[Computer Vision] Filtering

 

👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다.

 

필터(filter)라는 말은 무언가를 걸러 내구 일부만 통과시키는 장치를 의미한다.

 

영상처리에서 필터는 영상에서 원하는 정보만 통과시키는 역할을 한다.

• 노이즈 제거
• Smoothing
• Sharping

 

영상의 필터링은 보통 마스크(mask)라고 부르는 작은 행렬을 이용한다.

 

마스크는 필터링의 성격을 정의하는 행렬로 커널(kernel), 윈도우(Window)라고도 부르며, 경우에 따라서는 마스크 자체를 필터라고 부르기도 한다.

 

마스크는 직사각형 행렬 또는 정방형 행렬을 사용하기도 한다. 또한 필요하다면 다양한 형태의 마스크를 사용할 수 있다.

 

기본 필터링

기본적인 필터링은 Numpy로 만든 행렬과 filter2D 함수를 사용한다.

import numpy as np
import cv2

img = cv2.imread("test.png")
img = cv2.resize(img,(480,480))
cv2.imshow("origin",img)
for i in [3,6,10]:
    kernel = np.ones((i,i),np.uint8) / i ** 2
    filtering = cv2.filter2D(img,-1,kernel=kernel)
    cv2.imshow(f"{i}x{i}filter",filtering)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

영표면을 부드럽게 하는 엠보싱(embossing) 필터링 할 수 있다.

import numpy as np
import cv2

img = cv2.imread("test.png",cv2.IMREAD_GRAYSCALE)
img = cv2.resize(img,(480,480))
cv2.imshow("origin",img)
kernel = np.array([[-1, -1, 0], [-1, 0, 1], [0, 1, 1]])
filtering = cv2.filter2D(img,-1,kernel=kernel)
filtering = np.uint8(filtering)

cv2.imshow("filter",filtering)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

 

블러링(Blurring) : 영상을 부드럽게

블러링 기법이란 초점이 맞지 않은 사진처럼 영상을 부드럽게 만드는 필터링 기법으로 smoothing이라고도 한다.

 

원래는 필터를 만들어서 필터링을 해야하지만 OpenCV는 blur로 쉽게 사용할 수 있다.

 

blur에 사용되는 필터는 평균값 필터(3x3, 5x5, 7x7)이다.

import numpy as np
import cv2

img = cv2.imread("test.png")
img = cv2.resize(img,(480,480))
cv2.imshow("origin",img)
blur = cv2.blur(img,(3,3))
cv2.imshow("blur",blur)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

 

가우시안 필터링(Gaussian Filtering) : 잡음을 제거

가우시안 필터링은 가우시안 분포 함수를 근사하여 생성한 필터 마스크를 사용한 필터링 기법이다.

 

가우시안 분포는 평균을 중심으로 좌우 대칭의 종 모양(bell shape)을 갖는 확률 분포를 말하며 정규분포로도 불린다.

 

GaussianBlur 함수를 통해 필터링을 할 수 있다.

import numpy as np
import cv2

img = cv2.imread("test.png")
img = cv2.resize(img,(480,480))
cv2.imshow("origin",img)
gaussian = cv2.GaussianBlur(img,(0,0),sigmaX=3) # sigmaX의 값에 따라 필터링 강도 바뀜 
cv2.imshow("gaussian",gaussian)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

 

미디안 필터링(Median Filtering) : 소금 후추 잡음 제거용

미디안 필터링은 따로 커널을 만들어 필터링을 하지 않고 커널 윈도우에 있는 모든 픽셀을 정렬하여 중간값을 선택하여 필터링한다.

 

잡음 픽셀 값이 주변 픽셀 값과 큰 차이가 있는 경우에 효과적으로 동작한다.

 

medianBlur 함수를 사용하여 필터링 한다.

import numpy as np
import cv2

img = cv2.imread("test.png")
img = cv2.resize(img,(480,480))
cv2.imshow("origin",img)
median = cv2.medianBlur(img,7)
cv2.imshow("median",median)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

 

양방향 필터링(Bilateral Filtering)

두 픽셀의 명암값 차이 또한 커널에 넣어 가중치로 곱한다.

 

픽셀의 차이가 크다면 가중치가 0에 가까운 값이 되어 합쳐지지 않으므로 영역과 영역 사이즈의 경계선이 잘 보전될 수 있다.

 

엣지를 보존해주고 기존에 픽셀과 이웃 픽셀간의 거리, 픽셀간의 차이를 고려하여 블러링을 진행한다.

 

bilateralFilter로 필터링 할 수 있다.

import numpy as np
import cv2

img = cv2.imread("test.png")
img = cv2.resize(img,(480,480))
cv2.imshow("origin",img)
bilateral = cv2.bilateralFilter(img,d=-1,sigmaColor=10,sigmaSpace=5)
cv2.imshow("bilateral",bilateral)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

 

샤프닝(sharpening)

영상을 날카롭게 만드는 처리이다.

 

저화질 영상을 보다 선명하게 만든다.

 

중심 화소값과 인접  화소값의 차이를 더 크게 만든다.

 

샤프닝은 Numpy로 샤프닝 마스크를 만들어 필터링 한다.

import numpy as np
import cv2

img = cv2.imread("test.png")
img = cv2.resize(img,(480,480))
cv2.imshow("origin",img)
blur = cv2.blur(img,(3,3))
cv2.imshow("blur",blur)
mask = np.asarray([[-1,-1,-1],
                   [-1,9,-1],
                   [-1,-1,-1]], dtype = np.float32)
sharpening_img = cv2.filter2D(blur,-1, mask)
cv2.imshow("sharp",sharpening_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

 

Canny Edge

영상에서 화소의 밝기가 급격하게 변하는 부분을 에지(edge)라고 한다.

 

영상안에서 상당한 밝기 차이가 있는 곳이고, 대게 물체의 윤곽선(경계선)에 해당한다.

 

에지를 검출할 수 있으면 물체의 윤곽선을 알 수 있다.

 

이러한 에지를 검출하는 방법으로 다양한 방법이 있으나 가장 널리 사용되는 방법은 "Canny Edge" 검출 방법이다.

 

Canny Edge의 연산 순서

1. 잡음 억제 : 에지를 검출하기 전에 5x5 가우시안 필터를 사용하여 영상의 잡음을 제거.
2. 그라디언트 계산 : Sobal 마스크로 수평 및 수직 방향의 1차 미분값을 얻음.
3. 불필요한 에지를 제거하기 위해 그라디언트의 값이 그라디언트 방향의 인접 화소 중에서 최대값인지를 확인.
4. 모든 에지 후보들이 실제 에지인지 아닌지를 결정

 

Canny 에지는 Canny 함수로 구할 수 있다.

import numpy as np
import cv2

img = cv2.imread("test.png")
img = cv2.resize(img,(480,480))
cv2.imshow("origin",img)
# cv2.Canny(이미지,하위 임계값,상위 임계값, sobal 마스크 크기)
edge = cv2.Canny(img,100,255)
cv2.imshow("canny",edge)
cv2.waitKey(0)
cv2.destroyAllWindows()