05_filtering.py - Examples

  1"""
  205. 이미지 필터링
  3- blur, GaussianBlur, medianBlur
  4- bilateralFilter
  5- 커스텀 필터 (filter2D)
  6- 샤프닝
  7"""
  8
  9import cv2
 10import numpy as np
 11
 12
 13def create_noisy_image():
 14    """노이즈가 있는 테스트 이미지 생성"""
 15    img = np.zeros((300, 400, 3), dtype=np.uint8)
 16    img[:] = [200, 200, 200]
 17
 18    # 도형 그리기
 19    cv2.rectangle(img, (50, 50), (150, 150), (0, 0, 255), -1)
 20    cv2.circle(img, (300, 150), 50, (255, 0, 0), -1)
 21    cv2.putText(img, 'Filter', (150, 250), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 0), 2)
 22
 23    # 가우시안 노이즈 추가
 24    noise = np.random.normal(0, 25, img.shape).astype(np.int16)
 25    noisy = np.clip(img.astype(np.int16) + noise, 0, 255).astype(np.uint8)
 26
 27    return img, noisy
 28
 29
 30def create_salt_pepper_noise(img):
 31    """소금-후추 노이즈 추가"""
 32    noisy = img.copy()
 33    # 소금 (흰색)
 34    salt = np.random.random(img.shape[:2]) < 0.02
 35    noisy[salt] = 255
 36    # 후추 (검정)
 37    pepper = np.random.random(img.shape[:2]) < 0.02
 38    noisy[pepper] = 0
 39    return noisy
 40
 41
 42def blur_demo():
 43    """블러 필터 데모"""
 44    print("=" * 50)
 45    print("블러 필터")
 46    print("=" * 50)
 47
 48    original, noisy = create_noisy_image()
 49
 50    # 평균 블러 (Box Filter)
 51    blur_3x3 = cv2.blur(noisy, (3, 3))
 52    blur_5x5 = cv2.blur(noisy, (5, 5))
 53    blur_7x7 = cv2.blur(noisy, (7, 7))
 54
 55    print("평균 블러 (Box Filter):")
 56    print("  - 모든 픽셀에 동일한 가중치")
 57    print("  - 커널 크기가 클수록 더 흐려짐")
 58
 59    cv2.imwrite('original.jpg', original)
 60    cv2.imwrite('noisy.jpg', noisy)
 61    cv2.imwrite('blur_3x3.jpg', blur_3x3)
 62    cv2.imwrite('blur_5x5.jpg', blur_5x5)
 63    cv2.imwrite('blur_7x7.jpg', blur_7x7)
 64
 65
 66def gaussian_blur_demo():
 67    """가우시안 블러 데모"""
 68    print("\n" + "=" * 50)
 69    print("가우시안 블러")
 70    print("=" * 50)
 71
 72    _, noisy = create_noisy_image()
 73
 74    # 가우시안 블러
 75    # GaussianBlur(src, ksize, sigmaX)
 76    gauss_3x3 = cv2.GaussianBlur(noisy, (3, 3), 0)
 77    gauss_5x5 = cv2.GaussianBlur(noisy, (5, 5), 0)
 78    gauss_7x7 = cv2.GaussianBlur(noisy, (7, 7), 0)
 79
 80    # sigma 값에 따른 차이
 81    gauss_s1 = cv2.GaussianBlur(noisy, (5, 5), 1)
 82    gauss_s3 = cv2.GaussianBlur(noisy, (5, 5), 3)
 83    gauss_s5 = cv2.GaussianBlur(noisy, (5, 5), 5)
 84
 85    print("가우시안 블러:")
 86    print("  - 중앙에 높은 가중치, 가장자리에 낮은 가중치")
 87    print("  - 자연스러운 블러 효과")
 88    print("  - sigma가 클수록 더 흐려짐")
 89
 90    cv2.imwrite('gauss_3x3.jpg', gauss_3x3)
 91    cv2.imwrite('gauss_5x5.jpg', gauss_5x5)
 92    cv2.imwrite('gauss_sigma1.jpg', gauss_s1)
 93    cv2.imwrite('gauss_sigma5.jpg', gauss_s5)
 94
 95
 96def median_blur_demo():
 97    """미디언 블러 데모"""
 98    print("\n" + "=" * 50)
 99    print("미디언 블러")
100    print("=" * 50)
101
102    original, _ = create_noisy_image()
103    sp_noisy = create_salt_pepper_noise(original)
104
105    # 미디언 블러
106    median_3 = cv2.medianBlur(sp_noisy, 3)
107    median_5 = cv2.medianBlur(sp_noisy, 5)
108    median_7 = cv2.medianBlur(sp_noisy, 7)
109
110    print("미디언 블러:")
111    print("  - 커널 내 중앙값 사용")
112    print("  - 소금-후추 노이즈 제거에 효과적")
113    print("  - 엣지 보존 효과")
114
115    cv2.imwrite('salt_pepper_noisy.jpg', sp_noisy)
116    cv2.imwrite('median_3.jpg', median_3)
117    cv2.imwrite('median_5.jpg', median_5)
118
119
120def bilateral_filter_demo():
121    """양방향 필터 데모"""
122    print("\n" + "=" * 50)
123    print("양방향 필터 (Bilateral Filter)")
124    print("=" * 50)
125
126    _, noisy = create_noisy_image()
127
128    # 양방향 필터
129    # bilateralFilter(src, d, sigmaColor, sigmaSpace)
130    # d: 필터 크기 (-1이면 sigmaSpace에서 자동 계산)
131    # sigmaColor: 색상 공간에서의 시그마
132    # sigmaSpace: 좌표 공간에서의 시그마
133
134    bilateral_1 = cv2.bilateralFilter(noisy, 9, 75, 75)
135    bilateral_2 = cv2.bilateralFilter(noisy, 9, 150, 150)
136    bilateral_3 = cv2.bilateralFilter(noisy, -1, 75, 75)
137
138    print("양방향 필터:")
139    print("  - 엣지를 보존하면서 노이즈 제거")
140    print("  - sigmaColor: 색상 차이 허용 범위")
141    print("  - sigmaSpace: 공간적 영향 범위")
142    print("  - 다른 필터보다 느림")
143
144    cv2.imwrite('bilateral_75.jpg', bilateral_1)
145    cv2.imwrite('bilateral_150.jpg', bilateral_2)
146
147
148def custom_filter_demo():
149    """커스텀 필터 데모"""
150    print("\n" + "=" * 50)
151    print("커스텀 필터 (filter2D)")
152    print("=" * 50)
153
154    original, _ = create_noisy_image()
155
156    # 평균 필터 커널
157    kernel_avg = np.ones((3, 3), dtype=np.float32) / 9
158    avg_filtered = cv2.filter2D(original, -1, kernel_avg)
159
160    # 샤프닝 커널
161    kernel_sharpen = np.array([
162        [0, -1, 0],
163        [-1, 5, -1],
164        [0, -1, 0]
165    ], dtype=np.float32)
166    sharpened = cv2.filter2D(original, -1, kernel_sharpen)
167
168    # 강한 샤프닝
169    kernel_sharpen_strong = np.array([
170        [-1, -1, -1],
171        [-1, 9, -1],
172        [-1, -1, -1]
173    ], dtype=np.float32)
174    sharpened_strong = cv2.filter2D(original, -1, kernel_sharpen_strong)
175
176    # 엠보싱 커널
177    kernel_emboss = np.array([
178        [-2, -1, 0],
179        [-1, 1, 1],
180        [0, 1, 2]
181    ], dtype=np.float32)
182    embossed = cv2.filter2D(original, -1, kernel_emboss)
183
184    print("커스텀 커널 예시:")
185    print(f"  평균 필터:\n{kernel_avg}")
186    print(f"\n  샤프닝:\n{kernel_sharpen}")
187    print(f"\n  엠보싱:\n{kernel_emboss}")
188
189    cv2.imwrite('custom_avg.jpg', avg_filtered)
190    cv2.imwrite('custom_sharpen.jpg', sharpened)
191    cv2.imwrite('custom_sharpen_strong.jpg', sharpened_strong)
192    cv2.imwrite('custom_emboss.jpg', embossed)
193
194
195def unsharp_masking_demo():
196    """언샤프 마스킹 데모"""
197    print("\n" + "=" * 50)
198    print("언샤프 마스킹 (Unsharp Masking)")
199    print("=" * 50)
200
201    original, _ = create_noisy_image()
202
203    # 언샤프 마스킹: 원본 + (원본 - 블러) * 강도
204    blurred = cv2.GaussianBlur(original, (5, 5), 0)
205
206    # 방법 1: 직접 계산
207    unsharp = cv2.addWeighted(original, 1.5, blurred, -0.5, 0)
208
209    # 방법 2: 공식 적용
210    alpha = 1.5  # 샤프닝 강도
211    unsharp2 = cv2.addWeighted(original, 1 + alpha, blurred, -alpha, 0)
212
213    print("언샤프 마스킹:")
214    print("  결과 = 원본 + alpha * (원본 - 블러)")
215    print("  alpha가 클수록 샤프닝 효과 강함")
216
217    cv2.imwrite('unsharp_mask.jpg', unsharp)
218    cv2.imwrite('unsharp_mask2.jpg', unsharp2)
219
220
221def filter_comparison():
222    """필터 비교"""
223    print("\n" + "=" * 50)
224    print("필터 비교 정리")
225    print("=" * 50)
226
227    print("""
228    | 필터 | 특징 | 사용 상황 |
229    |------|------|----------|
230    | blur (Box) | 균일한 가중치 | 단순 평균화 |
231    | GaussianBlur | 중앙 가중치 높음 | 자연스러운 블러 |
232    | medianBlur | 중앙값 사용 | 소금-후추 노이즈 |
233    | bilateralFilter | 엣지 보존 | 피부 보정 등 |
234    """)
235
236
237def main():
238    """메인 함수"""
239    # 블러 필터
240    blur_demo()
241
242    # 가우시안 블러
243    gaussian_blur_demo()
244
245    # 미디언 블러
246    median_blur_demo()
247
248    # 양방향 필터
249    bilateral_filter_demo()
250
251    # 커스텀 필터
252    custom_filter_demo()
253
254    # 언샤프 마스킹
255    unsharp_masking_demo()
256
257    # 비교
258    filter_comparison()
259
260    print("\n이미지 필터링 데모 완료!")
261
262
263if __name__ == '__main__':
264    main()