Spatial Filtering & Edge Detection

1. 공간 필터링

인접 화소들의 값을 참조하여 화소값을 변경하는 처리다.

주변 화소들 특징을 이용해 변환하는데, 영상에 있어 공간 영역의 필터 처리라고 보면 된다.

 

예) 평균값 필터링

주변값들을 더해 평균을 내서 가운데 화소값을 변경하는 것.

노이즈 끼었을 때 주변에 맞게 바뀌주기도 하는데 영상이 블러딩되어 흐려지기도 한다.

 

2. 컨볼루션

중심 화소의 값을 인접 화소들의 가중합으로 대체하는 연산이다.

하나의 픽셀마다 옮겨가며 화소값을 변경한다.

수식이 어려워 보이지만 간단하다.

 

3. 가장자리 화소의 구현

가장자리를 처리할 때는 어떻게 해야하는지 싶은 의문이 들 수 있다.

이때, 외부 화소들은 모두 0으로 가정하고 연산을 수행한다.

이렇게 컨볼루션을 통한다고 해서 영상이 심하게 변하지는 않는다.

기본적으로 아날로그 신호를 받아서 만들기 때문에 완전 새로운 것이 아니라 같은 결의 영상들이 나온다.

 

 

4. 가우시안 필터링

아래 보이는 그림의 예처럼, 가운데 가중치를 많이 주고 주변 가중치는 적게 주는 방법이다.

기존 화소의 기본정보(화소값)을 받아와서 더해준다.

단순 평균값 필터링은 값이 점점 크게 변하면, 전체 영상이 영향을 받아 뭉개지는 현상이 일어날 수 있다.

그러나 가우시안은 주변 거리 비율로 조금씩 가져오는 방식이기에 자신의 고유색을 살리면서 변환된다. 

 

 

5. 샤프닝

영상을 날카롭게 하는 처리로, 오히려 값을 빼주는 기법이다.

특정 위치의 각각 픽셀을 강조하여 더 자세히 표현하고 싶을 때 사용하는데

가우시안과 반대의 개념이라고 보면 된다.

 

6. 엣지 검출

화소 밝기가 급격하게 변하는 부분(에지)을 이용해 물체의 윤곽을 잡는 기법이다.

영상에서의 엣지란 화소의 경계선을 말한다.

 

(1) 1차 미분을 통한 엣지 검출

현재 픽셀과 다음 픽셀을 잇는 밝기 기울기를 구해서 물체의 윤곽을 잡는다.

각 픽셀들 간 기울기의 정도를 통해 엣지 검출 여부를 결정한다.

 

 

(2) 2차 미분을 이용한 엣지 검출

1차 기울기를 보고, 기울기 차이를 다 더한 것이 0이 되도록 하는 방법이다.

1차 미분은 x, y 각각에 대한 값을 보지만,

2차 미분은 하나의 마스크로 엣지를 검출하기 때문에 시간이 빠르다는 장점이 있다.

 

 

(3) 케니 에지 연산자

연속된 픽셀이 엣지일 때 통일하지 않고 가장 큰 것을 뽑는 방법이다.

노이즈들이 사라지고 선의 굵기가 얇아져 각각의 픽셀을 더 자세히 볼 수 있다.

• step1 : 잡음 제거
• step2 : 그라디언트 계산하기
• step3 : 비최대억제 – 가장 얇은 방향으로 하나의 픽셀로만 표시
• step4 : 히스테리시스 – 스레스홀드 2개로 범위를 두 개 줌

* 히스테리시스

선들이 연속성이 있을 때 해당하는 개념이다.

• maxval 넘으면 무조건 엣지로 간주 - A
• minval 까지 떨어지지 않는다면 C도 엣지 - 연속성
• maxval 넘지 못한 선들은 모두 엣지 X

 

7. 중간값 필터링

특정 구간의 화소들을 정렬하여 중간 자리에 오는 것을 출력 화소값으로 취하는 방법이다.

고해상도에서 발생하는 노이즈들을 제거하는데 쓰인다.

스무디 필터링	가우시안	중간값 필터링
영상 처리 중 에지가 망가짐.	노이즈를 제거한다 해도 흔적이 남을 수 있음.	영상 처리 중 에지 보존되어 처리됨. 화소값을 정렬한 후에 중간값을 선택하기 때문에 간격들의 값을 모두 대체하여 흔적이 남지 않는다.

엣지 검출이 잘 안된다면 중간값 필터링으로 노이즈 제거 후 엣지를 검출하는 것도 좋은 방법이다.