[디지털 영상처리] 히스토그램을 이용한 화소 점 처리 (4)

디지털 히스토그램

관찰한 데이터의 특징을 한눈에 알아볼 수 있도록 데이터를 막대그래프 모양으로 나타낸 것

 

산술연산

덧셈연산 : 명도 값을 증가시켜 밝게 하며, 히스토그램의 기둥이 오른쪽으로 이동합니다.
뺄셈연산 : 명도 값을 감소시켜 어둡게 하며, 히스토그램의 기둥이 왼쪽으로 이동합니다.
곱셈연산 : 명암 대비가 증가하여 히스토그램은 기둥의 부포 범위가 넓어집니다.
나눗셈 연산 : 명암 대비가 감소하여 히스토그램의 분포 범위가 좁아집니다.


히스토그램 스트레칭

명암 대비를 향상시키는 연산으로, 낮은 명암 대비를 보이는 영상의 화질을 향상시키는 방법
히스토그램이 모든 범위의 화소 값을 포함하도록 히스토그램의 분포를 넓힙니다.

기본 명암 대비 스트레칭

이상적이지 못한 히스토그램 분포 중에서 명암 대비가 낮은 디지털 영상의 품질을 향상시키는 기술
특정 부분이나 가운데에 집중된 히스토그램을 모든 영역으로 확장시켜서
디지털 영상의 모든 범위의 화소 값을 포함하게 함

old pixel은 원 영상 화소의 명도 값 
new pixel은 결과 영상 화소의 명도 값 
low는 히스토그램의 최저 명도 값
high는 히스토그램의 최고 명도 값

 

앤드-인 탐색

일정한 양의 화소를 흰색이나 검정색으로 지정하여 히스토그램의 분포를 좀 더 균일하게 만드는 방법

 

히스토그램 평활화

어둡게 촬영된 영상의 히스토그램을 조절하여 명암 분포가 빈약한 영상을 균일하게 만들어줌
영상의 밝기 분포를 재분배하여 명암 대비를 최대화
각 명암의 빈도는 변경하지 않음

1. 명암 값 j의 빈도 수 hist[j]를 꼐산해 입력 영상의 히스토그램 생성
2. 각 명암 값 i에서 0~i까지의 누적 빈도 수를 계산
3. 2단계에서 구한 누적 빈도 수를 정규화

 

히스토그램 명세화

특정 모양의 히스토그램을 생성된 디지털 영상의 히스토그램에 포함하여 영상의 일부 영역의
명암 대비를 개선할 수 있는 영상 처리 기법
명암 대비를 개선하는 것은 히스토그램 평활화와 같지만 특정 부분을 향상시키려고 원하는
히스토그램을 이용한 정합으로 일부 영역에서만 명암 대비를 개선한다는 점이 다름

1. 입력 디지털 영상의 히스토그램 생성
2. 입력 디지털 영상의 히스토그램을 평활화하려고 정규화된 누적 빈도 수의 함수를 구한 뒤
   q = T(P) 변환식을 바탕으로 평활화를 수행하여 균일 분포된 히스토그램을 얻음
   (P는 원 영상의 화소 값, q는 평활화 값)
3. 원하는 히스토그램의 정규화된 누적 빈도 수 함수를 구하고, 역변환 함수가 있는
   변환식을 구한 뒤 평활화 수행 v = G(Z)
   (Z는 원하는 히스토그램의 명도 값, v는 평활화 값)
4. 평활화된 원하는 히스토그램을 역평활화하여 역변환 함수를 구함
   여기서 역변환 함수는 실제 룩업 테이블이 됨 Z = G-1(v)
5. 4단계에서 구한 역변환 함수를 이용하여 평활화된 원 영상의 히스토그램을 원하는 히스토그램이
   있는 영상으로 만듦  Z = G-1(v)  =>  z = g-1(q)  = g-1[T(P)]

 

히스토그램 화소 점 처리.pptx

1.92MB