Digital Image
sampling과 quantization을 거쳐 생성되는 이미지
Point Processing(화소처리)
화소처리는 입력 영상의 화소값이 수학적인 함수를 거쳐서 새로운 값으로 변경된 후에 출력 영상의 동일한 위치에 저장하는 방식
ex) Darken: x - 128, lower contrast: x / 2
Filtering (공간 필터링)
출력 화소의 값을 결정할 때, 이웃한 화소들의 값을 사용하는 방법
Linear Filtering
additivity: f(x + y) = f(x) + f(y)
homogenity: f(ax) =a* f(x) for all a
additivity + homegenity = linearity
Linear filtering: 출력 픽셀값이 입력 픽셀값의 가중치 합 (weighted sum) 으로 결정되는 필터링 방식
ex) mean kernel: blurring 효과가 있음.
non-linear filtering
Gaussian filtering: 주변의 픽셀들이 멀리있는 픽셀보다 관련성이 높다고 가정하여 가까운 픽셀에 더 많은 가중치를 주는 필터링 방식
gaussian filter vs box filter
둘다 blurring 효과가 있지만 gaussian이 더 좋은 blur를 보여준다.
gaussian blur + original image = overlay effect
original image - blurring = detail
detail + original image = sharpening
sharpening시 이미지의 가장자리 주위에 밝은 또는 어두운 윤곽선이 생기는 halo effect 발생할 수 있음.
Histogram Calculation
histogram: 영상의 픽셀값 분포를 그래프 형태로 표현한 것
histogram equalization
historam을 평탄화하는 방법으로 픽셀값의 분포를 늘려 이미지의 contrast를 증가시키는 방법이다. 여기서 h는 normalized cumulative distribution이다.
cumulative distribution는 분포가 많이 되어 있는 픽셀값의 범위에 더 많은 detail을 표현하기 위해 사용한다. 즉 CDF의 기울기 가 높을 수록 집중해야할 범위라는 뜻이다.
binarization
8비트의 gray level을 black과 white로 이진화하는 방법
thresholding: 이진화가 발생하는 임계점
Otsu’s algorithm
두 클래스의 분산들이 최소가 되게 하는 threshold값을 찾는 알고리즘으로 클래스들의 분산이 최소가 된다는 것은 두 클래스의 분포가 가장 균일하다는 것을 뜻한댜.
Multiscale
image downsampling
픽셀의 갯수를 줄여 이미지의 크기를 줄이는 방식
image pyramid
downsamplig을 계속적으로 수행하여 이미지를 계속적으로 줄여나가면 마치 피라미드 형태처럼 보이게 되는데 이를 image pyramid라고 한다.
aliasing
downsampling을 하면 샘플링을 하는 픽셀의 간격이 너무 커서 본래의 이미지와는 다르게 보이게 되는 현상을 뜻한다.
aliasing이 발생한 것을 볼 수 있다.
이러한 aliasing은 gaussian filter를 사용하여 smoothing함으로써 해결할 수 있다. 이를 Burt&Adelson’ method라고 한다.
color model
RGB: 빛의 삼원색을 나타낸 것으로 R-channel, G-channel, B-channel로 이루어져있으며 intesity level은 256으로 나타낸다.
HSI: Hue-channel, Saturation-channel, Intensity-channel로 이루어져 있으며, Hue는 색의 정도로 색상을 나타낸다. saturation은 채도로 색상의 선명도를 나타낸다. intensity는 색상의 밝기정도를 나타낸다.
