🔍 경계선 검출(Edge Detection)이란 뭘까?

🎯 경계선 검출의 핵심 개념들

🛠️ 주요 경계선 검출 알고리즘들

-1  0  +1
-2  0  +2
-1  0  +1

-1  -2  -1
 0   0   0
+1  +2  +1

-1  0  +1
-1  0  +1
-1  0  +1

-1  -1  -1
 0   0   0
+1  +1  +1

Gx:          Gy:
+1   0       0  +1
 0  -1      -1   0

 0  -1   0
-1   4  -1
 0  -1   0

✨ 에지 강화(Edge Enhancement) 기법

 0  -1   0
-1   5  -1
 0  -1   0

-1  -1  -1
-1   9  -1
-1  -1  -1

🔬 고급 기법들

-1   0  +1
-2   0  +2
-1   0  +1

💻 실전 구현 예제

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 이미지 읽기
image = cv2.imread('input.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 1. 노이즈 제거를 위한 가우시안 블러
blurred = cv2.GaussianBlur(gray, (5, 5), 1.4)

# 2. Canny Edge Detection 적용
# 파라미터: (이미지, 낮은 임계값, 높은 임계값)
edges = cv2.Canny(blurred, 50, 150)

# 3. 결과 시각화
plt.figure(figsize=(15, 5))

plt.subplot(131)
plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
plt.title('원본 이미지')
plt.axis('off')

plt.subplot(132)
plt.imshow(gray, cmap='gray')
plt.title('그레이스케일')
plt.axis('off')

plt.subplot(133)
plt.imshow(edges, cmap='gray')
plt.title('Canny Edge Detection')
plt.axis('off')

plt.tight_layout()
plt.show()

# 결과 저장
cv2.imwrite('edges_output.jpg', edges)

import cv2
import numpy as np

def unsharp_mask(image, kernel_size=(5, 5), sigma=1.0, amount=1.0, threshold=0):
    """
    언샤프 마스킹을 적용하는 함수
    
    Parameters:
    - image: 입력 이미지
    - kernel_size: 가우시안 커널 크기
    - sigma: 가우시안 표준편차
    - amount: 샤프닝 강도 (1.0 = 100%)
    - threshold: 임계값 (0 = 모든 픽셀에 적용)
    """
    # 블러 이미지 생성
    blurred = cv2.GaussianBlur(image, kernel_size, sigma)
    
    # 디테일 마스크 계산 (원본 - 블러)
    detail_mask = cv2.subtract(image, blurred)
    
    # 임계값 적용 (선택적)
    if threshold > 0:
        _, detail_mask = cv2.threshold(detail_mask, threshold, 255, cv2.THRESH_TOZERO)
    
    # 샤프닝 적용 (원본 + amount × 디테일)
    sharpened = cv2.addWeighted(image, 1.0, detail_mask, amount, 0)
    
    return sharpened

# 사용 예제
image = cv2.imread('input.jpg')

# 약한 샤프닝
mild_sharp = unsharp_mask(image, sigma=1.0, amount=0.5, threshold=5)

# 중간 샤프닝
medium_sharp = unsharp_mask(image, sigma=1.5, amount=1.0, threshold=5)

# 강한 샤프닝
strong_sharp = unsharp_mask(image, sigma=2.0, amount=1.5, threshold=10)

# 결과 저장
cv2.imwrite('mild_sharpened.jpg', mild_sharp)
cv2.imwrite('medium_sharpened.jpg', medium_sharp)
cv2.imwrite('strong_sharpened.jpg', strong_sharp)

import cv2
import numpy as np

def sobel_edge_detection(image):
    """
    Sobel 연산자를 직접 구현한 경계선 검출
    """
    # 그레이스케일 변환
    if len(image.shape) == 3:
        gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    else:
        gray = image.copy()
    
    # Sobel 커널 정의
    sobel_x = np.array([[-1, 0, 1],
                        [-2, 0, 2],
                        [-1, 0, 1]], dtype=np.float32)
    
    sobel_y = np.array([[-1, -2, -1],
                        [ 0,  0,  0],
                        [ 1,  2,  1]], dtype=np.float32)
    
    # 컨볼루션 적용
    grad_x = cv2.filter2D(gray, cv2.CV_32F, sobel_x)
    grad_y = cv2.filter2D(gray, cv2.CV_32F, sobel_y)
    
    # 그래디언트 크기 계산
    magnitude = np.sqrt(grad_x**2 + grad_y**2)
    
    # 그래디언트 방향 계산 (라디안)
    direction = np.arctan2(grad_y, grad_x)
    
    # 0-255 범위로 정규화
    magnitude = np.uint8(255 * magnitude / np.max(magnitude))
    
    return magnitude, direction, grad_x, grad_y

# 사용 예제
image = cv2.imread('input.jpg')
magnitude, direction, grad_x, grad_y = sobel_edge_detection(image)

# 결과 시각화
import matplotlib.pyplot as plt

plt.figure(figsize=(15, 10))

plt.subplot(231)
plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
plt.title('원본 이미지')
plt.axis('off')

plt.subplot(232)
plt.imshow(grad_x, cmap='gray')
plt.title('X 방향 그래디언트')
plt.axis('off')

plt.subplot(233)
plt.imshow(grad_y, cmap='gray')
plt.title('Y 방향 그래디언트')
plt.axis('off')

plt.subplot(234)
plt.imshow(magnitude, cmap='gray')
plt.title('그래디언트 크기')
plt.axis('off')

plt.subplot(235)
plt.imshow(direction, cmap='hsv')
plt.title('그래디언트 방향')
plt.colorbar()
plt.axis('off')

plt.subplot(236)
# 임계값 적용
_, binary = cv2.threshold(magnitude, 50, 255, cv2.THRESH_BINARY)
plt.imshow(binary, cmap='gray')
plt.title('이진화된 경계선')
plt.axis('off')

plt.tight_layout()
plt.show()

🎯 실무 활용 사례

⚠️ 주의사항 및 한계점

🔮 미래 전망과 최신 트렌드

📚 학습 리소스 및 추천 도구

🎬 마무리하며