KR20160033884A - noise reduction method in images - Google Patents
noise reduction method in images Download PDFInfo
- Publication number
- KR20160033884A KR20160033884A KR1020140124596A KR20140124596A KR20160033884A KR 20160033884 A KR20160033884 A KR 20160033884A KR 1020140124596 A KR1020140124596 A KR 1020140124596A KR 20140124596 A KR20140124596 A KR 20140124596A KR 20160033884 A KR20160033884 A KR 20160033884A
- Authority
- KR
- South Korea
- Prior art keywords
- value
- pixel
- pixels
- values
- current
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000009467 reduction Effects 0.000 title description 11
- 238000004364 calculation method Methods 0.000 abstract description 3
- 235000008184 Piper nigrum Nutrition 0.000 description 21
- 150000003839 salts Chemical class 0.000 description 21
- 235000002566 Capsicum Nutrition 0.000 description 19
- 239000006002 Pepper Substances 0.000 description 19
- 241000722363 Piper Species 0.000 description 19
- 235000016761 Piper aduncum Nutrition 0.000 description 19
- 235000017804 Piper guineense Nutrition 0.000 description 19
- 238000004422 calculation algorithm Methods 0.000 description 12
- 101100129500 Caenorhabditis elegans max-2 gene Proteins 0.000 description 5
- 238000003379 elimination reaction Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000002950 deficient Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 244000203593 Piper nigrum Species 0.000 description 2
- 235000013614 black pepper Nutrition 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
- G06T2207/20012—Locally adaptive
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
Description
본 발명은 영상잡음 제거방법에 관한 것으로서, 보다 상세히는, 복수의 픽셀로 이루어지는 영상데이터에 대하여, 개개의 픽셀의 값을 그 픽셀의 주변 픽셀 중 기준치 이내의 픽셀의 값을 고려하여 보정하여, 잡음을 제거하는 방법에 관한 것이다.More particularly, the present invention relates to a method and apparatus for correcting image noise comprising a plurality of pixels by considering the value of each pixel within a reference value among surrounding pixels of the pixel, As shown in Fig.
일반적으로 영상데이터는 다수(예컨대, 가로 세로 m×n개)의 픽셀로 이루어져 있다. 그리고, 다양한 원인에 의하여, 영상데이터에는 원치않는 잡음이 포함될 수 있다. 그리고 이러한 잡음은 제거되어야 한다.Generally, the image data is composed of a plurality of (e.g., m × n) pixels. And, due to various causes, the image data may include unwanted noise. And this noise should be removed.
종래에는 잡음의 제거를 위하여, 평균필터, 메디안(median; 중간값)필터, 가우시안(Gaussian)필터 등을 적용하였다. 평균필터는 개개의 픽셀에 대하여 그 주변픽셀 값의 평균값을 설정한다. 메디안필터는 개개의 픽셀에 대하여 그 주변픽셀 값의 중간값을 설정한다. 가우시안필터는 개개의 픽셀에 대하여 그 주변픽셀 값 중에서 중앙값에 가까우면 가중치를 높게 하고 중앙값에서 멀면 가중치를 낮게 하여 적용한다. 예컨대 하기 특허문헌에서는, 메디안 값에 기초하여 기준치를 계산한다.Conventionally, an average filter, a median filter, a Gaussian filter, and the like are applied to remove noise. The average filter sets the average value of the surrounding pixel values for each pixel. The median filter sets the median value of the surrounding pixel values for each pixel. The Gaussian filter is applied to individual pixels by increasing the weight if the value is close to the median value of the surrounding pixels and by decreasing the weight if the value is far from the median value. For example, in the following Patent Document, a reference value is calculated based on the median value.
그런데, 이들 평균필터, 메디안필터, 가우시안필터는, 각 픽셀이 잡음인지의 여부를 가리지 않고 모든 픽셀에 대하여 적용되는 것이다. 이들은 사실 근본적으로, 날카로운 영상을 부드러운 영상으로 변화시켜주는 효과를 가질 뿐이다. However, these average filters, median filters, and Gaussian filters are applied to all pixels regardless of whether each pixel is noise or not. They are, in effect, fundamentally changing the sharp image into a soft image.
이러한 효과가 잡음 픽셀에 적용되면, 그 주변픽셀의 평균값, 메디안값, 또는 가우시안 가중치 처리된 값이 되면서, 잡음으로서의 특징이 완화되는 것일 뿐이다. 이처럼 잡음이 완화되지만, 필터는 역시 잡음이 아닌 정상픽셀에도 동일하게 무차별적으로 작용하므로, 전체적으로 화질의 뭉개짐 열화를 피할 수가 없다.When such an effect is applied to a noise pixel, the characteristic as the noise is only mitigated as the average value, the median value, or the Gaussian weighted value of the surrounding pixels. The noise is alleviated, but the filter is also indiscriminately acted on the normal pixel as well as the noise, so that the degradation of the image quality can not be avoided as a whole.
게다가, 영상잡음 중의 솔트앤페퍼(Salt and Pepper) 잡음은, 화면에 하얀 소금과 까만 후추가루를 뿌려놓은 것과 같은 형태의 잡음을 나타내는데, 이는 이미지 센서에 결함(defect)이 존재할 때 나타난다. 그런데, 이미지 센서는 항상 소정의 결함 픽셀이 존재하기 때문에, 영상잡음 제거알고리즘은 이들에 대한 대응능력을 갖추고 있어야 한다. In addition, Salt and Pepper noise in image noise represents a form of noise such as white salt and black pepper sprayed on the screen, which is present when there is a defect in the image sensor. However, since the image sensor always has some defective pixels, the image noise reduction algorithm must have a capability of coping with them.
그러나, 솔트앤페퍼 잡음이 연속으로 발생할 경우에는 잡음인지 영상의 일부인지를 구분하는 것이 매우 어렵기 때문에, 단독으로 존재하는 솔트앤페퍼 잡음을 제거할 수 있어야 한다.However, it is very difficult to distinguish whether a part of the noise recognition image occurs when the salt and pepper noise occurs continuously, so it is necessary to be able to remove the salt and pepper noise that exists alone.
그런데, 종래의 평균필터, 메디안필터, 가우시안필터는, 획일적으로 모든 픽셀에 대하여 적용되므로, 뭉개짐 열화를 발생시키기만 하고, 솔트앤페퍼 잡음에 대한 영상 개선은 미흡하였다.However, since the conventional average filter, the median filter, and the Gaussian filter are uniformly applied to all the pixels, only the blurred deterioration is generated, and the image enhancement for the Salt and Pepper noise is insufficient.
본 발명은, 솔트앤페퍼 잡음을 포함하는 고난도 잡음제거 처리가 가능하고, 오직 잡음에 해당되는 픽셀에 대해서만 선택적으로 잡음제거 처리를 행하는 영상잡음 제거방법을 제공하고자 하는 것이다.An object of the present invention is to provide a method of eliminating image noise that can perform a high noise elimination process including Salt and Pepper noise and selectively perform noise removal processing only on pixels corresponding to noise.
상기 과제를 달성하기 위한 본 발명의 영상잡음 제거방법은, 복수의 픽셀로 이루어지는 영상에 포함된 잡음을 제거하는 방법으로서, (1) 각 상기 픽셀마다 현재픽셀(current pixel)로 순차 지정하도록 설정하고, 상기 현재픽셀의 값에 대한 보정치를 산출하는데 이용될 획일적 자료범위가 되는 복수의 픽셀인 참조픽셀의 집합을 정의하기 위한 참조범위값을 결정하는 참조범위값 결정단계와, (2) 모든 상기 현재픽셀마다, (2-1) 상기 참조픽셀 중에서 상기 현재픽셀의 값에 대한 보정치를 산출하는데 이용될 확정자료가 되는 복수의 픽셀인 기여픽셀에 해당되는지의 여부를 판정하기 위한 기준치를 결정하는 기준치 결정단계와, (2-2) 각 상기 참조픽셀마다 현재참조픽셀(current reference pixel)로 순차 지정하도록 설정하고, 상기 현재참조픽셀의 값과 상기 현재픽셀의 값 사이의 연산치를 상기 기준치와 비교함으로써 상기 기여픽셀에 해당되는지의 여부를 판정하는 처리를, 모든 상기 참조픽셀에 대하여 반복 수행하는 기여픽셀 판정단계와, (2-3) 상기 모든 기여픽셀의 값에 대한 대표값을 보정치로 결정하고, 상기 현재픽셀의 값을 상기 보정치로 대체하는 보정단계를 포함하는 단위반복처리를 반복 수행하는 전체픽셀 처리단계를 포함함을 특징으로 하는 영상잡음 제거방법이다.According to another aspect of the present invention, there is provided a method for eliminating noise included in an image composed of a plurality of pixels, the method comprising the steps of: (1) sequentially designating current pixels for each of the pixels; A reference range value determination step of determining a reference range value for defining a set of reference pixels, which is a plurality of pixels, which is a uniform data range to be used for calculating a correction value for the current pixel value; (2) For each pixel, (2-1) a reference value for determining a reference value for determining whether or not it corresponds to a contributing pixel, which is a plurality of pixels, to be used for calculating a correction value for the value of the current pixel among the reference pixels and step (2-2) configured to sequentially specified for each current reference pixel (reference pixel current) for each of the reference pixels, the reference pixel values of the current and the current pick- By calculating values between the value of the comparison with the reference value of contributing pixels is determined as step (2-3), all the pixels contribute to the process of determining whether the contribution to said pixel, Repeat for all the reference pixels determining a central value for value with the correction value, and a method for removing image noise, which is characterized in that it comprises the whole pixel processing method comprising: the value of the current pixel is repeatedly performed a unit iteration comprising the correction step is replaced by the correction value .
여기서, 상기 기여픽셀 판정단계에 있어서 상기 기준치와 비교되는 연산치는, 뺄셈에 의한 차 또는 나눗셈에 의한 몫임이 바람직하다.Here, it is preferable that the calculated value to be compared with the reference value in the contribution pixel determination step is a difference by subtraction or division.
또한, 상기 보정단계에 있어서 상기 대표값은, 산술평균, 기하평균, 조화평균, 가중평균, 중간값(메디안값) 또는 최빈수임이 바람직하다.In the correction step, the representative value is preferably an arithmetic mean, a geometric mean, a harmonic mean, a weighted mean, an intermediate value (median value), or a minimum value.
또한, 상기 기준치 결정단계에 있어서 상기 기준치는, 상기 현재픽셀의 값의 k승근(k≥1) 또는 상기 현재픽셀의 값에 대한 연산치의 k승근(k≥1)임이 바람직하다.In the reference value determining step, the reference value may be a k-th power of the value of the current pixel (k? 1) or a k-th power of the calculated value of the current pixel (k? 1).
여기서, 상기 현재픽셀의 값에 대한 연산치는, 상기 영상의 모든 픽셀의 대표값과 상기 현재픽셀의 값의 차에 상기 영상의 모든 픽셀의 대표값을 가산한 값임이 바람직하다.Here, the computed value of the current pixel value may be a value obtained by adding a representative value of all pixels of the image to a difference between a representative value of all the pixels of the image and the current pixel value.
여기서, 상기 영상의 모든 픽셀의 대표값은, 산술평균, 기하평균, 조화평균, 가중평균, 중간값(메디안값) 또는 최빈수임이 바람직하다.Here, it is preferable that representative values of all the pixels of the image are an arithmetic mean, a geometric mean, a harmonic mean, a weighted average, a median (median), or a minimum.
또한, 상기 기준치 결정단계에 있어서 상기 기준치는, 미리 정해지는 비례상수를 가짐이 바람직하다.In the reference value determination step, it is preferable that the reference value has a predetermined proportional constant.
또한, 상기 기여픽셀 판정단계에 있어서, 상기 참조픽셀의 값 중에서 크기 순으로 복수의 최대치와 동일한 복수의 최소치를 기억하여 두고, 상기 보정단계에 있어서 상기 기여픽셀의 수가 하나인 경우에는, 상기 복수의 최대치, 복수의 최소치 및 현재픽셀의 값에 대한 대표값을 상기 보정치로 결정함이 바람직하다.In addition, in the contribution pixel determination step, a plurality of minimum values equal to a plurality of maximum values are stored in order of magnitude in the values of the reference pixels, and when the number of the contribution pixels is one in the correction step, A representative value of the maximum value, the plurality of minimum values, and the values of the current pixel is determined as the correction value.
여기서, 상기 복수의 최대치, 복수의 최소치 및 현재픽셀의 값에 대한 대표값은, 산술평균, 기하평균, 조화평균, 가중평균, 중간값(메디안값) 또는 최빈수임이 바람직하다.Here, the representative values of the plurality of maximum values, the plurality of minimum values, and the values of the current pixels are preferably an arithmetic mean, a geometric mean, a harmonic mean, a weighted mean, a median (median), or a minimum.
본 발명에 의하면, 솔트앤페퍼 잡음을 포함하는 고난도 잡음제거 처리가 가능하고, 오직 잡음에 해당되는 픽셀에 대해서만 선택적으로 잡음제거 처리를 행하는 영상잡음 제거방법이 제공된다.According to the present invention, there is provided an image noise removal method capable of performing a high-noise noise removal process including Salt and Pepper noise, and selectively performing a noise removal process only on pixels corresponding to noise.
도 1은, 본 발명의 영상잡음 제거방법의 이론적 배경이 되는 확률분포의 그래프이다.
도 2는, 고난도 잡음제거 처리를 요하는 솔트앤페퍼 잡음을 포함하는 예시영상이다.
도 3은, 영상 내의 픽셀과 현재픽셀, 참조픽셀, 참조범위, 현재참조픽셀, 기여픽셀의 관계를 설명하기 위한 개념도이다.
도 4는, 본 발명의 영상잡음 제거방법을 실행하는 순서도이다.
도 5는, 솔트앤페퍼 잡음을 포함하는 영상에 대하여, 종래의 평균필터를 적용하여 처리한 결과영상이다.
도 6은, 솔트앤페퍼 잡음을 포함하는 영상에 대하여, 종래의 메디안필터를 적용하여 처리한 결과영상이다.
도 7은, 솔트앤페퍼 잡음을 포함하는 영상에 대하여, 종래의 가우시안필터를 적용하여 처리한 결과영상이다.
도 8은, 솔트앤페퍼 잡음을 포함하는 영상에 대하여, 본 발명의 영상잡음 제거방법을 적용하여 처리한 결과영상이다.FIG. 1 is a graph of a probability distribution which is the theoretical background of the image noise removal method of the present invention.
2 is an exemplary image including Salt & Pepper noise that requires a high-level noise elimination process.
3 is a conceptual diagram for explaining the relationship between a pixel in the image and a current pixel, a reference pixel, a reference range, a current reference pixel, and a contributing pixel.
4 is a flow chart for executing the image noise canceling method of the present invention.
FIG. 5 is a result image obtained by applying a conventional average filter to an image including Salt and Pepper noise.
6 is a result image obtained by applying a conventional median filter to an image including Salt & Pepper noise.
FIG. 7 is an image obtained by applying a conventional Gaussian filter to an image containing Salt and Pepper noise.
8 is a result image obtained by applying the image noise reduction method of the present invention to an image including Salt and Pepper noise.
이하, 본 발명의 영상잡음 제거방법에 대하여, 첨부도면을 참조하여 상세히 설명한다. 다만, 이해를 돕기 위하여 구체적인 실시예가 설명되더라도 이는 본 발명의 범위를 한정하기 위한 것이 아님을 유의하여야 한다. 또한, 동일구성에 의하여 동일기능을 수행하는 부분은, 도면이 달라지더라도 동일부호를 유지함으로써 그 상세한 설명을 생략하는 경우가 있다.Hereinafter, a method for eliminating image noise according to the present invention will be described in detail with reference to the accompanying drawings. It should be noted, however, that although specific embodiments have been described for purposes of clarity of understanding, they are not intended to limit the scope of the invention. In addition, parts that perform the same function by the same configuration are denoted by the same reference numerals even if they are different from each other, and detailed description thereof may be omitted.
1. 영상신호에서의 잡음 분포의 범위1. Range of Noise Distribution in Video Signal
도 1은, 본 발명의 영상잡음 제거방법의 이론적 배경이 되는 확률분포의 그래프이다.FIG. 1 is a graph of a probability distribution which is the theoretical background of the image noise removal method of the present invention.
이미지 센서의 수광부에 입사되는 광자(光子, photon)의 수는 포아송(Poisson) 분포를 따르는 것으로 알려져 있다. 광량이 많거나 노출시간이 길어지면 수광부에 입사되는 광자의 수도 선형적으로 증가하게 되는데, 광자의 수가 λ가 되도록 광량이나 노출시간을 조정한 경우, 입사되는 광자의 수(X)의 확률분포는 분산(variance) σ2=λ, 평균 μ=λ를 가지는 포아송 분포를 따른다.The number of photons incident on the light receiving portion of the image sensor is known to follow the Poisson distribution. If the amount of light or the exposure time is long, the number of photons incident on the light receiving part linearly increases. If the light amount or exposure time is adjusted so that the number of photons is λ, the probability distribution of the number of incident photons (X) The variance follows a Poisson distribution with σ 2 = λ, mean μ = λ.
일반적으로 평균 μX과 분산 σX 2을 가지는 신호 X가 있을 때, X에 정비례하는 신호 Y=cX(c는 비례상수)의 평균과 분산은 다음과 같이, 평균값은 c배 증가하고, 표준편차(분산의 제곱근)도 c배 증가한다.In general, when there is a signal X with mean μ X and variance σ X 2 , the average and variance of the signal Y = cX (c is a proportional constant), which is directly proportional to X, is increased by c times, (The square root of the variance) also increases by c times.
영상의 밝기값 Y는 광자의 수에 비례한다. 광자의 수를 나타내는 변수를 X라고 할 경우, 밝기값 Y 역시 포아송 분포를 가지게 되며, 광자의 수 X가 평균과 표준편차가 각각 λ인 포아송 분포를 따른다면, 밝기값 Y는 평균은 cλ이고 분산은 c2λ인 포아송 분포를 따른다. 여기서, 비례상수 c는 이미지 센서의 특성에 기인하는 파라미터가 된다.The brightness value Y of the image is proportional to the number of photons. If the variable representing the number of photons is X, then the brightness value Y also has a Poisson distribution. If the number of photons X follows a Poisson distribution with mean and standard deviation of λ, the brightness value Y is cλ Follows a Poisson distribution with c 2 ?. Here, the proportionality constant c is a parameter due to the characteristics of the image sensor.
분산이란, 변수 혹은 신호의 흩어진 정도를 계산하는 지표이다. 분산의 제곱근인 표준편차는, 어떤 신호 X에 대해서 그 평균값 μ를 중심으로 보았을 때, 각 관측값이 평균적으로 어느 정도 평균값에서 벗어나 있는지를 계산한 것이다. 분산 σ2에 대한 구체적인 수식은 다음과 같다. N은 신호표본의 수이다.Dispersion is an index that calculates the degree of scattering of variables or signals. The standard deviation, which is the square root of the variance, is a calculation of how much the observed value deviates from the average value on average, when the average value mu of the signal X is taken as the center. The concrete formula for the variance σ 2 is as follows. N is the number of signal samples.
상기 식에서 Xi=μ±σ를 대입할 경우, 분산값은 동일하다. 즉, 분산값이 σ2이라는 의미는 신호 X의 평균적인 변화의 범위는 [μ-σ, μ+σ]라는 뜻을 가지게 된다. 일반적으로 분산은 특정값을 가져야 하는 신호값이 어떤 변화범위를 가지는지를 나타내며, 잡음(noise)의 범위를 나타내는 지표로 사용된다. 따라서 Y라는 밝기값을 가지는 영상신호를 공간과 시간을 달리하여 여러 번 표본을 취하게 되었을 때, 이들이 가지는 밝기값의 분포는 포아송 분포를 따르게 되며, 평균값은 Y, 오차의 범위 혹은 표준편차는 
도 2는, 고난도 잡음제거 처리를 요하는 솔트앤페퍼 잡음을 포함하는 예시영상이다.2 is an exemplary image including Salt & Pepper noise that requires a high-level noise elimination process.
솔트앤페퍼(Salt and Pepper) 잡음은, 화면에 하얀 소금과 까만 후추가루를 뿌려놓은 것과 같은 형태의 잡음을 나타낸다. 이는 이미지 센서에 결함(defect)이 존재할 때 나타나며, 이미지 센서는 항상 소정의 결함 픽셀이 존재하기 때문에 이러한 솔트앤페퍼 잡음은 항상 존재한다. 본 발명은, 일반 잡음은 물론이고, 고난도의 처리를 요하는 솔트앤페퍼 잡음의 제거에도 적용된다.Salt and Pepper noise represents a form of noise, such as white salt and black pepper sprayed on the screen. This occurs when there is a defect in the image sensor, and since the image sensor always has some defective pixels, this Salt and Pepper noise is always present. The present invention is applied not only to general noise but also to the elimination of Salt & Pepper noise which requires a high-level processing.
도 3은, 영상 내의 픽셀과 현재픽셀, 참조픽셀, 참조범위, 현재참조픽셀, 기여픽셀의 관계를 설명하기 위한 개념도이다.3 is a conceptual diagram for explaining the relationship between a pixel in the image and a current pixel, a reference pixel, a reference range, a current reference pixel, and a contributing pixel.
본 발명의 영상잡음 제거방법은, 도 3에 예시된 바와 같이, 복수, 예컨대 세로(row) m개, 가로(column) n개, 총 m×n개의 픽셀로 이루어지는 영상에 포함된 잡음을 제거하는 방법이다. 예컨대 좌상단 코너가 (0,0)의 픽셀이고, 우하단 코너가 (m,n)의 픽셀이고, 중간의 (i,j)의 픽셀이 임의의 픽셀이다.3, the method for eliminating noise included in an image composed of a plurality of m, for example, m rows, n columns, and a total of m x n pixels, Method. For example, an upper left corner is a pixel at (0, 0), a lower right corner is a pixel at (m, n), and a middle pixel at (i, j) is an arbitrary pixel.
도 4는, 본 발명의 영상잡음 제거방법을 실행하는 순서도이다.4 is a flow chart for executing the image noise canceling method of the present invention.
본 발명의 영상잡음 제거방법에 있어서는, (1) 각 현재픽셀에 대한 비교의 자료범위를 정하는 참조범위값 결정단계와, (2) 모든 현재픽셀에 대하여 단위반복처리를 반복 수행하는 전체픽셀 처리단계를 포함한다.In the image noise reduction method of the present invention, a reference range value determination step of (1) a reference range value determination step of determining a data range of comparison for each current pixel, (2) a whole pixel processing step .
상기 참조범위값 결정단계는, 각 상기 픽셀마다 현재픽셀(current pixel)로 순차 지정하도록 설정하고, 상기 현재픽셀의 값에 대한 보정치를 산출하는데 이용될 획일적 자료범위가 되는 복수의 픽셀인 참조픽셀의 집합을 정의하기 위한 참조범위값을 결정하는 단계이다. Wherein the step of determining the reference range value comprises setting a reference pixel value to be sequentially designated with a current pixel for each of the plurality of pixels and setting a reference pixel value of the reference pixel to be a uniform pixel range to be used for calculating a correction value for the current pixel value And determining a reference range value for defining the set.
여기서 현재픽셀이란, 복수의 처리대상 픽셀 중에서 현재 처리의 대상이 되는 것으로 정해진 픽셀을 의미한다. 즉, 예컨대 복수의 픽셀에 대한 동일한 논리의 처리를 최초픽셀부터 최후픽셀까지 순차로 수행해 나간다고 하면, 어느 한 순간에는 그 중의 어느 하나의 픽셀만이 처리를 받는 것이 되는데, 이 현재 처리되고 있는 픽셀이 현재픽셀이다. 따라서 현재픽셀은 최초픽셀에 지정되어 그 처리가 끝나면, 그 다음 픽셀에 지정되어 다시 처리를 수행하고, 그 다음 픽셀의 순으로 순차로 옮겨가서, 마지막에 최후픽셀에 지정되어 처리를 행하는 용도로 이용되는 것이고, 컴퓨터 분야의 보편적 개념이므로 상세한 설명을 생략한다.Here, the current pixel means a pixel determined to be the object of the current process among a plurality of pixels to be processed. That is, for example, if processing of the same logic for a plurality of pixels is sequentially performed from the first pixel to the last pixel, only one of the pixels is processed at any one moment. It is the current pixel. Therefore, the current pixel is assigned to the first pixel, and when the processing is finished, the next pixel is assigned to the next pixel, the pixel is processed again, the pixel is sequentially shifted in the order of the next pixel, And is a universal concept in the computer field, so a detailed description will be omitted.
상기 참조범위값은 예컨대 범위의 상하한값으로 주어질 수도 있다. 예컨대 도 3에 있어서는 참조범위값 DW=1인 경우를 예시한다. 이에 의하면, 현재픽셀 (i,j)를 중심으로 세로로 ±1, 가로로 ±1의 범위 내의 모든 픽셀, 즉, (i-1, j-1)부터 (j+1,j+1)까지의 모든 픽셀이 참조픽셀이 되고, 이들의 집합이 참조범위가 된다. 이 참조범위 내의 픽셀들은, 기본적으로 현재픽셀의 값의 보정치 산출에 이용될 후보군이 된다.The reference range value may be given, for example, as the upper and lower limits of the range. For example, in FIG. 3, the case where the reference range value DW = 1 is exemplified. (I-1, j-1) to (j + 1, j + 1) in the range of 占 1 and 占 占 horizontally about the current pixel (i, j) All of the pixels of the reference pixel become reference pixels, and the set of them becomes the reference range. The pixels within this reference range are basically candidates to be used for calculating the correction value of the value of the current pixel.
상기 전체픽셀 처리단계를, 각 현재픽셀에 대하여 하기의 단위반복처리를 반복 수행하는 과정을 모든 픽셀에 대하여 수행하는 단계이다. 이 단계에 의하여, 각 현재픽셀은, 그 값이 변화되지 않고 그대로 유지될 수도 있고, 변화될 수도 있으며, 변화되는 경우에도 각 픽셀마다 그 값이 달라질 수 있다.The entire pixel processing step is performed for all the pixels by repeating the following unit iterative processing for each current pixel. By this step, each current pixel can be kept as it is, unchanged, or changed, and even if it is changed, the value of each pixel can be changed.
상기 단위반복처리는 다시, (2-1) 기준치 결정단계와, (2-2) 기여픽셀 판정단계와, (2-3) 보정단계를 포함하는 단위반복처리를 반복 수행하는 전체픽셀 처리단계를 포함한다.The unit of processing is again repeated, (2-1), the reference value determination step and a (2-2) contributing pixels is determined as step (2-3), the whole pixel processing method comprising: repeatedly performing the iteration unit comprising a correction step .
상기 기준치 결정단계는, 기여픽셀에 해당되는지의 여부를 판정하기 위한 기준치를 결정하는 단계이다. 기여픽셀은, 상기 참조픽셀 중에서 상기 현재픽셀의 값에 대한 보정치를 산출하는데 이용될 확정자료가 되는 복수의 픽셀을 말한다. 즉, 모든 참조픽셀이 보정치의 산출에 기여하는 것이 아니고, 기준치를 참고하여 결정되는 의미있는 값을 가지는 픽셀만이 보정치 산출에 이용되는 기여픽셀이 되도록 하기 위한 것이다. 이처럼 기준치는, 획일적 보정치 산출을 방지하는 역할을 한다.The reference value determining step is a step of determining a reference value for determining whether or not the pixel belongs to a contributing pixel. The contributing pixel refers to a plurality of pixels which become the determination data to be used for calculating the correction value for the value of the current pixel among the reference pixels. That is, not all of the reference pixels contribute to the calculation of the correction value, but only the pixels having the meaningful value determined by referring to the reference value are the contribution pixels used for calculating the correction value. Thus, the reference value serves to prevent the uniform correction value from being calculated.
상기 기준치 결정단계에 있어서의 상기 기준치는, 상기 현재픽셀의 값의 k승근(k≥1) 또는 상기 현재픽셀의 값에 대한 연산치의 k승근(k≥1)으로 구현될 수 있다. 아래 코드에 있어서는 k=2인 경우로서 현재픽셀의 값의 2승근이 예시되어 있다.The reference value in the reference value determination step may be implemented with a k-th root of the value of the current pixel (k? 1) or a k-th root of the computed value of the current pixel (k? 1). In the following code, k = 2, which is the square root of the value of the current pixel.
상기 기여픽셀 판정단계는, 각 상기 참조픽셀마다 현재참조픽셀(current reference pixel)로 순차 지정하도록 설정된 상태에서, 상기 기준치를 이용하여, 모든 상기 참조픽셀에 대하여 판단을 반복 수행하는 단계이다. 여기서 이루어지는 판단은, 상기 현재참조픽셀의 값과 상기 현재픽셀의 값 사이의 연산치를 상기 기준치와 비교함으로써 상기 기여픽셀에 해당되는지의 여부를 판정하는 처리를 말한다.The contribution pixel determination step is a step of repeatedly performing the determination on all the reference pixels using the reference value in a state where the current reference pixel is set to be sequentially designated for each reference pixel. The judgment made here is a process of judging whether or not it corresponds to the contributing pixel by comparing the calculated value between the value of the current reference pixel and the value of the current pixel with the reference value.
여기서, 상기 기여픽셀 판정단계에 있어서 상기 기준치와 비교되는 연산치는, 뺄셈에 의한 차 또는 나눗셈에 의한 몫으로 구현될 수 있다. 아래 코드에 있어서는 뺄셈에 의한 차가 예시되어 있다.Here, the calculated value to be compared with the reference value in the contribution pixel determination step may be implemented as a quotient by a difference or division by subtraction. In the code below, the difference due to subtraction is illustrated.
상기 보정단계는, 상기 모든 기여픽셀의 값에 대한 대표값을 보정치로 결정하고, 상기 현재픽셀의 값을 상기 보정치로 대체하는 단계이다.The correction step is a step of determining a representative value of the values of all the contributing pixels as a correction value and replacing the value of the current pixel with the correction value.
상기 보정단계에 있어서의 상기 대표값은, 산술평균, 기하평균, 조화평균, 가중평균, 중간값(메디안값) 또는 최빈수로 구현될 수 있다. 아래 코드에 있어서는 산술평균이 예시되어 있다.The representative value in the correction step may be implemented as an arithmetic mean, a geometric mean, a harmonic mean, a weighted mean, an intermediate value (median value), or an optimal value. In the code below, the arithmetic mean is illustrated.
2. 영상잡음 제거방법의 기본형태 <컴퓨터 알고리즘의 예>2. Basic form of image noise reduction method <Example of computer algorithm>
이러한 본 발명의 영상잡음 제거방법을 컴퓨터 프로그램으로 구현한 잡음제거 알고리즘은 다음과 같은 형태를 가진다. 다만, 아래 코드는, 상기 언급된 단위반복처리, 즉 현재픽셀에서의 처리만을 나타내고 있다. The noise cancellation algorithm implemented by the computer program of the image noise cancellation method of the present invention has the following form. However, the following code shows only the above-mentioned unit repeat processing, that is, processing in the current pixel.
공간상의 좌표 (x,y)에서의 밝기값이 Y(x,y)로 주어졌을 때, 참조범위 DW에 대해서 다음과 같은 과정에 의해서 잡음제거된 밝기값 Z(x,y)를 결정한다. 아래 코드에서 변수 ref는 잡음의 범위(기준치)를 나타낸다.When the brightness value in the spatial coordinates (x, y) is given as Y (x, y), the noise-removed brightness value Z (x, y) is determined for the reference range DW by the following procedure. In the code below, the variable ref represents the noise range (reference value).
sum = 0;sum = 0;
cnt = 0;cNt = 0;
ref = sqrt(Y(x,y));ref = sqrt (Y (x, y));
for (i=-DW; i<=DW; i++){for (i = -DW; i <= DW; i ++) {
for (j=-DW; j<=DW; j++){ for (j = -DW; j <= DW; j ++) {
if (abs(Y(x+i,y+j)-Y(x,y))<=ref){ if (abs (Y (x + i, y + j) - Y (x, y)
sum += Y(x+i,y+j); sum + = Y (x + i, y + j);
cnt ++ cnt ++
} }
} }
}}
Z(x,y) = int(sum/cnt);Z (x, y) = int (sum / cnt);
2.1. 잡음제거 사례2.1. Noise Canceling Example
특정 픽셀 위치에서의 잡음을 제거하려면, 잡음을 제거하는데 참조하려는 주변영역, 즉 참조범위를 결정해야 한다. 다음 표 1은, DW=1인 경우에, 현재픽셀(정가운데 100이 표시된 픽셀) 위치에서의 밝기값이 100일 때, 본 발명이 구현된 상기 코드에 의하여 잡음을 제거하는 방식을 보여주기 위한 것이다. 참조범위(변수 i,j에 의한 루프에 의하여 지정되는 픽셀들)는 좌상단의 픽셀(86이 표시된 픽셀)부터 우하단의 픽셀(140이 표시된 픽셀)까지의 9개의 픽셀이다.To remove noise at a particular pixel location, you must determine the surrounding area, or reference range, that you want to reference to remove noise. Table 1 below shows a method for eliminating noise by the code embodying the present invention when the brightness value at the position of the current pixel (pixel 100 where the center 100 is displayed) is 100 when DW = 1 will be. The reference range (pixels designated by the loop by the variable i, j) is nine pixels from the upper left pixel (the pixel indicated by 86) to the lower right pixel (the pixel indicated by 140).
잡음제거 범위(ref)는 10(=
2.2. 잡음 범위의 일반화2.2. Generalization of noise range
앞서 언급한 바와 같이, 밝기값 Y가 주어졌을 때, 잡음의 범위(기준치) ref는 
3. 영상잡음 제거방법의 기본형태의 추가변형 <컴퓨터 알고리즘의 예>3. Additional variants of the basic form of the image noise reduction method <Example of computer algorithm>
앞에서의 ref는, 잡음제거의 효과를 높이기 위해서 다음과 같이 변경할 수 있다. S가 추가되었다. 하기 코드에서 S는 사용자가 정의할 수 있는 임의의 상수이다. The above ref can be changed as follows to increase the effect of noise cancellation. S was added. In the following code, S is a user-definable constant.
즉, 상기 기준치 결정단계에 있어서의 상기 기준치는, 미리 정해지는 비례상수를 가지도록 구현되어도 좋다.That is, the reference value in the reference value determination step may be implemented so as to have a predetermined proportional constant.
sum = 0;sum = 0;
cnt = 0;cNt = 0;
ref = S*sqrt(Y(x,y));ref = S * sqrt (Y (x, y));
for (i=-DW; i<=DW; i++){for (i = -DW; i <= DW; i ++) {
for (j=-DW; j<=DW; j++){ for (j = -DW; j <= DW; j ++) {
if (abs(Y(x+i,y+j)-Y(x,y))<=ref){ if (abs (Y (x + i, y + j) - Y (x, y)
sum += Y(x+i,y+j); sum + = Y (x + i, y + j);
cnt ++ cnt ++
} }
} }
} }
Z(x,y) = int(sum/cnt);Z (x, y) = int (sum / cnt);
4. 저조도 잡음제거를 위한 알고리즘 변형 <컴퓨터 알고리즘의 예>4. Algorithm Transformation for Low-Light Noise Reduction <Example of Computer Algorithm>
위의 식을 사용하면, 작은 밝기값을 가지는 경우에는 잡음의 범위가 줄어들게 되어, 효과적인 잡음제거가 어려워진다. 저조도일 경우에는 잡음의 범위가 줄어들더라도, 신호의 크기도 줄어들기 때문에, 신호대잡음비(SNR: Signal to Noise Ratio)가 크게 떨어지게 된다. 따라서 저조도에서의 잡음제거를 위해서는, 잡음의 범위를 결정하는 범위가 저조도일수록 넓어지도록 조절하는 것이 바람직하다. If we use the above equation, the range of noise is reduced if we have a small brightness value, which makes effective noise removal difficult. In the case of low light, the signal to noise ratio (SNR) is greatly reduced because the signal size is reduced even if the noise range is reduced. Therefore, in order to remove noise at a low light level, it is preferable to adjust the range for determining the range of noise to be wider as the luminance is lower.
따라서 상기 알고리즘은 다음과 같이 변형하여, 저조도에서 잡음제거 능력을 향상시킬 수 있다. ref의 식에 조도 보상을 위한 보충치를 가한다. 즉, 현재픽셀의 밝기값 Y(x,y)가 영상의 평균값 avg보다 작을 경우, 잡음의 범위를 더 늘려준다.Therefore, the above algorithm can be modified as follows to improve the noise cancellation ability at low illumination. The supplementary value for the illumination compensation is added to the expression of ref. That is, if the brightness value Y (x, y) of the current pixel is smaller than the average value avg of the image, the range of the noise is further increased.
예컨대, 상기 현재픽셀의 값에 대한 연산치는, 상기 영상의 모든 픽셀의 대표값과 상기 현재픽셀의 값의 차에 상기 영상의 모든 픽셀의 대표값을 가산한 값으로 구현할 수 있다.For example, the computed value of the current pixel value may be a value obtained by adding a representative value of all pixels of the image to a difference between a representative value of all the pixels of the image and the current pixel value.
여기서, 상기 참조픽셀의 대표값은, 산술평균, 기하평균, 조화평균, 가중평균, 중간값(메디안값) 또는 최빈수임이 바람직하다. 아래 코드에는 산술평균으로 구현하는 것을 상정하고 있다.Here, the representative value of the reference pixel is preferably an arithmetic mean, a geometric mean, a harmonic mean, a weighted mean, a median (median), or a minimum. The code below assumes an implementation with arithmetic mean.
sum = 0;sum = 0;
cnt = 0;cNt = 0;
refref = = absabs (Y(x,y)-(Y (x, y) - avgavg ) + ) + avgavg ;;
ref = S*sqrt(ref);ref = S * sqrt (ref);
for (i=-DW; i<=DW; i++){for (i = -DW; i <= DW; i ++) {
for (j=-DW; j<=DW; j++){ for (j = -DW; j <= DW; j ++) {
if (abs(Y(x+i,y+j)-Y(x,y))<=ref){ if (abs (Y (x + i, y + j) - Y (x, y)
sum += Y(x+i,y+j); sum + = Y (x + i, y + j);
cnt ++ cnt ++
} }
} }
}}
Z(x,y) = int(sum/cnt);Z (x, y) = int (sum / cnt);
5. 5. 솔트앤페퍼Salt and pepper 잡음제거를 위한 알고리즘의 변형 <컴퓨터 알고리즘의 예> Modification of Algorithm for Noise Reduction <Example of Computer Algorithm>
도 2와 같은 솔트앤페퍼 잡음은, 항상 존재한다고 해도 좋을 이미지 센서의 결함(defect)때문에 나타나므로, 잡음제거 알고리즘은 이들에 대한 대응능력을 갖추고 있어야 한다. 그러나, 이 잡음이 연속으로 발생할 경우에는, 잡음인지 영상의 일부인지를 구분하는 것이 매우 어렵기 때문에, 단독으로 존재하는 솔트앤페퍼 잡음을 제거하는 것을 구현한다.Since the Salt and Pepper noise as shown in Fig. 2 appears due to the defect of the image sensor which may always exist, the noise reduction algorithm should have a capability of coping with them. However, if this noise occurs consecutively, it is very difficult to distinguish whether it is a part of a noise-perceived image, thus implementing the elimination of the existing Salt and Pepper noise alone.
현재픽셀이 솔트앤페퍼 잡음인 경우에는, 주변 참조범위에 잡음 허용범위를 가지는 유사한 밝기값의 참조픽셀이 존재하지 않는다는 특징을 가지고 있다. 따라서, 현재픽셀의 값이 잡음 참조범위에서 최대값이나 최소값일 경우에는, 이를 2번째 최대값이나 2번째 최소값으로 대체함으로써 결함 픽셀을 제거한다. If the current pixel is Salt & Pepper noise, then there is no reference pixel of similar brightness value with noise tolerance in the peripheral reference range. Therefore, if the value of the current pixel is the maximum value or the minimum value in the noise reference range, the defective pixel is removed by replacing it with the second maximum value or the second minimum value.
즉, 상기 기여픽셀 판정단계에 있어서, 상기 참조픽셀의 값 중에서 크기 순으로 복수의 최대치와 동일한 복수의 최소치를 기억하여 두고, 상기 보정단계에 있어서 상기 기여픽셀의 수가 하나인 경우에는, 상기 복수의 최대치, 복수의 최소치 및 현재픽셀의 값에 대한 대표값을 상기 보정치로 결정함이 바람직하다.That is, in the contribution pixel determination step, a plurality of minimum values equal to a plurality of maximum values are stored in order of magnitude in the values of the reference pixels, and when the number of the contribution pixels is one in the correction step, A representative value of the maximum value, the plurality of minimum values, and the values of the current pixel is determined as the correction value.
여기서, 상기 복수의 최대치, 복수의 최소치 및 현재픽셀의 값에 대한 대표값은, 산술평균, 기하평균, 조화평균, 가중평균, 중간값(메디안값) 또는 최빈수임이 바람직하다. 아래 코드에서는 중간값으로 구현된 것이 예시되어 있다.Here, the representative values of the plurality of maximum values, the plurality of minimum values, and the values of the current pixels are preferably an arithmetic mean, a geometric mean, a harmonic mean, a weighted mean, a median (median), or a minimum. In the code below, it is illustrated that it is implemented as an intermediate value.
sum = 0;sum = 0;
cnt = 0;cNt = 0;
max = 0;max = 0;
max2 = 0;max2 = 0;
min = 1<<10;min = 1 << 10;
min2 = 1<<10;min2 = 1 << 10;
ref = abs(Y(x,y)-avg) + avg;ref = abs (Y (x, y) - avg) + avg;
ref = S*sqrt(ref);ref = S * sqrt (ref);
for (i=-DW; i<=DW; i++){for (i = -DW; i <= DW; i ++) {
for (j=-DW; j<=DW; j++){ for (j = -DW; j <= DW; j ++) {
if (abs(Y(x+i,y+j)-Y(x,y))<=ref){ if (abs (Y (x + i, y + j) - Y (x, y)
sum += Y(x+i,y+j); sum + = Y (x + i, y + j);
cnt ++ cnt ++
} }
if (Y(x,y)>max){ if (Y (x, y) > max) {
max2 = max; max2 = max;
max = Y(x,y); max = Y (x, y);
} elsif (Y(x,y)>max2){ } elsif (Y (x, y) > max2) {
max2 = Y(x,y); max2 = Y (x, y);
} }
if (Y(x,y)<min){ if (Y (x, y) < min) {
min2 = min; min2 = min;
min = Y(x,y); min = Y (x, y);
} elsif (Y(x,y)<min2){ } elsif (Y (x, y) < min2) {
min2 = Y(x,y); min2 = Y (x, y);
} }
} }
}}
if (cnt==1){if (cnt == 1) {
median(max,max2,Y(x,y),min2,min); median (max, max2, Y (x, y), min2, min);
} else {} else {
Z(x,y) = int(sum/cnt); Z (x, y) = int (sum / cnt);
}}
6. 잡음제거 알고리즘의 화질 비교(종래기술과의 비교)6. Comparison of image quality of noise reduction algorithm (comparison with the prior art)
종래의 대표적인 잡음제거 알고리즘인 평균(average)필터(도 5), 메디안(median, 중간값)필터(도 6), 가우시안(Gaussian)필터(도 7)를 사용한 잡음제거 결과와 본 발명의 영상잡음 제거방법(도 8)의 비교결과를 제시한다.Noise cancellation results using a typical noise reduction algorithm, an average filter (FIG. 5), a median filter (FIG. 6), and a Gaussian filter (FIG. 7) The comparison results of the removal method (Fig. 8) are presented.
평균필터(도 5)와 가우시안필터(도 7)의 경우에는, 영상 전반에 걸쳐서 수많은 점들이 남아 있고, 이 점들은 솔트앤페퍼 중 흰 점이나 검은 점이 완전히 주변픽셀들과 조화를 이루지 못하여 눈에 인식되는 것이다. 따라서 제대로 잡음제거가 이루어졌다고 할 수 없다.In the case of the average filter (Fig. 5) and the Gaussian filter (Fig. 7), a large number of dots remain throughout the image, and these dots do not completely match the surrounding pixels, It is recognized. Therefore, noise can not be properly removed.
메디안필터(도 6)의 경우에는, 영상 전반에 걸친 점들은 존재하지 않지만, 전체적으로 블러(blur)처리를 한 듯이 화질이 뭉개져 있음을 유의하여야 한다. 즉, 영상 속의 인물이 쓰고 있는 두건이나 바지는 모두, 골판지와 같은 촘촘한 스트라이프 무늬를 가지는데, 본 발명의 방법(도 8)에 의한 처리결과물에는 이러한 무늬가 매우 선명하게 나타나 있는 반면에, 메디안필터에 의한 처리결과물의 경우에는 이러한 무늬가 매우 뭉개져 있음을 알 수 있다. 따라서 과도하게 잡음처리를 행하여, 잡음이 아닌 데이터까지 그 값을 바꿔버려서, 엉뚱한 결과가 되었다고 생각된다.In the case of the median filter (FIG. 6), it is noted that there are no points over the entire image, but the image quality is blurred as if the blur processing is performed as a whole. In other words, both hoods and pants used by characters in a video have a tight stripe pattern like corrugated cardboard. In the result of processing according to the method of the present invention (Fig. 8), such a pattern appears very clearly, It can be seen that these patterns are very crushed. Therefore, it is considered that the noise processing is performed excessively and the value is changed to data other than noise, resulting in an erroneous result.
본 발명의 방법을 적용한 경우(도 8)에는, 영상 전반에 걸친 점들도 존재하지 않고, 또한 스트라이프 무늬 등도 선명하게 유지되어 있음을 알 수 있다. 따라서 목적에 맞게 잡음에 해당되는 픽셀에 대해서만 픽셀 값을 수정하고, 정상적인 픽셀에 대해서는 그 영향을 최소화하였음을 알 수 있다.In the case of applying the method of the present invention (Fig. 8), it can be seen that there are no points over the entire image, and the stripe pattern is also maintained clearly. Therefore, it can be seen that the pixel value is corrected only for the pixel corresponding to the noise according to the purpose, and the influence is minimized for the normal pixel.
이상, 본 발명에 대하여 구체적 실시예를 통하여 상세히 설명하였지만, 본 발명은 이 실시예에 한정되는 것은 아니며, 청구범위에 기재된 범위로부터 당업자가 용이하게 변경, 변형, 개량한 것도 본 발명의 범위에 속하는 것으로 해석되어야 함은 당연하다.Although the present invention has been described in detail with reference to the specific embodiments thereof, it is to be understood that the present invention is not limited to these embodiments, and those skilled in the art may easily change, modify, or improve the scope of the present invention It should be understood that it should be construed as.
본 발명은 영상잡음 제거 산업에 이용될 수 있다.The present invention can be used in a video noise cancellation industry.
m,n: 영상의 세로(row), 가로(column)의 좌표
Y(x,y): 현재픽셀의 밝기값
i,j: 임의의 픽셀의 좌표m, n: coordinates of the image row and column
Y (x, y): brightness value of the current pixel
i, j: coordinates of arbitrary pixel
Claims (9)
(1) 각 상기 픽셀마다 현재픽셀(current pixel)로 순차 지정하도록 설정하고, 상기 현재픽셀의 값에 대한 보정치를 산출하는데 이용될 획일적 자료범위가 되는 복수의 픽셀인 참조픽셀의 집합을 정의하기 위한 참조범위값을 결정하는 참조범위값 결정단계와,
(2) 모든 상기 현재픽셀마다,
(2-1) 상기 참조픽셀 중에서 상기 현재픽셀의 값에 대한 보정치를 산출하는데 이용될 확정자료가 되는 복수의 픽셀인 기여픽셀에 해당되는지의 여부를 판정하기 위한 기준치를 결정하는 기준치 결정단계와,
(2-2) 각 상기 참조픽셀마다 현재참조픽셀(current reference pixel)로 순차 지정하도록 설정하고, 상기 현재참조픽셀의 값과 상기 현재픽셀의 값 사이의 연산치를 상기 기준치와 비교함으로써 상기 기여픽셀에 해당되는지의 여부를 판정하는 처리를, 모든 상기 참조픽셀에 대하여 반복 수행하는 기여픽셀 판정단계와,
(2-3) 상기 모든 기여픽셀의 값에 대한 대표값을 보정치로 결정하고, 상기 현재픽셀의 값을 상기 보정치로 대체하는 보정단계
를 포함하는 단위반복처리를 반복 수행하는 전체픽셀 처리단계
를 포함함을 특징으로 하는 영상잡음 제거방법.CLAIMS What is claimed is: 1. A method for eliminating noise contained in an image comprising a plurality of pixels,
(1) to define a set of reference pixels, which are a plurality of pixels which are set to be sequentially designated with a current pixel for each of the pixels and to be a uniform data range to be used for calculating a correction value for the value of the current pixel A reference range value determining step of determining a reference range value ,
(2) for every said current pixel,
(2-1) a reference value determining step of determining a reference value for determining whether or not the reference pixel corresponds to a contributing pixel, which is a plurality of pixels, which is to be used for calculating a correction value for the value of the current pixel,
(2-2) setting a current reference pixel for each of the reference pixels so as to be sequentially designated, and comparing the calculated value between the current reference pixel value and the current pixel value to the reference value, A contribution pixel determination step of performing, for all the reference pixels,
(2-3) determining a representative value of the values of all the contributing pixels as a correction value, and replacing the value of the current pixel with the correction value
The entire pixel processing step of repeatedly performing the unit iterative processing including
And removing the image noise.
상기 기여픽셀 판정단계에 있어서 상기 기준치와 비교되는 연산치는, 뺄셈에 의한 차 또는 나눗셈에 의한 몫임
을 특징으로 하는 영상잡음 제거방법.The method according to claim 1,
The calculated value to be compared with the reference value in the contribution pixel determination step is a difference by subtraction or division by subtraction
Wherein the image noise removal method comprises:
상기 보정단계에 있어서 상기 대표값은, 산술평균, 기하평균, 조화평균, 가중평균, 중간값(메디안값) 또는 최빈수임
을 특징으로 하는 영상잡음 제거방법.The method according to claim 1 or 2,
In the correction step, the representative value may be an arithmetic mean, a geometric mean, a harmonic mean, a weighted mean, an intermediate value (median value)
Wherein the image noise removal method comprises:
상기 기준치 결정단계에 있어서 상기 기준치는, 상기 현재픽셀의 값의 k승근(k≥1) 또는 상기 현재픽셀의 값에 대한 연산치의 k승근(k≥1)임
을 특징으로 하는 영상잡음 제거방법.The method according to claim 1 or 2,
In the reference value determining step, the reference value is a k-th power of the value of the current pixel (k? 1) or a k-th power of the calculated value of the current pixel (k? 1)
Wherein the image noise removal method comprises:
상기 현재픽셀의 값에 대한 연산치는, 상기 영상의 모든 픽셀의 대표값과 상기 현재픽셀의 값의 차에 상기 영상의 모든 픽셀의 대표값을 가산한 값임
을 특징으로 하는 영상잡음 제거방법.The method of claim 4,
Wherein the computed value for the current pixel value is a value obtained by adding a representative value of all pixels of the image to a difference between a representative value of all pixels of the image and a value of the current pixel
Wherein the image noise removal method comprises:
상기 영상의 모든 픽셀의 대표값은, 산술평균, 기하평균, 조화평균, 가중평균, 중간값(메디안값) 또는 최빈수임
을 특징으로 하는 영상잡음 제거방법.The method of claim 5,
The representative values of all the pixels of the image may be arithmetic mean, geometric mean, harmonic mean, weighted average, median (median)
Wherein the image noise removal method comprises:
상기 기준치 결정단계에 있어서 상기 기준치는, 미리 정해지는 비례상수를 가짐
을 특징으로 하는 영상잡음 제거방법.The method according to claim 1 or 2,
In the reference value determination step, the reference value has a predetermined proportional constant
Wherein the image noise removal method comprises:
상기 기여픽셀 판정단계에 있어서, 상기 참조픽셀의 값 중에서 크기 순으로 복수의 최대치와 동일한 복수의 최소치를 기억하여 두고,
상기 보정단계에 있어서 상기 기여픽셀의 수가 하나인 경우에는, 상기 복수의 최대치, 복수의 최소치 및 현재픽셀의 값에 대한 대표값을 상기 보정치로 결정함
을 특징으로 하는 영상잡음 제거방법.The method according to claim 1 or 2,
In the contribution pixel determination step, a plurality of minimum values equal to a plurality of maximum values in the order of magnitude are stored in the values of the reference pixels,
If the number of contributing pixels is one in the correcting step, the plurality of maximum values, the plurality of minimum values, and the representative value for the values of the current pixel are determined as the correction values
Wherein the image noise removal method comprises:
상기 복수의 최대치, 복수의 최소치 및 현재픽셀의 값에 대한 대표값은, 산술평균, 기하평균, 조화평균, 가중평균, 중간값(메디안값) 또는 최빈수임
을 특징으로 하는 영상잡음 제거방법.The method of claim 8,
The representative values for the plurality of maximum values, the plurality of minimum values, and the values of the current pixels may be arithmetic mean, geometric mean, harmonic mean, weighted mean, median value,
Wherein the image noise removal method comprises:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140124596A KR101619089B1 (en) | 2014-09-18 | 2014-09-18 | noise reduction method in images |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140124596A KR101619089B1 (en) | 2014-09-18 | 2014-09-18 | noise reduction method in images |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20160033884A true KR20160033884A (en) | 2016-03-29 |
| KR101619089B1 KR101619089B1 (en) | 2016-05-11 |
Family
ID=55661756
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020140124596A KR101619089B1 (en) | 2014-09-18 | 2014-09-18 | noise reduction method in images |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101619089B1 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101716818B1 (en) * | 2016-08-09 | 2017-03-16 | (주) 씨앤비텍 | Cctv camera systems for ultra low illumination |
| WO2018070632A1 (en) * | 2016-10-11 | 2018-04-19 | 엘지전자 주식회사 | Video decoding method and device in video coding system |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000106630A (en) | 1998-09-28 | 2000-04-11 | Matsushita Electric Ind Co Ltd | Noise eliminating method for digital image |
| JP2003242504A (en) * | 2002-02-13 | 2003-08-29 | Fuji Photo Film Co Ltd | Image processor |
| JP4167200B2 (en) | 2004-04-13 | 2008-10-15 | 富士フイルム株式会社 | Signal processing apparatus, signal processing method, and digital camera |
-
2014
- 2014-09-18 KR KR1020140124596A patent/KR101619089B1/en active IP Right Grant
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101716818B1 (en) * | 2016-08-09 | 2017-03-16 | (주) 씨앤비텍 | Cctv camera systems for ultra low illumination |
| WO2018070632A1 (en) * | 2016-10-11 | 2018-04-19 | 엘지전자 주식회사 | Video decoding method and device in video coding system |
| US10750190B2 (en) | 2016-10-11 | 2020-08-18 | Lg Electronics Inc. | Video decoding method and device in video coding system |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101619089B1 (en) | 2016-05-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108550158B (en) | Image edge processing method, electronic device and computer readable storage medium | |
| JP5337818B2 (en) | Image processing method and apparatus | |
| US9147230B2 (en) | Image processing device, image processing method, and program to perform correction processing on a false color | |
| US20030169353A1 (en) | Method and apparatus for processing sensor images | |
| CN102473293B (en) | Image processing apparatus and image processing method | |
| KR102639420B1 (en) | Edge rejection scene-based non-uniformity correction for uncooled infrared | |
| US9830690B2 (en) | Wide dynamic range imaging method | |
| WO2006018658A2 (en) | Image processing method and computer software for image processing | |
| JP2007312304A (en) | Image processing apparatus and image processing method | |
| US8917419B2 (en) | Image processing apparatus and control method thereof | |
| KR100793288B1 (en) | Image processing apparatus and method thereof | |
| JP2010193199A (en) | Image processor and image processing method | |
| JP4477618B2 (en) | Reliable image sharpening method | |
| KR101619089B1 (en) | noise reduction method in images | |
| CN111210764A (en) | LED screen correction method and correction device | |
| CN114596212A (en) | Image processing method, device and equipment | |
| WO2014133010A1 (en) | Image processing method and image processing device | |
| CN110428391B (en) | Image fusion method and device for removing ghost artifacts | |
| CN113920037B (en) | Endoscope picture correction method, device, correction system and storage medium | |
| JP2012253726A (en) | Image processor | |
| CN115937032A (en) | Underwater dark image restoration method and system | |
| KR20100085338A (en) | Image quality enhancement method using histogram equalization by parity probability segmentation | |
| US20230169689A1 (en) | Suppression of clipping artifacts from color conversion | |
| US20150262340A1 (en) | Image processor | |
| JP5365878B2 (en) | Filter device and filtering method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20190502 Year of fee payment: 4 |