안녕하세요. 지난 포스팅의 디지털 영상 처리 - 지역적 히스토그램 처리를 마지막으로 히스토그램과 관련된 이론적인 내용을 모두 끝냈습니다. 오늘은 그 동안 알아본 히스토그램(Histogram), 히스토그램 평활화(Histogram Equalization), 히스토그램 지정(Histogram Matching), 지역 히스토그램 평활화(Local Histogram Equalization)을 구현해보겠습니다. 이미 지난 포스팅에서 자세한 내용은 알아보았기 때문에 간단하게 결과 그림과 코드만 제공해드리도록 하겠습니다. 만약 코드를 사용하고 싶으시면 해당 코드들은 제 아래의 깃허브 링크에 정리해놓았으니 확인해보시길 바랍니다. github.com/skawngus1111/DIP skawngus1111/DIP Digit..
안녕하세요. 지난 포스팅의 디지털 영상 처리 - 히스토그램 지정(Histogram Matching)에서는 히스토그램 평활화보다 좀 더 일반화된 개념인 히스토그램 지정에 대해서 알아보았으며 연속 데이터에서는 문제가 없었으나 이산 데이터의 경우에는 $G(z)$가 "엄밀 단조 증가(strictly monotone increasing)"가 아니었기 때문에 발생할 수 있는 모호성 문제를 해결하기 위해 간단한 알고리즘을 추가하였습니다. 이를 통해 임의의 목표 확률분포로 바꿀 수 있다는 것을 알았으며 이산 데이터의 경우에는 약간의 차이를 보이긴 하지만 그래도 충분히 좋은 성능을 보인다는 것을 알게 되었습니다. 또한 히스토그램 평활화를 수행했을 때보다 약간의 노력을 들여 저희가 원하는 확률분포로 지정하였을 때 출력 영..
안녕하세요. 지난 포스팅의 디지털 영상 처리 - 히스토그램 평활화(Histogram Equalization)에 이어서 조금 더 일반화된 히스토그램 기반 영상 처리 방법인 히스토그램 지정에 대해서 알아보도록 하겠습니다. 기존의 히스토그램 평활화는 이론적으로 임의의 픽셀 강도 확률 분포를 가지는 입력 영상을 균등확률분포을 가지는 출력 영상으로 변환시키게 된다는 것을 알 수 있었습니다. 여기서 확장하여 균등확률분포가 아니라 저희가 원하는 임의의 확률분포를 가지는 출력 영상으로 변환시킬 수 있지 않을까요? 해당 방법이 바로 히스토그램 지정(Histogram Matching)입니다. 이전에 히스토그램 평활화를 설명할 때 도입했던 $p_{r}(r), p_{z}(z)$를 다시 한번 사용하도록 하겠습니다. 일단은 두 ..
안녕하세요. 지난 포스팅의 디지털 영상 처리 - 영상 히스토그램(image historgram)에서는 영상을 히스토그램으로 변환하였을 때 밝기와 대비에 따른 히스토그램의 분포의 차이를 알아보았습니다. 그 결과로 낮은 대비를 가지는 영상을 높은 대비로 바꾸어주려면 히스토그램의 분포를 넓게 퍼뜨려주어야한다는 사실을 알았습니다(하단의 그림을 보시면 쉽게 이해할 수 있습니다.). 오늘은 높은 대비로 만드는 가장 대표적인 알고리즘인 히스토그램 평활화에 대해서 알아보겠습니다. 이제부터는 히스토그램 평활화 알고리즘를 명확하게 정의하기 위해서 몇 가지 가정을 추가하도록 하겠습니다. 먼저, $r$을 입력 영상의 밝기라고하면 $r \in [0, L-1]$를 만족합니다. 따라서 $r = 0, L-1$은 각각 검은색과 흰색을..
안녕하세요. 지난 포스팅에서는 디지털 영상 처리 - 밝기 변환 함수에 대해서 알아보았습니다. 그 중에서도 대표적인 변환인 영상 반전, 영상 로그 변환, 감마 변환 등을 직접 매트랩 코드를 이용하여 구현까지 해보았습니다. 오늘은 좀 더 어려운 개념으로서 히스토그램 처리에 대해서 알아보겠습니다. 코드는 아래 링크에서 다운받으실 수 있습니다. github.com/skawngus1111/DIP.git skawngus1111/DIP Digital Image Processing exercise&code. Contribute to skawngus1111/DIP development by creating an account on GitHub. github.com 지난 포스팅에서 제가 사용했던 용어 중 영상 대비(con..
안녕하세요. 지난 포스팅의 디지털 영상 처리 - 디지털 영상 기초 2를 끝으로 이제부터는 실질적인 디지털 영상 처리 기법에 대해서 알아보도록 하겠습니다. 코드는 아래 링크 참조해주세요! github.com/skawngus1111/DIP.git skawngus1111/DIP Digital Image Processing exercise&code. Contribute to skawngus1111/DIP development by creating an account on GitHub. github.com 1. 소개 가장 먼저, 공간 도메인(spatial domain)이란 개념을 알아야 합니다. 공간 도메인은 영상 그 자체에 바로 어떤 연산을 적용하는 도메인을 의미합니다. 아니? 그렇다면 영상에 연산을 바로 적용..
안녕하세요. 지난 포스팅의 디지털 영상 처리 - 디지털 영상 기초 1에서는 디지털 영상을 이해하기 위한 배경 지식을 알아보았습니다. 오늘도 계속 이어서 진행해보도록 하겠습니다. 1. 디지털 영상 획득(digital image acquisition) 저희가 실제로 보는 영상을 디지털화하려면 어떻게 해야할까요? 이를 위해서는 영상이 무엇때문에 생기는 것인지 알아봐야합니다. 다들 아시겠지만 저희가 영상을 인식하는 과정은 광원에서 시작된 빛이 물체에 반사되어 눈에 입력되어 원추세포와 간상세포가 입력된 빛에서 파장을 분석하여 이를 다시 뇌로 전송하게 됩니다. 즉, 어떤 영상을 인식하기 위해서는 "빛"과 "반사"은 필수요소가 됩니다. 둘 중 하나라도 없으면 저희가 영상을 인식하는 것을 불가능해지죠. 이는 다른 영상..
안녕하세요. 지난 포스팅에서는 디지털 영상 처리에 대한 간단한 소개를 해보았습니다. 오늘 포스팅에서는 본격적으로 "디지털 영상(Digital Image)"에 대해서 더 정확하게 이해하는 시간을 가져보겠습니다. 1. 사람의 시각 디지털 영상은 기본적으로 수학적 정의를 기반으로 합니다. 하지만 그 과정에서 "사람이 직접 보는" 과정이 필요하기 때문에 필연적으로 사람의 주관적인 의견이 포함될 수 밖에 없습니다. 여기서 사람이 보는 것을 담당하는 것은 바로 눈(eyes)입니다. 사람은 눈을 통해 물체로부터 반사된 빛을 입력으로 받고 색깔, 원근감과 같은 복잡한 정보를 추출하여 뇌로 전달하게 됩니다. 이러한 눈의 구조는 이후 카메라에 적용되어 다양한 분야에 쓰이고 있기 때문에 저희는 기본적으로 눈의 구조부터 알아..
