영상에서 경계를 구분하는 미분 필터링
3-06 밝기의 차이가 많이 나는 에지를 찾아 숨은 정보를 읽어 낸다.
도로와 자동차, 길 위의 차선 등을 구분하기 위해서는 경계를 정확하게 읽어내는 기술이 필요하다. 이웃하는 픽셀값을 적분해서 노이즈를 없앴던 공간 필터링과는 반대로, 경계를 명확하게 구분하기 위해서는 이미지 안에서 픽셀의 값이 갑자기 변하는 지점 즉, 에지(Edge)를 미분을 통한 변화량으로 추출한다.
어떤 방향으로의 변화량에 가중치를 두느냐에 따라서 에지를 추출해 내는 특징도 달라진다. 대표적인 1차 미분 필터링인 소벨 에지 필터는 X/Y 쪽 방향뿐 아니라 대각선까지 가중치를 두면서 변화량을 계산한다. 이미지 자체보다 변화량에 집중하면서 이미지는 반전되고 경계만 뚜렷이 남는다. 1차 미분 필터는 자잘한 노이즈에도 정확히 경계를 파악할 수 있는 장점이 있다.
소벨 필터링 X-Y 변화량 마스크 - 가운데 가중치를 두었다.
소벨 필터링을 이용한 경계면 추출, 밝기 차이가 많이 나는 경계만 남는다. 대부분의 상황에서는 1차 미분 필터만으로도 충분하지만, 밝기의 변화가 지속적으로 넓게 펼쳐져 있을 때는 경계가 흐릿해지고 작은 변화에도 지나치게 민감하게 반응한다는 단점도 있다. 이를 보완해 주기 위해 추가적으로 한번 더 미분을 하는 방식을 2차 미분 필터링이라고 한다. 대표적으로 라플라시안 필터링을 적용하면 밝은 영역 중에서도 경계선 부분만 더 강조되는 형태가 된다.
라플라시안 2차 미분을 이용한 엣지추출. 단순히 밝은 부분이 아니라 그 중에서도 경계에 있는 영역만 강조된다.다만 노이즈에 취약한 면이 있기 때문에 2차 미분 필터를 적용하기 전에 먼저 공간 필터링으로 노이즈를 제거해 주고 사용한다. 이렇듯 하나의 원본에서 출발하지만 대상물의 종류와 상황, 이미지의 품질과 다른 센서들 값에서 참고하고픈 정보의 종류에 따라서 요구되는 후처리는 다르다. 색깔별로 세기를 구분하고 각각 에지 추출을 하면 색에 대한 경계 구분도 가능하지만 프로세서에 너무 과부하가 걸릴 수 있기 때문에 대개는 흑백 처리를 먼저 해 준다.
