공부합시당

가끔씩 영상에서 방향성을 계산해야하는 상황이 생긴다. 예를들어 영상에서 두 픽셀 사이에 값을 interpolation 하는 상황이 생길 수 있는데(image sensor level), 방향성을 갖는 부분에서 이전에 언급했던 bilinear interpolation을 한다거나, 일반적인 interpolation 방식을 사용하게 되는 경우 화질적인 측면에서는 눈에 잘 보이는 artifact들이 생겨날 수 있다. 영상에서 방향성이 있는 부분이라면 그 방향성을 따져서 처리를 해줘야 하기 때문이다.(대각선으로 gradation이 있는 선을 생각해보자, 대각선 방향 line을 따라서 interpolation을 해야하지 주위 픽셀을 모두 사용하면 artifact들이 생겨날 수 있음.) 따라서 이번 시간에는 영상에서 ..

이번 시간에는 Median filter에 대해서 알아보도록 한다. 효과 및 비교를 위해 03. Accessing pixel values 에서 다루었던 salt and pepper noise와 07. mean / gaussian filter 에서 다루었던 mean filter를 사용한다. 먼저 이전에 배웠던 Mean filter에 대해 간단하게 다시 다루면, center pixel을 중심으로 kernel에서 같은 weight를 적용하여 값을 변경한다. 이 경우 white pixel(혹은 black pixel)은 mean filter를 적용하는 과정에서 큰 영향을 끼칠 수 있다. (bad pixel과 같이 눈에 띄는 상황이라면 dot artifact가 생겨날 수 있다.) Median filter는 mean ..

이번 주제에서는 DownSampling과 그 과정에서 사용되는 filter 이야기를 해보고자 한다. 이미지의 사이즈를 줄이는 것을 Downsampling이라고 하는데(반대는 Upsampling), 사이즈를 줄이는 것은 생각보다 간단하지 않다. 결과를 먼저 보자. 위는 low pass filter를 사용하지 않고 downSampling을 한 것이며, 아래는 사용 후 진행한 것이다. 위의 영상에서는 image의 quality가 좋지 않다. (자연스럽지 않고, pixel간 차이가 너무 커서 경계가 있어 보인다. 아래는 blur해보이지만, 둘 중 한 가지를 선택한다면 아래를 선택하는 것이 원본의 신호를 그나마 더 잘 표현하였다.) Low pass filter를 사용하지 않고 downsampling을 진행하면 왜..

이전까지 간단하게 openCV에서 이미지를 불러오고 pixel value에 접근하고 수정하는 법을 배웠는데, 앞으로 한동안 filter에 대해서 배워보고자 한다. (중간을 건너뛰는 이유는 단순하게 filter가 먼저 궁금해서이다.. 나중에 다시 다룰 기회가 있지 않을까 싶다.) 앞으로 문서로 남기는 것이 더 좋을 것 같아서 PPT로 요약 후 그 내용으로 대체하고자 한다. (+ 글이 많으면 읽기가 귀찮다. 한눈으로 볼 수 있게 노력할 예정... 블로그 글에는 약간의 코멘트는 더 추가할 생각이다.) #include #include #include #include using namespace std; using namespace cv; int main() { Mat original = imread("lena...