docs(10_Wiki): 위키 전체 재구성 — Topic_* 폴더를 4개 카테고리로 통합 + 대규모 중복 제거
Topic_Agent/Topic_Blog/Topics/Topics_Biz/Topics_Meeting/Topics_Rag의 마크다운 지식 문서를 Topic_General/Topic_Programming/Topic_Graphic/Topic_Business 4개 카테고리로 재분류. - 중복 제거: frontmatter의 status:duplicate/merged + duplicate_of/redirect_to 필드로 자기 자신을 중복으로 선언한 리다이렉트 stub 1032개 제거, 완전 동일 내용 파일 472개 제거, 동일 파일명·다른 내용 충돌 시 더 큰(완전한) 버전만 유지(162개 제거) — 총 1639개 중복 제거. - 분류: 폴더 단위로 명확한 항목(AI_and_ML/Coding/Architecture 등 → Programming, Comfyui/Visual_Effects → Graphic, Topics_Biz/Topics_Meeting/사업 등 → Business, Poetic_Blog_Writing/창의성/Game_Design 등 → General)은 폴더 우선순위로, 나머지 혼재 폴더(Topic_Agent/Topic_Blog/Topics 루트/Thinking & Reasoning/Other/UI_UX_Assets)는 title/tags 키워드 스코어링으로 파일 단위 분류(불명확한 경우 General로 폴백). 원본 폴더명은 "From_*" 서브폴더로 보존해 추적 가능성 유지. - 최종 배치: Programming 2784 / General 1608 / Graphic 285 / Business 249 = 4926개 문서. - 에이전트 운영 상태(.astra/.agent/.obsidian/sessions/memory/_company/docs/lessons/_shared/src)는 지식 콘텐츠가 아니므로 재분류 대상에서 제외하고 원위치 유지. - Topics/Topic_email(상위 보호 폴더 Topic_email과 파일명 100% 중복) 삭제 — 보호 폴더 자체는 미변경. - 완전히 비게 된 Topic_Agent/Topic_Blog/Topics_Biz/Topics_Rag 폴더 제거.
This commit is contained in:
Antigravity Agent
@@ -0,0 +1,160 @@
|
||||
---
|
||||
id: wiki-2026-0508-straightening
|
||||
title: Straightening
|
||||
category: 10_Wiki/Topics
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [Image Straightening, Perspective Correction, Deskew]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.9
|
||||
verification_status: applied
|
||||
tags: [computer-vision, image-processing, perspective-correction, opencv]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
tech_stack:
|
||||
language: python
|
||||
framework: opencv
|
||||
---
|
||||
|
||||
# Straightening
|
||||
|
||||
## 매 한 줄
|
||||
> **"매 tilted image 의 axis-aligned 로 복원"**. Document scanning, satellite imagery, photo correction 의 fundamental preprocessing. Classical (Hough line + rotation, perspective transform) + modern deep learning (DeepDeskew, DocAligner) 의 combo.
|
||||
|
||||
## 매 핵심
|
||||
|
||||
### 매 두 가지 problem
|
||||
- **Skew correction (rotation)**: 매 in-plane rotation 의 보정. Hough line 의 dominant angle detection.
|
||||
- **Perspective correction (homography)**: 매 4-point 의 quadrilateral → rectangle. 매 non-frontal photo 의 document.
|
||||
|
||||
### 매 classical pipeline
|
||||
1. Edge detection (Canny).
|
||||
2. Line detection (Hough transform) 또는 corner detection.
|
||||
3. Dominant angle estimation 또는 4-point selection.
|
||||
4. Rotation matrix / homography 계산.
|
||||
5. Warp (affine / perspective).
|
||||
|
||||
### 매 modern (deep learning)
|
||||
- **DocTr / DocAligner** (2022+): document 의 corner regression.
|
||||
- **CNN-based skew angle predictor**: 매 single forward pass.
|
||||
- **LayoutLMv3-based**: 매 document understanding 의 part.
|
||||
|
||||
### 매 응용
|
||||
1. Document scanning apps (CamScanner, Adobe Scan).
|
||||
2. OCR preprocessing — 매 accuracy boost.
|
||||
3. Satellite imagery alignment.
|
||||
4. Receipt / business card capture.
|
||||
|
||||
## 💻 패턴
|
||||
|
||||
### Skew detection via Hough
|
||||
```python
|
||||
import cv2
|
||||
import numpy as np
|
||||
|
||||
def detect_skew(img):
|
||||
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
|
||||
edges = cv2.Canny(gray, 50, 150)
|
||||
lines = cv2.HoughLines(edges, 1, np.pi / 180, 200)
|
||||
angles = [(theta * 180 / np.pi) - 90 for rho, theta in lines[:, 0]]
|
||||
return np.median([a for a in angles if -45 < a < 45])
|
||||
```
|
||||
|
||||
### Rotation correction
|
||||
```python
|
||||
def rotate_image(img, angle):
|
||||
h, w = img.shape[:2]
|
||||
center = (w // 2, h // 2)
|
||||
M = cv2.getRotationMatrix2D(center, angle, 1.0)
|
||||
return cv2.warpAffine(img, M, (w, h), flags=cv2.INTER_CUBIC,
|
||||
borderMode=cv2.BORDER_REPLICATE)
|
||||
```
|
||||
|
||||
### Perspective correction (4-point)
|
||||
```python
|
||||
def four_point_transform(img, pts):
|
||||
rect = order_points(pts)
|
||||
(tl, tr, br, bl) = rect
|
||||
width = max(np.linalg.norm(br - bl), np.linalg.norm(tr - tl))
|
||||
height = max(np.linalg.norm(tr - br), np.linalg.norm(tl - bl))
|
||||
dst = np.array([[0, 0], [width-1, 0], [width-1, height-1], [0, height-1]],
|
||||
dtype="float32")
|
||||
M = cv2.getPerspectiveTransform(rect, dst)
|
||||
return cv2.warpPerspective(img, M, (int(width), int(height)))
|
||||
|
||||
def order_points(pts):
|
||||
rect = np.zeros((4, 2), dtype="float32")
|
||||
s = pts.sum(axis=1); diff = np.diff(pts, axis=1)
|
||||
rect[0] = pts[np.argmin(s)]; rect[2] = pts[np.argmax(s)]
|
||||
rect[1] = pts[np.argmin(diff)]; rect[3] = pts[np.argmax(diff)]
|
||||
return rect
|
||||
```
|
||||
|
||||
### Document corner detection (modern)
|
||||
```python
|
||||
# OpenCV contour-based (heuristic)
|
||||
def find_document_corners(img):
|
||||
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
|
||||
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
|
||||
edges = cv2.Canny(blurred, 75, 200)
|
||||
cnts, _ = cv2.findContours(edges, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
|
||||
cnts = sorted(cnts, key=cv2.contourArea, reverse=True)[:5]
|
||||
for c in cnts:
|
||||
approx = cv2.approxPolyDP(c, 0.02 * cv2.arcLength(c, True), True)
|
||||
if len(approx) == 4:
|
||||
return approx.reshape(4, 2)
|
||||
return None
|
||||
```
|
||||
|
||||
### Deep learning approach (DocAligner-style)
|
||||
```python
|
||||
import torch
|
||||
from torchvision import transforms
|
||||
|
||||
class CornerRegressor(torch.nn.Module):
|
||||
def __init__(self, backbone):
|
||||
super().__init__()
|
||||
self.backbone = backbone # ResNet34
|
||||
self.head = torch.nn.Linear(512, 8) # 4 corners x (x, y)
|
||||
|
||||
def forward(self, x):
|
||||
feat = self.backbone(x)
|
||||
corners = self.head(feat).view(-1, 4, 2)
|
||||
return torch.sigmoid(corners) # normalized [0, 1]
|
||||
```
|
||||
|
||||
## 매 결정 기준
|
||||
| 상황 | Approach |
|
||||
|---|---|
|
||||
| 매 simple skew (rotation only) | Hough line + rotate |
|
||||
| 매 document photo | 4-point perspective |
|
||||
| 매 noisy / cluttered scene | DL corner regressor |
|
||||
| 매 mobile real-time | Lightweight CNN (MobileNet) |
|
||||
| 매 batch / cloud | LayoutLMv3 + classical refinement |
|
||||
|
||||
**기본값**: 매 document → contour-based 4-point. 매 OCR pipeline → DocAligner.
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Computer Vision|Computer-Vision]]
|
||||
- 응용: [[OCR]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: OCR 의 preprocessing pipeline, document understanding 의 normalization, vision-language model 의 input quality 개선.
|
||||
**언제 X**: 매 ill-defined edges (handwriting on textured background), 매 already aligned image (overhead).
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **Single Hough line**: 매 outlier 의 dominate. median angle 사용.
|
||||
- **Aggressive crop**: rotation 후 black border 의 crop 시 content loss.
|
||||
- **Over-correction**: 매 small skew (< 0.5°) 무시 — overhead > benefit.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (OpenCV docs, Hough 1962 patent, Suzuki & Be 1985 contour algorithm).
|
||||
- 신뢰도 A.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — Hough + perspective + DL corner coverage |
|
||||
Reference in New Issue
Block a user