영상처리의 알고리즘에 따른 분류

영상처리의 알고리즘에 따른 분류

2001.06.11

영상처리를 알고리즘에 따라 분류하는 기본적인 분류 방법으로 네가지로 나눌 수 있다. 

▶ 포인트 처리 
화소의 원래 값이나 위치에 기반하여 화소값을 변경하는 것을 말한다. 


▶ 영역 처리 
화소의 원래 값과 이웃하는 화소의 값을 기반으로 하여 화소값을 변경하는 것을 말한다. 


▶ 기하학적 처리 
화소들의 위치나 배열 정보를 변화시키는 것을 말한다. 


▶ 프레임 처리 
두 개 이상의 영상들에 대한 연산을 기반으로 하여 화소값을 생성하는 것을 말한다. 

▶ 영상 변환[Transform]
영상을 주파수 영역이나 공간 영역으로 변환하는 처리. 



▶ 포인트 처리

Arithmetic Operation [산술연산] 
  화소에 일정한 값을 더하거나 빼거나 나누거나 곱하는 연산 
XOR Operation [XOR 연산] 
  특정한 값을 가진 화소를 발견하는데 사용 
Histogram [히스토그램] 
  화소의 명암값의 빈도(분포)를 나타내는 방법 
Histogram Equalize [히스토그램 평활화]
  일정한 분포를 가진 히스토그램 영상을 생성 
Histogram Specification [히스토그램 명세화] 
  명암대비가 높은 히스토그램 영상을 생성 
Contrast Stretching [명암 대비 스트레칭] 
  영상의 명암값 분포를 최대한 활용하도록 히스토그램을 펼치는 처리 
Basic Contrast Stretch [기본 명암 대비 스트레칭] 
  특정 부분, 즉 중앙에 명암값이 치우치는 히스토그램을 가진 영상에 가장 잘 적용. 영상 히스토그램이 모든 범위의 화소값을 포함하도록 영상을 확장. 
End-In Search [엔드인 탐색] 
  모든 범위의 명암값을 갖지만 히스토그램의 특정 부분에 화소들이 치우친 영상에 가장 잘 적용된다.(일반적임) 
Posterizing 
  영상에서 픽셀이 나타낼 수 있는 명암값(intensity)의 범위를 축소하는 처리(예를 들어, 8단계 포스터라이징). threshold 방법과 비교가 될 수 있겠다. 
Bit Clipping 
  픽셀에서 최상위 비트 중의 일정 부분을 0으로 설정한다. 이는 black에서 white까지의 넓은 범위의 명암값을 갖는 영상을 동일한 명암 주기를 갖는 여러 개의 서브영역으로 나누는 효과를 갖는다. 
등명암 윤곽화 
  특정한 입력 명암값을 white color 또는 black color로 지정한다. 이것은 특정한 구간에 존재하는 영상의 윤곽선을 찾기 위해서 사용될 수 있다. 이런 방법은 단지 몇몇의 지정된 명암값만을 변형하고 대부분의 입력 영상 자료를 원래대로 유지한다. 또, 다른 화소를 원상태로 유지하면서 일정 범위의 화소만을 강조할 수 있다. 
solarizing 
  일정 threshold값까지는 원 영상의 값을 취하다가 threshold 다음부터는 역수를 취한다. 즉, 0 ~ threshold 값 까지는 x 값을 사용하다가 threshold ~ 255까지는 255 - x 값을 사용한다. 
Parabola변환 
  이 변환에는 다음 두가지 공식이 사용될 수 있다. f(x) = 255 - 255 ( x / 128 - 1) ^ 2 과 f(x) = 255 ( x / 128 - 1 ) ^ 2 이다. 


▶ 영역 처리 

Convolution [회선] 
  영상 스무딩, 크리스프닝, 에지 검출 등의 효과를 위해서 빈번하게 사용되는 영상처리 기법 
Blurring [블러링] 
  블러링이나 저주파 공간적 필터링은 한 영상의 세세한 부분들을 제거한다.즉 이웃 화소들과 평균한 결과라는 것을 회선 마스크가 가진 가중치로부터 쉽게 알 수 있음 
Sharpening [샤프닝] 
  고주파 보존 필터링에 기반을 둔 영상처리로 영상의 시각적 날카로움을 증가 
Edge Detection [에지 검출]
  영상의 전경에 대한 윤곽선을 검출한다.
Homogeneity [유사 연산자] 
  빠르고 단순한 에지 검출기는 일련의 화소들을 감산한 값에서 최대값을 결정하는 것으로 유사 연산자는 3x3의 중심 화소로부터 주변의 8화소들 각각을 감산 
Difference [차연산] 
  화소당 4개의 감산을 요구하여 유사 연산자에 비해 빠른 연산을 수행 
Thinning [세선화]
  도형에서 선 폭을 섬세하게 하여 한 픽셀로 이루어진 중심선을 추출하는 조작을 세선화(Thinning)라고 한다. 
Median Filter


▶ 기하학적 처리

Interpolation [보간법] 
  주어진 주변의 점들로부터 잃어버린 자료를 생성해 내기 위해 사용되는 기술의 부류. 예를들어 양선형 보간법은 주어진 두 점들 사이의 선형 관계를 가정 
The Most Adjacent Interpolation [가장 인접한 이웃화소 보간법] 
  출력 화소로 생성된 주소에 가장 가까운 원시 화소를 출력 화소로 할당하는 것(처리속도는 빠르나 ...)




▶ 영상 변환[Transform]

Wavelet Transform

웨이브렛 해석은 신호처리 계통에 속하는 여러 분야에서 각자의 특수한 목적에 부합되도록 개별적으로 
발전시켜온 특수한 기술들을 하나로 통합하면서 등장하였다. 
컴퓨터 비젼에서 이용된 다해상도(multi-resolution) 분석 방법이나 음성과 영상압축에서 사용되던 
서브밴드(sub-band) 코딩 기법, 응용 수학에서 사용된 웨이브렛 시리즈 전개등 많은 기본 기법들이 
최근에 들어 웨이브렛 이론의 특수한 응용으로 밝혀졌다. 
웨이브렛 해석은 연속 신호와 이산 신호의 경우에 모두 적용될 수 있으며 다양한 분야에서 그 응용 
가능성을 인정받고 있다. 웨이브렛 변환은 특별히 비정형(nonstationary) 신호의 분석에 유리한 특징을 
가져서 고전적인 단구간 퓨리에 변환(STFT : short time fourier transform)이나 
가보 변환(gabor transform)을 대체할 새로운 대안으로 대두되고 있다. 
웨이브렛 변환이 고전적인 단구간 퓨리에 변환과 구별되는 근본적인 차이점은 안구간 퓨리에 변환의 경우 
모든 주파수 대역에 대하여 동일한 크기의 필터 윈도우를 사용하는 반면 웨이브렛 변환은 고주파 
대역에서는 폭이 좁은 윈도우를, 저주파 대역에서는 폭이 넓은 윈도우를 사용한다는 것이다. 
따라서 웨이브렛 해석은 상대 대역폭 불변 해석(constant relative bandwidth analysis)이라고도 
일컬어지며, 주파수 대역의 변화 폭은 항상 주파수 값에 비례한다.

웨이브렛 변환은 입력 신호를 특정 기저 함수의 집합으로 분리하는 과정으로도 이해될 수 있다. 
웨이브렛 변환에 사용되는 기저 함수의 집합은 하나의 기본 웨이브렛 기저 함수(mother wavelet basis 
function)에 대한 시간축 방향으로의 확대 및 축소 그리고 평행 이동을 통해 얻어진다. 기본 웨이브렛 
기저 함수는 특별한 형태의 밴드(band-pass) 필터로 생각할 수 있으며, 웨이브렛 변환의 상대 대역폭 
불변성은 기본 웨이브렛 기저에 대한 시간축 방향 축소 및 확대에 의해 충족되어진다. 이에 따라 
웨이브렛 변환에서는 주파수 대역이라는 용어 대신 스케일(scale)이라는 용어를 주로 사용하며, 
입력 신호에 대한 웨이브렛 변환을 다른 말로 원신호의 시간,스케일 공간표현이라 일컫는다

DCT(Discrete Cosine Transform:이상 여현 변환)
화상data를 주파수의 상관관계에 따라 다시 배열하는 변환을 말한다.
DCT는 영상압축에 탁월한 성능을 가진 국제표준 알고리즘이다.