Microsoft PowerPoint - D03_SpatialDomainEnhance_note.ppt [호환 모드]

Similar documents
PowerPoint 프레젠테이션

영상 처리 프로그래밍 By Visual C++

Gray level 변환 및 Arithmetic 연산을 사용한 영상 개선

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션

ch3.hwp

히스토그램구하기 사전준비 : 히스토그램을저장할메모리가필요함 필요한메모리개수 à 전체영상의픽셀은그값이 0 ~ 255이므로 256 개의메모리필요함 영상을구성하는픽셀의개수는매우크므로메모리형식은 unsigned long으로해야함 ( unsigned 란 +/- 를고려하지않는다는

영상처리 이론 과 실제 제3장 영역처리

02이재원_ok.hwp

1 경영학을 위한 수학 Final Exam 2015/12/12(토) 13:00-15:00 풀이과정을 모두 명시하시오. 정리를 사용할 경우 명시하시오. 1. (각 6점) 다음 적분을 구하시오 Z 1 4 Z 1 (x + 1) dx (a) 1 (x 1)4 dx 1 Solut

LIDAR와 영상 Data Fusion에 의한 건물 자동추출

특허청구의범위청구항 1 복수의영상검출부로부터출력되는영상의히스토그램 (histogram) 을계산하는단계 ; 상기복수의영상검출부로부터출력되는영상을히스토그램평활화 (histogram equalization) 하는단계 ; 상기복수의영상검출부중하나의영상검출부를선택하는단계 ; 및

비트와바이트 비트와바이트 비트 (Bit) : 2진수값하나 (0 또는 1) 를저장할수있는최소메모리공간 1비트 2비트 3비트... n비트 2^1 = 2개 2^2 = 4개 2^3 = 8개... 2^n 개 1 바이트는 8 비트 2 2

PowerPoint 프레젠테이션

Computer Architecture

확률 및 분포

2 장수의체계 1. 10진수 2. 2진수 3. 8진수와 16진수 4. 진법변환 5. 2진정수연산과보수 6. 2진부동소수점수의표현 한국기술교육대학교전기전자통신공학부전자전공 1

<B8D6C6BCB9CCB5F0BEEEBDC3BDBAC5DB28BFB5BBF3C3B3B8AE292DBFE4BEE0C1A4B8AE3128B9DAB1E2C8AB292E687770>

DBPIA-NURIMEDIA

초4-1쌩큐기본(정답)본지

1. 서 론

(JBE Vol. 21, No. 1, January 2016) (Regular Paper) 21 1, (JBE Vol. 21, No. 1, January 2016) ISSN 228

Microsoft PowerPoint - 강의자료8_Chap9 [호환 모드]

= ``...(2011), , (.)''

OCW_C언어 기초

Microsoft PowerPoint - [2009] 02.pptx

歯이칠우(01-02).PDF

(Microsoft PowerPoint - Ch19_NumAnalysis.ppt [\310\243\310\257 \270\360\265\345])

Microsoft PowerPoint - 1-2장 디지털_데이터 .ppt

Microsoft PowerPoint - Ch13

PowerPoint 프레젠테이션

CONTENTS INTRODUCTION CHARE COUPLED DEVICE(CCD) CMOS IMAE SENSOR(CIS) PIXEL STRUCTURE CONSIDERIN ISSUES SINAL PROCESSIN

PowerPoint Presentation

통신이론 2 장주파수해석 성공회대학교 정보통신공학과 1

Microsoft PowerPoint Predicates and Quantifiers.ppt

목차 포인터의개요 배열과포인터 포인터의구조 실무응용예제 C 2

Microsoft Word - SAS_Data Manipulate.docx

Microsoft Word - LAB_OPamp_Application.doc

<32362DBFB5BBF3C3B3B8AEB9D7B1D7B7A1C7C8BDBA28C1B6C8A3BBF3292E687770>

이 장에서 사용되는 MATLAB 명령어들은 비교적 복잡하므로 MATLAB 창에서 명령어를 직접 입력하지 않고 확장자가 m 인 text 파일을 작성하여 실행을 한다

PowerPoint 프레젠테이션

BT.709 DCI BT [ 1] TTA Journal Vo

Chapter4.hwp

Microsoft PowerPoint - ch07 - 포인터 pm0415

소성해석

PowerPoint 프레젠테이션

2 : 3 (Myeongah Cho et al.: Three-Dimensional Rotation Angle Preprocessing and Weighted Blending for Fast Panoramic Image Method) (Special Paper) 23 2

PowerPoint 프레젠테이션

예제 1.1 ( 관계연산자 ) >> A=1:9, B=9-A A = B = >> tf = A>4 % 4 보다큰 A 의원소들을찾을경우 tf = >> tf = (A==B) % A

2 : (Seungsoo Lee et al.: Generating a Reflectance Image from a Low-Light Image Using Convolutional Neural Network) (Regular Paper) 24 4, (JBE

프로그래밍개론및실습 2015 년 2 학기프로그래밍개론및실습과목으로본내용은강의교재인생능출판사, 두근두근 C 언어수업, 천인국지음을발췌수정하였음

<B1B9BEEE412E687770>

PowerPoint 프레젠테이션

저작자표시 - 비영리 - 동일조건변경허락 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 이차적저작물을작성할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비

Microsoft PowerPoint - C++ 5 .pptx

PowerPoint Presentation

(001~006)개념RPM3-2(부속)

05김선걸_ok.hwp

REP - CP - 016, N OVEMBER 사진 요약 25 가지 색상 Surf 를 이용한 사진 요약과 사진 배치 알고리즘 Photo Summarization - Representative Photo Selection based on 25 Color Hi

Chapter 연습문제답안. y *sin-*cos*^ep-*/sqrt. y [ ; sinpi/ ; sin*pi ; ] 혹은 [ sinpi/ sin*pi ]. a ais[- ] b et.,., sin. c.. a A는주어진행렬 M의 번째열만을표시하는새로운행렬을나타낸다.

Microsoft Word - LectureNote.doc

Microsoft PowerPoint - 알고리즘_5주차_1차시.pptx

제 3강 역함수의 미분과 로피탈의 정리

장연립방정식을풀기위한반복법 12.1 선형시스템 : Gauss-Seidel 12.2 비선형시스템 12.1 선형시스템 : Gauss-Seidel (1/10) 반복법은초기근을가정한후에더좋은근의값을추정하는체계적인절차를이용한다. G-S 방법은선형대수방정

Poison null byte Excuse the ads! We need some help to keep our site up. List 1 Conditions 2 Exploit plan 2.1 chunksize(p)!= prev_size (next_chunk(p) 3

슬라이드 1

설계란 무엇인가?

Vector Differential: 벡터 미분 Yonghee Lee October 17, 벡터미분의 표기 스칼라미분 벡터미분(Vector diffrential) 또는 행렬미분(Matrix differential)은 벡터와 행렬의 미분식에 대 한 표

Remote Sensing

Microsoft PowerPoint - ºÐÆ÷ÃßÁ¤(ÀüÄ¡Çõ).ppt

<4D F736F F F696E74202D20BBB7BBB7C7D15F FBEDFB0A3B1B3C0B05FC1A634C0CFC2F72E BC8A3C8AF20B8F0B5E55D>

Chap 6: Graphs

<BFACBDC0B9AEC1A6C7AEC0CC5F F E687770>

Introduction to Computer Science

Microsoft PowerPoint - chap_2_rep.ppt [호환 모드]


Introduction to Deep learning

슬라이드 1

PHP & ASP

< E20C6DFBFFEBEEE20C0DBBCBAC0BB20C0A7C7D12043BEF0BEEE20492E707074>

슬라이드 1

디지털TV솔루션 브로셔

<4D F736F F F696E74202D2035BBF3C6F2C7FC5FBCF8BCF6B9B0C1FA2E BC8A3C8AF20B8F0B5E55D>

Microsoft PowerPoint - chap-05.pptx

<443A5C4C C4B48555C B3E25C32C7D0B1E25CBCB3B0E8C7C1B7CEC1A7C6AE425CBED0C3E0C7C1B7CEB1D7B7A55C D616E2E637070>

public key private key Encryption Algorithm Decryption Algorithm 1

Python과 함께 배우는 신호 해석 제 5 강. 복소수 연산 및 Python을 이용한 복소수 연산 (제 2 장. 복소수 기초)

경제수학강의노트 09 미분법 I: 미분법칙, 편미분, 전미분 Do-il Yoo PART III: Comparative-Static Analysis 비교정태분석 Chapter 7: Rules of Differentiation and Their Use in Comparat

Microsoft PowerPoint - 27.pptx

Chap 6: Graphs

Microsoft PowerPoint - C프로그래밍-chap03.ppt [호환 모드]

실험 5

PowerPoint Presentation

DBPIA-NURIMEDIA

완벽한개념정립 _ 행렬의참, 거짓 수학전문가 NAMU 선생 1. 행렬의참, 거짓개념정리 1. 교환법칙과관련한내용, 는항상성립하지만 는항상성립하지는않는다. < 참인명제 > (1),, (2) ( ) 인경우에는 가성립한다.,,, (3) 다음과같은관계식을만족하는두행렬 A,B에

<3130C0E5>

FGB-P 학번수학과권혁준 2008 년 5 월 19 일 Lemma 1 p 를 C([0, 1]) 에속하는음수가되지않는함수라하자. 이때 y C 2 (0, 1) C([0, 1]) 가미분방정식 y (t) + p(t)y(t) = 0, t (0, 1), y(0)

제 12강 함수수열의 평등수렴

Microsoft Word - FunctionCall

Transcription:

Digital Image Processing 3. Image Enhancement in the Spatial Domain Computer Engineering, Sejong University Spatial domain processing 영상의화소값에대해서직접연산을수행 g(x,y) = T[(x,y)] (x,y) : 입력영상 g(x,y) : 출력영상 T[.] : 연산함수 : 입력영상에대한연산수행 2/54

Gray Level Transormations 가장단순한형태의 T[.] 연산 1x1 의화소즉단일화소에대해적용 한점에서의출력값은단일입력값에의해좌우됨 s = T(r) r : 입력영상의명암 (gray-level) s : 출력영상의명암 (gray-level) T[.] : 연산함수 : 입력영상에대한연산수행 3/54 Gray Level Transormations 다양한 gray level transormation 함수들 4/54

Gray Level Transormations Image negatives 필름의음화영상 명암도를역전시켜얻음 어두운영역의세부 detail을향상시킴 s = L-1 r (ex: s = 255 r) 5/54 Image negatives 컬러영상예 Gray Level Transormations 6/54

Gray Level Transormations Log Transormations 어두운영역을밝게 밝은부분의 dynamic range는축소 Fourier transorm의변환결과디스플레이시사용 s = c log(1+r) 7/54 Gray Level Transormations Power-Law Transormations 값의변화로다양한밝기변환가능 CRT 의입력신호대밝기신호특성과관련 s = c r 8/54

Gray Level Transormations 감마보정 (Gamma correction) 예 9/54 Gray Level Transormations Power-Law 를이용한화질개선 10/54

Gray Level Transormations Power-Law 를이용한화질개선 11/54 Piecewise-Linear Transormation Contrast stretching 영상의입 / 출력변환을몇개의선형구간으로분리 영상의특정밝기부분의다이내믹영역을증가 계수값을조정하여클리핑 (clipping), 임계화 (thresholding) 등을구현가능 클리핑 : 0 임계화 : a b t u [ a, b] v ( u ) u [0, L ], v [0, L ] v u, ( u a ) v a ( u b) v b 0 a b u u u a b L 12/54

Piecewise-Linear Transormation Contrast stretching 을통한화질개선예 13/54 Piecewise-Linear Transormation Gray-level slicing 14/54

Piecewise-Linear Transormation Bit-plane slicing 영상을구상하는데각비트들의기여한바를표현 각화소를양자화하는데필요한비트수의결정에유용 bit-plane 을재구성함으로써데이터의효과적인표현및압축기법등에적용가능 ( 예 : gray code) 15/54 Piecewise-Linear Transormation Bit-plane slicing example 16/54

Histogram 히스토그램의수학적표현예 가정 : 영상은 64x64 의해상도를가지고 256 명암을가진다. n k = h(r k ), r k : k 번째의명암, 0 < k < 255 이경우 n k 는 0 < n k < 64x64(4096) 사이의값이다. 히스토그램의정규화 (Normalization) 히스토그램을전체화소수로나눔 전체화소수를 n 으로나타내면 n k /n = p(r k ), r k : k 번째의명암, 0 < k < 255 이경우 p(r k ) 를확률분포함수로생각할수있다. 17/54 히스토그램의예 Histogram 18/54

Histogram 누적분포함수 (Cumulative Distribution Function) 변환함수 (Transormation unction) s r 0 T ( r) pr(w) dw, 0 r 1 w : 적분을위한 dummy 변수 r : CDF 의임의변수 (random variable) 누적분포함수 T(r) 의성질 0 r 1 인구간에서단조증가함수 0 T(r) 1 or 0 r 1 T( 1 ) 1 역함수가존재하지않을수있다 19/54 Histogram 누적분포함수 T(r) 을이용한영상보정 누적분포함수 T(r) () 을 gray level transorm 함수로사용 20/54

Histogram 누적분포함수를이용한영상보정 어두운영상 => LUT => 밝은부분증가 1 histogram 1 CDF curve 0 0 0 1 0 1 밝은영상 => LUT => 어두운부분증가 1 histogram 1 CDF curve 0 0 1 0 0 1 21/54 Histogram Equalization 히스토그램평활화 히스토그램의명암분포를재분배하여일정한분포의히스토그램을생성 - 각각의명암 r 값을일정한분포를갖는명암 s로의변환 s T (r) - 막대그래프가전체적으로펼쳐짐 22/54

Histogram Equalization 히스토그램평활화과정 1. 영상의히스토그램을생성 2. 히스토그램을정규화하고누적분포함수를구함 3. 누적분포함수를룩업테이블로사용하여입력영상에대해서변환된출력영상을생성 1 2 3 23/54 Histogram Equalization 24/54

Histogram Equalization 히스토그램평활화의영향 영상의밝기분포를재분배하여최대의콘트라스트를갖게함 명암대비조정을자동으로수행 영상의검출특성을증가시킴 각명암의빈도를바꾸지는않음 자동 : 항상검출특성이좋은영상을출력하지는않음 25/54 Histogram Equalization 26/54

Histogram Speciication 히스토그램명세화 변환된영상이특정모양의히스토그램을갖도록영상을변환 영상의일부영역에대한콘트라스트를개선가능 입력영상과원하는히스토그램이필요함 Histogram matching이라고도함 원하는히스토그램 27/54 Histogram Speciication 히스토그램명세화과정 1. 주어진영상의히스토그램을생성 2. 히스토그램 P(r) 을정규화하고누적분포함수를구함 s r T ( r) pr ( w) dw. 0 3. 원하는히스토그램 P(z) 을정규화하고역함수를갖는누적분포함수를구함 v G ( z) 0 z p z ( w) dw. 4. 입력영상에대해히스토그램균등화를수행하고이에다시원하는히스토그램의누적분포함수의역함수변환수행즉명암 r 로부터새로운명암 z 값생성 1 s z G (s ) z G 1 [ T ( r )] 28/54

Histogram Speciication 29/54 Histogram Speciication 30/54

Histogram Speciication 31/54 Local Enhancement Local enhancement( 국부적개선 ) 전체영역에대한 Histogram equalization 대신에특정 window 크기에작은크기에대한 equalization 화소를옮기면서위의과정을반복 세밀한부분에대한개선효과 필요에따라적용 32/54

Arithmetic/Logic Operations 복수개의영상에대해서 pixel-by-pixel로산술 / 논리연산수행산술연산 : 영상의밝기, 콘트라스트조정등에사용 영상간의뺄셈연산 : 영상의움직임검출 g(x,y) = (x,y) h(x,y) 곱셈, 나눗셈연산 : 영상의콘트라스트조정 g(x,y) = a *( (x,y) 논리연산 : ROI(Region o Interest) 추출등에사용 33/54 Arithmetic/Logic Operations 산술연산사용예 34/54

Arithmetic/Logic Operations 논리연산사용예 35/54 Arithmetic/Logic Operations 적용사례 : Mask mode radiography 영상간의뺄셈연산이용 환자의특정부위영상촬영 : mask image 획득 혈류에대비물질주입후촬영 이후 mask image와의뺄셈연산으로혈류영상획득 36/54

Spatial Filtering 마스크 (mask) w(-1,-1) w(-1,0) w(-1,1) w( 0,-1) w( 0,0) w( 0,1) w( 1,-1) w( 1,0) w( 1,1) (x-1,y-1) (x-1,y) (x-1,y+1) (x,y-1) (x,y) (x,y+1) (x+1,y-1) (x+ 1,y) (x+ 1,y+1) 37/70 Spatial Filtering 마스크 (Mask) 정방형의 2 차원행렬 m x n 크기를가지며 m, n은홀수값을가짐 Filter, mask, kernel, template, window 라고도함 계수 (coeicient) i 마스크내의값은화소라하지않고계수 (coeicient) 라고함 Spatial iltering 마스크의각위치에서해당계수값과대응하는영상값을각각곱한후그결과를모두더함 마스크의중앙에위치가출력화소의해당위치가됨 38/70

Spatial Filtering 2 차원 iltering 의예 : mask 크기가 3x3 1 1 g ( x, y ) w ( s, t ) ( x s, y t ) s 1 t 1 g (1,1) 11) w ( 1, 1) (0,0) 0) w ( 10) 1,0) (01) (0,1) w ( 11) 1,1) (0,2) w( 0, 1) (1,0) w( 0,0) (1,1) w( 0,1) (1,2) w ( 1, 1) (2,0) w ( 10) 1,0) (21) (2,1) w ( 11) 1,1) (2,2) 2) g(3,8) w( 1, 1) (2,7) w( 1,0) (2,8) w( 1,1) (2,9) w( 0, 1) (3,7) w( 0,0) (3,8) w( 0,1) (3,9) w ( 1, 1) (4,7) w ( 10) 1,0) (4,8) w ( 11) 1,1) (4,9) 39/54 Spatial Filtering 2 차원 iltering: mask 크기가 mxn a b g ( x, y) w( s, t) ( x s, y t) s a t b 여기서 a = (m-1)/2, b = (n-1)/2이다. 그리고영상의크기를 MxN이라고하면 x= 0, 1, 2,, M-1, y= 0, 1, 2,, N-1 값을갖는다. 40/54

Smoothing Spatial Filters Smoothing(Average )ilter 마스크내의화소값의평균을출력으로제공 3x3 마스크의경우모든계수가 1/9 5x5 마스크의경우모든계수가 영상내의잡음성분을제거 마스크의크기가클수록영상이흐려짐 (blurring) Weighted Average Filter 41/54 Filter example Smoothing Spatial Filters 42/54

Filter applications Smoothing Spatial Filters 43/54 Sharpening Spatial Filters 미분연산자 (Derivative Operators) 영상의 1차미분 (irst-order derivative) 이나 2차미분 (secondorder derivative) 을이용하여영상내에존재하는에지성분을검출 1차, 2차미분연산을다양한값의디지털값으로근사화 1 차편미분연산자 (irst-order partial derivative) x ( x 1) ( x ) y ( y 1) ( y ) 2차편미분연산자 (second-order partial derivative) 2 ( x1) ( x1) 2 ( x 2 ) x 44/54

Sharpening Spatial Filters Sharpening Spatial Filters 45/54 Derivative Operators 1 차미분연산자 (First-order derivative operators) Derivative Operators (x,y) 위치에서의영상 (x,y) 의기울기 (gradient) 는 G x y G x G 기울기의크기값은 y 2 2 ) ( y G x G or y G x G mag (x,y) 위치에서의영상의기울기를 (x,y) 라고하면 ) ( 1 tan ), ( y G G y x 46/54 x G

Example Derivative Operators 47/54 Application Derivative Operators 48/54

Derivative Operators 라플라시안 (Laplacian) 정의 2 2 2 x 2 y 2 디지털근사화 : x 방향 2차편미분 2 ( x 1, y) ( x 1, y) x 2 디지털근사화 : y 방향 2차편미분 2 ( x, y 1) ( x, y 1) y 2 2 ( x, y) 2 ( x, y) 최종결과 2 [ ( x 1, y ) ( x 1, y ) ( x, y 1) ( x, y 1)] 4 ( x, y ) 49/54 Derivative Operators 라플라시안 (Laplacian) 을이용한화질개선 라플라시안결과를원영상에더하거나뺌 ( x, y) g( x, y) ( x, y ) y) 2 라플라시안마스크의중간 ( x, y) 계수가음수인경우 2 라플라시안마스크의중간 ( x, y) 계수가양수인경우 복합라플라시안마스크 (composite laplacian mask) 0-1 0-1 -1-1 -1 5-1 -1 9-1 0-1 0-1 -1-1 50/54

Application Derivative Operators 51/54 Application Derivative Operators 52/54

Application Derivative Operators 53/54 Application Derivative Operators 54/54