전체 글35 Flip (대칭) 함수 설명 이미지를 좌우 또는 상하 반전을 할때 사용하는 함수입니다. 이미지의 중심 픽셀을 기준으로 좌우 반전은 y축 대칭, 상하반전은 x축을 대칭을 통해 새로운 픽셀 값을 획득합니다. 코드 설명 python에서 이미지 대칭을 할 수 있는 방법은 다양합니다. 그 가운데 몇가지 방법에 대해 소개하도록 하겠습니다. 1. OpenCV 라이브러리 import cv2 cv2.flip(src, flipCode) 1) src : 바꾸고 싶은 source 이미지 2) flipCode : 대칭 방향 -1 : 좌우, 상하 반전 0 : 상하 반전 1 : 좌우 반전 2. numpy 라이브러리 import numpy as np np.flip(src, (0, 1)) : 좌우, 상하 반전 np.flipud(src) : 상하 반전 .. 2021. 11. 16. Sharpening (샤프닝) 함수 설명 Sharpening이란 주변 pixel과의 차이를 극대화시켜 경계 부분의 명암 비를 증가시키는 작업을 뜻합니다. 이러한 처리를 통해 이미지의 구조적 정보 및 edge를 강조시켜 보다 선명한 이미지를 얻을 수 있습니다. 해당 픽셀만 강조하기 위해 주변부의 픽셀의 값을 감소시켜야합니다. 위처럼 강조될 강도를 maks 중앙에 지정하고(9), 주변부의 값을 줄여 총합이 1이 되도록 mask를 생성합니다. 생성된 mask를 가지고 이미지를 필터링하면 강조된 이미지를 얻을 수 있습니다. 코드 설명 python3 기반 OpenCV 라이브러리를 사용했습니다. kernel = np.array([ [(1 - strength) / 8, (1 - strength) / 8, (1 - strength) / 8], [(.. 2021. 11. 15. Image Read (이미지 불러오기) 함수 설명 컴퓨터상에서 우리가 눈으로 보고 있는 이미지는 디지털 이미지로, 이는 숫자로 이루어진 데이터입니다. 위처럼 각각 값을 가지는 픽셀들이 촘촘히 뭉쳐서 하나의 이미지를 이루고 있는 것입니다. 여기서 픽셀 값은 디지털 카메라에서 촬영시 들어온 빛의 양을 나타냅니다. 그러므로 픽셀 값이 클수록 밝은 영역이고 값이 작을수록 어두운 영역을 표현하고 있습니다. 아래처럼 밝고 어두움을 나타내는 이미지를 Grayscale (회색조) 이미지라고 합니다. 다음으로, Color 이미지는 빛의 삼원색(빨강, 초록, 파랑)의 조합을 통해 모든 색상을 만들어냅니다. 즉, 우리가 보고 있는 color 이미지는 R, G, B 채널이라고 부르는 3개의 Grayscale 이미지의 합으로 이루어져있습니다. 각 채널의 값이 높을수.. 2021. 11. 11. Invert (색반전) 함수 설명 이미지에서 중요한 영역이 주변보다 어두운 경우, 반전된 이미지를 이용하면 해당 영역을 좀 더 쉽게 관찰할 수 있습니다. 또는 색반전을 통해 원본 이미지와는 다른 분위기의 새로운 이미지를 얻을 수 있습니다. 색반전의 원리는 아래와 같습니다. 반전된 이미지의 픽셀 값 = (이미지가 표현할 수 있는 최대 픽셀 값) - (원본 이미지의 픽셀 값) 예를 들어, 8bit 이미지의 경우 각 픽셀이 0부터 255의 값을 가지기 때문에 새로운 이미지는 255 에서 원본 이미지의 픽셀 값을 뺀 값을 가집니다. RGB 칼라 영상의 경우는 3 channel 별로 각각 위의 작업을 진행해줍니다. 코드 설명 python에서 색반전을 할 수 있는 방법은 다양합니다. 그 가운데 몇가지 방법에 대해 소개하도록 하겠습니다. .. 2021. 11. 10. Zero Padding 함수 설명 이미지를 다루다보면 이미지의 가로와 세로의 비를 1:1로 조정하여 사용하는 경우가 많습니다. 단순하게 Resize 함수를 사용할 수 있지만, 가로와 세로의 비가 1:1이 아닌 이미지를 강제로 1:1로 만들면 이미지가 해당 방향으로 늘어지게 됩니다. 만약 중요한 feature가 위처럼 늘어나버리게되면 이상해질 수 있습니다. 이럴때 원본 이미지의 비율을 유지하면서 영상의 크기를 조정하는 함수가 바로 Zero Padding입니다. Zero Padding은 이미지의 위/아래 혹은 양 옆에 0으로 이루어진 값들을 추가하여 가로 세로의 비율을 1:1로 맞춰줍니다. 코드 설명 python3 기반 numpy 라이브러리를 사용했습니다. np.pad(src, margin, mode='constant') 1) s.. 2021. 11. 9. Z-Score Standardization (표준화) 함수 설명 Z-score를 통해 데이터를 표준화하는 방법입니다. Z-score란 각 값이 평균에서 얼마나 떨어져 있는지를 나타내는 척도로서 Z-score 변환 식은 다음과 같습니다. x= 원본 이미지의 픽셀 값 µ= 원본 이미지의 픽셀 평균 값 σ = 원본 이미지의 픽셀의 표준편차 위의 수식을 이용하면 이미지의 픽셀값들을 종 모양의 정규 분포 형태로 바꿔줍니다. Min-Max Normalization은 무조건 [0-1] 사이의 값으로 만들지만, Standardization은 데이터에 따라 값의 범위가 조금씩 달라집니다. 코드 설명 python3 기반 numpy 라이브러리를 사용했습니다. mean_value = np.mean(image) std_value = np.std(image) output = (im.. 2021. 11. 8. 이전 1 2 3 4 5 6 다음 728x90