[영상처리] Corner Detection

Corner

: 두 edge가 만나는 점으로, 두 방향사이의 Image intensity에서 급격하게 변화하는 곳

 

 

 

Image Gradients

white - largest value int the image. strong positive value

black - strong negative value

 

corner region에서 대부분의 구역은 low values를 갖지만,

ix에서 오른쪽에 위치한 edge는 strong positive value를 갖고 왼쪽에 위치한 edge는 strong negative value를 갖는다.

iy에서 오른쪽에 위치한 edge는 strong negative value를 갖고 왼쪽에 위치한 edge는 strong positive value를 갖는다.

 

 

 

Distribution of Image Gradients

Flat Region에서는 대부분의 값들은 원점에 모여있다.

Edge Region에서는 양쪽 면의 값들은 원점에 모여있고, edge 부분의 값들은 linear하게 분포되어 있다.

Corner Region에서는 면의 값들은 원점에 모여있고, 위의 Corner Region 그림의 Ix 에서 오른쪽 edge와 Iy에서 왼쪽 edge가 다음 그래프처럼 나타나 있는 것을 볼 수 있다.

 

 

Fitting Elliptical Disk to Distribution

Edge Region에서 타원의 semi-major 축은 람다1, semi-minor 축은 람다2이다.

 

람다1과 람다2를 기준으로 region을 구분할 수 있다.

 

 

Fitting an Elliptical Disk

Semi-major 축의 길이(람다1)는 Inertia의 Maximum Moment이고, Semi-minor 축의 길이(람다2)는 Inertia의 Minimum Moment 이다.

E-max = 람다1

E-min = 람다2

 

a and c are second moments with respect to the y-axis and the x-axis

b is product moment

이 세개의 수를 통해서 E-max와 E-min을 구할 수 있다.

 

Interpretation of 람다1 and 람다2

Flat Region에서 람다1과 람다2는 둘다 작다.

Edge Region에서 람다1은 크고, 람다2는 작다.

Corner Region에서 람다1과 람다2는 둘다 크다.

 

 

Harris Corner Response Function

R이 T보다 큰 구역은 Corner일 것이고, threshold의 밑부분은 corner가 아닐 것이다.

 

Harris Corner Detection Example

 

Corner Detection의 일반적인 문제는, corners의 점에서 큰 값을 갖는 cluster들이 나타난다는 것이다. 이 중에서 peak을 찾아내야 한다. 이러한 문제는 많은 different domain에서 일어난다.

 

Non-Maximal Suppression

 

window를 움직이면서 가장 밝은 pixel을 찾는 것이다. 이 방법은 different domain에서도 유용하다.

 

Corner Illusion: The Bulge

 

 

https://www.youtube.com/watch?v=Z_HwkG90Yvw