Computer VIsion

컴퓨터 비전이란 컴퓨터가 어떻게 디지털 이미지나 비디오를 이해하는 지를 다루는 학분이다. 모든 디지털 이미지들은 "픽셀"로 이루어져 있다. 픽셀은 그림을 이루는 정보의 가장 작은 단위를 말한다. 동영상은 이미지의 연속으로 이뤄져있다. 주로 33ms정도의 inte

컴퓨터 비전이란 디지털 이미지나 비디오를 컴퓨터가 어떻게 이해하는지에 대해 다루는 연구영역이다. 기초 내용• 모든 디지털 이미지는 픽셀로 이뤄져있다. • 픽셀은 이미지를 구성하는 정보의 가장 작은 단위이다. • 각 픽셀은 여러 값을 가진다.• 픽셀의 위치는 2차원 좌표

•Mat (int rows, int cols, int type)•Mat (Size size, int type)•Mat (const Mat & m)•Mat (Size size, int type, const Scalar& s)•CV_8U: 8-bit unsigned int

행렬 변환은 OpenCV에서 하나의 행렬을 다른 형식으로 변환하는 과정을 말합니다. 이는 이미지 처리와 컴퓨터 비전 분야에서 특히 중요합니다. 다양한 유형의 행렬을 사용하고 다른 행렬로 변환할 수 있습니다. 가장 일반적으로 사용되는 변환은 데이터 타입과 채널 수의 변환

Mat imread( const string& filename, int flags=1)•Flag value as 1:read image as color image•Flag value as 0:read image as gray scale imagefile에서 가져오기웹캠

수학적 표현을 통해 각각의 input의 intensity value를 output intensity value로 mapping시키는 과정이다.그래프를 자세히 보면 Negative transformation, Log transformation, Gamma transfor

Pixel Access (픽셀 접근)픽셀 접근은 이미지나 행렬에서 특정 위치의 픽셀 값을 읽거나 수정하는 작업을 말합니다. OpenCV에서는 Mat 클래스를 사용하여 이미지나 행렬을 나타내며, 다양한 방법으로 픽셀에 접근할 수 있습니다.Mat 클래스의 at 함수를 사용

Spatial Filtering (공간 필터링)공간 필터링은 이미지나 신호 처리에서 특정 위치에서 주변 픽셀들에 대한 연산을 수행하는 기술입니다. 주로 영상에서 노이즈 제거, 경계 검출, 이미지 강화 등의 작업을 수행하는 데 사용됩니다. 이러한 필터는 커널 또는 마스크

히스토그램 평활화 (Histogram Equalization)히스토그램 평활화는 영상 처리에서 사용되는 기술 중 하나로, 이미지의 픽셀 강도 분포를 균일하게 만들어 주는 방법입니다. 이 기술은 특히 이미지의 대비를 향상시키고 세부 정보를 뚜렷하게 만들 때 유용합니다.히

컴퓨터 비전에서의 선, 사각형, 원, 다각형 그리기컴퓨터 비전에서 다양한 도형을 그리는 것은 주로 시각적인 결과를 분석하거나 표시하기 위해 사용됩니다. OpenCV와 같은 라이브러리를 통해 다양한 도형을 그릴 수 있습니다.

Mat Operator•ROI(Region of Interest)•A sub-region in an image that we are interested inabsdiff()는 두 픽셀 간의 차이를 보여주는 함수2,1에서부터 가로 3, 세로 4개만큼의 영역

BlueGreenRedMagenta(red + blue)Yellow(red + green)Cyan(green + blue)Without colorThe ratio of each color component is sameR,G,B-ChannelWhen the intens

색상 처리 기술명암 변환:방법: RGB 색 공간에서 명암 채널을 분리.활용: 이미지의 명암을 수정하면서 색상 성분에 영향을 미치지 않음.구현: 명암 채널에 대한 명암 변환 작업 적용 (예: 대비 스트레칭, 히스토그램 균일화).히스토그램 균일화:방법: RGB에서 명암 채

이미지 특징 (또는 "이미지 피처")은 이미지에서 추출된 중요한 정보를 나타내는 것을 말합니다. 이러한 특징은 주로 컴퓨터 비전 및 이미지 처리 작업에서 사용됩니다. 다음은 일반적인 이미지 특징의 몇 가지 예시입니다:엣지 (Edges): 이미지에서 물체나 패턴의 경계를

NNDR(Nearest neighbor distance ratio)유사점이 가장 높은 매치/두번쨰로 높은 매치NNDR(Nearest Neighbor Distance Ratio)은 객체 인식이나 매칭 문제에서 사용되는 중요한 지표 중 하나입니다. 이는 주로 특징 기반 매

NNDR(Nearest neighbor distance ratio)유사점이 가장 높은 매치/두번쨰로 높은 매치NNDR(Nearest Neighbor Distance Ratio)은 객체 인식이나 매칭 문제에서 사용되는 중요한 지표 중 하나입니다. 이는 주로 특징 기반 매

NNDR(Nearest neighbor distance ratio)유사점이 가장 높은 매치/두번쨰로 높은 매치NNDR(Nearest Neighbor Distance Ratio)은 객체 인식이나 매칭 문제에서 사용되는 중요한 지표 중 하나입니다. 이는 주로 특징 기반 매

위의 haarcascade_frontalface_alt를 가져오면 정면 얼굴 detection을 가져오게 된다. 검출하고 싶은 것에 따라서 다른 xml파일을 로드하면 된다.Image : Matrix of the type CV_8U containing an image w

▪Example code

어떻게 컴퓨터가 object를 인식할 수 있을까? Training Stageobject 이미지와 object가 아닌 이미지들을 모은다. feature들을 찾는다 .object들을 분류하기 위한 classifier를 디자인한다.Test Stageinput image에서

Features 픽셀, 컨텐츠, 물체를 지칭하는 것들SIFT, ORB, Harris cornerImage featureextraction : position of the feature(matching X)description : ready for feature matc

Color conversion