(●'◡'●) Categories 🐅391 계산사진학 정리 Multiresolution Processing 이미지에서 특정 Object를 찾는데 사용되는 기술이다. Direct search는 sliding window 기법으로 움직여 픽셀별 비교를 통해 물체를 찾는 과정이다. 이 경우 연산량이 매우 많다. Multi-scale Search 방법은 찾고자 하는 Object의 Template 사이즈를 줄여서 찾는 과정으로 빠르지만 정확도가 낮아진다. 해당 방법은 낮은 해상도의 이미지에서 객체를 복구하고 높은 해상도의 이미지에서 자세한 부분을 복구하는 방식의 연구가 제시된 적 있다. 여기서 Image Pyramid 개념이 등장한다. 하나 이상의 해상도에서 이미지의 구조를 파악하는 방법으로 다양한 주파수 대역의 Component로 분해하는 방식이다. 다양한 Scale의.. 2025. 4. 9. Image Blending About Blending Method.... (with GPT) 📐 Gaussian Pyramid – Approximation PyramidGaussian 피라미드는 이미지의 점진적인 저해상도 표현을 제공해. 각 단계는 이미지의 저주파(blurred) 버전을 제공하는데, 이는 다음과 같은 상황에 유용해:✅ 사용되는 경우:멀티스케일 분석 (Multi-scale analysis)객체나 패턴을 다양한 해상도에서 감지해야 할 때 (예: 객체 인식, 얼굴 검출 등).이미지 압축저해상도 이미지를 우선 전송하고, 필요에 따라 고해상도 이미지로 보간하여 점진적으로 복원 가능.이미지 피라미드 매칭 (Image matching across scales)두 이미지의 크기가 달라도 feature matching 이 가.. 2025. 3. 25. Intensity Transformation, Morphology Image processing Output intensity는 f (Input Image) 값에 의해 결정되고, 각각의 Pixel은 위의 간단한 수식에 의하여 Transformation 이 진행된다. 수식에 있듯, r 값은 Input Image의 Pixel value에 해당. point processing 이라 불리기도 한다. 그냥 간단 예시 Human Perception 능력이 Darker tone에서 더 섬세하기 때문에 예를 들어 Pixel 값 1의 차이는 더 어두운 (낮은 값) 영역에서 차이를 더욱 크게 식별하는 낮은 JND 값을 가지므로 Gamma Correction을 통해 어두운 영역으로 변경하는 것이 인간의 인지 측면에서 더욱 효율적일 수 있다. 좁은 영역으로 표현되는 픽셀 값들이 더 넓은 영역의 Intensity.. 2025. 3. 11. Convolution, Laplacian of Gaussian Filter Supplementary delta function 으로 불리는 [0 0 0; 0 1 0 ; 0 0 0] 행렬은 원본 이미지 그대로를 출력하게 한다. 노란색 점선으로 이어진 영역을 통해 High Frequency Component가 추출되는 특성이 존재한다. High-frequency는 물체의 edge 특성을 지니므로 물체의 Edge가 Amplifying 되는 특성이 존재한다. I(in) 은 Input Image에 해당하며 F는 High-pass filter이다. High-pass filter는 low Frequency를 모두 제거하고 High Frequency 만을 남기는 역할을 한다. Band-pass filter는 low와 high 중간에 있는 특정 영역의 주파수 대역을 추출할 수 있다는 특성.. 2025. 2. 25. 여호수아 2장 말씀 1 눈의 아들 여호수아가 싯딤에서 두 사람을 정탐꾼으로 보내며 이르되 가서 그 땅과 여리고를 엿보라 하매 그들이 가서 라합이라 하는 기생의 집에 들어가 거기서 유숙하더니2 어떤 사람이 여리고 왕에게 말하여 이르되 보소서 이 밤에 이스라엘 자손 중의 몇 사람이 이 땅을 정탐하러 이리로 들어왔나이다3 여리고 왕이 라합에게 사람을 보내어 이르되 네게로 와서 네 집에 들어간 그 사람들을 끌어내라 그들은 이 온 땅을 정탐하러 왔느니라4 그 여인이 그 두 사람을 이미 숨긴지라 이르되 과연 그 사람들이 내게 왔었으나 그들이 어디에서 왔는지 나는 알지 못하였고 9 말하되 여호와께서 이 땅을 너희에게 주신 줄을 내가 아노라 우리가 너희를 심히 두려워하고 이 땅 주민들이 다 너희 앞에서 간담이 녹.. 2024. 10. 31. 여호수아 1장 여호수아 1장 말씀1 여호와의 종 모세가 죽은 후에 여호와께서 모세의 수종자 눈의 아들 여호수아에게 말씀하여 이르시되2 내 종 모세가 죽었으니 이제 너는 이 모든 백성과 더불어 일어나 이 요단을 건너 내가 그들 곧 이스라엘 자손에게 주는 그 땅으로 가라3 내가 모세에게 말한 바와 같이 너희 발바닥으로 밟는 곳은 모두 내가 너희에게 주었노니4 곧 광야와 이 레바논에서부터 큰 강 곧 유브라데 강까지 헷 족속의 온 땅과 또 해 지는 쪽 대해까지 너희의 영토가 되리라 8 이 율법책을 네 입에서 떠나지 말게 하며 주야로 그것을 묵상하여 그 안에 기록된 대로 다 지켜 행하라 그리하면 네 길이 평탄하게 될 것이며 네가 형통하리라9 내가 네게 명령한 것이 아니냐 강하고 담대하라 두려워하지 말며 놀라지 말라 네가 어디.. 2024. 9. 4. 스바냐서 1~3장 스바냐 1장5 또 지붕에서 하늘의 뭇 별에게 경배하는 자들과 경배하며 여호와께 맹세하면서 말감을 가리켜 맹세하는 자들과6 여호와를 배반하고 따르지 아니한 자들과 여호와를 찾지도 아니하며 구하지도 아니한 자들을 멸절하리라7 주 여호와 앞에서 잠잠할지어다 이는 여호와의 날이 가까웠으므로 여호와께서 희생을 준비하고 그가 청할 자들을 구별하셨음이니라 17 내가 사람들에게 고난을 내려 맹인 같이 행하게 하리니 이는 그들이 나 여호와께 범죄하였음이라 또 그들의 피는 쏟아져서 티끌 같이 되며 그들의 살은 분토 같이 될지라18 그들의 은과 금이 여호와의 분노의 날에 능히 그들을 건지지 못할 것이며 이 온 땅이 여호와의 질투의 불에 삼켜지리니 이는 여호와가 이 땅 모든 주민을 멸절하되 놀랍게 멸절할 것임이라 스바냐 2장.. 2024. 9. 3. MLE의 구체적인 뜻과 추정방법. KL Divergence와 MLE의 상관관계 Maximum Likelihood Estimation Likelihood function이란 무엇인가? 파라미터 해석에 따라 얼마나 관측치가 얼마나 가능성이 있는지를 표현하는 것을 의미합니다. 즉, 저희가 집중해야 하는 것은 파라미터를 어떻게 해석하느냐인데 파라미터로부터 도출되는 값(얼마나 가능성이 있는지에 대한 값 == Likelihood)이 가장 큰 것을 찾기 위한 방법이 MLE 방법입니다. 보통 MLE를 구할 때 Log 를 붙이게 되는데 그 이유는 Log함수는 단일 증가함수 이기 때문에 기존 최대값을 갖게되는 세타에 영향을 미치지 않고 계산을 더 쉽게할 수 있기 때문입니다. 또한 Log 연산의 경우 곱셈이 모두 합으로 표현되는 장점이 있습니다. Binomial Distribution의 경우를 살펴보.. 2024. 3. 7. 기계학습에서 Estimation을 하는 근본적 이유. Parametric Estimation이란? Motivation for MLE 만일 동전을 던졌을 때 동전의 앞면이 나올 확률을 x 라고 하자. 10번 던졌을 경우 앞면이 7번 나오고 뒷면이 3번 나온 경우 x는 0.7 이라고 답할 것이다. 그런데 이 확률을 어떻게 추론한 것인가? 이 추론 과정은 관측(Observation) 으로부터 파라미더 (Parameter)를 도출하는 과정으로 생각할 수 있다. 데이터로부터 패턴(Pattern)을 찾아내는 방법 중 하나는 The Most likely probability model을 찾는 것이다. 대표적으로 두 가지 방식으로 패턴을 찾아내는데 하나는 Supervised Learning으로 정답 label 없이 입력값 x와 출력값 y의 경향성을 찾아내는 것이고 다른 하나는 Unsupervised Learning.. 2024. 3. 7. Primitive Transformation 성질 분석하기 위의 글을 통해 Cartesian Coordinate 대신 Homogeneous Coordinate를 사용하는 이유에 대해서 살펴보았습니다. 표현하고자 하는 Transformation의 경우 Primitive Transformation (Translation, Rotation, Scaling) 으로 표현할 수 있습니다. 예를 들어 임의의 지점 P1에 대하여 Rotation을 적용하는 경우 이를 어떻게 하면 간소화할 수 있을까요? 해당 지점은 원점으로 Translation을 한 뒤 회전하고자 하는 각도 θ 만큼 회전시키고 다시 원래의 지점으로 Translation을 한다면 기존의 Primitive한 성질을 모두 만족시킬 수 있을 것입니다. 그렇다면 기본적인 축 (x-axis, y-axis)이 회전되어 있는.. 2024. 3. 4. 이전 1 2 3 4 ··· 40 다음
