[(작성중)OpenCV_01.Basic and Tutorial]

Day1. OpenCV입문

00. OpenCV 임포트

import cv2

cv2.__version__    # 버전 확인

'4.1.0'

01. OpenCV 기초 사용법

img = cv2.imread('./data/lenna.bmp')    # 이미지 불러오기
print(type(img), img.shape)             # 이미지의 데이터 타입과, 크기

cv2.namedWindow("image")                # 윈도우 생성
cv2.imshow("image", img)                # 윈도우에 불러온 이미지를 보여줌

# 종료 조건
cv2.waitKey()                           # 아무키나 입력 받으면
cv2.destroyAllWindows()                 # 모든 윈도우를 소멸

<class 'numpy.ndarray'> (512, 512, 3)

Workshop : 영상 파일 저장

’./data/lena.jpg’ 파일을 읽어 들여서 bmp파일 형식의 ‘./out/lena.bmp’로 저장
’./data/lena.jpg’ 파일을 읽어 들여서 png파일 형식의 ‘./out/lena.png’로 저장
’./data/lena.jpg’ 파일을 읽어 들여서 png파일 형식의 ‘./out/lena2.png’로 저장(단, 압축률 90% 적용)
’./data/lena.jpg’ 파일을 읽어 들여서 jpg파일 형식의 ‘./out/lena2.jpg’로 저장(단, 압축률 50% 적용)

Hint

cv2.imread(읽을 파일명, 읽을 모드(ex. 회색 또는 컬러)

cv2.imwrite(저장할 파일명, 이미지데이터)                                        # 압축률 없이 그대로 저장

cv2.imwrite(저장할 파일명, 이미지데이터, [cv2.IMWRITE_PNG_COMPRESSION, 0~9])    # 0~9 압축률로 저장 (png)

cv2.imwrite(저장할 파일명, 이미지데이터, [cv2.IMWRITE_JPEG_QUALIT, 0~100])      # 0~100 압축률로 저장 (jpeg)

# Color mode로 읽기
img = cv2.imread('./data/lenna.bmp')    # 이미지 불러오기

# Grayscale mode로 읽기
# img = cv2.imread('./data/lena.bmp', cv2.IMREAD_GRAYSCALE) # flag : cv2.IMREAD_GRAYSCALE

cv2.imwrite('./out/lena.bmp', img)                                       # 1.
cv2.imwrite('./out/lena.png', img)                                       # 2.
cv2.imwrite('./out/lena2.png', img, [cv2.IMWRITE_PNG_COMPRESSION, 9])    # 3.
cv2.imwrite('./out/lena2.jpg', img, [cv2.IMWRITE_JPEG_QUALITY, 50])      # 4.

True

Workshop L matplotlib 컬러영상 표시

openCV를 이용, ‘./data/lena.jpg’ 파일을 읽어 들인 후 matplotlib.pyplot의 imshow()함수를 사용해 화면에 표시.

결과 확인 : RGB가 반대로 보이는 현상

1번 과정의 문제를 해결하기(내부 함수 이용)

표시된 결과가 원본과 동일한 색조가 되도록 변환 후 화면에 표시

1번 과정 문제를 해결하기(numpy 이용)

numpy ndarray의 색인 문법으로 컬러 채널의 순서를 변경

import matplotlib.pyplot as plt

# 1.
img_path = './data/lena.jpg'
img = cv2.imread(img_path)

print(img.shape)

plt.imshow(img)

(512, 512, 3)

<matplotlib.image.AxesImage at 0x1f6f8683648>

RGB값이 반전되어 표시

이유 : img에는 BGR의 순서로 데이터가 준비되어 있음.
해결방법 1. : openCV의 cvtColor 함수를 사용해서 BGR -> RGB로 변환

  변수 = cv2.cvtColor(바꿀 이미지 변수, cv2.COLOR_BGR2RGB)    # cv2.COLOR_BGR2RGB : BGR 순서로 저장되어 있던 값을 RGB 순서로 바꿈

해결방법 2. : numpy ndarray의 색인문법을 사용하여 컬러 채널의 순서를 변경

  img_rgb2 = img[...,::-1]    # ...은 특정행이나 열을 한꺼번에 가져오는 것(Info by 재희님)

#2
img = cv2.imread(img_path)                        # img에는 BGR 순서로 데이터 저장
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)    # convert 함수에 의해서 데이터 순서를 바꿔줌

print(img_rgb.shape)

plt.imshow(img_rgb)                               # matplotlib는 데이터를 RGB 순서로 읽어들임

(512, 512, 3)

<matplotlib.image.AxesImage at 0x1f6f87290c8>

# 3-1. 값 교환 알고리즘 사용

img = cv2.imread(img_path)    # img에는 BGR 의 순서로 데이터가 준비되어 있음

# TODO
# numpy ndarray의 색인 문법으로 컬러 채널의 순서를 변경

# option 1
change = img[:,:,0].copy()    # b channel -> change
img[:,:,0] = img[:,:,2]       # r channel -> b channel
img[:,:,2] = change           # change -> r channel
plt.imshow(img)

<matplotlib.image.AxesImage at 0x1f6f8799848>

# 3-2. 리스트 특성 활용

img = cv2.imread(img_path)     # img에는 BGR 순서로 데이터 저장

# TODO
# numpy ndarray의 색인 문법으로 컬러 채널의 순서를 변경

# option 2
img3 = img[...,::-1]          #  ...은 특정행이나 열을 한꺼번에 가져오는 것 (by 재희)

plt.imshow(img3)

<matplotlib.image.AxesImage at 0x1f6f97c5048>

# 3-3. Numpy ndarray의 특성 활용 1.

img = cv2.imread(img_path)       # img에는 BGR 순서로 데이터 저장

# TODO
# numpy ndarray의 색인 문법으로 컬러 채널의 순서를 변경

# option 3
img[:,:,[0,2]]=img[:,:,[2,0]]    # 

plt.imshow(img)

<matplotlib.image.AxesImage at 0x1f6f9825c88>

# 3-4. Numpy ndarray의 특성 활용 2.

img = cv2.imread(img_path)         # img에는 BGR 순서로 데이터 저장
print(img.shape)                   # 

# option 4
img_convert = img.copy()
img_convert[:,:,0] = img[:,:,2]    # 
img_convert[:,:,2] = img[:,:,0]
plt.imshow(img_convert)

(512, 512, 3)

<matplotlib.image.AxesImage at 0x1f6f9888708>

# 3-5. Numpy ndarray의 특성 활용 3.

img = cv2.imread(img_path)     # img에는 BGR 순서로 데이터 저장

# option 5
plt.imshow(img[:,:,-1::-1])    # 

<matplotlib.image.AxesImage at 0x1f6f98e4b08>

02. 행렬 연산(Numpy)

import numpy as np

행렬의 생성과 초기화

행렬을 생성하는 방법

np.empty
np.zeros
np.ones
np.full
np.array()

l = [[1, 2, 3, 4],
     [5, 6, 7, 8],
     [9, 10, 11, 12]]    # python list

mat = np.array(l)        # numpy ndarray
mat

array([[ 1,  2,  3,  4],
       [ 5,  6,  7,  8],
       [ 9, 10, 11, 12]])

# 색인(index) : 어떤 지점을 찾아가는 방법
# mat에서 2만 100으로 바꾸고 싶다면
mat[0, 1] = 100
mat

array([[  1, 100,   3,   4],
       [  5,   6,   7,   8],
       [  9,  10,  11,  12]])

# 슬라이싱(slicing) : ~부타 ~까지 부분을 찾아가는 방법
# mat에서 마지막행(9~12) 값 모두를 200으로 바꾸고 싶다면
mat[2, :] = 200
mat

array([[  1, 100,   3,   4],
       [  5,   6,   7,   8],
       [200, 200, 200, 200]])

행렬의 복사

img1 = cv2.imread("./data/cat.bmp")

img2 = img1            # 치환
img3 = img1.copy()     # 복사

img1[:, :] = (0, 255, 255) 

# B=0, G=255, R=255
# green + red = yellow

cv2.imshow("img2", img2)
cv2.imshow("img3", img3)

cv2.waitKey()
cv2.destroyAllWindows()

행렬 원소값 참조

np.arange(12).reshape(3,4)

array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

# mat2에 "mat1의 모든 값에 10씩을 더해서" 넣기

mat1 = np.arange(12).reshape(3,4)
mat2 = np.zeros(mat1.shape, type(mat))
mat2

array([[0, 0, 0, 0],
       [0, 0, 0, 0],
       [0, 0, 0, 0]], dtype=object)

# 파이썬 방식
h, w = mat1.shape # (3, 4)
for j in range(h):
    for i in range(w):
        mat2[j, i] = mat1[j, i] + 10
mat2

array([[10, 11, 12, 13],
       [14, 15, 16, 17],
       [18, 19, 20, 21]])

# 넘파이 방식
mat2 = mat1 + 10 # broadcasting
mat2

array([[10, 11, 12, 13],
       [14, 15, 16, 17],
       [18, 19, 20, 21]])

행렬 연산

mat1 = np.ones((3, 4), np.int32)
mat2 = np.arange(12).reshape(3,4)

mat3 = mat1 + mat2
mat4 = mat2 * 2     # broadcasting

mat3, mat4

(array([[ 1,  2,  3,  4],
        [ 5,  6,  7,  8],
        [ 9, 10, 11, 12]]),
 array([[ 0,  2,  4,  6],
        [ 8, 10, 12, 14],
        [16, 18, 20, 22]]))

Broadcasting

Numpy의 유용한 기능 중 하나
- 원래 프로그램에서 각 행렬의 일괄적인 상수의 연산을 진행하려면 굉장히 복잡
- 브로드캐스팅은 방송처럼 행렬 모든 원소에 동일한 연산을 진행
이 기능이 딥러닝에서 매우 유용하게 쓰임

Workshop : 액자 프레임 만들기

img = plt.imread('./data/psj.png')
plt.imshow(img)

<matplotlib.image.AxesImage at 0x1f6f9955648>

print(type(img), img.shape) # shape에서 채널이 4개가 나온 이유 : R, G, B 외에 alpha 채널이 더 있기 떄문

<class 'numpy.ndarray'> (333, 365, 4)

# 좌상단의 첫번째 픽셀의 R, G, B, alpha
# 255로 나누어 정규화 된 상태
# 0이 최소값, 1이 최대값
img[0, 0] 

array([0.83137256, 0.8509804 , 0.8666667 , 1.        ], dtype=float32)

img[0, 0, 0]   # R channel의 밝기(광도, intensity)값

0.83137256

img[0, 0, 1]   # G channel의 밝기(광도, intensity)값

0.8509804

img[0, 0, 2]   # B channel의 밝기(광도, intensity)값

0.8666667

img = plt.imread('./data/psj.png')

# 좌상단의 첫번째 픽셀을 빨간색으로 변경
img[0, 0, 0] = 1
img[0, 0, 1] = 0
img[0, 0, 2] = 0

plt.imshow(img)   # 한픽셀이 너무 작아서 확인 불가

<matplotlib.image.AxesImage at 0x1f6f9d89348>

# 범위로 슬라이싱

img = plt.imread('./data/psj.png')
img[0:10, 0:10, 0] = 1
img[0:10, 0:10, 1] = 0
img[0:10, 0:10, 2] = 0
plt.imshow(img)

<matplotlib.image.AxesImage at 0x1f6fa1d2748>

img.shape[1]

img = plt.imread('./data/psj.png')

#상단 가로
img[0:10, :] = [1, 1, 0, 1] # R:1, G:1, B:0, alpha:1

#좌측 세로
img[:, 0:10] = [1, 1, 0, 1] # R:1, G:1, B:0, alpha:1

#우측 세로
img[:, img.shape[1]-10:] = [1, 1, 0, 1] # R:1, G:1, B:0, alpha:1

#하단 가로
img[img.shape[0]-10:, :] = [1, 1, 0, 1] # R:1, G:1, B:0, alpha:1

plt.imshow(img)

<matplotlib.image.AxesImage at 0x1f6fa1faa48>

# 반전
img = plt.imread('./data/psj.png')

# option 1
img[:, :, :3] = 1 - img[:, :, :3]

plt.imshow(img)

<matplotlib.image.AxesImage at 0x1f6fa25f308>

# option 2
img = plt.imread('./data/psj.png')
img = np.abs(1 - img[:,:])
img[:,:,3] = 1
plt.imshow(img)

<matplotlib.image.AxesImage at 0x1f6fa2bc108>

# option 3
img = plt.imread('./data/psj.png')
img3 = img.copy()
img3 = abs(img3-1)
img3[:,:,3] = img[:,:,3]
plt.imshow(img3);

03. 동영상 파일 다루기

카메라 입력

# cap = cv2.VideoCapture(device) # 카메라 디바이스, 
# cap = cv2.VideoCapture(file_path) # 동영상 파일
# cap = cv2.VideoCapture(url) # 스트리밍 주소 

cap = cv2.VideoCapture(0)

if not cap.isOpened():
    print("Camera open failed!!")
    sys.exit()

while True:                            # 무한반복에서는 반드시 break문 있어야 함!!

    ret, frame = cap.read()             # frane : 이미지 1장
    
    if not ret:
        print("frame read error")
        break;
        
    cv2.imshow("frame", frame)

    if cv2.waitKey(10) == ord('q'):     # cv2.waitKey(10) : 10ms 를 기다리기, Sleep효과
                              # 27 : ESC Key 
        break;

if cap.isOpened():
    print("cap released")
    cap.release()        
cv2.destroyAllWindows() 

cap released

동영상 파일 : ./data/stopwatch.avi

윈도우에 재생
반전해서도 표시

# cap.get() # 입력영상의 속성들을 알 수 있는 함수

# cv2.CAP_PROP_FRAME_WIDTH
# cv2.CAP_PROP_FRAME_HEIGHT
# cv2.CAP_PROP_FPS

Twitter Facebook LinkedIn

이은호

[(작성중)OpenCV_01.Basic and Tutorial]

Day1. OpenCV입문

00. OpenCV 임포트

01. OpenCV 기초 사용법

02. 행렬 연산(Numpy)

03. 동영상 파일 다루기

공유하기

댓글남기기

참고

[(Programmers 강의) Algorithm with Data Structure 04강 ~ 05강. 재귀 알고리즘(Recursive Algorithms)]

[(Programmers 강의) Algorithm with Data Structure 03강. 정렬과 탐색(Sorting & Searching)]

[(Programmers 강의) Algorithm with Data Structure 02강. 선형 배열(Linear Array)]

[(Programmers 강의) Algorithm with Data Structure 01강. 자료구조와 알고리즘(Data Structure & Algorithm)]