Image Enhancement
위의 사진을 아래의 사진으로 바꾸는 것을 Image Enhancement라고 한다 컬러 이미지를 Image Enhancement하기 위해서는 두 가지 방법이 있다
- RGB를 YCbCr로 변환한 후 enhance algorithm을 Y channel에만 적용하고 YCbCr을 RGB로 바꾼다
- R, G, B에 각각 enhancement algorithm을 적용한다
Contrast Enhancement by Histogram Equalization
Histogram Normalization
Histogram Normalization = 히스토그램 정규화
이 사진을 보면 데이터가 한 부분에 집중적으로 모여있음을 확인할 수 있다 이렇게 되면 밝기 값이 몰려 있어서 어둡기만 한 영상이 되거나 밝기만 한 영상이 된다 따라서 우리는 히스토그램 평준화를 통해서 더 선명한 영상을 얻을 것이다
normalized count를 구하기 위해서는 h(l), M, N을 알아야 한다 h(l)은 데이터의 개수이고, M은 가로 픽셀의 수, N은 세로 픽셀의 수를 의미한다 가로 픽셀의 수와 세로 픽셀의 수를 곱하면 전체 픽셀의 수가 된다
따라서 h(l)/Total Count라고 생각해도 된다
Histogram Equalization
Histogram Equalization = 히스토그램 평준화
히스토그램 평준화를 통해서 이제 데이터를 균등한 분포로 만들 것이다 밝은 부분과 어두운 부분이 몰려져 있는 부분을 골고루 퍼뜨려서 전체적으로 밝기가 고르도록 한다 그렇게 되면 밝기 차이가 커지면서 대비가 더 뚜렷해진다
즉 정리하자면 히스토그램 평준화는 밝기가 몰려 있는 구간을 넓게 퍼뜨려서 전체적인 대비를 높이는 과정이다!
그렇기 때문에 어두운 부분은 더 어두워지고 밝은 부분은 더 밝아지게 된다
주황색 선은 누적 히스토그램을 의미한다
Histogram Equalization Equation
Histogram Equalization Equation = 히스토그램 평준화 방정식
1.정규화된 히스토그램 계산
2. 누적 분포 함수 계산
3. 누적 분포 함수의 스케일링
4. 최종 출력값 계산
실제로 문제를 풀어보겠다!
Gamma Correction
Gamma Correction = 감마 보정
이미지 밝기를 조정하기 위해 사용하는데, 디스플레이 종류별로 일관된 밝기를 유지하기 위해서 사용한다
인간의 눈이 밝기 변화에 대해 비선형적으로 반응한다는 점에 기반한다
왼쪽 그래프는 원본 감마 보정 곡선이다
- 수편축 r은 입력 밝기 수준(=이미지의 픽셀값)
- 수직축 s는 출력 밝기 수준(=감마 보정 후의 밝기)
- 여러 개의 곡선은 서로 다른 감마 값(𝛾)에 따른 출력 값을 보여준다 각각의 곡선은 감마 값을 변경하면서 동일한 입력 밝기에 대해 다른 출력 밝기를 생성함을 보여준다
오른쪽 그래프는 정규화된 감마 보정 곡선이다
- 수평축 r은 입력 회색 수준(=정규화된 입력값)
- 수직축 s는 출력 회색 수준(=정규화된 출력값)
- 동일한 관계를 0과 1 사시의 정규화된 값으로 나타낸 것이다 이 그래프는 감마 보정의 결과를 정규화된 회색 수준으로 이해할 수 있다
