가우시안 필터 구현 - gausian pilteo guhyeon

• 평균값 필터에 의한 블러링의 단점
  • 필터링 대상 위치에서 가까이 있는 픽셀과 멀리 있는 픽셀이 모두 같은 가중치를 사용하여 평균을 계산
  • 멀리 있는 픽셀의 영향을 많이 받을 수 있음

• (1차원) 가우시안 함수 (Gaussian function)

cv2.GaussianBlur(src,ksize,sigmaX,dst=None,sigmaY=None,borderType=None) -> dst

 • src : 입력 영상 . 각 채널 별로 처리됨
 • dst : 출력 영상 . src 와 같은 크기 , 같은 타입
 • ksize : 가우시안 커널 크기 . (0,0) 을 지정하면 sigma 값에 의해 자동 결정됨
 • sigmaX : x 방향 sigma.
 • sigmaY : y 방향 sigma. 0 이면 sigmaX 와 같게 설정
 • borderType: 가장자리 픽셀 확장 방식

• 다양한 크기의 sigma를 사용한 가우시안 필터링

import sys
import numpy as np
import cv2


src = cv2.imread('rose.bmp', cv2.IMREAD_GRAYSCALE)

if src is None:
    print('Image load failed!')
    sys.exit()

cv2.imshow('src', src)

for sigma in range(1, 6):
    # sigma 값을 이용하여 가우시안 필터링
    dst = cv2.GaussianBlur(src, (0, 0), sigma)

    desc = 'sigma = {}'.format(sigma)
    cv2.putText(dst, desc, (10, 30), cv2.FONT_HERSHEY_SIMPLEX,
                1.0, 255, 1, cv2.LINE_AA)

    cv2.imshow('dst', dst)
    cv2.waitKey()

cv2.destroyAllWindows()

%gaussian filter rad = floor(5 / 2); [a, b] = meshgrid(-rad:rad, -rad:rad); sigma = 2; kernel = (1/(2*pi*(sigma.^2)))*exp(-1 * (a.^2 + b.^2)./ (2*sigma*sigma) ); kernel = kernel / sum(kernel(:)); %합계가 1이 되도록 환산함

​

​

​

​

이 행렬을 이제 이미지에 컨볼류션 하면 될 것이다.

​

(출처 : https://www.imageeprocessing.com/2015/11/convolution-in-matlab.html)

이미지 컨볼루션은 위와 같다. 설명이 깔끔하게 되어있어서 가져왔다.

​

쉽게 설명하자면 우리가 만든 5*5행렬을 이미지에 맞춰 해당 픽셀 주위 5*5만큼 곱한 후 다시 해당 픽셀에 집어넣는 과정이다.

​

컨볼루션 하기 전에, 이미지에 적절히 노이즈를 첨부한다.

첨부하는 이유는 가우시안 필터링을 적용할 때 노이즈가 어느정도 지워졌는지 확인하기 위해서이다.

이미지를 로드하고, 노이즈를 첨부하는 코드는 다음과 같다.

%load image image = (imread('wtf.png')); image = rgb2gray(image); [x, y] = size(image); %noise image noise_value = 30; noise = randn([x,y]) * noise_value; noised_image = uint8(double(image) + 0.5 * noise);

​

​

이제 noised_image에 컨볼루션을 적용한다.

두가지의 방법이 있는데 그중 한개는 conv2함수를 이용하는 것이다,

filtered = conv2(noised_image, z, 'same');

그냥 이렇게 하면 noised image에 가우시안함수 z를 컨볼루션해 자동으로 filtered image에 들어간다.

​

하지만 for문으로 직접 연산을 해 집어넣으려면,

for i = 1 : x - (size - 1) for j = 1 : y - (size - 1) temp = (double(noised_image(i : i + (size - 1), j : j + (size - 1)))).*z; filtered(i,j) = sum(temp(:)); end end

이렇게 코드를 작성하면 각 픽셀마다 컨볼루션을 적용하여 들어갈 것이다.

​

이렇게 해서 만들어진 전체 코드는

​

clear %% load image image = (imread('lena.png')); image = rgb2gray(image); % image = image(:,:,1); [x, y] = size(image); rad = floor(5 / 2); %% noise image noise_value = 30; noise = randn([x,y]) * noise_value; noised_image = (double(image) + 0.5 * noise); %% gaussian filter [a, b] = meshgrid(-rad:rad, -rad:rad); sigma = 2; kernel = (1/(2*pi*(sigma.^2)))*exp(-1 * (a.^2 + b.^2)./ (2*sigma*sigma) ); kernel = kernel / sum(kernel(:)); noised_image = double(noised_image); gaussian_filtered = conv2(noised_image, kernel, 'same'); %% output subplot(1,3,1); imshow(image); title('raw'); subplot(1,3,2); imshow(uint8(noised_image)); title('noised'); subplot(1,3,3); imshow(uint8(gaussian_filtered)); title('gaussian');