mp4 동영상의 중앙부 10% 영역에서 각 프레임별로 SNR 노이즈를 측정하여 출력하는 프로그램 작성해줘. 동영상은 탐색창 열어서 선택하게 하고, 데이터는…
- User
mp4 동영상의 중앙부 10% 영역에서 각 프레임별로 SNR 노이즈를 측정하여 출력하는 프로그램 작성해줘. 동영상은 탐색창 열어서 선택하게 하고, 데이터는 프레임번호, 밝기, 노이즈 3가지를 csv 파일에 저장해 주면 되
Assistant
다음은 MP4 동영상의 중앙부 10% 영역에서 각 프레임별로 SNR과 노이즈를 측정하는 Python 프로그램입니다:
import cv2 import numpy as np import tkinter as tk from tkinter import filedialog import csv from tqdm import tqdm import os def calculate_snr_and_noise(image): """ 이미지의 SNR과 노이즈를 계산합니다. """ # 이미지를 float32로 변환 image_float = image.astype(np.float32) # 평균 밝기 계산 mean_brightness = np.mean(image_float) # 노이즈 추정 (Laplacian 방법 사용) # Laplacian 필터를 적용하여 엣지와 노이즈를 감지 laplacian = cv2.Laplacian(image_float, cv2.CV_32F) # 노이즈 표준편차 추정 (Robust MAD 방법) # MAD (Median Absolute Deviation) 사용 noise_std = np.median(np.abs(laplacian)) * 1.4826 # SNR 계산 (신호 대 잡음비) if noise_std > 0: snr = mean_brightness / noise_std snr_db = 20 * np.log10(snr) if snr > 0 else 0 else: snr_db = float('inf') return mean_brightness, noise_std, snr_db def process_video(video_path, output_csv): """ 비디오를 처리하고 결과를 CSV 파일로 저장합니다. """ # 비디오 캡처 객체 생성 cap = cv2.VideoCapture(video_path) # 비디오 정보 가져오기 total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT)) fps = cap.get(cv2.CAP_PROP_FPS) width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH)) height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT)) print(f"비디오 정보:") print(f"- 총 프레임 수: {total_frames}") print(f"- FPS: {fps}") print(f"- 해상도: {width}x{height}") # 중앙 10% 영역 계산 center_x = width // 2 center_y = height // 2 roi_width = int(width * 0.1) roi_height = int(height * 0.1) # ROI (Region of Interest) 좌표 계산 x1 = center_x - roi_width // 2 y1 = center_y - roi_height // 2 x2 = x1 + roi_width y2 = y1 + roi_height print(f"- ROI 영역: ({x1}, {y1}) ~ ({x2}, {y2})") print(f"- ROI 크기: {roi_width}x{roi_height}") # CSV 파일 준비 with open(output_csv, 'w', newline='', encoding='utf-8') as csvfile: csv_writer = csv.writer(csvfile) csv_writer.writerow(['프레임번호', '밝기', '노이즈']) # 프레임별 처리 frame_number = 0 with tqdm(total=total_frames, desc="프레임 처리 중") as pbar: while True: ret, frame = cap.read() if not ret: break # BGR을 그레이스케일로 변환 gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 중앙 10% 영역 추출 roi = gray[y1:y2, x1:x2] # SNR과 노이즈 계산 brightness, noise, snr_db = calculate_snr_and_noise(roi) # CSV에 기록 csv_writer.writerow([frame_number, f"{brightness:.2f}", f"{noise:.2f}"]) frame_number += 1 pbar.update(1) cap.release() print(f"\n처리 완료! 결과가 '{output_csv}'에 저장되었습니다.") def select_video_and_process(): """ 파일 선택 대화상자를 열고 비디오를 처리합니다. """ # Tkinter 루트 윈도우 생성 (숨김) root = tk.Tk() root.withdraw() # 파일 선택 대화상자 video_path = filedialog.askopenfilename( title="MP4 동영상 파일 선택", filetypes=[("MP4 files", "*.mp4"), ("All files", "*.*")] ) if not video_path: print("파일이 선택되지 않았습니다.") return # 출력 CSV 파일 경로 생성 video_dir = os.path.dirname(video_path) video_name = os.path.splitext(os.path.basename(video_path))[0] output_csv = os.path.join(video_dir, f"{video_name}_noise_analysis.csv") print(f"선택된 파일: {video_path}") print(f"출력 파일: {output_csv}") # 비디오 처리 try: process_video(video_path, output_csv) except Exception as e: print(f"오류 발생: {str(e)}") root.destroy() if __name__ == "__main__": print("MP4 동영상 노이즈 분석 프로그램") print("=" * 50) # 필요한 패키지 확인 try: import cv2 import numpy import tkinter from tqdm import tqdm except ImportError as e: print("필요한 패키지가 설치되지 않았습니다.") print("다음 명령어로 설치해주세요:") print("pip install opencv-python numpy tqdm") exit(1) select_video_and_process()이 프로그램의 주요 기능:
-
파일 선택: tkinter를 사용하여 파일 탐색창을 열어 MP4 파일을 선택할 수 있습니다.
-
중앙 10% 영역 추출: 각 프레임에서 중앙부의 10% 영역만을 분석 대상으로 합니다.
-
노이즈 측정: Laplacian 필터와 MAD (Median Absolute Deviation) 방법을 사용하여 노이즈를 추정합니다.
-
데이터 저장: 프레임 번호, 평균 밝기, 노이즈 값을 CSV 파일로 저장합니다.
-
진행 상황 표시: tqdm을 사용하여 처리 진행률을 표시합니다.
프로그램 사용 방법:
- 필요한 패키지 설치:
pip install opencv-python numpy tqdm- 프로그램 실행:
python video_noise_analyzer.py-
파일 선택 창에서 분석할 MP4 파일을 선택하면 자동으로 처리가 시작됩니다.
-
처리가 완료되면 동영상과 같은 폴더에
[동영상이름]_noise_analysis.csv파일이 생성됩니다.
CSV 파일에는 각 프레임의 번호, 중앙 영역의 평균 밝기, 그리고 추정된 노이즈 값이 저장됩니다.
-
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.