KR20140096880A - 이미지 에지 검출 방법 및 장치 - Google Patents

이미지 에지 검출 방법 및 장치 Download PDF

Info

Publication number
KR20140096880A
KR20140096880A KR1020130010026A KR20130010026A KR20140096880A KR 20140096880 A KR20140096880 A KR 20140096880A KR 1020130010026 A KR1020130010026 A KR 1020130010026A KR 20130010026 A KR20130010026 A KR 20130010026A KR 20140096880 A KR20140096880 A KR 20140096880A
Authority
KR
South Korea
Prior art keywords
image
intermediate image
pixels
input image
edge
Prior art date
Application number
KR1020130010026A
Other languages
English (en)
Other versions
KR101929560B1 (ko
Inventor
허진구
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020130010026A priority Critical patent/KR101929560B1/ko
Priority to US14/157,127 priority patent/US9245349B2/en
Publication of KR20140096880A publication Critical patent/KR20140096880A/ko
Application granted granted Critical
Publication of KR101929560B1 publication Critical patent/KR101929560B1/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • 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
    • G06T2207/20028—Bilateral 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

입력 이미지에서 에지 영역을 검출할 수 있는 이미지 에지 검출 방법 및 장치가 개시된다. 일실시예에 따른 이미지 에지 검출 방법은 입력 이미지의 노이즈를 제거하는 단계; 상기 입력 이미지 및 상기 노이즈가 제거된 입력 이미지에 기초하여 에지 영역이 강조된 중간 이미지를 생성하는 단계; 상기 중간 이미지의 픽셀들을 클러스터링하여 상기 중간 이미지에 적용될 임계값을 결정하는 단계; 및 상기 임계값에 기초하여 상기 중간 이미지에서 에지 영역을 검출하는 단계를 포함할 수 있다.

Description

이미지 에지 검출 방법 및 장치{METHOD AND APPARATUS FOR DETECTING EDGE IN IMAGE}
아래의 설명은 입력 이미지의 에지를 검출할 수 있는 이미지 에지 검출 방법 및 이미지 에지 검출 장치에 관한 것이다.
이미지 처리 기술에서 에지(Edge)는 이미지의 밝기가 급격하게 변하는 부분을 나타내는 것으로, 이미지에서 밝기의 급격한 변화는 일반적으로 피사체의 주요한 변화가 있음을 나타낸다. 이미지의 에지 추출을 통해 이미지에서 특정 물체를 식별하거나 또는 사람의 표정, 행동, 포즈 등을 추정할 수 있다.
일반적인 이미지 에지 검출 알고리즘은 대상 픽셀과 인접한 픽셀 간의 밝기 차이를 계산하여, 그 차이가 크면 대상 픽셀을 에지로 검출하는 방식을 이용한다. 그러나, 디지털 이미지의 밝기 분포는 노이즈로 인하여 매끄러운 밝기 분포를 나타내지 않으며, 이미지 내에 포함된 노이즈는 이미지의 에지를 정확하게 구하는데 장애 요소가 된다. 한편, 사람이 이미지에서 에지를 인식하는 것은 단순히 해당 픽셀과 인접한 픽셀 간의 밝기 차이에 의한 것이 아니고, 주변의 밝기 분포를 종합적으로 고려하여 이미지의 에지를 인식하게 된다.
일실시예에 따른 이미지 에지 검출 방법은, 입력 이미지의 노이즈를 제거하는 단계; 상기 입력 이미지 및 상기 노이즈가 제거된 입력 이미지에 기초하여 에지 영역이 강조된 중간 이미지를 생성하는 단계; 상기 중간 이미지의 픽셀들을 클러스터링하여 상기 중간 이미지에 적용될 임계값을 결정하는 단계; 및 상기 임계값에 기초하여 상기 중간 이미지에서 에지 영역을 검출하는 단계를 포함할 수 있다.
일실시예에 따른 이미지 에지 검출 방법은, 상기 에지 영역이 검출된 결과 이미지에서 상기 에지 영역을 구성하는 픽셀들의 개수에 기초하여 상기 결과 이미지를 보정하는 단계를 더 포함할 수 있다.
다른 실시예에 따른 이미지 에지 검출 방법은, 입력 이미지의 픽셀 위치 및 픽셀값에 기초하여 결정된 가중치를 상기 입력 이미지의 픽셀들에 적용하는 단계; 가우시안 정규 분포를 이용하여 상기 가중치가 적용된 입력 이미지의 노이즈를 제거하는 단계; 상기 가중치가 적용된 입력 이미지 및 상기 노이즈가 제거된 입력 이미지에 기초하여 에지 영역이 강조된 중간 이미지를 생성하는 단계; 및 상기 중간 이미지의 픽셀값 분포에 기초하여 상기 중간 이미지에서 에지 영역을 검출하는 단계를 포함할 수 있다.
또 다른 실시예에 따른 이미지 에지 검출 방법은, 노이즈가 제거된 입력 이미지를 생성하는 단계; 원래의 입력 이미지의 픽셀값과 상기 노이즈가 제거된 입력 이미지의 픽셀값 간의 비율을 나타내는 중간 이미지를 생성하는 단계; 및 임계값을 기준으로 상기 중간 이미지의 픽셀들을 두 개의 그룹으로 분할하여 에지 영역 및 배경 영역을 나타내는 결과 이미지를 생성하는 단계를 포함할 수 있고, 상기 임계값은 상기 중간 이미지의 픽셀들이 가지는 픽셀값 분포에 따라 적응적으로 결정될 수 있다.
일실시예에 따른 이미지 에지 검출 장치는, 입력 이미지의 노이즈를 제거하는 노이즈 제거부; 상기 입력 이미지 및 상기 노이즈가 제거된 입력 이미지에 기초하여 에지 영역이 강조된 중간 이미지를 생성하는 중간 이미지 생성부; 상기 중간 이미지의 픽셀들을 클러스터링하여 상기 중간 이미지에 적용될 임계값을 결정하는 임계값 결정부; 및 상기 임계값에 기초하여 상기 중간 이미지에서 에지 영역을 검출하는 에지 영역 검출부를 포함할 수 있다.
다른 실시예에 따른 이미지 에지 검출 장치는, 입력 이미지의 픽셀 위치 및 픽셀값에 기초하여 결정된 가중치를 상기 입력 이미지의 픽셀들에 적용하고, 가우시안 정규 분포를 이용하여 상기 가중치가 적용된 입력 이미지의 노이즈를 제거하는 노이즈 제거부; 상기 가중치가 적용된 입력 이미지 및 상기 노이즈가 제거된 입력 이미지에 기초하여 에지 영역이 강조된 중간 이미지를 생성하는 중간 이미지 생성부; 및 상기 중간 이미지의 픽셀값 분포에 기초하여 상기 중간 이미지에서 에지 영역을 검출하는 에지 영역 검출부를 포함할 수 있다.
도 1은 일실시예에 따른 이미지 에지 검출 장치의 세부 구성을 도시한 도면이다.
도 2는 일실시예에 따른 입력 이미지에서 이미지 에지를 검출하는 과정의 일례를 도시한 도면이다.
도 3은 일실시예에 따른 종래 기술 및 제안한 이미지 에지 검출 방법을 통해 출력된 이미지 에지 검출 결과를 나타내는 도면이다.
도 4는 일실시예에 따른 입력 이미지의 밝기 변화에 따른 이미지 에지 검출 결과를 나타내는 도면이다.
도 5는 일실시예에 따른 이미지 에지 검출 방법의 동작을 도시한 흐름도이다.
도 6은 다른 실시예에 따른 이미지 에지 검출 방법의 동작을 도시한 흐름도이다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 아래의 특정한 구조적 내지 기능적 설명들은 단지 발명의 실시예들을 설명하기 위한 목적으로 예시된 것으로, 발명의 범위가 본문에 설명된 실시예들에 한정되는 것으로 해석되어서는 안된다. 일실시예에 따른 이미지 에지 검출 방법은 이미지 에지 검출 장치에 의해 수행될 수 있으며, 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.
도 1은 일실시예에 따른 이미지 에지 검출 장치의 세부 구성을 도시한 도면이다.
이미지 에지 검출 장치(100)는 입력 이미지에서 에지(edge)를 검출할 수 있다. 입력 이미지는 컬러 이미지 또는 그레이 스케일(gray-scale) 이미지 등을 포함할 수 있고, 에지는 물체의 경계나 형태, 사람의 표정이나 동작 등을 나타낼 수 있다.
이미지 에지 검출 장치(100)는 입력 이미지의 픽셀들을 에지 영역 및 배경 영역(에지 영역을 제외한 나머지 영역)으로 분류하여 바이너리 이미지(binary image)를 생성할 수 있다. 이미지 에지 검출 장치(100)에 의해 생성된 바이너리 이미지는 물체 인식, 표정 인식 및 장소 인식 등의 다양한 분야에서 이용될 수 있다.
도 1을 참조하면, 이미지 에지 검출 장치(100)는 노이즈 제거부(110), 중간 이미지 생성부(120), 임계값 결정부(130) 및 에지 영역 검출부(140)를 포함할 수 있다.
노이즈 제거부(110)는 입력 이미지의 노이즈를 제거할 수 있다. 예를 들어, 노이즈 제거부(110)는 가우시안(Gaussian) 정규 분포를 이용하는 가우시안 스무딩(Gaussian smoothing) 기법을 통해 입력 이미지의 노이즈를 제거할 수 있다. 노이즈 제거부(110)는 가우시안 스무딩 기법을 이용하여 노이즈를 제거하고, 에지 영역이 더 용이하게 검출되도록 입력 이미지를 조절할 수 있다. 가우시안 스무딩 기법을 통해 입력 이미지에서 에지 영역의 굵기가 더욱 강조될 수 있다.
또한, 노이즈 제거부(110)는 입력 이미지의 노이즈를 좀더 확실히 제거하기 위해 전처리 과정을 선택적으로 수행할 수도 있다. 예를 들어, 노이즈 제거부(110)는 가우시안 스무딩 기법을 이용하여 입력 이미지의 노이즈를 제거하기 전에, 바이래터럴 필터링(bilateral filtering)을 수행할 수 있다.
노이즈 제거부(110)는 바이래터럴 필터링 수행 과정에서 입력 이미지의 픽셀 위치 및 픽셀값에 기초하여 결정된 가중치를 입력 이미지의 픽셀들에 적용할 수 있다. 노이즈 제거부(110)는 바이래터럴 필터링을 통해 입력 이미지의 에지 영역을 보존하면서 노이즈를 제거할 수 있다.
중간 이미지 생성부(120)는 입력 이미지 및 노이즈가 제거된 입력 이미지에 기초하여 에지 영역이 강조된 중간 이미지를 생성할 수 있다. 예를 들어, 중간 이미지 생성부(120)는 입력 이미지의 픽셀값 및 노이즈가 제거된 입력 이미지의 픽셀값 간의 비율을 나타내는 중간 이미지를 생성할 수 있다.
중간 이미지 생성부(120)는 입력 이미지와 노이즈가 제거된 입력 이미지를 픽셀 단위(pixel-wise)로 분할하고, 입력 이미지와 노이즈가 제거된 입력 이미지 간에 대응되는 픽셀의 픽셀값들을 나누어 중간 이미지를 생성할 수 있다. 픽셀값은 이미지 내 픽셀들이 가지는 밝기(intensity)에 대응될 수 있다.
예를 들어, 중간 이미지 생성부(120)는 노이즈가 제거된 입력 이미지에서 입력 이미지의 각 픽셀에 대응되는 픽셀을 식별하고, 대응되는 픽셀들이 가지는 픽셀값을 서로 나누는 것에 의해 에지 영역이 강조된 중간 이미지를 생성할 수 있다. 입력 이미지의 밝기를 나타내는 이미지를 I1 이라고 하고, 노이즈가 제거된 입력 이미지의 밝기를 나타내는 이미지를 I2 라 한다면, 중간 이미지 생성부(120)에 의해 생성된 중간 이미지는 I1/I2 과 같이 나타낼 수 있다.
중간 이미지 생성부(120)는 위와 같은 과정을 통해 에지 영역을 더 낮은 픽셀값(더 어둡게 표현)으로 할당하고, 배경 영역을 더 높은 픽셀값(더 밝게 표현)으로 할당할 수 있다. 이에 따라, 중간 이미지 생성부(120)는 입력 이미지에서 에지 영역들 및 에지 주변 영역들을 강조하여 나타낼 수 있다.
임계값 결정부(130)는 중간 이미지의 픽셀들을 픽셀의 밝기를 기준으로 클러스터링(clustering)하여 중간 이미지에 적용될 임계값(threshold value)(이하, 제1 임계값)을 결정할 수 있다. 임계값 결정부(130)는 중간 이미지의 픽셀값 분포에 따라 중간 이미지의 픽셀들을 두 개의 그룹으로 분할하는 픽셀값을 중간 이미지에 적용될 제1 임계값으로 결정할 수 있다
제1 임계값은 중간 이미지에서 형태 정보(피사체의 형태 또는 경계를 나타내는 정보)를 나타내는 픽셀들과 형태 정보를 나타내지 않는 픽셀들을 분류하는 기준이 될 수 있다. 임계값 결정부(130)는 중간 이미지의 픽셀들이 가지는 픽셀값 분포에 따라 적응적으로 제1 임계값을 결정할 수 있으며, 최적의 제1 임계값은 클러스터링 과정의 결과로부터 자동적으로 도출될 수 있다.
예를 들어, 임계값 결정부(130)는 중간 이미지를 히스토그램(histogram)으로 나타내고, 히스토그램을 구성하는 중간 이미지의 픽셀들을 두 개의 그룹으로 클러스터링하여 제1 임계값을 결정할 수 있다. 임계값 결정부(130)는 K-평균 클러스터링 알고리즘(K-means clustering algorithm) 등을 이용하여 중간 이미지의 픽셀들을 두 개의 그룹으로 클러스터링할 수 있다. 임계값 결정부(130)는 K-평균 클러스터링 알고리즘을 통해 히스토그램의 픽셀들을 분산도가 최소화되는 두 개의 그룹으로 클러스터링할 수 있다. 따라서, K-평균 클러스터링 알고리즘에서는 중간 이미지의 픽셀값 분포에 따라 클러스터링될 픽셀들의 그룹이 달라질 수 있으며, 이에 따라 중간 이미지에 적용될 제1 임계값도 달라질 수 있다. 중간 이미지에 적용될 최적의 제1 임계값은 K-평균 클러스터링 알고리즘을 이용한 결과로부터 자동적으로 도출될 수 있다.
다른 실시예에 따르면, 임계값 결정부(130)는 중간 이미지의 히스토그램에서, 미리 설정된 임계값(이하, 제2 임계값)보다 적은 수를 가지는 특정 밝기의 픽셀들을 제거하고, 클러스터링을 수행할 수 있다.
예를 들어, 임계값 결정부(130)는 중간 이미지의 히스토그램에서 제2 임계값보다 적은 수를 가지는 특정 밝기의 픽셀들을 제1 임계값의 결정 과정에서 제외할 수 있다. 임계값 결정부(130)는 특정 밝기의 픽셀들이 제외된 나머지 픽셀들을 클러스터링하여 중간 이미지에 적용될 제1 임계값을 결정할 수 있다. 임계값 결정부(130)는 제2 임계값에 기초하여 에지 영역 검출의 대상 픽셀들을 필터링함으로써, 이미지 특성에 최적화된 제1 임계값을 결정할 수 있다.
에지 영역 검출부(140)는 임계값 결정부(130)에 의해 결정된 제1 임계값에 기초하여 중간 이미지에서 에지 영역을 검출할 수 있다. 결과적으로, 에지 영역 검출부(140)는 중간 이미지에서 에지 영역과 배경 영역을 구분하여 바이너리 이미지(binary image)를 생성할 수 있다.
에지 영역 검출부(140)는 제1 임계값과 중간 이미지의 픽셀들이 가지는 픽셀값을 비교하여 중간 이미지에서 에지 영역을 검출할 수 있다. 예를 들어, 에지 영역 검출부(140)는 중간 이미지의 히스토그램에서 클러스터링을 통해 중간 이미지의 픽셀들을 두 개의 그룹으로 분할하고, 분할된 픽셀들의 그룹 및 제1 임계값에 기초하여 에지 영역 및 배경 영역을 결정할 수 있다. 구체적으로, 에지 영역 검출부(140)는 제1 임계값보다 큰 픽셀값을 가지는 픽셀들의 그룹을 에지 영역으로 결정하고, 제1 임계값보다 작은 픽셀값을 가지는 픽셀들의 그룹을 배경 영역으로 결정할 수 있다. 제1 임계값과 동일한 픽셀값을 가지는 픽셀들은 사용자의 선택에 따라 배경 영역 또는 에지 영역으로 결정될 수 있다.
에지 영역 검출부(140)는 결정된 에지 영역의 픽셀들에 0 의 값을 할당(결과 이미지에서 어둡게 표현)하고, 배경 영역의 픽셀들에 1 의 값을 할당(결과 이미지에서 밝게 표현)하여 피사체의 형태 또는 경계를 나타내는 바이너리 이미지를 생성할 수 있다.
에지 영역 검출부(140)는 경우에 따라, 에지 영역이 검출된 결과 이미지에서 에지 영역을 구성하는 픽셀들의 개수에 기초하여 결과 이미지를 보정할 수 있다. 에지 영역 검출부(140)는 결과 이미지의 노이즈 정도 또는 사용자의 선택에 따라 에지 영역이 좀더 명확하게 나타나도록 결과 이미지를 보정할 수 있다.
예를 들어, 에지 영역 검출부(140)는 에지 영역이 검출된 결과 이미지에서 미리 설정된 임계값(이하, 제3 임계값)보다 적은 수의 픽셀들로 구성되는 독립적인 에지 영역들을 제거할 수 있다. 결과 이미지에서, 적은 수의 픽셀들로 구성되는 독립적인 에지 영역들은 물체의 형태나 경계와 관련이 없는 점, 짧은 선 등으로 나타날 수 있고, 이는 결과 이미지의 노이즈로 나타날 수 있다.
에지 영역 검출부(140)는 에지 영역을 구성하는 픽셀들의 개수와 제3 임계값을 비교하여 제3 임계값보다 적은 수의 픽셀들로 구성된 에지 영역을 노이즈로 판단하고, 이를 제거할 수 있다. 에지 영역 검출부(140)는 위와 같은 결과 이미지의 보정을 통해 에지 영역을 좀더 정확하게 검출하고, 상대적으로 더 중요한 에지 영역을 강조할 수 있다.
도 2는 일실시예에 따른 입력 이미지에서 이미지 에지를 검출하는 과정의 일례를 도시한 도면으로, 이미지 에지 검출 장치가 입력 이미지(210)에서 에지 영역을 검출하여 결과 이미지(280)를 생성하는 이미지 에지 검출 과정(200)을 도시하고 있다.
먼저, 이미지 에지 검출 장치는 입력 이미지(210)에 바이래터럴 필터링(220)을 수행하여 입력 이미지(210)의 에지 영역을 보존하면서 노이즈를 제거할 수 있다. 이미지 에지 검출 장치는 바이래터럴 필터링(220)을 통해 입력 이미지(210)의 픽셀 위치 및 픽셀값에 기초하여 가중치를 결정하고, 결정된 가중치를 입력 이미지(210)의 픽셀들에 적용할 수 있다.
그 후, 이미지 에지 검출 장치는 바이래터럴 필터링(220)이 수행된 입력 이미지에 가우시안 스무딩(230)을 수행할 수 있다. 이미지 에지 검출 장치는 가우시안 스무딩(230)을 통해 입력 이미지(210)에 존재하는 노이즈를 추가적으로 제거할 수 있다. 가우시안 스무딩(230)을 수행한 결과, 입력 이미지(210)에서 에지 영역이 더욱 강조되고, 에지 영역과 관련이 없는 영역들의 특징은 감소될 수 있다.
이미지 에지 검출 장치는 바이래터럴 필터링(220)이 수행된 입력 이미지와 가우시안 스무딩(230)이 수행된 입력 이미지를 이용하여 에지 영역이 강조된 중간 이미지를 생성(240)할 수 있다. 이미지 에지 검출 장치는 바이래터럴 필터링(220)이 수행된 입력 이미지의 픽셀값과 가우시안 스무딩(230)이 수행된 입력 이미지의 픽셀값을 나누어 이미지들 간의 픽셀값 비율을 계산하고, 계산된 픽셀값 비율을 나타내는 중간 이미지를 생성(240)할 수 있다. 이를 통해, 이미지 에지 검출 장치는 에지 영역을 더 어둡게 표현하고, 배경 영역을 더 밝게 표현하여 에지 영역을 강조할 수 있다.
이미지 에지 검출 장치는 중간 이미지가 생성(240)되면, 바이너리 이미지인 결과 이미지를 생성하기 위해 클러스터링 과정(260)을 수행할 수 있다. 단, 이미지 에지 검출 장치는 클러스터링 과정(260)을 수행하기 전에, 중요하지 않은(비중요) 픽셀들을 클러스터링의 대상에서 제거(250)할 수 있다. 예를 들어, 이미지 에지 검출 장치는 중간 이미지의 히스토그램에서, 미리 설정된 임계값(제2 임계값)보다 적은 수를 가지는 특정 밝기의 픽셀들을 제거할 수 있다. 제2 임계값은 사용자에 의해 결정되거나 또는 입력 이미지(210)의 특성에 기초하여 결정될 수 있다.
이미지 에지 검출 장치는 중간 이미지에서 비중요 픽셀들을 제거(250)한 후에, 중간 이미지에 적용할 제1 임계값을 결정할 수 있다. 중간 이미지에 적용될 최적의 제1 임계값은 클러스터링 과정(260)으로부터 자동적으로 도출될 수 있다. 이미지 에지 검출 장치는 K-평균 클러스터링 알고리즘을 이용하여 중간 이미지의 히스토그램에서 중간 이미지의 픽셀들을 두 개의 그룹으로 분할하고, 두 개의 그룹을 분할하는 기준이 되는 픽셀값을 제1 임계값으로 결정할 수 있다.
그리고 나서, 이미지 에지 검출 장치는 제1 임계값과 중간 이미지 내 픽셀들의 픽셀값들을 비교하여 에지 영역을 검출할 수 있다. 이미지 에지 검출 장치는 제1 임계값보다 큰 픽셀값을 가지는 픽셀들을 배경 영역으로 결정하고, 제1 임계값보다 작은 픽셀값을 가지는 픽셀들을 에지 영역으로 결정하여 바이너리 이미지를 생성할 수 있다. 제1 임계값과 동일한 픽셀값을 가지는 픽셀들은 사용자의 선택에 따라 배경 영역 또는 에지 영역으로 결정될 수 있다.
이미지 에지 검출 장치는 에지 검출의 정확성을 개선시키기 위해 바이너리 이미지에서 중요하지 않은(비중요) 에지 영역을 제거(270)할 수 있다. 이미지 에지 검출 장치는 에지 영역 및 배경 영역이 나타나는 바이너리 이미지에서 미리 설정된 임계값(제3 임계값)보다 적은 수의 픽셀들로 구성되는 에지 영역들을 제거할 수 있다. 이를 통해, 이미지 에지 검출 장치는 바이너리 이미지에서 에지 영역과 관련이 없는 점, 짧은 선 등의 노이즈를 제거할 수 있다.
이미지 에지 검출 장치는 위와 같은 이미지 에지 검출 과정(200)을 통해 사용자의 시각에 직관적이면서, 이미지 에지가 보다 정확하게 검출된 결과 이미지(280)를 생성할 수 있다.
위 이미지 에지 검출 과정(200)에서, 바이래터럴 필터링(220), 비중요 픽셀을 제거하는 과정(250) 및 비중요 에지 영역을 제거하는 과정(270)은 선택적인 과정으로, 사용자의 의도 또는 입력 이미지(210)의 특성에 따라 수행 여부가 결정될 수 있다. 바이래터럴 필터링(220)이 수행되지 않는 경우, 이미지 에지 검출 장치는 입력 이미지(210)와 가우시안 스무딩(230)이 수행된 입력 이미지를 이용하여 중간 이미지를 생성(240)할 수 있다. 구체적으로, 이미지 에지 검출 장치는 입력 이미지(210)의 픽셀값과 가우시안 스무딩(230)이 수행된 입력 이미지의 픽셀값 간의 비율을 나타내는 중간 이미지를 생성(240)할 수 있다.
이상, 도 2에 나타낸 구체적인 기법이나 상세화된 과정은 당업자의 실시를 돕기 위한 것으로, 실시예의 범위가 위에 기재된 내용에 한정되는 것으로 해석되어서는 안된다.
도 3은 일실시예에 따른 종래 기술 및 제안한 이미지 에지 검출 방법을 통해 출력된 이미지 에지 검출 결과를 나타내는 도면이다.
도 3을 참조하면, 결과 이미지(320), 결과 이미지(330) 및 결과 이미지(340)는 종래 기술을 이용하여 각각 입력 이미지들(310)에서 에지 영역을 검출한 결과를 나타낸다. 구체적으로, 결과 이미지(320), 결과 이미지(330) 및 결과 이미지(340)는 각각 Canny 기법, Sobel 기법, LoG 기법을 이용하여 입력 이미지들(310)에서 에지 영역을 검출한 결과를 나타낸다.
결과 이미지(350)는 제안한 이미지 에지 검출 방법을 통해 입력 이미지들(310)에서 에지 영역을 검출한 결과를 나타낸다. 제안한 이미지 에지 검출 방법을 이용한 결과 이미지(350)를 종래 기술을 이용한 다른 결과 이미지들(320, 330, 340)과 비교해 볼 때, 결과 이미지(350)에 표현된 에지 영역이 입력 이미지들(310)에 포함된 피사체의 형태와 가장 유사하며, 사용자가 직관적으로 인식하기가 가장 용이함을 알 수 있다.
도 4는 일실시예에 따른 입력 이미지의 밝기 변화에 따른 이미지 에지 검출 결과를 나타내는 도면이다.
도 4를 참조하면, 서로 다른 밝기를 가지는 입력 이미지들(410), 종래 기술인 Canny 기법을 이용하여 입력 이미지들(410)에서 에지 영역을 검출한 결과 이미지(420) 및 제안한 이미지 에지 검출 방법을 이용하여 입력 이미지들(410)에서 에지 영역을 검출한 결과 이미지(430)가 도시되어 있다.
Canny 기법을 이용한 결과 이미지(420) 및 제안한 이미지 에지 검출 방법을 이용한 결과 이미지(430)를 비교해 볼 때, 입력 이미지들의 밝기가 변하거나 검출 대상의 조도 환경이 변하는 경우에, 제안한 이미지 에지 검출 방법을 이용하는 것이 에지 영역을 보다 정확하게 검출할 수 있음을 알 수 있다. 또한, 제안한 이미지 에지 검출 방법을 이용하는 경우가 입력 이미지들의 밝기가 변하거나 검출 대상의 조도 환경이 변하더라도 보다 일관적으로 에지 영역을 검출할 수 있음을 알 수 있다.
도 5는 일실시예에 따른 이미지 에지 검출 방법의 동작을 도시한 흐름도이다.
단계(510)에서, 이미지 에지 검출 장치는 입력 이미지의 노이즈를 제거할 수 있다. 예를 들어, 이미지 에지 검출 장치는 가우시안 정규 분포를 이용하는 가우시안 스무딩 기법을 통해 입력 이미지의 노이즈를 제거할 수 있다. 이미지 에지 검출 장치는 가우시안 스무딩 기법을 통해 입력 이미지의 에지 영역을 더욱 강조하고, 에지 영역과 관련이 없는 영역들의 특징을 감소시킬 수 있다.
단계(520)에서, 이미지 에지 검출 장치는 입력 이미지 및 노이즈가 제거된 입력 이미지에 기초하여 에지 영역이 강조된 중간 이미지를 생성할 수 있다. 이미지 에지 검출 장치는 입력 이미지의 픽셀값 및 노이즈가 제거된 입력 이미지의 픽셀값 간의 비율을 나타내는 중간 이미지를 생성할 수 있다.
예를 들어, 이미지 에지 검출 장치는 입력 이미지와 노이즈가 제거된 입력 이미지 간에 대응되는 픽셀값들을 나누어 중간 이미지를 생성할 수 있다. 이미지 에지 검출 장치는 입력 이미지와 노이즈가 제거된 입력 이미지를 픽셀 단위로 분할하고, 입력 이미지와 노이즈가 제거된 입력 이미지 간에 대응되는 픽셀의 픽셀값들을 나누어 중간 이미지를 생성할 수 있다. 이미지 에지 검출 장치는 위와 같은 과정을 통해 입력 이미지에서 에지 영역들 및 에지 주변 영역들을 강조하여 나타낼 수 있다.
단계(530)에서, 이미지 에지 검출 장치는 중간 이미지의 픽셀들을 클러스터링하여 중간 이미지에 적용될 제1 임계값을 결정할 수 있다. 이미지 에지 검출 장치는 중간 이미지의 픽셀들이 가지는 픽셀값 분포에 따라 적응적으로 제1 임계값을 결정할 수 있으며, 최적의 제1 임계값은 클러스터링 과정의 결과로부터 자동적으로 도출될 수 있다. 예를 들어, 이미지 에지 검출 장치는 K-평균 클러스터링 알고리즘을 이용하여 중간 이미지의 히스토그램에서 중간 이미지의 픽셀들을 두 개의 그룹으로 분할하고, 두 개의 그룹을 분할하는 기준이 되는 제1 임계값을 결정할 수 있다.
또한, 이미지 에지 검출 장치는 경우에 따라, 중간 이미지의 히스토그램에서, 미리 설정된 임계값(제2 임계값)보다 적은 수를 가지는 특정 밝기의 픽셀들을 제거하고, 클러스터링을 수행할 수도 있다. 이미지 에지 검출 장치는 특정 밝기의 픽셀들이 제외된 나머지 픽셀들을 클러스터링하여 중간 이미지에 적용될 제1 임계값을 결정할 수 있다.
단계(540)에서, 이미지 에지 검출 장치는 제1 임계값에 기초하여 중간 이미지에서 에지 영역을 검출할 수 있다. 이미지 에지 검출 장치는 제1 임계값과 중간 이미지 내 픽셀들의 픽셀값들을 비교하여 에지 영역을 검출할 수 있다. 예를 들어, 이미지 에지 검출 장치는 제1 임계값보다 큰 픽셀값을 가지는 픽셀들을 배경 영역으로 결정하고, 제1 임계값보다 작은 픽셀값을 가지는 픽셀들을 에지 영역으로 결정하여 바이너리 이미지를 생성할 수 있다.
단계(550)에서, 이미지 에지 검출 장치는 경우에 따라, 에지 영역이 검출된 결과 이미지에서 에지 영역을 구성하는 픽셀들의 개수에 기초하여 결과 이미지를 보정할 수 있다. 이미지 에지 검출 장치는 에지 영역 검출의 정확성을 개선시키기 위해 결과 이미지에서 중요하지 않은 에지 영역을 제거할 수 있다. 이미지 에지 검출 장치는 에지 영역 및 배경 영역이 나타나는 결과 이미지에서 미리 설정된 임계값(제3 임계값)보다 적은 수의 픽셀들로 구성되는 에지 영역들을 제거할 수 있다. 이를 통해, 이미지 에지 검출 장치는 결과 이미지에서 에지 영역과 관련이 없는 점, 짧은 선 등의 노이즈를 제거할 수 있다.
도 6은 다른 실시예에 따른 이미지 에지 검출 방법의 동작을 도시한 흐름도이다.
단계(610)에서, 이미지 에지 검출 장치는 입력 이미지의 픽셀 위치 및 픽셀값에 기초하여 결정된 가중치를 입력 이미지의 픽셀들에 적용할 수 있다. 예를 들어, 이미지 에지 검출 장치는 입력 이미지에 바이래터럴 필터링을 수행할 수 있다. 이미지 에지 검출 장치는 바이래터럴 필터링 과정을 통해 입력 이미지의 에지 영역을 보존하면서 노이즈를 제거할 수 있다.
단계(620)에서, 이미지 에지 검출 장치는 가우시안 정규 분포를 이용하여 픽셀들에 가중치가 적용된 입력 이미지의 노이즈를 제거할 수 있다. 예를 들어, 이미지 에지 검출 장치는 가우시안 정규 분포를 이용하는 가우시안 스무딩 기법을 통해 입력 이미지의 노이즈를 제거할 수 있다. 이미지 에지 검출 장치는 가우시안 스무딩 기법을 이용하여 노이즈를 제거하고, 에지 영역이 더 용이하게 검출되도록 입력 이미지를 조절할 수 있다.
단계(630)에서, 이미지 에지 검출 장치는 픽셀들에 가중치를 적용한 입력 이미지 및 가우시안 정규 분포를 이용하여 노이즈를 제거한 입력 이미지에 기초하여 에지 영역이 강조된 중간 이미지를 생성할 수 있다. 예를 들어, 이미지 에지 검출 장치는 바이래터렁 필터링이 수행된 입력 이미지의 픽셀값과 가우시안 스무딩이 수행된 입력 이미지의 픽셀값을 서로 나누어 픽셀값 비율을 계산하고, 계산된 픽셀값 비율을 나타내는 중간 이미지를 생성할 수 있다.
단계(640)에서, 이미지 에지 검출 장치는 중간 이미지의 픽셀값 분포에 기초하여 중간 이미지에서 에지 영역을 검출할 수 있다. 예를 들어, 이미지 에지 검출 장치는 중간 이미지의 픽셀값 분포를 나타내는 히스토그램을 이용하여 중간 이미지의 픽셀들을 클러스터링하고, 바이너리 이미지 생성을 위해 필요한 제1 임계값을 결정할 수 있다. 제1 임계값은 K-평균 클러스터링 알고리즘 등을 통해 입력 이미지의 픽셀값 분포에 따라 자동적으로 결정될 수 있다. 이미지 에지 검출 장치는 결정된 제1 임계값을 기준으로 중간 이미지의 픽셀들을 두 개의 그룹으로 분류하고, 분류된 픽셀들의 그룹들을 각각 에지 영역 및 배경 영역으로 결정할 수 있다. 이미지 에지 검출 장치는 결정된 에지 영역 및 배경 영역을 기초로 하여 피사체의 형태 및 경계를 나타내는 바이너리 이미지를 생성할 수 있다.
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.
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.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (20)

  1. 입력 이미지의 노이즈를 제거하는 단계;
    상기 입력 이미지 및 상기 노이즈가 제거된 입력 이미지에 기초하여 에지 영역이 강조된 중간 이미지를 생성하는 단계;
    상기 중간 이미지의 픽셀들을 클러스터링(Clustering)하여 상기 중간 이미지에 적용될 임계값을 결정하는 단계; 및
    상기 임계값에 기초하여 상기 중간 이미지에서 에지 영역을 검출하는 단계
    를 포함하는 이미지 에지 검출 방법.
  2. 제1항에 있어서,
    상기 제거하는 단계는,
    가우시안(Gaussian) 정규 분포를 이용하여 입력 이미지의 노이즈를 제거하는 이미지 에지 검출 방법.
  3. 제1항에 있어서,
    상기 생성하는 단계는,
    상기 입력 이미지의 픽셀값 및 상기 노이즈가 제거된 입력 이미지의 픽셀값 간의 비율을 나타내는 중간 이미지를 생성하는 이미지 에지 검출 방법.
  4. 제1항에 있어서,
    상기 결정하는 단계는,
    상기 중간 이미지의 픽셀들이 가지는 픽셀값 분포에 따라 적응적으로 임계값을 결정하는 이미지 에지 검출 방법.
  5. 제1항에 있어서,
    상기 결정하는 단계는,
    상기 중간 이미지의 픽셀값 분포에 따라 상기 중간 이미지의 픽셀들을 두 개의 그룹으로 분할하는 픽셀값을 상기 중간 이미지에 적용될 임계값으로 결정하는 이미지 에지 검출 방법.
  6. 제1항에 있어서,
    상기 결정하는 단계는,
    상기 중간 이미지의 히스토그램에서 미리 설정된 임계값보다 적은 수를 가지는 특정 밝기의 픽셀들을 제거하는 단계; 및
    상기 특정 밝기의 픽셀들을 제외한 나머지 픽셀들을 클러스터링하여 상기 중간 이미지에 적용될 임계값을 결정하는 단계
    를 포함하는 이미지 에지 검출 방법.
  7. 제1항에 있어서,
    상기 검출하는 단계는,
    상기 임계값과 상기 중간 이미지의 픽셀들이 가지는 픽셀값을 비교하여 상기 중간 이미지에서 에지 영역을 검출하는 이미지 에지 검출 방법.
  8. 제1항에 있어서,
    상기 검출하는 단계는,
    상기 임계값보다 큰 픽셀값을 가지는 픽셀들의 그룹을 에지 영역으로 결정하고, 상기 임계값보다 작은 픽셀값을 가지는 픽셀들의 그룹을 배경 영역으로 결정하는 이미지 에지 검출 방법.
  9. 제1항에 있어서,
    상기 에지 영역이 검출된 결과 이미지에서 상기 에지 영역을 구성하는 픽셀들의 개수에 기초하여 상기 결과 이미지를 보정하는 단계
    를 더 포함하는 이미지 에지 검출 방법.
  10. 제9항에 있어서,
    상기 보정하는 단계는,
    미리 설정된 임계값보다 적은 수의 픽셀들로 구성되는 독립적인 에지 영역들을 상기 결과 이미지에서 제거하는 이미지 에지 검출 방법.
  11. 입력 이미지의 픽셀 위치 및 픽셀값에 기초하여 결정된 가중치를 상기 입력 이미지의 픽셀들에 적용하는 단계;
    가우시안 정규 분포를 이용하여 상기 가중치가 적용된 입력 이미지의 노이즈를 제거하는 단계;
    상기 가중치가 적용된 입력 이미지 및 상기 노이즈가 제거된 입력 이미지에 기초하여 에지 영역이 강조된 중간 이미지를 생성하는 단계; 및
    상기 중간 이미지의 픽셀값 분포에 기초하여 상기 중간 이미지에서 에지 영역을 검출하는 단계
    를 포함하는 이미지 에지 검출 방법.
  12. 제11항에 있어서,
    상기 검출하는 단계는,
    상기 중간 이미지의 픽셀값 분포에 기초하여 상기 중간 이미지에 적용될 임계값을 결정하는 단계; 및
    상기 결정된 임계값과 상기 중간 이미지의 픽셀들이 나타내는 픽셀값을 비교하여 상기 중간 이미지에서 에지 영역을 검출하는 단계
    를 포함하는 이미지 에지 검출 방법.
  13. 노이즈가 제거된 입력 이미지를 생성하는 단계;
    원래의 입력 이미지의 픽셀값과 상기 노이즈가 제거된 입력 이미지의 픽셀값 간의 비율을 나타내는 중간 이미지를 생성하는 단계; 및
    임계값을 기준으로 상기 중간 이미지의 픽셀들을 두 개의 그룹으로 분할하여 에지 영역 및 배경 영역을 나타내는 결과 이미지를 생성하는 단계
    를 포함하고,
    상기 임계값은 상기 중간 이미지의 픽셀들이 가지는 픽셀값 분포에 따라 적응적으로 결정되는 이미지 에지 검출 방법.
  14. 제1항 내지 제13항 중 어느 한 항의 방법을 실행하기 위한 프로그램이 기록된 컴퓨터에서 판독 가능한 기록 매체.
  15. 입력 이미지의 노이즈를 제거하는 노이즈 제거부;
    상기 입력 이미지 및 상기 노이즈가 제거된 입력 이미지에 기초하여 에지 영역이 강조된 중간 이미지를 생성하는 중간 이미지 생성부;
    상기 중간 이미지의 픽셀들을 클러스터링하여 상기 중간 이미지에 적용될 임계값을 결정하는 임계값 결정부; 및
    상기 임계값에 기초하여 상기 중간 이미지에서 에지 영역을 검출하는 에지 영역 검출부
    를 포함하는 이미지 에지 검출 장치.
  16. 제15항에 있어서,
    상기 중간 이미지 생성부는,
    상기 입력 이미지의 픽셀값 및 상기 노이즈가 제거된 입력 이미지의 픽셀값 간의 비율을 나타내는 중간 이미지를 생성하는 이미지 에지 검출 장치.
  17. 제15항에 있어서,
    상기 임계값 결정부는,
    상기 중간 이미지의 픽셀들이 가지는 픽셀값 분포에 따라 적응적으로 임계값을 결정하는 이미지 에지 검출 장치.
  18. 제15항에 있어서,
    상기 에지 영역 검출부는,
    상기 임계값과 상기 중간 이미지의 픽셀들이 가지는 픽셀값을 비교하여 상기 중간 이미지에서 에지 영역을 검출하는 이미지 에지 검출 장치.
  19. 제15항에 있어서,
    상기 에지 영역 검출부는,
    상기 에지 영역이 검출된 결과 이미지에서 미리 설정된 임계값보다 적은 수의 픽셀들로 구성되는 독립적인 에지 영역들을 제거하는 이미지 에지 검출 장치.
  20. 입력 이미지의 픽셀 위치 및 픽셀값에 기초하여 결정된 가중치를 상기 입력 이미지의 픽셀들에 적용하고, 가우시안 정규 분포를 이용하여 상기 가중치가 적용된 입력 이미지의 노이즈를 제거하는 노이즈 제거부;
    상기 가중치가 적용된 입력 이미지 및 상기 노이즈가 제거된 입력 이미지에 기초하여 에지 영역이 강조된 중간 이미지를 생성하는 중간 이미지 생성부; 및
    상기 중간 이미지의 픽셀값 분포에 기초하여 상기 중간 이미지에서 에지 영역을 검출하는 에지 영역 검출부
    를 포함하는 이미지 에지 검출 장치.
KR1020130010026A 2013-01-29 2013-01-29 이미지 에지 검출 방법 및 장치 KR101929560B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020130010026A KR101929560B1 (ko) 2013-01-29 2013-01-29 이미지 에지 검출 방법 및 장치
US14/157,127 US9245349B2 (en) 2013-01-29 2014-01-16 Method and apparatus for detecting edge in image

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130010026A KR101929560B1 (ko) 2013-01-29 2013-01-29 이미지 에지 검출 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20140096880A true KR20140096880A (ko) 2014-08-06
KR101929560B1 KR101929560B1 (ko) 2019-03-14

Family

ID=51223032

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130010026A KR101929560B1 (ko) 2013-01-29 2013-01-29 이미지 에지 검출 방법 및 장치

Country Status (2)

Country Link
US (1) US9245349B2 (ko)
KR (1) KR101929560B1 (ko)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101645270B1 (ko) * 2015-05-22 2016-08-04 경북대학교 산학협력단 호흡 운동 측정 장치 및 방법
KR20160112738A (ko) * 2015-03-20 2016-09-28 한화테크윈 주식회사 이진 에지 이미지 획득 방법 및 이를 실행하기 위한 프로그램이 기록되는 컴퓨터로 읽을 수 있는 기록매체
KR20160150455A (ko) * 2015-06-22 2016-12-30 (주)이더블유비엠 다중컬러와 다중방향성에 기반한 영상의 윤곽선 추출방법 및 장치
US10254236B2 (en) 2016-09-23 2019-04-09 Samsung Electronics Co., Ltd. Methods of measuring patterns and methods of manufacturing semiconductor devices including the same
KR102143918B1 (ko) 2019-08-13 2020-08-12 숭실대학교산학협력단 적응적 임계화에 기초한 차량 간 led 경계 검출 방법 및 장치
KR20210019873A (ko) 2019-08-13 2021-02-23 숭실대학교산학협력단 그라디언트 벡터들의 비교 결과에 기초한 차량 led 조명 상태 판단 방법 및 장치
KR20210019878A (ko) 2019-08-13 2021-02-23 숭실대학교산학협력단 인접 그레이스케일 비교에 기초한 차량 led 조명 상태 판단 방법 및 장치
KR20210019879A (ko) 2019-08-13 2021-02-23 숭실대학교산학협력단 평균 그레이스케일 비율에 기초한 차량 led 조명 상태 판단 방법 및 장치
KR20210035361A (ko) * 2019-09-23 2021-04-01 주식회사 딥비전 사용자 중심의 도안 생성 방법 및 시스템
WO2024014789A1 (ko) * 2022-07-15 2024-01-18 주식회사 엔터테이크 차트축감지방법 및 장치

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101929560B1 (ko) * 2013-01-29 2019-03-14 삼성전자주식회사 이미지 에지 검출 방법 및 장치
US9715735B2 (en) * 2014-01-30 2017-07-25 Flipboard, Inc. Identifying regions of free space within an image
JP6317413B1 (ja) * 2016-10-28 2018-04-25 株式会社Pfu 画像処理装置、画像処理方法及び画像処理プログラム
CN106846321B (zh) * 2016-12-08 2020-08-18 广东顺德中山大学卡内基梅隆大学国际联合研究院 一种基于贝叶斯概率与神经网络的图像分割方法
CN107895353B (zh) * 2017-11-09 2021-05-25 武汉大学 一种交互式的深度图纹理拷贝瑕疵去除方法
CN111340721B (zh) * 2020-02-18 2021-02-12 国网电子商务有限公司 一种像素的修正方法、装置、设备及可读存储介质
US11978412B2 (en) * 2021-02-26 2024-05-07 E Ink Holdings Inc. Display device and image processing method
KR20240050860A (ko) 2022-10-12 2024-04-19 강원대학교산학협력단 실시간 윤곽 이미지 추출 기법이 내재된 이미지 센싱 장치 및 방법
CN117173185B (zh) * 2023-11-03 2024-01-19 东北大学 轧制板材的区域检测方法及装置、存储介质、计算机设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000253244A (ja) * 1999-02-26 2000-09-14 Glory Ltd 濃度画像の２値化方法及び記録媒体
JP2006331018A (ja) * 2005-05-25 2006-12-07 Sharp Manufacturing System Corp 画像処理装置および画像処理方法
JP2009116419A (ja) * 2007-11-02 2009-05-28 Nidec Tosok Corp 輪郭検出方法及び輪郭検出装置
JP2011076302A (ja) * 2009-09-30 2011-04-14 Ntt Comware Corp 輪郭抽出装置、輪郭抽出方法、および輪郭抽出プログラム
JP2012073942A (ja) * 2010-09-29 2012-04-12 Olympus Corp 画像処理装置、画像処理方法、および画像処理プログラム

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5424783A (en) * 1993-02-10 1995-06-13 Wong; Yiu-Fai Clustering filter method for noise filtering, scale-space filtering and image processing
TW357327B (en) * 1996-08-02 1999-05-01 Sony Corp Methods, apparatus and program storage device for removing scratch or wire noise, and recording media therefor
US6721448B2 (en) * 2001-02-20 2004-04-13 International Business Machines Corporation Color clustering and segmentation using sigma filtering
JP4998287B2 (ja) 2008-01-25 2012-08-15 ソニー株式会社 画像処理装置および方法、並びにプログラム
US8004588B2 (en) * 2008-08-27 2011-08-23 Seiko Epson Corporation Image processing procedure for receiving mosaic image data and calculating vertical and horizontal-direction color difference components for each pixel
US8331688B2 (en) 2009-01-07 2012-12-11 International Business Machines Corporation Focus-based edge detection
JP5276541B2 (ja) * 2009-07-27 2013-08-28 キヤノン株式会社 画像処理方法及び画像処理装置及びプログラム
KR101248808B1 (ko) 2011-06-03 2013-04-01 주식회사 동부하이텍 경계 영역의 잡음 제거 장치 및 방법
JP2012256202A (ja) 2011-06-09 2012-12-27 Sony Corp 画像処理装置、および画像処理方法、並びにプログラム
KR101929560B1 (ko) * 2013-01-29 2019-03-14 삼성전자주식회사 이미지 에지 검출 방법 및 장치
US8953877B2 (en) * 2013-05-14 2015-02-10 Google Inc. Noise estimation for images

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000253244A (ja) * 1999-02-26 2000-09-14 Glory Ltd 濃度画像の２値化方法及び記録媒体
JP2006331018A (ja) * 2005-05-25 2006-12-07 Sharp Manufacturing System Corp 画像処理装置および画像処理方法
JP2009116419A (ja) * 2007-11-02 2009-05-28 Nidec Tosok Corp 輪郭検出方法及び輪郭検出装置
JP2011076302A (ja) * 2009-09-30 2011-04-14 Ntt Comware Corp 輪郭抽出装置、輪郭抽出方法、および輪郭抽出プログラム
JP2012073942A (ja) * 2010-09-29 2012-04-12 Olympus Corp 画像処理装置、画像処理方法、および画像処理プログラム

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160112738A (ko) * 2015-03-20 2016-09-28 한화테크윈 주식회사 이진 에지 이미지 획득 방법 및 이를 실행하기 위한 프로그램이 기록되는 컴퓨터로 읽을 수 있는 기록매체
KR101645270B1 (ko) * 2015-05-22 2016-08-04 경북대학교 산학협력단 호흡 운동 측정 장치 및 방법
KR20160150455A (ko) * 2015-06-22 2016-12-30 (주)이더블유비엠 다중컬러와 다중방향성에 기반한 영상의 윤곽선 추출방법 및 장치
US10254236B2 (en) 2016-09-23 2019-04-09 Samsung Electronics Co., Ltd. Methods of measuring patterns and methods of manufacturing semiconductor devices including the same
KR102143918B1 (ko) 2019-08-13 2020-08-12 숭실대학교산학협력단 적응적 임계화에 기초한 차량 간 led 경계 검출 방법 및 장치
KR20210019873A (ko) 2019-08-13 2021-02-23 숭실대학교산학협력단 그라디언트 벡터들의 비교 결과에 기초한 차량 led 조명 상태 판단 방법 및 장치
KR20210019878A (ko) 2019-08-13 2021-02-23 숭실대학교산학협력단 인접 그레이스케일 비교에 기초한 차량 led 조명 상태 판단 방법 및 장치
KR20210019879A (ko) 2019-08-13 2021-02-23 숭실대학교산학협력단 평균 그레이스케일 비율에 기초한 차량 led 조명 상태 판단 방법 및 장치
KR20210035361A (ko) * 2019-09-23 2021-04-01 주식회사 딥비전 사용자 중심의 도안 생성 방법 및 시스템
WO2024014789A1 (ko) * 2022-07-15 2024-01-18 주식회사 엔터테이크 차트축감지방법 및 장치

Also Published As

Publication number Publication date
US9245349B2 (en) 2016-01-26
US20140212064A1 (en) 2014-07-31
KR101929560B1 (ko) 2019-03-14

Similar Documents

Publication Publication Date Title
KR101929560B1 (ko) 이미지 에지 검출 방법 및 장치
KR102275452B1 (ko) 색상과 형태를 동시에 고려한 실시간 영상 추적 방법 및 이를 위한 장치
US9947077B2 (en) Video object tracking in traffic monitoring
US9363499B2 (en) Method, electronic device and medium for adjusting depth values
JP6608465B2 (ja) ジェスチャーの検知識別の方法及びシステム
WO2019174276A1 (zh) 用于定位目标物体区域中心的图像处理方法、装置、设备和介质
US20160140399A1 (en) Object detection apparatus and method therefor, and image recognition apparatus and method therefor
EP3226176B1 (en) Method for learning rejector by forming classification tree in use of training images and detecting object in test images, and rejector using the same
Laguna et al. Traffic sign recognition application based on image processing techniques
US6701026B1 (en) Method and apparatus for cancelling lighting variations in object recognition
CN106331746B (zh) 用于识别视频文件中的水印位置的方法和装置
KR102116791B1 (ko) 깊이 정보를 사용한 움직인 물체 검출 장치, 방법 및 컴퓨터 판독 가능한 기록 매체
KR20150094165A (ko) 차량 번호판의 문자 분할 방법 및 장치
KR102195940B1 (ko) 적응적 비최대억제 방법을 이용하는 딥러닝기반 영상객체 탐지를 위한 장치 및 방법
KR20060121503A (ko) 무인 감시 로봇에서 중요 얼굴 추적 장치 및 방법
EP2930687B1 (en) Image segmentation using blur and color
JP2008165496A (ja) 画像正規化装置、対象物検出装置、対象物検出システム及びプログラム
Taha et al. Moving shadow removal for multi-objects tracking in outdoor environments
JP2008027130A (ja) オブジェクト認識装置およびオブジェクト認識方法ならびにオブジェクト認識用プログラム
KR101582800B1 (ko) 적응적으로 컬러 영상 내의 에지를 검출하는 방법, 장치 및 컴퓨터 판독 가능한 기록 매체
KR101453713B1 (ko) 객체 인식 방법 및 그 장치
KR101537788B1 (ko) 평균이동 기반의 영상분할 방식을 이용한 저조도 영상 대비증가 방법
Jaiswal et al. Saliency based automatic image cropping using support vector machine classifier
KR101908938B1 (ko) 배경모델 기반 시간축 최소값 필터링 및 로그 히스토그램을 이용한 전경 객체 검출 방법
KR102143918B1 (ko) 적응적 임계화에 기초한 차량 간 led 경계 검출 방법 및 장치

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