폴크(FOLC)

이미지(또는 볼륨)에서 선형/관 구조(line-/tube-like structure)를 강조하는 필터로, 핵심은 각 픽셀에서 Hessian 행렬(2차 미분)의 고유값을 보고 한 축으로는 휘도 변화가 강하고(굵직함) 직교 축으로는 변화가 약한(가늘게 길게) 패턴을 높은 점수를 준다. 목적: 이미지에서 길쭉한 선형 패턴 검출적용 분야: 혈관 영상 분석, 스크래치/크랙 검출, 섬유 패턴 분석 등핵심 아이디어:- 픽셀 주변의 Hessian 행렬(2차 미분) 분석- 고유값 패턴으로 선형성 판단- 다양한 **스케일(σ)**에서 선 구조 탐색 장점- 선형 구조에 특화, 노이즈 강인- 다양한 굵기 대응 가능 (멀티스케일)한계- 교차/분기부 반응 약함- 극성 혼합 시 두 번 계산 필요- σ 범위와 파라미터에 따라 성능 ..

영상에서 에지(edge)나 코너(corner) 같은 **특징(feature)**을 밝기(intensity) 값에 의존하지 않고 검출하는 방법입니다.이는 인간 시각 시스템(HVS, Human Visual System)이 위상(phase) 정보를 통해 형태와 구조를 인식픽셀의 절대 밝기 변화가 아니라 위상이 일치하는 정도를 측정합니다. 즉, 조명 변화나 콘트라스트 변화에 강건하며, 동일한 구조를 다양한 밝기 조건에서도 안정적으로 검출 2. 기본 원리이미지를 주파수 영역(특히 다중 스케일 및 다중 방향)으로 변환했을 때, 각 주파수 성분은 **진폭(amplitude)**과 위상(phase) 정보에지나 코너 부근에서는 여러 주파수 성분의 위상이 같은 위치에서 최대값 3. 장점1. 조명 변화 불변성 — 밝기나 ..

Band-pass Filter (대역통과 필터)특정 주파수 범위만 통과시키고, 그 이외의 저주파와 고주파는 차단합니다.예: 515Hz만 통과 → 05Hz, 15Hz~ 이상은 제거용도특정 이벤트나 센서가 생성하는 주파수만 추출하고 싶을 때잡음이 저역 또는 고역에 집중되어 있을 때 Notch Filter (대역저지 필터)특정 좁은 주파수 대역만 제거하고 나머지는 통과시킵니다.예: 60Hz 전력 노이즈 제거 (Line frequency)용도주기적이고 명확한 간섭 신호(기계 진동, 전력 간섭 등) 제거신호 구조를 최대한 유지하면서 잡음만 제거하고자 할 때 예제#include #include #include const double PI = 3.14159265358979323846; // 간단한 IIR 2차 ..

Wiener Filter- 노이즈를 억제하면서 신호를 왜곡 없이 보존하는 것이 목표.- 선형 필터 중 평균 제곱 오차(Mean Square Error, MSE)를 최소화함.동작 방식- 입력 x[n]=s[n]+n[n] (신호 + 잡음)- 출력 y[n]는 다음 조건을 만족하도록 설계:- 주파수 영역에서의 형태 (1D 버전):S(f) : 신호 파워 스펙트럼N(f) : 노이즈 파워 스펙트럼 간단한 1D Wiener Filter 구현 로직핵심 공식 (시간영역 근사)μ : 로컬 윈도우 평균σ2 : 로컬 신호 분산ν2 : 노이즈 추정 분산 (전역 평균 또는 사전 정보) 예제#include #include #include #include #include // 평균 계산 함수 double mean(const s..

Bayesian Edge Detection for 1D Signal은 확률 기반의 접근법을 사용하여 신호 내 변화점(에지)을 탐지하는 알고리즘입니다. 신호에 포함된 노이즈를 통계적으로 고려하면서 에지를 더 정밀하게 검출할 수 있다는 장점이 있습니다. Bayesian Edge Detection- 에지는 신호의 통계적 특성이 바뀌는 지점으로 간주됩니다.- 신호의 각 세그먼트는 고유한 분포(예: 정규 분포)를 갖는다고 가정합니다.- 주어진 신호의 구간을 두 개의 구간으로 나누었을 때,= 이 구간들이 각각 서로 다른 분포에서 나왔을 확률이 높은 위치가 에지로 판단됩니다.= 이 확률을 계산하기 위해 Bayes Rule과 **사후 확률(posteriors)**을 사용합니다. 알고리즘 수행 순서1. 입력 신호를 반복..

# 디지털 이미지 처리 # 이미지의 상태 정보에서 특별한 정보를 생성한다. > contour 를 통해 특별한 정보를 추출한다. # 이미지 처리 - OpenCV 4.5.3 으로 테스트 # 이미지의 상태 정보에서 특별한 영역을 추출 > srcImage : 입력, contours : 결과, hierarchy : 결과 요소 # 이미지에서 윤곽선을 찾아낸다. > RetrievalModes mode = RetrievalModes.CComp; > ContourApproximationModes method = ContourApproximationModes.ApproxNone; > Point offset = new Point(); > Point[][] contours = null; > HierarchyIndex[] hi..

# 디지털 이미지 처리 # 이미지의 상태 정보에서 특별한 정보를 생성한다. > contour 를 통해 특별한 정보를 추출한다. # 이미지 처리 - OpenCV 4.5.3 으로 테스트 # 이미지의 상태 정보에서 특별한 영역을 추출 > srcImage : 입력, contours : 결과, hierarchy : 결과 요소 # 이미지에서 윤곽선을 찾아낸다. > cv::Mat hierarchy; > int mode = cv::RETR_CCOMP, method = cv::CHAIN_APPROX_NONE; > cv::Point offset = cv::Point(); > vector contours; > cv::findContours(srcImage, contours, hierarchy, mode, method, of..