컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석 9-3. Histogram Equalization

본 내용은 Edwith의 컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석을 요약 정리한 내용으로 DGIST 박상현 교수님과 Edwith, STAR-MOOC에 그 저작권이 있음을 미리 공지합니다.

Histogram

Histogram을 통해 밝기 값을 변화시켜주는 것에 대해 배워볼 것

구역별 pixel의 개수를 구함으로써 표를 구함

Bin의 개수 계산

어두운 그림의 경우 0~255 중 0에 가깝게 분포해 있음

Bin size 조율 가능

주어진 밝기를 기반으로 분포를 짐작할 수 있음

그리고 이를 기반으로 Cumulative Density Function(CDF)도 예상 가능

어두운 그림의 경우 log 형태와 같이 끝의 기울기가 0에 가까워짐

밝은 그림의 경우 exp 형태

Histogram Equalization의 아이디어는 단순히 Intensity만을 고려한 Linear Normalization 방식과 달리 분포를 고려한 CDF를 사용하여 Intensity를 변환해줌

이는 분포가 적은 경우 비슷한 밝기로 변환될 것임

ex)

1) 어두운 그림

어두운 pixel의 수가 많고 밝은 pixel의 수가 적을 것

이는 적은 수의 pixel에 대해서는 비슷비슷하게 변화하지만 어두운 pixel의 경우 약간의 intensity의 변화임에도 밝기 변화가 크게 바뀜

2) 밝은 그림

밝은 pixel의 수가 많고 어두운 pixel의 수가 적을 것

밝은 pixel의 경우 약간의 intensity의 변화임에도 밝기 변화가 크고 어둡게 바뀜

3) Linear에 가까운 CDF 그림

변화가 크게 바뀌지 않을 예정

예시