ram2 🚗

☝️ 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 이 픽셀을 묘사하는 방법이다.

☝️ Image matching

두 개의 영상이 유사한지 아닌지, 만약 유사하다면 어떤 위치 관계를 가지고 있는지 알려주는 것.

1. 먼저 두 영상의 feature를 추출한다.

2. 추출한 feature를 적절한 descriptor를 통해 묘사한다.

3. descriptor를 통한 결과를 기준으로 두 featurer를 비교한다.

4. 비교한 Feature들이 얼마나 good 한지 image matching으로 판별한다.

* 이 때 good image matching은 NNDR로 알 수 있다. NNDR값이 작을수록 good matching에 가깝다.

** NNDR : 가장 잘 맞는 상태인 두 feature간의 거리 / 두 번째로 잘 맞는 상태인 두 featurer간의 거리.

☝️ Convolutional Neural Network

Convolution

- stride가 1인 경우는 1칸씩 마스크를 이동시키겠다는 것이다.

Relu

- non-linear function의 종류이다.

- value가 0보다 작은 경우 result는 0이 되고, 0보다 크면 원래 값을 유지한다.

Pooling

- max value를 사용한다.

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 때 해당 이미지는 5 x 6으로 총 30개의 픽셀을 가지고 있다.

전체적인 로직은 각 bin에 해당하는 픽셀의 수를 전체 픽셀의 수로 나누는 것이다.

또한 각 bin은 intensity level의 범위 내에서 주어진 bin의 개수인 4개로 나누면 된다. 

bin의 개수가 4개 이므로, 다음과 같이 정리할 수 있다. 

  ➡️ 첫 번째 bin[0-3] = 28 / 30

  ➡️ 두 번째 bin[4-7] = 1 / 30

  ➡️ 세 번째 bin[8-11] = 1 / 30

  ➡️ 네 번째 bin[12-15] = 0 / 30

위 표에서 보이듯,

0-3에 해당하는 픽셀이 28개,

4-7에 해당하는 픽셀이 1개,

8-11에 해당하는 픽셀이 1개,

12-15에 해당하는 픽셀이 0개이기 때문이다.

Histogram Equalization 적용

1. histogram을 계산한다.

2. 히스토그램을 최대한 평평하게 할 수 있는 함수를 찾는다. (mapping function)

3. 이미지에 mapping function을 적용한다.

[사용 예]

equalizeHist( image, hist_image ); // 이렇게 input과 output만 적으면 된다.
imshow ("hist equalized image", hist_image);

* histogram equalization은 항상 이미지를 더 선명하게 하지만은 않는다. 특히 특정 범위의 data가 dominant할 때는 오히려 잘 보이지 않을 수 있다.

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 부분의 contrast를 높여서 더 선명하게 만들 수 있다.

[공식] 

➡️ C log (1+r)

c: 임의의 상수, r : input

3. gamma transforamtion

- Γ(gamma) 의 값에 따라 밝은 부분의 detail을 올릴 수도 있고, 어두운 부분의 detail을 올리 수 있다.

- Γ > 1인 경우 : 밝은 부분의 detail을 올릴 수 있다.

- Γ < 1인 경우 : 어두운 부분의 detail을 올릴 수 있다.

- Γ = 1인 경우 : input 이미지와 output 이미지가 동일하다.

[공식] 

➡️ Cr^ Γ

c: 임의의 상수, r : input,  Γ: gamma 값.

[적용 결과]