프로젝트 1 — 부품 검사 사진의 이진 마스크 다듬기

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 blobs(binary):
    """흰 덩어리 수"""
    return cv2.connectedComponents(binary)[0] - 1

def accuracy(out, truth):
    """맞힌 칸 비율: 정답과 같은 칸의 비율"""
    return round(float((out == truth).mean()), 3)

names = ["tray_1", "tray_2"]
images, truths, binaries = {}, {}, {}
for name in names:
    images[name] = cv2.imread(f"ch09_inspect/{name}.png", cv2.IMREAD_GRAYSCALE)
    truths[name] = cv2.imread(f"ch09_inspect/{name}_mask.png", cv2.IMREAD_GRAYSCALE)
    # 요구사항 1: 어두운 부품이 흰색이 되도록 _INV 와 Otsu 를 함께 쓴다
    t, binaries[name] = cv2.threshold(images[name], 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)
    print(f"{name}: Otsu {int(t)}, 정답 부품 {blobs(truths[name])}개, "
          f"이진화 덩어리 {blobs(binaries[name])}개, 맞힌 칸 비율 {accuracy(binaries[name], truths[name])}")

def clean_mask(binary, order, size):
    """order 순서대로 열기·닫기를 크기 size 의 타원 도장으로 건다."""
    se = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (size, size))
    if order == "열기 → 닫기":
        first, second = cv2.MORPH_OPEN, cv2.MORPH_CLOSE
    else:
        first, second = cv2.MORPH_CLOSE, cv2.MORPH_OPEN
    return cv2.morphologyEx(cv2.morphologyEx(binary, first, se), second, se)

orders = ["열기 → 닫기", "닫기 → 열기"]
sizes = [3, 5, 7]
rows, cleaned = [], {}
for name in names:
    answer = blobs(truths[name])
    for order in orders:
        for size in sizes:
            out = clean_mask(binaries[name], order, size)
            cleaned[(name, order, size)] = out
            # 요구사항 2: 덩어리 수, 개수가 맞는지, 맞힌 칸 비율
            rows.append({"사진": name, "순서": order, "크기": size, "덩어리": blobs(out),
                         "개수 맞음": blobs(out) == answer,
                         "맞힌 칸 비율": accuracy(out, truths[name])})

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

# 요구사항 3: 조합마다 두 사진 모두 맞았는지(all)와 평균 맞힌 칸 비율(mean)
summary = report.groupby(["순서", "크기"]).agg(모두_맞음=("개수 맞음", "all"),
                                              평균_비율=("맞힌 칸 비율", "mean")).reset_index()
summary["평균_비율"] = summary["평균_비율"].round(4)
print(summary.to_string(index=False))

ok = summary[summary["모두_맞음"]]
best = ok.loc[ok["평균_비율"].idxmax()]
best_order, best_size = best["순서"], int(best["크기"])
print()
print(f"고른 조합: {best_order}, 타원 {best_size}×{best_size}, 평균 맞힌 칸 비율 {float(best['평균_비율'])}")

# 요구사항 4: 다듬은 두 마스크를 가로로 이어 저장한다
final = {name: cleaned[(name, best_order, best_size)] for name in names}
cv2.imwrite("out_ch09_cleaned.png", cv2.hconcat([final[name] for name in names]))
print("저장: out_ch09_cleaned.png")

fig, axes = plt.subplots(len(names), 4, figsize=(12, 5.6))
for i, name in enumerate(names):
    panels = [("원본", images[name]), (f"이진화 (덩어리 {blobs(binaries[name])})", binaries[name]),
              (f"다듬은 결과 (덩어리 {blobs(final[name])})", final[name]),
              (f"정답 (부품 {blobs(truths[name])})", truths[name])]
    for j, (title, im) in enumerate(panels):
        axes[i, j].imshow(im, cmap="gray", vmin=0, vmax=255)
        axes[i, j].set_title(title)
        axes[i, j].set_xticks([])
        axes[i, j].set_yticks([])
    axes[i, 0].set_ylabel(name)
plt.tight_layout()
# 요구사항 5: 저장을 먼저 하고 띄운다
plt.savefig("out_ch09_compare.png", dpi=100)
print("저장: out_ch09_compare.png")
plt.show()