Computer Vision Theory : 특징 검출

Feature Detection

Computer Vision Theory : 특징 검출
[ ComputerVision ] - 윤대희

특징 검출(Feature Detection)


1 특징 검출(Feature Detection)은 이미지 내의 주요한 특징점을 검출하는 방법입니다. 해당 특징점이 존재하는 위치를 알려주거나 해당 특징점을 부각시킵니다. 픽셀의 색상 강도, 연속성, 변화량, 의존성, 유사성, 임계점 등을 사용하여 특징을 파악합니다. 특징 검출을 사용하여 다양한 패턴의 객체를 검출할 수 있습니다.

대표적으로 가장자리(Edge). 윤곽(Contours), 모서리(Corner), 선(Line), 원(Circle) 등이 있습니다.



가장자리(Edge)

가장자리(Edge) 검출은 이미지 내의 가장자리 검출을 위한 알고리즘입니다. 픽셀의 그라디언트의 상위 임계값하위 임계값을 사용하여 가장자리를 검출합니다. 픽셀의 연속성, 연결성 등이 유효해야합니다. 가장자리의 일부로 간주되지 않는 픽셀은 제거되어 가장자리만 남게됩니다.



윤곽(Contours)

윤곽(Contours) 검출은 이미지 내의 윤곽 검출을 위한 알고리즘입니다. 동일한 색상이나 비슷한 강도를 가진 연속한 픽셀을 묶습니다. 윤곽 검출을 통하여 중심점, 면적, 경계선, 블록 껍질, 피팅 등을 적용할 수 있습니다.



모서리(Corner)

모서리(Corner) 검출은 그라디언트에서 유사성을 검출합니다. 픽셀 강도의 차이를 기준으로 모서리 점을 검출합니다. 이 결과로 가장자리, 평면, 모서리를 구분합니다. 때에 따라 모서리 강도가 강한 모서리 점을 검출할 수 도 있습니다.



선(line)

선 (line) 검출은 이미지의 모든 점에 대한 교차점을 추적합니다. 교차점의 수가 임계값보다 높을 경우, 매개 변수가 있는 행으로 간주합니다. 즉, 교차점의 교차 수를 찾아 선을 검출합니다. 교차 횟수가 많을 수록 선이 더 많은 픽셀을 가지게 됩니다.



원(Circle)

원(Circle) 검출은 이미지에서 방사형 대칭성이 높은 객체를 효과적으로 검출합니다. 특징점을 파라미터 공간으로 매핑하여 검출합니다. 가장자리에 그라디언트 방법을 이용하여 원의 중심점 (a,b)에 대한 2D Histogram으로 선정합니다.



  • Writer by : 윤대희


Book Image

개정판이 출간됐습니다!

C#과 파이썬을 활용한 OpenCV 4 프로그래밍 (개정판)

컴퓨터 비전 기초 이론부터 머신러닝을 활용한 영상 처리 프로젝트까지

  • C#과 파이썬용 OpenCV의 데이터 형식과 행렬 및 배열 연산
  • 이미지/동영상/카메라를 활용한 입출력과 결과 저장
  • 전처리 과정과 정보를 탐색하기 위한 이미지 변형
  • 유의미한 정보를 검출하기 위한 이미지 변환
  • 이미지에서 정보를 검출 및 인식
  • 객체 검출을 포함한 모션 추적
  • K-means, KNN, SVM 등의 머신러닝 알고리즘 적용 방법
  • 카페(Caffe), 다크넷(Darknet), 텐서플로 모델을 활용한 딥러닝 모듈 적용 방법
  • Tesseract-OCR과 C# OpenCvSharp4를 활용한 프로젝트
  • 텐서플로와 Python OpenCV4를 활용한 프로젝트
  • 윤대희 저 | 위키북스

    [yes24 바로가기] [알라딘 바로가기] [교보문고 바로가기]

    후원하기


    ⤧  Previous post Computer Vision Theory : 이미지 연산 ⤧  Next post Computer Vision Theory : 유사성 검출
    ComputerVision Category