CV3‐easy - waegari/waegari.github.io GitHub Wiki
Edge Detection 시험 문제 (쉬움)
1부: 문제 (객관식 20개, 주관식 단답형 5개)
객관식 문제
객관식 1: 엣지(edge)의 정의로 가장 적절한 것은?
- 이미지에서 색상이 같은 영역
- 이미지에서 강도(intensity)가 급격하게 변하는 지점
- 이미지에서 배경과 물체를 구분하는 선
- 이미지에서 노이즈가 많은 지점
객관식 2: 다음 중 엣지가 발생하는 원인으로 옳은 것을 모두 고르시오.
- Surface normal discontinuity
- Depth discontinuity
- Illumination discontinuity
- Texture continuity
객관식 3: 엣지의 강도(edge strength)는 무엇과 관련이 있는가?
- 그래디언트 방향
- 그래디언트 크기(magnitude)
- 이미지의 명암 대비
- 이미지의 해상도
객관식 4: 그래디언트 방향(gradient direction)과 엣지 방향(edge direction)의 관계는?
- 동일하다
- 반대 방향이다
- 수직(perpendicular)이다
- 45도 각도를 이룬다
객관식 5: 노이즈가 있는 이미지에서 엣지를 탐지할 때 주로 사용하는 방법은?
- 이미지 밝기 조정
- 이미지를 가우시안 필터로 스무딩 후 미분
- 이미지 크기 증가
- 이미지 색상 강화
객관식 6: 다음 중 엣지 탐지 과정의 올바른 순서는?
- 가우시안 필터링 → 그래디언트 계산 → 비최대 억제 → 임계값 처리
- 그래디언트 계산 → 가우시안 필터링 → 임계값 처리 → 비최대 억제
- 임계값 처리 → 가우시안 필터링 → 그래디언트 계산 → 비최대 억제
- 비최대 억제 → 그래디언트 계산 → 가우시안 필터링 → 임계값 처리
객관식 7: Canny edge detector가 사용하는 이중 임계값(hysteresis thresholding) 방식의 특징은?
- 하나의 임계값만 사용한다
- 높은 임계값으로 시작점을 찾고, 낮은 임계값으로 엣지를 연결한다
- 항상 동일한 임계값을 모든 이미지에 적용한다
- 이미지 전체에 단일 임계값을 적용한다
객관식 8: 다음 중 Sobel 연산자의 특징으로 옳은 것은?
- 중앙 픽셀에 더 큰 가중치를 부여한다
- 1x1 크기의 마스크를 사용한다
- Prewitt 연산자보다 노이즈에 더 민감하다
- 수직 방향 엣지만 탐지한다
객관식 9: 가우시안 필터의 크기(σ)가 엣지 탐지에 미치는 영향으로 옳은 것을 모두 고르시오.
- σ가 클수록 노이즈 제거 효과가 크다
- σ가 클수록 세밀한 엣지를 잘 탐지한다
- σ가 클수록 위치 정확도가 떨어진다
- σ 값은 엣지 탐지 결과에 영향을 미치지 않는다
객관식 10: 비최대 억제(Non-maximum suppression)의 목적은 무엇인가?
- 노이즈 제거
- 그래디언트 크기 계산
- 두꺼운 엣지를 얇게 만들기
- 임계값 자동 설정
객관식 11: Canny edge detector의 원리로 옳은 것을 모두 고르시오.
- 가우시안 필터로 노이즈 제거
- 그래디언트 계산
- 비최대 억제를 통한 엣지 세선화
- 단일 임계값만 사용
객관식 12: 다음 중 엣지 탐지의 응용 분야가 아닌 것은?
- 객체 인식
- 특징점 추출
- 이미지 압축
- 이미지 밝기 조정
객관식 13: Sobel 연산자와 Prewitt 연산자의 차이점으로 옳은 것은?
- 마스크 크기가 다르다
- Sobel은 중앙 픽셀에 더 큰 가중치를 부여한다
- Prewitt은 대각선 방향 엣지만 탐지한다
- Sobel은 수직 방향 엣지만 탐지한다
객관식 14: 1차 미분 기반 엣지 탐지에서 엣지는 어디에 위치하는가?
- 미분값이 0인 지점
- 미분값이 최대 또는 최소인 지점
- 2차 미분이 0인 지점
- 원본 이미지 값이 가장 큰 지점
객관식 15: 다음 중 엣지 탐지 성능을 평가하는 지표로 옳은 것을 모두 고르시오.
- Precision
- Recall
- F-measure
- 처리 속도
객관식 16: 다음 연산자 중 가장 최근에 개발된 것은?
- Roberts
- Sobel
- Prewitt
- Canny
객관식 17: 그래디언트 크기(magnitude)를 계산하는 공식으로 옳은 것은?
- ||∇f|| = |∂f/∂x| + |∂f/∂y|
- ||∇f|| = √[(∂f/∂x)² + (∂f/∂y)²]
- ||∇f|| = (∂f/∂x) × (∂f/∂y)
- ||∇f|| = max(∂f/∂x, ∂f/∂y)
객관식 18: atan2 함수의 역할로 옳은 것은?
- 그래디언트 크기 계산
- 그래디언트 방향 계산
- 엣지 강도 계산
- 노이즈 제거
객관식 19: 다음 중 엣지 설명자(edge descriptor)에 해당하지 않는 것은?
- Edge direction
- Edge strength
- Edge position
- Edge color
객관식 20: 엣지 탐지에서 스무딩(smoothing)의 주된 목적은?
- 이미지 밝기 증가
- 노이즈 제거
- 이미지 크기 축소
- 색상 향상
주관식 단답형 문제
주관식 1: 이미지에서 강도(intensity)가 급격하게 변하는 지점을 무엇이라고 하는가?
주관식 2: Canny edge detector에서 사용하는, 높은 임계값과 낮은 임계값을 함께 사용하는 기법의 이름은?
주관식 3: 그래디언트 방향을 따라 로컬 최대값만 유지하고 나머지는 제거하는 과정을 무엇이라고 하는가?
주관식 4: 다음 중 가운데 픽셀에 더 큰 가중치를 부여하는 엣지 탐지 연산자는?
주관식 5: 이미지 처리에서 노이즈를 제거하면서 엣지를 보존하기 위해 주로 사용되는 필터는?
2부: 정답
객관식 정답
- 2
- 1, 2, 3
- 2
- 3
- 2
- 1
- 2
- 1
- 1, 3
- 3
- 1, 2, 3
- 4
- 2
- 2
- 1, 2, 3
- 4
- 2
- 2
- 4
- 2
주관식 정답
- Edge(엣지)
- Hysteresis thresholding(이중 임계값 처리)
- Non-maximum suppression(비최대 억제)
- Sobel operator(소벨 연산자)
- Gaussian filter(가우시안 필터)
3부: 해설
객관식 해설
객관식 1: 엣지는 이미지에서 강도(intensity)가 급격하게 변하는 지점을 의미합니다(2).
객관식 2: 엣지가 발생하는 원인으로는 표면 법선 불연속성(Surface normal discontinuity, 1), 깊이 불연속성(Depth discontinuity, 2), 조명 불연속성(Illumination discontinuity, 3)이 있습니다. 텍스처 연속성(Texture continuity, 4)은 엣지의 원인이 아닙니다.
객관식 3: 엣지의 강도(edge strength)는 그래디언트 크기(magnitude, 2)와 관련이 있습니다.
객관식 4: 그래디언트 방향(gradient direction)과 엣지 방향(edge direction)은 서로 수직(perpendicular, 3) 관계입니다.
객관식 5: 노이즈가 있는 이미지에서 엣지를 탐지할 때는 주로 이미지를 가우시안 필터로 스무딩 후 미분(2)하는 방법을 사용합니다.
객관식 6: 엣지 탐지의 올바른 순서는 가우시안 필터링 → 그래디언트 계산 → 비최대 억제 → 임계값 처리(1)입니다.
객관식 7: Canny edge detector가 사용하는 이중 임계값(hysteresis thresholding) 방식은 높은 임계값으로 시작점을 찾고, 낮은 임계값으로 엣지를 연결(2)하는 특징이 있습니다.
객관식 8: Sobel 연산자는 중앙 픽셀에 더 큰 가중치를 부여(1)합니다.
객관식 9: 가우시안 필터의 크기(σ)가 클수록 노이즈 제거 효과가 크며(1), 위치 정확도가 떨어집니다(3). σ가 클수록 세밀한 엣지를 잘 탐지하는 것이 아니라 큰 스케일의 엣지를 탐지합니다(2 오답). σ 값은 엣지 탐지 결과에 큰 영향을 미칩니다(4 오답).
객관식 10: 비최대 억제(Non-maximum suppression)의 목적은 두꺼운 엣지를 얇게 만들기(3)입니다.
객관식 11: Canny edge detector의 원리로는 가우시안 필터로 노이즈 제거(1), 그래디언트 계산(2), 비최대 억제를 통한 엣지 세선화(3)가 옳습니다. Canny는 단일 임계값이 아닌 이중 임계값을 사용합니다(4 오답).
객관식 12: 엣지 탐지의 응용 분야로는 객체 인식(1), 특징점 추출(2), 이미지 압축(3)이 있습니다. 이미지 밝기 조정(4)은 엣지 탐지의 주요 응용 분야가 아닙니다.
객관식 13: Sobel 연산자와 Prewitt 연산자의 차이점은 Sobel이 중앙 픽셀에 더 큰 가중치를 부여(2)한다는 점입니다.
객관식 14: 1차 미분 기반 엣지 탐지에서 엣지는 미분값이 최대 또는 최소인 지점(2)에 위치합니다.
객관식 15: 엣지 탐지 성능을 평가하는 지표로는 Precision(1), Recall(2), F-measure(3)가 있습니다. 처리 속도(4)는 성능 지표가 될 수 있지만, 일반적으로 엣지 탐지의 정확도를 측정하는 주요 지표는 아닙니다.
객관식 16: 주어진 연산자 중 Canny(4)가 가장 최근에 개발되었습니다(1986년).
객관식 17: 그래디언트 크기(magnitude)를 계산하는 공식은 ||∇f|| = √(∂f/∂x)² + (∂f/∂y)²입니다.
객관식 18: atan2 함수는 그래디언트 방향 계산(2)에 사용됩니다.
객관식 19: 엣지 설명자(edge descriptor)에는 Edge direction(1), Edge strength(2), Edge position(3)이 포함됩니다. Edge color(4)는 일반적인 엣지 설명자가 아닙니다.
객관식 20: 엣지 탐지에서a 스무딩(smoothing)의 주된 목적은 노이즈 제거(2)입니다.
주관식 해설
주관식 1: 이미지에서 강도가 급격하게 변하는 지점을 Edge(엣지)라고 합니다.
주관식 2: Canny edge detector에서 사용하는, 높은 임계값과 낮은 임계값을 함께 사용하는 기법의 이름은 Hysteresis thresholding(이중 임계값 처리)입니다.
주관식 3: 그래디언트 방향을 따라 로컬 최대값만 유지하고 나머지는 제거하는 과정을 Non-maximum suppression(비최대 억제)이라고 합니다.
주관식 4: 가운데 픽셀에 더 큰 가중치를 부여하는 엣지 탐지 연산자는 Sobel operator(소벨 연산자)입니다.
주관식 5: 이미지 처리에서 노이즈를 제거하면서 엣지를 보존하기 위해 주로 사용되는 필터는 Gaussian filter(가우시안 필터)입니다.