KR20130124659A - 객체 분리 시스템 및 방법 - Google Patents

객체 분리 시스템 및 방법 Download PDF

Info

Publication number
KR20130124659A
KR20130124659A KR1020120047930A KR20120047930A KR20130124659A KR 20130124659 A KR20130124659 A KR 20130124659A KR 1020120047930 A KR1020120047930 A KR 1020120047930A KR 20120047930 A KR20120047930 A KR 20120047930A KR 20130124659 A KR20130124659 A KR 20130124659A
Authority
KR
South Korea
Prior art keywords
blocks
threshold value
binarization
block
optimal threshold
Prior art date
Application number
KR1020120047930A
Other languages
English (en)
Inventor
김종호
박상현
이권익
김종우
Original Assignee
순천대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 순천대학교 산학협력단 filed Critical 순천대학교 산학협력단
Priority to KR1020120047930A priority Critical patent/KR20130124659A/ko
Publication of KR20130124659A publication Critical patent/KR20130124659A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
    • 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
    • G06T2207/20021—Dividing image into blocks, subimages or windows

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

적응적 이진화 및 모폴로지 연산을 이용한 객체 분리 방법 및 시스템이 개시된다. 객체 분리 방법은, 상기 자연영상을 소정 크기를 갖는 다수의 블록으로 분할하는 단계, 히스토그램 분석을 이용하여 상기 분할된 다수의 블록 각각에 대한 최적 임계값을 산출하는 단계, 상기 산출된 다수의 블록 각각에 대한 최적 임계값을 이용하여 상기 다수의 블록 각각에 대하여 이진화를 수행하는 단계, 상기 이진화가 수행된 다수의 블록을 취합하고, 상기 취합된 블록에 대하여 모폴로지 연산을 수행하는 단계 및 상기 모폴로지 연산을 수행한 블록으로부터 객체를 분리하는 단계를 포함할 수 있다.

Description

객체 분리 시스템 및 방법{SYSTEM FOR DETACHING OBJECT AND THE METHOD THEREOF}
본 발명은 영상의 이진화를 통해 객체를 분리하는 시스템 및 방법에 관한 것으로 특히, 적응적 이진화 및 모폴로지 연산을 통해 객체를 분리하는 시스템 및 방법 관한 것이다.
이미지에서 정보를 얻어내기 위해서는 이미지가 담고 있는 개체들을 분리하는 작업이 필요하다. 이러한 작업 중 가장 단순한 것 중의 하나가 바로 이진화이며, 이진화는 이미지의 그레이값에 따라서 픽셀을 0과 1(또는 255)로 바꾸는 작업이다. 이러한 이진화 작업을 거치면 이미지가 담고 있는 객체를 배경에서 분리할 수 있는데 이때 어떤 그레이값(임계값)으로 픽셀을 분리하는지는 중요한 문제이다.
임계값의 설정에 대한 여러가지 알고리즘이 알려져 있으며, 그 중에서 Otsu의 알고리즘이 널리 사용되고 있다. 관련하여, 이미지를 두 개의 반이미지로 분할하여 이진화를 수행하는 이미지 이진화 방법(한국공개특허 10-2008-0021832) 등이 개시되어 있으나, 종래기술은 불균일 조명에 의한 효과를 완전히 제거하지 못하고, 문자 영역의 인쇄상태가 고르지 못한 경우, 이진화 결과의 연결성이 떨어지는 등의 문제점이 있었다.
따라서, 불균일 조명 등에 의한 효과를 효율적으로 제거하고, 문자영역의 인쇄상태가 고르지 못한 경우 등에 있어서도 효율적으로 객체를 분리하기 위한 객체 분리 시스템 및 방법에 관한 연구가 요구된다.
본 발명은 영상을 일정크기의 블록으로 나누고, 매 블록마다 히스토그램을 사용하여 최적의 임계값을 계산하여 이진화를 수행함으로써, 효과적인 이진화를 수행할 수 있는 객체 분리 시스템 및 방법을 제공한다.
본 발명은 이진화 수행 후, 팽창연산 및 침식연산을 순차적으로 수행하는 모폴로지 연산을 수행함으로써, 객체의 연결성을 보강하는 객체 분리 시스템 및 방법을 제공한다.
본 발명의 일실시예에 따른 객체 분리 방법은, 상기 자연영상을 소정 크기를 갖는 다수의 블록으로 분할하는 단계, 히스토그램 분석을 이용하여 상기 분할된 다수의 블록 각각에 대한 최적 임계값을 산출하는 단계, 상기 산출된 다수의 블록 각각에 대한 최적 임계값을 이용하여 상기 다수의 블록 각각에 대하여 이진화를 수행하는 단계, 상기 이진화가 수행된 다수의 블록을 취합하고, 상기 취합된 블록에 대하여 모폴로지 닫힘연산을 수행하는 단계 및 상기 모폴로지 닫힘연산을 수행한 블록으로부터 객체를 분리하는 단계를 포함할 수 있다.
본 발명의 일측면에 따르면, 상기 최적 임계값을 산출하는 단계는, 상기 다수의 블록 각각에 대하여 히스토그램 분석을 수행하여, 블록 전체의 분산과 클래스간 분산의 비율이 가장 커지는 지점을 해당 블록의 최적 임계값으로 결정할 수 있다.
본 발명의 일측면에 따르면, 상기 모폴로지 닫힘연산을 수행하는 단계는, 팽창연산을 수행하는 단계 및 상기 팽창연산 수행 후, 침식연산을 수행하는 단계를 포함할 수 있다.
본 발명의 일측면에 따르면, 상기 모폴로지 닫힘연산을 수행하는 단계는, 상기 취합된 블록 내의 구조요소를 객체의 연결성이 취약한 방향으로 설계하여 연산을 수행할 수 있다.
본 발명의 일실시예에 따른 객체 분리 시스템은, 상기 자연영상을 소정 크기를 갖는 다수의 블록으로 분할하는 블록 분할부, 히스토그램 분석을 이용하여 상기 분할된 다수의 블록 각각에 대한 최적 임계값을 산출하는 임계값 산출부, 상기 산출된 다수의 블록 각각에 대한 최적 임계값을 이용하여 상기 다수의 블록 각각에 대하여 이진화를 수행하는 이진화부, 상기 이진화가 수행된 다수의 블록을 취합하고, 상기 취합된 블록에 대하여 모폴로지 닫힘연산을 수행하는 모폴로지 연산 수행부 및 상기 모폴로지 닫힘연산을 수행한 블록으로부터 객체를 분리하는 객체분리부를 포함할 수 있다.
본 발명의 일실시예에 따르면, 영상을 일정크기의 블록으로 나누고, 매 블록마다 히스토그램을 사용하여 최적의 임계값을 계산하여 이진화를 수행함으로써, 효과적인 이진화를 수행할 수 있는 객체 분리 시스템 및 방법이 제공된다.
본 발명의 일실시예에 따르면, 이진화 수행 후, 팽창연산 및 침식연산을 순차적으로 수행하는 모폴로지 연산을 수행함으로써, 객체의 연결성을 보강하는 객체 분리 시스템 및 방법이 제공된다.
도 1은 본 발명의 실시예에 따른 객체 분리 방법을 나타낸 동작 흐름도.
도 2는 본 발명의 실시예에 따라 영상을 여러 개의 블록으로 나누어 이진화를 수행하는 과정을 설명하기 위한 도면.
도 3은 본 발명의 실시예에 따라 적응적 이진화를 수행한 결과 영상을 나타낸 도면.
도 4는 본 발명의 실시예에 따른 객체 분리 시스템을 나타낸 블록도.
이하, 첨부된 도면들에 기재된 내용들을 참조하여 본 발명의　실시예들을 상세하게 설명한다. 다만, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.
도 1은 본 발명의 실시예에 따른 객체 분리 방법을 나타낸 동작 흐름도이다.
도 1을 참고하면, 자연영상을 이진영상으로 변환하여 객체를 분리하는 방법에 있어서, 단계(110)에서는 자연영상을 소정 크기를 갖는 다수의 블록으로 분할할 수 있다. 종래의 경우, 영상 전체를 분할하지 않고, 전체 영상에 대한 임계값을 산출하여 이진화를 수행하였으나, 하나의 임계값을 이용하여 이진화하는 경우, 국부적인 영상의 변화, 조명 효과 등에 따라 이진화 결과가 영향을 받게 되어, 원하는 결과를 얻기 어려운 경우가 종종 있었다.
그러나, 본 발명의 일실시예에서는 전체 영상을 다수의 블록으로 분할하여 이진화를 수행함으로써, 객체 분리의 효율성을 높일 수 있다. 전체 영상을 다수의 블록으로 분할하는 과정은 도 2를 참고하여 이하에서 보다 상세하게 설명한다.
도 2는 본 발명의 실시예에 따라 영상을 여러 개의 블록으로 나누어 이진화를 수행하는 과정을 설명하기 위한 도면이다.
도 2를 참고하면, 종래에는 분할되지 않은 전체 영상(210)에 대하여 최적 임계값을 산출하고 이진화를 수행하였으나, 본 발명의 경우, 전체 영상(210)을 일정 크기의 다수 블록(211, 212, 213, 214)으로 분할하여 각 블록별로 최적의 임계값을 결정한 후 블록별로 이진화를 수행할 수 있다.
블록별 최적 임계값 산출 및 이진화 과정은 이하에서 보다 상세하게 설명한다.
다시 도 1을 참고하면, 단계(120)에서는 히스토그램 분석을 이용하여 상기 분할된 다수의 블록 각각에 대한 최적 임계값을 산출할 수 있다. 예를 들어, 블록 별 최적 임계값을 산출하기 위해, 상기 다수의 블록 각각에 대하여 히스토그램 분석을 수행하고, 블록 전체의 분산과 클래스간 분산의 비율이 가장 커지는 지점을 해당 블록의 최적 임계값으로 결정할 수 있다. 여기서, 히스토그램이란 영상 안에서 픽셀들에 대한 명암 값의 분포를 나타낸 것을 의미한다. 즉, 영상 내에서는 밝은 점과 어두운 점이 분포하는데 그 분포의 범위와 값을 표현한 것이며, 이를 그래프로 나타내면 히스토그램 그래프가 된다. 히스토그램 그래프는 보통 막대 그래프로 나타내는데 256-Gray-Level 영상에서는 명암 값의 범위는 0 내지 255 값을 가지고 있으며 각 명암 값의 빈도 수를 조사하여 그래프의 높이로 나타낼 수 있다.
이러한 히스토그램 분석을 통해 클래스간 분산은 산출할 수 있으며, 일예로, 하기 [수학식1]에 의해 산출될 수 있다.
Figure pat00001
이때, ωn은 가중치이며, 가중치는 전체 영상에서 그 클래스에 해당하는 픽셀이 나타날 확률을 의미한다.
또한, 블록전체의 분산은 하기 [수학식 2]에 의해 산출되는 클래스내 분산과 상기 [수학식1]에 의해 산출된 클래스간 분산을 합산하여 산출할 수 있다.
Figure pat00002
따라서, 블록 전체의 분산과 클래스간 분산의 비율이 가장 커지는 지점은 하기 [수학식 3]에 의해 산출될 수 있다.
Figure pat00003
상기 수식에 따라 결정된 블록 별 최적 임계값 T가 산출되면, 단계(130)에서는 산출된 다수의 블록 각각에 대한 최적 임계값을 이용하여 상기 다수의 블록 각각에 대하여 이진화를 수행할 수 있다. 이때, 이진화는 일예로, 픽셀의 명도 값이 상기 최적 임계값보다 작으면 0으로 크면 1으로 만드는 과정을 통해 수행될 수 있다.
다음으로, 단계(140)에서는 이진화가 수행된 다수의 블록을 취합하고, 상기 취합된 블록에 대하여 모폴로지 닫힘연산을 수행할 수 있다.
이때, 모폴로지 닫힘연산을 수행하는 단계(140)는 팽창연산을 수행하는 단계 및 상기 팽창연산 수행 후, 침식연산을 수행하는 단계를 포함할 수 있다.
팽창(Dilation) 연산은 물체의 최 외각 픽셀을 확장하는 역할을 할 수 있다. 따라서, 팽창연산을 통해 물체의 크기는 확장 되고 배경은 축소될 수 있다. 팽창연산을 위한 팽창 마스크는 흰색 물체의 둘레에 한 픽셀을 더하는 역할을 하는데 일예로, 3 X 3 마스크와 똑같은 영역을 가지는 영역에 대해서는 값을 바꾸지 않으며 1개 이상의 서로 다른 픽셀이 존재할 경우 마스크의 가운데 픽셀에 흰색 값을 할당하는 역할을 할 수 있다. 이진 팽창 연산을 상세히 살펴보면 아래와 같다.
<이진 팽창 연산>
Figure pat00004
영상 A내에서 구조 요소 B의 값 중 하나라도 영역 내에 존재하면 현재 그 지점의 값을 0으로 설정한다.
다음으로, 침식(Erosion) 연산은, 물체에 대해 배경을 확장시키고 물체의 크기를 축소하는 역할을 할 수 있다. 침식연산을 위한 침식 마스크를 이용하여 연산시 흰 물체의 둘레로부터 한 픽셀을 없애는 효과를 갖는다. 침식연산과 관련하여 이진 침식 연산을 상세히 살펴보면 아래와 같다.
<이진 침식 연산>
Figure pat00005
영상 A내에서 구조 요소 B의 모든 요소가 영역 내에 존재하면 현재 그 지점의 값을 1로 설정한다.
한편, 상기에서 살펴본 구조요소(structure element) B는 객체의 연결성이 취약한 방향으로 설계하여 연산을 수행하도록 함으로써, 객체간의 연결성이 보다 향상되어 객체의 분리가 보다 용이해 질 수 있다.
단계(150)에서는 모폴로지 연산을 수행한 블록으로부터 객체를 분리할 수 있다. 상기와 같이, 블록을 여러 개로 나누어 각 블록마다 최적의 임계값을 결정하되, 전체 분산과 클래스간 분산의 비율이 가장 커지는 지점을 해당 블록의 최적 임계값으로 결정하고, 모폴로지 연산을 수행한 후 객체를 분리함으로써, 보다 효과적으로 객체를 분리해 낼 수 있다.
도 3은 본 발명의 실시예에 따라 적응적 이진화를 수행한 결과 영상을 나타낸 도면이다.
도 3을 참고하면, 그레이스케일 영상(310)을 기존의 Otsu 알고리즘을 적용하여 이진화를 수행하는 경우의 결과영상(320)은 객체를 명확히 분리해 내지 못하는 경우가 종종 발생한다. 즉, 종래의 이진화 기법은 불균일 조명에 의한 효과를 완전히 제거하지 못하였고, 문자 영역의 인쇄 상태가 고른 경우가 아니면 그 결과가 만족스럽지 못하였다. 예를 들어, 철판에 인쇄된 문자 데이터는 가로 방향의 분사 방식으로 인쇄되어 있으므로, 종래의 방법에 의한 이진화를 수행하는 경우, 이진화 결과에서 나타나는 문자 영역의 연결성이 매우 떨어졌다. 그러나, 본 발명의 일실시예에 따라, 각 블록별로 최적의 임계값을 결정하되, 전체 블록에 대한 분산과 클래스간 분산의 비율이 최대가 되는 지점을 최적의 임계값으로 설정하고 이진화를 수행하는 경우, 그 결과 영상(330)은 객체를 명확히 구분해 낼 수 있을 뿐만 아니라, 불균일 조명에 의한 효과를 제거하고, 문자 영역의 연결성이 매우 좋아지는 효과가 발생한다.
도 4는 본 발명의 실시예에 따른 객체 분리 시스템을 나타낸 블록도이다.
도 4를 참고하면, 블록 분할부(410), 임계값 산출부(420), 이진화부(430), 모폴로지 연산 수행부(440) 및 객체분리부(450)를 포함할 수 있다.
블록 분할부(410)는 자연영상을 소정 크기를 갖는 다수의 블록으로 분할할 수 있다.
임계값 산출부(420)는 히스토그램 분석을 이용하여 상기 분할된 다수의 블록 각각에 대한 최적 임계값을 산출할 수 있다.
이진화부(430)는 산출된 다수의 블록 각각에 대한 최적 임계값을 이용하여 상기 다수의 블록 각각에 대하여 이진화를 수행할 수 있다.
모폴로지 연산 수행부(440)는 이진화가 수행된 다수의 블록을 취합하고, 상기 취합된 블록에 대하여 모폴로지 닫힘연산을 수행할 수 있다.
객체분리부(450)는 모폴로지 닫힘연산을 수행한 블록으로부터 객체를 분리할 수 있다.
도 1 내지 도 3에서 설명된 부분은 도 4에서 설명을 생략하였으며, 도 1 내지 도 3에서 설명된 내용이 객체 분리 시스템에도 적용될 수 있음은 당업자에게 자명한 사항이다.
상기와 같이, 영상을 일정크기의 블록으로 나누고, 매 블록마다 히스토그램을 사용하여 최적의 임계값을 계산하되, 전체 분산 대비 클래스간 분산이 가장 커지는 지점을 최적의 임계값으로 산출하여 이진화를 수행함으로써, 불균일 조명의 효과를 효율적으로 제거할 수 있는 객체 분리 방법 및 시스템이 제공될 수 있다.
또한, 이진화 수행 후, 팽창연산 및 침식연산을 순차적으로 수행하는 모폴로지 연산을 수행함으로써, 객체의 연결성을 강화하는 객체 분리 방법 및 시스템이 제공될 수 있다.
또한 본 발명의 일실시예에 따른, 객체 분리 방법은 다양한 컴퓨터로 구현되는 동작을 수행하기 위한 프로그램 명령을 포함하는 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 매체는 프로그램 명령은 본 발명을 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.
이상과 같이 본 발명의 일실시예는 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명의 일실시예는 상기 설명된 실시예에 한정되는 것은 아니며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.　 따라서, 본 발명의 일실시예는 아래에 기재된 특허청구범위에 의해서만 파악되어야 하고, 이의 균등 또는 등가적 변형 모두는 본 발명 사상의 범주에 속한다고 할 것이다.
410 : 블록 분할부
420 : 임계값 산출부
430 : 이진화부
440 : 모폴로지 연산 수행부
450 : 객체분리부

Claims (5)

  1. 자연영상을 이진영상으로 변환하여 객체를 분리하는 방법에 있어서,
    상기 자연영상을 소정 크기를 갖는 다수의 블록으로 분할하는 단계;
    히스토그램 분석을 이용하여 상기 분할된 다수의 블록 각각에 대한 최적 임계값을 산출하는 단계;
    상기 산출된 다수의 블록 각각에 대한 최적 임계값을 이용하여 상기 다수의 블록 각각에 대하여 이진화를 수행하는 단계;
    상기 이진화가 수행된 다수의 블록을 취합하고, 상기 취합된 블록에 대하여 모폴로지 닫힘연산을 수행하는 단계; 및
    상기 모폴로지 닫힘연산을 수행한 블록으로부터 객체를 분리하는 단계
    를 포함하는 객체 분리 방법.
  2. 제1항에 있어서,
    상기 최적 임계값을 산출하는 단계는,
    상기 다수의 블록 각각에 대하여 히스토그램 분석을 수행하여, 블록 전체의 분산과 클래스간 분산의 비율이 가장 커지는 지점을 해당 블록의 최적 임계값으로 결정하는 것을 특징으로 하는 객체 분리 방법.
  3. 제1항에 있어서,
    상기 모폴로지 닫힘연산을 수행하는 단계는,
    팽창연산을 수행하는 단계; 및
    상기 팽창연산 수행 후, 침식연산을 수행하는 단계
    를 포함하는 특징으로 하는 객체 분리 방법.
  4. 제1항에 있어서,
    상기 모폴로지 닫힘연산을 수행하는 단계는,
    상기 취합된 블록 내의 구조요소를 객체의 연결성이 취약한 방향으로 설계하여 연산을 수행하는 것을 특징으로 하는 객체 분리 방법.
  5. 자연영상을 이진영상으로 변환하여 객체를 분리하는 시스템에 있어서,
    상기 자연영상을 소정 크기를 갖는 다수의 블록으로 분할하는 블록 분할부;
    히스토그램 분석을 이용하여 상기 분할된 다수의 블록 각각에 대한 최적 임계값을 산출하는 임계값 산출부;
    상기 산출된 다수의 블록 각각에 대한 최적 임계값을 이용하여 상기 다수의 블록 각각에 대하여 이진화를 수행하는 이진화부;
    상기 이진화가 수행된 다수의 블록을 취합하고, 상기 취합된 블록에 대하여 모폴로지 닫힘연산을 수행하는 모폴로지 연산 수행부; 및
    상기 모폴로지 닫힘연산을 수행한 블록으로부터 객체를 분리하는 객체분리부
    를 포함하는 객체 분리 시스템.
KR1020120047930A 2012-05-07 2012-05-07 객체 분리 시스템 및 방법 KR20130124659A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120047930A KR20130124659A (ko) 2012-05-07 2012-05-07 객체 분리 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120047930A KR20130124659A (ko) 2012-05-07 2012-05-07 객체 분리 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR20130124659A true KR20130124659A (ko) 2013-11-15

Family

ID=49853354

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120047930A KR20130124659A (ko) 2012-05-07 2012-05-07 객체 분리 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR20130124659A (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016212092A (ja) * 2015-05-13 2016-12-15 御木本製薬株式会社 角層細胞標本の解析方法
CN111489371A (zh) * 2020-04-22 2020-08-04 西南科技大学 一种场景的直方图近似单峰分布时的图像分割方法
KR20200103205A (ko) * 2019-02-20 2020-09-02 경북대학교 산학협력단 도면 상에서 외곽선 및 표제 제거 방법을 포함하는 딥러닝 기반 학습 데이터 생성 방법 및 학습 데이터 생성 시스템
KR20210117456A (ko) * 2020-03-19 2021-09-29 (주)캠시스 컨트라스트를 활용한 카메라 모듈의 이물 검출 장치 및 방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016212092A (ja) * 2015-05-13 2016-12-15 御木本製薬株式会社 角層細胞標本の解析方法
KR20200103205A (ko) * 2019-02-20 2020-09-02 경북대학교 산학협력단 도면 상에서 외곽선 및 표제 제거 방법을 포함하는 딥러닝 기반 학습 데이터 생성 방법 및 학습 데이터 생성 시스템
KR20210117456A (ko) * 2020-03-19 2021-09-29 (주)캠시스 컨트라스트를 활용한 카메라 모듈의 이물 검출 장치 및 방법
CN111489371A (zh) * 2020-04-22 2020-08-04 西南科技大学 一种场景的直方图近似单峰分布时的图像分割方法

Similar Documents

Publication Publication Date Title
JP6335573B2 (ja) 自動ナンバープレート認識アプリケーションにおける文字切り出しのための方法およびシステム
US9275030B1 (en) Horizontal and vertical line detection and removal for document images
US9449222B2 (en) Image processing device and method
JP6569500B2 (ja) 画像処理装置及び画像処理方法
JP5455038B2 (ja) 画像処理装置、画像処理方法、及びプログラム
EP3002712A2 (en) Horizontal and vertical line detection and removal for document images
EP2461290A1 (en) Image processing device, image processing method, and program
CN106326895B (zh) 图像处理装置和图像处理方法
KR101402442B1 (ko) 이미지 처리 디바이스 및 방법
CN101453575A (zh) 一种视频字幕信息提取方法
JP2004280633A (ja) 画像処理装置および方法、記録媒体、並びにプログラム
JP5908844B2 (ja) 画像処理装置および画像処理方法
CN110223305B (zh) 细胞分割方法、装置及可读存储介质
KR101574874B1 (ko) 차량 번호판의 문자 분할 방법 및 장치
JP2010205067A (ja) 領域抽出装置、領域抽出方法及び領域抽出プログラム
JP2012123626A (ja) 対象物検出装置及びプログラム
KR20130124659A (ko) 객체 분리 시스템 및 방법
JP4852059B2 (ja) 文書画像の２値化性能を改善するノイズ除去装置及びノイズ除去プログラム
KR20150007880A (ko) 영상 화질 개선 방법, 장치 및 기록 매체
JP2015115067A (ja) 画像から歪んだ直線を抽出する方法及び装置
KR101681178B1 (ko) 위성 영상 처리 방법 및 장치
JP2011248702A (ja) 画像処理装置、画像処理方法、画像処理プログラム及びプログラム記憶媒体
JP5523537B2 (ja) 文書画像の行分割方法及び行分割システム
US9355311B2 (en) Removal of graphics from document images using heuristic text analysis and text recovery
KR101571681B1 (ko) 동질 영역을 이용한 문서 구조의 분석 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application