[OpenCV-Python Tutorials] 13. 이미지 Smoothing

목표

배울 내용

• 다양한 저역 통과 필터로 이미지를 흐리게 처리.
• 이미지에 맞춤 필터 적용 (2D convolution)

2D Convolution (이미지 필터링)

1차원 신호의 경우 이미지는 다양한 저역 통과 필터 (LPF), 고역 통과 필터 (HPF) 등으로 필터링 할 수도 있습니다. LPF는 노이즈를 제거하거나 이미지를 흐리게 합니다. HPF 필터는 이미지의 가장자리를 찾는 데 도움이 됩니다.

OpenCV는 이미지로 커널을 컨볼루션하는 함수, cv2.filter2D()를 제공합니다. 예를 들어 이미지에 대한 평균화 필터를 시도해 보겠습니다. 5x5 평균 필터 커널은 다음과 같이 정의 할 수 있습니다.

$$K = \frac{1}{25} \begin{bmatrix} 1 & 1 & 1 & 1 & 1 \\\\ 1 & 1 & 1 & 1 & 1 \\\\ 1 & 1 & 1 & 1 & 1 \\\\ 1 & 1 & 1 & 1 & 1 \\\\ 1 & 1 & 1 & 1 & 1 \end{bmatrix}$$

위의 커널로 필터링하면 다음과 같은 결과가 발생합니다. 각 픽셀은 5x5 윈도우 픽셀의 가운데에 위치하며 이 창에 속하는 모든 픽셀을 더한 다음 결과를 25로 나눕니다. 해당 창 내부의 픽셀 값 중 이 작업은 출력 필터링 된 이미지를 생성하기 위해 이미지의 모든 픽셀에 대해 수행됩니다. 이 코드를 실행하고 결과를 확인하십시오.

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('model.jpg')
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

size = 50
kernel = np.ones((size, size), np.float32) / (size * size)
dst = cv2.filter2D(img, -1, kernel)

cv2.imwrite('model_output.png', cv2.cvtColor(dst, cv2.COLOR_RGB2BGR))

plt.subplot(121), plt.imshow(img), plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(dst), plt.title('Averaging')
plt.xticks([]), plt.yticks([])
plt.show()

결과:

변환 결과를 차이나게 만들기 위해서, 50 X 50 으로 변경하였습니다.

이미지 블러링 (이미지 스무딩)

이미지 블러링은 이미지를 저역 통과 필터 커널과 컨볼루션함으로써 달성됩니다. 소음을 제거 할 때 유용합니다. 이 필터를 적용하면 이미지에서 고주파 콘텐츠 (예 : 노이즈, 가장자리)가 실제로 흐려져 가장자리가 흐려집니다. (모서리를 흐리게 하지 않는 흐림 기법이 있습니다.) OpenCV는 주로 네 가지 유형의 흐림 기술을 제공합니다.

1. 평균화

이는 정규화된 상자 필터로 이미지를 컨벌루션하여 수행됩니다. 커널 영역 아래의 모든 픽셀의 평균을 취하고 중심 요소를 평균으로 바꿉니다. 이것은 cv2.blur() 또는 cv2.boxFilter() 함수에 의해 수행됩니다. 커널에 대한 자세한 내용은 문서를 확인하십시오. 커널의 너비와 높이를 지정해야합니다. 3x3 정규화 된 상자 필터는 다음과 같습니다.

$$K = \frac{1}{9} \begin{bmatrix} 1 & 1 & 1 \\\\ 1 & 1 & 1 \\\\ 1 & 1 & 1 \end{bmatrix}$$

정규화된 상자 필터를 사용하지 않으려면 cv2.boxFilter()를 사용하고 normalize = False 인수를 함수에 전달합니다.

아래의 샘플 데모를 5x5 크기의 커널로 확인하십시오.

import cv2
from matplotlib import pyplot as plt

img = cv2.imread('image.jpg')
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

blur = cv2.blur(img, (5, 5))

plt.subplot(121), plt.imshow(img), plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(blur), plt.title('Blurred')
plt.xticks([]), plt.yticks([])
plt.show()

결과:

2. 가우시안 필터링

이러한 접근법에서, 동일한 필터 계수로 구성된 박스 필터 대신에, 가우시안 커널이 사용된다. 함수 cv2.GaussianBlur()로 끝납니다. 커널의 너비와 높이를 지정해야 합니다. 커널의 너비와 높이는 양수이면서 홀수여야 합니다. X와 Y 방향의 표준 편차 sigmaX와 sigmaY를 각각 지정해야 합니다. sigmaX 만 지정된 경우 sigmaY는 sigmaX와 동일하게 취급됩니다. 둘 다 0으로 주어지면 커널 크기로부터 계산됩니다. 가우시안 필터링은 이미지에서 가우스 노이즈를 제거하는 데 매우 효과적입니다.

원하는 경우, 함수 cv2.getGaussianKernel()을 사용하여 가우스 커널을 생성 할 수 있습니다.

위의 코드는 가우시안 블러링으로 수정될 수 있습니다.

blur = cv2.GaussianBlur(img,(5,5),0)

import cv2
from matplotlib import pyplot as plt

img = cv2.imread('happy.png')
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

blur = cv2.GaussianBlur(img,(5,5),0)

plt.subplot(121), plt.imshow(img), plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(blur), plt.title('Blurred')
plt.xticks([]), plt.yticks([])
plt.show()

결과:

출처

• https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_filtering/py_filtering.html