지난 시간에는 다소 어렵다는 피드백이 많아, 이번 과제는 보다 쉽게 구성했습니다. 이번 수업에서는 Harris 코너를 이용해 이미지의 특징을 탐지하고, 이미지 간 매칭(feature matching) 을 수행하는 내용을 다룹니다. 천천히 과정을 따라가며 즐겨주시길 바랍니다. 😊
📖 Harris 코너에 대한 추가 설명은 아래 링크를 참고하세요. 👉 Harris Corner 설명
이 프로젝트에서는 이미지의 특징점을 탐지하고, 두 이미지 간의 대응 관계를 찾는 과정을 구현합니다.
- Harris 알고리즘을 이용한 Feature Detection
- Feature Descriptor 구현 (Simple & MOPS)
- SSD 및 Ratio Test를 이용한 Feature Matching
- 서로 다른 Descriptor 및 Matching 방법의 성능을 ROC Curve로 비교
- 소스 이미지의 각 픽셀에서 Harris Corner Strength 계산
- 로컬 최대값(Local Maxima) 검출
- Simple Feature Descriptor와 MOPS (Multi-Scale Oriented Patches) Descriptor 구현
- SSD 또는 Ratio Distance를 이용한 Feature Matching 수행
- 서로 다른 Descriptor와 Matching 함수의 성능을 ROC Curve로 비교
tests.py의 TODO 7, 8 단계를 완성하고,
결과 이미지를 print하여 시각화하는 것이 이번 과제의 목표입니다.
과제의 구조는 매우 간단하며, 함수의 동작 원리와 Harris 코너 검출의 개념을 이해하고 있다면 쉽게 해결할 수 있습니다.
features.py에는 관련된 클래스와 함수들이 정의되어 있으며,
실행은 tests.py 파일을 실행하면 됩니다.
TODO 3 단계를 시각화하면 다음과 같이 특징점들이 매핑됩니다.
TODO 7단계와 TODO 8단계를 수행하면, 아래와 같이 이미지 간 특징점 매칭 결과를 확인할 수 있습니다.
SSD Matching 결과 (TODO 7) 
Ratio Matching 결과 (TODO 8) 
TODO 7과 8 단계를 모두 완료하면 위와 같은 매칭 결과(MATCHING) 를 얻을 수 있습니다. 마지막으로, 8단계의 매칭이 더 잘된 이유를 구체적으로 각주(설명) 로 꼭 작성해 주세요. (해당 각주내용이 반영되어 있지 않으면 0점 처리하겠습니다.)
- tests.py 코드제출
- TODO3,7,8 print 이미지 3장 제출
- TODO 8단계의 매칭이 잘된 이유를 features.py코드를 바탕으로 구체적으로 작성(위치 : tests.py 코드 맨 마지막 줄에 작성)