이미지 처리-2 이미지 필터 처리

1. blur, gaussianblur

import cv2
import matplotlib.pyplot as plt 
import numpy as np
image_path ='../picture/car.jpg'

image = cv2.imread(image_path,0)

blurred_1 = np.hstack([
    cv2.blur(image,(3,3)),
    cv2.blur(image,(9,9)),
    cv2.blur(image,(11,11)),
])

plt.imshow(blurred_1,'gray')
plt.show()

커널을 늘려가며 블러처리한 것을 회색 이미지로 표현하여 hstack으로 쌓아준다.

gaussian_blurred_1 = np.hstack([
    cv2.GaussianBlur(image, (1,1),1),
    cv2.GaussianBlur(image, (9,9),2),
    cv2.GaussianBlur(image, (15,15),50),
])

plt.imshow(gaussian_blurred_1,'gray')
plt.show()

cv2.GaussianBlur 함수로 가우시안 블러처리한 것을 회색 이미지로 표현하여 hstack으로 쌓아준다.

2. filter2d, transform

image_rgb =cv2.imread(image_path)
image_rgb = cv2.cvtColor(image_rgb, cv2.COLOR_BGR2RGB)

filter = np.array([[-1,-1,-1],[-1,9,-1],[-1,-1,-1]])

sharpen_img = cv2.filter2D(image_rgb, -1 ,filter)

plt.imshow(sharpen_img)
plt.show()

이미지 선명화를 하기 위해 cv2.filter2D 함수를 사용하였으며 샤프닝 필터의 어레이는 대표적으로 두가지가 존재한다.

([[-1,-1,-1],[-1,9,-1],[-1,-1,-1]]), ([[0,-1,0],[-1,5,-1],[0,-1,0]) 이렇게 두가지의 배열을 사용하여 이미지를 날카롭게 만든다.

filter = np.array([[0.3, 0.5, 0.3],[0.1,0.7,0.1],[0.3, 0.5,0.3]])
image = cv2.imread(image_path,1)

sepia_img = cv2.transform(image, filter)

plt.imshow(sepia_img)
plt.show()

배열의 값을 잘 조정하여 원하는 세피아 느낌의 이미지를 연출할 수 있다. 

filter = np.array([[-1,-1,0],[-1,0,1],[0,1,1]])
emboss_img = cv2.filter2D(image, -1, filter)
emboss_img = emboss_img +128

plt.imshow(emboss_img)
plt.show()

엠보싱 필터는 이미지의 윤곽을 얻을 수 있는 필터로 ([[-1,-1,0],[-1,0,1],[0,1,1]])의 배열을 지닌다. 엠보싱 효과를 더 확실히 보기 위해서 픽셀 값에 128을 더해준다.  

3. threshold, dilate, erode, morpholodyEx

_, mask = cv2.threshold(image , 70, 400, cv2.THRESH_BINARY_INV)

kernel = np.ones((3,3), np.uint8)

dilation = cv2.dilate(mask, kernel, iterations=3)

image_list = np.hstack([
    image,
    mask,
    dilation
])

plt.imshow(image_list)
plt.show()

cv2.threshold 함수의 THRESH_BINARY_INV 인자는 값이 70보다 크면 400으로 할당하고 작으면 0으로 처리한다. 따라서 색상을 이진화할 수 있다. 

 

cv2.dilate 함수는 이미지를 팽창시키는 함수로 팽창연산은 흰색 물체의 외곽 픽셀에 흰색을 추가하는 것이다. 원본 이미지와 함수를 실행한 함수들은 hstack으로 쌓아 비교한다. uint8은 부호없는 정수형을 의미하며 0에서 255까지의 범위이다.

erosion = cv2.erode(mask,kernel)
opening= cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)
closing= cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel)

image_list= np.hstack([
    erosion,
    opening,
    closing
])
plt.imshow(image_list)
plt.show()

cv2.erode 함수는 이미지를 침식연산하는 함수로 침식연산은 흰색 물체의 외곽 픽셀에 검은색을 추가한다.

 

cv2.morphologyEX의 MORPH_OPEN 함수는 이미지의 흰색을 제거하는 역할을 한다. 이 과정에서 erode -> dilate 연산을 거친다.

 

cv2.morphologyEX의 MORPH_CLOSE 함수는 이미지의 검은 색을 메우는 역할을 한다. 이 과정에서 dilate-> erode 연산을 거친다.

mg= cv2.morphologyEx(mask, cv2.MORPH_GRADIENT, kernel)
th= cv2.morphologyEx(mask, cv2.MORPH_TOPHAT, kernel)

image_list= np.hstack([
    image,
    mg,
    th
])
plt.imshow(image_list)
plt.show()

cv2.morphologyEX의 MORPH_GRADIENT 함수는 이미지의 엣지를 검출하며 이 과정에서 dilate - erode 연산을 거친다.

 

cv2.morphologyEX의 MORPH_TOPHAT함수는 밝기 값이 크게 튀는 영역을 강조한다. 반대로 BLACKHAT 연산은 어두운 부분을 강조할 수 있다. 각각 원본 - OPEN, CLOSE- 원본 연산과정을 거친다.