컴퓨터 비전 (Computer Vision)

컴퓨터 비전 (Computer Vision, CV)

 

AI에서 가장 뜨거운 주제 중 하나이다. CV는 이미지/비디오 데이터를 분석하고 다양한 기계 학습 알고리즘을 사용하여 기계에 계산 기능을 다룬다 . 추상적으로, 인간과 같은 시각적 추론의 기술을 기계에 부여하는 것을 포함한다. CV를 시작하려면 컴퓨터 과학의 다양한 측면에 대한 지식이 필요하다. 또한, 자율주행차, 로봇은 물론 다양한 사진 보정 앱에서 엄청난 발전을 이루고 있다. 개체 감지에 있어 꾸준한 발전이 매일 이루어지고 있다.

 

OpenCV

 

이미지 처리는 의도한 조작을 얻기 위해 이미지에 몇 가지 작업을 수행하는 것이다. 새로운 데이터 분석을 시작할 때 일부 데이터 전처리 및 기능 엔지니어링을 수행한다. 이미지 처리도 마찬가지다. 사진에서 유용한 정보를 추출하기 위해 사진을 조작하는 이미지 처리를 수행한다. 소음을 줄이고 밝기와 색상 대비를 제어할 수 있다.

 

OpenCV는 Open Source Computer Vision 라이브러리의 약자이며 1999년 Intel에서 발명했다. C/C++로 처음 작성되었으며 Python보다 C 언어로 된 자습서를 많이 볼 수 있다. 그러나 이제는 CV를 위해 Python에서도 일반적으로 사용되고 있다.

 

이미지 처리 (Image Processing)

 

OpenCV에서 제공하는 4가지 주요 색 공간은 RGB, HSV, YCrCb 및 LAB이다. 각각의 색 공간은 이미지에 영향을 미치는 다양한 요인을 고려한 특성과 특성을 가지고 있다.

 

 

◦ RGB는 빨강, 초록, 파랑의 3가지 색상을 나타낸다. RGB 이미지의 픽셀은 빨강, 녹색 및 파랑의 색상 강도의 선형 조합으로 구성된다. 색상 구분은 조명 조건에 크게 좌우된다. 밝은 조명 아래에서는 흐릿한 조명과 달리 색상 분리가 더 잘 보일 수 있다. 따라서 색상 기반 분할을 수행하기 위해 RGB 색상 공간은 색상 및 휘도 관련 정보가 혼합되어 있기 때문에 좋은 선택이 아니다.

 

 

HSV

 

이미지의 세 가지 채널은 색조(H), 채도(S) 및 값(V)이다.

1. Hue 채널은 색상과 관련된 정보를 담고 있다.

2. 채도 채널은 색상 음영으로 구성된다.

3. 값은 휘도의 강도를 나타낸다.

 

색조와 채도의 구성 요소는 조명 조건에 크게 영향을 받지 않는다. 값 구성 요소는 조명에 따라 변경된다. HSV 색 공간에서는 색차와 휘도의 소스가 분리되어 있으므로 임계값을 지정하여 색 분할을 수행하는 것이 더 쉬워진다.

 

YCrCb

 

색 공간에서 Y는 휘도(휘도의 강도)를 나타내고 Cr은 휘도 성분(R - Y)을 뺀 적색 성분을 나타내고 Cb는 휘도 성분(B - Y)을 뺀 청색 성분을 나타낸다. 채도와 휘도의 고유한 구성 요소는 색상을 효과적으로 분리하는 데 도움이 된다. 특히 이 색 공간은 이미지에서 빨간색과 파란색을 구별하는 데 가장 적합하다.

 

LAB

 

이 색 공간은 또한 별도의 채널에서 휘도 및 채도 정보를 인코딩한다. L 채널은 밝기(조명 강도)에 해당한다. A 및 B 구성 요소는 색상 세부 정보를 저장한다. 전자는 녹색에서 자홍색, 후자는 파란색에서 노란색까지의 색상 구성 요소로 구성된다. 언급했듯이 조명의 변화는 Y 구성 요소에 영향을 미친다. A 성분과 B 성분은 조명 조건에 관계없이 색상 정보의 차이를 크게 나타낸다.