실습 5 — 자동 기준값 견주기: 중앙값 규칙과 Otsu 규칙

import cv2
import numpy as np
import pandas as pd

def median_rule(im, sigma=0.33):
    """중앙값의 (1 - sigma) 배를 low, (1 + sigma) 배를 high 로. 경험 규칙이다"""
    med = float(np.median(im))
    return int(max(0, (1 - sigma) * med)), int(min(255, (1 + sigma) * med))

def otsu_rule(im):
    """8차시의 Otsu 가 고른 값을 high, 그 절반을 low 로. 경험 규칙이다"""
    t, _ = cv2.threshold(im, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
    return int(0.5 * t), int(t)

names = ["shapes", "parts", "letters"]
images = {n: cv2.imread(f"ch11_set/{n}.png", cv2.IMREAD_GRAYSCALE) for n in names}
answers = {n: cv2.imread(f"ch11_set/{n}_edge.png", cv2.IMREAD_GRAYSCALE) for n in names}
for n in names:
    print(f"{n:7}: 중앙값 규칙 {median_rule(images[n])}, Otsu 규칙 {otsu_rule(images[n])}")

def edge_f1(edges, answer):
    """허용 거리 1칸의 F1"""
    kernel = np.ones((3, 3), np.uint8)
    found, real = edges > 0, answer > 0
    p = (found & (cv2.dilate(answer, kernel) > 0)).sum() / max(found.sum(), 1)
    r = (real & (cv2.dilate(edges, kernel) > 0)).sum() / real.sum()
    return round(float(2 * p * r / (p + r)), 3) if p + r > 0 else 0.0

def compare(imgs):
    """그림마다 5×5 블러 뒤 세 가지 기준값으로 Canny 를 걸어 F1 표를 만든다"""
    rows = []
    for n in names:
        b = cv2.GaussianBlur(imgs[n], (5, 5), 0)
        for rule, (low, high) in [("고정 50, 150", (50, 150)),
                                  ("중앙값 규칙", median_rule(b)),
                                  ("Otsu 규칙", otsu_rule(b))]:
            rows.append({"그림": n, "규칙": rule, "low": low, "high": high,
                         "F1": edge_f1(cv2.Canny(b, low, high), answers[n])})
    return pd.DataFrame(rows)

clean_table = compare(images)
print(clean_table.to_string(index=False))

# 세 그림에 표준편차 20 의 노이즈를 더한다. 씨앗 1112 로 고정
rng = np.random.default_rng(1112)
noisy = {n: np.clip(images[n].astype(np.float64) + rng.normal(0, 20, images[n].shape), 0, 255).astype(np.uint8)
         for n in names}
noisy_table = compare(noisy)
print(noisy_table.to_string(index=False))

# 규칙마다 세 그림의 평균 F1
summary = pd.DataFrame({"깨끗한 그림": clean_table.groupby("규칙")["F1"].mean(),
                        "노이즈 낀 그림": noisy_table.groupby("규칙")["F1"].mean()}).round(3)
print()
print(summary)

import matplotlib.pyplot as plt

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

b = cv2.GaussianBlur(noisy["letters"], (5, 5), 0)
fig, axes = plt.subplots(1, 4, figsize=(13, 2.9))
axes[0].imshow(noisy["letters"], cmap="gray", vmin=0, vmax=255)
axes[0].set_title("노이즈 낀 글자 그림")
for ax, (rule, (low, high)) in zip(axes[1:], [("고정", (50, 150)), ("중앙값 규칙", median_rule(b)),
                                              ("Otsu 규칙", otsu_rule(b))]):
    ax.imshow(cv2.Canny(b, low, high), cmap="gray", vmin=0, vmax=255)
    ax.set_title(f"{rule} ({low}, {high})")
for ax in axes:
    ax.axis("off")
plt.tight_layout()
plt.show()