- opencv 2 小時初學者教學
- 目錄
- 一、基本概念 : 電腦眼中的圖片
- 二、安裝 opencv & 讀取影片、讀取圖片
- 三、numpy 與圖片關係
- 四、常用函式 ( cvtColor 色彩轉換、GaussianBlur 高斯模糊、Canny 邊緣檢測、dilate 膨脹、erode 侵蝕 )
- 五、畫圖形、寫字 ( line 畫直線、rectangle 畫矩形、circle 畫圓形、putText 寫字 )
- 六、偵測顏色 ( Track bar 控制條、inRange 過濾範圍、bitwise_and )
- 七、輪廓檢測 、形狀辨識 ( findContours 找輪廓、drawContours 畫輪廓、contourArea 輪廓面積、arcLength 輪廓總長、approxPolyDP 近似多邊形、boundingRect 外接矩形 )
- 八、人臉辨識 ( CascadeClassifier 載入模型、detectMultiScale 偵測 )
- 組成圖像大小的最小單位 ⇒ Pixel 畫素
- Width * Height ⇒ resolution 解析度
- 現金電腦多採 Gray Scale Image 灰階圖像
- 8 bits = 2^8 = 256 levels (0 ~255 的灰階值)
- RGB = Red + Green + Blue
- 一種表達顏色的方式
- width * height * channel
-
打開 terminal
pip install opencv-python
-
執行指令前先導入 package
import cv2
-
讀取、調整大小、顯示圖片
# 圖片 img = cv2.imread('moomoo.jpg') img = cv2.resize(img, (0, 0), fy=0.5, fx=0.5) # 調整大小 cv2.imshow('img', img) cv2.waitKey(0) # 隨意按按鍵便回結束，最多等待 n 秒結束，若想無限時間就設 0
-
讀取影片 — 把影片分成很多 frame 在 show 出來 使用
cv2.waitKey()做延遲# 影片 cap = cv2.VideoCapture('阿北生氣.mp4') while True: # 讀取每一幀去播放影片 ret, frame = cap.read() # 回傳兩個值(boolean, next frame) if ret: frame = cv2.resize(frame, (0, 0), fx=0.5, fy=0.5) cv2.imshow('video', frame) else: break if cv2.waitKey(1) == ord('q'): # 如果按下 q 就會跳出 break cap.release() cv2.destroyAllWindows()
-
讀取鏡頭
# 取得視訊鏡頭 cap = cv2.VideoCapture(0) # 括號裡面的值是鏡頭編號 while True: # 讀取每一幀去播放影片 ret, frame = cap.read() # 回傳兩個值(boolean, next frame) if ret: frame = cv2.resize(frame, (0, 0), fx=1.5, fy=1.5) cv2.imshow('video', frame) else: break if cv2.waitKey(1) == ord('q'): # 如果按下 q 就會跳出 break cap.release() cv2.destroyAllWindows()
-
做圖
-
導入
numpyimport cv2 import numpy as np import random
-
為何要 numpy ? Ans : 展開圖像(三維矩陣)
img = np.empty((300, 300, 3), np.uint8) # 製作一個300 * 300 * 3 的圖，無值 img2 = np.zeros((300, 300, 3), np.uint8) # 製作一個300 * 300 * 3 的圖，值為 0 # uint8 是專門用於儲存圖像的矩陣類型
-
填顏色
# fill color for row in range(300): for col in range(300): img[row][col] = [random.randint(0, 255), random.randint(0, 255), random.randint(0, 255)] cv2.imshow('img', img) cv2.waitKey(0)
- 結果
-
-
可以使用
[]切割圖片img = cv2.imread('moomoo.jpg') print(img.shape) # 圖片陣列大小 (2048, 2048, 3) # R G B，但在 opencv 中的順序是 B G R newImg = img[300:600, 300:600] # 切割圖片
import cv2
# 導入圖片並調整大小
img = cv2.imread('hayabusa.PNG')
img = cv2.resize(img, (0, 0), fx=0.2, fy=0.2)
# BGR 轉 灰階
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
kernel1 = np.ones((3, 3), np.uint8) # kernel size 只能是奇數
# 1. blur 模糊化 : 可以去除照片上的雜訊
# 這邊用高斯模糊，中間是 kernel size (越大越模糊)，後者為標準差
blur = cv2.GaussianBlur(img, (3,3), 10)
# 2. edge cascade 邊緣偵測 : 找圖片輪廓邊緣 (src, 最低門檻值, 最高門檻值)
# 兩像素差異高過最高門檻值就當邊緣來看，低於就過濾掉
# 會變成二值圖
canny = cv2.Canny(img, 50, 110)
# 3. dilate 膨脹 : 線條變粗
dilate = cv2.dilate(canny, kernel1, iterations=1)
# 4. erode 侵蝕 : 線條變細
erode = cv2.erode(dilate, kernel1, iterations=2)結果
-
導入套件
import cv2 import numpy as np
-
展開圖像
img = np.zeros((600, 600, 3), np.uint8)
-
畫圖
# 1. 畫直線 (圖像, 起始, 終點, 顏色, 粗度) cv2.line(img, (0, 0), (img.shape[1], img.shape[0]), (0, 255, 0), thickness=2) # 2. 方形 (圖像, 起始, 終點, 顏色, 粗度) # 若要填滿thickness=-1 cv2.rectangle(img, (150, 150), (450, 450), (255, 0, 0), cv2.FILLED) # 3. 圓型 (圖像, 圓心, 半徑, 顏色, 粗度) # 若要填滿thickness=-1 cv2.circle(img, (img.shape[1] // 2, img.shape[0] // 2), 300, (0, 0, 255), thickness=4) # 4. 加字() (圖像, 字, 位置, 字體, 大小, 顏色, 粗度) cv2.putText(img, 'Hello World!', (125, 350), cv2.FONT_HERSHEY_SIMPLEX, 2, (255, 255, 255), thickness=1) cv2.imshow('img', img) cv2.waitKey(0)
結果
-
導入套件 & 匯入圖片
import cv2 import numpy as np img = cv2.imread('winnie.jpg') img = cv2.resize(img, (0, 0), fx=0.5, fy=0.5)
-
控制條 TrackBar
cv2.namedWindow('TrackBar') # 命名 cv2.resizeWindow('TrackBar', 1200, 400) # 調整大小 def empty(v): # 回調函數，先不管它 pass pass cv2.createTrackbar('Hue Min', 'TrackBar', 0, 179, empty) cv2.createTrackbar('Hue Max', 'TrackBar', 179, 179, empty) cv2.createTrackbar('Sat Min', 'TrackBar', 0, 255, empty) cv2.createTrackbar('Sat Max', 'TrackBar', 255, 255, empty) cv2.createTrackbar('Val Min', 'TrackBar', 0, 255, empty) cv2.createTrackbar('Val Max', 'TrackBar', 255, 255, empty)
-
要偵測顏色的話要先把 BGR 轉承 HSV，因為 HSV 較 BGR 更為容易過濾顏色 BGR 跟 HSV (Hue Saturation 飽和度 Value 亮度) 都是表達顏色的方式
# BGR 跟 HSV (Hue Saturation飽和度 Value亮度) 都是表達顏色的方式 hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) ```
-
即時取得 track bar 值
-
使用
cv2.inRange()取得 mask，mask 黑色部分為 0 -
用
cv2.bitwise_and()比較原圖與 mask 都不為 0 (黑色) 就會是我們要的值while True: # 取得 trackbar 值 h_min = cv2.getTrackbarPos('Hue Min', 'TrackBar') h_max = cv2.getTrackbarPos('Hue Max', 'TrackBar') s_min = cv2.getTrackbarPos('Sat Min', 'TrackBar') s_max = cv2.getTrackbarPos('Sat Max', 'TrackBar') v_min = cv2.getTrackbarPos('Val Min', 'TrackBar') v_max = cv2.getTrackbarPos('Val Max', 'TrackBar') # 要過濾可以用 inRange，設定 lower and upper bound 進行過濾 lower = np.array([h_min, s_min, v_min]) upper = np.array([h_max, s_max, v_max]) mask = cv2.inRange(hsv, lower, upper) # 把真正要的顏色過濾出來 result = cv2.bitwise_and(img, img, mask=mask) # bitwise_and? # 0 0 = 0 # 1 0 = 0 # 0 1 = 0 # 1 1 = 1 # show 出來 cv2.imshow('img', img) cv2.imshow('mask', mask) cv2.imshow('result', result) cv2.waitKey(1)
- 透過控制條去找到我們想要的顏色 (以下範例是要找維尼的橘色)
七、輪廓檢測 、形狀辨識 ( findContours 找輪廓、drawContours 畫輪廓、contourArea 輪廓面積、arcLength 輪廓總長、approxPolyDP 近似多邊形、boundingRect 外接矩形 )
-
導入套件與圖片
import cv2 img = cv2.imread('shape.jpg') imgContour = img.copy()
原圖
-
找輪廓不需要顏色，將 BGR 轉成 GRAY，再使用 canny 邊緣化
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 找輪廓不需要顏色 canny = cv2.Canny(img, 150, 200) # 輪廓偵測
-
使用
cv2.findConter取得 contours，hierarchy 先不管它 要注意 findContours 只接受二值圖(黑白) `pythoncontours, hierarchy = cv2.findContours(canny, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE) `
-
依找到的 contour 畫出輪廓 使用
cv2.approxPolyDP()找出 vertices(頂點)，輪廓邊長的變化值作為近似值參數 corners 會是 vertices 的數量，可用來判別形狀 -
接下來用
cv2.boundingRect()找到最小能包覆圖形的矩形，並用cv2.rectangle()畫出for cnt in contours: area = cv2.contourArea(cnt) # 輪廓面積 if area > 500: # 判斷輪廓面積去除雜點 cv2.drawContours(imgContour, cnt, -1, (255, 0, 0), 4) # 畫輪廓 peri = cv2.arcLength(cnt, True) # 輪廓邊長 # cv2.approxPolyDP(curve, epsilon, closed) # 找幾邊形，近似值越大能找出的邊越多 vertices = cv2.approxPolyDP(cnt, peri * 0.02, True) corners = len(vertices) # 頂點數 # cv2.boundingRect(arrayVertices) # 找到最小能包覆圖形的矩形，帶有旋轉效果 x, y, w, h = cv2.boundingRect(vertices) cv2.rectangle(imgContour, (x, y), (x + w, y + h), (0, 255, 0), 4) # 判別圖形 if corners == 3: # 三角形 cv2.putText(imgContour, 'triangle', (x, y - 5), cv2.FONT_HERSHEY_TRIPLEX, 1, (0, 0, 255), 2) elif corners == 4: # 方形 cv2.putText(imgContour, 'rectangle', (x, y - 5), cv2.FONT_HERSHEY_TRIPLEX, 1, (0, 0, 150), 2) elif corners == 5: # 五角形 cv2.putText(imgContour, 'pentagon', (x, y - 5), cv2.FONT_HERSHEY_TRIPLEX, 1, (255, 50, 0), 2) cv2.imshow('imgContour', imgContour) cv2.waitKey(0)
- 執行結果
-
導入套件、讀取圖片、調整大小
import cv2 # 讀取圖片 img1 = cv2.imread('8nai.JPG') img1 = cv2.resize(img1, (0, 0), fx=0.3, fy=0.3) # 轉成 gray gray = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
-
下載訓練好的 model，這邊使用的是 opencv 在 github 上的 data opencv/haarcascade_frontalface_default.xml at 4.x · opencv/opencv (github.com)
-
用
cv2.CascadeClassifier()導入 辨識工具 (model)faceCascade = cv2.CascadeClassifier('face_detect.xml')
-
用
detectMultiScale()做辨識， 放入的參數分別是- 圖片數據
- scaleFactor：每次搜尋方塊減少的比例
- minNeighbers：每個目標至少檢測到幾次以上，才可被認定是真數據
- minSize：設定數據搜尋的最小尺寸 ，如 minSize=(40,40)
faceRect = faceCascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=3)
-
最後將檢測到的位置框起來就可以 show 出來的
for (x, y, w, h) in faceRect: cv2.rectangle(img1, (x, y), (x + w, y + h), (0, 255, 0), 4) cv2.imshow('img1', img1) cv2.waitKey(0)
- 放幾張圖片範例
主要參考資料:
其他參考資料:
- 【沒錢 ps,我用 OpenCV!】Day 22 - 綜合運用 1，用 OpenCV 來 P 圖囉! 來運用各種之前學習的各種東西吧! merge two images - iT 邦幫忙::一起幫忙解決難題，拯救 IT 人的一天 (ithome.com.tw)
- Face Recognition 人臉辨識 Python 教學. 人臉辨識在 Computer Vision… | by 李謦伊 | 謦伊的閱讀筆記 | Medium
- Understanding Images with skimage-Python | by Mathanraj Sharma | Towards Data Science
- opencv-python 中 boundingRect(cnt)以及 cv2.rectangle 用法_hjxu2016 的博客-CSDN 博客_cv2.rectangle
- python-opencv2 利用 cv2.findContours()函数来查找检测物体的轮廓_hjxu2016 的博客-CSDN 博客_cv2.findcontours
- 訓練集、驗證集、測試集的定義與劃分 | 辛西亞的技能樹 (cynthiachuang.github.io)
- OpenCV： Cascade Classifier
- [ OpenCV ] 利用 OpenCV 抓取相片中的臉部數據 (hardliver.blogspot.com)
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent