프로젝트 1 — 노이즈 종류에 맞는 필터 고르기 표

import time
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

gray = cv2.imread("ch07_parts.png", cv2.IMREAD_GRAYSCALE)

def add_gaussian(src, std, seed):
    """가우시안 노이즈: 칸마다 종 모양 난수를 더하고 0~255 로 자른다."""
    rng = np.random.default_rng(seed)
    return np.clip(src.astype(np.float64) + rng.normal(0, std, src.shape), 0, 255).astype(np.uint8)

def add_salt_pepper(img, amount, seed):
    """Salt & Pepper 노이즈: 칸의 amount 비율을 0 이나 255 로 바꾼다."""
    rng = np.random.default_rng(seed)
    r = rng.random(img.shape)
    noisy = img.copy()
    noisy[r < amount / 2] = 0
    noisy[r > 1 - amount / 2] = 255
    return noisy

# 요구사항 1: 씨앗을 고정해 한 번만 만들어 둔다
noises = {
    "가우시안": add_gaussian(gray, 20, 721),
    "점": add_salt_pepper(gray, 0.10, 722),
    "섞임": add_salt_pepper(add_gaussian(gray, 15, 723), 0.05, 724),
}
for name, im in noises.items():
    print(f"{name:5} 노이즈 그대로: 평균 차이 {cv2.absdiff(gray, im).mean():.2f}, PSNR {cv2.PSNR(gray, im):.2f}")

filters = {
    "평균": lambda im: cv2.blur(im, (5, 5)),
    "Gaussian": lambda im: cv2.GaussianBlur(im, (5, 5), 0),
    "Median": lambda im: cv2.medianBlur(im, 5),
    "Bilateral": lambda im: cv2.bilateralFilter(im, 9, 75, 75),
}

def time_ms(func, im, repeat=20):
    start = time.perf_counter()
    for _ in range(repeat):
        func(im)
    return (time.perf_counter() - start) / repeat * 1000

# 요구사항 2: 노이즈 × 필터마다 세 숫자를 잰다
rows, outputs = [], {}
for nname, noisy in noises.items():
    for fname, func in filters.items():
        out = func(noisy)
        outputs[(nname, fname)] = out
        rows.append({
            "노이즈": nname,
            "필터": fname,
            "평균 차이": round(float(cv2.absdiff(gray, out).mean()), 2),
            "PSNR": round(cv2.PSNR(gray, out), 2),
            "시간(ms)": round(time_ms(func, noisy), 3),
        })
table = pd.DataFrame(rows)
print(table.to_string(index=False))

# 요구사항 3, 4: PSNR 1등을 추천하고, 오른 dB 와 속도를 함께 적는다
speed = table.groupby("필터", sort=False)["시간(ms)"].mean()
fastest_name = speed.idxmin()
picks = {}
for nname, part in table.groupby("노이즈", sort=False):
    best = part.loc[part["PSNR"].idxmax()]
    picks[nname] = best["필터"]
    gain = best["PSNR"] - cv2.PSNR(gray, noises[nname])          # 노이즈 그대로보다 오른 dB
    times = speed[best["필터"]] / speed[fastest_name]              # 가장 빠른 필터의 몇 배
    print(f"[{nname}] 추천: {best['필터']} (PSNR {best['PSNR']}, {gain:+.2f} dB) "
          f"/ 가장 빠른 {fastest_name} 의 {times:.1f}배 시간")

fig, axes = plt.subplots(3, 5, figsize=(15, 7.2))
for r, (nname, noisy) in enumerate(noises.items()):
    axes[r, 0].imshow(noisy, cmap="gray", vmin=0, vmax=255)
    axes[r, 0].set_title(f"{nname} ({cv2.PSNR(gray, noisy):.1f} dB)")
    for c, fname in enumerate(filters, start=1):
        psnr = cv2.PSNR(gray, outputs[(nname, fname)])
        mark = " 추천" if picks[nname] == fname else ""
        axes[r, c].imshow(outputs[(nname, fname)], cmap="gray", vmin=0, vmax=255)
        # 추천 칸은 제목을 굵게 해 눈에 띄게 한다
        axes[r, c].set_title(f"{fname} ({psnr:.1f} dB){mark}",
                             fontweight="bold" if mark else "normal")
for ax in axes.flat:
    ax.axis("off")
plt.tight_layout()
# 요구사항 5: 저장을 먼저 하고 띄운다
# 칸이 15개라 png 로 저장하면 수백 KB 가 되므로, 사진에 알맞은 jpg 로 작게 저장한다
# pil_kwargs: 그림 저장을 맡는 Pillow 에 넘길 설정. quality 는 jpg 품질(2차시)
plt.savefig("out_ch07_compare.jpg", dpi=80, pil_kwargs={"quality": 85})
print("저장: out_ch07_compare.jpg")
plt.show()