s = set()
s.add(1)
s.add(2)
s.add(2) ##이미 2가 집합s에 들어가있어서 중복으로 들어가지 않는다
s

len(s) ## 집합s에는 자료가 두 개 들어있음

{1,2} == {2,1} ##집합에서 자료의 순서는 무관해 두 집합은 같은 집합

def find_same_name(a) :
    n = len(a)
    result = set() ##결과가 나올 빈 집합
    for i in range(0, n-1) : 
        for j in range(i + 1, n) :
            if a[i] == a[j] :
                result.add(a[i])
    return result

name = ["Zeun", "Dduk", "Zal", "Buk", "Zeun", "Zal"]
print(find_same_name(name))

name2 = ["Zeun", "Dduk", "Zal", "Buk", "Dduk", "Dduk"]
print(find_same_name(name2))

def find_couple(a) :
    n = len(a)
    result = set()
    for i in range(0, n-1) :
        for j in range(i + 1, n) :
            if a[i] != a[j] :
                result.add(a[i]+'-'+a[j])
    return result

name = ["Zeun", "Dduk", "Zal", "Buk", "Zeun", "Zal"]
print(find_couple(name))

name2 = ["Zeun", "Dduk", "Zal"] ##이름에 중복이 없으면 문제 없음
print(find_couple(name2)) 

name = ["Zeun", "Dduk", "Zal", "Buk", "Zeun", "Zal"]
distinct_name = list(set(name))

##이에 name을 집합(set)으로 바꿔주면 중복이 제거되고,
## 다시 리스트로 변환한 뒤 앞에서 만든 함수에 넣어줌

print(find_couple(distinct_name))

def find_couple2(a) :
    n = len(a)
    for i in range(0, n-1) :
        for j in range(i + 1, n) :
            print(a[i]+'-'+a[j])

find_couple2(distinct_name)

a = [5, 7, 9] ## 리스트를 만들어 a에 저장
a

a[0] ##파이썬에서는 첫번째 위치를 1이 아니고 0에서부터 센다.

a[1] ##그러므로 1은 두번째 값인 7이 출력됨

a[-1] ## -1은 리스트의 끝에서 첫번째 값. 즉 마지막 값을 의미 a[-1] = a[2] = a[자료길이-1]

len(a) ## 리스트의 길이(자료의 개수)

a.append(4) ##4를 리스트의 맨 뒤에 추가
a

a.insert(0,5) ## 0번 위치(맨 앞)에 5를 추가
a

#입력 : 숫자가 n개 들어있는 리스트
#출력 : 숫자 n개 중 최댓값

def find_max(a) : 
    n = len(a) #입력크기 n
    max_v = a[0] #리스트의 첫번째 값을 최댓값으로 기억
    for i in range(1,n) :
        if a[i] > max_v :
            max_v = a[i]
    return max_v

v = [25, 54, 87, 62, 48, 50, 685, 78, 8, 9 ,5]

print(find_max(v))

def find_max_idx(a) :
    n = len(a)
    max_idx = 0
    for i in range(1,n) :
        if a[i] > a[max_idx]:
            max_idx = i
    return max_idx

v = [25, 54, 87, 62, 48, 50, 685, 78, 8, 9 ,5]

print(find_max_idx(v))

def find_min(a) : 
    n = len(a) #입력크기 n
    min_v = a[0] #리스트의 첫번째 값을 최솟값으로 기억
    for i in range(1,n) :
        if a[i] < min_v :
            min_v = a[i]
    return min_v

v = [25, 54, 87, 62, 48, 50, 685, 78, 8, 9 ,5]

print(find_min(v))

def find_min_idx(a) :
    n = len(a)
    min_idx = 0
    for i in range(1,n) :
        if a[i] < a[min_idx]:
            min_idx = i
    return min_idx

v = [25, 54, 87, 62, 48, 50, 685, 78, 8, 9 ,5]

print(find_min_idx(v))

def sum_n(n) :
    s = 0
    for i in range(1, n+1) :
        s = s + i
    return s

print(sum_n(10))
print(sum_n(100))

def sum_n2(n) :
    return n * (n + 1) // 2

print(sum_n2(10))
print(sum_n2(100))

def sum_n3(n) :
    s = 0
    for i in range(1, n+1) :
        s = s + i**2
    return s

print(sum_n3(10))
print(sum_n3(100))

def sum_n4(n) :
    return n*(n + 1)*(2*n + 1) // 6

print(sum_n4(10))
print(sum_n4(100))

import numpy as np
import cv2
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

img1 = cv2.imread("../img/inchan.png", cv2.IMREAD_UNCHANGED)
img2 = cv2.imread("../img/mado.jpg", cv2.IMREAD_UNCHANGED) #이미지파일을 alpha channel까지 포함하여 로드

print(img1.shape)
print(img2.shape)

# 채널을 BGR -> RGB로 변경
img1_1 = cv2.cvtColor(img1, cv2.COLOR_BGR2RGB)
img2_1 = cv2.cvtColor(img2, cv2.COLOR_BGR2RGB)

img1_2 = img1_1.reshape((img1_1.shape[0] * img1_1.shape[1], 3)) # height, width 통합
img2_2 = img2_1.reshape((img2_1.shape[0] * img2_1.shape[1], 3)) # height, width 통합

print(img1_2.shape)
print(img2_2.shape)

k = 5 
clt = KMeans(n_clusters = k)
clt.fit(img2_2)

for center in clt.cluster_centers_:
    print(center)

def centroid_histogram(clt):
    # grab the number of different clusters and create a histogram
    # based on the number of pixels assigned to each cluster
    numLabels = np.arange(0, len(np.unique(clt.labels_)) + 1)
    (hist, _) = np.histogram(clt.labels_, bins=numLabels)

    # normalize the histogram, such that it sums to one
    hist = hist.astype("float")
    hist /= hist.sum()

    # return the histogram
    return hist


hist = centroid_histogram(clt)
print(hist)

def plot_colors(hist, centroids):
    # initialize the bar chart representing the relative frequency
    # of each of the colors
    bar = np.zeros((50, 300, 3), dtype="uint8")
    startX = 0

    # loop over the percentage of each cluster and the color of
    # each cluster
    for (percent, color) in zip(hist, centroids):
        # plot the relative percentage of each cluster
        endX = startX + (percent * 300)
        cv2.rectangle(bar, (int(startX), 0), (int(endX), 50),
                      color.astype("uint8").tolist(), -1)
        startX = endX

    # return the bar chart
    return bar

bar = plot_colors(hist, clt.cluster_centers_)


# show our color bart
plt.figure()
plt.axis("off")
plt.imshow(bar)
plt.show()

#https://www.pyimagesearch.com/2014/05/26/opencv-python-k-means-color-clustering/

plt.imshow(img2_1) 
plt.show()

k = 5 
clt = KMeans(n_clusters = k)
clt.fit(img1_2)

for center in clt.cluster_centers_:
    print(center)

def centroid_histogram(clt):
    # grab the number of different clusters and create a histogram
    # based on the number of pixels assigned to each cluster
    numLabels = np.arange(0, len(np.unique(clt.labels_)) + 1)
    (hist, _) = np.histogram(clt.labels_, bins=numLabels)

    # normalize the histogram, such that it sums to one
    hist = hist.astype("float")
    hist /= hist.sum()

    # return the histogram
    return hist


hist = centroid_histogram(clt)
print(hist)

def plot_colors(hist, centroids):
    # initialize the bar chart representing the relative frequency
    # of each of the colors
    bar = np.zeros((50, 300, 3), dtype="uint8")
    startX = 0

    # loop over the percentage of each cluster and the color of
    # each cluster
    for (percent, color) in zip(hist, centroids):
        # plot the relative percentage of each cluster
        endX = startX + (percent * 300)
        cv2.rectangle(bar, (int(startX), 0), (int(endX), 50),
                      color.astype("uint8").tolist(), -1)
        startX = endX

    # return the bar chart
    return bar

bar = plot_colors(hist, clt.cluster_centers_)


# show our color bart
plt.figure()
plt.axis("off")
plt.imshow(bar)
plt.show()

#https://www.pyimagesearch.com/2014/05/26/opencv-python-k-means-color-clustering/

plt.imshow(img1_1) 
plt.show()

import cv2
import numpy as np
import matplotlib.pylab as plt
%matplotlib inline

rain = cv2.imread('../img/rain.png')
th = cv2.imread('../img/th.png')

## 단순히 더해주는 로직. 이에 화소가 고르지 못하고 중간중간 이상한 색을 띌 수 있음
## >> 255를 초과하는 영역
rain_th = rain + th

## 전체적으로 하얀 픽셀을 많이 가져감
rain_th2 = cv2.add(rain,th)

imgs = {'rain' : rain, 'th' : th, 
		'rain + th' : rain_th, 'cv2.add(rain,th)' : rain_th2}

for i, (k,v) in enumerate(imgs.items()):
	plt.subplot(2,2,i+1)
	plt.imshow(v[:,:,::-1])
	plt.title(k)
	plt.xticks([]); plt.yticks([])
plt.show()

img1 = cv2.imread('../img/0001.png')
img2 = cv2.imread('../img/0002.png')
img3 = cv2.imread('../img/0003.png')

## 레이어 겹쳐주는데는 문제없어보임..?
img4 = img1 + img2 + img3

imgs = {'img1' : img1, 'img2' : img2, 'img3' : img3,
		'img1+img2+img3' : img4}

for i, (k,v) in enumerate(imgs.items()):
	plt.subplot(2,3,i+1)
	plt.imshow(v[:,:,::-1])
	plt.xticks([]); plt.yticks([])
plt.show()

alpha = 0.5

## 수식사용
blended = rain * alpha + th *(1-alpha)
blended= blended.astype(np.uint8)
cv2.imshow('rain * alpha + th *(1-alpha)', blended)
plt.show()

cv2.waitKey(0)
cv2.destroyAllWindows()

##함수사용
dst = cv2.addWeighted(rain, alpha, th, (1-alpha),0)
cv2.imshow('cv2.addWeighted',dst)
plt.show()

cv2.waitKey(0)
cv2.destroyAllWindows()

import numpy as np #numpy
import cv2 #opencv
import matplotlib.pyplot as plt ##matplot

print("hello")
print(np.__version__)
print(cv2.__version__)

img_file = "../img/img2.png"
print("img_file : ", img_file)

img2_gray = cv2.imread(img_file, cv2.IMREAD_GRAYSCALE)
img2 = cv2.imread(img_file)
img2_orign = cv2.imread(img_file, cv2.IMREAD_UNCHANGED) #이미지파일을 alpha channel까지 포함하여 로드

print("img2.shape : " , img2.shape) ##이미지크기
print("img2.ndim : " , img2.ndim) ##차원(row,column,channel) ##channel이 색상(r,g,b라서 3)
print("img2.size : " ,img2.size)

## b,g,r = img2[:,:,0], img2[:,:,1], img2[:,:,2]

plt.imshow(img2_gray) #흑백으로 변환한 이미지
plt.show()

plt.imshow(img2) #원본이미지
plt.show()

plt.imshow(img2_orign) #원본이미지
plt.show()

## openCV는 이미지를 B,G,R 순으로 만들어지고, plt.show는 R,G,B순으로 해석
## 그래서 위 이미지들이 생각과 다르게 출력됨


b, g, r = cv2.split(img2)   # img파일을 b,g,r로 분리
img2_orign2 = cv2.merge([r,g,b]) # b, r을 바꿔서 Merge
plt.imshow(img2_orign2) #원본이미지
plt.show()

## RGB로 바꾸는 다른 방법

plt.imshow(img2[:,:,::-1]) #이미지 컬러 채널 변경해서 표시. 원본 이미지가 잘 출력됨
plt.xticks([]) #x좌표 눈금 제거
plt.yticks([]) #y좌표 눈금 제거
plt.show()

plt.subplot(1,3,1)
plt.imshow(img2)
plt.xticks([]) #x좌표 눈금 제거
plt.yticks([]) #y좌표 눈금 제거

plt.subplot(1,3,2)
plt.imshow(img2_gray)
plt.xticks([]) #x좌표 눈금 제거
plt.yticks([]) #y좌표 눈금 제거

plt.subplot(1,3,3)
plt.imshow(img2[:,:,::-1])
plt.xticks([]) #x좌표 눈금 제거
plt.yticks([]) #y좌표 눈금 제거