픽셀(pixel)과 히스토그램 평활화가 무엇인가?

 

 

아웃 포커싱

뒷 배경이 흐리고 초점부분만 보여주는 상태

 

3대 조건 

1. 조리개는 최대 개방 (초리개 숫자를 작게 : F1.5, F2.4)

2. 망원렌즈 사용

3. 피사체는 가까이 배경은 멀리

 

 

디지털 영상의 이해

0과 1로 이루어진 이진수의 세계

1. 영상의 기본 요소는 픽셀(pixel)

2. 픽셀은 0부터 255의 값을 가지는 8비트 이진수 (어두움 0 → 밝음 255)

3. 명암도(gray) 영상은 1바이트, 컬러영상은 blue, green, red 3바이트로 구성

 

 

디지털 영상을 다루는 방법 연구

영상 향상, 영상 해석, 영상 압축 및 복원

 

 

영상처리의 활용

산업 현장   →   결함 상품의 자동 검사, 산업용 로봇의 눈

보안 및 감시   →   지문인식, 얼굴인식, 침입자 감지

방송과 영화   →   모핑, 워핑, 영상 합성

의료   →   X선, 초음파, CT, MRI 영상의 해석

 

1. 문서 영상에서 문자 분리와 인식 (글자 인식)

2. 위성사진에서 지형인식

3. 하늘이 나온 영상을 찾은 예

 

모핑(Morphing)은 이미지나 영상에서 한 객체나 인물의 형태를
다른 객체나 인물의 형태로 부드럽게 변화시키는 기술이다.

딥러닝을 이용한 super Resolution
저해상도 영상을 고해상도 영상으로 복원하는 기술이다.
이러한 변환해주기 위해서는 딥러닝 기술이 적용된다.

Deblurring 으로 흔들린 사진의 복구

자동으로 영상의 내용을 글로 설명이 가능

 

 

디지털 영상의 생성

디지털 영상 생성의 두가지 고려 요소

1. 샘플링 (sampling) 일정한 크기로 데이터 포인트 획득

2. 양자화 (quantization) 샘플링된 데이터에 숫자로 된 값을 할당

 

 

 

컬러 모델

RGB : 컬러 모니터와 컴퓨터 그래픽스 시스템 빛

HSI : 색상, 채도, 명도를 다루는 시스템

CMYK : 컬러 출판 시스템, 프린터, 색소

 

 

파이썬의 장점, OpenCV

1. 간결하고 쉬운 문법

2. 빠른 개발속도, 높은 생산성

3. 높은 확장성과 이식성

4. 활발한 생태계(오픈소스)

 

Open Source Computer Vision Library

1. 인텔에서 개발, 오픈소스

2. 계산 효율성과 실시간 처리에 중점 GPU 가속화와 IPP사용

3. 머신러닝 관련 모듈이 포함됨

4. 물체 인식, 제스처 인식, 문자 인식, 불량 검사 등 활용

 

OpenCV-Python 설치

cmd에서 pip install opencv-contrib-python 입력

 

 

영상의 읽기

 

 

픽셀 (Pixel)

영상을 이루는 기본 요소

picture + element = pixel (화소)

 

픽셀은 0~255 의 밝기를 가짐

컬러영상은 blue, green, red로 구성

밝기만 있는 영상은 명암도, 회색조, 그레이 영상이라고 함

 

 

산술연산

픽셀 값에 일정한 값을 더하거나 빼거나 나누거나 곱하는 연산

픽셀 값이 0보다 작으면 0 255보다 크면 255로 보정

 

덧셈, 뺄셈 = 영상의 밝기 조절
곱셈, 나눗셈 = 영상의 명암대비 조절

 

 

이진화 (Thresholding)

영상을 흑색과 백색만 가지도록 변환

명암 대비가 낮은 경우 배경과 물체를 확실하게 구분할 수 있다.

 

 

적응적 이진화 (Adaptive Thresholding)

명암 분포가 일정하지 않은경우 영상의 부분 부분을 보아야함.

 

 

히스토그램 (Histogram) ★

영상 내 특정 명암도를 갖는 픽셀의 발생 빈도를 나타내는 수의 집합

영상의 명암 대비, 밝기 값 분포 등의 정보를 제공

 

 

히스토그램 평활화 (Equalization)

기존 영상의 명암 값 분포를 재분배하여 일정한 분포를 가진 히스토그램을 생성

 

히스토그램 평활화 알고리즘

1. 입력영상의 히스토그램의 값을 누적시켜 히스토그램 누적 합을 구한다.

2. 히스토그램의 누적 합을 전체 픽셀의 개수로 나누어 값을 정규화 한다.

3. 정규화된 값에 최대 명암도 값을 곱한 후 입력 영상의 명암도에 대한 변환 값으로 대응시킨다.

평활화 적용 예

영상이 어두운 영역에서 세밀한 부분을 가질 때 효과

 

 

명암 (Contrast) 대비

낮은 명암 대비

히스토그램이 일부분에 집중

 

높은 명암 대비

히스토그램이 두개의 큰 마루를 가짐

 

좋은 명암 대비

균일한 픽셀값 분포를 가짐

특정한 마루나 골이 부각되지 않음

 

명암 대비 스트레칭(Stretching)

히스토그램이 모든 범위의 픽셀 값을 포함하도록 확장

중앙에 집중된 히스토그램을 갖는 영상에 적합