Visual C++ MFC를 이용한 에지(Image edge) 추출의 효율적 알고리즘

소개글

Visual C++ MFC를 이용한 에지(Image edge) 추출의 효율적 알고리즘에 대한 보고서 자료입니다.

목차

제 1장 서 론

제 2장 본 론
제 2-1절. 에지 추출기법의 정의 및 용도
제 2-2절. 2차 미분 에지 연산자
제 2-2-1. 라플라시안(Laplacian)의 정의
제 2-2-2. MFC를 이용한 라플라시안(Laplacian) 구현
제 2-3절. 1차 미분 에지 연산자
제 2-3-1. Sobel의 정의
제 2-3-2. MFC를 이용한 Sobel 구현
제 2-3-3. Prewitt의 정의
제 2-3-4. MFC를 이용한 Prewitt 구현
제 2-3-5. Roberts의 정의
제 2-3-6. MFC를 이용한 Robert 구현

제 3장 결 론

참 고 문 헌

본문내용

{
//[min,max]사이의 값을 [0,255]값으로 변환
newValue=pImgRobertX[i*width+j];
newValue=constVal1*newValue+constVal2;
m_OutImg[i][j]=(BYTE)newValue;
}
}
//동적 할당 메모리 해제
delete [] pImgRobertX;
delete [] pImgRobertY;
}
[리스트 2-7] Robert 에지 마스크 Doc클래스 멤버함수 소스코드
Robert 에지 마스크 View클래스 멤버함수 소스코드
void CWinTestView::OnEdgeRobert()
{
// TODO: Add your command handler code here
CWinTestDoc* pDoc = GetDocument(); // 다큐멘트 클래스를 참조하기 위해
ASSERT_VALID(pDoc); // 주소를 가져옴
pDoc->m_EdgeRobert(256,256);
Invalidate(FALSE); // 화면 갱신
}
[리스트 2-8] Robert 에지 마스크 View클래스 멤버함수 소스코드
[그림 2-20] (a) 원 영상 (b) Robert 마스크 적용
[그림 2-21] (a) 원 영상 (b) Robert 마스크 적용
Robert 에지 마스크를 적용한 영상은 적용 반경이 좁아 잡음에 제일 약한 특성이 있다.
제 3장. 결 론
[그림 3-1] (a) 원 영상 (b) 라플라시안(Laplacian) 마스크 적용
라플라시안(Laplacian) 연산자
a. 장점 : 연산 속도가 매우 빠르다.
모든 방향의 윤곽선을 검출한다.
하나의 마스크만을 사용한다.
다른 연산자에 비하여 날카로운 윤곽선을 검출한다.
b. 단점 : 윤곽의 방향을 구하지 못한다.
밝기 값이 점차적으로 변화되는 영역에 대해서는 반응을 보이지 않는다.
c. 마스크
-1 -2 -1 -1 -2 -1
Gx = 0 0 0 , Gy = 0 0 0
1 2 1 1 2 1
[그림 3-2] (a) 원 영상 (b) Sobel 마스크 적용
Sobel 연산자
a. 장점 : 원영상의 중심 값을 더 강조한다.
돌출된 값을 비교적 평균화하는데 효율적이다.
b. 단점 : 대각선 방향에 놓여진 에지에 민감하게 반응
처리 속도가 느리다.
잡음(noise)에 강하다.
c. 마스크
1 0 -1 -1 -2 -1
Gx = 2 1 -2,Gy = 0 0 0
1 0 -1 1 2 1
[그림 3-3] (a) 원 영상 (b) Prewitt 마스크 적용
Prewitt 연산자
소벨 필터의 결과와 거의 같은 결과 값을 나타내는데 응답시간이 약간 빠르며 마스크의 형태는 비슷하나 밝기의 경계에 대해 비중을 약간 다르게 주어서, 윤곽선 검출 시 윤곽선이 덜 부각되어 나타나도록 한다.
a. 장점 : 돌출된 값을 비교적 효율적으로 평균화 한다.
b. 단점 : 수평과 수직에 놓여진 에지에 민감하게 반응.
c. 마스크
1 0 -1 -1 -1 -1
Gx = 1 0 -1,Gy = 0 0 0
1 0 -1 1 1 1
[그림 3-4] (a) 원 영상 (b) Robert 마스크 적용
Roberts 연산자
a. 장점 : 다른 마스크보다 크기는 작지만 효과적으로 사용할 수 있다.
매우 빠른 계산 속도를 가지고 있다.
b. 단점 : 돌출 된 값을 평균에 적절히 활용하기 어렵다. 즉, 잡음에 민감하다.
매우 분명한 에지만을 검출한다.
c. 마스크
0 0 -1 -1 0 0
Gx = 0 1 0,Gy = 0 1 0
0 0 0 0 0 0
최근 원격탐사, 산업 자동화, 의료기기, 통신 분야 등 여러 부야에서 영상 해석에 관한 많은 연구가 진행되고 있다. Imgage Edge 추출의 전체적인 과정들은 camera, x-ray, 초음파 등 여러 가지 영상 신호원으로부터 영상 신호를 받아들이고 그 영상에서 우리가 해석하고자 하는 부분을 추출하고 이를 해석하기 쉽도록 하기 위하여 많은 부분에 쓰이고 있다.
본 논문에서는 현대 다양한 형태의 용도로 쓰이고 있는 Image Edge 추출의 효율적 알고리즘에 대하여 알아보고 어떠한 Image Edge 추출된 이미지를 수행하는 지 알아보았다. 또한 2차 미분 연산자인 라플라시안(Laplacian)과 1차 미분 연산자인 Sobel, Prewitt, Roberts의 의 장 단점과 각각의 쓰임새에 대하여 생각해 보았다. 이것을 통하여 Image Edge 추출의 알고리즘과 그에 대한 특성에 대하여 알 수 있었다.
Edge는 주위의 화소들의 밝기를 고려했을 때 인접한 두 화소의 밝기의 변화가 현저한 부분을 뜻한다. Image Edge 추출이란 이러한 밝기의 차가 현저한 edge를 추출하는 방법을 말한다. Edge를 검출하는 이유는 edge를 찾음으로써 영상에서의 변화를 알 수 있기 때문이다.Edge는 밝기의 변화가 큰 곳에 존재하기 때문에 인접한 화소들의 값을 미분하는 형태의 mask type 연산자가 주로 edge 검출에 사용되어져 왔다. 앞서 다룬 Sobel, Prewitt, Roberts가 그 좋은 예이다.
그 세부적인 이해를 위하여 각각의 절에서 Image Edge 추출의 가장 대표적인 2차 미분 연산자인 라플라시안(Laplacian)과 1차 미분 연산자인 Sobel, Prewitt, Roberts의 세부 알고리즘에 대하여 알아보았고 그 세부 소스코드까지 다루었다. 그리고 결론 부분에서 각각의 이미지들을 비교하여 그 세부적인 특징에 대하여 소개하였다.
날로 다양해지는 영상처리분야에서 Image Edge 추출이 갖는 위치는 상당히 중요하다고 할 수 있겠다. 각 분야에 걸친 다양한 영역에서의 적절하게 필요한 알고리즘을 인지하고 정확하고 적합한 곳에 명확한 알고리즘이 쓰여 진다면 이 논문의 의의가 있을 것이다.
참고 문헌 및 사이트
■ Visual C++을 이용한 디지털 영상처리
강동중, 하종은 / 사이텍미디어 / 2003년 7월
■ 디지털 영상처리 이론 및 응용
권준식 外 7 / 홍릉과학출판사 / 2002년 8월
■ 영상처리입문
김상훈 / 과학기술 / 2003년 4월
■ 자바로 구현한 영상처리
김계영 外 3 / 홍릉과학출판사 / 2004년 1월

키워드

Image edge,   Visual C++ MFC,   에지,   추출,   효율적 알고리즘,   논문