-
탐색(1)
-
문서(2)
- E/W
- D
- I
- R
- P
- N
- K
- B
-
계정(3)
- G
-
바뀐글(4)
-
도움말(5)
FrontPage › 닭집 › 프로그래밍심리학 › 11_The_Windows_Thread_Pool › 14_Exploring_Virtual_Memory › BoxFilter
filtering 을 보다가 ![[http]](/andwiki/imgs/http.png)
Tech-Algorithm.com 에서 Box Filtering 에 대해 쓴 재미있는 블로깅이 있어서 간단 번역해 올립니다. 더 재미있는 것인 필자가 예제 이미지로 리니지2 를 썼다는 점. .png ":)")
box filtering 이나 convolution 에 대해 개념이 거의 없는 상태에서 쓴 글이라 이상한 부분이 있으면 얘기해주세요. 감사합니다.
Tech-Algorithm.com 에서 Box Filtering 에 대해 쓴 재미있는 블로깅이 있어서 간단 번역해 올립니다. 더 재미있는 것인 필자가 예제 이미지로 리니지2 를 썼다는 점. box filtering 이나 convolution 에 대해 개념이 거의 없는 상태에서 쓴 글이라 이상한 부분이 있으면 얘기해주세요. 감사합니다.Box filtering
tech-algorithm.com
tech-algorithm.com
box filtering 은 근본적으로 주변 픽셀값의 평균을 얻는 방식의 이미지 필터링이다. 사실상 이미지 필터링을 위해 흔히 쓰는 수학 연산으로 된 convolution filter 이기도 하다. convolution filter 는 두 개의 배열을 곱해서 제 3의 배열을 만들어낸다. box filtering 에서는 이미지 샘플과 filter kernel 를 곱해서 필터링된 결과값을 얻는다. filter kernel 이란 실제로 어떻게 필터링 할지를 정의하는 일종의 명세라고 할 수 있다. box filtering 의 좋은 점은 적당한 filter kernel 만 제공한다면 쉽게 sharpen, emboss, edge-detect, smooth, motion-blur 같은 이미지 필터를 작성할 수 있다는 점이다.
이만하면 소개는 충분한 듯하니, box filtering 과 filter kernel 이 얼마나 끝내주는지 살펴보자. 앞에서 filter kernel 이 filter 타입을 정의한다고 했는데, 뭘 어떻게 한다는 걸까? 한 픽셀보다는 큰 네모난 유리를 kernel 이라고 생각하고 이를 이미지 위로 쭉 훑어지나간다고 상상해 보자. 이때 kernel 은 계속해서 유리를 통해서 보이는 픽셀들의 평균값을 계산한다.
filter kernel 의 최소 표준 크기는 위 그림에서 보는 것처럼 3 x 3 이다. filter kernel 은 샘플 이미지 안에 들어가야 한다는 규칙 때문에, 이미지의 테두리에는 filtering 을 적용할 수가 없다. 물론 좀 신경쓰면 테두리도 처리할 수 있지만 지금은 먼저 기본적인 기능부터 돌아가게 만들어 보자. 서론이 길었다. 당장 구현 코드를 살펴보자!
public int[] BoxFiltering(
int[] pixels,int width, int height, float[] kernel) {
int[] temp = new int[width*height] ;
float denominator = 0.0f ;
float red, green, blue ;
int ired, igreen, iblue, indexOffset, rgb ;
int[] indices = {
-(width + 1), -width, -(width - 1),
-1, 0, +1,
width - 1, width, width + 1
} ;
for (int i=0;i<kernel.length;i++)
denominator += kernel[i] ;
if (denominator==0.0f) denominator = 1.0f ;
for (int i=1;i<height-1;i++) {
for (int j=1;j<width-1;j++) {
red = green = blue = 0.0f ;
indexOffset = (i*width)+j ;
for (int k=0;k<kernel.length;k++) {
rgb = pixels[indexOffset+indices[k]] ;
red += ((rgb & 0xff0000)>>16)*kernel[k] ;
green += ((rgb & 0xff00)>>8)*kernel[k] ;
blue += (rgb & 0xff)*kernel[k] ;
}
ired = (int)(red / denominator) ;
igreen = (int)(green / denominator) ;
iblue = (int)(blue / denominator) ;
if (ired>0xff) ired = 0xff ;
else if (ired<0) ired = 0 ;
if (igreen>0xff) igreen = 0xff ;
else if (igreen<0) igreen = 0 ;
if (iblue>0xff) iblue = 0xff ;
else if (iblue<0) iblue = 0 ;
temp[indexOffset] = 0xff000000 | ((ired<<16) & 0xff0000) |
((igreen<<8) & 0xff00) | (iblue & 0xff) ;
}
}
return temp ;
}
자바 코드 설명
인자로 넘어온 pixels 배열에는 전체 너비 * 높이 pixel 값이 들어있다. kernel 인자는 크기가 9인 배열이다. 즉, 이 코드에서는 kernel 의 크기를 3*3 으로 가정한다. 또한 각 pixel 은 ARGB(alpha, red, green, blue) 형식이라고 가정한다. alpha 는 투명도 값이라 여기에서는 건드리지 않는다. indices 배열은 주변 픽셀을 찾기 좋도록 만든 테이블이다. denominator(분모) 는 인자로 넘어온 kernel 배열값의 합으로 나중에 filter kernel 에서 평균을 계산할 때 사용한다.
여러 다른 kernel 을 썼을 때 결과가 어떻게 달라지는지 이미지로 확인해 보자. 샘플 이미지는 리니지2 이다.
Original unfiltered image.
Smoothing (평활화)
Sharpening
Raised
Motion-blur (Blurring 을 몽롱화라고 번역하기도 하는군요)
Edge detection
