실습 4 — 시각화와 보고

from pathlib import Path
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

if not Path("out_ch19_detections.csv").exists():
    raise SystemExit("out_ch19_detections.csv 가 없습니다. 실습 3을 먼저 실행하세요")

CONFIG = {"seed": 19}
detections = pd.read_csv("out_ch19_detections.csv")
prepped = pd.read_csv("out_ch19_prepped.csv", keep_default_na=False)

# 상자 색(BGR): bolt 초록, nut 다홍, washer 보라
COLORS = {"bolt": (76, 139, 95), "nut": (38, 93, 254), "washer": (190, 125, 142)}

def draw_boxes(img, boxes, scale=1.0):
    """그림을 복사해 상자와 '이름 신뢰도' 를 그린다. boxes 는 원래 좌표라 scale 을 곱해 다듬은 그림에 맞춘다."""
    canvas = img.copy()
    for b in boxes.itertuples():
        name = b[2]                                         # class 열(파이썬 낱말이라 번호로 꺼낸다)
        p1 = (round(b.x1 * scale), round(b.y1 * scale))
        p2 = (round(b.x2 * scale), round(b.y2 * scale))
        cv2.rectangle(canvas, p1, p2, COLORS[name], 2)
        cv2.putText(canvas, f"{name} {b.conf:.2f}", (p1[0], max(p1[1] - 4, 10)),
                    cv2.FONT_HERSHEY_SIMPLEX, 0.4, COLORS[name], 1, cv2.LINE_AA)
    return canvas

row = prepped[prepped["file"] == "belt_018.png"].iloc[0]
one = draw_boxes(cv2.imread(f"out_ch19_prepped/{row.saved}"), detections[detections["file"] == row.file], row.scale)
print("상자를 그린 그림:", one.shape, "· 상자", int((detections["file"] == row.file).sum()), "개")

# 씨앗을 고정해 여섯 장을 고른다: 다시 돌려도 같은 그림이 뽑힌다
rng = np.random.default_rng(CONFIG["seed"])
picked = sorted(rng.choice(prepped["file"].tolist(), 6, replace=False).tolist())
tiles = []
for name in picked:
    row = prepped[prepped["file"] == name].iloc[0]
    tile = draw_boxes(cv2.imread(f"out_ch19_prepped/{row.saved}"), detections[detections["file"] == name], row.scale)
    cv2.putText(tile, name, (6, 232), cv2.FONT_HERSHEY_SIMPLEX, 0.45, (255, 255, 255), 1, cv2.LINE_AA)
    tiles.append(tile)
grid = cv2.vconcat([cv2.hconcat(tiles[:3]), cv2.hconcat(tiles[3:])])   # 2x3 격자(2차시)
cv2.imwrite("out_ch19_boxes.png", grid)
print("고른 그림:", picked)
print("저장: out_ch19_boxes.png", grid.shape)

plt.figure(figsize=(12, 6.2))
plt.imshow(cv2.cvtColor(grid, cv2.COLOR_BGR2RGB))
plt.axis("off")
plt.show()

fig, axes = plt.subplots(1, 2, figsize=(11, 4), layout="constrained")
# 왼쪽: 클래스별 개수. reindex 로 bolt, nut, washer 순서를 고정한다
counts = detections["class"].value_counts().reindex(["bolt", "nut", "washer"], fill_value=0)
axes[0].bar(counts.index, counts.values)
for x, v in enumerate(counts.values):
    axes[0].text(x, v + 0.3, str(int(v)), ha="center")
axes[0].set_ylim(0, counts.max() * 1.2)
axes[0].set_title("클래스별 찾은 개수")
# 오른쪽: 그림당 물체 수. 아무것도 못 찾은 그림도 0 으로 넣는다
per_image = detections.groupby("file").size().reindex(prepped["file"], fill_value=0)
axes[1].hist(per_image.values, bins=np.arange(-0.5, per_image.max() + 1.5, 1))
axes[1].set_xlabel("그림 한 장의 물체 수")
axes[1].set_ylabel("그림 수")
axes[1].set_title("그림당 물체 수")
plt.show()
print("클래스별:", counts.to_dict())
print("그림당 물체 수:", per_image.value_counts().sort_index().to_dict())

# 그림마다 한 행: 찾은 수, 클래스별 수, 가장 낮은 신뢰도, 다듬기 손질
table = pd.crosstab(detections["file"], detections["class"]).reindex(
    index=prepped["file"], columns=["bolt", "nut", "washer"], fill_value=0)
table["찾은 수"] = table.sum(axis=1)
table["최저 신뢰도"] = detections.groupby("file")["conf"].min().reindex(prepped["file"]).round(3)
table["손질"] = prepped.set_index("file")["notes"]
table.to_csv("out_ch19_summary.csv", encoding="utf-8-sig")
print(table.head(6).to_string())
print("저장: out_ch19_summary.csv", table.shape)