고전 컴퓨터 비전
1. 고전 컴퓨터 비전
1.1 고전 컴퓨터 비전이란?
규칙 기반의 이미지 처리 알고리즘 (OpenCV)
c.f. DL : 데이터 학습 기반의 이미지 처리
즉 데이터로 학습된 neural network를 바탕으로 output을 도출
1.2 고전 컴퓨텆 비전의 활용
그러타 로보틱스나 가상현실에서는 DL로 해결하기 어렵다.
그리고, DL 결과의 후처리를 할때에도 고전 컴퓨터 비젼이 활용하다.
마지막으로, DL 모델 없이 데이터를 가공할 때 활용할 수 있다.
2. Morphological Transform
2.1 Morphological Transform이란?
이미지에 기반한 연산, 흑백 이미지에서 일반적으로 수행한다.
input : 원본 이미지, 커널(연산자)
중요성
Morphological Transform은 이미지 전처리 영역에서 유용하게 사용
ex. 이미지의 노이즈를 제거할 때 사용
2.2 Erosion이란?
물체의 경계를 침식
이미지의 특징을 축소할 때도 사용가능
동작원리
홀수 크기의 커널이 이미지와 컨볼루션 연산을 수행
커널 아래 모든 픽셀이 1이면 1, 그 외에는 0
결계 근처의 픽셀은 침식
2.3 Dilation이란?
Erosion과 반대로 동작
사물의 크기를 팽창할 때도 사용가능
동작원리
홀수 크기의 커널이 이미지와 컨볼루션 연산을 수행
커널 아래의 하나 이상의 픽셀이 1이면 1, 그 외에는 0
결계 근처의 픽셀은 팽창
2.4 Opening이란?
Erosion 커널과 Dilation커널 순서대로 동작되는 연산
반대로 동작시키면 (Dilation $\rightarrow$ Erosion) Closing 커널이라고 부른다.
노이즈를 제거하는데 사용된다.
3. Contour Detection
3.1 Contour Detection
목표 :
Contour : 같은 색깔 및 intensity를 가지는 연속적인 결계점들로 이루어진 curve (물체의 경계)
고전 컴퓨터 비전을 활용하여 Raw image에서 객체의 contour를 추출
중요성
DL 모델을 사용하지 않는다.
즉, DL 모델의 단점을 그대로 학습하지 않고, rule-base로 찾기 때문에 DL 모델과 동시에 진행한다
또한, 하드웨어적 이득을 볼 수도 있다.
과정
Edge detection $\rightarrow$ Dilation (optional) $\rightarrow$ Contour detection
3.2 Canny Edge Detector
Edge detection의 일부
장점 : 정확도 높음
단점 : 실행시간이 느리고 구현이 복잡함
과정
-
노이즈 제거
이미지 내에 노이즈가 있다면, 엣지를 찾는데 어려움이 있음
일반적으로 가우시안 필터 사용 -
이미지 내의 높은 미분값 찾기
미분 : 행 또는 열 방향으로 픽셀 값의 변화 정도 -
최대값이 아닌 픽셀 값 0으로 치환
목표 : 엣지 검출에 기여하지 않은 픽셀을 제거
Gradient의 최대값을 가진 픽셀을 찾고, 주변 값과 비교해서 엣지가 아닌 픽셀 값을 0으로 치환(제거) -
하이퍼파리미터 조정을 통한 세밀한 엣지 검출
2가지의 threshold를 정의 (low threshold, high threshold)
3.3 Contour edge Detection with OpenCV
Contour Detection
raw image를 binary image로 변환 $\rightarrow$ OpenCV 의 findContours() 함수 이용