[Computer Vision] 컴퓨터 비전과 딥러닝 4장- 에지 검출

1. 에지 검출

에지 검출 알고리즘은 물체 영상에서 물체 경계가 변하면서 발생하는 명암의 급격한 변화의 특성을 활용한다.

 

출처 : https://songminkee.github.io/studyblog/computer%20vision/2020/05/31/edge_detection_basic.html

먼저 영상을 미분하는 이유는 기존 영상에서 미분을 통해서 기준점에서의 변화량을 측정하는 게 가능해서 이다.  이렇게 변화량에 대한 차이를 영상의 컨볼루션을 취하여 에지 영상을 만든다. (위의 그림에서는 (-1,1) 필터로 컨볼루션 한다.)

 

1.1 에지 연산자

 

출처 : https://songminkee.github.io/studyblog/computer%20vision/2020/05/31/edge_detection_basic.html

 영상에서는 보통 한번의 에지의 변화만 있는 게 아니라 여러 화소에 걸쳐 명암이 변하는 램프 에지(ramp edge)가 발생한다. 1차 미분을 통해서 (c)처럼 에지 영상을 구하면 에지가 구분이 된다. 하지만 두께가 있는 에지가 검출되며 위치 찾기(localization)의 문제가 발생한다. 그렇게 다시 한번 2차 미분을 진행하면 연산의 속도는 느리지만 에지가 명확하게 구분이 된다.

 

출처 : https://heo-seongil.tistory.com/59

같은 방식을 2번 하여 2차 미분 작접을 하면 연산의 속도가 느린 문제가 있었다. 그런 문제를 해결하기 위해서 필터의 모양을 위의 그림에서 왼쪽처럼 구성을 하여서 이차 미분을 한 번에 원래 연산에서 하는 게 가능하다. 그러면 연산의 속도는 2배 빠르게 진행이 가능하다.

 

- 2차원 에지 연산자

 

이론적으로 Δx는 0에 가까울 수록 좋지만 실제로는 너무 작다. 그래서 노이즈가 발생하는 문제가 있다. 이걸 해결하기 위해서 Δx=2인 연산자로 확장해서 사용한다.

 

 

실제로 이제 에지 연산은 2차원에서 진행하기 위해서는 Y 축에서도 미분 연산 작업을 진행을 해야 한다. 컨볼루션 필터로 본다면 위의 그림처럼 m 필터처럼 구성이 된다. 이것을 이제 3 x 3 크기로 확장하면 프레윗 연산자 필터가 되고, 가까운 상하좌우 화소에 가중치를 2로 두는 소벨 연산자 필터도 가능하다.

에지 강도: 에지일 가능성을 나타낸다.

에지 방향 : 에지의 방향성을 나타냄 => 그레이디언트 방향을 90도 회전한 방향