AI 공부 도전기

컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석 10-3. Spatial domain vs Frequency domain

 

본 내용은 Edwith의 컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석을 요약 정리한 내용으로 DGIST 박상현 교수님과 Edwith, STAR-MOOC에 그 저작권이 있음을 미리 공지합니다.

 

URL : www.edwith.org/medical-20200327/lecture/63177/

 

 

Spatial Domain

g * h -> f

Convolution을 통해 원하는 신호 f를 얻어냄

 

단점

Convolution의 pixel 곱과 합을 진행하므로 연산량이 높음

 

Frequency Domain

g -> DFT -> G

G $\cdot$ H -> F -> IDFT -> f

 

장점

연산량이 작다

특정 패턴이 에러로 포함되어 있을 때 Filter 정의하기 불분명하지만 Frequency Domain에서 Filtering하는 것이 도움이 됨(특히 의료 데이터의 경우 독특한 패턴이 있는 경우가 존재함. tranform을 한 이후 Filtering을 진행함)

 

단점

DFT, IDFT에서 시간이 소모가 될 수 있다.

 

Convolution을 통한 곱이 Fourier Transfor에서의 곱임을 나타내는 증명식

공유하기

facebook twitter kakaoTalk kakaostory naver band
loading