이미지 처리, 컴퓨터 비전, 머신 비전 살펴보기

AI는 모든 종류의 데이터를 분석하는 데 사용할 수 있으며, 이미지와 동영상 같은 시각 데이터의 분석은 이미지 분석 분야에 해당하고 여기에는 다양한 기술이 포함됩니다. 이미지 처리, 컴퓨터 비전, 머신 비전을 활용하면 이미지와 동영상 프레임을 분석해 컴퓨터가 세상을 보고 이해할 수 있습니다. 이 세 기술은 비슷해 보이지만 중요한 차이가 있어 다양한 애플리케이션에 각각 유용하게 적용됩니다. 이미지 처리는 이미지와 동영상 프레임을 조작하고 향상하는 데 중점을 두며, 컴퓨터 비전은 한 단계 더 나아가 처리된 이미지를 사용해 컴퓨터가 콘텐츠를 해석하고 이해하도록 합니다. 반면 머신 비전은 컴퓨터 비전 기법을 산업 환경에 특화해 적용하며, 검사 및 품질 관리 작업 등에 활용됩니다.

그림 1. 시각 데이터 분석에 사용되는 주요 기술입니다.

이 세 분야는 의료, 제조, 농업 등 다양한 산업에서 여러 애플리케이션을 구현합니다. 이 글에서는 이미지 처리, 컴퓨터 비전, 머신 비전을 살펴보고 각 기술의 차이를 설명합니다. 또한 각 기술의 작동 방식과 여러 산업에서의 활용 방법도 알아봅니다.

이미지 처리란 무엇인가요?#

컴퓨터 비전과 머신 비전의 기반이 되는 핵심 기술인 이미지 처리부터 살펴보겠습니다. 이미지 처리에서는 알고리즘을 사용해 디지털 이미지를 조작하고 개선합니다. 밝기, 대비, 색상 균형 등의 매개변수를 조정하거나 노이즈를 제거하여 이미지가 더 고도화된 분석과 해석에 적합하도록 준비합니다.

이미지 처리가 어떻게 작동하는지 살펴보겠습니다. 이미지 처리는 이미지를 개별 픽셀로 분해한 다음, 원하는 효과를 얻도록 픽셀을 조작하는 방식으로 이루어집니다. 예를 들어 이미지의 밝기를 높이기 위해 알고리즘이 각 픽셀의 강도를 높일 수 있습니다. 마찬가지로 가장자리를 탐지하려면 픽셀 값의 급격한 변화를 찾을 수 있습니다. 이러한 픽셀에 수학적 연산과 알고리즘을 적용하면 이미지 품질을 개선하고 정보를 추출하거나 새로운 이미지를 만들 수 있습니다.

이미지 처리 기술은 데이터 처리와 선명하고 품질이 높은 시각 데이터셋을 만드는 데도 필수적이며, 컴퓨터 비전 및 머신 비전 시스템이 이를 정확하게 분석하도록 돕습니다. OpenCV와 MATLAB 같은 라이브러리는 다양한 분야의 개발자와 연구자가 이러한 이미지 처리 기술을 활용할 수 있도록 강력한 프레임워크를 제공합니다.

널리 사용되는 이미지 처리 기술은 다음과 같습니다.

• 필터링: 필터링은 변동과 왜곡을 부드럽게 처리해 이미지의 노이즈 수준을 낮추는 데 사용됩니다. 일반적인 필터로는 블러 처리에 사용하는 가우시안 필터와 무작위 흑백 픽셀로 나타나는 소금-후추 노이즈를 제거하는 미디언 필터가 있습니다.
• 에지 감지: 픽셀 강도의 급격한 변화를 감지해 이미지 속 객체의 경계를 식별하는 데 사용됩니다. 의료 영상과 같은 애플리케이션에서는 에지 감지를 통해 장기와 종양의 구조를 윤곽으로 표시합니다.
• 임계값 처리: 이미지 처리에서 임계값 처리는 임계값을 설정해 그레이스케일 이미지를 이진 이미지로 변환하는 과정입니다. 임계값보다 높은 픽셀은 흰색(1)으로, 낮은 픽셀은 검은색(0)으로 변환됩니다.

그림 2. 임계값 처리 전후의 그레이스케일 이미지.

이미지 처리의 활용 사례 살펴보기#

이미지 복원은 이미지 처리의 훌륭한 활용 사례입니다. 시간이 지나면서 품질이 저하된 이미지를 복구하는 작업입니다. 필터링과 노이즈 감소 같은 기술을 사용해 표시, 긁힘, 얼룩, 마모 및 손상을 제거하고 저하된 이미지를 원래 품질로 복원합니다. 이미지 복원은 오래된 사진처럼 이미지 품질이 낮거나 손상된 경우 특히 유용합니다.

그림 3. 이미지 처리를 사용해 오래되고 손상된 이미지를 복원할 수 있습니다.

컴퓨터 비전이란 무엇인가요?#

이미지를 변경하고 향상하는 데 초점을 맞추는 이미지 처리와 달리, 컴퓨터 비전은 컴퓨터가 현실 세계를 보고 이해할 수 있도록 합니다. 많은 애플리케이션에서 컴퓨터 비전을 활용해 이미지나 동영상 프레임 속 객체와 사람을 식별하고 이해합니다. 컴퓨터 비전은 주변을 보고 이해하는 인간의 방식을 재현하려고 합니다.

컴퓨터 비전은 감시와 같은 작업을 자동화하는 데 사용할 수 있습니다. 또한 안면 인식, 의료 영상, 자율주행 차량 등 다양한 실용적인 애플리케이션에도 활용됩니다. 컴퓨터 비전 모델은 딥러닝 기법으로 학습해 대규모 이미지 데이터셋에서 복잡한 특징과 패턴을 추출하고 식별합니다. 이후 다양한 산업에서 학습된 모델, 예를 들어 Ultralytics YOLOv8을 객체 감지와 객체 추적 등의 작업에 사용합니다.

그림 4. 객체 감지에 Ultralytics YOLOv8을 사용하는 예시입니다.

예를 들어 Tesla와 같은 자율주행차는 컴퓨터 비전을 사용해 현실 세계를 주행합니다. 차량의 내장 카메라가 촬영한 영상은 컴퓨터 비전으로 처리됩니다. 객체 감지 및 추적, 세그멘테이션과 같은 컴퓨터 비전 작업은 교통 상황과 주변 환경을 파악하는 데 필수적입니다. 또 다른 흥미로운 애플리케이션은 안면 인식입니다. 컴퓨터 비전은 이미지나 동영상에서 사람의 얼굴을 포착하고 주요 특징을 식별한 다음 저장된 얼굴 데이터베이스와 비교해 이미지 속 얼굴 특징을 분석하고 인식하는 데 사용할 수 있습니다.

머신 비전이란 무엇인가요?#

머신 비전은 대형 제조 공장이나 생산 시설과 같은 산업 환경에서 제품 품질을 보장하고 완제품의 라벨과 바코드가 올바른지 확인하는 등의 애플리케이션에 사용됩니다. 머신 비전은 까다로운 조건에서 효과적으로 작동하기 위해 내구성 있는 하드웨어에 의존하는 컴퓨터 비전의 특화 분야입니다. 산업 애플리케이션에 통합되는 시스템이므로 높은 속도와 실시간 정확도가 필수적입니다.

작동 방식을 살펴보겠습니다. 먼저 하나 이상의 고해상도 카메라를 사용해 데이터를 수집합니다. 이 카메라에는 적외선 또는 열화상과 같은 특수 기능이 포함될 수도 있습니다. 그런 다음 수집한 데이터를 컴퓨터 비전 기법으로 분석해 필요한 정보를 추출합니다. 추출되는 정보에는 일반적으로 애플리케이션에 따라 객체 식별, 형태, 크기, 움직임, 패턴, 장면에 존재하는 이상 징후 등이 포함됩니다.

머신 비전의 활용 사례 이해하기#

제조 생산 라인의 품질 관리는 고품질 제품만 고객에게 전달되도록 해 고객 만족도와 수익을 높입니다. 기존 방식은 대개 수동 검사에 의존하므로 시간이 많이 걸리고 사람의 실수가 발생하기 쉽습니다. 품질 관리가 미흡하면 생산이 지연되고 재정적 손실이 발생해 기업 평판에도 영향을 미칠 수 있습니다. 머신 비전을 활용해 표면 검사, 라벨 검증, 객체 위치 지정 등의 작업을 자동화하는 것이 효과적인 해결책입니다.

예를 들어 제약 산업에서는 제품 품질이 매우 중요하며 높은 기준을 유지하기 위해 엄격한 규정이 적용됩니다. 머신 비전을 사용하면 블리스터 팩에 정확한 수량의 알약이 들어 있는지 확인할 수 있습니다. 예를 들어 10개들이 팩마다 알약이 정확히 10개씩 들어 있는지 검증할 수 있습니다. 의약품 알약과 같은 데이터셋으로 학습한 YOLOv8 같은 컴퓨터 비전 모델을 사용해 객체 감지로 알약을 식별하고 개수를 셀 수 있습니다.

그림 5. 머신 비전은 제약 산업의 품질 관리에 사용할 수 있습니다.

하지만 머신 비전을 사용할 때 고려해야 할 몇 가지 한계를 알아둘 필요가 있습니다. 머신 비전 시스템은 산업 환경에서 제품을 비추기 위해 뛰어난 조명 조건을 필요로 하는 경우가 많습니다. 데이터를 캡처하고 분석 속도를 높이려면 고품질 카메라, 프로세서, 하드웨어 가속기도 필요합니다. 이러한 시스템은 산업 환경의 실용적인 작업에 특화해 설계되므로 설치 비용이 높을 수 있습니다.

이미지 처리, 컴퓨터 비전, 머신 비전의 주요 차이점#

세 가지 기술을 각각 살펴보고 몇 가지 활용 사례를 알아보았으니, 이제 나란히 비교해 보겠습니다.

그림 6. 이미지 처리, 컴퓨터 비전, 머신 비전의 나란한 비교.

이미지 처리는 밝기 조정이나 노이즈 필터링처럼 계산 성능이 덜 필요하고 복잡한 시각 정보를 이해하는 기능이 필요하지 않은 작업에 적합합니다. 반면 컴퓨터 비전은 이미지에서 의미 있는 인사이트를 추출하고 복잡한 장면을 처리하는 데 뛰어나지만, 더 많은 컴퓨팅 리소스와 복잡성을 요구합니다. 머신 비전은 자동 검사와 같은 산업 용도에 맞춰져 있으며, 특수하고 비용이 많이 드는 시스템을 사용하는 경우가 많습니다.

전체적인 관점에서 살펴보기#

이미지 처리, 컴퓨터 비전, 머신 비전은 밀접하게 연관되어 있지만 각각 서로 다른 목적을 수행합니다. 이미지 처리는 픽셀 수준에서 이미지를 향상하고 조작하므로 이미지 복원과 같은 작업에 매우 유용합니다.

반면 컴퓨터 비전은 한 걸음 더 나아가 컴퓨터가 시각 데이터를 이해하고 해석할 수 있도록 합니다. 안면 인식과 자율주행차 같은 활용 사례에서 핵심적인 역할을 합니다. 또한 머신 비전은 산업용 애플리케이션에 특화되어 검사와 품질 관리 같은 산업 공정을 자동화합니다.

이러한 기술과 차이점을 이해하면 애플리케이션에 가장 적합한 기술을 선택해 효율성과 결과를 개선할 수 있습니다.

함께 배우고 탐구해 보세요! AI에 기여한 내용을 확인하려면 GitHub 저장소를 방문하고, 커뮤니티에도 참여해 주세요. AI 기술로 제조와 의료 같은 산업을 어떻게 재정의하고 있는지 살펴보세요.