Scalable Vector Graphics (SVG)

SVG 파일의 기본 개념

• SVG(Scalable Vector Graphics)는 XML(eXtensible Markup Language) 기반의 파일 형식으로, 이미지의 형태(선, 도형, 텍스트 등)를 수학적 좌표와 벡터 정보로 정의하는 파일 확장자.
• 파일 확장자 : .svg
• MIME 타입 : image/svg+xml

SVG 파일의 주요 특징

구조 예시

• 원(circle)과 텍스트를 포함한 간단한. SVG 구조

<svg width="200" height="200" xmlns="http://www.w3.org/2000/svg">
  <circle cx="100" cy="100" r="80" fill="skyblue" stroke="black" stroke-width="2"/>
  <text x="100" y="105" text-anchor="middle" fill="black" font-size="20">SVG</text>
</svg>

• <circle> : 원의 중심(cx , cy ), 반지름(r ), 색상(fill ) 정의
• <text> : 텍스트 위치, 색상, 크기 설정

SVG vs PNG/JPG

FreeConvert PNG to SVG

PNG to SVG - FreeConvert.com

PNG to SVG converter. Best way to convert PNG to SVG online at the highest quality. This tool is 100% free, secure, and works on any web browser.

https://www.freeconvert.com/png-to-svg

Color Mode

• 설명: 출력 SVG가 컬러 이미지일지, 흑백 이미지일지를 선택.

• 옵션:
• Color → 원본의 RGB 값을 그대로 반영. (다채로운 SVG 결과)
• Black and White → 색상 정보를 제거하고 명암 기반으로 윤곽만 표현.

• 사용 예시:
• 로고, 심볼 → Color
• 마스크, 단일 객체 검출 → Black and White

Filter Speckle

• 설명: 매우 작은 노이즈(점, 먼지)를 제거하는 기능.

• 의미: X 픽셀보다 작은 영역(패치)은 무시하고 삭제함.

• 예시:
• 값 = 1 → 크기 1px 이하의 노이즈 제거
• 값 = 5 → 크기 5px 이하의 조그만 점들 제거

• 활용:
배경 노이즈나 JPEG 압축 잔여물 제거 시 유용함.

Curve Fitting

• 설명: 직선으로 구성된 경로를 곡선(Bézier curve) 으로 근사하는 방법을 선택함.

• 의미: 변환된 SVG가 얼마나 “부드러운 곡선” 형태로 표현될지를 결정함.

• 옵션 예시:
• None → 모든 윤곽을 직선(Polygon)으로 유지.
• Quadratic / Cubic → 2차, 3차 Bézier 곡선으로 매끄럽게 표현.

• 추천:
• 로고, 도형 → Cubic
• 픽셀 기반 마스크 → None (직선 유지)

Corner Threshold

• 설명: “코너(모서리)”로 판단할 각도 임계값

• 단위: 도(°)

• 작동 방식: 두 선분 사이의 각도가 이 값보다 작으면 “코너”로 인식함.

• 예시:
• 값 = 60 → 60도 이하의 급격한 굴곡만 코너로 유지
• 값 = 30 → 더 예민하게 코너 감지 (각진 형태 유지)

• 활용:
• 자연스러운 곡선 → 큰 값 (60~90)
• 각진 도형 유지 → 작은 값 (20~40)

Segment Length

• 설명: 곡선을 세분화(subdivide)할 때 한 세그먼트의 최대 길이(px).

• 작동 원리: 이 길이보다 긴 구간은 자동으로 더 잘게 나누어 곡선 근사

• 예시:
• 값 = 4 → 짧은 곡선 세분화, 부드럽지만 데이터 많음.
• 값 = 10 → 단순하지만 직선화 경향.

• 추천:
• 디테일 중요 → 3~5
• 파일 크기 최소화 → 8~12

Splice Threshold

• 설명: 두 곡선 사이의 방향 차이가 이 값(도 단위) 이상이면 별도의 곡선으로 분리함.

• 예시:
• 값 = 45 → 45도 이상 꺾이면 새 곡선으로 시작.
• 값 = 90 → 큰 굴곡만 새로운 경로로 인식.

• 활용:
• 곡선이 너무 매끄럽게 연결되는 걸 방지.
• 각진 디자인을 더 잘 유지.

Code

PNG to SVG Conversion Python SDK – Vectorize PNG to SVG Images

Convert PNG to SVG via Python library. Control colors, layers, curves, corners, speckle filtering, and size for crisp, lightweight vectors.

https://www.convertapi.com/png-to-svg/python

Client Challenge

https://pypi.org/project/pyautotrace/

import cv2
import numpy as np
from PIL import Image
from autotrace import Bitmap, VectorFormat


def preprocess_tone_preserve(input_path: str, output_path: str, k_levels=6):
    """
    Step 1~4: 명암 유지 + 노이즈 억제 기반 전처리
    """
    print(f"🔹 [INFO] 명암 유지형 전처리 시작: {input_path}")

    img = cv2.imread(input_path, cv2.IMREAD_GRAYSCALE)
    if img is None:
        raise FileNotFoundError("입력 이미지를 찾을 수 없습니다.")

    # ① CLAHE: 명암 대비 강화
    clahe = cv2.createCLAHE(clipLimit=2.5, tileGridSize=(8, 8))
    img_eq = clahe.apply(img)

    # ② Bilateral Filter: 고주파 노이즈(석회화 등) 억제
    img_smooth = cv2.bilateralFilter(img_eq, d=9, sigmaColor=75, sigmaSpace=75)

    # ③ Quantization: 명암 단계를 K개로 줄여 톤 유지
    Z = img_smooth.reshape((-1, 1)).astype(np.float32)
    criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 20, 1.0)
    _, labels, centers = cv2.kmeans(Z, k_levels, None, criteria, 10, cv2.KMEANS_RANDOM_CENTERS)
    centers = np.uint8(centers)
    quantized = centers[labels.flatten()].reshape(img.shape)

    # ④ Median Blur로 경계 부드럽게
    smooth_tone = cv2.medianBlur(quantized, 3)

    cv2.imwrite(output_path, smooth_tone)
    print(f"[INFO] 명암 유지형 전처리 완료: {output_path}")
    return output_path


def vectorize_with_autotrace(input_path: str, output_svg: str):
    """
    Step 5: PyAutoTrace로 SVG 벡터화
    """
    print(f"🔹 [INFO] AutoTrace 기반 벡터화 시작: {input_path}")
    img = Image.open(input_path).convert("RGB")
    bmp = Bitmap(np.asarray(img))
    vector = bmp.trace()
    vector.save(output_svg)
    print(f"[INFO] SVG 생성 완료: {output_svg}")


def mammogram_tone_preserve_svg(input_png: str, output_svg: str, k_levels=6):
    temp_file = "temp_tone.png"
    preprocessed = preprocess_tone_preserve(input_png, temp_file, k_levels)
    vectorize_with_autotrace(preprocessed, output_svg)

    import os
    if os.path.exists(temp_file):
        os.remove(temp_file)
    print("전체 변환 파이프라인 완료.")


if __name__ == "__main__":
    mammogram_tone_preserve_svg("mammo_input.png", "mammo_tone_output.svg", k_levels=6)

• 더 세밀하게?

import cv2
import numpy as np
from PIL import Image
from autotrace import Bitmap


def preprocess_texture_preserve(input_path: str, output_path: str, tone_levels=20):
    print(f"🔹 [INFO] Texture-preserving preprocessing: {input_path}")

    img = cv2.imread(input_path, cv2.IMREAD_GRAYSCALE)
    if img is None:
        raise FileNotFoundError("입력 이미지를 찾을 수 없습니다.")

    # ① CLAHE로 국소 대비 향상
    clahe = cv2.createCLAHE(clipLimit=2.5, tileGridSize=(8, 8))
    img_clahe = clahe.apply(img)

    # ② Bilateral + Guided 혼합 (calcification 억제 + 조직 결 유지)
    bilateral = cv2.bilateralFilter(img_clahe, d=9, sigmaColor=50, sigmaSpace=50)
    guided = cv2.ximgproc.guidedFilter(guide=bilateral, src=img_clahe, radius=5, eps=1e-2)
    img_smooth = cv2.addWeighted(bilateral, 0.6, guided, 0.4, 0)

    # ③ Unsharp mask (실질 경계 복원)
    blur = cv2.GaussianBlur(img_smooth, (9, 9), 10.0)
    img_sharp = cv2.addWeighted(img_smooth, 1.5, blur, -0.5, 0)

    # ④ Soft quantization (세밀 명암 단계 유지)
    img_norm = cv2.normalize(img_sharp, None, 0, 255, cv2.NORM_MINMAX).astype(np.uint8)
    tone_bins = np.linspace(0, 255, tone_levels).astype(np.uint8)
    quantized = np.zeros_like(img_norm)
    for i in range(1, len(tone_bins)):
        mask = (img_norm >= tone_bins[i - 1]) & (img_norm < tone_bins[i])
        quantized[mask] = int((tone_bins[i] + tone_bins[i - 1]) / 2)

    # ⑤ 약한 Gaussian smoothing으로 tone blending
    blended = cv2.GaussianBlur(quantized, (3, 3), sigmaX=0.5)

    cv2.imwrite(output_path, blended)
    print(f"[INFO] Texture-preserving preprocessed image saved: {output_path}")
    return output_path


def vectorize_autotrace(input_path: str, output_svg: str):
    print("[INFO] Vectorizing via PyAutoTrace...")
    img = Image.open(input_path).convert("RGB")
    bmp = Bitmap(np.asarray(img))
    vector = bmp.trace()
    vector.save(output_svg)
    print(f"[INFO] SVG 파일 생성 완료: {output_svg}")


def mammogram_svg_pipeline(input_png: str, output_svg: str, tone_levels=20):
    temp_file = "temp_texture.png"
    preprocessed = preprocess_texture_preserve(input_png, temp_file, tone_levels)
    vectorize_autotrace(preprocessed, output_svg)

    import os
    if os.path.exists(temp_file):
        os.remove(temp_file)
    print([DONE] Texture-preserving SVG 변환 완료.")


if __name__ == "__main__":
    mammogram_svg_pipeline("mammo_input.png", "mammo_texture_preserve.svg", tone_levels=24)