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..