본문 바로가기
반응형

전생의 기억/영상처리

 (17)
반복패턴을 가진 이미지 검출 기법 소개 1 (Detection, Rectification and Segmentation of Coplanar Repeated Patterns) James Pritts 의 연구에서는, 평면 조건을 만족하는 영상에 존재하는 반복패턴을 검출, 보정, 분류하는 새로운 기법을 제시합니다. 본 논문에서 제시한 핵심 가정은, 이미지에 포함된 반복적인 요소들을 유클리디언 변환을 통해 동일한 평면상으로 맵핑시킬 수 있다는 것입니다. 제한하는 기법의 반복패턴 분류 단계는 Feature appearance matching, Projective distortion removal, Motif construction, Affine distortion correction, Non-linear optimization 로, 총 5단계로 이루어져 있습니다. 첫번째인 Feature appearance matching 단계에서는 To obtain sets of features p..
SIFT Descriptor 알아보기 참조 : http://www.vlfeat.org/api/sift.html#sift-tech-descriptorSIFT(Scale Invariant Feature Transform) 알고리즘은 Feature를 크기와 방향에 불변하도록 변화(생성)시키는 알고리즘입니다. 다시 이야기 하면, SIFT 알고리즘은 이미지 영역에서 크기와 방향에 불변하도록 Transformed 된 Feature Point를 찾는 알고리즘이라고 이해할 수 있습니다. SIFT 알고리즘 이전의 Feature Detector 알고리즘으로는 Harris Detector 등이 있었습니다. 하지만, 특징점의 방향과 크기의 변화에 민감하다는 단점이 있었고, 이를 보완하기 위해 고안된 알고리즘이 바로 SIFT 알고리즘입니다. Feature Dete..
정보이론 관점에서의 엔트로피란? (마커 기반의 증강현실 분야에 응용) 일반적인 엔트로피의 뜻은 무질서, 불확실성이라는 의미를 가진다. 정보이론에서의 엔트로피는 동전을 예시로 하여 설명할 수 있다.앞면과 뒷면을 가진 동전을 던졌을 때, 앞면과 뒷면이 나올 확률이 완전히 같다면, 엔트로피는 1이 된다. 앞면과 뒷면 둘중에 어떤 면이 나올지 전혀 예측할 수 없다는 불확실성이 존재한다. 여기서 앞면 또는 뒷면 둘중에, 한쪽 면이 나올 확률이 더 높다면, 엔트로피는 1보다 작아지게 된다. 특정 면이 나올 확률이 더 높으며, 그 말인 즉 이를 예측하여 맞출 수 있는 확률이 더 높아졌기 때문에 불확실성이 줄어들었다고 볼 수 있다. 정보 엔트로피는 불확실성(영어: uncertainty)과 같은 개념이라고 인식할 수 있다. 불확실성이 높아질수록 정보의 양은 더 많아지고 엔트로피는 더 커진..
배경 분할을 어떻게 할까? (Background Substraction) OpenCV 라이브러리에는 Background Substration과 관련된 함수가 이미 존재해요.해당 함수에 대한 자세한 설명은 OpenCV Document를 참고하면 좋겠어요. -링크-https://docs.opencv.org/3.2.0/d1/dc5/tutorial_background_subtraction.html 그림을 보면, current Frame의 영상에 대해, 이전 프레임들에서 들어왔었던 영상정보를 이용하여 background model을 만들고, 이를 current Frame과 비교하게 되면 이전 프레임에 배경에 대한 정보가 있기때문에, current frame에서 이를 제외하고 구분해야할, 사람으로 치면 초점을 맞춰야할 object를 제외하고 나머지는 배경으로 인식하여 제거할 수 있어요...
이미지 대비 향상 기법 Contrast Enhancement Method ( gamma correction and addition based histogram modification) 안녕하세요. 손톱귀신 블로그를 운영하는 easyJin 입니다.이번에 이미지 대비 향상(Image Contrast Enhancement) 과 관련하여 논문 준비중, 좋은 논문을 알게 되어 이를 참고하여 히스토그램 수정과 감마 보정을 이용한 이미지 대비 기술에 대해 알아보게 되었어요.이번 챕터는 앞선 포스팅을 총 정리하였어요. An effective histogram modification schema for contrast enhancement 논문을 참고하였습니다. - intro -Contrast Enhancement, 줄여서 CE라고 해요. CE, 즉 이미지의 대비를 향상시킨다는 것은 이미지 프로세싱 이라는 기술에서 굉장히 중요한 부분을 차지하고 있어요.인간의 시각 입장에서도 대비가 좋은 이미지는 인지..
균등(0,1)분포란?
감마분포란? 감마 분포는 확률 분포 중 하나로, 주로 시간이나 이벤트가 일어날 때까지 걸리는 시간을 다룰 때 사용됩니다. 예를 들어, 어떤 일이 일어날 때까지 걸리는 시간이 변할 수 있는 상황에서 감마 분포가 유용합니다.이해하기 쉽게 예를 들어 볼게요. 상상해 보세요, 학교에서 매일 아침에 출석을 부르는 선생님이 있는데, 선생님이 출석을 부르는 데 2분에서 10분 정도 걸린다고 합시다. 이때, 출석을 부르는 시간의 분포가 감마 분포에 해당할 수 있습니다.감마 분포는 시간처럼 연속적인 양이 특정 범위 내에서 어떻게 변할지에 대한 확률을 나타냅니다. 예를 들어, 2분에서 3분까지 걸릴 확률이 50%, 3분에서 4분까지 걸릴 확률이 30% 이런 식으로 말이죠.감마 분포는 어떤 일이 일어날 때까지 얼마나 시간이 걸릴지를 예..
베타분포란? 베타 분포는 확률을 다루는 분포 중 하나로, 주로 확률 변수가 0과 1 사이에 있을 때 사용됩니다. 특히, 어떤 확률을 예측할 때 유용한 도구입니다. 예시를 들어볼게요.설문 조사에서 긍정적인 반응을 얻을 확률상상해 보세요. 여러분이 새로운 제품을 출시했어요. 이제 사람들이 그 제품에 대해 좋다/나쁘다라는 의견을 낸다고 해봅시다. 여러분은 이 제품에 대해 사람들이 좋다고 답할 확률을 알고 싶어요.하지만 여러분은 아직 그 제품을 100명에게 보여주지 않았고, 몇 명만 봤을 뿐이에요. 그 몇 명 중에서 몇 명이 "좋다"고 답했는지만 알고 있을 거예요. 이제 그 정보를 바탕으로 전체 사람들 중에서 얼마나 많은 사람들이 좋다고 할 확률이 있을지 예측해보려고 할 때, 베타 분포가 유용해요.예를 들어, 5명의 사람에..
반응형

티스토리툴바