특징 검출

해당 특징점이 존재하는 위치를 알려주거나 해당 특징점을 부각

픽셀의 색상 강도, 연속성, 변화량, 의존성, 유사성, 임계점 등을 사용하여 특징을 파악

특징 검출을 사용하여 다양한 패턴의 객체를 검출할 수 있다.

---

가장자리(Edge)

가장자리(Edge) 검출은 이미지 내의 가장자리 검출을 위한 알고리즘

픽셀의 그라디언트의 상위 임계값과 하위 임계값을 사용하여 가장자리를 검출

픽셀의 연속성, 연결성 등이 유효해야합니다. 가장자리의 일부로 간주되지 않는 픽셀은

제거되어 가장자리만 남게됩니다.

윤곽(Contours)

윤곽(Contours) 검출은 이미지 내의 윤곽 검출을 위한 알고리즘

동일한 색상이나 비슷한 강도를 가진 연속한 픽셀을 묶습니다.

윤곽 검출을 통하여 중심점, 면적, 경계선, 블록 껍질(findContours), 피팅 등을 적용할 수 있습니다.

모서리(Corner) - goodFeaturesToTrack

모서리(Corner) 검출은 그라디언트에서 유사성을 검출합니다.

픽셀 강도의 차이를 기준으로 모서리 점을 검출합니다. 이 결과로 가장자리, 평면, 모서리를 구분합니다.

때에 따라 모서리 강도가 강한 모서리 점을 검출할 수 도 있습니다.

선(line) - Hough Transform

- 축적배열(accumulation array)

선 (line) 검출은 이미지의 모든 점에 대한 교차점을 추적

교차점의 수가 임계값보다 높을 경우, 매개 변수가 있는 행으로 간주한다.

즉, 교차점의 교차 수를 찾아 선을 검출

교차 횟수가 많을 수록 선이 더 많은 픽셀을 가지게 됩니다.

원(Circle)

원(Circle) 검출은 이미지에서 방사형 대칭성이 높은 객체를 효과적으로 검출

특징점을 파라미터 공간으로 매핑하여 검출한다. 가장자리에 그라디언트 방법을 이용

 

-> line의 경우는 xy공간에서 ab공간으로 변환을 했지만 Circle은 변환이 없음

• 입력 영상과 동일한 2차원 평면 공간에서

축적 영상(축적배열)을 생성

• 에지 픽셀에서 Gradient 계산

• 에지 방향에 따라 직선을 그리면서 값을 누적

• 원의 중심을 먼저 찾고, 적절한 반지름을 검출

 

https://076923.github.io/posts/ComputerVision-9/

Computer Vision Theory : 특징 검출