[논문]컬러 영상에서의 퍼지 스트레칭 기법

김광백

doi:10.9708/jksci.2013.18.5.019

초록
AI-Helper

본 논문에서는 컬러 영상에 삼각형 타입의 소속 함수를 적용하여 스트레칭의 상한과 하한을 동적으로 설정하여 컬러영상을 퍼지 스트레칭 하는 방법을 제안한다. 제안된 퍼지 스트레칭 방법은 평균 밝기 값을 기준으로 가장 어두운 픽셀 값과 가장 밝은 픽셀 값의 거리를 계산하여 밝기의 조정률을 결정한 후, 최소 밝기 값과 최대 밝기 값을 구하고 삼각형 타입 소속 함수의 구간에 적용한다. 영상의 픽셀 값들을 소속 함수에 적용하여 소속도를 구하고 가장 낮은 픽셀 값을 스트레칭 하한으로 설정하고 가장 높은 픽셀 값을 스트레칭 상한으로 설정하여 컬러 영상을 스트레칭 한다. 다양한 영상에 적용한 결과, 앤드인 탐색 방법보다 제안된 퍼지 스트레칭 방법이 효율적인 것을 확인하였다.

Abstract ▼ AI-Helper

TIn this paper, we propose a novel fuzzy stretching method that adopts a triangle type fuzzy membership function to control the highest and lowest brightness limit dynamically. As an essential procedure to enhance the brightness contrast, stretching is an important procedure in color image processin...

TIn this paper, we propose a novel fuzzy stretching method that adopts a triangle type fuzzy membership function to control the highest and lowest brightness limit dynamically. As an essential procedure to enhance the brightness contrast, stretching is an important procedure in color image processing. While popular Ends-in Search stretching method should be provided fixed minimum and maximum brightness threshold from experience, our proposed method determines them dynamically by fuzzy membership functions. The minimum and maximum limit is determined by computing the lowest and highest pixel value according to the membership degree of our designed triangle type membership function. The experiment shows that the proposed method result in far less skewed histogram than those of Ends-in Search stretching thus successfully verifies its effectiveness.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 기존의 히스토그램 스트레칭에 퍼지 이론을 적용한 퍼지 스트레칭을 제안하였다. 제안된 방법은 기존의 스트레칭 기법에서 명암도 값의 분포가 특정 지역으로 치우치는 경우에는 스트레칭이 잘되지 않는 문제점과 앤드인 탐색에서 상한과 하한의 백분율을 경험적으로 설정해야하는 문제점을 개선하기 위해 컬러 영상에서 삼각형 타입의 소속 함수를 설계하고 상한과 하한을 동적으로 설정하여 스트레칭 하는 방법을 제안하였다.

제안 방법

그러나 앤드인 탐색 기법은 상한과 하한에 대한 백분율을 경험적으로 설정해야 한다[3,4]. 따라서 본 논문에서는 컬러 영상에 대해 삼각형 타입의 소속 함수를 적용하여 상한과 하한의 임계치를 동적으로 설정하여 영상의 명암도 분포를 스트레칭하는 퍼지 스트레칭 기법을 제안한다.
본 논문에서 제안한 방법을 Intel Pentium- Dual-Core 2.0 GHz CPU와 3 GB RAM이 장착된 노트북 상에서 VC++ 2008로 구현하여 실험하였다. 그림 2는 기존의 스트레칭 방법과 엔드인 탐색, 제안된 퍼지 스트레칭의 결과 영상이다.
제안된 퍼지 스트레칭 방법은 평균 밝기 값을 기준으로 가장 어두운 픽셀 값과 가장 밝은 픽셀 값의 거리를 계산하여 밝기의 조정률을 결정하고 밝기 조정률을 이용하여 최소 밝기 값과 최대 밝기 값을 설정한 후, 삼각형 소속 함수에 적용하였다. 소속 함수에 적용된 소속도를 cut 레벨을 적용하여 최소값 픽셀과 최대값 픽셀을 하한과 상한으로 설정한 후에 스트레칭 하였다. 다양한 영상에 적용한 결과, 기존의 스트레칭 기법보다 제안된 퍼지 스트레칭 기법이 더 효율적인 것을 알 수 있었다.
본 논문에서는 기존의 히스토그램 스트레칭에 퍼지 이론을 적용한 퍼지 스트레칭을 제안하였다. 제안된 방법은 기존의 스트레칭 기법에서 명암도 값의 분포가 특정 지역으로 치우치는 경우에는 스트레칭이 잘되지 않는 문제점과 앤드인 탐색에서 상한과 하한의 백분율을 경험적으로 설정해야하는 문제점을 개선하기 위해 컬러 영상에서 삼각형 타입의 소속 함수를 설계하고 상한과 하한을 동적으로 설정하여 스트레칭 하는 방법을 제안하였다. 제안된 퍼지 스트레칭 방법은 평균 밝기 값을 기준으로 가장 어두운 픽셀 값과 가장 밝은 픽셀 값의 거리를 계산하여 밝기의 조정률을 결정하고 밝기 조정률을 이용하여 최소 밝기 값과 최대 밝기 값을 설정한 후, 삼각형 소속 함수에 적용하였다.
제안된 방법은 기존의 스트레칭 기법에서 명암도 값의 분포가 특정 지역으로 치우치는 경우에는 스트레칭이 잘되지 않는 문제점과 앤드인 탐색에서 상한과 하한의 백분율을 경험적으로 설정해야하는 문제점을 개선하기 위해 컬러 영상에서 삼각형 타입의 소속 함수를 설계하고 상한과 하한을 동적으로 설정하여 스트레칭 하는 방법을 제안하였다. 제안된 퍼지 스트레칭 방법은 평균 밝기 값을 기준으로 가장 어두운 픽셀 값과 가장 밝은 픽셀 값의 거리를 계산하여 밝기의 조정률을 결정하고 밝기 조정률을 이용하여 최소 밝기 값과 최대 밝기 값을 설정한 후, 삼각형 소속 함수에 적용하였다. 소속 함수에 적용된 소속도를 cut 레벨을 적용하여 최소값 픽셀과 최대값 픽셀을 하한과 상한으로 설정한 후에 스트레칭 하였다.

이론/모형

본 논문에서는 히스토그램의 스트레칭 기준인 하한(α)과 상한(β)를 구하기 위하여 퍼지 기법을 적용한다[5,6,7].

성능/효과

기존의 히스토그램 스트레칭 기법과 제안된 히스토그램 스트레칭 기법을 비교 분석한 결과, 기존의 스트레칭 기법은 그림2(c)와 같이 낮은 명암 대비 영상에서는 화소가 넓게 퍼져 있어 스트레칭이 잘되지 않는 것을 확인할 수 있다. 그림 2(d)의 영상은 앤드인 탐색 기법을 적용한 결과로서 기존의 스트레칭 기법보다 명암도의 대비가 증가하긴 했으나 명암도의 밝고 어두운 부분이 명확히 나타나지 않는 것을 확인할 수 있다.
기존의 히스토그램 스트레칭 기법과 제안된 히스토그램 스트레칭 기법을 비교 분석한 결과, 기존의 스트레칭 기법은 그림2(c)와 같이 낮은 명암 대비 영상에서는 화소가 넓게 퍼져 있어 스트레칭이 잘되지 않는 것을 확인할 수 있다. 그림 2(d)의 영상은 앤드인 탐색 기법을 적용한 결과로서 기존의 스트레칭 기법보다 명암도의 대비가 증가하긴 했으나 명암도의 밝고 어두운 부분이 명확히 나타나지 않는 것을 확인할 수 있다. 그러나 그림 2(e)와 같이 본 논문에서 제안한 퍼지 스트레칭 기법을 적용한 영상에서는 명암도의 대비가 비교적 증가되어 배경의 창문이나 나무의 색상 대비가 더욱 또렷하게 나타났다.
그림 2(d)의 영상은 앤드인 탐색 기법을 적용한 결과로서 기존의 스트레칭 기법보다 명암도의 대비가 증가하긴 했으나 명암도의 밝고 어두운 부분이 명확히 나타나지 않는 것을 확인할 수 있다. 그러나 그림 2(e)와 같이 본 논문에서 제안한 퍼지 스트레칭 기법을 적용한 영상에서는 명암도의 대비가 비교적 증가되어 배경의 창문이나 나무의 색상 대비가 더욱 또렷하게 나타났다. 따라서 제안한 퍼지 스트레칭 기법이 기존의 대비 향상 기법들보다 명암 대비를 더 뚜렷하게 나타내는 것을 확인할 수 있었다.
소속 함수에 적용된 소속도를 cut 레벨을 적용하여 최소값 픽셀과 최대값 픽셀을 하한과 상한으로 설정한 후에 스트레칭 하였다. 다양한 영상에 적용한 결과, 기존의 스트레칭 기법보다 제안된 퍼지 스트레칭 기법이 더 효율적인 것을 알 수 있었다.
그러나 그림 2(e)와 같이 본 논문에서 제안한 퍼지 스트레칭 기법을 적용한 영상에서는 명암도의 대비가 비교적 증가되어 배경의 창문이나 나무의 색상 대비가 더욱 또렷하게 나타났다. 따라서 제안한 퍼지 스트레칭 기법이 기존의 대비 향상 기법들보다 명암 대비를 더 뚜렷하게 나타내는 것을 확인할 수 있었다.

후속연구

향후 연구 방향은 제안된 퍼지 스트레칭 방법을 의료 영상에 적용하여 제안된 퍼지 스트레칭 방법의 성능을 평가할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	앤드인 탐색은 어디에 적용되는 기법인가?	명암 대비 스트레칭은 특정 부분에 명암 값이 치우쳐 있는 영상에 적용된다. 두 번째 방법으로 앤드인 탐색은 영상의 명암 값이 넓은 법위에 있기는 하지만 히스토그램에서 특정한 골이나 마루가 있는 영상에 적용된다. 그러나 앤드인 탐색 기법은 상한과 하한에 대한 백분율을 경험적으로 설정해야 한다[3,4].
	높은 명암 대비란?	사람의 눈은 대비에 민감하게 작용하므로 대체적으로 대비가 높은 영상일수록 영상의 품질이 향상되어 보인다. 높은 명암 대비란 영상의 명암도 값의 분포가 넓은 지역에 균형 있게 퍼져있는 것을 의미하고, 반대로 전체적인 명암도가 흐리거나 혹은 너무 밝거나 너무 어두운 영상들은 낮은 명암 대비 영상으로서 영상의 히스토그램 명암도 분포 값이 특정 지역으로 치우치는 경우를 의미한다. 이러한 낮은 명암 대비 영상을 높은 명암 대비 영상으로 바꾸는 과정을 영상 대비 향상이라고 하는데, 영상 대비 향상 과정은 영상 처리 분야의 전처리 과정으로서 매우 중요한 역할을 한다[1].
	퍼지 스트레칭 방법은 어떤 문제점을 개선하기 위해 제안되었나?	본 논문에서는 기존의 히스토그램 스트레칭에 퍼지 이론을 적용한 퍼지 스트레칭을 제안하였다. 제안된 방법은 기존의 스트레칭 기법에서 명암도 값의 분포가 특정 지역으로 치우치는 경우에는 스트레칭이 잘되지 않는 문제점과 앤드인 탐색에서 상한과 하한의 백분율을 경험적으로 설정해야하는 문제점을 개선하기 위해 컬러 영상에서 삼각형 타입의 소속 함수를 설계하고 상한과 하한을 동적으로 설정하여 스트레칭 하는 방법을 제안하였다. 제안된 퍼지 스트레칭 방법은 평균 밝기 값을 기준으로 가장 어두운 픽셀 값과 가장 밝은 픽셀 값의 거리를 계산하여 밝기의 조정률을 결정하고 밝기 조정률을 이용 하여 최소 밝기 값과 최대 밝기 값을 설정한 후, 삼각형 소속 함수에 적용하였다.

참고문헌 (7)

R. C. Gonzalez, R. E. Woods, Digital Image Processing, Pearson Prentice Hall(Third Edition), 2008.
M. J. Song, K. Han, "Development of a Systemfrom Recognizing Stamp Images," Journal of Intelligent Information Systems, Vol.9, No.1, pp.125-137, 2003.
K. B. Kim, "Nucleus Recognition of Uterine Cervical Pap-Smears using FCM Clustering Algorithm," International Journal of Maritime Information and Communication Sciences, Vol.6, No.1, pp.94-99, 2008.

원문보기 상세보기
K. B. Kim, Y. J. Kim, "Enhanced BinarizationMethod using Fuzzy Membership Function," Journal of The Korea Society of Computer and Information, Vol.10, No.1, pp.67-72, 2005.
A. Kandel, G. Langholz, Fuzzy Control Systems, CRC Press, Inc., 1994.
W. Pedrycz, Fuzzy Control and Fuzzy Systems, Research Studies Press Ltd., 1989.
K. B. Kim B. K. Lee, "Color Image Filter using an Enhanced Fuzzy Method," Journal of The Korea Society of Computer and Information, Vol.17, No.11, pp.27-32, 2012.

원문보기 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

컬러 영상에서의 퍼지 스트레칭 기법
Fuzzy Stretching Method of Color Image 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (7)

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

컬러 영상에서의 퍼지 스트레칭 기법 Fuzzy Stretching Method of Color Image 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

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (7)

이 논문을 인용한 문헌

저자의 다른 논문 :

김광백 (177)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

컬러 영상에서의 퍼지 스트레칭 기법
Fuzzy Stretching Method of Color Image 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper