안녕

가우시안 필터는 이미지의 전체적인 구조를 떨어뜨리지 않고, 유지하면서 스케일을 크게하는 효과를 가지고 있다. 즉 샘플링에 따른 이미지 정보의 손실을 최소화 하면서, 해당 스케일에서의 이미지 구조를 잘 보존하고 있다. 지금까지 알려진 필터 중에는 가우시안 필터가 유일하다고 한다. 아래는 가우시안 필터를 적용했을 때, 250, : 픽셀들을 그래프로 나타낸 코드이다. import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread('Lenna.png', cv2.IMREAD_GRAYSCALE) img = cv2.resize(img, (500, 700)) fig, ax = plt.subplots(2, 3, figsize = (9, 9))..

코드가 다소 부정확 할 수 있습니다. import cv2 import numpy as np def gaussian_distribution(sigma = 1) -> np.array: x, y = np.meshgrid(np.arange(-4, 5), np.arange(-4, 5)) z = np.exp(-((np.square(x) / (2 * np.square(sigma)) + (np.square(y) / (2 * np.square(sigma)))))) / (2 * np.pi * sigma * sigma) z = np.sum(z, axis = 1) / 2 return z img = cv2.imread('Lenna.png', cv2.IMREAD_GRAYSCALE) img = cv2.resize(img, (500..

코드가 궁금하다면 댓글을 남겨주세요. import numpy as np import cv2 img = cv2.imread('test4.jpg', cv2.IMREAD_GRAYSCALE) img = cv2.resize(img, (400, 600)) new_x = np.zeros(img.shape) new_y = np.zeros(img.shape) img = np.pad(img, (1, 1), 'constant', constant_values = 0) mask_x = np.array([[-1, 0, 1], [-2, 0, 2], [-1, 0, 1]]) mask_y = np.array([[1, 2, 1], [0, 0, 0], [-1, -2, -1]]) for i in range(1, img.shape[0] - m..

앞의 글을 읽으시면 이해에 도움이 됩니다. 2022.09.22 - [Computer Science/Computer Vision] - [CV] 빛의 속성 (Properties of Light) [CV] 빛의 속성 (Properties of Light) 1. What is Light?, Light Field EMR (Electromagnetic radiation)은 공간의 길을 따라 이동합니다. 이때 \(\lambda\)를 알고 있으면 R(\(\lambda\))를 통해 power을 알 수 있다고 합니다. 아무튼 여기서 나오는.. hi-guten-tag.tistory.com 1. Camera Structure 카메라의 구조와 용어에 대해 간략하게 알아보겠습니다. 카메라는 사람의 눈을 그대로 재현했다고 할 수 ..

1. What is Light?, Light Field EMR (Electromagnetic radiation)은 공간의 길을 따라 이동합니다. 이때 \(\lambda\)를 알고 있으면 R(\(\lambda\))를 통해 power을 알 수 있다고 합니다. 아무튼 여기서 나오는 함수 하나가 있는데 Plenoptic Function입니다. Plenoptic Function은 공간 상의 한 점을 통과하는 빛의 세기 정보를 표현하기 위해서, 빛이 통과되는 3차원의 위치, 각도, 빛의 파장, 시간 등의 변수를 필요로 합니다. \(p = R(X, Y, Z, \theta, \phi, \lambda, t)\) 이런 수식으로 나타납니다. X, Y, Z는 공간상의 3차원의 위치이고, \(\theta, \phi\)는 빛의 ..

시작 ~ 중간고사 전까지 끝내는게 내 목표

1. Sigmoid 함수 sigmoid 함수는 다음과 같습니다. \(y = \frac{1}{1 + exp(-x)}\) 이때 sigmoid 함수를 계산 그래프로 표현하면 아래의 사진과 같습니다. 숝 sigmoid에는 +, * 말고 새로운 exp, / 노드가 추가 되었습니다. 이때 주의해야 할 점은 계산 할 때는 국소적 미분으로 계산해야 한다는 점입니다. 해당 노드는 해당 노드의 미분 값만 계산해야 합니다. 1 단계 / 노드, 즉 \(y = \frac{1}{x}\)를 미분하면 다음 식이 됩니다. \(\frac{\partial y}{\partial x} = -\frac{1}{x ^ 2} = -y^2\) 따라서 상류에서 흘러온 값에 \(-y^2\)을 곱해서 하류로 보냅니다. 여기서 주의해야 할 점은 순전파때 사..

1. ReLU 함수 \(y = \left\{\begin{matrix} x \,\, (x > 0) \\ 0 \,\, (x\leq 0) \end{matrix}\right.\) 이므로 x에 대한 y의 미분은 다음과 같습니다. \(\frac{\partial y}{\partial x} = \left\{\begin{matrix} 1 \,\, (x > 0) \\ 0 \,\, (x\leq 0) \end{matrix}\right.\) 따라서 순전파 때 입력의 크기인 x가 0보다 크면 역전파는 상류의 값을 그대로 흘려보냅니다. 반면, 순전파 때 x가 0보다 작으면 역전파 때는 하류로 신호를 보내지 않습니다. 2. 구현 class Relu: def __init__(self) -> None: self.mask = None d..

https://bskyvision.com/entry/%EC%8A%A4%ED%8C%8C%EC%8A%A4-%EC%82%AC%EC%A0%84-%ED%95%99%EC%8A%B5sparse-dictionary-learning%EC%9D%98-%EA%B9%8A%EC%9D%B4-%EC%9E%88%EC%9C%BC%EB%A9%B4%EC%84%9C%EB%8F%84-%EC%89%AC%EC%9A%B4-%EC%9D%B4%ED%95%B4 스파스 사전 학습(sparse dictionary learning)의 깊이 있으면서도 쉬운 이해 오늘은 최근에 논문을 보면서 관심이 생긴 스파스 사전 학습(sparse dictionary learning)에 대해 정리하려고 한다. 스파스 사전 학습은 스파스 코딩(sparse coding)이라는 ..

https://m.blog.naver.com/PostView.naver?isHttpsRedirect=true&blogId=gnoses&logNo=150178691245 Overcomplete Overcomplete 이란 말이 여기저기서 들린다. Viola jones face detector 에서 pixel 개수보다 더 많고 중... blog.naver.com