Priceless

특징점 매칭 좋은 특징점 찾기

OpenCV 특징점 클래스특징점 검출 방법특징점 기술자 구하기특징점 알고리즘 성능 비교

크기 불변 특징왼쪽 이미지에서 오른쪽 이미지가 있느지 찾는 작업SIFT 알고리즘 기타 특징점 알고리즘

영상의 잡음흰색과 검은색으로 변경되는 노이즈가우시안 노이즈는 가우시안 분포로 노이즈가 추가된 형태점들과 자글자글한가우시안 필터를 이용한 잡음 제거random normal distribution 프로파일을 이용한 잡음 분석  양방향 필터두 픽셀의 거리와 픽셀 값 차이를 계산하여 필터를 적용한다

1. Conditional Generative Model 1-0. GAN(Generative Adversarial Networks) GAN의 구조 위조 지폐범이 생성 모델로 가짜 데이터 생성 경찰이 데이터의 진위 여부를 판별 학습을 통해 생성 모델과 판별 모델의 성능을 높여 전반적 성능을 높인다(D와 G의 적대적 상호 작용) GAN의 목적 함수 실제 이미지를 잘 예측했다면, D(x) = 1 이므로 log(D(x)) = 0 만약에 fake 이미지로 예측 했다면, D(x) = 0 이므로, log(D(x)) = - infinity 만약에 fake 이미지가 input일 때 실제 이미지로 예측 했다면 D(x) = 1이므로, log(1-D(x) ) = - infinity 가 되고, 제대로 예측 했다면 log(1-D..

1. Instance Segmentation 1-1. What is instance segmentation? Segmentation의 종류 아래의 다양한 segmentation 종류가 있다 Instance segmentation의 정의 같은 물체의 class라도 instance를 구분하는 segmentation을 Instace Detection이라 한다 Instance를 구분해야 하므로 Objetc detection의 instance 구분 기능을 기반으로 Instance segmentation 모델을 만들 수 있다 1-2. Instance Segmenters Mask R-CNN faster R-CNN과 유사한 구조를 가진 네트워크이다 이와 비교했을 때 다른 두 가지 특징이 있다 - 소수점 픽셀 레벨 접..

평균 값 필터주변 값들과의 평균 값갯수 만큼 나눈 후 합한다크기가 9인 필터의 경우 주변 9개 성분 값을 9씩 나누고 합한다 픽셀 별로 가중치를 조절할 필요가 있다가우시안 필터평균이 0이고 표준편차가 1인 정규 분포를 표준 정규 분포라고 함 가우시안 함수의 특징mean: 평균median: 중간값mode: 최빈값 정규 분포는 세 가지 값이 같다 시그마 밖의 값은 0.3퍼센트 이내이다 모든 영역(-무한 ~ +무한)에 대한 적분 값은 1이다 시그마가 1일 때x y 값에 대한 가우시안 필터 가운데 값에 대한 대칭모든 값의 합은 1이고, 가장자리의 값은 0에 가까우므로 0이 된다size() 생성자를 지정하면 자동으로 생성되므로 보통 자동으로 사용한다시그마 값을 크게 하면 많이 블러링된다 코드 언샤프 마스크 필터링..

영상의 필터링 공간적 필터링고정점은 필터를 적용할 위치를 나타낸다    마스크의 같은 위치와 입력 영상을 곱한다출력 영상은 모든 곱한 값을 합한다  convolution과 correlation의 관계conv는 - 연산correl는 +연산 원래 영상의 대칭되도록 기본적으로 설정한다value를 직접 사용할 일은 많지 않다출력 영상을 그레이스케일이 아닌 소수점 정보를 가진 실수형 행렬으로도 만들 수 있다필터링 결과를 실수로 만드는 이유는 여러 번의 필터링과 다른 연산을 통해 결과 영상을 생성하기 때문이다엠보싱 필터대각선으로 적용전반적으로 어두워지기 때문에 128을 더한다

영상의 산술 연산 예제순서가 중요하다검은색이 0이므로 검은색 영역을 빼면 거의 변하지 않는다영상 전체를 수행할 경우 noArray 혹은 Mat()를 입력한다다른 타입이여도 출력을 설정해주면 연산할 수 있으므로 연산자 오버로딩보다 더욱 일반적이다영상의 논리 연산

히스토그램히스토그램은 픽셀 값의 위치 정보는 나타낼 수 없다 확률의 p이다h(g)의 합은 16p(g)의 합은 1히스토그램 구하기그레이스케일과 컬러 영상도 가능하다채널 범위도 조절 가능하다   히스토그램 분석히스토그램 스트레칭가장 밝은 값과 가장 어두운 값 minMaxLoc 함수를 통해 구할 수 있다히스토그램 평활화lmax 는 255일일이 계산하면 계산량이 많아지기 때문에 이전 값에 새로운 값을 더하는 방식으로 구한다최대값인 7을 곱한다결과hist에 픽셀 값 저장 누적 분포 함수 cdf 저장 영상의 전체 픽셀에 cdf 값에 해당하는 값으로 출력 스트레칭과 평활화 비교스트레칭은 일직선이지만 평활화는 누적값을 기준으로 나눈다 높이가 높은 부분은 많이 퍼지고 높이가 낮지 않으면 원본 영상과 비슷하게 나타난다 만..