KR20160065474A - Method and apparatus for image processing using histogram - Google Patents

Method and apparatus for image processing using histogram Download PDF

Info

Publication number
KR20160065474A
KR20160065474A KR1020140169466A KR20140169466A KR20160065474A KR 20160065474 A KR20160065474 A KR 20160065474A KR 1020140169466 A KR1020140169466 A KR 1020140169466A KR 20140169466 A KR20140169466 A KR 20140169466A KR 20160065474 A KR20160065474 A KR 20160065474A
Authority
KR
South Korea
Prior art keywords
pixel
pixels
candidate
image
histogram
Prior art date
Application number
KR1020140169466A
Other languages
Korean (ko)
Other versions
KR101981039B1 (en
Inventor
김지호
차준호
정재호
정직한
Original Assignee
한화테크윈 주식회사
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 한화테크윈 주식회사 filed Critical 한화테크윈 주식회사
Priority to KR1020140169466A priority Critical patent/KR101981039B1/en
Publication of KR20160065474A publication Critical patent/KR20160065474A/en
Application granted granted Critical
Publication of KR101981039B1 publication Critical patent/KR101981039B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S128/00—Surgery
    • Y10S128/92—Computer assisted medical diagnostics
    • Y10S128/925—Neural network

Landscapes

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

Abstract

본 발명의 일 실시예에 따른 영상 처리 방법은, 영상에 포함된 픽셀을 이용하여 히스토그램을 생성하는 단계, 상기 히스토그램에서 상기 영상으로부터 검출하고자 하는 검출 대상의 명도에 대응하는 후보 픽셀을 추출하는 단계, 상기 후보 픽셀에 대한 상기 영상 내 좌표를 이용하여 상기 후보 픽셀의 분산 정도를 나타내는 분산도를 산출하는 단계, 상기 분산도를 이용하여 상기 후보 픽셀 중 보존 대상 픽셀을 식별하는 단계 및 상기 영상에 포함된 픽셀 중 상기 보존 대상 픽셀을 제외한 픽셀에 대하여 평활화(Equalization) 작업을 수행하는 단계를 포함할 수 있다.A method of processing an image according to an exemplary embodiment of the present invention includes generating a histogram using pixels included in an image, extracting candidate pixels corresponding to a brightness of a detection target to be detected from the image in the histogram, Calculating a degree of variance representing a degree of variance of the candidate pixels using the in-view coordinates of the candidate pixels; identifying a target pixel of the candidate pixels using the variance; And performing an equalization operation on the pixels excluding the pixel to be preserved among the pixels.

Description

히스토그램을 이용한 영상 처리 방법 및 그 장치{Method and apparatus for image processing using histogram}[0001] The present invention relates to a method and apparatus for image processing using a histogram,

본 발명은 영상 처리 방법 및 그 장치에 관한 것이다. 보다 상세하게는, 머신 비전(Machine vision) 또는 비디오 원격 감시(Video surveillance) 등의 분야에서 검출 대상을 효과적으로 식별할 수 있도록 히스토그램을 이용하여 영상을 처리하기 위한 방법 및 그 장치에 관한 것이다.The present invention relates to an image processing method and apparatus therefor. And more particularly, to a method and apparatus for processing an image using a histogram so as to effectively identify an object to be detected in fields such as machine vision or video surveillance.

영상의 평활화(Equalization)는 영상 개선(Image enhancement)을 위하여 일반적으로 이용되는 기법 중 하나로, 히스토그램(Histogram)을 이용하여 영상의 명도를 재분배함으로써 영상의 선명도를 향상시킬 수 있다.Image equalization is one of the commonly used techniques for image enhancement and can improve the sharpness of the image by redistributing the brightness of the image using a histogram.

하지만, 종래의 평활화 작업은 영상에 포함된 전경(Foreground)와 배경(Background)를 구별하지 않고, 영상 전체에 대한 명도를 재분배함으로써, 영상에 포함된 검출 대상에 대한 정보까지 변경하게 된다.However, in the conventional smoothing operation, the brightness of the entire image is redistributed without discriminating the foreground and the background included in the image, thereby changing information about the detection target included in the image.

따라서, 평활화 작업이 수행된 영상으로부터 검출 작업을 수행하는 경우, 영상에 포함된 검출 대상에 대한 정보가 손실되어 검출 성능이 저하되는 문제가 있었다.Therefore, when performing the detection operation from the image subjected to the smoothing operation, there is a problem that the information about the detection target included in the image is lost and the detection performance is deteriorated.

한국 공개 특허 제2009-0017871호Korean Patent Publication No. 2009-0017871

본 발명이 해결하고자 하는 기술적 과제는, 영상에 포함된 검사체의 결함, 사람 또는 자동차 등과 같은 검출 대상을 제외한 나머지 영상에 대해서만 평활화(Equalization) 작업을 수행하기 위한 방법 및 그 방법을 수행하는 장치를 제공하는 것이다.SUMMARY OF THE INVENTION The present invention is directed to a method and apparatus for performing an equalization operation only for images other than a detection object such as defects of an inspection object included in an image, .

본 발명이 해결하고자 하는 다른 기술적 과제는, 영상에 포함된 검사체의 결함, 사람 또는 자동차 등과 같은 검출 대상에 대하여 선예도(Sharpness) 작업을 수행하기 위한 방법 및 그 방법을 수행하는 장치를 제공하는 것이다.Another object of the present invention is to provide a method for performing a sharpness operation on a detection object such as defects of an inspection object included in an image, a person or an automobile, and an apparatus for performing the method .

본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해 될 수 있을 것이다.The technical objects of the present invention are not limited to the above-mentioned technical problems, and other technical subjects not mentioned can be clearly understood by those skilled in the art from the following description.

상기 기술적 과제를 달성하기 위한 본 발명의 일 태양에 따른 영상 처리 방법은, 영상에 포함된 픽셀을 이용하여 히스토그램을 생성하는 단계, 상기 히스토그램에서 상기 영상으로부터 검출하고자 하는 검출 대상의 명도에 대응하는 후보 픽셀을 추출하는 단계, 상기 후보 픽셀에 대한 상기 영상 내 좌표를 이용하여 상기 후보 픽셀의 분산 정도를 나타내는 분산도를 산출하는 단계, 상기 분산도를 이용하여 상기 후보 픽셀 중 보존 대상 픽셀을 식별하는 단계 및 상기 영상에 포함된 픽셀 중 상기 보존 대상 픽셀을 제외한 픽셀에 대하여 평활화(Equalization) 작업을 수행하는 단계를 포함할 수 있다.According to an aspect of the present invention, there is provided a method of processing an image, the method including generating a histogram using pixels included in an image, generating a histogram, Calculating a degree of variance representing a degree of variance of the candidate pixel using the in-vivo coordinates of the candidate pixel, discriminating a target pixel of the candidate pixels using the variance, And performing an equalization operation on the pixels included in the image except for the storage target pixel.

일 실시예에서, 상기 히스토그램은, 상기 영상에 포함된 각각의 픽셀에 대한 상기 영상 내 좌표를 포함하며, 상기 분산도를 산출하는 단계는, 상기 히스토그램에 포함된 상기 좌표를 이용하여 상기 후보 픽셀의 분산도를 산출하는 단계를 포함할 수 있다.In one embodiment, the histogram includes the intra-image coordinates for each pixel included in the image, and the step of calculating the degree of variance includes calculating the degree of variance by using the coordinates included in the histogram, And calculating a dispersion degree.

일 실시예에서, 상기 분산도를 산출하는 단계는, 상기 좌표를 이용하여 상기 검출 대상의 크기에 대응하는 가상 영역에 상기 후보 픽셀을 매핑하고, 상기 매핑된 후보 픽셀의 수를 기준으로 상기 분산도를 산출하는 단계를 포함할 수 있다.In one embodiment, the step of calculating the degree of dispersion includes: mapping the candidate pixel to a virtual region corresponding to the size of the detection object using the coordinates; and calculating the degree of variance based on the number of the mapped candidate pixels And a step of calculating

일 실시예에서, 상기 후보 픽셀에 대한 상기 영상 내 좌표를 이용하여 상기 후보 픽셀 사이의 근접한 정도를 나타내는 근접도를 산출하는 단계를 더 포함하고, 상기 보존 대상 픽셀을 식별하는 단계는, 상기 근접도를 더 이용하여 상기 후보 픽셀 중 보존 대상 픽셀을 식별하는 단계를 포함할 수 있다.In one embodiment, the method further comprises calculating a proximity representing the proximity between the candidate pixels using the in-vivo coordinates for the candidate pixel, wherein identifying the pixel to be preserved comprises: And identifying the pixel to be preserved among the candidate pixels by further using the pixel value.

일 실시예에서, 상기 근접도를 산출하는 단계는, 상기 좌표를 이용하여 상기 후보 픽셀을 서로 인접한 후보 픽셀의 그룹으로 각각 분류하고, 각각의 그룹에 포함된 후보 픽셀의 수 및 상기 검출 대상의 크기를 비교하여 상기 근접도를 산출하는 단계를 포함할 수 있다.In one embodiment, the calculating the proximity may include: classifying the candidate pixels into groups of adjacent pixels adjacent to each other using the coordinates, calculating a number of candidate pixels included in each group, And calculating the proximity.

상기 기술적 과제를 달성하기 위한 본 발명의 다른 태양에 따른 영상 처리 장치는, 하나 이상의 프로세서, 메모리 및 상기 메모리에 로딩되어 상기 프로세서에 의하여 수행되는 컴퓨터 프로그램이 기록된 스토리지 장치를 포함하되, 상기 컴퓨터 프로그램은, 영상에 포함된 픽셀의 이용하여 히스토그램을 생성하는 일련의 인스트럭션(Instruction), 상기 히스토그램에서 상기 영상으로부터 검출하고자 하는 검출 대상의 명도에 대응하는 후보 픽셀을 추출하는 인스트럭션, 상기 후보 픽셀에 대한 상기 영상 내 좌표를 이용하여 상기 후보 픽셀의 분산 정도를 나타내는 분산도를 산출하는 인스트럭션, 상기 분산도를 이용하여 상기 후보 픽셀 중 보존 대상 픽셀을 식별하는 인스트럭션 및 상기 영상에 포함된 픽셀 중 상기 보존 대상 픽셀을 제외한 픽셀에 대하여 평활화(Equalization) 작업을 수행하는 인스트럭션을 포함할 수 있다.According to another aspect of the present invention, there is provided an image processing apparatus including at least one processor, a memory, and a storage device loaded with the computer program loaded by the processor and executed by the processor, An instruction for extracting a candidate pixel corresponding to a brightness of a detection target to be detected from the image in the histogram, an instruction for extracting a candidate pixel corresponding to the brightness of the detection target from the image in the histogram, An instruction to identify a pixel to be preserved among the candidate pixels using the degree of variance, an instruction to identify a pixel to be preserved among the pixels included in the image, For pixels except And may include instructions to perform equalization operations.

상기와 같은 본 발명에 따르면, 영상에 포함된 검출 대상을 제외한 나머지 영상에 대해서만 평활화 작업을 수행함으로써, 필요한 정보를 유지함과 동시에 영상의 선명도를 향상시킬 수 있는 효과가 있다.According to the present invention as described above, the smoothing operation is performed only for the remaining images excluding the detection target included in the image, thereby maintaining the required information and enhancing the sharpness of the image.

그리고, 검출 대상에 대한 정보가 유지됨으로써, 평활화 작업 수행 후 추가적인 검출 또는 인식 등의 작업을 수행하더라도, 검출 대상을 누락하지 않고 검출할 수 있다.Further, since the information on the detection target is held, even when the smoothing operation is performed and the additional detection or recognition operation is performed, the detection target can be detected without missing.

또한, 상기와 같은 본 발명에 따르면, 영상에 포함된 검출 대상에 대하여 선예도 작업을 수행함으로써, 영상에 포함된 검출 대상의 시인성을 향상시킬 수 있는 효과가 있다.In addition, according to the present invention as described above, there is an effect that the visibility of the detection target included in the image can be improved by performing the sharpness operation on the detection target included in the image.

도 1은 본 발명의 일 실시예에 따른 영상 처리 장치의 영상 처리 방법을 설명하기 위한 순서도이다.
도 2는 본 발명의 일 실시예에 따른 히스토그램을 설명하기 위한 도면이다.
도 3a 내지 도 3c는 본 발명의 일 실시예에 따른 후보 픽셀의 근접도를 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 후보 픽셀의 분산도를 설명하기 위한 도면이다.
도 5는 본 발명의 다른 실시예에 따른 영상처리 장치의 영상 처리 방법을 설명하기 위한 순서도이다.
도 6은 본 발명의 다른 실시예에 따른 후보 픽셀의 분산도를 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따른 영상 처리 장치의 블록도이다.
도 8은 본 발명의 일 실시예에 따른 영상 처리 장치의 하드웨어 구성도이다.1 is a flowchart illustrating an image processing method of an image processing apparatus according to an embodiment of the present invention.
2 is a diagram for explaining a histogram according to an embodiment of the present invention.
3A to 3C are diagrams for explaining a proximity of a candidate pixel according to an embodiment of the present invention.
FIG. 4 is a diagram for explaining dispersion of candidate pixels according to an exemplary embodiment of the present invention. Referring to FIG.
5 is a flowchart illustrating an image processing method of an image processing apparatus according to another embodiment of the present invention.
FIG. 6 is a diagram for explaining the dispersion of candidate pixels according to another embodiment of the present invention.
7 is a block diagram of an image processing apparatus according to an embodiment of the present invention.
8 is a hardware configuration diagram of an image processing apparatus according to an embodiment of the present invention.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 게시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 게시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings. BRIEF DESCRIPTION OF THE DRAWINGS The advantages and features of the present invention and the manner of achieving them will become apparent with reference to the embodiments described in detail below with reference to the accompanying drawings. The present invention may, however, be embodied in many different forms and should not be construed as limited to the embodiments set forth herein. Rather, these embodiments are provided so that this disclosure will be thorough and complete, and will fully convey the scope of the invention to those skilled in the art. Is provided to fully convey the scope of the invention to those skilled in the art, and the invention is only defined by the scope of the claims. Like reference numerals refer to like elements throughout the specification.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다. 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다.Unless defined otherwise, all terms (including technical and scientific terms) used herein may be used in a sense commonly understood by one of ordinary skill in the art to which this invention belongs. Also, commonly used predefined terms are not ideally or excessively interpreted unless explicitly defined otherwise. The terminology used herein is for the purpose of illustrating embodiments and is not intended to be limiting of the present invention. In the present specification, the singular form includes plural forms unless otherwise specified in the specification.

먼저, 본 발명에서 사용되는 용어를 정의한다.First, terms used in the present invention are defined.

전경(Foreground): 영상에서 검출 대상을 포함하고 있는 주요 영역이다. 예를 들어, 머신 비전 분야에 있어서 전경은 검사 대상체의 결함(Defect) 부분을 포함하는 영역이 될 수 있으며, 비디오 원격 감시 분야에 있어서 전경은 감시 지역에 등장하는 사람 또는 자동차 등이 될 수 있다.Foreground: This is the main area that contains the object to be detected in the image. For example, in the field of machine vision, the foreground may be an area containing a defect part of the inspection object, and in the field of video remote monitoring, the foreground may be a person or an automobile emerging in the surveillance area.

배경(Background): 영상에서 전경을 제외한 영역이다.Background: It is the area excluding the foreground in the image.

근접도(Contiguity): 영상에 포함된 둘 이상의 픽셀 사이의 근접한 정도를 나타내는 지표이다.Contiguity: An indicator of the degree of proximity between two or more pixels in an image.

분산도(Variance): 영상에 포함된 둘 이상의 픽셀들의 분산 정도를 나타내는 지표이다.Variance: An indicator of the degree of dispersion of two or more pixels included in an image.

픽셀의 거리(Distance): 영상에 포함된 A 픽셀과 B 픽셀 사이에 위치한 픽셀의 수는 A 픽셀과 B 픽셀 사이의 거리이다.Distance of Pixels: The number of pixels located between the A and B pixels included in the image is the distance between A and B pixels.

이하, 도 1 내지 도 4를 참조하여, 영상에 포함된 검사 대상체의 결함, 사람 또는 자동차 등과 같은 검출 대상을 제외하고 평활화 작업을 수행하기 위한 방법을 설명하기로 한다.Hereinafter, with reference to FIGS. 1 to 4, a description will be made of a method for performing a smoothing operation excluding a defect of an inspection object included in an image, a detection object such as a person or an automobile, and the like.

도 1은 본 발명의 일 실시예에 따른 영상 처리 장치의 영상 처리 방법을 설명하기 위한 순서도이다. 1 is a flowchart illustrating an image processing method of an image processing apparatus according to an embodiment of the present invention.

도 1을 참조하면, 영상 처리 장치는 검출 대상을 포함하고 있는 영상을 입력 받는다(S110). Referring to FIG. 1, the image processing apparatus receives an image including a detection target (S110).

보다 상세하게는, 영상 처리 장치는 S110 단계에서 외부의 영상 제공 장치가 전송한 영상을 네트워크를 통해 입력 받거나, 보조 기억 장치에 저장된 영상을 입력 받을 수 있으나, 이에 한정되는 것은 아니다.More specifically, the image processing apparatus may receive the image transmitted from the external image providing apparatus through the network or receive the image stored in the auxiliary storage apparatus in step S110, but the present invention is not limited thereto.

영상 처리 장치는 S110 단계를 통해 입력 받은 영상에 포함된 픽셀의 명도(Intensity)에 따른 픽셀의 빈도 수를 표현하는 히스토그램을 생성한다(S120). In operation S120, the image processing apparatus generates a histogram representing the frequency of pixels according to the intensity of the pixels included in the input image in operation S120.

특히, 본 발명의 일 실시예에 따른 영상 처리 장치는 S110 단계를 통해 입력 받은 영상에 포함된 각각의 픽셀에 대한 영상 내 좌표를 포함하여 히스토그램을 생성할 수 있다.In particular, the image processing apparatus according to an embodiment of the present invention may generate a histogram including in-image coordinates of each pixel included in the input image through step S110.

S120 단계를 통해 생성된 히스토그램 및 히스토그램에 포함된 픽셀의 좌표에 대하여는, 도 1을 설명한 후 도 2를 참조하여 보다 상세히 설명하기로 한다.The coordinates of the pixels included in the histogram and the histogram generated in step S120 will be described in more detail with reference to FIG. 1 and then with reference to FIG.

영상 처리 장치는 S120 단계를 통해 생성된 히스토그램에서 검출 대상의 명도에 대응하는 후보 픽셀을 추출한다(S130). The image processing apparatus extracts candidate pixels corresponding to the brightness of the detection object in the histogram generated in step S120 (S130).

보다 상세하게는, 영상 처리 장치는 히스토그램에서 검출 대상의 명도로부터 일정 범위(Range) 내에 속하는 명도 중 픽셀의 빈도 수가 가장 큰 명도(Peak Point)를 산출하고, 픽셀의 빈도 수가 가장 큰 명도를 가지는 픽셀을 포함하여 후보 픽셀을 추출한다. 이 경우, 영상 처리 장치는 픽셀의 빈도 수가 가장 큰 명도를 가지는 픽셀 및 픽셀의 빈도 수가 가장 큰 명도와 유사한 명도를 가지는 픽셀을 포함하여 후보 픽셀을 추출할 수 있다.More specifically, the image processing apparatus calculates a peak point at which the frequency of the pixel having the greatest frequency is within a certain range (Range) from the brightness of the detection object in the histogram, To extract candidate pixels. In this case, the image processing apparatus can extract the candidate pixel including the pixel having the highest frequency of the pixel frequency and the pixel having the brightness similar to the frequency with the highest frequency of the pixel frequency.

S130 단계에서, 검출 대상의 명도는 사용자로부터 영상 내에서 식별하고자 하는 검출 대상의 명도를 입력 받아 설정될 수 있다. 또한, 본 발명의 다른 실시 예에 따른 검출 대상의 명도는 사용자로부터 영상 내에서 식별하고자 하는 검출 대상의 색상 정보를 입력 받고, 입력 받은 색상 정보를 기초로 검출 대상의 명도를 계산하여 설정될 수 있다.In step S130, the brightness of the detection object may be set by receiving the brightness of the detection object to be identified in the image from the user. In addition, the brightness of the detection object according to another embodiment of the present invention may be set by receiving the color information of the detection object to be identified in the image from the user and calculating the brightness of the detection object based on the received color information .

일정 범위는 사용자로부터 입력 받은 검출 대상의 명도로부터 가장 적절한 검출 대상의 명도를 선택하기 위한 오차 범위이다.The predetermined range is an error range for selecting the most appropriate brightness of the detection object from the brightness of the detection object input from the user.

그리고, 후보 픽셀은 영상에서 검출 대상을 구성하는 픽셀로 식별될 수 있는 후보가 되는 픽셀이다. 다시 말해, 후보 픽셀은 전경과 배경으로 구성된 영상에서 전경을 구성하는 픽셀로, S130 단계는 영상에서 전경만을 추출하는 단계이다.The candidate pixel is a candidate pixel that can be identified as a pixel constituting the detection target in the image. In other words, the candidate pixel is a pixel constituting the foreground in the image composed of foreground and background, and step S130 is a step of extracting only foreground from the image.

영상 처리 장치는 히스토그램에 포함된 영상에 포함된 픽셀에 대한 좌표를 이용하여 S130 단계를 통해 추출된 후보 픽셀의 근접도 및 분산도 산출한다(S140).The image processing apparatus calculates the proximity and variance of the candidate pixels extracted in step S130 using the coordinates of the pixels included in the image included in the histogram (S140).

보다 상세하게는, S140 단계에서 영상 처리 장치의 후보 픽셀에 대한 근접도 또는 분산도 산출 결과는 높음(High) 또는 낮음(Low) 중 어느 하나가 될 수 있다. More specifically, in step S140, the proximity or variance calculation result of the candidate pixel of the image processing apparatus may be either High or Low.

S140 단계에서, 후보 픽셀의 근접도 및 분산도를 산출하는 방법에 대해서는, 도 1를 설명한 후 도 3a 내지 도 3c 및 도 4를 참조하여 보다 상세히 설명하기로 한다.In step S140, a method of calculating the proximity and variance of the candidate pixels will be described in more detail with reference to FIG. 1 and with reference to FIGS. 3A to 3C and 4.

영상 처리 장치는 S140 단계를 통해 산출된 후보 픽셀의 근접도 및 분산도를 이용하여 후보 픽셀 중 보존 대상 픽셀을 식별한다(S150).The image processing apparatus identifies pixels to be preserved among the candidate pixels by using the proximity and variance of the candidate pixels calculated in step S140 (S150).

보다 상세하게, 영상 처리 장치는 후보 픽셀 중 근접도가 높으며(High), 분산도가 낮은(Low) 후보 픽셀을 보존 대상 픽셀로 식별한다.More specifically, the image processing apparatus identifies a candidate pixel having a high degree of proximity (High) and a low degree of dispersion (Low) among the candidate pixels as a storage target pixel.

S150 단계에서, 보존 대상 픽셀은 영상에서 검출하고자 하는 대상을 구성하는 픽셀이다. 다시 말해, 보존 대상 픽셀은 검사 대상체의 결함, 사람 또는 자동차 등과 같은 검출 대상을 구성하는 픽셀로, S150 단계는 전경에서 검출 대상을 추출하는 단계이다.In step S150, the pixel to be preserved is a pixel constituting an object to be detected in the image. In other words, the pixel to be preserved is a pixel constituting a detection object such as a defect of the inspection object, a person or an automobile, and step S150 is a step of extracting the detection object in the foreground.

영상 처리 장치는 S120 단계를 통해 생성된 히스토그램에 포함된 픽셀 중 S150 단계를 통해 식별된 보존 대상 픽셀을 제외한 픽셀에 대하여 평활화(Equalization) 작업을 수행한다(S160).In operation S160, the image processing apparatus performs an equalization operation on the pixels included in the histogram generated in operation S120, excluding the pixels to be preserved identified through operation S150.

보다 상세하게는, 영상 처리 장치는 히스토그램에 포함된 픽셀 중 보존 대상 픽셀을 제외한 나머지 픽셀에 대하여 명암 값 분포를 균일하게 조정하는 평활화 작업을 수행한다. 즉, 영상 처리 장치는 전경 중 검출 대상이 제외된 영역 및 배경에 대해서만 평활화 작업을 수행한다.More specifically, the image processing apparatus performs a smoothing operation to uniformly adjust a lightness value distribution for pixels other than pixels to be preserved among pixels included in the histogram. That is, the image processing apparatus performs a smoothing operation only on a region and a background excluding the foreground detection target.

따라서, 본 발명의 일 실시예에 따른 영상 처리 장치는 영상에 포함된 검사체의 결함, 사람 또는 자동차 등과 같은 검출 대상을 제외하고 나머지 영상에 대해서만 평활화 작업을 수행함으로써, 필요한 정보를 유지함과 동시에 영상의 선명도를 향상시킬 수 있는 효과를 발휘할 수 있다.Therefore, the image processing apparatus according to the embodiment of the present invention performs smoothing only on the remaining images except for defects of the inspection object included in the image, a detection object such as a person or an automobile, It is possible to improve the sharpness of the image.

영상 처리 장치는 S150 단계를 통해 식별된 보존 대상 픽셀에 대하여 선예도(Sharpness) 작업을 수행한다(S170).The image processing apparatus performs a sharpness operation on the pixel to be preserved identified in operation S150 (S170).

보다 상세하게는, 영상 처리 장치는 S150 단계를 통해 식별되었으며 S160 단계의 평활화 작업에서 제외된 보존 대상 픽셀에 대하여, 픽셀의 대비(Contrast)를 조절하는 선예도 작업을 수행한다. 즉, 영상 처리 장치는 영상에 포함된 검출 대상에 대하여 선예도 작업을 수행한다.More specifically, the image processing apparatus performs a sharpening operation for adjusting the contrast of the pixels, which have been identified through step S150 and are excluded from the smoothing operation in step S160. That is, the image processing apparatus performs sharpness work on the detection target included in the image.

따라서, 본 발명의 일 실시예에 따른 영상 처리 장치는 영상에 포함된 검사체의 결함, 사람 또는 자동차 등과 같은 검출 대상에 대하여 선예도 작업을 수행함으로써, 영상에 포함된 검출 대상의 시인성을 향상시킬 수 있는 효과를 발휘할 수 있다.Accordingly, the image processing apparatus according to an embodiment of the present invention performs a sharpening operation on a detection target such as a defect of the inspection object included in the image, a person, an automobile or the like, thereby improving the visibility of the detection target included in the image The effect can be demonstrated.

그리고, 영상 처리 장치는 S160 단계를 통해 평활화 작업이 수행된 픽셀 및 S170 단계를 통해 선예도 작업이 수행된 보존 대상 픽셀을 포함하여 영상을 재구축한다(S180).In operation S180, the image processing apparatus reconstructs the image including the pixel subjected to the smoothing operation in step S160 and the preservation target pixel on which the sharpening operation has been performed in step S170.

이하, S120 단계를 통해 생성된 히스토그램 및 히스토그램에 포함된 픽셀의 좌표에 대하여, 도 2를 참조하여 상세히 설명하기로 한다.Hereinafter, the coordinates of the pixels included in the histogram and the histogram generated in step S120 will be described in detail with reference to FIG.

도 2는 본 발명의 일 실시예에 따른 히스토그램을 설명하기 위한 도면이다.2 is a diagram for explaining a histogram according to an embodiment of the present invention.

도 2를 참조하면, 본 발명의 일 실시예에 따른 히스토그램은 픽셀의 명도를 X축, 픽셀의 빈도 수를 Y축으로 한다. 그리고, 히스토그램은 영상에 포함된 픽셀 중 특정 명도를 가지는 픽셀의 빈도 수를 표현할 수 있는 누적 막대 그래프 형태를 가진다.Referring to FIG. 2, a histogram according to an exemplary embodiment of the present invention has a brightness of a pixel as an X-axis and a frequency of pixels as a Y-axis. The histogram has a stacked bar graph shape capable of expressing the frequency of pixels having a specific brightness among the pixels included in the image.

특히, 도 2에 도시된 바와 같이, 영상에 포함된 각각의 픽셀을 히스토그램의 누적 막대 그래프를 구성하는 하나의 블록(Block, 25)으로 표현할 경우, 히스토그램에서 각각의 블록(25)은 대응되는 픽셀을 식별하기 위한 식별자(27) 및 해당 픽셀의 영상 내 x, y 좌표(29)를 포함할 수 있다.In particular, as shown in FIG. 2, when each pixel included in an image is represented by one block (Block, 25) constituting a histogram stacking bar graph, each block 25 in the histogram is represented by a corresponding pixel An identifier 27 for identifying the pixel, and an x, y coordinate 29 in the image of the pixel.

그리고, 영상 처리 장치는 히스토그램에서 검출 대상의 명도로부터 일정 범위(23) 내에 속하는 명도 중 픽셀의 빈도 수가 가장 큰 명도(21)을 산출하고, 픽셀의 빈도 수가 가장 큰 명도(21)를 가지는 픽셀 및 픽셀의 빈도 수가 가장 큰 명도(21)와 유사한 명도를 가지는 픽셀을 포함하여 후보 픽셀을 추출할 수 있다.Then, the image processing apparatus calculates the brightness 21 having the largest frequency of the pixels among the brightness within the certain range 23 from the brightness of the detection object in the histogram, and calculates the brightness 21 having the greatest frequency of the pixels, A candidate pixel can be extracted including a pixel having a brightness similar to the brightness 21 having the highest frequency of the pixel.

따라서, 본 발명의 일 실시예에 따른 영상 처리 장치는 히스토그램에 픽셀의 좌표를 포함함으로써, 더 이상 입력 받은 영상을 참조하지 않고도 히스토그램에 포함된 픽셀의 좌표만을 이용하여 영상 처리에 필요한 작업을 수행할 수 있는 효과를 발휘할 수 있다.Therefore, the image processing apparatus according to the embodiment of the present invention includes the coordinates of the pixels in the histogram, and performs operations necessary for image processing using only the coordinates of the pixels included in the histogram without referring to the input image The effect can be achieved.

이하, S140 단계에서 후보 픽셀의 근접도 및 분산도 산출 방법에 대하여, 도 3a 내지 도 3c 및 도 4를 참조하여 상세히 설명하기로 한다.Hereinafter, the method of calculating the proximity and variance of the candidate pixels in step S140 will be described in detail with reference to FIGS. 3A to 3C and FIG.

도 3a 내지 도 3c는 본 발명의 일 실시예에 따른 후보 픽셀의 근접도를 설명하기 위한 도면이다.3A to 3C are diagrams for explaining a proximity of a candidate pixel according to an embodiment of the present invention.

도 3a를 참조하면, 후보 픽셀 각각은 픽셀을 식별하기 위한 식별자 및 해당 픽셀의 영상 내 x, y 좌표를 포함하고 있다.Referring to FIG. 3A, each candidate pixel includes an identifier for identifying a pixel and x and y coordinates of the pixel in the image.

이 경우, C0 후보 픽셀의 x0, y0 및 C1 후보 픽셀의 x1, y1 사이의 거리가 0이며, C4 후보 픽셀의 x4, y4, C5 후보 픽셀의 x5, y5, C7 후보 픽셀의 x7, y7, 및 C8 후보 픽셀의 x8, y8 사이의 거리가 0이라고 가정한다.In this case, the distance between x0, y0 of the C0 candidate pixel and x1, y1 of the C1 candidate pixel is 0, and x4, y4 of the C4 candidate pixel, x5, y5 of the C4 candidate pixel, y7 of the candidate pixel, Assume that the distance between x8 and y8 of the C8 candidate pixel is zero.

도 3b를 참조하면, 후보 픽셀들은 거리가 0인 후보 픽셀로 구성된 하나 이상의 그룹으로 구별될 수 있다. Referring to FIG. 3B, candidate pixels may be distinguished into one or more groups of candidate pixels having a distance of zero.

따라서, 영상 처리 장치는 후보 픽셀을 서로 인접한 후보 픽셀의 그룹으로 각각 분류한다.Therefore, the image processing apparatus classifies the candidate pixels into groups of adjacent candidate pixels, respectively.

즉, 영상 처리 장치는 C0 후보 픽셀 내지 C8 후보 픽셀을 C0 후보 픽셀 및 C1 후보 픽셀로 구성된 그룹 1(31), C2 후보 픽셀로 구성된 그룹 2(33), C3 후보 픽셀로 구성된 그룹 3(35), C4 후보 픽셀, C5 후보 픽셀, C7 후보 픽셀 및 C8 후보 픽셀로 구성된 그룹(37) 및 C6 후보 픽셀로 구성된 그룹 4(39)로 분류할 수 있다.That is, the image processing apparatus includes a group 1 (31) composed of C0 candidate pixels and C1 candidate pixels, a group 2 (33) composed of C2 candidate pixels, a group 3 (35) composed of C3 candidate pixels, , A group 37 composed of a C4 candidate pixel, a group C5 candidate pixel, a group C7 candidate pixel, and a group C8 candidate pixel, and a group 4 39 composed of a C6 candidate pixel.

도 3c를 참조하면, 후보 픽셀들은 각각의 후보 픽셀이 포함된 그룹 1(31) 내지 그룹 4(39)로 나열되어 표현될 수 있다. Referring to FIG. 3C, the candidate pixels may be represented by group 1 (31) to group 4 (39) including each candidate pixel.

영상 처리 장치는 그룹 1(31) 내지 그룹 4(39)에 포함된 후보 픽셀의 수를 산출한다.The image processing apparatus calculates the number of candidate pixels included in the group 1 (31) to the group 4 (39).

그리고, 영상 처리 장치는 각각의 그룹에 포함된 후보 픽셀의 수가 검출 대상의 최소 크기보다 큰 경우, 해당 그룹에 포함된 후보 픽셀의 근접도를 높음(High)으로 산출한다. 그리고, 영상 처리 장치는 각각의 그룹에 포함된 후보 픽셀의 수가 검출 대상의 최소 크기보다 작은 경우, 해당 그룹에 포함된 후보 픽셀의 근접도를 낮음(Low)으로 산출한다.If the number of candidate pixels included in each group is larger than the minimum size of the detection target, the image processing apparatus calculates the proximity of the candidate pixels included in the group to be high. When the number of candidate pixels included in each group is smaller than the minimum size of the detection target, the image processing apparatus calculates the proximity of the candidate pixels included in the group as low.

여기서, 검출 대상의 최소 크기는 사용자로부터 영상 내에서 식별하고자 하는 검출 대상의 최소 크기를 입력 받아 설정될 수 있으나, 이에 한정되지 않고, 영상 처리 장치에 프리셋(Preset)되어 있을 수 있다.Here, the minimum size of the detection target may be set by receiving a minimum size of the detection target to be identified in the image from the user, but it is not limited thereto and may be preset in the image processing apparatus.

도 4는 본 발명의 일 실시예에 따른 후보 픽셀의 분산도를 설명하기 위한 도면이다.FIG. 4 is a diagram for explaining dispersion of candidate pixels according to an exemplary embodiment of the present invention. Referring to FIG.

도 4를 참조하면, 영상 처리 장치는 후보 픽셀의 영상 내 좌표를 기초로 검출 대상의 최소 크기(41)를 한 변의 크기로 하는 2차원 커널(Kernel)에 후보 픽셀(43, 45)을 매핑한다. 여기서, 커널은 계산의 편의를 위한 일종의 가상 영역이다.Referring to FIG. 4, the image processing apparatus maps candidate pixels 43 and 45 to a two-dimensional kernel (Kernel) having the minimum size 41 of the detection object as one side based on the in-image coordinates of the candidate pixel . Here, the kernel is a kind of virtual area for convenience of calculation.

그리고, 영상 처리 장치는 각각의 커널에 매핑된 후보 픽셀이 하기 수학식 1을 만족하는 경우, 해당 커널에 포함된 후보 픽셀의 분산도를 높음(High)으로 산출하고, 수학식 1을 만족하지 못하는 경우, 해당 커널에 포함된 후보 픽셀의 분산도를 낮음(Low)으로 산출한다.When the candidate pixel mapped to each of the kernels satisfies Equation (1), the image processing apparatus calculates the degree of variance of the candidate pixels included in the corresponding kernel as High and does not satisfy Equation (1) , The degree of dispersion of the candidate pixels included in the kernel is calculated as Low.

Figure pat00001
Figure pat00001

(N 은 검출 대상의 최소 크기, P 는 커널에 매핑된 후보 픽셀의 수)(Where N is the minimum size of the object to be detected and P is the number of candidate pixels mapped to the kernel)

다만, 영상 처리 장치는 하나의 커널에 매핑된 후보 픽셀이 상기 영상 내 좌표에 따라 두 개의 그룹으로 구별되는 경우, 해당 커널에 매핑된 후보 픽셀의 수 P 를 다음과 같이 계산한다.However, when the candidate pixels mapped to one kernel are classified into two groups according to the coordinates in the image, the image processing apparatus calculates the number P of candidate pixels mapped to the corresponding kernel as follows.

설명의 편의를 위하여, 하나의 커널에 매핑된 두 개의 그룹을 각각 그룹 A(43)와 그룹 B(45)라고 하자.For convenience of explanation, let us say that two groups mapped to one kernel are group A (43) and group B (45), respectively.

그룹 A(43)에 포함된 후보 픽셀 중 그룹 B(45)에 가장 가까운 후보 픽셀 A(47)와 그룹 B(45)에 포함된 후보 픽셀 중 그룹 A(43)에 가장 가까운 후보 픽셀 B(49)의 거리가 N 보다 큰 경우, 영상 처리 장치는 그룹 A에 포함된 후보 픽셀의 수와 그룹 B에 포함된 후보 픽셀의 수 중 큰 값을 P 로 계산한다.The candidate pixel A 47 closest to the group B 45 among the candidate pixels included in the group A 43 and the candidate pixel B 49 49 closest to the group A 43 among the candidate pixels included in the group B 45 ) Is greater than N , the image processing apparatus calculates P as the larger of the number of candidate pixels included in the group A and the number of candidate pixels included in the group B. [

이와 반대로, 그룹 A(43)에 포함된 후보 픽셀 중 그룹 B(45)에 가장 가까운 후보 픽셀 A(47)와 그룹 B(45)에 포함된 후보 픽셀 중 그룹 A(43)에 가장 가까운 후보 픽셀 B(49)의 거리가 N 보다 작거나 같은 경우, 영상 처리 장치는 그룹 A에 포함된 후보 픽셀의 수와 그룹 B에 포함된 후보 픽셀의 수를 합한 값을 P 로 계산한다.Conversely, among the candidate pixels included in the group A 43, the candidate pixel A 47 closest to the group B 45 and the candidate pixel 46 closest to the group A 43 among the candidate pixels included in the group B 45 If the distance of B (49) is less than or equal to N , the image processing apparatus calculates P as the sum of the number of candidate pixels included in group A and the number of candidate pixels included in group B.

이하, 도 5 및 도 6을 참조하여, 영상에 포함된 안개 또는 연기 등과 같은 검출 대상을 포함하여 평활화 작업을 수행하기 위한 방법을 설명하기로 한다.Hereinafter, with reference to FIG. 5 and FIG. 6, a method for performing a smoothing operation including a detection object such as fog or smoke included in an image will be described.

도 5는 본 발명의 다른 실시예에 따른 영상 처리 장치의 영상 처리 방법을 설명하기 위한 순서도이다.5 is a flowchart illustrating an image processing method of an image processing apparatus according to another embodiment of the present invention.

도 5를 참조하면, 영상 처리 장치는 검출 대상을 포함하고 있는 영상을 입력 받는다(S210). Referring to FIG. 5, the image processing apparatus receives an image including a detection target (S210).

보다 상세하게는, 영상 처리 장치는 S210 단계에서 외부의 영상 제공 장치가 전송한 영상을 네트워크를 통해 입력 받거나, 보조 기억 장치에 저장된 영상을 입력 받을 수 있으나, 이에 한정되는 것은 아니다.More specifically, the image processing apparatus receives the image transmitted from the external image providing apparatus through the network or receives the image stored in the auxiliary storage apparatus in step S210, but is not limited thereto.

영상 처리 장치는 S210 단계를 통해 입력 받은 영상에 포함된 픽셀의 명도(Intensity)에 따른 픽셀의 빈도 수를 표현하는 히스토그램을 생성한다(S220). In operation S220, the image processing apparatus generates a histogram representing the frequency of pixels according to the intensity of the pixels included in the input image in operation S210.

특히, 본 발명의 일 실시예에 따른 영상 처리 장치는 S210 단계를 통해 입력 받은 영상에 포함된 각각의 픽셀에 대한 영상 내 좌표를 히스토그램에 포함하여 히스토그램을 생성할 수 있다.In particular, the image processing apparatus according to an embodiment of the present invention can generate a histogram by including in-image coordinates of each pixel included in the input image through the histogram in step S210.

S220 단계를 통해 생성된 히스토그램 및 히스토그램에 포함된 픽셀의 좌표에 대한 구체적은 설명은 도 2를 참조하여 상술한 바와 같다.The detailed description of the coordinates of the pixels included in the histogram and the histogram generated in step S220 is as described above with reference to FIG.

영상 처리 장치는 S220 단계를 통해 생성된 히스토그램에서 검출 대상의 명도에 대응하는 후보 픽셀을 추출한다(S230). The image processing apparatus extracts a candidate pixel corresponding to the brightness of the detection object in the histogram generated in step S220 (S230).

보다 상세하게는, 영상 처리 장치는 히스토그램에서 검출 대상의 명도로부터 일정 범위(Range) 내에 속하는 명도 중 픽셀의 빈도 수가 가장 큰 명도(Peak Point)를 산출하고, 픽셀의 빈도 수가 가장 큰 명도를 가지는 픽셀을 포함하여 후보 픽셀을 추출한다. 이 경우, 영상 처리 장치는 픽셀의 빈도 수가 가장 큰 명도를 가지는 픽셀 및 픽셀의 빈도 수가 가장 큰 명도와 유사한 명도를 가지는 픽셀을 포함하여 후보 픽셀을 추출할 수 있다.More specifically, the image processing apparatus calculates a peak point at which the frequency of the pixel having the greatest frequency is within a certain range (Range) from the brightness of the detection object in the histogram, To extract candidate pixels. In this case, the image processing apparatus can extract the candidate pixel including the pixel having the highest frequency of the pixel frequency and the pixel having the brightness similar to the frequency with the highest frequency of the pixel frequency.

S230 단계에서, 후보 픽셀은 영상에서 검출 대상을 구성하는 픽셀로 식별될 수 있는 후보가 되는 픽셀이다. 다시 말해, 후보 픽셀은 전경과 배경으로 구성된 영상에서 전경을 구성하는 픽셀로, S130 단계는 영상에서 전경만을 추출하는 단계이다.In step S230, the candidate pixel is a candidate pixel that can be identified as a pixel constituting the detection target in the image. In other words, the candidate pixel is a pixel constituting the foreground in the image composed of foreground and background, and step S130 is a step of extracting only foreground from the image.

영상 처리 장치는 히스토그램에 포함된 영상에 포함된 픽셀에 대한 좌표를 이용하여 S230 단계를 통해 추출된 후보 픽셀의 분산도 산출한다(S240). The image processing apparatus calculates the variance of the candidate pixels extracted in step S230 using the coordinates of the pixels included in the image included in the histogram (S240).

보다 상세하게는, 영상에 포함된 검출 대상이 안개 또는 연기 등과 같은 형태인 경우, 후보 픽셀의 근접도를 별도로 산출하지 아니하며, 후보 픽셀의 분산도만을 산출한다. S240 단계에서 후보 픽셀의 분산도를 산출하는 방법에 대해서는, 도 5를 설명한 후 도 6을 참조하여 보다 상세히 설명하기로 한다.More specifically, when the detection object contained in the image is in the form of fog, smoke, or the like, the proximity of the candidate pixel is not separately calculated, and only the degree of dispersion of the candidate pixel is calculated. The method of calculating the variance of the candidate pixels in step S240 will be described in more detail with reference to FIG. 5 and with reference to FIG.

영상 처리 장치는 S240 단계를 통해 산출된 후보 픽셀의 분산도를 이용하여 후보 픽셀 중 보존 대상 픽셀을 식별한다(S250).The image processing apparatus identifies a pixel to be preserved among the candidate pixels using the degree of variance of the candidate pixel calculated in step S240 (S250).

보다 상게하게, 영상 처리 장치는 후보 픽셀 중 분산도가 높은(High) 후보 픽셀을 보존 대상 픽셀로 식별한다. 그리고, 영상 처리 장치는 후보 픽셀 중 분산도가 낮은(Low) 후보 픽셀을 검출 대상을 구성하는 픽셀로 식별한다.More specifically, the image processing apparatus identifies a candidate pixel having a high degree of dispersion (Candidate) among candidate pixels as a target pixel to be stored. Then, the image processing apparatus identifies candidate pixels having low dispersion (Low) among the candidate pixels as pixels constituting the detection target.

S250 단계에서, 검출 대상을 구성하는 픽셀은 안개 또는 연기 등과 같은 검출하고자 하는 대상을 구성하는 픽셀이다. In step S250, the pixels constituting the detection target are pixels constituting an object to be detected such as fog or smoke.

그리고, 보존 대상 픽셀은 전경에 포함된 픽셀 중에서 검출 대상을 구성하는 픽셀을 제외한 픽셀이다. 다시 말해, 보존 대상 픽셀은 전경에서 안개 또는 연기 등이 제외된 검사 대상체의 결함, 사람 또는 자동차 등을 구성하는 픽셀이 될 수 있다.The pixel to be preserved is a pixel excluding the pixels constituting the detection target among the pixels included in the foreground. In other words, the pixel to be preserved may be a defect constituting a defect of the inspection object, a pixel constituting a person or an automobile, etc., in which fog or smoke is excluded from the foreground.

영상 처리 장치는 S220 단계를 통해 생성된 히스토그램에 포함된 픽셀 중 S250 단계를 통해 식별된 보존 대상 픽셀을 제외한 픽셀에 대하여 평활화 작업을 수행한다(S260).In operation S260, the image processing apparatus performs a smoothing operation on the pixels included in the histogram generated in operation S220, excluding the pixels to be preserved identified through operation S250.

보다 상세하게는, 영상 처리 장치는 히스토그램에 포함된 픽셀 중 보존 대상 픽셀을 제외한 나머지 픽셀에 대하여 명암 값 분포를 균일하게 조정하는 평활화 작업을 수행한다. 즉, 영상 처리 장치는 전경에 포함된 안개 또는 연기 등과 같은 검출 대상 및 배경에 대해서만 평활화 작업을 수행한다.More specifically, the image processing apparatus performs a smoothing operation to uniformly adjust a lightness value distribution for pixels other than pixels to be preserved among pixels included in the histogram. That is, the image processing apparatus performs smoothing only on detection objects and backgrounds such as fog or smoke included in the foreground.

따라서, 본 발명의 일 실시예에 따른 영상 처리 장치는 영상에 포함된 안개 또는 연기 등과 같은 검출 대상 및 영상의 배경에 대해서만 평활화 작업을 수행함으로써, 필요한 정보를 유지함과 동시에 영상의 선명도를 향상시킬 수 있는 효과를 발휘할 수 있다.Therefore, the image processing apparatus according to an embodiment of the present invention performs smoothing only on the detection object and the background of the image such as fog or smoke included in the image, thereby maintaining necessary information and improving the sharpness of the image The effect can be demonstrated.

그리고, 영상 처리 장치는 S260 단계를 통해 평활화 작업이 수행된 픽셀 및 평활화 작업이 수행되지 않은 보존 대상 픽셀을 포함하여 영상을 재구축한다(S270).In operation S270, the image processing apparatus reconstructs the image including the pixels subjected to the smoothing operation and the pixels not subjected to the smoothing operation in operation S260.

이하, S240 단계에서 후보 픽셀의 분산도 산출 방법에 대하여, 도 6을 참조하여 상세히 설명하기로 한다.Hereinafter, a method of calculating the variance of candidate pixels in step S240 will be described in detail with reference to FIG.

도 6은 본 발명의 다른 실시예에 따른 후보 픽셀의 분산도를 설명하기 위한 도면이다.FIG. 6 is a diagram for explaining the dispersion of candidate pixels according to another embodiment of the present invention.

도 6을 참조하면, 영상 처리 장치는 후보 픽셀의 영상 내 좌표를 기초로 검출 대상의 최소 크기(61)를 한 변의 크기로 하는 2차원 커널(Kernel)에 후보 픽셀(63)을 매핑한다. 여기서, 커널은 계산의 편의를 위한 일종의 가상 영역이다.Referring to FIG. 6, the image processing apparatus maps a candidate pixel 63 to a two-dimensional kernel (Kernel) having the minimum size 61 of the detection object as one side based on the in-image coordinates of the candidate pixel. Here, the kernel is a kind of virtual area for convenience of calculation.

그리고, 영상 처리 장치는 각각의 커널에 매핑된 후보 픽셀이 하기 수학식 2를 만족하는 경우, 해당 커널에 포함된 후보 픽셀의 분산도를 높음(High)으로 산출하고, 수학식 2를 만족하지 못하는 경우, 해당 커널에 포함된 후보 픽셀의 분산도를 낮음(Low)으로 산출한다.When the candidate pixel mapped to each of the kernels satisfies Equation (2), the image processing apparatus calculates the degree of variance of the candidate pixels included in the corresponding kernel as High and does not satisfy Equation (2) , The degree of dispersion of the candidate pixels included in the kernel is calculated as Low.

Figure pat00002
Figure pat00002

(N 은 검출 대상의 최소 크기, P 는 커널에 매핑된 후보 픽셀의 수)(Where N is the minimum size of the object to be detected and P is the number of candidate pixels mapped to the kernel)

이하, 본 발명의 일 실시예에 따른 영상 처리 장치의 논리적 구성에 대하여, 도 7 및 도 8을 참조하여 상세히 설명하기로 한다.Hereinafter, the logical configuration of the image processing apparatus according to an embodiment of the present invention will be described in detail with reference to FIGS. 7 and 8. FIG.

도 7은 본 발명의 일 실시예에 따른 영상 처리 장치(300)의 블록도이다.7 is a block diagram of an image processing apparatus 300 according to an embodiment of the present invention.

도 7을 참조하면, 영상 처리 장치(300)는 통신부(310), 입출력부(320), 히스토그램 생성부(330), 후보 픽셀 식별부(340), 근접도 계산부(350), 분산도 계산부(360), 보존 대상 식별부(370), 영상 처리부(380) 및 영상 재구축부(390)를 포함할 수 있다.7, the image processing apparatus 300 includes a communication unit 310, an input / output unit 320, a histogram generation unit 330, a candidate pixel identification unit 340, a proximity calculation unit 350, A storage unit 360, a storage object identification unit 370, an image processing unit 380, and an image reconstruction unit 390. [

통신부(310)는 영상 처리 장치가 네트워크를 통해 외부의 영상 제공 장치와 데이터를 송수신하며, 영상 처리하기 위한 원본 영상을 수신하거나, 영상 처리된 결과 영상을 송신한다.The communication unit 310 transmits / receives data to / from an external image providing apparatus through a network, receives an original image for image processing, or transmits a processed image.

입출력부(320)는 사용자로부터 영상 처리 장치에 필요한 데이터를 입출력하며, 검출 대상의 명도 또는 색상 정보, 검출 대상의 최소 크기를 입력 받는다.The input / output unit 320 inputs and outputs data necessary for the image processing apparatus from the user, receives the brightness or color information of the detection target, and the minimum size of the detection target.

히스토그램 생성부(330)는 통신부(310)를 통해 입력 받은 영상을 이용하여 픽셀의 명도에 따른 픽셀의 빈도 수를 표현하는 히스토그램을 생성한다. 특히, 본 발명의 일 실시예에 따른 히스토그램 생성부(330)는 영상에 포함된 각각의 픽셀에 대한 영상 내 좌표를 포함하여 히스토그램을 생성할 수 있다.The histogram generator 330 generates a histogram representing the frequency of pixels according to brightness of the pixel using the image received through the communication unit 310. [ In particular, the histogram generator 330 according to an exemplary embodiment of the present invention may generate a histogram including the in-image coordinates of each pixel included in the image.

후보 픽셀 식별부(340)는 히스토그램 생성부(330)를 통해 생성된 히스토그램에서 입출력부(320)를 통해 입력 받은 검출 대상의 명도에 대응하는 후보 픽셀을 추출한다.The candidate pixel identification unit 340 extracts a candidate pixel corresponding to the brightness of the detection subject input through the input / output unit 320 in the histogram generated through the histogram generation unit 330. [

보다 상세하게는, 후보 픽셀 식별부(340)는 히스토그램에서 검출 대상의 명도로부터 일정 범위 내에 속하는 명도 중 픽셀의 빈도 수가 가장 큰 명도를 산출하고, 픽셀의 빈도 수가 가장 큰 명도를 가지는 픽셀을 포함하여 후보 픽셀을 추출한다. 이 경우, 후보 픽셀 식별부(340)는 픽셀의 빈도 수가 가장 큰 명도를 가지는 픽셀 및 픽셀의 빈도 수가 가장 큰 명도와 유사한 명도를 가지는 픽셀을 포함하여 후보 픽셀을 추출할 수 있다.More specifically, the candidate pixel identification unit 340 calculates a brightness with the greatest frequency of pixels among the brightness within a certain range from the brightness of the detection object in the histogram, and includes pixels having the greatest frequency of the pixels Extract candidate pixels. In this case, the candidate pixel identification unit 340 may extract the candidate pixel including the pixel having the highest frequency of the pixel frequency and the pixel having the brightness similar to the frequency with the highest frequency of the pixel frequency.

근접도 계산부(350)는 후보 픽셀 식별부(340)를 통해 추출된 후보 픽셀의 근접도를 산출한다. 보다 상세하게는, 근접도 계산부(350)의 후보 픽셀에 대한 근접도 산출 방법은 상기 도 3a 내지 도 3c을 참조하여 상술한 바와 같다.The proximity calculator 350 calculates the proximity of the candidate pixel extracted through the candidate pixel identifier 340. More specifically, the proximity calculation method for the candidate pixel of the proximity calculation unit 350 is as described above with reference to FIGS. 3A to 3C.

분산도 계산부(360)는 후보 픽셀 식별부(340)를 통해 추출된 후보 픽셀의 분산도를 산출한다. 보다 상세하게는, 분산도 계산부(360)의 후보 픽셀에 대한 분산도 산출 방법은 상기 도 4 및 도 6을 참조하여 상술한 바와 같다.The variance calculation unit 360 calculates the variance of the candidate pixels extracted through the candidate pixel identification unit 340. More specifically, the method for calculating the variance of the candidate pixels of the variance calculation unit 360 is as described above with reference to FIGS. 4 and 6. FIG.

보존 대상 식별부(370)는 후보 픽셀 중 보존 대상 픽셀을 식별한다. 보다 상세하게는, 검출 대상을 제외하고 평활화 작업을 수행하여야 하는 경우, 보존 대상 식별부(370)는 후보 픽셀 중 근접도가 높으며(High), 분산도가 낮은(Low) 후보 픽셀을 보존 대상 픽셀로 식별한다.The storage target identification unit 370 identifies the storage target pixel among the candidate pixels. More specifically, when a smoothing operation is to be performed except for a detection target, the preservation object identification unit 370 identifies candidate pixels having a high degree of proximity (High) and a low degree of dispersion (Low) .

이와 달리, 검출 대상을 포함하여 평활화 작업을 수행하여야 하는 경우, 보존 대상 식별부(370)는 후보 픽셀 중 분산도가 높은(High) 후보 픽셀을 보존 대상 픽셀로 식별한다.Alternatively, when a smoothing operation is to be performed including a detection target, the preservation object identification unit 370 identifies a candidate pixel having a high degree of dispersion among the candidate pixels as a preservation object pixel.

영상 처리부(380)는 히스토그램 생성부(330)를 통해 생성된 히스토그램에 포함된 픽셀 중 보존 대상 식별부(370)를 통해 식별된 보존 대상 픽셀을 제외한 나머지 픽셀에 대하여 평활화 작업을 수행한다. 또한, 영상 처리부(380)는 보존 대상 식별부(370)를 통해 식별된 보존 대상 픽셀에 대하여 선예도 작업을 추가적으로 수행할 수 있다.The image processing unit 380 performs smoothing on the pixels other than the preservation target pixels identified through the preservation object identification unit 370 among the pixels included in the histogram generated through the histogram generation unit 330. [ In addition, the image processing unit 380 may further perform a sharpness operation on the storage target pixel identified through the storage target identification unit 370. [

영상 재구축부(390)는 영상 처리부(380)를 통해 평활화 작업이 수행된 픽셀 및 평활화 작업이 수행되지 않은 픽셀을 포함하여 영상을 재축한다.The image reconstructing unit 390 reconstructs the image including the pixels subjected to the smoothing operation and the pixels not subjected to the smoothing operation through the image processing unit 380.

지금까지 도 7의 각 구성요소는 소프트웨어(Software) 또는, FPGA(Field-Programmable Gate Array)나 ASIC(Application-Specific Integrated Circuit)과 같은 하드웨어(Hardware)를 의미할 수 있다. 그렇지만, 상기 구성요소들은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, 어드레싱(Addressing)할 수 있는 저장 매체에 있도록 구성될 수도 있고, 하나 또는 그 이상의 프로세서들을 실행시키도록 구성될 수도 있다. 상기 구성요소들 안에서 제공되는 기능은 더 세분화된 구성요소에 의하여 구현될 수 있으며, 복수의 구성요소들을 합하여 특정한 기능을 수행하는 하나의 구성요소로 구현할 수도 있다.Each of the components in FIG. 7 may refer to software or hardware such as an FPGA (Field-Programmable Gate Array) or an ASIC (Application-Specific Integrated Circuit). However, the components are not limited to software or hardware, and may be configured to be addressable storage media, and configured to execute one or more processors. The functions provided in the components may be implemented by a more detailed component or may be implemented by a single component that performs a specific function by combining a plurality of components.

도 8은 본 발명의 일 실시예에 따른 영상 처리 장치(300)의 하드웨어 구성도이다.8 is a hardware block diagram of the image processing apparatus 300 according to an embodiment of the present invention.

영상 처리 장치(300)는 명령어를 수행하는 프로세서(410), RAM(420), 영상 처리 방법이 구현된 컴퓨터 프로그램 데이터가 저장되는 스토리지(430), 외부 장치와의 데이터 송수신을 위한 네트워크 인터페이스(440), 사용자로부터 영상 처리 장치의 동작에 필요한 데이터를 입력 받고 출력하는 I/O(450) 및 프로세서(410), RAM(420), 스토리지(430), 네트워크 인터페이스(440) 및 I/O(450)와 연결되어 데이터 이동 통로가 되는 데이터 BUS(460)를 포함할 수 있다. The image processing apparatus 300 includes a processor 410 for executing a command, a RAM 420, a storage 430 for storing computer program data in which an image processing method is implemented, a network interface 440 for transmitting / An I / O 450 and a processor 410, a RAM 420, a storage 430, a network interface 440, and an I / O 450 (not shown) for inputting and receiving data necessary for operation of the image processing apparatus from a user And a data bus 460 connected to the data bus 460 as a data movement path.

스토리지(430)에는 상기 컴퓨터 프로그램의 실행을 위한 실행 파일 및 리소스 파일 등 데이터가 저장될 수 있다. 보다 구체적으로, 스토리지(430)에는 영상에 포함된 픽셀의 이용하여 히스토그램을 생성하는 일련의 인스트럭션(Instruction), 상기 히스토그램에서 상기 영상으로부터 검출하고자 하는 검출 대상의 명도에 대응하는 후보 픽셀을 추출하는 인스트럭션, 상기 후보 픽셀에 대한 상기 영상 내 좌표를 이용하여 상기 후보 픽셀의 분산 정도를 나타내는 분산도를 산출하는 인스트럭션, 상기 분산도를 이용하여 상기 후보 픽셀 중 보존 대상 픽셀을 식별하는 인스트럭션 및 상기 영상에 포함된 픽셀 중 상기 보존 대상 픽셀을 제외한 픽셀에 대하여 평활화(Equalization) 작업을 수행하는 인스트럭션을 포함하는 컴퓨터 프로그램을 저장할 수 있다.The storage 430 may store data such as an executable file and a resource file for execution of the computer program. More specifically, the storage 430 includes a series of instructions for generating a histogram using pixels included in the image, instructions for extracting candidate pixels corresponding to the brightness of the detection object to be detected from the image in the histogram, An instruction to calculate a degree of variance indicating a degree of variance of the candidate pixel using the in-vivo coordinate of the candidate pixel; an instruction to identify a candidate pixel to be preserved among the candidate pixels using the variance; And performing an equalization operation on pixels other than the pixel to be preserved among the pixels to be preserved.

이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.While the present invention has been described in connection with what is presently considered to be practical exemplary embodiments, it is to be understood that the invention is not limited to the disclosed embodiments, but, on the contrary, You will understand. It is therefore to be understood that the above-described embodiments are illustrative in all aspects and not restrictive.

Claims (6)

영상에 포함된 픽셀을 이용하여 히스토그램을 생성하는 단계;
상기 히스토그램에서 상기 영상으로부터 검출하고자 하는 검출 대상의 명도에 대응하는 후보 픽셀을 추출하는 단계;
상기 후보 픽셀에 대한 상기 영상 내 좌표를 이용하여 상기 후보 픽셀의 분산 정도를 나타내는 분산도를 산출하는 단계;
상기 분산도를 이용하여 상기 후보 픽셀 중 보존 대상 픽셀을 식별하는 단계; 및
상기 영상에 포함된 픽셀 중 상기 보존 대상 픽셀을 제외한 픽셀에 대하여 평활화(Equalization) 작업을 수행하는 단계를 포함하는, 영상 처리 방법.Generating a histogram using pixels included in the image;
Extracting a candidate pixel corresponding to a brightness of a detection target to be detected from the image in the histogram;
Calculating a degree of variance representing a degree of variance of the candidate pixel using the intra-image coordinates of the candidate pixel;
Identifying a pixel to be preserved among the candidate pixels using the degree of dispersion; And
And performing an equalization operation on pixels other than the pixel to be preserved among the pixels included in the image. 제1 항에 있어서,
상기 히스토그램은,
상기 영상에 포함된 각각의 픽셀에 대한 상기 영상 내 좌표를 포함하며,
상기 분산도를 산출하는 단계는,
상기 히스토그램에 포함된 상기 좌표를 이용하여 상기 후보 픽셀의 분산도를 산출하는 단계를 포함하는, 영상 처리 방법.The method according to claim 1,
The histogram may include:
The in-image coordinates for each pixel included in the image,
Wherein the step of calculating the degree of dispersion comprises:
And calculating a variance of the candidate pixel using the coordinates included in the histogram. 제1 항에 있어서,
상기 분산도를 산출하는 단계는,
상기 좌표를 이용하여 상기 검출 대상의 크기에 대응하는 가상 영역에 상기 후보 픽셀을 매핑하고, 상기 매핑된 후보 픽셀의 수를 기준으로 상기 분산도를 산출하는 단계를 포함하는, 영상 처리 방법.The method according to claim 1,
Wherein the step of calculating the degree of dispersion comprises:
Mapping the candidate pixel to a virtual area corresponding to the size of the detection object using the coordinates, and calculating the variance based on the number of the mapped candidate pixels. 제1 항에 있어서,
상기 후보 픽셀에 대한 상기 영상 내 좌표를 이용하여 상기 후보 픽셀 사이의 근접한 정도를 나타내는 근접도를 산출하는 단계를 더 포함하고,
상기 보존 대상 픽셀을 식별하는 단계는,
상기 근접도를 더 이용하여 상기 후보 픽셀 중 보존 대상 픽셀을 식별하는 단계를 포함하는, 영상 처리 방법.The method according to claim 1,
Further comprising the step of calculating a degree of proximity indicating the degree of proximity between the candidate pixels using the in-vivo coordinates for the candidate pixel,
Wherein the identifying of the pixel to be preserved comprises:
And identifying the pixel to be preserved among the candidate pixels by further using the proximity. 제4 항에 있어서,
상기 근접도를 산출하는 단계는,
상기 좌표를 이용하여 상기 후보 픽셀을 서로 인접한 후보 픽셀의 그룹으로 각각 분류하고, 각각의 그룹에 포함된 후보 픽셀의 수 및 상기 검출 대상의 크기를 비교하여 상기 근접도를 산출하는 단계를 포함하는, 영상 처리 방법.5. The method of claim 4,
The step of calculating the proximity may comprise:
And calculating the proximity by classifying the candidate pixels into groups of adjacent candidate pixels using the coordinates and comparing the number of candidate pixels included in each group and the size of the detection object. Image processing method. 하나 이상의 프로세서;
메모리; 및
상기 메모리에 로딩되어 상기 프로세서에 의하여 수행되는 컴퓨터 프로그램이 기록된 스토리지 장치를 포함하되,
상기 컴퓨터 프로그램은,
영상에 포함된 픽셀의 이용하여 히스토그램을 생성하는 일련의 인스트럭션(Instruction);
상기 히스토그램에서 상기 영상으로부터 검출하고자 하는 검출 대상의 명도에 대응하는 후보 픽셀을 추출하는 인스트럭션;
상기 후보 픽셀에 대한 상기 영상 내 좌표를 이용하여 상기 후보 픽셀의 분산 정도를 나타내는 분산도를 산출하는 인스트럭션;
상기 분산도를 이용하여 상기 후보 픽셀 중 보존 대상 픽셀을 식별하는 인스트럭션; 및
상기 영상에 포함된 픽셀 중 상기 보존 대상 픽셀을 제외한 픽셀에 대하여 평활화(Equalization) 작업을 수행하는 인스트럭션을 포함하는, 영상 처리 장치.One or more processors;
Memory; And
A storage device loaded with the computer program recorded by the processor and executed by the processor,
The computer program comprising:
A series of instructions for generating a histogram using pixels contained in an image;
An instruction for extracting a candidate pixel corresponding to a brightness of a detection target to be detected from the image in the histogram;
An instruction to calculate a degree of variance indicating a degree of variance of the candidate pixel using the in-vivo coordinates of the candidate pixel;
An instruction for identifying a pixel to be preserved among the candidate pixels using the degree of dispersion; And
And an instruction for performing an equalization operation on pixels other than the storage target pixel among the pixels included in the image.
KR1020140169466A 2014-12-01 2014-12-01 Method and apparatus for image processing using histogram KR101981039B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140169466A KR101981039B1 (en) 2014-12-01 2014-12-01 Method and apparatus for image processing using histogram

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140169466A KR101981039B1 (en) 2014-12-01 2014-12-01 Method and apparatus for image processing using histogram

Publications (2)

Publication Number Publication Date
KR20160065474A true KR20160065474A (en) 2016-06-09
KR101981039B1 KR101981039B1 (en) 2019-08-28

Family

ID=56138779

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140169466A KR101981039B1 (en) 2014-12-01 2014-12-01 Method and apparatus for image processing using histogram

Country Status (1)

Country Link
KR (1) KR101981039B1 (en)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0383269A2 (en) * 1989-02-14 1990-08-22 Adler Research Associates Regionally adaptive imaging techniques
JP2003308529A (en) * 2002-04-15 2003-10-31 Rohm Co Ltd Image processor
KR20050052657A (en) * 2003-11-28 2005-06-03 삼성전자주식회사 Vision-based humanbeing detection method and apparatus
US20080144931A1 (en) * 2006-12-18 2008-06-19 Shengqi Yan Method and apparatus for local standard deviation based histogram equalization for adaptive contrast enhancement
KR20090017871A (en) 2007-08-16 2009-02-19 한국과학기술원 Histogram Smoothing System and Method

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0383269A2 (en) * 1989-02-14 1990-08-22 Adler Research Associates Regionally adaptive imaging techniques
JP2003308529A (en) * 2002-04-15 2003-10-31 Rohm Co Ltd Image processor
KR20050052657A (en) * 2003-11-28 2005-06-03 삼성전자주식회사 Vision-based humanbeing detection method and apparatus
US20080144931A1 (en) * 2006-12-18 2008-06-19 Shengqi Yan Method and apparatus for local standard deviation based histogram equalization for adaptive contrast enhancement
KR20090017871A (en) 2007-08-16 2009-02-19 한국과학기술원 Histogram Smoothing System and Method

Also Published As

Publication number Publication date
KR101981039B1 (en) 2019-08-28

Similar Documents

Publication Publication Date Title
US8687001B2 (en) Apparatus and method extracting light and texture, and rendering apparatus using light and texture
US11354889B2 (en) Image analysis and processing pipeline with real-time feedback and autocapture capabilities, and visualization and configuration system
US9251614B1 (en) Background removal for document images
US9147265B2 (en) System and method for rapid cluster analysis of hyperspectral images
JP2016505186A (en) Image processor with edge preservation and noise suppression functions
US8452091B2 (en) Method and apparatus for converting skin color of image
US8923610B2 (en) Image processing apparatus, image processing method, and computer readable medium
CN111640123B (en) Method, device, equipment and medium for generating background-free image
JP2015036123A (en) Medical image processor, medical image processing method and classifier training method
CN107346546B (en) Image processing method and device
CN107038704B (en) Retina image exudation area segmentation method and device and computing equipment
JP6784261B2 (en) Information processing equipment, image processing system, image processing method and program
US9940700B2 (en) Information processing apparatus, information processing method, information processing system, and non-transitory computer readable medium
US10268881B2 (en) Pattern classifying apparatus, information processing apparatus, pattern classifying method, and non-transitory computer readable storage medium
KR20230060439A (en) Method and system for detecting recaptured image method thereof
JP2018206260A (en) Image processing system, evaluation model construction method, image processing method, and program
JP2018185265A (en) Information processor, method for control, and program
KR101920998B1 (en) apparatus and device for extracting contour by connected component labeling in gray images
US9779513B2 (en) Image processing device, image processing method, and image processing program
KR101981039B1 (en) Method and apparatus for image processing using histogram
EP4241250A1 (en) Method and apparatus for distinguishing different configuration states of an object based on an image representation of the object
WO2021102928A1 (en) Image processing method and apparatus
CN111292296A (en) Training set acquisition method and device based on eye recognition model
JP2021051530A (en) Image processing program and image processing device
KR102143918B1 (en) Apparatus and method for detecting LED edge based on adaptive threshold

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20141201

PG1501 Laying open of application
A201 Request for examination
PA0201 Request for examination

Patent event code: PA02012R01D

Patent event date: 20180104

Comment text: Request for Examination of Application

Patent event code: PA02011R01I

Patent event date: 20141201

Comment text: Patent Application

E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20181210

Patent event code: PE09021S01D

PN2301 Change of applicant

Patent event date: 20190411

Comment text: Notification of Change of Applicant

Patent event code: PN23011R01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20190501

PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20190516

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20190517

End annual number: 3

Start annual number: 1

PG1601 Publication of registration
PR1001 Payment of annual fee

Payment date: 20220422

Start annual number: 4

End annual number: 4

PR1001 Payment of annual fee

Payment date: 20230424

Start annual number: 5

End annual number: 5

PR1001 Payment of annual fee

Payment date: 20240425

Start annual number: 6

End annual number: 6