본 논문에서는 unsharp masking를 이용한 영상 개선 기법을 제안한다. 이 기법은 기존의 unsharp mask을 이용한 영상 개선을 어렵게 만드는 요인 중 하나인 인자를 자동으로 설정하여 이미지를 선명하게 만드는 기법이다. 기존의 세 인자인 Threshold, Amount, Radius를 자동으로 최적화하기 위해, 영상의 각 픽셀을 세 가지 그룹으로 분류하고, 그에 따라 unsharp mask의 적용 정도를 달리한다. 사람이 직접 인자를 입력하여 개선된 영상과 제안된 기법으로 개선된 영상의 비교를 통해 영상 개선 정도를 실험, 분석하였다.
본 논문에서는 unsharp masking를 이용한 영상 개선 기법을 제안한다. 이 기법은 기존의 unsharp mask을 이용한 영상 개선을 어렵게 만드는 요인 중 하나인 인자를 자동으로 설정하여 이미지를 선명하게 만드는 기법이다. 기존의 세 인자인 Threshold, Amount, Radius를 자동으로 최적화하기 위해, 영상의 각 픽셀을 세 가지 그룹으로 분류하고, 그에 따라 unsharp mask의 적용 정도를 달리한다. 사람이 직접 인자를 입력하여 개선된 영상과 제안된 기법으로 개선된 영상의 비교를 통해 영상 개선 정도를 실험, 분석하였다.
This paper presents techniques to make image enhancement using unsharp masking. It is the technique to make image enhancement by automatically find the three parameters that makes hard to use the unsharp mask technique. To optimize the three parameters(Threshold, Amount, Radius), at first classify t...
This paper presents techniques to make image enhancement using unsharp masking. It is the technique to make image enhancement by automatically find the three parameters that makes hard to use the unsharp mask technique. To optimize the three parameters(Threshold, Amount, Radius), at first classify the pixels in the image to three groups, and then according to the groups, apply the unsharp mask to the image differently. We experimented and analyzed the rate of image enhancement by comparing images which is enhanced by human and which is enhanced by proposed technique.
This paper presents techniques to make image enhancement using unsharp masking. It is the technique to make image enhancement by automatically find the three parameters that makes hard to use the unsharp mask technique. To optimize the three parameters(Threshold, Amount, Radius), at first classify the pixels in the image to three groups, and then according to the groups, apply the unsharp mask to the image differently. We experimented and analyzed the rate of image enhancement by comparing images which is enhanced by human and which is enhanced by proposed technique.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그러므로 본 논문에서는 위에서 언급된 세 가지 인자를 자동으로 찾는 기법에 대해 제안함으로써 Unsharp masking에 대한 기본 지식이 없는 사람들도 손쉽게 영상 개선을 할 수 있도록 함을 목표로 한다.
본 논문에서는 위에서 언급된 세 가지 인자를 자동으로 최적화하기 위하여 영상을 세 그룹으로 나누고, 영상을 개선하는 기법에 대해제시하였다.
제안 방법
분산이다. 각 그룹에 따라서 smooth area로 분류된 픽셀은 30%, medium area로 분류된 픽셀은 60%, large contrast area로 분류된 픽셀은 100%의 mask값을 적용시킴으로써 자동으로 unsharp mask 적용 정도를 결정한다. 그러므로 첫 번째 인자인 thre아iold의역할을 하게 된다.
먼저 원영상에서 unsharp mask를 만든다. 그리고 원영상의 픽셀을 세 분류로 나누고, 그에 따라 unsharp mask의 적용 정도를 달리하고, 픽 셀간의 밝기 정도에 따라 unsharp mask의적용 정도를 달리함으로써 기존의 세 가지 인자를 제거한다.
먼저 unsharp mask를 적용할 픽셀의 주변픽셀을 포함하여 평균을 구한다. 단, 해당 픽셀에 가중치를 둔다.
평균값이 지나치게 높거나 낮은 픽셀은 overshoot현상이나 und아"shoot현상이 발생하여 자연스럽지 못한 결과를 초래할 수 있으므로 작은 amount값을, 평균값이 0~255의 중간값에 가까워짐에 따라 더 높은 amount 값을 설정한다. 본 논문에서는 평균값에 따라 세 부분으로 나누어 설정하였다.
단, 해당 픽셀에 가중치를 둔다. 본 논문에서는 해당 픽셀에 3배의 가중치를 두어 계산하였다.
원영상을 세 종류로 분류하기 위하여 픽셀의 분산을 이용하였다.
그러므로 이는 원영상의 각 픽셀에 대해서 자동으로 unsharp mask 적용 여부를 결정할 수 있도록하면 될 것이다. 이를 위해서 본 논문에서는원영상의 각 픽셀을 세 종류로 분류하고 그에따라 unsharp mask를 다르게 적용한다.
대상 데이터
영상 개선의 목표치가 없으므로 결국 사람의 눈으로 직접 평가할 수밖에 없기 때문이다. 본 논문에서는 194장의 영상이 살험에 사용되었다.
성능/효과
비해 (d)영상의 경우 눈 주변이나 볼의 노이즈가 덜 강조됨으로써 훨씬 자연스럽고 깨끗한 영상을 얻을 수 있었다.
그. 룹으로나누어 차등 적용함으로써 기존의 방법보다 노이즈를 덜 발생시키고 더욱 자연스러운 영상을 얻을 수 있는 것을 확인할 수 있었다. 향후 과제로는 그룹화를 통한 unsharp mask 적용 정도까지 최적화 할 수 있는 방법이 필요로 할 것이다.
실험결과 본 논문에서 제안된 방법을 사용하여 적절히 개선됨을 확인할 수 있었고, 또 다른 장점으로 영상의 모든 부분에 같은 unsharp mask를 적용하지 않고, 세 그. 룹으로나누어 차등 적용함으로써 기존의 방법보다 노이즈를 덜 발생시키고 더욱 자연스러운 영상을 얻을 수 있는 것을 확인할 수 있었다.
실험결과 본 논문에서 제안된 방법을 사용하여 적절히 개선됨을 확인할 수 있었다. 그림 5는 원영상과 사람이 직접 개선한 영상과제안된 방법으로 개선된 영상을 비교하고 있다.
수 있었다. 이는 영상의 모든 부분에 같은 unsharp mask를 적용하지 않고, 세 그룹으로 나누어 차등 적용함으로써 얻을 수 있는 효과로, smooth area로 나누어진 부분은 기존의 방법보다 덜 강조됨으로 노이즈를 덜 발생시키고 더욱 자연스러운 영상을 얻을 수 있는 것을 확인할 수 있었다.
제안된 방법이 적절히 영상을 개선하고 있음을 확인할 수 있다.
특히 인물사진에 제시된 방법을 적용하였을 때, 사람이 직접 sharpening할 부분을 선택하여 개선한 것과 비슷한 효과를 보여주었는데, 이는 기존의 방법에 비해 노이즈의 발생을 줄이고, 그룹화를 통한 unsharp mask의 적용 부분을 잘 분류한 결과였다.
후속연구
향후 과제로는 그룹화를 통한 unsharp mask 적용 정도까지 최적화 할 수 있는 방법이 필요로 할 것이다. 이를 통해 좀 더 지능적인 unsharp masking 기법이 개발 될 수 있을 것이다.
룹으로나누어 차등 적용함으로써 기존의 방법보다 노이즈를 덜 발생시키고 더욱 자연스러운 영상을 얻을 수 있는 것을 확인할 수 있었다. 향후 과제로는 그룹화를 통한 unsharp mask 적용 정도까지 최적화 할 수 있는 방법이 필요로 할 것이다. 이를 통해 좀 더 지능적인 unsharp masking 기법이 개발 될 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.