7-3-2 OpenCV 3.3의 기초 사용법-II

OpenCV 3.3.0 버전의 기초적인 사용법을 알아보았다. 한편 imutils 라이브러리 모듈이 설치되어 있는 가상환경에 들어가서 이미지 처리 작업을 하면 OpenCV 와 결합된 imutils 라이브러리가 제공하는 이미지 회전을 포함하는 추가적인 중요 기능을 사용할 수 있게 된다. OpenCV에서 이미지를 회전시키기 위해서는 getRotationMatrix2D 명령에 의해서 회전 매트릭스를 계산 후 warpAffine 명령에 의해 이미지의 왜곡 및 회전이 이루어진다. getRotationMatrix2D 명령에서 필요한 데이터는 이미지의 중심 좌표, 회전각도 및 최종 이미지의 축척 비율로 구성된다.

 

 

 

한편 imutils 라이브러리 모듈에서 제공하는 imutils.rotate 명령을 사용하면 한 줄로 코딩이 가능하다.

 

 

그밖에도 이미지 회전 시 이미지가 잘려 나가지 않고 전체가 나타나는 imutils.rotate_bound 명령이 있음을 참고하자.

 

이미지 처리 과정에서 이미지의 세부에 지나칠 정도로 또렸한 high frequency noise 가 있을 수 있으므로 이러한 현상을 약화시키기 위한 즉 이미지를 일부러 흐릿하게 만들기 위한 기능으로서 GaussianBlur 명령이 있다. 이 명령은 NXN 커늘을 사용하여 Convolution 작업을 실시하는데 이 기법 자체는 CNN(Convolutionary Neural Network) 알고리듬에서 사용하는 기법이지만 이미지 처리에서도 사용이 된다.

 

 

이미지를 바탕으로 하여 그 위에 도형 즉 원(cv2.circle), 사각형(cv2.rectangle) 및 직선(cv2.line)을 작도해 보자. 이 예제를 만들어 보기 위해서 원 이미지를 파이썬 명령 .copy()를 사용하여 복사한 이미지를 사용하도록 하며 파이썬 또는 Numpy 에서의 좌표는 (높이, 폭)=(h, w)=(y, x) 형식이었지만 OpenCV에서의 좌표는 수학에서처럼 (폭, 높이)=(w, h)=(x, y) 형식으로 주어진다. 이미지 파일에서의 원점은 이지지 좌상단이 됨에 유의하자.

 

 

위 3가지 경우에 대한 작도 결과를 참조하자.

 

 

이미지 상에 putText 명령을 사용하여 텍스트를 넣어 보자.

 

 

여기까지의 OpenCV 사용법을 정리해 보면 여타의 그래픽 라이브러리와 비슷한 내용임을 알 수 있다. 특히 원이나 사각형 작도 기능은 안면 인식에서 흔히 사용되며 사람인식은 주로 사각형 작도 기능을 사용한다. 아울러 도형 주변의 위치에 오브젝트 인식내용 확률값을 텍스트로 출력하기도 한다.

 

 

# python opencv_tutorial_01.py

 

# import the necessary packages

import imutils

import cv2

 

# load the input image and show its dimensions, keeping in mind that

# images are represented as a multi-dimensional NumPy array with

# shape no. rows (height) x no. columns (width) x no. channels (depth)

image = cv2.imread("jp.png")

(h, w, d) = image.shape

print("width={}, height={}, depth={}".format(w, h, d))

 

# display the image to our screen -- we will need to click the window

# open by OpenCV and press a key on our keyboard to continue execution

cv2.imshow("Image", image)

cv2.waitKey(0)

 

# access the RGB pixel located at x=50, y=100, keepind in mind that

# OpenCV stores images in BGR order rather than RGB

(B, G, R) = image[100, 50]

print("R={}, G={}, B={}".format(R, G, B))

 

# extract a 100x100 pixel square ROI (Region of Interest) from the

# input image starting at x=320,y=60 at ending at x=420,y=160

roi = image[60:160, 320:420]

cv2.imshow("ROI", roi)

cv2.waitKey(0)

 

# resize the image to 200x200px, ignoring aspect ratio

resized = cv2.resize(image, (200, 200))

cv2.imshow("Fixed Resizing", resized)

cv2.waitKey(0)

 

# fixed resizing and distort aspect ratio so let's resize the width

# to be 300px but compute the new height based on the aspect ratio

r = 300.0 / w

dim = (300, int(h * r))

resized = cv2.resize(image, dim)

cv2.imshow("Aspect Ratio Resize", resized)

cv2.waitKey(0)

 

# manually computing the aspect ratio can be a pain so let's use the

# imutils library instead

resized = imutils.resize(image, width=300)

cv2.imshow("Imutils Resize", resized)

cv2.waitKey(0)

 

# let's rotate an image 45 degrees clockwise using OpenCV by first

# computing the image center, then constructing the rotation matrix,

# and then finally applying the affine warp

center = (w // 2, h // 2)

M = cv2.getRotationMatrix2D(center, -45, 1.0)

rotated = cv2.warpAffine(image, M, (w, h))

cv2.imshow("OpenCV Rotation", rotated)

cv2.waitKey(0)

 

# rotation can also be easily accomplished via imutils with less code

rotated = imutils.rotate(image, -45)

cv2.imshow("Imutils Rotation", rotated)

cv2.waitKey(0)

 

# OpenCV doesn't "care" if our rotated image is clipped after rotation

# so we can instead use another imutils convenience function to help

# us out

rotated = imutils.rotate_bound(image, 45)

cv2.imshow("Imutils Bound Rotation", rotated)

cv2.waitKey(0)

 

# apply a Gaussian blur with a 11x11 kernel to the image to smooth it,

# useful when reducing high frequency noise

blurred = cv2.GaussianBlur(image, (11, 11), 0)

cv2.imshow("Blurred", blurred)

cv2.waitKey(0)

 

# draw a 2px thick red rectangle surrounding the face

output = image.copy()

cv2.rectangle(output, (320, 60), (420, 160), (0, 0, 255), 2)

cv2.imshow("Rectangle", output)

cv2.waitKey(0)

 

# draw a blue 20px (filled in) circle on the image centered at

# x=300,y=150

output = image.copy()

cv2.circle(output, (300, 150), 20, (255, 0, 0), -1)

cv2.imshow("Circle", output)

cv2.waitKey(0)

 

# draw a 5px thick red line from x=60,y=20 to x=400,y=200

output = image.copy()

cv2.line(output, (60, 20), (400, 200), (0, 0, 255), 5)

cv2.imshow("Line", output)

cv2.waitKey(0)

 

# draw green text on the image

output = image.copy()

cv2.putText(output, "OpenCV + Jurassic Park!!!", (10, 25), 

cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 255, 0), 2)

cv2.imshow("Text", output)

cv2.waitKey(0)