Spatial Filtering

728x90

spatial filtering 이란?

-> spatial filter를 활용해서 전처리 하는 것.

 

spatial filtering의 종류

1. Averaging filter

- 주변 값의 평균으로 대체 시킨다.

- random noise를 줄일 수 있다는 장점이 있다.

- image가 흐릿해진다. (blurs an image)

 

[사용 예]

형식 : blur( input image, output image, size of kernel);

blur( image, result, Size(5,5) );

 

 

2. Gaussian filter

- 가중치 평균을 수행하는데, 가중치를 gaussian filter를 사용해서 한다.

 

[사용 예]

GaussianBlur( image, image, size of kernel, 0, 0, BORDER_DEFAULT);

 

 

* averaging filter과 gaussian filter는 서로 비슷하다.

- mask 크기가 작을수록 작은 잡음을 처리할 수 있다.

- 큰 잡음을 처리하기 위해서는 큰 mask를 사용해야 하는데, 계산량이 많아진다.

 

 

3. Sharpening

- 밝기값 차이가 나는 부분을 더 갖오시킴으로써 보다 edge있게 만든다.

- 공간 domain에서의 미분을 수행함으로써 sharpening을 수행한다.

- 값의 변화가 발생하는 부분을 sharpening 한다.

   - sharpening 한다는 것 : 값의 차이가 큰 부분의 간격을 더 크게 만든다. 

- 보통 2차 미분으로 수행한다.

  1) 2차 미분을 먼저 수행한다.

  2) 원본 이미지와 미분한 이미지를 더한다.

- unsharp mask : 이 mask를 쓰면 값의 변화가 발생하는 부분이 더 강조된다.

 

[사용 예]

Laplacian( image, laplacian, CV_16S, 1, 1, 0 ); // 2차 미분을 수행한다.
convertScaleAbs( laplacian, abs_laplacian ); // 8비트로 변환한다.
sharpening = abs_laplacian + image; //2차 미분한 결과를 원본 이미지에 더한다.

3-1. unsharp masking

[사용 예]

cvtColor( input, gray, COLOR_BGR2GRAY ); // 색상 변환
GaussianBlur( gray, blur, Size(5,5), 3 );
addWeighted( gray, 1.5, blur, -0.5, 0, sharp ); // 각각 가중치 지정.

 

 

 

4. Median filter

- 중간값을 사용한다. (평균값이랑 다르다!)

- m x m 크기의 Filter를 사용하면 m^2/2 만큼의 잡음을 없앨 수 있다.

   즉, salt-and-pepper nosie(흰색과 검은색 noise), random noise를 없애는데 효과적이다.

- blur 없이 잡음을 없앨 수 있으나, 연산량이 더 많고, 특정 noise에서 효과적이다.

 

[사용 예]

medianBlur( image, mf1, 3 ); // medianblur 적용
imshow( "MedianFiltered", mf1 ); // 결과 출력