지역 특징은 키포인트의 검출, 기술을 통해 추출됨.1) 검출 (detection) : 반복성이 높은 지점을 위치, 크기, 방향 등을 가진 키포인트로 정의➡ blob은 corner, edge 등에 비해 크기 속성의 정의가 용이해 키포인트로 많이 활용됨.2) 기술 (description) : 키포인트를 둘러싼 영역을 하나의 벡터 형태로 표현 💡 지역 특징 매칭- 특징 벡터 사이의 거리 측정을 통한 특징 간의 유사도 판단 (영역을 표현해 생성한 벡터 사이의 거리 측정 (거리가 가까울수록 유사도 높다고 판단 ➡ 매칭 수립)🌐 거리 측정법 (L1 distance, L2 distance(= Euclidean), squared L2 distance)✅ 물체 이미지, 카메라 이미지에서 각각 SIFT 특징 추출 후 ..

💡 물체- 특정 물체 : 세상에 하나뿐인 것. 이것과 똑같이 생긴 것만 인식하겠다의 '이것'- 일반 물체 : 일반적인 것✅ 두 개는 대조됨.ex) 탑 인식 (일반적인 물체) / 에펠탑 인식 (특정 물체) 💡 Global Image Representation이미지 전체를 분석해 하나의 벡터 형태로 표현하는 기법을 총칭✔ 방법1 : 이미지의 모든 픽셀값을 붙여 하나의 벡터를 생성하는 기법 (순서대로 이어 붙임. 5x5 ➡ 25차원)- 가장 단순한 형태이지만, 완벽하게 동일한 이미지에 대해서만 불변(어떤 변형에도 불변하지 않음. 성능이 안 좋다고 볼 수 있음) ✔ 방법2 : [histogram 표현법] 픽셀 값들의 분포를 계산해 하나의 벡터를 생성하는 기법 (벡토 차원은 256차원. 픽셀의 밝기 0-255..

💡 마커컴퓨터 비전에서 객체 인식이나 위치 추정을 위해 사용하는 특정한 시각적 패턴이나 기호- 흑백의 고대비 정사각형 패턴, 각 마커는 고유한 ID를 가짐, 마커의 모양과 위치를 인식함으로써 3D 공간에서의 포즈(pose) 추정 가능 💡 일반적인 마커 검출 과정- 이미지 이진화 (흰색 ➡ 흰색, 검은색 ➡ 검은색이 됨)- 윤곽 검출 (마커의 윤곽을 따줌)- 크기 평가 및 볼록 다각형 여부 판단 (마커는 볼록 다각형이 아님)- 사각형 변환 (찌그러져 있는 것을 반듯하게 펼치는 것)- 마커의 규칙 판단 (검 흰 흰 이런식으로 색으로 비교) 💡 QRCode (Quick Response Code)- 우리가 원래 알던 네모난 바코드는 1차원 (EAN Code, 흰/검 무조건 교차하고 그 사이의 간격으로 알아..

https://docs.opencv.org/4.5.5/ 💡 Mat- Matrix 클래스 (행 : 이미지 세로, 열 : 이미지 가로)- OpenCV에서 가장 많이 쓰이는 클래스#include "mat.hpp" 💡 imread()- 함수🌐 매개변수 : filename(파일 경로 및 이름), flags(enum 형태. 1(default, 컬러) or grayscale 등)- 반환형 : Matrix 💡 imshow()- 내가 가지고 있는 이미지를 내 모니터에 출력하고 싶을 때- 함수 🌐 매개변수 : winname, inputArray mat (입력으로 쓰이는 Matrix) 💡 waitKey()- 명시해놓지 않으면 창(이미지)이 뜨자마자 바로 닫힘- 창을 유지한 채로 사용자에게 키보드 입력을 받음...

💡 '컴퓨터비전'이란?컴퓨터를 이용해 이미지 or 비디오로부터 의미있는 정보를 추출하는 방법을 연구하는 학문✔ image(or video) ➡ sensing device ➡ interpreting device ➡ interpretations- image(or video) : 입력 데이터 (사진 한 장 or 비디오(프레임들의 연속))- sensing device : 세상의 영상을 디지털 신호로 변환해주는 장치 (픽셀 정보로 바꿔 컴퓨터가 읽을 수 있도록 해줌)- interpreting device : 이미지 데이터를 이해 가능한 정보로 바꾸기 위해 수학적 알고리즘과 모델을 적용하는 장치/SW (CV 알고리즘들이 작동함 - 전처리, 특징 추출, 딥러닝 기반 인식, 기하학적 계산)- interpretatio..