Vision 3

윤곽선 검출이미지에서 경계선을 찾아내는 과정경계선 - 색상/밝기가 급격 Sobel Filter (1차 미분 기반)밝기의 변화가 급격한 부분 = 엣지 라고 보고 수학적으로 1차 미분값이 큰 부분을 엣지로 간주 - x축 / y축 방향으로 미분 필터 적용- 밝기의 변화율(∂I/∂x, ∂I/∂y) 계산 장점단점 - 빠르고 간단- 방향성(수평/수직) 추출 가능- 연산량 적음 - 노이즈에 민감- 두꺼운 엣지 발생- 약한 엣지 잘 못 잡음 Prewitt / Scharr FilterSobel을 변형해서 좀 더 부드럽거나 강하게 강조하는 필터 Prewitt: 고전적인 평균 기반의 미분 필터Scharr: Sobel보다 회전 불변성과 선명도가 개선됨 장점단점 Prewitt - Sobel보다 더 간단- 연산이..

Heatmap? 데이터를 시각적으로 표현하는 방법 숫자 값의 크기를 색상의 강도로 나타내는 그래프   히스토그램 평탄화 + 히트맵 적용import cv2import numpy as np# 1. 이미지 로드img = cv2.imread("./assets/scramble.jpg")if img is None: raise FileNotFoundError("이미지를 찾을 수 없습니다.")# 2. 그레이스케일 변환gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)cv2.imwrite("./assets/gray.png", gray)# 3. 히스토그램 평탄화equalized = cv2.equalizeHist(gray)cv2.imwrite("./assets/equalized_gray...

히스토그램(Histogram)?이미지의 밝기 값 분포를 막대그래프로 나타낸 것    히스토그램 균일화 명암 대비가 높아져야 물체를 더 잘 식별할 수 있기에밝기 값의 분포를 더 고르게 만들어서, 전체 밝기 범위를 활용하도록 하는 과정  흑백(Grayscale) 이미지는 2차원 배열  (*예시) gray_img = [ [ 12, 50, 90, 80 ], [ 34, 45, 70, 100 ], [ 60, 62, 58, 80 ], [ 90, 95, 85, 60 ]]픽셀당 밝기값만 있으니까, 바로 히스토그램 평활화를 바로 적용하면 됨 컬러 이미지는 3차원 배열 (*예시)color_img = [ [ [12, 40, 90], [50, 80, 100], [90, 30, 50], [80, 80..