영상 처리
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
1. 개요
영상 처리는 이미지의 디지털 변환 및 분석 기술을 의미하며, 컴퓨터 그래픽스, 텔레비전 기술의 발달과 함께 발전해왔다. 확대, 축소, 색 보정, 디지털 합성, 영상 인식 등 다양한 처리 기법이 존재하며, 컴퓨터 비전 분야에서 그림 순서 정렬, 증강 현실, 얼굴 검출 등에 활용된다. 산업 분야에서는 제품 결함 검사, 로봇 비전, 교통 분야의 자율 주행 기술 등에 사용되며, 의료 영상 처리, 디지털 카메라, 이미지 편집 등 다양한 분야에서 응용된다.
더 읽어볼만한 페이지
| 영상 처리 |
|---|
2. 역사
역사적으로 컴퓨터 그래픽스(CG) 응용 프로그램는 CAD가 선행되었으며, 당시 CG는 '''도형 처리'''라고 불렸고, 도형 처리 정보 센터라는 출판 매체도 존재했다. 영상 처리는 원래 CG와는 무관하게 텔레비전 기술의 발달과 함께 산업계에서 일찍부터 주목받던 기술이었으며, 처음부터 비디오 카메라의 영상 신호를 직접 아날로그-디지털 변환 회로에 통과시키는 방법이 시도되었다. 그 성과의 일부 (윤곽 강조에 의한 선명도 등)가 현재의 CG 응용 프로그램에 활용되고 있다.
영상 처리에는 다양한 기법들이 사용된다. 널리 쓰이는 방법으로는 확대, 축소, 회전 등과 같은 유클리드 기하학적 변환, 명도, 대비 등의 색 보정과 색 사상, 색조화, 양자화 혹은 다른 색 공간으로의 색 변환, 디지털 합성, 내삽, 모자이크 벗기기, 베이어 필터를 이용한 Raw 이미지 형식 복구, 영상 정합, 영상 변형, 영상 인식, 영상 분할, 다수의 영상을 합쳐 HDR 영상 만들기, 기하학적 해싱을 이용한 2차원 물체 인식 등이 있다.
3. 처리 기법
처리 대상으로는 디지털 이미지가 사용되는 경우가 대부분이며, 처리 내용에 따라 적절한 알고리즘을 기술하는 것이 필요하다. 영상 처리의 흐름은 "영상 입력 - 영상 변환 - 분류"와 같이 나타낼 수 있다. 먼저 대상이 되는 영상을 입력하고, 이 영상에 대해 변환 처리를 수행한다. 이러한 여러 변환 처리를 반복하여 필요한 정보를 추출하고, 마지막으로 얻어진 정보의 분류(라벨링)를 수행한다.
3. 1. 기본 처리
영상 처리 기법 중 널리 쓰이는 방법으로는 다음과 같은 것들이 있다.
처리 대상으로는 디지털 이미지가 사용되는 경우가 대부분이다. 처리 내용에 따라 적절한 알고리즘을 기술하는 것이 필요하다.
기본적인 (고전적인) 영상 처리의 예로는, 어떤 임계값(임계값, Thresholding (image processing)|Threshold영어)을 기준으로 컬러 이미지나 농담 이미지를 흑백 이진으로 만드는 "이진화", 농도 변화로부터 물체의 경계를 찾아내는 "에지 검출" 등이 있다.
3. 2. 고급 처리
4. 응용 분야
영상 처리 기술은 매우 다양한 분야에서 활용되고 있다.
컴퓨터 비전, 그림 순서 정렬, 증강 현실, 얼굴 검출, 특징 검출, 차선 이탈 검출, 비광학적 영상, 의료 영상 처리, 현미경 영상 처리, 형태 영상 처리, 원격 탐사 등이 있다.[1]
디지털 카메라는 하드웨어 자체에 이미지 처리 엔진 (내장된 시스템 LSI)을 갖추고 있으며[1], 촬영과 동시에 각종 이미지 처리를 실행하여 기억 매체에 이미지 데이터를 파일로 기록한다. 이미지 편집 분야에서는 노이즈 제거(평활화)나 특수 효과를 부여하기 위해 이미지 처리가 사용되기도 하며, 유료·무료의 다양한 애플리케이션 소프트웨어가 존재한다.
4. 1. 산업 분야
영상 처리는 산업 분야에서 실용화된 사례로, 제품의 결함 검사가 있다. 집적 회로의 마스크 패턴 등 공업 제품의 결함 검사 외에도, 형태가 일정하지 않은 농산물의 선별 등에도 사용된다. 또한, 로봇이 외부 세계를 인식하기 위한 방법으로서의 영상 처리도 연구가 진행되고 있다.[1] 교통 분야에서는 번호판 판독, 보행자, 다른 차량, 장애물, 차선 및 노면 표시 등을 차량 탑재 카메라로 인식하는 차선 이탈 방지 지원 시스템이나 충돌 피해 경감 제동 장치에 사용되고 있다.4. 2. 교통 분야
교통 분야에서는 번호판 판독, 보행자, 다른 차량, 장애물, 차선 및 노면 표시 등을 차량 탑재 카메라로 인식하는 차선 이탈 방지나 충돌 피해 경감 제동 장치에 사용되고 있다.[1]4. 3. 의료 분야
의료 영상 처리, 현미경 영상 처리는 영상 처리의 주요 응용 분야이다. 의료 영상 처리는 X-레이, MRI 등 의료 영상을 분석하는 데 사용되며, 현미경 영상 처리는 세포, 조직 등 미세 구조를 분석하는 데 활용된다.4. 4. 기타
영상 처리는 다음과 같은 다양한 분야를 포함한다.영상 처리는 산업 분야에서 제품의 결함 검사에 실용화되어, 집적 회로의 마스크 패턴 같은 공업 제품뿐만 아니라 형태가 일정하지 않은 농산물 선별에도 사용된다. 또한, 로봇이 외부 세계를 인식하기 위한 방법으로도 연구되고 있다. 교통 분야에서는 번호판 판독, 보행자, 다른 차량, 장애물, 차선 및 노면 표시 등을 차량 탑재 카메라로 인식하는 차선 이탈 방지 지원 시스템이나 충돌 피해 경감 제동 장치에 사용된다.[1]
4. 5. 한국에서의 응용 사례
영상 처리는 대한민국 산업 현장에서도 활발하게 활용되고 있다.- 스마트 팩토리: 인공지능을 기반으로 제품의 불량을 검출하는 시스템에 활용된다. 집적 회로의 마스크 패턴과 같이 정밀한 공업 제품의 결함 검사뿐만 아니라, 형태가 일정하지 않은 농산물의 선별에도 사용된다.[1]
- 자율주행차: 차량에 탑재된 카메라를 통해 보행자, 다른 차량, 장애물, 차선 및 노면 표시 등을 인식하는 차선 이탈 방지 지원 시스템이나 충돌 피해 경감 제동 장치에 사용된다.[1]
- 지능형 CCTV: 범죄 예방 및 용의자 추적 등 치안 유지 목적으로 활용된다.
- 의료 진단: 의료 영상 처리를 통해 AI 기반 질병 진단을 보조하는 시스템에 활용된다.
5. 윤리적 문제
영상 처리 기술의 발전은 다양한 윤리적 문제를 야기하며, 이에 대한 사회적 논의가 필요하다.
사생활 침해CCTV, 안면 인식 기술 등의 발전은 개인 정보 유출 및 감시 사회 심화에 대한 우려를 낳는다. 영상 정보는 개인의 민감한 정보를 포함할 수 있으며, 이는 무분별하게 수집, 사용될 경우 심각한 사생활 침해로 이어질 수 있다.
데이터 편향영상 처리 알고리즘은 학습 데이터를 기반으로 작동하는데, 이 데이터가 특정 집단에 편향되어 있을 경우 알고리즘 역시 편향된 결과를 도출할 수 있다. 이는 곧 사회적 차별로 이어질 수 있다는 점에서 심각한 문제이다. 예를 들어, 안면 인식 알고리즘이 특정 인종에 대해 낮은 정확도를 보인다면, 이는 해당 인종에 대한 차별로 이어질 수 있다.
일자리 감소영상 처리 기술의 자동화는 단순 반복 작업의 일자리를 감소시킬 수 있다. 특히, 자율주행차와 같은 기술은 운전 관련 직업에 종사하는 사람들에게 큰 영향을 미칠 수 있다.
책임 소재자율주행차 사고 등 인공지능 시스템 오류 발생 시 책임 소재가 불분명하다는 문제도 존재한다. 이는 법적, 윤리적 문제를 야기하며, 이에 대한 명확한 기준 마련이 필요하다.
본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.
문의하기 : help@durumis.com