에지는 영상의 가장 기본적인 특징을 나타내며, 에지 검출은 영상처리 분야 및 컴퓨터 비전 영역에서 매우 중요한 역할을 한다. 이러한 에지를 검출하기 위한 연구들이 국내 외적으로 많이 수행되고 있다. 기존의 에지 검출 방법에는 로버츠, 소벨, 프리윗, 라플라시안 등 고정된 값의 마스크를 사용하는 방법들이 있으며 모폴로지 처리 기술 가운데 팽창과 침식을 이용하는 모폴로지 그라디언트 방법 등이 있다. 그러나 이러한 방법들은 대각선 방향이나 완만한 영상의 변화가 있는 경우 에지 검출이 잘 되지 않는 문제가 있다 따라서 본 논문에서는 이러한 경우에도 에지 검출이 잘 되는 변형된 top-hat 및 bottom-hat 변환 방식의 에지 검출 알고리듬을 제안하였다. 제안된 알고리듬을 기존의 방법들과 비교하여 에지 검출 영상을 제시하였으며 코사인 기반의 유사도를 사용하여 성능 및 유사성을 평가하였다.
에지는 영상의 가장 기본적인 특징을 나타내며, 에지 검출은 영상처리 분야 및 컴퓨터 비전 영역에서 매우 중요한 역할을 한다. 이러한 에지를 검출하기 위한 연구들이 국내 외적으로 많이 수행되고 있다. 기존의 에지 검출 방법에는 로버츠, 소벨, 프리윗, 라플라시안 등 고정된 값의 마스크를 사용하는 방법들이 있으며 모폴로지 처리 기술 가운데 팽창과 침식을 이용하는 모폴로지 그라디언트 방법 등이 있다. 그러나 이러한 방법들은 대각선 방향이나 완만한 영상의 변화가 있는 경우 에지 검출이 잘 되지 않는 문제가 있다 따라서 본 논문에서는 이러한 경우에도 에지 검출이 잘 되는 변형된 top-hat 및 bottom-hat 변환 방식의 에지 검출 알고리듬을 제안하였다. 제안된 알고리듬을 기존의 방법들과 비교하여 에지 검출 영상을 제시하였으며 코사인 기반의 유사도를 사용하여 성능 및 유사성을 평가하였다.
Edge is the basic characteristic of image, edge detection is very important in image processing applications and computer vision area. Many studies are being performed to detect these edges by domestic and foreign researchers. The conventional edge detection methods such as Roberts, Sobel, Prewitt, ...
Edge is the basic characteristic of image, edge detection is very important in image processing applications and computer vision area. Many studies are being performed to detect these edges by domestic and foreign researchers. The conventional edge detection methods such as Roberts, Sobel, Prewitt, and Laplacian etc, which are using a fixed value of mask are widely used and morphological gradient which uses dilation and erosion among morphology process techniques is also widely used. But these methods does not detect edges well in the diagonal direction or gradually changing image parts. Accordingly, in this paper, the modified top-hat and bottom-hat transform algorithms which are detecting edges well in the parts of diagonal direction or gradually changing image are proposed. The proposed algorithms present the detected edge images compared with the conventional methods and are evaluated performance by using cosine similarity.
Edge is the basic characteristic of image, edge detection is very important in image processing applications and computer vision area. Many studies are being performed to detect these edges by domestic and foreign researchers. The conventional edge detection methods such as Roberts, Sobel, Prewitt, and Laplacian etc, which are using a fixed value of mask are widely used and morphological gradient which uses dilation and erosion among morphology process techniques is also widely used. But these methods does not detect edges well in the diagonal direction or gradually changing image parts. Accordingly, in this paper, the modified top-hat and bottom-hat transform algorithms which are detecting edges well in the parts of diagonal direction or gradually changing image are proposed. The proposed algorithms present the detected edge images compared with the conventional methods and are evaluated performance by using cosine similarity.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 논문에서는 기존의 top-hat 및 bottom-hat 변환 방식을 변형하여 에지의 검출 능력을 높이는 새로운 형태의 에지 검출 알고리듬을 제안하였다. 기존의 top-hat 변환 방식은 예리한 첨두치(peaks)를 보존하면서 콘트라스트(contrast)를 개선시키며, bottom-hat 변환 방식은 예리한 계곡(bottoms)을 보존하면서 콘트라스트를 개선시켜준다.
따라서 본 논문에서는 기존의 top-hat 및 bottom-hat 변환 방식을 변형하여 에지의 검출 능력을 높이는 새로운 형태의 에지 검출 알고리듬을 제안하였다. 기존의 top-hat 변환 방식은 예리한 첨두치(peaks)를 보존하면서 콘트라스트(contrast)를 개선시키며, bottom-hat 변환 방식은 예리한 계곡(bottoms)을 보존하면서 콘트라스트를 개선시켜준다.
제안한 알고리듬은 그레이 영상에 대한 모폴로지 처리를 하고 처리된 모폴로지 영상에 대해 원 영상과의 차이를 구해서 에지를 검출한다. 여기서 모폴로지 처리는 연속 침식 또는 연속 팽창을 통해 구한 영상과 원 영상과의 차이를 통해 에지를 검출하는 것이다.
제안 방법
각 알고리듬간의 유사성 비교를 위해 코사인(cosine) 기반의 유사도(similarity)를 비교하고 그 결과를 표1에 제시하였다. 코사인 기반의 유사도는 식 (13)과 같다.
즉 열기는 침식(erosion)을 거친 후 팽창(dilation)을 수행하고 닫기는 팽창 후 침식을 수행하므로 열기 또는 닫기를 수행한 결과가 다시 입력 영상과 같아지는 경우가 발생할 수가 있어 원 영상과 차이를 구하는 top-hat 및 bottom-hat 변환 방식에서는 에지가 검출 되지 않는 경우가 있다. 본 논문에서는 영상이 서서히 변화하거나 대각선 방향의 경우도 잘 검출되는 특성을 갖도록 하기 위해 연속으로 침식 또는 팽창을 하여 원영상과 차이를 구해 에지를 검출하는 변형된 top-hat 및 bottom-hat 방식의 에지 검출 알고리듬을 제안하였으며 제안한 알고리듬은 기존의 방법과 처리 속도나 단순성에서도 큰 차이가 없는 반면 우수한 에지 검출 능력을 갖는다.
본 논문에서는 영상이 서서히 변화하거나 대각선 방향의 경우도 잘 검출되는 특성을 갖도록 하기 위해 연속으로 침식 또는 팽창을 하여 원영상과 차이를 구해 에지를 검출하는 변형된 top-hat 및 bottom-hat 변환 방식의 에지 검출 알고리듬을 제안하였으며 제안한 알고리듬은 기존의 방법과 처리 속도나 단순성에서도 큰 차이가 없는 반면 우수한 에지 검출 능력을 갖는다.
제안한 알고리듬은 그레이 영상에 대한 모폴로지 처리를 하고 처리된 모폴로지 영상에 대해 원 영상과의 차이를 구해서 에지를 검출한다. 여기서 모폴로지 처리는 연속 침식 또는 연속 팽창을 통해 구한 영상과 원 영상과의 차이를 통해 에지를 검출하는 것이다.
제안한 알고리듬의 성능을 비교하기 위해 기존의 top-hat 및 bottom-hat 방식은 물론 로버츠, 소벨, 프리윗, 라플라시안, 모폴로지 그라디언트 등의 방법과도 컴퓨터 시뮬레이션을 통해 에지 검출 능력을 비교하고 영상으로 결과를 제시하였으며, 코사인 기반의 유사도를 측정하여 기존 방식들과 유사도를 비교하여 제시하였다.
제안한 알고리듬의 성능을 비교하기 위해 기존의 top-hat 및 bottom-hat 방식은 물론 로버츠, 소벨, 프리윗, 라플라시안, 모폴로지 그라디언트(morphological gradient) 방법과도 컴퓨터 시뮬레이션을 통해 에지 검출 능력을 비교하고 영상으로 결과를 제시하였다.
대상 데이터
본 논문에서는 에지 검출을 위해 전처리 과정이 필요하지 않아 기존의 알고리듬과 같이 빠른 속도로 수행할 수 있는 장점이 있으며 시험 영상으로 두 종류를 사용하였으며 두 영상 모두 8bit 그레이 레벨이다. 그림 1의 (a)는 256X256 해상도의 Cameraman 영상이고, (b)는 512X512 해상도의 Barbara 영상이다.
성능/효과
그 결과 로버츠와 소벨 방식은 그림 4(a), 4(b)에서 보듯이 대각선으로 된 영상 부분에서 에지 검출이 잘 되지 않음을 볼 수 있다. 그리고 프리윗, 라플라시안 및 모폴로지 그라디언트 방식은 세밀한 부분 즉 건물 부위의 에지가 잘 검출 되지 않음을 볼 수 있으나 그림 4(f)에서 보듯이 제안한 변형된 bottom-hat 방식은 전반적으로 에지가 잘 검출되고 있음을 보여준다.
마찬가지로 프리윗, 라플라시안 및 모폴로지 그라디언트 방법도 이 부분에서 잘 검출되지 않음을 볼 수 있다. 반면에 제안한 변형된 bottom-hat 변환 방식은 대각선 부분이나 영상의 변화가 완만한 경우도 에지가 잘 검출되는 등 전반적으로 모든 영역에서 에지가 잘 검출되고 있음을 볼 수 있다.
제안한 변형된 방법은 연속적인 침식 또는 팽창을 함으로서 원 영상과의 차이를 더욱 잘 나타낼 수 있어 에지 검출에 매우 효과적이다.
표1에서 보는 바와 같이 제안한 Pbht 방식이 Mg 방식과 가장 유사함을 볼 수 있으며 Sobel 방법과는 가장 다른 특성을 보이고 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
영상의 에지는 어디에 이용되고 있는가?
영상처리의 목적은 첫 째 인간이 좀 더 쉽게 영상을 관찰하고 이해하는데 있으며 두 번째로는 컴퓨터가 자동으로 영상을 인식하여 다양한 목적을 위해 활용하는데 있다고 볼 수 있다[1]. 영상의 에지는 영상처리를 위해 많이 사용되는 특징 가운데 하나로서 물체의 크기, 방향 및 윤곽 정보 등을 포함하여 스마트 기기, 의료 영상 분석, 차량 번호 및 차량 인식, 도로 인식, 얼굴 및 손금 인식 등에 많이 이용되고 있으며 국내·외적으로 많은 연구가 진행되고 있다[2-9].
영상처리의 목적은 무엇인가?
영상은 현대와 같은 정보화 사회에서 매체가 발달함에 따라 영상의 주요 특징을 추출하여 중요한 정보로 활용하고 있다. 영상처리의 목적은 첫 째 인간이 좀 더 쉽게 영상을 관찰하고 이해하는데 있으며 두 번째로는 컴퓨터가 자동으로 영상을 인식하여 다양한 목적을 위해 활용하는데 있다고 볼 수 있다[1]. 영상의 에지는 영상처리를 위해 많이 사용되는 특징 가운데 하나로서 물체의 크기, 방향 및 윤곽 정보 등을 포함하여 스마트 기기, 의료 영상 분석, 차량 번호 및 차량 인식, 도로 인식, 얼굴 및 손금 인식 등에 많이 이용되고 있으며 국내·외적으로 많은 연구가 진행되고 있다[2-9].
에지 검출 방법 중 로버츠, 소벨, 프리윗, 라플라시안 및 모폴로지를 이용한 방법이 가진 단점은 무엇인가?
일반적인 에지 검출 방법에는 로버츠(Roberts), 소벨(Sobel), 프리윗(Prewitt), 라플라시안(Laplacian) 및 모폴로지(Morphology)를 이용한 방법 등 다양한 알고리듬1)이 있다[10-12]. 이러한 방법들은 대각선 방향이나 영상의 변화가 완만할 경우 에지 검출 능력이 미흡한 경우가 발생한다.
참고문헌 (12)
L. Bin and M. Samiei yeganeh, "Comparison for Image Edge Detection Algorithms," IOSR(International Organization of Scientific Research) Journal of Computer Engineering, vol 2, Issue 6, 2012, pp. 01-04.
A. C. Jalba, Michel H. F. Wilkinson, and Jos B.T.M. Roerdink, "Morphological hattransform scale spaces and their use in pattern classification," Pattern Recognition, vol. 37, Issue 5, May 2004, pp. 901-915.
Muthukrishnan. R and M. Radha, "Edge detection techniques for image segmentation," International Journal of Computer Science & Information Technology, vol. 3, no. 6, Dec. 2011, pp. 259-267.
H. Sun and S. Tian, "Image retrieval based on blocked histogram and Sobel edge detection algorithm," International Conference on Computer Science and Service System, pp. 3277-3281, 2011.
H. W. Lee, "Road extraction of urban areas from satellite imaginary using wavelet transform and morphological process," In Proceedings of ICKIMICS 2010, pp. 160-163, 2010.
H. Xiang, B. Yan, Q. Cai, and G. Zou, "An edge detection algorithm based on Sobel operator for images captured by binocular microscope," International Conference on Electrical and Control Engineering, pp. 980-982, 2011.
J. Lee and J. Kim, "Recognition of a New Car Plate using Color Information and Error Back-propagation Neural Network Algorithms," J. of the Korea Institute of Electronic Communication Sciences, vol. 5, no. 5, 2010, pp. 471-476.
H. Kim, K. Lee, J. Park, and Y. U. "Vehicle Detection in Tunnel using Gaussian Mixture Model and Mathematical Morphological Processing," J. of the Korea Institute of Electronic Communication Sciences, vol. 7, no. 5, 2012, pp. 967-974.
K. Kim and D. Song, "The Lines Extraction and Analysis of The Palm using Morphological Information of The Hand and Contour Tracking Method," J. of the Korea Institute of Electronic Communication Sciences, vol. 6, no. 2, 2011, pp. 243-248.
M. Roushdy, "Comparative Study of Edge Detection Algorithms Applying on the Grayscale Noisy Image Using Morphological Filter," Journal of Graphics, Vision and Image Processing, vol. 6, Issue 4, Dec. 2006, pp. 17-23.
N. Senthilkumaran and R. Rajesh, "Edge Detection Techniques for Image Segmentation - A survey of Soft Computing Approaches," Int. J. of Recent Trends in Engineering and Technology, vol. 1, no. 2, Nov. 2009, pp. 250-254.
M. Basu, "Gaussian-Based Edge-Detection Methods-A Survey," IEEE Transactions on systems, man, and cybernetics-part C: applications and reviews, vol. 32, no. 3, Aug. 2002, pp. 252-260.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.