[영상처리] openCV2 라이브러리 이용하기 - Canny Edge detector, Finding contours

OpenCV 라이브러리 예제

• Sobel Derivatives   
  https://docs.opencv.org/master/d2/d2c/tutorial_sobel_derivatives.html
• Laplace Operator   
  https://docs.opencv.org/master/d5/db5/tutorial_laplace_operator.html
• Canny Edge Detector   
  https://docs.opencv.org/master/da/d5c/tutorial_canny_detector.html
• Hough Circle Transform
  https://docs.opencv.org/master/d4/d70/tutorial_hough_circle.html
• Finding contours in your image
  https://docs.opencv.org/master/df/d0d/tutorial_find_contours.html

Canny Edge Detector

Canny Edge Detection 은 아래와 같은 알고리즘으로 구성되어 있다.

1단계 : 노이즈 제거 

• 5x5 가우시안 필터를 이용해 이미지의 노이즈를 줄여준다.

2단계 : Gradient 값이 높은 부분 찾기 

• Sobel 커널을 수평방향, 수직방향으로 적용해 각 방향의 gradient를 획득한다.           - 
• 수평방향의 gradient를 Gx, 수직방향의 gradient를 Gy라고 할때, G = |Gx| + |Gy|

3단계 : 최대값이 아닌 픽셀의 값을 0으로 만들기 

• 2단계를 거친 후, 에지에 기여하지 않은 픽셀을 제거하기 위해 이미지 전체를 스캔한다.            - 
• gradient 방향은 수평방향이고 A는 수직방향의 에지위에, B, C는 gradient 방향에 놓여있다. 
• A지점에서 gradient 값이 B, C보다 값이 큰지 아닌지 체크한다.
• A에서의 값이 가장 크면 다음 단계로 넘어가고, 그렇지 않으면 값을 0으로 만든다.

4단계 : Hyteresis Thresholding

• 3단계를 거친 것들이 실제 에지인지 아닌지 판단하는 단계

• Threshold 값을 minVal, maxVal 2개를 잡는다.

• maxVal 보다 높은 부분은 확실한 에지, minVal보다 낮은 부분은 에지가 아니라고 판단

• minVal, maxVal 사이에 있는 값들은 이 픽셀들의 연결구조를 보고 에지인지 아닌지 판단

• A는 maxVal보다 위에 있으므로 확실한 에지
• B, C는 minVal, maxVal 사이에 있는 픽셀
• B는 확실한 에지와 연결X 에지가 아니라고 판단. 제거한다.
• C는 확실한 에지와 연결O 에지라고 판단하여 남겨둔다.

OpenCV - Canny 함수

static void CannyThreshold(int, void*)

{

    blur( src_gray, detected_edges, Size(3,3) ); // minVal, maxVal

    Canny( detected_edges, detected_edges, lowThreshold, lowThreshold*ratio, kernel_size );

    dst = Scalar::all(0);

    src.copyTo( dst, detected_edges);

    imshow( window_name, dst );

}

OpenCV - Finding Contour 관련 함수

cv2.findContours(thr, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) 

이 함수는 원본 이미지를 변경시키기 때문에 복사본을 가지고 함수를 적용하는 것이 좋음

thresh : contour 찾기를 할 소스 이미지. thresholding을 통해 변환된 바이너리 이미지여야함

cv2.RETR_TREE : contour 추출 모드

cv2.RETR_EXTERNAL : 이미지의 가장 바깥쪽의 contour만 추출

cv2.RETR_LIST : contour 간 계층구조 상관관계를 고려하지 않고 contour를 추출

cv2.RETR_CCOMP : 이미지에서 모든 contour를 추출한 후, 2단계 contour 계층 구조로 구성함

cv2.RETR_TREE : 이미지에서 모든 contour를 추출하고 contour들간의 상관관계를 추출함

cv2.CHAIN_APPROX_SIMPLE : contour 근사 방법

cv2_CHAIN_APPROX_NONE : contour를 구성하는 모든 점을 저장함

cv2_CHAIN_APPROX_SIMPLE : contour의 수평, 수직, 대각선 방향의 점은 모두 버리고 끝 점만 남겨둠

cv2_CHAIN_APPROX_TC39__1 : The-Chin 연결 근사 알고리즘을 적용함

cv2.drawContours(img, contours, -1, (0, 255, 0), 3) 

우리가 찾은 contou를 실제로 그리는 함수

img : contou를 나타낼 대상 이미지

contours : img에 그릴 contour. 이 값은 cv2.findContours() 함수의 2번째 리턴 값이다.

-1 : img에 실제로 그릴 contour 인덱스 파라미터. 이 값이 음수이면 모든 contour를 그림

(0, 255, 0) : contour 선의 BGR 색상값. 여기서는 Green 값을 뜻함

1 : contour 선의 두께

* OpenCV에서 Contour 찾기는 검정색 배경에서 흰색 물체를 찾는 것과 비슷하기 때문에, Contour를 찾고자 하는 대상은 흰색으로 배경은 검정색으로 변경해야 함

---

• 2020.12.06 수정 (2018.02.14 세미나 자료)
  
• 이미지 출처 OpenCV 예제