분류 전체보기
-
MRI의료영상/의료영상기본 2022. 2. 22. 00:40
MRI (Magnetic Responance Imaging) 수소 원자 핵들이 랜덤한 방향으로 움직이는데, 강한 magnetic field를 걸어줘 수소 원자 핵들을 균일한 방향을 가르키게 만듦. 이는 세차 운동을 하게 하는데, 세차 운동 속도를 계산해 그에 따라 RF pulse를 줘 공명 현상이 일어남 공명 현상이 발생하게 되면 에너지가 흔들리게 되는데 원자 핵들이 랜듬한 방향을 가르키게 됨. 이 때 RF pulse를 끄면 다시 수소 원자 핵들이 균등한 방향을 가르키게 되는데 Receiver coil의 값들이 변화가 생김. z축이 일정수준 올라갔을때의 이미지를 T1-weighted image, y축이 일정 수준 내려갔을대 이미지르 T2-weighted image라 함. 티슈에 따라 푸리에 변환에 의해 ..
-
X-ray / CT / PET의료영상/의료영상기본 2022. 2. 22. 00:19
X-ray X-ray가 detector에 투영되는 값들을 기반으로 영상 촬영 CT (Computed Tomography) 여러 장의 X-ray를 합쳐(intergration) 만드는 영상 촬영 많이 찍을수록 영상의 퀄리티는 좋아지나 방사선을 그 만큼 많이 맞아야함. Dose를 낮게, 퀄리티를 높게 하는 것이 하나의 챌린지 PET (Positron Emission Tomography) 방사선 물질을 몸에 주입해 몸 내부에서 방사선 물질이 내뱉는 양전자(Positron)을 Detector가 검출 반감기가 짧은 방사선 물질을 이용 신진대사를 크게 어디서 일어나는지(비정상적으로) 볼 수 있지만 식별하기가 힘든 문제가 있음 이를 해결하기 위해 PET-CT, PET-MR 등의 기술이 개발됨. 이미지 출처 https..
-
특징점 검출컴퓨터 비젼(Computer Vision)/특징점 검출과 매칭 2022. 2. 21. 18:09
코너 검출 방법의 문제점 이동, 회전 변환에 강인 크기 변화에 취약 용어 특징점(feature point) = 키포인트(keypoint) = 관심점(interest point) 기술자(descriptor) = 특징 벡터(feature vector) 크기 불변 특징점 검출 방법 SIFT, KAZE, AKAZE, ORB 등 다양한 특징점 검출 방법에서 스케일 스페이스 (scale-space), 이미지 피라미드 (image pyramid)를 구성하여 크기 불변 특징점을 검출 OpenCV 특징점 검출 클래스 특징점 검출 알고리즘 객체 생성 cv2.SIFT_create(, ...) -> retval cv2.KAZE_create(, ...) -> retval cv2.AKAZE_create(, ...) -> retv..
-
코너 검출컴퓨터 비젼(Computer Vision)/특징점 검출과 매칭 2022. 2. 21. 13:35
코너 객체의 뾰족한 부분 영상의 고유한 특징을 지님 코너의 특징 평탄한 영역과 에지 영역은 고유한 위치를 찾기 어려움 코너는 변별력이 높은 편이며, 영상의 이동, 회전 변환에 강인함 코너 검출 방법 해리스(Harris) 영상 내부 작은 영역이 모두 방향에 대해 변화가 큰 경우 코너로 규정 cv2.cornerHarris()를 이용하며 코너 응답 함수 R을 반환, R이 충분히 크면 코너로 구분 Local Maxima가 아닌 값이 검출 될 수 있음 Fast Features To Track Harris 코너 검출 방법의 향상된 버전 NMS 수행 cv2.goodFeaturesToTrack()을 사용하며, 이는 코너점 자체를 반환 FAST(Features from Acclerated Segment Test) 주변 ..
-
HOG 보행자 검출컴퓨터 비젼(Computer Vision)/영상 분할과 객체 검출 2022. 2. 17. 18:16
HOG(Historgram of Oriented Gradients) feature로, 영상의 지역적 그래디언트 방향 정보를 특징 벡터로 사용 다양한 객체 인식에서 활용됨 논문 HOG 알고리즘 동작 방법 입력 영상 -> Crop -> 크기 정규화 64x128 -> 그라디언트 계산 -> 8x8 크기의 셀 분할 -> 각 셀마다 방향과 크기 성분을 이용하여 방향 히스토그램 계산 블록 히스토그램 구하기 8x8 셀 4개를 하나의 블록으로 지정 즉, 블록 하나의 크기는 16x16 8픽셀 단위로 이동 (stride = 8) 각 블록의 히스토그램 빈(bin) 개수는 4x9=36개 특징 벡터의 차원 하나의 부분 영상 패치에서의 특징 벡터 크기 7x15x36 = 3780 HOG Descriptor 객체 생성 및 보행자 검출..
-
캐스케이드 분류기컴퓨터 비젼(Computer Vision)/영상 분할과 객체 검출 2022. 2. 17. 16:28
캐스케이드 분류기(Cascade Classifier) Positive 샘플(특정 목표 객체)과 Negative 샘플(목표 객체가 아닌 것) 에 대한 최소 수 백개의 영상을 이용해 학습된되는 검출기로, 1) Haar-like feature를 사용하며, 2) Adaboost 기반의 분류를 수행하며, 3) Cascade 방식을 통해 빠른 속도로 동작한다. Haar-likfe feature 사각형 형태의 필터 집합 흰색 사각형 영역 픽셀 값의 합에서 검정색 사각형 영역 픽셀 값을 뺀 결과 값을 추출 24x24 Cropped 영상에서 얼굴 판별에 유용한 Haar-like feature를 선별 위 행은 2개의 좋은 feature을 보인다. 첫 번째 feature는 눈 영역이 코 영역보다 어둡다라는 특징에 초점을 맞..
-
템플릿 매칭컴퓨터 비젼(Computer Vision)/영상 분할과 객체 검출 2022. 2. 17. 15:14
템플릿 매칭(Template Matching) 입력 영상에서 (작은 크기의) 템플릿 영상과 일치하는 부분을 찾는 기법 템플릿: 찾을 대상이 되는 작은 영상, 패치 또는 커널이라고도 불림 템플릿 매칭 함수 cv2.matchTemplate(image, templ, method, result=None, mask=None) -> result image: 입력 영상. 8비트 또는 32비트. templ: 템플릿 영상. image 보다 같거나 작은 크기이며 같은 타입으로 지정 method: 비교 방법. cv2._TM_으로 시작하는 플래그 지정. result: 비교 결과 행렬. np.ndarray, dtype=np.float32 이미지 크기가 W*H, templ의 크기가 w*h 이면, result의 크기는 (W-w+1..
-
모벤트 기반 객체 검출컴퓨터 비젼(Computer Vision)/영상 분할과 객체 검출 2022. 2. 16. 17:07
모멘트 영상의 형태를 표현하는 일련의 실수값 특정 함수 집합과의 상관 관계(correlation) 형태로 계산 Geometric moments, Central moments, Normalized central moments, Legendre moments, ... 등이 있음 Hu's Seven Invariant Moments 3차 이하의 정규화된 중심 모멘트를 조합하여 만든 7개의 모멘트 값 영상의 크기, 회전,이동, 대칭 변환에 불변 모양 비교 함수 cv2.matchShapes(contour1, contour2, method, parameter) -> retval contour1: 첫 번째 외곽선 또는 그레이스케일 영상 contour2: 두 번째 외곽선 또는 그레이스케일 영상 method: 비교 방법 ..