하나의 영상에 단 한 개의 임계값만 사용하는 전역 이진화(global binarization)를 하는 것은 매우 이상적인 것으로, 주어지는 팩아이스 영상이 완벽한 경우 사용된다. 하지만 대부분 영상은 빛이나 색상의 불균일로 인해서 결코 완벽하지 않으며 이로 인해 부적절 한 영상분석 결과가 도출될 가능성이 높다. 본 연구에서는 불완전한 영상을 해결하는 방법으로 전체 영상을 작은 영상으로 구획화하여 각 구획 영상에 다른 임계값을 적용하 는 국부 이진화(local binarization)를 활용한다.
Fig. 36은 주어진 영상(좌측상단)을 2x2 소(小)영상으로 구획화하는 국부 이진화 프로 세스를 나타낸다. 좌측 위 그림을 보면 영상에 그림자가 드린 듯이 짙은 밴드가 존재함 을 알 수 있다. 먼저 전체 영상이 소영상으로 구획화되고, 다음 각 소영상이 다른 임계
값을 이용하여 이진화된다. 마지막 과정에서 각 소영상의 국부이진화 결과가 결합되는 순서로 진행된다.
Fig. 36 Local binarization process using subdivision
Fig. 37
은 영상 구획화의 효과를 나타내고 있다.
왼쪽 영상은 전역 이진화 결과이며,
오른쪽은
3*3
구획 영상을 통한 국부 이진화 결과이다.
점들은 이진화 과정에서 불확실 영역을 나타내는데,
왼쪽 영상에서 점들이 매우 많이 분포되어 있는 반면,
오른쪽 영상 에서 점들 분포가 줄어든 것을 알 수 있다.
Fig. 37 Comparison uncertainty area of from global(left) and local binarization(right) Fig. 38은 구획화 기법이 적용된 효과를 설명하며, 우측상단 그림은 전역(global) 이진 화에 의한 결과로 그림자가 발생한 영역의 팩아이스를 정확히 이진화하지 못하는 반면, 우측하단 그림은 3x3 구획 영상으로부터 국부 이진화한 결과로 그림자가 발생한 영역의 팩아이스도 정확하게 분류되는 결과를 보인다.
결과적으로 국부 이진화를 통해서 빛의 불균일이나 색상차로 발생할 수 있는 문제를 해결할 수 있다. 하지만 이때 적절한 구획 영역 및 횟수에 설정이 선결되어야 하는 조 건이 남는다. 다음 장에서 자동 구획화 방법을 설명하도록 한다.
Fig. 38 Comparison of results from global(top) and local binarization (bottom)
제 4 장 쿼드트리 분할을 활용한 알고리즘
4.1 쿼드트리 개념
쿼드트리(quadtree)란 부모 노드(node)를 4개의 자식 노드로 분리하는 데이터 트리 구 조이다. 쿼드트리는 영상 분리를 위한 이미지 프로세싱 분야에 널리 적용되고 있다 (Kelkar & Gupta, 2008). Fig. 39는 한 사각형이 분리되는 쿼드트리의 개념을 나타낸다.
본 연구는 쿼드트리 개념을 활용하여 자동 구획화 알고리즘을 개발한다.
Fig. 39 Concept of quad-tree