기본 콘텐츠로 건너뛰기

5월, 2019의 게시물 표시

Cubase :Serum 사용법(2) : Serum을 샘플러로 활용하기

큐베이스 가상악기 Serum 사용법(2) Serum을 샘플러로 활용하기 먼저, 샘플러란? 샘플러는 표본화된  샘플을 임의로 재생 출력할 수 있는 장치 를 말합니다.  여기서 표본화된 샘플은 기존 음원의 구간을 자르고 편집해서 만들거나, 일상에서 들을수있는 소리, 실제 악기 소리등을 녹음한 것을 말합니다. 샘플러는 각 건반에 서로 다른 샘플을 등록하는 방식으로 사용할 수 있고 또 하나의 샘플을 건반에 따라 피치를 변경해서 재생 시킬수도 있습니다. Serum을 통해 후자의 기능을 구현해보도록 해봅시다!. 1. 샘플 오디오 트랙 만들기 샘플을 녹음하거나 오디오 음원 파일을 잘라서 사용해도 된다. 그러나 여기서는 샘플을 녹음해서 사용하겠다. 먼저, Cubase를 열어서 빈 프로젝트를 생성하고 오디오 트랙을 모노로 추가해주자. (모노로 만드는 이유는 내가 사용하는 마이크 채널이 모노이기 때문이다.) Audio Track을 Mono로 추가. 이제 녹음을 해보자. 마이크를 통해 녹음된 트랙. 샘플 오디오 트랙에서 잡음이 들어간부분을 깔끔히 잘라내고 양끝에 fade-in, fade-out을 넣어서 자연스럽게 트랙이 재생될 수 있게 한다. 잡음을 제거하고 양끝에 Fade-in, Fade-out을 넣음. 샘플러를 이용해 피치를 조절할때 피치가 알맞게 조정되려면 샘플 오디오 트랙의 피치를 우선 C3에 맞춰야한다. 여기서 오디오 트랙을 더블클릭해서 Audio Editor 로 오픈한다. 오픈한 Audio Editor에서 VariAudio 탭의 Pitch & Warp의 화살표를 클릭하면 드래그를 통해 피치를 조정할 수 있다. Audio Editor의 Pitch&Warp를 활성화 시킨화면. Drag를 통해 모든 pitch를 C3로 맞춘 화면. 이제 완성된 샘플을 WAV 파일로 추출해서 Serum 노이즈 경로에 넣어줘야 합니다. Serum의 노이즈 샘플 폴더 밑에 원하는 이름으로 폴더를

Cubase : Serum 사용법(1) : 소개와 오실레이터, 필터, 모듈레이터의 사용법

큐베이스 가상악기 Serum 사용법(1) Serum 소개와 오실레이터, 필터, 모듈레이터의 사용법 1. Serum 이란? 큐베이스에서 사용가능한 가상악기 VST 플러그인 형태로 나온 Software Synthesizer 이다. 사운드의 시각화가 잘 되어있는게 특징이며, 웨이브테이블을 통해 다체로운 사운드를 만들 수 있는게 특징이다. Serum 사용 화면. 2. Serum 의 구조 소프트웨어 신디사이저는 구조는 다음과 같고 Serum도 이러한 구조로 이루어져있다. 신디사이저의 구조 여기에서 각 모듈들이 하는 역활은 다음과 같다. 오실레이터 (Oscillator) : 소리를 발진 시킨다. 필터 (Filter) : 오실레이터로부터 받은 소리를 필터링 한다. 엠프 (Amp) : 필터를 거쳐온 소리를 증폭시켜서 최종적으로 출력한다. 모듈레이터 (Modulator) : 각 모듈(오실레이터, 필터, 엠프)에 ENV, LFO 신호를 줘서 변형을 준다. ENV (Envelope Generator) : ADSR의 패턴을 가지고 신디사이저의 모듈들을 컨트롤 할 수 있는 Envelope를 생성한다. 보통 키보드 게이트의 신호를 통해 작동되어 시간에 따라 변하는 전압(Envelope)을 생성한다. LFO (Low Frequency Oscillator) : 저주파 발진기로. 저주파 패턴을 만들어서 음성을 변조하는대 사용한다. 그리고 Serum에서 각 모듈의 위치는 다음과 같다. Serum의 모듈 위치 3. Serum 각 모듈별 사용법 - 오실레이터(Oscillator) 오실레이터에서 Osc A, B가 활성화 되어있다 오실레이터는 크게 Sub와 Noise, Osc A, Osc B로 이루어져 있다. Sub는 기본파형을 발생시킬수 있으며 Noise는 치지직거리는 배경 잡음을 발생시키고, Osc A와 B는 각각 웨이브테이블을 이용해 다양한 파형의 소리를 발진시킨다. 각 요소

Python : Pillow 라이브러리를 이용한 이미지 슬라이딩

파이썬 Pillow 라이브러리를 이용한 이미지 슬라이딩 Image Sliding using Pillow in Python 1. 소스코드 로딩중... 로드가 안되면 클릭 https://gist.github.com/rkdgusrn1212/99ff767746da9dd949d3865fa12fd4ef 2. 실행결과 - 원본 Lenna 이미지 "Lenna.png" - Gray Scale Lenna 이미지 "gray_lenna.png" - 위로 슬라이딩된 이미지 "sliding_up_lenna.png" - 아래로 슬라이딩된 이미지 "sliding_down_lenna.png" - 히스토그램

Python : Pillow 라이브러리를 이용한 이미지 반전

파이썬 Pillow 라이브러리를 이용한 이미지 반전 Image Reversion using Pillow in Python 1. 소스코드 로딩중... 로드가 안되면 클릭 https://gist.github.com/rkdgusrn1212/9e678f6d623a8bb76c9f006309652f73 2. 실행결과 - 원본 Lenna 이미지 "Lenna.png" - Gray Scale로 변환된 "gray_lenna.png" - "gray_lenna.png"를 반전처리한 "reversion_lenna.png"

Python : Pillow를 이용한 이미지 감마보정

파이썬 Pillow를 이용한 이미지 감마보정 Image Gamma Correction using Pillow in Python 1. 소스코드 로딩중... 로드가 안되면 클릭 https://gist.github.com/rkdgusrn1212/5eb95c0c019e280f07269967017c4f38 2. 실행결과 - 원본 Lenna 이미지 "Lenna.png" - Gray scale의 Lenna 이미지 "lenna_gray.png" - "lenna_gray.png" 를 감마 0.88로 보정한 "gamma_088.png" - "lenna_gray.png" 를 감마 1.15로 보정한 "gamma_115.png" - 히스토그램

Python :영상처리(2) : 이미지 스트레칭

파이썬 영상처리(2) : 이미지 스트레칭 구현 Image Stretching in Python Without Using Libraries 이미지 스트레칭이란? 이미지 스트레칭은 영상처리에서. 이미지에서 픽셀의 최소값과 최대값을 구하고 (픽셀값-최소값)*255/(최대값-최소값) 으로 각 픽셀값을 변경해서 이미지의 명도 대비를 올려주는 기술 입니다. 결과 이미지는 명도 최저값0과 최대값 255을 가지게 되고 이미지 히스토그램이 좌우로 가로축에 맞게 늘어나게 됩니다. 1. 소스코드 로딩중... 로드가 안되면 클릭 https://gist.github.com/rkdgusrn1212/e9b7032a336036f3b0dd997a4fd2eae2 2. 실행결과 - 결과 이미지 그레이 스케일된 흑백 레나 이미지(좌)와 스트레칭된 이미지(우). 왼쪽의 이미지는 스트레칭되기 전인 흑백 레나 이미지이다. 그리고 오른쪽의 이미지는 스트레칭된 레나 이미지이다. 보다시피 이미지의 명도 대비가 좋아졌다. - 히스토그램 흑백 레나와 스트레칭된 레나의 히스토그램. 히스토그램을 보면 스트레칭된 레나 이미지의 히스토그램(stretch hist)이 흑백 레나 이미지의 히스토그램 (original hist)을 좌우로 0부터 255까지 쭉 늘린 모습을 하고있는것을 볼 수 있다. 유심히 보면 히스토그램 바 간 간격이 조금씩 넓어졌다.

Python : 영상처리(1) : 이미지 이진화

파이썬 영상처리(1) : 이미지 이진화 구현 Image Binarization in Python Without Using Libraries 이미지 이진화란? 주어진 임계값을 기준 으로 픽셀값이 임계값보다 작은 픽셀은 0 으로 임계값보다 큰 픽셀은 1 로 각 픽셀을 이진 데이터로 바꿔저장하여 0은 검은색 1은 하얀색으로 표현하는 방법이다. 1. 소스 코드 로딩중... 로드가 안되면 클릭 https://gist.github.com/rkdgusrn1212/6a8c9c21fd93afb04842c66cbbdb22a5 2. 실행 결과 - Gray Scale 의 흑백 Lenna 이미지 그레이 스케일로 변환된 레나 이미지 흑백 레나이미지로 이미지의 명도와 알파값을 기준으로 그레이 스케일을 결정하였다. 이진화를 시킬 이미지이다. - 이진화된 흑백 Lenna 이미지 이진화된 레나 이미지 이진화를 통해 명도가 절반보다 큰 픽셀은 하얀색 작은픽셀은 검은색으로 바뀌었다. 이미지의 밝고 어두운 부분이 극단적으로 변하였다. 즉, 명도 대비가 극단적으로 올라갔다. - 히스토그램 히스토그램을 보면 임계값인 128 미만인 픽셀들은 전부 0으로가고 128이상인 픽셀들은 전부 1이 되었음을 대략적으로 알 수가 있다.