프로젝트 1 — 어둡고 흐릿한 학습 사진 일괄 보정

import os
import cv2
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

plt.rcParams["font.family"] = "Malgun Gothic"
plt.rcParams["axes.unicode_minus"] = False

def measure(gray):
    """4차시의 네 숫자: 평균, 표준편차, 아주 어두운 칸 비율, 아주 밝은 칸 비율."""
    return (round(float(gray.mean()), 1), round(float(gray.std()), 1),
            round(float((gray < 50).mean()), 3), round(float((gray > 205).mean()), 3))

def diagnose(mean, std, dark, bright):
    """4차시 판정표를 위에서부터 따져 처음 맞는 판정을 돌려준다."""
    if mean < 80 or dark > 0.4:
        return "어두움"
    if mean > 175 or bright > 0.4:
        return "밝음"
    if std < 35:
        return "대비 낮음"
    return "정상"

folder = "ch05_train"
names = sorted(name for name in os.listdir(folder) if name.endswith(".png"))
grays, rows = {}, []
for name in names:
    gray = cv2.imread(os.path.join(folder, name), cv2.IMREAD_GRAYSCALE)
    grays[name] = gray
    m, s, d, b = measure(gray)
    rows.append({"파일": name, "평균": m, "표준편차": s, "어두운칸": d, "밝은칸": b, "판정": diagnose(m, s, d, b)})
before = pd.DataFrame(rows)
print(before.to_string(index=False))

def gamma_table(gamma):
    return np.array([((i / 255) ** gamma) * 255 for i in range(256)]).round().astype(np.uint8)

# 판정 이름 → (손질 이름, 손질 함수)
FIX = {
    "어두움": ("감마 0.5", lambda g: cv2.LUT(g, gamma_table(0.5))),
    "밝음": ("감마 2", lambda g: cv2.LUT(g, gamma_table(2.0))),
    "대비 낮음": ("정규화", lambda g: cv2.normalize(g, None, 0, 255, cv2.NORM_MINMAX)),
}

fixed, after_rows = {}, []
for name in names:
    g = grays[name]
    steps = []
    # 요구사항 2: 많아야 두 번. 정상이면 멈춘다
    for _ in range(2):
        label = diagnose(*measure(g))
        if label == "정상":
            break
        step_name, func = FIX[label]
        g = func(g)
        steps.append(step_name)
    fixed[name] = g
    m, s, d, b = measure(g)
    after_rows.append({"파일": name, "손질": " → ".join(steps) if steps else "없음",
                       "평균": m, "표준편차": s, "판정": diagnose(m, s, d, b)})
after = pd.DataFrame(after_rows)
# 전후를 한 표로: 앞의 판정과 뒤의 판정을 나란히
table = pd.DataFrame({"파일": names, "전 판정": before["판정"], "손질": after["손질"],
                      "후 평균": after["평균"], "후 표준편차": after["표준편차"], "후 판정": after["판정"]})
print(table.to_string(index=False))

out_dir = "out_ch05_fixed"
# 요구사항 4: 원본 폴더와 다른 폴더에 저장한다. 이미 있어도 오류를 내지 않는다
os.makedirs(out_dir, exist_ok=True)
for name in names:
    cv2.imwrite(os.path.join(out_dir, name), fixed[name])
print("저장한 파일:", len(os.listdir(out_dir)), "장 →", out_dir)

n = len(names)
fig, axes = plt.subplots(2, n, figsize=(2.3 * n, 4.6))
for k, name in enumerate(names):
    for row, (g, label) in enumerate([(grays[name], before["판정"][k]), (fixed[name], after["판정"][k])]):
        axes[row, k].imshow(g, cmap="gray", vmin=0, vmax=255)
        axes[row, k].set_title(f"{name}\n{'전' if row == 0 else '후'}: {label}", fontsize=9)
        axes[row, k].axis("off")
plt.tight_layout()
# 요구사항 5: 저장을 먼저 하고 띄운다
plt.savefig("out_ch05_report.png", dpi=100)
print("저장: out_ch05_report.png")
plt.show()

# 요구사항 6: 정상이 된 수와 남은 사진
ok = int((after["판정"] == "정상").sum())
print(f"정상: {ok}장 / {n}장")
left = after.loc[after["판정"] != "정상", "파일"].tolist()
print("정상이 되지 않은 사진:", ", ".join(left) if left else "없음")