논문 2016-53-9-14
컬러 영상의 채널 간 상관관계를 고려한 콘트라스트 및 채도 동시 향상 알고리즘
( Saturation Improvement Algorithm with Contrast Enhancement for Color Images Considering Channel Correlation )
송 기 선*, 한 재 덕*, 강 문 기**
( Ki Sun Song, Jaeduk Han, and Moon Gi Kangⓒ)
요 약
컬러 영상의 콘트라스트를 향상시키기 위해서 가장 많이 사용되는 방법은 컬러 영상의 밝기 값에 콘트라스트 향상 알고리 즘을 적용시키는 것이다. 이 방법은 색상 열화 없이 콘트라스트가 향상된 결과를 얻을 수 있지만, 원본 영상 대비 결과 영상의 채도가 감소되는 문제가 발생한다. 컬러 영상의 콘트라스트를 향상시키기 위한 또 다른 방법은 컬러 영상의 각 채널에 콘트라 스트 향상 알고리즘을 적용시키는 것이다. 이 방법은 콘트라스트와 채도가 동시에 향상되지만 색상 열화가 발생하는 단점이 있다. 본 논문에서는 컬러 영상의 각 채널 처리 시 발생하는 색상 열화 원인을 분석하여 이를 보상해주는 방법으로 색상 열화 문제를 해결하였다. 또한 각 채널의 특성을 고려한 채널 적응적 콘트라스트 향상 방법을 이용하여 색상 열화를 방지하는 방법 을 제안하였다. 제안하는 방법을 이용하면 컬러 영상의 콘트라스트 향상뿐만 아니라 색상 열화가 발생하지 않으면서 채도가 향상된 결과 영상을 획득할 수 있다. 실험 결과를 통해 제안하는 방법이 주관적 평가뿐 아니라 객관적 평가 지표들에서도 기 존 방법들보다 우수한 성능을 보이는 것을 확인 할 수 있다.
Abstract
Applying the contrast enhancement algorithms to luminance values of color images is a widely used approach to enhance the contrast of color images. The results obtained by this approach have reduced saturation compared with that of the original images in spite of contrast enhancement without color degradation. Applying the contrast enhancement algorithm to each channel of color images is another approach for the contrast enhancement of color images. This method produces improved images in terms of contrast and saturation while the hue of original images is changed. In this paper, main cause of color degradation is analyzed and then solving the problem based on the analysis. The channel adaptive contrast enhancement method considering characteristics of each channel is also proposed to deal with color degradation.
As a result, the proposed method enhances the contrast and saturation simultaneously without color degradation.
Experimental results show that the proposed method outperforms the conventional methods not only on subjective evaluation but on objective criteria.
Keywords : Contrast enhancement, Saturation enhancement, Channel correlation, Color degradation
*학생회원, **정회원, 연세대학교 전기전자공학과 (Department of Electrical and Electronic Engineering, Yonsei University)
ⓒCorresponding Author (E-mail : [email protected])
※ 이 논문은 2016년도 정부(미래창조과학부)의 재원으 로 한국연구재단의 지원을 받아 수행된 기초연구사 업임(No. 2015R1A2A1A14000912).
Received ; April 14, 2016 Revised ; July 27, 2016 Accepted ; August 26, 2016
Ⅰ. 서 론
최근 카메라, 핸드폰, TV와 같은 다양한 영상 장치들 의 사용이 급격히 증가함에 따라 영상들을 더욱 선명하 고 보기 좋게 만드는 기술들에 대한 요구가 커지고 있다.
사람의 눈은 영상을 보고 인식할 때, 세 가지 성분 즉 밝기, 색상, 채도 성분으로 나누어 받아들이게 된다[1]. 이 때, 같은 색상, 같은 채도를 가지고 있더라도 콘트라
그림 1. 입력영상과 콘트라스트 향상과 함께 채도가 나 빠진 영상 (a) 입력영상, (b) 콘트라스트 향상 영상 Fig. 1. Input image and saturation reduced result due to contrast enhancement algorithm (a) input image, (b) contrast enhancement result.
스트가 더욱 좋은 영상을 그렇지 않은 영상보다 더 좋 은 영상이라고 판단하게 된다. 이러한 이유 때문에 영 상의 3성분 중 밝기 성분을 조정하여 대비를 증가시키 는 콘트라스트 향상 방법들이 오랫동안 연구되었다. 하 지만 대부분의 방법들이 과도한 콘트라스트 향상으로 인해 부자연스러운 결과를 만들거나 영상의 3성분 중 하나인 채도가 나빠진 결과 영상을 만들어내기 때문에 콘트라스트를 향상시키면서 동시에 채도 성분도 적절하 게 향상시키는 알고리즘 개발이 필요하다.
지금까지 연구된 많은 콘트라스트 향상 알고리즘들 은 영상의 밝기 성분만을 처리하는 방법으로 접근을 하 였다. 이러한 방법은 단색 영상을 처리 할 시에는 아무 문제가 발생하지 않는다. 하지만 적색, 녹색, 청색(Red, Green, Blue : RGB) 세 채널을 갖는 컬러 영상을 처리 할 시에는 영상의 콘트라스트는 향상되지만 채도가 감 소되는 문제점이 발생하였다. 콘트라스트의 정의가 영 상의 밝기 대비를 뜻하는 것이기 때문에 밝기 성분만을 처리하는 것은 논리적으로 아무런 문제가 없지만, 실제 결과 영상을 보면 그림 1과 같이 원본 영상 대비 채도 가 좋지 않아 영상이 훼손된 것처럼 보이게 된다. 이러 한 문제점을 극복하기 위하여 다양한 방법들이 제안되 었는데 이 방법들은 다음과 같이 크게 두 가지 방법으 로 분류 할 수 있다. 첫 번째 해결 방법은 단색 영상에 대한 콘트라스트 향상 알고리즘을 컬러 도메인으로 확 장시키는 방법[2～7]이다. 이 방법을 이용하면 컬러 영상 의 콘트라스트를 향상시킬 수 있지만, 영상의 밝기가 유지되지 않는 부작용이 발생한다. 두 번째 해결 방법 은 컬러 값으로부터 밝기 값을 계산하여 밝기 값에만 콘트라스트 향상 알고리즘을 적용한 후 이를 다시 컬러 값으로 변환할 때 채도 훼손이 발생하지 않도록 새로운 변환 식을 사용하는 방법[8～11]이다. 하지만 이 방법은 채도 성분을 처리하지 않기 때문에 결과 영상의 채도가
입력 영상 대비 좋지 않게 나오게 된다.
본 논문에서는 컬러 영상에 대하여 콘트라스트 향상 알고리즘 적용 시 콘트라스트만이 아닌 채도 성분도 동 시에 향상이 가능한 알고리즘을 제안한다. 콘트라스트 와 채도를 동시에 향상시키기 위해 기존에 널리 사용되 는 컬러 영상의 밝기 값에 콘트라스트 알고리즘을 적용 하는 방법이 아닌 컬러 영상의 각 채널 값을 처리하는 방법을 사용한다. 하지만 컬러 영상의 각 채널을 바로 처리하게 되면, 컬러 영상의 색상 열화가 발생하는 문 제점이 있다. 이를 해결하기 위해, 제안하는 알고리즘에 서는 컬러 영상의 각 채널 간 상관관계를 고려하여 각 채널에 콘트라스트 향상 알고리즘을 적용하였다. 이러 한 방법은 앞에서 언급하였던 컬러 영상의 콘트라스트 향상을 위한 기존 처리 방법들에 비해 채도가 크게 향 상되는 장점을 갖게 된다.
본 논문의 구성은 다음과 같다. Ⅱ장에서는 본 논문 에서 사용할 콘트라스트 향상 방법을 간략하게 설명하 고 기존 방법의 채도 감소 현상에 대한 분석을 한다. 이 러한 분석을 바탕으로 제안하고자 하는 컬러 영상의 콘 트라스트와 채도를 동시에 향상시키는 알고리즘에 대하 여 설명한다. Ⅲ장에서는 다양한 영상들에 대하여 제안 하는 알고리즘과 기존 알고리즘들의 결과들을 비교한다.
마지막으로 Ⅳ장에서 본 논문의 결론을 제시한다.
Ⅱ. 본 론
본 논문에서는 기존 콘트라스트 향상 알고리즘 적용 방법이 컬러 영상의 채도를 감소시키는 원인을 분석하 고, 이를 해결하기 위해 Arici 외 2명이 제안한 제약 변 수 (constrained parameter)를 사용한 히스토그램 평탄 화 알고리즘[12]을 수정한 후, 이를 채널 간 상관관계 및 각 채널의 특성을 고려하여 채널 적응적으로 적용시켜 영상의 콘트라스트 및 채도를 동시에 향상시킨다.
1. 제약 변수를 사용한 히스토그램 평탄화 방법 Arici 외 2명은 기존에 널리 알려져 있는 히스토그램 평탄화 알고리즘이 과하게 콘트라스트를 향상시켜 부자 연스러운 결과를 만들어내는 문제점을 제약 변수를 도 입하여 해결하였다. 이 방법을 이용하면, 영상의 종류에 상관없이 안정적인 결과를 만들어 낼 수 있다. 제약 변 수를 사용하여 콘트라스트 향상 정도를 조절 가능하도 록 하는 수식은 다음과 같다.
그림 2. 컬러 영상의 콘트라스트 향상 알고리즘 적용 방 법에 따른 결과 영상 비교 (a) 원본 영상, (b) 밝 기 값 처리에 따른 채도가 감소된 영상, (c) 채널 별 처리에 따른 색상 열화가 발생한 영상 Fig. 2. Comparison of the contrast enhancement results
for color image (a) original image, (b) saturation reduction image with conserving original colors due to luminance processing, (c) color shifted image without conserving the original colors due to each channel processing.
h h
arg min∥h h∥ ∥h u∥ (1)
여기서 h 는 구하고자 하는 히스토그램이며 h는 입 력 영상의 히스토그램을 뜻한다. u 는 균일 히스토그램 을 나타내고 는 제약 변수이다. 위의 수식이 나타내는 의미는 다음과 같다. 구하고자 하는 히스토그램이 입력 히스토그램과 같아질 경우, 기존 히스토그램 평탄화 알 고리즘이 수행되는 것과 같은 결과를 획득한다. 반면, 구하고자 하는 히스토그램이 균일 히스토그램과 같다면 히스토그램 평탄화가 균일 히스토그램을 이용하여 수행 되기 때문에 결과 영상은 입력 영상과 같아지게 된다.
제약 변수 는 이러한 두 가지 결과를 적절하게 융합 시킬 수 있도록 조절해주는 역할을 한다. 이차 최적화 문제법을 이용하여 식 (1)을 최소화시키는 h 을 구하면 다음과 같다.
h
h
u (2)
앞에서 설명한 것처럼 구하고자 하는 히스토그램은 값에 의하여 입력 히스토그램 h와 균일 히스토그램 u 가 적절하게 융합되어 결정된다.
2. 기존 콘트라스트 향상 방법에서의 채도 감소 현 상 분석
컬러 영상에 콘트라스트 알고리즘 적용 시 채도 감소 현상이 발생하는 원인은 사람의 시각에 맞춰 색 공간을 표현한 색상-채도-밝기 (Hue-Saturation-Value, HSV) 모델을 이용하여 설명 할 수 있다. HSV 모델에 따르면 채도(S) 성분은 다음과 같이 정의된다[1].
max
max min
(3)
여기서 min⋅, max⋅ 는 각각 최솟값, 최댓값을 계산하는 함수이며 R, G, B 는 각각 빨강색, 녹색, 파랑색 채널의 값을 뜻한다. 콘트라스트 향상 알고리즘이 입력 영상의 밝기 값에 적용되면, 영상의 최솟값은 더욱 작아 지고 최댓값은 더욱 커지게 된다. 특히, 콘트라스트를 더 욱 향상시키기 위해서는 중간 밝기 영역의 값을 더욱 크 게 변화시키게 된다. 콘트라스트 향상 알고리즘을 통해 밝기 값이 변할 때의 채도 값 변화를 살펴보기 위해서는 식 (3) 중에서 max
min
값의 변화를 살펴보면 된다.
즉, RGB 값 중 가장 큰 값과 가장 작은 값의 비율이 커지게 되면 채도가 낮아지게 된다. HSV 모델은 RGB 모델과 비선형적 관계를 갖기 때문에 실제 영상을 처리 할 시에는 이 모델을 이용하여 처리하는 것이 불가능하다.
따라서 RGB 모델과 선형적 관계를 갖는 YCbCr (또는 YUV) 모델로 변환하여 처리하게 된다. YCbCr 모델과 RGB 모델 간의 변환 식을 살펴보면, 밝기 값 (Y)이 밝 아짐에 따라 RGB 값도 모두 증가하는 형태를 보이게 된다. 이 때, 큰 값의 증가 폭은 그리 크지 않은 반면 작은 값의 증가폭은 상대적으로 크게 된다. 따라서 RGB 값 중 가장 큰 값과 작은 값의 비율이 커지게 되 어 결과 영상의 채도가 낮아지게 된다. 예를 들어 RGB 값이 각각 75, 132, 88의 값을 갖는 픽셀을 처리한다고 하면, 이 픽셀의 밝기 값 Y는 104가 된다. 이때의 채도 값은 HSV 모델에서 채도를 나타내는 S값을 통해 측정 가능하다. S값을 계산해보면 0.75를 갖게 된다. Y값이 증폭함수를 통해 123의 값으로 변환되었다고 하면 (Cb, Cr 성분은 변화 없음), 새로운 RGB 값은 각각 94, 151, 52로 변하게 된다. 채도 값은 0.66으로 줄어들게 된다.
이처럼 밝기 값이 증폭할 때 채도가 감소하는 이유는 앞서 설명한 것처럼 작은 값의 증폭률이 큰 값의 증폭 률보다 크기 때문이다. 예시 값들의 변화율을 보면,
RGB 값 중 최솟값인 B값은 1.58배 증가하는데 반해 최 댓값인 G값은 1.14배만 증가하게 된다. 반면, Y값이 감 소하는 경우에는 앞에서 설명한 것과 반대 작용이 일어 나기 때문에, 채도가 원본 영상보다 증가하게 된다. 하 지만 밝기가 원본 영상보다 어두워지게 되어 채도가 증 가한 효과가 크게 나타나지 않는다. 제안하는 방법에서 는 콘트라스트 향상 시 밝기 값의 증폭 효과가 나타나 면서 채도 감소가 발생하는 영역에서 채도 향상과 콘트 라스트 향상이 동시에 수행 될 수 있도록 각 채널별로 콘트라스트 향상 알고리즘을 적용하였다. 이렇게 되면, RGB 최댓값은 더욱 커지고, 최솟값은 더욱 작아지게 되어 max
min
값이 작아지게 되므로 결과 영상 의 채도가 향상되게 된다. 각 채널에 콘트라스트 향상 알고리즘이 적용 되었으므로, 결과 영상의 콘트라스트 도 동시에 향상되게 된다. 그림 2는 컬러 영상에 대하 여 식(2)의 콘트라스트 향상 알고리즘 ( )을 적 용하는 방법에 따른 결과를 비교한 영상이다. 그림 2(a) 는 원본 영상이며, 그림 2(b)는 HSV 도메인으로 값을 변환 한 후 밝기 값에만 콘트라스트 향상 알고리즘을 적용시키고 다시 RGB 도메인으로 변환하여 획득한 결 과이다. 원본 영상에 비해 콘트라스트는 향상되었지만, 꽃잎의 색상을 보면 채도 감소가 발생한 것을 확인할 수 있다. 그림 2(c)는 RGB 각 채널에 같은 콘트라스트 향상 알고리즘을 적용한 결과이다. 그림 2(b)와 비교해 보면 꽃잎의 붉은 색이나 잎사귀 부분을 통해 채도가 원본 영상 대비 향상 된 것을 확인 할 수 있다. 하지만 채널 간 상관관계가 전혀 고려되지 않아 색상의 열화가 발생하여 원본 영상 대비 전혀 다른 색상을 나타내고 있다. 제안하는 방법에서는 채널 별 처리의 장점인 채 도 증가 효과를 유지하면서 단점인 색상 열화를 방지하 기 위하여 채널 간 상관관계 및 각 채널의 특성을 모두 고려하여 채널 적응적으로 콘트라스트 향상 알고리즘을 적용한다.
3. 콘트라스트 및 채도 동시 향상 알고리즘 제안하는 알고리즘에서는 Arici 외 2명이 제안한 제 약 변수를 사용한 히스토그램 평탄화 알고리즘을 다음 과 같이 각 채널의 특성에 따른 채널 적응적 히스토그 램 평탄화 알고리즘으로 변형하여 사용한다.
h C
h C
C
u (4)
여기서 는 식(2)에서의 값을 대체하는 값으로 각 컬러 채널의 특성에 따라 다르게 설정된다. C는 입력 영상의 각 채널을 뜻한다. 제안하는 방법에서는 각 채 널의 히스토그램을 분석하여 해당 채널이 너무 큰 분산 값을 갖고 있을 경우 콘트라스트 향상이 과하게 되면서 부자연스러운 결과를 보이게 되므로 처음 결정된 값 보다 큰 값을 갖도록 하였다. 예를 들어, RGB 각 채널 의 분산 값이 70, 55, 110 이라고 하면, 세 채널 중 분산 값이 가장 작은 G채널을 히스토그램의 퍼짐이 가장 큰 채널이라고 생각 할 수 있다. 따라서 G채널에 미리 정 해놓은 값을 적용한다. 이 때, G채널보다 2배 큰 분산 값을 갖고 있는 B채널에 같은 값을 적용하게 되면, 0 또는 255값을 넘어가도록 히스토그램이 퍼지게 된다.
따라서 G채널에 적용된 값보다 큰 값을 적용시킨다.
R채널에는 G와 B채널의 분산 값과 비교하여 두 채널에 적용된 값을 가중치 합하여 나온 값을 적용한다. 본 실험에서는 분산이 가장 작은 채널에 적용되는 값은 사용자가 정한 값으로 하고 분산이 가장 큰 채널의 값은 가장 작은 분산 값과의 비율에 따라 결정되도록 하였다. 이러한 채널 적응적인 제약 변수를 설정함으로 써 특정 채널이 다른 채널들에 비해 과도하게 콘트라스 트가 향상되어 발생하는 부자연스러운 결과들을 방지할 수 있다.
식 (4)를 통한 채널 적응적 콘트라스트 향상 방법 외 에 제안하는 방법에서는 색상 열화 방지를 위해 원본 영상의 채널 간 비율과 콘트라스트 향상 결과의 채널 간 비율을 맞춰주는 과정을 수행한다. 컬러 영상의 각 채널에 콘트라스트 향상 알고리즘을 적용할 때 발생하 는 색상 열화는 각 채널간의 비율이 원본 영상의 비율 과 다른 값을 갖게 되어 발생한다. 제안하는 방법에서 는 컬러 영상의 각 채널 간 비율을 다음과 같은 방법으 로 측정한다.
C
∈C
C
C
(5)
여기서 C 는 각 채널의 비율 값을 나타내며 C 는 각 채널의 평균값을 나타낸다. 식 (5)를 통해 80개의 실 험 영상들의 각 채널들이 갖는 비율 값을 측정한 후 원 본 영상의 각 채널 비율 값과의 차이를 합하여 그림 3 에 나타내었다. 컬러 영상의 밝기 값에 콘트라스트 향 상 알고리즘을 적용한 영상의 각 채널 비율 값은 원본 영상의 각 채널 비율 값과의 차이는 크지 않은 것을 확
그림 3. 80개의 실험 영상들에 대해 RGB 각 채널 처리 및 밝기 값 처리 후 식 (4)를 이용하여 측정한 원본 영상과의 채널 간 비율 값의 차이 비교 Fig. 3. Comparison of ratio values difference measured
by using (4) for 80 test images.
인 할 수 있다. 반면, 컬러 영상의 각 채널에 동일한 콘 트라스트 향상 알고리즘을 적용했을 때에는 결과 영상 의 각 채널 비율 값이 원본 영상의 각 채널 비율 값과 크게 다른 값을 갖는 것을 확인 할 수 있다. 그림 3에 나타난 것과 같이 모든 테스트 영상에서 각 채널에 콘 트라스트 향상 알고리즘을 적용하게 되면 채널 간 비율 값이 원본 영상의 채널 간 비율 값과 달라지면서 색상 열화가 나타나게 된다. 따라서 제안하는 방법에서는 원 본 영상의 각 채널 비율 값을 측정 한 후, 이 값과 콘트 라스트 향상 알고리즘이 각 채널에 적용 된 결과 영상 의 채널 간 비율 값이 같아지도록 조정하여 색상 열화 문제를 해결한다. 이를 수식으로 표현하면 다음과 같다.
C
CC
(6)
여기서 C
는 입력 영상 각 채널에서의 비율 값을 나타내고 C
는 각 채널에 콘트라스트 향상 알고리즘 이 적용 된 영상의 각 채널 비율 값을 나타낸다. C는 두 영상의 채널 간 비율 값을 맞춰주기 위한 계수이다.
제안하는 방법에서는 식 (6)의 C를 사용하여 히스토 그램 평탄화 과정에서 생성되는 톤 맵핑 함수를 다음과 같이 수정한다.
C C× C (7) 여기서 C⋅ 은 각 채널의 화소 위치 에서 히스토그램을 통해 만들어진 톤 맵핑 함수를 나타낸다.
C⋅는 제안하는 방법을 통해 채널 간 상관관계가 고려된 각 채널에 적용되는 톤 맵핑 함수이다. 식(7)에 서 C⋅에 곱해지는 계수 C는 식(6)과 식(5)를 통 해 다음과 같이 계산 할 수 있다.
C
C
C×
C
C
(8)
위와 같은 과정을 통해 추정된 톤 맵핑 함수를 입력 영상의 각 채널에 적용하면 각 채널의 평균값의 비율이 입력 영상의 각 채널 평균값의 비율과 같아지게 된다.
이러한 과정은 히스토그램 평탄화를 통해 변화된 히스 토그램의 평균값들의 비율을 맞춰주는 과정이기 때문에 향상된 콘트라스트에는 변화를 주지 않게 된다. 그 결 과, 콘트라스트 향상과 함께 채도가 동시 향상된 결과 영상 획득이 가능하게 된다.
Ⅲ. 실험 결과
제안하는 컬러 영상에 대한 콘트라스트 및 채도 동시 향상 알고리즘의 성능을 검증하기 위해 본 논문에서는 기존의 컬러 영상에 대한 콘트라스트 향상 알고리즘 적 용 방법들의 결과들과 제안하는 방법으로 획득한 결과 들을 비교하였다. 다양한 컬러 영상에 대하여 제안하는 알고리즘을 포함한 총 4가지 처리 방법이 색상 열화 현 상 및 채도 감소 현상에 대하여 어떠한 성능을 보이는 지 비교 분석하였다. 첫 번째 비교 알고리즘은 가장 널 리 사용되고 있는 밝기 값에만 콘트라스트 향상 알고리 즘을 적용하여 결과 영상을 획득하는 방법[1]이다. 두 번 째는 Nikolova 외 1명이 제안한 밝기 값에 콘트라스트 향상 알고리즘을 적용 한 후, 밝기 값 변화에 맞춰 색상 정보를 보정해주는 알고리즘[11]이다. 세 번째는 Han 외 2명이 제안한 색상 보존 히스토그램 평탄화 알고리즘[6]
이다. 공정한 성능 비교를 위해서 4가지 방법 모두 콘 트라스트 향상 알고리즘으로는 가장 널리 알려진 전역 히스토그램 평탄화 알고리즘을 사용하였다.
그림 4는 제안하는 방법의 결과들과 기존 방법들로 획득한 결과들을 비교하여 나타난 것이다. 그림 4(a)는 원본 영상이며, 그림 4(b)는 컬러 영상의 밝기 값에만 콘트라스트 향상 알고리즘을 적용한 결과이다. 콘트라 스트 향상 알고리즘 때문에 원본 영상 대비 콘트라스트 가 향상되었지만 영상의 채도가 많이 감소된 것을 확인 할 수 있다. 그림 4(c)는 그림 4(b)와 마찬가지로 컬러 영상의 밝기 값에만 콘트라스트 향상 알고리즘을 적용 한 후, 밝기 값의 변화를 고려하여 색상 정보를 향상시 킨 결과이다. 그림 4(b)와 비교했을 때 콘트라스트는 같 지만 모든 결과에서 그림 4(b) 보다 채도가 향상 된 것 을 확인 할 수 있다. 하지만 원본 영상과 비교해 보면
그림 4. 다양한 영상에 대한 제안하는 알고리즘과 기존 방법들의 결과 비교 (a) 원본 영상, (b) 콘트라스트 향상 알고리 즘을 밝기 값에만 적용한 결과, (c) Nikolova 외 1명이 제안한 밝기 값 향상 후, 밝기 값 변화에 맞춰 색상 정보 를 보정해준 결과, (d) Han 외 2명이 제안한 색상 보존 히스토그램 평탄화 방법의 결과, (e) 제안하는 알고리즘 으로 획득한 결과
Fig. 4. Comparison of the various algorithms applying contrast enhancement method to color images (a) original images, (b) result images obtained by luminance processing, (c) result images obtained by Nikolova’s method, (d) result image obtained by Han’s method, (e) result images of the proposed method.
채도가 감소 된 것을 알 수 있다. 그림 4(d)는 Han 외 2명이 제안한 색상 보존 히스토그램 평탄화 알고리즘의 결과이다. 앞의 두 결과가 밝기 값에 콘트라스트 향상 알고리즘을 적용 시킨 것과 달리 새로운 값에 콘트라스 트 향상 알고리즘을 적용시켜 콘트라스트 변화가 앞의 결과들과는 조금 다른 양상을 보이게 된다. 색상 보존 을 고려하여 콘트라스트를 향상시켰기 때문에 그림 4(a)와 4(b)보다 채도가 향상된 것을 확인 할 수 있다.
그림 4(e)는 제안하는 방법으로 획득한 결과이다. 제안 하는 방법의 결과들은 밝기 값에 콘트라스트 향상 알고 리즘을 적용한 결과들과 유사한 콘트라스트 향상 정도 를 보인다. 앞의 결과들과 비교 시 채도가 더욱 크게 향 상된 것을 확인 할 수 있다. 모든 결과들을 비교해 보 면, 제안하는 방법의 결과에서 콘트라스트와 채도가 가 장 잘 향상된 것을 확인 할 수 있다.
제안하는 알고리즘의 성능을 수치로 확인하기 위해 객관 적 성능지표를 이용하여 기존 방법들과 콘트라스트 향상 과정에서 발생하는 색상 열화 정도를 비교하였다. 앞에
서 설명한 것과 같이 입력 영상의 채널 간 비율과 결과 영상의 채널 간 비율이 달라지면 색상 열화가 발생하게 된다. 따라서 다음과 같이 입력 및 결과 영상에서의 채 널 간 비율 값 를 각 방법마다 측정하였다.
∈maxC C
minC C
(9)
값의 최댓값은 3개의 입력 영상과 결과 영상의 채널 간 비율이 모두 같을 때 이므로 3이 된다. 본 논문에서 는 색차 값은 처리하지 않고 밝기 값에만 콘트라스트 향상 알고리즘이 적용되었을 때의 값 ()을 기준 값으 로 삼고, 다른 방법들의 값과 값의 차이를 측정하였다.
이 값이 작은 값을 가질수록 입력 영상 대비 결과 영상 에서의 색상 열화가 발생하지 않은 것이라고 볼 수 있다.
그림 5는 80개의 컬러 영상들에 대해서 위에서 설명한 방법으로 제안하는 방법과 기존 방법들의 색상 열화 정 도를 측정하여 나타낸 그래프이다. 3가지 방법 모두 값과의 차이가 0.1 미만으로 색상 열화가 크지 않은 것
그림 5. 다양한 영상에 대하여 제안하는 알고리즘과 기 존 방법들의 색상 열화에 대한 객관적 평가 기 준을 이용한 비교
Fig. 5. Comparison of objective criteria for the color degradation of various algorithms applying contrast enhancement method to color images.
그림 6. 다양한 영상에 대하여 제안하는 알고리즘과 기 존 방법들의 채도 향상에 대한 객관적 평가 기 준을 이용한 비교
Fig. 6. Comparison of objective criteria for the saturation enhancement of various algorithms applying contrast enhancement method to color images.
으로 나타났고 그 중에서도 특히 제안하는 방법이 기존 방법들보다 대부분의 영상들에 대해 색상 열화가 적게 발생하는 것을 확인 할 수 있다.
다음으로 콘트라스트 향상 과정에서 각 방법들의 채 도 향상 성능을 측정하였다. 본 논문에서는 Penetta 외 2명이 제안한 색채 풍부성 (colrfulness : CFL) 수치[13]
를 이용하였다. CFL 값은 색차 성분과 유사하게 각 컬 러 채널의 합과 차를 구한 후 이 값들의 평균 및 분산 값을 이용하여 측정한다. CFL 값이 클수록 영상의 채 도가 향상 된 것이라고 볼 수 있다. 그림 6은 제안하는 방법과 기존 방법들의 결과에 대해 CFL 값을 측정하여 나타낸 그래프이다. 80개의 컬러 영상들 대부분에서 제 안하는 방법의 결과가 가장 높은 CFL 값을 보이는 것 을 확인 할 수 있다.
Ⅳ. 결 론
본 논문에서는 컬러 영상에 대하여 콘트라스트 향상 알고리즘 적용 시 콘트라스트뿐만 아니라 영상의 채도 까지 동시에 향상시킬 수 있는 알고리즘을 제안하였다.
채도를 동시에 향상시키기 위해 기존의 방법들이 밝기 값만을 처리하였던 것과 달리 제안하는 방법에서는 콘 트라스트 향상 알고리즘을 각 채널에 적용하였다. 이 때 발생하는 색상 열화 문제는 각 채널의 특성 및 채널 간 상관관계를 고려한 채널 적응적 처리와 입력 영상과 결과 영상의 채널 간 비율 값을 맞춰줌으로써 해결하였다.
실험 결과를 통해 제안하는 방법이 기존 방법보다 콘트
라스트 및 채도를 색상 열화 없이 동시에 향상시키는 것을 확인 할 수 있다. 또한 객관적 성능 평가 지표들을 통해서도 제안하는 방법의 우수성을 확인 할 수 있다.
REFERENCES
[1] R. C. Gonzalez and R. E.Woods, Digital Image Processing (3rd Edition), Prentice-Hall, Inc., 2006.
[2] P. Trahanias and A. Venetsanopoulos, “Color image enhancement through 3-d histogram equalization,” in Proc. of 11th IAPR International Conference on Pattern Recognition, Vol.III.
Conference C: Image, Speech and Signal Analysis, pp. 545-548, The Hague, Netherlands, Aug. 1992.
[3] A. Forrest, “Colour histogram equalisation of multichannel images,” in Proc. of IEE Conf. on Vision, Image and Signal Processing, Vol. 152, no. 6, pp. 677-686, Dec. 2005.
[4] F. Pitie, A. Kokaram, and R. Dahyot,
“N-dimensional probability density function transfer and its application to color transfer,” in Proc. of Tenth IEEE International Conference on Computer Vision (ICCV’05) Volume 1, Vol. 2, pp.
1434-1439, Beijing, China, Oct. 2005.
[5] D. Menotti, L. Najman , J. Facon and A. A.
Albuquerque, “A Fast Hue-Preserving Histogram Equalization Methods for Color Image Contrast Enhancement,” in International Journal of Computer Science & Information Technology (IJCSIT), Vol. 4, no. 5, pp. 243-259, Oct. 2012.
[6] J.-H. Han, S. Yang, and B.-U. Lee, “A novel
저 자 소 개 송 기 선(학생회원)
2009년 연세대학교 전기전자 공학 과 학사 졸업.
2009년∼연세대학교 전기전자 공 학과 석박사 통합과정.
<주관심분야 : 콘트라스트 향상, 다이나믹 영역 확장, 컬러 보간, 영상 품질 향상>
한 재 덕(학생회원)
2014년 연세대학교 전기전자 공학 과 학사 졸업.
2014년∼연세대학교 전기전자 공 학과 석박사 통합과정.
<주관심분야: 디컨벌루션, 커널추정>
강 문 기(정회원)-교신저자 1986년 서울대학교 전자공학과학사
졸업.
1988년 서울대학교 전자공학과 석사 졸업.
1994년 Northwestern University 박사 졸업.
1994년∼1997년 Assistant Professor. (University of Minnesota, Duluth)
1997년∼1999년 연세대학교 전기전자공학과 조교수.
1999년∼2004년 연세대학교 전기전자공학과 부교수.
2004년∼연세대학교 전기전자공학과 정교수.
<주관심분야 : 영상복원, 초해상도 영상복원, 비선 형 필터링, 비디오 분석 및 처리, 부화소단위의 움 직임 추정>
3-d color histogram equalization method with uniform 1-d gray scale histogram,” in IEEE Trans. Image Process., Vol. 20, no. 2, pp.
506-512, Feb. 2011.
[7] H. Xu, G. Zhai, X. Wu and X. Yang,
“Generalized Equalization Model for Image Enhancement,” in IEEE Transactions on Multimedia, Vol. 16, no. 1, pp. 68-82, Jan. 2014.
[8] P. Mlsna, Q. Zhang, and J. Rodriguez, “3-d histogram modification of color images,” in Proc.
of International Conference on Image Processing, Vol. 3, pp. 1015-1018, Sep. 1996.
[9] N. Bassiou and C. Kotropoulos, “Color image histogram equalization by absolute discounting back-off,” in Computer Vision and Image Understanding, Vol. 107, no. 1-2, pp. 108-122, Jul.-Aug. 2007.
[10] S. Naik and C. Murthy, “Hue-preserving color image enhancement without gamut problem,” in IEEE Transactions on Image Processing, Vol. 12, no. 12, pp. 1591-1598, Dec. 2003.
[11] M. Nikolova and G. Steidl, “Fast Hue and Range Preserving Histogram Specification: Theory and New Algorithms for Color Image Enhancement,”
in IEEE Transactions on Image Processing, vol.
23, no. 9, pp. 4087-4100, Sept. 2014.
[12] T. Arici, S. Dikbas, and Y. Altunbasak, “A histogram modification framework and its application for image contrast enhancement,” in IEEE Transactions on Image Processing, Vol. 18, no. 9, pp. 1921-1935, Sept. 2009.
[13] K. Panetta, C. Gao, and S. Agaian, “No reference color image contrast and quality measures,” in IEEE Transactions on Consumer Electronics, Vol.
59, no. 3, pp. 643-651, Aug. 2013.
