변형된 가중치 마스크를 이용한 에지검출 알고리즘에 관한 연구

A Study on Edge Detection Algorithm using Modified Mask of Weighting

  • cc icon
  • ABSTRACT

    에지는 영상에서 화소 간의 명암 차이가 큰 경우에 나타나며, 대상의 크기, 위치, 방향 등의 정보를 포함한다. 에지검출 방법에는 Sobel, Roberts, Laplacian, LoG(Laplacian of Gaussian) 등이 있으며, 이러한 방법들은 AWGN(additive white Gaussian noise)이 첨가된 영상에서 그 특성이 미흡하다. 따라서 이러한 특성을 개선하기 위하여 본 논문에서는 거리에 따른 가중치와 주변 화소의 평균에 의한 추정 마스크를 적용하는 알고리즘을 제안하였다. 그리고 제안한 방법의 성능을 확인하기 위하여 평가 척도는 처리 영상 및 PFOM(Pratt's figure of merit)을 사용하여 기존의 방법들과 비교하였다.


    Edge in images appears when a great difference shows up in light and shade between pixels and includes data of the subject’s size, location direction and etc. The edge is generally detected by the methods such as Sobel, Roberts, Laplacian, LoG(Laplacian of Gaussian) and etc. However, in AWGN(additive white Gaussian noise) added images, quality of the edge becomes slightly uncertain. Therefore, this paper proposed edge detection algorithm using modified mask of weighting to improve the quality of the existing methods. And in order to verify the performance efficiency of the proposed method, processed image and PFOM(Pratt’s figure of merit) has been used as valuation standard for a comparison with the existing methods.

  • KEYWORD

    에지검출 , AWGN , 알고리즘 , PFOM

  • Ⅰ. 서 론

    에지는 영상에서 화소 사이의 그레이 레벨 차이가 큰 경우 나타나며, 시각적으로 물체와 물체 사이 또는 물체와 배경 사이에서 발생한다. 에지는 영상 내에서 특정 대상의 크기, 위치, 방향 등에 대한 정보를 포함한다. 이에 따라 영상 분할, 영상 인식 등을 비롯한 여러 영상처리 분야에 에지 정보를 이용하고 있다[1-3].

    에지는 그레이 레벨의 크기 및 지속성 등에 따라 루프 에지, 라인 에지 등 여러 형태로 존재하며, Sobel, Roberts, Laplacian, LoG(Laplacian of Gaussian) 등으로 검출한다. 이 방법들은 비 잡음 영상에서 에지검출 특성이 우수하며, AWGN(additive white Gaussian noise) 등이 첨가된 영상의 경우 그 특성이 다소 미흡하다[4-6].

    이러한 특성을 개선하기 위하여 본 논문에서는 화소사이의 거리에 따른 가중치와 처리 화소에 대한 주변화소의 평균에 의해 생성된 추정 마스크를 적용하여 에지검출 알고리즘을 제안하였다.

    제안한 방법의 성능을 확인하기 위하여 AWGN을 시험 영상에 중첩하여 기존의 방법들과 PFOM (Pratt's figure of merit)을 비교하였다. 그리고 일반적인 영상에 대한 성능을 확인하기 위하여 512×512 크기의 합성 영상 및 Lena(𝜎=10)영상을 사용하여 기존의 방법들과 비교하였다.

    Ⅱ. 기존의 에지검출 알고리즘

    소벨 에지검출 알고리즘의 수평 및 수직 기울기는 식 (1)과 같이 정의된다[7-9].

    로버츠 에지검출 알고리즘의 기울기는 식 (2)와 같이 정의된다[10,11].

    소벨 및 로버츠 에지검출 알고리즘의 최종 결과는 식 (3)과 같이 구한다.

    라플라시안 에지검출 알고리즘은 2차 미분 연산자를 이용한 알고리즘이고, 수평 및 수직 방향에 관계없이 하나의 마스크를 적용하며, 최종 에지검출 결과는 식 (4)와 같이 표현한다[12,13].

    Ⅲ. 제안한 에지검출 알고리즘

       3.1. 모델링

    일반적으로 모든 입자는 다른 입자를 끌어당기며 그 인력은 두 입자의 질량의 곱에 비례하고 그들의 거리의 제곱에 반비례하는 성질을 갖는다[14].

    그림 1에서 질량 m1과 m2를 갖는 물체 사이에서 발생하는 만유인력은 식 (5)와 같다.

    여기서 G는 만유인력 상수이고, Gp는 두 질량 사이의 거리의 제곱에 반비례하는 만유인력 상수이며, 음의 값은 인력을 의미한다. 물체 사이의 인력을 중심 화소 및 주변 화소 사이의 관계로 그림 2와 같이 모델링하였다.

    그림 2에서 중심 화소 및 주변 화소의 관계는 식 (5)의 만유인력 법칙으로 모델링하며, 식 (6)과 같이 정의한다.

    여기서, P1, P2는 각각 영상에서 중심 화소 및 주변 화소의 그레이 레벨값이고, d는 두 화소 사이의 거리, 는 단위 거리, Gi는 거리에 반비례하는 값을 갖는 변수, 그리고 Gt는 두 화소에 따라 결정되는 거리 변수이다. 식 (6)에서 화소 P1, P2를 제외한 나머지를 거리 가중치로 정의하며, 식 (7)과 같다.

    여기서 D는 수평 및 수직 방향으로 나뉘며, 각각 식 (8)과 같다.

    여기서 𝜃는 중심 화소 및 주변 화소가 이루는 각이다.

       3.2. 알고리즘

    제안한 알고리즘은 화소 거리에 따른 가중치 마스크와 주변 화소의 평균에 의한 추정 마스크로 구성되며, 처리 과정은 다음과 같다.

    Step 1. 제안한 모델링으로부터 화소 거리와 부호를 고려하여 수평 및 수직 방향의 가중치는 식 (9)와 같이 정의한다.

    식 (8) 및 식 (9)를 적용하여 거리 가중치를 식 (10)과 같이 제안하였다.

    식 (10)을 영상에 적용하기 위한 가중치 마스크는 중심 화소 및 주변 화소 사이에서 식 (11)과 같이 정의한다.

    여기서 mn은 -1에서 1사이의 값을 갖는다.

    Step 2. 제안한 가중치 마스크에 적용하기 위하여 입력 영상으로부터 3×3 추정 마스크 Pi,j를 생성하며, 식 (12)와 같다.

    추정 마스크의 각 요소 를 구하기 위하여 먼저 입력 영상에서 (i,j)를 중심 화소로 하는 국부 마스크 M을 정의하며, 그림 3과 같다.

    각 영역 는 다섯 개의 요소를 가지며, 식 (13)으로 정의한다.

    그리고 추정 마스크의 각 요소는 식 (14)와 같다.

    Step 3. 제안한 거리 가중치 마스크와 추정 마스크로 최종 에지 기울기를 구하며, 식 (15)와 같다.

    여기서 NDh 은 3×3 마스크에 대한 수평 방향의 가중치 마스크를 나타내며, ∙ 기호는 내적 연산을 의미한다. 식 (15)의 결과로부터, 제안한 알고리즘의 최종 출력은 식 (16)과 같다.

    Ⅳ. 시뮬레이션 및 결과

    제안한 알고리즘의 성능을 확인하기 위하여 시험 영상을 이용하여 기존의 방법들과 비교하였으며, 성능 개선의 판단기준으로 PFOM을 적용하였다.

    시험 영상(AWGN 𝜎=10) 및 이상적인 에지 영상은 그림 4와 같다.

    그림 5그림 4(a)에 대한 시뮬레이션 결과이며, (a)는 Sobel, (b)는 Roberts, (c)는 Laplacian, (d)는 제안한 알고리즘이며, 임계값을 적용하여 이진화한 결과이다.

    그 결과, Sobel은 기존의 방법 중 잡음제거 특성이 가장 우수하였으며, 에지검출 특성이 다소 미흡하였다. 그리고 Roberts 및 Laplacian은 잡음 제거 및 에지검출 특성이 미흡하였다. 제안한 알고리즘은 잡음 제거 특성 및 에지검출 특성이 가장 우수하였다.

    에지검출 알고리즘에 대한 정량적인 평가를 위하여 그림 4(b)의 이상적인 에지 영상과 그림 5를 이용하여 PFOM을 계산하였다.

    PFOM은 식 (17)과 같이 정의된다[15].

    여기서 IN은 max(If,Id)이며, IfId는 각각 검출된 에지 화소 수와 이상적인 에지 화소 수이다. 𝛿는 스케일 상수이며, 1/9을 적용한다. 그리고 di는 이상적인 에지 화소를 (x1,y1), 검출된 에지 화소를 (x2,y2)라 할 때, 식 (18)과 같이 유클리드 거리(Euclidean distance)로 정의된다.

    시험 영상에서 표준편차가 각각 𝜎=5, 10, 15인 AWGN을 첨가하여 각 에지검출 알고리즘을 적용한 PFOM 결과를 표 1에 나타내었으며, 그 결과가 1에 가까울수록 에지검출 특성이 우수하다.

    표 1에서 제안한 알고리즘은 AWGN의 표준편차가 5인 영상에서 0.949의 높은 PFOM을 나타내었으며, Sobel, Roberts, Laplacian에 비해 각각 0.0062, 0.2989, 0.9181 개선되었다.

    그리고 일반적인 영상에서 제안한 알고리즘의 성능을 확인하기 위하여 𝜎=10의 AWGN이 첨가된 합성 영상 및 Lena 영상을 사용하여 시뮬레이션 한 결과를 그림 6, 7에 나타내었다.

    그림 6, 7에서 (a)는 Sobel, (b)는 Roberts, (c) Laplacian, (d)는 제안한 알고리즘으로 처리한 결과 영상이다.

    그 결과, Sobel은 에지검출 특성이 우수하였으며, 잡음제거 특성이 미흡하였다. 그리고 Roberts는 에지 크기 및 잡음제거 특성이 다소 미흡하였다. Laplacian은 그림 6에서 에지검출 특성이 우수하였으며, 그림 7에서는 잡음 제거 특성이 다소 미흡하였다. 제안한 알고리즘은 합성 영상 및 Lena 영상에서 에지검출 및 잡음제거 특성이 우수하였다.

    Ⅴ. 결 론

    본 논문에서는 AWGN 환경에서 효과적으로 에지를 검출하기 위하여 화소 사이의 거리에 따른 가중치와 주변 화소의 평균에 의한 추정 마스크를 적용한 에지검출 알고리즘을 제안하였다.

    시뮬레이션 결과, 𝜎=10인 AWGN을 시험 영상에 첨가한 경우 기존의 Sobel, Roberts, Laplacian은 각각 0.2467, 0.1068, 0.0336의 PFOM을 나타내었으며, 제안한 알고리즘은 0.723의 우수한 PFOM을 나타내었다.

    따라서 제안한 알고리즘은 AWGN 환경에 훼손된 영상에서 에지검출 특성이 우수하여, 에지검출 응용분야에 유용하게 적용될 것으로 사료된다.

  • 1. Economou G. 2004 "Detecting edges using density value" [Electronics letters] Vol.40 P.1528-1530 google doi
  • 2. Naik Sarif K., Murthy C. A. 2006 "Standardization of Edge Magnitude in Color images" [IEEE Trans. on Image Processing] Vol.15 P.2588-2595 google doi
  • 3. 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] Vol.2 P.58-62 google
  • 4. Kaur B, Garg A 2011 "Mathematical Morphological Edge Detection For Remote Sensing Images" [Electronics Computer Technology] Vol.5 P.324-327 google
  • 5. Sun Hongyan, Tian Shuxue 2011 "Image retrieval based on blocked histogram and Sobel edge detection algorithm" [International Conference on Computer Science and Service System] P.3277-3281 google
  • 6. Gupta K.G., Agrawal N., Maity S.K. 2013 "Performance analysis between aparapi (a parallel API) and JAVA by implementing sobel edge detection Algorithm" [National Conference on Parallel Computing Technologies] P.1-5 google
  • 7. Xiang Hua, Yan Bin, Qiong Cai, Zou Guangyi 2011 "An edge detection algorithm based-on Sobel operator for images captured by binocular microscope" [International Conference on Electrical and Control Engineering] P.980-982 google
  • 8. Azriel Rosenfeld 1981 "The Max Roberts Operator is a Hueckel-Type Edge Detector" [IEEE Trans. on Pattern Analysis and Machine Intelligence] Vol.PAMI-3 P.101-103 google doi
  • 9. Snekhalatha U., Anburajan M., Venkatraman B., Menaka M., Raj B 2011 "Evaluation of rheumatoid arthritis in small animal model using Thermal imaging" [International Conference on Signal Processing, Communication, Computing and Networking Technologies] P.785-791 google
  • 10. Cai Lei, Zhang Ji-hua, Zhang Shi-qiang, Guan Xiao-wei 2012 "Study on the method to process the images of the laser initiative illumination" [International Conference on Image Analysis and Signal Processing] P.1-4 google
  • 11. Nema M.K., Rakshit S., Chaudhuri S. 2009 "Image Denoising Using Edge Model-based Representation of Laplacian Subbands" [International Conference on Advances in Pattern Recognition] P.329-332 google
  • 12. Haralick R.M. 1985 "Comparing the laplacian zero crossing edge detector with the second directional derivative edge detector" [Proc. IEEE international Conference on Robotics and Automation] Vol.2 P.452-457 google
  • 13. Lee Yong-Hoon, Park S.Y. 1990 "A study of convex/concave edges and edge-enhancing operators based on the Laplacian" [IEEE Trans. on Circuits and Systems] Vol.37 P.940-946 google doi
  • 14. Verma O.P., Sharma R. 2011 "An optimal edge detection using universal law of gravity and ant colony algorithm" [World Congress on Information and Communication Technologies] P.507-511 google
  • 15. Amarunnishad T.M., Govindan V.K., Mathew A.T. 2006 "A Fuzzy Complement Edge Operator" [International Conference on Advanced Computing and Communications] P.344-348 google
  • [그림 1.] 만유인력의 법칙
    만유인력의 법칙
  • [그림 2.] 중심 화소 및 주변 화소의 관계
    중심 화소 및 주변 화소의 관계
  • [그림 3.] 국부 마스크 M
    국부 마스크 M
  • [그림 4.] 시험 영상 및 이상적인 에지 영상 (a) 시험 영상(AWGN ?=10) (b) 이상적인 에지 영상
    시험 영상 및 이상적인 에지 영상 (a) 시험 영상(AWGN ?=10) (b) 이상적인 에지 영상
  • [그림 5.] 시뮬레이션 결과(AWGN ?=10) (a) Sobel (b) Roberts (c) Laplacian (d) Proposed algorithm
    시뮬레이션 결과(AWGN ?=10) (a) Sobel (b) Roberts (c) Laplacian (d) Proposed algorithm
  • [표 1.] 시험 영상에 대한 PFOM 결과
    시험 영상에 대한 PFOM 결과
  • [그림 6.] 합성 영상에 대한 시뮬레이션 결과(AWGN ?=10) (a) Sobel (b) Roberts (c) Laplacian (d) Proposed algorithm
    합성 영상에 대한 시뮬레이션 결과(AWGN ?=10) (a) Sobel (b) Roberts (c) Laplacian (d) Proposed algorithm
  • [그림 7.] Lena 영상에 대한 시뮬레이션 결과(AWGN ?=10) (a) Sobel (b) Roberts (c) Laplacian (d) Proposed algorithm
    Lena 영상에 대한 시뮬레이션 결과(AWGN ?=10) (a) Sobel (b) Roberts (c) Laplacian (d) Proposed algorithm