ㅁ 이미지 처리

ㅇ 정의: 이미지 데이터를 분석, 학습, 예측 등의 목적으로 사용하기 위해 형식, 크기, 색상, 품질 등을 변환·보정하는 전처리 과정

ㅇ 특징: 픽셀 단위 연산이 많고, 데이터 손실과 정보 왜곡 가능성이 존재하며, 모델 성능에 직접적인 영향을 미침

ㅇ 적합한 경우: 이미지 기반 AI 모델 학습, 컴퓨터 비전 프로젝트, 시각 데이터 품질 향상 필요 시

ㅇ 시험 함정: 이미지 처리 기법의 목적과 효과를 혼동하거나, 데이터 증강과 전처리를 구분하지 못하는 경우

ㅇ 시험 대비 “패턴 보기” 예시:
– O: “이미지 정규화는 픽셀 값을 일정 범위로 스케일링하는 기법이다.”
– X: “리사이즈는 이미지의 색상 채널을 변경하는 과정이다.”

================================

1. 리사이즈

ㅇ 정의: 이미지의 가로, 세로 크기를 변경하는 작업

ㅇ 특징: 해상도 변경 시 픽셀 수 변화로 정보 손실 또는 왜곡 가능, 비율 유지 여부 선택 가능

ㅇ 적합한 경우: 다양한 크기의 이미지를 동일한 입력 크기로 맞춰야 할 때, 연산 효율성을 높일 때

ㅇ 시험 함정: 리사이즈를 단순히 압축·확대와 동일시 하거나, 종횡비(aspect ratio) 유지 여부를 간과하는 경우

ㅇ 시험 대비 “패턴 보기” 예시:
– O: “리사이즈는 모델 입력 크기에 맞추기 위해 이미지를 확대 또는 축소한다.”
– X: “리사이즈는 픽셀 값을 0~1로 변환하는 과정이다.”

================================

2. 정규화

ㅇ 정의: 이미지 픽셀 값을 일정 범위(예: 0~1, -1~1)로 변환하는 과정

ㅇ 특징: 모델 학습 안정성 및 속도 향상, 값 범위 차이로 인한 학습 편향 방지

ㅇ 적합한 경우: 서로 다른 조도, 명암 대비를 가진 이미지를 동일하게 처리해야 할 때

ㅇ 시험 함정: 표준화(평균 0, 표준편차 1)와 정규화를 혼동하는 경우

ㅇ 시험 대비 “패턴 보기” 예시:
– O: “이미지 정규화는 픽셀 값을 255로 나누어 0~1 범위로 조정한다.”
– X: “정규화는 이미지 크기를 변경하는 과정이다.”

================================

3. 컬러 변환

ㅇ 정의: 이미지의 색상 표현 방식을 변경하는 작업 (예: RGB → Grayscale, RGB → HSV)

ㅇ 특징: 색상 채널 수 변경, 특정 색상 정보 강조 또는 제거 가능, 데이터 용량 절감 가능

ㅇ 적합한 경우: 색상 정보가 불필요하거나, 특정 색공간에서 특징 추출이 용이한 경우

ㅇ 시험 함정: 색상 변환이 해상도나 픽셀 범위를 변경한다고 오해하는 경우

ㅇ 시험 대비 “패턴 보기” 예시:
– O: “컬러 변환은 RGB 이미지를 명암만 가진 그레이스케일로 바꿀 수 있다.”
– X: “컬러 변환은 이미지 크기를 줄이는 과정이다.”

================================

4. 노이즈 제거

ㅇ 정의: 이미지에서 원치 않는 잡음(랜덤 픽셀 값 변화)을 제거하는 과정

ㅇ 특징: 필터링 기법(가우시안, 미디언 필터 등) 활용, 신호 대 잡음비(SNR) 향상, 과도한 제거 시 디테일 손실 가능

ㅇ 적합한 경우: 저조도 촬영, 압축 아티팩트, 센서 노이즈가 심한 이미지 처리 시

ㅇ 시험 함정: 노이즈 제거를 데이터 증강 기법으로 착각하거나, 모든 노이즈 제거가 성능 향상으로 이어진다고 생각하는 경우

ㅇ 시험 대비 “패턴 보기” 예시:
– O: “미디언 필터는 염·후추(salt-and-pepper) 노이즈 제거에 효과적이다.”
– X: “노이즈 제거는 이미지의 해상도를 변경하는 과정이다.”

—

혹시 원하신다면, 제가 위 내용을 **표 형태**로 변환해서 시험 대비 암기표 버전으로도 만들어 드릴까요?
그렇게 하면 각 정의·특징·함정이 한눈에 들어와서 암기하기 훨씬 효율적입니다.