[Machine Vision] 특징 해상도(Feature Resolution)

 

특징 해상도는 시스템에 의해서 신뢰성 있게 이미지화 될 수 있는 가장 작은 특징을 말한다. 예를 들면 검출 할 수 있는 가장 작은 결함의 크기는 0.05㎜이다. (정의에서 “신뢰성 있게” 라는 단어가 중요하다) 가끔씩  한 픽셀보다 더 작은 인공물(artifact)이 이미지속에 나타날 수 있지만 그것의 양상(appearance)은 신뢰할 수 없다고 판단해야 된다.

 

 

카메라와 프레임그래버들이 데이터를 샘플링 하는 장치들이기 때문에(픽셀은 데이터 샘플이다) 이미지속에 있는 하나의 인공물(artifact)을 표현하기 위해서는 적어도 두 픽셀이 필요하다는 “Shannon 의 샘플링 이론”이라 불리는 원리가 있다. 실용적인 기술은 대개 이론적인 한계들에 도달하지 않기 때문에 최소 특징크기를 3 픽셀에서 4 픽셀을 측정하는 것이 실용적인 제약(limit)이다.

하나의 특징이 3 또는 4 픽셀들에 걸치도록(spanning) 하는 제약은 좋은 콘트라스트와 낮은 잡음을 가정한다. 만일 이미지가 낮은 콘트라스트를 가지거나 이미지속의 잡음이 높다면 신뢰할 수 있는 검출을 위하여 더 많은 픽셀들에 걸쳐야 할 필요가 있다. 또한 이러한 한계는 특징의 검출능력(detectability)에 영향을 미친다. 오직 3 또는 4 개의 픽셀들에 걸치는 하나의 특징(feature)은 항상 이미지속에서 나타나기는 하지만 그것은 어떤 정도의 정확도로 측정 가능하지 않을 것이다. 즉 4 픽셀 폭인 하나의 특징과 3 픽셀 폭인 특징 사이를 구별해야만 하는 시스템은 매우 신뢰할 수 없게 될 것이다