적응 히스토그램 등화
Adaptive histogram equalization적응 히스토그램 등화(Adaptive Histogram Equalization, AHE)는 이미지의 대비를 개선하기 위해 사용되는 컴퓨터 이미지 처리 기법이다.적응형 방법이 각각 영상의 구별되는 섹션에 해당하는 여러 히스토그램을 계산하고 이를 사용하여 영상의 밝기 값을 재분배한다는 점에서 일반적인 히스토그램 등화와는 다르다.따라서 국소 대비를 개선하고 이미지의 각 영역에서 가장자리의 정의를 강화하는 데 적합하다.
그러나 AHE는 상대적으로 균일한 이미지 영역에서 노이즈를 과대 증폭하는 경향이 있다.대조 제한 적응 히스토그램 등화(CLAHE)라 불리는 적응 히스토그램 등화 변형은 증폭을 제한하여 이를 방지한다.
방법의 동기부여 및 설명
일반 히스토그램 등화에서는 이미지 히스토그램에서 파생된 동일한 변환을 사용하여 모든 픽셀을 변환한다.이는 픽셀 값의 분포가 영상 전체에서 유사할 때 잘 작동한다.그러나 영상에 대부분의 영상에 비해 현저하게 가벼우거나 어두운 영역이 포함된 경우 해당 영역의 대비는 충분히 향상되지 않을 것이다.
적응형 히스토그램 등화(AHE)는 인접 지역에서 파생된 변환 함수로 각 픽셀을 변환하여 이를 개선한다.그것은 처음으로 항공기 조종석 디스플레이에 사용하기 위해 개발되었다.[1] cited in [2]가장 간단한 형태에서 각 픽셀은 아래 그림과 같이 픽셀을 둘러싼 사각형의 히스토그램을 기반으로 변환된다.히스토그램에서 변환 함수의 파생은 일반 히스토그램 등화에서와 정확히 동일하다.변환 함수는 인접 지역에서 픽셀 값의 누적분포함수(CDF)에 비례한다.
이미지 경계 부근의 픽셀은 인접성이 이미지 내에 완전히 있지 않기 때문에 특별히 취급해야 한다.이는 예를 들어 그림에서 왼쪽이나 파란색 픽셀 위의 픽셀에 적용된다.이는 이미지 경계와 관련하여 픽셀 선과 열을 미러링하여 이미지를 확장함으로써 해결할 수 있다.테두리에 있는 픽셀 선을 단순히 복사하는 것은 매우 높은 정점을 가진 이웃 히스토그램으로 이어질 수 있기 때문에 적절하지 않다.
AHE의 속성
- 이웃 지역의 크기는 그 방법의 매개 변수다.그것은 특징적인 길이 척도를 구성한다: 작은 척도의 대비는 강화되는 반면 큰 척도의 대비는 감소한다.
- 히스토그램 등분화의 특성상 AHE 아래의 픽셀의 결과값은 인접 지역의 픽셀 중 그 순위에 비례한다.이를 통해 중앙 픽셀을 인근 지역의 다른 모든 픽셀과 비교할 수 있는 전문 하드웨어를 효율적으로 구현할 수 있다.[3]비정규화된 결과 값은 중앙 픽셀보다 작은 값을 가진 픽셀마다 2를 더하고, 같은 값을 가진 픽셀마다 1을 더하면 계산할 수 있다.
- 픽셀의 인접성이 포함된 영상 영역이 강도에 대해 상당히 균일할 경우 히스토그램이 강하게 정점에 도달하고 변환 기능이 결과 영상의 전체 범위에 픽셀 값의 좁은 범위를 매핑한다.이로 인해 AHE는 이미지의 대부분 균일한 영역에서 소량의 노이즈를 과도하게 증폭시킨다.[4]
콘트라스트 리미티드 AHE
일반 AHE는 영상의 거의 일정 영역에서의 히스토그램이 고도로 집중되기 때문에 그러한 영역의 대비를 지나치게 증폭시키는 경향이 있다.결과적으로, AHE는 거의 정합된 지역에서 소음을 증폭시킬 수 있다.Contrast Limited AHE(CLAHE)는 이러한 소음 증폭 문제를 줄이기 위해 대비 증폭이 제한되는 적응형 히스토그램 등화 변종이다.[3]
CLAHE에서 주어진 픽셀 값 근처에 있는 대조 증폭은 변환 기능의 기울기에 의해 주어진다.이는 인접지역 누적분포함수(CDF)의 기울기에 비례하며 따라서 해당 픽셀 값에서 히스토그램 값에 비례한다.CLAHE는 CDF를 계산하기 전에 미리 정의된 값으로 히스토그램을 클리핑하여 증폭을 제한한다.이것은 CDF의 기울기를 제한하고 따라서 변환 함수의 기울기를 제한한다.히스토그램이 잘리는 값, 이른바 클립 제한은 히스토그램의 정규화와 그에 따른 인접 영역의 크기에 따라 달라진다.공통 값은 결과 증폭을 3과 4 사이로 제한한다.
클립 제한을 초과하는 히스토그램 부분은 폐기하지 않고 모든 히스토그램 빈에 동일하게 재분배하는 것이 유리하다.[3]
재배포는 일부 빈을 클립 한계(그림에서 녹색으로 음영 처리) 위로 다시 밀어내므로 클립 한도가 규정된 한계보다 크고 클립의 정확한 값이 이미지에 따라 달라진다.이것이 바람직하지 않다면 초과분이 무시할 수 있을 때까지 재분배 절차를 반복할 수 있다.
보간법에 의한 효율적 연산
위에 제시된 직접적인 형태의 적응형 히스토그램 등분화는 대조도 제한이 있는 경우와 없는 경우 모두 영상의 각 픽셀에 대해 다른 인접성 히스토그램과 변환 기능의 연산을 필요로 한다.이것은 그 방법을 컴퓨터적으로 매우 비싸게 만든다.
보간법은 결과의 품질을 훼손하지 않고 효율을 크게 향상시킨다.[3]이미지는 아래 그림의 오른쪽 부분과 같이 동일한 크기의 직사각형 타일로 분할된다. (8열과 8열의 타일 64개가 일반적인 선택이다.)[4]그런 다음 히스토그램, CDF 및 변환 함수를 각 타일에 대해 계산한다.변환 함수는 타일 중심 픽셀(그림 왼쪽의 검은색 사각형)에 적합하다.다른 모든 픽셀은 중심 픽셀이 가장 가까운 타일의 최대 4개의 변환 함수로 변환되며 보간 값이 할당된다.이미지의 큰 부분(파란색)에 있는 픽셀은 양방향으로 보간되고, 경계(녹색)에 가까운 픽셀은 선형 보간되며, 모서리에 가까운 픽셀(빨간색)은 모서리 타일의 변환 기능으로 변형된다.보간 계수는 가장 가까운 타일 중심 픽셀 사이의 픽셀 위치를 반영하므로, 픽셀이 타일 중심에 접근할 때 결과가 연속적이다.
이 절차는 극적으로 계산되는 변환 함수의 수를 줄이고 선형 보간법의 추가 비용만 부과한다.
히스토그램의 증분 업데이트를 통한 효율적인 계산
영상을 타일링하는 방법의 하나는 직사각형을 한 번에 한 픽셀씩 "슬라이드"하고, 새로운 픽셀 행을 추가하고 남은 행을 빼서 각 픽셀에 대한 히스토그램만 증분 업데이트하는 것이다.[5]알고리즘은 원작자에 의해 SWAHE(슬라이딩 윈도우 적응 히스토그램 동일화)로 표기된다.히스토그램 계산의 계산 복잡성은 O(N²)에서 O(N)로 감소되며(주변 사각형의 N = 픽셀 너비로), 타일링이 없으므로 최종 보간 단계가 필요하지 않다.
참고 항목
참조
- ^ D. J. Ketcham, R. W. Lowe & J. W. W. W. Weber: 조종석 디스플레이의 이미지 향상 기술.1974년 휴즈 항공기 기술 대표
- ^ R. A. 험멜:히스토그램 변환에 의한 이미지 향상.컴퓨터 그래픽 및 이미지 처리 6(1977) 184195.
- ^ a b c d S. M. 피저, E. P. 앰번, J.오스틴 외:적응형 히스토그램 등가화 및 변동.컴퓨터 비전, 그래픽 및 이미지 처리 39(1987) 355-368.
- ^ a b K. Zuiderveld: Contrast Limited Adaptive Histogram Equalization.인: P. Heckbert: Graphics Gems IV, Academic Press 1994, ISBN0-12-336155-9
- ^ T. Sund & A.음에스타드:구강 내 방사선 촬영의 슬라이딩 윈도우 적응 히스토그램 동등화: 진단 품질에 미치는 영향Dentomaxillofac Radiol. 2006년 5월;35(3):133-8.
6. G. R. Vidhya와 H. Ramesh, "대조의 효과로 다중 스펙트럼 위성 이미지에 대한 적응 히스토그램 동등화 기법 제한", Proc.Int. Conf.영상 처리 과정, 2017년 12월 234-239페이지.
외부 링크
- OpenCV와 함께 CLAHE를 사용하는 방법 자습서
- Max Planck Institute of Molecular Cell Biology and Genetics에서 CLAHE의 효과를 보여주는 이미지 예
- CLAHE에 대한 튜토리얼
- CLAHE 논문 원저자 중 한 명인 Karel Zuidervelt가 ANSI C에서 CLAHE를 구현한 사례
