1 |
1
입력된 RGB 방식의 제1 영상 데이터를 YCbCr 방식의 제1 영상 데이터로 변환하는 제1 변환부;변환된 상기 YCbCr 방식의 제1 영상 데이터를 이용하여 누적분포 함수를 계산하는 누적분포함수 계산부;계산된 상기 누적 분포 함수에 대응하는 기 설정된 계조사상 함수를 결정하는 계조사상함수 결정부;결정된 상기 계조사상 함수를 이용하여 휘도 정보를 계산하는 휘도 계산부; 및계산된 상기 휘도 정보를 적용한 YCbCr 방식의 제2 영상 데이터를 생성하고 생성된 상기 YCbCr 방식의 제2 영상 데이터를 RGB 방식의 제2 영상 데이터로 변환하는 제2 변환부;를 포함하되, 상기 계조사상함수 결정부는 계산된 상기 누적 분포 함수와 기 생성된 룩업 테이블 내 클래스의 누적 분포 함수의 유사도를 계산하여 계산된 상기 유사도가 가장 높은 클래스의 누적 분포 함수를 선택하고,그 선택된 클래스의 누적 분포 함수에 상응하는 기 설정된 계조 사항 함수를 상기 룩업 테이블을 이용하여 결정하는 것을 특징으로 하는 영상 컨트라스트를 조절하기 위한 장치
|
2 |
2
제1 항에 있어서,상기 누적분포함수 계산부는,변환된 상기 YCbCr 방식의 제1 영상 데이터의 휘도 정보를 이용하여 상기 누적분포 함수를 계산하는 것을 특징으로 하는 영상 컨트라스트를 조절하기 위한 장치
|
3 |
3
제1 항에 있어서,상기 계조사상함수 결정부는,계산된 상기 누적 분포 함수에 대응하는 계조사상 함수를 기 설정된 룩업 테이블을 이용하여 결정하되,상기 룩업 테이블은 기 분류된 다수의 클래스마다 누적 분포 함수와 이에 상응하는 계조사상 함수의 조합을 포함하는 것을 특징으로 하는 영상 컨트라스트를 조절하기 위한 장치
|
4 |
4
제3 항에 있어서,상기 클래스는,누적 분포 함수를 일정 크기 범위로 분류한 등급을 나타내는 것을 특징으로 하는 영상 컨트라스트를 조절하기 위한 장치
|
5 |
5
삭제
|
6 |
6
제1 항에 있어서,상기 휘도 계산부는,결정된 상기 계조사상함수를 상기 제1 영상 데이터의 휘도 성분에 적용하여 그 결과로 휘도 정보를 계산하는 것을 특징으로 하는 영상 컨트라스트를 조절하기 위한 장치
|
7 |
7
제1 항에 있어서,누적 분포 함수를 일정 크기 범위로 분류한 클래스마다 각 클래스를 대표하는 누적 분포 함수와 계조 사상 함수의 조합을 포함하도록 룩업 테이블로 미리 생성하여 관리하는 룩업테이블 관리부;를 더 포함하여 구성하는 것을 특징으로 하는 영상 컨트라스트를 조절하기 위한 장치
|
8 |
8
제7 항에 있어서,상기 룩업테이블 관리부는,입력 받은 영상 데이터에 대한 누적 분포 함수를 계산하고,입력 받은 영상 데이터의 컨트라스트가 최대화되도록 하는 다수의 계조 사상 함수를 최적화 알고리즘을 이용하여 생성하며,생성된 상기 다수의 계조 사상 함수를 영상 데이터에 각각 적용하여 그 적용한 결과로 컨트라스트가 서로 다르게 인지되는 다수의 실험 영상 데이터를 생성하며,생성된 상기 다수의 실험 영상 데이터에 대한 화질을 평가하기 위한 화질 시각 실험을 실시하여 그 실시한 결과로 선택된 하나의 선호 영상 데이터에 적용된 계조 사상 함수를 입력 받은 상기 영상 데이터의 화질을 최적화할 수 있도록 하는 계조 사상 함수로 결정하는 것을 특징으로 하는 영상 컨트라스트를 조절하기 위한 장치
|
9 |
9
제7 항에 있어서,상기 룩업테이블 관리부는,기 계산된 누적 분포 함수와 이에 대응하는 계조 사상 함수를 입력 받으면, 입력 받은 상기 누적 분포 함수와 기 생성된 룩업 테이블 내 클래스의 누적 분포 함수의 유사도를 계산하고,그 계산된 유사도가 기 설정된 유사도 조건을 만족하는지의 여부를 판단하여 그 판단한 결과로 상기 유사도 조건을 만족하면, 유사도가 가장 높은 클래스로 분류하며,분류된 상기 클래스에 포함된 적어도 하나의 누적 분포 함수와 입력 받은 상기 누적 분포 함수를 평균하여 평균 누적 분포 함수를 계산하며,분류된 상기 클래스에 포함된 적어도 하나의 계조 사상 함수와 입력 받은 상기 계조 사상 함수를 평균하여 평균 계조 사상 함수를 계산하며,계산된 상기 평균 누적분포함수와 상기 평균 계조사상함수를 해당 클래스의 대표값으로 하도록 룩업 테이블을 갱신하는 것을 특징으로 하는 영상 컨트라스트를 조절하기 위한 장치
|
10 |
10
제9 항에 있어서,상기 룩업테이블 관리부는,입력 받은 상기 누적 분포 함수와 상기 룩업 테이블 내 클래스의 누적 분포 함수의 유사도를 RMSE(Root Mean Square Error)로 계산하고,그 계산한 결과로 상기 RMSE의 값이 가장 작은 클래스를 상기 유사도가 가장 높은 클래스로 분류하는 것을 특징으로 하는 영상 컨트라스트를 조절하기 위한 장치
|
11 |
11
제10 항에 있어서,상기 유사도 조건은,기 설정된 RMSE의 범위를 나타내는 것을 특징으로 하는 영상 컨트라스트를 조절하기 위한 장치
|
12 |
12
입력된 RGB 방식의 제1 영상 데이터를 YCbCr 방식의 제1 영상 데이터로 변환하는 단계;변환된 상기 YCbCr 방식의 제1 영상 데이터를 이용하여 누적분포 함수를 계산하는 단계;계산된 상기 누적 분포 함수에 대응하는 기 설정된 계조사상 함수를 결정하는 단계;결정된 상기 계조사상 함수를 이용하여 휘도 정보를 계산하는 단계; 및계산된 상기 휘도 정보를 적용한 YCbCr 방식의 제2 영상 데이터를 생성하고 생성된 상기 YCbCr 방식의 제2 영상 데이터를 RGB 방식의 제2 영상 데이터로 변환하는 단계;를 포함하되, 상기 계조사상함수를 결정하는 단계는 계산된 상기 누적 분포 함수와 기 생성된 룩업 테이블 내 클래스의 누적 분포 함수의 유사도를 계산하여 계산된 상기 유사도가 가장 높은 클래스의 누적 분포 함수를 선택하고,그 선택된 클래스의 누적 분포 함수에 상응하는 기 설정된 계조 사항 함수를 상기 룩업 테이블을 이용하여 결정하는 것을 특징으로 하는 영상 컨트라스트를 조절하기 위한 방법
|
13 |
13
제12 항에 있어서,상기 누적분포함수를 계산하는 단계는,변환된 상기 YCbCr 방식의 제1 영상 데이터의 휘도 정보를 이용하여 상기 누적분포 함수를 계산하는 것을 특징으로 하는 영상 컨트라스트를 조절하기 위한 방법
|
14 |
14
제12 항에 있어서,상기 계조사상함수를 결정하는 단계는,계산된 상기 누적 분포 함수에 대응하는 계조사상 함수를 기 설정된 룩업 테이블을 이용하여 결정하되,상기 룩업 테이블은 기 분류된 다수의 클래스마다 누적 분포 함수와 이에 상응하는 계조사상 함수의 조합을 포함하는 것을 특징으로 하는 영상 컨트라스트를 조절하기 위한 방법
|
15 |
15
제14 항에 있어서,상기 클래스는,누적 분포 함수를 일정 크기 범위로 분류한 등급을 나타내는 것을 특징으로 하는 영상 컨트라스트를 조절하기 위한 방법
|
16 |
16
삭제
|
17 |
17
제12 항에 있어서,상기 휘도 정보를 계산하는 단계는,결정된 상기 계조사상함수를 상기 제1 영상 데이터의 휘도 성분에 적용하여 그 결과로 휘도 정보를 계산하는 것을 특징으로 하는 영상 컨트라스트를 조절하기 위한 방법
|
18 |
18
제12 항에 있어서,누적 분포 함수를 일정 크기 범위로 분류한 클래스마다 각 클래스를 대표하는 누적 분포 함수와 계조 사상 함수의 조합을 포함하는 룩업 테이블을 관리하는 단계;를 더 포함하여 구성하는 것을 특징으로 하는 영상 컨트라스트를 조절하기 위한 방법
|
19 |
19
제18 항에 있어서,상기 룩업테이블을 관리하는 단계는,입력 받은 영상 데이터에 대한 누적 분포 함수를 계산하고,입력 받은 영상 데이터의 컨트라스트가 최대화되도록 하는 다수의 계조 사상 함수를 최적화 알고리즘을 이용하여 생성하며,생성된 상기 다수의 계조 사상 함수를 영상 데이터에 각각 적용하여 그 적용한 결과로 컨트라스트가 서로 다르게 인지되는 다수의 실험 영상 데이터를 생성하며,생성된 상기 다수의 실험 영상 데이터에 대한 화질을 평가하기 위한 화질 시각 실험을 실시하여 그 실시한 결과로 선택된 하나의 선호 영상 데이터에 적용된 계조 사상 함수를 입력 받은 상기 영상 데이터의 화질을 최적화할 수 있도록 하는 계조 사상 함수로 결정하는 것을 특징으로 하는 영상 컨트라스트를 조절하기 위한 방법
|
20 |
20
제18 항에 있어서,상기 룩업테이블을 관리하는 단계는,기 계산된 누적 분포 함수와 이에 대응하는 계조 사상 함수를 입력 받으면, 입력 받은 상기 누적 분포 함수와 기 생성된 룩업 테이블 내 클래스의 누적 분포 함수의 유사도를 계산하고,그 계산된 유사도가 기 설정된 유사도 조건을 만족하는지의 여부를 판단하여 그 판단한 결과로 상기 유사도 조건을 만족하면, 유사도가 가장 높은 클래스로 분류하며,분류된 상기 클래스에 포함된 적어도 하나의 누적 분포 함수와 입력 받은 상기 누적 분포 함수를 평균하여 평균 누적 분포 함수를 계산하며,분류된 상기 클래스에 포함된 적어도 하나의 계조 사상 함수와 입력 받은 상기 계조 사상 함수를 평균하여 평균 계조 사상 함수를 계산하며,계산된 상기 평균 누적분포함수와 상기 평균 계조사상함수를 해당 클래스의 대표값으로 하도록 룩업 테이블을 갱신하는 것을 특징으로 하는 영상 컨트라스트를 조절하기 위한 방법
|
21 |
21
제20 항에 있어서,상기 룩업테이블을 관리하는 단계는,입력 받은 상기 누적 분포 함수와 상기 룩업 테이블 내 클래스의 누적 분포 함수의 유사도를 RMSE(Root Mean Square Error)로 계산하고,그 계산한 결과로 상기 RMSE의 값이 가장 작은 클래스를 상기 유사도가 가장 높은 클래스로 분류하는 것을 특징으로 하는 영상 컨트라스트를 조절하기 위한 방법
|
22 |
22
제21 항에 있어서,상기 유사도 조건은,기 설정된 RMSE의 범위를 나타내는 것을 특징으로 하는 영상 컨트라스트를 조절하기 위한 방법
|