블러(blur) 필터는 고주파 요소를 제거한다(ref1,ref2). 필터가 크고 표준편차가 큰 블러 필터일수록 더 넓은 고주파 대역을 제거한다. 그렇다면 하나의 영상을 다양한 세기의 블러 필터로 필터링한 결과물들은 어떻게 해석할 수 있고, 이들을 서로서로 빼 준 결과를 어떻게 해석할 수 있을까?
블러링 강도가 다른 블러 필터 A, B, C를 가 있다. 블러링 강도는 A가 가장 약하고, C가 가장 크다고 해 보자. 이때 가장 약한 필터 A가 주파수가 8~10인 신호를 필터링한다. 필터 B는 주파수 5~10인 신호들을 필터링한다. 필터 C는 주파수 2~10인 신호들을 필터링한다.
영상 | 표기 | 필터링된 주파수 (최대10) | 남아있는 주파수 |
원본 영상 | |||
필터 A를 이용해 필터링한 영상 | 8~10 | 0~8 | |
필터 B를 이용해 필터링한 영상 | 5~10 | 0~5 | |
필터 C를 이용해 필터링한 영상 | 2~10 | 0~2 |
필터 A를 이용해 필터링한 영상()은 매우 높은 주파수 대역만 삭제되고 주파수 대역 0~8이 남아 있는 영상이다. 필터 B를 이용해 필터링한 영상()은 조금 더 넓은 주파수 대역이 삭제되고 주파수 대역 0~5가 남아 있는 영상이다. 필터 C를 이용해 필터링한 영상()는 매우 많은 주파수 대역이 삭제되고 주파수 대역 0~2가 남아 있는 영상이다.
그렇다면 의미적으로 이렇게 생각해볼 수 있다. 두 영상의 차인 에는 주파수 5~8이 남아있지 않을까. 마찬가지로 에는 주파수 2~5가 남아있지 않을까. 에는 주파수 2~8이 남아있지 않을까(ref3).
이렇게 다른 강도의 가우시안 필터를 적용한 영상의 차를 이용해 특정 주파수를 찾아내는 방법을 DoG(
Difference of Gaussian)이라고 한다(ref4). SIFT와 같은 알고리즘에서는 이렇게 얻은 특정 주파수 대역의 영상으로부터 특징점을 뽑아낸다.
Difference of Gaussian)이라고 한다(ref4). SIFT와 같은 알고리즘에서는 이렇게 얻은 특정 주파수 대역의 영상으로부터 특징점을 뽑아낸다.parse me : 언젠가 이 글에 쓰이면 좋을 것 같은 재료을 보관해 두는 영역입니다.
1.
None
from : 과거의 어떤 원자적 생각이 이 생각을 만들었는지 연결하고 설명합니다.
1.
•
이미지 매칭을 위해서는 특징점을 찾고, 설명하는 작업이 선행되어야 한다. DoG는 특징점을 찾아내는 알고리즘 중 하나다.
supplementary : 어떤 새로운 생각이 이 문서에 작성된 생각을 뒷받침하는지 연결합니다.
1.
opposite : 어떤 새로운 생각이 이 문서에 작성된 생각과 대조되는지 연결합니다.
1.
None
to : 이 문서에 작성된 생각이 어떤 생각으로 발전되거나 이어지는지를 작성하는 영역입니다.
1.
ref : 생각에 참고한 자료입니다.