MATLAB - 디지털 영상 처리의 gaussian, laplacian, averaging filter와 histogram equalization, specification

목차

▶ MATLAB에 관한 기본 지식

1. Histogram Equalization & Histogram Specification
▶ 개요
▶ 실험 내용
▶ 결과 분석

2. Linear Filter 구현
▶ 개요
▶ 실험 내용
▶ 결과 분석

본문내용

▶ 개요
각 이미지의 Histogram Specification (명세화)를 실습해본다.

▶ 실험 내용
히스토그램 명세화를 하기 위해서는, 그 전에 히스토그램 평활화(equalization)을 해야한다.
히스토그램 평활화를 하기 위해선 먼저, 원본 이미지의 히스토그램을 구할 수 있어야 한다. 여기서의 히스토그램은 pdf(probability distribution function)과 같은 개념으로 해석한다.
또한 그 원본의 히스토그램(pdf)을 통해 cdf(Cumulative Distribution Function)를 구한다. cdf를 y=x 꼴 모양으로 재배치 시키면 이미지의 히스토그램이 평평한(flat) 모양으로 나오게 되고, 그것이 바로 히스토그램 평활화인 것이다.

<중 략>

공간 domain 에서의 filtering을 수행한다
filter의 종류는 (원래 과제내용에선 2가지) 3가지, average filter와 laplacian filter, gaussian filter이고, 이 세가지 filter의 window크기는 3x3, 5x5, 7x7로 또 나뉘게된다.
일단 average filter는 구현하기가 비교적 쉬워서 과제 내용에 없었지만 구현해보기 위해 추가한 내용이다. average filter는 blurring 의 역할을 한다. 즉 window 내의 이웃들과의 경향, 밝기가 비슷하게 되는 filter이기 때문에 속칭 ‘뽀샵’을 할 수 있다. 그리고 또한 window 내의 이웃들의 영향을 받기 때문에 window의 크기가 커지면 커질수록 그만큼 더 blurring된다.

참고 자료

없음

압축파일 내 파일목록

specification.m
userinterpace.asv
컴퓨터비젼 과제 보고서.hwp
average_filter.m
averagefilter_image.asv
combi.asv
filtering.m
fn_im_histeq.asv
gaussian_filter.asv
Hist_Experi_1.bmp
Hist_Experi_2.bmp
specification.asv