조금씩 꾸준히 완성을 향해

CANNY Edge Detector 정확한 검출(Good Detection), 정확한 위치(Good Localization), 단일 엣지(Single Edge) gradient 크기와 방향을 모두 고려하여 좀 더 정확한 엣지 위치를 찾을 수 있음. 총 4 딘계 가우시안 필터링 > gradient 계산 > 비최대 억제(non-maximum suppression) > 이중 임계값을 이용한 히스테리시스 엣지 트래킹 Sobel vs Canny src = cv2.imread('./lena.jpg', cv2.IMREAD_GRAYSCALE) dst = cv2.Canny(src, 100, 200) #Canny gxo = cv2.Sobel(src, ddepth=cv2.CV_32F, dx=1, dy=0, ksize=3) ..

# 모폴로지 연산 Morphology : 형태 또는 모양에 관한 학문 모폴로지 변환의 팽창(dilation)과 침식(erosion)을 기본 연산으로 사용해 고급 형태학을 적용하는 변환 기법 그레이 스케일 영상, 이진영상 모두 적용 가능 구조 요소( Structuring Element) 다양한 형태를 가지지만 주로 정방형을 사용 구조 요소에 따라 형태가 달라짐 ▶ cv2.getStrucuringElement() shape : element의 모양 morph_rect 사각형 morph_cross 십자 모양 morph_ellipse 타원형 모양 ksize : structuring element 사이즈 => rectangle을 일반적으로 가장 많이 사용 # shape 확인 및 비교 kernel_rect = cv..

Edge 추출 # 미분과 경사도 함수 또는 데이터의 변화율 함수의 순간 변화율 # sobel filter 영상에서의 1차 미분 : 엣지 존재 여부 파악 ▶ sobel 필터 후 나온 원본 gxo 값에 절대 값 + 루트 씌우기 import cv2 import numpy as np import matplotlib.pyplot as plt img = np.zeros(shape=(512, 512), dtype=np.uint8) +255 pt1 = 200, 200 pt2 = 300, 300 src = cv2.rectangle(img, pt1, pt2, (0,0,0), -1) # x방향 y방향으로 sobel 필터 적용 후 이미지 밝기값들 확인해 보기 gx = cv2.Sobel(src, ddepth=-1, dx=1, ..