구글에드센스


Anisotropic Diffusion (비등방확산필터, 이등방확산필터) by Skai



안녕하세요!

오래간만에 포스팅을 합니다.

오늘 포스팅할내용은 Anisotropic Diffusion (이등방확산필터) 입니다.


이 필터는 1990년에 발표된 논문입니다.

Pietro Perona 와 Jitendra Malik 의 공저로서 
" Scale-Space and Edge Detection Using Anisotropic Diffusion" 라는 논문을 발표 했습니다.
우선 비등방확산(이등방확산)이라는것이 무엇이냐?

>>자세한것은 위키를 참조하세요

공간 내에서 어느 방향으로나 같은 확률을 가지고 움직이는 자유로운 브라운 운동과 같이 
 방향으로 동일한 확률의 값을 가지는 경우를 등방성 확산(isotropic diffusion) 이라고 합니다.
우리가 흔히 알고 있으며, 대중적으로 사용하는 가우시안 혹은 평균필터가 이곳에 속합니다.

일정하게 방향으로만  분자들이 움직이는 경우를 비등방성 확산(anisotropic diffusion)이라고 합니다.
물리학에서 열전도의 현상에 대한 해석을 목적으로 만들어진 필터입니다.
즉, 현재의 Pixel을 기준으로 각방향마다 수식이 다르지만, 방향에 따라 수식이 정해져 있어서 비등방이라는 말을 사용합니다.

이 필터는 영상에서 Edge내부는 " 아마도 같은 영역일 것이다. " 라는 전제에서 시작됩니다.
때문에 반복에 의한 필터를 진행합니다.
모든 반복된 필터들의 문제가 그러하듯, 연산시간의 문제가 존재합니다. 

하지만, 해당필터는 현재 발표된 대다수의 논문들중에서 

	Edge를 보존하고 내부의 잡음을 없애는데 최고는 아니지만 최선의 평가를 받고 있는 필터입니다.

물론 각각의 영상처리 분야에 따라 활용도나 성능의 편차는 존재하겠지만, 현재까지의 평가는 그렇습니다.

이 알고리즘에 대해 좀더 쉽게 설명드리자면, 

	나를 기준으로 4방향(동,서,남,북)의 Edge Gradient를 구합니다.
	각각의 방향에서 사용자가 입력한 정규화상수를 이용해 정규화 시킵니다.
	그리고 그 합과 사용자가 입력한 가중치(여기서는 Lamda라 합니다)를 더해 출력을 해줍니다.

	이해하기 쉽도록 대중적인 필터의 기능에 대한 영상을 첨부합니다.

보시게 되면 다른필터보다 edge의 강도가 살아 있으면서 잡음이 제거된 것을 확인할수 있습니다.

개인적으로 몇몇 프로젝트에서 사용중이고 나름 성능에 만족하고 있습니다.

물론... 속도는 해결해야 하는 문제입니다. ㅋ

이것으로 오늘의 포스팅을 마치겠습니다.!




덧글

댓글 입력 영역