이 내용은 충남대학교 고영준 교수님의 영상 처리 강의를 듣고, 혼자 공부하기 위해 작성한 내용입니다.
Naive image downsampling
- 이미지를 축소할때, 짝수번째 행과 열을 지워서 축소함.
![](https://velog.velcdn.com/images/youngchang1005/post/e53b879e-a73d-49f8-99a6-ec5c3fa40df5/image.png)
- Aliasing 효과가 발생해 별로 좋지 않음
![](https://velog.velcdn.com/images/youngchang1005/post/aa2f4d35-c63c-4de0-abc3-ac59e8ed6f0f/image.png)
Aliasing
![](https://velog.velcdn.com/images/youngchang1005/post/81f0b3f3-8397-4cbe-a064-aea68c3f0bd0/image.png)
- 너무 많이 축소하면 손실이 많이 발생해서, 왜곡이 많이 일어남.
![](https://velog.velcdn.com/images/youngchang1005/post/eff77f7f-f7dc-4365-a092-dd2988712398/image.png)
Anti-aliasing (smooth the signal)
- 가우시안 필터와 같은 smoothing 필터를 씌우고 축소하면 튀는 값들이 많이 없어져서 왜곡이 줄어듦.
![](https://velog.velcdn.com/images/youngchang1005/post/cd0a9ce7-0046-410b-924e-0e724cce6c82/image.png)
- smoothing 필터를 먼저 적용한 후, 짝수번째 행과 열을 날린다.
Gaussian pyramid
![](https://velog.velcdn.com/images/youngchang1005/post/c26c09c8-a820-4844-bd23-4aedc1bcafda/image.png)
ex) 1/4씩 크기를 줄인다고 가정하면, 마지막 image pyramid의 크기는 등비급수의 합에 의해 처음 이미지의 4/3배가 됨.
Gaussian pyramid의 특징
![](https://velog.velcdn.com/images/youngchang1005/post/ee8cdead-7a0d-41ea-ab45-36d6d772e545/image.png)
- 점점 작아질수록 smoothing 효과 때문에 디테일이 떨어짐. (smoothing 효과는 detail에 취약함)
- uniform한 지역은 축소를 많이 해도 유지가 꽤 되는 편.
Residual
- residual (손실되는 정보) : 원본 이미지 - 가우시안 필터 적용 이미지
![](https://velog.velcdn.com/images/youngchang1005/post/91762fa1-3c77-4696-9cfa-579192184a0d/image.png)