학습 내용
1. Image FIltering 종류
2. Convolution
3. Mean Filter(Box filtering)
4. Gaussian Filtering(smoothing)
5. Median FIltering
1. Image FIltering 종류
Box filtering
Gaussian smoothing
median filtering
histogram equilization
등

1. Gaussian Noise 에는 Gaussian FIlter가 가장 좋다.
2. Median filter는 경계를 뚜렷하게 남기지만, low-texture(밝기 차이 거의 안나지만, 이미지에서 디테일한 부분들) 부분들이 흐려져서, 그림이 뭉개진다.
2. Convolution



참고 : 주파수 영역에서 convolution 방법 : 두 그래프 중 하나를 y축에 대칭시킨 후 조금씩 이동시키며 겹치는 영역의 넓이를 구한다.
[신호및시스템] 그래프를 이용한 Convolution 계산 (Continuous-Time Domain)
● Convolution 계산 convolution(컨벌루션)은 회로 해석이나 신호 및 시스템의 활용에 있어 매우 중요한 ...
blog.naver.com

또는

예시





참고 : 이미지 noise 종류

3. Mean Filter (Box filtering)


box filter를 그래프로 나타내면 왼쪽과 같고, 그것을 푸리에 변환해서 주파수 영역에서 보면 오른쪽과 같다.
가운데 부분이 크고, w가 커지면(주파수가 커지면) 확 작아진다.
단점
1. impulse noise의 경우 mean filter 적용해도, 여전히 noise 크다.
2. impulse noise 주변 pixel들도 convolution할때 impulse pixel이 포함될 경우, 영향을 받는다.
3. high frequency 부분 완전히 없어지지 않는다. 아래 [그림]의 노란색 부분


4. Gaussian Filtering(smoothing) (=weighted Mean Filter)
sigma에 따라 smoothing한 결과가 달라진다. (이래서 Gaussian filter를 weighted mean이라고 한다)





1. Color Image coding


2. Gray Image coding

Mean Filter vs Gaussian Filter


5. Median Filtering
장점 : impulse noise를 확실하게 없앨 수 있다.


이미지 가장자리 한픽셀 정도는, 이미지 전체 크기에 비해 정말 작은 부분이므로, 무시해도 된다.
그래서 밖에 한 층을 zero padding 해도 결과는 크게 달라지지 않는것.


출처
'Computer Vision' 카테고리의 다른 글
10. Sampling Theorem (Image Scaling, Image Subsampling) (0) | 2021.01.10 |
---|---|
9. Image Filtering(2) (Histogram Equalization, Histogram Matching) (0) | 2021.01.10 |
7. Morphology (Opening & Closing) (0) | 2021.01.03 |
6. Image Thresholding (Otsu)& Labeling (0) | 2020.12.28 |
4. Fundamental Image Processing - Color Transform, Sepia Tone Transform, Luminance Contrast Transform (0) | 2020.12.26 |
댓글