[Computer Vision] 레이블링과 외각선 검출

👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다.

 

레이블링(Labeling)

이전 포스트에서 영상의 이진화를 통해 주요 객체와 배경을 구분할 수 있었다.

 

이렇게 객체와 배경을 구분 후 다시 각각의 객체를 구분하고 분석하는 작업이 필요하다.

 

이 작업을 수행하는 것을 레이블링(Labeling)이라고 한다.

• 영상 내에 존재하는 객체 픽셀 집합에 고유 번호를 매기는 작업으로 연결된 구성 요소 레이블링(Connected Components Labeling)이라고도 한다.

 

이를 통해  각 객체의 위치, 크기 등 정보를 추출하는 작업은 객체 인식을 위한 전처리 과정으로 사용된다.

 

영상의 레이블링은 일반적으로 이진화도니 영상에서 수행된다. 이때 검은색 픽셀은 배경으로 간주하고, 흰색 픽셀은 객체로 간주한다.

 

하나의 객체는 한 개 이상의 인접한 픽셀로 이루어지며, 하나의 객체를 구성하는 모든 픽셀에는 같은 레이블 번호가 지정된다.

 

특정 픽셀과 이웃한 픽셀의 연결 관계는 크게 두 가지 방식으로 정의할 수 있다.

• 4-방향 연결성(4-way connectivity) : 특정 픽셀의 상하좌우로 붙어 있는 픽셀끼리 연결되어 있다고 정의
• 8-방향 연결성(8-way connectivity) : 상하좌우로 연결된 픽셀뿐만 아니라 대각선 방향으로 인접한 픽셀도 연결되어 있다고 정의.

 

4-way connectivity(좌), 8-way connectivity(우)

 

 

레이블링 알고리즘의 입력과 출력 예시는 다음과 같다.

import cv2
import random

# 이미지 로드
image = cv2.imread('test.png')
if image is None:
    print("이미지를 로드할 수 없습니다.")
    exit()
sp = image.shape
image = cv2.resize(image,(int(sp[1]*0.5),int(sp[0]*0.5)),cv2.INTER_LANCZOS4)

# 그레이스케일 변환
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 이진화
_, thresh = cv2.threshold(gray, 162, 255, cv2.THRESH_BINARY)
cv2.imshow("thres",thresh)

# 연결된 컴포넌트 찾기
num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(thresh, connectivity=8)

# 바운딩 박스 그리기
for i in range(1, num_labels):  # 0은 배경이므로 1부터 시작
    # 바운딩 박스 정보
    x = stats[i, cv2.CC_STAT_LEFT]
    y = stats[i, cv2.CC_STAT_TOP]
    w = stats[i, cv2.CC_STAT_WIDTH]
    h = stats[i, cv2.CC_STAT_HEIGHT]

    # 랜덤 색상 생성
    color = (random.randint(0, 255), random.randint(0, 255), random.randint(0, 255))

    # 바운딩 박스 그리기
    cv2.rectangle(image, (x, y), (x + w, y + h), color, 2)

    # 중심점 계산
    cX = int(centroids[i, 0])
    cY = int(centroids[i, 1])

# 결과 이미지 출력
cv2.imshow('Labeled Image with Bounding Boxes', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

 

외각선 검출(Contour)

객체의 외각선은 객체 영역 픽셀 중에서 배경 영역과 인접한 일련의 픽셀을 의미한다.

 

보통 검은 배경 내 흰색 객체 영역의 가장 최외곽에 있는 픽셀을 찾아 외각선으로 정의한다.

 

또 흰색 객체 영역 내 검은색으로 홀(hole)이 있는 경우 홀을 둘러싼 객체 픽셀들도 외각선이 될 수 있다.

import cv2
import numpy as np
import random
# 이미지 로드
image = cv2.imread('test.png')
sp = image.shape
image = cv2.resize(image,(int(sp[1]*0.5),int(sp[0]*0.5)),cv2.INTER_LANCZOS4)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 이진화
_, thresh = cv2.threshold(gray, 162, 255, cv2.THRESH_BINARY)
cv2.imshow("thres",thresh)
# 윤곽선 찾기 (8-way connectivity)
contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 윤곽선에 라벨 붙이기
for i, contour in enumerate(contours):
    # 윤곽선의 중심점 계산
    M = cv2.moments(contour)
    if M['m00'] != 0:
        cX = int(M['m10'] / M['m00'])
        cY = int(M['m01'] / M['m00'])
    else:
        cX, cY = 0, 0

    # 랜덤 색상 생성
    color = (random.randint(0, 255), random.randint(0, 255), random.randint(0, 255))
    
    # 윤곽선 그리기
    cv2.drawContours(image, contours, i, color, 2)

# 결과 이미지 출력
cv2.imshow('Labeled Image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

더글라스-포이커(Douglas-Peucker) 알고리즘으로 외각선을 단순화 할 수 있다.

import cv2
import random

# 이미지 로드
image = cv2.imread('test.png')
if image is None:
    print("이미지를 로드할 수 없습니다.")
    exit()
sp = image.shape
image = cv2.resize(image,(int(sp[1]*0.5),int(sp[0]*0.5)),cv2.INTER_LANCZOS4)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.Canny(gray,50,200)
cv2.imshow("thres",thresh)
# 외곽선 찾기
contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 외곽선 근사화
for contour in contours:
    # 허용 오차 설정
    epsilon = 0.02 * cv2.arcLength(contour, True)  # 주변 길이에 비례
    approx = cv2.approxPolyDP(contour, epsilon, True)
     # 랜덤 색상 생성
    color = (random.randint(0, 255), random.randint(0, 255), random.randint(0, 255))
    # 근사화된 외곽선 그리기
    cv2.drawContours(image, [approx], -1, color, 2)

# 결과 이미지 출력
cv2.imshow('Approximated Contours', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

외각선을 일정 비율로 근사화한다.