이 글의 출처는 https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_feature2d/py_features_meaning/py_features_meaning.html 입니다.
이 글에서는 피쳐가 무엇인지, 왜 중요한지를 알아봅니다. 그리고 이미지에서 귀퉁이(Corner)이 왜 중요한지도 알아봅니다.
우리들의 대부분은 직소 퍼즐을 가지고 놀아보았을 것 입니다. 이 퍼즐 게임은 이미지의 많은 조각을 가지고 하는데, 실제로는 큰 실제 이미지에 이 조각들을 정확히 맞춥니다. 질문은, 어떻게 플레이 하느냐 입니다. 이 게임에 대한 놀이 방식을 컴퓨터가 할 수 있도록 할 수 있지 않을까요? 만약 컴퓨터가 직소 퍼즐을 할 줄 안다면, 컴퓨터에게 실 세계의 자연 경관 이미지를 제공하고 이들 이미지를 하나의 큰 이미지로 맞추도록 할수 있지 않을까요? 만약 컴퓨터가 여러개의 조각 이미지를 하나로 맞출 수 있다면, 건물이나 어떤 구조물에 대한 많은 이미지를 주고는, 컴퓨터에게 3차원 모델로 만들어 보라고 할 수 있지 않을까요?
자, 질문과 상상을 계속해 봅시다. 그러나 이런 모든 질문들은 모두 매우 기초적인 질문에 기반하고 있습니다. 어떻게 직소 퍼즐을 우리 사람이 하는거냐는 질문말입니다. 어떻게 우리가 흩어진 많은 이미지 조각을 하나의 큰 이미지로 정렬해 맞추는가? 어떻게 우리가 자연에 존재하는 많은 이미지를 하나의 이미지로 짜맞추는가?
그 대답은, 우리가 어떤 패턴 또는 어떤 특징을 찾고 있다는 것인데.. 그 특징(Feature)라 함은 유일하고, 쉽게 찾을 수 있고, 쉽게 다른 것과 비교할 수 있는 것입니다. 만약 어떤 특징(Feature)에 대해 정의 내릴 수 있다면, 말로는 표현하기 어렵겠지만 그게 무엇인지는 발견할 수 있습니다. 만약 누군가 당신에게 여러개의 이미지들 간에 비교할 수 있는 좋은 특징 하나를 알려달라고 한다면, 그 특징 하나를 말해 줄 수 있습니다. 이것이 어린 아이조차도 이 직소 게임을 단순하게 가지고 놀 수 있는 이유입니다. 우리는 이미지에서 이러한 특징들을 검색하고, 발견하며, 다른 이미지에서 동일한 특징을 발견합니다. 바로 이것입니다. (직소 퍼즐에서 우리가 다른 이미지들의 연속성을 더 주의깊게 살피는 것입니다). 이러한 모든 능력들을 우리는 선천적으로 타고 난거죠.
그래서 우리의 한가지 기본 질문은 몇가지로 확장지만 좀더 명확해 집니다. 이런 특징은 무엇인가? (대답은 컴퓨터도 이해할 수 있어야 합니다.)
자, 어떻게 인간이 이러한 특징들을 발견하는지 이야기 하는것은 어렵습니다. 이는 이미 우리 뇌에 프로그래밍되어 있습니다. 그러나 만약 우리가 어떤 그림을 유심히 살펴보고 다양한 패턴을 살펴본다면, 흥미로운 어떤 것을 찾을 것입니다. 예를 들어 아래의 그림을 봅시다.
이미지는 매우 단순합니다. 이미지의 상단에는 6개의 작은 이미지 조각이 있습니다. 당신이 대답해야할 질문은 원본 이미지에서 이들 조각 이미지의 정확한 위치가 어디냐는 것입니다. 얼마나 많은 정확한 결과를 당신은 찾을 수 있나요?
A와 B는 평편한 표면이고, 이것은 많은 지역에 분포되어 있습니다. 이런 패턴의 정확한 위치를 발견하는 것은 어렵습니다.
C와 D는 좀더 단순합니다. 이들은 건물의 모서리(Edge)입니다. 대략적인 위치는 찾을 수 있지만 정확한 위치는 여전이 말하기 어렵습니다. 이유는 패턴이 모서리를 따라 반복되기 때문입니다. 그래서 모서리는 평편한 영역보다는 더 좋은 특징이기는 하지만 충분히 좋은 특징은 못됩니다.
최종적으로 E와 F는 건물의 귀퉁이(Corner)입니다. 이들은 쉽게 발견할 수 있고 정확히 그 위치를 확인할 수 있음으로 좋은 특징이 될 수 있습니다. 그래서 이제는 더 나은 이해를 위해 (이미지에 범용적으로 사용할 수 있도록) 좀더 단순화를 해봅시다.
위의 이미지에서, 파랑색 조각은 그 위치를 추적하고 발견하기 애매합니다. 검정색 조각은 모서리인데, 수직으로 이동해 보면 이미지가 변하지만 수평으로 이동하면 항상 같아 보입니다. 그리고 빨간색 조각은 모서리(Corner)입니다. 이 빨간색 조각을 이미지 위에서 어디로든 이동해 보면 이미지가 항상 변합니다. 즉 이는 유일합니다. 그래서 기본적으로 모서리는 이미지에서 좋은 특징으로 고려됩니다.
이제, “특징(Feature)은 무엇인가?”라는 질문에 대해 답했습니다. 그러나 다음 질문이 생겼습니다. “이 특징들은 어떻게 찾는가?”라는 질문 말입니다. 또는 “모서리는 어떻게 찾는가?”라는 질문입니다. 이는 직관적인 방법으로 답변되는데, 예를 들어 특징을 갖는 영역의 모든 주변에서 이 특징 영역을 움직일때 최대의 변위를 가지는 곳입니다. 이는 Feature Detection 이라는 이미지 특징을 찾는 또 다른 글에서 살펴 보겠습니다.
이제, 우리는 이미지에서 특징을 발견했다고 가정하겠습니다. 일단 발견하면, 일단 다른 이미지에서 이 특징과 등일한 위치를 찾아야 합니다. 어떻게 할까요? 특징 주위의 영역들을 가져와야 하는데, 이 주의 영역들에 대해서, “윗 부분은 파란 하늘이고, 아래 부분은 건물 영역이고, 건물에는 유리 등이 있다”라고 설명되고 다른 이미지에서 이와 동일한 영역을 찾습니다. 기본적으로 우리들은 특징을 이렇게 말로 설명하는데, 이와 유사한 방식으로 컴퓨터 역시 특징 주위의 영역을 설명하고 다른 이미지에서 이 특징과 동일한 위치를 찾을 수 있습니다. 이러한 컴퓨터 관점에서 특징에 대한 설명을 Feature Description이라고 합니다. 일단 특징을 찾았고, 이 특징을 기술할 수 있다면, 다른 모든 이미지에서 동일한 특징을 찾을 수 있고 이 특징에 대한 조각 이미지를 정렬할 수 있으며 붙여 하나의 큰 이미지를 만드는 등 우리가 원하는 것들을 할 수 있습니다.