티스토리

Pupbani's Lab

검색하기

블로그 홈

Pupbani's Lab

pupbani.tistory.com/m

개발 공부하는 블로그!

구독자: 2

방명록 방문하기

728x90

반응형

주요 글 목록

[Computer Vision] 이미지 유사도 👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다. 이미지 유사도는 두 이미지 간의 유사성을 평가하는 개념으로, 주로 컴퓨터 비전 및 이미지 처리 분야에서 사용된다. 이미지 유사도의 측정 방법은 여러 가지가 있으며, 각 방법은 특정한 기준이나 알고리즘을 기반으로 한다. 이미지 유사도를 평가하는 이유는 다양하나 일반적으로 다음과 같은 목적을 가지고 있다.검색 및 추천 시스템 : 이미지 검색 엔진, 추천에 사용되어 사용자가 입력한 이미지와 유사한 이미지를 찾는데 도움을 준다.중복 이미지 탐지 : 웹 사이트나 데이터베이스에서 중복된 이미지를 찾아내기 위해 유사도 측정이 필요하다.이미지 품질 평가 : 이미지의 품질을 평가하거나, 압축 후의 이미지가 원본과 얼마나 유사한지를 .. 공감수 0 댓글수 0 2024. 9. 21.
[Computer Vision] Skeletonization 👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다. Skeletonization은 이미지 처리에서 객체의 형태를 단순화하여 그 구조를 나타내는 기법이다. 이 과정은 주로 이진 이미지에서 사용되며, 객체의 윤곽선을 유지하면서 두께를 줄여서 선의 형태로 표현한다. import cv2import numpy as npdef skeletonize(img): """ OpenCV function to return a skeletonized version of img, a Mat object""" # hat tip to http://felix.abecassis.me/2011/09/opencv-morphological-skeleton/ img = img.copy().. 공감수 0 댓글수 0 2024. 9. 20.
[Computer Vision] Segmentation 👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다. Segmentation은 영상에서 특정 영역만 추출하는 기능이다. 예를 들어 의료 영상에서 종양을 식별하거나, 자율주행차가 도로와 보행자를 구분하는 데 사용된다. OpenCV에서는 K-Means 또는 Watershed 알고리즘을 통해 Segmentation을 할 수 있다. K-MeansK-Means 클러스터링은 머신러닝 중 하나로 비지도 학습 알고리즘이다.데이터를 K개의 클러스터로 나누는 기법으로 이를 통해 이미지를 색상 기반으로 분할 할 수 있다.import cv2import numpy as npimport randomif __name__ == "__main__": img = cv2.imread("cat.pn.. 공감수 0 댓글수 0 2024. 9. 19.
[Computer Vision] Depth 👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다. 깊이 정보는 이미지에서 각 픽셀이 카메라와 얼마나 떨어져 있는지를 나타낸다. 이 정보는 3D 재구성, 물체 인식, 자율주행차, 로봇 비전 등에서 필수적이다. 깊이 추정 방법은 다음과 같다.스테레오 비전(Stereo Vision) : 두 개의 카메라를 서로 다른 각도에서 이미지를 촬영하고, 두 이미지 간의 차이를 분석하여 깊이를 계산.깊이 센서(Depth Sensors) : LiDAR, ToF(Time-of-Flight) 카메라와 같은 센서를 사용하여 물체까지의 거리를 직접 측정한다.모노큘러 깊이 추정(Monocular Depth Estimation) : 단일 카메라 이미지를 사용하여 깊이를 추정하는 방법, 딥러닝 모.. 공감수 0 댓글수 0 2024. 9. 15.
[Computer Vision] Trapped-ball Segmentation 👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다. Trapped-ball Segmentation은 주로 만화 프레임과 같은 이미지에서 의미 있는 영역을 추출하는데 효과적인 비지도 이미지 분할 기법이다. 이 방법은 이미지의 경계선에 의해 정의된 닫힌 지역을 식별하고 이를 통해 이미지 내에서 분할을 수행한다. 이 알고리즘은 형태학적 연산을 사용하여 큰 폐쇄된 지역을 식별하고, 각 지역에 대해 고유한 값을 채우는 방식으로 작동한다. 동작 순서흑백 또는 색상이 없는 스케치 이미지를 타깃으로 준비한다.형태학적 연산(Morphological Operations)을 수행(침식(Erosion), 팽창(Dilation)하여 각 영역의 경계를 잘 드러내도록 한다.비교적 넓은 영역을 .. 공감수 0 댓글수 0 2024. 9. 14.
[Computer Vision] IoU(Intersection over Union) IoU(Intersection over Union)는 주로 객체 탐지 및 세그멘테이션 평가에 사용되는 지표이다. 예측한 영역과 실제 영역 간의 겹치는 부분의 비율을 나타낸다.x : 영역 중심의 x좌표y : 영역 중심의 y좌표w : 영역의 폭h : 영역의 높이 Area of Intersection : 예측된 영역과 실제 영역의 겹치는 부분의 면적이다.Area of Union : 예측된 영역과 실제 영역의 합집합 면적이다. IoU 값은 0 ~ 1 사이의 값을 가지며, 1에 가까울 수록 예측이 정확하다는 것을 의미한다. 일반적으로 IoU가 0.5 이상이면 긍정적인 예측으로 간주 된다.import cv2import numpy as npdef IoU(image:np.ndarray,mask:np.ndarray)->.. 공감수 0 댓글수 0 2024. 9. 12.
[Computer Vision] PIL(Python Image Library) 👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다. Python Image Library, 줄여서 PIL은 파이썬에서 이미지를 처리하기 위해 사용되는 강력한 라이브러리이다.이미지 파일을 열고, 수정하고, 저장하는 기능을 제공하여 다양한 이미지 작업을 쉽게 수행할 수 있게 해준다.PIL은 이미지 필터링, 변환, 색상 조정, 이미지 포맷 변환 등 여러 가지 기능을 지원한다.pip install pillow 기본적인 이미지를 열고 보고 저장하는 법from PIL import Imageimage = Image.open("test.jpg")image.show()image.save("save_test.jpg") 이미지 조절하기from PIL import Imageimage .. 공감수 0 댓글수 0 2024. 9. 8.
[Computer Vision] 지역 특징점 검출과 매칭 👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다. 해리스 코너 검출(Harris Corner Detection)해리스 코너 검출은 이미지에서 코너를 검출하는 기법으로, 주로 특징점 검출에 사용된다.import cv2import numpy as npimage = cv2.imread("window.jpg")gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)gray = np.float32(gray)# 해리스 코너 검출dst = cv2.cornerHarris(gray, blockSize=2, ksize=3, k=0.04)# 결과 이미지를 복사하여 코너 표시image[dst > 0.01 * dst.max()] = [0, 0, 255] # 코.. 공감수 0 댓글수 0 2024. 9. 7.
[Computer Vision] 객체 검출과 응용 👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다. 객체 검출(Object Detecting)입력 영상에서 작은 크기의 부분 영상을 위치를 찾아 내고 싶은 경우 템플릿 매칭(Template Matching) 기법을 사용한다. 템플릿은 찾고자 하는 대상이 되는 작은 크기의 영상을 의미한다. 템플릿 매칭은 이 템플릿을 입력 영상 전체 영역에 대해 이동하면서 가장 비슷한 위치를 수직적으로 찾아내는 방식이다.유사한 것을 찾는 방식은 템플릿과 입력 영상간의 유사도(Similarity) 또는 비유사도(Dissimilarity)를 계산한다. 유사도 계산 : 템플릿 영상과 비슷한 부분 영상 위치에서 값이 크게 나타남.비유사도 계산 : 템플릿 영상과 비슷한 부분에서 값이 작게 나타.. 공감수 0 댓글수 0 2024. 9. 6.
[Computer Vision] 레이블링과 외각선 검출 👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다. 레이블링(Labeling)이전 포스트에서 영상의 이진화를 통해 주요 객체와 배경을 구분할 수 있었다. 이렇게 객체와 배경을 구분 후 다시 각각의 객체를 구분하고 분석하는 작업이 필요하다. 이 작업을 수행하는 것을 레이블링(Labeling)이라고 한다.영상 내에 존재하는 객체 픽셀 집합에 고유 번호를 매기는 작업으로 연결된 구성 요소 레이블링(Connected Components Labeling)이라고도 한다. 이를 통해 각 객체의 위치, 크기 등 정보를 추출하는 작업은 객체 인식을 위한 전처리 과정으로 사용된다. 영상의 레이블링은 일반적으로 이진화도니 영상에서 수행된다. 이때 검은색 픽셀은 배경으로 간주하고, 흰색.. 공감수 0 댓글수 0 2024. 9. 4.
[Computer Vision] 영상의 이진화와 모폴로지 👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다. 이진화(Binarization)영상의 이진화(Binarization)는 영상의 각 픽셀을 두 개의 부류로 나누는 작업이다. 이를 통해 영상의 주요 객체 영역과 배경 영역으로 나누거나 또는 영상에서 중요도가 높은 관심 영역과 그렇지 않은 비관심 영역으로 구분하는 용도로 이진화가 사용될 수 있다. 이진화가 진행되면 영상의 픽셀값은 0또는 255로 구성되며 흰색 또는 검은색 픽셀로만 구성된다.] 이진화를 하는 방법은 특정값을 기준으로 크면 255, 작은 경우 0으로 설정한다.import cv2if __name__ == "__main__": im = cv2.imread("test.png") shape = (int.. 공감수 0 댓글수 0 2024. 9. 3.
[Computer Vision] 컬러 영상 처리 👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다. 컬러 영상은 기본적으로 RGB 즉, 빨간색(Red), 녹색(Green), 파란색(Blue) 색상 성분의 조합으로 픽셀 값을 표현 한다. 그러나 OpenCV에서는 RGB 대신 BGR 색상 순서로 픽셀 값을 표현한다. 각 색상 성분은 0 ~ 255 사이의 값을 가질 수 있다. OpenCV로 영상을 읽으면 Numpy 배열로 읽어지기 때문에, 각 픽셀의 값을 참조할 수 있다.이를 통해 영상의 색상을 변경할 수도 있다.import cv2if __name__ == "__main__": img = cv2.imread("test.png",cv2.IMREAD_COLOR) img = cv2.resize(img,(512,6.. 공감수 1 댓글수 0 2024. 9. 2.
[Computer Vision] 에지(Edge) 검출 👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다. 영상에서 에지(edge)는 한쪽 방향으로 픽셀 값이 급격하게 바뀌는 부분을 가리킨다. 즉, 어두운 영역에서 갑자기 밝아지거나 또는 반대로 밝은 영역에서 급격하게 어두워지는 부분을 에지라고 한다. 일반적으로 객체와 배경의 경계, 또는 객체와 다른 객체의 경계에서 에지가 발생한다. 이러한 에지를 찾아내는 작업은 영상 내 객체의 윤곽을 알아낼 수 있는 유용한 방법이며, 다양한 Computer Vision 시스템에서 객체 판별을 위한 전처리로 에지 검출이 사용된다. 기본적으로 영상에서 에지를 찾아내려면 픽셀 값의 변화율이 큰 픽셀을 선택해야 한다.수학에서 함수 또는 데이터의 변화율을 미분(derivative)이라고 한다.영.. 공감수 1 댓글수 0 2024. 9. 2.
[Computer Vision] 영상의 기하학적 변환 👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다. 영상의 기하학적(Geometric Transform)은 영상을 구성하는 픽셀의 배치 구조를 변경함으로써 전체 영상의 모양을 바꾸는 작업이다. 이전 필터링은 픽셀의 위치를 고정하고 픽셀의 값을 변경하였지만 기하학적 변환은 픽셀 값은 그대로 유지하면서 위치를 변경하는 작업이다. Affine Transform영상을 평행 이동시키거나 회전, 크기 변환 등을 통해 만들 수 있는 변환을 통칭한다. Affine 변환의 경우 직선 간의 길이 비율과 평행 관계가 그대로 유지된다.# transforms.pyimport cv2import numpy as npdef affineTransform(image:np.ndarray,matrix:.. 공감수 1 댓글수 0 2024. 8. 30.
[Computer Vision] Filtering 👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다. 필터(filter)라는 말은 무언가를 걸러 내구 일부만 통과시키는 장치를 의미한다. 영상처리에서 필터는 영상에서 원하는 정보만 통과시키는 역할을 한다.노이즈 제거SmoothingSharping 영상의 필터링은 보통 마스크(mask)라고 부르는 작은 행렬을 이용한다. 마스크는 필터링의 성격을 정의하는 행렬로 커널(kernel), 윈도우(Window)라고도 부르며, 경우에 따라서는 마스크 자체를 필터라고 부르기도 한다. 마스크는 직사각형 행렬 또는 정방형 행렬을 사용하기도 한다. 또한 필요하다면 다양한 형태의 마스크를 사용할 수 있다. 기본 필터링기본적인 필터링은 Numpy로 만든 행렬과 filter2D 함수를 사용한다.. 공감수 1 댓글수 0 2024. 8. 30.
[Computer Vision] 영상의 명암 제어 👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다. OpenCV에서 컬러 영상이 아닌 GrayScale로 이미지를 열거나 변환하게 되면 각 좌표의 값을 색을 나타내는 값이 아니라 이미지의 명암을 나타낸다. import numpy as npimport cv2white = np.ones(shape=(480,480),dtype=np.uint8) * 255cv2.imshow("white",white)black = np.zeros(shape=(480,480),dtype=np.uint8)cv2.imshow("black",black)cv2.waitKey(0)cv2.destroyAllWindows() 밝기가 0인 영상(검은색) 밝기가 255인 영상(흰색) Gray Scale 영.. 공감수 1 댓글수 0 2024. 8. 28.
[Computer Vision] 텍스트 삽입 및 유용한 기능 👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다. 텍스트를 삽입하는 메서드는 "putText"이다.import cv2im = cv2.imread("test.png")text ="rabbit"cv2.putText( img=im, text=text, org=(50,50), fontFace=cv2.FONT_HERSHEY_SIMPLEX, fontScale=1, color=(242,200,100), thickness=1, lineType=cv2.LINE_AA, bottomLeftOrigin=False)cv2.imshow("text",im)cv2.waitKey(0)cv2.destroyAllWindows() 매개변수는 다음과 같다.. 공감수 2 댓글수 0 2024. 8. 28.
[Computer Vision] 그리기 함수 👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다. "직선"을 그리는 함수는 "line" 메서드를 사용하면 된다.import cv2import numpy as np# 흰배경의 빈 이미지 생성(512 x 512)white_background = np.ones((512,512),dtype=np.uint8) * 255# 직선cv2.line( img=white_background, pt1=(0,0), pt2=(256,256), color=100, thickness=3, lineType=cv2.LINE_4, shift=0)cv2.imshow("line",white_background)cv2.waitKey(0)cv2.destroyAllWin.. 공감수 2 댓글수 0 2024. 8. 27.
[Computer Vision] 기본 사용법 👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다. OpenCV는 Computer Vision에 있어 대중적으로 사용되는 라이브러리이다.Python에서 OpenCV에서 영상은 Numpy Array로 작성되어 있어, Numpy의 행렬 연산을 할 수 있다. 영상 읽기, 보기, 저장OpenCV로 영상을 읽는 방법은 "imread"를 메서드를 사용하면 된다.import cv2img = cv2.imread("",flags)# flags의 종류# cv2.IMREAD_COLOR == 1 : 이미지를 Default 값(BGR)으로 읽는다.# cv2.IMREAD_GRAYSCALE == 0 : 이미지를 GrayScale로 읽는다.# cv2.IMREAD_UNCHANCED == -1 : .. 공감수 1 댓글수 0 2024. 8. 27.
[Computer Vision] Inpainting 개요 Inpainting 기술은 디지털 이미지 처리 기술의 일종으로, 손상된 이미지 영역을 복원하거나 삭제된 부분을 채워주는 기술이다. Inpainting은 Computer Vision, Computer Graphics, 디지털 사진 보정, 영화 제작 등 다양한 분야에서 활용된다. 장단점 주요 장점으로는 손상된 이미지를 복원하거나 삭제된 부분을 채워주어 이미지의 완성도를 높힐 수 있다는 점이다. 그리고 기존의 이미지를 보완하는 데에도 사용할 수 있다. 단점으로는 보통 지역적인 정보를 이용하여 이미지를 복원하기 떄문에, 전체적인 이미지의 의미나 논리적인 일관성을 고려하지 않을 수 있다. 그리고 새로운 정보가 추가될 수 있어, 이미지의 진실성을 해치는 경우도 있다. 사례 대표적인 사례로는 Adobe Phot.. 공감수 0 댓글수 0 2024. 3. 25.
[Computer Vision] DreamBooth 🌈 https://dreambooth.github.io/ 내용을 기반으로 작성된 포스트 입니다... 개요 대규모 T2I 모델은 주어진 텍스트 프롬프트에서 고품질의 다양한 이미지를 합성할 수 있게 함으로써 AI 발전에 괄목할 만한 도약을 이루었다. 그러나 주어진 참조 이미지 세트의 피사체의 모습을 모방하고 다양한 맥락에서 새로운 표현을 합성하는 기능이 부족하다. DreamBooth에서는 T2I 확산 모델의 "개인화"를 위한 새로운 접근 방식을 제시한다. 피사체 이미지 몇 장만(3~5장) 입력하므로써 사전 학습된 T2I 모델을 미세 조정하여 특정 피사체에 고유 식별자를 결합하는 방법을 학습하도록 한다. 고유 식별자를 사용하여 다양한 장면에서 맥락에 맞는 피사체의 완전히 새로운 사실적인 이미지를 합성할 수 있.. 공감수 0 댓글수 0 2024. 3. 11.
[Computer Vision] LoRA(Low-Rank Adaptation) 개요 기존 T2I에서 프롬프트를 통해 "특정 캐릭터의 일러스트" 이미지를 생성하려고 하는 경우. 일반적으로 프롬프트에서 목표 캐릭터의 특징을 나타내는 키워드를 포함하여 해당 캐릭터에 일러스트가 나올때까지 생성을 반복하는 과정이 필요하다. 하지만 이 방법에는 단점이 존재한다. 모델 학습에 포함되지 않은 것 같은 마이너한 캐릭터는 아무리 시도해도 비슷한 수준의 이미지만 생성된다. 목표 캐릭터가 유명 캐릭터일 경우라도 다른 캐릭터가 생성되는 경우가 있다. 목표 캐릭터 이미지를 생성하기 위해 나올 때까지 몇번이든 반복해야한다. 이러한 문제를 해결하기 위해 "기존 모델을 한 캐릭터가 나오도록 조정"하는 Fine-Tuning 필요성이 대두 되었고 "LoRA"가 나오게 되었다. LoRA LoRA(Low-Rank Ad.. 공감수 1 댓글수 0 2024. 3. 10.
[Computer Vision] IP-Adapter GitHub - tencent-ailab/IP-Adapter: The image prompt adapter is designed to enable a pretrained text-to-image diffusion model to The image prompt adapter is designed to enable a pretrained text-to-image diffusion model to generate images with image prompt. - GitHub - tencent-ailab/IP-Adapter: The image prompt adapter is des... github.com 🔥 github 내용과 논문을 기반으로 포스트를 작성하였습니다. https://arxiv.org/abs/2.. 공감수 0 댓글수 0 2024. 3. 10.
[Computer Vision] Control Net Stable Diffusion은 Stability AI에서 Open Source로 배포한 text-to-image 모델이다. 이 Stable Diffusion은 이미지 생성에 있어 놀라운 결과를 보여주었으나 더욱 세부적인 제어가 필요했다. 세부적인 제어를 위해 ControlNet이라는 새로운 기술이 제안되었다. ControlNet을 통해 사용자가 생성 과정을 더욱 세부적으로 제어할 수 있게 되었고, 여러 가지 공간적 컨텍스트를 조건부로 생성에 사용할 수 있도록 지원되어 결과물이 엄청나게 개선되었다. Stable Diffusion의 마지막 결론부분에 대한 단점이 몇가지 있다. 생성된 이미지 중 어색한 표현 같은 디테일이 떨어지는 경우가 있다. 생성된 이미지의 퀄리티가 고퀄리티와 저퀄리티가 섞여 있어 선.. 공감수 0 댓글수 0 2024. 3. 9.
[Computer Vision] Image Segmentation 이미지 처리(Image Processing)의 종류 이미지 처리의 종류는 다음과 같이 분류할 수 있다. 출처 : https://www.superannotate.com/blog/image-segmentation-for-machine-learning Classification - 이미지의 객체가 어떤 것인지 구분하는 것(고양이 인가? 강아지 인가?) Classification + Localization - 이미지의 특정 객체에 Box를 쳐서 그 객체가 어디 있는지 표시(Detection과 구분) Object Detection - 이미지 속 여러개의 객체를 각각 구별하여 각각을 box로 표시 Segmentation - 이미지 속 여러개의 객체를 각각 box가 아닌 정확한 영역으로 표시, 이미지 pixel 전체.. 공감수 1 댓글수 0 2024. 3. 9.

728x90

반응형

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.