코드 제출용 포함

+"""
+# Fourier Transform(푸리에 변환)
+    . 시간 도메인(X축)에서 표현된 신호(일반적인 파형 도표)를 주파수 도메인으로 변환.
+    . 시간축이 제거되어 대상의 전체적인 특징을 파악할 수 있음.
+    . 이미지에 적용이 되어 중심이 저주파 영역, 주변이 고주파 영역을 나타냄.
+    . 푸리에 변환을 하여 저주파 또는 고주파를 제거하고 다시 역으로 이미지로 변환 함으로써
+      이미지가공을 할 수 있음.
+      (ex; 푸리에 변환 후 중심의 저주파를 제거하고 다시 Image로 전환 하면 이미지의 경계선만 남게 됨.
+           푸리에 변환 후 주변의 고주파를 제거하면 모아레 패턴(휴대폰으로 모니터를 찍었을 때 나타나는 현상)
+           을 제거할 수 있음.(모니터의 고주파를 제거함.)
+      )
+"""
+
+from PIL import ImageFilter
+from PIL import ImageEnhance
+import PIL.Image as im
+import cv2
+import numpy as np
+from matplotlib import pyplot as plt
+from glob import glob
+import os
+
+
+test_dirList = glob('.\\CIFAR-10-origin-khu\\test\\*')
+train_dirList = glob('.\\CIFAR-10-origin-khu\\train\\*')
+valid_dirList = glob('.\\CIFAR-10-origin-khu\\valid\\*')
+SAVEPATH = '.\\CIFAR10-PILimageEnhance-sharpness(5)+2by2(middlewhite)'
+os.makedirs(SAVEPATH, exist_ok=True)
+k = 1  # fft한 후 가운데 픽셀 바꿀 값
+l = 1
+for i in train_dirList:
+    print(i)
+    # filelist에는 "사진 파일들의 리스트"
+    # glob는 괄호 안 (어떤 path(폴더,파일 다 가능)명 조건) 에 맞는 "path명의 리스트" 뽑을때
+    filelist = glob(i+'\\*')
+
+    # i는 '.\khu-machine-learning-competition\train\airplane'이므로 os.path.spilt(i) 결과는 ('.\khu-machine-learning-competition\train','airplane') 튜플
+    before_last_path, last = os.path.split(i)
+    before2_last_path, before_last = os.path.split(before_last_path)
+    # 해보니까 new_dir = os.path.join(before_last, last) 이건 new_dir = before_last+'\\'+ last 와 동일함...
+    new_dir = os.path.join(before_last, last)
+    new_dir = os.path.join(SAVEPATH, new_dir)
+    print(new_dir)
+    os.makedirs(new_dir, exist_ok=True)
+
+    for j in filelist:
+        img = im.open(j)
+        new_file = new_dir+'\\'+os.path.basename(j)
+        img.save(new_file)
+        path_without_extension, extension = os.path.splitext(new_file)
+        new_file2 = path_without_extension + '(1)' + extension
+
+        img = cv2.imread(j, 1)
+        b, g, r = cv2.split(img)
+        img = cv2.merge([r, g, b])
+        img = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
+
+        f = np.fft.fft2(img)
+        fshift = np.fft.fftshift(f)
+        rows, cols = img.shape
+        crow, ccol = rows//2, cols//2
+        d = l
+        fshift[crow-d:crow+d, ccol-d:ccol+d] = k
+        f_ishift = np.fft.ifftshift(fshift)
+        img_back = np.fft.ifft2(f_ishift)
+        img_back = np.abs(img_back)
+
+        cv2.imwrite(new_file2, img_back)
+
+for i in valid_dirList:
+    print(i)
+    # filelist에는 "사진 파일들의 리스트"
+    # glob는 괄호 안 (어떤 path(폴더,파일 다 가능)명 조건) 에 맞는 "path명의 리스트" 뽑을때
+    filelist = glob(i+'\\*')
+
+    # i는 '.\khu-machine-learning-competition\train\airplane'이므로 os.path.spilt(i) 결과는 ('.\khu-machine-learning-competition\train','airplane') 튜플
+    before_last_path, last = os.path.split(i)
+    before2_last_path, before_last = os.path.split(before_last_path)
+    # 해보니까 new_dir = os.path.join(before_last, last) 이건 new_dir = before_last+'\\'+ last 와 동일함...
+    new_dir = os.path.join(before_last, last)
+    new_dir = os.path.join(SAVEPATH, new_dir)
+    print(new_dir)
+    os.makedirs(new_dir, exist_ok=True)
+
+    for j in filelist:
+        img = im.open(j)
+        new_file = new_dir+'\\'+os.path.basename(j)
+        img.save(new_file)
+
+for i in test_dirList:
+    print(i)
+    # filelist에는 "사진 파일들의 리스트"
+    # glob는 괄호 안 (어떤 path(폴더,파일 다 가능)명 조건) 에 맞는 "path명의 리스트" 뽑을때
+    filelist = glob(i+'\\*')
+
+    # i는 '.\khu-machine-learning-competition\train\airplane'이므로 os.path.spilt(i) 결과는 ('.\khu-machine-learning-competition\train','airplane') 튜플
+    before_last_path, last = os.path.split(i)
+    before2_last_path, before_last = os.path.split(before_last_path)
+    # 해보니까 new_dir = os.path.join(before_last, last) 이건 new_dir = before_last+'\\'+ last 와 동일함...
+    new_dir = os.path.join(before_last, last)
+    new_dir = os.path.join(SAVEPATH, new_dir)
+    print(new_dir)
+    os.makedirs(new_dir, exist_ok=True)
+
+    for j in filelist:
+        img = im.open(j)
+        new_file = new_dir+'\\'+os.path.basename(j)
+        img.save(new_file)
+
+
+def printMatrix(a):
+    m = len(a)
+    n = len(a[0])
+    for i in range(m):
+        for j in range(n):
+            print('{:6.2f}'.format(a[i][j]), end=' ')
+        print()
+    print()
+
+
+# OpenCV에서 한글 파일이나 경로명이 들어간 경우 imread와 imwrite가 동작하지 않는다... ㅠ
+# colab에서는 openCV의 imshow 돌아가지 않는다.
+# 두번째 파라미터 1 의미는 cv2.IMREAD_COLOR cf) cv2.IMREAD_COLOR : 1, cv2.IMREAD_GRAYSCALE : 0, cv2.IMREAD_UNCHANGED : -1
+# img = cv2.imread('cifar10-train-29.png', 1)
+# image_pil = im.open('n04461696_3346.png')
+# # image_pil.show()
+# img1 = np.array(image_pil)
+# print(img1.shape)
+img = cv2.imread('cifar10-train-29.png', 1)
+
+
+b, g, r = cv2.split(img)  # 이미지를 b,g,r 채널로 분리 (opencv에서는 bgr순서)
+img0 = cv2.merge([r, g, b])  # r,g,b 순서로 병합
+print(img0.shape)
+# plt.subplot(211), plt.imshow(img0)
+# plt.title('Input Image_cv2'), plt.xticks([]), plt.yticks([])
+
+# plt.subplot(212), plt.imshow(image_pil)
+# plt.title('Input Image_PIL'), plt.xticks([]), plt.yticks([])
+# plt.show()
+
+img1 = np.array([img0[:, :, 0], img0[:, :, 1], img0[:, :, 2]])
+img2 = img1
+i = 0
+# img = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)  # color->gray로 변환
+
+# Fourier Transform을 적용.
+# 적용을 하면 0, 0, 즉 화면 좌측상단점이 중심이고, 거기에 저주파가 모여 있음.
+# 분석을 용이하게 하기 위해 0, 0을 이미지의 중심으로 이동 시키고 Log Scaling을 하여 분석이 용이한 결과값으로 변환
+
+for img in img1:
+    f = np.fft.fft2(img)  # 이미지에 푸리에 변환 적용
+    # 분석을 용이하게 하기 위해 주파수가 0인 부분을 중앙에 위치시킴. 중앙에 저주파가 모이게 됨.
+    magnitude_spectrum_no_shift = 20*np.log(np.abs(f))
+    fshift = np.fft.fftshift(f)
+    magnitude_spectrum = 20*np.log(np.abs(fshift))  # spectrum 구하는 수학식.
+
+    print(img.shape, fshift.shape)
+    rows, cols = img.shape
+    crow, ccol = rows//2, cols//2  # 이미지의 중심 좌표
+
+    # 중앙에서 10X10 사이즈의 사각형의 값을 1로 설정함. 중앙의 저주파를 모두 제거
+    # 저주파를 제거하였기 때문에 배경이 사라지고 경계선만 남게 됨.
+    d = 1
+    fshift[crow-d:crow+d, ccol-d:ccol+d] = 1
+    aft_magnitude_spectrum = 20*np.log(np.abs(fshift))
+
+    # 푸리에 변환결과를 다시 이미지로 변환
+    f_ishift = np.fft.ifftshift(fshift)
+    img_back = np.fft.ifft2(f_ishift)
+    img_back = np.abs(img_back)
+    img2[i] = img_back
+    i += 1
+    # threshold를 적용하기 위해 float type을 int type으로 변환
+    img_new = np.uint8(img_back)
+    ret, thresh = cv2.threshold(img_new, 20, 255, cv2.THRESH_BINARY)
+    # plt.subplot(231), plt.imshow(img)
+    # plt.title('Input Image'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(232), plt.imshow(magnitude_spectrum_no_shift)
+    # plt.title('noShift_Spectrum'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(233), plt.imshow(magnitude_spectrum)
+    # plt.title('Spectrum'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(234), plt.imshow(aft_magnitude_spectrum)
+    # plt.title('aft_Spectrum'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(236), plt.imshow(thresh)
+    # plt.title('Threshold With FT'), plt.xticks([]), plt.yticks([])
+    # plt.show()
+
+img2 = np.transpose(img2, (1, 2, 0))
+printMatrix(img2[:, :, 0])
+printMatrix(img2[:, :, 1])
+printMatrix(img2[:, :, 2])
+
+plt.subplot(231), plt.imshow(img0)
+plt.title('Input Image'), plt.xticks([]), plt.yticks([])
+
+plt.subplot(232), plt.imshow(magnitude_spectrum_no_shift)
+plt.title('noShift_Spectrum'), plt.xticks([]), plt.yticks([])
+
+plt.subplot(233), plt.imshow(magnitude_spectrum)
+plt.title('Spectrum'), plt.xticks([]), plt.yticks([])
+
+plt.subplot(234), plt.imshow(aft_magnitude_spectrum)
+plt.title('aft_Spectrum'), plt.xticks([]), plt.yticks([])
+
+print(img2.shape)
+plt.subplot(235), plt.imshow(img2)
+plt.title('FT'), plt.xticks([]), plt.yticks([])
+
+# plt.subplot(236), plt.imshow(im.fromarray(
+#     img0).filter(ImageFilter.FIND_EDGES))
+# plt.title('ImageFilter.CONTOUR'), plt.xticks([]), plt.yticks([])
+plt.show()
+
+
+# im.fromarray(img2).save("cifar10-train-16513 (2)-1.png")
+print(cv2.__version__)

+"""
+# Fourier Transform(푸리에 변환)
+    . 시간 도메인(X축)에서 표현된 신호(일반적인 파형 도표)를 주파수 도메인으로 변환.
+    . 시간축이 제거되어 대상의 전체적인 특징을 파악할 수 있음.
+    . 이미지에 적용이 되어 중심이 저주파 영역, 주변이 고주파 영역을 나타냄.
+    . 푸리에 변환을 하여 저주파 또는 고주파를 제거하고 다시 역으로 이미지로 변환 함으로써
+      이미지가공을 할 수 있음.
+      (ex; 푸리에 변환 후 중심의 저주파를 제거하고 다시 Image로 전환 하면 이미지의 경계선만 남게 됨.
+           푸리에 변환 후 주변의 고주파를 제거하면 모아레 패턴(휴대폰으로 모니터를 찍었을 때 나타나는 현상)
+           을 제거할 수 있음.(모니터의 고주파를 제거함.)
+      )
+"""
+
+from PIL import ImageFilter
+from PIL import ImageEnhance
+import PIL.Image as im
+import cv2
+import numpy as np
+from matplotlib import pyplot as plt
+from glob import glob
+import os
+
+
+test_dirList = glob('.\\CIFAR-10-origin-khu\\test\\*')
+train_dirList = glob('.\\CIFAR-10-origin-khu\\train\\*')
+valid_dirList = glob('.\\CIFAR-10-origin-khu\\valid\\*')
+SAVEPATH = '.\\CIFAR10-PILimageEnhance-sharpness(5)+2by2(middlewhite)'
+os.makedirs(SAVEPATH, exist_ok=True)
+k = 255  # fft한 후 가운데 픽셀 바꿀 값
+l = 1
+for i in train_dirList:
+    print(i)
+    # filelist에는 "사진 파일들의 리스트"
+    # glob는 괄호 안 (어떤 path(폴더,파일 다 가능)명 조건) 에 맞는 "path명의 리스트" 뽑을때
+    filelist = glob(i+'\\*')
+
+    # i는 '.\khu-machine-learning-competition\train\airplane'이므로 os.path.spilt(i) 결과는 ('.\khu-machine-learning-competition\train','airplane') 튜플
+    before_last_path, last = os.path.split(i)
+    before2_last_path, before_last = os.path.split(before_last_path)
+    # 해보니까 new_dir = os.path.join(before_last, last) 이건 new_dir = before_last+'\\'+ last 와 동일함...
+    new_dir = os.path.join(before_last, last)
+    new_dir = os.path.join(SAVEPATH, new_dir)
+    print(new_dir)
+    os.makedirs(new_dir, exist_ok=True)
+
+    for j in filelist:
+        img = im.open(j)
+        new_file = new_dir+'\\'+os.path.basename(j)
+        img.save(new_file)
+        path_without_extension, extension = os.path.splitext(new_file)
+        new_file2 = path_without_extension + '(1)' + extension
+
+        img = cv2.imread(j, 1)
+        b, g, r = cv2.split(img)
+        img = cv2.merge([r, g, b])
+        img = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
+
+        f = np.fft.fft2(img)
+        fshift = np.fft.fftshift(f)
+        rows, cols = img.shape
+        crow, ccol = rows//2, cols//2
+        d = l
+        fshift[crow-d:crow+d, ccol-d:ccol+d] = k
+        f_ishift = np.fft.ifftshift(fshift)
+        img_back = np.fft.ifft2(f_ishift)
+        img_back = np.abs(img_back)
+
+        cv2.imwrite(new_file2, img_back)
+
+for i in valid_dirList:
+    print(i)
+    # filelist에는 "사진 파일들의 리스트"
+    # glob는 괄호 안 (어떤 path(폴더,파일 다 가능)명 조건) 에 맞는 "path명의 리스트" 뽑을때
+    filelist = glob(i+'\\*')
+
+    # i는 '.\khu-machine-learning-competition\train\airplane'이므로 os.path.spilt(i) 결과는 ('.\khu-machine-learning-competition\train','airplane') 튜플
+    before_last_path, last = os.path.split(i)
+    before2_last_path, before_last = os.path.split(before_last_path)
+    # 해보니까 new_dir = os.path.join(before_last, last) 이건 new_dir = before_last+'\\'+ last 와 동일함...
+    new_dir = os.path.join(before_last, last)
+    new_dir = os.path.join(SAVEPATH, new_dir)
+    print(new_dir)
+    os.makedirs(new_dir, exist_ok=True)
+
+    for j in filelist:
+        img = im.open(j)
+        new_file = new_dir+'\\'+os.path.basename(j)
+        img.save(new_file)
+
+for i in test_dirList:
+    print(i)
+    # filelist에는 "사진 파일들의 리스트"
+    # glob는 괄호 안 (어떤 path(폴더,파일 다 가능)명 조건) 에 맞는 "path명의 리스트" 뽑을때
+    filelist = glob(i+'\\*')
+
+    # i는 '.\khu-machine-learning-competition\train\airplane'이므로 os.path.spilt(i) 결과는 ('.\khu-machine-learning-competition\train','airplane') 튜플
+    before_last_path, last = os.path.split(i)
+    before2_last_path, before_last = os.path.split(before_last_path)
+    # 해보니까 new_dir = os.path.join(before_last, last) 이건 new_dir = before_last+'\\'+ last 와 동일함...
+    new_dir = os.path.join(before_last, last)
+    new_dir = os.path.join(SAVEPATH, new_dir)
+    print(new_dir)
+    os.makedirs(new_dir, exist_ok=True)
+
+    for j in filelist:
+        img = im.open(j)
+        new_file = new_dir+'\\'+os.path.basename(j)
+        img.save(new_file)
+
+
+def printMatrix(a):
+    m = len(a)
+    n = len(a[0])
+    for i in range(m):
+        for j in range(n):
+            print('{:6.2f}'.format(a[i][j]), end=' ')
+        print()
+    print()
+
+
+# OpenCV에서 한글 파일이나 경로명이 들어간 경우 imread와 imwrite가 동작하지 않는다... ㅠ
+# colab에서는 openCV의 imshow 돌아가지 않는다.
+# 두번째 파라미터 1 의미는 cv2.IMREAD_COLOR cf) cv2.IMREAD_COLOR : 1, cv2.IMREAD_GRAYSCALE : 0, cv2.IMREAD_UNCHANGED : -1
+# img = cv2.imread('cifar10-train-29.png', 1)
+# image_pil = im.open('n04461696_3346.png')
+# # image_pil.show()
+# img1 = np.array(image_pil)
+# print(img1.shape)
+img = cv2.imread('cifar10-train-29.png', 1)
+
+
+b, g, r = cv2.split(img)  # 이미지를 b,g,r 채널로 분리 (opencv에서는 bgr순서)
+img0 = cv2.merge([r, g, b])  # r,g,b 순서로 병합
+print(img0.shape)
+# plt.subplot(211), plt.imshow(img0)
+# plt.title('Input Image_cv2'), plt.xticks([]), plt.yticks([])
+
+# plt.subplot(212), plt.imshow(image_pil)
+# plt.title('Input Image_PIL'), plt.xticks([]), plt.yticks([])
+# plt.show()
+
+img1 = np.array([img0[:, :, 0], img0[:, :, 1], img0[:, :, 2]])
+img2 = img1
+i = 0
+# img = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)  # color->gray로 변환
+
+# Fourier Transform을 적용.
+# 적용을 하면 0, 0, 즉 화면 좌측상단점이 중심이고, 거기에 저주파가 모여 있음.
+# 분석을 용이하게 하기 위해 0, 0을 이미지의 중심으로 이동 시키고 Log Scaling을 하여 분석이 용이한 결과값으로 변환
+
+for img in img1:
+    f = np.fft.fft2(img)  # 이미지에 푸리에 변환 적용
+    # 분석을 용이하게 하기 위해 주파수가 0인 부분을 중앙에 위치시킴. 중앙에 저주파가 모이게 됨.
+    magnitude_spectrum_no_shift = 20*np.log(np.abs(f))
+    fshift = np.fft.fftshift(f)
+    magnitude_spectrum = 20*np.log(np.abs(fshift))  # spectrum 구하는 수학식.
+
+    print(img.shape, fshift.shape)
+    rows, cols = img.shape
+    crow, ccol = rows//2, cols//2  # 이미지의 중심 좌표
+
+    # 중앙에서 10X10 사이즈의 사각형의 값을 1로 설정함. 중앙의 저주파를 모두 제거
+    # 저주파를 제거하였기 때문에 배경이 사라지고 경계선만 남게 됨.
+    d = 1
+    fshift[crow-d:crow+d, ccol-d:ccol+d] = 1
+    aft_magnitude_spectrum = 20*np.log(np.abs(fshift))
+
+    # 푸리에 변환결과를 다시 이미지로 변환
+    f_ishift = np.fft.ifftshift(fshift)
+    img_back = np.fft.ifft2(f_ishift)
+    img_back = np.abs(img_back)
+    img2[i] = img_back
+    i += 1
+    # threshold를 적용하기 위해 float type을 int type으로 변환
+    img_new = np.uint8(img_back)
+    ret, thresh = cv2.threshold(img_new, 20, 255, cv2.THRESH_BINARY)
+    # plt.subplot(231), plt.imshow(img)
+    # plt.title('Input Image'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(232), plt.imshow(magnitude_spectrum_no_shift)
+    # plt.title('noShift_Spectrum'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(233), plt.imshow(magnitude_spectrum)
+    # plt.title('Spectrum'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(234), plt.imshow(aft_magnitude_spectrum)
+    # plt.title('aft_Spectrum'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(236), plt.imshow(thresh)
+    # plt.title('Threshold With FT'), plt.xticks([]), plt.yticks([])
+    # plt.show()
+
+img2 = np.transpose(img2, (1, 2, 0))
+printMatrix(img2[:, :, 0])
+printMatrix(img2[:, :, 1])
+printMatrix(img2[:, :, 2])
+
+plt.subplot(231), plt.imshow(img0)
+plt.title('Input Image'), plt.xticks([]), plt.yticks([])
+
+plt.subplot(232), plt.imshow(magnitude_spectrum_no_shift)
+plt.title('noShift_Spectrum'), plt.xticks([]), plt.yticks([])
+
+plt.subplot(233), plt.imshow(magnitude_spectrum)
+plt.title('Spectrum'), plt.xticks([]), plt.yticks([])
+
+plt.subplot(234), plt.imshow(aft_magnitude_spectrum)
+plt.title('aft_Spectrum'), plt.xticks([]), plt.yticks([])
+
+print(img2.shape)
+plt.subplot(235), plt.imshow(img2)
+plt.title('FT'), plt.xticks([]), plt.yticks([])
+
+# plt.subplot(236), plt.imshow(im.fromarray(
+#     img0).filter(ImageFilter.FIND_EDGES))
+# plt.title('ImageFilter.CONTOUR'), plt.xticks([]), plt.yticks([])
+plt.show()
+
+
+# im.fromarray(img2).save("cifar10-train-16513 (2)-1.png")
+print(cv2.__version__)

+"""
+# Fourier Transform(푸리에 변환)
+    . 시간 도메인(X축)에서 표현된 신호(일반적인 파형 도표)를 주파수 도메인으로 변환.
+    . 시간축이 제거되어 대상의 전체적인 특징을 파악할 수 있음.
+    . 이미지에 적용이 되어 중심이 저주파 영역, 주변이 고주파 영역을 나타냄.
+    . 푸리에 변환을 하여 저주파 또는 고주파를 제거하고 다시 역으로 이미지로 변환 함으로써
+      이미지가공을 할 수 있음.
+      (ex; 푸리에 변환 후 중심의 저주파를 제거하고 다시 Image로 전환 하면 이미지의 경계선만 남게 됨.
+           푸리에 변환 후 주변의 고주파를 제거하면 모아레 패턴(휴대폰으로 모니터를 찍었을 때 나타나는 현상)
+           을 제거할 수 있음.(모니터의 고주파를 제거함.)
+      )
+"""
+
+from PIL import ImageFilter
+from PIL import ImageEnhance
+import PIL.Image as im
+import cv2
+import numpy as np
+from matplotlib import pyplot as plt
+from glob import glob
+import os
+
+
+test_dirList = glob('.\\CIFAR-10-origin-khu\\test\\*')
+train_dirList = glob('.\\CIFAR-10-origin-khu\\train\\*')
+valid_dirList = glob('.\\CIFAR-10-origin-khu\\valid\\*')
+SAVEPATH = '.\\CIFAR10-PILimageEnhance-sharpness(5)+2by2(middlewhite)'
+os.makedirs(SAVEPATH, exist_ok=True)
+k = 1  # fft한 후 바깥 픽셀 값
+l = 15
+for i in train_dirList:
+    print(i)
+    # filelist에는 "사진 파일들의 리스트"
+    # glob는 괄호 안 (어떤 path(폴더,파일 다 가능)명 조건) 에 맞는 "path명의 리스트" 뽑을때
+    filelist = glob(i+'\\*')
+
+    # i는 '.\khu-machine-learning-competition\train\airplane'이므로 os.path.spilt(i) 결과는 ('.\khu-machine-learning-competition\train','airplane') 튜플
+    before_last_path, last = os.path.split(i)
+    before2_last_path, before_last = os.path.split(before_last_path)
+    # 해보니까 new_dir = os.path.join(before_last, last) 이건 new_dir = before_last+'\\'+ last 와 동일함...
+    new_dir = os.path.join(before_last, last)
+    new_dir = os.path.join(SAVEPATH, new_dir)
+    print(new_dir)
+    os.makedirs(new_dir, exist_ok=True)
+
+    for j in filelist:
+        img = im.open(j)
+        new_file = new_dir+'\\'+os.path.basename(j)
+        img.save(new_file)
+        path_without_extension, extension = os.path.splitext(new_file)
+        new_file2 = path_without_extension + '(1)' + extension
+
+        img = cv2.imread(j, 1)
+        b, g, r = cv2.split(img)
+        img = cv2.merge([r, g, b])
+        img = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
+
+        f = np.fft.fft2(img)
+        fshift = np.fft.fftshift(f)
+        rows, cols = img.shape
+        crow, ccol = rows//2, cols//2
+        d = l
+        mask = np.zeros((rows, cols), np.uint8)
+        mask[crow-d:crow+d, ccol-d:ccol+d] = 1
+        fshift = fshift*mask
+        f_ishift = np.fft.ifftshift(fshift)
+        img_back = np.fft.ifft2(f_ishift)
+        img_back = np.abs(img_back)
+
+        cv2.imwrite(new_file2, img_back)
+
+for i in valid_dirList:
+    print(i)
+    # filelist에는 "사진 파일들의 리스트"
+    # glob는 괄호 안 (어떤 path(폴더,파일 다 가능)명 조건) 에 맞는 "path명의 리스트" 뽑을때
+    filelist = glob(i+'\\*')
+
+    # i는 '.\khu-machine-learning-competition\train\airplane'이므로 os.path.spilt(i) 결과는 ('.\khu-machine-learning-competition\train','airplane') 튜플
+    before_last_path, last = os.path.split(i)
+    before2_last_path, before_last = os.path.split(before_last_path)
+    # 해보니까 new_dir = os.path.join(before_last, last) 이건 new_dir = before_last+'\\'+ last 와 동일함...
+    new_dir = os.path.join(before_last, last)
+    new_dir = os.path.join(SAVEPATH, new_dir)
+    print(new_dir)
+    os.makedirs(new_dir, exist_ok=True)
+
+    for j in filelist:
+        img = im.open(j)
+        new_file = new_dir+'\\'+os.path.basename(j)
+        img.save(new_file)
+
+for i in test_dirList:
+    print(i)
+    # filelist에는 "사진 파일들의 리스트"
+    # glob는 괄호 안 (어떤 path(폴더,파일 다 가능)명 조건) 에 맞는 "path명의 리스트" 뽑을때
+    filelist = glob(i+'\\*')
+
+    # i는 '.\khu-machine-learning-competition\train\airplane'이므로 os.path.spilt(i) 결과는 ('.\khu-machine-learning-competition\train','airplane') 튜플
+    before_last_path, last = os.path.split(i)
+    before2_last_path, before_last = os.path.split(before_last_path)
+    # 해보니까 new_dir = os.path.join(before_last, last) 이건 new_dir = before_last+'\\'+ last 와 동일함...
+    new_dir = os.path.join(before_last, last)
+    new_dir = os.path.join(SAVEPATH, new_dir)
+    print(new_dir)
+    os.makedirs(new_dir, exist_ok=True)
+
+    for j in filelist:
+        img = im.open(j)
+        new_file = new_dir+'\\'+os.path.basename(j)
+        img.save(new_file)
+
+
+def printMatrix(a):
+    m = len(a)
+    n = len(a[0])
+    for i in range(m):
+        for j in range(n):
+            print('{:6.2f}'.format(a[i][j]), end=' ')
+        print()
+    print()
+
+
+# OpenCV에서 한글 파일이나 경로명이 들어간 경우 imread와 imwrite가 동작하지 않는다... ㅠ
+# colab에서는 openCV의 imshow 돌아가지 않는다.
+# 두번째 파라미터 1 의미는 cv2.IMREAD_COLOR cf) cv2.IMREAD_COLOR : 1, cv2.IMREAD_GRAYSCALE : 0, cv2.IMREAD_UNCHANGED : -1
+# img = cv2.imread('cifar10-train-29.png', 1)
+# image_pil = im.open('n04461696_3346.png')
+# # image_pil.show()
+# img1 = np.array(image_pil)
+# print(img1.shape)
+img = cv2.imread('cifar10-train-29.png', 1)
+
+
+b, g, r = cv2.split(img)  # 이미지를 b,g,r 채널로 분리 (opencv에서는 bgr순서)
+img0 = cv2.merge([r, g, b])  # r,g,b 순서로 병합
+print(img0.shape)
+# plt.subplot(211), plt.imshow(img0)
+# plt.title('Input Image_cv2'), plt.xticks([]), plt.yticks([])
+
+# plt.subplot(212), plt.imshow(image_pil)
+# plt.title('Input Image_PIL'), plt.xticks([]), plt.yticks([])
+# plt.show()
+
+img1 = np.array([img0[:, :, 0], img0[:, :, 1], img0[:, :, 2]])
+img2 = img1
+i = 0
+# img = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)  # color->gray로 변환
+
+# Fourier Transform을 적용.
+# 적용을 하면 0, 0, 즉 화면 좌측상단점이 중심이고, 거기에 저주파가 모여 있음.
+# 분석을 용이하게 하기 위해 0, 0을 이미지의 중심으로 이동 시키고 Log Scaling을 하여 분석이 용이한 결과값으로 변환
+
+for img in img1:
+    f = np.fft.fft2(img)  # 이미지에 푸리에 변환 적용
+    # 분석을 용이하게 하기 위해 주파수가 0인 부분을 중앙에 위치시킴. 중앙에 저주파가 모이게 됨.
+    magnitude_spectrum_no_shift = 20*np.log(np.abs(f))
+    fshift = np.fft.fftshift(f)
+    magnitude_spectrum = 20*np.log(np.abs(fshift))  # spectrum 구하는 수학식.
+
+    print(img.shape, fshift.shape)
+    rows, cols = img.shape
+    crow, ccol = rows//2, cols//2  # 이미지의 중심 좌표
+
+    # 중앙에서 10X10 사이즈의 사각형의 값을 1로 설정함. 중앙의 저주파를 모두 제거
+    # 저주파를 제거하였기 때문에 배경이 사라지고 경계선만 남게 됨.
+    d = 1
+    fshift[crow-d:crow+d, ccol-d:ccol+d] = 1
+    aft_magnitude_spectrum = 20*np.log(np.abs(fshift))
+
+    # 푸리에 변환결과를 다시 이미지로 변환
+    f_ishift = np.fft.ifftshift(fshift)
+    img_back = np.fft.ifft2(f_ishift)
+    img_back = np.abs(img_back)
+    img2[i] = img_back
+    i += 1
+    # threshold를 적용하기 위해 float type을 int type으로 변환
+    img_new = np.uint8(img_back)
+    ret, thresh = cv2.threshold(img_new, 20, 255, cv2.THRESH_BINARY)
+    # plt.subplot(231), plt.imshow(img)
+    # plt.title('Input Image'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(232), plt.imshow(magnitude_spectrum_no_shift)
+    # plt.title('noShift_Spectrum'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(233), plt.imshow(magnitude_spectrum)
+    # plt.title('Spectrum'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(234), plt.imshow(aft_magnitude_spectrum)
+    # plt.title('aft_Spectrum'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(236), plt.imshow(thresh)
+    # plt.title('Threshold With FT'), plt.xticks([]), plt.yticks([])
+    # plt.show()
+
+img2 = np.transpose(img2, (1, 2, 0))
+printMatrix(img2[:, :, 0])
+printMatrix(img2[:, :, 1])
+printMatrix(img2[:, :, 2])
+
+plt.subplot(231), plt.imshow(img0)
+plt.title('Input Image'), plt.xticks([]), plt.yticks([])
+
+plt.subplot(232), plt.imshow(magnitude_spectrum_no_shift)
+plt.title('noShift_Spectrum'), plt.xticks([]), plt.yticks([])
+
+plt.subplot(233), plt.imshow(magnitude_spectrum)
+plt.title('Spectrum'), plt.xticks([]), plt.yticks([])
+
+plt.subplot(234), plt.imshow(aft_magnitude_spectrum)
+plt.title('aft_Spectrum'), plt.xticks([]), plt.yticks([])
+
+print(img2.shape)
+plt.subplot(235), plt.imshow(img2)
+plt.title('FT'), plt.xticks([]), plt.yticks([])
+
+# plt.subplot(236), plt.imshow(im.fromarray(
+#     img0).filter(ImageFilter.FIND_EDGES))
+# plt.title('ImageFilter.CONTOUR'), plt.xticks([]), plt.yticks([])
+plt.show()
+
+
+# im.fromarray(img2).save("cifar10-train-16513 (2)-1.png")
+print(cv2.__version__)

+"""
+# Fourier Transform(푸리에 변환)
+    . 시간 도메인(X축)에서 표현된 신호(일반적인 파형 도표)를 주파수 도메인으로 변환.
+    . 시간축이 제거되어 대상의 전체적인 특징을 파악할 수 있음.
+    . 이미지에 적용이 되어 중심이 저주파 영역, 주변이 고주파 영역을 나타냄.
+    . 푸리에 변환을 하여 저주파 또는 고주파를 제거하고 다시 역으로 이미지로 변환 함으로써
+      이미지가공을 할 수 있음.
+      (ex; 푸리에 변환 후 중심의 저주파를 제거하고 다시 Image로 전환 하면 이미지의 경계선만 남게 됨.
+           푸리에 변환 후 주변의 고주파를 제거하면 모아레 패턴(휴대폰으로 모니터를 찍었을 때 나타나는 현상)
+           을 제거할 수 있음.(모니터의 고주파를 제거함.)
+      )
+"""
+
+from PIL import ImageFilter
+from PIL import ImageEnhance
+import PIL.Image as im
+import cv2
+import numpy as np
+from matplotlib import pyplot as plt
+from glob import glob
+import os
+
+
+test_dirList = glob('.\\CIFAR-10-origin-khu\\test\\*')
+train_dirList = glob('.\\CIFAR-10-origin-khu\\train\\*')
+valid_dirList = glob('.\\CIFAR-10-origin-khu\\valid\\*')
+SAVEPATH = '.\\CIFAR10-PILimageEnhance-sharpness(5)+2by2(middlewhite)'
+os.makedirs(SAVEPATH, exist_ok=True)
+k = 255  # fft한 후 가운데 픽셀 바꿀 값
+l = 2
+for i in train_dirList:
+    print(i)
+    # filelist에는 "사진 파일들의 리스트"
+    # glob는 괄호 안 (어떤 path(폴더,파일 다 가능)명 조건) 에 맞는 "path명의 리스트" 뽑을때
+    filelist = glob(i+'\\*')
+
+    # i는 '.\khu-machine-learning-competition\train\airplane'이므로 os.path.spilt(i) 결과는 ('.\khu-machine-learning-competition\train','airplane') 튜플
+    before_last_path, last = os.path.split(i)
+    before2_last_path, before_last = os.path.split(before_last_path)
+    # 해보니까 new_dir = os.path.join(before_last, last) 이건 new_dir = before_last+'\\'+ last 와 동일함...
+    new_dir = os.path.join(before_last, last)
+    new_dir = os.path.join(SAVEPATH, new_dir)
+    print(new_dir)
+    os.makedirs(new_dir, exist_ok=True)
+
+    for j in filelist:
+        img = im.open(j)
+        new_file = new_dir+'\\'+os.path.basename(j)
+        img.save(new_file)
+        path_without_extension, extension = os.path.splitext(new_file)
+        new_file2 = path_without_extension + '(1)' + extension
+
+        img = cv2.imread(j, 1)
+        b, g, r = cv2.split(img)
+        img = cv2.merge([r, g, b])
+        img = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
+
+        f = np.fft.fft2(img)
+        fshift = np.fft.fftshift(f)
+        rows, cols = img.shape
+        crow, ccol = rows//2, cols//2
+        d = l
+        fshift[crow-d:crow+d, ccol-d:ccol+d] = k
+        f_ishift = np.fft.ifftshift(fshift)
+        img_back = np.fft.ifft2(f_ishift)
+        img_back = np.abs(img_back)
+
+        cv2.imwrite(new_file2, img_back)
+
+for i in valid_dirList:
+    print(i)
+    # filelist에는 "사진 파일들의 리스트"
+    # glob는 괄호 안 (어떤 path(폴더,파일 다 가능)명 조건) 에 맞는 "path명의 리스트" 뽑을때
+    filelist = glob(i+'\\*')
+
+    # i는 '.\khu-machine-learning-competition\train\airplane'이므로 os.path.spilt(i) 결과는 ('.\khu-machine-learning-competition\train','airplane') 튜플
+    before_last_path, last = os.path.split(i)
+    before2_last_path, before_last = os.path.split(before_last_path)
+    # 해보니까 new_dir = os.path.join(before_last, last) 이건 new_dir = before_last+'\\'+ last 와 동일함...
+    new_dir = os.path.join(before_last, last)
+    new_dir = os.path.join(SAVEPATH, new_dir)
+    print(new_dir)
+    os.makedirs(new_dir, exist_ok=True)
+
+    for j in filelist:
+        img = im.open(j)
+        new_file = new_dir+'\\'+os.path.basename(j)
+        img.save(new_file)
+
+for i in test_dirList:
+    print(i)
+    # filelist에는 "사진 파일들의 리스트"
+    # glob는 괄호 안 (어떤 path(폴더,파일 다 가능)명 조건) 에 맞는 "path명의 리스트" 뽑을때
+    filelist = glob(i+'\\*')
+
+    # i는 '.\khu-machine-learning-competition\train\airplane'이므로 os.path.spilt(i) 결과는 ('.\khu-machine-learning-competition\train','airplane') 튜플
+    before_last_path, last = os.path.split(i)
+    before2_last_path, before_last = os.path.split(before_last_path)
+    # 해보니까 new_dir = os.path.join(before_last, last) 이건 new_dir = before_last+'\\'+ last 와 동일함...
+    new_dir = os.path.join(before_last, last)
+    new_dir = os.path.join(SAVEPATH, new_dir)
+    print(new_dir)
+    os.makedirs(new_dir, exist_ok=True)
+
+    for j in filelist:
+        img = im.open(j)
+        new_file = new_dir+'\\'+os.path.basename(j)
+        img.save(new_file)
+
+
+def printMatrix(a):
+    m = len(a)
+    n = len(a[0])
+    for i in range(m):
+        for j in range(n):
+            print('{:6.2f}'.format(a[i][j]), end=' ')
+        print()
+    print()
+
+
+# OpenCV에서 한글 파일이나 경로명이 들어간 경우 imread와 imwrite가 동작하지 않는다... ㅠ
+# colab에서는 openCV의 imshow 돌아가지 않는다.
+# 두번째 파라미터 1 의미는 cv2.IMREAD_COLOR cf) cv2.IMREAD_COLOR : 1, cv2.IMREAD_GRAYSCALE : 0, cv2.IMREAD_UNCHANGED : -1
+# img = cv2.imread('cifar10-train-29.png', 1)
+# image_pil = im.open('n04461696_3346.png')
+# # image_pil.show()
+# img1 = np.array(image_pil)
+# print(img1.shape)
+img = cv2.imread('cifar10-train-29.png', 1)
+
+
+b, g, r = cv2.split(img)  # 이미지를 b,g,r 채널로 분리 (opencv에서는 bgr순서)
+img0 = cv2.merge([r, g, b])  # r,g,b 순서로 병합
+print(img0.shape)
+# plt.subplot(211), plt.imshow(img0)
+# plt.title('Input Image_cv2'), plt.xticks([]), plt.yticks([])
+
+# plt.subplot(212), plt.imshow(image_pil)
+# plt.title('Input Image_PIL'), plt.xticks([]), plt.yticks([])
+# plt.show()
+
+img1 = np.array([img0[:, :, 0], img0[:, :, 1], img0[:, :, 2]])
+img2 = img1
+i = 0
+# img = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)  # color->gray로 변환
+
+# Fourier Transform을 적용.
+# 적용을 하면 0, 0, 즉 화면 좌측상단점이 중심이고, 거기에 저주파가 모여 있음.
+# 분석을 용이하게 하기 위해 0, 0을 이미지의 중심으로 이동 시키고 Log Scaling을 하여 분석이 용이한 결과값으로 변환
+
+for img in img1:
+    f = np.fft.fft2(img)  # 이미지에 푸리에 변환 적용
+    # 분석을 용이하게 하기 위해 주파수가 0인 부분을 중앙에 위치시킴. 중앙에 저주파가 모이게 됨.
+    magnitude_spectrum_no_shift = 20*np.log(np.abs(f))
+    fshift = np.fft.fftshift(f)
+    magnitude_spectrum = 20*np.log(np.abs(fshift))  # spectrum 구하는 수학식.
+
+    print(img.shape, fshift.shape)
+    rows, cols = img.shape
+    crow, ccol = rows//2, cols//2  # 이미지의 중심 좌표
+
+    # 중앙에서 10X10 사이즈의 사각형의 값을 1로 설정함. 중앙의 저주파를 모두 제거
+    # 저주파를 제거하였기 때문에 배경이 사라지고 경계선만 남게 됨.
+    d = 1
+    fshift[crow-d:crow+d, ccol-d:ccol+d] = 1
+    aft_magnitude_spectrum = 20*np.log(np.abs(fshift))
+
+    # 푸리에 변환결과를 다시 이미지로 변환
+    f_ishift = np.fft.ifftshift(fshift)
+    img_back = np.fft.ifft2(f_ishift)
+    img_back = np.abs(img_back)
+    img2[i] = img_back
+    i += 1
+    # threshold를 적용하기 위해 float type을 int type으로 변환
+    img_new = np.uint8(img_back)
+    ret, thresh = cv2.threshold(img_new, 20, 255, cv2.THRESH_BINARY)
+    # plt.subplot(231), plt.imshow(img)
+    # plt.title('Input Image'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(232), plt.imshow(magnitude_spectrum_no_shift)
+    # plt.title('noShift_Spectrum'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(233), plt.imshow(magnitude_spectrum)
+    # plt.title('Spectrum'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(234), plt.imshow(aft_magnitude_spectrum)
+    # plt.title('aft_Spectrum'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(236), plt.imshow(thresh)
+    # plt.title('Threshold With FT'), plt.xticks([]), plt.yticks([])
+    # plt.show()
+
+img2 = np.transpose(img2, (1, 2, 0))
+printMatrix(img2[:, :, 0])
+printMatrix(img2[:, :, 1])
+printMatrix(img2[:, :, 2])
+
+plt.subplot(231), plt.imshow(img0)
+plt.title('Input Image'), plt.xticks([]), plt.yticks([])
+
+plt.subplot(232), plt.imshow(magnitude_spectrum_no_shift)
+plt.title('noShift_Spectrum'), plt.xticks([]), plt.yticks([])
+
+plt.subplot(233), plt.imshow(magnitude_spectrum)
+plt.title('Spectrum'), plt.xticks([]), plt.yticks([])
+
+plt.subplot(234), plt.imshow(aft_magnitude_spectrum)
+plt.title('aft_Spectrum'), plt.xticks([]), plt.yticks([])
+
+print(img2.shape)
+plt.subplot(235), plt.imshow(img2)
+plt.title('FT'), plt.xticks([]), plt.yticks([])
+
+# plt.subplot(236), plt.imshow(im.fromarray(
+#     img0).filter(ImageFilter.FIND_EDGES))
+# plt.title('ImageFilter.CONTOUR'), plt.xticks([]), plt.yticks([])
+plt.show()
+
+
+# im.fromarray(img2).save("cifar10-train-16513 (2)-1.png")
+print(cv2.__version__)

+"""
+# Fourier Transform(푸리에 변환)
+    . 시간 도메인(X축)에서 표현된 신호(일반적인 파형 도표)를 주파수 도메인으로 변환.
+    . 시간축이 제거되어 대상의 전체적인 특징을 파악할 수 있음.
+    . 이미지에 적용이 되어 중심이 저주파 영역, 주변이 고주파 영역을 나타냄.
+    . 푸리에 변환을 하여 저주파 또는 고주파를 제거하고 다시 역으로 이미지로 변환 함으로써
+      이미지가공을 할 수 있음.
+      (ex; 푸리에 변환 후 중심의 저주파를 제거하고 다시 Image로 전환 하면 이미지의 경계선만 남게 됨.
+           푸리에 변환 후 주변의 고주파를 제거하면 모아레 패턴(휴대폰으로 모니터를 찍었을 때 나타나는 현상)
+           을 제거할 수 있음.(모니터의 고주파를 제거함.)
+      )
+"""
+
+from PIL import ImageFilter
+from PIL import ImageEnhance
+import PIL.Image as im
+import cv2
+import numpy as np
+from matplotlib import pyplot as plt
+from glob import glob
+import os
+
+
+test_dirList = glob('.\\CIFAR-10-origin-khu\\test\\*')
+train_dirList = glob('.\\CIFAR-10-origin-khu\\train\\*')
+valid_dirList = glob('.\\CIFAR-10-origin-khu\\valid\\*')
+SAVEPATH = '.\\CIFAR10-PILimageEnhance-sharpness(5)+2by2(middlewhite)'
+os.makedirs(SAVEPATH, exist_ok=True)
+k = 1  # fft한 후 가운데 픽셀 바꿀 값
+l = 1
+for i in train_dirList:
+    print(i)
+    # filelist에는 "사진 파일들의 리스트"
+    # glob는 괄호 안 (어떤 path(폴더,파일 다 가능)명 조건) 에 맞는 "path명의 리스트" 뽑을때
+    filelist = glob(i+'\\*')
+
+    # i는 '.\khu-machine-learning-competition\train\airplane'이므로 os.path.spilt(i) 결과는 ('.\khu-machine-learning-competition\train','airplane') 튜플
+    before_last_path, last = os.path.split(i)
+    before2_last_path, before_last = os.path.split(before_last_path)
+    # 해보니까 new_dir = os.path.join(before_last, last) 이건 new_dir = before_last+'\\'+ last 와 동일함...
+    new_dir = os.path.join(before_last, last)
+    new_dir = os.path.join(SAVEPATH, new_dir)
+    print(new_dir)
+    os.makedirs(new_dir, exist_ok=True)
+
+    for j in filelist:
+        img = im.open(j)
+        new_file = new_dir+'\\'+os.path.basename(j)
+        img.save(new_file)
+        path_without_extension, extension = os.path.splitext(new_file)
+        new_file2 = path_without_extension + '(1)' + extension
+        ImageEnhance.Sharpness(img).enhance(5).save(new_file2)
+        img = cv2.imread(j, 1)
+        b, g, r = cv2.split(img)
+        img = cv2.merge([r, g, b])
+        img = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
+
+        f = np.fft.fft2(img)
+        fshift = np.fft.fftshift(f)
+        rows, cols = img.shape
+        crow, ccol = rows//2, cols//2
+        d = l
+        fshift[crow-d:crow+d, ccol-d:ccol+d] = k
+        f_ishift = np.fft.ifftshift(fshift)
+        img_back = np.fft.ifft2(f_ishift)
+        img_back = np.abs(img_back)
+
+        new_file3 = path_without_extension + '(2)' + extension
+        cv2.imwrite(new_file3, img_back)
+
+for i in valid_dirList:
+    print(i)
+    # filelist에는 "사진 파일들의 리스트"
+    # glob는 괄호 안 (어떤 path(폴더,파일 다 가능)명 조건) 에 맞는 "path명의 리스트" 뽑을때
+    filelist = glob(i+'\\*')
+
+    # i는 '.\khu-machine-learning-competition\train\airplane'이므로 os.path.spilt(i) 결과는 ('.\khu-machine-learning-competition\train','airplane') 튜플
+    before_last_path, last = os.path.split(i)
+    before2_last_path, before_last = os.path.split(before_last_path)
+    # 해보니까 new_dir = os.path.join(before_last, last) 이건 new_dir = before_last+'\\'+ last 와 동일함...
+    new_dir = os.path.join(before_last, last)
+    new_dir = os.path.join(SAVEPATH, new_dir)
+    print(new_dir)
+    os.makedirs(new_dir, exist_ok=True)
+
+    for j in filelist:
+        img = im.open(j)
+        new_file = new_dir+'\\'+os.path.basename(j)
+        img.save(new_file)
+
+for i in test_dirList:
+    print(i)
+    # filelist에는 "사진 파일들의 리스트"
+    # glob는 괄호 안 (어떤 path(폴더,파일 다 가능)명 조건) 에 맞는 "path명의 리스트" 뽑을때
+    filelist = glob(i+'\\*')
+
+    # i는 '.\khu-machine-learning-competition\train\airplane'이므로 os.path.spilt(i) 결과는 ('.\khu-machine-learning-competition\train','airplane') 튜플
+    before_last_path, last = os.path.split(i)
+    before2_last_path, before_last = os.path.split(before_last_path)
+    # 해보니까 new_dir = os.path.join(before_last, last) 이건 new_dir = before_last+'\\'+ last 와 동일함...
+    new_dir = os.path.join(before_last, last)
+    new_dir = os.path.join(SAVEPATH, new_dir)
+    print(new_dir)
+    os.makedirs(new_dir, exist_ok=True)
+
+    for j in filelist:
+        img = im.open(j)
+        new_file = new_dir+'\\'+os.path.basename(j)
+        img.save(new_file)
+
+
+def printMatrix(a):
+    m = len(a)
+    n = len(a[0])
+    for i in range(m):
+        for j in range(n):
+            print('{:6.2f}'.format(a[i][j]), end=' ')
+        print()
+    print()
+
+
+# OpenCV에서 한글 파일이나 경로명이 들어간 경우 imread와 imwrite가 동작하지 않는다... ㅠ
+# colab에서는 openCV의 imshow 돌아가지 않는다.
+# 두번째 파라미터 1 의미는 cv2.IMREAD_COLOR cf) cv2.IMREAD_COLOR : 1, cv2.IMREAD_GRAYSCALE : 0, cv2.IMREAD_UNCHANGED : -1
+# img = cv2.imread('cifar10-train-29.png', 1)
+# image_pil = im.open('n04461696_3346.png')
+# # image_pil.show()
+# img1 = np.array(image_pil)
+# print(img1.shape)
+img = cv2.imread('cifar10-train-29.png', 1)
+
+
+b, g, r = cv2.split(img)  # 이미지를 b,g,r 채널로 분리 (opencv에서는 bgr순서)
+img0 = cv2.merge([r, g, b])  # r,g,b 순서로 병합
+print(img0.shape)
+# plt.subplot(211), plt.imshow(img0)
+# plt.title('Input Image_cv2'), plt.xticks([]), plt.yticks([])
+
+# plt.subplot(212), plt.imshow(image_pil)
+# plt.title('Input Image_PIL'), plt.xticks([]), plt.yticks([])
+# plt.show()
+
+img1 = np.array([img0[:, :, 0], img0[:, :, 1], img0[:, :, 2]])
+img2 = img1
+i = 0
+# img = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)  # color->gray로 변환
+
+# Fourier Transform을 적용.
+# 적용을 하면 0, 0, 즉 화면 좌측상단점이 중심이고, 거기에 저주파가 모여 있음.
+# 분석을 용이하게 하기 위해 0, 0을 이미지의 중심으로 이동 시키고 Log Scaling을 하여 분석이 용이한 결과값으로 변환
+
+for img in img1:
+    f = np.fft.fft2(img)  # 이미지에 푸리에 변환 적용
+    # 분석을 용이하게 하기 위해 주파수가 0인 부분을 중앙에 위치시킴. 중앙에 저주파가 모이게 됨.
+    magnitude_spectrum_no_shift = 20*np.log(np.abs(f))
+    fshift = np.fft.fftshift(f)
+    magnitude_spectrum = 20*np.log(np.abs(fshift))  # spectrum 구하는 수학식.
+
+    print(img.shape, fshift.shape)
+    rows, cols = img.shape
+    crow, ccol = rows//2, cols//2  # 이미지의 중심 좌표
+
+    # 중앙에서 10X10 사이즈의 사각형의 값을 1로 설정함. 중앙의 저주파를 모두 제거
+    # 저주파를 제거하였기 때문에 배경이 사라지고 경계선만 남게 됨.
+    d = 1
+    fshift[crow-d:crow+d, ccol-d:ccol+d] = 1
+    aft_magnitude_spectrum = 20*np.log(np.abs(fshift))
+
+    # 푸리에 변환결과를 다시 이미지로 변환
+    f_ishift = np.fft.ifftshift(fshift)
+    img_back = np.fft.ifft2(f_ishift)
+    img_back = np.abs(img_back)
+    img2[i] = img_back
+    i += 1
+    # threshold를 적용하기 위해 float type을 int type으로 변환
+    img_new = np.uint8(img_back)
+    ret, thresh = cv2.threshold(img_new, 20, 255, cv2.THRESH_BINARY)
+    # plt.subplot(231), plt.imshow(img)
+    # plt.title('Input Image'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(232), plt.imshow(magnitude_spectrum_no_shift)
+    # plt.title('noShift_Spectrum'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(233), plt.imshow(magnitude_spectrum)
+    # plt.title('Spectrum'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(234), plt.imshow(aft_magnitude_spectrum)
+    # plt.title('aft_Spectrum'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(236), plt.imshow(thresh)
+    # plt.title('Threshold With FT'), plt.xticks([]), plt.yticks([])
+    # plt.show()
+
+img2 = np.transpose(img2, (1, 2, 0))
+printMatrix(img2[:, :, 0])
+printMatrix(img2[:, :, 1])
+printMatrix(img2[:, :, 2])
+
+plt.subplot(231), plt.imshow(img0)
+plt.title('Input Image'), plt.xticks([]), plt.yticks([])
+
+plt.subplot(232), plt.imshow(magnitude_spectrum_no_shift)
+plt.title('noShift_Spectrum'), plt.xticks([]), plt.yticks([])
+
+plt.subplot(233), plt.imshow(magnitude_spectrum)
+plt.title('Spectrum'), plt.xticks([]), plt.yticks([])
+
+plt.subplot(234), plt.imshow(aft_magnitude_spectrum)
+plt.title('aft_Spectrum'), plt.xticks([]), plt.yticks([])
+
+print(img2.shape)
+plt.subplot(235), plt.imshow(img2)
+plt.title('FT'), plt.xticks([]), plt.yticks([])
+
+# plt.subplot(236), plt.imshow(im.fromarray(
+#     img0).filter(ImageFilter.FIND_EDGES))
+# plt.title('ImageFilter.CONTOUR'), plt.xticks([]), plt.yticks([])
+plt.show()
+
+
+# im.fromarray(img2).save("cifar10-train-16513 (2)-1.png")
+print(cv2.__version__)

+"""
+# Fourier Transform(푸리에 변환)
+    . 시간 도메인(X축)에서 표현된 신호(일반적인 파형 도표)를 주파수 도메인으로 변환.
+    . 시간축이 제거되어 대상의 전체적인 특징을 파악할 수 있음.
+    . 이미지에 적용이 되어 중심이 저주파 영역, 주변이 고주파 영역을 나타냄.
+    . 푸리에 변환을 하여 저주파 또는 고주파를 제거하고 다시 역으로 이미지로 변환 함으로써
+      이미지가공을 할 수 있음.
+      (ex; 푸리에 변환 후 중심의 저주파를 제거하고 다시 Image로 전환 하면 이미지의 경계선만 남게 됨.
+           푸리에 변환 후 주변의 고주파를 제거하면 모아레 패턴(휴대폰으로 모니터를 찍었을 때 나타나는 현상)
+           을 제거할 수 있음.(모니터의 고주파를 제거함.)
+      )
+"""
+
+from PIL import ImageFilter
+from PIL import ImageEnhance
+import PIL.Image as im
+import cv2
+import numpy as np
+from matplotlib import pyplot as plt
+from glob import glob
+import os
+
+
+test_dirList = glob('.\\CIFAR-10-origin-khu\\test\\*')
+train_dirList = glob('.\\CIFAR-10-origin-khu\\train\\*')
+valid_dirList = glob('.\\CIFAR-10-origin-khu\\valid\\*')
+SAVEPATH = '.\\CIFAR10-PILimageEnhance-sharpness(5)+2by2(middlewhite)'
+os.makedirs(SAVEPATH, exist_ok=True)
+k = 1  # fft한 후 가운데 픽셀 바꿀 값
+l = 1
+for i in train_dirList:
+    print(i)
+    # filelist에는 "사진 파일들의 리스트"
+    # glob는 괄호 안 (어떤 path(폴더,파일 다 가능)명 조건) 에 맞는 "path명의 리스트" 뽑을때
+    filelist = glob(i+'\\*')
+
+    # i는 '.\khu-machine-learning-competition\train\airplane'이므로 os.path.spilt(i) 결과는 ('.\khu-machine-learning-competition\train','airplane') 튜플
+    before_last_path, last = os.path.split(i)
+    before2_last_path, before_last = os.path.split(before_last_path)
+    # 해보니까 new_dir = os.path.join(before_last, last) 이건 new_dir = before_last+'\\'+ last 와 동일함...
+    new_dir = os.path.join(before_last, last)
+    new_dir = os.path.join(SAVEPATH, new_dir)
+    print(new_dir)
+    os.makedirs(new_dir, exist_ok=True)
+
+    for j in filelist:
+        img = im.open(j)
+        new_file = new_dir+'\\'+os.path.basename(j)
+        img.save(new_file)
+        path_without_extension, extension = os.path.splitext(new_file)
+        new_file2 = path_without_extension + '(1)' + extension
+        ImageEnhance.Sharpness(img).enhance(5).save(new_file2)
+        # img = cv2.imread(j, 1)
+        # b, g, r = cv2.split(img)
+        # img = cv2.merge([r, g, b])
+        # img = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
+
+        # f = np.fft.fft2(img)
+        # fshift = np.fft.fftshift(f)
+        # rows, cols = img.shape
+        # crow, ccol = rows//2, cols//2
+        # d = l
+        # fshift[crow-d:crow+d, ccol-d:ccol+d] = k
+        # f_ishift = np.fft.ifftshift(fshift)
+        # img_back = np.fft.ifft2(f_ishift)
+        # img_back = np.abs(img_back)
+
+        # new_file3 = path_without_extension + '(2)' + extension
+        # cv2.imwrite(new_file3, img_back)
+
+for i in valid_dirList:
+    print(i)
+    # filelist에는 "사진 파일들의 리스트"
+    # glob는 괄호 안 (어떤 path(폴더,파일 다 가능)명 조건) 에 맞는 "path명의 리스트" 뽑을때
+    filelist = glob(i+'\\*')
+
+    # i는 '.\khu-machine-learning-competition\train\airplane'이므로 os.path.spilt(i) 결과는 ('.\khu-machine-learning-competition\train','airplane') 튜플
+    before_last_path, last = os.path.split(i)
+    before2_last_path, before_last = os.path.split(before_last_path)
+    # 해보니까 new_dir = os.path.join(before_last, last) 이건 new_dir = before_last+'\\'+ last 와 동일함...
+    new_dir = os.path.join(before_last, last)
+    new_dir = os.path.join(SAVEPATH, new_dir)
+    print(new_dir)
+    os.makedirs(new_dir, exist_ok=True)
+
+    for j in filelist:
+        img = im.open(j)
+        new_file = new_dir+'\\'+os.path.basename(j)
+        img.save(new_file)
+
+for i in test_dirList:
+    print(i)
+    # filelist에는 "사진 파일들의 리스트"
+    # glob는 괄호 안 (어떤 path(폴더,파일 다 가능)명 조건) 에 맞는 "path명의 리스트" 뽑을때
+    filelist = glob(i+'\\*')
+
+    # i는 '.\khu-machine-learning-competition\train\airplane'이므로 os.path.spilt(i) 결과는 ('.\khu-machine-learning-competition\train','airplane') 튜플
+    before_last_path, last = os.path.split(i)
+    before2_last_path, before_last = os.path.split(before_last_path)
+    # 해보니까 new_dir = os.path.join(before_last, last) 이건 new_dir = before_last+'\\'+ last 와 동일함...
+    new_dir = os.path.join(before_last, last)
+    new_dir = os.path.join(SAVEPATH, new_dir)
+    print(new_dir)
+    os.makedirs(new_dir, exist_ok=True)
+
+    for j in filelist:
+        img = im.open(j)
+        new_file = new_dir+'\\'+os.path.basename(j)
+        img.save(new_file)
+
+
+def printMatrix(a):
+    m = len(a)
+    n = len(a[0])
+    for i in range(m):
+        for j in range(n):
+            print('{:6.2f}'.format(a[i][j]), end=' ')
+        print()
+    print()
+
+
+# OpenCV에서 한글 파일이나 경로명이 들어간 경우 imread와 imwrite가 동작하지 않는다... ㅠ
+# colab에서는 openCV의 imshow 돌아가지 않는다.
+# 두번째 파라미터 1 의미는 cv2.IMREAD_COLOR cf) cv2.IMREAD_COLOR : 1, cv2.IMREAD_GRAYSCALE : 0, cv2.IMREAD_UNCHANGED : -1
+# img = cv2.imread('cifar10-train-29.png', 1)
+# image_pil = im.open('n04461696_3346.png')
+# # image_pil.show()
+# img1 = np.array(image_pil)
+# print(img1.shape)
+img = cv2.imread('cifar10-train-29.png', 1)
+
+
+b, g, r = cv2.split(img)  # 이미지를 b,g,r 채널로 분리 (opencv에서는 bgr순서)
+img0 = cv2.merge([r, g, b])  # r,g,b 순서로 병합
+print(img0.shape)
+# plt.subplot(211), plt.imshow(img0)
+# plt.title('Input Image_cv2'), plt.xticks([]), plt.yticks([])
+
+# plt.subplot(212), plt.imshow(image_pil)
+# plt.title('Input Image_PIL'), plt.xticks([]), plt.yticks([])
+# plt.show()
+
+img1 = np.array([img0[:, :, 0], img0[:, :, 1], img0[:, :, 2]])
+img2 = img1
+i = 0
+# img = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)  # color->gray로 변환
+
+# Fourier Transform을 적용.
+# 적용을 하면 0, 0, 즉 화면 좌측상단점이 중심이고, 거기에 저주파가 모여 있음.
+# 분석을 용이하게 하기 위해 0, 0을 이미지의 중심으로 이동 시키고 Log Scaling을 하여 분석이 용이한 결과값으로 변환
+
+for img in img1:
+    f = np.fft.fft2(img)  # 이미지에 푸리에 변환 적용
+    # 분석을 용이하게 하기 위해 주파수가 0인 부분을 중앙에 위치시킴. 중앙에 저주파가 모이게 됨.
+    magnitude_spectrum_no_shift = 20*np.log(np.abs(f))
+    fshift = np.fft.fftshift(f)
+    magnitude_spectrum = 20*np.log(np.abs(fshift))  # spectrum 구하는 수학식.
+
+    print(img.shape, fshift.shape)
+    rows, cols = img.shape
+    crow, ccol = rows//2, cols//2  # 이미지의 중심 좌표
+
+    # 중앙에서 10X10 사이즈의 사각형의 값을 1로 설정함. 중앙의 저주파를 모두 제거
+    # 저주파를 제거하였기 때문에 배경이 사라지고 경계선만 남게 됨.
+    d = 1
+    fshift[crow-d:crow+d, ccol-d:ccol+d] = 1
+    aft_magnitude_spectrum = 20*np.log(np.abs(fshift))
+
+    # 푸리에 변환결과를 다시 이미지로 변환
+    f_ishift = np.fft.ifftshift(fshift)
+    img_back = np.fft.ifft2(f_ishift)
+    img_back = np.abs(img_back)
+    img2[i] = img_back
+    i += 1
+    # threshold를 적용하기 위해 float type을 int type으로 변환
+    img_new = np.uint8(img_back)
+    ret, thresh = cv2.threshold(img_new, 20, 255, cv2.THRESH_BINARY)
+    # plt.subplot(231), plt.imshow(img)
+    # plt.title('Input Image'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(232), plt.imshow(magnitude_spectrum_no_shift)
+    # plt.title('noShift_Spectrum'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(233), plt.imshow(magnitude_spectrum)
+    # plt.title('Spectrum'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(234), plt.imshow(aft_magnitude_spectrum)
+    # plt.title('aft_Spectrum'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(236), plt.imshow(thresh)
+    # plt.title('Threshold With FT'), plt.xticks([]), plt.yticks([])
+    # plt.show()
+
+img2 = np.transpose(img2, (1, 2, 0))
+printMatrix(img2[:, :, 0])
+printMatrix(img2[:, :, 1])
+printMatrix(img2[:, :, 2])
+
+plt.subplot(231), plt.imshow(img0)
+plt.title('Input Image'), plt.xticks([]), plt.yticks([])
+
+plt.subplot(232), plt.imshow(magnitude_spectrum_no_shift)
+plt.title('noShift_Spectrum'), plt.xticks([]), plt.yticks([])
+
+plt.subplot(233), plt.imshow(magnitude_spectrum)
+plt.title('Spectrum'), plt.xticks([]), plt.yticks([])
+
+plt.subplot(234), plt.imshow(aft_magnitude_spectrum)
+plt.title('aft_Spectrum'), plt.xticks([]), plt.yticks([])
+
+print(img2.shape)
+plt.subplot(235), plt.imshow(img2)
+plt.title('FT'), plt.xticks([]), plt.yticks([])
+
+# plt.subplot(236), plt.imshow(im.fromarray(
+#     img0).filter(ImageFilter.FIND_EDGES))
+# plt.title('ImageFilter.CONTOUR'), plt.xticks([]), plt.yticks([])
+plt.show()
+
+
+# im.fromarray(img2).save("cifar10-train-16513 (2)-1.png")
+print(cv2.__version__)

+"""
+# Fourier Transform(푸리에 변환)
+    . 시간 도메인(X축)에서 표현된 신호(일반적인 파형 도표)를 주파수 도메인으로 변환.
+    . 시간축이 제거되어 대상의 전체적인 특징을 파악할 수 있음.
+    . 이미지에 적용이 되어 중심이 저주파 영역, 주변이 고주파 영역을 나타냄.
+    . 푸리에 변환을 하여 저주파 또는 고주파를 제거하고 다시 역으로 이미지로 변환 함으로써
+      이미지가공을 할 수 있음.
+      (ex; 푸리에 변환 후 중심의 저주파를 제거하고 다시 Image로 전환 하면 이미지의 경계선만 남게 됨.
+           푸리에 변환 후 주변의 고주파를 제거하면 모아레 패턴(휴대폰으로 모니터를 찍었을 때 나타나는 현상)
+           을 제거할 수 있음.(모니터의 고주파를 제거함.)
+      )
+"""
+
+from PIL import ImageFilter
+from PIL import ImageEnhance
+import PIL.Image as im
+import cv2
+import numpy as np
+from matplotlib import pyplot as plt
+from glob import glob
+import os
+
+
+test_dirList = glob('.\\CIFAR-10-origin-khu\\test\\*')
+train_dirList = glob('.\\CIFAR-10-origin-khu\\train\\*')
+valid_dirList = glob('.\\CIFAR-10-origin-khu\\valid\\*')
+SAVEPATH = '.\\CIFAR10-PILimageEnhance-sharpness(5)+2by2(middlewhite)'
+os.makedirs(SAVEPATH, exist_ok=True)
+k = 1  # fft한 후 가운데 픽셀 바꿀 값
+l = 1
+for i in train_dirList:
+    print(i)
+    # filelist에는 "사진 파일들의 리스트"
+    # glob는 괄호 안 (어떤 path(폴더,파일 다 가능)명 조건) 에 맞는 "path명의 리스트" 뽑을때
+    filelist = glob(i+'\\*')
+
+    # i는 '.\khu-machine-learning-competition\train\airplane'이므로 os.path.spilt(i) 결과는 ('.\khu-machine-learning-competition\train','airplane') 튜플
+    before_last_path, last = os.path.split(i)
+    before2_last_path, before_last = os.path.split(before_last_path)
+    # 해보니까 new_dir = os.path.join(before_last, last) 이건 new_dir = before_last+'\\'+ last 와 동일함...
+    new_dir = os.path.join(before_last, last)
+    new_dir = os.path.join(SAVEPATH, new_dir)
+    print(new_dir)
+    os.makedirs(new_dir, exist_ok=True)
+
+    for j in filelist:
+        img = im.open(j)
+        new_file = new_dir+'\\'+os.path.basename(j)
+        img.save(new_file)
+        path_without_extension, extension = os.path.splitext(new_file)
+        new_file2 = path_without_extension + '(1)' + extension
+        img.filter(ImageFilter.SHARPEN).save(new_file2)
+        # img = cv2.imread(j, 1)
+        # b, g, r = cv2.split(img)
+        # img = cv2.merge([r, g, b])
+        # img = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
+
+        # f = np.fft.fft2(img)
+        # fshift = np.fft.fftshift(f)
+        # rows, cols = img.shape
+        # crow, ccol = rows//2, cols//2
+        # d = l
+        # fshift[crow-d:crow+d, ccol-d:ccol+d] = k
+        # f_ishift = np.fft.ifftshift(fshift)
+        # img_back = np.fft.ifft2(f_ishift)
+        # img_back = np.abs(img_back)
+
+        # new_file3 = path_without_extension + '(2)' + extension
+        # cv2.imwrite(new_file3, img_back)
+
+for i in valid_dirList:
+    print(i)
+    # filelist에는 "사진 파일들의 리스트"
+    # glob는 괄호 안 (어떤 path(폴더,파일 다 가능)명 조건) 에 맞는 "path명의 리스트" 뽑을때
+    filelist = glob(i+'\\*')
+
+    # i는 '.\khu-machine-learning-competition\train\airplane'이므로 os.path.spilt(i) 결과는 ('.\khu-machine-learning-competition\train','airplane') 튜플
+    before_last_path, last = os.path.split(i)
+    before2_last_path, before_last = os.path.split(before_last_path)
+    # 해보니까 new_dir = os.path.join(before_last, last) 이건 new_dir = before_last+'\\'+ last 와 동일함...
+    new_dir = os.path.join(before_last, last)
+    new_dir = os.path.join(SAVEPATH, new_dir)
+    print(new_dir)
+    os.makedirs(new_dir, exist_ok=True)
+
+    for j in filelist:
+        img = im.open(j)
+        new_file = new_dir+'\\'+os.path.basename(j)
+        img.save(new_file)
+
+for i in test_dirList:
+    print(i)
+    # filelist에는 "사진 파일들의 리스트"
+    # glob는 괄호 안 (어떤 path(폴더,파일 다 가능)명 조건) 에 맞는 "path명의 리스트" 뽑을때
+    filelist = glob(i+'\\*')
+
+    # i는 '.\khu-machine-learning-competition\train\airplane'이므로 os.path.spilt(i) 결과는 ('.\khu-machine-learning-competition\train','airplane') 튜플
+    before_last_path, last = os.path.split(i)
+    before2_last_path, before_last = os.path.split(before_last_path)
+    # 해보니까 new_dir = os.path.join(before_last, last) 이건 new_dir = before_last+'\\'+ last 와 동일함...
+    new_dir = os.path.join(before_last, last)
+    new_dir = os.path.join(SAVEPATH, new_dir)
+    print(new_dir)
+    os.makedirs(new_dir, exist_ok=True)
+
+    for j in filelist:
+        img = im.open(j)
+        new_file = new_dir+'\\'+os.path.basename(j)
+        img.save(new_file)
+
+
+def printMatrix(a):
+    m = len(a)
+    n = len(a[0])
+    for i in range(m):
+        for j in range(n):
+            print('{:6.2f}'.format(a[i][j]), end=' ')
+        print()
+    print()
+
+
+# OpenCV에서 한글 파일이나 경로명이 들어간 경우 imread와 imwrite가 동작하지 않는다... ㅠ
+# colab에서는 openCV의 imshow 돌아가지 않는다.
+# 두번째 파라미터 1 의미는 cv2.IMREAD_COLOR cf) cv2.IMREAD_COLOR : 1, cv2.IMREAD_GRAYSCALE : 0, cv2.IMREAD_UNCHANGED : -1
+# img = cv2.imread('cifar10-train-29.png', 1)
+# image_pil = im.open('n04461696_3346.png')
+# # image_pil.show()
+# img1 = np.array(image_pil)
+# print(img1.shape)
+img = cv2.imread('cifar10-train-29.png', 1)
+
+
+b, g, r = cv2.split(img)  # 이미지를 b,g,r 채널로 분리 (opencv에서는 bgr순서)
+img0 = cv2.merge([r, g, b])  # r,g,b 순서로 병합
+print(img0.shape)
+# plt.subplot(211), plt.imshow(img0)
+# plt.title('Input Image_cv2'), plt.xticks([]), plt.yticks([])
+
+# plt.subplot(212), plt.imshow(image_pil)
+# plt.title('Input Image_PIL'), plt.xticks([]), plt.yticks([])
+# plt.show()
+
+img1 = np.array([img0[:, :, 0], img0[:, :, 1], img0[:, :, 2]])
+img2 = img1
+i = 0
+# img = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)  # color->gray로 변환
+
+# Fourier Transform을 적용.
+# 적용을 하면 0, 0, 즉 화면 좌측상단점이 중심이고, 거기에 저주파가 모여 있음.
+# 분석을 용이하게 하기 위해 0, 0을 이미지의 중심으로 이동 시키고 Log Scaling을 하여 분석이 용이한 결과값으로 변환
+
+for img in img1:
+    f = np.fft.fft2(img)  # 이미지에 푸리에 변환 적용
+    # 분석을 용이하게 하기 위해 주파수가 0인 부분을 중앙에 위치시킴. 중앙에 저주파가 모이게 됨.
+    magnitude_spectrum_no_shift = 20*np.log(np.abs(f))
+    fshift = np.fft.fftshift(f)
+    magnitude_spectrum = 20*np.log(np.abs(fshift))  # spectrum 구하는 수학식.
+
+    print(img.shape, fshift.shape)
+    rows, cols = img.shape
+    crow, ccol = rows//2, cols//2  # 이미지의 중심 좌표
+
+    # 중앙에서 10X10 사이즈의 사각형의 값을 1로 설정함. 중앙의 저주파를 모두 제거
+    # 저주파를 제거하였기 때문에 배경이 사라지고 경계선만 남게 됨.
+    d = 1
+    fshift[crow-d:crow+d, ccol-d:ccol+d] = 1
+    aft_magnitude_spectrum = 20*np.log(np.abs(fshift))
+
+    # 푸리에 변환결과를 다시 이미지로 변환
+    f_ishift = np.fft.ifftshift(fshift)
+    img_back = np.fft.ifft2(f_ishift)
+    img_back = np.abs(img_back)
+    img2[i] = img_back
+    i += 1
+    # threshold를 적용하기 위해 float type을 int type으로 변환
+    img_new = np.uint8(img_back)
+    ret, thresh = cv2.threshold(img_new, 20, 255, cv2.THRESH_BINARY)
+    # plt.subplot(231), plt.imshow(img)
+    # plt.title('Input Image'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(232), plt.imshow(magnitude_spectrum_no_shift)
+    # plt.title('noShift_Spectrum'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(233), plt.imshow(magnitude_spectrum)
+    # plt.title('Spectrum'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(234), plt.imshow(aft_magnitude_spectrum)
+    # plt.title('aft_Spectrum'), plt.xticks([]), plt.yticks([])
+
+    # plt.subplot(236), plt.imshow(thresh)
+    # plt.title('Threshold With FT'), plt.xticks([]), plt.yticks([])
+    # plt.show()
+
+img2 = np.transpose(img2, (1, 2, 0))
+printMatrix(img2[:, :, 0])
+printMatrix(img2[:, :, 1])
+printMatrix(img2[:, :, 2])
+
+plt.subplot(231), plt.imshow(img0)
+plt.title('Input Image'), plt.xticks([]), plt.yticks([])
+
+plt.subplot(232), plt.imshow(magnitude_spectrum_no_shift)
+plt.title('noShift_Spectrum'), plt.xticks([]), plt.yticks([])
+
+plt.subplot(233), plt.imshow(magnitude_spectrum)
+plt.title('Spectrum'), plt.xticks([]), plt.yticks([])
+
+plt.subplot(234), plt.imshow(aft_magnitude_spectrum)
+plt.title('aft_Spectrum'), plt.xticks([]), plt.yticks([])
+
+print(img2.shape)
+plt.subplot(235), plt.imshow(img2)
+plt.title('FT'), plt.xticks([]), plt.yticks([])
+
+# plt.subplot(236), plt.imshow(im.fromarray(
+#     img0).filter(ImageFilter.FIND_EDGES))
+# plt.title('ImageFilter.CONTOUR'), plt.xticks([]), plt.yticks([])
+plt.show()
+
+
+# im.fromarray(img2).save("cifar10-train-16513 (2)-1.png")
+print(cv2.__version__)