Personal Research: Gray-scale Image Segmentation

회색조 이미지에서의 영역 분할을 위한 연구를 하고자 한다.

이는 다양한 분야에 활용 가능하니, 차근차근 계획을 세워 진행해보자.

 

<Background>

회색조 이미지는 RGB와 같은 컬러 이미지보다 데이터가 작아 전송 및 저장에 유리하다는 장점이 있다.

물론, RGB, HEX, HSV 등과 같이 다채널로 구성된 데이터들은 회색조 이미지보다 많은 데이터를 포함하므로 그것들 만의 장점이 있을테다.

아무튼, 내가 하려고 하는 것은 그런 것 보다, 단순히 계측된 광자의 수로 구성된 영상, 즉 빛이 세게 들어오는 곳은 밝게, 약하게 들어오는 곳은 어둡게 나타나는 영상에 대해 영역을 나누고자 하는 것이다.

 

<Application>

GPT4한테 물어보니, 회색조 이미지 응용 분야는 다음과 같이 소개를 하고 있다.

- 컴퓨터 비전 및 머신 러닝 : 색상 정보가 필요 없는 경우 계산 비용을 줄이고 훈련 속도를 높일 수 있다.

- 의료 영상 : 일반적으로 회색조 이미지를 쓴다.

- 예술 및 디자인 : 명암 대비를 강조하는 예술적 효과 및 디지털 아트의 기본 스케치나 밑그림으로 사용한다.

- 데이터 압축 및 전송 : 회색조 이미지는 데이터 양이 적어 네트워크 부하를 줄일 수 있다.

- 산업 검사 : 표면 결함 감지, 위치, 상태 파악

 

<Plan>

일단, 가볍게 시작해서 전통적인 회색조 이미지 segmentation을 하는 watershed 방식부터 해볼까 한다.

이후로 영상 처리 기법에 대해 좀 더 심도 있게 공부한 뒤, AI를 적용한 방식까지 진행해볼 것이다.

데이터는 kaggle에 올라온 데이터를 쓰면 되지 않을까 싶은데, 이것도 GPT4한테 물어보니 다양한 데이터 획득 가능한 곳을 소개해 준다.

- UCI Machine Learning Repository

- Google Dataset Search

- Data.gov

- European Union Open Data Portal

- AWS Public Datasets

- NASA Open Data

- Awesome Public Datasets Github Repository

- World Bank Open Data

- OpenStreetMap

 

와, 나는 kaggle밖에 몰랐는데 엄청 많다.

암튼, 앞으로는 영상처리 공부를 좀 더 진행해볼 것이다.