[배울랑교AI] 이미지 처리

 

 

1. 이동

 

import cv2

import numpy as np

img = cv2.imread('images/fish.jpg')

rows, cols = img.shape[0:2]#2차원

dx, dy = 100, 50# x로 100, y로 50만큼 이동

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

move_basic = cv2.warpAffine(img, mtrx, (960, 540))# cv2.warpAffine(img, mtrx, dsize(화면 x축 길이, 화면 y축길이))

move_constant = cv2.warpAffine(img, mtrx, (960, 540), None, None, cv2.BORDER_CONSTANT, (255,255,255)) # cv2.BORDER_CONSTANT : 고정 색상

#cv2.warpAffine(img, mtrx, dsize, result, flags, borderMode, borderValue-배경색)

move_reflect = cv2.warpAffine(img, mtrx, (960, 540), None, None, cv2.BORDER_REFLECT)#cv2. BORDER_REFLECT : 반사

cv2.imshow('original', img)

cv2.imshow('move1', move_basic)

cv2.imshow('move2', move_constant)

cv2.imshow('move3', move_reflect)

cv2.waitKey(0)

cv2.destroyAllWindows()

 

 

 

 

 

1-2. 이동

​

import cv2

import numpy as np

img = cv2.imread('images/fish.jpg')

rows, cols = img.shape[0:2]#2차원

dx, dy = 100, 50# x로 100, y로 50만큼 이동

mtrx = np.float32([[1, 0, dx], [0, 1, dy]])#행렬로 크기 비율 만들어줌

move_basic = cv2.warpAffine(img, mtrx, (960, 540))# cv2.warpAffine(img, mtrx, dsize(화면 x축 길이, 화면 y축길이))

move_constant = cv2.warpAffine(img, mtrx, (960, 540), None, None, cv2.BORDER_CONSTANT, (255,255,255)) # cv2.BORDER_CONSTANT : 고정 색상

#cv2.warpAffine(img, mtrx, dsize, result, flags, borderMode, borderValue-배경색)

move_reflect = cv2.warpAffine(img, mtrx, (960, 540), None, None, cv2.BORDER_REFLECT)#cv2. BORDER_REFLECT : 반사

cv2.imshow('original', img)

cv2.imshow('move1', move_basic)

cv2.imshow('move2', move_constant)

cv2.imshow('move3', move_reflect)

cv2.waitKey(0)

cv2.destroyAllWindows()

 

 

 

​

2-1. 행렬을 이용한 확대와 축소

​

​

import cv2

import numpy as np

​

img = cv2.imread('images/fish.jpg')

height, width = img.shape[:2]

 

small_mtrx = np.float32([[0.6, 0, 0],[0, 0.6, 0]])#행렬 이용해 크기 조절

big_mtrx = np.float32([[2, 0, 0],[0, 2, 0]])

small_basic = cv2.warpAffine(img, small_mtrx,(int(height*0.6), int(width*0.6)))

big_basic = cv2.warpAffine(img, big_mtrx,(int(height*2), int(width*2)))

small_area = cv2.warpAffine(img, small_mtrx,(int(height*0.6), int(width*0.6)),None, cv2.INTER_AREA)

#cv2.INTER_AREA : 픽셀 영역 관계를 이용한 재 샘플링

big_cubic = cv2.warpAffine(img, big_mtrx,(int(height*2), int(width*2)),None, cv2.INTER_CUBIC)

#cv2.INTER_CUBIC : 인접한 16개 픽셀 값에 거리 가중치 사용

cv2.imshow("original", img)

cv2.imshow("small_basic", small_basic)

cv2.imshow("big_basic", big_basic)

cv2.imshow("small_area", small_area)

cv2.imshow("big_cubic", big_cubic)

cv2.waitKey(0)

cv2.destroyAllWindows()

​

​

 

 

​

2-2. cv2.resize를 이용한 확대와 축소

​

import cv2

import numpy as np

​

img = cv2.imread('images/fish.jpg')

height, width = img.shape[:2]

​

small_resize = cv2.resize(img, (int(width*0.6), int(height*0.6)), None, None,None, cv2.INTER_AREA)

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

​

cv2.imshow("original", img)

cv2.imshow("small_resize", small_resize)

cv2.imshow("big", bic_resize)

cv2.waitKey(0)

cv2.destroyAllWindows()

 

 

 

3. cv2.getRotationMatrix2D()로 회전

​

import cv2

import numpy as np

img = cv2.imread('images/fish.jpg')

rows, cols = img.shape[0:2]

modify45 = cv2.getRotationMatrix2D((cols/2, rows/2), 45, 0.5)

#cv2.getRotationMatrix2D(물고기 위치를 가운데로, 회전각도, 물고기 크기)

modify90 = cv2.getRotationMatrix2D((cols/2, rows/2), 90, 1)

img45 = cv2.warpAffine(img, modify45,(cols, rows),

None, None, cv2.BORDER_CONSTANT, (255,255,255)) #cv2.BORDER_CONSTANT : 고정 색상

img90 = cv2.warpAffine(img, modify90, (cols, rows))

cv2.imshow('origin',img)

cv2.imshow("45", img45)

cv2.imshow("90", img90)

cv2.waitKey(0)

cv2.destroyAllWindows()

​

 

 

 

 

​

3-1. 변환행렬로 회전

​

import cv2

import numpy as np

img = cv2.imread('images/fish.jpg')

rows, cols = img.shape[0:2]

theta45 = 45.0 * np.pi / 180

theta90 = 90.0 * np.pi / 180

modify45 = np.float32([[np.cos(theta45), -1*np.sin(theta45), rows//2],

[np.sin(theta45), np.cos(theta45), -1*cols//4]])

modify90 = np.float32([[np.cos(theta90), -1*np.sin(theta90), rows],

[np.sin(theta90), np.cos(theta90), 0]])

rotate45 = cv2.warpAffine(img, modify45, (rows, cols),

None, None, cv2.BORDER_CONSTANT, (255,255,255))

rotate90 = cv2.warpAffine(img, modify90, (rows, cols))

cv2.imshow("origin", img)

cv2.imshow("45", rotate45)

cv2.imshow("90", rotate90)

cv2.waitKey(0)

cv2.destroyAllWindows()

 

 

 

 

 

 

​

​

4-1 뒤틀기(어파인 변환)

​

import cv2

import numpy as np

​

img = cv2.imread('images/fish.jpg')

rows, cols = img.shape[:2]

​

pts1 = np.float32([[100, 50], [200, 50], [100, 200]])# np.float32(파란점 좌표, 초록점 좌표, 빨간 점 좌표)

pts2 = np.float32([[90, 40], [190, 40], [90, 100]])

​

#3개니깐 3차원

cv2.circle(img, (100, 50), 5, (255, 0, 0), -1)#cv2.circle(img, 점 위치, 점 크기, 색 , 색 채우기)

cv2.circle(img, (200, 50), 5, (0, 255, 0), -1)

cv2.circle(img, (100, 200), 5, (0, 0, 255), -1)

​

mtrx = cv2.getAffineTransform(pts1, pts2)# cv2.getAffineTransform(변환 전 좌표 3개, 변환 후 좌표 3개)

​

dst = cv2.warpAffine(img, mtrx, (int(cols*1.5), rows))

​

cv2.imshow('origin',img)

cv2.imshow('affine', dst)

cv2.waitKey(0)

cv2.destroyAllWindows()

 

 

 

 

 

​

4-2. 뒤틀기 (원근변환)

​

import cv2

import numpy as np

win_name = 'scanning'

img = cv2.imread('images/card.jpg')

rows, cols = img.shape[:2]

draw = img.copy()

pts_cnt = 0

pts = np.zeros((4,2), dtype=np.float32)

def onMouse(event, x, y, flags, param):# 마우스 이벤트 콜백 함수 구현

global pts_cnt#마우스로 찍은 좌표개수 저장

if event == cv2.EVENT_LBUTTONDOWN:#왼쪽 버튼 눌렀을때

cv2.circle(draw, (x,y), 10, (0,255,0), -1)#좌표에 초록 동그라미 표시

cv2.imshow(win_name, draw)#영상 윈도우

pts[pts_cnt] = [x,y] #마우스 좌표 저장

pts_cnt+=1 #마우스가 하나씩 잡힘

if pts_cnt==4: #좌표가 4개 수집되면

sm = pts.sum(axis=1) #4쌍의 좌표 각각 x+y 계산

diff = np.diff(pts, axis=1) # 4쌍의 좌표 각각 x-y 계산

topLeft = pts[np.argmin(sm)] #x+y가 가장 작은 값이 최상단

bottomRight = pts[np.argmax(sm)] #x+y가 가장 큰 값이 우하단

topRight = pts[np.argmin(diff )] #x-y가 가장 작은 갑이 우상단

bottomLeft = pts[np.argmax(diff)] # x-y가 가장 큰 값이 좌하단

pts1 = np.float32([topLeft, topRight, bottomRight, bottomLeft])#변환전 4개 좌표

w1 = abs(bottomRight[0] - bottomLeft[0])#하단 좌우 좌표간 거리

w2 = abs(topRight[0] - topLeft[0])#상단 좌우 좌표간 거리

h1 = abs(topRight[1] - bottomRight[1])#우측 상하 좌표간 거리

h2 = abs(topLeft[1] - bottomLeft[1]) # 좌측 상하 좌표간 거리

width = int(max([w1, w2])) # 좌우 최대값

height = int(max([h1, h2])) #상하 최대값

pts2 = np.float32([[0,0], [width-1,0],

[width-1,height-1], [0,height-1]]) #변환후 4개 좌표

mtrx = cv2.getPerspectiveTransform(pts1, pts2) #변환 행렬

result = cv2.warpPerspective(img, mtrx, (width, height))#결과 윈도우

cv2.imshow('scanned', result)

cv2.imshow(win_name, img)

cv2.setMouseCallback(win_name, onMouse)

cv2.waitKey(0)

cv2.destroyAllWindows()

​

 

 

 

 

5. 얼굴인식

​

import cv2

import numpy as np

def preprocessing(coin_no):

fname = "images/coin/{0:02d}.png".format(coin_no)

image = cv2.imread(fname, cv2.IMREAD_COLOR)

if image is None:

raise Exception("영상 파일 읽기 에러")

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # BGR → Grayscale

gray = cv2.GaussianBlur(gray, (7, 7), 2, 2) # GaussianBlur(img, 커널(x, y), 표준편차 x, y)

flag = cv2.THRESH_BINARY + cv2.THRESH_OTSU # 오츠(otsu) 이진화

ret, th_img = cv2.threshold(gray, 130, 255, flag) # threshold(img, th, thmax, type), ret → 임계값, th_img → 이진영상

mask = np.ones((3, 3), np.uint8) # 마스크 생성

th_img = cv2.morphologyEx(th_img, # 입력 img

cv2.MORPH_OPEN, # 모폴로지 열림

mask) # mask

return image, th_img

def find_coins(image):

results = cv2.findContours(image, # img

cv2.RETR_EXTERNAL, # 검색 방법

cv2.CHAIN_APPROX_SIMPLE) # 근사화 방법

contours = results[0] if int(cv2.__version__[0]) >= 4 else results[1] # 해당 버전으로 가져오기

circles = [cv2.minEnclosingCircle(c) for c in contours] # 외곽 원 최소값 검출

circles = [(list(map(int, center)), int(radius)) for center, radius in circles if radius>25]

return circles

image, th_img = preprocessing(70)

if image is None:

raise Exception("영상 파일 읽기 에러")

circles = find_coins(th_img)

for center, radius in circles:

cv2.circle(image, center, radius, (0, 255, 0), 2)

cv2.imshow("preprocessed image", th_img)

cv2.imshow("coin image", image)

cv2.waitKey(0)

cv2.destroyAllWindows()

​

​

 

 

 

 

 

 

6. 동전 인식

​

import cv2

import numpy as np

def preprocessing(coin_no):

fname = "images/coin/{0:02d}.png".format(coin_no)

image = cv2.imread(fname, cv2.IMREAD_COLOR)

if image is None:

raise Exception("영상 파일 읽기 에러")

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # BGR → Grayscale

gray = cv2.GaussianBlur(gray, (7, 7), 2, 2) # GaussianBlur(img, 커널(x, y), 표준편차 x, y)

flag = cv2.THRESH_BINARY + cv2.THRESH_OTSU # 오츠(otsu) 이진화

ret, th_img = cv2.threshold(gray, 130, 255, flag) # threshold(img, th, thmax, type), ret → 임계값, th_img → 이진영상

mask = np.ones((3, 3), np.uint8) # 마스크 생성

th_img = cv2.morphologyEx(th_img, # 입력 img

cv2.MORPH_OPEN, # 모폴로지 열림

mask) # mask

return image, th_img

def find_coins(image):

results = cv2.findContours(image, # img

cv2.RETR_EXTERNAL, # 검색 방법

cv2.CHAIN_APPROX_SIMPLE) # 근사화 방법

contours = results[0] if int(cv2.__version__[0]) >= 4 else results[1] # 해당 버전으로 가져오기

circles = [cv2.minEnclosingCircle(c) for c in contours] # 외곽 원 최소값 검출

circles = [(list(map(int, center)), int(radius)) for center, radius in circles if radius>25]

return circles

​

 

 

 

import cv2

import numpy as np

from header.coin_preprocess2 import *

image, th_img = preprocessing(70)

if image is None:

raise Exception("영상 파일 읽기 에러")

circles = find_coins(th_img)

for center, radius in circles:

cv2.circle(image, center, radius, (0, 255, 0), 2)

cv2.imshow("preprocessed image", th_img)

cv2.imshow("coin image", image)

cv2.waitKey(0)

cv2.destroyAllWindows()

​