오뇽

도를 도분이나 도분초로 변환 가능하며 반대로 도분초를 도나 도분, 도분을 도분초나 도로 변환 가능한 프로그램 입니다. 위경도를 입력 후 이동버튼으로 해당 좌표에 해당하는 곳으로 이동도 가능하며 지도는 구글맵을 이용했습니다.

도, 도분, 도분초 각 에디트에 값을 입력하면 자동으로 다른 값으로 변경됩니다.

EXIF Viewer겸 HSV 공간 분포도 프로그램입니다.

- 개발 환경 및 사용 라이브러리

win8

vs 2010

OpenGL

OpenCV

FreeImage

MySQL

Google Map API

Daum Local API

실행 테스트는 XP x86, 7 x64, 8 x64에서 했습니다.

RGB나 YCbCr, YIQ, CMYK 등의 색상 모델은 대체로 시스템이나 하드웨어에서의 사용을 위해 만들어진 색상 모델이라면 HSV( Hue Saturation Value )는 인간의 색인지에 기반을 둔 사용자 지향성 색상모델입니다.

인간이 색을 인지하는 방식이 직관적이고 자연스럽기 때문에 HSV 컬러 모델은 시각 예술에 자주 쓰인다고 하네요. 일상에서도 자주 쓰이는데, 오렌지 색을 표현할 때 RGB성분으로 R=245, G=110, B=20으로 표현하는 것보다는, 색상(H)은 오렌지색이며 명도(V)는 밝고 채도(S)는 짙다고 표현하면 어떤 색인지 금방 떠올릴 수 있을 것입니다. 이처럼 인간이 색을 표현할 때 자주 사용하는 표현 방법이 HSV 표현과 비슷하다고 합니다.

- HSV 색 분포도

240 전후는 파랑, 60 전후는 노랑 등, 색마다 수치가 정해져 있습니다.

- RGB를 HSV로 바꾸는 공식

- 프로그램 외형

사진을 열어서 평면으로 출력중입니다. 히스토그램도 같이 출력됩니다.

HSV 중 색상(H) 분포도 입니다. 3D상에 수치는 나와있지 않지만 아래를 바닥을 0, 천장을 360으로 했을때 초록색이라 120 전후에 분포해 있습니다.

채도(S) 분포도입니다.

밝기(V) 분포도입니다. 어두운 부분은 아래로, 밝은 부분은 위로 향합니다.

흑백으로 출력한 화면입니다.

색상 영역을 잘 나타내는 그림 2장입니다. 색상에 따라 0부터 360 사이에서 분포합니다. 잘보면 색상 분포 순서가 무지개색입니다.

조건을 줘서 초록색만 출력해봅니다.

EXIF정보 입니다. 무슨 카메라에 어떤 렌즈로 찍었는지, 위치는 어디인지, 어떤 소프트웨어로 수정 했는지 등이 나옵니다. 물론 데이터가 있을때만 출력되고 Ctrl+C로 선택한 아이템이 클립보드로 복사도 됩니다.

요즘 스마트폰으로 찍은 사진이거나 DSLR에 GPS장비를 장착하면 위치정보가 기록되는데, 그 기록된 데이터를 바탕으로 아래 지도에 표시합니다. 지도는 다음 지도와 구글 지도 두 가지입니다.

사진에 위치 정보가 없을 경우 초기 위치인 경복궁이 나옵니다.

아래는 구글 맵을 선택한 화면입니다.

맵은 옵션에서 고를 수 있습니다.

EXIF정보가 있을 경우 HTML파일로도 출력이 가능합니다.

아래 정보를 보면

카메라는 Sony SLT-A99V 모델에

조리개는 F2.8

찍은 날짜는 13년 9월 18일

셔속은 1/5000

등을 알 수 있습니다.

ply 파일을 읽어서 출력하는 프로그램입니다. ply 파일은 PhotoSynth에서 SynthExport프로그램을 통해 얻을 수 있습니다.

개발 환경은 아래와 같습니다.

Win x64

Visual Studio 2010 SP1

OpenGL

OignonLotto 5.8.1.zip

2.26MB

이 프로그램의 목적은 로또 1등을 위한 프로그램이 아니라

사용자가 로또할 때 조금 더 편하게 이용하라고 만든 프로그램입니다

 

예를 들면 내가 집이 필요해서 집을 지어야 하는데,

집을 지어 주는게 아니라 집을 편하게 짓는데 필요한 도구의 개념입니다.

 

참고로 저는 로또 거의 안하고, 사도 자동으로 삽니다 헤헤

 

프로그램 사용 방법 설명 링크

 

넷마블 틀린그림찾기

악용하려고 만든건 아니고 원하는 프로그램을 만들기 위한 중간 과정이라서 공부할 겸 만들어봤습니다

흐름은 대충 그림이 바뀔 때마다 가로인지 세로인지 사용자가 지정해주는데, 지정할 때(그림이 바뀔때)마다 바탕화면 전체에서 템플릿 매칭으로 넷마블 프로그램을 찾아여. 매번 찾아주는 것보다 처음 한 번만 찾는게 구현도 쉽고 속도도 더 빠르지만 가끔 프로그램을 이동시켜야 할 일이 있고, 속도 차이도 요즘 같이 컴퓨터 성능이 상향평준화된 시대에서는 별의미가 없어서 매번 찾는 걸로 바꿨습니다.

넷마블 틀린그림찾기 프로그램을 찾으면 좌우 그림을 이진영상으로 바꾸고 정확도를 위해 차영상을 3개 만들고, 만들어진 3개의 차영상을 마지막에 더해주면 끝 영상처리는 끝. 그 다음 넷마블 틀린그림찾기 프로그램과 제가 만든 프로그램과 화면상에서 매핑하여 내 프로그램을 클릭하면 매핑된 넷마블 틀린그림찾기 프로그램을 클릭합니다.

아래 함수들은 제가 만든 자료형 및 매크로 상수들이 없으므로 다른 곳에서는 사용할 수 없지만 참고용으로 올려봅니다.

RGB영상을 이진영상으로 바꾸는 함수

void CIMAGE::RGB2BinaryImage( _IMAGE& oImgSrc, _IMAGE& oImgDst, int nThreshold )
{
	uchar ucGray;
	long lIdxSrc;	//oImgSrc.image의 인덱스
	long lIdxDst;	//oImgDst.image의 인덱스

	_IMAGE imgTemp;	//oImgSrc와 oImgDst가 같은 변수 일 수도 있으므로 Temp 변수 생성

	imgTemp.initialize( 
		cvSize( oImgSrc.image->width, oImgSrc.image->height ), 
		oImgSrc.image->depth, 
		1
		);

	for( int height=0 ; height < oImgSrc.image->height ; ++height )
	{
		for( int width=0 ; width < oImgSrc.image->width ; ++width )
		{
			lIdxDst = (height * imgTemp.image->widthStep) + (width * imgTemp.image->nChannels);
			lIdxSrc = (height * oImgSrc.image->widthStep) + (width * oImgSrc.image->nChannels);

			//RGB 값을 Gray 값으로 변환
			ucGray = uchar( (oImgSrc.image->imageData[lIdxSrc + 2] + oImgSrc.image->imageData[lIdxSrc + 1] + oImgSrc.image->imageData[lIdxSrc + 0]) / 3 );

			//1채널 영상에 대입
			imgTemp.image->imageData[ lIdxDst ] = ucGray;

			if( ucGray > nThreshold )
				imgTemp.image->imageData[ lIdxDst ] = (uchar)255;
			else
				imgTemp.image->imageData[ lIdxDst ] = (uchar)0;
		}
	}
	oImgDst.initialize( imgTemp.image );

	memcpy( oImgDst.image->imageData, imgTemp.image->imageData, imgTemp.image->imageSize );

	//DisplayWindow( "Binary Image", oImgDst, 10 );
}

차영상 구하는 함수

void CIMAGE::SubImage( _IMAGE& oImgSrc1, _IMAGE& oImgSrc2, _IMAGE& oImgDst )
{
	long lIdxSrc;				//oImgSrc.image의 인덱스
	unsigned char	ucColor;
	_IMAGE imgTemp;				//oImgDst와 oImgSrc1 혹은 oImgSrc2가 같을 수 있으므로 Temp 

	imgTemp.initialize( oImgSrc1.image );

	for( int height=0 ; height < oImgSrc1.image->height ; ++height )
	{
		for( int width=0 ; width < oImgSrc1.image->width ; ++width )
		{
			lIdxSrc = (height * oImgSrc1.image->widthStep) + (width * oImgSrc1.image->nChannels);

			ucColor = (unsigned char)oImgSrc1.image->imageData[lIdxSrc] - (unsigned char)oImgSrc2.image->imageData[lIdxSrc]; 

			if( ucColor > 255 )		//일반적인 차영상 구할때 발생할 일이 없겠지만.. 
				ucColor = 255;
			else if( ucColor < 0 )
				ucColor = 0;		//빼기 연산하면 음수가 나올 수 있으므로

			imgTemp.image->imageData[lIdxSrc] = ucColor;	//보정된 ucColor 값을 입력
		}
	}
	oImgDst.initialize( imgTemp.image );

	memcpy( oImgDst.image->imageData, imgTemp.image->imageData, imgTemp.image->imageSize );

	//DisplayWindow( "Sub Image", oImgDst, 10 );
}

인자로 받은 위치, 사이즈 만큼 캡쳐하는 함수. 여기서는 바탕화면 전체를 캡쳐함

void CIMAGE::captureScreen( HWND hWnd, int x, int y, int width, int height )
{
	BYTE *pImageData;
	BITMAPINFO bmi;

	bmi.bmiHeader.biSize  = sizeof(BITMAPINFOHEADER);
	bmi.bmiHeader.biWidth = width;
	bmi.bmiHeader.biHeight = height;
	bmi.bmiHeader.biPlanes = 1;
	bmi.bmiHeader.biBitCount = 24;
	bmi.bmiHeader.biCompression = BI_RGB;
	bmi.bmiHeader.biSizeImage = (((width * 24 + 31) & ~31) >> 3) * height;
	bmi.bmiHeader.biXPelsPerMeter = 0;
	bmi.bmiHeader.biYPelsPerMeter = 0;
	bmi.bmiHeader.biClrImportant = 0;
	bmi.bmiHeader.biClrUsed = 0;

	HDC hDC    = ::GetDC( hWnd );
	HDC memHDC = ::CreateCompatibleDC(hDC);

	HBITMAP hbmOrg = ::CreateDIBSection(hDC, &bmi, DIB_RGB_COLORS, (void**)&pImageData, 0, 0);
	HBITMAP hbmOld = (HBITMAP)::SelectObject(memHDC, hbmOrg);
	HDC desktopDC = ::GetDC(NULL);
	::BitBlt(memHDC, 0, 0, width, height, desktopDC , x, y, SRCCOPY);
	// end of screen capture.

	// make IplImage 
	IplImage *imgDesktop = cvCreateImage( cvSize(width, height), 8, 3 );
	imgDesktop->origin = IPL_ORIGIN_BL;
	memcpy( imgDesktop->imageData, pImageData, imgDesktop->imageSize );
	//...

	if( m_oDesktop.image != NULL )
	{
		cvReleaseImage( &m_oDesktop.image );
	}

	m_oDesktop.image = cvCreateImage( cvSize( width, height ), 8, 3 );
	m_oDesktop.image->origin = 1;

	cvCopyImage( imgDesktop, m_oDesktop.image );

	//DisplayWindow( "Desktop Image", m_oDesktop, 10 );

	if( imgDesktop != NULL )
	{
		cvReleaseImage( &imgDesktop );
	}

	//해제
	ReleaseDC( NULL, desktopDC);
	SelectObject(memHDC, hbmOld);

	DeleteObject(hbmOrg);
	DeleteDC(memHDC);
	ReleaseDC(hWnd, hDC);
}

바탕화면에서 넷마블 프로그램을 찾거나 좌우 이미지를 좀 더 정확하게 찾을 때 사용하는 함수

//반환 값은 원본 이미지에서, 템플릿과 일치하는 좌하단 좌표와 가로, 세로 크기
CvRect CIMAGE::MatchTemplate( _IMAGE& oImgSrc, _IMAGE& oImgTemplate, bool bDesktop )
{
	CvRect cvRt;

	double min_val, max_val;	//상관관계 최대, 최소 값
	CvPoint min_loc, max_loc;	//left_Bottom, Right_top인듯 (윈도우와 OpenCV 좌표 체계가 달라서)

	int width = oImgSrc.image->width - oImgTemplate.image->width + 1;
	int height = oImgSrc.image->height - oImgTemplate.image->height + 1;

	IplImage* m_imgProc = cvCreateImage( cvSize( width, height ), IPL_DEPTH_32F, 1 );

	{//원본 이미지에서 템플릿 이미지와 유사?한 부분을 찾아 min_loc변수에 위치를 저장
		//상관계수를 구하여 m_imgProc에 그림, 이 함수의 특징은  유클리디안 거리를 사용하여 
		//소스 이미지 전체를 탐색하면서 템플릿 이미지와 얼마나 유사한지를 측정
		cvMatchTemplate( oImgSrc.image, oImgTemplate.image, m_imgProc, CV_TM_SQDIFF );

		//위에서 구한 상관계수 맵에서 최대의 유사성을 갖는 값(Max_val)을 cvMinMaxLoc( )를 이용하여 찾음
		cvMinMaxLoc( m_imgProc, &min_val, &max_val, &min_loc, NULL/*max_loc*/ );

		max_loc.x = oImgTemplate.image->width;		//사각형을 그릴때 템플릿 이미지 크기 만큼 그리기 위해
		max_loc.y = oImgTemplate.image->height;		//템플릿 이미지의 가로, 세로 사이즈를 넣어줌

		cvRt = cvRect( min_loc.x, min_loc.y, max_loc.x, max_loc.y );

		if( bDesktop == true )
		{//템플릿 이미지와 바탕화면을 비교해서 넷마블을 찾았는지 못 찾았는지 한 번만 확인하는 부분
			_IMAGE oImgCropNetmarble;	//바탕화면에서 넷마블이라 생각되는 부분을 잘라넣을 변수
			_IMAGE oImgSubTest;			//읽어온 템플릿과 oImgCropNetmarble변수를 빼서 저장할 변수

			long lIdxSrc;
			int nCount = 0;

			oImgSrc.cvRtCropROI = cvRt;

			//관심영역 지정
			cvSetImageROI( oImgSrc.image, oImgSrc.cvRtCropROI );

			oImgCropNetmarble.initialize( oImgTemplate.image );
			cvCopyImage( oImgSrc.image, oImgCropNetmarble.image );

			SubImage( oImgTemplate, oImgCropNetmarble, oImgSubTest );

			for( int height=8 ; height < oImgSubTest.image->height ; ++height )	//읽어온 템플릿 이미지에서 아래 부분을 8 빼느라고
			{
				for( int width=0 ; width < oImgSubTest.image->width ; ++width )
				{
					lIdxSrc = (height * oImgSubTest.image->widthStep) + (width * oImgSubTest.image->nChannels);

					if( uchar(oImgSubTest.image->imageData[ lIdxSrc ]) == 255 )
					{
						//읽어온 템플릿과 바탕화면에서 잘라낸 부분이 동일하다면 0에 가까운 수가 나온다.						
						if( ++nCount >= 5 )
						{
							m_bFoundNetmarble = false;
						}
					}
				}
			}
			//DisplayWindow( "Cropped Netmarble Image", oImgCropNetmarble, 10 );
		}

		if( m_imgProc != NULL )
		{
			cvReleaseImage( &m_imgProc );
		}
	}

	return cvRt;
}

HSV Image Viewer가 Image를 읽어와 처리하는 정적 이미지(정지 영상) 기반이라면 HSV Cam Viewer는 PC캠에서 받아오는 실시간 이미지를 처리하는 것입니다. Image Viewer는 하루? 이틀 정도 걸려 만들었고.. Cam은 삽질 좀 하느라 일주일 정도 걸린듯요ㅠㅠ

Cam Viewer에는 간단한 크로마키 기능도 추가 됐습니다. 아래 동영상 2개 보면 크로마키에 대해서 대충 감이 옵니다 

크로마키 할 때 중요한게 카메라의 성능과 주변에 흔하지 않은 색(울트라마린 블루=크로마키색) 등인데, 집에 있는 카메라는 성능도 달리고 마땅한 배경도 없어서 아쉽네여..

아래부터 프로그램 캡쳐

인간이 색을 인지하는 방식이 직관적이고 자연스럽기 때문에 HSV 컬러 모델은 시각 예술에 자주 쓰인다고 하네요. 일상에서도 자주 쓰이는데, 오렌지 색을 표현할 때 RGB성분으로 R=245, G=110, B=20으로 표현하는 것보다는, 색상(H)은 오렌지색이며 명도(V)는 밝고 채도는 짙다고 표현하면 어떤 색인지 금방 떠올릴 수 있을 것입니다. 이처럼 인간이 색을 표현할 때 자주 사용하는 표현 방법이 HSV 표현과 비슷하다고 합니다.

아래는 HSV 색 공간 모형

아래는 RGB를 HSV로 변환하는 공식

아래는 프로그램 이미지 입니다.