singularis7’s Life Note

Overview 검출된 엣지를 여러가지 분야에서 활용하는 방법을 배운다. 엣지를 간단하게 표현할 수 있는 방법을 배운다. 엣지를 통해 선분이나 원을 찾는 방법을 배운다. 엣지 연결과 선분 근사 엣지의 표현 방법 위 이미지에는 16 x 8 이미지가 있다. 영상에서 엣지가 차지하는 영역이 적기 때문에 메모리 사용 측면에서 비효율적이다. 메모리를 줄이면서 효율적으로 엣지의 위치를 추적하는 방법들이 있다. 첫번째 방법은 체인코드를 사용하는 것이다. 영상의 화소를 쭉 훑다가 처음 만나는 점을 기준으로 오른쪽 방향을 0 기준으로 잡아서 8연결성으로 살펴본다. 체인코드는 위와 같은 8 연결성에서 어떻게 연결되어 있는지 표현하는 것을 의미한다. 영상에서 엣지 성분들은 다음과 같이 분류해볼 수 있다.@ (끝점) : ed..

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 그..

Overview 디지털 영상으로부터 영상의 중요한 특징(Feature)을 어떻게 뽑을 것인가? 특징이 무엇이며 어떻게 뽑아낼 것인가를 공부해본다. 엣지는 가장 중요한 특징 중 하나이다. 영상에서 엣지는 물체의 경계를 표시해주는 것이며 물체에 대한 경계는 조명과 같이 다양한 환경에 강인하다. 따라서 내가 원하는 물체를 검색하거나 매칭할 때 용이한 선분 혹은 곡선으로 변환할 수 있다. 엣지는 어떤 명암값 또는 컬러값들에 변화가 큰 지역들을 모아둔 특징들을 의미한다. 엣지정보는 매칭 혹은 특징을 찾는데 중요하게 활용될 수 있다. 하지만 일부 끊겨있거나 몸체 부분에 불필요한 엣지가 감지될 수 있다. 따라서 사람이 정상적으로 추출되지 않는등의 오류가 발생할 수 있다. 사람의 얼굴 부분에 일부 끊겨있는 부분을 실종..

Convolution Neural Network 에서 컨볼루션 필터를 씌우기전에 영상 주변에 0값을 넣어 padding을 준다. 왜냐하면 필터를 씌울때 영상 밖을 나가는 영역에 대해서도 우리가 원하는 값을 얻기 위해서이다. 컨볼루션 연산이 진행될 때 윈도우를 몆칸씩 움직일지를 결정할 수 있으며 stride라고 부른다. 예를 들어 stride가 1인 경우는 윈도우를 한칸씩 이동시키는 것이다. 주어진 영상에 padding, stride, 필터의 크기에 따라 영상의 크기가 달라질 수 있다. 우리가 영상처리를 수행할 때에 영상의 크기가 바뀌지 않도록 한다. 주어진 영상에 대해서 컨볼루션을 수행한 후에는 pooling이라는 과정을 거친다. 주어진 영상에서 특정한 값을 뽑아 차원을 줄이게 된다. max poolin..

지난 시간에 이진 영상 및 라벨링을 알아보았다면 이번 시간에는 영상처리에서 사용되는 3가지 기본 연산에 대해 알아본다. 크게 화소, 영역, 기하학적 요소로 처리하는 방법이 있다. 특히, 영역에 관한 처리는 딥러닝과 깊은 관련이 있어서 중요하다; 점 연산 오직 자신 (하나의 픽셀)의 명암값에 따라 새로운 값 결정 주어진 영상에 각 픽셀의 명암값을 어떻게 바꾸는가? 어느 픽셀값을 바꿀때 자기 주변의 명암값과 관계없이 값을 결정한다. 선형 연산은 주어진 영상에 대하여 특정 명암값 만큼 더해주거나 뺄서 현재 픽셀의 명암값을 결정하는 용도로 사용된다. 명암값을 밝거나 어둡게 하는 경우 0