def main():
"""
불러온 이미지를 RGB 값을 갖는 3차원 벡터로 변환합니다.
"""
# 이미지를 불러옵니다.
filenames = ["./data/aurora.jpg", "./data/raccoon.jpg"]
img = Image.open(filenames[0])
img = img.convert("RGB")
# 이미지를 NumPy 배열로 변환합니다. (높이, 넓이, 3) 차원의 행렬로 변환하여 돌려줍니다.
image_vector = np.asarray(img)
prep_image_vector = preprocess(image_vector)
# K-means의 K값을 설정합니다.
K = 32
new_image, clusters, centroids = kmeans(prep_image_vector, K)
new_image = postprocess(new_image)
# 변환된 벡터의 타입을 처리된 이미지와 같이 8bits로 설정합니다.
new_image = new_image.astype("uint8")
# 데이터를 이미지로 다시 변환합니다.
new_img = Image.fromarray(new_image, "RGB")
# 이미지를 저장하고 실행결과를 출력합니다.
new_img.save("image1out.jpg")
elice = elice_utils.EliceUtils()
elice.send_image("image1out.jpg")
# 점수를 확인합니다.
print("Score = %.2f" % elice.calc_score(image_vector, new_image))
return
import matplotlib as mpl
mpl.use("Agg")
import matplotlib.pyplot as plt
import elice_utils
import numpy as np
elice = elice_utils.EliceUtils()
def circle(P):
return np.linalg.norm(P) - 1 # 밑의 코드와 동일하게 동작합니다.
# return np.sqrt(np.sum(P * P)) - 1
def diamond(P):
return np.abs(P[0]) + np.abs(P[1]) - 1
def smile(P):
def left_eye(P):
eye_pos = P - np.array([-0.5, 0.5])
return np.sqrt(np.sum(eye_pos * eye_pos)) - 0.1
def right_eye(P):
eye_pos = P - np.array([0.5, 0.5])
return np.sqrt(np.sum(eye_pos * eye_pos)) - 0.1
def mouth(P):
if P[1] < 0:
return np.sqrt(np.sum(P * P)) - 0.7
else:
return 1
import matplotlib as mpl
mpl.use("Agg")
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.animation import FuncAnimation
import elice_utils as eu
elice_utils = eu.EliceUtils()
# 자료 읽어오는 함수
def read_data():
X, Y = [], []
with open("./data/input.txt") as f:
for line in f:
items = list(map(lambda x: float(x), line.split(",")))
X.append(items[0:4])
Y.append(items[4])
X, Y = np.array(X), np.array(Y)
return X, Y
def loss(X, Y, W):
"""
Sum of Squared Error(SSE)를 기반으로 하여 손실함수를 구해봅시다.
W는 A, B, C, D가 담겨있습니다.
Y' = X.dot(W) 일 때, 손실값은 |Y - Y'|^2가 됩니다.
