디지털 엑스레이 기기로부터 처음 획득된 엑스레이 영상은 데이터 범위가 일반 영상에 비해 넓고 밝기 레벨이 고르지 못하다. 특히 흉부 엑스레이 영상의 경우 다양한 이유로 촬영하기 때문에 갈비뼈와 혈관, 척추 뼈 등 특성이 다른 모든 부위들을 자연스럽게 개선할 필요가 있다. 이러한 엑스레이 영상의 경우 일반 영상과 특성이 다르기 때문에 기존의 화질 개선 알고리즘으로는 진단에 적합한 화질을 얻을 수 없다. 따라서 본 논문은 특정 밝기에 밀집된 정보들의 히스토그램 범위를 확장시키고, 주파수 대역 별 가중치 조절을 통한 선명도 개선 및 고주파 성분의 특성을 이용한 영상 융합 기법을 통해 최종적으로 영상의 대비를 적절하게 개선하는 흉부 엑스레이 영상용 화질 개선 방법을 제안한다. 또한 기존의 기법들과 비교하여 흉부 엑스레이 영상을 보다 자연스럽게 개선하는 것을 확인하고 discrete entropy와 saturation을 통해 정량적 평과 결과를 보인다.
디지털 엑스레이 기기로부터 처음 획득된 엑스레이 영상은 데이터 범위가 일반 영상에 비해 넓고 밝기 레벨이 고르지 못하다. 특히 흉부 엑스레이 영상의 경우 다양한 이유로 촬영하기 때문에 갈비뼈와 혈관, 척추 뼈 등 특성이 다른 모든 부위들을 자연스럽게 개선할 필요가 있다. 이러한 엑스레이 영상의 경우 일반 영상과 특성이 다르기 때문에 기존의 화질 개선 알고리즘으로는 진단에 적합한 화질을 얻을 수 없다. 따라서 본 논문은 특정 밝기에 밀집된 정보들의 히스토그램 범위를 확장시키고, 주파수 대역 별 가중치 조절을 통한 선명도 개선 및 고주파 성분의 특성을 이용한 영상 융합 기법을 통해 최종적으로 영상의 대비를 적절하게 개선하는 흉부 엑스레이 영상용 화질 개선 방법을 제안한다. 또한 기존의 기법들과 비교하여 흉부 엑스레이 영상을 보다 자연스럽게 개선하는 것을 확인하고 discrete entropy와 saturation을 통해 정량적 평과 결과를 보인다.
The initial X-ray images obtained from a digital X-ray machine have a wide data range and uneven brightness level than normal images. In particular, in Chest X-ray images, it is necessary to improve naturally all of the parts such as ribs, spine, tissue, etc. These X-ray images can not be improved e...
The initial X-ray images obtained from a digital X-ray machine have a wide data range and uneven brightness level than normal images. In particular, in Chest X-ray images, it is necessary to improve naturally all of the parts such as ribs, spine, tissue, etc. These X-ray images can not be improved enough from conventional image quality enhancement algorithms because their characteristics are different from ordinary images'. This paper proposes to eliminate unnecessary background from an input image and expand the histogram range of the image. Then, we adjust the weight per frequency band of the image for improvement of contrast and sharpness. Finally, jointly taking the advantages of global contrast enhancement and local contrast enhancement methods we obtain an improved X-ray image suitable for effective diagnosis in comparison with the existing methods. Experimental results show quantitatively that the proposed algorithm provides better X-ray images in terms of the discrete entropy and saturation than the previous works.
The initial X-ray images obtained from a digital X-ray machine have a wide data range and uneven brightness level than normal images. In particular, in Chest X-ray images, it is necessary to improve naturally all of the parts such as ribs, spine, tissue, etc. These X-ray images can not be improved enough from conventional image quality enhancement algorithms because their characteristics are different from ordinary images'. This paper proposes to eliminate unnecessary background from an input image and expand the histogram range of the image. Then, we adjust the weight per frequency band of the image for improvement of contrast and sharpness. Finally, jointly taking the advantages of global contrast enhancement and local contrast enhancement methods we obtain an improved X-ray image suitable for effective diagnosis in comparison with the existing methods. Experimental results show quantitatively that the proposed algorithm provides better X-ray images in terms of the discrete entropy and saturation than the previous works.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
또한 넓은 다이나믹 레인지에 비해 좁은 영역에 정보가 밀집해있기 때문에 알맞은 변환커브를 새롭게 설계하는 것에도 한계가 있으며, 영상을 블록 단위로 나누어 지역적으로 대비를 개선하는 데에 있어서도 큰 효과를 얻기가 힘들다. 따라서 본 논문은 불필요한 성분을 제거하고 특정 밝기에 밀집되어 있는 정보들의 히스토그램 범위를 확장하여 흉부 엑스레이 영상의 대비 개선에 적합한 변환 커브를 설계하기 용이하도록 하였다. 흉부 엑스레이의 히스토그램은 그림 1의 형태를 크게 벗어나지 않기 때문에 히스토그램만으로도 영역 구분이 가능하다.
이 기법은 블록 단위로 계산하기 때문에 대비 개선에 효과적이지만 흉부 엑스레이 영상에 적용했을 때 폐 내부와 피부에서 블록 경계가 부자연스러운 경향이 있다. 따라서 우리는 전역적 대비 개선 기법과 지역적 대비 개선 기법의 단점을 보완하기 위해 두 가지 기법의 결과 영상을 융합하는 기법을 제안한다.
본 논문에서는 대비와 선명도가 떨어지는 원본 흉부 엑스레이 영상으로부터 선명도와 대비를 향상시켜 양질의 영상을 획득할 수 있는 흉부 엑스레이 영상을 위한 화질 개선 알고리즘을 제안한다. 먼저 혈관과 뼈, 피부 등이 포함된 관심 영역의 히스토그램을 확장하여 흉부 엑스레이 영상에 알맞게 설계한 변환커브를 적용시키고 주파수 대역 별 가중치를 조절하여 대비와 선명도를 자연스럽게 향상시킨다.
본 논문은 대비와 선명도가 크게 떨어지는 원본 흉부 엑스레이 영상의 화질을 개선하기 위해 일차적으로 불필요한 배경 성분을 제거하고 관심 영역의 히스토그램을 확장하여 적절한 변환커브를 통해 기본적인 대비 개선을 수행하고, 영상을 여러 대역으로 분리한 후 주파수 영역 별 가중치를 조절하여 고주파 성분이 과도하게 부각되는 현상을 방지하였다. 또한 흉부 엑스레이 영상의 고주파 성분의 특성을 이용하여 전역적 대비 개선 기법의 결과 영상과 지역적 대비 개선 기법의 결과 영상을 적절하게 융합하여 전체적으로 영상을 자연스럽게 개선하는 알고리즘을 제안하였다.
본 논문은 흉부 엑스레이 영상의 화질을 개선하기 위해 그림 1과 같이 크게 세 가지 단계를 제안하였다. 초기 대비 개선 단계에서는 불필요한 배경성분을 제거하고 좁은 영역에 몰려있는 정보를 확장하여 변환커브를 통해 일차적으로 전체적인 대비를 개선할 수 있도록 한다.
제안 방법
먼저 혈관과 뼈, 피부 등이 포함된 관심 영역의 히스토그램을 확장하여 흉부 엑스레이 영상에 알맞게 설계한 변환커브를 적용시키고 주파수 대역 별 가중치를 조절하여 대비와 선명도를 자연스럽게 향상시킨다. 그 후 고주파 성분의 특성을 이용한 영상 융합 방식을 통해 전역적 대비 개선 기법과 지역적 대비 개선 기법의 장점을 적절하게 취하여 최종적으로 영상의 대비를 적절하게 개선하는 흉부 엑스레이 영상용 선명도 및 대비 개선 방법을 제안한다. 또한 몇 가지 흉부 엑스레이 영상에 대한 실험을 통해 기존의 기법들에 비해 자연스럽게 개선된 결과 영상을 확인 하고, 이산 엔트로피와 포화도(saturation)를 통해 정량적 평과 결과를 보인다.
기본적인 대비 개선 및 선명도 개선까지 수행한 영상은 정보가 좁은 영역에 몰려있던 원본 영상에 비해 화질이 개선되지만, 영상의 밝기가 고르지 못하고 중요한 폐 부분의 대비가 여전히 낮다. 따라서 마지막 단계로 영상의 전체적인 밝기 레벨을 적절하게 조절하고 대비를 효과적으로 개선하기 위하여 전역적 대비 개선 기법을 적용한 영상과 지역적 대비 개선 기법을 적용한 영상을 융합한다. 전역적 대비 개선 기법은 가중치 분포 (weighting distribution)와 감마 커브를 이용하여 영상에 따라 적응적인 변환 커브를 설계하는 AGCWD (Adaptive Gamma Correction with Weighting Distribution) 기법[13]을 사용한다.
특히 혈관의 경우 의사의 진단에 영향을 줄 수 있기 때문에 문제가 될 수 있다. 따라서 우리는 고주파 성분을 보다 자연스럽게 강조하기 위해, 분리한 대역을 고주파 영역, 중간 영역, 저주파 영역으로 구분 짓고 가중치를 다르게 주었다. 저주파 영역에 가중치를 크게 주면 선명도 개선의 효과가 적기 때문에 중간 영역에 가중치를 주어 보다 자연스럽게 선명도를 개선하였다.
본 논문은 대비와 선명도가 크게 떨어지는 원본 흉부 엑스레이 영상의 화질을 개선하기 위해 일차적으로 불필요한 배경 성분을 제거하고 관심 영역의 히스토그램을 확장하여 적절한 변환커브를 통해 기본적인 대비 개선을 수행하고, 영상을 여러 대역으로 분리한 후 주파수 영역 별 가중치를 조절하여 고주파 성분이 과도하게 부각되는 현상을 방지하였다. 또한 흉부 엑스레이 영상의 고주파 성분의 특성을 이용하여 전역적 대비 개선 기법의 결과 영상과 지역적 대비 개선 기법의 결과 영상을 적절하게 융합하여 전체적으로 영상을 자연스럽게 개선하는 알고리즘을 제안하였다.
본 논문이 제안하는 기법의 화질 개선도를 정량적으로 평가하기 위하여 이산 엔트로피 (discrete entropy; 이하 DE)와 포화도 (saturation)를 이용한다[17, 20]. DE는 디테일 성분이 많을수록 크게 나오고, 포화도는 원본 영상에 대한 포화도이기 때문에 DE가 크게 나오고 포화도는 작게 나오는 것이 더 대비 개선이 잘 된 영상이라고 할 수 있다.
흉부 엑스레이 영상의 경우 폐 부분의 혈관이 중요하기 때문에 폐 영역은 지역적 대비 개선이 우세하도록 융합하는 것이 좋고, 피부 부분은 혈관이 없고 비교적 평탄한 영역이기 때문에 전역적 대비 개선이 우세하도록 융합하는 것이 좋다. 이러한 특성을 반영하기 위해 흉부 엑스레이 영상의 주파수 대역의 특성을 이용하였다. 그림 6(b)는 그림 6(a)의 원본 영상에 대한 두 번째 고주파 대역에 절댓값을 취한 영상이다.
따라서 우리는 고주파 성분을 보다 자연스럽게 강조하기 위해, 분리한 대역을 고주파 영역, 중간 영역, 저주파 영역으로 구분 짓고 가중치를 다르게 주었다. 저주파 영역에 가중치를 크게 주면 선명도 개선의 효과가 적기 때문에 중간 영역에 가중치를 주어 보다 자연스럽게 선명도를 개선하였다.
제안하는 기법의 성능을 검증하기 위해 3052x3052크기의 14비트 흉부 엑스레이 영상에 대하여 실험하였다. 주파수 대역은 9x9 크기의 저역통과필터를 이용하여 10개의 겹치지 않는 대역으로 나누었고, 1에서 4번째 대역을 고주파 영역, 5에서 7번째 대역을 중간 영역, 8에서 10번째 대역을 저주파 영역으로 정하였다. 영역별 가중치는 a는 0.
주파수 대역의 개수 N을 10으로 나누고, (#LATEX)에서 (#LATEX)까지를 고주파 영역, (#LATEX)에서 (#LATEX)까지를 중간 영역, (#LATEX)에서 (#LATEX)까지를 저주파 영역으로 결정하였다. 주파수 대역을 10개 이상으로 나눌 경우 (#LATEX)이후의 대역은 모두 저주파 영역으로 결정한다.
히스토그램 확장 및 변환커브 적용을 통해 기본적인 대비를 개선한 뒤, 다중 대역을 기반으로 주파수 대역별 특성을 이용한 이득 값을 통해 선명도를 개선한다. 주파수 대역으로 나눌 때, 고주파 대역일수록 날카로운 디테일 정보가 많다.
대상 데이터
또한, 제안 기법의 대비 개선 성능 평가를 위해 CLAHE 기법 및 AGCWD 기법과 비교하였다. 입력 영상은 초기 대비 개선과 선명도 개선까지 한 영상을 반전하여 사용하였다. 그림 9(a)에서 보듯이 초기 대비 개선을 하더라도 원본 영상이 워낙 좁은 영역에 정보가 몰려있기 때문에 여전히 대비가 좋지 못하다.
제안 기법의 선명도 개선 성능 평가를 위해 SD-MSR 기법 및 UM (Unsharp Masking) 기법과 비교하였다. 입력 영상은 초기 대비 개선까지 한 영상을 사용하였고, 시각적 편의를 위해 선명도 개선 이후에 영상을 반전하고 폐 부분을 잘라냈다. 그림 8(a)는 초기 대비 개선만 했기 때문에 폐 혈관이 제대로 드러나지 않는 상태이다.
제안하는 기법의 성능을 검증하기 위해 3052x3052크기의 14비트 흉부 엑스레이 영상에 대하여 실험하였다. 주파수 대역은 9x9 크기의 저역통과필터를 이용하여 10개의 겹치지 않는 대역으로 나누었고, 1에서 4번째 대역을 고주파 영역, 5에서 7번째 대역을 중간 영역, 8에서 10번째 대역을 저주파 영역으로 정하였다.
데이터처리
또한, 제안 기법의 대비 개선 성능 평가를 위해 CLAHE 기법 및 AGCWD 기법과 비교하였다. 입력 영상은 초기 대비 개선과 선명도 개선까지 한 영상을 반전하여 사용하였다.
제안 기법의 선명도 개선 성능 평가를 위해 SD-MSR 기법 및 UM (Unsharp Masking) 기법과 비교하였다. 입력 영상은 초기 대비 개선까지 한 영상을 사용하였고, 시각적 편의를 위해 선명도 개선 이후에 영상을 반전하고 폐 부분을 잘라냈다.
이론/모형
2로 설정하였고 관 심 영역과 배경 성분을 구분짓는 문턱값 θ는 영상별로 6700, 8300, 11000으로 설정하였다. UM (Unsharp Masking) 기법은 MATLAB 내장함수 imsharpen을 사용하여 세기를 0.8로 설정하였다. 가중치 t를 구할 때 윈도우 크기는 25x25로 설정하였다.
8로 설정하였다. 또한 실험에 앞서 에지 부분을 보존하면서 잡음을 제거하는 LLSURE 기법을 전처리 과정으로 수행하였다[19].
이득 값은 기존의 SD-MSR (Subband Decomposed Multi Scale Retinex) 기법[8] 과 마찬가지로 각 대역 별 이득 값을 정규화 된 대역 값과 주파수 영역에 따라 식 (2)∼(4)와 같이 결정하였다.
따라서 마지막 단계로 영상의 전체적인 밝기 레벨을 적절하게 조절하고 대비를 효과적으로 개선하기 위하여 전역적 대비 개선 기법을 적용한 영상과 지역적 대비 개선 기법을 적용한 영상을 융합한다. 전역적 대비 개선 기법은 가중치 분포 (weighting distribution)와 감마 커브를 이용하여 영상에 따라 적응적인 변환 커브를 설계하는 AGCWD (Adaptive Gamma Correction with Weighting Distribution) 기법[13]을 사용한다. 먼저 영상의 히스토그램을 식 (6)의 가중치 분포 식을 통해 급격한 변화를 보완한다.
지역적 대비 개선 기법은 영상을 블록 단위로 분할한 후, 각 블록 별 히스토그램을 계산하는 CLAHE (Contrast Limited Adaptive Histogram Equalization) 기법[14]을 사용한다. 이 때, 블록 별 히스토그램에서 대비 한계 문턱 값을 설정하여 대비 한계 문턱 값 이상의 개수를 갖는 영역을 나머지 영역으로 분배하여 특정 구간에 밝기가 몰리는 것을 방지하면서 영상의 대비를 개선시킨다.
성능/효과
그림 8(d)는 본 논문에서 제안하는 기법의 선명도 개선 결과 영상이다. 고주파 영역의 가중치를 적게 주고 중간 영역의 가중치를 크게 주기 때문에 원본 영상의 자연스러움을 유지하면서 뼈와 혈관의 선명도가 개선되는 것을 확인할 수 있다.
그 후 고주파 성분의 특성을 이용한 영상 융합 방식을 통해 전역적 대비 개선 기법과 지역적 대비 개선 기법의 장점을 적절하게 취하여 최종적으로 영상의 대비를 적절하게 개선하는 흉부 엑스레이 영상용 선명도 및 대비 개선 방법을 제안한다. 또한 몇 가지 흉부 엑스레이 영상에 대한 실험을 통해 기존의 기법들에 비해 자연스럽게 개선된 결과 영상을 확인 하고, 이산 엔트로피와 포화도(saturation)를 통해 정량적 평과 결과를 보인다.
다음으로 다중 대역 기반의 선명도 개선 단계에서는 주파수 대역을 분리하여 대역 별로 적절한 이득 값과 흉부 엑스레이 영상 특성에 적합한 가중치를 통해 보다 자연스럽게 선명도를 개선한다. 마지막으로, 영상 융합 기반의 대비 개선 단계에서는 전역적 대비 개선 기법을 적용한 영상과 지역적 대비 개선 기법을 적용한 영상을 융합하여 적절하게 개선된 흉부 엑스레이 영상을 얻는다.
가중치 t는 그림 6(c)와 같이 나타난다. 이렇게 각각의 영역에 적절한 가중치를 통해 영상을 융합한 결과 모든 중요한 영역에 대해 대비가 효과적으로 개선되고, 전체적인 밝기 레벨이 적절하게 조절된 영상을 얻을 수 있다.
그림 9(d)는 본 논문에서 제안하는 기법의 대비 개선 결과 영상이다. 제안하는 기법은 AGCWD 기법과 비교했을 때 폐의 혈관 부분과 척추 부분의 혈관, 복부 부분의 대비는 개선되면서 영상의 밝기와 자연스러움은 유지한다. 또한 CLAHE 기법과 비교했을 때 전체적으로 대비가 감소하지만 흉부 엑스레이 영상에서 중요한 폐 부분의 대비가 알맞게 유지되고 피부 부분이 자연스러우며, 전체적으로 밝고 자연스럽다.
질의응답
핵심어
질문
논문에서 추출한 답변
다중 대역 기반의 선명도 개선 기법이란 무엇인가?
크게 다중 대역 기반의 선명도 개선 기법과 히스토그램 기반의 대비 개선 기법으로 분류할 수 있다. 다중 대역 기반의 선명도 개선 기법은 영상의 주파수 대역을 분리하여 각 대역에 적절한 변환커브를 적용하고, 대역 별로 적절한 이득 값을 취하여 영상의 선명도를 개선시키는 기법이다[1∼8]. 대역을 나누는 방법으로 라플라시안 피라미드, 웨이블릿 및 커브릿 변환을 사용하기도 하고[1∼5], 저역통과필터와 로그 변환을 이용하기도 한다[6∼8].
다중 대역 기반의 선명도 개선 기법의 대역을 나누는 방법은 무엇인가?
다중 대역 기반의 선명도 개선 기법은 영상의 주파수 대역을 분리하여 각 대역에 적절한 변환커브를 적용하고, 대역 별로 적절한 이득 값을 취하여 영상의 선명도를 개선시키는 기법이다[1∼8]. 대역을 나누는 방법으로 라플라시안 피라미드, 웨이블릿 및 커브릿 변환을 사용하기도 하고[1∼5], 저역통과필터와 로그 변환을 이용하기도 한다[6∼8]. 이 기법들의 경우, 분리한 대역이 고주파 영역일수록 이득 값을 크게 주기 때문에 흉부 엑스레이 영상의 경우 혈관 및 뼈의 경계부분의 선명도가 부자연스럽게 강조된다.
히스토그램 평활화의 단점은 무엇인가?
히스토그램 평활화는 가장 기본적이고 널리 쓰이는 방법이다[9∼13]. 히스토그램 평활화의 경우 영상의 히스토그램을 기반으로 변환커브를 설계하는 방식이기 때문에 밝기 값이 밀집된 경우 밝기의 급격한 변화로 부자연스러워지거나 대비 개선이 제대로 되지 않는다. 이러한 단점을 보완하기 위해 히스토그램의 급격한 변화를 완화시키는 방법이 제안되었다[13].
참고문헌 (20)
P. J. Burt and E. H. Adelson, "The Laplacian pyramid as a compact image code," IEEE Trans. Communications, vol. com-31, no. 4, pp. 532-540, April 1983.
E. H. Adelson, C. H. Anderson, J. R. Bergen, P. J. Burt, and J. M. Ogden, "Pyramid methods in image processing," RCA Engineer, vol. 29, no. 6, pp. 33-41, Nov/Dec. 1984.
S. Paris, S. W. Hasinoff, and J. Kautz, "Local Laplacian filters: edge-aware image processing with a Laplacian pyramid," ACM Trans. Graphics, 2011.
H. Demirel, C. Ozcinar, and G. Anbarjafari, "Satellite image contrast enhancement using discrete wavelet transform and singular value decomposition," IEEE Geoscience and Remote sensing, vol. 7, no. 2, pp. 333-337, April 2010.
J. L. Starck, F. Murtagh, E. J. Candes, and D. L. Donoho, "Gray and color image contrast enhancement by the curvelet transform," IEEE Trans. Image Processing, vol. 12, no. 6, pp. 706-717, June 2003.
L. Tao and V. K. Asari, "Modified luminance based MSR for fast and efficient image enhancement," in Proc. IEEE AIPR, 2003.
B. Sun, W. Chen, H. Li, W. Tao, and J. Li, "Modified luminance based adaptive MSR," in Proc. IEEE ICIG, 2007.
J. H. Jang, B. Choi, S. D. Kim, and J. B. Ra, "Sub-band decomposed multiscale retinex with space varying gain," Proc. IEEE Int. Conf. Image Process, pp. 3168-3171, 2008.
R. C. Gonzalez and R. E. Woods, Digital Image Processing, 2nd ed. Reading, MA: Addison-Wesley, 1992.
J. B. Zimmerman, S. M. Pizer, "Evaluation of the effectiveness of adaptive histogram equalization for contrast enhancement," Proc. 25th Fall Symposia - Imaging, 17-22, Nov. 1985, Soc. of Photographic Scientists and Engineers, pp. 189-190, 1985.
Y. T. Kim, "Contrast enhancement using brightness preserving bi-histogram equalization," IEEE Trans. Consumer Electron, vol. 41, no. 1, pp. 1-8, 1997.
H. Ibrahim and N. S. P. Kong, "Brightness preserving dynamic histogram equalization for image contrast enhancement," IEEE Trans. Consumer Electron, vol. 53, no. 4, pp. 1752-1758, Nov. 2007.
Huang et al, "Efficient contrast enhancement using adaptive gamma correction with weighting distribution," IEEE Trans. Image Processing, vol. 22, no. 3, pp. 1032-1041, Mar. 2013.
K. Zuiderveld, "Contrast limited adaptive histogram equalization," in Graphics Gems IV, P. Heckbert, Ed. New York: Academic, 1994, ch. VIII.5, pp. 474-485.
J. Y. Kim, L. S. Kim, and S. H. Hwang, "An advanced contrast enhancement using partially overlapped sub-block histogram equalization," IEEE Trans. Circuits and Systems for Video Technology, vol. 11, no. 4, pp. 475-484, April 2011.
T. Mertens, J. Kautz, and F. V. Reeth, "Exposure fusion: a simple and practical alternative to high dynamic range photography," Comput. Graph Forum, vol. 28, no. 1, pp. 161-171, Mar. 2009.
A. Saleem, A. Beghdadi, and B. Boashash, "Image fusion-based contrast enhancement," EURASIP Journal on Image and Video Processing, May 2012.
J. W. Park, and B. C. Song, "Body and ROI segmentation algorithms for Chest X-ray images," submitted to Journal of the Institute of Electronics and Information Engineers, August 2015.
T. Qiu, A. Wang, N. Yu, and A. Song, "LLSURE: local linear SURE-based edge-preserving image filtering," IEEE Trans. Image Processing, vol. 22, no. 1, pp. 80-90, Jan. 2013.
S. S. Agaian, B. Silver, and K. A. Panetta, "Transform coefficient histogram-based image enhancement algorithms using contrast entropy," IEEE Trans. Image Processing, vol. 16, no. 3, pp. 741-758, Mar. 2007.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.