OpenCV 강좌, CLAHE(Contrast Limited Adaptive Histogram Equalization)

1. CLAHE란 무엇인가?

CLAHE는 Contrast Limited Adaptive Histogram Equalization의 약자로, 전통적인 히스토그램 평활화의 한계를 극복하기 위해 제안된 기법입니다. 본 기법은 이미지의 명암비를 높여 작은 세부사항의 가시성을 향상시키면서, “과도한 대비”를 방지합니다. 일반적으로 히스토그램 평활화는 전체 이미지에 대해 동일한 변화율을 적용하지만, CLAHE는 이미지의 여러 지역에 다른 변화율을 적용하여 더 효과적인 결과를 생성합니다.

1.1 CLAHE의 원리

CLAHE는 이미지를 여러 개의 작은 블록으로 나누고, 각 블록에 대해 히스토그램 평활화를 수행합니다. 그런 다음, 블록에서 얻은 결과를 병합하여 전체 이미지를 생성합니다. 이 과정에서, 대비가 지나치게 커지는 것을 방지하기 위해 ‘대비 제한’을 설정합니다. 이로 인해 과도한 대비가 발생하지 않고 더 자연스러운 이미지를 얻을 수 있습니다.

2. OpenCV에서 CLAHE 구현하기

OpenCV에서는 CLAHE를 쉽게 사용할 수 있습니다. 다음은 Python을 사용해 CLAHE를 구현하는 방법에 대한 단계별 설명입니다.

2.1 OpenCV 설치

CLAHE를 사용하기 위해 OpenCV 패키지를 설치해야 합니다. 터미널에서 아래의 명령어를 입력하여 OpenCV를 설치합니다.

pip install opencv-python

2.2 CLAHE 구현 예제

다음은 CLAHE를 사용한 이미지 대비 향상 예제입니다.

python
import cv2
import numpy as np
import matplotlib.pyplot as plt

# 이미지 로드
image = cv2.imread('input_image.jpg', cv2.IMREAD_GRAYSCALE)

# CLAHE 객체 생성
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))

# CLAHE 적용
clahe_image = clahe.apply(image)

# 원본 이미지와 CLAHE 이미지 비교
plt.figure(figsize=(12, 6))
plt.subplot(1, 2, 1)
plt.title('원본 이미지')
plt.imshow(image, cmap='gray')
plt.axis('off')

plt.subplot(1, 2, 2)
plt.title('CLAHE 이미지')
plt.imshow(clahe_image, cmap='gray')
plt.axis('off')

plt.show()

위의 코드는 ‘input_image.jpg’ 파일을 읽고 CLAHE를 적용하여 원본 이미지와 대비 향상된 이미지를 비교하여 보여줍니다. 각 블록은 8×8 크기로 나누어져 있으며, clipLimit는 대비 제한의 값입니다.

3. 매개변수 조정

CLAHE의 성능은 몇 가지 매개변수에 따라 달라질 수 있습니다. 주요 매개변수는 다음과 같습니다.

3.1 clipLimit

clipLimit는 대비를 제한하는 값입니다. 이 값이 커질수록 이미지의 대비가 증가하지만, 과도한 대비가 발생할 수 있습니다. 일반적으로 2.0 또는 3.0의 값을 사용합니다. 적절한 clipLimit 값을 설정하는 것이 중요합니다.

3.2 tileGridSize

tileGridSize는 CLAHE가 적용될 블록의 크기입니다. 작은 크기의 블록은 세부사항을 더 잘 보존하지만, 노이즈를 증가시킬 수 있습니다. 반면, 큰 블록 크기는 덜 효과적일 수 있습니다. 일반적으로 8×8이나 16×16의 값을 선택합니다.

3.3 조합 예제

다양한 매개변수를 조정하여 이미지를 처리하고 결과를 비교해보세요.

python
# 여러 clipLimit와 tileGridSize 테스트
clip_limits = [1.0, 2.0, 3.0]
tile_sizes = [(8, 8), (16, 16), (32, 32)]

plt.figure(figsize=(15, 10))
for i, clip_limit in enumerate(clip_limits):
    for j, tile_size in enumerate(tile_sizes):
        index = i * len(tile_sizes) + j
        clahe = cv2.createCLAHE(clipLimit=clip_limit, tileGridSize=tile_size)
        clahe_image = clahe.apply(image)

        plt.subplot(len(clip_limits), len(tile_sizes), index + 1)
        plt.imshow(clahe_image, cmap='gray')
        plt.title(f'clipLimit {clip_limit}, tileGridSize {tile_size}')
        plt.axis('off')

plt.tight_layout()
plt.show()

4. CLAHE의 적용 사례

CLAHE는 여러 분야에서 널리 사용됩니다. 특히 의료 영상 처리 및 위성 이미지 처리에 유용하게 사용됩니다.

4.1 의료 영상 처리

의료 영상에서는 세부사항이 중요한 역할을 합니다. CLAHE를 통해 CT 또는 MRI 이미지에서 세부사항을 더 잘 보존할 수 있습니다.

4.2 위성 이미지 처리

위성 이미지에서도 CLAHE는 대비를 향상시켜 지형을 더 선명하게 만들어 줍니다. 지형 분석 및 자원 탐사에서 중요한 역할을 합니다.

5. 성능 비교

CLAHE의 효과를 다른 대비 향상 기법과 비교할 수 있습니다. 예를 들어, 전통적인 히스토그램 평활화와 CLAHE의 결과를 비교해볼 수 있습니다.

python
# 전통적인 히스토그램 평활화
hist_equalized = cv2.equalizeHist(image)

# 결과 비교
plt.figure(figsize=(12, 6))
plt.subplot(1, 3, 1)
plt.title('원본 이미지')
plt.imshow(image, cmap='gray')
plt.axis('off')

plt.subplot(1, 3, 2)
plt.title('히스토그램 평활화')
plt.imshow(hist_equalized, cmap='gray')
plt.axis('off')

plt.subplot(1, 3, 3)
plt.title('CLAHE 이미지')
plt.imshow(clahe_image, cmap='gray')
plt.axis('off')

plt.show()