[논문]이중 문턱 값과 적분영상을 이용한 2차원 바코드 영상의 적응적 이진화

이연경; 유훈

doi:10.6109/jkiice.2012.16.11.2453

이중 문턱 값과 적분영상을 이용한 2차원 바코드 영상의 적응적 이진화
Adaptive thresholding for two-dimensional barcode images using two thresholds and the integral image 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.16 no.11, 2012년, pp.2453 - 2458

이연경 (상명대학교 디지털미디어학부) , 유훈 (상명대학교 디지털미디어학부)

초록
AI-Helper

본 논문에서는 2차원 바코드 영상을 위한 적응적 이진화 방법을 제안한다. 적응형 이진화 방법은 조명의 영향을 최소화하여 이진화를 수행하는 기술이다. 적응적 이진화 방법은 주로 문서 영상에 맞게 발전되어 왔다. 기존 방법들은 적응적 이진화에서 사용되는 박스에 대한 크기 설정 문제를 가지고 있다. 이 문제로 기존 방법들은 이차원 바코드 영상 인식에 적용하기에 부적절하다. 문제점을 극복하기 위해 먼저 박스크기와 기존 방법들의 문제점을 분석하고, 이를 기반으로 적분영상을 사용한 새로운 적응형 이진화 방법을 소개한다. 제안한 방법의 성능 입증을 위해 기존의 방법과 속도, 성능 비교 실험을 수행하였고 실험 결과는 기존 방법보다 우수함을 입증하였다.

Abstract ▼ AI-Helper

In this paper, we propose an adaptive thresholding method to binarize two-dimensional barcode images. Adaptive thresholding methods that minimize light effects convert an original image into a binary image. The methods are applied to document image binarization. The methods, however, have problems of determining box size used in adaptive thresholding. thus, they inappropriate to use in recognition of two-dimensional barcode images. To overcome the problem, we analysis the problem and propose a new adaptive threshold method using the integral image. To show the effectiveness of our method, we compared our method with the well-known existing methods in terms of visual quality and processing time. The experimental result indicates that the proposed method is superior to the existing method.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 적응적 이진화의 블록 사이즈 문제 해결과 연산량 문제를 해결하기 위해 적분영상을 도입한 새로운 방법을 제시하였다. 새로운 방법은 두 개의 박스를 사용하고, 그 두 개의 박스 내에서 계산된 두 값을 비교하여 이진화를 보다 적응적으로 만들었다.
본 논문에서는 적응적 이진화의 연산량 문제를 해결하기 위한 방법인 적분영상(integral image) 혹은 SummedArea Table을 소개하고, 기존의 적응적 이진화 방법들이 주로 문서 영상에 특화되어 개발된 점에서 발생하는 문제점을 제기하고 이와 더불어 블록 크기 설정 문제에서 벗어날 수 있는 새로운 방법을 제시한다.

제안 방법

기존방법들(Bersen[3], Nibalck[4], Sauvola[5], Wellner[6], Bradley[7])은 2차원 바코드와 같은 영상에서는 앞서 토의한 바와 같이 문제점이 있고 또한 새로운 블록 크기를 설정하기가 어렵다. 따라서 제안된 방법은 기존의 방법들보다 빠르며 상대적으로 품질이 좋은 영상을 제공하는 Bradley방법에서 이중 적응적 문턱 값을 도입하여 개선한다.
본 논문에서는 적응적 이진화의 연산량 문제를 해결하기 위한 방법인 적분영상(integral image) 혹은 SummedArea Table을 소개하고, 기존의 적응적 이진화 방법들이 주로 문서 영상에 특화되어 개발된 점에서 발생하는 문제점을 제기하고 이와 더불어 블록 크기 설정 문제에서 벗어날 수 있는 새로운 방법을 제시한다. 또한 제시한 방법의 성능 판단을 위한 기존 방법의 비교 실험을 수행한다.
본 논문에서 제안한 방법의 성능을 나타내기 위해 다른 적응형 이진화 방법들과의 비교실험을 수행한다. 비교 기준이 되는 방법들은 논문[10]과 논문[11]에서 좋은 결과를 나타낸 Niblack방법, Sauvola방법, Bernsen방법, 그리고 Bradley방법을 대상으로 한다.
본 논문에서는 적응적 이진화의 블록 사이즈 문제 해결과 연산량 문제를 해결하기 위해 적분영상을 도입한 새로운 방법을 제시하였다. 새로운 방법은 두 개의 박스를 사용하고, 그 두 개의 박스 내에서 계산된 두 값을 비교하여 이진화를 보다 적응적으로 만들었다. 제시한 방법의 성능을 비교하기 위해 기존 방법들과의 성능, 속도 두 측면의 비교실험을 수행하였고, 그 결과 제안한 방법이 성능과 속도 두 면에서 모두 이진화가 상대적으로 잘 이루어짐을 알수 있었다.
실험의 결과를 효과적으로 비교하기 위해 실험의 기준을 이진화의 성능과 속도두 가지 면을 삼는다. 실험에 적용되는 영상은 ZXing-2.
전역적 이진화는 영상 전체에 대해 하나의 문턱값을 얻어 적용하므로 영상의 히스토그램의 분석을 통해 구한다. 대표적인 방법으로 Otsu, KittlerMet, 히스토그램 중간 값과 같은 방법들이 있고, 영상의 히스토그램을 분석, 변형하는 다양한 방법들 또한 연구되었다.
제안된 방법에서는 두 개의 적응적인 문턱 값을 도입한다. 이 두 문턱 값은 서로 다른 크기의 평균필터에서 얻어진다.
제안된 방법은 크기가 다른 두 개의 블록을 사용하여 이진화를 수행하므로, 다른 방법들과 동일하게 기본 블록 크기를 15×15로 설정하고, 다른 하나의 블록크기는 127×127로 설정한다.
표 1의 결과는 적분영상을 도입한 방법들은 도입하지 않은 방법들보다 10배 이상의 속도 차이를 내며 빠르게 수행됨을 알 수 있다. 제안하는 방법 또한 적분 영상을 이용하여 이진화를 수행한다. 제안하는 방법이 다수의 블록을 사용함에도 불구하고 다른 방법들과 비교해도 속도에 우위가 있을 만큼 좋은 속도를 나타냄을 알수 있다.
제안하는 방법은 적응적 이진화에서 필요한 문턱값 선정에 있어서 기존 방법과 다르게 두 개의 문턱 값을 이용하여 픽셀들에 대해 이진화를 수행한다. 적응적 이진화의 블록크기 설정문제와 기존 방법들의 문턱값 설정에서의 문제점은 그림 3을 통해서 알 수 있다.

대상 데이터

실험의 결과를 효과적으로 비교하기 위해 실험의 기준을 이진화의 성능과 속도두 가지 면을 삼는다. 실험에 적용되는 영상은 ZXing-2.0의 영상과 논문[7]에서 실험 영상으로 사용된 영상이다. 각 방법에 적용되는 블록크기는 기본적으로 지정한 블록크기 15×15를 사용한다.

데이터처리

속도 측정 실험에 사용된 영상의 크기는 640×480으로 5회의 반복적인 실험을 통해 평균을 취하였다.

이론/모형

본 논문에서 제안한 방법의 성능을 나타내기 위해 다른 적응형 이진화 방법들과의 비교실험을 수행한다. 비교 기준이 되는 방법들은 논문[10]과 논문[11]에서 좋은 결과를 나타낸 Niblack방법, Sauvola방법, Bernsen방법, 그리고 Bradley방법을 대상으로 한다.

성능/효과

새로운 방법은 두 개의 박스를 사용하고, 그 두 개의 박스 내에서 계산된 두 값을 비교하여 이진화를 보다 적응적으로 만들었다. 제시한 방법의 성능을 비교하기 위해 기존 방법들과의 성능, 속도 두 측면의 비교실험을 수행하였고, 그 결과 제안한 방법이 성능과 속도 두 면에서 모두 이진화가 상대적으로 잘 이루어짐을 알수 있었다. 이 결과로 이차원 바코드 영상의 이진화에 유용하게 쓰일 것으로 기대된다.
제안된 방법은 기존 방법들이 갖고 있는 검은 코드 영역에서의 잡음 영향을 최소화하고 또한 이중 박스 크기를 사용함으로 박스크기 결정 문제에 둔감할 수 있다.
제안하는 방법 또한 적분 영상을 이용하여 이진화를 수행한다. 제안하는 방법이 다수의 블록을 사용함에도 불구하고 다른 방법들과 비교해도 속도에 우위가 있을 만큼 좋은 속도를 나타냄을 알수 있다.
그리고 비교 대상 방법 중 Niblack과 Sauvola방법은 적분영상을 도입하여 문턱값을 효과적으로 구할 수 있기에 속도 측정 기준에 추가하여 나타내었다. 표 1의 결과는 적분영상을 도입한 방법들은 도입하지 않은 방법들보다 10배 이상의 속도 차이를 내며 빠르게 수행됨을 알 수 있다. 제안하는 방법 또한 적분 영상을 이용하여 이진화를 수행한다.

후속연구

제시한 방법의 성능을 비교하기 위해 기존 방법들과의 성능, 속도 두 측면의 비교실험을 수행하였고, 그 결과 제안한 방법이 성능과 속도 두 면에서 모두 이진화가 상대적으로 잘 이루어짐을 알수 있었다. 이 결과로 이차원 바코드 영상의 이진화에 유용하게 쓰일 것으로 기대된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	2차원 바코드란?	2차원 바코드란 바코드의 데이터를 2차원적 형태로 나타낸 것을 2차원 바코드라한다. 이 2차원 바코드는 기존의 1차원 바코드보다 데이터의 차원 수를 높여 보다 많은 정보를 포함할 수 있다.
	전역적 이진화의 방법에는 무엇이 있는가?	전역적 이진화는 영상 전체에 대해 하나의 문턱값을 얻어 적용하므로 영상의 히스토그램의 분석을 통해 구한다. 대표적인 방법으로 Otsu, KittlerMet, 히스토그램 중간 값과 같은 방법들이 있고, 영상의 히스토그램을 분석, 변형하는 다양한 방법들 또한 연구되었다. 전역적이 진화 방법은 하나의 문턱값을 가지고 영상 전체를 빠르게 이진화 할 수 있다.
	2차원 바코드 영상을 인식하는 과정에는 무엇이 있는가?	일반적으로 2차원 바코드 영상을 인식하는 과정은 원 영상의 이진화, 이미지의 기울기, 기하학적 보정, 이진화된 영상에서의 코드 영역 탐색, 코드 영역 내 표준에 따른 데이터 영역 구분, 데이터 추출, 디코딩과 같은 순서로 진행된다[2]. 이 과정 중 가장 먼저 수행되는 이진화 과정은 원 영상에서의 정보량을 변동 시킬 수 있기 때문에 중요하다.

참고문헌 (11)

H. Kato, K. T. Tan and D.Chai. "Barcodes for Mobile Devices," Cambridge University Press,2010.
Y.Gu and W.Zhang, "QR Code Recognition Based On Image Processing," International Conference on Information Science and Technology(ICIST), 2011 International Conference, pp. 733-736. 2011.
J. Bernsen, "Dynamic thresholding of grey-level images," Proc. Eighth Int'l Conf.Pattern Recognition, pp.1,251-1,255, Paris, 1986
W. Niblack, "An Introduction to Digital Iamge Processing," pp.115-116. Englewood Cliffs, N.j.: Prentice Hall, 1989
J.Sauvola and M.Pietikinen, "Adaptive document image binarization," Pattern Recognition, vol. 33(2), pp.225-236, 2000.

상세보기
P.Wellner, "Adaptive thresholding for the DigitalDest," Xerox Research Center Technical Report n. EPC-1993-110, 1993.
D.Bradley and G.Roth, "Adaptive Thresholding Using the Integral Image," Journal of Graphics, GPU, and Game Tools, Vol. 12, Issue 2, pp. 13-21, 2007.
P. Viola and M. Jones, "Robust real-time object detection," 2nd Intl. Workshop on Statistical and Computational Theories of Vision, 2001.
F.Shafait and D.Keysers, T.M. Breuel, "Efficient Implementation of Local Adaptive Thresholding Techniques Using Integral Images," Document Recognition and Retrieval XY, San Jose, USA, January 2008.
O.D.Trier and A.K.Jain, "Goal-directed evaluation of binarization methods" IEEE Trans, Pattern Anal.Mach.Intell., vol. 17(12), pp.1991-1201, 1995.
M. Sezgin and B. Sankur, "Survey over image thresholding techniques and quantitative performance evaluation," Journal of Electronic Imaging 13(1), pp. 146-165, 2004.

상세보기

저자의 다른 논문 :

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