[컴퓨터비전] 7주차 정리

7주차

Image correspondence

1. keypoint 추출

2. 포인트의 특징 벡터 기술

3. 거리 측정 => 가까운것끼리 매칭(threshold 사용)

매칭이 잘 되었는지 확인할 방법이 없다.

잘못 매칭된 keypoint : outlier

outlier를 없애고 싶어(반영 X)

 

RANSAC(RANdom SAmple Consensus)

outlier를 어느정도 없앨 수 있다.

1. random한 점 추출

2. model parameter를 푼다.

3. inlier를 구한다. (직선과 나머지 모든 점들간의 거리)

- threshold를 이용해 거리 < T인 경우 count

- max를 기억해두고, max인 경우의 outlier를 제거한 뒤 inlier만 이용해 least square

 

Translation : 변수 2개

=> matching point 1개 필요

 

n개의 matching point

Affine : 변수 6개

=> matching point 3개 필요

 

1. 랜덤하게 3개의 point 추출

2. matrix M을 이용해 Least-square

3. inlier 개수 구하기

4. inlier의 개수가 최대라면 M을 남겨둔다.

 

Motivation for Image alignment : Panoramas

파노라마

여러 다른 viewpoint들을 찍어서 합쳐 wide image를 얻을 수 있다.

이미지 간 겹치는 부분이 있어야 한다.

 

Image Stitching

채워야 할 회색 부분

image1의 한 좌표 p에 M을 곱해서 가져올 픽셀을 구한다.

image2의 한 좌표 p2에

 

1. Image1에서 find position, bring pixel value

2. Image2에서 find position, send pixel value

좌표값이 대부분 소수이다.

=> Image warping