디지털 이미지의 마스크 기반 영상 처리 DarkKaiser, 2007년 7월 17일2023년 8월 30일 1. 개요 영상 내에서 차를 검출하기 위해서는 차가 무엇이냐는 정의부터 수행하여야 한다. 사람의 경우 학습을 통해 어떠한 것들이 차인지 쉽게 알 수 있지만 영상처리를 통해서 이를 구현하기 위해서는 다양한 절차가 필요하게 딘다. 영상 인식의 경우 다양한 방법론이 존재하며 가장 복잡한 접근 방식은 학습을 통한 방법이며 보다 간단한 인식 방법론은 인식하고자 하는 물체의 특징치 조합을 영상으로부터 추출하여 정의한 후 현재의 영상 내에 모델의 특징치 조합과 부합하는 부분이 있는지 탐색함으로써 해결할 수 있다. 특정 직선의 조합 및 각 직선간의 특정 관계를 차로 설정을 한 후, 영상 내에서 차의 모델 조건을 만족하는 후보들을 탐색하여 구하게 된다. 이러한 모델 구축 및 탐색의 과정에서 특징치에 관한 값들을 구해야 하며 이러한 가장 기본적인 연산은 일반적으로 마스크를 이용한 영상처리 기법을 이용하게 된다. 마스크의 구성은 용도에 맞게 구성되며, 이는 필터 디자인과 관련된 문제이다. 일반적으로 이는 중첨 이론(convolution theory)으로 설명될 수 있다. 이해의 편의를 돕기 위해 일차원 상에서 생각하기로 한다. 어떤 연속 신호f(t)가 있는 경우 여기에 h(t)라는 함수를 중첩 연산하는 것은 원래의 신호 f(t)는 고정하고 h(t)를 이동하면서 각 지점에서 f(t)와 h(t)를 곱하기 연산을 수행 후 그 값을 취하는 과정이다. 이와같은 과정을 통해 원래의 신호 f(t)와는 다른 신호를 얻을 수 있게 된다. 주어진 목적에 따라 h(t)를 디자인하면 되는 것이다. 위의 예는 연속 신호에 대한 경우이며, 이를 디지털 영상에 적용하기 위해서는 이산화를 거친 후에 유한한 크기의 h(t)를 이용하여 계산을 수행하면 된다. 영상처리 분야에서는 일반적으로 주어진 목적에 따라 영상을 평활화(smoothing)하거나, 노이즈를 제거하거나, 윤곽 정보를 추출하는 등의 전처리 과정을 가장 먼저 수행하게 된다. 각각의 경우에 널리 사용되는 마스크의 형태는 다음과 같다. 위의 그림에서 모든 마스크의 크기는 3 x 3의 형태이며, 이 사이즈는 변경할 수 있다. 위의 마스크의 이미지로의 적용 과정은 다음과 같다. 마스크를 원 이미지상의 계산 지점에 올려 놓은 후 해당 마스크의 계수값과 해당 이미지상의 값을 곱한 후 모두 더한 값이 현재 지점에서의 새로운 값이 된다. 디지털 이미지 프로세싱 마스크