When will you grow up?

Python을 이용하여 이미지를 보여주거나 확인할때 가장 많이 사용하는 cv2.imshow와 plt.imshow 함수의 간단한 차이점을 살펴보겠다. 사용할 이미지로는 구글 로고를 이용하겠다. 필요 라이브러리 import import cv2 import matplotlib.pyplot as plt from matplotlib.image import imread cs # image load mat_img = image.imread('90.png') # (230, 579, 4) cv_img = cv2.imread('90.png' ,0) # (230, 579) cs .png 파일로 저장되어 있기때문에, matplot 에 imread로 읽을시 원본 그대로 읽는것 같다. 그래서 4채널로 들어오게 되는데 만약 cv ..

저번에 이에서 필터를 계속해서 알아보자. sobel fileter sobel filter는 3*3 이미지 필터를 사용하여 중심을 기준으로 각 방향의 앞뒤의 값을 비교해 변화량을 검출하는 알고리즘인데, 이미지 경사도의 계산방법이다. 예제를 통해 한번 알아보자. import cv2 import numpy as np import matplotlib.pyplot as plt origin_img = cv2.imread('image.jpg', 0) # gray scale # Sobel filter dx = cv2.Sobel(origin_img, cv2.CV_32F, 1, 0) dy = cv2.Sobel(origin_img, cv2.CV_32F, 0, 1) #visualization plt.figure(figsize..

저번 포스팅에서는 입출력과 관련된 내용을 다뤄봤다면, 이번에는 행렬조작과 색 공간 및 필터에 대해 알아보자. 행렬 조작 : 생성하고 채우고, 요소 접근하고 ROI(Region of Interest) import cv2 import numpy as np img = np.full((480, 640,3), 255, np.uint8) #img = np.full((480, 640,3), (0, 255, 0), np.uint8) # green #img = np.full((480, 640,3), (0, 255, 255), np.uint8) # yellow #img = np.full((480, 640,3), (0, 0, 255), np.uint8) # red cv2.imshow('white img', img) cv2...

컴퓨터 비전은 우리가 눈으로 보는것처럼 컴퓨터에 시각을 부여해 이미지를 분석함으로써 유용한 정보를 생성하는 기술이다. 컴퓨터 로봇 등을 통해 얼굴, 건물, 의료 등의 다양한 도움을 준다. 또한 인공지능 기술이 발전하면서 인식, 검출, 분할 등 기술의 진화 속도가 엄청나께 빠르게 발전하고 있다. 개인적인 공부를 통해 최종적으로는 SLAM(simultaneous localization and mapping) 기술을 습득하는것을 목표로 한다. 또한, 간단한 기본 예제부터 좀 더 심화된 예제를 다뤄보면서 기본기를 익히면서 진행하고 복습차원에서 블로그로 내용을 정리한다. window or ubuntu 환경을 이용하고 conda 환경을 통해 실습을 진행할 예정이다. 설치는 conda propmt에서 pip inst..

개인적인 공부 개념으로 저장해두는 공간입니다. 원본글을 기반으로 만들었습니다. 문제가 되면 지우도록 하겠습니다. https://pysource.com/2019/06/27/yolo-object-detection-using-opencv-with-python/ YOLO object detection using Opencv with Python - Pysource We’re going to learn in this tutorial YOLO object detection. Yolo is a deep learning algorythm which came out on may 2016 and it became quickly so popular because it’s so fast compared with the pre..

이번에는 Haar Cascade를 이용하여 얼굴인식을 해보자. 최근들어 yolo, facenet, vgg-face등 다양한 딥러닝을 이용하여 많이 인식을 하고있는데 낭중에 기회가 되면 포스팅을 해야겠다. 약 10줄되는 코드로 학습된 cascade xml를 불러와서 인식을 해보자. 사용되는 python버전은 3.6, opencv 3.4.7를 이용하여 opencv다운은 여기서 할 수 있다. 학습을 위한 데이터도 충분하지 않아, 사전학습된 xml를 이용하여 검출해보자. xml은 opencv git에서 받을 수 있다. 다운 전체코드 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 # load packages import cv2 impor..

이전에 실습했던 SURF 특징점 검출기를 활용하여WebCam 을 이용하여 실시간 영상 매칭 및 플레이어 영상 매칭을 수행하였다. 여기서 사용된 특징점 검출기는 SURF와 SIFT를 이용하여 수행과정을 비교해보았다. 아래는 사용된 코드 입니다. //surf matching #include "stdio.h" #include "iostream" #include "vector" #include "cstdlib" #include "opencv2/core/core.hpp" #include "opencv2/core.hpp" #include "opencv2/calib3d/calib3d.hpp" #include "opencv2/features2d.hpp" #include "opencv2/features2d/feature..

reference->http://docs.opencv.org/3.0-beta/doc/py_tutorials/py_feature2d/py_surf_intro/py_surf_intro.html SURF 특징 검출기는 저작권 문제로 contrib로 따로 빠져있다.예제로 연습하는것은 문제가 안되며 상용화 되는것은 라이센스를 확인해봐야 한다. cv::SURF는디폴트 임계 값이 300~500정도 사이가 적당하다고 한다.값이 올라가면 올라갈수록 검출되는 점의 갯수가 적어진다. 결과 이미지 입니다. 소스코드 입니다 //SURF Detector Mat img_1 = imread("img1.png"); Mat img_2 = imread("img2.png"); //-- Step 1: Detect the keypoints u..

reference(저작권에 위배되는 내용이 있으면 바로 지우겠습니다.) book-> OpenCV를 활용한 컴퓨터 비전 프로그래밍 - 기본 영상처리부터 고급 컴퓨터 비전까지 아우르는search->http://docs.opencv.org/3.1.0/d4/d7d/tutorial_harris_detector.html 컴퓨터 비전(computer vision)에서는 객체 인식, 영상 정합(image registration), 시각 추적 ,3D 재구성 등 많은 문제를 해결하기 위해 특징점(keypoint or feature point)이라고 부르기도 하는 관심점(point of interest)의 개념을 사용.영상 내용 분석에 관심점을 사용하기 때문에 영상의 시점, 크기나 방향에 관계없이 동일한 장면이나 객체 위치..

Referencehttp://docs.opencv.org/3.1.0/d2/de8/group__core__array.html#gad327659ac03e5fd6894b90025e6900a7http://www.pyimagesearch.com/2016/01/11/opencv-panorama-stitching/http://snova.tistory.com/5http://sjwd.tistory.com/34http://stackoverflow.com/questions/10256802/how-to-merge-two-images-in-opencv