프로그래밍 관련 정보

cv2.rectangle() TypeError: an integer is required (got type tuple) 'tuple에 integer형이 필요 '하다는 에러입니다. cv2.rectangle() parameter를 보면 start_point와 end_point는 tuple type으로 두 개의 좌표 값을 가져야 한다고 나옵니다. 이때 start와 end_point는 모두 int형의 값을 취해야 합니다. Example 1 import cv2 img = cv2.imread( "image/cat.jpg" ) rect_img = cv2.rectangle(img , ( 0 , 0 ) , ( 100.1 , 100 ) , ( 0 , 0 , 255 ) , - 1 ) cv2.imshow( "rect" , rect_img) cv2.waitKey() # 출력 (에러) # Traceback (most recent call last): #   File "D:/python_projects/mine/blog/retacgle_error.py", line 5, in <module> #    rect_img = cv2.rectangle(img, (0, 0), ( 100.1 , 100), (0, 0, 255), -1) # TypeError: an integer is required (got type tuple) start_point에서 int를 취하지 않아 에러가 발생했습니다. Example 2 import cv2 img = cv2.imread( "image/cat.jpg" ) rect_img = cv2.rectangle(img , ( 0 , 0 ) , ( 100 , 100 ) , ( 0 , 0 , 255 ) , - 1 ) cv2.imshow( "rect" , r

이미지 이어 붙이기 1. vstack vstack은 vertical stack으로 수평을 기준으로 배열을 쌓는다고 생각하면 됩니다. 즉, 열의 수가 같은 두 개 이상의 배열을 위에서 아래로 연결합니다. vstack을 수행하기 위해서는 prameter인 tup에 쌓고자 하는 두 개 이상의 배열을 넣으면 되는데, 반드시 두 번째 shape이 동일 해야 합니다. 두 번째 shape이 동일해야 하는 이유는  배열을 수평으로 쌓으려면 열이 같아야 하기 때문입니다 . import numpy as np arr1 = np.array([[ 1 , 1 , 1 ]]) arr2 = np.array([[ 3 , 3 , 3 ]]) arr3 = np.array([[ 6 , 6 , 6 ] , [ 6 , 6 , 6 ]]) print ( "{0}, arr1.shape = {1}" .format(arr1 , arr1.shape)) print ( "{0}, arr2.shape = {1}" .format(arr2 , arr2.shape)) print ( "{0}, arr3.shape = {1}" .format(arr3 , arr3.shape)) vstack_arr1 = np.vstack((arr1 , arr2)) print ( "{0}, vstack_arr1.shape = {1}" .format(vstack_arr1 , vstack_arr1.shape)) vstack_arr2 = np.vstack((arr1 , arr2 , arr3)) print ( "{0}, vstack_arr2.shape = {1}" .format(vstack_arr2 , vstack_arr2.shape)) # 출력 # [[1 1 1]], arr1.shape = (1, 3) # [[3 3 3]], arr2.shape = (1, 3) #

!_src.empty() in function 'cv::cvtColor' 해결법 imread는 이미지를 제대로 읽어오지 못할 경우 None을 반환합니다. [1] 1. File Path 확인 [2] 아래와 같은 에러가 발생하는 원인은 이미지를 제대로 불러오지 못했기 때문 입니다. import cv2 img_path = "D:/Animal Picture/cat.jpg"   img = cv2.imread(img_path , cv2.IMREAD_COLOR) cv2.imshow( "src" , cv2.cvtColor(img , cv2.COLOR_BGR2GRAY)) cv2.waitKey() # 출력 # error: (-215:Assertion failed) !_src.empty() in function 'cv::cvtColor' cv2.imread 과정에서 이미지를 제대로 읽어왔는지 확인해보면 아래와 같이  None값 을 가져옵니다. print (img) # 출력 # None img None인 경우에는 대부분의 경우 File Path를 잘못 지정 했기 때문입니다. 내가 읽고자 하는 파일의 경로를 제대로 입력했는지 확인해보시기 바랍니다. File Path: Animal Picture -> Animal Pictures 수정 import cv2 img_path = "D:/Animal Pictures/cat.jpg" img = cv2.imread(img_path , cv2.IMREAD_COLOR) cv2.imshow( "src" ,  cv2.cvtColor(img ,  cv2.COLOR_BGR2GRAY)) cv2.waitKey() # 출력 # 흑백 고양이 이미지 사진 2. 한글 File Path 사용 아래와 같이 제대로 된 File Path를

Image Addition 이미지 연산으로 OpenCV에 add()와 numpy 연산으로 이미지를 더할 수 있습니다. 두 이미지를 연산하기 위해서는  반드시 "채널"과 "데이터 타입" 이 같아야하며 이미지에 scalar 값을 더할 수 있습니다. OpenCV와 numpy 연산의 차이점은 OpenCV의 cv2.add()는 Saturation 연산 , numpy는 modulo 연산 을 합니다. Saturation 연산 Saturation은 임계값을 정해 그 값을 벗어나는 경우 특정 값으로 계산하는 방식 입니다. 이미지에서는 add 연산으로 픽셀 값이 255(임계값) 이상인 값들은 255로 0(임계값) 이하인 값들은 0으로 표현하는 연산입니다. import numpy as np mat0 = np.uint8([[ 130 , 140 ] , [ 150 , 160 ]]) mat1 = np.uint8([[ 100 , 100 ] , [ 150 , 150 ]]) mat0_add_mat1 = cv2.add(mat0, mat1) print ( "mat0 \n {0} \n " .format(mat0)) print ( "mat1 \n {0} \n " .format(mat1)) print ( "add(mat0, mat1) \n {0}" .format(mat0_add_mat1)) # 출력 # mat0 # [[130 140] #  [150 160]] # mat1 # [[100 100] #  [150 150]] # add(mat0, mat1) # [[230 240] #  [255 255]] mat0 + mat1 과정에서 (150 + 150), (160 + 150) = 300, 310이 각각 나와야하지만 Saturation 연산을 통해 255가 넘은 값들을 모두 255로 변경 하였음

ROI를 이용한 이미지 합성 logo 이미지를 background 이미지 정중앙에 합성하는 예제를 알아보겠습니다. 2개의 이미지 불러오기 import cv2 background = cv2.imread( "image/bit_test.jpg" ) logo = cv2.imread( "image/logo.jpg" ) cv2.imshow( "background" , background) cv2.imshow( "logo" , logo) cv2.waitKey() ROI 영역 설정에 사용할 mask 생성 gray_logo = cv2.cvtColor(logo , cv2.COLOR_BGR2GRAY) _ , mask_inv = cv2.threshold(gray_logo , 10 , 255 , cv2.THRESH_BINARY_INV) cv2.imshow( "mask_inv" , mask_inv) cv2.waitKey() cv2.cvtColor(logo, cv2.COLOR_BGR2GRAY) Notes Color-space를 변환하는 함수. cv2.COLOR_BGR2GRAY를 통해 컬러인 logo 이미지를 gray 이미지로 변환합니다. BGR to GRAY cv2.threshold(gray_logo, 10, 255, cv2.THRESH_BINARY_INV) Notes 임계값(thresh)를 넘으면 임계값을 넘었을 때 적용할 value(maxval)로 값을 변경하는 함수. cv2.THRESH_BINARY_INV를 통해 이미지를 이진화 합니다. (흑(0)과 백(255)으로 분리) # binary image INV(inverse)가 사용되었음으로 분리된 흑과 백을 반대로 변경 합니다 (흑->백, 백->흑) # binary_inverse image cv

이미지 크기 조절(resize) 이미지 크기를 조절하는 예제를 알아보겠습니다. 이미지 불러오기 import cv2 img = cv2.imread( "image/cat.jpg" ) cv2.imshow( "img" , img) cv2.waitKey() cat.jpg 이미지를 불러와 화면에 띄웁니다. 이미지 크기 조절 img = cv2.imread( "image/cat.jpg" ) print ( "img.shape = {0}" .format(img.shape)) resize_img = cv2.resize(img , ( 300 , 300 )) print ( "resize_img.shape = {0}" .format(resize_img.shape)) cv2.imshow( "img" ,  img) cv2.imshow( "resize img" , resize_img) cv2.waitKey() # 출력 # img.shape = (360, 480, 3) # resize_img.shape = (300, 300, 3) 이미지 크기 조절 방법 1 - cv2.resize(img, dsize=(300, 300)) cv2.resize(원본 이미지, 결과 크기 이미지)로 이미지의 크기를 조절할 수 있습니다. 결과 크기 이미지는 Tuple이며 (width, height)의 형식 입니다. 이미지 크기 조절 방법 2 - cv2.resize(img, dsize=(300, 300), interpolation=cv2.INTER_AREA) cv2.resize(원본 이미지, 결과 크기 이미지, 보간법)로 이미지 크기를 조절할 수 있습니다. 보간법은 이미지의 크기를 변경하면 변경된 이미지의 픽셀 사이의 값을 결정해야 하는데, 이때 보간법을 사용합니다.