# 마구잡이로 자르면 고양이의 특징이 없는 이미지가 나올 수 있음
# 전체 이미지 비율을 유지하기 위해서 padding을 하고
# 어떻게 자르든 고양이의 특징이 나오도록 전체 이미지를 축소하고
# 랜덤하게 224x224 크기로 10번 crop 진행
from matplotlib import pyplot as plt
import numpy as np
import random
import cv2
def pad_resize_crop(img, size):
# 패딩할 상하/좌우 픽셀
# 상하나 좌우 중 한 세트에만 패딩을 할 예정 -> 초기 값: 0
# 상하좌우 모두 패딩을 하고 싶다면
# 0이 아닌 같은 값으로 넣은 후
# 이후 ud, lr 값을 업데이트할 때,
# += 로 값을 더해주는 형식으로 하면 됨.
ud, lr = (0, 0), (0, 0)
# 이미지의 높이, 너비 중의 더 큰 값
M = max(img.shape[:2])
# s = 이미지의 높이와 너비의 차
s = img.shape[0]-img.shape[1]
# 높이가 너비보다 더 긴 경우(s>0)
# -> 좌우로 s의 절반씩 패딩
if M == img.shape[0]:
lr = (s//2, s//2 + s%2)
# s%2는 s가 홀수 인 경우 나머지인 1을 더해주는 역할
# 너비가 높이보다 더 길거나 같은 경우(s<=0)
#-> 상하로 s의 절반씩 패딩
else:
ud = (-s//2, -s//2 + s%2)
# 위에서 구한 값으로 패딩
# 3차원에 있는 BGR 정보에 대해서는 패딩 안 함
# 하지만 (0,0)으로 값을 지정을 해야, Error가 안 생김
padded_img = np.pad(img, (ud, lr, (0, 0)))
# size x size 크기로 resize한 이미지 출력
resized_img = cv2.resize(padded_img, (size, size))
plt.imshow(resized_img)
plt.title("padded and resized Image")
plt.show()
# padding과 resizing후 crop해서 10개의 이미지 만들기
# 가로 세로 길이 구하기
height, width = resized_img.shape[:2]
plt.figure(figsize=(10,5))
cropped_images = []
for i in range(10):
# 가로, 세로의 crop할 시작점
crop_s_h = random.randint(0, height-224)
crop_s_w = random.randint(0, width-224)
# 시작점부터 가로, 세로가 224만큼 되도록 crop
crop_img = resized_img[crop_s_h:crop_s_h+224, crop_s_w:crop_s_w+224, :]
# 10개의 이미지를 2행 5열로 나열
plt.subplot(2,5,i+1)
plt.imshow(crop_img)
plt.title(f"cropped image_{i+1}")
# crop한 이미지 저장
cropped_images.append(crop_img)
plt.show()
return np.array(cropped_images)
# 이미지 불러오기 RGB로 변환 후 출력
org_img = cv2.imread("./cat2.png")[:,:,::-1]
plt.imshow(org_img)
plt.title(f"original image")
plt.show()
pad_resize_crop_img = pad_resize_crop(org_img, 500)
from matplotlib import pyplot as plt
import numpy as np
import random
import cv2
def padding(img):
# 패딩할 상하/좌우 픽셀
# 상하나 좌우 중 한 세트에만 패딩을 할 예정 -> 초기 값: 0
# 상하좌우 모두 패딩을 하고 싶다면
# 0이 아닌 같은 값으로 넣은 후
# 이후 ud, lr 값을 업데이트할 때,
# += 로 값을 더해주는 형식으로 하면 됨.
ud, lr = (0, 0), (0, 0)
# 이미지의 높이, 너비 중의 더 큰 값
M = max(img.shape[:2])
# s = 이미지의 높이와 너비의 차
s = img.shape[0]-img.shape[1]
# 높이가 너비보다 더 긴 경우(s>0)
# -> 좌우로 s의 절반씩 패딩
if M == img.shape[0]:
lr = (s//2, s//2 + s%2)
# s%2는 s가 홀수 인 경우 나머지인 1을 더해주는 역할
# 너비가 높이보다 더 길거나 같은 경우(s<=0)
#-> 상하로 s의 절반씩 패딩
else:
ud = (-s//2, -s//2 + s%2)
# 위에서 구한 값으로 패딩
# 3차원에 있는 BGR 정보에 대해서는 패딩 안 함
# 하지만 (0,0)으로 값을 지정을 해야, Error가 안 생김
padded_img = np.pad(img, (ud, lr, (0, 0)))
# padding한 이미지 출력
plt.imshow(padded_img)
plt.title("Padded Image")
plt.show()
return padded_img
def resizing(img, size):
# size x size 크기로 resize한 이미지 출력
resized_img = cv2.resize(img, (size, size))
plt.imshow(resized_img)
plt.title("Resized Image")
plt.show()
return resized_img
def cropping(img):
# crop해서 10개의 이미지 만들기
# 가로 세로 길이 구하기
height, width = img.shape[:2]
plt.figure(figsize=(10,5))
# crop한 이미지 저장할 리스트
cropped_images = []
for i in range(10):
# 가로, 세로의 crop할 시작점
crop_s_h = random.randint(0, height-224)
crop_s_w = random.randint(0, width-224)
# 시작점부터 가로, 세로가 224만큼 되도록 crop
crop_img = img[crop_s_h:crop_s_h+224, crop_s_w:crop_s_w+224, :]
# 10개의 이미지를 2행 5열로 나열
plt.subplot(2,5,i+1)
plt.imshow(crop_img)
plt.title(f"cropped image_{i+1}")
# crop한 이미지 저장
cropped_images.append(crop_img)
plt.show()
return np.array(cropped_images)
# 이미지 불러오기 RGB로 변환 후 출력
org_img = cv2.imread("./cat2.png")[:,:,::-1]
plt.imshow(org_img)
plt.title(f"original image")
plt.show()
pad_img = padding(org_img)
resize_img = resizing(pad_img, 500)
crop_img = cropping(resize_img)
