[CV] OpenCV 개요

Python 기반 주요 이미지 라이브러리

크게 3가지가 있습니다.

• PIL (Python Image Library)
  • 주로 이미지 처리만을 위해 사용합니다.
  • 처리 성능이 상대적으로 느리다는 단점이 있습니다.
• Scikit-Image
  • 파이썬 기반의 전반적인 컴퓨터 비전 기능 입니다.
  • 사이파이(Scipy)에 기반하고 있습니다.
• OpenCV
  • 오픈소스 기반의 최고 인기 컴퓨터 비전 라이브러리 입니다.
  • 컴퓨터 비전 기능 일반화에 크게 기여 했다는 특징이 있습니다.
  • (어려운 기능도 API 몇줄로 간단하게 구현이 가능합니다.)
  • C++ 기반이나 Python도 지원합니다. (Java, C# 등 다양한 언어 지원)

 

OpenCV 특징

OpenCV (Open Source Computer Vision Library)는 컴퓨터 비전과 머신 러닝을 위한 오픈소스 라이브러리입니다.

• 인텔이 초기 개발을 주도하였습니다.
• Windows, 리눅스, Mac OS X, 안드로이드, iOS 등 다양한 플랫폼에서 사용 가능 하다는 특징이 있습니다.
• 방대한 컴퓨터 비전 관련 라이브러리와 손쉬운 인터페이스를 제공합니다.
• 광범위한 기능:
  • 이미지 처리: 필터링, 색상 변환, 기하학적 변환 등 다양한 이미지 처리 기능을 제공합니다.
  • 비디오 분석: 동영상 스트림 처리, 객체 추적, 배경 제거 등의 기능을 지원합니다.
  • 객체 검출: 얼굴 검출, 사람 검출, 차량 검출 등 사전 학습된 모델을 이용한 객체 검출 기능을 포함합니다.
  • 기계 학습: SVM, KNN, 결정 트리 등 다양한 머신 러닝 알고리즘을 지원합니다.
  • 딥러닝 통합: TensorFlow, Caffe, PyTorch 등 딥러닝 프레임워크와의 통합을 지원하여, 딥러닝 모델을 쉽게 사용할 수 있습니다.
•  멀티플랫폼 지원:
  • OpenCV는 Windows, Linux, macOS뿐만 아니라, Android와 iOS와 같은 모바일 플랫폼에서도 사용할 수 있습니다.
• 고성능:
  • OpenCV는 C++로 구현되어 있으며, CPU와 GPU 가속을 통해 높은 성능을 발휘할 수 있습니다.
• 오픈소스:
  • OpenCV는 BSD 라이센스로 제공되며, 누구나 자유롭게 사용할 수 있습니다.

 

OpenCV 이미지 로딩

imread( )를 이용한 이미지 로딩

• OpenCV에서 이미지 로딩은 imread(‘파일명’)을 이용합니다.
• imread(‘파일명’)은 파일을 읽어 넘파이 array로 변환합니다.
• OpenCV에서 imread()를 이용하여 이미지 로딩 시 가장 주의해야 할 점은 OpenCV가 이미지를 RGB 형태가 아닌 BGR 형태로 로딩하기 때문에 색감이 원본 이미지와 다르게 나타난다는 것입니다.

import cv2
import matplotlib.pyplot as plt

img_array = cv2.imread(‘파일명’)
plt.imshow(img_array)

 

 

OpenCV 이미지 로딩시 BGR을 RGB로 변환

cvtColor( )를 이용하여 BGR을 RGB로 변환

• OpenCV에서 imread(‘파일명’)을 이용하여 로딩된 이미지 배열을 BGR 형태의 배열이므로 이를 RGB 형태의 배열로 변환하려면 cvtColor(이미지 배열, cv2.COLOR_BGR2RGB)를 이용합니다.

import cv2
import matplotlib.pyplot as plt

bgr_img_array = cv2.imread(‘파일명’)
rgb_img_array = cv2.cvtColor(bgr_img_array, cv2.COLOR_BGR2RGB)
plt.imshow(rgb_img_array)

 

 

OpenCV 이미지 배열을 파일에 쓰기

imwrite()를 이용하여 파일에 쓰기

• OpenCV에서 메모리에 있는 이미지 배열을 다시 파일에 저장하려면 imwrite(‘출력파일명‘, 이미지배열)을 이용합니다.
• 이때 imread( )로 인해 BGR형태로 되어 있는 이미지 배열을 다시 RGB 형태로 변환하여 저장합니다.
• 따라서 imread( )로 읽고, imwrite( )로 출력한 이미지 파일은 다시 RGB 형태의 파일이 됩니다.

import cv2
import matplotlib.pyplot as plt

img_array = cv2.imread(‘파일명’)
cv2.imwrite(‘출력파일명’, img_arrary)

 

 

OpenCV Windows Frame 인터페이스

OpenCV Windows Frame 인터페이스

• OpenCV는 OS의 Window Frame과 바로 인터페이스 하여 사용할 수 있는 여러 기능을 제공합니다.
• 하지만 이들 기능을 사용하려면 Window Frame 생성이 가능한 GUI 개발 환경에서만 가능합니다.(Windows GUI, Linux X-windows 등).
• 주피터 노트북 기반에서는 사용 시 오류가 발생합니다.

cv2.imshow(이미지 array)는 이미지 배열을 window frame에 보여줌.
cv2.waitKey() : 키보드 입력이 있을 때까지 무한 대기
cv2.destroyAllWindows(): 화면의 윈도우 프레임 모두 종료

• 주피터 노트북 기반에서는 이미지 배열의 시각화에 matplotlib을 사용합니다.

 

---

OpenCV 이미지와 영상처리 Practice (by Python)

PIL 패키지를 이용해 이미지 로드하기

import matplotlib.pyplot as plt
%matplotlib inline

from PIL import Image

# PIL은 oepn()으로 image file을 읽어서 ImageFile객체로 생성. 
pil_image = Image.open("/content/drive/MyDrive/딥러닝 컴퓨터 비전 가이드/Deep_learning computer Vision Guide/data/image/beatles01.jpg")
print('image type:', type(pil_image))

plt.figure(figsize=(10, 10))
plt.imshow(pil_image)
#plt.show()

• image type: <class 'PIL.JpegImagePlugin.JpegImageFile'>
• <matplotlib.image.AxesImage at 0x7fbf19cd1940>

 

 

scikit-image (사이킷-이미지)로 image load하기

• skimage는 imread()를 이용하여 RGB 원본 이미지를 RGB 형태의 넘파이 배열로 반환합니다.

from skimage import io

#skimage는 imread()를 이용하여 image를 numpy 배열로 반환함. 
sk_image = io.imread("/content/drive/MyDrive/딥러닝 컴퓨터 비전 가이드/Deep_learning computer Vision Guide/data/image/beatles01.jpg")
print('sk_image type:', type(sk_image), ' sk_image shape:', sk_image.shape)

plt.figure(figsize=(10, 10))
plt.imshow(sk_image)
#plt.show()

• sk_image type: <class 'numpy.ndarray'> sk_image shape: (633, 806, 3)
• <matplotlib.image.AxesImage at 0x7fc168f0a780>

 

 

OpenCV로 이미지 로드하기

• OpenCV는 imread()를 이용하여 원본 RGB 이미지를 BGR 형태의 Numpy(넘파이) 배열로 반환합니다.
• OpenCV의 imwrite()를 이용한다면 BGR 형태의 이미지 배열을 파일에 기록할 때 다시 RGB형태로 변환하므로 사용자는 RGB->BGR->RGB 변환에 신경쓰지 않아도 됩니다.

import cv2

cv2_image = cv2.imread("/content/drive/MyDrive/딥러닝 컴퓨터 비전 가이드/Deep_learning computer Vision Guide/data/image/beatles01.jpg")
cv2.imwrite(("/content/drive/MyDrive/딥러닝 컴퓨터 비전 가이드/Deep_learning computer Vision Guide/data/image/beatles02.jpg"), cv2_image)
print('cv_image type:', type(cv2_image), ' cv_image shape:', cv2_image.shape)

plt.figure(figsize=(10, 10))
img = plt.imread("/content/drive/MyDrive/딥러닝 컴퓨터 비전 가이드/Deep_learning computer Vision Guide/data/image/beatles02.jpg")
plt.imshow(img)
#plt.show()

• cv_image type: <class 'numpy.ndarray'>  cv_image shape: (633, 806, 3)
• <matplotlib.image.AxesImage at 0x7fc15e1a7320>

 

OpenCV의 imread()로 반환된 BGR 이미지 넘파이 배열을 그대로 시각화 하기

OpenCV의 imread()는 RGB를 BGR로 변환하므로 원하지 않는 이미지가 출력됩니다.

cv2_image = cv2.imread("/content/drive/MyDrive/딥러닝 컴퓨터 비전 가이드/Deep_learning computer Vision Guide/data/image/beatles01.jpg")

plt.figure(figsize=(10, 10))
plt.imshow(cv2_image)
plt.show()

sk_image = io.imread("../../data/image/beatles01.jpg")
print(sk_image.shape)
sk_image[:, :, 0] # R Channel의 값

• 아래 코드의 결과값들은 R Channel 계열들의 값입니다.
• 두 개의 NumPy 배열에 대한 정보를 나타냅니다.
• 첫 번째는 색상 이미지 (RGB 이미지), 두 번째는 그레이스케일 이미지입니다.
• 이를 통해 RGB 이미지를 그레이스케일 이미지로 변환했음을 알 수 있습니다.

(633, 806, 3) # RGB 이미지
ndarray (633, 806) # Gray Scale 이미지
array([[ 18,  18,  18, ...,  47,  39,  64],
       [ 19,  19,  18, ...,  72,  41,  37],
       [ 18,  18,  18, ...,  84,  56,  41],
       ...,
       [225, 226, 228, ..., 231, 230, 229],
       [225, 225, 226, ..., 229, 229, 227],
       [225, 225, 224, ..., 227, 227, 227]], dtype=uint8)

 

• 주어진 출력은 두 개의 NumPy 배열에 대한 정보를 보여줍니다.
• 첫 번째 배열은 RGB 이미지에 해당하며, 두 번째 배열은 그레이스케일 이미지에 해당합니다.
• 이 정보는 RGB 이미지를 그레이스케일 이미지로 변환한 결과를 나타냅니다.

cv2_image = cv2.imread("/content/drive/MyDrive/딥러닝 컴퓨터 비전 가이드/Deep_learning computer Vision Guide/data/image/beatles01.jpg")
print(type(cv2_image))
print(cv2_image.shape)
cv2_image[:, :, 0]

<class 'numpy.ndarray'> # RGB 이미지
(633, 806, 3) # RGB 이미지
ndarray (633, 806) # Gray Scale 이미지
array([[ 19,  19,  20, ...,  47,  39,  64],
       [ 20,  20,  20, ...,  71,  40,  36],
       [ 20,  20,  20, ...,  82,  54,  40],
       ...,
       [198, 199, 201, ..., 190, 189, 188],
       [198, 198, 199, ..., 188, 188, 186],
       [199, 199, 198, ..., 186, 186, 186]], dtype=uint8)

 

cv2_image[:, :, 2]

ndarray (633, 806) hide data
array([[ 18,  18,  18, ...,  47,  39,  64],
       [ 19,  19,  18, ...,  72,  41,  37],
       [ 18,  18,  18, ...,  84,  56,  41],
       ...,
       [225, 226, 228, ..., 231, 230, 229],
       [225, 225, 226, ..., 229, 229, 227],
       [225, 225, 224, ..., 227, 227, 227]], dtype=uint8)

 

cv2_image = cv2.imread("/content/drive/MyDrive/딥러닝 컴퓨터 비전 가이드/Deep_learning computer Vision Guide/data/image/beatles01.jpg")
draw_image = cv2.cvtColor(cv2_image, cv2.COLOR_BGR2RGB)

plt.figure(figsize=(10, 10))
plt.imshow(draw_image)
plt.show()