ProgrammingPython

[OpenCV-Python Tutorials 07] 이미지에 대한 기본 작업

, ,

[OpenCV-Python Tutorials 07] 이미지에 대한 기본 작업

모든 파일은 Github에서 확인 할 수 있습니다.

목표

배울 내용:

  • 픽셀 값에 액세스 및 수정
  • 이미지 속성에 액세스
  • 이미지 영역 설정 (ROI: Region of Image)
  • 이미지 분할 및 병합

이 섹션의 거의 모든 작업은 주로 OpenCV보다는 Numpy와 관련이 있습니다. OpenCV로 더 최적화 된 코드를 작성하기 위해서는 Numpy에 대한 좋은 지식이 필요합니다.

(예제는 단일 라인 코드이기 때문에 Python 터미널에 표시되는 내용입니다.)

픽셀 값 액세스 및 수정

먼저 컬러 이미지를 로드 해 봅시다.

1
2
3
4
>>> import cv2
>>> import numpy as np

>>> img = cv2.imread('messi5.jpg')

행 및 열 좌표로 픽셀 값에 액세스 할 수 있습니다. BGR 이미지의 경우 Blue, Green, Red 값의 배열을 반환합니다. 회색 음영 이미지의 경우 해당 강도 만 반환됩니다.

1
2
3
4
5
6
7
8
>>> px = img[100,100]
>>> print px
[178 197 205]

# accessing only blue pixel
>>> blue = img[100,100,0]
>>> print blue
178

img[100,100,0] 에서 배열 3번째 값이 0이므로 blue 입니다.

BGR 이므로 아래와 같습니다.

  • 0: Blue
  • 1: Green
  • R: Red

같은 방법으로 픽셀값을 수정할 수 있습니다.

1
2
3
>>> img[100,100] = [255,255,255]
>>> print img[100,100]
[255 255 255]

전체 코드는 다음과 같습니다.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
import cv2
import numpy as np

image_file = 'ball_image.jpg'
img = cv2.imread(image_file)

px = img[100, 100]
print(px)

blue = img[100,100,0]
print(blue)

img[100,100] = [255,255,255]
print(img[100,100])

Numpy는 빠른 배열 계산을 위해 최적화된 라이브러리입니다. 따라서 각 픽셀 값에 액세스하고 수정하는 것은 매우 느릴 것이며 권장하지 않습니다.

위에서 언급 한 방법은 일반적으로 배열 영역을 선택하는 데 사용됩니다. 예를 들어 처음 5 행과 마지막 3 열을 말합니다. 개별 픽셀에 액세스하는 경우 Numpy 배열 메서드인 array.item() 및 array.itemset()을 사용하는 것이 더 좋습니다. 하지만 항상 스칼라를 반환합니다. 따라서 모든 B, G, R 값에 액세스하려면 array.item()을 개별적으로 호출해야합니다.

더 나은 픽셀 액세스 및 편집 방법 :

1
2
3
4
5
6
7
8
# accessing RED value
>>> img.item(10,10,2)
59

# modifying RED value
>>> img.itemset((10,10,2),100)
>>> img.item(10,10,2)
100

이미지 속성에 액세스하기

이미지 속성에는 행 수, 열 및 채널, 이미지 데이터 유형, 픽셀 수 등이 포함됩니다.

이미지의 모양은 img.shape에 의해 액세스됩니다. 행, 열 및 채널 수의 튜플을 반환합니다 (이미지가 색상인 경우).

1
2
>>> print img.shape
(342, 548, 3)

이미지가 회색조인 경우 반환되는 튜플에는 행과 열만 포함됩니다. 따라서 로드 된 이미지가 회색조 또는 컬러 이미지인지 확인하는 좋은 방법입니다.

img.size는 총 픽셀 수에 액세스합니다.

1
2
>>> print img.size
562248

이미지 데이터 유형은 img.dtype를 통해서 얻을 수 있습니다.

1
2
>>> print img.dtype
uint8

OpenCV-Python 코드에서 많은 수의 오류가 잘못된 데이터 유형으로 인해 발생하기 때문에 img.dtype은 디버깅하는 동안 매우 중요합니다.

터미널이 아닌 소스파일로 작성한 전체 코드는 다음과 같습니다.

1
2
3
4
5
6
7
8
9
import cv2
import numpy as np

image_file = 'ball_image.jpg'
img = cv2.imread(image_file)

print("shape:" + str(img.shape))
print("size:" + str(img.size))
print("dtype:" + str(img.dtype))

결과

1
2
3
shape:(205, 246, 3)
size:151290
dtype:uint8

이미지 ROI

때로는 이미지의 특정 영역을 가지고 작업을 해야 합니다. 이미지에서 눈을 검색하려면 먼저 얼굴을 찾을 때까지 이미지에서 얼굴 검색을 수행 한 다음 얼굴 영역 내에서 눈을 검색하십시오. 이 방법은 정확도와 성능 향상시킵니다 (눈이 항상 얼굴에 있기 때문에 우리는 작은 영역만 검색을 수행하면 됩니다)

ROI는 Numpy 색인을 사용하여 다시 얻습니다. 여기서 공을 선택하여 이미지의 다른 영역으로 복사합니다.

1
2
>>> ball = img[280:340, 330:390]
>>> img[273:333, 100:160] = ball

전체 코드는 다음과 같습니다.

1
2
3
4
5
6
7
8
9
10
11
12
import cv2

image_file = 'ball_image.jpg'
img = cv2.imread(image_file)

ball = img[0:113, 349:459]
img[100:213, 449:559] = ball

cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

결과

이미지 채널 분할 및 병합

필요한 경우 이미지의 B, G, R 채널을 개별 평면으로 분할 할 수 있습니다. 그런 다음 개별 채널을 다시 병합하여 BGR 이미지를 다시 형성 할 수 있습니다. 이것은 다음과 같이 수행 할 수 있습니다.

1
2
>>> b,g,r = cv2.split(img)
>>> img = cv2.merge((b,g,r))

또는

1
>>> b = img[:,:,0]

빨간색 픽셀을 모두 0으로 만들고 싶다면, 이렇게 분할하고 0으로 놓을 필요가 없습니다. 더 빠르다고 말하는 Numpy 색인 생성을 간단하게 사용할 수 있습니다.

1
img[:,:,2] = 0

cv2.split()은 값 비싼 연산이므로 (시간의 관점에서) 필요한 경우에만 사용하십시오. Numpy 색인 생성은 훨씬 효율적이기 때문에 가능하면 사용해야 합니다.

이미지에 테두리 만들기 (안쪽 여백 만들기)

포토 프레임과 같은 이미지 주위에 테두리를 만들려면 cv2.copyMakeBorder() 함수를 사용할 수 있습니다. 그러나 이 함수는 컨볼루션 연산, 제로 패딩 (zero padding) 등의 애플리케이션이 더 많습니다. 이 함수는 다음과 같은 인수를 취합니다.

  • src - 입력 이미지

  • 위쪽, 아래쪽, 왼쪽, 오른쪽 - 경계의 폭 (해당 방향의 픽셀 수)

  • borderType - 추가되는 경계의 종류를 정의하는 플래그. 다음 유형이 될 수 있습니다.

    • cv2.BORDER_CONSTANT - 일정한 색상의 테두리를 추가합니다. 값은 다음 인수로 제공되어야합니다.
    • cv2.BORDER_REFLECT - 테두리는 다음과 같이 테두리 요소를 반영합니다. fedcba|abcdefgh|hgfedcb
    • cv2.BORDER_REFLECT_101 또는 cv2.BORDER_DEFAULT - 위와 동일하지만 다음과 같이 약간 변경되었습니다. gfedcb|abcdefgh|gfedcba
    • cv2.BORDER_REPLICATE - 마지막 요소는 다음과 같이 전체적으로 복제됩니다. aaaaaa|abcdefgh|hhhhhhh
    • cv2.BORDER_WRAP - 설명 할 수 없습니다. 다음과 같이 보일 것이다 : cdefgh|abcdefgh|abcdefg

  • value - 경계 형이 cv2.BORDER_CONSTANT의 경우는 경계의 색

abcdefgh 는 원본을 의미합니다.
fedcba|abcdefgh|hgfedcb 는 세로줄 |을 기준으로 양쪽으로 반영된 상태를 표시합니다. 원본이 abcdefgh 이므로, 왼쪽에 fedcba 의 순서로 반영된 이미지가 나오고 오른쪽에는 hgfedcb 으로 반영된 이미지가 나오는 것을 표시하고 있습니다.

다음은 더 나은 이해를 위해 이러한 모든 경계 유형을 보여주는 샘플 코드입니다.

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
import cv2
import numpy as np
from matplotlib import pyplot as plt

BLUE = [255, 0, 0]

image_file = 'opencv-logo-white.png'
img1 = cv2.imread(image_file)

pixel = 100

replicate = cv2.copyMakeBorder(img1, pixel, pixel, pixel, pixel, cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img1, pixel, pixel, pixel, pixel, cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img1, pixel, pixel, pixel, pixel, cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img1, pixel, pixel, pixel, pixel, cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img1, pixel, pixel, pixel, pixel, cv2.BORDER_CONSTANT, value=BLUE)

plt.subplot(231), plt.imshow(img1, 'gray'), plt.title('ORIGINAL')
plt.subplot(232), plt.imshow(replicate, 'gray'), plt.title('REPLICATE')
plt.subplot(233), plt.imshow(reflect, 'gray'), plt.title('REFLECT')
plt.subplot(234), plt.imshow(reflect101, 'gray'), plt.title('REFLECT_101')
plt.subplot(235), plt.imshow(wrap, 'gray'), plt.title('WRAP')
plt.subplot(236), plt.imshow(constant, 'gray'), plt.title('CONSTANT')

plt.show()

아래 결과를보십시오. (이미지는 matplotlib과 함께 표시되므로 RED 및 BLUE 평면이 상호 교환됩니다.)

출처

공유하기