Applying Image processing (Morphological Transform)

영상처리의 모폴로지 연산 기법을 이용해 Interpolation 중간 과정의 폰트들이 좀더 잡음 없이 깔끔한 형태를 띄도록 만들어봤다.

기대효과:
- 열림 후 닫힘 연산을 통해 잡음을 제거하고 요철을 반듯하게 만드는 효과를 기대하고 있다.
문제점:
- 기존에 멀쩡하던 폰트도 흐리게 하거나 왜곡하는 문제점이 있어, Interpolation의 양 끝에서는 처리를 줄이고 Interpolation의 중간에선 kernel size를 좀더 늘리는 등 처리를 더 세게 하는 방법도 시도해보면 좋을 것 같다.
여러 가지 연산을 적용해본 실험 (맨 왼쪽이 원본) 이 중에서 아래와 같은 결과물을 내는 방법(열림 후 닫힘)을 최종적으로 채택했다.
결과
- 영상처리 미적용
- 영상처리 적용
영상처리 미적용 / 적용 (gif 비교)
- 조금.. 더.. 부드러워졌나..??

import cv2

def processed_image(img, kernel_size= 5, kernel_shape= 'ellipse', iteration = 1):
  # [kernel shape] DEFAULT: 'ellipse', OPTION: 'ellipse', 'rect', 'cross'

  if kernel_shape == 'ellipse':
    kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (kernel_size, kernel_size))
  elif kernel_shape == 'rect':
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (kernel_size, kernel_size))
  elif kernel_shape == 'cross':
    kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (kernel_size, kernel_size))
  else:
    print('[warning] wrong \'kernel_shape\' input. Try with \'ellipse\', \'rect\' or \'cross\'.')

  result_img = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel, iterations= 1)
  result_img = cv2.morphologyEx(result_img, cv2.MORPH_CLOSE, kernel, iterations= 1)

  return result_img

sju-coml / 2020-Font-picker

Applying Image processing (Morphological Transform) #15