hhlab.tistory.com

오늘 매직아이를 사용해야 할 일(?)이 있었다. 하지만 나는 매직아이를 전혀 할 줄 모른다. 하지만 곰곰히 생각해보니 매직아이가 단순히 초점을 조절해서 보는 것이라면, 왼쪽 눈으로 보는 이미지와 오른쪽 눈으로 보는 이미지를 적절히 겹쳐보는 것이 전부라면, 구현 못할 것도 없다는 생각이 들었다. 문제는 두 눈이 각각 보는 다른 이미지가 뇌에서 어떻게 조합되길래 내가 현재 장면을 볼 수 있는 것인지 모른다는 것이다. 본 것 중 매직아이의 원리를 가장 잘 설명해놓은 영상! 눈으로 들어오는 빛을 혼합하는거니까 그냥 더하거나, 두 색상의 평균을 내야하는 것 아닌가 할 수도 있다. 하지만 매직아이(뿐만 아니라 3D영화, VR 등)는 우리 뇌가 양쪽 눈이 받아들이는 이미지의 차이를 이용한 결과이다. 우리 눈은 간격을..

K-means Clustering 가장 기본이 되는 K-means 클러스터링을 이미지가 아닌 일반적인 관점에서 살펴보자. 먼저 랜덤하게 기준점(centeroid)을 몇 개 정하고, 모든 데이터에 대하여 가장 가까운 기준점으로 묶어 준다. 해당 묶음 안의 데이터를 평균내서 centeroid를 그곳으로 옮긴다. 옮긴 centeroid를 기준으로 다시 모든 데이터를 가장 가까운 기준점으로 묶어준다. 이 것을 centeroid가 움직이지 않을 때 까지 반복한다. 이미지 세그멘테이션에서는 이미지를 R, G, B 도메인에 옮겨놓고 생각하는 것이다. 오른쪽 데이터 분포에서 초기 centeroid를 몇 개 정한 뒤 최적의 centeroid를 찾아나간다. 스스로 최적의 값을 향해 계속해서 업데이트 해 나가기 때문에, 머..

Image Segmentation 인간은 왼쪽 사진만 봐도, 이미지를 구역별로 나눔과 동시에 배경, 북극곰, 빙판, 눈밭을 인식할 수 있다. 하지만 컴퓨터는 먼저 영상을 분할하는 단계를 거쳐야 한다. 분할한 각각을 segmentation이라고 하며 다음 조건을 만족시켜야 한다. 세그멘테이션 끼리 겹쳐선 안 된다. 세그멘테이션들이 이미지 전체를 덮어야 한다. 세그멘테이션 안에 있는 픽셀들은 비슷한 속성을 가져야 한다. 세그멘테이션 끼리는 속성이 구별되어야 한다. 이것은 굉장히 복잡한 문제이다. 이미지에는 다양한 색상과 성분이 존재하기 떄문이다. 더 심각하게 만드는 것의 예시가 위 사진이다. 왼쪽 사진은 오른쪽 사진의 오리와 강물의 경계부분을 확대해 놓은 것이다. 사실 왼쪽 그림만 보고서는 오리와 강물의 경..

FRUC (Frame Rate Up Conversion) 동영상은 이미지의 연속이다. 우리나라 방송국은 1초에 60장의 이미지를 보여줄 수 있는, 60Hz의 데이터를 송출한다. 애초에 60Hz인 영상들은 그대로 내보내면 되겠지만, 보통 해외 영화는 24Hz인 경우가 많다. 이런 경우, 24Hz : 60Hz = 2 : 5, 2장을 5장으로 늘려서 내보내게 된다. 'A B'를 'A A A B B'로 내보내는 것이다. 방송국에서는 어떻게든 60Hz를 만들어 내보낸다 치고, 여기에 1초에 120장을 보여주는 TV가 있다고 해보자. TV가 1초에 120장을 보여주려면 영상의 자연스러움을 위해서 60장의 영상 사이사이에 적절한 이미지를 끼워넣어야 한다. 이 때 어떤 이미지를 끼워 넣을지를 계산해보자는게, FRUC이..

특징 매칭 (Feature Matching) 사실 우리는 아주 고도로 학습된 뇌를 가지고 있기 때문에, 왼쪽 위의 눈 그림을 어디에 올려놓아야 할 지 직관적으로 알 수 있다. 하지만 컴퓨터는 그저 픽셀값을 모니터에 띄울 뿐 해당 사진이 어떤 사진인지 전혀 알 방도가 없다. 컴퓨터는 이 눈을 올려놓을 방법을 어떻게 판단할 수 있을까? Template Matching 눈을 한 칸 한 칸 옮기며, 해당 범위의 픽셀 값과 일치하는지 비교해본다. 연산량이 많고, 변형에 취약하다. Pyramid Template Matching 이미지를 축소(lower resolution)해서 본 다음, 점점 resolution을 올려가며 매칭해본다 연산량을 줄일 수 있으나, 여전히 변형에 취약하다. Model Refinement ..

[정보이론] 정보량과 엔트로피의 의미 정보이론은 신호에 존재하는 정보의 양을 측정하는 이론이다. 정보이론의 핵심은 잘 발생하지 않는 사건은 자주 발생하는 사건보다 정보량이 많다는 것이다. ▶ 정보량이란? 우선 정보이론에서 bskyvision.com 정보이론에서 정보량이란 '놀람의 정도'를 의미한다. 놀람의 정도라는 것은 모두가 알만한 정보가 아니라 새롭고 특이해서 사람들로 하여금 놀람을 일으키는 정도라고 볼 수 있다. 식상한 정보일수록 정보량이 적고, 놀라움을 주는 정보일수록 정보량이 크다. 일반적으로 특정 결과와 관련된 정보량보다 가능한 모든 결과들의 평균 정보량에 더 큰 관심을 갖는다. 엔트로피가 바로 정보량의 기댓값(평균)을 의미한다. 엔트로피는 다음과 같이 계산한다. 엔트로피는 평균 놀람의 정도 ..

Histogram of Gradient (HoG) 어떻게 edge를 검출 할 수 있을까? 픽셀의 변화량이 가장 큰 이웃($k=1$)을 고려할 경우 아래의 그림과 같이 변화량이 threshold이상인 것만 고려 할 경우 edge를 검출 할 수 있음 Histogram of Gradient Histogra donghwa-kim.github.io

Convolution vs Cross-correlation 합성곱convolution 혹은 콘볼루션 신경망은 주로 시각 분야 애플리케이션에 널리 사용됩니다. 위키피디아의 합성곱 정의를 보면 “하나의 함수와 또 다른 함수를 반전 이동한 값을 곱한 다음, 구간 tensorflow.blog 컨벌루션(Convolution) : 교차상관을 영상처리 분야에서 관습적으로 이르는 말 교차상관(Cross-Correlation) : 필터의 값과 매칭되는 그 자리의 값을 곱해서 더함

코드토막 hit = cv2.resize(result, dsize=(WIDTH, HEIGHT), interpolation=cv2.INTER_NEAREST_EXACT) map = cv2.imread('img/map.png', 1) map = cv2.resize(background, dsize=(WIDTH, HEIGHT)) # 키 입력이 있을 때 마다 0.2씩 더 강하게 블렌드 a = 0.0 while(a

MSB3721의 의미 How to fix Error MSB3721 MSB3721 is the VS way of saying “I ran nvcc, and it returned an error code.” Other than knowing that your compilation failed, it is completely useless for understanding why it failed. To understand why, it’s necessary to increase the verbosity of VS forums.developer.nvidia.com MSB3721은 Visual Studio에서 "내가 엔비디아 CUDA 컴파일러를 돌려봤는데, 에러가 났어" 정도의 정보만 제공하는 에러 코드입니다. ..