모양 복습

이미지 변형부터 특징 매칭까지 모양 처리의 핵심 개념과 OpenCV API 복습

퀴즈

문제 1 / 30맞음: 0힌트: 0틀림: 0채점중: 0남음: 30

cv.resize()에서 가로와 세로를 각각 절반으로 줄이는 배율 설정은?

○fx=0.5, fy=0.5
○fx=2, fy=2
○fx=0.5, fy=1
○fx=1, fy=0.5

퀴즈를 풀려면 대화형 기능을 불러와야 합니다.

cv.resize()에서 가로와 세로를 각각 절반으로 줄이는 배율 설정은?

1보다 작은 배율은 축소이며 두 방향에 같은 값을 사용해야 모양이 찌그러지지 않습니다.

fx=0.5, fy=0.5fx=2, fy=2fx=0.5, fy=1fx=1, fy=0.5

fx=0.5, fy=0.5

cv.resize()의 출력 크기 dsize에 값을 넣는 순서는?

NumPy 배열의 shape 순서와 OpenCV의 크기 인자 순서는 서로 다릅니다.

(너비, 높이)(높이, 너비)(채널, 너비)(너비, 채널)

(너비, 높이)

cv.flip()의 flipCode와 반전 방향이 올바르게 연결된 것을 모두 고르세요.

0은 x축을 기준으로, 양수는 y축을 기준으로 반전하며 음수는 두 축을 모두 기준으로 반전합니다.

flipCode=0: 상하 반전flipCode=1: 좌우 반전flipCode=-1: 상하·좌우 반전flipCode=2: 시계 방향 90도 회전

flipCode=0: 상하 반전, flipCode=1: 좌우 반전, flipCode=-1: 상하·좌우 반전

평행 이동을 적용한 이미지에서 변하지 않는 것은?

평행 이동은 모든 점에 같은 이동량을 더하는 변환입니다.

물체의 크기와 방향물체의 중심 좌표물체가 놓인 위치이미지 바깥으로 나간 영역

물체의 크기와 방향

서로 평행한 두 직선에 아핀 변환을 적용하면 두 직선의 관계는?

아핀 변환은 소실점으로 모이는 원근 효과를 표현하지 않습니다.

계속 평행하다항상 한 점에서 만난다항상 서로 수직이 된다직선이 곡선으로 바뀐다

계속 평행하다

비스듬히 촬영되어 사다리꼴처럼 보이는 평면을 정면 사각형으로 보정할 때 알맞은 변환은?

원본의 네 모서리를 출력의 네 모서리에 대응시키는 변환입니다.

투시 변환선형 변환아핀 변환기하 변환

투시 변환

체커보드의 내부 교차점을 검출하는 OpenCV 함수는?

패턴 크기를 받아 검출 성공 여부와 교차점 좌표를 반환하는 함수입니다.

cv.findChessboardCorners()cv.cornerSubPix()cv.goodFeaturesToTrack()cv.findContours()

cv.findChessboardCorners()

카메라 교정에서 pattern_size = (7, 10)이 의미하는 것은?

cv.findChessboardCorners()는 칸의 개수가 아니라 칸 사이의 내부 교차점을 셉니다.

한 행에 내부 교차점이 7개씩 10행체커보드의 검은 칸이 7개이고 흰 칸이 10개교정 사진을 최소 7장, 최대 10장 사용체커보드 한 칸의 크기가 7cm×10cm

한 행에 내부 교차점이 7개씩 10행

카메라 교정 결과의 카메라 행렬 mtx에 들어 있는 값은?

정규화된 카메라 좌표를 픽셀 좌표로 바꿀 때 사용하는 내부 파라미터를 떠올려 보세요.

초점 거리와 주점 좌표 등의 내부 파라미터렌즈 왜곡 계수체커보드의 3차원 기준점사진에서 검출한 2차원 교차점

초점 거리와 주점 좌표 등의 내부 파라미터

ArucoDetector 객체로 이미지에서 마커를 검출할 때 사용하는 메서드는?

마커의 꼭짓점, ID, 탈락 후보를 함께 반환하는 메서드입니다.

detector.detectMarkers()detector.detectAndCompute()detector.findContours()detector.solvePnP()

detector.detectMarkers()

ArUco 마커 내부의 검정·흰색 패턴이 하는 역할은?

같은 사전에 속한 여러 마커를 서로 구별하는 정보입니다.

마커의 ID를 표현한다마커의 실제 길이를 표현한다카메라와 마커 사이의 거리를 표현한다마커가 검출된 순서를 표현한다

마커의 ID를 표현한다

장면에 ArUco 마커를 기준으로 배치하면 이미지에서 무엇을 추정할 수 있나요?

크기를 알고 있는 사각형의 네 꼭짓점은 장면 안의 좌표 기준으로 사용 가능합니다.

마커의 위치와 방향마커 영역의 평균 밝기와 대비마커 ID만으로 계산한 렌즈 왜곡 계수장면 전체의 픽셀별 깊이 지도

마커의 위치와 방향

이미지에 평균 필터를 적용하면 일반적으로 어떤 변화가 나타나나요?

주변 픽셀값을 섞으면 급격한 밝기 차이와 작은 세부 무늬가 줄어듭니다.

밝기 변화가 부드러워지고 이미지가 흐려진다경계의 명암 차이가 커져 이미지가 선명해진다특정 방향의 선만 강하게 강조된다미세한 밝기 변화와 잡음이 더 강해진다

밝기 변화가 부드러워지고 이미지가 흐려진다

샤프닝을 강하게 적용할 때 나타날 수 있는 부작용은?

샤프닝은 실제 물체의 경계와 원하지 않는 미세한 밝기 변화도 함께 키웁니다.

센서 잡음과 압축 무늬도 강조된다경계와 함께 잡음도 약해진다밝기 변화가 더 부드러워진다경계의 명암 대비가 낮아진다

센서 잡음과 압축 무늬도 강조된다

같은 크기의 평균 필터와 비교한 가우시안 필터의 특징은?

정규분포 모양의 가중치가 커널 중심에서 가장 높습니다.

중심에 가까운 픽셀에 더 큰 가중치를 준다모든 픽셀에 완전히 같은 가중치를 준다중심에서 먼 픽셀에 더 큰 가중치를 준다중심 픽셀 하나만 사용하고 주변 픽셀은 무시한다

중심에 가까운 픽셀에 더 큰 가중치를 준다

검은 바탕에 흰 물체가 있는 이미지에서 열림 연산에 대한 설명으로 올바른 것을 모두 고르세요.

물체 영역의 작은 돌출부를 먼저 깎은 뒤 남은 물체의 크기를 회복하는 과정입니다.

침식 후 팽창을 적용한다물체와 떨어진 작은 흰색 점을 제거하는 데 적합하다물체 내부의 작은 구멍을 메우는 데 적합하다팽창 후 침식을 적용한다

침식 후 팽창을 적용한다, 물체와 떨어진 작은 흰색 점을 제거하는 데 적합하다

모폴로지 연산에서 구조화 요소가 정하는 것은?

커널의 크기와 형태에 따라 어떤 이웃 픽셀을 함께 검사할지가 달라집니다.

연산을 적용할 주변 범위와 모양침식과 팽창을 적용하는 순서물체와 배경의 픽셀값결과 이미지의 너비와 높이

연산을 적용할 주변 범위와 모양

물체를 흰색으로 표시한 이진 이미지에 팽창을 적용했을 때 나타날 수 있는 변화를 모두 고르세요.

주변에 흰색 픽셀이 하나라도 있으면 중심 픽셀이 흰색으로 확장될 수 있습니다.

흰색 물체 영역이 넓어진다가까운 물체 사이의 좁은 틈이 연결될 수 있다흰색 물체 영역이 좁아진다작은 흰색 점이 우선 제거된다

흰색 물체 영역이 넓어진다, 가까운 물체 사이의 좁은 틈이 연결될 수 있다

cv.findContours()에서 검색 모드 cv.RETR_EXTERNAL의 역할은?

중첩된 물체에서 내부 구멍의 경계까지 필요한지 생각해 보세요.

가장 바깥쪽 윤곽선만 찾는다모든 윤곽선과 계층 관계를 찾는다윤곽선의 모든 경계 픽셀을 저장한다직선 구간의 중간 좌표를 줄여 저장한다

가장 바깥쪽 윤곽선만 찾는다

윤곽선 목록 contours에서 면적이 가장 큰 윤곽선을 선택하는 코드는?

윤곽선 목록에서 각 원소의 면적을 비교 기준으로 사용하는 표현을 고르세요.

main_contour = max(contours, key=cv.contourArea)main_contour = min(contours, key=cv.contourArea)main_contour = max(contours, key=lambda contour: cv.arcLength(contour, True))main_contour = cv.contourArea(contours)

main_contour = max(contours, key=cv.contourArea)

윤곽선 모멘트 moments로 무게중심의 x좌표를 계산하는 코드는?

x좌표가 반영된 1차 모멘트를 윤곽선 면적으로 나눕니다.

center_x = int(moments["m10"] / moments["m00"])center_x = int(moments["m01"] / moments["m00"])center_x = int(moments["m00"] / moments["m10"])center_x = int(moments["m10"] + moments["m00"])

center_x = int(moments["m10"] / moments["m00"])

cv.approxPolyDP()에서 epsilon을 크게 하면 일반적으로 어떻게 되나요?

허용 오차가 커질수록 작은 굴곡을 하나의 선분으로 단순화하기 쉬워집니다.

근사된 꼭짓점 수가 줄어든다근사된 꼭짓점 수가 늘어난다근사된 꼭짓점 수가 항상 같다윤곽선의 모든 좌표가 그대로 유지된다

근사된 꼭짓점 수가 줄어든다

cv.convexHull(contour)가 반환하는 결과에 대한 설명으로 알맞은 것은?

고무줄로 도형의 바깥쪽을 감쌌을 때 오목한 부분을 건너뛰는 경계를 떠올려 보세요.

윤곽선의 모든 점을 포함하는 가장 작은 볼록 다각형윤곽선에서 안쪽으로 들어간 오목한 점만 연결한 다각형윤곽선을 둘러싸는 축에 평행한 최소 사각형지정한 epsilon만큼 꼭짓점을 줄인 다각형

윤곽선의 모든 점을 포함하는 가장 작은 볼록 다각형

윤곽선의 원형도 $4 π A / P^{2}$ 가 1에 가까울 때의 해석은?

같은 면적에서 둘레가 가장 짧은 평면 도형을 떠올려 보세요.

윤곽선이 원에 가깝다윤곽선이 길고 가늘다윤곽선의 꼭짓점이 정확히 네 개다윤곽선의 오목한 부분이 많다

윤곽선이 원에 가깝다

신분증 스캔에서 오츠 이진화를 사용하는 주된 이유는?

카드와 배경을 나누는 밝기 기준을 사람이 직접 정하지 않는 방법입니다.

밝기 분포에서 임계값을 자동으로 선택하기 위해검출된 네 꼭짓점의 순서를 정렬하기 위해사각형 후보의 면적을 비교하기 위해투시 변환 행렬을 계산하기 위해

밝기 분포에서 임계값을 자동으로 선택하기 위해

계산한 투시 변환 행렬을 이미지 전체에 적용하는 OpenCV 함수는?

점 좌표만 바꾸는 함수가 아니라 출력 크기를 받아 새 이미지를 만드는 함수를 고르세요.

cv.warpPerspective()cv.warpAffine()cv.perspectiveTransform()cv.remap()

cv.warpPerspective()

ORB의 이진 디스크립터를 비교할 때 사용하는 거리 척도는?

두 비트열에서 서로 다른 비트의 개수를 세는 방식입니다.

해밍 거리유클리드 거리맨해튼 거리코사인 거리

해밍 거리

이미지 매칭에서 디스크립터의 역할은?

서로 다른 이미지에서 두 특징점의 주변이 얼마나 비슷한지 판단하려면 수치 표현이 필요합니다.

키포인트 주변 모양을 비교 가능한 값으로 표현한다키포인트의 x와 y 좌표만 저장한다두 이미지 사이의 변환 행렬을 직접 만든다오매칭을 인라이어와 아웃라이어로 구분한다

키포인트 주변 모양을 비교 가능한 값으로 표현한다

이미지 매칭에서 호모그래피의 역할은?

하나의 평면이 다른 시점에서 보이는 위치 관계를 투시 변환으로 나타냅니다.

평면 물체의 대응 위치를 두 이미지 사이에서 변환한다개별 디스크립터 사이의 거리를 계산한다이미지에서 비교할 키포인트를 검출한다모든 매칭을 거리 순서대로 정렬한다

평면 물체의 대응 위치를 두 이미지 사이에서 변환한다

호모그래피를 추정할 때 RANSAC을 사용하는 주된 이유는?

잘못 연결된 대응점이 섞여 있어도 하나의 변환을 지지하는 점들을 찾아야 합니다.

일관되지 않은 매칭의 영향을 줄이기 위해모든 매칭에 같은 가중치를 주기 위해해밍 거리를 유클리드 거리로 바꾸기 위해이미지마다 더 많은 키포인트를 만들기 위해

일관되지 않은 매칭의 영향을 줄이기 위해