We present a new edge detection method, which automatically determines the edges in practical vision applications without any manual adjustment. We compute the edge magnitude and orientation of a pixel with minimal smoothing across the edges by determining the most probable edge pattern for the pixel at the early stage. We classify the pixels of the 3x3 window centered at the current pixel into two groups based on the intensity similarity. The shape of the classification gives the most suitable ideal binary pattern for the pixel and it can be described by an 8-bit code. The edge magnitude of the pixel is estimated by the difference between the average intensities of the two pixel groups in the window.
The edge orientation is determined by referencing a lookup table, which is constructed offline a priori for all 256 ideal edge patterns. We also use the ideal binary pattern for the non-maxima suppression to suppress the pixels that have the ideal binary pattern of small edge confidence measure. Edge confidence measures of all ideal edge patterns are determined by the offline edge detection experiments using a great many training images. For automatic edge thresholding, we use a fuzzy reasoning method. We can determine multiple thresholds for an input image one for each pixel group that is constructed by using the intensity histogram. The pixels that have intensities between the significant local valleys of the histogram belong to the same pixel group. The edge threshold is determined at the level, which is higher than the most prevailing edge magnitude in the pixel group by some multiples of just-noticeable difference of the human eye. The simple statistics of edge magnitude such as mode and the mean and the pixel count of a pixel group are used as the inputs to the fuzzy reasoning. We use an 18-entry fuzzy rule-base and use MIN-MAX method and CENTROID method in the fuzzy reasoning. As we apply the fuzzy reasoning in the pixel group level and use the LUT efficiently, our new method is as fast as the simple 3x3 Sobel operator. For synthetic images only, we present another new method in which we need not compute the edge magnitude and need not apply fuzzy-based edge thresholding. We simply use the intensity itself, intensity histogram and the ideal binary pattern of a pixel. This method extracts all the edges in a synthetic image without any defects caused by the smoothing effect as in the conventional edge detectors. Experiments with a variety of images show the feasibility of the proposed methods to robustly detect edges under dynamic illumination conditions. We believe that our new method can be applied to many practical vision applications especially when the human intervention is impossible.
본 연구에서는 임의 종류의 입력된 영상으로부터 인간의 시각적 느낌과 유사한 정도의 윤곽선을 고속으로 자동 추출하는 실용적인 방법을 제안한다. 또한, 본 연구에서는 화소 밝기값의 1차 미분 벡터를 이용하는 기존의 윤곽선 검출 방법들이 내재하고 있는 문제점들을 해소하고자 한다. 첫번째로 영상에 전역적인 신호 완화를 수행함으로써 야기되는 윤곽선 부위의 결함 발생 현상, 두번째로 관심 화소 주변의 밝기값 분포 형태를 감안하지 않고 1차 미분 벡터 크기만을 이용함으로써 발생하는 윤곽선 화소의 적합성 판단의 애매 모호성, 세번째로 1차 미분 벡터의 크기와 방향 계산에 수반되는 초월 함수들의 과다한 계산량, 마지막으로 영상 전역적으로 한 개 또는 두 개의 윤곽선 문턱치 만을 적용함으로써 발생되는 영상의 부분별 특성의 무시 현상 등을 극복할 수 있는 새로운 윤곽선 추출 방법을 제안한다. 화소의 윤곽선 강도와 방향 결정에 있어서 본 연구에서는, 그 관심 화소를 중심으로 하는 3x3 영역 내에 존재할 수 있는 가장 당위성이 높은 윤곽선 형태를 그 영역의 이치화를 통하여 근사적으로 찾아내고, 이치화로 형성되는 두 개 그룹에 속하는 화소들의 밝기값과 구분된 영역의 형태를 이용하여 화소의 윤곽선 강도와 방향을 결정한다. 실제 계산 과정에서는 화소를 중심으로 하는 3x3 영역 내의 9개 화소 들을 이 영역 전체의 평균 밝기값을 구분 경계로 하여 두 그룹으로 분류하고, 분류된 그룹 별로 화소 들의 밝기값 평균치들을 계산한다. 중심 화소의 윤곽선 강도는 두 그룹의 평균 밝기값의 차이로 정의된다. 이 때 신호 완화는 그룹별 평균 밝기값을 구하는 과정에서 수행되는데 해당 그룹 내에서 각각의 평균값을 취하게 되므로 그룹을 가로지르는 신호 완화는 억제되어 기존의 윤곽선 추출 방법의 첫번째 문제점을 극복 할 수 있게 되며 계산도 사칙연산으로만 이루어져 빠른 수행이 가능하게 된다. 화소의 밝기값 변화 ��향 결정은 3x3 영역의 두 영역으로의 구분을 통하여 생성 가능한 모든 이상적 이진 패턴별로 오프라인에서 그 밝기값 변화 방향을 사전에 계산해 두고 일람표로 저장해서 온라인상에서는 이 일람표를 읽음으로써 고속으로 구현된다. 또한 모든 이상적 이진 패턴별로 그러한 패턴을 가지는 화소가 윤곽선 화소로 확정될 수 있는 가능성을 사전에 수 많은 종류의 실험 영상 들을 이용한 윤곽선 추출 실험을 통하여 정량적으로 결정한 다음 일람표로 저장하여 활용한다. 본 연구에서는 이를 윤곽선 형태 계수라고 명명 하였으며 이 계수는 윤곽선의 강도와 방향 계산 이후에 이어서 수행되는 비최대 화소 억제 과정과 윤곽선 검출의 최종 과정인 윤곽선 화소 연결 과정에서 적극적으로 이용된다. 윤곽선 화소를 결정하는 문턱치 결정 문제에 대하여 본 연구에서는 퍼지 추론을 이용한 새로운 자동 결정 방법을 제안한다. 기존의 대부분의 퍼지 추론의 영상 응용에서는 픽셀 단위로 퍼지 추론을 전개하여 많은 계산량을 초래하고 있으나 본 연구에서는 영상을 몇 개의 화소 그룹으로 분류하여 분류된 화소 그룹 별로 퍼지 추론을 전개함으로써 이 문제를 해결하였다. 화소 그룹은 영상의 밝기값 히스토그램에서 뚜렷한 첨두 부분과 골짜기 부분을 찾고 연속된 골짜기 사이의 밝기값을 가진 화소 들을 하나의 화소 그룹으로 소속 시키는 간단한 방법으로써 형성된다. 이렇게 형성된 화소 그룹 들 내의 대부분의 화소 들은 실제 영상에서 임의의 위치들에 존재하는 크고 작은 군집체 들로 존재하게 된다. 한 그룹 내의 화소 들 중에서는 히스토그램의 첨두 부분 근방의 밝기값을 가지는 화소 들이 당연히 가장 다수를 점하며 이들은 영상에서도 군집체 들의 내부에 위치하게 되고 윤곽선 강도의 값이 가장 작은 부류들이다. 본 연구에서는 이러한 첨두 부분 근방의 밝기값을 가지는 화소 들을 그 소속 화소 그룹의 대표로 이용하여 그 들이 가지는 작은 윤곽선 강도 의 크기를 적당히 상회하는 윤곽선 강도의 문턱치를 계산한다. 이 문턱치를 소속 화소 그룹 전체에 대하여 적용하게 되면 화소 그룹 내에 존재하는 윤곽선의 검출 누락을 최소한으로 할 수 있을 것이라는 점에 착안한 것이다. 본 논문에서는 각 화소 그룹별로 이 대표 화소 들의 윤곽선 강도의 평균값, 최빈값 총 화소 개수 등의 간단한 통계 특성치 들을 이용한다. 이 입력들의 값과 그 때 적합한 윤곽선 강도의 문턱치 간에는 밀접한 관계가 있으나 그 것은 애매한 언어적 정보이므로 이 과정에서 퍼지 추론을 이용한 전문가 시스템을 이용하였다, 퍼지 추론은 화소 그룹 별로 작동한다. 이 들 세 입력을 “작음”, “중간”, “큼”의 세 가지 퍼지 집합으로 분류하여 총 18가지 입력 조건을 구성하고 그 조건별로 그 때 에지 문턱치를 작게, 중간으로, 크게 한다는 세 가지 중의 하나의 퍼지 추론 결론 집합을 부여함으로써 완성된 퍼지 룰베이스를 구축한다. 이 룰베이스에 따라 어떤 화소 그룹에 대하여 문턱치 결정을 하는 퍼지 추론 엔진이 작동하여 윤곽선 강도의 문턱치를 하나의 값으로 결정하고 그 값으로 해당 화소 그룹에 속하는 픽셀들 전체에 대하여 문턱치 적용을 하여 최종적인 윤곽선 화소들을 결정하는 것이다. 본 논문에서는 또한 인위적으로 만든 합성 영상들에 대해서는 별도로 더욱 간단한 윤곽선 검출 방법을 제안한다. 이 방법은 윤곽선 강도 계산이 팰요 없고 화소의 밝기값 자체와 전술한 픽셀별의 이상적 이진 패턴 형태의 정보만을 이용하여 모든 윤곽선 검출을 거의 결함없는 완벽한 형태의 출력을 내면서 완료한다. 영상 실험 결과 본 연구의 방법은 기존의 윤곽선 추출방법 보다 신호 완화 과정에 따른 윤곽선 결함이 적어짐을 확인할 수 있었으며 복잡한 밝기값 변화 부분이 존재하는 영상의 경우 윤곽선 형태 계수의 도입에 따라 확연한 윤곽선 만을 찾아내는 경향도 보여 주었다. 또한 하나의 입력 영상 내에 밝기값 분포 향상이 다른 여러 부분들이 존재하는 경우에는 기존의 방법에서는 윤곽선 강도 문턱치를 세심하게 조정하여 얻을 수 있는 결과를 단번에 자동으로 얻어 낼 수 있는 결과를 보였다. 본 연구에서는 영상 처리의 적용 현장에서 바로 활용할 수 있는 실용적이면서도 자동화 된 방법의 실현을 지향하여 왔다. 향후, 퍼지 추론의 결과를 그대로 활용하지 못하고 사후 조정이 필요한 특수한 성질을 가진 영상 들에 대한 대처 방안 등, 미진한 부분들을 보완하는 연구를 계속하여 최고의 윤곽선 추출 방법을 실현할 수 있도록 노력해 나갈 것이다.
