Chap.2 Point processes

1. Chap.2 Point processes • Inverting : f(x,y) <- 255-f(x,y) • arithmetic operations • adding, subtracting, dividing, and multiplexing pixels by constant • When values become greater than 255, they are set to 255 • f(x,y) <- f(x,y) + 10 • f(x,y) <- min(255, max(f(x,y), 0)) • fig. 2.1, 2,2 Practical Image Processing

2. Histogram • view intensity profile of an image • give information on contrast & overall intensity distribution of image • used to determine range of pixels for objects or background : thresholding Practical Image Processing

3. Invert, Addition ? f(x,y) <- f(x,y)+50 f(x,y) <- 255-f(x,y) Practical Image Processing

4. XOR operation • bit operation • generate binary image where value of 0 is assigned to pixels whose value were the same as some constant mask • gray value of a pixel x = 1011, mask y = 0101 • x XOR y = 1110, (x XOR y) XOR y = 1011 • y XOR y = 0000 • often used to generate cursor Practical Image Processing

5. Look-up Table • 점 처리는 명암값을 다른 명암값으로 변경하는 것임 Look-up Table(1차원 배열)을 사용해서 빠르게 수행 • 입력 : 픽셀의 명암값  배열의 인덱스가 됨 • 출력 : 그 픽셀의 변환된 명암값  배열의 값 • 각 픽셀에 대해 처리하기 전에 미리 LUT 만듦 • 각 픽셀은 단지 한번의 메모리 참조만 필요  매우 빠름 Practical Image Processing

6. Histogram equalization(히스토그램 평활화) • 자동으로 영상의 밝기 조정 (비교 : 히스트그램 스트레칭) • 히스토그램을 좁히거나 넓혀 가능하면 모든 명암값에 대해 균일한 히스토그램을 얻고자 함 • 방법 • 히스토그램을 계산 (compute histogram) • 히스토그램의 “정규화된 합계”를 구함 (calculate normalized sum of histogram) • “정규화된 합계” 를 Look up table로 사용해서 각 픽셀의 명암값 변환 (transform input image to output image) • 영상이 어두워서 구별이 잘 안되던 부분이 향상됨 • 포토샵 : 이미지>조정>자동레벨 Practical Image Processing

7. Practical Image Processing

8. Practical Image Processing

9. Image : 4 4 3 3 4 4 3 3 4 1 2 3 0 1 2 3 Max_level =7 # pixels =16 Normalized sum(정규화된 합계): sum * max_level / # pixels Ex) for level=2, ns = 5 * 7 / 16 = 2.18 Practical Image Processing

10. 히스토그램 평활화 : 프로그램 (교과서 64쪽) float scale_factor = (float)255.0/(m_nHeight * m_nWidth); for(int i=0 ; i<256 ; i++) hist[i] = 0; // 전체의 픽셀의 값으로 찾아가서 그 수가 나오면 1씩 증가 for(int j=1;j<m_nHeight;j++) for(i=1;i<m_nWidth; i++) // 배열 hist[]에 hist[image_in[j][i]] += 1; // 히스토그램이 저장됨 //정규화된 합계(normalized sum of histogram) 을 구함 for(i=0; i<256;i++) { sum += hist[i]; sum_hist[i] = unsigned int((sum * scale_factor) + 0.5); } //정규화된 합계를 LUT로 해서 영상을 변환함. for(j=0;j<m_nHeight-1;j++) for(i=0;i<m_nWidth-1; i++) image_out[j][i] = sum_hist[image_in[j][i]]; Practical Image Processing

11. Histogram specification(히스토그램 명세화) • 히스트그램 평활화 : 처리된 영상의 히스트그램이 가능한 균일한 분포를 가지도록  결과 히스트그램 : 균일한 값 (uniform distribution) : 고정된 값.  사용자가 정해 줄 필요 없음 • 히스토그램 명세화 : 명암값의 특정부분(어두운 부분, 혹은 밝은 부분)을 더 밝게 혹은 어둡게 하고자 함  결과 히스트그램을 사용자가 제공 • 기술적으로는 히스트그램 평활화와 역 평활화의 두 단계를 거침 : 그렇지만 Look up table 처리가 됨 • histogram equalization + inverse histogram equalization Practical Image Processing

12. 역평활화 : 다음 슬라이드 평활화 : 앞에서 설명 Practical Image Processing

13. 원하는 히스토그램의 normalized sum 역변환표(inverse Look Up Table) 2와 가장 가까운 값의 index Inverse Histogram Equalization Practical Image Processing

14. 히스토그램 명세화 : 프로그램 (교과서 68쪽 참조) void histogram_specificationbuffer : input image (1D) number_of_pixels : desired_histogram : 1D /* clear histogram to 0 */ for (i=0; i<256; i++) histogram[i]=0; /* calculate histogram */ for (i=0; i<number_of_pixels; i++) histogram[buffer[i]]++; /* calculate normalized sum of hist */ sum=0.0; scale_factor=255.0/number_of_pixels; for (i=0; I<256; i++) { sum += histogram[i]; sum_hist[i] = sum * scale_factor; } /* transform image using new sum_hist as a LUT */ for (i=0; i< number_of_pixels; i++) buffer[i]=(unsigned char) sum_hist[buffer[i]]; /* calculate normalized sum of hist for desired histogram */ sum=0.0; scale_factor = 255.0 / number_of_pixels; for (i=0; i<256; i++) { sum += desired_histogram[i]; sum_hist[i] = sum * scale_factor; } /* generate the inversed transform */ for (i=0; i< 256; i++) { difference = fabs(i-sum_hist[0]); min = 0; for (j=0; i<256; j++) { if (fabs(i-sum_hist[j]) < differnece { difference = fabs(i-sum_hist[j]); min = j; } inv_hist[i] = (unsigend_char) min; } /* transform final image using inv_hist */ for (i=0; i < number_of_pixels; i++) buffer[i] = inv_hist[buffer[i]]; 평활화 역평활화 Practical Image Processing

15. 콘트라스트 스트레칭(Contrast stretching)(히스토그램 스트레칭, 히스토그램 확장) High Contrast Low Contrast Practical Image Processing

16. 히스토그램을 선형적(linear)으로 변환 입력영상 : Low=50, high=200 출력영상 : Low=0, high=255 Practical Image Processing

17. 콘트라스트 스트레칭(Contrast stretching) 입력영상 범위 : (fmin, famx) 출력영상 범위 : (gmin, gamx) 입력영상의 명암값 f  출력 영상의 명암값 g 일반적인 경우 출력영상 범위가 (0, 255)인 경우 입력영상 범위 설정 방법 1) 사용자 지정 2) 입력 영상에서 최대 , 최소값 구함 (basic method) 3) 입력 영상의 최대, 최소값에서 각각 p% 버림 (p-tile method (ends-in search)) Practical Image Processing

18. 히스토그램 확장 : basic method (교과서 72쪽 참조) void auto_histogram_stretchsource : input image (1D) /* compute historgram */ // histogram[0..255]에 저장 /*히스토그램에서 최대(high), 최소(low) 구함 */ for (i=255; i>=0; i--) if (histogram[i]) { high = i; break; } for (i=0; i<255; i++) if (histogram[i]) { low = i; break; } /* LUT 만듦 */ for (i=0; i<low; i++) LUT[i] = 0; for (i=255; i>high; i--) LUT[i]=0; scale = 255.0 / (high-low); for (i=low; i<=high; i++) LUT[i] = (unsigned char) ((i-low)*scale + 0.5); /* LUT를 이용하여 점처리. 입력 영상에 엎어씀 */ for (i=0; i < number_of_pixels; i++) source[i] = LUT[source[i]]; Practical Image Processing

19. 히스토그램 확장 : p-tile method (교과서 74쪽 참조) void auto_histogram_stretchsource : input image (1D) low : 명암값 작은 쪽 low%는 0으로 high : 명암값 큰쪽 high%는 0으로 /* compute historgram */ // hist[0..255]에 저장 /*입력 low, high에서 최대, 최소 명암값 (highthres, lowthres) 구함 */ sum = 0; for (i=0; i<255; i++) { sum += hist[i]; if (sum * 100 / n_pixels >= low) { lowthres = i; break; } } sum = 0; for (i=255; i<=0; i--) { sum += hist[i]; if (sum * 100 / n_pixels <= high) { highthres = i; break; } } /* LUT 만듦 */ for (i=0; i<lowthres; i++) LUT[i] = 0; for (i=255; i>highthres; i--) LUT[i]=0; scale = 255.0 / (highthres-lowthres); for (i=lowthres; i<=highthres; i++) LUT[i] = (unsigned char) ((i-lowthres)*scale + 0.5); /* LUT를 이용하여 점처리. 입력 영상에 엎어씀 */ for (i=0; i < number_of_pixels; i++) source[i] = LUT[source[i]]; Practical Image Processing

20. 명암변환(Histogram transformation) • 입력 영상의 명암값  출력 영상의 명암값으로 변환 : 변환 함수를 미리 지정함 • 변환함수가 바로 LUT 가 됨 : 프로그램 간단 • 변환 함수에 따라 다양한 효과 (포토샵에서 Image>Adjust>Curves 참조) • null transform : g = f • negative transform : g = 255-f (fig. 2.15) Practical Image Processing

21. Practical Image Processing

22. Gamma correction :센서, 디스플레이, 필름등의 비선형 특성 보상 Sample input Monitor output Gamma Correction Gamma corrected input Monitor output Practical Image Processing

23. Gamma Correction: 프로그램 void gamman_correctionsource : input image (1D)gamma : 감마 값 (사용자 지정) /* LUT 만듦 */ for (i=0; i<256; i++) LUT[i] = (unsigned char) (pow(i/255.0, gamma)*255.0 + 0.5); /* LUT를 이용하여 점처리. 입력 영상에 엎어씀 */ for (i=0; i < number_of_pixels; i++) source[i] = LUT[source[i]]; Practical Image Processing

24. contrast stretching : fig. 2.17 a, b) • produce brighter image • contrast compression : fig. 2. 17 c, d) • produce darker image • posterizing : fig. 2. 18 a, b) • reduce number of gray-levels • thresholding : fig. 2. 18 c, d) • produce binary image Practical Image Processing

25. Posterizing (6레벨) for (i=0; i<256; i++) { LUT[i] = (i + level-1) / n_level ; LUT[i] = LUT[i] * n_level;} Practical Image Processing

26. bit clipping : fig. 2. 19 • set some MSB to 0 • transfer function : fig. 2. 19 a) • 등 명암 윤곽화 : 그림 2-21 a, b) • 특정 gray level을 흰색/검정색으로 • 범위 강조 : 그림 2-22 a, b) • 특정 gray level 범위를 흰색/검정색으로 • Solarizing : fig 2-23 a, b) • parabola transform : fig 2-24 Practical Image Processing

27. Homework # 1 : 4/10 다음 각 연산을 프로그램 하고 그 결과를 보여라. • Histogram equalization • Histogram stretching (basic method) • Gamma correction (gamma = 1.5) • Posterizing (4 levels) 결과물 (입력영상은 자유롭게 선택): 입력영상, 결과 영상 (히스토그램 포함) 프로그램(해당함수만 인쇄) Practical Image Processing