실습 3 — 커널 크기별 평균 필터

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

img = cv2.imread("ch06_board.png", cv2.IMREAD_GRAYSCALE)
# 실습 1과 같은 노이즈: 평균 0, 표준편차 20, 씨앗 600
rng = np.random.default_rng(600)
noisy = np.clip(img.astype(np.float64) + rng.normal(0, 20, img.shape), 0, 255).astype(np.uint8)

# 고른 면: 왼쪽 아래 어두운 바닥(세로 165~214, 가로 30~59). 원래는 모두 60 이다
flat = (slice(165, 215), slice(30, 60))
print("고른 면의 원래 밝기 종류:", [int(v) for v in np.unique(img[flat])])
print("노이즈 낀 고른 면의 표준편차:", round(float(noisy[flat].std()), 2))
print("노이즈 낀 그림과 원본의 평균 차이:", round(float(cv2.absdiff(noisy, img).mean()), 2))

rows, results = [], {}
for k in (3, 5, 9, 15):
    out = cv2.blur(noisy, (k, k))
    results[k] = out
    # 경계가 번진 폭: 노이즈 없는 원본에 같은 필터를 걸고, 가로줄 165 에서 밝기가 70~190 인 칸을 센다
    edge_row = cv2.blur(img, (k, k))[165, 130:190]
    rows.append({
        "크기": k,
        "섞는칸": k * k,                                              # 커널 안의 칸 수
        "평균차이": round(float(cv2.absdiff(out, img).mean()), 2),    # 작을수록 원본에 가깝다
        "흔들림": round(float(out[flat].std()), 2),                   # 고른 면의 표준편차: 작을수록 매끈하다
        "경계폭": int(((edge_row > 70) & (edge_row < 190)).sum()),    # 클수록 경계가 번졌다
    })

table = pd.DataFrame(rows)
print(table.to_string(index=False))

panels = [("원본", img), ("노이즈 (표준편차 20)", noisy)]
panels += [(f"평균 필터 {k}×{k}", results[k]) for k in (3, 5, 9, 15)]

fig, axes = plt.subplots(2, 3, figsize=(11, 5.6))
# axes.flat: 2×3 칸을 한 줄로 펴서 차례로 꺼낸다
for ax, (title, arr) in zip(axes.flat, panels):
    ax.imshow(arr, cmap="gray", vmin=0, vmax=255)
    ax.set_title(title)
    ax.axis("off")
plt.tight_layout()
plt.show()

# 평균 차이가 가장 작은 크기를 고른다
best = table.loc[table["평균차이"].idxmin()]
print(f"원본과 가장 닮은 크기: {int(best['크기'])} (평균 차이 {best['평균차이']})")