[논문]명암비 향상을 위한 서브-히스토그램 면적비 기반의 적응형 히스토그램 재분배 알고리즘

박동민; 최명렬

doi:10.3745/kipstb.2009.16-b.4.263

명암비 향상을 위한 서브-히스토그램 면적비 기반의 적응형 히스토그램 재분배 알고리즘
An Adaptive Histogram Redistribution Algorithm Based on Area Ratio of Sub-Histogram for Contrast Enhancement 원문보기

정보처리학회논문지. The KIPS transactions. Part B. Part B, v.16B no.4, 2009년, pp.263 - 270

박동민 (한양대학교 전자전기제어계측공학과) , 최명렬 (한양대학교 전자컴퓨터공학부)

초록
AI-Helper

히스토그램 평활화는 주어진 입력 영상의 누적분포함수 CDF (Cumulative Distribution Function)를 이용하여 영상의 동적영역 (Dynamic Range)을 확장하고 히스토그램의 분포를 균등하게 함으로써 명암비를 개선한다. 그러나 히스토그램 평활화는 영상의 밝기를 과도하게 변하게 하는 단점이 있다. 본 논문에서는 과도한 명암비 향상을 억제하기위해 서브-히스토그램의 면적비 기반의 히스토그램 재분배를 이용한 적응형명암비 향상 알고리즘. 제안한 알고리즘은 영상의 동적영역을 입력영상의 휘도 평균값을 기반으로 분할하고, 분할된 영역의 면적비에 따라 밝기 분포를 재분배함으로써 과도한 밝기 변화를 효과적으로 억제 할 수 있다. 실험결과를 통하여 시각적으로 색의 왜곡이 없는 자연스러운 영상을 확인하였고, 평균값의 비교를 통해 과도한 밝기 변화를 억제한 것을 확인 할 수 있었다. 또한 히스토그램의 분포에 상관없이 대부분의 영상에서 우수한 결과를 나타내는 것을 실험결과에서 알 수 있었다.

Abstract ▼ AI-Helper

Histogram Equalization (HE) is a very popular technique for enhancing the contrast of an image. HE stretches the dynamic range of an image using the cumulative distribution function of a given input image, therefore improving its contrast. However, HE has a well-known problem : when HE is applied for the contrast enhancement, there is a significant change in brightness. To resolve this problem, we propose An Adaptive Contrast Enhancement Algorithm using Subhistogram Area-Ratioed Histogram Redistribution, a new method that helps reduce excessive contrast enhancement. This proposed algorithm redistributes the dynamic range of an input image using its mean luminance value and the ratio of sub-histogram area. Experimental results show that by this redistribution, the significant change in brightness is reduced effectively and the output image is able to preserve the naturalness of an original image even if it has a poor histogram distribution.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

이러한 과도한 명암비 향상 때문에 색의 왜곡, 과도한 밝기 변화등과 같은 문제점이 생기게 된다. 따라서 기존알고리즘의 과도한 명암비 향상 때문에 생기는 과도한 밝기 변화를 방지하기 위하여 새로운 명암비 향상 알고리즘을 제안하였다. 제안한 알고리즘은 영상의 히스토그램을 구하고, 영상평균 값과 같은 값을 갖는 히스토그램의 그레이 레벨을 기준으로 2개의 서브-히스토그램으로 분할한다.
본 논문에서는 명암비 향상을 위해 평균값 기반의 동적영역 분할을 이용한 적응형 명암비 향상 알고리즘을 제안하였다. 제안한 알고리즘은 총 4개로 분할된 서브-히스토그램의 면적비에 따라 서브-히스토그램의 동적영역을 독립적으로 재분배함으로써 과도한 명암비 향상을 억제 할 수 있었고, 과도한 밝기 변화로 인한 결과영상의 색의 왜곡현상을 효과 적으로 억제하였다.
본 논문에서는 새로운 명암비 향상 알고리즘이 제안하였다. 제안한 방법은 영상의 동적영역을 입력영상의 휘도 평균값을 기반으로 4개의 동적영역으로 분할하고, 분할된 영역의 면적비에 따라 히스토그램의 분포를 재분배함으로써 과도한 밝기 변화를 억제 할 수 있다.

가설 설정

(그림 5)의 (a)는 히스토그램은 원본영상의 히스토그램이 고, (b)는 보정인자를 적용하기 이전의 출력영상 히스토그램 이며, (c)는 보정인자를 적용한 최종적인 출력영상의 히스토그램을 나타낸다. (그림 5)의 (b)를 보면 RDLA₃영역은 원본 영상의 동적영역보다 좁은 영역을 가지게 된다. 따라서 원본영상에서 표현할 수 있는 휘도의 범위 보다 작아지기 때문에 출력영상의 왜곡이 나타날 수 있다.

제안 방법

첫 번째로 입력 영상의 히스토그램 분할 및 분할된 서브-히스토그램의 면적비를 계산한다. 두 번째로 적응형 보정인자를 계산하고, 각각의 서브-히스토그램 면적비에 적응형 보정인 자를 적용하여 새로운 서브히스토그램의 면적비를 계산한다. 마지막으로 보정인자가 적용된 새로운 면적비에 따른 히스토그램 재분배를 한다.
본 논문에서는 제안한 알고리즘의 성능평가를 위해 다양한 영상을 이용하여 HE (Histogram Equalization),　BBHE (Brightness Preserving Bi-Histogram Equalization), DSIHE (Dualistic Sub-Image Histogram Equalization), RMSHE (Recursive Mean Seperate Histogram Equalization for scalable brightness preservation)　총 4개의 알고리즘과 시뮬레이션 수행결과를 비교하였다.
히스토그램의 분할은 영상이 가지는 동적 영역의 길이를 분할하는 것이며, 동적 영역의 길이를 탐색하는 방법은 콘트라스트 스트레칭 알고리즘에서 사용하는 히스토그램의 시작점과 끝점을 탐색 방법[1]과 유사한 적응형 탐색 방법 (Adaptive end-in search method)이다 [7]. 임펄스 노이즈를 대비하여 임계값을 설정하여 동적 영역의 LP(Low Point), HP(High Point) 값을 구하고, LP와 HP의 차를 동적 영역의 길이로 정의한다. 여기서 임계값은 실험치에 의해서 입력영상 총 픽셀수의 0.
제안한 명암비 향상 알고리즘은 3단계의 프로세스를 가지고 있으며, (그림 3)에서 간단한 순서도로 나타내었다. 첫 번째로 입력 영상의 히스토그램 분할 및 분할된 서브-히스토그램의 면적비를 계산한다.
따라서 기존알고리즘의 과도한 명암비 향상 때문에 생기는 과도한 밝기 변화를 방지하기 위하여 새로운 명암비 향상 알고리즘을 제안하였다. 제안한 알고리즘은 영상의 히스토그램을 구하고, 영상평균 값과 같은 값을 갖는 히스토그램의 그레이 레벨을 기준으로 2개의 서브-히스토그램으로 분할한다. 분할된 서브-히스토그램의 중간 그레이 레벨을 기준으로 분할된 서브-히스토그램을 다시 2개로 분할한다.
제안한 명암비 향상 알고리즘은 3단계의 프로세스를 가지고 있으며, (그림 3)에서 간단한 순서도로 나타내었다. 첫 번째로 입력 영상의 히스토그램 분할 및 분할된 서브-히스토그램의 면적비를 계산한다. 두 번째로 적응형 보정인자를 계산하고, 각각의 서브-히스토그램 면적비에 적응형 보정인 자를 적용하여 새로운 서브히스토그램의 면적비를 계산한다.

대상 데이터

성능평가를 위해 두 개의 칼라 영상 (그림 6), (그림 8)과 하나의 그레이 영상 (그림 7)을 사용하였다. (그림 6)의 boat는 히스토그램의 분포가 오른쪽(높은 그레이레벨)에 편중되어 있는 영상이다.

성능/효과

(그림 6)의 (b), (c), (d), (e)의 결과 영상 에서 보면 과도한 밝기 변화로 인한 색의 왜곡과 색의 번짐 현상이 나타나는 것을 알 수 있다. 기존의 알고리즘과는 달리 제안한 알고리즘은 영상의 왜곡현상, 과도한 밝기변화를 억제 하였고, 시각적으로 자연스러우며, 색의 선명도가 높아진 것을 알 수 있다.
실험결과를 통하여 시각적으로 색의 왜곡이 없는 자연스러운 영상을 확인하였고, 평균값의 비교를 통해 과도한 밝기 변화를 억제한 것을 확인 할 수 있었다. 또한 히스토그램의 분포에 상관없이 대부분의 영상에서 우수한 결과를 나타내는 것을 실험결과에서 알 수 있었다. 제안한 알고리즘은 지수함수나 로그함수 같은 복잡한 수식을 포함하지 않기 때문에 하드웨어 구현에 용이하고, 실시간 처리를 요구하는 평판디스플레이(FPD) 화질향상 제어기의 구현에 적합하다.
제안한 알고리즘은 총 4개로 분할된 서브-히스토그램의 면적비에 따라 서브-히스토그램의 동적영역을 독립적으로 재분배함으로써 과도한 명암비 향상을 억제 할 수 있었고, 과도한 밝기 변화로 인한 결과영상의 색의 왜곡현상을 효과 적으로 억제하였다. 실험결과를 통하여 시각적으로 색의 왜곡이 없는 자연스러운 영상을 확인하였고, 평균값의 비교를 통해 과도한 밝기 변화를 억제한 것을 확인 할 수 있었다. 또한 히스토그램의 분포에 상관없이 대부분의 영상에서 우수한 결과를 나타내는 것을 실험결과에서 알 수 있었다.
한편, <표 1>의 Pepper결과를 보면 RMSHE가 제안한 알고리즘 보다 결과 영상의 휘도 평균값이 원본영상의 휘도 평균값에 더 근접하였지만, 결과영상의 시각적 평가에 의하면 색의 왜곡이 발생하고, 선명도가 떨어진 것을 (그림 8)에서 확인 할 수 있다. 위의 결과를 통해 원본영상과 결과영상의 휘도 평균값의 비교는 과도한 밝기 변화의 평가 요소 항목은 될 수 있지만, 절대적인 평가기준이 아닌 것으로 판단된다. 즉, 결과 영상의 평가는 시각적 평가와 정량적 평가가 동반 되어야만 한다.
<표 1>은 원본영상과 결과영상들의 평균값을 비교한 것을 나타내며, 평균값 비교는 결과 영상의 과도한 밝기변화를 나타낼 수 있는 정량적 수치를 나타낸다. <표 1>의 Boat와 Einstein의 결과에서 제안한 알고리즘은 기존의 알고리즘 보다 결과영상의 휘도 평균값이 원본영상의 휘도 평균값에 근접하다는 것을 통해 결과 영상의 과도한 밝기를 억제한 것을 알 수 있고, (그림 6)과 (그림 7)을 통해서 시각적으로도 향상되었음을 확인하였다. 한편, <표 1>의 Pepper결과를 보면 RMSHE가 제안한 알고리즘 보다 결과 영상의 휘도 평균값이 원본영상의 휘도 평균값에 더 근접하였지만, 결과영상의 시각적 평가에 의하면 색의 왜곡이 발생하고, 선명도가 떨어진 것을 (그림 8)에서 확인 할 수 있다.
본 논문에서는 새로운 명암비 향상 알고리즘이 제안하였다. 제안한 방법은 영상의 동적영역을 입력영상의 휘도 평균값을 기반으로 4개의 동적영역으로 분할하고, 분할된 영역의 면적비에 따라 히스토그램의 분포를 재분배함으로써 과도한 밝기 변화를 억제 할 수 있다.
또한 히스토그램의 분포에 상관없이 대부분의 영상에서 우수한 결과를 나타내는 것을 실험결과에서 알 수 있었다. 제안한 알고리즘은 지수함수나 로그함수 같은 복잡한 수식을 포함하지 않기 때문에 하드웨어 구현에 용이하고, 실시간 처리를 요구하는 평판디스플레이(FPD) 화질향상 제어기의 구현에 적합하다.
본 논문에서는 명암비 향상을 위해 평균값 기반의 동적영역 분할을 이용한 적응형 명암비 향상 알고리즘을 제안하였다. 제안한 알고리즘은 총 4개로 분할된 서브-히스토그램의 면적비에 따라 서브-히스토그램의 동적영역을 독립적으로 재분배함으로써 과도한 명암비 향상을 억제 할 수 있었고, 과도한 밝기 변화로 인한 결과영상의 색의 왜곡현상을 효과 적으로 억제하였다. 실험결과를 통하여 시각적으로 색의 왜곡이 없는 자연스러운 영상을 확인하였고, 평균값의 비교를 통해 과도한 밝기 변화를 억제한 것을 확인 할 수 있었다.
또한 자켓 부분을 보면 원본영상의 노이즈를 증폭시킴으로서 시각적으로 부자연스러운 영상임 을 알 수 있다. 하지만 제안한 알고리즘은 과도한 밝기 변화, 색의 번짐, 원본영상의 노이즈 증폭을 최대한 억제함으로서 시각적으로 자연스러운 결과 영상을 보여준다.
한편, 의 Pepper결과를 보면 RMSHE가 제안한 알고리즘 보다 결과 영상의 휘도 평균값이 원본영상의 휘도 평균값에 더 근접하였지만, 결과영상의 시각적 평가에 의하면 색의 왜곡이 발생하고, 선명도가 떨어진 것을 (그림 8)에서 확인 할 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	히스토그램 평활화의 기능은 무엇인가?	히스토그램 평활화는 주어진 입력 영상의 누적분포함수 CDF (Cumulative Distribution Function)를 이용하여 영상의 동적영역 (Dynamic Range)을 확장하고 히스토그램의 분포를 균등하게 함으로써 명암비를 개선한다. 그러나 히스토그램 평활화는 영상의 밝기를 과도하게 변하게 하는 단점이 있다.
	히스토그램 평활화의 단점은 무엇인가?	히스토그램 평활화는 주어진 입력 영상의 누적분포함수 CDF (Cumulative Distribution Function)를 이용하여 영상의 동적영역 (Dynamic Range)을 확장하고 히스토그램의 분포를 균등하게 함으로써 명암비를 개선한다. 그러나 히스토그램 평활화는 영상의 밝기를 과도하게 변하게 하는 단점이 있다. 본 논문에서는 과도한 명암비 향상을 억제하기위해 서브-히스토그램의 면적비 기반의 히스토그램 재분배를 이용한 적응형명암비 향상 알고리즘.
	제안한 명암비 향상 알고리즘의 프로세스는 어떤 단계를 갖는가?	제안한 명암비 향상 알고리즘은 3단계의 프로세스를 가지고 있으며, (그림 3)에서 간단한 순서도로 나타내었다. 첫 번째로 입력 영상의 히스토그램 분할 및 분할된 서브-히스 토그램의 면적비를 계산한다. 두 번째로 적응형 보정인자를 계산하고, 각각의 서브-히스토그램 면적비에 적응형 보정인 자를 적용하여 새로운 서브히스토그램의 면적비를 계산한다. 마지막으로 보정인자가 적용된 새로운 면적비에 따른 히스토그램 재분배를 한다.

참고문헌 (8)

R. C. Gonzalez, 'Digital Image Processing', 2nd Edition, Prentice Hall, pp.75-146, 2002
R. Crane, 'A Simplified Approach to Image Processing,' Prentice Hall, pp.42-66, 1997
Z. Y. Chen, et al., 'Gray-Level Grouping (GLG) : An Automatic Method for Optimized Image Contrast Enhancement . Part I : The Basic Method', IEEE Trans. on Image Processing, Vol.15, No.8, pp.2290-2302, 2006

상세보기
Y. T. Kim, et al., 'Contrast Enhancement Using Brightness Preserving Bi-Histogram Equalization', IEEE Trans. on Consumer Electronics, Vol.43, No.1, pp.1-8, 1997

상세보기
Y. Wan, Q. Chen, and B. Zhang, 'Image enhancement based on equal area dualistic sub-image histogram equalization method', IEEE Trans. on Consumer Electronics, Vol.45, No.1, pp.68-75, 1999

상세보기
S. D. Chen, and A. R. Ramli, 'Contrast Enhancement using Recursive Mean-Separate Histogram Equalization for Scalable Brightness preservation', IEEE Trans. on Consumer Electronics, Vol.49, No.4, pp.1301-1309, 2003

상세보기
G. H. Park, et al., 'A Contrast Enhancement Method using Dynamic Range Separate Histogram Equalization', IEEE Trans. on Consumer Electronics, Vol.54, No.4, pp.1981-1987, 2008

상세보기
M. Kim and M. G. Chung, 'Recursively Separated and Weighted Histogram Equalization for Brightness Preservation and Contrast Enhancement', IEEE Trans. on Consumer Electronics, Vol.54, No.3, pp.1389-1397, 2008

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증