나중에 보려고 정리한 내용

Github 초기 본인 PC 폴더 올리는 법

park__ — Mon, 19 Jan 2026 09:50:48 +0900

초기 github repositories 를 생성한 후, 본인 PC 폴더 Push 하는 명령어

git init



git status

# 어떤 파일들이 있는지 확인



git add .

# 현재 cmd 경로에 있는 모든 파일 스테이징



git commit -m "커밋 내용"

# commit



git branch -M main

# 이미 했으면 안해도 됨



git push -u origin main

VTK 라이브러리 설치 (windows 11)

park__ — Thu, 8 Jan 2026 16:47:21 +0900

VTK(Visualization Toolkit) - 3D 컴퓨터 그래픽과 데이터 시각화를 위한 오픈소스 라이브러리

사이트 : https://github.com/Kitware/VTK

1) git 클론

git clone https://github.com/Kitware/VTK.git

2) build 폴더 생성

mkdir VTK-build

3) CMake로 VTK 빌드 설정

3-1) CMake GUI 실행

3-2) Where is the source code : C:/Git/VTK
Where to build the binaries : C:/Git/VTK/VTK-build

3-3) Configure 버튼 클릭

Generator 는 사용하는 Visual Studio에 맞게 선택

예 : "Visual Studio 17 2022", "x64"

3-4) CMAKE_INSTALL_PREFIX 설정

예 : C:/Git/VTK/VTK-install

선택) 샘플 : VTK_BUILD_EXAMPLES 체크

3-5) 다시 configure -> error 없으면 Generate

4) VTK 솔루션 (Debug/Release) 빌드

4-1) ALL_BUILD 프로젝트 -> 빌드 (C:/Git/VTK/VTK-build/bin/(Debug/Release) 위치에 dll 생성)

4-2) INSTALL 프로젝트 -> 빌드 (C:/Git/VTK/VTK-install 위치에 헤더/라이브러리 설치)

5) 설치 후 확인

프로젝트 생성 후, VC++ Directories 에서 Include Directories/Library Directories 설정
시스템 환경 변수 -> Dll 경로 추가

#ifdef _DEBUG
// Debug
#pragma comment(lib, "vtksys-9.6d.lib")
#pragma comment(lib, "vtkCommonCore-9.6d.lib")
#pragma comment(lib, "vtkCommonDataModel-9.6d.lib")
#pragma comment(lib, "vtkCommonExecutionModel-9.6d.lib")
#pragma comment(lib, "vtkFiltersSources-9.6d.lib")
#pragma comment(lib, "vtkRenderingCore-9.6d.lib")
#pragma comment(lib, "vtkRenderingOpenGL2-9.6d.lib")
#pragma comment(lib, "vtkRenderingVolumeOpenGL2-9.6d.lib")
#pragma comment(lib, "vtkImagingCore-9.6d.lib")
#pragma comment(lib, "vtkImagingSources-9.6d.lib")
#else
// Release
#pragma comment(lib, "vtksys-9.6.lib")
#pragma comment(lib, "vtkCommonCore-9.6.lib")
#pragma comment(lib, "vtkCommonDataModel-9.6.lib")
#pragma comment(lib, "vtkCommonExecutionModel-9.6.lib")
#pragma comment(lib, "vtkFiltersSources-9.6.lib")
#pragma comment(lib, "vtkRenderingCore-9.6.lib")
#pragma comment(lib, "vtkRenderingOpenGL2-9.6.lib")
#pragma comment(lib, "vtkRenderingVolumeOpenGL2-9.6.lib")
#pragma comment(lib, "vtkImagingCore-9.6.lib")
#pragma comment(lib, "vtkImagingSources-9.6.lib")
#endif

#include <vtkAutoInit.h>  // ★ 모듈 초기화용
VTK_MODULE_INIT(vtkRenderingOpenGL2);
VTK_MODULE_INIT(vtkRenderingVolumeOpenGL2);
// (원하면 마우스 인터랙션용 모듈도 추가 가능)
// VTK_MODULE_INIT(vtkInteractionStyle);

#include <vtkSmartPointer.h>
#include <vtkRTAnalyticSource.h>        // 테스트용 3D 볼륨 생성
#include <vtkSmartVolumeMapper.h>
#include <vtkVolumeProperty.h>
#include <vtkColorTransferFunction.h>
#include <vtkPiecewiseFunction.h>
#include <vtkRenderer.h>
#include <vtkRenderWindow.h>
#include <vtkRenderWindowInteractor.h>
#include <vtkVolume.h>

int main()
{
    // 1) 예제용 3D 볼륨 데이터 생성 (vtkRTAnalyticSource)
    auto source = vtkSmartPointer<vtkRTAnalyticSource>::New();
    source->SetWholeExtent(-128, 128, -128, 128, -128, 128);
    source->Update();

    // 2) 볼륨 매퍼
    auto volumeMapper = vtkSmartPointer<vtkSmartVolumeMapper>::New();
    volumeMapper->SetInputConnection(source->GetOutputPort());

    // 3) 색상(컬러맵) 설정
    auto colorFunc = vtkSmartPointer<vtkColorTransferFunction>::New();
    colorFunc->AddRGBPoint(70.0, 0.0, 0.0, 0.0);
    colorFunc->AddRGBPoint(110.0, 0.9, 0.2, 0.3);
    colorFunc->AddRGBPoint(130.0, 1.0, 1.0, 0.9);

    // 4) 투명도(Opacity) 설정
    auto opacityFunc = vtkSmartPointer<vtkPiecewiseFunction>::New();
    opacityFunc->AddPoint(70.0, 0.0);
    opacityFunc->AddPoint(100.0, 0.2);
    opacityFunc->AddPoint(130.0, 0.8);

    auto volumeProperty = vtkSmartPointer<vtkVolumeProperty>::New();
    volumeProperty->SetColor(colorFunc);
    volumeProperty->SetScalarOpacity(opacityFunc);
    volumeProperty->ShadeOn();
    volumeProperty->SetInterpolationTypeToLinear();

    // 5) Volume 액터
    auto volume = vtkSmartPointer<vtkVolume>::New();
    volume->SetMapper(volumeMapper);
    volume->SetProperty(volumeProperty);

    // 6) 렌더러 / 윈도우 / 인터랙터
    auto renderer = vtkSmartPointer<vtkRenderer>::New();
    renderer->AddVolume(volume);
    renderer->SetBackground(0.1, 0.1, 0.2);

    auto renderWindow = vtkSmartPointer<vtkRenderWindow>::New();
    renderWindow->AddRenderer(renderer);
    renderWindow->SetSize(800, 600);

    auto interactor = vtkSmartPointer<vtkRenderWindowInteractor>::New();
    interactor->SetRenderWindow(renderWindow);

    renderer->ResetCamera();
    renderWindow->Render();
    interactor->Start();

    return 0;
}

OpenCV 빌드 정보 및 CPU/GPU 관련 외부 라이브러리 사용 여부 보는 법

park__ — Wed, 31 Dec 2025 16:26:42 +0900

    std::cout << cv::getBuildInformation() << std::endl;

    std::cout << "IPP available (built with IPP): " << cv::ipp::useIPP() << std::endl;

    cv::ipp::setUseIPP(false);  // disable temporarily
    std::cout << "IPP enabled (current setting): " << cv::ipp::useIPP() << std::endl;

    std::cout << "OpenCL available (built & runtime): " << cv::ocl::haveOpenCL() << std::endl;
    std::cout << "OpenCL enabled (current setting): " << cv::ocl::useOpenCL() << std::endl;

    if (cv::ocl::haveOpenCL()) {
        cv::ocl::Context ctx;
        if (ctx.create(cv::ocl::Device::TYPE_GPU)) {
            std::cout << "GPU device count: " << ctx.ndevices() << std::endl;
            std::cout << "First device name: " << ctx.device(0).name() << std::endl;
        }
    }

    std::cout << "AVX support:   " << cv::checkHardwareSupport(CPU_AVX) << std::endl;
    std::cout << "AVX2 support:  " << cv::checkHardwareSupport(CPU_AVX2) << std::endl;
    std::cout << "SSE4.2 support:" << cv::checkHardwareSupport(CPU_SSE4_2) << std::endl;

OpenCV 내부 코드 디버깅 하면서 보는 방법

park__ — Wed, 31 Dec 2025 15:50:38 +0900

1) 해당 사이트에서 clone
git clone https://github.com/opencv/opencv.git

2) clone 해온 폴더에서 build, visual studio 2019 c++17

mkdir build-debug

cd build-debug

cmake -S .. -B . ^

-G "Visual Studio 16 2019" -A x64 ^

-DCMAKE_BUILD_TYPE=Debug ^

-DCMAKE_CXX_STANDARD=17

cmake --build

2-1) CMake에서 AVIF 끄기
cmake-gui 실행.
Where is the source code:
C:/Git/opencv
Where to build the binaries:
C:/Git/opencv/build-debug
Configure 버튼 클릭 (이미 했던 빌드라도 다시 해도 됩니다).
상단 검색창에 AVIF 입력.
WITH_AVIF 옵션 체크가 되어 있으면 체크 해제(OFF).
다시 Configure → 오류 없으면 Generate 클릭.

3) OpenCV.sln 켜서 build

4) 환경 설정

1. Visual Studio 프로젝트 설정 (ImageProcessingTEST)
구성: Debug, 플랫폼: x64 기준으로 설명합니다.
1-1. Include 디렉터리 설정
솔루션 탐색기에서 ImageProcessingTEST 프로젝트 우클릭 → 속성.
좌측 상단에서 구성: Debug, 플랫폼: x64 인지 확인.
C/C++ → 일반 → 추가 포함 디렉터리에 다음 경로를 추가합니다.
C:\Git\opencv\build-debug
C:\Git\opencv\include

C:\Git\opencv\modules\core\include
C:\Git\opencv\modules\imgproc\include
C:\Git\opencv\modules\highgui\include
C:\Git\opencv\modules\imgcodecs\include
C:\Git\opencv\modules\videoio\include
C:\Git\opencv\modules\video\include
C:\Git\opencv\modules\calib3d\include
C:\Git\opencv\modules\features2d\include
C:\Git\opencv\modules\flann\include
C:\Git\opencv\modules\gapi\include
C:\Git\opencv\modules\ml\include
C:\Git\opencv\modules\objdetect\include
C:\Git\opencv\modules\photo\include
C:\Git\opencv\modules\stitching\include
C:\Git\opencv\modules\dnn\include

1-2. 라이브러리 디렉터리 설정
같은 속성 창에서 링커 → 일반 → 추가 라이브러리 디렉터리로 이동.
여기에 OpenCV .lib 파일이 있는 디렉터리를 추가합니다.
일반적으로 아래 중 하나입니다 (실제로 폴더를 한 번 확인해보세요):
C:\Git\opencv\build-debug\lib\Debug
또는 C:\Git\opencv\build-debug\lib\Debug
(폴더에 opencv_core***d.lib, opencv_imgproc***d.lib 같은 파일들이 있습니다.)

1-3. 링크할 라이브러리(.lib) 추가
링커 → 입력 → 추가 종속성에 아래 중 하나를 추가합니다.
opencv_world를 빌드한 경우(가장 편함)
opencv_world4xxd.lib (예: opencv_world490d.lib)
모듈별로 빌드한 경우 (world 안 쓴 경우)
opencv_core4xxd.lib
opencv_imgproc4xxd.lib
opencv_highgui4xxd.lib
opencv_imgcodecs4xxd.lib

1-4. 모든 opencv 관련 dll -> 프로젝트 exe 생성되는 경로로 copy\

* exe 위치가 다른 곳일 수 있음.

* Project 속성 일반에서 Output Directory 에서 변경 가능

C:\Git\opencv\build-debug\bin\Debug

<CUDA>Median 함수 사용법(16Bit 1Channel 2D Median) - nppiFilterMedian_16u_C1R_Ctx

park__ — Wed, 5 Nov 2025 15:10:29 +0900

- Cuda nppiFilterMedian_16u_C1R_Ctx 함수를 이용해서, Medain 3x3 사용하는 코드.

- 사용 cuda 버전 12.1

- 필요 lib

// NPP 라이브러리 링크 (CUDA 12.x는 모듈별 라이브러리 사용)
#ifdef _WIN64
// CUDA 12.x에서는 모듈별 라이브러리 사용
#pragma comment(lib, "nppif.lib")      // Image Filtering (미디언 필터 포함)
#pragma comment(lib, "nppc.lib")       // Core utilities
#else
#pragma comment(lib, "nppif.lib")
#pragma comment(lib, "nppc.lib")
#endif

- 사용 코드

void Median33CUDA(uint16_t* h_input, uint16_t* h_output, int width, int height)
{
	if (width <= 0 || height <= 0) {
		return;
	}

	// GPU 메모리 할당
	Npp16u* d_input = nullptr;
	Npp16u* d_output = nullptr;
	size_t size = width * height * sizeof(Npp16u);

	cudaError_t cudaErr = cudaMalloc((void**)&d_input, size);
	if (cudaErr != cudaSuccess) {
		return;
	}

	cudaErr = cudaMalloc((void**)&d_output, size);
	if (cudaErr != cudaSuccess) {
		cudaFree(d_input);
		return;
	}

	// 입력 데이터를 GPU로 복사
	cudaErr = cudaMemcpy(d_input, h_input, size, cudaMemcpyHostToDevice);
	if (cudaErr != cudaSuccess) {
		cudaFree(d_input);
		cudaFree(d_output);
		return;
	}

	// ROI 및 마스크 설정
	NppiSize oSizeROI = { width, height };
	NppiSize oMaskSize = { 3, 3 };
	NppiPoint oAnchor = { 1, 1 };

	// 스트림 컨텍스트 설정
	NppStreamContext nppStreamCtx;
	nppStreamCtx.hStream = 0;
	
	int deviceId = 0;
	cudaGetDevice(&deviceId);
	nppStreamCtx.nCudaDeviceId = deviceId;
	
	cudaDeviceProp deviceProp;
	cudaGetDeviceProperties(&deviceProp, deviceId);
	
	nppStreamCtx.nMultiProcessorCount = deviceProp.multiProcessorCount;
	nppStreamCtx.nMaxThreadsPerMultiProcessor = deviceProp.maxThreadsPerMultiProcessor;
	nppStreamCtx.nMaxThreadsPerBlock = deviceProp.maxThreadsPerBlock;
	nppStreamCtx.nSharedMemPerBlock = deviceProp.sharedMemPerBlock;
	nppStreamCtx.nCudaDevAttrComputeCapabilityMajor = deviceProp.major;
	nppStreamCtx.nCudaDevAttrComputeCapabilityMinor = deviceProp.minor;

	// 버퍼 크기 계산
	size_t imageSize = width * height * sizeof(Npp16u);
	Npp32u nBufferSize = (Npp32u)imageSize;
	if (nBufferSize < 4096) {
		nBufferSize = 4096;
	}

	// 임시 버퍼 할당
	Npp8u* pBuffer = nullptr;
	cudaErr = cudaMalloc((void**)&pBuffer, nBufferSize);
	if (cudaErr != cudaSuccess) {
		cudaFree(d_input);
		cudaFree(d_output);
		return;
	}

	// 미디언 필터 적용
	Npp32s nSrcStep = width * sizeof(Npp16u);
	Npp32s nDstStep = width * sizeof(Npp16u);

	NppStatus status = nppiFilterMedian_16u_C1R_Ctx(
		d_input, nSrcStep,
		d_output, nDstStep,
		oSizeROI,
		oMaskSize,
		oAnchor,
		pBuffer,
		nppStreamCtx
	);

	if (status != NPP_SUCCESS) {
		cudaFree(d_input);
		cudaFree(d_output);
		cudaFree(pBuffer);
		return;
	}

	// 동기화
	cudaDeviceSynchronize();

	// 결과를 CPU로 복사
	cudaErr = cudaMemcpy(h_output, d_output, size, cudaMemcpyDeviceToHost);
	if (cudaErr != cudaSuccess) {
		cudaFree(d_input);
		cudaFree(d_output);
		cudaFree(pBuffer);
		return;
	}

	// 메모리 해제
	cudaFree(d_input);
	cudaFree(d_output);
	cudaFree(pBuffer);
}

C++ vector 제곱 합 or 두개의 vector 곱의 합 (std::transform_reduce)

park__ — Mon, 13 Oct 2025 13:58:40 +0900

*C++ 17 부터 지원

std::transform_reduce 함수 사용법 정리

헤더 : <execution>

형태:

std::transform_reduce(
    execution,      	   // (예: std::execution::par)
    first, last,           // 처리할 데이터 범위
    init_value,            // 초기값
    reduce_op,             // Reduce 연산 (예: 덧셈)
    transform_op           // Transform 연산 (예: 제곱)
);

최적화 셋팅 종류 :

std::execution::seq: 순차적으로 실행 (기본값, 병렬 처리 안 함)
std::execution::par: 여러 스레드에서 병렬로 실행
std::execution::par_unseq: 여러 스레드에서 병렬로 실행하며, 벡터화(SIMD)도 허용 (가장 높은 수준의 최적화)

제곱합 예시 :

#include <iostream>
#include <vector>
#include <numeric>
#include <execution>

int main() {
    std::vector<double> v = {1.0, 2.0, 3.0, 4.0, 5.0};

    // 1. 각 원소를 제곱하고 (transform_op)
    // 2. 그 결과들을 모두 더한다 (reduce_op)
    double sum_of_squares = std::transform_reduce(
        std::execution::par,  // 병렬 실행
        v.begin(), v.end(),
        0.0,                  // 초기값은 0.0
        std::plus<>(),        // 축소 연산: 덧셈
        [](double x) { return x * x; } // 변환 연산: 제곱
    );

    // 결과: 1*1 + 2*2 + 3*3 + 4*4 + 5*5 = 1 + 4 + 9 + 16 + 25 = 55
    std::cout << "Sum of squares: " << sum_of_squares << std::endl;

    return 0;
}

vector 곱의 합 예시 :

#include <iostream>
#include <vector>
#include <numeric>
#include <execution>

int main() {
    std::vector<double> v1 = {1.0, 2.0, 3.0};
    std::vector<double> v2 = {4.0, 5.0, 6.0};

    // 1. v1과 v2에서 같은 위치의 원소끼리 곱하고 (transform_op)
    // 2. 그 결과들을 모두 더한다 (reduce_op)
    double dot_product = std::transform_reduce(
        std::execution::par,  // 병렬 실행
        v1.begin(), v1.end(),
        v2.begin(),
        0.0,                  // 초기값은 0.0
        std::plus<>(),        // 축소 연산: 덧셈
        std::multiplies<>()   // 변환 연산: 곱셈
    );

    // 결과: (1*4) + (2*5) + (3*6) = 4 + 10 + 18 = 32
    std::cout << "Dot product: " << dot_product << std::endl;

    return 0;
}

SSIM 함수 (Structural Similarity Index Map)

park__ — Mon, 17 Mar 2025 10:54:56 +0900

img1, img2 가 있을 때, 두 영상의 유사도 비교하여 0~1 사이 값으로 반환해 주는 함수.

// SSIM 계산 및 차이맵 반환 함수
double calculateSSIM(const Mat& img1, const Mat& img2, Mat& ssim_map) {
const double C1 = 6.5025, C2 = 58.5225;

Mat img1_64F, img2_64F;
img1.convertTo(img1_64F, CV_64F);
img2.convertTo(img2_64F, CV_64F);

// 평균값(Mean) 계산
Mat mu1, mu2;
GaussianBlur(img1_64F, mu1, Size(11, 11), 1.5);
GaussianBlur(img2_64F, mu2, Size(11, 11), 1.5);

// 분산(Variance) 및 공분산(Covariance) 계산
Mat mu1_sq = mu1.mul(mu1);
Mat mu2_sq = mu2.mul(mu2);
Mat mu1_mu2 = mu1.mul(mu2);

Mat sigma1_sq, sigma2_sq, sigma12;
GaussianBlur(img1_64F.mul(img1_64F), sigma1_sq, Size(11, 11), 1.5);
GaussianBlur(img2_64F.mul(img2_64F), sigma2_sq, Size(11, 11), 1.5);
GaussianBlur(img1_64F.mul(img2_64F), sigma12, Size(11, 11), 1.5);

sigma1_sq -= mu1_sq;
sigma2_sq -= mu2_sq;
sigma12 -= mu1_mu2;

// SSIM 공식 적용
Mat numerator = (2 * mu1_mu2 + C1).mul(2 * sigma12 + C2);
Mat denominator = (mu1_sq + mu2_sq + C1).mul(sigma1_sq + sigma2_sq + C2);
divide(numerator, denominator, ssim_map);

// SSIM 평균값 반환
Scalar ssim_mean = mean(ssim_map);
return ssim_mean[0]; // 그레이스케일이므로 한 채널만 사용
}

// SSIM 차이맵 시각화 함수
Mat visualizeSSIM(const Mat& ssim_map) {
Mat ssim_vis;

// SSIM 맵을 0~255 범위로 정규화
ssim_map.convertTo(ssim_vis, CV_8U, 255);

// 컬러맵 적용 (히트맵 스타일)
applyColorMap(ssim_vis, ssim_vis, COLORMAP_JET);

return ssim_vis;
}

어셈블리 명령어 정리

park__ — Tue, 21 Jan 2025 11:42:39 +0900

MOV: 데이터를 한 위치에서 다른 위치로 이동

MOV AX, 10     ; AX 레지스터에 값 10을 저장
MOV BX, AX     ; BX 레지스터에 AX의 값을 복사

ADD: 두 값을 더함

MOV AX, 10     ; AX 레지스터에 값 10을 저장
MOV BX, AX     ; BX 레지스터에 AX의 값을 복사

SUB: 두 값을 뺌

SUB AX, BX     ; AX에서 BX의 값을 빼고 그 결과를 AX에 저장
SUB AX, 3      ; AX에서 3을 빼고 그 결과를 AX에 저장

CMP: 두 값을 비교하여 플래그를 설정

CMP AX, BX     ; AX와 BX를 비교 (실제로는 AX - BX)

JMP: 지정된 위치로 무조건 점프

JMP label     ; label로 무조건 점프

onnxruntime 사용 시 주의사항 - 2

park__ — Fri, 10 Jan 2025 11:23:13 +0900

class 내부에서 Ort::Env, Ort::MemoryInfo 를 멤버변수로 선언할 때, Class 생성자에서 초기화 리스트 방식으로 사용하여야 합니다.

위와 같이 초기화 리스트 방식으로 하지 않을 경우, Ort::Env, Ort::MemoryInfo 가 제대로 선언되지 않습니다.

onnxruntime 사용시 주의 사항 - 1

park__ — Fri, 10 Jan 2025 11:18:27 +0900

Class 내부 변수 선언을 아래와 같이 Env가 밑으로 가게 선언할 경우.

ORT_DEFINE_RELEASE(SessionOptions); 부분에서 오류가 발생합니다.

해당 오류는 Env 변수가 나중에 선언되어 ORT_DEFINE_RELEASE(Env) -> ORT_DEFINE_RELEASE(SessionOptions) 순서로 메모리가 해제되어 발생하는 문제입니다.

위와 같이 선언 위치를 바꿔주시면 오류가 해결됩니다.