마스킹 종류는 여러가지가 있으며, 각 데이터별로 활용하거나 적용할 수 있는 것들이 다양함.
Uniform Sampling Mask : 이미지나 신호 처리에서 사용되는 용어 중 하나로, 균일하게 분포된 샘플을 기반으로 마스킹 하는 방법
이미지 처리에서의 균일 샘플링: 이미지에서 균일한 샘플링은 이미지의 각 픽셀이나 픽셀 그룹에 대해 균일한 간격으로 데이터를 선택하여 마스킹함. 이는 이미지를 효과적으로 다운샘플링하거나, 특정 영역에 대한 정보를 추출하거나, 이미지에서 특정 특징을 감지하는 등의 작업에서 사용됨.
신호 처리에서의 균일 샘플링: 신호 처리에서 균일 샘플링은 신호를 일정한 간격으로 샘플링하는 것으로 마스킹함. 이는 아날로그 신호를 디지털로 변환하는 과정에서 적용되며, 디지털 신호 처리에서도 다양한 응용 분야에서 균일한 샘플링이 중요함.
균일 샘플링 마스크 (Uniform Sampling Mask): 균일 샘플링 마스크는 주로 행렬 형태로 표현되며, 데이터에서 어떤 위치의 값을 선택할지 여부를 결정함. 각 행렬 요소는 해당 위치의 데이터를 선택할지 여부를 나타내는 이진 값 (0 또는 1)로 구성되며, 이를 통해 균일하게 데이터를 샘플링할 수 있음. (예: 이미지에 대한 균일 샘플링 마스크는 이미지의 각 픽셀에 대해 선택 여부를 나타내는 이진 행렬. 선택된 위치는 데이터를 유지하고, 선택되지 않은 위치는 데이터를 제거하거나 다운샘플링에 활용)
Uniform Sampling Mask
Random Sampling Mask : Uniform 샘플링이 균등 분포샘플을 기반으로 마스킹했다면, Random sampling Mask는 활성화시킬 픽셀을 선택할 때 랜덤 분포를 이용하는 방법임. (랜덤하게 선택)
Random Sampling Mask
Gausian Sampling Mask : 가우시안 샘플링 마스크는 이미지나 신호 처리에서 사용되는 특별한 종류의 샘플링 마스크임. 이 마스킹 방법은 가우시안 함수(정규분포)를 기반으로 하여 주변 값에 가중치를 두어 데이터를 샘플링하는 데 사용됨. 주로 이미지의 부드러움을 유지하면서 다운샘플링이나 특정 주파수 성분의 감지에 활용
가우시간 함수 공식
Gaussian Distribution formula
x와 y는 마스크의 좌표이며,σ는 가우시안 분포의 표준 편차
마스크의 크기 결정: 가우시안 샘플링 마스크를 얻기 위해 마스크의 크기를 결정해야 함. 마스크의 크기에 따라 가우시안 함수의 값을 계산하여 2차원 행렬을 형성함.
정규화: 마스크의 값은 일반적으로 정규화되어야 하며, 이는 가우시안 함수의 값을 모든 픽셀에 대해 합한 값으로 나누어주는 것을 의미함.
마스크 적용: 가우시안 마스크를 이미지나 신호에 합성하면, 이미지의 각 픽셀에 가중치를 부여하여 주변 값에 더 많은 영향을 받게 됨. 이를 통해 이미지나 신호의 특정 주파수 성분을 감지하거나 보존하면서 샘플링이 가능해짐.
