Maxima's Lab

오늘은 이미지 내 연결 성분들에 대해서 Labelling를 하는 방법인 Connected Component Labelling에 대해서 알아보겠습니다. 해당 알고리즘을 적용하기 위해 Scipy 내 ndimage 패키지의 gaussian_filter() 함수와 label() 함수를 사용합니다. from scipy.ndimage import gaussian_filter() from scipy.ndimage import label() 위의 함수들을 이용해서 하단의 Original Image에 대해 Connected Component Labelling 알고리즘을 적용합합니다. 위의 Original Image 내 총 6개의 서로 다른 도형들이 존재하며, 2개의 사각형들은 연결되어 있는 것을 확인할 수 있습니다. C..

안녕하세요, 오늘은 Edge Detection을 하는 방법 중 Sobel Filter를 활용하는 방법에 대해서 알아보겠습니다. 이미지 처리를 하는데 있어서 Edge Detection을 하는 것은 매우 중요한 알고리즘입니다. 이미지에서의 Edge(엣지)는 반사율, 조명, 방향 등이 변함에 따라 발생하게 됩니다. 이러한 Edge를 검출하기 위해 Sobel Filter (소벨 필터)를 사용해보겠습니다. 소벨 필터를 적용하기 위한 방법은 다음과 같습니다. Opencv 내 cv2.Sobel() 함수 사용 직접 Sobel Filter 생성 & Opencv 내 cv2.filter2D() 함수 사용 다음의 Original Image를 Sobel Filter를 사용해서 Edge를 검출하는 코드에 대한 예시입니다. imp..

안녕하세요, 오늘은 Numpy (넘파이)의 expand_dims, append, stack 함수에 대해서 알아보겠습니다. ▶ expand_dims() : Array (배열)의 shape (형태)를 확장시키는 함수 random.randint() 함수를 이용하여 size = (100, 64, 64) 이고 0 이상 256 미만의 임의의 값을 원소로 갖는 배열을 생성하여, 해당 배열에 expand_dims() 함수를 적용해보겠습니다. import numpy as np array_a = np.random.randint(0, 256, (100, 64, 64)) print(array_a.shape) array_a_axis_0 = np.expand_dims(array_a, axis=0) print(array_a_axi..

안녕하세요, 오늘은 Numpy (넘파이)의 "ndarray" 에 대하여 알아보겠습니다. 여기 ndarray는 N-dimensional array (즉, N차원 배열)를 의미합니다. 먼저, 다음과 같이 예시를 들어보겠습니다. ▶ 1차원 배열 및 다차원 배열의 예시 1차원 배열의 예시 import numpy as np array_a = np.array([1, 2, 3]) print(type(array_a)) print(array_a.ndim) Output : 1 위의 결과와 같이 type() 함수를 통해 numpy.ndarray 라는 것을 확인하였고, .ndim을 통해 배열 차원의 수를 확인하였습니다. 조금 더 차원의 수가 많은 경우는 다음과 같습니다. 다차원 배열의 예시 import numpy as np ..