이미지 처리, 컴퓨터 비전 및 머신 비전 탐구

AI는 모든 종류의 데이터를 분석하는 데 사용될 수 있으며, 이미지나 동영상과 같은 시각적 데이터의 경우 이는 다양한 기술을 포함하는 이미지 분석 영역에 속합니다. 이미지 처리, computer vision, 그리고 machine vision은 컴퓨터가 이미지와 비디오 프레임을 분석하여 세상을 보고 이해할 수 있게 합니다. 이 세 가지 기술은 비슷해 보이지만, 핵심적인 차이점으로 인해 다양한 애플리케이션에서 유용하게 사용됩니다. 이미지 처리는 이미지와 비디오 프레임을 조작하고 개선하는 데 중점을 두는 반면, computer vision은 이러한 processed images를 사용하여 컴퓨터가 콘텐츠를 해석하고 이해하도록 돕는 단계로 나아갑니다. 반면에 machine vision은 computer vision techniques를 inspections and quality control 작업과 같은 산업 환경에 구체적으로 적용합니다.

Fig 1. 시각 데이터 분석에 사용되는 주요 기술.

이 세 가지 분야는 의료, 제조, 농업 등 다양한 산업 전반에 걸쳐 여러 애플리케이션을 가능하게 합니다. 이 글에서는 이미지 처리, 컴퓨터 비전, 머신 비전을 탐구하고 그 차이점에 대해 논의할 것입니다. 또한 이 기술들이 어떻게 작동하며 다양한 산업에서 어떻게 사용되는지 살펴봅니다. 시작해 보겠습니다.

Link to this section이미지 처리란 무엇인가요?#

컴퓨터 비전과 머신 비전의 근간이 되는 기본 기술인 이미지 처리부터 시작하겠습니다. 이미지 처리는 알고리즘을 사용하여 디지털 이미지를 조작하고 향상하며, 밝기, 대비, 색상 균형과 같은 매개변수를 조정하거나 노이즈를 필터링하여 보다 정교한 분석과 해석을 준비하는 작업을 포함합니다.

작동 방식을 살펴보겠습니다. 이미지 처리는 이미지를 개별 픽셀로 분해한 다음, 이러한 픽셀을 조작하여 원하는 효과를 얻는 방식으로 수행됩니다. 예를 들어 이미지를 더 밝게 만들기 위해 알고리즘은 각 픽셀의 강도를 높일 수 있습니다. 마찬가지로, 에지를 감지하기 위해 픽셀 값의 급격한 변화를 찾을 수 있습니다. 이러한 픽셀에 수학적 연산과 알고리즘을 적용함으로써 이미지 처리는 이미지 품질을 향상하거나, 정보를 추출하거나, 새로운 이미지를 만드는 데 사용될 수 있습니다.

이미지 처리 기술은 데이터 처리 및 명확하고 고품질의 이미지를 포함하는 시각적 데이터셋을 생성하는 데 필수적이며, 컴퓨터 비전 및 머신 비전 시스템이 이를 정확하게 분석하도록 돕습니다. OpenCV 및 MATLAB과 같은 라이브러리는 다양한 분야의 개발자와 연구자가 이러한 이미지 처리 기술에 접근할 수 있도록 강력한 프레임워크를 제공합니다.

대중적인 이미지 처리 기술은 다음과 같습니다.

• 필터링: 필터링은 변동과 왜곡을 부드럽게 하여 이미지의 노이즈 수준을 줄이는 데 적용됩니다. 일반적인 필터로는 블러링을 위한 가우시안 필터와 무작위 흰색 및 검은색 픽셀로 나타나는 솔트 앤 페퍼(salt-and-pepper) 노이즈를 제거하기 위한 메디안 필터가 있습니다.
• 에지 감지: 픽셀 강도의 급격한 변화를 감지하여 이미지 내 객체의 경계를 식별하는 데 사용됩니다. 의료 영상과 같은 애플리케이션은 에지 감지를 사용하여 장기와 종양의 구조를 윤곽을 잡습니다.
• 임계값 처리(Thresholding): 이미지 처리에서 임계값 처리는 임계값을 설정하여 그레이스케일 이미지를 이진 이미지로 변환하는 것을 포함합니다. 임계값보다 높은 픽셀은 흰색(1)으로, 낮은 픽셀은 검은색(0)으로 바뀝니다.

Fig 2. 임계값 처리 전후의 그레이스케일 이미지.

Link to this section이미지 처리 애플리케이션 탐구#

이미지 복원은 이미지 처리 애플리케이션의 훌륭한 예입니다. 이는 시간이 지남에 따라 품질이 저하된 이미지를 복구하는 것을 포함합니다. 필터링 및 노이즈 감소와 같은 기술을 사용하여 마킹, 긁힘, 얼룩, 마모 및 손상을 제거하고 손상된 이미지를 원래 품질로 복원합니다. 이미지 복원은 오래된 사진처럼 이미지가 저화질이거나 손상된 상황에서 특히 유용합니다.

Fig 3. 이미지 처리를 사용하여 오래된 손상 이미지를 복원할 수 있습니다.

Link to this section컴퓨터 비전이란 무엇인가요?#

이미지를 변경하고 향상하는 데 중점을 두는 이미지 처리와 달리, 컴퓨터 비전은 컴퓨터에 현실 세계를 보고 이해하는 능력을 부여합니다. 많은 애플리케이션이 컴퓨터 비전을 사용하여 이미지나 비디오 프레임 속의 객체와 사람을 식별하고 이해합니다. 이는 인간의 시각을 복제하며 우리가 주변을 보며 사물을 이해하는 방식을 모방하고자 합니다.

컴퓨터 비전은 감시와 같은 작업을 자동화하는 데 사용될 수 있습니다. 또한 안면 인식, 의료 영상, 자율 주행 차량 등 실용적인 애플리케이션도 광범위하게 보유하고 있습니다. 컴퓨터 비전 모델은 대규모 이미지 데이터셋에서 복잡한 특징과 패턴을 추출하고 식별하도록 딥러닝 기술을 사용하여 학습됩니다. 다양한 산업 분야에서는 Ultralytics YOLOv8과 같이 학습된 모델을 객체 탐지 및 객체 추적과 같은 다양한 작업에 사용합니다.

Fig 4. An example of using Ultralytics YOLOv8 for object detection.

예를 들어, 테슬라와 같은 자율 주행 자동차는 컴퓨터 비전을 사용하여 실제 세계를 탐색합니다. 차량에 탑재된 카메라가 포착한 영상은 컴퓨터 비전을 사용하여 처리됩니다. 객체 탐지, 추적 및 세그멘테이션과 같은 컴퓨터 비전 작업은 교통 상황과 주변 환경을 이해하는 데 매우 중요합니다. 또 다른 흥미로운 애플리케이션은 안면 인식입니다. 컴퓨터 비전은 이미지나 비디오에서 사람의 얼굴을 캡처하고, 핵심 특징을 식별하며, 이를 저장된 안면 데이터베이스와 비교함으로써 이미지 속의 안면 특징을 분석하고 인식하는 데 사용될 수 있습니다.

Link to this section머신 비전이란 무엇인가요?#

머신 비전은 산업 현장에서 사용됩니다. 대규모 제조 공장이나 생산 시설에서 제품 품질을 보장하거나 완제품의 라벨과 바코드가 정확한지 확인하는 등의 용도로 활용됩니다. 머신 비전은 열악한 조건에서 효과적으로 작동하기 위해 내구성이 뛰어난 하드웨어에 의존하는 컴퓨터 비전의 전문 분야입니다. 이러한 시스템은 산업용 애플리케이션과 통합되므로 빠른 속도와 실시간 정확성이 필수적입니다.

작동 방식을 살펴보겠습니다. 먼저, 하나 이상의 고해상도 카메라를 사용하여 데이터를 수집합니다. 이러한 카메라에는 적외선이나 열화상과 같은 특수 기능이 포함될 수 있습니다. 그런 다음, 수집된 데이터를 컴퓨터 비전 기술을 사용하여 분석하여 필요한 정보를 추출합니다. 추출된 정보는 특정 애플리케이션에 따라 객체 식별, 모양, 크기, 움직임, 패턴 및 장면에 존재하는 이상 징후와 같은 세부 정보를 포함합니다.

Link to this section머신 비전의 애플리케이션 이해#

제조 생산 라인의 품질 관리는 고품질 제품만이 고객에게 전달되도록 보장하여 고객 만족도 향상과 이익 증가로 이어집니다. 기존 방식은 수동 검사에 의존하는 경우가 많으며, 이는 매우 시간이 많이 걸리고 인적 오류가 발생하기 쉽습니다. 품질 관리가 부실하면 생산 지연과 재정적 손실로 이어져 기업의 평판에 영향을 줄 수 있습니다. 머신 비전을 통해 표면 검사, 라벨 검증, 객체 위치 지정과 같은 작업을 자동화하는 것이 훌륭한 해결책입니다.

예를 들어, 제약 산업에서는 제품 품질이 매우 중요하며 높은 기준을 유지하기 위해 엄격한 규제가 시행됩니다. 머신 비전을 사용하여 블리스터 팩에 올바른 수의 알약이 들어 있는지 확인하여 각 팩에 정확한 수량(예: 10개입 팩에 10개의 알약)이 포함되어 있는지 검증할 수 있습니다. YOLOv8과 같은 컴퓨터 비전 모델을 사용하여 객체 탐지를 통해 알약을 식별하고 개수를 셀 수 있습니다.

Fig 5. 머신 비전은 제약 산업의 품질 관리에 사용될 수 있습니다.

하지만 머신 비전으로 작업할 때 고려해야 할 몇 가지 제한 사항이 있음을 인지하는 것이 중요합니다. 머신 비전 시스템은 산업 환경에서 제품을 비출 수 있는 우수한 조명 조건이 필요한 경우가 많습니다. 데이터를 캡처하고 분석 프로세스의 속도를 높이기 위해 고품질 카메라, 프로세서 및 하드웨어 가속기도 필요합니다. 이러한 시스템이 산업 현장의 실용적인 작업을 위해 특별히 설계되었다는 직접적인 결과로 인해 설치 비용이 많이 들 수 있습니다.

Link to this section이미지 처리, 컴퓨터 비전, 머신 비전의 주요 차이점#

이제 세 가지 기술을 개별적으로 논의하고 몇 가지 애플리케이션을 살펴보았으니, 나란히 비교해 보겠습니다.

Fig 6. 이미지 처리, 컴퓨터 비전, 머신 비전의 나란한 비교.

이미지 처리는 더 적은 계산 능력이 필요하고 복잡한 시각 정보를 이해할 능력이 필요하지 않은 밝기 조정이나 노이즈 필터링과 같은 작업에 가장 적합합니다. 반면 컴퓨터 비전은 이미지에서 의미 있는 인사이트를 추출하고 복잡한 장면을 처리하는 데 탁월하지만, 더 많은 계산 리소스와 복잡성이 필요합니다. 한편, 머신 비전은 자동화된 검사와 같은 산업용으로 맞춤화되어 있으며, 종종 전문적이고 값비싼 시스템의 지원을 받습니다.

Link to this section더 큰 그림 보기#

이미지 처리, 컴퓨터 비전, 머신 비전은 밀접하게 관련되어 있지만 각각 뚜렷한 목적을 가지고 있습니다. 이미지 처리는 픽셀 수준에서 이미지를 향상하고 조작하며, 이미지 재구성과 같은 작업에 매우 유용합니다.

반면 컴퓨터 비전은 컴퓨터가 시각 데이터를 이해하고 파악할 수 있는 능력을 부여함으로써 한 걸음 더 나아갑니다. 이는 안면 인식이나 자율 주행 자동차와 같은 사용 사례에 매우 중요합니다. 또한 머신 비전은 특히 산업용 애플리케이션에 사용됩니다. 이는 검사 및 품질 관리와 같은 산업 프로세스를 자동화합니다.

이러한 기술과 그 차이점을 이해하면 애플리케이션에 가장 적합한 기술을 선택하여 효율성을 높이고 더 나은 결과를 얻을 수 있습니다.

함께 배우고 탐험해 봅시다! 당사의 GitHub 리포지토리를 방문하여 AI에 대한 기여를 확인하고, 커뮤니티에도 참여하는 것을 잊지 마세요. 최첨단 AI 기술로 제조 및 의료와 같은 산업을 어떻게 재정의하고 있는지 확인해 보시기 바랍니다.