Capstone-Desige

자동 채색 프로그램

머신러닝 , OpenCV , CNN

학습된 라벨(과일 또는 다른 객체)에 한함

---

Object

이미지 전처리

이미지 인식

이미지 자동 채색

---

Check

Image_train.py

1. Project 안에 numpy_data 폴더 생성

2. numpy 버전 1.16.1로 수정

-- pip uninstall numpy

-- pip install --upgrade numpy==1.16.1

---

Step

1. 이미지 전처리 - 여백 자르기

2. 이미지 색 채우기 - 객체내부 색 채우기

---

1. 이미지 전처리

필요없는 여백 자르기

2. 이미지 색 채우기

+ 끊긴 부분이 있을 수도 있으니 전처리후 팽창

+ 닫힌 객체 내부 채우기

+ 내부 채운 부분을 RGB로 변환

3. Segmentation

영역 구분 후 영역 개수로 색 정하고 색칠

+ 영역 개수 <= 5

+ 영역 개수 > 5

스케치 인식

인식 후 영역 인식에 따른 영역 넓이 순 색칠

GUI

색 지정 후 그 색으로 칠할 영역 선택 (마우스 이벤트)

Filter

랜덤 x,y 좌표로부터 value만큼 떨어진 거리안의 픽셀(영역)의 명도조절

Memo

구역나눈것을 어떻게 따로 색칠할것인지? -> 사과는 배경은 제외한 가장큰 영역

자연스럽게 채색할 방법 -> 필터링 ? ---->> 그림자 + 명도

실제 사과 사진의 명도를 가져와서 필터링 ?

세그먼트가 여러개(ex. 체리)의 각 알맹이는 어떻게 명도조절? ----> 위 꼭지 부터의 일정 거리 이상 되어야 알멩이

인식기 학습순서 랜덤으로 해보기 -> 별차이 없을듯

꽃 200개 잎 200개 -> 91% 정확도

총 데이터 1200개 / 코너? = 계산량 많을듯

CNN 회전 생각해보기

---