Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | |||
| 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 12 | 13 | 14 | 15 | 16 | 17 | 18 |
| 19 | 20 | 21 | 22 | 23 | 24 | 25 |
| 26 | 27 | 28 | 29 | 30 |
Tags
- OpenGL
- depthwise convolution
- 포인터
- Deep Learning
- Diffusion
- deformable covolution
- 최대 가능도 추정
- 최대 사후 확률
- Vision Transformer
- posec3d
- Image denoising
- covolution
- 오블완
- CNN
- Focal loss
- mobilenet
- Action Recognition
- Unreal Engine
- 모수 추정 방법
- convolution
- 티스토리챌린지
- Swin Transformer
- 딥러닝
- DDPM
- C++
- computer graphics
Archives
- Today
- Total
심드렁하게 저장
이미지 명암 대비 개선 - 히스토그램 평활화 / 스트레칭 본문
히스토그램 평활화
특징
- 히스토그램 평활화는 입력 이미지의 히스토그램 분포를 평탄화하여 모든 밝기 레벨의 픽셀 값이 최대한 균등하게 분포되도록 만든다.
- 이미지의 명암 대비를 자동으로 증가시킨다.
- 주로 누적 분포 함수(CDF, Cumulative Distribution Function)를 계산하여 픽셀 값을 변환한다.
- 히스토그램이 넓게 분포하지 않은 저대비 이미지에서 특히 유용하다.
장점
- 명암 대비가 낮은 이미지에서 디테일을 더 잘 드러낸다.
- 특정 밝기 영역에 집중된 히스토그램을 균등하게 확장시켜 전반적인 대비를 개선한다.
단점
- 이미지의 밝기 및 색조가 과도하게 변화할 수 있어 자연스러움이 감소할 수 있다.
- 컬러 이미지의 경우 RGB 채널 각각에 적용하면 색상이 왜곡될 수 있다.
활용 사례
- 의료 영상(예: X-ray)에서 명확한 디테일이 요구되는 경우.
- 위성 이미지 처리에서 지형 대비를 강조하는 경우.
- 문서 스캔 이미지를 명확히 보이게 하기 위해.
히스토그램 스트레칭
특징
- 히스토그램 스트레칭은 입력 이미지의 히스토그램 범위를 전체 밝기 범위(예: 0~255)로 선형적으로 확장한다.
- 이미지의 최소 및 최대 밝기 값을 기반으로 픽셀 값을 변환한다.
- 원래 히스토그램의 모양을 유지하면서 대비를 증가시킨다.
장점
- 원본 이미지의 밝기 및 색조를 크게 변경하지 않음
- 연산이 간단하며, 계산량이 적음
- 색상 왜곡 없이 자연스러운 명암 대비 개선이 가능
단점
- 히스토그램이 고르게 분포되지 않은 경우에는 대비 개선 효과가 적을 수 있음
- 밝기 범위가 제한적일 때 효과가 떨어질 수 있음
활용 사례
- 자연 이미지에서 간단한 대비 조정이 필요한 경우.
- 실시간 영상 처리에서 빠르고 가벼운 연산이 필요한 경우.
- 컬러 이미지의 색상을 유지하며 대비를 높이는 경우.
비교 표
| 특징 | 히스토그램 평활화 | 히스토그램 스트레칭 |
| 히스토그램 분포 | 평탄화하여 균일 분포를 만듦 | 기존 분포를 유지하며 범위를 확장 |
| 연산 복잡도 | 중간 (CDF 계산 필요) | 낮음 (선형 변환) |
| 색상 왜곡 | 컬러 이미지에서 왜곡 가능 | 색상 유지 |
| 적용 효과 | 저대비 이미지의 디테일 강조 | 전체적인 명암 대비 증가 |
| 적용 대상 | 명암 대비가 매우 낮은 이미지 | 명암 대비가 약간 낮거나 범위가 제한된 이미지 |
예시 결과

'Image Processing & Computer Vision' 카테고리의 다른 글
| OpenCV 자료형 : Mat과 Mat_의 차이 (1) | 2024.12.26 |
|---|