ComputerVisionCPP

컴퓨터비전 강의 실습을 위해 작성된 C++/OpenCV 예제 모음입니다. ComputerVision.sln 하나의 Visual Studio 솔루션 안에 디렉토리별로 독립된 콘솔 프로젝트가 들어 있으며, 각 디렉토리는 서로 다른 컴퓨터비전 주제(색상 처리, 필터링, 엣지 검출, 형태학적 연산, 특징점 매칭, 영역 분할, 딥러닝 객체 탐지 등)를 다룹니다.

개발 환경

• Visual Studio 2022 (Platform Toolset v143), x64
• OpenCV 4.6.0 (opencv_world460.lib / opencv_world460d.lib)
  • 환경 변수 OPENCV_DIR 이 OpenCV build 경로를 가리키도록 설정 필요
• LibTorchYoloV5, LibTorchYoloV5_Video 두 프로젝트는 추가로 LibTorch(PyTorch C++ API)가 필요
  • 환경 변수 LIBTORCH_DIR 설정 필요 (torch_cpu.lib, torch.lib, c10.lib 사용)
• 샘플 이미지는 images/ 폴더에 있습니다 (lena.bmp, coins.jpg, house.bmp, desert.bmp, mountain1/2.bmp, notredame1/2.jpg, pepper.bmp, sailboat.bmp, stonewall1/2.bmp 등).

실행 방법

대부분의 프로젝트는 이미지(또는 비디오) 경로를 커맨드라인 인자로 받는 콘솔 프로그램입니다. Visual Studio에서 실행하려면 각 프로젝트 속성의 디버깅 > 명령 인수에 이미지 경로를 지정한 뒤 실행(F5)하면 됩니다. 프로젝트별 필요 인자는 아래 각 항목의 "실행" 표기를 참고하세요.

---

1. 기초 & OpenCV 사용법

• First — 컬러 이미지를 그레이스케일로 변환해 원본과 나란히 출력하는 기초 실습
  • 주요 함수: imread, cvtColor(COLOR_BGR2GRAY), imshow
  • 실행: <이미지경로>
• DrawShapes — 빈 캔버스에 사각형/직선/타원/채워진 원을 그리는 실습
  • 주요 함수: rectangle, line, ellipse, circle (커스텀 래퍼 함수)
  • 실행: 인자 없음 (콘솔 메뉴로 도형 선택: 1~4)
• MouseEvent — 마우스 콜백으로 좌표 이동/클릭 및 클릭 지점 픽셀의 BGR 값을 확인
  • 주요 함수: setMouseCallback, EVENT_MOUSEMOVE/LBUTTONDOWN/RBUTTONDOWN
  • 실행: <이미지경로>
• Trackbar — 트랙바로 두 이미지를 알파 블렌딩
  • 주요 함수: createTrackbar, addWeighted
  • 실행: <이미지경로1> <이미지경로2>
• CVPlot — sin(x) 값을 실시간으로 갱신하며 2D 그래프로 시각화
  • 주요 함수: plot::Plot2d(OpenCV plot 모듈)
  • 실행: 인자 없음 (이미지 입력 없이 데이터만 시각화)

2. 픽셀 연산 & 색상/명암 처리

• Inverse — ⚠️ 미구현 프로젝트
  • 주요 함수: 없음
  • 실행: 해당 없음
• ColorChange — 선형 변환(y = ax + b)을 이용한 밝기/대비 조절을 픽셀 단위로 직접 구현
  • 주요 함수: 픽셀 순회 + saturate_cast (콘솔에서 alpha, beta 입력)
  • 실행: <이미지경로>
• ColorConversion — 컬러 영상을 채널별로 분리해 R/G/B 단색 강조 영상으로 재구성
  • 주요 함수: split, merge, Mat::zeros
  • 실행: <이미지경로>
• GammaCorrection — 감마 보정(거듭제곱 변환)을 그레이스케일 이미지에 픽셀 단위로 직접 적용
  • 주요 함수: cvtColor, pow 기반 수동 연산 (콘솔에서 감마값 입력)
  • 실행: <이미지경로>
• Posterization — 색상 양자화를 통한 포스터화 효과 (V2/V3 버전은 미구현)
  • 주요 함수: 픽셀 순회 기반 ColorReduceV1, getTickCount로 처리시간 측정
  • 실행: <이미지경로>
• Binarization — 사용자 입력 threshold로 컬러 채널별 이진화를 직접 구현
  • 주요 함수: 픽셀 순회 기반 수동 이진화 (콘솔에서 threshold 입력)
  • 실행: <이미지경로>
• Histogram — 그레이/컬러 히스토그램 계산·시각화 및 히스토그램 평활화 비교
  • 주요 함수: Histogram1D 헬퍼 클래스, calcHist, equalizeHist, threshold
  • 실행: <이미지경로>

3. 필터링 & 잡음 제거

• Blurring — 평균 필터와 가우시안 필터의 블러링 효과 비교
  • 주요 함수: blur, GaussianBlur, getGaussianKernel
  • 실행: <이미지경로>
• Sharpening — 언샤프 마스크(Unsharp Mask) 기법으로 이미지 선명화
  • 주요 함수: GaussianBlur + 행렬 연산(image*(1+amount) - blurred*amount)
  • 실행: <이미지경로>
• SharpeningFilter2D — 3x3 커스텀 샤프닝 커널을 filter2D로 직접 적용
  • 주요 함수: filter2D, 수동 커널 구성
  • 실행: <이미지경로>
• SaltPepper — 이미지에 소금-후추(salt & pepper) 잡음을 추가
  • 주요 함수: 커스텀 SaltPepper() 함수
  • 실행: <이미지경로>
• NoiseRemoval — 잡음을 추가한 뒤 평균 필터와 중간값 필터로 제거·비교
  • 주요 함수: SaltPepper(), blur, medianBlur
  • 실행: <이미지경로>

4. 엣지 검출

• SobelEdge — Sobel 연산자로 X/Y 방향 그래디언트를 구해 엣지 검출 및 이진화
  • 주요 함수: Sobel, convertScaleAbs, threshold
  • 실행: <이미지경로> (그레이스케일)
• LaplacianEdge — 가우시안 블러로 노이즈를 제거한 뒤 라플라시안 필터로 엣지 검출
  • 주요 함수: GaussianBlur, Laplacian, convertScaleAbs
  • 실행: <이미지경로>
• CannyEdgeDetector — 트랙바로 임계값을 조절하며 Canny 엣지 검출 결과를 실시간 확인
  • 주요 함수: Canny, createTrackbar
  • 실행: <이미지경로>
• HoughTransform — Canny 엣지 검출 후 표준 허프 변환으로 직선 검출
  • 주요 함수: Canny, HoughLines
  • 실행: <이미지경로> (그레이스케일)

5. 형태학적 연산

• Dilation — 이진화 영상에 대한 팽창(dilation) 연산 비교 (1회 vs 5회 반복)
  • 주요 함수: threshold, dilate
  • 실행: <이미지경로>
• Erosion — 이진화 영상에 대한 침식(erosion) 연산 비교 (1회 vs 5회 반복)
  • 주요 함수: threshold, erode
  • 실행: <이미지경로>
• Thinning — 형태학적 연산을 반복 적용해 이진 이미지의 골격(skeleton) 추출
  • 주요 함수: morphologyEx(MORPH_OPEN), erode, bitwise_not/and/or
  • 실행: <이미지경로> (그레이스케일)

6. 기하 변환 & 이미지 피라미드

• PyramidUpDown — 이미지 피라미드를 이용한 확대/축소, 키보드로 반복 적용
  • 주요 함수: pyrUp, pyrDown (키보드 'u'/'d'로 조작)
  • 실행: <이미지경로>
• Cropping — 마우스 드래그로 ROI를 지정해 이미지를 잘라내고 저장
  • 주요 함수: setMouseCallback, Rect, imwrite (키보드 's' 저장, 'r' 초기화)
  • 실행: <이미지경로>
• TrackbarThresholding — 트랙바로 이진화 방식/임계값을 조절하며 적응형 임계처리와 비교
  • 주요 함수: adaptiveThreshold, threshold, createTrackbar (2개)
  • 실행: <이미지경로>

7. 특징점 검출 & 매칭

• CornerExtractor — Shi-Tomasi 방식으로 코너점 검출
  • 주요 함수: goodFeaturesToTrack
  • 실행: <이미지경로> (그레이스케일)
• CornerExtractor2 — FAST 알고리즘으로 키포인트(코너) 검출
  • 주요 함수: FastFeatureDetector
  • 실행: <이미지경로>
• KeypointMatching — SURF 특징점 검출 및 두 이미지 간 디스크립터 매칭
  • 주요 함수: xfeatures2d::SURF, BFMatcher, drawMatches
  • 실행: <이미지경로1> <이미지경로2>
• KeypointMatching2 — SIFT 특징점 검출 및 FLANN 기반 매칭, 거리 기준 필터링
  • 주요 함수: SIFT, FlannBasedMatcher, drawMatches
  • 실행: <이미지경로1> <이미지경로2>

8. 영역 분할 & 응용 알고리즘

• Watershed — Watershed 알고리즘을 이용한 전경/배경 분할 및 객체 라벨링
  • 주요 함수: threshold(OTSU), distanceTransform, connectedComponents, watershed
  • 실행: <이미지경로>
• LaneDetection — 주행 영상에서 그레이→블러→Canny→ROI 마스킹→허프 변환으로 좌/우 차선을 실시간 검출
  • 주요 함수: GaussianBlur, Canny, fillPoly+bitwise_and (ROI), HoughLinesP, 기울기 기반 좌/우 차선 분리
  • 실행: <비디오경로>

9. 딥러닝 기반 객체 탐지 (LibTorch + YOLOv5)

• LibTorchYoloV5 — LibTorch로 TorchScript YOLOv5 모델을 로드해 비디오에서 객체(카드) 탐지 (이미지 처리용 구버전 코드가 주석으로 남아 있음)
  • 주요 함수: torch::jit::load, letterbox 리사이즈, xywh2xyxy, cv::dnn::NMSBoxes
  • 실행: <모델(.pt)경로> <비디오경로>
• LibTorchYoloV5_Video — LibTorchYoloV5와 동일한 파이프라인의 정리된 비디오 객체 탐지 버전
  • 주요 함수: torch::jit::load, letterbox 리사이즈, xywh2xyxy, cv::dnn::NMSBoxes
  • 실행: <모델(.pt)경로> <비디오경로>