ㅁ 이미지 증강

1. 밝기/대비 조절

ㅇ 정의:
이미지의 픽셀 값 분포를 변경하여 전체적인 밝기나 명암 대비를 조정하는 기법으로, 데이터 다양성을 확보하고 모델의 조명 변화에 대한 일반화 성능을 높인다.

ㅇ 특징:
– 밝기 조절은 모든 픽셀 값에 일정한 값을 더하거나 빼는 방식으로 수행됨.
– 대비 조절은 픽셀 값의 분산을 확대 또는 축소하여 명암 차이를 조절.
– OpenCV, PIL, TensorFlow Image API 등에서 간단히 구현 가능.
– 과도한 조절 시 원본 이미지 정보 손실 가능.

ㅇ 적합한 경우:
– 조명 환경이 다양한 이미지 데이터셋.
– 야외/실내 혼합 촬영 데이터.
– 얼굴 인식, 객체 탐지 등 조명 변화에 민감한 모델 학습.

ㅇ 시험 함정:
– 밝기와 대비 조절의 정의를 혼동하는 경우.
– 감마 보정과 대비 조절을 동일하게 생각하는 오류.
– 데이터 증강은 학습 데이터에만 적용하고 검증/테스트 데이터에는 적용하지 않는다는 원칙을 잊는 경우.

ㅇ 시험 대비 “패턴 보기” 예시:
– (O) 밝기 조절은 픽셀 값에 일정 값을 더하거나 빼는 방식이다.
– (O) 대비 조절은 픽셀 값 분포의 범위를 확장하거나 축소하는 것이다.
– (X) 대비 조절은 항상 이미지의 평균 픽셀 값을 변화시킨다.
– (X) 밝기/대비 조절은 테스트 데이터에도 반드시 적용해야 한다.

ㅁ 추가 학습 내용

추가 학습 정리

1. 감마 보정(Gamma Correction)
– 밝기 조절과 유사하지만 픽셀 값에 지수 함수를 적용하여 비선형적으로 조정
– 주로 디스플레이 장치의 특성 보정에 사용

2. 히스토그램 평활화(Histogram Equalization)
– 대비 향상 기법의 대표 사례
– 픽셀 값의 누적 분포를 균등하게 만듦

3. RGB 채널별 조절
– 밝기/대비 조절 시 각 채널별로 독립 적용 가능
– 과도한 채널별 조절은 색 왜곡(Color Shift) 발생 가능

4. 데이터 증강 시 무작위 조절
– 조절 범위를 무작위로 설정하면 모델 일반화에 유리

5. 시험 출제 포인트
– 밝기/대비 조절은 이미지 증강의 기하학적 변환이 아니라 픽셀 강도 변환(intensity transformation)에 해당함