본문 바로가기

728x90
반응형

AI/Computer Vision

(25)
[Computer Vision] 영상의 명암 제어 👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다. OpenCV에서 컬러 영상이 아닌 GrayScale로 이미지를 열거나 변환하게 되면 각 좌표의 값을 색을 나타내는 값이 아니라 이미지의 명암을 나타낸다. import numpy as npimport cv2white = np.ones(shape=(480,480),dtype=np.uint8) * 255cv2.imshow("white",white)black = np.zeros(shape=(480,480),dtype=np.uint8)cv2.imshow("black",black)cv2.waitKey(0)cv2.destroyAllWindows() 밝기가 0인 영상(검은색)  밝기가 255인 영상(흰색)  Gray Scale 영..
[Computer Vision] 텍스트 삽입 및 유용한 기능 👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다. 텍스트를 삽입하는 메서드는 "putText"이다.import cv2im = cv2.imread("test.png")text ="rabbit"cv2.putText( img=im, text=text, org=(50,50), fontFace=cv2.FONT_HERSHEY_SIMPLEX, fontScale=1, color=(242,200,100), thickness=1, lineType=cv2.LINE_AA, bottomLeftOrigin=False)cv2.imshow("text",im)cv2.waitKey(0)cv2.destroyAllWindows() 매개변수는 다음과 같다..
[Computer Vision] 그리기 함수 👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다. "직선"을 그리는 함수는 "line" 메서드를 사용하면 된다.import cv2import numpy as np# 흰배경의 빈 이미지 생성(512 x 512)white_background = np.ones((512,512),dtype=np.uint8) * 255# 직선cv2.line( img=white_background, pt1=(0,0), pt2=(256,256), color=100, thickness=3, lineType=cv2.LINE_4, shift=0)cv2.imshow("line",white_background)cv2.waitKey(0)cv2.destroyAllWin..
[Computer Vision] 기본 사용법 👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다. OpenCV는 Computer Vision에 있어 대중적으로 사용되는 라이브러리이다.Python에서 OpenCV에서 영상은 Numpy Array로 작성되어 있어, Numpy의 행렬 연산을 할 수 있다. 영상 읽기, 보기, 저장OpenCV로 영상을 읽는 방법은 "imread"를 메서드를 사용하면 된다.import cv2img = cv2.imread("",flags)# flags의 종류# cv2.IMREAD_COLOR == 1 : 이미지를 Default 값(BGR)으로 읽는다.# cv2.IMREAD_GRAYSCALE == 0 : 이미지를 GrayScale로 읽는다.# cv2.IMREAD_UNCHANCED == -1 : ..
[Computer Vision] Inpainting 개요 Inpainting 기술은 디지털 이미지 처리 기술의 일종으로, 손상된 이미지 영역을 복원하거나 삭제된 부분을 채워주는 기술이다. Inpainting은 Computer Vision, Computer Graphics, 디지털 사진 보정, 영화 제작 등 다양한 분야에서 활용된다. 장단점 주요 장점으로는 손상된 이미지를 복원하거나 삭제된 부분을 채워주어 이미지의 완성도를 높힐 수 있다는 점이다. 그리고 기존의 이미지를 보완하는 데에도 사용할 수 있다. 단점으로는 보통 지역적인 정보를 이용하여 이미지를 복원하기 떄문에, 전체적인 이미지의 의미나 논리적인 일관성을 고려하지 않을 수 있다. 그리고 새로운 정보가 추가될 수 있어, 이미지의 진실성을 해치는 경우도 있다. 사례 대표적인 사례로는 Adobe Phot..

728x90
반응형