코딩뚠뚠

이전 포스팅에서 히스토그램 분석에 대해 알아봤다. 이제는 영상의 히스토그램을 파악하고 영상의 히스토그램을 전 구간에 골고루 나타나게 변환하는 방법에 대해 알아본다. 1. 히스토그램 스트레칭 영상의 히스토그램이 그레이스케일 전 구간에서 골고루 나타나도록 변경하는 선형 변환기법이다. 히스토그램을 잡아 늘여서 전 구간에 히스토그램이 나타나도록 변환한다. -> 전체적으로 포진하게 되면 명암비가 높아지게 된다. 2. 히스토그램 평활화 히스토그램 스트레칭이 선형으로 늘여줬다면 히스토그램 평활화는 히스토그램의 누적분포 특성에 의해서 변경시킨다. 이또한 명암비를 맞추기 위한 방법이다. 방법은 다음과같다. 새로운 히스토그램 값 = N[이전 히스토그램값] *255 (N : 정규화된 누적 히스토그램) - 누적 히스토그램이란..

히스토그램 : 영상의 특징을 분석하는 방법 중 하나이다. 영상 내에서 각 그레이스케일 값에 해당하는 픽셀의 개수를 함수의 형태로 나타낸 것이다. 입력과 출력 : 그래프에서 x축의 가장 왼쪽은 그레이스케일 0에 해당하고 오른쪽은 255에 해당한다. 이 영상에서는 검정색 부분이 가장 많은 것을 알 수 있다. 활용 : 히스토그램 분석을 통해 명암비와 밝기를 조절할 수 있을것이다. 밝은 영상의 경우 히스토그램이 오른쪽으로 치우쳐져 있을 것이고 어두운 영상은 반대일 것이다. 명암비가 낮다면 히스토그램이 일정 구역에 몰려서 나타나며 명암비가 높다면 골고루 퍼져있을 것이다. 이후 포스팅에서 히스토그램 평활화를 알아보자

요즘은 딥러닝으로 화질향상을 노리지만 이의 기초가 되는 것은 고전 영상처리 알고리즘에서의 화질향상 기법이다. - waifu2x 같은 사이트에서 딥러닝으로 사진의 화질을 향상시키는 서비스를 제공한다. 용도에 따라서는 밝기와 명암비를 조절하는 것도 화질을 향상시킬 수 있겠지만 감마보정에서부터 시작하려고 한다. 핵심 : 감마보정은 비선형이다. 255가 최대값이면 128은 이의 절반의 밝기를 나타내야 할 것이다. 하지만 그렇지 않다. 비선형 전달함수를 사용해서 빛의 강도를 비선형적으로 변형하기 때문이다. (감마 보정이라고 널리 쓰이나 감마 부호화라는 표현이 더 적절하다고 한다.) 목적 : 인간 시각의 비선형성에 맞춰 정보를 부호화 인간 시각은 그 어떤 카메라보다 명암차이를 매우 잘 구별하고, 색상, 해상도 차이..

머신러닝 입문자들의 필수코스라고 할 수 있는 앤드류 응 님의 강의를 번역해놓은 아래 브런치를 참고하여 공부하고 핵심내용만 정리해보고자 한다. 원문 출처 : brunch.co.kr/@linecard/446 앤드류 응의 머신러닝 (2-5) : 경사 하강법 온라인 강의 플랫폼 코세라의 창립자인 앤드류 응 (Andrew Ng) 교수는 인공지능 업계의 거장입니다. 그가 스탠퍼드 대학에서 머신 러닝 입문자에게 한 강의를 그대로 코세라 온라인 강의 (Coursera.org brunch.co.kr 지난 포스팅까지 비용함수 J에 대해 알아봤다. 글 마지막에 비용함수 J를 최소화 하기 위해서는 Optimization을 해야한다고 했다. Cost를 최소화 하는 방법 = Optimization (최적화) => 경사하강법이 그..

머신러닝 입문자들의 필수코스라고 할 수 있는 앤드류 응 님의 강의를 번역해놓은 아래 브런치를 참고하여 공부하고 핵심내용만 정리해보고자 한다. 원문 출처 : brunch.co.kr/@linecard/445 앤드류 응의 머신러닝 (2-3): 비용 함수의 이해 1 온라인 강의 플랫폼 코세라의 창립자인 앤드류 응 (Andrew Ng) 교수는 인공지능 업계의 거장입니다. 그가 스탠퍼드 대학에서 머신 러닝 입문자에게 한 강의를 그대로 코세라 온라인 강의 (Coursera.org brunch.co.kr 비용함수의 역할에 대해 더 깊이 알아보자 이전 포스팅에서의 비용함수는 파라미터를 하나 가지고 있었고 이의 비용함수는 이차함수 모양이였다. 하지만 비용함수가 두개의 파라미터를 가진 J(θ0,θ1)이라면? J(θ0,θ1)..

데이터 처리모델인 동기와 비동기 이다. 동기 : Synchronous 비동기 : Asynchronous 동기방식이란 : - 작업을 실행했을 때 그 작업이 끝났다는 반환값을 받은 후에야 다음 작업을 실행하는 방식 - 끝났다는 반환값이 오지 않는다면 계속 기다린다. 장점 : 설계가 간단하고 직관적이다. 단점 : 결과가 반환되기 전까지 계속 대기해야 된다. 비동기방식이란 : - 두 작업이 동시에 들어왔을 경우 작업을 실행하고 요청이 반환되는동안 다른 작업 수행 가능 - 꼭 한가지의 작업이 끝나지 않아도 다른 작업을 실행할 수 있다 장점 : 결과 반환동안 다른작업을 수행할 수 있어 효율적 단점 : 설계가 복잡하고 논증적이다.

CPU 스케줄러란 다중 프로그램 OS의 기본으로 여러 프로세스들이 CPU를 교환하며 사용하기 위해 필요한 스케줄러이다. 스케줄링 대상은 Ready Queue에 있는 프로세스들이다. 이에 대한 이해는 이전 포스팅을 참고 dbstndi6316.tistory.com/176?category=957343 [OS 공부] 스케줄러 스케줄러란 프로세스들은 자신이 죽을때까지 수많은 큐들을 돌아다닌다. OS는 이 큐 안에 있는 프로세스 중에 하나를 선택해야 한다. 이런일을 스케줄러가 하는 것이다. 즉,프로세스들 중에 무 dbstndi6316.tistory.com 스케줄링이 일어나는 시점 - Running -> Waiting (I/O, 자식프로세스종료) - Running -> Terminate (부모프로세스 종료) - Ru..

머신러닝 입문자들의 필수코스라고 할 수 있는 앤드류 응 님의 강의를 번역해놓은 아래 브런치를 참고하여 공부하고 핵심내용만 정리해보고자 한다. 원문 출처 : brunch.co.kr/@linecard/444 앤드류 응의 머신러닝 (2-3): 비용 함수의 이해 1 온라인 강의 플랫폼 코세라의 창립자인 앤드류 응 (Andrew Ng) 교수는 인공지능 업계의 거장입니다. 그가 스탠퍼드 대학에서 머신 러닝 입문자에게 한 강의를 그대로 코세라 온라인 강의 (Coursera.org brunch.co.kr 비용함수의 이해 이전 포스팅에서의 가설함수를 더 잘 이해하기 위해서 간소화된 가설 함수를 사용한다. 간소화 된 가설함수는 아래와 같다. 비용 함수를 구해보자. 목표는 J(θ1)의 최소값이다. 위의 가설함수에 따라 θ0..