[CV] Gaussian Filter로 smoothing(블러링) 하기

🌳 Gaussian Filter (가우시안 필터)

가우시안 분포 형태의 마스크로 현재 화소와 가까울수록 가중치를 부여한 mask를 사용하는 필터링 기법

가우시안 분포 그래프

👍 Gaussian Filter의 좋은점 ( vs 평균값 필터)

평균값 필터란?

주변 화소와의 산술 평균값으로 mask를 사용하는 필터링 기법
→ 즉, 가까이 있는 픽셀과 멀리 있는 픽셀이 모두 같은 가중치의 평균값으로 계산되기 때문에
멀리 있는 픽셀(본 픽셀과 관련성이 별로 없는 픽셀)의 영향을 받을 수 있다.

gaussian filter는

• 멀리 있는 픽셀의 영향을 많이 받지 않는다.
• 더 자연스러운 블러 효과를 얻을 수 있다.

💻 openCV Gaussian Filter 사용

void cv::GaussianBlur 	(
		InputArray  	src,
		OutputArray  	dst,
		Size  			ksize,
		double  		sigmaX,
		double  		sigmaY = 0,
		int  			borderType = BORDER_DEFAULT 
	) 

ksize 를 Size() 값을 사용하게 되면, sigma 값에 의해 결정된다.

• gray scale image는 6σ+1, true color image는 8σ+1의 크기로 결정된다.
• 이때 sigma 값을 증가시킬 수록 블러링 효과는 더 커진다.

9 x 9 사이즈의 mask를 사용한다면, 다음과 같이 GaussianFilter를 사용할 수 있다. (cpp)

Mat myGaussianFilter(Mat img) {
	Mat dstImg(img.size(), CV_8UC3);
	GaussianBlur(img, dstImg, Size(9, 9), 0); // 마스크의 크기는 9x9로 지정하여 자체적으로 마스크 생성 후 연산

	return dstImg;
}

자체적으로 구현을 하여 사용할 수 있으나, 실사용에선 GaussainBlur 함수를 사용하기에 함수 설명만 업로드 하였다!

📊 Gaussian Filter 적용 전과 후, histogram 비교

Gaussian Filter를 적용하면서 히스토그램의 분포 균형이 조금 더 개선되었다.

💡 Sigma 값에 따른 Gaussian Blur 효과 정도 비교

Mat origin = imread("C:\\cv_img\\gear.jpg", 0);
	imshow("origin", origin);

	Mat blured;
	for (int sigma = 1; sigma <= 5; sigma++) {
		GaussianBlur(origin, blured, Size(), (double)sigma);

		imshow(to_string(sigma), blured);
		waitKey(0);
	}

위의 코드를 사용하여 이미지 확인

sigma의 값이 커질수록 blur 효과도 커진다는 것을 확인할 수 있다.

🪄 Noise가 있는 이미지에 Gaussian Filter 적용

Gaussian Filter를 적용하면서 Noise가 감소되었고, 블러링되었다.