☝️ good feature 란 무엇인가? - 조명의 상황에 상관 없이 동일한 feature를 추출해야 한다. - 위치에 상관 없이 동일한 feature를 추출해야 한다. - 크기에 상관 없이 동일한 feature를 추출해야 한다. - 회전 상황에 상관 없이 동일한 feature를 추출해야 한다. - Perspective transform에 상관 없이 동일한 feature를 추출해야 한다. - 계산량이 너무 많으면 안된다. - 메모리 소모가 효율적이어야 한다. ☝️ ORB oFast detector + r-BRIEF descriptor 이 두 가지가 협쳐 있는 형태이다. FAST : radius가 3인 경우, 9게의 연속되는 픽셀 크기를 고려한다. BRIEF : 한 픽셀이 feature로 판명이 났을 때..

Histogram Equalization 란? ➡️ 우리 말로는 histogram을 정규화 하는 것이다. ➡️ 각 구성 요소를 영상을 구성하는 픽셀의 전체 개수로 나눈다. ➡️ bin의 개수를 잘 설정하는 것이 중요하다. ➡️ 밝기 또는 color 값의 차이를 이미지에 적용한 것이다. * histogram이 특정 영역에 너무 집중되어 있으면 contrast가 낮은 것이다. ** histogram이 골고루 분포되어 있을수록 high contrast라고 하는데, high contrast를 좋은 이미지라고 한다. Histogram 과 bin [문제] 만약, 다음 표와 같은 이미지가 있다고 가정해보자. 이 때 intensity level은 16[0,15], bin의 개수가 4라면, 각 bin은 ? [해설] 이 ..

spatial filtering 이란? -> spatial filter를 활용해서 전처리 하는 것. spatial filtering의 종류 1. Averaging filter - 주변 값의 평균으로 대체 시킨다. - random noise를 줄일 수 있다는 장점이 있다. - image가 흐릿해진다. (blurs an image) [사용 예] 형식 : blur( input image, output image, size of kernel); blur( image, result, Size(5,5) ); 2. Gaussian filter - 가중치 평균을 수행하는데, 가중치를 gaussian filter를 사용해서 한다. [사용 예] GaussianBlur( image, image, size of kernel,..

intensity transformation란? ➡️ 이미지의 밝기를 변환하는 것. intensity transformation의 종류 intensity transformation에는 크게 3가지 종류가 있다. 1. negative - 이미지의 어두운 영역을 밝은 영역으로, 이미지의 밝은 영역을 어두운 영역으로 반전 시키는 것. [공식] ➡️ L - 1 - r r : input, 영상의 intensity level이 [0, L-1] 사이인 경우 2. log transformation - 어두운 영역에 숨어 있는 detail을 더 선명하게 하는 것에 자주 사용된다. - 단순히 영상을 밝게 만드는 것이 아니다. - 밝은 부분의 detail은 줄어들고, 어두운 영역의 detail은 높일 수 있다. - 어두운 ..

한 점 (x1, y1)이 가질 수 있는 직선은 y1 = a*x1 + b 이다. 이 식은 b = -a*x1 + y1 으로도 표현할 수 있다. 결국, 한 점이 가질 수 있는 모든 직선을 b와 m에 대한 평면에서 하나의 직선으로 표현할 수 있다. y1 = a*x1 + b ➡️ b = -a*x1 + y1 식을 이렇게 바꾸면, a, b 평면에서 직선이 두 개 나오게 된다. 이때 두 직선의 교점은 두 점을 지나는 직선을 의미하게 된다. 참고 사이트 https://wkdtjsgur100.github.io/Hough-Transform/