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?

  1. 이미지에서 색상이 같은 영역
  2. 이미지에서 강도(intensity)가 급격하게 변하는 지점
  3. 이미지에서 배경과 물체를 구분하는 선
  4. 이미지에서 노이즈가 많은 지점

객관식 2: 다음 중 엣지가 발생하는 원인으로 옳은 것을 모두 고르시오.

  1. Surface normal discontinuity
  2. Depth discontinuity
  3. Illumination discontinuity
  4. Texture continuity

객관식 3: 엣지의 강도(edge strength)는 무엇과 관련이 있는가?

  1. 그래디언트 방향
  2. 그래디언트 크기(magnitude)
  3. 이미지의 명암 대비
  4. 이미지의 해상도

객관식 4: 그래디언트 방향(gradient direction)과 엣지 방향(edge direction)의 관계는?

  1. 동일하다
  2. 반대 방향이다
  3. 수직(perpendicular)이다
  4. 45도 각도를 이룬다

객관식 5: 노이즈가 있는 이미지에서 엣지를 탐지할 때 주로 사용하는 방법은?

  1. 이미지 밝기 조정
  2. 이미지를 가우시안 필터로 스무딩 후 미분
  3. 이미지 크기 증가
  4. 이미지 색상 강화

객관식 6: 다음 중 엣지 탐지 과정의 올바른 순서는?

  1. 가우시안 필터링 → 그래디언트 계산 → 비최대 억제 → 임계값 처리
  2. 그래디언트 계산 → 가우시안 필터링 → 임계값 처리 → 비최대 억제
  3. 임계값 처리 → 가우시안 필터링 → 그래디언트 계산 → 비최대 억제
  4. 비최대 억제 → 그래디언트 계산 → 가우시안 필터링 → 임계값 처리

객관식 7: Canny edge detector가 사용하는 이중 임계값(hysteresis thresholding) 방식의 특징은?

  1. 하나의 임계값만 사용한다
  2. 높은 임계값으로 시작점을 찾고, 낮은 임계값으로 엣지를 연결한다
  3. 항상 동일한 임계값을 모든 이미지에 적용한다
  4. 이미지 전체에 단일 임계값을 적용한다

객관식 8: 다음 중 Sobel 연산자의 특징으로 옳은 것은?

  1. 중앙 픽셀에 더 큰 가중치를 부여한다
  2. 1x1 크기의 마스크를 사용한다
  3. Prewitt 연산자보다 노이즈에 더 민감하다
  4. 수직 방향 엣지만 탐지한다

객관식 9: 가우시안 필터의 크기(σ)가 엣지 탐지에 미치는 영향으로 옳은 것을 모두 고르시오.

  1. σ가 클수록 노이즈 제거 효과가 크다
  2. σ가 클수록 세밀한 엣지를 잘 탐지한다
  3. σ가 클수록 위치 정확도가 떨어진다
  4. σ 값은 엣지 탐지 결과에 영향을 미치지 않는다

객관식 10: 비최대 억제(Non-maximum suppression)의 목적은 무엇인가?

  1. 노이즈 제거
  2. 그래디언트 크기 계산
  3. 두꺼운 엣지를 얇게 만들기
  4. 임계값 자동 설정

객관식 11: Canny edge detector의 원리로 옳은 것을 모두 고르시오.

  1. 가우시안 필터로 노이즈 제거
  2. 그래디언트 계산
  3. 비최대 억제를 통한 엣지 세선화
  4. 단일 임계값만 사용

객관식 12: 다음 중 엣지 탐지의 응용 분야가 아닌 것은?

  1. 객체 인식
  2. 특징점 추출
  3. 이미지 압축
  4. 이미지 밝기 조정

객관식 13: Sobel 연산자와 Prewitt 연산자의 차이점으로 옳은 것은?

  1. 마스크 크기가 다르다
  2. Sobel은 중앙 픽셀에 더 큰 가중치를 부여한다
  3. Prewitt은 대각선 방향 엣지만 탐지한다
  4. Sobel은 수직 방향 엣지만 탐지한다

객관식 14: 1차 미분 기반 엣지 탐지에서 엣지는 어디에 위치하는가?

  1. 미분값이 0인 지점
  2. 미분값이 최대 또는 최소인 지점
  3. 2차 미분이 0인 지점
  4. 원본 이미지 값이 가장 큰 지점

객관식 15: 다음 중 엣지 탐지 성능을 평가하는 지표로 옳은 것을 모두 고르시오.

  1. Precision
  2. Recall
  3. F-measure
  4. 처리 속도

객관식 16: 다음 연산자 중 가장 최근에 개발된 것은?

  1. Roberts
  2. Sobel
  3. Prewitt
  4. Canny

객관식 17: 그래디언트 크기(magnitude)를 계산하는 공식으로 옳은 것은?

  1. ||∇f|| = |∂f/∂x| + |∂f/∂y|
  2. ||∇f|| = √[(∂f/∂x)² + (∂f/∂y)²]
  3. ||∇f|| = (∂f/∂x) × (∂f/∂y)
  4. ||∇f|| = max(∂f/∂x, ∂f/∂y)

객관식 18: atan2 함수의 역할로 옳은 것은?

  1. 그래디언트 크기 계산
  2. 그래디언트 방향 계산
  3. 엣지 강도 계산
  4. 노이즈 제거

객관식 19: 다음 중 엣지 설명자(edge descriptor)에 해당하지 않는 것은?

  1. Edge direction
  2. Edge strength
  3. Edge position
  4. Edge color

객관식 20: 엣지 탐지에서 스무딩(smoothing)의 주된 목적은?

  1. 이미지 밝기 증가
  2. 노이즈 제거
  3. 이미지 크기 축소
  4. 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

  1. 2
  2. 1, 2, 3
  3. 2
  4. 3
  5. 2
  6. 1
  7. 2
  8. 1
  9. 1, 3
  10. 3
  11. 1, 2, 3
  12. 4
  13. 2
  14. 2
  15. 1, 2, 3
  16. 4
  17. 2
  18. 2
  19. 4
  20. 2

주관식 정답

  1. Edge(엣지)
  2. Hysteresis thresholding(이중 임계값 처리)
  3. Non-maximum suppression(비최대 억제)
  4. Sobel operator(소벨 연산자)
  5. 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.