안녕하세요. 지난 포스팅의 디지털 영상 처리 - 선형 및 위치 불변 열화 함수에서는 열화 함수에 선형성(가산성과 동차성을 동시에 만족)과 위치 불변성이라는 특별한 가정을 했을 때 오염된 영상 $g(x, y)$란 깨끗한 영상 $f(x, y)$와 열화 함수 $H$의 임펄스 응답 $h(x, y)$ 사이의 컨볼루션 연산을 통해 얻을 수 있음을 알게 되었습니다. 이를 정리하면 아래와 같죠. $$g(x, y) = h(x, y) * f(x, y) + \eta(x, y) \Leftrightarrow G(\mu, \nu) = H(\mu, \nu)F(\mu, \nu) + N(\mu, \nu)$$ 여기서 $G(\mu, \nu), F(\mu, \nu), H(\mu, \nu), N(\mu, \nu)$는 각각 $g(x, y), ..
안녕하세요. 지난 포스팅의 디지털 영상 처리 - 노이즈만 있을 때 복원하기(공간 필터링) : 적응 필터 구현에서는 영상의 작은 부분에 대한 특성을 고려한 "적응적, 지역적 노이즈 감쇠 필터"와 "적응적 중간값 필터"를 구현해보았습니다. 지금까지는 노이즈 $\eta(x, y)$ 및 $N(\mu, \nu)$에 대해서만 고려했지만 오늘부터는 열화 함수 $h(x, y)$ 및 $H(\mu, \nu)$까지 적용된 오염된 영상을 복원해보도록 하겠습니다. 그 전에 저희는 추정할 열화 함수에 대한 가정과 가정된 열화 함수 $H(\mu, \nu)$에 대한 성질도 확인해보도록 하겠습니다. 저희는 영상 열화의 과정을 아래의 그림과 수식을 이용해서 표현하기로 약속하였습니다. $$g(x, y) = H\left[f(x, y)\ri..
안녕하세요. 지난 포스팅의 디지털 영상 처리 - 주파수 도메인 필터링에 의한 노이즈 감소에 대해서 알아보았습니다. 그런데 이전에 공간 필터링에 대해서 구현할 때 평균 필터와 순서-통계 필터만 구현하고 적응 필터링은 구현하지 않았습니다. 오늘은 적응 필터링을 구현해보도록 하겠습니다. 적응 필터링의 전체 코드는 아래의 링크를 참고해주시길 바랍니다. skawngus1111/DIP Digital Image Processing exercise&code. Contribute to skawngus1111/DIP development by creating an account on GitHub. github.com 1. 적응적, 지역적 노이즈 감소 필터(Adaptive, Local Noise Reduction Filte..
안녕하세요. 지난 포스팅의 디지털 영상 처리 - 노이즈만 있을 때의 복원(공간 필터링) : 평균 필터와 순서-통계 필터 구현에 대해서 알아보았습니다. 실제 MATLAB으로도 구현을 해보고 각 노이즈별로 어떤 공간 필터링이 효과가 있는 지 까지 분석을 진행하였습니다. 지금까지는 영상 공간에서 수행하는 필터링이였다면 이번에는 주파수 공간에서 수행하는 필터링에 대해서 알아보도록 하겠습니다. 기본적으로 저희가 이전에 알아보았던 공간 필터링과 큰 차이가 없기 때문에 혹시 아직 보시지 않았다면 제가 이전에 미리 정리해놓은 주파수 공간 필터링과 관련된 내용을 먼저 숙지하고 오신 뒤에 보시는 것을 추천드립니다. 1. 노치 필터(Notch Filter) 이 부분은 기본적으로 제가 미리 설명드린 아래의 링크를 보시면 쉽게..
안녕하세요. 지난 포스팅의 디지털 영상 처리 - 노이즈만 있을 때 복원하기(공간 필터링) : 적응 필터에서는 주어진 영상에서 항상 동일한 필터링을 적용하는 것이 아니라 영상 내에 내재된 통계적 특성에 따라서 다르게 필터링하는 것을 보았습니다. 오늘은 그 이전 포스팅에서 보았던 평균 필터와 순서-통계 필터들의 결과를 확인해보는 시간을 가지도록 하겠습니다. 전체 코드는 아래의 깃허브 링크를 참조해주시길 바랍니다. skawngus1111/DIP Digital Image Processing exercise&code. Contribute to skawngus1111/DIP development by creating an account on GitHub. github.com 일단 오늘 구현할 모든 필터들은 이전에 ..
안녕하세요. 지난 포스팅의 디지털 영상 처리 - 노이즈만 있을 때 복원하기(공간 필터링) : 평균 필터와 순서-통계 필터에서는 산술평균, 기하평균, 조화평균, 콘트라 조화평균 필터 그리고 중앙값, 최댓값, 최솟값, 중간값, Alpha-트리밍 평균 필터에 대해서 알아보았습니다. 특히, 콘트라 조화평균 필터나 Alpha-트리밍 평균 필터는 영상 내에 노이즈가 여러 개 섞인 경우에 잘 동작하는 것을 관찰할 수 있었습니다. 오늘은 이와 같이 고정된 필터값을 사용하는 경우가 아닌 영상 내의 통계적 특성에 따라 필터가 변화하는 적응 필터(Adaptive Filter)에 대해서 알아보도록 하겠습니다. 1. 적응적, 지역적 노이즈 감소 필터(Adaptive, Local Noise Reduction Filter) 영상과..
안녕하세요. 지난 포스팅의 디지털 영상 처리 - 노이즈 모델 구현에서는 MATLAB을 이용해서 영상에 노이즈를 인위적으로 부가하는 방법에 대해서 알아보았습니다. 간단하게 정리하면 아래와 같습니다. 부가하고자 하는 노이즈 종류를 정한다. 노이즈 종류에 따른 PDF를 정의한다. 입력 영상의 크기만큼 PDF에서 샘플링한다. 샘플링된 노이즈를 입력 영상에 더한다. 그리고 영상의 퀄리티를 떨어뜨리는 요인은 2가지로 열화 함수 $h(x, y)$와 부가 노이즈 $\eta(x, y)$라고 미리 말씀드렸습니다. 오늘은 열화 함수는 없다고 가정하겠습니다. 그리고 부가 노이즈 $\eta(x, y)$만 주어졌을 때 영상을 복원하는 방법에 대해서 알아보도록 하죠. 따라서 이를 다시 모델링하면 아래와 같이 나타낼 수 있습니다. ..
안녕하세요. 지난 포스팅의 디지털 영상 처리 - 노이즈 모델에서는 디지털 영상에 부가되는 다양한 노이즈들에 대해서 알아보았습니다. 오늘은 영상에 노이즈를 부가하는 방법에 대해서 알아보겠습니다. 전체 코드는 아래의 깃허브를 참조해주시길 바랍니다. skawngus1111/DIP Digital Image Processing exercise&code. Contribute to skawngus1111/DIP development by creating an account on GitHub. github.com 일단... 샘플링하는 방법을 통째로 구현해보려고 했지만 제 코딩실력의 한계로 이 부분은 아래의 MathWorks 파일을 이용했다는 점 참고해주시길 바랍니다. 해당 코드에는 약 50가지의 다양한 분포에 대한 샘..
