TEACHER / UNIT 04
Ⅳ. 파이썬과 컴퓨터 비전 · 수업 요약
교과서 132–195쪽 · 도식 → 시연 → 학생 실험 → 설명 확인
50분 수업 운영 제안
| 단계 | 시간 | 교사 확인 |
|---|---|---|
| 도입·결과 예상 | 5분 | 정답 전에 입력·출력 예상 받기 |
| 구조 설명·시연 | 10분 | 도식과 코드의 각 부분 연결 |
| 학생 코드 변형 | 25분 | 정상·경계·오류 조건 확인 |
| 설명·저널 | 10분 | 결과 이유와 수정 근거 확인 |
평가 연결
| 항목 | 관찰할 증거 | 배점/연결 |
|---|---|---|
| 이미지 처리·검출 구현 | 입출력·처리·검출 정확성 | 10점 |
| 응용·프로그램 완성도 | 응용 기능·오류 처리·완성도 | 5점 |
| 저널 기록·제출 충실도 | 과정과 해결 근거·제출률 | 5점 |
교과서 대조·지도 유의사항
- 150쪽 img.size는 컬러 이미지에서 픽셀 수가 아니라 채널을 포함한 원소 수입니다.
- 교과서의 얼굴 인식 표현 중 Haar 예제는 얼굴 위치 검출입니다. 개인 식별이나 감정 판단을 수행하지 않습니다.
- 169쪽 import cv2, import numpy as np 구문을 두 import 문으로 수정했습니다.
- YOLOv8을 최신 버전이라고 표현하지 않습니다. 교과서 모델의 재현 경로로 제공합니다.
- 프레임별 객체 개수의 합은 고유 방문자 수가 아닙니다.
- 카메라·외부 가중치·개인 사진은 PC에서 별도 준비가 필요합니다. 도형 기반 처리를 먼저 확인하고 확장합니다.
대단원 Ⅳ. 파이썬과 컴퓨터 비전 교과서 132–195쪽
중단원 01. 컴퓨터 비전 개요 · 134–146쪽
소단원 01. 컴퓨터 비전이란? · 135–136쪽
중단원 01. 컴퓨터 비전 개요 · 134–146쪽
소단원 02. 컴퓨터 비전의 활용 분야 · 137–139쪽
이 웹 주제의 연계 범위: 134–139쪽
웹 학습 주제 01
컴퓨터 비전과 영상 처리
사진을 다듬는 것과 사진의 의미를 판단하는 것을 구별하세요.
컴퓨터 비전과 영상 처리 · 한눈에 보기
- 1영상 입력
- 2화질·크기 처리
- 3특징·객체 분석
- 4결과 표시·사람의 확인
| 작업 | 출력 | 구분 |
|---|---|---|
| 블러 | 새 이미지 | 영상 처리 |
| 객체 검출 | 위치와 클래스 | 컴퓨터 비전 |
| 사람의 검토 | 맥락에 따른 판단 | 시스템 활용 |
시연·발문·확인
발문: 사진을 다듬는 것과 사진의 의미를 판단하는 것을 구별하세요.
시연: 표의 예시를 학생의 학교생활 사례로 바꾸어 입력과 출력을 구별하게 합니다.
확인: 학교에서 사용할 비전 기술의 이점과 오판 시 문제를 함께 설명하세요.
대단원 Ⅳ. 파이썬과 컴퓨터 비전 교과서 132–195쪽
중단원 01. 컴퓨터 비전 개요 · 134–146쪽
소단원 03. 컴퓨터 비전의 기본 개념 · 140–144쪽
이 웹 주제의 연계 범위: 140–141쪽
웹 학습 주제 02
픽셀·해상도·RGB·그레이스케일
숫자 행렬이 그림이 되는 과정을 살펴보세요.
픽셀·해상도·RGB·그레이스케일 · 한눈에 보기
- 1숫자 하나한 채널 값
- 2RGB 3개컬러 픽셀
- 3행과 열이미지
- 4연속된 이미지영상
| 표현 | 예 | 의미 |
|---|---|---|
| shape | (2,3,3) | 높이2·너비3·채널3 |
| 픽셀 수 | 2×3=6 | 위치의 개수 |
| 원소 수 size | 2×3×3=18 | 채널 값의 개수 |
| OpenCV 기본 순서 | B,G,R | RGB 표시 전 변환 |
시연·발문·확인
발문: 숫자 행렬이 그림이 되는 과정을 살펴보세요.
시연: 연결 예제를 실행하기 전에 결과를 예상하게 하고 입력·조건 하나를 바꿔 비교합니다.
확인: 픽셀 실험실에서 기준이 128일 때 값 128이 어느 색이 되는지 확인하세요.
대단원 Ⅳ. 파이썬과 컴퓨터 비전 교과서 132–195쪽
중단원 01. 컴퓨터 비전 개요 · 134–146쪽
소단원 03. 컴퓨터 비전의 기본 개념 · 140–144쪽
이 웹 주제의 연계 범위: 142–146쪽
웹 학습 주제 03
알고리즘·처리 과정·평가 기준
정확도뿐 아니라 처리 시간도 비교하세요.
알고리즘·처리 과정·평가 기준 · 한눈에 보기
- 1입력
- 2전처리
- 3특징과 위치
- 4의미 해석
- 5출력·평가
| 기준 | 질문 |
|---|---|
| 정확성 | 무엇을 놓치거나 잘못 찾나? |
| 처리 시간 | 한 장에 몇 ms인가? |
| 실시간성 | 입력부터 출력까지 얼마나 늦나? |
| 안정성 | 조명·가림·각도 변화에도 유지되나? |
시연·발문·확인
발문: 정확도뿐 아니라 처리 시간도 비교하세요.
시연: 표의 예시를 학생의 학교생활 사례로 바꾸어 입력과 출력을 구별하게 합니다.
확인: 번호판 검출과 문자 인식을 서로 다른 단계로 그려 보세요.
대단원 Ⅳ. 파이썬과 컴퓨터 비전 교과서 132–195쪽
중단원 02. 컴퓨터 비전 라이브러리 활용 · 147–193쪽
소단원 01. 컴퓨터 비전 라이브러리 소개 · 148–154쪽
이 웹 주제의 연계 범위: 147–154쪽
웹 학습 주제 04
OpenCV·Pillow·Matplotlib·scikit-image
입출력·편집·표시·분석 도구를 구별해 보세요.
OpenCV·Pillow·Matplotlib·scikit-image · 한눈에 보기
원본과 Sobel 에지 비교 · 제공 Python 예제의 실제 실행 결과 · 클릭하여 확대- 1입력 읽기
- 2배열/이미지 객체
- 3처리 도구 적용
- 4표시·저장
| 도구 | 설치 이름 | 핵심 호출 |
|---|---|---|
| OpenCV | opencv-python | cv2.imread / cv2.imwrite |
| Pillow | pillow | Image.open / resize / save |
| Matplotlib | matplotlib | imshow / subplots |
| scikit-image | scikit-image | filters.sobel |
시연·발문·확인
발문: 입출력·편집·표시·분석 도구를 구별해 보세요.
시연: 연결 예제를 실행하기 전에 결과를 예상하게 하고 입력·조건 하나를 바꿔 비교합니다.
확인: 같은 240×160 이미지에서 Pillow.size와 OpenCV.shape가 어떻게 다른지 적으세요.
대단원 Ⅳ. 파이썬과 컴퓨터 비전 교과서 132–195쪽
중단원 02. 컴퓨터 비전 라이브러리 활용 · 147–193쪽
소단원 02. 이미지 데이터 다루기 · 155–162쪽
이 웹 주제의 연계 범위: 155–162쪽
웹 학습 주제 05
이미지 읽기·표시·변환·저장
파일을 못 읽었을 때 무엇부터 확인할까요?
이미지 읽기·표시·변환·저장 · 한눈에 보기
원본·회색조·축소·회전 결과 · 제공 Python 예제의 실제 실행 결과 · 클릭하여 확대- 1imread → None 확인
- 2색상·크기·회전
- 3imshow + waitKey
- 4imwrite 성공 확인
- 5창 정리
| 변환 | 입력 | 주의 |
|---|---|---|
| resize | (너비,높이) | shape 순서와 반대 |
| cvtColor | 변환 코드 | BGR↔RGB / GRAY |
| warpAffine | 행렬·출력 크기 | 잘림과 빈 영역 |
| imwrite | 경로·이미지 | 폴더 먼저 생성 |
시연·발문·확인
발문: 파일을 못 읽었을 때 무엇부터 확인할까요?
시연: 연결 예제를 실행하기 전에 결과를 예상하게 하고 입력·조건 하나를 바꿔 비교합니다.
확인: 축소 후 픽셀 수와 원소 수를 계산하고 shape로 검증하세요.
대단원 Ⅳ. 파이썬과 컴퓨터 비전 교과서 132–195쪽
중단원 02. 컴퓨터 비전 라이브러리 활용 · 147–193쪽
소단원 03. 이미지 전처리와 변환 · 163–172쪽
이 웹 주제의 연계 범위: 163–168쪽
웹 학습 주제 06
블러·에지·이진화
밝기를 부드럽게 할까요, 경계를 찾을까요?
블러·에지·이진화 · 한눈에 보기
블러·에지·세 이진화의 실제 결과 · 제공 Python 예제의 실제 실행 결과 · 클릭하여 확대- 1원본
- 2블러로 잡음 완화
- 3그레이스케일
- 4에지 또는 이진화
- 5조건별 결과 비교
| 기법 | 목적 | 바꿀 값 |
|---|---|---|
| 블러 | 잡음 완화 | 커널 크기 |
| Canny | 경계 찾기 | 하한·상한 |
| 고정/Otsu | 전역 이진화 | 고정/자동 임계값 |
| 적응형 | 영역별 이진화 | 홀수 blockSize·C |
시연·발문·확인
발문: 밝기를 부드럽게 할까요, 경계를 찾을까요?
시연: 연결 예제를 실행하기 전에 결과를 예상하게 하고 입력·조건 하나를 바꿔 비교합니다.
확인: 커널 3과 15, 고정 임계값 80과 180의 결과를 비교하세요.
대단원 Ⅳ. 파이썬과 컴퓨터 비전 교과서 132–195쪽
중단원 02. 컴퓨터 비전 라이브러리 활용 · 147–193쪽
소단원 03. 이미지 전처리와 변환 · 163–172쪽
이 웹 주제의 연계 범위: 168–172쪽
웹 학습 주제 07
원근 변환과 마우스 이벤트
원본 네 점과 목적지 네 점의 순서를 맞춰 보세요.
원근 변환과 마우스 이벤트 · 한눈에 보기
원본과 원근 변환 결과 · 제공 Python 예제의 실제 실행 결과 · 클릭하여 확대- 1왼쪽 위
- 2오른쪽 위
- 3오른쪽 아래
- 4왼쪽 아래
- 5대응 행렬 → 새 이미지
| 단계 | OpenCV | 주의 |
|---|---|---|
| 클릭 연결 | setMouseCallback | 이벤트 종류 확인 |
| 행렬 | getPerspectiveTransform | float32·점 순서 |
| 변환 | warpPerspective | 출력 (너비,높이) |
시연·발문·확인
발문: 원본 네 점과 목적지 네 점의 순서를 맞춰 보세요.
시연: 연결 예제를 실행하기 전에 결과를 예상하게 하고 입력·조건 하나를 바꿔 비교합니다.
확인: 원본과 목적지에서 두 점 순서만 뒤바꾸면 어떤 문제가 생길지 예상하세요.
대단원 Ⅳ. 파이썬과 컴퓨터 비전 교과서 132–195쪽
중단원 02. 컴퓨터 비전 라이브러리 활용 · 147–193쪽
소단원 04. 이미지에서 중요한 부분 찾기 · 173–176쪽
이 웹 주제의 연계 범위: 173–176쪽
웹 학습 주제 08
에지·코너·윤곽선으로 중요한 부분 찾기
선·점·닫힌 경계 중 무엇이 필요한가요?
에지·코너·윤곽선으로 중요한 부분 찾기 · 한눈에 보기
에지·코너·윤곽선의 차이 · 제공 Python 예제의 실제 실행 결과 · 클릭하여 확대- 1그레이스케일
- 2에지 / 코너 / 이진화
- 3윤곽·위치·면적
- 4그림에 표시
| 도구 | 결과 | 활용 |
|---|---|---|
| Canny | 경계 픽셀 | 형태 단서 |
| goodFeaturesToTrack | 코너 좌표 | 영상 간 대응 |
| findContours | 경계 점 목록 | 영역·면적·개수 |
시연·발문·확인
발문: 선·점·닫힌 경계 중 무엇이 필요한가요?
시연: 연결 예제를 실행하기 전에 결과를 예상하게 하고 입력·조건 하나를 바꿔 비교합니다.
확인: 네모와 원에서 코너 수가 왜 다른지 관찰하세요.
대단원 Ⅳ. 파이썬과 컴퓨터 비전 교과서 132–195쪽
중단원 02. 컴퓨터 비전 라이브러리 활용 · 147–193쪽
소단원 05. 컴퓨터 비전 프로젝트 실습 · 177–191쪽
이 웹 주제의 연계 범위: 177–184쪽
웹 학습 주제 09
얼굴·눈·웃음 검출과 웹캠
얼굴의 위치를 찾는 것과 누구인지 아는 것은 달라요.
얼굴·눈·웃음 검출과 웹캠 · 한눈에 보기
- 1분류기·카메라 확인
- 2프레임 읽기
- 3얼굴 → ROI 속 눈/웃음
- 4사각형 표시
- 5종료·자원 해제
| 문제 | 시도 | 기록 |
|---|---|---|
| 놓친 얼굴 | 크기 간격·조명 조절 | 누락 수 |
| 잘못 찾은 얼굴 | minNeighbors 조절 | 오탐 수 |
| 느린 처리 | 프레임 축소 | 처리 시간 |
| 눈 좌표 | ROI 원점 더하기 | 전체 화면 위치 |
시연·발문·확인
발문: 얼굴의 위치를 찾는 것과 누구인지 아는 것은 달라요.
시연: 연결 예제를 실행하기 전에 결과를 예상하게 하고 입력·조건 하나를 바꿔 비교합니다.
확인: 같은 사진에서 minNeighbors를 바꾸고 오탐·누락 표를 작성하세요.
대단원 Ⅳ. 파이썬과 컴퓨터 비전 교과서 132–195쪽
중단원 02. 컴퓨터 비전 라이브러리 활용 · 147–193쪽
소단원 05. 컴퓨터 비전 프로젝트 실습 · 177–191쪽
이 웹 주제의 연계 범위: 185–191쪽
웹 학습 주제 10
YOLOv8 객체 탐지와 개수 표시
박스·클래스·신뢰도를 읽고 프레임별 개수를 세어 보세요.
YOLOv8 객체 탐지와 개수 표시 · 한눈에 보기
- 1모델·입력 준비
- 2추론
- 3클래스·좌표·점수
- 4현재 프레임 개수
- 5표시·조건 비교
| Haar | YOLO | 선택 기준 |
|---|---|---|
| 특정 패턴 분류기 | 다중 클래스 모델 | 찾을 대상 |
| 명암 패턴 기반 | 학습 가중치 기반 | 입력 조건 |
| CPU에서 비교적 가벼운 구성 | 모델·해상도별 비용 차이 | 실측 속도와 오류 |
시연·발문·확인
발문: 박스·클래스·신뢰도를 읽고 프레임별 개수를 세어 보세요.
시연: 연결 예제를 실행하기 전에 결과를 예상하게 하고 입력·조건 하나를 바꿔 비교합니다.
확인: conf를 바꿨을 때 물체를 놓치는 경우와 오탐이 어떻게 달라지는지 기록하세요.
대단원 Ⅳ. 파이썬과 컴퓨터 비전 교과서 132–195쪽
마무리·종합 평가 연계
이 웹 주제의 연계 범위: 192–195쪽 + 확장
웹 학습 주제 11
컴퓨터 비전 프로젝트와 단원 정리
입력·처리·출력을 나누어 완성하세요.
컴퓨터 비전 프로젝트와 단원 정리 · 한눈에 보기
- 1입력 자료·목표
- 2처리 함수 모듈
- 3오류·조건별 결과
- 4GUI 또는 카메라 연결
- 5비교표·저널
| 프로젝트 | 핵심 처리 | 확인 |
|---|---|---|
| 문서 스캔 | 원근·대비·이진화 | 글자와 경계 보존 |
| 도형 계수 | 이진화·윤곽 | 잡음 제외 |
| 객체 탐지 | Haar / YOLO | 오탐·누락·속도 |
시연·발문·확인
발문: 입력·처리·출력을 나누어 완성하세요.
시연: 연결 예제를 실행하기 전에 결과를 예상하게 하고 입력·조건 하나를 바꿔 비교합니다.
확인: 2단원 GUI의 버튼에서 이미지 처리 함수를 호출하는 앱을 설계하세요.
인공지능 파이썬 실무