치수 계산하기 - edge score

Gradient 기반 신뢰도 스코어링(gradient-based edge confidence scoring)**은 검출된 edge가 진짜 edge인지 아닌지를 판단하거나 subpixel edge의 신뢰도를 정량화할 때 매우 유용한 기법으로, CD 측정, 자동 edge 선택, 노이즈 필터링 등에 적용된다.

Gradient magnitude : edge의 "강도(strength)" 또는 "확신도(confidence)"로 해석 가능
강한 edge : 큰 gradient → 확실한 밝기 변화 → 진짜 edge일 가능성 높음
약한 edge : 작은 gradient → noise, blur, 혹은 경계 아님

Confidence = |I(x+1) - I(x-1)| / 2 = |Gradient|

 

스코어링 기준값 예시

≥ 20.0	매우 강한 edge	CD 측정에 사용 가능
10 ~ 20	보통 수준	조건부 사용 가능
< 10.0	약한 edge	필터링 필요 가능성 높음

※ 실제 값은 이미지 명암 대비에 따라 달라지므로 **이미지별로 동적으로 정규화(normalization)**하거나 상대 비교 방식 사용 가능

 

예제

struct EdgePoint {
    float position;              // subpixel 위치
    float confidence;            // gradient magnitude
    EdgeDirection direction;     // 양/음 gradient
};

vector<EdgePoint> detectEdgesWithConfidence(const vector<float>& profile) {
    vector<EdgePoint> edges;

    for (int i = 1; i < profile.size() - 1; ++i) {
        float g_prev = profile[i - 1];
        float g_curr = profile[i];
        float g_next = profile[i + 1];

        // gradient magnitude = edge confidence
        float gradMag = fabs(g_next - g_prev) * 0.5f;

        // edge candidate (local max/min in gradient)
        if ((g_curr > g_prev && g_curr > g_next) || (g_curr < g_prev && g_curr < g_next)) {
            float offset = parabolaSubpixelOffset(g_prev, g_curr, g_next);
            EdgeDirection dir = (g_next - g_prev > 0) ? EdgeDirection::POSITIVE : EdgeDirection::NEGATIVE;

            edges.push_back({i + offset, gradMag, dir});
        }
    }

    return edges;
}