참고: 이 게시물에서는 쉽게 따라할 수 있도록 회색조 이미지만 사용합니다.

이미지란 무엇입니까?

이미지는 값의 행렬로 생각할 수 있으며, 각 값은 픽셀의 강도를 나타냅니다. 이미지 형식에는 세 가지 주요 유형이 있습니다.

• 이진: 이 형식의 이미지는 값이 0(검은색)과 1(흰색)인 단일 2D 행렬로 표현됩니다. 가장 간단한 형태의 이미지 표현입니다.

• 회색 스케일: 이 형식에서 이미지는 0에서 255 사이의 값을 갖는 단일 2D 행렬로 표현됩니다. 여기서 0은 검정색을 나타내고 255는 흰색을 나타냅니다. 중간 값은 다양한 회색 음영을 나타냅니다.

• RGB 배율: 여기서 이미지는 0부터 255까지의 값을 갖는 3개의 2D 행렬(각 색상 채널당 하나씩: 빨간색, 녹색, 파란색)로 표현됩니다. 각 행렬에는 다음의 픽셀 값이 포함됩니다. 하나의 색상 구성 요소를 사용하고 이 세 채널을 결합하면 풀 컬러 이미지가 생성됩니다.

필터

필터는 특정 작업을 적용하여 이미지를 수정하는 데 사용되는 도구입니다. 필터는 이미지를 가로질러 이동하면서 해당 창 내의 픽셀 값에 대해 계산을 수행하는 행렬(커널이라고도 함)입니다. 우리는 두 가지 일반적인 필터 유형, 즉 평균 필터와 중앙값 필터를 다룰 것입니다.

평균 필터

평균 필터는 창 내의 픽셀 값을 평균화하여 노이즈를 줄이는 데 사용됩니다. 창의 중앙 픽셀을 해당 창 내의 모든 픽셀 값의 평균으로 바꿉니다. cv2.blur() 함수는 커널 크기가 3x3인 평균 필터를 적용합니다. 이는 평균을 계산하기 위해 각 픽셀 주위의 픽셀의 3x3 창을 고려한다는 의미입니다. 이는 이미지를 부드럽게 만드는 데 도움이 됩니다.

import cv2
import matplotlib.pyplot as plt

image = cv2.imread('McLaren-720S-Price-1200x675.jpg', cv2.IMREAD_GRAYSCALE)

# Applies a Mean Filter of size 3 x 3
blurred_image = cv2.blur(image, (3, 3))

plt.subplot(1, 2, 1)
plt.imshow(image, cmap='gray')
plt.title('Original Image')
plt.axis("off")

plt.subplot(1, 2, 2)
plt.imshow(blurred_image, cmap='gray')
plt.title('Mean Filtered Image')
plt.axis("off")
plt.show()

중앙값 필터

중앙값 필터는 각 픽셀의 값을 창에 있는 모든 픽셀의 중앙값으로 대체하여 노이즈를 줄이는 데 사용됩니다. 이는 소금과 후추 소음을 제거하는 데 특히 효과적입니다. cv2.medianBlur() 함수는 커널 크기가 3인 중앙값 필터를 적용합니다. 이 메서드는 각 픽셀을 인접 픽셀 값의 중앙값으로 대체하므로 노이즈를 제거하는 동시에 가장자리를 유지하는 데 도움이 됩니다. 여기서 커널 크기가 클수록 이미지가 더 흐려집니다.

import cv2
import matplotlib.pyplot as plt

image = cv2.imread('McLaren-720S-Price-1200x675.jpg', cv2.IMREAD_GRAYSCALE)

# Applies a Median Filter with a kernel size of 3
blurred_image = cv2.medianBlur(image, 3)

plt.subplot(1, 2, 1)
plt.imshow(image, cmap='gray')
plt.title('Original Image')
plt.axis("off")

plt.subplot(1, 2, 2)
plt.imshow(blurred_image, cmap='gray')
plt.title('Median Filtered Image')
plt.axis("off")
plt.show()

맞춤 필터

맞춤 필터를 만들어 이미지에 특정 작업을 적용할 수 있습니다. cv2.filter2D() 함수를 사용하면 사용자 정의 커널을 이미지에 적용할 수 있습니다. cv2.filter2D() 함수는 이미지에 사용자 정의 커널(필터)을 적용합니다. 커널은 픽셀 값에 대해 수행할 작업을 정의하는 행렬입니다. 이 예에서 커널은 지정된 값을 기반으로 이미지의 특정 기능을 향상시킵니다.

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

image = cv2.imread('McLaren-720S-Price-1200x675.jpg', cv2.IMREAD_GRAYSCALE)

# Define a custom filter kernel
kernel = np.array([[2, -1, 5],
                   [-5, 5, -1],
                   [0, -1, 0]])

filtered_image = cv2.filter2D(image, -1, kernel)

plt.subplot(1, 2, 1)
plt.imshow(image, cmap='gray')
plt.title('Original Image')
plt.axis('off')

plt.subplot(1, 2, 2)
plt.imshow(filtered_image, cmap='gray')
plt.title('Filtered Image')
plt.axis('off')

plt.show()

임계값

참고: 코드 조각에서 임계값 이미지를 할당할 때 _ 이미지가 표시됩니다. 이는 cv2.threshold 함수가 사용된 임계값과 임계값 이미지라는 두 가지 값을 반환하기 때문입니다. 임계값 이미지만 필요하므로 _를 사용하여 임계값을 무시합니다.

임계값은 조건에 따라 픽셀 값을 설정하여 이미지를 이진 이미지로 변환합니다. 임계값 지정 기술에는 여러 유형이 있습니다.

전역 임계값

단순 임계값

이 방법은 전체 이미지에 대해 고정된 임계값을 설정합니다. 임계값보다 높은 값을 갖는 픽셀은 최대값(255)으로 설정되고, 그 이하는 0으로 설정됩니다. 간단한 임계값 지정에는 cv2.threshold() 함수가 사용됩니다. 강도가 127보다 큰 픽셀은 흰색(255)으로 설정되고, 강도가 127보다 작거나 같은 픽셀은 검은색(0)으로 설정되어 이진 이미지를 생성합니다.

import cv2
import matplotlib.pyplot as plt

image = cv2.imread('McLaren-720S-Price-1200x675.jpg', cv2.IMREAD_GRAYSCALE)

_, thresholded_image = cv2.threshold(image, 127, 255, cv2.THRESH_BINARY)

plt.subplot(1, 2, 1)
plt.imshow(image, cmap='gray')
plt.title('Original Image')
plt.axis("off")

plt.subplot(1, 2, 2)
plt.imshow(thresholded_image, cmap='gray')
plt.title('Thresholded Image')
plt.axis("off")
plt.show()

오츠 임계값

Otsu의 방법은 이미지의 히스토그램을 기반으로 최적의 임계값을 자동으로 결정합니다. 이 방법은 클래스 내 분산을 최소화하고 클래스 간 분산을 최대화합니다. 임계값을 0으로 설정하고 cv2.THRESH_OTSU를 사용하면 함수가 자동으로 최적의 임계값을 계산하여 전경과 배경을 분리합니다.

import cv2
import matplotlib.pyplot as plt

image = cv2.imread('McLaren-720S-Price-1200x675.jpg', cv2.IMREAD_GRAYSCALE)

_, otsu_thresholded_image = cv2.threshold(image, 0, 255, cv2.THRESH_BINARY   cv2.THRESH_OTSU)

plt.subplot(1, 2, 1)
plt.imshow(image, cmap='gray')
plt.title('Original Image')
plt.axis("off")

plt.subplot(1, 2, 2)
plt.imshow(otsu_thresholded_image, cmap='gray')
plt.title("Otsu's Thresholded Image")
plt.axis("off")
plt.show()

적응형 임계값

평균 적응형 임계값

평균 적응형 임계값에서 각 픽셀의 임계값은 해당 픽셀 주변 지역의 픽셀 값 평균을 기반으로 계산됩니다. 이 방법은 이미지의 여러 영역에서 임계값을 동적으로 조정합니다. cv2.adaptiveThreshold() 함수는 로컬 11x11 이웃에 있는 픽셀 값의 평균값을 기반으로 각 픽셀의 임계값을 계산합니다. 임계값을 미세 조정하기 위해 이 평균에서 상수 값 2를 뺍니다. 이 방법은 조명 조건이 다양한 이미지에 효과적입니다.

import cv2
import matplotlib.pyplot as plt

image = cv2.imread('McLaren-720S-Price-1200x675.jpg', cv2.IMREAD_GRAYSCALE)

mean_adaptive_thresholded_image = cv2.adaptiveThreshold(image, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)

plt.subplot(1, 2, 1)
plt.imshow(image, cmap='gray')
plt.title('Original Image')
plt.axis("off")

plt.subplot(1, 2, 2)
plt.imshow(mean_adaptive_thresholded_image, cmap='gray')
plt.title('Mean Adaptive Thresholded Image')
plt.axis("off")
plt.show()

가우스 적응형 임계값

가우스 적응형 임계값은 로컬 환경에 있는 픽셀 값의 가우스 가중치 합계를 기반으로 각 픽셀의 임계값을 계산합니다. 이 방법은 조명이 균일하지 않은 경우 더 나은 결과를 제공하는 경우가 많습니다. 가우스 적응형 임계값 지정에서 임계값은 11x11 주변 픽셀 값의 가우스 가중 합계로 결정됩니다. 임계값을 조정하기 위해 이 가중 평균에서 상수 값 2를 뺍니다. 이 방법은 조명과 그림자가 다양한 이미지를 처리하는 데 유용합니다.

import cv2
import matplotlib.pyplot as plt

image = cv2.imread('McLaren-720S-Price-1200x675.jpg', cv2.IMREAD_GRAYSCALE)

gaussian_adaptive_thresholded_image = cv2.adaptiveThreshold(image, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)

plt.subplot(1, 2, 1)
plt.imshow(image, cmap='gray')
plt.title('Original Image')
plt.axis("off")

plt.subplot(1, 2, 2)
plt.imshow(gaussian_adaptive_thresholded_image, cmap='gray')
plt.title('Gaussian Adaptive Thresholded Image')
plt.axis("off")
plt.show()

참고자료

• Encord.com
• Pyimagesearch.com
• OpenCV 임계값
• OpenCV 필터링