YOLO 라이선스 받기
Ultralytics 용어집으로 돌아가기

Image Stitching

이미지 스티칭은 특징점 매칭, 워핑, 경계선 블렌딩을 사용해 겹치는 이미지를 정렬하고 결합하여 연속적인 파노라마나 모자이크를 만듭니다.

이미지 스티칭은 사진 스티칭이라고도 하며, 겹치는 두 개 이상의 이미지를 정렬하고 결합하여 하나의 연속된 시야를 만듭니다. 겹치는 영역을 통해 소프트웨어는 이미지가 어떻게 맞물리는지 파악합니다. 한 사진의 오른쪽 가장자리 근처에 있는 랜드마크가 다음 사진의 중앙 부근에 나타날 수 있습니다. 두 위치를 정렬하면 합성 이미지가 각 사진만으로는 담을 수 없는 더 넓은 장면을 담을 수 있습니다. 일부 사진 편집 프로그램에서는 별개의 이미지를 콜라주 형태로 나란히 배열하는 작업도 "사진 스티칭"이라고 합니다.

이미지 스티칭의 작동 방식#

이미지 정합은 각 이미지가 공유 좌표계에서 어디에 위치하는지 추정합니다. 이미지 정합은 흔히 이미지 매칭으로 시작합니다. 스케일 불변 특징 변환(SIFT)과 같은 방법은 특징적인 점을 찾고 주변 픽셀을 설명하여 다른 시점에서도 동일한 세부 정보를 식별할 수 있게 합니다. Matthew Brown과 David Lowe의 2007년 자동 파노라마 방식에서는 무작위 표본 합의(RANSAC)가 소수의 매칭 쌍으로 후보 변환을 추정하고, 기하학적으로 가장 일관된 매칭 쌍이 많은 변환을 찾습니다. 기존 스티칭에는 모델 학습이 필요하지 않습니다. LoFTR과 같은 학습 기반 매처는 기존 키포인트 검출기가 충분한 수의 점을 찾지 못하는 영역에서도 대응점을 찾을 수 있습니다.

호모그래피는 평평한 표면을 촬영한 시점이나 카메라를 광학 중심을 기준으로 회전해 촬영한 시점을 정렬할 수 있습니다. 아핀 변환은 평면 스캔 이미지 사이의 이동 및 회전과 같은 단순한 변화를 처리할 수 있습니다. 여러 시점이 있는 경우 번들 조정으로 이미지 정렬을 함께 개선하여 각 이미지를 이웃 이미지에만 맞출 때 누적될 수 있는 드리프트를 줄입니다. 워핑은 추정된 정렬을 적용해 이미지를 공유 캔버스에 배치합니다.

이미지 스티칭은 정합 이후에도 계속됩니다. 노출 보정은 밝기 차이를 줄이고, 경계선 선택은 한 시점이 다음 시점으로 바뀌는 위치를 결정하며, 블렌딩은 전환을 부드럽게 합니다. 멀티밴드 블렌딩은 톤이 점진적으로 변하는 부분에는 더 넓은 전환 영역을, 세밀한 부분에는 더 좁은 전환 영역을 사용합니다.

두 이미지를 스티칭하는 방법#

서로 알아볼 수 있는 장면 세부 정보가 겹치는 두 이미지부터 준비합니다. Photoshop에서는 파일 > 자동화 > Photomerge 기능이 겹치는 사진을 정렬하고 레이어 마스크를 사용해 블렌딩합니다. Python에서는 OpenCV Stitcher이 정렬을 추정하고 결과를 합성합니다. opencv-python를 설치한 상태에서 아래 예제를 실행하면 버스 사진에서 잘라낸, 서로 겹치는 두 이미지를 스티칭합니다. SCANS 모드는 아핀 모델을 사용하며, 이는 이미지 조각 사이의 좌우 이동에 적합합니다.

from urllib.request import urlretrieve

import cv2

path, _ = urlretrieve("https://ultralytics.com/images/bus.jpg", "bus.jpg")
image = cv2.imread(path)
width = image.shape[1]

# Create two views with a shared center region.
left = image[:, : 4 * width // 5].copy()
right = image[:, width // 5 :].copy()

stitcher = cv2.Stitcher_create(cv2.Stitcher_SCANS)
status, stitched = stitcher.stitch([left, right])
if status != cv2.Stitcher_OK:
    raise RuntimeError(f"Stitching failed with status {status}")
cv2.imwrite("stitched_bus.jpg", stitched)

출력 결과인 stitched_bus.jpg은 두 이미지 조각의 바깥쪽 부분을 하나의 캔버스에 결합합니다. 두 이미지 조각을 나란히 놓았을 때처럼 공통된 중앙 부분이 두 번 나타나지 않고 한 번만 표시됩니다.

이미지 스티칭이 실패하는 이유#

모든 상황에 적용되는 보편적인 겹침 비율은 없습니다. 질감과 매칭 지점의 분포가 중요합니다. 특징점이 거의 없는 빈 하늘 영역과 달리, 반복되는 창문은 스티칭 프로그램이 건물 외벽의 잘못된 부분을 정렬하게 만들 수 있습니다. 카메라가 옆으로 움직이면 가까운 물체가 배경에 비해 이동합니다. 시차라고 하는 이러한 깊이 의존적 이동은 배경선이 정렬되더라도 전경의 경계가 두 겹으로 보이게 할 수 있습니다. 움직이는 피사체가 노출 사이에 겹치는 영역을 지나가면 피사체가 두 번 나타날 수도 있습니다. 다른 부분은 정렬되어 있는데 연결부를 따라 밝기가 갑자기 달라진다면 노출 보정이나 블렌딩에 문제가 있다는 신호입니다. 이러한 아티팩트는 동시에 발생할 수 있습니다.

이미지 스티칭의 활용 분야#

  • 파노라마 사진: 여러 시점의 이미지를 순차적으로 촬영하면 한 번의 노출보다 더 넓은 화각을 담을 수 있습니다. 원통형 또는 구형 투영은 평면 투영에서 가장자리가 늘어나는 광각 시야를 처리합니다.
  • 현미경 검사: Fiji의 스티칭 플러그인은 겹치는 현미경 타일 이미지를 정렬해, 더 낮은 배율로 촬영하지 않고도 시료의 더 넓은 시야를 구성합니다.
  • 항공 매핑: OpenDroneMap은 겹치는 항공 사진을 정사모자이크로 결합합니다. 완성된 모자이크에서 Ultralytics YOLO 고해상도 타일링은 위치가 알려진 이미지 조각에 객체 감지를 수행하여, 전체 이미지를 리사이즈할 때 손실될 수 있는 작은 객체의 세부 정보를 보존합니다. 정사모자이크는 카메라 기울기와 지형 기복을 보정한 기하 구조를 사용하므로 지도 축척이 균일하고 지상의 거리를 측정할 수 있습니다.

솔루션 살펴보기

스포츠 분야의 컴퓨터 비전

스포츠 분야의 컴퓨터 비전

Ultralytics YOLO가 선수 및 공 추적, 경기력 분석, 코칭 인사이트, 선수 재활을 통해 스포츠 비전을 구현하는 방법을 알아보세요.
자세히 알아보기
항공 이미지 컴퓨터 비전

항공 이미지 컴퓨터 비전

Ultralytics YOLO를 활용해 드론 및 항공 이미지를 농업, 양식업, 보전, 지리 공간 분석을 위한 실시간 인사이트로 전환하세요.
자세히 알아보기
항공우주 분야의 컴퓨터 비전

항공우주 분야의 컴퓨터 비전

Ultralytics YOLO를 활용해 항공기 검사, 활주로 FOD 감지, 공항 지상 운영, 복합재 결함 감지 등 항공우주 분야에 컴퓨터 비전을 적용하세요.
자세히 알아보기
보안 분야의 컴퓨터 비전

보안 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 모든 시설을 보호하세요. Vision AI는 경계 모니터링, 위협 감지, 번호판 인식, 작업장 안전을 지원합니다.
자세히 알아보기
로보틱스 분야의 컴퓨터 비전

로보틱스 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 더 스마트한 머신을 구현하세요. 로보틱스 분야의 Vision AI는 자율 주행, 인식, 객체 추적, 실시간 제어를 지원합니다.
자세히 알아보기
물류 분야의 컴퓨터 비전

물류 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 물류를 간소화하세요. 비전 AI는 화물 검사, 분류, 차량 추적, 실시간 창고 안전 모니터링을 지원합니다.
자세히 알아보기
리테일 분야의 컴퓨터 비전

리테일 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 리테일의 새로운 가능성을 열어 보세요. 비전 AI는 재고 추적, 선반 모니터링, 대기열 관리, 더욱 심층적인 고객 인사이트를 지원합니다.
자세히 알아보기
의료 분야의 컴퓨터 비전

의료 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 의료 솔루션을 구축하세요. 의료 분야의 비전 AI는 의료 영상 판독을 가속화하고, 진단을 개선하며, 환자 모니터링을 지원합니다.
자세히 알아보기
제조 분야의 컴퓨터 비전

제조 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 제조 공정을 최적화하세요. 비전 AI는 품질 관리, 결함 탐지, PPE 규정 준수, 조립 라인 자동화를 지원합니다.
자세히 알아보기
자동차 분야의 컴퓨터 비전

자동차 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 자동차 분야에 컴퓨터 비전을 적용하세요. 비전 AI는 도로 안전, 운전자 지원, 차량 자동화를 개선해 더 스마트한 도로를 구현합니다.
자세히 알아보기
농업 분야의 컴퓨터 비전

농업 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 스마트 농업에 비전 AI를 도입하세요. 작물 모니터링, 가축 추적, 정밀 농업을 지원하여 더 높은 수확량과 더 스마트한 농업을 실현합니다.
자세히 알아보기

함께 AI의 미래를 만들어 가세요!

머신러닝의 미래와 함께 여정을 시작하세요