만숭이의 블로그 :)

출처 : https://kau-deeperent.tistory.com/53 LBF(Local Binary Pattern)을 이용한 얼굴인식 작성자 : 박승재 기본적인 흐름은 노트북의 카메라 웹캠을 통한 Training_data를 모으고, LBPFacerecognizer를 이용한 model을 training_data로 학습한 후에 노트북 웹캠으로 사람의 얼굴이 인지 되었을 때 회 kau-deeperent.tistory.com import cv2 import numpy as np import os from os import listdir from os.path import isfile, join def detect_face(img): #convert the test image to gray image as ..

""" Tracking any object using dlib discriminative correlation filter tracker 동작 프로그램이 시작되면 마우스로 추적하고자 하는 물건을 드래그하여 4각영역을 선택한다. 키 1을 누르면 트래킹을 시작한다. 키 2를 누르면 중지한다. q를 누르면 종료한다. 참고: 마우스로 영역선택할 때 추적 대상을 얼굴로 추적하면 얼굴을 추적한다. 미션 현재의 프로그램을 동영상 버전으로 수정하시오. 스페이스 바를 누르면 재생이 잠시 중지된다. 이때 마우스 드래그로 목표 영역을 선택한다. """ # Import required packages: import cv2 import dlib def draw_text_info(): """Draw text information..

lut함수 없이 -> 따라서 he트랙바 조절시 변화 없음 import cv2 as cv import numpy as np import time def printImgAtt (string): global garo global saero print("\n" + string) data = eval(string) # eval(문자열) - 실행가능한 문자열을 바로 실행시켜주는 함수 print(' type :', type(data)) # imge type = print(' shape = ', data.shape) # 영상 어레이의 크기 알아내기. image shape = (세로, 가로, 3). (행, 열, 채널) saero = data.shape[0] garo ..

import numpy as np import cv2 as cv import matplotlib.pyplot as plt # 이미지 불러오고 정규화 Path = 'D:/dip/' Name = 'dark1.png' FullName = Path+Name img = cv.imread(FullName,1) img=img/255.0 cv.namedWindow('Brighter image') # scale 트랙바 움직일때 호출되는 콜백 함수 def Change_scale(pos) : global img2 bar = cv.getTrackbarPos("scale", "Brighter image") #-> scale값을 bar에 저장할 수 있다 scale = 1+pos*0.1 # 트랙바 값에 따른 밝기의 정도 img2 ..

1~5절 - 대조비 강화 혹은 약화처리 6~7절 - 선명성 향상 8~9절 - 잡음 제거 # 감마변환 output = input의 감마승 (이때 input은 0~1사이로 정규화) 감마r 1 : 어둡게 처리, 어두운 부분은 어둡게 # LUT(look up table) 함수 연산의 단순화 방법 출력값 테이블 생성하고 처리하는 방법 # 시그모이드 변환 명암의 대조비 강화 m:중간값, w: 강화강도, E: 기울기정도 (대비와 비례) 분모가 0이 될 가능성이 있기에 1이라는 엡실론을 설정. m은 최소 0.5로 설정 w는 0위로 설정 # 히스토그램과 히스토그램 스트레칭 **중요** # 히스토그램이란 화소 값들 개별 누적 개수 히스토그램 방법 1) ** 중요 많이 쓰임 ** np.historgram()함수 이용. nd..

# pyplot.imshow vs cv.imshow 1) pyplot.imshow() 1채널, 부동소수 영상은 부호가 있는 수를 표현할 때 매우 편리하다. 데이터의 범위나 자료형에 영향 받지 않고 최소, 최대를 구해 자체 정규화(흑백일때)하여 출력한다. cmap 파라미터의 설정에 따라 여러 color map을 활용한 영상 출력을 시도할 수 있다. cv.imshow() 처럼 흑백 모노 그레이로 표현하려면 cmap='gray'로 설정하여야 한다. 그렇지 않으면 default pseudo color map이 선택되어 칼라로 1채널 영상이 출력된다. 2) cv.imshow() 함수의 출력 범위 부동소수 데이터: 0~1의 값만 출력한다. 음수는 0으로 간주하고 1을 넘는 값은 1로 간주한다. 정수형 데이터: 0~..

# 1) : 실습 3을 2x2 서브 화면으로 나누고, 4번째 화면에는 양방향(가로/세로)으로 평균필터링한 영상을 출력하시오. Path = '../data/' # 현재 상위 폴더의 상위 폴더 아래에 있는 Images 폴더. Name = 'lenna.tif' FullName = Path + Name monarch = cv.imread(FullName) monarch = monarch[..., ::-1] fig = plt.figure(num = 'mission filter') #,figsize=(8,8) plt.subplots_adjust(left=0.02, right=0.9, bottom=0.03, top=0.9) plt.subplots(constrained_layout=True) # 최적의 사이즈로 변환,..

plt.subplot(1, 3, 1) # 1x3 창의 첫번째 창 선택 plt.imshow(img) # 위에서 설정한 창에 img 사진 출력 plt.axis('off') # 숫자 눈금 출력 유/무 plt.title('Original') # 해당 그림 제목 작성

# 실습 1: OpenCV 기반의 간략형 실험 - averaging kernel을 사용한 filtering def prt_mtx(a, fmt): # 어레이를 출력하는 함수 print(f"\n shape of the array={a.shape}") for r in range(a.shape[0]): for c in range(a.shape[1]): print(f"{a[r, c]:{fmt}}", end="") print() cv.imshow('img', img) N = 31 #N = 7 kernel = np.ones((N, N), np.float32)/(N * N) # N*N으로 나누어 정규화한다. print(np.sum(kernel)) # 커널의 모든 원소의 값을 합하면 1이 된다. (출력 0.9999..)..

https://velog.io/@codren/%EC%B9%B4%EB%A9%94%EB%9D%BC%EC%99%80-%EB%8F%99%EC%98%81%EC%83%81-%EC%B2%98%EB%A6%AC -> 참고 비디오 파일 읽어온다 capture = cv2.VideoCapture(FullName) 영상의 total frame capture.get(CAP_PROP_FRAME_COUNT) 현재 프레임 번호 capture.get(CAP_PROP_POS_FRAMES) 속성변경 함수 capture.set(속성상수, 지정하고싶은 속성값) -> retval 성공 유무 ROI *중요* OpenCV에서는 ROI를 mouse drag 동작으로 화면상에 쉽게 선택할 수 있는 selectROI() 함수를 제공한다. retval =..