[Week3] 더 많은 모서리 감지 예시

https://youtu.be/am36dePheDc

 

이번에는 컴퓨터 비전에서 서로 다른 밝기의 전환을 찾아내는 방법, 그 외의 모서리 검출, 그리고 드디어...! 프로그래머의 코딩이 아니라 스스로 학습을 하는 알고리즘에 대해 알아보도록 하겠다.

 

---

https://youtu.be/am36dePheDc

 

 

위 그림의 상단은 바로 전 포스팅에서 다룬 합성곱 계산을 통한 6x6크기의 흰검 이미지의 경계선을 추출을 나타낸다. 결과 이미지는 4x4사이즈의 회흰검 이미지가 나온다.

 

그렇다면 이 이미지를 뒤집어서 6x6크기의 검흰 이미지의 경계선을 추출하면 어떤 결과 이미지가 나올까?

 

위 이미지 하단의 4x4사이즈 결과 이미지는 '회흰회'이미지가 아닌 '회검회'이미지볼 수 있다.

 

회흰회냐 회검회냐가 뭐가 그렇게 중요하냐고? 험...그건 나도 잘 모르겠다.🧐

 

여튼 중요한 점은 3x3 필터와의 합성곱 연산을 통해 밝은 부분에서 어두운 부분으로 가는 이미지인지, 혹은 어두운 부분에서 밝은 부분으로 가는 이미지인지 구별할 수 있다는 점이다.

---

이제 위 이미지에 있는 vertical filter는 수직 경계선을 검출한다는 것을 알고 있으니, horizental filter는 수평 경계선을 검출할것이라는 것을 알 수 있다. 

 

그렇다면 위 이미지 왼쪽 하단에 있는 6x6사이즈 이미지와 horizental filter와 convolution 연산을 하면 어떤 결과 이미지가 나올까?

 

오른쪽 하단의 4x4사이즈 이미지가 바로 그 결과이다.

 

30이라는 값은 원본 이미지에 있는 초록색 박스 부분(10으로 6개, 0으로 3개가 채워진 3x3 영역)에서 양의 윤곽선을 찾았기 때문이고, -30이라는 값은 원본 이미지에 있는 보라색 박스 부분(0으로 6개, 10으로 3개가 채워진 3x3 영역)에서 음의 윤곽선을 찾았기 때문이다.

 

10이라는 값은 원본 이미지에 있는 노란색 박스 부분에서 왼쪽의 밝은 부분과 오른쪽의 어두운 부분을 모두 인식하여 섞인 결과 값이 나온 것이다

 

---

지금까지 사용한 필터는 위 이미지의 왼쪽 상단과 같은 것이었지만, 다른 필터를 사용할 수도 있다.

 

Sobel filter라고 불리는 위 이미지 상단 중간의 것과 같은 것을 사용할 수도 있으며, 이 필터의 장점은 중간 부분의 픽셀에 중점을 두어 더욱 선명해 보인다는 것이다.

 

그 외에도 Scharr filter라고 불리는 위 이미지 오른쪽 상단의 것을 사용할 수도 있다. 뭔가 다른 속성을 갖고 있다고 한다.

 

당연히 이 필터들을 90도 회전시키면 가로 윤곽선을 검출할 수 있다.

 

그리고 또 한 가지 알아둬야 할 점은 딥러닝이 발전하면서 우리는 복잡한 이미지의 윤곽선을 검출하기 위해 필터에 어떤 숫자를 채워야 할지 고민할 필요 없이, 스스로 학습하게 두면 9개의 숫자를 변수로 설정한 다음 역전당 형식으로 학습된 9개의 숫자가 Convolution 연산을 했을 때 좋은 값들을 알아서 둔다는 것이다!!

 

그래서 이를 통해 우리는 가로세로 뿐만 아니라 원하는 모든 형태의 윤곽선을 검출할 수 있다.