Data Science LAB

1. 윤곽선 검출 (Contour) : 경계선을 연결한 선 rat, otsu = cv.threshold([이미지], -1, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU) cv2.findCountours(otsu, [윤곽선 찾기 모드], cv2.CHAIN_APPORX_NONE) import cv2 img = cv2.imread('img.png') target_img = img.copy() gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) rat, otsu = cv2.threshold(gray, -1, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU) contours, hierachy = cv2.findContours(ots..

1. Canny Edge Detection cv2.Canny([이미지], 하위 임계값, 상위임계값) import cv2 img = cv2.imread('img.jpg') canny = cv2.Canny(img, 170,200) # 170보다 작으면 임계값 x, 200보다 크면 임계값(경계선) cv2.imshow('img',img) cv2.imshow('canny',canny) cv2.waitKey(0) cv2.destroyAllWindows() - 원본 이미지 - 이미지 검출 import cv2 img = cv2.imread('img.jpg') def empty(pos): pass name = 'Trackbar' cv2.namedWindow(name) cv2.createTrackbar('threshold..

1. 열림(Opening) : 침식 후 팽창 cv2.dilate(erode) import cv2 import numpy as np img = cv2.imread('erode.png',cv2.IMREAD_GRAYSCALE) kernel = np.ones((3,3), dtype=np.uint8) 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() 침식 후 팽창하여 노이즈를 제거하는 연산으로 열..

1. 이미지 팽창 - 이미지를 확장하여 작은 구멍을 채운다고 이해 (이미지가 커지면서 구멍이 작아짐) cv2.dilatae([이미지], 커널, iterations) import cv2 import numpy as np kernel = np.ones((3,3),dtype = np.uint8) # kernel img = cv2.imread('dilate.png',cv2.IMREAD_GRAYSCALE) dilate1 = cv2.dilate(img, kernel, iterations=1) # 반복 횟수 dilate2 = cv2.dilate(img, kernel, iterations=2) # 반복 횟수 dilate3 = cv2.dilate(img, kernel, iterations=3) # 반복 횟수 cv2.im..

1. Threshold cv2.threshold([이미지], 임계값, 반환값, cv2.THRESH_BINARY) import cv2 img = cv2.imread('book.jpg',cv2.IMREAD_GRAYSCALE) ret, binary = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY) # 127보다 크면 흰색, 작으면 검정 반환 cv2.imshow('img',img) cv2.imshow('binary',binary) cv2.waitKey(0) cv2.destroyAllWindows() 127을 기준으로 127보다 큰 값이면 반환값인 흰색, 작은 값이면 검정색을 반환함 2. Trackbar cv2.nameWindow([Window name]) cv2.creat..

1. 사다리꼴 이미지 펼치기 cv2.getPerspectiveTransform([input], [output]) cv2.warpPerspective([이미지], [matrix], [(width, height)]) import cv2 import numpy as np img = cv2.imread('img.jpg') width, height = 640,240 src = np.array([[511,352], [1008,345], [1122,584], [455,594]], dtype = np.float32) # input 4개 지점 dat = np.array([[0,0], [width,0], [width,height], [0,height]], dtype=np.float32) # output 4개 지점 # 좌상..