컴퓨터 비전 | Spatial Filtering, Average Filtering, Gaussian Filtering, Sharpening Algorithm, Median Filtering

 

Spatial filter의 경우 spatial mask, kerne, template 등으로 불리며 다음처럼 3x3 필터의 경우 각 연산의 Weight들의 합이 해당 픽셀의 좌표 (x,y)에 해당하는 값으로 변경하게 된다.

 

 

첫 번째로 Avergae filter의 경우 해당 픽셀을 둘러싸고 있는 이웃 픽셀들의 평균 값을 계산하는 방식이다. 종종 Low pass filter라고 불리며 모든 픽셀에 대해서, 해당 픽셀의 주변 픽셀의 Intensity Level의 평균 값에 의해 대체되는 방식으로 계산이 진행된다. 이것의 장점은 Random한 노이즈를 제거해주는 것이지만 단점은 이미지를 흐리게 만든다는 것이다.

 

노이즈가 제거됨과 동시에 이미지가 흐리게 처리된 것을 볼 수 있다.

 

가우시안 필터의 경우 가우시안 함수를 따라 해당 픽셀의 값을 계산하여 대체하게 된다. 이의 경우 해당 픽셀의 이웃한 픽셀들의 평균값을 계산하는 것이 아니라 가우시안 함수를 따른다는 것을 차이점으로 기억하면 좋을 것이다.

 

필터를 사용할 때 마스크의 크기 또한 중요한 요소이다. 만약 작은 물체를 흐리게 만들고 싶다면 작은 크기의 마스크를 사용해야 할 것이다. 큰 사이즈의 마스크를 사용하는 것은 연산량을 늘리는 결과가 야기된다. 오른쪽으로 갈수록 큰 마스크 사이즈를 사용한 사진인데 연산이 더 많아진 만큼 더 많이 흐려지는 것을 확인할 수 있다.

 

Sharpening의 경우 Intensity가 급격하게 변하는 구간의 이미지를 강조하는 것을 의미한다. Sharpening의 경우 역시 Spatial Differentiation을 이용하여 적용한다는 것을 알 수 있다.

 

 

Sharpening을 하기 위해서는 2번째 편차를 알아낼 필요가 있다. 첫 번째로 Intensity가 변화하는 구간을 찾아야 한다. 변화하는 구간은 첫 번째 편차의 차이가 나는 구간으로 대략적으로 파악할 수 있다. 두 번째 편차의 경우 Border 구간에 대해서만 값의 편차가 생길 것이다. 해당 편차의 값을 원본 이미지에 더하면 Sharpening의 효과를 얻을 수 있다. 

 

 

 

마찬가지로 두 번째 편차를 사용해서 원본 이미지에 더한다는 의미가 무엇인지 이제 이해할 수 있을 것이다.

 

그래프로 보면 훨씬 더 이해하기 쉬울 것이다.

 

 

Average Filter, Gaussian Filter와 다르게 Median Filter라는 것이 존재한다. 이것은 해당 마스크 범위에 있는 픽셀을 순서대로 Sorting을 한 후 그 중 가운데 값을 해당 픽셀의 값으로 대체한다는 것을 의미한다. Median filter의 특징으로는 Blur 효과 없이 Noise를 제거할 수 있다는 것이다.