Spatial Filtering

Minhyeok의 Notion - 노션에서 옮기는 중

Average Filter

blur(image, AvgImg, Size(5,5));

Gaussian Filter

// 1.5: 가우시안 커널 표준 편차 in X direction
GaussianBlur(image, GaussianImg, Size(5,5), 1.5);

Mask Size

• 필터의 마스크가 클수록 blur

Sharpening

• second derivative (2차 미분)

  1. input 이미지의 2차 미분 구하기

  2. input 이미지에 2차 미분 더하기

     Laplacian(image, laplacian, CV_16S, 1, 1, 0)

• unsharp masking
  • 원본 이미지에 blur 된 이미지 빼기

Median Filter

medianBlur(image, mf, 3);

각 필터 비교 From GPT

1. Average Filter (평균 필터)

• 특징: 각 픽셀을 주변 픽셀의 평균값으로 대체하는 필터로, 이미지의 노이즈를 줄이는 데 사용됩니다. 저역 통과 필터(Low-Pass Filter)의 일종입니다.
• 장점:
  • 간단한 계산으로 이미지의 랜덤 노이즈(특히 Gaussian 노이즈)를 줄일 수 있습니다.
  • 구현이 매우 쉽습니다.
• 단점:
  • *경계(blurring)**가 발생하여 이미지가 흐릿해집니다.
  • 경계와 세부 사항이 같이 부드러워져 세부 정보 손실이 발생합니다.
• 사용할 때:
  • 간단한 노이즈 제거가 필요할 때.
  • 이미지 경계가 중요한 요소가 아닌 경우 (예: 이미지를 미리 처리하는 전처리 단계).
  • 이미지의 세부 사항 손실이 크게 문제가 되지 않는 경우.

2. Gaussian Filter (가우시안 필터)

• 특징: Gaussian 함수를 기반으로 한 필터로, 거리에 따라 가중치를 부여하여 중심 픽셀에 가까운 픽셀일수록 더 큰 가중치를 부여합니다. 평활화(smoothing) 기능이 있습니다.
• 장점:
  • Average Filter에 비해 노이즈를 더 효율적으로 제거할 수 있습니다.
  • 노이즈 제거 효과가 우수하며 경계선 손실이 Average Filter보다 적습니다.
  • 필터 마스크의 크기 및 가우시안 분산(σ)을 조정하여 부드러움의 정도를 조절할 수 있습니다.
• 단점:
  • 여전히 경계의 흐릿함이 발생하며, 세부 사항이 일부 손실될 수 있습니다.
  • 필터 크기 및 σ에 따라 계산량이 증가합니다.
• 사용할 때:
  • Gaussian 노이즈와 같은 랜덤 노이즈를 제거할 때.
  • 이미지의 세부 사항 손실을 최소화하면서도 부드러움을 유지하고 싶을 때.
  • 자연스러운 블러를 원할 때.

3. 2차 도함수 필터 (Second Derivative Filter)

• 특징: Laplacian 필터와 같은 2차 미분 기반 필터는 이미지의 경계(edge)를 강조하는 필터입니다. 이미지의 고주파 성분을 강조하여 경계를 두드러지게 만듭니다.
• 장점:
  • 이미지의 경계를 강하게 강조합니다.
  • 노이즈 제거보다는 경계 검출에 매우 효과적입니다.
  • 세부 사항이 명확하게 강조됩니다.
• 단점:
  • 노이즈에 매우 민감합니다. 따라서 노이즈 제거 후 사용해야 할 경우가 많습니다.
  • 이미지의 부드러움이 사라질 수 있습니다.
• 사용할 때:
  • 이미지에서 경계 검출이 필요할 때 (예: 에지 검출).
  • 이미지의 세부 사항을 강조하고 싶을 때.
  • 노이즈가 없는 정제된 이미지에서 세부 경계를 찾고자 할 때.

4. Median Filter (중간값 필터)

• 특징: 각 픽셀의 값이 주변 픽셀들의 중간값으로 대체되는 필터입니다. 주로 임펄스 노이즈(Impulse Noise), 즉 소금-후추 노이즈 제거에 사용됩니다.
• 장점:
  • 소금-후추 노이즈와 같은 임펄스 노이즈 제거에 매우 효과적입니다.
  • 경계선 유지 능력이 뛰어나며, 이미지가 경계 흐림 없이 부드럽게 처리됩니다.
• 단점:
  • 평균 필터나 가우시안 필터에 비해 계산량이 많습니다.
  • 매우 큰 마스크 크기에서는 성능이 저하될 수 있습니다.
• 사용할 때:
  • 임펄스 노이즈 제거(특히 소금-후추 노이즈)가 필요할 때.
  • 이미지의 경계 보존이 중요한 경우.
  • 노이즈 제거와 경계 유지가 모두 필요한 경우.

요약:

• Average Filter: 노이즈 제거에 좋지만 경계가 흐릿해짐. 전처리 단계나 노이즈가 심한 이미지에서 사용.
• Gaussian Filter: 부드러운 노이즈 제거와 경계 유지가 필요할 때 적합. 자연스러운 블러 효과를 원할 때 사용.
• 2차 도함수 필터: 경계 검출 및 세부 사항 강조에 적합. 에지 검출이 필요할 때 사용되며, 노이즈 제거 후 사용하는 것이 좋음.
• Median Filter: 소금-후추 노이즈와 같은 임펄스 노이즈 제거에 뛰어나며, 경계를 보존하는 데 탁월. 경계를 유지하면서 노이즈 제거가 필요한 경우 사용.

이러한 필터들은 각 상황에 맞는 특성에 따라 사용되며, 이미지 처리 목적에 따라 적절한 필터를 선택하는 것이 중요합니다.

💡

소금-후추 노이즈(Salt-and-Pepper Noise)는 임펄스 노이즈(Impulse Noise)의 일종으로, 이미지에서 갑작스럽게 발생하는 흰색(소금)과 검은색(후추) 점들이 무작위로 분포되는 형태의 노이즈입니다. 이 노이즈는 픽셀 값이 극단적인 값(최소값과 최대값)**으로 변하는 것이 특징입니다. 주로 흑백 이미지에서 발생하지만, 컬러 이미지에서도 각각의 채널에 독립적으로 영향을 줄 수 있습니다.