Basic image features: Color & Edge

Color coding method

RGB 컬러 큐브

• RGB 값이 정규화 됨.

출처: https://www.javatpoint.com/introduction-to-color-spaces

 

Normalized RGB

Intensity	I = (R+G+B) / 3
Normalized red	r = R/(R+G+B)
Normalized green	g = G/(R+G+B)
Normalized blue	b = B/(R+G+B)

 

Color hexagon for HSI (HSV)

Hue	각 [0,2π]
Saturation	수직축으로부터 거리 [0,1]
Intensity	수직축에서의 높이 [0,1]

출처: CSE 803 Stockman Fall 2009 강의자료

 

Color Transform

RGB → HSI 

 

HSI → RGB

• Intensity = 0 이면, Saturation은 정의되지 않음.
• Saturation = 0 이면, Hue는 정의되지 않음.

RGB → YIQ

Color Histogram

• 이미지의 피처를 나타내며, 정규화한 후 비교가 가능함.
• 공간적 정의가 필요하면 이미지를 격자로 잘라, 히스토그램을 그려도 됨.
• H, S, I를 분리하여 히스토그램을 그릴 수 있음.

Edge

• 두 영역의 경계로서 픽셀의 Intensity Contrast가 큰 부분.

Differential Operators

• 입력 이미지에 Mask를 적용하여 gradient 계산 → gradient를 thresholding  →  edge 픽셀 선별 
• 1D Signal 미분

Image Gradient and Masks

이미지의 Gradient

1차, 2차 미분과 수직선, 수평선 Detection

Operators

Roberts Operator

• 대각선 방향으로 gradient를 계산함.
• 가장 정교하고 빠름.

Prewitt Operator

• 중심을 정의하며, 수직과 수평을 잘 찾음.

 

Sobel Operator

• Mask의 센터에 직접적인 영향을 주는 칸에 가중치 크게 함.
• Natural line을 잘 찾음.

 

Zero crossing Operators

• 2차 미분에서 0이 교차되는 부분은 1차 미분의 peaks보다 정확함.
• ex) Laplacian Filter, LoG

Laplacian Filter

• 1D에서 1차 미분은 [-1 0 1] mask로, 2차 미분은 [1 -2 1] mask로 계산함.
• Laplacian Filter는 2D 2차 미분을 추정함.

Effect of Noise

• 필터는 Noise에 강하게 반응하기 때문에, 미분하기 전에 noise를 제거하는 Smoothing 부터 해야 함.
• 진행 순서: Smoothing →  Convolution 연산 → 1차 미분 → 2차 미분

Laplacian of Gaussian (LoG)

• 중심에서 가까운 곳에 가중치가 큼.
• 진행 순서: LoG operator를 사용하여 2차 미분 → Convolution 연산

Canny Edge Operators

• Gaussian based filter임.
• threshold 값이 2개 있고, linking 방법을 사용함.
• high threshold 이상인 값 (survive) / low threshold 이하인 값 (remove)
• high threshold와 low threshold 사이 영역의 값은 high threshold에 있는 점과 연결되면 survive하고, low threshold에 있는 점과 연결되면 remove 됨.

 

* 참고 자료

컴퓨터비전 강의자료(김은이 교수님)