Skip to content

Latest commit

 

History

History
43 lines (33 loc) · 3.97 KB

README.md

File metadata and controls

43 lines (33 loc) · 3.97 KB

D-Meta_task

디메타 과제 면접

코드 실행하기

방법 1

  1. 리눅스 환경에서 터미널 창에 cd D-Meta_cutNmerge 커맨드를 입력하여 'D-Meta_cutNmerge' 경로로 이동합니다.

  2. 이미지를 MxN 크기로 자르기 위해 python cut_image.py ${자를 이미지명.이미지 파일 타입} ${M} ${N} ${sub image명} 명령어를 터미널에 입력하면 잘린 이미지 조각(sub image)들이 'D-Meta_cutNmerge/cut/' 경로에 형성됩니다

    • 예를들어, 'bike.png'라는 이미지를 2x2 크기로 자르고 싶고, 각 잘라진 sub image의 이름을 'crop'으로 하고 싶을 경우, 다음과 같이 입력하면 됩니다.

    python cut_image.py bike.png 2 2 crop

  3. 이 잘린 이미지들을 합병하기 위해 python merge_image.py ${sub image명} ${M} ${N} ${merged image명} 명령어를 터미널에 입력하면 'D-Meta_cutNmerge/merge/' 경로에 원본 이미지와 유사한 합병된 이미지가 저장됩니다.

    • 예를들어 sub image들의 이름을 'crop'으로 이름붙였고, 병합된 이미지 파일명을 'result'로 하고 싶으면 아래와 같이 입력하면 됩니다. 단, M, N값은 이미지를 자를 때 입력한 값과 동일해야 합니다.

    python merge_image.py crop 2 2 result

방법 2

  1. 리눅스 환경에서 터미널 창에 cd D-Meta_cutNmerge 커맨드를 입력하여 'D-Meta_cutNmerge' 경로로 이동합니다.
  2. 커맨드 창에 chmod +x cutNmerge.sh를 입력합니다.
  3. 커맨드 창에 ./cutNmerge.sh를 입력하여 "cut_image.py"와 "merge_image.py"를 동시에 실행할 수 있습니다.

진행 방식

cut_image.py

  • 잘린 sub image들의 위치 정보를 알 수 없도록 1에서 sub image의 총 개수 사이에서 무작위로 이름이 붙여지도록 하였습니다. (예를들어 2x2로 등분하면, sub image의 번호가 무작위로 1부터 4까지 부여됩니다.)
  • 자르는데에 쓰인 이미지의 파일명이 merge_image.py에서도 사용될 수 있도록, 그것을 저장하는 "img2cut.txt" 파일을 생성하도록 하였습니다.
  • 이미지를 자를 때 자르려는 크기와 나누어 떨어지지 않으면 임의로 이미지의 크기를 조정하는 대신 '//' 연산으로 쉽게 자를 수 있도록 하였습니다.

merge_image.py

  • 회전 및 이동에 불변하는 특징 검출기(feature detector)인 SIFT를 사용하여 원본 이미지 및 sub image들에서 keypoint와 descriptor값을 뽑아내고, 이들을 이용해 변형된 sub image들을 복구한 뒤에 merge하는 방식을 택했습니다.
  • 원본 이미지와 비교하여 변형된 sub image들을 복원할 수 있도록 "img2cut.txt" 파일을 불러와 "cut_image.py"에서 사용한 이미지를 불러올 수 있도록 하였습니다.
  • 회전에 불변하는 SIFT 알고리즘을 이용해 원본 이미지와 각 sub image의 keypoint 및 descriptor를 비교하여 서로 매치시킨 뒤에 정렬하여 원본 이미지에 맞게 정렬되도록 하였고, 그 변형된 sub image들을 원상태로 복구한 뒤에 합병 과정을 거치도록 하였습니다.

마주했던 문제점 및 해결 시도

  1. 2x2 크기로 분할할 때는 괜찮았지만, 3x3 이상으로 할 때는 이미지에 따라 SIFT 매치 개수가 4미만인 sub image가 있으면 진행할 수 없는 오류 발생 -> 다음과 같이 조건문을 만들어 skip하기로 결정했습니다.
    
       if len(matched) < 4:
          continue
    
  2. 3x3 이상으로 분할하고 나서 다시 병합하면 SIFT 매치 개수와 관계없이 색상이 왜곡되는 현상 발생(color distortion) -> 각 복원된 sub image마다 평균 값(mean)만큼 빼서 0.1에서 1 사이의 값으로 나눠서 해결을 시도했지만, 오히려 잘 되던 2x2 합병에도 색상 왜곡 현상이 생기는 듯 하여 그냥 복원된 이미지 그대로 병합하도록 했습니다. 하지만 때때로 원본과 거의 유사하게 나올 때가 있습니다.