앎을 경계하기

밝기 변환 2

3. 밝기 변환과 공간 필터링(2)

3.2.4 구간 선형 변환 함수앞서 보았던 영상 네거티브, 로그 변환, 감마 변환에 대해 보완된 방법이 구간 선형 함수를 사용하는 것이다. 장점 : 구간 함수들의 형태가 임의로 복잡해질 수 있다.단점 : 함수를 규정하기 위한 사용자 입력이 훨씬 더 많이 필요하다.Contrast Stretching가장 간단한 구간 선형 함수 중 하나.낮은 콘트라스트 원인은 나쁜 조명, 영상화 센서의 좁은 동적 범위, 영상 획득 시 잘못된 조리개 설정 등이다. 콘트라스트 스트레칭은 밝기 레벨의 범위를 넓혀 매체의 전체 밝기 범위를 사용하게 하는 것이다.(r1,s1)=(rmin⁡,0),(r2,s2)=(rmax⁡,L−1)(r_1, s_1)=(r_{\min},0), (r_2, s_2)=(r_{\max},L-1)(r1​,s1​)=..

3. 밝기 변환과 공간 필터링(1)

3.1 배경3.1.1 밝기 변환과 공간 필터링의 기초공간 도메인 기법들은 영상의 화소들에 직접 작용한다. 일반적으로 공간 도메인 기법들이 계산적으로 더 효율적이고 자원도 더 적게 사용한다.g(x,y)=T[f(x,y)]g(x,y) = T[f(x,y)]g(x,y)=T[f(x,y)]f(x,y)f(x,y)f(x,y)는 입력영상, g(x,y)g(x,y)g(x,y)는 출력영상, TTT는 fff에 대한 연산자이다. 위 그림은 이웃(공간 필터)를 통한 공간필터링이다. 가장 작은 필터의 크기는 1×1이다. 이러한 경우 g가 하나의 점 (x,y)에서의 f의 값에만 종속된다. T는 그레이 레벨의 변환 함수가 된다.s=T(r)s=T(r)s=T(r)Contrast Strectching s, r은 각각 점(x,y)에서의 g와 f..