[Computer Vision/OpenCV] 2. Image Resolution

 

 

1. Image Quality

이미지의 질은 어떤 부분에서 결정될까?

먼저, 이미지의 대비가 선명하고, 디테일해야 한다.

두번째로는, Splatial Resolution과 Intensity Quantization이 높은 수준으로 되어야 한다.

 

아래 예시를 통해서 이해해 보자

 

맨위의 사진은 원본 사진이다.

 

아래 왼쪽사진부터 살펴보자. 이 사진의 질이 좋지 않은 이유는 Spatial Resolution에 있다.

아래 오른쪽 사진을 보자. 이 사진의 질이 좋지 않은 이유는 Intensity Quantization에 있다.

지금부터 Spatial Resolution과 Quantization에 대해서 이해해 보자.

2. Spatial Resolution

Spatial Resolution은 영상에서 두 점 사이의 최소거리를 측정할 수 있는 능력이다. 즉, 주어진 영상에서 두개의 인접한 물체 사이를 구별하는 최소각/간격을 말한다.

공간 해상도는 픽셀의 크기, spatial quantization, 렌즈의 초점거리, 카메라와 광학시스템에 따라 달라질 수 있다.

 

공간 해상도가 높은 수록 더 작은 물체를 더 잘 구별할 수 있게 된다.

 

공간 해상도가 높다 = 한 픽셀이 작은 영역을 나타냄 = 같은 면적의 영상을 표현하는 픽셀의 수가 많아짐 = 작은 물체도 더 선명하게 구별가능해짐

공간 해상도가 낮다 = 한 픽셀이 더 큰 영역을 나타낸다 = 같은 면적의 영상을 표현하는 픽셀의 수가 작아짐 = 물체 간의 경계가 흐릿해진다.

 

Spatial Resolution 줄여보기

직접 lena 이미지를 사용해 이미지의 spatial resolution을 줄여보자.

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

Mat downSpatialResolution(Mat input_img) {

    Mat img = input_img.clone();

    // Down Sampling (1/4) 
    // 다운 샘플링 하며 16개 픽셀 중 15개의 픽셀이 사라진다.
    // 512x512 -> 128x128
    resize(img, img, Size(img.cols / 4, img.rows / 4));

    // Up Sampling (4)
    // 다시 사라졌던 15개의 픽셀은 남아있던 1개 픽셀의 값으로 채워진다
    // 128x128 -> 512x512
    resize(img, img, Size(img.cols * 4, img.rows * 4));

    return img;
}

int main() {
    //이미지 파일 읽어온다
    Mat img = imread("lena.jpg",IMREAD_COLOR);
    if (img.empty()) {
        std::cout << "Could not open or find the image" << std::endl;
        return -1;
    }
    //공간 해상도를 줄인다.
    Mat img_2 = downSpatialResolution(img);

    Mat combined;
    hconcat(img, img_2, combined);

    // 합친 이미지를 표시
    imshow("Comparison: Original vs Processed", combined);

    waitKey(0);

    return 0;
}

 

3. Intensity Quantization

앞선 포스팅에서 살펴본 바에 의하면 우리는 빛의 강도를 0-255(8 bit)의 값으로 quantization하여 사용하고 있다.

이것을 더 작은 크기로 양자화 한다면, 우리는 색을 디테일하게 표현할 수 없다. 

 

기존에 8bit로 표현하던 intensity를 2bit으로 양자화 한다고 생각하자.

이렇게 될 경우 기존 8bit로 0-63의 값에 해당하는 값은 2bit에서는 모두 일괄적으로 0으로 양자화 되게된다. 이것이 intensity quantization에 따라 이미지의 색이 단순해지는 결과를 낳는다

위의 열기구 이미지는 8bit가 아닌 3bit으로 intensity를 양자화 했기 때문에 색을 구분하기 어렵게 된 것이다.

 

Intensity Quantization 줄여보기

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

Mat downIntensityQuantization(Mat input_img) {
	Mat img = input_img.clone();
	img.convertTo(img, CV_8U);

	for (int c = 0; c < img.channels(); c++) {
		Mat channel;
		extractChannel(img, channel, c);  // 채널 추출

		// Down Sampling (1/64) 
		// 0~255 -> 0,1,2,3(2bit) 
		channel = channel / 64;

		// Up Sampling (64)
		// 0,1,2,3 -> 0,64,128,192 
		channel = cv::min(channel * 64, 255);

		// 채널 다시 img에 합침
		insertChannel(channel, img, c);
	}

	img.convertTo(img, input_img.type()); //원래 타입으로 변환
	return img;
}

int main() {
	//이미지 파일 읽어온다
	Mat img = imread("lena.jpg", IMREAD_COLOR);
	if (img.empty()) {
		std::cout << "Could not open or find the image" << std::endl;
		return -1;
	}

	Mat img_2 = downIntensityQuantization(img);

	Mat combined;
	hconcat(img, img_2, combined);

	// 합친 이미지를 표시
	imshow("Comparison: Original vs Processed", combined);

	waitKey(0);

	return 0;
}