Transcript 3장_개체-관계 모델을 사용한 데이터 모델링

영상의 개선 및 복원

화소 단위 처리




화소 단위 처리 영상




복수영상
화소 집단 처리


단일영상
대비강조
스트레칭과 평활화
공간필터
비선형 공간필터
주파수 영역처리
기하학적 변환
Visual Communication Laboratory
화소 단위 처리 - 단일 영상


가장 기본적이고 근본적인 영상처리 방법
공간적 속성에서의 행동 없이 화소 명암을 처리
하여 변경
O (x, y) = M[I(x, y)]
( M: mapping function)
그림 4.2 입력영상의 각 화소는 화소단위로 수정되고 출력영상에서 동일
위치 (x,y)에 저장된다.
4장 영상의 개선 및 복원
2
Visual Communication Laboratory
화소 단위 처리 - 단일 영상

예제: 음화영상 만들기

영상반전처리(complement image operation)
O (x, y) = 255 - I(x, y)
그림 4.3a 등대영상
4장 영상의 개선 및 복원
(ISO 참조)
그림 4.3b 반전(complement)
처리를 위한 사상함수
그림 4.3c 밝기가 반전된 결과 영상
3
Visual Communication Laboratory
화소 단위 처리 - 단일 영상

응용분야

영상의 밝기를 더하거나 뺌

영상의 대비(contrast)를 줄이고 넓힘

Photo-sensor에 의해 발생된 밝기응답 왜곡을 교정
4장 영상의 개선 및 복원
4
Visual Communication Laboratory
화소 단위 처리 - 단일 영상

화소 단위 더하기



각 화소의 명도를 높여줌
Out(x,y) = ln(x,y) + c (c: 임의의 상수값)
화소 단위 빼기


각 화소의 명도를 낮게함
Out(x,y) = ln(x,y) - c
4장 영상의 개선 및 복원
5
Visual Communication Laboratory
화소 단위 처리 - 단일 영상

화소 단위 곱하기




각 화소의 명도를 조절하여 영상을 부각
어두운 곳은 더 어둡게 밝은 곳은 더 밝게함
Out(x,y) = ln(x,y) * c (c: 임의의 상수값)
화소 단위 더하기



각 화소의 명도를 조절
결과값이 작게 나오므로 이미지의 밝기를 향상시켜
분석
Out(x,y) = ln(x,y) / c
4장 영상의 개선 및 복원
6
Visual Communication Laboratory
Saturation과 Wrap

출력값을 표현하는 두 가지 표현


Saturation: 255이상의 값을 255로 표현
Wrap: 255이상의 값이 한 주기로 계속 반복적으로
표현
255
255
255
그림 (a) saturation
4장 영상의 개선 및 복원
255
그림 (b) wrap
7
Visual Communication Laboratory
대비 강조(contrast enhancement)


영상내의 화소값 분포가 일부 제한적인 범위 내에만 있
다면 그 값을 더하고 빼고 곱하거나 나누어서 화소값의
분포를 실제 표현할 수 있는 비트 수에 맞게 적절히 분
산시켜 영상의 구석구석이 잘 표현 되도록 함
밝기 히스토그램 이용
4장 영상의 개선 및 복원
8
Visual Communication Laboratory
밝기(명도) 히스토그램


영상의 화소들이 갖는 명암 등급에 대한 분포를
나타내는 그래프
응용분야



밝기보정
영상의 대비향상
영상분석(인공위성 사진분석, X-ray 사진분석)


이진화: 물체와 배경의 분리, 일정농도 이상의 값 추출, 영
상의 전체적인 정보를 추출
지문인식 및 문자인식기술 등 인식분야의 특정정보
를 추출하기 위한 전처리 과정

밝기 조각화(brightness slicing)
4장 영상의 개선 및 복원
9
Visual Communication Laboratory
밝기 보정


전체영상 또는 부분영상이 너무 밝거나, 어두울
경우 영상의 밝기 조정
화소단위 더하기와 화소단위 빼기로 보정
(histogram slicing)
그림 (a) 너무 밝은 영상
그림 (c) 너무 어두운 영상
4장 영상의 개선 및 복원
그림 (b) (a) 영상의 히스토그램
그림 (d) (c) 영상의 히스토그램
10
Visual Communication Laboratory
히스토그램 이동과 펼침
4장 영상의 개선 및 복원
11
Visual Communication Laboratory
히스토그램 펼침(stretching)

대비 향상 연산


명암값의 분포를 최대한 활용하도록 히스토그램을 펼
치는 것


낮은 대비를 가진 영상의 화질을 향상 시킬 수 있는 방법
영상 히스토그램이 모든 범위의 화소값을 포함하도록 확장
종류


기본 명암대비 펼침: 중앙에 명암값이 치우치는 히스토그램을
가진 영상에 적합
New pixel = (old pixel – low)/(high – low) * 255
엔드인(end-in)탐색: 모든 범위의 명암값을 갖지만 히스토그
램의 특정 부분에 화소들이 치우친 영상에 적합
4장 영상의 개선 및 복원
12
Visual Communication Laboratory
히스토그램 평활화(equalization)


명암값의 분포가 한쪽으로 치우치거나 고르지 못한 영
상을 명암값의 분포가 고르게 만들어 주는 방법
대비의 균형



일정한 분포를 가진 히스토그램을 생성하는 것이 목적
어두운 영상은 밝아지고 밝은 영상은 어두워져 적당한 명도값
을 유지
구현


히스토그램을 이용한 명도값의 빈도수를 계산
구한 히스토그램을 이용, 누적 히스토그램을 구하고 정규화
K(i) = gmax/n*H(i)
K(i): 정규화된 값, gmax: 명도의 최대값, H(i): 축적 히스토그램

정규화된 누적 히스토그램을 그레이 스케일 사상함수로 이용
하여 그레이 레벨값을 매핑
4장 영상의 개선 및 복원
13
Visual Communication Laboratory
히스토그램 평활화

히스토그램 평활화 단계
❶ 축적히스토그램을 구한값과 누적
히스토그램
❷누적 히스토그램을 정규화 시킨 값
4장 영상의 개선 및 복원
14
Visual Communication Laboratory
평활화와 펼침
그림 (a) 원영상
4장 영상의 개선 및 복원
그림 (b) 평활화(equalization)
그림 (c) 펼침(stretching)
15
Visual Communication Laboratory
문턱치 기법 및 밝기 조각화

문턱치 기법



적응형 문턱치(adaptive thresholding)


관심 대상이 되는 물체를 강조하기 위해 저대비 영
상을 고대비 영상으로 변환하는데 사용
배경에 비해 물체의 밝기가 더 밝거나 어두운 경우
에 적합
처리영상의 환경에 적응적인 임계값을 사용
밝기 조각화


영상의 특정요소 강조기법
명암 구분이 명확한 간단한 장면 상에서 잘 동작
4장 영상의 개선 및 복원
16