[CV] DIP, Image Analysis, and Computer Vision

Image Processing과 Computer Vision(CV)은 상당 부분 겹쳐있으며, 명확하게 구분하기 어려운 분야들임.

 

이 두 분야는 연속선상에 있으며, 상당히 경계가 모호함.

 

공통적으로 두 분야 모두 linear algebra, probability, statistics 등의 수학적 지식에 익숙할수록 깊이 있는 이해와 응용이 가능하며 이론적 개념을 실제로 구현하고 적용하는 것이 필수적이라, MATLAB, Python, C, C++ 등의 프로그래밍 언어를 다룰 수 있는 능력을 요구함.

프로그래밍 기술은 알고리즘을 구현하고, 실험하며, 결과를 시각화하는 데 핵심적인 역할을 함.

 

이러한 공통점에도 불구하고, Image Processing, Image Analysis, 그리고 Computer Vision은 각각 고유한 특징과 목표를 좀더 명확하게 분리해서 이해한다면 분명히 장점이 있음.

Rafael C. Gonzalez 의 Digital Image Processing (4th ed.) 의 1장의 내용대로 이들 분야를 continuum(연속체)로 간주하고, 저수준에서 고수준 처리로 이어지는 형태로 이해하는 것이 가장 적절하다고 생각됨.

아래 내용은 이를 정리한 것임.

---

1. Digital Image Processing:

• 정의: 디지털 컴퓨터를 사용하여 digital images를 처리하는 분야.
  • Digital image:
    • 2차원 함수 f(x,y)로 표현되며,
    • x와 y는 spatial coordinates,
    • f는 해당 좌표에서의 intensity 또는 gray level, or vector을 나타냅니다.
• 범위:
  a. 입력과 출력이 모두 이미지인 low-level processing
  b. 이미지에서 attributes를 추출하는 mid-level processing
  c. Individual object recognition 까지 포함될 수 있음(복잡도는 다소 낮은 경우)
• 주요 기술:
  • Noise reduction, contrast enhancement, image sharpening 등의 preprocessing
  • Segmentation (이미지를 regions 또는 objects로 분할)
  • Object description 및 classification

https://ds31x.blogspot.com/2023/09/dip-digital-image-processing.html?q=CV

[DIP] Digital Image Processing 이란?

---

2. Image Analysis:

• definition: Digital Image Processing과 Computer Vision 사이의 중간 영역.
• 특징:
  • 입력은 일반적으로 images지만, 출력은 이미지에서 추출된 attributes or symbols 입니다.
  • 예: Edges, contours, identity of individual objects
• 주요 기술:
  • Object segmentation 및 description
  • Feature extraction
  • Pattern recognition

---

3. Computer Vision:

• 목표: 컴퓨터를 사용하여 human vision을 emulate(모방)하는 것입니다.
• 특징:
  • Learning ability 가 강조됨.
  • 시각적 입력을 바탕으로 inference(추론)하고 actions을 취하는 능력
• 인간의 지능을 모방하는 것을 목표로 하는 Artificial Intelligence (AI)의 한 분야임.

---

4. 결론

이 세 영역은 continuum을 형성하며, 다음과 같이 구분할 수 있습니다:

The continuum from image processing to computer vision

1. Low-level processes:
   • Noise reduction, contrast enhancement, image sharpening 등
   • 입력과 출력 모두 images 인 경우가 많으나 항상 그런 것은 아님 (특정 영역의 평균값 구하기 등등)
2. Mid-level processes:
   • Segmentation, object description, classification
   • 입력은 images, 출력은 이미지에서 추출된 attributes (예: edges, contours, identity of individual objects)
3. High-level processes:
   • 인식된 objects의 ensemble에 대한 "making sense"(=understanding)
   • Human vision과 관련된 cognitive functions 수행

쉽게 생각해서 위의 continuum에서 image processing과 image analysis의 겹치는 영역은

특정 이미지 내 individual regions 또는 objects를 인식(recognition)하는 task라고 할 수 있음.

복잡도에 따라 이는 CV에 속하기도 함.

---

5. Example

 

예를 들어, automated analysis of text 분야에서:

• DIP:
  • image에서 text 영역 sub-image acquisition,
  • 해당 image에 대한 preprocessing,
  • individual character extraction (~segmentation),
  • 컴퓨터 처리에 적합한 형태로 character description  구하기 : vector 형태가 주,
  • individual character recognition
• 텍스트의 내용(content)의 "이해"는 복잡도에 따라,
  • image analysis 또는
  • computer vision의 영역에 속함.