개발일지

Image Sharpening based on First-Order Derivatives and Summary 개요 이전까지 이미지 샤프닝을 위해 라플라시안과 같은 이차 미분 필터를 사용하거나, 원본 이미지로부터 LPF를 사용하여 흐릿한 이미지를 만든 다음 빼서 샤프닝 마스크를 만드는 Unsharp Masking을 사용하였다. 이차 미분을 이용한 방법은 세밀한 에지를 감지할 수 있으나, 노이즈에 민감하고, USM은 매개변수를 조절하여 샤프닝의 정도를 세밀하게 조정할 수 있으나, 계산 과정이 복잡하다는 단점이 있다. 이번 시간에는 수평과 수직 방향의 밝기 변화율을 측정하여 간단하고 빠른 계산을 보장하는 일차 미분을 이용한 샤프닝 필터에 대해 알아보도록 하겠다. 본문 원리 앞서 라플라시안을 설명할 때, Gr..

Unsharp Masking 개요 지난 시간에 배운 라플라시안 샤프닝 기법과 마찬가지로 오늘 배울 Unsharp Masking도 밝은 부분을 더 밝게 하고 어두운 부분을 더 어둡게 하여 이미지의 대비를 강조한다. 하지만 두 방법의 차이점은 Unsharp Masking이 원본 이미지를 블러 처리하여 생성된 흐릿한 이미지와 원본 이미지 사이의 차이를 이용한다는 점이다. 이 차이 정보를 원본 이미지에 다시 더해주어 세부 사항을 강조하고 이미지의 선명도를 향상한다. 본문 원리 다음과 같이 이미지의 경계 부분을 그래프로 그려보자. 지난 시간에도 다뤘지만, 기울기가 급격하게 변화하는 부분은 밝기가 변하는 지점으로, 경계가 명확해지는 곳이다. 이미지에 가우시안 필터, 평균 필터, 중앙값 필터 등의 블러 필터를 적용하..

Image Sharpening 개요 디지털 영상 처리에서 이미지 샤프닝(Image Sharpening)은 이미지의 에지나 세부 사항을 강조함으로써 대비를 높여 디테일을 뚜렷하게 만드는 선명도 향상 기법이다. 이 과정은 인간의 눈이 밝기가 급격히 변하는 경계 영역에서 가상의 밴드를 인지하게 되는 마하 효과(Mach Effect)를 통해 설명될 수 있다. 예를 들어, 경계가 분명한 이미지에서 밝기가 변하는 지점은 단위 계단 함수(Unit Step Function)와 유사하게 급격한 변화를 보인다. 그러나 인간의 시각 시스템은 실제로 에지 부근에서 대비를 과장하여 인지하기 때문에 실제와는 조금 다르게 느껴질 것이다. 즉, 인간의 눈은 이미지의 에지에서 밝은 부분을 더 밝게, 어두운 부분을 더 어둡게 보게 만들..

Smoothing 개요 지난 시간에는 이미지에 Correlation를 이용해 필터를 씌우는 방법에 대해 배워봤다. 이번 시간에는 이를 이용해 이미지를 부드럽게 만드는 스무딩 필터에 대해 알아보자. 본문 Linear Smoothing Spatial Filter 스무딩 공간 필터(Smoothing Spatial Filter)는 이미지의 노이즈를 감소시키고, 세부 사항을 부드럽게 처리하여 전반적인 블러링(Blurring) 효과를 제공하는 데 사용된다. 이 필터는 이미지의 선명도를 다소 감소시키는 대신 노이즈를 줄이는 역할을 하며, 선형 필터와 비선형 필터로 나눌 수 있다. 이때 부드럽게 만드는 원리는 이미지의 작은 디테일들을 지우고, 지운 공간을 연결하는 것이다. 즉, 사라진 픽셀의 값을 가중치 필터를 이용하..

인터럽트 개요 개요 이전까지는 이벤트(프로그램이나 시스템 내에서 발생하는 특정한 상황이나 사용자의 액션)를 체크하기 위해 프로그램이 돌아가는 동안 이를 주기적으로 체크하는 방식을 사용했다. 예를 들어, 스위치를 눌러 왕복하고 있던 LED의 방향을 바꾸거나, FND의 출력 상태를 바꾸는 등의 작업이 해당된다. 이처럼 CPU가 주기적으로 이벤트를 확인하고 동작을 수행하는 것을 폴링(Polling)이라고 한다. 과연 이 방식이 효율적일까? 주기적으로 하드웨어 장치의 상태를 검사하며 변화가 있는지 확인하기 때문에, 프로그램의 흐름이 예측이 가능하며, 검사 시간과 간격을 프로그래머가 제어할 수 있다. 즉, 동기성을 갖고 있는 폴링 방식은 변화가 없을 때도 계속해서 상태를 검사하기 때문에 CPU 자원을 낭비하기 십..

필터 개요 디지털 영상 처리 관점에서 필터(Fliter)는 이미지의 특정 정보를 강조하거나, 불필요한 정보를 제거하여 이미지의 품질을 개선하는 데 사용되는 기술이나 알고리즘을 의미한다. 우리가 스마트폰으로 사진을 찍을 때 사용하는 카메라 어플도 필터의 일종이다. 예를 들어, 이미지의 전반적인 색온도를 증가시키면 따뜻한 느낌으로 변한다. 이러한 필터는 공간적 필터와 주파수 필터(Frequency Filter)로 나눌 수 있는데, 이번 시간에는 공간적 필터의 일종인 선형 필터 중 합성곱(Convolution)과 상관분석(Correlation)에 대해 알아보자. 본문 공간 필터와 Corrleation, Convolution 공간 필터(Spatial Filter)는 이미지의 각 픽셀과 그 주변 픽셀들에 수학적 ..

본문 FND 제어 이번 시간에는 FND(Flexible Numeric Display)를 조작해 보는 시간을 가지도록 해 보자. 7-segments로도 알려진 FND는 LED의 어느 단자를 공통 단자로 사용하느냐에 따라 Common Anode와 Common Cathode로 나뉜다. Common Anode는 모든 LED의 Anode가 공통으로 연결되어 있어, LED를 점등시키려면 해당 LED의 Cathode에 GND를 공급해야 한다. 반면 Common Cathode는 모든 LED의 Cathode의 Cathode가 공통으로 연결되어 있어, LED를 점등시키려면 해당 LED의 Anode에 전압을 공급해야 한다. J-KIT-128-1의 경우 공동 음극형으로 설계되어 있다. FND의 구동 방식은 모든 LED 제어 ..

본문 LED와 스위치 제어 이론 지난 시간에 배운 입출력 포트를 레지스터로 제어하여 LED를 점등해 보자. 일단 J-KIT-128-1의 회로도를 살펴보면, LED가 PORTA와 연결되어 있음을 알 수 있다. 또한 LED가 LED의 양극이 MCU와 연결되어 있다는 것을 확인할 수 있다. 이는 Current Source 방식을 채용하고 있다는 것을 의미한다. 이 방식은 핀의 출력이 1일 때 LED가 점등된다. 실습을 진행하기 위해선 핀당 허용 전류를 확인하고, 저항을 선택하는 과정이 필요하나 J-KIT-128은 이미 모듈화가 되어 있어 생략해도 된다. 그리고 LED 점등 시 추가적인 제어를 위해 스위치를 사용한다. 스위치 1은 PORTE의 4번 핀과 연결되어 있고, 스위치 2는 PORTE의 5번 핀과 연결되..

본문 Local Histogram Processing 히스토그램 매칭을 사용하면 특정 경우에 이미지의 대비가 부족해질 수 있다. 예를 들어, 위 그림의 다섯 개의 검은색 네모 안의 영역처럼 밝기가 낮아 세부 내용을 확인하기 어려울 때가 있다. 이러한 문제를 해결하기 위해 히스토그램 평활화를 적용해 보면, 영상의 대비는 향상되지만, 특정 계급에 픽셀 값이 과도하게 집중될 수 있다. 이런 현상은 원활한 영상 처리에 방해가 된다. 영상 처리에서 전역적인 처리 방법이 아닌, 영상의 각 지역별로 다르게 처리를 하고 싶을 때 지역 히스토그램 처리(Local Histogram Processing) 기법이 필요하게 된다. 이 방법은 영상의 각 부분별로 히스토그램 평활화나 조정을 수행하여, 그 지역의 세부적인 특성을 개..

히스토그램 처리 개요 히스토그램 평활화는 이미지의 전반적인 대비를 개선하기 위해 사용되는 방법이라고 지난 시간에 공부하였다. 하지만, 특정 밝기 계급에 픽셀이 지나치게 집중되어 있을 때, 이 방식은 몇 가지 문제점을 초래할 수 있다. 예를 들면, 평활화 후의 이미지에서 나머지 계급의 세부 정보가 손실되거나, 비자연스러운 노이즈나 패턴이 발생할 수 있다. 이러한 한계를 극복하기 위한 방법으로서 지역 히스토그램 처리 방법을 공부해 보겠다. 그리고 이를 이해하기 위해 히스토그램 매칭 또한 공부해 보도록 하겠다. 히스토그램 매칭(Histogram Matching)은 원하는 히스토그램 분포를 가진 참조 이미지를 사용하여, 타겟 이미지의 분포를 조정하는 방법이다. 반면, 지역 히스토그램 처리(Local Histog..