CONVOLUTION

 

샤프닝

단점 : 노이즈도 잘 보이게..

 

 

edge 검출

 edge란 가장자리, 윤곽선 =  영상의 밝기 값이 변화하는 부분

패턴에는 root, line, step, ramp가 있다.

 

- 1차 미분 마스크

edge가 화소의 밝기 가 급격히 변하는 부분이기 때문에 함수의 변화율을 취하는 미분연산을 이용해서 edge검출이 가능하다. 

-- 로버츠(Roberts) 마스크

대각선 방향으로 1과 -1을 배치하여 구성한다.

-1	0	0
0	1	0
0	0	0

 

 

 

0	0	-1
0	1	0
0	0	0

 

 

--프리윗(Prewitt) 마스크

로버츠 마스크의 단점을 보완하기 위해 고안되었다.

수직마스그 : 원소의 배치가 수직으로 구성, edge의 방향도 수직

수평마스크 : 원소의 배치가 수평으로 구성 edge의 방향도 수평

-1	0	1
-1	0	1
-1	0	1

 

 

-1	-1	-1
0	0	0
1	1	1

 

--소벨(Sobel)마스크

프리윗 마스크와 유사하며 중심 화소의 차분의 대한 비중을 2배 키운것이 특징이다.

수직, 수평방향을 edge를 추출한다. 특히 중심화소의 차분 비중을 높였기 때문에 대각선 방향 edge를 검출한다.

 

-1	0	1
-2	0	2
-1	0	1

 

 

1	-2	1
0	0	0
1	2	1

 

 

- 2차 미분 마스크

--라플라시안 에지 검출

--LoG와 DoG

-- 캐니 에지 검출 

 

 

기타 필터링

최댓값/ 최솟값 필터링

평균값 필터링

미디언 필터링

가우시안 스무딩 필터링

 

 

 

모폴로지(형태학)

영상의 객체의 형태를 분석하고 처리하는 기법을 말한다.

영상의 경계, 골격, 블록 등의 형태를 표현하는데 필요한 요소를 추출한다.

영상 내에 존재하는 객체의 형태를 조금씩 변형시킴으로써 영상 내에서 불필요한 잡음 제거하거나 객체를 뚜렷하게 한다. 

 

- 침식 연산 : 객체를 침식시키는 연산 (and) 

객체의 크기 축소, 배경확장

영상 내에 존재하는 잡음과 같은 작은 크기의 객체 제거(salt &pepper)

침식 연산

 

-팽창 연산 : 객체를 팽창시키는 연산 (or) 

객체의 최외각 화소를 확장시키는 기능 -> 객체의 크기 확대, 배경 축소

객체 팽창으로 객체 내부의 빈 공간도 메워짐 -> 객체 내부 잡음 제거 

팽창 연산

 

- 열림 연산과 닫힘 연산 : 침식 연산과 팽창 연산의 순서를 조합하여 수행

 

열림연산 : 침식 -> 팽창 

주요 효과:

• 작은 노이즈를 제거
• 이미지에서 작은 물체를 제거하거나, 개체의 경계가 분명하게 하며 배경과의 구분을 개선

사용 사례:

• 노이즈 제거: 배경과 같은 균일한 영역을 유지하면서 이미지의 작은 잡음을 제거하고 싶을 때.
• 전처리: 객체 검출 및 분할 전에 객체의 불필요한 작은 부분을 제거할 때.
• 문서 처리: 문서 스캔에서 작은 점이나 잡티를 제거할 때.
• 예시:
  • 문서 스캔에서 잉크 점을 제거하거나, 작은 기포를 제거하여 객체의 윤곽을 명확하게 만들 때.

 

닫힘 연산 : 팽창 -> 침식 

주요 효과:

• 이미지에서 작은 구멍을 채우거나 객체의 작은 구멍을 메우고 싶을 때 사용
• 작은 검정색 점들을 흰색 배경과 연결하거나 구멍을 메워서 보다 일관된 객체를 형성

사용 사례:

• 구멍 메우기: 객체의 내부 구멍을 메우거나 객체 간의 작은 간격을 채우고 싶을 때.
• 후처리: 객체가 연결된 상태로 유지되도록 하여, 객체의 모양을 일관되게 유지할 때.
• 문서 처리: 스캔된 문서에서 작은 흰색 구멍을 메우고 싶을 때.

예시:

• 이미지에서 작은 구멍이 있는 개체를 처리하거나, 객체의 경계가 명확해지도록 할 때 사용

 

 

실습 코드

https://github.com/joomj2000/OpenCV/blob/main/morphological.ipynb

OpenCV/morphological.ipynb at main · joomj2000/OpenCV