Kamchol's Base Camp

영상의 영역 분할

영상을 구성 요소로 혹은 분리된 물체로 구분하는 연산을 의미한다.

문턱처리 및 엣지 검출을 다룬다.

문턱치 처리 (Thresholding)

단일 문턱치 처리

그레이 스케일 영상을 2진 영상으로 바꿀 수 있다. 이는 먼저 원 영상에서 그레이 레벨T를 선정하고 , 화소의 값이 T보다 큰지 혹은 작은지에 따라서 모든

화소들을 흰색 혹은 흑색으로변경 하면 된다

이중 문턱치 처리

2개의 값 T1과 T2를 선택하고 문턱치 처리를 한다.

T1과 T2사이의 값은 1 그외의 값은 0

문턱치 처리의 응용

1.본질의 집중하기 위해 영상에서 불필요한 부분을 제거 하기 원할 때 사용

2.숨겨진 미세한 부분을 나타낼 때

3.글자나 혹은 그림으로부터 변화하는 배경을 제거 하고자 할 때

적절한 문턱치의 선정

영상처리의 과정의 성패는 적당한 문턱치 레벨의 결정에 의해 좌우 된다.

만일 문턱치를 너무 낮게 설정하면 어떤 물체의 크기를 감소 시키거나 혹은 그 개수도 감소 시킬 수 있다.

반면 너무 높게 설정 할 경우 너무 많은 배경 정보를 포함 하게 할 수 있다.

따라서 문턱치를 알맞게 설정해야 하는데 그 러한 방법으로 Otsu방법이 있다.

Otzu’s method가 있다 (N. Otsu, “A threshold selection method from gray-level histograms,” IEEE Trans. Syst., Man, Cybern., vol. SMC-9, pp. 62-66, 1979).

Otsu의 이진화 방법은 임계값 T를 기준으로 영상 픽셀들을 두 클래스로 분류했을 때 두 클래스간의 intra-class variance를 최소화하거나 또는 inter-class variance를 최대화하는 T를 찾는 이진화 방법이다.

입력 영상에서 임계값 T보다 어두운 픽셀들의 비율을 α, 밝기 평균을 μ1, 분산을 σ12, T보다 밝은 픽셀들의 비율을 β, 밝기 평균을 μ2, 분산을 σ22라 했을 때 (α+β=1), intra-class 분산과 inter-class 분산은 각각 다음과 같이 계산된다.

intra-class variance = ασ12+βσ22 —- (1)

inter-class variance = αβ(μ1-μ2)2 —- (2)

식 (1)을 최소화시키는 것은 식 (2)를 최대화시키는 것과 동일하며 둘 중 어느 기준을 사용해도 무방하지만 계산상으로는 식 (2)를 최대화시키는 것이 효율적이다. 즉, Otsu의 이진화 알고리즘은 임계값 T를 0 부터 255까지 단계적으로 변화시키면서 식 (2)를 계산하고 식 (2)가 최대가 되는 T 값을 찾아서 영상을 이진화하는 방법이다.

엣지 검출

엣지는 영상에서 가장 유용한 정보를 포함 하고 있다. 영상에서 물체의 크기를 측정 하려고 할때 , 배역에서 특정 물체를 분리하려 할때 , 물체를 인식 또는 분류 하기 위해 엣지를 사용한다

엣지를 간략하게 서술 하면 주어진 문턱치를 초과하는 화소 값들의 국부적인 불연속으로 정의한다.

엣지와 배경의 화소 값들 사이는 분명한 차이가 있고 이것을 영상에서 구별할 수 있도록 하는 것이 엣지 검출이다.

몇가지 엣지 검출 필터

prewitt필터

수직 수평 엣지를 검출.

sobel 필터

prewitt 필터에에서 가운데 화소에 더 많은 비중을 둔 필터

Roberts 필터

대각선 검출을 하는 필터





위 필터들은 linear filter와 다르게 box filter를 이루는 숫자의 합이 1이 아니라 0인것을 확인할 수 있다.

그 이유는 가중평균을 구하는 linear filter과 다르게 주변 픽셀값들의 차이를 구하기 때문이다.

2차 도함수

라플라시안

양방향 2차 도함수의 합을 라플라시안 이라고 한다.

[0 1 0 ; 1 -4 1 ; 0 1 0]

장점 : 회전에 불변 즉, 라플라시안을 영상에 적용한 후에 회전을 시킨 것과 영상을 먼저 회전 시키고 라플라시안을 적용 시킨 결과는 같다.

문제점 : 2차 도함수의 필터는 잡음에 매우 민감하다.

0교차

엣지를 더 적절히 구하는 법 -> 라플라시안 필터링 후 영교차의 위치를 사용하여 엣지를 더욱더 정확히 구한다.

영교차 구하는 법.

1.화소가 음의 그레이 값을 가지고 있고 , 그레이 값이 양수인 화소에 직각으로 이웃 하면 영교차이다.

2.화사가 0의 값을 가지고 있고, 음과 양의 값을 가지는 화소 사이에 있으면 영교차 이다.

Marr-Hildreth방법

1.가우시안 필터로 영상을 스무싱 처리한다.

엣지 검출전 노이즈를 제거 하기 위해서 .

2.그 결과를 라플라시안 필터로 회선 처리 한다.

3.영 교차 화소들을 구한다.

처음의 두 단계는 하나로 합칠 수 있으며 그것이 바로 LOG (Laplacian of Gaussian)필터가 된다.

Canny엣지 검출기

캐니 엣지는 3가지 기준을 만족 하도록 고안 되었다.

1.낮은 검출 오류율 , 모든 엣지 검출해야 하며 엣지만을 검출해야 한다.

2.엣지의 위치, 영상에 있는 엣지와 알고리즘 사용후의 검출된 엣지 사이의 거리는 최소화 되어야 한다,

3.단일응답, 단지 하나의 엣지만 존재할 경우 이 알고리즘이 다중엣지 화소를 생성해서는 안된다.

단점 : 구현이 복잡하고 시간이 오래 걸린다. 실시간 영상 처리 에서는 임계 값이 처리된 기울기 방법을 이용한다,

허프변환

어떤 점이 주어졌다면, 그점을 기준으로 그점을 지나는 모든 직선의 방정식의 파라미터를 저장해놓고, 여러개의 점들에 대해 반복하여 파라미터의 빈도수를 누적함으로써 ,

같은 직선에 속하는 점들이 몇개나 있는지 검사하는 방법.

즉, 많은 점들이 직선상에 존재 한다면 , 파라미터를 이용하여 직선으로 표현하여 직선을 검출 하는 방법이다.

'영상처리 > 영상처리 기초' 카테고리의 다른 글

영상의 영역 분할  (0) 2014.12.11
영상복원(잡음 제거)  (0) 2014.12.11
기하학적 변환 및 퓨리에 트랜스폼  (0) 2014.12.10
영역 처리 단위  (0) 2014.12.10
영상디스플레이  (0) 2014.12.10
영상파일의 포맷  (0) 2014.12.08

Comment +0