20151111 엄민웅 업무일지 영상처리 축소

CM님이 오전중에 보고 해보라고 해주신 ppt...

영상처리.pptx

잘 모르겠어서 일단 자료 찾아보았습니다...

오전중 찾아본 자료

기하학적 변환을 통한 영상 처리

영상 내의 물체 사이의 공간적인 관계를 변화 하는 것으로, 물체를 이동하거나 물체의 크기, 모양을 변형 하는 것이 이에 해당한다.

(1) 영상의 크기(Scale) 확대

원영상을 확대하는 것은 원 영상의 각 픽셀의 좌표를 확대하려는 배율만큼 이동하는 것을 말한다. 하지만 영상 확대시 값을 할당 받지 못한 픽셀들인 존재한다. 이를 홀(Hole)이라 하는데, 빈 픽셀에 적당한 데이터 값들을 할당하여 사용하는 영상처리 방법을 보간법이라 한다.



(2) 영상의 크기(Scale) 축소

원영상의 크기를 작게 만들어 주는 기법이다.

(3) 영상의 회전(Rotate) 변환

원 영상을 원하는 각도만큼 회전 시키는 변환을 말한다.

(4) 보간법

영상의 크기를 확대, 축소 혹은 회전시 영상의 해상도를 높이기 위한 방법으로 최근접 이웃 보간법(nearest neighbor interpolation) 또는 0차 보간법(zero - order interpolation) 이 있다.

* 최근접 이웃 보간법

원하는 픽셀의 위치와 가까운 것을 사용하는 것으로 매우 간단한 방법이다. 이 방법은 빈 픽셀에 이웃하는 픽셀의 값을 할당하므로    계단 현상이 나타나며 좀 더 정확한 확대 영상을 필요로 하는 영상처리 프로그램에서는 한계가 있다. 이를 극복하는 방법으로 평균값을    이용하는 방법이 있다.

* 쌍일차 보간법 (Bilinear interpolation)

확대 영상에서 주변 픽셀들의 평균값을 계산하여 할당 받지 못한 빈 픽셀에 대입시키는 방법이다.

    [ 그림 설명]

(a) 원영상	(b) 보간법을 이용한확대영상

이진화의 종류

(1) P-타일법(단순 임계치 방법)

1) 정의 : 영상 중에 대상물이 차지하고 있는 면적 비율을 알고 있는 경우에 명도 히스토그램에서 그 면적 비율 P%점을 임계값으로 하는 방법

2) 단점 : 대상물의 면적 비율을 사전에 알고 있는 경우가 거의 없으므로, 도면이나 문서 영상에서 문자 부분이 점유하고 있는 면적 비율을 어느 정도 추정할 수 있을 때 이 방법을 이용할 수 있다.

(2) 모드(Mode)법

1) 정의 : 히스토그램에서 산 사이의 계곡에 해당하는 명도점을 이진화의 임계값으로 하는 방법

2) 알고리즘

적당한 임계값 결정을 위한 Peakness 검출 알고리즘 히스토그램에서 어느 정도 이상 떨어져 있는 2개의 국부 최대점을 찾는다. 이들이 그레이 레벨 gl와 gj라고 하자 히스토그램에서 gl와 gj 사이의 가장 낮은 지점 gk을 찾는다. min(H(gi), H(gj))/H(gk)으로 정의되는 Peakness를 계산한다. 영상을 이진화하는 임계값으로는 가장 높은 Peakness를 가지는  gk를 사용한다.

3) 임계값 결정 방법

 

(3) 평균 이진화

1) 정의 : 영상 안의 모든 픽셀에 대해서 평균을 구하여 그 값을 임계값으로 하는 방법

 

(4) 반복(Iterative) 이진화

1) 정의 : 대략적인 임계값에서 출발하여 점차 반복적으로 이 추정값을 향상시키는 방법

2) 알고리즘

반복적 임계값 선정 알고리즘 임계값의 처음 추정치 T를 선정한다. 영상의 평균 밝기는 좋은 출발점이 된다. 추정 임계값 T를 이용하여 영상을 2개의 영역 R1과 R2으로 구분한다. 영역 R1과 R2의 평균 그레이 값 u1과 u2를 구한다. 새로운 임계값을 다음 식을 이용하여 결정한다.        T = (u1 + u2)/2 평균 그레이 값 u1과 u2이 더 이상 변하지 않을 때까지 절차 2에서 절차 4까지를 되풀이 한다.

3) 단점 : 장면 안의 조명이 균일하지 않은 경우에 단순 임계치 방법보다 더 나쁜 결과를 만들 수 있다.

 

(5) 적응(Adaptive) 이진화

1) 정의 : 전체 영상의 히스토그램을 이용하는 것이 아니라 영상의 일부분에 대한 히스토그램을 가지고 그 일부분만을 위한 임걔값을 구하는 방법

2) 방법 : 전체 영상을 m x m개의 소영상으로 분할한 다음 각 소영상에 대하여 히스토그램을 조사하여 그 소영상에 대한 임계값 T_ij (1<=i,j<=m)을 결정

 [ 적응 이진화 방법 ]

원영상	일반 이진화
반복이진화	모드법
적응이진화	평균이진화

 [ 이진화 예 ]

윤곽선 검출(Edge Detection) Mask

윤곽선 검출 알고리즘은 여러 가지 종류가 있다. 윤곽선 검출은 미분연산자에 의한 밝기 값의 변화를 이용하여 찾아내는 것이다. 또한 편미분 연산을 이용하여 미분 값을 구하는 것도 있으며, 프로그래밍을 하는데 있어서 직접적인 계산보다는 마스크를 이용하여 빠른 계산을 하는 것이 더욱 효과적인데, 각 마스크의 특징은 마스크 내의 모든 픽셀의 합은 0이라는 것이다.

(1) 소벨(Sobel)

1) 특징

• 윤곽선 검출의 가장 대표적인 미분연산자
• 2차 미분 연산자이며, x축, y축으로 각각 한번씩 미분
• 기울기의 크기는 [그림]이다 (단, Gx는 x축 편미분, Gy는 y축 편미분)
• 프로그램의 간결성을 위하여 기울기의 크기를 G = |Gx| + |Gy|로 할 수 있다.

2) 마스크

-1	0	1
-2	0	2
-1	0	1

 

1	2	1
0	0	0
-1	-2	-1

(2) 프리윗(Prewitt)

1) 특징

• 소벨 필터의 결과와 거의 같은 결과 값을 나타내는데 응답시간이 약간 빠르며 마스크의 형태는 비슷하나 밝기의 경계에 대해 비중을 약간 다르게 주어서, 윤곽선 검출 시 윤곽선이 덜 부각되어 나타나도록 한다.

2) 마스크

-1	0	1
-1	0	1
-1	0	1

 

1	1	1
0	0	0
-1	-1	-1

(3) 로버트(Robert)

1) 특징

• 윤곽선 검출 마스크 중 기본이 되는 마스크이고 매우 민감한 필터이다.
• 매우 빠른 계산 속도를 나타낸다.
• 마스크의 모양은 45도 기울기를 가지고 있다.

2) 마스크

0	0	-1
0	1	0
0	0	0

 

-1	0	0
0	1	0
0	0	0

(4) 라플라시안(Laplacian)

1) 특징

• 연산 속도가 매우 빠르다.
• 2차 미분 연산자를 사용한다.
• 모든 방향의 윤곽선을 검출해 낸다.
• 다른 연산자와 비교하여 날카로운 윤곽선을 검출해 낸다.
• 하나의 마스크로 윤곽선 검출을 수행한다.

2) 마스크

-1	-1	-1
-1	8	-1
-1	-1	-1

(5) 캐니(Canny)

1) 특징

• 윤곽선 검출 전 잡영 제거 마스크가 사용된다.
• 잡영에 강하다.
• 여러 가지 윤곽선 검출 마스크를 활용할 수 있다.
• 강한 윤곽선들만 검출된다.

2) 방법

먼저 가우시안 마스크를 이용하여 잡영을 제거한 후 소벨 마스크와 같은 윤곽선 검출 마스크를 수행하는 것으로, 이러한 두 번의 과정 중 춧 번째 과정에서 잡영 제거 효곽가 일어나고 잡영이 제거된 영상에서 윤곽선을 검출하는 방법이다.

원영상
소벨 (Sobel)	프리윗 (Prewitt)
로버트 (Roberts)	라플라시안 (Laplacian)
캐니 (Canny)

[윤곽선 검출 예 ]

마스크 연산을 이용한 필터링

 

(1) 컨벌루션(Convolution)

컨버루션은 영상처리에서 영상 스무딩, 예리화, 에지 검출 등을 하기 위하여 많이 쓰이는 도구이다. 컨벌루션은 입력 픽셀의 이웃에 있는 픽셀들의 가중치 합니다. 가중치는 작은 2차원 배열로 주어진다. 배열의 크기는 대개 중심이 쉽게 정해지도록 홀 수 이다. 이 배열은 흔히 컨벌루션 윈도우, 또는 컨벌루션 마스크라 불린다.

 

(2) 고주파 차단 필터링과 블러링

 고주파 차단 필터링은 처리 대상의 영상 성분 중 저주파 성분을 유지하고 고주파 성분을 제거하는 필터를 이용하여 결과 영상을 얻어내는 것을 말한다. 고주파 차단 필터는 각 픽셀의 합이 1이 됨을 기본으로 한다. 고주파 차단 정도를 위해 중심 픽셀의 가중 값을 변경할 수 있다.

 

1/9	1/9	1/9
1/9	1/9	1/9
1/9	1/9	1/9

[고주파 차단 마스크]

(a)  원영상	(b) 고주파 차단에 의한 블러링

[고주파 차단 예]

 

(3) 고주파 강화 필터링과 샤프링

  

0	-1	0
-1	5	-1
0	-1	0

[고주파 강화 마스크]

(a) 원영상	(b) 고주파 강화필터에 의한 샤프닝

[고주파 강화 예]

(4) 저주파 차단 공간 필터

저주파 차단 필터는 고주파 차단 필터의 작용과 반대이다. 이 필터는 저주파 성분은 손대지 않고, 고주파 성분은 강화 시킨다. 일반적인 저주파 차단 마스크는 -1로 둘러싸여 있고 중앙 위치에 9가 놓여진다.

  

-1	-1	-1
-1	9	-1
-1	-1	-1

[저주파 차단 마스크]

(a) 원영상	(b) 하이 패스 처리된 영상

[ 저주파 차단 필터의 예 ]

자료출처 : http://harmony.cs.pusan.ac.kr/lecture/ipcv/imageprocessing.htm

14년1학기_7_기하학적변환.pdf

14년1학기_실습5_기하학적변환.pdf

오후 수업

코드를 바로 짜려하지 말고 개념 그림 그려보고 먼저 생각 하라 하심... 일반화의 중요성 ㅠ

(저 잘 안되던데 잘 되신분 소스 좀 올려주세요 ㅠ ㅋㅋ)

이후 시간 앞으로 어떤 수업 진행 할것인가 이야기 해봤던 시간이었습니다.