Image processing(2)

Ⅰ. Image convolution

- Convolution은 고정된 filter mask를 픽셀들과 곱하고 더하여 새로운 pixel 값을 계산해 내는 image processing임

    + 이미지의 새로운 픽셀 값들은 주변 픽셀 값들을 고려함으로써 결정 되어짐

(※ Convolution은 최근 CNN(Convolution nerual network)로 인해서, 많이들 알고 있을 거라고 생각됩니다)

- 아래는 convolution의 수식을 나타내며, 수식에 값을 대입해보시면 쉽게 이해가실 것입니다.

    + ex) m=3 이라고 가정, 마스크 모양도 3*3 이라 가정

        > i와 j는 (-1 0 1) 3가지 값을 가짐

        > h(-1,-1)은 입력영상 (x+1, y+1)과 곱해짐

        > h( 0,-1)은 입력영상 (x  , y+1)과 곱해짐, 그리고 더함

        > h(+1,-1)은 입력영상 (x-1, y+1)과 곱해짐, 그리고 더함

        > h(-1,0)은 입력영상 (x+1, y)과 곱해짐, 그리고 더함

        > h(0,0)은 입력영상 (x, y)과 곱해짐, 그리고 더함

        > h(+1,0)은 입력영상 (x-1, y)과 곱해짐, 그리고 더함

        > h(-1,+1)은 입력영상 (x-1, y-1)과 곱해짐, 그리고 더함

        > h(0,+1)은 입력영상 (x, y)과 곱해짐, 그리고 더함

        > h(+1,+1)은 입력영상 (x+1, y+1)과 곱해짐, 그리고 더함

Convolution(컨벌루션)

 

Ⅱ. Average smoothing

- 아래 예 처럼, 영상이 입력되게 되면, blur 해지게 만들수 있음

(*다르게 말하면 값이 튀는 노이즈를 제거 가능)

- 계수를 곱하여, 픽셀 값을 다운시키거나 업 시키거나 한다고 생각하면 쉬움

    + 아래의 예시에서 계수는 1/9

 

Ⅲ. Gaussian smoothing

- Gaussian smoothing(가우시안 스무딩)은 노이즈와 세밀함을 제거하고, 이미지를 blur하게 만들기 위해, 사용되어지는 2-D Convolution operator

가우시안

- 아래의 그림은 가우시안 스무딩의 예를 나타냄

Gaussian smoothing

Ⅳ. Sharpening

- 말 그대로, 좀 더 이미지를 sharp 하게 만듬

- 아래의 예시와 같이 입력 픽셀값이 지나갈 때, 결과적으로 차이를 강조시킴으로써 영상에서는 좀더 sharp하게 보임

sharpening

- 아래는 sharpening을 위한 필터 mask 예시를 나타냄

sharpening 필터 마스크