robotics - 2. 로봇 비전

3D 장면에서 컴퓨터까지

이미지 샘플링, 이산화

- 이미지를 픽셀별로 분리. 해상도가 320 x 240 일 시 가로 320픽셀, 세로 240 픽셀

이미지 히스토그램

- 이미지 픽셀별 강도값을 히스토그램으로 표현

- 히스토그램 평활화 : 히스토그램을 평활하게 분포시켜 강도 범위를 펼쳐 이미지 선명도를 높임

https://gaussian37.github.io/vision-concept-histogram_equalization/

 

 

이진화

- 경계값(Thresold)에 따라 픽셀 값을 0, 1로

https://lucathree.github.io/python/day49-1/

스무딩(블러링, 저주파 통과 필터 효과)

- 영상 노이즈 제거. 특정 픽셀이 지나치게 크거나 작은경우 제거하거나 이웃과 비슷하게 -> 이미지가 선명해짐

가우시안 스무딩 https://iskim3068.tistory.com/41

이미지의 기하학적변환

크기변환 scalining

직선이동

 

회전 행렬

 

 

 

에지 검출

- 이미지 경계, 물체 정보 취득에 사용

- 이미지 강도 변화율로 검출 -> 1차 미분의 극점 에지 존재

 

이미지 그라디언트, 자코비안, 헤시안

- 그라디언트 : 다변수 스칼라 함수 1차 미분 -> 이미지 에지검출에 사용

- 자코비안 : 다변수 벡터 함수에 대한 1차 미분 ->  그라디언트나 마찬가지로 1차 미분이므로 지역적 변화 파악에사용

- 헤시안 : 다변수 벡터 함수에 대한 이차미분 -> 곡률 특성 나타냄. 최적화 문제에 사용

- 라플라시안 : 다변수 스칼라 함수의 2차 미분 -> 모든 방향으로 변화가 심할때 최대값가짐 ->코너 검출

ref  :https://darkpgmr.tistory.com/132

 

 

마스크를 이용한 에지검출

- 소벨 마스크를 이용. 

- 소벨 마스크 : 픽셀간 1차 미분 근사화한 마스크, 수직 수평 경계에 민감

 

 

모폴로지(형태학적) 연산

- 픽셀간 통합 분리

- 침식, 팽창, 열림, 닫힘 4가지 프로세스, 노이즈 제거 지문인식 등 사용

- 침식 erode :  이미지 줄임 -> 노이즈 제거

- 팽창 dilation : 경계가 부드러워짐, 구멍 매꿈

- 열림 연산 : 침식 후 팽창 적용 -> 작은 객체 제거에 적합

- 닫힘 연산 : 팽창 후 침식 적용  -> 전체적인 윤곽 파악에 좋음

ref : https://opencv-python.readthedocs.io/en/latest/doc/12.imageMorphological/imageMorphological.html

침식

팽창

 

 

 

이미지 변환 종류

- 평행이동, 회전, 크기조절, 원근변환 등