[논문]히스토그램 보정을 통한 적응형 명암비 향상 방법

강현우; 황보현; 윤종호; 조태경; 최명렬

doi:10.5762/kais.2010.11.3.958

초록
AI-Helper

히스토그램 평활화는 가장 잘 알려진 명암비 향상기법이지만 밝기 값이 크게 변화해서 색의 왜곡과 노이즈가 두드러지고 색번짐 현상 같은 부작용이 발생한다. 이러한 문제들을 해결하기 위한 기존의 기법들은 유저가 영상마다 일일이 파라미터를 수정해야 하거나 다양한 영상에 대해 결과를 보장하지 못했다. 제안된 기법은 영상의 median값을 바탕으로 보정계수를 계산하고 히스토그램에서 가장 큰 빈도수를 기준으로 보정계수에 비례하여 나머지 히스토그램들을 보정한 뒤 평활화 한다. 제안한 방법의 결과영상은 각기 다른 특성을 가진 여러 가지 영상들에 대해 안정적으로 HE의 부작용들을 해결하였음을 알 수 있게 한다. 뿐만 아니라 연산이 복잡하지 않고, 보정계수가 자동적으로 계산되기 때문에 FPD에 직접 적용할 수 있다.

Abstract ▼ AI-Helper

Histogram Equalization(HE) is one of the well known methods for contrast enhancement. but, it did not applied directly due to side effects such as significant change in brightness or washed out appearance. Many conventional method try to overcome this problem but they did not guarantee various image...

Histogram Equalization(HE) is one of the well known methods for contrast enhancement. but, it did not applied directly due to side effects such as significant change in brightness or washed out appearance. Many conventional method try to overcome this problem but they did not guarantee various image or depend on user define parameter. In this paper, an Adaptive histogram Compensated Histogram Equalization(ACHE) is proposed for contrast enhancement. ACHE has a parameter that based on median of input image. Histogram of input image is compensated according to parameter. And then finally compensated histogram is equalized. Experimental results show that proposed method suppresses side effects such as detail loss or washed out appearance. Moreover, parameter calculated automatically with low computation complexity. As a result, it could applies FPD directly.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 평판 디스플레이 시스템을 위한 명암비 향상 기법을 제안하였다. 제안 알고리즘은 입력영상의 median 값을 바탕으로 히스토그램을 보정했는데 이로 인해 빈도수의 차이가 줄어들어 다시 히스토그램 평활화를 거치더라도 과도한 색변화가 일어나지 않는다.
이외에도 다양한 방법이 제안되었지만 영상에 따라 파라미터 값을 각각 달리 해야 하거나 다양한 영상에 대해 안정적인 결과를 얻지 못하거나 연산량이 너무 많다는 문제를 안고 있다. 본 논문에서는 히스토그램 평활화 부작용의 원인을 분석하고 적은 연산량으로 부작용을 해결해보고자 한다.

제안 방법

먼저, 히스토그램에서 가장 큰 빈도수를 f_h로 정의하고 이때의 히스토그램 밝기값을 i_h라고 한다. 그런뒤에 다른 히스토그램 빈도수들과의 차이를 ratio에 비례해 줄여서 보정하도록 한다. 이러한 보정으로 생기는 가상의 히스토그램을 H_v(i)라고 정의한다.
제안 알고리즘은 이러한 특징을 이용하여 입력영상의 median값이 중간 밝기 값에서 얼마나 떨어져 있는가를 판단하여 중간 밝기 값에서 멀리 떨어져 있을수록 히스토그램 평활화시 부작용이 많이 생길 수 있다고 판단 이를 보정하도록 한다. 제안한 방법의 프로세스는 [그림 1] 과 같다.
본 논문에서는 평판 디스플레이 시스템을 위한 명암비 향상 기법을 제안하였다. 제안 알고리즘은 입력영상의 median 값을 바탕으로 히스토그램을 보정했는데 이로 인해 빈도수의 차이가 줄어들어 다시 히스토그램 평활화를 거치더라도 과도한 색변화가 일어나지 않는다. 결과 영상은 제안된 방법이 다른 특성을 가진 여러 가지 영상들에 대해 안정적으로 HE의 부작용들을 해결하였음을 알 수 있게 한다.
[표 1]은 히스토그램 평활화의 문제점을 알아보기 위한 것이다. 히스토그램 평활화의 방법으로 좋은 결과가 나오는 영상을 A군으로, 그렇지 않은 영상을 B군으로 놓고 영상의 특징들을 정리하였다. A군과 B군의 특징을 잘 살펴본 결과 mean이나 표준편차에서는 별 다른 차이점이 없었지만 median 값에서는 A군 영상들이 대체적으로 중간 밝기값에 가까운데 반해 B군 영상들은 0이나 최대 밝기값에 가까움을 알 수 있었다.

성능/효과

히스토그램 평활화의 방법으로 좋은 결과가 나오는 영상을 A군으로, 그렇지 않은 영상을 B군으로 놓고 영상의 특징들을 정리하였다. A군과 B군의 특징을 잘 살펴본 결과 mean이나 표준편차에서는 별 다른 차이점이 없었지만 median 값에서는 A군 영상들이 대체적으로 중간 밝기값에 가까운데 반해 B군 영상들은 0이나 최대 밝기값에 가까움을 알 수 있었다.
제안 알고리즘은 입력영상의 median 값을 바탕으로 히스토그램을 보정했는데 이로 인해 빈도수의 차이가 줄어들어 다시 히스토그램 평활화를 거치더라도 과도한 색변화가 일어나지 않는다. 결과 영상은 제안된 방법이 다른 특성을 가진 여러 가지 영상들에 대해 안정적으로 HE의 부작용들을 해결하였음을 알 수 있게 한다. 그러나 어두운 영상이나, 어두운 부분이 많은 경우는 성능이 저하 되는 경향이 있다.
[그림 5]는 영상의 히스토그램을 보여준 것이다. 결과에서 확인할 수 있듯 히스토그램은 영상에 특성을 고려하지 않은 상태에서 히스토그램이 균일하게 이루어져 있는 것을 확인 할 수 있다. 그리나 제안 알고리즘은 원영상의 특성을 유지하면서 히스토그램의 분포를 고르게 한 것을 확인 할 수 있다.
결과에서 확인할 수 있듯 히스토그램은 영상에 특성을 고려하지 않은 상태에서 히스토그램이 균일하게 이루어져 있는 것을 확인 할 수 있다. 그리나 제안 알고리즘은 원영상의 특성을 유지하면서 히스토그램의 분포를 고르게 한 것을 확인 할 수 있다.
이를 히스토그램 평활화한 (b-2) 영상은 색의 왜곡으로 인해 원래의 색을 잃어버렸고, DSIHE[5]의 결과영상인 (c-2) 영상도 (d-2) 영상보다는 덜하지만 여전히 부작용을 안고 있다. 그에 반해 제안된 방법의 영상은 다른 부작용 없이 비행기의 동체가 더욱 선명해진 것을 볼 수 있다. (a-3) 영상은 (a-1),(a-2)에 비해 안정적이고 별다른 문제가 없는 영상으로 히스토그램 평활화한 (b-3) 영상만 약간 밝아졌을 뿐 MMBEHE[6]과 제안 알고리즘(d-3) 원본영상과 비슷한 결과를 보였다.
첫 번째로, 히스토그램 평활화는 입력영상이 원래 밝은 영상이든 어두운 영상이든 전체 밝기값 레벨들에 재분배하기 때문에 밝기 값이 크게 변화 할 수 있다. 이로 인해 색의 왜곡(color distortion)이 발생하고 자연스러운 결과 이미지를 만들지 못한다.

후속연구

그러나 어두운 영상이나, 어두운 부분이 많은 경우는 성능이 저하 되는 경향이 있다. 그래서 향후에는 이 부분 대한 추가 연구가 이루어져야 할 것으로 생각된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	히스토그램 평활화의 문제점은 무엇인가?	히스토그램 평활화는 가장 잘 알려진 명암비 향상기법이지만 밝기 값이 크게 변화해서 색의 왜곡과 노이즈가 두드러지고 색번짐 현상 같은 부작용이 발생한다. 이러한 문제들을 해결하기 위한 기존의 기법들은 유저가 영상마다 일일이 파라미터를 수정해야 하거나 다양한 영상에 대해 결과를 보장하지 못했다.
	명암대비 향상 기법은 어떻게 구분되는가?	명암대비 향상 기법은 크게 전역(Global) 명암대비 향상 기법과 지역(Local) 명암대비 향상 기법으로 구분되어 진다. 전역 명암대비 향상 기법은 영상의 명암 값의 범위을 늘림으로서 화질을 향상시키는 방법으로 가장 널리 쓰이는 방법 중의 하나가 전역 히스토그램 평활화(Global Histogram Equalization)이다.
	히스토그램 평활화에서 생기는 문제들을 해결하기 위한 기존의 기법들의 단점은 무엇인가?	히스토그램 평활화는 가장 잘 알려진 명암비 향상기법이지만 밝기 값이 크게 변화해서 색의 왜곡과 노이즈가 두드러지고 색번짐 현상 같은 부작용이 발생한다. 이러한 문제들을 해결하기 위한 기존의 기법들은 유저가 영상마다 일일이 파라미터를 수정해야 하거나 다양한 영상에 대해 결과를 보장하지 못했다. 제안된 기법은 영상의 median값을 바탕으로 보정계수를 계산하고 히스토그램에서 가장 큰 빈도수를 기준으로 보정계수에 비례하여 나머지 히스토그램들을 보정한 뒤 평활화 한다.

참고문헌 (6)

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.
Y. T. Kim, et al., "Contrast enhancement using Brightness preserving Bi-Histogram Equalization," IEEE Trans. on Consumer Electron, vol.43, no.1, pp.1-8, 1997.

상세보기
S. D. Chen, et al., "Contrast Enhancement using Recursive Mean-Separate Histogram Equalization for Scalable Brightness Preservation," IEEE Trans. on Consumer Electron, vol.49, no.4, pp.1301-1309, 2003.

상세보기
Wang, Chen and 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
Chen and R.Ramli, " Minimum Mean Brightness Error Bi-Histogram Equalization in Contrast Ehhancement," IEEE Trans on Consumer Electronics, vol. 49, no. 4, pp.1310-1319, 2003.

상세보기

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

히스토그램 보정을 통한 적응형 명암비 향상 방법
An Adaptive Contrast Enhancement Method by Histogram Compensation 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

성능/효과

후속연구

질의응답

참고문헌 (6)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

히스토그램 보정을 통한 적응형 명암비 향상 방법 An Adaptive Contrast Enhancement Method by Histogram Compensation 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

성능/효과

후속연구

질의응답

참고문헌 (6)

이 논문을 인용한 문헌

저자의 다른 논문 :

황보현 (11) 윤종호 (15) 조태경 (41) 최명렬 (45)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

히스토그램 보정을 통한 적응형 명암비 향상 방법
An Adaptive Contrast Enhancement Method by Histogram Compensation 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper