전 시간에 이미지 퀄리티를 조절하는 부분 배웠었음!

이미지 밝기 높이기 위한 세 방법과 각 방법의 trade off들!

페이지 마지막 밝기 조절 3가지

이러한 이미지의 noise와 blur enhance 어떻게 하나? → Filtering의 motivation

Noise Reduction

어떻게 노이즈를 제거할 수 있을까?

각 이미지 u는 노이즈 없는 이미지인 v에 노이즈n을 더한 값이라고 생각

따라서 각 이미지들은

$u_1 = v + n_1$

$u_2 = v + n_2$ 이런식으로 이루어져있음

이러한 노이즈를 줄이기 위해선, 이미지 평균을 낸다!

그렇게 되면 n~N(0,$\sigma$) → n~N(0, $\sigma^2 \over 2$) 형태가 된다.

Image Fidelity Criteria

![1][1]

PSNR 추가 필요

Linear Filterig(Convolution)

원래 픽셀 값을 linear combination (weighted sum) 해서 변경.

linear combination에 쓰이는 weight들은 kernel, mask, filter라고 함!!

  • signal processing에서의 convolution과 좀 차이가 있음

딥러닝의 컨볼루션은 엄밀히 말하면 필터를 상하 좌우 뒤집어서 cross-correlation을 하는것임.

![2][2]

Linear filters : examples

  • Identical Images

0 0 0

0 1 0

0 0 0

  • 좌측으로 1 shift

0 0 0

1 0 0

0 0 0

주의 할껀, 이걸 filp 한걸 연산한다!

0 0 0

0 0 1

0 0 0

위의 필터가 이미지 중앙 픽셀에 적용된다면, 중앙 픽셀에는 중앙보다 한 칸 우측의 값이 중앙에 들어오게 되는거임.

  • mean filter (Blur)

1 1 1

1 1 1

1 1 1 *(1/9)

noise reduction할 때 사용
but blurry

  • Sharpening filter

![3][3]

원본 이미지에,
identity에 magnitude 곱한 것에서, blur 한 필터를 뺀다.

Directional Smoothing

![4][4]

smoothing 하는 동안 blurring 되는 것을 막기 위해

mean filter로는 사각형 area에서 평균을 내는 것

directional smoothing은 대각선 방향

효과

  • still reduce the noise
  • prevent blurring

노이즈 제거하면서 blurring 막고 싶을 때 사용한다.

Median Filtering

receptive field (= 수용영역: 출력 레이어의 뉴런 하나에 영향을 미치는 입력 뉴런들의 공간 크기)의 픽셀 중 중앙값

<피피티랑 내="" 손필기="" 첨부=""> 픽셀바이 픽셀 연산 단계 1. 필터 상하 좌우 뒤집기 2. 0을 기준으로 원본 이미지 좌측부터 범위 보기 3. 그 범위에서 중앙값 선택. 1. 만약 두 값이면 두개 더해서 평균 2. 원본 이미지 범위 넘어가면 0기준인 곳의 픽셀 리턴. 4. 위 과정을 모든 픽셀에 대해(0부분과 대응) 진행 ⇒ outlier 를 제거하는것!!! 하지만 이것도 너무 많이 제거 시 blur해짐. (따라서 필터 크기 정하는 것도 중요) 주의할 것은 Median filter는 linear 연산이 아님!! $\because$ weight가 필터에 없음. ## Gaussian Filter 가우시안 필터와 평균필터 모두 blur 함. 하지만 결과 다름(아니 당연하지 곱하는 값이 다른데) - high-frequency 요소를 지운다. = remove detail, boundary (= low pass filter) - 오직 low freq 값만 남기는 것임. (smoothing 빼고 디테일만 남은 것은 high-pass filter) ## Sharpen Filter << 수식! 필기와 피피티 첨부 >> ## Edge Enhancement (이름은 기억할 필요 없지만,) Prewitt과 Sobel필터로 edge detection. pixel의 gradient를 계산해서 edge를 얻는 필터이다! (compute gradient of pixels to detect edge) ## Point Operations 각 픽셀에 대해 point operation, << 피피티 #40 >> - Contrast Stretching - linear filter 아님 - Clipping - 일정 구간의 수치는 0으로, 일정 수치 이상은 255로 바꿔주는 것. - Thresholding - clipping의 스페셜 케이스. - a보다 크면 max 255값, a보다 작으면 0 값. - Gamma correction - <#43 첨부> - contrast value 조정하는데 유용. - 감마 값이 1보다 작으면 전체적으로 밝아지고, 어두운 부분의 대비가 커짐 (어두운 픽셀 부분의 기울기 급격) overall bright, high contrast on dark region - 감마 값이 1보다 크면 전체적으로 어두워지고, 밝은 부분의 대비가 커짐 (밝은 부분의 기울기가 급격) overall dark, high contrast in bright region. - Histogram Equalization ⭐ - 히스토그램 : 이미지의 밝기 레벨에 따른 frequency of occurrence - 목표는 히스토그램을 uniform 한 분포로 만드는 것. - << 증명 부분 >> - ⁉️❓ 증명 부분 다시 보기!!! --- [1]: /assets/images/post_img/2023-04-18-CV_5ImageProcessing/1.png [2]: /assets/images/post_img/2023-04-18-CV_5ImageProcessing/2.png [3]: /assets/images/post_img/2023-04-18-CV_5ImageProcessing/3.png [4]: /assets/images/post_img/2023-04-18-CV_5ImageProcessing/4.png [5]: /assets/images/post_img/2023-04-18-CV_5ImageProcessing/5.jpg [6]: /assets/images/post_img/2023-04-18-CV_5ImageProcessing/6.jpg [7]: /assets/images/post_img/2023-04-18-CV_5ImageProcessing/7.jpg [8]: /assets/images/post_img/2023-04-09-CV_43Dpart/8.jpg [9]: /assets/images/post_img/2023-04-09-CV_43Dpart/9.jpg [10]: /assets/images/post_img/2023-04-09-CV_43Dpart/10.jpg [11]: /assets/images/post_img/2023-04-09-CV_43Dpart/11.jpg [12]: /assets/images/post_img/2023-04-09-CV_43Dpart/12.jpg [13]: /assets/images/post_img/2023-04-09-CV_43Dpart/13.jpg [14]: /assets/images/post_img/2023-04-09-CV_43Dpart/14.jpg [15]: /assets/images/post_img/2023-04-09-CV_43Dpart/15.jpg [16]: /assets/images/post_img/2023-04-09-CV_43Dpart/16.jpg [17]: /assets/images/post_img/2023-04-09-CV_43Dpart/17.jpg [18]: /assets/images/post_img/2023-04-09-CV_43Dpart/18.jpg [19]: /assets/images/post_img/2023-04-09-CV_43Dpart/19.jpg [20]: /assets/images/post_img/2023-04-09-CV_43Dpart/20.jpg [21]: /assets/images/post_img/2023-04-09-CV_43Dpart/21.jpg [22]: /assets/images/post_img/2023-04-09-CV_43Dpart/22.jpg [23]: /assets/images/post_img/2023-04-09-CV_43Dpart/23.jpg [24]: /assets/images/post_img/2023-04-09-CV_43Dpart/24.jpg [25]: /assets/images/post_img/2023-04-09-CV_43Dpart/25.jpg [26]: /assets/images/post_img/2023-04-09-CV_43Dpart/26.jpg [27]: /assets/images/post_img/2023-04-09-CV_43Dpart/27.jpg 출처 : 2023-1 ITE4052 수업