[파이썬] opencv-python 이미지의 특징점 추출 및 매칭

07 Sep 2023

opencv python

이미지 처리와 컴퓨터 비전 분야에서 OpenCV는 많은 기능을 제공하는 인기있는 라이브러리입니다. 특히, 이미지의 특징점을 추출하고 매칭할 수 있는 다양한 알고리즘을 포함하고 있어, 객체 감지, 비교, 추적 등 다양한 응용 프로그램에서 활용됩니다. 이번 블로그 포스트에서는 OpenCV-Python을 사용하여 이미지의 특징점을 추출하고 매칭하는 방법을 다루겠습니다.

1. 이미지의 특징점 추출

이미지의 특징점은 이미지에서 주요한 정보를 보여주는 특정한 위치입니다. 특징점은 독특하고 반복되지 않는 특성을 가지며, 이미지의 변형이나 왜곡에도 강하게 유지됩니다. OpenCV는 다양한 특징점 추출 알고리즘을 제공합니다. 여기에서는 SIFT (Scale-Invariant Feature Transform) 알고리즘을 사용해보겠습니다.

먼저, OpenCV와 필요한 라이브러리를 설치합니다.

!pip install opencv-python
!pip install opencv-contrib-python

다음은 이미지의 특징점을 추출하는 코드입니다.

import cv2

# 이미지 로드
image = cv2.imread('image.jpg')

# SIFT 객체 생성
sift = cv2.SIFT_create()

# 특징점 추출
keypoints, descriptors = sift.detectAndCompute(image, None)

# 특징점 시각화 및 출력
output_image = cv2.drawKeypoints(image, keypoints, None, flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
cv2.imshow('Output Image', output_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

위 코드에서는 cv2.imread() 함수를 사용하여 이미지를 로드한 후, cv2.SIFT_create() 함수로 SIFT 객체를 생성합니다. 그 다음, detectAndCompute() 함수를 사용하여 이미지에서 특징점과 그에 해당하는 디스크립터를 추출합니다. 마지막으로, drawKeypoints() 함수로 특징점을 시각화한 이미지를 생성해 출력합니다.

2. 이미지의 특징점 매칭

특징점 추출 후, 이미지에서 추출한 특징점들을 다른 이미지와 매칭하여 엮을 수 있습니다. 이를 통해 이미지 간의 유사성을 비교하거나 객체 추적 등의 작업을 수행할 수 있습니다.

다음은 두 이미지 간의 특징점 매칭을 수행하는 코드입니다.

import cv2
import numpy as np

# 이미지 로드
image1 = cv2.imread('image1.jpg')
image2 = cv2.imread('image2.jpg')

# SIFT 객체 생성
sift = cv2.SIFT_create()

# 특징점 추출과 디스크립터 계산
keypoints1, descriptors1 = sift.detectAndCompute(image1, None)
keypoints2, descriptors2 = sift.detectAndCompute(image2, None)

# 특징점 매칭을 위한 BFMatcher 객체 생성
bf = cv2.BFMatcher()

# 특징점 매칭
matches = bf.knnMatch(descriptors1, descriptors2, k=2)

# 좋은 매칭 포인트 선택
good_matches = []
for m, n in matches:
    if m.distance < 0.75 * n.distance:
        good_matches.append(m)

# 매칭 결과 시각화 및 출력
output_image = cv2.drawMatches(image1, keypoints1, image2, keypoints2, good_matches, None, flags=cv2.DrawMatchesFlags_NOT_DRAW_SINGLE_POINTS)
cv2.imshow('Output Image', output_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

위 코드에서는 먼저, 두 개의 이미지를 로드한 후, 특징점 추출 및 디스크립터 계산을 수행합니다. 그 다음, cv2.BFMatcher() 함수로 BFMatcher 객체를 생성하고, knnMatch() 함수로 특징점을 매칭합니다.

매칭 결과를 시각화하기 위해, drawMatches() 함수를 사용하여 이미지와 특징점들을 연결합니다.

마무리

이번에는 OpenCV-Python을 사용하여 이미지의 특징점을 추출하고 매칭하는 방법을 알아보았습니다. 특히, SIFT 알고리즘을 사용하여 이미지의 특징점을 추출하고, BFMatcher를 사용하여 특징점을 매칭하는 방법에 대해 다루었습니다.

특징점 추출과 매칭은 이미지 처리 및 컴퓨터 비전 분야에서 중요한 작업입니다. 다양한 응용 프로그램에서 활용할 수 있는 이 기법을 공부하여, 더 복잡하고 실용적인 이미지 기반 애플리케이션을 개발해보는 것을 추천합니다.