이산 웨이블릿 변환(DWT)이란? AI에서 신호와 이미지를 여러 크기의 변화로 나누는 방법
이산 웨이블릿 변환(DWT)은 신호와 이미지를 여러 규모의 근사·상세 계수로 나눕니다. 하르 예시와 다단계 분해, PyWavelets의 끝값·축·출력 길이·역변환, DCT·FFT와의 차이 및 작은 신호 손실의 주의점을 설명합니다.
이산 코사인 변환(DCT)이란? AI에서 신호와 이미지를 코사인 성분으로 바꾸는 방법
이산 코사인 변환(DCT)은 신호와 이미지를 고정된 코사인 패턴의 계수로 바꿉니다. 계수·직류 성분·정규화와 역변환, FFT·PCA·양자화와의 차이, 공간 축·부호·작은 결함 손실의 주의점을 설명합니다.
고속 푸리에 변환(FFT)이란? AI에서 소리와 신호를 주파수 성분으로 빠르게 바꾸는 방법
고속 푸리에 변환(FFT)은 신호의 이산 푸리에 변환을 빠르게 계산하는 알고리즘입니다. NumPy 합성 예시로 주파수 축·복소수·정규화·역변환을 살피고, DFT·STFT·ICA와의 차이 및 패딩·누설·위상 정보의 주의점을 설명합니다.
라플라시안 필터(Laplacian)란? AI에서 밝기 변화의 변화로 이미지의 경계를 살피는 방법
라플라시안 필터는 가로·세로 이차 미분을 합해 밝기 변화의 변화를 구합니다. 부호 지도와 영교차, OpenCV·SciPy의 커널·축·자료형 설정, Sobel·캐니·가우시안과의 차이 및 잡음·경계·표시 변환의 주의점을 설명합니다.
감마 보정(Gamma Correction)이란? AI에서 거듭제곱으로 이미지의 밝기 단계를 조정하는 방법
감마 보정은 거듭제곱 곡선으로 이미지의 밝기 단계를 조정하는 방법입니다. 감마·이득·자료형과 입력 범위, 히스토그램 평활화·sRGB 변환과의 차이, AI 전처리에서 잡음·색 변화·반복 적용을 확인하는 순서를 설명합니다.
가우시안 필터(Gaussian Filter)란? AI에서 거리별 가중평균으로 이미지의 변화를 부드럽게 하는 방법
가우시안 필터는 거리별 가중평균으로 이미지의 작은 변화를 부드럽게 만듭니다. sigma와 창 크기, OpenCV·SciPy·scikit-image의 축·경계·자료형 설정, 양방향·중앙값 필터와의 차이 및 작은 신호 손실의 주의점을 설명합니다.
해리스 코너(Harris Corner)란? AI에서 여러 방향의 밝기 변화로 이미지의 특징점을 찾는 방법
해리스 코너는 여러 방향의 밝기 변화로 이미지의 특징점 후보를 찾습니다. 기울기 행렬·점수 지도·좌표 선택의 원리, OpenCV·scikit-image 설정과 서브픽셀 보정, SIFT·캐니와의 차이 및 크기 변화·반복 무늬의 주의점을 설명합니다.
중앙값 필터(Median Filter)란? AI에서 주변값의 순서로 이미지의 튀는 잡음을 줄이는 방법
중앙값 필터는 주변 픽셀값의 순서에서 가운데 값을 골라 튀는 잡음을 줄입니다. 평균·양방향 필터와의 차이, OpenCV·SciPy의 창·채널·경계 설정, 작은 획 손실과 짝수 이웃의 주의점 및 AI 전처리 검증 방법을 설명합니다.
양방향 필터(Bilateral Filter)란? AI에서 거리와 밝기 차이를 함께 보고 이미지의 잡음을 줄이는 방법
양방향 필터는 위치 거리와 밝기·색 차이로 이웃의 비중을 정해 이미지의 잡음을 줄입니다. 가중평균 예시, OpenCV·scikit-image 설정과 자료형, 가우시안·히스토그램 평활화와의 차이 및 세부 손실·경계 처리의 주의점을 설명합니다.
히스토그램 평활화(Histogram Equalization)란? AI에서 밝기 분포로 이미지의 대비를 조정하는 방법
히스토그램 평활화는 누적 밝기 분포로 픽셀값을 다시 매겨 이미지의 대비를 조정합니다. 변환표·전역 방식·CLAHE의 원리, 오츠 이진화·대비 스트레칭과의 차이, 타일 단위·자료형·잡음·색상 및 후속 인식 검증의 주의점을 설명합니다.
감자나라 AI 강의보기 5,000 
