*성* 스토어

*성*

개인인증

팔로워0 팔로우

소개

등록된 소개글이 없습니다.

전문분야 등록된 전문분야가 없습니다.

판매자 정보

학교정보

입력된 정보가 없습니다.

직장정보

입력된 정보가 없습니다.

자격증

입력된 정보가 없습니다.

판매지수

판매중 자료수

13개
전체 판매량

97개
최근 3개월 판매량

0개
자료후기 점수

평균A+
자료문의 응답률

-

전체자료 13개

스포츠 마케팅에 대한 고찰 평가A+최고예요

목 차표 목 차ii그림목차ii제 1 장 서 론1제 1 절 연구의 필요성1제 2 절 연구문제 및 연구방법1제 2 장 스포츠 마케팅3제 1 절 스포츠 마케팅의 정의3제 2 절 스포츠 마케팅의 역사 및 발전과정5제 3 절 스포츠 마케팅의 구성5제 4 절 스포츠 마케팅의 전망9제 3 장 스포츠 이벤트14제 1 절 스포츠 이벤트의 정의14제 2 절 스포츠 이벤트 개관14제 3 절 스포츠 이벤트의 역사15제 4 절 스포츠 이벤트의 특성16제 5 절 스포츠 이벤트 시장규모17제 6 절 홍보와 기회를 창출하는 스포츠 이벤트 마케팅 17제 7 절 스포츠 이벤트의 종류22제 4 장 올림픽 이벤트 마케팅 사례 23제 1 절 올림픽 마케팅23제 2 절 올림픽 이벤트 마케팅 25제 3 절 릴레함메르 동계올림픽 사례25제 4 절 올림픽 마케팅 기본구도26제 5 장 결 론28참 고 문 헌29표 목 차 스포츠 라이센스 시장동향11 하계올림픽 중계권료12 스포츠 이벤트의 시장규모17 골프대회 시청률20 스포츠 이벤트의 종류22 개최지별 TOP후원사 및 총수입24그 림 목 차 스포츠 마케팅의 기본 구도6 스포츠 이벤트 마케팅 및 스폰서 쉽7 스포츠 이벤트의 개념15 스포츠 이벤트 역사 및 비교16 올림픽 마케팅의 커뮤니케이션 시스템 26제 1 장 서 론제 1 절 연구의 필요성21세기에는 사회의 정보화로 인한 사회 구조의 정보 혁명이 진행 중이고 그에 따라 일반국민의 라이프사이클(life cycle)도 변화하여 과거 산업사회에서 보다 여가시간이 상대적으로 증가하였다. 따라서 다양한 문화에 대한 관심이 점점 높아져가고 있기 때문에 21세기를 문화의 시대라고 부르기도 한다. 문화의 시대라는 이름에 걸맞게 과거보다 영화, 연극, 스포츠, 음악 등 다양한 문화적 표현 양식들이 중요한 위치를 차지하고 있음을 쉽게 목격할 수 있다. 다양한 형태의 문화들은 정서적 안정을 주는 예술적 의미와 더불어 산업적 의미가 부각되고 있다. 특히 스포츠 산업과 영상산업은 오늘날 문화산업의 대표적 위치를 차지하고 있다. 팅에 대한 개념적 인식 변화는 스포츠 마케팅 분야의 세분화 고도화에 따라 앞으로도 새로운 개념이 등장할 것이며, 이러한 개념들은 과거의 개념보다 좀 더 적극적이며, 포괄적인 개념으로 발전할 것이 예상된다.제 2 절 스포츠 마케팅의 역사 및 발전과정스포츠는 인류의 시작과 함께 하였다. 이런 스포츠가 시대가 변하면서 어떻게 경제 분야인 마케팅으로 발전되었는지 그 구분을 나눠서 시대별로 그 기원을 찾아보자.고대에서 그 기원을 찾는다면, 그리스나 로마시대의 격투기 위주로 이루어진 스포츠 경기에서 찾아 볼 수 있다. 참여 선수들에 대한 경비지원 및 포상금 등의 스폰서 활동이 있었다. 대부분 훈련을 위한 시간적?경제적 여유가 없는 사람들에게 후견인이 대신 비용을 지불하거나 포상금을 수여하기로 한 것에서 고대 의 기원을 찾을 수 있으며, 근대에 와서는 1928년 암스테르담 올림픽에서 코카콜라사가 미국 선수들에게 음료를 무료로 제공해주고 그 사실 소비자들에게 알려 고지한 것에서 볼 수 있으며, 또한 1938년 독일 막스 슈멜링과 미국의 조 루이스간의 헤비급 권투시합이 스포츠의 재정적 측면을 발견하는데 선도자 역할을 하게 했다고 볼 수 있다. 이 경기는 당시로서는 역사적으로 가장 많은 나라에서 중계되었으며, 기록적인 청취자들이 경기를 경청하였다. 이 권투 이벤트가 만들어 내는 것은 단지 과대선전과 돈만이 사람들로 하여금 이 경기를 흥분케 한 것은 아니었으며, 두 권투선수의 문제를 넘어서 대치하고 있는 두 사회의 이념대결을 함축하고 있었다. 이 국제적인 드라마는 단순한 경기의 범위를 넘어서 사람들은 기대와 과대선전 속에서 흥분의 도가니로 빠져들었다. 이 경기에는 타이틀 스폰서나, 유료 시청방식, 프로모터, 수백만 달러의 상금은 없었지만 감정적이고 열정적인 많은 팬이 있었다. 60여 년이 지난 지금, 정치적?사회적으로 권투는 성장하지 않았지만 재정적으로는 그 반대이다. 유료 시청방식을 통해 권투경기는 연간 1억2천만 달러 이상의 수입을 올리고 있다. 권투의 재정적 기회가 높아짐에업들이 투자하는 비용은 통상적으로 광고 및 홍보비에서 지출하게 되며 국가별, 기업별로 차이는 있지만 전체 광고 및 홍보비의 8%～30%정도가 스포츠 마케팅에 쓰이고 있다고 한다. 이를 통해 우리나라의 시장 규모를 분석해 본다면 1996년 총 광고비가 5조 6천억원을 약간 상회하였으므로 스포츠마케팅 전 세계 시장규모는 대략 5천억원에서 1조 7천억원 사이라고 추산할 수 있다.영국의 스폰서 쉽 전문 조사 기관인 SRI에 따르면, 전 세계 스포츠 스폰서 쉽 시장규모는 1990년 77억 달러에서 1994년 130억 달러로 4년 동안 70% 정도라는 빠른 성장률을 보이는 추세이다. 지역별 비율은 미국 39.7%, 유럽 32.9%, 아시아 20.4% 기타 7%이며 세 지역이 전체의 93%를 점유하고 있다. 위의 조사는 기업들의 스포츠 후원을 위한 직접적인 금액만을 측정한 것으로 실질적인 추가적인 비용(미디어 광고, 프로모션 등)을 감안한다면 측정치의 2～3배 정도에 이를 것이라고 한다.독일의 경우 스포츠 스폰서 쉽 시장은 95년도 약 20억 마르크(1조 1천억원)에 달하였으며 미국의 경우 스포츠단체를 위한 스폰서십 비용이 90년에 이미 8억 달러를 넘어섰고 캐나다에서는 89년 한해에 스포츠 스폰서십에 투자된 비용이 9억2천5백만 달러로 추산하고 있다.2) 스포츠 마케팅의 발전스포츠 마케팅이 어떻게 상업적으로 현재와 같은 발전을 할 수 있었는지 구분해 보고 또한 스포츠 마케팅의 발전에 지대한 영향을 준 TV와의 관계를 알아보자.현재의 스포츠 마케팅이라는 용어는 1960년대 말부터 사용되기 시작한 용어이며, 이를 상업적으로 발전시켜 스포츠 시장에 적용시킨 사람은 IMG의 창업자인 마크 매코믹으로 올림픽이 상업화되기 이전까지 가장 규모 있게 다양하게 스포츠 마케팅 시장을 형성하고 이끌어 온 사람 역시 매코믹이었다.시대별로 스포츠 마케팅의 발전 단계를 구분해 본다면 1960년대 말부터 1980년대 초까지를 제1기라고 구분할 수 있으며, 이 시기에는 극소수의 사람에 의하여 스포츠다.(이종은 2001, p.200～202)제 3 장 스포츠 이벤트스포츠 이벤트는 스포츠와 관련된 모든 커뮤니케이션 분야에서 사용될 수 있으며, 얼마나 효율적이고 분야에 적합한 스포츠 이벤트를 사용하느냐에 따라 스포츠 마케팅이나 스포츠 스폰서 쉽도 더욱 강력한 힘을 발휘할 수 있다. 이번 장에서는 스포츠 이벤트의 정의와 개념, 역사, 특징 그리고 스포츠 이벤트시장의 시장규모와 잘 사용된 다양한 사례들과 이를 구분하는 포괄적 종류로 구분하여 보았다.제 1 절 스포츠 이벤트의 정의스포츠 이벤트 구매자들은 경기의 열정, 즐거움, 볼거리 등을 판매에 연결시키기 위한 권리를 확보하기 위해 돈을 지불한다. ‘이벤트 마케팅’이란 용어는 방송매체를 통한 판매, 행사현장 홍보, 상품판매 권리 등의 여러 가지 엔터테인먼트 요소들과 긴밀한 관계가 있다. 그리고 명확한 프리미엄을 갖고 있는 경기들에 주로 적용된다. 이 프리미엄은 경기의 효과적 준비, 홍보, 포지셔닝 등 기회를 활용하려는 프로모터들과 스폰서들에게 재정적 이익을 제공해줄 수 있는 것이다. (Phil Schaaf 2000, p.171)스포츠 이벤트의 다양한 정의를 알아보면, 마케팅개념으로는 판매촉진을 위한 행위로 인식된다는 것과 대중 매체를 통한 판매, 행사 현장 홍보, 상품판매의 권리 등의 여러 가지 엔터테인먼트 요소들과 긴밀한 관계를 가지고 있고 이를 기회로 활용하려는 프로모터들과 스폰서에게 재정적인 이익을 제공해 주는 것이며, 스포츠 이벤트는 고객의 관심을 단시간 내에 끌 수 있는 장점을 내포하고 있으며 스포츠 이벤트의 지속적인 실시는 기업의 이미지를 고급화하고 기업의 이익을 고객에게 환원한다는 차원에서 필요하다고 할 수 있고 최근 들어 중요성이 점점 높아지고 있는 이벤트 마케팅은 행사를 통해 대중에게 업체나 브랜드의 이미지를 높이는 목적으로 사용하는 기법으로 대중화 사회에서 효과적으로 통용되는 마케팅 기법이다.스포츠 이벤트의 정의 역시 스포츠 마케팅과 비슷한 개념을 포함하며 단지 좀 더 세부적으로 수요자에게 접근하화 광고를 위해 존 매캔로를 섭외하였다. 그런데 매캔로는 까다로운 자신의 취향을 고집하여 주력상품 대신 평범한 구형 테니스 화를 신고 대회에 출전하였고 나이키는 대대적으로 펼칠 예정이었던 광고와 판촉 활동을 모두 취소하였다. 평범한 구형 테니스 화는 일주일 만에 2만 켤레가 팔리는 빅 히트를 기록했다. 광고도 판촉도 하지 않았던 상품의 성공은 스포츠 이벤트와 마케팅의 위력을 보여준 사례이다.맥주회사인 기네스는 아일랜드의 미국 월드컵 진출을 이 회사가 아일랜드계 미국인이 많은 북미 마케팅 전략을 전개하는데 아주 좋은 기회로 파악하였다. 자이언츠 경기장에서 아일랜드가 이탈리아와의 치열한 경기에서 이겼을 때, 스폰서 쉽의 부가가치가 실제로 구체화되었다. 여기서 중요한 것은 기네스가 아일랜드를 후원함으로써 얻게 되는 이미지 상승과 제품 판매 치에 대하여 경기를 이겼고 사람들은 아일랜드 식으로 거품이 많이 나는 기네스 맥주로 축배를 들었다.2) 국내 기업의 스포츠 이벤트 사례삼성전자는 해외경영에 필요한 브랜드 인지도를 높이기 위해 스포츠 이벤트가 필수적이라 판단하고 세계 각지에서 스포츠 대회를 단독 지원하거나 각종 스포츠 대회를 단독 지원하거나 각종 스포츠 팀들을 후원하는 등의 방법으로 마케팅 활동을 강화하고 있다.후원 대회들은 1995년 루마니아에서 ‘삼성 컵 축구대회’를 개최하고 있으며, 또한 ‘삼성 네이션 컵 세계 승마대회’도 후원한다. 국가대항전이며 1996년부터 1999년까지 전 세계 25개국에서 28개 대회 개최하였으며, 2000년 시드니 하계 올림픽에서 무선기기 파트너 쉽을 획득하였으며, 1998년 방콕 아시안게임 오디오, 비디오 제품과 백색가전의 공식 스폰서 쉽 파트너로 지정되었다.후원하고 있는 스포츠 팀들은 러시아 1급 프로 아이스하키 팀 '디니모' 와 프로축구팀 '로코모티브'헝가리 축구팀 VAC 삼성 팀이 있으며 이들 팀의 선수들은 삼성로고가 새겨진 경기 복을 입고 경기에 참가하며 경기장에는 삼성전자 홍보 입간판이 세워졌다.대우전자는 가장 먼저 세계화

예체능| 2009.06.22| 31페이지| 2,000원| 조회(951)

마케팅, 스포츠, 스포츠 마케팅, 스포츠 경영

미리보기

닫기
영상처리 - 웨이블릿 변환 응용

Wavelet Transform Modification▶ 개요Multi-Resolution Aanalysis는 이산웨이브렛 변환의 한 방법이며, 1987 프랑스의 공학도인 Stepahne Mallat에 의해 제안되었다. MRA는 먼저 다해상도 분석영역이라 정의되는 벡터 영역을 정의하고, 직교기저를 이루는 스케일함수 및 스케일 함수호 부 터 정의되는 웨이브렛을 이용하여 신호 f(t)를 다해상도 영역에 사영시키는 방법이다. 이방법의 연산 체계는 기존의 신호처리 이론인 Filter Bank와 동일한 구조를 지니고 있으며 따라서 자연스럽게 이산웨이브렛 변환이 기존의 Filter Bank가 사용되던 분야에 접목되게 되었다. (영상 압축, denosing 등)다음 그림은 Decomposition 과 Reconstruction의 간단한 과정을 보여준다.▷ 다음은 실험을 위한 원영상(500×500)과 원영상을 512×512 크기로 만들어주기 위해 zero-padding 영상이다.원영상padded 영상▷ 아래의 영상은 1단계에서 9단계까지의 DWT를 보여준다.1단계 ~ 3단계 DWT4단계 ~ 9단계 DWT▷ 아래의 영상은 4단계까지 DWT를 한 후, 각 단계의 approximation coefficients를 zero로 하고, 4단계에서 원영상의 크기로 순차적으로 복원을 한 것이다.( 복원영상 모두 반전시킨 영상들이다. )512×512 복원영상256×256 복원영상128×128복원영상64×64복원영상▷ 아래의 영상은 각 단계의 horizontal detail coefficients를 zero로 하고, 4단계에서 원영상의 크기로 순차적으로 복원을 한 것이다.( 512×512 영상과 256×256 영상은 반전시킨 영상이다 )512×512 복원영상256×256 복원영상128×128복원영상64×64복원영상▷ 아래의 영상은 각 단계의 vertical detail coefficients를 zero로 하고, 4단계에서 원영상의 크기로 순차적으로 복원을 한 것이다.( 512×512 영상과 256×256 영상은 반전시킨 영상이다 )512×512 복원영상256×256복원영상128×128복원영상64×64복원영상▷ 아래의 영상은 각 단계의 vertical detail과 horizontal detail coefficients를 zero로 하고, 4단계에서 원영상의 크기로 순차적으로 복원을 한 것이다.( 512×512 영상과 256×256 영상은 반전시킨 영상이다 )512×512 복원영상256×256복원영상128×128복원영상64×64복원영상◆ Discussion1단계에서 9단계까지의 DWT 변환 영상들에서 approximation coefficients와 detail coefficients의 단계별로 구분되어지는 것을 볼 수 있었다. 첫 번째 실험에서는 4단계(32×32 크기의 영상)까지 변환된 영상을 approximation coefficients를 zero로하고 단계별로 복원시켰다. 복원영상들에서 보는 것과 같이 detail coefficients로만 이루어진 영상을 볼 수 있고, 수직성분, 수평성분 그리고 대각성분들을 볼 수 있었다. 전체적으로 edge detection 효과가 있었다.두 번째 실험에서는 horizontal detail 성분들을 zero로 하고 단계별로 복원한 영상이다. 영상에서 수평성분들이 제거 된 것을 볼 수 있다. 또한 세 번째 실험에서도 vertical detail 성분들을 제거하고 복원한 영상들에서 수직성분들을 볼 수 없었다. 마지막 실험에서는 수직, 수평성분을 제거 후, 복원한 영상들이고 영상에 대각성분들이 나타나는 것을 볼 수 있다.

공학/기술| 2009.03.29| 5페이지| 1,000원| 조회(696)

영상처리, image processing, 웨이블릿, Wavelet

미리보기

닫기
영상처리 - 라플라시안 마스크

* Enhancement using the laplacian* Unsharp masking? Enhancement Using the Laplacian?개요영상강조는 전처리라고도 하며 영상의 질을 개선하거나 영상을 특정한 응용 목적에 알맞도록 변환시키는 작업을 의미한다. 이 처리에는 명암도 재조정, smoothing, sharpening, 고주파 차단, 저주파 차단 등의 영상 조작을 포함한다. 전처리 방법에는 공간 영역적 방법과 주파수 영역적 방법으로 구분할 수 있다. 영상을 구성하는 화소들의 집합인 공간영역에 처리를 의미하는 공간 영역적 전처리 방법에는 명암도 재조정, smoothing, sharpening 등의 영상조작이 있고 다음과 같이 간단히 표현될 수 있다.g(x, y) = h[f(x, y)]여기서 f는 입력영상이고, h는 입력영상의 변환 기호이다.Laplacian은 가장 간단한 isotropic derivative operator이자, 선형 미분자이다. laplacian operator는 다음과 같이 정의된다다음은 위 식의 digital implementation 이다.▽^2f = [ f(x+1, y)+f(x-1, y)+f(x,y+1)+f(x, y-1)]-4f(x,y) - (1)입력 영상의 enhancement를 위해 laplacian을 다음과 같이 사용할 수 있다.0-10-14-10-10g(x, y) = f(x,y) - ▽^2f(x,y) -(2)f(x,y) + ▽^2f(x,y) -(3)(2)식은 라플라시안 마스크 중앙값이 negative일 때 사용되고, (3)식은 라플라시안 마스크값이 positive일 때 사용된다. 왜냐하면, (1)식의 정의에서 볼 수 있듯이 중앙값이 negative 이기 때문에 마스크의 중앙값이 positive일때는 negative의 중복에 의해 (3)식은 positive가 된다.다음은 영상들은 programing을 통해 laplacian enhancement를 보여준다.-1-1-1-18-1-1-1-1-(4)형태 (4)의 laplacian mask와 마스크의 중앙 값이 positive이기 때문에 (3)식을 사용하였다.Display 목적에 의한 scaled Laplacian 영상(c)fig. 3.40(a) input image라플라시안 마스크 영상 (b)영상(a)는 입력 영상이고, (b)는 (4)의 라플라시안 마스크를 사용한 영상이다. 미분 연산자에 의해 수직, 수평과 대각선 방향의 edge 부분이 검출 되었다. 영상(c)는 라플라시안 변환에 의해 -255∼255의 분포를 가지게 되는 pixel 값을, Display 목적에 의한 가장 간단한 방법인 (pixel+255)/2를 함으로써 0∼255의 값으로 보여진 영상이다. 마지막으로 영상 (d)는 식 (3)에 의한 결과이다. 원 영상(a)과 비교했을 때, 원 영상에서 볼 수 없었던 세밀한 부분까지 볼 수 있게 영상이 향상 되었다.? Unsharp Masking? 개요Unsharp masking은 원영상에서 저주파 성분을 빼줌으로써 영상을 향상시키는 방법이다. unsharp masking의 정의는 다음과 같다.- (1)여기서 f는 입력영상이고, f'는 blurring 영상을 말한다.unsharp masking을 좀더 개선시킨 것을 high-boost filtering이라고 한다. high boost filtering은 다음과 같이 정의된다.- (2)여기서 A≥1이다.식(2)의 변형에 의하여 다음의 식을 만들 수 있다.- (3)식(3)은 일반적으로 응용될 수 있고, 만약에 laplacian을 사용한다면, 식(3)은 다음과 같이 된다.- (4)- (5)식(4)는 라플라시안 마스크의 중앙값이 negative 일때, 식(5)는 마스크의 중앙값이 positive일때 사용된다.다음 high-boost filtering은 programing을 통해 식(2)에 의해 나타냈다. 영상을 low pass filtering을 하기 위해서 아래와 같은 3 by 3 마스크를 사용하였다.1/91/91/91/91/91/91/91/91/9fig.3.43 원영상 ( Input image )-(a)A=2.5를 이용한 향상된 영상 - (b)A=2.7를 이용한 향상된 영상 - (c)?다음 영상들은 라플라시안을 이용한 영상.A=1.7을 이용한 향상된 영상 - (e)A=1.5를 이용한 향상된 영상 - (d)영상 (a)는 실험 영상으로 사용된 text book 의 fig.3.43(a) 영상이다. 영상 (b)와 (c)는 원영상의 blurred version(eq.2)을 사용한 high boost 영상이다. 영상에 볼 수 있듯이 (b)와 (c)의 차이는 A값의 다른 영상이다. A값이 커질 수 록 영상이 더 밝아지는 것을 볼 수 있다.영상 (d)와 (e)는 programing을 통해 라플라시안을 이용한 high boost 영상이다. 여기서 사용된 라플라시안 마스크는 아래와 같고, (d)는 A=1.5일때, (e)는 A=1.7일 때의 영상을 보-1-1-1-18-1-1-1-1여 준다.블러링 영상(eq.2)과 라플라시안 영상(eq.5)을 비교해보면, 라플라시안 영상을 사용했을 때, A=1.7과 블러링 영상 A=2.7일 때에 비슷한 효과를 볼 수 있었다.

공학/기술| 2009.03.29| 5페이지| 1,000원| 조회(2,674)

마스크, 영상처리, 필터, filter, 라플라시안, Laplacian

미리보기

닫기
영상처리 - 히스토그램, 공간 필터

Histogram Equalization & Spatial Filtering? Histogram Equalization(a) histogram▷ 히스토그램은 화소밝기(pixel intensity)의 막대 그래프이다. X축은 화소의 밝기를 나타내고, Y축은 각 화소 밝기가 영상내에서 나타내는 빈도수를 나타낸다. 디지털 영상 히스토그램은 영상의 밝기분포를 나타내는 유용한 정보이다.디지털 이미지의 히스토그램은 범위 [0, L-1]에서로 사용하는데, r은 gray level을 말하고, n은 pixel의 수를 말한다. 예를 들어 위에 image의 숫자가 r을 나타내고, 그리고 숫자의 개수가 n을 나타낸다. 히스토그램의 정규화식은로 쓰고, n은 이미지의 전체 pixel 수를 말하고, 정규화된 histogram의의 전체 합은 1과 같다.다음 이미지와 히스토그램은 256?256의 lena 영상에 대한 histogram을 나타낸 것이고, 위의 설명과 동일하게 X축은 pixel의 명암값(0-255)를 나타내고, Y축은 명암값의 빈도수를 나타낸다.다음은 text book의 fig. 3.8(a)의 MR 영상에 대한 히스토그램을 나타낸 것이고, 373?488의 크기를 가지고 있고, 256의 gray level을 가지고 있다.위 이미지 히스토그램에서는 명암값 검정(0)과 흰(255)값에 집중되어 있기 때문에 양 끝에 집중되어 있는 것을 알수 있다.(b) Histogram Equalization▷ 히스토그램 평활화는 영상의 히스토그램이 Uniform 분포가 되도록 하는 것이다. 즉 한곳에 집중되어 있는 명암 값을 펼쳐서 명암 값이 균일한 분포를 갖도록 하는 것이다. 따라서 결과는 어두운 영상은 밝아지고 너무 밝은 영상은 조금 어두어져서 적당한 명암값을 유지하게 된다.영상에서 gray level이 일어날 수 있는 확률 p에서 p(r대 r의 plot을 히스토그램이라고 하고,(CDF)에서 discrete version의을 histogram equalization 또는 histogram linearization이라고 한다.예를 들어, 다음은 lena 영상의 histogram equalization이고, 256?256의 크기를 가지고 있다. 여기에서 볼수 있는 것처럼 Uuiform 형태로 펼쳐져 있는 것을 볼 수 있다.다음은 text book의 fig. 3.8(a)의 MR 영상에 대한 히스토그램 평활화를 나타낸 것이고, 373?488의 크기를 가지고 있고, 256의 gray level을 가지고 있다.위 영상에서 본 MR영상과 평활화 된 영상의 차이를 볼 수 있고, 본 영상에서 보이지 않았던 부분을 볼 수 있게 되었다. 평활화 된 영상의 히스토그램은 본 영상의 히스토그램 보다 gray level 전체 영역에 대해 검정(0)에 치우쳐 있던 값을 중간값정도로 분산시키는 형태를 보인다.(c) a Plot of Histogram Equalization transformation functionText book fig. 3.8(a)에 대한 히스토그램과 히스토그램 평활화에 대한 것은 (a), (b)에서 나타내는 것과 같고, 히스토그램 평활화 관계된 그림과 함수를 다음에서 볼수 있다.fig. a gray level transformation함수의 형태는, 0≤s ≤1 되고, discrete version은(r의 형태가 된다. 함수의 누적 분포에 따라서 plot의 형태가 달라지게 돼는데, 히스토그램의 분포가 Uniform형태가 될 수록, 누적 분포의 plot은 직선형태가 된다.다음의 예에서 쉽게 알수 있다. 본 lena 영상과 평활화 된 영상의 누적함수의 plot을 볼 수가 있다.lena 영상에서 위는 본래 영상이고 아래 영상은 평활화 된 영상이다. 본래 영상의 누적 분포는 균일 하지 않고, 평활화 된 영상의 누적 분포는 균일한 형태를 보인다.다음은 MR 영상의 누적 분포를 보인 것이다.원 MR 영상에서의 누적분포는 r이 “0”부분에서 s 가 높은 값을 나타낸다. 다시 말하면 명암 값이 검정(0) 부근에 집중되어 있다는 것을 알 수 있다. 몇몇 명암값의 빈도수가 다른 값에 비해 아주 큰 값을 가지고 있기 때문에, 큰 값과 상대적으로 다음에 오는 작은 명암값의 차이에 의해 image equalization 과정에서 X축(pixel intensity) 방향으로 비례적으로 간격이 커지게 된다. 따라서 equalization 된 MR 영상에서 히스토그램 본포는 pixel intensity 의 중간 값 근처에서부터 분포하게 된다. equalization 된 MR 영상의 누적 분포를 보면, 중간 정도에서부터 선형성을 보이게 된다. 그러므로 원 영상에서 보이지 않았던 부분을 평활화 된 영상에서 볼 수가 있다.? Spatial Filter? 개요Spatial Enhancement 방법에는 edge detector, convolution, filter의 3가지 기법이 있으며, 보통 Spatial filtering이라는 이름으로 통합하여 함께 사용한다. 이러한 filtering 방법은 기본적으로 영상의 일부 또는 전체에 분포하는 화소의 밝기를 변화시켜 줌으로써 영상 자료 내에 포함되어 있는 정보를 선택적으로 강조하거나 삭제하는 반복 과정을 통해 이루어진다.영상 내 화소값의 재구성을 위해서 3?3, 5?5등 가로, 세로 각각 일정한 개수의 격자를 가진 mask( filter, kernel, template, window)라는 작은 창을 영상에 대해 한 Pixel씩 이동시키며 영상 재배열 기법을 통해 새로운 화소값을 생성하게 되는데, 이때 사용하는 창의 형태에 따라 여러 가지 다양한 mask들이 존재한다.?Smoothing Spatial filter(Low pass filter)이 방법은 영상 내 화소의 밝기 단계의 범위를 줄여줌으로써 영상의 상세한 부분을 부드럽게 하고, 영상 내에 불규칙적으로 분포해 있는 잡음을 제거하는 역할을 한다. 그러나 이 방법은 여러 가지 잡음 화소 제거와 함께 발생하는 영상의 흐려짐 현상의 원인이 될 수 있다?Sharpening Spatial filter(High pass filter)영상의 Histogram에서 아주 작은 빈도의 밝기값을 갖는 화소들을 제거함으로써 영상의 상세한 부분을 강조하여 시각적 해상도를 강화시킨다. 이 방법은 영상을 날카롭고 거친 형태로 만들어 줌으로써 도로나 건물 등과 같이 영상 내에 특정한 형태를 강조하거나 찾아내고자 하는 경우에 주로 사용된다.

공학/기술| 2009.03.29| 7페이지| 1,000원| 조회(1,370)

영상처리, 필터, image processing, 히스토그램, histogram

미리보기

닫기
영상처리 - 칼라 영상 처리

Color image enhancement by histogram processing◆ 개요히스토그램은 영상의 명암값의 빈도수를 보여주기 위한 방법이다. 따라서 영상의 구성 즉, 명암 대비 및 명암값 분포에 대한 정보를 제공한다. 영상 히스토그램은 단지 화소가 가진 명암값에 대한 막대 그래프이며, 화소가 가질 수 있는 명암값은 x축 상에 그려지며 각 명암값이 가진 빈도수는 y축 상에 그려진다. 히스토그램은 각 명도를 가지고 있는 픽셀들의 갯수를 나타내지만, 그 픽셀들이 어디에 위치하는지에 대하여 전혀 정보를 가지지 않는다.히스토그램의 픽셀 수를 합하면 영상의 모든 픽셀 갯수가 된다. 히스토그램은 영상처리의 전처리 과정에서 많이 쓰이는 중요한 방법 중 하나이다.히스토그램의 사용 목적은 물체를 인식하는 것이다. 일반적으로, 영상에서 물체 안의 화소는 유사한 분포를 가진다. 따라서, 히스토그램의 마루와 골을 분석한다면 물체 부분과 배경 부분에 속한 화소의 명암값 분포를 결정할 수 있다.어떤 영상의 명암값 분포가 빈약할 때 히스토그램 평활화라고 불리는 영상처리에 의해 향상될 수 있다. 히스토그램 평활화의 궁극적인 목적은 일정한 분포를 가진 히스토그램을 생성하는 것이다. 따라서 평활화를 수행한 히스토그램은 보다 균일한 분포를 가질 것이다. 히스토그램 평화화는 히스토그램을 평탄하게 하는 것이 아니라 명암값 분포를 재분배하는 것이다. 히스토그램 평활화는 포인트 처리이기 때문에 새로운 명암값이 영상에 추가 되지는 않는다. 즉, 기존의 명암값은 새로운 값으로 설정 되지만 명암값의 실질적인 개수는 입력영상의 명암값의 개수와 동일하거나 적을 것이다.▶ 다음 영상들은 프로그래밍 과정을 통해 나타낸 것이다.그림 . 원 영상그림 . Equalization 영상평활화 적용 전Red (histogram)평활화 적용 전Green ( histogram )평활화 적용 전Blue ( histogram )Green ( 평활화 영상 )Red ( 평활화 영상 )Blue ( 평활화 영상）어두운 원영상의 R, G, B 값을 추출하고, 각각에 대해 평활화를 수행한 후, 다시 합쳐주었다. 그림 2는 평활화 된 영상이고, 원영상에 보이지 않는 부분들을 자세히 볼 수 있다. 위의 히스토그램은 원영상의 R, G, B 영상에 대한 각각에 대해 적용한 결과이다.▶ 다음 영상들은 프로그래밍 과정을 통해 나타낸 것이다.* R, G, B 각각의 히스토그램의 평균 히스토그램을 이용한 결과 들이다.그림 3. 원 영상그림 4. Equalization 영상Red ( 평활화 영상 )Red 평활화 영상에 대한 히스토그램Green 평활화 영상에 대한 히스토그램Green ( 평활화 영상 )Blue ( 평활화 영상 )Blue 평활화 영상에 대한 히스토그램영상 그림 4는 원영상에서 추출 된 red, green, blue 영상 각각의 히스토그램들의 평균을 이용한 평활화 영상이다.원영상에 대해 평활화 수행 후, 그림 2와 그림 4의 영상은 안 보이는 부분을 볼 수 있게 향상 되었지만, 색의 차이를 볼 수 있다.

공학/기술| 2009.03.29| 4페이지| 1,000원| 조회(606)

영상처리, 칼라, image processing, color

미리보기

닫기