Image Enhancement
화질 개선
- 명암비(contrast)와 공간적 특성(spatial features) 개선
- 노이즈 감소
- 초점이 나간 부분이나 움직임으로 인한 블러 보정
- 왜곡된 기하학적 구조 수정
- 여러 이미지를 결합하여 정보 향상
화질 개선 방법
✔️ 공간 도메인(영역) 방법 : Spatial Domain Method
✔️ 주파수 도메인(영역) 방법 : Frequency Domain Method
Spatial Domain으로 화질 개선
✔️ 공간 도메인 처리의 2가지 주요 부류에 초점
1. Pixel Point Processing : 화소 단위 처리-밝기나 그레이 레벨 변환
2. Pixel Group Processing : 이웃 처리 - spatial convolution, spatial filtering
화질 개선 in 공간 도메인
✔️ 공간 도메인 기법은 영상의 화소들에 직접 작용
공간적 이웃
✔️ 점 (x,y)의 공간적 이웃
✔️ 주로 (x,y)를 중심으로 하는 정사각형 or 직사각형
이웃에 따른 분류
✔️ Pixel Point Processing
-> 가장 간단한 형태, 이웃의 크기가 1x1 (단일화소)
✔️ Pixel Group Processing
-> 이웃 처리
화질 개선 in 주파수 도메인
주파수
✔️ 영상처리에서의 주파수는 좀 더 확장된 의미를 가지고 있음
✔️ 이벤트가 주기적으로 재발생하는 빈도
ex) 화소 밝기의 변화도
공간 주파수
📍 저주파 공간 영역
✔️ 화소 밝기의 변화가 거의 없거나 점진적으로 변화하는 것
✔️ 영상에서 배경 부분이나 객체 내부에 많이 있음
📍 고주파 공간 영역
✔️ 화소 밝기가 급변하는 것
✔️ 경계부분이나 객체의 모서리 부분
주파수 공간 분리
✔️ 영상을 주파수 영역별로 분리 한다면?
1. 경계부분에 많은 고주파 성분 제거 -> 경계 흐려짐
2. 고주파 성분만 취함 -> 경계나 모서리만 포함하는 영상 (에지)
혼합
✔️ 공간 영역상에서 저주파 성분과 고주파 성분이 혼합 -> 영역 분리해서 선별적 처리 어려움 -> 변환 영역 처리 필요
변환 영역 처리 과정
예시
노치 필터
✔️ 중심 주파수 근처의 미리 정의된 이웃의 주파수를 차단(또는 통과) 시킴
Pixel Point Processing
Pixel by Pixel 연산
✔️ 픽셀 단위로 밝기(그레이 레벨)를 바꾸는 연산
✔️ 입력 이미지의 각 픽셀을 하나씩 꺼내서, 그 밝기 값만을 이요해서 새로운 픽셀값을 계산
✔️ 공간 위치 (x,y)는 그대로 두고, 밝기 값만 변환
g ( x , y ) = T [ f ( x , y ) ]
T : mapping function (그레이 레벨 변환 함수)
f(x,y): 입력 이미지 밝기 값
g(x,y): 출력 이미지의 밝기 값
Intensity Transformation
✔️ Intensity(gray level)
✔️ 밝기 수준 변환
✔️ 영상 밝기를 높이거나 낮추는 작업
📍 명암 대비 조절
✔️ Stretching : 어두운 건 더 어둡게, 밝은 건 더 밝게 -> 고대비
✔️ Shrinking : 밝기 분포를 좁힘 -> 저대비
✔️ Contrast : 명암 대비, 영상 내 밝기의 분포 범위
✔️ Low Contrast 영상은 물체와 배경 구분이 어려움
📍 밝기 조절
✔️ 밝기를 더하거나 빼는 것으로 전체 이미지를 더 밝게/어둡게 만들 수 있음
Binary Contrast Enhancement
이진 대비 향상
✔️ 저대비(low contrast) 영상의 경우 물체와 배경의 경계를 눈으로 식별하기 어려움
✔️ 일정 문턱값(treshold) 이하는 0, 그 이상의 값은 255로 변환하여 이진 영상을 만들어 물체와 배경을 구별
Binarization
이진화
✔️ 명암 영상을 흑과 백만 가진 이진 영상으로 변환
임계값 방법
✔️ threshold method
✔️ 두 봉우리 사이의 계곡을 임계값 T로 설정
✔️ 자연 영상에서는 계곡 지점 결정이 어려움
Histogram
히스토그램
✔️ 그레이 레벨 히스토그램
✔️ [0,L-1] 사이의 명암값 각각이 영상에 몇 번 나타나는지 표현
✔️ Horizontal : 8-bit gray scale (0,255)
✔️ Vertical : Number of pixels
✔️ Easy-to-read, 영상의 명암대비, 밝기값 분포 등의 정보 제공
Otsu 알고리즘
Otsu 알고리즘
✔️ 입력된 영상의 히스토그램을 통해 최적의 임계값을 찾아주는 알고리즘
✔️ 영상 내 픽셀들을 2개의 클래스로 분류할 때, 클래스 내의 분산과 클래스 간의 분산을 계산하여 분산의 비율이 최대가 되는 위치를 threshold로 결정
✔️ 모든 임계값에 대해 계산해야 하기 때문에 속도가 느림
✔️ 노이즈가 많은 영상에는 좋은 결과를 얻지 못하는 경우가 많음
그레이레벨 변환
영상 밝기 조정
✔️ 영상을 밝거나 어둡게 조정
📍 선형 연산
📍 비선형 연산
✔️ ex) 감마 연산
Power law transformation
✔️ 거듭제곱 법칙 변환
✔️ 입력 영상의 각 픽셀 밝기 값을 거듭제곱 함수를 이용하여 변환
✔️ 감마(𝛾) : 영상의 밝기를 조절하는 지수 값
𝛾 < 1 : 어두운 부분을 밝게
𝛾 > 1 : 밝은 부분을 어둡게
Piecewise-Linear Transformation
구간별 선형 변환
✔️ 밝기 값을 여러 구간으로 나누고, 각 구간마다 다른 직선(1차 함수)를 적용하여 밝기를 변환하는 방법
✔️ 이미지의 특정 밝기 영역을 강조하거나 조절하는데 유용
Histogram Equalization
히스토그램 평활화
✔️ 히스토그램 평활화를 통하여 영상 품질 개선
✔️ 빈약한 히스토그램 분포를 가진 영상을 균등한 분포로 만듦
✔️ 히스토그램이 평평하게 되도록 영상을 조작해 영상의 명암 대비를 높힘
알고리즘
- 영상의 히스토그램 계산
- 히스토그램의 값을 정규화
- 누적 빈도수(누적합) 계산 (정규화 누적합)
- 결과화소값 = 정규화 누적합 x 최대 화소값
히스토그램 평활화 과정
-
히스토그램 생성
-
히스토그램의 값을 정규화한 후, 누적합 계산하여 매핑표 계산
-
입력영상의 화소 위치를 파악, 결과 영상 생성
예시
주의점
✔️ 영상처리 연산은 분별력을 가지고 활용 여부를 결정해야 함
✔️ 적용하는 연산이 상황과 목적에 따라 품질 개선에 도움이 될 수 있지만, 방해가 될 수도 있음
