Note

cv2.line(image, start, end, color, thickness) start : 시작 좌표(2차원) end : 종료 좌표(2차원) thickness : 선의 두께 (255, 0, 0) = (R, G, B) import cv2 import numpy as np import matplotlib.pyplot as plt image = np.full((512, 512, 3), 255, np.uint8) image = cv2.line(image, (0, 0), (255, 255), (255, 0, 0) , 3) plt.imshow(image) plt.show()

Tracker를 생성하는 함수 cv2.createTrackbar(track_bar_name,window_name,value,count,on_change) value : 초기 값 count : Max 값(Min : 0) on_change : 값이 변경될 때 호출되는 Callback 함수 import cv2 import numpy as np def change_color(x): r = cv2.getTrackbarPos("R", "Image") g = cv2.getTrackbarPos("G", "Image") b = cv2.getTrackbarPos("B", "Image") image[:] = [b,g,r] cv2.imshow('Image',image) image = np.zeros((600, 400, 3),..

하나의 이미지에 다수의 조명 상태가 존재하는 경우 적용하면 좋다. 전체 픽셀을 기준으로 임계 값을 적용하지 않는다. cv2.adaptiveThreshold(image, max_value, adaptive_method, type, block_size, C) max_value : 임계 값을 넘었을 때 적용할 값 adaptive_method : 임계 값을 결정하는 계산 방법 - ADAPTIVE_THRESH_MEAN_C : 주변 영역의 평균 값으로 결정 - ADAPTIVE_THRESH_GAUSSIAN_C type : 임계점을 처리하는 방식 block_size : 임계 값을 적용할 영역의 크기 C : 평균이나 가중 평균에서 차감할 값 import cv2 image = cv2.imread('hand_writing_..

cv2.threshold(image,thresh,max_value,type) : 임계값을 기준으로 흑/백으로 분류하는 함수 (이진화 수행) image : 처리할 Gray Scale 이미지 thresh : 임계 값 (전체 픽셀 적용) max_value : 임계 값을 넘었을 때 적용할 값 type : 임계점을 처리하는 방식 - THRESH_BINARY : 임계 값보다 크면 max_value, 작으면 0 - THRESH_BINARY_INV : 임계 값보다 작으면 max_value, 크면 0 - THRESH_TRUNC : 임계 값보다 크면 임계 값, 작으면 그대로 - THRESH_TOZERO : 임계 값보다 크면 그대로, 작으면 0 - THRESH_TOZERO_INV : 임계 값보다 크면 0, 작으면 그대로 i..

cv2.add() - Saturation 연산을 수행 - 0 보다 작으면 0, 255 보다 크면 255로 표현 np.add() - Modulo(나머지) 연산을 수행 - 256은 0, 257은 1로 표현 - 잘 사용하지 않음, 특정 픽셀에서 이미지가 이상해지기 때문 이미지 배열의 크기가 같아야 한다. import cv2 import matplotlib.pyplot as plt image_1 = cv2.imread('test.jpg') image_2 = cv2.imread('test3.jpg') result = cv2.add(image_1,image_2) plt.imshow(cv2.cvtColor(result, cv2.COLOR_BGR2RGB)) plt.show() result = image_1 + imag..