3. Image Algebra

3. Image Algebra

 

- Image Addition:

Image Morphing(이미지 겹치기)

Additive Noise(가법적 노이즈). 일반적으로 이미지에서 잡음을 빼려고 하는데 왜 더할까?

잡음을 없애려면 어떤 노이즈가 섞인것인지 알아야한다. 복원을 위한 모델을 만들기 위해서 가법적 노이즈를 사용한다.

더할때는 픽셀 바이 픽셀로 연산한다.

 

-Image Subtraction:

이미지 뺄셈은 움직임 감지에 사용한다.

오리지날 이미지와 시간이 지난 후의 이미지를 가져와서 이미지 뺄셈을 하면, 바뀐 픽셀을 알 수 있다.

그런데, 예를들어 논밭에 자동차가 지나가는 것을 일정 간격으로 사진을 찍어 이미지 뺄셈을 했다고 하자.

이 경우에 이미지 뺄셈의 결과로 자동차만 두드러지게 나타났으면 좋겠지만 실제로는 그렇지 않다.

주변 사물들도 픽셀이 변경되었기 때문이다. 

 

여기서 임계값을 설정하여 움직인 물체만 찾아내는 방법이 있다.

이미지 뺄셈의 결과가 임계값 이상이면 1, 아니면 0으로 표현한다.

하지만 이 방법도 한계점이 있다.

 

임계값을 적게 설정하면 필요없는 정보가 남아있고 임계값을 크게 설정하면 필요한 정보까지 없어지는 경우가 많기 때문이다. 또, 앵글이 변하면 안 되고, 배경의 물체가 조명이나 바람에 영향을 받는 경우 움직이는 것으로 인식하는 점, 움직인 물체가 배경색과 비슷하면 검출하기 힘든 점 등이 있다.

 

- Image Multiplication & Division

이미지 곱, 나눗셈이다.

밝기를 조절할 때 사용된다.

픽셀 by 픽셀로 연산하고, 이미지 * 이미지 또는 이미지 * 상수가 가능하다.

 

이미지 곱(또는 나눗셈) 결과 픽셀의 값이 기존의 값보다 높아지면 이미지는 밝아지고, 낮아지면 이미지는 어두워진다.

 

이미지 곱은 노이즈를 추가하는데 사용되기도 한다.

Multiplicative noise: 승법적 노이즈.

노이즈가 곱해서 추가된다. 이런 노이즈는 제거하기 힘들다.

승법적 노이즈는 컴퓨터그래픽의 사실감을 주기 위해 매핑 기법으로 사용된다.(texture mapping)

 

이미지 곱은 두 이미지를 합치는 효과를 내기도 한다.

이미지 덧셈으로 이미지를 겹치는 효과를 낸 것과 동일한 결과를 낸다.

물론 연산은 곱이 더 어렵다.

 

 

논리 연산

Image Masking

이미지의 필요한 부분만 남기고 가리는 효과.

이는 AND 또는 OR연산으로 구현할 수 있다.

특정 이미지 위에 필요한 부분만 1로 칠해 AND연산을 하면, 필요한 부분 외에는 검은색(0)으로 만들 수 있다.

또는 특정 이미지 위에 필요한 부분만 0으로 칠해 OR연산을 하면, 필요한 부분 외에는 흰색(1)로 만들 수 있다.

 

NOT연산으로 이미지 색 반전이 가능하다.

 

---

Spatial Filters

공간 필터.

Mean Filter = 평균 필터 = linear filter = 선형 필터

- 이미지를 부드럽게 만듦

- 대비가 너무 높은 경우 눈이 쉽게 피로하므로 흐릿하게 만들 필요가 있음

 

Mean Filter 연산

1/9	1/9	1/9
1/9	1/9	1/9
1/9	1/9	1/9

이러한 필터를 원본 이미지와 convolution연산하면 된다.

필터는 크기를 더 늘릴 수 있는데, 만약 5x5크기라면 한 칸은 1/25의 가중치를 가지게 된다.

 

- 필터가 커질수록 이미지는 더 흐릿해진다.

- 필터가 커질수록 연산의 양이 많아진다.