[ Part Ⅱ] Chapter 7. 이미지 인식 시스템 만들기

7.1 이미지 처리의 기본 개념

1) 픽셀

디지털 이미지는 픽셀로 구성되어 있다. 픽셀은 컴퓨터 모니터에서 표시할 수 있는 가장 작은 단위이다. 픽셀은 밝기의 강도와 컬러 채널값을 가진다.

 

컬러 이미지는 픽셀 하나가 R(빨간색), G(녹색), B(파란색) 세 채널로 구성되고 각각 0~255의 강도를 가진다. 예를 들어 빨간색은 [255,0,0], 녹색은 [0,255,0], 파란색은 [0,0,255] 이런 식이다. 따라서 채널별로 높이 m 픽셀과 넓이 n 픽셀을 가지는 이미지를 m x n 행렬로 표현할 수 있다. 채널이 하나인 그레이스케일 이미지는 m x n x 1 행렬로, 컬러 이미지는 m x n x 3 행렬로 표현할 수 있다.

 

2) 필터링

기존 이미지의 픽셀값을 선형적으로 조합하여 새로운 픽셀값으로 변환한 뒤 그 픽셀들로 새로운 이미지를 생성하는 것을 필터링이라고 한다. 필터링은 결괏값이 저장될 픽셀 좌표의 ±1, ±2, . . . 범위의 픽셀 정보를 조합하는 방식을 사용한다. 예를 들어 가로 3개 x 세로 3개 = 9개의 픽셀 정보를 조합한다면 3 x 3 크기의 윈도우(혹은 커널)를 사용한다. 자주 사용되는 윈도우 크기로는 3 x 3와 5 x 5가 있다.

 

대표적인 필터링 방식으로 이동평균 필터링이 있다. (2n+1) x (2n+1), 크기의 윈도우를 사용하여 이동평균 필터링을 적용할 경우, 목표 픽셀에서 ±n 위치의 값을 모두 더한 후 (2n+1)^2(윈도우의 넓이)로 나누면 된다. 이미지의 네 가장자리 픽셀은 윈도우 안의 픽셀값이 비어 있기 때문에 별도로 처리한다. 네 가장자리의 픽셀값을 처리하는 방법으로는 이미지 바깥 값을 0으로 채우는 제로 패딩zero-padding과 이미지 바깥 값을 가장 가까운 가장자릿값으로 처리하는 가장자릿값 복제edge value replication가 있다. 일반적으로 제로 패딩을 많이 사용한다.

 

이동평균 필터링은 픽셀을 주변 픽셀값의 평균으로 변환하므로 더 부드러운(스무딩된) 이미지를 생성한다. 이동평균 외에도 윈도우 안의 픽셀 중 최댓값으로 픽셀을 생성하는 최댓값 필터링, 단순히 주변 값들의 평균을 구하는 대신 거리에 따라 차등을 주는 가우스 필터링(혹은 가우스 윈도우), 이미지의 경계선을 얻어내는 엣지 필터링 등이 있다.

 

3) 합성곱

필터링 방식은 합성곱convolution의 특별한 경우이다. 사실 이미지 처리에서의 필터링은 합성곱의 적용이라고 생각해도 된다. 합성곱은 함수와 이동한 함수의 값을 곱한 다음, 구간에 대해 적분하여 새로운 함수를 구하는 연산이다. 연산 기호는 * 이다. 함수 f와 함수 g의 함성곱 f*g를 식으로 표현하면 다음과 같다.

(f*g)(t) = ∫f(τ)g(t-τ)dτ

τ: 임의의 값

t: 함수 입력 값

합성곱은 함수 g를 τ축으로 대칭이동하고 (τ->-τ), t만큼 평행이동한 후 (τ->-τ+t), f(τ)와 곱하고 그 결과값을 적분하는 연산이다. 여기서 적분 범위는 함수 f와 g의 범위에 따라 달라진다. 대칭이동은 반전이라고도 한다. 합성곱은 적분을 하는 것으로 입력값 t와 적분 구간의 정보를 동시에 고려하는 값을 얻게 되므로 연속된 값으로 이루어지는 신호 처리, 시계열 분석 등 다양한 분야에 사용된다.

 

7.2 이미지 인식

1) 이미지 분류 : 이미지에 특정 물체가 존재하는지 여부를 판단한다.

문서를 다루는 단어들을 이용하여 피처를 생성하고 문서를 분류하는 방법을 배웠다. 이미지도 마찬가지로 이미지를 이루는 픽셀을 이용하여 피처를 생성할 수 있다. 피처는 크게 전역 피처와 지역 피처로 나눌 수 있다. 전역 피처는 하나의 이미지에서 하나만 얻을 수 있으며 이미지의 강도 히스토그램이 그 예이다.

 

2) 이미지 검출 : 이미지에 어떤 물체가 존재하며, 어디에 존재하는지 판단한다.

이미지에 존재하는 물체가 무엇인지, 어디에 있는지 인식한다. 분류와 달리 어떤 물체인지에 대한 정보가 없으므로 인식하려면 우선 이미지에서 한 물체를 이루는 픽셀들을 분할해야 한다. 이미지 분할은 이미지 내부에 있는 관련 픽셀들을 모아 그룹을 만드는 것으로, 픽셀 군집화로 생각할 수 있다. 이때 주로 사용되는 피처는 픽셀의 강도와 위치이다.