이상우의 IDL 블로그

우리가 데이터 처리를 하다보면 불규칙한 간격으로 분포하고 있는 1차원 데이터를 규칙적인 간격의 1차원 데이터로 변환하는 것이 필요할 경우가 종종 있습니다. 물론 IDL에서도 이러한 처리가 가능한데 바로 INTERPOL 함수가 그러한 역할을 합니다. 참고로 INTERPOL 함수에 관해서는 제가 예전에 관련 게시물을 통하여 이미 소개를 한 바 있으며, 오늘 소개될 내용은 그 연장선에 있다고 보시면 됩니다. 그러면 예제 데이터와 함께 이러한 처리 방법을 살펴보겠습니다. 먼저 예제로 사용할 1차원 데이터는 다음과 같이 x 및 y라는 배열로 정의해봅니다. x = [1.2, 3.8, 4.9, 7.2, 8.5, 9.6, 12.4] y = [39.16, 82.46, 86.93, 44.41, 15.68, 5.89, 22..

시계열 데이터가 주어진 상태에서 이 값들을 기반으로 하여 미래의 값들을 예측하거나 과거의 값들을 추론하는 기법으로서 자기회귀 모델(Autoregressive Model)이라는 것이 있습니다. 이 기법에서는 주어진 데이터 값들을 선형적으로 묶어서 하나의 선형방정식을 만들고 이러한 방정식을 기반으로 하여 미래의 값 또는 과거의 값을 계산하게 됩니다. IDL에서도 이러한 자기회귀 모델 기법을 기반으로 한 기능함수가 지원되는데 그것이 바로 오늘 소개할 TS_FCAST 함수입니다. 그러면 이 함수를 사용하여 시계열 데이터에 대하여 자기회귀 모델을 기반으로 미래 또는 과거의 값들을 계산하는 방법을 간단한 예제와 함께 살펴보겠습니다. 먼저 예제로 사용할 시계열 데이터를 다음과 같이 정의해봅니다. y = [6.63, ..

얼마전부터 형태학적 이미지 처리(Morphological Image Processing, MIP)의 범주에 속하는 여러가지 기법들을 지원하는 IDL 함수들을 소개하고 있습니다. 최근 2회에 걸쳐서는 Erosion(침식) 기법에 해당되는 ERODE 함수 및 Dilation(확장) 기법에 해당되는 DILATE 함수를 차례로 소개한 바 있습니다. 특히 지난 회차 게시물에서는 DILATE 함수를 사용하는 방법을 먼저 소개한 후 ERODE 및 DILATE 함수를 조합하여 사용하는 처리 방식도 함께 살펴본 바 있습니다. 즉 이미지에 대하여 ERODE 함수를 먼저 사용하여 Erosion 처리를 한 후 이어서 DILATE 함수를 사용하여 Dilation 처리를 수행하는 처리 방법이었습니다. 그리고 이러한 방식의 처리의..

얼마전부터 형태학적 이미지 처리(Morphological Image Processing, MIP)의 범주에 속하는 여러가지 기법들을 지원하는 IDL 함수들을 소개하고 있습니다. 지난 회차 게시물에서는 Erosion(침식) 기법에 해당되는 ERODE 함수를 소개하였고, 오늘은 이어지는 순서로서 Dilation(확장) 기법에 해당되는 DILATE 함수를 소개할 차례입니다. 지금부터 DILATE 함수를 이용하여 Dilation 기법을 적용하는 방법을 예제와 함께 살펴봅시다. Dilation(확장) 기법은 지난번에 소개한 Erosion 기법과는 정반대의 역할이라고 보면 됩니다. 즉 Erosion의 경우에는 이미지 내에 존재하는 형체들을 깎아내어서 그 크기를 감소시키거나 아예 제거한다는 개념이었던 반면, Dila..