Machine Learning 실습 (19)

직접 red 채널과 blue 채널 바꾸기

import cv2
import matplotlib.pyplot as plt

# 이미지 불러오기
img = cv2.imread("data/ryan.png", cv2.IMREAD_COLOR)
img.shape # 행, 열, 채널
b,g,r = cv2.split(img)
# 분리된 채널을 직접 순서를 정해 합치기(병합)
img = cv2.merge([r,g,b]) # rgb형태로 병합

# pd.concat 병합하는 함수 -> 행쪽으로 병합
# pd.merge 병합하는 함수 -> 특정 컬럼값을 기준으로 두개의 데이터가 열쪽으로 병합

# 출력
plt.xticks([])
plt.yticks([])
plt.imshow(img)
plt.show()

 

r # 행,열
print(r.min())
print(r.max())
# 여러개의 픽셀로 이루어진 이미지
# 픽셀은 이미지의 최소 단위
# 픽셀을 채우는 값의 범위 0~255
# 0 : 검은표현 -> 붉은색 계열의 값이 작을때
# 255 : 밝은표현 -> 붉은색 계열의 값이 클때

 

print(g.shape)
print(g.min())
print(g.max())

 

print(b.shape)
print(b.min(),b.max())

 

색상공간 변환

시각은 색상정보에 대해 잘 못된 정보를 보내주는 경우가 많음

• 밤에 색상을 볼때 정확한 색상을 보여주지 못함 - 명도 (검정색이 섞이는 것)
• 색상에 빛을 강하게 비추는 경우 정확한 색상을 보여주지 못함 - 채도 (흰색이 섞이는 것)
• 칼라는 너무 많은 정보를 가지고 있기때문에 연산량이 많음 - 실시간 처리가 어려움
• 따라서 gray 이미지나 binary 이미지로 변환해서 처리
• gray 이미지 : 0-255로 된 픽섹로만 구성된 흑백이미지
• 이진 이미지 : 0(검정색)과 255(흰색)으로만 구성된 이미지 (마스크 패턴, 필터링)

 

color -> gray 이미지 변환하는 방법

• 1. imread() 함수를 쓸때 색상 설정값을 gray
• 1. color 설정값으로 읽어서 cvtColor()로 변환하는 방법

 

# 1. imread() 쓸때 gray로 설정해서 불러오기
# 그레이스케일 이미지로 읽어오기
import cv2
import matplotlib.pyplot as plt

img = cv2.imread('data/car.png', cv2.IMREAD_GRAYSCALE)
img.shape

plt.imshow(img, cmap = 'gray')
plt.show()