책을 낱장으로 분리합니다. 책을 한 페이지씩 스마트폰으로 찍습니다. 이 때 스마트폰과 바닥이 수직으로 놓여야 합니다. 책을 놓을 배경색은 검은색을 추천합니다. 상대적으로 돋보여서 책 영역 선택이 더 잘 됩니다. 책 사진에서 책 영역만 추출하여 파일로 저장하려고 합니다. 책 사진은 수직 수평이 안 맞게 찍히는 경우가 많습니다. 그래서 기울기를 알아내고, 기울기만큼 회전해야 합니다. 책 영역만 선택하여 파일로 저장하면 파일의 크기가 줄어듭니다. python과 opencv를 주로 사용해서 기능을 구현했습니다. 저는 프로그래머가 아니며, chatGPT4에게 질문+수정을 반복하여 만들었습니다. 이 코드는 59번째로 수정한 코드입니다. 다른 어떤 사람의 코드도 삽입하지 않았습니다. 퍼블릭 도메인입니다. 그러니 여러분도 마음껏 사용/추가/변형하셔도 됩니다. pyqt5를 사용해서 GUI까지 추가한 코드도 만들었습니다만, 좀 허접한 GUI라서 그 코드는 공개하지 않았습니다. 컴파일해서 실행 파일을 제공하면 일반 유저에게 더 편리하겠지만, 파일 용량이 100MB 정도 됩니다. C:\input 폴더에 책 사진 파일들을 넣고 이 프로그램을 실행하면, C:\output 폴더에 책 영역만 저장된 파일로 저장됩니다. 모든 파일들을 처리하면 프로그램이 자동으로 종료됩니다. 사진 파일 1개를 처리하는 데에 대략 1초 정도 걸립니다. 실행 파일을 더블 클릭하는 것 외에 어떠한 추가 동작도 필요하지 않습니다. pyqt5를 사용해서 만든 GUI에는 처리된 파일의 수/전체 파일의 수를 표시하는 코드가 들어 있습니다. openCV에는 컨투어를 찾는 함수가 있는데요, 이 함수는 우리가 기대하는 방식으로 동작하지 않았습니다. 그래서 면적이 가장 큰 컨투어를 찾은 다음에 '가장 큰 폐곡선으로 이루어진 영역'을 추가로 찾아야 합니다. 책 사진을 찍을 때 조명 때문에 비스듬한 각도로 찍으면 책 모양이 직사각형이 안 됩니다. 이 경우에는 회전하고 자르는 함수 대신에 형태변환 함수를 사용해야 합니다. 이 코드도 만들기는 했는데, 작동 방식이 이해가 잘 안 되었습니다.. 쩝 수동으로 책 사진을 회전하고 잘라야 할 때도 생길 겁니다. 이 코드는 이미지 뷰어 코드도 포함되어야 하고, 확대 축소하는 코드도 포함되어야 하는데, 제가 만들기에는 너무 복잡해서 접었습니다. import cv2 import os import numpy as np import sys folder_path = "C:/input" # 작업하려는 폴더 경로 file_list = os.listdir(folder_path) image_extensions = [".jpg", ".jpeg", ".png"] # 그림 파일만 불러온다 image_files = [file for file in file_list if any(file.lower().endswith(ext) for ext in image_extensions)] # 각 파일을 하나씩 불러온다 for image_name in image_files: # 이미지 파일을 불러온다 image = cv2.imread("C:\\input\\{}".format(image_name)) # 그레이 스케일 및 이진화 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) _, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU ) # 컨투어 찾기 contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 가장 큰 컨투어 찾기 largest_contour = max(contours, key=cv2.contourArea) # 가장 큰 컨투어에 불필요한 점/점들이 포함된 경우가 종종 발생하기 때문에 제거할 필요가 있다 # 새로운 이미지 생성 (검은색 배경) new_image = np.zeros_like(binary) # 가장 큰 컨투어 중에서 면적이 가장 큰 폐곡선 찾기 largest_closed_contour = max([c for c in contours if cv2.contourArea(c) > 0], key=cv2.contourArea) # 면적이 가장 큰 폐곡선 안에 있는 흰색 점들만 남기고 나머지는 삭제하여 새 이미지에 저장 cv2.drawContours(new_image, [largest_closed_contour], -1, (255), thickness=cv2.FILLED) # 컨투어를 둘러싼 가장 작은 사각형 찾기 min_rect = cv2.minAreaRect(largest_closed_contour) # minAreaRect에서 반환한 4개 점은 실수값을 갖으므로, 사용하려면 정수로 변환한다 box_points = cv2.boxPoints(min_rect) box_points = np.intp(box_points) # 4개 점을 좌표값에 따라서 번호를 부여한다 # 원래의 의도는 좌상, 우상, 좌하, 우하 순서로 P1, P2, P3, P4를 부여하려고 하였다 # 그러나 프로그래머의 일반적인 코드 규칙에 따라서 점의 번호를 부여하기로 생각을 바꿨다. # The order will be P1 (top-left), P2 (top-right), P3 (bottom-left), P4 (bottom-right) box_points = sorted(box_points, key=lambda x: (x[1], x[0])) if box_points[0][0] > box_points[1][0]: box_points[0], box_points[1] = box_points[1], box_points[0] if box_points[2][0] > box_points[3][0]: box_points[2], box_points[3] = box_points[3], box_points[2] # 프로그래머의 일반적인 코드 부여 방법에 따라서 점의 번호를 정했다 P1 = box_points[0] P2 = box_points[1] P3 = box_points[2] P4 = box_points[3] if P1[0] < P2[0]: # 기울기가 양수일 때(왼쪽으로 기울었다:시계방향으로 회전해야 한다) x1, y1 = P1[0], P1[1] x2, y2 = P2[0], P2[1] # 기울기 slope를 계산한다. delta_x = x2 - x1 delta_y = y2 - y1 slope = delta_y / delta_x if delta_x != 0 else None # 기울기에 따라서 회전할 각과 방향을 계산한다 # Calculate the angle in radians and then convert to degrees # The angle must be negative for a clockwise rotation angle_of_rotation = -np.degrees(np.arctan(slope)) # 시계방향으로 angle만큼 회전하고, 변수에 저장한다 # center에 들어갈 점 P의 좌표는 데이터형을 변환해야 한다 center = (int(P1[0]), int(P1[1])) angle = -angle_of_rotation M = cv2.getRotationMatrix2D(center, angle, 1) rotated_image = cv2.warpAffine(image, M, (image.shape[1], image.shape[0])) # 회전한 이미지를 저장하지 않고 변수를 바로 사용하여 다음 단계의 작업을 진행한다 #그레이 스케일 및 이진화 gray1 = cv2.cvtColor(rotated_image, cv2.COLOR_BGR2GRAY) _, binary1 = cv2.threshold(gray1, 127, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU ) # 회전한 이미지의 컨투어 찾기 contours1, _ = cv2.findContours(binary1, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 회전한 이미지의 가장 큰 컨투어 찾기 largest_contour1 = max(contours1, key=cv2.contourArea) # 새로운 이미지 생성 (검은색 배경) new_image1 = np.zeros_like(binary1) # 가장 큰 컨투어에 불필요한 점/점들이 포함된 경우가 종종 발생하기 때문에 제거할 필요가 있다 # 회전한 이미지의 가장 큰 컨투어 중에서 면적이 가장 큰 폐곡선 찾기 largest_closed_contour1 = max([c for c in contours1 if cv2.contourArea(c) > 0], key=cv2.contourArea) # 면적이 가장 큰 폐곡선 안에 있는 흰색 점들만 남기고 나머지는 삭제하여 새 이미지에 저장 cv2.drawContours(new_image1, [largest_closed_contour1], -1, (255), thickness=cv2.FILLED) # 회전한 이미지의 컨투어를 포함하는 가장 작은 사각형을 찾는다 min_rect1 = cv2.minAreaRect(largest_closed_contour1) # minAreaRect에서 반환한 4개 점은 실수값을 갖으므로, 사용하려면 정수로 변환한다 # Convert it to box points (four points) box_points1 = cv2.boxPoints(min_rect1) box_points1 = np.intp(box_points1) # # 4개 점을 좌표값에 따라서 번호를 부여한다 # 원래의 의도는 좌상, 우상, 좌하, 우하 순서로 P1, P2, P3, P4를 부여하려고 하였다 # 그러나 프로그래머의 일반적인 코드 규칙에 따라서 점의 번호를 부여하기로 생각을 바꿨다. # The order will be P1 (top-left), P2 (top-right), P3 (bottom-left), P4 (bottom-right) box_points1 = sorted(box_points1, key=lambda x: (x[1], x[0])) if box_points1[0][0] > box_points1[1][0]: box_points1[0], box_points1[1] = box_points1[1], box_points1[0] if box_points1[2][0] > box_points1[3][0]: box_points1[2], box_points1[3] = box_points1[3], box_points1[2] # 프로그래머의 일반적인 코드 부여 방법에 따라서 점의 번호를 정했다 # 점의 번호를 앞의 점과 다르게 해서 혼동을 피했다 P11 = box_points1[0] P22 = box_points1[1] P33 = box_points1[2] P44 = box_points1[3] # 4개 점의 좌표를 이용하여 사각형 영역을 택하여 새 그림 파일로 저장한다 k = rotated_image[P11[1]:P33[1], P11[0]:P22[0]] cv2.imwrite("C:\\output\\{}".format(image_name), k) else: # 기울기가 양수가 아닐 때(오른쪽으로 기울었다:반시계방향으로 회전해야 한다) x1, y1 = P1[0], P1[1] x2, y2 = P2[0], P2[1] # 기울기를 계산한다 delta_x = x2 - x1 delta_y = y2 - y1 slope = delta_y / delta_x if delta_x != 0 else None # 기울기에 따라서 회전할 각과 방향을 계산한다 # If the slope is zero (horizontal line), we do not need to rotate. # If the slope is negative or undefined (vertical line), we rotate counterclockwise. # The angle must be positive for a counterclockwise rotation angle_of_rotation = np.degrees(np.arctan(-slope)) if slope is not None else 90 # 반시계방향으로 angle만큼 회전하여 변수에 저장한다 # center에 들어갈 점 P의 좌표는 데이터형을 변환해야 한다 center = (int(P1[0]), int(P1[1])) angle = angle_of_rotation M = cv2.getRotationMatrix2D(center, angle, 1) rotated_image = cv2.warpAffine(image, M, (image.shape[1], image.shape[0])) # 회전한 이미지를 저장하지 않고 변수를 바로 사용하여 다음 단계의 작업을 진행한다 #그레이 스케일 및 이진화 gray1 = cv2.cvtColor(rotated_image, cv2.COLOR_BGR2GRAY) _, binary1 = cv2.threshold(gray1, 127, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU ) # 회전한 이미지의 컨투어 찾기 contours1, _ = cv2.findContours(binary1, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 회전한 이미지의 가장 큰 컨투어 찾기 largest_contour1 = max(contours1, key=cv2.contourArea) # 새로운 이미지 생성 (검은색 배경) new_image1 = np.zeros_like(binary1) # 회전한 이미지의 가장 큰 컨투어 중에서 면적이 가장 큰 폐곡선 찾기 largest_closed_contour1 = max([c for c in contours1 if cv2.contourArea(c) > 0], key=cv2.contourArea) # 면적이 가장 큰 폐곡선 안에 있는 흰색 점들만 남기고 나머지는 삭제하여 새 이미지에 저장 cv2.drawContours(new_image1, [largest_closed_contour1], -1, (255), thickness=cv2.FILLED) # 회전한 이미지의 컨투어를 포함하는 가장 작은 사각형을 찾는다 min_rect1 = cv2.minAreaRect(largest_closed_contour1) # minAreaRect에서 반환한 4개 점은 실수값을 갖으므로, 사용하려면 정수로 변환한다 # Convert it to box points (four points) box_points1 = cv2.boxPoints(min_rect1) box_points1 = np.intp(box_points1) # 4개 점을 좌표값에 따라서 번호를 부여한다 # 원래의 의도는 좌상, 우상, 좌하, 우하 순서로 P1, P2, P3, P4를 부여하려고 하였다 # 그러나 프로그래머의 일반적인 코드 규칙에 따라서 점의 번호를 부여하기로 생각을 바꿨다. # The order will be P1 (top-left), P2 (top-right), P3 (bottom-left), P4 (bottom-right) box_points1 = sorted(box_points1, key=lambda x: (x[1], x[0])) if box_points1[0][0] > box_points1[1][0]: box_points1[0], box_points1[1] = box_points1[1], box_points1[0] if box_points1[2][0] > box_points1[3][0]: box_points1[2], box_points1[3] = box_points1[3], box_points1[2] # 프로그래머의 일반적인 코드 부여 방법에 따라서 점의 번호를 정했다 # 점의 번호를 앞의 점과 다르게 해서 혼동을 피했다 P11 = box_points1[0] P22 = box_points1[1] P33 = box_points1[2] P44 = box_points1[3] # 4개 점의 좌표를 이용하여 사각형 영역을 택하여 새 그림 파일로 저장한다 k = rotated_image[P11[1]:P33[1], P11[0]:P22[0]] cv2.imwrite("C:\\output\\{}".format(image_name), k) sys.exit()
1140 조회
10 추천
04.19 15:09 등록
