KR20200089410A - 최적의 감마보정 기반 저조도 영상 보정방법 - Google Patents

최적의 감마보정 기반 저조도 영상 보정방법 Download PDF

Info

Publication number
KR20200089410A
KR20200089410A KR1020190006063A KR20190006063A KR20200089410A KR 20200089410 A KR20200089410 A KR 20200089410A KR 1020190006063 A KR1020190006063 A KR 1020190006063A KR 20190006063 A KR20190006063 A KR 20190006063A KR 20200089410 A KR20200089410 A KR 20200089410A
Authority
KR
South Korea
Prior art keywords
value
gamma
pixel
image
equation
Prior art date
Application number
KR1020190006063A
Other languages
English (en)
Other versions
KR102144577B1 (ko
Inventor
정인호
박진
권재헌
Original Assignee
정인호
권재헌
박진
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 정인호, 권재헌, 박진 filed Critical 정인호
Priority to KR1020190006063A priority Critical patent/KR102144577B1/ko
Publication of KR20200089410A publication Critical patent/KR20200089410A/ko
Application granted granted Critical
Publication of KR102144577B1 publication Critical patent/KR102144577B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals
    • H04N9/68—Circuits for processing colour signals for controlling the amplitude of colour signals, e.g. automatic chroma control circuits
    • H04N9/69—Circuits for processing colour signals for controlling the amplitude of colour signals, e.g. automatic chroma control circuits for modifying the colour signals by gamma correction
    • G06T5/009—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals
    • H04N9/67—Circuits for processing colour signals for matrixing

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Processing Of Color Television Signals (AREA)
  • Image Processing (AREA)
  • Picture Signal Circuits (AREA)

Abstract

본 발명은 최적의 감마보정 기반 저조도 영상 보정방법에 관한 것으로, 좀더 구체적으로는 입력되는 컬러영상의 어두운 영역과 밝은 영역으로 분류하여 각각의 영역에 대해 최적의 감마값을 산출하고, 이를 감마보정에 적용하여 대조비를 개선하는 최적의 감마보정 기반 저조도 영상 보정방법에 관한 것이다.
상술한 목적을 달성하기 위한 본 발명의 특징에 의하면, 본 발명은 보정대상 컬러영상이 영상보정장치에 입력되는 컬러영상 입력단계; 상기 보정대상 컬러영상의 YCbCr 색 공간에서의 각 화소별 입력 휘도값을 산출하는 휘도정보 획득단계; 상기 각 화소별 입력 휘도값을 로그 함수를 이용하여 정규화하는 입력 휘도값 정규화단계; 정규화된 상기 각 화소별 휘도값을 평가하여 어두운 영역과 밝은 영역으로 각 화소를 분류하되, 정규화된 상기 각 화소별 휘도값이 0.5 이상인 경우에는 어두운 영역, 0.5 미만인 경우에는 밝은 영역으로 구분되는 밝기영역 분류단계; 상기 어두운 영역과 밝은 영역 각각에 대한 휘도값 평균과 표준편차의 차이값이 최소화되는 최적 감마값(γ)을 산출하는 최적 감마값 산출단계; 각각의 상기 최적 감마값(γ)을 감마보정에 적용하여 감마 보정된 휘도영상을 얻는 휘도영상 획득단계; 상기 감마 보정된 휘도영상으로부터 컬러영상을 합성하는 컬러영상 합성단계;를 포함하는 최적의 감마보정 기반 저조도 영상 보정방법을 제공한다.

Description

최적의 감마보정 기반 저조도 영상 보정방법{Low-light image correction method based on optimal gamma correction}
본 발명은 최적의 감마보정 기반 저조도 영상 보정방법에 관한 것으로, 좀더 구체적으로는 입력되는 컬러영상의 어두운 영역과 밝은 영역으로 분류하여 각각의 영역에 대해 최적의 감마값을 산출하고, 이를 감마보정에 적용하여 대조비를 개선하는 최적의 감마보정 기반 저조도 영상 보정방법에 관한 것이다.
최근에는 디지털 영상 기술의 발전으로 다양한 영상 장치를 이용하여 고품질의 영상을 얻을 수 있게 되었다. 그러나 빛의 양이 부족한 저조도 환경에서는 낮은 동적 영역으로 인하여 취득된 영상의 품질이 저하된다. 이러한 저조도에서 취득된 영상은 인공지능 영상처리, CCTV, 물체감지 등 다양한 영상처리 애플리케이션의 성능 저하를 초래한다. 따라서, 이를 개선하기 위한 다양한 저조도 영상의 대조비 향상 기법에 관한 연구가 진행되었다. 특히, 단순하면서도 높은 품질의 결과를 제공하는 감마보정 기법에 대한 많은 연구가 진행되었다.
감마보정 기법은 입력 화소값에 대한 결과 화소값을 구하는 절차에 파워 함수를 이용하는 기법이며, 최적의 감마값을 찾기 위한 연구가 진행되었다. 예를 들어, 2018년 2월 발표된 논문 "An adaptive method for image dynamic range adjustment" (K.-F. Yang, H. Li, H. Kuang, C.-Y. Li, and Y.-J. Li, accepted to IEEE Trans. Circuits Syst. Video Technol.)은 최적의 감마값을 찾기 위한 함수에 중앙값을 이용한 기법이 제안되었다. 하지만, 이러한 기법은 비선형적이기 때문에 계산 복잡도가 높고, 입력 영상의 동적 영역이 낮을 경우 과포화 현상이 일어나는 단점이 있다.
K.-F. Yang, H. Li, H. Kuang, C.-Y. Li, and Y.-J. Li, "An adaptive method for image dynamic range adjustment" accepted to IEEE Trans. Circuits Syst. Video Technol., Feb. 2018.
따라서 본 발명은 이와 같은 종래 기술의 문제점을 개선하여, 컬러영상의 어두운 영역과 밝은 영역 각각에 대한 휘도값 평균과 표준편차의 차이값이 최소화되는 최적 감마값을 산출하는 기법을 이용하여 저조도 영상의 대조비 향상이 도모되도록 하며, 입력 영상의 동적 영역이 낮을 경우에도 과포화 현상을 최소화하는 최적의 감마보정 기반 저조도 영상 보정방법을 제공하는 것을 목적으로 한다.
특히, 본 발명은 감마보정 기법을 이용한 최적의 감마값 산출이 최적화 이론 기반으로 풀어낸 수식을 통해 이루어져, 최종 영상을 얻는데 실행 시간이 단축되는 최적의 감마보정 기반 저조도 영상 보정방법을 제공하는 것을 목적으로 한다.
상술한 목적을 달성하기 위한 본 발명의 특징에 의하면, 본 발명은 보정대상 컬러영상이 영상보정장치에 입력되는 컬러영상 입력단계; 상기 보정대상 컬러영상을 YCbCr 색 공간으로 변환하는 컬러영상 색 공간 변환단계; 상기 보정대상 컬러영상의 YCbCr 색 공간에서의 각 화소별 입력 휘도값을 산출하는 휘도정보 획득단계; 상기 각 화소별 입력 휘도값을 로그 함수를 이용하여 정규화하는 입력 휘도값 정규화단계; 정규화된 상기 각 화소별 휘도값을 평가하여 어두운 영역과 밝은 영역으로 각 화소를 분류하되, 정규화된 상기 각 화소별 휘도값이 0.5 이상인 경우에는 어두운 영역, 0.5 미만인 경우에는 밝은 영역으로 구분되는 밝기영역 분류단계; 상기 어두운 영역과 밝은 영역 각각에 대한 휘도값 평균과 표준편차의 차이값이 최소화되는 최적 감마값(γ)을 산출하는 최적 감마값 산출단계; 각각의 상기 최적 감마값(γ)을 감마보정에 적용하여 감마 보정된 휘도영상을 얻는 휘도영상 획득단계; 상기 감마 보정된 휘도영상으로부터 컬러영상을 합성하는 컬러영상 합성단계;를 포함하는 최적의 감마보정 기반 저조도 영상 보정방법을 제공한다.
이와 같은 본 발명에 따른 최적의 감마보정 기반 저조도 영상 보정방법에서 상기 휘도정보 획득단계는, 입력 휘도값을 아래의 [수학식 1]에 의해 획득한다.
[수학식 1]
Figure pat00001
(
Figure pat00002
은 입력 휘도값,
Figure pat00003
은 각 컬러영상의 입력 화소값)
이와 같은 본 발명에 따른 최적의 감마보정 기반 저조도 영상 보정방법에서 상기 최적 감마값 산출단계는, [수학식 2]의 감마값을 반복적으로 변화시키면서 [수학식 2]의 함수값을 구하고, [수학식 2]의 함수값이 최소화되는 감마값을 어두운 영역에 대한 최적 감마값으로 산출한다.
[수학식 2]
Figure pat00004
,
Figure pat00005
subject to
Figure pat00006
(
Figure pat00007
은 어두운 영역에 속하는 화소의 개수,
Figure pat00008
는 전치행렬,
Figure pat00009
는 어두운 영역에 속하는 화소값의 벡터,
Figure pat00010
은 어두운 영역에 속하는 화소의 휘도값의 표준편차)
이와 같은 본 발명에 따른 최적의 감마보정 기반 저조도 영상 보정방법에서 상기 최적 감마값 산출단계는, [수학식 3]의 감마값을 반복적으로 변화시키면서 [수학식 3]의 함수값을 구하고, [수학식 3]의 함수값이 최소화되는 감마값을 밝은 영역에 대한 최적 감마값으로 산출한다.
[수학식 3]
Figure pat00011
,
Figure pat00012
subject to
Figure pat00013
(
Figure pat00014
은 밝은 영역에 속하는 화소의 개수,
Figure pat00015
는 전치행렬,
Figure pat00016
는 밝은 영역에 속하는 화소값의 벡터,
Figure pat00017
은 밝은 영역에 속하는 화소의 휘도값의 표준편차)
이와 같은 본 발명에 따른 최적의 감마보정 기반 저조도 영상 보정방법에서, [수학식 3] 또는 [수학식 4]를 컨벡스 최적화 이론을 이용하여 다음의 수식을 얻고
Figure pat00018
, 뉴턴방법(Newton's Method)을 이용하여 근사근인 처음값(
Figure pat00019
)을 정하며,
Figure pat00020
에서
Figure pat00021
에 대한 선형근사식을 구하여
Figure pat00022
,
Figure pat00023
의 근인
Figure pat00024
을 처음값으로 정하는 과정을 오차범위
Figure pat00025
내로 반복하여 최적 감마값(γ)을 산출한다.
본 발명에 의한 최적의 감마보정 기반 저조도 영상 보정방법에 의하면, 컬러영상의 어두운 영역과 밝은 영역 각각에 대한 휘도값 평균과 표준편차의 차이값이 최소화되는 최적 감마값을 산출하는 기법을 이용하여 저조도 영상의 대조비를 더욱 향상시킬 수 있어 다양한 영상처리 애플리케이션의 성능 향상을 도모할 수 있으며, 입력 영상의 동적 영역이 낮을 경우에도 과포화 현상을 최소화할 수 있다.
특히, 본 발명은 감마보정 기법을 이용한 최적의 감마값 산출이 간단한 수식을 통해 이루어져 짧은 시간 내에 더 높은 품질의 결과 영상을 얻을 수 있다.
도 1은 본 발명에 따른 최적의 감마보정 기반 저조도 영상 보정방법의 블록도이다.
도 2는 본 발명에 따른 최적의 감마보정 기반 저조도 영상 보정방법의 영상보정장치에 입력되는 보정대상 컬러영상이다.
도 3은 본 발명에 따른 최적의 감마보정 기반 저조도 영상 보정방법의 감마 보정된 휘도영상으로부터 컬러영상이 합성된 영상이다.
이하, 본 발명의 실시예를 첨부된 도면 도 1 내지 도3에 의거하여 상세히 설명한다. 한편, 도면과 상세한 설명에서 이 분야의 종사자들이 용이하게 알 수 있는 구성 및 작용에 대한 도시 및 언급은 간략히 하거나 생략하였다. 특히 도면의 도시 및 상세한 설명에 있어서 본 발명의 기술적 특징과 직접적으로 연관되지 않는 요소의 구체적인 기술적 구성 및 작용에 대한 상세한 설명 및 도시는 생략하고, 본 발명과 관련되는 기술적 구성만을 간략하게 도시하거나 설명하였다.
본 발명의 실시예에 따른 최적의 감마보정 기반 저조도 영상 보정방법은 도 1에서와 같이 컬러영상 입력단계, 컬러영상 색 공간 변환단계, 휘도정보 획득단계, 입력 휘도값 정규화단계, 밝기영역 분류단계, 최적 감마값 산출단계, 휘도영상 획득단계, 컬러영상 합성단계를 포함한다.
컬러영상 입력단계는 보정대상 컬러영상이 영상보정장치에 입력되는 단계이다. 여기서 보정대상 컬러영상은 도 2에 도시된 바와 같이 빛의 양이 부족한 저조도 환경에서 촬영된 저조도 영상이다. 또한, 영상보정장치는 입력된 상기 보정대상 컬러영상을 최적의 감마보정 기반 저조도 영상 보정방법을 통해 저조도 영상의 대조비를 향상시키는 기기이다.
컬러영상 색 공간 변환단계는 상기 보정대상 컬러영상을 YCbCr 색 공간으로 변환하는 단계이다. 여기서 YCbCr은 영상 시스템에서 사용되는 색공간의 일종으로 Y는 휘도 성분이며, Cb와 Cr은 색차 성분을 나타낸다. 그리고 YCbCr은 RGB 정보를 인코딩하는 방식의 하나이다.
휘도정보 획득단계는 상기 보정대상 컬러영상의 YCbCr 색 공간에서의 각 화소별 입력 휘도값을 산출하는 단계이다.
또한, 휘도정보 획득단계는 아래의 [수학식 1]에 의해 상기 입력 휘도값을 획득할 수 있다.
Figure pat00026
(
Figure pat00027
은 입력 휘도값,
Figure pat00028
은 각 컬러영상의 입력 화소값)
입력 휘도값 정규화단계는 상기 휘도정보 획득단계에서 상기 각 화소별 입력 휘도값을 로그 함수를 이용하여 정규화하는 단계이다.
밝기영역 분류단계는 상기 입력 휘도값 정규화단계에서 정규화된 상기 각 화소별 입력 휘도값을 평가하여 어두운 영역과 밝은 영역으로 각 화소를 분류한다. 일반적으로 휘도값의 범위는 0 부터 1 사이를 가지며, 밝기영역은 상기 각 화소별 입력 휘도값이 0.5 이상 1 이하에 속하는 경우에는 어두운 영역, 0 이상 0.5 미만에 속하는 경우에는 밝은 영역으로 구분될 수 있다.
최적 감마값 산출단계는 상기 어두운 영역과 밝은 영역 각각에 대한 휘도값 평균과 표준편차의 차이값이 최소화되는 최적 감마값(γ)을 산출한다.
이때, 상기 최적 감마값 산출단계는 [수학식 2]의 감마값을 반복적으로 변화시키면서 [수학식 2]의 함수값을 구하고, [수학식 2]의 함수값이 최소화되는 감마값을 어두운 영역에 대한 최적 감마값으로 산출할 수 있다.
Figure pat00029
subject to
Figure pat00030
(
Figure pat00031
은 어두운 영역에 속하는 화소의 개수,
Figure pat00032
는 전치행렬(행의 갯수 N개, 열의 갯수 1개),
Figure pat00033
는 어두운 영역에 속하는 화소값의 벡터,
Figure pat00034
은 어두운 영역에 속하는 화소의 휘도값의 표준편차)
또한, 상기 최적 감마값 산출단계는 [수학식 3]의 감마값을 반복적으로 변화시키면서 [수학식 3]의 함수값을 구하고, [수학식 3]의 함수값이 최소화되는 감마값을 밝은 영역에 대한 최적 감마값으로 산출할 수 있다.
Figure pat00035
subject to
Figure pat00036
(
Figure pat00037
은 밝은 영역에 속하는 화소의 개수,
Figure pat00038
는 전치행렬(행의 갯수 N개, 열의 갯수 1개),
Figure pat00039
는 밝은 영역에 속하는 화소값의 벡터,
Figure pat00040
은 밝은 영역에 속하는 화소의 휘도값의 표준편차)
이러한 [수학식 2]와 [수학식 3]의 최적화 문제는 컨벡스 최적화 문제로 계산될 수 있으며, Karush-Kuhn-Tucker(KKT)조건을 이용하여 감마보정 계수에 대한 수식을 얻을 수 있다. 이때, 얻어진 수식은 뉴턴방법(Newton's method)를 이용하여 해를 구할 수 있다. 기본적인 방법은 폐구간 [a,b]에서 실수
Figure pat00041
에 대해 정의된 함수
Figure pat00042
가 미분가능할 때 임의의
Figure pat00043
에 대해서
Figure pat00044
을
Figure pat00045
라고 하고, 이를 계속 반복하게 되면 특정 조건하에
Figure pat00046
은 함수
Figure pat00047
을 만족하는 해를 구한다. 실제 해를 구하기 위해서는 상기 휘도값의 평균과 표준편차의 차이값이
Figure pat00048
보다 작아질 때까지 반복적으로
Figure pat00049
를 변화시키면서 최적의 값을 찾는다.
휘도영상 획득단계는 각각의 상기 최적 감마값(γ)을 감마보정에 적용하여 감마 보정된 휘도영상을 얻는다.
컬러영상 합성단계는 상기 감마 보정된 휘도영상으로부터 컬러영상을 합성하는 단계이다. 이때, 상기 컬러영상 합성단계는 상기 감마 보정된 휘도영상으로부터 아래의 [수학식 4]을 이용하여 컬러영상을 합성할 수 있다.
Figure pat00050
Figure pat00051
(
Figure pat00052
는 과포화 현상을 막기 위한 값,
Figure pat00053
은 감마 보정된 화소값,
Figure pat00054
은 입력 휘도값,
Figure pat00055
는 각 컬러영상의 입력 화소값)
특히, 도 3에 도시된 바와 같이, 도 2의 저조도 보정대상 컬러영상이 최적의 감마보정 기반 저조도 영상 보정방법에 의해 기존의 대조비가 향상된 것을 알 수 있다. 또한, 최적의 감마보정 기반 저조도 영상 보정방법이 간단한 수식에 의해 실행시간이 단축되며, 높은 품질의 영상을 얻을 수 있다.
상술한 바와 같은, 본 발명의 실시예에 따른 최적의 감마보정 기반 저조도 영상 보정방법을 상기한 설명 및 도면에 따라 도시하였지만, 이는 예를 들어 설명한 것에 불과하며, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 다양한 변화 및 변경이 가능하다는 것을 이 분야의 통상적인 기술자들은 잘 이해할 수 있을 것이다.

Claims (5)

  1. 보정대상 컬러영상이 영상보정장치에 입력되는 컬러영상 입력단계;
    상기 보정대상 컬러영상을 YCbCr 색 공간으로 변환하는 컬러영상 색 공간 변환단계;
    상기 보정대상 컬러영상의 YCbCr 색 공간에서의 각 화소별 입력 휘도값을 산출하는 휘도정보 획득단계;
    상기 각 화소별 입력 휘도값을 로그 함수를 이용하여 정규화하는 입력 휘도값 정규화단계;
    정규화된 상기 각 화소별 입력 휘도값을 평가하여 어두운 영역과 밝은 영역으로 각 화소를 분류하되, 상기 각 화소별 입력 휘도값이 0.5 이상인 경우에는 어두운 영역, 0.5 미만인 경우에는 밝은 영역으로 구분되는 밝기영역 분류단계;
    상기 어두운 영역과 밝은 영역 각각에 대한 휘도값 평균과 표준편차의 차이값이 최소화되는 최적 감마값(γ)을 산출하는 최적 감마값 산출단계;
    각각의 상기 최적 감마값(γ)을 감마보정에 적용하여 감마 보정된 휘도영상을 얻는 휘도영상 획득단계;
    상기 감마 보정된 휘도영상으로부터 컬러영상을 합성하는 컬러영상 합성단계;를 포함하는 것을 특징으로 하는 최적의 감마보정 기반 저조도 영상 보정방법.
  2. 제1항에 있어서,
    상기 휘도정보 획득단계는,
    입력 휘도값을 아래의 [수학식 1]에 의해 획득하는 것을 특징으로 하는 최적의 감마보정 기반 저조도 영상 보정방법.
    [수학식 1]
    Figure pat00056

    (
    Figure pat00057
    은 입력 휘도값,
    Figure pat00058
    은 각 컬러영상의 입력 화소값)
  3. 제1항에 있어서,
    상기 최적 감마값 산출단계는,
    [수학식 2]의 감마값을 반복적으로 변화시키면서 [수학식 2]의 함수값을 구하고, [수학식 2]의 함수값이 최소화되는 감마값을 어두운 영역에 대한 최적 감마값으로 산출하는 것을 특징으로 하는 최적의 감마보정 기반 저조도 영상 보정방법.
    [수학식 2]
    Figure pat00059
    ,
    Figure pat00060

    subject to
    Figure pat00061

    (
    Figure pat00062
    은 어두운 영역에 속하는 화소의 개수,
    Figure pat00063
    는 전치행렬,
    Figure pat00064
    는 어두운 영역에 속하는 화소값의 벡터,
    Figure pat00065
    은 어두운 영역에 속하는 화소의 휘도값의 표준편차)
  4. 제1항에 있어서,
    상기 최적 감마값 산출단계는,
    [수학식 3]의 감마값을 반복적으로 변화시키면서 [수학식 3]의 함수값을 구하고, [수학식 3]의 함수값이 최소화되는 감마값을 밝은 영역에 대한 최적 감마값으로 산출하는 것을 특징으로 하는 최적의 감마보정 기반 저조도 영상 보정방법.
    [수학식 3]
    Figure pat00066
    ,
    Figure pat00067

    subject to
    Figure pat00068

    (
    Figure pat00069
    은 밝은 영역에 속하는 화소의 개수,
    Figure pat00070
    는 전치행렬,
    Figure pat00071
    는 밝은 영역에 속하는 화소값의 벡터,
    Figure pat00072
    은 밝은 영역에 속하는 화소의 휘도값의 표준편차)
  5. 제3항 또는 제4항에 있어서,
    [수학식 3] 또는 [수학식 4]를 컨벡스 최적화 이론을 이용하여 다음의 수식을 얻고
    Figure pat00073
    , 뉴턴방법(Newton's Method)을 이용하여 근사근인 처음값(
    Figure pat00074
    )을 정하며,
    Figure pat00075
    에서
    Figure pat00076
    에 대한 선형근사식을 구하여
    Figure pat00077
    ,
    Figure pat00078
    의 근인
    Figure pat00079
    을 처음값으로 정하는 과정을 오차범위
    Figure pat00080
    내로 반복하여 최적 감마값(γ)을 산출하는 것을 특징으로 하는 최적의 감마보정 기반 저조도 영상 보정방법.
KR1020190006063A 2019-01-17 2019-01-17 최적의 감마보정 기반 저조도 영상 보정방법 KR102144577B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190006063A KR102144577B1 (ko) 2019-01-17 2019-01-17 최적의 감마보정 기반 저조도 영상 보정방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190006063A KR102144577B1 (ko) 2019-01-17 2019-01-17 최적의 감마보정 기반 저조도 영상 보정방법

Publications (2)

Publication Number Publication Date
KR20200089410A true KR20200089410A (ko) 2020-07-27
KR102144577B1 KR102144577B1 (ko) 2020-08-13

Family

ID=71893957

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190006063A KR102144577B1 (ko) 2019-01-17 2019-01-17 최적의 감마보정 기반 저조도 영상 보정방법

Country Status (1)

Country Link
KR (1) KR102144577B1 (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112419181A (zh) * 2020-11-19 2021-02-26 中国科学院西安光学精密机械研究所 一种宽动态红外图像细节增强方法
CN112561829A (zh) * 2020-12-23 2021-03-26 西北工业大学 基于L通道Gamma变换的多区域非均匀亮度失真校正算法
CN114363532A (zh) * 2021-12-02 2022-04-15 浙江大华技术股份有限公司 聚焦方法以及相关装置
CN114677340A (zh) * 2022-03-14 2022-06-28 上海第二工业大学 一种基于图像边缘的混凝土表面粗糙度的检测方法
CN116977214A (zh) * 2023-07-21 2023-10-31 萱闱(北京)生物科技有限公司 图像优化方法、装置、介质和计算设备
CN118154487A (zh) * 2024-05-10 2024-06-07 南京龟兔赛跑软件研究院有限公司 基于光照校正的图像增强方法及系统
CN118195980A (zh) * 2024-05-11 2024-06-14 中国科学院长春光学精密机械与物理研究所 一种基于灰度变换的暗部细节增强方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220069260A (ko) 2020-11-20 2022-05-27 주식회사 엘엑스세미콘 디무라 보상장치 및 디스플레이패널 구동을 위한 데이터처리회로

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030067037A (ko) * 2002-02-06 2003-08-14 삼성전자주식회사 히스토그램 매칭을 이용한 콘트라스트 향상 장치 및 방법
JP2011182189A (ja) * 2010-03-01 2011-09-15 Toshiba Teli Corp 画像処理装置および画像処理プログラム
KR20140045856A (ko) * 2012-10-09 2014-04-17 에스케이텔레콤 주식회사 열상카메라의 영상 잡음 레벨에 기반한 대조비 향상 기법 및 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030067037A (ko) * 2002-02-06 2003-08-14 삼성전자주식회사 히스토그램 매칭을 이용한 콘트라스트 향상 장치 및 방법
JP2011182189A (ja) * 2010-03-01 2011-09-15 Toshiba Teli Corp 画像処理装置および画像処理プログラム
KR20140045856A (ko) * 2012-10-09 2014-04-17 에스케이텔레콤 주식회사 열상카메라의 영상 잡음 레벨에 기반한 대조비 향상 기법 및 장치

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"An Adaptive Method for Image Dynamic Range Adjustment", Kai-Fu Yang 외 4인, IEEE, (2018. 2. 27) 1부.* *
K.-F. Yang, H. Li, H. Kuang, C.-Y. Li, and Y.-J. Li, "An adaptive method for image dynamic range adjustment" accepted to IEEE Trans. Circuits Syst. Video Technol., Feb. 2018.

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112419181A (zh) * 2020-11-19 2021-02-26 中国科学院西安光学精密机械研究所 一种宽动态红外图像细节增强方法
CN112419181B (zh) * 2020-11-19 2023-12-08 中国科学院西安光学精密机械研究所 一种宽动态红外图像细节增强方法
CN112561829A (zh) * 2020-12-23 2021-03-26 西北工业大学 基于L通道Gamma变换的多区域非均匀亮度失真校正算法
CN112561829B (zh) * 2020-12-23 2024-01-12 西北工业大学 基于L通道Gamma变换的多区域非均匀亮度失真校正算法
CN114363532A (zh) * 2021-12-02 2022-04-15 浙江大华技术股份有限公司 聚焦方法以及相关装置
CN114677340A (zh) * 2022-03-14 2022-06-28 上海第二工业大学 一种基于图像边缘的混凝土表面粗糙度的检测方法
CN114677340B (zh) * 2022-03-14 2024-05-24 上海第二工业大学 一种基于图像边缘的混凝土表面粗糙度的检测方法
CN116977214A (zh) * 2023-07-21 2023-10-31 萱闱(北京)生物科技有限公司 图像优化方法、装置、介质和计算设备
CN118154487A (zh) * 2024-05-10 2024-06-07 南京龟兔赛跑软件研究院有限公司 基于光照校正的图像增强方法及系统
CN118195980A (zh) * 2024-05-11 2024-06-14 中国科学院长春光学精密机械与物理研究所 一种基于灰度变换的暗部细节增强方法

Also Published As

Publication number Publication date
KR102144577B1 (ko) 2020-08-13

Similar Documents

Publication Publication Date Title
KR102144577B1 (ko) 최적의 감마보정 기반 저조도 영상 보정방법
CN109325922B (zh) 一种图像自适应增强方法、装置及图像处理设备
JP6111336B2 (ja) 画像処理方法および装置
KR100467610B1 (ko) 디지털 화질 개선 방법 및 장치
CN111163268B (zh) 一种图像处理方法、装置以及计算机存储介质
US8269898B2 (en) Image processing apparatus
CN110827225A (zh) 一种基于双重曝光框架的非均匀光照水下图像增强方法
CN109410152A (zh) 成像方法和装置、电子设备、计算机可读存储介质
KR101113483B1 (ko) 컬러 영상의 가시성 향상 장치 및 방법
CN114979500A (zh) 图像处理方法、图像处理装置、电子设备及可读存储介质
Mantiuk Practicalities of predicting quality of high dynamic range images and video
CN114998122A (zh) 一种低照度图像增强方法
US20170069068A1 (en) Wide dynamic range imaging method
US11640654B2 (en) Image processing method and apparatus
JP5410378B2 (ja) 映像信号補正装置および映像信号補正プログラム
CN107358592B (zh) 一种迭代式全局自适应图像增强方法
US9336575B2 (en) Image processing apparatus, image processing method, and image processing program
EP2541497A1 (en) Image processing apparatus, image processing method, image processing program, and recording medium
Li et al. Contrast enhancement algorithm for outdoor infrared images based on local gradient-grayscale statistical feature
Watanabe et al. Improvement of color quality with modified linear multiscale retinex
US11647298B2 (en) Image processing apparatus, image capturing apparatus, image processing method, and storage medium
KR101180409B1 (ko) 히스토그램 정규화와 감마 보정 합성을 통하여 저조도 영상을 개선하는 방법 및 장치
KR20130004708A (ko) 개선된 영상 생성모델과 적응적 필터를 이용한 컬러 영상 보정방법
KR101418521B1 (ko) 밝기 대비 향상을 통한 영상 화질 개선 방법 및 장치
CN113012051A (zh) 图像处理方法、装置、电子设备及计算机可读存储介质