컴퓨터 비전(Computer Vision)은 디지털 이미지와 영상을 분석해 유의미한 정보를 추출하는 기술입니다. 이 과정에서 이미지 데이터를 수학적으로 표현하고 변환하기 위한 핵심 도구가 바로 행렬(Matrix)입니다. 이미지 자체가 행렬로 구성되어 있으며, 다양한 영상 처리 기법이 행렬 연산을 기반으로 작동합니다. 이번 글에서는 컴퓨터 비전에서 이미지 처리와 관련된 행렬 활용법을 다양한 예시와 함께 살펴보겠습니다.
1. 이미지의 행렬 표현
디지털 이미지는 픽셀(pixel)로 구성된 2차원 격자이며, 각 픽셀은 색상값을 갖습니다. 이 정보는 수학적으로 행렬로 표현됩니다.
- 그레이스케일 이미지: 한 픽셀당 밝기 값(0~255) → 2차원 행렬
- 컬러 이미지: RGB 각각의 채널을 독립된 행렬로 표현 → 3차원 행렬
예: 3×3 흑백 이미지
\[ \begin{bmatrix} 0 & 128 & 255 \\ 64 & 192 & 128 \\ 32 & 96 & 160 \end{bmatrix} \]
2. 필터링과 합성곱(Convolution)
가장 기본적인 이미지 처리 연산은 합성곱(Convolution)입니다. 이는 이미지 행렬과 필터 행렬(kernel)을 곱하여 특징을 추출하거나 변환합니다.
예시: 가장자리 검출(Sobel 필터)
\[ \text{Sobel}_x = \begin{bmatrix} -1 & 0 & 1 \\ -2 & 0 & 2 \\ -1 & 0 & 1 \end{bmatrix} \]
이 필터를 이미지 행렬에 합성곱하면, x 방향의 경계를 강조합니다. 합성곱 계산은 각 위치마다 필터와 이미지 영역을 곱하고 모두 더하는 방식입니다.
3. 기하학적 변환
이미지를 회전, 이동, 확대, 축소하는 작업도 모두 행렬을 통해 수행됩니다. 이때 동차변환행렬(Homogeneous Transformation Matrix)을 사용합니다.
2D 동차 변환 행렬
\[ T = \begin{bmatrix} a & b & t_x \\ c & d & t_y \\ 0 & 0 & 1 \end{bmatrix} \]
- \( t_x, t_y \): 평행이동
- \( a, b, c, d \): 회전, 확대, 왜곡 요소
이 변환을 통해 이미지 내 객체의 위치와 크기를 자유롭게 조절할 수 있습니다.
예시: 이미지 회전
각도 \( \theta \)만큼 회전할 때:
\[ R = \begin{bmatrix} \cos \theta & -\sin \theta & 0 \\ \sin \theta & \cos \theta & 0 \\ 0 & 0 & 1 \end{bmatrix} \]
4. 특징 추출과 매칭
이미지에서 물체를 인식하려면 특징점(코너, 에지 등)을 추출하고, 서로 다른 이미지에서 해당 특징을 매칭해야 합니다. 이때도 행렬이 주요 역할을 합니다.
- SIFT, SURF, ORB: 특징을 추출하고 벡터(행렬)로 표현
- 특징 매칭: 유클리드 거리, 코사인 유사도 등 행렬 연산 기반으로 비교
5. 카메라 변환과 3D 재구성
컴퓨터 비전에서 카메라의 위치, 방향, 초점 거리 등을 수학적으로 모델링할 때도 행렬이 사용됩니다.
카메라 모델
\[ x = K [R \mid t] X \]
- \( X \): 3D 공간의 점 (동차좌표)
- \( R, t \): 회전, 이동 행렬
- \( K \): 카메라 내부 파라미터 행렬
이를 통해 3D 점이 2D 이미지에 어떻게 투영되는지를 계산할 수 있습니다.
6. PCA 및 차원 축소
이미지 데이터가 고차원일 경우, 노이즈 제거나 연산 최적화를 위해 차원을 축소합니다. 주성분 분석(PCA)은 고차원 데이터를 저차원 행렬로 변환하는 대표적인 방법입니다.
PCA는 공분산 행렬의 고유값 분해 또는 특이값 분해(SVD)를 기반으로 합니다:
\[ X = U \Sigma V^T \]
결론
컴퓨터 비전에서 이미지 데이터는 본질적으로 행렬이며, 모든 연산은 행렬 연산을 기반으로 수행됩니다.
합성곱, 기하 변환, 특징 추출, 카메라 모델링, 차원 축소까지 모든 단계에서 행렬은 데이터를 정밀하게 변환하고 분석하는 수단으로 작용합니다.
행렬 개념을 정확히 이해하면 컴퓨터 비전 알고리즘을 깊이 있게 분석하고, 최적의 처리 방법을 설계하는 데 큰 도움이 됩니다.