티스토리

\\Memo

검색하기

블로그 홈

\\Memo

cord-ai.tistory.com/m

끄적이는 메모장

구독자: 1

방명록 방문하기

주요 글 목록

CH10 OpenCV-Python Optical flow 옵티컬플로우(Optical flow)란?- 광학 흐름 - 연속하는 두 프레임(영상)에서 카메라 or 객체의 움직임에 의해 나타나는 객체의 이동 정보 패턴 == Structure from Motion, Video Compression, Video Stabilization(손떨림 방지), etc 두 가지 사실을 가정 1. 연속된 프레임 사이에서 움직이는 물체의 픽셀 강도(intensity)는 변함이 없다. 2. 이웃하는 픽셀은 비슷한 움직임을 갖는다. 옵티컬플로우(Optical flow) 계산 함수 * 루카스-카나데 알고리즘(Lucas-Kanade algorithm) = 주로 Sparse(희소한) points에 대한 이동 벡터 계산 ==> 특정 픽셀에서 optical flow 벡터 계산 이웃하는 픽셀은 비슷.. 공감수 0 댓글수 0 2021. 12. 25.
CH10 OpenCV-Python 추적(Mean Shift, Cam Shift) 추적(Tracking) 평균이동(Mean Shift) 알고리즘이란? - 데이터 분석 기법 중 하나 - 데이터가 밀집되있는 분포를 찾는 것 == 모드검출(mode seeking)이라고 불리기도 함 # 특정 색 추적 # 비디오 파일 열기 cap = cv2.VideoCapture('ch10\\videos\\camshift.avi') if not cap.isOpened(): print('Video open failed!') sys.exit() ret, frame = cap.read() # roi = cv2.selectROI('orange', frame) (x, y, w, h) = cv2.selectROI('orange', frame) # print(roi) x, y, w, h rc = (x, y, w, h) i.. 공감수 0 댓글수 0 2021. 12. 25.
CH10 OpenCV-Python 배경차분(MOG) MOG(Mixture of Gauusian)란? - 각 픽셀에 대해 MOG 확률 모델을 설정하여 배경과 전경을 구분 - 하나의 데이터 분석 기법 영상의 각 Pixel 값을 배경영상을 등록시켜놓고 배경영상과 같냐 다르냐를 판단 = 현재 프레임에 그 객체가 새로 나타난거냐 아니냐를 판단 - 미리 정해둔 배경 영상의 Pixel 값은 이 위치에서 Pixel 값은 100이였다 정의하는 것이 아니라 100 금방에 어떤 Gaussian을 따르고 있다고 정의 ==> Gaussian 분포를 하나만 쓰는 것이 아니라 여러개 사용해서 어떤 위치의 특정 Pixel, 배경 Pixel값이 어느 Gaussian분포를 따르고 있다라는 모델 형태를 준다. ex) 흔들리는 나무가 있다할 때 나뭇잎은 배경일수도(하늘색) 나뭇잎일 수도(초.. 공감수 1 댓글수 1 2021. 12. 25.
CH10 OpenCV-Python 객체 추적(이동 평균 배경) Mean shift 정적 배경 모델 사용 시 문제점 * 미리 등록된 기준 영상이 실제 배경과 크게 달라질 경우 오동작 - 도로에 차는 잠깐 있다가 없어짐 ==> 평균을 구한 영상과 현재 Frame의 차영상을 계산하면 현재 Frame에 있는 새로운 차들만 검출가능 == 이런 수백장의 영상을 저장한다는게 시스템쪽으로 무리가 생김(= 대용량 메모리가 필요) So, 이동평균 사용 이동 평균(Moving Average) = WeightSum - 수백 장의 영상을 저장하는 대신 매 프레임이 들어올 때마다 평균 영상을 갱신 - 갱신된 배경영상 = int가 아니라 미세하게 업데이트 되야하기 때문에 float 가중치 ∝ = 0 -> 현재프레임=0, 이전 배경영상을 계속 쓰니 의미가 없다(업데이트가 안됨) ∝ = 1 -> 현재프레임을 계속 .. 공감수 0 댓글수 0 2021. 12. 25.
CH10 OpenCV-Python 객체 추적(배경차분) 배경차분(Background Subtraction: BS) == 정적배경(Static Background) 등록된 배경 모델과 현재 입력 프레임과의 차영상을 이용하여 전경 객체를 검출 움직이는 전경 객체 검출을 위한 기본적인 방법 Back Image(정적배경)을 등록하고 새로 들어온 Frame과 차영상을 통해서 새로운 객체 검출 Threshold를 사용해서 이진화 => 흰색 객체를 레이블링 기법(connect..stats)을 사용해서 크기와 위치를 판단 그리고 그 위치에서 boundingRect그려주면 간단한 침입자 감지 프로그램 만들 수 있다. But 이와같은 방법은 좋지 않다 why? 영상에서 새로운 객체를 계속 따라가지만 멈추었을 때도 계속 추적 1. 조명의 변화에 민감 2. 차가 새로 들어오고 멈.. 공감수 1 댓글수 2 2021. 12. 25.
CH09 OpenCV-Python 스티칭 Stitching(PANORAMA) 이미지 스티칭(Image Stitching)이란? • 동일 장면의 사진을 자연스럽게(seamless) 붙여서 한 장의 사진으로 만드는 기술 • 사진 이어 붙이기, 파노라마 영상(Panorama image) - 기본적으로 SULF or ORB를 사용 But 단순히 이어붙이기만하면 밝기가 급격하게 바뀌는 부자연스러운 부분이 생긴다 ==> 밝기를 smooth하게 변화시키는 blending이 내부에서 적용됨 images = ['img1.jpg', 'img2.jpg', 'img3.jpg'] imgs= [] for name in images: img = cv2.imread(f'ch09\\images\\{name}') if img is None: print('Images load failed') sys.exit() .. 공감수 1 댓글수 0 2021. 12. 25.
CH09 OpenCV-Python 호모그래피와 영상 매칭 호모그래피(Homography)란? • 두 평면 사이의 투시 변환(Perspective transform) • 8DOF : 최소 4개의 대응점 좌표가 필요 왜 호모그래피? Perspective Transform(투시 변환): 4개의 쌍(8 DOF)만 있으면 되는데 내가 줄수 있는 수식은 8개(DOF) 보다 더 많을 때 ==> 연결관계가 4개 이상 나오고 그 중에서 잘못된 매칭이 있을 수 있다라는 가정 ==> 이런 조건에서 Perspective 계산 어떻게? == 호모그래피 사용 src1 = cv2.imread('ch09\\images\\box.png', cv2.IMREAD_GRAYSCALE) src2 = cv2.imread('ch09\\images\\box_in_scene.png', cv2.IMREAD_.. 공감수 0 댓글수 0 2021. 12. 25.
CH09 OpenCV-Python 특징점 매칭(feature point matching) 특징점 매칭 (feature point matching) • 두 영상에서 추출한 특징점 기술자를 비교하여 서로 유사한 기술자를 찾는 작업 특징 벡터 유사도 측정 방법 • 실수 특징 벡터: L2 노름(L2 norm) 사용 • 이진 특징 벡터: 해밍 거리(hamming distance) 사용 OpenCV 특징점 매칭 클래스 • BF: Brute-force (전수 조사) == 각 특징점 하나씩 다 매칭해보면서 가장 distance가 작은 것을 골라낸다 • Flann: Fast Library for Approximate Nearest Neighbor (K-D Tree 사용) == 너무 특징점이 많을 때 사용 ==> 완전히 최소값 매칭이 어려워(속도는 빠름) but 특징점이 몇천개 정도면 별차이 없음 ==> 영상.. 공감수 0 댓글수 0 2021. 12. 25.
CH09 OpenCV-Python SIFT, KAZE, AKAZE, ORB.. Harris, GFTT, FAST 코너의 문제점 • 이동, 회전 변환에 강인 • 크기 변환에 취약 작은 사각형 가지고 Corner를 찾을려하니 그림2처럼 Edge처럼 보임 그래서 사각형을 키우거나 Image를 resize하는 다양항 크기의 형태도 고려해야함 • 특징점(feature point) ≈ 키포인트(keypoint) ≈ 관심점(interest point) = 다양한 크기의 형태를 고려한 점들 • 기술자(descriptor) ≈ 특징 벡터(feature vector) = 특징점 주변에 부분영상을 잘라서 그 특징점에 대한 특징을 기술하는 방법 크기 불변 특징점 검출 방법 SIFT, KAZE, AKAZE, ORB 등 다양한 특징점 검출 방법에서 스케일 스페이스(scale-space), 이미지 피라미드(.. 공감수 0 댓글수 0 2021. 12. 25.
CH09 OpenCV-Python 특징점 검출(Corner) 코너(Corner)의 특징 • 평탄한 영역(flat) & 에지(edge) 영역은 고유한 위치를 찾기 어려움 • 코너(corner)는 변별력이 높은 편이며, 영상의 이동, 회전 변환에 강인함 == Template Matching 보완 다양한 코너 검출 방법 해리스 (Harris) • 영상 내부 작은 영역이 모든 방향에 대해 변화가 큰 경우 코너로 규정 • 코너 응답 함수 R을 반환 => R(x,y)가 충분히 크면 코너로 구분 • cv2.cornerHarris() 함수 사용 = 실수형태의 행렬을 반환 • corner가 중첩 or 금방에 존재할 때 어려움==> goodFeaturesToTrack() 추적하기 좋은 특징 (Good Features to Track) • 해리스 코너 검출 방법을 기반으로 향상된 방.. 공감수 0 댓글수 0 2021. 12. 25.
CH08 OpenCV-Python HOG 보행자 검출 HOG(Histogram of Oriented Gradients)란? • 영상의 지역적 그래디언트 방향 정보를 특징 벡터로 사용 • 2005년 CVPR 학회에서 보행자 검출 방법으로 소개되어 널리 사용되기 시작함 • 이후 다양한 객체 인식에서 활용됨 HOG는 edge 정보를 이용하고, Haar, LBP는 영역과 영역의 밝기차를 이용 HOG 알고리즘 1. 부분영상 추출 2. 크기 정규화 3. Gradient 계산(방향과 크기를 알 수 있다) 4. 8*8 크기의 셀(cell)분할(한 cell당) 5. 방향 히스토그램의 bin 개수 = 9 ==> 360도를 9개 구간으로 나눴다 [블록 히스토그램 구하기] • 8x8 셀 4개를 하나의 블록을 지정 → 즉, 블록 하나의 크기는16x16 → 8픽셀 단위로 이동: s.. 공감수 0 댓글수 0 2021. 12. 24.
CH08 OpenCV-Python 캐스케이드(Cascade) Viola - Jones 얼굴 검출기 Positive 영상(얼굴 영상)과 negative 영상(얼굴 아닌 영상)을 훈련하여 빠르고 정확하게 얼굴 영역을 검출 • 기존 방법과의 차별점 ▪ 유사 하르(Haar-like) 특징을 사용 ▪ AdaBoost에 기반한 강한 분류 성능 == 간단한 형태의 분류기를 여러개 만들어서 강력한 분류기를 만드는 것 ▪ 캐스케이드(cascade) 방식을 통한 빠른 동작 속도 • 기존 얼굴 검출 방법보다 약 15배 빠르게 동작 유사 하르 특징(Haar-like features) • 사각형 형태의 필터 집합을 사용 • 흰색 사각형 영역 픽셀 값의 합에서 검정색 사각형 영역 픽셀 값을 뺀 결과 값을 추출 • 24x24 부분 영상에서 얼굴 판별에 유용한 유사 하르 특징을 선별 캐스케이.. 공감수 0 댓글수 0 2021. 12. 24.
CH08 OpenCV-Python 템플릿 매칭(Template matching) 템플릿 매칭(Template matching)이란? - Classification • 입력 영상에서 (작은 크기의) 템플릿 영상과 일치하는 부분을 찾는 기법 • 템플릿: 찾을 대상이 되는 작은 영상. 패치(patch) 기본적으로 같은 위치의 픽셀끼리 곱하고 다 더해서 유사도를 판단 ==> 회전, 크기변환이 클 때는 찾기 어려움 ==> Key point활용(= Local feature matching) 유사도 => 최댓값(비슷한 부분이 밝게) 비유사도 => 최솟값(비슷한 부분이 어둡게) ==> 거리를 나타낸다 OpenCV filter VS Template filter OpenCV filtering은 영상 이미지의 가상의 픽셀(padding)이 있다는 가정하에 filter를 돌린다 == 동일한 크기를 얻을 .. 공감수 0 댓글수 0 2021. 12. 24.
CH08 OpenCV-Python Moment 기반 객체 검출 모멘트(Moments)란? • 영상의 형태를 표현하는 일련의 실수값 • 특정 함수 집합과의 상관 관계(correlation) 형태로 계산 객체 위치가 바뀌어도 동일한 값의 특징 벡터를 추출 - Geometric moments 성능이 안 좋아 ==> Legendre moments, Zernike moments, ART(Angular Radial Transform)이 성능이 좋다 Hu의 7개 불변 모멘트(Hu's seven invariant moments) • 3차 이하의 정규화된 중심 모멘트를 조합하여 만든 7개의 모멘트 값 • 영상의 크기, 회전, 이동, 대칭 변환(Affine Transform)에 불변 객체와 객체 비교할 때(모양) 원하는 객체 검출 가능 # obj = spade만 골라내는 것이 목적 .. 공감수 0 댓글수 0 2021. 12. 24.
CH08 OpenCV-Python 영상 분할 그랩컷(GrabCut) 그랩컷(GrabCut)이란? • 그래프 컷(graph cut) 기반 영역 분할 알고리즘 • 영상의 픽셀을 그래프 정점으로 간주하고, 픽셀들을 두 개의 그룹으로 나누는 최적의 컷(Max Flow Minimum Cut)을 찾는 방식 그랩컷 영상 분할 동작 방식 • 사각형 지정 자동 분할 • 사용자가 지정한 전경/배경 정보를 활용하여 영상 분할 영상자체를 두 개의 그룹으로 나누고 픽셀과 픽셀 사이의 관계를 어떻게 정의를 해서 최적의 컷을 만들어 낼 것이냐 전경은 시야에서 중요한 대상 배경은 그 나머지 부분으로 중요성이 덜한 대상 # 입력 영상 불러오기 src = cv2.imread('ch08\\images\\nemo.jpg') if src is None: print('Image load failed!') sy.. 공감수 0 댓글수 0 2021. 12. 24.
CH07 OpenCV-Python 객체 단위 분석(Labeling) ▪ 객체 단위 분석 • (흰색) 객체를 분할하여 특징을 분석 • 객체 위치 및 크기 정보, ROI 추출, 모양 분석 등 ▪ 레이블링(Connected Component Labeling) • 서로 연결되어 있는 객체 픽셀에 고유한 번호를 지정 (레이블맵) • 영역 기반 모양 분석 • 레이블맵, 바운딩 박스, 픽셀 개수, 무게 중심 좌표를 반환 ▪ 외곽선 검출(Contour Tracing) • 각 객체의 외곽선 좌표를 모두 검출 • 외곽선 기반 모양 분석 • 다양한 외곽선 처리 함수에서 활용 가능 (근사화, 컨벡스헐 등) ▪ 레이블링(Connected Component Labeling) cv2.connectedComponents(image, labels=None, connectivity=None, ltype.. 공감수 1 댓글수 0 2021. 12. 24.
CH07 OpenCV-Python 이진화(Binarization) 영상의 이진화(Binarization)란? • 영상의 픽셀 값을 0 또는 255(1)로 만드는 연산 ▪ 배경(background) vs. 객체(object) ▪ 관심 영역 vs. 비관심 영역 * GrayScale 영상의 이진화 # 검은 객체 찾기 ''' OpenCV에선 '흰색이 객체다' 라고 정의 ''' src = cv2.imread('ch07\\images\\cells.png', cv2.IMREAD_GRAYSCALE) if src is None: print('Image load failed!') sys.exit() def onChange(pos): # cv2.THRESH_BINARY_INV = 검은 객체 흰색으로 ret, dst = cv2.threshold(src, pos, 255, cv2.THRESH.. 공감수 0 댓글수 0 2021. 12. 24.
CH06 Opencv-Python Hough Transform(직선, 원) 허프 변환(Hough transform) 직선 검출이란? • 2차원 영상 좌표에서의 직선의 방정식을 파라미터(parameter) 공간으로 변환하여 직선을 찾는 알고리즘 결국에는 y= a'x+b'에서의 한 점은 b= -xa+y에서의 한점을 지나는데 이 점은 y= a'x+b'에 들어가는 파라미터 값 구체적으로 보자면 축적배열(accumulation array) - 직선 성분과 관련된 원소 값을 1씩 증가시키는 배열 직선의 방정식 y = ax + b 를 사용할 때의 문제점 - y 축과 평행한 수직선을 표현하지 못함 ==> 극좌표계 직선의 방정식을 사용(Hough Transform) why? a = 0 이면 수평선은 만들 수 있지만 수직선은 a가 무한대로 가야하기때문 표현 불가능 cv2.HoughLinesP(i.. 공감수 0 댓글수 0 2021. 12. 19.
CH06 Opencv-Python 영상의 특징추출(Gradient) edge검출(detection)과 미분 에지(edge) • 영상에서 픽셀의 밝기 값이 급격하게 변하는 부분 • 일반적으로 배경과 객체, 또는 객체와 객체의 경계 1. Step Function= 보통 사용하지 않음 2. 서서히 바뀌는 형태(일반적으로 pixel를 서서히 바뀜) 3. Noise가 껴있는 상태 4. Gaussian(blur를 통해서 미분을 진행) 미분(derivative) 미분이란? 미세한 부분에서 어떤 변화가 얼마만큼 발생하고있는지 판단하는 기법(= 순간변화률) ==> 변화가 얼마만큼 나타내는 척도 - 그림1. 작아지거나 커지는 부분을 미분 - 값이 급격하게 변하는 부분을 미분(= 해당 부분의 Edge를 검출하기위해서) *영상에서는 pixel 값이 연속함수가 아니기 때문에 그림3 처럼 나오게.. 공감수 0 댓글수 0 2021. 12. 19.
CH05 Opencv-Python 기하학적(Geometry) 변환 영상의 기하학적 변환(geometric transformation)이란? • 영상을 구성하는 픽셀의 배치 구조를 변경함으로써 전체 영상의 모양을 바꾸는 작업 • Image registration, removal of geometric distortion, etc 이동 변환(Translation transformation) • 가로 또는 세로 방향으로 영상을 특정 크기만큼 이동시키는 변환 • x축과 y축 방향으로의 이동 변위를 지정 영상의 전단 변환(Shear transformation) - 층 밀림 변환. x축과 y축 방향에 대해 따로 정의 cv2.warpAffine(src, M, dsize, dst=None, flags=None, borderMode=None, borderValue=None) -> ds.. 공감수 0 댓글수 0 2021. 12. 18.
CH04 Opencv-Python Cartoon_filter def cartoon_filter(frame): # 축소한 이미지에서 blur 진행시 단순화가 더 효과적으로 나타남 (h, w) = frame.shape[:2] frame2 = cv2.resize(frame, (w//2, h//2)) # 영상에선 가로 * 세로 # resize안하고 그대로 진행하면 좀 느림? resize 진행하고 적용 blr = cv2.bilateralFilter(frame2, -1, 10, 5) # 내부에서 grayscale변환함 # cv2.Canny로만 사용하면 edge가 흰색(255)가되고 배경이 검정(0) # so, 255 - cv2.Canny() : 반전 됨 # 가장자리 검출 cv2.Canny() edge = 255 - cv2.Canny(frame2, 60, 150) # cv2... 공감수 0 댓글수 0 2021. 12. 18.
CH04 Opencv-Python 필터링(filtering) - Median, bilateral 잡읍제거 영상의 잡음 제거 영상의 잡음? - 영상의 픽셀 값에 추가되는 원치 않는 형태의 신호 잡음(noise)종류 • 가우시안 잡음 (Gaussian noise) • 소금&후추 잡음, 솔트 패퍼 (Salt&Pepper) Median Filter • 주변 픽셀들의 값들을 정렬하여 그 중앙값(median)으로 픽셀 값을 대체 • 소금-후추 잡음 제거에 효과적 • Quailty가 좋지 않아서 잘 안쓰임 # 이미지에 노이즈 추가 함수 def noisy(noisy_type, image): if noisy_type == 'speckle': row,col,ch = image.shape gauss = np.random.randn(row,col,ch) gauss = gauss.reshape(row,col,ch) noisy = .. 공감수 0 댓글수 0 2021. 12. 18.
CH04 Opencv-Python 필터링(filtering) - blurring, Sharpening 영상의 필터링(image filtering) 영상에서 필요한 정보만 통과시키고 원치 않는 정보는 걸러내는 작업 1. 주파수 공간에서의 필터링(수학적 이론이 필요함) *저주파 = 부드러운 성분 *고주파 = 픽셀 값이 급격하게 바뀌는 성분 2. 공간의 필터링(Correlation, Deep Learning ==> Conv) *영상의 픽셀 값을 직접 이용하는 필터링 방법 *대상 좌표의 픽셀 값과 주변 픽셀 값을 동시에 사용 = 주로 마스크(mask) 연산을 이용함 (마스크 = 커널(kernel) = 윈도우(window) = 템플릿(template)) 다양한 모양과 크기의 마스크 마스크의 형태와 값에 따라 필터의 역할이 결정됨 • 영상 부드럽게 만들기(Mean filter, GaussianBlur) • 영상 날.. 공감수 0 댓글수 0 2021. 12. 18.
CH03 Opencv-Python Chroma_key Chroma_Key 합성 - 녹색 또는 파란색 배경에서 촬영한 영상에 다른 배경 영상을 합성하는 기술 import cv2 import sys import matplotlib.pyplot as plt # 녹색 배경 영상(여성만 추출) cap1 = cv2.VideoCapture('ch03\\video\\woman.mp4') # 예외처리 if not cap1.isOpened(): print('video open failed') sys.exit() # 비오는 배경 영상 cap2 = cv2.VideoCapture('ch03\\video\\raining.mp4') # 두 영상 크기, FPS 같다고 가정 frame_cnt1 = round(cap1.get(cv2.CAP_PROP_FRAME_COUNT)) frame_cn.. 공감수 0 댓글수 0 2021. 12. 18.
CH03 Opencv-Python Histogram backprojection 히스토그램 역투영(Histogram backprojection) * 영상의 각 픽셀이 주어진 히스토그램 모델에 얼마나 일치하는지를 검사하는 방법 * 임의의 색상 영역을 검출할 때 효과적 * 확률론적 의미를 가지고 있음(역투영 이미지) cv2.calcBackProject(images, channels, hist, ranges, scale, dst=None) -> dst import cv2 import sys import matplotlib.pyplot as plt src = cv2.imread('ch03\\images\\cropland.png') if src is None: print('Image load failed') sys.exit() # ROI 창 생성(드래그 할 수 있음) / spacebar 누르.. 공감수 0 댓글수 0 2021. 12. 18.
CH03 Opencv-Python Histogram, Contrast Histogram - 영상의 픽셀 값 분포(= 픽셀의 개수 Counting) 예를 들어 그레이스케일 영상에서 각 그레이스케일 값에 해당하는 픽셀의 개수를 구하고, 이를 막대 그래프의 형태로 표현 Histogram normalized(영상의 자동 명암비 조절) Histogram Stretching 영상의 히스토그램이 그레이스케일 전 구간에서 걸쳐 나타나도록 변경하는 선형 변환 기법 - 단순히 픽셀 개수를 GrayScale 값이 몇개 있다 counting하게 되면 이 영상이 작은 영상일 때와 큰 영상일때의 값을 비교하기가 애매(size를 normalized 할때도 있음) 각 픽셀의 개수를 영상 전체 픽셀 개수로 나누어준 것 해당 그레이스케일 값을 갖는 픽셀이 나타날 확률 영상과 히스토그램의 관계 cv2.ca.. 공감수 0 댓글수 0 2021. 12. 18.
CH03 Opencv-Python 영상 처리 기법(화소, 연산) 영상의 화소 처리 기법 화소 처리(Point processing) 입력 영상의 특정 좌표 픽셀 값을 변경하여 출력 영상의 해당 좌표 픽셀 값으로 설정하는 연산 f1 : 항등함수(반전) f2 : 영상의 밝기 조절(픽셀값 조절) f3 : 0 or 255 이진영상으로 변환 영상의 밝기 조절 cv2.add(src1, src2, dst=None, mask=None, dtype=None) -> dst ''' src1: (입력) 첫 번째 영상 또는 스칼라 src2: (입력) 두 번째 영상 또는 스칼라 dst: (출력) 덧셈 연산의 결과 영상 mask: 마스크 영상, 픽셀값이 0이 아닌 부분에 대해서만 덧셈 연산이 된다 dtype: 출력 영상(dst)의 타입. (e.g.) cv2.CV_8U, cv2.CV_32F 등 '.. 공감수 0 댓글수 0 2021. 12. 18.
CH02 OpenCV-Python 기초(도형그리기) import numpy as np import cv2 img = np.full((400, 400, 3), 255, np.uint8) cv2.line(img, (50, 50), (200, 50), (0, 0, 255), 5) cv2.line(img, (50, 60), (150, 160), (0, 0, 128)) ## ( x, y, w, h) = x, y 꼭지점으로부터 (x+w), (y+h) cv2.rectangle(img, (50, 200, 150, 100), (0, 255, 0), 2) cv2.rectangle(img, (70, 220), (180, 280), (0, 128, 0), -1) cv2.circle(img, (300, 100), 30, (255, 255, 0), -1, cv2.LINE_AA) .. 공감수 0 댓글수 0 2021. 12. 18.
CH02 OpenCV-Python 기초(imread, mask,ROI) OpenCV는 영상 데이터를 numpy.ndarray로 표현 img1 = cv2.imread('cat.bmp', cv2.IMREAD_GRAYSCALE) img2 = cv2.imread('cat.bmp', cv2.IMREAD_COLOR) img1, img2 = np.ndarray ndim: 차원 수. len(img.shape)과 같음. shape: 각 차원의 크기. (h, w)= gray 또는 (h, w, 3) = color size: 전체 원소 개수 dtype: 원소의 데이터 타입. 영상 데이터는 uint8. 그레이스케일 영상: cv2.CV_8UC1 → numpy.uint8, shape = (h, w) 컬러 영상: cv2.CV_8UC3 → numpy.uint8, shape = (h, w, 3) 영상생성 .. 공감수 0 댓글수 0 2021. 12. 18.
CH01 OpenCV-Python(Image? OpenCV?) 영상(image)이란? • 픽셀(pixel)이 바둑판 모양의 격자에 나열되어 있는 형태 (2차원 행렬) • 픽셀: 영상의 기본 단위, picture element, 화소(畵素) 그레이스케일(grayscale) 영상( 1byte ) • 흑백 사진처럼 색상 정보가 없이 오직 밝기 정보만으로 구성된 영상 • 밝기 정보를 256 단계로 표현 • Pixel 프로그래밍 값(표현방법) = np.uint8 - 총 256개의 구간으로 밝기를 나누고 해당 밝기에 매칭 되는 구간의 정보를 데이터로 저장하는것을 "양자화" 라고 부른다. Y = 0.299R + 0.587G + 0.114B RGB 영상을 GrayScale로 변환?? 장점: 저장용량 ↓, 처리속도↑ 단점: 색상정보 상실 so, Color 정보가 중요할 때는 진행 .. 공감수 0 댓글수 0 2021. 12. 18.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.