KR20130015906A - Method for improving foggy image by unit image block - Google Patents
Method for improving foggy image by unit image block Download PDFInfo
- Publication number
- KR20130015906A KR20130015906A KR1020110078239A KR20110078239A KR20130015906A KR 20130015906 A KR20130015906 A KR 20130015906A KR 1020110078239 A KR1020110078239 A KR 1020110078239A KR 20110078239 A KR20110078239 A KR 20110078239A KR 20130015906 A KR20130015906 A KR 20130015906A
- Authority
- KR
- South Korea
- Prior art keywords
- pixel value
- fog
- input image
- image
- value
- Prior art date
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 by the use of histogram 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Abstract
Description
본 발명은 영상 개선 방법에 관한 것으로, 보다 구체적으로 안개가 포함되어 있는 입력 영상에서 단위 블록별로 안개 강도를 계산하여 입력 영상에서 안개를 제거하여 영상을 정확하게 판단할 수 있는 안개 영상 개선 방법에 관한 것이다.The present invention relates to a method for improving an image, and more particularly, to a method for improving an image of fog, which can accurately determine an image by removing fog from an input image by calculating a fog intensity for each unit block in an input image including fog. .
실외에서 획득한 영상의 경우 다양한 외부 요인에 의해 실제 객체가 가지고 있는 밝기나 색상 정보를 그대로 획득하기 어렵다. 예컨대, 카메라를 통해 영상을 획득할 경우 객체로부터 획득하는 빛과 색은 공기 중의 밝기 및 색상과 혼합되어 원래의 색과 다른 색을 띄게 된다. 더욱이 기상 상태로 인하여 안개와 같은 다른 빛 무리가 있을 경우 객체의 원래 색과 형태를 획득할 때 어려움이 따른다.In the case of an image acquired outdoors, it is difficult to obtain brightness or color information of an actual object as it is due to various external factors. For example, when an image is acquired through a camera, light and color obtained from an object are mixed with brightness and color in the air to have a color different from the original color. Moreover, when there are other light groups such as fog due to weather conditions, it is difficult to obtain the original color and shape of the object.
안개가 짙은 기상 상태에서 카메라 등의 장치를 통해 영상을 획득했을 때는 같은 색을 가진 객체라 하더라도 안개의 농도에 따라 획득되는 영상에서는 각각 다른 색을 가진다. 안개의 농도가 진할수록 획득된 영상 내 객체는 원래의 색을 많이 잃어버리고 안개의 색 또는 빛에 가까운 색 또는 빛을 가진다. When an image is acquired through a device such as a camera in a dense weather, even if the object has the same color, the image obtained according to the fog concentration has a different color. The higher the fog concentration, the more objects in the acquired image lose their original color and have a color or light close to that of the fog.
따라서 좋지 않은 기상 상태에서 깨끗한 영상을 만들기 위한 많은 연구가 진행되고 있다. 지금까지 개발 연구된, 안개 영상에서 안개를 제거하는 방법은 여러 장의 영상을 이용하는 방법과 추가 정보를 이용하는 방법으로 크게 구분된다. 여러 장의 영상을 이용하여 안개를 제거하는 대표적인 방법은 같은 위치에서 서로 다른 날씨 환경 아래에서 획득한 다수의 영상을 이용하여 촬영한 안개 영상에서 안개를 제거하며, 추가 정보를 이용하여 안개를 제거하는 대표적인 방법은 카메라에 내장된 GPS 정보를 이용하여 영상의 깊이 정보를 획득하고 획득한 깊이 정보로부터 안개 값의 밀도를 계산하여 안개 영상에서 안개를 제거한다.
Therefore, much research is being conducted to make clear images in bad weather conditions. The method of removing fog from the fog image, which has been developed and researched so far, is divided into the method of using multiple images and the method of using additional information. The representative method of removing fog by using multiple images is to remove fog from a fog image photographed using a plurality of images acquired under different weather conditions at the same location, and to remove fog by using additional information. The method removes the fog from the fog image by acquiring depth information of the image using GPS information built into the camera and calculating the density of the fog value from the acquired depth information.
그러나 종래 안개 영상에서 안개를 제거하는 방법 중 여러 장의 영상을 이용하여 안개를 제거하는 방법은 반드시 미리 획득한 여러 장의 영상이 필요하므로 미리 획득한 영상이 존재하지 않는 경우 또는 움직이는 영상의 경우에는 적용되기 곤란한다. 한편, 추가 정보를 이용하여 안개를 제거하는 대표적인 방법은 획득한 안개 영상 이외에 별도의 장비를 이용하여 안개 상태 정보를 판단하며 안개 상태 정보는 동일 영상에서 서로 균일하다는 가정하에 영상에서 안개를 제거하기 때문에 실제 서로 균일한 밀도로 분포되어 있지 않은 안개 영상에서 안개를 정확하게 제거하지 못한다는 문제점을 가진다. However, the method of removing fog using multiple images among the methods of removing fog from a conventional fog image is necessary because several images are acquired in advance, so it is applicable to a case where there is no previously acquired image or a moving image. Difficult On the other hand, the representative method of removing the fog by using the additional information is to determine the fog state information using a separate equipment in addition to the acquired fog image, because the fog state information is removed from the image under the assumption that the fog state information is uniform from each other in the same image In fact, there is a problem in that the fog is not accurately removed from the fog image that is not evenly distributed with each other.
본 발명은 위에서 언급한 종래 안개 영상에서 안개를 제거하는 방법이 가지는 문제점들을 해결하기 위한 것으로, 본 발명이 이루고자 하는 목적은 입력 영상의 단위 블록별로 안개 강도를 측정하고, 측정한 안개 강도에 따라 단위 블록별로 안개 영상에서 안개를 제거한 안개 영상 보상 방법을 제공하는 것이다.The present invention is to solve the problems of the method of removing the fog in the above-mentioned conventional fog image, an object of the present invention is to measure the fog intensity for each unit block of the input image, the unit according to the measured fog intensity It is to provide a fog image compensation method by removing fog from a fog image for each block.
본 발명이 이루고자 하는 다른 목적은 입력 영상에서 단위 블록별로 안개 강도를 측정하여 서로 균일하지 않은 안개에서도 정확하게 안개를 제거한 안개 영상 보상 방법을 제공하는 것이다.Another object of the present invention is to provide a fog image compensation method in which fog intensity is accurately removed even from non-uniform fog by measuring fog intensity for each unit block in an input image.
본 발명이 이루고자 하는 또 다른 목적은 입력 영상에서 단위 블록별 안개 강도를 기준 좌표값과 기준 화소값의 거리로부터 용이하고 간편하게 판단하여 안개를 제거할 수 있는 안개 영상 보상 방법을 제공하는 것이다.Another object of the present invention is to provide a fog image compensation method for removing fog by easily and simply determining a fog intensity for each unit block in an input image from a distance between a reference coordinate value and a reference pixel value.
본 발명이 이루고자 하는 또 다른 목적은 입력 영상의 컬러 모드에 따라 컬러 모드별 화소값 히스토그램을 계산하고 계산한 컬러 모드별 화소값 히스토그램의 합산 화소값 히스토그램으로부터 안개 강도를 구하여 정확하게 단위 블록별 안개를 제거할 수 있는 안개 영상 보상 방법을 제공하는 것이다.Another object of the present invention is to calculate the fog intensity from the sum of the pixel value histogram of the color mode for each color mode and to calculate the fog intensity from the calculated pixel value histogram according to the color mode of the input image, and to accurately remove the fog per unit block. It is to provide a fog image compensation method that can be done.
본 발명이 이루고자 하는 또 다른 목적은 입력 영상에서 대기 빛의 세기에 따라 달라지는 산란광을 고려한 빛 보정값을 계산하여 1차적으로 입력 영상의 대기 빛을 보상하고, 1차 대기 빛이 보상된 입력 영상에서 단위 블록별로 안개 강도를 계산하여 2차적으로 안개를 제거하는 안개 영상 보상 방법을 제공하는 것이다. Another object of the present invention is to calculate the light correction value considering the scattered light that varies depending on the intensity of the atmospheric light in the input image to compensate the atmospheric light of the input image primarily, and in the input image compensated for the primary atmospheric light It is to provide a fog image compensation method of secondarily removing fog by calculating fog intensity for each unit block.
본 발명의 목적을 달성하기 위하여 본 발명의 일 실시예에 따른 안개 영상 보상 방법은 입력 영상(IO)을 구성하는 m×n 단위 블록 각각에 대한 화소값 히스토그램을 생성하는 단계와, 생성한 화소값 히스토그램의 기준 화소값과 기준 좌표값 사이의 거리를 계산하고 계산한 거리로부터 m×n 블록의 안개 깊이를 판단하여 m×n 단위 블록의 안개 강도를 계산하는 단계와, 계산한 안개 강도를 고려하여 입력 영상에서 안개를 제거한 보상 영상(ID)을 생성하는 단계를 포함한다.In order to achieve the object of the present invention, the fog image compensation method according to an embodiment of the present invention comprises the steps of generating a pixel value histogram for each of the m × n unit blocks constituting the input image (I O ), and the generated pixel Computing the distance between the reference pixel value and the reference coordinate value of the value histogram and determining the fog depth of the m × n block from the calculated distance, and calculating the fog intensity of the m × n unit block, and taking into account the calculated fog intensity. Generating a compensation image I D from which fog is removed from the input image.
여기서 기준 화소값은 생성한 화소값 히스토그램의 최소 화소값, 최대 화소값, 평균 또는 중앙 화소값 중 어느 하나이며, 기준 좌표값은 생성한 화소값 히스트그램의 최소 기준 좌표값 또는 최대 기준 좌표값 중 어느 하나이다.The reference pixel value is any one of the minimum pixel value, the maximum pixel value, the average or the center pixel value of the generated pixel value histogram, and the reference coordinate value is the minimum reference coordinate value or the maximum reference coordinate value of the generated pixel value histogram. Which is either.
바람직하게, m×n 단위 블록의 안개 강도는 m×n 단위 블록별로 판단되거나 m×n 단위 블록의 화소별로 판단된다. Preferably, the fog intensity of the m × n unit block is determined for each m × n unit block or for each pixel of the m × n unit block.
바람직하게, 입력 영상의 컬러 모드별로 입력 영상을 구성하는 m×n 단위 블록 각각에 대한 화소값 히스토그램이 생성되며, 기준 화소값과 기준 좌표값 사이의 거리는 컬러 모드별로 생성된 각각의 화소값 히스토그램을 합산하고 합산한 화소값 히스토그램의 기준 화소값과 기준 좌표값 사이의 거리로 계산된다.Preferably, a pixel value histogram is generated for each of the m × n unit blocks constituting the input image for each color mode of the input image, and the distance between the reference pixel value and the reference coordinate value is determined for each pixel value histogram generated for each color mode. The sum is calculated as the distance between the reference pixel value and the reference coordinate value of the summed pixel value histogram.
여기서 기준값이 최소 화소 좌표값인 경우 m×n 단위 블록의 안개 강도(F)는 아래의 수학식에 의해 계산되며,If the reference value is the minimum pixel coordinate value, the fog intensity (F) of the m × n unit block is calculated by the following equation,
여기서 γ는 가중치이며, D는 생성한 화소값 히스토그램의 기준 화소값과 기준값 사이의 거리이다. 여기서 1은 각 컬러 모델에서 정규화된(normalized) 값의 최대값이다. 예를 들어 정규화된 값은 영상 화소값/255로 계산될 수 있다.Is the weight and D is the distance between the reference pixel value and the reference value of the generated pixel value histogram. Where 1 is the maximum value of the normalized value in each color model. For example, the normalized value may be calculated as an image pixel value / 255.
한편, 안개를 제거한 보상 영상은 아래의 수학식에 의해 계산된다.Meanwhile, the compensation image from which the fog is removed is calculated by the following equation.
본 발명의 목적을 달성하기 위한 본 발명의 다른 실시예에 따른 안개 영상 보상 방법은 입력 영상(IO) 전체에 대한 화소값 히스토그램을 생성하고 생성한 입력 영상 전체에 대한 화소값 히스토그램으로부터 빛 보상값을 계산하는 단계와, 계산한 빛 보상값(α)을 입력 영상에 적용하여 빛 보정된 입력 영상(IAC)을 생성하는 단계와, 빛 보정된 입력 영상을 구성하는 m×n 단위 블록 단위로 각 m×n 단위 블록에 대한 화소값 히스토그램을 생성하는 단계와, 생성한 화소값 히스토그램의 기준 화소값과 기준 좌표값 사이의 거리를 계산하고 계산한 거리로부터 상기 m×n 단위 블록의 안개 깊이를 판단하여 m×n 단위 블록의 안개 강도를 계산하는 단계와, 계산한 안개 강도를 고려하여 입력 영상에서 안개를 제거한 보상 영상(ID)을 생성하는 단계를 포함한다.In accordance with another aspect of the present invention, there is provided a fog image compensation method, which generates a pixel value histogram of an entire input image I O and a light compensation value from a pixel value histogram of the entire input image. Generating a light corrected input image (I AC ) by applying the calculated light compensation value (α) to the input image, and in units of m × n blocks constituting the light corrected input image. Generating a pixel value histogram for each m × n unit block, calculating a distance between a reference pixel value and a reference coordinate value of the generated pixel value histogram, and calculating a fog depth of the m × n unit block from the calculated distance. And determining the fog intensity of the m × n unit block and generating the compensation image I D from which the fog is removed from the input image in consideration of the calculated fog intensity.
여기서 안개를 제거한 보상 영상은 아래의 수학식에 의해 계산된다.Here, the compensation image from which the fog is removed is calculated by the following equation.
본 발명에 따른 안개 영상 보상 방법은 종래 안개 영상 보상 방법과 비교하여 다음과 같은 다양한 효과들을 가진다.The fog image compensation method according to the present invention has various effects as follows as compared to the conventional fog image compensation method.
첫째, 본 발명에 따른 안개 영상 보상 방법은 단위 블록별로 안개 강도를 측정함으로써, 서로 균일하지 않게 분포된 안개의 입력 영상에서도 정확하게 안개를 제거할 수 있다.First, in the fog image compensation method according to the present invention, by measuring the fog intensity for each unit block, it is possible to accurately remove the fog even in the input image of the fog is not uniformly distributed with each other.
둘째, 본 발명에 따른 안개 영상 보상 방법은 입력 영상에서 단위 블록별 안개 강도를 기준 좌표값과 기준 화소값의 거리로 판단함으로써, 용이하고 간소하게 균일하지 않은 안개의 분포를 정확하게 판단하여 입력 영상에서 안개를 제거할 수 있다.Second, the fog image compensation method according to the present invention determines the fog intensity of each unit block in the input image as the distance between the reference coordinate value and the reference pixel value, thereby easily and simply accurately determining the non-uniform fog distribution in the input image. Mist can be removed.
셋째, 본 발명에 따른 안개 영상 보상 방법은 입력 영상의 컬러 모드에 따라 컬러 모드별 화소값 히스토그램을 계산하고 계산한 컬러 모드별 화소값 히스토그램의 합산 화소값 히스토그램으로부터 안개 강도를 계산함으로써, 다양한 컬러 모드에 따라 입력 영상에서 정확하게 안개를 제거할 수 있다.Third, the fog image compensation method according to the present invention calculates the fog intensity from the summed pixel value histogram of the pixel value histogram for each color mode and calculates the fog intensity from the color mode histogram according to the color mode of the input image. The fog can be removed from the input image accurately.
넷째, 본 발명에 따른 안개 영상 보상 방법은 입력 영상에서 대기 빛의 세기에 따라 달라지는 산란광을 고려한 빛 보정값을 계산하여 1차적으로 입력 영상의 대기 빛을 보상하고 1차 대기 빛이 보상된 입력 영상에서 단위 블록별로 안개 강도를 계산하여 2차적으로 안개를 제거함으로써, 대기 빛의 세기에 따라 달라지는 산란광의 세기와 단위 블록별 안개 강도를 고려하여 입력 영상에서 안개를 정확하게 제거할 수 있다. Fourthly, the fog image compensation method according to the present invention calculates a light correction value considering scattered light varying according to the intensity of atmospheric light in the input image, and firstly compensates the atmospheric light of the input image and compensates the primary atmospheric light. By removing the fog second by calculating the fog intensity per unit block, it is possible to accurately remove the fog from the input image in consideration of the intensity of the scattered light and the fog intensity per unit block depending on the intensity of the atmospheric light.
도 1은 본 발명의 일 실시예에 따른 안개 영상 보상 장치의 기능 블록도를 도시하고 있다.
도 2는 입력 영상 전체의 화소값 히스토그램을 생성하는 방법의 일 예와 빛 보상값을 계산하는 방법의 일 예를 설명하기 위한 도면이다.
도 3은 본 발명에 따른 안개 영상 보상 장치의 안개 강도 계산부를 보다 구체적으로 설명하기 위한 기능 블록도이다.
도 4는 단위 블록의 화소값 히스토그램의 일 예를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 안개 영상 보상 방법을 설명하기 위한 흐름도이다.
도 6은 기준 화소값과 기준 좌표값 사이의 거리를 계산하는 방법을 보다 구체적으로 설명하기 위한 도면이다.1 is a functional block diagram of a fog image compensation apparatus according to an embodiment of the present invention.
FIG. 2 is a diagram illustrating an example of a method of generating a pixel value histogram of an entire input image and an example of a method of calculating a light compensation value.
3 is a functional block diagram for explaining in detail the fog intensity calculation unit of the fog image compensation apparatus according to the present invention.
4 is a diagram for describing an example of a pixel value histogram of a unit block.
5 is a flowchart illustrating a fog image compensation method according to an embodiment of the present invention.
FIG. 6 is a diagram for describing a method of calculating a distance between a reference pixel value and a reference coordinate value in more detail.
도 1은 본 발명의 일 실시예에 따른 안개 영상 보상 장치의 기능 블록도를 도시하고 있다.1 is a functional block diagram of a fog image compensation apparatus according to an embodiment of the present invention.
도 1을 참고로 보다 구체적으로 살펴보면, 컬러 모드 판단부(100)는 입력 영상의 컬러 모드를 판단한다. 여기서 컬러 모드란 입력 영상의 컬러를 표현하는 색공간으로 RGB, YUV, HSV, CMY, Lab 등의 다양한 색공간으로 표현된 입력 영상의 컬러 모드를 판단한다. 바람직하게, 본 발명이 적용되는 분야에 따라 입력 영상의 컬러 모드는 초기 설정되며, 초기 설정된 컬러 모드에 따라 입력 영상의 컬러 모드를 판단한다.Referring to FIG. 1, the color
히스토그램 생성부(200)는 입력 영상의 컬러 모드에 따라 입력 영상 전체의 통계적 특성을 나타내는 히스토그램을 생성한다. 여기서 입력 영상 전체의 통계적 특성을 나타내는 히스토그램이란, 입력 영상을 구성하는 전체 화소들의 화소값 분포를 나타내는 히스토그램이 사용된다.The
빛 보상부(300)는 생성된 입력 영상 전체의 화소값 히스토그램에서 화소값 분포 특성에 기초하여 입력 영상의 대기 빛 세기에 따른 빛 보상값(α)을 계산하고 계산한 빛 보상값으로 입력 영상의 화소값을 나누어 대기 빛 세기를 보상한 입력 영상을 생성한다. 바람직하게, 빛 보상값은 입력 영상 전체의 화소값 히스토그램에서 상위 화소값을 가지는 일정범위의 화소값의 평균값, 중앙값 또는 상위 화소값을 가지는 화소값 중 임의값으로 계산된다.
The
도 2를 참고로, 입력 영상 전체의 화소값 히스토그램을 생성하는 방법의 일 예와 빛 보상값을 계산하는 방법의 일 예를 살펴보면, 먼저 도 2(a)와 같은 L×M 크기의 입력 영상이 입력되면, 입력 영상을 구성하는 모든 화소들의 화소값 분포 특성을 나타내는 히스토그램을 도 2(b) 또는 도 2(c)와 같이 생성한다. 입력 영상을 구성하는 화소들은 0의 최소 화소값을 가지며 255의 최고 화소값을 가지는 화소값 히스토그램으로 표현되거나, 0(0/255)의 최소 화소값을 가지며 1(255/255)의 최고 화소값을 가지는 화소값 히스토그램으로 표현된다. 도 2(b) 또는 도 2(c)와 같이 생성한 화소값 히스토그램에서 상위 화소값을 가지는 일정 범위의 화소값, 예를 들어 상위 a% 범위에 분포되어 있는 화소값의 평균값을 빛 보상값으로 계산한다.Referring to FIG. 2, an example of a method of generating a pixel value histogram of an entire input image and an example of a method of calculating a light compensation value, first, an L × M size input image as shown in FIG. When input, a histogram representing the pixel value distribution characteristics of all the pixels constituting the input image is generated as shown in FIG. 2B or 2C. The pixels constituting the input image are represented by a pixel value histogram having a minimum pixel value of 0 and a maximum pixel value of 255, or a maximum pixel value of 1 (255/255) with a minimum pixel value of 0 (0/255). It is represented by a pixel value histogram having. In the pixel value histogram generated as shown in FIG. 2 (b) or FIG. 2 (c), the light compensation value is an average value of pixel values in a predetermined range having an upper pixel value, for example, pixel values distributed in an upper a% range. Calculate
다시 도 1을 참고로 살펴보면, 안개 강도 계산부(400)는 빛 보상된 입력 영상을 l×m 단위 블록으로 각각 분할하고, 분할한 단위 블록별로 안개 강도를 계산한다. 분할한 단위 블록별 안개 강도는 단위 블록의 화소값 히스토그램에서 기준 화소값과 기준 좌표값 사이의 거리로부터 계산된다. 여기서 기준 화소값이란 단위 블록별 화소값 히스토그램에서 최소 화소값, 최대 화소값, 평균 화소값, 중앙 화소값 중 어느 하나로 설정되며, 기준 좌표값이란 단위 블록별 화소값 히스트그램의 최소 기준 좌표값, 예를 들어 0 또는 최대 기준 좌표값, 예를 들어 1 또는 255 중 어느 하나로 설정된다.Referring again to FIG. 1, the
본 발명이 적용되는 분야에 따라 l×m 단위 블록의 크기는 입력 영상의 크기, 안개 영상을 보상하는데 소요되는 계산량, 하드웨어 성능 등에 기초하여 다양하게 설정될 수 있으며, 이는 본 발명의 범위에 속한다.According to the field to which the present invention is applied, the size of the l × m unit block may be set in various ways based on the size of the input image, the amount of computation required to compensate the fog image, the hardware performance, and the like, which is within the scope of the present invention.
안개 보상부(500)는 계산한 안개 강도로부터 단위 블록별 또는 단위 블록을 구성하는 화소별로 안개 보상된 화소값을 계산하고, 계산한 안개 보상된 화소값에 기초하여 입력 영상에서 안개를 제거한 영상을 생성한다.The
본 발명이 적용되는 분야에 따라 안개 강도 계산부(400)는 빛 보상을 하지 않고 입력 영상을 직접 단위 블록으로 분할하고 분할한 단위 블록별로 안개 강도를 계산하여 입력 영상에서 안개를 보상할 수 있는데, 이는 본 발명의 범위에 속한다.
According to the field to which the present invention is applied, the
도 3은 본 발명에 따른 안개 영상 보상 장치의 안개 강도 계산부를 보다 구체적으로 설명하기 위한 기능 블록도이다.3 is a functional block diagram for explaining in detail the fog intensity calculation unit of the fog image compensation apparatus according to the present invention.
도 3을 참고로 보다 구체적으로 살펴보면, 블록 분할부(410)는 입력 영상 또는 빛 조상된 입력 영상을 l×m 크기의 단위 블록으로 분할하며, 블록 히스토그램 계산부(420)는 분할한 단위 블록별로 단위 블록의 화소값 히스토그램을 계산한다. 기준 화소값 계산부(430)는 계산한 단위 블록의 화소값 히스토그램에 기초하여 단위 블록을 구성하는 화소 중 최소 화소값, 최대 화소값을 계산하거나 단위 블록을 구성하는 화소들의 평균 화소값 또는 최소 화소값과 최대 화소값의 중앙 화소값을 계산한다. 기준 화소값은 최소 화소값, 최대 화소값, 평균 화소값 중 어느 하나로 설정되며, 기준 화소값 계산부(430)는 설정된 기준 화소값에 따라 기준 화소값을 계산한다. 바람직하게, 평균 화소값은 단위 블록의 영상 특성을 가장 잘 표현하므로, 기준 화소값은 평균 화소값인 것을 특징으로 한다.Referring to FIG. 3, the
거리 계산부(440)는 계산한 기준 화소값과 기준 좌표값 사이의 거리를 계산한다. 기준 좌표값은 단위 블록의 화소값 히스토그램에서 최소 기준 좌표값 또는 최대 기준 좌표값 중 어느 하나이다. 강도 계산부(450)는 계산한 거리로부터 l×m 단위 블록의 안개 깊이, 즉 안개의 밀도 또는 농도를 판단하여 l×m 단위 블록의 안개 강도(F)를 계산한다.
The
도 4는 단위 블록의 화소값 히스토그램의 일 예를 설명하기 위한 도면이다.4 is a diagram for describing an example of a pixel value histogram of a unit block.
도 4(a)는 l×m 단위 블록의 일 예를 도시하고 있으며, 도 4(b)는 도 4(a)에 도시되어 있는 l×m 단위 블록의 히스토그램의 일 예를 도시하고 있다. 도 4(a)와 도 4(b)를 참고로 살펴보면, 입력 영상 또는 빛 보상된 입력 영상을 l×m 단위 블록으로 분할하고, 입력 영상의 컬러 모드에 따라 l×m 단위 블록을 구성하는 전체 화소들의 화소값 분포를 나타내는 화소값 히스토그램을 생성한다.FIG. 4 (a) shows an example of an l × m unit block, and FIG. 4 (b) shows an example of a histogram of the l × m unit block shown in FIG. 4 (a). Referring to FIGS. 4A and 4B, the input image or the light-compensated input image is divided into l × m unit blocks, and the l × m unit blocks are configured according to the color mode of the input image. Generate a pixel value histogram representing the pixel value distribution of the pixels.
도 4(c)는 l×m 단위 블록에 대한 각각의 R컬러, G컬러, B컬러의 화소값 히스토그램을 도시하고 있다. 입력 영상의 컬러 모드가 RGB 컬러 모드인 경우, R컬러, G컬러, B컬러별로 각각 l×m 단위 블록을 구성하는 화소의 화소값 히스토그램을 계산한다. 최종적으로 컬러 모드가 RGB 컬러 모드인 경우 l×m 단위 블록의 화소값 히스토그램은 R컬러, G컬러, B컬러의 화소값 히스토그램을 합산하여 계산된다.
Fig. 4 (c) shows a histogram of pixel values of each of R, G, and B colors for the l × m unit block. When the color mode of the input image is the RGB color mode, the pixel value histogram of the pixels constituting the l × m unit blocks are calculated for each of the R, G, and B colors. Finally, when the color mode is the RGB color mode, the pixel value histogram of the l × m unit block is calculated by adding the pixel value histograms of the R, G, and B colors.
도 5는 본 발명의 일 실시예에 따른 안개 영상 보상 방법을 설명하기 위한 흐름도이다.5 is a flowchart illustrating a fog image compensation method according to an embodiment of the present invention.
도 5를 참고로 보다 구체적으로 살펴보면, 초기 설정된 컬러 모드에 따라 입력 영상의 컬러 모드를 판단한다(S100). 판단한 입력 영상의 컬러 모드에 따라 입력 영상 전체의 통계적 특성을 나타내는 화소값 히스토그램을 생성하고(S200), 생성한 입력 영상의 화소값 히스토그램으로부터 입력 영상의 대기 빛 세기에 따른 빛 보상값을 계산한다(S300). 빛 보상값은 입력 영상의 히스토그램에서 상위 화소값을 가지는 일정 범위의 화소값의 평균값으로 계산된다. 계산한 빛 보상값에 기초하여 입력 영상(IO)에서 대기 빛을 보상한 입력 영상(IAC)을 아래의 수학식(1)와 같이 생성한다(S400).Referring to FIG. 5, the color mode of the input image is determined according to the initially set color mode (S100). According to the determined color mode of the input image, a pixel value histogram representing the statistical characteristics of the entire input image is generated (S200), and a light compensation value according to the atmospheric light intensity of the input image is calculated from the pixel value histogram of the generated input image ( S300). The light compensation value is calculated as an average value of a predetermined range of pixel values having higher pixel values in the histogram of the input image. Based on the calculated light compensation value, an input image I AC compensating for atmospheric light in the input image I O is generated as shown in
[수학식 1][Equation 1]
빛 보상된 입력 영상을 l×m 단위 블록으로 분할하고 분할한 l×m 단위 블록의 컬러 모드에 기초하여 l×m 단위 블록의 화소값 히스토그램을 생성하며(S500), l×m 단위 블록의 안개 강도를 아래의 수학식(2)과 같이 계산한다(S600). The light-compensated input image is divided into l × m unit blocks, and a pixel value histogram of the l × m unit blocks is generated based on the color mode of the divided l × m unit blocks (S500). The strength is calculated as in Equation (2) below (S600).
[수학식 2]&Quot; (2) "
여기서 D는 단위 블록의 기준 화소값과 기준 좌표값 사이의 거리를 의미하며, γ는 거리 가중치로 0 내지 1의 값을 가진다. 바람직하게, D는 단위 블록의 평균 화소값과 최소 기준 좌표값 사이의 거리인 것을 특징으로 한다.D is a distance between the reference pixel value and the reference coordinate value of the unit block, and γ has a value of 0 to 1 as the distance weight. Preferably, D is a distance between the average pixel value of the unit block and the minimum reference coordinate value.
계산한 l×m 단위 블록의 안개 강도를 고려하여 l×m 단위 블록별로 또는 l×m 단위 블록의 화소 단위로 입력 영상에서 안개를 제거한 보상 영상(ID)을 아래의 수학식(3)과 같이 생성한다(S700).In consideration of the calculated fog intensity of the l × m unit block, the compensation image I D from which the fog is removed from the input image by the l × m unit block or the pixel unit of the l × m unit block is expressed by Equation (3) below. Produce it together (S700).
[수학식 3]&Quot; (3) "
본 발명이 적용되는 분야에 따라 계산된 l×m 단위 블록의 안개 강도는 l×m 단위 블록 전체의 안개 강도로 계산되거나, l×m 단위 블록을 구성하는 화소들 중 l×m 단위 블록의 중심 영역에 위치하는 화소, 예를 들어 3×3 단위 블록의 경우 중심 화소의 안개 강도로 계산된다. 계산된 l×m 단위 블록의 안개 강도를 l×m 단위 블록 전체의 안개 강도로 계산하는 경우 단위 블록의 안개 강도를 계산하는데 소요되는 계산량을 줄일 수 있는 장점이 있다. 한편, 계산된 l×m 단위 블록의 안개 강도를 l×m 단위 블록을 구성하는 화소들 중 l×m 단위 블록의 중심 영역에 위치하는 화소의 안개 강도로 계산하는 경우 화소 단위로 안개 강도를 계산하여 정확하게 입력 영상에서 안개를 제거할 수 있는 장점이 있다.
The fog intensity of the l × m unit block calculated according to the field to which the present invention is applied is calculated as the fog intensity of the entire l × m unit block, or the center of the l × m unit block among the pixels constituting the l × m unit block. In the case of a pixel located in an area, for example, a 3 × 3 unit block, it is calculated as the fog intensity of the center pixel. When the calculated fog intensity of the l × m unit block is calculated as the fog intensity of the entire l × m unit block, there is an advantage of reducing the amount of computation required to calculate the fog intensity of the unit block. Meanwhile, when the calculated fog intensity of the l × m unit block is calculated as the fog intensity of a pixel located in the center region of the l × m unit block among the pixels constituting the l × m unit block, the fog intensity is calculated in pixel units. Therefore, there is an advantage that can remove the fog from the input image accurately.
본 발명의 다른 실시예에서 대기 빛 보상된 입력 영상(IAC) 대신 대기 빛 보상되지 않은 입력 영상(IO)을 직접 l×m 단위 블록으로 분할하고, 분할한 l×m 단위 블록의 안개 강도(F)를 계산하여 아래의 수학식(4)와 같이 입력 영상(IO)에서 안개를 제거할 수 있다.In another embodiment of the present invention, instead of the ambient light compensated input image I AC , the ambient light uncompensated input image I O is directly divided into l × m unit blocks, and the fog intensity of the divided l × m unit blocks. By calculating (F), the fog may be removed from the input image I O as shown in Equation (4) below.
[수학식 4]&Quot; (4) "
본 발명의 또 다른 실시예에서 대기 빛 보상된 입력 영상(IAC) 대신 대기 빛 보상값만을 이용하여 입력 영상(Io)에서 안개를 제거할 수 있다. 보다 구체적으로 살펴보면, 입력 영상(IO) 전체에 대한 화소값 히스토그램을 생성하고 생성한 입력 영상 전체에 대한 화소값 히스토그램으로부터 빛 보상값(α)을 계산하는 단계와, 입력 영상을 구성하는 m×n 단위 블록 단위로 각 m×n 단위 블록에 대한 화소값 히스토그램을 생성하는 단계와, 생성한 화소값 히스토그램의 기준 화소값과 기준 좌표값 사이의 거리를 계산하고 계산한 거리로부터 상기 m×n 단위 블록의 안개 깊이를 판단하여 m×n 단위 블록의 안개 강도를 계산하는 단계와, 계산한 안개 강도를 고려하여 아래의 수학식(5)와 같이 입력 영상에서 안개를 제거한 보상 영상(ID)을 생성하는 단계를 포함한다.In another embodiment of the present invention, the fog may be removed from the input image I o using only the atmospheric light compensation value instead of the atmospheric light compensated input image I AC . More specifically, generating a pixel value histogram for the entire input image I O , calculating a light compensation value α from the pixel value histogram for the entire input image, and m × constituting the input image. generating a pixel value histogram for each m × n unit block in n unit blocks, and calculating the distance between the reference pixel value and the reference coordinate value of the generated pixel value histogram and calculating the m × n unit from the calculated distance. The fog intensity of the m × n unit block is determined by determining the fog depth of the block, and the compensation image I D from which the fog is removed from the input image is calculated by considering the calculated fog intensity. Generating.
[수학식 5][Equation 5]
위에서 설명한 l×m 단위 블록의 안개 강도(F)는 기준 화소값과 기준 좌표값 사이의 거리로부터 계산되는데, 도 6을 참고로 기준 화소값과 기준 좌표값 사이의 거리를 계산하는 방법을 보다 구체적으로 살펴본다.The fog intensity F of the l × m unit block described above is calculated from the distance between the reference pixel value and the reference coordinate value. Referring to FIG. 6, a method of calculating the distance between the reference pixel value and the reference coordinate value is more specifically described. Take a look.
도 6을 참고로 살펴보면, l×m 단위 블록이 도 6(a)와 같이 3×3 단위 블록인 경우 3×3 단위 블록을 구성하는 화소들의 화소값 히스토그램을 도 6(b)와 같이 생성한다. 기준 화소값이 최소 화소값으로 설정된 경우 생성한 3×3 단위 블록의 화소값 히스토그램에서 최소 화소값을 계산하며, 기준 화소값이 최대 화소값으로 설정된 경우 생성한 3×3 단위 블록의 화소값 히스토그램에서 최대 화소값을 계산하며, 기준 화소값이 평균 화소값으로 설정된 경우 생성한 3×3 단위 블록의 화소값 히스토그램에서 평균 화소값을 계산하며, 기준 화소값이 중앙 화소값으로 설정된 경우 생성한 3×3 단위 블록의 화소값 히스토그램의 최대 화소값과 최소 화소값의 중앙값을 계산한다..Referring to FIG. 6, when the l × m unit block is a 3 × 3 unit block as shown in FIG. 6A, a pixel value histogram of pixels constituting the 3 × 3 unit block is generated as shown in FIG. 6B. . The pixel value histogram is calculated from the pixel value histogram of the 3 × 3 unit block generated when the reference pixel value is set to the minimum pixel value. The pixel value histogram of the 3 × 3 unit block generated when the reference pixel value is set to the maximum pixel value. Calculates the maximum pixel value from, calculates the average pixel value from the pixel value histogram of the 3 × 3 unit block created when the reference pixel value is set to the average pixel value, and generates 3 if the reference pixel value is set to the center pixel value. Calculate the median of the maximum pixel value and minimum pixel value of the pixel value histogram of the x3 unit block.
기준 좌표값이 최소 기준 좌표값으로 설정되고 기준 화소값이 최소 화소값으로 설정된 경우, 도 6(c)와 같이 최소 기준 좌표값과 최소 화소값 사이의 거리(D1)을 계산한다. 기준 좌표값이 최소 기준 좌표값으로 설정되고 기준 화소값이 평균 화소값으로 설정된 경우, 도 6(d)와 같이 최소 기준 좌표값과 평균 화소값 사이의 거리(D2)을 계산한다. 기준 좌표값이 최소 기준 좌표값으로 설정되고 기준 화소값이 최대 화소값으로 설정된 경우, 도 6(e)와 같이 최소 기준 좌표값과 최대 화소값 사이의 거리(D3)을 계산한다. 기준 좌표값이 최소 기준 좌표값으로 설정되고 기준 화소값이 중앙 화소값으로 설정된 경우, 도 6(f)와 같이 최소 기준 좌표값과 중앙 화소값(Middle) 사이의 거리(D4)을 계산한다.
When the reference coordinate value is set to the minimum reference coordinate value and the reference pixel value is set to the minimum pixel value, the distance D1 between the minimum reference coordinate value and the minimum pixel value is calculated as shown in FIG. When the reference coordinate value is set to the minimum reference coordinate value and the reference pixel value is set to the average pixel value, the distance D2 between the minimum reference coordinate value and the average pixel value is calculated as shown in FIG. When the reference coordinate value is set to the minimum reference coordinate value and the reference pixel value is set to the maximum pixel value, the distance D3 between the minimum reference coordinate value and the maximum pixel value is calculated as shown in FIG. When the reference coordinate value is set to the minimum reference coordinate value and the reference pixel value is set to the center pixel value, the distance D4 between the minimum reference coordinate value and the center pixel value Middle is calculated as shown in FIG. 6 (f).
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다. While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is evident that many alternatives, modifications and variations will be apparent to those skilled in the art. Therefore, the true technical protection scope of the present invention will be defined by the technical spirit of the appended claims.
100: 컬러 모드 판단부 200: 히스토그램 생성부
300: 빛 보상부 400: 안개 강도 계산부
500: 안개 보상부100: color mode determination unit 200: histogram generation unit
300: light compensation unit 400: fog intensity calculation unit
500: Mist Compensator
Claims (15)
상기 생성한 화소값 히스토그램의 기준 화소값과 기준 좌표값 사이의 거리를 계산하고, 상기 계산한 거리로부터 상기 m×n 블록의 안개 깊이를 판단하여 상기 m×n 블록의 안개 강도를 계산하는 단계; 및
상기 계산한 안개 강도를 고려하여 상기 입력 영상에서 안개를 제거한 보상 영상(ID)을 생성하는 단계를 포함하는 것을 특징으로 하는 안개 영상 보상 방법.Generating a pixel value histogram for each m × n block constituting the input image I O ;
Calculating a distance between the reference pixel value and the reference coordinate value of the generated pixel value histogram, and determining the fog depth of the m × n block from the calculated distance to calculate the fog intensity of the m × n block; And
And generating a compensation image (I D ) from which the fog is removed from the input image in consideration of the calculated fog intensity.
상기 m×n 블록의 안개 강도는 상기 m×n 블록별로 판단되거나 상기 m×n 블록의 화소별로 판단되는 것을 특징으로 하는 안개 영상 보상 방법.The method of claim 1,
The fog intensity of the m × n block is determined by the m × n block or the fog image compensation method characterized in that it is determined for each pixel of the m × n block.
상기 생성한 화소값 히스토그램의 최소 화소값, 최대 화소값, 평균 화소값, 중앙 화소값 중 어느 하나인 것을 특징으로 하는 안개 영상 보상 방법.The method of claim 2, wherein the reference pixel value is
And a minimum pixel value, a maximum pixel value, an average pixel value, and a center pixel value of the generated pixel value histogram.
상기 생성한 화소값 히스트그램의 최소 기준 좌표값 또는 최대 기준 좌표값 중 어느 하나인 것을 특징으로 하는 안개 영상 보상 방법.The method of claim 3, wherein the reference coordinate value is
The fog image compensation method, characterized in that any one of the minimum reference coordinate value or the maximum reference coordinate value of the generated pixel value histogram.
상기 입력 영상의 컬러 모드별로 상기 입력 영상을 구성하는 m×n 블록 각각에 대한 화소값 히스토그램이 생성되며,
상기 기준 화소값과 기준 좌표값 사이의 거리는 상기 컬러 모드별로 생성된 각각의 화소값 히스토그램을 합산하고 상기 합산한 화소값 히스토그램의 기준 화소값과 기준 좌표값 사이의 거리로 계산되는 것을 특징으로 하는 안개 영상 보상 방법.The method of claim 4, wherein
A pixel value histogram is generated for each m × n block constituting the input image for each color mode of the input image.
The distance between the reference pixel value and the reference coordinate value is calculated by summing each pixel value histogram generated for each color mode and calculating the distance between the reference pixel value and the reference coordinate value of the summed pixel value histogram. Video compensation method.
[수학식 1]
여기서 γ는 가중치이며, D는 상기 생성한 화소값 히스토그램의 기준 화소값과 기준값 사이의 거리인 것을 특징으로 하는 안개 영상 보상 방법.5. The fog intensity F of the m × n block when the reference value is a minimum pixel coordinate value is calculated by Equation 1 below.
[Equation 1]
Wherein γ is a weight and D is a distance between a reference pixel value and the reference value of the generated pixel value histogram.
[수학식 2]
여기서 IO는 입력 영상이며, ID는 안개를 제거한 보상 영상인 것을 특징으로 하는 안개 영상 보상 방법.The method of claim 6, wherein the fog-free compensation image is calculated by the following equation (2),
&Quot; (2) "
Wherein I O is the input image, I D is a fog image compensation method, characterized in that the compensation image removed fog.
상기 계산한 빛 보상값(α)을 상기 입력 영상에 적용하여 빛 보정된 입력 영상(IAC)을 생성하는 단계;
상기 빛 보정된 입력 영상을 구성하는 m×n 블록 단위로 각 m×n 블록에 대한 화소값 히스토그램을 생성하는 단계;
상기 생성한 화소값 히스토그램의 기준 화소값과 기준 좌표값 사이의 거리를 계산하고, 상기 계산한 거리로부터 상기 m×n 블록의 안개 깊이를 판단하여 상기 m×n 블록의 안개 강도를 계산하는 단계; 및
상기 계산한 안개 강도를 고려하여 상기 입력 영상에서 안개를 제거한 보상 영상(ID)을 생성하는 단계를 포함하는 것을 특징으로 하는 안개 영상 보상 방법.Generating a pixel value histogram for the entire input image I O and calculating a light compensation value from the pixel value histogram for the entire input image;
Generating a light corrected input image I AC by applying the calculated light compensation value α to the input image;
Generating a pixel value histogram for each m × n block in units of m × n blocks constituting the light-corrected input image;
Calculating a distance between the reference pixel value and the reference coordinate value of the generated pixel value histogram, and determining the fog depth of the m × n block from the calculated distance to calculate the fog intensity of the m × n block; And
And generating a compensation image (I D ) from which the fog is removed from the input image in consideration of the calculated fog intensity.
상기 m×n 블록의 안개 강도는 상기 m×n 블록별로 판단되거나 상기 m×n 블록의 화소별로 판단되는 것을 특징으로 하는 안개 영상 보상 방법.The method of claim 8,
The fog intensity of the m × n block is determined by the m × n block or the fog image compensation method characterized in that it is determined for each pixel of the m × n block.
상기 생성한 화소값 히스토그램의 최소 화소값, 최대 화소값, 평균 화소값, 중앙 화소값 중 어느 하나인 것을 특징으로 하는 안개 영상 보상 방법.The method of claim 9, wherein the reference pixel value is
And a minimum pixel value, a maximum pixel value, an average pixel value, and a center pixel value of the generated pixel value histogram.
상기 생성한 화소값 히스트그램의 최소 기준 좌표값 또는 최대 기준 좌표값 중 어느 하나인 것을 특징으로 하는 안개 영상 보상 방법.The method of claim 10, wherein the reference coordinate value is
The fog image compensation method, characterized in that any one of the minimum reference coordinate value or the maximum reference coordinate value of the generated pixel value histogram.
[수학식 3]
여기서 γ는 가중치이며, D는 상기 생성한 화소값 히스토그램의 기준 화소값과 기준값 사이의 거리인 것을 특징으로 하는 안개 영상 보상 방법.12. The method of claim 11, wherein the fog intensity (F) of the m × n block is calculated by the following equation (3) when the reference value is the minimum pixel coordinate value,
&Quot; (3) "
Wherein γ is a weight and D is a distance between a reference pixel value and the reference value of the generated pixel value histogram.
[수학식 4]
&Quot; (4) "
상기 입력 영상을 구성하는 m×n 블록 단위로 각 m×n 블록에 대한 화소값 히스토그램을 생성하는 단계;
상기 생성한 화소값 히스토그램의 기준 화소값과 기준 좌표값 사이의 거리를 계산하고, 상기 계산한 거리로부터 상기 m×n 블록의 안개 깊이를 판단하여 상기 m×n 블록의 안개 강도를 계산하는 단계; 및
상기 계산한 안개 강도와 빛 보상값을 고려하여 상기 입력 영상에서 안개를 제거한 보상 영상(ID)을 생성하는 단계를 포함하는 것을 특징으로 하는 안개 영상 보상 방법.Generating a pixel value histogram for the entire input image I O , and calculating a light compensation value α from the pixel value histogram for the entire input image;
Generating a pixel value histogram for each m × n block in units of m × n blocks constituting the input image;
Calculating a distance between the reference pixel value and the reference coordinate value of the generated pixel value histogram, and determining the fog depth of the m × n block from the calculated distance to calculate the fog intensity of the m × n block; And
And generating a compensation image (I D ) from which the fog is removed from the input image in consideration of the calculated fog intensity and the light compensation value.
[수학식 5]
&Quot; (5) "
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110078239A KR101292421B1 (en) | 2011-08-05 | 2011-08-05 | Method for improving foggy image by unit image block |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110078239A KR101292421B1 (en) | 2011-08-05 | 2011-08-05 | Method for improving foggy image by unit image block |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20130015906A true KR20130015906A (en) | 2013-02-14 |
| KR101292421B1 KR101292421B1 (en) | 2013-08-01 |
Family
ID=47895623
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020110078239A KR101292421B1 (en) | 2011-08-05 | 2011-08-05 | Method for improving foggy image by unit image block |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101292421B1 (en) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103325102A (en) * | 2013-06-03 | 2013-09-25 | 武汉理工大学 | Method for processing greasy weather degraded image based on histogram equalization |
| KR101445577B1 (en) * | 2013-03-11 | 2014-11-04 | 주식회사 브이아이티시스템 | System for enhancing the foggy luminance image using the estimation model of haze removal |
| WO2014193055A1 (en) * | 2013-05-28 | 2014-12-04 | 전남대학교산학협력단 | Apparatus for enhancing blurry image using user-controllable radical operator |
| KR101490594B1 (en) * | 2013-05-28 | 2015-02-05 | 주식회사 코아로직 | Method and apparatus for processing image including for area |
| US9466097B2 (en) | 2014-06-20 | 2016-10-11 | Hyundai Motor Company | Apparatus and method for removing fog in image |
| KR20170044844A (en) * | 2015-10-16 | 2017-04-26 | 삼성전자주식회사 | Image haze removing device |
| US9842382B2 (en) | 2013-05-28 | 2017-12-12 | Hanwha Techwin Co., Ltd. | Method and device for removing haze in single image |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101553140B1 (en) | 2014-01-29 | 2015-09-14 | 경희대학교 산학협력단 | Method for compensating fogs image based on segmention |
| KR102207939B1 (en) | 2014-03-27 | 2021-01-26 | 한화테크윈 주식회사 | Defog system and method |
| CN106454080A (en) * | 2016-09-30 | 2017-02-22 | 深圳火星人智慧科技有限公司 | Haze penetration control system and haze penetration method for camera |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5015838B2 (en) | 2008-03-31 | 2012-08-29 | 能美防災株式会社 | Smoke detector |
| KR101518722B1 (en) * | 2008-08-18 | 2015-05-15 | 삼성테크윈 주식회사 | Image enhancement processing method and apparatus for distortion correction by air particle like fog |
| JP4807439B2 (en) | 2009-06-15 | 2011-11-02 | 株式会社デンソー | Fog image restoration device and driving support system |
| JP5343726B2 (en) * | 2009-06-19 | 2013-11-13 | カシオ計算機株式会社 | Image processing apparatus and image processing program |
-
2011
- 2011-08-05 KR KR1020110078239A patent/KR101292421B1/en active IP Right Grant
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101445577B1 (en) * | 2013-03-11 | 2014-11-04 | 주식회사 브이아이티시스템 | System for enhancing the foggy luminance image using the estimation model of haze removal |
| WO2014193055A1 (en) * | 2013-05-28 | 2014-12-04 | 전남대학교산학협력단 | Apparatus for enhancing blurry image using user-controllable radical operator |
| KR101470831B1 (en) * | 2013-05-28 | 2014-12-10 | 전남대학교산학협력단 | Appatatus for image dehazing using the user controllable radical root operation |
| KR101490594B1 (en) * | 2013-05-28 | 2015-02-05 | 주식회사 코아로직 | Method and apparatus for processing image including for area |
| US9384532B2 (en) | 2013-05-28 | 2016-07-05 | Industry Foundation Of Chonnam National University | Apparatus for improving fogged image using user-controllable root operator |
| US9842382B2 (en) | 2013-05-28 | 2017-12-12 | Hanwha Techwin Co., Ltd. | Method and device for removing haze in single image |
| CN103325102A (en) * | 2013-06-03 | 2013-09-25 | 武汉理工大学 | Method for processing greasy weather degraded image based on histogram equalization |
| US9466097B2 (en) | 2014-06-20 | 2016-10-11 | Hyundai Motor Company | Apparatus and method for removing fog in image |
| KR20170044844A (en) * | 2015-10-16 | 2017-04-26 | 삼성전자주식회사 | Image haze removing device |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101292421B1 (en) | 2013-08-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101292421B1 (en) | Method for improving foggy image by unit image block | |
| CN108550101B (en) | Image processing method, device and storage medium | |
| US8374428B2 (en) | Color balancing for partially overlapping images | |
| RU2456679C2 (en) | Methods and systems for display source light management with histogram processing | |
| US9661296B2 (en) | Image processing apparatus and method | |
| US10560686B2 (en) | Photographing device and method for obtaining depth information | |
| KR20090064243A (en) | Multi-view camera color calibration using color checker chart | |
| KR20090079069A (en) | Method and system for color recovery | |
| US9449375B2 (en) | Image processing apparatus, image processing method, program, and recording medium | |
| WO2019010917A1 (en) | Method and system for color calibration of projection image | |
| TW201435806A (en) | Image recovery method | |
| US20170352133A1 (en) | Image processing device, image processing method, and recording medium | |
| KR101113483B1 (en) | Apparatus for enhancing visibility of color image | |
| US20160286090A1 (en) | Image processing method, image processing apparatus, and image processing program | |
| CN109272465B (en) | Aviation image color consistency processing algorithm | |
| CN112640413A (en) | Method, control device and vehicle for displaying a model of a surroundings | |
| KR101507642B1 (en) | Method for compensating fogs image based on estimated transmission value | |
| WO2019031086A1 (en) | Image processing system, server device, image processing method, and image processing program | |
| CN103685972B (en) | Image optimization method and the system using the method | |
| CN102752608A (en) | Method and device for realizing fast color correction | |
| KR20160068463A (en) | Method and apparatus for reducing color moire, and image processing apparatus | |
| CN110136070B (en) | Image processing method, image processing device, computer-readable storage medium and electronic equipment | |
| KR20120138477A (en) | Method for generating panorama image within digital image processing apparatus | |
| EP3301910A1 (en) | Device for white balance correction | |
| JP2008035069A (en) | Video signal processor |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20160926 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20170608 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20180716 Year of fee payment: 6 |