대비 평준화

이미지에 대비 평준화를 적용합니다.

구성 가능한 평활화 방법(대비 스트레칭, 히스토그램 평활화 또는 적응형 평활화)을 사용해 이미지 대비를 향상시켜 이미지 가시성을 높이고, 픽셀 강도를 더 고르게 분포시키며, 전처리, 향상 및 품질 개선 워크플로를 위해 대비가 낮거나 조명이 좋지 않은 이미지의 세부 정보를 강화합니다.

이 블록의 작동 방식

이 블록은 세 가지 평활화 방법 중 하나를 사용해 픽셀 강도를 재분배함으로써 이미지 대비를 향상시킵니다. 이 블록은:

1. 대비 평활화를 사용해 향상할 입력 이미지를 받습니다

2. equalization_type 매개변수에 따라 대비 평활화 방법을 선택합니다

3. 선택한 평활화 방법을 적용합니다:

   대비 스트레칭의 경우:

   • 이미지의 픽셀 강도에 대한 2번째 및 98번째 백분위수를 계산합니다(극단적인 이상치를 무시하고 가장 어둡고 가장 밝은 의미 있는 값을 찾습니다)

   • 이 백분위수 사이의 강도 범위를 전체 0-255 범위로 늘립니다

   • 상대적인 강도 관계를 보존하면서 동적 범위를 확장해 대비를 향상시킵니다

   • 전체 범위까지 늘려야 하는 좁은 강도 범위를 가진 이미지에 유용합니다

   히스토그램 평활화의 경우:

   • 처리를 위해 픽셀 강도를 0-1 범위로 정규화합니다

   • 이미지 히스토그램을 계산하고 평활화하여 픽셀 강도의 균일한 분포를 만듭니다

   • 각 강도 수준이 대략 동일한 빈도를 갖도록 픽셀 값을 재분배합니다

   • 평활화된 값을 다시 0-255 범위로 스케일합니다

   • 이미지 전체에서 전역적으로 대비를 향상시켜 특징의 가시성을 개선합니다

   적응형 평활화의 경우:

   • 처리를 위해 픽셀 강도를 0-1 범위로 정규화합니다

   • 적응형 히스토그램 평활화(CLAHE - 대비 제한 적응형 히스토그램 평활화)를 적용합니다

   • 이미지를 작은 영역으로 나누고 각 영역을 독립적으로 평활화합니다

   • 대비 향상을 제한하고 노이즈의 과도한 증폭을 방지하기 위해 clip_limit=0.03을 사용합니다

   • 부드러운 전환을 위해 쌍선형 보간법으로 로컬 평활화된 영역을 결합합니다

   • 결과를 다시 0-255 범위로 스케일합니다

   • 전체적인 가시성을 개선하면서 로컬 세부 정보를 보존해 적응적으로 대비를 향상시킵니다

4. 원본 이미지의 이미지 메타데이터를 보존합니다

5. 향상된 대비를 가진 이미지를 반환합니다

이 블록은 서로 다른 특성을 가진 세 가지 방법을 제공합니다. 대비 스트레칭은 강도 범위를 선형으로 확장하고, 히스토그램 평활화는 전체적으로 균일한 강도 분포를 만들며, 적응형 평활화는 과도한 증폭을 방지하면서 로컬 대비를 향상시킵니다. 각 방법은 서로 다른 상황에 가장 적합합니다. 좁은 강도 범위의 이미지에는 대비 스트레칭, 전체 대비 향상에는 히스토그램 평활화, 영역별 대비가 다양한 이미지에는 적응형 평활화가 적합합니다.

일반적인 사용 사례

• 모델을 위한 이미지 전처리: 탐지 또는 분류 모델에 입력하기 전에 이미지 대비를 향상시킵니다(예: 객체 탐지 전에 대비 향상, 분류 전에 가시성 개선, 모델 처리를 위한 이미지 준비), 이를 통해 향상된 모델 성능 워크플로를 지원합니다

• 저대비 이미지 향상: 대비가 낮거나 조명이 좋지 않은 이미지의 가시성과 세부 정보를 개선합니다(예: 어두운 이미지 향상, 저조도 조건에서 가시성 개선, 저대비 장면의 세부 정보 드러내기), 이를 통해 이미지 향상 워크플로를 지원합니다

• 세부 정보 향상: 대비가 좋지 않은 이미지에서 숨겨진 세부 정보를 드러냅니다(예: 그림자 영역의 세부 정보 향상, 어두운 영역의 특징 드러내기, 미세한 세부 정보의 가시성 개선), 이를 통해 세부 정보 향상 워크플로를 지원합니다

• 이미지 품질 개선: 전체 이미지 품질과 가시성을 개선합니다(예: 전반적인 이미지 품질 향상, 분석을 위한 가시성 개선, 표시용 이미지 최적화), 이를 통해 이미지 품질 워크플로를 지원합니다

• 의료 및 과학 영상: 더 나은 분석을 위해 의료 또는 과학 이미지의 대비를 향상시킵니다(예: 의료 영상 대비 향상, 과학 이미지 가시성 개선, 분석을 위한 이미지 준비), 이를 통해 과학적 영상 워크플로를 지원합니다

• 문서 이미지 향상: 스캔된 문서나 문서 이미지의 대비를 개선합니다(예: 문서 대비 향상, 텍스트 가시성 개선, 스캔 문서 최적화), 이를 통해 문서 향상 워크플로를 지원합니다

다른 블록에 연결하기

이 블록은 이미지를 받아 대비가 향상된 이미지를 생성합니다:

• 이미지 입력 블록 뒤에 후속 처리 전에 입력 이미지를 향상하기 위해(예: 카메라 피드의 대비 향상, 이미지 입력의 가시성 개선, 워크플로 처리를 위한 이미지 최적화), 이미지 향상 워크플로를 지원합니다

• 검출 또는 분류 모델 이전에 더 나은 대비로 모델 성능을 개선하기 위해(예: 객체 탐지 전에 이미지 향상, 분류 모델의 가시성 개선, 모델 분석을 위한 이미지 준비), 향상된 모델 입력 워크플로를 지원합니다

• 전처리 블록 뒤에 다른 전처리 후 대비 향상을 적용하기 위해(예: 필터링 후 대비 향상, 변환 후 가시성 개선, 전처리 후 이미지 최적화), 다단계 향상 워크플로를 지원합니다

• 시각화 블록 이전 가시성이 더 나은 향상된 이미지를 표시하기 위해(예: 향상된 이미지 시각화, 개선된 대비 결과 표시, 향상 효과 보여주기), 향상된 시각화 워크플로를 지원합니다

• 분석 블록 앞에 개선된 대비의 이점을 얻는 경우(예: 향상된 이미지 분석, 개선된 가시성의 이미지 처리, 최적화된 대비로 작업), 향상된 분석 워크플로를 지원합니다

• 이미지 품질 개선 파이프라인에서 대비 향상이 더 큰 향상 워크플로의 일부인 경우(예: 다단계 파이프라인에서 이미지 향상, 향상 단계로 품질 개선, 처리 체인에서 이미지 최적화), 이미지 품질 파이프라인 워크플로를 지원합니다

유형 식별자

단계에서 다음 식별자를 사용하세요 "type" 필드: roboflow_core/contrast_equalization@v1 워크플로우에 이 블록을 단계로 추가하려면.

속성

이름	유형	설명	참조
name	str	이 단계에 대한 고유 식별자를 입력하세요..	❌
equalization_type	str	적용할 대비 평활화 방법의 유형: 'Contrast Stretching'은 2번째 및 98번째 백분위수 사이의 강도 범위를 전체 0-255 범위로 늘리고(선형 확장, 좁은 강도 범위에 적합), 'Histogram Equalization'(기본값)은 전역적으로 균일한 강도 분포를 생성하며(전체 이미지의 히스토그램을 평활화, 전반적인 대비 향상에 적합), 'Adaptive Equalization'은 과도한 증폭을 제한하면서 작은 영역에서 로컬 대비를 향상시킵니다(CLAHE with clip_limit=0.03, 대비가 다양한 이미지에 적합). 기본값은 일반적인 대비 향상에 적합한 'Histogram Equalization'입니다. 이미지 특성과 향상 요구에 따라 선택하세요..	✅

이 참조 열은 워크플로우 런타임에서 사용 가능한 동적 값으로 속성을 매개변수화할 수 있는 가능성을 나타냅니다 워크플로우 런타임입니다. 자세한 내용은 바인딩 을 참조하세요.

입력 및 출력 바인딩

사용 가능한 연결은 바인딩 유형에 따라 달라집니다. 어떤 바인딩 유형인지 확인하세요 대비 균등화 버전 v1 을 가지고 있는지.

입력 및 출력 바인딩

• 입력

  • 이미지 (이미지): 대비 평활화를 사용해 향상할 입력 이미지입니다. 이 블록은 equalization_type 매개변수에 따라 세 가지 대비 평활화 방법 중 하나를 적용합니다. 컬러 또는 그레이스케일 이미지에서 작동합니다. 향상된 이미지는 대비가 개선되고, 가시성이 높아지며, 세부 정보가 강화됩니다. 원본 이미지 메타데이터는 출력에 보존됩니다..

  • equalization_type (string): 적용할 대비 평활화 방법의 유형: 'Contrast Stretching'은 2번째 및 98번째 백분위수 사이의 강도 범위를 전체 0-255 범위로 늘리고(선형 확장, 좁은 강도 범위에 적합), 'Histogram Equalization'(기본값)은 전역적으로 균일한 강도 분포를 생성하며(전체 이미지의 히스토그램을 평활화, 전반적인 대비 향상에 적합), 'Adaptive Equalization'은 과도한 증폭을 제한하면서 작은 영역에서 로컬 대비를 향상시킵니다(CLAHE with clip_limit=0.03, 대비가 다양한 이미지에 적합). 기본값은 일반적인 대비 향상에 적합한 'Histogram Equalization'입니다. 이미지 특성과 향상 요구에 따라 선택하세요..

• 출력

  • 이미지 (이미지): 워크플로의 이미지입니다.

예시 JSON 정의

{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/contrast_equalization@v1",
	    "image": "$inputs.image",
	    "equalization_type": "Histogram Equalization"
	}