Python - 이미지 처리
Updated:
이미지, 영상 등은 딥러닝 분야에서 많은 부분을 차지하고 있다.
그리고 딥러닝을 처음 배우는 사람들도 제일 먼저 접하는 분야가 이미지 분류 문제일 것이다.
이에 따라, Python에서도 이미지 파일을 다루기 위한 라이브러리가 다양하게 있다.
대표적으로 많이 사용하는 라이브러리들은 opencv, pillow, matplotlib 등이 있을 것 같다.
각자의 취향, 편의성 마다 주로 사용하는 라이브러리가 다르겠지만 본 포스팅에서는 딥러닝에서 이미지를 다룰 때 사용하는 라이브러리들을 간단히 비교하려 한다.
1. 이미지 읽어오기
이미지 관련 딥러닝을 하기 위해서 제일 첫 번째로 해야하는 것은 바로 이미지 파일을 읽어오는 것이다. 이때 이미지 파일을 읽기 위한 라이브러리들은 다양하게 있고 각자의 취향마다 주로 사용하는 라이브러리가 다르겠지만, 본 포스팅에서는 다음 4개의 라이브러리를 이용하여 이미지 파일을 읽어왔을 때의 형식을 비교한다.
- opencv (version: 4.1.1.26)
- pillow (version: 7.0.0)
- matlpotlib (version: 3.1.1)
- TensorFlow (version: 2.1.0)
1. 참고에 따르면, 처리 속도에서 pillow 보다 opencv가 더 빠르다고 한다.
2. PyTorch(torchvision)에서는 내부적으로 pillow를 backend로 이용한다.참고
각각의 라이브러리에는 이미지를 읽기 위한 함수가 존재한다.
opencv에서는 cv2.read, pillow에서는 Image.open 그리고 matplotlib에서는 plt.imread를 통해 이미지를 불러올 수 있다.
또한, TensorFlow2에서는 tf.io.read_file(img_path)를 통해 이미지 파일을 읽어온 후 tf.io.decode_png, tf.io.decode_jpeg 등을 통해 이미지를 불러올 수 있다.
각 라이브러리들을 통해 이미지를 불러왔을 때의 type, dtype, image order는 다음과 같다.
opencv
- type: numpy.ndarray
- dtype: uint8, [0, 255]
- image order: BGR
PIL
- type: PIL.PngImagePlugin.PngImageFile
- dtype: uint8, [0,255]
- image order: RGB
matplotlib
- type: numpy.ndarray
- dtype: float32, [0,1]
- image order: RGB
TensorFlow
- type: tensorflow.python.framework.ops.EagerTensor
- dtype: float32, [0,255]
- image order: RGB
opencv의 경우 BGR 순서인 것을 주의하자!
참고에 따르면 opencv가 만들어질 당시 회사에서 BGR 순서를 많이 사용했다고 한다.
2. Matplotlib에서 이미지 확인하기
마찬가지로 이미지를 show하기 위해선 각 라이브러리마다 지원하는 함수가 존재한다.
opencv에서는 cv2.imshow, pillow에서는 {image_file}.show(), matplotlib에서는 plt.imshow를 통해 이미지를 show할 수 있다.
opencv에서는 cv2.read로 이미지를 읽어오면 BGR 순서로 읽어오기 때문에 cv2.imshow에 들어가는 이미지의 색상 순서도 BGR로 되어 있어야 한다.
각자 취향에 따라 이미지를 show하겠지만, 나같은 경우에는 matplotlib을 주로 사용한다.
많이 사용해봐서 익숙한 것도 있지만 이미지 위에 plot 등을 함께 사용할 경우가 가끔 있기 때문이다.
matplotlib에서 plot을 이용할 경우, 일반적으로 y축의 아래 부분이 0 값으로 세팅이 된다.
하지만 imshow를 이용할 경우, y축의 윗 부분이 0 값으로 세팅이 된다는 것을 주의하자.
이는 이미지의 경우 일반적으로 y축의 윗 부분이 0값을 가지기 때문이다.
간단한 예제로 영상 처리 등에서 많이 사용되는 Lenna 이미지를 사용하여 테스트 해보자.
img_path = './Lenna.png'
img = cv2.imread(img_path) # BGR
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
opencv를 통해 이미지를 읽어왔으므로 RGB 순서로 변경해준다.
plt.figure()
plt.title('Original image')
plt.imshow(img_rgb)
plt.axis('off')
2.1. 이미지 반전 시키기
데이터 Augmentation을 위해서 가끔 반전 등을 사용할 때가 있다.
보통 PyTorch나 TensorFlow등에서 augmentation을 위한 함수들이 함께 제공될테지만, 간단하게 matplotlib을 통해 확인할 수 있는 방법을 소개한다.
plt.gca().invert_yaxis(), plt.gca().invert_xaxis()를 사용하면 된다.
plt.figure()
plt.title('Reversed image (y-axis)')
plt.imshow(img_rgb)
plt.axis('off')
plt.gca().invert_yaxis()
plt.figure()
plt.title('Reversed image (x-axis)')
plt.imshow(img_rgb)
plt.axis('off')
plt.gca().invert_xaxis()
plt.figure()
plt.title('Reversed image (x and y axis)')
plt.imshow(img_rgb)
plt.axis('off')
plt.gca().invert_xaxis()
plt.gca().invert_yaxis()
Leave a comment