KR20160003016A - Adaptive integral histogram calculation for image thresholding - Google Patents

Adaptive integral histogram calculation for image thresholding Download PDF

Info

Publication number
KR20160003016A
KR20160003016A KR1020157033252A KR20157033252A KR20160003016A KR 20160003016 A KR20160003016 A KR 20160003016A KR 1020157033252 A KR1020157033252 A KR 1020157033252A KR 20157033252 A KR20157033252 A KR 20157033252A KR 20160003016 A KR20160003016 A KR 20160003016A
Authority
KR
South Korea
Prior art keywords
histogram
gray
value
equal
buffer
Prior art date
Application number
KR1020157033252A
Other languages
Korean (ko)
Other versions
KR101863999B1 (en
Inventor
이즈메일 오즈사락
오메르 구네이
Original Assignee
아셀산 엘렉트로닉 사나이 베 티카렛 아노님 시르케티
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 아셀산 엘렉트로닉 사나이 베 티카렛 아노님 시르케티 filed Critical 아셀산 엘렉트로닉 사나이 베 티카렛 아노님 시르케티
Publication of KR20160003016A publication Critical patent/KR20160003016A/en
Application granted granted Critical
Publication of KR101863999B1 publication Critical patent/KR101863999B1/en

Links

Images

Classifications

    • G06K9/4642—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration by the use of histogram techniques
    • G06T7/0081—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G06T2207/20144—
    • G06T2207/20148—

Abstract

이미지 임계치는 타겟의 정확한 측정에 매우 중요하다. 대부분의 좋은 임계치 기술은 프레임 레벨 대신 패치 레벨에서 통합 히스토그램 계산을 요구한다. 이러한 발명은 많은 작은 패치를 프로세싱하는 통합 히스토그램 계산을 줄여주고, 실시간 제약을 충족시킨다.The image threshold is very important for accurate measurement of the target. Most good threshold techniques require integrated histogram computation at the patch level instead of the frame level. This invention reduces integrated histogram computations that process many small patches and satisfies real-time constraints.

Description

이미지 임계치의 적응형 통합 히스토그램 계산{ADAPTIVE INTEGRAL HISTOGRAM CALCULATION FOR IMAGE THRESHOLDING}ADAPTIVE INTEGRAL HISTOGRAM CALCULATION FOR IMAGE THRESHOLDING < RTI ID = 0.0 >

본 발명은 통합 히스토그램 계산 시간을 줄이는 방법과 연관된다.The present invention relates to a method for reducing integrated histogram computation time.

이미지 임계치는 이미지 분할 및 타겟 검출과 같은 많은 이미지 프로세싱에 이용된다. 이용 중인 많은 다른 이미지 임계치 기술이 있다. 이러한 기술은 다른 정확도 성능 및 완성도를 가진다. 대부분의 강력한 임계치 알고리즘은 비용 함수의 귀납적인 계산을 요구한다. 이외에, 비용 함수는 일반적으로 통합 히스토그램 값을 포함한다.The image threshold is used for many image processing such as image segmentation and target detection. There are many different image threshold techniques in use. These techniques have different accuracy performance and completeness. Most powerful threshold algorithms require an inductive calculation of the cost function. In addition, the cost function typically includes an integrated histogram value.

통합 히스토그램을 계산하기 위해, 먼저 이미지의 히스토 그램이 계산되어야 한다. 이미지 히스토그램은 이미지를 스캔하는 동안 그레이 레벨의 수를 카운팅함으로써 계산된다. 각각 그레이 레벨의 전체 수는 도 1의 히스토그램 버퍼에 저장된 p(i) 이다.To compute an integrated histogram, the histogram of the image must first be computed. The image histogram is calculated by counting the number of gray levels during an image scan. The total number of each gray level is p (i) stored in the histogram buffer of FIG.

(p(i): 스캔되는 이미지에서 그레이 레벨의 수를 유지 예를 들어 p(0)은 이미지의 "0"의 값의 픽셀 수를 유지)( p (i) : keeps the number of gray levels in the scanned image, for example p (0) keeps the number of pixels of the value of "0 &

전체 이미지의 스캔과 이미지 히스토그램의 검색 후, 통합 히스토그램은 히스토그램 값 판독에 의해 계산된다. 통합 히스토그램 버퍼의 전체 q(i)는 0부터 i 까지 범위 픽셀의 전체 수를 유지하고 수식 (1)을 포함한다.After scanning the entire image and retrieving the image histogram, the integrated histogram is calculated by reading the histogram value. The entire q (i) of the integrated histogram buffer maintains the total number of pixels in the range from 0 to i and includes Equation (1).

Figure pct00001
(1)
Figure pct00001
(One)

통합 히스토그램을 계산하기 위해, 히스토그램 버퍼는 엔트리별로 판독되어야 한다. 이는 그레이 레벨을 정의하는 전체 비트 수가 N인 경우, 2 N 개의 판독된 작업이 요구되는 것을 의미한다.To compute an integrated histogram, the histogram buffer should be read on an entry-by-entry basis. This means that if the total number of bits defining the gray level is N, then 2 N read operations are required.

(N: 그레이레벨을 정의하는 전체 비트 수, 예를 들어 256 그레이 레벨에서 N=8)(N: the total number of bits defining the gray level, for example N = 8 at 256 gray levels)

표 1은 통합 히스토그램을 계산하는 상응하는 시간 및 판독되는 필요한 사이클을 도시한다. (판독 클락 계산 시간은 100MHZ - 10ns와 같다.)Table 1 shows the corresponding time to calculate the integrated histogram and the required cycle to be read. (The read clock calculation time is equal to 100 MHz - 10 ns.)

NN 판독 사이클Read cycle 시간(ms)Time (ms) 88 256256 0.002560.00256 1010 10241024 0.010240.01024 1212 40964096 0.040960.04096 1414 1638416384 0.163840.16384 1616 6553665536 0.655360.65536

640x512 @ 50Hz의 비디오 시퀀스에서 비디오 프레임(이미지) 지속 시간은 약 20ms이다. 전체 프레임 지속시간과 비교하는 경우, 통합 히스토그램 계산 시간 값은 작고 실시간 흐름에 효과는 없다.The video frame (image) duration in a video sequence of 640x512 @ 50Hz is approximately 20ms. When compared to the full frame duration, the integrated histogram calculation time value is small and has no effect on the real-time flow.

그러나 열 타겟 검출과 같은 일부 어플리케이션에서, 전체 이미지 대신에, 통합 히스토그램이 작은 패치로 계산된다. 패치는 낮은 해상도를 가지는 이미지의 일부이다. 이러한 패치는 다른 차원을 가질 수 있다. (도 2)However, in some applications, such as thermal target detection, instead of the entire image, an integrated histogram is calculated as a small patch. A patch is part of an image with a lower resolution. These patches can have different dimensions. (Fig. 2)

타겟의 정확한 검출을 위해, 이미지 임계치는 매우 중요하다. 실제 타겟 주위에 노이즈가 있을 수 있기 때문에, 이러한 노이즈는 정확한 검출을 저해할 수 있다. 좋은 임계치는 노이즈를 제거할 수 있고, 검출에 적합한 좋은 이진 패치를 생성할 수 있다(도 3). 그러나 대부분의 좋은 임계치 기술은 이미지 레벨 대신에 패치 레벨에서 통합 히스토그램 계산을 요구한다.For accurate detection of the target, the image threshold is very important. Since there may be noise around the actual target, such noise may hinder accurate detection. Good thresholds can remove noise and produce good binary patches suitable for detection (Figure 3). However, most good thresholding techniques require an integrated histogram calculation at the patch level instead of at the image level.

이미지에서, 많은 패치의 결과로서 많은 타겟이 있을 수 있다. 다른 패치 차원에서, 표 2는 얼마나 많은 패치가 640x512 이미지 및 100MHZ에 이르는 클락 동안의 결과적인 통합 이미지 계산 시간에서 실현되는 지를 보여준다.In an image, there can be many targets as a result of many patches. At other patch dimensions, Table 2 shows how many patches are realized at 640x512 images and the resulting integrated image computation time for clocks up to 100MHZ.

패치 차원Patch dimension 패치 수Number of patches 시간(ms) N=8Time (ms) N = 8 시간(ms) N=14Time (ms) N = 14 4x44x4 2048020480 52.428852.4288 3355.44323355.4432 8x88x8 51205120 13.107213.1072 838.8608838.8608 16x1616x16 12801280 3.27683.2768 209.7152209.7152 64x6464x64 8080 0.20480.2048 13.107213.1072

표 2로부터, 표준 통합 히스토그램이 실시간 구현에 적합하지 않음이 명백하다. 본 발명은 이러한 계산 시간 값을 줄이는 새로운 접근법을 제안한다.From Table 2 it is clear that the standard integrated histogram is not suitable for real-time implementation. The present invention proposes a novel approach to reducing this computation time value.

본 발명은 더 짧은 시간에 통합 히스토그램을 계산할 수 있게 한다.The present invention makes it possible to compute an integrated histogram in a shorter time.

일측에 따르면, 적응형 통합 히스토그램 계산(100) 방법은 이미지 또는 패치를 수신하는 단계(101); 상기 히스토그램을 계산하는 단계(102); 상기 최소 또는 최대 그레이 레벨을 계산하는 단계(103); 상기 이웃 관계를 구축하는 단계(104); 다른 그레이 레벨을 추출하는 단계(105); 및 상기 통합 히스토그램을 계산하는 단계(106)를 포함한다.According to one aspect, an adaptive integrated histogram computation (100) method includes receiving (101) an image or a patch; Calculating (102) the histogram; Calculating (103) said minimum or maximum gray level; Establishing (104) the neighbor relationship; Extracting (105) another gray level; And computing (106) the integrated histogram.

일실시예에 따르면, 상기 적응형 통합 히스토그램 계산(100) 방법은 상기 단계 (102), (103), (104) 및 (105)에서, 이미지 또는 패치를 수신(101)하는 상기 캡쳐된 그레이 값(gray values; GV)을 이용한다.According to one embodiment, the method of calculating an adaptive integrated histogram 100 comprises, in steps 102, 103, 104 and 105, receiving the captured gray value (GV).

일실시예에 따르면, 상기 적응형 통합 히스토그램 계산(100) 방법은 상기 캡쳐된 그레이 값으로부터 상기 히스토그램을 계산(102)함으로써 상기 히스토그램 버퍼를 생성한다.According to one embodiment, the adaptive integrated histogram calculation 100 method generates the histogram buffer by calculating (102) the histogram from the captured gray value.

일실시예에 따르면, 상기 적응형 통합 히스토그램 계산(100) 방법은 상기 캡쳐된 그레이 값을 비교함으로써 상기 최소 및 최대 그레이 값을 계산(103)한다.According to one embodiment, the adaptive integrated histogram calculation 100 method calculates 103 the minimum and maximum gray values by comparing the captured gray values.

일실시예에 따르면, 상기 적응형 통합 히스토그램 계산(100) 방법은 상기 통합 히스토그램을 계산하는 상기 단계(106)에서 상기 최소 및 최대 그레이 값을 이용한다.According to one embodiment, the adaptive integrated histogram computation (100) method uses the minimum and maximum gray values in the step (106) of computing the integrated histogram.

일실시예에 따르면, 상기 적응형 통합 히스토그램 계산(100) 방법은 이웃 관계를 구축(104)함으로써 T개의 열(nx) 및 2N-1개의 행(gl -x)을 포함하는 관계 버퍼를 생성한다.According to one embodiment, the adaptive integrated histogram computation method 100 generates a relationship buffer comprising T columns ( nx ) and 2 N -1 rows ( gl- x ) by constructing a neighbor relationship 104 do.

일실시예에 따르면, 상기 이웃 관계를 구축하는 단계(104)는 상기 관계 버퍼를 로직 "영"으로 재설정하는 단계(201); 상기 캡쳐되는 그레이 값(GV)을 판독하는 단계(202); 상기 관계 버퍼를 설정하는 단계(203); 상기 이미지 또는 패치의 끝을 체크하는 단계(204); 상기 판독된 그레이 값이 상기 이미지 또는 패치의 상기 마지막 픽셀에 속하지 않는 경우, 되돌아가는 단계(205); 및 상기 판독된 그레이 값이 상기 이미지 또는 패치의 마지막 픽셀에 속하는 경우, 상기 구축을 종료하는 단계(206)를 더 포함한다.According to one embodiment, establishing (104) the neighbor relationship comprises resetting (201) the relationship buffer to a logic "zero" Reading (202) the captured gray value (GV); Setting (203) the relational buffer; Checking (204) the end of the image or patch; Returning (205) if the read gray value does not belong to the last pixel of the image or patch; And terminating the building if the read gray value belongs to the last pixel of the image or patch (206).

일실시예에 따르면, 상기 관계 버퍼를 설정하는 단계(203)는 x의 상기 값을 "1"과 동일하게 할당하는 단계; gl-(GV-x) / nx을 로직 "1"로 설정하는 단계; "1"을 x에 추가하는 단계; x의 상기 값을 체크하는 단계; x가 " T+1"과 동일하지 않는 경우, 되돌아가는 단계(302); 및 x가 " T+1"과 동일한 경우, 상기 설정을 종료하는 단계를 더 포함한다.According to one embodiment, setting (203) the relational buffer comprises: assigning the value of x equal to "1 "; setting gl- (GV-x) / nx to logic "1 "; Adding "1" to x; checking said value of x; if x is not equal to "T + 1 ", then step 302; And terminating the setting if x is equal to "T + 1 ".

일실시예에 따르면, 점핑을 이용하는 통합 히스토그램을 계산하는 상기 하위 단계에서, 상기 관계 버퍼를 이용한다.According to one embodiment, in the lower step of calculating an integrated histogram using jumping, the relation buffer is used.

일실시예에 따르면, 적응형 통합 히스토그램 계산 방법(100)은 두 가지 방법: 분류(108) 또는 점핑(107)으로 상기 통합 히스토그램을 계산한다.According to one embodiment, an adaptive integrated histogram calculation method 100 calculates the integrated histogram in two ways: a classification 108 or a jumping 107.

일실시예에 따르면, 다른 그레이 레벨을 추출하는 상기 단계(105)에서 획득되는 다른 그레이 값의 상기 수를 평가함으로써 상기 내부 히스토그램 계산 타입; 분류(108) 또는 점핑(107)을 선택한다.According to one embodiment, the internal histogram calculation type is determined by evaluating the number of other gray values obtained in the step (105) of extracting another gray level; The classification 108 or the jumping 107 is selected.

일실시예에 따르면, 다른 그레이 레벨을 추출하는 상기 단계(105)는 상기 다른 그레이 레벨 수를 "0"으로 설정하는 단계(401); 상기 캡쳐된 그레이 값(gray value; GV)을 판독하는 단계(202); 상기 히스토그램 버퍼의 상기 연관된 엔트리 p(GV)를 판독하는 단계(402); p(GV)의 상기 값을 체크하는 단계(403); p(GV)가 "0"일 경우, "1"을 다른 그레이 레벨 수에 추가하는 단계(404); p(GV)가 "0"일 경우, 상기 캡쳐된 그레이 값을 상기 분류 버퍼에 저장하는 단계(405); p(GV)가 "0"이 아닐 경우, 상기 다른 그레이 레벨 수에 변화를 적용하지 않고 버퍼를 분류하는 단계(406); 상기 다른 그레이 레벨 수를 체크하는 단계(407); 다른 그레이 레벨 수가 미리 정해진 값을 초과하는 경우, 상기 계산을 종료하는 단계(408); 상기 이미지 또는 패치의 끝을 체크하는 단계(204); 상기 판독된 그레이 값이 상기 이미지 또는 패치의 상기 마지막 픽셀에 속하지 않는 경우, 되돌아가는 단계(205); 및 상기 판독된 그레이 값이 상기 이미지 또는 패치의 마지막 픽셀에 속하지 않는 경우, 상기 계산을 종료하는 단계(409)를 더 포함한다.According to one embodiment, the step 105 of extracting another gray level comprises setting (401) the number of different gray levels to "0 "; Reading (202) the captured gray value (GV); Reading (402) the associated entry p (GV) of the histogram buffer; checking (403) said value of p (GV); if p (GV) is "0 ", add (1) to the number of different gray levels (404); storing (405) the captured gray value in the classification buffer when p (GV) is "0 "; if p (GV) is not "0 ", classifying (406) the buffer without applying a change to the other number of gray levels; Checking (407) the number of different gray levels; If the number of different gray levels exceeds a predetermined value, terminating the calculation (408); Checking (204) the end of the image or patch; Returning (205) if the read gray value does not belong to the last pixel of the image or patch; And terminating the calculation if the read gray value does not belong to the last pixel of the image or patch (409).

일실시예에 따르면, 적응형 통합 히스토그램 계산 방법(100)은 다른 그레이 값의 상기 수가 미리 정해진 값보다 작은 경우, 분류(108)를 이용하여 상기 내부 히스토그램을 계산한다.According to one embodiment, the adaptive integrated histogram calculation method 100 calculates the internal histogram using the classification 108 if the number of other gray values is less than a predetermined value.

일실시예에 따르면, 분류(108)를 이용하는 내부 히스토그램을 계산하는 단계는 상기 분류 버퍼로부터 상기 다른 그레이 값을 판독하는 단계(501); 상기 다른 그레이 값을 분류하는 단계(502); 상기 분류된 그레이 값을 이용하여 상기 내부 히스토그램을 계산하는 단계(503)를 더 포함한다.According to one embodiment, computing an internal histogram using the classification 108 includes reading (501) the different gray values from the classification buffer; Classifying the different gray values (502); And calculating (503) the internal histogram using the classified gray value.

일실시예에 따르면, 상기 다른 그레이 값을 분류하는 상기 하위 단계(502)는 n x m 블록을 위해 길이 m의 n 배열을 형성하는 단계; 각각의 배열을 2개의 동일한 부분(m/2)으로 분할하는 단계; 각각의 분할된 배열을 분류하는 단계; 분류하는 동안 분할된 배열을 결합하는 단계; 및 분류하는 동안 각각의 배열을 결합하는 단계를 더 포함한다.According to one embodiment, the sub-step 502 of sorting the different gray values comprises forming an n-array of length m for n x m blocks; Dividing each array into two identical portions (m / 2); Classifying each divided array; Combining the divided arrays during sorting; And combining each array during classification.

일실시예에 따르면, 적응형 통합 히스토그램 계산 방법(100)은 다른 그레이 값의 상기 수가 미리 정해진 값보다 큰 경우, 상기 내부 히스토그램(106)을 점핑(107)을 이용하여 계산한다.According to one embodiment, the adaptive integrated histogram calculation method 100 uses the jumping 107 to calculate the internal histogram 106 when the number of other gray values is greater than a predetermined value.

일실시예에 따르면, 점핑(107)을 이용하여 내부 히스토그램을 계산하는 상기 단계는 상기 최소 그레이 값(minimum gray value; MGV)을 판독하는 단계(701); MGV와 동일한 i 및 MGV와 동일한 i valid를 설정하는 단계(702); q(i)를 p(i)와 동일하게 설정하는 단계(703); 관계 버퍼로부터 gl-i를 판독하는 단계(704); x의 상기 값을 "1"과 동일하도록 할당하는 단계(301); gl-i / nx가 로직"1"일 경우, 그레이값 i + x로 점핑하는 단계(705); q(i+x)는 q(i_valid)와 p(i+x)의 합과, i는 i+x와, i_valid는 i+x와 동일하도록 설정하는 단계(706); i가 최대 그레이 값과 동일하지 않은 경우, 단계(704)로 되돌아가고, 그렇지 않은 경우, 단계(711)로 이동하는 단계(707); gl-i / nx가 로직 "0"와 동일한 경우, "1"을 x에 추가하는 단계(708); x가 " T+1"과 동일하지 않은 경우, 단계(705)로 돌아가는 단계(709); i를 i+x와 동일하게 설정하고 단계(704)로 돌아가는 단계(710); 및 상기 계산을 종료하는 단계(711)를 더 포함한다.According to one embodiment, the step of calculating an internal histogram using the jumping 107 includes reading (701) the minimum gray value (MGV); Setting i valid equal to i and MGV equal to MGV (step 702); setting q (i) equal to p (i) (step 703); Reading gl-i from the relational buffer (704); assigning (301) said value of x equal to "1 "; (705) jumping to a gray value i + x when gl-i / nx is a logic "1 "; setting (706) q (i + x) such that the sum of q (i_valid) and p (i + x), i is equal to i + x, and i_valid is equal to i + x; If i is not equal to the maximum gray value, go back to step 704, otherwise go to step 711 (step 707); adding (708) "1" to x if gl-i / nx equals logic "0 "; If x is not equal to "T + 1 ", return to step 705 (step 709); setting i equal to i + x and returning to step 704 (step 710); And terminating the calculation (711).

일실시예에 따르면, 적응형 통합 히스토그램 계산 방법(100)은 상기 최소 그레이 값으로부터 상기 내부 히스토그램 계산을 시작하고 상기 최대 그레이 값까지 상기 계산을 지속한다.According to one embodiment, the adaptive integrated histogram calculation method 100 starts the internal histogram calculation from the minimum gray value and continues the calculation up to the maximum gray value.

본 발명의 목적을 충족시키기 위해 이미지 임계치를 위한 적응형 통합 히스토그램 계산 방법은 첨부된 도면으로 설명된다.
도 1은 히스토그램 및 통합 히스토그램 계산 흐름을 도시한다.
도 2는 이미지의 패치 및 타겟을 도시한다.
도 3은 임계치 동작을 도시한다.
도 4는 적응형 통합 히스토그램 계산 방법의 흐름도이다.
도 5는 관계 버퍼를 도시한다.
도 6은 이웃 관계를 구축하는 단계의 흐름도이다.
도 7은 관계 버퍼를 설정하는 하위 단계의 흐름도이다.
도 8은 다른 그레이 레벨을 추출하는 단계의 흐름도이다.
도 9는 통합 히스토그램을 계산하는 단계를 도시한다.
도 10은 분류를 이용하여 내부 히스토그램을 계산하는 하위 단계의 흐름도이다.
도 11은 다른 그레이 값을 분류하는 하위 단계의 흐름도이다.
도 12는 점핑을 이용하여 내부 히스토그램을 계산하는 하위 단계의 흐름도이다.An adaptive integrated histogram computation method for image thresholds to meet the objectives of the present invention is described in the accompanying drawings.
Figure 1 shows a histogram and an integrated histogram calculation flow.
Figure 2 shows a patch and target of an image.
Figure 3 shows the threshold operation.
4 is a flowchart of an adaptive integrated histogram calculation method.
Figure 5 shows a relationship buffer.
Figure 6 is a flow diagram of the step of establishing a neighbor relationship.
7 is a flowchart of the lower steps of setting a relationship buffer.
8 is a flowchart of a step of extracting another gray level.
Figure 9 shows the step of calculating an integrated histogram.
10 is a flowchart of a sub-step of calculating an internal histogram using a classification.
11 is a flowchart of the sub-steps for classifying different gray values.
12 is a flowchart of a sub-step of calculating an internal histogram using jumping.

적응형 통합 히스토그램 계산(100) 방법은 이미지 또는 패치를 수신하는 단계(101); 상기 히스토그램을 계산하는 단계(102); 상기 최소 또는 최대 그레이 레벨을 계산하는 단계(103); 상기 이웃 관계를 구축하는 단계(104); 다른 그레이 레벨을 추출하는 단계(105); 및 상기 통합 히스토그램을 계산하는 단계(106)를 포함한다.An adaptive integrated histogram calculation (100) method includes receiving (101) an image or a patch; Calculating (102) the histogram; Calculating (103) said minimum or maximum gray level; Establishing (104) the neighbor relationship; Extracting (105) another gray level; And computing (106) the integrated histogram.

본 발명의 선호되는 실시예에서, 상기 적응형 통합 히스토그램 계산(100) 방법은 이미지 또는 패치를 위해 이용될 수 있다. 이미지 또는 패치를 수신(101)한 후에, 상기 캡쳐된 그레이 값(gray values; GV)은 상기 단계 (102), (103), (104) 및 (105)에 의해 이용된다.In a preferred embodiment of the present invention, the adaptive integrated histogram calculation (100) method may be used for an image or a patch. After receiving the image or patch 101, the captured gray values GV are used by steps 102, 103, 104 and 105, respectively.

(도 1의) 히스토그램 버퍼는 이미지 또는 패치의 히스토그램(102)을 계산함으로써 획득된다. 최소 및 최대 그레이 레벨은 캡쳐된 그레이 값을 비교함으로써 계산(103)된다.A histogram buffer (of Figure 1) is obtained by calculating the histogram 102 of the image or patch. The minimum and maximum gray levels are calculated 103 by comparing the captured gray values.

(도 5의) 관계 버퍼는 그레이 레벨 사이의 관계를 저장한다. 관계 버퍼는 T 열(nx) 및 2N-1 행(gl-x)을 포함한다. 행 gl-x는 가능한 그레이 레벨을 나타낸다. 관계의 깊이는 T이고, 이는 미리 정해진 값이다. 예를 들어, gl-0 / n1는 gl-0 와 gl-1 사이의 관계를 저장한다. 계산된 이미지 또는 패치에서, "1"과 동일한 그레이 레벨이 존재하는 경우, gl-0/n1는 "1"로 설정된다. 즉, 버퍼는 그레이 레벨의 다음 유효값을 저장한다.The relationship buffer (of FIG. 5) stores the relationship between gray levels. The relational buffer includes column T (nx) and 2 N -1 rows (gl-x). The line gl-x represents a possible gray level. The depth of the relationship is T, which is a predetermined value. For example, gl-0 / n1 stores the relationship between gl-0 and gl-1. In the calculated image or patch, if there is the same gray level as "1 ", gl-0 / n1 is set to" 1 ". That is, the buffer stores the next valid value of the gray level.

적응형 통합 히스토그램 계산 방법(100)에서, 상기 이웃 관계를 구축하는 단계(104)는 상기 관계 버퍼를 로직 "영"으로 재설정하는 단계(201); 상기 캡쳐되는 그레이 값(GV)을 판독하는 단계(202); 상기 관계 버퍼를 설정하는 단계(203); 상기 이미지 또는 패치의 끝을 체크하는 단계(204); 상기 판독된 그레이 값이 상기 이미지 또는 패치의 상기 마지막 픽셀에 속하지 않는 경우, 되돌아가는 단계(205); 및 상기 판독된 그레이 값이 상기 이미지 또는 패치의 마지막 픽셀에 속하는 경우, 상기 구축을 종료하는 단계(206)를 더 포함한다.In an adaptive integrated histogram computation method (100), establishing (104) the neighbor relationship comprises: resetting (201) the relationship buffer to a logic "zero "; Reading (202) the captured gray value (GV); Setting (203) the relational buffer; Checking (204) the end of the image or patch; Returning (205) if the read gray value does not belong to the last pixel of the image or patch; And terminating the building if the read gray value belongs to the last pixel of the image or patch (206).

본 발명의 선호되는 실시예에서, 상기 관계 버퍼를 설정하는 단계(203)는 x의 상기 값을 "1"과 동일하게 할당하는 단계; gl-(GV-x) / nx을 로직 "1"로 설정하는 단계; "1"을 x에 추가하는 단계; x의 상기 값을 체크하는 단계; x가 " T+1"과 동일하지 않는 경우, 되돌아가는 단계(302); 및 x가 " T+1"과 동일한 경우, 상기 설정을 종료하는 단계를 더 포함한다.In a preferred embodiment of the present invention, setting (203) the relational buffer comprises: assigning the value of x equal to "1 "; setting gl- (GV-x) / nx to logic "1 "; Adding "1" to x; checking said value of x; if x is not equal to "T + 1 ", then step 302; And terminating the setting if x is equal to "T + 1 ".

본 발명의 선호되는 실시예에서, 적응형 통합 히스토그램 계산 방법(100)은 다른 그레이 레벨의 수를 체크하고 두 가지 방법: 두 가지 방법: 분류(108) 또는 점핑(107)으로 상기 통합 히스토그램을 계산한다. 다른 그레이 값의 상기 수가 미리 정해진 값보다 작은 경우, 분류(108)를 이용하여 상기 내부 히스토그램을 계산한다. 다른 그레이 레벨은 다른 그레이 레벨을 추출하는 동안 계산된다.In the preferred embodiment of the present invention, the adaptive integrated histogram calculation method 100 checks the number of different gray levels and calculates the integrated histogram in two ways: either as a classification 108 or as a jumping 107 do. If the number of other gray values is less than a predetermined value, the internal histogram is calculated using the classification 108. The other gray levels are calculated during extraction of the other gray levels.

적응형 통합 히스토그램 계산 방법(100)의 다른 그레이 레벨을 추출하는 상기 단계(105)는 상기 다른 그레이 레벨 수를 "0"으로 설정하는 단계(401); 상기 캡쳐된 그레이 값(gray value; GV)을 판독하는 단계(202); 상기 히스토그램 버퍼의 상기 연관된 엔트리 p(GV)를 판독하는 단계(402); p(GV)의 상기 값을 체크하는 단계(403); p(GV)가 "0"일 경우, "1"을 다른 그레이 레벨 수에 추가하는 단계(404); p(GV)가 "0"일 경우, 상기 캡쳐된 그레이 값을 상기 분류 버퍼에 저장하는 단계(405); p(GV)가 "0"이 아닐 경우, 상기 다른 그레이 레벨 수에 변화를 적용하지 않고 버퍼를 분류하는 단계(406); 상기 다른 그레이 레벨 수를 체크하는 단계(407); 다른 그레이 레벨 수가 미리 정해진 값을 초과하는 경우, 상기 계산을 종료하는 단계(408); 상기 이미지 또는 패치의 끝을 체크하는 단계(204); 상기 판독된 그레이 값이 상기 이미지 또는 패치의 상기 마지막 픽셀에 속하지 않는 경우, 되돌아가는 단계(205); 및 상기 판독된 그레이 값이 상기 이미지 또는 패치의 마지막 픽셀에 속하지 않는 경우, 상기 계산을 종료하는 단계(409)를 더 포함한다.The step 105 of extracting another gray level of the adaptive integrated histogram calculation method 100 may include setting (401) the number of different gray levels to "0 "; Reading (202) the captured gray value (GV); Reading (402) the associated entry p (GV) of the histogram buffer; checking (403) said value of p (GV); if p (GV) is "0 ", add (1) to the number of different gray levels (404); storing (405) the captured gray value in the classification buffer when p (GV) is "0 "; if p (GV) is not "0 ", classifying (406) the buffer without applying a change to the other number of gray levels; Checking (407) the number of different gray levels; If the number of different gray levels exceeds a predetermined value, terminating the calculation (408); Checking (204) the end of the image or patch; Returning (205) if the read gray value does not belong to the last pixel of the image or patch; And terminating the calculation if the read gray value does not belong to the last pixel of the image or patch (409).

본 발명의 선호되는 실시예에서, 분류(108)를 이용하는 내부 히스토그램을 계산하는 단계는 상기 분류 버퍼로부터 상기 다른 그레이 값을 판독하는 단계(501); 상기 다른 그레이 값을 분류하는 단계(502); 상기 분류된 그레이 값을 이용하여 상기 내부 히스토그램을 계산하는 단계(503)를 더 포함한다.In a preferred embodiment of the present invention, computing an internal histogram using the classification 108 includes reading (501) the different gray values from the classification buffer; Classifying the different gray values (502); And calculating (503) the internal histogram using the classified gray value.

본 발명의 선호되는 실시예에서, 상기 다른 그레이 값을 분류하는 상기 하위 단계(502)는 n x m 블록을 위해 길이 m의 n 배열을 형성하는 단계; 각각의 배열을 2개의 동일한 부분(m/2)으로 분할하는 단계; 각각의 분할된 배열을 분류하는 단계; 분류하는 동안 분할된 배열을 결합하는 단계; 및 분류하는 동안 각각의 배열을 결합하는 단계를 더 포함한다.In a preferred embodiment of the present invention, the sub-step 502 of sorting the different gray values comprises forming an n-ary of length m for n x m blocks; Dividing each array into two identical portions (m / 2); Classifying each divided array; Combining the divided arrays during sorting; And combining each array during classification.

본 발명의 선호되는 실시예에서, 통합형 히스토그램 계산은 분류(108)를 이용하여 상기 최소 그레이 값으로부터 상기 내부 히스토그램 계산을 시작하고 상기 최대 그레이 값까지 상기 계산을 지속한다.In the preferred embodiment of the present invention, the integrated histogram computation starts the internal histogram computation from the minimum gray value using the classifier 108 and continues the computation up to the maximum gray value.

표 3은 분류를 완성하기 위해 요구되는 사이클을 도시하고 표 4는 분류가 이용되는 동안 그레이 값의 다른 수를 위한 통합 히스토그램 계산 시간을 도시한다.Table 3 shows the cycles required to complete the classification and Table 4 shows the integrated histogram calculation time for different numbers of gray values while the classification is being used.

동작action 요구 사이클Demand cycle n 배열 형성n array formation 1One 두 부분으로 분할Split into two parts 1One 분할된 배열 분류Split array classification 1One 분할된 배열 합성Partitioned array synthesis mm 각각의 배열 합성Each array synthesis n*mn * m 전체 배열Full array n*m+m+3n * m + m + 3

다른 그레이 레벨의 수Number of different gray levels 분류 사이클Classification cycle 판독 사이클Read cycle 시간(ms)Time (ms) 1616 2323 1616 0.000370.00037 6464 7575 6464 0.001410.00141 100100 113113 100100 0.003070.00307 144144 159159 144144 0.003070.00307 256256 275275 256256 0.005370.00537

다른 그레이 값의 수가 미리 정해진 값보다 큰 경우, 통합 히스토그램은 점핑(107)을 이용하여 계산된다.If the number of different gray values is greater than a predetermined value, the integrated histogram is calculated using the jumping 107. [

본 발명의 선호되는 실시예에서, 점핑(107)을 이용하여 내부 히스토그램을 계산하는 상기 단계는 상기 최소 그레이 값(minimum gray value; MGV)을 판독하는 단계(701); MGV와 동일한 i 및 MGV와 동일한 i valid를 설정하는 단계(702); q(i)를 p(i)와 동일하게 설정하는 단계(703); 관계 버퍼로부터 gl-i를 판독하는 단계(704); x의 상기 값을 "1"과 동일하도록 할당하는 단계(301); gl-i / nx가 로직"1"일 경우, 그레이값 i + x로 점핑하는 단계(705); q(i+x)는 q(i_valid)와 p(i+x)의 합과, i는 i+x와, i_valid는 i+x와 동일하도록 설정하는 단계(706); i가 최대 그레이 값과 동일하지 않은 경우, 단계(704)로 되돌아가고, 그렇지 않은 경우, 단계(711)로 이동하는 단계(707); gl-i / nx가 로직 "0"와 동일한 경우, "1"을 x에 추가하는 단계(708); x가 " T+1"과 동일하지 않은 경우, 단계(705)로 돌아가는 단계(709); i를 i+x와 동일하게 설정하고 단계(704)로 돌아가는 단계(710); 및 상기 계산을 종료하는 단계(711)를 더 포함한다.In a preferred embodiment of the present invention, the step of calculating an internal histogram using the jumping 107 comprises the steps of reading (701) the minimum gray value (MGV); Setting i valid equal to i and MGV equal to MGV (step 702); setting q (i) equal to p (i) (step 703); Reading gl-i from the relational buffer (704); assigning (301) said value of x equal to "1 "; (705) jumping to a gray value i + x when gl-i / nx is a logic "1 "; setting (706) q (i + x) such that the sum of q (i_valid) and p (i + x), i is equal to i + x, and i_valid is equal to i + x; If i is not equal to the maximum gray value, go back to step 704, otherwise go to step 711 (step 707); adding (708) "1" to x if gl-i / nx equals logic "0 "; If x is not equal to "T + 1 ", return to step 705 (step 709); setting i equal to i + x and returning to step 704 (step 710); And terminating the calculation (711).

표 5는 점핑이 이용되는 경우 N=14 및 클락=100MHZ에서, 다른 T 값을 위해 가능한 통합 히스토그램 계산 시간을 도시한다.Table 5 shows the possible integrated histogram calculation times for different T values at N = 14 and clock = 100 MHZ when jumping is used.

TT 판독 사이클Read cycle 시간(ms)Time (ms) 88 20482048 0.020480.02048 1616 10241024 0.010240.01024 3232 512512 0.005120.00512 6464 256256 0.002560.00256

표 6은 640x512의 이미지에 얼마나 많은 패치가 구현될 수 있는 도시하고, 결과적인 100MHZ와 동일한 클락의 통합 이미지 계산 시간은 T =32이다.Table 6 shows how many patches can be implemented in an image of 640x512, and the resultant integrated image calculation time of the same clock as 100MHZ is T = 32.

패치 차원Patch dimension 패치 수Number of patches 타입type 시간(ms)
N=14(제안)Time (ms)
N = 14 (suggestion) 시간(ms)
N=14(표준)Time (ms)
N = 14 (standard) 4x44x4 2048020480 분류Classification 7.57767.5776 3355.44323355.4432 8x88x8 51205120 분류Classification 7.21927.2192 838.8608838.8608 16x1616x16 12801280 점핑Jumping 6.55366.5536 209.7152209.7152 64x6464x64 8080 점핑Jumping 0.40960.4096 13.107213.1072

표 6은 표준 방법 및 제안된 방법 사이에서 상당한 계산 시간의 감소가 있음을 도시한다. 적응형 구조는 다른 그레이 레벨의 수에 따라 방법(분류 또는 점프)을 선택한다.Table 6 shows that there is a significant reduction in computation time between the standard method and the proposed method. The adaptive architecture selects a method (classification or jump) according to the number of different gray levels.

Claims (18)

적응형 통합 히스토그램 계산(100) 방법에 있어서,
이미지 또는 패치를 수신하는 단계(101);
상기 히스토그램을 계산하는 단계(102);
상기 최소 또는 최대 그레이 레벨을 계산하는 단계(103);
상기 이웃 관계를 구축하는 단계(104);
다른 그레이 레벨을 추출하는 단계(105); 및
상기 통합 히스토그램을 계산하는 단계(106)
를 포함하는 적응형 통합 히스토그램 계산 방법(100).
In an adaptive integrated histogram calculation (100) method,
Receiving (101) an image or a patch;
Calculating (102) the histogram;
Calculating (103) said minimum or maximum gray level;
Establishing (104) the neighbor relationship;
Extracting (105) another gray level; And
Computing (106) the integrated histogram;
(100). ≪ / RTI >
제1항에 있어서,
상기 적응형 통합 히스토그램 계산(100) 방법은 상기 단계 (102), (103), (104) 및 (105)에서, 이미지 또는 패치를 수신(101)하는 상기 캡쳐된 그레이 값(gray values; GV)을 이용하는 것에 의해 특징지어지는 적응형 통합 히스토그램 계산 방법(100).
The method according to claim 1,
The method of adaptive integrated histogram calculation 100 further comprises the step of obtaining the captured gray values GV at steps 102, 103, 104 and 105, (100). ≪ / RTI >
제1항에 있어서,
상기 적응형 통합 히스토그램 계산(100) 방법은 상기 캡쳐된 그레이 값으로부터 상기 히스토그램을 계산(102)함으로써 상기 히스토그램 버퍼를 생성하는 것에 의해 특징지어지는 적응형 통합 히스토그램 계산 방법(100).
The method according to claim 1,
Wherein the adaptive integrated histogram calculation (100) method is characterized by generating the histogram buffer by calculating (102) the histogram from the captured gray value.
제1항에 있어서,
상기 적응형 통합 히스토그램 계산(100) 방법은 상기 캡쳐된 그레이 값을 비교함으로써 상기 최소 및 최대 그레이 값을 계산(103)하는 것에 의해 특징지어지는 적응형 통합 히스토그램 계산 방법(100).
The method according to claim 1,
Wherein the adaptive integrated histogram computation (100) method is characterized by computing (103) the minimum and maximum gray values by comparing the captured gray values.
제1항에 있어서,
상기 적응형 통합 히스토그램 계산(100) 방법은 상기 통합 히스토그램을 계산하는 상기 단계(106)에서 상기 최소 및 최대 그레이 값을 이용하는 것에 의해 특징지어지는 적응형 통합 히스토그램 계산 방법(100).
The method according to claim 1,
Wherein the adaptive integrated histogram computation (100) method is characterized by using the minimum and maximum gray values in the step (106) of computing the integrated histogram.
제1항에 있어서,
상기 적응형 통합 히스토그램 계산(100) 방법은 이웃 관계를 구축(104)함으로써 T개의 열(nx) 및 2N-1개의 행(gl -x)을 포함하는 관계 버퍼를 생성하는 것에 의해 특징지어지는 적응형 통합 히스토그램 계산 방법(100).
The method according to claim 1,
The method of computing an adaptive integrated histogram 100 comprises generating a relationship buffer comprising T columns ( nx ) and 2 N -1 rows ( gl- x ) by constructing a neighborhood relationship (104) An adaptive integrated histogram calculation method (100).
제1항에 있어서,
상기 이웃 관계를 구축하는 단계(104)는
상기 관계 버퍼를 로직 "영"으로 재설정하는 단계(201);
상기 캡쳐되는 그레이 값(GV)을 판독하는 단계(202);
상기 관계 버퍼를 설정하는 단계(203);
상기 이미지 또는 패치의 끝을 체크하는 단계(204);
상기 판독된 그레이 값이 상기 이미지 또는 패치의 상기 마지막 픽셀에 속하지 않는 경우, 되돌아가는 단계(205); 및
상기 판독된 그레이 값이 상기 이미지 또는 패치의 마지막 픽셀에 속하는 경우, 상기 구축을 종료하는 단계(206)
를 더 포함하는 적응형 통합 히스토그램 계산 방법(100).
The method according to claim 1,
The step 104 of constructing the neighbor relationship
Resetting the relationship buffer to logic "zero " (step 201);
Reading (202) the captured gray value (GV);
Setting (203) the relational buffer;
Checking (204) the end of the image or patch;
Returning (205) if the read gray value does not belong to the last pixel of the image or patch; And
(206) if the read gray value belongs to the last pixel of the image or patch,
(100). ≪ / RTI >
제7항에 있어서,
상기 관계 버퍼를 설정하는 단계(203)는
x의 상기 값을 "1"과 동일하게 할당하는 단계;
gl-(GV-x) / nx을 로직 "1"로 설정하는 단계;
"1"을 x에 추가하는 단계;
x의 상기 값을 체크하는 단계;
x가 " T+1"과 동일하지 않는 경우, 되돌아가는 단계(302); 및
x가 " T+1"과 동일한 경우, 상기 설정을 종료하는 단계
를 더 포함하는 적응형 통합 히스토그램 계산 방법(100).
8. The method of claim 7,
The step (203) of setting the relation buffer
assigning the value of x equal to "1 ";
setting gl- (GV-x) / nx to logic "1 ";
Adding "1" to x;
checking said value of x;
if x is not equal to "T + 1 ", then step 302; And
If x is equal to "T + 1 ", ending the setting
(100). ≪ / RTI >
제1항에 있어서,
점핑을 이용하는 통합 히스토그램을 계산하는 상기 하위 단계에서, 상기 관계 버퍼를 이용하는 것에 의해 특징지어지는 적응형 통합 히스토그램 계산 방법(100).
The method according to claim 1,
A method (100) for calculating an adaptive integrated histogram characterized by using the relational buffer in the lower step of calculating an integrated histogram using jumping.
제1항에 있어서,
두 가지 방법: 분류(108) 또는 점핑(107)으로 상기 통합 히스토그램을 계산하는 것(106)에 의해 특징지어지는 적응형 통합 히스토그램 계산 방법(100).
The method according to claim 1,
Two methods are characterized by computing (106) said integrated histogram as a classification (108) or jumping (107).
제10항에 있어서,
다른 그레이 레벨을 추출하는 상기 단계(105)에서 획득되는 다른 그레이 값의 상기 수를 평가함으로써 상기 내부 히스토그램 계산 타입; 분류(108) 또는 점핑(107)을 선택하는 것에 의해 특징지어지는 적응형 통합 히스토그램 계산 방법(100).
11. The method of claim 10,
The internal histogram calculation type by evaluating the number of other gray values obtained in the step (105) of extracting another gray level; (100) characterized by selecting a classification (108) or a jumping (107).
제1항에 있어서,
다른 그레이 레벨을 추출하는 상기 단계(105)는
상기 다른 그레이 레벨 수를 "0"으로 설정하는 단계(401);
상기 캡쳐된 그레이 값(gray value; GV)을 판독하는 단계(202);
상기 히스토그램 버퍼의 상기 연관된 엔트리 p(GV)를 판독하는 단계(402);
p(GV)의 상기 값을 체크하는 단계(403);
p(GV)가 "0"일 경우, "1"을 다른 그레이 레벨 수에 추가하는 단계(404);
p(GV)가 "0"일 경우, 상기 캡쳐된 그레이 값을 상기 분류 버퍼에 저장하는 단계(405);
p(GV)가 "0"이 아닐 경우, 상기 다른 그레이 레벨 수에 변화를 적용하지 않고 버퍼를 분류하는 단계(406);
상기 다른 그레이 레벨 수를 체크하는 단계(407);
다른 그레이 레벨 수가 미리 정해진 값을 초과하는 경우, 상기 계산을 종료하는 단계(408);
상기 이미지 또는 패치의 끝을 체크하는 단계(204);
상기 판독된 그레이 값이 상기 이미지 또는 패치의 상기 마지막 픽셀에 속하지 않는 경우, 되돌아가는 단계(205); 및
상기 판독된 그레이 값이 상기 이미지 또는 패치의 마지막 픽셀에 속하지 않는 경우, 상기 계산을 종료하는 단계(409)
를 더 포함하는 적응형 통합 히스토그램 계산 방법(100).
The method according to claim 1,
The step 105 of extracting the other gray levels
Setting (401) the number of different gray levels to "0 ";
Reading (202) the captured gray value (GV);
Reading (402) the associated entry p (GV) of the histogram buffer;
checking (403) said value of p (GV);
if p (GV) is "0 ", add (1) to the number of different gray levels (404);
storing (405) the captured gray value in the classification buffer when p (GV) is "0 ";
if p (GV) is not "0 ", classifying (406) the buffer without applying a change to the other number of gray levels;
Checking (407) the number of different gray levels;
If the number of different gray levels exceeds a predetermined value, terminating the calculation (408);
Checking (204) the end of the image or patch;
Returning (205) if the read gray value does not belong to the last pixel of the image or patch; And
(409) if the read gray value does not belong to the last pixel of the image or patch,
(100). ≪ / RTI >
제10항에 있어서,
다른 그레이 값의 상기 수가 미리 정해진 값보다 작은 경우, 분류(108)를 이용하여 상기 내부 히스토그램을 계산하는 것(106)에 의해 특징지어지는 적응형 통합 히스토그램 계산 방법(100).
11. The method of claim 10,
Characterized by calculating (106) the internal histogram using a classification (108) if the number of different gray values is less than a predetermined value.
제10항에 있어서,
분류(108)를 이용하는 내부 히스토그램을 계산하는 단계는
상기 분류 버퍼로부터 상기 다른 그레이 값을 판독하는 단계(501);
상기 다른 그레이 값을 분류하는 단계(502);
상기 분류된 그레이 값을 이용하여 상기 내부 히스토그램을 계산하는 단계(503)
를 더 포함하는 적응형 통합 히스토그램 계산 방법(100).
11. The method of claim 10,
The step of calculating an internal histogram using the classification 108
Reading (501) the other gray value from the classification buffer;
Classifying the different gray values (502);
Calculating (503) the internal histogram using the classified gray value,
(100). ≪ / RTI >
제14항에 있어서,
상기 다른 그레이 값을 분류하는 상기 하위 단계(502)는
n x m 블록을 위해 길이 m의 n 배열을 형성하는 단계;
각각의 배열을 2개의 동일한 부분(m/2)으로 분할하는 단계;
각각의 분할된 배열을 분류하는 단계;
분류하는 동안 분할된 배열을 결합하는 단계; 및
분류하는 동안 각각의 배열을 결합하는 단계
를 더 포함하는 적응형 통합 히스토그램 계산 방법(100).
15. The method of claim 14,
The sub-step 502 for classifying the other gray values
forming an n array of length m for nxm blocks;
Dividing each array into two identical portions (m / 2);
Classifying each divided array;
Combining the divided arrays during sorting; And
Combining the respective arrays during sorting
(100). ≪ / RTI >
제10항에 있어서,
다른 그레이 값의 상기 수가 미리 정해진 값보다 큰 경우, 상기 내부 히스토그램(106)을 점핑(107)을 이용하여 계산하는 것에 의해 특징지어지는 적응형 통합 히스토그램 계산 방법(100).
11. The method of claim 10,
Characterized in that the internal histogram (106) is calculated using a jumping (107) if the number of different gray values is greater than a predetermined value.
제9항에 있어서,
점핑(107)을 이용하여 내부 히스토그램을 계산하는 상기 단계는
상기 최소 그레이 값(minimum gray value; MGV)을 판독하는 단계(701);
MGV와 동일한 i 및 MGV와 동일한 i valid를 설정하는 단계(702);
q(i)를 p(i)와 동일하게 설정하는 단계(703);
관계 버퍼로부터 gl-i를 판독하는 단계(704);
x의 상기 값을 "1"과 동일하도록 할당하는 단계(301);
gl-i / nx가 로직"1"일 경우, 그레이값 i + x로 점핑하는 단계(705);
q(i+x)는 q(i_valid)와 p(i+x)의 합과, i는 i+x와, i_valid는 i+x와 동일하도록 설정하는 단계(706);
i가 최대 그레이 값과 동일하지 않은 경우, 단계(704)로 되돌아가고, 그렇지 않은 경우, 단계(711)로 이동하는 단계(707);
gl-i / nx가 로직 "0"와 동일한 경우, "1"을 x에 추가하는 단계(708);
x가 " T+1"과 동일하지 않은 경우, 단계(705)로 돌아가는 단계(709);
i를 i+x와 동일하게 설정하고 단계(704)로 돌아가는 단계(710); 및
상기 계산을 종료하는 단계(711)
를 더 포함하는 적응형 통합 히스토그램 계산 방법(100).
10. The method of claim 9,
The step of calculating the internal histogram using the jumping (107)
Reading (701) the minimum gray value (MGV);
Setting i valid equal to i and MGV equal to MGV (step 702);
setting q (i) equal to p (i) (step 703);
Reading gl-i from the relational buffer (704);
assigning (301) said value of x equal to "1 ";
(705) jumping to a gray value i + x when gl-i / nx is a logic "1 ";
setting (706) q (i + x) such that the sum of q (i_valid) and p (i + x), i is equal to i + x, and i_valid is equal to i + x;
If i is not equal to the maximum gray value, go back to step 704, otherwise go to step 711 (step 707);
adding (708) "1" to x if gl-i / nx equals logic "0 ";
If x is not equal to "T + 1 ", return to step 705 (step 709);
setting i equal to i + x and returning to step 704 (step 710); And
In step 711,
(100). ≪ / RTI >
제5항에 있어서,
상기 최소 그레이 값으로부터 상기 내부 히스토그램 계산을 시작하고 상기 최대 그레이 값까지 상기 계산을 지속하는 것에 의해 특징지어지는 적응형 통합 히스토그램 계산 방법(100).6. The method of claim 5,
Characterized by starting the internal histogram calculation from the minimum gray value and continuing the calculation up to the maximum gray value.
KR1020157033252A 2013-12-03 2013-12-03 Adaptive integral histogram calculation for image thresholding KR101863999B1 (en)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/IB2013/060587 WO2015082957A1 (en) 2013-12-03 2013-12-03 Adaptive integral histogram calculation for image thresholding

Publications (2)

Publication Number Publication Date
KR20160003016A true KR20160003016A (en) 2016-01-08
KR101863999B1 KR101863999B1 (en) 2018-06-04

Family

ID=49943421

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020157033252A KR101863999B1 (en) 2013-12-03 2013-12-03 Adaptive integral histogram calculation for image thresholding

Country Status (2)

Country Link
KR (1) KR101863999B1 (en)
WO (1) WO2015082957A1 (en)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008530627A (en) * 2005-02-07 2008-08-07 ミツビシ・エレクトリック・リサーチ・ラボラトリーズ・インコーポレイテッド Computer-implemented method for extracting integrated histograms from sampled data
KR20130058972A (en) * 2011-11-28 2013-06-05 엔에이치엔(주) Image processing apparatus and method for automatically adjustment of image

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7720289B2 (en) * 2005-12-14 2010-05-18 Mitsubishi Electric Research Laboratories, Inc. Method for constructing covariance matrices from data features

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008530627A (en) * 2005-02-07 2008-08-07 ミツビシ・エレクトリック・リサーチ・ラボラトリーズ・インコーポレイテッド Computer-implemented method for extracting integrated histograms from sampled data
KR20130058972A (en) * 2011-11-28 2013-06-05 엔에이치엔(주) Image processing apparatus and method for automatically adjustment of image

Also Published As

Publication number Publication date
KR101863999B1 (en) 2018-06-04
WO2015082957A1 (en) 2015-06-11

Similar Documents

Publication Publication Date Title
CN112837303A (en) Defect detection method, device, equipment and medium for mold monitoring
CN108154080B (en) Method for quickly tracing to source of video equipment
RU2014137122A (en) IMAGE CAPTURE DEVICE, IMAGE CAPTURE SYSTEM AND CONTROL METHOD FOR IMAGE CAPTURE DEVICE
CN110555863A (en) moving object detection method and device and computer readable storage medium
Pok et al. Efficient block matching for removing impulse noise
CN111179291A (en) Edge pixel point extraction method and device based on neighborhood relationship
CN103793873A (en) Obtaining method and device for image pixel mid value
WO2015031350A1 (en) Systems and methods for memory utilization for object detection
CN103996200A (en) Fast image registration method based on parameters of image sub-blocks
KR101863999B1 (en) Adaptive integral histogram calculation for image thresholding
KR20100070896A (en) System and method for detecting of face
CN101461228A (en) Image processing circuit, semiconductor device, and image processing device
CN114298992A (en) Video frame duplication removing method and device, electronic equipment and storage medium
CN105389775B (en) The groups of pictures method for registering of blending image gray feature and structured representation
CN110956108B (en) Small frequency scale detection method based on characteristic pyramid
KR101544156B1 (en) Video retargeting method
US10679336B2 (en) Detecting method, detecting apparatus, and computer readable storage medium
CN111105433A (en) Moving target track extraction method based on block masses
CN112581489A (en) Video compression method, device and storage medium
CN117710655A (en) Connected domain laser spot detection method based on FPGA
Liu et al. A reversible data hiding based on adaptive prediction technique and histogram shifting
CN112288754B (en) Real-time binarization threshold selection method for high-speed image
CN110782438B (en) Image detection method based on maximum inter-class variance method of FPGA (field programmable Gate array)
CN109117844B (en) Password determination method and device
JP4840822B2 (en) Image processing method, apparatus and program

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant