컴퓨터 비전 | Pixel access(at, ptr, data), Transformation implementation code

이번에는 픽셀에 접근을 어떻게 하는지 살펴볼 것이다. at 이라는 함수를 사용하게 된다. 이때 들어가게 되는 파라미터는 접근하기 원하는 픽셀의 좌표를 넣게 된다. Row와 Col의 순서로 들어가게 된다.

 

이미지를 읽고 at 함수를 사용해서 Row = 50 Col = 100에 있는 픽셀의 값을 value라는 변수로 넣게 된다. 만일 Color 이미지로 읽었다면 BGR  채널마다 접근을 해야 하기 때문에 Vec3b라는 함수를 사용해서 채널 별로 접근할 수 있다.

 

만일 포인터를 사용하면 해당 픽셀에 더 빨리 접근할 수 있다. at 함수 대신 ptr 함수를 사용해서 해당 픽셀의 주소를 알아내는 방식이다. 그리고 해당 주소의 배열 [ ] 을 사용하면 해당 좌표의 값을 알아낼 수 있다.

 

 

ptr 함수 말고 data 함수도 존재한다.

 

 

코드를 살펴보면 data 함수를 사용해서 이미지의 주소를 data라는 변수로 넘기게 된다. 그렇게 되면 특정 픽셀에 대한 주소 뿐만 아니라 임의의 픽셀에 대한 값도 손쉽게 접근할 수 있다는 특징이 있다.

 

 

앞서 포스팅에서 살펴본 각각의 Transformation을 직접 수행하는 코드를 공부할 것이다.

 

 

Negative Transformation의 경우 밝기에 대한 값을 뒤집는 것이기에 Gray scale 로 이미지를 읽어야 한다. 그리고 모든 픽셀에 접근하기 위해 2중 for 문을 사용하여 밝기의 최댓값인 255에서 각 픽셀의 값을 빼주게 된다. 

 

결과 사진은 다음과 같다.

 

다음 Log Transformation을 위한 코드이다. convertTo 함수를 사용해서 해당 이미지를 Float 타입으로 변경한다. log 함수를 사용하기 위해서는 type을 Floating point로 바꿔야 함을 기억해야 한다. 그리고 변경한 img에 1을 더해서 무조건 0보다 큰 값을 가지도록 설정을 해준다. 이때 abs() 를 취해야 0이 안 나온다는 논리는 말 안해도 알 것이다. 그리고 해당 이미지를 0부터 255 사이의 값을 가질 수 있도록 normalize를 시킨다. 그리고 convertScaleAbs 함수를 취해서 unsigned 8 bit 타입을 가질 수 있도록 변경해준다. 

 

다음이 해당 결과이다.

 

Gamma transformation은 지수 계산이 있기 때문에 연산량이 훨씬 더 복잡하다. 그렇기 때문에 Look up Table을 만들어서 해당 값에 대응하는 결과를 바로 할당할 수 있도록 배열을 하나 만들어야 한다. 255로 나눈 값으로 지수 계산을 하고 다시 255를 곱하여서 연산량을 최소화 한다. 그리고 해당 배열에 해당하는 값을 .at 함수를 사용해서 할당하게 된다.

 

다음과 같은 결과 사진을 받을 수 있다.