Digital Image Fundamentals

Image size ( resolution) : M * N

Intensity level(밝기 레벨) : 0~255, 8 bit로 표현

 

Gray Image

• 1 pixel: 1 byte
• M*N pixel= M*N*1 bytes

Color Image(R,G,B)

• 1 pixel: 3 bytes
• M*N pixel= M*N*3 bytes

Gray Levels

회색도: 명암을 표현하는 수

 

Quantization 

양자화: 실수형 변수(floating-point type)를 정수형 변수(integer or fixed point)로 변환하는 과정

 

Sampling

: 연속적인 신호(함수)에서 특정 위치를 대표하는 값을 뽑아내는 과정

 

Aliasing

: Sampling 된 값을 다시 연속적인 값으로 복원할 떄, 기존의 신호와 달라지는 현상

 

Interpolation

: 보간. 해상도 보완

새로운 점을 만들기 위해 수많은 점들을 평균화시키는 것.

 

Pixel Add/Sub

• pixel값은 0보단 작을 수 없고 2^n-1보다 클 수 없다
• 예) 128+255=255
  128-255=0

Linear

-> H(Img1+Img2)=H(Img1)+H(Img2)

Non-Linear

-> H(Img1+Img2)!=H(Img1)+H(Img2)

 

 

Image Interpolation할 때

회전을 하고 interpolation을 하는 게 편하다. 

 

2배 확대 2배 축소-> 원래대로 돌아감
1.7배 확대 1.7배 축소-> 안돌아감, 해상도 저하가 생김

 

Bilinear Interpolation

: 직선으로 예측

Bicubic Interpolation

: 곡선으로 예측

Edge-Directed Interpolation

: 엣지를 살리면서 

 

 

이미지 회전시키기

1. 입력영상과 같은 크기의 이미지 생성

2. output(x,y) - (W/2,H/2) =A

(역방향으로 맵핑해야 이미지에 빵꾸가 안생긴다)

2.

input(x,y) =R(세타) * A

(세타는 라디안값으로 넣어줘야 한다)

3. input(x,y)+(W/2,H/2)=B

4. 이제 output(x,y)에 B 위치의 픽셀값들을 하나씩 맵핑한다.

(단, 이미지를 벗어나는 좌표는 건너뜀)

 

 

Bilinear Interpolation

원 이미지를 N배 확대하는 경우, 새로 만들어지는 결과 이미지에는 

원 이미지의 값을 받지 못하는 빈 픽셀들이 생긴다.

3배 확대한다고 가정하면, 파란색 픽셀들이 원 영상으로부터 값을 받게 되는 부부닝고

나머지 흰 픽셀들을 추정해야 한다

이것이 보간법(interpolation)이다.

 

1.

구하고자 하는 별표의 좌표를 (y,x)라, output의 좌표를 (Y,X)라 가정

2.

(y,x)와 인접한 4개의 점을 원래 이미지로부터 찾는다.

3.

p1좌표= (Y/3, X/3)

p2= (Y/3, X/3+1)

p3= (Y/3+1, X/3)

p4= (Y/3+1, X/3+1)

4.

4개의 점과 별표사이의 거리비 구하기

fx1=(x-X/3)

fx2=1-fx1

fy1=(y=Y/3)

fy2=1-fy1

5. linear interpolation을 x축에 대하여 적용

p1과 p2의 픽셀값과 거리비로 A의 픽셀값 구하기

A= p1의 픽셀값 * fx2 + p2의 픽셀값 * fx1

B=p3의 픽셀값 * fx2 + p4의 픽셀값 * fx1

6. linear interpolation을 y축에 대하여 적용

A와 B의 픽셀값과 거리비로 별표의 픽셀값 구하기

=A * fy2 +  B * fy1