Since. 24살

상관 corelation 원시적인 매칭 연산 (물체를 윈도우 형태로 표현하고 물체를 검출) 아래 예에서는 최대값 29를 갖는 위치 6에서 물체가 검출됨 컨볼루션 convolution 윈도우를 뒤집은 후 상관 적용 임펄스 반응 인접 화소(Pixel)에 영향을 미친다. 수식 f : 입력 영상 , u : 마스크(mask) , w : 마스크 폭(with) 상관은 + / 컨볼루션은 - 컨볼루션 예제 박스와 가우시안은 스무딩 효과 샤프닝은 명암 대비 강조 효과 수평 에지와 수직 에지는 에지 검출 효과 컨볼루션은 선형 연산! 비선형 연산 예) 메디안 필터 솔트페퍼 잡음에 효과적임 메디안은 가우시안에 비해 에지 보존 효과 뛰어남 흔하진 않다.. ㅎ

점 연산을 식으로 쓰면, 대부분은 k=1 (즉 한 장의 영상을 변환) 선형 연산 k개의 화소를 조합하여 출력 예) $f_{out} (j,i) = t(f(j,i))$ t = f + a 최대 L-1 t = f - a 최소 0 t = L-1 - f 예) 필름 비선형 연산 예) 감마 수정 (모니터나 프린터 색상 조절에 사용) - 감마가 작을수록 밝아지고 커질수록 어두워진다. - 감마가 1인 경우 in, out이 같다 디졸브 k=2인 경우 2장의 영상 결합 f1 $\alpha$ = 0.8 $\alpha$ = 0.7 $\alpha$ = 0.4 $\alpha$ = 0.3 f2

화소의 모양과 연결성 연결요소 번호 붙이기 (Connected component labeling) 4-연결성과 8-연결성을 기준으로 각 영역에 번호를 할당하는 것 Region labeling을 위해 교재에 나와 있는 flood fill 알고리즘이나 blob coloring 알고리즘을 이용 Blob coloring 알고리즘은 Matlab과 OpenCV에서 모두 제공되고 있음

이진화 명암 영상을 흑과 백만 가진 이진 영상으로 변환 임계값 방법 히스토그램의 두 봉우리 사이의 계곡을 임계값 T로 결정 자연 영상에서는 계곡 지점 결정이 어려움 오츄 알고리즘 [Otsu79] 이진화 했을 때 흑 그룹과 백 그룹 각각이 균일할수록 좋다는 원리에 근거 균일성은 분산으로 측정 (분산이 작을수록 균일성 높음) 분산의 가중치 합 $v_{within}$(.)을 목적 함수로 이용한 최적화 알고리즘 분산이 작다 == 밝기 변화가 작을 수록 균일성이 좋다! $w_0(t)v_0(t) // 흑 그룹v:분산의 가중치 합$ $w_1(t)v_1(t) // 백 그룹v:분산의 가중치 합$ 분산의 가중치 합 : (흑그룹 누적 정규분포 * 흑그룹 분산) + (백그룹의 누적 정규분포 * 백그룹 분산) t에 대한 분산의..

히스토그램이란? 히스토그램(histogram)은 표로 되어 있는 도수 분포를 정보 그림으로 나타낸 것이다. 더 간단하게 말하면, 도수분포표를 그래프로 나타낸 것이다. [0,L-1]사이의명암값각각이 영상에 몇 번 나타나는지 표시 히스토그램h와 정규화 히스토그램 히스토그램 알고리즘을 수식으로 표현한 것 모든 칸을 더하면 1.0이 되도록 변환한 정규 히스토그램 (normalized histogram) 같은 명암을 가지고 있는 화소(pixel)의 수 count 정규화란 ? 정규화 또는 정상화(normalization)는 어떤 대상을 일정한 규칙이나 기준에 따르는 ‘정규적인’ 상태로 바꾸거나, 비정상적인 대상을 정상적으로 되돌리는 과정을 뜻한다. 여기서는 합해서 1이 되도록 비율로 나타낸 형태이다. 히스토그램 용..

영상처리란? 주어진 목적을 달성하기 위해 원래 영상을 새로운 영상으로 변환하는 컴퓨터 비전의 전처리 과정 디지털 영상의 태동 Bartlane 시스템 [McFarlane 72] Bartlane 케이블 사진 전송 시스템은 1920 년에런던과 뉴욕 사이의 해저 케이블 라인을 통해 디지털화 된 신문 이미지를 전송하기 위해 발명 된 기술입니다. 획득과 표현 샘플링과 양자화 2차원 영상 공간을 M*N으로 샘플링 (M*N을 해상도라 부름) 명암을 L 단계로 양자화 (L을 명암 단계라 부름, 즉 명암은 [0,L-1] 사이 분포) 영상 좌표계 화소 위치는 x=(j,i) 또는 x=(y,x)로 표기 영상은 f(x) 또는 f(j,i), 0≤j≤M-1, 0≤j≤N-1로 표기 컬러 영상은 fr(x), fg(x), fb(x)의 세..

컴퓨터 비전이란 ? 카메라와 컴퓨터를 이용하여 동물들이 가진 시각 기능을 구현하고자 하는 분야로 자율 주행, 물체 추적, 물체 인식 등을 위해 비전 기술이 광범위하게 활용된다. 주요내용 영상 취득 장치 영상처리 기법과 영역화 방식 스테레오와 레이저 센서등을 이용한 3차원 영상 취득 방법 물체 추적과 인식과 같은 실질적인 응용기법 등 과학적 접근 & 공학적 접근 시스템 설계 1. 문제 이해 주어진 문제에 대한 직관적이고 철저한 이해 합리적 제약 조건 수립 필요 예) 얼굴 인식기 크기의 일정한 정면 얼굴 vs. 자연 영상 속의 얼굴 전자는 제작 쉽지만 응용 분야 한정. 보안 장치에 활용 가능하지만 사진 분류 응용에 적용 불가능 2. 데이터베이스 수집 질적으로 양적으로 우수해야 고성능 시스템 제작 가능 데이터..

Predicting exam score : regression using three inputs ( x1, x2, x3) Hypothesis $$H(x) = Wx + b$$ $$H(x_1, x_2, x_3) = w_1x_1 + w_2x_2 + w_3x_3 + b$$ Cost function $$H(x_1, x_2, x_3) = w_1x_1 + w_2x_2 + w_3x_3 + b$$ $$cost(W,b) = {{1}\over{m}}\sum_{i=1}^m {(H(x_1^{(i)},x_2^{(i)},x_3^{(i)})-y^{(i)})^2}$$ Multi-variable $$H(x_1, x_2, x_3) = w_1x_1 + w_2x_2 + w_3x_3 + b$$ $$H(x_1, x_2, x_3, ..., x_n..

Thread란 하나의 Process 내부에서 독립적으로 실행되는 하나의 작업 단위. Multi - Thread란 여러 Thread를 동시에 실행시키는 응용프로그램 작성 기법 기본적으로 하나의 Process에 하나의 Thread가 존재 여러 Processes가 할 수 있는 일을 한 번에 사용할 수 있도록 한 Process에서 Thread로 분활 동시에 여러 개의 일을 해야 할 때 사용! Threads 특징 The ability to do multiple things at once within the same application Finer granularity of concurrency Lightweitght Easy to create and destroy Shared address-space Can sh..

행으로 합치기 df1 df2 result = pd.concat([df1,df2] ,ignore_index = True) ignore_index 앞에서도 나왔는데 행 index 중복 될까봐 이전 값 무시하는거 result = df1.append(df2, ignore_index = True) 똑같은 기능 열로 합치기 result = pd.concat([df1,df2],axis =1 ,ignore_index =True) label = [1,2,3,4,5] prediction = [1,2,2,4,4] comparison = pd.DataFrame({'label' : label, 'prediction' : prediction}) 이렇게 생긴다.