KR20130002700A - A method of adaptive contrast enhancement using hyperloic tangent curve and image histogram - Google Patents
A method of adaptive contrast enhancement using hyperloic tangent curve and image histogram Download PDFInfo
- Publication number
- KR20130002700A KR20130002700A KR1020110063820A KR20110063820A KR20130002700A KR 20130002700 A KR20130002700 A KR 20130002700A KR 1020110063820 A KR1020110063820 A KR 1020110063820A KR 20110063820 A KR20110063820 A KR 20110063820A KR 20130002700 A KR20130002700 A KR 20130002700A
- Authority
- KR
- South Korea
- Prior art keywords
- image
- factor
- contrast
- value
- luminance
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 230000003044 adaptive effect Effects 0.000 title abstract description 3
- 238000005286 illumination Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims 1
- 230000035945 sensitivity Effects 0.000 description 3
- 238000005562 fading Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
Description
본 발명은 디지털 카메라에 의해 촬영되거나, 기록 매체에 저장된 이미지에 대해 하이퍼볼릭 탄젠트 함수 곡선을 사용하여 콘트라스트를 개선하는 방법에 관한 것이다. 보다 구체적으로, 본 발명은 읽어들인 이미지에 대해 평균 휘도값을 계산하고, 평균 휘도값을 기반으로 이미지 종류를 결정하고, 결정된 이미지 종류에 따라 하이퍼볼릭 탄젠트 함수 곡선을 적용하여 콘트라스트 참조 곡선을 생성한 다음, 상기 콘트라스트 참조 곡선을 사용하여 콘트라스트를 개선한다.The present invention relates to a method for improving contrast using a hyperbolic tangent function curve on an image taken by a digital camera or stored in a recording medium. More specifically, the present invention calculates an average luminance value for the read image, determines an image type based on the average luminance value, and generates a contrast reference curve by applying a hyperbolic tangent function curve according to the determined image type. The contrast reference curve is then used to improve contrast.
콘트라스트는 피사체와 배경을 구별되게 하는 시각적 특성을 말한다. 사람의 눈은 디지털 카메라의 광센서와는 다르기 때문에, 디지털 카메라를 사용하여 촬영된 이미지를 그대로 육안으로 보면 흐릿하게 보이게 된다. 이 때, 이미지 처리를 통해 콘트라스트를 사람의 육안에 맞게 변경하여 보다 좋은 이미지를 생성할 수 있다. Contrast is a visual characteristic that distinguishes the subject from the background. Since the human eye is different from the light sensor of the digital camera, the image taken using the digital camera will be blurred when viewed with the naked eye. At this time, the image processing may change the contrast according to the human eye to generate a better image.
밝은 조명, 어두운 조명, 역광 조명 등 서로 다른 조명 조건에서 촬영된 이미지들의 콘트라스트 문제를 해결하기 위해 많은 알고리즘들이 존재한다. 그러나, 이들 알고리즘 대부분은 그 정확도에서 문제가 있거나, 매우 복잡하여 휴대용 디지털 카메라나 카메라가 장착된 휴대폰에 적용하기 어려운 문제가 있다. Many algorithms exist to solve the problem of contrast in images taken under different lighting conditions, such as bright, dark or backlight lighting. However, most of these algorithms have problems in accuracy or are very complicated and difficult to apply to portable digital cameras or mobile phones equipped with cameras.
본 발명은 모든 조명 조건, 특히 어두운 조명이나 밝은 조명 조건 하에서 촬영된 이미지들에 대해 최적화된 적응적 콘트라스트 개선 방법을 제공하는 것을 목적으로 한다.The present invention aims to provide an adaptive contrast enhancement method optimized for images taken under all lighting conditions, in particular under dark or bright lighting conditions.
본 발명의 일 실시예에 따라, 이미지의 종류에 따라 적응적으로 콘트라스트를 개선하는 방법이 제공된다. 상기 방법은, 이미지를 읽어들이는 단계; 상기 이미지의 평균 휘도값과 휘도 히스토그램을 산출하는 단계; 상기 평균 휘도값과 휘도 히스토그램을 기반으로 이미지의 종류를 판단하는 단계; 상기 이미지 종류에 따라 서로 다른 계수를 사용하여 하이퍼볼릭 탄젠트 곡선에 적용하여 콘트라스트 참조 곡선을 생성하는 단계; 및 상기 생성된 콘트라스트 참조 곡선을 사용하여 상기 이미지의 콘트라스트 개선을 수행하는 단계를 포함한다.According to one embodiment of the invention, a method for adaptively improving contrast according to the type of image is provided. The method comprises: reading an image; Calculating an average luminance value and a luminance histogram of the image; Determining a kind of an image based on the average luminance value and a luminance histogram; Generating a contrast reference curve by applying a hyperbolic tangent curve using different coefficients according to the image type; And performing contrast enhancement of the image using the generated contrast reference curve.
본 발명에 따르면, 디지털 카메라에 의해 촬영된 이미지에서 페이딩 현상을 방지할 수 있다.According to the present invention, fading may be prevented in an image photographed by a digital camera.
또한, 본 발명에 따르면, 촬영된 이미지의 뭉개짐 현상이나 이미지의 밝은 부분과 어두운 부분간의 경계선이 도드라지는 현상을 방지할 수 있다. In addition, according to the present invention, it is possible to prevent the crushing phenomenon of the photographed image or the phenomenon that the boundary between the bright and dark portions of the image is raised.
도 1은 이미지의 히스토그램 분포의 일 예를 나타낸다.
도 2는 하이퍼볼릭 탄젠트 함수(tanh(x))의 일 예를 나타낸다.
도 3은 사람의 육안의 콘트라스트 감도를 나타내는 그래프이다.
도 4 내지 도 7은 각 이미지 종류별로 구해진 참조 곡선을 나타낸다.
도 8은 본 발명의 일 실시예에 따라, 참조 곡선을 생성하는 방법을 일괄적으로 나타낸 순서도이다.
도 9는 본 발명의 일 실시예에 따라 콘트라스트 개선을 수행하는 방법을 나타내는 순서도이다.1 shows an example of a histogram distribution of an image.
2 shows an example of a hyperbolic tangent function tanh (x).
3 is a graph showing human eye contrast sensitivity.
4 to 7 illustrate reference curves obtained for each image type.
8 is a flowchart collectively illustrating a method of generating a reference curve according to an embodiment of the present invention.
9 is a flowchart illustrating a method of performing contrast enhancement in accordance with an embodiment of the present invention.
이하 도면을 참조하여 본 발명의 실시예들을 보다 상세히 설명한다.Embodiments of the present invention will now be described in more detail with reference to the drawings.
도 1은 이미지의 히스토그램 분포의 일 예를 나타낸다. x축은 0~255의 휘도값을 나타내고, y축은 각 휘도값을 갖는 픽셀 수를 나타낸다. 카메라에 의해 촬영된 이미지는 도 1과 같은 또는 임의의 형태의 휘도 분포를 가질 수 있다. 휘도 분포가 특정 휘도값 근처에 치우쳐 있으면 이미지 내의 경계선이 흐릿하게 되고, 사람 눈에 너무 밝거나 너무 흐리게 보이게 된다. 이러한 이미지는 사람 눈에 선명하게 보이도록 하기 위해 전 휘도값 범위에 픽셀들이 분포되도록 하기 위해 콘트라스트 개선 과정을 수행한다. 1 shows an example of a histogram distribution of an image. The x-axis represents the luminance value of 0 to 255, and the y-axis represents the number of pixels having each luminance value. The image photographed by the camera may have a luminance distribution as in FIG. 1 or in any form. If the luminance distribution is skewed near a specific luminance value, the boundary lines in the image become blurred and appear too bright or too blurred for the human eye. Such an image performs a contrast enhancement process to distribute the pixels in the entire luminance value range to make it visible to the human eye.
본 발명에 따라 사람의 눈의 콘트라스트 감도와 유사한 특성을 보이는 하이퍼볼릭 탄젠트 곡선을 사용하여 이미지의 콘트라스트 개선 참조 곡선을 생성하고, 생성된 참조 곡선에 따라 콘트라스트를 개선할 수 있다. According to the present invention, a hyperbolic tangent curve showing characteristics similar to the contrast sensitivity of a human eye can be used to generate a contrast-enhancing reference curve of an image and improve the contrast according to the generated reference curve.
도 2는 하이퍼볼릭 탄젠트 함수(tanh(x))의 일 예로서, x축의 범위는 -5에서 +5이고, 최대값 +1, 최소값 -1로 설정된 경우의 하이퍼볼릭 탄젠트 함수이다. 2 is an example of the hyperbolic tangent function tanh (x), and the x-axis ranges from -5 to +5, and is a hyperbolic tangent function when the maximum value is +1 and the minimum value is -1.
도 3은 사람의 육안의 콘트라스트 감도를 나타내는 그래프이다. x축은 카메라의 이미지 센서에 의해 촬영된 이미지의 휘도 측정값이고, y축은 사람의 눈이 느끼는 휘도값이다. 도 3에 도시된 바와 같이, 사람의 눈은 저 휘도 영역에서는 작은 휘도 변화를 크게 느끼고, 중간 휘도 영역에서는 휘도 변화에 둔감하며, 다시 고휘도 영역에서는 작은 휘도 변화를 크게 느끼게 된다.3 is a graph showing human eye contrast sensitivity. The x axis is a luminance measurement value of an image photographed by an image sensor of a camera, and the y axis is a luminance value that a human eye feels. As shown in FIG. 3, the human eye feels a small luminance change large in the low luminance region, is insensitive to the luminance change in the intermediate luminance region, and again feels a small luminance change large in the high luminance region.
도 2와 도 3의 그래프를 보면, 패턴이 거의 유사한 것을 알 수 있다. 따라서, 카메라에 의해 촬영된 이미지의 휘도 히스토그램에 하이퍼볼릭 탄젠트 함수 형태의 곡선을 참조 곡선으로 사용하여 콘트라스트 개선을 수행하면 사람의 눈에 적절한 콘트라스트를 얻을 수 있다.Looking at the graphs of Figures 2 and 3, it can be seen that the patterns are almost similar. Therefore, by using the hyperbolic tangent function curve as the reference curve in the luminance histogram of the image photographed by the camera, the contrast improvement may be performed to obtain an appropriate contrast for the human eye.
이 때, 본 발명에 따라, 촬영되는 이미지 별로 콘트라스트 개선을 위한 참조 곡선을 생성하고, 생성된 참조 곡선을 사용하여 이미지 개선을 수행할 수 있다. 이미지의 특성에 따라 생성되는 참조 곡선을 달라질 수 있고, 적응적으로 최적화된 콘트라스트 개선을 수행할 수 있다. In this case, according to the present invention, a reference curve for contrast improvement may be generated for each photographed image, and image improvement may be performed using the generated reference curve. The reference curve generated may vary according to the characteristics of the image, and adaptively optimized contrast improvement may be performed.
본 발명의 일 실시예에 따라, 촬영되는 이미지들은 조명의 강도에 따라 아래와 같은 4개의 타입을 구분할 수 있다. According to an embodiment of the present invention, the photographed images may be classified into the following four types according to the intensity of illumination.
1. 저조명 이미지1. Low light image
2. 역광 이미지2. Backlight Image
3. 보통 조명 이미지3. Normal lighting image
4. 하이 콘트라스트 이미지
4. High contrast image
촬영된 이미지가 어느 타입에 속하는 판단하기 위해, 아래와 같이 촬영된 이미지의 평균휘도값(Imean)과 휘도 히스토그램 분포를 사용할 수 있다. In order to determine which type the captured image belongs to, the average luminance value (Imean) and the luminance histogram distribution of the captured image may be used as follows.
1. 0 < Imean ≤ 50인 경우 : 저조명 이미지1.When 0 <Imean ≤ 50: Low light image
2. 50 < Imean ≤ 200인 경우 : 보통 조명 이미지2. If 50 <Imean ≤ 200: Normal lighting image
3. 200 < Imean ≤ 255인 경우 : 역광 이미지3. If 200 <Imean ≤ 255: backlight image
4. 휘도 히스토그램 분포에서, 최고 픽셀 카운트 수를 갖는 휘도값이 고휘도와 저휘도로 나눠져 있는 경우 : 하이 콘트라스트 이미지
4. In the luminance histogram distribution, when the luminance value with the highest pixel count is divided into high luminance and low luminance: high contrast image
이미지의 타입을 계산한 뒤, 참고 곡선인 하이퍼볼릭 탄젠트 함수 곡선을 생성해야 하는데, 이 때 아래와 같이 타입별로 다른 계수, 컷오프 팩터(Cutoff_Factor) 및 진폭 팩터(Amplitude_Factor)를 사용한다. 아래의 계수들은 모두 실험치에 의해 계산된 최적 계수들이다.
After calculating the type of the image, a hyperbolic tangent function curve, which is a reference curve, needs to be generated. In this case, different coefficients, cutoff factors, and amplitude factors (Amplitude_Factor) are used. The following coefficients are all optimal coefficients calculated by experimental values.
1. 저조명 이미지1. Low light image
Cutoff_Factor =0.35, Amplitude_Factor= 0.74;Cutoff_Factor = 0.35, Amplitude_Factor = 0.74;
2. 역광 이미지2. Backlight Image
Cutoff_Factor =0.35, Amplitude_Factor= 6;Cutoff_Factor = 0.35, Amplitude_Factor = 6;
3. 보통 조명 이미지3. Normal lighting image
Cutoff_Factor =1, Amplitude_Factor= 1.94;Cutoff_Factor = 1, Amplitude_Factor = 1.94;
4. 하이 콘트라스트 이미지4. High contrast image
Cutoff_Factor =1, Amplitude_Factor= 0.0002;
Cutoff_Factor = 1, Amplitude_Factor = 0.0002;
각 종류에 대해 참조 곡선은 다음과 같이 계산될 수 있다.For each type, the reference curve can be calculated as follows.
1. 표준화된 픽셀값(NormPixVal) = 픽셀값(PixVal)/255를 계산한다. 여기서 픽셀값(PixVal)는 0~255의 값이다. 1. Calculate the normalized pixel value (NormPixVal) = pixel value (PixVal) / 255. The pixel value PixVal is a value of 0 to 255.
2. x = (NormPixVal^Cutoff_Factor-0.5)*Amplitude_Factor를 계산한다. 여기서, Cutoff_Factor와 Amplitude_Factor는 이미지 종류 별로 주어지는 계수이다.2. Calculate x = (NormPixVal ^ Cutoff_Factor-0.5) * Amplitude_Factor. Here, Cutoff_Factor and Amplitude_Factor are coefficients given for each image type.
3. tanh(x)를 계산한다.3. Calculate tanh (x).
4. tanh(x)의 최대값과 최소값을 구한다.4. Find the maximum and minimum values of tanh (x).
5. tanh(x)의 값을 0~255 범위로 표준화한다.
5. Normalize the value of tanh (x) in the range of 0 to 255.
위와 같은 과정을 통해 생성된 콘트라스트 참조 곡선을 사용하여 이미지의 콘트라스트 개선을 수행할 수 있다. 도 4 내지 도 7은 각 이미지 종류별로 구해진 참조 곡선을 나타낸다. 각 도면에서 점선은 선형 분포, 즉 콘트라스트 개선이 필요없는 경우를 나타낸다. 구체적으로, 도 4는 저 조명 이미지에 대한 참조 곡선을 나타내고, 도 5는 역광 이미지에 대한 참조 곡선을 나타내고, 도 6은 보통 조명 이미지에 대한 참조 곡선을 나타내고, 도 7은 하이 콘트라스트 이미지에 대한 참조 곡선을 나타낸다. Contrast improvement of an image may be performed using the contrast reference curve generated through the above process. 4 to 7 illustrate reference curves obtained for each image type. Dotted lines in each figure indicate a linear distribution, i.e., no need for contrast improvement. Specifically, FIG. 4 shows a reference curve for the low illumination image, FIG. 5 shows a reference curve for the backlight image, FIG. 6 shows a reference curve for the normal illumination image, and FIG. 7 shows a reference for the high contrast image. It shows a curve.
도 4 내지 도 7에서 x축은 휘도값 0 내지 255를 0 내지 1로 표준화한 값이고, y축은 0 내지 255의 휘도값이다.4 to 7, the x-axis is a value obtained by normalizing the
도 7을 참조하면, 하이 콘트라스트 이미지는 선형 분포의 점선과 비교하여 콘트라스트 개선이 전혀 필요없거나, 콘트라스트 개선에 의해 변화가 거의 발생하지 않음을 알 수 있다.
Referring to FIG. 7, it can be seen that the high contrast image requires no contrast improvement or little change due to the contrast improvement as compared with the dotted line of the linear distribution.
도 8은 본 발명의 일 실시예에 따라, 참조 곡선을 생성하는 방법을 일괄적으로 나타낸 순서도이다.8 is a flowchart collectively illustrating a method of generating a reference curve according to an embodiment of the present invention.
단계(S11)에서 이미지를 읽어들인다. 이미지는 디지털 카메라에 의해 촬영될 수도 있고, 기록 매체로부터 읽어들일 수도 있다. The image is read in step S11. The image may be taken by a digital camera or may be read from a recording medium.
단계(S12)에서 읽어들인 이미지에 대해 평균 휘도값과 휘도 히스토그램을 계산한다.The average luminance value and luminance histogram are calculated for the image read in step S12.
단계(S13)에서 계산된 평균 휘도값과 휘도 히스토그램을 기반으로 이미지 종류를 판단한다. 이미지 종류는 저조명 이미지, 역광 이미지, 보통 조명 이미지, 하이 콘트라스트 이미지 중 하나일 수 있다.The image type is determined based on the average luminance value and the luminance histogram calculated in step S13. The image type may be one of a low light image, a backlight image, a normal illumination image, and a high contrast image.
단계(S14)에서 이미지 종류별로 콘트라스트 참조 곡선 계수를 결정한다. 이 계수들은 전술한 바와 같이, 각 이미지 종류별로 실험치에 의해 최적화된 값이다.In step S14, the contrast reference curve coefficient is determined for each image type. As described above, these coefficients are values optimized by experimental values for each image type.
단계(S15)에서 결정된 계수들을 하이퍼볼릭 탄젠트 함수 곡선에 적용하여 콘트라스트 참조 곡선을 생성한다. 이미지 종류별로 생성된 참조 곡선은 도 4 내지 도 7에 도시된 바와 같다. The coefficients determined in step S15 are applied to the hyperbolic tangent function curve to generate a contrast reference curve. Reference curves generated for each image type are as shown in FIGS. 4 to 7.
위와 같은 단계들을 거쳐 생성된 참조 곡선을 사용하여 콘트라스트 개선을 수행할 수 있다. 도 9는 본 발명의 일 실시예에 따라 콘트라스트 개선을 수행하는 방법을 나타내는 순서도이다.Contrast improvement may be performed using the reference curve generated through the above steps. 9 is a flowchart illustrating a method of performing contrast enhancement in accordance with an embodiment of the present invention.
단계(S21)에서 이미지의 RGB 값을 읽어들인다. RGB 값들은 각각 색차 성분도 포함되어 있으므로, 휘도 성분만 분리하기 위해 단계(S22)에서 HSV 공간값으로 변환한다. In step S21, the RGB value of the image is read. Since the RGB values each include a chrominance component, the RGB values are converted into HSV spatial values in step S22 to separate only the luminance component.
단계(S23)에서 HSV 중 V값을 이미지 종류별 콘트라스트 참조 곡선을 사용하여 새로운 V값으로 맵핑한다. In step S23, the V value of the HSV is mapped to the new V value using a contrast reference curve for each image type.
단계(S24)에서 맵핑된 새로운 V값을 HS값과 결합하고 단계(S25)에서 결합된 HSV값을 다시 RGB 값으로 변환한다.The new V value mapped in step S24 is combined with the HS value, and the combined HSV value is converted back into an RGB value in step S25.
콘트라스트 개선 값이 원래 목표치와 많이 다른 경우, 이와 같은 프로세스를 반복해서 처리할 수 있다.If the contrast improvement value is significantly different from the original target value, this process can be repeated.
실시예에 따라서는, HSV가 아니라 YCbCr 값으로 변환하여 동일한 단계를 수행할 수도 있다. 즉, 읽어들인 이미지의 RGB 값을 YCbCr 값으로 변환하고, 참조 곡선을 사용하여 Y값을 맵핑하고, 맵핑된 Y값을 YCbCr값으로 결합한 다음, YCbCr을 다시 RGB로 변환할 수도 있다.
In some embodiments, the same step may be performed by converting to YCbCr instead of HSV. That is, the RGB values of the read image may be converted to YCbCr values, the Y values may be mapped using reference curves, the mapped Y values may be combined with YCbCr values, and then YCbCr may be converted to RGB again.
Claims (5)
이미지를 읽어들이는 단계;
상기 이미지의 평균 휘도값과 휘도 히스토그램을 산출하는 단계;
상기 평균 휘도값과 휘도 히스토그램을 기반으로 이미지의 종류를 판단하는 단계;
상기 이미지 종류에 따라 서로 다른 계수를 사용하여 하이퍼볼릭 탄젠트 함수 곡선에 적용하여 콘트라스트 참조 곡선을 생성하는 단계; 및
상기 생성된 콘트라스트 참조 곡선을 사용하여 상기 이미지의 콘트라스트 개선을 수행하는 단계를 포함하는 콘트라스트 개선 방법.In the method of adaptively improving the contrast according to the type of the image,
Reading an image;
Calculating an average luminance value and a luminance histogram of the image;
Determining a kind of an image based on the average luminance value and a luminance histogram;
Generating a contrast reference curve by applying a hyperbolic tangent function curve using different coefficients according to the image type; And
Using the generated contrast reference curve to perform contrast enhancement of the image.
상기 이미지 종류를 판단하는 단계는,
평균 휘도값(Imean)이,
i) 0 < Imean ≤ 50인 경우는 저조명 이미지로,
ii) 50 < Imean ≤ 200인 경우는 보통 조명 이미지로,
iii) 200 < Imean ≤ 255인 경우는 역광 이미지로,
iv) 휘도 히스토그램 분포에서, 최고 픽셀 카운트 수를 갖는 휘도값이 고휘도와 저휘도로 나눠져 있는 경우는 하이 콘트라스트 이미지로 판단하는 단계를 포함하는 콘트라스트 개선 방법.The method of claim 1,
The determining of the image type may include:
The average luminance value (Imean)
i) If 0 <Imean ≤ 50, it is a low-light image.
ii) when 50 <Imean ≤ 200, it is a normal illumination image,
iii) a backlight image where 200 <Imean ≤ 255,
iv) in the luminance histogram distribution, if the luminance value having the highest pixel count number is divided into high luminance and low luminance, determining a high contrast image.
상기 콘트라스트 참조 곡선을 생성하는 단계는,
휘도 별로 표준화된 픽셀값(NormPixVal) = 픽셀값(PixVal)/255를 산출하는 단계; 및
x = (NormPixVal^Cutoff_Factor-0.5)*Amplitude_Factor를 계산하는 단계를 포함하고,
여기서, PixVal는 0 내지 255의 휘도값이고, 컷오프 팩터(Cutoff_Factor)와 진폭 팩터(Amplitude_Factor)는 상기 이미지 종류 별로 주어지는 계수인 콘트라스트 개선 방법.The method of claim 2,
Generating the contrast reference curve,
Calculating a normalized pixel value (NormPixVal) = pixel value PixVal / 255 for each luminance; And
calculating x = (NormPixVal ^ Cutoff_Factor-0.5) * Amplitude_Factor,
Here, PixVal is a luminance value of 0 to 255, and a cutoff factor (Cutoff_Factor) and an amplitude factor (Amplitude_Factor) are coefficients given for each image type.
상기 이미지 종류 별로 주어지는 계수는,
i) 상기 이미지가 저조명 이미지인 경우는,
컷오프 팩터(Cutoff_Factor) =0.35, 진폭 팩터(Amplitude_Factor)= 0.74;
ii) 상기 이미지가 역광 이미지인 경우는,
컷오프 팩터 =0.35, 진폭 팩터 = 6;
iii) 상기 이미지가 보통 조명 이미지인 경우는,
컷오프 팩터 =1, 진폭 팩터= 1.94;
iv) 상기 이미지가 하이 콘트라스트 이미지인 경우는,
컷오프 팩터 =1, 진폭 팩터 = 0.0002인 콘트라스트 개선 방법.The method of claim 3,
The coefficient given for each image type is
i) if the image is a low light image,
Cutoff Factor (Cutoff_Factor) = 0.35, Amplitude_Factor = 0.74;
ii) if the image is a backlight image,
Cutoff factor = 0.35, amplitude factor = 6;
iii) if the image is a normal illumination image,
Cutoff factor = 1, amplitude factor = 1.94;
iv) if the image is a high contrast image,
Contrast improvement method with cutoff factor = 1, amplitude factor = 0.0002.
콘트라스트 개선을 수행하는 단계는,
상기 이미지의 RGB 값을 읽어들이는 단계;
상기 RGB 값을 HSV 공간값으로 변환하는 단계;
상기 V값을 상기 콘트라스트 참조 곡선을 사용하여 맵핑하는 단계;
상기 맵핑된 V값을 HS값과 결합하는 단계; 및
상기 결합된 HSV 값을 RGB 값으로 변환하는 단계를 포함하는 콘트라스트 개선 방법.
The method of claim 1,
The step of performing the contrast improvement is
Reading the RGB values of the image;
Converting the RGB values to HSV spatial values;
Mapping the V values using the contrast reference curve;
Combining the mapped V value with an HS value; And
Converting the combined HSV value to an RGB value.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110063820A KR101810686B1 (en) | 2011-06-29 | 2011-06-29 | A method of adaptive contrast enhancement using hyperloic tangent curve and image histogram |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110063820A KR101810686B1 (en) | 2011-06-29 | 2011-06-29 | A method of adaptive contrast enhancement using hyperloic tangent curve and image histogram |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20130002700A true KR20130002700A (en) | 2013-01-08 |
| KR101810686B1 KR101810686B1 (en) | 2017-12-19 |
Family
ID=47835252
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020110063820A KR101810686B1 (en) | 2011-06-29 | 2011-06-29 | A method of adaptive contrast enhancement using hyperloic tangent curve and image histogram |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101810686B1 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102022234B1 (en) * | 2018-03-20 | 2019-11-04 | 주식회사 만도 | Apparatus for image enhancement and method thereof |
| CN113015006A (en) * | 2020-06-04 | 2021-06-22 | 海信视像科技股份有限公司 | Display apparatus and display method |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6462835B1 (en) * | 1998-07-15 | 2002-10-08 | Kodak Polychrome Graphics, Llc | Imaging system and method |
| JP4167097B2 (en) * | 2003-03-17 | 2008-10-15 | 株式会社沖データ | Image processing method and image processing apparatus |
| JP2010109794A (en) * | 2008-10-31 | 2010-05-13 | Samsung Electronics Co Ltd | Video signal processor, video signal processing method, program, and display device |
-
2011
- 2011-06-29 KR KR1020110063820A patent/KR101810686B1/en active IP Right Grant
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102022234B1 (en) * | 2018-03-20 | 2019-11-04 | 주식회사 만도 | Apparatus for image enhancement and method thereof |
| CN113015006A (en) * | 2020-06-04 | 2021-06-22 | 海信视像科技股份有限公司 | Display apparatus and display method |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101810686B1 (en) | 2017-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8368779B2 (en) | Image processing apparatus for performing gradation correction on subject image | |
| CN110766621B (en) | Image processing method, image processing device, storage medium and electronic equipment | |
| JP5855852B2 (en) | Contrast improvement method using hyperbolic tangent function curve | |
| US8559715B2 (en) | Method and apparatus for dynamic and adaptive enhancement of colors in digital video images using saturation gain | |
| EP2899688A1 (en) | Image processing device, image display device, image capture device, image printing device, gradation conversion method, and program | |
| JP5847341B2 (en) | Image processing apparatus, image processing method, program, and recording medium | |
| KR101113483B1 (en) | Apparatus for enhancing visibility of color image | |
| US20140147010A1 (en) | Determining Proximity of a Camera to a Subject Based on Shadow Analysis | |
| KR20080103715A (en) | Image processing apparatus and method thereof | |
| KR102377318B1 (en) | High Dynamic Range technique for light exposure compensation and image quality improvement | |
| KR101715489B1 (en) | Image generating device and image generating method | |
| US10438333B2 (en) | Apparatus, method, and non-transitory computer-readable storage medium | |
| JP2012104098A5 (en) | ||
| US9013605B2 (en) | Apparatus and method for processing intensity of image in digital camera | |
| KR101810686B1 (en) | A method of adaptive contrast enhancement using hyperloic tangent curve and image histogram | |
| CN103685972B (en) | Image optimization method and the system using the method | |
| KR100997159B1 (en) | Apparatus and method for improving contrast | |
| KR101418521B1 (en) | Image enhancement method and device by brightness-contrast improvement | |
| Yu et al. | Color constancy-based visibility enhancement in low-light conditions | |
| Jo et al. | Adaptive white point extraction based on dark channel prior for automatic white balance | |
| CN116962890B (en) | Processing method, device, equipment and storage medium of point cloud image | |
| TWI491266B (en) | Noise reduction method and apparatus for pixels of a frame | |
| KR20140000788A (en) | Apparatus and method for enhancing image using back-light region detection based variable block | |
| CN115086566B (en) | Picture scene detection method and device | |
| CN110717862B (en) | Contrast enhancement method based on dynamic range compression and electronic device thereof |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |