🏗️ CLAHE를 활용한 다리 균열(크랙) 탐지 – Computer Vision 기본 개념
1. 들어가며
다리나 건축 구조물의 안전 점검에서는 미세한 균열(crack)을 빠르고 정확하게 찾는 것이 매우 중요합니다.
이 작업을 자동화하려면, 사람이 육안으로 보는 것보다 이미지 전처리를 통해 균열을 더 뚜렷하게 드러내야 합니다.
이번 글에서는 CLAHE(Contrast Limited Adaptive Histogram Equalization)라는 전처리 기법과 엣지 검출을 이용해 다리 하부의 균열을 감지하는 과정을 소개합니다.
2. Computer Vision에서의 전처리(Preprocessing)
컴퓨터 비전(Computer Vision)에서 전처리는 원본 이미지를 분석·인식하기 전에 품질을 향상시키는 과정입니다.
전처리의 목적:
- 불필요한 노이즈 제거
- 대비(contrast) 향상
- 조명 불균형 보정
- 관심 영역(ROI) 강조
균열 탐지에서는 대비 향상과 경계선(edge) 강화가 핵심입니다.
3. 콘트라스트(Contrast)의 개념
콘트라스트는 이미지의 밝은 부분과 어두운 부분의 차이입니다.
- 고콘트라스트: 경계가 뚜렷하고, 세부가 잘 보임
- 저콘트라스트: 모든 영역이 비슷한 밝기, 흐릿한 이미지
구조물 촬영 시 조명 조건이 나쁘면 저콘트라스트 이미지가 나오기 쉬운데, 이 경우 균열이 배경과 섞여 잘 보이지 않게 됩니다.
4. CLAHE란?
CLAHE는 국소 대비 향상을 위한 알고리즘입니다.
-
Histogram Equalization (HE)
전체 픽셀 밝기 분포를 넓혀 대비를 강화. 단점은 조명 불균형에 취약. -
Adaptive Histogram Equalization (AHE)
이미지를 작은 블록(타일)로 나누고 각 블록별로 대비를 강화.
국소 영역의 세부가 잘 보이지만, 잡음이 심해질 수 있음. -
CLAHE (Contrast Limited AHE)
AHE에 대비 제한을 추가하여 과도한 대비 증가를 방지.
결과적으로 세부는 살리고, 노이즈는 줄이는 효과.
5. 실습 예시 – 다리 균열 검출
아래는 실제 다리 하부 사진에 CLAHE와 엣지 검출을 적용한 예시입니다.
해석:
- 원본: 중앙에 균열이 있지만 전체적으로 흐릿.
- CLAHE 적용: 콘크리트 표면 질감과 균열 대비가 강화됨.
- 엣지 검출: 균열 경계가 선명하게 드러나며, 자동 검출에 활용 가능.
6. 활용 가능 분야
- 교량 및 건축물 안전 점검
- 터널 내벽 균열 탐지
- 도로 포트홀, 아스팔트 손상 검사
- 문화재 보존 상태 모니터링
7. 마무리
CLAHE와 엣지 검출은 단순하지만 강력한 Computer Vision 전처리 조합입니다.
딥러닝 기반 세그멘테이션 모델을 쓰기 전 단계에서, 혹은 데이터셋 품질 향상 목적으로 활용하면
구조물 안전 점검의 자동화 정확도를 크게 높일 수 있습니다.
