[Open CV] 필터링 _ 잡음제거 _ 양방향 필터

 

가우시안 필터

 - 가우시안 잡음 제거에는 가우시안 필터가 효과적이다.

 

일반 영상에서 노이즈가 생겨서 지글지글하게 나타나는 픽셀값들에 가우시안 필터링을 거치게되면

훨씬 부드러운 영상이 되는것을 볼 수 있다.

하지만 가우시안 Blur 를 심하게하면 엣지들의 날카로운 느낌이 사라져버리는 단점이 있을 수 있다.

 

그래서 위같은 단점을 제거하고 가우시안 Blur의 노이즈제거 효과는 살리기위한 필터를 연구해서

나오게 된 필터가 있다.

 

 - 양방향 필터 ( Bilateral filter )

   에지보전 잡음 제거 필터의 하나이고

   평균 값 필터 또는 가우시안 필터는 에지 부근에서도 픽셀 값을 평탄하게 만드는 단점이 있는데

   이를 기준 픽셀과 이웃 픽셀과의 거리, 그리고 픽셀 값의 차이를 함께 고려하여 블러링 정도를 조절하도록 했다.

 

 

위 수식을 보면 알 수 있는데

2개의 Gaussian 함수가 있는걸 볼 때 입력영상에 2번의 가우시안 필터를 거쳤다고 볼 수 있다. 

 

일단, 일반적인 가우시안 필터링을 모든 부분에서 Blurring 을 진행하기 때문에 모든 부분에 대해서 윤곽선이 사라지고

디테일한 부분이 보이지 않는 아래와같은 결과가 적용된다.

 

하지만 양방향 필터는 입력영상의 Local을 분석하여 에지가 아닌 부분에서만 Blurring 을 진행하는 것을 알 수 있다.

에지부분에 필터를 적용할때 가우시안 함수의 일부분만 가져와서 필터링으로 사용한다는 것을 볼 수 있다.

그래서 양방향 가우시안 필터를 보게되면 비교하고자하는 원본에 위와같은 마스크 부분에서

가장 중앙에있는 픽셀값을 기준으로 비슷한 픽셀값을 가지는 부분은 살리고 기준과 큰 차이가 있는 픽셀값은0으로 채워넣는 과정을 볼 수 있다.

 

 * 두 연산에 차이점이 있다면    일반적인 가우시안 필터링은 똑같은 모양의 필터마스크를 모든 픽셀에 적용하기 때문에 연산이 빠른 편이지만   양방향 가우시안 필터링은 모든 필터에 다른 형태의 마스크를 만들기때문에 연산이 느릴 수 있다.   그래서 속도가 너무 느리다면 Sigma 값을 조절해서 사용해야한다.

 

따라서 양방향 가우시안 필터는 에지는 살리고 나머지 배경들이나 잡음들은 효과적으로 제거할 수 있는 필터로사용할 수 있다.

 

 - cv2.bilateralFilter ( src, d, sigmaColor , sigmaSpace, dst, borderType )

   여기서 d는 필터의 크기를 의미하는데 여기에 음수 -1을 입력하게되면

   sigmaSpace에 의해 크기가 자동결정 되므로 위 인자를 추천한다.

 

 * 엣지를 살리고 노이즈를 제거하기 위해서는 sigmaSpace는 5이하 sigma Color는 10~20 사이의 값을

   넣어주는게 가장 적합하다.

 

   그럼 sigmaSpace는 무엇일까?

   sigmaSpace 가 의미하는 것은 이전에 배웠던 가우시안 필터에서의 sigma 값과 완전히 같은 개념이다.

   

   그럼 sigmaColor는 무엇일까?

   위 양방향 필터가 엣지는 보존을 하고 엣지가 아닌 평탄한 부분에 대해서만 필터를 하는데

   엣지를 찾을때 현재 마스크영역이 엣지인지 아닌지에 대해서 판단하는 기준값이라고 할 수 있다.

   예를들어 10을 입력해주면 기준과 픽셀값이 10보다 작은 값의 픽셀은 나와 같은 픽셀값이라 판단하고

   10보다 많이 큰 픽셀들은 기준과 다른 컬러라고 판단하여 이 부분을 엣지라고 판단하는 것이다.

   ( 10을 인자로 사용해도 정확히 10을 기준으로 엣지를 판단하는게 아니다 )

   따라서 200 , 300 등의 큰 값을 주게되면 일반적인 가우시안 필터와 같은 결과값을 도출하게 된다.

 

 

 

   

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성되었습니다.

https://bit.ly/3L3avNW

패스트캠퍼스 [직장인 실무교육]