Lecture Note – 페이지 5

영상처리 Chap02_샘플링/푸리에변환

업샘플링

from PIL import Image
import matplotlib.pyplot as plt

im = Image.open("./images/clock.jpg")
im2 = im.resize((im.width*5, im.height*5), Image.BICUBIC)

plt.figure(figsize=(20, 10))

plt.subplot(1,2,1)
plt.imshow(im)

plt.subplot(1,2,2)
plt.imshow(im2, cmap='gray')

1

2

3

4

5

6

7

8

9

10

11

12

13

from PIL import Image

import matplotlib.pyplot as plt

im = Image.open("./images/clock.jpg")

im2 = im.resize((im.width*5, im.height*5), Image.BICUBIC)

plt.figure(figsize=(20, 10))

plt.subplot(1,2,1)

plt.imshow(im)

plt.subplot(1,2,2)

plt.imshow(im2, cmap='gray')

다운샘플링

from PIL import Image
import matplotlib.pyplot as plt

im = Image.open("./images/clock.jpg")
im2 = im.resize((im.width//5, im.height//5), Image.BICUBIC)

plt.figure(figsize=(10, 5))

plt.subplot(1,2,1)
plt.imshow(im)

plt.subplot(1,2,2)
plt.imshow(im2, cmap='gray')

1

2

3

4

5

6

7

8

9

10

11

12

13

from PIL import Image

import matplotlib.pyplot as plt

im = Image.open("./images/clock.jpg")

im2 = im.resize((im.width//5, im.height//5), Image.BICUBIC)

plt.figure(figsize=(10, 5))

plt.subplot(1,2,1)

plt.imshow(im)

plt.subplot(1,2,2)

plt.imshow(im2, cmap='gray')

고속 푸리에 변환(FFT; Fast Fourier Transform)

import numpy as np
import matplotlib.pyplot as plt
from PIL import Image
from scipy import fftpack as fp

im = np.array(Image.open('./images/rhino.jpg').convert('L'))

plt.figure(figsize=(10,5))

plt.subplot(121)
plt.imshow(im, cmap='gray')

plt.subplot(122)
freq = fp.fft2(im) # FFT 수행
freq = fp.fftshift(freq) # shift 수행
plt.imshow((20*np.log10( 0.1 + freq)).real.astype(int), cmap='gray')

plt.show()

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

import numpy as np

import matplotlib.pyplot as plt

from PIL import Image

from scipy import fftpack as fp

im = np.array(Image.open('./images/rhino.jpg').convert('L'))

plt.figure(figsize=(10,5))

plt.subplot(121)

plt.imshow(im, cmap='gray')

plt.subplot(122)

freq = fp.fft2(im) # FFT 수행

freq = fp.fftshift(freq) # shift 수행

plt.imshow((20*np.log10( 0.1 + freq)).real.astype(int), cmap='gray')

plt.show()

FFT 변환(1) -> 주파수(2) -> 저주파 제거(3) -> IFFT 변환(4)

import numpy as np
import matplotlib.pyplot as plt
from PIL import Image
from scipy import fftpack as fp

im = np.array(Image.open('./images/rhino.jpg').convert('L'))

plt.figure(figsize=(15,12))

plt.subplot(221)
plt.imshow(im, cmap='gray')  # (1) 원본

plt.subplot(222)
freq = fp.fft2(im) # FFT 수행
freq1 = np.copy(freq)
freq2 = fp.fftshift(freq1) # shift 수행
plt.imshow((20*np.log10( 0.1 + freq2)).real.astype(int), cmap='gray')  # (2) FFT변화후 주파수

plt.subplot(223)
(w, h) = freq.shape
half_w, half_h = w//2, h//2 # 중심 좌표
# 20 × 20 크기 저주파 영역 계수값 제거
freq2[half_w-10:half_w+11, half_h-10:half_h+11] = 0
plt.imshow( (20 * np.log10( 0.1 + freq2)).real.astype(int), cmap='gray') # (3) 저주파 제거후 주파수

plt.subplot(224)
im1 = fp.ifft2(fp.ifftshift(freq2))
im2 = np.clip(im1.real,0,255) # IFFT후 화소 값 클램핑 수행
plt.imshow(im2, cmap='gray')  # (4) IFFT 후 영상

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

import numpy as np

import matplotlib.pyplot as plt

from PIL import Image

from scipy import fftpack as fp

im = np.array(Image.open('./images/rhino.jpg').convert('L'))

plt.figure(figsize=(15,12))

plt.subplot(221)

plt.imshow(im, cmap='gray') # (1) 원본

plt.subplot(222)

freq = fp.fft2(im) # FFT 수행

freq1 = np.copy(freq)

freq2 = fp.fftshift(freq1) # shift 수행

plt.imshow((20*np.log10( 0.1 + freq2)).real.astype(int), cmap='gray') # (2) FFT변화후 주파수

plt.subplot(223)

(w, h) = freq.shape

half_w, half_h = w//2, h//2 # 중심 좌표

# 20 × 20 크기 저주파 영역 계수값 제거

freq2[half_w-10:half_w+11, half_h-10:half_h+11] = 0

plt.imshow( (20 * np.log10( 0.1 + freq2)).real.astype(int), cmap='gray') # (3) 저주파 제거후 주파수

plt.subplot(224)

im1 = fp.ifft2(fp.ifftshift(freq2))

im2 = np.clip(im1.real,0,255) # IFFT후 화소 값 클램핑 수행

plt.imshow(im2, cmap='gray') # (4) IFFT 후 영상

FFT 변환(1) -> 주파수(2) -> 주파 제거(3) -> IFFT 변환(4)

import numpy as np
import matplotlib.pyplot as plt
from PIL import Image
from scipy import fftpack as fp

im = np.array(Image.open('./images/rhino.jpg').convert('L'))

plt.figure(figsize=(15,12))

plt.subplot(221)
plt.imshow(im, cmap='gray')  # (1) 원본

plt.subplot(222)
freq = fp.fft2(im) # FFT 수행
freq1 = np.copy(freq)
freq2 = fp.fftshift(freq1) # shift 수행
plt.imshow((20*np.log10( 0.1 + freq2)).real.astype(int), cmap='gray')  # (2) FFT변화후 주파수

plt.subplot(223)
(w, h) = freq.shape
half_w, half_h = w//2, h//2 # 중심 좌표
# 20 × 20 크기 저주파 영역 계수값 제거
freq2_low = np.copy(freq2)
freq2_low[half_w-10:half_w+11, half_h-10:half_h+11] = 0
freq2 -= freq2_low
plt.imshow( (20 * np.log10( 0.1 + freq2)).real.astype(int), cmap='gray') # (3) 고주파 제거후 주파수

plt.subplot(224)
im1 = fp.ifft2(fp.ifftshift(freq2))
im2 = np.clip(im1.real,0,255) # IFFT후 화소 값 클램핑 수행
plt.imshow(im2, cmap='gray')  # (4) IFFT 후 영상

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

import numpy as np

import matplotlib.pyplot as plt

from PIL import Image

from scipy import fftpack as fp

im = np.array(Image.open('./images/rhino.jpg').convert('L'))

plt.figure(figsize=(15,12))

plt.subplot(221)

plt.imshow(im, cmap='gray') # (1) 원본

plt.subplot(222)

freq = fp.fft2(im) # FFT 수행

freq1 = np.copy(freq)

freq2 = fp.fftshift(freq1) # shift 수행

plt.imshow((20*np.log10( 0.1 + freq2)).real.astype(int), cmap='gray') # (2) FFT변화후 주파수

plt.subplot(223)

(w, h) = freq.shape

half_w, half_h = w//2, h//2 # 중심 좌표

# 20 × 20 크기 저주파 영역 계수값 제거

freq2_low = np.copy(freq2)

freq2_low[half_w-10:half_w+11, half_h-10:half_h+11] = 0

freq2 -= freq2_low

plt.imshow( (20 * np.log10( 0.1 + freq2)).real.astype(int), cmap='gray') # (3) 고주파 제거후 주파수

plt.subplot(224)

im1 = fp.ifft2(fp.ifftshift(freq2))

im2 = np.clip(im1.real,0,255) # IFFT후 화소 값 클램핑 수행

plt.imshow(im2, cmap='gray') # (4) IFFT 후 영상

영상처리 Chap01_그림불러오기/화면출력/저장하기

Pillow의 Image 모듈 사용 Pillow API : https://pillow.readthedocs.io/en/stable/index.html PIL의 Image 사용하여 열기

from PIL import Image
import matplotlib.pyplot as plt

im = Image.open("./images/whale.jpg")

plt.imshow(im)

1

2

3

4

5

6

from PIL import Image

import matplotlib.pyplot as plt

im = Image.open("./images/whale.jpg")

plt.imshow(im)

Image.convert() 함수를 사용하여 Grayscale로 변환하기

from PIL import Image
import matplotlib.pyplot as plt

im = Image.open("./images/whale.jpg")
im_g = im.convert('L')

plt.figure(figsize=(10, 5))

plt.subplot(1,2,1)
plt.axis('off')
plt.imshow(im)

plt.subplot(1,2,2)
plt.axis('off')
plt.imshow(im_g, cmap='gray')

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

from PIL import Image

import matplotlib.pyplot as plt

im = Image.open("./images/whale.jpg")

im_g = im.convert('L')

plt.figure(figsize=(10, 5))

plt.subplot(1,2,1)

plt.axis('off')

plt.imshow(im)

plt.subplot(1,2,2)

plt.axis('off')

plt.imshow(im_g, cmap='gray')

API 설명 : https://pillow.readthedocs.io/en/stable/reference/Image.html#PIL.Image.Image.convert mode 종류 : 1, L, P, RGB, RGBA, CMYK, YCbCr, LAB, HSV, I, F Image.resize() 함수를 사용하여 그림 크기 변환하기

from PIL import Image
import matplotlib.pyplot as plt

im = Image.open('./images/whale.jpg')
im_large = im.resize((im.width // 20, im.height // 20), Image.BILINEAR)
print((im.width, im.height), (im_large.width, im_large.height))

plt.figure(figsize=(10, 5))
plt.subplot(1, 2, 1); plt.imshow(im)
plt.subplot(1, 2, 2); plt.imshow(im_large)

1

2

3

4

5

6

7

8

9

10

from PIL import Image

import matplotlib.pyplot as plt

im = Image.open('./images/whale.jpg')

im_large = im.resize((im.width // 20, im.height // 20), Image.BILINEAR)

print((im.width, im.height), (im_large.width, im_large.height))

plt.figure(figsize=(10, 5))

plt.subplot(1, 2, 1); plt.imshow(im)

plt.subplot(1, 2, 2); plt.imshow(im_large)

API 설명 : https://pillow.readthedocs.io/en/stable/reference/Image.html#PIL.Image.Image.resize Image.resize(size, resample=None, box=None, reducing_gap=None) size… Continue Reading 영상처리 Chap01_그림불러오기/화면출력/저장하기

영상이해 실습

2022년 9월 8일(목) : whale.jpg 파일을 읽어와서 화면에 출력 GrayScale로 변환한 후 화면에 출력 R, G, B로 분할하여 각각을 출력 HSV로 변환한 후 H, S, V로 분할하여 출력 크기를 50% 줄여서 출력 가로 뒤집기, 세로 뒤집기, 45도 회전시킨 결과 출력 2022년 9월 15일(목) : horse.jpg 파일을 읽어와서 화면에 출력 다운샘플링(크기를… Continue Reading 영상이해 실습

Colab에 영상이해 수업 환경 구성하기

크롬을 띄운 후 교수 홈페이지 접속 : http://moak.co.kr 영상이해 메뉴 클릭 images.zip 클릭하여 다운로드 교수 홈페이지 창 닫기 새 크롬을 띄운 후 코랩(Colab) 접속 : https://colab.research.google.com/?hl=ko 새 노트 버튼 클릭 다음 작업을 하고 파일 -> 저장 메뉴 클릭 파일명 : 영상이해첫번째프로그램.ipynb print(“hello”) 입력후 실행 크롬 창 닫기 새로 크롬을 띄운후… Continue Reading Colab에 영상이해 수업 환경 구성하기

파이썬_C언어_쉘스크립트 비교

이름, 국어, 영어, 수학 점수를 입력받아 총점과 평균을 구하고, 그 결과를 출력하는 프로그램 파이썬 C언어 : s.c Bash 쉘스크립트 : s.sh chmod를 이용하여 파일 접근권한 변경 : chmod 744 s.sh 자료형이 존재하지 않고 모두 문자열로 저장되나 let을 사용하여 계산 가능 쉘스크립트는 정수만 취급(실수(float) 사용 안함) 성적을 입력받아 90이상은 A, 80이상은… Continue Reading 파이썬_C언어_쉘스크립트 비교

[공고] JICA 2022년도 전라북도 대기환경 개선을 위한 [SW서비스 기술개발 및 사업화 지원사업]

URL : https://www.jica.or.kr/2016/inner.php?sMenu=A1000&mode=view&no=555 지원분야 RFP : [참고자료 1]. 2022년 SW서비스 기술개발 제안요청서(RFP) 10건

파이썬 API 라이브러리 알아보기

파이썬 API Reference 접속 Tutorial : 파이썬 사용법 설명 Library Reference : 함수 등에 대한 설명 Built-in Functions Numeric and Mathematical Modules File and Directory Access Graphical User Interfaces with Tk 등등 프로그래밍 해보기 숫자 하나를 입력 받아 그 숫자에 대한 제곱근(√) 구하기 반올림 구하기 소수점 3째 자리에서 반올림해서 2째 자리까지… Continue Reading 파이썬 API 라이브러리 알아보기

파이썬 클래스

정의 클래스(class) : 설계 도면 객체(object) : 설계도에 따라 만든 것 클래스 1 선언

class Student:
  pass

1 2	class Student: pass

사용

st = Student()
st.hakbun = '200012345'
st.name = 'gildong'

print(st.hakbun, st.name)

1

2

3

4

5

st = Student()

st.hakbun = '200012345'

st.name = 'gildong'

print(st.hakbun, st.name)

클래스 2 : 함수 추가 선언

class Student2:
  def my_print(self):
    print(self.hakbun, self.name)

1

2

3

class Student2:

def my_print(self):

print(self.hakbun, self.name)

사용

st2 = Student2()
st2.hakbun = '200012345'
st2.name = 'gildong'
st2.my_print()

1

2

3

4

st2 = Student2()

st2.hakbun = '200012345'

st2.name = 'gildong'

st2.my_print()

클래스 3 : 함수 추가 선언

class Student3:
  def my_input(self):
    self.hakbun = input('학번 : ')
    self.name = input('이름 : ')
  def my_print(self):
    print(self.hakbun, self.name)

1

2

3

4

5

6

class Student3:

def my_input(self):

self.hakbun = input('학번 : ')

self.name = input('이름 : ')

def my_print(self):

print(self.hakbun, self.name)

사용

st3 = Student3()
st3.my_input()
st3.my_print()

1

2

3

st3 = Student3()

st3.my_input()

st3.my_print()

클래스 4 : __init__() 함수 선언

class Student4:
  def __init__(self):
    self.hakbun = '000000000'
    self.name = '아무개'
  def my_input(self):
    self.hakbun = input('학번 : ')
    self.name = input('이름 : ')
  def my_print(self):
    print(self.hakbun, self.name)

1

2

3

4

5

6

7

8

9

class Student4:

def __init__(self):

self.hakbun = '000000000'

self.name = '아무개'

def my_input(self):

self.hakbun = input('학번 : ')

self.name = input('이름 : ')

def my_print(self):

print(self.hakbun, self.name)

사용

st4 = Student4()
st4.my_print()

1 2	st4 = Student4() st4.my_print()

클래스 5 : 매개변수 사용 선언… Continue Reading 파이썬 클래스

파이썬 함수 정의

함수 예 print()

print('홍길동')
print('홍길동', '님 반갑습니다')
print('홍길동\t90\t100\80\270\n길동이\t80\t90\70\240\n')
for i in range(1, 10, 2):
  print(i, end=', ')

1

2

3

4

5

print('홍길동')

print('홍길동', '님 반갑습니다')

print('홍길동\t90\t100\80\270\n길동이\t80\t90\70\240\n')

for i in range(1, 10, 2):

print(i, end=', ')

a = input()

name = []

for i in range(3):
  n = input(i, '번째 이름 : ')  # 오류를 수정해보세요
  n = input(i + '번째 이름 : ')  # 오류를 수정해보세요
  name.append(n)

print(name)

1

2

3

4

5

6

7

8

name = []

for i in range(3):

n = input(i, '번째 이름 : ') # 오류를 수정해보세요

n = input(i + '번째 이름 : ') # 오류를 수정해보세요

name.append(n)

print(name)

r = random.randint(1, 45) 인자 전달 / 리턴 예제 1

def sum(a, b):
  c = a + b
  return c

s = sum(3, 4)
print(s)

1

2

3

4

5

6

def sum(a, b):

c = a + b

return c

s = sum(3, 4)

print(s)

예제 2

def calc(a, b):
  c = a + b
  d = a - b
  return c, d

s, t = calc(5,2)
print(s, t)

1

2

3

4

5

6

7

def calc(a, b):

c = a + b

d = a - b

return c, d

s, t = calc(5,2)

print(s, t)

예제 3

def multi(a, b, c=3, d=4):
   k = a + b + c + d
   return k

s = multi(9,8,7,6)
t = multi(9,8,7)
u = multi(9,8)
v = multi(9)        # 오류 이유?
print(s, t, u, v)   # 오류 이유?

1

2

3

4

5

6

7

8

9

def multi(a, b, c=3, d=4):

k = a + b + c + d

return k

s = multi(9,8,7,6)

t = multi(9,8,7)

u = multi(9,8)

v = multi(9) # 오류 이유?

print(s, t, u, v) # 오류 이유?

전역변수(global variable)와 지역변수(local variable)

def area1():
  return r * r * pi

def area2():
  r = 10
  return r * r * pi

def area3():
  r += 5
  return r * r * pi

def area4():
  global r
  r += 5
  return r * r * pi

r = 5
pi = 3.14

print(r, pi, area1())
print(r, pi, area2())
print(r, pi, area3())
print(r, pi, area4())

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

def area1():

return r * r * pi

def area2():

r = 10

return r * r * pi

def area3():

r += 5

return r * r * pi

def area4():

global r

r += 5

return r * r * pi

r = 5

pi = 3.14

print(r, pi, area1())

print(r, pi, area2())

print(r, pi, area3())

print(r, pi, area4())

재귀함수

def fact(n):
  if n <= 1:
    return 1
  else:
    return n * fact(n - 1)

fact(3)

1

2

3

4

5

6

7

def fact(n):

if n <= 1:

return 1

else:

return n * fact(n - 1)

fact(3)

Scikit-Image(skimage) 정리

참조 User Guide : https://scikit-image.org/docs/stable/user_guide.html API Reference : https://scikit-image.org/docs/stable/api/api.html skimage Subpackages Utility Functions Module: color combine_stains convert_colorspace deltaE_cie76 deltaE_ciede2000 deltaE_ciede94 deltaE_cmc gray2rgb gray2rgba hed2rgb hsv2rgb lab2lch lab2rgb lab2xyz label2rgb lch2lab rgb2gray rgb2hed rgb2hsv rgb2lab rgb2rgbcie rgb2xyz rgb2ycbcr rgb2ydbdr rgb2yiq rgb2ypbpr rgb2yuv gba2rgbr rgbcie2rgb separate_stains xyz2lab xyz2rgb ycbcr2rgb ydbdr2rgb yiq2rgb ypbpr2rgb yuv2rgb… Continue Reading Scikit-Image(skimage) 정리