이미지 흐림

이미지에 흐림 효과를 적용합니다.

다양한 블러 알고리즘(평균, 가우시안, 중앙값, 양방향)을 사용해 이미지에 구성 가능한 블러 필터를 적용하여 이미지 세부를 부드럽게 하고, 노이즈를 줄이며, 노이즈 감소, 개인정보 보호, 전처리 및 이미지 향상 워크플로를 위한 블러 효과를 생성합니다.

이 블록의 작동 방식

이 블록은 서로 다른 특성과 사용 사례를 가진 네 가지 블러 알고리즘 중 하나를 사용해 이미지에 블러 필터링을 적용합니다. 이 블록은:

1. 블러 필터링을 적용할 입력 이미지를 받습니다

2. blur_type 매개변수에 따라 블러 알고리즘을 선택합니다

3. 지정된 kernel_size를 사용하여 선택한 블러 방법을 적용합니다:

   평균 블러의 경우:

   • 각 픽셀을 이웃 픽셀의 평균값으로 대체하는 단순한 박스 필터를 사용합니다

   • 커널 영역 내 모든 픽셀에 걸쳐 균일한 블러를 생성합니다

   • 일반적인 스무딩에 적합한 빠르고 단순한 블러링

   • 기본적인 노이즈 감소와 스무딩에 적합합니다

   가우시안 블러의 경우:

   • 중앙에 가까운 픽셀에 더 큰 가중치를 주는 가우시안 가중 커널을 사용합니다

   • 중앙에서 바깥으로 점차 약해지는 부드럽고 자연스러운 블러를 생성합니다

   • 평균 블러보다 이미지 구조를 더 잘 보존하는 고품질 블러링을 제공합니다

   • 범용 블러링, 노이즈 감소, 전처리에 적합합니다

   중앙값 블러의 경우:

   • 각 픽셀을 이웃 픽셀의 중앙값으로 대체하는 비선형 필터를 사용합니다

   • 에지를 보존하면서 소금-후추 노이즈를 제거하는 데 특히 효과적입니다

   • 선형 블러 방식보다 선명한 에지를 더 잘 보존합니다

   • 임펄스 노이즈, 스펙클 노이즈 또는 아티팩트가 있는 이미지의 노이즈 감소에 적합합니다

   양방향 블러의 경우:

   • 에지를 보존하면서 블러를 적용하는 비선형 필터를 사용합니다

   • 공간적 스무딩과 강도 유사성을 결합합니다(비슷한 색상은 블러 처리하고, 서로 다른 색상 사이의 에지는 보존함)

   • 선명한 에지와 경계를 유지하면서 노이즈를 줄이고 텍스처를 부드럽게 합니다

   • 에지 보존이 중요한 노이즈 감소, 이미지 디노이징, 세부 스무딩에 적합합니다

4. 원본 이미지의 메타데이터를 보존합니다

5. 블러 필터링이 적용된 블러 이미지를 반환합니다

kernel_size 매개변수는 블러 강도를 제어합니다 - 값이 클수록 블러가 더 강해지고, 값이 작을수록 블러가 약해집니다. 블러 유형마다 특성이 다릅니다: Average와 Gaussian은 일반적인 스무딩을 제공하고, Median은 노이즈 제거에 탁월하며, Bilateral은 에지를 보존하면서 스무딩합니다. 블러 유형의 선택은 특정 요구 사항에 따라 달라집니다 - 일반 스무딩, 노이즈 감소, 에지 보존 또는 아티팩트 제거..

일반적인 사용 사례

• 노이즈 감소: 블러 필터링을 사용해 이미지 노이즈와 아티팩트를 줄입니다(예: 카메라 이미지의 노이즈 제거, 압축 아티팩트 감소, 이미지 결함 완화), 노이즈 감소 워크플로를 지원합니다

• 개인정보 보호: 이미지의 민감한 영역이나 얼굴을 블러 처리합니다(예: 개인정보 보호를 위해 얼굴을 블러 처리, 민감한 정보 가리기, 이미지 콘텐츠 익명화), 개인정보 보호 워크플로를 지원합니다

• 이미지 전처리: 후속 처리나 분석 전에 이미지를 부드럽게 합니다(예: 감지 전에 이미지 전처리, 분석 전에 이미지 스무딩, 처리 전에 노이즈 감소), 전처리 워크플로를 지원합니다

• 세부 스무딩: 이미지의 미세한 디테일과 텍스처를 부드럽게 합니다(예: 인물 사진의 피부를 매끄럽게 하기, 텍스처 디테일 감소, 더 부드러운 외관 만들기), 세부 스무딩 워크플로를 지원합니다

• 아티팩트 제거: 이미지에서 아티팩트와 결함을 제거합니다(예: 압축 아티팩트 제거, JPEG 아티팩트 감소, 이미지 결함 완화), 아티팩트 제거 워크플로를 지원합니다

• 배경 블러링: 심도 효과를 만들거나 배경을 블러 처리합니다(예: 초점 효과를 위한 배경 블러, 보케 효과 생성, 전경 피사체 강조), 배경 블러링 워크플로를 지원합니다

다른 블록과 연결하기

이 블록은 이미지를 받아 블러 이미지를 생성합니다:

• 이미지 입력 블록 뒤에서 추가 처리 전에 입력 이미지를 블러 처리합니다(예: 카메라 피드의 이미지를 블러 처리, 이미지 입력의 노이즈 감소, 워크플로를 위한 이미지 전처리), 이미지 블러링 워크플로를 지원합니다

• 탐지 또는 분류 모델 전에 노이즈 감소를 통해 이미지를 전처리합니다(예: 객체 탐지 전에 노이즈 감소, 분류 전에 이미지 스무딩, 모델 입력을 위한 이미지 전처리), 전처리된 모델 입력 워크플로를 지원합니다

• 전처리 블록 뒤에서 다른 전처리 단계 후에 블러를 적용합니다(예: 필터링 후 블러 적용, 향상 후 스무딩, 처리 후 아티팩트 감소), 다단계 전처리 워크플로를 지원합니다

• 시각화 블록 앞에 블러된 이미지를 표시합니다(예: 개인정보가 보호된 이미지 시각화, 스무딩된 이미지 표시, 블러 효과 보기), 블러 이미지 시각화 워크플로를 지원합니다

• 개인정보 보호 워크플로에서 민감한 영역을 블러 처리해야 하는 경우(예: 개인정보 보호 워크플로에서 얼굴 블러 처리, 민감한 콘텐츠 가리기, 이미지 데이터 익명화), 개인정보 보호 워크플로를 지원합니다

• 노이즈 감소 파이프라인에서 블러가 더 큰 디노이징 워크플로의 일부인 경우(예: 다단계 파이프라인에서 노이즈 감소, 아티팩트 제거를 위한 블러 적용, 처리 체인에서 이미지 스무딩), 노이즈 감소 파이프라인 워크플로를 지원합니다

유형 식별자

step에서 다음 식별자를 사용하세요 "type" 필드: roboflow_core/image_blur@v1 를 워크플로에 단계로 추가합니다.

속성

이름	유형	설명	참조
name	str	이 단계에 고유 식별자를 입력하세요..	❌
blur_type	str	블러 알고리즘의 유형: 'average'는 균일한 블러를 위한 단순 박스 필터(빠르고 기본적인 스무딩)를 사용하고, 'gaussian'(기본값)은 부드럽고 자연스러운 블러를 위한 가우시안 가중 커널(고품질, 구조 보존)을 사용하며, 'median'은 에지를 보존하면서 노이즈를 제거하는 비선형 중앙값 필터(임펄스 노이즈, 소금-후추 노이즈에 탁월)를 사용하고, 'bilateral'은 선명한 에지를 유지하면서 비슷한 색상은 블러 처리하는 에지 보존 필터(에지 보존이 필요한 디노이징에 적합)를 사용합니다. 기본값은 'gaussian'이며, 범용 블러링에 적합한 성능을 제공합니다. 요구 사항에 따라 선택하세요: 속도는 average, 품질은 gaussian, 노이즈 제거는 median, 에지 보존은 bilateral..	✅
커널 크기	int	블러 커널의 크기(양수여야 하며 일반적으로 홀수여야 함). 블러 강도를 제어합니다 - 값이 클수록 블러가 더 강해지고, 값이 작을수록 블러가 약해집니다. average 및 gaussian 블러에서는 커널의 너비와 높이입니다(예: 5는 5x5 커널). median 블러에서는 홀수 정수여야 합니다(자동으로 처리됨). bilateral 블러에서는 픽셀 이웃의 지름을 제어합니다. 일반적인 값의 범위는 3-15입니다: 작은 값(3-5)은 미묘한 블러를 제공하고, 중간 값(5-9)은 보통 수준의 블러를 제공하며, 큰 값(11-15)은 강한 블러를 제공합니다. 기본값은 5로, 보통 수준의 블러를 제공합니다. 이미지 크기와 원하는 블러 강도에 따라 조정하세요..	✅

해당 참조 열은 워크플로 런타임에서 사용할 수 있는 동적 값으로 속성을 매개변수화할 수 있음을 나타냅니다. 자세한 내용은 워크플로 런타임. 자세한 내용은 바인딩 를 참조하세요.

입력 및 출력 바인딩

사용 가능한 연결은 바인딩 종류에 따라 달라집니다. 어떤 바인딩 종류가 있는지 확인하세요 이미지 흐림 버전 v1 가 있습니다.

입력 및 출력 바인딩

• 입력

  • image (image): 입력 이미지에 블러 필터링을 적용합니다. 이 블록은 구성된 커널 크기로 지정된 블러 유형을 적용합니다. 컬러 이미지 또는 그레이스케일 이미지에서 작동합니다. 블러된 이미지는 선택된 블러 유형과 커널 크기에 따라 세부가 줄어들고, 텍스처가 부드러워지며, 노이즈가 감소합니다. 원본 이미지의 메타데이터는 출력에 보존됩니다..

  • blur_type (문자열): 블러 알고리즘의 유형: 'average'는 균일한 블러를 위한 단순 박스 필터(빠르고 기본적인 스무딩)를 사용하고, 'gaussian'(기본값)은 부드럽고 자연스러운 블러를 위한 가우시안 가중 커널(고품질, 구조 보존)을 사용하며, 'median'은 에지를 보존하면서 노이즈를 제거하는 비선형 중앙값 필터(임펄스 노이즈, 소금-후추 노이즈에 탁월)를 사용하고, 'bilateral'은 선명한 에지를 유지하면서 비슷한 색상은 블러 처리하는 에지 보존 필터(에지 보존이 필요한 디노이징에 적합)를 사용합니다. 기본값은 'gaussian'이며, 범용 블러링에 적합한 성능을 제공합니다. 요구 사항에 따라 선택하세요: 속도는 average, 품질은 gaussian, 노이즈 제거는 median, 에지 보존은 bilateral..

  • 커널 크기 (정수): 블러 커널의 크기(양수여야 하며 일반적으로 홀수여야 함). 블러 강도를 제어합니다 - 값이 클수록 블러가 더 강해지고, 값이 작을수록 블러가 약해집니다. average 및 gaussian 블러에서는 커널의 너비와 높이입니다(예: 5는 5x5 커널). median 블러에서는 홀수 정수여야 합니다(자동으로 처리됨). bilateral 블러에서는 픽셀 이웃의 지름을 제어합니다. 일반적인 값의 범위는 3-15입니다: 작은 값(3-5)은 미묘한 블러를 제공하고, 중간 값(5-9)은 보통 수준의 블러를 제공하며, 큰 값(11-15)은 강한 블러를 제공합니다. 기본값은 5로, 보통 수준의 블러를 제공합니다. 이미지 크기와 원하는 블러 강도에 따라 조정하세요..

• 출력

  • image (image): 워크플로의 이미지.

예시 JSON 정의

{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/image_blur@v1",
	    "image": "$inputs.image",
	    "blur_type": "gaussian",
	    "kernel_size": 5
	}