TIL_211230_VISION 인식

 

 

사전

사전은 순서 상관X

키를 통해 값을 불러옴

키는 중복 불가

값은 중복 가능

=> 맵핑 시키고 싶을 때

 

생성

추가

key 중복 : 나중에 들어간 키와 밸류가 남는다

key 리스트

dict_keys라는 객체로 반환됨

리스트 형태로 쓰고 싶다면 list(a.keys())로 쓸 것(list()로 쓰면 리스트가 생성됨)

print(a_keys[0]) => 에러

shift+tap으로 설명보기(에러 나도 한번 돌려봐야 나옴)

print(a_keys[0]) => 가능(리스트라)

key 리스트

value 리스트도 가능

 

key, value 쌍 얻기

print(a.get('name')) # a['name']과 같은 동작

 

존재하지 않는 key 접근

print(a.get('nope')) => None 반환

print(a.['nope']) => Error 발생

 

default 값

print(a.get('name','default_value'))

키가 없는 경우 default값 반환

key 존재 여부 조사

 

 

집합

 

 

생성

 

집합 자료형 인덱스 접근을 위해선 리스트나 튜플로 변환 후 사용

 

교집합

 

합집합

 

차집합

 

추가/제거

 

 

Numpy

영상 처리에서는 이미지 데이터를 행렬(배열)로 표현함

행렬이나 다차원 배열을 쉽게 처리 할수 있도록 지원하는 라이브러리

import numpy as np

array=np.array([[1,2,3], # np = Numpy
		[4,5,6]])
                
print(array.ndim) # 차원이 몇개냐 : 2
print(array.shape) # 3칸 짜리가 2줄 있다 : 2(줄), 3(칸)
print(array.dtype) # 데이터가 어떤 자료형이냐 : int32

 보통 3차원을 많이 쓴다

 

 

 

arange

배열을 자동으로 만들어줌

띄어쓰기나 줄바꿈으로 구분

 

numpy.arange

Numpy.arange([start,]stop, [step,]dtype=None, *, Like=None)
# []은 옵션, 디폴트는 None / start는 시작하는 부분(디폴트는 0), step은 단위(디폴트는 1)

 

자주 쓰이는 함수

np.ones(1로 채운다) / np.zeros(0으로 채운다) / np.full(특정 값으로 채운다)

 

3차원 배열

대괄호를 기준으로 나뉜다고 생각하자

 

짝수 구하기

 

::n : n번만큼 step(간격)

슬라이싱 => start : stop : step

 

배열 차원 변형(reshape)

order='F' => 메모리구조 : C구조(순서대로 안부터 채운다), Fortran구조(바깥부터 채운다)

 

배열 차원 확장(newaxis)

 

shape는 튜플로 표시됨

 

배열 차원 축소(flatten, ravel)

* ravel : 풀다(다차원을 1차원으로 푸는 것)

 

배열 병합(stack)

axis 설명 참고

 

배열병합(hstack)

가로로 합친다

 

배열병합(vstack)

세로로 합친다

 

아직 안배웠지만 유추해보기

import cv2 # cv2를 이용한다
import numpy as np

image = cv2.imread("mountain.jpg") # image를 읽어온다
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # BGR을 GRAYScale로 바꾼다
result = np.zeros((image.shape[0], 256), dtype=np.uint8) # zeros를 이용한다

hist = cv2.calcHist([image], [0], None, [256], [0, 256]) # 히스토그램으로 표현?
cv2.normalize(hist, hist, 0, 255, cv2.NORM_MINMAX) # 뭔가 노멀라이즈한다

for x, y in enumerate(hist):
	cv2.line(result, (int(x), image.shape[0]), (int(x), image.shape[0] - int(y)), 255) # 라인으로 변환?

dst = np.hstack([image[:, :, 0], result]) # hstack 이용
cv2.imshow("dst",dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

해보자

그레이스케일로 색 변환, 이미지랑 똑같은 높이의 히스토그램을 위한 영역(0이니까 검정) 생성

순서대로 히스토리컬 이미지, 채널, mask, size, range(=256)

위에서 측정되는 값이 많으니 0-255까지로 정규화 해준다

x : 구간 / y : 도수, 측정 개수

hist를 x, y에 담는다

(int(x), image.shape[0])

각각 x, y에 해당

선은 255(흰색)로 긋는다(위에서 0(검정)으로 배경을 설정했기 때문)

 

영상 좌표는 y의 방향이 거꾸로 되어있다. 맨 위가 원점

 

이미지랑 히스토그램 합친 결과를 dst에 답는다

이미지를 윈도우에 넣어준다(앞에 있는 "dst"가 윈도우)

키 입력이 들어올 때까지 무한정 기다린다(단위는 ms, 2000 넣으면 2초 기다림)

위에서 기다리다 키 입력을 받으면 윈도우를 destroy(메모리를 자유롭게 함) / 이게 없으면 꺼지지 않는다 => 강종해야함

 

실행 결과

전체적으로 0에 가까운 값이 많다 => 이미지가 어둡다

 

이미지 분리

[2, 3] = 2부터 3까지니까 2를 기준으로 나뉨([:2], [2:3], [3:])

 

배열 브로드캐스팅

[[1, 2], [3,4]]에 각각 1.5, 2.5씩 더해준다(1+1.5, 2+2.5 / 3+1.5, 4+2.5) => 많은 산술 연산 존재하니 나올 때 찾아볼 것

 

ndarray 클래스 - ROI 예제

슬라이딩 (x+w은 x만큼 기준점에서 이동했으니 더해줘야함 => 100부터 400까지 잘랐음 => 300)

 

ndarray 클래스 - COI 예제

채널을 자른다

 

변수에 이미지 grayscale로 담기

 

이미지 출력

 

 

세로가 400

 

* 대문자는 플래그 값이구나, 코드 값이구나 이해하면 됨

 

동영상 출력

cv2.CAP_PROP_POS_FRAMES : 다음 프레임 값 / cv2.CAP_PROP_FRAME_COUNT : 입력 영상 프레임 수

 

 

FPS : 초당 프레임 수

waitKey에 들어가는 숫자 ms

 

 

캠 화면 띄우기

컴퓨터에 연결된 카메라를 통해 영상을 받아 표시하는 코드

 

자세한 설명 참고

 

 

 

결과

 

도형 그리기

선형 타입

어떤 방식으로 선을 그릴지 결정하는 인수

=> 선에 닿는 픽셀을 조건에 맞게 칠한다

 

브레젠험 4연결 방식 : 선분 기준 상,하,좌,우

브레젠험 8연결 방식 : 선분 기준 상,하,좌,우,대각선

안티 에일리어싱 방식 : 가우스 필터링

 

비트 시프트

도형 그리기 함수에서 일반적으로 정수값 사용

비트 시프트로 실수값 좌표를 도형 그리기 함수에 사용 할 수 있게 해줌

 

비트 시프트 값만큼 오른쪽 시프트 연산

16비트

0

0

1

0

0

0

0

16 >> 1

0

0

0

1

0

0

0

=> 오른쪽으로 한칸 이동해 8이 됨(순서 : 0,2,4,8,16...)

ex 선분(2, 2), (8, 5)를 1시프트 하면 (1, 1), (4, 2.5)로 표현되고 반올림하여 (1, 1), (4, 3)이 됨

 

 

도형 그리기

결과

자세한 설명 참고

OpenCV 1. 도형 그리기 원 타원 (Python)

 

트랙 바

트랙바 이름, 윈도우 이름, 초기값, 쵀댓값, onChange(입력값)

 

입력값이 여기로 들어옴 / global을 이용해 밑의 b,g,r에서 b를 쓸 수 있게 함

트랙바의 현재 위치를 반환하는 함수

따라서 이것과 같은 결과가 나온다

lambda 참고

 

 

이미지 저장

동영상 저장

링크 참고

 

HSV 색상 공간

 

채널 분리

mv = cv2.split(src) => mv 배열에 src 분리하여 채널별 정보 저장

c0, c1, c2 = cv2.split(src) : c0, c1, c2 각 변수에 단일 채널 정보 저장

mv[0] == c0

mv[1] == c1

mv[2] == c2

위에서부터 b, g, r

 위와 같이 하면 특정 색이 어딘지 분간하기 어려울 수 있다. 따라서 hsv로 변환한다.

 

HSV로 변환해서 RED인 곳을 찾자

비교적 정확하다

마스크에 값이 있는 애들을 and 연산

 

더 정확하게 찾기(배열병합함수add.Weighted 이용)

 

 

이진화

각 채널별로 127(임계값)을 넘는 값이 255가 됨 / 넘지 않으면 0이 됨

 

그레이 스케일로 변환

여기서 제일 바깥에 있는 하얀 점들을 이용, 벡터그래픽으로 사각형을 그려 배경과 상관업이 백조의 위치를 찾을 수 있다

 

이진화 알고리즘 종류

cv2.THRESH_BINARY

cv2.THRESH_BINARY_INV(반전)

cv2.THRESH_TRUNC

cv2.THRESH_TOZERO

cv2.THRESH_TOZERO_INV

=> 뭘 써야 할 지 모르겠다 => otsu 쓰면 됨

 

cv2.adaptiveThreshold

adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C[, dst])

자세한 설명 참고

 

---

 

 

 

느낀 점

채널, HSV 등 아는 개념이 많이 나와 개념은 비교적 이해가 잘 되는 것 같다.

익숙해지는 게 문젠데...

영상 처리가 아직 지금까지 배운 것 중엔 제일 흥미롭다.

요즘 코로나로 인해 일상생활에서도(ex 비대면 체온계)많이 볼 수 있는 기술이 아닌가 싶다.

사실 중국 cctv 안면인식이 제일 흥미롭다.

 

 

---

숙제 : 트랙바 추가하여 hue 값 조정

 

혼자 숙제를 해보려고 이것저것 찾아봤는데 hue 값만 단독으로 조절하는 건 못찾았다.

그래서 나름 모은 정보들 가지고 응용을 해봤다.

참고 링크

색깔 검출하기_woo0_hooo | 색상 영역 검출_rkftks22 | 트랙바를 이용한 그레이스케일레벨_AI꿈나무 | Python OpevCV강좌_트랙바

 

내가 작성해본 코드

 

# 맨 처음 작성본

에러가 났다...

결과

고찰

오류 메세지엔 이미 설정한 윈도우(HuePalette)가 getTrackPos에서 null이라는데 순서가 이상하게 꼬인 것 같다...

 

 

# 나름 수정 시도

결과는 똑같아 생략한다

 

고찰

나름 while에서 빼서 함수를 정의하는 방식으로 해봤는데 함수가 정의되지 않았다고 뜬다.  그래서 위에 있어서 그런건 아닌가 의심했다.

 

 

# 수정 시도 2

결과는 위 두 경우와 똑같아 생략한다

 

고찰

위치를 위로 옮겼더니 이번엔 imshow에서 에러가 뜬다. 여기서 이젠 좀 다른 방법으로 시도하는 건 어떨까 싶어 다르게 짜보았다.

 

# 새로운 시도

 

결과

이미지는 뜨긴 뜨는데 hue가 아니다...

 

고찰

지금까진 그냥 src에서 image를 read 할 때 HSV 변환도 시도했는데, 변환한 image를 따로 뺀 글이 있길래 따라해봤다.

while에 넣는 것보다 함수에 정의하는게 순서가 더 보기 좋아 보여서 함수에 넣는 방식을 사용했다.

lowerb라길래 0, upperb라길래 s,v의 최대값인 255를 넣었다. hue는 그냥 hue로 값을 받아 넣으면 될 것 같아서 그대로 넣었다.

trackbar(0)은 참고한 링크에 있길래 넣었는데 사실 정확히 무슨 역할인지 모르겠다. 함수 호출인 것 같은데 빼면 이미지가 안뜬다.

근데 강사님이 참고하라고 보여주신 결과물은 색이 있었던 것 같은데...ㅎ

 

구글링 하면서 수업시간에 배운 방식으론 하나만 설정 못하는지 궁금해졌다. 내일 시도해봐야겠다.