Apa paket cv2 di python?

OpenCV adalah library Python yang digunakan untuk memecahkan masalah computer vision. Visi komputer mencakup pemahaman dan analisis gambar digital oleh komputer dan memproses gambar atau memberikan data yang relevan setelah menganalisis gambar

OpenCV adalah pustaka sumber terbuka yang digunakan dalam pembelajaran mesin dan pemrosesan gambar. Itu melakukan tugas-tugas seperti mengenali digit tulisan tangan, wajah manusia dan objek

Untuk menggunakan OpenCV, kita perlu menginstalnya

Langkah 1 – Pastikan Python dan pip sudah terinstal di sistem Anda

Ketik perintah berikut di command prompt untuk memeriksa apakah python dan pip terinstal di sistem Anda

Untuk memeriksa Python

python --version

Jika python berhasil diinstal, versi python yang diinstal pada sistem Anda akan ditampilkan

Untuk memeriksa pip

pip -V

Versi pip akan ditampilkan, jika berhasil diinstal di sistem Anda

Langkah 2 - Instal OpenCV

OpenCV dapat diinstal menggunakan pip. Perintah berikut dijalankan di command prompt untuk menginstal OpenCV

pip install opencv-python

Perintah ini akan mulai mengunduh dan menginstal paket yang terkait dengan pustaka OpenCV. Setelah selesai, pesan instalasi berhasil akan ditampilkan

Selamat datang di seri tutorial, yang mencakup OpenCV, yang merupakan pustaka pemrosesan gambar dan video dengan binding di C++, C, Python, dan Java. OpenCV digunakan untuk semua jenis analisis gambar dan video, seperti pengenalan dan deteksi wajah, pembacaan plat nomor, pengeditan foto, penglihatan robot tingkat lanjut, pengenalan karakter optik, dan banyak lagi.

Kami akan mengerjakan banyak contoh Python di sini. Memulai dengan binding Python OpenCV sebenarnya jauh lebih mudah daripada yang dilakukan banyak orang pada awalnya. Anda akan membutuhkan dua perpustakaan utama, dengan yang ketiga opsional. python-OpenCV, Numpy, dan Matplotlib

Pengguna Windows

- Ada metode alternatif, tapi ini yang paling mudah. Unduh roda yang sesuai (. whl), dan instal menggunakan pip. Lihat video untuk bantuan

pip install numpy

pip install matplotlib

Tidak terbiasa menggunakan pip?

Pengguna Linux / Mac

pip3 install numpy atau

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

img = cv2.imread('watch.jpg',cv2.IMREAD_GRAYSCALE)
cv2.imshow('image',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

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

img = cv2.imread('watch.jpg',cv2.IMREAD_GRAYSCALE)
cv2.imshow('image',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

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

img = cv2.imread('watch.jpg',cv2.IMREAD_GRAYSCALE)
cv2.imshow('image',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

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

img = cv2.imread('watch.jpg',cv2.IMREAD_GRAYSCALE)
cv2.imshow('image',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

Matplotlib adalah pilihan opsional untuk menampilkan bingkai dari video atau gambar. Kami akan menunjukkan beberapa contoh menggunakannya di sini. Numpy digunakan untuk semua hal "angka dan Python. " Kami terutama memanfaatkan fungsionalitas array Numpy. Terakhir, kami menggunakan binding khusus python untuk OpenCV yang disebut python-OpenCV

Ada beberapa operasi untuk OpenCV yang tidak dapat Anda lakukan tanpa instalasi penuh OpenCV (berukuran sekitar 3GB), tetapi Anda sebenarnya dapat melakukan cukup banyak dengan instalasi python-OpenCV yang cukup minim. Kita akan menggunakan instalasi penuh OpenCV nanti dalam rangkaian ini, jadi Anda bebas untuk mendapatkannya jika Anda mau, tetapi 3 modul ini akan menyibukkan kita untuk sementara waktu.

Pastikan instalasi Anda berhasil dengan menjalankan Python, dan lakukan

import cv2
import matplotlib
import numpy

Jika Anda tidak mendapatkan kesalahan, maka Anda siap untuk pergi. Siap?

Pertama, kita harus memahami beberapa asumsi dan paradigma dasar terkait analisis gambar dan video. Dengan cara hampir setiap kamera video merekam hari ini, rekaman sebenarnya adalah bingkai, ditampilkan satu demi satu, 30-60+ kali per detik. Namun, pada intinya, mereka adalah bingkai statis, seperti halnya gambar. Dengan demikian, pengenalan gambar dan analisis video sebagian besar menggunakan metode yang identik. Beberapa hal, seperti pelacakan arah, akan membutuhkan rangkaian gambar (bingkai), tetapi sesuatu seperti deteksi wajah, atau pengenalan objek dapat dilakukan dengan kode yang hampir sama persis pada gambar dan video

Selanjutnya, banyak analisis gambar dan video bermuara pada penyederhanaan sumber sebanyak mungkin. Ini hampir selalu dimulai dengan konversi ke skala abu-abu, tetapi juga bisa berupa filter warna, gradien, atau kombinasi dari semuanya. Dari sini, kita bisa melakukan segala macam analisis dan transformasi ke sumbernya. Secara umum, yang akhirnya terjadi adalah ada transformasi yang dilakukan, kemudian analisis, lalu overlay apa pun yang ingin kami terapkan diterapkan kembali ke sumber aslinya, itulah sebabnya Anda sering dapat melihat "produk jadi" dari pengenalan objek atau wajah yang mungkin . Namun, jarang ada data yang benar-benar diproses dalam bentuk mentah seperti ini. Beberapa contoh dari apa yang dapat kita lakukan pada tingkat dasar. Semua ini dilakukan dengan kamera web dasar, tidak ada yang istimewa

Pengurangan Latar Belakang

Penyaringan warna

Deteksi tepi

Pencocokan fitur untuk pengenalan objek

Pengenalan objek umum

Dalam kasus deteksi tepi, warna hitam sesuai dengan nilai piksel (0,0,0), dan garis putih adalah (255.255.255). Setiap gambar dan bingkai dari video dipecah menjadi piksel seperti ini, dan kita dapat menyimpulkan, seperti dalam kasus deteksi tepi, di mana tepi didasarkan pada piksel putih dibandingkan dengan piksel hitam. Kemudian, jika kita ingin melihat gambar asli dengan tepi yang ditandai, kita catat semua lokasi koordinat piksel putih, lalu kita tandai lokasi tersebut pada gambar atau video umpan sumber asli

Di akhir tutorial ini, Anda akan dapat melakukan semua hal di atas, dan dapat melatih mesin Anda untuk mengenali objek apa pun yang Anda inginkan. Seperti yang saya katakan pada awalnya, langkah pertama biasanya adalah mengonversi ke skala abu-abu. Sebelum itu, kita perlu memuat gambar. Jadi, mari kita lakukan. Sepanjang seluruh tutorial ini, saya sangat menganjurkan Anda untuk menggunakan data Anda sendiri untuk bermain. Jika Anda memiliki webcam, pasti gunakan itu, jika tidak, cari gambar yang menurut Anda akan menyenangkan untuk dikerjakan. Jika Anda mengalami masalah, berikut adalah gambar jam tangan

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

img = cv2.imread('watch.jpg',cv2.IMREAD_GRAYSCALE)
cv2.imshow('image',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

Pertama, kami mengimpor beberapa hal, ketiga modul yang telah saya instal untuk Anda semua. Selanjutnya, kita mendefinisikan img menjadi cv2. baca (file gambar, parms). Standarnya adalah IMREAD_COLOR, yang merupakan warna tanpa saluran alfa. Jika Anda tidak terbiasa, alfa adalah derajat keburaman (kebalikan dari transparansi). Jika Anda perlu mempertahankan saluran alfa, Anda juga dapat menggunakan IMREAD_UNCHANGED. Sering kali, Anda akan membaca dalam versi warna, dan kemudian mengubahnya menjadi abu-abu. Jika Anda tidak memiliki webcam, ini akan menjadi metode utama yang akan Anda gunakan sepanjang tutorial ini, memuat gambar

Daripada menggunakan IMREAD_COLOR. dll, Anda juga dapat menggunakan angka sederhana. Anda harus terbiasa dengan kedua opsi tersebut, sehingga Anda memahami apa yang dilakukan orang tersebut. Untuk parameter kedua, Anda bisa menggunakan -1, 0, atau 1. Warna adalah 1, skala abu-abu adalah 0, dan yang tidak berubah adalah -1. Jadi, untuk skala abu-abu, seseorang dapat melakukan

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

img = cv2.imread('watch.jpg',cv2.IMREAD_GRAYSCALE)
cv2.imshow('image',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

Setelah dimuat, kami menggunakan cv2. imshow(judul,gambar) untuk menampilkan gambar. Dari sini, kami menggunakan cv2. waitKey(0) untuk menunggu sampai sembarang tombol ditekan. Setelah selesai, kami menggunakan cv2. destroyAllWindows() untuk menutup semuanya

Seperti disebutkan sebelumnya, Anda juga dapat menampilkan gambar dengan Matplotlib, berikut beberapa kode untuk melakukannya

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

img = cv2.imread('watch.jpg',cv2.IMREAD_GRAYSCALE)

plt.imshow(img, cmap = 'gray', interpolation = 'bicubic')
plt.xticks([]), plt.yticks([])  # to hide tick values on X and Y axis
plt.plot([200,300,400],[100,200,300],'c', linewidth=5)
plt.show()

Perhatikan bahwa Anda dapat memplot garis, seperti yang Anda lakukan dengan grafik Matplotlib lainnya menggunakan lokasi piksel sebagai koordinat, di sini. Namun, jika Anda ingin menggambar pada gambar Anda, Matplotlib tidak diperlukan. OpenCV menyediakan metode yang bagus untuk ini. Setelah selesai melakukan modifikasi, Anda dapat menyimpan, seperti itu

cv2.imwrite('watchgray.png',img)

Memasukkan gambar ke dalam OpenCV tampaknya cukup mudah, bagaimana dengan memuat umpan video?

Untuk apa cv2 digunakan?

Mengapa kami menggunakan pustaka cv2 dengan Python?

Apakah OpenCV dan cv2 sama?

Bagaimana cara mendapatkan cv2 dengan Python?