My tech WIKI

윤곽선 검출(Contour) 가장자리 검출 방식은 입력 이미지에서 가장자리만 검출해서 가장자리 픽셀들의 요소들은 확인 가능하나, 검출된 객체들의 세그먼트(segment) > 서로 다른 두 점을 연결하는 가장 짧은 선 구성 요소가 구분돼있지 않아 어떤 형태인지 알 수 없음. 윤곽선 검출 알고리즘은 전처리가 진행된 이미지에서 가장자리로 검출된 픽셀을 대상으로 세그먼테이션(segmentation) > 이미지에서 각 픽셀을 분류해 그룹화 작업 진행. 검출된 윤곽선은 형상의 분석과 물체 감지 및 인식에 가장 효과적인 방법 중 하나. 계층구조 윤곽선 계층구조 : 세그먼테이션이 어떻게 분류됐는가에 대한 정보, 트리(Tree)구조 자식 노드가 여러 개일 경우 동일 레벨의 노드를 표현하는 다음 윤곽선과 이전 윤곽선으로 ..

가장자리 검출 가장 바깥 부분의 둘레를 의미 > 객체의 테두리. 이미지 상에서 가장자리는 전경(foreground)와 배경(background)가 구분되는 지점. 전경과 배경 사이에서 밝기가 큰 폭으로 변하는 지점이 객체의 가장자리. 즉, 픽셀의 밝기 변화율(rate of change)이 높은 부분이 가장자리가 됨. 미분과 기울기(gradient) 연산을 수행하며, 이미지상에서 픽셀의 밝기 변화율이 높은 경계선을 찾음. 주로 1차 미분이나 2차 미분을 이용해 변화율이 높은 지점을 가장자리로 간주. 미분을 진행할 경우 노이즈에 큰 영향을 받아, 흐림 효과를 진행한 다음 가장자리를 검출. 입력 이미지에서 가장자리를 검출하기 위해 미분 진행. 하지만 이미지는 샘플링과 양자화가 처리된 데이터이므로 밝기의 평균 ..

이미지 검출 영상 내에서 주요한 특징점(Feature Point)을 검출하는 방법으로서, 특징점이 존재하는 위치를 알려주거나 해당 특징점을 부각. 픽셀의 색상 강도, 연속성, 변화량, 의존성, 유사성, 임계점 등으로 특징을 파악해서 구분. 특징점 검출 알고리즘의 기본 구동 방식 * 가장자리(edge) 검출 이미지 내 가장자리 검출을 위한 알고리즘 픽셀의 그레이디언트의 상위 임곗값과 하위 임곗값을 사용해 가장자리 검출 픽셀의 연속성, 연결성 등이 유효해야 하며, 가장자리의 일부로 간주하지 않는 픽셀은 제거 * 윤곽선(contours) 검출 이미지 내 윤관 검출을 위한 알고리즘 동일한 색상이나 비슷한 강도를 가진 연속한 픽셀을 묶어 처리 윤곽 검출을 통해 모멘트(moment), 면적(area), 경계선(bo..

모폴로지 연산 모폴로지 변환의 팽창(dilation)과 침식(erosion)을 기본 연산을 사용해 고급 형태학을 적용하는 변환 연산. 입력 이미지가 이진화된 이미지라면 침식/연산 으로도 충분, 그레이 스케일이나 다중 채널 이미지를 사용하는 경우 사용. # 모폴로지 연산 함수 dst = cv2.morphologyEx( src, op, kernel, anchor=None, iterations=None, borderType=None, borderValue=None ) 모폴로지 연산은 모폴로지 변환에 기반을 두고 있기 때문에 매개변수가 거의 동일. > 연산자(op)라는 매개변수를 추가로 받음. 모폴로지 변환 함 수를 수행하는 복합 연산 방식 의미. 연산 함수는 연산자 플래그에서 팽창/침식을 지원하므로 따로 사용..

모폴로지 변환(morphological transformations) 영상이나 이미지를 형태학적 관점에서 접근하는 기법. 영상 내 픽셀값 대체에 사용 > 노이즈 제거, 요소 결합 및 분리, 강도 피크 검출 등 모폴로지 변환 수행시 성질 집합의 포함 관계 이동(translation) 대칭(reflection) 여집합(complement) 차집합(difference) 기본적인 모폴로지 변환 * 팽창(dilation) 커널 영역 안에 존재하는 모든 픽셀의 값을 커널 내부의 극댓값(local maximum)으로 대체. 팽창 연산을 적용하면 어두운 영역이 줄고 밝은 영역이 늘어남. 커널의 크기나 반복 횟수에 따라 밝은 영역이 늘어나 스펙클(speckle)이 커지며 객체 내부의 홀(holes)이 사라짐. 노이즈 제..

기하학적 변환 (Geometric Transform) 이미지를 인위적으로 확대, 축소, 위치 변경, 회전, 왜곡 등 이미지의 형태 변환 > 이미지를 구성하는 픽셀 좌표값의 위치를 재배치하는 과정 이차원 공간에서의 기하학적 변환 아핀 변환 (Affine Transformation) 원근 변환 (Perspective Transformation) 아핀 변환 행렬의 기본 형은 3x3 행렬이지만 세번째 행의 값은 0, 0, 1의 값을 지님. 좌변의 행렬과 우변의 행렬의 세 번째 행의 값은항상 같은 값을 지니게 되어 OpenCV 에서는 2x3 행렬로 표현.(불필요한 연산을 줄이기 위해) 아핀 변환은 임의의 세 개의 점을 매핑해서 기하학적 변환을 수행. 임의 위치인 A,B,C의 픽셀 좌표를 A’, B’, C’로 이동..

대칭 대칭은 기하학적 측면에서 반사(REFLECTION)의 의미를 가짐. 2차원 유클리드 공간에서의 기하학적인 변환의 하나로 R² (2차원 유클리드 공간) 위의 선형 변환 진행. 대칭은 변환할 행렬(이미지)에 대해 2X2 행렬을 왼쪽 곱셈함. 즉, ‘p’ 형태의 물체에서 Y축 대칭 > ‘q’ 형태 단순히 원본 행렬에서 축에 따라 재매핑을 진행하면 대칭된 행렬을 얻음. 축 대칭 행렬은 2x2 반사 행렬을 왼쪽에 곱해서 얻음. # 대칭 함수 dst = cv2.flip( src, flipCode ) 대칭함수는 입력 이미지(src)의 행과 열을 바꾸기 위해 축을 기준으로 이미지를 반사. x,y,xy축을 대상으로 이미지를 대칭 시키고, 대칭 축(flipCode)을 사용해 이미지의 대칭 방향을 선택. 카메라의 이미..

이미지를 임의의 크기로 조절하는 방법 이미지의 크기를 사용자가 요구하는 절대 크기로 변경 본래의 크기에서 임의의 크기로 변환 이미지의 크기를 비율에 맞게 상대적인 크기로 변경 입력 이미지의 크기와 비례하도록 너비와 높이 계산 # 이미지 크기 조절 함수 dst = cv2.resize( src, dsize, fx = None, fy = None, interpolation = None ) 입력 이미지(src)를 절대 크기(dsize)나 상대크기(fx, fy)로 변환. 절대크기(dsize)는 필수 매개 변수이며, 상대크기 (fx, fy)로 변환하기 위해서는 절대크기(dsize) 값을 (0,0)으로 설정하고 fx와 fy에 각각 x축과 y축에 적용할 비율 계수를 설정. 절대 크기(dsize)의 값이 (0,0)이거나..

이미지 변환 이미지 데이터의 개수를 늘리거나 줄여 알고리즘의 연산량을 줄이는 것을 주목적 변환의 종류 : 크기변환, 특정 요소의 위치 변경, 이미지의 회전 강체 변환 (Rigid Transformation) 유사 변환 (Similarity Transformation) 선형 변환 (Linear Transformation) 아핀 변환 (Affine Transformation) 원근 변환 (Perspective Transformation) 강체변환 = 유클리디언 변환 (Euclidean Transformation) : 변환의 기준점으로부터 크기와 각도가 보존되는 변환. > 평행이동(translation)과 회전(rotation)만 허용 유사변환 : 강체변환에 등방성(Isotropic) 크기변환(Scaling)..

흐림효과 블러링(Blurring) 또는 스무딩(Smoothing)이라 불리며, 노이즈를 줄이거나 외부 영향을 최소화 하는데 사용. > 연산 시 계산을 빠르고 정확하게 수행하는 데 도움 샘플링된 이미지를 재구성(이미지의 해상도를 변경하는 경우)에 사용 영상이나 이미지를 번지게 하며, 해당 픽셀의 주변값들과 비교하고 계산해서 픽셀들의 색상을 재조정. 크게 5가지 종류, 3가지 중요 매개변수. > 커널과 고정점, 테두리 외삽법 커널과 고정점 커널(kernel) : 이미지에서 (x,y)의 픽셀과 해당픽셀 주변을 포함한 작은 크기의 공간 이 영역 각각에 특정한 수식이나 함수 등을 적용해 새로운 이미지를 얻는 알고리즘에서 적용 영역의 형태와 요소가 결합되는 방식을 정의하는 템플릿을 의미하기도 함 신호처리 분야에서는..