실습 1 — resize 와 보간법 비교

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 그래프의 한글이 깨지지 않게 맑은 고딕을 쓰고, 빼기 기호가 네모로 나오지 않게 한다
plt.rcParams["font.family"] = "Malgun Gothic"
plt.rcParams["axes.unicode_minus"] = False

# 변환이 잘 보이게 그린 모눈 그림(가상의 그림)
img = cv2.imread("ch14_grid.png")
h, w = img.shape[:2]
print("원본 (가로, 세로):", (w, h))

# 방법 1: dsize 로 (가로, 세로) 를 직접 준다
a = cv2.resize(img, (160, 120))
# 방법 2: dsize 자리에 None, 배율 fx(가로)·fy(세로)를 준다
b = cv2.resize(img, None, fx=0.5, fy=0.5)
# 방법 3: 가로만 정하고 세로는 비율로 계산한다(round: 반올림)
new_w = 200
new_h = round(h * new_w / w)
c = cv2.resize(img, (new_w, new_h))

# shape 는 (세로, 가로, 채널) 순서로 찍힌다
for name, arr in [("dsize=(160, 120)", a), ("fx=fy=0.5", b), (f"가로 {new_w}, 비율 지킴", c)]:
    print(f"{name:16} → shape {arr.shape}, 가로÷세로 = {arr.shape[1] / arr.shape[0]:.3f}")

# 32×24 아주 작은 아이콘
icon = cv2.imread("ch14_icon.png")
print("아이콘 shape:", icon.shape)

methods = {"NEAREST": cv2.INTER_NEAREST, "LINEAR": cv2.INTER_LINEAR, "CUBIC": cv2.INTER_CUBIC}
bigs = {}
for name, flag in methods.items():
    # interpolation: 새로 생긴 칸을 채우는 방법
    bigs[name] = cv2.resize(icon, None, fx=8, fy=8, interpolation=flag)
    # 서로 다른 색이 몇 가지인지 센다. 칸 하나의 B, G, R 세 숫자를 한 묶음으로 본다
    colors = len(np.unique(bigs[name].reshape(-1, 3), axis=0))
    print(f"{name:8} shape {bigs[name].shape}, 서로 다른 색 {colors}가지")

fig, axes = plt.subplots(1, 4, figsize=(12, 2.8))
axes[0].imshow(cv2.cvtColor(icon, cv2.COLOR_BGR2RGB))
axes[0].set_title("원본 32×24")
for ax, (name, big) in zip(axes[1:], bigs.items()):
    ax.imshow(cv2.cvtColor(big, cv2.COLOR_BGR2RGB))
    ax.set_title(f"{name} 8배")
for ax in axes:
    ax.axis("off")
plt.tight_layout()
plt.show()

# 굵기 2칸의 검고 흰 고리가 촘촘한 동심원 무늬(흑백)
rings = cv2.imread("ch14_rings.png", cv2.IMREAD_GRAYSCALE)

smalls = {}
for name, flag in [("NEAREST", cv2.INTER_NEAREST), ("LINEAR", cv2.INTER_LINEAR), ("AREA", cv2.INTER_AREA)]:
    smalls[name] = cv2.resize(rings, (80, 60), interpolation=flag)
    # 표준편차: 밝기가 들쭉날쭉한 정도. 고리가 고르게 섞였으면 작다
    print(f"{name:8} 평균 {round(float(smalls[name].mean()), 1):6} / 표준편차 {round(float(smalls[name].std()), 1)}")

fig, axes = plt.subplots(1, 4, figsize=(12, 2.8))
axes[0].imshow(rings, cmap="gray", vmin=0, vmax=255)
axes[0].set_title("원본 320×240")
for ax, (name, sm) in zip(axes[1:], smalls.items()):
    # interpolation="nearest": 화면에 띄울 때 칸을 부드럽게 섞지 않고 그대로 크게 보여 준다(2차시)
    ax.imshow(sm, cmap="gray", vmin=0, vmax=255, interpolation="nearest")
    ax.set_title(f"{name} 80×60")
for ax in axes:
    ax.axis("off")
plt.tight_layout()
plt.show()

import pandas as pd

rows = []
for name, flag in [("NEAREST", cv2.INTER_NEAREST), ("LINEAR", cv2.INTER_LINEAR),
                   ("CUBIC", cv2.INTER_CUBIC), ("AREA", cv2.INTER_AREA)]:
    # 줄일 때만 방법을 바꾸고, 키울 때는 모두 LINEAR 로 같게 한다
    small = cv2.resize(img, (80, 60), interpolation=flag)
    back = cv2.resize(small, (w, h), interpolation=cv2.INTER_LINEAR)
    # 평균 절대 차이(MAE): 작을수록 원본에 가깝다(6차시)
    rows.append({"줄일 때 방법": name, "MAE": round(float(cv2.absdiff(img, back).mean()), 2)})

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