An algorithm for measuring ice pack concentration and size distribution using localized four-tree subdivision image binarization. An algorithm for measuring ice concentration and size distribution using localized binarization of.
북극항로
계절이 길어지고 얼음이 얇아지고 양이 적어지면서 북극 항로의 이용 가능성이 높아집니다. 경제적 이익, 선박 능력 향상, 항해를 위한 해양 환경 개선으로 인해 북극해 항로 이용에 대한 관심이 계속 커지고 있습니다.
쇄빙선 및 내빙선 기초연구
이때 팩아이스의 농도를 측정하는 것이 우선적으로 고려되어야 한다. 본 연구는 또한 부빙 밀도 측정에 관한 기초 연구에 중점을 두고 있습니다.
선행연구
또한, 사용자가 프로세스를 조정하기 어려워 계산 결과가 부적절하게 나옵니다. 이는 처리 소프트웨어를 사용하여 꽁꽁 언 얼음의 통합을 측정하기 위한 이미지 이진화 결과입니다.
개요
마지막으로 7장은 결론으로 끝난다. 본 연구에서는 OpenCV를 이용하여 얼음 포장 정보를 추출하는 디지털 영상처리 기술을 개발한다.
디지털 영상처리 및 활용 분야
디지털 영상 및 종류
디지털 이미지는 바이너리, 그레이 레벨, 컬러 이미지로 분류할 수 있습니다. 완벽한 색상을 표현할 수는 없으나 바이너리 이미지에 비해 현실감 표현력이 뛰어납니다. 일반적으로 흑백 이미지는 회색조 또는 이진 이미지를 나타냅니다.
일반적으로 사진은 컬러 이미지를 말합니다.
컬러영상의 색 공간
또한 컴퓨터 그래픽 및 프린터 잉크를 위한 CMYK(검은색 노란색 청록색), 조명을 위한 CIE(commission Internationale de l'éclairage), 컬러 TV를 위한 YIQ와 같은 색상 공간이 있습니다. 컬러 이미지는 여러 색공간으로 표현될 수 있으며, 각 색공간은 여러 가지 색상 속성으로 구성됩니다. 각 색상 속성의 값은 디지털 이미지에서 해당 속성의 특성을 나타냅니다.
각 기능에 대한 별도의 색상 기능을 특정 이미지 처리에 편리하게 사용할 수 있습니다.
영상 히스토그램
이진화와 임계값
임계값을 설정하는 방법에는 여러 가지가 있습니다. 대표적인 예로는 평균 임계값과 Otsu 임계값이 있습니다. Otsu 임계값은 이진화에 매우 널리 사용됩니다.
이는 모든 픽셀 색상값의 분산과 표준편차를 고려하여 적절한 이진화 임계값을 도출하는 방법이다.
사진에는 배경과 전경이 분리되거나 서로 다른 물체가 만나는, 색조 변화가 큰 부분의 가장자리가 있습니다. 반면에 윤곽선은 개별 개체의 전체 범위에 대한 정보를 나타냅니다. 윤곽선을 추출하기 위해서는 먼저 객체 라벨링을 수행해야 하며, 라벨링된 객체에서 모서리를 추출한 후 연결된 모서리를 하나의 객체의 윤곽선으로 추정하여 모든 객체의 윤곽선 정보를 추출합니다.
Edges는 개별 객체의 윤곽선에 대한 정보가 아닌 단순히 색상 차이가 발생하는 선을 추출하기 때문에 검은색 선으로만 표현되며, Contours는 개별 객체의 윤곽선을 분리하여 정보를 추출하여 서로 다른 색상으로 표현하고 라벨링합니다.
형태학 처리
Distance transform
워터쉐드
팩아이스 영상 특징
최적 임계값
34 원본 이미지(상단), 얼음 이미지(중간) 및 물 이미지(하단)의 히스토그램 대부분의 얼음 이미지는 두 개의 히스토그램 피크를 가지므로 위의 임계값을 통해 진화합니다. 35는 3개의 피크가 있는 히스토그램입니다. 왼쪽 히스토그램에서 첫 번째 피크는 물로 인해 나타나고 두 번째와 세 번째 피크는 얼음으로 인해 나타납니다.
반면, 오른쪽 히스토그램에서는 첫 번째와 두 번째 피크가 나타납니다.
구획화를 이용한 국부 이진화
그림의 점선 화살표. 35는 3개의 피크가 있는 히스토그램의 가정된 최적 임계값을 나타냅니다. 최종 프로세스에서는 각 작은 이미지의 로컬 이진화 결과가 결합됩니다. 점들은 이진화 과정에서 불확실한 영역을 나타내며, 왼쪽 영상에서는 점들이 매우 넓게 분포되어 있는 반면, 오른쪽 영상에서는 점 분포가 감소하는 것을 확인할 수 있습니다.
자동 분할 방법은 다음 장에서 설명합니다.
개발 알고리즘
즉, 4개의 작은 이미지가 생성되고, 히스토그램 분석을 위해 작은 이미지를 다시 가져옵니다. 불완전 2개 피크로 분류된 영상도 쿼드트리 데이터로 추출되어 최소 픽셀 수 이상인 경우 다시 가져옵니다. 이때, 필터링 후 부적절한 영상이 조건을 만족하면 2-피크 이진화 알고리즘을 통해 이진 영상을 추출하여 반영한다.
개발된 알고리즘은 히스토그램의 피크 분석을 통해 재귀적인 흐름을 따르기 때문에 특정 픽셀 수 이하의 영상에서는 피크 생성에 대한 정보가 부족하여 획득된 피크가 정확하지 않을 가능성이 높습니다.
는 개발된 알고리즘의 히스토그램 분석에 의해 완전 1개의 피크로 분류된 영역입니다. 도 44는 1개의 피크를 갖는 히스토그램 이미지의 개발 과정을 나타낸다. 먼저, 1-피크 히스토그램 영상을 기준 영상으로 초기 분석 영역(영상)을 설정하여 피치 값 분포 길이를 계산한다.
하나의 피크를 갖는 완전한 히스토그램 이미지에는 객체가 하나만 있으므로 히스토그램(그림 1)은 다음과 같습니다.
워터쉐드 개별 추출 알고리즘
워터쉐드를 활용한 개별 팩아이스 추출 알고리즘
원본 이미지 50(왼쪽)에 거리 변환을 적용한 이미지입니다. 전역 이진화 결과 이미지를 보면 오른쪽 조명이 밝지 않아 팩 아이스를 정확하게 찾을 수 없지만 개발된 알고리즘은 이 문제를 잘 처리합니다. 글로벌 이진화 결과 이미지(오른쪽 상단)를 보면 왼쪽 모서리에 있는 부빙을 정확하게 구분할 수 없지만, 개발 알고리즘 결과 이미지(오른쪽 하단)에서는 향상된 결과를 보여줍니다.
개발 알고리즘은 입력 영상에 대한 최적의 분할 조건을 찾고 분할 영상을 분석하여 우수한 이진 결과 영상을 생성한다고 가정합니다.
국부 이진화 개발 알고리즘을 이용한 집적도 측정
국부 이진화 개발 알고리즘 정확도 검토
개별 팩아이스 추출 및 면적 분포도
팩아이스 집적도 및 개별 팩아이스 면적 분포도 측정 모듈
67에서는 각 개별 빙빙 영역에 대한 라벨 이미지와 분포 지도가 출력됩니다. 우리는 빙빙 이미지의 특성을 분석하고 여러 가지 히스토그램 형태를 고려하여 이진화를 위한 최적의 임계값을 선택했습니다. 개별 빙빙을 추출하기 위해 유역 알고리즘을 사용하여 초기값을 기준으로 민감도를 향상시켰습니다.
또한 다양한 크기의 아이스팩을 모두 인식할 수 있도록 로컬 최대 파인더가 추가되었습니다.
