Tech/Vision
-
SIFT 기초 1Tech/Vision 2014. 1. 29. 20:44
Object Recognition에서 가장 유명한 알고리즘을 꼽으라고 하면, 누구나 꼽는 게 있는데, 바로 SIFT다. SIFT는 Scale-Invariant Feature Transform의 약자로, 1999년 ICCV(International Conference on Computer Vision)에서 처음으로 발표되었다. 그 유명한 David Lowe의 대표작이다. D. G. Lowe, "Object Recognition from local scale-invariant features." International Conference on Computer Vision, Corfu, Greece (Sep. 1999), pp. 1150-1157. 이후에 특징점의 정확한 위치를 추정하는 Extrema loc..
-
Normalization에 따른 Saliency Map의 변화Tech/Vision 2013. 12. 3. 22:40
Visual Attention의 Computational Model로는 여러 가지가 알려져 있지만, 그 중에서는 USC의 Itti와 Caltech의 Koch가 제안한 Saliency Model이 가장 기초적이면서 이해하기도 쉽다. L. Itti, C. Koch, and E. Niebur, “A Model of Saliency-Based Visual Attention for Rapid Scene Analysis,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 20, no. 11, pp. 1254–1259, Oct. 1998. 논문은 구현 방법에 대해서 비교적 쉽고 자세히 기술하고 있기 때문에, 초심자들에게 참 좋은 논문이다. 다..
-
Gabor Filter 이해하기Tech/Vision 2013. 11. 19. 03:49
영상처리에서 Bio-inspired라는 키워드가 있으면 빠지지않고 등장하는 Gabor Filter. 외곽선을 검출하는 기능을 하는 필터로, 사람의 시각체계가 반응하는 것과 비슷하다는 이유로 널리 사용되고 있다. Gabor Fiter는 간단히 말해서 사인 함수로 모듈레이션 된 Gaussian Filter라고 생각할 수 있다. 파라미터를 조절함에 따라 Edge의 크기나 방향성을 바꿀 수 있으므로 Bio-inspired 영상처리 알고리즘에서 특징점 추출 알고리즘으로 핵심적인 역할을 하고 있다. 2D Gabor Filter의 수식은 아래와 같다. 위에서와 같이 5개의 파라미터를 조절해서 사용할 수 있다. 복잡해보이는 파라미터들의 의미를 Filter Kernel을 JET Color Mapping한 이미지와 함께 ..
-
Colormap에 대한 단상Tech/Vision 2013. 11. 19. 01:47
2차원 공간상에 1-dimensional data를 나타낼 때, 컬러 매핑을 이용하면 더 효과적으로 데이터를 표현할 수 있다. 별거 아닌데도 결과물을 상당히 있어보이게 만드는 방법이다. 주로 쓰이는 Colormap으로는 JET방식이 많이 쓰인다. JET colormap에서 각 RGB 채널은 아래와 같이 할당된다. JET의 스펙트럼 및 R,G,B채널 개형 Blue 채널만 127을 가지는 (#00007F) Dark Blue로부터 시작해서 차례대로 Green, Red 채널이 우위를 가진다. 마지막은 #7F0000 Dark Red로 끝난다. JET와 비슷하게 쓰이는 방식으로는 COLD-to-HOT도 있다. 낮은 값을 Cold color인 Blue에, 높은 값을 Hot color인 Red에 대응시키는데, 시작과 ..
-
Image Sensor: Fill Factor로 보는 CMOS와 CCD의 차이Tech/Vision 2013. 3. 23. 04:01
Image Sensor에서 Fill Factor는 간단하지만 여러모로 핵심적인 개념이다. Fill Factor? Percentage of a photosite. (sensitive to light) 즉, 빛을 감지하는 면적의 비율을 가리킨다. Fill Factor가 0.75라고 하면, 센서의 면적에서 75%가 빛을 받아들이는데 사용된다는 뜻. Fill Factor = 0.75인 Sensor의 예. 빛을 받아들이는 Photosite가 전체 면적의 75%를 차지한다. 즉, Fill Factor가 높을수록 같은 면적의 센서로 더 많은 빛을 받아들일 수 있기 때문에 더 좋은 감도의 센서라 할 수 있다. 따라서 센서를 디자인하는 입장에서는 Fill Factor가 높도록 설계하는 것이 유리하다. Fill Facto..
-
이미지 사이즈를 줄일 때는 Aliasing을 고려하라.Tech/Vision 2012. 8. 21. 10:11
간편하다는 이유로 인해 가끔씩 홀수번째 픽셀만 가져온다던가 하는 식으로 다운샘플링을 하게 된다면 고려할 게 없어 편하긴 하지만 Aliasing의 저주에 빠진다. Windows의 Pictures 폴더에 있는 기본 펭귄 사진이다. 이를 가로/세로 각각 1/8로 줄여보자. 1) 그냥 8번째 픽셀마다 하나씩 샘플링해서 줄여보고 2) Gaussian Filtering을 씌운 후 줄여보면 아래와 같다. 1) 어떠한 전처리 없이, 8번째 픽셀마다 하나씩 샘플링해서 리사이징한 경우와 2) 영상전체에 Gaussian Filtering을 수행한 후, 8번째 픽셀마다 샘플링하여 리사이징한 경우. 작은 이미지로 보기에도 1)은 거친면이 나타나는 걸 볼 수 있다. 이 그림을 확대해보면 더 확실히 드러난다. 1) 을 확대해보면,..
-
Retinex 처리에 따른 예제 이미지Tech/Vision 2011. 12. 16. 01:01
Retinex theory를 이미지 처리에 활용하여 구현하는 알고리즘으로는, SSR (Single-Scale Retinex) MSR (Multi-Scale Retinex) MSRCR (Multi-Scale Retinex with Color Restoration) 등이 있다. 이 각각을 순서대로 구현해보았는데 결과는 아래와 같이 차이가 있다. 입력 이미지가 이렇게 들어가면 SSR을 하면 (Scale값은 임의선택) 어떠한 값을 Scale로 선언하느냐에 따라 복불복이지만 이러한 이미지가 나오고, MSR을 하면 이와같이 평균적으로 쓸만한 이미지가 출력된다. MSRCR을 하면 이렇게 컬러 정보가 살아나는 장점이 있다. MSRCR에서, 각 R,G,B 픽셀 사이의 Color Information을 Restoratio..
-
Gaussian FilterTech/Vision 2011. 12. 9. 03:11
Image Processing에서 Convolution은 많은 연산량을 차지하고, Kernel의 Scale에 따라 그 연산량이 급격히 증가하므로 속도 향상을 위해서는 가장 먼저 해결해야할 문제거리다. 따라서 이러한 Convolution을 어떻게 수행할 것인가 하는 것은 빠른 Vision Processing Algorithm 수행을 위해 반드시 고려해야할 부분이다. 이 중, Blurring 효과로 인하여 많이 사용하는 Gaussian Filter가 있다. Gaussian Filter는 기본적으로 유명한 아래 식을 따르며, 이를 convolution한다는 것은 정성적으로 말하자면 현재의 픽셀 값은 주위 값을 다소(아래 G(x,y)의 값만큼) 고려하여 픽셀 값을 새로 결정하겠다는 게 된다. 보다시피 Gauss..