lectures/image processing

created : 2020-04-07T11:37:08+00:00
modified : 2020-06-27T06:23:41+00:00
lecture image processing

PCA (Principal Components Analysis)

Eigenvalues and Eigenvectors

Covariance matrix

Face Recognition

  1. obtain face images I_1, … , I_m (training faces) (very important : the face images must be centered and of the same size)
  2. represent every I_i as a vector Gamma_i
  3. compute the average face vector Psi :

    \[\Psi = {1 \over M } \sum_{i=1}^M \Gamma_i\]
  4. subtract the mean face

    \[\Phi_i = \Gamma_i - \Psi\]
  5. compute the covariance matrix C

    \[C = {1 \over M} \sum_{n=1}^M \Phi_n\Phi_n^T\]

    요점 정리 - 영상처리란? : 그림을 다루는 학문 이미 획득되었거나 만들어진 영상을 조작 - 영상처리 알고리즘 분류 방법

    • 포인트 처리 : 화소의 원래 값이나 위치에 기반한 화소값을 변경한다.
    • 영역처리 : 화소의 원래 값과 이웃하는 화소의 값을 기반으로 하여 화소값을 변경한다. (ex. 유채화 효과)
    • 기하학적 처리 : 화소들의 위치나 배열을 변화시킨다.
    • 프레임 처리 : 두개 이상의 영상들에 대한 연산을 기반으로 화소값을 생성한다. - 영상 획득 : 영상들은 숫자들의 2차원 배열로 컴퓨터에 저장된다. - 포인트 처리 : 화소값에 의하여 수행. Look-up table을 이용하여 쉽게 구현
    • 산술 연산 : pixel에 일정한 값을 더하거나 빼거나 곱하거나 나누는 연산
    • Brightness : + → 밝기가 밝아진다. (단순 이동), * → 밝기 대비가 커진다.(명암 대비 증가)