인공지능 강의 8화 :: 컴퓨터 시각, 전처리, 합성곱, 가우시안, 중간값 필터, 영상분할

인공지능 강의 8화를 보며 배운내용

 

 

KEYWORDS

• 컴퓨터 시각(Computer Vision): 인간의 시각체계를 컴퓨터에 넣기 위해 연구하는 인공지능의 한 분야
  
  
• 4-이웃 연결성: 한 픽셀에서 가장 가까운 상, 하, 좌, 우 네 개의 픽셀을 연결된 이웃으로 정의
  
  
• 8-이웃 연결성: 한 픽셀을 둘러싼 8개의 픽셀을 모두 연결된 이웃으로 정의
  
  
• 표본화: 계속 변하는 아날로그 신호 => 이상(discrete) 신호로 변환
  
  
• 양자화: 이산신혼의 값에 정해진 정밀도로 분할된 구간의 대표값을 부여하는 과정
  
  
• 영상 평활화(Image Smoothing): 영상에서 변하는 잡음을 제거하기 위한 제반 처리
  
  
• 저역통과 필터: 신호에서 고주파 성분 부분을 제거하는 처리하는 필터
  
  
• 중간값 필터: 정해진 크기의 영역 내의 픽셀 값들 중에서 중간값을 선택해서 점잡음을 효과적을 제거하는 필터

 

 

컴퓨터 시각

인간의 시각체계 능력을 컴퓨터에 심기 위해 연구하는 인공지능의 한 분야

영상 취득 => 전처리 => 영상 분할 => 정규화 => 영상 표현 => 분석

 

1. 영상 취득
   다양한 유형의 센서로 디지털 영상 취득
2. 전처리
   취득한 영상을 처리하기 좋은 형태로 가공
   잡음제거, 명암, 대비 개선 등
3. 영상 분할
   영상 해석의 단위가 될 수 있는 영역을 다른 부분과 구분
   유사한 성격을 하나의 영역으로, 다른 특성은 다른 영역으로 구분
4. 정규화
   영상 내에서 발생할 수 있는 변형을 회복해서 기준이 되는 형태로 변환
   객체의 방향, 크기 등
5. 영상 표현
   각각의 영역을 컴퓨터 내에 특징 묘사
   고유한 속성을 유지할 수 있는 표현방법
   선(Lines), 에지(Edge), 모서리(Corner), 덩어리(Blob)
6. 분석
   분할 영역 영상, 검출된 특징 등을 바탕으로 정보 구함

 

 

디지털 영상

디지털 영상은 픽셀로 되어있다.

보통 사각형 격자 형태의 좌표로 표현한다.

육각형도 가능하지만 좌표 이용이 쉽지 않아서

 

이웃이 연결되어 있는지 확인할 때

4-이웃 연결성과 8-이웃 연결성

이미지: https://velog.io/@redorangeyellowy/ch07-%EC%9D%B4%EC%A7%84-%EC%98%81%EC%83%81-%EC%B2%98%EB%A6%AC-%EB%A0%88%EC%9D%B4%EB%B8%94%EB%A7%81

 

 

표본화(Sampling)

연속적으로 변화는 아날로그 신호를 이산(discrete) 신호로 변하는 과정

 

 

양자화(Quantization)

이산신호의 값에 정해진 구간에 대푯값을 부여

구간을 많이 줄 수록 원본과 비슷

 

 

전처리

필터

입력신호에서 불필요한 요소 제거, 필요한 요소만으로 구성된 신호를 출력

 

• 저역 통과 필터(LPF)
  주파수 낮은 부분만 남김
• 고역 통과 필터(HPF)
  주파수 높은 부분만 남김

 

 

합성곱과 필터 마스크

필터마스크를 정의하고 영상의 좌표에 맞춰서 좌측부터 적용

=> 이 과정이 합성곱

맨 외곽은 가상 값을 넣어주면 계산 가능(Padding) 

 

 

영상의 잡음(잡영)

불규칙한 영상 신호

가우시안 잡음(Gaussian noise), 점 잡읍(salt and pepper noise) 등

 

잡음 제거를 위해 저역통과 필터 활용 고주파 성분 억제

=> 평활화(smoothing)

 

 

가우시안 저역통과 필터(Gaussian LPF)

블러가 적다

 

 

점 잡음(Salt and pepper noise, impulse noise)

흰 점과 검은 점 무작위로 나타나는 잡음

가우시안 필터로 효과적으로 잡음 제거 할 수 없다

=> 중간값 필터 사용

 

 

중간값 필터(median filter)

정해진 크기의 영역 내의 픽셀 값들중에서 중간값 선택

점 잡음에 효과적

 

크기별로 나열하고 중간값 선택

 

 

영상분할(Image Segmentation)

유사한 속성을 가진 영역으로 분할

 

좋은 영상분할 알고리즘 조건

• 각각의 영역의 밝기나 결 등 정해진 기준에 대해 균일해야 한다.
• 영역 내부는 단순하고, 미세한 구멍이 적어야 된다.
• 인접한 영역은 서로 상당히 다른 속성이어야 한다.
• 영역은 경계는 단순하고, 부드러워야 하고, 공간적으로 정확한 위치에 존재해야 한다.

 

 

이진화(Binarization)

영상의 밝기에 따라 두 영역으로 구분

배경으로부터 객체를 구분하기 위해 적절한 임계치(경계값) 선택

 

임계치(Threshold) 결정 방법

• 경험적 지식에 따른 픽셀 수 비율에 따른 결정
• 그레이 레벨 히트로그램이 두 개의 정점일 때 두 정점 사이에 존재하는 최솟값을 임계치로 선택
• 오쓰의 방법 등

 

 

분할과 합병 이용

4분 트리(quad tree) 분할 이용 알고리즘

4조각으로 나눠서 분할 합병 반복후 => 균일성 검사 => 균일하면 하나의 영역으로 구분

 

엣지(Edge) 이용

밝기가 다른 두 영역 사이에 그레이 레벨이 크게 변하는 부분

 

1차 미분 이용 - 소벨(Sobel) 연산자

2개의 마스크(가로, 세로)로 정의

 

엣지의 강도, 엣지의 방향

 

2차 미분 이용 - 라플라스(Laplace) 연산자

 

 

Computer Vision by Conor Luddy #unsplash