The KIPS Transactions:PartB (정보처리학회논문지B)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

An Adaptive Histogram Redistribution Algorithm Based on Area Ratio of Sub-Histogram for Contrast Enhancement

명암비 향상을 위한 서브-히스토그램 면적비 기반의 적응형 히스토그램 재분배 알고리즘

  • 박동민 (한양대학교 전자전기제어계측공학과) ;
  • 최명렬 (한양대학교 전자컴퓨터공학부)
  • Published : 2009.08.31
Download PDF
⟨ Previous Next ⟩

Abstract

Histogram Equalization (HE) is a very popular technique for enhancing the contrast of an image. HE stretches the dynamic range of an image using the cumulative distribution function of a given input image, therefore improving its contrast. However, HE has a well-known problem : when HE is applied for the contrast enhancement, there is a significant change in brightness. To resolve this problem, we propose An Adaptive Contrast Enhancement Algorithm using Subhistogram Area-Ratioed Histogram Redistribution, a new method that helps reduce excessive contrast enhancement. This proposed algorithm redistributes the dynamic range of an input image using its mean luminance value and the ratio of sub-histogram area. Experimental results show that by this redistribution, the significant change in brightness is reduced effectively and the output image is able to preserve the naturalness of an original image even if it has a poor histogram distribution.

히스토그램 평활화는 주어진 입력 영상의 누적분포함수 CDF (Cumulative Distribution Function)를 이용하여 영상의 동적영역 (Dynamic Range)을 확장하고 히스토그램의 분포를 균등하게 함으로써 명암비를 개선한다. 그러나 히스토그램 평활화는 영상의 밝기를 과도하게 변하게 하는 단점이 있다. 본 논문에서는 과도한 명암비 향상을 억제하기위해 서브-히스토그램의 면적비 기반의 히스토그램 재분배를 이용한 적응형명암비 향상 알고리즘. 제안한 알고리즘은 영상의 동적영역을 입력영상의 휘도 평균값을 기반으로 분할하고, 분할된 영역의 면적비에 따라 밝기 분포를 재분배함으로써 과도한 밝기 변화를 효과적으로 억제 할 수 있다. 실험결과를 통하여 시각적으로 색의 왜곡이 없는 자연스러운 영상을 확인하였고, 평균값의 비교를 통해 과도한 밝기 변화를 억제한 것을 확인 할 수 있었다. 또한 히스토그램의 분포에 상관없이 대부분의 영상에서 우수한 결과를 나타내는 것을 실험결과에서 알 수 있었다.

Keywords

References

  1. R. C. Gonzalez, 'Digital Image Processing', 2nd Edition, Prentice Hall, pp.75-146, 2002
  2. R. Crane, 'A Simplified Approach to Image Processing,' Prentice Hall, pp.42-66, 1997
  3. Z. Y. Chen, et al., 'Gray-Level Grouping (GLG) : An Automatic Method for Optimized Image Contrast Enhancement . Part I : The Basic Method', IEEE Trans. on Image Processing, Vol.15, No.8, pp.2290-2302, 2006 https://doi.org/10.1109/TIP.2006.875204
  4. Y. T. Kim, et al., 'Contrast Enhancement Using Brightness Preserving Bi-Histogram Equalization', IEEE Trans. on Consumer Electronics, Vol.43, No.1, pp.1-8, 1997 https://doi.org/10.1109/30.580378
  5. Y. Wan, Q. Chen, and B. Zhang, 'Image enhancement based on equal area dualistic sub-image histogram equalization method', IEEE Trans. on Consumer Electronics, Vol.45, No.1, pp.68-75, 1999 https://doi.org/10.1109/30.754419
  6. S. D. Chen, and A. R. Ramli, 'Contrast Enhancement using Recursive Mean-Separate Histogram Equalization for Scalable Brightness preservation', IEEE Trans. on Consumer Electronics, Vol.49, No.4, pp.1301-1309, 2003 https://doi.org/10.1109/TCE.2003.1261233
  7. G. H. Park, et al., 'A Contrast Enhancement Method using Dynamic Range Separate Histogram Equalization', IEEE Trans. on Consumer Electronics, Vol.54, No.4, pp.1981-1987, 2008 https://doi.org/10.1109/TCE.2008.4711262
  8. M. Kim and M. G. Chung, 'Recursively Separated and Weighted Histogram Equalization for Brightness Preservation and Contrast Enhancement', IEEE Trans. on Consumer Electronics, Vol.54, No.3, pp.1389-1397, 2008 https://doi.org/10.1109/TCE.2008.4637632

Cited by

  1. Image Histogram Equalization Based on Gaussian Mixture Model vol.15, pp.6, 2012, https://doi.org/10.9717/kmms.2012.15.6.748