[영상처리] 중간값 필터, 윤곽선 검출

비선형 필터 (Non-Linear Filter)

비선형 필터에는 대표적인 예로는 최대값 필터, 최소값 필터, 중간값 필터가 있다. 새로운 이미지의 픽셀값을 결정할 때, 원본이미지에서 커널 사이즈 안의 픽셀 중, 최대값/최소값/중간값으로 픽셀값을 결정하는 것이다. 다음은 코드와 각각의 결과이다.

 

 

최대/최소값 필터 (Maximum/Minimum Filter)

최대, 최소값 필터는 극단적인 임펄스(여기서는 혼자 튀어나온 값 정도로 이해하고 넘어가자) 잡음을 제거하기 위해 사용한다. 아무래도, 최대값 필터는 명도 중 최대값을 고르기 때문에 밝은 부분이 확장되고, 최소값 필터는 어두운 부분이 확장될 것이다. 밝기 차이를 더 극명하게 드러내야 하는 의료 영상에서 많이 사용된다고 한다.

 

원본, max, min 순서. 코드는 페이지 아래 링크 참고

 

 

중간값 필터 (Median Filter)

중간값 필터는 최대/최소값 필터에 비해, 노이즈를 없애고 이미지의 구조를 지키는데에 훨씬 효과가 좋다. 기존의 픽셀값만 사용한다는 이점도 있다. 아래 결과에서도, 컵에 비친 조명들 중 작은 것들은 사라졌음을 알 수 있다. 

 

원본, median. 코드는 페이지 아래 링크 참고

 

 

윤곽선 검출 (Edge Detection)

윤곽선은 영상처리의 관점에서 봤을 때, 픽셀의 값이 이웃 픽셀들과 조금 다른 픽셀이다. 윤곽선은 이미지의 대한 많은 정보를 주기 때문에, 물체를 인식하는 '컴퓨터 비전' 분야에서도 상당히 중요한 부분을 차지한다. 그리고 지금 공부하고 있는 공간 필터(Spatial Filter)가 윤곽선을 검출하는데 도움을 줄 수 있다.

먼저 어떤 것들이 윤곽선을 만드는지, 평소에 우리가 두 눈으로 볼 때를 생각하며 알아보자. 

• 질감(texture) : 물체가 어떻게 빛을 반사하는지를 보고 알 수 있다.
• 모양(shape) : 물체의 표면이 어떻게 이어져있는지를 보고 알 수 있다.
• 객체(object) : 이미지의 깊이를 보고, 겹쳐져 있는 객체를 구분할 수 있다.

이제 이 것을 영상처리의 관점에서 검출해 내면 된다.

어떤 이미지에서 윤곽선을 확대해 놓은 그림이다. 그림에서 빨간줄로 표시해놓은 하나의 행을 봤을 때, 명도는 가운데 그림과 같을 것이다. [하얀색 → 회색 → 검정색 → 회색 → 하얀색]. 이 그래프의 기울기를 보면 하얀색에서 검정색으로, 혹은 검정색에서 하얀색으로 넘어가는 부분에서 기울기가 급격하게 증가하거나 감소함을 알 수 있다. 바로 이 부분이 우리가 검출해 내야하는 윤곽선 부분이다!

기울기(Gradient) 값은, x 성분(수평 방향), y 성분(수직 방향)으로 나눠 각각 미분해 얻을 것이다. 마스크 배열을 이미지에 컨벌루션하여 이 과정을 실행한다ㅡ이 때 이를 실행해줄 마스크에 따라서 조금의 특정 픽셀에 미분과 동시에 더 가중치를 줄 수 있다. 필터의 종류는 다음 링크에 잘 설명되어 있다.

윤곽선 검출(Edge Detection) 에지 디텍션

 

이제 픽셀 (x, y)에서 수평방향 기울기 h, 수직방향 기울기 v가 있다면 벡터합으로 둘을 더한다. 이렇게 하면 현재 윤곽선이 어디인지, 윤곽선의 바깥방향이 어디인지(벡터의 방향), 윤곽선의 강도(벡터의 크기)는 어느정도인지 모두 알 수 있다.

위에서 잠깐 언급했던 필터의 종류에 대해 이야기하자면, 지금 설명한 방식은 1차 미분한 결과를 이용하는 방식을 설명한 것이다. 대표적인 예로는 Sobel 필터가 있다. Sobel 필터는 모든 방향의 에지를 추출할 수 있고, 잡음에 강하다. 하지만 너무 많은 윤곽선을 추출하면, 오히려 원하는 결과가 달라질 수 있다는 단점이 있다. 이를 보완한 것이 2차 미분 알고리즘이다. 이 역시, 직접 복잡하게 미분할 필요없이 정해진 마스크를 컨벌루션하면 된다. 대표적인 2차 미분 필터로는 라플라시안이 있다. 

 

 

코드

ruhz3/ImgProcessing