Toy Projects

Image processing, computer vision 분야에서 이미지/동영상의 특정 objects를 검출하거나 움직임을 추적하는 방식으로써 SIFT, SURF 등의 알고리즘이 주로 사용됩니다. 이는 대상 objects의 특징검출(feature detection) - 예를들어 objects의 엣지, 코너등의 특징이 되는 점, 선, 면적등 - 과 image processing 테크닉이 결합되어 image matching을 수행 합니다. 본 글에서는 도로를 달리는 빨간색의 자동차를 검출 (detection/segmentation)하는 쉽고 간단한 알고리즘을 묘사하겠고, SIFT, SURF 등의 알고리즘을 이용하지 않습니다. 그리고 본 방식은 사용자의 개입을 일부 필요로 하며, 대상 objects의 검출..

위의 이미지는 Anwer et al., (출처 1) 의 페이퍼에서 제시하는 microglial cell을 기록한 영상파일 입니다. ( 자세한 사항은 본 블로그의 [MATLAB 영상처리 활용] Microglial cell segmentation review를 참조해 주시고, 위의 이미지는 본 블로그 맨밑 출처 1에서 제시하는 이미지로써 이곳에 가셔서 다운로드 받을 수 있습니다. ) 만일 이미지 프로세싱의 목적이 위의 영상에서 microglial cell을 검출(extraction) 하는것이라면, 최종결과 중의 하나로써 검출된 cell(세포)의 위치를 지정된 색상으로 덧입혀 표시하는 결과 이미지일 것입니다. 보통 cell(세포)의 검출에는 black & white mask가 활용되므로 이를 이용해 간단한 예..

Microglial cell은 뇌신경계에서 일종의 immune cell로 알려져 있으며 최근에 다양한 시각으로 활발한 연구가 진행중입니다. 일반적인 실험/파이프라인 설계는 two-photon 또는 confocal microscope 등으로 microglia immune response의 dynamics 를 이미징 하고나서, 이미지 분석을 통해 의미있는 데이터를 추출하는 순서로 진행합니다. 실험 수행후 수많은 이미지 모음(image-set)을 만들고, 하나의 이미지에서 수많은 유의미한 데이터를 얻을 수 있습니다. 따라서 자동화된 cell 검출 (automatic cell segmentation) 알고리즘/프로그램이 많이 공개되어 왔고 현재에도 계속 발전되고 있습니다. 본 포스트에서는 이미 공개된 micro..

연산중 혹은 연산후 결과 데이터의 시간별 변화/추이를 애니메이션 이미지 파일로써 시각화(visualization) 할 수 있다면 프로그래밍 혹은 디버깅에서 큰 장점을 발휘할 수 있습니다. 간단한 예로써, 정규분포(normal distribution) 그래프 모양을 결정짓는 두가지 입력 파라메터 - sigma, mu - 중 sigma 값의 변화에 따른 그래프 변화를 관찰하고자 합니다. 가장 간단한 방법으로는 여러 sigma 후보값을 설정하고, 그에 따른 여러 그래프를 만들어 화면 가득히 펼쳐보이는 것입니다. 그러나 여러 그래프를 - 그래프간의 적정한 delay 시간을 주어서 - 하나의 애니메이션 이미지로 만들어서 관찰하는편이 효율적일 것입니다. MATLAB 2022a 버전 이상부터는 "exportgraph..