문서 둘러보기
파데예바 함수
파데예바 함수는 복소수 입력에 대해 지수함수와 상보 오차함수를 결합한 특수함수다. 실수축에서도 값은 일반적으로 복소수이며, 실수부와 허수부를 구분해 해석해야 한다.
라이트 오메가 함수
라이트 오메가 함수는 미지수가 자신의 로그와 함께 등장하는 방정식을 푸는 특수함수다. 실수 입력에서는 양의 해를 가지며, 람베르트 W 함수와 연결해 이해할 수 있다.
상승 계승
상승 계승은 시작값에서 1씩 증가하는 수를 정해진 개수만큼 곱한 식이다. 초기하 함수의 급수 계수를 간결하게 나타내는 데 쓰이며, 보통 (x)_n이라는 기호로 표시한다.
합류 초기하 함수
합류 초기하 함수는 초기하 함수의 합류형 미분방정식과 관련된 특수함수다. 대표적인 제1종 ₁F₁은 상승 계승을 사용하는 급수로 정의하며 쿠머 함수 M이라는 표기로도 나타낸다.
가우스 초기하 함수
가우스 초기하 함수는 두 분자 모수와 한 분모 모수를 갖는 거듭제곱 급수로 정의되는 특수함수다. 여러 초등함수와 직교다항식을 특수한 경우로 포함하며 ₂F₁이라는 기호를 쓴다.
다이로그 함수
다이로그 함수는 로그를 포함한 적분이나 제곱 역수 계수의 급수로 표현되는 특수함수다. 대표 기호 Li₂를 사용하며 스펜스 함수라는 이름의 구현과는 입력 규약을 확인해야 한다.
오언 T 함수
오언 T 함수는 두 독립 표준정규 변수의 특정 영역 확률을 계산하는 데 쓰이는 특수함수다. 양의 모수 구간에서는 한 변수의 하한과 두 변수를 연결하는 기울기 조건으로 확률을 해석할 수 있다.
지수 적분 E1
지수 적분 E1은 exp(−t)/t를 입력값부터 무한대까지 적분해 정의하는 특수함수다. 양의 실수에서는 양수이며 입력이 증가할수록 감소한다. 다른 지수 적분 표기인 Ei와 구분해야 한다.
스트루브 함수
스트루브 함수는 비제차 베셀형 미분방정식과 연결되는 특수함수다. 차수 ν와 입력 x에 따라 값을 가지며, 베셀 함수나 한켈 함수와 기호가 비슷하더라도 같은 함수는 아니다.
게겐바우어 다항식
게겐바우어 다항식은 모수에 따라 가중함수와 모양이 달라지는 직교다항식 계열이다. 초구면 다항식이라고도 하며 르장드르와 체비쇼프 계열을 연결하는 특수한 경우를 가진다.
수정 베셀 함수
수정 베셀 함수는 x²y″+xy′−(x²+ν²)y=0의 표준 해를 나타내는 특수함수다. 제1종 I와 제2종 K를 사용하며 일반 베셀 방정식과는 x² 항의 부호가 다르다.
구면 베셀 함수
구면 베셀 함수는 반정수 차수의 베셀 함수에 제곱근 인자를 결합해 정의하는 특수함수 계열이다. 제1종 j_n은 일반 베셀 함수 J_n과 차수 및 정규화가 다르다.
베셀 함수
베셀 함수는 x²y″+xy′+(x²−ν²)y=0이라는 베셀 미분방정식의 표준 해들이다. 차수 ν와 입력 x를 구분하며 제1종 J와 제2종 Y 등의 함수가 서로 다른 해를 나타낸다.
에어리 함수
에어리 함수는 미분방정식 y″(x)=xy(x)의 표준적인 두 독립해 Ai와 Bi를 가리키는 특수함수다. 두 함수의 선형결합으로 일반해를 표현하고 초기값이나 경계조건에 맞춰 계수를 정한다.
사인 적분과 코사인 적분
사인 적분과 코사인 적분은 삼각함수를 변수로 나눈 형태의 적분과 연결되는 특수함수다. 사인 적분 Si와 코사인 적분 Ci는 원점 부근의 거동이 서로 다르며 복소수에서는 로그의 가지도 고려해야 한다.
제2종 완전 타원적분
제2종 완전 타원적분은 √(1−m sin²t)를 0부터 π/2까지 적분한 특수함수다. 타원의 둘레를 나타내는 식과 연결되며, 제1종 적분의 역제곱근과 구분해야 한다.
제1종 완전 타원적분
제1종 완전 타원적분은 제곱근 안에 삼각함수가 들어가는 적분을 0부터 π/2까지 계산한 특수함수다. 모수 m을 쓰는 표현과 모듈러스 k를 쓰는 표현은 m=k²의 관계로 구분해야 한다.
불완전 감마 함수
불완전 감마 함수는 감마 적분을 유한한 경계에서 나누어 정의하는 특수함수다. 아래쪽과 위쪽 적분, 감마 함수로 나눈 정규화 형태를 구분하며 감마 분포의 누적확률과 연결된다.
불완전 베타 함수
불완전 베타 함수는 베타 적분의 위쪽 끝을 1이 아닌 x까지로 제한한 함수다. 완전 베타 함수로 나눈 정규화 형태는 베타 분포의 누적확률과 연결된다.
베타 함수
베타 함수는 0부터 1 사이의 두 거듭제곱 인자를 적분해 정의하는 두 변수 특수함수다. 감마 함수의 비로 표현할 수 있으며 베타 분포 등의 정규화 상수와 연결된다.
폴리감마 함수
폴리감마 함수는 디감마 함수를 반복 미분해 얻는 특수함수 계열이다. 차수 n의 함수는 로그 감마 함수의 n+1차 도함수에 대응하며, 첫 도함수는 트리감마 함수라고 부른다.
디감마 함수
디감마 함수는 감마 함수의 로그 도함수인 특수함수다. 감마 함수 자체의 미분과는 다르며 감마 함수가 포함된 식의 변화율을 간결하게 나타내는 데 사용한다.
프레넬 적분
프레넬 적분은 변수의 제곱이 위상에 들어가는 사인과 코사인을 적분한 특수함수 쌍이다. 적분 안의 주파수가 위치에 따라 달라지는 진동을 다루며 정규화 규약을 함께 확인해야 한다.
람베르트 W 함수
람베르트 W 함수는 w exp(w)=z를 만족하는 w를 나타내는 다가 특수함수다. 복소수 영역에서 여러 가지를 가지며, 실수 문제에서도 입력 구간에 따라 서로 다른 두 실수 해가 생길 수 있다.
도슨 적분
도슨 적분은 exp(t²)의 적분에 exp(−x²)를 곱해 정의하는 특수함수다. 가우스형 지수함수와 연결되며 단순한 초등함수로 표현되지 않는 적분을 다룰 때 사용한다.
스튜던트화 범위 분포
스튜던트화 범위 분포는 독립 표준정규 표본의 최댓값과 최솟값 차이를 독립적인 척도 추정량으로 나눈 값의 분포다. 비교하는 표본 수와 척도 추정의 자유도를 함께 사용한다.
일반화 감마 분포
일반화 감마 분포는 감마 분포의 변수에 거듭제곱 변환을 적용하는 방식으로 여러 양의 분포를 함께 표현하는 분포족이다. 모수 규약에 따라 감마, 와이블과 역감마 형태를 포함한다.
얼랑 분포
얼랑 분포는 형상 모수가 양의 정수인 감마 분포다. 동일한 비율을 갖는 독립 지수 대기시간들을 더한 값으로 표현할 수 있으며, 단계 수와 척도를 구분해야 한다.
곰페르츠 분포
곰페르츠 분포는 비음수 영역에서 위험률이 지수적으로 증가하는 형태의 연속확률분포다. 모수와 척도 규약에 따라 표현이 달라지며, 같은 이름의 성장 곡선과 확률분포를 구분해야 한다.
역가우스 분포
역가우스 분포는 양의 실수에서 정의되는 비대칭 연속확률분포다. 이름에 역이 들어가지만 정규 확률변수의 역수를 취한 분포라는 뜻은 아니며, 평균과 형상 모수의 규약을 구분해야 한다.
지수 수정 정규분포
지수 수정 정규분포는 정규 확률변수와 독립적인 지수 확률변수의 합이 따르는 연속분포다. 정규 성분에 한쪽 방향의 지연량을 더하는 구성으로 비대칭을 표현한다.
버 제12형 분포
버 제12형 분포는 두 양의 형상 모수로 비음수 자료의 중심과 꼬리를 조절하는 연속확률분포다. 버 분포족의 한 유형이며 싱 마달라 분포라는 이름으로도 알려져 있다.
나카가미 분포
나카가미 분포는 비음수 크기를 나타내는 연속확률분포로, 제곱한 값이 감마 분포와 연결된다. 형상과 제곱평균을 나타내는 모수를 구분하며, 진폭의 통계적 변동을 표현하는 데 활용된다.
비대칭 라플라스 분포
비대칭 라플라스 분포는 한 위치를 경계로 양쪽의 지수적 감소율을 다르게 정한 연속확률분포다. 대칭 라플라스 분포를 포함하며 모수 규약에 따라 척도와 형상의 표현이 달라질 수 있다.
일반화 정규분포
일반화 정규분포는 형상 모수로 중심과 꼬리의 모양을 바꾸는 정규분포의 확장이다. 대칭 지수멱 형태에서는 형상 1이 라플라스 분포, 형상 2가 척도를 조정한 정규분포와 연결된다.
라플라스 분포
라플라스 분포는 중심에서의 절대 거리에 따라 밀도가 지수적으로 감소하는 대칭 연속확률분포다. 위치와 양의 척도로 정해지며, 중심의 뾰족한 봉우리와 양쪽 꼬리를 가진다.
이산 라플라스 분포
이산 라플라스 분포는 중심에서의 정수 거리의 절댓값에 따라 확률이 지수적으로 감소하는 대칭 이산분포다. 양수와 음수, 0을 모두 다루며 연속 라플라스 밀도를 정수에 그대로 대입한 것과 구분해야 한다.
율 사이먼 분포
율 사이먼 분포는 양의 정수에 베타 함수로 정해지는 확률을 부여하는 이산확률분포다. 양의 형상 모수를 사용하며 큰 값 쪽에 거듭제곱 형태의 꼬리를 가진다.
지프 분포
지프 분포는 양의 정수 k에 k의 음의 거듭제곱에 비례하는 확률을 부여하는 이산확률분포다. 무한한 양의 정수를 대상으로 정규화하는 형태는 제타 분포라고도 한다.
로그급수 분포
로그급수 분포는 양의 정수 k에 p^k/k에 비례하는 확률을 부여하는 이산확률분포다. 로그 함수의 급수 전개로 정규화 상수를 얻으며 0은 기본적인 가능한 값에 포함되지 않는다.
스켈람 분포
스켈람 분포는 서로 독립인 두 푸아송 확률변수의 차이가 따르는 이산확률분포다. 각각의 개수는 비음수지만 차이는 음수, 0, 양수 모두 가능하다.
푸아송 이항분포
푸아송 이항분포는 성공 확률이 서로 달라도 되는 독립 베르누이 확률변수들의 합이 따르는 이산분포다. 모든 확률이 같으면 이항분포로 줄어들며, 푸아송 분포와 같은 분포는 아니다.
음의 초기하분포
음의 초기하분포는 유한 모집단에서 비복원으로 대상을 뽑다가 한 종류가 정해진 횟수에 도달할 때까지 나온 다른 종류의 개수를 나타내는 이산분포다. 표본 크기 대신 종료 조건을 고정한다.
음이항분포
음이항분포는 같은 성공 확률의 독립 시행에서 정해진 성공 횟수에 도달하기 전의 실패 횟수를 나타내는 이산확률분포다. 총 시행 수를 세는 표현도 있어 확률변수가 무엇을 세는지 확인해야 한다.
베타 이항분포
베타 이항분포는 성공 확률을 베타 분포에서 먼저 정한 뒤 그 확률을 공유하는 이항 시행의 성공 횟수를 나타내는 이산분포다. 고정된 성공 확률만 사용하는 이항분포보다 집단 사이 확률 변동을 표현할 수 있다.
초기하분포
초기하분포는 두 종류의 대상이 있는 유한 모집단에서 비복원으로 일정 수를 뽑았을 때 한 종류가 나온 개수를 나타내는 이산확률분포다. 매번 같은 대상을 다시 넣는 이항 시행과는 추출 조건이 다르다.
다변량 초기하분포
다변량 초기하분포는 여러 종류의 대상이 있는 유한 모집단에서 비복원으로 정해진 수를 뽑을 때 종류별 개수의 분포다. 매번 다시 넣는 다항 시행과 달리 남아 있는 대상의 구성에 따라 다음 추출 확률이 바뀐다.
다항분포
다항분포는 한 번에 여러 범주 중 하나가 나오는 시행을 독립적으로 같은 확률로 반복할 때 범주별 횟수를 나타내는 이산확률분포다. 두 범주의 이항분포를 여러 범주로 확장한 형태다.
디리클레 다항분포
디리클레 다항분포는 범주 확률을 디리클레 분포에서 먼저 뽑고 그 확률로 다항 시행을 수행할 때 얻는 범주별 개수의 분포다. 비율 벡터가 아니라 합이 정해진 비음수 정수 벡터를 나타낸다.
디리클레 분포
디리클레 분포는 합이 1인 여러 비율을 함께 표현하는 연속확률분포다. 각 성분에 양의 집중도 모수를 부여하며, 독립적인 확률변수들을 단순히 나열한 분포와는 다르다.
역위샤트 분포
역위샤트 분포는 위샤트 확률행렬의 역행렬과 연결되는 대칭 양의 정부호 행렬의 분포다. 자유도와 척도 행렬로 표현하며, 역변환할 때 척도 행렬도 역으로 바뀐다는 점이 중요하다.
위샤트 분포
위샤트 분포는 공분산과 관련된 대칭 행렬을 다루는 확률분포다. 독립적인 평균 0 다변량 정규 벡터들의 외적을 더하는 구성과 연결되며, 카이제곱 분포를 행렬로 확장한 형태로 볼 수 있다.
행렬 정규분포
행렬 정규분포는 행렬 형태의 확률변수를 평균 행렬과 행·열 공분산 구조로 표현하는 분포다. 원소들을 벡터로 나열하면 특정한 크로네커 곱 공분산을 가진 다변량 정규분포와 연결된다.
절단 정규분포
절단 정규분포는 정규 확률변수가 정해진 구간 안에 있다는 조건을 부여하고 남은 확률을 다시 정규화한 분포다. 구간 밖의 값을 경계로 강제로 옮기는 클리핑과는 다르다.
삼각분포
삼각분포는 유한한 구간 안에서 밀도가 최빈값까지 직선으로 증가하고 이후 직선으로 감소하는 연속확률분포다. 하한, 상한과 가장 높은 밀도의 위치로 기본 형태를 정한다.
라이스 분포
라이스 분포는 일정한 평균 성분에 독립적인 정규 잡음이 더해진 평면 벡터의 길이를 나타내는 연속확률분포다. 잡음의 공통 표준편차와 평균 벡터의 길이로 분포가 정해진다.
왜정규분포
왜정규분포는 정규 밀도에 누적정규분포 항을 결합해 비대칭을 표현하는 연속확률분포족이다. 위치와 척도 외에 형상 모수를 가지며 형상이 0이면 정규분포가 된다.
폰 미제스 피셔 분포
폰 미제스 피셔 분포는 단위 구면이나 초구면 위의 방향 벡터를 다루는 확률분포다. 중심 방향을 나타내는 단위 벡터와 그 방향 부근의 집중도를 정하는 모수를 사용한다.
폰 미제스 분포
폰 미제스 분포는 원 위의 방향이나 각도를 표현하는 연속확률분포다. 중심 방향과 집중도 모수를 사용하며, 한 바퀴 차이 나는 각도가 같은 방향이라는 원형 자료의 성질을 반영한다.
역감마 분포
역감마 분포는 감마 확률변수의 역수와 연결되는 양의 연속확률분포다. 양의 형상과 척도로 정의하며, 감마 분포와의 관계를 사용할 때 척도와 비율 모수의 규약을 확인해야 한다.
베타 프라임 분포
베타 프라임 분포는 베타 확률변수를 오즈 형태로 변환했을 때 얻는 양의 연속확률분포다. 두 양의 형상 모수를 사용하며 0과 1 사이의 베타 분포와는 값의 범위가 다르다.
파레토 분포
파레토 분포는 양의 하한 이상에서 거듭제곱 형태의 꼬리를 갖는 연속확률분포다. 기본적인 제1형은 하한과 형상 모수로 표현하며, 파레토 법칙이라는 경험적 주장과 분포 모형 자체를 구분해야 한다.
반정규분포
반정규분포는 평균이 0인 정규 확률변수의 절댓값이 따르는 연속확률분포다. 양수 쪽과 음수 쪽을 0에서 접어 비음수 크기로 표현하며, 원래 정규분포의 평균과 척도를 구분해야 한다.
카이 분포
카이 분포는 카이제곱 확률변수의 양의 제곱근이 따르는 연속확률분포다. 자유도가 양의 정수일 때 독립 표준정규 성분으로 이루어진 벡터의 길이로 해석할 수 있다.
레일리 분포
레일리 분포는 비음수 크기를 나타내는 연속확률분포다. 서로 독립이고 평균이 0이며 분산이 같은 두 정규 성분을 가진 평면 벡터의 길이와 연결된다.
로그로지스틱 분포
로그로지스틱 분포는 자연로그를 취했을 때 로지스틱 분포를 따르는 양의 확률변수의 분포다. 피스크 분포라고도 하며, 로그정규분포와는 로그를 취한 뒤의 분포가 다르다.
로지스틱 분포
로지스틱 분포는 누적분포함수가 로지스틱 함수인 연속확률분포다. 위치를 중심으로 대칭인 종 모양의 밀도를 가지며, 이름이 같은 로지스틱 회귀라는 예측 모형과는 구분된다.
와이블 분포
와이블 분포는 양의 형상 모수와 척도 모수로 비음수 값을 표현하는 연속확률분포다. 형상에 따라 분포와 위험률의 모양이 달라지며 수명이나 대기시간을 모형화하는 데 활용된다.
일반화 파레토 분포
일반화 파레토 분포는 비음수 초과량의 꼬리 형태를 모형화할 때 사용하는 연속확률분포족이다. 양의 척도와 형상 모수로 표현하며, 형상에 따라 무한한 꼬리 또는 유한한 상한을 가질 수 있다.
일반화 극값 분포
일반화 극값 분포는 위치, 척도와 형상 모수로 여러 극값 분포 형태를 함께 표현하는 연속확률분포족이다. 형상에 따라 꼬리의 성질과 가능한 값의 범위가 달라지며 검벨 분포를 극한의 경우로 포함한다.
검벨 분포
검벨 분포는 극값을 다루는 확률 모형과 관련된 연속확률분포다. 위치와 척도에 따라 분포를 옮기고 늘릴 수 있으며, 최댓값 쪽을 다루는 형태와 이를 반전한 형태를 구분한다.
강체 변환
강체 변환은 점 사이의 거리를 유지하는 기하 변환이다. 삼차원 자세를 다루는 로봇공학과 그래픽스에서는 보통 반사를 제외한 회전과 평행이동의 조합을 사용한다.
와바 문제
와바 문제는 두 좌표계에서 관측한 대응 방향 벡터들이 가장 잘 맞도록 삼차원 회전을 추정하는 최적화 문제다. 가중 제곱 오차를 최소화하며 여러 방향 관측으로 물체의 자세를 결정하는 상황을 다룬다.
오일러 각
오일러 각은 정해진 축 순서에 따른 세 번의 회전각으로 삼차원 자세를 표현하는 방식이다. 각도 세 개만으로 의미가 정해지지 않으며 축의 순서와 고정축 또는 이동축 규약을 함께 지정해야 한다.
회전 벡터
회전 벡터는 삼차원 회전의 축 방향과 회전각을 하나의 삼차원 벡터로 표현하는 방식이다. 벡터의 방향이 축을 나타내고 길이가 회전각을 나타내며, 일반적인 방향 벡터나 세 축의 개별 회전각과 구분된다.
구면 선형 보간
구면 선형 보간은 두 단위 방향 사이를 구면의 대원호를 따라 일정한 각도 속도로 잇는 보간 방법이다. 좌표를 직선으로 섞는 보간과 달리 중간 결과도 구면 위에 놓이도록 구성한다.
구면 보로노이 다이어그램
구면 보로노이 다이어그램은 구의 표면에 놓인 기준점들에 대해 가장 가까운 기준점이 같은 위치들을 영역으로 묶은 분할이다. 평면의 보로노이 구성을 구면 위의 거리와 곡률을 고려해 다룬다.
푸아송 디스크 표본추출
푸아송 디스크 표본추출은 표본점 사이에 최소 거리를 유지하면서 영역 안에 점들을 배치하는 방법이다. 점이 지나치게 가까이 몰리는 것을 막으면서 규칙적인 격자와 다른 배치를 만드는 데 사용한다.
불일치도 (표본 배치)
표본 배치의 불일치도는 영역의 부피에 비해 표본점이 얼마나 과도하거나 부족하게 놓였는지를 수치로 나타내는 기준이다. 단위 초입방체에서 점들의 공간 충전 성질을 평가하고 저불일치 수열을 비교하는 데 사용한다.
소볼 수열
소볼 수열은 단위 초입방체 안에 점들을 고르게 배치하도록 구성하는 저불일치 수열이다. 수치 적분과 시뮬레이션에서 사용하는 준난수의 한 종류로, 독립 난수와 다른 구조적인 균형을 활용한다.
할턴 수열
할턴 수열은 서로 다른 소수 밑의 자리수 역전 수열을 좌표별로 결합해 단위 초입방체 안의 점들을 구성하는 저불일치 수열이다. 다차원 수치 적분과 매개변수 탐색에서 공간을 살피는 표본으로 사용한다.
라틴 초입방체 표본추출
라틴 초입방체 표본추출은 여러 변수의 범위를 나누고 각 변수의 모든 구간에서 한 번씩 값을 선택하도록 표본을 구성하는 방법이다. 적은 실험 횟수로 각 변수의 범위를 고르게 살피는 데 활용한다.
하우스도르프 거리
하우스도르프 거리는 두 점 집합에서 각 점과 상대 집합의 가장 가까운 점 사이의 거리를 살핀 뒤 가장 큰 어긋남을 나타내는 거리다. 점의 행별 대응을 미리 정하지 않고 형상이나 점군을 비교할 수 있다.
프로크루스테스 분석
프로크루스테스 분석은 서로 대응하는 점들의 배치를 이동, 회전과 크기 조정 등으로 맞춰 형태의 차이를 살피는 방법이다. 허용하는 변환을 정한 뒤 대응점 사이의 오차를 최소화한다.
영상 모멘트
영상 모멘트는 화소 위치의 거듭제곱과 화소의 가중치를 합산해 영상 영역의 분포를 요약하는 값이다. 영역의 크기와 중심, 퍼진 방향 등을 수치로 다루는 데 사용한다.
HSV 색 공간
HSV 색 공간은 색을 색상, 채도, 명도의 세 성분으로 표현하는 방식이다. 영상에서 특정 색의 범위를 골라 내거나 색을 조절할 때 사용하며, RGB의 세 채널과는 좌표의 의미가 다르다.
양방향 필터
양방향 필터는 화소 사이의 공간 거리와 밝기 또는 색의 차이를 함께 반영해 영상을 평활화하는 방법이다. 가까이 있어도 값이 크게 다른 화소의 영향을 줄여 경계를 보존하는 방향으로 평균을 구성한다.
BRIEF 기술자
BRIEF는 영상의 작은 영역에서 여러 쌍의 밝기를 비교해 이진 문자열을 만드는 특징 기술자다. 미리 검출한 특징점 주변을 간결하게 표현하고 영상 사이의 대응 후보를 비교하는 데 사용한다.
FAST 코너 검출
FAST 코너 검출은 중심 화소 주변의 원형 이웃에서 연속된 밝기 차이를 검사해 특징점 후보를 찾는 방법이다. 주변 화소를 비교하는 간단한 판정으로 영상의 관심점을 선별한다.
ORB 특징점
ORB는 FAST 기반의 특징점 검출과 방향을 보정한 이진 기술자를 결합하는 영상 특징 추출 방법이다. 서로 다른 영상에서 대응하는 부분을 찾을 때 위치 정보와 짧은 이진 표현을 함께 사용한다.
SIFT
SIFT는 영상에서 특징점의 위치와 크기, 방향을 찾고 주변 밝기 변화로 기술자를 만드는 방법이다. 크기나 회전이 달라진 영상 사이에서 같은 부분의 대응을 찾는 데 사용한다.
시 토마시 코너 검출
시 토마시 코너 검출은 국소 기울기 행렬의 두 고유값 중 작은 값을 점수로 사용해 특징점을 고르는 방법이다. 서로 다른 방향에서 충분한 밝기 변화가 있는 위치를 찾는 관점을 사용한다.
해리스 코너 검출
해리스 코너 검출은 작은 영상 영역을 여러 방향으로 움직였을 때 밝기 패턴이 얼마나 달라지는지 분석해 코너 후보를 찾는 방법이다. 한 방향의 경계뿐 아니라 두 방향으로 충분한 변화가 있는 위치를 살핀다.
광학 흐름
광학 흐름은 연속된 영상에서 밝기 패턴이 화면 위로 이동하는 양상을 벡터장으로 나타낸 것이다. 물체 이동뿐 아니라 카메라 움직임 등으로도 생기며, 실제 삼차원 속도와 그대로 같은 양은 아니다.
구조적 유사도 지수
구조적 유사도 지수는 두 영상의 국소적인 밝기와 대비, 구조 관계를 이용해 유사성을 평가하는 지표다. 한 영상을 기준으로 삼아 다른 영상의 품질을 비교할 수 있지만 모든 지각적·의미적 차이를 측정하는 것은 아니다.
최대 신호 대 잡음비
최대 신호 대 잡음비는 기준 영상과 비교 영상의 평균 제곱 오차를 신호의 최대 표현값에 대비해 데시벨로 나타내는 지표다. 영상 압축이나 복원 결과를 비교할 때 쓰지만, 사람의 지각 품질을 직접 측정하는 값은 아니다.
감마 보정
감마 보정은 입력 밝기값에 거듭제곱 형태의 변환을 적용하는 방법이다. 영상의 명암을 바꾸거나 비선형 밝기 표현을 다룰 때 사용하며, 지수의 정의와 입력 범위를 확인해야 한다.
히스토그램 평활화
히스토그램 평활화는 밝기의 누적 분포를 이용해 영상의 명암 값을 다시 배치하는 방법이다. 좁은 밝기 범위에 모인 값을 더 넓게 표현해 대비를 바꿀 수 있지만 모든 영상에서 시각적 품질이 좋아지는 것은 아니다.
연결 요소 레이블링
연결 요소 레이블링은 전경 화소들이 정한 이웃 관계로 이어지는지를 검사해 각 연결 집합에 서로 다른 식별자를 부여하는 연산이다. 같은 전경이라도 연결 기준에 따라 요소 수가 달라질 수 있다.
워터셰드 영상 분할
워터셰드 영상 분할은 영상을 높낮이가 있는 지형처럼 해석해 영역을 나누는 방법이다. 서로 다른 영역이 확장하며 만나는 곳을 경계로 구분하는 관점을 사용하고, 마커 기반 방식에서는 출발 영역의 레이블을 지정한다.