[python] 파이썬을 사용한 영상 매칭 기법

05 Dec 2023

python

영상 매칭은 컴퓨터 비전 분야에서 중요한 주제 중 하나입니다. 이는 주어진 이미지나 영상에서 특정 패턴을 찾는 것을 의미합니다. 파이썬은 영상 매칭을 위한 강력한 도구와 라이브러리를 제공하므로, 쉽게 구현할 수 있습니다.

템플릿 매칭

템플릿 매칭은 하나의 작은 영상 패턴(템플릿)을 큰 이미지로부터 찾아내는 기법입니다. 이를 통해 영상에서 특정 물체나 패턴을 찾을 수 있습니다.

import cv2
import numpy as np

# 대상 이미지와 템플릿 이미지를 불러옵니다.
image = cv2.imread('image.jpg')
template = cv2.imread('template.jpg')

# 템플릿 매칭을 위한 메소드를 선택합니다.
method = cv2.TM_CCOEFF_NORMED

# 템플릿 매칭을 수행합니다.
result = cv2.matchTemplate(image, template, method)

# 매칭 결과에서 유사도가 가장 높은 위치를 찾습니다.
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)

# 매칭 결과를 표시합니다.
w, h = template.shape[:-1]
cv2.rectangle(image, max_loc, (max_loc[0] + w, max_loc[1] + h), (0, 255, 0), 2)

# 결과 이미지를 출력합니다.
cv2.imshow('Matching Result', image)
cv2.waitKey()

이 예제에서는 OpenCV 라이브러리를 사용하여 템플릿 매칭을 수행합니다. cv2.matchTemplate 메소드를 사용하여 템플릿 매칭을 수행하고, 결과에서 유사도가 가장 높은 위치를 찾습니다. 그 후, cv2.rectangle 메소드를 사용하여 매칭 결과를 표시합니다. 결과 이미지는 cv2.imshow 메소드를 이용하여 출력합니다.

SIFT 매칭

SIFT(Scale-Invariant Feature Transform)는 크기와 회전에 대해 불변하는 특징점을 추출하는 알고리즘입니다. SIFT 매칭은 영상에서 서로 일치하는 특징점을 찾아내는 것을 목표로 합니다.

import cv2
import numpy as np

# 대상 이미지와 비교 대상 이미지를 불러옵니다.
image1 = cv2.imread('image1.jpg')
image2 = cv2.imread('image2.jpg')

# SIFT 디스크립터 추출기를 생성합니다.
sift = cv2.xfeatures2d.SIFT_create()

# 이미지에서 키 포인트와 디스크립터를 추출합니다.
kp1, des1 = sift.detectAndCompute(image1, None)
kp2, des2 = sift.detectAndCompute(image2, None)

# FLANN 매처를 생성합니다.
FLANN_INDEX_KDTREE = 0
index_params = dict(algorithm=FLANN_INDEX_KDTREE, trees=5)
search_params = dict(checks=50)
flann = cv2.FlannBasedMatcher(index_params, search_params)

# 특징점 매칭을 수행합니다.
matches = flann.knnMatch(des1, des2, k=2)

# 좋은 매칭 결과를 선별합니다.
good_matches = []
for m, n in matches:
    if m.distance < 0.7 * n.distance:
        good_matches.append(m)

# 매칭 결과를 표시합니다.
result = cv2.drawMatches(image1, kp1, image2, kp2, good_matches, None, flags=2)

# 결과 이미지를 출력합니다.
cv2.imshow('Matching Result', result)
cv2.waitKey()

이 예제에서는 SIFT를 사용하여 이미지에서 특징점과 디스크립터를 추출한 후, FLANN 매처를 사용하여 특징점을 매칭합니다. 매칭 결과에서 거리 기준을 사용하여 좋은 매칭 결과를 선별하여 표시합니다. 결과 이미지는 cv2.imshow 메소드를 이용하여 출력합니다.

결론

파이썬은 영상 매칭을 위한 다양한 도구와 라이브러리를 제공하고 있어, 쉽게 구현할 수 있습니다. 이를 통해 영상에서 특정 패턴을 찾거나 서로 일치하는 특징점을 찾아내는 등의 다양한 작업을 수행할 수 있습니다.

참고 자료: