디지털 검안기 시스템에서의 칼라 눈 영상개선에 관한 연구

전체 글

(1)

1. 서

현재까지 개발된 검안기 시스템은 검안기에 부착된 현미경 을 통하여 환자 눈의 병변을 관찰하였다. 그러나 환자들의 영 상을 보관할 수 없고, 영상의 후처리도 불가능하다는 단점이 있었다. 그래서 최근에는 이러한 단점들을 보완하기 위해 검 안기용 디지털 카메라와 PC를 이용하여 영상을 효율적으로 보 관・관리할 수 있고, 검안기용 디지털 카메라로부터 획득한 영 상의 후처리도 가능한 디지털 검안기 시스템이 개발되고 있다.

본 연구에서는 디지털 검안기 시스템에서 획득한 영상을 안 과 의사가 쉽고, 편하게 진단할 수 있도록 영상 개선 알고리 듬을 제안하였다.

2. 본 2.1. 실험 영상

본 연구에서는 Lumenera사의 LU-100C(Color 1.3 Megapixel camera with standard C-mount) 카메라를 이용 하여 영상을 획득하였다. 그림 1은 본 연구에 사용한 실험 영 상이다. 크기는 1280×1024이고, 24bit 칼러 영상이다.

2.2. 알고리듬

본 연구에서는 칼라 눈 영상의 고주파 성분을 강조하고, 명 도의 히스토그램을 평활화하여 영상의 질을 개선하는 알고리 듬을 제안한다.

그림 2는 본 연구에서 제안한 영상 개선 알고리듬의 순서도 이다. 우선 검안기용 디지털 카메라로부터 획득한 칼라 영상 을 수식 (1)을 이용하여 RGB 칼라 모델을 HSI 칼라 모델로 변환한다.

대한PACS학회지 2004;10:7-10

- 7 -

디지털 검안기 시스템에서의 칼라 눈 영상 개선에 관한 연구

이경무・신동규・김동윤 연세대학교 의공학과

A Study on the Color Image Enhancement of Eye Images for the Digital Slit Lamp System

K.M. Lee, D.K. Shin, D.Y. Kim

Dept. of Biomedical Engineering, Yonsei University

= Abstract =

Color image enhancement is very essential step for the diagnosis of the eyes of patients in the digi- tal slit lamp system. In this paper, we proposed a new algorithm to enhance color images of eyes and compared the proposed algorithm with other image enhancement techniques. The proposed method achieved better perceptual quality than other methods.

Key words: image enhancement, histogram equalization, digital slit lamp system

통신저자: 이경무, (220-710) 강원도 원주시 흥업면 매지리 234 연세대학교 원주캠퍼스 백운관 217

Tel: 033-760-2499, Fax: 033-760-2197 E-mail: lkm5454@hanmail.net

본 연구는 2003년도 보건복지부 의료공학융합기술사업 (02-PJ3- PG4-PT03A-0010)의 지원에 의해 이루어졌음.

(2)

HSI 칼라 모델에서 얻어진 색상(H), 채도(S), 명도(I) 중 색 상, 채도는 보존하고, 명도의 대조도(contrast)를 증가시키기 위해 명도의 히스토그램만을 평활화(histogram equalization) 한다. 이 영상을 I (x, y)라 한다. I (x, y)에 그림 3의 마스크 (mask) 연산을 수행하여 smoothing된 영상 Is (x, y)를 구한 다.

그리고 명도의 히스토그램이 평활화된 영상 I (x, y)의 저 주파 성분을 제거하기 위해 수식 (2)를 사용하였다.

Isub (x, y) = I (x, y) - k Is (x, y) (0≤ k ≤1) (2)

I (x, y)는 명도의 히스토그램이 평활화된 영상이고, Is(x, y) 는 명도의 히스토그램이 평활화된 영상에 smoothing filtering 한 영상이며, 조절 계수 k 는 0과 1사이의 상수값이다. 명도의 히스토그램이 평활화된 영상 I (x, y)에서 smoothing filtering 한 영상 Is (x, y)의 명도값을 뺀다는 것은 I (x, y)의 저주파 성분을 뺀다는 것을 의미한다. 바꾸어 말하면 I (x, y)의 고주 파 성분을 강조한다는 것을 의미한다. 조절 계수 k 는 smooth- ing filtering한 영상의 명도값의 정도를 나타낸다. k 가 1에 가 까우면I (x, y)에서 Is (x, y)를 많이 빼므로 Isub(x, y)에는 고 주파 성분이 많이 강조되고, k 가 0에 가까우면 I (x, y)에서 Is

(x, y)를 적게 빼므로 Isub(x, y)에는 고주파 성분이 적게 강조 된다.

그러나Isub (x, y)는 두 영상의 차를 나타내므로 0에서 255 의 범위를 벗어나는 경우가 발생하게 된다. 이를 보완하기 위 해 수식 (3)과 같이 두 영상의 명도값 차의 최소값 만큼 scal- ing한다.

Iscale (x, y)=Isub(x, y) - Imin (3)

Imin는 두 영상의 명도값 차의 최소값이고, Iscale(x, y)는 Isub

(x, y)에서 Imin만큼 scaling된 영상이다. 그리고Iscale (x, y)의 대조도를 증가시키기 위해 다시 명도의 히스토그램을 평활화 한다.

대한PACS학회지 2004;10:7-10

- 8 - 1 1 1

I 3 3 3 R V1 = `` -1 -1 2

G V2

6

6

6

B

` 1 -1

6

6 0

H=tan-1 V2 V1

S=[(V1)2+(V2)2]1/2 (1)

V1 = Scos (H) V2 = Ssin (H)

1 -

6

6

R 6 2

I G = ``1 -

6 -

6

V1 (4)

B 6 2

V2 1

6

3 0

그림 1. 실험 영상 그림 3. Smoothing Mask

그림 2. 알고리듬 순서도

(3)

마지막으로 HSI 칼라 모델을 화면에 표시하기 위해 수식 (4)를 이용하여 HSI 칼라 모델을 RGB 칼라 모델로 변환하여 결과 영상을 얻는다.

3. 결 3.1. 조절 계수k에 따른 결과 영상 비교

조절 계수 k는 명도의 히스토그램이 평활화된 영상에서 smoothing filtering한 영상을 뺄 때 smoothing filtering한 영 상의 정도를 조절하는 상수이다. 그림 4와 같이 조절 계수 k 가 증가함에 따라 smoothing filtering한 영상의 명도값이 증 가하므로 두 영상의 차가 커져 결과 영상의 고주파 성분이 많 이 나타났다. 실험적으로 k가 0.75일 때 가장 잘 개선된 결과 영상을 얻을 수 있었다.

3.2. 다른 영상 증강법들과의 결과 영상 비교

본 연구에서 제안한 영상 개선 알고리듬의 효과를 검증하기 위해 그림 5와 같이 histogram equalization, histogram stretching, adaptive contrast enhancement, high-boost fil- tering 기법들과 비교해 보았다. 본 연구에서 제안한 알고리듬 을 적용한 결과 영상이 기존의 다른 이미지 증강법을 적용한

이경무 외 : 디지털 검안기 시스템에서의 칼라 눈 영상 개선에 관한 연구

- 9 -

그림 4. 조절 계수 k에 따른 결과 영상. (a) 원 영상, (b) k = 0.25, (c) k = 0.5, (d) k = 0.75, (e) k = 1.0

그림 5. 영상 증강법들의 결과 영상. (a) 원 영상, (b) 제안된 알고리듬, (c) Histogram equalization, (d) Histogram stretching, (e) Adaptive contrast enhancement, (f) High-boost filtering

A A

A

C

E F

D B B

D E

C

그림 6. 원 영상과 제안된 알고리듬을 적용한 결과 영상의 채널별 히스토 그램. (a) 원 영상, (b) 결과 영상

A

B

(4)

대한PACS학회지 2004;10:7-10

=초 록=

디지털 검안기 시스템에서 칼라 영상 개선은 환자 눈 진단에 중요한 부분이다. 본 연구에서는 디지털 검안기 시스 템에서 획득한 영상을 개선하기 위해 새로운 알고리듬을 제안하였다. 제안한 알고리듬의 효과를 확인하기 위해 다 른 영상 증강법들과 비교하였으며 제안한 알고리듬이 다른 증강법들보다 더 좋은 효과가 있다는 것을 직관적으로 확인할 수 있었다.

결과 영상보다 개선되었다는 것을 직관적으로 확인할 수 있었 다.

3.3. 히스토그램 비교

그림 6은 원 영상과 제안된 알고리듬을 적용한 결과 영상의 채널별 히스토그램을 나타낸다. 제안된 알고리듬을 적용한 결 과 영상에서 명도, Red, Green, Blue의 히스토그램이 원 영상 의 히스토그램보다 평활화되었다는 사실을 확인하였다. 따라 서 제안된 알고리듬을 적용한 결과 영상의 대조도가 증가하였 음을 알 수 있다.

4. 결

본 연구에서는 칼라 눈 영상을 개선하기 위해 새로운 영상 개선 알고리듬을 제안하였다. 제안한 알고리듬의 효과를 확인 하기 위해 다른 영상 증강법들과 비교하였으며 다른 영상 증 강법들보다 영상 개선 효과가 더 좋은 것을 직관적으로 확인 할 수 있었다. 그리고 본 연구에서 제안한 알고리듬의 장점은 조절 계수 의 변화에 따라 영상의 고주파 성분을 조절할 수

있다는 것이다. 앞으로 영상에 적합한 조절 계수 를 자동으로 결정할 수 있는 알고리듬을 연구할 계획이며, 눈 영상뿐만 아 니라 다른 의료 영상에 본 연구에서 제안한 영상 개선 알고리 듬을 적용할 계획이다.

참 고 문 헌

1. Rafael C. Gonzalez, “Digital Image Processing Second Edition”, Prentice-Hall, Inc., 2002

2. 장동혁, “Visual C++을 이용한 디지털 영상 처리의 구현”, PC 어드밴스, 1999

3. Anil K. Jain, “Fundamentals of Digital Image Processing”, Prentice-Hall, Inc., 1989

4. 권준식, 김동욱, 김진태, 김태은, 송호근, 차국찬, 최종호, 최종 수, “디지털 영상 처리 이론 및 응용”, 에드텍, pp.378-384, 2000 5. 이문호, “Visual C++ 실용 영상 신호처리”, 대영사, 2001 6. John C. Russ, “The Image Processing Handbook”, CRC Press,

Inc., 1995

7. K. Kirk Shung, Michael B. Smith, Benjamin M. W. Tsui, “Prin- ciples of Medical Imaging, Academic Press, Inc. 1992

8. Milan Sonka, J. Michael Fitzpatrick, “Handbook of Medical Imaging, Volume 2. Medical Imag Processing and Analysis”, SPIE Press, 2000

9. Scott E Umbaugh, “Computer Vision and Image Processing: A Practical Approach Using CVIPtools”, Prentice Hall PTR, 1998 대한PACS학회지 2004;10:7-10

- 10 -

수치

Updating...

참조

Updating...

관련 주제 :