OpenCV - 라플라스 필터를 활용한 Edge 검출 및 Blur 영역 탐색

이번 포스팅에서는, 빗방울이나 blur 처리되어 흐릿하게 표현된 부분들의 비율을 계산하는 방법에 대해 포스팅해보겠습니다.
아래와 같이 특정 이미지들에서 일부가 오염되었을 경우, 오염된 부분들을 찾는 방법입니다.

---

흐릿하게 표현된, blur처리된 부분의 특징

blur 처리를 하기 위해 컨볼루트 필터를 쓰다보면, 값들의 평균 등을 이용해서 픽셀 간 차이를 낮추는 과정을 거치는데요. 반대로 생각해보면, 흐릿하게 표현된 부분을 찾을 때는 픽셀 간 차이가 낮은 구간을 탐색하면 됩니다.

픽셀 간 차이가 낮은 구간?

바로 생각나는 것은 Variance, 즉 분산입니다. 박스필터를 convolute 시키면서, 해당 구간의 픽셀 값 간의 분산을 구할 수 있다면, 커널 영역 별로 blur 처리된 부분을 탐색할 수 있다고 판단했습니다.

---

분산은 제곱의 평균에서 평균의 제곱을 빼면 구할 수 있는데요. openCV에서 제곱의 평균 값을 구해주는 필터가 있습니다.
상세 내용은 여기 에서 확인할 수 있습니다.

---

작동 순서

작동 순서는 다음과 같습니다.

1. 그레이스케일로 변환
2. 라플라시안 필터 적용으로 엣지 검출
3. boxFilter 활용, 검출된 엣지에서 각 영역의 분산 계산하여, 특정 기준치 이상이면 흐릿한 부분이라고 판단

상세 코드

라플라시안 필터는 2차 미분을 통해, 픽셀값 간의 기울기와 방향성을 구함으로써 엣지를 탐색하는 방법입니다.
아래 코드 중 사실 분산 식과 다소 맞지 않는 부분들이 있는데... 어차피 스케일링 역할만 하는 부분이라, 결과적으로는 threshold만 조절하면 되는 것 같아서 단순하게 표현했습니다.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39

import cv2 import numpy as np   # 이미지 불러오기 src = cv2.imread("./raindrop.jpg", cv2.IMREAD_COLOR)   # 그레이스케일로 변환 gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)   # 라플라시안 필터 적용 laplacian = cv2.Laplacian(gray, cv2.CV_8U, ksize=5)   # 라플라시안 필터 적용된 이미지에서, 각 값들의 제곱을 구함 dst = cv2.sqrBoxFilter(laplacian, ddepth=-1, ksize=(5,5), normalize=True)   # 분산을 구함 = 제곱의 평균 - 평균의 제곱 z = (dst - (laplacian*laplacian))   # blurred 처리되었다고 판단할 기준값 설정   threshold = 350 z[z<threshold] = 0 z[z>=threshold] = 1   # counting 0 and 1 (0 is blurred, 1 is ok blurred = z[z==0].shape[0] normal = z[z==1].shape[0]   # blurred 처리된 영역의 비율 계산 confidence = normal / (blurred+normal)   print("confidence: " + str(confidence))     cv2.imshow("original", src) cv2.imshow("laplacian", laplacian) cv2.imshow("variance", z) cv2.waitKey() cv2.destroyAllWindows() Colored by Color Scripter

cs

---

결과는 다음과 같습니다. 순서대로 원본 이미지, 라플라스 필터 적용 이미지, blur 영역 찾은 이미지입니다.