이미지 처리, 컴퓨터 비전 및 머신 비전 살펴보기

AI는 모든 종류의 데이터를 분석하는 데 사용할 수 있으며, 이미지와 동영상 같은 시각적 데이터의 경우 이는 다양한 기술을 활용하는 이미지 분석 분야에 해당합니다. 이미지 처리, 컴퓨터 비전, 머신 비전을 통해 컴퓨터는 이미지와 동영상 프레임을 분석하여 세상을 보고 이해할 수 있습니다. 이 세 가지 기술은 서로 비슷해 보이지만, 중요한 차이로 인해 다양한 애플리케이션에 활용됩니다. 이미지 처리는 이미지와 동영상 프레임을 조작하고 향상하는 데 중점을 두는 반면, 컴퓨터 비전은 한 단계 더 나아가 이러한 처리된 이미지를 사용하여 컴퓨터가 그 내용을 해석하고 이해하도록 지원합니다. 반면 머신 비전은 컴퓨터 비전 기술을 산업 환경에 특화하여 적용하며, 검사 및 품질 관리 작업 등에 활용됩니다.

그림 1. 시각적 데이터 분석에 사용되는 주요 기술입니다.

이 세 분야는 의료, 제조, 농업 등 다양한 산업에서 여러 애플리케이션을 가능하게 합니다. 이 글에서는 이미지 처리, 컴퓨터 비전, 머신 비전을 살펴보고 서로의 차이점을 알아봅니다. 또한 각 기술의 작동 방식과 다양한 산업에서의 활용 방법을 자세히 살펴보겠습니다. 시작하겠습니다.

이미지 처리란 무엇인가요?#

먼저 컴퓨터 비전과 머신 비전의 기반이 되는 핵심 기술인 이미지 처리부터 살펴보겠습니다. 이미지 처리는 알고리즘을 사용하여 디지털 이미지를 조작하고 향상하는 과정으로, 고급 분석 및 해석을 위해 밝기, 대비, 색상 균형과 같은 매개변수를 조정하거나 노이즈를 제거합니다.

이미지 처리가 어떻게 작동하는지 살펴보겠습니다. 이미지 처리는 이미지를 개별 픽셀로 분해한 다음, 원하는 효과를 얻도록 이 픽셀을 조작하는 방식으로 수행됩니다. 예를 들어 이미지를 더 밝게 만들려면 알고리즘이 각 픽셀의 강도를 높일 수 있습니다. 마찬가지로 윤곽선을 감지하려면 픽셀 값의 급격한 변화를 찾을 수 있습니다. 이러한 픽셀에 수학적 연산과 알고리즘을 적용하면 이미지 품질 향상, 정보 추출 또는 새로운 이미지 생성에 이미지 처리를 사용할 수 있습니다.

이미지 처리 기술은 데이터를 처리하고 선명하고 고품질인 이미지로 시각적 데이터셋을 만드는 데 필수적이며, 컴퓨터 비전 및 머신 비전 시스템이 이미지를 정확하게 분석하도록 지원합니다. OpenCV 및 MATLAB과 같은 라이브러리는 이러한 이미지 처리 기술을 다양한 분야의 개발자와 연구자가 쉽게 활용할 수 있도록 강력한 프레임워크를 제공합니다.

다음은 널리 사용되는 이미지 처리 기술입니다.

• 필터링: 필터링은 이미지의 변동과 왜곡을 평활화하여 노이즈 수준을 낮추는 데 사용됩니다. 일반적인 필터로는 블러링에 사용되는 가우시안 필터와 소금-후추 노이즈를 제거하는 데 사용되는 미디언 필터가 있습니다. 소금-후추 노이즈는 무작위로 나타나는 흰색 및 검은색 픽셀입니다.
• 윤곽선 감지: 픽셀 강도의 급격한 변화를 감지하여 이미지 속 객체의 경계를 식별하는 데 사용됩니다. 의료 영상과 같은 애플리케이션에서는 윤곽선 감지를 사용하여 장기와 종양의 구조를 표시합니다.
• 임계값 처리: 이미지 처리에서 임계값 처리는 임계값을 설정하여 그레이스케일 이미지를 이진 이미지로 변환하는 과정입니다. 임계값보다 높은 픽셀은 흰색(1)으로, 낮은 픽셀은 검은색(0)으로 변환됩니다.

그림 2. 임계값 처리 전후의 그레이스케일 이미지입니다.

이미지 처리 애플리케이션 살펴보기#

이미지 복원은 이미지 처리의 애플리케이션을 보여주는 좋은 예입니다. 시간이 지나며 품질이 저하된 이미지를 복구하는 과정입니다. 필터링 및 노이즈 감소와 같은 기술을 사용하여 자국, 긁힘, 얼룩, 마모 및 손상을 제거하고 저하된 이미지를 원래 품질로 복원합니다. 이미지 복원은 오래된 사진처럼 이미지 품질이 낮거나 손상된 경우에 특히 유용합니다.

그림 3. 이미지 처리를 사용하여 손상된 오래된 이미지를 복원할 수 있습니다.

컴퓨터 비전이란 무엇인가요?#

이미지를 변경하고 향상하는 데 중점을 두는 이미지 처리와 달리, 컴퓨터 비전은 컴퓨터가 현실 세계를 보고 이해할 수 있도록 합니다. 많은 애플리케이션에서 컴퓨터 비전을 사용하여 이미지나 동영상 프레임 속 객체와 사람을 식별하고 이해합니다. 컴퓨터 비전은 인간의 시각을 모방하고, 우리가 주변에서 보는 것을 이해하는 방식을 재현하려고 합니다.

컴퓨터 비전은 감시와 같은 작업을 자동화하는 데 사용할 수 있습니다. 또한 얼굴 인식, 의료 영상, 자율주행 차량 등 다양한 실용적인 애플리케이션에 활용됩니다. 컴퓨터 비전 모델은 딥러닝 기술을 사용하여 대규모 이미지 데이터셋에서 복잡한 특징과 패턴을 추출하고 식별하도록 학습됩니다. 이후 다양한 산업에서 Ultralytics YOLOv8과 같은 학습된 모델을 객체 탐지 및 객체 추적과 같은 여러 작업에 사용합니다.

그림 4. 객체 탐지에 Ultralytics YOLOv8을 사용하는 예입니다.

예를 들어 Tesla와 같은 자율주행 자동차는 컴퓨터 비전을 사용하여 현실 세계를 주행합니다. 차량에 장착된 카메라가 촬영한 영상은 컴퓨터 비전을 사용하여 처리됩니다. 객체 탐지 및 추적, 세그멘테이션과 같은 컴퓨터 비전 작업은 교통 상황과 주변 환경을 이해하는 데 필수적입니다. 또 다른 흥미로운 애플리케이션은 얼굴 인식입니다. 컴퓨터 비전은 사람의 얼굴을 이미지 또는 동영상에서 캡처하고, 주요 특징을 식별한 다음, 저장된 얼굴 데이터베이스와 비교하여 이미지 속 얼굴 특징을 분석하고 인식하는 데 사용할 수 있습니다.

머신 비전이란 무엇인가요?#

머신 비전은 산업 환경에서 대규모 제조 공장이나 생산 시설의 제품 품질 보장, 완제품의 라벨 및 바코드 정확성 확인과 같은 애플리케이션에 사용됩니다. 머신 비전은 열악한 환경에서 효과적으로 작동하기 위해 내구성이 뛰어난 하드웨어에 의존하는 컴퓨터 비전의 특화된 분야입니다. 이러한 시스템은 산업 애플리케이션에 통합되므로 높은 속도와 실시간 정확도가 필수적입니다.

작동 방식을 살펴보겠습니다. 먼저 하나 이상의 고해상도 카메라를 사용하여 데이터를 수집합니다. 이러한 카메라에는 적외선이나 열화상과 같은 특수 기능이 포함될 수도 있습니다. 그런 다음 수집된 데이터를 컴퓨터 비전 기술로 분석하여 필요한 정보를 추출합니다. 추출되는 정보에는 일반적으로 특정 애플리케이션에 따라 객체 식별, 형태, 크기, 움직임, 패턴 및 장면에 존재하는 이상 징후와 같은 세부 정보가 포함됩니다.

머신 비전 애플리케이션 이해하기#

제조 생산 라인의 품질 관리는 고품질 제품만 고객에게 전달되도록 하여 고객 만족도와 수익을 높입니다. 기존 방식은 수동 검사에 의존하는 경우가 많아 시간이 매우 오래 걸리고 사람의 실수가 발생하기 쉽습니다. 품질 관리가 제대로 이루어지지 않으면 생산 지연과 재정적 손실로 이어져 회사의 평판에 영향을 줄 수도 있습니다. 머신 비전을 활용하여 표면 검사, 라벨 검증, 객체 위치 지정과 같은 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 수의 알약이 들어 있는지 확인할 수 있으며, 10개들이 포장에 알약 10개가 들어 있는 것처럼 각 팩의 수량이 정확히 맞는지 검증할 수 있습니다. YOLOv8과 같은 컴퓨터 비전 모델을 사용하여 객체 탐지로 알약을 식별하고 계수할 수 있습니다.

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

그러나 머신 비전으로 작업할 때는 고려해야 할 몇 가지 한계가 있다는 점을 알아야 합니다. 머신 비전 시스템은 산업 환경에서 제품을 조명하기 위해 우수한 조명 조건을 필요로 하는 경우가 많습니다. 데이터를 캡처하고 분석 프로세스의 속도를 높이려면 고품질 카메라, 프로세서 및 하드웨어 가속기도 필요합니다. 이러한 시스템은 산업 환경의 실용적인 작업을 위해 특별히 설계되므로 구축 비용이 높을 수 있습니다.

이미지 처리, 컴퓨터 비전 및 머신 비전의 주요 차이점#

이제 세 가지 기술을 각각 살펴보고 몇 가지 애플리케이션을 알아보았으므로, 나란히 비교하며 더 자세히 살펴보겠습니다.

그림 6. 이미지 처리, 컴퓨터 비전 및 머신 비전의 나란히 비교입니다.

이미지 처리는 밝기 조정이나 노이즈 필터링처럼 적은 연산 능력만 필요하고 복잡한 시각 정보를 이해하는 기능이 필요하지 않은 작업에 가장 적합합니다. 반면 컴퓨터 비전은 이미지에서 의미 있는 인사이트를 추출하고 복잡한 장면을 처리하는 데 뛰어나지만, 더 많은 연산 리소스와 높은 복잡성을 요구합니다. 한편 머신 비전은 자동화된 검사와 같은 산업용도에 맞게 설계되며, 특수하고 비용이 높은 시스템의 지원을 받는 경우가 많습니다.

더 큰 그림 살펴보기#

이미지 처리, 컴퓨터 비전 및 머신 비전은 서로 밀접하게 관련되어 있지만, 각각 고유한 목적을 수행합니다. 이미지 처리는 픽셀 수준에서 이미지를 향상하고 조작하므로 이미지 재구성과 같은 작업에 매우 유용합니다.

반면 컴퓨터 비전은 컴퓨터가 시각적 데이터를 이해하고 해석할 수 있도록 하여 한 단계 더 나아갑니다. 얼굴 인식과 자율주행 자동차와 같은 사용 사례에 매우 중요합니다. 또한 머신 비전은 산업 애플리케이션을 위해 특별히 사용됩니다. 검사 및 품질 관리와 같은 산업 프로세스를 자동화합니다.

이러한 기술과 차이점을 이해하면 애플리케이션에 가장 적합한 기술을 선택할 수 있으며, 이를 통해 효율성을 높이고 더 나은 결과를 얻을 수 있습니다.

함께 배우고 탐색해 보겠습니다! GitHub 리포지토리를 방문하여 AI에 대한 저희의 기여를 확인하고, 커뮤니티에도 참여해 주세요. 최첨단 AI 기술로 제조 및 의료와 같은 산업을 어떻게 재정의하고 있는지 확인해 보세요.