본문 바로가기

Computer Vision + Python

Python으로 동영상 압축 및 해상도 자동 조정(Video Compression Automation) 1. 동영상 압축 자동화는 저장공간 문제가 아니었다처음 이 작업을 시작한 이유는 단순했다. 영상 데이터가 너무 빠르게 쌓였고, 저장 비용이 감당되지 않았다. 하지만 Python으로 동영상 압축 자동화를 붙이자마자 깨달았다. 문제의 본질은 용량이 아니라 **“어디에서 재생되느냐”**였다. 같은 영상이라도 모바일, 데스크톱, 사내 뷰어에서 요구하는 조건이 전부 달랐다.2. 해상도를 고정하면 반드시 문제가 생긴다초기에는 모든 영상을 1080p로 통일했다. 결과는 명확했다. 모바일에서는 과도한 트래픽, 저사양 단말에서는 프레임 드랍, 내부 시스템에서는 디코딩 지연이 발생했다. 이때부터 해상도는 고정값이 아니라 입력 영상과 목적에 따라 변해야 하는 변수라는 사실을 받아들이게 되었다.3. 압축률보다 중요한 것은 프.. 더보기
Python으로 실시간 스트리밍 영상 처리(Real-Time Video Processing) – WebCam 적용 1. 실시간 영상 처리는 ‘속도’ 문제가 아니라 ‘지연 누적’ 문제였다웹캠 영상을 처음 Python으로 처리했을 때 가장 크게 착각한 부분은 연산 속도였다. CPU 성능만 충분하면 실시간 처리가 가능할 것이라 생각했지만, 실제로는 프레임 하나하나가 쌓이며 지연(latency)이 누적되는 구조적 문제가 더 치명적이었다. 처리 속도가 조금만 느려져도 화면은 즉시 끊겼다.2. 웹캠 입력은 항상 불안정하다는 가정부터 시작해야 했다같은 코드라도 노트북 내장 카메라, USB 웹캠, 캡처 카드에서 모두 다르게 동작했다. 프레임 해상도, 기본 FPS, 색상 포맷이 제각각이었다. 그래서 입력 단계에서부터 카메라가 준 정보를 그대로 믿지 않는 설계가 필요했다. 실시간 시스템에서는 “명시적으로 설정하지 않은 값은 항상 변한.. 더보기
Python으로 영상에서 다중 언어 환경 OCR(Multilingual OCR) 구현 실제 현장에 바로 쓸 수 있는 실무 가이드세계화된 콘텐츠와 다국적 문서가 넘쳐나는 시대에, 한 언어만 읽는 OCR으로는 부족하다. 영상이나 스캔 이미지 속에서 여러 언어가 섞여 있는 경우가 빈번하고, 단일 언어용 OCR을 여러 번 호출하는 방식은 비효율적이다. Python을 활용해 다중 언어 환경에서 안정적으로 텍스트를 추출하고, 후처리까지 자동화하는 시스템은 실제 서비스나 업무 자동화에서 큰 가치를 가진다.이 글에서는 단순히 여러 언어를 지원하는 OCR 엔진을 나열하는 수준을 넘어서, 필자가 여러 프로젝트에서 겪은 문제, 데이터 준비, 전처리-후처리 전략, 성능 안정화 팁까지 한 번에 정리한다. 영상 기반 시스템을 구성하려는 개발자나 연구자에게 현실적으로 유용한 안내가 될 것이다.1. 다중 언어 OCR.. 더보기
감성돔 낚시터의 강한 햇빛, 파이썬 그림자 제거(Shadow Removal)로 AI 인식률 높이기 모바일 환경에서 낚시 앱을 테스트하다 벽에 부딪혔다.지난 주말, 대물 감성돔을 기대하며 낚시터에 나갔다. 직접 개발 중인 AI 낚시 앱으로 잡은 물고기를 촬영해 보려는데, 정오의 강한 햇빛 때문에 생긴 짙은 그림자가 문제였다.처음에는 OpenCV의 기본적인 필터링만으로도 충분히 그림자를 지울 수 있을 거라 생각했다. 실제로 실내 테스트에서는 아무 문제가 없었으니까. 그런데 막상 현장의 강한 직사광선 아래서 테스트해 보니 생각보다 한계가 분명했다. '이론적으로 완벽한 코드'와 '실제의 변수' 사이에는 꽤 큰 거리가 있었다.시작하기 전에 예상했던 것과 실제의 차이문서나 예제만 봤을 때는 구조가 단순해 보였다.예상: 그림자 영역의 밝기값(Value)만 높여주면 자연스럽게 지워질 것이다.현실: 밝기만 높이니 그.. 더보기
Python으로 영상 분할(Segmentation) 후 객체별 색상 랜더링(Object Coloring) 영상 처리 기술은 최근 몇 년 동안 비약적으로 발전해 왔으며, 특히 영상 분할(Segmentation)은 더 이상 연구실에서만 사용하는 기술이 아니라 실시간 방송, 영화 후반 작업, 자율주행, 감시 시스템까지 다양한 분야에서 핵심 기능으로 자리 잡았다. 이번 글에서는 Python을 활용해 Segmentation 이후 각 객체에 별도의 색상을 입히는 Object Coloring 워크플로우를 다룬다. 단순한 분할을 넘어, 객체를 시각적으로 구분해 분석과 시각화를 동시에 강화하는 기법이다.본 글은 일반적인 튜토리얼과 달리, 실제 프로젝트에서 얻은 경험과 시행착오를 중심으로 기술되어 있어 실무적인 시사점도 함께 얻을 수 있을 것이다.1. 왜 객체별 색상 랜더링이 필요한가?영상 분할은 기본적으로 객체의 위치와 경.. 더보기
딸아이의 유치원 영상, 파이썬 인물 모드(Portrait Mode)로 주인공만 선명하게 만들기 유치원 행사 영상 속에서 우리 아이만 찾아내고 싶었다얼마 전 딸아이의 유치원 행사가 있었다. 아이의 소중한 순간을 담으려 카메라를 들었지만, 화면 속에는 우리 아이뿐만 아니라 수많은 사람으로 가득했다. 배경이 너무 복잡하다 보니 정작 주인공인 아이가 돋보이지 않아 속상했다.비싼 DSLR의 아웃포커싱 효과를 파이썬 코딩으로 구현할 수 없을까 고민하다가 이번 프로젝트를 시작하게 되었다. 스마트폰 기본 앱도 좋지만, 내가 직접 제어하고 튜닝하는 '인물 모드'를 만들어보고 싶었다.시작하기 전에 예상했던 것과 실제의 차이이론적으로는 간단해 보였다. 배경을 분리하고(Segmentation), 그 부분만 흐리게(Blur) 만들면 끝이라고 생각했다.예상: AI가 사람의 형태를 완벽하게 따내고 배경만 깔끔하게 날려줄 것.. 더보기
Python으로 구현하는 단안 깊이 추정(Depth Estimation)과 AR/VR 실무 응용 전략 1. 평면적인 영상을 입체적인 공간으로 이해하는 기술우리가 매일 접하는 디지털 영상은 본질적으로 2D 평면 데이터입니다. 하지만 인공지능과 컴퓨터 비전의 목표는 이 평면적인 픽셀 데이터에서 3차원 공간의 '깊이'를 읽어내는 것입니다. 이를 깊이 추정(Depth Estimation)이라고 부릅니다. 과거에는 이 정보를 얻기 위해 두 개의 카메라를 사용하는 스테레오 비전(Stereo Vision)이나 고가의 라이다(LiDAR) 센서가 필수적이었습니다.하지만 필자는 최근 진행한 스마트 팩토리 물류 로봇 프로젝트에서 하드웨어 비용 절감이라는 큰 난관에 부딪혔습니다. 고가의 센서를 부착하기 어려운 소형 기기에서도 공간을 인식해야 했고, 그 해결책으로 찾아낸 것이 바로 인공지능 기반의 '단안 깊이 추정(Monocu.. 더보기
Python으로 영상에서 저조도 영상(Low-Light Video) 보정 및 향상하기 저조도 환경에서 촬영된 영상은 노이즈가 많고 밝기와 대비가 부족해 객체 인식, CCTV 분석, 딥러닝 학습 등 다양한 영상 처리 작업에서 큰 걸림돌이 된다. 특히 스마트 CCTV, 야간 감시, 차량 블랙박스, 드론 촬영 같은 분야에서는 영상 품질이 분석 정확도를 좌우하기 때문에 저조도 영상 보정은 필수 기술이 되었다. 본 글에서는 Python과 OpenCV를 중심으로 저조도 보정 기법을 단계적으로 이해하고, 직접 실무에 적용해 본 경험과 함께 효과적인 향상 전략을 제시한다.1. 저조도 영상의 문제점과 Python으로 해결해야 하는 이유저조도 영상은 단순히 ‘어두운 화면’이 아니라 여러 복합적인 문제가 얽혀 있다. 대표적으로 밝기 부족, 색 왜곡, 높은 노이즈, 명암 정보 손실 등이 겹친다. 많은 초보자들.. 더보기

티스토리툴바