Your SlideShare is downloading. ×
0
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
111118 ch 4_basic image manipulation_web
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

111118 ch 4_basic image manipulation_web

1,192

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
1,192
On Slideshare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
6
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide
  • 챕터 1 디지털 컴퍼지팅의 소개
  • 시연 및 오퍼레이터 설명으로 진행
  • 0과 1사이만 표현 할 것을 명시
  • 챕터 1 디지털 컴퍼지팅의 소개
  • 뒤에 설명이 나오지만 G 채널과 B 채널만이 남아있다.
  • 챕터 1 디지털 컴퍼지팅의 소개
  • 챕터 1 디지털 컴퍼지팅의 소개
  • 챕터 1 디지털 컴퍼지팅의 소개
  • 왼쪽의 Gaussian filter(가우시안 필터) 는 이미지가 좀 뭉개졌고, 가운데 sinc filter(싱크 필터) 는 부분부분 constrast(콘트라스트, 대비)가 결과 이미지를 좀 더 선명하게 느끼게 해줄것이다. 오른쪽의 impulse filter 는 단순히 픽셀을 복제한 것이다.
  • Transcript

    • 1. The Art and Science of Digital Compositing 김정근
    • 2. Chapter 4 Basic Image Manipulation
    • 3. Agenda  Terminology  Color Manipulations  Spatial Filters  Geometric Transformations 3
    • 4. Terminology 4 디지털 표현에 대한 이해의 기초 이미지를 수정하는 방법 몇몇 예제는 이미지의 픽셀이 영향을 받는 방법을 그래프로 표현
    • 5. Terminology 5 원본 이미지의 픽셀의 값 Operators가적용된후의픽셀값 Input Pixel Value = Out Pixel Value
    • 6. Terminology 6 Brightness Operator “Brightness 값이 2.0이 되었다” O = I X 2.0
    • 7. Terminology 7 Graph of Brightness 2.0 O = I X 2.0
    • 8. Color Manipulations
    • 9. RGB Multiply 9 RGB Multiply Operator
    • 10. RGB Multiply 10 Graph of the (0.1, 1.25, 1) RGB multiplication
    • 11. RGB Multiply  이전 챕터에서 배운 것과 같이 전체 픽셀을 대신해 채널의 그룹으로 이미지를 수정  Red의 양이 감소하고 Green의 양이 증가했다고 말할 수 있어야 함  각 채널에 어떠한 값을 적용하면 결과는 전반적인 밝기 또는 대비를 수정 11
    • 12. Add 12 Add Operator
    • 13. Add 13 Graph of the Add 0.2 Operation O = I + 0.2
    • 14. Add  Multiply 연산과 달리 검정색이 회색이 됨  0 값은 0으로 유지되지 않음  결과적으로 “Black”이 손실됨 14
    • 15. Gamma Correction 15 Gamma Correction Operator
    • 16. Gamma Correction 16 Graph of a Gamma 1.7 operation
    • 17. Gamma Correction  Gamma Correction은 지수함수를 사용  O = I1/Gamma  O = 01/Gamma = 0  1은 몇 번 곱해도 1  0 또는 1의 값을 가진 픽셀은 변경되지 않음  중간 범위의 값이 가장 많은 영향을 받음  고정 영역의 컬러의 표현을 작업할때 데이터 손실이나 피해가 적음 – Add나 Multiply와 같이 Black이 손상되고 순수한 White가 잘려나가는 등의 문제는 없음 17 예외상황 : X0 = 1 지수의 성질에 의해서 , 1/Gamma = 0 일때 I1/Gamma = 1 이 된다 1/Gamma = 0 가 성립하기 위한 Gamma 값이 존재하지 않으므로 이 예외가 성립하지 않는다
    • 18. Invert 18 Invert Operator
    • 19. Invert 19 Graph of an Invert operation O = (1 - I)
    • 20. Invert  Mask 나 Mattes로 사용되는 이미지를 수정할 때 사용 20
    • 21. Simple Contrast 21 Simple Contrast Operator 0 = (I - 0.33) X 3
    • 22. Simple Contrast 22 Graph of a simple Contrast operation
    • 23. Smoother Contrast 23 Smoother Contrast Operator
    • 24. Smoother Contrast 24 Graph of a smoother Contrast operation
    • 25. Contrast  Contrast를 증가하면 어두운 부분은 어두워지고 밝은 부분은 더 밝게 됨  감마와 같은 곡선이 적용된 Smoother Contrast 가 좀더 좋은 시스템  0.5사이를 두고 위는 밝아지고 아래는 어두워짐 : Midpoint를 수정할 수 있음 25
    • 26. Channel Swapping 26 Channel Swapping Operator
    • 27. Channel Swapping  Red 채널과 Blue 채널을 스왑 했을 때의 결과  일반적으로 색상 보정에는 사용되지 않음  Chapter 6에 나와있는 특정 색상 차이 방법의 기초로 사용  알파 채널과 같은 보조채널에서 데이터를 이동할 때 유용 27
    • 28. HSV Manipulations 28 HSV Manipulations Operator Saturation Reduced by 50%
    • 29. HSV Manipulations 29 HSV Manipulations Operator Rotated by 180 through the color spectrum
    • 30. HSV Manipulations  RGB 값을 조정하여 이미지의 채도에 영향을 미치는 것은 쉽지 않음  HSV Manipulations Operator 는 예제와 같은 수정을 쉽게 할수 있음 – 첫번째 이미지 : Saturation을 50% 감소 – 두번째 이미지 : 밝기와 채도관계를 유지하면서 모든 색상의 보색으로 이동 (컬러 스펙트럼을 통해 180도 회전) 30
    • 31. Look-up Table Manipulations 31 Graph of the LUT used to generate Test image
    • 32. Look-up Table Manipulations 32 Look-up Table Manipulations Operator
    • 33. Look-up Table Manipulations 33 Look-up Table Manipulations Operator
    • 34. Look-up Table Manipulations 34 A graph used to show image modifications based on hue versus saturation Blue 는 Desaturate Green 은 Supersaturate
    • 35. Look-up Table Manipulations  Simulation LUT – Cineon 파일이나 DPX 파일과 같이 특정한 감마 속성을 가진 영상에서 그 속성에 맞는 시청 환경을 제공하 지 못하는 경우 가상으로 색 정보를 보편적인 시청 환경에 시뮬레이션하는 방식  Calibration LUT – 모니터 캘리브레이션이나 색관리 시스템 – 색관리 시스템의 ICC 프로파일에 포함된 색채좌표가 “캘리브레이션 LUT”  Encoding LUT – 이미지를 특정 형식의 색공간으로 변환하여 저장하고자 할 때 적용되는 LUT  3D LUT – Nuke,Shake 등 영상편집 툴에서 지원 – 언리얼 등 게임에서 톤 보정용도로 사용 35
    • 36. Look-up Table Manipulations 36 Color Correction using 3D lookup table - OpenGL_GLSL
    • 37. 37 시연 RGB Multiply Add Gamma Correction Invert Contrast Channel Swapping HSV Manipulations Look-up Table Manipulations
    • 38. Expression Language  합성 시스템에서의 수학적 표현의 정의  특정 내장 키워드와 미리 정의 된 함수로 간주  LUT Manipulations 의 채널 값을 수정하는데도 사용, – 사용자 정의 곡선을 만들어 색상 변경이나 알고리즘, 방정식과 같은 종류를 포함함 38
    • 39. Expression Language 39 R = R x 0. 75 G = G X 0.75 B = B x 0.75 “이미지가 25% 어둡게 되었다”
    • 40. Expression Language 40 R = (R + G + B)/3 G = (R + G + B)/3 B = (R + G + B)/3 “세 채널을 함께 평균한 컬러소스로부터 모노크롬 이미지를 생성하였다.”
    • 41. Expression Language 41 R = (R x 0.309) + (G x 0.609) + (B x 0.082) G = (R x 0.309) + (G x 0.609) + (B x 0.082) B = (R x 0.309) + (G x 0.609) + (B x 0.082) “모노크롬 이미지를 생성하는데 더 적절한 수식” – 사람의 눈이 다르게 빨강 녹색 및 파란 색의 밝기를 고려해야만 한다.
    • 42. Expression Language 42 R = R G = R > G? (R + G)/2 : G B = B “픽셀의 빨간색 값이 녹색 값보다 큰 경우, 다음 빨간색과 녹색 값 합계의 절반과 같은 픽셀의 (새로운) 녹색 값으로 설정한다. 그렇지 않으면 픽셀의 그린 값은 변경된다.”
    • 43. Expression Language 43 Expression Language Operator R = R G = R > G? (R + G)/2 : G B = B
    • 44. Color Manipulations “하나의 Pixel Input 값”
    • 45. Spatial Filters “주변의 Pixel Input 값”
    • 46. Convolves 46 Algorithim Visualization_ Spatial Convo.avilution
    • 47. Convolves 47 .6 .6 .9 .9 .9 .6 .6 .9 .9 .9 .6 .6 .9 .9 .9 .6 .6 .6 .6 .9 .6 .6 .6 .6 .9 0 .9 0 0 1 .3 0 0 .9 -1 -1 -1 -1 8 -1 -1 -1 -1 kernel(커널) 픽셀 위에 레이어처럼 놓을 Mask로 생각
    • 48. Convolves 48 1 2 3 4 5(X8) 6 7 8 9 합계 결과 1 -0.6 -0.6 -0.9 -0.6 4.8 -0.9 -0.6 -0.6 -0.9 -0.9 0 2 -0.6 -0.6 -0.9 -0.6 4.8 -0.9 -0.6 -0.6 -0.6 -0.6 0 3 -0.6 -0.6 -0.9 -0.6 4.8 -0.6 -0.6 -0.6 -0.6 -0.3 0 4 -0.6 -0.9 -0.9 -0.6 7.2 -0.9 -0.6 -0.9 -0.9 0.9 0.9 5 -0.6 -0.9 -0.9 -0.6 7.2 -0.9 -0.6 -0.6 -0.9 1.2 1 6 -0.6 -0.9 -0.9 -0.6 4.8 -0.9 -0.6 -0.6 -0.6 -0.9 0 7 -0.9 -0.9 -0.9 -0.9 7.2 -0.9 -0.9 -0.9 -0.9 0 0 8 -0.9 -0.9 -0.9 -0.9 7.2 -0.9 -0.6 -0.9 -0.9 0.3 0.3 9 -0.9 -0.9 -0.9 -0.6 7.2 -0.9 -0.6 -0.6 -0.9 0.9 0.9
    • 49. Convolves 49 Contrast 대비가 높은 이미지
    • 50. Convolves 50 Edge-detection Convolve 를 실행한 후의 결과 이미지
    • 51. Convolves 51 샘플 이미지(왼쪽 첫번째) 와 다양한 edge-detection 알고리즘이 적용된 이미지
    • 52. 52 시연 Convolve
    • 53. Blurring 53
    • 54. Blurring  픽셀의 근방으로부터 칼라 값들을 현재 픽셀과 부분적으로 평균을 냄  시각적으로 결과 이미지는 선명함이 감소 54 1 9 1 9 1 9 1 9 1 9 1 9 1 9 1 9 1 9 3x3 convolve Filter
    • 55. Blurring 55
    • 56. Blurring 56 원본 이미지 Blurring 한 이미지 Out-Focus 이미지
    • 57. Blurring 57  Bokeh – 이미지를 캡쳐하는데 사용된 특수렌즈에 좌우되는 Defocus에 대한 성질 – Light Bloom의 육각형 모양이 이들 특성 중 하나  Dynamic Range – 원래 장면에서 라이트는 필름에 캡쳐된 것보다 상당히 밝다( 더 많은 에너지를 담고 있음) – Out-of-focus 하기 위해 렌즈를 바꾸는 것은 “에너지”를 밝은 라이트들 로부터 바깥쪽으로 분산시 켜줌 – 그 주변이 좀더 어둡더라도 라이트의 밝기가 폭넓은 영역에 걸쳐 필름이 Overexpose되도록 하기에 충분한 밝기 – 인위적으로 어두운 픽셀을 분산한 디지털 이미지는 픽셀 주변의 더 어두운 픽셀들과 평균값을 낸 결과가 회색이 될것 – 이것이 High-Dynamic-Range 이미지가 리얼월드를 정확하게 표현하는 유용한 예제 (Blurring) (Outfocus) (Outfocus)
    • 58. Sharpen  이미지에 색상이 변화하는 영역(그라데이션) 사이에서 콘트라스트를 증가시키면 사 람의 눈은 이것을 결과적으로 선명함이 증가했다고 인식 58 −1 −1 −1 −1 9 −1 −1 −1 −1 3x3 convolve Filter
    • 59. Sharpen 59
    • 60. Sharpen 60
    • 61. Sharpen 61 Pixel이 변하는 시점에서 증가된 Contrast를 주목! 밝은 영역은 더 밝게 어두운 부분은 더 어둡게 변하였음
    • 62. Sharpen 62 밝기 값을 그래프로 표현한 것
    • 63. Sharpen 63 sharpening 이 적용된 후의 밝기 값을 그래프화한 것
    • 64. Sharpen 64 a. 원본 b. 약한 Sharpen c. 매우강한 Sharpen
    • 65. Sharpen 65 약간 out-of-focus된 이미지
    • 66. Sharpen 66 Sharpening
    • 67. Sharpen 67 적합한 focus 렌즈로 촬영한 원본 장면
    • 68. Sharpen 68 Sharpening 약간 선명해졌다는 인식은 주지만 적합한 Focus 렌즈로 촬영한 이미지와 비교해보면 여전히 덜 선명함
    • 69. Median Filter  Kernel 에서 모든 픽셀의 밝기 별로 순위를 매김  순위의 Median 값 혹은 Center 값과 같은지에 대해 체크하여 픽셀 값을 변경  그 결과는 Median Filter가 Single Pixel의 Artifact를 제거하는데 훌륭한 역할을 함  단 선명함은 다소 감소  Median filtering 은 특정 한계치 내에서만 일반적으로 적용 69 Median filter example
    • 70. Median Filter 70 x = [2 80 6 3] So, the median filtered output signal y will be: y[1] = Median[2 2 80] = 2 y[2] = Median[2 80 6] = Median[2 6 80] = 6 y[3] = Median[80 6 3] = Median[3 6 80] = 6 y[4] = Median[6 3 3] = Median[3 3 6] = 3 i.e. y = [2 6 6 3].
    • 71. Median Filter y[1] 2 2 80 6 3 3 y[2] 2 2 80 6 3 3 y[3] 2 2 80 6 3 3 y[4] 2 2 80 6 3 3 71 2 2 80 2 80 6 80 6 3 6 3 3 2 2 80 2 6 80 3 6 80 3 3 6 y = [2 6 6 3]
    • 72. Median Filter 72
    • 73. Median Filter 73 한번 더 Median Filter를 적용하면 노이즈는 더 제거될 것! 하지만 그림이 덜 선명해짐 이미지 전체와 디테일 양쪽 모두 고려
    • 74. 74 시연 Median Filter
    • 75. Geometric Transformation
    • 76. Geometric Transformation 76 작업 해상도 1200 x 900 소스 이미지 900 x 600 (x, y) location of (0, 0)
    • 77. Panning  X 와 Y 모두 오프셋 할 때 이러한 변환을 Pan 이라고 함 77
    • 78. Geometric Transformation 78 최초의 작업상태
    • 79. Geometric Transformation 79 각 축으로 150 Pixel 이동
    • 80. Panning  X 와 Y 모두 오프셋 할 때 이러한 변환을 Pan 이라고 함  Input 이미지가 700 Pixel을 넘어갈 때? 80
    • 81. Geometric Transformation 81
    • 82. Panning  X 와 Y 모두 오프셋 할 때 이러한 변환을 Pan 이라고 함  Input 이미지가 700 Pixel을 넘어갈 때? – 대부분의 시스템에서 이미지의 나머지는 잘리거나 없어짐 – 이 이미지의 어떠한 추가변환은 잘린 이미지로 수행 – 작업공간에서 벗어났던 영역은 복구할 수 없음  몇가지 시스템은 보다 강력한 방식으로 이 문제를 해결 – Wraps 82
    • 83. Geometric Transformation 83 Wraps
    • 84. 84 Image created specifically for seamless wrap-around
    • 85. 85 Wrap-around image panned sideways. wrap-around 모드는 별 특징 없는 배경을 오랜 시간 계속 이동할 때 종종 사용
    • 86. Rotation  간단한 회전을 제어하는 데 필요한 두 매개 변수는 회전의 양과 (보통 각도에서 지정 한)와 회전의 중심  회전의 중심을 변경하면 결과에 극적인 영향을 줄 수 있음 86
    • 87. 87 Origin, (0, 0) 을 중심으로 300도 회전
    • 88. 88 대략 센터(빨간화살표)를 중심으로 300도 회전
    • 89. Scale  합성시스템이 지원한다면 사용자 정의 지점 주변을 스케일 할 수 있음  Flip = X 축을 따라 미러 이미지를 생성 ( 그림자나 반사)  Flop = Y 축을 따라 미러 이미지를 생성 89
    • 90. Geometric Transformation 90 작업 해상도 1200 x 900 소스 이미지 900 x 600 (x, y) location of (0, 0)
    • 91. 91 An image scaled by 50% around the origin.
    • 92. Geometric Transformation 92 작업 해상도 1200 x 900 소스 이미지 900 x 600 (x, y) location of (0, 0)
    • 93. 93 Image scaled by 50% around its approximate center
    • 94. 94 Flipped image
    • 95. 95 Image Rotated 180°
    • 96. 96 Flopped image
    • 97. 3D Transforms  예제 이미지 97
    • 98. 98 3D rotation around the x-axis
    • 99. 3D Transforms  예제 이미지 : 아래 부분을 축소하고 윗부분을 늘릴때 perspective 효과를 볼수 있음  Corner Pinning – 임의의 네모퉁이를 재조정 하는 것 EX) 포토샵 : Free Transform  일반적으로 이미지가 다른 비트가 있는 컴퓨터 또는 비디오 모니터의 내용을 대체하 는 효과일때 사용 99
    • 100. 100
    • 101. 101
    • 102. 102
    • 103. Warping  이미지 왜곡의 더 정교한 방법  그리드 메쉬 또는 스플라인 곡선에 의해 제어 103
    • 104. 104 Warping
    • 105. 105 시연 Panning Wraps Rotation Scale Flip Flop
    • 106. 106 시연 3D Transforms / Warping
    • 107. Expression Language 107 X = X + 30 Y = Y + 50 * sin(X * 0.02) “웨이브있는 물결의 오프셋” “30 Pixel 만큼 오른쪽으로 이동”
    • 108. Expression Language 108
    • 109. Filtering Algorithms 109 “이미지를 원본 해상도의 10분의 1로 줄이고 싶다” 열번째 픽셀만 모두 사용!(Impulse filter)
    • 110. Filtering Algorithms 110 더 나은 Algorithms = New pixel을 얻기 위해, Original image에서 pixel들 전체를 살펴보고, 선별적으로 이 픽셀들의 평균을 찾아낼 것
    • 111. Filtering Algorithms  Impulse filter – 가장 빠른 방법이며 Dirac Filter, Nearest-Neighbor Filter 로도 불림 속도향상이 제일 중요할 때 사용  Box filter – Impulse Filter보다 조금 나은 퀄리티 사이즈를 확대할때 박스 모양이 나타남  Triangle filter – Resampling할때 좀더 Area를 고려하여 이미지를 Resizing 할때 미리보기 목적으로 사용  Mitchell filter – Sharpness 과 ringing 아티팩트 사이에서 좋은 발란스를 가진 필터 25픽셀 복구필터이며 큰 해상도로 이미지를 확대할때 가장 좋은 선택  Gaussian filter – aliasing 혹은 ringing 아티팩트들을 가상으로 제거해주는 대중적인 필터  Sinc filter – 많은 aliasing 을 만들어내지 않고도 작은 디테일들을 유지시켜주는 아주 훌륭한 필터 – 큰 해상도에서 더 작게 이미지를 축소시킬 때 가장 좋은 필터 111
    • 112. Filtering Algorithms 112 Gaussian Filter Sinc Filter Impulse Filter
    • 113. Filtering Algorithms 113 Gaussian Filter Sinc Filter Impulse Filter
    • 114. Filtering Algorithms 114 Gaussian Filter
    • 115. Filtering Algorithms 115 Sinc Filter Sharpening Filter
    • 116. Filtering Algorithms 116 Impulse Filter
    • 117. Filtering Algorithms 117  특정결과를 얻기 위해 이미지를 Resizing 할때 사용하는 알고리즘이 존재 – 프린트하기위해 이미지를 확대할때 약간의 프랙탈 노이즈를 추가하면 디테일이 올라간 것 으로 보임  Single Frame 에서 제공되는 것보다 더 많은 정보를 가진 큰 이미지를 만들 고자 할때 하나의 단일 이미지에 여러 번 반복 노출 하는 방법도 존재 – SD 비디오를 HD 해상도로 resizing
    • 118. Motion Blur 118
    • 119. Motion Blur 119 리얼 카메라에서 이미지를 촬영하는 동안 촬영하는 개체는 약간 흐릿하게 표시 리얼한 이미지를 생산하기 위해 이것을 모방할 필요가 있다
    • 120. Motion Blur 120 간단한 변환을 사용하여 애니메이션된 2D 요소 – 하나의 프레임을 위해 다섯번 움직임을 통한 서브샘플링으로 제작
    • 121. Motion Blur 121 동일한 Motion blur 변환이지만 20배의 샘플링을 한 것
    • 122. Motion Blur 122  Adaptive Sampling – 각 픽셀의 색상차이나 상태등을 고려하여 안티알리아싱을 다르게 적용하여 최적화 – 필요할 때만 Sub Frame 계산 – Blurry 효과(glossy, Reflection/Reflacton) 가 없는 경우에 빠름 Area light adaptive samples
    • 123. Motion Blur 123 Adaptive sampling을 이용한 Motion blur transformation
    • 124. Motion Blur 124 Low Quality로 설정한 Adaptive sampling 을 사용하여 Motion blur transformation
    • 125. Motion Blur 125 인위적으로 Long Shutter 를 사용한 Motion Blur
    • 126. Motion Blur 126 Overexposed 밝은 highlights 의 오브젝트들이 있는 장면
    • 127. Motion Blur 127 Motion blur 를 소개하기 위해 움직이는 카메라로 촬영한 동일한 장면
    • 128. Motion Blur 128 Motion blur 로 적용했을 때 강렬한 Highlight가 손실됨을 주목
    • 129. Q & A
    • 130. 감사합니다

    ×