ImageQantization/ColorQ.py at master · chaewoo-kim/ImageQantization · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
import cv2
import numpy as np
import math

#array의 값 생략 없이 출력
np.set_printoptions(threshold=np.inf, linewidth=np.inf)


img = cv2.imread('/Users/chaewookim/Desktop/ColorClassification/ColorDataSet/Red_1.jpg') #배열로 이미지 불러오기

#cv2.kmeans는 (N,3)의 shape과 flaot32의 데이터 형식을 입력 조건으로 사용
#reshape(-1,3)은 2차원 배열로 바꾸되 3열로 바꾸고 행은 알아서 넣으라는 뜻
data = img.reshape((-1, 3)).astype(np.float32) #rgb 3차원 배열을 2차원으로 바꿔주는 것이 매우 중요

#criteria는 반복을 종료할 조건으로 (type, max_iter, epsilon) 총 3개의 인자 가짐
#type : 종료 조건의 타입. cv2.TERM_CRITERIA_EPS는 주어진 정확도인 epsilon에 도달하면 종료,
#cv2.TERM_CRITERIA_MAX_ITER는 max_iter에 지정된 횟수만큼 반복 후 종료. +로 연결해 사용하면 둘 중 하나 만족할 시 종료
#max_iter : 최대 반복 횟수, 정수형
#epsilon : 정확도
criteria = (cv2.TERM_CRITERIA_EPS|cv2.TERM_CRITERIA_MAX_ITER, 4, 1.0) #최대 10번 반복하고 정확도 1 이하로 떨어지면 종료.

#cv2.kmaens는 data, k, bestLabels, criteria, attempts, flags, centers를 인자로 갖고 retval, bestLabels, centers 리턴
#인자 중 besLabels는 None을 입력하고 결과값을 받음
#flags : 초기 중심값 위치에 대한 설정. cv2.KMEANS_RANDOM_CENTERS, cv2.KMEANS_PP_CENTERS, cv2.KMEANS_USE_INITIAL_LABELS 중 하나
#label은 해당 데이터가 어떤 군집에 속했는지를 알려주는 데이터인 0,1 등의 값을 갖고 있는 배열
#center은 군집의 중심점 좌표들이 저장된 배열
#retval은 각 포인트와 중심 간의 거리의 제곱의 합. 높을수록 중심에서 멀리 있는 포인트들이 많고 낮을수록 중심에 가까이 있는 포인트들이 많음.
k=3
ret, label, center = cv2.kmeans(data, k, None, criteria, 10, cv2.KMEANS_RANDOM_CENTERS) #kmeans 실행
#center는 float32 형식이므로 opencv에서 주로 사용하는 형식인 uint8로 변경
center = np.uint8(center)


#중심점 좌표를 받아서 dst에 입력 (307200, 3) 3은 중심 좌표
#flatten()은 다차원 배열을 1차원 배열로 평탄화 해주는 역할
#각 값들이 label에 저장되어 있는 값에 따라 중심의 색으로 치환됨
result = center[label.flatten()]
print(center)

#원본 사진과 동일한 shape으로 변환
convertedImage = result.reshape((img.shape))

blueImage = convertedImage.copy()
greenImage = convertedImage.copy()
redImage = convertedImage.copy()


blueImage[:,:,1] = 0 # G 제거
blueImage[:,:,2] = 0 # R 제거
greenImage[:,:,0] = 0 # B 제거
greenImage[:,:,2] = 0 # R 제거
redImage[:,:,0] = 0 # B 제거
redImage[:,:,1] = 0 # G 제거


height, width, channel = result.shape
bgr = convertedImage.astype(float) / 255.0

b, g, r = cv2.split(bgr)

h = np.zeros((height, width), dtype=float)
s = np.zeros((height, width), dtype=float)
v = np.max(bgr, axis=2)


for i in range(height):
    for j in range(width):
        if v[i][j] == 0:
            # print("v : ", v[i][j])
            h[i][j] = 0
            # print("h : ", h[i][j])
            s[i][j] = 0
            # print("s : ", s[i][j])
            # print(i*width + j, "번째 -> b : ", b[i][j], " g : ", g[i][j], " r : ", r[i][j])
            # print(i*width + j, "번째 -> h : ", h[i][j], " s : ", s[i][j], " v : ", v[i][j])
        else:
            min_rgb = min(bgr[i][j])
            # print("min_rgb : ", min_rgb)

            s[i][j] = 1 - (min_rgb / v[i][j])
            # print("s : ", s[i][j])

            if v[i][j] == r[i][j]:
                h[i][j] = 60 * (g[i][j] - b[i][j]) / (v[i][j] - min_rgb)
                # print("h : ", h[i][j])
            elif v[i][j] == g[i][j]:
                h[i][j] = 120 + (60 * (b[i][j] - r[i][j])) / (v[i][j] - min_rgb)
                # print("h : ", h[i][j])
            elif v[i][j] == b[i][j]:
                h[i][j] = 240 + (60 * (r[i][j] - g[i][j])) / (v[i][j] - min_rgb)
                # print("h : ", h[i][j])
            if h[i][j] < 0:
                h[i][j] += 360
                # print("h : ", h[i][j])
                h[i][j] /= 360
                # print("h : ", h[i][j])
            # print(i*width + j, "번째 -> b : ", b[i][j], " g : ", g[i][j], " r : ", r[i][j])
            # print(i*width + j, "번째 -> h : ", h[i][j], " s : ", s[i][j], " v : ", v[i][j])


hsv_img = (np.dstack((h, s, v)) * 255).astype(np.uint8)

f = open("h.txt", 'w+')
fstr = ''.join(str(h))
f.write(fstr)
f.close()
g = open("s.txt", 'w+')
gstr = ''.join(str(s*100))
g.write(gstr)
g.close()
a = open("v.txt", 'w+')
astr = ''.join(str(v*100))
a.write(astr)
a.close()
b = open("blue.txt", 'w+')
bstr = ''.join(str(blueImage))
b.write(bstr)
b.close()
c = open("green.txt", 'w+')
cstr = ''.join(str(greenImage))
c.write(cstr)
c.close()
d = open("red.txt", 'w+')
dstr = ''.join(str(redImage))
d.write(dstr)
d.close()


cv2.imshow('original', result)
cv2.waitKey()
# cv2.imshow('hsv', hsv_img)
# cv2.waitKey()
# cv2.imshow('h', h)
# cv2.waitKey()
# cv2.imshow('s', s)
# cv2.waitKey()
# cv2.imshow('v', v)
# cv2.waitKey()