04. 평활화, 색공간, CLAHE, 정규화

1. 균등화, 평탄화(Equalization)

- 히스토그램을 활용하여 이미지의 품질을 개선하기 위한 방법
- 화소값을 0 ~ 255555 사이에 고루게 분표하도록 개선

 

◼ 평활화

cv2. equalizeHist(영상)

 

◼ 히스토그램 계산

cv2. clacHist( images , channels , mask , histSize , ranges )

images: 히스토그램을 계산할 이미지 목록입니다. 여기서는 img와 dst 두 이미지의 히스토그램을 계산하기 위해 두 번 호출하고 있습니다. channels: 히스토그램을 계산할 채널 목록입니다. [0]은 그레이스케일 이미지의 경우 채널 0을 의미합니다. 만약 컬러 이미지라면 [0], [1], [2]을 사용하여 B, G, R 채널별로 히스토그램을 계산할 수 있습니다. mask: 이미지의 특정 영역에 대해 히스토그램을 계산할 때 사용할 마스크입니다. 여기서는 None으로 설정되어 있어 전체 이미지에 대해 히스토그램을 계산합니다. histSize: 히스토그램 빈(bin)의 개수를 나타냅니다. [256]은 256개의 빈을 사용하겠다는 의미입니다. 즉, 각 픽셀 값(0~255)에 대해 히스토그램을 계산합니다. ranges: 픽셀 값의 범위를 나타냅니다. [0, 255]는 픽셀 값이 0에서 255 사이임을 의미합니다.

히스토그램을 사용하여 두 이미지 간의 유사성을 비교하거나 이미지의 특성을 분석할 수 있습니다. 예를 들어, 히스토그램 비교를 통해 두 이미지가 얼마나 비슷한지 알 수 있으며, 특정 영역의 히스토그램을 분석하여 이미지의 특정 부분의 특징을 파악할 수 있습니다.

 

 

◼ 예제1 : 흑백 이미지 히스토그램 평활화 적용

import cv2         import matplotlib.pyplot as plt                 img = cv2.imread('./Hawkes.jpg', cv2.IMREAD_GRAYSCALE)         dst = cv2.equalizeHist(img)                 cv2.imshow('img', img)         cv2.imshow('dst', dst)         cv2.waitKey()

 

 

 

◼ 화질차이

import cv2         import matplotlib.pyplot as plt         img = cv2.imread('./Hawkes.jpg', cv2.IMREAD_GRAYSCALE)         dst = cv2.equalizeHist(img)         hist1 = cv2.calcHist([img], [0], None, [256], [0, 255])         hist2 = cv2.calcHist([dst], [0], None, [256], [0, 255])         cv2.imshow('img', img)         cv2.imshow('dst', dst)         cv2.waitKey()         hists = {'hist1': hist1, 'hist2': hist2}         plt.figure(figsize=(12, 8))         for i, (k, v) in enumerate(hists.items()):             plt.subplot(1, 2, i+1)             plt.title(k)             plt.plot(v)         plt.show()

 

2. 색공간

 

 

YCbCr

- 색공간을 밝기 정보로 표현하는 방식 - Y: 밝기 정보 - YCbCr을 줄여서 YCC라고 부르기도 함

HCV

- 색을 표현한는 방법이자 색을 배치하는 방식 - H(색상 / 빨강녹색파랑), S (채도 / 선명도), V(명도 / 빛의 밝기)의 좌표를 써서 특정한 색을 지정

 

 

◼ BGR 이미지를 YCrCb 색공간으로 변환,
Y (밝기) 채널에 히스토그램 평활화를 적용한 후
다시 BGR 색공간으로 변환

import cv2                       img = cv2.imread('./field.bmp')                       ycrcb = []           # YCrCb 채널 병합           dst = cv2.cvtColor(img, cv2.COLOR_BGR2YCrCb)           ycrcb = cv2.split(dst)           ycrcb = list(ycrcb)           print(ycrcb)           # Y 채널에 히스토그램 평활화 적용           ycrcb[0] = cv2.equalizeHist(ycrcb[0])           # YCrCb 채널 병합           dst = cv2.merge(ycrcb)           # 다시 BGR 색공간으로 변환           dst = cv2.cvtColor(dst, cv2.COLOR_YCrCb2BGR)                         cv2.imshow('img', img)             cv2.imshow('dst', dst)             cv2.waitKey()

 

 

◼ 슬라이싱과 인덱싱을 이용하는 방법

# 문제         # split(), merge()를 사용하지 않고 슬라이싱과 인덱싱을 이용하여 위 예제와 동일하게 결과영상 만들기         dst = cv2.cvtColor(img, cv2.COLOR_BGR2YCrCb)         dst[: , :, 0] = cv2.equalizeHist(dst[:,:,0])         dst = cv2.cvtColor(dst, cv2.COLOR_YCrCb2BGR)         cv2.imshow('img', img)         cv2.imshow('dst', dst)         cv2.waitKey()

 

3. CLAHE 
(Contrast Limited Adaptive Histogram Equlization)

- 평탄화를 하면 이미지의 밝은 부분이 날라가는 현상을 보정하기 위해 사용 
- 이미지의 일정한 영역으로 나누어 평탄화를 적용 

 

◼ CLAHE 객체를 생성

z xxcc                  변수 = cv2.createCLAHE(대비, 영영크기)           변수.apply(영상)

 

 

◼ YCrCb 색 공간으로 변환하고,
밝기(Y) 채널에 히스토그램 평활화(equalizeHist)와 CLAHE를 각각 적용한 후,
다시 BGR 색 공간으로 변환하여 결과

import cv2         img = cv2.imread('./field.bmp')         dst = cv2.cvtColor(img, cv2.COLOR_BGR2YCrCb)         # 히스토그램 평활화를 위한 이미지 복사         img_eq = dst.copy()         # CLAHE를 위한 이미지 복사         img_clahe = dst.copy()         img_eq[:, :, 0] = cv2.equalizeHist(img_eq[:, :, 0]) # 평활화         img_eq = cv2.cvtColor(img_eq, cv2.COLOR_YCrCb2BGR) # 원상태         # CLAHE 객체 생성 (대비 제한과 타일 그리드 크기 설정)         clahe = cv2.createCLAHE(clipLimit = 4, tileGridSize=(4, 4))         img_clahe[: ,:, 0] = clahe.apply(img_clahe[:, :, 0]) # CLAHE 적용         img_clahe = cv2.cvtColor(img_clahe, cv2.COLOR_YCrCb2BGR) # 원상태         cv2.imshow('img', img)         cv2.imshow('img_eq', img_eq)         cv2.imshow('img_clahe', img_clahe)         cv2.waitKey()

 

 

4. 정규화(Normalization)

특정영역에 값이 물어 있는 경우 화질을 개선하고, 이미지 간의 연산 시 서로 조건이 다른 경우 같은 조건으로 변경

 

◼ 정규화 알고리즘

cv2.normalize(정규화 이전 영상, 정규화 이후 영상, 정규화 구간1, 정규화 구간2, 정규화 알고리즘)            cv2.NORM_MINMAX: 정구화 구간1 ~ 정규화 구간2            cv2.NROM_L1: 전체 합으로 나눔            cv2.NORM_L2: 단위 백터로 정규화            cv2.NORM_INF: 최대값으로 나눔

매개변수 정규화 이전 영상: 입력 이미지 또는 배열입니다. 정규화 이후 영상: 출력 이미지 또는 배열입니다. 입력 이미지와 같은 크기와 타입이어야 합니다. 정규화 구간1: 정규화된 값의 최소값입니다. 정규화 구간2: 정규화된 값의 최대값입니다. 정규화 알고리즘: 정규화에 사용할 방법을 지정합니다. 정규화 알고리즘 cv2.NORM_MINMAX: 설명: 이 방법은 입력 이미지의 최소값을 정규화 구간1에, 최대값을 정규화 구간2에 맵핑하여 모든 값을 이 범위로 스케일링합니다. 사용 예: cv2.normalize(src, dst, 0, 255, cv2.NORM_MINMAX) cv2.NORM_L1: 설명: 이 방법은 입력 이미지의 모든 픽셀 값을 더한 값으로 각 픽셀 값을 나눕니다. 이 결과로 모든 픽셀 값의 합이 1이 되도록 정규화됩니다. 사용 예: cv2.normalize(src, dst, alpha, beta, cv2.NORM_L1) cv2.NORM_L2: 설명: 이 방법은 단위 벡터로 정규화하는 방법으로, 각 픽셀 값을 모든 픽셀 값의 제곱 합의 제곱근으로 나눕니다. 이 결과로 모든 픽셀 값의 제곱 합이 1이 되도록 정규화됩니다. 사용 예: cv2.normalize(src, dst, alpha, beta, cv2.NORM_L2) cv2.NORM_INF: 설명: 이 방법은 입력 이미지의 최대값으로 모든 픽셀 값을 나눕니다. 이 결과로 가장 큰 픽셀 값이 1이 되도록 정규화됩니다. 사용 예: cv2.normalize(src, dst, alpha, beta, cv2.NORM_INF)

 

◼ 예제 : 이미지를 정규화하고, 정규화된 이미지들과 그 히스토그램을 비교하여 시각화

import cv2             import numpy as np             import matplotlib.pyplot as plt                         img = cv2.imread('./Hawkes.jpg', cv2.IMREAD_GRAYSCALE)                         img_norm1 = img.astype(np.float32)             img_norm1 = ((img_norm1 - img_norm1.min()) * 255 / (img_norm1.max() - img_norm1.min()))             img_norm1 = img_norm1.astype(np.uint8)                         img_norm2 = cv2.normalize(img, None, 0, 255, cv2.NORM_MINMAX)                         hist = cv2.calcHist([img], [0], None, [256], [0, 255])             hist_norm1 = cv2.calcHist([img_norm1], [0], None, [256], [0, 255])             hist_norm2 = cv2.calcHist([img_norm2], [0], None, [256], [0, 255])                         cv2.imshow('img', img)             cv2.imshow('img_norm1', img_norm1)             cv2.imshow('img_norm2', img_norm2)                         hist = {'hist': hist, 'hist_norm1': hist_norm1, 'hist_norm2': hist_norm2}                         for i, (k, v) in enumerate(hist.items()):                 plt.subplot(1, 3, i+1)                 plt.title(k)                 plt.plot(v)             plt.show()             cv2.waitKey()