# 컴퓨터 비전

## 개요

**컴퓨터 비전**(Computer Vision, CV)은 디지털 이미지나 동영상과 같은 시각 정보를 입력으로 받아, 인간의 시각 인지 능력과 유사한 방식으로 그 내용을 이해하고 해석하는 **인공지능의 한 분야**입니다. 이 기술은 컴퓨터가 "본다"는 의미에서 유래되었으며, 단순한 이미지 처리를 넘어 객체 인식, 장면 이해, 움직임 추적, 3D 재구성 등 복잡한 작업을 수행할 수 있도록 합니다.

컴퓨터 비전은 의료 영상 분석, 자율주행 자동차, 보안 감시 시스템, 로봇 공학, 증강 현실(AR), 스마트폰 카메라 기능 등 다양한 산업과 일상 생활에 깊숙이 자리 잡고 있습니다. 최근 딥러닝 기술의 발전과 대량의 데이터 접근이 가능해지면서, 컴퓨터 비전의 정확도와 응용 범위는 급격히 확장되고 있습니다.

---

## 핵심 개념

### 1. 이미지 표현과 전처리

컴퓨터는 이미지를 픽셀 단위의 숫자 배열로 인식합니다. 예를 들어, 흑백 이미지는 2차원 배열로, 컬러 이미지는 RGB 채널을 가진 3차원 배열로 표현됩니다. 각 픽셀은 밝기 값(0~255)을 가지며, 이 정보를 기반으로 다양한 전처리 과정이 수행됩니다.

- **노이즈 제거**: 가우시안 블러, 미디언 필터 등을 사용해 이미지 품질 향상
- **이진화**: 그레이스케일 이미지를 흑백으로 변환하여 객체 분리
- **에지 검출**: 소벨(Sobel), 캐니(Canny) 필터 등을 통해 객체의 경계 추출

이러한 전처리는 후속 분석의 정확도를 높이는 데 핵심적인 역할을 합니다.

### 2. 특징 추출 (Feature Extraction)

특징 추출은 이미지에서 중요한 정보를 수치화하는 과정입니다. 예를 들어, 얼굴 인식 시 눈, 코, 입의 위치와 형태가 중요한 특징이 됩니다.

- **전통적 방법**: SIFT(Scale-Invariant Feature Transform), SURF, HOG(Histogram of Oriented Gradients)
- **딥러닝 기반**: CNN(Convolutional Neural Network)이 자동으로 계층적 특징을 학습

딥러닝 이전에는 수작업으로 특징을 설계해야 했지만, 현재는 CNN이 데이터로부터 최적의 특징을 자동으로 추출합니다.

---

## 주요 기술 및 응용 분야

### 객체 인식 (Object Detection)

이미지 속 특정 객체(예: 사람, 자동차, 고양이)를 식별하고 위치를 박스로 표시하는 기술입니다. 대표적인 알고리즘로는:

- **YOLO**(You Only Look Once): 실시간 객체 인식에 적합
- **Faster R-CNN**: 정확도가 높지만 처리 속도는 느림
- **SSD**(Single Shot Detector): 속도와 정확도의 균형

### 이미지 분할 (Image Segmentation)

이미지를 픽셀 단위로 분류하는 기술로, 객체의 정확한 경계를 파악할 수 있습니다.

- **세만틱 분할**(Semantic Segmentation): 각 픽셀에 클래스 레이블 부여 (예: 도로, 차량, 보행자)
- **인스턴스 분할**(Instance Segmentation): 동일 클래스 내에서도 개별 객체를 구분 (예: 3대의 자동차를 각각 식별)

### 자세 추정 (Pose Estimation)

사람이나 동물의 신체 관절 위치를 추정하는 기술로, 스마트 피트니스, 모션 캡처, 가상 현실 등에 활용됩니다.

- **2D 포즈 추정**: 화면 평면상의 관절 좌표 추출
- **3D 포즈 추정**: 실제 공간상의 위치까지 복원

### 3D 비전 및 깊이 추정

단일 또는 다중 카메라를 사용해 깊이 정보를 추정하거나 3D 모델을 생성합니다.

- **스테레오 비전**(Stereo Vision): 두 카메라의 시차를 이용한 깊이 맵 생성
- **모노클라 비전**(Monocular Depth Estimation): 단일 이미지에서 깊이 예측 (딥러닝 기반)

---

## 컴퓨터 비전의 한계와 도전 과제

- **조명 및 환경 변화에 민감**: 어두운 조명, 반사, 그림자 등은 성능 저하 원인
- **데이터 편향**: 학습 데이터의 다양성이 부족하면 특정 상황에서 오작동
- **실시간 처리 요구**: 자율주행 등에서는 낮은 지연 시간이 필수
- **윤리적 문제**: 얼굴 인식 기술의 오용 가능성, 프라이버시 침해 우려

---

## 관련 기술 및 도구

- **딥러닝 프레임워크**: TensorFlow, PyTorch
- **컴퓨터 비전 라이브러리**: OpenCV, PIL, scikit-image
- **데이터셋**: ImageNet, COCO, PASCAL VOC

```python
# OpenCV를 사용한 간단한 에지 검출 예제
import cv2
image = cv2.imread('image.jpg', 0)
edges = cv2.Canny(image, 100, 200)
cv2.imshow('Edges', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()
```

---

## 참고 자료 및 관련 문서

- [OpenCV 공식 문서](https://docs.opencv.org/)
- [ImageNet Large Scale Visual Recognition Challenge (ILSVRC)](http://www.image-net.org/)
- [YOLO 논문 (Redmon et al.)](https://arxiv.org/abs/1506.02640)
- 관련 위키 문서: 딥러닝, 컨볼루션 신경망, 인공지능, 이미지 처리

컴퓨터 비전은 인공지능의 핵심 축 중 하나로, 기술의 진보와 함께 인간의 시각 능력을 보완하고 확장하는 중요한 역할을 하고 있습니다.