[OPENCV-C++ ] sigma를 활용한 gaussian filter

오른쪽 그래프의 t=sigma sigma가 작아질수록 중앙 픽셀의 가중치를 높게 가져감. sigma가 높아질 수록 외곽 픽셀의 가중치를 높게 가져감

 

 

 

 

 

#pragma once

#include "ISP.h"

int main()
{
	std::string fileName = "../thirdparty/opencv_480/sources/samples/data/lena.jpg";
	cv::Mat src_gray = cv::imread(fileName, cv::ImreadModes::IMREAD_GRAYSCALE);

	cv::Mat src_gray_gaussian = src_gray.clone();
	src_gray_gaussian = 0;
	
	const float PI = 3.14159265;
	float sigma = 0.4;



	float gaussian[25] = {0,};	//mask의 영역 별 곱해줄 값들
	int filter_sz = 5;
	int half_kernelSize = filter_sz / 2; // filter size가 3이면 (-1,0)  (0,0)  (1,0) 로 filter를 잡으려고 half_kernelSize를 준거

	int index = 0;
	//gaussian filter 생성
	for (int y = -half_kernelSize; y <= half_kernelSize; y++)
	{
		for (int x = -half_kernelSize; x <= half_kernelSize; x++)
		{
			index = (y+2) * filter_sz + (x+2);
			gaussian[index] =  ((exp((-1 * (x * x + y * y))/(2*sigma*sigma) )) / (2 * PI * sigma * sigma));//gaussian filter 식에 맞게 filter에 넣어줌
		}
	}



	
	//	(-1,1)  (0,1)  (1,1)
	for (size_t row = half_kernelSize; row < src_gray.rows - half_kernelSize; row++)//위 아래 1픽셀씩은 filter size고려해서 제외하고 블러링(1~row~510)
	{
		for (size_t col = half_kernelSize; col < src_gray.cols - half_kernelSize; col++)// 좌 우 1픽셀씩은 filter size고려해서 제외하고 블러링(1~col~510)
		{
			//1pixel이 정해졌고 해당 pixel 주위에 값들을 filter값에 맞게 곱해준 후 더해 평균을 계산하는 filter 적용부
			int sum = 0;
			for (int f_row = -half_kernelSize; f_row <= half_kernelSize; f_row++)//-1~f_row~1까지 
			{
				for (int f_col = -half_kernelSize; f_col <= half_kernelSize; f_col++)//-1~f_col~1까지
				{
					int index = (row + f_row) * src_gray.cols + (col + f_col);//filter의 -1 0 1 에 맞춰 index을 변경해주고
					int f_index = (f_row + half_kernelSize) * filter_sz + (f_col + half_kernelSize);//index가 음수 일 수 없으니, -1~1사이의 index를 0~8까지의 값으로 변환
					sum += src_gray.data[index] * gaussian[f_index];//해당 픽셀 주위의 값들을 filter에 맞게 곱해주고 더해줌. 근처 3x3만큼 다 더해줌
				}
			}
			int index = (row)*src_gray.cols + (col);

			src_gray_gaussian.data[index] = cv::saturate_cast<uchar>(sum);//filter를 거친 값들을 uchar로 변환해서 src_gray_blur에 넣어준다.
		}
	}

	
	//copy col+1 to col, col[1]->col[0], left
	for (size_t row = 0; row < src_gray_gaussian.rows; row++)//y값0~511
	{
		//왼쪽 테두리 제거 
		int index_0 = row * src_gray_gaussian.cols + 0;//row*512 + 0
		int index_1 = row * src_gray_gaussian.cols + 1;//row*512 + 1
		int index_2 = row * src_gray_gaussian.cols + 2;//row*512 + 2
		src_gray_gaussian.data[index_1] = src_gray_gaussian.data[index_2];// 왼쪽 (1,row)<-(2,row)
		src_gray_gaussian.data[index_0] = src_gray_gaussian.data[index_1];// 왼쪽 (0,row)<-(1,row)
		//오른쪽 테두리 제거
		index_0 = row * src_gray_gaussian.cols + (src_gray_gaussian.cols - 1);//row*512 + 511
		index_1 = row * src_gray_gaussian.cols + (src_gray_gaussian.cols - 2);//row*512 + 510
		index_2 = row * src_gray_gaussian.cols + (src_gray_gaussian.cols - 3);//row*512 + 509
		src_gray_gaussian.data[index_1] = src_gray_gaussian.data[index_2];// 오른쪽 (510,row) <- (509,row)
		src_gray_gaussian.data[index_0] = src_gray_gaussian.data[index_1];// 오른쪽 (511,row) <- (510,row)
	}
	//copy col to col+1, col[98]->col[99], right
	for (size_t col = 0; col < src_gray_gaussian.cols; col++)//x값 0~511
	{
		//윗 테두리 제거
		int index_0 = (0) * src_gray_gaussian.cols + col;//col
		int index_1 = (1) * src_gray_gaussian.cols + col;//col+512
		int index_2 = (2) * src_gray_gaussian.cols + col;//col+512*2

		src_gray_gaussian.data[index_1] = src_gray_gaussian.data[index_2];//위 (col,1)<-(col,2)
		src_gray_gaussian.data[index_0] = src_gray_gaussian.data[index_1];//위 (col,0)<-(col,1)

		//아랫 테두리 제거
		index_0 = (src_gray_gaussian.rows - 1) * src_gray_gaussian.cols + col;//최하단 픽셀+col
		index_1 = (src_gray_gaussian.rows - 2) * src_gray_gaussian.cols + col;//최하단 바로 윗 픽셀+col
		index_2 = (src_gray_gaussian.rows - 3) * src_gray_gaussian.cols + col;//최하단 바로 윗윗 픽셀+col
		src_gray_gaussian.data[index_1] = src_gray_gaussian.data[index_2];//아래 (col,510)<-(col,509)
		src_gray_gaussian.data[index_0] = src_gray_gaussian.data[index_1];//아래 (col,511)<-(col,510)
	}
	

	return 1;
}

 

 

sigma=2

 

 

 

 

 

 

 

sigma=4가 되면 거의 안보임

 

 

sigma=0.4일 때 255임계 값을 넘어버린 값들이 터져서 2,3과 같은 값이 되어버린다.

 

이 때 아래처럼 static cast를 cv:: saturate_cast로 바꿔주게 되면 

 

 

 

 

 

 

sigma=0.4이고, cv::saturate_cast를 해주었을 때