[중간고사] 6장. 영상 개선

 영상의 품질을 개선하는 방법에 대한 장이다.
이러한 방법은 Point Operation(해당 픽셀만 확인)과 Spatial Operation(주변 픽셀도 확인)으로 나뉜다.

<Point Operation>

 - Contrast Stretching
  : a,b를 기준으로 명암 구간을 (0, a), (a, b), (b, L)로 분리한다.
   각 구간의 명암 변화율(기울기)를 α,β,γ 라고 할 때, 이 값을 통해 명암비를 조절한다.
   만약, 이 기울기가 1보다 낮다면 Shrink(대비 증가), 1보다 크면 Stretch(대비 감소)라고 한다.
   이 값을 이용해, Backlight Compensation(역광)이나 Auto White Balance에 대해 조정할 수 있다.
   
 ※ α = 0, γ = 0 일 때,
     a != b 이면, Clipping (어두운 부분과 밝은 부분 디테일이 사라짐)
     a == b 이면, Thresholding (이진화)
 가 된다.

 

 - Gamma Correction
  : 감마 기울기 곡선 v = cu^γ 에서, γ값에 따라 곡선이 아래또는 위로 기울게 하는 방식
    γ가 1보다 작으면 밝아지고, γ가 1보다 크면 어두워진다.

 

 - Digital Negative
  : y = L-1-x 선분으로 변경한다 -> 밝기 반전
    의료용 사진 등에서 주로 사용된다.

 

- Intensity Level Slicing
  : Contrast Stretching 처럼 구간을 나눈 뒤, 각 구간의 값을 단일화 or 유지 하면서 변환한다.

 

 - Histogram Equalization
  : 확률 밀도 함수(PDF)와 누적 분포 함수(CDF)를 이용해 감마를 평탄화 하는 방식이다.

 

 

 

 <Spatial Operations>

 - Mean-filtering ( 평균값 필터링 )
 : 모든 위치에 대해 평균 필터를 2D Convolution 한다.
   이 때, 윈도우 내 가중치는 모두 같을수도, 다를수도 있다.
   노이즈 제거에는 유리하나, 윈도우 사이즈가 커질수록 디테일 손상(Blurring)이 발생한다.

 

 - Directional Smoothing ( 대각선 스무딩 )
  : Mean-Filter가 N*N 행렬을 사용했다면, 이 방법은 대각선을 이루는 포인트들의 집합으로 진행한다.
    이 방식은 평균값 필터링에 비해 Blurring이 적지만, 노이즈 감소 효과도 낮다.

 

 - Median Filtering ( 중간값 필터링 )
  : 윈도우 크기만큼 자신과 주변값들을 포함한 리스트를 정렬한 뒤, 정렬된 리스트의 중간값을 사용한다.
    Salt & Pepper Noise와 같이 0, 255의 노이즈를 잘 제거하고, 디테일도 어느정도 잘 살린다.
    윈도우 크기를 키울수록 블러링 현상이 늘어난다.

 

 - Edge Enhancement ( 윤곽선 개선 )
   : 윤곽선은 지점 A와 지점 B의 값의 차이가 크기 때문에 발생하고, 이러한 지점은 변화량이 크므로 고주파다.
     원래 이미지에 LPF를 적용하면, 저주파 대역을 얻을 수 있고. 원본에서 저주파대역을 제거하면 고주파 대역이 남는다.
     고주파 대역이 윤곽선을 의미하므로, 원본에 고주파 대역을 더한다.
  ※ 원본 이미지를 I라고 할 때,
      저대역 : LPF(I)
      중대역 : LPF2(I) - LPF(I)
      고대역 : I - LPF(I) 
      이다.

    또는, Prewitt나 Sobel같은 정의된 마스크에 대해 2D Convolution을 수행하여 얻어낼 수 있다.
    Prewitt는 대각선 Edge에 대해 유용한 마스크고, Sobel은 가로세로 Edge에 대해 유용하다.