#05-1. 영상의 밝기 조절
그레이스케일 영상 다루기
-
동작중 영상을 저장할 새로운 공간 생성 : CV_8UC1 타입 생성
Mat img2(480, 640, CV_8UC1, Scalar(0)); -
컬러 영상 변환 cvtColor()
Mat img1 = imread("jnary.bmp", IMREAD_COLOR); Mat img2; cvtColor(img1, img2, COLOR_BGR2GRAY); -
영상의 밝기 조절
- 양수값 더하기 : 밝아짐
- 양수값 빼기 : 어두워짐
- dst(x, y) = src(x, y) + n
-
영상의 밝기 조절 함수의 그래프
- x축 : 입력 영상의 그레이스케일 값
- y축 : 출력 영상의 그레이스케일 값
- 255 넘어가는 밝기값은 255로 설정 : overflow 방지 → 포화(saturate)연산
- dst(x, y) = saturate(src(x, y) + n)
밝기 조절 직접 구현하기
- add 함수 활용
dst = cv2.add(src, 100) # 밝기 증가 dst = cv2.subtract(src, 100) # 밝기 감소 - 결과 영상의 픽셀값 설정 위해 미리 생성
dst = np.empty(src.shape, src.dtype) - 트랙바
def update(pos): dst = cv.add(src, pos) cv.imshow('dst', dst) cv.createTrackbar('Brightness', 'dst', 50, 100, update)
#05-2. 영상의 명암비 조절
기본적인 명암비 조절
-
명암비
- 밝은 영역과 어두운 영역 사이에 드러나는 밝기 차이의 강도
- contrast
- 밝은 영역, 어두운 영역 골고루 섞여 있는 영상 → 명암비가 높다
- 낮은 명암비 → 객체 간 구분 어려움, 흐릿
- 밝은 건 밝게, 어두운 건 어둡게
-
dst(x, y) = saturate(s * src(x, y))
s = 0.5
-
밝은 곳과 어두운 곳의 차이가 128로 줄어듬
-
낮은 명암비
s = 2
-
차이가 510으로 늘어남 (saturate 감안X)
-
높은 명암비
-
-
한계
- 픽셀값이 포화되어 흰색으로 나타나는 영역 너무 많음
- 윤곽 구분 어려워짐
- 일정 상수를 단순히 곱하여 명암비를 조절하는 방식 → 실전에서 사용 X
효과적인 명암비 조절
-
밝고 어두운 기준 : 중간값인 128
- 128보다 크면 더 크게
- 128보다 작으면 더 작게
- y = x + (x - 128)*a = (1 + a) x - 128a
- -1 ≤ a ≤ 0 : 기울기가 0~1사이의 직선 → 명암비 감소
- a > 0 : 기울이가 1보다 큰 직선 → 명암비 증가
alpha = 1.0 dst = cv.convertScaleAbs(src, alpha=1+alpha, beta=-128*alpha) -
밝고 어두운 기준 : 영상의 평균 밝기
- 평균 밝기보다 밝으면 밝게
- 평균 밝기보다 어두우면 어둡게
#05-3. 히스토그램 분석
히스토그램 구하기
-
히스토그램
- 영상의 픽셀 값 분포를 그래프 형태로 표현한 것
- 그레이스케일 : 막대 그래프 형태로 표현 (0~255)
- 컬러 영상 : 3개 색상 성분 조합에 따른 픽셀 개수 계산
-
bin
- 히스토그램 그래프의 가로축 (bin의 개수 = 8)
- 그레이스케일 영상의 경우 : 256개의 빈을 가짐
- 빈 개수를 픽셀 값 범위보다 작게 설정도 가능
- 빈의 개수 많으면 : 세밀한 형태
- 빈의 개수 적으면 : 대략적인 형태
OpenCV에서 영상의 히스토그램 구하기
- calcHist()
- 여러 장의 영상도 도출 가능 → list 형태로 전달
- 여러 채널로부터도 가능
- 빈 개수 조절 가능
- uniform : 빈의 간격 균등한지 (true)
- accumulate : 누적 플래스 (false)
- 반환 : CV_32FC1 타입을 갖는 256*1크기의 행렬
- calcHist(images, nimages, channels, mask, hist, dims, histSize, ranges, uniform = true, accumulate = false)
- images : 입력 영상의 배열
- nimages : 입력 영상 개수
- channels : 히스토그램을 구할 채널을 나타내는 정수형 배열
- mask : mask 영상
- dims : 히스토그램 차원 수
- histSize : 각 차원의 히스토그램 빈 개수를 나타내는 배열
- ranges : 각 차원의 히스토그램 범위
- uniform : 히스토그램 빈 가격이 균등한지 여부 ⭐️
- accumulate : 누적 플래그 ⭐️
- python 예시
channels = [0] histSize = [256] histRange = [0, 256] hist = cv.calcHist([img], channels, None, histSize, histRange)- 이미지 한 장이어도 list 형태로 전달
- multi channel인 경우도 있으니 channel도 list 형태로
- calcGrayHist()
- 내부에서 OpenCV 함수 calcHist() 이용
- 그레이스케일 영상의 히스토그램 표현하는 행렬 hist 반환
- 결과 hist : 256 * 1 행렬 → 막대그래프 형태로 나타내기 : getGrayHistImage() 높이 100픽셀인 히스토그램 그래프 반환
- 흰색으로 초기화된 256*100 크기의 영상 imgHist 생성
def getGrayHistImage(hist): _, histMax, _, _ = cv.minMaxLoc(hist) #최댓값 추출 imgHist = np.ones((100, 256), np.uint8) * 255 #흰색배경 준비 for x in range(imgHist.shape[1]): pt1 = (x, 100) pt2 = (x, 100 - int(hist[x, 0] * 100 / histMax)) cv.line(imgHist, pt1, pt2, 0) return imgHist hist_img = getGrayHistImage(hist) cv.imshow('histogram', hist_img) - 카메라맨 영상의 히스토그램을 화면에 출력
Mat src = imread("camera.bmp", IMREAD_GRAYSCALE); Mat hist = calcGrayHist(src); Mat hist_img = getGrayHistImage(hist); imshow("src", src); imshow("srcHist", hist_img);
히스토그램 분석
-
영상의 밝기와 명암비를 가늠할 수 있는 유용한 도구로 사용
히스토그램 스트레칭
-
그레이스케일 전 구간에 걸쳐서 나타나도록 변경하는 선형 변환 기법
→ G : 입력 영상 픽셀 값 중 가장 큰/작은 그레이스케일 값
-
명암비 높아짐
-
원본 영상의 분포 : Gmin ~ Gmax
Gmin → 0, Gmax → 255 변환 : 양방향으로 늘리기
-
변환함수
-
(Gmin, 0), (Gmax, 255) 지나는 직선의 방정식
-
직선의 기울기 : 255 / (Gmax - Gmin)
-
Y절편 : -255(Gmax - Gmin)
→ OpenCV에서 따로 제공 X
-
-
minMaxLoc()으로 직접 구현
gmin, gmax, _, _ = cv.minMaxLoc(src) dst = cv.convertScaleAbs(src, alpha=255.0/(gmax-gmin), beta=-gmin/(gmax-gmin)*255) cv.imshow('dstHist', getGrayHistImage(calcGrayHist(dst)))def histogram_Stretching(): src = cv2.imread('jnary.bmp', cv2.IMREAD_GRAYSCALE) gmin, gmax, _, _ = cv2.minMaxLoc(src) dst = cv2.convertScaleAbs(src, alpha=255.0/(gmax-gmin), beta=-gmin*255.0/(gmax-gmin)) #포화연산까지 진행하는 함수 cv2.imshow('src', src) cv2.imshow('srcHist', getGrayHistImage(calcGrayHist(src))) cv2.imshow('dst', dst) cv2.imshow('dstHist', getGrayHistImage(calcGrayHist(dst))) cv2.waitKey() cv2.destroyAllWindows()
히스토그램 평활화
-
Histogram Equalization(균등화, 평탄화)
- 그레이스케일 전체 영역에서 골고루 나타나도록 변경하는 알고리즘의 하나
- 특정 그레이스케일 값에서 픽셀 분포가 많이 뭉쳐있는 경우 → 이를 넓게 펼쳐주는 방식
-
평활화 계산
-
h(g) : 그레이스케일값이 g인 픽셀 개수
-
H(g) : 누적함수(픽셀값 변환 함수)
-
누적함수의 최댓값이 255가 되도록 정규화
→ 찾고자하는구간까지의픽셀개수/전체픽셀개수 (0~1)
-
Lmax : 영상이 가질 수 있는 최대 밝기 값 (그레이스케일 Lmax = 255)
-
round() : 반올림 함수 → 정수값으로
-
-
equalizeHist(src, dst)
-
그레이스케일 영상만 입력으로 받음
-
3채널로 구성된 컬러영상 입력 시 → ERROR
def histogram_equalization(): src = cv2.imread('jnary.bmp', cv2.IMREAD_GRAYSCALE) ... dst = cv2.equalizeHist(src) cv2.imshow('dstHist', getHistImage(calcGrayHist(dst)))
-
숭실대학교 컴퓨터학부 21