컴퓨터 비전 & 패턴 인식 - 21. 영상 분할 기본

분할에서 사람과 컴퓨터의 차이

 

사람은 무의식적으로 물체에 대한 지식과 의도로 분할해서 볼수 있음

 

컴퓨터에서 분할은 인식을 하기 위해 전처리로 수행하는 작업

 

 

 

 

 

 

에지, 특징을 통한 영상 분할의 한계

 

에지를 통한 영상 분할 -> 완전한 폐곡선이 필요하지만 그렇지 않은 경우가 많음

 

컴퓨터 비전에서의 영역. 물체를 나타내는 연결된 화소 집합

-> 모양, 섹상, 질감 정보로 특징 벡터, 기술자를 추출할수 있어야함.

 

특징점은 반복적으로 검출될수 있는 하나의 점일 뿐이며, 그 점 주위 픽셀로 기술자 추출하나 영역을 구하기엔 부족

 

 

 

 

 

 

 

 

임계화를 통한 영역 분할

 

대표적으로 클래스내 분산을 최소화 클래스간 분산을 최대화 하는 임계점을 찾는 오츠 이진화 알고리즘

 

http://scipy-lectures.org/packages/scikit-image/auto_examples/plot_threshold.html

 

주위 픽셀값을 이용하여 임계치를 적용하는 적응적 임계화 방법 등이 있음

* 적응적 임계화 알고리즘 성능 비교 trier 95

 

 

https://docs.opencv.org/master/d7/d4d/tutorial_py_thresholding.html

 

 

 

군집화를 이용한 영역  분할

 

아래는 대표적인 군집화 알고리즘인 k-means로 구한 결과

 

컬러 영상을 3차원 공간에 맵핑하여 k means 수행

 

https://morioh.com/p/dcdc9957bc1c