하여 입력 영상의 구조적 특징(structural feature)을 표현하는 상세 영상 맵을 생성하는 상세 영상 맵 생성부와,
    상기 상세 영상 맵 생성부로부터 상기 상세 영상 맵을 수신하고, 상기 상세 영상 맵의 값들에 기초하여 변경된 입력 영상(modified input image)을 멀티토닝하는데 필요한 복수개의 임계값들을 생성하고, 상기 임계값들에 따라 상기 변경된 입력 영상의 픽셀값들을 멀티토닝하여 출력하는 멀티토닝부와,
    상기 멀티토닝된 값과 상기 변경된 입력 영상의 픽셀값에 대해 감산을 수행하여 오차값들을 생성하는 감산기와,
    상기 오차값들을 자체의 가중치로 필터링하여 필터링된 오차값을 생성하는 오차확산 필터와,
    상기 입력 영상의 픽셀값에 상기 필터링된 오차값을 가산하여 상기 변경된 입력 영상을 생성하는 가산기를 포함하는 영상 처리 장치.
  10. 제9항에 있어서,
    상기 상세 영상 맵 생성부는 라플라시안 필터를 이용하여 상기 입력 영상으로부터 라플라시안 맵을 생성하는 것을 특징으로 하는 영상 처리 장치.
  11. 제9항에 있어서,
    상세 영상 맵 생성부로부터 상세 영상 맵을 수신하고, 수신된 상세 영상 맵의 값들에 대해 상기 입력 영상의 구조성 정도를 조절하기 위한 구조성 가중치(Structure-ness weight)(W[m,n])를 부여하는 가중치 부여부를 더 포함하는 것을 특징으로 하는 영상 처리 장치.
  12. 제11항에 있어서,
    상기 가중치 부여부는 상기 상세 영상 맵의 각 픽셀을 중심으로 소정 윈도우 내의 분산(variance)값들에 대해 절대 합을 적용하는 것을 특징으로 하는 영상 처리 장치.
  13. 제11항에 있어서,
    상기 가중치 부여부는 상기 상세 영상 맵의 값의 범위가 [0,255]의 범위 내 에 들어올 수 있도록 상기 상세 영상 맵의 값을 설정하는 것을 특징으로 하는 영상 처리 장치.
KR1020090068755A 2009-07-28 2009-07-28 오차 확산법을 이용한 영상 처리 장치 KR101024818B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020090068755A KR101024818B1 (ko) 2009-07-28 2009-07-28 오차 확산법을 이용한 영상 처리 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090068755A KR101024818B1 (ko) 2009-07-28 2009-07-28 오차 확산법을 이용한 영상 처리 장치

Publications (2)

Publication Number Publication Date
KR20110011211A true KR20110011211A (ko) 2011-02-08
KR101024818B1 KR101024818B1 (ko) 2011-03-24

Family

ID=43771463

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090068755A KR101024818B1 (ko) 2009-07-28 2009-07-28 오차 확산법을 이용한 영상 처리 장치

Country Status (1)

Country Link
KR (1) KR101024818B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130192917A1 (en) * 2012-01-26 2013-08-01 Fuji Jukogyo Kabushiki Kaisha Vehicle hood moving device
CN112488311A (zh) * 2020-11-30 2021-03-12 泰康保险集团股份有限公司 图像的处理方法、装置、介质及电子设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100416496B1 (ko) 1997-04-24 2004-04-14 삼성전자주식회사 다중 역치값을 이용한 이치화 방법
KR100484141B1 (ko) * 2002-06-05 2005-04-18 삼성전자주식회사 영상 이진화 장치 및 방법
KR20050081532A (ko) * 2004-02-14 2005-08-19 삼성전자주식회사 국부 특성을 고려한 영상 이진화 방법
KR100738816B1 (ko) * 2005-08-30 2007-07-12 엘지전자 주식회사 플라즈마 디스플레이 패널의 화상처리 장치 및 화상처리방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130192917A1 (en) * 2012-01-26 2013-08-01 Fuji Jukogyo Kabushiki Kaisha Vehicle hood moving device
US8763744B2 (en) * 2012-01-26 2014-07-01 Fuji Jukogyo Kabushiki Kaisha Vehicle hood moving device
CN112488311A (zh) * 2020-11-30 2021-03-12 泰康保险集团股份有限公司 图像的处理方法、装置、介质及电子设备

Also Published As

Publication number Publication date
KR101024818B1 (ko) 2011-03-24

Similar Documents

Publication Publication Date Title
CN107527333B (zh) 一种基于伽马变换的快速图像增强方法
Lin et al. Multi-scale retinex improvement for nighttime image enhancement
KR102146560B1 (ko) 영상 보정 방법 및 장치
Ghani et al. Underwater image quality enhancement through Rayleigh-stretching and averaging image planes
CN106846270B (zh) 一种图像边缘增强方法及装置
US6628842B1 (en) Image processing method and apparatus
CN108805829B (zh) 影像数据处理方法、装置、设备及计算机可读存储介质
Vijaykumar et al. Fast switching based median–mean filter for high density salt and pepper noise removal
KR101674078B1 (ko) 블록 기반의 영상 잡음 제거 방법 및 장치
WO2016206087A1 (zh) 一种低照度图像处理方法和装置
CN110889812B (zh) 一种多尺度融合图像特征信息的水下图像增强方法
KR100901354B1 (ko) 영상의 에지 보정장치 및 그 방법
Pei et al. Effective image haze removal using dark channel prior and post-processing
KR102355329B1 (ko) 영상 처리 장치, 영상 처리 방법, 및 영상 처리 프로그램
Sanila et al. Underwater image enhancement using white balance, USM and CLHE
Kumari et al. Fast single image and video deweathering using look-up-table approach
CN107025641A (zh) 基于对比度分析的图像融合方法
JP5810384B2 (ja) 顔画像処理システム、顔画像処理方法及び顔画像処理プログラム
KR101024818B1 (ko) 오차 확산법을 이용한 영상 처리 장치
CN109859138A (zh) 一种基于人眼视觉特性的红外图像增强方法
Haller Adaptive histogram equalization in GIS
KR100679046B1 (ko) 이미지의 지역적 정보를 이용한 비트 해상도 확장 방법 및장치
CN116703789A (zh) 一种图像增强方法及系统
Zhang et al. Image inverse halftoning and descreening: a review
JP2777202B2 (ja) 画像処理装置

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
FPAY Annual fee payment

Payment date: 20131231

Year of fee payment: 4

LAPS Lapse due to unpaid annual fee