Data Analysis for Investment & Control

이진화 다음은 잡음제거를 위한 필터링 연산이다. 여기서는 cvErode라는 함수 하나로 간단히 구현된다. 약간 어려울 수 있는 부분은 라벨링 과정인데, 기존에 쓰던 라벨링 알고리즘은 이진화된 영상에서의 살아남은 덩어리들의 면적을 찾아서 라벨링하는 방법이었다. OpenCV에서도 cvBlob이라는 것을 사용해서 비슷하게 처리하는 것 같지만, 해당 함수를 찾다가 포기하고 윤곽선 찾기 함수 기반으로 하는 방법이 있길래 그걸 사용중이다. 함수는 cvFindContours인데, 새로 선언해 주어야 하는 변수가 몇 개 있다. IlpImage *image = cvCreateImage(cvSize(width, height), 8, 1); CvMemStorage *Storage = veCreateMemStorage(); ..

이전 글에서 카메라로부터 받은 각 픽셀의 데이터를 하나하나씩 IplImage 변수에 집어 넣는 것까지 했었다. 이제는 색상 기반의 영상 처리를 위해 기본적으로 해야 할 것들... RGB면 R, G, B, HSI(HSV)면 H, S, I 값으로 분리해서 Threshold시키는 작업을 해야한다. 그러기 위해서는 각 색상 데이터를 분리할 필요가 있는데, 이때 사용하는 것이 cvCvtPixToPlane 함수이다. 함수는 cvCvtPixToPlane(src, dst0, dst1, dst2, dst3)과 같은 형식인데, 함수 내부의 파라미터는 IplImage 변수이다. 함수를 사용하는 모드는 두 가지인데, 하나는 3개의 채널로 이루어진 데이터를 하나씩 분리하는 방법이고, 다른 하나는 4개의 채널로 이루어진 데이터를..

현재 OpenCV를 사용하려는 주 목적은 기존의 내가 만든 영상 알고리즘을 사용하여 스테레오 비전 영상을 처리하면 원하는 만큼의 프레임 처리율이 나오지 않기 때문이며, OpenCV 기술을 사용하면, 과연 어느 정도나 개선이 될까 궁금하기 때문이다. 따라서, 일단 OpenCV를 사용하여 기존의 처리를 그대로 재현해 내는 것이 첫번째 목표이다. 이미지에 대한 데이터나 헤더 정보가 없는 raw 데이터를 카메라로 부터 읽어와서 처리해야 하기 때문에 IplImage 변수를 선언하고 이에 대한 초기화 작업이 필요하다. 당연하겠지만, 단순히 IplImage->imageData에 데이터만 때려 넣는다고 해서 OpenCV가 제대로 인식할리 없다. 그렇다면 어느정도나 초기화 시켜줘야 할까? 내부 변수를 일일이 초기화시켜주..