사막여유

불균일한 조명성분이 있는 영상에대한 조명 이진화 기법에 대한 설명이다. 저번 영상에서 쌀알들이 조명이 균일하지 않아 어떤 부분은 보이고 어떤부분은 보이지 않는 현상이 있었다. 위 이미지처럼 영상 하단 부분은 평균보다 어둡기때문에 쌀알이 잘 표현되지 않는 듯한 모습을 볼 수 있다. 그럼 이처럼 균일하지 않은 조명의 영향을 해결하기 위해서는 픽셀 주변에 작은 윈도우를 설정하여 지역 이진화를 수행해야한다. 고려해야할 상황으로는 - 윈도우의 크기는 ? - 윈도우 형태는? Uniform? Gaussain? 부분 영상을 잘라냈을때 중앙을 가중치를 더 줄것인지 등에 대한 고려 - 윈도우를 겹칠 것인가 ? Overlap? Non-Overlap? - 윈도우 안에 배경 또는 객체만 존재한다면 ? 부분영상내부에 Backgr..

임계값 자동 결정 방법 - 영상의 히스토그램이 bimodal ( 쌍봉분포 ) 이고, 전경 & 배경 픽셀 분포가 비슷하면 쌍봉 분포의 중앙값을 픽셀 값 평균으로 잡는다. - 히스토그램이 binmodal 이지만, 전경&배경 픽셀 분포가 아래와 같이 크게 다르다면 어떻게 잡아야 되는가? Otsu 이진화 방법 - 입력 영상이 배경 ( background ) 과 객체 ( object ) 두 개로 구성되어 있다고 가정 Bimodal histogram - 임의의 임계값 T에 의해 나눠지는 두 픽셀 분포 그룹의 분산이 최소화되는 T를 선택 - 일종의 최적화 알고리즘 ( optimization algorithm ) * 1979년도에 발표된 논문으로 아주 오래된 알고리즘임에도 불구하고 접근이라든지 , 계산의 효율 등의 면..

영상의 이진화 ( Binarization ) 란? - 영상의 픽셀 값을 0 또는 255 (1) 로 만드는 연산 - 배경 ( Background ) vs 객체 ( Object ) 관심 영역 vs 비관심 영역 위 이미지를 보게되면 염색되어있는 이미지 또는 글씨처럼 배경과 객체로 구분할 수도 있고 사과이미지처럼 관심영역과 비관심 영역으로 구분할수도 있다. 그레이스케일 영상의 이진화 그레이스케일의 이진화는 위 처럼 Threshold 라는 값을 임계값을 기준으로 기준값보다 낮으면 0 , 기준값보다 높으면 255로 변환시켜주어 영상전체를 이진화 시켜준다. 임계값 함수 cv2.threshol( src, thresh, maxval, type, dst ) -> retval, dst src : 입력영상. 다채널, 8비트 ..

동전 카운터 - 영상의 동전을 검출하여 금액이 얼마인지를 자동으로 계산하는 프로그램 - 편의상 동전은 100원짜리와 10원짜리만 있다고 가정 구현할 기능 - 동전 검출하기 -> 허프 원 검출 - 동전 구분하기 -> 색상 정보 이용 동전 검출하기 - 동그란 객체는 동전만 있다고 가정 cv2.HoughCircles() 함수 사용 - 영상 크기 : 800x600 (px) - 동전크기 100원 : 약 100x100 (px) 10원 : 약 80x80 (px) 크기정보로 구분하게 되면 100원짜리가 90px 10원짜리가 90px 이 될 수 있기때문에 크기정보보다는 색상 정보로 구분하는 것이 확실해보인다. 따라서 왼쪽 10원짜리들의 Hue 값을 보게되면 빨간색의 0에 가까운 값을 갖고있고 오른쪽 100원짜리들의 Hu..

허프 변환을 응용하여 원을 검출할 수 있다. 허프 직선 변환처럼 원의 방정식 ( x - a )^2 + (y - b)^2 = c^2 을 사용하여 파라메타 공간으로 변환하여 a , b , c 를 사용하여 원을 검출할 수는 있다. 하지만 위 3개의 파라메타를 이용하여 공간변환을 하는 것은 시간이 오래걸리기때문에 위와같은 방법으로는 사용하지 않는다. 그래서 속도 향상을 위해 Hough Gradient Method 방법을 사용한다. 입력 영상과 동일한 2차원 평면 공간에서 축적 영상을 생성 에지 픽셀에서 그래디언트 계싼 에지 방향에 따라 직선을 그리면서 값을 누적 원의 중심을 먼저 찾고, 적절한 반지름을 검출 단점 : 여러개의 동심원을 검출 못함 - 가장 작은 원 하나만 검출됨 아래와 같이 원의 에지로 판단되는 ..

허프 변환 ( Hough Transform ) 직선 검출이란? - 2차원 영상 좌표에서의 직선의 방정식을 파라미터 ( parameter ) 공간으로 변환하여 직선을 찾는 알고리즘 에지 추출 결과는 보통 검은배경에 흰 라인형태로 에지가 나타나게 된다. 즉, 입력영상에서 에지가 있는 좌표를 모두 추출할 수 있다는 의미이다. 그럼 그 좌표를 이용하여 직선 또는 곡선의 정보를 추출해내고자 하는 시도들이 많이 있는데 그 중 가장 대표적인게 허프변환 ( 직선검출 ) 이다. 그렇지만 직선의 정보를 추출하기 위한 알고리즘이라고 생각하기보다는 위 설명처럼 직선의 방정식을 파라미터 공간으로 변환하여 누적행렬을 이용해서 원하는 파라메타를 찾는 방정식 ( 알고리즘 ) 이라고 생각하는 것이 맞다. 위처럼 y = ax + b 를..

캐니 에지 검출 - 1986년 Jhon F. Canny 라는 사람이 개발한 Edge 검출 알고리즘이다. - OpenCV 에 구현되어있어 많은 사람들이 사용하고 있는 방식 중 하나이다. 지난 시간에 구현한 Sobel Filter는 Threshold를 어느 부분에 두는지에 따라 Edge가 두껍게 잡힐지 얇게 잡힐지가 결정되는 단점이 있었는데 CannyEdge는 기본적으로 Sobel Filter를 쓰지만 Edge를 좀 더 정확하게 검출한다. 그 방식으로는 정확한 검출 ( Good Detection ) : 에지가 아닌 점을 에지로 찾거나 또는 에지인데 에지로 찾지 못하는 확률을 최소화 정확한 위치 ( Good Localization ) : 실제 에지의 중심을 검출 Sobel Filter는 5개의 픽셀을 에지로 ..

영상의 그래디언트 ( Gradient ) - 함수 f ( x , y )를 x축과 y축으로 각각 편미분 ( partial derivative ) 하여 벡터 형태로 표현한 것 영상이라는 것은 2차원의 평면이기때문에 미분을 할 때 x방향과 y 방향을 각각 따로 미분을 해줘야하는데 그렇게 되면 수식이 지저분해질 수 있기 때문에 묶어서 하나로 표현한 것을 Gradient 라고 한다.즉, x 방향의 미분값과 y 방향의 미분값을 묶어서 하나의 수로 표현하는 방법이다. 그래디언트 크기 : ∣∇f∣=fx​²+fy​²​ 그래디언트 방향 : θ=tan−¹(fy/fx​​) 그럼 이 크기와 방향이 의미하는 것은 무엇인가? 실제 영상에서 구한 그래디언트 크기와 방향 - 그래디언트 크기 : 픽셀 값의 차이에 비례 , 픽셀값이 얼만..

영상에서 미분을 구하는 이뉴는 에지를 검출하기 위함이다. 에지 ( Edge ) - 영상에서 픽셀의 밝기 값이 급격하게 변하는 부분 - 일반적으로 배경과 객체, 또는 객체와 객체의 경계 좌측 상단의 수직형태로 바뀌는 부분을 Step Function 이라고 말하는데 이러한 형태는 실제로는 보기 드문 형태이다. 그렇기 때문에 우측 상단에 있는 형태처럼 Smoody한 형태로 바뀌는 형태가 보통이다. 또는 좌측 하단에 있는 형태처럼 노이즈가 들어가있는 경우도 볼 수 있는데 이러한 형태에 Gaussian Blur 필터를 적용시켜주면 우측 하단에 있는 형태처럼 바꿀 수 있다. ( 픽셀값 증가의 엣지 ) 그렇기에 값이 급격하게 바뀌는 부분을 찾기 위해서 미분값을 사용하게 되는데 미분이라는 것은 간단히 말하면 변화율이라..

문서 스캐너 구현 - 카메라로 촬영한 문서 영상을 똑바로 펴서 저장해주는 프로그램 구현 위와같이 바닥에 깔려있는 문서들을 affine 또는 perspective 변환을 통해 알아보기 쉽게 펴주는 변환을 구현한다. 구현 할 기능 - 마우스로 문서 모서리 선택 & 이동하기 - 키보드 ENTER 키 인식 - 왜곡된 문서 영상을 직사각형 형태로 똑바로 펴기 ( 투시변환 ( Perspective ) ) 일단 위와같은 기능을 구현하기 전 Open cv C++ 기반으로 만들어 본 투시변환 예제를 사용하여 나름대로의 기능을 만들어보고 강의에 나오는 코드와 얼마나 다른지 비교해볼 예정이다. 내 코딩 내 코딩은 4개의 라인들로 이루어져 변환시키는게 아닌 마우스 이벤트로 발생한 4개의 좌표값을 받아와 해당 좌표값을 Pers..