ABSTRACT
B. 레이블링 및 객체 판별과정
입력 영상
(a) (b) 이진화 영상 (c) 수축 팽창 영상
그림 3.4. 전처리 과정 이미지
방향 이웃화소
(a) 4- (b) 8-방향 이웃화소 그림 3.5. 화소연결성의 이웃화소
어떤 화소 에서 다른 화소 으로의 4-방향 연결 경로는 {, , ⋯, } 화소 들로 이어지는데 여기서, +1은 모든 =1,2, ⋯, -1에 대한 의 4-방향 이웃 화소 이다 이러한 경로가 만일. 의 8-방향 이웃이면 8-방향으로 연결된 것이다 만일 어. 떤 화소 집합이 있고 그 화소 집합의 화소쌍들이 적어도 4-방향 연결 경로를 갖는다 면 이 집합은, 4-방향으로 연결된 영역이다. 8-방향으로 연결된 영역도 같은 방법으 로 정의한다. 4-방향 연결성과 8-방향 연결성의 구분은 중요하다 그림. 3.6의 음영 처리된 부분은 두개의 8-방향 연결 영역 또는 네개의 4-방향 연결 영역으로 이루어져 있다.
방향 연결성
(a) 4- (b) 8-방향 연결성
그림 3.6. 화소 연결성을 이용하여 연결된 화소들
영상에서 각각의 물체들을 구분하기 위해서는 화소들의 연결 유무를 알아야 한다.
한 픽셀에 이웃한 상 하 좌 우의, , , 4방향에 대한 연결성을 평가하기 위하여 그림 18 의 (a)와 같은 형태의 연결성을 사용한다. 4-연결성 배열을 영상의 전체 영역에 대하 여 대각 방향으로 적용하여 주변 픽셀과 연결된 픽셀은 연결성 배열의 가운데 픽셀에 레이블 번호를 지정한다.
영상을 읽는 과정에서 그림 3.5의 (a)와 같이 한 픽셀을 p라 하고 1, 2, 3, 4를 각 각 우측 하단 좌측 상단의 이웃 픽셀이라고 할 때, , , , p가 배경이 아닌 경우에 대해서
연결성 배열을 적용해 검사한다
4- .
먼저 왼쪽 상단에서 오른쪽 하단 방향으로 적용하는 경우를 고려해 보면, , 4와 3이 모두 배경이면 새로울 레이블을 p에 지정한다. 4와 3 중 하나의 이웃 픽셀만이 개체 이면 1인 픽셀의 레이블을 p에 지정한다.
와 이 둘 다 개체이고 같은 레이블이면 그 레이블을 에 지정하고 레이블이 다
4 3 , p ,
르면 둘 중 작은 레이블을 p에 지정한다.
위의 과정을 전체 영상에 대하여 수행하면 배경이 아닌 모든 개체에 레이블이 지정 되지만 동일한 개체에 둘 이상의 레이블이 지정되는 경우가 생긴다 그러므로 다음, .
단계로 오른쪽 하단으로부터 왼쪽 상단 방향으로 배열을 한번 더 적용함으로써 하나의 개체에 둘 이상의 레이블이 지정되는 것을 최소화해 준다 이 과정은 다음과 같다. .
가 배경이 아닌 경우에 대하여 와 이 모두 배경이면 현재 지정된 레이블을
) p 2 1
ⅰ
그대로 유지시킨다.
가 배경이고 이 개체인 경우 의 레이블이 의 레이블보다 크면 의 레이블
) 2 1 , p 1 1
ⅱ
을 p에 지정한다.
가 개체이고 이 배경인 경우 의 레이블이 의 레이블보다 크면 의 레이블
) 2 1 , p 2 2
ⅲ
을 p에 지정한다.
와 이 모두 개체인 경우 의 레이블과 의 레이블 중에서 더 작은 레이블을
) 2 1 , 2 1
ⅳ
에 지정한다
p .
위의 과정을 거쳐 그림 3.7와 같이 화소들의 연결 성분을 찾아내어 구분 짓는 것을 레이블링이라 한다.
그림 3.7. 레이블링된 영상 정보
레이블링 알고리즘에는 회귀와 순차 알고리즘이 있다 순차 알고리즘이 회귀 알고리. 즘에 비해 메모리가 적게 들고 수행시간이 짧아 많이 사용된다 이 외에 스택. (stack)
을 이용하여 레이블링을 구현하는 경우가 있다 이는 순차 연결 알고리즘보다 수행시. 간이 짧고 쉽게 구현이 가능하다는 장점이 있지만 영상의 크기가 정해지지 않았을 경, 우에는 오히려 수행 시간이 오래 걸린다는 단점이 있다 이에 본 논문에서는 특정한. 크기의 영상을 사용하지 않고 다양한 크기의 영상들을 사용하기 때문에 순차 연결 알 고리즘을 사용하여 레이블링을 구현하였다 다음 그림. 3.8은 제안한 알고리즘에서 레 이블링되어 각각 분리된 영상들이다.
분리한 레이블링들에는 영상 정보의 많은 부분을 가지고 있는 레이블링도 있지만 영 상의 작은 부분의 정보만을 가지고 있는 레이블링도 있다 또한 영상 정보에 원치 않. 는 잡음이 끼어있는 경우도 있을 수 있다 이런 경우 그림. 3.9와 같이 특정한 크기 이 하의 성분들은 무시할 수 있는 데 이를 크기 필터링이라 한다 또한 특정 크기 이상의. 물체가 영상 정보에 포함되어 있을 경우 알고리즘 수행 시간을 크게 증가시킬 수 있 다 이러한 경우를 방지하기 위해 크기 필터링을 하는 경우도 있다 본 논문에서는 레. . 이블링들을 면적의 크기순으로 재배열하여 크기 필터링을 하였다.
그림 3.9. 크기 필터링
객체 판별 2.
객체는 레이블링을 거친 영상의 면적을 분석함으로써 판단할 수가 있는데 영상에서 객체의 특징을 가장 쉽게 판단할 수 있는 특성 중의 하나는 면적이다 디지털 영상처리 분. 야에서 현재 사용되는 물체의 면적 측정 방법으로는 경계선 내부에 존재하는 화소를 판별 하고 판별된 화소의 수를 계산하여 면적을 측정하는 방법으로 컴퓨터 단층 영상의 면적 및 체적 측정에 활용되고 있다 이 방법은 화소가 물체 영역에 속하는지를 판단해야 하며. 노이즈에 약한 단점이 있고 한 평면에 같은 질감을 가진 2 개 이상의 물체가 존재하는 경 우 화소의 밝기 값이 유사해 구별이 곤란하여 인위적인 분할 과정을 거쳐야 측정이 가능 하다 또 다른 방법으로 화면을 분할하여 면적을 계산하는 방법이 있다 이 방법은 화면을. . 점차적으로 세분화시켜 각 세분화된 영역의 면적을 측정하여 전체 영역에 대해 누적함으
로써 계산 속도를 향상시킬 수 있으나 이 방법의 경우에도 한 평면에 같은 질감을 가진 2 개 이상의 물체가 존재하는 경우 구별이 곤란하다 본 논문에서는 레이블링을 통하여 면적. 을 계산하였다 즉 레이블링으로 각각 부여된 번호를 이용하여 화소의 수를 계산하여 면. , 적을 나타내었다 그림. 3.10의 (a)는 레이블링된 이미지의 일부분에서 부여된 번호를 보여 주며, (b)는 각각의 레이블링의 면적을 계산하여 나타낸 면적과 레이블링 번호를 크기순으 로 정렬한 특징을 보여준다.
레이블링 이미지의 일부분 (a)
크기순으로 재배열된 면적 특징 (b)
그림 3.10. 면적 특징 추출
그림 3.10의 (b)에서 1행은 각 레이블링의 크기를 나타내며, 2행은 레이블링의 번호 를 나타낸다 면적이 클수록 영상의 많은 정보를 담고 있기 때문에 크기 순으로 재배. 열하였다 그리고. 3행은 정규화 면적을 나타낸 것으로 영상의 크기의 변화나 찌그러짐 등의 영상 손실에 강인함을 가지기 위해 면적을 정규화하여 특징에 추가하였다 면적. 정규화는 다음 식을 통해 진행되었다.
⋯
(3.5)
여기서,
는 번째 레이블링의 정규화 면적을 의미하며,
는 번째 레이블링의 면적을 나타낸다. 은 이미지 내에서 마지막으로 구분된 레이블링 번호이다.
영상에서 객체 판별은 배경이 주된 영상인지 객체를 판별할 수 있는 영상인지를 구 분하는 것으로 판단할 수 있다 배경을 주로 가지고 있는 영상은 대개 색상이 단순하. 여 면적이 가장 큰 레이블링이 영상의 거의 대부분을 차지하는 영상들이다 이는 레이. 블링을 할 때 영역의 화소값에 영향을 받기 때문이다 이를 이용하여 레이블링의 정규. 화 면적이 다른 레이블링보다 일정 임계값 이상 차이가 나는 영상들을 분류해 낼 수가 있다 다음의 식. (3.6)의 조건에 맞는 영상들이 분류가 되며 정규화면적의 차이가 의 임계값보다 큰 영상들을 찾는다. 는 큰 그룹들의 경계가 되는 지점의 값을 가진 다.
≻
(3.6)분류된 영상은 색상에 가장 많은 웨이티드를 주어서 유사도 측정을 할 수가 있다.
그림 3.11은 배경이 주된 영상의 특성과 그 특징 벡터를 보여준다.
배경이 주된 영상
(a) (b) 레이블링 영상
특징 벡터 (c)
그림 3.11. 배경이 주된 영상의 레이블링 특성과 특징 벡터
그림 3.11의 (c)에 표시된 정규화 면적을 보면 가장 큰 레이블링이 배경 정보를 담 고 있기 때문에 영상에서 판별된 다른 객체들보다 매우 큰 면적을 가지고 있는 것을 확인할 수 있다 이와 같은 면적 특징을 가지고 있는 영상들을 배경이 주된 영상들로. 구분하였고 이 외의 영상들은 객체들이 있는 영상으로 구분하였다 배경이 주된 영상, . 들은 객체가 없거나 객체의 정보가 미약하기 때문에 배경의 색상 특징만을 이용하며, 객체들이 있는 영상들은 레이블링된 객체들의 특징을 추출하고 분석하는 과정으로 이 어진다 그림. 3.12는 객체가 판별된 영상들과 배경이 주된 영상으로 구분되어진 샘플 이미지들이다.
배경이 주된 샘플이미지 (a)
객체가 판별된 샘플이미지 (b)
그림 3.12. 객체 판별에서 구분된 영상들
위의 그림에서와 같이 배경이 주된 영상들은 객체가 없는 영상들이 대부분으로 산이 나 바다와 같이 확실하게 구분되어지는 영역이 레이블링되어지며 객체가 판별된 이미, 지들은 배경이 있더라도 객체의 모양이 확실하게 구분되어지면 영상의 복잡함에 상관 없이 객체가 우선적으로 레이블링되어지는 것으로 객체를 판별할 수 있다.