클라이언트/ 서버/ 엔지니어 "게임 개발자"를 향한 매일의 공부일지

연습문제가 굉장히 어려워서 한 문제를 푸는데 한 시간 이상 걸리고 있다. 그래도 난 이 모든 문제를 꼭 다 해결한 후에 다음 과정으로 넘어가려고 한다.문제 2번도 1번처럼 계산을 해서 푸는 문제이다.  연습문제 풀기 두 번째 문제 2번그림 4-18 영상에서 105 값을 가진 화소에 대해 LBP와 LTP를 그림 4-18처럼 제시하시오.  이 문제를 풀기 위해서는 그림 4-18을 이해해야 한다.   먼저 이 그림 4-18의 내용은 눈으로 봐서는 결코 이해할 수 없다는 걸 알게 되었다. 손으로 직접 풀면서 값이 맞는지 확인해 보기로 했다. 그런 다음에 연습문제를 풀어볼 것이다.   그림 4-18 문제 해결해 보기         문제 풀기         학습을 마치고이 문제도 푸는데 1시간 이상 걸렸다. 하지만..

이제 연습문제를 풀며 단원을 마무리해볼 것이다. 문제가 많이 어려운데 과연 풀 수 있을지 의문이 들지만 할 수 있는데까지 최선을 다해볼 것이다.   연습문제 풀기 문제 1번  이 문제를 풀기 위해서는 예제 4-1을 이해해야 한다.    이 자료에서는 소벨 연산자를 적용하는 과정과 그 결과로 얻어지는 그래디언트 방향과 크기를 설명하고 있다. 소벨 연산자는 이미지에서 엣지(경계)를 검출하기 위해 사용되는 미분 연산자 중 하나이다. 이를 통해 이미지 내의 픽셀 밝기 변화 정도와 방향을 계산할 수 있다. 1. 소벨 연산자란?소벨 연산자는 엣지 검출을 위해 이미지의 밝기 변화율(미분)을 구하는 연산자로, 수평과 수직 방향으로 각각 적용된다. 소벨 연산자는 두 방향(수평과 수직)에서 이미지의 밝기 차이를 계산하여 ..

어제 수학공부를 하지 않아서 오늘은 꼭 해야겠다고 생각했다. 뭐든 이틀 이상 쉬게 되면 흐름이 끊겨서 다시 하기 싫어질 때가 많으니 가능하면 하루 이상은 쉬지 않으려고 하는 편이다. 오늘은 오후에 수학 공부밖에 하지 못했다. 그래도 내일로 미루지 않고 오늘 공부한 학습일지를 올려보기로 했다.    에이급 수학 STEP B 문제 풀이 노트                      뒤에 더 푼 문제가 있는데 얼마 되지 않아서 내일 이어서 풀 때 나머지 풀이 노트를 올려보기로 했다.      학습을 마치고오늘도 1시간 반 정도에 걸쳐 이 문제를 풀었다. 오후에 쉬고 싶었지만 그래도 수학을 공부하며 머리를 깨우니 나름 괜찮았다. 자투리 시간을 쪼개 수학을 공부할 수 있어서 감사한 시간이었다. 비록 첫 스타트를 여는..

이제 4단원의 마지막 개념 학습을 시작해보겠다. 잘하면 여기까지 공부해볼 수 있을 것 같다. 그림 4-17 a는 가상의 영역 분할 맵을 제시한다. 이 맵에는 1, 2, 3으로 표시한 3개의 영역이 있다.     특징의 불변성과 등변성물체는 그림 4-17 b에서 보는 바와 같이 다양한 변환을 거쳐 영상에 나타날 수 있다. 변환을 해도 특징의 값이 변하지 않는다면 불변성이 있다고 말한다. 예를 들어 성별이라는 특징은 나이가 변해도 그대로이기 때문에 성별은 나이에 불변이라고 말한다. 근력은 나이에 불편이지 않다. 그림 4-17 a에서 면적이라는 특징은 회전에 불변이지만 축소에는 불편이지 않다. 반대로 물체의 중심 축을 나타내는 주축은 회전에는 불변이지 않지만 축소에는 불변이다. 등변성은 불변성과 반대 개념이다..

오늘은 부모님이 오셔서 새벽 공부를 하다 말고 집 정리도 하고 이것저것 하느라 새벽 공부를 별로 많이 하지 못했다. 어제 수학과 영어 공부는 쉬었는데 오늘은 꼭 할 생각이다. 예배를 드리러 가기 전까지 조금 시간이 있어 공부를 마저 해보며 이 단원의 개념 학습을 마칠 예정이다. 빠르게 학습하면 충분히 할 수 있을 것 같다. 지금까지 다룬 분할 알고리즘은 자동으로 영상 전체를 여러 영역으로 나눈다. 때로 한 물체의 분할에만 관심이 있는 경우가 있다. 예를 들어 의사는 엑스레이 영상에서 특정 장기만 분할하면 된다. 이런 상황에서 사용자는 분할 알고리즘이 필요로 하는 초기 정보를 기꺼이 입력할 것이다.초기 정보를 가지고 반자동으로 동작하는 분할 알고리즘은 사용자의 의도에 맞게 출체를 분할한다.   1. 능동 ..

영역 분할에서 최적화 분할을 하는 부분을 이어서 학습해 보겠다. 새벽 공부할 시간이 이제 1시간밖에 남지 않아서 무척 아쉽다.    3. 최적화 분할분할 알고리즘은 지역적 명암 변화만 살핀다. 예를 들어 이런 알고리즘에서는 양말의 색이 배경색과 비숫하면 양말 부분에서 경계가 형성되지 않아 사람 영역이 배경과 섞이게 된다. 이 문제를 해결하는 좋은 접근 방법은 지역적 명암 변화를 보되 전역적 정보를 같이 고려하는 것이다. 비록 지역적으로는 아주 약한 색상 변화지만 전역적으로 유리한 측면이 있다면 그곳을 물체 경계로 간주하는 발상이다. 이 발상을 구현할 때는 주로 영상을 그래프로 표현하고 분할을 최적화 문제로 푼다.  영상의 그래프 표현영상을 그래프로 표현할 때 화소 또는 슈퍼 화소를 노드로 취한다. 프로그..

영역 분할은 물체가 점유한 영역을 구분하는 작업이다. 에지는 물체의 경계를 지정하기 때문에 에지가 완벽하다면 영역 분할이 따로 필요하지 않다. 하지만 프로그램 4-3의 실행 결과에서 볼 수 있듯이 명암 변화가 낮은 곳에서 뚫려 폐곡선을 형성하지 못하는 경우가 허다하다.뚫린 곳을 메우는 작업을 시도하면 메우지 말아야 할 곳을 메워 또 다른 부작용이 발생한다. 사람은 영역 분할을 할 때 뇌에 저장되어 있는 물체의 3차원 모델을 꺼내서 사용한다. 관심이 있는 물체에 집중하는 선택적 주의집중 작용을 통해 때로는 사람 영역을 분할하고 때로는 더 세밀하게 눈과 입을 분할하여 표정까지 인식한다. 이처럼 의미 있는 단위로 분할하는 방식을 의미 분할이라 한다.    1. 배경이 단순한 영상의 영역 분할책을 스캔하거나 컨..

오늘은 원래 일어나는 시간에 일어나 공부를 시작해 본다. 이제 직선 검출에 대해서 공부해 볼 것이다. 검출한 에지 맵에서 에지 화소는 1, 에지가 아닌 화소는 0으로 표시한다 사람 눈에는 에지가 연결된 선분으로 보이는데, 에지 맵에는 연결 관계가 암시적으로 나타나 있을 뿐 명시적으로 표현되어 있지 않다. 이들을 연결하여 경계선으로 변환하고 경계선을 직선으로 변환하면 이후 단계인 물체 표현이나 인식에 무척 유리하다.    1. 경계선 찾기8-연결 에지 화소를 서로 연결해 경계선을 구성할 수 있다. 다음 그림은 에지 맵에서 경계선 3개를 찾아 연속된 점의 리스트로 표현하는 사례를 보여준다. OpecCV는 findContours 함수로 이 일을 수행한다.   에지 맵에서 경계선 검출다음 프로그램은 에지 맵에서..