CV_32SC1: 32bit signed integer, 1채널 CV_8U: 8bit unsigned integer CV_16U: 16bit unsigned integer 사진의 채널 개수 구하기 : img.channels() 사진의 타입 구하기 : img.type() -> 숫자가 반환되는데 예를 들어 6이 반환되면 CV_64FC1 타입인것이다. +--------+----+----+----+----+------+------+------+------+ | | C1 | C2 | C3 | C4 | C(5) | C(6) | C(7) | C(8) | +--------+----+----+----+----+------+------+------+------+ | CV_8U | 0 | 8 | 16 | 24 | 32 | ..

컨볼루션 신경망(Convolution Neural Network, CNN) 동물의 시각피질의 구조에서 영감을 받아 만들어진 딥러닝 신경망 모델 정보가 계층적으로 처리되어 가면서 점차 추상적인 특징이 추출되어 시각 인식 전반부에선 컨볼루션 연산을 수행하여 특징 추출 후반부에선 특징을 이용하여 분류 영상분류, 문자 인식 등 인식문제에 높은 성능을 보임 컨볼루션(Convolution) : 일정 영역의 값들에 대해 가중치를 적용하여 하나의 값을 만드는 연산 스트라이드(stride, 보폭) : 커널을 다음 컨볼루션 연산을 위해 이동시키는 칸 수 패딩(padding) : 컨볼루션 결과의 크기를 조정하기 위해 입력 배열의 둘레를 확장하고 0으로 채우는 연산 특징지도(feature map) : 컨볼루션 필터의 적용 결..

: 일련의 패턴을 함께 사용하여 다양한 디자인 문제를 해결하는 것. 하지만 패턴 몇개를 함께 쓴다고 무조건 compound pattern은 아니다. 여러가지 문제를 해결하기 위한 용도로 쓰일 수 있는 해결책이어야 한다. MVC(Model-View-Controller) View : 모델을 표현하는 방법 제공. 화면에 표시하기 위해 필요한 상태 및 데이터를 모델에서 가져온다. Controller : 사용자로부터 입력을 받아 그것이 모델에게 어떤 의미가 있는지 파악한다. Model : 모델에는 데이터, 상태, 비즈니스 로직이 들어있다. 자신의 상태 변화에 대해 옵저버들에게 연락을 해주지만 뷰나 컨트롤러에게는 관심이 없다. 1. 사용자 요청 : 사용자가 뷰에게 뭔가를 요청. 뷰에서 컨트롤러한테 그에 맞는 요청 ..

방법 1. Detection: 관심 있는 점을 식별 2. Description: 관심 있는 점들의 특징 벡터를 추출하여 어떻게 다르고 어떻게 같은지 표현 3. Matching: 대응하는 점들을 결정하여 매칭 특징 Repeatability: 같은 특징은 여러 이미지에도 반복적으로 나타나야 한다 (회전, 크기, 빛 등의 변화가 있더라도) Saliency: 각 특징들은 구별가능한 표현을 가져야 한다 Compactness and efficiency: 적은 특징만으로 구별가능해야 한다 Locality: 적당히 작은 구역을 특징으로 잡아야 한다. (너무 크면 구별하기 어렵다) Detection Harris Corner : 코너성을 찾기 위한 detector flat: 모든 방향에서 변화가 없음 edge: x 또는 ..

Line Detector Hozontal mask를 예를 들어보면 이 mask를 통과시킨다면 수직방향으로 값의 차이가 있으면 0이 아닌 값을 반환, 수직방향으로 값의 차이가 없다면 0인 값을 반환. -> y방향으로의 변화량을 보기 위함. 다른 mask들도 같은 메커니즘이다. mask의 있는 값들을 모두 더하면 0이 되어야 한다. Edge detection : 밝기가 급격히 변하는 부분을 발견하는 것 Zero crossing : intensity를 2차 미분했을 때 최고점과 최저점을 직선으로 이었을 때 0이 되는 부분을 에지라고 정의하면 바람직하다. Gradient 루트는 연산속도가 느려서 절댓값으로 근사해서 계산한다. Effect of noise 작은 noise가 섞였을 뿐이지만 여러 번 미분할수록 티가..

Noise : 영상의 픽셀값에 추가되는 원치 않는 형태의 신호를 의미 1. Salt-and pepper noise : 픽셀값들의 일부가 무작위 값으로 대체되는 경우이다. salt noise는 픽셀이 하얀색인 경우이고, pepper noise는 픽셀이 검정색인 경우 2. Gaussian noise : 원래의 픽셀값이 아닌 오차가 생긴 값이 들어가는 경우이다. 평균이 0이고, 표준 편차가 1인 가우시안 분포를 정상 분포라고도 한다. 노이즈 제거하기 1. Median Filter non linear filter 픽셀값을 kenel 값들을 정렬한 상태에서 중간값을 선택하는 방식 -> 중간에서 멀리 떨어진 값들은 선택되지 않아 salt-and-pepper noise를 제거하는데 효과적으로 사용된다. 2. Mean..