멘토링 과제 (~2021.10.21) 2. 주요한 OpenCV 공부

[hye-jj]

멘토링 과제 2. OpenCV

• 파일 읽고 윈도우로 띄우기 ✓
• 2진화 ✓
• 이동, 회전, 크기변환 ✓
• 넘파이의 부분 배열 빼내기 △
• 객체 탐지 및 컨텍스 헐( = Convex Hull). △

[hye-jj]

1) 파일 읽고 윈도우로 띄우기

이미지 읽기 _ cv2.imread() 함수로 이미지를 읽어 올 수 있습니다.

(출처 : https://bkshin.tistory.com/entry/OpenCV-3-%EC%9D%B4%EB%AF%B8%EC%A7%80-%EC%9E%85%EC%B6%9C%EB%A0%A5)

# 이미지 파일을 화면에 표시(img_show.py)

import cv2

img_file = "../img/yeosu.jpg" # 표시할 이미지 경로 ---①
img = cv2.imread(img_file) # 이미지를 읽어서 img 변수에 할당 ---②

if img is not None:
cv2.imshow('IMG', img) # 읽은 이미지를 화면에 표시 --- ③
cv2.waitKey() # 키가 입력될 때 까지 대기 --- ④
cv2.destroyAllWindows() # 창 모두 닫기 --- ⑤
else:
print('No image file.')

---

cv2.imread(path, flag)

• path: 이미지 파일 경로
• flag: 이미지를 어떻게 읽을지 방식 설정
  • cv2.IMREAD_COLOR(기본값): 색깔 이미지로 불러옵니다. 이때 투명도(alpha값)는 무시합니다.
  • cv2.IMREAD_GRAYSCALE: 이미지를 흑백톤으로 불러옵니다.
  • cv2.IMREAD_UNCHANGED: 투명도(alpha값)를 포함해 이미지를 그대로 불러옵니다.

윈도우창 관리

(출처 : https://bkshin.tistory.com/entry/OpenCV-5-%EC%B0%BD-%EA%B4%80%EB%A6%AC-%EB%B0%8F-%EC%9D%B4%EB%B2%A4%ED%8A%B8-%EC%B2%98%EB%A6%AC)

① cv2.namedWindow(winname, flags)

• winname이라는 이름을 갖는 창을 생성
  • winname: 창 구분자로 활용될 창 이름
  • flags: 창 옵션 (cv2.WINDOW_NORMAL: 사용자가 창 크기를 조정할 수 있음, cv2.WINDOW_AUTOSIZE: 이미지와 동일한 크기로 창 크기를 재조정할 수 없음)

② cv2.moveWindow(winname, x, y)

• 원하는 위치로 창을 옮길 수 있음.
  • winname: 위치를 변경할 창 이름
  • x, y: 변경할 위치 (x, y 좌표)

③ cv2.resizeWindow(winname, width, hegith)

• winname 창의 크기를 (width, height) 크기로 변경

④ cv2.destroyWindow(winname)

• winname에 해당하는 창 닫기.

⑤ cv2.destroyAllwindows()

• 열린 모든 창을 닫기.

+)키보드 이벤트 처리( 윈도우창과 세트)
cv2.waitKey(delay)

• delay 밀리초만큼 프로그램을 멈추고 있다가 키보드의 눌린 키에 대응하는 값을 반환, dalay 시간만큼 키보드 입력이 없다면 -1을 반환
• delay의 default값은 0인데, 이 경우 키보드 입력이 있을 때까지 영원히 대기

+) 마우스 이벤트 처리( 마우스 이벤트가 입력되면 사전에 작성한 함수를 불러와서 작동 )
cv2.setMouseCallback(windowName, onMouse, param=None)

• windowName: 이벤트를 등록할 윈도우 이름
• onMouse: 이벤트 처리를 위해 미리 선언해 놓은 마우스 콜백 함수
  ( 마우스 입력 값에 따라 어떤 동작을 실행할 것인지 미리 지정, onMouse(event, x, y, flags, param) )
  • event: 마우스 이벤트 종류. cv2.EVENT_로 시작하는 상수.
  • x: 마우스 이벤트가 발생한 x 좌표
  • y: 마우스 이벤트가 발생한 y 좌표
  • flags: 마우스 이벤트 발생 시 상태. cv2.EVENT_FLAG_로 시작하는 상수
  • param: cv2.setMouseCallback() 함수에서 설정한 데이터
• param: 콜백 함수에 전달할 데이터

[yibnn]

이미지 읽어서 살펴보기
cv2.imread(file_name, flag)

file_name : 읽고자 하는 이미지 파일
flag : 이미지를 읽는 방법 설정
*IMREAD_COLOR : 이미지를 color로 읽고 투명한 부분 무시

*IMREAD_GRAYSCALE : 이미지를 회색으로 읽기 (Gray Scale)

*IMREAD_UNCHANGED : 이미지를 Color로 읽고 투명한 부분도 읽기(Alpha)

반환 값 : Numpy 객체(행, 열, 색상 : 기본 BGR)
cv2.imshow(title, image)

이미지를 어떤 제목으로 어떤 이미지를 읽어줄지 정해주는 함수
title : 윈도우 창의 제목
image : 출력할 이미지 객체
cv2.mwrite(file_name, image) : 처리가 끝난 이미지를 파일 형태로 저장, 최종적인 이미지를 볼 때 저장할 수 있음

file_name : 저장할 이미지 파일 이름
image : 저장할 이미지 객체
cv2.waitKey(time) : 키보드 입력을 처리하는 함수

time : 입력 대기 시간 (0을 넣으면 어떤 키를 넣을 때 까지 무한대기 함)

사용자가 어떠한 키를 입력 시, 사용자가 입력한 아스키 코드 값이 반환됨 (예 : ECS : 27 로 반환)

cv2.destrowAllWindows() : 화면의 모든 윈도우를 닫는 함수

***** 적어주신 같은 내용 한번 더 정리 했습니다

[hye-jj]

***** 적어주신 같은 내용 한번 더 정리 했습니다

깔끔한 정리 감사합니다!

[hye-jj]

2) 2진화 ( 뼈 흰색 나머지 검정 / 잡음은 나중에 처리) (threshold 어떻게 할지)

임계처리 : 임계처리(thresholding)는 이미지 행렬에서 하나의 픽셀값을 사용자가 지정한 기준값(threshold)를 사용하여 이진화(binarization)하는 가장 단순한 필터

이진화 함수 _ cv2.threshold(), 그레이스케일 이미지에 이진화를 적용할 수 있습니다.

(출처 : https://076923.github.io/posts/Python-opencv-12/)

• 이진화(Binary)는 어느 지점을 기준으로 값이 높거나 낮은 픽셀의 값을 대상으로 특정 연산을 수행할 때 사용
• 일반적으로 값이 높거나 낮은 픽셀을 검은색 또는 흰색의 값으로 변경
• 기준값에 따라 이분법적으로 구분해 픽셀을 참 또는 거짓으로 나누는 연산

[Main Code]

import cv2

src = cv2.imread("Image/geese.jpg", cv2.IMREAD_COLOR)

gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
ret, dst = cv2.threshold(gray, 100, 255, cv2.THRESH_BINARY)
#임곗값을 100, 최댓값을 255, 임곗값 형식을 cv2.THRESH_BINARY로 사용하였으므로, 픽셀의 값이 100을 초과하는 경우에는 255의 값으로 변경되며, 100 이하의 값은 0으로 변경

cv2.imshow("dst", dst)
cv2.waitKey()
cv2.destroyAllWindows()

[Detailed Code]

gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
ret, dst = cv2.threshold(gray, 100, 255, cv2.THRESH_BINARY)

---

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

• 변경할 영상(img), 무엇에서 무엇으로(COLOR_BGR2GRAY) : 흑백영상 or 이미지로 만들어줌.

retval, dst = cv2.threshold(src, thresh, maxval, type)

• 입력 이미지(src)를 임곗값 형식(type)에 따라 임곗값(thresh: 이진화 할 기준이 되는 값)과 최댓값(maxval 이진화 방법에 따라 바꿀 때 필요한 값)을 활용하여 설정 임곗값(retval)과 결과 이미지(dst)를 반환함.
• 입력 이미지는 단일 채널 이미지(그레이스케일)을 입력해 사용.
• 임곗값 형식은 임곗값을 초과한 값은 최댓값으로 변경하고 임곗값 이하의 값은 0으로 바꾸는 등의 연산을 적용.
• 설정 임곗값은 일반적으로 임곗값과 동일하지만, 임곗값을 대신 계산해주는 알고리즘인 Otsu나 Triangle를 사용한다면, 해당 알고리즘에서 계산해준 임곗값을 알 수 있음.

이진화 type

cv2.imshow("binary", dst) _ 이진화된 영상을 출력

엄청난속도로 무언가가 떴다가 바로 꺼짐. 대기 명령 필요.

cv2.waitKey(0) : openCV의 대기명령 코드

---

오츠의 알고리즘(Otsu Algorithm, Thresholding)
(출처 : https://minimin2.tistory.com/129)
: 어떤 영상을 thresholding 하고 싶을 때, 적정한 threshold 값을 찾아주는 알고리즘

• python의 opencv 라이브러리를 사용하여 쉽게 구현
  cv2.threshold() 를 이용하는 것인데, threshold함수의 type파라미터로 cv2.THRESHD_OTSU 인자를 넣어주면 otsu threshold인 임계값과 해당 임계값을 기준으로하는 이미지가 반환

가장 왼쪽 이미지가 원본이고, 가운데는 threshold가 130일때, 가장 오른쪽 그림은 otsu 알고리즘을 적용했을 때 optimal threshold는 29이고, 29를 기준으로 이진화 했을 때의 이미지

---

지역 임계처리(Adaptive Threshold) _ cv2.adaptiveThreshold()

(출처 : https://dsbook.tistory.com/171, https://m.blog.naver.com/samsjang/220504782549)

• 이전에서 다루었던 cv2.threshold 함수를 이용한 임계처리는 임계값을 이미지 전체에 적용하여 처리하기 때문에 하나의 이미지에 음영이 다르면 일부 영역이 모두 흰색 또는 검정색으로 보여지게 됨.
• Adaptive Threshold는 이미지의 구역구역마다 threshold를 실행 시켜주는 것

dst = cv2.adaptiveThreshold(img, maxValue , adaptivemethod, thresholdType, blocksize, C)

• img: GrayScale 이미지 (8bit, 싱글채널 이미지)만 가능.
• maxValue : 픽셀값이 adaptiveMethod로 계산한 임계값을 넘었을 경우 적용되는 최대값(혹은 작을 때 적용되는 최댓값)
• adaptivemethod : 사용할 Thresholding 알고리즘
• thresholdType : 임계값 적용 방법
• blocksize : 픽셀에 적용할 문턱값을 계산하기 위한 블럭 크기. 적용될 픽셀이 블럭의 중심이 됨. 따라서 blocksize는 홀수여야 함.
• C : 보정상수, 이 값이 양수이면 계산된 adaptive 문턱값에서 빼고, 음수면 더해줌. 0이면 그대로.

✓ adaptiveMethod : thresholding value를 결정하는데 사용되는 계산 방법(알고리즘)

1. ADAPTIVE_THRESH_MEAN_C : 픽셀(x,y)를 중심으로 blockSize * blockSize 안에 있는 픽셀값의 평균에서 C를 뺀 임계값으로 설정
2. ADAPTIVE_THRESH_GAUSSIAN_C : 픽셀(x,y)를 중심으로 blockSize * blockSize 안에서 가우시안 윈도우와의 교차상관을 통해 만들어진 가중치 합에서 C를 뺀 값을 임계값으로 설정

✓ thresholdType : 앞서 threshold 함수에서 살펴봤던 다양한 임계값 적용 방법과는 다르게 오직 두가지 방법만 사용할 수 있다.

1. THRESH_BINARY : 픽셀값이 adaptiveMethod로 계산한 임계값보다 크면 maxValue, 작으면 0
2. THRESH_BINARY_INV : 픽셀값이 adaptiveMethod로 계산한 임계값보다 크면 0. 작으면 maxValue

위쪽은 왼쪽 원본, 오른쪽 THRESH_BINARY
아래쪽은 왼쪽 ADAPTIVE_THRESH_MEAN_C , 오른쪽 ADAPTIVE_THRESH_GAUSSIAN_C

Adaptive Thresholding 은 적절한 인자를 적용하면 노이즈를 최소화하면서 정련된 이미지를 추출할 수 있음

[Jjongu]

[yibnn]

3) 이동, 회전, 크기변환

이미지 이동(WarpAffine) _ cv2.warpAffine()

(출처:https://bkshin.tistory.com/)

• OPENCV에서는 변환행렬을 이용하여 이미지 변환을 합니다.
• 이미지를 이동하는 방법은 간단합니다. 원래 있던 좌표에 이동시키려는 거리만큼 더하면 됩니다.

dst = cv2.warpAffine(src, matrix, dsize, dst, flags, borderMode, borderValue)

• src: 원본 이미지, numpy 배열
• matrix: 2 x 3 변환행렬, dtype=float32
• dsize: 결과 이미지의 크기, (width, height)
• flags(optional): 보간법 알고리즘 플래그
• borderMode(optional): 외곽 영역 보정 플래그
• borderValue(optional): cv2.BORDER_CONSTANT 외곽 영역 보정 플래그일 경우 사용할 색상 값 (default=0)
• dst: 결과 이미지

[yibnn]

평행 이동 (translate.py)

import cv2
import numpy as np

img = cv2.imread('../img/fish.jpg')
rows,cols = img.shape[0:2] # 영상의 크기

dx, dy = 100, 50 # 이동할 픽셀 거리

---① 변환 행렬 생성

mtrx = np.float32([[1, 0, dx],
[0, 1, dy]])

---② 단순 이동

dst = cv2.warpAffine(img, mtrx, (cols+dx, rows+dy))

---③ 탈락된 외곽 픽셀을 파랑색으로 보정

dst2 = cv2.warpAffine(img, mtrx, (cols+dx, rows+dy), None,
cv2.INTER_LINEAR, cv2.BORDER_CONSTANT, (255,0,0) )

---④ 탈락된 외곽 픽셀을 원본을 반사 시켜서 보정

dst3 = cv2.warpAffine(img, mtrx, (cols+dx, rows+dy), None,
cv2.INTER_LINEAR, cv2.BORDER_REFLECT)

cv2.imshow('original', img)
cv2.imshow('trans',dst)
cv2.imshow('BORDER_CONSTATNT', dst2)
cv2.imshow('BORDER_FEFLECT', dst3)
cv2.waitKey(0)
cv2.destroyAllWindows()

[yibnn]

https://bkshin.tistory.com/entry/OpenCV-13-%EC%9D%B4%EB%AF%B8%EC%A7%80-%EC%9D%B4%EB%8F%99Translation-%ED%99%95%EB%8C%80%EC%B6%95%EC%86%8CScaling-%ED%9A%8C%EC%A0%84Rotation

[yibnn]

이미지 확대, 축소 _ cv2.resize()

(출처: https://bkshin.tistory.com/)

• 이미지를 일정 비율로 확대 및 축소하는 방법은 아래와 같습니다. 기존의 좌표에 특정한 값을 곱하면 됩니다.

cv2.resize(src, dsize, dst, fx, fy, interpolation)

• src: 입력 원본 이미지
• dsize: 출력 영상 크기(확대/축소 목표 크기, (width, height)형식), 생략하면 fx, fy 배율을 적용
• fx, fy: 크기 배율, dsize가 주어지면 dsize를 적용함
• interpolation: 보간법 알고리즘 선택 플래그 (cv2.warpAffine()과 동일)
• dst: 결과 이미지

• 예시코드는 댓글에 첨부합니다

[yibnn]

cv2.reize()로 이미지 확대 및 축소 (scale_resize.py)

import cv2
import numpy as np

img = cv2.imread('../img/fish.jpg')
height, width = img.shape[:2]

--① 크기 지정으로 축소

#dst1 = cv2.resize(img, (int(width0.5), int(height0.5)), None, 0, 0, cv2.INTER_AREA)
dst1 = cv2.resize(img, (int(width0.5), int(height0.5)), interpolation=cv2.INTER_AREA)

--② 배율 지정으로 확대

dst2 = cv2.resize(img, None, None, 2, 2, cv2.INTER_CUBIC)

--③ 결과 출력

cv2.imshow("original", img)
cv2.imshow("small", dst1)
cv2.imshow("big", dst2)
cv2.waitKey(0)
cv2.destroyAllWindows()

[yibnn]

이미지 회전 _ cv2.getRotationMatrix2D()

(출처: https://bkshin.tistory.com/)

• 이미지를 변환행렬을 이용하여 회전합니다.
• 행렬에 사용할 회전각은 60진법에서 라디안(radian)으로 변경해야합니다. 1라디안=(180/π)도,1도=(π/180)라디안

mtrx = cv2.getRotationMatrix2D(center, angle, scale)

• center: 회전축 중심 좌표 (x, y)
• angle: 회전할 각도, 60진법
• scale: 확대 및 축소비율

[yibnn]

OpenCv로 회전 변환행렬 구하기 (rotate_getmatrix.py)

import cv2

img = cv2.imread('../img/fish.jpg')
rows,cols = img.shape[0:2]

---① 회전을 위한 변환 행렬 구하기

#회전축:중앙, 각도:45, 배율:0.5
m45 = cv2.getRotationMatrix2D((cols/2,rows/2),45,0.5)
#회전축:중앙, 각도:90, 배율:1.5
m90 = cv2.getRotationMatrix2D((cols/2,rows/2),90,1.5)

---② 변환 행렬 적용

img45 = cv2.warpAffine(img, m45,(cols, rows))
img90 = cv2.warpAffine(img, m90,(cols, rows))

---③ 결과 출력

cv2.imshow('origin',img)
cv2.imshow("45", img45)
cv2.imshow("90", img90)
cv2.waitKey(0)
cv2.destroyAllWindows()

[hye-jj]

4) 넘파이의 부분 배열 빼내기

(출처 : https://bkshin.tistory.com/entry/OpenCV-6-dd, https://velog.io/@bangsy/Python-OpenCV-ROI%EA%B4%80%EC%8B%AC-%EC%98%81%EC%97%AD)

• cv2.imread() 함수를 실행하면 이미지를 numpy 배열로 반환
• numpy 배열은 슬라이싱(slicing)이 가능
• img[y: y + h, x: x + w]로 원하는 영역 슬라이싱.

ex1) cv2.rectangle(img, (0,0), (h-1, w-1), (0,255,0))
#이미지의 (0, 0)부터 (h-1, w-1)까지 (0, 255, 0) 색으로 사각형을 표시하는 코드
#(0, 0)은 좌측 상단이며, (h-1, w-1)은 우측 하단
#RGB 값인 (0, 255, 0)은 녹색

ex2) img2 = img1[40:120, 30:150] # numpy.ndarray의 슬라이싱

이미지 연산

(출처 : https://076923.github.io/posts/Python-opencv-31/
Numpy 클래스의 배열 연산과 동일하거나 비슷한 의미와 결과를 가짐

• 대수적 표현(+, - 등)을 통해 Mat 클래스 간의 연산 수행 가능
• 한 픽셀이 가질 수 있는 값의 범위는 0 ~ 255인데, 연산의 결과가 255보다 크거나 0보다 작을 수 있어서 결과 값을 0 ~ 255로 제한할 필요가 있음.

src = cv2.imread("pencils.jpg")
number = np.ones_like(src) * 127

• 원본 이미지(src)와 연산 값(number)을 선언

cv2.add(src1, src2, dest, mask, dtype): src1과 src2 더하기

• src1: 첫 번째 입력 이미지
• src2: 두 번째 입력 이미지
• dest(optional): 출력 영상
• mask(optional): mask 값이 0이 아닌 픽셀만 연산
• dtype(optional): 출력 데이터 타입(dtype)

cv2.subtract(src1, src2, dest, mask, dtype): src1에서 src2 빼기

• 모든 파라미터는 cv2.add()와 동일

cv2.multiply(src1, src2, dest, scale, dtype): src1과 src2 곱하기

• scale(optional): 연산 결과에 추가 연산할 값

cv2.divide(src1, src2, dest, scale, dtype): src1을 src2로 나누기

• 모든 파라미터는 cv2.multiply()와 동일

###이미지 합성 _ cv2.addWeight( ), cv2.seamlessClone()
(출처 : https://bkshin.tistory.com/entry/OpenCV-9-%EC%9D%B4%EB%AF%B8%EC%A7%80-%EC%97%B0%EC%82%B0)

• 두 이미지를 합성할 때 위에서 살펴본 numpy의 합이나 cv2.add() 함수만으로는 좋은 결과를 얻을 수 없음.
• numpy의 합 연산을 수행하면 픽셀 값이 255가 넘는 경우 초과 값만을 갖기 때문에 이미지가 검은색에 가깝.
• 반면 cv2.add() 연산을 하면 대부분의 픽셀 값이 255 가까이 몰리는 현상이 발생. 따라서 영상이 전체적으로 하얗게 됨.
• 제대로 합성하려면 각각의 이미지에 가중치 주고 합해야 함.

cv2.addWeight(img1, alpha, img2, beta, gamma)

• img1, img2: 합성할 두 이미지
• alpha: img1에 지정할 가중치(알파 값)
• beta: img2에 지정할 가중치, 흔히 (1-alpha) 적용
• gamma: 연산 결과에 가감할 상수, 흔히 0 적용

alpha 0.5, 두 이미지에 동일한 가중치, 왼쪽은 알파를 활용한 이미지 합성을 numpy로 직접 구현한 결과고 오른쪽은 cv2.addWeight() 함수를 활용한 결과

• 두 이미지의 특징을 살려 알아서 합성
  dst = cv2.seamlessClone(src, dst, mask, coords, flags, output)
• src: 입력 이미지, 일반적으로 전경
• dst: 대상 이미지, 일반적으로 배경
• mask: 마스크, src에서 합성하고자 하는 영역은 255, 나머지는 0
• coords: src가 놓이기 원하는 dst의 좌표 (중앙)
• flags: 합성 방식
  • cv2.NORMAL_CLONE
  • cv2.MIXED_CLONE
• output(optional): 합성 결과

cv2.NORMAL_CLONE일 때는 꽃은 선명하지만 주변의 피부가 다소 뭉개진 것을 볼 수 있음.
cv2.MIXED_CLONE일 때는 꽃은 다소 흐리지만 주변 피부와 잘 매칭이 되게 합성 함.

비트와이즈 연산

• 비트와이즈 연산은 두 이미지를 합성할 때 특정 영역만 선택하거나 특정 영역만 제외하는 등의 선별적인 연산에 도움

cv2.bitwise_and(img1, img2, mask=None): 각 픽셀에 대해 AND 연산

cv2.bitwise_or(img1, img2, mask=None): 각 픽셀에 대해 OR 연산

cv2.bitwise_xor(img1, img2, mask=None): 각 픽셀에 대해 XOR 연산

cv2.bitwise_not(img1, img2, mask=None): 각 픽셀에 대해 NOT 연산

• img1, img2는 연산을 할 이미지이며, 두 이미지는 동일한 shape를 가져야 함.
• mask는 0이 아닌 픽셀만 연산하게 함.

검은색은 0이므로 False를 의미, 흰색은 255이므로 True

---

[ 이미지 일부분을 원하는 모양으로 떼어내는 예제 코드 ]
#--① 이미지 읽기
img = cv2.imread('../img/yeosu_small.jpg')

#--② 마스크 만들기
mask = np.zeros_like(img)
cv2.circle(mask, (260,210), 100, (255,255,255), -1)
#cv2.circle(대상이미지, (원점x, 원점y), 반지름, (색상), 채우기)

#--③ 마스킹
masked = cv2.bitwise_and(img, mask)

#--④ 결과 출력
cv2.imshow('original', img)
cv2.imshow('mask', mask)
cv2.imshow('masked', masked)
cv2.waitKey()
cv2.destroyAllWindows()

• 원본 이미지에서 완벽한 검은색 부분만 빼고는 모두 0보다 큰 픽셀 값을 가짐.
• 두 번째 이미지인 흰색 원에서는 흰색 원 부분만 255의 값을 가지고 나머지는 0의 값

두 이미지의 차이 _ cv2.absdiff()

픽셀 값의 차를 구하는 함수

diff = cv2.absdiff(img1, img2)

• img1, img2: 입력 이미지
• diff: 두 이미지의 차의 절대 값

---

[ ROI(Region of Interest, 관심 영역) ]

selectROI 함수 사용(마우스 드레그) 1_ cv2.selectROI( ) : 원본 이미지를 띄우고, 마우스 이벤트 처리도 도와줌, 원하는 부분(관심영역, roi)을 선택

ret = cv2.selectROI(win_name, img, showCrossHair=True, fromCenter=False)

• win_name: 관심영역을 표시할 창의 이름
• img: 관심영역을 표시할 이미지
• showCrossHair: 선택 영역 중심에 십자 모양 표시 여부
• fromCenter: 마우스 시작 지점을 영역의 중심으로 지정
• ret: 선택한 영역의 좌표와 크기 (x, y, w, h); 선택을 취소하면 모두 0으로 지정됨

selectROI 함수 사용(마우스 드레그) 2_ cv2.selectROIs ( )

• 각 경계 상자를 선택한 후 "Enter"또는 "Space"버튼을 클릭하여 마무리하고 새 경계 상자를 선택
• 경계 상자 선택이 끝나면 "Esc"키를 눌러 ROI 선택을 종료하고 추적을 시작

src = cv2.imread('./data/lena.jpg', cv2.IMREAD_GRAYSCALE)

#한 번에 여러 경계 상자를 선택하려는 경우
rects = cv2.selectROIs('src', src, False, True)
print('rects =', rects)
#print(type(rects)) # <class 'numpy.ndarray'>

[hye-jj]

5) 객체 탐지 및 컨텍스 헐 (= Convex Hull).

객체 탐지

( 출처 : https://deep-eye.tistory.com/6)

• Python과 OpenCV를 이용한 실시간 객체 탐지 알고리즘 구현
• OpenCV 내장 함수를 이용
• YOLO Object Detection을 구동

1. Darknet : 원개발자가 만든 YOLO만을 위한 프레임워크
   장점 : 연산이 빠르고, GPU와 CPU 연산 모두 지원
   단점 : Linux 환경에서만 지원 (복잡하긴 하지만 환경변수, VS 등을 통해 구현은 가능합니다.)

2. DarkFlow : Darknet의 텐서플로우 버전
   장점 : 연산이 빠르고, GPU와 CPU 연산 모두 지원 + 모든 OS 지원
   단점 : 복잡한 설치조건

3. OpenCV : 내장 함수를 통한 YOLO 구현
   장점 : 간단한 설치
   단점 : CPU 연산만 지원

[ OpenCV로 YOLO를 사용하는 코드, yolov3 ]
import cv2
import numpy as np

#Load Yolo net = cv2.dnn.readNet("yolov3.weights", "yolov3.cfg")
classes = []
with open("coco.names", "r") as f:
classes = [line.strip() for line in f.readlines()]
layer_names = net.getLayerNames()
output_layers = [layer_names[i[0] - 1] for i in net.getUnconnectedOutLayers()]
colors = np.random.uniform(0, 255, size=(len(classes), 3))

블록 껍질(Convex Hull)

(출처 : https://076923.github.io/posts/Python-opencv-24/)

• 윤곽선(points, contours)의 경계면을 둘러싸는 다각형을 구하는 알고리즘
• 반환되는 결과는 윤곽선 검출 결과와 동일한 형식을 띄며, 스크랜스키(Sklansky) 알고리즘을 이용해 입력된 좌표들의 볼록한 외곽을 찾음.

[ Main Code ]
src = cv2.imread("Image/convex.png")
dst = src.copy()

gray = cv2.cvtColor(src, cv2.COLOR_RGB2GRAY)
ret, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY_INV)

contours, hierarchy = cv2.findContours(binary, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_NONE)

for i in contours:
hull = cv2.convexHull(i, clockwise=True)
cv2.drawContours(dst, [hull], 0, (0, 0, 255), 2)

cv2.imshow("dst", dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

---

[ Detailed Code ]

for i in contours:
hull = cv2.convexHull(i, clockwise=True)
cv2.drawContours(dst, [hull], 0, (0, 0, 255), 2)

• convexHull을 활용해 윤곽선에서 블록 껍질을 검출

cv2.convexHull(윤곽선, 방향)

• 윤곽선은 윤곽선 검출 함수에서 반환되는 구조를 사용.
• 방향은 검출된 볼록 껍질의 볼록점들의 인덱스 순서를 의미.
• 블록 껍질 함수는 단일 형태에서만 검출이 가능, 때문에 반복문을 활용해 단일 형태의 윤곽선 구조에서 블록 껍질을 검출

Tip1) 윤곽선 구조는 윤곽선 검출 함수의 반환값과 형태가 동일하다면, 임의의 배열에서도 검출이 가능
Tip2) 방향이 True라면 시계 방향, False라면 반시계 방향으로 정렬

+) 블록 껍질 검출은 스크랜스키(Sklansky) 알고리즘을 사용

• 경계 사각형의 정점(Vertex)을 검출
• 경계면을 둘러싸는 다각형은 경계 사각형 내부에 포함되며, 해당 정점을 볼록점으로 사용
• 영역 내부에도 다양한 윤곽점들이 존재하므로 여기서 볼록 껍질을 이루는 볼록점들을 선별해서 선택

결과 사진

[hye-jj]

컨투어 _ 윤곽선(Contour) : cv2.findContours()

(출처 : https://jung-max.github.io/2020/04/08/opencv%20%EC%9C%A4%EA%B3%BD%EC%84%A0(Contours)%EA%B0%92%EC%9D%98%20%EC%9D%98%EB%AF%B8(%EB%82%B4%EC%9A%A9)%20%EC%B5%9C%EB%8C%80%EA%B0%92%20%EC%B5%9C%EC%86%8C%EA%B0%92%20%EA%B5%AC%ED%95%98%EA%B8%B0/)

• 윤곽선은 외곽 뿐만 아니라 내곽도 검출 가능
• 윤곽선의 검출 과정은 cv2.findContours을 사용해서 취득
• 해당 함수로 이미지의 컨투어 정보, 컨투어의 상하구조(hierachy) 정보를 출력
• 흑백이미지 또는 이진화된 이미지만 적용가능

images, contours, hierachy = cv2.findContours(image, mode, method)

• image: 흑백이미지 또는 이진화된 이미지
• mode : 컨투어를 찾는 방법
  • cv2.RETR_EXTERNAL: 컨투어 라인 중 가장 바깥쪽의 라인만 찾음
  • cv2.RETR_LIST: 모든 컨투어 라인을 찾지만, 상하구조(hierachy)관계를 구성하지 않음
  • cv2.RETR_CCOMP: 모든 컨투어 라인을 찾고, 상하구조는 2 단계로 구성함
  • cv2.RETR_TREE: 모든 컨투어 라인을 찾고, 모든 상하구조를 구성함
• method : 컨투어를 찾을 때 사용하는 근사화 방법
  • cv2.CHAIN_APPROX_NONE: 모든 컨투어 포인트를 반환
  • cv2.CHAIN_APPROX_SIMPLE: 컨투어 라인을 그릴 수 있는 포인트만 반환
  • cv2.CHAIN_APPROX_TC89_L1: Teh_Chin 연결 근사 알고리즘 L1 버전을 적용하여 컨투어 포인트를 줄임
  • cv2.CHAIN_APPROX_TC89_KCOS: Teh_Chin 연결 근사 알고리즘 KCOS 버전을 적용하여 컨투어 포인트를 줄임

---

#최외곽 윤곽선을 찾고 윤곽선을 빨간색으로 그려주는 코드
src = cv2.imread("contours.jpg", cv2.IMREAD_COLOR)

gray = cv2.cvtColor(src, cv2.COLOR_RGB2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
binary = cv2.bitwise_not(binary)

contours, hierachy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

print("contours = ", contours)

cv2.drawContours(src, [contours[0]], 0, (0, 0, 255), 2)
cv2.imshow("src", src)
cv2.waitKey(0)

cv2.destroyAllWindows()

결과 사진

• drawContours 함수를 사용하면 컨투어 정보에서 비트맵 이미지 만들 수 있음.

cv2.drawContours(이미지, [윤곽선], 윤곽선 인덱스, (B, G, R), 두께, 선형 타입)

[ print("contours = ", contours) ]

• contours는 3차원의 리스트
• 첫번째 차원은 윤곽선 인덱스를 의미
• 결과적으로 contours[i]에서 i값을 변경하면서 다른 윤곽선을 선택할 수 있음.

contours[0][0] = [[116 11]]
contours[0][1] = [[115 12]]

• 각각의 의미는 컨투어(윤곽선)의 좌표
• 해당 좌표들을 이어서 선을 만들어 지는 것이 윤곽선

1. 첫번째 좌표의 x,y값 :
   contours[0][0][0][0], contours[0][0][0][1]

2. 두번째 좌표의 x,y값:
   contours[0][1][0][0], contours[0][1][0][1]

+)윤곽선의 최대,최소값 구하기
numpy의 argmin, argmax 이용.
contours_min = np.argmin(contours[0], axis = 0)
contours_max = np.argmax(contours[0], axis = 0)

[kikiru328]

😦대단하십니다