< * 형태 변환(모폴로지 변환,Morphological Transformation) * >
◆ 원근 변환(perspective transform)은 보는 사람의 시각에 따라 같은 물체도 먼 것은 작게,
가까운 것은 크게 보이는 현상인 원근감을 표현하는 변환이다.
◆ 모폴로지 변환은 주로 영상 내 픽셀값 대체에 사용된다.
- 이를 응용해서 노이즈 제거, 요소 결합 및 분리, 강도 피크 검출 등에 이용할 수 있다.
◆ 집합의 포함 관계, 이동(translation), 대칭(reflection), 여집합(complement), 차집합(difference) 등의 성질을 사용한다.
◆ 기본적인 모폴로지 변환으로는 팽창(dilation)과 침식(erosion)이 있다.
◆ 팽창과 침식은 이미지와 커널의 컨벌루션 연산이며,
이 두 가지 기본 연산을 기반으로 복잡하고 다양한 모폴로지 연산을 구현할 수 있다.
<< 팽창(Dilation) >>
▶ 팽창(dilation)은 커널 영역 안에 존재하는 모든 픽셀의 값을 커널 내부의 극댓값(local maximum)으로 대체한다.
- 즉, 구조 요소(element)를 활용해 이웃한 픽셀들을 최대 픽셀값으로 대체한다.
▶ 팽창 연산을 적용하면 어두운 영역이 줄어들고 밝은 영역이 늘어난다.
▶ 커널의 크기나 반복 횟수에 따라 밝은 영역이 늘어나 스펙클(speckle)이 커지며 객체 내부의 홀(holes)이 사라진다.
▶ 팽창 연산은 노이즈 제거 후 줄어든 크기를 복구하고자 할 때 주로 사용한다.
<< 침식(Erosion) >>
▶ 침식(erosion)은 커널 영역 안에 존재하는 모든 픽셀의 값을 커널 내부의 극솟값(local minimum)으로 대체한다.
-- 즉, 구조 요소(element)를 활용해 이웃한 픽셀을 최소 픽셀값으로 대체합니다.
▶ 침식 연산을 적용하면 밝은 영역이 줄어들고 어두운 영역이 늘어난다.
▶ 커널의 크기나 반복 횟수에 따라 어두운 영역이 늘어나 스펙클(speckle)이 사라지며,
객체 내부의 홀(holes)이 커진다.
▶ 침식 연산은 노이즈 제거에 주로 사용한다.
----< 예제 : Morphological-Transformation.py >-------------------------------------------------------------------
import numpy as np
import cv2
src = cv2.imread('Image/lena.jpg')
kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (9, 9))
dilate = cv2.dilate(src, kernel, anchor=(-1, -1), iterations=5)
erode = cv2.erode(src, kernel, anchor=(-1, -1), iterations=5)
dst = np.concatenate((src, dilate, erode), axis=1)
cv2.imshow('dst', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()
--------------------------------------------------------------------------------------------------------
▶ kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (9, 9))
: cv2.getStructuringElement()를 활용해 구조요소를 생성한다.
• cv2.getStructuringElement(커널의 형태, 커널의 크기, 중심점)로 구조 요소을 생성한다.
• 커널의 형태는 직사각형(Rect), 십자가(Cross), 타원(Ellipse)이 있다.
• 커널의 크기는 구조 요소의 크기를 의미한다.
-- 이때, 커널의 크기가 너무 작다면 커널의 형태는 영향을 받지 않는다.
• 고정점은 커널의 중심 위치를 나타낸다.
-- 필수 매개변수가 아니며, 설정하지 않을 경우 사용되는 함수에서 값이 결정된다.
▶ dilate = cv2.dilate(src, kernel, anchor=(-1, -1), iterations=5)
erode = cv2.erode(src, kernel, anchor=(-1, -1), iterations=5)
: 생성된 구조 요소를 활용해 모폴로지 변환을 적용한다.
• 팽창 함수(cv2.dilate)와 침식 함수(cv2.erode)로 모폴로지 변환을 진행합니다.
• cv2.dilate(원본 배열, 구조 요소, 고정점, 반복 횟수, 테두리 외삽법, 테두리 색상)로 팽창 연산을 진행한다.
• cv2.erode(원본 배열, 구조 요소, 고정점, 반복 횟수, 테두리 외삽법, 테두리 색상)로 침식 연산을 진행한다.
• 팽창 함수와 침식 함수의 매개변수 순서와 의미는 동일하다.
-- 단, 팽창 연산의 경우 밝은 영역이 커지며, 침식 연산의 경우 어두운 영역이 커진다.
▶ dst = np.concatenate((src, dilate, erode), axis=1)
• Numpy 함수 중 연결 함수(np.concatenate)로 원본 이미지, 팽창 결과, 침식 결과를 하나의 이미지로 연결한다.
• np.concatenate(연결할 이미지 배열들, 축 방향)로 이미지를 연결한다.
