영상처리

2. Edge Detection 영상 내부에 있는 물체의 인식은 물체의 모양 및 색상, 무늬 등 여러 요소들을 다각적으로 이용할 수 있다. 그 중에서 물체의 윤곽선은 가장 단순하면서도 다양한 물체의 인식에 가장 효과적이다. 인간의 경우에도 눈에 비친 물체의 인식에는 가장 먼저 윤곽선의 모양으로 물체를 인식하고 기타 다른 요소들로 물체의 나머지 특징들을 알아내는 경향이 있다. 이러한 사실은 주로 어릴 때부터 훈련을 거듭하여 형성된 것이다. 따라서 인간의 경우와 마찬가지로 컴퓨터에서도 물체를 인식하기 위하여 윤곽선을 이용하는 것이 일반적이다. 물체의 윤곽선은 서로 다른 물체의 경계선이므로 영상의 특징이 다른 영역의 경계선을 찾는 방법을 사용할 수도 있겠지만 가장 쉬운 방법은 물체의 윤곽선을 중심으로 서로 다른 물체들은 보통 밝기 값이 많이 차이가 난다는 사실을 이용하는 것이다. 즉 화소의 밝기 값의 변화가 어느 허용한도 이상이 되는 곳은 윤곽선 부분으로 판단하는 것이다. 이때 허용한도는 일반적으로 발생할 수 있는 미세 잡음의 영향을 배제할 수 있을 만큼으로 정한다. (1) 밝기의 변화량 (gradient) 밝기의 변화량에 따른 경계선 검출방식은 영상에서 인접하는 두 화소의 밝기 차이를 이용하는 방식이다. 이것은 수학적으로는 미분 또는 기울기로 표현된다. 다음의 식은 X 및 Y 방향의 미분치를 계산하는 방법을 나타내고 있다. (2) 주변 밝기와의 차이 (laplacian) 이 방법은 2차 미분에 해당하는 처리법으로써 전항의 gradient를 한번 더 미분하는 방법이다. 다음 식은 영상의 화소 값에 대한 라플라시안을 계산하는 방법이다. 여기서 라플라시안은 근사적으로 주변 4화소 값의 평균치와 중앙 화소 값의 차이를 의미한다는 것을 알 수 있다. 따라서 중앙 화소 값이 주변보다 작으면 라플라시안은 양수가 되고 그 반대면 음…
여기서 라플라시안은 근사적으로 주변 4화소 값의 평균치와 중앙 화소 … (3) 경계선 검출 템플리트