컴퓨터비전(8) - corner(1)

Image features extracts?

이미지의 특징을 잘 뽑아야, pattern matching도 할 수 있고, panaroma image도 만들 수 있습니다. 하지만 이미지는 어느 각도, 떨어진 거리, 빛 등 여러 요인에 따라 다 다르게 찍히지 않나요? 인터넷에 각도의 중요성이라고 검색만 해보아도, 많은 연예인들의 사진이 쏟아져 나옵니다. 잘 나온 사진은 턱선이 야무지게 살아있고, 이상하게 아래에서 찍은 사진들은 턱선이 사라져 있는 모습을 볼 수가 있습니다.

궁금하시다면 클릭해보시길!

하지만 그럼에도 불구하고, 이미지의 local적인 feature는 살아있습니다. 턱은 아래로 볼록한 곡선 형태를 띄는 등.. 말이죠. 거꾸로 찍은 상황은 제외! 이러한 local feature를 잘 찾는 것이 목적입니다.

Advantages of local features

local feature의 장점은 무엇이 있을까요?

1) locality(지역성) : 특성이 지역적이기에, 조금 가리거나 왜곡되어도 괜찮습니다. 턱선에 중간이 살짝 가려진다고 문제가 크게 되는 것이 아니니까요.
2) quantity(양적 강점) : 많은 양이 존재하기에, 이는 다양한 특징을 표현할 수 있습니다.
3) Distinctiveness(구분성) : 이는 많은 수의 object를 분석하기에 적절합니다. 
4) Efficiency(효율성) : 일부를 뽑아서 이미지를 분석하기에, 효율적입니다. 

그렇다면 이러한 feature를 찾은 다음, 어떻게 활용하는지 알아봅시다.

1) feature detection : feature 찾기
2) feature descriptor : 찾은 feature를 vector
3) feature matching : match !

지금까지의 글은 1. feature detection에 대한 이야기였고, 앞으로 포스팅에서 차근차근 descriptor, matching에 대해 알아보겠습니다.

이미지의 특징은 제가 edge가 있다고 했습니다. 하지만 corner도 중요한 이미지의 특징이 될 수 있습니다!

마무리하며

다음 글에선 corner를 찾는 법에 대해 알아보겠습니다.