대학교 코딩공부/컴퓨터비전및인공지능 13
-
노이즈 모델 의 원본 영상을 가정한 후, 노이즈 값을 더해서 영상을 만들 수 있다. 메틀랩 코드가 잡음을 만드는 과정: x = 원본영상. 잡음 종류 : 가우시안 잡음, 유니폼 가우시안 잡음 = (평균, 분산) 으로 잡음을 만든다. 잡음의 강도 = 노이즈 레벨이다. 가우시안 잡음 = 가우시안 분포를 가지는 잡음. 잡음 = 난수이다. 가우시안 에서는 x값이 -무한에서 무한까지의 값중 하나가 될 수 있다. 그러나 분포도 상 x값이 0이 나올 확률이 제일 높다. 유니폼 잡음 = 균일한 분포 들어온 X값이 a->b사이의 값이 나올 확률이 균등하다. 디노이징 기법들 : 가우시안 필터링 기법, NonLocal - Means, Bilateral Filtering 가우시안 필터링 스무딩 필터를 통과하면 이미지가 부드럽게..
-
-
영상 분할 (Image Segmentation) 영상을 의미있는 영역으로 나누는 과정. 입력 영상에서의 도로, 차, 건물 등 의 영역을 나누는 것 입력 데이터는 라벨값으로 표현된다. 라벨 값은 영상에서 분류하고자 하는 영역의 목록, 즉 부류(class)를 의미 이 픽셀이 사람인가, 나무인가, 건물인가 로 나눈다. 인스턴스 분할 ( Instance Segmentation ) 동일한 목록, 즉 동일한 부류( 도로, 사람, 양, 등) 에 대해서 독립된 개체를 다르게 인식하고 분할하는 방법 K-means Clustering ( K-평균 클러스터링 ) 데이터를 미리 정의된 척도에 따라, 예를 들어 거리, 색상 등과 같은 유사도를 측정해서 유사한 그룹으로 매핑하는 작업 비지도 학습으로 라벨값으로 분류하는 과정 k-..
-
이진화 = 그레이 영상을 흑백 영상으로 변환하는 과정이다. 나무영역은 블랙, 하늘과 달은 화이트로 표현하였다. 좀 풀어서 쓴다면 이진화 = 그레이 영상을 두 그룹인 블랙, 화이트 의 두가지 생각. 이진화로 분할하여 표현해주는 과정 이진화 의 방법 : 임계값 방법 (Thresholding) 히스토그램을 분석하여 두 봉우리 사이의 계곡을 임계값 T로 결정한다. J(j,i) 의 값이T보다 크거나 같으면 1(255)로 T보다 작으면 0(0)으로 맵핑을 다시 해 주는것. 오츄 알고리즘 [Otsu 79] 이진화 했을 떄 흑 그룹과 백 그룹에 소속된 픽셀의 분포가 균일할수록 좋다는 점에 착안 여기서 균일성이란 분산을 의미한다. 따라서 두 그룹의 분산이 작을 수록 좋다. 목적함수( Objective Function) ..
-
샤프닝 필터 = 이미지를 선명하게 하고 싶을때 사용하는 필터. Finds edges or ehances details in an image [ 이미지 내부에서 밝기가 급격하게 변화되는 영역을 찾아냄 ]( 태두리 확인 ) 밝기가 동일한 영역 : 평탄한 영역 (Flat areas) 이미지의 평탄한 영역은 밑과 같다. 위 이미지의 중간부분 밝기가 급격하게 변하는 부분, 쉽게 말하면, 밑을 0 위를 1 이라고 하였을 떄, 0과 1 사이를 엣지 [ Edge ] 라고 한다. Model of a ramp digtal edge 모든 이미지가 딱딱 나누어지는 것이 아니다, 이러한 나누어 지지 않는 이미지의 중간부분을 Ramp 라고 한다. 이러한 렘프나 엣지의 밝기의 변화구간을 검출(Detection) 하는 방법 이웃하는..
-
Correlation & Convolution Spatiol filter 임. Correlation = 원래 있던 마스크를 사용하여 데이터의 Special filter를 하는것 Convolution = 원래 있던 마스크를 180 도 회전시킨 뒤 데이터를 Special filter 1 2 3 4 5 6 7 8 9 Correlation 래스터 스캐닝 방향으로 이동시키면서 데이터를 Special Filter를 진행함. 9 8 7 6 5 4 3 2 1 Convolution 원본 마크스를 180도 회전시킨 다음 래스터 스캐닝 방향으로 이동시키면서 데이터를 Special Filter를 진행함 마스크의 데이터값 결정 요건 마스크의 계수값 결정의 목적에 따라 달라진다. 스무딩 필터링 영상을 조금 뿌옇게 만드는 역활 (..
