Advanced
A Study on Edge Detection Algorithm using Modified Mask in Salt and Pepper Noise Images
A Study on Edge Detection Algorithm using Modified Mask in Salt and Pepper Noise Images
Journal of the Korea Institute of Information and Communication Engineering. 2014. Jan, 18(1): 210-216
Copyright © 2014, The Korea Institute of Information and Commucation Engineering
This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License(http://creativecommons.org/li-censes/by-nc/3.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.
  • Received : August 21, 2013
  • Accepted : October 09, 2013
  • Published : January 31, 2014
Download
PDF
e-PUB
PubReader
PPT
Export by style
Share
Article
Author
Metrics
Cited by
TagCloud
About the Authors
창영 이
남호 김
nhk@pknu.ac.kr

Abstract
영상에서 에지는 물체와 물체 사이 또는 배경과 물체 사이에 나타나는 밝기 변화가 급격한 부분이며, 대상의 크기, 위치, 방향, 질감 등의 특징 정보를 포함한다. 에지 검출은 이러한 영상 정보를 획득하는 기술이며, 에지를 검출하기 위한 연구가 활발히 진행되고 있다. 대표적인 기존의 에지 검출 방법은 1차 미분 연산자를 이용한 Sobel, Prewitt, Roberts 및 2차 미분 연산자를 이용한 Laplacian 방법 등이 있다. 이러한 방법들은 salt and pepper 잡음에 훼손된 영상에서 에지 검출 특성이 다소 미흡하다. 따라서 본 논문에서는 국부 마스크의 잡음 밀도에 따라 처리 마스크 크기를 다르게 적용하는 변형된 마스크를 이용한 에지 검출 알고리즘을 제안하였다.
Keywords
I. 서 론
영상에서 에지는 물체와 물체 사이 또는 배경과 물체 사이에 나타나는 밝기 변화가 급격한 부분이며, 영상 특징을 분석하기 위한 중요한 요소이다. 에지는 입력 영상에 대한 물체의 위치, 모양, 크기 등의 다양한 특성 정보를 포함하며, 에지를 검출하기 위한 연구가 활발히 진행되고 있다. 기존의 방법에는 1차 및 2차 미분을 이용한 Sobel, Prewitt, Roberts, Laplacian 등이 대표적이다. 그리고 최근에는 복잡한 수식으로 이루어진 Fuzzy, SVM, Wavelet에 기반한 방법들이 이용되고 있다 [1 - 4] .
기존의 1차 및 2차 미분에 기반한 에지 검출 방법은 인접화소에 가중치를 적용한 수평, 수직이나 사선 방향의 마스크를 컨벌루션하여 에지를 검출하며, 연산이 비교적 간단하여 처리 속도 면에서 우수한 특성을 나타낸다 [5] . 그러나 기존의 에지 검출 방법은 마스크 화소 위치에 가중치가 고정되므로, salt and pepper 잡음에 훼손된 영상에서 에지 검출 특성이 다소 미흡하다.
따라서 본 논문에서는 salt and pepper 잡음 환경에서 효과적으로 에지를 검출하기 위하여, 변형된 마스크를 이용한 알고리즘을 제안하였다. 제안한 알고리즘은 국부 마스크의 잡음 밀도에 따라, 영상의 중심화소를 기준으로 처리 마스크를 다르게 적용하며, 정렬 벡터와 가중치 벡터에 의해 최종 에지를 구한다.
제안한 방법의 타당성을 입증하기 위하여, 시험 영상으로 512×512 크기의 Barbara( p = 15%, 30%)를 사용하였으며, 시뮬레이션 결과는 처리된 영상 및 그레이레벨에 의해 기존의 방법들과 비교하였다.
II. 기존의 에지 검출 방법
기존의 에지 검출 방법에는 1차 미분에 기반한 Sobel, Prewitt, Roberts 방법 등이 있다 [5] .
중심화소( i , j )에서 기울기는 식 (1)과 같이 1차 미분으로 표현된다.
PPT Slide
Lager Image
여기서 I 는 입력 영상이고, gi , gj 는 각각 수평 및 수직방향의 기울기이다.
최종 에지 출력은 식 (2)와 같이 정의된다.
PPT Slide
Lager Image
식으로부터 mag (∇ I )는 ∇ I 에 대한 기울기의 크기이며, 기울기의 방향은 식 (3)과 같이 표현된다.
PPT Slide
Lager Image
Sobel, Prewitt, Roberts 방법은 에지 검출 방법이 거의 유사하나, 각각의 마스크 크기 및 가중치의 위치가 상이하다. 이러한 차이로 인하여 각각의 마스크에 대한 특성이 다르게 나타난다. 각 방법들은 수평 및 수직 방향의 마스크 또는 사선 방향의 두 마스크로 구성되며 각 마스크를 입력 영상에서 컨벌루션하여 기울기를 구한다. Sobel 및 Prewitt 기울기는 식 (4)와 같다 [5 - 6] .
PPT Slide
Lager Image
여기서 Sobel 방법인 경우 α =1이고, Prewitt 방법인 경우 α =2이다.
Roberts 방법의 기울기는 식 (5)와 같이 표현된다 [5 - 6] .
PPT Slide
Lager Image
각 방법들의 최종 에지 출력은 식 (2)와 같이 표현된다.
III. 제안한 알고리즘
본 논문에서는 salt and pepper 잡음 환경에서 효과적으로 에지를 검출하기 위하여, 변형된 마스크를 제안하였다. 제안한 알고리즘은 영상의 중심화소를 기준으로 3 × 3영역에서 각 화소 위치에 해당하는 화소값을 추정하기 위하여 국부 마스크 M 1 , M 2 , M 3 를 사용한다.
그림 1 은 입력 영상으로부터 변형된 마스크를 얻는 과정이다. 변형된 마스크의 새로운 화소 추정 과정은 다음과 같다.
PPT Slide
Lager Image
변형된 마스크 추정 과정 Fig. 1 The estimation processing for modified mask
먼저, (p,q)를 중심위치로 하는 국부 마스크 Mk ( k =1)로부터, 정렬 벡터를 구하기 위하여 1차원 벡터 Vk 를 정의한다. Vk 를 정렬한 벡터는 식 (6)과 같이 표현한다.
PPT Slide
Lager Image
여기서 Nk Vk 의 요소 수이다.
국부 마스크의 잡음 밀도를 판단하기 위한 파라미터는 정렬 벡터로부터 구하며, 식 (7)과 같다.
PPT Slide
Lager Image
여기서 ( • )는 벡터의 인덱스이다. 국부 마스크의 잡음 밀도가 높은 경우, 식 (7)의 값이 0 또는 255의 값을 갖는다.
(p,q)를 중심으로 하는 변형된 마스크의 요소는 그림 2 와 같이 구한다.
PPT Slide
Lager Image
변형된 마스크 요소 결정 과정 Fig. 2 The decision processing of elements on modified mask
그림 2 에서 변형된 마스크 요소는 k = 1의 값으로 시작하여 다음과 같이 구한다.
step 1. k 의 값이 4 미만일 경우, 국부 마스크 Mk 에서 Vk 를 정의하고, 식 (6) 및 (7)을 적용하여 정렬 벡터 Sk mk 를 구한다.
step 2. mk 가 0 또는 255의 값일 경우, k 를 증가시킨 후 step 1 또는 step 3을 처리하며, 아닐 경우, 변형된 마스크 요소 M ( p,q )는 mk 로 처리한다.
step 3. k 값이 4 이상인 경우, M ( p,q )는 국부 마스크 M 3 의 평균값으로 처리한다.
변형된 마스크 M 으로부터, 정렬 벡터를 구하기 위하여 1차원 벡터를 V 로 정의한다.
V 를 정렬한 벡터는 식 (8)과 같이 정의한다.
PPT Slide
Lager Image
여기서 N V 의 요소 수이다.
최종 에지는 정렬 벡터 Sm 에 가중치 벡터를 적용하여 구하며, 가중치 벡터는 가장 자리 쪽으로 가중치를 크게 하며, 식 (9)와 같이 정의한다.
PPT Slide
Lager Image
여기서 x 는 벡터 요소에 대한 위치 변수이고, a , b 는 계수이다.
최종 에지는 식 (8) 및 (9)로부터 식 (10)과 같이 정의한다.
PPT Slide
Lager Image
IV. 시뮬레이션 및 결과
본 논문에서는 salt and pepper 잡음 환경에서 에지를 검출하기 위한 알고리즘을 제안하였으며, 알고리즘의 에지 검출 성능을 확인하기 위해, 시험 영상으로 그림 3 과 같이 512×512 크기 8비트 그레이레벨의 Barbara 영상에 잡음 밀도가 15% 및 30%인 salt and pepper 잡음을 첨가하여 시뮬레이션하였다.
PPT Slide
Lager Image
시험 영상 (a) Barbara(p=15%) (b) Barbara(p=30%) Fig. 3 Test image (a) Barbara(p=15%) (b) Barbara(p=30%)
일반적으로 에지 검출의 정량적 평가 방법은 PSNR(peak signal to noise ratio), PFOM(Pratt's figure of merit) 방법 등이 있으며, 이러한 방법들은 시험 영상에 대한 이상적인 에지가 필요하다. 그러나 일반적인 영상에서 이상적인 에지를 획득하는 것은 다소 불가하다 [6] . 따라서 본 논문에서는 처리 영상과 그레이레벨을 사용하여 기존의 방법과 성능을 비교하였다. 여기서 제안한 방법은 계수 a , b 에 각각 0.1, 0.01를 적용하였다.
그림 4 는 잡음 밀도 15%에 훼손된 Barbara 영상에 대한 시뮬레이션 결과이며, 그림 4 (a) 는 Sobel에 의한 결과로서, 에지 검출 특성은 우수하나, 잡음 제거 특성이 다소 미흡하였다. 그림 4 (b) 는 Prewitt에 의한 결과로서, Sobel에 비해 잡음 제거 특성은 우수하였으나, 에지 검출 특성은 미흡하였다. 그림 4 (c) 는 Laplacian에 의한 결과로서, 잡음 제거 특성 및 에지 검출 특성 모두 미흡한 결과를 나타내었다. 그림 4 (d) 는 LoG에 의한 결과로서, 일부 영역에서 에지를 우수한 특성으로 검출하였으나, 잡음 제거 특성이 다소 미흡함을 나타내었다. 그림 4 (e) 는 Roberts에 의한 결과로서, 잡음 제거 및 에지 검출 특성 모두 미흡한 결과를 나타내었다. 그리고 그림 4 (f) 는 제안한 변형된 마스크를 적용한 알고리즘에 의한 결과이다. 그 결과, 잡음 제거 및 에지 검출 특성 모두 우수한 결과를 나타내었다.
PPT Slide
Lager Image
시뮬레이션 결과(p=15%) (a) Sobel (b) Prewitt (c) Laplacian (d) LoG (e) Roberts (f) Proposed Fig. 4 Simulation result(p=15%) (a) Sobel (b) Prewitt (c) Laplacian (d) LoG (e) Roberts (f) Proposed
그림 5 는 잡음 밀도 15%에 훼손된 Barbara 영상에 대한 에지 검출 결과의 그레이레벨이며, 그림 5 (a) , (b) , (c) 는 Sobel, Prewitt, Laplacian에 의해 처리된 결과이고, 그림 5 (d) , (e) , (f) 는 LoG, Roberts, 그리고 제안한 알고리즘에 의해 처리된 결과이다. 그 결과, 제안한 알고리즘은 잡음 제거 및 에지 검출 특성이 우수하였다.
PPT Slide
Lager Image
그레이레벨(p=15%) (a) Sobel (b) Prewitt (c) Laplacian (d) LoG (e) Roberts (f) Proposed Fig. 5 Grey level(p=15%) (a) Sobel (b) Prewitt (c) Laplacian (d) LoG (e) Roberts (f) Proposed
그림 6 은 잡음 밀도 30%에 훼손된 Barbara 영상에 대한 에지 검출 결과 영상이며, 그림 6 (a) (b) 는 각각 Sobel, Prewitt에 의한 결과로서, 잡음 제거 특성과 에지 검출 특성이 미흡하였다. 그림 6 (c) , (d) , (e) 는 각각 Laplacian, LoG, Roberts에 의한 결과로서, 잡음 밀도 15%의 경우와 유사한 결과를 나타내었다. 그리고 그림 6 (f) 는 제안한 변형된 마스크를 적용한 알고리즘에 의한 결과이다. 그 결과, 잡음 제거 특성 및 에지 검출 특성이 우수하였다.
PPT Slide
Lager Image
시뮬레이션 결과(p=30%) (a) Sobel (b) Prewitt (c) Laplacian (d) LoG (e) Roberts (f) Proposed Fig. 6 Simulation result(p=30%) (a) Sobel (b) Prewitt (c) Laplacian (d) LoG (e) Roberts (f) Proposed
그림 7 은 잡음 밀도 30%에 훼손된 Barbara 영상에 대한 각 알고리즘의 에지 검출 결과의 그레이레벨이며, 제안한 방법은 기존의 방법들보다 우수하였다.
PPT Slide
Lager Image
그레이레벨(p=30%) (a) Sobel (b) Prewitt (c) Laplacian (d) LoG (e) Roberts (f) Proposed Fig. 7 Grey level(p=30%) (a) Sobel (b) Prewitt (c) Laplacian (d) LoG (e) Roberts (f) Proposed
V. 결 론
본 논문에서는 salt and pepper 잡음환경에서 에지 검출을 위하여, 잡음 밀도에 따라 처리 마스크의 크기를 다르게 적용하여 새로운 화소를 추정하는 알고리즘을 제안하였다.
시뮬레이션 결과, 기존의 방법들은 잡음 환경에서 잡음 제거 및 에지 검출 특성이 다소 미흡하였으며, 본 논문에서 제안한 방법은 잡음 환경에서 영상의 잡음 밀도에 따라 처리 마스크를 다르게 적용하고, 정렬 벡터와 가중치 벡터에 의해 최종 에지를 결정함에 따라 우수한 잡음 제거 및 에지 검출 특성을 나타내었다.
따라서 제안한 알고리즘은 salt and pepper 잡음에 훼손된 에지 검출 응용분야에 적용될 것으로 사료된다.
BIO
이창영(Chang-Young Lee) 2011년 2월 부경대학교 제어계측공학과 공학사 2013년 2월 부경대학교 대학원 제어계측공학과 공학석사 2013년 3월 ~ 현재 부경대학교 대학원 제어계측공학과 박사과정 ※ 관심분야 : 영상처리
김남호(Nam-Ho Kim) 한국정보통신학회 논문지 제11권 제1호 참조 1992년 3월~현재 부경대학교 공과대학 제어계측공학과 교수 ※ 관심분야 : 영상처리, 통신시스템, 적응필터와 웨이브렛을 이용한 잡음제거 및 신호복원
References
Ma Shun-feng , Zheng Geng-feng , Jin Long-xu , Han Shuang-li , Zhang Ran-feng 2010 "Directional Multiscale Edge Detection Using the Contourlet Transform" Advanced Computer Control 2 58 - 62
Economou G. 2004 "Detecting edges using density value" Electronics letters 40 (24) 1528 - 1530    DOI : 10.1049/el:20046741
Naik Sarif K. , Murthy C. A. 2006 "Standardization of Edge Magnitude in Color images" IEEE Transactions on Image Processing 15 (9) 2588 - 2595    DOI : 10.1109/TIP.2006.877408
Kaur B , Garg A 2011 "Mathematical Morphological Edge Detection For Remote Sensing Images" Electronics Computer Technology 5 324 - 327
Gonzalez Rafael C. , Woods Richard E. 2007 Digital Image Processing Third Edition Prentice- Hall
Amarunnishad T.M. , Govindan V.K. , Mathew A.T. 2006 "A Fuzzy Complement Edge Operator" International Conference on Advanced Computing and Communications 344 - 348