아래의 목차에서 정말 듣고 싶은 것만 듣자.
어차피 학교 수업에서도 배울 내용이고, 너무 오래전 기술이라 몰라도 되는 것도 많다.
따라서 목차를 보고 '이런 내용이 있구나’하고 나중에 필요하면, 와서 듣자. 지금은 진짜 궁금한것만 듣자.

  OpenCV-Python 시작하기
  Ch 01. OpenCV-Python 시작하기 - 01. 전체 코스와 컴퓨터 비전 소개
  Ch 01. OpenCV-Python 시작하기 - 02. 영상의 구조와 표현
  Ch 01. OpenCV-Python 시작하기 - 03. OpenCV 소개와 설치
  Ch 01. OpenCV-Python 시작하기 - 04. VS Code 설치와 개발 환경 설정
  Ch 01. OpenCV-Python 시작하기 - 05. 영상 파일 불러와서 출력하기
  Ch 01. OpenCV-Python 시작하기 - 06. OpenCV 주요 함수 설명
  Ch 01. OpenCV-Python 시작하기 - 07. Matplotlib 사용하여 영상 출력하기
  Ch 01. OpenCV-Python 시작하기 - 08. 실전 코딩 - 이미지 슬라이드쇼
  OpenCV-Python 기초 사용법
  Ch 02. OpenCV-Python 기초 사용법 - 01. 영상의 속성과 픽셀 값 처리
  Ch 02. OpenCV-Python 기초 사용법 - 02. 영상의 생성, 복사, 부분 영상 추출
  Ch 02. OpenCV-Python 기초 사용법 - 03. 마스크 연산과 ROI
  Ch 02. OpenCV-Python 기초 사용법 - 04. OpenCV 그리기 함수
  Ch 02. OpenCV-Python 기초 사용법 - 05. 카메라와 동영상 처리하기 1
  Ch 02. OpenCV-Python 기초 사용법 - 06. 카메라와 동영상 처리하기 2
  Ch 02. OpenCV-Python 기초 사용법 - 07. 키보드 이벤트 처리하기
  Ch 02. OpenCV-Python 기초 사용법 - 08. 마우스 이벤트 처리하기
  Ch 02. OpenCV-Python 기초 사용법 - 09. 트랙바 사용하기
  Ch 02. OpenCV-Python 기초 사용법 - 10. 연산 시간 측정 방법
  Ch 02. OpenCV-Python 기초 사용법 - 11. 실전 코딩 - 동영상 전환 이펙트
  기본적인 영상 처리 기법
  Ch 03. 기본적인 영상 처리 기법 - 01. 영상의 밝기 조절
  Ch 03. 기본적인 영상 처리 기법 - 02. 영상의 산술 및 논리 연산
  Ch 03. 기본적인 영상 처리 기법 - 03. 컬러 영상 처리와 색 공간
  Ch 03. 기본적인 영상 처리 기법 - 04. 히스토그램 분석
  Ch 03. 기본적인 영상 처리 기법 - 05. 영상의 명암비 조절
  Ch 03. 기본적인 영상 처리 기법 - 06. 히스토그램 평활화
  Ch 03. 기본적인 영상 처리 기법 - 07. 특정 색상 영역 추출하기
  Ch 03. 기본적인 영상 처리 기법 - 08. 히스토그램 역투영
  Ch 03. 기본적인 영상 처리 기법 - 09. 실전 코딩 - 크로마키 합성
  필터링
  Ch 04. 필터링 - 01. 필터링 이해하기
  Ch 04. 필터링 - 02. 블러링 (1) - 평균값 필터
  Ch 04. 필터링 - 03. 블러링 (2) - 가우시안 필터
  Ch 04. 필터링 - 04. 샤프닝 - 언샤프 마스크 필터
  Ch 04. 필터링 - 05. 잡음 제거 (1) - 미디언 필터
  Ch 04. 필터링 - 06. 잡음 제거 (2) - 양방향 필터
  Ch 04. 필터링 - 07. 실전 코딩 - 카툰 필터 카메라
  기하학적 변환
  Ch 05. 기하학적 변환 - 01. 영상의 이동 변환과 전단 변환
  Ch 05. 기하학적 변환 - 02. 영상의 확대와 축소
  Ch 05. 기하학적 변환 - 03. 이미지 피라미드
  Ch 05. 기하학적 변환 - 04. 영상의 회전
  Ch 05. 기하학적 변환 - 05. 어파인 변환과 투시 변환
  Ch 05. 기하학적 변환 - 06. 리매핑
  Ch 05. 기하학적 변환 - 07. 실전 코딩 - 문서 스캐너
  영상의 특징 추출
  CH 06. 영상의 특징 추출 - 01. 영상의 미분과 소베 필터
  CH 06. 영상의 특징 추출 - 02. 그래디언트와 에지 검출
  CH 06. 영상의 특징 추출 - 03. 캐니 에지 검출
  CH 06. 영상의 특징 추출 - 04. 허프 변환 직선 검출
  CH 06. 영상의 특징 추출 - 05. 허프 원 변환 원 검출
  CH 06. 영상의 특징 추출 - 06. 실전 코딩 동전 카운터
  이진 영상 처리
  CH 07. 이진 영상 처리 - 01. 영상의 이진화
  CH 07. 이진 영상 처리 - 02. 자동 이진화 Otsu 방법
  CH 07. 이진 영상 처리 - 03. 지역 이진화
  CH 07. 이진 영상 처리 - 04. 모폴로지 (1) 침식과 팽창
  CH 07. 이진 영상 처리 - 05. 모폴로지 (2) 열기와 닫기
  CH 07. 이진 영상 처리 - 06. 레이블링
  CH 07. 이진 영상 처리 - 07. 외곽선 검출
  CH 07. 이진 영상 처리 - 08. 다양한 외곽선 함수
  CH 07. 이진 영상 처리 - 09. 실전 코딩 명함 인식 프로그램
  영상 분할과 객체 검출
  CH 08. 영상 분할과 객체 검출 - 01. 그랩컷
  CH 08. 영상 분할과 객체 검출 - 02. 모멘트 기반 객체 검출
  CH 08. 영상 분할과 객체 검출 - 03. 템플릿 매칭 (1) 이해하기
  CH 08. 영상 분할과 객체 검출 - 04. 템플릿 매칭 (2) 인쇄체 숫자 인식
  CH 08. 영상 분할과 객체 검출 - 05. 캐스케이드 분류기 - 얼굴 검출
  CH 08. 영상 분할과 객체 검출 - 06. HOG 보행자 검출
  CH 08. 영상 분할과 객체 검출 - 07. 실전 코딩 간단 스노우 앱
  특징점 검출과 매칭
  CH 09. 특징점 검출과 매칭 - 01. 코너 검출
  CH 09. 특징점 검출과 매칭 - 02. 특징점 검출
  CH 09. 특징점 검출과 매칭 - 03. 특징점 기술
  CH 09. 특징점 검출과 매칭 - 04. 특징점 매칭
  CH 09. 특징점 검출과 매칭 - 05. 좋은 매칭 선별
  CH 09. 특징점 검출과 매칭 - 06. 호모그래피와 영상 매칭
  CH 09. 특징점 검출과 매칭 - 07. 이미지 스티칭
  CH 09. 특징점 검출과 매칭 - 08. 실전 코딩 - AR 비디오 플레이어
  객체 추적과 모션 벡터
  CH 10. 객체 추적과 모션 벡터 - 01. 배경 차분 정적 배경 차분
  CH 10. 객체 추적과 모션 벡터 - 02. 배경 차분 이동 평균 배경
  CH 10. 객체 추적과 모션 벡터 - 03. 배경 차분 MOG 배경 모델
  CH 10. 객체 추적과 모션 벡터 - 04. 평균 이동 알고리즘
  CH 10. 객체 추적과 모션 벡터 - 05. 캠시프트 알고리즘
  CH 10. 객체 추적과 모션 벡터 - 06. 루카스 - 카나데 옵티컬플로우
  CH 10. 객체 추적과 모션 벡터 - 07. 밀집 옵티컬플로우
  CH 10. 객체 추적과 모션 벡터 - 08. OpenCV 트래커
  CH 10. 객체 추적과 모션 벡터 - 09. 실전 코딩 - 핸드 모션 리모컨
  머신러닝
  CH 11. 머신 러닝 - 01. 머신 러닝 이해하기
  CH 11. 머신 러닝 - 02. OpenCV 머신 러닝 클래스
  CH 11. 머신 러닝 - 03. k최근접 이웃 알고리즘
  CH 11. 머신 러닝 - 04. KNN 필기체 숫자 인식
  CH 11. 머신러닝 - 05. SVM 알고리즘
  CH 11. 머신러닝 - 06. OpenCV SVM 사용하기
  CH 11. 머신러닝 - 07. HOG SVM 필기체 숫자 인식
  CH 11. 머신러닝 - 08. 숫자 영상 정규화
  CH 11. 머신러닝 - 09. k-평균 알고리즘
  CH 11. 머신러닝 - 10. 실전 코딩 문서 필기체 숫자 인식
  딥러닝 이해와 영상 인식
  CH 12. 딥러닝 이해와 영상 인식 - 01. 딥러닝 이해하기
  CH 12. 딥러닝 이해와 영상 인식 - 02. CNN 이해하기
  CH 12. 딥러닝 이해와 영상 인식 - 03. 딥러닝 학습과 모델 파일 저장
  CH 12. 딥러닝 이해와 영상 인식 - 04. OpenCV DNN 모듈
  CH 12. 딥러닝 이해와 영상 인식 - 05. MNIST 학습 모델 사용하기
  CH 12. 딥러닝 이해와 영상 인식 - 06. GoogLeNet 영상 인식
  CH 12. 딥러닝 이해와 영상 인식 - 07. 실전 코딩 한글 손글씨 인식
  딥러닝 활용 : 객체 검출, 포즈 인식
  CH 13. 딥러닝 활용 객체 검출 - 01. OpenCV DNN 얼굴 검출
  CH 13. 딥러닝 활용 객체 검출 - 02. YOLOv3 객체 검출
  CH 13. 딥러닝 활용 객체 검출 - 03. Mask-RCNN 영역 분할
  CH 13. 딥러닝 활용 객체 검출 - 04. OpenPose 포즈 인식
  CH 13. 딥러닝 활용 객체 검출 - 05. EAST 문자 영역 검출
  CH 13. 딥러닝 활용 객체 검출 - 06. 실전 코딩 얼굴 인식

Chap 1 - OpenCV basics

1강

책과 코드 : https://github.com/sunkyoo/opencv4cvml
OpenCV tutorial https://docs.opencv.org/master/
컴퓨터 비전 응용 분야 - 머신 비전(공장 자동화), 인식, 객체 검출, 화질 개선, 인공지능 서비스(테슬라, 아마존)

2강

Gray (Black) 0~255 (White)
프로그래밍 언어의 1Byte
- unsigned char
- numpy.uint8
색의 성분 (빛의 삼원색)
- 0 : 색의 성분이 전혀 없는 상태 = 검정
- 255 : 색의 성분이 가득 있는 상태 = 흰색
영상의 좌표계
- 행렬을 읽듯이 읽어야 한다.
- 우리가 아는 2차원 좌표계를 사용해서 읽지 말고. 따라서 y축은 아래를 향한다.
영상의 파일 형식의 특징
- JPG는 원본 이미지 데이터가 약간 손실됨. 인간은 못 느끼는 정도
- GIF는 움짤용. 영상 처리에서 사용 안함
- PNG 영상처리에서 가장 많이 사용

3강

BSD license : Free for academic & commercial use
OpenCV 구성
- OpenCV main modules
- OpenCV extra modules - 새롭게 만들어지는 기능. 잘 사용되지 않는 것들. 라이센스 문제가 있어서 공유하면 안되는 것들.

4강 기본 코드

import sys
import cv2
print(cv2.__version__)

img = cv2.imread('cat.bmp')

if img is None:
    print('Image load failed!')
    sys.exit()

cv2.namedWindow('image')
cv2.imshow('image', img)
cv2.waitKey() # 아무키나 누르면 window 종료
cv2.destroyAllWindows()

5강 OpenCV 기본 명령어

OpenCV 도움말: http://docs.opencv.org/ -> 버전 선택
cv2.imread(filename, flags = 'cv2.IMREAD_COLOR ') -> BGR 순서
이미지 저장 : cv2.imwrite(filename, img : numpy.ndarray, params=None)
새 창 띄우기(imshow위해 꼭 안해도 됨) : cv2.namedWindow(winname : str, flags=None) -> None
새 창 모두 닫기 : cv2.destroyWindow(winname : str)
cv2.moveWindow(winname, x, y) , cv2.resizeWindow(winname, width, height)
cv2.imshow(winname, mat : ndarray_dtype_8uint)
cv2.waitKey(delay=‘0’)
- dalay = ms 단위의 대기 시간. If delay = 0, 무한히 기다림
- return 값은 눌린 키 값.
- 사용법
```
while True:
	if cv2.waitKey() == ord('q'):
		break
# 27(ESC), 13(ENTER), 9(TAB)
```

6강 Matplotlib 기본 명령어

BGR 순서 -> cv2.cvtColor() , GRAY -> cmap=‘gray’

import matplotlib.pyplot as plt
import cv2

# 컬러 영상 출력
imgBGR = cv2.imread('cat.bmp')
imgRGB = cv2.cvtColor(imgBGR, cv2.COLOR_BGR2RGB) # cv2.IMREAD_GRAYSCALE

plt.axis('off')
plt.imshow(imgRGB) #  cmap='gray'
plt.show()

# subplot
plt.subplot(121), plt.axis('off'), plt.imshow(imgRGB)
plt.subplot(122), plt.axis('off'), plt.imshow(imgGray, cmap='gray')
plt.show()

8강 - 이미지 슬라이드쇼 프로그램

폴더에서 파일 list 가져오기

import os
file_list = os.listdir('.\\images')
img_files = [file for file in file_list if file.endswith('.jpg')]
# 혹은
import glob
img_files = glob.glob('.\\images\\*.jpg')

전체 화면 영상 출력

cv2.namedWindow('image', cv2.WINDOW_NORMAL) # normal 이여야 window 창 변경 가능.
cv2.setWindowProperty('image', cv2.WND_PROP_FULLSCREEN, cv2.WINDOW_FULLSCREEN)

반복적으로, 이미지 출력

cnt = len(img_files)
idx = 0
while True:
    img = cv2.imread(img_files[idx])
    if img is None:
        print('Image load failed!')
        break
    cv2.imshow('image', img)
    if cv2.waitKey(1000) >= 27: # 1초 지나면 False, ESC누루면 True
        break # while 종료
    # cv2.waitKey(1000) -> 1
    # cv2.waitKey(1000) >= 0: 아무키나 누르면 0 초과의 수 return
    idx += 1
    if idx >= cnt:
    	idx = 0

chap2 - Basic image processing technique

1장

cv2.imread(‘cat.bmp’, cv2.IMREAD_COLOR) -> numpy.ndarray [행, 열, depth, 몇장]

for y in range(h):
    for x in range(w):
        img1[y, x] = 255
        img2[y, x] = [0, 0, 255]

이런 식으로 이미지, 픽셀값을 For로 바꾸면 엄청느리다.
함수를 찾아 보거나, img[:,:,:] = [0,255,255] 이런식으로 사용해야 한다.

2장

이미지(=영상) 새로 생성하기
- numpy.empty / numpy.zeros / numpy.ones / numpy.full
이미지 복사
- ```
  img1 = cv2.imread('HappyFish.jpg')
  img2 = img1 -> 같은 메모리 공유
  img3 = img1.copy() 
```
- img3 = img1.copy() -> 새로운 메모리에 이미지 정보 다시 할당 array안의 array도 다시 할당한다. 여기서는 deepcopy랑 같다. [](추가 설명)](https://junha1125.github.io/docker-git-pytorch/2021-01-07-torch_module_research/#21-copydeepcopy)
- numpy에서는 deepcopy랑 copy가 같다. 라고 외우자

2-3강 - 마스크 연산과 ROI

마스크 영상으로는 0 또는 255로 구성된 이진 영상(binary image), Gray Scale

cv2.copyTo(src, mask, dst=None) -> dst

  src = cv2.imread('airplane.bmp', cv2.IMREAD_COLOR)
  mask = cv2.imread('mask_plane.bmp', cv2.IMREAD_GRAYSCALE)
  dst = cv2.imread('field.bmp', cv2.IMREAD_COLOR)
  cv2.copyTo(src, mask, dst1)
  dst2 = cv2.copyTo(src, mask)
  
  # 하지만 아래와 같은 슬라이딩 연산도 가능!!
  dst[mask > 0] = src[mask > 0] # -> dist = dst1

src, mask, dst는 w,h 모두 크기가 같아야 함. src와 dst는 같은 타입. mask는 그레이스케일 타입의 이진 영상.
dst2 :
dst과 dst2는 완전히 다른 이미지로 생성되니 주의해서 사용할 것.

투명한 배경이 있는 png 파일 (4channel)

src = cv2.imread('airplane.bmp', cv2.IMREAD_UNCHANGED) ## 투명배경 있는 것은 IMREAD_UNCHANGED!!! 
mask = src[:,:,-1]
src = src[;,:,0:3]
h,w = src.shape[:2]
crop = dst[x:x+h,y:w+2]  # src, mask, dst는 w,h 모두 크기가 같아야 함
cv2.copyTo(src, mask, crop)

2-4강 - OpenCV그리기 함수

주의할 점 : in-place 알고리즘 -> 원본 데이터 회손
자세한 내용은 인강 참조, 혹은 OpenCV 공식 문서 참조 할 것.
직선 그리기 : cv2.line
사각형 그리기 : cv2.rectangle
원 그리기 : cv2.circle
다각형 그리기 : cv2.polylines
문자열 출력 : cv2.putText

5강 - 카메라와 동영상 처리하기 1

OpenCV에서는 카메라와 동영상으로부터 프레임(frame)을 받아오는 작업을 cv2.VideoCapture 클래스 하나로 처리함

카메라 열기

index : 2대가 있으면 테스트 해봐서 0,1번 중 하나 이다. domain_offset_id는 무시하기(카메라를 Open하는 방법을 운영체제가 적절한 방법을 사용한다.)
아래 코드 꼭 읽어 보기:
추가 함수
- 준비 완료? : cv2.VideoCapture.isOpened() -> retval
- 프래임 받아오기 : cv2.VideoCapture.read(image=None) -> retval, image

  import sys
  import cv
  cap = cv2.VideoCapture()
  cap.open(0)
  # 혹은 위의 2줄 한줄로 cap = cv2.VideoCapture(0)
  
  if not cap.isOpend()
    print('camera open failed!')
      sys.exit()
  while Ture :
      ret, frame = cap.read()
      if not ret : # frame을 잘 받아 왔는가? # 가장 마지막 프레임에서 멈춘다
          break
      edge = cv2.Canny(frame,50,150)
      cv2.imshow('edge', edge) # 2개의 창이 뜬다!! figure 설정할 필요 없음
      cv2.imshow('frame', frame)
      cv2.waitKey(20) == 27: # ESC눌렀을떄
          break
  
  cap.release() # cap 객체 delete
  cv2.destroyAllWindows()

동영상 열기
- 위의 코드에서 cap = cv2.VideoCapture(‘Video File Path’) 를 넣어주고 나머지는 위에랑 똑같이 사용하면 된다.
카메라 속성 열고 바꾸기
- cv2.VideoCapture.get(propId) -> cap.get(‘propId’)
- cv2.VideoCapture.set(propId, value) -> cap.set(‘propId’, value)

2-6장 - 카메라와 동영상 처리하기 2

동영상 저장 : cv2.VideoWriter 클래스
- 소리는 저장이 안된다!!
- cv2.VideoWriter / cv2.VideoWriter.open
- cv2.VideoWriter.isOpened() / cv2.VideoWriter.write(image)
코덱 종류와 다운로드 링크

예시 코드

이미지 반전 : inversed = ~frame. RGB 중 Grean = 0, RB는 255에 가까워짐

# 나의 카메로 open
cap = cv2.VideoCapture(0)
w = round(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
h = round(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))

# 동영상 준비 중
fourcc = cv2.VideoWriter_fourcc(*'DIVX') # *'DIVX' == 'D','I','V','X'
fps = 30
delay = round(1000/fps) # 프레임과 프레임 사이의 시간간격 (1000ms/30fps)
out = cv2.VideoWriter('output.avi', fourcc, 30, (w, h))

if not out.isOpened():
    print('File open failed!')
    cap.release()
    sys.exit()

while True:
    ret, frame = cap.read()
    if not ret:
        break
    inversed = ~frame 
    # 반전하는 코드. RGB 중 Grean = 0, RB는 255에 가까워짐
    # 신기하니, 아래의  cv2.imshow('inversed', inversed) 결과 확인해보기.
    
    """
    edge = cv2.Canny(frame,50,150)
    edge_color = cv2.cvtColor(edge,cv2.COLOR_GRAY2BGR)
    out.write(edge_color)
    """
    
    out.write(frame)
    cv2.imshow('frame', frame) 
    cv2.imshow('inversed', inversed)
    if cv2.waitKey(delay) == 27: # delay는 이와 같이 사용해도 좋다. 없어도 됨.
    	break

2-7장 - 키보드 이벤트 처리하기

cv2.waitKey(delay=None) -> retval
while True: 문을 계속 돌면서, 매 시간 마다 키보드 input이 없으면 필요없는 값을 return하고 while문에는 영향을 끼치지 않는다.

# 키보드에서 'i' 또는 'I' 키를 누르면 영상을 반전
import cv2
img = cv2.imread('cat.bmp', cv2.IMREAD_GRAYSCALE)
cv2.imshow('image', img)
while True:
    keycode = cv2.waitKey()
    if keycode == ord('i') or keycode == ord('I'):
        img = ~img
        cv2.imshow('image', img)
    elif keycode == 27:
        break
cv2.destroyAllWindows()

2-8장 - 마우스 이벤트 처리하기

마우스 이벤트 콜백함수 등록 함수 : cv2.setMouseCallback(windowName, onMouse, param=None) -> None
마우스 이벤트 처리 함수(콜백 함수) 형식 : onMouse(event, x, y, flags, param) -> None
이벤트에 대한 event 목록들은 강의 자료 참조.

oldx = oldy = -1
def on_mouse(event, x, y, flags, param):
    global oldx, oldy
    if event == cv2.EVENT_LBUTTONDOWN:
    	oldx, oldy = x, y
    elif event == cv2.EVENT_MOUSEMOVE:
    	if flags & cv2.EVENT_FLAG_LBUTTON:
            cv2.line(img, (oldx, oldy), (x, y), (0, 0, 255), 4, cv2.LINE_AA)
            cv2.imshow('image', img)
            oldx, oldy = x, y
img = np.ones((480, 640, 3), dtype=np.uint8) * 255
cv2.imshow('image', img)
cv2.setMouseCallback('image', on_mouse)
cv2.waitKey()

2-9강 - 트랙바 사용하기

cv2.createTrackbar(trackbarName, windowName, value, count, onChange) -> None

def on_level_change(pos):
    value = pos * 16
    if value >= 255:
    	value = 255
    img[:] = value
    cv2.imshow('image', img)
img = np.zeros((480, 640), np.uint8)
cv2.namedWindow('image')
cv2.createTrackbar('level', 'image', 0, 16, on_level_change)
cv2.imshow('image', img)
cv2.waitKey()
cv2.destroyAllWindows()

10장 - 연산시간 측정

python time.time() 사용하자.
cv2의 시간측정함수를 소개한다.

2-11장 - 동영상 전환 이펙트 코드 만들기

    import sys
    import numpy as np
    import cv2

    # 두 개의 동영상을 열어서 cap1, cap2로 지정
    cap1 = cv2.VideoCapture('video1.mp4')
    cap2 = cv2.VideoCapture('video2.mp4')

    if not cap1.isOpened() or not cap2.isOpened():
        print('video open failed!')
        sys.exit()

    # 두 동영상의 크기, FPS는 같다고 가정함
    frame_cnt1 = round(cap1.get(cv2.CAP_PROP_FRAME_COUNT))  # 15초 * 24 = Total 360 frame
    frame_cnt2 = round(cap2.get(cv2.CAP_PROP_FRAME_COUNT))
    fps = cap1.get(cv2.CAP_PROP_FPS) # 24
    effect_frames = int(fps * 2)  # 48 -> 1번 동영상의 맨 뒤 48프레임과, 2번 동영상의 맨 앞 48프레임이 겹친다

    print('frame_cnt1:', frame_cnt1)
    print('frame_cnt2:', frame_cnt2)
    print('FPS:', fps)

    delay = int(1000 / fps)

    w = round(cap1.get(cv2.CAP_PROP_FRAME_WIDTH))
    h = round(cap1.get(cv2.CAP_PROP_FRAME_HEIGHT))
    fourcc = cv2.VideoWriter_fourcc(*'DIVX')

    # 출력 동영상 객체 생성
    out = cv2.VideoWriter('output.avi', fourcc, fps, (w, h))

    # 1번 동영상 복사
    for i in range(frame_cnt1 - effect_frames):
        ret1, frame1 = cap1.read()

        if not ret1:
            print('frame read error!')
            sys.exit()

        out.write(frame1)
        print('.', end='')

        cv2.imshow('output', frame1)
        cv2.waitKey(delay)

    # 1번 동영상 뒷부분과 2번 동영상 앞부분을 합성
    for i in range(effect_frames):
        ret1, frame1 = cap1.read()
        ret2, frame2 = cap2.read()

        if not ret1 or not ret2:
            print('frame read error!')
            sys.exit()

        dx = int(w / effect_frames) * i

        frame = np.zeros((h, w, 3), dtype=np.uint8)
        frame[:, 0:dx, :] = frame2[:, 0:dx, :]
        frame[:, dx:w, :] = frame1[:, dx:w, :]

        #alpha = i / effect_frames
        #frame = cv2.addWeighted(frame1, 1 - alpha, frame2, alpha, 0)

        out.write(frame)
        print('.', end='')

        cv2.imshow('output', frame)
        cv2.waitKey(delay)

    # 2번 동영상을 복사
    for i in range(effect_frames, frame_cnt2):
        ret2, frame2 = cap2.read()

        if not ret2:
            print('frame read error!')
            sys.exit()

        out.write(frame2)
        print('.', end='')

        cv2.imshow('output', frame2)
        cv2.waitKey(delay)

    print('\noutput.avi file is successfully generated!')

    cap1.release()
    cap2.release()
    out.release()
    cv2.destroyAllWindows()

```

chap3 - 기본 영상 처리 기법

Ch 03. 기본적인 영상 처리 기법 - 01. 영상의 밝기 조절

밝기 조절을 위한 함수 : cv2.add(src1, src2, dst=None, mask=None, dtype=None) -> dst

Ch 03. 기본적인 영상 처리 기법 - 02. 영상의 산술 및 논리 연산

두 이미지 덧셉, 가중치 합
cv2.add(src1, src2, dst=None, mask=None, dtype=None) -> dst
cv2.addWeighted(src1, alpha, src2, beta, gamma, dst=None, dtype=None) -> dst
두 이미지 뺄셈
cv2.subtract(src1, src2, dst=None, mask=None, dtype=None) -> dst
두 이미지 차이 계산 dst( , ) = |src1( , ) - src2( , ) |
cv2.absdiff(src1, src2, dst=None) -> dst

Ch 03. 기본적인 영상 처리 기법 - 03. 컬러 영상 처리와 색 공간

b_plane, g_plane, r_plane = cv2.split(src)
b_plane = src[:, :, 0] g_plane = src[:, :, 1] r_plane = src[:, :, 2]
cv2.cvtColor(src, code, dst=None, dstCn=None) -> dst

Ch 03. 기본적인 영상 처리 기법 - 04. 히스토그램 분석

**cv2.calcHist(**images, channels, mask, histSize, ranges, hist=None, accumulate=None) -> hist

src = cv2.imread('lenna.bmp')
colors = ['b', 'g', 'r']
bgr_planes = cv2.split(src)
for (p, c) in zip(bgr_planes, colors):
    hist = cv2.calcHist([p], [0], None, [256], [0, 256])
    plt.plot(hist, color=c)
plt.show()

Ch 03. 기본적인 영상 처리 기법 - 05. 영상의 명암비 조절

dst( , ) = saturate(src( , ) + (src( , ) - 128) ) + a

  src = cv2.imread('lenna.bmp', cv2.IMREAD_GRAYSCALE)
  alpha = 1.0
  dst = np.clip((1+alpha)*src - 128*alpha, 0, 255).astype(np.uint8)

명암비 자동 조절
- dst = cv2.normalize(src, None, 0, 255, cv2.NORM_MINMAX)

Ch 03. 기본적인 영상 처리 기법 - 06. 히스토그램 평활화

히스토그램이 그레이스케일 전체 구간에서 균일한 분포로 나타나도록 변경하는 명암비 향상 기법
히스토그램 균등화, 균일화, 평탄화
cv2.equalizeHist(src, dst=None) -> dst

Ch 03. 기본적인 영상 처리 기법 - 07. 특정 색상 영역 추출하기

특정 범위 안에 있는 행렬 원소 검출 : cv2.inRange(src, lowerb, upperb, dst=None) -> dst

Ch 03. 기본적인 영상 처리 기법 - 08. 히스토그램 역투영

cv2.calcBackProject(images, channels, hist, ranges, scale, dst=None) -> dst

Ch 03. 기본적인 영상 처리 기법 - 09. 실전 코딩 - 크로마키 합성

cv2.inRange() 함수를 사용하여 50 ≤ 𝐻 ≤ 80, 150 ≤ 𝑆 ≤ 255, 0 ≤ 𝑉 ≤ 255 범위의 영역을 검출
마스크 연산을 지원하는 cv2.copyTo() 함수 사용
강의자료 FastCampus_CV\opencv_python_ch01_ch05\ch03\chroma_key.py 참조

chap4 - 필터링

cv2.filter2D
cv2.GaussianBlur
cv2.medianBlur(src, ksize, dst=None) -> dst
- 주변 픽셀들의 값들을 정렬하여 그 중앙값(median)으로 픽셀 값을 대체
- 소금-후추 잡음 제거에 효과적
cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace, dst=None, borderType=None) -> dst
- edge-preserving noise removal filter / Bilateral filter
- 평균 값 필터 또는 가우시안 필터는 에지 부근에서도 픽셀 값을 평탄하게 만드는 단점
- 에지가 아닌 부분에서만 blurring(잡음제거)

카툰 필터 만들기

아래의 방법은 사람들이 찾아낸 방법 중 하나. 다양한 방법이 있다.

# 카툰 필터 카메라

import sys
import numpy as np
import cv2

def cartoon_filter(img):
    h, w = img.shape[:2]
    img2 = cv2.resize(img, (w//2, h//2))
    blr = cv2.bilateralFilter(img2, -1, 20, 7)
    edge = 255 - cv2.Canny(img2, 80, 120)
    edge = cv2.cvtColor(edge, cv2.COLOR_GRAY2BGR)
    dst = cv2.bitwise_and(blr, edge)  # 논리 연산자
    dst = cv2.resize(dst, (w, h), interpolation=cv2.INTER_NEAREST)
    return dst

def pencil_sketch(img):
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    blr = cv2.GaussianBlur(gray, (0, 0), 3)
    dst = cv2.divide(gray, blr, scale=255)
    return dst

cap = cv2.VideoCapture(0)
if not cap.isOpened():
    print('video open failed!')
    sys.exit()
cam_mode = 0

while True:
    ret, frame = cap.read()
    if not ret:
        break
    if cam_mode == 1:
        frame = cartoon_filter(frame)
    elif cam_mode == 2:
        frame = pencil_sketch(frame)
        frame = cv2.cvtColor(frame, cv2.COLOR_GRAY2BGR)
    cv2.imshow('frame', frame)
    key = cv2.waitKey(1)
    if key == 27:
        break
    elif key == ord(' '):
        cam_mode += 1
        if cam_mode == 3:
            cam_mode = 0

cap.release()
cv2.destroyAllWindows()

chap5 - 기하학적 변환

수학적 공식은 ‘20년2학기/윤성민 교수님 컴퓨터 비전 수업 자료 참조’
cv2.warpAffine(src, M, dsize, dst=None, flags=None, borderMode=None, borderValue=None) -> dst
cv2.resize(src, dsize, dst=None, fx=None, fy=None, interpolation=None) -> dst
cv2.flip(src, flipCode, dst=None) -> dst
cv2.pyrDown(src, dst=None, dstsize=None, borderType=None) -> dst : 다중 피라미드 이미지 자동 return
cv2.pyrUp(src, dst=None, dstsize=None, borderType=None) -> dst
rot = cv2.getRotationMatrix2D(cp, 20, 1)
- dst = cv2.warpAffine(src, rot, (0, 0))

어파인 변환과 투시 변환

cv2.getAffineTransform(src, dst) -> retval
cv2.getPerspectiveTransform(src, dst, solveMethod=None) -> retval
cv2.warpAffine(src, M, dsize, dst=None, flags=None, borderMode=None, borderValue=None) -> dst
cv2.warpPerspective(src, M, dsize, dst=None, flags=None, borderMode=None, borderValue=None) -> dst

src = cv2.imread('namecard.jpg')
w, h = 720, 400
srcQuad = np.array([[325, 307], [760, 369], [718, 611], [231, 515]],
np.float32)
dstQuad = np.array([[0, 0], [w-1, 0], [w-1, h-1], [0, h-1]], np.float32)
pers = cv2.getPerspectiveTransform(srcQuad, dstQuad)
dst = cv2.warpPerspective(src, pers, (w, h))

리매핑 : 영상의 특정 위치 픽셀을 다른 위치에 재배치하는 일반적인 프로세스
- cv2.remap(src, Pixel좌표1, Pixel좌표2, interpolation, dst=None, borderMode=None, borderValue=None) -> dst
[실전 코딩] 문서 스캐너
- 위의 방법 적절히 사용
- 코드는 FastCampus_CV\opencv_python_ch01_ch05\ch03\docuscan.py 참조

chap6 - 영상의 특징 추출

아래의 함수를 사용하고 싶다면, 어줍잖은 블로급 보지 말고 동영상 찾아보자.
cv2.Sobel(src, ddepth, dx, dy, dst=None, ksize=None, scale=None, delta=None, borderType=None) -> dst
cv2.Scharr(src, ddepth, dx, dy, dst=None, scale=None, delta=None, borderType=None) -> dst
2D 벡터의 크기 계산 함수 : cv2.magnitude(x, y, magnitude=None) -> magnitude
2D 벡터의 방향 계산 함수 : cv2.phase(x, y, angle=None, angleInDegrees=None) -> angle
cv2.Canny(image, threshold1, threshold2, edges=None, apertureSize=None, L2gradient=None) -> edges
cv2.HoughLines(image, rho, theta, threshold, lines=None, srn=None, stn=None, min_theta=None, max_theta=None) -> lines
cv2.HoughLinesP(image, rho, theta, threshold, lines=None, minLineLength=None, maxLineGap=None) -> lines
cv2.HoughCircles(image, method, dp, minDist, circles=None, param1=None, param2=None, minRadius=None, maxRadius=None) -> circles

Junha

[Comp.Vision] Computer Vision chap1~6

목차