singularis7’s Life Note

Convolution Neural Network 에서 컨볼루션 필터를 씌우기전에 영상 주변에 0값을 넣어 padding을 준다. 왜냐하면 필터를 씌울때 영상 밖을 나가는 영역에 대해서도 우리가 원하는 값을 얻기 위해서이다. 컨볼루션 연산이 진행될 때 윈도우를 몆칸씩 움직일지를 결정할 수 있으며 stride라고 부른다. 예를 들어 stride가 1인 경우는 윈도우를 한칸씩 이동시키는 것이다. 주어진 영상에 padding, stride, 필터의 크기에 따라 영상의 크기가 달라질 수 있다. 우리가 영상처리를 수행할 때에 영상의 크기가 바뀌지 않도록 한다. 주어진 영상에 대해서 컨볼루션을 수행한 후에는 pooling이라는 과정을 거친다. 주어진 영상에서 특정한 값을 뽑아 차원을 줄이게 된다. max poolin..

지난 시간에 이진 영상 및 라벨링을 알아보았다면 이번 시간에는 영상처리에서 사용되는 3가지 기본 연산에 대해 알아본다. 크게 화소, 영역, 기하학적 요소로 처리하는 방법이 있다. 특히, 영역에 관한 처리는 딥러닝과 깊은 관련이 있어서 중요하다; 점 연산 오직 자신 (하나의 픽셀)의 명암값에 따라 새로운 값 결정 주어진 영상에 각 픽셀의 명암값을 어떻게 바꾸는가? 어느 픽셀값을 바꿀때 자기 주변의 명암값과 관계없이 값을 결정한다. 선형 연산은 주어진 영상에 대하여 특정 명암값 만큼 더해주거나 뺄서 현재 픽셀의 명암값을 결정하는 용도로 사용된다. 명암값을 밝거나 어둡게 하는 경우 0

지난 시간에 영상으로부터 히스토그램을 및 분포를 기준으로 0, 255값만 명암값으로 갖는 이진화 방법에 관하여 알아보았다. 이번 시간에는 연결요소 즉 이차원 영상을 받았을 때 내가 위치한 화소와 주변 화소의 관계가 어떻게 되는지 알아볼 것이다. 연결된 화소들 간에 관계 속에서 주어진 영상에서 연결된 화소들의 묶음이 몇개 있는지 세볼 것이며 이를 라벨링이라고 부른다. 즉, 뭉쳐져 있는 1, 2, 3, 4 라벨을 붙여서 이진화된 뭉치가 몇개 있는지 세보는 것이다. 어느 2차원 영상 S는 width와 height 값을 갖고 있을 것이다. 2차원 영상을 구성하는 작은 알갱이를 픽셀 혹은 화소라고 부른다. 2차원 영상의 화소를 나타내는 방법은 원, 사각형, 육각형 등의 방법이 있지만 사각형이 행렬 모양과 유사하기..

개요 디지털 영상으로부터 의미있는 정보를 추출하기 위한 일련의 과정을 배워보고자 한다. 지난 시간에는 카메라에 어떻게 빛이 들어오고 영상으로 만들어지는지 알아봤다. 이번 시간에는 의미 있는 정보를 추출하기 위한 영상처리 강의를 정리해보고자 한다. 요구되는 통계지식 Big data: 다음과 같은 내용을 파악하는 것이 필요하다 Shape (형태, 모양) Mean (중심 위치) Variance (산포) 데이터의 형태를 알아보는 방법 Graph (그래프) Table (표) 대표값 (평균, 분산, 표준 편차 등) 주어진 데이터를 직관적으로 이해할 수 있는 그래프의 형태가 바로 히스토그램이다. 히스토그램 히스토그램은 주어진 입력영상에서 각 명암값에 해당되는 화소값이 몇개가 있는지 확인 하는 것이 히스토그램이다. 히..

Color 컬러는 물리적인 빛(자연광, 조명) 환경과 우리의 비주얼 시스템(눈, 카메라)과의 상호작용의 결과이다. 빛은 아주 상대적인 정보이고 조명 환경등의 영향을 받아 달라질 수 있는 정보이다. 컬러는 심리적인 효과가 작용된다. 환경과 심리적인 받아들임에 따라 색상 정보가 다르게 느껴질 수 있다. 예를들어 식당에서 붉은색 식탁보를 까는 이유는 파란색보다 붉은색이 식욕을 복돋아주기 때문이다. 컬러는 유용한 정보임과 동시에 조명환경에 따라 변할 수 있는 민감한 정보이기 때문에 매우 조심히 다뤄야 한다. 위 그림을 보면 영역 A와 영역 B의 색상이 달라보인다. 막대 그림을 넣어 실제로 비교해보면 같은색임을 알 수 있다. 즉, 절대적인 색상이 동일해도 조명 환경 등의 사유로 색상이 다르게 보일 수 있기 떄문에..