클라이언트/ 서버/ 엔지니어 "게임 개발자"를 향한 매일의 공부일지

저녁을 먹고 다시 연습문제를 풀어보려고 한다. 이번에는 조금 풀만한 문제가 나왔으면 좋겠다. 연습문제 풀기 세 번째 문제 3번 RANSAC 알고리즘은 에지 점을 직선으로 근사한다. 이때 에지 점의 위치 정보만 사용하는데, 에지 점은 에지 강도와 에지 방향 정보를 추가로 가지고 있기 때문에 이 정보들을 추가로 활용하면 성능을 높일 여지가 있다. 에지 강도와 에지 방향 정보를 추가로 사용해 RANSAC 알고리즘을 강화하는 아이디어를 제시하시오. RANSAC 알고리즘은 데이터 내에 있는 아웃라이어(Outlier)를 다룰 때 유용한 방법이다. 이 알고리즘은 주어진 데이터에서 가장 적합한 모델을 추정하기 위해 반복적인 무작위 샘플링과 검증을 통해 최적의 모델을 찾는다. 특히, 이미지 처리나 컴퓨터 비전에서 직선,..

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 ..

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 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..

이번에는 캐니 에니와 직선 검출에 대해서 공부해보려고 한다. 9시가 넘어가니 눈이 감기고 졸음이 몰려와서 여기까지 학습하고 취침하게 될 것 같다. 낮잠을 아무리 많이 자도 밤에는 꼭 자야 한다는 걸 어제와 오늘 깨달았다. 잠을 거의 안 잤더니 몸이 많이 안좋아서 내내 힘들었다.난 하루라도 잠을 못 자면 몸과 마음이 굉장히 힘들다는 걸 확실히 알게 되었다. 난 직장생활을 하더라도 꼭 수면 시간을 지키며 야간 근무는 절대로 하지 말아야겠다고 생각했다.   캐니 에지1986년에 캐니는 지금도 가장 체계적인 에지 검출 이론이라고 인정받는 알고리즘을 제안한다. 최소 오류율과 위치 정확도, 한 두께라는 기준에 따라 목적 함수를 정의하고 에지 검출을 최적화 문제로 풀었다. 에지 검출에서는 가우시안에 1차 미분을 적용..

드디어 4장을 공부할 수 있는 시간이 왔다. 연습문제를 푸는데 많은 시간을 보내느라 오늘 4장 학습을 개념까지만 끝내는 것도 힘들 수 있겠다. 그래도 남은 시간 최선을 다해서 공부해 볼 것이다. 시작하기 전에에지 검출과 영역 분할은 컴퓨터 비전이 초창기부터 중요하게 다루어온 연구 주제다. 아래 그림은 캘리포니아 대학교의 버클리 팀에서 영역 분할 알고리즘을 개 발하고 평가하기 위해 2011년에 공개한 BSDS 데이터셋의 예제 영상이다. 그림 b는 사람이 정성을 들여 정교하게 분할한 영상이다. 컴퓨터 비전이 이 정도 수준으로 할 수 있을까?  에지는 물체의 경계에 있는 점이다. 에지를 완벽하게 검출해 물체의 경계를 폐곡선으로 따낼 수 있다면 분할 문제가 저절로 풀린다. 반대로 영역 분할 알고리즘이 완벽해 물..