Step 1 이미지 변형

이진화

원하는 값만을 걸러내기 위하여 이미지를 오로지 흑과 백으로만 표현하는 것

임계값(threshold)

import cv2

img = 'test.jpeg'
img = cv2.imread(img)
GRAY = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

ret, binary = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
### 127보다 크면 흰색으로 처리

1. Trackbar

img = cv2.imread('Test.jpg', cv2.IMREAD_GRAYSCALE) ## 바로 그레이스케일로 읽음

def empty(pos):
    print(pos)
    pass 
## 임계값을 프린트해주는 함수

name = 'Tracbar'
cv2.namedWindow(name) 

cv2.createTrackbar('Threshold', name, 127,255, empty)
## bar 이름 , 창 이름, 초기값, 최대값, 이벤트 처리

while True:
    thresh = cv2.getTrackbarPos('Threshold', name)
    ret, binary = cv2.threshold(img, thresh, 255, cv2.THRESH_BINARY) ## 임계값을 읽어와서 
    if not ret: ## 리턴값이 없으면 종료 
        break
    cv2.imshow(name, binary) ## 있다면 출력 
    if cv2.waitKey(1) == ord('q'): ## q가 입력된다면 종료
        break
cv2.destroyAllWindows()

2. Adaptive

이미지 전체가 아니라 영역을 세분화해서 임계치를 적용한다 일정하지 않은 이미지에 사용

import cv2

def empty(pos):
    print(pos)
    pass

img = cv2.imread('Test.jpeg', cv2.IMREAD_GRAYSCALE)
name = 'Tracbar'
cv2.namedWindow(name)

## bar 이름 , 창 이름, 초기값, 최대값, 이벤트 처리
cv2.createTrackbar('block_size', name, 25, 100, empty)
## 영역을 세분화하기 위한 block size를 정의하고 홀수만 가능하며 1보다는 커야 한다.
cv2.createTrackbar('c', name, 3, 10, empty)
## c->일반저긍로 양수의 값을 사용

while True:
    block_size = cv2.getTrackbarPos('block_size', name)
    c = cv2.getTrackbarPos('c', name)
    
    if block_size <=1: ## 1이하면 가장 낮은 홀수인 3으로 변경
        block_size = 3
    if block_size %2 ==0: ## 짝수 -> 홀수로
        block_size += 1
    binary = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, block_size, c)
    # binary = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, block_size, c) ## 가우시안 

    ### 임계값이 넘어간다면 흰색으로 MEAN_C가 아닌 가우시안도 사용가능
    
    cv2.imshow(name, binary)
    if cv2.waitKey(1) == ord('q'):
        break
cv2.destroyAllWindows()

3. 오츠 알고리즘

가장 최적의 임계치값을 자동으로 찾는 알고리즘 Bimodal image에 사용하기 적합하다

import cv2

img = cv2.imread('Test.jpeg', cv2.IMREAD_GRAYSCALE)
ret, binary = cv2.threshold(img, 127,255, cv2.THRESH_BINARY)
## 기본 임계치
ret, otsu = cv2.threshold(img, -1,255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)
## 오츠 알고리즘 임계치
print('Otsu Threshold', ret)

cv2.imshow("Img", img)
cv2.imshow("Binary", binary)
cv2.imshow("Otsu", otsu)
cv2.waitKey(0)
cv2.destroyAllWindows()

Step 2 이미지 변환

1.팽창(Dilation)

이미지를 확장하여 작은 구멍을 채우는 것 흰색 영역의 외곽 픽셀 주변에 흰색을 추가

import cv2
import numpy as np

kernel = np.ones((3,3), dtype= np.uint8) 
### 커널 필요

img = cv2.imread('Test.jpeg', cv2.IMREAD_GRAYSCALE)
dilate1 = cv2.dilate(img, kernel, iterations=1)
## 이미지 ,커널 , 반복횟수
dilate2 = cv2.dilate(img, kernel, iterations=2)
dilate3 = cv2.dilate(img, kernel, iterations=3)

cv2.imshow("IMG", img)
cv2.imshow("dilate1", dilate1)
cv2.imshow("dilate2", dilate2)
cv2.imshow("dilate3", dilate3)
cv2.waitKey(0)
cv2.destroyAllWindows()

2.침식(Erosion)

이미지를 깍아서 노이즈를 제거해준다 흰색 영역의 외곽 픽셀을 검은색으로 변경!

import cv2
import numpy as np

kernel = np.ones((3,3), dtype= np.uint8) 
### 커널 필요

img = cv2.imread('Test.jpeg', cv2.IMREAD_GRAYSCALE)
erode1 = cv2.erode(img, kernel, iterations=1)
erode2 = cv2.erode(img, kernel, iterations=2)
erode3 = cv2.erode(img, kernel, iterations=3)

cv2.imshow("IMG", img)
cv2.imshow("erode1", erode1)
cv2.imshow("erode2", erode2)
cv2.imshow("erode3", erode3)
cv2.waitKey(0)
cv2.destroyAllWindows()

3.열림&닫힘

열림과 닫힘은 노이즈를 제거 후 원상태로 복구할 때 사용한다

열림(Opening) : 침식 후 팽창, 깍아서 노이즈 제거 후 살 찌움 dilate(erode(img))

import cv2
import numpy as np

kernel = np.ones((3,3), dtype= np.uint8) 
### 커널 필요

img = cv2.imread('Test.jpeg', cv2.IMREAD_GRAYSCALE)
erode = cv2.erode(img, kernel, iterations=3)
dilate = cv2.dilate(erode, kernel, iterations=3)


cv2.imshow("IMG", img)
cv2.imshow("erode", erode)
cv2.imshow("dilate", dilate)
cv2.waitKey(0)
cv2.destroyAllWindows()

3.열림&닫힘

닫힘(Closing) : 팽창 후 침식, 구멍을 메운 후 다시 깍음 erode(dilate(img)

import cv2
import numpy as np

kernel = np.ones((3,3), dtype= np.uint8) 
### 커널 필요

img = cv2.imread('Test.jpeg', cv2.IMREAD_GRAYSCALE)
dilate = cv2.dilate(img, kernel, iterations=3)
erode = cv2.erode(dilate, kernel, iterations=3)

cv2.imshow("IMG", img)
cv2.imshow("erode", erode)
cv2.imshow("dilate", dilate)
cv2.waitKey(0)
cv2.destroyAllWindows()

Step 3 이미지 검출

1. 경계선(Canny Edge Detection)

import cv2
from cv2 import threshold
from numpy import empty

def empty(pos):
    pass

img = cv2.imread('Test.jpeg', cv2.IMREAD_GRAYSCALE)
# canny = cv2.Canny(img, 150, 200)
## 이미지 , minVal(하위임계값), maxVal(상위임계값)

name = "Trackbar"
cv2.namedWindow(name)
cv2.createTrackbar('threshold1', name, 0, 255,empty) ## minVal
cv2.createTrackbar('threshold2', name, 0, 255,empty) ## maxVal

while True:
    threshold1 = cv2.getTrackbarPos('threshold1', name)
    threshold1 = cv2.getTrackbarPos('threshold2', name)
    
    canny = cv2.Canny(img, threshold1, threshold1)

    cv2.imshow("IMG", canny)
    if cv2.waitKey(1) == ord('q'):
        break
cv2.destroyAllWindows()

2. 윤곽선(Contour)

경계선을 연결한 선

import cv2

img = cv2.imread('ocr.jpeg')
copy_img = img.copy() ## Contour는 원본이미지를 건들기 때문에 미리 복사

GRAY = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret,otsu = cv2.threshold(GRAY, -1, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)
contours, hierarchy = cv2.findContours(otsu, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)
## cv2.CHAIN_APPROX_NONE - > CHAIN_APPROX_SIMPLE(꼭지점만)
## 윤곽선 정보, 구조
## 이미지, 윤곽선 찾는 모드(mode) , 윤곽선 찾을때 사용하는 근사치 방법
COLOR = (0,200,0) ### 녹색
cv2.drawContours(copy_img, contours, -1, COLOR, 2)## 윤곽선 그리기
## 대상이미지 , 윤고ㅓ가선 정보, 인덱스(-1이면 전체) , 색깔, 두께 


cv2.imshow('IMG', copy_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

2. 윤곽선(Contour) 찾기 모드

cv2.RETR_EXTERNAL : 가장 외곽의 윤곽선만 찾음
cv2.RETR_LIST : 모든 윤곽선을 찾음(계층정보(족보)가 없음)
cv2.RETR_TREE : 모든 윤곽선을 찾음 (계층정보(족보)가 트리모양)

import cv2

img = cv2.imread('ocr.jpeg')
copy_img = img.copy() ## Contour는 원본이미지를 건들기 때문에 미리 복사

GRAY = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret,otsu = cv2.threshold(GRAY, -1, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)
contours, hierarchy = cv2.findContours(otsu, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
## 윤곽선 정보, 구조
## 이미지, 윤곽선 찾는 모드(mode) , 윤곽선 찾을때 사용하는 근사치 방법


COLOR = (0,200,0) ### 녹색
cv2.drawContours(copy_img, contours, -1, COLOR, 2)## 윤곽선 그리기
cv2.imshow('IMG', copy_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

3. 윤곽선(Contour) 경계 사각형

윤곽선의 경계면을 둘러싸는 사각형

boundingRect()

import cv2

img = cv2.imread('ocr.jpeg')
copy_img = img.copy() ## Contour는 원본이미지를 건들기 때문에 미리 복사

GRAY = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret,otsu = cv2.threshold(GRAY, -1, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)
contours, hierarchy = cv2.findContours(otsu, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)
## 윤곽선 정보, 구조
## 이미지, 윤곽선 찾는 모드(mode) , 윤곽선 찾을때 사용하는 근사치 방법

COLOR = (0,200,0) ### 녹색

for cnt in contours:
    x,y,w,h = cv2.boundingRect(cnt) ## cnt에 있는 윤곽선 정보로 사각형을 그리기
    cv2.rectangle(copy_img, (x,w),(y+w, y+h), COLOR, 2)
cv2.imshow('IMG', copy_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

4. 윤곽선(Contour) 면적

cv2.contourArea()를 이용하여 면적을 계산가능

import cv2

img = cv2.imread('ocr.jpeg')
copy_img = img.copy() ## Contour는 원본이미지를 건들기 때문에 미리 복사

GRAY = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret,otsu = cv2.threshold(GRAY, -1, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)
contours, hierarchy = cv2.findContours(otsu, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)
## 윤곽선 정보, 구조
## 이미지, 윤곽선 찾는 모드(mode) , 윤곽선 찾을때 사용하는 근사치 방법


COLOR = (0,200,0) ### 녹색

for cnt in contours:
    if cv2.contourArea(cnt)>100000: ### 사각형의 면적이 25000보다 크다면 그려주기
        x,y,w,h = cv2.boundingRect(cnt)
        cv2.rectangle(copy_img, (x,w),(y+w, y+h), COLOR, 2)
cv2.imshow('IMG', copy_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

이미지 처리를 위한 Python OpenCV사용법_2

Step 1 이미지 변형

Step 1 이미지 변형

이진화

임계값(threshold)

1. Trackbar

2. Adaptive

3. 오츠 알고리즘

Step 2 이미지 변환

1.팽창(Dilation)

2.침식(Erosion)

3.열림&닫힘

3.열림&닫힘

Step 3 이미지 검출

1. 경계선(Canny Edge Detection)

2. 윤곽선(Contour)

2. 윤곽선(Contour) 찾기 모드

3. 윤곽선(Contour) 경계 사각형

4. 윤곽선(Contour) 면적