Canny edge detection이란?

안녕하세요 AI일잘러 오니입니다 🤖

오늘은 Canny edge detection에 대한 글을 작성해보았습니다 🖋

그럼 Canny edge detection에 대해 알아보는 시간을 가져보겠습니다 👌🏻

 

 

The Canny edge detector is a popular algorithm for detecting edges in an image.
It is known for its ability to accurately detect edges while minimizing false detections.
- Computer Vision: Algorithms and Applications by Richard Szeliski

 

✔ 들어가며

  컴퓨터 비전에 관심이 있거나 머신 러닝 실무자라면 Canny edge detection 알고리즘에 대해 들어보셨을 것입니다. 이미지의 가장자리를 정확하게 감지하기 위해 다양한 이미지 처리 애플리케이션에서 널리 사용되는 알고리즘입니다. 오늘은 Canny edge detection의 정의, 작동 방식, 애플리케이션 등 Canny edge detection에 대해 알아야 할 내용을 다뤄보겠습니다.

✔ Canny edge detection이란 무엇인가요?
  Canny edge detection은 이미지의 가장자리를 감지하는 데 사용되는 edge detection 알고리즘입니다. 이 알고리즘은 1986년 존 F. 캐니가 개발했으며 오늘날에도 여전히 널리 사용되고 있습니다. 캐니 알고리즘은 최소한의 오류로 정확한 에지 맵을 생성하기 때문에 최적의 에지 감지 알고리즘으로 간주됩니다.

✔ Canny edge detection은 어떻게 작동하나요?
  Canny edge detection 알고리즘은 크게 다섯 단계로 구성됩니다:

  1️⃣ 가우시안 smoothing: 캐니 알고리즘의 첫 번째 단계는 이미지에 가우시안 필터를 적용하여 노이즈를 평활화하는 것입니다.

 

  2️⃣ 그라데이션 계산: 이 단계에서는 소벨 연산자를 사용하여 이미지의 그라데이션을 계산합니다. 소벨 연산자는 간단한 가장자리 감지 필터로 이미지의 x 및 y 방향의 그라데이션을 계산합니다.

  3️⃣ 비최대 억제: 이 단계에서는 최대 에지 응답에 포함되지 않는 픽셀을 제거하여 에지를 얇게 만듭니다.

 

  4️⃣ 이중 임계값: 이 단계에서는 에지 응답 값에 따라 에지를 강한 에지와 약한 에지로 분류합니다. 강한 에지는 유지되고 약한 에지는 삭제됩니다.

 

  5️⃣ hysteresis를 통한 에지 추적: 마지막으로 강한 엣지와 연결된 약한 엣지는 유지하고 나머지 약한 엣지는 삭제합니다.

✔ Canny edge detection의 활용 분야

  Canny edge detection는 이미지 처리, 컴퓨터 비전, 머신 러닝 분야에서 다양하게 활용되고 있습니다. 다음은 가장 일반적인 응용 분야 중 일부입니다:

  1️⃣ 물체 감지: 이미지에서 물체의 edge를 감지하기 위한 물체 감지 알고리즘의 전처리 단계로 자주 사용됩니다.

  2️⃣ 차선 감지: Canny edge detection은 차선 감지 시스템에서 도로의 차선 edge를 감지하는 데 사용됩니다.

  3️⃣ 의료 이미지 분석: 의료 이미지 분석에서 신체의 장기 및 기타 구조의 edge를 감지하는 데 사용됩니다.

 

  4️⃣ 광학 문자 인식: 광학 문자 인식 시스템에서 텍스트의 문자 edge를 감지하는 데 사용됩니다.

✔ Canny edge detection의 장단점
  다른 알고리즘과 마찬가지로 Canny edge detection에도 장단점이 있습니다.

  ◼ 장점
    ▪ 최소한의 오류로 정확한 에지 맵을 생성합니다.

    ▪ 다양한 강도의 에지를 감지할 수 있습니다.

    ▪ 알고리즘은 구현하기 쉬우며 다양한 이미지 유형에 사용할 수 있습니다.

 

  ◼ 단점

  ▪ 알고리즘은 계산 비용이 많이 들고 큰 이미지에서는 속도가 느릴 수 있습니다.

  ▪ 알고리즘은 노이즈에 민감하며 잘못된 edge를 생성할 수 있습니다.

  ▪ 이미지마다 임계값을 조정해야 하므로 시간이 많이 소요될 수 있습니다.

 

✔ 마치며
  Canny edge detection은 다양한 이미지 처리 애플리케이션에서 널리 사용되는 에지 감지 알고리즘입니다. 이 알고리즘은 최소한의 오류로 정확한 에지 맵을 생성하며 구현하기 쉽습니다. 그러나 계산 비용이 많이 들고 노이즈에 민감할 수 있습니다. 전반적으로 캐니 에지 감지는 컴퓨터 비전 및 머신 러닝 애플리케이션에서 유용한 도구입니다.

❓ FAQ

  1️⃣ Canny edge detection은 어떤 용도로 사용되나요?
    ▪ 이미지 처리, 컴퓨터 비전, 머신 러닝 분야에서 다양하게 활용됩니다. 일반적으로 물체 감지, 차선 감지, 의료 이미지 분석 및 광학 문자 인식에 사용됩니다.

 

  2️⃣ Canny edge detection은 다른 에지 디텍션 알고리즘과 어떻게 다릅니까?
    ▪ 최소한의 오류로 정확한 에지 맵을 생성하기 때문에 최적의 에지 디텍션 알고리즘으로 간주됩니다. 또한 다른 알고리즘에 비해 계산 비용이 더 많이 듭니다.

 

  3️⃣ Canny edge detection을 실시간 애플리케이션에 사용할 수 있나요?
    ▪ 특정 애플리케이션과 사용되는 하드웨어에 따라 다릅니다. 캐니 엣지 감지는 계산 비용이 많이 들 수 있으므로 저전력 디바이스의 실시간 애플리케이션에는 적합하지 않을 수 있습니다.

 

  4️⃣ 다른 이미지의 임계값을 조정하려면 어떻게 해야 하나요?
    ▪ 임계값은 다양한 값으로 실험하고 출력을 관찰하여 조정할 수 있습니다. 또한 적응형 임계값 기술을 사용하여 임계값을 자동으로 조정할 수도 있습니다.

 

  5️⃣ Canny edge detection을 비디오 처리에 사용할 수 있나요?
    ▪ 네, 캐니 에지 감지를 동영상 처리에 사용할 수 있지만 계산 비용이 많이 들 수 있습니다. 실시간 비디오 처리에는 보다 효율적인 에지 감지 알고리즘이 필요할 수 있습니다.

 

💻 Code Example

import cv2
import numpy as np

# Load image and convert to grayscale
img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# Apply Gaussian blur to reduce noise
blur = cv2.GaussianBlur(gray, (3,3), 0)

# Compute gradients using Sobel operator
gx = cv2.Sobel(blur, cv2.CV_64F, 1, 0, ksize=3)
gy = cv2.Sobel(blur, cv2.CV_64F, 0, 1, ksize=3)

# Compute gradient magnitude and direction
mag, angle = cv2.cartToPolar(gx, gy, angleInDegrees=True)

# Apply non-maximum suppression to thin edges
mag_max = np.max(mag)
mag[mag < 0.1 * mag_max] = 0
mag[mag > 0.3 * mag_max] = 255

# Apply hysteresis thresholding to connect edges
edges = cv2.Canny(mag, 50, 150)

# Display original image and edges
cv2.imshow("Original Image", img)
cv2.imshow("Edges", edges)
cv2.waitKey(0)
cv2.destroyAllWindows()