영상처리의 기초 Harris Corner Detector, SIFT Descriptor 및 Distance Ratio를 이용한 특징 매칭의 이해와 구현

1. 기초 이론

영상처리에서 코너 검출은 중요한 기초 작업 중 하나로, 영상을 분석하거나 해석하는 데에 유용한 정보를 제공한다. Harris Corner Detector는 코너 검출의 대표적인 방법으로, 이미지의 에지 정보를 분석하여 강한 코너 포인트를 찾아낸다. 이 방법은 픽셀의 이동에 대한 불변성을 유지하며, 지역적 극대값을 찾는 방식으로 작동한다. SIFT(Scale-Invariant Feature Transform) Descriptor는 다양한 스케일에서 특징을 추출할 수 있는 알고리즘으로, 이미지의 회전, 크기 변화, 조명 변화 등에도 강인성을 가진다. SIFT는 주요 단계를 통해 keypoint를 검출하고, 해당 keypoint 주변의 자이로지 칼럼으로부터 특징 벡터를 생성한다. 이러한 특징 벡터들은 서로 다른 이미지 간의 비교 및 매칭에 활용된다. 특징 매칭은 두 이미지 간의 유사점을 찾는 과정으로, 이때 Distance Ratio 같은 기법이 사용된다. Distance Ratio는 각각의 keypoint에 대해 가장 가까운 두 개의 매칭을 찾고, 이들의 거리 비율을 계산하여 일정 비율 이하인 것들만 신뢰성 있는 매칭으로 간주하는 방식이다. 이를 통해 잘못된 매칭을 줄이고, 효과적인 특징 매칭을 수행할 수 있다. …