😏:Roi

이미지 관심영역(ROI)

관심영역(Region of Interest, ROI)은 이미지 내에서 특별히 주목하고 싶은 영역을 의미합니다.

ROI 기본 개념

관심영역은 컴퓨터 비전에서 전체 이미지 중 특정 부분만을 분석하고자 할 때 사용됩니다. 예를 들어, 일몰 사진에서 태양 부분만을 추출하거나, 얼굴 사진에서 눈 영역만을 분석하는 경우에 활용됩니다.

ROI의 장점

• 처리 속도 향상: 전체 이미지 대신 필요한 부분만 처리

• 메모리 효율성: 작은 영역만 메모리에 로드

• 정확도 개선: 불필요한 배경 정보 제거

좌표를 이용한 ROI 지정

가장 기본적인 방법은 직접 좌표와 크기를 지정하는 것입니다.

기본 ROI 지정 방법

import cv2
import numpy as np

# 이미지 불러오기
img = cv2.imread('./img/sunset.jpg')

# ROI 좌표 및 크기 설정
x = 320  # 시작 x 좌표
y = 150  # 시작 y 좌표  
w = 50   # 너비
h = 50   # 높이

# numpy 슬라이싱을 이용한 ROI 지정
roi = img[y:y+h, x:x+w]
print(roi.shape)  # (50, 50, 3)

# ROI 영역에 사각형 그리기
cv2.rectangle(roi, (0,0), (h-1, w-1), (0,255,0))

cv2.imshow("img", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

핵심 포인트:

• img[y:y+h, x:x+w]: numpy 배열 슬라이싱으로 ROI 추출

• cv2.rectangle(): 지정된 영역에 사각형 그리기

• RGB 값 (0,255,0): 녹색으로 ROI 영역 표시

ROI 복제 및 조작

import cv2
import numpy as np

img = cv2.imread('../img/sunset.jpg')
x=320; y=150; w=50; h=50

# ROI 지정 및 복제
roi = img[y:y+h, x:x+w]
img2 = roi.copy()  # ROI 배열 복제

# 원본 이미지에 ROI 추가 (태양을 두 개로 만들기)
img[y:y+h, x+w:x+w+w] = roi

# 두 개의 태양 영역에 사각형 표시
cv2.rectangle(img, (x,y), (x+w+w, y+h), (0,255,0))

cv2.imshow("img", img)      # 원본 이미지 출력
cv2.imshow("roi", img2)     # ROI만 별도 출력
cv2.waitKey(0)
cv2.destroyAllWindows()

마우스 드래그로 ROI 지정

좌표를 직접 입력하는 대신 마우스 드래그를 이용하면 더욱 직관적으로 ROI를 지정할 수 있습니다.

마우스 이벤트 처리 방식

import cv2
import numpy as np

# 전역 변수 설정
isDragging = False
x0, y0, w, h = -1, -1, -1, -1
blue, red = (255,0,0), (0,0,255)

def onMouse(event, x, y, flags, param):
    global isDragging, x0, y0, img
    
    if event == cv2.EVENT_LBUTTONDOWN:  # 마우스 왼쪽 버튼 다운
        isDragging = True
        x0, y0 = x, y
        
    elif event == cv2.EVENT_MOUSEMOVE:  # 마우스 움직임
        if isDragging:
            img_draw = img.copy()
            cv2.rectangle(img_draw, (x0, y0), (x, y), blue, 2)
            cv2.imshow('img', img_draw)
            
    elif event == cv2.EVENT_LBUTTONUP:  # 마우스 왼쪽 버튼 업
        if isDragging:
            isDragging = False
            w, h = x - x0, y - y0
            print(f"x:{x0}, y:{y0}, w:{w}, h:{h}")
            
            if w > 0 and h > 0:  # 올바른 드래그 방향
                img_draw = img.copy()
                cv2.rectangle(img_draw, (x0, y0), (x, y), red, 2)
                cv2.imshow('img', img_draw)
                
                # ROI 지정 및 표시
                roi = img[y0:y0+h, x0:x0+w]
                cv2.imshow('cropped', roi)
                cv2.moveWindow('cropped', 0, 0)
                cv2.imwrite('./cropped.jpg', roi)
                print("cropped.")
            else:
                cv2.imshow('img', img)
                print("좌측 상단에서 우측 하단으로 드래그하세요.")

# 메인 실행 코드
img = cv2.imread('../img/sunset.jpg')
cv2.imshow('img', img)
cv2.setMouseCallback('img', onMouse)  # 마우스 이벤트 등록
cv2.waitKey()
cv2.destroyAllWindows()

마우스 이벤트 처리 과정:

1. 마우스 왼쪽 버튼 다운: 드래그 시작점 저장

2. 마우스 움직임: 실시간으로 선택 영역 표시

3. 마우스 왼쪽 버튼 업: ROI 확정 및 저장

cv2.selectROI() 함수 활용

OpenCV에서 제공하는 내장 함수를 사용하면 복잡한 마우스 이벤트 처리 없이도 쉽게 ROI를 지정할 수 있습니다.

selectROI 함수 문법

ret = cv2.selectROI(win_name, img, showCrossHair=True, fromCenter=False)

매개변수 설명:

반환값:

• ret: 선택한 영역의 좌표와 크기 (x, y, w, h)

• 선택을 취소하면 모든 값이 0으로 반환

selectROI 사용 예제

import cv2
import numpy as np

img = cv2.imread('../img/sunset.jpg')

# ROI 선택 (마우스 드래그 후 스페이스/엔터로 확정, 'c'로 취소)
x, y, w, h = cv2.selectROI('img', img, False)

if w and h:  # 유효한 영역이 선택된 경우
    roi = img[y:y+h, x:x+w]
    cv2.imshow('cropped', roi)
    cv2.moveWindow('cropped', 0, 0)
    cv2.imwrite('./cropped2.jpg', roi)

cv2.waitKey(0)
cv2.destroyAllWindows()

selectROI 사용법:

1. 마우스로 원하는 영역 드래그

2. 스페이스바 또는 엔터키로 선택 확정

3. 'c' 키로 선택 취소

4. ESC 키로 전체 종료

실무 활용 팁

ROI 처리 최적화

# 큰 이미지에서 작은 ROI만 처리하여 성능 향상
def process_roi_only(img, x, y, w, h):
    roi = img[y:y+h, x:x+w]
    # ROI에만 무거운 연산 적용
    processed_roi = expensive_operation(roi)
    
    # 결과를 원본 이미지에 다시 삽입
    result = img.copy()
    result[y:y+h, x:x+w] = processed_roi
    return result

다중 ROI 처리

# 여러 ROI를 동시에 처리
def process_multiple_rois(img, roi_list):
    results = []
    for x, y, w, h in roi_list:
        roi = img[y:y+h, x:x+w]
        processed = some_processing(roi)
        results.append(processed)
    return results

# 사용 예제
roi_coordinates = [(100,100,50,50), (200,150,60,40), (300,200,80,70)]
processed_rois = process_multiple_rois(img, roi_coordinates)

동적 ROI 추적

# 객체 추적과 연동한 동적 ROI
def track_and_process(video_path):
    cap = cv2.VideoCapture(video_path)
    
    # 첫 프레임에서 ROI 선택
    ret, frame = cap.read()
    x, y, w, h = cv2.selectROI('Select Object', frame, False)
    
    while True:
        ret, frame = cap.read()
        if not ret:
            break
            
        # 현재 프레임의 ROI 처리
        roi = frame[y:y+h, x:x+w]
        processed_roi = apply_filter(roi)
        
        # 결과 표시
        cv2.imshow('ROI', processed_roi)
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
    
    cap.release()
    cv2.destroyAllWindows()

주의사항 및 팁

경계값 처리

def safe_roi_extraction(img, x, y, w, h):
    """안전한 ROI 추출 (경계값 체크 포함)"""
    height, width = img.shape[:2]
    
    # 경계값 보정
    x = max(0, min(x, width-1))
    y = max(0, min(y, height-1))
    w = min(w, width - x)
    h = min(h, height - y)
    
    if w <= 0 or h <= 0:
        return None
        
    return img[y:y+h, x:x+w]

메모리 관리

ROI를 많이 생성할 때는 메모리 사용량에 주의하세요.
roi.copy()를 사용하여 독립적인 배열을 만들거나,
참조만 사용할지 신중히 결정해야 합니다.

성능 고려사항

• 작은 ROI: 처리 속도 향상, 메모리 절약

• 큰 ROI: 더 많은 정보 보존, 높은 정확도

• 적절한 균형점 찾기가 중요

참고 자료

• 원본 튜토리얼 - OpenCV ROI 가이드