-
- 주제분류
- 공학 >컴퓨터ㆍ통신 >컴퓨터공학
-
- 강의학기
- 2012년 2학기
-
- 조회수
- 178,032
-
- 평점
- 4.8/5.0 (6)
컴퓨터공학과에서는 몇 년 전부터 “영상처리및패턴인식” 교과목을 학부과정에 개설하여 학생들에게 영상처리와 패턴인식에 관한 기초 이론을 교육하고 있다. 그런데 영상처리와 패턴인식은 이론에 대한 학습량이 너무 많아 수업시간에는 단지 이론 교육에 집중할 수밖에 없는 상황이다. 하지만 학부과정에서는 이론에 대한 학습뿐만 아니라 관련 문제에 대한 해결을 통해 이론의 적용과 응용 과정이 반드시 필요하다. 영상처리에 대한 문제 해결은 영상처리 이론에 대한 알고리즘 구현을 통한 프로그래밍 과정으로 이루어진다.
그런데 영상처리 알고리즘은 복잡도가 매우 높아 간단한 수준의 알고리즘이라도 직접 구현하기에는 최소 몇 시간에서 길게는 몇 일정도의 상당한 노력과 시간이 소요된다. 따라서 비교적 간단한 과제도 과도한 프로그래밍 과정이 필요하여 학생들의 초기 접근을 위한 문턱이 매우 높은 상황이다.
다행스럽게도 최근에 영상처리를 위한 다양한 개발도구들이 라이브러리 형태로 제공되고 있다. 특히 이들 라이브러리는 오픈 소스코드 형태로 제공되고 있으므로 관심 있는 사람이면 누구나 쉽게 사용할 수 있을 뿐만 아니라 기존의 기능을 개선하거나 새로운 기능을 추가할 수 있다. 따라서 이런 라이브러리의 사용법에 대해 학습할 수 있다면 과도한 프로그래밍 과정 없이 학습한 이론에 대한 결과 확인이 가능하여 이론에 대한 정확한 이해와 응용이 가능하다. 또한 다양한 실무 예제에 대한 구현도 가능하게 된다.
그런데 영상처리 알고리즘은 복잡도가 매우 높아 간단한 수준의 알고리즘이라도 직접 구현하기에는 최소 몇 시간에서 길게는 몇 일정도의 상당한 노력과 시간이 소요된다. 따라서 비교적 간단한 과제도 과도한 프로그래밍 과정이 필요하여 학생들의 초기 접근을 위한 문턱이 매우 높은 상황이다.
다행스럽게도 최근에 영상처리를 위한 다양한 개발도구들이 라이브러리 형태로 제공되고 있다. 특히 이들 라이브러리는 오픈 소스코드 형태로 제공되고 있으므로 관심 있는 사람이면 누구나 쉽게 사용할 수 있을 뿐만 아니라 기존의 기능을 개선하거나 새로운 기능을 추가할 수 있다. 따라서 이런 라이브러리의 사용법에 대해 학습할 수 있다면 과도한 프로그래밍 과정 없이 학습한 이론에 대한 결과 확인이 가능하여 이론에 대한 정확한 이해와 응용이 가능하다. 또한 다양한 실무 예제에 대한 구현도 가능하게 된다.
- 수강안내 및 수강신청
- ※ 수강확인증 발급을 위해서는 수강신청이 필요합니다
차시별 강의
| 1. | ![]() |
디지털 영상처리 개요 | Computer Imaging 소개 Pattern Recognition 개요 Image Processing 개요 |
|
![]() |
디지털 영상처리개요_강의자료 | ![]() |
||
| 2. | ![]() |
디지털 이미지 | 영상 신호의 디지털화 과정 디지털 영상(bitmap)의 표현 방법 디지털 영상(bitmap)의 종류 |
|
![]() |
디지털이미지_강의자료 | ![]() |
||
| 3. | ![]() |
BMP 파일 이해 | BMP 파일의 구조 BMP 파일의 특징 픽셀 접근 방법 |
|
![]() |
BMP 파일 이해_강의자료 | ![]() |
||
| 4. | ![]() |
BMP 파일 처리 | 문제 소개 영상 반전 프로그램 제작 문제 확장 |
|
![]() |
BMP 파일 처리_강의자료 | ![]() |
||
| 5. | ![]() |
OpenCV 개요 및 설치 | OpenCV Library Introduction Installing OpenCV Library Loading, displaying images |
|
![]() |
OpenCV 개요 및 설치_강의자료 | ![]() |
||
| 6. | ![]() |
OpenCV-픽셀 다루기 | 픽셀에 임의 접근하기 영상 스캐닝하기 방법에 따른 처리 속도 비교 |
|
![]() |
OpenCV-픽셀 다루기_강의자료 | ![]() |
||
| 7. | ![]() |
Arithmetic 연산 및 Gray-level 변환을 사용한 영상 개선 | 단일 픽셀 처리 개요 Scalar and Image arithmetic op. Gray-level transformations |
|
![]() |
Arithmetic 연산 및 Gray-level 변환을 사용한 영상 개선_강의자료 | ![]() |
||
| 8. | ![]() |
Histogram 수정을 사용한 영상 개선 | Histogram 개요 Histogram modifications |
|
![]() |
Histogram 수정을 사용한 영상 개선_강의자료 | ![]() |
||
| 9. | ![]() |
OpenCV - Histogram 다루기 | calcHist( ) function Gray-level Histogram 생성 및 출력 Color Histogram 생성 및 출력 |
|
![]() |
OpenCV - Histogram 다루기_강의자료 | ![]() |
||
| 10. | ![]() |
OpenCV - Histogram 활용 | Histogram Scaling 구현 Histogram Equalization 구현 Histogram Backprojection Histogram Comparison |
|
![]() |
OpenCV - Histogram 활용_강의자료 | ![]() |
||
| 11. | ![]() |
Image Smoothing | 시스템 이해 Image filtering Image smoothing |
|
![]() |
Image Smoothing_강의자료 | ![]() |
||
| 12. | ![]() |
Edge Detection & Image Sharpening | Edge 정의 Edge detection 개요 및 방법 Image sharpening 방법 |
|
![]() |
Edge Detection & Image Sharpening_강의자료 | ![]() |
||
| 13. | ![]() |
OpenCV–Image Filtering | 픽셀 처리 기반의 Image filtering 구현 라이브러리 함수 기반의 Image filtering 구현 칼라 영상에 대한 영상처리 방법 |
|
![]() |
OpenCV–Image Filtering_강의자료 | ![]() |
||
| 14. | ![]() |
Morphological Filtering | Morphological Filtering 개요 Basic set theory Morphological operations for binary images Morphological operations for gray-scale images OpenCV를 사용한 Morphological operations 구현 |
|
![]() |
Morphological Filtering_강의자료 | ![]() |
||
| 15. | ![]() |
Geometric Transforms | Geometric Transforms 개요 Spatial transform Gray-level interpolation |
|
![]() |
Geometric Transforms_강의자료 | ![]() |
||
![]() |
OpenCV – Geometric Transform | Reflecting images Scaling images Rotating images |
|
|
![]() |
OpenCV – Geometric Transform_강의자료 | ![]() |
||
![]() |
OpenCV – 비디오 처리 | Reading video sequences Seeking video sequences Writing video sequences Foreground extraction |
|
|
![]() |
OpenCV – 비디오 처리_강의자료 | ![]() |
연관 자료











