컴퓨터비전:: Edge & Edge Detection

Edge

이미지 명암, 컬러 등이 빠르게 변하는 부분

Edge Detection 방법

1. 평면이 끊기는 부분 : Surface normal discontinuity
2. 3D > 2D : Depth discontinuity
3. 색이 바뀌는 부분 : Surface color discontinuity
4. 밝기가 바뀌는 부분 : Illumination discontinuity

1차원

1차 미분을 통해 극대 극소를 찾자.

 

2차원

Image Gradient를 활용하자.

image 함수 f가 연속함수라면 미분을 사용할 수 있다.

하지만 우리가 다루는 값은 연속이 아니기 때문에 근사적인 차이로 구해보자.

Image gradient를 통해 Ix, Iy, Magnitude image, Theta image 즉, 4개의 이미지를 얻을 수 있다.

 

Noise

Noise 영향

noise가 있게 되면 미분값에 영향을 미쳐 미분값으로 edge를 찾기 어려워진다.

>> noise를 제거하자

Noise 제거 방법

가우시안 필터를 통해 high frequency를 제거함으로써 edge detection을 할 수 있다.

f * h 의 결과는 또다른 이미지 생성 > 연산량이 많음

>> convolution의 associative property를 이용하여 커널 먼저 계산 후, 이미지를 구하자

 

 

 

The Sobel operator

1. 노이즈 제거
2. Edge Detection

---

Canny edge detector

sobel operator를 사용하면 두꺼운 형태의 edge를 검출함 : 얇은 edge를 위해 Canny edge detector 사용

과정

1. 가우시안 필터링 적용 : 노이즈 제거

가우시안 필터를 사용하여 edge가 흐려짐 > 2, 3번을 통해 edge를 찾아보자

2. Magnitude 와 Orientation gradient 구하기
- 각 pixel에 대해 Sobel Operator적용하여 x축 방향, y축 방향 변화량 획득

• Maginitude : 값의 증가량 비교 > 증가량을 통해 edge로 판단할지 안 할지 비교 가능
• Orentation : 대각선으로 값이 증가한 방향

 

3. Non-maximum suppression

하나의 Edge가 여러 개의 픽셀로 표현되는 현상을 없애기 위해

Edge의 특징을 활용하여 주변 점들 중 극대값을 찾아보자

Gradient값을 통해 얻은 Orientation에 위치한 점의 값 중 최댓값을 찾는다

 

 

4. Thresholding and linking

임계값을 적용하여 edge를 판별하자

R : 실제 값, T, t: 임계값 (strong edge와 weak edge를 구분하기 위해 임계값 2개 사용)

• R > T : strong edge
• R < T but R > t : weak edge (strong edge와 연결되어 있으면 edge로 판별)
• R < t : edge 아님

 

참고하면 좋을 자료

https://gaussian37.github.io/vision-concept-edge_detection/