Kamchol's Base Camp

1.zeros(n,m)  



2.ones(n,m)


3.eye(n,m)



A =[4 ,3 ; 5 6; 7 8];
4. fliplr(A) = 좌우반전


5.flipud(A) = 상하반전


6. triu(A)
 주어진 배열 A에 대하여 (1,1)을 포함 하는 대각선 상에 있는 원소 들과 그 위쪽에 있는 원소들을 포함하는 위쪽 삼각형에 대한 원소를 가지고 배열을 생성하며 그 아래쪽은 모두 0

7.tril(A)
주어진 배열 A에 대하여 (1,1)을 포함 하는 대각선 상에 있는 원소 들과 그 .아래쪽에 있는 원소들을 포함하는 아래쪽 삼각형에 대한 원소를 가지고 배열을 생성하며 그 위쪽은 모두 0


8.reshape(A,n,m) =A행렬(3,2)행렬을 재배치 한다, (2.,3),(1,6),(6,1)

9.strcmp(A,B) = A와 B의 문자 열 비교 같으면 1 다르면 0반환

10.strfind(A,B)  =A:문자열,B:찾으려는 문자열 찾은 문자열의 위치를 반환.









'Matlab > 명령어 정리' 카테고리의 다른 글

매트랩 명령어 정리  (0) 2014.12.26

Comment +0

영상의 영역 분할

영상을 구성 요소로 혹은 분리된 물체로 구분하는 연산을 의미한다.

문턱처리 및 엣지 검출을 다룬다.

문턱치 처리 (Thresholding)

단일 문턱치 처리

그레이 스케일 영상을 2진 영상으로 바꿀 수 있다. 이는 먼저 원 영상에서 그레이 레벨T를 선정하고 , 화소의 값이 T보다 큰지 혹은 작은지에 따라서 모든

화소들을 흰색 혹은 흑색으로변경 하면 된다

이중 문턱치 처리

2개의 값 T1과 T2를 선택하고 문턱치 처리를 한다.

T1과 T2사이의 값은 1 그외의 값은 0

문턱치 처리의 응용

1.본질의 집중하기 위해 영상에서 불필요한 부분을 제거 하기 원할 때 사용

2.숨겨진 미세한 부분을 나타낼 때

3.글자나 혹은 그림으로부터 변화하는 배경을 제거 하고자 할 때

적절한 문턱치의 선정

영상처리의 과정의 성패는 적당한 문턱치 레벨의 결정에 의해 좌우 된다.

만일 문턱치를 너무 낮게 설정하면 어떤 물체의 크기를 감소 시키거나 혹은 그 개수도 감소 시킬 수 있다.

반면 너무 높게 설정 할 경우 너무 많은 배경 정보를 포함 하게 할 수 있다.

따라서 문턱치를 알맞게 설정해야 하는데 그 러한 방법으로 Otsu방법이 있다.

Otzu’s method가 있다 (N. Otsu, “A threshold selection method from gray-level histograms,” IEEE Trans. Syst., Man, Cybern., vol. SMC-9, pp. 62-66, 1979).

Otsu의 이진화 방법은 임계값 T를 기준으로 영상 픽셀들을 두 클래스로 분류했을 때 두 클래스간의 intra-class variance를 최소화하거나 또는 inter-class variance를 최대화하는 T를 찾는 이진화 방법이다.

입력 영상에서 임계값 T보다 어두운 픽셀들의 비율을 α, 밝기 평균을 μ1, 분산을 σ12, T보다 밝은 픽셀들의 비율을 β, 밝기 평균을 μ2, 분산을 σ22라 했을 때 (α+β=1), intra-class 분산과 inter-class 분산은 각각 다음과 같이 계산된다.

intra-class variance = ασ12+βσ22 —- (1)

inter-class variance = αβ(μ1-μ2)2 —- (2)

식 (1)을 최소화시키는 것은 식 (2)를 최대화시키는 것과 동일하며 둘 중 어느 기준을 사용해도 무방하지만 계산상으로는 식 (2)를 최대화시키는 것이 효율적이다. 즉, Otsu의 이진화 알고리즘은 임계값 T를 0 부터 255까지 단계적으로 변화시키면서 식 (2)를 계산하고 식 (2)가 최대가 되는 T 값을 찾아서 영상을 이진화하는 방법이다.

엣지 검출

엣지는 영상에서 가장 유용한 정보를 포함 하고 있다. 영상에서 물체의 크기를 측정 하려고 할때 , 배역에서 특정 물체를 분리하려 할때 , 물체를 인식 또는 분류 하기 위해 엣지를 사용한다

엣지를 간략하게 서술 하면 주어진 문턱치를 초과하는 화소 값들의 국부적인 불연속으로 정의한다.

엣지와 배경의 화소 값들 사이는 분명한 차이가 있고 이것을 영상에서 구별할 수 있도록 하는 것이 엣지 검출이다.

몇가지 엣지 검출 필터

prewitt필터

수직 수평 엣지를 검출.

sobel 필터

prewitt 필터에에서 가운데 화소에 더 많은 비중을 둔 필터

Roberts 필터

대각선 검출을 하는 필터





위 필터들은 linear filter와 다르게 box filter를 이루는 숫자의 합이 1이 아니라 0인것을 확인할 수 있다.

그 이유는 가중평균을 구하는 linear filter과 다르게 주변 픽셀값들의 차이를 구하기 때문이다.

2차 도함수

라플라시안

양방향 2차 도함수의 합을 라플라시안 이라고 한다.

[0 1 0 ; 1 -4 1 ; 0 1 0]

장점 : 회전에 불변 즉, 라플라시안을 영상에 적용한 후에 회전을 시킨 것과 영상을 먼저 회전 시키고 라플라시안을 적용 시킨 결과는 같다.

문제점 : 2차 도함수의 필터는 잡음에 매우 민감하다.

0교차

엣지를 더 적절히 구하는 법 -> 라플라시안 필터링 후 영교차의 위치를 사용하여 엣지를 더욱더 정확히 구한다.

영교차 구하는 법.

1.화소가 음의 그레이 값을 가지고 있고 , 그레이 값이 양수인 화소에 직각으로 이웃 하면 영교차이다.

2.화사가 0의 값을 가지고 있고, 음과 양의 값을 가지는 화소 사이에 있으면 영교차 이다.

Marr-Hildreth방법

1.가우시안 필터로 영상을 스무싱 처리한다.

엣지 검출전 노이즈를 제거 하기 위해서 .

2.그 결과를 라플라시안 필터로 회선 처리 한다.

3.영 교차 화소들을 구한다.

처음의 두 단계는 하나로 합칠 수 있으며 그것이 바로 LOG (Laplacian of Gaussian)필터가 된다.

Canny엣지 검출기

캐니 엣지는 3가지 기준을 만족 하도록 고안 되었다.

1.낮은 검출 오류율 , 모든 엣지 검출해야 하며 엣지만을 검출해야 한다.

2.엣지의 위치, 영상에 있는 엣지와 알고리즘 사용후의 검출된 엣지 사이의 거리는 최소화 되어야 한다,

3.단일응답, 단지 하나의 엣지만 존재할 경우 이 알고리즘이 다중엣지 화소를 생성해서는 안된다.

단점 : 구현이 복잡하고 시간이 오래 걸린다. 실시간 영상 처리 에서는 임계 값이 처리된 기울기 방법을 이용한다,

허프변환

어떤 점이 주어졌다면, 그점을 기준으로 그점을 지나는 모든 직선의 방정식의 파라미터를 저장해놓고, 여러개의 점들에 대해 반복하여 파라미터의 빈도수를 누적함으로써 ,

같은 직선에 속하는 점들이 몇개나 있는지 검사하는 방법.

즉, 많은 점들이 직선상에 존재 한다면 , 파라미터를 이용하여 직선으로 표현하여 직선을 검출 하는 방법이다.

'영상처리 > 영상처리 기초' 카테고리의 다른 글

영상의 영역 분할  (0) 2014.12.11
영상복원(잡음 제거)  (0) 2014.12.11
기하학적 변환 및 퓨리에 트랜스폼  (0) 2014.12.10
영역 처리 단위  (0) 2014.12.10
영상디스플레이  (0) 2014.12.10
영상파일의 포맷  (0) 2014.12.08

Comment +0

영상복원



영상 복원은 영상을 획득하는 과정에서 발생한 열화(화질 저하)를 제거 하거나 감소 시키는 것에 초점을 두고 있다.

열화는 오차를 발생시키는 잡음, 초점의 흐림과 같은 광학적 요소, 카메라의 움직임 때문에 나타나는 흐려짐 현상에 기인한다.

복원은 어떤 경우에는 공간 영역에서 또 어떤 경우에는 주파수 영역에서의 복원이 필요하다.

잡음

소금 & 후추 ( Salt and pepper)

Salt & Pepper : 이 잡음은 임펄스(impulse)잡음, 삿(shot)잡음,2진화 잡음이라도고 불린다.

발생원인으로는 영상신호에서 예리하고 급작스런 교란으로 인해서 발생 될 수 있다.

이 잡음의 외관은 영상 전반에 걸쳐 흰색과 검은색 화소로 불규칙 하게 퍼져 나간다.

가우시안 잡음

가우시안 잡음 : 백색잡음의 이상적인 형태이며 백색잡음은 신호의 불규칙한 요동으로 인하여 발생한다.

가우시안 잡음은 정규분포를 갖는 백색 잡음이다.

만일 영상을 I , 가우시안 잡음을 N으로 표현할 경우 잡음이 첨가된 영상은 단순히 I + N으로 표현된다.

반점(Speckle)잡음

반점 잡음 : 가우시안 잡음은 불규칙한 값들을 영상에 단순히 더하는 모델이지만, 반점잡음은 불규칙한 값들을 화소에 곱하는 것으로 모델링 된다.

따라서 이를 곱셈적인 잡음이라도고 한다.

I(1+)으로 표현된다. 가우시안 잡음과 외관적으로 유사하지만 두 가지 잡음은 완전히 서로 다른 이유로 발생 하였기 때문에 이를 제거 하기 위해서는

다른 접근법이 필요하다.

주기성 잡음

영상 신호에 불규칙 교란이 아니라 주기적인 교란이 있는 경우에 나타나는 잡음이다. 이의 효과는 막대 모양으로 나타난다.

소금 & 후추 , 가우시안 . 반점 잡음 모두는 공간 필터링을 사용 하여 제거 하나 반점 잡음은 주파수 영역의 필터링을 사용하여 제거 한다

WHY? 앞에 모델들은 국부적 열화로 모델화 할 수 있지만, 주기성 잡음은 전체적인 효과를 가지기 때문이다 .

소금 & 후추 잡음의 제거

저역통과 필터링

소금&후추 잡음으로 오염된 화소들은 영상의 고주파 성분이므로 저역통과 필터를 사용하면 이 것들을 감소 시킬 수 있다.

->average필터 사용.

단점 : 잡음을 문질러서 흐려지게 한 효과로 완전히 제거 되지는 않는다.

Median필터

집합의 메이던은 집합 내의 값들을 크기 순서로 나열 하여 가운데 값을 취한다. 만약 집합의 수가 짝수이면 가운데 두 수의 평균한 값을 취한다.

따라서 Median필터를 사용하면 잡음을 그주위에 가장 유사한 화소로 대체 한다.

순위(Rank - Order)필터

메디언 필터링은 순위 필터링이라고 하는 더 일반적인 과정의 특수한 경우이다.

'영상처리 > 영상처리 기초' 카테고리의 다른 글

영상의 영역 분할  (0) 2014.12.11
영상복원(잡음 제거)  (0) 2014.12.11
기하학적 변환 및 퓨리에 트랜스폼  (0) 2014.12.10
영역 처리 단위  (0) 2014.12.10
영상디스플레이  (0) 2014.12.10
영상파일의 포맷  (0) 2014.12.08

Comment +0

기하학적 변환



데이터 보간

보간(interpolation)이란 ?

4개의 픽셀을 크게 키웠을 때 빈 공간을 채워 넣는 것을 보간이라 한다.

주위의 값을 근거로 함수 값을 추정하는 것을 말한다.

최근점 보간 : 가장 가까운 자리에 있는 점을 사이에 채워 넣는다.

선형 보간 : 원래의 함수 값들을 직선으로 연결하고, 그 직선 위의 값을 보간된 값으로 취하는 것.

Fourier Transfrom

Fourier Transfrom

특정 신호에서 나타나는 주파수 성분을 얻어내려는 변환이다. Fourier Transfrom은 Continuous하고 Periodic 하기만 하면 특정 정현파들의 결합으로 그 신호를

표현 할 수 있다.

DFT

Fourier Transform 과 비슷한 성질을 가지는데 , 한가지 다른점은 DFT연산이 가능한 신호는 Discrete 하고 Non Periodic해야 한다.

다시 말하면 거의 모든 Discrete신호는 DFT변환이 가능하다는 말이 된다.

왜 DFT변환을 해야 하는가?

DFT변환을 하기 전과 한 후에는 신호의 성질이 변한다 Discrete 한 sequence를 x(n)이라고 표현 하고 DFT변환 한 후의 sequence를 X(k)라고 할때

x(n)은 Time domain에서의 표현이고 X(k)는 Frequency domain에서 표현이 된다.

버터워스 필터링

중심으로 부터 어떤 거리에서 푸리에 변환을 차단하는 것이다 (물결 제거 할 때 많이 쓰인다.)

'영상처리 > 영상처리 기초' 카테고리의 다른 글

영상의 영역 분할  (0) 2014.12.11
영상복원(잡음 제거)  (0) 2014.12.11
기하학적 변환 및 퓨리에 트랜스폼  (0) 2014.12.10
영역 처리 단위  (0) 2014.12.10
영상디스플레이  (0) 2014.12.10
영상파일의 포맷  (0) 2014.12.08

Comment +0

화소 단위 처리



모은 영상 처리 연산은 화소의 그레이 값들을 변경한다. 영상처리 연산들은 변경에 필요한 정보에 따라 3가지로 분류 할 수 있다.

1.변환

2.영역단위 처리

-주어진 화소의 그레이 값 변경 위해 주어진 화소의 이웃 화소를 사용하여 해당 화소의 그레이값을 결정한다.

3.화소 단위 처리

-주어진 화소의 그레이 값은 근방 이웃화소를 사용하지 않고 변경한다.

영역단위 처리

마스크를 주어진 영상 위로 이동하면서 처리 하는 방식.

마스크의 일반 적인 형태는 양변의 길이가 모두 홀수 인 직사각형 형태이다.

필터 ?

마스크와 함수를 결합한 것

선형 필터 : 마스크 내에 있는 모든 원소와 마스크에 대응하는 이웃 영역에 있는 몬든 화소들의 값들을 각각 곱하고 모두 더하면 된다.

1.마스크를 현재 화소 위에 위치 시킨다.

2.필터의 값과 이웃 화소들의 값을 대응하는 원소끼리 서로 곱한다.

3.곱의 항들을 모두 더한다.

회선 : 곱하고 더하기 전에 필터를 180도 회전한 뒤 선형필터와 동일하게 처리 한다.

실제의 경우 대부분의 필터 마스크는 회전에 관해 대칭이므로 공간 필터링과 공간 회선은 같은 출력을 얻는다.

평균 필터 : 마스크 내의 평균을 구하는 것 .

영상이 흐리게 나온다 ->detail을 다 없애 블러 처리 한다.

low pass filter의 총합은 1 high-pass filter의 총합은 0

영상의 엣지 처리

필터 처리시 문제점이 있다. 마스크의 일부분이 영상의 바깥 부분에 있을 경우, 영상의 엣지 부분에서 어떻게 처리 해야 될까?

이런경우 필터 함수에서 사용할 영상의 화소 값이 없는 것이다. 이를 해결하기 위해 몇가지 접근법이 있다.

1.엣지의 무시

마스크가 영상에 완전히 포개지는 화소들에 대해서만 마스크를 적용한다.

이것의 의미 : 엣지를 제외한 모든 화소에 대해서만 마스크를 적용하기 때문에 출력 영상은 원영상보다 작아진다.

단점 : 마스크의 크기가 클경우 상당한 양의 정보를 잃을 수 있다.

2.영으로 채운다(제로 패딩)

영상의 외부에 필요한 값들을 모두 0으로 가정한다. 원 영상과 동일한 크기의 영상을 얻을 수 있다.

단점 : 영상의 주위 부분에 원하지 않은 노이즈가 발생한다.

3.미러링

영상의 외부에 있는 영역에서 필요한 모든 값들은 해당 엣지에 대해서 미러링 하여 얻는다.

영상의 모든 화소에 대해 처리 하기 때문에 같은 크기의 영상을 얻을 수 있으며 제로 패딩과 달리 원하지 않는 결과를 얻지 않을 수도 있다.

분리 가능 필터

필터를 여러번에 나눠서 연속적으로 적용하여 똑같은 결과 값이 도출 가능하다

예를 들어 3x3 필터의 경우 3x1 , 1x3필터를 적용시켜 구현할 수 있다.

이것으로 인하여 시간이 더욱더 줄어 들 수 있다.

주파수 :저역통과 및 고역통과 필터

주파수 : 거리에 따라 그레이 값이 변화는 양을 측정한 것이다.

고주파 : 짧은 거리 내에서 그레이 값의 변화가 매우 큰 특징을 갖는 것 (엣지와 잡음)

저주파 : 영상에서 그레이 값이 거의 변화 하지 않는 부분의 특징을 갖는 부분.(배경, 피부의 질감등)

저역 통과 필터 : 저주파 성분들을 통과 시키고 고주파 성분들을 줄이거나 제거 하는 필터 (평균 필터)

0~255 범위 밖의 값 처리

선형 필터를 사용할 경우 결과 값이 0~255의 범위를 벗어 날 수있다. 그러므로 밖에 값을 처리할 필요가 있다.

1.음수를 양수로 만들기

이 방법은 음수 문제를 해결 할 수 있지만 255보다 큰 값은 해결 할 수 없다.

따라서 특수한 경우에만 사용 한다 (음수가 몇개이고 이 값들이 0에 가까운 경우에만 사용한다)

2.값의 제한

벗어나는 값에 대해서 범위를 지정해 문턱 처리 한다.

예를들어 0보다 작은 값은 0 ,0~255의 값은 본연의 값 ,255보다 큰 값은 255로 지정.

하지만 범위를 벗어나는 결과값들이 많을 경우 필터링 한 결과값들이 파괴 될 수 있다.

3.스케일링 변환

결과 값의 가장 작은값 gl 가장 큰 값 gh을 가정하면 y=255(x-gl)/gh-gl로 표현하여 필터링으로 생성된 모든 그레이 값 x에 대해서 선형변환을

적용하여 디스플레이 할 수 있다.

엣지 샤프닝

공간 필터링을 사용하여 영상의 엣지를 더욱 날카롭고 선명하게 만드는 것.

엣지 강조, 엣지 선명, 언샤프 마스킹 등으로 호칭되며 언샤프 마스킹은 인쇄 산업에서 많이 쓰인다.

언샤프 마스킹

원 영상에서 원 영상의 언샤프 영상 버전을 스케일링 하여 빼는것.

원 영상에서 그영상의 블러링된 영상을 스케일링 하여 빼면 똑같은 효과를 얻을 수 있다.

비선형 필터

마스크 내의 그레이 값에 비선형 함수를 적용하면 얻을 수 있다.

최대값 필터 : 마스크 내의 가장 큰 값을 출력

최소값 필터 : 마스크 내의 가장 작은 값을 출력

rank-order필터 : 마스크 내의 값을 정렬 하고 특정 값을 출력, 중간값 필터 이고 정렬된 배열에서 중간값을 취하는 것.

일반적으로 해당 명령에 의해 정의 되는 몇가지 제외 하고는 비선형 필터를 사용하지 않는다 ->느리끼 때문에

ROI(Region of interest)처리

가끔 영상 전체를 필터링 하지 않고 영상 내에 있는 일부분에만 적용하기를 원하는 경우. 예를 들어 비선형 필터의 계산시간이 많이 소모되어 영상 전체에 적용 할 수 없는 경우

이 경우에는 내가 관심있는 영역을 지정하여 처리 하기 위해 사용 한다.

ROI 필터링

ROI에 대해 가장 단순한 연산들 중 하나는 공간 필터링이다.

'영상처리 > 영상처리 기초' 카테고리의 다른 글

영상복원(잡음 제거)  (0) 2014.12.11
기하학적 변환 및 퓨리에 트랜스폼  (0) 2014.12.10
영역 처리 단위  (0) 2014.12.10
영상디스플레이  (0) 2014.12.10
영상파일의 포맷  (0) 2014.12.08
영상처리 개요  (0) 2014.12.08

Comment +0

영상 디스플레이



비트 평면

그레이스케일 영상을 비트평면으로 분리하면 2진 영상들의 수열로 변활 할 수 있다.

8비트 영상의 각 화소의 그레이 값을 8비트 2진수로 생각하면 0번째 비트 평면은 각 그게링 값의 마지막 비트로 구성된다.

0번째 비트로 구성된 비트 평면을 LSB평면, 7번째 비트로 구성된 평면은 MSB평면 이라 한다.

MSB 평면이 가장 큰 효과와 정보를 담고 있다.

공간 해상도

공간 해상도란 ?

영상에 대한 화소들의 밀도 이다 공간 해상도가 높을 수록 더 많은 화소들이 영상의 디스플레이에 사용된다.

블록화 현상 : 해상도를 낮추었다가 다시 복원 할 경우 해상도를 낮출때 손실된 화소들이 다시 재생 되지 않기 때문에 블록화 현상이 나타남.

양자화와 디더링

양자화란?

영상을 표현하는 데에 사용한 그레이스케일 개수를 말한다.

대부분 영상은 256개의 그레이스케일을 갖는다. 그러나 더 적은 개수의 그레이스케일로 표현하고자 할 때 0~255까지의 범위를 나누어 그레이 스케일 개수를 축소 시킬 수 있다.

그레이스케일 수를 적게 사용할수록 연속적인 그레이스케일 사이에 불연속이 더 크게 생겨서 거짓 윤곽(선)이 늘어나게 된다

거짓 윤곽석 해결 방법 : 양자화 하기 전에 영상에 랜덤한 값들을 추가 한다.

디더링 이란?

영상에서 컬러의 수를 축소시키는 과정이다.

제한된 컬러 수를 가진 방비에 디스플레이 하거나 프린트 해야 하는 경우

ex)영상을 두 가지 톤으로 표현해야 하는 신문 (halftoning),웹페이지에 정의된 색상을 브라우저에서 지원하지 않는경우

패턴 디더링 ?:

주어진 임의의 매트릭스 크기에 따라 이미지를 분할해 가며 각 분할 된 영역의 명암을 얻는다.

0~255레벨로 이루어진 명앞을 28로 나누어 0~9레벨로 변경하고, 마지막으로 0~9레벨을 미리 준비된 9개의 패턴으로 대체 한다.

이러한 정해진 패턴의 사용은 없던 직선이 미지에 생겨 날 수 있기때문에 준비된 여러개의 패턴을 임의로 사용하도록 난수를 발생하여 사용 하기도 한다.

오차의 확산

디더링에 의한 양자화의 다른 접근 방법.

영상은 두 가지의 레벨로 양자화 되지만, 각 화소에 대하여 원래의 그레이 값과 양자화된 값 사이의 오차를 고려하는 방법이다.

오차를 이웃 화소들에게 확산 시키는 것

'영상처리 > 영상처리 기초' 카테고리의 다른 글

영상복원(잡음 제거)  (0) 2014.12.11
기하학적 변환 및 퓨리에 트랜스폼  (0) 2014.12.10
영역 처리 단위  (0) 2014.12.10
영상디스플레이  (0) 2014.12.10
영상파일의 포맷  (0) 2014.12.08
영상처리 개요  (0) 2014.12.08

Comment +0

영상과 Matlab



영상파일과 포맷

JPEG : 손실 압축 TIFF : 여러개의 영상, 2진, 그레이스케일, 천연 컬러 및 인덱스 영상을 지원하는 일반적 압축 ,무손실 GIF : 데이터 전송을 위해 설계된 포맷 , 256컬러 밖에 지원이 안된다(동영상 유리) BMP : 매우 널리 사용 Microsoft에서 사용 PNG : GIF의 단점을 보완하여 GIF대신 사용 (2진 사용 안됨)

16진수 덤프 함수 : 2진 파일을 조사 하기 위해서 파일 내용을 16진수 값으로 나열 할 수 있는 간단한 함수 만일 2진 수로 나열 할 경우 쓰레기 메시지가 나옴.

벡터 영상과 라스트 영상

벡터 영상 : 라인 단위로 이루어져 저장.

-장:어떤 예리한 정보의 손실도 없이 원하는 크기만큼 크게 할 수 있다.

-단:자연스러운 장면을 적은 수의 라인으로 표현할 때 좋지 않다.

라스터 영상 : 큰 용량의 영상파일 포맷, 각 화소의 그레이 컬러 강도의 리스트로 저장(디카, 스캐너의 획득 정보가 라스터로 저장)

간단한 라스터 포맷

하나의 영상 파일에는 전체 화소의 정보 뿐 아니라 몇 가지 헤더정보를 가지고 잇어야 한다. 영상의 크기 정보는 받듯이 포함되어야 하며 문서정보, 컬러 맵 및 사용한 압축 방식도 포함 될 수 있다.

세부 설명 GIF & PNG

GIF :

1.라스터 포맷 , 무손실.

2.컬러맵을 사용 하여 저장, 영상 하나당 256컬러를 허용

3.2진 영상과 RGB값으로 생성 될 수 있는 그레이 스케일 영상을 제외 하고는 그레이스케일을 허용하지 않는다.

PNG :

1.GIF의 단점을 보완하여 GIF를 대체 하여 사용하기 위해 고안됨

2.그레이스케일, 천연컬러 및 인덱스 영상을 모두 지원

3.알파 채널을 지원한다.

세부설명 JPEG

JPEG :

1.손실 압축을 사용 , 원래의 데이터를 완전하게 복원 할 수 없다.

2.자연의 장면을 표현하는데 널리 사용되고 있다.

3.재복원시 손실률은 사람이 구별 할 수 없을 정도로 작기 때문에 디스플레이용으로도 적합.

세부설명 TIFF

TIFF :

1.가장 범위가 넣ㅂ은 영상포맷 중의 하나이다.

2.하나의 파일에 여러 개의 영상을 저장 할 수 있다.

3.2진, 그레이 스케일, 천연 컬러, 인덱스 영상, 투명, 불투명도 사용 가능.

4.little - endian사용

세부설명 DICOM

DICOM :

1.GIF와 같이 다중 영상 파일을 지원하는 영상 포맷. 그러나 이 파일들을 3차원 물체의 슬라이스나 프레임으로 생각 할 수 있다.

2.디지털 영상 양식을 위한 표준.

'영상처리 > 영상처리 기초' 카테고리의 다른 글

영상복원(잡음 제거)  (0) 2014.12.11
기하학적 변환 및 퓨리에 트랜스폼  (0) 2014.12.10
영역 처리 단위  (0) 2014.12.10
영상디스플레이  (0) 2014.12.10
영상파일의 포맷  (0) 2014.12.08
영상처리 개요  (0) 2014.12.08

Comment +0

영상 처리의 개요



영상처리란?

1.인간이 해석 하기 위해 그림 정보를 개선

2.자동화 기계의 인식을 위해 보다 적절하게 표현

종류

샤프닝처리 ->엣지의 샤프닝 처리는 프린트를 하는데 필수적이다(hihgpass-filter)

잡음제거 -> median-filter

특정 물체 카운팅 시 ->lowpass-filter(특정 물체를 카운팅만 할 때는 주위 자세한 정보 필요없다.)

영상 획득과 샘플링

영상 샘플링

샘플링은 연속적인 함수를 디지털화 하는 과정을 말한다.

나이퀘스트 판별법: 샘플링 주파수가 적어도 해당 함수의 최대 주파수 성분의 2배 이상이 되어야만 샘플로 부터 연속함수를 복원할 수 있다는 것.

앨리어싱: Undersampling된 영상에서 들쭉날쭉한 엣지.

영상획득

디지털영상 생성의 2가지 일반적인 방법

1.디지털카메라

2.평판형 스캐너

화소 :출력은 값들의 배열이며 각 값들은 원래의 장면에서 샘플된 점들을 표시한다. 이배열의 원소를 화소라한다.

CCD 카메라 : 화소로 저장. 평판형 스캐너 : 하나의 행으로 구성된 소자들을 행단위로 이동하며 영상정보를 획득한다.

영상과 디지털 영상

x,y를 통해 나타내며 x,y는 1~256 범위를 갖는다

밝기값 역시 0~255까지의 범위를 사용한다.

이웃화소 :

-주어진 하나의 화소를 둘러싼 화소들

-보통 홀수개의 행 과 열로 구성된다.

영상처리 작업

1.영상획득

2.전처리 :영상 대비 강조, 잡음제거등 본격적인 작업에 앞서 기본적인 작업을 행한다.

3.영역분할: 특정 오브젝트가 있는 지역을 추출

4.표현 및 묘사: 오브젝트를 검출하는 과정, 오브젝트의 특징점 추출

5.인식 및 해석

디지털 영상의 타입

1.2진영상 : 각 화소는 단지 흑색이거나 백색이다. 화소당 1비트만필요

2.그레이스케일 영상 : 0~255까지의 그레이 음영이다. 화소당 8비트 & 1바이트로 표현

3.RGB :특정 컬러를 가지고 있고 각 성분은 0~255의 범위를 갖으며 256의 3제곱 만큼의 다른 컬러 값을 갖는다.(24비트 컬러영상)

4.인덱스 영상 : 영상의 값은 단지 일부분의 값만 을 사용하기 때문에 저장이나 파일처리를 쉽게 하기 위해서 컬러 맵 혹은 컬러 팔레트를 갖고 있다. 이 것은 영상의 사용되는 컬러들을 단순 리스트로 만든것이다. 따라서 각 화소의 값은 컬러 값이 아니라 컬러를 가리키고 있는 각 인덱스의 값들로 구성된다.

'영상처리 > 영상처리 기초' 카테고리의 다른 글

영상복원(잡음 제거)  (0) 2014.12.11
기하학적 변환 및 퓨리에 트랜스폼  (0) 2014.12.10
영역 처리 단위  (0) 2014.12.10
영상디스플레이  (0) 2014.12.10
영상파일의 포맷  (0) 2014.12.08
영상처리 개요  (0) 2014.12.08

Comment +0