확률 분포 등에서 헷갈리기 쉬운 tail, head 와 heavy tailed와 light tailed, 그리고 Right skewed 와 Left skewed를 정리.1. Head데이터 분포에서 중심부주로 중앙값(median)의 위치라고 보면 거의 맞음. mean을 사용하기도 하지만, heavy tailed나 skewed의 경우 mean은 적절치 못할 수 있음2. Tail극단적인 값들이 나타나는 끝부분을 의미분포의 양끝에 있는 극단적인 값들로 구성. 3. Heavy-tailed 분포 Heavy-tailed 분포는 꼬리가 두꺼워 극단적인 값들이 자주 발생하는 분포입니다.꼬리가 천천히 0으로 수렴하며, 금융 시장에서의 큰 손실이나 자연 재해와 같은 드물고 극단적인 사건들을 잘 설명.참고oai_citatio..

RBF KernelRBF 커널 또는 Gaussian 커널이라고도 불리는 함수머신 러닝에서 Kernel Function으로 널리 사용되는 함수서포트 벡터 머신(SVM), 커널 PCA 등의 알고리즘에서 사용.similarity 계산 및 고차원 feature space에 매핑후 inner product 값을 구하는 등에서 사용됨.similarity metric으로 사용됨 (distnace function은 아님)distance 와 similarity의 차이가 명확하지 않으면 다음 접은 글을 참고더보기https://dsaint31.me/mkdocs_site/DIP/cv2/etc/dip_metrics/#distance-function-or-metric BME228Metrics for Image Quality Im..

cv2.convertScaleAbs()이 함수는 주로 image의 brightness(밝기)와 contrast(대비)를 조절하는데 사용됨.alpha parameter로 contrast를 조절.beta parameter로 brightness를 조절.기본 구문dst = cv2.convertScaleAbs(src[, dst[, alpha[, beta]]])src: 입력 이미지 (numpy 배열)dst: 출력 이미지 (선택적)alpha: 스케일 팩터 (기본값 1)beta: 추가할 값 (기본값 0)동작 원리이 함수는 각 픽셀에 대해 다음 연산을 수행:dst(x,y) = saturate( |src(x,y) * alpha + beta| )where,saturate 함수는 결과값을 [0,255]로 제한.주요 특징입력 ..

시스템 모드(system mode)는시스템의 고유 모드(eigenmode),즉 시스템의 고유벡터(eigenvector),시스템의 고유함수(eigenfunction)들과 동일한 개념임. System Mode는 시스템 고유의 response를 결정하는 핵심 요소임. 시스템을 나타내는 differential equation이나 state space(상태 공간) 표현에서대응하는 고유값(eigenvalue)과 함께 구해짐.System Mode와 Eigen Vector의 관계Eigenvalue:시스템의 Characteristic Equation (특성 방정식)을 풀어서 얻는 값.시스템의 안정성, 응답 속도, 진동 특성 등을 결정.Eigenvector:각 eigenvalue에 대응하는 vector로, 시스템 상태의 ..

1. Basic Operationsimage pixel 값에 접근하기: 개별접근과 slicing (NumPy의 FancyIndexing이나 mask를 이용한 방식에 대한 이해도 중요함)더보기https://dsaint31.me/mkdocs_site/DIP/cv2/ch01/dip_1_01/#pixel BME228Basic Operations on Images 목표 pixel의 intensity 또는 color vector의 값을 읽거나 수정하기. image의 property들을 확인하기 ROI 설정하기. image를 여러 축으로 나누거나 합치기. OpenCV의 Python Binding에서 기본 데이dsaint31.me 다음은 NumPy 외에 ndarray에 해당하는 Tensor의 요소를 indexing하는..

CV2.INTER_AREACV2.INTER_AREA는 OpenCV 라이브러리에서 제공하는 image interpolation 방법 중 하나임. 주요특징과 작동방식 주요 특징과 작동 방식은 다음과같음:목적:주로 이미지를 축소(downsampling or shrinking)할 때 사용됨.pixel area 관계를 사용하여 새로운 픽셀 값을 계산.작동 원리:소스 이미지의 pixel area을 목표 이미지의 pixel area에 매핑.각 목표 픽셀에 대해, 해당하는 소스 이미지의 픽셀들의 평균값을 계산하여 채움.특징:모아레(Moiré) 패턴을 줄이는 데 효과적.이미지 축소 시 선명도를 잘 유지함.성능:이미지 축소 시 다른 방법들보다 좋은 결과를 제공함.확대 시에는 nearest-neighbor interpola..