[DIP] Histogram Stretching

Histogram Stretching은

• 이미지의 contrast(명암대비) 를 개선하기 위해 : Image Enhancement
• 히스토그램을 확장(=stretching)하는 기법임.

이 기법은

• 이미지의 밝기값(=intensity)이 전체 범위에 걸쳐 고르게 분포되지 않고, 특정 범위에 집중된 경우(low contrast)에 적용됨.
• 이를 통해 이미지의 밝기 범위를 넓혀 contrast(명암대비)를 강화하고, 보다 선명한 이미지를 얻을 수 있음.

이상적인 contrast의 이미지는

• histogram이 균일하게 분포함.← High contrast
• pixel의 intensity (혹은 density)가 histogram의 전 범위에 균일하게 분포.

오른쪽이 이상적인 contrast를 가지는 영상의 histogram과 cumulative distribution function을 보여줌.

 

관련 gist

 

https://gist.github.com/dsaint31x/678fc3c3d2d633a80056d71366209469

dip_histogram_stratching.ipynb의 사본

---

1. 원리

Histogram Stretching은

• 이미지의 최소 밝기 값과 최대 밝기 값을 기준으로
• 히스토그램을 재조정하는 방식임.

즉, 이미지의 현재 밝기 값이 전체 범위(예: 0~255)에 걸쳐 있지 않으면, 그 범위를 늘려 모든 밝기 값이 최대한 넓은 영역에 걸쳐 분포되도록 조정함.

이를 통해 더 큰 명암 대비를 가지는 이미지로 변환됨.

기본 원리는 다음과 같음:

1. 이미지에서 가장 어두운 픽셀 값 $I_{\text{min}}$과 가장 밝은 픽셀 값 $I_{\text{max}}$을 찾음.
2. 각 픽셀 값 $I(x,y)$에 대해 아래 공식을 사용하여 새로운 픽셀 값 $I' (x, y)$를 계산함:

$$I'(x, y) = \frac{I(x, y) - I_{\text{min}}}{I_{\text{max}} - I_{\text{min}}} \times (I_{\text{new_max}} - I_{\text{new_min}}) + I_{\text{new_min}}$$

where:

• $I_{\text{new_min}}$은 새로운 최소 밝기 값 (보통 0),
• $I_{\text{new_max}}$은 새로운 최대 밝기 값 (보통 255)임.

일종의 min-max normalization임.

---

2. 효과

Histogram Stretching은 이미지의 밝기 범위를 전체적으로 넓히기 때문에, 어두운 부분과 밝은 부분 간의 대비가 증가함.
이로 인해 이미지의 디테일이 더 뚜렷하게 보이게 됨. 특히, 전체적으로 어둡거나 밝은 이미지를 조정할 때 효과적임.

상단에 대해 Histogram Stretching을 적용한 결과가 하단임.

---

3. 적용 사례

Histogram Stretching은 다음과 같은 상황에서 주로 사용됨:

• 저대비 이미지: 이미지의 히스토그램이 특정 영역에 집중되어 있어 전체적으로 어둡거나 밝은 경우.
• 의료 영상: MRI, X-ray 등에서 이미지의 세부 사항을 더 잘 볼 수 있도록 대비를 조정할 때.
• 위성 영상: 대규모 지역의 명암 대비를 조정하여 중요한 지형적 특징을 더 잘 식별할 수 있게 할 때.

---

4. 장점과 한계

• 장점:
  • 이 기법은 매우 간단하고 빠르며,
  • 전체적인 이미지 명암 대비를 개선하는 데 효과적임.
• 한계:
  • Histogram Stretching은 단순히 밝기 값의 범위를 확장하는 기법이기 때문에,
  • 이미지의 히스토그램이 전반적으로 왜곡되거나 잡음이 증폭될 수 있음.
  • 이로 인해 일부 세부 정보가 손실되거나, 원치 않는 아티팩트가 발생할 수 있음.
  • 같은 간격으로 확장하기 때문에 향상의 한계가 존재함.

---

5. 결론

Histogram Stretching은

• 이미지의 밝기 범위를 확장하여 contrast(명암대비)를 개선하는 매우 유용한 기법임.
• 특히 저대비(low contrast) 이미지를 처리하는 데 효과적이며,
• 이미지의 시각적 품질을 향상(Image Enhancement)시키는 데 도움을 줌.
• 다만, 잡음이 있는 이미지에서는 주의가 필요함.

---

같이보면 좋은 자료들

https://dsaint31.me/mkdocs_site/DIP/cv2/ch02/dip_histogram/

BME228

https://dsaint31.tistory.com/837

[DIP] (Global) Histogram Equalization

https://dsaint31.tistory.com/836

[DIP] Contrast Limited Adaptive Histogram Equalization (CLAHE)

---