개발일지

본문 Local Histogram Processing 히스토그램 매칭을 사용하면 특정 경우에 이미지의 대비가 부족해질 수 있다. 예를 들어, 위 그림의 다섯 개의 검은색 네모 안의 영역처럼 밝기가 낮아 세부 내용을 확인하기 어려울 때가 있다. 이러한 문제를 해결하기 위해 히스토그램 평활화를 적용해 보면, 영상의 대비는 향상되지만, 특정 계급에 픽셀 값이 과도하게 집중될 수 있다. 이런 현상은 원활한 영상 처리에 방해가 된다. 영상 처리에서 전역적인 처리 방법이 아닌, 영상의 각 지역별로 다르게 처리를 하고 싶을 때 지역 히스토그램 처리(Local Histogram Processing) 기법이 필요하게 된다. 이 방법은 영상의 각 부분별로 히스토그램 평활화나 조정을 수행하여, 그 지역의 세부적인 특성을 개..

히스토그램 처리 개요 히스토그램 평활화는 이미지의 전반적인 대비를 개선하기 위해 사용되는 방법이라고 지난 시간에 공부하였다. 하지만, 특정 밝기 계급에 픽셀이 지나치게 집중되어 있을 때, 이 방식은 몇 가지 문제점을 초래할 수 있다. 예를 들면, 평활화 후의 이미지에서 나머지 계급의 세부 정보가 손실되거나, 비자연스러운 노이즈나 패턴이 발생할 수 있다. 이러한 한계를 극복하기 위한 방법으로서 지역 히스토그램 처리 방법을 공부해 보겠다. 그리고 이를 이해하기 위해 히스토그램 매칭 또한 공부해 보도록 하겠다. 히스토그램 매칭(Histogram Matching)은 원하는 히스토그램 분포를 가진 참조 이미지를 사용하여, 타겟 이미지의 분포를 조정하는 방법이다. 반면, 지역 히스토그램 처리(Local Histog..

본문 Histogram Equalization 히스토그램 평활화(Histogram Equalization)는 이미지의 밝기 분포를 균등하게 재분배함으로써 대비를 개선하는 기법이다. 이 과정에서 각 픽셀의 밝기 값을 조정하되, 이미지의 해상도는 그대로 유지한다. 따라서, 원본 이미지의 모든 픽셀은 보존되며, 그저 픽셀들의 밝기가 재조정되어 이미지의 대비와 세부 정보가 강화된다. 이를 수식으로 나타내면 다음과 같다. 따라서 히스토그램 평활화의 목표는 가능한 어떤 이미지라도 모든 밝기 레벨을 동적 범위(이미지에서 나타날 수 있는 최소 밝기와 최대 밝기 사이의 범위) 내에서 균등하게 사용하여, 이미지의 대비를 개선하는 것이다. 이 과정에서 원하지 않는 노이즈와 같은 아티팩트(Artifacts)들이 생길 수 있고..

히스토그램 평활화 개요 히스토그램(Histogram)은 데이터의 분포를 그래프 형태로 시각화한 것이다. 이는 데이터 집합의 각 부분 또는 값의 빈도수를 보여주며, x축(계급, 카테고리)과 y축(빈도)으로 이루어져 있다. 히스토그램은 데이터의 형태, 중심, 분포, 변동, 이상치 등을 빠르게 파악하는 데 유용하다. 디지털 영상 처리에서 히스토그램은 각 픽셀 값이 얼마나 자주 등장하는지를 표현한다. 즉, x축으로는 이미지의 각 픽셀 밝기를, y축으로는 픽셀 수를 표현한다. 이미지 f(x, y) 함수를 정규화되지 않은 히스토그램으로 표현하면 다음과 같다. 여기서 rk는 k번째 계급을 의미하고, nk는 f(x, y)에서의 픽셀 수를 의미한다. 이 형태의 히스토그램은 이미지에서 각 밝기 레벨의 빈도수를 직접적으로 ..