KR100866277B1 - 에지 트래킹에 의한 영상 노이즈 제거 시스템, 방법 및상기 방법을 프로그램화하여 수록한 컴퓨터로 읽을 수 있는기록매체 - Google Patents

Abstract

본 발명은 에지 트래킹에 의한 영상 노이즈 제거 시스템, 방법 및 상기 방법을 프로그램화하여 수록한 컴퓨터로 읽을 수 있는 기록매체를 개시한다.

본 발명에 따른 에지 트래킹에 의한 영상 노이즈 제거 방법은, 영상 데이터 및 메트릭스 데이터를 입력받는 입력단계; 상기 입력된 영상 데이터를 구성하는 각각의 픽셀과 기 설정된 방향으로 상기 픽셀과 인접한 픽셀과의 통계적 차이를 연산하고 상기 연산된 결과 데이터인 에지맵데이터를 산출하는 에지맵산출단계; 및 상기 영상 데이터의 변환 대상 픽셀인 대상픽셀을 상기 영상데이터 중 상기 입력된 메트릭스 영역에 존재하는 픽셀인 연산대상픽셀을 이용하여 변환하되, 상기 에지맵데이터를 기초로 상기 연산대상픽셀 중 상기 대상픽셀의 값과 소정 기준 이하의 통계적 차이를 가지는 픽셀인 주연산대상픽셀을 산출하고, 상기 주연산대상픽셀의 통계적 산출값을 이용하여 상기 대상픽셀을 변환하는 변환단계 포함한다.

상기 본 발명에 의하면, 입력영상의 에지정보를 기초로 노이즈를 제거함으로써 입력영상의 노이즈를 효과적으로 제거함과 동시에 영상의 경계 정보, 색, 밝기 정보 등의 손실 없이 효율적으로 유지할 수 있는 효과를 창출할 수 있다.

에지, 보존, 노이즈, 제거, 매트릭스, 트래킹

Description

에지 트래킹에 의한 영상 노이즈 제거 시스템, 방법 및 상기 방법을 프로그램화하여 수록한 컴퓨터로 읽을 수 있는 기록매체{System and method for image noise reduction with edge tracking and Computer readable medium stored thereon computer executable instruction for performing the method}

본 명세서에 첨부되는 다음의 도면들은 본 발명의 바람직한 실시예를 예시하는 것이며, 후술하는 발명의 상세한 설명과 함께 본 발명의 기술사상을 더욱 이해시키는 역할을 하는 것이므로, 본 발명은 그러한 도면에 기재된 사항에만 한정되어 해석되어서는 아니된다.

도 1은 본 발명의 바람직한 실시예에 따른 에지 트래킹에 의한 영상 노이즈 제거 시스템을 도시한 블럭도,

도 2는 본 발명의 바람직한 실시예에 따른 에지 트래킹에 의한 영상 노이즈 제거 방법의 과정을 도시한 흐름도,

도 3은 본 발명의 에지 트래킹에 의한 영상 노이즈 제거 시스템 및 방법에 이용되는 에지맵에 대한 구성을 도시한 구성도,

도 4는 본 발명에 의하여 변환된 영상데이터의 결과를 도시한 도면이다.

<도면의 주요 참조부호에 대한 설명>

100 : 영상 노이즈 제거 시스템 102 : 제1입력부

104 : 에지맵 산출부 106 : 제2입력부

108 : 변환부 110 : 탐색부

112 : 경로제어부 114 : 제1변환부

300 : 입력영상데이터 302,304,306,308 : 에지맵

310 : 대상픽셀

본 발명은 입력영상의 노이즈를 제거하는 시스템 및 방법에 관한 것으로서, 더욱 구체적으로는 입력영상의 에지를 기준으로 에지의 영역에 해당하지 않는 픽셀들을 중심으로 대상 픽셀을 변환하여 에지 정보 등을 보존하면서 노이즈를 효과적으로 제거하는 시스템 및 방법에 관한 것이다.

인간은 정보를 얻기 위해 다양한 경로와 다양한 매체를 이용하고 있다. 인체의 감각기관 중에서 눈은 정보를 취득하는 입구로서 가장 중요한 역할을 하고 있으며, 통계에 의하면 인지, 취득하는 정보의 70%를 인간의 감각(시각, 청각, 후각, 미각, 촉각 등)중에서 시각작용에 의해 얻는다고 한다.

과거에는 이러한 정보는 문자라는 매체를 통해 전달되는 경우가 많았으나 컴퓨터와 전송매체의 비약적인 발달로 현대에서의 정보통신은 영상미디어에 의한 영상정보가 가장 중요한 정보통신의 객체와 주체가 되고 있다.

이러한 정보통신기술의 하드웨어적 발전에 따라 더욱 빠르고 효과적으로 영 상정보를 전송하는 다양한 기술들 또한 발전하고 있으며, 영상처리의 다양한 목적에 부합되는 많은 방법들이 개시되고 있다.

특징 추출(feature extraction), 영상 개선(image enhancement), 영상 복구(image restoration), 영상 재구성(image reconstruction), 영상 분석(image analysis), 영상 인식(image recognition), 영상 압축(image compression) 등으로 분류할 수 있는 영상처리는 특히 근자에 영상정보의 전송과 관련되어 영상 압축과 프로세싱 또는 전송되는 과정에 발생할 수 있는 잡음(노이즈)를 제거하는 방법 등이 주요 관심으로 대두되고 있다.

상기 노이즈를 제거하는 방법 또한 다양한 목적과 활용에 따라 많은 방법들이 소개되고 있으나, 기존의 방법들은 노이즈 제거 대상 픽셀을 기준으로 주변의 픽셀들에 대한 단순한 평균 또는 편차 등만을 고려하여 처리하고 있다.

하나의 예를 들어 노이즈 제거에 흔히 이용되는 mean필터를 설명하면 다음과 같다.

상기 표 1과 같이 5×5 영상이 입력영상이며, 픽셀의 값은 명도(값이 클수록 명도가 높다)를 나타낸다고 가정할 때, 좌상단을 기준으로 (3,3)에 위치하는 픽셀이 mean필터링되는 대상픽셀이며 작업 영역 매트릭스가 3×3이라면, 픽셀값 10은 자신을 중심으로 한 3×3 매트릭스 영역의 픽셀값들의 평균값 즉, (5+8+45+4+10+51+5+10+42)/9의 값인 20으로 치환된다.

상기 영상데이터의 행렬에서 3열과 4열은 명도값이 갑자기 변화되는 부분으로서 경계면을 형성하게 됨에도 불구하고, 상기와 같은 방법에 의할 경우, 명도가 높은 열(3열)은 명도가 낮아지고, 명도가 낮은 열(4열)은 명도가 높아지게 되어 경계의 선예도가 낮아질 수 밖에 없는 문제가 있다.

또한, 단순히 주변의 평균 및 위치정보를 일방적으로 사용하여 연산함에 따라 연산이 진행됨에 따라 부수적인 오류들이 계속적으로 발생하여 알고리즘을 적용한 후에도 후속적인 노이즈 현상이 나타나게 될 가능성이 높다.

즉, 상기와 같은 방식에 의하는 경우, 해당 픽셀의 고유의 명도, 색상, 채도 등의 정보는 소멸되고, 단순히 주변 픽셀의 값들의 평균에 의하여 해당 픽셀의 값이 대체되고 만다. 이러한 방식의 경우, 노이즈는 다소 제거될 수 있으나, 경계를 이루는 부분의 값들도 평균값으로 대체될 수 밖에 없으므로 영상의 선예도는 낮아질 수 밖에 없게 된다.

종합하여 볼 때, 이러한 기존의 방식은 해당 영상의 노이즈 또는 오류 칼라(false color)를 제거함에 있어 주변의 밝기, 색, 경계(edge), 위치(location)등에 대한 정보가 고려되지 않은 채 연산하는 방법들이 대부분이므로 상기와 같은 방법에 의한 경우 상기 정보들이 소실되어 유지할 수 없게 되는 문제가 존재한다.

또한, 현재 상용화되어 보급되어 있는 다양한 디지털 카메라, 휴대폰 카메라 등을 이용하여 디지털 영상을 생성하는 경우, 어두운 환경에서 감도를 높이기 위한 높은 ISO값 설정에서 발생하는 노이즈, 과도 압축에 의한 노이즈, 렌즈 또는 센서(CMOS, CCD 등)의 먼지로 발생되는 노이즈 등 다양한 형태의 오류 정보가 영상정보에 발생할 수 있으므로 발생된 노이즈를 제거함과 동시에 영상의 고유정보의 소실을 최소화할 수 있는 방법이 더욱 요망된다고 할 수 있다.

본 발명의 상기와 같은 문제점을 해결하기 위하여 창안된 것으로, 본 발명은 노이즈를 효과적으로 제거함과 동시에, 영상을 인식하는 중요한 색정보, 윤곽정보 등의 소실을 최소화되도록 유지할 수 있는 시스템과 방법을 제공하는 데 목적이 있다.

또한, 상기와 같은 방법을 컴퓨터에서 구현하기 위하여 컴퓨터로 인식가능하고 실행되는 프로그램을 기록한 기록매체를 제공하는 데 목적이 있다.

본 발명에 다른 목적 및 장점들은 하기에 설명될 것이며, 본 발명의 실시예에 의해 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허청구범위에 나타난 구성과 구성의 조합에 의해 실현될 수 있다.

상기한 목적을 달성하기 위하여, 본 발명에 따른 에지 트래킹에 의한 영상 노이즈 제거 시스템은, 변환 작업 대상 영상인 영상 데이터를 입력받는 제1입력부; 상기 제1입력부를 통해 입력된 영상 데이터를 구성하는 각각의 픽셀과 기 설정된 방향으로 상기 픽셀과 인접한 픽셀과의 통계적 차이를 연산하고 상기 연산된 결과 데이터인 에지맵데이터를 상기 기 설정된 방향마다 산출하는 에지맵산출부; 상기 영상 데이터의 변환 작업 영역인 메트릭스 크기에 관한 데이터를 입력받는 제2입력부; 및 상기 영상 데이터의 변환 대상 픽셀인 대상픽셀을 상기 영상데이터 중 상기 제2입력부를 통해 입력된 메트릭스 영역에 존재하는 픽셀인 연산대상픽셀을 이용하여 변환하되, 상기 에지맵데이터를 기초로 상기 연산대상픽셀 중 상기 대상픽셀의 값과 소정 기준 이하의 통계적 차이를 가지는 픽셀인 주연산대상픽셀을 산출하고, 상기 주연산대상픽셀의 통계적 산출값을 이용하여 상기 대상픽셀을 변환하는 변환부를 포함하여 구성된다.

또한, 상기 변환부는, 상기 기 설정된 방향마다 산출된 에지맵을 기초로 상기 대상픽셀을 제1픽셀로 하여 상기 제1픽셀과 인접한 연산대상픽셀 중 에지판단의 기준이 되는 에지기준값보다 작은 값을 가지는 픽셀의 값 중 가장 큰 값에 해당하는 연산대상픽셀인 제2픽셀을 산출하여 저장하고 상기 제2픽셀을 제1픽셀로 하여 상기 과정을 반복하여 상기 메트릭스 영역을 탐색하는 탐색부; 상기 탐색부에서 산출된 제2픽셀의 값과 탐색 경로를 저장하여 상기 제2픽셀이 중복되지 않도록 제어하는 경로제어부; 및 상기 경로제어부에 저장된 제2픽셀을 상기 주연산대상픽셀로 하여 상기 주연산대상픽셀의 통계적 산출값을 이용하여 상기 대상픽셀을 변환하는 제1변환부를 포함하여 구성될 수 있다.

또한, 상기 주연산대상픽셀은, 상기 대상픽셀을 포함하도록 구성되는 것이 바람직하다.

더욱이, 상기 통계적 산출값은, 상기 주연산대상픽셀값의 평균값으로 구성할 수 있으며, 상기 대상픽셀에 가장 높은 값이 부여되고 상기 주연산대상픽셀이 상기 대상픽셀로부터 이격된 거리에 따라 차등적으로 부여되는 가중치를 상기 각각의 주연산대상픽셀값에 곱셈연산한 값의 평균값으로 구성하는 것이 더욱 바람직하다.

덧붙여, 상기 에지맵 산출부는, 입력 영상 데이터의 픽셀 데이터 중 Y, C_b, C_r 중 선택된 하나 이상의 정보를 이용하여 에지맵을 산출하도록 구성될 수 있으며, 제1변환부는, 상기 대상 픽셀을 기준으로 소정 간격 이상 이격되어 있는 상기 주연산대상픽셀 중 상기 대상 픽셀값과의 통계적 차이가 소정 기준 이상인 주연산대상픽셀을 제외한 나머지 주영역대상픽셀의 통계적 산출값을 이용하여 상기 대상픽셀을 변환하도록 구성하는 것이 바람직하며, 앞서 설명한, 기 설정된 방향은, 상, 하, 좌, 우 네 방향으로 구성되는 것이 바람직하다.

한편, 본 발명의 다른 측면의 목적을 달성하기 위한 에지 트래킹에 의한 영상 노이즈 제거 방법은, 변환 작업 대상 영상인 영상 데이터 및 상기 영상 데이터의 변환 작업 영역인 메트릭스 크기에 관한 데이터를 입력받는 입력단계; 상기 영상 데이터를 구성하는 각각의 픽셀과 기 설정된 방향으로 상기 픽셀과 인접한 픽셀과의 통계적 차이를 연산하고 상기 연산된 결과 데이터인 에지맵데이터를 상기 기 설정된 방향마다 산출하는 에지맵산출단계; 및 상기 영상 데이터의 변환 대상 픽셀인 대상픽셀을 상기 영상데이터 중 상기 메트릭스 영역에 존재하는 픽셀인 연산대상픽셀을 이용하여 변환하되, 상기 에지맵데이터를 기초로 상기 연산대상픽셀 중 상기 대상픽셀의 값과 소정 기준 이하의 통계적 차이를 가지는 픽셀인 주연산대상픽셀을 산출하고, 상기 주연산대상픽셀의 통계적 산출값을 이용하여 상기 대상픽셀을 변환하는 변환단계를 포함한다.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다. 이에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.

따라서, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.

본 발명의 상세한 설명에 앞서 본 발명의 설명에 필요한 용어 및 정의 등에 관하여 서술하도록 한다.

통상적으로 영상처리의 기본이 되는 영상의 색상공간은 색상혼합의 관점, 인간의 시각 체계와의 유사성 등 색공간을 바라보는 관점에 따라 RGB, CMYK, HS계열, CIE, Y계열 등 다양한 공간으로 표현될 수 있으며, 이종의 형태로 표현된 색공간의 다른 색공간으로의 변환은 간단한 수학적 변환식에 의하여 변환될 수 있음은 당업자간에 자명하다고 할 수 있다.

또한, 입력영상은 복수개의 픽셀들의 합으로 표현되며, 상기 픽셀들은 해당 픽셀에 해당하는 영상정보(명도, 색상, 채도 등)를 가지게 된다. 통상적으로 상기 영상정보는 0에서 255단계로 단계적으로 구분되어 8bit의 정보로 나타내는 것이 일반적이나, 적용되는 환경에 따라 상기 영상정보는 10, 12bit 등 다양한 변형례가 가능함은 물론이다.

그러므로, 본 발명을 설명함에 있어 일 실시예로서 표현된 하나의 색공간 좌표계는 상기와 같은 관점에서 다른 색공간좌표에도 동일, 유사한 적용이 가능하며, 입력영상에서 하나의 픽셀이 가지는 영상정보의 bit 크기는 하나의 일실시예에 불과하다고 이해되어야 한다.

도 1은 본 발명의 바람직한 실시예에 따른 에지 트래킹에 의한 영상 노이즈 제거 시스템을 도시한 블럭도, 도 2는 본 발명의 바람직한 실시예에 따른 에지 트래킹에 의한 영상 노이즈 제거 방법의 과정을 도시한 흐름도이며, 도 3은 본 발명의 에지 트래킹에 의한 영상 노이즈 제거 시스템 및 방법에 이용되는 에지맵에 대한 구성을 도시한 구성도이다.

본 발명에 의한 에지 트래킹에 의한 영상 노이즈 제거 시스템(100)은 제1입력부(102), 제2입력부(104), 에지맵산출부(104), 변환부(108), 탐색부(110), 경로제어부(112) 및 제1변환부(114)를 포함하여 구성된다.

우선, 제1입력부(102)는 변환 작업 대상 영상인 영상 데이터를 입력받는다(S200). 앞서 설명한 바와 같이 입력되는 영상은 다양항 색공간의 영상일 수 있으나, 본 발명을 설명함에 있어 YCbCr의 영상을 일 실시예로 설명한다.

또한, 제2입력부(106)은 상기 영상 데이터의 변환 작업 영역인 메트릭스의 크기에 관한 데이터를 입력받는다(S200). 상기 메트릭스에 대한 정보는 적용환경 등의 요건에 따라 추가적으로 입력되거나 시스템에 저장된 형태의 구성으로 구현할 수 있으며 다양한 활용례가 가능함은 물론이다.

에지맵산출부(104)는 상기 영상 데이터를 구성하는 각각의 픽셀과 기 설정된 방향으로 상기 픽셀과 인접한 픽셀과의 통계적 차이를 연산하고 상기 연산된 결과 데이터인 에지맵데이터를 상기 기 설정된 방향마다 산출하게 된다(S210).

영상데이터는 통상적으로 □×□행렬형태를 가지게 되며, 행과 열이 만나는 지점이 픽셀이며 상기 픽셀은 픽셀의 고유값을 가지게 된다. 영상은 시각에 의하여 인지될 때는 아날로그 데이터로 인지되나, 실제는 이산된(discrete) 많은 픽셀들의 행렬 형태의 디지털 영상으로 구성된다.

즉, 특정 픽셀은 아래 표 2와 같이 상, 하, 좌, 우, 상좌, 상우, 하좌, 하우 방향의 8개의 인접픽셀들로 둘러싸여 있게 되며, 상기 에지맵은 인접픽셀들과의 차이를 연산하여 영상의 특성(ex, 경계면 등)을 판단하게 된다.

인접 픽셀들과 차이가 크다는 것은 인접 픽셀에 비해 값의 변화가 크다는 것을 의미하고 이는 바로 경계형성을 추단할 수 있게 된다. 통상적으로 차이값이 기 설정된 기준값보다 크면 에지(경계)로 판단하게 된다.

상기와 같은 에지맵의 구성을 도시하고 있는 도 3을 참조하여 볼 때, 참조부호 300이 입력영상이며, 기 설정된 방향이 4방향이라면 에지맵은 제1방향 에지맵(302), 제2방향 에지맵(304), 제3방향 에지맵(306) 및 제4방향 에지맵(308)로 구성된다.

상기 에지맵은 입력영상과 동일한 크기를 가지는 매트릭스 형태로 이루어지며, 기 설정된 방향의 개수만큼의 에지맵 데이터가 형성된다. 도 3에서는 일실시예로서 4개의 에지맵 데이터가 도시되고 있으며, 설정환경에 따라 1개에서 8개까지 가능하다.

도 3의 B에 도시된 바와 같이 상기 에지맵은 또한, 픽셀의 각각의 데이터, 즉, Y, Cb, Cr정보를 중심으로 개별적으로 산출될 수 있음은 물론이며 상기 Y, Cb, Cr의 하나 이상의 선택된 정보에 의하여 산출될 수도 있다. 즉, 영상데이터에서 중심적인 처리가 요구되는 정보를 기준으로 상기 에지맵을 형성할 수도 있다.

도 3의 A 부분은 영상 데이터의 해당 픽셀에 대응하는 에지맵 데이터의 픽셀값을 구하는 구체적인 수식에 해당한다. A에서는 Y, Cb, Cr모두를 이용하여 연산하였고, 인접픽셀과의 각각 정보마다의 차이에 소정의 가중치(wY,wB,wR)를 곱하여 제곱한 값의 root값 및 소정의 덧셈 가중치로 연산한 예를 도시하고 있다.

상기 곱셈연산의 가중치와 덧셈연산의 가중치는 시스템 환경이나 사용환경 등에 따라 다양한 변형례 또는 생략례가 가능하다.

상기 A에서 dY₁=Y_o-Y₁, dB₁=Cb_o-Cb₁, dR₁=Cr_o-Cr₁, dY₁=Y_o-Y₁, dB₂=Cb_o-Cb₂, dR₂=Cr_o-Cr₂ ....를 의미한다. 여기에서 아래첨자 "o"로 표시된 것은 대상(object)픽셀을 의미한다.

상기 에지맵은 입력영상의 대상 픽셀과 상, 하, 좌, 우 등의 방향으로 인접한 픽셀들과의 차이값을 모든 픽셀마다 저장하고 있으므로 차후 연산에서 인접 픽셀값들과의 차이를 판단하는 기준 데이터로 활용된다.

아래 표 3a의 9×9 입력영상을 이용하여 에지맵데이터 산출에 대한 구체적인 설명을 하면 다음과 같다. 설명의 효율과 중복되는 설명을 피하기 위하여 명도정보만을 가지는 9×9 입력영상을 기준으로 상방향과 좌방향 에지맵 데이터를 예로 들어 산출한다.

또한, 아래 설명과 동일하지 않은 입력영상의 크기 및 명도정보 이외의 색상정보 등을 통한 기술은 하기의 설명되는 예의 단순 확장의 예에 해당하므로 본 발명의 범주에 포함된다고 이해되어야 한다.

상기 에지맵 데이터의 산출시, 비교 대상이 없는 가장자리 픽셀들은 디폴드(default)값으로 0으로 표현하였으며, 상기 에지맵 데이터는 픽셀과 인접 픽셀과의 통계적 차이는 산술적인 차의 절대값으로 연산하였으나, 도 3의 A에서와 같은 통계적 차이에 대한 다양한 변형례가 가능함은 물론이다.

상기 도 3a는 입력영상이며, 도 3b, 도 3c, 도 3d 및 도 3e는 동순으로 상방향(2방향)에지맵(304), 하방향(4방향)에지맵(308), 좌방향(1방향)에지맵(302) 및 우방향(3방향)에지맵(306)에 해당한다.

상기 예로 든 4방향 각각의 에지맵 데이터는 입력 영상 데이터의 크기와 동일한 크기로 작성되며, 에지맵 데이터만을 참조하여도, 입력 영상 데이터의 특정 픽셀값과 인접 픽셀값과의 차이를 알 수 있게 된다.

구체적인 예를 들어, 상기 상방향 에지맵의 위치정보 (3,3)에 해당하는 값은 1이다. 이 값(1)은 입력영상 (3,3)의 값과 (3,3)의 상방향 인접 픽셀인 (3,2)의 값과의 차이가 1이라는 의미가 된다. 즉, 입력영상의 특정 픽셀의 인접 방향성과 상기 인접 방향성에 따른 픽셀과의 차이값을 판단하는 기준이 된다.

상기 예로서는 상, 하, 좌, 우 방향의 에지맵 데이터를 산출하였으나, 방향성의 정밀도와 연산량 등의 함수에 따라 상, 하, 좌, 우 및 4가지 대각선 방향성 중 선택된 하나 이상으로 설정된 에지맵 데이터를 작성할 수 있다.

상기와 같이 에지맵 데이터가 기 설정된 방향마다 산출된 후, 본 발명의 변환부(108)은 상기 영상 데이터의 변환 대상 픽셀인 대상픽셀을 상기 영상데이터 중 상기 메트릭스 영역에 존재하는 픽셀인 연산대상픽셀을 이용하여 변환하되, 상기 에지맵데이터를 기초로 상기 연산대상픽셀 중 상기 대상픽셀의 값과 소정 기준 이하의 통계적 차이를 가지는 픽셀인 주(main)연산대상픽셀을 산출하고, 상기 주연산대상픽셀의 통계적 산출값을 이용하여 상기 대상픽셀을 변환한다(S220).

즉, 상기 변환부(108)은 앞서 산출된 에지맵 데이터를 기초로 하여 대상픽셀과 유사한 대상만을 선별할 수 있게 되고, 선별된 대상만을 중심으로한 통계적 산출값을 이용하여 변환하게 된다. 상기와 같이 변환작업을 통하여 대상 픽셀과 연관성이 높은 픽셀만을 대상으로 연산함으로써 픽셀의 고유 정보의 손실을 줄이고 더욱 효과적으로 보유할 수 있는 변환방법을 구현할 수 있다.

만약 앞서 설명한 바와 같이 단순한 평균값에 의한 mean 필터링에 의하여 연산하게 되는 경우, 작업 대상 픽셀이 입력 영상의 (3,3)에 해당하는 픽셀이고, 작업 매트릭스가 5×5인 경우,

의 값으로 대체되게 되나, 본 발명에 의한 경우, 연산대상픽셀은 25개가 되나, 에지맵을 기초로 하여 상기 25개 연산대상픽셀 중 상기 대상픽셀의 값과 소정 기준 이하의 통계적 차이를 가지는 픽셀, 즉, 예를 들어 상기 소정 기준이 10인 경우, 상기 에지맵에서 10보다 작은 값을 가지는 픽셀들로 연산하게 된다.

즉, 에지맵에서 10보다 작은 값을 가지는 영상 데이터의 픽셀을 주(main)연 산대상픽셀을 산출하고 상기 주(main)대상픽셀의 통계적 산출값으로 상기 대상픽셀을 변환하게 된다.

즉,(2,3),(2,4),(2,5),(3,3),(3,4),(3,5),(4,3),(4,4),(4,5),(5,3),(5,4),(5,5)의 위치정보에 해당하는 픽셀이 이에 해당하므로, 상기 위치에 해당하는 픽셀값인 22,29,28,25,23,33,43,36,40,25,26,32의 통계적 산출값인 예를 들어 평균인 경우, 다음 수학식 2의 결과값으로 변환된다.

변형례로서 상기예와는 달리 대상 픽셀 자신의 값이 포함되지 않은 실시예도 가능하나 대상 픽셀 자신의 값을 포함시켜 변화되는 대상의 값이 반영되도록 구성하는 것이 더욱 바람직하다.

상기 예는 4방향 각각의 에지맵을 기준으로 산출된 수치이며, 에지맵의 방향이 달라지거나 에지맵의 개수가 추가되거나 감소되는 경우 통계적인 차이가 발생할 수 있으며, 상기 방향성이 많아질수록 더욱 정밀한 연산이 가능한 만큼 연산량이 높아지는 함수관계가 된다.

방향성의 정밀성과 연산량을 모두 감안하게 되는 경우, 상기 예를 든 바와 같이 4방향성으로 에지맵이 작성되는 경우가 방향성을 잃지 않는 범위에서 가장 효율적인 에지맵이 된다.

또한, 변환 작업 영역인 매트릭스는 사용자에 의하여 입력되거나 시스템에 기 설정저장되어 선택적으로 적용가능한 크기값을 이용할 수 있으며, 매트릭스의 크기에 따라 연산량, 정밀도 등이 조절되게 된다.

상기 변환부(108)은 구체적으로 탐색부(110), 경로제어부(112) 및 제1변환부(114)로 구성될 수 있다.

탐색부(110)은 상기 기 설정된 방향마다 산출된 에지맵을 기초로 상기 대상픽셀을 제1픽셀로 하여 상기 제1픽셀과 인접한 연산대상픽셀 중 에지판단의 기준이 되는 에지기준값보다 작은 값을 가지는 픽셀의 값 중 가장 큰 값에 해당하는 연산대상픽셀인 제2픽셀을 산출하여 저장하고 상기 제2픽셀을 제1픽셀로 하여 상기 과정을 반복하여 상기 메트릭스 영역을 탐색한다(S222).

이 과정에서, 경로제어부(112)는 상기 탐색부에서 산출된 제2픽셀의 값과 탐색 경로를 저장하여 상기 제2픽셀이 중복되지 않도록 제어한다(S224). 즉, 출발픽셀과 도착픽셀에 대한 정보와 그 경로를 저장하고 경로를 탐색하는 과정에서 중복되지 않도록 제어한다.

앞서 표 2 및 표 3을 통하여 설명한 예를 기초로 상기 S222 및 S224를 상세히 설명하면 다음과 같다.

대상픽셀(3,3)의 경우, 상, 하, 좌, 우 에지맵의 값은 동순으로 1, 2, 17, 7이 된다. 즉, 좌방향으로는 대상픽셀(제1픽셀)과 차이(17)가 큰 픽셀이 존재한다는 의미가 되며, 그 차이값이 소정 기준(10)보다 크게 되므로 이는 대상픽셀과의 상대적인 관계에서 경계(에지)에 해당한다고 판단되어 탐색과정에서 좌방향으로는 탐색을 진행하지 않는다.

상기 에지맵상에서의 값에서 좌방향을 제외한 값 중 가장 큰 차이가 되는 값은 7이고 7에 해당하는 방향은 우방향이 된다. 즉, 우방향 연산대상픽셀의 픽셀값 29에 해당하는 (3,4)픽셀이 제2픽셀이 되며, 상기 제2픽셀에 해당하는 값인 29가 Queue에 저장된다. Queue에 저장된 후 다시 29에 해당하는 (3,4)의 픽셀을 제1픽셀로 하여 상기 탐색과정을 진행한다.

(3,4)에 해당하는 상, 하, 좌, 우 에지맵의 값은 동순으로 5, 6, 7, 1이 되므로 상기의 과정을 동일하게 반복하게 되는 경우, 10보다 큰 값은 존재하지 않으므로 에지에 해당하는 방향의 판단은 종결하고 그 다음 판단으로 상기 값 중 가장 큰 값을 판단하며 가장 큰 값은 7이 된다.

상기 7에 해당하는 픽셀은 좌방향이나 이 방향의 픽셀은 이미 지나온 패스(Path)에 해당하므로 상기 경로제어부(112)가 중복되지 않도록 제어하게 된다(S224).

그러므로 상기 좌방향을 제외한 픽셀 중 가장 큰 값은 6이 되며, 6에 해당하는 픽셀은 하방향 픽셀로 그 값은 23이 된다. 상기의 과정을 통해, 23에 해당하는 픽셀이 제2픽셀이 되어 상기 Queue에 저장되며, 다시 상기 픽셀(23)을 기준으로 에지맵을 기초로 탐색과정을 되풀이하게 된다. 패스(Path)가 변환 작업 영역인 매트릭스에서 완료되는 경우 또는 최초 대상 픽셀인 (3,3)으로 돌아오게 되는 경우 상기 탐색과정을 종료하게 된다.

상기 대상픽셀(3,3)에서 패스가 생성되는 결과는 아래 표 3와 같다. 아래 표 3은 변환 대상 픽셀(3,3)을 중심으로 5×5의 매트릭스이다. 픽셀상단의 값은 픽셀 값에 해당하며, 중간값은 위치정보데이터이며, 하단 값은 패스(Path)탐색된 결과 순서를 의미하며, ×는 탐색에서 제외되는 픽셀을 의미한다.

상기 표 4에서와 같이 path탐색은 22①→29②→23③→33④→28⑤→23⑥→24⑦→23⑧(상기 표 4에서 선택된 블록)으로 형성되고 상기 값들이 제2픽셀값으로 저장되게 된다. 상기 제2픽셀값들이 queue에 저장되는 과정에서 사용자의 선택에 의하여 상기 제2픽셀의 개수를 조정하여 운용할 수 있음은 물론이다.

앞서 설명한 바와 같이 경로제어부(112)는 탐색부에서 산출된 제2픽셀의 값을 저장(S224)하고 있으며, 상기 저장된 값을 제1변환부(114)로 전송하게 된다.

제1변환부(114)는 상기 경로제어부(112)에 저장된 제2픽셀을 상기 주(main)연산대상픽셀로 하여 상기 주연산대상픽셀의 통계적 산출값을 이용하여 상기 대상픽셀을 변환한다(S226).

즉, 위치정보 (3,3)의 값은 상기 표 4에서 매트릭스 영역에 존재하는 픽셀 중 블록으로 처리된 픽셀만을 대상으로 아래 수학식 3에 의하여 연산된다.

즉 (3,3)의 값은 상기 통계적 산출값인 25로 변환된다.

상기의 과정에서도 대상픽셀은 적용례와 활용형태에 따라 상기 탐색결과에서 배제될 수도 있으며, 포함될 수 있음은 자명하며, 앞서 설명한 바와 같이 포함시키는 것이 더욱 바람직하다.

또한, 상기 통계적 산출값은, 대상픽셀과 연산대상픽셀의 상관성(correlation)을 더욱 반영하기 위하여, 상기 대상픽셀에 가장 높은 값이 부여되고 상기 주연산대상픽셀이 상기 대상픽셀로부터 이격된 거리에 따라 차등적으로 부여되는 가중치를 상기 각각의 주연산대상픽셀값에 반영하여 연산하는 것이 더욱 바람직하다.

구체적인 예를들어 설명하면 다음과 같다.

상기 주연산대상픽셀값의 통계적 산출값을 산출하는 과정에서, 자신의 픽셀은 가중치 1, 상하좌우 인접 픽셀은 거리가 1에 해당하는 상하좌우 인접 픽셀은 0.95, 이격된 거리가

경우는 0.90, 2인 경우는 가중치 0.85,

인 경우 0.8을 부여하고, 상기 5×5 매트릭스에서 가장 큰 이격 거리인

에 해당하는 픽셀은 가중치 0.75를 부여할 수 있다.

물론 상기 가중치의 구체적인 값은 사용환경 등에 의하여 결정되는 것이며 상기 수치는 본 발명의 설명에 있어 일 실시예로 언급한 것이 지나지 않는다.

대상픽셀인 (3,3)을 중심으로 연산대상픽셀들을 거리별로 정리해 보면 다음과 같다.

거리 1인 픽셀 = (3,2) (3,4) (2,3) (4,3) 4개,

거리

인 픽섹 = (2,2) (4,4) (4,2) (2,4) 4개,

거리 2인 픽셀 = (3,1) (3,5) (1,3) (5,3) 4개,

거리

인 픽셀 = (2,1) (1,2) (4,1) (1,4) (5,2) (2,5) (5,4) (4,5) 8개이며, 거리

픽셀 = (1,1) (5,5) (5,1) (1,5) 4개가 된다.

상기와 같이 가중치가 반영되는 경우에는 대상픽셀과 변환되는 상기 통계적 산출값은 다음 수학식 4와 같이 연산된다.

상기와 같이 가중치가 반영되게 되는 경우, 더욱 선예도가 높고 영상의 에지 또는 색상의 정보가 더욱 잘 보존될 수 있다.

또한, 이격거리와 픽셀값의 연관성을 더욱 섬세하게 반영하기 위하여 상기 제1변환부(114)가 수행하는 제1변환단계(S226)는 상기 대상 픽셀을 기준으로 소정 간격 이상 이격되어 있는 상기 주연산대상픽셀 중 상기 대상 픽셀값과의 통계적 차이가 소정 기준 이상인 주연산대상픽셀을 제외하고, 나머지 주연산대상픽셀만을 대상으로 통계적 산출값을 산출하도록 구성될 수 있다.

즉, 대상 픽셀과의 떨어진 정도를 반영한 이격거리 상관도와, 대상 픽셀과의 픽셀값과의 상관도를 함께 반영하여 일정 거리 이상 떨어져 있는 픽셀의 값이 대상 픽셀과 너무 차이가 나는 픽셀은 연산대상에서 제외하여 통계적 산출값을 산출하도록 구성하는 것이 바람직하다.

물론 상기 이격거리에 대한 기준과 대상 픽셀값과의 통계적 차이에 관한 소정 기준 등은 사용자 입력 또는 기 저장되어 설정된 값들을 이용한 값으로서 당업자 간에 다양한 변형례가 가능하다고 이해되어야 한다.

실시 형태에 따라서 이격된 거리가 멀수록 높은 값을 부여하고, 상기 부여된 값과 해당 픽셀이 가지는 픽셀값의 합을 기준으로 하여 소정 기준 이하인 경우에 연산대상으로 하고, 상기 소정 기준 이상인 경우에는 연산대상에서 제외하는 방법을 비롯하여 상기 기술사상을 반영한 다양한 응용례가 당업자간에 가능하다.

한편, 도 4는 본 발명에 의하여 변환된 영상데이터의 결과를 도시한 도면으로서 (a)는 처리 전의 영상이며 (b)는 본 발명에 의한 에지 트래킹에 의한 영상 노이즈 제거 시스템 및 방법이 적용된 영상이다.

상기 도 4에 도시된 바와 같이 처리 후 영상은 처리 전 영상에 비하여 글자 및 문형의 외형이 더욱 선명하게 선예도가 높다는 것을 알 수 있다.

상술한 본 발명에 따른 에지 트래킹에 의한 영상 노이즈 제거방법은 컴퓨터 로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고, 상기 에지 트래킹에 의한 영상 노이즈 제거 방법을 구현하기 위한 기능적인(function) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.

이상에서 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 이것에 의해 한정되지 않으며 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 본 발명의 기술사상과 아래에 기재될 특허청구범위의 균등범위 내에서 다양한 수정 및 변형이 가능함은 물론이다.

상기 본 발명에 의한 에지 트래킹에 의한 영상 노이즈 제거 시스템 및 방법은 영상에 포함되어 있는 노이즈를 효과적으로 제거할 수 있는 효과를 창출한다.

또한, 상기 노이즈가 제어되는 과정에서 영상 데이터의 픽셀의 고유한 성질을 반영하여 노이즈 제거의 연산을 수행하여, 해당 픽셀 및 해당 픽셀의 집합체인 영상의 영상적 특징 정보, 특히, 에지, 색상 등의 정보의 소실을 최소화하고 더욱 선예도가 높아지며, 경계면이 강화된(edge enhancement) 노이즈 제거 시스템 및 방법을 구현할 수 있다.

더욱이, 사용환경과 적용예에 따라 다양한 통계적 방법 및 가중치를 활용할 수 있어 적용되는 시스템의 사양에 맞게 연산량과 정밀성의 효율을 높인 시스템 및 방법을 구현할 수 있다.

Claims (17)

1. 변환 작업 대상 영상인 영상 데이터를 입력받는 제1입력부;

   상기 제1입력부를 통해 입력된 상기 영상 데이터를 구성하는 각각의 픽셀과 기 설정된 방향으로 상기 픽셀과 인접한 픽셀과의 통계적 차이를 연산하고 상기 연산된 결과 데이터인 에지맵데이터를 상기 기 설정된 방향마다 산출하는 에지맵산출부;

   상기 영상 데이터의 변환 작업 영역인 메트릭스의 크기에 관한 데이터를 입력받는 제2입력부; 및

   상기 영상 데이터의 변환 대상 픽셀인 대상픽셀을 상기 영상데이터 중 상기 제2입력부를 통해 입력된 상기 메트릭스 영역에 존재하는 픽셀인 연산대상픽셀을 이용하여 변환하되, 상기 에지맵데이터를 기초로 상기 연산대상픽셀 중 상기 대상픽셀의 값과 소정 기준 이하의 통계적 차이를 가지는 픽셀인 주(main)연산대상픽셀을 산출하고, 상기 주연산대상픽셀의 통계적 산출값을 이용하여 상기 대상픽셀을 변환하는 변환부를 포함하는 것을 특징으로 하는 에지 트래킹에 의한 영상 노이즈 제거 시스템.
2. 제 1항에 있어서, 상기 변환부는,

   상기 기 설정된 방향마다 산출된 에지맵을 기초로 상기 대상픽셀을 제1픽셀로 하여 상기 제1픽셀과 인접한 연산대상픽셀 중 에지판단의 기준이 되는 에지기준값보다 작은 값을 가지는 픽셀의 값 중 가장 큰 값에 해당하는 연산대상픽셀인 제2픽셀을 산출하여 저장하고 상기 산출된 제2픽셀을 대상픽셀로 하여 상기 제2픽셀을 산출하여 저장하는 과정을 반복하여 상기 메트릭스 영역을 탐색하는 탐색부;

   상기 탐색부에서 산출된 제2픽셀의 값과 탐색 경로를 저장하여 상기 제2픽셀이 중복되지 않도록 제어하는 경로제어부; 및

   상기 경로제어부에 저장된 제2픽셀을 상기 주연산대상픽셀로 하여 상기 주연산대상픽셀의 통계적 산출값을 이용하여 상기 대상픽셀을 변환하는 제1변환부를 포함하는 것을 특징으로 하는 에지 트래킹에 의한 영상 노이즈 제거 시스템.
3. 제 1항 또는 제 2항에 있어서, 상기 주연산대상픽셀은,

   상기 대상픽셀을 포함하는 것을 특징으로 하는 에지 트래킹에 의한 영상 노이즈 제거 시스템.
4. 제 1항에 있어서, 상기 통계적 산출값은,

   상기 주연산대상픽셀값의 평균값인 것을 특징으로 하는 에지 트래킹에 의한 영상 노이즈 제거 시스템.
5. 제 1항에 있어서, 상기 통계적 산출값은,

   상기 대상픽셀에 가장 높은 값이 부여되고 상기 주연산대상픽셀이 상기 대상픽셀로부터 이격된 거리에 따라 차등적으로 부여되는 가중치를 상기 각각의 주연산 대상픽셀값에 곱셈연산한 값의 평균값인 것을 특징으로 하는 에지 트래킹에 의한 영상 노이즈 제거 시스템.
6. 제 1항에 있어서, 상기 에지맵 산출부는,

   입력 영상 데이터의 픽셀 데이터 중 Y, C_b, C_r 중 선택된 하나 이상의 정보를 이용하여 에지맵을 산출하는 것을 특징으로 하는 에지 트래킹에 의한 영상 노이즈 제거 시스템.
7. 제 2항에 있어서, 제1변환부는,

   상기 대상 픽셀을 기준으로 소정 간격 이상 이격되어 있는 상기 주연산대상픽셀 중 상기 대상 픽셀값과의 통계적 차이가 소정 기준 이상인 주연산대상픽셀을 제외한 나머지 주영역대상픽셀의 통계적 산출값을 이용하여 상기 대상픽셀을 변환하는 것을 특징으로 하는 에지 트래킹에 의한 영상 노이즈 제거 시스템.
8. 제 1항에 있어서, 상기 기 설정된 방향은,

   상, 하, 좌, 우 네 방향인 것을 특징으로 하는 에지 트래킹에 의한 영상 노이즈 제거 시스템.
9. 변환 작업 대상 영상인 영상 데이터 및 상기 영상 데이터의 변환 작업 영역 인 메트릭스의 크기에 관한 데이터를 입력받는 입력단계;

   상기 입력된 영상 데이터를 구성하는 각각의 픽셀과 기 설정된 방향으로 상기 픽셀과 인접한 픽셀과의 통계적 차이를 연산하고 상기 연산된 결과 데이터인 에지맵데이터를 상기 기 설정된 방향마다 산출하는 에지맵산출단계; 및

   상기 영상 데이터의 변환 대상 픽셀인 대상픽셀을 상기 영상데이터 중 상기 입력된 메트릭스 영역에 존재하는 픽셀인 연산대상픽셀을 이용하여 변환하되, 상기 에지맵데이터를 기초로 상기 연산대상픽셀 중 상기 대상픽셀의 값과 소정 기준 이하의 통계적 차이를 가지는 픽셀인 주연산대상픽셀을 산출하고, 상기 주연산대상픽셀의 통계적 산출값을 이용하여 상기 대상픽셀을 변환하는 변환단계를 포함하는 것을 특징으로 하는 에지 트래킹에 의한 영상 노이즈 제거 방법.
10. 제 9항에 있어서, 상기 변환단계는,

    상기 기 설정된 방향마다 산출된 에지맵을 기초로 상기 대상픽셀을 제1픽셀로 하여 상기 제1픽셀과 인접한 연산대상픽셀 중 에지판단의 기준이 되는 에지기준값보다 작은 값을 가지는 픽셀의 값 중 가장 큰 값에 해당하는 연산대상픽셀인 제2픽셀을 산출하여 저장하고 상기 산출된 제2픽셀을 대상픽셀로 하여 상기 제2픽셀을 산출하여 저장하는 과정을 반복하여 상기 메트릭스 영역을 탐색하는 탐색단계;

    상기 탐색단계에서 산출된 제2픽셀의 값과 탐색 경로를 저장하여 상기 제2픽셀이 중복되지 않도록 제어하는 경로제어단계; 및

    상기 경로제어단계에 저장된 제2픽셀을 상기 주연산대상픽셀로 하여 상기 주연산대상픽셀의 통계적 산출값을 이용하여 상기 대상픽셀을 변환하는 제1변환단계를 포함하는 것을 특징으로 하는 에지 트래킹에 의한 영상 노이즈 제거 방법.
11. 제9항에 있어서, 상기 주연산대상픽셀은,

    상기 대상픽셀을 포함하는 것을 특징으로 하는 에지 트래킹에 의한 영상 노이즈 제거 방법.
12. 제 9항에 있어서, 상기 통계적 산출값은,

    상기 주연산대상픽셀값의 평균값인 것을 특징으로 하는 에지 트래킹에 의한 영상 노이즈 제거 방법.
13. 제 9항에 있어서, 상기 통계적 산출값은,

    상기 대상픽셀에 가장 높은 값이 부여되고 상기 주연산대상픽셀이 상기 대상픽셀로부터 이격된 거리에 따라 차등적으로 부여되는 가중치를 상기 각각의 주연산대상픽셀값에 곱셈연산한 값의 평균값인 것을 특징으로 하는 에지 트래킹에 의한 영상 노이즈 제거 방법.
14. 제 9항에 있어서, 상기 에지맵 산출단계는,

    입력 영상 데이터의 픽셀 데이터 중 Y, C_b, C_r 중 선택된 하나 이상의 정보를 이용하여 에지맵을 산출하는 것을 특징으로 하는 에지 트래킹에 의한 영상 노이즈 제거 방법.
15. 제 10항에 있어서, 제1변환단계는,

    상기 대상 픽셀을 기준으로 소정 간격 이상 이격되어 있는 상기 주연산대상픽셀 중 상기 대상 픽셀값과의 통계적 차이가 소정 기준 이상인 주연산대상픽셀을 제외한 나머지 주영역대상픽셀의 통계적 산출값을 이용하여 상기 대상픽셀을 변환하는 것을 특징으로 하는 에지 트래킹에 의한 영상 노이즈 제거 방법.
16. 제 9항에 있어서, 상기 기 설정된 방향은,

    상, 하, 좌, 우 네 방향인 것을 특징으로 하는 에지 트래킹에 의한 영상 노이즈 제거 방법.
17. 제 9항 내지 제 16항 중 어느 한 항에 따른 방법을 프로그램화하여 수록한 컴퓨터로 읽을 수 있는 기록매체.

Images