영상 열화 모델(Image degradation model) 공간 영역에서 영상 f(x,y)와 공간필터 h(x,y)를 회선 처리하면 열화가 된 어ᄄᅠᆫ 형태의 영상도 만들 수 있다. 열화가 된 영상에 대해서 아래와 같이 표현한다. g(x,y) = f(x,y)*h(x,y) 기호 *는 회선 연산을 의미한다. 잡음 n까지 고려한다면 랜덤(random) 오차를 n(x,y)로 표현하여 식을 아래와 같이 표현할 수 있다. g(x,y) = f(x,y)*h(x,y)+n(x,y) 동일한 영상을 주파수 영역에서도 진행할 수 있다. 푸리에 변환의 선형성 때문에 회선 연산은 곱하기 연산으로 치환, 더하기 연산은 변하지 않고 아래 식으로 표현한다. G(i,j) = F(i,j)*H(i,j)+N(i,j) F, H, N은 f, h,..
1) 연습문제 3 zero-interleaved matrix 함수 구현 교재에 머리 부분 배열을 알려준다. 그리고 문제에서 명령어의 순서를 사용해야 하기 때문에, resize를 이용해서는 진행하지 않았다. 세 가지 필터 정의 ① Nearest ② Bilinear ③ Bicubic 교재는 zero-interleaved를 보여줬지만, 대신에 원본을 확대해보았다. Nearest - aliasing 생성된 느낌이 든다. Bilinear - aliasing이 생성되었다가 부드러워진 느낌이 든다. Bicubic - 너무 흐려져서 Blur 처리된 느낌이 든다. 원본을 확대한 것은 Bilinear와 Nearest의 사이지만 Bilinear와 유사한 느낌이다. 2) 연습문제 5 2배는 많고 8배는 큰 거 같아서 적당히 ..
1) 연습문제 1의 c, d, e, f 연습문제 1의 9X9 배열과 a~h 마스크이다. 이 중 c~f 마스크만 손으로 계산해봤다. 2) 연습문제 2의 c, d, e, f 연습문제 1의 9X9 배열 x, c~f 마스크 선언 연습문제 1의 c~f 마스크를 x에다가 적용(필터링)해보자. - mask c 적용 - mask d 적용 - mask e 적용 - mask f 적용 연습문제 1의 손으로 작성한 것과 결과가 같다. 3) 연습문제 4 – 필터(마스크)를 사용하여 공간 필터링을 수행해도 원 영상과 결과 동일 영상이 나타나는 필터를 설계 – 연습문제 1의 행렬을 사용하여 설계한 필터로 필터링한 결과를 제시 1. 중앙부 값이랑 동일 값으로 반환하면 공간 필터링을 수행해도 원본 영상과 값이 같다. 3X3에서 중앙값..
2. 변환 적용 (RMSE = 23654.49999171906) 2.1 알고리즘을 위한 데이터 준비 및 변환 1~3 적용 우선 훈련할 데이터프레임을 준비한다. In [135]: housing = strat_test_set.copy() 여기서 변환 1처럼 housing에 'median_house_value'에서 이상치를 제거한다. In [136]: Outlier_line = [112500, 137500, 187500, 225000, 275000, 350000, 450000, 500001] for i in Outlier_line : housing = housing[housing.median_house_value != i] 2.1.1 데이터 정제(결측값 제거 or 평균값 적용) In [137]: sample_..
