2D Image Fundamentals
Pixel마다 Intensity가 저장되어 있는 형태
Intensity는 8bit image라면, 0~255($2^{8}-1$)의 Intensity를 표시할 수 있다.
인간의 눈은 gray scale 기준 6%의 변화가 있을 경우에만, 그 차이를 인식할 수 있다. 그럼에도 간혹 16bit의 고해상도 이미지를 사용하기도 하는데, 이는 의료용으로 level과 window를 이용해 확대해서 보기 위함이다.
Image Conversion
Histogram
Intensity의 분포를 보여주는 plot이다. Image의 intensity 분석시 사용된다.
여러 Image의 histogram은 다음과 같다.
Contrast Enhancement
1) Min-Max normalization
Max, Min value에 의존해서 Intensity가 조정된다. "Max와 Min 차이가 크다", "Max와 Min의 값이 변한다" 등 몇 상황에서 대비 조정이 잘 안될 수 있다.
2) Z-score standardization(z-transformation)
정규분포를 따라야 사용할 수 있다.
3) Histogram Equalization
다른 방법들과 다르게, 누적합을 이용해 Intensity를 다시 분배한다.
보통은 잘 보이게 되며, Threshold와 같은 user 개입을 필요로 하지 않는다. 또한 Max, Min에 의존하지 않아 value 변화에 유연하다.
그러나 특정 Intensity가 이미지에서 과반을 넘어설 경우, 대비가 커지게 된다. 또한 pixel간 Intensity를 유사하게 만들어 작은 object의 구분을 어렵게 만들거나 Intensity 영역을 감소(Min과 Max의 차이 감소)시키게 된다.
'Study > Computer Vision' 카테고리의 다른 글
| 6. Bayes Classifier (0) | 2023.05.10 |
|---|---|
| 5. Object Recognition (0) | 2023.05.10 |
| 4. Segmentation (0) | 2023.05.10 |
| 3. Filtering in Frequency Domain (0) | 2023.05.10 |
| 2. Image Filtering (0) | 2023.05.10 |