제 4 장 영상향상 -픽셀 단위처리.

Presentation on theme: "제 4 장 영상향상 -픽셀 단위처리."— Presentation transcript:

1 제 4 장 영상향상 -픽셀 단위처리

2 O(x,y) = M[I(x,y)] 여기서 M은 매핑 함수 활용 - x-ray등 의료분야
4.1 픽셀의 점처리 정의 - 입력픽셀 : 출력픽셀 = 1:1의 변환 처리 - 주로 Contrast 향상에 사용됨 - 각 픽셀은 다른 픽셀과 관련없이 독자적 변환 – 그룹처리와 차이비교 - 영상의 각 픽셀의 명도값을 어떠한 관계식에 의해 변환하는 과정 O(x,y) = M[I(x,y)] 여기서 M은 매핑 함수 활용 - x-ray등 의료분야 - 항공, 위성사진등의 판독

3 4.1 단일 영상의 경우(1) -- 대체로 Contrast 향상 연산
슬라이딩(sliding) 스트레칭(stretching) 64 128 192 255 64 128 192 255 f(g) = 0 (g<128) f(g) = g-128 (g>128) 명도의 제거와 1:1 변환 f(g) = 4g (g<64) f(g) = 255 (g>64) 명도의 확대

4 4.1 단일 영상의 경우(1) -- 대체로 Contrast 향상 연산

5 4.1 단일 영상의 경우(2) 기울기값과 명도와의 관계 기울기가 1보다 큰 경우 : 명도의 확대
기울기가 1보다 작은 경우 : 명도의 압축

6 4.1 단일 영상의 경우(3) 중간강조 255 192 128 64 f(g) = 0.5g (g<64)

7 4.1 단일 영상의 경우(3) 중간강조

8 4.1 단일 영상의 경우(3) 반전 64 128 192 255 f(g) = 255-g

9 4.1 단일 영상의 경우(3) 반전 예

10 4.1 단일 영상의 경우(3) – 1:1변환, 반전, 스트레치의 비교

11 4.1 단일 영상의 경우(4) 이진화 문서영상의 경우 심각하게 조명상태가 나쁠 땐, contrast가 매우 낮다.
이런 경우 보다 확실히 배경과 문자나 선을 구분하기 위해 이진화 시행 이진화 64 128 192 255

12 4.1 단일 영상의 경우(4) 이진화 영상예

13 4.1 단일 영상의 경우(5) 슬라이스 등명도선 64 128 192 255 64 128 192 255 구간 이진화
특정 구간을 강조할때 영상의 명도를 몇개로 분할하여 어떤 명도는 255(백) 나머지는 0(흑)으로 변환하는 기법

14 4.1 단일 영상의 경우(5) 다단계 명도변환 64 128 192 255 4단계의 명도 레벨로 분류함으로써, 명암도에 따른 영역 구분

15 4.1 단일 영상의 경우(6) 중간제거 중간통과 64 128 192 255 64 128 192 255 특정영역만을 통과(1:1변환)하고 나머지는 검게 처리 특정영역만을 그림자 처리하고 나머지는 1:1 변환

16 4.2 다중 영상(multiple image)의 경우
O(x,y) = I1(x,y) # I2(x,y) 여기서 #에는 수학적, 논리적 연산자 +, - , * , AND, OR, XOR등이 모두 가능 ① 픽셀 단위 더하기 연산 a. 각 픽셀의 명도 값을 높여주는 역할       →이미지의 밝기에 관련된 연산으로 어두운 영상의 밝기를 밝게 　       Output(X,Y)=Image_1(X,Y)+C (C: 상수)   b. 두 이미지간의 더하기 연산      →합성된 느낌, 원이미지의 경계선만을 검출하여 더함으로써 이미지의 경계선을 뚜렷하게… 전처리에 많이 사용         Output(X,Y)=Image_1(X,Y)+Image_2(X,Y)

17 미리 modeling해 놓은 배경 영상일 경우가 많음.  background modeling이라 함
4.2 다중 영상(multiple image)의 경우 ② 픽셀 단위 빼기 연산 a. 각 픽셀의 명도 값을 낮춰주는 역할    →이미지의 전체의 밝기를 낮춰주는 역할 　      Output(X,Y)=Image_1(X,Y)-Image_2(X,Y)   b. 원하는 정보만을 추출하기 위한 처리 c. 인공위성 사진을 이용하여 무기의 이동이나 병력 이동을 감지하는데 이용된다. 다른 용도로는 배경 제거, 조명 균일화 등에 쓰일 수 있다. 미리 modeling해 놓은 배경 영상일 경우가 많음.  background modeling이라 함

18 음각이나 양각에 해당하는 MASK 영상일 경우가 많음.
4.2 다중 영상(multiple image)의 경우 ③ 픽셀 단위 곱하기 연산   a.각 픽셀의 명도 값을 조절하여 부각시키는 역할        Output(X,Y)=Image_1(X,Y)*C (C: 상수)        →어두운 픽셀과 밝은 픽셀의 차이를 높여 영상을 부각 시키는 역할   b. 두 이미지간의 곱하기 연산         →AND 연산의 효과        Output(X,Y)=Image_1(X,Y)*Image_2(X,Y) 음각이나 양각에 해당하는 MASK 영상일 경우가 많음. 일부분의 대상을 통과 또는 제거하기 위한 도구

19 4.2 다중 영상(multiple image)의 경우
④ 픽셀 단위 나누기 연산 1.이동한 물체의 검출이나 이미지 밝기 조절 Output(X,Y)=Image_1(X,Y)/C (C: 상수)     →사람의 눈으로 구별하기가 어려워 이미지의 밝기를 향상시켜 분석   2.두 이미지간의 나누기 연산        → 움직인 물체 검출        Output(X,Y)=Image_1(X,Y)/Image_2(X,Y)

20 4.2 다중 영상(multiple image)의 경우
영상결합 장면의 어떤 속성을 향상 연속성 있는 같은 장면의 비슷한 영상을 섞음 영상합성 서로 관련 없는 장면(배경이 다른 장면)을 혼합하여 새로운 영상 출력

21 4.2 다중 영상의 경우- 대표적인 영상결합 차연산(Differencing) ?
O(x,y) = I1(x,y) - I2(x,y) 주용도 : 인공위성 사진 분석 영상감시 장치 배경제거, 조명균일화 움직임 추적 시스템 등 ?

22 4.2 다중 영상의 경우- 대표적인 영상합성 논리AND 연산 논리AND 연산 역마스크

23 4.2 다중 영상의 경우-영상합성- 광고사업 및 스포츠부가서비스