사용자:Sikongming

서론

디지터 영상처리 영역에서 엣지 검출은 아주 중요한 과제입니다. Edge(윤곽)은 영상 안에서 영역의 경계 '픽셀' 밝기의 불연속 점(픽셀의 밝기가 갑작스럽게 변하는 점)을 나타낸다. 영상처리에 있어서 윤곽을 추출하는 것(윤곽 추츨 또는 Edge 추출이라 불림)은 중요한 개념 중에 하나이다. 이 윤곽 추출 방법을 이용하여 특정의 물체를 추출한다든지 또는 면적과 주위의 크기를 측정하는 등의 많은 영상 데이터 처리에 활용할 수 있다.

자주 사용한 연산자Sobel,laplace,canny

Sobel의 원리 및 구현

방향성 필터

cv::Sobel(image,sobelX,CV_8U,1,0,3,0.4,128);수형 필터 cv::Sobel(image,sobelY,CV_8U,0,1,3,0.4,128);수직 필터

두 결과 조합하여 놈을 얻기

소벨 커널은 양수와 음수 값을 갖고 있으므로 소벨 필터의 결과는 일반적으로 16비트 부호 있는 정수 영상(cv_16S)에서 계산한다.두 결과는 다음 소벨 필터의 놈을 얻기 위해 조합한다
소벨 놈은 0인 값을 흰색(white)으로,높은 값을 어두운 회색 음영으로 할당한 영상을 얻기 위한 convertTo메소드의 부가적인 재스케일링 파라미터를 사용함으로써 편리하게 영상을로 보여줄 수 있다

경계값을 처리를 통해 이진 맵을 얻기

cv::threshold(sobelImage, sobelThresholded, threshold, 255, cv::THRESH_BINARY);

Laplace의 원리 및 구현

◦연산 속도가 매우 빠름.
◦2차 미분 연산자를 사용
◦모든 방향의 윤곽선을 검출해 냄.
◦다른 연산자와 비교하여 날카로운 윤곽선을 검출해 냄.
◦하나의 마스크로 윤곽선 검출을 수행한다.
◦국지적으로 최대인 점만 윤곽선으로 인정하는 특성을 보임. 윤곽선 중심에 존재하는 윤곽선만을 표시하는 윤곽선의 국한성을 보여줌.

Canny의 원리 및 구현

알고리즘

===== 1.Smoothing : 노이즈를 제거하기 위해 스무딩
2.Finding gradients : gradients..경사 강도가 큰 부분이 에지가 될 것이다
3.Non-maximum suppression : local maxima가 에지로 선택
4.Double thresholding : 임계값을 통해 에지들을 걸러낸다
5.Edge tracking by hysteresis : 최종적으로 에지는 가장 확실한 에지와 연결된 것으로 결정된다 =====

Finding gradients

===== 경사값을 얻기 위해서는 Sobel-operator를 사용한다. 회선을 위해 x방향과 y방향 두 개의 마스크를 사용하게 된다. 경사 강도(gradient magnitudes)는 아래와 같은 수식으로 구해질 수 있다. 이는 피타고라스의 정리를 적용한 것이다. 통상적으로 에지들은 한줄로 나오는 경우가 잘 없으므로, 에지를 판별하기 위해 방향성을 알아야 할 필요가 있다. =====

Non-maximum suppression

===== 이 단계에서는 흐려진 에지들을 샤프한 에지들로 바꾸는 데에 그 목적이 있다. 기본적으로는 gradient 이미지의 local maxima를 보존하고, 나머지는 전부 삭제하는 작업으로 진행된다.

1.경사 방향을 45도 간격으로 라운딩을 한다. (0 / 45 / 90 / 135) 이는 8-connected 이웃방향으로 맞추게 된다.
2.양 방향과 음 방향으로의 에지 강도와 현재 픽셀의 에지 강도를 비교한다. 예를 들어 gradient 방향이 북쪽이라면,  북쪽과 남쪽의 픽셀들과 비교를 하게 되는 것이다.
3.만일 현재 픽셀의 에지 강도가 가장 크다면 그 값을 보존한다. 그렇지 않다면 그 값을 삭제한다. =====

비교

Sobel

- 윤곽선 검출의 대표적인 미분연산자 - 1차 미분 연산자이며, X축 / Y축 으로 각각 한번씩 미분 - 돌출된 값을 비교적 평균화 시킨다. - 대각선 방향에 놓여진 에지에 민감하게 반응하는 특징이 있다.

laplace

- 연산속도가 매우 빠르다. - 모든 방향의 윤곽선을 검출해 낸다. - 다른 연산자와 비교하여 날카로운 윤곽선을 검출해 낸다. - 하나의 마스크로 윤곽선 검출을 수행한다.

Canny

- 윤곽선 검출 전 잠음 제거 마스크가 사용된다. - 잡음에 강하다. - 강한 윤곽선들만 검출된다. - 여러 가지 윤곽선 검출 마스크를 활용할 수 있다. -> 가우시간 마스크를 이용하여 잡음을 제거한 후 소벨 마스크와 같은 윤곽선 검출 마스크를 수행하는 것으로, 두 번의 과정 중 첫번째 과정에서 잡음 제거 효과가 일어나고 잡음이 재거된 영상에서 윤곽선을 검출 하는 방법이다.

참고문서

[I] Sobotottka, K. Pitas. I. Looking for Faces and Facial Feature in Color Images, Pattern Recognition and Image Analysis, 7(1): 1997

[2] Li, H. Forchheimer. R. Location of face using color cues. Picture Coding Symp., Lausanne, Switzerland, Mar, 1993,2-4

[3] Kenneth R.Castleman. Digital Image Processing. Beijing : Tsinghua university press, 1998

[4] Ostu N.A. Threshold Selection Method from Gray - Level Histograms[J ].IEEE Trans on Systems. Man and Cybernetics, SMC - 9,1979,9(1):62-66

[5] Chai, D.Ngan. K.N. Face Segmentation Using Skin-Color Map In Videophone Application, IEEE Trans. Circuits and System for Video Technology, 9(4): June 1999

[6] William Ng, Jack Li, Simon Godsill. A review of recent results in multiple target tracking[C ] II Proc. Of the IEEE International Conference on Robotics and Automation Orlando, Florida, 2006: 3807-3812

[7] Sanjeev Arulampalam, Simon Maskell, Neil Gordon. A tutorial on particle filters for online non-liner/non-gaussian Bayesian tracking[J ]. IEEE Trans. On Signal Processing, 2002, 50(2): 174-188

[8] Azzalini A, Farge M, Schneider K. Nonlinear wavelet threshold : A recursive method to determine the optimal de-noising threshold[J ]. App\. Comput. Harmon. Anal , 2005,18: 177-185

[9] Donoho D L. De-noising by soft-threshold [J ] . IEEE Trans .on Information Theory, 1995,41: 613-627

[10] Chang S G, Bin Yu, Vetlerti M. Adaptive wavelet threshold for image de-noising and compression [J ]. IEEE Trans Image Processing, 2000, 9(9):1532-1546