2. Digital Image Analysis

System Model

Image analysis 영상해석은 컴퓨터 이미지 문제(비전, 영상처리등)를 풀기 위한 정확한 데이터를 위해 데이터를 조작하는것.

Image anaysis 영상해석은 data reduction process: 데이터 축소 처리임.

 

Input image -> 전처리:Preprocessing(Noise Removal/ Quantization:양자화/ Finding ROI: 관심영역 찾기) -> Data Reduction: 이미지해석 -> Feature Analysis: 특징해석

 

- Data Reduction은 Frequency Domain: 주파수 도메인/ Spatial Domain: 공간 도메인에서 처리할지 정할 수 있다.

- 넓게 보면 Data reduction까지도 전처리라고 볼 수 있음

- 특징해석부터는 주처리: main process임

 

- 전처리 알고리즘은 데이터 분석, 데이터 축약을 쉽게 하기 위해 하는것. => 메인 처리를 효과적으로.

- 전처리는 관심영역 추출, 대수연산, 해상도와 밝기를 줄이는 처리 등이 포함됨.

---

 

 Region-Of-Interest(ROI) Image Geometry

관심영역 추출방법

1. Crop

2. Zoom

3. Translate

4. Rotate

 

Zoom은 작은 영역을 크게 만드는 과정에서 이미지에 모자이크현상이나 흐릿함 현상이 나타날 수 있다.

- zero-order: 1차다항식을 사용함. 기존의 값을 추가되는 픽셀의 값으로 그대로 사용함. 모자이크현상 발생

- first-order: 1차식을 사용. 추가되는 픽셀의 값으로는 주변의 픽셀값의 중간값을 사용. 흐릿하게 표현됨.(가로확대 후 세로확대)

 

Convolution mask를 이용한 first-order 방식

원본 이미지

3	5	7
2	7	6
3	4	9

Convolution mask

1/4	1/2	1/4
1/2	1	1/2
1/4	1/2	1/4

일 때, 원본 이미지를 가로세로로 늘리고, 빈 부분은 0으로 채움

0	0	0	0	0	0	0
0	3	0	5	0	7	0
0	0	0	0	0	0	0
0	2	0	7	0	6	0
0	0	0	0	0	0	0
0	3	0	4	0	9	0
0	0	0	0	0	0	0

이후, 늘린 이미지에 마스크를 겹쳐올려서 해당하는 값끼리 곱해서 더함.

계산이 끝나면 다른 버퍼에 해당하는 한 칸에 기록해두고, 마스크를 한 칸 옮겨서 반복.

0	0	0	0	0	0	0
0	3	4	5	6	7	0
0	2.5	4.25	6	6.25	6.5	0
0	2	4.5	7	6.5	6	0
...	..	.

이렇게 되겠다.

---

만약 zero-order hold의 경우 마스크를 어떻게 설정하면 될까?

1	1
1	1

이렇게 하면 된다.

이 때, 마스크가 짝수 크기이므로 중심위치가 없는데, 임의로 한 칸을 정하면 된다.

 

---

원본 이미지의 크기가 N일 때, K배 확대하면 크기가 몇이 될까?

K(N-1)+1이 된다.

예를 들어 3짜리 이미지를 2배하면..

3*2+1 = 7짜리 이미지가 됨.(테두리 합쳐서)

 

k배 했을 때, 새로 추가되는 픽셀에는 어떤 값을 넣어야할까?

2칸짜리 이미지를 3배 했다고 생각해보면

125

140

(원본 이미지)

 

125

140

3배 한 경우 3-1=2, 중간에 2칸이 더 생긴것으로 볼 수 있다.

값은 어떻게 채울까?

1. 원본이미지에서 인접한 두 칸의 값의 차이를 계산한다.

140-125 = 15

 

2. 차이를 배수만큼 나눈다.

15 / 3 = 5

 

3. 각 칸마다 2에서 계산한 값만큼 더한다.

125

130

135

140

3배 완성.