KR20130079293A - Image processing apparatus and method - Google Patents
Image processing apparatus and method Download PDFInfo
- Publication number
- KR20130079293A KR20130079293A KR1020120158063A KR20120158063A KR20130079293A KR 20130079293 A KR20130079293 A KR 20130079293A KR 1020120158063 A KR1020120158063 A KR 1020120158063A KR 20120158063 A KR20120158063 A KR 20120158063A KR 20130079293 A KR20130079293 A KR 20130079293A
- Authority
- KR
- South Korea
- Prior art keywords
- pixel
- filtering
- edge
- image
- parameter
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012545 processing Methods 0.000 title claims abstract description 38
- 238000001914 filtration Methods 0.000 claims abstract description 81
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims description 22
- 238000003672 processing method Methods 0.000 claims description 6
- 238000013459 approach Methods 0.000 claims description 5
- 235000006679 Mentha X verticillata Nutrition 0.000 claims description 3
- 235000002899 Mentha suaveolens Nutrition 0.000 claims description 3
- 235000001636 Mentha x rotundifolia Nutrition 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 abstract description 5
- 238000004148 unit process Methods 0.000 abstract 1
- 238000002591 computed tomography Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013016 damping Methods 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G06T5/70—
-
- 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 by the use of local operators
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Abstract
Description
영상 처리 장치 및 방법에 연관되며, 보다 특정하게는 입력 영상의 노이즈를 제거하는 장치 및 방법에 연관된다.It relates to an image processing apparatus and method, and more particularly to an apparatus and method for removing noise of an input image.
영상의 노이즈를 제거하는 방법들이 소개되어 왔다. 영상의 노이즈 제거는 다양한 분야에서 활용되어 왔으며, 이를테면, MRI (Magnetic Resonance Imaging), PET (Positron Emission Tomography), CT (Computed Tomography) 등의 의료 영상에서 노이즈를 제거 방법이 활용되었다.Methods for removing noise in an image have been introduced. Image noise reduction has been used in various fields, for example, noise reduction methods have been used in medical images such as magnetic resonance imaging (MRI), positron emission tomography (PET), and computed tomography (CT).
이를테면, MRI의 경우 장비의 불안정성 등의 이유로 인해 취득된 영상에 노이즈가 발생할 수 있는데, 정확한 진단을 위해서는 MR 영상에서 노이즈를 제거하는 것이 필요하다.For example, in the case of MRI, noise may occur in an acquired image due to instability of equipment, etc. It is necessary to remove noise from an MR image for accurate diagnosis.
MR 영상에서 에지를 보존하면서 노이즈를 제거하는 방법으로 논-로컬 민즈(Non-local Means) 필터링이 소개된 바 있다.Non-local Means filtering has been introduced as a method of removing noise while preserving edges in MR images.
그러나 종래의 논-로컬 민즈 필터링에서는 노이즈를 제거하면서 에지(Edge) 부분까지 블러(Blur)해지는 경향을 갖는다. 의료 영상에서 블러 처리가 불필요하게 많아지면 진단 결과에 오류를 야기할 수 있어 위험성이 존재한다.However, in the conventional non-local mince filtering, the noise tends to blur to the edge part while removing the noise. Unnecessarily large blur processing in medical images can cause errors in the diagnosis results, which present a risk.
일측에 따르면, 필터링 처리의 대상이 되는 제1 픽셀의 에지도를 계산하는 계산부; 상기 에지도에 따라 상기 필터링 정도를 결정하는 필터링 파라미터를 적응적으로 결정하는 결정부; 및 상기 필터링 파라미터를 이용하여 상기 제1 픽셀에 상기 필터링 처리를 수행하는 처리부를 포함하는 영상 처리 장치가 제공된다.According to one side, the calculation unit for calculating the edge map of the first pixel to be subjected to the filtering process; A decision unit to adaptively determine a filtering parameter for determining the filtering degree according to the edge map; And a processor configured to perform the filtering process on the first pixel by using the filtering parameter.
일실시예에 따르면, 상기 계산부는 Sobel 연산을 통해 상기 제1 픽셀의 에지도를 계산할 수 있다.According to an embodiment, the calculator may calculate an edge map of the first pixel through a Sobel operation.
일실시예에 따르면, 상기 필터링 처리는 논-로컬 민즈 필터링일 수 있다.According to one embodiment, the filtering process may be non-local mince filtering.
이 경우, 상기 필터링 파라미터는 상기 논-로컬 민즈 필터링에 포함되는 가중치 계산의 감쇄 파라미터(Decay parameter)일 수 있다.In this case, the filtering parameter may be a decay parameter of a weight calculation included in the non-local mince filtering.
일실시예에 따르면, 상기 결정부는 상기 제1 픽셀의 에지도가 클 수록 상기 감쇄 파라미터를 작게 결정하고, 상기 제1 픽셀의 에지도가 작을수록 상기 감쇄 파라미터를 크게 결정할 수 있다.According to an embodiment, the determination unit may determine the attenuation parameter to be smaller as the edge degree of the first pixel is larger, and to determine the attenuation parameter to be larger as the edge degree of the first pixel is smaller.
일실시예에 따르면, 상기 결정부는 상기 제1 픽셀의 에지도가 상기 제1 픽셀을 포함하는 영상의 최소 에지도와 동일한 경우 상기 감쇄 파라미터를 기준 감쇄 파라미터와 동일하게 결정하고, 상기 제1 픽셀의 에지도가 상기 영상의 최대 에지도에 근접할수록 상기 감쇄 파라미터가 0에 가까워지도록 감소되도록 할 수 있다.According to an embodiment, when the edge degree of the first pixel is the same as the minimum edge of the image including the first pixel, the determiner determines the attenuation parameter to be equal to the reference attenuation parameter, and the edge of the first pixel. As the degree approaches the maximum edge of the image, the attenuation parameter may be reduced to become closer to zero.
일실시예에 따르면, 상기 최소 에지도는 상기 영상의 평균 에지도에 에지도 표준 편차의 상수배를 빼준 값이고, 상기 최대 에지도는 상기 영상의 평균 에지도에 상기 에지도 표준 편차의 상수배를 더해준 값일 수 있다.The minimum edge map is a value obtained by subtracting a constant multiple of an edge map standard deviation to an average edge map of the image, and the maximum edge map is a constant multiple of the edge edge standard deviation to the average edge map of the image. It can be a value added.
다른 일실시예에 따르면, 상기 처리부는 상기 제1 픽셀을 포함하는 제1 패치와 제2 픽셀을 포함하는 제2 패치의 유사도를 판단하고, 상기 유사도에 따라 상기 제2 픽셀 값을 상기 제1 픽셀 값에 가중 평균함으로써 상기 필터링 처리를 수행할 수 있다.According to another exemplary embodiment, the processor may determine a similarity between the first patch including the first pixel and the second patch including the second pixel, and determine the similarity between the first pixel and the second pixel based on the similarity. The filtering process can be performed by weighted average of the values.
이 경우, 상기 처리부는 상기 유사도에 따른 가우시안 함수를 이용하여 상기 가중 평균에 적용되는 상기 제2 픽셀의 가중치를 계산할 수 있다. 여기서, 상기 필터링 파라미터는 상기 가우시안 함수의 감쇄 파라미터일 수 있다.In this case, the processor may calculate a weight of the second pixel applied to the weighted average using a Gaussian function according to the similarity. Here, the filtering parameter may be a damping parameter of the Gaussian function.
일실시예에 따르면, 상기 제2 픽셀이 복수 개인 경우 상기 가중치는 상기 복수 개의 제2 픽셀들에 적용되는 가중치 합이 1이 되도록 정규화될 수 있다.According to an embodiment, when there are a plurality of second pixels, the weights may be normalized such that a sum of weights applied to the plurality of second pixels becomes one.
다른 일측에 따르면, 필터링 처리의 대상이 되는 제1 픽셀의 에지도를 계산하는 단계; 상기 에지도에 따라 상기 필터링 정도를 결정하는 필터링 파라미터를 적응적으로 결정하는 단계; 및 상기 필터링 파라미터를 이용하여 상기 제1 픽셀에 상기 필터링 처리를 수행하는 단계를 포함하는 영상 처리 방법이 제공된다.According to another aspect, the method further comprises: calculating an edge map of the first pixel to be subjected to the filtering process; Adaptively determining a filtering parameter that determines the filtering degree according to the edge map; And performing the filtering process on the first pixel by using the filtering parameter.
일실시예에 따르면, 상기 제1 픽셀의 에지도는 Sobel 연산을 통해 계산될 수 있다.According to an embodiment, the edge map of the first pixel may be calculated through a Sobel operation.
일실시예에 따르면, 상기 필터링 처리는 논-로컬 민즈 필터링일 수 있다.According to one embodiment, the filtering process may be non-local mince filtering.
이 경우, 상기 필터링 파라미터는 상기 논-로컬 민즈 필터링에 포함되는 가중치 계산의 감쇄 파라미터일 수 있다.In this case, the filtering parameter may be a damping parameter of the weight calculation included in the non-local mince filtering.
그리고 상기 감쇄 파라미터는 상기 제1 픽셀의 에지도가 클 수록 작은 값으로 결정될 수 있다.The attenuation parameter may be determined to be smaller as the edge degree of the first pixel increases.
일실시예에 따르면, 상기 제1 픽셀의 에지도가 상기 제1 픽셀을 포함하는 영상의 최소 에지도와 동일한 경우 상기 감쇄 파라미터는 기준 감쇄 파라미터와 동일하게 결정되고, 상기 제1 픽셀의 에지도가 상기 영상의 최대 에지도에 근접할수록 상기 감쇄 파라미터는 0에 가까워지도록 감소될 수 있다.According to an embodiment, when the edge degree of the first pixel is the same as the minimum edge degree of the image including the first pixel, the attenuation parameter is determined to be the same as a reference attenuation parameter, and the edge degree of the first pixel is As the maximum edge of the image approaches, the attenuation parameter may decrease to approach zero.
도 1은 일실시예에 따른 영상 처리 장치의 블록도이다.
도 2는 일실시예에 따른 입력 영상을 도시한다.
도 3은 도 2의 입력 영상 전체에 단일한 감쇄 파라미터를 적용하여 NLM 필터링을 수행한 예시적 결과 영상을 도시한다.
도 4는 일실시예에 따른 영상 처리 방법을 설명하기 위한 개념도이다.
도 5는 일실시예에 따라 적응적 감쇄 파라미터를 NLM 필터링에 적용한 예시적 결과 영상을 도시한다.
도 6은 도 2의 입력 영상과 도 3의 예시적 결과 영상 사이의 차분 영상을 도시한다.
도 7은 도 2의 입력 영상과 일실시예에 따른 도 5의 예시적 결과 영상 사이의 차분 영상을 도시한다.
도 8은 일실시예에 따른 영상 처리 방법을 도시하는 예시적 흐름도이다.1 is a block diagram of an image processing apparatus according to an embodiment.
2 illustrates an input image according to an embodiment.
FIG. 3 illustrates an exemplary result image of performing NLM filtering by applying a single attenuation parameter to the entire input image of FIG. 2.
4 is a conceptual diagram illustrating an image processing method according to an exemplary embodiment.
5 illustrates an example result image of applying an adaptive attenuation parameter to NLM filtering according to an embodiment.
FIG. 6 illustrates a difference image between the input image of FIG. 2 and the example result image of FIG. 3.
FIG. 7 illustrates a difference image between the input image of FIG. 2 and the example result image of FIG. 5, according to an embodiment.
8 is an exemplary flowchart illustrating an image processing method, according to an exemplary embodiment.
이하에서, 일부 실시예들를, 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.In the following, some embodiments will be described in detail with reference to the accompanying drawings. However, it is not limited or limited by these embodiments. Like reference symbols in the drawings denote like elements.
도 1은 일실시예에 따른 영상 처리 장치(100)의 블록도이다.1 is a block diagram of an
노이즈를 제거 필터링을 수행하고자 하는 입력 영상이 주어진다. 이러한 입력 영상은, 이를테면 의료 영상일 수 있다.The input image to which the noise removal filtering is to be performed is given. Such an input image may be, for example, a medical image.
의료 영상에는 MRI (Magnetic Resonance Imaging), PET (Positron Emission Tomography), CT (Computed Tomography) 등에 의한 영상들 있다. 이하에서는 영상 처리 장치(100)가 MR 영상의 노이즈를 제거하는 과정을 예시적으로 설명할 수 있으나, 이는 이해를 돕기 위한 것에 불과하다. 따라서, 영상 처리 장치(100)의 노이즈 제거 방법이 일부 영상의 형태에 국한되지 않는다.Medical images include images of magnetic resonance imaging (MRI), positron emission tomography (PET), and computed tomography (CT). Hereinafter, a process of removing noise of an MR image by the
계산부(110)는 필터링 처리의 대상이 되는 제1 픽셀의 에지도를 계산할 수 있다.The
일실시예에 따르면, 상기 계산부는 Sobel 연산을 통해 상기 제1 픽셀의 에지도(Edgeness)를 계산할 수 있다.According to an embodiment, the calculator may calculate edgeness of the first pixel through a Sobel operation.
다만, 이러한 Sobel 연산은 에지도 계산의 일예에 불과하며, 에지도를 계산할 수 있는 다른 어떤 연산이나 알고리즘을 배제하는 것으로 이해되어서는 안 된다.However, such a Sobel operation is only an example of edge calculation and should not be understood as excluding any other operation or algorithm that can calculate edge mapping.
일실시예에 따르면, 결정부(120)는 상기 제1 픽셀의 에지도에 따라 필터링 처리에서 필터링의 정도를 결정하는 필터링 파라미터를 적응적으로 결정할 수 있다.According to an embodiment, the
일실시예에 따르면, 처리부(130)는 상기 결정된 필터링 파라미터를 이용하여 상기 제1 픽셀에 상기 필터링 처리를 수행할 수 있다.According to an embodiment, the
일실시예에 따르면, 상기 필터링 처리는 논-로컬 민즈(Non-local Means) 필터링일 수 있다.According to an embodiment, the filtering process may be non-local mean filtering.
논-로컬 민즈 필터링은 이미지 디노이징(De-noising) 처리에 사용되는 많은 필터링 방법 중 하나이다. 논-로컬 민즈 필터링은 영상의 모든 픽셀의 논-로컬 평균에 기초하여(based on non-local averaging of all the pixels in an image) 입력 영상을 블러(Blur) 처리할 수 있다.Non-local mince filtering is one of many filtering methods used for image de-noising processing. Non-local mince filtering may blur the input image based on a non-local averaging of all the pixels in an image.
보다 구체적으로, 논-로컬 민즈 필터링에서는, 디노이징의 대상이 되는 제1 픽셀을 중심으로 하는 영역(이하에서는 이를 "패치"라고 할 수 있음)과 다른 어떤 제2 픽셀을 중심으로 하는 패치 사이의 유사도(Degree of similarity)에 기초하여 가중 평균(Weighted sum)을 수행할 수 있다.More specifically, in non-local mining filtering, there is a difference between an area centered on a first pixel subject to denoising (hereinafter referred to as a "patch") and a patch centered on some other second pixel. A weighted sum may be performed based on the degree of similarity.
한편, 처리부(130)가 상기 제1 픽셀을 디노이징 하는 과정에는 상기한 논-로컬 민즈 필터링 외에도 다른 많은 필터링 기법들이 이용될 수 있다.Meanwhile, in addition to the non-local mince filtering described above, many other filtering techniques may be used in the process of the
따라서, 상기 논-로컬 민즈 필터링은 영상 처리 장치(100)가 상기 입력 영상의 노이즈를 제거하는 데에 선택될 수 있는 많은 필터링 기법 중 일예에 불과하다.Thus, the non-local mince filtering is only one example of many filtering techniques that may be selected by the
이를테면, 가우시안 스무딩 모델(Gaussian smoothing model), 애니소트로픽 디퓨전 모델(Anisotropic diffusion model), 토탈 배리애이션 디노이징(Total variation denoising), 네이버링 필터들 및 엘리건트 배리언트(Neighborhood filters and an elegant variant), 바이너 로컬 임피리컬 필터(Wiener local empirical filter), 및 트랜슬래이션 인배리언트 웨이블릿 쓰레숄딩(Translation invariant wavelet thresholding) 등의 다양한 디노이징 기법들 또한 고려되어야 한다.For example, Gaussian smoothing model, Anisotropic diffusion model, Total variation denoising, Navering filters and an elegant variant Various denoising techniques should also be considered, such as a Wiener local empirical filter, and a translation invariant wavelet thresholding.
다만, 일반적으로 상기 논-로컬 민즈 필터링은 화이트 노이즈(White noise)에 좋은 효과를 기대할 수 있는 것으로 알려져 있다.However, it is generally known that the non-local mint filtering can expect a good effect on white noise.
다시 논-로컬 민즈 필터링의 실시예를 설명한다. 논 로컬 필터링은 제1 픽셀의 필터링을 아래 수학식과 같이 처리한다.
An embodiment of non-local mince filtering is described again. Non-local filtering processes the filtering of the first pixel as in the following equation.
여기서, p는 디노이징 하려는 상기 제1 픽셀이고, Y(p)는 제1 픽셀의 값이다. q는 전체 영상 Y에 포함되는 임의의 제2 픽셀이며, Y(q)는 제2 픽셀의 값이다.Where p is the first pixel to be denoised and Y (p) is the value of the first pixel. q is any second pixel included in the entire image Y, and Y (q) is the value of the second pixel.
수학식 1에서 이해할 수 있듯이, 논-로컬 민즈 필터링에 따른 제1 픽셀의 디노이징 결과 값인 NLM(Y(p))는 영상에 포함되는 제2 픽셀들에 가중치 w(p, q)를 부여한 다음 웨이티드 섬(Weighted sum) 처리를 하여 구해진다.As can be understood from Equation 1, NLM (Y (p)), which is a result of denoising the first pixel according to non-local mince filtering, gives weights w (p, q) to the second pixels included in the image. Obtained by weighted sum processing.
상기한 바와 같이, 가중치 w(p, q)는 0 이상 1 이하의 값이고, 전체 제2 픽셀들에 적용되는 가중치들을 모두 더하면 1이 된다.As described above, the weight w (p, q) is a value of 0 or more and 1 or less, and the weights w (p, q) are 1 when all weights applied to all the second pixels are added together.
한편, 상기 가중치 w(p, q)는, 아래 수학식에서와 같이, 제1 픽셀 p를 중심으로 하는 픽셀들의 집합인 제1 패치 Np와 제2 픽셀 q를 중심으로 하는 제2 패치 Nq의 유사도 d(p, q)에 의해 결정된다.
Meanwhile, the weight w (p, q) is the similarity d between the first patch Np, which is a set of pixels centered on the first pixel p, and the second patch Nq centered on the second pixel q, as shown in the following equation. It is determined by (p, q).
수학식 2에서 Z(p)는 w(p, q)의 값을 0과 1사이의 값으로 생성하기 위한 정규화 상수(Normalizing constant)이며, 모든 q에 대한 w(p, q)의 합으로 구할 수 있다.In Equation 2, Z (p) is a normalizing constant for generating a value of w (p, q) between 0 and 1, and is obtained as the sum of w (p, q) for all q. Can be.
수학식 2에서 h는 가우시안 함수의 감쇄 파라미터(Decay parameter)일 수 있으며, 일반적으로는 표준편차에 대응할 수 있다.In Equation 2, h may be a decay parameter of a Gaussian function, and generally corresponds to a standard deviation.
이 감쇄 파라미터 h가 클 수록 논-로컬 민즈 필터링의 결과 영상은 블러(Blur)해진다.The larger the attenuation parameter h, the blurr the resultant image of non-local minus filtering is.
종래의 논-로컬 민즈 필터링에서는 이 감쇄 파라미터 h로 고정된 값(Constant value)를 사용하였다. 이렇게 되면, 에지 부분이나 에지가 아닌 부분 모두에 동일한 블러가 야기될 수 있다.In the conventional non-local mint filtering, a constant value was used as the damping parameter h. This can cause the same blur in both the edge portion or the non-edge portion.
따라서, 에지 부분에 발생하는 의도치 않은 블러 때문에 영상의 품질이 떨어질 수 있으며, 특히 상기한 의료 영상에서는 중요한 정보가 소실될 수 있었다. 이를테면, 두뇌를 촬영한 MR 영상에서 에지로 나타나는 미세 혈류 부분이 블러되어 없어지는 등의 위험이 있을 수 있었다.Therefore, the quality of the image may be degraded due to the unintended blur occurring at the edge part, and in particular, the important information may be lost in the medical image. For example, there could be a risk of blurring and disappearing of a portion of the blood flow that appears as an edge in an MR image of the brain.
따라서, 일실시예에 따르면, 상기 결정부(120)는 상기 제1 픽셀의 에지도에 따라 상기 논-로컬 민즈 필터링에 포함되는 감쇄 파라미터를 적응적으로 결정할 수 있다. 이러한 의미에서 기존의 논-로컬 민즈 필터링을 변경한 적응적 논-로컬 민즈(Adaptive Non-local Means)이 수행되는 것으로 이해될 수도 있다.Therefore, according to an embodiment, the
보다 구체적으로, 일실시예에 따르면, 결정부(120)는 에지도가 큰 픽셀에 대해서는 h를 보다 작은 값으로 결정하여 사용하고, 에지도가 작은 부분에서는 h를 보다 큰 값으로 결정하여 사용한다.More specifically, according to an exemplary embodiment, the
일실시예에 따른 h 값의 적응적 선택은 예시적으로 아래 수학식을 통해 이해할 수 있다.
Adaptive selection of the h value according to an embodiment can be understood through the following equation.
상기 수학식 3에서 h'은 적응적으로 선택되는 감쇄 파라미터이고, h는 기존에 일률적으로 사용하던 상수인 감쇄 파라미터(이하에서는, "기준 감쇄 파라미터"라고도 할 수 있음)일 수 있다. E(p)는 제1 픽셀 p의 에지도이다.In Equation 3, h 'is an attenuation parameter that is adaptively selected, and h may be an attenuation parameter (hereinafter, also referred to as a "reference attenuation parameter") that is a constant that has been used uniformly. E (p) is the edge map of the first pixel p.
그리고, Emin은 입력 영상의 최소 에지도, Emax는 입력 영상의 최대 에지도일 수 있다.Emin may be the minimum edge of the input image, and Emax may be the maximum edge of the input image.
다만, 수학식 3은 일실시예에 불과하므로, 에지도가 큰 경우에 감쇄 파라미터 h'을 작게 하고, 반대로 에지도가 작은 경우에 감쇄 파라미터 h'을 크게 하는 다른 어떤 계산 방법도 가능하다.However, since Equation 3 is only an example, any other calculation method may be used in which the attenuation parameter h 'is made small when the edge degree is large and the attenuation parameter h' is made large when the edge degree is small.
상기 수학식 3에 따르면, 상기 제1 픽셀의 에지도 E(p)가 Emin과 동일한 경우 h'은 h와 동일할 수 있으며, E(p)가 Emax에 가까워지도록 커지면 h'은 0에 가까워지도록 작아짐을 알 수 있다.According to Equation 3, when the edge map E (p) of the first pixel is equal to Emin, h 'may be equal to h, and when E (p) becomes larger to Emax, h' becomes closer to zero. It can be seen that the smaller.
한편, 하나의 큰 에지 성분으로 인하여 Emax가 비정상적으로 크게 되는 등 영상의 에지도가 고른 분포를 갖지 않을 때는 h'의 값도 0과 h 중 어느 한쪽으로 치우칠 수 있다.On the other hand, when the edge of the image does not have an even distribution such that Emax is abnormally large due to one large edge component, the value of h 'may be shifted to either 0 or h.
따라서, 일실시예에 따르면, 결정부(120)는 상기 수학식 3을 적용함에 있어서 영상 전체의 에지도의 평균 Emean과 표준 편차 Esigma를 계산하여, Emax와 Emin을 아래와 같이 계산한 다음 수학식 3에 적용할 수도 있다.
Therefore, according to an embodiment, the
수학식 4와 수학식 5에서 c는 고정 상수로, 영상의 종류나 영상 처리 결과의 품질에 따라 조정될 수 있는 값이다. 이를테면, c는 3으로 선택될 수 있다.In Equations 4 and 5, c is a fixed constant, which is a value that can be adjusted according to the type of image or the quality of an image processing result. For example, c may be selected as three.
이러한 실시예들에 따르면, 입력 영상의 에지 부분에는 상대적으로 낮은 수준의 블러 처리가 발생되고, 에지가 아닌 부분에는 상대적으로 높은 수준의 블러 처리가 되어, 에지 정보의 소실이 최소화 될 수 있다.According to these embodiments, a relatively low level of blur processing is generated at the edge portion of the input image, and a relatively high level of blur processing is performed at the non-edge portion, thereby minimizing the loss of edge information.
이하에서는 상기한 과정에 의한 영상 처리 장치(100)의 동작 및 처리 결과를 이해할 수 있도록 도 2 내지 도 7을 이용하여 예시적 처리 결과를 설명한다.Hereinafter, exemplary processing results will be described with reference to FIGS. 2 to 7 to understand the operation and the processing result of the
도 2는 일실시예에 따른 입력 영상(200)을 도시한다.2 illustrates an
예시적 입력 영상(200)은 두뇌를 촬영한 MR 영상일 수 있다. 장비의 불안정성이나 기타 전자기적 노이즈로 인해 영상(200)에는 많은 노이즈가 불규칙적으로 분포할 수 있다.The
도 3은 도 2의 입력 영상 전체에 단일한 감쇄 파라미터를 적용하여 NLM 필터링을 수행한 예시적 결과 영상(300)을 도시한다.FIG. 3 illustrates an
만약 수학식 2에서 가중치 w(p, q)를 계산하는 데에 적용되는 가우시안 함수의 감쇄 파라미터 h를 상수로 처리하여 논-로컬 민즈 필터링을 하는 경우, 영상(300)과 같이 노이즈 개선은 뛰어나지만 에지 부분에도 지나친 블러가 발생되는 것을 확인할 수 있다.If the non-local minse filtering is performed by treating the attenuation parameter h of the Gaussian function applied to calculating the weight w (p, q) as a constant in Equation 2, the noise improvement is excellent as in the
따라서, 일실시예에 따르면, 상기 한 바와 같이 감쇄 파라미터 h를 상수가 아닌 에지도에 따라 적응적으로 결정되는 변수 h'으로 결정한다.Thus, according to one embodiment, as described above, the attenuation parameter h is determined as a variable h 'that is adaptively determined according to the edge, not a constant.
도 4는 일실시예에 따른 영상 처리 방법을 설명하기 위한 개념도이다.4 is a conceptual diagram illustrating an image processing method according to an exemplary embodiment.
영상에는 다양한 영역들이 포함될 수 있는데, 영역(410)에는 에지가 많이 포함되어 있고, 영역(420) 및 영역(430)에도 약간의 에지가 포함되어 있다. 그리고 영역(440)에는 에지가 거의 없다. 따라서, 영역 단위로 또는 픽셀 단위로 논-로컬 민에 사용되는 감쇄 파라미터 h를 다르게 설정해 주면, 에지는 최대한 보존하면서 노이즈(421)은 효과적으로 제거할 수 있다.The image may include various regions, in which the
이러한 방법에 따라, 일실시예에 따르면, 에지(411) 근처의 픽셀들은 에지도가 클 것이므로, 보다 작은 h'가 적용될 수 있다. 그리고 에지가 아닌 부분의 픽셀들, 이를테면 영역(440)에 포함된 픽셀들은 보다 큰 h'가 적용될 수 있다.According to this method, according to one embodiment, pixels near
도 5는 일실시예에 따라 적응적 감쇄 파라미터 h'을 논-로컬 민즈 필터링에 적용한 예시적 결과 영상(500)을 도시한다.5 illustrates an example
일실시예에 따라 상기 수학식 1 내지 수학식 5를 이용하여 입력 영상(200)에 디노이징을 수행하였으며, 수학식 4 내지 수학식 5의 상수 c는 3으로 설정하였다.According to an embodiment, denoising is performed on the
도시된 바와 같이, 입력 영상(200)의 에지가 잘 보존되었고, 노이즈도 효과적으로 제거되었음을 확인할 수 있다. 이처럼, 실시예들에 따르면 의료 영상 등 에지의 중요도가 높은 영상의 노이즈 제거가 효율적으로 수행될 수 있다.As shown, it can be seen that the edges of the
에지 보존의 정도를 이해하기 위해 도 6 내지 도 7의 차분 영상을 참고할 수 있다.To understand the degree of edge retention, reference may be made to the difference image of FIGS. 6 to 7.
도 6은 도 2의 입력 영상(200)과 감쇄 파라미터 h를 상수로 적용하여 NLM 처리한 예시적 결과 영상(300) 사이의 차분 영상(600)을 도시한다.FIG. 6 illustrates a
차분 영상(Difference image)(600)에서 에지가 많이 확인되는 것을 볼 수 있다. 따라서, 입력 영상(200)의 에지 부분이 많이 소실되었음을 알 수 있다.In the
도 7은 도 2의 입력 영상(200)과 일실시예에 따른 도 5의 예시적 결과 영상(500) 사이의 차분 영상(700)을 도시한다.FIG. 7 illustrates a
도 6의 예에서와는 달리, 일실시예에 따른 차분 영상(700)에서는 에지 부분이 상당히 덜 포함되어 있다. 따라서, 입력 영상(200)의 에지 부분이 잘 보존되고 있음을 알 수 있다.Unlike in the example of FIG. 6, in the
도 8은 일실시예에 따른 영상 처리 방법을 도시하는 예시적 흐름도이다.8 is an exemplary flowchart illustrating an image processing method, according to an exemplary embodiment.
단계(810)에서 디노이징 될 영상이 입력된다.In
그러면, 단계(820)에서 영상 처리 장치(100)의 계산부(110)는 입력 영상의 픽셀들 중, NLM 처리를 하려는 제1 픽셀 p의 에지도 E(p)를 계산할 수 있다.Then, in
일실시예에 따르면, 계산부(110)는 Sobel 연산을 통해 상기 제1 픽셀의 에지도(Edgeness)를 계산할 수 있다. 물론, 상기한 바와 같이, Sobel 연산은 에지도 계산의 일예에 불과하므로, 다른 연산 방법이 이용되는 것도 가능하다.According to an embodiment, the
그러면, 단계(830)에서 결정부(120)는 상기 p의 에지도 E(p)에 따라 상기 수학식 3에서와 같이, 제1 픽셀 p에 논-로컬 민즈 필터링을 할 때 사용할 감쇄 파라미터 h'을 계산한다.Then, in
그리고 단계(840)에서는 처리부(130)가 제1 픽셀 p와 제2 픽셀 q 사이의 유사도 d(p, q)를 계산하고, 단계(850)에서 논-로컬 민즈 필터링 값 NLM(Y(p))을 계산한다. 이러한 필터링 처리는 도 1 및 수학식 1 내지 2를 참조하여 상술한 바와 같다.In
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The apparatus described above may be implemented as a hardware component, a software component, and / or a combination of hardware components and software components. For example, the apparatus and components described in the embodiments may be implemented within a computer system, such as, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable array (FPA) A programmable logic unit (PLU), a microprocessor, or any other device capable of executing and responding to instructions. The processing device may execute an operating system (OS) and one or more software applications running on the operating system. The processing device may also access, store, manipulate, process, and generate data in response to execution of the software. For ease of understanding, the processing apparatus may be described as being used singly, but those skilled in the art will recognize that the processing apparatus may have a plurality of processing elements and / As shown in FIG. For example, the processing unit may comprise a plurality of processors or one processor and one controller. Other processing configurations are also possible, such as a parallel processor.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다. The software may include a computer program, code, instructions, or a combination of one or more of the above, and configure the processing device to operate as desired, or process it independently or collectively. You can command the device. The software and / or data may be in the form of any type of machine, component, physical device, virtual equipment, computer storage media, or device , Or may be permanently or temporarily embodied in a transmitted signal wave. The software may be distributed over a networked computer system and stored or executed in a distributed manner. The software and data may be stored on one or more computer readable recording media.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다. The method according to the embodiment may be embodied in the form of program instructions that can be executed by various computer means and recorded in a computer readable medium. The computer readable medium may include program instructions, data files, data structures, etc. alone or in combination. The program instructions recorded on the media may be those specially designed and constructed for the purposes of the embodiments, or they may be of the kind well-known and available to those having skill in the computer software arts. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tape, optical media such as CD-ROMs, DVDs, and magnetic disks, such as floppy disks. Magneto-optical media, and hardware devices specifically configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like. Examples of program instructions include not only machine code generated by a compiler, but also high-level language code that can be executed by a computer using an interpreter or the like. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다 While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed exemplary embodiments. For example, the described techniques may be performed in a different order than the described method, and / or components of the described systems, structures, devices, circuits, etc. may be combined or combined in a different form than the described method, or other components. Alternatively, even if replaced or replaced by equivalents, appropriate results can be achieved.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and equivalents to the claims are also within the scope of the following claims.
Claims (17)
상기 에지도에 따라 상기 필터링 정도를 결정하는 필터링 파라미터를 적응적으로 결정하는 결정부; 및
상기 필터링 파라미터를 이용하여 상기 제1 픽셀에 상기 필터링 처리를 수행하는 처리부
를 포함하는 영상 처리 장치.A calculator for calculating an edge map of the first pixel to be subjected to the filtering process;
A decision unit to adaptively determine a filtering parameter for determining the filtering degree according to the edge map; And
A processor configured to perform the filtering process on the first pixel by using the filtering parameter
And the image processing apparatus.
상기 계산부는 Sobel 연산을 통해 상기 제1 픽셀의 에지도를 계산하는 영상 처리 장치.The method of claim 1,
And the calculator calculates an edge map of the first pixel through a Sobel operation.
상기 필터링 처리는 논-로컬 민즈 필터링인 영상 처리 장치.The method of claim 1,
And the filtering processing is non-local mine filtering.
상기 필터링 파라미터는 상기 논-로컬 민즈 필터링에 포함되는 가중치 계산의 감쇄 파라미터인 영상 처리 장치.The method of claim 3,
And the filtering parameter is an attenuation parameter of weight calculation included in the non-local mince filtering.
상기 결정부는 상기 제1 픽셀의 에지도가 클 수록 상기 감쇄 파라미터를 작게 결정하고, 상기 제1 픽셀의 에지도가 작을수록 상기 감쇄 파라미터를 크게 결정하는 영상 처리 장치.5. The method of claim 4,
And the determining unit determines the attenuation parameter to be smaller as the edge degree of the first pixel is larger, and to determine the attenuation parameter to be larger as the edge degree of the first pixel is smaller.
상기 결정부는 상기 제1 픽셀의 에지도가 상기 제1 픽셀을 포함하는 영상의 최소 에지도와 동일한 경우 상기 감쇄 파라미터를 기준 감쇄 파라미터와 동일하게 결정하고, 상기 제1 픽셀의 에지도가 상기 영상의 최대 에지도에 근접할수록 상기 감쇄 파라미터가 0에 가까워지도록 감소되도록 하는 영상 처리 장치.5. The method of claim 4,
The determining unit determines the attenuation parameter to be equal to the reference attenuation parameter when the edge degree of the first pixel is the same as the minimum edge degree of the image including the first pixel, and the edge degree of the first pixel is the maximum of the image. And an attenuation parameter decreases as near to zero as the edge map approaches.
상기 최소 에지도는 상기 영상의 평균 에지도에 에지도 표준 편차의 상수배를 빼준 값이고, 상기 최대 에지도는 상기 영상의 평균 에지도에 상기 에지도 표준 편차의 상수배를 더해준 값인 영상 처리 장치.The method according to claim 6,
The minimum edge map is a value obtained by subtracting a constant multiple of an edge map standard deviation to an average edge map of the image, and the maximum edge map is a value obtained by adding a constant multiple of the edge edge standard deviation to the average edge map of the image. .
상기 처리부는 상기 제1 픽셀을 포함하는 제1 패치와 제2 픽셀을 포함하는 제2 패치의 유사도를 판단하고, 상기 유사도에 따라 상기 제2 픽셀 값을 상기 제1 픽셀 값에 가중 평균함으로써 상기 필터링 처리를 수행하는 영상 처리 장치.The method of claim 1,
The processor determines the similarity between the first patch including the first pixel and the second patch including the second pixel, and performs the filtering by weighted average of the second pixel value to the first pixel value according to the similarity. An image processing apparatus that performs the processing.
상기 처리부는 상기 유사도에 따른 가우시안 함수를 이용하여 상기 가중 평균에 적용되는 상기 제2 픽셀의 가중치를 계산하고, 상기 필터링 파라미터는 상기 가우시안 함수의 감쇄 파라미터인 영상 처리 장치.9. The method of claim 8,
And the processing unit calculates a weight of the second pixel applied to the weighted average using a Gaussian function according to the similarity, and the filtering parameter is an attenuation parameter of the Gaussian function.
상기 제2 픽셀이 복수 개인 경우 상기 가중치는 상기 복수 개의 제2 픽셀들에 적용되는 가중치 합이 1이 되도록 정규화되는 영상 처리 장치.9. The method of claim 8,
And the weights are normalized such that a sum of weights applied to the plurality of second pixels is 1 when the plurality of second pixels is plural.
상기 에지도에 따라 상기 필터링 정도를 결정하는 필터링 파라미터를 적응적으로 결정하는 단계; 및
상기 필터링 파라미터를 이용하여 상기 제1 픽셀에 상기 필터링 처리를 수행하는 단계
를 포함하는 영상 처리 방법.Calculating an edge map of the first pixel to be subjected to the filtering process;
Adaptively determining a filtering parameter that determines the filtering degree according to the edge map; And
Performing the filtering process on the first pixel using the filtering parameter.
And an image processing method.
상기 제1 픽셀의 에지도는 Sobel 연산을 통해 계산되는 영상 처리 방법.The method of claim 11,
And the edge map of the first pixel is calculated through a Sobel operation.
상기 필터링 처리는 논-로컬 민즈 필터링인 영상 처리 방법.The method of claim 11,
And the filtering processing is non-local mint filtering.
상기 필터링 파라미터는 상기 논-로컬 민즈 필터링에 포함되는 가중치 계산의 감쇄 파라미터인 영상 처리 방법.The method of claim 13,
And the filtering parameter is an attenuation parameter of weight calculation included in the non-local mince filtering.
상기 감쇄 파라미터는 상기 제1 픽셀의 에지도가 클 수록 작은 값으로 결정되는 영상 처리 방법.15. The method of claim 14,
And the attenuation parameter is determined to be smaller as the edge degree of the first pixel increases.
상기 제1 픽셀의 에지도가 상기 제1 픽셀을 포함하는 영상의 최소 에지도와 동일한 경우 상기 감쇄 파라미터는 기준 감쇄 파라미터와 동일하게 결정되고, 상기 제1 픽셀의 에지도가 상기 영상의 최대 에지도에 근접할수록 상기 감쇄 파라미터는 0에 가까워지도록 감소되는 영상 처리 방법.15. The method of claim 14,
When the edge degree of the first pixel is the same as the minimum edge degree of the image including the first pixel, the attenuation parameter is determined to be the same as a reference attenuation parameter, and the edge degree of the first pixel is determined on the maximum edge map of the image. The attenuation parameter decreases closer to zero as it approaches.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201161581691P | 2011-12-30 | 2011-12-30 | |
| US61/581,691 | 2011-12-30 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20130079293A true KR20130079293A (en) | 2013-07-10 |
| KR101902321B1 KR101902321B1 (en) | 2018-09-28 |
Family
ID=48991991
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020120158063A KR101902321B1 (en) | 2011-12-30 | 2012-12-31 | Image processing apparatus and method |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101902321B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150037369A (en) * | 2013-09-30 | 2015-04-08 | 삼성전자주식회사 | Method for decreasing noise of image and image processing apparatus using thereof |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009145991A (en) * | 2007-12-11 | 2009-07-02 | Ricoh Co Ltd | Image processor, image processing method, program, and storage medium |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011043964A (en) | 2009-08-20 | 2011-03-03 | Mitsubishi Electric Corp | Apparatus, method and program for processing image |
-
2012
- 2012-12-31 KR KR1020120158063A patent/KR101902321B1/en active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009145991A (en) * | 2007-12-11 | 2009-07-02 | Ricoh Co Ltd | Image processor, image processing method, program, and storage medium |
Non-Patent Citations (2)
| Title |
|---|
| Vitomir ？truc, ET AL: "Illumination Invariant Face Recognition by Non-Local Smoothing", European Workshop on Biometrics and Identity Management, BioID 2009(2009.09.16.) 1부. * |
| Vitomir ？truc, ET AL: "Illumination Invariant Face Recognition by Non-Local Smoothing", European Workshop on Biometrics and Identity Management, BioID 2009, pp. 1-8, Sept. 16-18, 2009(2009.09.16.) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150037369A (en) * | 2013-09-30 | 2015-04-08 | 삼성전자주식회사 | Method for decreasing noise of image and image processing apparatus using thereof |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101902321B1 (en) | 2018-09-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2380132B1 (en) | Denoising medical images | |
| Manniesing et al. | Vessel enhancing diffusion: A scale space representation of vessel structures | |
| Hajiaboli | An anisotropic fourth-order diffusion filter for image noise removal | |
| Miao et al. | Image segmentation based on an active contour model of partial image restoration with local cosine fitting energy | |
| US9639915B2 (en) | Image processing method and apparatus | |
| WO2007061744A2 (en) | Image enhancement using anisotropic noise filtering | |
| US20130202177A1 (en) | Non-linear resolution reduction for medical imagery | |
| Kanwal et al. | Region based adaptive contrast enhancement of medical X-ray images | |
| US9646366B2 (en) | Method and apparatus for enhancing medical images | |
| CN114022444A (en) | Ultrasonic image processing method and device | |
| Che et al. | Image denoising based on adaptive fractional partial differential equations | |
| Liu et al. | A modified convex variational model for multiplicative noise removal | |
| Zhu et al. | A fast algorithm for a mean curvature based image denoising model using augmented lagrangian method | |
| KR101617551B1 (en) | Image processing method and system for improving face detection | |
| Kang et al. | Nonconvex higher-order regularization based Rician noise removal with spatially adaptive parameters | |
| KR101902321B1 (en) | Image processing apparatus and method | |
| Szirmay-Kalos et al. | Volume enhancement with externally controlled anisotropic diffusion | |
| Simi et al. | An inverse mathematical technique for improving the sharpness of magnetic resonance images | |
| Ziou et al. | Reducing aliasing in images: a PDE-based diffusion revisited | |
| KR101776501B1 (en) | Apparatus and Method for removing noise using non-local means algorithm | |
| JP7014312B2 (en) | Method of normalizing and enhancing MRI brain images by multiscale filtering | |
| CN112785520B (en) | CT image artifact removing method | |
| Khanian et al. | An optimal partial differential equations-based stopping criterion for medical image denoising | |
| KR101582800B1 (en) | Method for detecting edge in color image adaptively and apparatus and computer-readable recording media using the same | |
| KR20130088238A (en) | Apparatus and method for removing noise with oriented laplacian |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |