KR20130035914A - 디지털 단색 이미지의 결함 픽셀의 휘도를 정정하는 방법 - Google Patents

Abstract

본 발명은, 결함 픽셀의 휘도 값을 그 인접값에 걸쳐 계산하는 것인 디지털 단색 이미지의 결함 픽셀의 휘도를 정정하는 방법으로서, 결함 픽셀 맵의 생성은 결함 클러스터 주변, 바람직하게는 4중 연결된 주변을 결정하는데 그리고 이 주변에 속하는 각 결함 픽셀의 휘도 값을 계산하는데 사용되고, 그 절차는 각 결함 픽셀의 휘도 값이 계산 완료될 때까지 반복적으로 구현되고, 결함 픽셀의 휘도 값은 인접한 픽셀의 휘도 값에 걸쳐 평균 가중된 값으로 계산되는, 결함 픽셀의 휘도를 정정하는 방법에 관한 것이다.
본 청구된 방법의 기술적 결과는 디지털 단색 이미지의 결함 픽셀의 휘도를 정정하는 것에 의하여 획득된 이미지의 품질을 증가시키는 것에 있다.

Description

디지털 단색 이미지의 결함 픽셀의 휘도를 정정하는 방법{METHOD FOR BRIGHTNESS CORRECTION OF DEFECTIVE PIXELS OF DIGITAL MONOCHROME IMAGE}

본 발명은 이미지 처리 방법, 즉 디지털 단색 이미지의 결함 픽셀의 휘도 정정에 대한 이미지 처리 방법에 관한 것이다.

디지털 이미징 검출기는 다수의 유사한 셀(픽셀)을 포함하며 그 중 일부 또는 작은 그룹이 결함이 있을 수 있다. 이미지에서 이들 결함은 실제 신호를 기록하는 인접한 픽셀들의 휘도 값보다 더 낮은 휘도 값을 가지는, 시야에 종속하는 영역으로 나타난다. 이러한 픽셀은 결함 픽셀이라고 불리우고, 결함 픽셀의 그룹은 결함 클러스터라고 불리운다. 대부분 널리 확산된 결함은 다음과 같다.

데드 픽셀(Dead pixel) - 이 결함은 서로 다른 입력 신호 레벨에 대해 출력 신호의 불변성을 초래한다.

핫 픽셀(Hot pixel) - 이 결함은 입력 신호에 대해 부정확한 출력 신호의 종속성을 초래하거나, 다른 인자, 예를 들어 온도 또는 인접한 픽셀 값에 상당히 종속하는 것이다.

종속 픽셀(Dependent pixel) - 이 결함은 인접한 픽셀의 신호에 대해 픽셀 신호의 종속성을 초래한다.

이미지 정정 방법에 대한 입력 파라미터는 결함 픽셀의 좌표, 디지털 검출기 교정 스테이지에서 결정되는 행 및 열의 수이다. 일반적으로, 결함 픽셀의 휘도 값은 서로 다른 계산 기술을 사용하여 인접한 픽셀들에 걸쳐 계산된다. 결함 픽셀의 휘도 정정은 시각화된 디지털 이미지의 더 나은 인식에 기여하고, 예를 들어 잡음 감소, 콘트라스트 및 휘도 레벨 계산 동안 및 이미지 등에서 대상(object) 검색 동안 추가 처리를 간소화시킨다.

본 출원에서는 디지털 검출기 교정 스테이지에서 결정되고 정정 방법에서 입력 파라미터인 좌표를 가지는 결함 픽셀의 휘도를 정정하는 방법을 청구한다.

방법[A. Efros and T. Leug. Texture synthesis by non-parametric sampling. Proc. Int. Conf. Computer Vision, pp. 1033-1038, Greece, September 1999]이 알려져 있다. i와 j를 이미지 픽셀의 좌표라고 하고,

(i) 및

(j)는 언급된 픽셀의 휘도 값이라고 하고, N(i) 및 N(j)은 그 인접값이라고 하자. 픽셀(i)에 중심이 있는 이미지의 직사각형 부분은 픽셀(i)의 인접값 N(i)이라고 하자.

알려진 방법은 신호

(i)를 재구성하는 것이 필요할 때 특정 메트릭 d(i, j)에 걸쳐 픽셀(j)의 가장 근사한 인접값 N(j)이 인접값 N(i)을 사용하여 결정되는 것에 있다.

j = arg min(d(i, j))

그리고 인접 값 N(j)이 결정된 후에는, 신호

(i)는 신호

(j)와 같은 것으로 가정된다.

(i) =

(j).

N(j) 인접 값의 검색은 검색되는 영역이라고 불리우는 임의의 제한된 이미지 영역에 뿐 아니라 전체 이미지에 걸쳐 수행될 수 있다. 메트릭 d(i, j)는 다음 방식, 즉

으로 계산되고,

여기서, b(k)는 적절한 인접 값의 이진 마스크(binary mask)이며, 즉 k 픽셀의 신호가 이미 알려진 것이라면, b(k) = 0이고, k 픽셀의 신호의 계산이 여전히 진행 중이라면, b(k) = 1이다. 정규화 인자(Normalizing factor) Z는,

이다.

알려진 방법의 단점은 다음과 같다.

1) 이 방법은 예를 들어, 인접 값 N(j) 및 N(

)은 N(i) 인접값과 동일하게 근사하며,

(j) 및

(

) 픽셀 신호는 서로 명확히 다르다.

2) 이 방법에서, 재구성된

(i) 픽셀 신호는 검색되는 영역으로부터 특정

(j) 픽셀 신호와 항상 동일하며, 즉 조명 변화의 효과가 재현되지 않는다.

본 발명의 과제는 디지털 단색 이미지의 결함 픽셀의 휘도를 정정하는 것이다.

청구된 방법의 기술적 결과는 디지털 단색 이미지의 결함 픽셀의 휘도를 정정하는 것에 의하여 획득되는 이미지의 품질을 증가시키는 것에 있다.

기술적 결과는 본 발명에 따라 결함 클러스터 주변(perimeter)이 결정되는 결함 픽셀 맵핑에 의하여 결함 픽셀의 휘도 값이 그 인접 값을 사용하여 계산되는, 디지털 단색 이미지의 결함 픽셀의 휘도를 정정하는 방법을 통하여 달성된다. 이후, 이 주변 내 각 결함 픽셀의 휘도 값이 계산되고, 이 절차는 각 결함 픽셀의 휘도 값이 계산 완료될 때까지 반복적으로 수행되며, 결함 픽셀의 휘도 값은 인접한 픽셀의 휘도 값에 걸쳐 평균 가중된 값으로 계산된다.

이미지 품질을 개선시키기 위하여 4중 연결된 주변(quadruply-connected perimeter)이 결함 클러스터 주변으로 사용된다.

이미지 품질을 개선시키기 위하여 결함 픽셀의 휘도 값은 검색되는 영역에 걸쳐 합산을 수행하는 다음 나다라야-와트슨 추정법(Nadaraya-Watson estimates)에 따라 결정된다:

여기서, i, j는 픽셀 지수(index)이고,

N(i)은 i번째 픽셀의 인접값이고,

(i)는 i번째 결함 픽셀의 결정시 휘도 값이고,

(j)는 j번째 픽셀의 휘도 값이며,

ω(i, j)는 다음 수식, 즉

을 사용하여 계산된 가중치이고,

h는 평활화 파라미터(smoothing parameter)이며,

d(i, j)는 인접값 N(i) 및 N(j) 사이의 거리, 즉

이고,

k, n은 픽셀 지수이며,

Z(i, j)는 정규화 인자(normalizing factor), 즉

이고,

b(k) 및 b(n)는 결함 픽셀 맵에서 k번째 및 n번째 픽셀의 값들이다.

이미지 품질을 개선시키고 청구된 방법의 소프트웨어 런타임을 단축시키기 위하여, 결함 픽셀 주변은 3x3 인접 픽셀에 걸쳐 분류되며, 서로 다른 분류에 속하는 결함 픽셀의 휘도를 정정하기 위하여 인접값 사이즈와 검색되는 영역에 서로 다른 값이 사용되며, 여기서 인접값 사이즈와 검색되는 영역에 대해 다음 분류와 값이 사용된다:

결함 픽셀 양이 3개 이하, 인접값 사이즈는 3x3 픽셀, 및 검색되는 영역은 3x3 픽셀을 가지는 클러스터;

결함 픽셀 양이 4개 이상, 인접값 사이즈는 5x5 픽셀, 및 검색되는 영역은 5x5 픽셀을 가지는 클러스터;

폭이 하나의 픽셀, 인접값 사이즈는 5x5 픽셀 및 행에 대해 검색되는 영역은 3x7 픽셀 및 열에 대해서는 7x3 픽셀을 가지는 행 형상의 결함 클러스터;

폭이 2개의 픽셀, 인접값 사이즈는 5x5 픽셀 및 행에 대해 검색되는 영역은 5x7 픽셀 및 열에 대해서는 7x5 픽셀을 가지는 행 형상의 결함 클러스터.

청구된 방법의 특징은 다음과 같다.

1) 본 방법은 결함 픽셀의 기하학적 형상에 종속하지 않으며, 즉 이것은 임의의 형상의 결함 클러스터의 휘도 값이 어떤 제한도 없이 정정될 수 있게 한다.

2) 본 방법은 실제적으로 이미지 텍스처, 예를 들어 휘도의 급격한 변화 경계에서 그리고 국부적인 주기적인 텍스처 영역에서 신호를 재구성한다.

결함 클러스터의 기하학적 형상에 청구된 방법의 종속성을 제공하기 위하여, 결함 픽셀 정정 절차는 결함 클러스터 주변에 걸쳐 반복적으로 수행된다. 먼저, 결함 픽셀 맵이 특정된 결함 픽셀 좌표 - 결함 픽셀이 유닛으로 표시되는 이진 이미지, 그러나 픽셀은 실제 신호로 표시됨 - 를 0(nought)으로 사용하여 작성된다. 4중 연결된 주변은 결함 픽셀 맵에서 발견되며 주변에 속하는 각 결함 픽셀의 휘도 값이 계산되고, 이후 정정된 휘도를 가지는 픽셀은 결함 픽셀 맵에서 0으로 표시된다. 나아가, 이 절차는 마지막 결함 픽셀의 휘도 값이 계산 완료될 때까지 계속된다. 결함 클러스터 주변은 잘 알려진 룩업 테이블(LUT) 방법[Gonzalez R., Woods R., Steven L. Eddins. Digital Image Processing using MATLAB. Technosphera, 2006, p. 370]에 의하여 계산되었다.

결함 픽셀의 휘도를 정정하는 방법의 본질은 결함 픽셀 휘도 값이 인접한 픽셀의 휘도에 걸쳐 가중된 평균으로 계산된다는 것이다. 여기서 결함 픽셀 인접값은 회귀자(regressor) 및 결함 픽셀 휘도 값 - 종속 변수로 고려된다(회귀 분석이라는 용어가 여기서 사용된다). 종속 변수인 결함 픽셀의 휘도 값을 계산하기 위하여 비파라미터 회귀 방법(Nonparametric regression method) [A. W. Bowman and A. Azzalini, Applied Smoothing Techniques for Data Analysis, Clarendon Press, 1997, p. 49]으로부터 다음 나다라야-와트슨의 추정법, 즉

을 사용하며,

여기서 K(·)는 커널 평활자(kernel smoother)이고, h는 평활화 파라미터(윈도우의 폭)이다. 이 경우에 x는 결함 픽셀의 인접값을 나타내고, y는 계산된 결함 픽셀의 휘도 값이다.

도 1은 10x10 픽셀 사이즈의 결함 클러스터 주변을 도시하는 도면.
도 2는 도 1에 도시된 결함 클러스터의 4중 연결된 주변을 도시하는 도면.
도 3은 결함 픽셀을 포함하는 이미지의 일부의 일례를 도시하는 도면.
도 4는 결함 픽셀을 포함하는 이미지의 일부의 일례를 도시하는 도면.
도 5는 정정 후 도 3에 도시된 이미지를 도시하는 도면.
도 6은 정정 후 도 4에 도시된 이미지를 도시하는 도면.

결함 픽셀 휘도를 정정하는 방법의 구현예는 도 1 내지 도 6에 의하여 예시된다.

도 1은 10x10 픽셀 사이즈의 결함 클러스터 주변을 도시한다. 백색인 결함 픽셀은 1로 표시된다. 그레이(grey)인 실제 신호를 가지는 픽셀은 2로 표시된다.

도 2는 도 1에 도시된 결함 클러스터의 4중 연결된 주변을 도시한다. 백색이고 숫자 3으로 표시된 것은 결함 픽셀의 4중 연결된 클러스터 주변을 형성하는 픽셀을 나타낸다. 주변 결함 픽셀 중 하나는 4이고 그 3x3 픽셀의 인접값은 5이다.

도 3은 결함 픽셀을 포함하는 이미지의 일부의 일례를 도시한다. 폭이 하나의 픽셀인 결함 열과 행은 6이다. 폭이 2개의 픽셀인 결함 열과 행은 7이다. 대시-도트 라인 유형의 결함을 포함하는 폭이 하나의 픽셀인 열은 8이다.

도 4는 결함 픽셀을 포함하는 이미지의 일부의 일례를 도시한다. 폭이 하나의 픽셀인 결함 행은 6이다. 폭이 2개의 픽셀인 결함 열과 행은 7이다.

도 5는 정정 후 도 3에 도시된 이미지를 도시한다.

도 6은 정정 후 도 4에 도시된 이미지를 도시한다.

청구된 방법에서 결함 픽셀(i)의 휘도 값

(i)는 다음 평균 가중된 값, 즉

으로 계산되며,

여기서, ω(i, j)는 공통적인 제한 0≤ω(i, j)≤1인 가중 인자이고, 분수(fraction) 항은 정규화 조건이다. 상기 수식에서 합산은 검색되는 주어진 영역에 걸쳐 수행된다. N(i) 및 N(j)은 i 및 j 좌표를 가지는 전술된 픽셀의 인접값을 의미하는 것이라고 하자. 이들 인접값 사이에 거리, 즉

를 계산한다고 하자.

여기서, 픽셀이 결함 픽셀로 표시되면, b(k) = 1이고, 그렇지 않으면 b(k) = 0이다. 정규화 인자 Z(i, j)는,

이다.

가중치 ω(i, j)는 다음 수식, 즉

을 사용하여 계산된다.

평활화 파라미터(h)는 실버만의 규칙(Silverman's Rule) [A. W. Bowman and A. Azzalini, Applied Smoothing Techniques for Data Analysis, Clarendon Press, 1997, p. 31]에 따라 계산된 평활화 주변에 비례하여 선택된다:

무차원 인자 k는 청구된 정정 방법의 파라미터이고 평활화 파라미터 h를 조절하기 위해 도입된다.

결함 픽셀의 휘도를 정정하는 청구된 정정 방법의 파라미터는,

1) 결함 픽셀의 인접값의 수직 및 수평 사이즈.

2) 검색하는 영역의 수직 및 수평 사이즈.

3) 무차원 인자 k.

본 발명의 실시예의 바람직한 변형예

결함 픽셀의 휘도를 정정하는 청구된 방법의 계산의 복잡성은 충분히 높다. 본 계산 방법을 임의로 변경하지 않고 알고리즘을 가속시키는 제 1 가능성은 결함의 기하학적 형상에 관하여 알고리즘 파라미터를 최적화하는 것이다. 청구된 방법에서 3x3 픽셀의 인접값에서 결함 클러스터의 이하 분류가 사용된다.

1) 소 클러스터는 3개 이하의 결함 픽셀을 포함하는 클러스터이다.

2) 대 클러스터는 4개 이상의 결함 픽셀을 포함하는 클러스터이다.

3) 폭이 하나의 픽셀인 행으로서의 결함 클러스터.

4) 폭이 2개의 픽셀인 행으로서의 결함 클러스터.

결함 클러스터의 수가 7x7 픽셀을 초과하지 않고 결함 행의 폭이 2개의 픽셀을 초과하지 않는 특정 디지털 검출기에서, 이하 알고리즘 파라미터가 사용될 수 있다(표 1 참조)

클러스터	정의	인접값 크기 (수직 및 수평)	검색되는 영역의 크기 (수직 및 수평)
소 클러스터	결함 클러스터의 수가 3개 이하이다	3x3	3x3
대 클러스터	결함 클러스터의 수가 4개 이상이다.	5x5	5x5
행	행 유형의 결함 클러스터	5x5	3x7
	열 유형의 결함 클러스터	5x5	7x3
이중 행	이중 행 유형의 결함 클러스터	5x5	5x7
	이중 열 유형의 결함 클러스터	5x5	7x5

위 표에서 주어지는 파라미터들이 사용된 결함 픽셀 휘도를 정정한 예에서, k 인자는 1이다. 도 3 및 도 4는 폭이 하나의 픽셀과 2개의 픽셀인 행 및 열 형태의 결함을 가지는 이미지의 일례 및 대시-도트 라인 유형의 결함을 포함하는 폭이 하나의 픽셀인 열 형태의 결함을 가지는 이미지의 일례를 도시한다. 도 5 및 도 6은 청구된 방법에 의하여 정정을 한 후의 동일한 이미지를 도시한다.

Claims (4)

1. 결함 픽셀의 휘도 값을 그 인접값에 걸쳐 계산하는 것인 디지털 단색 이미지의 결함 픽셀의 휘도를 정정하는 방법으로서,
   결함 픽셀 맵의 생성은 결함 클러스터 주변을 결정하는데 그리고 이 주변에 속하는 각 결함 픽셀의 휘도 값을 계산하는데 사용되며, 그 절차는 각 결함 픽셀의 휘도 값이 계산 완료될 때까지 반복적으로 구현되고, 결함 픽셀의 휘도 값은 인접한 픽셀의 휘도 값에 걸쳐 평균 가중된 값으로 계산되는 것을 특징으로 하는 결함 픽셀의 휘도를 정정하는 방법.
2. 제 1 항에 있어서, 4중 연결된 주변이 결함 클러스터 주변으로 사용되는, 결함 픽셀의 휘도를 정정하는 방법.
3. 제 2 항에 있어서, 상기 결함 픽셀의 휘도 값은 검색되는 영역에 걸쳐 합산을 수행하는 다음 나다라야-와트슨의 추정법(Nadaraya-Watson's estimates), 즉
   

   

   
   을 사용하여 결정되며,
   여기서, i, j는 픽셀 지수이고,
   N(i)은 i번째 픽셀의 인접 값이며,
   

   

   (i)는 i번째 결함 픽셀의 결정시 휘도 값이고,
   

   

   (j)는 j번째 픽셀의 휘도 값이며,
   ω(i, j)는 다음 수식, 즉

   

   을 사용하여 계산된 가중치이고,
   h는 평활화 파라미터이며,
   d(i, j)는 인접값 N(i) 및 N(j) 사이의 거리, 즉
   

   

   이고,
   k, n 은 픽셀 지수이며,
   Z(i, j)는 정규화 인수, 즉
   

   

   이고,
   b(k) 및 b(n)는 결함 픽셀 맵에서 k번째 및 n번째 픽셀의 값인, 결함 픽셀의 휘도를 정정하는 방법.
4. 제 3 항에 있어서, 상기 주변의 결함 픽셀은 3x3 인접값에 관하여 분류되고, 서로 다른 분류의 결함 픽셀의 휘도를 정정하기 위하여 인접값 및 검색되는 영역에 대해 서로 다른 사이즈 값이 사용되고, 인접값 및 검색되는 영역에 대해 다음 분류 및 사이즈 값이 제공되는데, 즉
   결함 픽셀 양이 3개 이하, 인접값 사이즈는 3x3 픽셀 및 검색되는 영역은 3x3 픽셀을 가지는 클러스터;
   결함 픽셀 양이 4개 이상, 인접값 사이즈는 5x5 픽셀 및 검색되는 영역은 5x5 픽셀을 가지는 클러스터;
   폭이 하나의 픽셀, 인접값 사이즈는 5x5 픽셀 및 행에 대해 검색되는 영역은 3x7 픽셀 및 열에 대해서는 7x3 픽셀을 가지는 행 형상의 결함 클러스터;
   폭이 2개의 픽셀, 인접값 사이즈는 5x5 픽셀 및 행에 대해 검색되는 영역은 5x7 픽셀 및 열에 대해서는 7x5 픽셀을 가지는 행 형상의 결함 클러스터
   가 제공되는, 결함 픽셀의 휘도를 정정하는 방법.

Images