카테고리 없음

[번역]OpenCV 문서 이번까지 번역한 것

hojak99 2016. 11. 15. 00:42

Introduction

OpenCV(오픈 소스 컴퓨터 비전 라이브러리: http://opencv.org)는 수 백가지의 컴퓨터 비전 알고리즘을 포함하고 있는 오픈 소스 BSD-라이센스 라이브러리이다. 이 문서는 C 베이스인 OpenCV 1.x API의 반대로서 기본적으로 C++ API인 OpenCV 2.x API를 설명합니다. OpenCV 1.x API는 마지막에 opencv1x.pdf에서 설명한다. OpenCV는 모듈형 구조를 가지고 있으며, 각각의 공유되거나 정적인 라이브러리를 포함하고 있는 패키지를 의미한다.

  • Core 기능: 기본적인 데이터 구조를 정의하는 소형. 다차원 배열인 Mat을 포함하며 기본적인 함수들은 다른 모든 모듈에 의해 사용된다.

  • Image processing: 선형 및 비선형 이미지 필터링을 포함하는 이미지 처리 모듈. 기하학적인 이미지 변화(리사이즈, 아핀 및 관점 왜곡, 테이블에 기반한 리매핑을 총칭한다), 색 공간 전환, 히스토그램 등

  • Video: 움직임 판단, 배경 빼냄, 객체 추적 알고리즘을 포함하는 비디오 분석 모듈.

  • Calib3d: 기본적인 multiple-view 기하학 알고리즘, 단일 및 스트레오 카메라 눈금화, 객체 포즈 추정, 스트레오 대응 알고리즘, 3D 재건의 요소. (multiple-view 위, 아래, 옆에서 봤을 때를 말하는 것 같다)

  • feature2d: 가장 두드러진 특징 탐지기, descriptors and descriptor matchers

  • Objdetect: 미리 정의된 클래스들의 인스터스와 객체들을 검출.

  • Highgui: 간단한 UI 기능을 사용하기 쉬운 인터페이스

  • Video I/O: 비디오 캡처와 비디오 코덱에 사용하기 쉬운 인터페이스

  • Gpu: 다른 OpenCV 모듈들로부터 가속화 gpu 알고리즘

  • FLANN 그리고 Google test wrappers, 파이썬 바인딩 등과 같은 다른 도우미 모듈

문서의 상기 챕터는 각 모듈의 기능을 설명. 하지만 먼저, 반드시 라이브러리 안에서 철처히 사용되는 일반적인 API 개념들에 대해 익숙해져야 한다.

API Concepts

cv Namespace

모든 OpenCV 클래스들과 함수들은 cv namespace 안에 들어있습니다. 그러므로 당신의 코드에서 이 기능에 접근하려면 cv::specifier 이나 using namespace cv 를 이용해야 합니다.

  #include "opencv2/core.hpp"
  ...
  cv::Mat H = cv::findHomography(points1, points2, CV_RANSAC, 5);
  ...

또는

  #include "opencv2/core.hpp"
  using namespace cv;
  ...
  Mat H = findHomography(points1, points2, CV_RANSAC, 5 );
  ...

현재 또는 미래의 OpenCV 외부 이름은 STL이나 다른 라이브러리들과 충돌이 있을 수 있다. 이런 경우에는 명시적 네임 스페이스를 사용하여 이름 충돌을 해결한다.

  Mat a(100, 100, CV_32F);
  randu(a, Scalar::all(1), Scalar::all(std::rand()));
  cv::log(a, a);
  a /= std::log(2.);

Automatic Memory Management

OpenCV는 자동적으로 모든 메모리를 처리한다.

가장 먼저, std::vector, Mat, 그리고 함수들과 메소드에 의해 사용되는 다른 데이터 구조들은 필요할 때 기본 메모리 버퍼들을 할당 해제하는 소멸자가 있다. 이 뜻은 Mat의 경우 항상 소멸자가 할당된 버퍼를 해제하지 않는 것을 의미한다. 데이터를 공유하는 것이 가능하지 고려한다. 소멸자는 메트릭스 데이터 버퍼에 관련된 참조 카운터를 소멸시킨다. 이 버퍼가 할당이 해제된다면 참조 카운터를 0에 이르게 한다. 말하자면 다른 구조체들이 같은 버퍼에 참조하지 않는 경우를 말한다. 유사하게, Mat 복사할 경우, 실제 데이터가 복사되지 않는다. 대신에, 동일 데이터에 다른 소유가 있다는 것을 기억하기 위해 참조 카운터를 증가시킨다. 또한 메트릭스 데이터의 전체를 복사하는 Mat::clone 메소드도 있다. 아래의 예를 보자.

  // 8MB의 커다란 메트릭스를 생성한다.
  Mat A(1000, 1000, CV_64F);

  // 같은 메트릭스에 대해 다른 헤더를 생성한다.
  // 메트릭스 사이즈에 상관하지 않는 즉각적인 동작이다.
  Mat B = A;
  // A의 3번 째 행에 다른 헤더를 생성시킨다; 어떠한 데이터도 복사하지 않는다.
  Mat C = B.row(3);
  // 이제 메트릭스의 별도의 복사본을 생성한다.
  Mat D = B.clone();
  // B의 5번 째 행을 C에 복사한다. 말하자면 A의 5번 째 행을 A의 3번 째의 행으로 복사시킨다.
  B.row(5).copyTo(C);
  // 이제 A와 B의 데이터를 공유시킨다. 그 후 A의 수정된 버전은 B와 C에 여전히 참조되있다.
  A = D;
  //  이제 빈 메트릭스 B를 만들자(메모리 버퍼에는 참조 되어 있지 않다),
  //  C는 단지 원래의 A에 한 행임에도 불구하고 A의 수정된 버전은 여전히 C를 참조한다.
  B.release();

  // 마침내, 전체적으로 C를 복사한다. 결과적으로 크게 수정되었다.
  // 메트릭스는 누가 참조하지 않았기 때문에 할당이 해제될 것이다.
  C = C.clone();

Mat과 다른 기본 구조물들이 간단하게 사용할 수 있다는 것을 알 수 있다. 그러나 자동 메모리 관리를 고려하지 않고 고급 클래스들과 사용자 타입들을 생성하는 것은 어떨까요? 그들에게 있어 openCV는 C++ 11에서 std::shared_ptr 과 유사한 ptr 템플릿 클래스를 제공한다. 즉, plain pointer를 사용하는 대신에 :

  T* ptr = new T(...);

너는 사용할 수 있다 :

  Ptr<T> ptr(new T(...));

또

  Ptr<T> ptr = makePtr<T>(...);

ptr는 포인터와 연관된 T 인스턴스와 참조 카운터를 캡슐화한다.

Automatic Allocation of the Output Data

OpenCV는 자동으로 메모리 할당된 것을 해제하며 또한 대부분의 시간동안 output 함수의 매개 변수에 대한 메모리를 자동으로 할당한다. 그리고 만약 함수에 하나 이상의 input 배열들(cv::Mat instances)와 output 배열들이 있을 경우, output 배열들은 자동적으로 할당하거나 재할당된다. output 배열들의 크기나 타입은 input 배열들의 크기와 타입에 따라 결졍된다. 만약 필요로 한다면, 함수는 output 배열을 파악하는데 도움을 얻기 위해서 추가적으로 매개 변수를 필요로 한다.

  #include "opencv2/imgproc.hpp"
  #include "opencv2/highgui.hpp"

  using namespace cv;

  int main(int, char**)  
  {
    VideoCapture cap(0);
    if(!cap.isOpened()) return -1;

    Mat frame, edges;
    namedWindow("edges",1);
    for(;;)
    {
        cap >> frame;
        cvtColor(frame, edges, COLOR_BGR2GRAY);
        GaussianBlur(edges, edges, Size(7,7), 1.5, 1.5);
        Canny(edges, edges, 0, 30, 3);
        imshow("edges", edges);
        if(waitKey(30) >= 0) break;  
    }
    return 0;
 }

배열 프레임은, 그 영상 캡쳐 모듈이 그 영상 프레임 해상도와 그 비트 깊이(색 깊이, 하나의 픽셀을 나타내는 데에 사용되는 비트 수)를 알게 될 때부터, >> 연산자에 의하여 자동으로 할당된. 배열의 edges는 cvtColor 기능에 의해 자동적으로 할당이 된다. 그것은 input 배열과 똑같은 사이즈와 bit-depth를 갖고 있다. 채널의 개수는 1개다. 왜냐하면 색상 전환 코드 COLOR_BGR2GRAY가 전달되었기 때문이다. 그 말은 즉, 색상을 grayscale로 전환한다는 것을 의미합니다. 모든 next 비디오 프레임이 동일한 해상도를 갖고 있기 때문에 루프에서 오직 첫 번째 실행 중에만 프레임과 edges가 할당된다는 점에 유의해라. 만약 어떻게든 비디오의 해상도를 변경한다면 배열은 자동적으로 재할당 할 것이다.

이 부분의 핵심 구성 요소는 Mat::create 메소드이다. 이 메소드 원하는 배열의 크기와 타입이 필요하다. 만약 이미 배열의 크기와 타입이 명시되있다면 메소드는 아무것도 수행하지 않는다. 그렇지 않다면 사전에 할당되있는 데이터들을 해제한다. if any (이 부분은 참조 카운터 감소를 포함하면서 0과 비교를 한다), 그리고 필요로 하는 사이즈의 새로운 버퍼를 할당한다. 대부분의 함수들은 각각의 출력 배열에 대해 Mat::create 메서드를 호출한다. 그리고 자동적으로 출력 데이터를 할당하는 것을 수행한다.

이 계획의 몇몇의 주목할 만한 예외는 cv::mixChannels, cv::RNG::fill, 그리고 몇가지 다른 기능과 메소들이다. 이것들은 출력 배열에 대해 할당하는 것이 불가능하다. 그래서 사전에 이 작업을 수행해야한다.

Saturation Arithmetics

컴퓨터 비전 라이브러리로, OpenCV는 조밀하게 인코딩된 많은 이미지 픽셀을 다루는데 8비트 또는 16비트 채널에 대하여 제한된 값의 범위를 가진다. 뿐만 아니라 색 공간 개조와 같은 이미지에서의 특정 작업, 밝기/대비 수정, 선명화, 복잡한 보간법 (bi-cubic, Lanczos)는 사용 가능한 범위에서 값을 얻을 수 있다. 만약 결과의 가장 낮은 8(16)비트를 저장하면, 이 결과가 시각적 아티팩트(artifacts)와 이미지 분석에 영향을 끼칠 수가 있다. 이 문제를 해결하려면 흔히 말하는 saturation arithmetics를 사용해야 한다. 예를 들어, 8비트 이미지에서 연산의 결과를 저장하기 위해 0..255 범위 내에서 가장 가까운 값을 찾을 수 있다.

  • I(x,y)=min(max(round(r),0),255)

8비트 부호를 지닌 경우와 16비트 부호를 지니고 부호가 없는 형식에도 비숫한 규칙이 적용된다.이 의미는 라이브러리 어디서나 사용이 된다. C++ 코드에서 표준 C++ 캐스트 연산과 유사한 saturate_cast<> 함수를 사용하여 수행한다.위에서 제공했던 공식을 구현한 것을 아래에서 보도록 하자

   I.at<uchar>(y, x) = saturate_cast<uchar>(r);

cv::uchar는 OpenCV에서 부호없는 8비트 정수형 타입이다. 최적화된 SIMD 코드에서, SSE2와 같이 paddusb, packuswb 기타 등 등을 사용한다. 그것들은 C++코드와 동일한 동적을 정확히 성취하도록 도와준다.

Fixed Pixel Types. Limited Use of Templates

템플릿은 효율적이고 안전한 자료구조, 알고리즘과 강력한 구현을 가능케 해주는 C++의 훌륭한 특징이다. 그러나 과도한 템플릿의 사용은 극적인 컴파일 시간과 코드 사이즈의 증가를 야기 할 수 있다. 게다가 템플릿이 베타적으로 사용될 때, 인터페이스와 구현을 분리하는 것은 어렵다. 이것은 기본 알고리즘에는 좋지만 단 하나의 알고리즘이 수천줄의 코드에 도달할 수 있는 컴퓨터 비전 라이브러리들에는 적합하지 않다. 또한 파이썬, 자바, 매트랩과 같이 템플릿을 가지고 있지 않거나 템플릿의 능력이 제한되어 있는 다른 언어들의 바인딩 개발을 단순히 하기 위해서 현재 OpenCV의 구현은 단순함과 runtime dispatching over templates을 기반으로 한다.


반응형
저작자표시 비영리 변경금지