[논문 리뷰] Image Triangulation Using the Sobel Operator for Vertex Selection (Media Exposition)

Olivia Laske, Lori Ziegelmeier|arXiv (Cornell University)|2024. 01. 01.

Image Retrieval and Classification Techniques인용 수 2

한 줄 요약

이 논문은 소벨 에지 검출 연산자와 점군의 희소화를 사용하여 데라운이 삼각분할을 위한 정점을 선택하는 파이썬 기반 이미지 삼각분할 알고리즘을 제시한다. 이로 인해 시각적으로 매력적인 예술적 구성이 생성된다. 회색조 변환, 이미지 선명화, 임계값을 적용한 소벨 에지 검출, 그리고 밀도 기반 샘플링을 통해 정점 수를 줄이고 이미지 특징을 유지함으로써, 원본 픽셀 값에서 유도된 색상으로 채워진 삼각형을 가진 스타일리시하고 추상적인 삼각분할 이미지를 생성한다.

ABSTRACT

Image triangulation, the practice of decomposing images into triangles, deliberately employs simplification to create an abstracted representation. While triangulating an image is a relatively simple process, difficulties arise when determining which vertices produce recognizable and visually pleasing output images. With the goal of producing art, we discuss an image triangulation algorithm in Python that utilizes Sobel edge detection and point cloud sparsification to determine final vertices for a triangulation, resulting in the creation of artistic triangulated compositions.

연구 동기 및 목표

• 계산 기하학과 이미지 처리를 활용하여 재현 가능하고 아티스틱한 이미지 삼각분할 파이프라인을 개발한다.
• 이미지 특징을 유지하면서 복잡성을 줄이는 데 유의미한 정점을 삼각분할을 위해 선택하는 문제를 해결한다.
• 사용자가 임계값과 밀도 매개변수를 조절하여 아름다움을 추구하는 결과의 추상 수준을 제어할 수 있도록 한다.
• 에지 인식 기반 정점 선택이 무작위 점 샘플링보다 이미지의 무결성을 더 잘 유지함을 입증한다.
• 아티스틱한 이미지 삼각분할을 위한 사용자 정의 가능하고 오픈소스 구현을 제공한다.

제안 방법

• 표준 밝기 공식을 사용하여 입력 이미지를 회색조로 변환: c = 0.299R + 0.587G + 0.114B.
• 2차원 컨volution을 통해 라플라시안 선명화 커널 (L) 을 적용하여 에지 대비를 향상시키고, (n−2)×(n−2) 크기의 이미지로 축소한다.
• x 및 y 커널을 가진 소벨 연산자를 사용하여 기울기 크기를 계산: G = √(G²ₓ + G²ᵧ), 에지 픽셀을 식별한다.
• 사용자가 정의한 임계값 t (50으로 설정) 이상인 픽셀을 필터링하여 강한 에지 특징만 유지한다.
• 임계값을 통과한 에지 집합에서 |S|/d개의 점을 균일하게 샘플링하여 정점 밀도를 감소시킨다. 여기서 d는 밀도 매개변수(60으로 설정)이다.
• 샘플링된 점들에 대해 데라운이 삼각분할을 수행하고, 각 삼각형에 중심점의 평균 색상을 할당하며, 이를 원본 이미지의 RGB 값으로 매핑한다.

실험 결과

연구 질문

• RQ1 무작위 점 배치와 비교해 볼 때, 소벨 에지 검출은 아티스틱한 이미지 삼각분할을 위한 정점 선택에 어떻게 기여하는가?
• RQ2 임계값 t의 변화가 결과 삼각형의 수와 시각적 품질에 어떤 영향을 미치는가?
• RQ3 밀도 매개변수 d는 삼각분할의 복잡성, 실행 시간, 시각적 명료성에 어떤 영향을 미치는가?
• RQ4 에지 인식 기반 정점 샘플링은 무작위 샘플링보다 더 적은 수의 정점으로도 이미지 특징을 유지할 수 있는가?
• RQ5 삼각분할 출력에서 이미지 충실도와 예술적 추상화 사이의 상충 관계는 어떠한가?

주요 결과

• 소벨 임계값 t를 25에서 75로 증가시키면 정점 수와 삼각형 수가 크게 감소하여 더 추상적이고 단순화된 구성이 된다.
• 밀도 매개변수 d를 35에서 85로 높이면 정점 수가 감소하고 작은 삼각형의 군집이 제거되어 시각적 명료성이 향상되고 계산 시간이 단축된다.
• t = 50 및 d = 60일 때, 약 1000개의 정점이 균형 잡힌 수로 생성되어 핵심 이미지 특징을 유지하면서도 예술적 매력을 유지한다.
• 약 1000개의 정점으로 무작위 점 샘플링을 수행하면 이미지의 구조적 특징이 손실되지만, 에지 기반 샘플링은 이미지의 기본 골격을 유지한다.
• 최종 삼각분할 이미지는 원본 이미지에서 유도된 중심점 기반 색상 할당을 사용하여 각 삼각형 내에서 정확한 색상 근사치를 확보한다.
• 이 방법은 사용자가 추상 수준을 제어할 수 있도록 한다: 더 높은 t 또는 d 값은 더 추상적인 결과를, 더 낮은 값은 더 충실한 표현을 생성한다.