이전 포스팅까지 이미지의 특징을 찾고 이 특징을 매칭하기 위해 필요한 작업들에 대해 알아보았다. 두 이미지의 특징을 매칭할 때 잘못 매칭된 것이 나오면 어떻게 해야할까? 이를 Outlier라고 부른다. 이미지의 특징을 찾을 때 국소적으로 특징을 찾기 때문에 outlier가 나타날 수 있다. 이번에는 RANSAC을 통해 Outlier를 걸러보고자 한다. Preview점들을 대표할 수 있는 하나의 Linear 모델을 만들어 보고자 한다. Least squares fit의 결과는 우리가 기대하는 결과가 아니다. 왜냐하면 예측 모델에 해당하는 sample 이외의 것들이 영향을 미치기 때문이다. 기대하는 결과를 얻으려면 그에 맞는 sample만 고를 필요가 있는데 이를 어떻게 걸러낼 수 있을까? 이상적인 과정휴리..
파노라마 사진 만들기 1. feature 1) 특징 찾기 - local feature : corner 2) 특징 묘사 - vector로 표시 3) 특징끼리 연결 (match) 2. alignment 1) transform & warping 2) alignment 이전 포스팅에서는 warping을 위한 여러가지 transformation matrix에 대해 알아보았다. 이번에는 transformation matrix를 구하는 방법에 대해 알아보고자 한다. Image alignment Image alignment 알고리즘 1. A와 B의 image feature 구하기 2. A와 B feature 매칭하기 3. Least square를 통해 A와 B사이의 homography 계산하기 4. Image warp..
파노라마 사진 만들기1. feature 1) 특징 찾기 - local feature : corner 2) 특징 묘사 - vector로 표시 3) 특징끼리 연결 (match) 2. alignment 1) transform & warping 2) alignment 이전 포스팅에서는 feature를 묘사할 descriptor를 찾는 방법에 대해 알아보았다. 이번에는 matching된 feature를 연결할 warping을 위한 transformation matrix에 대해 알아보고자 한다.Transformations and warpingImage alignment같은 장소에서 서로 다른 각도로 찍은 두 이미지를 이어 붙이려고 할 때 사진을 그냥 붙이면 잘 안 붙여질 것이다. 두 이미지의 겹치는 부분에 대한 기..
파노라마 사진 만들기 1. feature 1) 특징 찾기 - local feature : corner 2) 특징 묘사 - vector로 표시 3) 특징끼리 연결 (match) 2. alignment 1) transform & warping 2) alignment 이전 포스팅에서 이미지의 특징점을 찾기 위해 corner를 알아보고, 그것을 찾는 방법인 Harris corner detection을 알아보았다. Feature descriptors and matching 이제 두 이미지의 feature를 일치하는지 비교해야 한다. 이때, 일정한 크기의 박스 영역에 있는 vector를 각각 비교하는 방법이 있을 수 있다. 하지만 회전, Intensity 등 여러 요소들에 의해 값 자체를 비교하면 일치하지 않는 경..
파노라마 사진 만들기 1. feature 1) 특징 찾기 - local feature : corner 2) 특징 묘사 - vector로 표시 3) 특징끼리 연결 (match) 2. alignment 1) transform & warping 2) alignment Intro to local features and Harris corner detection 목표 여러 장의 사진을 이어서 하나의 파노라마 사진을 만들어보자. 각기 다른 사진을 어떻게 이을 수 있을까? 방법 특징 찾기 - local feature : corner 특징 묘사 - vector로 표시 특징끼리 연결 (match) 위 방법들을 3개의 포스팅을 통해 알아보고자 한다. 이번 포스팅에서는 사진끼리 비교할 수 있는 특징점을 정의하고 얻는 방법에..
Image ResizingResizing이 필요한 이유컴퓨터에게 물체를 인식하는데 필요하기 때문이다. 같은 자동차라고 할지라도 거리에 따라 컴퓨터는 인식을 다르게 할 수 있다. 따라서 컴퓨터가 제대로 인식하기 위해서는 Resizing을 생각해볼 필요가 있다.Image Sub-sampling문제이미지를 Sub-sampling하면 픽셀이 날라가면서 화질이 감소하거나 이미지가 왜곡되는 문제점이 생길 수 있다.Aliasing (위신호 현상, 계단 현상)sampling rate가 원본 이미지를 복원할 정도로 충분히 높지 않기 때문에 발생한다. 샘플링 후 신호를 복원하게 되면 원래 신호와 주파수가 달라지게 되어 원래 신호를 복원하지 못하는 문제 생긴다. 이에 대한 이유는 위해서 말했다시피 적절한 속도로 샘플링하지 ..
Edge 이미지 명암, 컬러 등이 빠르게 변하는 부분 Edge Detection 방법 평면이 끊기는 부분 : Surface normal discontinuity 3D > 2D : Depth discontinuity 색이 바뀌는 부분 : Surface color discontinuity 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..
Image Filtering 이미지 개념 이미지 : grid(matrix) of intensity values 픽셀(pixel) : grid의 하나의 cell 보통 0~255의 값을 가지고 검은색 = 0 / 흰색 = 255의 값을 가짐 이미지를 함수로 표현 이미지는 discrete numbers of pixels를 가지고 있음 Pixel Value grayscale / intensity : [0, 255] Color RGB[R, G, B] : 각 채널당 [0, 255]의 값을 가짐 HSV[H, S, V] : Hue(색상), Saturation(채도), Value(명도) 이미지와 함수 연결하기 R2 -> R(grayscale), RM, R3(Color) Grayscale : (x..
