210714 FUNDAMENTAL 12. 이미지파일 다루기

시에나 Sienna·2021년 7월 14일

AIFFEL

목록 보기

12/66

사용 패키지 : Pillow, OpenCV, Matplotlib

> pip install pillow opencv-python matplotlib
> mkdir -p ~/aiffel/python_image_proc/data
> ln -s ~/data/* ~/aiffel/python_image_proc/data
> s ~/aiffel/python_image_proc/data  # 파일 확인

1. Pillow 사용법

이미지는 배열 형태 데이터, [너비, 높이, 채널(RGB순서)]형태

uint8 : 각 값이 부호가 없는(unsigned) 8비트 정수(integer)가 되어 0~255(2의 8승 = 256) 사이의 값을 나타냄
.size() : 가로 세로 크기
.width()/.height() : 가로크기/세로크기
.resize()
.crop()

참고자료 :OpenCV 크기조절

2. Pillow 활용 데이터 전처리

.reshape(x, order = 'C', 'F' or 'K')
- C : (디폴트) C와 같은 순서로 인덱싱
- F : Fortran과 같은 순서로 인덱싱
- K : 메모리에 발생하는 순서로 인덱싱

3. OpenCV

OpenCV에서는 RGB가 아닌 BGR 순서를 사용(주의✨)하며 Python 전용 ❌, C++, Java, Matlab등에서 함께 사용가능함

%matplotlib inline
- Rich output(그림, 소리, 애니메이션 등의 결과물)에 대한 표현방식
- jupyther notebook을 실행한 브라우저에서 바로 그림을 볼수 있게 해주는 것
- 브라우저 내부(inline)에 바로 그려지도록 해주는 코드
.imread() : 이미지 읽기(jpeg, png, bmp 등)
.inRange : 특정 범위 안에 있는 행렬 원소 검출 ⇨ 특정 생상 영역 추출
- 해당하는 픽셀 1, 그렇지 않으면 0을 배열로 반환하는 함수
.cvtColor() : 비트연산. 두 이미지의 동일 위치에 대한 AND,OR,NOT, XOR 연산 진행
- 색상 변환코드는 원본 이미지 색상 공간2결과이미지 색상 공간을 의미
- 원 RGB -> 결과 HSV(Hue 색상, Saturation 채도, Value 명도)
.bitwise_and() : 이미지 and 비트연산. 동일한 이미지 출력
- mask= : 적용 영역만 나오도록 지정. 도배할때 마스킹테이프 역할.
.imshow() : 이미지 표시 & show() 메서드를 호출해야 이미지를 보여줌
- plt.imshow 대신 PIT.Image.show(), cv.imshow(res)도 이미지를 화면에 표시함

참고자료 :
1. OpenCV Tutorials
2. OpenCV 색상 공간 변환
3. OpenCV Tutorials/Changing Coloerspaces
4. cv2.inRange()
5. 이미지 비트연산

4. 실습

> pip install opencv-python matplotlib

이미지에서 색상 히스토그램을 추출하고, 이를 서로 비교하는 기능들을 불러 사용함

STEP 1-3

STEP 4. 기능의 모듈화

STEP 5. 설계 과정 완성

프로그램 실행
build_histogram_db()
- CIFAR-100 이미지들 불러오기
- CIFAR-100 이미지들 각각 히스토그램 만들기
- 딕셔너리{키 = 이미지 이름 : 값 = 히스토그램}를 histogram_db에 반환
CIFAR-100 히스토그램 중 입력된 이미지 이름에 해당하는 히스토그램을 입력 이미지로 선택
search()
- 입력값
  - 입력 이미지 히스토그램 target_histogram
  - 전체 검색 대상 이미지들의 히스토그램을 가진 딕셔너리 histogram_db
- OpenCV의 compareHist() 함수를 사용하여 입력 이미지와 검색 대상 이미지 각각의 히스토그램 간 유사도 계산
  - 결과 : result = {키 = 이미지 이름 : 값 = 유사도}
- 계산된 유사도 기준 순서대로 정렬
- 유사도 순서상 상위 5개 이미지 선택 ⇨ result에 남김
고른 이미지들 표시
프로그램 종료

STEP 6. 코드 구현

(1) get_histogram() 구현

이미지 파일 1개에 대해 히스토그램을 만드는 함수 구현

.calcHist(images, channels, mask, histSize, ranges(, hist(, accumulate)))
- 영상의 히스토그램을 확인(???? 정의가 확 이해되지 않는다😅)
- image : 분석 대상 이미지(array 형태)
- channels : X축의 대상
  - 흑백사진 : [0]
  - 컬러사진 : [0],[0,1]형태(1 : Blue, 2: Green, 3: Red)
- mask : 이미지 분석영역. None이면 전체 영역
- histSize : 히스토그램 구간 갯수
- ranges : 등간격[0, 256]
os.path.join
get_histogram()

(2) build_histogram_db() 구현

디렉토리에 모아둔 이미지들 각각 히스토그램 만드는 함수 구현

(3) target_histogram() 구현

(4) search() 구현

.compareHist(H1,H2, compare_method)
- 두 히스토그램이 서로 얼마나 잘 일치하는지 나타내는 수치 매개변수를 가져옴
- 측정항목(상관분석/카이제곱/교집합/Bhattacharyya distance 등)
  - cv.HISTCMP_CORREL : 상관분석(상관계수 Correlation)
  - cv.HISTCMP_CHISQR : 카이제곱 검정(Chi-squared test)
  - cv.HISTCMP_INTERSECT : 교집합(Intersection)
  - cv.HISTCMP_BHATTACHARYYA : 바타차랴 거리 측정 알고리즘(Bhattacharyya distance: 연속적이거나 불연속적인 두 확률 분포의 유사성을 측정하는 통계적 확률 계산으로 오류율을 측정하여 거리를 계산)