scipy의 Rotation 클래스는 3D 공간에서의 회전 변환을 다루는 데 사용된다. 회전을 나타내는 행렬로부터 회전을 수행하거나, 회전을 나타내는 축과 각도를 사용하여 회전을 수행할 수 있어서 3D geometry를 다룰 때 해당 클래스를 자주 사용하고 있다. 그 중에도 Rotation.apply() 메서드를 자주 사용하는데, 이 메서드는 회전된 벡터를 반환한다. 해당 메서드의 기능은 벡터에 회전 행렬을 곱하는 것이며, 수식적으로는 위와 같이 기존 벡터에 회전행렬(R)을 곱하는 것과 같다. 회전 행렬을 벡터에 곱함으로써 회전된 벡터를 얻을 수 있다. Rotation.inv().apply() 를 사용하면 회전 행렬의 역행렬을 벡터에 적용하여 회전 행렬의 반대방향으로 회전시킬 수도 있다. 코드 예제 fr..

SAM (Segment Anything Model) Meta 에서 SAM (Segment Anything Model) 이라는 어떤 것이든 분할할 수 있는 모델을 공개했다. 논문 제목 자체가 'Segment Anything' 인데 굉장히 자신감 넘치는 워딩이다. 간단한 설명을 살펴보면, SAM은 point나 box와 같은 입력 프롬프트를 통해 고품질 객체 마스크를 생성하며 모든 객체에 대한 마스크를 생성하는 데 사용할 수 있다고 한다. 약 1,100만 개의 이미지와 11억 개의 마스크로 구성된 데이터셋으로 학습되었으며 다양한 segmentation task에서 강력한 zero-shot 성능을 보인다고 한다. Segment Anything 웹데모 Segment Anything Meta AI Computer ..

Feature Detection & Matching 컴퓨터비전 분야에서의 feature matching은 두 개 이상의 이미지에서 공통적으로 나타나는 특징을 찾아내는 기술이다. 이를 통해 이미지 간의 대응점을 찾거나, 이미지 간의 변화를 추적하는 등 다양한 분야에 활용할 수 있다. 이러한 Feature matching의 과정은 크게 두 가지 단계로 나뉜다. 먼저 각 이미지에서 특징을 검출하고, 이를 이용하여 각 특징들이 어떻게 매칭되는지 찾아내는 것이다. 1. Feature Detection (특징 검출) 이미지에서 특징을 검출하기 위해서는 이미지 내의 특이한 패턴이나 구조를 찾아내는 것이 중요하다. 이를 위해 SIFT, SURF, ORB 등의 알고리즘을 사용하는데 이 알고리즘들은 이미지에서 특징점을 검..

Template Matching 이미지 템플릿 매칭은 대상 이미지에서 작은 이미지(템플릿)를 찾는 기술로, 컴퓨터 비전 분야에서 많이 사용되는 기술 중 하나이다. OpenCV에서는 cv2.matchTemplate() 함수를 사용하여 이미지 템플릿 매칭을 수행할 수 있는데, 이 함수는 입력 이미지와 템플릿 이미지를 입력으로 받아서, 입력 이미지에서 템플릿과 가장 유사한 부분을 찾아 반환한다. 딥러닝을 사용한 방법처럼 객체의 deformation이 있는 경우에도 잘 매칭되는 알고리즘은 아니지만 템플릿 이미지와 아주 유사한 부분이 입력 이미지에 있는 경우에는 사용하기 좋은 알고리즘이다. 가장 큰 단점은 opencv의 템플릿 매칭은 템플릿 이미지로 대상 이미지를 슬라이딩 하는데, 이때 슬라이딩 윈도우 사이즈를 ..

Image Contour (이미지 윤곽선) 이미지 윤곽선(contour)은 이미지에서 객체(object)의 외곽 경계를 나타내는 곡선이다. 이러한 윤곽선은 객체의 형태, 크기, 방향 등의 정보를 추출하는 데 유용하게 사용된다. 예를 들어, 이미지에서 객체의 위치나 크기를 검출하고, 개체의 외곽을 추출하거나, 개체를 분할(segmentation)하기 위해 윤곽선을 추출한다. 윤곽선을 추출하기 위해서는 대개 이미지의 이진화(binary) 과정이 필요하다. 이진화된 이미지에서는 흰색 픽셀은 개체를, 검은색 픽셀은 배경을 나타냅니다. 이진화된 이미지에서 윤곽선을 추출하는 방법은 여러 가지가 있지만 가장 간단한 방법은 cv2.findContours 함수를 사용하는 것이다. 이 함수는 바이너리 이미지에서 윤곽선을 ..

Morphological Operations (모폴로지 연산) 모폴로지 연산은 이미지 내 객체의 형태, 크기, 구조 등을 분석하거나 변형하는 데 사용되는 기술이다. 주로 바이너리 이미지(흑백 이미지)에서 사용되며, 객체의 형태를 분석하여 이미지 내의 구멍을 채우거나, 객체의 크기를 조절하거나, 객체 간의 거리를 조절하는 등의 작업을 수행할 수 있다. 이러한 모폴로지 연산은 기본적으로 구조 요소(structuring element)를 사용하여 수행되는데 구조 요소는 이미지 내에서 객체의 형태를 결정하는 기준이 된다. 일반적으로 구조 요소는 사각형, 원, 십자가 등의 형태를 가지며, 모양과 크기는 작업에 따라 다르게 선택된다. 모폴로지 연산에는 다양한 종류가 있지만, 대표적으로 팽창(dilation), 침식..