[Computer Vision] Edge Detection - Part 2

• 이전 시간에는 프리윗 엣지, 로버트 엣지, 소벨 엣지를 학습했다.
• 좀 더 정교하게 엣지를 찾아주는 케니 엣지에 대하여 배워보자!

• gradient는 벡터의 특성을 갖고 있고 엣지와 직교하는 성질을 지늰다고 배웠다.
• 엣지에는 끊어지거나 가짜 엣지 그리고 얇은 엣지를 충족할 수록 좋다.
• 케니 엣지는 소벨 엣지와 프리윗 엣지가 갖은 단점을 보완하면서 엣지 디텍션의 본질에 집중한다.

• gradient의 방향값을 통해 특정 이상의 값만 선택해보았다.
• 모자 부분에 엣지가 검출되지 않아서 영역 구분이 안되고 있다.
• 몸체 부분에서 램프 엣지로 인해 두꺼워지는 문제가 있다.
• 케니 엣지는 나오지 않는 엣지를 잘 검출하고  굵게 표현되는 엣지에 대해서 얇게 표현할 수 있을까? 를 해결해준다.

• 캐니 엣지를 찾는데 있어서 첫번째 그래프에서 보이는 여러개의 엣지를 찾았을 때
• 일정 threshold를 갖으면 그 범위 만큼의 엣지가 굵게 표현될 것이다.
• threshold를 높여주면 두꺼운 엣지를 얇게 만들어 줄 수 있지만
• 검출되는 엣지가 줄어들어서 끊김 현상이 발생될 수 있다.
• 주어진 영상에서 부분적(특정 영역)으로 서로 다른 threshold를 적용하여 엣지를 검출하면 해결된다.
• 이 때 Gradient의 norm 영역을 갖고 threshold 수준을 adaptive하게 선택해보자는 것이 케니 엣지의 강조점이다.

• Non-maximum suppression 이라는 개념이 있다.
• 현재 상태로 엣지를 검출하면 엣지의 두께가 두껍도록 검출되는 문제점이 있다.
• 만약에 라인에서의 Gradient 값이 너무 커서 램프 엣지가 많이 발생될 것이 예측된다면
• 첫번째: 라인 영역에서의 local maximum을 찾아서 연결해주면 한줄로 표현할 수 있다!

• 그림의 모자 부분 처럼 원래는 엣지가 있어야 하는데 threshold 값이 높아서 엣지를 검출하지 못하는 경우가 존재한다.
• 주변 영역의 특성을 고려해서 adaptive 하도록 threshold를 적용해보자! => Hysteresis thresholding
• 만약 엣지가 굵은 부분이라면 non-maximum suppression을 사용하여 한줄로 줄여준다.
• 만약 엣지가 얇은 부분이라면 threshold 값을 낮춰서 엣지 검출이 잘 되도록 도와준다.

• Hysteresis thresholding의 예시에 관하여 살펴보자!

• 주어진 영상에서 threshold를 높이면 엣지가 끊기는 문제가 발생한다.
• 주어진 영상에서 threshold를 낮추면 영상에서 불필요한 엣지가 다수 검출되어 특징을 찾는데 방해가 될 수 있다.
• 엣지가 잘 검출되지 않는 곳에서는 threshold를 낮춰주고 엣지가 많이 검출되는 곳에서는 non-maximum suppression 통해 필요한 엣지를 검출해낸다.
• 케니 엣지는 위와 같은 방식으로 잡음을 줄이면서도 엣지를 잘 뽑을 수 있도록 도와준다.

• Gradient의 norm에 대한 정보를 갖고 최적화 문제를 해결한다.
• 최소오류율: 잘못 뽑는 엣지와 엣지인데 검출되지 않는 경우가 없도록 엣지를 뽑아본다.
• 위치정확도: 검출된 엣지는 실제 영상에서의 위치가 동일해야 한다.
• 엣지 두께: 실제 엣지에 해당되는 곳에는 한 두께의 엣지만 생성해서 엣지의 굵기가 일정하도록 한다.

• 케니 엣지를 검출하기 위해 위와 같은 과정을 거친다.
• 입력 영상에 가우시안 스무딩을 적용하여 잡음을 제거한다.
• 소벨 연산자를 적용하여 엣지 강도와 엣지 방향만을 구한다.
• 즉, Gradient를 구하고 이와 직교하는 방향을 구하는데 이 과정이 sobel 엣지를 구하는 것과 마찬가지이다.
• 엣지의 굵은 영역(거짓 부정)과 안나오는 영역(거짓 긍정)이 동시에 공존할 수 밖에 없다.
• 굵은 영역을 해결하기위해 non-maximum suppression을 적용한다.
• 엣지가 검출되지 않는 문제를 해결하기위해 낮은 threshold를 적용하여 검출되지 않는 엣지를 검출한다.

참고

• 비최대 억제 방식은 참고하자!

• 두개의 임계값 T_high와 T_low 입계값을 활용한다.
• 엣지의 추적을 high를 활용하고 추적 도중 끊어진 엣지가 있다면 low를 적용하여 엣지를 찾는다.

• 가우시안 필터를 얼만큼 작용하는가에 따라 잡음이 줄어드는 것, threshold를 적용하는 것이 달라질 수 있다.

• 컬러 엣지는 R, G, B 채널에 각 엣지를 검출한 후에 OR 연산을 통해 합쳐준다.

• 디 젠조 방법은 R, G, B 채널에 대한 그래디언트 방향과 크기를 나타내는 것이다.

• 가우시안 필터의 스무딩을 활용하여 엣지를 구하는 예시이다.
• 컬러영상은 그레이 영상에서의 엣지 검출 과정을 컬러의 각 채널에 대해서 동일하게 적용한 것이다.