KR20130078242A - Method for automatically determining weather conditions from image data and image treatment method for improving image by using the same - Google Patents
Method for automatically determining weather conditions from image data and image treatment method for improving image by using the same Download PDFInfo
- Publication number
- KR20130078242A KR20130078242A KR1020110147076A KR20110147076A KR20130078242A KR 20130078242 A KR20130078242 A KR 20130078242A KR 1020110147076 A KR1020110147076 A KR 1020110147076A KR 20110147076 A KR20110147076 A KR 20110147076A KR 20130078242 A KR20130078242 A KR 20130078242A
- Authority
- KR
- South Korea
- Prior art keywords
- image
- weather
- representative color
- histogram
- noise
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 239000000428 dust Substances 0.000 claims abstract description 23
- 239000004576 sand Substances 0.000 claims abstract description 21
- 238000003672 processing method Methods 0.000 claims abstract description 17
- 230000000295 complement effect Effects 0.000 claims abstract description 14
- 238000012937 correction Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 abstract 2
- 238000006243 chemical reaction Methods 0.000 abstract 1
- 238000003702 image correction Methods 0.000 abstract 1
- 230000002787 reinforcement Effects 0.000 abstract 1
- 238000000926 separation method Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000001454 recorded image Methods 0.000 description 2
- 241001070941 Castanea Species 0.000 description 1
- 235000014036 Castanea Nutrition 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N9/00—Details of colour television systems
- H04N9/77—Circuits for processing the brightness signal and the chrominance signal relative to each other, e.g. adjusting the phase of the brightness signal relative to the colour signal, correcting differential gain or differential phase
- H04N9/78—Circuits for processing the brightness signal and the chrominance signal relative to each other, e.g. adjusting the phase of the brightness signal relative to the colour signal, correcting differential gain or differential phase for separating the brightness signal or the chrominance signal from the colour television signal, e.g. using comb filter
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30192—Weather; Meteorology
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
Description
본 발명은 영상데이터로부터 기상상태를 자동으로 판독하는 방법 및 그 방법을 이용하여 영상을 개선하는 영상처리방법에 관한 것으로서, 더욱 상세하게는 영상데이터로부터 맑음, 어두움, 안개, 황사 및 스모그와 비, 눈 등의 기상 상태를 자동으로 판독하고, 그렇게 판독된 기상상태에 기초하여 그러한 기상현상이 존재하는 영상에서 그러한 기상현상을 제외한 실질적으로 촬영한 영상을 그러한 기상현상과 분명하게 대비되도록 처리하는 영상처리방법에 관한 것이다. The present invention relates to a method of automatically reading a weather condition from image data and an image processing method for improving an image using the method, and more particularly, to clear, dark, fog, yellow dust, smog and rain, Image processing that automatically reads weather conditions such as snow, and processes images captured in the presence of such weather phenomena to be clearly contrasted with such weather phenomena, based on the read weather conditions. It is about a method.
카메라에 의하여 기록되는 영상은 동일한 영상이라도 날씨, 즉 기상상태에 따라 그리고 조명의 밝기에 따라 기록되는 영상의 선명도가 달라진다. 조명이 어두운 야간에 촬영된 영상은 그 선명도가 떨어지기 때문에 선명도를 향상시키고 잡음을 제거하기 위한 영상처리기술이 개발되어 왔다. Even if the image recorded by the camera is the same image, the sharpness of the recorded image varies depending on the weather, that is, the weather condition and the brightness of the illumination. Since images taken at night with low lighting are less sharp, image processing techniques have been developed to improve the sharpness and remove noise.
한편, 기상이 좋지 않은 상황, 예를 들어, 안개, 황사, 스모그와 같은 기상현상이 있거나, 눈 또는 우박, 비와 같은 기상현상이 있는 경우에는 조명적 요인 이외에도 그러한 기상현상에 의한 빛의 산란 등으로 인하여 촬영된 영상의 선명도가 나빠진다. 이러한 영상에 대하여 선명도를 향상시키기 위한 영상처리방법이 개발되어 왔으나, 그러한 기상현상이 없는 때의 영상과 비교하여 지금까지의 영상처리방법의 결과에는 근본적인 한계가 있다. On the other hand, when the weather is bad, for example, weather, such as fog, yellow dust, smog, or weather, such as snow, hail, rain, etc., in addition to lighting factors, scattering of light due to such weather phenomenon, etc. As a result, the sharpness of the recorded image is degraded. Image processing methods have been developed to improve the clarity of such images, but there are fundamental limitations in the results of the image processing methods up to now as compared to images when there is no such weather phenomenon.
따라서, 본 발명의 목적은 안개, 황사 및 스모그와 눈, 비 등의 악천후 기상등의 영상데이터로부터 그러한 기상상태를 자동으로 판독하는 방법을 제공하는 것이다. Accordingly, it is an object of the present invention to provide a method for automatically reading such weather conditions from image data such as fog, yellow dust and smog and bad weather weather such as snow and rain.
또한 본 발명의 목적은 그러한 방법에 의하여 판독된 기상상태에 기초하여 그러한 기상현상이 존재하는 영상에서 그러한 기상현상을 제외한 실질적으로 촬영한 영상을 그러한 기상현상과 분명하게 대비되도록 처리하는 영상처리방법을 제공하는 것이다. It is also an object of the present invention to provide an image processing method for processing an image taken by such a method so that a substantially captured image except for such a weather phenomenon is clearly contrasted with such a weather phenomenon in an image in which such a weather phenomenon exists. To provide.
또한 본 발명의 목적은 눈 및 비와 같은 기상현상을 포함하는 영상으로부터 그러한 기상현상을 제거하고 그러한 기상현상은 화면에 문자 또는 기호로 표시함으로써 화질을 개선하는 영상처리방법을 제공하는 것이다. It is also an object of the present invention to provide an image processing method for improving image quality by removing such meteorological phenomena from an image including meteorological phenomena such as snow and rain, and displaying such meteorological phenomena as characters or symbols on a screen.
상기한 목적을 달성하기 위하여 본 발명은 영상데이터로부터 기상상태를 자동으로 판독하는 방법을 제공한다. 본 발명의 이러한 방법은 디지털영상의 신호를 휘도신호(luminance signal)와 색차신호(chrominance signal)로 분리하는 단계, 분리된 상기 휘도신호에 대한 히스토그램의 표준편차를 구하는 단계, 및 상기 히스토그램의 표준편차를 기준편차와 비교하여 상기 기준편차보다 작은 경우에는 안개, 황사 및 스모그로 이루어진 그룹으로부터 선택되는 자연현상이 발생한 기상상태인 것으로 판정하는 단계를 포함한다. In order to achieve the above object, the present invention provides a method for automatically reading the weather conditions from the image data. This method of the present invention comprises separating a signal of a digital image into a luminance signal and a chrominance signal, obtaining a standard deviation of the histogram with respect to the separated luminance signal, and a standard deviation of the histogram. If it is smaller than the reference deviation compared to the reference deviation comprises the step of determining that the natural state is selected from the group consisting of fog, yellow sand and smog has occurred.
상기에서, 안개, 황사 및 스모그로 이루어진 그룹으로부터 선택되는 자연현상이 발생한 기상상태인 것으로 판정된 경우, 영상데이터의 전 영역에 걸쳐 표현되는 대표색상을 추출하는 단계, 및 상기 추출된 대표색상에 의하여 상기 기상상태가 안개, 황사 및 스모그 중에서 어떠한 것인지를 결정하는 단계를 더 포함하는 것이 바람직하다. In the above, when it is determined that the natural phenomena selected from the group consisting of fog, yellow sand and smog occur in a meteorological condition, extracting the representative color represented over the entire area of the image data, and by the extracted representative color The method may further include determining which of the weather conditions is fog, yellow sand, and smog.
상기 대표색상이 흰색 계열인 경우에는 안개인 것으로 판정하고, 상기 대표색상이 노란색 계열 또는 갈색 계열인 경우에는 황사인 것으로 판정하며, 상기 대표색상이 밤색 계열인 경우에는 스모그인 것으로 판정하는 것일 수 있다. If the representative color is a white series, it is determined that the fog, if the representative color is a yellow series or brown series, it is determined to be yellow sand, and if the representative color is a brown series, it may be determined to be smog. .
상기 히스토그램의 표준편차를 기준편차와 비교하여 상기 기준편차보다 큰 경우에는 상기 휘도신호의 영상에 대하여 제1 메디안 필터(Median Filter)를 적용하여 노이즈를 제거한 영상을 구하고, 원본 영상과 노이즈가 제거된 영상을 비교함으로써 제거된 노이즈를 추출하고, 그렇게 추출된 노이즈에 의하여 눈 또는 비의 기상현상이 있는지를 판정하고, 눈 또는 비의 기상현상이 있는 것으로 판정된 경우에는 상기 제1 메디안 필터에 적용된 마스크보다 큰 마스크를 적용하여 제2 메디안 필터 과정을 수행하고 원본 영상과 노이즈가 제거된 영상을 비교하여 제거된 노이즈가 있는 경우에는 기상상태를 눈으로 판정하고 제거된 노이즈가 없는 경우에는 기상상태를 비로 판정하는 것이 바람직하다.When the standard deviation of the histogram is larger than the reference deviation, the first median filter is applied to the image of the luminance signal to obtain an image from which the noise is removed, and the original image and the noise are removed. By comparing the images, the removed noise is extracted, and the extracted noise determines whether there is snow or rain weather phenomenon, and when it is determined that there is snow or rain weather phenomenon, the mask applied to the first median filter The second median filter process is performed by applying a larger mask and the original image is compared with the image from which the noise has been removed, and if there is noise removed, the weather state is visually determined. It is desirable to determine.
상기 제1 메디안 필터를 적용한 결과 추출된 노이즈가 없는 경우에는 기상상태를 안개, 황사, 스모그, 눈, 및 비로 이루어진 그룹으로부터 선택되는 자연현상이 없는 맑음 및 흐림 중 어느 하나임을 의미하는 맑음/흐림으로 판정하는 것이 바람직하다. If there is no noise extracted as a result of applying the first median filter, the weather state is a sunny / cloudy meaning that the weather condition is any one of the natural phenomena without the selected phenomena selected from the group consisting of fog, yellow dust, smog, snow, and rain. It is desirable to determine.
분리된 상기 휘도신호에 대한 히스토그램의 평균값를 구하는 단계, 및Obtaining an average value of the histogram for the separated luminance signal, and
상기 히스토그램의 평균값을 기준밝기와 비교하여 상기 기준밝기보다 큰 경우에는 주간으로 판정하고, 상기 기준밝기보다 작은 경우에는 야간으로 판정하는 단계를 더 포함하는 것이 바람직하다.The method may further include determining that the average value of the histogram is daytime when it is larger than the reference brightness, and when it is smaller than the reference brightness, by night.
본 발명은 또한 영상데이터로부터 자동으로 판독한 기상상태에 기초하여 영상을 개선하는 영상처리방법을 제공한다. 본 발명의 이러한 방법은 디지털영상의 신호를 휘도신호(luminance signal)와 색차신호(chrominance signal)로 분리하는 단계, 분리된 상기 휘도신호에 대한 히스토그램의 표준편차를 구하는 단계, 상기 히스토그램의 표준편차를 기준편차와 비교하여 상기 기준편차보다 작은 경우에는 안개, 황사 및 스모그로 이루어진 그룹으로부터 선택되는 자연현상이 발생한 기상상태인 것으로 판정하는 단계, 안개, 황사 및 스모그로 이루어진 그룹으로부터 선택되는 자연현상이 발생한 기상상태인 것으로 판정된 경우, 전체 영상데이터의 전 영역에 걸쳐 표현되는 대표색상을 추출하는 단계, 상기 추출된 대표색상에 의하여 상기 기상상태가 안개, 황사 및 스모그 중에서 어떠한 것인지를 결정하는 단계,The present invention also provides an image processing method for improving an image based on weather conditions automatically read from the image data. This method of the present invention comprises the steps of separating the signal of the digital image into a luminance signal and a chrominance signal, obtaining a standard deviation of the histogram for the separated luminance signal, the standard deviation of the histogram If it is smaller than the reference deviation compared to the reference deviation, the natural phenomena selected from the group consisting of fog, yellow sand and smog occurred as a meteorological condition, the natural phenomenon selected from the group consisting of fog, yellow sand and smog If it is determined that the weather conditions, extracting a representative color represented over the entire area of the entire image data, determining whether the weather condition is fog, yellow sand and smog based on the extracted representative color,
상기 영상데이터 전체에 대하여, 상기 추출된 대표색상과 동일한 색차신호를 가지는 영상데이터를 제외하고 나머지 영상데이터의 색차신호를 상기 대표색상의 보색으로 변경하는 단계, 및 상기 분리한 휘도신호와 색차신호를 합하여 완전한 영상신호를 재생하는 단계를 포함한다. Changing the color difference signal of the remaining image data to the complementary color of the representative color except for the image data having the same color difference signal as the extracted representative color with respect to the entire image data; and separating the separated luminance signal and the color difference signal. Reconstructing the complete video signal.
상기 대표색상이 흰색 계열인 경우에는 안개인 것으로 판정하고, 상기 대표색상이 노란색 계열 또는 갈색 계열인 경우에는 황사인 것으로 판정하며, 상기 대표색상이 밤색 계열인 경우에는 스모그인 것으로 판정하는 것일 수 있다. If the representative color is a white series, it is determined that the fog, if the representative color is a yellow series or brown series, it is determined to be yellow sand, and if the representative color is a brown series, it may be determined to be smog. .
상기 히스토그램의 표준편차를 기준편차와 비교하여 상기 기준편차보다 큰 경우에는 상기 휘도신호의 영상에 대하여 제1 메디안 필터(Median Filter)를 적용하여 노이즈를 제거한 영상을 구하고, 원본 영상과 노이즈가 제거된 영상을 비교함으로써 제거된 노이즈를 추출하고, 그렇게 추출된 노이즈에 의하여 눈 또는 비의 기상현상이 있는지를 판정하고, 눈 또는 비의 기상현상이 있는 것으로 판정된 경우에는 상기 제1 메디안 필터에 적용된 마스크보다 큰 마스크를 적용하여 제2 메디안 필터 과정을 수행하고 원본 영상과 노이즈가 제거된 영상을 비교하여 제거된 노이즈가 있는 경우에는 기상상태를 눈으로 판정하고 제거된 노이즈가 없는 경우에는 기상상태를 비로 판정하는 것이 바람직하다.When the standard deviation of the histogram is larger than the reference deviation, the first median filter is applied to the image of the luminance signal to obtain an image from which the noise is removed, and the original image and the noise are removed. By comparing the images, the removed noise is extracted, and the extracted noise determines whether there is snow or rain weather phenomenon, and when it is determined that there is snow or rain weather phenomenon, the mask applied to the first median filter The second median filter process is performed by applying a larger mask and the original image is compared with the image from which the noise has been removed, and if there is noise removed, the weather state is visually determined. It is desirable to determine.
상기 제1 메디안 필터를 적용한 결과 추출된 노이즈가 없는 경우에는 기상상태를 안개, 황사, 스모그, 눈, 및 비로 이루어진 그룹으로부터 선택되는 자연현상이 없는 맑음 및 흐림 중 어느 하나임을 의미하는 맑음/흐림으로 판정하는 것이 바람직하다. If there is no noise extracted as a result of applying the first median filter, the weather state is a sunny / cloudy meaning that the weather condition is any one of the natural phenomena without the selected phenomena selected from the group consisting of fog, yellow dust, smog, snow, and rain. It is desirable to determine.
눈 또는 비의 자연현상이 발생한 기상상태인 것으로 판정된 경우, 영상데이터의 전 영역에 걸쳐 표현되는 대표색상을 추출하는 단계, 및Extracting a representative color expressed over the entire area of the image data, when it is determined that the natural phenomenon of snow or rain occurs;
상기 영상데이터 전체에 대하여, 상기 추출된 대표색상과 동일한 색차신호를 가지는 영상데이터를 제외하고 나머지 영상데이터의 색차신호를 상기 대표색상의 보색으로 변경하는 단계를 더 포함하는 것일 수 있다. The method may further include changing the color difference signal of the remaining image data to the complementary color of the representative color except for the image data having the same color difference signal as the extracted representative color with respect to the entire image data.
상기 기상상태가 눈 또는 비인 경우, 메디안 필터를 적용하여 눈 또는 비를 노이즈로 취급하여 제거한 휘도신호의 영상을 생성하고, 이러한 휘도신호를 상기 색차신호와 합하여 완전한 영상신호를 재생하며, 이렇게 판독한 기상상태에 관한 정보를 상기 완전한 영상신호와 함께 영상표시수단에 전송하여 상기 영상표시수단의 화면에 문자 또는 기호로 상기 기상상태를 출력하는 것일 수 있다.When the weather condition is snow or rain, a median filter is applied to generate snow and rain as noise, and the image of the luminance signal is removed, and the luminance signal is combined with the color difference signal to reproduce a complete image signal. The weather information may be transmitted along with the complete image signal to the image display means to output the weather state by text or symbol on the screen of the image display means.
분리된 상기 휘도신호에 대한 히스토그램의 평균값를 구하는 단계, 및Obtaining an average value of the histogram for the separated luminance signal, and
상기 히스토그램의 평균값을 기준밝기와 비교하여 상기 기준밝기보다 큰 경우에는 주간으로 판정하고, 상기 기준밝기보다 작은 경우에는 야간으로 판정하는 단계를 더 포함하는 것이 바람직하다.The method may further include determining that the average value of the histogram is daytime when it is larger than the reference brightness, and when it is smaller than the reference brightness, by night.
상기 추출한 밝기의 평균값에 따라 감마보정을 수행하는 단계를 더 포함하는 것이 바람직하다.The method may further include performing gamma correction according to the average value of the extracted brightness.
상기 판독한 기상상태에 관한 정보를 상기 영상데이터와 함께 영상표시수단에 전송하여 상기 영상표시수단의 화면에 문자 또는 기호로 기상상태를 출력하는 단계를 더 포함하는 것이 바람직하다.The method may further include transmitting the read-out weather state information to the image display means together with the image data to output the weather state as text or symbols on the screen of the image display means.
본 발명에 따른 방법에 의하면, 안개, 황사 및 스모그, 눈, 비등의 기상현상이 포함된 영상데이터로부터 그러한 기상상태를 자동으로 판독하고, 그렇게 판독된 영상에서 그러한 기상현상에 의하여 지배되는 영상의 전 영역에서의 대표색상을 추출하고, 영상에서 대표색상과 다른 색상을 대표색상의 보색으로 변경하여 영상을 표시함으로써 영상으로부터 제거가 불가능한 기상현상으로 인한 영상판독의 어려움을 해소하고 화질이 개선된 영상을 얻을 수 있다. 또한, 본 발명의 방법에 의하면, 눈 및 비와 같은 기상현상을 포함하는 영상으로부터 그러한 기상현상을 제거함으로써 그리고 그러한 기상현상은 화면에 문자 또는 기호로 표시함으로써 화질이 개선된 영상을 얻을 수 있다. 또한, 본 발명의 방법에 의하면, 처리된 영상데이터는 대표색상과 그것의 보색만을 포함하므로 영상압축의 효과가 크게 되므로 데이터 전송효율을 향상시킬 수 있게 된다. According to the method according to the present invention, such weather conditions are automatically read from image data including weather phenomena such as fog, yellow dust and smog, snow, and rain, and the images of the images dominated by such weather phenomena in the read-out images. By extracting the representative color from the area and changing the color different from the representative color from the image to the complementary color of the image to display the image, it solves the difficulty of reading the image due to the weather phenomenon that cannot be removed from the image and improves the image quality. You can get it. In addition, according to the method of the present invention, it is possible to obtain an image having improved image quality by removing such weather phenomenon from an image including weather phenomenon such as snow and rain, and displaying such weather phenomenon as a letter or a symbol on the screen. Further, according to the method of the present invention, since the processed image data includes only the representative color and its complementary color, the effect of the image compression is increased, thereby improving the data transmission efficiency.
도 1은 본 발명의 방법을 실행하는 영상처리기가 연결되는 구성을 개략적으로 나타낸 블록 다이어그램이다.
도 2는 본 발명에 따라 영상데이터로부터 기상상태를 자동으로 판독하고, 그렇게 판독한 기상상태에 기초하여 영상을 개선하는 영상처리과정에 대한 흐름도의 일부이다.
도 3은 도 1의 흐름도에 이어지는 나머지 흐름도이다.
도 4는 영상의 밝기 히스토그램의 구성을 예시한 도면이다.
도 5는 일반적인 맑은 날씨의 선명한 영상에 대한 밝기 히스토그램을 예시한 도면이다.
도 6은 안개가 낀 기상상태의 영상에 대한 밝기 히스토그램을 예시한 도면이다.
도 7은 아주 화창한 날씨의 영상에 대한 밝기 히스토그램을 예시한 도면이다.
도 8은 어두운 영상의 밝기 히스토그램을 예시한 도면이다. 1 is a block diagram schematically showing a configuration in which an image processor for executing the method of the present invention is connected.
2 is a part of a flowchart of an image processing process of automatically reading a weather state from image data and improving an image based on the read weather state according to the present invention.
3 is a remaining flow diagram following the flow chart of FIG.
4 is a diagram illustrating a configuration of a brightness histogram of an image.
5 is a diagram illustrating a brightness histogram of a clear image of a general sunny weather.
FIG. 6 is a diagram illustrating a brightness histogram of an image of a fog state.
7 is a diagram illustrating a brightness histogram of an image of a very sunny weather.
8 is a diagram illustrating a brightness histogram of a dark image.
이하, 본 발명을 도면을 참조하여 상세하게 설명한다. Hereinafter, the present invention will be described in detail with reference to the drawings.
도 1에 도시된 바와 같이, 영상데이터로부터 기상상태를 자동으로 판독하고, 그렇게 판독한 기상상태에 기초하여 영상을 개선하는 본 발명에 따른 영상처리방법을 실행하는 영상처리기(20)는 카메라(10)가 촬영하여 생성시킨 영상신호를 수신한다. 카메라(10)에 의하여 생성된 영상신호는 아날로그 신호이며, 그러한 아날로그 신호는 카메라(10)에 의하여 디지털신호로 변환되어 영상처리기(20)로 전송될 수도 있고, 영상처리기(20)에서 수신된 후 디지털신호로 변환될 수도 있다. 영상처리기(20)는 본 발명의 방법을 수행한 후 처리된 영상신호를 영상표시기(30)로 전송하고, 영상표시기(30)는 화면에 영상을 표시한다. 이때 영상처리기(20)와 영상표시기(30)는 직접적으로 연결될 수도 있으나, 전용선 또는 인터넷 등의 통신 네트워크를 매개로 연결될 수도 있다. 영상처리기(20)는 전송선로의 특성에 따라 영상신호를 부호화 및 필요한 경우에는 압축하여 전송할 수 있다. 따라서, 영상처리기(20)는 영상처리부 이외에도 필요에 따라 A/D 컨버터, 부호화기 등의 처리수단을 포함할 수 있다. As shown in Fig. 1, an
이제, 본 발명의 방법을 도 2 및 3을 참조하여 설명한다.The method of the present invention is now described with reference to FIGS. 2 and 3.
영상처리기(20)는 카메라(10)로부터 아날로그 영상신호를 수신하고, 이것을 디지털 영상신호로 변환한다. 디지털 영상신호는 휘도(Y)신호와 색차(C)신호로 분리된다. The
휘도(Y)신호는 하이 패스 필터(High Pass Filter)를 거쳐 대비가 강화된 후 콘트라스트 보정을 통하여 이미지의 윤곽을 보정한다. 이러한 과정은 통상적으로 적용되는 것이며, 이렇게 보정된 신호는 처리된 색차신호와 합쳐져서 다시 완전한 영상신호로 재생된다. The luminance (Y) signal is enhanced by contrast through a high pass filter, and the image is corrected by contrast correction. This process is commonly applied, and the corrected signal is combined with the processed color difference signal and reproduced as a complete video signal.
한편, 휘도(Y)신호에 대하여 히스토그램 정보를 추출한다. 도 4에는 영상의 밝기 히스토그램의 구성이 예시되어 있다. 휘도(Y)신호는 8비트로 처리된다면 0~255의 정수범위에서 값을 가질 수 있다. 0은 가장 어두운 상태이고 255는 가장 밝은 상태를 나타낸다. 히스토그램은 이러한 밝기값을 가지는 휘도에 대하여 그 밝기값을 가지는 영상의 픽셀수를 나타낸 도표이다. 이러한 히스토그램의 상태에 따라 주간 및 야간 그리고 기상상태를 파악할 수 있는데, 본 발명은 이것을 이용하여 색차신호를 단순화시켜서 영상의 대비를 높임으로써 화질을 개선하는 것이다. On the other hand, histogram information is extracted for the luminance Y signal. 4 illustrates a configuration of a brightness histogram of an image. The luminance Y signal may have a value in the integer range of 0 to 255 if processed to 8 bits. 0 is the darkest state and 255 is the brightest state. The histogram is a chart showing the number of pixels of an image having the brightness value with respect to the luminance having the brightness value. According to the state of the histogram it is possible to grasp the day, night and weather conditions, the present invention by using this to simplify the color difference signal to improve the image quality by increasing the contrast of the image.
좀 더 구체적으로, 도 5는 일반적인 맑은 날씨의 선명한 영상에 대한 밝기 히스토그램을 예시한 도면이다. 이 히스토그램은 대체적으로 균등한 분포를 가지지만, 약 20 정도와 150 정도의 밝기를 갖는 픽셀이 좀 더 많이 분포하고 있음을 확인할 수 있다. More specifically, FIG. 5 is a diagram illustrating a brightness histogram of a clear image of a general sunny weather. This histogram is generally evenly distributed, but we can see that there are more pixels with about 20 and 150 brightness levels.
도 6은 안개가 낀 기상상태의 영상에 대한 밝기 히스토그램을 예시한 도면이다. 이 히스토그램은 0 ~ 약 50 정도의 범위와 200 정도 ~ 255의 범위의 밝기를 가지는 픽셀이 거의 없음을 알 수 있는데, 이것은 안개에 의한 빛의 산란으로 인한 것이다. 이러한 히스토그램과 유사한 형태가 간혹 일출 또는 일몰 때에도 관찰되기도 한다. 이러한 현상의 데이터는 선명한 맑은 이미지와 비교하였을 때 콘트라스트를 감소시켰을 때 얻어진다. 육안으로 확인할 수 있는 이미지는 대체로 뿌옇고 선명도가 떨어진 이미지로 표현이 된다. 이러한 형태의 히스토그램에서 밝기 데이터의 폭이 좁은 구성을 나타낼 경우에는 그것은 더욱 강한 안개의 이미지의 히스토그램이 된다. FIG. 6 is a diagram illustrating a brightness histogram of an image of a fog state. This histogram shows that few pixels have brightness in the range of 0 to about 50 and in the range of 200 to 255, due to the scattering of light caused by fog. This histogram-like form is sometimes observed during sunrise or sunset. The data of this phenomenon is obtained when the contrast is reduced compared to the clear clear image. The image that can be seen with the naked eye is generally expressed as an image that is cloudy and lacking clarity. In this type of histogram, when a narrow configuration of brightness data is shown, it becomes a histogram of a stronger fog image.
도 7은 아주 화창한 날씨의 영상에 대한 밝기 히스토그램을 예시한 도면이다. 이 히스토그램은 맑은 날씨의 히스토그램과 차이가 있다. 즉 0~20 부근의 밝기값은 거의 없지만 대체적으로 전체 영역에 대한 밝기가 균일하게 나타나고 있다. 하지만 200 이상의 분포에서는 값이 커지면서 밝기 데이터의 평균이 전체 평균보다 상당히 큰 값을 보이고 있다. 이것은 대체적으로 이미지의 밝기가 아주 밝을 경우에 나타나는 것이고, 아주 밝은 곳에서 추출한 이미지에 대한 히스토그램과 대체적으로 일치한다. 7 is a diagram illustrating a brightness histogram of an image of a very sunny weather. This histogram is different from the histogram in sunny weather. That is, there is almost no brightness value around 0 ~ 20, but the brightness of the whole area is shown uniformly. However, in the distribution above 200, as the value increases, the average of the brightness data is considerably larger than the overall average. This usually occurs when the brightness of the image is very bright, and generally corresponds with the histogram for an image extracted from very bright places.
도 8은 어두운 영상의 밝기 히스토그램을 예시한 도면이다. 이 히스토그램은 전체적으로 균등하게 밝기 데이터를 갖고 있지만 전체적인 평균값이 낮으며, 0~약 20의 범위에 있는 밝기를 가지는 픽셀이 상당히 많음을 알 수 있다. 이것은 전체적으로 이미지가 어두울 때 나타나는 것으로서, 가로등이 있는 야간, 일몰시, 흐린 날씨의 어두운 상황을 표현하는 것이다. 데이터의 평균의 크기에 따라서 야간 및 흐린 날씨의 구분이 가능하다. 8 is a diagram illustrating a brightness histogram of a dark image. This histogram has brightness data evenly throughout, but the overall average value is low and there are quite a few pixels with brightness in the range of 0 to about 20. This is what happens when the image is dark in its entirety, representing the dark conditions of night, sunset and cloudy weather with streetlights. Depending on the average size of the data, night and cloudy weather can be distinguished.
이러한 히스토그램 정보로부터 주간 및 야간의 구분 그리고 기상상태를 구분하기 위하여, 먼저 히스토그램 평균값을 계산한다. 그런 후 계산된 평균값이 기준밝기보다 큰 경우에는 현재 상황이 주간(낮)인 것으로 판단하고 평균값이 기준밝기보다 작은 경우에는 현재 상황이 야간인 것으로 판단한다. To distinguish between day and night and weather conditions from the histogram information, first, the histogram average value is calculated. Then, if the calculated average value is greater than the reference brightness, it is determined that the current situation is daytime (day), and if the average value is smaller than the reference brightness, it is determined that the current situation is nighttime.
예를 들어, 히스토그램의 평균값을 기준으로 주간과 야간을 구분하면, 평균값이 50 이상인 구간은 주간으로 판단될 수 있다. 즉, 평균밝기가 50~255의 범위이면 주간으로 판단될 수 있다. 또한 평균값이 40 이하인 구간은 야간으로 판단될 수 있다. 즉, 평균밝기가 0~40의 범위이면 야간으로 판단될 수 있다. For example, when daytime and nighttime are distinguished based on the average value of the histogram, a section having an average value of 50 or more may be determined as daytime. That is, if the average brightness ranges from 50 to 255, it may be determined as day. In addition, a section having an average value of 40 or less may be determined at night. That is, when the average brightness is in the range of 0 to 40, it may be determined at night.
평균밝기가 40~50인 구간은 상황에 따라 다르게 평가될 수 있는데, 평균값의 구간이 야간 구간에서 값이 커지는 방향으로 변화하면, 그 구간은 야간으로 구분될 수 있다. 이것은 새벽에 동이 트기 전의 어두운 상황일 때에 해당한다. 이 구간이 야간인지를 판단하기 위해서는 이전의 데이터에서 밝기의 평균값의 변화를 추적하는 것도 하나의 방법이지만, 다른 방법으로는 시각에 따라 판단하는 것도 하나의 방법이 된다. 평균밝기가 40~50의 범위에 있고 그 시각이 새벽시간대이면 야간인 것으로 평가하는 것이다. A section having an average brightness of 40 to 50 may be evaluated differently according to a situation. When the section of the average value changes in a direction in which the value increases in the night section, the section may be divided into night. This is true in the dark before dawn. In order to determine whether this section is night, one method of tracking the change of the average value of the brightness in the previous data is one method, but another method is one of judging according to time. If the average brightness is in the range of 40 to 50 and the time is in the early morning hours, it is evaluated as night.
한편, 평균값의 구간이 주간구간에서 값이 작아지는 방향으로 변화하면, 그 구간은 주간으로 구분될 수 있다. 이것은 저녁 무렵에 해가 질 무렵에 해당한다. 마찬가지로 이 구간이 주간인지를 판단하기 위해서는 이전의 데이터에서 밝기의 평균값의 변화를 추적하는 것도 하나의 방법이지만, 다른 방법으로는 시각에 따라 판단하는 것도 하나의 방법이 된다. 평균밝기가 40~50의 범위에 있고 그 시각이 저녁시간대이면 주간인 것으로 평가하는 것이다.On the other hand, if the section of the average value is changed in the direction in which the value decreases in the weekly section, the section can be divided into day. This corresponds to sundown at evening. Similarly, in order to determine whether the interval is daytime, tracking the change of the average value of the brightness in the previous data is one method, but in another method, it is also one method of judging according to time. If the average brightness is in the range of 40 to 50 and the time is in the evening, it is regarded as daytime.
이렇게 평가된 밝기에 기초하여 통상적인 방법에 따라 적합한 설정으로 영상신호에 대하여 감마보정을 수행할 있다. 또한 감마보정 후에도 적절하게 감마후보정(Post Gamma 보정)을 수행할 수 있다. Based on the brightness thus evaluated, gamma correction can be performed on the video signal with a suitable setting according to a conventional method. In addition, post-gamma correction may be appropriately performed even after gamma correction.
다음으로, 히스토그램 데이터로부터 히스토그램의 표준편차를 계산하고, 그 표준편차가 기준편차보다 작은지 여부를 판단한다. 표준편차가 기준편차보다 작다면 그 때의 기상상태는 안개, 황사, 또는 스모그인 것으로 판단한다. 예를 들어, 표준편차의 범위가 0~100이라고 산정할 때 30 이하의 구간일 때에 안개, 황사, 또는 스모그인 것으로 판단한다. Next, the standard deviation of the histogram is calculated from the histogram data, and it is determined whether the standard deviation is smaller than the reference deviation. If the standard deviation is less than the standard deviation, the weather conditions at that time are considered to be fog, yellow dust, or smog. For example, when it is calculated that the range of the standard deviation is 0 to 100, it is determined to be fog, yellow sand, or smog when the section is 30 or less.
기상상태가 안개, 황사 또는 스모그인 경우에는 그러한 기상현상이 포함된 영상으로부터 그러한 기상현상의 이미지를 제거하기는 어렵다. 그러한 영상에서 안개, 황사 또는 스모그 이미지는 메디안 필터를 사용하여 제거되지 않으므로, 지금까지는 그러한 기상상황일 때의 영상을 개선하는데에는 한계가 있었다. 즉, 안개, 황사 또는 스모그 이미지의 존재로 인하여 전체적인 영상의 대비가 낮아져 선명하지 못한 화질을 얻을 수밖에 없었다. If the weather condition is fog, yellow sand or smog, it is difficult to remove the image of the weather phenomenon from the image containing the weather phenomenon. Fog, yellow dust, or smog images in such images are not removed using median filters, and so far, there have been limitations in improving images in such weather conditions. In other words, due to the presence of fog, yellow dust or smog images, the overall contrast of the image is lowered, resulting in inaccurate image quality.
이에, 본 발명자는 안개, 황사 및 스모그는 전체 영상에 걸쳐 나타나므로, 영상데이터의 전 영역에 걸쳐 표현되는 대표색상을 추출한다면 그것은 안개, 황사 또는 스모그의 색상으로 인정할 수 있다는 사실과 그러한 대표색상이 아닌 색상으로 표현된 영상은 안개, 황사 또는 스모그 이미지가 아닌 실질적으로 촬영된 영상으로 인정할 수 있다는 사실, 따라서, 대표색상이 아닌 색상을 대표색상의 보색으로 변경한다면 비록 실질적으로 촬영된 영상은 단색으로 표현되어 단조롭게 되지만 안개, 황사 또는 스모그와의 대비는 향상된다는 사실에 착안하였다. 그리하여 영상 데이터로부터 자동으로 추출한 기상상태에 기초하여 영상을 개선하는 본 발명의 영상처리방법을 완성하였다. Therefore, the present inventors believe that fog, yellow dust and smog appear throughout the entire image, so that if the representative color is expressed over the entire area of the image data, it can be recognized as the color of fog, yellow dust or smog and the representative color The fact that the image is expressed in non-color can be recognized as a photographed image rather than a fog, yellow dust, or smog image. Therefore, if the color other than the representative color is changed to the complementary color of the representative color, the image actually captured is monochromatic. It was conceived to be monotonous but improved in contrast to fog, yellow dust or smog. Thus, the image processing method of the present invention has been completed, which improves the image based on the weather state automatically extracted from the image data.
본 명세서에서 "대표색상"이라 함은 영상데이터의 전 영역에 걸쳐 표현되는 것으로서, 규칙적으로 표현되는 것이건 불규칙적으로 표현되는 것이건 상관하지 않는다. 안개, 황사 및 스모그는 자연현상이므로 불규칙적으로 표현될 것이다. 다만, 대표색상을 추출하는 과정에서 굳이 그 색상의 분포가 규칙적인지 불규칙적인지를 판단할 필요는 없을 것이다. 영상데이터의 전 영역에 대하여, 예를 들어 80% 이상, 바람직하게는 90% 이상, 더욱 바람직하게는 95% 이상의 영역에서 동일한 색상이 반복적으로 검출된다면 그것을 대표색상으로 추출할 수 있다. In the present specification, the "representative color" is expressed over the entire area of the image data and does not matter whether it is expressed regularly or irregularly. Fog, yellow dust, and smog are natural phenomena and will appear irregularly. However, it is not necessary to judge whether the distribution of the color is regular or irregular in the process of extracting the representative color. For the entire area of the image data, if the same color is repeatedly detected in an area of, for example, 80% or more, preferably 90% or more, more preferably 95% or more, it can be extracted as a representative color.
이때, 영상데이터의 전 영역의 95% 이상의 영역에서 동일한 색상이 반복적으로 검출된다는 것의 의미는 그 색상이 영상데이터에서 95% 이상을 차지한다는 것이 아니고, 그 색상이 분포하는 공간영역이 영상데이터의 전체 공간영역의 95% 이상인 것을 의미하는 것이다. 여기에서, 공간영역은 통상적으로 영상이 화면표시수단에 의하여 화면에 표현될 때 면적일 수 있다. In this case, the fact that the same color is repeatedly detected in an area of 95% or more of the entire area of the image data does not mean that the color occupies more than 95% of the image data, and that the spatial area in which the color is distributed is the entire area of the image data. It means more than 95% of the space area. Here, the spatial area may typically be an area when the image is displayed on the screen by the screen display means.
또한 동일한 색상은 영상데이터의 색차신호의 값이 완전히 일치하여 하나의 값을 갖는 것을 의미하지는 않으며, 예를 들어, 안개에 대하여 안개의 색상으로 인정될 수 있는 정도의 범위를 갖는 것이다. 이러한 기준범위는 다양한 안개를 영상으로 담아 그것의 색차신호를 분석함으로써 확립할 수 있다. 따라서, 안개에 대한 대표색상은 흰색 계열로 설정된다. 흰색 계열이라 함은 흰색에서 옅은 회색의 범위로 표현되는 것이다. 황사에 대한 대표색상은 노란색 계열 또는 갈색 계열로 설정되고, 스모그에 대한 대표색상은 밤색 계열로 설정된다. 구체적인 색상 값은 위에서 언급한 바와 같이 그것들에 대한 영상을 분석함으로써 설정할 수 있다. In addition, the same color does not mean that the value of the color difference signal of the image data is completely matched and does not have one value. For example, the same color has a range that can be recognized as the color of the fog with respect to the fog. This reference range can be established by capturing various fog into an image and analyzing its color difference signal. Therefore, the representative color for the fog is set to white. White series is expressed in the range of white to light gray. The representative color for yellow sand is set to yellow or brown, and the representative color for smog is set to chestnut. Specific color values can be set by analyzing the image for them as mentioned above.
따라서, 기상상태가 안개, 황사, 또는 스모그인 것으로 판정된 경우에는 그것들을 더욱 구분하기 위하여, 색차신호를 대상으로 영상데이터의 전 영역에 걸쳐 표현되는 대표색상을 추출하여, 그렇게 추출된 대표색상이 안개, 황사 및 스모그 중에서 어느 것을 표현하는 색상인지를 판단하고, 그에 따라 기상상태를 더욱 세부적으로 판정한다. 그리고 대표색상의 보색을 설정한 후 색차신호의 영상데이터의 전 영역에 대하여 대표색상을 가지는 영역은 그대로 표현을 하고 대표색상이 아닌 영역에 대해서는 대표색상의 보색으로 색차신호를 변경하는 보정을 수행한다. 이렇게 보정된 색차신호는 상기에서 설명한 윤곽선 대비가 강화된 휘도신호와 합쳐져서 완전한 영상신호가 되며, 그 후에 감마후보정이 수행된다. 영상신호는 영상표시기(30)에 의하여 화면에 영상으로 출력된다. 영상표시기(30)가 아날로그 영상표시기인 경우에는 디지털 영상신호가 아날로그 영상신호로 변환되는 복호화 과정을 거치며, 영상표시기로의 전송을 위하여 필요한 경우에는 부호화 및 압축 등의 과정이 수행될 수 있다. Therefore, when it is determined that the weather condition is fog, yellow sand, or smog, in order to further distinguish them, a representative color expressed over the entire area of the image data is extracted for the color difference signal, and the extracted representative color is thus extracted. It is judged which of the fog, the yellow dust, and the smog is the color which represents, and accordingly the weather condition is determined in more detail. After setting the complementary color of the representative color, the area having the representative color is expressed for all areas of the image data of the color difference signal as it is, and the correction is performed to change the color difference signal to the complementary color of the representative color for the non-representative color area. . The color difference signal thus corrected is combined with the above-described luminance signal with enhanced contrast to become a complete image signal, after which gamma correction is performed. The image signal is output as an image on the screen by the
한편, 상기에서, 만약 영상데이터로부터 대표색상이 추출되지 않거나 추출된 대표색상이 안개, 황사 또는 스모그를 표현하는 색상이 아닌 것으로 판단되면, 이것은 밝기 히스토그램의 표준편차에 의한 판단에 오류가 있는 것으로 판정하여 상기에서 설명한 대표색상의 보색으로 변경하는 색차보정 과정을 수행하지 않는다. On the other hand, in the above, if it is determined that the representative color is not extracted from the image data or the extracted representative color is not a color representing the fog, yellow sand or smog, it is determined that there is an error in the judgment by the standard deviation of the brightness histogram The color difference correction process of changing to the complementary color of the representative color described above is not performed.
다음으로, 히스토그램 데이터에 대한 표준편차가 기준편차보다 크다면, 예를 들어 30보다 크다면 눈(우박) 또는 비와 같은 기상상태인지를 판단하기 위하여 메디안 필터를 적용한다. 메디안 필터는 대상 픽셀의 밝기를 그 대상 픽셀을 중심으로 한 마스크 영역에 해당하는 픽셀들의 밝기값 중 중간값으로 변경하는 것으로서, 노이즈를 제거하는 기능을 가진다. 크기가 작은 마스크를 적용하는 경우에는 크기가 작은 노이즈와 그것보다 큰 노이즈가 제거되고 큰 마스크를 적용하는 경우에는 크기가 큰 노이즈만이 제거된다. 따라서, 적절한 크기의 마스크를 사용한다면, 비와 눈을 노이즈로 취급하여 영상으로부터 제거할 수 있게 된다. Next, if the standard deviation of the histogram data is greater than the reference deviation, for example, if the standard deviation is greater than 30, the median filter is applied to determine whether the weather conditions such as snow (hail) or rain. The median filter changes the brightness of a target pixel to a middle value of brightness values of pixels corresponding to a mask area around the target pixel, and has a function of removing noise. Smaller noise and larger noise are removed when applying a smaller mask, and only larger noise is removed when a larger mask is applied. Therefore, if an appropriately sized mask is used, rain and snow can be treated as noise and removed from the image.
본 발명에서는 기상상태가 비인지를 판단하기 위하여 먼저 크기가 작은 마스크, 예를 들어 3 x 3 픽셀의 마스크를 적용하여 메디안 필터 프로세스가 수행되고, 메디안 필터가 적용된 결과로 생성되는 영상이 원래 영상과 비교된다. 그 결과 영상이 원래 영상과 동일하다면 이것은 눈(우박) 및 비와 같은 노이즈가 없는 것을 의미하므로 특별한 기상현상이 없는 맑은 날씨 또는 흐린 날씨인 것으로 기상상태를 판정한다. 여기에서 특별한 기상현상이라 함은 안개, 황사, 스모그, 눈(우박) 및 비를 의미한다. 본 발명에서 적용하는 방법으로는 눈과 우박을 구별할 수 없기 때문에 우박은 눈과 동일한 것으로 취급되며, 대표적으로 눈으로 표현된다. In the present invention, the median filter process is first performed by applying a small mask, for example, a 3 x 3 pixel mask, to determine whether the weather is non-weather, and the image generated as a result of the median filter is applied to the original image. Are compared. As a result, if the image is the same as the original image, this means that there is no noise such as snow (hail) and rain, so the weather state is determined to be sunny or cloudy without any special weather phenomenon. Special weather phenomena here means fog, yellow dust, smog, snow (hail) and rain. Since the method applied in the present invention cannot distinguish the eye from the hail, hail is treated as the same as the eye, and is typically represented by the eye.
메디안 필터 적용 결과의 영상이 원래 영상과 다르다면 그것은 노이즈로 눈 또는 비가 있음을 의미한다. 원래 영상에서 메디안 필터 프로세스 결과 영상을 빼서 얻어진 차이 영상은 원래 영상에 있던 노이즈에 대한 것이다. 따라서, 차이 영상이 있다면, 즉 결과 영상이 원래 영상과 다르다면 그것은 노이즈로 눈 또는 비가 있음을 의미하는 것으로 해석될 수 있다. 이때, 그 노이즈가 영상데이터의 전 영역에 걸쳐 분포하는지 여부를 확인한다면 더욱 분명하게 그 노이즈가 눈 또는 비일 개연성은 더욱 높아질 것이다. 더군다나 눈 및 비의 형상을 참조로서 메모리에 저장하여 두고, 추출된 노이즈를 그러한 참조 형상과 비교함으로써 추출된 노이즈가 눈 또는 비의 이미지인지를 판정할 수 있다. 따라서, 본 명세서에서 노이즈가 있다는 표현은 눈 또는 비를 노이즈로 취급하여 눈 또는 비의 기상현상이 있다는 의미로 이해될 수 있다. If the result of the median filter application is different from the original image, it means snow or rain with noise. The difference image obtained by subtracting the result of the median filter process from the original image is for noise in the original image. Therefore, if there is a difference image, that is, the resultant image is different from the original image, it can be interpreted to mean that there is snow or rain with noise. At this time, if it is confirmed whether the noise is distributed over the entire area of the image data, the probability of the noise or the non-illumination will be further increased more clearly. Furthermore, the shape of the snow and rain can be stored in the memory as a reference, and the extracted noise can be compared with such a reference shape to determine whether the extracted noise is an image of snow or rain. Therefore, the expression that there is noise in the present specification can be understood to mean that there is a weather phenomenon of snow or rain by treating snow or rain as noise.
그러한 기상상태가 눈인지 아니면 비인지를 더욱 구분하기 위하여 원래영상에 대하여 2차 메디안 필터를 적용한다. 이때에는 1차 메디안 필터를 적용할 때보다 큰 마스크를 사용한다. 본 발명에서 예를 들어 5 x 5 픽셀의 마스크를 적용하여 메디안 필터 프로세스가 수행되고, 그 결과의 영상은 원래 영상과 비교된다. 원래 영상에서 메디안 필터 프로세스 결과 영상을 빼서 얻어진 차이 영상이 있다면 그것은 5 x 5 픽셀의 마스크로 제거된 큰 노이즈, 즉 눈 또는 우박과 같은 기상현상이 있음을 의미하는 것이고, 그 차이 영상의 값들이 모두 0인 경우에는 5 x 5 픽셀의 마스크로 제거된 큰 노이즈, 즉 눈 또는 우박과 같은 기상현상은 없음을 의미하기 때문에 그 때의 기상현상은 비임을 확인할 수 있게 된다. In order to further distinguish whether such weather conditions are snow or rain, a second-order median filter is applied to the original image. In this case, use a larger mask than when applying the first-order median filter. In the present invention, for example, a median filter process is performed by applying a mask of 5 x 5 pixels, and the resulting image is compared with the original image. If there is a difference image obtained by subtracting the image of the median filter process from the original image, it means that there is a large noise removed by a mask of 5 x 5 pixels, that is, a weather phenomenon such as snow or hail, and the values of the difference image are all If it is 0, it means that there is no large noise removed by a mask of 5 x 5 pixels, that is, no weather phenomenon such as snow or hail.
이러한 눈 또는 비에 대한 기상상태의 판정결과는 2가지 다른 형태로 영상처리방법에 적용될 수 있다. 첫번째로는 눈 및 비에 의해서도 안개, 황사 및 스모그와 유사하게 영상의 선명도가 떨어지게 되므로, 위에서 안개, 황사 및 스모그에 대하여 적용하였던 방식과 동일하게, 도 2 및 도 3에 도시된 바와 같이, 눈 및 비가 포함된 영상으로부터 대표색상을 추출하고, 그 대표색상을 눈 및 비의 색상과 비교한다. 만약 추출된 대표색상이 눈 및 비의 색상과 다른 것이라면, 위에서 메디안 필터를 적용하여 판단한 기상상태에 대한 판단결과에 오류가 있는 것으로 판정하여 아무런 처리를 하지 않는다. 반면에 추출된 대표색상이 논 또는 비의 색상에 해당한다면, 대표색상의 보색을 설정하고, 색차신호의 영상데이터의 전 영역에 대하여 대표색상을 가지는 영역은 그대로 표현을 하고 대표색상이 아닌 영역에 대해서는 대표색상의 보색으로 색차신호를 변경하는 보정을 수행한다. 이렇게 보정된 색차신호는 윤곽선 대비가 강화된 휘도신호와 합쳐져서 완전한 영상신호가 되며, 그 후에 감마후보정이 수행되는 것은 위에서 설명한 바와 같다. The determination result of the weather condition for the snow or rain can be applied to the image processing method in two different forms. First of all, the sharpness of the image is reduced by the snow and rain similarly to the fog, the yellow dust and the smog, and as shown in FIGS. 2 and 3, similar to the method applied to the fog, the yellow dust and the smog, And a representative color is extracted from the image including the ratio, and the representative color is compared with the colors of eyes and rain. If the extracted representative color is different from the color of snow and rain, it is determined that there is an error in the determination result of the weather condition determined by applying the median filter above, and no processing is performed. On the other hand, if the extracted representative color corresponds to the color of the paddy or rain, the complementary color of the representative color is set, and the area having the representative color for all areas of the image data of the chrominance signal is expressed as it is. The correction is performed to change the color difference signal to the complementary color of the representative color. The color difference signal thus corrected is combined with the luminance signal with enhanced contrast to become a complete image signal, and then the gamma correction is performed as described above.
두번째 방법은 눈 및 비는 메디안 필터를 적용하여 노이즈로 취급하여 제거가 가능한 것이므로, 원래 영상에 대하여 대표색상의 보색으로 보정을 하는 처리 대신에 메디안 필터가 적용되어 노이즈로서 눈 또는 비가 제거된 영상을 사용하는 것이다. 그러면, 실제 기상상황은 눈이나 비가 내리는 상황이지만, 처리된 영상에서는 눈이나 비가 표현되지 않는다는 문제는 있으나, 영상의 화질은 상당히 개선된다. 그렇게 개선된 화질의 영상과 별도로 기상상태가 눈 또는 비임을 알리는 정보를 포함하여 영상표시수단에 전송하여 영상표시수단의 화면에 문자 또는 기호로 기상상태를 출력함으로써 영상으로 표현되지 않는 기상상태를 표현할 수 있다. In the second method, the eye and rain can be removed by treating it as noise by applying a median filter. Instead, the median filter is applied to the original image to remove the snow or rain as noise. Is to use. Then, the actual weather situation is a situation where snow or rain falls, but there is a problem that snow or rain is not expressed in the processed image, but the image quality of the image is considerably improved. In addition to the image of the improved image quality, the weather state is transmitted to the image display means including the information indicating the snow or rain, and the weather state is not represented by the image by outputting the weather state by text or symbol on the screen of the image display means. Can be.
상기에서 판정한 기상상태는 OSD(On Screen Display) 또는 데이터로 영상표시수단에 출력할 수 있다. The determined weather state may be output to the image display means as OSD (On Screen Display) or data.
10: 카메라 20: 영상처리기 30: 영상표시기10: camera 20: image processor 30: image display
Claims (15)
분리된 상기 휘도신호에 대한 히스토그램의 표준편차를 구하는 단계, 및
상기 히스토그램의 표준편차를 기준편차와 비교하여 상기 기준편차보다 작은 경우에는 안개, 황사 및 스모그로 이루어진 그룹으로부터 선택되는 자연현상이 발생한 기상상태인 것으로 판정하는 단계를 포함하는 영상데이터로부터 기상상태를 자동으로 판독하는 방법.Separating the signal of the digital image into a luminance signal and a chrominance signal,
Obtaining a standard deviation of the histogram with respect to the separated luminance signal, and
When the standard deviation of the histogram is smaller than the standard deviation, the weather state is automatically determined from the image data including determining that the natural phenomenon is selected from the group consisting of fog, yellow sand, and smog. How to read by.
안개, 황사 및 스모그로 이루어진 그룹으로부터 선택되는 자연현상이 발생한 기상상태인 것으로 판정된 경우, 전체 영상데이터의 전 영역에 걸쳐 표현되는 대표색상을 추출하는 단계, 및
상기 추출된 대표색상에 의하여 상기 기상상태가 안개, 황사 및 스모그 중에서 어떠한 것인지를 결정하는 단계를 더 포함하는 것을 특징으로 하는 영상데이터로부터 기상상태를 자동으로 판독하는 방법.The method of claim 1,
If it is determined that the natural phenomenon selected from the group consisting of fog, yellow dust and smog occurs in a meteorological condition, extracting a representative color represented over the entire area of the entire image data; and
And determining whether the meteorological condition is fog, yellow sand or smog by the extracted representative color.
상기 대표색상이 흰색 계열인 경우에는 안개인 것으로 판정하고, 상기 대표색상이 노란색 계열 또는 갈색 계열인 경우에는 황사인 것으로 판정하며, 상기 대표색상이 밤색 계열인 경우에는 스모그인 것으로 판정하는 것을 특징으로 하는 영상데이터로부터 기상상태를 자동으로 판독하는 방법.The method of claim 2,
When the representative color is a white series, it is determined to be a fog, when the representative color is a yellow series or a brown series, it is determined to be yellow sand, and when the representative color is a brown series, it is determined to be smog. A method of automatically reading the weather conditions from the image data.
상기 히스토그램의 표준편차를 기준편차와 비교하여 상기 기준편차보다 큰 경우에는 상기 휘도신호의 영상에 대하여 제1 메디안 필터(Median Filter)를 적용하여 노이즈를 제거한 영상을 구하고, 원본 영상과 노이즈가 제거된 영상을 비교함으로써 제거된 노이즈를 추출하고, 그렇게 추출된 노이즈에 의하여 눈 또는 비의 기상현상이 있는지를 판정하고, 눈 또는 비의 기상현상이 있는 것으로 판정된 경우에는 상기 제1 메디안 필터에 적용된 마스크보다 큰 마스크를 적용하여 제2 메디안 필터 과정을 수행하고 원본 영상과 노이즈가 제거된 영상을 비교하여 제거된 노이즈가 있는 경우에는 기상상태를 눈으로 판정하고 제거된 노이즈가 없는 경우에는 기상상태를 비로 판정하는 것임을 특징으로 하는 영상데이터로부터 기상상태를 자동으로 판독하는 방법.The method of claim 2,
When the standard deviation of the histogram is larger than the reference deviation, the first median filter is applied to the image of the luminance signal to obtain an image from which the noise is removed, and the original image and the noise are removed. By comparing the images, the removed noise is extracted, and the extracted noise determines whether there is snow or rain weather phenomenon, and when it is determined that there is snow or rain weather phenomenon, the mask applied to the first median filter The second median filter process is performed by applying a larger mask and the original image is compared with the image from which the noise has been removed, and if there is noise removed, the weather state is visually determined. Method for automatically reading the weather conditions from the video data, characterized in that the determination.
상기 제1 메디안 필터를 적용한 결과 추출된 노이즈가 없는 경우에는 기상상태를 안개, 황사, 스모그, 눈, 및 비로 이루어진 그룹으로부터 선택되는 자연현상이 없는 맑음 및 흐림 중 어느 하나임을 의미하는 맑음/흐림으로 판정하는 것임을 특징으로 하는 영상데이터로부터 기상상태를 자동으로 판독하는 방법.5. The method of claim 4,
If there is no noise extracted as a result of applying the first median filter, the weather state is a sunny / cloudy meaning that the weather condition is any one of the natural phenomena without the selected phenomena selected from the group consisting of fog, yellow dust, smog, snow, and rain. Method for automatically reading the weather conditions from the video data, characterized in that the determination.
분리된 상기 휘도신호에 대한 히스토그램의 평균값를 구하는 단계, 및
상기 히스토그램의 평균값을 기준밝기와 비교하여 상기 기준밝기보다 큰 경우에는 주간으로 판정하고, 상기 기준밝기보다 작은 경우에는 야간으로 판정하는 단계를 더 포함하는 것을 특징으로 하는 영상데이터로부터 기상상태를 자동으로 판독하는 방법.The method of claim 1,
Obtaining an average value of the histogram for the separated luminance signal, and
And comparing the average value of the histogram with the reference brightness to determine the daytime when the reference value is greater than the reference brightness, and to determine the night time when the average value of the histogram is less than the reference brightness. How to read.
분리된 상기 휘도신호에 대한 히스토그램의 표준편차를 구하는 단계,
상기 히스토그램의 표준편차를 기준편차와 비교하여 상기 기준편차보다 작은 경우에는 안개, 황사 및 스모그로 이루어진 그룹으로부터 선택되는 자연현상이 발생한 기상상태인 것으로 판정하는 단계,
안개, 황사 및 스모그로 이루어진 그룹으로부터 선택되는 자연현상이 발생한 기상상태인 것으로 판정된 경우, 영상데이터의 전 영역에 걸쳐 표현되는 대표색상을 추출하는 단계,
상기 추출된 대표색상에 의하여 상기 기상상태가 안개, 황사 및 스모그 중에서 어떠한 것인지를 결정하는 단계,
상기 영상데이터 전체에 대하여, 상기 추출된 대표색상과 동일한 색차신호를 가지는 영상데이터를 제외하고 나머지 영상데이터의 색차신호를 상기 대표색상의 보색으로 변경하는 단계, 및
상기 분리한 휘도신호와 색차신호를 합하여 완전한 영상신호를 재생하는 단계를 포함하는 영상데이터로부터 자동으로 판독한 기상상태에 기초하여 영상을 개선하는 영상처리방법.Separating the signal of the digital image into a luminance signal and a chrominance signal,
Obtaining a standard deviation of the histogram with respect to the separated luminance signal;
If the standard deviation of the histogram is smaller than the reference deviation, determining that the natural phenomenon selected from the group consisting of fog, yellow sand, and smog has occurred;
If it is determined that the natural phenomenon selected from the group consisting of fog, yellow dust, and smog occurs in a meteorological condition, extracting a representative color represented over the entire area of the image data;
Determining whether the meteorological condition is fog, yellow sand or smog by the extracted representative color;
Changing the color difference signal of the remaining image data to the complementary color of the representative color except for the image data having the same color difference signal as the extracted representative color with respect to the entire image data; and
And reproducing a complete video signal by adding the separated luminance signal and the color difference signal to improve the image based on a weather state automatically read from the image data.
상기 대표색상이 흰색 계열인 경우에는 안개인 것으로 판정하고, 상기 대표색상이 노란색 계열 또는 갈색 계열인 경우에는 황사인 것으로 판정하며, 상기 대표색상이 밤색 계열인 경우에는 스모그인 것으로 판정하는 것을 특징으로 하는 영상데이터로부터 자동으로 판독한 기상상태에 기초하여 영상을 개선하는 영상처리방법.The method of claim 7, wherein
When the representative color is a white series, it is determined to be a fog, when the representative color is a yellow series or a brown series, it is determined to be yellow sand, and when the representative color is a brown series, it is determined to be smog. And an image processing method for improving an image based on a weather state automatically read from the image data.
상기 히스토그램의 표준편차를 기준편차와 비교하여 상기 기준편차보다 큰 경우에는 상기 휘도신호의 영상에 대하여 제1 메디안 필터(Median Filter)를 적용하여 노이즈를 제거한 영상을 구하고, 원본 영상과 노이즈가 제거된 영상을 비교함으로써 제거된 노이즈를 추출하고, 그렇게 추출된 노이즈에 의하여 눈 또는 비의 기상현상이 있는지를 판정하고, 눈 또는 비의 기상현상이 있는 것으로 판정된 경우에는 상기 제1 메디안 필터에 적용된 마스크보다 큰 마스크를 적용하여 제2 메디안 필터 과정을 수행하고 원본 영상과 노이즈가 제거된 영상을 비교하여 제거된 노이즈가 있는 경우에는 기상상태를 눈으로 판정하고 제거된 노이즈가 없는 경우에는 기상상태를 비로 판정하는 것임을 특징으로 하는 영상데이터로부터 자동으로 판독한 기상상태에 기초하여 영상을 개선하는 영상처리방법.The method of claim 7, wherein
When the standard deviation of the histogram is larger than the reference deviation, the first median filter is applied to the image of the luminance signal to obtain an image from which the noise is removed, and the original image and the noise are removed. By comparing the images, the removed noise is extracted, and the extracted noise determines whether there is snow or rain weather phenomenon, and when it is determined that there is snow or rain weather phenomenon, the mask applied to the first median filter The second median filter process is performed by applying a larger mask and the original image is compared with the image from which the noise has been removed, and if there is noise removed, the weather state is visually determined. Based on weather conditions automatically read from the image data, characterized in that Image processing method for improving the image.
상기 제1 메디안 필터를 적용한 결과 추출된 노이즈가 없는 경우에는 기상상태를 안개, 황사, 스모그, 눈, 및 비로 이루어진 그룹으로부터 선택되는 자연현상이 없는 맑음 및 흐림 중 어느 하나임을 의미하는 맑음/흐림으로 판정하는 것임을 특징으로 하는 영상데이터로부터 자동으로 판독한 기상상태에 기초하여 영상을 개선하는 영상처리방법.10. The method of claim 9,
If there is no noise extracted as a result of applying the first median filter, the weather state is a sunny / cloudy meaning that the weather condition is any one of the natural phenomena without the selected phenomena selected from the group consisting of fog, yellow dust, smog, snow, and rain. And a video processing method for improving the video based on the weather conditions automatically read from the video data.
눈 또는 비의 자연현상이 발생한 기상상태인 것으로 판정된 경우, 영상데이터의 전 영역에 걸쳐 표현되는 대표색상을 추출하는 단계, 및
상기 영상데이터 전체에 대하여, 상기 추출된 대표색상과 동일한 색차신호를 가지는 영상데이터를 제외하고 나머지 영상데이터의 색차신호를 상기 대표색상의 보색으로 변경하는 단계를 더 포함하는 것을 특징으로 하는 영상데이터로부터 자동으로 판독한 기상상태에 기초하여 영상을 개선하는 영상처리방법.10. The method of claim 9,
Extracting a representative color expressed over the entire area of the image data, when it is determined that the natural phenomenon of snow or rain occurs;
And changing the color difference signal of the remaining image data to the complementary color of the representative color except for the image data having the same color difference signal as the extracted representative color with respect to the entire image data. An image processing method for improving an image based on automatically read weather conditions.
상기 기상상태가 눈 또는 비인 경우, 메디안 필터를 적용하여 눈 또는 비를 노이즈로 취급하여 제거한 휘도신호의 영상을 생성하고, 이러한 휘도신호를 상기 색차신호와 합하여 완전한 영상신호를 재생하며, 이렇게 판독한 기상상태에 관한 정보를 상기 완전한 영상신호와 함께 영상표시수단에 전송하여 상기 영상표시수단의 화면에 문자 또는 기호로 상기 기상상태를 출력하는 것을 특징으로 하는 영상데이터로부터 자동으로 판독한 기상상태에 기초하여 영상을 개선하는 영상처리방법.10. The method of claim 9,
When the weather condition is snow or rain, a median filter is applied to generate snow and rain as noise, and the image of the luminance signal is removed, and the luminance signal is combined with the color difference signal to reproduce a complete image signal. Based on the meteorological condition automatically read from the image data, the information on the meteorological condition is transmitted to the image display means together with the complete image signal to output the meteorological state by text or symbol on the screen of the image display means. Image processing method for improving the image.
분리된 상기 휘도신호에 대한 히스토그램의 평균값를 구하는 단계, 및
상기 히스토그램의 평균값을 기준밝기와 비교하여 상기 기준밝기보다 큰 경우에는 주간으로 판정하고, 상기 기준밝기보다 작은 경우에는 야간으로 판정하는 단계를 더 포함하는 것을 특징으로 하는 영상데이터로부터 자동으로 판독한 기상상태에 기초하여 영상을 개선하는 영상처리방법.The method of claim 7, wherein
Obtaining an average value of the histogram for the separated luminance signal, and
And determining the average value of the histogram as daytime when it is larger than the reference brightness, and determining it as nighttime when it is smaller than the reference brightness. An image processing method for improving an image based on a state.
상기 추출한 밝기의 평균값에 따라 감마보정을 수행하는 단계를 더 포함하는 것을 특징으로 하는 영상데이터로부터 자동으로 판독한 기상상태에 기초하여 영상을 개선하는 영상처리방법.The method of claim 13,
And performing gamma correction according to the average value of the extracted brightness.
상기 판독한 기상상태에 관한 정보를 상기 영상데이터와 함께 영상표시수단에 전송하여 상기 영상표시수단의 화면에 문자 또는 기호로 기상상태를 출력하는 단계를 더 포함하는 것을 특징으로 하는 영상데이터로부터 자동으로 판독한 기상상태에 기초하여 영상을 개선하는 영상처리방법.
The method according to any one of claims 7 to 11, 13 and 14,
And transmitting the information on the read weather state to the image display means together with the image data to output the weather state as text or symbols on the screen of the image display means. An image processing method for improving an image based on a read weather condition.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110147076A KR101359549B1 (en) | 2011-12-30 | 2011-12-30 | Method for Automatically Determining Weather Conditions from Image Data and Image Treatment Method for Improving Image by Using the Same |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110147076A KR101359549B1 (en) | 2011-12-30 | 2011-12-30 | Method for Automatically Determining Weather Conditions from Image Data and Image Treatment Method for Improving Image by Using the Same |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20130078242A true KR20130078242A (en) | 2013-07-10 |
| KR101359549B1 KR101359549B1 (en) | 2014-02-12 |
Family
ID=48991257
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020110147076A KR101359549B1 (en) | 2011-12-30 | 2011-12-30 | Method for Automatically Determining Weather Conditions from Image Data and Image Treatment Method for Improving Image by Using the Same |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101359549B1 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150024550A (en) * | 2013-08-27 | 2015-03-09 | 현대모비스 주식회사 | Method for processing image using Ethernet Camera and Apparatus therefor |
| CN107341456A (en) * | 2017-06-21 | 2017-11-10 | 燕山大学 | A kind of fine cloudy sorting technique of weather based on single width open air coloured image |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100934700B1 (en) * | 2008-01-04 | 2009-12-31 | 부산대학교 산학협력단 | Fog detection system using meteorological observation satellites by standard deviation of brightness temperature and fog detection method using the same |
| KR101686244B1 (en) * | 2010-05-25 | 2016-12-13 | 현대모비스 주식회사 | Accident record apparatus for the use of a vehicle to recognize day and night and accident record method of the same |
-
2011
- 2011-12-30 KR KR1020110147076A patent/KR101359549B1/en not_active IP Right Cessation
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150024550A (en) * | 2013-08-27 | 2015-03-09 | 현대모비스 주식회사 | Method for processing image using Ethernet Camera and Apparatus therefor |
| CN107341456A (en) * | 2017-06-21 | 2017-11-10 | 燕山大学 | A kind of fine cloudy sorting technique of weather based on single width open air coloured image |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101359549B1 (en) | 2014-02-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107424198B (en) | Image processing method, image processing device, mobile terminal and computer readable storage medium | |
| US7489345B2 (en) | Image processing apparatus, image-taking system, image processing method and image processing program | |
| TWI470581B (en) | Method for tone repropduction for displays | |
| US10021313B1 (en) | Image adjustment techniques for multiple-frame images | |
| CN107680056B (en) | Image processing method and device | |
| US20070047803A1 (en) | Image processing device with automatic white balance | |
| US9177396B2 (en) | Image processing apparatus and image processing method | |
| JPWO2006134923A1 (en) | Image processing apparatus, computer program product, and image processing method | |
| CN104618700A (en) | Enhanced display method for color high dynamic range image | |
| JP2015156615A (en) | Image processing system, image processing method, control program, and recording medium | |
| KR101359549B1 (en) | Method for Automatically Determining Weather Conditions from Image Data and Image Treatment Method for Improving Image by Using the Same | |
| CN103379346A (en) | Chrominance information processing method, device and system of images in YUV format | |
| CN104954627A (en) | Information processing method and electronic equipment | |
| WO2013114803A1 (en) | Image processing device, image processing method therefor, computer program, and image processing system | |
| CN107197235B (en) | A kind of HDR video pre-filterings method | |
| KR101370545B1 (en) | Method for Conducting Selectively Image Improving Treatment Based on Automatical Image Data Analysis | |
| CN113658043A (en) | Image processing method, image processing device, electronic equipment and readable storage medium | |
| CN103442245B (en) | Method of predicting perceptual differences between memory and directly viewed colors in video | |
| Yu et al. | Color constancy-based visibility enhancement in low-light conditions | |
| WO2015154526A1 (en) | Color restoration method and apparatus for low-illumination-level video surveillance images | |
| WO2023110880A1 (en) | Image processing methods and systems for low-light image enhancement using machine learning models | |
| KR101180409B1 (en) | Low illumination intensity image enhancement method and apparatus using histogram normalization and gamma correction | |
| CN110827364A (en) | Method and device for detecting green screen image | |
| CN101980543B (en) | Two-dimensional comb filter and luminance and chrominance separation method | |
| WO2013114802A1 (en) | Image processing device, image processing method therefor, computer program, and image processing system |
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: 20181029 Year of fee payment: 5 |
|
| R401 | Registration of restoration | ||
| LAPS | Lapse due to unpaid annual fee |