히스토그램

cv2.calcHist(images, channels, mask, histSize, ranges, hist=None, accumulate=None)
- images: 히스토그램을 구할 입력영상 리스트
- channels: 히스토그램을 구할 채널 리스트
- mask: 마스크 영상. 영상전체일 경우 None지정
- histSize: 히스토그램 각 채널의 bin의 개수 리스트
- ranges: 히스토그램 각 채널의 최솟값과 최대값 리스트

밝기 조절하기(brightness)

영상을 전체적으로 밝게 또는 어둡게 만드는 연산 (덧셈)
밝기 조절 수식
- 원본좌표(x,y) + n
- n이 양수면 각 좌표의 픽셀값이 커지므로 밝아진다.
- n이 음수이면 각 좌표의 픽셀값이 작아지므로 어두워 진다.
cv2.add(src1, src2)
- 밝기 조절이나 두 영상을 합치기에 사용할 수 있다.
- src1: 첫번째 영상 또는 스칼라
- src2: 두번째 영상 또는 스칼라
- src2를 src1에 더한다.
pixel에 스칼라 값을 더하거나 빼면 0 ~ 255의 범위를 넘어설 수 있다. ndarray의 type은 uint8(unsigned int8) 로 0 ~ 255범위를 넘어가는 숫자는 순환되어 버린다.
- 계산결과가 0이하가 되면 255로 부터 작아지게 되고 255가 넘어가면 0으로 가서 커지게 된다.
- 그래서 cv2.add() 함수는 값이 순환되지 않도록 0이하의 값은 0으로 255이상의 값은 255가 되도록 처리한다. 이것을 saturate연산이라고 한다.

밝은 부분과 어두분 부분 사이의 밝기의 정도 차이
- 영상이 전체적으로 밝은 픽셀들로만 구성되거나 어두운 픽셀들로만 구성되면 명암비가 낮다고 표현한다.
- 영상에 밝은 영역과 어두운 역역이 골고루 섞여있으면 명암비가 높다고 표현한다.
명암비가 낮으면 객체간의 구분이 되지 않아 흐릿한 느낌이 나고 명암비가 높으면 선명한 느낌이 든다.
명암비를 변환하는 함수공식 $g(x, y)=f(x,y)+(f(x,y)-128) \alpha\\ ==\\ (1+\alpha)f(x, y)-\alpha 128$
$g$는 결과 image
$f$는 원본 image
$x$: x좌표
$y$: y좌표
$\alpha$: 대비를 조절하는 값.
- 0: 원본과 동일
- 음수: 명암비를 낮춘다.
- 양수: 명암비를 높인다.

채도: 색의 선명도를 말한다.
채도를 변환할 때는 HSV color 타입으로 변환한 뒤 S의 값을 바꾼다.
- HSV : 색상(Hue), 채도(Saturation), 명도(Value)

영상을 흐릿/부드럽게 만드는 작업.
픽셀간의 값의 차이를 줄여서 날카로운 엣지가 무뎌지고 영상에 있는 Noise(잡음)이 사라지도록 하는 효과가 있다.
엣지(Edge): 물체간의 경계부분으로 contrast(대비)가 크다.

주변 픽셀의 평균값을 합성곱하여 적용한다.
보통 3 x 3이나 5 x 5 필터를 많이 쓰며 필터의 크기가 커질수록 더 흐릿하게 변환된다.
영상이 뭉게져 세밀한 부분이 잘 안보이는 단점이 있다.
cv2.blur(src, ksize)
- src: blur 처리할 입력영상
- ksize: 필터의 크기. (width, height) 튜플로 지정
blurring 결과 예시
- blurring 전
- blurring 후

대상 픽셀(Anchor)와 가까운 픽셀은 큰 가중치 멀리있는 픽셀은 작은 가중치를 사용해서 평균(가중평균)을 계산해서 필터링 한다.
- Gaussian 분포(정규분포)의 확률밀도 함수를 사용해 필터에 들어갈 값들을 계산하여 대상픽셀을 기준으로 멀어질 수록 작은 값이 곱해지도록 한다.
- 평균은 0으로 하고 표준편차를 조정하여 흐림의 정도를 조절한다. 표준편차 값을 크게할 수록 흐려진다.
- Filter의 shape은 $(8\sigma + 1,\;8\sigma + 1)$ 나 $(6\sigma + 1,\;6\sigma + 1)$ 으로 정해진다. $\sigma: 표준편차$
Gaussian Blurring은 blur효과 뿐아니라 노이즈제거에도 많이 사용된다.
cv2.GaussianBlur(src, ksize, sigmaX, sigmaY)
- src: blur를 적용할 영상.
- ksize: 커널크기. (0,0)으로 지정하면 sigma 값에 의해 결정된다. (보통 0,0 으로 설정)
- sigamX: X축방향 sigma(표준편차) 값
- sigamY: Y축방향 sigma(표준편차) 값. 생략하면 sigmaX와 같은 값 사용

Blurring의 반대로 흐린영상을 선명한 영상으로 만드는 작업.
이미지의 엣지(edge-사물의 윤곽부분)의 대비를 크게 만들어 준다.
- 이미지 전체를 다 선명하게 하는 게 아니라 윤곽(edge)만 선명하게 만들어 명암비(contrast)를 크게해 선명하게 보이게 한다.
Unsharp mask(언샤프 마스크) 필터링
- Unsharp한 영상을 이용해 Sharp한 영상을 만든다고 해서 Unsharp mask filtering 이라고 한다.
- 원본 이미지에서 blurring 한 이미지를 뺀다음 그것을 원본이미지에 다시 더한다. $h(x) = f(x)+\alpha(f(x)-\bar{f}(x))\\ f(x): 원본\;이미지\\ \bar{f}(x):\;원본\;이미지를\;blurring한\;이미지\\ \alpha: shappening\,정도\,조절값$
제공 함수는 없고 위 공식을 구현한다.