# Cross Correlation
Convolution
공간 기반 영상 처리 공간 기반 영상 처리는 처리 대상 점의 주변 픽셀들의 밝기 값을 고려해서 대상 점의 밝기 값을 결정하는 처리입니다. 마스크(mask)는 처리 대상 점의 주변 픽셀들의 밝기 값을 나타내기 위한 사각형이며, 커널(Kernel)이나 필터(filter)로도 불립니다. 마스크는 보통 좌우대칭이며 홀수 크기의 형태를 가집니다. 필터링 (Filtering) 처리 대상 점의 주변 픽셀들을 결합하는 것을 필터링이라고 합니다. 필터링을 통해서 이미지로부터 더 유용한 정보를 얻거나, 노이즈를 제거하거나, 경계선을 뚜렷하게 만드는 작업을 할 수 있습니다. 필터링은 딥러닝의 합성곱 신경망(Convolution Neural Network, CNN)의 핵심 연산이기도 합니다. 선형 필터링 (Linear Filtering) 필터링의 단순한 버전으로 선형 필터링이 있습니다. 선형 필터링은 각각의 처리 대상 점을 이웃한 픽셀 값들의 선형 결합(Linear Co
✨Convolutional Neural Network
Convolution 2D convolution은 filter를 상하좌우 반전시킨 뒤 H의 모든 fixel에 대해 cross-correlation시킨 것과 결과가 같다. CNN은 neural network의 각 node에서 적용되는 linear transformation -> non linear transformation에서 linear transformation으로 convolution을 적용한 것이다. 성능이 우수해 요즘에 많이 사용되고 있다. convolution을 이용하면 굉장히 큰 size의 input을 다룰
Convolution
Image Filtering output image와 input image는 같은 크기이다 (image 크기가 변하지는 않음). image filtering에는 linear filtering과 non-linear filtering이 있다. Linear filtering linear filtering은 단순히 입력 data를 주변 pixel을 이용해 적당히 weighted sum 하는 것이다. convolution은 linear filtering 중 하나이다. 그리고 learning하는 과정에서 linear transformation과 non-linear transformation을 각각 한 번씩 수행하는데 이 때 linear transformation으로 convolution을 사용하는
[Vision] Cross Correlation의 해석 (feat. Hessian)
Image Matching에 대해 공부를 하던 중 Cross Correlation에 대한 내용을 학습하게 되었는데 수학적인 지식이 부족한 탓인지 이 부분에서 등장하는 여러 가지 용어가 너무 무섭게 다가왔어요.. 그래서 Quadratic Form, Hessian Matrix 등 여러 개념에 대해 알아가면서 Cross Correlation와 좀 더 끈적한 사이가 되어 볼까합니다 :) Cross Correlation Source Image Template ![](https://images.velog.io/images/yyongjae/post/610c8dee-f